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:
In Tschechien gilt absolutes Alkoholverbot in Lokalen für Jugendliche unter 18 Jahren. Ein paar trinkfreudige 17-jährige Jugendliche wollen bei einer Studienfahrt nach Prag trotzdem ihr Glück versuchen. 82% der Gaststätten setzen das Alkoholverbot konsequent um und schenken nur gegen Vorlage einer "ID" (Personalausweis) Bier aus. Wie viele Kneipen müssen die Jugenlichen nun mindestens aufsuchen, damit sie bei einer Kneipentour mit mindestens 90% Wahrscheinlichkeit in mindestens 2 Lokalen nicht mit Nachfragen zu ihrer "ID" gedemütigt werden und in Ruhe ein Bier trinken können?
| n | P(X≤k) |
|---|---|
| ... | ... |
| 16 | 0.1885 |
| 17 | 0.1621 |
| 18 | 0.1391 |
| 19 | 0.1191 |
| 20 | 0.1018 |
| 21 | 0.0869 |
| ... | ... |
Die Zufallsgröße X gibt die Anzahl der besuchten Kneipen, die keine "ID" (Personalausweis) verlangen an und ist im Idealfall binomialverteilt mit p = 0.18 und variablem n.
Es muss gelten: ≥ 0.9
Weil man ja aber nicht in den WTR eingeben kann, müssen wir diese Wahrscheinlichkeit über die Gegenwahrscheinlichkeit berechnen:
= 1 - ≥ 0.9 |+ - 0.9
0.1 ≥ oder ≤ 0.1
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 18% der Versuche mit einem Treffer. Also müssten dann doch bei ≈ 11 Versuchen auch ungefähr 2 (≈0.18⋅11) Treffer auftreten.
Wir berechnen also mit unserem ersten n=11:
≈ 0.3849
(TI-Befehl: Binomialcdf ...)
Je nachdem, wie weit nun dieser Wert noch von den gesuchten 0.1 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 0.1 überschritten wird.
Aus der Werte-Tabelle (siehe links) erkennt man dann, dass erstmals bei n=21 die gesuchte Wahrscheinlichkeit unter 0.1 ist.
n muss also mindestens 21 sein, damit ≤ 0.1 oder eben ≥ 0.9 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=0,5 entsteht. Es wird eine Stichprobe der Menge 76 entnommen. Wie groß ist die Wahrscheinlichkeit, dass die Anzahl der defekten Chips mindestens 30 und höchstens 40 beträgt?
=
(TI-Befehl: binomcdf(76,0.5,40) - binomcdf(76,0.5,29))
Binomialvert. mit variablem p (diskret)
Beispiel:
In einer Urne sind 3 rote und einige schwarze Kugeln. Es soll 27 mal mit Zurücklegen gezogen werden. Wie viele schwarze Kugeln dürfen in der Urne höchstens sein, damit mit einer Wahrscheinlichkeit von mindestens 70% unter den 27 gezogenen Kugeln nicht mehr als 21 schwarze sind?
| p | P(X≤21) |
|---|---|
| ... | ... |
| 0.9992 | |
| 0.9928 | |
| 0.9713 | |
| 0.9281 | |
| 0.8642 | |
| 0.786 | |
| 0.7011 | |
| 0.6159 | |
| ... | ... |
Die Zufallsvariable X gibt die Anzahl der gezogenen Kugeln mit der Farbe schwarz an. X ist binomialverteilt mit n=27 und unbekanntem Parameter p.
Es muss gelten: = 0.7 (oder mehr)
Wir wissen, dass der Nenner bei unserer Einzelwahrscheinlichkeit p immer um 3 größer sein muss als der Zähler.
Deswegen erhöhen wir nun schrittweise immer den Zähler und Nenner bei der Einzelwahrscheinlichkeit um 1 und probieren aus, wie sich das auf die gesuchte Wahrscheinlichkeit ('höchstens 21 Treffer bei 27 Versuchen') auswirkt (siehe Tabelle links)
Als Startwert wählen wir als p=. (Durch Ausprobieren erkennt man, dass vorher die Wahrscheinlichkeit immer fast 1 ist)
In dieser Tabelle erkennen wir, dass letztmals bei der Einzelwahrscheinlichkeit p= die gesuchte
Wahrscheinlichkeit über 70% bleibt.
Die Anzahl der schwarzen Kugeln, die hinzugefügt wird, darf also höchstens 9 sein.
Binomialvert. mit variabl. p (höchstens) nur GTR
Beispiel:
Bei einem Zufallsexperiment ist die Wahrscheinlichkeit für einen Treffer unbekannt. Das Zufallsexperinment wird 45 mal wiederholt (bzw. die Stichprobe hat die Größe 45).
Wie hoch darf die Einzelwahrscheinlichkeit p höchstens sein, dass mit einer Wahrscheinlichkeit von mind. 80% höchstens 28 Treffer erzielt werden?
| p | P(X≤k) |
|---|---|
| ... | ... |
| 0.52 | 0.9518 |
| 0.53 | 0.9368 |
| 0.54 | 0.9184 |
| 0.55 | 0.8962 |
| 0.56 | 0.8698 |
| 0.57 | 0.8391 |
| 0.58 | 0.8039 |
| ... | ... |
Es muss gelten: =0.8 (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(45,X,28) - 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=0.57 die gesuchte Wahrscheinlichkeit über 0.8 ist.
kumulierte Binomialverteilung
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=0,22 entsteht. Es wird eine Stichprobe der Menge 65 entnommen. Wie groß ist die Wahrscheinlichkeit, dass davon nicht mehr als 14 defekte Chips enthalten sind.
(Bitte auf 4 Stellen nach dem Komma runden)
Die Zufallsvariable X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=65 und p=0.22.
= + + +... + = 0.5350157971868 ≈ 0.535(TI-Befehl: binomcdf(65,0.22,14))
Erwartungswert, Standardabweichung best.
Beispiel:
Eine Zufallsgröße ist binomialverteilt mit den Parametern n = 28 und p = 0.65
Bestimme den Erwartungswert μ und die Standardabweichung σ von X .
Für Erwartungswert und Standardabweichung bei der Binomialverteilung gibt es ja einfache Formeln, in die man einfach n = 28 und p = 0.65 einsetzen muss:
Erwartungswert E(X) = n ⋅ p = 28 ⋅ 0.65 = 18.2
Standardabweichung S(X) = = = ≈ 2.52
