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:

Beim Biberacher Schützenfest läuft ein 12-köpfiger historischer Spielmannszug mit, der an die Schweden während des 30-Jährigen Kriegs erinnert. Dabei feiern dessen Mitglieder manchmal so ausgelassen, dass die Wahrscheinlichkeit eines Ausfall beim Umzug wegen unverhältnismäßig exzessiven Alkoholgenuss bei 8% liegt. Wie viele Schwedenmusiker muss die Schützendirektion mindestens ausbilden, damit beim Umzug mit mindestens 50%-iger Wahrscheinlichkeit mindestens 12 Schweden einsatzfähig sind?

Lösung einblenden
nP(X≤k)
......
120.6323
130.2794
......

Die Zufallsgröße X gibt die Anzahl der einsatzfähigen Schwedenmusiker an und ist im Idealfall binomialverteilt mit p = 0.92 und variablem n.

Es muss gelten: P0.92n (X12) ≥ 0.5

Weil man ja aber P0.92n (X12) nicht in den WTR eingeben kann, müssen wir diese Wahrscheinlichkeit über die Gegenwahrscheinlichkeit berechnen:

P0.92n (X12) = 1 - P0.92n (X11) ≥ 0.5 |+ P0.92n (X11) - 0.5

0.5 ≥ P0.92n (X11) oder P0.92n (X11) ≤ 0.5

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 92% der Versuche mit einem Treffer. Also müssten dann doch bei 12 0.92 ≈ 13 Versuchen auch ungefähr 12 (≈0.92⋅13) Treffer auftreten.

Wir berechnen also mit unserem ersten n=13:
P0.92n (X11) ≈ 0.2794 (TI-Befehl: Binomialcdf ...)

Je nachdem, wie weit nun dieser Wert noch von den gesuchten 0.5 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 0.5 überschritten wird.

Aus der Werte-Tabelle (siehe links) erkennt man dann, dass erstmals bei n=13 die gesuchte Wahrscheinlichkeit unter 0.5 ist.

n muss also mindestens 13 sein, damit P0.92n (X11) ≤ 0.5 oder eben P0.92n (X12) ≥ 0.5 gilt.

Formel v. Bernoulli

Beispiel:

Eine Münze wird 29 mal geworfen. Wie groß ist die Wahrscheinlichkeit dass genau 13 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=29 und p=0.5.

P0.529 (X=13) = ( 29 13 ) 0.513 0.516 =0.12640639208257≈ 0.1264
(TI-Befehl: binompdf(29,0.5,13))

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 5 Bildern der Datenbank sind Mitglieder der Homepage-AG zu sehen. Es wird geschätzt, dass die Seite täglich 150 mal aufgerufen wird. Die Mitglieder der Homepage-AG wollen dass mit mindestens 90%-iger Wahrscheinlichkiet mindestens 14 mal am Tag eines ihrer eigenen 5 Bilder erscheint. Wie viele andere Bilder dürfen dann höchstens noch in der Datenbank sein?

Lösung einblenden
pP(X≥14)=1-P(X≤13)
......
5 26 0.9997
5 27 0.9994
5 28 0.9988
5 29 0.9979
5 30 0.9964
5 31 0.9942
5 32 0.991
5 33 0.9867
5 34 0.9809
5 35 0.9734
5 36 0.9642
5 37 0.953
5 38 0.9398
5 39 0.9244
5 40 0.9069
5 41 0.8874
......

Die Zufallsvariable X gibt die Anzahl der Bilder mit Homepage-AG-lern an. X ist binomialverteilt mit n=150 und unbekanntem Parameter p.

Es muss gelten: Pp150 (X14) = 1- Pp150 (X13) = 0.9 (oder mehr)

Wir wissen, dass der Zähler bei unserer Einzelwahrscheinlichkeit p 5 sein muss, da es ja genau 5 günstige Fälle gibt.

Wir müssen nun bei verschiedenen Nennern untersuchen, wie hoch die gesuchte Wahrscheinlichkeit Pp150 (X14) ('mindestens 14 Treffer bei 150 Versuchen') bei diesen Nennern wird (siehe Tabelle links)

Als Startwert wählen wir als p= 5 26 . (Durch Ausprobieren erkennt man, dass vorher die Wahrscheinlichkeit immer fast 1 ist)

In dieser Tabelle erkennen wir, dass letztmals bei der Einzelwahrscheinlichkeit p= 5 40 die gesuchte Wahrscheinlichkeit über 90% bleibt.
Der Nenner, also die Anzahl aller Bilder in der Datenbank, darf also höchstens 40 sein.

Also wären noch 35 zusätzliche Optionen (also weitere Bilder) zulässig.

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 77 Stück nur an, wenn nicht mehr als 51 Teile defekt sind. Wie hoch darf der Prozentsatz der fehlerhaften Teile höchstens sein, dass eine Lieferung mit einer Wahrscheinlichkeit von mind. 90% angenommen werden.

Lösung einblenden
pP(X≤k)
......
0.540.989
0.550.9829
0.560.974
0.570.9614
0.580.9443
0.590.9215
0.60.8921
......

Es muss gelten: Pp77 (X51) =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(77,X,51) - 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=0.59 die gesuchte Wahrscheinlichkeit über 0.9 ist.

Binomialverteilung X>=k

Beispiel:

Ein Scherzkeks in einer Glückskeksfabrik backt in jeden achten Glückskeks eine scharfe Peperoni ein. Wie groß ist die Wahrscheinlichkeit, 15 oder mehr Glückskekse mit einer Peproni zu erwischen, wenn man 67 Glückskekse kauft?
(Bitte auf 4 Stellen nach dem Komma runden)

Lösung einblenden

...
12
13
14
15
16
17
...

P0.12567 (X15) = 1 - P0.12567 (X14) = 0.0169
(TI-Befehl: 1-binomcdf(67,0.125,14))

Binomialvert. Abstand vom Erwartungswert

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=0,4 entsteht. Es wird eine Stichprobe der Menge 95 entnommen. Wie groß ist die Wahrscheinlichkeit, dass die Anzahl der defekten Chips nicht mehr als 15% vom Erwartungswert abweicht?

Lösung einblenden

Den Erwartungswert berechnet man als E=n⋅p=95⋅0.4 = 38

Die 15% Abweichung wären dann zwischen 85% von 38, also 0.85⋅ 38 = 32.3 und 115% von 38, also 1.15⋅ 38 = 43.7

Da die Trefferzahl ja nicht weiter von 38 entfernt sein darf als 32.3 bzw. 43.7, muss sie also zwischen 33 und 43 liegen.

P0.495 (33X43) =

...
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
...

P0.495 (X43) - P0.495 (X32) ≈ 0.8749 - 0.1241 ≈ 0.7508
(TI-Befehl: binomcdf(95,0.4,43) - binomcdf(95,0.4,32))