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 81% 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=0.81 ist die Wahrscheinlichkeit für mindestens 1 Treffer bei bei 4 Durchgängen, also ist 1-P=0.19 die Wahrscheinlichkeit für keinen Treffer bei bei 4 Durchgängen.

Es gilt also 0.19=(1-p)4

=>1-p=0.194 ≈ 0.6602

Die gesuchte Einzelwahrscheinlichkeit p ist dann also 1-0.6602 ≈ 0.3398

Binomialvert. mit variablem n (höchst.)

Beispiel:

Der Starspieler der gegnerischen Basketballmannschaft hat bei Freiwürfen eine Trefferquote von p=0,9. Wie viele Freiwürfe darf man bei ihm durch Fouls höchstens zulassen, wenn man ihn mit einer Wahrscheinlichkeit von mindestens 90% nicht über 36 Freiwurfpunkte kommen lassen will?

Lösung einblenden
nP(X≤k)
......
380.9047
390.7622
400.5769
......

Die Zufallsgröße X gibt die Anzahl der getroffenen Freiwürfe an und ist im Idealfall binomialverteilt mit p = 0.9 und variablem n.

Es muss gelten: P0.9n (X≤36) ≥ 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 90% der Versuche mit einem Treffer. Also müssten dann doch bei 36 0.9 ≈ 40 Versuchen auch ungefähr 36 (≈0.9⋅40) Treffer auftreten.

Wir berechnen also mit unserem ersten n=40:
P0.9n (X≤36) ≈ 0.5769 (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=38 die gesuchte Wahrscheinlichkeit über 90% ist.

gesuchtes p (ohne zurücklegen)

Beispiel:

In einer Urne sind 45 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- 42 45 ⋅ 41 44 =1- 287 330 ≈0.1303
41- 41 45 ⋅ 40 44 =1- 82 99 ≈0.1717
51- 40 45 ⋅ 39 44 =1- 26 33 ≈0.2121
61- 39 45 ⋅ 38 44 =1- 247 330 ≈0.2515
71- 38 45 ⋅ 37 44 =1- 703 990 ≈0.2899
81- 37 45 ⋅ 36 44 =1- 37 55 ≈0.3273
91- 36 45 ⋅ 35 44 =1- 7 11 ≈0.3636
101- 35 45 ⋅ 34 44 =1- 119 198 ≈0.399
111- 34 45 ⋅ 33 44 =1- 17 30 ≈0.4333
121- 33 45 ⋅ 32 44 =1- 8 15 ≈0.4667
131- 32 45 ⋅ 31 44 =1- 248 495 ≈0.499
141- 31 45 ⋅ 30 44 =1- 31 66 ≈0.5303
......

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'= 42 45 ⋅ 41 44 (beim ersten Zufallsversuch 42 45 und beim zweiten 41 44 weil dann ja bereits 'eine Kugel weniger im Topf ist'), also ist die Wahrscheinlichkeit für 'mindestens eine schwarze Kugel'=1- 42 45 ⋅ 41 44

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-(45-x)/45*(44-x)/44)

In dieser Tabelle erkennen wir, dass erstmals bei 14 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 14 sein.

Binomialvert. mit variablem p (diskret) für WTR

Beispiel:

In einer Urne sind 5 rote und einige schwarze Kugeln. Es soll 29 mal mit Zurücklegen gezogen werden. Wie viele schwarze Kugeln dürfen in der Urne höchstens sein, damit mit einer Wahrscheinlichkeit von mindestens 85% unter den 29 gezogenen Kugeln nicht mehr als 24 schwarze sind?

Lösung einblenden
pP(X≤24)
......
6 11 0.9997
7 12 0.9987
8 13 0.9964
9 14 0.9917
10 15 0.9839
11 16 0.9722
12 17 0.9563
13 18 0.9363
14 19 0.9122
15 20 0.8847
16 21 0.8542
17 22 0.8215
......

Die Zufallsgröße X gibt die Anzahl der gezogenen Kugeln mit der Farbe schwarz an. X ist binomialverteilt mit n=29 und unbekanntem Parameter p.

Es muss gelten: Pp29 (X≤24) = 0.85 (oder mehr)

Wir wissen, dass der Nenner bei unserer Einzelwahrscheinlichkeit p immer um 5 größer sein muss als der Zähler.

Deswegen erhöhen wir nun schrittweise immer den Zähler und Nenner bei der Einzelwahrscheinlichkeit um 1 und probieren aus, wie sich das auf die gesuchte Wahrscheinlichkeit Pp29 (X≤24) ('höchstens 24 Treffer bei 29 Versuchen') auswirkt (siehe Tabelle links)

Als Startwert wählen wir als p= 6 11 . (Durch Ausprobieren erkennt man, dass vorher die Wahrscheinlichkeit immer fast 1 ist)

In dieser Tabelle erkennen wir, dass letztmals bei der Einzelwahrscheinlichkeit p= 16 21 die gesuchte Wahrscheinlichkeit über 85% bleibt.
Die Anzahl der schwarzen Kugeln, die hinzugefügt wird, darf also höchstens 16 sein.