Aufgabenbeispiele von Rückwärtsaufgaben
Durch Aktualisieren des Browsers (z.B. mit Taste F5) kann man neue Beispielaufgaben sehen
Binomialvert. mit variablem n (höchst.)
Beispiel:
Beim MI6 (Arbeitsplatz von James Bond 007) soll eine Projektgruppe zur Aushebung einer multinationalen Superschurkenvereinigung eingerichtet werden. Bisherige Studien haben ergeben, dass diese kriminelle Vereinigung bereits alle wichtigen Regierungsbehörden infiltriert hat. Man geht davon aus, dass bereits jeder 50. MI6-Angestellte ein Spitzel dieser Organisiation ist. Wie groß darf diese Gruppe nun sein, so dass mit einer Wahrscheinlichkeit von mindestens 80% kein Spitzel in dieser Projektgruppe ist?
n | P(X≤k) |
---|---|
... | ... |
6 | 0.8858 |
7 | 0.8681 |
8 | 0.8508 |
9 | 0.8337 |
10 | 0.8171 |
11 | 0.8007 |
12 | 0.7847 |
... | ... |
Die Zufallsgröße X gibt Anzahl der Spitzel unter den MI6-Angestellten an und ist im Idealfall binomialverteilt mit p = 0.02 und variablem n.
Es muss gelten: ≥ 0.8
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 2% der Versuche mit einem Treffer. Also müssten dann doch bei ≈ 0 Versuchen auch ungefähr 0 (≈0.02⋅0) Treffer auftreten.
Wir berechnen also mit unserem ersten n=0:
≈ 1
(TI-Befehl: Binomialcdf ...)
Je nachdem, wie weit nun dieser Wert noch von den gesuchten 0.8 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 0.8 überschritten wird.
Aus der Werte-Tabelle (siehe links) erkennt man dann, dass letztmals bei n=11 die gesuchte Wahrscheinlichkeit über 80% ist.
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 5 Bildern der Datenbank sind Mitglieder der Homepage-AG zu sehen. Es wird geschätzt, dass die Seite täglich 120 mal aufgerufen wird. Die Mitglieder der Homepage-AG wollen dass mit mindestens 80%-iger Wahrscheinlichkiet mindestens 10 mal am Tag eines ihrer eigenen 5 Bilder erscheint. Wie viele andere Bilder dürfen dann höchstens noch in der Datenbank sein?
p | P(X≥10)=1-P(X≤9) |
---|---|
... | ... |
0.9997 | |
0.9995 | |
0.999 | |
0.9983 | |
0.9973 | |
0.9958 | |
0.9937 | |
0.9909 | |
0.9873 | |
0.9828 | |
0.9772 | |
0.9704 | |
0.9624 | |
0.9531 | |
0.9424 | |
0.9305 | |
0.9172 | |
0.9027 | |
0.8869 | |
0.87 | |
0.852 | |
0.833 | |
0.8132 | |
0.7926 | |
... | ... |
Die Zufallsgröße X gibt die Anzahl der Bilder mit Homepage-AG-lern an. X ist binomialverteilt mit n=120 und unbekanntem Parameter p.
Es muss gelten: = 1- = 0.8 (oder mehr)
Wir wissen, dass der Zähler bei unserer Einzelwahrscheinlichkeit p 5 sein muss, da es ja genau 5 günstige Fälle gibt.
Wir müssen nun bei verschiedenen Nennern untersuchen, wie hoch die gesuchte Wahrscheinlichkeit ('mindestens 10 Treffer bei 120 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
48 sein.
Also wären noch 43 zusätzliche Optionen (also weitere Bilder) zulässig.
Binomialvert. mit variablem n (höchst.)
Beispiel:
Ein Mathelehrer möchte neue Taschenrechner für seine Klasse bestellen. Die Wahrscheinlichkeit, dass einer der Taschenrechner ein Decepticon (bekannt aus dem Transformers-Filmen) ist, liegt bei p=0,04. Wie viele Rechner können bestellt werden, dass zu einer Wahrscheinlichkeit von 60% kein Descepticon unter ihnen ist?
n | P(X≤k) |
---|---|
... | ... |
7 | 0.7514 |
8 | 0.7214 |
9 | 0.6925 |
10 | 0.6648 |
11 | 0.6382 |
12 | 0.6127 |
13 | 0.5882 |
... | ... |
Die Zufallsgröße X gibt Anzahl der Descepticons unter den Taschenrechnern an und ist im Idealfall binomialverteilt mit p = 0.04 und variablem n.
Es muss gelten: ≥ 0.6
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 4% der Versuche mit einem Treffer. Also müssten dann doch bei ≈ 0 Versuchen auch ungefähr 0 (≈0.04⋅0) Treffer auftreten.
Wir berechnen also mit unserem ersten n=0:
≈ 1
(TI-Befehl: Binomialcdf ...)
Je nachdem, wie weit nun dieser Wert noch von den gesuchten 0.6 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 0.6 überschritten wird.
