Aufgabenbeispiele von Rückwärtsaufgaben
Durch Aktualisieren des Browsers (z.B. mit Taste F5) kann man neue Beispielaufgaben sehen
Binomialvert. mit variablem n (mind)
Beispiel:
Die Firma Apple hat ein neues geniales Produkt, die iYacht, auf den Markt gebracht (wenn auch nicht ganz günstig). Die hierfür beauftragte Marketingagentur garantiert, dass unter denen, denen sie die Yacht vorgeführt hat, der Anteil der späteren Käufer bei 19% liegt. Wie vielen Personen muss nun dieses Produkt mindestens vorgeführt werden, damit sich mit mind. 70% Wahrscheinlichkeit, 23 oder mehr Käufer für dieses Produkt finden?
n | P(X≤k) |
---|---|
... | ... |
127 | 0.3639 |
128 | 0.3482 |
129 | 0.3328 |
130 | 0.3178 |
131 | 0.3032 |
132 | 0.2889 |
... | ... |
Die Zufallsgröße X gibt Anzahl der Käufer an und ist im Idealfall binomialverteilt mit p = 0.19 und variablem n.
Es muss gelten: ≥ 0.7
Weil man ja aber nicht in den WTR eingeben kann, müssen wir diese Wahrscheinlichkeit über die Gegenwahrscheinlichkeit berechnen:
= 1 - ≥ 0.7 |+ - 0.7
0.3 ≥ oder ≤ 0.3
Jetzt müssen wir eben so lange mit verschiedenen Werten von n probieren, bis diese Gleichung erstmals erfüllt wird:
Dabei stellt sich nun natürlich die Frage, mit welchem Wert für n wir dabei beginnen. Im Normalfall enden 19% der Versuche mit einem Treffer. Also müssten dann doch bei ≈ 121 Versuchen auch ungefähr 23 (≈0.19⋅121) Treffer auftreten.
Wir berechnen also mit unserem ersten n=121:
≈ 0.4643
(TI-Befehl: Binomialcdf ...)
Je nachdem, wie weit nun dieser Wert noch von den gesuchten 0.3 entfernt ist, erhöhen bzw. verkleinern wir das n eben in größeren oder kleineren Schrittweiten.
Dies wiederholen wir solange, bis wir zwei aufeinanderfolgende Werte von n gefunden haben, bei denen die 0.3 überschritten wird.
Aus der Werte-Tabelle (siehe links) erkennt man dann, dass erstmals bei n=132 die gesuchte Wahrscheinlichkeit unter 0.3 ist.
n muss also mindestens 132 sein, damit ≤ 0.3 oder eben ≥ 0.7 gilt.
Binomialvert. mit variablem p (diskret)
Beispiel:
Die Homepage-AG einer Schule möchte auf der Startseite der Internetseite der Schule ein Zufallsbild integrieren. Dabei soll bei jedem Aufruf der Startseite ein zufälliges Bild aus einer Bilderdatenbank gezeigt werden. Alle Bilder der Datenbank sind immer gleich wahrscheinlich. Auf 3 Bildern der Datenbank sind Mitglieder der Homepage-AG zu sehen. Es wird geschätzt, dass die Seite täglich 60 mal aufgerufen wird. Die Mitglieder der Homepage-AG wollen dass mit mindestens 80%-iger Wahrscheinlichkiet mindestens 10 mal am Tag eines ihrer eigenen 3 Bilder erscheint. Wie viele andere Bilder dürfen dann höchstens noch in der Datenbank sein?
p | P(X≥10)=1-P(X≤9) |
---|---|
... | ... |
0.9988 | |
0.9941 | |
0.9811 | |
0.9548 | |
0.9129 | |
0.8558 | |
0.7868 | |
... | ... |
Die Zufallsgröße X gibt die Anzahl der Bilder mit Homepage-AG-lern an. X ist binomialverteilt mit n=60 und unbekanntem Parameter p.
