Aufgabenbeispiele von Rückwärtsaufgaben
Durch Aktualisieren des Browsers (z.B. mit Taste F5) kann man neue Beispielaufgaben sehen
Binomialvert. mit variablem n (höchst.)
Beispiel:
Im einem Mathekurs beträgt die Wahrscheinlichkeit, dass ein klassischer GeSchwa-Fehler begangen wird, p=0,25. Wie viele Aufgaben kann ein Schüler höchstens machen, damit er mit einer Wahrscheinlichkeit von 80% maximal 30 dieser Fehler begeht?
n | P(X≤k) |
---|---|
... | ... |
107 | 0.8003 |
108 | 0.7838 |
109 | 0.7666 |
110 | 0.7488 |
111 | 0.7305 |
112 | 0.7116 |
113 | 0.6923 |
114 | 0.6726 |
115 | 0.6525 |
116 | 0.6321 |
117 | 0.6115 |
118 | 0.5907 |
119 | 0.5698 |
120 | 0.5489 |
... | ... |
Die Zufallsgröße X gibt Anzahl der begangenen GeSchwa-Fehler an und ist im Idealfall binomialverteilt mit p = 0.25 und variablem n.
Es muss gelten: ≥ 0.8
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 25% der Versuche mit einem Treffer. Also müssten dann doch bei ≈ 120 Versuchen auch ungefähr 30 (≈0.25⋅120) Treffer auftreten.
Wir berechnen also mit unserem ersten n=120:
≈ 0.5489
(TI-Befehl: Binomialcdf ...)
Je nachdem, wie weit nun dieser Wert noch von den gesuchten 0.8 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 0.8 überschritten wird.
Aus der Werte-Tabelle (siehe links) erkennt man dann, dass letztmals bei n=107 die gesuchte Wahrscheinlichkeit über 80% ist.
Binomialvert. mit variablem p (diskret)
Beispiel:
In einer Urne sind 5 rote und einige schwarze Kugeln. Es soll 28 mal mit Zurücklegen gezogen werden. Wie viele schwarze Kugeln dürfen in der Urne höchstens sein, damit mit einer Wahrscheinlichkeit von mindestens 90% unter den 28 gezogenen Kugeln nicht mehr als 21 schwarze sind?
p | P(X≤21) |
---|---|
... | ... |
0.9998 | |
0.9981 | |
0.9924 | |
0.9791 | |
0.9552 | |
0.9198 | |
0.8738 | |
... | ... |
Die Zufallsgröße X gibt die Anzahl der gezogenen Kugeln mit der Farbe schwarz an. X ist binomialverteilt mit n=28 und unbekanntem Parameter p.
Es muss gelten: = 0.9 (oder mehr)
Wir wissen, dass der Nenner bei unserer Einzelwahrscheinlichkeit p immer um 5 größer sein muss als der Zähler.
Deswegen erhöhen wir nun schrittweise immer den Zähler und Nenner bei der Einzelwahrscheinlichkeit um 1 und probieren aus, wie sich das auf die gesuchte Wahrscheinlichkeit ('höchstens 21 Treffer bei 28 Versuchen') auswirkt (siehe Tabelle links)
Als Startwert wählen wir als p=. (Durch Ausprobieren erkennt man, dass vorher die Wahrscheinlichkeit immer fast 1 ist)
In dieser Tabelle erkennen wir, dass letztmals bei der Einzelwahrscheinlichkeit p= die gesuchte
Wahrscheinlichkeit über 90% bleibt.
Die Anzahl der schwarzen Kugeln, die hinzugefügt wird, darf also höchstens 9 sein.
Binomialvert. mit variablem n (höchst.)
Beispiel:
Ein Mathelehrer möchte neue Taschenrechner für seine Klasse bestellen. Die Wahrscheinlichkeit, dass einer der Taschenrechner ein Decepticon (bekannt aus dem Transformers-Filmen) ist, liegt bei p=0,08. Wie viele Rechner können bestellt werden, dass zu einer Wahrscheinlichkeit von 60% kein Descepticon unter ihnen ist?
n | P(X≤k) |
---|---|
... | ... |
1 | 0.92 |
2 | 0.8464 |
3 | 0.7787 |
4 | 0.7164 |
5 | 0.6591 |
6 | 0.6064 |
7 | 0.5578 |
... | ... |
Die Zufallsgröße X gibt Anzahl der Descepticons unter den Taschenrechnern an und ist im Idealfall binomialverteilt mit p = 0.08 und variablem n.
