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:
Bei einem Zufallsexperiment beträgt die Wahrscheinlichkeit für einen Treffer p=0,6.
Wie oft muss man das Zufallsexperiment mindestens wiederholen (oder wie groß muss die Stichprobe sein), um mit mind. 80% Wahrscheinlichkeit, mindestens 29 Treffer zu erzielen ?
| n | P(X≤k) |
|---|---|
| ... | ... |
| 48 | 0.4609 |
| 49 | 0.3931 |
| 50 | 0.3299 |
| 51 | 0.2723 |
| 52 | 0.2213 |
| 53 | 0.1771 |
| ... | ... |
Die Zufallsgröße X gibt die Anzahl der Treffer an und ist im Idealfall binomialverteilt mit p = 0.6 und variablem n.
Es muss gelten: ≥ 0.8
Weil man ja aber nicht in den WTR eingeben kann, müssen wir diese Wahrscheinlichkeit über die Gegenwahrscheinlichkeit berechnen:
= 1 - ≥ 0.8 |+ - 0.8
0.2 ≥ oder ≤ 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 60% der Versuche mit einem Treffer. Also müssten dann doch bei ≈ 48 Versuchen auch ungefähr 29 (≈0.6⋅48) Treffer auftreten.
Wir berechnen also mit unserem ersten n=48:
≈ 0.4609
(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=53 die gesuchte Wahrscheinlichkeit unter 0.2 ist.
n muss also mindestens 53 sein, damit ≤ 0.2 oder eben ≥ 0.8 gilt.
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 36 Aufgaben munter drauf los, welche der vier Antworten wohl richtig sein könnte. Wie groß ist die Wahrscheinlichkeit, dass er so genau 6 Fragen richtig beantwortet hat?
(Bitte auf 4 Stellen nach dem Komma runden)
Die Zufallsvariable X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=36 und p=.
= =0.08492206215245≈ 0.0849(TI-Befehl: binompdf(36,1/4,6))
Binomialvert. mit variablem p (diskret)
Beispiel:
In einer Urne sind 4 rote und einige schwarze Kugeln. Es soll 15 mal mit Zurücklegen gezogen werden. Wie viele schwarze Kugeln müssen in der Urne mindestens sein, damit mit einer Wahrscheinlichkeit von mindestens 85% unter den 15 gezogenen Kugeln nicht mehr als 6 rote sind?
| p | P(X≤6) |
|---|---|
| ... | ... |
| 0.6098 | |
| 0.7177 | |
| 0.797 | |
| 0.8538 | |
| ... | ... |
Die Zufallsvariable X gibt die Anzahl der gezogenen Kugeln mit der Farbe rot an. X ist binomialverteilt mit n=15 und unbekanntem Parameter p.
Es muss gelten: =0.85 (oder mehr)
Wir wissen, dass der Zähler bei unserer Einzelwahrscheinlichkeit p 4 sein muss, da es ja genau 4 günstige Fälle gibt.
Wir müssen nun bei verschiedenen Nennern untersuchen, wie hoch die gesuchte Wahrscheinlichkeit ('höchstens 6 Treffer bei 15 Versuchen') bei diesen Nennern wird (siehe Tabelle links)
Um einen günstigen Startwert zu finden wählen wir mal als p=. Mit diesem p wäre ja 6=⋅15 der Erwartungswert und somit irgendwo in der nähe von 50%. Wenn wir nun p= mit erweitern (so dass wir auf den Zähler 4 kommen) und den Nenner abrunden, müssten wir mit p= einen brauchbaren Einstiegswert für dieses Probieren erhalten.
In dieser Tabelle erkennen wir, dass erstmals bei der Einzelwahrscheinlichkeit p= die gesuchte
Wahrscheinlichkeit über 85% steigt.
Der Nenner, also die Anzahl aller Kugeln, muss also mindestens
13 sein.
Also werden noch 9 zusätzliche Optionen (also schwarze Kugeln) benötigt.
Binomialvert. mit variabl. p (höchstens) nur GTR
Beispiel:
Ein Promi macht Urlaub in einem Ferienclub. Dort sind noch weitere 87 Gäste. Wie groß darf der Bekanntheitsgrad des Promis höchstens sein, dass ihn mit einer Wahrscheinlichkeit von mindestens 90% nicht mehr als 74 erkennen und dumm anlabern?
| p | P(X≤k) |
|---|---|
| ... | ... |
| 0.75 | 0.9919 |
| 0.76 | 0.9861 |
| 0.77 | 0.9767 |
| 0.78 | 0.9623 |
| 0.79 | 0.9406 |
| 0.8 | 0.9094 |
| 0.81 | 0.8664 |
| ... | ... |
Es muss gelten: =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=binomcdf(87,X,74) - 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 letztmals bei p=0.8 die gesuchte Wahrscheinlichkeit über 0.9 ist.
Formel v. Bernoulli
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 10% entsteht. Es wird eine Stichprobe der Menge 38 entnommen. Wie groß ist die Wahrscheinlichkeit, dass davon genau 6 defekte Chips enthalten sind.
(Bitte auf 4 Stellen nach dem Komma runden)
Die Zufallsvariable X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=38 und p=0.1.
= =0.09479305682689≈ 0.0948(TI-Befehl: binompdf(38,0.1,6))
Binomialvert. Abstand vom Erwartungswert
Beispiel:
Ein Basketballspieler hat eine Trefferquote von p=25%. Wie groß ist die Wahrscheinlichkeit dass er bei 94 Versuchen nicht mehr als 15% von seinem Erwartungswert abweicht?
Den Erwartungswert berechnet man als E=n⋅p=94⋅0.25 = 23.5
Die 15% Abweichung wären dann zwischen 85% von 23.5, also 0.85⋅ 23.5 = 19.975 und 115% von 23.5, also 1.15⋅ 23.5 = 27.025
Da die Trefferzahl ja nicht weiter von 23.5 entfernt sein darf als 19.975 bzw. 27.025, muss sie also zwischen 20 und 27 liegen.
=
(TI-Befehl: binomcdf(94,0.25,27) - binomcdf(94,0.25,19))
