Aufgabenbeispiele von Anwendungen
Durch Aktualisieren des Browsers (z.B. mit Taste F5) kann man neue Beispielaufgaben sehen
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 26 erkennen und dumm anlabern?
p | P(X≤k) |
---|---|
... | ... |
0.21 | 0.9944 |
0.22 | 0.9895 |
0.23 | 0.9813 |
0.24 | 0.9687 |
0.25 | 0.9501 |
0.26 | 0.9242 |
0.27 | 0.8898 |
... | ... |
Es muss gelten: =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,26) - 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=0.26 die gesuchte Wahrscheinlichkeit über 0.9 ist.
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 44 Wiederholungen 37 mal (oder mehr) rot zu treffen bei mind. 80% liegt?
p | P(X≥37)=1-P(X≤36) |
---|---|
... | ... |
0.83 | 0.5211 |
0.84 | 0.5926 |
0.85 | 0.6634 |
0.86 | 0.7312 |
0.87 | 0.7937 |
0.88 | 0.8489 |
... | ... |
Es muss gelten: =0.8 (oder mehr)
oder eben: 1- =0.8 (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=0.88 die gesuchte Wahrscheinlichkeit über 0.8 ist.
zwei unabhängige Binom.
Beispiel:
Ein Mitarbeiter der Stadtwerke bekommt den Auftrag am Freitag bei 65 und am Samstag bei 50 Haushalten den Gas- und den Stromzähler abzulesen. Als ihn seine Frau fragt, was er denn glaubt, wie viele der Kunden überhaupt zuhause wären und die Tür öffnen würden, sagr er: Ich denke, dass ich am Freitag so zwischen 30 und 37 am Samstag so zwischen 25 und 30 erreichen werde. Tatsächlich ist die Wahrscheinlichkeit, dass ihm die Tür geöffnet wird, am Samstag mit 72% höher als am Freitag mit 50%. Wie groß ist die Wahrscheinlichkeit, dass seine Prognose zutrifft?
(Bitte auf 4 Stellen nach dem Komma runden)
Freitag:
Die Zufallsgröße X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=65 und unbekanntem Parameter p.
Gesucht ist die Wahrscheinlichkeit zwischen 30 und 37 Treffer bei 65 Versuchen mit einer Einzelwahrscheinlichkeiten von 0.5 zu erzielen, also .Diese Wahrscheinlichkeit lässt sich als - ≈ 0.8927 - 0.2285 ≈ 0.6642 berechnen.
TI-Befehl: binomcdf(65,0.5,37)- binomcdf(65,0.5,29)
Samstag:
Die Zufallsgröße X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=50 und unbekanntem Parameter p.
Gesucht ist die Wahrscheinlichkeit zwischen 25 und 30 Treffer bei 50 Versuchen mit einer Einzelwahrscheinlichkeiten von 0.72 zu erzielen, also .Diese Wahrscheinlichkeit lässt sich als - ≈ 0.0449 - 0.0003 ≈ 0.0446 berechnen.
TI-Befehl: binomcdf(50,0.72,30)- binomcdf(50,0.72,24)
Da die beiden Ereignisse unabhängig voneinander sind, darf man die Wahrscheinlichkeiten multilplizieren, um die Wahrscheinlichkeit, dass beides eintritt, zu erhalten:
P ≈ 0.6642 ⋅ 0.0446 ≈ 0.0296
feste Reihenfolge im Binomialkontext
Beispiel:
Bei einem Glücksrad beträgt die Wahrscheinlichkeit für den grünen Bereich 75%. Es wird 9 mal gedreht.Bestimme die Wahrscheinlichkeit, dass dabei genau 5 mal in den grünen Bereich gedreht wird und diese Drehungen unmittelbar hintereinander erfolgen (also ohne, dass dazwischen mal nicht in den grünen Bereich gedreht wird).
Wenn die Reihenfolge keine Rolle spielen würde, könnten wir ja einfach die Wahrscheinlichkeit von 5 Treffer bei 9 Versuchen mit der Formel von Bernoulli berechnen: ⋅ ⋅
Dabei gibt ja ⋅ die Wahrscheinlichkeit eines bestimmten Pfads mit 5 Treffer und 4 Nicht-Treffern und die Anzahl solcher Pfade an.
