nach Aufgabentypen suchen

Aufgabentypen anhand von Beispielen durchstöbern

Browserfenster aktualisieren (F5), um neue Beispiele bei den Aufgabentypen zu sehen

p gesucht (n-te Wurzel)

Beispiel:

Ein Basketballtrainer sucht einen Spieler, bei dem die Wahrscheinlichkeit von 2 Versuchen mindestens einmal zu treffen bei 87% liegt. Wie hoch muss dann seine Trefferquote sein? (Gib diese als Wahrscheinlichkeit zwischen 0 und 1 an)
(Bitte auf 3 Stellen runden!)

Lösung einblenden

P=0.87 ist die Wahrscheinlichkeit für mindestens 1 Treffer bei bei 2 Durchgängen, also ist 1-P=0.13 die Wahrscheinlichkeit für keinen Treffer bei bei 2 Durchgängen.

Es gilt also 0.13=(1-p)2

=>1-p=0.132 ≈ 0.3606

Die gesuchte Einzelwahrscheinlichkeit p ist dann also 1-0.3606 ≈ 0.6394

Binomialvert. mit variablem n (mind)

Beispiel:

Bei einem Zufallsexperiment beträgt die Wahrscheinlichkeit für einen Treffer p=0,2.Wie oft muss man das Zufallsexperiment mindestens wiederholen (oder wie groß muss die Stichprobe sein), um mit mind. 60% Wahrscheinlichkeit, mindestens 28 Treffer zu erzielen ?

Lösung einblenden
nP(X≤k)
......
1400.4663
1410.4497
1420.4332
1430.4169
1440.4008
1450.385
......

Die Zufallsgröße X gibt die Anzahl der Treffer an und ist im Idealfall binomialverteilt mit p = 0.2 und variablem n.

Es muss gelten: P0.2n (X≥28) ≥ 0.6

Weil man ja aber P0.2n (X≥28) nicht in den WTR eingeben kann, müssen wir diese Wahrscheinlichkeit über die Gegenwahrscheinlichkeit berechnen:

P0.2n (X≥28) = 1 - P0.2n (X≤27) ≥ 0.6 |+ P0.2n (X≤27) - 0.6

0.4 ≥ P0.2n (X≤27) oder P0.2n (X≤27) ≤ 0.4

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 20% der Versuche mit einem Treffer. Also müssten dann doch bei 28 0.2 ≈ 140 Versuchen auch ungefähr 28 (≈0.2⋅140) Treffer auftreten.

Wir berechnen also mit unserem ersten n=140:
P0.2n (X≤27) ≈ 0.4663 (TI-Befehl: Binomialcdf ...)

Je nachdem, wie weit nun dieser Wert noch von den gesuchten 0.4 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 0.4 überschritten wird.

Aus der Werte-Tabelle (siehe links) erkennt man dann, dass erstmals bei n=145 die gesuchte Wahrscheinlichkeit unter 0.4 ist.

n muss also mindestens 145 sein, damit P0.2n (X≤27) ≤ 0.4 oder eben P0.2n (X≥28) ≥ 0.6 gilt.

gesuchtes p (ohne zurücklegen)

Beispiel:

In einer Urne sind 20 Kugeln. Alle Kugeln sind entweder rot oder schwarz. Es sollen 2 Kugeln gleichzeitig gezogen werden. Wie viele schwarze Kugeln müssen in der Urne mindestens sein, damit mit einer Wahrscheinlichkeit von mindestens 50% unter den beiden gezogenen Kugeln mindestens eine schwarze ist?

Lösung einblenden
Anzahl der schwarzen Kugeln in der UrneP('mindestens eine schwarze Kugel')
......
31- 17 20 ⋅ 16 19 =1- 68 95 ≈0.2842
41- 16 20 ⋅ 15 19 =1- 12 19 ≈0.3684
51- 15 20 ⋅ 14 19 =1- 21 38 ≈0.4474
61- 14 20 ⋅ 13 19 =1- 91 190 ≈0.5211
......

Gesucht ist die Wahrscheinlichkeit von 'mindestens eine schwarze Kugel'.

Das Gegenereignis ('keine schwarze Kugel') ist sehr viel einfacher zu berechnen (weil dies nur ein Pfad im Baumdiagramm ist):
Wenn beispielsweise die Anzahl der schwarzen Kugeln in der Urne=3 ist, dann ist doch die Wahrscheinlichkeit für 'keine schwarze Kugel'= 17 20 ⋅ 16 19 (beim ersten Zufallsversuch 17 20 und beim zweiten 16 19 weil dann ja bereits 'eine Kugel weniger im Topf ist'), also ist die Wahrscheinlichkeit für 'mindestens eine schwarze Kugel'=1- 17 20 ⋅ 16 19

Wir erhöhen nun schrittweise immer die Anzahl der schwarzen Kugeln in der Urne um 1 und probieren aus, wie sich das auf die gesuchte Gesamt-Wahrscheinlichkeit für 'mindestens eine schwarze Kugel' auswirkt (siehe Tabelle links)

Als Startwert wählen wir als p=3. (man kann auch alles als Funktion in den WTR eingeben: y=1-(20-x)/20*(19-x)/19)

In dieser Tabelle erkennen wir, dass erstmals bei 6 als 'Anzahl der schwarzen Kugeln in der Urne' die gesuchte Wahrscheinlichkeit über 50% auftritt.
Die gesuchte Anzahl der schwarzen Kugeln in der Urne muss also mindestens 6 sein.

Binomialvert. mit variablem p (diskret) für WTR

Beispiel:

Eine Firma, die Überraschungseier vertreibt, möchte als Werbegag manche Eier mit Superfiguren bestücken. Aus Angst vor Kundenbeschwerden sollen in einer 9er-Packung mit der mindestens 75% Wahrscheinlichkeit 1 oder mehr Superfiguren enthalten sein. Wenn in jedes n-te Ei eine Superfigur rein soll, wie groß darf dann n höchstens sein?

Lösung einblenden
pP(X≥1)=1-P(X≤0)
......
1 2 0.998
1 3 0.974
1 4 0.9249
1 5 0.8658
1 6 0.8062
1 7 0.7503
1 8 0.6993
......

Die Zufallsgröße X gibt die Anzahl der Eier mit einer Superfigur an. X ist binomialverteilt mit n=9 und unbekanntem Parameter p.

Es muss gelten: Pp9 (X≥1) = 1- Pp9 (X≤0) = 0.75 (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 Pp9 (X≥1) ('mindestens 1 Treffer bei 9 Versuchen') bei diesen Nennern wird (siehe Tabelle links)

Als Startwert wählen wir als p= 1 2 .

In dieser Tabelle erkennen wir, dass letztmals bei der Einzelwahrscheinlichkeit p= 1 7 die gesuchte Wahrscheinlichkeit über 75% bleibt.
Der Nenner, also die das wievielte Ei eine Superfigur enthält, darf also höchstens 7 sein.