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 3 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 3 Durchgängen, also ist 1-P=0.13 die Wahrscheinlichkeit für keinen Treffer bei bei 3 Durchgängen.

Es gilt also 0.13=(1-p)3

=>1-p=0.133 ≈ 0.5066

Die gesuchte Einzelwahrscheinlichkeit p ist dann also 1-0.5066 ≈ 0.4934

Binomialvert. mit variablem n (mind)

Beispiel:

Die Firma Apple hat ein neues geniales Produkt, die iYacht, auf den Markt gebracht (wenn auch nicht ganz günstig). Die hierfür beauftragte Marketingagentur garantiert, dass unter denen, denen sie die Yacht vorgeführt hat, der Anteil der späteren Käufer bei 14% liegt. Wie vielen Personen muss nun dieses Produkt vorgeführt werden, damit sich mit mind. 50% Wahrscheinlichkeit, 31 oder mehr Käufer für dieses Produkt finden?

Lösung einblenden
nP(X≤k)
......
2180.5078
2190.4969
2200.4861
2210.4753
......

Die Zufallsgröße X gibt Anzahl der Käufer an und ist im Idealfall binomialverteilt mit p = 0.14 und variablem n.

Es muss gelten: P0.14n (X31) ≥ 0.5

Weil man ja aber P0.14n (X31) nicht in den WTR eingeben kann, müssen wir diese Wahrscheinlichkeit über die Gegenwahrscheinlichkeit berechnen:

P0.14n (X31) = 1 - P0.14n (X30) ≥ 0.5 |+ P0.14n (X30) - 0.5

0.5 ≥ P0.14n (X30) oder P0.14n (X30) ≤ 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 14% der Versuche mit einem Treffer. Also müssten dann doch bei 31 0.14 ≈ 221 Versuchen auch ungefähr 31 (≈0.14⋅221) Treffer auftreten.

Wir berechnen also mit unserem ersten n=221:
P0.14n (X30) ≈ 0.4753 (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 erstmals bei n=219 die gesuchte Wahrscheinlichkeit unter 0.5 ist.

n muss also mindestens 219 sein, damit P0.14n (X30) ≤ 0.5 oder eben P0.14n (X31) ≥ 0.5 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:

In einer Urne sind 4 rote und einige schwarze Kugeln. Es soll 11 mal mit Zurücklegen gezogen werden. Wie viele schwarze Kugeln müssen in der Urne mindestens sein, damit mit einer Wahrscheinlichkeit von mindestens 70% unter den 11 gezogenen Kugeln nicht mehr als 6 rote sind?

Lösung einblenden
pP(X≤6)
......
4 7 0.5456
4 8 0.7256
......

Die Zufallsgröße X gibt die Anzahl der gezogenen Kugeln mit der Farbe rot an. X ist binomialverteilt mit n=11 und unbekanntem Parameter p.

Es muss gelten: Pp11 (X6) =0.7 (oder mehr)

Wir wissen, dass der Zähler bei unserer Einzelwahrscheinlichkeit p 4 sein muss, da es ja genau 4 günstige Fälle gibt.

Wir müssen nun bei verschiedenen Nennern untersuchen, wie hoch die gesuchte Wahrscheinlichkeit Pp11 (X6) ('höchstens 6 Treffer bei 11 Versuchen') bei diesen Nennern wird (siehe Tabelle links)

Um einen günstigen Startwert zu finden wählen wir mal als p= 6 11 . Mit diesem p wäre ja 6= 6 11 ⋅11 der Erwartungswert und somit Pp11 (X6) irgendwo in der nähe von 50%. Wenn wir nun p= 6 11 mit 4 6 erweitern (so dass wir auf den Zähler 4 kommen) und den Nenner abrunden, müssten wir mit p= 4 7 einen brauchbaren Einstiegswert für dieses Probieren erhalten.

In dieser Tabelle erkennen wir, dass erstmals bei der Einzelwahrscheinlichkeit p= 4 8 die gesuchte Wahrscheinlichkeit über 70% steigt.
Der Nenner, also die Anzahl aller Kugeln, muss also mindestens 8 sein.

Also werden noch 4 zusätzliche Optionen (also schwarze Kugeln) benötigt.