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:

Wie oft muss man mit einem normalen Würfel mindestens würfeln, um mit einer Wahrscheinlichkeit von mindestens 80% 28 oder mehr 6er zu erzielen?

Lösung einblenden
nP(X≤k)
......
1870.2392
1880.2295
1890.22
1900.2108
1910.2018
1920.1931
......

Die Zufallsgröße X gibt Anzahl der gewürfelten 6er an und ist im Idealfall binomialverteilt mit p = 1 6 und variablem n.

Es muss gelten: P 1 6 n (X28) ≥ 0.8

Weil man ja aber P 1 6 n (X28) nicht in den WTR eingeben kann, müssen wir diese Wahrscheinlichkeit über die Gegenwahrscheinlichkeit berechnen:

P 1 6 n (X28) = 1 - P 1 6 n (X27) ≥ 0.8 |+ P 1 6 n (X27) - 0.8

0.2 ≥ P 1 6 n (X27) oder P 1 6 n (X27) ≤ 0.2

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 1 6 der Versuche mit einem Treffer. Also müssten dann doch bei 28 1 6 ≈ 168 Versuchen auch ungefähr 28 (≈ 1 6 ⋅168) Treffer auftreten.

Wir berechnen also mit unserem ersten n=168:
P 1 6 n (X27) ≈ 0.4679 (TI-Befehl: Binomialcdf ...)

Je nachdem, wie weit nun dieser Wert noch von den gesuchten 0.2 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 0.2 überschritten wird.

Aus der Werte-Tabelle (siehe links) erkennt man dann, dass erstmals bei n=192 die gesuchte Wahrscheinlichkeit unter 0.2 ist.

n muss also mindestens 192 sein, damit P 1 6 n (X27) ≤ 0.2 oder eben P 1 6 n (X28) ≥ 0.8 gilt.

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=0,35 entsteht. Es wird eine Stichprobe der Menge 40 entnommen. Wie groß ist die Wahrscheinlichkeit, dass die Anzahl der defekten Chips mindestens 14 und höchstens 17 beträgt?

Lösung einblenden

P0.3540 (14X17) =

...
11
12
13
14
15
16
17
18
19
...

P0.3540 (X17) - P0.3540 (X13) ≈ 0.8761 - 0.4408 ≈ 0.4353
(TI-Befehl: binomcdf(40,0.35,17) - binomcdf(40,0.35,13))

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 5 Bildern der Datenbank sind Mitglieder der Homepage-AG zu sehen. Es wird geschätzt, dass die Seite täglich 150 mal aufgerufen wird. Die Mitglieder der Homepage-AG wollen dass mit mindestens 75%-iger Wahrscheinlichkiet mindestens 16 mal am Tag eines ihrer eigenen 5 Bilder erscheint. Wie viele andere Bilder dürfen dann höchstens noch in der Datenbank sein?

Lösung einblenden
pP(X≥16)=1-P(X≤15)
......
5 24 0.9997
5 25 0.9992
5 26 0.9984
5 27 0.997
5 28 0.9946
5 29 0.9909
5 30 0.9855
5 31 0.978
5 32 0.9681
5 33 0.9555
5 34 0.94
5 35 0.9213
5 36 0.8997
5 37 0.875
5 38 0.8476
5 39 0.8177
5 40 0.7857
5 41 0.7519
5 42 0.7167
......

Die Zufallsvariable X gibt die Anzahl der Bilder mit Homepage-AG-lern an. X ist binomialverteilt mit n=150 und unbekanntem Parameter p.

Es muss gelten: Pp150 (X16) = 1- Pp150 (X15) = 0.75 (oder mehr)

Wir wissen, dass der Zähler bei unserer Einzelwahrscheinlichkeit p 5 sein muss, da es ja genau 5 günstige Fälle gibt.

Wir müssen nun bei verschiedenen Nennern untersuchen, wie hoch die gesuchte Wahrscheinlichkeit Pp150 (X16) ('mindestens 16 Treffer bei 150 Versuchen') bei diesen Nennern wird (siehe Tabelle links)

Als Startwert wählen wir als p= 5 24 . (Durch Ausprobieren erkennt man, dass vorher die Wahrscheinlichkeit immer fast 1 ist)

In dieser Tabelle erkennen wir, dass letztmals bei der Einzelwahrscheinlichkeit p= 5 41 die gesuchte Wahrscheinlichkeit über 75% bleibt.
Der Nenner, also die Anzahl aller Bilder in der Datenbank, darf also höchstens 41 sein.

Also wären noch 36 zusätzliche Optionen (also weitere Bilder) zulässig.

Binomialvert. mit variabl. p (höchstens) nur GTR

Beispiel:

Eine Fluggesellschaft hat 34 Plätze in ihrem Flugzeug. Trotzdem werden 58 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)
......
0.460.9802
0.470.9716
0.480.9601
0.490.9451
0.50.926
0.510.9022
0.520.8732
......

Es muss gelten: Pp58 (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(58,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=0.51 die gesuchte Wahrscheinlichkeit über 0.9 ist.

Binomialverteilung X ∈ [l;k]

Beispiel:

Ein Scherzkeks in einer Glückskeksfabrik backt in jeden achten Glückskeks eine scharfe Peperoni ein. Wie groß ist die Wahrscheinlichkeit, mehr als 2 und höchstens 14 Glückskekse mit einer Peproni zu erwischen, wenn man 85 Glückskekse kauft?

Lösung einblenden

P0.12585 (3X14) =

...
0
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
...

P0.12585 (X14) - P0.12585 (X2) ≈ 0.8947 - 0.001 ≈ 0.8937
(TI-Befehl: binomcdf(85,0.125,14) - binomcdf(85,0.125,2))

Erwartungswert, Standardabweichung best.

Beispiel:

Eine Zufallsgröße ist binomialverteilt mit den Parametern n = 25 und p = 0.55
Bestimme den Erwartungswert μ und die Standardabweichung σ von X .

Lösung einblenden

Für Erwartungswert und Standardabweichung bei der Binomialverteilung gibt es ja einfache Formeln, in die man einfach n = 25 und p = 0.55 einsetzen muss:

Erwartungswert E(X) = n ⋅ p = 25 ⋅ 0.55 = 13.75

Standardabweichung S(X) = n ⋅ p ⋅ (1-p) = 25 ⋅ 0.55 ⋅ 0.45 = 6.1875 2.49