Aufgabenbeispiele von Anwendungen

Durch Aktualisieren des Browsers (z.B. mit Taste F5) kann man neue Beispielaufgaben sehen


Binomialvert. mit variabl. p (höchstens) nur GTR

Beispiel:

Bei einem Zufallsexperiment ist die Wahrscheinlichkeit für einen Treffer unbekannt. Das Zufallsexperinment wird 69 mal wiederholt (bzw. die Stichprobe hat die Größe 69).
Wie hoch darf die Einzelwahrscheinlichkeit p höchstens sein, dass mit einer Wahrscheinlichkeit von mind. 50% höchstens 53 Treffer erzielt werden?

Lösung einblenden
pP(X≤k)
......
0.720.8475
0.730.8003
0.740.7444
0.750.6801
0.760.6087
0.770.5319
0.780.4523
......

Es muss gelten: Pp69 (X53) =0.5 (oder mehr)

Diese Gleichung gibt man also in den GTR als Funktion ein, wobei das variable p eben als X gesetzt werden muss.
(TI-Befehl: y1=binomcdf(69,X,53) - dabei darauf achten, dass X nur zwischen 0 und 1 sein darf - bei TblSet sollte deswegen Δtable auf 0.01 gesetzt werden)

Aus der Werte-Tabelle (siehe links) erkennt man dann, dass letztmals bei p=0.77 die gesuchte Wahrscheinlichkeit über 0.5 ist.

Binomialvert. mit variabl. p (mind.) nur GTR

Beispiel:

Bei einem Zufallsexperiment ist die Wahrscheinlichkeit für einen Treffer unbekannt. Das Zufallsexperinment wird 87 mal wiederholt (bzw. die Stichprobe hat die Größe 87)
Wie hoch muss die Einzelwahrscheinlichkeit p mindestens sein, dass mit einer Wahrscheinlich von mind. 90% mindestens 51 Treffer erzielt werden?

Lösung einblenden
pP(X≥51)=1-P(X≤50)
......
0.60.6473
0.610.7157
0.620.7774
0.630.831
0.640.8758
0.650.9118
......

Es muss gelten: Pp87 (X51) =0.9 (oder mehr)

oder eben: 1- Pp87 (X50) =0.9 (oder mehr)

Diese Gleichung gibt man also in den GTR als Funktion ein, wobei das variable p eben als X gesetzt werden muss.
(TI-Befehl: y1=1-binomcdf(87,X,50) - dabei darauf achten, dass X nur zwischen 0 und 1 sein darf - bei TblSet sollte deswegen Δtable auf 0.01 gesetzt werden )

Aus der Werte-Tabelle (siehe links) erkennt man dann, dass erstmals bei p=0.65 die gesuchte Wahrscheinlichkeit über 0.9 ist.

zwei unabhängige Binom.

Beispiel:

Ein Mitarbeiter der Stadtwerke bekommt den Auftrag am Freitag bei 60 und am Samstag bei 35 Haushalten den Gas- und den Stromzähler abzulesen. Als ihn seine Frau fragt, was er denn glaubt, wie viele der Kunden überhaupt zuhause wären und die Tür öffnen würden, sagr er: Ich denke, dass ich am Freitag so zwischen 30 und 35 am Samstag so zwischen 22 und 28 erreichen werde. Tatsächlich ist die Wahrscheinlichkeit, dass ihm die Tür geöffnet wird, am Samstag mit 71% höher als am Freitag mit 49%. Wie groß ist die Wahrscheinlichkeit, dass seine Prognose zutrifft?
(Bitte auf 4 Stellen nach dem Komma runden)

Lösung einblenden

Freitag:

Die Zufallsvariable X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=60 und p=0.49.

Gesucht ist die Wahrscheinlichkeit zwischen 30 und 35 Treffer bei 60 Versuchen mit einer Einzelwahrscheinlichkeiten von 0.49 zu erzielen, also P0.4960 (30X35) .
Diese Wahrscheinlichkeit lässt sich als P0.4960 (X35) - P0.4960 (X29) ≈ 0.9426 - 0.5106 ≈ 0.432 berechnen.
TI-Befehl: binompdf(60,0.49,35)- binompdf(60,0.49,29)

Samstag:

Die Zufallsvariable X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=35 und p=0.71.

Gesucht ist die Wahrscheinlichkeit zwischen 22 und 28 Treffer bei 35 Versuchen mit einer Einzelwahrscheinlichkeiten von 0.71 zu erzielen, also P0.7135 (22X28) .
Diese Wahrscheinlichkeit lässt sich als P0.7135 (X28) - P0.7135 (X21) ≈ 0.9176 - 0.1081 ≈ 0.8095 berechnen.
TI-Befehl: binompdf(35,0.71,28)- binompdf(35,0.71,21)

Da die beiden Ereignisse unabhängig voneinander sind, darf man die Wahrscheinlichkeiten multilplizieren, um die Wahrscheinlichkeit, dass beides eintritt, zu erhalten:

P ≈ 0.432 ⋅ 0.8095 ≈ 0.3497

feste Reihenfolge im Binomialkontext

Beispiel:

Ein Basketballspieler mit einer Trefferquote von 80% wirft 9 mal auf den Korb.
Bestimme die Wahrscheinlichkeit, dass er bei diesen 9 Versuchen irgendwann einmal eine Serie mit 3 aufeinanderfolgenden Treffern hinlegt und bei allen anderen Versuchen nicht trifft.