Es muss gelten: ≥ 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 8% der Versuche mit einem Treffer. Also müssten dann doch bei ≈ 0 Versuchen auch ungefähr 0 (≈0.08⋅0) Treffer auftreten.
Wir berechnen also mit unserem ersten n=0:
≈ 1
(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=6 die gesuchte Wahrscheinlichkeit über 60% ist.
Binomialvert. mit variablem n (mind)
Beispiel:
Bei einem Zufallsexperiment beträgt die Wahrscheinlichkeit für einen Treffer p=0,75.Wie oft muss man das Zufallsexperiment mindestens wiederholen (oder wie groß muss die Stichprobe sein), um mit mind. 80% Wahrscheinlichkeit, mindestens 40 Treffer zu erzielen ?
n | P(X≤k) |
---|---|
... | ... |
53 | 0.4579 |
54 | 0.3679 |
55 | 0.2868 |
56 | 0.2171 |
57 | 0.1598 |
... | ... |
Die Zufallsgröße X gibt die Anzahl der Treffer an und ist im Idealfall binomialverteilt mit p = 0.75 und variablem n.
Es muss gelten: ≥ 0.8
Weil man ja aber nicht in den WTR eingeben kann, müssen wir diese Wahrscheinlichkeit über die Gegenwahrscheinlichkeit berechnen:
= 1 - ≥ 0.8 |+ - 0.8
0.2 ≥ oder ≤ 0.2
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 75% der Versuche mit einem Treffer. Also müssten dann doch bei ≈ 53 Versuchen auch ungefähr 40 (≈0.75⋅53) Treffer auftreten.
Wir berechnen also mit unserem ersten n=53:
≈ 0.4579
(TI-Befehl: Binomialcdf ...)
Je nachdem, wie weit nun dieser Wert noch von den gesuchten 0.2 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 0.2 überschritten wird.
Aus der Werte-Tabelle (siehe links) erkennt man dann, dass erstmals bei n=57 die gesuchte Wahrscheinlichkeit unter 0.2 ist.
n muss also mindestens 57 sein, damit ≤ 0.2 oder eben ≥ 0.8 gilt.
Binomialvert. mit variablem k (höchst.)
Beispiel:
Mitarbeiter:innen einer Firma müssen eine Maschine bedienen, die mit einer Wahrscheinlichkeit von 16% ein fehlerhaftes Teil produziert. Jede Mitarbeiter:in produziert jeden Monat 95 Teile. Als Gag möchte die Geschäftsführung den Mitarbeiter:innen einen kleines Geschenk machen, deren Maschnine nicht mehr als eine bestimmte Anzahl an fehlerhaften Teilen produziert hat. Dabei soll aber die Wahrscheinlichkeit, ein Geschenk zu bekommen, bei höchstens 15% liegen. Wie viele fehlerhaften Teile dürfen somit höchstens produziert werden, um ein Geschenk zu bekommen?
k | P(X≤k) |
---|---|
... | ... |
6 | 0.0039 |
7 | 0.0104 |
8 | 0.0239 |
9 | 0.0487 |
10 | 0.0894 |
11 | 0.1493 |
12 | 0.2291 |
13 | 0.3262 |
14 | 0.4346 |
15 | 0.546 |
... | ... |
Die Zufallsgröße X gibt die Anzahl der fehlerhaften Teile an und ist im Idealfall binomialverteilt mit p = 0.16 und n = 95.
Es muss gelten: < 0.15
Jetzt müssen wir eben so lange mit verschiedenen Werten von k probieren, bis diese Gleichung erstmals nicht mehr erfüllt wird:
Dabei kann man entweder einfach viele verschiedene Werte einzeln berechnen oder man verwendet Listen bei der Binomialverteilung im WTR, (TI: binomcdf, Casio: Kumul. Binomial-V).
Schaut man dazu die kumulierte Binomialverteilung in der Tabelle links an, so erkennt man, dass die Trefferzahlen im Intervall zwischen 0 und 11 immer noch weniger als 0.15 der Gesamt-Wahrscheinlichkeit auf sich vereinen. Erst nimmt mit 22.91% einen Wert über 0.15 an.
