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:
Bei einem Zufallsexperiment beträgt die Wahrscheinlichkeit für einen Treffer p=0,45.
Wie oft darf man das Zufallsexperiment höchstens wiederholen (oder wie groß darf die Stichprobe sein), um mit mind. 90% Wahrscheinlichkeit, höchstens 36 Treffer zu erzielen ?
| n | P(X≤k) |
|---|---|
| ... | ... |
| 69 | 0.9061 |
| 70 | 0.885 |
| 71 | 0.861 |
| 72 | 0.8343 |
| 73 | 0.805 |
| 74 | 0.7731 |
| 75 | 0.739 |
| 76 | 0.7029 |
| 77 | 0.6651 |
| 78 | 0.6262 |
| 79 | 0.5864 |
| 80 | 0.5462 |
| ... | ... |
Die Zufallsgröße X gibt die Anzahl der Treffer an und ist im Idealfall binomialverteilt mit p = 0.45 und variablem n.
Es muss gelten: ≥ 0.9
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 ≈ 80 Versuchen auch ungefähr 36 (≈0.45⋅80) Treffer auftreten.
Wir berechnen also mit unserem ersten n=80:
≈ 0.5462
(TI-Befehl: Binomialcdf ...)
Je nachdem, wie weit nun dieser Wert noch von den gesuchten 0.9 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 0.9 überschritten wird.
Aus der Werte-Tabelle (siehe links) erkennt man dann, dass letztmals bei n=69 die gesuchte Wahrscheinlichkeit über 90% ist.
Binomialverteilung X ∈ [l;k]
Beispiel:
Ein Zufallsexperiment wird 52 mal wiederholt. Jedesmal beträgt die Wahrscheinlichkeit für einen Treffer p=0,6.
Wie groß ist dabei die Wahrscheinlichkeit, mindestens 28, aber höchstens 36 Treffer zu erzielen?
=
(TI-Befehl: binomcdf(52,0.6,36) - binomcdf(52,0.6,27))
Binomialvert. mit variablem p (diskret)
Beispiel:
In einer Urne sind 5 rote und einige schwarze Kugeln. Es soll 17 mal mit Zurücklegen gezogen werden. Wie viele schwarze Kugeln müssen in der Urne mindestens sein, damit mit einer Wahrscheinlichkeit von mindestens 85% unter den 17 gezogenen Kugeln nicht mehr als 3 rote sind?
| p | P(X≤3) |
|---|---|
| ... | ... |
| 0.6391 | |
| 0.6649 | |
| 0.6887 | |
| 0.7107 | |
| 0.731 | |
| 0.7497 | |
| 0.767 | |
| 0.7829 | |
| 0.7975 | |
| 0.8111 | |
| 0.8236 | |
| 0.8351 | |
| 0.8457 | |
| 0.8556 | |
| ... | ... |
Die Zufallsvariable X gibt die Anzahl der gezogenen Kugeln mit der Farbe rot an. X ist binomialverteilt mit n=17 und unbekanntem Parameter p.
Es muss gelten: =0.85 (oder mehr)
Wir wissen, dass der Zähler bei unserer Einzelwahrscheinlichkeit p 5 sein muss, da es ja genau 5 günstige Fälle gibt.
Wir müssen nun bei verschiedenen Nennern untersuchen, wie hoch die gesuchte Wahrscheinlichkeit ('höchstens 3 Treffer bei 17 Versuchen') bei diesen Nennern wird (siehe Tabelle links)
Um einen günstigen Startwert zu finden wählen wir mal als p=. Mit diesem p wäre ja 3=⋅17 der Erwartungswert und somit irgendwo in der nähe von 50%. Wenn wir nun p= mit erweitern (so dass wir auf den Zähler 5 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
41 sein.
Also werden noch 36 zusätzliche Optionen (also schwarze Kugeln) benötigt.
Binomialvert. mit variabl. p (mind.) nur GTR
Beispiel:
Ein Glücksrad soll mit nur zwei verschiedenen Sektoren (blau und rot) gebaut werden. Wie hoch muss man die Einzelwahrscheinlichkeit p mindestens wählen, dass die Wahrscheinlichkeit bei 90 Wiederholungen 78 mal (oder mehr) rot zu treffen bei mind. 70% liegt?
| p | P(X≥78)=1-P(X≤77) |
|---|---|
| ... | ... |
| 0.83 | 0.2195 |
| 0.84 | 0.3006 |
| 0.85 | 0.3963 |
| 0.86 | 0.5026 |
| 0.87 | 0.6129 |
| 0.88 | 0.719 |
| ... | ... |
Es muss gelten: =0.7 (oder mehr)
oder eben: 1- =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(90,X,77) - 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 0.7 ist.
Binomialverteilung X ∈ [l;k]
Beispiel:
Bei einem Glücksrad ist die Wahrscheinlichkeit im grünen Bereich zu landen bei p=0,4. Wie groß ist die Wahrscheinlichkeit bei 46 Versuchen, mehr als 19 mal und höchstens 23 mal im grünen Bereich zu landen?
=
(TI-Befehl: binomcdf(46,0.4,23) - binomcdf(46,0.4,19))
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=0,5 entsteht. Es wird eine Stichprobe der Menge 82 entnommen. Wie groß ist die Wahrscheinlichkeit, dass die Anzahl der defekten Chips um nicht mehr als eine Standardabweichung vom Erwartungswert abweicht?
Den Erwartungswert berechnet man mit μ = n⋅p = 82⋅0.5 ≈ 41,
die Standardabweichung mit σ =
=
≈ 4.53
45.53 (41 + 4.53) und 36.47 (41 - 4.53) sind also jeweils eine Standardabweichung vom Erwartungswert μ = 41 entfernt.
Das bedeutet, dass genau die Zahlen zwischen 37 und 45 nicht mehr als eine Standardabweichung vom Erwartungswert entfernt sind.
Gesucht ist also die Wahrscheinlichkeit, dass die Trefferanzahl zwischen 37 und 45 liegt.
=
(TI-Befehl: binomcdf(82,0.5,45) - binomcdf(82,0.5,36))
