Aufgabenbeispiele von Normalverteilung
Durch Aktualisieren des Browsers (z.B. mit Taste F5) kann man neue Beispielaufgaben sehen
Intervall Normalverteilung (einfach)
Beispiel:
Die Zufallsgröße X ist normalverteilt mit dem Erwartungswert μ=4 und der Standardabweichung σ=1.2 .
Berechne P(4 ≤ X ≤ 5.2).
Runde dein Ergebnis auf 3 Stellen hinter dem Komma.
Hier kann man einfach die WTR-Befehle ("Normalcdf" beim TI, bzw. "Kumul. Normal-V" beim Casio) verwenden: μ und σ, dann die Intervallgrenzen eingeben - und schon kann man das Ergebnis ablesen.
P(4 ≤ X ≤ 5.2) ≈ 0.3413
Intervall Normalverteilung rückwärts
Beispiel:
Die Zufallsgröße X ist normalverteilt mit dem Erwartungswert μ=10 und der Standardabweichung σ=3 .
Es gilt P(X ≥ k) = 0.45. Bestimme k.
Runde auf eine Stelle hinter dem Komma genau.
Der WTR kann leider kein k berechnen mit P(X ≥ k) = 0.45, weil er immer nur ein k bei P(X ≤ k) = p berechnen kann.
Also nutzen wir aus, dass P(X ≤ k) = 0.55 (im Schaubild die blaue Fläche) gelten muss, wenn P(X ≥ k) = 0.45 (im Schaubild die rote Fläche) gilt.
Für P(X ≤ k) = 0.55 liefert der WTR k ≈ 10.377.
(TI: invNormal, Casio: Inv. Normal-V. )
Normalverteilung Anwendung
Beispiel:
Eine Firma produziert 100 mm lange Schrauben. Aufgrund mehrerer Faktoren beim Produktionsprozess treten Schwankungen bei der tatsächlichen Länge auf. Dabei beträgt die Standardabweichung 0,4 mm. Bestimme die Wahrscheinlichkeit, dass eine zufällig gewählte Schraube größer oder gleich 99,7 hat.
(Bitte auf 3 Stellen nach dem Komma runden)
Die Zufallsgröße X beschreibt die Schraubenlänge in mm, sie wird als normalverteilt angenommen mit dem Erwartungswert μ = 100 und der Standardabweichung σ = 0.4.
Somit kann man einfach die WTR-Befehle ("Normalcdf" beim TI, bzw. "Kumul. Normal-V" beim Casio) verwenden: Erst μ und σ, dann die Intervallgrenzen eingeben. Die rechte Intervallgrenze wäre hier jedoch + ∞. Stattdessen kann man einfach einen sehr großen Wert eingeben, z.B.: 10000000.
Jetzt lässt sich das Ergebnis ablesen: P(X ≥ 99.7) ≈ 0.7734
Normalverteilung Anwendung (rückwärts)
Beispiel:
Ein exotisches Insekt wird im Mittel 6 cm lang. Dabei beträgt die Standardabweichung der Körperlänge 1,2 cm. Wie lang muss dann ein solches Insekt mindenstens sein, damit es zu den längsten 80% dieser Insekten gehört.
(Bitte auf 2 Stellen nach dem Komma runden, ohne Einheiten eingeben!)
Die Zufallsgröße X beschreibt die Körperlänge des Insekts im cm, sie wird als normalverteilt angenommen mit dem Erwartungswert μ = 6 und der Standardabweichung σ = 1.2.
Gesucht ist somit das k, so dass P(X ≥ k) = 0.8 gilt.
Der WTR kann leider kein k berechnen mit P(X ≥ k) = 0.8, weil er immer nur ein k bei P(X ≤ k) = p berechnen kann.
Also nutzen wir aus, dass P(X ≤ k) = 0.2 (im Schaubild die blaue Fläche) gelten muss, wenn P(X ≥ k) = 0.8 (im Schaubild die rote Fläche) gilt.
Für P(X ≤ k) = 0.2 liefert der WTR k ≈ 4.99.
