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:
Wie oft muss man mit einem normalen Würfel mindestens würfeln, um mit einer Wahrscheinlichkeit von mindestens 80% 29 oder mehr 6er zu erzielen?
| n | P(X≤k) |
|---|---|
| ... | ... |
| 193 | 0.2428 |
| 194 | 0.2331 |
| 195 | 0.2237 |
| 196 | 0.2145 |
| 197 | 0.2056 |
| 198 | 0.1969 |
| ... | ... |
Die Zufallsgröße X gibt Anzahl der gewürfelten 6er an und ist im Idealfall binomialverteilt mit p = und variablem n.
Es muss gelten: ≥ 0.8
Weil man ja aber nicht in den WTR eingeben kann, müssen wir diese Wahrscheinlichkeit über die Gegenwahrscheinlichkeit berechnen:
= 1 - ≥ 0.8 |+ - 0.8
0.2 ≥ oder ≤ 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 der Versuche mit einem Treffer.
Also müssten dann doch bei ≈ 174 Versuchen auch ungefähr 29
(≈
Wir berechnen also mit unserem ersten n=174:
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=198 die gesuchte Wahrscheinlichkeit unter 0.2 ist.
n muss also mindestens 198 sein, damit
kumulierte Binomialverteilung
Beispiel:
Ein Basketballspieler hat eine Trefferquote von 30%. Wie groß ist die Wahrscheinlichkeit dass er von 67 Versuchen nicht mehr als 26 trifft?
(Bitte auf 4 Stellen nach dem Komma runden)
Die Zufallsvariable X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=67 und p=0.3.
(TI-Befehl: binomcdf(67,0.3,26))
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 4 Bildern der Datenbank sind Mitglieder der Homepage-AG zu sehen. Es wird geschätzt, dass die Seite täglich 90 mal aufgerufen wird. Die Mitglieder der Homepage-AG wollen dass mit mindestens 90%-iger Wahrscheinlichkiet mindestens 10 mal am Tag eines ihrer eigenen 4 Bilder erscheint. Wie viele andere Bilder dürfen dann höchstens noch in der Datenbank sein?
| p | P(X≥10)=1-P(X≤9) |
|---|---|
| ... | ... |
| 0.9997 | |
| 0.9991 | |
| 0.9979 | |
| 0.9955 | |
| 0.9914 | |
| 0.9849 | |
| 0.9756 | |
| 0.9629 | |
| 0.9466 | |
| 0.9264 | |
| 0.9025 | |
| 0.8752 | |
| ... | ... |
Die Zufallsvariable X gibt die Anzahl der Bilder mit Homepage-AG-lern an. X ist binomialverteilt mit n=90 und unbekanntem Parameter p.
Es muss gelten:
Wir wissen, dass der Zähler bei unserer Einzelwahrscheinlichkeit p 4 sein muss, da es ja genau 4 günstige Fälle gibt.
Wir müssen nun bei verschiedenen Nennern untersuchen, wie hoch die gesuchte Wahrscheinlichkeit
Als Startwert wählen wir als p=
In dieser Tabelle erkennen wir, dass letztmals bei der Einzelwahrscheinlichkeit p=
Der Nenner, also die Anzahl aller Bilder in der Datenbank, darf also höchstens
26 sein.
Also wären noch 22 zusätzliche Optionen (also weitere Bilder) zulässig.
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 84 Stück nur an, wenn nicht mehr als 79 Teile defekt sind. Wie hoch darf der Prozentsatz der fehlerhaften Teile höchstens sein, dass eine Lieferung mit einer Wahrscheinlichkeit von mind. 90% angenommen werden.
| p | P(X≤k) |
|---|---|
| ... | ... |
| 0.85 | 0.997 |
| 0.86 | 0.9941 |
| 0.87 | 0.9886 |
| 0.88 | 0.9786 |
| 0.89 | 0.961 |
| 0.9 | 0.9315 |
| 0.91 | 0.8839 |
| ... | ... |
Es muss gelten:
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(84,X,79) - 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=0.9 die gesuchte Wahrscheinlichkeit über 0.9 ist.
Formel v. Bernoulli
Beispiel:
Ein Würfel wird 38 mal geworfen. Wie groß ist die Wahrscheinlichkeit dass genau 6 mal eine 6 (p=1/6) geworfen wird?
(Bitte auf 4 Stellen nach dem Komma runden)
Die Zufallsvariable X gibt die Anzahl der Treffer an.
X ist binomialverteilt mit n=38 und p=
(TI-Befehl: binompdf(38,1/6,6))
Binomialvert. Abstand vom Erwartungswert
Beispiel:
Ein Würfel wird 81 mal geworfen. Wie groß ist die Wahrscheinlichkeit, dass die Anzahl der gewürfelten 6er nicht mehr als 20% vom Erwartungswert abweicht?
Den Erwartungswert berechnet man als E=n⋅p=81⋅
Die 20% Abweichung wären dann zwischen 80% von 13.5, also 0.8⋅ 13.5 = 10.8 und 120% von 13.5, also 1.2⋅ 13.5 = 16.2
Da die Trefferzahl ja nicht weiter von 13.5 entfernt sein darf als 10.8 bzw. 16.2, muss sie also zwischen 11 und 16 liegen.
(TI-Befehl: binomcdf(81,