Es muss gelten: = 1- = 0.8 (oder mehr)
Wir wissen, dass der Zähler bei unserer Einzelwahrscheinlichkeit p 3 sein muss, da es ja genau 3 günstige Fälle gibt.
Wir müssen nun bei verschiedenen Nennern untersuchen, wie hoch die gesuchte Wahrscheinlichkeit ('mindestens 10 Treffer bei 60 Versuchen') bei diesen Nennern wird (siehe Tabelle links)
Als Startwert wählen wir als p=. (Durch Ausprobieren erkennt man, dass vorher die Wahrscheinlichkeit immer fast 1 ist)
In dieser Tabelle erkennen wir, dass letztmals bei der Einzelwahrscheinlichkeit p= die gesuchte
Wahrscheinlichkeit über 80% bleibt.
Der Nenner, also die Anzahl aller Bilder in der Datenbank, darf also höchstens
14 sein.
Also wären noch 11 zusätzliche Optionen (also weitere Bilder) zulässig.
Binomialvert. mit variablem n (höchst.)
Beispiel:
Im einem Mathekurs beträgt die Wahrscheinlichkeit, dass ein klassischer GeSchwa-Fehler begangen wird, p=0,3. Wie viele Aufgaben kann ein Schüler höchstens machen, damit er mit einer Wahrscheinlichkeit von 90% maximal 30 dieser Fehler begeht?
n | P(X≤k) |
---|---|
... | ... |
83 | 0.9083 |
84 | 0.8951 |
85 | 0.8807 |
86 | 0.865 |
87 | 0.8482 |
88 | 0.8303 |
89 | 0.8113 |
90 | 0.7911 |
91 | 0.77 |
92 | 0.748 |
93 | 0.725 |
94 | 0.7014 |
95 | 0.677 |
96 | 0.6521 |
97 | 0.6268 |
98 | 0.6011 |
99 | 0.5752 |
100 | 0.5491 |
... | ... |
Die Zufallsgröße X gibt Anzahl der begangenen GeSchwa-Fehler an und ist im Idealfall binomialverteilt mit p = 0.3 und variablem n.
Es muss gelten: ≥ 0.9
Jetzt müssen wir eben so lange mit verschiedenen Werten von n probieren, bis diese Gleichung erstmals erfüllt wird:
Dabei stellt sich nun natürlich die Frage, mit welchem Wert für n wir dabei beginnen. Im Normalfall enden 30% der Versuche mit einem Treffer. Also müssten dann doch bei ≈ 100 Versuchen auch ungefähr 30 (≈0.3⋅100) Treffer auftreten.
Wir berechnen also mit unserem ersten n=100:
≈ 0.5491
(TI-Befehl: Binomialcdf ...)
Je nachdem, wie weit nun dieser Wert noch von den gesuchten 0.9 entfernt ist, erhöhen bzw. verkleinern wir das n eben in größeren oder kleineren Schrittweiten.
Dies wiederholen wir solange, bis wir zwei aufeinanderfolgende Werte von n gefunden haben, bei denen die 0.9 überschritten wird.
Aus der Werte-Tabelle (siehe links) erkennt man dann, dass letztmals bei n=83 die gesuchte Wahrscheinlichkeit über 90% ist.
Binomialvert. mit variablem n (mind)
Beispiel:
Die Firma Apple hat ein neues geniales Produkt, die iYacht, auf den Markt gebracht (wenn auch nicht ganz günstig). Die hierfür beauftragte Marketingagentur garantiert, dass unter denen, denen sie die Yacht vorgeführt hat, der Anteil der späteren Käufer bei 18% liegt. Wie vielen Personen muss nun dieses Produkt mindestens vorgeführt werden, damit sich mit mind. 80% Wahrscheinlichkeit, 37 oder mehr Käufer für dieses Produkt finden?
n | P(X≤k) |
---|---|
... | ... |
226 | 0.2374 |
227 | 0.2281 |
228 | 0.219 |
229 | 0.2102 |
230 | 0.2017 |
231 | 0.1933 |
... | ... |
Die Zufallsgröße X gibt Anzahl der Käufer an und ist im Idealfall binomialverteilt mit p = 0.18 und variablem n.
