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:

Im einem Mathekurs beträgt die Wahrscheinlichkeit, dass ein klassischer GeSchwa-Fehler begangen wird, p=0,5. Wie viele Aufgaben kann ein Schüler höchstens machen, damit er mit einer Wahrscheinlichkeit von 50% maximal 23 dieser Fehler begeht?

Lösung einblenden
nP(X≤k)
......
460.5585
470.5
480.4427
......

Die Zufallsgröße X gibt Anzahl der begangenen GeSchwa-Fehler an und ist im Idealfall binomialverteilt mit p = 0.5 und variablem n.

Es muss gelten: P0.5n (X23) ≥ 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 50% der Versuche mit einem Treffer. Also müssten dann doch bei 23 0.5 ≈ 46 Versuchen auch ungefähr 23 (≈0.5⋅46) Treffer auftreten.

Wir berechnen also mit unserem ersten n=46:
P0.5n (X23) ≈ 0.5585 (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 letztmals bei n=47 die gesuchte Wahrscheinlichkeit über 50% ist.

Binomialverteilung X>=k

Beispiel:

Ein partystarker Schüler muss einen Mulitple Choice Test ablegen von dem er keinen blassen Schimmer hat. Deswegen rät er einfach bei jeder der 75 Aufgaben munter drauf los, welche der vier Antworten wohl richtig sein könnte. Wie groß ist die Wahrscheinlichkeit, dass er so 19 oder gar noch mehr Fragen richtig beantwortet hat?
(Bitte auf 4 Stellen nach dem Komma runden)

Lösung einblenden

...
16
17
18
19
20
21
...

P0.2575 (X19) = 1 - P0.2575 (X18) = 0.5176
(TI-Befehl: 1-binomcdf(75,0.25,18))

Binomialvert. mit variablem p (diskret)

Beispiel:

In einer Urne sind 5 rote und einige schwarze Kugeln. Es soll 27 mal mit Zurücklegen gezogen werden. Wie viele schwarze Kugeln dürfen in der Urne höchstens sein, damit mit einer Wahrscheinlichkeit von mindestens 70% unter den 27 gezogenen Kugeln nicht mehr als 21 schwarze sind?

Lösung einblenden
pP(X≤21)
......
5 10 0.9992
6 11 0.9967
7 12 0.99
8 13 0.9772
9 14 0.9567
10 15 0.9281
11 16 0.8919
12 17 0.8495
13 18 0.8024
14 19 0.7524
15 20 0.7011
16 21 0.6497
......

Die Zufallsvariable X gibt die Anzahl der gezogenen Kugeln mit der Farbe schwarz an. X ist binomialverteilt mit n=27 und unbekanntem Parameter p.

Es muss gelten: Pp27 (X21) = 0.7 (oder mehr)

Wir wissen, dass der Nenner bei unserer Einzelwahrscheinlichkeit p immer um 5 größer sein muss als der Zähler.

Deswegen erhöhen wir nun schrittweise immer den Zähler und Nenner bei der Einzelwahrscheinlichkeit um 1 und probieren aus, wie sich das auf die gesuchte Wahrscheinlichkeit Pp27 (X21) ('höchstens 21 Treffer bei 27 Versuchen') auswirkt (siehe Tabelle links)

Als Startwert wählen wir als p= 5 10 . (Durch Ausprobieren erkennt man, dass vorher die Wahrscheinlichkeit immer fast 1 ist)

In dieser Tabelle erkennen wir, dass letztmals bei der Einzelwahrscheinlichkeit p= 15 20 die gesuchte Wahrscheinlichkeit über 70% bleibt.
Die Anzahl der schwarzen Kugeln, die hinzugefügt wird, darf also höchstens 15 sein.

Binomialvert. mit variabl. p (höchstens) nur GTR

Beispiel:

Bei einem Glücksrad soll mit einer Wahrscheinlichkeit von 90% bei 48 Ausspielungen nicht öfters als 32 mal der grüne Bereich kommen. Wie hoch darf man die Wahrscheinlichkeit für den grünen Bereich auf dem Glücksrad maximal setzen?

Lösung einblenden
pP(X≤k)
......
0.530.9861
0.540.9804
0.550.9729
0.560.9631
0.570.9505
0.580.9346
0.590.915
......

Es muss gelten: Pp48 (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(48,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=0.58 die gesuchte Wahrscheinlichkeit über 0.9 ist.

Binomialverteilung X ∈ [l;k]

Beispiel:

Ein partystarker Schüler muss einen Mulitple Choice Test ablegen, von dem er keinen blassen Schimmer hat. Deswegen rät er einfach bei jeder der 82 Aufgaben munter drauf los, welche der vier Antworten wohl richtig sein könnte. Wie groß ist die Wahrscheinlichkeit, dass er so mindestens 20, aber weniger als 29 Fragen richtig beantwortet hat?

Lösung einblenden

P0.2582 (20X28) =

...
17
18
19
20
21
22
23
24
25
26
27
28
29
30
...

P0.2582 (X28) - P0.2582 (X19) ≈ 0.9765 - 0.4072 ≈ 0.5693
(TI-Befehl: binomcdf(82,0.25,28) - binomcdf(82,0.25,19))

Binomialvert. Abstand vom Erwartungswert

Beispiel:

Ein Basketballspieler hat eine Trefferquote von p=40%. Wie groß ist die Wahrscheinlichkeit dass er bei 44 Versuchen nicht mehr als 15% von seinem Erwartungswert abweicht?

Lösung einblenden

Den Erwartungswert berechnet man als E=n⋅p=44⋅0.4 = 17.6

Die 15% Abweichung wären dann zwischen 85% von 17.6, also 0.85⋅ 17.6 = 14.96 und 115% von 17.6, also 1.15⋅ 17.6 = 20.24

Da die Trefferzahl ja nicht weiter von 17.6 entfernt sein darf als 14.96 bzw. 20.24, muss sie also zwischen 15 und 20 liegen.

P0.444 (15X20) =

...
12
13
14
15
16
17
18
19
20
21
22
...

P0.444 (X20) - P0.444 (X14) ≈ 0.8144 - 0.1703 ≈ 0.6441
(TI-Befehl: binomcdf(44,0.4,20) - binomcdf(44,0.4,14))