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:

Bei einem Zufallsexperiment beträgt die Wahrscheinlichkeit für einen Treffer p=0,35.
Wie oft darf man das Zufallsexperiment höchstens wiederholen (oder wie groß darf die Stichprobe sein), um mit mind. 90% Wahrscheinlichkeit, höchstens 35 Treffer zu erzielen ?

Lösung einblenden
nP(X≤k)
......
850.9033
860.888
870.8713
880.853
890.8334
900.8123
910.7899
920.7662
930.7413
940.7154
950.6886
960.661
970.6328
980.6041
990.575
1000.5458
......

Die Zufallsgröße X gibt die Anzahl der Treffer an und ist im Idealfall binomialverteilt mit p = 0.35 und variablem n.

Es muss gelten: P0.35n (X35) ≥ 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 35% der Versuche mit einem Treffer. Also müssten dann doch bei 35 0.35 ≈ 100 Versuchen auch ungefähr 35 (≈0.35⋅100) Treffer auftreten.

Wir berechnen also mit unserem ersten n=100:
P0.35n (X35) ≈ 0.5458 (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=85 die gesuchte Wahrscheinlichkeit über 90% ist.

Binomialverteilung X ∈ [l;k]

Beispiel:

Ein Würfel wird 51 mal geworfen. Wie groß ist die Wahrscheinlichkeit, dass mehr als 8 mal, aber weniger als 15 mal eine sechs gewürfelt wird?

Lösung einblenden

P 1 6 51 (9X14) =

...
6
7
8
9
10
11
12
13
14
15
16
...

P 1 6 51 (X14) - P 1 6 51 (X8) ≈ 0.9833 - 0.5169 ≈ 0.4664
(TI-Befehl: binomcdf(51, 1 6 ,14) - binomcdf(51, 1 6 ,8))

Binomialvert. mit variablem p (diskret)

Beispiel:

Ein neuer Multiple Choice Test mit 17 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 3 Fragen nur durch Raten zufällig richtig zu beantworten (obwohl man keinerlei Wissen hat) bei höchstens 25% liegt. Bestimme die hierfür notwendige Mindestanzahl an Antwortmöglichkeiten bei jeder Frage.

Lösung einblenden
pP(X≤3)
......
1 5 0.5489
1 6 0.6887
1 7 0.7829
......

Die Zufallsvariable X gibt die Anzahl der zufällig richtig geratenenen Antworten an. X ist binomialverteilt mit n=17 und unbekanntem Parameter p.

Es muss gelten: Pp17 (X3) =0.75 (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 Pp17 (X3) ('höchstens 3 Treffer bei 17 Versuchen') bei diesen Nennern wird (siehe Tabelle links)

Um einen günstigen Startwert zu finden wählen wir mal als p= 3 17 . Mit diesem p wäre ja 3= 3 17 ⋅17 der Erwartungswert und somit Pp17 (X3) irgendwo in der nähe von 50%. Wenn wir nun p= 3 17 mit 1 3 erweitern (so dass wir auf den Zähler 1 kommen) und den Nenner abrunden, müssten wir mit p= 1 5 einen brauchbaren Einstiegswert für dieses Probieren erhalten.

In dieser Tabelle erkennen wir, dass erstmals bei der Einzelwahrscheinlichkeit p= 1 7 die gesuchte Wahrscheinlichkeit über 75% steigt.
Der Nenner, also die Anzahl der Antwortmöglichkeiten, muss also mindestens 7 sein.

Binomialvert. mit variabl. p (höchstens) nur GTR

Beispiel:

Bei einem Zufallsexperiment ist die Wahrscheinlichkeit für einen Treffer unbekannt. Das Zufallsexperinment wird 53 mal wiederholt (bzw. die Stichprobe hat die Größe 53).
Wie hoch darf die Einzelwahrscheinlichkeit p höchstens sein, dass mit einer Wahrscheinlichkeit von mind. 80% höchstens 45 Treffer erzielt werden?

Lösung einblenden
pP(X≤k)
......
0.760.9596
0.770.9432
0.780.9216
0.790.8935
0.80.858
0.810.8142
0.820.7613
......

Es muss gelten: Pp53 (X45) =0.8 (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,45) - 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=0.81 die gesuchte Wahrscheinlichkeit über 0.8 ist.

Formel v. Bernoulli

Beispiel:

Ein Würfel wird 96 mal geworfen. Wie groß ist die Wahrscheinlichkeit dass genau 9 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=96 und p= 1 6 .

P 1 6 96 (X=9) = ( 96 9 ) ( 1 6 )9 ( 5 6 )87 =0.016621007899685≈ 0.0166
(TI-Befehl: binompdf(96,1/6,9))

Binomialvert. Abstand vom Erwartungswert

Beispiel:

Bei einem Glücksrad ist die Wahrscheinlichkeit im grünen Bereich zu landen bei p=0,45. Wie groß ist die Wahrscheinlichkeit bei 58 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=58⋅0.45 = 26.1

Die 20% Abweichung wären dann zwischen 80% von 26.1, also 0.8⋅ 26.1 = 20.88 und 120% von 26.1, also 1.2⋅ 26.1 = 31.32

Da die Trefferzahl ja nicht weiter von 26.1 entfernt sein darf als 20.88 bzw. 31.32, muss sie also zwischen 21 und 31 liegen.

P0.4558 (21X31) =

...
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
...

P0.4558 (X31) - P0.4558 (X20) ≈ 0.9226 - 0.0686 ≈ 0.854
(TI-Befehl: binomcdf(58,0.45,31) - binomcdf(58,0.45,20))