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=0,65.
Wie oft muss man das Zufallsexperiment mindestens wiederholen (oder wie groß muss die Stichprobe sein), um mit mind. 60% Wahrscheinlichkeit, mindestens 34 Treffer zu erzielen ?
| n | P(X≤k) |
|---|---|
| ... | ... |
| 52 | 0.4595 |
| 53 | 0.3872 |
| ... | ... |
Die Zufallsgröße X gibt die Anzahl der Treffer an und ist im Idealfall binomialverteilt mit p = 0.65 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 65% der Versuche mit einem Treffer. Also müssten dann doch bei ≈ 52 Versuchen auch ungefähr 34 (≈0.65⋅52) Treffer auftreten.
Wir berechnen also mit unserem ersten n=52:
≈ 0.4595
(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=53 die gesuchte Wahrscheinlichkeit unter 0.4 ist.
n muss also mindestens 53 sein, damit ≤ 0.4 oder eben ≥ 0.6 gilt.
Binomialverteilung X ∈ [l;k]
Beispiel:
Ein partystarker Schüler muss einen Mulitple Choice Test ablegen, von dem er keinen blassen Schimmer hat. Deswegen rät er einfach bei jeder der 81 Aufgaben munter drauf los, welche der vier Antworten wohl richtig sein könnte. Wie groß ist die Wahrscheinlichkeit, dass er so mindestens 12, aber weniger als 26 Fragen richtig beantwortet hat?
=
(TI-Befehl: binomcdf(81,0.25,25) - binomcdf(81,0.25,11))
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 9 Preise gesammelt. Sie erwarten, dass das Glücksrad beim Schulfest 75 mal gespielt wird. Mit wie vielen Sektoren müssen sie ihr Glückrad mindestens bestücken damit die 9 Hauptpreise mit einer Wahrscheinlichkeit von mindestens 80% für die 75 Durchgänge reichen?
| p | P(X≤9) |
|---|---|
| ... | ... |
| 0.5349 | |
| 0.6798 | |
| 0.7858 | |
| 0.8586 | |
| ... | ... |
Die Zufallsvariable X gibt die Anzahl der Hauptpreise an. X ist binomialverteilt mit n=75 und unbekanntem Parameter p.
Es muss gelten: =0.8 (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 ('höchstens 9 Treffer bei 75 Versuchen') bei diesen Nennern wird (siehe Tabelle links)
Um einen günstigen Startwert zu finden wählen wir mal als p=. Mit diesem p wäre ja 9=⋅75 der Erwartungswert und somit irgendwo in der nähe von 50%. Wenn wir nun p= mit erweitern (so dass wir auf den Zähler 1 kommen) und den Nenner abrunden, müssten wir mit p= einen brauchbaren Einstiegswert für dieses Probieren erhalten.
In dieser Tabelle erkennen wir, dass erstmals bei der Einzelwahrscheinlichkeit p= die gesuchte
Wahrscheinlichkeit über 80% steigt.
Der Nenner, also die Anzahl der Sektoren des Glücksrad, muss also mindestens
11 sein.
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 93 Stück nur an, wenn nicht mehr als 35 Teile defekt sind. Wie hoch darf der Prozentsatz der fehlerhaften Teile höchstens sein, dass eine Lieferung mit einer Wahrscheinlichkeit von mind. 90% angenommen werden.
| p | P(X≤k) |
|---|---|
| ... | ... |
| 0.26 | 0.9951 |
| 0.27 | 0.9908 |
| 0.28 | 0.9835 |
| 0.29 | 0.9721 |
| 0.3 | 0.955 |
| 0.31 | 0.9307 |
| 0.32 | 0.8978 |
| ... | ... |
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(93,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=0.31 die gesuchte Wahrscheinlichkeit über 0.9 ist.
kumulierte Binomialverteilung
Beispiel:
Eine Münze wird 40 mal geworfen. Wie groß ist die Wahrscheinlichkeit dass höchstens 24 mal "Zahl" (p=0,5) geworfen wird?
(Bitte auf 4 Stellen nach dem Komma runden)
Die Zufallsvariable X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=40 und p=0.5.
= + + +... + = 0.92307002791858 ≈ 0.9231(TI-Befehl: binomcdf(40,0.5,24))
Wahrscheinlichkeit von σ-Intervall um μ
Beispiel:
Ein Basketballspieler hat eine Trefferquote von p=40%. Wie groß ist die Wahrscheinlichkeit dass bei 95 Versuchen die Anzahl seiner Treffer um nicht mehr als eine Standardabweichung von seinem Erwartungswert abweicht?
Den Erwartungswert berechnet man mit μ = n⋅p = 95⋅0.4 ≈ 38,
die Standardabweichung mit σ =
=
≈ 4.77
42.77 (38 + 4.77) und 33.23 (38 - 4.77) sind also jeweils eine Standardabweichung vom Erwartungswert μ = 38 entfernt.
Das bedeutet, dass genau die Zahlen zwischen 34 und 42 nicht mehr als eine Standardabweichung vom Erwartungswert entfernt sind.
Gesucht ist also die Wahrscheinlichkeit, dass die Trefferanzahl zwischen 34 und 42 liegt.
=
(TI-Befehl: binomcdf(95,0.4,42) - binomcdf(95,0.4,33))
