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 85% 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=0.85 ist die Wahrscheinlichkeit für mindestens 1 Treffer bei bei 3 Durchgängen, also ist 1-P=0.15 die Wahrscheinlichkeit für keinen Treffer bei bei 3 Durchgängen.

Es gilt also 0.15=(1-p)3

=>1-p=0.153 ≈ 0.5313

Die gesuchte Einzelwahrscheinlichkeit p ist dann also 1-0.5313 ≈ 0.4687

Binomialvert. mit variablem n (höchst.)

Beispiel:

Eine Fluggesellschaft geht davon aus, dass 16% der gekauften Tickets gar nicht eingelöst werden. Wieviel Tickets kann sie für ihre 20-Platzmaschine höchstens verkaufen, so dass es zu mindestens 90% Wahrscheinlichkeit zu keiner Überbelegung kommt.

Lösung einblenden
nP(X≤k)
......
210.9743
220.888
230.736
240.5496
......

Die Zufallsgröße X gibt die Anzahl der Ticketbesitzer, die tatsächlich fliegen an und ist im Idealfall binomialverteilt mit p = 0.84 und variablem n.

Es muss gelten: P0.84n (X≤20) ≥ 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 84% der Versuche mit einem Treffer. Also müssten dann doch bei 20 0.84 ≈ 24 Versuchen auch ungefähr 20 (≈0.84⋅24) Treffer auftreten.

Wir berechnen also mit unserem ersten n=24:
P0.84n (X≤20) ≈ 0.5496 (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=21 die gesuchte Wahrscheinlichkeit über 90% 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 75% 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
101- 20 30 ⋅ 19 29 =1- 38 87 ≈0.5632
111- 19 30 ⋅ 18 29 =1- 57 145 ≈0.6069
121- 18 30 ⋅ 17 29 =1- 51 145 ≈0.6483
131- 17 30 ⋅ 16 29 =1- 136 435 ≈0.6874
141- 16 30 ⋅ 15 29 =1- 8 29 ≈0.7241
151- 15 30 ⋅ 14 29 =1- 7 29 ≈0.7586
......

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 15 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 15 sein.

Binomialvert. mit variablem p (diskret) für WTR

Beispiel:

In einer Urne sind 2 rote und einige schwarze Kugeln. Es soll 25 mal mit Zurücklegen gezogen werden. Wie viele schwarze Kugeln dürfen in der Urne höchstens sein, damit mit einer Wahrscheinlichkeit von mindestens 80% unter den 25 gezogenen Kugeln nicht mehr als 21 schwarze sind?

Lösung einblenden
pP(X≤21)
......
3 5 0.9976
4 6 0.9851
5 7 0.9542
6 8 0.9038
7 9 0.8388
8 10 0.766
......

Die Zufallsgröße X gibt die Anzahl der gezogenen Kugeln mit der Farbe schwarz an. X ist binomialverteilt mit n=25 und unbekanntem Parameter p.

Es muss gelten: Pp25 (X≤21) = 0.8 (oder mehr)

Wir wissen, dass der Nenner bei unserer Einzelwahrscheinlichkeit p immer um 2 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 Pp25 (X≤21) ('höchstens 21 Treffer bei 25 Versuchen') auswirkt (siehe Tabelle links)

Als Startwert wählen wir als p= 3 5 . (Durch Ausprobieren erkennt man, dass vorher die Wahrscheinlichkeit immer fast 1 ist)

In dieser Tabelle erkennen wir, dass letztmals bei der Einzelwahrscheinlichkeit p= 7 9 die gesuchte Wahrscheinlichkeit über 80% bleibt.
Die Anzahl der schwarzen Kugeln, die hinzugefügt wird, darf also höchstens 7 sein.