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 0,5. Wie groß muss bei diesem Glücksrad die Wahrscheinlichkeit für das blaue Feld sein?
(Bitte auf 3 Stellen runden!)

Lösung einblenden

P=0.5 ist die Wahrscheinlichkeit, dass 4 mal das Ereignis mit der Wahrscheinlichkeit p eintritt.

Es gilt also 0.5=p4

=>p=0.54 ≈ 0.8409

Binomialvert. mit variablem n (mind)

Beispiel:

In Tschechien gilt absolutes Alkoholverbot in Lokalen für Jugendliche unter 18 Jahren. Ein paar trinkfreudige 17-jährige Jugendliche wollen bei einer Studienfahrt nach Prag trotzdem ihr Glück versuchen. 93% der Gaststätten setzen das Alkoholverbot konsequent um und schenken nur gegen Vorlage einer "ID" (Personalausweis) Bier aus. Wie viele Kneipen müssen die Jugenlichen nun mindestens aufsuchen, damit sie bei einer Kneipentour mit mindestens 80% Wahrscheinlichkeit in mindestens 5 Lokalen nicht mit Nachfragen zu ihrer "ID" gedemütigt werden und in Ruhe ein Bier trinken können?

Lösung einblenden
nP(X≤k)
......
900.2369
910.2285
920.2204
930.2125
940.2048
950.1973
......

Die Zufallsgröße X gibt die Anzahl der besuchten Kneipen, die keine "ID" (Personalausweis) verlangen an und ist im Idealfall binomialverteilt mit p = 0.07 und variablem n.

Es muss gelten: P0.07n (X5) ≥ 0.8

Weil man ja aber P0.07n (X5) nicht in den WTR eingeben kann, müssen wir diese Wahrscheinlichkeit über die Gegenwahrscheinlichkeit berechnen:

P0.07n (X5) = 1 - P0.07n (X4) ≥ 0.8 |+ P0.07n (X4) - 0.8

0.2 ≥ P0.07n (X4) oder P0.07n (X4) ≤ 0.2

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 7% der Versuche mit einem Treffer. Also müssten dann doch bei 5 0.07 ≈ 71 Versuchen auch ungefähr 5 (≈0.07⋅71) Treffer auftreten.

Wir berechnen also mit unserem ersten n=71:
P0.07n (X4) ≈ 0.4395 (TI-Befehl: Binomialcdf ...)

Je nachdem, wie weit nun dieser Wert noch von den gesuchten 0.2 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 0.2 überschritten wird.

Aus der Werte-Tabelle (siehe links) erkennt man dann, dass erstmals bei n=95 die gesuchte Wahrscheinlichkeit unter 0.2 ist.

n muss also mindestens 95 sein, damit P0.07n (X4) ≤ 0.2 oder eben P0.07n (X5) ≥ 0.8 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 2 rote und einige schwarze Kugeln. Es soll 28 mal mit Zurücklegen gezogen werden. Wie viele schwarze Kugeln dürfen in der Urne höchstens sein, damit mit einer Wahrscheinlichkeit von mindestens 70% unter den 28 gezogenen Kugeln nicht mehr als 21 schwarze sind?

Lösung einblenden
pP(X≤21)
......
2 4 0.9981
3 5 0.9685
4 6 0.8738
5 7 0.7282
6 8 0.5721
......

Die Zufallsgröße X gibt die Anzahl der gezogenen Kugeln mit der Farbe schwarz an. X ist binomialverteilt mit n=28 und unbekanntem Parameter p.

Es muss gelten: Pp28 (X21) = 0.7 (oder mehr)

Wir wissen, dass der Nenner bei unserer Einzelwahrscheinlichkeit p immer um 2 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 Pp28 (X21) ('höchstens 21 Treffer bei 28 Versuchen') auswirkt (siehe Tabelle links)

Als Startwert wählen wir als p= 2 4 . (Durch Ausprobieren erkennt man, dass vorher die Wahrscheinlichkeit immer fast 1 ist)

In dieser Tabelle erkennen wir, dass letztmals bei der Einzelwahrscheinlichkeit p= 5 7 die gesuchte Wahrscheinlichkeit über 70% bleibt.
Die Anzahl der schwarzen Kugeln, die hinzugefügt wird, darf also höchstens 5 sein.