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 65%. Wie oft darf höchstens gezogen werden ( - natürlich mit Zurücklegen - ), so dass mit mind. 80% Wahrscheinlichkeit nicht mehr als 21 grüne Kugeln gezogen werden?
| n | P(X≤k) |
|---|---|
| ... | ... |
| 29 | 0.8493 |
| 30 | 0.7753 |
| 31 | 0.689 |
| 32 | 0.5953 |
| ... | ... |
Die Zufallsgröße X gibt Anzahl der gezogenen grünen Kugeln an und ist im Idealfall binomialverteilt mit p = 0.65 und variablem n.
Es muss gelten: ≥ 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 65% der Versuche mit einem Treffer. Also müssten dann doch bei ≈ 32 Versuchen auch ungefähr 21 (≈0.65⋅32) Treffer auftreten.
Wir berechnen also mit unserem ersten n=32:
≈ 0.5953
(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=29 die gesuchte Wahrscheinlichkeit über 80% ist.
kumulierte Binomialverteilung
Beispiel:
Ein Zufallsexperiment wird 40 mal wiederholt. Jedesmal beträgt die Wahrscheinlichkeit für einen Treffer p= 0,85.
Wie groß ist dabei die Wahrscheinlichkeit, höchstens 31 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=40 und p=0.85.
= + + +... + = 0.13540203512924 ≈ 0.1354(TI-Befehl: binomcdf(40,0.85,31))
Binomialvert. mit variablem p (diskret)
Beispiel:
In einer Urne sind 4 rote und einige schwarze Kugeln. Es soll 12 mal mit Zurücklegen gezogen werden. Wie viele schwarze Kugeln müssen in der Urne mindestens sein, damit mit einer Wahrscheinlichkeit von mindestens 80% unter den 12 gezogenen Kugeln nicht mehr als 3 rote sind?
| p | P(X≤3) |
|---|---|
| ... | ... |
| 0.6488 | |
| 0.6938 | |
| 0.7325 | |
| 0.7659 | |
| 0.7946 | |
| 0.8193 | |
| ... | ... |
Die Zufallsvariable X gibt die Anzahl der gezogenen Kugeln mit der Farbe rot an. X ist binomialverteilt mit n=12 und unbekanntem Parameter p.
Es muss gelten: =0.8 (oder mehr)
Wir wissen, dass der Zähler bei unserer Einzelwahrscheinlichkeit p 4 sein muss, da es ja genau 4 günstige Fälle gibt.
Wir müssen nun bei verschiedenen Nennern untersuchen, wie hoch die gesuchte Wahrscheinlichkeit ('höchstens 3 Treffer bei 12 Versuchen') bei diesen Nennern wird (siehe Tabelle links)
Um einen günstigen Startwert zu finden wählen wir mal als p=. Mit diesem p wäre ja 3=⋅12 der Erwartungswert und somit irgendwo in der nähe von 50%. Wenn wir nun p= mit erweitern (so dass wir auf den Zähler 4 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 80% steigt.
Der Nenner, also die Anzahl aller Kugeln, muss also mindestens
21 sein.
Also werden noch 17 zusätzliche Optionen (also schwarze Kugeln) benötigt.
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 82 Wiederholungen 28 mal (oder mehr) rot zu treffen bei mind. 70% liegt?
| p | P(X≥28)=1-P(X≤27) |
|---|---|
| ... | ... |
| 0.32 | 0.3779 |
| 0.33 | 0.4536 |
| 0.34 | 0.5303 |
| 0.35 | 0.6052 |
| 0.36 | 0.6757 |
| 0.37 | 0.74 |
| ... | ... |
Es muss gelten: =0.7 (oder mehr)
oder eben: 1- =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=1-binomcdf(82,X,27) - 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=0.37 die gesuchte Wahrscheinlichkeit über 0.7 ist.
Binomialverteilung X>=k
Beispiel:
Bei einem Glücksrad ist die Wahrscheinlichkeit im grünen Bereich zu landen bei p=0,85. Wie groß ist die Wahrscheinlichkeit bei 84 Versuchen mindestens 80 mal im grünen Bereich zu landen?
(Bitte auf 4 Stellen nach dem Komma runden)
(TI-Befehl: 1-binomcdf(84,0.85,79))
Binomialvert. Abstand vom Erwartungswert
Beispiel:
Ein Würfel wird 89 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=89⋅ = 14.833333333333
Die 20% Abweichung wären dann zwischen 80% von 14.833, also 0.8⋅ 14.833 = 11.867 und 120% von 14.833333333333, also 1.2⋅ 14.833 = 17.8
Da die Trefferzahl ja nicht weiter von 14.833333333333 entfernt sein darf als 11.867 bzw. 17.8, muss sie also zwischen 12 und 17 liegen.
=
(TI-Befehl: binomcdf(89,,17) - binomcdf(89,,11))