Aus der Werte-Tabelle (siehe links) erkennt man dann, dass letztmals bei n=12 die gesuchte Wahrscheinlichkeit über 60% ist.
Binomialvert. mit variablem n (mind)
Beispiel:
In einer Urne ist der Anteil der grünen Kugeln 85%. Wie oft muss mindestens gezogen werden ( - natürlich mit Zurücklegen - ), so dass mit mind. 70% Wahrscheinlichkeit 20 oder mehr grüne Kugeln gezogen werden?
n | P(X≤k) |
---|---|
... | ... |
23 | 0.4604 |
24 | 0.2866 |
... | ... |
Die Zufallsgröße X gibt Anzahl der gezogenen grünen Kugeln an und ist im Idealfall binomialverteilt mit p = 0.85 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 85% der Versuche mit einem Treffer. Also müssten dann doch bei ≈ 24 Versuchen auch ungefähr 20 (≈0.85⋅24) Treffer auftreten.
Wir berechnen also mit unserem ersten n=24:
≈ 0.2866
(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=24 die gesuchte Wahrscheinlichkeit unter 0.3 ist.
n muss also mindestens 24 sein, damit ≤ 0.3 oder eben ≥ 0.7 gilt.
Binomialvert. mit variablem k (höchst.)
Beispiel:
Bei einem Zufallsexperiment beträgt die Wahrscheinlichkeit für einen Treffer p=0,45. Das Zufallsexperiment soll 78 mal wiederholt werden. Dabei soll die Wahrscheinlichkeit, dass von den 78 Versuchen höchstens k Treffer sind, weniger als 70% betragen. Bestimme den größtmöglichen Wert für k.
k | P(X≤k) |
---|---|
... | ... |
31 | 0.2067 |
32 | 0.278 |
33 | 0.3592 |
34 | 0.4472 |
35 | 0.5377 |
36 | 0.6262 |
37 | 0.7083 |
38 | 0.7808 |
39 | 0.8417 |
40 | 0.8902 |
... | ... |
Die Zufallsgröße X gibt Anzahl der Treffer an und ist im Idealfall binomialverteilt mit p = 0.45 und n = 78.
Es muss gelten: < 0.7
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 36 immer noch weniger als 0.7 der Gesamt-Wahrscheinlichkeit auf sich vereinen. Erst nimmt mit 70.83% einen Wert über 0.7 an.
Das größtmögliche k mit < 0.7 ist somit k = 36.
größtmöglicher Wert für k muss somit k = 36 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 4% liegen. Wie viele Fragen müssen dann zum Bestehen des Tests mindestens richtig beantwortet werden?
k | P(X≤k) |
---|---|
... | ... |
2 | 0.2061 |
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 |
... | ... |
Die Zufallsgröße X gibt die Anzahl der richtig geratenen Fragen an und ist im Idealfall binomialverteilt mit p = und n = 20.
Es muss gelten: < 0.04 (oranger Bereich)
oder andersrum ausgedrückt: ≥ 0.96 (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 6 immer noch weniger als 0.96 der Gesamt-Wahrscheinlichkeit auf sich vereinen. Erst nimmt mit 96.79% einen Wert über 0.96 an.
Das kleinstmögliche k mit = 1 - < 0.04 ist somit k = 8.
Die Mindestanzahl richtiger Fragen zum Bestehen des Tests muss somit k = 8 sein.
(also keine kumulierte Wahrscheinlichkeit wie links in der Tabelle)
Binomialvert. mit variablem k (mind.)
Beispiel:
Bei einer Wurfbude ist die Wahrscheinlichkeit einen Ball in einen Eimer zu treffen bei ca. 13%. Für einen bestimmten Betrag darf man 18 mal werfen. Wenn man dabei eine bestimmte Mindestanzahl von Treffern k erzielt, bekommt man einen Hauptpreis. Wie hoch muss man k mindestens setzen, damit der Hauptpreis nur mit einer Wahrscheinlichkeit von höchstens 12% ausgegeben werden muss?
k | P(X≤k) |
---|---|
0 | 0.0815 |
1 | 0.3008 |
2 | 0.5794 |
3 | 0.8014 |
4 | 0.9257 |
5 | 0.9778 |
6 | 0.9946 |
7 | 0.9989 |
8 | 0.9998 |
... | ... |
Die Zufallsgröße X gibt die Anzahl der getroffenenen Bälle an und ist im Idealfall binomialverteilt mit p = 0.13 und n = 18.
Es muss gelten: < 0.12 (oranger Bereich)
oder andersrum ausgedrückt: ≥ 0.88 (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 3 immer noch weniger als 0.88 der Gesamt-Wahrscheinlichkeit auf sich vereinen. Erst nimmt mit 92.57% einen Wert über 0.88 an.
Das kleinstmögliche k mit = 1 - < 0.12 ist somit k = 5.
Die Mindestanzahl der getroffenenen Bälle muss somit k = 5 sein.
(also keine kumulierte Wahrscheinlichkeit wie links in der Tabelle)