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=0,45.
Wie oft muss man das Zufallsexperiment mindestens wiederholen (oder wie groß muss die Stichprobe sein), um mit mind. 90% Wahrscheinlichkeit, mindestens 25 Treffer zu erzielen ?

Lösung einblenden
nP(X≤k)
......
610.2245
620.1931
630.1649
640.1398
650.1177
660.0984
......

Die Zufallsgröße X gibt die Anzahl der Treffer an und ist im Idealfall binomialverteilt mit p = 0.45 und variablem n.

Es muss gelten: P0.45n (X25) ≥ 0.9

Weil man ja aber P0.45n (X25) nicht in den WTR eingeben kann, müssen wir diese Wahrscheinlichkeit über die Gegenwahrscheinlichkeit berechnen:

P0.45n (X25) = 1 - P0.45n (X24) ≥ 0.9 |+ P0.45n (X24) - 0.9

0.1 ≥ P0.45n (X24) oder P0.45n (X24) ≤ 0.1

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 45% der Versuche mit einem Treffer. Also müssten dann doch bei 25 0.45 ≈ 56 Versuchen auch ungefähr 25 (≈0.45⋅56) Treffer auftreten.

Wir berechnen also mit unserem ersten n=56:
P0.45n (X24) ≈ 0.4272 (TI-Befehl: Binomialcdf ...)

Je nachdem, wie weit nun dieser Wert noch von den gesuchten 0.1 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 0.1 überschritten wird.

Aus der Werte-Tabelle (siehe links) erkennt man dann, dass erstmals bei n=66 die gesuchte Wahrscheinlichkeit unter 0.1 ist.

n muss also mindestens 66 sein, damit P0.45n (X24) ≤ 0.1 oder eben P0.45n (X25) ≥ 0.9 gilt.

Binomialverteilung X ∈ [l;k]

Beispiel:

Ein Scherzkeks in einer Glückskeksfabrik backt in jeden achten Glückskeks eine scharfe Peperoni ein. Wie groß ist die Wahrscheinlichkeit, mehr als 10 und höchstens 12 Glückskekse mit einer Peproni zu erwischen, wenn man 64 Glückskekse kauft?

Lösung einblenden

P0.12564 (11X12) =

...
8
9
10
11
12
13
14
...

P0.12564 (X12) - P0.12564 (X10) ≈ 0.9488 - 0.8296 ≈ 0.1192
(TI-Befehl: binomcdf(64,0.125,12) - binomcdf(64,0.125,10))

Binomialvert. mit variablem p (diskret)

Beispiel:

Eine Firma, die Überraschungseier vertreibt, möchte als Werbegag manche Eier mit Superfiguren bestücken. Aus Angst vor Kundenbeschwerden sollen in einer 7er-Packung mit der mindestens 50% Wahrscheinlichkeit 2 oder mehr Superfiguren enthalten sein. Wenn in jedes n-te Ei eine Superfigur rein soll, wie groß darf dann n höchstens sein?

Lösung einblenden
pP(X≥2)=1-P(X≤1)
......
1 2 0.9375
1 3 0.7366
1 4 0.5551
1 5 0.4233
......

Die Zufallsvariable X gibt die Anzahl der Eier mit einer Superfigur an. X ist binomialverteilt mit n=7 und unbekanntem Parameter p.

Es muss gelten: Pp7 (X2) = 1- Pp7 (X1) = 0.5 (oder mehr)

Wir wissen, dass der Zähler bei unserer Einzelwahrscheinlichkeit p 1 sein muss, da es ja genau einen günstigen Fall gibt.

Wir müssen nun bei verschiedenen Nennern untersuchen, wie hoch die gesuchte Wahrscheinlichkeit Pp7 (X2) ('mindestens 2 Treffer bei 7 Versuchen') bei diesen Nennern wird (siehe Tabelle links)

Als Startwert wählen wir als p= 1 2 .

In dieser Tabelle erkennen wir, dass letztmals bei der Einzelwahrscheinlichkeit p= 1 4 die gesuchte Wahrscheinlichkeit über 50% bleibt.
Der Nenner, also die das wievielte Ei eine Superfigur enthält, darf also höchstens 4 sein.

Binomialvert. mit variabl. p (höchstens) nur GTR

Beispiel:

Eine Fluggesellschaft hat 40 Plätze in ihrem Flugzeug. Trotzdem werden 85 Flugtickets verkauft. Wie hoch darf die Wahrscheinlichkeit, dass ein Ticketkäufer auch tatsächlich mitfliegt, höchstens sein, dass das Flugzeug mit einer Wahrscheinlichkeit von mindestens 90% nicht überbucht ist (also dass alle mitfliegen können)?

Lösung einblenden
pP(X≤k)
......
0.350.9919
0.360.9863
0.370.9778
0.380.9653
0.390.9478
0.40.9241
0.410.8931
......

Es muss gelten: Pp85 (X40) =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(85,X,40) - 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=0.4 die gesuchte Wahrscheinlichkeit über 0.9 ist.

Formel v. Bernoulli

Beispiel:

Eine Münze wird 28 mal geworfen. Wie groß ist die Wahrscheinlichkeit dass genau 13 mal "Zahl" (p=0,5) 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=28 und p=0.5.

P0.528 (X=13) = ( 28 13 ) 0.513 0.515 =0.13948291540146≈ 0.1395
(TI-Befehl: binompdf(28,0.5,13))

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=0,3 entsteht. Es wird eine Stichprobe der Menge 84 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 = 84⋅0.3 ≈ 25.2,
die Standardabweichung mit σ = n p (1-p) = 84 0.3 0.7 ≈ 4.2

29.4 (25.2 + 4.2) und 21 (25.2 - 4.2) sind also jeweils eine Standardabweichung vom Erwartungswert μ = 25.2 entfernt.

Das bedeutet, dass genau die Zahlen zwischen 21 und 29 nicht mehr als eine Standardabweichung vom Erwartungswert entfernt sind.

Gesucht ist also die Wahrscheinlichkeit, dass die Trefferanzahl zwischen 21 und 29 liegt.

P0.384 (21X29) =

...
18
19
20
21
22
23
24
25
26
27
28
29
30
31
...

P0.384 (X29) - P0.384 (X20) ≈ 0.847 - 0.1305 ≈ 0.7165
(TI-Befehl: binomcdf(84,0.3,29) - binomcdf(84,0.3,20))