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:

An einem Glücksrad wird 3 mal gedreht. Die Wahrscheinlichkeit, dass bei allen 3 Durchgängen die Farbe 'blau' kommt, ist 0,2. Wie groß muss bei diesem Glücksrad die Wahrscheinlichkeit für das blaue Feld sein?
(Bitte auf 3 Stellen runden!)

Lösung einblenden

P=0.2 ist die Wahrscheinlichkeit, dass 3 mal das Ereignis mit der Wahrscheinlichkeit p eintritt.

Es gilt also 0.2=p3

=>p=0.23 ≈ 0.5848

Binomialvert. mit variablem n (mind)

Beispiel:

Wie oft muss man mit einem normalen Würfel mindestens würfeln, um mit einer Wahrscheinlichkeit von mindestens 90% 37 oder mehr 6er zu erzielen?

Lösung einblenden
nP(X≤k)
......
2610.1209
2620.1157
2630.1106
2640.1057
2650.1009
2660.0964
......

Die Zufallsgröße X gibt Anzahl der gewürfelten 6er an und ist im Idealfall binomialverteilt mit p = 1 6 und variablem n.

Es muss gelten: P 1 6 n (X≥37) ≥ 0.9

Weil man ja aber P 1 6 n (X≥37) nicht in den WTR eingeben kann, müssen wir diese Wahrscheinlichkeit über die Gegenwahrscheinlichkeit berechnen:

P 1 6 n (X≥37) = 1 - P 1 6 n (X≤36) ≥ 0.9 |+ P 1 6 n (X≤36) - 0.9

0.1 ≥ P 1 6 n (X≤36) oder P 1 6 n (X≤36) ≤ 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 6 der Versuche mit einem Treffer. Also müssten dann doch bei 37 1 6 ≈ 222 Versuchen auch ungefähr 37 (≈ 1 6 ⋅222) Treffer auftreten.

Wir berechnen also mit unserem ersten n=222:
P 1 6 n (X≤36) ≈ 0.4721 (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=266 die gesuchte Wahrscheinlichkeit unter 0.1 ist.

n muss also mindestens 266 sein, damit P 1 6 n (X≤36) ≤ 0.1 oder eben P 1 6 n (X≥37) ≥ 0.9 gilt.

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 17 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 15% liegt. Bestimme die hierfür notwendige Mindestanzahl an Antwortmöglichkeiten bei jeder Frage.

Lösung einblenden
pP(X≤3)
......
1 5 0.5489
1 6 0.6887
1 7 0.7829
1 8 0.8457
1 9 0.8882
......

Die Zufallsgröße X gibt die Anzahl der zufällig richtig geratenenen Antworten an. X ist binomialverteilt mit n=17 und unbekanntem Parameter p.

Es muss gelten: Pp17 (X≤3) =0.85 (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 Pp17 (X≤3) ('höchstens 3 Treffer bei 17 Versuchen') bei diesen Nennern wird (siehe Tabelle links)

Um einen günstigen Startwert zu finden wählen wir mal als p= 3 17 . Mit diesem p wäre ja 3= 3 17 ⋅17 der Erwartungswert und somit Pp17 (X≤3) irgendwo in der nähe von 50%. Wenn wir nun p= 3 17 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 9 die gesuchte Wahrscheinlichkeit über 85% steigt.
Der Nenner, also die Anzahl der Antwortmöglichkeiten, muss also mindestens 9 sein.