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 Glücksrad, ist die Wahrscheinlichkeit in den grünen Bereich zu kommen p=0,7. Wie oft muss man dieses Glückrad mindestens drehen, um mit einer Wahrscheinlichkeit von mindestens 60% 31 mal oder öfters in den grünen Bereich zu kommen?

Lösung einblenden
nP(X≤k)
......
440.4521
450.3653
......

Die Zufallsgröße X gibt Anzahl der Drehungen, die im grünen Bereich landen an und ist im Idealfall binomialverteilt mit p = 0.7 und variablem n.

Es muss gelten: P0.7n (X31) ≥ 0.6

Weil man ja aber P0.7n (X31) nicht in den WTR eingeben kann, müssen wir diese Wahrscheinlichkeit über die Gegenwahrscheinlichkeit berechnen:

P0.7n (X31) = 1 - P0.7n (X30) ≥ 0.6 |+ P0.7n (X30) - 0.6

0.4 ≥ P0.7n (X30) oder P0.7n (X30) ≤ 0.4

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 70% der Versuche mit einem Treffer. Also müssten dann doch bei 31 0.7 ≈ 44 Versuchen auch ungefähr 31 (≈0.7⋅44) Treffer auftreten.

Wir berechnen also mit unserem ersten n=44:
P0.7n (X30) ≈ 0.4521 (TI-Befehl: Binomialcdf ...)

Je nachdem, wie weit nun dieser Wert noch von den gesuchten 0.4 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 0.4 überschritten wird.

Aus der Werte-Tabelle (siehe links) erkennt man dann, dass erstmals bei n=45 die gesuchte Wahrscheinlichkeit unter 0.4 ist.

n muss also mindestens 45 sein, damit P0.7n (X30) ≤ 0.4 oder eben P0.7n (X31) ≥ 0.6 gilt.

Binomialverteilung X>=k

Beispiel:

Ein partystarker Schüler muss einen Mulitple Choice Test ablegen von dem er keinen blassen Schimmer hat. Deswegen rät er einfach bei jeder der 26 Aufgaben munter drauf los, welche der vier Antworten wohl richtig sein könnte. Wie groß ist die Wahrscheinlichkeit, dass er so 9 oder gar noch mehr Fragen richtig beantwortet hat?
(Bitte auf 4 Stellen nach dem Komma runden)

Lösung einblenden

...
6
7
8
9
10
11
...

P0.2526 (X9) = 1 - P0.2526 (X8) = 0.1805
(TI-Befehl: 1-binomcdf(26,0.25,8))

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 75% 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
......

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) = 0.75 (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 2 die gesuchte Wahrscheinlichkeit über 75% bleibt.
Der Nenner, also die das wievielte Ei eine Superfigur enthält, darf also höchstens 2 sein.

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

Beispiel:

Bei einem Zufallsexperiment ist die Wahrscheinlichkeit für einen Treffer unbekannt. Das Zufallsexperinment wird 84 mal wiederholt (bzw. die Stichprobe hat die Größe 84)
Wie hoch muss die Einzelwahrscheinlichkeit p mindestens sein, dass mit einer Wahrscheinlich von mind. 70% mindestens 59 Treffer erzielt werden?

Lösung einblenden
pP(X≥59)=1-P(X≤58)
......
0.680.3784
0.690.4552
0.70.5348
0.710.6139
0.720.6895
0.730.7589
......

Es muss gelten: Pp84 (X59) =0.7 (oder mehr)

oder eben: 1- Pp84 (X58) =0.7 (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(84,X,58) - 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=0.73 die gesuchte Wahrscheinlichkeit über 0.7 ist.

Binomialverteilung X ∈ [l;k]

Beispiel:

Ein partystarker Schüler muss einen Mulitple Choice Test ablegen, von dem er keinen blassen Schimmer hat. Deswegen rät er einfach bei jeder der 40 Aufgaben munter drauf los, welche der vier Antworten wohl richtig sein könnte. Wie groß ist die Wahrscheinlichkeit, dass er so mindestens 7, aber weniger als 14 Fragen richtig beantwortet hat?

Lösung einblenden

P0.2540 (7X13) =

...
4
5
6
7
8
9
10
11
12
13
14
15
...

P0.2540 (X13) - P0.2540 (X6) ≈ 0.8968 - 0.0962 ≈ 0.8006
(TI-Befehl: binomcdf(40,0.25,13) - binomcdf(40,0.25,6))

Binomialvert. Abstand vom Erwartungswert

Beispiel:

Ein Basketballspieler hat eine Trefferquote von p=30%. Wie groß ist die Wahrscheinlichkeit dass er bei 47 Versuchen nicht mehr als 10% von seinem Erwartungswert abweicht?

Lösung einblenden

Den Erwartungswert berechnet man als E=n⋅p=47⋅0.3 = 14.1

Die 10% Abweichung wären dann zwischen 90% von 14.1, also 0.9⋅ 14.1 = 12.69 und 110% von 14.1, also 1.1⋅ 14.1 = 15.51

Da die Trefferzahl ja nicht weiter von 14.1 entfernt sein darf als 12.69 bzw. 15.51, muss sie also zwischen 13 und 15 liegen.

P0.347 (13X15) =

...
10
11
12
13
14
15
16
17
...

P0.347 (X15) - P0.347 (X12) ≈ 0.678 - 0.3112 ≈ 0.3668
(TI-Befehl: binomcdf(47,0.3,15) - binomcdf(47,0.3,12))