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 Tschechien gilt absolutes Alkoholverbot in Lokalen für Jugendliche unter 18 Jahren. Ein paar trinkfreudige 17-jährige Jugendliche wollen bei einer Studienfahrt nach Prag trotzdem ihr Glück versuchen. 86% der Gaststätten setzen das Alkoholverbot konsequent um und schenken nur gegen Vorlage einer "ID" (Personalausweis) Bier aus. Wie viele Kneipen müssen die Jugenlichen nun mindestens aufsuchen, damit sie bei einer Kneipentour mit mindestens 50% Wahrscheinlichkeit in mindestens 2 Lokalen nicht mit Nachfragen zu ihrer "ID" gedemütigt werden und in Ruhe ein Bier trinken können?

Lösung einblenden
nP(X≤k)
......
110.5311
120.4834
130.4386
140.3969
......

Die Zufallsgröße X gibt die Anzahl der besuchten Kneipen, die keine "ID" (Personalausweis) verlangen an und ist im Idealfall binomialverteilt mit p = 0.14 und variablem n.

Es muss gelten: P0.14n (X2) ≥ 0.5

Weil man ja aber P0.14n (X2) nicht in den WTR eingeben kann, müssen wir diese Wahrscheinlichkeit über die Gegenwahrscheinlichkeit berechnen:

P0.14n (X2) = 1 - P0.14n (X1) ≥ 0.5 |+ P0.14n (X1) - 0.5

0.5 ≥ P0.14n (X1) oder P0.14n (X1) ≤ 0.5

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 14% der Versuche mit einem Treffer. Also müssten dann doch bei 2 0.14 ≈ 14 Versuchen auch ungefähr 2 (≈0.14⋅14) Treffer auftreten.

Wir berechnen also mit unserem ersten n=14:
P0.14n (X1) ≈ 0.3969 (TI-Befehl: Binomialcdf ...)

Je nachdem, wie weit nun dieser Wert noch von den gesuchten 0.5 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 0.5 überschritten wird.

Aus der Werte-Tabelle (siehe links) erkennt man dann, dass erstmals bei n=12 die gesuchte Wahrscheinlichkeit unter 0.5 ist.

n muss also mindestens 12 sein, damit P0.14n (X1) ≤ 0.5 oder eben P0.14n (X2) ≥ 0.5 gilt.

Binomialverteilung X ∈ [l;k]

Beispiel:

Ein Zufallsexperiment wird 88 mal wiederholt. Jedesmal beträgt die Wahrscheinlichkeit für einen Treffer p=0,35.
Wie groß ist dabei die Wahrscheinlichkeit, mindestens 30, aber höchstens 39 Treffer zu erzielen?

Lösung einblenden

P0.3588 (30X39) =

...
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
...

P0.3588 (X39) - P0.3588 (X29) ≈ 0.9726 - 0.3898 ≈ 0.5828
(TI-Befehl: binomcdf(88,0.35,39) - binomcdf(88,0.35,29))

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 3 Bildern der Datenbank sind Mitglieder der Homepage-AG zu sehen. Es wird geschätzt, dass die Seite täglich 90 mal aufgerufen wird. Die Mitglieder der Homepage-AG wollen dass mit mindestens 75%-iger Wahrscheinlichkiet mindestens 12 mal am Tag eines ihrer eigenen 3 Bilder erscheint. Wie viele andere Bilder dürfen dann höchstens noch in der Datenbank sein?

Lösung einblenden
pP(X≥12)=1-P(X≤11)
......
3 11 0.9995
3 12 0.9978
3 13 0.9928
3 14 0.9819
3 15 0.9622
3 16 0.9319
3 17 0.8905
3 18 0.8391
3 19 0.7795
3 20 0.7147
......

Die Zufallsvariable X gibt die Anzahl der Bilder mit Homepage-AG-lern an. X ist binomialverteilt mit n=90 und unbekanntem Parameter p.

Es muss gelten: Pp90 (X12) = 1- Pp90 (X11) = 0.75 (oder mehr)

Wir wissen, dass der Zähler bei unserer Einzelwahrscheinlichkeit p 3 sein muss, da es ja genau 3 günstige Fälle gibt.

Wir müssen nun bei verschiedenen Nennern untersuchen, wie hoch die gesuchte Wahrscheinlichkeit Pp90 (X12) ('mindestens 12 Treffer bei 90 Versuchen') bei diesen Nennern wird (siehe Tabelle links)

Als Startwert wählen wir als p= 3 11 . (Durch Ausprobieren erkennt man, dass vorher die Wahrscheinlichkeit immer fast 1 ist)

In dieser Tabelle erkennen wir, dass letztmals bei der Einzelwahrscheinlichkeit p= 3 19 die gesuchte Wahrscheinlichkeit über 75% bleibt.
Der Nenner, also die Anzahl aller Bilder in der Datenbank, darf also höchstens 19 sein.

Also wären noch 16 zusätzliche Optionen (also weitere Bilder) zulässig.

Binomialvert. mit variabl. p (höchstens) nur GTR

Beispiel:

Eine Fluggesellschaft hat 34 Plätze in ihrem Flugzeug. Trotzdem werden 53 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)?

Lösung einblenden
pP(X≤k)
......
0.510.9806
0.520.9726
0.530.9621
0.540.9486
0.550.9313
0.560.9099
0.570.8837
......

Es muss gelten: Pp53 (X34) =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(53,X,34) - 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=0.56 die gesuchte Wahrscheinlichkeit über 0.9 ist.

Binomialverteilung X ∈ [l;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=0,25 entsteht. Es wird eine Stichprobe der Menge 50 entnommen. Wie groß ist die Wahrscheinlichkeit, dass die Anzahl der defekten Chips mindestens 11 und höchstens 13 beträgt?

Lösung einblenden

P0.2550 (11X13) =

...
8
9
10
11
12
13
14
15
...

P0.2550 (X13) - P0.2550 (X10) ≈ 0.637 - 0.2622 ≈ 0.3748
(TI-Befehl: binomcdf(50,0.25,13) - binomcdf(50,0.25,10))

Binomialvert. Abstand vom Erwartungswert

Beispiel:

Ein Basketballspieler hat eine Trefferquote von p=30%. Wie groß ist die Wahrscheinlichkeit dass er bei 47 Versuchen nicht mehr als 20% von seinem Erwartungswert abweicht?

Lösung einblenden

Den Erwartungswert berechnet man als E=n⋅p=47⋅0.3 = 14.1

Die 20% Abweichung wären dann zwischen 80% von 14.1, also 0.8⋅ 14.1 = 11.28 und 120% von 14.1, also 1.2⋅ 14.1 = 16.92

Da die Trefferzahl ja nicht weiter von 14.1 entfernt sein darf als 11.28 bzw. 16.92, muss sie also zwischen 12 und 16 liegen.

P0.347 (12X16) =

...
9
10
11
12
13
14
15
16
17
18
...

P0.347 (X16) - P0.347 (X11) ≈ 0.7801 - 0.206 ≈ 0.5741
(TI-Befehl: binomcdf(47,0.3,16) - binomcdf(47,0.3,11))