Es muss gelten: ≥ 0.8
Weil man ja aber nicht in den WTR eingeben kann, müssen wir diese Wahrscheinlichkeit über die Gegenwahrscheinlichkeit berechnen:
= 1 - ≥ 0.8 |+ - 0.8
0.2 ≥ oder ≤ 0.2
Jetzt müssen wir eben so lange mit verschiedenen Werten von n probieren, bis diese Gleichung erstmals erfüllt wird:
Dabei stellt sich nun natürlich die Frage, mit welchem Wert für n wir dabei beginnen. Im Normalfall enden 18% der Versuche mit einem Treffer. Also müssten dann doch bei ≈ 206 Versuchen auch ungefähr 37 (≈0.18⋅206) Treffer auftreten.
Wir berechnen also mit unserem ersten n=206:
≈ 0.4658
(TI-Befehl: Binomialcdf ...)
Je nachdem, wie weit nun dieser Wert noch von den gesuchten 0.2 entfernt ist, erhöhen bzw. verkleinern wir das n eben in größeren oder kleineren Schrittweiten.
Dies wiederholen wir solange, bis wir zwei aufeinanderfolgende Werte von n gefunden haben, bei denen die 0.2 überschritten wird.
Aus der Werte-Tabelle (siehe links) erkennt man dann, dass erstmals bei n=231 die gesuchte Wahrscheinlichkeit unter 0.2 ist.
n muss also mindestens 231 sein, damit ≤ 0.2 oder eben ≥ 0.8 gilt.
Binomialvert. mit variablem k (höchst.)
Beispiel:
Bei einem Zufallsexperiment beträgt die Wahrscheinlichkeit für einen Treffer p=0,85. Das Zufallsexperiment soll 62 mal wiederholt werden. Dabei soll die Wahrscheinlichkeit, dass von den 62 Versuchen höchstens k Treffer sind, weniger als 55% betragen. Bestimme den größtmöglichen Wert für k.
k | P(X≤k) |
---|---|
... | ... |
47 | 0.0382 |
48 | 0.0729 |
49 | 0.1292 |
50 | 0.2121 |
51 | 0.3226 |
52 | 0.4551 |
53 | 0.5968 |
54 | 0.7305 |
55 | 0.8408 |
56 | 0.9189 |
... | ... |
Die Zufallsgröße X gibt Anzahl der Treffer an und ist im Idealfall binomialverteilt mit p = 0.85 und n = 62.
Es muss gelten: < 0.55
Jetzt müssen wir eben so lange mit verschiedenen Werten von k probieren, bis diese Gleichung erstmals nicht mehr erfüllt wird:
Dabei kann man entweder einfach viele verschiedene Werte einzeln berechnen oder man verwendet Listen bei der Binomialverteilung im WTR, (TI: binomcdf, Casio: Kumul. Binomial-V).
Schaut man dazu die kumulierte Binomialverteilung in der Tabelle links an, so erkennt man, dass die Trefferzahlen im Intervall zwischen 0 und 52 immer noch weniger als 0.55 der Gesamt-Wahrscheinlichkeit auf sich vereinen. Erst nimmt mit 59.68% einen Wert über 0.55 an.
Das größtmögliche k mit < 0.55 ist somit k = 52.
größtmöglicher Wert für k muss somit k = 52 sein.
(also keine kumulierte Wahrscheinlichkeit wie links in der Tabelle)
Binomialvert. mit variablem k (mind.)
