Aufgabenbeispiele von Rückwärtsaufgaben
Durch Aktualisieren des Browsers (z.B. mit Taste F5) kann man neue Beispielaufgaben sehen
Binomialvert. mit variablem n (höchst.)
Beispiel:
Beim MI6 (Arbeitsplatz von James Bond 007) soll eine Projektgruppe zur Aushebung einer multinationalen Superschurkenvereinigung eingerichtet werden. Bisherige Studien haben ergeben, dass diese kriminelle Vereinigung bereits alle wichtigen Regierungsbehörden infiltriert hat. Man geht davon aus, dass bereits jeder 50. MI6-Angestellte ein Spitzel dieser Organisiation ist. Wie groß darf diese Gruppe nun sein, so dass mit einer Wahrscheinlichkeit von mindestens 90% kein Spitzel in dieser Projektgruppe ist?
| n | P(X≤k) |
|---|---|
| ... | ... |
| 1 | 0.98 |
| 2 | 0.9604 |
| 3 | 0.9412 |
| 4 | 0.9224 |
| 5 | 0.9039 |
| 6 | 0.8858 |
| ... | ... |
Die Zufallsgröße X gibt Anzahl der Spitzel unter den MI6-Angestellten an und ist im Idealfall binomialverteilt mit p = 0.02 und variablem n.
Es muss gelten: ≥ 0.9
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 2% der Versuche mit einem Treffer. Also müssten dann doch bei ≈ 0 Versuchen auch ungefähr 0 (≈0.02⋅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 0.9 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 0.9 überschritten wird.
Aus der Werte-Tabelle (siehe links) erkennt man dann, dass letztmals bei n=5 die gesuchte Wahrscheinlichkeit über 90% ist.
Binomialvert. mit variablem n (mind)
Beispiel:
In Tschechien gilt absolutes Alkoholverbot in Lokalen für Jugendliche unter 18 Jahren. Ein paar trinkfreudige 17-jährige Jugendliche wollen bei einer Studienfahrt nach Prag trotzdem ihr Glück versuchen. 84% der Gaststätten setzen das Alkoholverbot konsequent um und schenken nur gegen Vorlage einer "ID" (Personalausweis) Bier aus. Wie viele Kneipen müssen die Jugenlichen nun mindestens aufsuchen, damit sie bei einer Kneipentour mit mindestens 90% Wahrscheinlichkeit in mindestens 4 Lokalen nicht mit Nachfragen zu ihrer "ID" gedemütigt werden und in Ruhe ein Bier trinken können?
| n | P(X≤k) |
|---|---|
| ... | ... |
| 35 | 0.1667 |
| 36 | 0.1505 |
| 37 | 0.1356 |
| 38 | 0.1221 |
| 39 | 0.1097 |
| 40 | 0.0984 |
| ... | ... |
Die Zufallsgröße X gibt die Anzahl der besuchten Kneipen, die keine "ID" (Personalausweis) verlangen an und ist im Idealfall binomialverteilt mit p = 0.16 und variablem n.
Es muss gelten: ≥ 0.9
Weil man ja aber nicht in den WTR eingeben kann, müssen wir diese Wahrscheinlichkeit über die Gegenwahrscheinlichkeit berechnen:
= 1 - ≥ 0.9 |+ - 0.9
0.1 ≥ oder ≤ 0.1
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 16% der Versuche mit einem Treffer. Also müssten dann doch bei ≈ 25 Versuchen auch ungefähr 4 (≈0.16⋅25) Treffer auftreten.
Wir berechnen also mit unserem ersten n=25:
≈ 0.4163
(TI-Befehl: Binomialcdf ...)
Je nachdem, wie weit nun dieser Wert noch von den gesuchten 0.1 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 0.1 überschritten wird.
Aus der Werte-Tabelle (siehe links) erkennt man dann, dass erstmals bei n=40 die gesuchte Wahrscheinlichkeit unter 0.1 ist.
n muss also mindestens 40 sein, damit ≤ 0.1 oder eben ≥ 0.9 gilt.
