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 80% nicht mehr als 27 6er zu würfeln?

Lösung einblenden
nP(X≤k)
......
1420.8078
1430.797
1440.7859
1450.7746
1460.7629
1470.751
1480.7388
1490.7264
1500.7138
1510.701
1520.688
1530.6748
1540.6615
1550.648
1560.6344
1570.6207
1580.6069
1590.593
1600.5791
1610.5651
1620.5512
......

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 (X27) ≥ 0.8

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 27 1 6 ≈ 162 Versuchen auch ungefähr 27 (≈ 1 6 ⋅162) Treffer auftreten.

Wir berechnen also mit unserem ersten n=162:
P 1 6 n (X27) ≈ 0.5512 (TI-Befehl: Binomialcdf ...)

Je nachdem, wie weit nun dieser Wert noch von den gesuchten 0.8 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 0.8 überschritten wird.

Aus der Werte-Tabelle (siehe links) erkennt man dann, dass letztmals bei n=142 die gesuchte Wahrscheinlichkeit über 80% ist.

Formel v. Bernoulli

Beispiel:

Eine Münze wird 70 mal geworfen. Wie groß ist die Wahrscheinlichkeit dass genau 35 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=70 und p=0.5.

P0.570 (X=35) = ( 70 35 ) 0.535 0.535 =0.095025473540538≈ 0.095
(TI-Befehl: binompdf(70,0.5,35))

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 11er-Packung mit der mindestens 50% Wahrscheinlichkeit 1 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≥1)=1-P(X≤0)
......
1 2 0.9995
1 3 0.9884
1 4 0.9578
1 5 0.9141
1 6 0.8654
1 7 0.8165
1 8 0.7698
1 9 0.7263
1 10 0.6862
1 11 0.6495
1 12 0.616
1 13 0.5854
1 14 0.5574
1 15 0.5318
1 16 0.5083
1 17 0.4867
......

Die Zufallsvariable X gibt die Anzahl der Eier mit einer Superfigur an. X ist binomialverteilt mit n=11 und unbekanntem Parameter p.

Es muss gelten: Pp11 (X1) = 1- Pp11 (X0) = 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 Pp11 (X1) ('mindestens 1 Treffer bei 11 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 16 die gesuchte Wahrscheinlichkeit über 50% bleibt.
Der Nenner, also die das wievielte Ei eine Superfigur enthält, darf also höchstens 16 sein.

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

Beispiel:

Bei einem Zufallsexperiment ist die Wahrscheinlichkeit für einen Treffer unbekannt. Das Zufallsexperinment wird 83 mal wiederholt (bzw. die Stichprobe hat die Größe 83)
Wie hoch muss die Einzelwahrscheinlichkeit p mindestens sein, dass mit einer Wahrscheinlich von mind. 70% mindestens 34 Treffer erzielt werden?

Lösung einblenden
pP(X≥34)=1-P(X≤33)
......
0.390.3967
0.40.4703
0.410.5444
0.420.6167
0.430.6848
0.440.747
......

Es muss gelten: Pp83 (X34) =0.7 (oder mehr)

oder eben: 1- Pp83 (X33) =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(83,X,33) - 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=0.44 die gesuchte Wahrscheinlichkeit über 0.7 ist.

Binomialverteilung X ∈ [l;k]

Beispiel:

Ein Zufallsexperiment wird 84 mal wiederholt. Jedesmal beträgt die Wahrscheinlichkeit für einen Treffer p=0,55.
Wie groß ist dabei die Wahrscheinlichkeit, mindestens 46, aber höchstens 55 Treffer zu erzielen?

Lösung einblenden

P0.5584 (46X55) =

...
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
...

P0.5584 (X55) - P0.5584 (X45) ≈ 0.9802 - 0.4376 ≈ 0.5426
(TI-Befehl: binomcdf(84,0.55,55) - binomcdf(84,0.55,45))

Binomialvert. Abstand vom Erwartungswert

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=0,6 entsteht. Es wird eine Stichprobe der Menge 54 entnommen. Wie groß ist die Wahrscheinlichkeit, dass die Anzahl der defekten Chips nicht mehr als 15% vom Erwartungswert abweicht?

Lösung einblenden

Den Erwartungswert berechnet man als E=n⋅p=54⋅0.6 = 32.4

Die 15% Abweichung wären dann zwischen 85% von 32.4, also 0.85⋅ 32.4 = 27.54 und 115% von 32.4, also 1.15⋅ 32.4 = 37.26

Da die Trefferzahl ja nicht weiter von 32.4 entfernt sein darf als 27.54 bzw. 37.26, muss sie also zwischen 28 und 37 liegen.

P0.654 (28X37) =

...
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
...

P0.654 (X37) - P0.654 (X27) ≈ 0.9235 - 0.0877 ≈ 0.8358
(TI-Befehl: binomcdf(54,0.6,37) - binomcdf(54,0.6,27))