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 60% nicht mehr als 34 6er zu würfeln?

Lösung einblenden
nP(X≤k)
......
1990.6077
2000.5953
2010.583
2020.5705
2030.5581
2040.5456
......

Die Zufallsgröße X gibt Anzahl der gewürfelten 6er an und ist im Idealfall binomialverteilt mit p = 1 6 und variablem n.

Es muss gelten: P 1 6 n (X34) ≥ 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 1 6 der Versuche mit einem Treffer. Also müssten dann doch bei 34 1 6 ≈ 204 Versuchen auch ungefähr 34 (≈ 1 6 ⋅204) Treffer auftreten.

Wir berechnen also mit unserem ersten n=204:
P 1 6 n (X34) ≈ 0.5456 (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=199 die gesuchte Wahrscheinlichkeit über 60% 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 5 und höchstens 13 Glückskekse mit einer Peproni zu erwischen, wenn man 65 Glückskekse kauft?

Lösung einblenden

P0.12565 (6X13) =

...
3
4
5
6
7
8
9
10
11
12
13
14
15
...

P0.12565 (X13) - P0.12565 (X5) ≈ 0.9718 - 0.1621 ≈ 0.8097
(TI-Befehl: binomcdf(65,0.125,13) - binomcdf(65,0.125,5))

Binomialvert. mit variablem p (diskret)

Beispiel:

In einer Urne sind 5 rote und einige schwarze Kugeln. Es soll 28 mal mit Zurücklegen gezogen werden. Wie viele schwarze Kugeln dürfen in der Urne höchstens sein, damit mit einer Wahrscheinlichkeit von mindestens 80% unter den 28 gezogenen Kugeln nicht mehr als 24 schwarze sind?

Lösung einblenden
pP(X≤24)
......
7 12 0.9996
8 13 0.9988
9 14 0.9971
10 15 0.9939
11 16 0.9889
12 17 0.9817
13 18 0.972
14 19 0.9597
15 20 0.9449
16 21 0.9276
17 22 0.9082
18 23 0.8869
19 24 0.864
20 25 0.8398
21 26 0.8146
22 27 0.7887
......

Die Zufallsvariable X gibt die Anzahl der gezogenen Kugeln mit der Farbe schwarz an. X ist binomialverteilt mit n=28 und unbekanntem Parameter p.

Es muss gelten: Pp28 (X24) = 0.8 (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 Pp28 (X24) ('höchstens 24 Treffer bei 28 Versuchen') auswirkt (siehe Tabelle links)

Als Startwert wählen wir als p= 7 12 . (Durch Ausprobieren erkennt man, dass vorher die Wahrscheinlichkeit immer fast 1 ist)

In dieser Tabelle erkennen wir, dass letztmals bei der Einzelwahrscheinlichkeit p= 21 26 die gesuchte Wahrscheinlichkeit über 80% bleibt.
Die Anzahl der schwarzen Kugeln, die hinzugefügt wird, darf also höchstens 21 sein.

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

Beispiel:

Ein Basketballtrainer sucht einen neuen Spieler, der mit 90% Wahrscheinlichkeit von 85 Freiwürfen mindestens 35 mal trifft. Welche Trefferquote braucht solch ein Spieler mindestens?

Lösung einblenden
pP(X≥35)=1-P(X≤34)
......
0.430.6717
0.440.7359
0.450.7928
0.460.8416
0.470.8821
0.480.9147
......

Es muss gelten: Pp85 (X35) =0.9 (oder mehr)

oder eben: 1- Pp85 (X34) =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=1-binomcdf(85,X,34) - 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=0.48 die gesuchte Wahrscheinlichkeit über 0.9 ist.

Binomialverteilung X>=k

Beispiel:

Ein Basketballspieler hat eine Trefferquote von p=0,66. Wie groß ist die Wahrscheinlichkeit dass er von 46 Versuchen mindestens 27 trifft?
(Bitte auf 4 Stellen nach dem Komma runden)

Lösung einblenden

...
24
25
26
27
28
29
...

P0.6646 (X27) = 1 - P0.6646 (X26) = 0.8841
(TI-Befehl: 1-binomcdf(46,0.66,26))

Wahrscheinlichkeit von σ-Intervall um μ

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=0,5 entsteht. Es wird eine Stichprobe der Menge 73 entnommen. Wie groß ist die Wahrscheinlichkeit, dass die Anzahl der defekten Chips um nicht mehr als eine Standardabweichung vom Erwartungswert abweicht?

Lösung einblenden

Den Erwartungswert berechnet man mit μ = n⋅p = 73⋅0.5 ≈ 36.5,
die Standardabweichung mit σ = n p (1-p) = 73 0.5 0.5 ≈ 4.27

40.77 (36.5 + 4.27) und 32.23 (36.5 - 4.27) sind also jeweils eine Standardabweichung vom Erwartungswert μ = 36.5 entfernt.

Das bedeutet, dass genau die Zahlen zwischen 33 und 40 nicht mehr als eine Standardabweichung vom Erwartungswert entfernt sind.

Gesucht ist also die Wahrscheinlichkeit, dass die Trefferanzahl zwischen 33 und 40 liegt.

P0.573 (33X40) =

...
30
31
32
33
34
35
36
37
38
39
40
41
42
...

P0.573 (X40) - P0.573 (X32) ≈ 0.8254 - 0.1746 ≈ 0.6508
(TI-Befehl: binomcdf(73,0.5,40) - binomcdf(73,0.5,32))