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:

Wie oft darf man mit einem normalen Würfel höchstens würfeln, um mit einer Wahrscheinlichkeit von 90% nicht mehr als 38 6er zu würfeln?

Lösung einblenden
nP(X≤k)
......
1910.9001
1920.894
1930.8877
1940.8811
1950.8743
1960.8673
1970.8601
1980.8526
1990.8448
2000.8369
2010.8287
2020.8203
2030.8116
2040.8028
2050.7937
2060.7844
2070.7749
2080.7653
2090.7554
2100.7454
2110.7351
2120.7247
2130.7142
2140.7035
2150.6926
2160.6817
2170.6706
2180.6593
2190.648
2200.6366
2210.6251
2220.6135
2230.6019
2240.5902
2250.5785
2260.5667
2270.555
2280.5432
......

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 (X38) ≥ 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 1 6 der Versuche mit einem Treffer. Also müssten dann doch bei 38 1 6 ≈ 228 Versuchen auch ungefähr 38 (≈ 1 6 ⋅228) Treffer auftreten.

Wir berechnen also mit unserem ersten n=228:
P 1 6 n (X38) ≈ 0.5432 (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=191 die gesuchte Wahrscheinlichkeit über 90% ist.

kumulierte Binomialverteilung

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=0,28 entsteht. Es wird eine Stichprobe der Menge 82 entnommen. Wie groß ist die Wahrscheinlichkeit, dass davon nicht mehr als 31 defekte Chips enthalten sind.
(Bitte auf 4 Stellen nach dem Komma runden)

Lösung einblenden

Die Zufallsvariable X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=82 und p=0.28.

P0.2882 (X31) = P0.2882 (X=0) + P0.2882 (X=1) + P0.2882 (X=2) +... + P0.2882 (X=31) = 0.97985730849382 ≈ 0.9799
(TI-Befehl: binomcdf(82,0.28,31))

Binomialvert. mit variablem p (diskret)

Beispiel:

In einer Urne sind 4 rote und einige schwarze Kugeln. Es soll 20 mal mit Zurücklegen gezogen werden. Wie viele schwarze Kugeln müssen in der Urne mindestens sein, damit mit einer Wahrscheinlichkeit von mindestens 90% unter den 20 gezogenen Kugeln nicht mehr als 3 rote sind?

Lösung einblenden
pP(X≤3)
......
4 26 0.629
4 27 0.6567
4 28 0.6822
4 29 0.7057
4 30 0.7273
4 31 0.7471
4 32 0.7653
4 33 0.7821
4 34 0.7974
4 35 0.8116
4 36 0.8246
4 37 0.8365
4 38 0.8476
4 39 0.8577
4 40 0.867
4 41 0.8757
4 42 0.8836
4 43 0.891
4 44 0.8978
4 45 0.9041
......

Die Zufallsvariable X gibt die Anzahl der gezogenen Kugeln mit der Farbe rot an. X ist binomialverteilt mit n=20 und unbekanntem Parameter p.

Es muss gelten: Pp20 (X3) =0.9 (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 Pp20 (X3) ('höchstens 3 Treffer bei 20 Versuchen') bei diesen Nennern wird (siehe Tabelle links)

Um einen günstigen Startwert zu finden wählen wir mal als p= 3 20 . Mit diesem p wäre ja 3= 3 20 ⋅20 der Erwartungswert und somit Pp20 (X3) irgendwo in der nähe von 50%. Wenn wir nun p= 3 20 mit 4 3 erweitern (so dass wir auf den Zähler 4 kommen) und den Nenner abrunden, müssten wir mit p= 4 26 einen brauchbaren Einstiegswert für dieses Probieren erhalten.

In dieser Tabelle erkennen wir, dass erstmals bei der Einzelwahrscheinlichkeit p= 4 45 die gesuchte Wahrscheinlichkeit über 90% steigt.
Der Nenner, also die Anzahl aller Kugeln, muss also mindestens 45 sein.

Also werden noch 41 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 88 Wiederholungen 40 mal (oder mehr) rot zu treffen bei mind. 70% liegt?

Lösung einblenden
pP(X≥40)=1-P(X≤39)
......
0.430.3588
0.440.4319
0.450.5071
0.460.5819
0.470.6536
0.480.7202
......

Es muss gelten: Pp88 (X40) =0.7 (oder mehr)

oder eben: 1- Pp88 (X39) =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(88,X,39) - 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=0.48 die gesuchte Wahrscheinlichkeit über 0.7 ist.

Formel v. Bernoulli

Beispiel:

Ein Scherzkeks in einer Glückskeksfabrik backt in jeden achten Glückskeks eine scharfe Peperoni ein. Wie groß ist die Wahrscheinlichkeit, genau 22 Glückskekse mit einer Peproni zu erwischen, wenn man 96 Glückskekse kauft?
(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 8 .

P 1 8 96 (X=22) = ( 96 22 ) ( 1 8 )22 ( 7 8 )74 =0.0018478631585162≈ 0.0018
(TI-Befehl: binompdf(96,1/8,22))

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 56 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 = 56⋅0.3 ≈ 16.8,
die Standardabweichung mit σ = n p (1-p) = 56 0.3 0.7 ≈ 3.43

20.23 (16.8 + 3.43) und 13.37 (16.8 - 3.43) sind also jeweils eine Standardabweichung vom Erwartungswert μ = 16.8 entfernt.

Das bedeutet, dass genau die Zahlen zwischen 14 und 20 nicht mehr als eine Standardabweichung vom Erwartungswert entfernt sind.

Gesucht ist also die Wahrscheinlichkeit, dass die Trefferanzahl zwischen 14 und 20 liegt.

P0.356 (14X20) =

...
11
12
13
14
15
16
17
18
19
20
21
22
...

P0.356 (X20) - P0.356 (X13) ≈ 0.8592 - 0.1683 ≈ 0.6909
(TI-Befehl: binomcdf(56,0.3,20) - binomcdf(56,0.3,13))