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:
Bei einem Zufallsexperiment ist die Wahrscheinlichkeit für einen Treffer unbekannt. Das Zufallsexperinment wird 81 mal wiederholt (bzw. die Stichprobe hat die Größe 81).Wie hoch darf die Einzelwahrscheinlichkeit p höchstens sein, dass mit einer Wahrscheinlichkeit von mind. 80% höchstens 41 Treffer erzielt werden?
p | P(X≤k) |
---|---|
... | ... |
0.41 | 0.9686 |
0.42 | 0.9532 |
0.43 | 0.9322 |
0.44 | 0.9048 |
0.45 | 0.8702 |
0.46 | 0.8278 |
0.47 | 0.7776 |
... | ... |
Es muss gelten: =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=binomcdf(81,X,41) - 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=0.46 die gesuchte Wahrscheinlichkeit über 0.8 ist.
Binomialvert. mit variabl. p (mind.) nur GTR
Beispiel:
Ein Basketballtrainer sucht einen neuen Spieler, der mit 70% Wahrscheinlichkeit von 65 Freiwürfen mindestens 54 mal trifft. Welche Trefferquote braucht solch ein Spieler mindestens?
p | P(X≥54)=1-P(X≤53) |
---|---|
... | ... |
0.8 | 0.3301 |
0.81 | 0.4062 |
0.82 | 0.4882 |
0.83 | 0.5731 |
0.84 | 0.6572 |
0.85 | 0.7367 |
... | ... |
Es muss gelten: =0.7 (oder mehr)
oder eben: 1- =0.7 (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(65,X,53) - 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=0.85 die gesuchte Wahrscheinlichkeit über 0.7 ist.
zwei unabhängige Binom.
Beispiel:
Ein Mitarbeiter der Stadtwerke bekommt den Auftrag am Freitag bei 60 und am Samstag bei 45 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 38 am Samstag so zwischen 24 und 26 erreichen werde. Tatsächlich ist die Wahrscheinlichkeit, dass ihm die Tür geöffnet wird, am Samstag mit 64% höher als am Freitag mit 43%. 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=60 und unbekanntem Parameter p.
Gesucht ist die Wahrscheinlichkeit zwischen 30 und 38 Treffer bei 60 Versuchen mit einer Einzelwahrscheinlichkeiten von 0.43 zu erzielen, also .Diese Wahrscheinlichkeit lässt sich als - ≈ 0.9995 - 0.8328 ≈ 0.1667 berechnen.
TI-Befehl: binomcdf(60,0.43,38)- binomcdf(60,0.43,29)
Samstag:
Die Zufallsgröße X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=45 und unbekanntem Parameter p.
Gesucht ist die Wahrscheinlichkeit zwischen 24 und 26 Treffer bei 45 Versuchen mit einer Einzelwahrscheinlichkeiten von 0.64 zu erzielen, also .Diese Wahrscheinlichkeit lässt sich als - ≈ 0.2355 - 0.0518 ≈ 0.1837 berechnen.
TI-Befehl: binomcdf(45,0.64,26)- binomcdf(45,0.64,23)
Da die beiden Ereignisse unabhängig voneinander sind, darf man die Wahrscheinlichkeiten multilplizieren, um die Wahrscheinlichkeit, dass beides eintritt, zu erhalten:
P ≈ 0.1667 ⋅ 0.1837 ≈ 0.0306
feste Reihenfolge im Binomialkontext
Beispiel:
In einer Urne sind 7 blaue und 3 rote Kugeln. Es wird 7 mal eine Kugel gezogen. Nach jedem Ziehen wird die Kugel wieder zurückgelegt. Bestimme die Wahrscheinlichkeit, dass dabei genau 3 blaue Kugeln gezogen werden und diese aber unmittelbar hintereinander gezogen werden (also ohne, dass dazwischen mal eine rote gezogen wird).
Wenn die Reihenfolge keine Rolle spielen würde, könnten wir ja einfach die Wahrscheinlichkeit von 3 Treffer bei 7 Versuchen mit der Formel von Bernoulli berechnen: ⋅ ⋅
Dabei gibt ja ⋅ die Wahrscheinlichkeit eines bestimmten Pfads mit 3 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:
XXXOOOO
OXXXOOO
OOXXXOO
OOOXXXO
OOOOXXX
Es gibt also genau 5 verschiedene mögliche Reihenfolgen für diese benachbarten Treffer, somit gilt für die Gesamtwahrscheinlichkeit: P = 5 ⋅ ⋅ ≈ 0.0139
Kombination Binom.-Baumdiagramm
Beispiel:
Bei einer Fluggesellschaft treten 19% der Besitzer gültiger Flugtickets ihren Flug nicht an. Deswegen verkauft die Fluggesellschaft immer 104 Tickets für ihr Flugzeug mit 94 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=104 und unbekanntem Parameter p.
Gesucht ist die Wahrscheinlichkeit für höchstens 94 Treffer bei 104 Versuchen mit einer Einzelwahrscheinlichkeiten von 0.81, also
Dazu kann man ja einfach die kumulierte Binomialverteilungsfunktion benutzen:
Die Zufallsgröße X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=104 und p=0.81.
= + + +... + = 0.99713544505056 ≈ 0.9971(TI-Befehl: binomcdf(104,0.81,94))
Damit kennen wir nun die Einzelwahrscheinlichkeiten von 'nicht überbucht' (p=0.9971) und 'überbucht'(p=0.0029).
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:
Ein normaler Würfel wird 22 mal geworfen. Wie groß ist die Wahrscheinlichkeit dass, Von den ersten 6 Versuchen höchstens 0 mal eine Sechs gewürfelt wird und von den restlichen Versuchen mindestens 2 Sechser gewürfelt werden?
Wir können die beiden Ereignisse als zwei getrennte von einander unabhängige Zufallsversuche betrachten, dabei betrachten wir zuerst die ersten 6
Durchgänge:
Die Zufallsgröße X gibt die Anzahl der Sechser-Würfe an. X ist binomialverteilt mit n=6 und p=.
Die gesuchte Wahrscheinlichkeit des ersten Teilereignisses berechnet man jetzt einfach als ≈ 0.3349.
Analog betrachten wir nun die restlichen 16 Durchgänge:
Die Zufallsgröße Y gibt die Anzahl der Sechser-Würfe an. Y ist binomialverteilt mit n=16 und p=.
Die gesuchte Wahrscheinlichkeit des zweiten Teilereignisses berechnet man nun als = 1- ≈ 0.7728.
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 = ⋅ = 0.3349 ⋅ 0.7728 ≈ 0.2588