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 50% 22 oder mehr 6er zu erzielen?

Lösung einblenden
nP(X≤k)
......
1290.5105
1300.4949
1310.4793
1320.4638
......

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 (X22) ≥ 0.5

Weil man ja aber P 1 6 n (X22) nicht in den WTR eingeben kann, müssen wir diese Wahrscheinlichkeit über die Gegenwahrscheinlichkeit berechnen:

P 1 6 n (X22) = 1 - P 1 6 n (X21) ≥ 0.5 |+ P 1 6 n (X21) - 0.5

0.5 ≥ P 1 6 n (X21) oder P 1 6 n (X21) ≤ 0.5

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 22 1 6 ≈ 132 Versuchen auch ungefähr 22 (≈ 1 6 ⋅132) Treffer auftreten.

Wir berechnen also mit unserem ersten n=132:
P 1 6 n (X21) ≈ 0.4638 (TI-Befehl: Binomialcdf ...)

Je nachdem, wie weit nun dieser Wert noch von den gesuchten 0.5 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 0.5 überschritten wird.

Aus der Werte-Tabelle (siehe links) erkennt man dann, dass erstmals bei n=130 die gesuchte Wahrscheinlichkeit unter 0.5 ist.

n muss also mindestens 130 sein, damit P 1 6 n (X21) ≤ 0.5 oder eben P 1 6 n (X22) ≥ 0.5 gilt.

Binomialverteilung X>=k

Beispiel:

Bei einem Glücksrad ist die Wahrscheinlichkeit im grünen Bereich zu landen bei p=0,9. Wie groß ist die Wahrscheinlichkeit bei 32 Versuchen mindestens 30 mal im grünen Bereich zu landen?
(Bitte auf 4 Stellen nach dem Komma runden)

Lösung einblenden

...
27
28
29
30
31

P0.932 (X30) = 1 - P0.932 (X29) = 0.3667
(TI-Befehl: 1-binomcdf(32,0.9,29))

Binomialvert. mit variablem p (diskret)

Beispiel:

In einer Urne sind 2 rote und einige schwarze Kugeln. Es soll 26 mal mit Zurücklegen gezogen werden. Wie viele schwarze Kugeln dürfen in der Urne höchstens sein, damit mit einer Wahrscheinlichkeit von mindestens 90% unter den 26 gezogenen Kugeln nicht mehr als 24 schwarze sind?

Lösung einblenden
pP(X≤24)
......
4 6 0.9996
5 7 0.9982
6 8 0.9945
7 9 0.9878
8 10 0.9773
9 11 0.9633
10 12 0.9458
11 13 0.9256
12 14 0.9031
13 15 0.8789
......

Die Zufallsvariable X gibt die Anzahl der gezogenen Kugeln mit der Farbe schwarz an. X ist binomialverteilt mit n=26 und unbekanntem Parameter p.

Es muss gelten: Pp26 (X24) = 0.9 (oder mehr)

Wir wissen, dass der Nenner bei unserer Einzelwahrscheinlichkeit p immer um 2 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 Pp26 (X24) ('höchstens 24 Treffer bei 26 Versuchen') auswirkt (siehe Tabelle links)

Als Startwert wählen wir als p= 4 6 . (Durch Ausprobieren erkennt man, dass vorher die Wahrscheinlichkeit immer fast 1 ist)

In dieser Tabelle erkennen wir, dass letztmals bei der Einzelwahrscheinlichkeit p= 12 14 die gesuchte Wahrscheinlichkeit über 90% bleibt.
Die Anzahl der schwarzen Kugeln, die hinzugefügt wird, darf also höchstens 12 sein.

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

Beispiel:

Ein Basketballtrainer sucht einen neuen Spieler, der mit 60% Wahrscheinlichkeit von 89 Freiwürfen mindestens 52 mal trifft. Welche Trefferquote braucht solch ein Spieler mindestens?

Lösung einblenden
pP(X≥52)=1-P(X≤51)
......
0.550.2944
0.560.363
0.570.4365
0.580.5126
0.590.5885
0.60.6616
......

Es muss gelten: Pp89 (X52) =0.6 (oder mehr)

oder eben: 1- Pp89 (X51) =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(89,X,51) - 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=0.6 die gesuchte Wahrscheinlichkeit über 0.6 ist.

kumulierte Binomialverteilung

Beispiel:

Ein Würfel wird 96 mal geworfen. Wie groß ist die Wahrscheinlichkeit dass nicht öfter als 23 mal eine 6 (p=1/6) 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=96 und p= 1 6 .

P 1 6 96 (X23) = P 1 6 96 (X=0) + P 1 6 96 (X=1) + P 1 6 96 (X=2) +... + P 1 6 96 (X=23) = 0.97587266380566 ≈ 0.9759
(TI-Befehl: binomcdf(96,1/6,23))

Erwartungswert, Standardabweichung best.

Beispiel:

Eine Zufallsgröße ist binomialverteilt mit den Parametern n = 30 und p = 0.05
Bestimme den Erwartungswert μ und die Standardabweichung σ von X .

Lösung einblenden

Für Erwartungswert und Standardabweichung bei der Binomialverteilung gibt es ja einfache Formeln, in die man einfach n = 30 und p = 0.05 einsetzen muss:

Erwartungswert E(X) = n ⋅ p = 30 ⋅ 0.05 = 1.5

Standardabweichung S(X) = n ⋅ p ⋅ (1-p) = 30 ⋅ 0.05 ⋅ 0.95 = 1.425 1.19