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 40% mit einer Konfettiexplosion. Wie viele Versuche muss er mindestens machen, damit er mit einer Wahrscheinlichkeit von mindestens 50% mindestens 37 Nasen hat.
| n | P(X≤k) |
|---|---|
| ... | ... |
| 60 | 0.5489 |
| 61 | 0.4861 |
| 62 | 0.4248 |
| ... | ... |
Die Zufallsgröße X gibt die Anzahl der geglückten Nasen-Zauberversuche an und ist im Idealfall binomialverteilt mit p = 0.6 und variablem n.
Es muss gelten: ≥ 0.5
Weil man ja aber nicht in den WTR eingeben kann, müssen wir diese Wahrscheinlichkeit über die Gegenwahrscheinlichkeit berechnen:
= 1 - ≥ 0.5 |+ - 0.5
0.5 ≥ oder ≤ 0.5
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 60% der Versuche mit einem Treffer. Also müssten dann doch bei ≈ 62 Versuchen auch ungefähr 37 (≈0.6⋅62) Treffer auftreten.
Wir berechnen also mit unserem ersten n=62:
≈ 0.4248
(TI-Befehl: Binomialcdf ...)
Je nachdem, wie weit nun dieser Wert noch von den gesuchten 0.5 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 0.5 überschritten wird.
Aus der Werte-Tabelle (siehe links) erkennt man dann, dass erstmals bei n=61 die gesuchte Wahrscheinlichkeit unter 0.5 ist.
n muss also mindestens 61 sein, damit ≤ 0.5 oder eben ≥ 0.5 gilt.
Formel v. Bernoulli
Beispiel:
Bei einem Glücksrad ist die Wahrscheinlichkeit im grünen Bereich zu landen bei p=0,1. Wie groß ist die Wahrscheinlichkeit bei 56 Versuchen genau 10 mal im grünen Bereich zu landen?
(Bitte auf 4 Stellen nach dem Komma runden)
Die Zufallsvariable X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=56 und p=0.1.
= =0.027969934327602≈ 0.028(TI-Befehl: binompdf(56,0.1,10))
Binomialvert. mit variablem p (diskret)
Beispiel:
In einer Urne sind 3 rote und einige schwarze Kugeln. Es soll 20 mal mit Zurücklegen gezogen werden. Wie viele schwarze Kugeln müssen in der Urne mindestens sein, damit mit einer Wahrscheinlichkeit von mindestens 85% unter den 20 gezogenen Kugeln nicht mehr als 3 rote sind?
| p | P(X≤3) |
|---|---|
| ... | ... |
| 0.6477 | |
| 0.6822 | |
| 0.7131 | |
| 0.7407 | |
| 0.7653 | |
| 0.7873 | |
| 0.807 | |
| 0.8246 | |
| 0.8403 | |
| 0.8544 | |
| ... | ... |
Die Zufallsvariable X gibt die Anzahl der gezogenen Kugeln mit der Farbe rot an. X ist binomialverteilt mit n=20 und unbekanntem Parameter p.
Es muss gelten: =0.85 (oder mehr)
Wir wissen, dass der Zähler bei unserer Einzelwahrscheinlichkeit p 3 sein muss, da es ja genau 3 günstige Fälle gibt.
Wir müssen nun bei verschiedenen Nennern untersuchen, wie hoch die gesuchte Wahrscheinlichkeit ('höchstens 3 Treffer bei 20 Versuchen') bei diesen Nennern wird (siehe Tabelle links)
Um einen günstigen Startwert zu finden wählen wir mal als p=. Mit diesem p wäre ja 3=⋅20 der Erwartungswert und somit irgendwo in der nähe von 50%. Wenn wir nun p= mit erweitern (so dass wir auf den Zähler 3 kommen) und den Nenner abrunden, müssten wir mit p= einen brauchbaren Einstiegswert für dieses Probieren erhalten.
In dieser Tabelle erkennen wir, dass erstmals bei der Einzelwahrscheinlichkeit p= die gesuchte
Wahrscheinlichkeit über 85% steigt.
Der Nenner, also die Anzahl aller Kugeln, muss also mindestens
29 sein.
Also werden noch 26 zusätzliche Optionen (also schwarze Kugeln) benötigt.
Binomialvert. mit variabl. p (mind.) nur GTR
Beispiel:
Bei einem Zufallsexperiment ist die Wahrscheinlichkeit für einen Treffer unbekannt. Das Zufallsexperinment wird 100 mal wiederholt (bzw. die Stichprobe hat die Größe 100)
Wie hoch muss die Einzelwahrscheinlichkeit p mindestens sein, dass mit einer Wahrscheinlich von mind. 60% mindestens 75 Treffer erzielt werden?
| p | P(X≥75)=1-P(X≤74) |
|---|---|
| ... | ... |
| 0.71 | 0.2222 |
| 0.72 | 0.2929 |
| 0.73 | 0.3737 |
| 0.74 | 0.4619 |
| 0.75 | 0.5535 |
| 0.76 | 0.6439 |
| ... | ... |
Es muss gelten: =0.6 (oder mehr)
oder eben: 1- =0.6 (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(100,X,74) - 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=0.76 die gesuchte Wahrscheinlichkeit über 0.6 ist.
kumulierte Binomialverteilung
Beispiel:
Ein Zufallsexperiment wird 76 mal wiederholt. Jedesmal beträgt die Wahrscheinlichkeit für einen Treffer p= 0,1.
Wie groß ist dabei die Wahrscheinlichkeit, höchstens 9 Treffer zu erzielen?
(Bitte auf 4 Stellen nach dem Komma runden)
Die Zufallsvariable X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=76 und p=0.1.
= + + +... + = 0.77376607394789 ≈ 0.7738(TI-Befehl: binomcdf(76,0.1,9))
Erwartungswert, Standardabweichung best.
Beispiel:
Eine Zufallsgröße ist binomialverteilt mit den Parametern n = 82 und p = 0.75
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 = 82 und p = 0.75 einsetzen muss:
Erwartungswert E(X) = n ⋅ p = 82 ⋅ 0.75 = 61.5
Standardabweichung S(X) = = = ≈ 3.92