Beispiel:
Bei einem Multiple-Choice-Test werden 20 Fragen gestellt. Bei jeder Frage gibt es 5 Antworten, von denen genau eine richtig ist. Die Wahrscheinlichkeit, dass man mit reinem Raten der richtigen Antworten durch Zufall trotzdem den Test besteht, soll unter 2% liegen. Wie viele Fragen müssen dann zum Bestehen des Tests mindestens richtig beantwortet werden?
k | P(X≤k) |
---|---|
... | ... |
3 | 0.4114 |
4 | 0.6296 |
5 | 0.8042 |
6 | 0.9133 |
7 | 0.9679 |
8 | 0.99 |
9 | 0.9974 |
10 | 0.9994 |
11 | 0.9999 |
12 | 1 |
... | ... |
Die Zufallsgröße X gibt die Anzahl der richtig geratenen Fragen an und ist im Idealfall binomialverteilt mit p = und n = 20.
Es muss gelten: < 0.02 (oranger Bereich)
oder andersrum ausgedrückt: ≥ 0.98 (blauer Bereich)
Jetzt müssen wir eben so lange mit verschiedenen Werten von k probieren, bis diese Gleichung erstmals erfüllt wird:
Dabei kann man entweder einfach viele verschiedene Werte einzeln berechnen oder man verwendet Listen bei der Binomialverteilung im WTR, (TI: binomcdf, Casio: Kumul. Binomial-V).
Schaut man dazu die kumulierte Binomialverteilung in der Tabelle links an, so erkennt man, dass die Trefferzahlen im Intervall zwischen 0 und 7 immer noch weniger als 0.98 der Gesamt-Wahrscheinlichkeit auf sich vereinen. Erst nimmt mit 99% einen Wert über 0.98 an.
Das kleinstmögliche k mit = 1 - < 0.02 ist somit k = 9.
Die Mindestanzahl richtiger Fragen zum Bestehen des Tests muss somit k = 9 sein.
(also keine kumulierte Wahrscheinlichkeit wie links in der Tabelle)
Binomialvert. mit variablem k (mind.)
Beispiel:
Bei einem Multiple-Choice-Test werden 35 Fragen gestellt. Bei jeder Frage gibt es 6 Antworten, von denen genau eine richtig ist. Die Wahrscheinlichkeit, dass man mit reinem Raten der richtigen Antworten durch Zufall trotzdem den Test besteht, soll unter 6% liegen. Wie viele Fragen müssen dann zum Bestehen des Tests mindestens richtig beantwortet werden?
k | P(X≤k) |
---|---|
... | ... |
4 | 0.2843 |
5 | 0.4602 |
6 | 0.6361 |
7 | 0.7818 |
8 | 0.8838 |
9 | 0.945 |
10 | 0.9768 |
11 | 0.9913 |
12 | 0.9971 |
13 | 0.9991 |
... | ... |
Die Zufallsgröße X gibt die Anzahl der richtig geratenen Fragen an und ist im Idealfall binomialverteilt mit p = und n = 35.
Es muss gelten: < 0.06 (oranger Bereich)
oder andersrum ausgedrückt: ≥ 0.94 (blauer Bereich)
Jetzt müssen wir eben so lange mit verschiedenen Werten von k probieren, bis diese Gleichung erstmals erfüllt wird:
Dabei kann man entweder einfach viele verschiedene Werte einzeln berechnen oder man verwendet Listen bei der Binomialverteilung im WTR, (TI: binomcdf, Casio: Kumul. Binomial-V).
Schaut man dazu die kumulierte Binomialverteilung in der Tabelle links an, so erkennt man, dass die Trefferzahlen im Intervall zwischen 0 und 8 immer noch weniger als 0.94 der Gesamt-Wahrscheinlichkeit auf sich vereinen. Erst nimmt mit 94.5% einen Wert über 0.94 an.
Das kleinstmögliche k mit = 1 - < 0.06 ist somit k = 10.
Die Mindestanzahl richtiger Fragen zum Bestehen des Tests muss somit k = 10 sein.
(also keine kumulierte Wahrscheinlichkeit wie links in der Tabelle)