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=0,2. Wie viele Aufgaben kann ein Schüler höchstens machen, damit er mit einer Wahrscheinlichkeit von 80% maximal 22 dieser Fehler begeht?

Lösung einblenden
nP(X≤k)
......
960.8023
970.7872
980.7716
990.7555
1000.7389
1010.722
1020.7046
1030.6869
1040.6689
1050.6506
1060.6321
1070.6134
1080.5946
1090.5757
1100.5567
......

Die Zufallsgröße X gibt Anzahl der begangenen GeSchwa-Fehler an und ist im Idealfall binomialverteilt mit p = 0.2 und variablem n.

Es muss gelten: P0.2n (X22) ≥ 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 20% der Versuche mit einem Treffer. Also müssten dann doch bei 22 0.2 ≈ 110 Versuchen auch ungefähr 22 (≈0.2⋅110) Treffer auftreten.

Wir berechnen also mit unserem ersten n=110:
P0.2n (X22) ≈ 0.5567 (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=96 die gesuchte Wahrscheinlichkeit über 80% ist.

Binomialverteilung X>=k

Beispiel:

Ein Zufallsexperiment wird 39 mal wiederholt. Jedesmal beträgt die Wahrscheinlichkeit für einen Treffer p=0,4.
Wie groß ist dabei die Wahrscheinlichkeit, mindestens 12 Treffer zu erzielen?

(Bitte auf 4 Stellen nach dem Komma runden)

Lösung einblenden

...
9
10
11
12
13
14
...

P0.439 (X12) = 1 - P0.439 (X11) = 0.9118
(TI-Befehl: 1-binomcdf(39,0.4,11))

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 60 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 9 0.9988
3 10 0.9941
3 11 0.9811
3 12 0.9548
3 13 0.9129
3 14 0.8558
3 15 0.7868
......

Die Zufallsvariable X gibt die Anzahl der Bilder mit Homepage-AG-lern an. X ist binomialverteilt mit n=60 und unbekanntem Parameter p.

Es muss gelten: Pp60 (X10) = 1- Pp60 (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 Pp60 (X10) ('mindestens 10 Treffer bei 60 Versuchen') bei diesen Nennern wird (siehe Tabelle links)

Als Startwert wählen wir als p= 3 9 . (Durch Ausprobieren erkennt man, dass vorher die Wahrscheinlichkeit immer fast 1 ist)

In dieser Tabelle erkennen wir, dass letztmals bei der Einzelwahrscheinlichkeit p= 3 14 die gesuchte Wahrscheinlichkeit über 80% bleibt.
Der Nenner, also die Anzahl aller Bilder in der Datenbank, darf also höchstens 14 sein.

Also wären noch 11 zusätzliche Optionen (also weitere Bilder) zulässig.

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

Beispiel:

Bei einem Zufallsexperiment ist die Wahrscheinlichkeit für einen Treffer unbekannt. Das Zufallsexperinment wird 59 mal wiederholt (bzw. die Stichprobe hat die Größe 59)
Wie hoch muss die Einzelwahrscheinlichkeit p mindestens sein, dass mit einer Wahrscheinlich von mind. 60% mindestens 34 Treffer erzielt werden?

Lösung einblenden
pP(X≥34)=1-P(X≤33)
......
0.540.3354
0.550.3935
0.560.4541
0.570.5161
0.580.5779
0.590.6381
......

Es muss gelten: Pp59 (X34) =0.6 (oder mehr)

oder eben: 1- Pp59 (X33) =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(59,X,33) - 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=0.59 die gesuchte Wahrscheinlichkeit über 0.6 ist.

Binomialverteilung X ∈ [l;k]

Beispiel:

Bei einem Glücksrad ist die Wahrscheinlichkeit im grünen Bereich zu landen bei p=0,3. Wie groß ist die Wahrscheinlichkeit bei 90 Versuchen, mehr als 19 mal und höchstens 33 mal im grünen Bereich zu landen?

Lösung einblenden

P0.390 (20X33) =

...
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
...

P0.390 (X33) - P0.390 (X19) ≈ 0.9305 - 0.039 ≈ 0.8915
(TI-Befehl: binomcdf(90,0.3,33) - binomcdf(90,0.3,19))

Wahrscheinlichkeit von σ-Intervall um μ

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=0,4 entsteht. Es wird eine Stichprobe der Menge 71 entnommen. Wie groß ist die Wahrscheinlichkeit, dass die Anzahl der defekten Chips um nicht mehr als eine Standardabweichung vom Erwartungswert abweicht?

Lösung einblenden

Den Erwartungswert berechnet man mit μ = n⋅p = 71⋅0.4 ≈ 28.4,
die Standardabweichung mit σ = n p (1-p) = 71 0.4 0.6 ≈ 4.13

32.53 (28.4 + 4.13) und 24.27 (28.4 - 4.13) sind also jeweils eine Standardabweichung vom Erwartungswert μ = 28.4 entfernt.

Das bedeutet, dass genau die Zahlen zwischen 25 und 32 nicht mehr als eine Standardabweichung vom Erwartungswert entfernt sind.

Gesucht ist also die Wahrscheinlichkeit, dass die Trefferanzahl zwischen 25 und 32 liegt.

P0.471 (25X32) =

...
22
23
24
25
26
27
28
29
30
31
32
33
34
...

P0.471 (X32) - P0.471 (X24) ≈ 0.8397 - 0.1726 ≈ 0.6671
(TI-Befehl: binomcdf(71,0.4,32) - binomcdf(71,0.4,24))