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:

Der, dessen Name nicht genannt werden darf, testet Zauber um seine Nase wiederherzustellen. Ein solcher Versuch endet zu 30% mit einer Konfettiexplosion. Wie viele Versuche muss er mindestens machen, damit er mit einer Wahrscheinlichkeit von mindestens 90% mindestens 34 Nasen hat.

Lösung einblenden
nP(X≤k)
......
500.3161
510.2473
520.1888
530.1408
540.1026
550.0731
......

Die Zufallsgröße X gibt die Anzahl der geglückten Nasen-Zauberversuche an und ist im Idealfall binomialverteilt mit p = 0.7 und variablem n.

Es muss gelten: P0.7n (X34) ≥ 0.9

Weil man ja aber P0.7n (X34) nicht in den WTR eingeben kann, müssen wir diese Wahrscheinlichkeit über die Gegenwahrscheinlichkeit berechnen:

P0.7n (X34) = 1 - P0.7n (X33) ≥ 0.9 |+ P0.7n (X33) - 0.9

0.1 ≥ P0.7n (X33) oder P0.7n (X33) ≤ 0.1

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 0.7 ≈ 49 Versuchen auch ungefähr 34 (≈0.7⋅49) Treffer auftreten.

Wir berechnen also mit unserem ersten n=49:
P0.7n (X33) ≈ 0.3941 (TI-Befehl: Binomialcdf ...)

Je nachdem, wie weit nun dieser Wert noch von den gesuchten 0.1 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 0.1 überschritten wird.

Aus der Werte-Tabelle (siehe links) erkennt man dann, dass erstmals bei n=55 die gesuchte Wahrscheinlichkeit unter 0.1 ist.

n muss also mindestens 55 sein, damit P0.7n (X33) ≤ 0.1 oder eben P0.7n (X34) ≥ 0.9 gilt.

kumulierte Binomialverteilung

Beispiel:

Ein Würfel wird 69 mal geworfen. Wie groß ist die Wahrscheinlichkeit dass nicht öfter als 18 mal eine 6 (p=1/6) 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=69 und p= 1 6 .

P 1 6 69 (X18) = P 1 6 69 (X=0) + P 1 6 69 (X=1) + P 1 6 69 (X=2) +... + P 1 6 69 (X=18) = 0.98414205107596 ≈ 0.9841
(TI-Befehl: binomcdf(69,1/6,18))

Binomialvert. mit variablem p (diskret)

Beispiel:

Eine Schulklasse möchte fürs Schulfest ein Glücksrad entwickeln. Aus optischen Gründen sollen dabei alle Sektoren gleich groß sein. Einer davon soll für den Hauptpreis stehen. Hierfür haben sie insgesamt 7 Preise gesammelt. Sie erwarten, dass das Glücksrad beim Schulfest 60 mal gespielt wird. Mit wie vielen Sektoren müssen sie ihr Glückrad mindestens bestücken damit die 7 Hauptpreise mit einer Wahrscheinlichkeit von mindestens 85% für die 60 Durchgänge reichen?

Lösung einblenden
pP(X≤7)
......
1 8 0.5198
1 9 0.6514
1 10 0.7516
1 11 0.8243
1 12 0.8759
......

Die Zufallsvariable X gibt die Anzahl der Hauptpreise an. X ist binomialverteilt mit n=60 und unbekanntem Parameter p.

Es muss gelten: Pp60 (X7) =0.85 (oder mehr)

Wir wissen, dass der Zähler bei unserer Einzelwahrscheinlichkeit p 1 sein muss, da es ja genau einen günstigen Fall gibt.

Wir müssen nun bei verschiedenen Nennern untersuchen, wie hoch die gesuchte Wahrscheinlichkeit Pp60 (X7) ('höchstens 7 Treffer bei 60 Versuchen') bei diesen Nennern wird (siehe Tabelle links)

Um einen günstigen Startwert zu finden wählen wir mal als p= 7 60 . Mit diesem p wäre ja 7= 7 60 ⋅60 der Erwartungswert und somit Pp60 (X7) irgendwo in der nähe von 50%. Wenn wir nun p= 7 60 mit 1 7 erweitern (so dass wir auf den Zähler 1 kommen) und den Nenner abrunden, müssten wir mit p= 1 8 einen brauchbaren Einstiegswert für dieses Probieren erhalten.

In dieser Tabelle erkennen wir, dass erstmals bei der Einzelwahrscheinlichkeit p= 1 12 die gesuchte Wahrscheinlichkeit über 85% steigt.
Der Nenner, also die Anzahl der Sektoren des Glücksrad, muss also mindestens 12 sein.

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

Beispiel:

Bei einem Zufallsexperiment ist die Wahrscheinlichkeit für einen Treffer unbekannt. Das Zufallsexperinment wird 96 mal wiederholt (bzw. die Stichprobe hat die Größe 96)
Wie hoch muss die Einzelwahrscheinlichkeit p mindestens sein, dass mit einer Wahrscheinlich von mind. 70% mindestens 44 Treffer erzielt werden?

Lösung einblenden
pP(X≥44)=1-P(X≤43)
......
0.430.3223
0.440.3964
0.450.4741
0.460.5526
0.470.629
0.480.7005
......

Es muss gelten: Pp96 (X44) =0.7 (oder mehr)

oder eben: 1- Pp96 (X43) =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(96,X,43) - 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=0.48 die gesuchte Wahrscheinlichkeit über 0.7 ist.

Binomialverteilung X ∈ [l;k]

Beispiel:

Ein Basketballspieler hat eine Trefferquote von 71% von der Freiwurflinie. Wie groß ist die Wahrscheinlichkeit dass er von 90 Versuchen mindestens 55 und weniger als 68 trifft?

Lösung einblenden

P0.7190 (55X67) =

...
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
...

P0.7190 (X67) - P0.7190 (X54) ≈ 0.7971 - 0.0164 ≈ 0.7807
(TI-Befehl: binomcdf(90,0.71,67) - binomcdf(90,0.71,54))

Erwartungswert, Standardabweichung best.

Beispiel:

Eine Zufallsgröße ist binomialverteilt mit den Parametern n = 61 und p = 0.65
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 = 61 und p = 0.65 einsetzen muss:

Erwartungswert E(X) = n ⋅ p = 61 ⋅ 0.65 = 39.65

Standardabweichung S(X) = n ⋅ p ⋅ (1-p) = 61 ⋅ 0.65 ⋅ 0.35 = 13.8775 3.73