Aufgabenbeispiele von Wiederholung aus 9/10
Durch Aktualisieren des Browsers (z.B. mit Taste F5) kann man neue Beispielaufgaben sehen
Binomialvert. mit variablem n (höchst.)
Beispiel:
In einer Urne ist der Anteil der grünen Kugeln 50%. Wie oft darf höchstens gezogen werden ( - natürlich mit Zurücklegen - ), so dass mit mind. 70% Wahrscheinlichkeit nicht mehr als 32 grüne Kugeln gezogen werden?
| n | P(X≤k) |
|---|---|
| ... | ... |
| 60 | 0.7405 |
| 61 | 0.6955 |
| 62 | 0.6482 |
| 63 | 0.5993 |
| 64 | 0.5497 |
| ... | ... |
Die Zufallsgröße X gibt Anzahl der gezogenen grünen Kugeln an und ist im Idealfall binomialverteilt mit p = 0.5 und variablem n.
Es muss gelten: ≥ 0.7
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 50% der Versuche mit einem Treffer. Also müssten dann doch bei ≈ 64 Versuchen auch ungefähr 32 (≈0.5⋅64) Treffer auftreten.
Wir berechnen also mit unserem ersten n=64:
≈ 0.5497
(TI-Befehl: Binomialcdf ...)
Je nachdem, wie weit nun dieser Wert noch von den gesuchten 0.7 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 0.7 überschritten wird.
Aus der Werte-Tabelle (siehe links) erkennt man dann, dass letztmals bei n=60 die gesuchte Wahrscheinlichkeit über 70% ist.
Binomialverteilung X ∈ [l;k]
Beispiel:
Ein Basketballspieler hat eine Trefferquote von 88% von der Freiwurflinie. Wie groß ist die Wahrscheinlichkeit dass er von 46 Versuchen mindestens 36 und weniger als 41 trifft?
=
(TI-Befehl: binomcdf(46,0.88,40) - binomcdf(46,0.88,35))
Binomialvert. mit variablem p (diskret)
Beispiel:
In einer Urne sind 4 rote und einige schwarze Kugeln. Es soll 27 mal mit Zurücklegen gezogen werden. Wie viele schwarze Kugeln dürfen in der Urne höchstens sein, damit mit einer Wahrscheinlichkeit von mindestens 70% unter den 27 gezogenen Kugeln nicht mehr als 24 schwarze sind?
| p | P(X≤24) |
|---|---|
| ... | ... |
| 0.9998 | |
| 0.9993 | |
| 0.9982 | |
| 0.996 | |
| 0.9923 | |
| 0.9868 | |
| 0.9793 | |
| 0.9696 | |
| 0.9578 | |
| 0.9439 | |
| 0.9282 | |
| 0.9109 | |
| 0.8921 | |
| 0.8721 | |
| 0.8512 | |
| 0.8296 | |
| 0.8075 | |
| 0.7851 | |
| 0.7625 | |
| 0.7399 | |
| 0.7174 | |
| 0.6952 | |
| ... | ... |
Die Zufallsvariable X gibt die Anzahl der gezogenen Kugeln mit der Farbe schwarz an. X ist binomialverteilt mit n=27 und unbekanntem Parameter p.
Es muss gelten: = 0.7 (oder mehr)
Wir wissen, dass der Nenner bei unserer Einzelwahrscheinlichkeit p immer um 4 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 ('höchstens 24 Treffer bei 27 Versuchen') auswirkt (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 70% bleibt.
Die Anzahl der schwarzen Kugeln, die hinzugefügt wird, darf also höchstens 26 sein.
Binomialvert. mit variabl. p (höchstens) nur GTR
Beispiel:
Bei einem Zufallsexperiment ist die Wahrscheinlichkeit für einen Treffer unbekannt. Das Zufallsexperinment wird 62 mal wiederholt (bzw. die Stichprobe hat die Größe 62).
Wie hoch darf die Einzelwahrscheinlichkeit p höchstens sein, dass mit einer Wahrscheinlichkeit von mind. 70% höchstens 22 Treffer erzielt werden?
| p | P(X≤k) |
|---|---|
| ... | ... |
| 0.28 | 0.9244 |
| 0.29 | 0.8954 |
| 0.3 | 0.8596 |
| 0.31 | 0.817 |
| 0.32 | 0.7678 |
| 0.33 | 0.7127 |
| 0.34 | 0.6527 |
| ... | ... |
Es muss gelten: =0.7 (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(62,X,22) - 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=0.33 die gesuchte Wahrscheinlichkeit über 0.7 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=0,18 entsteht. Es wird eine Stichprobe der Menge 24 entnommen. Wie groß ist die Wahrscheinlichkeit, dass davon 2 oder sogar noch mehr Chips defekt sind?
(Bitte auf 4 Stellen nach dem Komma runden)
(TI-Befehl: 1-binomcdf(24,0.18,1))
Binomialvert. Abstand vom Erwartungswert
Beispiel:
Ein Würfel wird 87 mal geworfen. Wie groß ist die Wahrscheinlichkeit, dass die Anzahl der gewürfelten 6er nicht mehr als 20% vom Erwartungswert abweicht?
Den Erwartungswert berechnet man als E=n⋅p=87⋅ = 14.5
Die 20% Abweichung wären dann zwischen 80% von 14.5, also 0.8⋅ 14.5 = 11.6 und 120% von 14.5, also 1.2⋅ 14.5 = 17.4
Da die Trefferzahl ja nicht weiter von 14.5 entfernt sein darf als 11.6 bzw. 17.4, muss sie also zwischen 12 und 17 liegen.
=
(TI-Befehl: binomcdf(87,,17) - binomcdf(87,,11))
