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 4 Versuchen mindestens einmal zu treffen bei 89% 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=0.89 ist die Wahrscheinlichkeit für mindestens 1 Treffer bei bei 4 Durchgängen, also ist 1-P=0.11 die Wahrscheinlichkeit für keinen Treffer bei bei 4 Durchgängen.

Es gilt also 0.11=(1-p)4

=>1-p=0.114 ≈ 0.5759

Die gesuchte Einzelwahrscheinlichkeit p ist dann also 1-0.5759 ≈ 0.4241

Binomialvert. mit variablem n (höchst.)

Beispiel:

Bei einem Zufallsexperiment beträgt die Wahrscheinlichkeit für einen Treffer p=0,85.Wie oft darf man das Zufallsexperiment höchstens wiederholen (oder wie groß darf die Stichprobe sein), um mit mind. 80% Wahrscheinlichkeit, höchstens 28 Treffer zu erzielen ?

Lösung einblenden
nP(X≤k)
......
310.8641
320.7279
330.5645
......

Die Zufallsgröße X gibt die Anzahl der Treffer an und ist im Idealfall binomialverteilt mit p = 0.85 und variablem n.

Es muss gelten: P0.85n (X≤28) ≥ 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 85% der Versuche mit einem Treffer. Also müssten dann doch bei 28 0.85 ≈ 33 Versuchen auch ungefähr 28 (≈0.85⋅33) Treffer auftreten.

Wir berechnen also mit unserem ersten n=33:
P0.85n (X≤28) ≈ 0.5645 (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=31 die gesuchte Wahrscheinlichkeit über 80% ist.

gesuchtes p (ohne zurücklegen)

Beispiel:

In einer Urne sind 35 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- 32 35 ⋅ 31 34 =1- 496 595 ≈0.1664
41- 31 35 ⋅ 30 34 =1- 93 119 ≈0.2185
51- 30 35 ⋅ 29 34 =1- 87 119 ≈0.2689
61- 29 35 ⋅ 28 34 =1- 58 85 ≈0.3176
71- 28 35 ⋅ 27 34 =1- 54 85 ≈0.3647
81- 27 35 ⋅ 26 34 =1- 351 595 ≈0.4101
91- 26 35 ⋅ 25 34 =1- 65 119 ≈0.4538
101- 25 35 ⋅ 24 34 =1- 60 119 ≈0.4958
111- 24 35 ⋅ 23 34 =1- 276 595 ≈0.5361
......

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'= 32 35 ⋅ 31 34 (beim ersten Zufallsversuch 32 35 und beim zweiten 31 34 weil dann ja bereits 'eine Kugel weniger im Topf ist'), also ist die Wahrscheinlichkeit für 'mindestens eine schwarze Kugel'=1- 32 35 ⋅ 31 34

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-(35-x)/35*(34-x)/34)

In dieser Tabelle erkennen wir, dass erstmals bei 11 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 11 sein.

Binomialvert. mit variablem p (diskret) für WTR

Beispiel:

Eine Schulklasse möchte fürs Schulfest ein Glücksrad entwickeln. Aus optischen Gründen sollen dabei alle Sektoren gleich groß sein. Einer davon soll für den Hauptpreis stehen. Hierfür haben sie insgesamt 6 Preise gesammelt. Sie erwarten, dass das Glücksrad beim Schulfest 70 mal gespielt wird. Mit wie vielen Sektoren müssen sie ihr Glückrad mindestens bestücken damit die 6 Hauptpreise mit einer Wahrscheinlichkeit von mindestens 95% für die 70 Durchgänge reichen?

Lösung einblenden
pP(X≤6)
......
1 11 0.5454
1 12 0.6343
1 13 0.7081
1 14 0.7678
1 15 0.8155
1 16 0.8533
1 17 0.8831
1 18 0.9066
1 19 0.9251
1 20 0.9396
1 21 0.9512
......

Die Zufallsgröße X gibt die Anzahl der Hauptpreise an. X ist binomialverteilt mit n=70 und unbekanntem Parameter p.

Es muss gelten: Pp70 (X≤6) =0.95 (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 Pp70 (X≤6) ('höchstens 6 Treffer bei 70 Versuchen') bei diesen Nennern wird (siehe Tabelle links)

Um einen günstigen Startwert zu finden wählen wir mal als p= 6 70 . Mit diesem p wäre ja 6= 6 70 ⋅70 der Erwartungswert und somit Pp70 (X≤6) irgendwo in der nähe von 50%. Wenn wir nun p= 6 70 mit 1 6 erweitern (so dass wir auf den Zähler 1 kommen) und den Nenner abrunden, müssten wir mit p= 1 11 einen brauchbaren Einstiegswert für dieses Probieren erhalten.

In dieser Tabelle erkennen wir, dass erstmals bei der Einzelwahrscheinlichkeit p= 1 21 die gesuchte Wahrscheinlichkeit über 95% steigt.
Der Nenner, also die Anzahl der Sektoren des Glücksrad, muss also mindestens 21 sein.