Das größtmögliche k mit < 0.15 ist somit k = 11.
Die Maximalanzahl der fehlerhaften Teile für ein Geschenk muss somit k = 11 sein.
(also keine kumulierte Wahrscheinlichkeit wie links in der Tabelle)
Binomialvert. mit variablem k (mind.)
Beispiel:
Bei einer Wurfbude ist die Wahrscheinlichkeit einen Ball in einen Eimer zu treffen bei ca. 6%. Für einen bestimmten Betrag darf man 18 mal werfen. Wenn man dabei eine bestimmte Mindestanzahl von Treffern k erzielt, bekommt man einen Hauptpreis. Wie hoch muss man k mindestens setzen, damit der Hauptpreis nur mit einer Wahrscheinlichkeit von höchstens 9% ausgegeben werden muss?
k | P(X≤k) |
---|---|
0 | 0.3283 |
1 | 0.7055 |
2 | 0.9102 |
3 | 0.9799 |
4 | 0.9966 |
5 | 0.9995 |
6 | 1 |
... | ... |
Die Zufallsgröße X gibt die Anzahl der getroffenenen Bälle an und ist im Idealfall binomialverteilt mit p = 0.06 und n = 18.
Es muss gelten: < 0.09 (oranger Bereich)
oder andersrum ausgedrückt: ≥ 0.91 (blauer Bereich)
Jetzt müssen wir eben so lange mit verschiedenen Werten von k probieren, bis diese Gleichung erstmals erfüllt wird:
Dabei kann man entweder einfach viele verschiedene Werte einzeln berechnen oder man verwendet Listen bei der Binomialverteilung im WTR, (TI: binomcdf, Casio: Kumul. Binomial-V).
Schaut man dazu die kumulierte Binomialverteilung in der Tabelle links an, so erkennt man, dass die Trefferzahlen im Intervall zwischen 0 und 1 immer noch weniger als 0.91 der Gesamt-Wahrscheinlichkeit auf sich vereinen. Erst nimmt mit 91.02% einen Wert über 0.91 an.
Das kleinstmögliche k mit = 1 - < 0.09 ist somit k = 3.
Die Mindestanzahl der getroffenenen Bälle muss somit k = 3 sein.
(also keine kumulierte Wahrscheinlichkeit wie links in der Tabelle)
Binomialvert. mit variablem k (mind.)
Beispiel:
Bei einer Wurfbude ist die Wahrscheinlichkeit einen Ball in einen Eimer zu treffen bei ca. 8%. Für einen bestimmten Betrag darf man 14 mal werfen. Wenn man dabei eine bestimmte Mindestanzahl von Treffern k erzielt, bekommt man einen Hauptpreis. Wie hoch muss man k mindestens setzen, damit der Hauptpreis nur mit einer Wahrscheinlichkeit von höchstens 5% ausgegeben werden muss?
k | P(X≤k) |
---|---|
0 | 0.3112 |
1 | 0.69 |
2 | 0.9042 |
3 | 0.9786 |
4 | 0.9965 |
5 | 0.9996 |
6 | 1 |
7 | 1 |
... | ... |
Die Zufallsgröße X gibt die Anzahl der getroffenenen Bälle an und ist im Idealfall binomialverteilt mit p = 0.08 und n = 14.
Es muss gelten: < 0.05 (oranger Bereich)
oder andersrum ausgedrückt: ≥ 0.95 (blauer Bereich)
Jetzt müssen wir eben so lange mit verschiedenen Werten von k probieren, bis diese Gleichung erstmals erfüllt wird:
Dabei kann man entweder einfach viele verschiedene Werte einzeln berechnen oder man verwendet Listen bei der Binomialverteilung im WTR, (TI: binomcdf, Casio: Kumul. Binomial-V).
Schaut man dazu die kumulierte Binomialverteilung in der Tabelle links an, so erkennt man, dass die Trefferzahlen im Intervall zwischen 0 und 2 immer noch weniger als 0.95 der Gesamt-Wahrscheinlichkeit auf sich vereinen. Erst nimmt mit 97.86% einen Wert über 0.95 an.
Das kleinstmögliche k mit = 1 - < 0.05 ist somit k = 4.
Die Mindestanzahl der getroffenenen Bälle muss somit k = 4 sein.
(also keine kumulierte Wahrscheinlichkeit wie links in der Tabelle)