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 Zufallsexperiment beträgt die Wahrscheinlichkeit für einen Treffer p=0,7.
Wie oft muss man das Zufallsexperiment mindestens wiederholen (oder wie groß muss die Stichprobe sein), um mit mind. 70% Wahrscheinlichkeit, mindestens 24 Treffer zu erzielen ?
| n | P(X≤k) |
|---|---|
| ... | ... |
| 34 | 0.4455 |
| 35 | 0.3484 |
| 36 | 0.2635 |
| ... | ... |
Die Zufallsgröße X gibt die Anzahl der Treffer an und ist im Idealfall binomialverteilt mit p = 0.7 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 70% der Versuche mit einem Treffer. Also müssten dann doch bei ≈ 34 Versuchen auch ungefähr 24 (≈0.7⋅34) Treffer auftreten.
Wir berechnen also mit unserem ersten n=34:
≈ 0.4455
(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=36 die gesuchte Wahrscheinlichkeit unter 0.3 ist.
n muss also mindestens 36 sein, damit ≤ 0.3 oder eben ≥ 0.7 gilt.
Formel v. Bernoulli
Beispiel:
Ein Basketballspieler hat eine Trefferquote von p=0,35. Wie groß ist die Wahrscheinlichkeit dass er von 89 Versuchen genau 29 trifft?
(Bitte auf 4 Stellen nach dem Komma runden)
Die Zufallsvariable X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=89 und p=0.35.
= =0.080122463825234≈ 0.0801(TI-Befehl: binompdf(89,0.35,29))
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 70% unter den 28 gezogenen Kugeln nicht mehr als 21 schwarze sind?
| p | P(X≤21) |
|---|---|
| ... | ... |
| 0.9981 | |
| 0.9685 | |
| 0.8738 | |
| 0.7282 | |
| 0.5721 | |
| ... | ... |
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: = 0.7 (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 ('höchstens 21 Treffer bei 28 Versuchen') auswirkt (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 70% bleibt.
Die Anzahl der schwarzen Kugeln, die hinzugefügt wird, darf also höchstens 5 sein.
Binomialvert. mit variabl. p (höchstens) nur GTR
Beispiel:
Bei einem Glücksrad soll mit einer Wahrscheinlichkeit von 90% bei 64 Ausspielungen nicht öfters als 30 mal der grüne Bereich kommen. Wie hoch darf man die Wahrscheinlichkeit für den grünen Bereich auf dem Glücksrad maximal setzen?
| p | P(X≤k) |
|---|---|
| ... | ... |
| 0.34 | 0.9881 |
| 0.35 | 0.9816 |
| 0.36 | 0.9724 |
| 0.37 | 0.9597 |
| 0.38 | 0.9429 |
| 0.39 | 0.9211 |
| 0.4 | 0.8937 |
| ... | ... |
Es muss gelten: =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(64,X,30) - 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=0.39 die gesuchte Wahrscheinlichkeit über 0.9 ist.
kumulierte Binomialverteilung
Beispiel:
Bei einem Glücksrad ist die Wahrscheinlichkeit im grünen Bereich zu landen bei p=0,9. Wie groß ist die Wahrscheinlichkeit bei 49 Versuchen höchstens 44 mal im grünen Bereich zu landen?
(Bitte auf 4 Stellen nach dem Komma runden)
Die Zufallsvariable X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=49 und p=0.9.
= + + +... + = 0.55030913308142 ≈ 0.5503(TI-Befehl: binomcdf(49,0.9,44))
Binomialvert. Abstand vom Erwartungswert
Beispiel:
Ein Basketballspieler hat eine Trefferquote von p=25%. Wie groß ist die Wahrscheinlichkeit dass er bei 97 Versuchen nicht mehr als 10% von seinem Erwartungswert abweicht?
Den Erwartungswert berechnet man als E=n⋅p=97⋅0.25 = 24.25
Die 10% Abweichung wären dann zwischen 90% von 24.25, also 0.9⋅ 24.25 = 21.825 und 110% von 24.25, also 1.1⋅ 24.25 = 26.675
Da die Trefferzahl ja nicht weiter von 24.25 entfernt sein darf als 21.825 bzw. 26.675, muss sie also zwischen 22 und 26 liegen.
=
(TI-Befehl: binomcdf(97,0.25,26) - binomcdf(97,0.25,21))
