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:

Die Firma Apple hat ein neues geniales Produkt, die iYacht, auf den Markt gebracht (wenn auch nicht ganz günstig). Die hierfür beauftragte Marketingagentur garantiert, dass unter denen, denen sie die Yacht vorgeführt hat, der Anteil der späteren Käufer bei 12% liegt. Wie vielen Personen muss nun dieses Produkt mindestens vorgeführt werden, damit sich mit mind. 90% Wahrscheinlichkeit, 29 oder mehr Käufer für dieses Produkt finden?

Lösung einblenden
nP(X≤k)
......
2920.1174
2930.1133
2940.1094
2950.1056
2960.1019
2970.0983
......

Die Zufallsgröße X gibt Anzahl der Käufer an und ist im Idealfall binomialverteilt mit p = 0.12 und variablem n.

Es muss gelten: P0.12n (X29) ≥ 0.9

Weil man ja aber P0.12n (X29) nicht in den WTR eingeben kann, müssen wir diese Wahrscheinlichkeit über die Gegenwahrscheinlichkeit berechnen:

P0.12n (X29) = 1 - P0.12n (X28) ≥ 0.9 |+ P0.12n (X28) - 0.9

0.1 ≥ P0.12n (X28) oder P0.12n (X28) ≤ 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 12% der Versuche mit einem Treffer. Also müssten dann doch bei 29 0.12 ≈ 242 Versuchen auch ungefähr 29 (≈0.12⋅242) Treffer auftreten.

Wir berechnen also mit unserem ersten n=242:
P0.12n (X28) ≈ 0.4674 (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=297 die gesuchte Wahrscheinlichkeit unter 0.1 ist.

n muss also mindestens 297 sein, damit P0.12n (X28) ≤ 0.1 oder eben P0.12n (X29) ≥ 0.9 gilt.

Binomialverteilung X ∈ [l;k]

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=0,35 entsteht. Es wird eine Stichprobe der Menge 40 entnommen. Wie groß ist die Wahrscheinlichkeit, dass die Anzahl der defekten Chips mindestens 17 und höchstens 18 beträgt?

Lösung einblenden

P0.3540 (17X18) =

...
14
15
16
17
18
19
20
...

P0.3540 (X18) - P0.3540 (X16) ≈ 0.9301 - 0.7978 ≈ 0.1323
(TI-Befehl: binomcdf(40,0.35,18) - binomcdf(40,0.35,16))

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 3 Bildern der Datenbank sind Mitglieder der Homepage-AG zu sehen. Es wird geschätzt, dass die Seite täglich 150 mal aufgerufen wird. Die Mitglieder der Homepage-AG wollen dass mit mindestens 80%-iger Wahrscheinlichkiet mindestens 10 mal am Tag eines ihrer eigenen 3 Bilder erscheint. Wie viele andere Bilder dürfen dann höchstens noch in der Datenbank sein?

Lösung einblenden
pP(X≥10)=1-P(X≤9)
......
3 19 0.9998
3 20 0.9995
3 21 0.9988
3 22 0.9977
3 23 0.9959
3 24 0.993
3 25 0.9889
3 26 0.9831
3 27 0.9756
3 28 0.9659
3 29 0.9541
3 30 0.94
3 31 0.9235
3 32 0.9048
3 33 0.8839
3 34 0.861
3 35 0.8364
3 36 0.8102
3 37 0.7827
......

Die Zufallsvariable X gibt die Anzahl der Bilder mit Homepage-AG-lern an. X ist binomialverteilt mit n=150 und unbekanntem Parameter p.

Es muss gelten: Pp150 (X10) = 1- Pp150 (X9) = 0.8 (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 Pp150 (X10) ('mindestens 10 Treffer bei 150 Versuchen') bei diesen Nennern wird (siehe Tabelle links)

Als Startwert wählen wir als p= 3 19 . (Durch Ausprobieren erkennt man, dass vorher die Wahrscheinlichkeit immer fast 1 ist)

In dieser Tabelle erkennen wir, dass letztmals bei der Einzelwahrscheinlichkeit p= 3 36 die gesuchte Wahrscheinlichkeit über 80% bleibt.
Der Nenner, also die Anzahl aller Bilder in der Datenbank, darf also höchstens 36 sein.

Also wären noch 33 zusätzliche Optionen (also weitere Bilder) zulässig.

Binomialvert. mit variabl. p (höchstens) nur GTR

Beispiel:

Ein Promi macht Urlaub in einem Ferienclub. Dort sind noch weitere 81 Gäste. Wie groß darf der Bekanntheitsgrad des Promis höchstens sein, dass ihn mit einer Wahrscheinlichkeit von mindestens 90% nicht mehr als 35 erkennen und dumm anlabern?

Lösung einblenden
pP(X≤k)
......
0.310.9926
0.320.9873
0.330.9792
0.340.9673
0.350.9504
0.360.9275
0.370.8975
......

Es muss gelten: Pp81 (X35) =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(81,X,35) - 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=0.36 die gesuchte Wahrscheinlichkeit über 0.9 ist.

kumulierte Binomialverteilung

Beispiel:

Eine Münze wird 59 mal geworfen. Wie groß ist die Wahrscheinlichkeit dass höchstens 26 mal "Zahl" (p=0,5) 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=59 und p=0.5.

P0.559 (X26) = P0.559 (X=0) + P0.559 (X=1) + P0.559 (X=2) +... + P0.559 (X=26) = 0.21749640256108 ≈ 0.2175
(TI-Befehl: binomcdf(59,0.5,26))

Wahrscheinlichkeit von σ-Intervall um μ

Beispiel:

Ein Basketballspieler hat eine Trefferquote von p=75%. Wie groß ist die Wahrscheinlichkeit dass bei 97 Versuchen die Anzahl seiner Treffer um nicht mehr als eine Standardabweichung von seinem Erwartungswert abweicht?

Lösung einblenden

Den Erwartungswert berechnet man mit μ = n⋅p = 97⋅0.75 ≈ 72.75,
die Standardabweichung mit σ = n p (1-p) = 97 0.75 0.25 ≈ 4.26

77.01 (72.75 + 4.26) und 68.49 (72.75 - 4.26) sind also jeweils eine Standardabweichung vom Erwartungswert μ = 72.75 entfernt.

Das bedeutet, dass genau die Zahlen zwischen 69 und 77 nicht mehr als eine Standardabweichung vom Erwartungswert entfernt sind.

Gesucht ist also die Wahrscheinlichkeit, dass die Trefferanzahl zwischen 69 und 77 liegt.

P0.7597 (69X77) =

...
66
67
68
69
70
71
72
73
74
75
76
77
78
79
...

P0.7597 (X77) - P0.7597 (X68) ≈ 0.8686 - 0.1593 ≈ 0.7093
(TI-Befehl: binomcdf(97,0.75,77) - binomcdf(97,0.75,68))