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 55%. Wie oft muss mindestens gezogen werden ( - natürlich mit Zurücklegen - ), so dass mit mind. 80% Wahrscheinlichkeit 40 oder mehr grüne Kugeln gezogen werden?

Lösung einblenden
nP(X≤k)
......
740.3883
750.3413
760.2971
770.2563
780.2192
790.1857
......

Die Zufallsgröße X gibt Anzahl der gezogenen grünen Kugeln an und ist im Idealfall binomialverteilt mit p = 0.55 und variablem n.

Es muss gelten: P0.55n (X40) ≥ 0.8

Weil man ja aber P0.55n (X40) nicht in den WTR eingeben kann, müssen wir diese Wahrscheinlichkeit über die Gegenwahrscheinlichkeit berechnen:

P0.55n (X40) = 1 - P0.55n (X39) ≥ 0.8 |+ P0.55n (X39) - 0.8

0.2 ≥ P0.55n (X39) oder P0.55n (X39) ≤ 0.2

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 55% der Versuche mit einem Treffer. Also müssten dann doch bei 40 0.55 ≈ 73 Versuchen auch ungefähr 40 (≈0.55⋅73) Treffer auftreten.

Wir berechnen also mit unserem ersten n=73:
P0.55n (X39) ≈ 0.4378 (TI-Befehl: Binomialcdf ...)

Je nachdem, wie weit nun dieser Wert noch von den gesuchten 0.2 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 0.2 überschritten wird.

Aus der Werte-Tabelle (siehe links) erkennt man dann, dass erstmals bei n=79 die gesuchte Wahrscheinlichkeit unter 0.2 ist.

n muss also mindestens 79 sein, damit P0.55n (X39) ≤ 0.2 oder eben P0.55n (X40) ≥ 0.8 gilt.

Binomialverteilung X ∈ [l;k]

Beispiel:

Ein Zufallsexperiment wird 88 mal wiederholt. Jedesmal beträgt die Wahrscheinlichkeit für einen Treffer p=0,75.
Wie groß ist dabei die Wahrscheinlichkeit, mindestens 69, aber höchstens 73 Treffer zu erzielen?

Lösung einblenden

P0.7588 (69X73) =

...
66
67
68
69
70
71
72
73
74
75
...

P0.7588 (X73) - P0.7588 (X68) ≈ 0.9718 - 0.7265 ≈ 0.2453
(TI-Befehl: binomcdf(88,0.75,73) - binomcdf(88,0.75,68))

Binomialvert. mit variablem p (diskret)

Beispiel:

In einer Urne sind 5 rote und einige schwarze Kugeln. Es soll 28 mal mit Zurücklegen gezogen werden. Wie viele schwarze Kugeln dürfen in der Urne höchstens sein, damit mit einer Wahrscheinlichkeit von mindestens 75% unter den 28 gezogenen Kugeln nicht mehr als 24 schwarze sind?

Lösung einblenden
pP(X≤24)
......
7 12 0.9996
8 13 0.9988
9 14 0.9971
10 15 0.9939
11 16 0.9889
12 17 0.9817
13 18 0.972
14 19 0.9597
15 20 0.9449
16 21 0.9276
17 22 0.9082
18 23 0.8869
19 24 0.864
20 25 0.8398
21 26 0.8146
22 27 0.7887
23 28 0.7624
24 29 0.7358
......

Die Zufallsvariable X gibt die Anzahl der gezogenen Kugeln mit der Farbe schwarz an. X ist binomialverteilt mit n=28 und unbekanntem Parameter p.

Es muss gelten: Pp28 (X24) = 0.75 (oder mehr)

Wir wissen, dass der Nenner bei unserer Einzelwahrscheinlichkeit p immer um 5 größer sein muss als der Zähler.

Deswegen erhöhen wir nun schrittweise immer den Zähler und Nenner bei der Einzelwahrscheinlichkeit um 1 und probieren aus, wie sich das auf die gesuchte Wahrscheinlichkeit Pp28 (X24) ('höchstens 24 Treffer bei 28 Versuchen') auswirkt (siehe Tabelle links)

Als Startwert wählen wir als p= 7 12 . (Durch Ausprobieren erkennt man, dass vorher die Wahrscheinlichkeit immer fast 1 ist)

In dieser Tabelle erkennen wir, dass letztmals bei der Einzelwahrscheinlichkeit p= 23 28 die gesuchte Wahrscheinlichkeit über 75% bleibt.
Die Anzahl der schwarzen Kugeln, die hinzugefügt wird, darf also höchstens 23 sein.

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

Beispiel:

Ein Basketballtrainer sucht einen neuen Spieler, der mit 70% Wahrscheinlichkeit von 72 Freiwürfen mindestens 30 mal trifft. Welche Trefferquote braucht solch ein Spieler mindestens?

Lösung einblenden
pP(X≥30)=1-P(X≤29)
......
0.40.4301
0.410.499
0.420.5676
0.430.6339
0.440.6962
0.450.7531
......

Es muss gelten: Pp72 (X30) =0.7 (oder mehr)

oder eben: 1- Pp72 (X29) =0.7 (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(72,X,29) - 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=0.45 die gesuchte Wahrscheinlichkeit über 0.7 ist.

Binomialverteilung X ∈ [l;k]

Beispiel:

Ein Scherzkeks in einer Glückskeksfabrik backt in jeden achten Glückskeks eine scharfe Peperoni ein. Wie groß ist die Wahrscheinlichkeit, mehr als 1 und höchstens 13 Glückskekse mit einer Peproni zu erwischen, wenn man 98 Glückskekse kauft?

Lösung einblenden

P0.12598 (2X13) =

...
0
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
...

P0.12598 (X13) - P0.12598 (X1) ≈ 0.6606 - 0 ≈ 0.6606
(TI-Befehl: binomcdf(98,0.125,13) - binomcdf(98,0.125,1))

Binomialvert. Abstand vom Erwartungswert

Beispiel:

Ein Basketballspieler hat eine Trefferquote von p=75%. Wie groß ist die Wahrscheinlichkeit dass er bei 49 Versuchen nicht mehr als 20% von seinem Erwartungswert abweicht?

Lösung einblenden

Den Erwartungswert berechnet man als E=n⋅p=49⋅0.75 = 36.75

Die 20% Abweichung wären dann zwischen 80% von 36.75, also 0.8⋅ 36.75 = 29.4 und 120% von 36.75, also 1.2⋅ 36.75 = 44.1

Da die Trefferzahl ja nicht weiter von 36.75 entfernt sein darf als 29.4 bzw. 44.1, muss sie also zwischen 30 und 44 liegen.

P0.7549 (30X44) =

...
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
...

P0.7549 (X44) - P0.7549 (X29) ≈ 0.9974 - 0.0109 ≈ 0.9865
(TI-Befehl: binomcdf(49,0.75,44) - binomcdf(49,0.75,29))