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:

Eine Fluggesellschaft geht davon aus, dass 16% der gekauften Tickets gar nicht eingelöst werden. Wieviel Tickets kann sie für ihre 39-Platzmaschine höchstens verkaufen, so dass es zu mindestens 90% Wahrscheinlichkeit zu keiner Überbelegung kommt.

Lösung einblenden
nP(X≤k)
......
430.9294
440.8537
450.7472
460.6193
......

Die Zufallsgröße X gibt die Anzahl der Ticketbesitzer, die tatsächlich fliegen an und ist im Idealfall binomialverteilt mit p = 0.84 und variablem n.

Es muss gelten: P0.84n (X39) ≥ 0.9

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 84% der Versuche mit einem Treffer. Also müssten dann doch bei 39 0.84 ≈ 46 Versuchen auch ungefähr 39 (≈0.84⋅46) Treffer auftreten.

Wir berechnen also mit unserem ersten n=46:
P0.84n (X39) ≈ 0.6193 (TI-Befehl: Binomialcdf ...)

Je nachdem, wie weit nun dieser Wert noch von den gesuchten 0.9 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 0.9 überschritten wird.

Aus der Werte-Tabelle (siehe links) erkennt man dann, dass letztmals bei n=43 die gesuchte Wahrscheinlichkeit über 90% ist.

Binomialverteilung X ∈ [l;k]

Beispiel:

Ein Basketballspieler hat eine Trefferquote von 92% von der Freiwurflinie. Wie groß ist die Wahrscheinlichkeit dass er von 82 Versuchen mindestens 67 und weniger als 78 trifft?

Lösung einblenden

P0.9282 (67X77) =

...
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
...

P0.9282 (X77) - P0.9282 (X66) ≈ 0.7945 - 0.0007 ≈ 0.7938
(TI-Befehl: binomcdf(82,0.92,77) - binomcdf(82,0.92,66))

Binomialvert. mit variablem p (diskret)

Beispiel:

In einer Urne sind 3 rote und einige schwarze Kugeln. Es soll 11 mal mit Zurücklegen gezogen werden. Wie viele schwarze Kugeln müssen in der Urne mindestens sein, damit mit einer Wahrscheinlichkeit von mindestens 75% unter den 11 gezogenen Kugeln nicht mehr als 3 rote sind?

Lösung einblenden
pP(X≤3)
......
3 11 0.6491
3 12 0.7133
3 13 0.7647
......

Die Zufallsvariable X gibt die Anzahl der gezogenen Kugeln mit der Farbe rot an. X ist binomialverteilt mit n=11 und unbekanntem Parameter p.

Es muss gelten: Pp11 (X3) =0.75 (oder mehr)

Wir wissen, dass der Zähler bei unserer Einzelwahrscheinlichkeit p 3 sein muss, da es ja genau 3 günstige Fälle gibt.

Wir müssen nun bei verschiedenen Nennern untersuchen, wie hoch die gesuchte Wahrscheinlichkeit Pp11 (X3) ('höchstens 3 Treffer bei 11 Versuchen') bei diesen Nennern wird (siehe Tabelle links)

Um einen günstigen Startwert zu finden wählen wir mal als p= 3 11 . Mit diesem p wäre ja 3= 3 11 ⋅11 der Erwartungswert und somit Pp11 (X3) irgendwo in der nähe von 50%. Wenn wir nun p= 3 11 mit 3 3 erweitern (so dass wir auf den Zähler 3 kommen) und den Nenner abrunden, müssten wir mit p= 3 11 einen brauchbaren Einstiegswert für dieses Probieren erhalten.

In dieser Tabelle erkennen wir, dass erstmals bei der Einzelwahrscheinlichkeit p= 3 13 die gesuchte Wahrscheinlichkeit über 75% steigt.
Der Nenner, also die Anzahl aller Kugeln, muss also mindestens 13 sein.

Also werden noch 10 zusätzliche Optionen (also schwarze Kugeln) benötigt.

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 85 Stück nur an, wenn nicht mehr als 74 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)
......
0.770.9933
0.780.9882
0.790.9799
0.80.9668
0.810.9467
0.820.9172
0.830.8756
......

Es muss gelten: Pp85 (X74) =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(85,X,74) - 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=0.82 die gesuchte Wahrscheinlichkeit über 0.9 ist.

kumulierte Binomialverteilung

Beispiel:

Eine Münze wird 20 mal geworfen. Wie groß ist die Wahrscheinlichkeit dass höchstens 11 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=20 und p=0.5.

P0.520 (X11) = P0.520 (X=0) + P0.520 (X=1) + P0.520 (X=2) +... + P0.520 (X=11) = 0.74827766418457 ≈ 0.7483
(TI-Befehl: binomcdf(20,0.5,11))

Wahrscheinlichkeit von σ-Intervall um μ

Beispiel:

Ein Basketballspieler hat eine Trefferquote von p=35%. Wie groß ist die Wahrscheinlichkeit dass bei 60 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 = 60⋅0.35 ≈ 21,
die Standardabweichung mit σ = n p (1-p) = 60 0.35 0.65 ≈ 3.69

24.69 (21 + 3.69) und 17.31 (21 - 3.69) sind also jeweils eine Standardabweichung vom Erwartungswert μ = 21 entfernt.

Das bedeutet, dass genau die Zahlen zwischen 18 und 24 nicht mehr als eine Standardabweichung vom Erwartungswert entfernt sind.

Gesucht ist also die Wahrscheinlichkeit, dass die Trefferanzahl zwischen 18 und 24 liegt.

P0.3560 (18X24) =

...
15
16
17
18
19
20
21
22
23
24
25
26
...

P0.3560 (X24) - P0.3560 (X17) ≈ 0.8286 - 0.1721 ≈ 0.6565
(TI-Befehl: binomcdf(60,0.35,24) - binomcdf(60,0.35,17))