(TI: invNormal, Casio: Inv. Normal-V. )
Mittelwert, Standardabw. ablesen
Beispiel:
Die Zufallsgröße X ist normalverteilt. Ihr Schaubild zeigt die zugehörige Gauß'sche Glockenkurve mit den ganzzahligen Parametern μ und σ.
Gib die Werte für μ und σ an.
Den Mittelwert μ= 1 kann man einfach am x-Wert des Hochpunkts der Glockenkurve ablesen.
Die Standardabweichung σ = 2 kann man am Abstand der x-Werte des Hochpunkts vom Wendepunkt ablesen.
μ und σ ablesen und Interval berechnen
Beispiel:
Die Zufallsgröße X ist normalverteilt. Ihr Schaubild zeigt die zugehörige Gauß'sche Glockenkurve mit den ganzzahligen Parametern μ und σ.
Gib die Werte für μ und σ an und berechne damit die eingefärbte Fläche.
Den Mittelwert μ= -4 kann man einfach am x-Wert des Hochpunkts der Glockenkurve ablesen.
Die Standardabweichung σ = 5 kann man am Abstand der x-Werte des Hochpunkts vom Wendepunkt ablesen.
Jetzt kann man einfach einfach die WTR-Befehle ("Normalcdf" beim TI, bzw. "Kumul. Normal-V" beim Casio) verwenden: μ und σ, dann die Intervallgrenzen eingeben - und schließlich das Ergebnis ablesen:
P(-12 ≤ X ≤ -3) ≈ 0.5245
Symmetrie nutzen
Beispiel:
Die Zufallsgröße X ist normalverteilt. Ihr Schaubild zeigt die zugehörige Gauß'sche Glockenkurve mit einem ganzzahligen Erwartungswert μ. Der Inhalt der gefärbten Fläche beträgt 0.023.
Bestimme P(-3 ≤ X ≤ 0).
Gib die Wahrscheinlichkeit auf 3 Stellen nach dem Komma genau an.
Wir wissen, dass das Schaubild einer normalverteilten Zufallsgröße achsenssymmetrisch zur senkrechten Gerade durch den Hochpunkt ist, hier also zu x = 0.
Somit gilt auch für den helleren blauen Flächeninhalt, der der Wahrscheinlichkeit P( X ≤ -3) entspricht: P( X ≤ -3) = 0.023.
Die beiden roten Flächen teilen sich dann die Restwahrscheinlichkeit:
1 - 0.023 - 0.023 =
0.954
Aus den bereits oben genannten Symmetriegründen sind aber auch die beiden roten Flächen gleich groß, so dass für die gesuchte (dunklere) Fläche gilt:
P(-3 ≤ X ≤ 0) = = 0.477
Standardabweichung bestimmen
Beispiel:
Der Punkt P(-2|0.0222) liegt auf der Gauß'schen Glockenkurve mit ganzzahligem Parameter σ und μ = -2.
Bestimme die Standardabweichung σ.
Gegeben ist ja der Hochpunkt der Gauß' schen Glockenkurve, weil ja der gegebene x-Wert gerade dem Erwartungswert μ = -2 entspricht.
Um einen ersten möglichen Wert für eine Standardabweichung σ zu bekommen, berechen wir am besten den Quotient von 0,5 und dem y-Wert der gegebenen Hochpunkts, also ≈ 22.523 und runden diesen auf σ1 = 23.
Damit berechnen wir nun den y-Wert der Glockenkurve (mit μ = -2 und σ1=23) an der gegebenen Stelle x = -2
und erhalten f1(-2) = 0.0173
(TI: DISTR -> 1: Normalpdf; Casio: Dichte ..).
Wir wissen ja: Je größer das σ ist, desto breiter wird die Glockenkurve. Da ja aber die ganze Fläche unter der Glockenkurve (die ja der Gesamt-Wahrscheinlichkeit für alles entspricht) immer genau 1 ist, muss die breitere Glockenkurve dementsprechend auch flacher und damit mit einem niedrigeren Hochpunkt ausfallen. Somit gilt:
Je höher das σ, desto niedriger der y-Wert des Hochpunkts.
