Aufgabenbeispiele von Wiederholung aus 9/10

Durch Aktualisieren des Browsers (z.B. mit Taste F5) kann man neue Beispielaufgaben sehen


Binomialvert. mit variablem n (höchst.)

Beispiel:

Bei einem Zufallsexperiment beträgt die Wahrscheinlichkeit für einen Treffer p=0,6.
Wie oft darf man das Zufallsexperiment höchstens wiederholen (oder wie groß darf die Stichprobe sein), um mit mind. 60% Wahrscheinlichkeit, höchstens 40 Treffer zu erzielen ?

Lösung einblenden
nP(X≤k)
......
650.6451
660.5862
670.5265
......

Die Zufallsgröße X gibt die Anzahl der Treffer an und ist im Idealfall binomialverteilt mit p = 0.6 und variablem n.

Es muss gelten: P0.6n (X40) ≥ 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 60% der Versuche mit einem Treffer. Also müssten dann doch bei 40 0.6 ≈ 67 Versuchen auch ungefähr 40 (≈0.6⋅67) Treffer auftreten.

Wir berechnen also mit unserem ersten n=67:
P0.6n (X40) ≈ 0.5265 (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=65 die gesuchte Wahrscheinlichkeit über 60% ist.

Binomialverteilung X ∈ [l;k]

Beispiel:

Ein Scherzkeks in einer Glückskeksfabrik backt in jeden achten Glückskeks eine scharfe Peperoni ein. Wie groß ist die Wahrscheinlichkeit, mehr als 0 und höchstens 7 Glückskekse mit einer Peproni zu erwischen, wenn man 45 Glückskekse kauft?

Lösung einblenden

P0.12545 (1X7) =

...
0
1
2
3
4
5
6
7
8
9
...

P0.12545 (X7) - P0.12545 (X0) ≈ 0.806 - 0.0025 ≈ 0.8035
(TI-Befehl: binomcdf(45,0.125,7) - binomcdf(45,0.125,0))

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 4 Bildern der Datenbank sind Mitglieder der Homepage-AG zu sehen. Es wird geschätzt, dass die Seite täglich 90 mal aufgerufen wird. Die Mitglieder der Homepage-AG wollen dass mit mindestens 70%-iger Wahrscheinlichkiet mindestens 14 mal am Tag eines ihrer eigenen 4 Bilder erscheint. Wie viele andere Bilder dürfen dann höchstens noch in der Datenbank sein?

Lösung einblenden
pP(X≥14)=1-P(X≤13)
......
4 13 0.9997
4 14 0.9987
4 15 0.9958
4 16 0.989
4 17 0.9762
4 18 0.9552
4 19 0.9249
4 20 0.8848
4 21 0.8359
4 22 0.7797
4 23 0.7185
4 24 0.6545
......

Die Zufallsvariable X gibt die Anzahl der Bilder mit Homepage-AG-lern an. X ist binomialverteilt mit n=90 und unbekanntem Parameter p.

Es muss gelten: Pp90 (X14) = 1- Pp90 (X13) = 0.7 (oder mehr)

Wir wissen, dass der Zähler bei unserer Einzelwahrscheinlichkeit p 4 sein muss, da es ja genau 4 günstige Fälle gibt.

Wir müssen nun bei verschiedenen Nennern untersuchen, wie hoch die gesuchte Wahrscheinlichkeit Pp90 (X14) ('mindestens 14 Treffer bei 90 Versuchen') bei diesen Nennern wird (siehe Tabelle links)

Als Startwert wählen wir als p= 4 13 . (Durch Ausprobieren erkennt man, dass vorher die Wahrscheinlichkeit immer fast 1 ist)

In dieser Tabelle erkennen wir, dass letztmals bei der Einzelwahrscheinlichkeit p= 4 23 die gesuchte Wahrscheinlichkeit über 70% bleibt.
Der Nenner, also die Anzahl aller Bilder in der Datenbank, darf also höchstens 23 sein.

Also wären noch 19 zusätzliche Optionen (also weitere Bilder) zulässig.

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

Beispiel:

Ein Basketballtrainer sucht einen neuen Spieler, der mit 60% Wahrscheinlichkeit von 88 Freiwürfen mindestens 52 mal trifft. Welche Trefferquote braucht solch ein Spieler mindestens?

Lösung einblenden
pP(X≥52)=1-P(X≤51)
......
0.550.254
0.560.3181
0.570.3883
0.580.4627
0.590.5388
0.60.6138
......

Es muss gelten: Pp88 (X52) =0.6 (oder mehr)

oder eben: 1- Pp88 (X51) =0.6 (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(88,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 erstmals bei p=0.6 die gesuchte Wahrscheinlichkeit über 0.6 ist.

Binomialverteilung X ∈ [l;k]

Beispiel:

Bei einem Glücksrad ist die Wahrscheinlichkeit im grünen Bereich zu landen bei p=0,7. Wie groß ist die Wahrscheinlichkeit bei 53 Versuchen, mehr als 32 mal und höchstens 41 mal im grünen Bereich zu landen?

Lösung einblenden

P0.753 (33X41) =

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

P0.753 (X41) - P0.753 (X32) ≈ 0.9094 - 0.0862 ≈ 0.8232
(TI-Befehl: binomcdf(53,0.7,41) - binomcdf(53,0.7,32))

Binomialvert. Abstand vom Erwartungswert

Beispiel:

Ein Basketballspieler hat eine Trefferquote von p=25%. Wie groß ist die Wahrscheinlichkeit dass er bei 86 Versuchen nicht mehr als 10% von seinem Erwartungswert abweicht?

Lösung einblenden

Den Erwartungswert berechnet man als E=n⋅p=86⋅0.25 = 21.5

Die 10% Abweichung wären dann zwischen 90% von 21.5, also 0.9⋅ 21.5 = 19.35 und 110% von 21.5, also 1.1⋅ 21.5 = 23.65

Da die Trefferzahl ja nicht weiter von 21.5 entfernt sein darf als 19.35 bzw. 23.65, muss sie also zwischen 20 und 23 liegen.

P0.2586 (20X23) =

...
17
18
19
20
21
22
23
24
25
...

P0.2586 (X23) - P0.2586 (X19) ≈ 0.6961 - 0.315 ≈ 0.3811
(TI-Befehl: binomcdf(86,0.25,23) - binomcdf(86,0.25,19))