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:

In einer Urne ist der Anteil der grünen Kugeln 40%. Wie oft darf höchstens gezogen werden ( - natürlich mit Zurücklegen - ), so dass mit mind. 80% Wahrscheinlichkeit nicht mehr als 21 grüne Kugeln gezogen werden?

Lösung einblenden
nP(X≤k)
......
460.8249
470.7902
480.7525
490.7123
500.6701
510.6265
520.582
530.5372
......

Die Zufallsgröße X gibt Anzahl der gezogenen grünen Kugeln an und ist im Idealfall binomialverteilt mit p = 0.4 und variablem n.

Es muss gelten: P0.4n (X21) ≥ 0.8

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 40% der Versuche mit einem Treffer. Also müssten dann doch bei 21 0.4 ≈ 53 Versuchen auch ungefähr 21 (≈0.4⋅53) Treffer auftreten.

Wir berechnen also mit unserem ersten n=53:
P0.4n (X21) ≈ 0.5372 (TI-Befehl: Binomialcdf ...)

Je nachdem, wie weit nun dieser Wert noch von den gesuchten 0.8 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 0.8 überschritten wird.

Aus der Werte-Tabelle (siehe links) erkennt man dann, dass letztmals bei n=46 die gesuchte Wahrscheinlichkeit über 80% 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 11 und höchstens 14 Glückskekse mit einer Peproni zu erwischen, wenn man 89 Glückskekse kauft?

Lösung einblenden

P0.12589 (12X14) =

...
9
10
11
12
13
14
15
16
...

P0.12589 (X14) - P0.12589 (X11) ≈ 0.8595 - 0.5635 ≈ 0.296
(TI-Befehl: binomcdf(89,0.125,14) - binomcdf(89,0.125,11))

Binomialvert. mit variablem p (diskret)

Beispiel:

Ein neuer Multiple Choice Test mit 18 verschiedenen Fragen soll entwickelt werden. Dabei muss immer genau eine von mehreren Antwortmöglichkeiten richtig sein. Die Anzahl an Antwortmöglichkeiten soll bei allen Fragen gleich sein. Insgesamt soll der Test so konzipiert sein, dass die Wahrscheinlichkeit mehr als 2 Fragen nur durch Raten zufällig richtig zu beantworten (obwohl man keinerlei Wissen hat) bei höchstens 30% liegt. Bestimme die hierfür notwendige Mindestanzahl an Antwortmöglichkeiten bei jeder Frage.

Lösung einblenden
pP(X≤2)
......
1 9 0.677
1 10 0.7338
......

Die Zufallsvariable X gibt die Anzahl der zufällig richtig geratenenen Antworten an. X ist binomialverteilt mit n=18 und unbekanntem Parameter p.

Es muss gelten: Pp18 (X2) =0.7 (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 Pp18 (X2) ('höchstens 2 Treffer bei 18 Versuchen') bei diesen Nennern wird (siehe Tabelle links)

Um einen günstigen Startwert zu finden wählen wir mal als p= 2 18 . Mit diesem p wäre ja 2= 2 18 ⋅18 der Erwartungswert und somit Pp18 (X2) irgendwo in der nähe von 50%. Wenn wir nun p= 2 18 mit 1 2 erweitern (so dass wir auf den Zähler 1 kommen) und den Nenner abrunden, müssten wir mit p= 1 9 einen brauchbaren Einstiegswert für dieses Probieren erhalten.

In dieser Tabelle erkennen wir, dass erstmals bei der Einzelwahrscheinlichkeit p= 1 10 die gesuchte Wahrscheinlichkeit über 70% steigt.
Der Nenner, also die Anzahl der Antwortmöglichkeiten, muss also mindestens 10 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 53 Stück nur an, wenn nicht mehr als 32 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)
......
0.470.9817
0.480.9741
0.490.964
0.50.9508
0.510.9341
0.520.9133
0.530.888
......

Es muss gelten: Pp53 (X32) =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(53,X,32) - 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=0.52 die gesuchte Wahrscheinlichkeit über 0.9 ist.

Binomialverteilung X ∈ [l;k]

Beispiel:

Ein Zufallsexperiment wird 71 mal wiederholt. Jedesmal beträgt die Wahrscheinlichkeit für einen Treffer p=0,55.
Wie groß ist dabei die Wahrscheinlichkeit, mindestens 34, aber höchstens 42 Treffer zu erzielen?

Lösung einblenden

P0.5571 (34X42) =

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

P0.5571 (X42) - P0.5571 (X33) ≈ 0.7943 - 0.0931 ≈ 0.7012
(TI-Befehl: binomcdf(71,0.55,42) - binomcdf(71,0.55,33))

Binomialvert. Abstand vom Erwartungswert

Beispiel:

Bei einem Glücksrad ist die Wahrscheinlichkeit im grünen Bereich zu landen bei p=0,4. Wie groß ist die Wahrscheinlichkeit bei 53 Versuchen, dass die Anzahl der Treffer im grünen Bereich nicht mehr als 20% vom Erwartungswert abweicht?

Lösung einblenden

Den Erwartungswert berechnet man als E=n⋅p=53⋅0.4 = 21.2

Die 20% Abweichung wären dann zwischen 80% von 21.2, also 0.8⋅ 21.2 = 16.96 und 120% von 21.2, also 1.2⋅ 21.2 = 25.44

Da die Trefferzahl ja nicht weiter von 21.2 entfernt sein darf als 16.96 bzw. 25.44, muss sie also zwischen 17 und 25 liegen.

P0.453 (17X25) =

...
14
15
16
17
18
19
20
21
22
23
24
25
26
27
...

P0.453 (X25) - P0.453 (X16) ≈ 0.8854 - 0.0923 ≈ 0.7931
(TI-Befehl: binomcdf(53,0.4,25) - binomcdf(53,0.4,16))