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 50% 20 oder mehr 6er zu erzielen?
| n | P(X≤k) |
|---|---|
| ... | ... |
| 117 | 0.5111 |
| 118 | 0.4946 |
| 119 | 0.4783 |
| 120 | 0.462 |
| ... | ... |
Die Zufallsgröße X gibt Anzahl der gewürfelten 6er an und ist im Idealfall binomialverteilt mit p = und variablem n.
Es muss gelten: ≥ 0.5
Weil man ja aber nicht in den WTR eingeben kann, müssen wir diese Wahrscheinlichkeit über die Gegenwahrscheinlichkeit berechnen:
= 1 - ≥ 0.5 |+ - 0.5
0.5 ≥ oder ≤ 0.5
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 der Versuche mit einem Treffer.
Also müssten dann doch bei ≈ 120 Versuchen auch ungefähr 20
(≈
Wir berechnen also mit unserem ersten n=120:
Je nachdem, wie weit nun dieser Wert noch von den gesuchten 0.5 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 0.5 überschritten wird.
Aus der Werte-Tabelle (siehe links) erkennt man dann, dass erstmals bei n=118 die gesuchte Wahrscheinlichkeit unter 0.5 ist.
n muss also mindestens 118 sein, damit
Binomialverteilung X ∈ [l;k]
Beispiel:
Ein partystarker Schüler muss einen Mulitple Choice Test ablegen, von dem er keinen blassen Schimmer hat. Deswegen rät er einfach bei jeder der 67 Aufgaben munter drauf los, welche der vier Antworten wohl richtig sein könnte. Wie groß ist die Wahrscheinlichkeit, dass er so mindestens 20, aber weniger als 22 Fragen richtig beantwortet hat?
(TI-Befehl: binomcdf(67,0.25,21) - binomcdf(67,0.25,19))
Binomialvert. mit variablem p (diskret)
Beispiel:
In einer Urne sind 3 rote und einige schwarze Kugeln. Es soll 20 mal mit Zurücklegen gezogen werden. Wie viele schwarze Kugeln müssen in der Urne mindestens sein, damit mit einer Wahrscheinlichkeit von mindestens 85% unter den 20 gezogenen Kugeln nicht mehr als 3 rote sind?
| p | P(X≤3) |
|---|---|
| ... | ... |
| 0.6477 | |
| 0.6822 | |
| 0.7131 | |
| 0.7407 | |
| 0.7653 | |
| 0.7873 | |
| 0.807 | |
| 0.8246 | |
| 0.8403 | |
| 0.8544 | |
| ... | ... |
Die Zufallsvariable X gibt die Anzahl der gezogenen Kugeln mit der Farbe rot an. X ist binomialverteilt mit n=20 und unbekanntem Parameter p.
Es muss gelten:
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
Um einen günstigen Startwert zu finden wählen wir mal als p=
In dieser Tabelle erkennen wir, dass erstmals bei der Einzelwahrscheinlichkeit p=
Der Nenner, also die Anzahl aller Kugeln, muss also mindestens
29 sein.
Also werden noch 26 zusätzliche Optionen (also schwarze Kugeln) benötigt.
Binomialvert. mit variabl. p (mind.) nur GTR
Beispiel:
Bei einem Zufallsexperiment ist die Wahrscheinlichkeit für einen Treffer unbekannt. Das Zufallsexperinment wird 40 mal wiederholt (bzw. die Stichprobe hat die Größe 40)
Wie hoch muss die Einzelwahrscheinlichkeit p mindestens sein, dass mit einer Wahrscheinlich von mind. 80% mindestens 26 Treffer erzielt werden?
| p | P(X≥26)=1-P(X≤25) |
|---|---|
| ... | ... |
| 0.65 | 0.5721 |
| 0.66 | 0.6241 |
| 0.67 | 0.6743 |
| 0.68 | 0.7221 |
| 0.69 | 0.7667 |
| 0.7 | 0.8074 |
| ... | ... |
Es muss gelten:
oder eben: 1-
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(40,X,25) - 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=0.7 die gesuchte Wahrscheinlichkeit über 0.8 ist.
Binomialverteilung X>=k
Beispiel:
Ein partystarker Schüler muss einen Mulitple Choice Test ablegen von dem er keinen blassen Schimmer hat. Deswegen rät er einfach bei jeder der 97 Aufgaben munter drauf los, welche der vier Antworten wohl richtig sein könnte. Wie groß ist die Wahrscheinlichkeit, dass er so 27 oder gar noch mehr Fragen richtig beantwortet hat?
(Bitte auf 4 Stellen nach dem Komma runden)
(TI-Befehl: 1-binomcdf(97,0.25,26))
Wahrscheinlichkeit von σ-Intervall um μ
Beispiel:
Ein Basketballspieler hat eine Trefferquote von p=45%. Wie groß ist die Wahrscheinlichkeit dass bei 59 Versuchen die Anzahl seiner Treffer um nicht mehr als eine Standardabweichung von seinem Erwartungswert abweicht?
Den Erwartungswert berechnet man mit μ = n⋅p = 59⋅0.45 ≈ 26.55,
die Standardabweichung mit σ =
30.37 (26.55 + 3.82) und 22.73 (26.55 - 3.82) sind also jeweils eine Standardabweichung vom Erwartungswert μ = 26.55 entfernt.
Das bedeutet, dass genau die Zahlen zwischen 23 und 30 nicht mehr als eine Standardabweichung vom Erwartungswert entfernt sind.
Gesucht ist also die Wahrscheinlichkeit, dass die Trefferanzahl zwischen 23 und 30 liegt.
(TI-Befehl: binomcdf(59,0.45,30) - binomcdf(59,0.45,22))