Und das der y-Wert unserer ersten Kurve mit σ1=23 (in der Abbilung in grün) zu tief war, muss also σ1 zu groß sein und wir müssen jetzt eben schrittweise kleinere Standardabweichungen σ durchprobieren und die zugehörigen y-Werte an der Stelle x = -2 berechnen:
μ = -2 | σ = 22 | f(-2) = 0.0181 |
μ = -2 | σ = 21 | f(-2) = 0.019 |
μ = -2 | σ = 20 | f(-2) = 0.0199 |
μ = -2 | σ = 19 | f(-2) = 0.021 |
μ = -2 | σ = 18 | f(-2) = 0.0222 |
Somit muss die gesuchte Standardabweichung σ = 18 sein.
variabler Erwartungswert (Anwendungen)
Beispiel:
Bei einem Riesenrad kann man die Laufzeit für eine Umdrehung immer auf ganze Sekunden einstellen. Trotzdem ist dann nicht jede Umdrehung exakt gleich lang. Man kann aber davon ausgehen, dass die Umdrehungszeit normalverteilt ist mit der eingestellten Zeitdauer als Erwartungswert und einer Standardabweichung von 1,5 s. Ein Schausteller bewirbt sein Riesenrad mit einer Umlaufzeit von 4 min. Auf welchen Wert (ganzzahlig in s) muss man das Riesenrad einstellen, so dass eine Umdrehung mit einer Wahrscheinlichkeit von mindestens 90% mindestens die 4 min lang ist?
Die Zufallsgröße X beschreibt die Laufzeit des Riesenrads für eine Umdrehung in Sekunden.
Zunächst untersuchen wir die Wahrscheinlichkeit, wenn der Erwartungswert μ = 240 gewählt würde. Aus Symmetriegründen wäre dann aber P(X ≥ 240) = 0,5.
Deswegen wird nun der Erwartungswert schrittweise immer um eine Einheit erhöht, bis die gesuchte Wahrscheinlichkeit P(X ≥ 240) mindestens 0.9 ist:
μ = 240: P(X ≥ 240) = 0.5
μ = 241: P(X ≥ 240) = 0.7475
μ = 242: P(X ≥ 240) = 0.9088
Man muss also den Erwartungswert auf mindestens μ = 242 einstellen.
Normalverteilung Anwendung
Beispiel:
Man geht davon aus, dass die Intelligenz bei Menschen normalverteilt ist. Ein Intelligenztest wird immer so skaliert, dass der Erwartungswert des IQ bei 100 und die Standardabweichung bei 15 liegt. Bestimme die Wahrscheinlichkeit, dass ein zufällig gewählter Mensch einen Intelligenzquotient kleiner oder gleich 103 hat.
(Bitte auf 3 Stellen nach dem Komma runden)
Die Zufallsgröße X beschreibt den Intelligenzquotient IQ, sie wird als normalverteilt angenommen mit dem Erwartungswert μ = 100 und der Standardabweichung σ = 15.
Somit kann man einfach die WTR-Befehle ("Normalcdf" beim TI, bzw. "Kumul. Normal-V" beim Casio) verwenden: Erst μ und σ, dann die Intervallgrenzen eingeben. Die linke Intervallgrenze wäre hier jedoch - ∞. Stattdessen kann man einfach einen sehr kleinen Wert eingeben, z.B.: -10000000.
Jetzt lässt sich das Ergebnis ablesen: P(X ≤ 103) ≈ 0.5793
Kombination Normal- und Binomialverteilung
Beispiel:
Eine Firma produziert 90 mm lange Schrauben. Aufgrund mehrerer Faktoren beim Produktionsprozess treten Schwankungen bei der tatsächlichen Länge auf. Dabei beträgt die Standardabweichung 0,3 mm. Die Schrauben werden dabei in Kartons mit 60 Stück verpackt. Ist eine Schraube kürzer als 89,8 mm, so gilt sie als zu kurz. Wie groß ist die Wahrscheinlichkeit, dass in einem zufällig gewählten Karton nicht mehr als 14 Schrauben zu kurz sind?