Binomialvert. mit variablem n (höchst.)
Beispiel:
Beim MI6 (Arbeitsplatz von James Bond 007) soll eine Projektgruppe zur Aushebung einer multinationalen Superschurkenvereinigung eingerichtet werden. Bisherige Studien haben ergeben, dass diese kriminelle Vereinigung bereits alle wichtigen Regierungsbehörden infiltriert hat. Man geht davon aus, dass bereits jeder 50. MI6-Angestellte ein Spitzel dieser Organisiation ist. Wie groß darf diese Gruppe nun sein, so dass mit einer Wahrscheinlichkeit von mindestens 60% kein Spitzel in dieser Projektgruppe ist?
| n | P(X≤k) |
|---|---|
| ... | ... |
| 20 | 0.6676 |
| 21 | 0.6543 |
| 22 | 0.6412 |
| 23 | 0.6283 |
| 24 | 0.6158 |
| 25 | 0.6035 |
| 26 | 0.5914 |
| ... | ... |
Die Zufallsgröße X gibt Anzahl der Spitzel unter den MI6-Angestellten an und ist im Idealfall binomialverteilt mit p = 0.02 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 2% der Versuche mit einem Treffer. Also müssten dann doch bei ≈ 0 Versuchen auch ungefähr 0 (≈0.02⋅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=25 die gesuchte Wahrscheinlichkeit über 60% ist.
Binomialvert. mit variablem p (diskret) für WTR
Beispiel:
Ein neuer Multiple Choice Test mit 13 verschiedenen Fragen soll entwickelt werden. Dabei muss immer genau eine von mehreren Antwortmöglichkeiten richtig sein. Die Anzahl an Antwortmöglichkeiten soll bei allen Fragen gleich sein. Insgesamt soll der Test so konzipiert sein, dass die Wahrscheinlichkeit mehr als 2 Fragen nur durch Raten zufällig richtig zu beantworten (obwohl man keinerlei Wissen hat) bei höchstens 15% liegt. Bestimme die hierfür notwendige Mindestanzahl an Antwortmöglichkeiten bei jeder Frage.
| p | P(X≤2) |
|---|---|
| ... | ... |
| 0.6281 | |
| 0.7189 | |
| 0.7841 | |
| 0.8313 | |
| 0.8661 | |
| ... | ... |
Die Zufallsgröße X gibt die Anzahl der zufällig richtig geratenenen Antworten an. X ist binomialverteilt mit n=13 und unbekanntem Parameter p.
Es muss gelten: =0.85 (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 ('höchstens 2 Treffer bei 13 Versuchen') bei diesen Nennern wird (siehe Tabelle links)
Um einen günstigen Startwert zu finden wählen wir mal als p=. Mit diesem p wäre ja 2=⋅13 der Erwartungswert und somit irgendwo in der nähe von 50%. Wenn wir nun p= mit erweitern (so dass wir auf den Zähler 1 kommen) und den Nenner abrunden, müssten wir mit p= einen brauchbaren Einstiegswert für dieses Probieren erhalten.
In dieser Tabelle erkennen wir, dass erstmals bei der Einzelwahrscheinlichkeit p= die gesuchte
Wahrscheinlichkeit über 85% steigt.
Der Nenner, also die Anzahl der Antwortmöglichkeiten, muss also mindestens
10 sein.
Binomialvert. mit variablem k (mind.)
Beispiel:
Bei einem Multiple-Choice-Test werden 45 Fragen gestellt. Bei jeder Frage gibt es 3 Antworten, von denen genau eine richtig ist. Die Wahrscheinlichkeit, dass man mit reinem Raten der richtigen Antworten durch Zufall trotzdem den Test besteht, soll unter 8% liegen. Wie viele Fragen müssen dann zum Bestehen des Tests mindestens richtig beantwortet werden?
| k | P(X≤k) |
|---|---|
| ... | ... |
| 14 | 0.4442 |
| 15 | 0.5695 |
| 16 | 0.687 |
| 17 | 0.7872 |
| 18 | 0.8652 |
| 19 | 0.9206 |
| 20 | 0.9566 |
| 21 | 0.978 |
| 22 | 0.9897 |
| 23 | 0.9955 |
| ... | ... |
Die Zufallsgröße X gibt die Anzahl der richtig geratenen Fragen an und ist im Idealfall binomialverteilt mit p = und n = 45.
