Pestalozzi Gymnasium Biberach EduRandomtasks

Binomialvert. mit variablem n (höchst.)

Beispiel:

Bei einem Zufallsexperiment beträgt die Wahrscheinlichkeit für einen Treffer p=0,3.
Wie oft darf man das Zufallsexperiment höchstens wiederholen (oder wie groß darf die Stichprobe sein), um mit mind. 60% Wahrscheinlichkeit, höchstens 20 Treffer zu erzielen ?

Lösung einblenden

n	P(X≤k)
...	...
65	0.613
66	0.5813
67	0.5494
...	...

Die Zufallsgröße X gibt die Anzahl der Treffer an und ist im Idealfall binomialverteilt mit p = 0.3 und variablem n.

Es muss gelten: $P_{0.3}^{n} (X \leq 20)$ ≥ 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 30% der Versuche mit einem Treffer. Also müssten dann doch bei $\frac{20}{0.3}$ ≈ 67 Versuchen auch ungefähr 20 (≈0.3⋅67) Treffer auftreten.

Wir berechnen also mit unserem ersten n=67:
$P_{0.3}^{n} (X \leq 20)$ ≈ 0.5494 (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.

Formel v. Bernoulli

Beispiel:

Ein Würfel wird 45 mal geworfen. Wie groß ist die Wahrscheinlichkeit dass genau 4 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=45 und p= $\frac{1}{6}$ .

P_{\frac{1}{6}}^{45} (X = 4)

=

(\begin{matrix} 45 \\ 4 \end{matrix}) \cdot {(\frac{1}{6})}^{4} \cdot {(\frac{5}{6})}^{41}

=0.06518318916764≈ 0.0652
(TI-Befehl: binompdf(45,1/6,4))

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 95 mal gespielt wird. Mit wie vielen Sektoren müssen sie ihr Glückrad mindestens bestücken damit die 9 Hauptpreise mit einer Wahrscheinlichkeit von mindestens 90% für die 95 Durchgänge reichen?

Lösung einblenden

p	P(X≤9)
...	...
$\frac{1}{10}$	0.5184
$\frac{1}{11}$	0.6376
$\frac{1}{12}$	0.7329
$\frac{1}{13}$	0.8056
$\frac{1}{14}$	0.8594
$\frac{1}{15}$	0.8986
$\frac{1}{16}$	0.9269
...	...

Die Zufallsvariable X gibt die Anzahl der Hauptpreise an. X ist binomialverteilt mit n=95 und unbekanntem Parameter p.

Es muss gelten: $P_{p}^{95} (X \leq 9)$ =0.9 (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 $P_{p}^{95} (X \leq 9)$ ('höchstens 9 Treffer bei 95 Versuchen') bei diesen Nennern wird (siehe Tabelle links)

Um einen günstigen Startwert zu finden wählen wir mal als p= $\frac{9}{95}$ . Mit diesem p wäre ja 9= $\frac{9}{95}$ ⋅95 der Erwartungswert und somit $P_{p}^{95} (X \leq 9)$ irgendwo in der nähe von 50%. Wenn wir nun p= $\frac{9}{95}$ mit $\frac{1}{9}$ erweitern (so dass wir auf den Zähler 1 kommen) und den Nenner abrunden, müssten wir mit p= $\frac{1}{10}$ einen brauchbaren Einstiegswert für dieses Probieren erhalten.

In dieser Tabelle erkennen wir, dass erstmals bei der Einzelwahrscheinlichkeit p= $\frac{1}{16}$ die gesuchte Wahrscheinlichkeit über 90% steigt.
Der Nenner, also die Anzahl der Sektoren des Glücksrad, muss also mindestens 16 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 60 Stück nur an, wenn nicht mehr als 28 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

p	P(X≤k)
...	...
0.34	0.9848
0.35	0.9772
0.36	0.9666
0.37	0.9524
0.38	0.9339
0.39	0.9105
0.4	0.8816
...	...

Es muss gelten: $P_{p}^{60} (X \leq 28)$ =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(60,X,28) - 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=0.39 die gesuchte Wahrscheinlichkeit über 0.9 ist.

kumulierte Binomialverteilung

Beispiel:

Ein Scherzkeks in einer Glückskeksfabrik backt in jeden achten Glückskeks eine scharfe Peperoni ein. Wie groß ist die Wahrscheinlichkeit, nicht mehr als 7 Glückskekse mit einer Peproni zu erwischen, wenn man 77 Glückskekse kauft?
(Bitte auf 4 Stellen nach dem Komma runden)

Lösung einblenden

Die Zufallsvariable X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=77 und p= $\frac{1}{8}$ .

P_{\frac{1}{8}}^{77} (X \leq 7)

=

P_{\frac{1}{8}}^{77} (X = 0)

+

P_{\frac{1}{8}}^{77} (X = 1)

+

P_{\frac{1}{8}}^{77} (X = 2)

+... +

P_{\frac{1}{8}}^{77} (X = 7)

= 0.23834133748708 ≈ 0.2383
(TI-Befehl: binomcdf(77,1/8,7))

Wahrscheinlichkeit von σ-Intervall um μ

Beispiel:

Ein Würfel wird 62 mal geworfen. Wie groß ist die Wahrscheinlichkeit, dass die Anzahl der gewürfelten 6er nicht mehr als eine Standardabweichung vom Erwartungswert abweicht?

Lösung einblenden

Den Erwartungswert berechnet man mit μ = n⋅p = 62⋅ $\frac{1}{6}$ ≈ 10.33,
die Standardabweichung mit σ = $\sqrt{n \cdot p \cdot (1-p)}$ = $\sqrt{62\cdot\frac{1}{6}\cdot\frac{5}{6}}$ ≈ 2.93

13.27 (10.33 + 2.93) und 7.4 (10.33 - 2.93) sind also jeweils eine Standardabweichung vom Erwartungswert μ = 10.33 entfernt.

Das bedeutet, dass genau die Zahlen zwischen 8 und 13 nicht mehr als eine Standardabweichung vom Erwartungswert entfernt sind.

Gesucht ist also die Wahrscheinlichkeit, dass die Trefferanzahl zwischen 8 und 13 liegt.

$P_{\frac{1}{6}}^{62} (8 \leq X \leq 13)$ =

...

5

6

7

8

9

10

11

12

13

14

15

...

P_{\frac{1}{6}}^{62} (X \leq 13)

-

P_{\frac{1}{6}}^{62} (X \leq 7)

≈ 0.859 - 0.1674 ≈ 0.6916
(TI-Befehl: binomcdf(62, $\frac{1}{6}$ ,13) - binomcdf(62, $\frac{1}{6}$ ,7))

Aufgabenbeispiele von Wiederholung aus 9/10

Binomialvert. mit variablem n (höchst.)

Formel v. Bernoulli

Binomialvert. mit variablem p (diskret)

Binomialvert. mit variabl. p (höchstens) nur GTR

kumulierte Binomialverteilung

Wahrscheinlichkeit von σ-Intervall um μ