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:

Im einem Mathekurs beträgt die Wahrscheinlichkeit, dass ein klassischer GeSchwa-Fehler begangen wird, p=0,6. Wie viele Aufgaben kann ein Schüler höchstens machen, damit er mit einer Wahrscheinlichkeit von 80% maximal 23 dieser Fehler begeht?

Lösung einblenden
nP(X≤k)
......
350.8048
360.7385
370.665
380.5873
......

Die Zufallsgröße X gibt Anzahl der begangenen GeSchwa-Fehler an und ist im Idealfall binomialverteilt mit p = 0.6 und variablem n.

Es muss gelten: P0.6n (X23) ≥ 0.8

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 23 0.6 ≈ 38 Versuchen auch ungefähr 23 (≈0.6⋅38) Treffer auftreten.

Wir berechnen also mit unserem ersten n=38:
P0.6n (X23) ≈ 0.5873 (TI-Befehl: Binomialcdf ...)

Je nachdem, wie weit nun dieser Wert noch von den gesuchten 0.8 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 0.8 überschritten wird.

Aus der Werte-Tabelle (siehe links) erkennt man dann, dass letztmals bei n=35 die gesuchte Wahrscheinlichkeit über 80% ist.

Binomialverteilung X ∈ [l;k]

Beispiel:

Ein Zufallsexperiment wird 59 mal wiederholt. Jedesmal beträgt die Wahrscheinlichkeit für einen Treffer p=0,3.
Wie groß ist dabei die Wahrscheinlichkeit, mindestens 18, aber höchstens 20 Treffer zu erzielen?

Lösung einblenden

P0.359 (18X20) =

...
15
16
17
18
19
20
21
22
...

P0.359 (X20) - P0.359 (X17) ≈ 0.7888 - 0.485 ≈ 0.3038
(TI-Befehl: binomcdf(59,0.3,20) - binomcdf(59,0.3,17))

Binomialvert. mit variablem p (diskret)

Beispiel:

Eine Schulklasse möchte fürs Schulfest ein Glücksrad entwickeln. Aus optischen Gründen sollen dabei alle Sektoren gleich groß sein. Einer davon soll für den Hauptpreis stehen. Hierfür haben sie insgesamt 6 Preise gesammelt. Sie erwarten, dass das Glücksrad beim Schulfest 55 mal gespielt wird. Mit wie vielen Sektoren müssen sie ihr Glückrad mindestens bestücken damit die 6 Hauptpreise mit einer Wahrscheinlichkeit von mindestens 90% für die 55 Durchgänge reichen?

Lösung einblenden
pP(X≤6)
......
1 9 0.5876
1 10 0.6904
1 11 0.7694
1 12 0.8286
1 13 0.8723
1 14 0.9044
......

Die Zufallsvariable X gibt die Anzahl der Hauptpreise an. X ist binomialverteilt mit n=55 und unbekanntem Parameter p.

Es muss gelten: Pp55 (X6) =0.9 (oder mehr)

Wir wissen, dass der Zähler bei unserer Einzelwahrscheinlichkeit p 1 sein muss, da es ja genau einen günstigen Fall gibt.

Wir müssen nun bei verschiedenen Nennern untersuchen, wie hoch die gesuchte Wahrscheinlichkeit Pp55 (X6) ('höchstens 6 Treffer bei 55 Versuchen') bei diesen Nennern wird (siehe Tabelle links)

Um einen günstigen Startwert zu finden wählen wir mal als p= 6 55 . Mit diesem p wäre ja 6= 6 55 ⋅55 der Erwartungswert und somit Pp55 (X6) irgendwo in der nähe von 50%. Wenn wir nun p= 6 55 mit 1 6 erweitern (so dass wir auf den Zähler 1 kommen) und den Nenner abrunden, müssten wir mit p= 1 9 einen brauchbaren Einstiegswert für dieses Probieren erhalten.

In dieser Tabelle erkennen wir, dass erstmals bei der Einzelwahrscheinlichkeit p= 1 14 die gesuchte Wahrscheinlichkeit über 90% steigt.
Der Nenner, also die Anzahl der Sektoren des Glücksrad, muss also mindestens 14 sein.

Binomialvert. mit variabl. p (mind.) nur GTR

Beispiel:

Ein Basketballtrainer sucht einen neuen Spieler, der mit 80% Wahrscheinlichkeit von 51 Freiwürfen mindestens 23 mal trifft. Welche Trefferquote braucht solch ein Spieler mindestens?

Lösung einblenden
pP(X≥23)=1-P(X≤22)
......
0.460.6048
0.470.6589
0.480.7099
0.490.7569
0.50.7995
0.510.8372
......

Es muss gelten: Pp51 (X23) =0.8 (oder mehr)

oder eben: 1- Pp51 (X22) =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=1-binomcdf(51,X,22) - 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=0.51 die gesuchte Wahrscheinlichkeit über 0.8 ist.

kumulierte Binomialverteilung

Beispiel:

Ein Basketballspieler hat eine Trefferquote von 15%. Wie groß ist die Wahrscheinlichkeit dass er von 74 Versuchen nicht mehr als 18 trifft?
(Bitte auf 4 Stellen nach dem Komma runden)

Lösung einblenden

Die Zufallsvariable X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=74 und p=0.15.

P0.1574 (X18) = P0.1574 (X=0) + P0.1574 (X=1) + P0.1574 (X=2) +... + P0.1574 (X=18) = 0.98842420451138 ≈ 0.9884
(TI-Befehl: binomcdf(74,0.15,18))

Binomialvert. Abstand vom Erwartungswert

Beispiel:

Bei einem Glücksrad ist die Wahrscheinlichkeit im grünen Bereich zu landen bei p=0,3. Wie groß ist die Wahrscheinlichkeit bei 42 Versuchen, dass die Anzahl der Treffer im grünen Bereich nicht mehr als 20% vom Erwartungswert abweicht?

Lösung einblenden

Den Erwartungswert berechnet man als E=n⋅p=42⋅0.3 = 12.6

Die 20% Abweichung wären dann zwischen 80% von 12.6, also 0.8⋅ 12.6 = 10.08 und 120% von 12.6, also 1.2⋅ 12.6 = 15.12

Da die Trefferzahl ja nicht weiter von 12.6 entfernt sein darf als 10.08 bzw. 15.12, muss sie also zwischen 11 und 15 liegen.

P0.342 (11X15) =

...
8
9
10
11
12
13
14
15
16
17
...

P0.342 (X15) - P0.342 (X10) ≈ 0.836 - 0.2436 ≈ 0.5924
(TI-Befehl: binomcdf(42,0.3,15) - binomcdf(42,0.3,10))