Zuerst berechnen wir die Wahrscheinlichkeit dafür, dass eine Schraube als zu kurz gilt. Die Zufallsgröße Y beschreibt dabei die Schraubenlänge in mm, sie wird als normalverteilt angenommen mit dem Erwartungswert μ = 90 und der Standardabweichung σ = 0.3.
Mit derm WTR lässt sich so P(Y ≤ 89.8) ≈ 0.2525 berechnen.
(TI: Normalcdf, Casio: Kumul. Normal-V. )
Und weil dies für jedes der 60 Exemplare gilt, können wir die Zufallsgröße X (, die die Anzahl der zu kurzen Schrauben in einem Karton zählt) als binomialverteilt mit n = 60 und p = 0.252 annehmen.
Für die gesuchte Wahrscheinlichkeit gilt somit:
=
= 0.433
(TI-Befehl: binomcdf(60,0.252,14) - binomcdf(60,0.252,-1))
Die gesuchte Wahrscheinlichkeit beträgt somit ca. 43,3%.
Kombination Normal- und Binomialverteilung rw
Beispiel:
Die Äpfel einer großen Plantage haben in einem bestimmten Jahr im Mittel einen "Durchmesser" von 9 cm und eine Standardabweichung von 2,5 cm. Der Großhandel nimmt nur Äpfel an, die zwischen 8 und 11 cm groß sind. Wie viele Äpfel muss man mindestens ernten, um mit einer Wahrscheinlichkeit von mindestens 70% mindestens 58 Stück an den Großhandel verkaufen zu können?
Zuerst berechnen wir die Wahrscheinlichkeit dafür, dass ein zufällig gewählter Apfel im geforderten Größenbereich liegt. Die Zufallsgröße Y beschreibt dabei den Durchmessers eines Apfels, sie wird als normalverteilt angenommen mit dem Erwartungswert μ = 9 und der Standardabweichung σ = 2.5.
Mit derm WTR lässt sich so P(8 ≤ Y ≤ 11) ≈ 0.443566 berechnen.
(TI: Normalcdf, Casio: Kumul. Normal-V. )
Und weil dies für jedes Exemplar gilt, können wir die Zufallsgröße X (, die die Anzahl der Äpfel im geforderten Größenbereich zählt) als binomialverteilt mit unbekanntem n und p = 0.443566 annehmen.
n | P(X≤k) |
---|---|
... | ... |
132 | 0.4283 |
133 | 0.3984 |
134 | 0.3692 |
135 | 0.341 |
136 | 0.3139 |
137 | 0.2879 |
... | ... |
Die Zufallsgröße X gibt Äpfel im geforderten Größenbereich an und ist im Idealfall binomialverteilt mit p = 0.443566 und variablem n.
Es muss gelten: ≥ 0.7
Weil man ja aber nicht in den WTR eingeben kann, müssen wir diese Wahrscheinlichkeit über die Gegenwahrscheinlichkeit berechnen:
= 1 - ≥ 0.7 |+ - 0.7
0.3 ≥ oder ≤ 0.3
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 44.3566% der Versuche mit einem Treffer. Also müssten dann doch bei ≈ 131 Versuchen auch ungefähr 58 (≈0.443566⋅131) Treffer auftreten.
Wir berechnen also mit unserem ersten n=131:
≈ 0.4588
(TI-Befehl: Binomialcdf ...)
Je nachdem, wie weit nun dieser Wert noch von den gesuchten 0.3 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 0.3 überschritten wird.
Aus der Werte-Tabelle (siehe links) erkennt man dann, dass erstmals bei n=137 die gesuchte Wahrscheinlichkeit unter 0.3 ist.
n muss also mindestens 137 sein, damit ≤ 0.3 oder eben ≥ 0.7 gilt.