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:

Wie oft darf man mit einem normalen Würfel höchstens würfeln, um mit einer Wahrscheinlichkeit von 90% nicht mehr als 32 6er zu würfeln?

Lösung einblenden
nP(X≤k)
......
1580.9035
1590.8969
1600.8901
1610.883
1620.8756
1630.8679
1640.8599
1650.8516
1660.8431
1670.8342
1680.8252
1690.8158
1700.8062
1710.7963
1720.7862
1730.7758
1740.7652
1750.7544
1760.7433
1770.7321
1780.7207
1790.709
1800.6972
1810.6853
1820.6732
1830.661
1840.6486
1850.6362
1860.6236
1870.611
1880.5983
1890.5855
1900.5727
1910.5599
1920.547
......

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 (X32) ≥ 0.9

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 32 1 6 ≈ 192 Versuchen auch ungefähr 32 (≈ 1 6 ⋅192) Treffer auftreten.

Wir berechnen also mit unserem ersten n=192:
P 1 6 n (X32) ≈ 0.547 (TI-Befehl: Binomialcdf ...)

Je nachdem, wie weit nun dieser Wert noch von den gesuchten 0.9 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 0.9 überschritten wird.

Aus der Werte-Tabelle (siehe links) erkennt man dann, dass letztmals bei n=158 die gesuchte Wahrscheinlichkeit über 90% 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=0,23 entsteht. Es wird eine Stichprobe der Menge 31 entnommen. Wie groß ist die Wahrscheinlichkeit, dass davon nicht mehr als 9 defekte Chips enthalten sind.
(Bitte auf 4 Stellen nach dem Komma runden)

Lösung einblenden

Die Zufallsvariable X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=31 und p=0.23.

P0.2331 (X9) = P0.2331 (X=0) + P0.2331 (X=1) + P0.2331 (X=2) +... + P0.2331 (X=9) = 0.844447273096 ≈ 0.8444
(TI-Befehl: binomcdf(31,0.23,9))

Binomialvert. mit variablem p (diskret)

Beispiel:

In einer Urne sind 5 rote und einige schwarze Kugeln. Es soll 26 mal mit Zurücklegen gezogen werden. Wie viele schwarze Kugeln dürfen in der Urne höchstens sein, damit mit einer Wahrscheinlichkeit von mindestens 70% unter den 26 gezogenen Kugeln nicht mehr als 21 schwarze sind?

Lösung einblenden
pP(X≤21)
......
5 10 0.9997
6 11 0.9987
7 12 0.9959
8 13 0.9899
9 14 0.9796
10 15 0.9642
11 16 0.9435
12 17 0.9175
13 18 0.887
14 19 0.8527
15 20 0.8156
16 21 0.7766
17 22 0.7366
18 23 0.6961
......

Die Zufallsvariable X gibt die Anzahl der gezogenen Kugeln mit der Farbe schwarz an. X ist binomialverteilt mit n=26 und unbekanntem Parameter p.

Es muss gelten: Pp26 (X21) = 0.7 (oder mehr)

Wir wissen, dass der Nenner bei unserer Einzelwahrscheinlichkeit p immer um 5 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 Pp26 (X21) ('höchstens 21 Treffer bei 26 Versuchen') auswirkt (siehe Tabelle links)

Als Startwert wählen wir als p= 5 10 . (Durch Ausprobieren erkennt man, dass vorher die Wahrscheinlichkeit immer fast 1 ist)

In dieser Tabelle erkennen wir, dass letztmals bei der Einzelwahrscheinlichkeit p= 17 22 die gesuchte Wahrscheinlichkeit über 70% bleibt.
Die Anzahl der schwarzen Kugeln, die hinzugefügt wird, darf also höchstens 17 sein.

Binomialvert. mit variabl. p (höchstens) nur GTR

Beispiel:

Eine Fluggesellschaft hat 46 Plätze in ihrem Flugzeug. Trotzdem werden 69 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)
......
0.540.988
0.550.9818
0.560.9729
0.570.9608
0.580.9445
0.590.9232
0.60.896
......

Es muss gelten: Pp69 (X46) =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(69,X,46) - 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=0.59 die gesuchte Wahrscheinlichkeit über 0.9 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 7 Glückskekse mit einer Peproni zu erwischen, wenn man 40 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=40 und p= 1 8 .

P 1 8 40 (X7) = P 1 8 40 (X=0) + P 1 8 40 (X=1) + P 1 8 40 (X=2) +... + P 1 8 40 (X=7) = 0.88092751127805 ≈ 0.8809
(TI-Befehl: binomcdf(40,1/8,7))

Erwartungswert, Standardabweichung best.

Beispiel:

Eine Zufallsgröße ist binomialverteilt mit den Parametern n = 66 und p = 0.3
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 = 66 und p = 0.3 einsetzen muss:

Erwartungswert E(X) = n ⋅ p = 66 ⋅ 0.3 = 19.8

Standardabweichung S(X) = n ⋅ p ⋅ (1-p) = 66 ⋅ 0.3 ⋅ 0.7 = 13.86 3.72