Pestalozzi Gymnasium Biberach EduRandomtasks

Binomialvert. mit variablem n (höchst.)

Beispiel:

Im einem Mathekurs beträgt die Wahrscheinlichkeit, dass ein klassischer GeSchwa-Fehler begangen wird, p=0,45. Wie viele Aufgaben kann ein Schüler höchstens machen, damit er mit einer Wahrscheinlichkeit von 60% maximal 27 dieser Fehler begeht?

Lösung einblenden

n	P(X≤k)
...	...
58	0.6454
59	0.5996
60	0.5532
...	...

Die Zufallsgröße X gibt Anzahl der begangenen GeSchwa-Fehler an und ist im Idealfall binomialverteilt mit p = 0.45 und variablem n.

Es muss gelten: $P_{0.45}^{n} (X \leq 27)$ ≥ 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 45% der Versuche mit einem Treffer. Also müssten dann doch bei $\frac{27}{0.45}$ ≈ 60 Versuchen auch ungefähr 27 (≈0.45⋅60) Treffer auftreten.

Wir berechnen also mit unserem ersten n=60:
$P_{0.45}^{n} (X \leq 27)$ ≈ 0.5532 (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=58 die gesuchte Wahrscheinlichkeit über 60% ist.

kumulierte Binomialverteilung

Beispiel:

Eine Münze wird 94 mal geworfen. Wie groß ist die Wahrscheinlichkeit dass höchstens 42 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=94 und p=0.5.

P_{0.5}^{94} (X \leq 42)

=

P_{0.5}^{94} (X = 0)

+

P_{0.5}^{94} (X = 1)

+

P_{0.5}^{94} (X = 2)

+... +

P_{0.5}^{94} (X = 42)

= 0.17666401623579 ≈ 0.1767
(TI-Befehl: binomcdf(94,0.5,42))

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 2 Bildern der Datenbank sind Mitglieder der Homepage-AG zu sehen. Es wird geschätzt, dass die Seite täglich 60 mal aufgerufen wird. Die Mitglieder der Homepage-AG wollen dass mit mindestens 75%-iger Wahrscheinlichkiet mindestens 10 mal am Tag eines ihrer eigenen 2 Bilder erscheint. Wie viele andere Bilder dürfen dann höchstens noch in der Datenbank sein?

Lösung einblenden

p	P(X≥10)=1-P(X≤9)
...	...
$\frac{2}{6}$	0.9988
$\frac{2}{7}$	0.989
$\frac{2}{8}$	0.9548
$\frac{2}{9}$	0.8861
$\frac{2}{10}$	0.7868
$\frac{2}{11}$	0.671
...	...

Die Zufallsvariable X gibt die Anzahl der Bilder mit Homepage-AG-lern an. X ist binomialverteilt mit n=60 und unbekanntem Parameter p.

Es muss gelten: $P_{p}^{60} (X \geq 10)$ = 1- $P_{p}^{60} (X \leq 9)$ = 0.75 (oder mehr)

Wir wissen, dass der Zähler bei unserer Einzelwahrscheinlichkeit p 2 sein muss, da es ja genau 2 günstige Fälle gibt.

Wir müssen nun bei verschiedenen Nennern untersuchen, wie hoch die gesuchte Wahrscheinlichkeit $P_{p}^{60} (X \geq 10)$ ('mindestens 10 Treffer bei 60 Versuchen') bei diesen Nennern wird (siehe Tabelle links)

Als Startwert wählen wir als p= $\frac{2}{6}$ . (Durch Ausprobieren erkennt man, dass vorher die Wahrscheinlichkeit immer fast 1 ist)

In dieser Tabelle erkennen wir, dass letztmals bei der Einzelwahrscheinlichkeit p= $\frac{2}{10}$ die gesuchte Wahrscheinlichkeit über 75% bleibt.
Der Nenner, also die Anzahl aller Bilder in der Datenbank, darf also höchstens 10 sein.

Also wären noch 8 zusätzliche Optionen (also weitere Bilder) zulässig.

Binomialvert. mit variabl. p (höchstens) nur GTR

Beispiel:

Ein Promi macht Urlaub in einem Ferienclub. Dort sind noch weitere 83 Gäste. Wie groß darf der Bekanntheitsgrad des Promis höchstens sein, dass ihn mit einer Wahrscheinlichkeit von mindestens 90% nicht mehr als 40 erkennen und dumm anlabern?

Lösung einblenden

p	P(X≤k)
...	...
0.36	0.9916
0.37	0.986
0.38	0.9775
0.39	0.9652
0.4	0.948
0.41	0.9248
0.42	0.8947
...	...

Es muss gelten: $P_{p}^{83} (X \leq 40)$ =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(83,X,40) - 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=0.41 die gesuchte Wahrscheinlichkeit über 0.9 ist.

Formel v. Bernoulli

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 75% entsteht. Es wird eine Stichprobe der Menge 79 entnommen. Wie groß ist die Wahrscheinlichkeit, dass davon genau 58 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=79 und p=0.75.

P_{0.75}^{79} (X = 58)

=

(\begin{matrix} 79 \\ 58 \end{matrix}) \cdot {0.75}^{58} \cdot {0.25}^{21}

=0.096031938443731≈ 0.096
(TI-Befehl: binompdf(79,0.75,58))

Wahrscheinlichkeit von σ-Intervall um μ

Beispiel:

Ein Basketballspieler hat eine Trefferquote von p=30%. Wie groß ist die Wahrscheinlichkeit dass bei 80 Versuchen die Anzahl seiner Treffer um nicht mehr als eine Standardabweichung von seinem Erwartungswert abweicht?

Lösung einblenden

Den Erwartungswert berechnet man mit μ = n⋅p = 80⋅0.3 ≈ 24,
die Standardabweichung mit σ = $\sqrt{n \cdot p \cdot (1-p)}$ = $\sqrt{80\cdot0.3\cdot0.7}$ ≈ 4.1

28.1 (24 + 4.1) und 19.9 (24 - 4.1) sind also jeweils eine Standardabweichung vom Erwartungswert μ = 24 entfernt.

Das bedeutet, dass genau die Zahlen zwischen 20 und 28 nicht mehr als eine Standardabweichung vom Erwartungswert entfernt sind.

Gesucht ist also die Wahrscheinlichkeit, dass die Trefferanzahl zwischen 20 und 28 liegt.

$P_{0.3}^{80} (20 \leq X \leq 28)$ =

...

17

18

19

20

21

22

23

24

25

26

27

28

29

30

...

P_{0.3}^{80} (X \leq 28)

-

P_{0.3}^{80} (X \leq 19)

≈ 0.8633 - 0.1352 ≈ 0.7281
(TI-Befehl: binomcdf(80,0.3,28) - binomcdf(80,0.3,19))

Aufgabenbeispiele von Wiederholung aus 9/10

Binomialvert. mit variablem n (höchst.)

kumulierte Binomialverteilung

Binomialvert. mit variablem p (diskret)

Binomialvert. mit variabl. p (höchstens) nur GTR

Formel v. Bernoulli

Wahrscheinlichkeit von σ-Intervall um μ