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:
Wie oft darf man mit einem normalen Würfel höchstens würfeln, um mit einer Wahrscheinlichkeit von 90% nicht mehr als 22 6er zu würfeln?
| n | P(X≤k) |
|---|---|
| ... | ... |
| 105 | 0.9019 |
| 106 | 0.8936 |
| 107 | 0.8849 |
| 108 | 0.8758 |
| 109 | 0.8662 |
| 110 | 0.8563 |
| 111 | 0.8459 |
| 112 | 0.8351 |
| 113 | 0.8239 |
| 114 | 0.8123 |
| 115 | 0.8004 |
| 116 | 0.788 |
| 117 | 0.7754 |
| 118 | 0.7624 |
| 119 | 0.749 |
| 120 | 0.7354 |
| 121 | 0.7215 |
| 122 | 0.7073 |
| 123 | 0.693 |
| 124 | 0.6783 |
| 125 | 0.6636 |
| 126 | 0.6486 |
| 127 | 0.6335 |
| 128 | 0.6182 |
| 129 | 0.6029 |
| 130 | 0.5875 |
| 131 | 0.5721 |
| 132 | 0.5566 |
| ... | ... |
Die Zufallsgröße X gibt Anzahl der gewürfelten 6er an und ist im Idealfall binomialverteilt mit p = und variablem n.
Es muss gelten: ≥ 0.9
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 der Versuche mit einem Treffer.
Also müssten dann doch bei ≈ 132 Versuchen auch ungefähr 22
(≈
Wir berechnen also mit unserem ersten n=132:
Je nachdem, wie weit nun dieser Wert noch von den gesuchten 0.9 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 0.9 überschritten wird.
Aus der Werte-Tabelle (siehe links) erkennt man dann, dass letztmals bei n=105 die gesuchte Wahrscheinlichkeit über 90% ist.
Formel v. Bernoulli
Beispiel:
Ein partystarker Schüler muss einen Mulitple Choice Test ablegen von dem er keinen blassen Schimmer hat. Deswegen rät er einfach bei jeder der 47 Aufgaben munter drauf los, welche der vier Antworten wohl richtig sein könnte. Wie groß ist die Wahrscheinlichkeit, dass er so genau 8 Fragen richtig beantwortet hat?
(Bitte auf 4 Stellen nach dem Komma runden)
Die Zufallsvariable X gibt die Anzahl der Treffer an.
X ist binomialverteilt mit n=47 und p=
(TI-Befehl: binompdf(47,1/4,8))
Binomialvert. mit variablem p (diskret)
Beispiel:
Eine Firma, die Überraschungseier vertreibt, möchte als Werbegag manche Eier mit Superfiguren bestücken. Aus Angst vor Kundenbeschwerden sollen in einer 12er-Packung mit der mindestens 50% Wahrscheinlichkeit 1 oder mehr Superfiguren enthalten sein. Wenn in jedes n-te Ei eine Superfigur rein soll, wie groß darf dann n höchstens sein?
| p | P(X≥1)=1-P(X≤0) |
|---|---|
| ... | ... |
| 0.9998 | |
| 0.9923 | |
| 0.9683 | |
| 0.9313 | |
| 0.8878 | |
| 0.8427 | |
| 0.7986 | |
| 0.7567 | |
| 0.7176 | |
| 0.6814 | |
| 0.648 | |
| 0.6173 | |
| 0.5891 | |
| 0.563 | |
| 0.539 | |
| 0.5169 | |
| 0.4964 | |
| ... | ... |
Die Zufallsvariable X gibt die Anzahl der Eier mit einer Superfigur an. X ist binomialverteilt mit n=12 und unbekanntem Parameter p.
Es muss gelten:
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
Als Startwert wählen wir als p=
In dieser Tabelle erkennen wir, dass letztmals bei der Einzelwahrscheinlichkeit p=
Der Nenner, also die das wievielte Ei eine Superfigur enthält, darf also höchstens
17 sein.
Binomialvert. mit variabl. p (höchstens) nur GTR
Beispiel:
Ein Promi macht Urlaub in einem Ferienclub. Dort sind noch weitere 98 Gäste. Wie groß darf der Bekanntheitsgrad des Promis höchstens sein, dass ihn mit einer Wahrscheinlichkeit von mindestens 90% nicht mehr als 22 erkennen und dumm anlabern?
| p | P(X≤k) |
|---|---|
| ... | ... |
| 0.12 | 0.9989 |
| 0.13 | 0.9968 |
| 0.14 | 0.992 |
| 0.15 | 0.9824 |
| 0.16 | 0.9652 |
| 0.17 | 0.9376 |
| 0.18 | 0.8968 |
| ... | ... |
Es muss gelten:
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(98,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 letztmals bei p=0.17 die gesuchte Wahrscheinlichkeit über 0.9 ist.
Formel v. Bernoulli
Beispiel:
Eine Münze wird 53 mal geworfen. Wie groß ist die Wahrscheinlichkeit dass genau 28 mal "Zahl" (p=0,5) geworfen wird?
(Bitte auf 4 Stellen nach dem Komma runden)
Die Zufallsvariable X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=53 und p=0.5.
(TI-Befehl: binompdf(53,0.5,28))
Binomialvert. Abstand vom Erwartungswert
Beispiel:
Bei einem Glücksrad ist die Wahrscheinlichkeit im grünen Bereich zu landen bei p=0,6. Wie groß ist die Wahrscheinlichkeit bei 100 Versuchen, dass die Anzahl der Treffer im grünen Bereich nicht mehr als 20% vom Erwartungswert abweicht?
Den Erwartungswert berechnet man als E=n⋅p=100⋅0.6 = 60
Die 20% Abweichung wären dann zwischen 80% von 60, also 0.8⋅ 60 = 48 und 120% von 60, also 1.2⋅ 60 = 72
Da die Trefferzahl ja nicht weiter von 60 entfernt sein darf als 48 bzw. 72, muss sie also zwischen 48 und 72 liegen.
(TI-Befehl: binomcdf(100,0.6,72) - binomcdf(100,0.6,47))
