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:

In einer Urne ist der Anteil der grünen Kugeln 60%. Wie oft muss mindestens gezogen werden ( - natürlich mit Zurücklegen - ), so dass mit mind. 90% Wahrscheinlichkeit 35 oder mehr grüne Kugeln gezogen werden?

Lösung einblenden
nP(X≤k)
......
620.2407
630.1974
640.1598
650.1277
660.1008
670.0785
......

Die Zufallsgröße X gibt Anzahl der gezogenen grünen Kugeln an und ist im Idealfall binomialverteilt mit p = 0.6 und variablem n.

Es muss gelten: P0.6n (X35) ≥ 0.9

Weil man ja aber P0.6n (X35) nicht in den WTR eingeben kann, müssen wir diese Wahrscheinlichkeit über die Gegenwahrscheinlichkeit berechnen:

P0.6n (X35) = 1 - P0.6n (X34) ≥ 0.9 |+ P0.6n (X34) - 0.9

0.1 ≥ P0.6n (X34) oder P0.6n (X34) ≤ 0.1

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 60% der Versuche mit einem Treffer. Also müssten dann doch bei 35 0.6 ≈ 58 Versuchen auch ungefähr 35 (≈0.6⋅58) Treffer auftreten.

Wir berechnen also mit unserem ersten n=58:
P0.6n (X34) ≈ 0.4644 (TI-Befehl: Binomialcdf ...)

Je nachdem, wie weit nun dieser Wert noch von den gesuchten 0.1 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 0.1 überschritten wird.

Aus der Werte-Tabelle (siehe links) erkennt man dann, dass erstmals bei n=67 die gesuchte Wahrscheinlichkeit unter 0.1 ist.

n muss also mindestens 67 sein, damit P0.6n (X34) ≤ 0.1 oder eben P0.6n (X35) ≥ 0.9 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 90 Aufgaben munter drauf los, welche der vier Antworten wohl richtig sein könnte. Wie groß ist die Wahrscheinlichkeit, dass er so 32 oder gar noch mehr Fragen richtig beantwortet hat?
(Bitte auf 4 Stellen nach dem Komma runden)

Lösung einblenden

...
29
30
31
32
33
34
...

P0.2590 (X32) = 1 - P0.2590 (X31) = 0.0167
(TI-Befehl: 1-binomcdf(90,0.25,31))

Binomialvert. mit variablem p (diskret)

Beispiel:

In einer Urne sind 3 rote und einige schwarze Kugeln. Es soll 29 mal mit Zurücklegen gezogen werden. Wie viele schwarze Kugeln dürfen in der Urne höchstens sein, damit mit einer Wahrscheinlichkeit von mindestens 80% unter den 29 gezogenen Kugeln nicht mehr als 24 schwarze sind?

Lösung einblenden
pP(X≤24)
......
4 7 0.9992
5 8 0.9951
6 9 0.9839
7 10 0.9621
8 11 0.9287
9 12 0.8847
10 13 0.8326
11 14 0.7755
......

Die Zufallsvariable X gibt die Anzahl der gezogenen Kugeln mit der Farbe schwarz an. X ist binomialverteilt mit n=29 und unbekanntem Parameter p.

Es muss gelten: Pp29 (X24) = 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 Pp29 (X24) ('höchstens 24 Treffer bei 29 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= 10 13 die gesuchte Wahrscheinlichkeit über 80% bleibt.
Die Anzahl der schwarzen Kugeln, die hinzugefügt wird, darf also höchstens 10 sein.

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

Beispiel:

Ein Glücksrad soll mit nur zwei verschiedenen Sektoren (blau und rot) gebaut werden. Wie hoch muss man die Einzelwahrscheinlichkeit p mindestens wählen, dass die Wahrscheinlichkeit bei 87 Wiederholungen 23 mal (oder mehr) rot zu treffen bei mind. 60% liegt?

Lösung einblenden
pP(X≥23)=1-P(X≤22)
......
0.230.2585
0.240.3356
0.250.4186
0.260.5038
0.270.5875
0.280.6662
......

Es muss gelten: Pp87 (X23) =0.6 (oder mehr)

oder eben: 1- Pp87 (X22) =0.6 (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,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 erstmals bei p=0.28 die gesuchte Wahrscheinlichkeit über 0.6 ist.

Binomialverteilung X ∈ [l;k]

Beispiel:

Bei einem Glücksrad ist die Wahrscheinlichkeit im grünen Bereich zu landen bei p=0,6. Wie groß ist die Wahrscheinlichkeit bei 50 Versuchen, mehr als 28 mal und höchstens 30 mal im grünen Bereich zu landen?

Lösung einblenden

P0.650 (29X30) =

...
26
27
28
29
30
31
32
...

P0.650 (X30) - P0.650 (X28) ≈ 0.5535 - 0.3299 ≈ 0.2236
(TI-Befehl: binomcdf(50,0.6,30) - binomcdf(50,0.6,28))

Wahrscheinlichkeit von σ-Intervall um μ

Beispiel:

Ein Würfel wird 74 mal geworfen. Wie groß ist die Wahrscheinlichkeit, dass die Anzahl der gewürfelten 6er nicht mehr als eine Standardabweichung vom Erwartungswert abweicht?

Lösung einblenden

Den Erwartungswert berechnet man mit μ = n⋅p = 74⋅ 1 6 ≈ 12.33,
die Standardabweichung mit σ = n p (1-p) = 74 1 6 5 6 ≈ 3.21

15.54 (12.33 + 3.21) und 9.13 (12.33 - 3.21) sind also jeweils eine Standardabweichung vom Erwartungswert μ = 12.33 entfernt.

Das bedeutet, dass genau die Zahlen zwischen 10 und 15 nicht mehr als eine Standardabweichung vom Erwartungswert entfernt sind.

Gesucht ist also die Wahrscheinlichkeit, dass die Trefferanzahl zwischen 10 und 15 liegt.

P 1 6 74 (10X15) =

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

P 1 6 74 (X15) - P 1 6 74 (X9) ≈ 0.839 - 0.1903 ≈ 0.6487
(TI-Befehl: binomcdf(74, 1 6 ,15) - binomcdf(74, 1 6 ,9))