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:
Bei einem Glücksrad, ist die Wahrscheinlichkeit in den grünen Bereich zu kommen p=0,15. Wie oft muss man dieses Glückrad mindestens drehen, um mit einer Wahrscheinlichkeit von mindestens 60% 40 mal oder öfters in den grünen Bereich zu kommen?
| n | P(X≤k) |
|---|---|
| ... | ... |
| 270 | 0.44 |
| 271 | 0.43 |
| 272 | 0.4201 |
| 273 | 0.4102 |
| 274 | 0.4005 |
| 275 | 0.3908 |
| ... | ... |
Die Zufallsgröße X gibt Anzahl der Drehungen, die im grünen Bereich landen an und ist im Idealfall binomialverteilt mit p = 0.15 und variablem n.
Es muss gelten: ≥ 0.6
Weil man ja aber nicht in den WTR eingeben kann, müssen wir diese Wahrscheinlichkeit über die Gegenwahrscheinlichkeit berechnen:
= 1 - ≥ 0.6 |+ - 0.6
0.4 ≥ oder ≤ 0.4
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 15% der Versuche mit einem Treffer. Also müssten dann doch bei ≈ 267 Versuchen auch ungefähr 40 (≈0.15⋅267) Treffer auftreten.
Wir berechnen also mit unserem ersten n=267:
≈ 0.4704
(TI-Befehl: Binomialcdf ...)
Je nachdem, wie weit nun dieser Wert noch von den gesuchten 0.4 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 0.4 überschritten wird.
Aus der Werte-Tabelle (siehe links) erkennt man dann, dass erstmals bei n=275 die gesuchte Wahrscheinlichkeit unter 0.4 ist.
n muss also mindestens 275 sein, damit ≤ 0.4 oder eben ≥ 0.6 gilt.
Binomialverteilung X>=k
Beispiel:
Ein Basketballspieler hat eine Trefferquote von p=0,64. Wie groß ist die Wahrscheinlichkeit dass er von 89 Versuchen mindestens 60 trifft?
(Bitte auf 4 Stellen nach dem Komma runden)
(TI-Befehl: 1-binomcdf(89,0.64,59))
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 4 Bildern der Datenbank sind Mitglieder der Homepage-AG zu sehen. Es wird geschätzt, dass die Seite täglich 150 mal aufgerufen wird. Die Mitglieder der Homepage-AG wollen dass mit mindestens 75%-iger Wahrscheinlichkiet mindestens 10 mal am Tag eines ihrer eigenen 4 Bilder erscheint. Wie viele andere Bilder dürfen dann höchstens noch in der Datenbank sein?
| p | P(X≥10)=1-P(X≤9) |
|---|---|
| ... | ... |
| 0.9998 | |
| 0.9996 | |
| 0.9993 | |
| 0.9988 | |
| 0.9981 | |
| 0.9969 | |
| 0.9953 | |
| 0.993 | |
| 0.99 | |
| 0.9862 | |
| 0.9814 | |
| 0.9756 | |
| 0.9685 | |
| 0.9603 | |
| 0.9508 | |
| 0.94 | |
| 0.9278 | |
| 0.9144 | |
| 0.8997 | |
| 0.8839 | |
| 0.8669 | |
| 0.8489 | |
| 0.8299 | |
| 0.8102 | |
| 0.7897 | |
| 0.7685 | |
| 0.7469 | |
| ... | ... |
Die Zufallsvariable X gibt die Anzahl der Bilder mit Homepage-AG-lern an. X ist binomialverteilt mit n=150 und unbekanntem Parameter p.
Es muss gelten: = 1- = 0.75 (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 ('mindestens 10 Treffer bei 150 Versuchen') bei diesen Nennern wird (siehe Tabelle links)
Als Startwert wählen wir als p=. (Durch Ausprobieren erkennt man, dass vorher die Wahrscheinlichkeit immer fast 1 ist)
In dieser Tabelle erkennen wir, dass letztmals bei der Einzelwahrscheinlichkeit p= die gesuchte
Wahrscheinlichkeit über 75% bleibt.
Der Nenner, also die Anzahl aller Bilder in der Datenbank, darf also höchstens
50 sein.
Also wären noch 46 zusätzliche Optionen (also weitere Bilder) zulässig.
Binomialvert. mit variabl. p (mind.) nur GTR
Beispiel:
Eine Fluggesellschaft verkauft 41 Flugtickets für einen bestimmten Flug. Das sind 22 Tickets mehr, als das Flugzeug Plätze hat. Wie hoch muss die Wahrscheinlichkeit, dass ein Ticketkäufer nicht mitfliegt, mindestens sein, dass das Flugzeug mit einer Wahrscheinlichkeit von mindestens 90% nicht überbucht ist (also dass alle mitfliegen können)?
| p | P(X≥22)=1-P(X≤21) |
|---|---|
| ... | ... |
| 0.58 | 0.7657 |
| 0.59 | 0.8041 |
| 0.6 | 0.8386 |
| 0.61 | 0.869 |
| 0.62 | 0.8954 |
| 0.63 | 0.9178 |
| ... | ... |
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(41,X,21) - 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=0.63 die gesuchte Wahrscheinlichkeit über 0.9 ist.
kumulierte Binomialverteilung
Beispiel:
Ein partystarker Schüler muss einen Mulitple Choice Test ablegen von dem er keinen blassen Schimmer hat. Deswegen rät er einfach bei jeder der 46 Aufgaben munter drauf los, welche der vier Antworten wohl richtig sein könnte. Wie groß ist die Wahrscheinlichkeit, dass er so bis zu 12 Fragen richtig beantwortet hat?
(Bitte auf 4 Stellen nach dem Komma runden)
Die Zufallsvariable X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=46 und p=0.25.
= + + +... + = 0.64251350876717 ≈ 0.6425(TI-Befehl: binomcdf(46,0.25,12))
Binomialvert. Abstand vom Erwartungswert
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=0,25 entsteht. Es wird eine Stichprobe der Menge 57 entnommen. Wie groß ist die Wahrscheinlichkeit, dass die Anzahl der defekten Chips nicht mehr als 20% vom Erwartungswert abweicht?
Den Erwartungswert berechnet man als E=n⋅p=57⋅0.25 = 14.25
Die 20% Abweichung wären dann zwischen 80% von 14.25, also 0.8⋅ 14.25 = 11.4 und 120% von 14.25, also 1.2⋅ 14.25 = 17.1
Da die Trefferzahl ja nicht weiter von 14.25 entfernt sein darf als 11.4 bzw. 17.1, muss sie also zwischen 12 und 17 liegen.
=
(TI-Befehl: binomcdf(57,0.25,17) - binomcdf(57,0.25,11))
