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:
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 16% liegt. Wie vielen Personen muss nun dieses Produkt mindestens vorgeführt werden, damit sich mit mind. 80% Wahrscheinlichkeit, 23 oder mehr Käufer für dieses Produkt finden?
| n | P(X≤k) |
|---|---|
| ... | ... |
| 161 | 0.2457 |
| 162 | 0.2353 |
| 163 | 0.2252 |
| 164 | 0.2154 |
| 165 | 0.2059 |
| 166 | 0.1967 |
| ... | ... |
Die Zufallsgröße X gibt Anzahl der Käufer an und ist im Idealfall binomialverteilt mit p = 0.16 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 16% der Versuche mit einem Treffer. Also müssten dann doch bei ≈ 144 Versuchen auch ungefähr 23 (≈0.16⋅144) Treffer auftreten.
Wir berechnen also mit unserem ersten n=144:
≈ 0.4613
(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=166 die gesuchte Wahrscheinlichkeit unter 0.2 ist.
n muss also mindestens 166 sein, damit ≤ 0.2 oder eben ≥ 0.8 gilt.
kumulierte Binomialverteilung
Beispiel:
Ein Zufallsexperiment wird 39 mal wiederholt. Jedesmal beträgt die Wahrscheinlichkeit für einen Treffer p= 0,45.
Wie groß ist dabei die Wahrscheinlichkeit, höchstens 20 Treffer zu erzielen?
(Bitte auf 4 Stellen nach dem Komma runden)
Die Zufallsvariable X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=39 und p=0.45.
= + + +... + = 0.8289045633565 ≈ 0.8289(TI-Befehl: binomcdf(39,0.45,20))
Binomialvert. mit variablem p (diskret)
Beispiel:
In einer Urne sind 2 rote und einige schwarze Kugeln. Es soll 14 mal mit Zurücklegen gezogen werden. Wie viele schwarze Kugeln müssen in der Urne mindestens sein, damit mit einer Wahrscheinlichkeit von mindestens 75% unter den 14 gezogenen Kugeln nicht mehr als 6 rote sind?
| p | P(X≤6) |
|---|---|
| ... | ... |
| 0.3953 | |
| 0.6925 | |
| 0.8505 | |
| ... | ... |
Die Zufallsvariable X gibt die Anzahl der gezogenen Kugeln mit der Farbe rot an. X ist binomialverteilt mit n=14 und unbekanntem Parameter p.
Es muss gelten: =0.75 (oder mehr)
Wir wissen, dass der Zähler bei unserer Einzelwahrscheinlichkeit p 2 sein muss, da es ja genau 2 günstige Fälle gibt.
Wir müssen nun bei verschiedenen Nennern untersuchen, wie hoch die gesuchte Wahrscheinlichkeit ('höchstens 6 Treffer bei 14 Versuchen') bei diesen Nennern wird (siehe Tabelle links)
Um einen günstigen Startwert zu finden wählen wir mal als p=. Mit diesem p wäre ja 6=⋅14 der Erwartungswert und somit irgendwo in der nähe von 50%. Wenn wir nun p= mit erweitern (so dass wir auf den Zähler 2 kommen) und den Nenner abrunden, müssten wir mit p= einen brauchbaren Einstiegswert für dieses Probieren erhalten.
In dieser Tabelle erkennen wir, dass erstmals bei der Einzelwahrscheinlichkeit p= die gesuchte
Wahrscheinlichkeit über 75% steigt.
Der Nenner, also die Anzahl aller Kugeln, muss also mindestens
6 sein.
Also werden noch 4 zusätzliche Optionen (also schwarze Kugeln) benötigt.
Binomialvert. mit variabl. p (höchstens) nur GTR
Beispiel:
Eine Fluggesellschaft hat 43 Plätze in ihrem Flugzeug. Trotzdem werden 90 Flugtickets verkauft. Wie hoch darf die Wahrscheinlichkeit, dass ein Ticketkäufer auch tatsächlich mitfliegt, höchstens sein, dass das Flugzeug mit einer Wahrscheinlichkeit von mindestens 90% nicht überbucht ist (also dass alle mitfliegen können)?
| p | P(X≤k) |
|---|---|
| ... | ... |
| 0.36 | 0.9918 |
| 0.37 | 0.9861 |
| 0.38 | 0.9772 |
| 0.39 | 0.9642 |
| 0.4 | 0.9457 |
| 0.41 | 0.9207 |
| 0.42 | 0.8879 |
| ... | ... |
Es muss gelten: =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(90,X,43) - 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=0.41 die gesuchte Wahrscheinlichkeit über 0.9 ist.
Binomialverteilung X>=k
Beispiel:
In einer Chip-Fabrik werden neue High Tech Chips produziert. Leider ist die Technik noch nicht so ganz ausgereift, weswegen Ausschuss mit einer Wahrscheinlichkeit von p=0,24 entsteht. Es wird eine Stichprobe der Menge 64 entnommen. Wie groß ist die Wahrscheinlichkeit, dass davon 19 oder sogar noch mehr Chips defekt sind?
(Bitte auf 4 Stellen nach dem Komma runden)
(TI-Befehl: 1-binomcdf(64,0.24,18))
Erwartungswert, Standardabweichung best.
Beispiel:
Eine Zufallsgröße ist binomialverteilt mit den Parametern n = 100 und p = 0.05
Bestimme den Erwartungswert μ und die Standardabweichung σ von X .
Für Erwartungswert und Standardabweichung bei der Binomialverteilung gibt es ja einfache Formeln, in die man einfach n = 100 und p = 0.05 einsetzen muss:
Erwartungswert E(X) = n ⋅ p = 100 ⋅ 0.05 = 5
Standardabweichung S(X) = = = ≈ 2.18
