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:

Bei einem Zufallsexperiment beträgt die Wahrscheinlichkeit für einen Treffer p=0,2.
Wie oft darf man das Zufallsexperiment höchstens wiederholen (oder wie groß darf die Stichprobe sein), um mit mind. 60% Wahrscheinlichkeit, höchstens 34 Treffer zu erzielen ?

Lösung einblenden
nP(X≤k)
......
1660.6065
1670.5914
1680.5762
1690.561
1700.5457
......

Die Zufallsgröße X gibt die Anzahl der Treffer an und ist im Idealfall binomialverteilt mit p = 0.2 und variablem n.

Es muss gelten: P0.2n (X34) ≥ 0.6

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 20% der Versuche mit einem Treffer. Also müssten dann doch bei 34 0.2 ≈ 170 Versuchen auch ungefähr 34 (≈0.2⋅170) Treffer auftreten.

Wir berechnen also mit unserem ersten n=170:
P0.2n (X34) ≈ 0.5457 (TI-Befehl: Binomialcdf ...)

Je nachdem, wie weit nun dieser Wert noch von den gesuchten 0.6 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 0.6 überschritten wird.

Aus der Werte-Tabelle (siehe links) erkennt man dann, dass letztmals bei n=166 die gesuchte Wahrscheinlichkeit über 60% ist.

kumulierte Binomialverteilung

Beispiel:

Ein partystarker Schüler muss einen Mulitple Choice Test ablegen von dem er keinen blassen Schimmer hat. Deswegen rät er einfach bei jeder der 27 Aufgaben munter drauf los, welche der vier Antworten wohl richtig sein könnte. Wie groß ist die Wahrscheinlichkeit, dass er so bis zu 4 Fragen richtig beantwortet hat?
(Bitte auf 4 Stellen nach dem Komma runden)

Lösung einblenden

Die Zufallsvariable X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=27 und p=0.25.

P0.2527 (X4) = P0.2527 (X=0) + P0.2527 (X=1) + P0.2527 (X=2) +... + P0.2527 (X=4) = 0.15831633001146 ≈ 0.1583
(TI-Befehl: binomcdf(27,0.25,4))

Binomialvert. mit variablem p (diskret)

Beispiel:

In einer Urne sind 2 rote und einige schwarze Kugeln. Es soll 13 mal mit Zurücklegen gezogen werden. Wie viele schwarze Kugeln müssen in der Urne mindestens sein, damit mit einer Wahrscheinlichkeit von mindestens 75% unter den 13 gezogenen Kugeln nicht mehr als 6 rote sind?

Lösung einblenden
pP(X≤6)
......
2 4 0.5
2 5 0.7712
......

Die Zufallsvariable X gibt die Anzahl der gezogenen Kugeln mit der Farbe rot an. X ist binomialverteilt mit n=13 und unbekanntem Parameter p.

Es muss gelten: Pp13 (X6) =0.75 (oder mehr)

Wir wissen, dass der Zähler bei unserer Einzelwahrscheinlichkeit p 2 sein muss, da es ja genau 2 günstige Fälle gibt.

Wir müssen nun bei verschiedenen Nennern untersuchen, wie hoch die gesuchte Wahrscheinlichkeit Pp13 (X6) ('höchstens 6 Treffer bei 13 Versuchen') bei diesen Nennern wird (siehe Tabelle links)

Um einen günstigen Startwert zu finden wählen wir mal als p= 6 13 . Mit diesem p wäre ja 6= 6 13 ⋅13 der Erwartungswert und somit Pp13 (X6) irgendwo in der nähe von 50%. Wenn wir nun p= 6 13 mit 2 6 erweitern (so dass wir auf den Zähler 2 kommen) und den Nenner abrunden, müssten wir mit p= 2 4 einen brauchbaren Einstiegswert für dieses Probieren erhalten.

In dieser Tabelle erkennen wir, dass erstmals bei der Einzelwahrscheinlichkeit p= 2 5 die gesuchte Wahrscheinlichkeit über 75% steigt.
Der Nenner, also die Anzahl aller Kugeln, muss also mindestens 5 sein.

Also werden noch 3 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 89 Wiederholungen 67 mal (oder mehr) rot zu treffen bei mind. 60% liegt?

Lösung einblenden
pP(X≥67)=1-P(X≤66)
......
0.710.2217
0.720.288
0.730.3636
0.740.4461
0.750.5325
0.760.6189
......

Es muss gelten: Pp89 (X67) =0.6 (oder mehr)

oder eben: 1- Pp89 (X66) =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(89,X,66) - 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=0.76 die gesuchte Wahrscheinlichkeit über 0.6 ist.

Binomialverteilung X ∈ [l;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 79 Aufgaben munter drauf los, welche der vier Antworten wohl richtig sein könnte. Wie groß ist die Wahrscheinlichkeit, dass er so mindestens 13, aber weniger als 22 Fragen richtig beantwortet hat?

Lösung einblenden

P0.2579 (13X21) =

...
10
11
12
13
14
15
16
17
18
19
20
21
22
23
...

P0.2579 (X21) - P0.2579 (X12) ≈ 0.6814 - 0.0254 ≈ 0.656
(TI-Befehl: binomcdf(79,0.25,21) - binomcdf(79,0.25,12))

Binomialvert. Abstand vom Erwartungswert

Beispiel:

Ein Basketballspieler hat eine Trefferquote von p=50%. Wie groß ist die Wahrscheinlichkeit dass er bei 97 Versuchen nicht mehr als 10% von seinem Erwartungswert abweicht?

Lösung einblenden

Den Erwartungswert berechnet man als E=n⋅p=97⋅0.5 = 48.5

Die 10% Abweichung wären dann zwischen 90% von 48.5, also 0.9⋅ 48.5 = 43.65 und 110% von 48.5, also 1.1⋅ 48.5 = 53.35

Da die Trefferzahl ja nicht weiter von 48.5 entfernt sein darf als 43.65 bzw. 53.35, muss sie also zwischen 44 und 53 liegen.

P0.597 (44X53) =

...
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
...

P0.597 (X53) - P0.597 (X43) ≈ 0.845 - 0.155 ≈ 0.69
(TI-Befehl: binomcdf(97,0.5,53) - binomcdf(97,0.5,43))