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:

Der Starspieler der gegnerischen Basketballmannschaft hat bei Freiwürfen eine Trefferquote von p=0,9. Wie oft darf man ihn höchstens foulen und an die Freiwurflinie schicken, wenn man ihn mit einer Wahrscheinlichkeit von mindestens 60% nicht über 22 Freiwurfpunkte kommen lassen will?

Lösung einblenden
nP(X≤k)
......
240.7075
250.4629
......

Die Zufallsgröße X gibt die Anzahl der getroffenen Freiwürfe an und ist im Idealfall binomialverteilt mit p = 0.9 und variablem n.

Es muss gelten: P0.9n (X22) ≥ 0.6

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 90% der Versuche mit einem Treffer. Also müssten dann doch bei 22 0.9 ≈ 24 Versuchen auch ungefähr 22 (≈0.9⋅24) Treffer auftreten.

Wir berechnen also mit unserem ersten n=24:
P0.9n (X22) ≈ 0.7075 (TI-Befehl: Binomialcdf ...)

Je nachdem, wie weit nun dieser Wert noch von den gesuchten 0.6 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 0.6 überschritten wird.

Aus der Werte-Tabelle (siehe links) erkennt man dann, dass letztmals bei n=24 die gesuchte Wahrscheinlichkeit über 60% ist.

Binomialverteilung X ∈ [l;k]

Beispiel:

Ein Zufallsexperiment wird 53 mal wiederholt. Jedesmal beträgt die Wahrscheinlichkeit für einen Treffer p=0,5.
Wie groß ist dabei die Wahrscheinlichkeit, mindestens 22, aber höchstens 28 Treffer zu erzielen?

Lösung einblenden

P0.553 (22X28) =

...
19
20
21
22
23
24
25
26
27
28
29
30
...

P0.553 (X28) - P0.553 (X21) ≈ 0.7084 - 0.0845 ≈ 0.6239
(TI-Befehl: binomcdf(53,0.5,28) - binomcdf(53,0.5,21))

Binomialvert. mit variablem p (diskret)

Beispiel:

In einer Urne sind 3 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 6 rote sind?

Lösung einblenden
pP(X≤6)
......
3 8 0.5333
3 9 0.6739
3 10 0.7752
3 11 0.8453
3 12 0.8929
......

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: Pp17 (X6) =0.85 (oder mehr)

Wir wissen, dass der Zähler bei unserer Einzelwahrscheinlichkeit p 3 sein muss, da es ja genau 3 günstige Fälle gibt.

Wir müssen nun bei verschiedenen Nennern untersuchen, wie hoch die gesuchte Wahrscheinlichkeit Pp17 (X6) ('höchstens 6 Treffer bei 17 Versuchen') bei diesen Nennern wird (siehe Tabelle links)

Um einen günstigen Startwert zu finden wählen wir mal als p= 6 17 . Mit diesem p wäre ja 6= 6 17 ⋅17 der Erwartungswert und somit Pp17 (X6) irgendwo in der nähe von 50%. Wenn wir nun p= 6 17 mit 3 6 erweitern (so dass wir auf den Zähler 3 kommen) und den Nenner abrunden, müssten wir mit p= 3 8 einen brauchbaren Einstiegswert für dieses Probieren erhalten.

In dieser Tabelle erkennen wir, dass erstmals bei der Einzelwahrscheinlichkeit p= 3 12 die gesuchte Wahrscheinlichkeit über 85% steigt.
Der Nenner, also die Anzahl aller Kugeln, muss also mindestens 12 sein.

Also werden noch 9 zusätzliche Optionen (also schwarze Kugeln) benötigt.

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

Beispiel:

Ein Basketballtrainer sucht einen neuen Spieler, der mit 60% Wahrscheinlichkeit von 44 Freiwürfen mindestens 37 mal trifft. Welche Trefferquote braucht solch ein Spieler mindestens?

Lösung einblenden
pP(X≥37)=1-P(X≤36)
......
0.80.3229
0.810.3846
0.820.4512
0.830.5211
0.840.5926
0.850.6634
......

Es muss gelten: Pp44 (X37) =0.6 (oder mehr)

oder eben: 1- Pp44 (X36) =0.6 (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(44,X,36) - 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=0.85 die gesuchte Wahrscheinlichkeit über 0.6 ist.

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=0,65 entsteht. Es wird eine Stichprobe der Menge 66 entnommen. Wie groß ist die Wahrscheinlichkeit, dass die Anzahl der defekten Chips mindestens 46 und höchstens 47 beträgt?

Lösung einblenden

P0.6566 (46X47) =

...
43
44
45
46
47
48
49
...

P0.6566 (X47) - P0.6566 (X45) ≈ 0.8837 - 0.7464 ≈ 0.1373
(TI-Befehl: binomcdf(66,0.65,47) - binomcdf(66,0.65,45))

Binomialvert. Abstand vom Erwartungswert

Beispiel:

Bei einem Glücksrad ist die Wahrscheinlichkeit im grünen Bereich zu landen bei p=0,25. Wie groß ist die Wahrscheinlichkeit bei 96 Versuchen, dass die Anzahl der Treffer im grünen Bereich nicht mehr als 20% vom Erwartungswert abweicht?

Lösung einblenden

Den Erwartungswert berechnet man als E=n⋅p=96⋅0.25 = 24

Die 20% Abweichung wären dann zwischen 80% von 24, also 0.8⋅ 24 = 19.2 und 120% von 24, also 1.2⋅ 24 = 28.8

Da die Trefferzahl ja nicht weiter von 24 entfernt sein darf als 19.2 bzw. 28.8, muss sie also zwischen 20 und 28 liegen.

P0.2596 (20X28) =

...
17
18
19
20
21
22
23
24
25
26
27
28
29
30
...

P0.2596 (X28) - P0.2596 (X19) ≈ 0.8552 - 0.1437 ≈ 0.7115
(TI-Befehl: binomcdf(96,0.25,28) - binomcdf(96,0.25,19))