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:

Ein Mathelehrer möchte neue Taschenrechner für seine Klasse bestellen. Die Wahrscheinlichkeit, dass einer der Taschenrechner ein Decepticon (bekannt aus dem Transformers-Filmen) ist, liegt bei p=0,04. Wie viele Rechner können bestellt werden, dass zu einer Wahrscheinlichkeit von 80% kein Descepticon unter ihnen ist?

Lösung einblenden
nP(X≤k)
......
10.96
20.9216
30.8847
40.8493
50.8154
60.7828
......

Die Zufallsgröße X gibt Anzahl der Descepticons unter den Taschenrechnern an und ist im Idealfall binomialverteilt mit p = 0.04 und variablem n.

Es muss gelten: P0.04n (X0) ≥ 0.8

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 4% der Versuche mit einem Treffer. Also müssten dann doch bei 0 0.04 ≈ 0 Versuchen auch ungefähr 0 (≈0.04⋅0) Treffer auftreten.

Wir berechnen also mit unserem ersten n=0:
P0.04n (X0) ≈ 1 (TI-Befehl: Binomialcdf ...)

Je nachdem, wie weit nun dieser Wert noch von den gesuchten 0.8 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 0.8 überschritten wird.

Aus der Werte-Tabelle (siehe links) erkennt man dann, dass letztmals bei n=5 die gesuchte Wahrscheinlichkeit über 80% ist.

kumulierte Binomialverteilung

Beispiel:

Ein Würfel wird 91 mal geworfen. Wie groß ist die Wahrscheinlichkeit dass nicht öfter als 11 mal eine 6 (p=1/6) geworfen wird?
(Bitte auf 4 Stellen nach dem Komma runden)

Lösung einblenden

Die Zufallsvariable X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=91 und p= 1 6 .

P 1 6 91 (X11) = P 1 6 91 (X=0) + P 1 6 91 (X=1) + P 1 6 91 (X=2) +... + P 1 6 91 (X=11) = 0.15032191866559 ≈ 0.1503
(TI-Befehl: binomcdf(91,1/6,11))

Binomialvert. mit variablem p (diskret)

Beispiel:

Eine Schulklasse möchte fürs Schulfest ein Glücksrad entwickeln. Aus optischen Gründen sollen dabei alle Sektoren gleich groß sein. Einer davon soll für den Hauptpreis stehen. Hierfür haben sie insgesamt 9 Preise gesammelt. Sie erwarten, dass das Glücksrad beim Schulfest 70 mal gespielt wird. Mit wie vielen Sektoren müssen sie ihr Glückrad mindestens bestücken damit die 9 Hauptpreise mit einer Wahrscheinlichkeit von mindestens 90% für die 70 Durchgänge reichen?

Lösung einblenden
pP(X≤9)
......
1 7 0.4482
1 8 0.6228
1 9 0.7528
1 10 0.8414
1 11 0.8991
1 12 0.9357
......

Die Zufallsvariable X gibt die Anzahl der Hauptpreise an. X ist binomialverteilt mit n=70 und unbekanntem Parameter p.

Es muss gelten: Pp70 (X9) =0.9 (oder mehr)

Wir wissen, dass der Zähler bei unserer Einzelwahrscheinlichkeit p 1 sein muss, da es ja genau einen günstigen Fall gibt.

Wir müssen nun bei verschiedenen Nennern untersuchen, wie hoch die gesuchte Wahrscheinlichkeit Pp70 (X9) ('höchstens 9 Treffer bei 70 Versuchen') bei diesen Nennern wird (siehe Tabelle links)

Um einen günstigen Startwert zu finden wählen wir mal als p= 9 70 . Mit diesem p wäre ja 9= 9 70 ⋅70 der Erwartungswert und somit Pp70 (X9) irgendwo in der nähe von 50%. Wenn wir nun p= 9 70 mit 1 9 erweitern (so dass wir auf den Zähler 1 kommen) und den Nenner abrunden, müssten wir mit p= 1 7 einen brauchbaren Einstiegswert für dieses Probieren erhalten.

In dieser Tabelle erkennen wir, dass erstmals bei der Einzelwahrscheinlichkeit p= 1 12 die gesuchte Wahrscheinlichkeit über 90% steigt.
Der Nenner, also die Anzahl der Sektoren des Glücksrad, muss also mindestens 12 sein.

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

Beispiel:

Ein Basketballtrainer sucht einen neuen Spieler, der mit 80% Wahrscheinlichkeit von 46 Freiwürfen mindestens 36 mal trifft. Welche Trefferquote braucht solch ein Spieler mindestens?

Lösung einblenden
pP(X≥36)=1-P(X≤35)
......
0.770.5016
0.780.5667
0.790.6314
0.80.694
0.810.7528
0.820.8063
......

Es muss gelten: Pp46 (X36) =0.8 (oder mehr)

oder eben: 1- Pp46 (X35) =0.8 (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(46,X,35) - 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=0.82 die gesuchte Wahrscheinlichkeit über 0.8 ist.

Binomialverteilung X>=k

Beispiel:

Ein Zufallsexperiment wird 21 mal wiederholt. Jedesmal beträgt die Wahrscheinlichkeit für einen Treffer p=0,55.
Wie groß ist dabei die Wahrscheinlichkeit, mindestens 11 Treffer zu erzielen?

(Bitte auf 4 Stellen nach dem Komma runden)

Lösung einblenden

...
8
9
10
11
12
13
...

P0.5521 (X11) = 1 - P0.5521 (X10) = 0.679
(TI-Befehl: 1-binomcdf(21,0.55,10))

Wahrscheinlichkeit von σ-Intervall um μ

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=0,4 entsteht. Es wird eine Stichprobe der Menge 96 entnommen. Wie groß ist die Wahrscheinlichkeit, dass die Anzahl der defekten Chips um nicht mehr als eine Standardabweichung vom Erwartungswert abweicht?

Lösung einblenden

Den Erwartungswert berechnet man mit μ = n⋅p = 96⋅0.4 ≈ 38.4,
die Standardabweichung mit σ = n p (1-p) = 96 0.4 0.6 ≈ 4.8

43.2 (38.4 + 4.8) und 33.6 (38.4 - 4.8) sind also jeweils eine Standardabweichung vom Erwartungswert μ = 38.4 entfernt.

Das bedeutet, dass genau die Zahlen zwischen 34 und 43 nicht mehr als eine Standardabweichung vom Erwartungswert entfernt sind.

Gesucht ist also die Wahrscheinlichkeit, dass die Trefferanzahl zwischen 34 und 43 liegt.

P0.496 (34X43) =

...
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
...

P0.496 (X43) - P0.496 (X33) ≈ 0.8558 - 0.1536 ≈ 0.7022
(TI-Befehl: binomcdf(96,0.4,43) - binomcdf(96,0.4,33))