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:
In einer Urne ist der Anteil der grünen Kugeln 45%. Wie oft muss mindestens gezogen werden ( - natürlich mit Zurücklegen - ), so dass mit mind. 70% Wahrscheinlichkeit 39 oder mehr grüne Kugeln gezogen werden?
| n | P(X≤k) |
|---|---|
| ... | ... |
| 87 | 0.4458 |
| 88 | 0.4082 |
| 89 | 0.3719 |
| 90 | 0.3371 |
| 91 | 0.3039 |
| 92 | 0.2725 |
| ... | ... |
Die Zufallsgröße X gibt Anzahl der gezogenen grünen Kugeln an und ist im Idealfall binomialverteilt mit p = 0.45 und variablem n.
Es muss gelten: ≥ 0.7
Weil man ja aber nicht in den WTR eingeben kann, müssen wir diese Wahrscheinlichkeit über die Gegenwahrscheinlichkeit berechnen:
= 1 - ≥ 0.7 |+ - 0.7
0.3 ≥ oder ≤ 0.3
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 45% der Versuche mit einem Treffer. Also müssten dann doch bei ≈ 87 Versuchen auch ungefähr 39 (≈0.45⋅87) Treffer auftreten.
Wir berechnen also mit unserem ersten n=87:
≈ 0.4458
(TI-Befehl: Binomialcdf ...)
Je nachdem, wie weit nun dieser Wert noch von den gesuchten 0.3 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 0.3 überschritten wird.
Aus der Werte-Tabelle (siehe links) erkennt man dann, dass erstmals bei n=92 die gesuchte Wahrscheinlichkeit unter 0.3 ist.
n muss also mindestens 92 sein, damit ≤ 0.3 oder eben ≥ 0.7 gilt.
kumulierte Binomialverteilung
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=0,15 entsteht. Es wird eine Stichprobe der Menge 61 entnommen. Wie groß ist die Wahrscheinlichkeit, dass davon nicht mehr als 6 defekte Chips enthalten sind.
(Bitte auf 4 Stellen nach dem Komma runden)
Die Zufallsvariable X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=61 und p=0.15.
= + + +... + = 0.17163489361936 ≈ 0.1716(TI-Befehl: binomcdf(61,0.15,6))
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 7 Preise gesammelt. Sie erwarten, dass das Glücksrad beim Schulfest 85 mal gespielt wird. Mit wie vielen Sektoren müssen sie ihr Glückrad mindestens bestücken damit die 7 Hauptpreise mit einer Wahrscheinlichkeit von mindestens 85% für die 85 Durchgänge reichen?
| p | P(X≤7) |
|---|---|
| ... | ... |
| 0.5858 | |
| 0.67 | |
| 0.739 | |
| 0.7945 | |
| 0.8385 | |
| 0.873 | |
| ... | ... |
Die Zufallsvariable X gibt die Anzahl der Hauptpreise an. X ist binomialverteilt mit n=85 und unbekanntem Parameter p.
Es muss gelten: =0.85 (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 ('höchstens 7 Treffer bei 85 Versuchen') bei diesen Nennern wird (siehe Tabelle links)
Um einen günstigen Startwert zu finden wählen wir mal als p=. Mit diesem p wäre ja 7=⋅85 der Erwartungswert und somit irgendwo in der nähe von 50%. Wenn wir nun p= mit erweitern (so dass wir auf den Zähler 1 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 der Sektoren des Glücksrad, muss also mindestens
17 sein.
Binomialvert. mit variabl. p (mind.) nur GTR
Beispiel:
Bei einem Zufallsexperiment ist die Wahrscheinlichkeit für einen Treffer unbekannt. Das Zufallsexperinment wird 58 mal wiederholt (bzw. die Stichprobe hat die Größe 58)
Wie hoch muss die Einzelwahrscheinlichkeit p mindestens sein, dass mit einer Wahrscheinlich von mind. 80% mindestens 37 Treffer erzielt werden?
| p | P(X≥37)=1-P(X≤36) |
|---|---|
| ... | ... |
| 0.64 | 0.5721 |
| 0.65 | 0.6339 |
| 0.66 | 0.6929 |
| 0.67 | 0.7478 |
| 0.68 | 0.7975 |
| 0.69 | 0.8413 |
| ... | ... |
Es muss gelten: =0.8 (oder mehr)
oder eben: 1- =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(58,X,36) - 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=0.69 die gesuchte Wahrscheinlichkeit über 0.8 ist.
Formel v. Bernoulli
Beispiel:
Ein Scherzkeks in einer Glückskeksfabrik backt in jeden achten Glückskeks eine scharfe Peperoni ein. Wie groß ist die Wahrscheinlichkeit, genau 6 Glückskekse mit einer Peproni zu erwischen, wenn man 98 Glückskekse kauft?
(Bitte auf 4 Stellen nach dem Komma runden)
Die Zufallsvariable X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=98 und p=.
= =0.018555467899726≈ 0.0186(TI-Befehl: binompdf(98,1/8,6))
Binomialvert. Abstand vom Erwartungswert
Beispiel:
Ein Basketballspieler hat eine Trefferquote von p=70%. Wie groß ist die Wahrscheinlichkeit dass er bei 41 Versuchen nicht mehr als 15% von seinem Erwartungswert abweicht?
Den Erwartungswert berechnet man als E=n⋅p=41⋅0.7 = 28.7
Die 15% Abweichung wären dann zwischen 85% von 28.7, also 0.85⋅ 28.7 = 24.395 und 115% von 28.7, also 1.15⋅ 28.7 = 33.005
Da die Trefferzahl ja nicht weiter von 28.7 entfernt sein darf als 24.395 bzw. 33.005, muss sie also zwischen 25 und 33 liegen.
=
(TI-Befehl: binomcdf(41,0.7,33) - binomcdf(41,0.7,24))
