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:
In einer Urne ist der Anteil der grünen Kugeln 40%. Wie oft darf höchstens gezogen werden ( - natürlich mit Zurücklegen - ), so dass mit mind. 50% Wahrscheinlichkeit nicht mehr als 37 grüne Kugeln gezogen werden?
| n | P(X≤k) |
|---|---|
| ... | ... |
| 93 | 0.5281 |
| 94 | 0.4944 |
| ... | ... |
Die Zufallsgröße X gibt Anzahl der gezogenen grünen Kugeln an und ist im Idealfall binomialverteilt mit p = 0.4 und variablem n.
Es muss gelten: ≥ 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 40% der Versuche mit einem Treffer. Also müssten dann doch bei ≈ 93 Versuchen auch ungefähr 37 (≈0.4⋅93) Treffer auftreten.
Wir berechnen also mit unserem ersten n=93:
≈ 0.5281
(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 letztmals bei n=93 die gesuchte Wahrscheinlichkeit über 50% ist.
kumulierte Binomialverteilung
Beispiel:
Ein Basketballspieler hat eine Trefferquote von 50%. Wie groß ist die Wahrscheinlichkeit dass er von 21 Versuchen nicht mehr als 13 trifft?
(Bitte auf 4 Stellen nach dem Komma runden)
Die Zufallsvariable X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=21 und p=0.5.
= + + +... + = 0.90537643432617 ≈ 0.9054(TI-Befehl: binomcdf(21,0.5,13))
Binomialvert. mit variablem p (diskret)
Beispiel:
In einer Urne sind 4 rote und einige schwarze Kugeln. Es soll 18 mal mit Zurücklegen gezogen werden. Wie viele schwarze Kugeln müssen in der Urne mindestens sein, damit mit einer Wahrscheinlichkeit von mindestens 85% unter den 18 gezogenen Kugeln nicht mehr als 6 rote sind?
| p | P(X≤6) |
|---|---|
| ... | ... |
| 0.6085 | |
| 0.6966 | |
| 0.7661 | |
| 0.8198 | |
| 0.861 | |
| ... | ... |
Die Zufallsvariable X gibt die Anzahl der gezogenen Kugeln mit der Farbe rot an. X ist binomialverteilt mit n=18 und unbekanntem Parameter p.
Es muss gelten: =0.85 (oder mehr)
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 ('höchstens 6 Treffer bei 18 Versuchen') bei diesen Nennern wird (siehe Tabelle links)
Um einen günstigen Startwert zu finden wählen wir mal als p=. Mit diesem p wäre ja 6=⋅18 der Erwartungswert und somit irgendwo in der nähe von 50%. Wenn wir nun p= mit erweitern (so dass wir auf den Zähler 4 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
16 sein.
Also werden noch 12 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 57 mal wiederholt (bzw. die Stichprobe hat die Größe 57)
Wie hoch muss die Einzelwahrscheinlichkeit p mindestens sein, dass mit einer Wahrscheinlich von mind. 90% mindestens 38 Treffer erzielt werden?
| p | P(X≥38)=1-P(X≤37) |
|---|---|
| ... | ... |
| 0.69 | 0.7043 |
| 0.7 | 0.7591 |
| 0.71 | 0.8084 |
| 0.72 | 0.8516 |
| 0.73 | 0.8882 |
| 0.74 | 0.9183 |
| ... | ... |
Es muss gelten: =0.9 (oder mehr)
oder eben: 1- =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=1-binomcdf(57,X,37) - 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=0.74 die gesuchte Wahrscheinlichkeit über 0.9 ist.
Binomialverteilung X ∈ [l;k]
Beispiel:
Ein partystarker Schüler muss einen Mulitple Choice Test ablegen, von dem er keinen blassen Schimmer hat. Deswegen rät er einfach bei jeder der 95 Aufgaben munter drauf los, welche der vier Antworten wohl richtig sein könnte. Wie groß ist die Wahrscheinlichkeit, dass er so mindestens 15, aber weniger als 33 Fragen richtig beantwortet hat?
=
(TI-Befehl: binomcdf(95,0.25,32) - binomcdf(95,0.25,14))
Binomialvert. Abstand vom Erwartungswert
Beispiel:
Ein Basketballspieler hat eine Trefferquote von p=70%. Wie groß ist die Wahrscheinlichkeit dass er bei 67 Versuchen nicht mehr als 20% von seinem Erwartungswert abweicht?
Den Erwartungswert berechnet man als E=n⋅p=67⋅0.7 = 46.9
Die 20% Abweichung wären dann zwischen 80% von 46.9, also 0.8⋅ 46.9 = 37.52 und 120% von 46.9, also 1.2⋅ 46.9 = 56.28
Da die Trefferzahl ja nicht weiter von 46.9 entfernt sein darf als 37.52 bzw. 56.28, muss sie also zwischen 38 und 56 liegen.
=
(TI-Befehl: binomcdf(67,0.7,56) - binomcdf(67,0.7,37))
