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:

Wie oft muss man mit einem normalen Würfel mindestens würfeln, um mit einer Wahrscheinlichkeit von mindestens 80% 37 oder mehr 6er zu erzielen?

Lösung einblenden
nP(X≤k)
......
2440.24
2450.2314
2460.223
2470.2148
2480.2068
2490.199
......

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 (X37) ≥ 0.8

Weil man ja aber P 1 6 n (X37) nicht in den WTR eingeben kann, müssen wir diese Wahrscheinlichkeit über die Gegenwahrscheinlichkeit berechnen:

P 1 6 n (X37) = 1 - P 1 6 n (X36) ≥ 0.8 |+ P 1 6 n (X36) - 0.8

0.2 ≥ P 1 6 n (X36) oder P 1 6 n (X36) ≤ 0.2

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 37 1 6 ≈ 222 Versuchen auch ungefähr 37 (≈ 1 6 ⋅222) Treffer auftreten.

Wir berechnen also mit unserem ersten n=222:
P 1 6 n (X36) ≈ 0.4721 (TI-Befehl: Binomialcdf ...)

Je nachdem, wie weit nun dieser Wert noch von den gesuchten 0.2 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 0.2 überschritten wird.

Aus der Werte-Tabelle (siehe links) erkennt man dann, dass erstmals bei n=249 die gesuchte Wahrscheinlichkeit unter 0.2 ist.

n muss also mindestens 249 sein, damit P 1 6 n (X36) ≤ 0.2 oder eben P 1 6 n (X37) ≥ 0.8 gilt.

Formel v. Bernoulli

Beispiel:

Bei einem Glücksrad ist die Wahrscheinlichkeit im grünen Bereich zu landen bei p=0,3. Wie groß ist die Wahrscheinlichkeit bei 95 Versuchen genau 31 mal im grünen Bereich zu landen?
(Bitte auf 4 Stellen nach dem Komma runden)

Lösung einblenden

Die Zufallsvariable X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=95 und p=0.3.

P0.395 (X=31) = ( 95 31 ) 0.331 0.764 =0.074592336021934≈ 0.0746
(TI-Befehl: binompdf(95,0.3,31))

Binomialvert. mit variablem p (diskret)

Beispiel:

In einer Urne sind 4 rote und einige schwarze Kugeln. Es soll 25 mal mit Zurücklegen gezogen werden. Wie viele schwarze Kugeln dürfen in der Urne höchstens sein, damit mit einer Wahrscheinlichkeit von mindestens 85% unter den 25 gezogenen Kugeln nicht mehr als 21 schwarze sind?

Lösung einblenden
pP(X≤21)
......
5 9 0.9994
6 10 0.9976
7 11 0.9933
8 12 0.9851
9 13 0.9722
10 14 0.9542
11 15 0.9312
12 16 0.9038
13 17 0.8727
14 18 0.8388
......

Die Zufallsvariable X gibt die Anzahl der gezogenen Kugeln mit der Farbe schwarz an. X ist binomialverteilt mit n=25 und unbekanntem Parameter p.

Es muss gelten: Pp25 (X21) = 0.85 (oder mehr)

Wir wissen, dass der Nenner bei unserer Einzelwahrscheinlichkeit p immer um 4 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 Pp25 (X21) ('höchstens 21 Treffer bei 25 Versuchen') auswirkt (siehe Tabelle links)

Als Startwert wählen wir als p= 5 9 . (Durch Ausprobieren erkennt man, dass vorher die Wahrscheinlichkeit immer fast 1 ist)

In dieser Tabelle erkennen wir, dass letztmals bei der Einzelwahrscheinlichkeit p= 13 17 die gesuchte Wahrscheinlichkeit über 85% bleibt.
Die Anzahl der schwarzen Kugeln, die hinzugefügt wird, darf also höchstens 13 sein.

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

Beispiel:

Ein Basketballtrainer sucht einen neuen Spieler, der mit 90% Wahrscheinlichkeit von 90 Freiwürfen mindestens 32 mal trifft. Welche Trefferquote braucht solch ein Spieler mindestens?

Lösung einblenden
pP(X≥32)=1-P(X≤31)
......
0.370.6497
0.380.7191
0.390.7807
0.40.8334
0.410.877
0.420.9117
......

Es muss gelten: Pp90 (X32) =0.9 (oder mehr)

oder eben: 1- Pp90 (X31) =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(90,X,31) - 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=0.42 die gesuchte Wahrscheinlichkeit über 0.9 ist.

Binomialverteilung X ∈ [l;k]

Beispiel:

Ein Würfel wird 90 mal geworfen. Wie groß ist die Wahrscheinlichkeit, dass mehr als 11 mal, aber weniger als 20 mal eine sechs gewürfelt wird?

Lösung einblenden

P 1 6 90 (12X19) =

...
9
10
11
12
13
14
15
16
17
18
19
20
21
...

P 1 6 90 (X19) - P 1 6 90 (X11) ≈ 0.8957 - 0.1609 ≈ 0.7348
(TI-Befehl: binomcdf(90, 1 6 ,19) - binomcdf(90, 1 6 ,11))

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=0,4 entsteht. Es wird eine Stichprobe der Menge 41 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 = 41⋅0.4 ≈ 16.4,
die Standardabweichung mit σ = n p (1-p) = 41 0.4 0.6 ≈ 3.14

19.54 (16.4 + 3.14) und 13.26 (16.4 - 3.14) sind also jeweils eine Standardabweichung vom Erwartungswert μ = 16.4 entfernt.

Das bedeutet, dass genau die Zahlen zwischen 14 und 19 nicht mehr als eine Standardabweichung vom Erwartungswert entfernt sind.

Gesucht ist also die Wahrscheinlichkeit, dass die Trefferanzahl zwischen 14 und 19 liegt.

P0.441 (14X19) =

...
11
12
13
14
15
16
17
18
19
20
21
...

P0.441 (X19) - P0.441 (X13) ≈ 0.8386 - 0.1781 ≈ 0.6605
(TI-Befehl: binomcdf(41,0.4,19) - binomcdf(41,0.4,13))