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:

Wie oft muss man mit einem normalen Würfel mindestens würfeln, um mit einer Wahrscheinlichkeit von mindestens 60% 38 oder mehr 6er zu erzielen?

Lösung einblenden
nP(X≤k)
......
2300.4491
2310.4375
2320.426
2330.4146
2340.4033
2350.3922
......

Die Zufallsgröße X gibt Anzahl der gewürfelten 6er an und ist im Idealfall binomialverteilt mit p = 1 6 und variablem n.

Es muss gelten: P 1 6 n (X38) ≥ 0.6

Weil man ja aber P 1 6 n (X38) nicht in den WTR eingeben kann, müssen wir diese Wahrscheinlichkeit über die Gegenwahrscheinlichkeit berechnen:

P 1 6 n (X38) = 1 - P 1 6 n (X37) ≥ 0.6 |+ P 1 6 n (X37) - 0.6

0.4 ≥ P 1 6 n (X37) oder P 1 6 n (X37) ≤ 0.4

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 1 6 der Versuche mit einem Treffer. Also müssten dann doch bei 38 1 6 ≈ 228 Versuchen auch ungefähr 38 (≈ 1 6 ⋅228) Treffer auftreten.

Wir berechnen also mit unserem ersten n=228:
P 1 6 n (X37) ≈ 0.4724 (TI-Befehl: Binomialcdf ...)

Je nachdem, wie weit nun dieser Wert noch von den gesuchten 0.4 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 0.4 überschritten wird.

Aus der Werte-Tabelle (siehe links) erkennt man dann, dass erstmals bei n=235 die gesuchte Wahrscheinlichkeit unter 0.4 ist.

n muss also mindestens 235 sein, damit P 1 6 n (X37) ≤ 0.4 oder eben P 1 6 n (X38) ≥ 0.6 gilt.

Binomialverteilung X ∈ [l;k]

Beispiel:

Ein Scherzkeks in einer Glückskeksfabrik backt in jeden achten Glückskeks eine scharfe Peperoni ein. Wie groß ist die Wahrscheinlichkeit, mehr als 9 und höchstens 15 Glückskekse mit einer Peproni zu erwischen, wenn man 65 Glückskekse kauft?

Lösung einblenden

P0.12565 (10X15) =

...
7
8
9
10
11
12
13
14
15
16
17
...

P0.12565 (X15) - P0.12565 (X9) ≈ 0.9945 - 0.7088 ≈ 0.2857
(TI-Befehl: binomcdf(65,0.125,15) - binomcdf(65,0.125,9))

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 70%-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?

Lösung einblenden
pP(X≥10)=1-P(X≤9)
......
5 26 0.9997
5 27 0.9995
5 28 0.999
5 29 0.9983
5 30 0.9973
5 31 0.9958
5 32 0.9937
5 33 0.9909
5 34 0.9873
5 35 0.9828
5 36 0.9772
5 37 0.9704
5 38 0.9624
5 39 0.9531
5 40 0.9424
5 41 0.9305
5 42 0.9172
5 43 0.9027
5 44 0.8869
5 45 0.87
5 46 0.852
5 47 0.833
5 48 0.8132
5 49 0.7926
5 50 0.7714
5 51 0.7497
5 52 0.7275
5 53 0.7051
5 54 0.6824
......

Die Zufallsvariable X gibt die Anzahl der Bilder mit Homepage-AG-lern an. X ist binomialverteilt mit n=120 und unbekanntem Parameter p.

Es muss gelten: Pp120 (X10) = 1- Pp120 (X9) = 0.7 (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 Pp120 (X10) ('mindestens 10 Treffer bei 120 Versuchen') bei diesen Nennern wird (siehe Tabelle links)

Als Startwert wählen wir als p= 5 26 . (Durch Ausprobieren erkennt man, dass vorher die Wahrscheinlichkeit immer fast 1 ist)

In dieser Tabelle erkennen wir, dass letztmals bei der Einzelwahrscheinlichkeit p= 5 53 die gesuchte Wahrscheinlichkeit über 70% bleibt.
Der Nenner, also die Anzahl aller Bilder in der Datenbank, darf also höchstens 53 sein.

Also wären noch 48 zusätzliche Optionen (also weitere Bilder) zulässig.

Binomialvert. mit variabl. p (höchstens) nur GTR

Beispiel:

Ein Promi macht Urlaub in einem Ferienclub. Dort sind noch weitere 49 Gäste. Wie groß darf der Bekanntheitsgrad des Promis höchstens sein, dass ihn mit einer Wahrscheinlichkeit von mindestens 90% nicht mehr als 45 erkennen und dumm anlabern?

Lösung einblenden
pP(X≤k)
......
0.810.9897
0.820.9842
0.830.9763
0.840.9649
0.850.9487
0.860.9262
0.870.8955
......

Es muss gelten: Pp49 (X45) =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=binomcdf(49,X,45) - 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=0.86 die gesuchte Wahrscheinlichkeit über 0.9 ist.

Binomialverteilung X>=k

Beispiel:

Ein Zufallsexperiment wird 51 mal wiederholt. Jedesmal beträgt die Wahrscheinlichkeit für einen Treffer p=0,6.
Wie groß ist dabei die Wahrscheinlichkeit, mindestens 30 Treffer zu erzielen?

(Bitte auf 4 Stellen nach dem Komma runden)

Lösung einblenden

...
27
28
29
30
31
32
...

P0.651 (X30) = 1 - P0.651 (X29) = 0.6265
(TI-Befehl: 1-binomcdf(51,0.6,29))

Erwartungswert, Standardabweichung best.

Beispiel:

Eine Zufallsgröße ist binomialverteilt mit den Parametern n = 23 und p = 0.95
Bestimme den Erwartungswert μ und die Standardabweichung σ von X .

Lösung einblenden

Für Erwartungswert und Standardabweichung bei der Binomialverteilung gibt es ja einfache Formeln, in die man einfach n = 23 und p = 0.95 einsetzen muss:

Erwartungswert E(X) = n ⋅ p = 23 ⋅ 0.95 = 21.85

Standardabweichung S(X) = n ⋅ p ⋅ (1-p) = 23 ⋅ 0.95 ⋅ 0.05 = 1.0925 1.05