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:

Eine Fluggesellschaft geht davon aus, dass 17% der gekauften Tickets gar nicht eingelöst werden. Wieviel Tickets kann sie für ihre 24-Platzmaschine höchstens verkaufen, so dass es zu mindestens 90% Wahrscheinlichkeit zu keiner Überbelegung kommt.

Lösung einblenden
nP(X≤k)
......
260.9502
270.8611
280.7249
290.5627
......

Die Zufallsgröße X gibt die Anzahl der Ticketbesitzer, die tatsächlich fliegen an und ist im Idealfall binomialverteilt mit p = 0.83 und variablem n.

Es muss gelten: P0.83n (X24) ≥ 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 83% der Versuche mit einem Treffer. Also müssten dann doch bei 24 0.83 ≈ 29 Versuchen auch ungefähr 24 (≈0.83⋅29) Treffer auftreten.

Wir berechnen also mit unserem ersten n=29:
P0.83n (X24) ≈ 0.5627 (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=26 die gesuchte Wahrscheinlichkeit über 90% ist.

kumulierte Binomialverteilung

Beispiel:

Ein Würfel wird 61 mal geworfen. Wie groß ist die Wahrscheinlichkeit dass nicht öfter als 13 mal eine 6 (p=1/6) 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=61 und p= 1 6 .

P 1 6 61 (X13) = P 1 6 61 (X=0) + P 1 6 61 (X=1) + P 1 6 61 (X=2) +... + P 1 6 61 (X=13) = 0.87226385540677 ≈ 0.8723
(TI-Befehl: binomcdf(61,1/6,13))

Binomialvert. mit variablem p (diskret)

Beispiel:

In einer Urne sind 2 rote und einige schwarze Kugeln. Es soll 15 mal mit Zurücklegen gezogen werden. Wie viele schwarze Kugeln müssen in der Urne mindestens sein, damit mit einer Wahrscheinlichkeit von mindestens 75% unter den 15 gezogenen Kugeln nicht mehr als 6 rote sind?

Lösung einblenden
pP(X≤6)
......
2 5 0.6098
2 6 0.797
......

Die Zufallsvariable X gibt die Anzahl der gezogenen Kugeln mit der Farbe rot an. X ist binomialverteilt mit n=15 und unbekanntem Parameter p.

Es muss gelten: Pp15 (X6) =0.75 (oder mehr)

Wir wissen, dass der Zähler bei unserer Einzelwahrscheinlichkeit p 2 sein muss, da es ja genau 2 günstige Fälle gibt.

Wir müssen nun bei verschiedenen Nennern untersuchen, wie hoch die gesuchte Wahrscheinlichkeit Pp15 (X6) ('höchstens 6 Treffer bei 15 Versuchen') bei diesen Nennern wird (siehe Tabelle links)

Um einen günstigen Startwert zu finden wählen wir mal als p= 6 15 . Mit diesem p wäre ja 6= 6 15 ⋅15 der Erwartungswert und somit Pp15 (X6) irgendwo in der nähe von 50%. Wenn wir nun p= 6 15 mit 2 6 erweitern (so dass wir auf den Zähler 2 kommen) und den Nenner abrunden, müssten wir mit p= 2 5 einen brauchbaren Einstiegswert für dieses Probieren erhalten.

In dieser Tabelle erkennen wir, dass erstmals bei der Einzelwahrscheinlichkeit p= 2 6 die gesuchte Wahrscheinlichkeit über 75% steigt.
Der Nenner, also die Anzahl aller Kugeln, muss also mindestens 6 sein.

Also werden noch 4 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 66 Wiederholungen 38 mal (oder mehr) rot zu treffen bei mind. 60% liegt?

Lösung einblenden
pP(X≥38)=1-P(X≤37)
......
0.540.3241
0.550.3849
0.560.4487
0.570.5142
0.580.5795
0.590.643
......

Es muss gelten: Pp66 (X38) =0.6 (oder mehr)

oder eben: 1- Pp66 (X37) =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(66,X,37) - 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=0.59 die gesuchte Wahrscheinlichkeit über 0.6 ist.

Binomialverteilung X>=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=0,25 entsteht. Es wird eine Stichprobe der Menge 90 entnommen. Wie groß ist die Wahrscheinlichkeit, dass davon 29 oder sogar noch mehr Chips defekt sind?
(Bitte auf 4 Stellen nach dem Komma runden)

Lösung einblenden

...
26
27
28
29
30
31
...

P0.2590 (X29) = 1 - P0.2590 (X28) = 0.0748
(TI-Befehl: 1-binomcdf(90,0.25,28))

Wahrscheinlichkeit von σ-Intervall um μ

Beispiel:

Bei einem Glücksrad ist die Wahrscheinlichkeit im grünen Bereich zu landen bei p=0,5. Wie groß ist die Wahrscheinlichkeit bei 81 Versuchen, dass die Anzahl der Treffer im grünen Bereich nicht mehr als eine Standardabweichung vom Erwartungswert abweicht?

Lösung einblenden

Den Erwartungswert berechnet man mit μ = n⋅p = 81⋅0.5 ≈ 40.5,
die Standardabweichung mit σ = n p (1-p) = 81 0.5 0.5 ≈ 4.5

45 (40.5 + 4.5) und 36 (40.5 - 4.5) sind also jeweils eine Standardabweichung vom Erwartungswert μ = 40.5 entfernt.

Das bedeutet, dass genau die Zahlen zwischen 36 und 45 nicht mehr als eine Standardabweichung vom Erwartungswert entfernt sind.

Gesucht ist also die Wahrscheinlichkeit, dass die Trefferanzahl zwischen 36 und 45 liegt.

P0.581 (36X45) =

...
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
...

P0.581 (X45) - P0.581 (X35) ≈ 0.8668 - 0.1332 ≈ 0.7336
(TI-Befehl: binomcdf(81,0.5,45) - binomcdf(81,0.5,35))