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 92% 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=0.92 ist die Wahrscheinlichkeit für mindestens 1 Treffer bei bei 4 Durchgängen, also ist 1-P=0.08 die Wahrscheinlichkeit für keinen Treffer bei bei 4 Durchgängen.

Es gilt also 0.08=(1-p)4

=>1-p=0.084 ≈ 0.5318

Die gesuchte Einzelwahrscheinlichkeit p ist dann also 1-0.5318 ≈ 0.4682

Binomialvert. mit variablem n (mind)

Beispiel:

Ein Lebensmittelhersteller wirbt damit, dass sich in jeder 7. Verpackung eine Überraschung befindet. Wie viele Packungen muss man mindestens kaufen, um mit einer Wahrscheinlichkeit von mindestens 90% mindestens 1 Überraschung(en) zu erhalten.

Lösung einblenden
nP(X≤k)
......
100.2141
110.1835
120.1573
130.1348
140.1155
150.099
......

Die Zufallsgröße X gibt die Anzahl der Überraschungen an und ist im Idealfall binomialverteilt mit p = 1 7 und variablem n.

Es muss gelten: P 1 7 n (X≥1) ≥ 0.9

Weil man ja aber P 1 7 n (X≥1) nicht in den WTR eingeben kann, müssen wir diese Wahrscheinlichkeit über die Gegenwahrscheinlichkeit berechnen:

P 1 7 n (X≥1) = 1 - P 1 7 n (X≤0) ≥ 0.9 |+ P 1 7 n (X≤0) - 0.9

0.1 ≥ P 1 7 n (X≤0) oder P 1 7 n (X≤0) ≤ 0.1

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 7 der Versuche mit einem Treffer. Also müssten dann doch bei 1 1 7 ≈ 7 Versuchen auch ungefähr 1 (≈ 1 7 ⋅7) Treffer auftreten.

Wir berechnen also mit unserem ersten n=7:
P 1 7 n (X≤0) ≈ 0.3399 (TI-Befehl: Binomialcdf ...)

Je nachdem, wie weit nun dieser Wert noch von den gesuchten 0.1 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 0.1 überschritten wird.

Aus der Werte-Tabelle (siehe links) erkennt man dann, dass erstmals bei n=15 die gesuchte Wahrscheinlichkeit unter 0.1 ist.

n muss also mindestens 15 sein, damit P 1 7 n (X≤0) ≤ 0.1 oder eben P 1 7 n (X≥1) ≥ 0.9 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:

In einer Urne sind 2 rote und einige schwarze Kugeln. Es soll 15 mal mit Zurücklegen gezogen werden. Wie viele schwarze Kugeln müssen in der Urne mindestens sein, damit mit einer Wahrscheinlichkeit von mindestens 75% unter den 15 gezogenen Kugeln nicht mehr als 3 rote sind?

Lösung einblenden
pP(X≤3)
......
2 10 0.6482
2 11 0.7153
2 12 0.7685
......

Die Zufallsgröße X gibt die Anzahl der gezogenen Kugeln mit der Farbe rot an. X ist binomialverteilt mit n=15 und unbekanntem Parameter p.

Es muss gelten: Pp15 (X≤3) =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 Pp15 (X≤3) ('höchstens 3 Treffer bei 15 Versuchen') bei diesen Nennern wird (siehe Tabelle links)

Um einen günstigen Startwert zu finden wählen wir mal als p= 3 15 . Mit diesem p wäre ja 3= 3 15 ⋅15 der Erwartungswert und somit Pp15 (X≤3) irgendwo in der nähe von 50%. Wenn wir nun p= 3 15 mit 2 3 erweitern (so dass wir auf den Zähler 2 kommen) und den Nenner abrunden, müssten wir mit p= 2 10 einen brauchbaren Einstiegswert für dieses Probieren erhalten.

In dieser Tabelle erkennen wir, dass erstmals bei der Einzelwahrscheinlichkeit p= 2 12 die gesuchte Wahrscheinlichkeit über 75% steigt.
Der Nenner, also die Anzahl aller Kugeln, muss also mindestens 12 sein.

Also werden noch 10 zusätzliche Optionen (also schwarze Kugeln) benötigt.