Klasse 5-6
Klasse 7-8
Klasse 9-10
Kursstufe
cosh
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 2 Versuchen mindestens einmal zu treffen bei 97% liegt. Wie hoch muss dann seine Trefferquote sein? (Gib diese als Wahrscheinlichkeit zwischen 0 und 1 an)
(Bitte auf 3 Stellen runden!)
P=0.97 ist die Wahrscheinlichkeit für mindestens 1 Treffer bei bei 2 Durchgängen, also ist 1-P=0.03 die Wahrscheinlichkeit für keinen Treffer bei bei 2 Durchgängen.
Es gilt also 0.03=(1-p)2
=>1-p= ≈ 0.1732
Die gesuchte Einzelwahrscheinlichkeit p ist dann also 1-0.1732 ≈ 0.8268
Binomialvert. mit variablem n (mind)
Beispiel:
Bei einem Zufallsexperiment beträgt die Wahrscheinlichkeit für einen Treffer p=0,2.Wie oft muss man das Zufallsexperiment mindestens wiederholen (oder wie groß muss die Stichprobe sein), um mit mind. 70% Wahrscheinlichkeit, mindestens 39 Treffer zu erzielen ?
| n | P(X≤k) |
|---|---|
| ... | ... |
| 203 | 0.362 |
| 204 | 0.3491 |
| 205 | 0.3365 |
| 206 | 0.324 |
| 207 | 0.3118 |
| 208 | 0.2999 |
| ... | ... |
Die Zufallsgröße X gibt die Anzahl der Treffer an und ist im Idealfall binomialverteilt mit p = 0.2 und variablem n.
Es muss gelten: ≥ 0.7
Weil man ja aber nicht in den WTR eingeben kann, müssen wir diese Wahrscheinlichkeit über die Gegenwahrscheinlichkeit berechnen:
= 1 - ≥ 0.7 |+ - 0.7
0.3 ≥ oder ≤ 0.3
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 20% der Versuche mit einem Treffer. Also müssten dann doch bei ≈ 195 Versuchen auch ungefähr 39 (≈0.2⋅195) Treffer auftreten.
Wir berechnen also mit unserem ersten n=195:
≈ 0.4715
(TI-Befehl: Binomialcdf ...)
Je nachdem, wie weit nun dieser Wert noch von den gesuchten 0.3 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 0.3 überschritten wird.
Aus der Werte-Tabelle (siehe links) erkennt man dann, dass erstmals bei n=208 die gesuchte Wahrscheinlichkeit unter 0.3 ist.
n muss also mindestens 208 sein, damit ≤ 0.3 oder eben ≥ 0.7 gilt.
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 50% unter den beiden gezogenen Kugeln mindestens eine schwarze ist?
| Anzahl der schwarzen Kugeln in der Urne | P('mindestens eine schwarze Kugel') |
|---|---|
| ... | ... |
| 3 | 1-⋅=1-≈0.1931 |
| 4 | 1-⋅=1-≈0.2529 |
| 5 | 1-⋅=1-≈0.3103 |
| 6 | 1-⋅=1-≈0.3655 |
| 7 | 1-⋅=1-≈0.4184 |
| 8 | 1-⋅=1-≈0.469 |
| 9 | 1-⋅=1-≈0.5172 |
| ... | ... |
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'= ⋅ (beim ersten Zufallsversuch und beim zweiten weil dann ja bereits 'eine Kugel weniger im Topf ist'), also ist die Wahrscheinlichkeit für 'mindestens eine schwarze Kugel'=1-⋅
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 9 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 9 sein.
Binomialvert. mit variablem p (diskret) für WTR
Beispiel:
Die Homepage-AG einer Schule möchte auf der Startseite der Internetseite der Schule ein Zufallsbild integrieren. Dabei soll bei jedem Aufruf der Startseite ein zufälliges Bild aus einer Bilderdatenbank gezeigt werden. Alle Bilder der Datenbank sind immer gleich wahrscheinlich. Auf 5 Bildern der Datenbank sind Mitglieder der Homepage-AG zu sehen. Es wird geschätzt, dass die Seite täglich 60 mal aufgerufen wird. Die Mitglieder der Homepage-AG wollen dass mit mindestens 75%-iger Wahrscheinlichkiet mindestens 14 mal am Tag eines ihrer eigenen 5 Bilder erscheint. Wie viele andere Bilder dürfen dann höchstens noch in der Datenbank sein?
| p | P(X≥14)=1-P(X≤13) |
|---|---|
| ... | ... |
| 0.9991 | |
| 0.9957 | |
| 0.9861 | |
| 0.9658 | |
| 0.9315 | |
| 0.8818 | |
| 0.8184 | |
| 0.7446 | |
| ... | ... |
Die Zufallsgröße X gibt die Anzahl der Bilder mit Homepage-AG-lern an. X ist binomialverteilt mit n=60 und unbekanntem Parameter p.
Es muss gelten: = 1- = 0.75 (oder mehr)
Wir wissen, dass der Zähler bei unserer Einzelwahrscheinlichkeit p 5 sein muss, da es ja genau 5 günstige Fälle gibt.
Wir müssen nun bei verschiedenen Nennern untersuchen, wie hoch die gesuchte Wahrscheinlichkeit ('mindestens 14 Treffer bei 60 Versuchen') bei diesen Nennern wird (siehe Tabelle links)
Als Startwert wählen wir als p=. (Durch Ausprobieren erkennt man, dass vorher die Wahrscheinlichkeit immer fast 1 ist)
In dieser Tabelle erkennen wir, dass letztmals bei der Einzelwahrscheinlichkeit p= die gesuchte
Wahrscheinlichkeit über 75% bleibt.
Der Nenner, also die Anzahl aller Bilder in der Datenbank, darf also höchstens
18 sein.
Also wären noch 13 zusätzliche Optionen (also weitere Bilder) zulässig.
