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:

Der, dessen Name nicht genannt werden darf, testet Zauber um seine Nase wiederherzustellen. Ein solcher Versuch endet zu 85% mit einer Konfettiexplosion. Wie viele Versuche muss er mindestens machen, damit er mit einer Wahrscheinlichkeit von mindestens 90% mindestens 21 Nasen hat.

Lösung einblenden
nP(X≤k)
......
1720.127
1730.1208
1740.1148
1750.109
1760.1035
1770.0982
......

Die Zufallsgröße X gibt die Anzahl der geglückten Nasen-Zauberversuche an und ist im Idealfall binomialverteilt mit p = 0.15 und variablem n.

Es muss gelten: P0.15n (X21) ≥ 0.9

Weil man ja aber P0.15n (X21) nicht in den WTR eingeben kann, müssen wir diese Wahrscheinlichkeit über die Gegenwahrscheinlichkeit berechnen:

P0.15n (X21) = 1 - P0.15n (X20) ≥ 0.9 |+ P0.15n (X20) - 0.9

0.1 ≥ P0.15n (X20) oder P0.15n (X20) ≤ 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 15% der Versuche mit einem Treffer. Also müssten dann doch bei 21 0.15 ≈ 140 Versuchen auch ungefähr 21 (≈0.15⋅140) Treffer auftreten.

Wir berechnen also mit unserem ersten n=140:
P0.15n (X20) ≈ 0.4638 (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=177 die gesuchte Wahrscheinlichkeit unter 0.1 ist.

n muss also mindestens 177 sein, damit P0.15n (X20) ≤ 0.1 oder eben P0.15n (X21) ≥ 0.9 gilt.

kumulierte Binomialverteilung

Beispiel:

Ein Würfel wird 37 mal geworfen. Wie groß ist die Wahrscheinlichkeit dass nicht öfter als 3 mal eine 6 (p=1/6) 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=37 und p= 1 6 .

P 1 6 37 (X3) = P 1 6 37 (X=0) + P 1 6 37 (X=1) + P 1 6 37 (X=2) + P 1 6 37 (X=3) = 0.1142773500729 ≈ 0.1143
(TI-Befehl: binomcdf(37,1/6,3))

Binomialvert. mit variablem p (diskret)

Beispiel:

In einer Urne sind 4 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 75% unter den 27 gezogenen Kugeln nicht mehr als 21 schwarze sind?

Lösung einblenden
pP(X≤21)
......
4 8 0.9992
5 9 0.9955
6 10 0.9845
7 11 0.9626
8 12 0.9281
9 13 0.8818
10 14 0.8264
11 15 0.7651
12 16 0.7011
......

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: Pp27 (X21) = 0.75 (oder mehr)

Wir wissen, dass der Nenner bei unserer Einzelwahrscheinlichkeit p immer um 4 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 Pp27 (X21) ('höchstens 21 Treffer bei 27 Versuchen') auswirkt (siehe Tabelle links)

Als Startwert wählen wir als p= 4 8 . (Durch Ausprobieren erkennt man, dass vorher die Wahrscheinlichkeit immer fast 1 ist)

In dieser Tabelle erkennen wir, dass letztmals bei der Einzelwahrscheinlichkeit p= 11 15 die gesuchte Wahrscheinlichkeit über 75% bleibt.
Die Anzahl der schwarzen Kugeln, die hinzugefügt wird, darf also höchstens 11 sein.

Binomialvert. mit variabl. p (höchstens) nur GTR

Beispiel:

Bei einem Zufallsexperiment ist die Wahrscheinlichkeit für einen Treffer unbekannt. Das Zufallsexperinment wird 89 mal wiederholt (bzw. die Stichprobe hat die Größe 89).
Wie hoch darf die Einzelwahrscheinlichkeit p höchstens sein, dass mit einer Wahrscheinlichkeit von mind. 80% höchstens 32 Treffer erzielt werden?

Lösung einblenden
pP(X≤k)
......
0.270.9759
0.280.9606
0.290.9386
0.30.9084
0.310.8691
0.320.8201
0.330.7617
......

Es muss gelten: Pp89 (X32) =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(89,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=0.32 die gesuchte Wahrscheinlichkeit über 0.8 ist.

Formel v. Bernoulli

Beispiel:

Bei einem Glücksrad ist die Wahrscheinlichkeit im grünen Bereich zu landen bei p=0,3. Wie groß ist die Wahrscheinlichkeit bei 89 Versuchen genau 35 mal im grünen Bereich zu landen?
(Bitte auf 4 Stellen nach dem Komma runden)

Lösung einblenden

Die Zufallsvariable X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=89 und p=0.3.

P0.389 (X=35) = ( 89 35 ) 0.335 0.754 =0.01495135958556≈ 0.015
(TI-Befehl: binompdf(89,0.3,35))

Binomialvert. Abstand vom Erwartungswert

Beispiel:

Ein Würfel wird 63 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=63⋅ 1 6 = 10.5

Die 20% Abweichung wären dann zwischen 80% von 10.5, also 0.8⋅ 10.5 = 8.4 und 120% von 10.5, also 1.2⋅ 10.5 = 12.6

Da die Trefferzahl ja nicht weiter von 10.5 entfernt sein darf als 8.4 bzw. 12.6, muss sie also zwischen 9 und 12 liegen.

P 1 6 63 (9X12) =

...
6
7
8
9
10
11
12
13
14
...

P 1 6 63 (X12) - P 1 6 63 (X8) ≈ 0.7569 - 0.2563 ≈ 0.5006
(TI-Befehl: binomcdf(63, 1 6 ,12) - binomcdf(63, 1 6 ,8))