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 11% der gekauften Tickets gar nicht eingelöst werden. Wieviel Tickets kann sie für ihre 39-Platzmaschine höchstens verkaufen, so dass es zu mindestens 60% Wahrscheinlichkeit zu keiner Überbelegung kommt.

Lösung einblenden
nP(X≤k)
......
430.7107
440.5399
......

Die Zufallsgröße X gibt die Anzahl der Ticketbesitzer, die tatsächlich fliegen an und ist im Idealfall binomialverteilt mit p = 0.89 und variablem n.

Es muss gelten: P0.89n (X39) ≥ 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 89% der Versuche mit einem Treffer. Also müssten dann doch bei 39 0.89 ≈ 44 Versuchen auch ungefähr 39 (≈0.89⋅44) Treffer auftreten.

Wir berechnen also mit unserem ersten n=44:
P0.89n (X39) ≈ 0.5399 (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=43 die gesuchte Wahrscheinlichkeit über 60% ist.

kumulierte Binomialverteilung

Beispiel:

Ein Basketballspieler hat eine Trefferquote von 20%. Wie groß ist die Wahrscheinlichkeit dass er von 71 Versuchen nicht mehr als 18 trifft?
(Bitte auf 4 Stellen nach dem Komma runden)

Lösung einblenden

Die Zufallsvariable X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=71 und p=0.2.

P0.271 (X18) = P0.271 (X=0) + P0.271 (X=1) + P0.271 (X=2) +... + P0.271 (X=18) = 0.89635229560244 ≈ 0.8964
(TI-Befehl: binomcdf(71,0.2,18))

Binomialvert. mit variablem p (diskret)

Beispiel:

In einer Urne sind 5 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 80% unter den 11 gezogenen Kugeln nicht mehr als 3 rote sind?

Lösung einblenden
pP(X≤3)
......
5 18 0.6345
5 19 0.6765
5 20 0.7133
5 21 0.7455
5 22 0.7737
5 23 0.7983
5 24 0.8199
......

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) =0.8 (oder mehr)

Wir wissen, dass der Zähler bei unserer Einzelwahrscheinlichkeit p 5 sein muss, da es ja genau 5 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 5 3 erweitern (so dass wir auf den Zähler 5 kommen) und den Nenner abrunden, müssten wir mit p= 5 18 einen brauchbaren Einstiegswert für dieses Probieren erhalten.

In dieser Tabelle erkennen wir, dass erstmals bei der Einzelwahrscheinlichkeit p= 5 24 die gesuchte Wahrscheinlichkeit über 80% steigt.
Der Nenner, also die Anzahl aller Kugeln, muss also mindestens 24 sein.

Also werden noch 19 zusätzliche Optionen (also schwarze Kugeln) benötigt.

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

Beispiel:

Bei einem Zufallsexperiment ist die Wahrscheinlichkeit für einen Treffer unbekannt. Das Zufallsexperinment wird 49 mal wiederholt (bzw. die Stichprobe hat die Größe 49)
Wie hoch muss die Einzelwahrscheinlichkeit p mindestens sein, dass mit einer Wahrscheinlich von mind. 60% mindestens 24 Treffer erzielt werden?

Lösung einblenden
pP(X≥24)=1-P(X≤23)
......
0.450.3373
0.460.3904
0.470.4455
0.480.5015
0.490.5575
0.50.6123
......

Es muss gelten: Pp49 (X24) =0.6 (oder mehr)

oder eben: 1- Pp49 (X23) =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(49,X,23) - 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=0.5 die gesuchte Wahrscheinlichkeit über 0.6 ist.

Binomialverteilung X>=k

Beispiel:

In einer Chip-Fabrik werden neue High Tech Chips produziert. Leider ist die Technik noch nicht so ganz ausgereift, weswegen Ausschuss mit einer Wahrscheinlichkeit von p=0,15 entsteht. Es wird eine Stichprobe der Menge 43 entnommen. Wie groß ist die Wahrscheinlichkeit, dass davon 8 oder sogar noch mehr Chips defekt sind?
(Bitte auf 4 Stellen nach dem Komma runden)

Lösung einblenden

...
5
6
7
8
9
10
...

P0.1543 (X8) = 1 - P0.1543 (X7) = 0.3128
(TI-Befehl: 1-binomcdf(43,0.15,7))

Binomialvert. Abstand vom Erwartungswert

Beispiel:

In einer Chip-Fabrik werden neue High Tech Chips produziert. Leider ist die Technik noch nicht so ganz ausgereift, weswegen Ausschuss mit einer Wahrscheinlichkeit von p=0,7 entsteht. Es wird eine Stichprobe der Menge 100 entnommen. Wie groß ist die Wahrscheinlichkeit, dass die Anzahl der defekten Chips nicht mehr als 10% vom Erwartungswert abweicht?

Lösung einblenden

Den Erwartungswert berechnet man als E=n⋅p=100⋅0.7 = 70

Die 10% Abweichung wären dann zwischen 90% von 70, also 0.9⋅ 70 = 63 und 110% von 70, also 1.1⋅ 70 = 77

Da die Trefferzahl ja nicht weiter von 70 entfernt sein darf als 63 bzw. 77, muss sie also zwischen 63 und 77 liegen.

P0.7100 (63X77) =

...
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
...

P0.7100 (X77) - P0.7100 (X62) ≈ 0.9521 - 0.053 ≈ 0.8991
(TI-Befehl: binomcdf(100,0.7,77) - binomcdf(100,0.7,62))