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:

Bei einem Zufallsexperiment beträgt die Wahrscheinlichkeit für einen Treffer p=0,8.
Wie oft muss man das Zufallsexperiment mindestens wiederholen (oder wie groß muss die Stichprobe sein), um mit mind. 80% Wahrscheinlichkeit, mindestens 39 Treffer zu erzielen ?

Lösung einblenden
nP(X≤k)
......
490.3885
500.2893
510.2067
520.1419
......

Die Zufallsgröße X gibt die Anzahl der Treffer an und ist im Idealfall binomialverteilt mit p = 0.8 und variablem n.

Es muss gelten: P0.8n (X39) ≥ 0.8

Weil man ja aber P0.8n (X39) nicht in den WTR eingeben kann, müssen wir diese Wahrscheinlichkeit über die Gegenwahrscheinlichkeit berechnen:

P0.8n (X39) = 1 - P0.8n (X38) ≥ 0.8 |+ P0.8n (X38) - 0.8

0.2 ≥ P0.8n (X38) oder P0.8n (X38) ≤ 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 80% der Versuche mit einem Treffer. Also müssten dann doch bei 39 0.8 ≈ 49 Versuchen auch ungefähr 39 (≈0.8⋅49) Treffer auftreten.

Wir berechnen also mit unserem ersten n=49:
P0.8n (X38) ≈ 0.3885 (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=52 die gesuchte Wahrscheinlichkeit unter 0.2 ist.

n muss also mindestens 52 sein, damit P0.8n (X38) ≤ 0.2 oder eben P0.8n (X39) ≥ 0.8 gilt.

Formel v. Bernoulli

Beispiel:

Eine Münze wird 70 mal geworfen. Wie groß ist die Wahrscheinlichkeit dass genau 34 mal "Zahl" (p=0,5) 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=70 und p=0.5.

P0.570 (X=34) = ( 70 34 ) 0.534 0.536 =0.0923858770533≈ 0.0924
(TI-Befehl: binompdf(70,0.5,34))

Binomialvert. mit variablem p (diskret)

Beispiel:

Ein neuer Multiple Choice Test mit 13 verschiedenen Fragen soll entwickelt werden. Dabei muss immer genau eine von mehreren Antwortmöglichkeiten richtig sein. Die Anzahl an Antwortmöglichkeiten soll bei allen Fragen gleich sein. Insgesamt soll der Test so konzipiert sein, dass die Wahrscheinlichkeit mehr als 3 Fragen nur durch Raten zufällig richtig zu beantworten (obwohl man keinerlei Wissen hat) bei höchstens 25% liegt. Bestimme die hierfür notwendige Mindestanzahl an Antwortmöglichkeiten bei jeder Frage.

Lösung einblenden
pP(X≤3)
......
1 4 0.5843
1 5 0.7473
1 6 0.8419
......

Die Zufallsvariable X gibt die Anzahl der zufällig richtig geratenenen Antworten an. X ist binomialverteilt mit n=13 und unbekanntem Parameter p.

Es muss gelten: Pp13 (X3) =0.75 (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 Pp13 (X3) ('höchstens 3 Treffer bei 13 Versuchen') bei diesen Nennern wird (siehe Tabelle links)

Um einen günstigen Startwert zu finden wählen wir mal als p= 3 13 . Mit diesem p wäre ja 3= 3 13 ⋅13 der Erwartungswert und somit Pp13 (X3) irgendwo in der nähe von 50%. Wenn wir nun p= 3 13 mit 1 3 erweitern (so dass wir auf den Zähler 1 kommen) und den Nenner abrunden, müssten wir mit p= 1 4 einen brauchbaren Einstiegswert für dieses Probieren erhalten.

In dieser Tabelle erkennen wir, dass erstmals bei der Einzelwahrscheinlichkeit p= 1 6 die gesuchte Wahrscheinlichkeit über 75% steigt.
Der Nenner, also die Anzahl der Antwortmöglichkeiten, muss also mindestens 6 sein.

Binomialvert. mit variabl. p (höchstens) nur GTR

Beispiel:

Eine Produktionsstätte für HighTech-Chips hat Probleme mit der Qualitätssicherung. Ein Großhändler nimmt die übliche Liefermenge von 56 Stück nur an, wenn nicht mehr als 32 Teile defekt sind. Wie hoch darf der Prozentsatz der fehlerhaften Teile höchstens sein, dass eine Lieferung mit einer Wahrscheinlichkeit von mind. 90% angenommen werden.

Lösung einblenden
pP(X≤k)
......
0.440.9825
0.450.9748
0.460.9645
0.470.951
0.480.9337
0.490.9121
0.50.8856
......

Es muss gelten: Pp56 (X32) =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(56,X,32) - 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=0.49 die gesuchte Wahrscheinlichkeit über 0.9 ist.

Formel v. Bernoulli

Beispiel:

Ein Scherzkeks in einer Glückskeksfabrik backt in jeden achten Glückskeks eine scharfe Peperoni ein. Wie groß ist die Wahrscheinlichkeit, genau 2 Glückskekse mit einer Peproni zu erwischen, wenn man 64 Glückskekse kauft?
(Bitte auf 4 Stellen nach dem Komma runden)

Lösung einblenden

Die Zufallsvariable X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=64 und p= 1 8 .

P 1 8 64 (X=2) = ( 64 2 ) ( 1 8 )2 ( 7 8 )62 =0.0079948411873575≈ 0.008
(TI-Befehl: binompdf(64,1/8,2))

Wahrscheinlichkeit von σ-Intervall um μ

Beispiel:

Ein Würfel wird 77 mal geworfen. Wie groß ist die Wahrscheinlichkeit, dass die Anzahl der gewürfelten 6er nicht mehr als eine Standardabweichung vom Erwartungswert abweicht?

Lösung einblenden

Den Erwartungswert berechnet man mit μ = n⋅p = 77⋅ 1 6 ≈ 12.83,
die Standardabweichung mit σ = n p (1-p) = 77 1 6 5 6 ≈ 3.27

16.1 (12.83 + 3.27) und 9.56 (12.83 - 3.27) sind also jeweils eine Standardabweichung vom Erwartungswert μ = 12.83 entfernt.

Das bedeutet, dass genau die Zahlen zwischen 10 und 16 nicht mehr als eine Standardabweichung vom Erwartungswert entfernt sind.

Gesucht ist also die Wahrscheinlichkeit, dass die Trefferanzahl zwischen 10 und 16 liegt.

P 1 6 77 (10X16) =

...
7
8
9
10
11
12
13
14
15
16
17
18
...

P 1 6 77 (X16) - P 1 6 77 (X9) ≈ 0.8676 - 0.1533 ≈ 0.7143
(TI-Befehl: binomcdf(77, 1 6 ,16) - binomcdf(77, 1 6 ,9))