Lösung einblenden

Wenn die Reihenfolge keine Rolle spielen würde, könnten wir ja einfach die Wahrscheinlichkeit von 3 Treffer bei 9 Versuchen mit der Formel von Bernoulli berechnen: ( 9 3 ) 0.8 3 0.2 6

Dabei gibt ja 0.8 3 0.2 6 die Wahrscheinlichkeit eines bestimmten Pfads mit 3 Treffer und 6 Nicht-Treffern und ( 9 3 ) die Anzahl solcher Pfade an.

Hier spielt nun aber die Reihenfolge eine Rolle, also haben wir nicht alle möglichen ( 9 3 ) Anordnungen der Treffer sondern nur die ausgewählten (bei denen die Treffer benachbart sind), das sind im Einzelnen:

XXXOOOOOO

OXXXOOOOO

OOXXXOOOO

OOOXXXOOO

OOOOXXXOO

OOOOOXXXO

OOOOOOXXX

Es gibt also genau 7 verschiedene mögliche Reihenfolgen für diese benachbarten Treffer, somit gilt für die Gesamtwahrscheinlichkeit:
P = 7 ⋅ 0.8 3 0.2 6 ≈ 0.0002

Kombination Binom.-Baumdiagramm

Beispiel:

Ein 10-Klässler bekommt im Schulsport eine 1 als Teilnote, wenn er beim Basketball von 20 Korblegerversuchen mindestens 15 trifft. Weil der Sportlehrer ein nettes Weichei ist, darf der Schüler den Test noch ein zweites mal probieren, wenn er unzufrieden ist. Wie groß ist Wahrscheinlichkeit, dass der Schüler mit seiner Trefferquote von 92% eine 1 bekommt?
(Bitte auf 4 Stellen nach dem Komma runden)

Lösung einblenden

Zuerst berechnen wir mit Hilfe der Binomialverteilungsfunktionen die Einzelwahrscheinlichkeiten für 'genügend Treffer'.

Die Zufallsvariable X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=20 und p=0.92.

Gesucht ist die Wahrscheinlichkeit für mindestens 15 Treffer bei 20 Versuchen mit einer Einzelwahrscheinlichkeiten von 0.92,
also P0.9220 (X15) .

Dies berechnet man über die Gegenwahrscheinlichkeit: P0.9220 (X15) = 1 - P0.9220 (X14)

≈ 1 - 0.0038 ≈ 0.9962 (TI-Befehl: 1-binompdf(20,0.92,14))

Damit kennen wir nun die Einzelwahrscheinlichkeiten von 'genügend Treffer' (p=0.9962) und 'zu wenig'(p=0.0038).

Jetzt können wir mit einem Baumdiagramm die Gesuchte Endwahrscheinlichkeit berechnen.

Gesucht ist ja 1 mal 'genügend Treffer' oder 2 mal 'genügend Treffer'

EreignisP
genügend Treffer -> genügend Treffer0.99241444
genügend Treffer -> zu wenig0.00378556
zu wenig -> genügend Treffer0.00378556
zu wenig -> zu wenig1.444E-5

Einzel-Wahrscheinlichkeiten: genügend Treffer: 0.9962; zu wenig: 0.0038;

Du hast entweder einen veralteten Browser oder Javascript ausgeschaltet. Deswegen kannst du leider das SchaubBild nicht sehen :( Die relevanten Pfade sind:


'genügend Treffer'-'zu wenig' (P=0.00378556)
'zu wenig'-'genügend Treffer' (P=0.00378556)
'genügend Treffer'-'genügend Treffer' (P=0.99241444)


Die Lösung ist also die Summe dieser Wahrscheinlichkeiten:

0.00378556 + 0.00378556 + 0.99241444 = 0.99998556


Binomial-Aufgabe mit 2 Ereignissen

Beispiel:

Ein Basketballspieler hat eine Trefferquote von 60% und wirft 29 mal auf dem Korb. Wie groß ist die Wahrscheinlichkeit, dass er von den ersten 17 Versuchen genau 12 mal und von den restlichen Versuchen höchstens 7 mal trifft.

Lösung einblenden

Wir können die beiden Ereignisse als zwei getrennte von einander unabhängige Zufallsversuche betrachten, dabei betrachten wir zuerst die ersten 17 Durchgänge:

Die Zufallsvariable X gibt die Anzahl der Treffer des BB-Spielers an. X ist binomialverteilt mit n=17 und p=0.6.

Die gesuchte Wahrscheinlichkeit des ersten Teilereignisses berechnet man jetzt einfach als P0.617 (X=12) ≈ 0.1379.

Analog betrachten wir nun die restlichen 12 Durchgänge:

Die Zufallsvariable Y gibt die Anzahl der Treffer des BB-Spielers an. Y ist binomialverteilt mit n=12 und p=0.6.

Die gesuchte Wahrscheinlichkeit des zweiten Teilereignisses berechnet man nun als P0.612 (Y7) ≈ 0.5618.

Da die beiden Teilereignisse unabhängig voneinander sind und ja beide eintreten sollen, müssen wir nun die beiden Teilwahrscheinlichkeiten miteinander multiplizieren um die gesuchte Gesamtwahrscheinlcihkeit zu erhalten:

P = P0.617 (X=12) P0.612 (Y7) = 0.1379 ⋅ 0.5618 ≈ 0.0775