Aufgabenbeispiele von Wiederholung aus 9/10

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


Binomialvert. mit variablem n (mind)

Beispiel:

Bei einem Zufallsexperiment beträgt die Wahrscheinlichkeit für einen Treffer p=0,8.
Wie oft muss man das Zufallsexperiment mindestens wiederholen (oder wie groß muss die Stichprobe sein), um mit mind. 80% Wahrscheinlichkeit, mindestens 23 Treffer zu erzielen ?

Lösung einblenden
nP(X≤k)
......
290.3571
300.2392
310.1508
......

Die Zufallsgröße X gibt die Anzahl der Treffer an und ist im Idealfall binomialverteilt mit p = 0.8 und variablem n.

Es muss gelten: P0.8n (X23) ≥ 0.8

Weil man ja aber P0.8n (X23) nicht in den WTR eingeben kann, müssen wir diese Wahrscheinlichkeit über die Gegenwahrscheinlichkeit berechnen:

P0.8n (X23) = 1 - P0.8n (X22) ≥ 0.8 |+ P0.8n (X22) - 0.8

0.2 ≥ P0.8n (X22) oder P0.8n (X22) ≤ 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 80% der Versuche mit einem Treffer. Also müssten dann doch bei 23 0.8 ≈ 29 Versuchen auch ungefähr 23 (≈0.8⋅29) Treffer auftreten.

Wir berechnen also mit unserem ersten n=29:
P0.8n (X22) ≈ 0.3571 (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=31 die gesuchte Wahrscheinlichkeit unter 0.2 ist.

n muss also mindestens 31 sein, damit P0.8n (X22) ≤ 0.2 oder eben P0.8n (X23) ≥ 0.8 gilt.

Binomialverteilung X>=k

Beispiel:

Ein partystarker Schüler muss einen Mulitple Choice Test ablegen von dem er keinen blassen Schimmer hat. Deswegen rät er einfach bei jeder der 70 Aufgaben munter drauf los, welche der vier Antworten wohl richtig sein könnte. Wie groß ist die Wahrscheinlichkeit, dass er so 20 oder gar noch mehr Fragen richtig beantwortet hat?
(Bitte auf 4 Stellen nach dem Komma runden)

Lösung einblenden

...
17
18
19
20
21
22
...

P0.2570 (X20) = 1 - P0.2570 (X19) = 0.2851
(TI-Befehl: 1-binomcdf(70,0.25,19))

Binomialvert. mit variablem p (diskret)

Beispiel:

In einer Urne sind 3 rote und einige schwarze Kugeln. Es soll 25 mal mit Zurücklegen gezogen werden. Wie viele schwarze Kugeln dürfen in der Urne höchstens sein, damit mit einer Wahrscheinlichkeit von mindestens 80% unter den 25 gezogenen Kugeln nicht mehr als 21 schwarze sind?

Lösung einblenden
pP(X≤21)
......
4 7 0.999
5 8 0.9951
6 9 0.9851
7 10 0.9668
8 11 0.9394
9 12 0.9038
10 13 0.8617
11 14 0.8151
12 15 0.766
......

Die Zufallsvariable X gibt die Anzahl der gezogenen Kugeln mit der Farbe schwarz an. X ist binomialverteilt mit n=25 und unbekanntem Parameter p.

Es muss gelten: Pp25 (X21) = 0.8 (oder mehr)

Wir wissen, dass der Nenner bei unserer Einzelwahrscheinlichkeit p immer um 3 größer sein muss als der Zähler.

Deswegen erhöhen wir nun schrittweise immer den Zähler und Nenner bei der Einzelwahrscheinlichkeit um 1 und probieren aus, wie sich das auf die gesuchte Wahrscheinlichkeit Pp25 (X21) ('höchstens 21 Treffer bei 25 Versuchen') auswirkt (siehe Tabelle links)

Als Startwert wählen wir als p= 4 7 . (Durch Ausprobieren erkennt man, dass vorher die Wahrscheinlichkeit immer fast 1 ist)

In dieser Tabelle erkennen wir, dass letztmals bei der Einzelwahrscheinlichkeit p= 11 14 die gesuchte Wahrscheinlichkeit über 80% bleibt.
Die Anzahl der schwarzen Kugeln, die hinzugefügt wird, darf also höchstens 11 sein.

Binomialvert. mit variabl. p (höchstens) nur GTR

Beispiel:

Bei einem Zufallsexperiment ist die Wahrscheinlichkeit für einen Treffer unbekannt. Das Zufallsexperinment wird 99 mal wiederholt (bzw. die Stichprobe hat die Größe 99).
Wie hoch darf die Einzelwahrscheinlichkeit p höchstens sein, dass mit einer Wahrscheinlichkeit von mind. 50% höchstens 56 Treffer erzielt werden?

Lösung einblenden
pP(X≤k)
......
0.520.8867
0.530.8437
0.540.7912
0.550.7294
0.560.6595
0.570.5834
0.580.5038
......

Es muss gelten: Pp99 (X56) =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(99,X,56) - 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=0.57 die gesuchte Wahrscheinlichkeit über 0.5 ist.

Binomialverteilung X ∈ [l;k]

Beispiel:

Ein Würfel wird 95 mal geworfen. Wie groß ist die Wahrscheinlichkeit, dass mehr als 19 mal, aber weniger als 26 mal eine sechs gewürfelt wird?

Lösung einblenden

P 1 6 95 (20X25) =

...
17
18
19
20
21
22
23
24
25
26
27
...

P 1 6 95 (X25) - P 1 6 95 (X19) ≈ 0.9941 - 0.8438 ≈ 0.1503
(TI-Befehl: binomcdf(95, 1 6 ,25) - binomcdf(95, 1 6 ,19))

Wahrscheinlichkeit von σ-Intervall um μ

Beispiel:

Ein Basketballspieler hat eine Trefferquote von p=50%. Wie groß ist die Wahrscheinlichkeit dass bei 46 Versuchen die Anzahl seiner Treffer um nicht mehr als eine Standardabweichung von seinem Erwartungswert abweicht?

Lösung einblenden

Den Erwartungswert berechnet man mit μ = n⋅p = 46⋅0.5 ≈ 23,
die Standardabweichung mit σ = n p (1-p) = 46 0.5 0.5 ≈ 3.39

26.39 (23 + 3.39) und 19.61 (23 - 3.39) sind also jeweils eine Standardabweichung vom Erwartungswert μ = 23 entfernt.

Das bedeutet, dass genau die Zahlen zwischen 20 und 26 nicht mehr als eine Standardabweichung vom Erwartungswert entfernt sind.

Gesucht ist also die Wahrscheinlichkeit, dass die Trefferanzahl zwischen 20 und 26 liegt.

P0.546 (20X26) =

...
17
18
19
20
21
22
23
24
25
26
27
28
...

P0.546 (X26) - P0.546 (X19) ≈ 0.849 - 0.151 ≈ 0.698
(TI-Befehl: binomcdf(46,0.5,26) - binomcdf(46,0.5,19))