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:
Die Firma Apple hat ein neues geniales Produkt, die iYacht, auf den Markt gebracht (wenn auch nicht ganz günstig). Die hierfür beauftragte Marketingagentur garantiert, dass unter denen, denen sie die Yacht vorgeführt hat, der Anteil der späteren Käufer bei 15% liegt. Wie vielen Personen muss nun dieses Produkt mindestens vorgeführt werden, damit sich mit mind. 90% Wahrscheinlichkeit, 21 oder mehr Käufer für dieses Produkt finden?
| n | P(X≤k) |
|---|---|
| ... | ... |
| 172 | 0.127 |
| 173 | 0.1208 |
| 174 | 0.1148 |
| 175 | 0.109 |
| 176 | 0.1035 |
| 177 | 0.0982 |
| ... | ... |
Die Zufallsgröße X gibt Anzahl der Käufer an und ist im Idealfall binomialverteilt mit p = 0.15 und variablem n.
Es muss gelten: ≥ 0.9
Weil man ja aber nicht in den WTR eingeben kann, müssen wir diese Wahrscheinlichkeit über die Gegenwahrscheinlichkeit berechnen:
= 1 - ≥ 0.9 |+ - 0.9
0.1 ≥ oder ≤ 0.1
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 15% der Versuche mit einem Treffer. Also müssten dann doch bei ≈ 140 Versuchen auch ungefähr 21 (≈0.15⋅140) Treffer auftreten.
Wir berechnen also mit unserem ersten n=140:
≈ 0.4638
(TI-Befehl: Binomialcdf ...)
Je nachdem, wie weit nun dieser Wert noch von den gesuchten 0.1 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 0.1 überschritten wird.
Aus der Werte-Tabelle (siehe links) erkennt man dann, dass erstmals bei n=177 die gesuchte Wahrscheinlichkeit unter 0.1 ist.
n muss also mindestens 177 sein, damit ≤ 0.1 oder eben ≥ 0.9 gilt.
Binomialverteilung X>=k
Beispiel:
Ein Scherzkeks in einer Glückskeksfabrik backt in jeden achten Glückskeks eine scharfe Peperoni ein. Wie groß ist die Wahrscheinlichkeit, 3 oder mehr Glückskekse mit einer Peproni zu erwischen, wenn man 33 Glückskekse kauft?
(Bitte auf 4 Stellen nach dem Komma runden)
(TI-Befehl: 1-binomcdf(33,0.125,2))
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 75% Wahrscheinlichkeit 1 oder mehr Superfiguren enthalten sein. Wenn in jedes n-te Ei eine Superfigur rein soll, wie groß darf dann n höchstens sein?
| p | P(X≥1)=1-P(X≤0) |
|---|---|
| ... | ... |
| 0.999 | |
| 0.9827 | |
| 0.9437 | |
| 0.8926 | |
| 0.8385 | |
| 0.7859 | |
| 0.7369 | |
| ... | ... |
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: = 1- = 0.75 (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 ('mindestens 1 Treffer bei 10 Versuchen') bei diesen Nennern wird (siehe Tabelle links)
Als Startwert wählen wir als p=.
In dieser Tabelle erkennen wir, dass letztmals bei der Einzelwahrscheinlichkeit p= die gesuchte
Wahrscheinlichkeit über 75% bleibt.
Der Nenner, also die das wievielte Ei eine Superfigur enthält, darf also höchstens
7 sein.
Binomialvert. mit variabl. p (mind.) nur GTR
Beispiel:
Bei einem Zufallsexperiment ist die Wahrscheinlichkeit für einen Treffer unbekannt. Das Zufallsexperinment wird 89 mal wiederholt (bzw. die Stichprobe hat die Größe 89)
Wie hoch muss die Einzelwahrscheinlichkeit p mindestens sein, dass mit einer Wahrscheinlich von mind. 90% mindestens 49 Treffer erzielt werden?
| p | P(X≥49)=1-P(X≤48) |
|---|---|
| ... | ... |
| 0.57 | 0.6847 |
| 0.58 | 0.7495 |
| 0.59 | 0.8067 |
| 0.6 | 0.8553 |
| 0.61 | 0.8952 |
| 0.62 | 0.9266 |
| ... | ... |
Es muss gelten: =0.9 (oder mehr)
oder eben: 1- =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=1-binomcdf(89,X,48) - 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=0.62 die gesuchte Wahrscheinlichkeit über 0.9 ist.
Binomialverteilung X>=k
Beispiel:
Ein Scherzkeks in einer Glückskeksfabrik backt in jeden achten Glückskeks eine scharfe Peperoni ein. Wie groß ist die Wahrscheinlichkeit, 14 oder mehr Glückskekse mit einer Peproni zu erwischen, wenn man 66 Glückskekse kauft?
(Bitte auf 4 Stellen nach dem Komma runden)
(TI-Befehl: 1-binomcdf(66,0.125,13))
Wahrscheinlichkeit von σ-Intervall um μ
Beispiel:
Ein Basketballspieler hat eine Trefferquote von p=40%. Wie groß ist die Wahrscheinlichkeit dass bei 90 Versuchen die Anzahl seiner Treffer um nicht mehr als eine Standardabweichung von seinem Erwartungswert abweicht?
Den Erwartungswert berechnet man mit μ = n⋅p = 90⋅0.4 ≈ 36,
die Standardabweichung mit σ =
=
≈ 4.65
40.65 (36 + 4.65) und 31.35 (36 - 4.65) sind also jeweils eine Standardabweichung vom Erwartungswert μ = 36 entfernt.
Das bedeutet, dass genau die Zahlen zwischen 32 und 40 nicht mehr als eine Standardabweichung vom Erwartungswert entfernt sind.
Gesucht ist also die Wahrscheinlichkeit, dass die Trefferanzahl zwischen 32 und 40 liegt.
=
(TI-Befehl: binomcdf(90,0.4,40) - binomcdf(90,0.4,31))
