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:

Wie oft darf man mit einem normalen Würfel höchstens würfeln, um mit einer Wahrscheinlichkeit von 60% nicht mehr als 32 6er zu würfeln?

Lösung einblenden
nP(X≤k)
......
1870.611
1880.5983
1890.5855
1900.5727
1910.5599
1920.547
......

Die Zufallsgröße X gibt Anzahl der gewürfelten 6er an und ist im Idealfall binomialverteilt mit p = 1 6 und variablem n.

Es muss gelten: P 1 6 n (X32) ≥ 0.6

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 1 6 der Versuche mit einem Treffer. Also müssten dann doch bei 32 1 6 ≈ 192 Versuchen auch ungefähr 32 (≈ 1 6 ⋅192) Treffer auftreten.

Wir berechnen also mit unserem ersten n=192:
P 1 6 n (X32) ≈ 0.547 (TI-Befehl: Binomialcdf ...)

Je nachdem, wie weit nun dieser Wert noch von den gesuchten 0.6 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 0.6 überschritten wird.

Aus der Werte-Tabelle (siehe links) erkennt man dann, dass letztmals bei n=187 die gesuchte Wahrscheinlichkeit über 60% ist.

Binomialverteilung X ∈ [l;k]

Beispiel:

Ein Würfel wird 57 mal geworfen. Wie groß ist die Wahrscheinlichkeit, dass mehr als 8 mal, aber weniger als 14 mal eine sechs gewürfelt wird?

Lösung einblenden

P 1 6 57 (9X13) =

...
6
7
8
9
10
11
12
13
14
15
...

P 1 6 57 (X13) - P 1 6 57 (X8) ≈ 0.9178 - 0.3747 ≈ 0.5431
(TI-Befehl: binomcdf(57, 1 6 ,13) - binomcdf(57, 1 6 ,8))

Binomialvert. mit variablem p (diskret)

Beispiel:

In einer Urne sind 2 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 85% unter den 28 gezogenen Kugeln nicht mehr als 21 schwarze sind?

Lösung einblenden
pP(X≤21)
......
2 4 0.9981
3 5 0.9685
4 6 0.8738
5 7 0.7282
......

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 (X21) = 0.85 (oder mehr)

Wir wissen, dass der Nenner bei unserer Einzelwahrscheinlichkeit p immer um 2 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 (X21) ('höchstens 21 Treffer bei 28 Versuchen') auswirkt (siehe Tabelle links)

Als Startwert wählen wir als p= 2 4 . (Durch Ausprobieren erkennt man, dass vorher die Wahrscheinlichkeit immer fast 1 ist)

In dieser Tabelle erkennen wir, dass letztmals bei der Einzelwahrscheinlichkeit p= 4 6 die gesuchte Wahrscheinlichkeit über 85% bleibt.
Die Anzahl der schwarzen Kugeln, die hinzugefügt wird, darf also höchstens 4 sein.

Binomialvert. mit variabl. p (höchstens) nur GTR

Beispiel:

Bei einem Glücksrad soll mit einer Wahrscheinlichkeit von 90% bei 56 Ausspielungen nicht öfters als 35 mal der grüne Bereich kommen. Wie hoch darf man die Wahrscheinlichkeit für den grünen Bereich auf dem Glücksrad maximal setzen?

Lösung einblenden
pP(X≤k)
......
0.490.9847
0.50.978
0.510.9689
0.520.9568
0.530.9413
0.540.9216
0.550.8973
......

Es muss gelten: Pp56 (X35) =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(56,X,35) - 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=0.54 die gesuchte Wahrscheinlichkeit über 0.9 ist.

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=0,19 entsteht. Es wird eine Stichprobe der Menge 41 entnommen. Wie groß ist die Wahrscheinlichkeit, dass davon nicht mehr als 10 defekte Chips enthalten sind.
(Bitte auf 4 Stellen nach dem Komma runden)

Lösung einblenden

Die Zufallsvariable X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=41 und p=0.19.

P0.1941 (X10) = P0.1941 (X=0) + P0.1941 (X=1) + P0.1941 (X=2) +... + P0.1941 (X=10) = 0.85895215380636 ≈ 0.859
(TI-Befehl: binomcdf(41,0.19,10))

Binomialvert. Abstand vom Erwartungswert

Beispiel:

Bei einem Glücksrad ist die Wahrscheinlichkeit im grünen Bereich zu landen bei p=0,7. Wie groß ist die Wahrscheinlichkeit bei 72 Versuchen, dass die Anzahl der Treffer im grünen Bereich nicht mehr als 20% vom Erwartungswert abweicht?

Lösung einblenden

Den Erwartungswert berechnet man als E=n⋅p=72⋅0.7 = 50.4

Die 20% Abweichung wären dann zwischen 80% von 50.4, also 0.8⋅ 50.4 = 40.32 und 120% von 50.4, also 1.2⋅ 50.4 = 60.48

Da die Trefferzahl ja nicht weiter von 50.4 entfernt sein darf als 40.32 bzw. 60.48, muss sie also zwischen 41 und 60 liegen.

P0.772 (41X60) =

...
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
...

P0.772 (X60) - P0.772 (X40) ≈ 0.9969 - 0.0067 ≈ 0.9902
(TI-Befehl: binomcdf(72,0.7,60) - binomcdf(72,0.7,40))