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 80% 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=0.8 ist die Wahrscheinlichkeit für mindestens 1 Treffer bei bei 3 Durchgängen, also ist 1-P=0.2 die Wahrscheinlichkeit für keinen Treffer bei bei 3 Durchgängen.

Es gilt also 0.2=(1-p)3

=>1-p=0.23 ≈ 0.5848

Die gesuchte Einzelwahrscheinlichkeit p ist dann also 1-0.5848 ≈ 0.4152

Binomialvert. mit variablem n (höchst.)

Beispiel:

Eine Fluggesellschaft geht davon aus, dass 15% der gekauften Tickets gar nicht eingelöst werden. Wieviel Tickets kann sie für ihre 22-Platzmaschine höchstens verkaufen, so dass es zu mindestens 80% Wahrscheinlichkeit zu keiner Überbelegung kommt.

Lösung einblenden
nP(X≤k)
......
240.8941
250.7463
260.5615
......

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

Es muss gelten: P0.85n (X≤22) ≥ 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 22 0.85 ≈ 26 Versuchen auch ungefähr 22 (≈0.85⋅26) Treffer auftreten.

Wir berechnen also mit unserem ersten n=26:
P0.85n (X≤22) ≈ 0.5615 (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=24 die gesuchte Wahrscheinlichkeit über 80% ist.

gesuchtes p (ohne zurücklegen)

Beispiel:

In einer Urne sind 25 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- 22 25 ⋅ 21 24 =1- 77 100 ≈0.23
41- 21 25 ⋅ 20 24 =1- 7 10 ≈0.3
51- 20 25 ⋅ 19 24 =1- 19 30 ≈0.3667
61- 19 25 ⋅ 18 24 =1- 57 100 ≈0.43
71- 18 25 ⋅ 17 24 =1- 51 100 ≈0.49
81- 17 25 ⋅ 16 24 =1- 34 75 ≈0.5467
91- 16 25 ⋅ 15 24 =1- 2 5 ≈0.6
101- 15 25 ⋅ 14 24 =1- 7 20 ≈0.65
111- 14 25 ⋅ 13 24 =1- 91 300 ≈0.6967
121- 13 25 ⋅ 12 24 =1- 13 50 ≈0.74
131- 12 25 ⋅ 11 24 =1- 11 50 ≈0.78
......

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'= 22 25 ⋅ 21 24 (beim ersten Zufallsversuch 22 25 und beim zweiten 21 24 weil dann ja bereits 'eine Kugel weniger im Topf ist'), also ist die Wahrscheinlichkeit für 'mindestens eine schwarze Kugel'=1- 22 25 ⋅ 21 24

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-(25-x)/25*(24-x)/24)

In dieser Tabelle erkennen wir, dass erstmals bei 13 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 13 sein.

Binomialvert. mit variablem p (diskret) für WTR

Beispiel:

Ein neuer Multiple Choice Test mit 16 verschiedenen Fragen soll entwickelt werden. Dabei muss immer genau eine von mehreren Antwortmöglichkeiten richtig sein. Die Anzahl an Antwortmöglichkeiten soll bei allen Fragen gleich sein. Insgesamt soll der Test so konzipiert sein, dass die Wahrscheinlichkeit mehr als 3 Fragen nur durch Raten zufällig richtig zu beantworten (obwohl man keinerlei Wissen hat) bei höchstens 25% liegt. Bestimme die hierfür notwendige Mindestanzahl an Antwortmöglichkeiten bei jeder Frage.

Lösung einblenden
pP(X≤3)
......
1 5 0.5981
1 6 0.7291
1 7 0.8143
......

Die Zufallsgröße X gibt die Anzahl der zufällig richtig geratenenen Antworten an. X ist binomialverteilt mit n=16 und unbekanntem Parameter p.

Es muss gelten: Pp16 (X≤3) =0.75 (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 Pp16 (X≤3) ('höchstens 3 Treffer bei 16 Versuchen') bei diesen Nennern wird (siehe Tabelle links)

Um einen günstigen Startwert zu finden wählen wir mal als p= 3 16 . Mit diesem p wäre ja 3= 3 16 ⋅16 der Erwartungswert und somit Pp16 (X≤3) irgendwo in der nähe von 50%. Wenn wir nun p= 3 16 mit 1 3 erweitern (so dass wir auf den Zähler 1 kommen) und den Nenner abrunden, müssten wir mit p= 1 5 einen brauchbaren Einstiegswert für dieses Probieren erhalten.

In dieser Tabelle erkennen wir, dass erstmals bei der Einzelwahrscheinlichkeit p= 1 7 die gesuchte Wahrscheinlichkeit über 75% steigt.
Der Nenner, also die Anzahl der Antwortmöglichkeiten, muss also mindestens 7 sein.