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 4 mal gedreht. Die Wahrscheinlichkeit, dass bei allen 4 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 4 mal das Ereignis mit der Wahrscheinlichkeit p eintritt.

Es gilt also 0.2=p4

=>p=0.24 ≈ 0.6687

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 50% mindestens 1 Überraschung(en) zu erhalten.

Lösung einblenden
nP(X≤k)
......
40.5398
50.4627
60.3966
70.3399
......

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) ≥ 0.5

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) ≥ 0.5 |+ P 1 7 n (X≤0) - 0.5

0.5 ≥ P 1 7 n (X≤0) oder P 1 7 n (X≤0) ≤ 0.5

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 0.5 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 0.5 überschritten wird.

Aus der Werte-Tabelle (siehe links) erkennt man dann, dass erstmals bei n=5 die gesuchte Wahrscheinlichkeit unter 0.5 ist.

n muss also mindestens 5 sein, damit P 1 7 n (X≤0) ≤ 0.5 oder eben P 1 7 n (X≥1) ≥ 0.5 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?

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
......

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 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:

In einer Urne sind 5 rote und einige schwarze Kugeln. Es soll 27 mal mit Zurücklegen gezogen werden. Wie viele schwarze Kugeln dürfen in der Urne höchstens sein, damit mit einer Wahrscheinlichkeit von mindestens 85% unter den 27 gezogenen Kugeln nicht mehr als 24 schwarze sind?

Lösung einblenden
pP(X≤24)
......
8 13 0.9997
9 14 0.9992
10 15 0.9982
11 16 0.9965
12 17 0.994
13 18 0.9903
14 19 0.9855
15 20 0.9793
16 21 0.9717
17 22 0.9627
18 23 0.9525
19 24 0.9409
20 25 0.9282
21 26 0.9144
22 27 0.8997
23 28 0.8842
24 29 0.868
25 30 0.8512
26 31 0.834
......

Die Zufallsgröße X gibt die Anzahl der gezogenen Kugeln mit der Farbe schwarz an. X ist binomialverteilt mit n=27 und unbekanntem Parameter p.

Es muss gelten: Pp27 (X≤24) = 0.85 (oder mehr)

Wir wissen, dass der Nenner bei unserer Einzelwahrscheinlichkeit p immer um 5 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 Pp27 (X≤24) ('höchstens 24 Treffer bei 27 Versuchen') auswirkt (siehe Tabelle links)

Als Startwert wählen wir als p= 8 13 . (Durch Ausprobieren erkennt man, dass vorher die Wahrscheinlichkeit immer fast 1 ist)

In dieser Tabelle erkennen wir, dass letztmals bei der Einzelwahrscheinlichkeit p= 25 30 die gesuchte Wahrscheinlichkeit über 85% bleibt.
Die Anzahl der schwarzen Kugeln, die hinzugefügt wird, darf also höchstens 25 sein.