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:
Im einem Mathekurs beträgt die Wahrscheinlichkeit, dass ein klassischer GeSchwa-Fehler begangen wird, p=0,15. Wie viele Aufgaben kann ein Schüler höchstens machen, damit er mit einer Wahrscheinlichkeit von 80% maximal 25 dieser Fehler begeht?
| n | P(X≤k) |
|---|---|
| ... | ... |
| 146 | 0.8004 |
| 147 | 0.7902 |
| 148 | 0.7797 |
| 149 | 0.769 |
| 150 | 0.7581 |
| 151 | 0.7469 |
| 152 | 0.7356 |
| 153 | 0.724 |
| 154 | 0.7123 |
| 155 | 0.7004 |
| 156 | 0.6883 |
| 157 | 0.6761 |
| 158 | 0.6637 |
| 159 | 0.6513 |
| 160 | 0.6387 |
| 161 | 0.626 |
| 162 | 0.6132 |
| 163 | 0.6004 |
| 164 | 0.5876 |
| 165 | 0.5747 |
| 166 | 0.5617 |
| 167 | 0.5488 |
| ... | ... |
Die Zufallsgröße X gibt Anzahl der begangenen GeSchwa-Fehler an und ist im Idealfall binomialverteilt mit p = 0.15 und variablem n.
Es muss gelten: ≥ 0.8
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 15% der Versuche mit einem Treffer. Also müssten dann doch bei ≈ 167 Versuchen auch ungefähr 25 (≈0.15⋅167) Treffer auftreten.
Wir berechnen also mit unserem ersten n=167:
≈ 0.5488
(TI-Befehl: Binomialcdf ...)
Je nachdem, wie weit nun dieser Wert noch von den gesuchten 0.8 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 0.8 überschritten wird.
Aus der Werte-Tabelle (siehe links) erkennt man dann, dass letztmals bei n=146 die gesuchte Wahrscheinlichkeit über 80% ist.
Binomialverteilung X ∈ [l;k]
Beispiel:
Ein Basketballspieler hat eine Trefferquote von 88% von der Freiwurflinie. Wie groß ist die Wahrscheinlichkeit dass er von 84 Versuchen mindestens 69 und weniger als 80 trifft?
=
(TI-Befehl: binomcdf(84,0.88,79) - binomcdf(84,0.88,68))
Binomialvert. mit variablem p (diskret)
Beispiel:
In einer Urne sind 4 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 70% unter den 28 gezogenen Kugeln nicht mehr als 21 schwarze sind?
| p | P(X≤21) |
|---|---|
| ... | ... |
| 0.9981 | |
| 0.9899 | |
| 0.9685 | |
| 0.9297 | |
| 0.8738 | |
| 0.8048 | |
| 0.7282 | |
| 0.6493 | |
| ... | ... |
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: = 0.7 (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 ('höchstens 21 Treffer bei 28 Versuchen') auswirkt (siehe Tabelle links)
Als Startwert wählen wir als p=. (Durch Ausprobieren erkennt man, dass vorher die Wahrscheinlichkeit immer fast 1 ist)
In dieser Tabelle erkennen wir, dass letztmals bei der Einzelwahrscheinlichkeit p= die gesuchte
Wahrscheinlichkeit über 70% bleibt.
Die Anzahl der schwarzen Kugeln, die hinzugefügt wird, darf also höchstens 10 sein.
Binomialvert. mit variabl. p (mind.) nur GTR
Beispiel:
Ein Basketballtrainer sucht einen neuen Spieler, der mit 50% Wahrscheinlichkeit von 62 Freiwürfen mindestens 55 mal trifft. Welche Trefferquote braucht solch ein Spieler mindestens?
| p | P(X≥55)=1-P(X≤54) |
|---|---|
| ... | ... |
| 0.83 | 0.151 |
| 0.84 | 0.2042 |
| 0.85 | 0.2695 |
| 0.86 | 0.3466 |
| 0.87 | 0.4343 |
| 0.88 | 0.5294 |
| ... | ... |
Es muss gelten: =0.5 (oder mehr)
oder eben: 1- =0.5 (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(62,X,54) - 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=0.88 die gesuchte Wahrscheinlichkeit über 0.5 ist.
kumulierte Binomialverteilung
Beispiel:
Bei einem Glücksrad ist die Wahrscheinlichkeit im grünen Bereich zu landen bei p=0,5. Wie groß ist die Wahrscheinlichkeit bei 98 Versuchen höchstens 47 mal im grünen Bereich zu landen?
(Bitte auf 4 Stellen nach dem Komma runden)
Die Zufallsvariable X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=98 und p=0.5.
= + + +... + = 0.38101810976462 ≈ 0.381(TI-Befehl: binomcdf(98,0.5,47))
Binomialvert. Abstand vom Erwartungswert
Beispiel:
Bei einem Glücksrad ist die Wahrscheinlichkeit im grünen Bereich zu landen bei p=0,65. Wie groß ist die Wahrscheinlichkeit bei 95 Versuchen, dass die Anzahl der Treffer im grünen Bereich nicht mehr als 20% vom Erwartungswert abweicht?
Den Erwartungswert berechnet man als E=n⋅p=95⋅0.65 = 61.75
Die 20% Abweichung wären dann zwischen 80% von 61.75, also 0.8⋅ 61.75 = 49.4 und 120% von 61.75, also 1.2⋅ 61.75 = 74.1
Da die Trefferzahl ja nicht weiter von 61.75 entfernt sein darf als 49.4 bzw. 74.1, muss sie also zwischen 50 und 74 liegen.
=
(TI-Befehl: binomcdf(95,0.65,74) - binomcdf(95,0.65,49))
