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:

Bei einem Zufallsexperiment beträgt die Wahrscheinlichkeit für einen Treffer p=0,75.
Wie oft darf man das Zufallsexperiment höchstens wiederholen (oder wie groß darf die Stichprobe sein), um mit mind. 90% Wahrscheinlichkeit, höchstens 36 Treffer zu erzielen ?

Lösung einblenden
nP(X≤k)
......
430.9388
440.8919
450.8275
460.7469
470.6542
480.5552
......

Die Zufallsgröße X gibt die Anzahl der Treffer an und ist im Idealfall binomialverteilt mit p = 0.75 und variablem n.

Es muss gelten: P0.75n (X36) ≥ 0.9

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 75% der Versuche mit einem Treffer. Also müssten dann doch bei 36 0.75 ≈ 48 Versuchen auch ungefähr 36 (≈0.75⋅48) Treffer auftreten.

Wir berechnen also mit unserem ersten n=48:
P0.75n (X36) ≈ 0.5552 (TI-Befehl: Binomialcdf ...)

Je nachdem, wie weit nun dieser Wert noch von den gesuchten 0.9 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 0.9 überschritten wird.

Aus der Werte-Tabelle (siehe links) erkennt man dann, dass letztmals bei n=43 die gesuchte Wahrscheinlichkeit über 90% ist.

kumulierte Binomialverteilung

Beispiel:

Ein Basketballspieler hat eine Trefferquote von 80%. Wie groß ist die Wahrscheinlichkeit dass er von 67 Versuchen nicht mehr als 47 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=67 und p=0.8.

P0.867 (X47) = P0.867 (X=0) + P0.867 (X=1) + P0.867 (X=2) +... + P0.867 (X=47) = 0.035695676326485 ≈ 0.0357
(TI-Befehl: binomcdf(67,0.8,47))

Binomialvert. mit variablem p (diskret)

Beispiel:

In einer Urne sind 3 rote und einige schwarze Kugeln. Es soll 13 mal mit Zurücklegen gezogen werden. Wie viele schwarze Kugeln müssen in der Urne mindestens sein, damit mit einer Wahrscheinlichkeit von mindestens 85% unter den 13 gezogenen Kugeln nicht mehr als 3 rote sind?

Lösung einblenden
pP(X≤3)
......
3 13 0.6485
3 14 0.7024
3 15 0.7473
3 16 0.7847
3 17 0.8159
3 18 0.8419
3 19 0.8637
......

Die Zufallsvariable X gibt die Anzahl der gezogenen Kugeln mit der Farbe rot an. X ist binomialverteilt mit n=13 und unbekanntem Parameter p.

Es muss gelten: Pp13 (X3) =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 Pp13 (X3) ('höchstens 3 Treffer bei 13 Versuchen') bei diesen Nennern wird (siehe Tabelle links)

Um einen günstigen Startwert zu finden wählen wir mal als p= 3 13 . Mit diesem p wäre ja 3= 3 13 ⋅13 der Erwartungswert und somit Pp13 (X3) irgendwo in der nähe von 50%. Wenn wir nun p= 3 13 mit 3 3 erweitern (so dass wir auf den Zähler 3 kommen) und den Nenner abrunden, müssten wir mit p= 3 13 einen brauchbaren Einstiegswert für dieses Probieren erhalten.

In dieser Tabelle erkennen wir, dass erstmals bei der Einzelwahrscheinlichkeit p= 3 19 die gesuchte Wahrscheinlichkeit über 85% steigt.
Der Nenner, also die Anzahl aller Kugeln, muss also mindestens 19 sein.

Also werden noch 16 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 78 mal wiederholt (bzw. die Stichprobe hat die Größe 78)
Wie hoch muss die Einzelwahrscheinlichkeit p mindestens sein, dass mit einer Wahrscheinlich von mind. 50% mindestens 63 Treffer erzielt werden?

Lösung einblenden
pP(X≥63)=1-P(X≤62)
......
0.750.1471
0.760.1984
0.770.2604
0.780.3326
0.790.4134
0.80.5001
......

Es muss gelten: Pp78 (X63) =0.5 (oder mehr)

oder eben: 1- Pp78 (X62) =0.5 (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(78,X,62) - 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=0.8 die gesuchte Wahrscheinlichkeit über 0.5 ist.

Binomialverteilung X>=k

Beispiel:

Ein Scherzkeks in einer Glückskeksfabrik backt in jeden achten Glückskeks eine scharfe Peperoni ein. Wie groß ist die Wahrscheinlichkeit, 16 oder mehr Glückskekse mit einer Peproni zu erwischen, wenn man 69 Glückskekse kauft?
(Bitte auf 4 Stellen nach dem Komma runden)

Lösung einblenden

...
13
14
15
16
17
18
...

P0.12569 (X16) = 1 - P0.12569 (X15) = 0.01
(TI-Befehl: 1-binomcdf(69,0.125,15))

Wahrscheinlichkeit von σ-Intervall um μ

Beispiel:

Ein Würfel wird 83 mal geworfen. Wie groß ist die Wahrscheinlichkeit, dass die Anzahl der gewürfelten 6er nicht mehr als eine Standardabweichung vom Erwartungswert abweicht?

Lösung einblenden

Den Erwartungswert berechnet man mit μ = n⋅p = 83⋅ 1 6 ≈ 13.83,
die Standardabweichung mit σ = n p (1-p) = 83 1 6 5 6 ≈ 3.4

17.23 (13.83 + 3.4) und 10.44 (13.83 - 3.4) sind also jeweils eine Standardabweichung vom Erwartungswert μ = 13.83 entfernt.

Das bedeutet, dass genau die Zahlen zwischen 11 und 17 nicht mehr als eine Standardabweichung vom Erwartungswert entfernt sind.

Gesucht ist also die Wahrscheinlichkeit, dass die Trefferanzahl zwischen 11 und 17 liegt.

P 1 6 83 (11X17) =

...
8
9
10
11
12
13
14
15
16
17
18
19
...

P 1 6 83 (X17) - P 1 6 83 (X10) ≈ 0.8592 - 0.1631 ≈ 0.6961
(TI-Befehl: binomcdf(83, 1 6 ,17) - binomcdf(83, 1 6 ,10))