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:

Im einem Mathekurs beträgt die Wahrscheinlichkeit, dass ein klassischer GeSchwa-Fehler begangen wird, p=0,2. Wie viele Aufgaben kann ein Schüler höchstens machen, damit er mit einer Wahrscheinlichkeit von 60% maximal 40 dieser Fehler begeht?

Lösung einblenden
nP(X≤k)
......
1950.6122
1960.5983
1970.5843
1980.5703
1990.5563
2000.5422
......

Die Zufallsgröße X gibt Anzahl der begangenen GeSchwa-Fehler an und ist im Idealfall binomialverteilt mit p = 0.2 und variablem n.

Es muss gelten: P0.2n (X40) ≥ 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 40 0.2 ≈ 200 Versuchen auch ungefähr 40 (≈0.2⋅200) Treffer auftreten.

Wir berechnen also mit unserem ersten n=200:
P0.2n (X40) ≈ 0.5422 (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=195 die gesuchte Wahrscheinlichkeit über 60% ist.

kumulierte Binomialverteilung

Beispiel:

Ein Scherzkeks in einer Glückskeksfabrik backt in jeden achten Glückskeks eine scharfe Peperoni ein. Wie groß ist die Wahrscheinlichkeit, nicht mehr als 4 Glückskekse mit einer Peproni zu erwischen, wenn man 25 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=25 und p= 1 8 .

P 1 8 25 (X4) = P 1 8 25 (X=0) + P 1 8 25 (X=1) + P 1 8 25 (X=2) +... + P 1 8 25 (X=4) = 0.80466587326689 ≈ 0.8047
(TI-Befehl: binomcdf(25,1/8,4))

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 120 mal aufgerufen wird. Die Mitglieder der Homepage-AG wollen dass mit mindestens 90%-iger Wahrscheinlichkiet mindestens 14 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≥14)=1-P(X≤13)
......
5 21 0.9997
5 22 0.9994
5 23 0.9985
5 24 0.997
5 25 0.9944
5 26 0.9903
5 27 0.9842
5 28 0.9757
5 29 0.9643
5 30 0.9499
5 31 0.9321
5 32 0.9109
5 33 0.8864
......

Die Zufallsvariable X gibt die Anzahl der Bilder mit Homepage-AG-lern an. X ist binomialverteilt mit n=120 und unbekanntem Parameter p.

Es muss gelten: Pp120 (X14) = 1- Pp120 (X13) = 0.9 (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 Pp120 (X14) ('mindestens 14 Treffer bei 120 Versuchen') bei diesen Nennern wird (siehe Tabelle links)

Als Startwert wählen wir als p= 5 21 . (Durch Ausprobieren erkennt man, dass vorher die Wahrscheinlichkeit immer fast 1 ist)

In dieser Tabelle erkennen wir, dass letztmals bei der Einzelwahrscheinlichkeit p= 5 32 die gesuchte Wahrscheinlichkeit über 90% bleibt.
Der Nenner, also die Anzahl aller Bilder in der Datenbank, darf also höchstens 32 sein.

Also wären noch 27 zusätzliche Optionen (also weitere Bilder) zulässig.

Binomialvert. mit variabl. p (mind.) nur GTR

Beispiel:

Bei einem Zufallsexperiment ist die Wahrscheinlichkeit für einen Treffer unbekannt. Das Zufallsexperinment wird 61 mal wiederholt (bzw. die Stichprobe hat die Größe 61)
Wie hoch muss die Einzelwahrscheinlichkeit p mindestens sein, dass mit einer Wahrscheinlich von mind. 90% mindestens 56 Treffer erzielt werden?

Lösung einblenden
pP(X≥56)=1-P(X≤55)
......
0.90.4205
0.910.5267
0.920.638
0.930.7462
0.940.8417
0.950.9162
......

Es muss gelten: Pp61 (X56) =0.9 (oder mehr)

oder eben: 1- Pp61 (X55) =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=1-binomcdf(61,X,55) - 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=0.95 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 12 Glückskekse mit einer Peproni zu erwischen, wenn man 73 Glückskekse kauft?

Lösung einblenden

P0.12573 (3X12) =

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

P0.12573 (X12) - P0.12573 (X2) ≈ 0.8813 - 0.0038 ≈ 0.8775
(TI-Befehl: binomcdf(73,0.125,12) - binomcdf(73,0.125,2))

Binomialvert. Abstand vom Erwartungswert

Beispiel:

Ein Würfel wird 50 mal geworfen. Wie groß ist die Wahrscheinlichkeit, dass die Anzahl der gewürfelten 6er nicht mehr als 20% vom Erwartungswert abweicht?

Lösung einblenden

Den Erwartungswert berechnet man als E=n⋅p=50⋅ 1 6 = 8.3333333333333

Die 20% Abweichung wären dann zwischen 80% von 8.333, also 0.8⋅ 8.333 = 6.667 und 120% von 8.3333333333333, also 1.2⋅ 8.333 = 10

Da die Trefferzahl ja nicht weiter von 8.3333333333333 entfernt sein darf als 6.667 bzw. 10, muss sie also zwischen 7 und 10 liegen.

P 1 6 50 (7X10) =

...
4
5
6
7
8
9
10
11
12
...

P 1 6 50 (X10) - P 1 6 50 (X6) ≈ 0.7986 - 0.2506 ≈ 0.548
(TI-Befehl: binomcdf(50, 1 6 ,10) - binomcdf(50, 1 6 ,6))