Aufgabenbeispiele von Anwendungen

Durch Aktualisieren des Browsers (z.B. mit Taste F5) kann man neue Beispielaufgaben sehen


Binomial-Aufgabe mit 2 Ereignissen

Beispiel:

Ein Basketballspieler hat eine Trefferquote von 55% und wirft 16 mal auf dem Korb. Wie groß ist die Wahrscheinlichkeit, dass er von den ersten 9 Versuchen genau 6 mal und von den restlichen Versuchen höchstens 3 mal trifft.

Lösung einblenden

Wir können die beiden Ereignisse als zwei getrennte von einander unabhängige Zufallsversuche betrachten, dabei betrachten wir zuerst die ersten 9 Durchgänge:

Die Zufallsgröße X gibt die Anzahl der Treffer des BB-Spielers an. X ist binomialverteilt mit n=9 und p=0.55.

Die gesuchte Wahrscheinlichkeit des ersten Teilereignisses berechnet man jetzt einfach als P0.559 (X=6) ≈ 0.2119.

Analog betrachten wir nun die restlichen 7 Durchgänge:

Die Zufallsgröße Y gibt die Anzahl der Treffer des BB-Spielers an. Y ist binomialverteilt mit n=7 und p=0.55.

Die gesuchte Wahrscheinlichkeit des zweiten Teilereignisses berechnet man nun als P0.557 (Y3) ≈ 0.3917.

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 = P0.559 (X=6) P0.557 (Y3) = 0.2119 ⋅ 0.3917 ≈ 0.083

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 38 am Samstag so zwischen 20 und 26 erreichen werde. Tatsächlich ist die Wahrscheinlichkeit, dass ihm die Tür geöffnet wird, am Samstag mit 68% höher als am Freitag mit 48%. Wie groß ist die Wahrscheinlichkeit, dass seine Prognose zutrifft?
(Bitte auf 4 Stellen nach dem Komma runden)

Lösung einblenden

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 38 Treffer bei 65 Versuchen mit einer Einzelwahrscheinlichkeiten von 0.48 zu erzielen, also P0.4865 (30X38) .
Diese Wahrscheinlichkeit lässt sich als P0.4865 (X38) - P0.4865 (X29) ≈ 0.9652 - 0.3372 ≈ 0.628 berechnen.
TI-Befehl: binomcdf(65,0.48,38)- binomcdf(65,0.48,29)

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 20 und 26 Treffer bei 50 Versuchen mit einer Einzelwahrscheinlichkeiten von 0.68 zu erzielen, also P0.6850 (20X26) .
Diese Wahrscheinlichkeit lässt sich als P0.6850 (X26) - P0.6850 (X19) ≈ 0.0133 - 0 ≈ 0.0133 berechnen.
TI-Befehl: binomcdf(50,0.68,26)- binomcdf(50,0.68,19)

Da die beiden Ereignisse unabhängig voneinander sind, darf man die Wahrscheinlichkeiten multilplizieren, um die Wahrscheinlichkeit, dass beides eintritt, zu erhalten:

P ≈ 0.628 ⋅ 0.0133 ≈ 0.0084

feste Reihenfolge im Binomialkontext

Beispiel:

Ein Basketballspieler mit einer Trefferquote von 10% wirft 9 mal auf den Korb. Bestimme die Wahrscheinlichkeit, dass er bei diesen 9 Versuchen irgendwann einmal eine Serie mit 5 aufeinanderfolgenden Treffern hinlegt und bei allen anderen Versuchen nicht trifft.

Lösung einblenden

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: ( 9 5 ) 0.1 5 0.9 4

Dabei gibt ja 0.1 5 0.9 4 die Wahrscheinlichkeit eines bestimmten Pfads mit 5 Treffer und 4 Nicht-Treffern und ( 9 5 ) die Anzahl solcher Pfade an.

Hier spielt nun aber die Reihenfolge eine Rolle, also haben wir nicht alle möglichen ( 9 5 ) 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 ⋅ 0.1 5 0.9 4 ≈ 0

Kombination Binom.-Baumdiagramm

Beispiel:

Ein fernöstlicher LED-Hersteller hat Probleme in der Qualitätssicherung, so dass 8% seiner Leuchtmittel defekt sind. Diese werden in Kartons a 50 Stück verpackt. Ein Großhändler öffnet testweise zwei Kartons der Lieferung und prüft die darin enthaltenen Leuchtmittel. Nur wenn in keiner der Packungen mehr als 2 Stück defekt sind nimmt er die Lieferung an. Wie hoch ist die Wahrscheinlichkeit, dass er die Lieferung annimmt?
(Bitte auf 4 Stellen nach dem Komma runden)

Lösung einblenden

Zuerst berechnen wir mit Hilfe der Binomialverteilungsfunktionen die Einzelwahrscheinlichkeiten für 'kiste ok'.

Die Zufallsgröße X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=50 und unbekanntem Parameter p.

Gesucht ist die Wahrscheinlichkeit für höchstens 2 Treffer bei 50 Versuchen mit einer Einzelwahrscheinlichkeiten von 0.08, also P0.0850 (X2)

Dazu kann man ja einfach die kumulierte Binomialverteilungsfunktion benutzen:

Die Zufallsgröße X gibt die Anzahl der Treffer an. X ist binomialverteilt mit n=50 und p=0.08.

P0.0850 (X2) = P0.0850 (X=0) + P0.0850 (X=1) + P0.0850 (X=2) = 0.22597427543349 ≈ 0.226
(TI-Befehl: binomcdf(50,0.08,2))

Damit kennen wir nun die Einzelwahrscheinlichkeiten von 'kiste ok' (p=0.226) und 'nicht ok'(p=0.774).

Jetzt können wir mit einem Baumdiagramm die Gesuchte Endwahrscheinlichkeit berechnen.

Gesucht ist ja 0 mal 'nicht ok'

EreignisP
kiste ok -> kiste ok0,0511
kiste ok -> nicht ok0,1749
nicht ok -> kiste ok0,1749
nicht ok -> nicht ok0,5991

Einzel-Wahrscheinlichkeiten: kiste ok: 0,226; nicht ok: 0,774;

Du hast entweder einen veralteten Browser oder Javascript ausgeschaltet. Deswegen kannst du leider das SchaubBild nicht sehen :( Die relevanten Pfade sind:
  • 'kiste ok'-'kiste ok' (P=0,0511)

Die Lösung ist also die Summe dieser Wahrscheinlichkeiten:

0,0511 = 0,0511