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:
Wie oft darf man mit einem normalen Würfel höchstens würfeln, um mit einer Wahrscheinlichkeit von 90% nicht mehr als 32 6er zu würfeln?
| n | P(X≤k) |
|---|---|
| ... | ... |
| 158 | 0.9035 |
| 159 | 0.8969 |
| 160 | 0.8901 |
| 161 | 0.883 |
| 162 | 0.8756 |
| 163 | 0.8679 |
| 164 | 0.8599 |
| 165 | 0.8516 |
| 166 | 0.8431 |
| 167 | 0.8342 |
| 168 | 0.8252 |
| 169 | 0.8158 |
| 170 | 0.8062 |
| 171 | 0.7963 |
| 172 | 0.7862 |
| 173 | 0.7758 |
| 174 | 0.7652 |
| 175 | 0.7544 |
| 176 | 0.7433 |
| 177 | 0.7321 |
| 178 | 0.7207 |
| 179 | 0.709 |
| 180 | 0.6972 |
| 181 | 0.6853 |
| 182 | 0.6732 |
| 183 | 0.661 |
| 184 | 0.6486 |
| 185 | 0.6362 |
| 186 | 0.6236 |
| 187 | 0.611 |
| 188 | 0.5983 |
| 189 | 0.5855 |
| 190 | 0.5727 |
| 191 | 0.5599 |
| 192 | 0.547 |
| ... | ... |
Die Zufallsgröße X gibt Anzahl der gewürfelten 6er an und ist im Idealfall binomialverteilt mit p = und variablem n.
Es muss gelten: ≥ 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 der Versuche mit einem Treffer.
Also müssten dann doch bei ≈ 192 Versuchen auch ungefähr 32
(≈
Wir berechnen also mit unserem ersten n=192:
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=158 die gesuchte Wahrscheinlichkeit über 90% ist.
kumulierte Binomialverteilung
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=0,23 entsteht. Es wird eine Stichprobe der Menge 31 entnommen. Wie groß ist die Wahrscheinlichkeit, dass davon nicht mehr als 9 defekte Chips enthalten sind.
(Bitte auf 4 Stellen nach dem Komma runden)
Die Zufallsvariable X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=31 und p=0.23.
(TI-Befehl: binomcdf(31,0.23,9))
Binomialvert. mit variablem p (diskret)
Beispiel:
In einer Urne sind 5 rote und einige schwarze Kugeln. Es soll 26 mal mit Zurücklegen gezogen werden. Wie viele schwarze Kugeln dürfen in der Urne höchstens sein, damit mit einer Wahrscheinlichkeit von mindestens 70% unter den 26 gezogenen Kugeln nicht mehr als 21 schwarze sind?
| p | P(X≤21) |
|---|---|
| ... | ... |
| 0.9997 | |
| 0.9987 | |
| 0.9959 | |
| 0.9899 | |
| 0.9796 | |
| 0.9642 | |
| 0.9435 | |
| 0.9175 | |
| 0.887 | |
| 0.8527 | |
| 0.8156 | |
| 0.7766 | |
| 0.7366 | |
| 0.6961 | |
| ... | ... |
Die Zufallsvariable X gibt die Anzahl der gezogenen Kugeln mit der Farbe schwarz an. X ist binomialverteilt mit n=26 und unbekanntem Parameter p.
Es muss gelten:
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
Als Startwert wählen wir als p=
In dieser Tabelle erkennen wir, dass letztmals bei der Einzelwahrscheinlichkeit p=
Die Anzahl der schwarzen Kugeln, die hinzugefügt wird, darf also höchstens 17 sein.
Binomialvert. mit variabl. p (höchstens) nur GTR
Beispiel:
Eine Fluggesellschaft hat 46 Plätze in ihrem Flugzeug. Trotzdem werden 69 Flugtickets verkauft. Wie hoch darf die Wahrscheinlichkeit, dass ein Ticketkäufer auch tatsächlich mitfliegt, höchstens sein, dass das Flugzeug mit einer Wahrscheinlichkeit von mindestens 90% nicht überbucht ist (also dass alle mitfliegen können)?
| p | P(X≤k) |
|---|---|
| ... | ... |
| 0.54 | 0.988 |
| 0.55 | 0.9818 |
| 0.56 | 0.9729 |
| 0.57 | 0.9608 |
| 0.58 | 0.9445 |
| 0.59 | 0.9232 |
| 0.6 | 0.896 |
| ... | ... |
Es muss gelten:
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(69,X,46) - 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=0.59 die gesuchte Wahrscheinlichkeit über 0.9 ist.
kumulierte Binomialverteilung
Beispiel:
Ein Scherzkeks in einer Glückskeksfabrik backt in jeden achten Glückskeks eine scharfe Peperoni ein. Wie groß ist die Wahrscheinlichkeit, nicht mehr als 7 Glückskekse mit einer Peproni zu erwischen, wenn man 40 Glückskekse kauft?
(Bitte auf 4 Stellen nach dem Komma runden)
Die Zufallsvariable X gibt die Anzahl der Treffer an.
X ist binomialverteilt mit n=40 und p=
(TI-Befehl: binomcdf(40,1/8,7))
Erwartungswert, Standardabweichung best.
Beispiel:
Eine Zufallsgröße ist binomialverteilt mit den Parametern n = 66 und p = 0.3
Bestimme den Erwartungswert μ und die Standardabweichung σ von X .
Für Erwartungswert und Standardabweichung bei der Binomialverteilung gibt es ja einfache Formeln, in die man einfach n = 66 und p = 0.3 einsetzen muss:
Erwartungswert E(X) = n ⋅ p = 66 ⋅ 0.3 = 19.8
Standardabweichung S(X) =
