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:

Bei einer Tombola werden elektronische Lose so verkauft, dass bei jedem Los jede Preiskategorie immer die gleiche Gewinnwahrscheinlichkeit hat. Aus Marketinggründen wird dabei auch ein Vierer-Pack angeboten. Dabei wird geworben, dass mit einer Wahrscheinlichkeit von 58% bei jedem Viererpack mindestens ein hochwertiger Preis dabei ist. Wie hoch muss man die Einzelwahrscheinlichkeit für einen hochwertigen Preis setzen, damit dieses Versprechen eingehalten wird?
(Bitte auf 3 Stellen runden!)

Lösung einblenden

P=0.58 ist die Wahrscheinlichkeit für mindestens 1 Treffer bei bei 4 Durchgängen, also ist 1-P=0.42 die Wahrscheinlichkeit für keinen Treffer bei bei 4 Durchgängen.

Es gilt also 0.42=(1-p)4

=>1-p=0.424 ≈ 0.805

Die gesuchte Einzelwahrscheinlichkeit p ist dann also 1-0.805 ≈ 0.195

Binomialvert. mit variablem n (höchst.)

Beispiel:

Wie oft darf man mit einem normalen Würfel höchstens würfeln, um mit einer Wahrscheinlichkeit von mindestens 80% nicht mehr als 35 6er zu würfeln?

Lösung einblenden
nP(X≤k)
......
1870.8042
1880.7947
1890.785
1900.7751
1910.765
1920.7547
1930.7442
1940.7335
1950.7226
1960.7115
1970.7003
1980.689
1990.6775
2000.6658
2010.6541
2020.6422
2030.6303
2040.6183
2050.6061
2060.594
2070.5818
2080.5695
2090.5573
2100.545
......

Die Zufallsgröße X gibt Anzahl der gewürfelten 6er an und ist im Idealfall binomialverteilt mit p = 1 6 und variablem n.

Es muss gelten: P 1 6 n (X35) ≥ 0.8

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 1 6 der Versuche mit einem Treffer. Also müssten dann doch bei 35 1 6 ≈ 210 Versuchen auch ungefähr 35 (≈ 1 6 ⋅210) Treffer auftreten.

Wir berechnen also mit unserem ersten n=210:
P 1 6 n (X35) ≈ 0.545 (TI-Befehl: Binomialcdf ...)

Je nachdem, wie weit nun dieser Wert noch von den gesuchten 0.8 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 0.8 überschritten wird.

Aus der Werte-Tabelle (siehe links) erkennt man dann, dass letztmals bei n=187 die gesuchte Wahrscheinlichkeit über 80% ist.

gesuchtes p (ohne zurücklegen)

Beispiel:

In einer Urne sind 30 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- 27 30 26 29 =1- 117 145 ≈0.1931
41- 26 30 25 29 =1- 65 87 ≈0.2529
51- 25 30 24 29 =1- 20 29 ≈0.3103
61- 24 30 23 29 =1- 92 145 ≈0.3655
71- 23 30 22 29 =1- 253 435 ≈0.4184
81- 22 30 21 29 =1- 77 145 ≈0.469
91- 21 30 20 29 =1- 14 29 ≈0.5172
......

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'= 27 30 26 29 (beim ersten Zufallsversuch 27 30 und beim zweiten 26 29 weil dann ja bereits 'eine Kugel weniger im Topf ist'), also ist die Wahrscheinlichkeit für 'mindestens eine schwarze Kugel'=1- 27 30 26 29

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-(30-x)/30*(29-x)/29)

In dieser Tabelle erkennen wir, dass erstmals bei 9 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 9 sein.

Binomialvert. mit variablem p (diskret) für WTR

Beispiel:

Die Homepage-AG einer Schule möchte auf der Startseite der Internetseite der Schule ein Zufallsbild integrieren. Dabei soll bei jedem Aufruf der Startseite ein zufälliges Bild aus einer Bilderdatenbank gezeigt werden. Alle Bilder der Datenbank sind immer gleich wahrscheinlich. Auf 2 Bildern der Datenbank sind Mitglieder der Homepage-AG zu sehen. Es wird geschätzt, dass die Seite täglich 60 mal aufgerufen wird. Die Mitglieder der Homepage-AG wollen dass mit mindestens 75%-iger Wahrscheinlichkiet mindestens 14 mal am Tag eines ihrer eigenen 2 Bilder erscheint. Wie viele andere Bilder dürfen dann höchstens noch in der Datenbank sein?

Lösung einblenden
pP(X≥14)=1-P(X≤13)
......
2 5 0.9979
2 6 0.9658
2 7 0.8516
2 8 0.6651
......

Die Zufallsgröße X gibt die Anzahl der Bilder mit Homepage-AG-lern an. X ist binomialverteilt mit n=60 und unbekanntem Parameter p.

Es muss gelten: Pp60 (X14) = 1- Pp60 (X13) = 0.75 (oder mehr)

Wir wissen, dass der Zähler bei unserer Einzelwahrscheinlichkeit p 2 sein muss, da es ja genau 2 günstige Fälle gibt.

Wir müssen nun bei verschiedenen Nennern untersuchen, wie hoch die gesuchte Wahrscheinlichkeit Pp60 (X14) ('mindestens 14 Treffer bei 60 Versuchen') bei diesen Nennern wird (siehe Tabelle links)

Als Startwert wählen wir als p= 2 5 . (Durch Ausprobieren erkennt man, dass vorher die Wahrscheinlichkeit immer fast 1 ist)

In dieser Tabelle erkennen wir, dass letztmals bei der Einzelwahrscheinlichkeit p= 2 7 die gesuchte Wahrscheinlichkeit über 75% bleibt.
Der Nenner, also die Anzahl aller Bilder in der Datenbank, darf also höchstens 7 sein.

Also wären noch 5 zusätzliche Optionen (also weitere Bilder) zulässig.