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 99% 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=0.99 ist die Wahrscheinlichkeit für mindestens 1 Treffer bei bei 3 Durchgängen, also ist 1-P=0.01 die Wahrscheinlichkeit für keinen Treffer bei bei 3 Durchgängen.

Es gilt also 0.01=(1-p)3

=>1-p=0.013 ≈ 0.2154

Die gesuchte Einzelwahrscheinlichkeit p ist dann also 1-0.2154 ≈ 0.7846

Binomialvert. mit variablem n (mind)

Beispiel:

Bei einem Glücksrad, ist die Wahrscheinlichkeit in den grünen Bereich zu kommen p=0,65. Wie oft muss man dieses Glückrad mindestens drehen, um mit einer Wahrscheinlichkeit von mindestens 80% 21 mal oder öfters in den grünen Bereich zu kommen?

Lösung einblenden
nP(X≤k)
......
320.4485
330.3586
340.2788
350.2109
360.1554
......

Die Zufallsgröße X gibt Anzahl der Drehungen, die im grünen Bereich landen an und ist im Idealfall binomialverteilt mit p = 0.65 und variablem n.

Es muss gelten: P0.65n (X21) ≥ 0.8

Weil man ja aber P0.65n (X21) nicht in den WTR eingeben kann, müssen wir diese Wahrscheinlichkeit über die Gegenwahrscheinlichkeit berechnen:

P0.65n (X21) = 1 - P0.65n (X20) ≥ 0.8 |+ P0.65n (X20) - 0.8

0.2 ≥ P0.65n (X20) oder P0.65n (X20) ≤ 0.2

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 65% der Versuche mit einem Treffer. Also müssten dann doch bei 21 0.65 ≈ 32 Versuchen auch ungefähr 21 (≈0.65⋅32) Treffer auftreten.

Wir berechnen also mit unserem ersten n=32:
P0.65n (X20) ≈ 0.4485 (TI-Befehl: Binomialcdf ...)

Je nachdem, wie weit nun dieser Wert noch von den gesuchten 0.2 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 0.2 überschritten wird.

Aus der Werte-Tabelle (siehe links) erkennt man dann, dass erstmals bei n=36 die gesuchte Wahrscheinlichkeit unter 0.2 ist.

n muss also mindestens 36 sein, damit P0.65n (X20) ≤ 0.2 oder eben P0.65n (X21) ≥ 0.8 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 75% 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
71- 13 20 12 19 =1- 39 95 ≈0.5895
81- 12 20 11 19 =1- 33 95 ≈0.6526
91- 11 20 10 19 =1- 11 38 ≈0.7105
101- 10 20 9 19 =1- 9 38 ≈0.7632
......

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 10 als 'Anzahl der schwarzen Kugeln in der Urne' die gesuchte Wahrscheinlichkeit über 75% auftritt.
Die gesuchte Anzahl der schwarzen Kugeln in der Urne muss also mindestens 10 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 7 Preise gesammelt. Sie erwarten, dass das Glücksrad beim Schulfest 50 mal gespielt wird. Mit wie vielen Sektoren müssen sie ihr Glückrad mindestens bestücken damit die 7 Hauptpreise mit einer Wahrscheinlichkeit von mindestens 70% für die 50 Durchgänge reichen?

Lösung einblenden
pP(X≤7)
......
1 7 0.576
1 8 0.7165
......

Die Zufallsgröße X gibt die Anzahl der Hauptpreise an. X ist binomialverteilt mit n=50 und unbekanntem Parameter p.

Es muss gelten: Pp50 (X7) =0.7 (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 Pp50 (X7) ('höchstens 7 Treffer bei 50 Versuchen') bei diesen Nennern wird (siehe Tabelle links)

Um einen günstigen Startwert zu finden wählen wir mal als p= 7 50 . Mit diesem p wäre ja 7= 7 50 ⋅50 der Erwartungswert und somit Pp50 (X7) irgendwo in der nähe von 50%. Wenn wir nun p= 7 50 mit 1 7 erweitern (so dass wir auf den Zähler 1 kommen) und den Nenner abrunden, müssten wir mit p= 1 7 einen brauchbaren Einstiegswert für dieses Probieren erhalten.

In dieser Tabelle erkennen wir, dass erstmals bei der Einzelwahrscheinlichkeit p= 1 8 die gesuchte Wahrscheinlichkeit über 70% steigt.
Der Nenner, also die Anzahl der Sektoren des Glücksrad, muss also mindestens 8 sein.