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:

Beim Biberacher Schützenfest läuft ein 12-köpfiger historischer Spielmannszug mit, der an die Schweden während des 30-Jährigen Kriegs erinnert. Dabei feiern dessen Mitglieder manchmal so ausgelassen, dass die Wahrscheinlichkeit eines Ausfall beim Umzug wegen unverhältnismäßig exzessiven Alkoholgenuss bei 7% liegt. Wie viele Schwedenmusiker muss die Schützendirektion mindestens ausbilden, damit beim Umzug mit mindestens 70%-iger Wahrscheinlichkeit mindestens 12 Schweden einsatzfähig sind?

Lösung einblenden
nP(X≤k)
......
120.5814
130.2298
......

Die Zufallsgröße X gibt die Anzahl der einsatzfähigen Schwedenmusiker an und ist im Idealfall binomialverteilt mit p = 0.93 und variablem n.

Es muss gelten: P0.93n (X12) ≥ 0.7

Weil man ja aber P0.93n (X12) nicht in den WTR eingeben kann, müssen wir diese Wahrscheinlichkeit über die Gegenwahrscheinlichkeit berechnen:

P0.93n (X12) = 1 - P0.93n (X11) ≥ 0.7 |+ P0.93n (X11) - 0.7

0.3 ≥ P0.93n (X11) oder P0.93n (X11) ≤ 0.3

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 93% der Versuche mit einem Treffer. Also müssten dann doch bei 12 0.93 ≈ 13 Versuchen auch ungefähr 12 (≈0.93⋅13) Treffer auftreten.

Wir berechnen also mit unserem ersten n=13:
P0.93n (X11) ≈ 0.2298 (TI-Befehl: Binomialcdf ...)

Je nachdem, wie weit nun dieser Wert noch von den gesuchten 0.3 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 0.3 überschritten wird.

Aus der Werte-Tabelle (siehe links) erkennt man dann, dass erstmals bei n=13 die gesuchte Wahrscheinlichkeit unter 0.3 ist.

n muss also mindestens 13 sein, damit P0.93n (X11) ≤ 0.3 oder eben P0.93n (X12) ≥ 0.7 gilt.

kumulierte Binomialverteilung

Beispiel:

Ein Zufallsexperiment wird 65 mal wiederholt. Jedesmal beträgt die Wahrscheinlichkeit für einen Treffer p= 0,55.
Wie groß ist dabei die Wahrscheinlichkeit, höchstens 36 Treffer zu erzielen?
(Bitte auf 4 Stellen nach dem Komma runden)

Lösung einblenden

Die Zufallsvariable X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=65 und p=0.55.

P0.5565 (X36) = P0.5565 (X=0) + P0.5565 (X=1) + P0.5565 (X=2) +... + P0.5565 (X=36) = 0.57248729630374 ≈ 0.5725
(TI-Befehl: binomcdf(65,0.55,36))

Binomialvert. mit variablem p (diskret)

Beispiel:

In einer Urne sind 3 rote und einige schwarze Kugeln. Es soll 13 mal mit Zurücklegen gezogen werden. Wie viele schwarze Kugeln müssen in der Urne mindestens sein, damit mit einer Wahrscheinlichkeit von mindestens 70% unter den 13 gezogenen Kugeln nicht mehr als 3 rote sind?

Lösung einblenden
pP(X≤3)
......
3 13 0.6485
3 14 0.7024
......

Die Zufallsvariable X gibt die Anzahl der gezogenen Kugeln mit der Farbe rot an. X ist binomialverteilt mit n=13 und unbekanntem Parameter p.

Es muss gelten: Pp13 (X3) =0.7 (oder mehr)

Wir wissen, dass der Zähler bei unserer Einzelwahrscheinlichkeit p 3 sein muss, da es ja genau 3 günstige Fälle gibt.

Wir müssen nun bei verschiedenen Nennern untersuchen, wie hoch die gesuchte Wahrscheinlichkeit Pp13 (X3) ('höchstens 3 Treffer bei 13 Versuchen') bei diesen Nennern wird (siehe Tabelle links)

Um einen günstigen Startwert zu finden wählen wir mal als p= 3 13 . Mit diesem p wäre ja 3= 3 13 ⋅13 der Erwartungswert und somit Pp13 (X3) irgendwo in der nähe von 50%. Wenn wir nun p= 3 13 mit 3 3 erweitern (so dass wir auf den Zähler 3 kommen) und den Nenner abrunden, müssten wir mit p= 3 13 einen brauchbaren Einstiegswert für dieses Probieren erhalten.

In dieser Tabelle erkennen wir, dass erstmals bei der Einzelwahrscheinlichkeit p= 3 14 die gesuchte Wahrscheinlichkeit über 70% steigt.
Der Nenner, also die Anzahl aller Kugeln, muss also mindestens 14 sein.

Also werden noch 11 zusätzliche Optionen (also schwarze Kugeln) benötigt.

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

Beispiel:

Bei einem Zufallsexperiment ist die Wahrscheinlichkeit für einen Treffer unbekannt. Das Zufallsexperinment wird 97 mal wiederholt (bzw. die Stichprobe hat die Größe 97)
Wie hoch muss die Einzelwahrscheinlichkeit p mindestens sein, dass mit einer Wahrscheinlich von mind. 60% mindestens 86 Treffer erzielt werden?

Lösung einblenden
pP(X≥86)=1-P(X≤85)
......
0.840.1306
0.850.195
0.860.279
0.870.3817
0.880.4985
0.890.6211
......

Es muss gelten: Pp97 (X86) =0.6 (oder mehr)

oder eben: 1- Pp97 (X85) =0.6 (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(97,X,85) - 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=0.89 die gesuchte Wahrscheinlichkeit über 0.6 ist.

Binomialverteilung X>=k

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=0,26 entsteht. Es wird eine Stichprobe der Menge 24 entnommen. Wie groß ist die Wahrscheinlichkeit, dass davon 6 oder sogar noch mehr Chips defekt sind?
(Bitte auf 4 Stellen nach dem Komma runden)

Lösung einblenden

...
3
4
5
6
7
8
...

P0.2624 (X6) = 1 - P0.2624 (X5) = 0.6213
(TI-Befehl: 1-binomcdf(24,0.26,5))

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 60 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 = 60⋅0.5 ≈ 30,
die Standardabweichung mit σ = n p (1-p) = 60 0.5 0.5 ≈ 3.87

33.87 (30 + 3.87) und 26.13 (30 - 3.87) sind also jeweils eine Standardabweichung vom Erwartungswert μ = 30 entfernt.

Das bedeutet, dass genau die Zahlen zwischen 27 und 33 nicht mehr als eine Standardabweichung vom Erwartungswert entfernt sind.

Gesucht ist also die Wahrscheinlichkeit, dass die Trefferanzahl zwischen 27 und 33 liegt.

P0.560 (27X33) =

...
24
25
26
27
28
29
30
31
32
33
34
35
...

P0.560 (X33) - P0.560 (X26) ≈ 0.8169 - 0.1831 ≈ 0.6338
(TI-Befehl: binomcdf(60,0.5,33) - binomcdf(60,0.5,26))