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=0,75. Wie oft muss man dieses Glückrad mindestens drehen, um mit einer Wahrscheinlichkeit von mindestens 50% 30 mal oder öfters in den grünen Bereich zu kommen?

Lösung einblenden
nP(X≤k)
......
390.5244
400.4161
......

Die Zufallsgröße X gibt Anzahl der Drehungen, die im grünen Bereich landen an und ist im Idealfall binomialverteilt mit p = 0.75 und variablem n.

Es muss gelten: P0.75n (X30) ≥ 0.5

Weil man ja aber P0.75n (X30) nicht in den WTR eingeben kann, müssen wir diese Wahrscheinlichkeit über die Gegenwahrscheinlichkeit berechnen:

P0.75n (X30) = 1 - P0.75n (X29) ≥ 0.5 |+ P0.75n (X29) - 0.5

0.5 ≥ P0.75n (X29) oder P0.75n (X29) ≤ 0.5

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 30 0.75 ≈ 40 Versuchen auch ungefähr 30 (≈0.75⋅40) Treffer auftreten.

Wir berechnen also mit unserem ersten n=40:
P0.75n (X29) ≈ 0.4161 (TI-Befehl: Binomialcdf ...)

Je nachdem, wie weit nun dieser Wert noch von den gesuchten 0.5 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 0.5 überschritten wird.

Aus der Werte-Tabelle (siehe links) erkennt man dann, dass erstmals bei n=40 die gesuchte Wahrscheinlichkeit unter 0.5 ist.

n muss also mindestens 40 sein, damit P0.75n (X29) ≤ 0.5 oder eben P0.75n (X30) ≥ 0.5 gilt.

kumulierte Binomialverteilung

Beispiel:

Eine Münze wird 61 mal geworfen. Wie groß ist die Wahrscheinlichkeit dass höchstens 32 mal "Zahl" (p=0,5) geworfen wird?
(Bitte auf 4 Stellen nach dem Komma runden)

Lösung einblenden

Die Zufallsvariable X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=61 und p=0.5.

P0.561 (X32) = P0.561 (X=0) + P0.561 (X=1) + P0.561 (X=2) +... + P0.561 (X=32) = 0.69553964229759 ≈ 0.6955
(TI-Befehl: binomcdf(61,0.5,32))

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 90 mal aufgerufen wird. Die Mitglieder der Homepage-AG wollen dass mit mindestens 90%-iger Wahrscheinlichkiet mindestens 12 mal am Tag eines ihrer eigenen 4 Bilder erscheint. Wie viele andere Bilder dürfen dann höchstens noch in der Datenbank sein?

Lösung einblenden
pP(X≥12)=1-P(X≤11)
......
4 14 0.9998
4 15 0.9993
4 16 0.9978
4 17 0.9945
4 18 0.9883
4 19 0.9779
4 20 0.9622
4 21 0.9405
4 22 0.9126
4 23 0.8786
......

Die Zufallsvariable X gibt die Anzahl der Bilder mit Homepage-AG-lern an. X ist binomialverteilt mit n=90 und unbekanntem Parameter p.

Es muss gelten: Pp90 (X12) = 1- Pp90 (X11) = 0.9 (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 Pp90 (X12) ('mindestens 12 Treffer bei 90 Versuchen') bei diesen Nennern wird (siehe Tabelle links)

Als Startwert wählen wir als p= 4 14 . (Durch Ausprobieren erkennt man, dass vorher die Wahrscheinlichkeit immer fast 1 ist)

In dieser Tabelle erkennen wir, dass letztmals bei der Einzelwahrscheinlichkeit p= 4 22 die gesuchte Wahrscheinlichkeit über 90% bleibt.
Der Nenner, also die Anzahl aller Bilder in der Datenbank, darf also höchstens 22 sein.

Also wären noch 18 zusätzliche Optionen (also weitere Bilder) zulässig.

Binomialvert. mit variabl. p (höchstens) nur GTR

Beispiel:

Eine Produktionsstätte für HighTech-Chips hat Probleme mit der Qualitätssicherung. Ein Großhändler nimmt die übliche Liefermenge von 66 Stück nur an, wenn nicht mehr als 59 Teile defekt sind. Wie hoch darf der Prozentsatz der fehlerhaften Teile höchstens sein, dass eine Lieferung mit einer Wahrscheinlichkeit von mind. 90% angenommen werden.

Lösung einblenden
pP(X≤k)
......
0.790.9915
0.80.9861
0.810.9778
0.820.9652
0.830.9466
0.840.9202
0.850.8835
......

Es muss gelten: Pp66 (X59) =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=binomcdf(66,X,59) - 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 letztmals bei p=0.84 die gesuchte Wahrscheinlichkeit über 0.9 ist.

Binomialverteilung X>=k

Beispiel:

Ein Würfel wird 36 mal geworfen. Wie groß ist die Wahrscheinlichkeit dass mindestens 6 mal eine 6 (p=1/6) geworfen wird?
(Bitte auf 4 Stellen nach dem Komma runden)

Lösung einblenden

...
3
4
5
6
7
8
...

P 1 6 36 (X6) = 1 - P 1 6 36 (X5) = 0.5691
(TI-Befehl: 1-binomcdf(36, 1 6 ,5))

Erwartungswert, Standardabweichung best.

Beispiel:

Eine Zufallsgröße ist binomialverteilt mit den Parametern n = 77 und p = 0.2
Bestimme den Erwartungswert μ und die Standardabweichung σ von X .

Lösung einblenden

Für Erwartungswert und Standardabweichung bei der Binomialverteilung gibt es ja einfache Formeln, in die man einfach n = 77 und p = 0.2 einsetzen muss:

Erwartungswert E(X) = n ⋅ p = 77 ⋅ 0.2 = 15.4

Standardabweichung S(X) = n ⋅ p ⋅ (1-p) = 77 ⋅ 0.2 ⋅ 0.8 = 12.32 3.51