Aufgabenbeispiele von Wiederholung aus 9/10

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=0,6. Wie viele Aufgaben kann ein Schüler höchstens machen, damit er mit einer Wahrscheinlichkeit von 50% maximal 27 dieser Fehler begeht?

Lösung einblenden
nP(X≤k)
......
450.5564
460.484
......

Die Zufallsgröße X gibt Anzahl der begangenen GeSchwa-Fehler an und ist im Idealfall binomialverteilt mit p = 0.6 und variablem n.

Es muss gelten: P0.6n (X27) ≥ 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 60% der Versuche mit einem Treffer. Also müssten dann doch bei 27 0.6 ≈ 45 Versuchen auch ungefähr 27 (≈0.6⋅45) Treffer auftreten.

Wir berechnen also mit unserem ersten n=45:
P0.6n (X27) ≈ 0.5564 (TI-Befehl: Binomialcdf ...)

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 letztmals bei n=45 die gesuchte Wahrscheinlichkeit über 50% ist.

kumulierte Binomialverteilung

Beispiel:

Bei einem Glücksrad ist die Wahrscheinlichkeit im grünen Bereich zu landen bei p=0,1. Wie groß ist die Wahrscheinlichkeit bei 53 Versuchen höchstens 7 mal im grünen Bereich zu landen?

Lösung einblenden

Die Zufallsgröße X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=53 und p=0.1.

P0.153 (X7) = P0.153 (X=0) + P0.153 (X=1) + P0.153 (X=2) +... + P0.153 (X=7) = 0.84418787622833 ≈ 0.8442
(TI-Befehl: binomcdf(53,0.1,7))

Binomialvert. mit variablem p (diskret)

Beispiel:

Eine Schulklasse möchte fürs Schulfest ein Glücksrad entwickeln. Aus optischen Gründen sollen dabei alle Sektoren gleich groß sein. Einer davon soll für den Hauptpreis stehen. Hierfür haben sie insgesamt 6 Preise gesammelt. Sie erwarten, dass das Glücksrad beim Schulfest 85 mal gespielt wird. Mit wie vielen Sektoren müssen sie ihr Glückrad mindestens bestücken damit die 6 Hauptpreise mit einer Wahrscheinlichkeit von mindestens 95% für die 85 Durchgänge reichen?

Lösung einblenden
pP(X≤6)
......
1 14 0.5945
1 15 0.6616
1 16 0.7187
1 17 0.7667
1 18 0.8067
1 19 0.8397
1 20 0.867
1 21 0.8894
1 22 0.9079
1 23 0.9231
1 24 0.9356
1 25 0.9459
1 26 0.9545
......

Die Zufallsgröße X gibt die Anzahl der Hauptpreise an. X ist binomialverteilt mit n=85 und unbekanntem Parameter p.

Es muss gelten: Pp85 (X6) =0.95 (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 Pp85 (X6) ('höchstens 6 Treffer bei 85 Versuchen') bei diesen Nennern wird (siehe Tabelle links)

Um einen günstigen Startwert zu finden wählen wir mal als p= 6 85 . Mit diesem p wäre ja 6= 6 85 ⋅85 der Erwartungswert und somit Pp85 (X6) irgendwo in der nähe von 50%. Wenn wir nun p= 6 85 mit 1 6 erweitern (so dass wir auf den Zähler 1 kommen) und den Nenner abrunden, müssten wir mit p= 1 14 einen brauchbaren Einstiegswert für dieses Probieren erhalten.

In dieser Tabelle erkennen wir, dass erstmals bei der Einzelwahrscheinlichkeit p= 1 26 die gesuchte Wahrscheinlichkeit über 95% steigt.
Der Nenner, also die Anzahl der Sektoren des Glücksrad, muss also mindestens 26 sein.

Binomialvert. mit variabl. p (höchstens) nur GTR

Beispiel:

Bei einem Zufallsexperiment ist die Wahrscheinlichkeit für einen Treffer unbekannt. Das Zufallsexperinment wird 92 mal wiederholt (bzw. die Stichprobe hat die Größe 92).Wie hoch darf die Einzelwahrscheinlichkeit p höchstens sein, dass mit einer Wahrscheinlichkeit von mind. 60% höchstens 38 Treffer erzielt werden?

Lösung einblenden
pP(X≤k)
......
0.350.9145
0.360.8781
0.370.8324
0.380.7775
0.390.714
0.40.6434
0.410.568
......

Es muss gelten: Pp92 (X38) =0.6 (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(92,X,38) - 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=0.4 die gesuchte Wahrscheinlichkeit über 0.6 ist.

Binomialverteilung X ∈ [l;k]

Beispiel:

Ein Basketballspieler hat eine Trefferquote von 74% von der Freiwurflinie. Wie groß ist die Wahrscheinlichkeit dass er von 45 Versuchen mindestens 34 und weniger als 37 trifft?

Lösung einblenden

Die Zufallsgröße X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=45 und p=0.74.

P0.7445 (34X36) =

...
31
32
33
34
35
36
37
38
...

P0.7445 (X36) - P0.7445 (X33) ≈ 0.8631 - 0.5161 ≈ 0.347
(TI-Befehl: binomcdf(45,0.74,36) - binomcdf(45,0.74,33))

Binomialvert. Abstand vom Erwartungswert

Beispiel:

Ein Basketballspieler hat eine Trefferquote von p=75%. Wie groß ist die Wahrscheinlichkeit dass er bei 79 Versuchen nicht mehr als 15% von seinem Erwartungswert abweicht?

Lösung einblenden

Den Erwartungswert berechnet man als E=n⋅p=79⋅0.75 = 59.25

Die 15% Abweichung wären dann zwischen 85% von 59.25, also 0.85⋅ 59.25 = 50.363 und 115% von 59.25, also 1.15⋅ 59.25 = 68.138

Da die Trefferzahl ja nicht weiter von 59.25 entfernt sein darf als 50.363 bzw. 68.138, muss sie also zwischen 51 und 68 liegen.

Die Zufallsgröße X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=79 und p=0.75.

P0.7579 (51X68) =

...
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
...

P0.7579 (X68) - P0.7579 (X50) ≈ 0.9945 - 0.0138 ≈ 0.9807
(TI-Befehl: binomcdf(79,0.75,68) - binomcdf(79,0.75,50))