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 70% 24 oder mehr 6er zu erzielen?

Lösung einblenden
nP(X≤k)
......
1520.3526
1530.3395
1540.3266
1550.314
1560.3017
1570.2896
......

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 (X24) ≥ 0.7

Weil man ja aber P 1 6 n (X24) nicht in den WTR eingeben kann, müssen wir diese Wahrscheinlichkeit über die Gegenwahrscheinlichkeit berechnen:

P 1 6 n (X24) = 1 - P 1 6 n (X23) ≥ 0.7 |+ P 1 6 n (X23) - 0.7

0.3 ≥ P 1 6 n (X23) oder P 1 6 n (X23) ≤ 0.3

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 24 1 6 ≈ 144 Versuchen auch ungefähr 24 (≈ 1 6 ⋅144) Treffer auftreten.

Wir berechnen also mit unserem ersten n=144:
P 1 6 n (X23) ≈ 0.4653 (TI-Befehl: Binomialcdf ...)

Je nachdem, wie weit nun dieser Wert noch von den gesuchten 0.3 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 0.3 überschritten wird.

Aus der Werte-Tabelle (siehe links) erkennt man dann, dass erstmals bei n=157 die gesuchte Wahrscheinlichkeit unter 0.3 ist.

n muss also mindestens 157 sein, damit P 1 6 n (X23) ≤ 0.3 oder eben P 1 6 n (X24) ≥ 0.7 gilt.

Binomialverteilung X ∈ [l;k]

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=0,35 entsteht. Es wird eine Stichprobe der Menge 78 entnommen. Wie groß ist die Wahrscheinlichkeit, dass die Anzahl der defekten Chips mindestens 25 und höchstens 28 beträgt?

Lösung einblenden

P0.3578 (25X28) =

...
22
23
24
25
26
27
28
29
30
...

P0.3578 (X28) - P0.3578 (X24) ≈ 0.6162 - 0.2554 ≈ 0.3608
(TI-Befehl: binomcdf(78,0.35,28) - binomcdf(78,0.35,24))

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 10er-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 0.999
1 3 0.9827
1 4 0.9437
1 5 0.8926
1 6 0.8385
1 7 0.7859
1 8 0.7369
1 9 0.6921
1 10 0.6513
1 11 0.6145
1 12 0.5811
1 13 0.5509
1 14 0.5234
1 15 0.4984
......

Die Zufallsvariable X gibt die Anzahl der Eier mit einer Superfigur an. X ist binomialverteilt mit n=10 und unbekanntem Parameter p.

Es muss gelten: Pp10 (X1) = 1- Pp10 (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 Pp10 (X1) ('mindestens 1 Treffer bei 10 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 14 die gesuchte Wahrscheinlichkeit über 50% bleibt.
Der Nenner, also die das wievielte Ei eine Superfigur enthält, darf also höchstens 14 sein.

Binomialvert. mit variabl. p (höchstens) nur GTR

Beispiel:

Ein Promi macht Urlaub in einem Ferienclub. Dort sind noch weitere 80 Gäste. Wie groß darf der Bekanntheitsgrad des Promis höchstens sein, dass ihn mit einer Wahrscheinlichkeit von mindestens 90% nicht mehr als 53 erkennen und dumm anlabern?

Lösung einblenden
pP(X≤k)
......
0.540.9902
0.550.9845
0.560.9761
0.570.9641
0.580.9475
0.590.9252
0.60.8963
......

Es muss gelten: Pp80 (X53) =0.9 (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=binomcdf(80,X,53) - 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 letztmals bei p=0.59 die gesuchte Wahrscheinlichkeit über 0.9 ist.

Formel v. Bernoulli

Beispiel:

Ein Basketballspieler hat eine Trefferquote von p=0,7. Wie groß ist die Wahrscheinlichkeit dass er von 85 Versuchen genau 56 trifft?
(Bitte auf 4 Stellen nach dem Komma runden)

Lösung einblenden

Die Zufallsvariable X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=85 und p=0.7.

P0.785 (X=56) = ( 85 56 ) 0.756 0.329 =0.065073170540365≈ 0.0651
(TI-Befehl: binompdf(85,0.7,56))

Binomialvert. Abstand vom Erwartungswert

Beispiel:

Ein Basketballspieler hat eine Trefferquote von p=35%. Wie groß ist die Wahrscheinlichkeit dass er bei 54 Versuchen nicht mehr als 20% von seinem Erwartungswert abweicht?

Lösung einblenden

Den Erwartungswert berechnet man als E=n⋅p=54⋅0.35 = 18.9

Die 20% Abweichung wären dann zwischen 80% von 18.9, also 0.8⋅ 18.9 = 15.12 und 120% von 18.9, also 1.2⋅ 18.9 = 22.68

Da die Trefferzahl ja nicht weiter von 18.9 entfernt sein darf als 15.12 bzw. 22.68, muss sie also zwischen 16 und 22 liegen.

P0.3554 (16X22) =

...
13
14
15
16
17
18
19
20
21
22
23
24
...

P0.3554 (X22) - P0.3554 (X15) ≈ 0.8477 - 0.1662 ≈ 0.6815
(TI-Befehl: binomcdf(54,0.35,22) - binomcdf(54,0.35,15))