Hier spielt nun aber die Reihenfolge eine Rolle, also haben wir nicht alle möglichen Anordnungen der Treffer sondern nur die ausgewählten (bei denen die Treffer benachbart sind), das sind im Einzelnen:
XXXXXOOOO
OXXXXXOOO
OOXXXXXOO
OOOXXXXXO
OOOOXXXXX
Es gibt also genau 5 verschiedene mögliche Reihenfolgen für diese benachbarten Treffer, somit gilt für die Gesamtwahrscheinlichkeit: P = 5 ⋅ ⋅ ≈ 0.0046
Kombination Binom.-Baumdiagramm
Beispiel:
Bei einer Fluggesellschaft treten 17% der Besitzer gültiger Flugtickets ihren Flug nicht an. Deswegen verkauft die Fluggesellschaft immer 105 Tickets für ihr Flugzeug mit 98 Plätzen. Wie groß ist die Wahrscheinlichkeit, dass es bei drei aufeinanderfolgenden Flügen nicht öfters als einmal zu der peinlichen Situation kommt, dass mehr Fluggäste ihren Flug antreten wollen, als Plätze frei sind?
(Bitte auf 4 Stellen nach dem Komma runden)
Zuerst berechnen wir mit Hilfe der Binomialverteilungsfunktionen die Einzelwahrscheinlichkeiten für 'nicht überbucht'.
Die Zufallsgröße X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=105 und unbekanntem Parameter p.
Gesucht ist die Wahrscheinlichkeit für höchstens 98 Treffer bei 105 Versuchen mit einer Einzelwahrscheinlichkeiten von 0.83, also
Dazu kann man ja einfach die kumulierte Binomialverteilungsfunktion benutzen:
Die Zufallsgröße X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=105 und p=0.83.
= + + +... + = 0.999477880669 ≈ 0.9995(TI-Befehl: binomcdf(105,0.83,98))
Damit kennen wir nun die Einzelwahrscheinlichkeiten von 'nicht überbucht' (p=0.9995) und 'überbucht'(p=0.00049999999999994).
Jetzt können wir mit einem Baumdiagramm die Gesuchte Endwahrscheinlichkeit berechnen.
Gesucht ist ja 0 mal 'überbucht' oder 1 mal 'überbucht'
Ereignis | P |
---|---|
nicht überbucht -> nicht überbucht -> nicht überbucht | |
nicht überbucht -> nicht überbucht -> überbucht | |
nicht überbucht -> überbucht -> nicht überbucht | |
nicht überbucht -> überbucht -> überbucht | |
überbucht -> nicht überbucht -> nicht überbucht | |
überbucht -> nicht überbucht -> überbucht | |
überbucht -> überbucht -> nicht überbucht | |
überbucht -> überbucht -> überbucht |
Einzel-Wahrscheinlichkeiten: nicht überbucht: ; überbucht: ;
Die relevanten Pfade sind:- 'nicht überbucht'-'nicht überbucht'-'nicht überbucht' (P=)
- 'nicht überbucht'-'nicht überbucht'-'überbucht' (P=)
- 'nicht überbucht'-'überbucht'-'nicht überbucht' (P=)
- 'überbucht'-'nicht überbucht'-'nicht überbucht' (P=)
Die Lösung ist also die Summe dieser Wahrscheinlichkeiten:
+ + + =
Binomial-Aufgabe mit 2 Ereignissen
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=0,2 entsteht. Es wird eine Stichprobe der Menge 90 entnommen. Wie groß ist die Wahrscheinlichkeit, dass von den ersten 10 Stück dieser Stichprobe gleich mal genau 2 defekt sind und von den restlichen der Stickprobe höchstens 10 nicht funktionieren.
Wir können die beiden Ereignisse als zwei getrennte von einander unabhängige Zufallsversuche betrachten, dabei betrachten wir zuerst die ersten 10
Durchgänge:
Die Zufallsgröße X gibt die Anzahl der defekten Chips an. X ist binomialverteilt mit n=10 und p=0.2.
Die gesuchte Wahrscheinlichkeit des ersten Teilereignisses berechnet man jetzt einfach als ≈ 0.302.
Analog betrachten wir nun die restlichen 80 Durchgänge:
Die Zufallsgröße Y gibt die Anzahl der defekten Chips an. Y ist binomialverteilt mit n=80 und p=0.2.
Die gesuchte Wahrscheinlichkeit des zweiten Teilereignisses berechnet man nun als ≈ 0.0565.
Da die beiden Teilereignisse unabhängig voneinander sind und ja beide eintreten sollen, müssen wir nun die beiden Teilwahrscheinlichkeiten miteinander multiplizieren um die gesuchte Gesamtwahrscheinlcihkeit zu erhalten:
P = ⋅ = 0.302 ⋅ 0.0565 ≈ 0.0171