Aufgabenbeispiele von Wiederholung aus 9/10

Durch Aktualisieren des Browsers (z.B. mit Taste F5) kann man neue Beispielaufgaben sehen


Binomialvert. mit variablem n (mind)

Beispiel:

Der, dessen Name nicht genannt werden darf, testet Zauber um seine Nase wiederherzustellen. Ein solcher Versuch endet zu 70% mit einer Konfettiexplosion. Wie viele Versuche muss er mindestens machen, damit er mit einer Wahrscheinlichkeit von mindestens 60% mindestens 20 Nasen hat.

Lösung einblenden
nP(X≤k)
......
670.4434
680.4125
690.3825
......

Die Zufallsgröße X gibt die Anzahl der geglückten Nasen-Zauberversuche an und ist im Idealfall binomialverteilt mit p = 0.3 und variablem n.

Es muss gelten: P0.3n (X20) ≥ 0.6

Weil man ja aber P0.3n (X20) nicht in den WTR eingeben kann, müssen wir diese Wahrscheinlichkeit über die Gegenwahrscheinlichkeit berechnen:

P0.3n (X20) = 1 - P0.3n (X19) ≥ 0.6 |+ P0.3n (X19) - 0.6

0.4 ≥ P0.3n (X19) oder P0.3n (X19) ≤ 0.4

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 30% der Versuche mit einem Treffer. Also müssten dann doch bei 20 0.3 ≈ 67 Versuchen auch ungefähr 20 (≈0.3⋅67) Treffer auftreten.

Wir berechnen also mit unserem ersten n=67:
P0.3n (X19) ≈ 0.4434 (TI-Befehl: Binomialcdf ...)

Je nachdem, wie weit nun dieser Wert noch von den gesuchten 0.4 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 0.4 überschritten wird.

Aus der Werte-Tabelle (siehe links) erkennt man dann, dass erstmals bei n=69 die gesuchte Wahrscheinlichkeit unter 0.4 ist.

n muss also mindestens 69 sein, damit P0.3n (X19) ≤ 0.4 oder eben P0.3n (X20) ≥ 0.6 gilt.

Formel v. Bernoulli

Beispiel:

Ein Würfel wird 88 mal geworfen. Wie groß ist die Wahrscheinlichkeit dass genau 6 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=88 und p= 1 6 .

P 1 6 88 (X=6) = ( 88 6 ) ( 1 6 )6 ( 5 6 )82 =0.0037340016500416≈ 0.0037
(TI-Befehl: binompdf(88,1/6,6))

Binomialvert. mit variablem p (diskret)

Beispiel:

In einer Urne sind 5 rote und einige schwarze Kugeln. Es soll 18 mal mit Zurücklegen gezogen werden. Wie viele schwarze Kugeln müssen in der Urne mindestens sein, damit mit einer Wahrscheinlichkeit von mindestens 75% unter den 18 gezogenen Kugeln nicht mehr als 6 rote sind?

Lösung einblenden
pP(X≤6)
......
5 15 0.6085
5 16 0.6806
5 17 0.7403
5 18 0.7893
......

Die Zufallsvariable X gibt die Anzahl der gezogenen Kugeln mit der Farbe rot an. X ist binomialverteilt mit n=18 und unbekanntem Parameter p.

Es muss gelten: Pp18 (X6) =0.75 (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 Pp18 (X6) ('höchstens 6 Treffer bei 18 Versuchen') bei diesen Nennern wird (siehe Tabelle links)

Um einen günstigen Startwert zu finden wählen wir mal als p= 6 18 . Mit diesem p wäre ja 6= 6 18 ⋅18 der Erwartungswert und somit Pp18 (X6) irgendwo in der nähe von 50%. Wenn wir nun p= 6 18 mit 5 6 erweitern (so dass wir auf den Zähler 5 kommen) und den Nenner abrunden, müssten wir mit p= 5 15 einen brauchbaren Einstiegswert für dieses Probieren erhalten.

In dieser Tabelle erkennen wir, dass erstmals bei der Einzelwahrscheinlichkeit p= 5 18 die gesuchte Wahrscheinlichkeit über 75% steigt.
Der Nenner, also die Anzahl aller Kugeln, muss also mindestens 18 sein.

Also werden noch 13 zusätzliche Optionen (also schwarze Kugeln) benötigt.

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

Beispiel:

Ein Glücksrad soll mit nur zwei verschiedenen Sektoren (blau und rot) gebaut werden. Wie hoch muss man die Einzelwahrscheinlichkeit p mindestens wählen, dass die Wahrscheinlichkeit bei 64 Wiederholungen 23 mal (oder mehr) rot zu treffen bei mind. 80% liegt?

Lösung einblenden
pP(X≥23)=1-P(X≤22)
......
0.360.5511
0.370.6159
0.380.6773
0.390.7337
0.40.7845
0.410.8289
......

Es muss gelten: Pp64 (X23) =0.8 (oder mehr)

oder eben: 1- Pp64 (X22) =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=1-binomcdf(64,X,22) - 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=0.41 die gesuchte Wahrscheinlichkeit über 0.8 ist.

Formel v. Bernoulli

Beispiel:

Ein partystarker Schüler muss einen Mulitple Choice Test ablegen von dem er keinen blassen Schimmer hat. Deswegen rät er einfach bei jeder der 34 Aufgaben munter drauf los, welche der vier Antworten wohl richtig sein könnte. Wie groß ist die Wahrscheinlichkeit, dass er so genau 5 Fragen richtig beantwortet hat?
(Bitte auf 4 Stellen nach dem Komma runden)

Lösung einblenden

Die Zufallsvariable X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=34 und p= 1 4 .

P 1 4 34 (X=5) = ( 34 5 ) ( 1 4 )5 ( 3 4 )29 =0.064702523544723≈ 0.0647
(TI-Befehl: binompdf(34,1/4,5))

Erwartungswert, Standardabweichung best.

Beispiel:

Eine Zufallsgröße ist binomialverteilt mit den Parametern n = 58 und p = 0.1
Bestimme den Erwartungswert μ und die Standardabweichung σ von X .

Lösung einblenden

Für Erwartungswert und Standardabweichung bei der Binomialverteilung gibt es ja einfache Formeln, in die man einfach n = 58 und p = 0.1 einsetzen muss:

Erwartungswert E(X) = n ⋅ p = 58 ⋅ 0.1 = 5.8

Standardabweichung S(X) = n ⋅ p ⋅ (1-p) = 58 ⋅ 0.1 ⋅ 0.9 = 5.22 2.28