Es muss gelten: < 0.08 (oranger Bereich)
oder andersrum ausgedrückt: ≥ 0.92 (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 18 immer noch weniger als 0.92 der Gesamt-Wahrscheinlichkeit auf sich vereinen. Erst nimmt mit 92.06% einen Wert über 0.92 an.
Das kleinstmögliche k mit = 1 - < 0.08 ist somit k = 20.
Die Mindestanzahl richtiger Fragen zum Bestehen des Tests muss somit k = 20 sein.
(also keine kumulierte Wahrscheinlichkeit wie links in der Tabelle)
Binomialvert. mit variablem k (mind.)
Beispiel:
Bei einem Multiple-Choice-Test werden 30 Fragen gestellt. Bei jeder Frage gibt es 7 Antworten, von denen genau eine richtig ist. Die Wahrscheinlichkeit, dass man mit reinem Raten der richtigen Antworten durch Zufall trotzdem den Test besteht, soll unter 4% liegen. Wie viele Fragen müssen dann zum Bestehen des Tests mindestens richtig beantwortet werden?
| k | P(X≤k) |
|---|---|
| ... | ... |
| 3 | 0.3617 |
| 4 | 0.5691 |
| 5 | 0.7489 |
| 6 | 0.8737 |
| 7 | 0.945 |
| 8 | 0.9792 |
| 9 | 0.9931 |
| 10 | 0.998 |
| 11 | 0.9995 |
| 12 | 0.9999 |
| ... | ... |
Die Zufallsgröße X gibt die Anzahl der richtig geratenen Fragen an und ist im Idealfall binomialverteilt mit p = und n = 30.
Es muss gelten: < 0.04 (oranger Bereich)
oder andersrum ausgedrückt: ≥ 0.96 (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 7 immer noch weniger als 0.96 der Gesamt-Wahrscheinlichkeit auf sich vereinen. Erst nimmt mit 97.92% einen Wert über 0.96 an.
Das kleinstmögliche k mit = 1 - < 0.04 ist somit k = 9.
Die Mindestanzahl richtiger Fragen zum Bestehen des Tests muss somit k = 9 sein.
(also keine kumulierte Wahrscheinlichkeit wie links in der Tabelle)
Binomialvert. mit variablem k (höchst.)
Beispiel:
Bei einem Zufallsexperiment beträgt die Wahrscheinlichkeit für einen Treffer p=0,5. Das Zufallsexperiment soll 92 mal wiederholt werden. Dabei soll die Wahrscheinlichkeit, dass von den 92 Versuchen höchstens k Treffer sind, weniger als 80% betragen. Bestimme den größtmöglichen Wert für k.
| k | P(X≤k) |
|---|---|
| ... | ... |
| 44 | 0.3773 |
| 45 | 0.4585 |
| 46 | 0.5415 |
| 47 | 0.6227 |
| 48 | 0.6988 |
| 49 | 0.7671 |
| 50 | 0.8259 |
| 51 | 0.8743 |
| 52 | 0.9125 |
| 53 | 0.9413 |
| ... | ... |
Die Zufallsgröße X gibt Anzahl der Treffer an und ist im Idealfall binomialverteilt mit p = 0.5 und n = 92.
Es muss gelten: < 0.8
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 49 immer noch weniger als 0.8 der Gesamt-Wahrscheinlichkeit auf sich vereinen. Erst nimmt mit 82.59% einen Wert über 0.8 an.
Das größtmögliche k mit < 0.8 ist somit k = 49.
größtmöglicher Wert für k muss somit k = 49 sein.
(also keine kumulierte Wahrscheinlichkeit wie links in der Tabelle)
