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:

Bei einer Tombola werden elektronische Lose so verkauft, dass bei jedem Los jede Preiskategorie immer die gleiche Gewinnwahrscheinlichkeit hat. Aus Marketinggründen wird dabei auch ein Vierer-Pack angeboten. Dabei wird geworben, dass mit einer Wahrscheinlichkeit von 71% bei jedem Viererpack mindestens ein hochwertiger Preis dabei ist. Wie hoch muss man die Einzelwahrscheinlichkeit für einen hochwertigen Preis setzen, damit dieses Versprechen eingehalten wird?
(Bitte auf 3 Stellen runden!)

Lösung einblenden

P=0.71 ist die Wahrscheinlichkeit für mindestens 1 Treffer bei bei 4 Durchgängen, also ist 1-P=0.29 die Wahrscheinlichkeit für keinen Treffer bei bei 4 Durchgängen.

Es gilt also 0.29=(1-p)4

=>1-p=0.294 ≈ 0.7338

Die gesuchte Einzelwahrscheinlichkeit p ist dann also 1-0.7338 ≈ 0.2662

Binomialvert. mit variablem n (höchst.)

Beispiel:

In einer Urne ist der Anteil der grünen Kugeln 30%. Wie oft darf höchstens gezogen werden ( - natürlich mit Zurücklegen - ), so dass mit mind. 70% Wahrscheinlichkeit nicht mehr als 20 grüne Kugeln gezogen werden?

Lösung einblenden
nP(X≤k)
......
620.7052
630.6752
640.6444
650.613
660.5813
670.5494
......

Die Zufallsgröße X gibt Anzahl der gezogenen grünen Kugeln an und ist im Idealfall binomialverteilt mit p = 0.3 und variablem n.

Es muss gelten: P0.3n (X≤20) ≥ 0.7

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 30% der Versuche mit einem Treffer. Also müssten dann doch bei 20 0.3 ≈ 67 Versuchen auch ungefähr 20 (≈0.3⋅67) Treffer auftreten.

Wir berechnen also mit unserem ersten n=67:
P0.3n (X≤20) ≈ 0.5494 (TI-Befehl: Binomialcdf ...)

Je nachdem, wie weit nun dieser Wert noch von den gesuchten 0.7 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 0.7 überschritten wird.

Aus der Werte-Tabelle (siehe links) erkennt man dann, dass letztmals bei n=62 die gesuchte Wahrscheinlichkeit über 70% ist.

gesuchtes p (ohne zurücklegen)

Beispiel:

In einer Urne sind 35 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- 32 35 ⋅ 31 34 =1- 496 595 ≈0.1664
41- 31 35 ⋅ 30 34 =1- 93 119 ≈0.2185
51- 30 35 ⋅ 29 34 =1- 87 119 ≈0.2689
61- 29 35 ⋅ 28 34 =1- 58 85 ≈0.3176
71- 28 35 ⋅ 27 34 =1- 54 85 ≈0.3647
81- 27 35 ⋅ 26 34 =1- 351 595 ≈0.4101
91- 26 35 ⋅ 25 34 =1- 65 119 ≈0.4538
101- 25 35 ⋅ 24 34 =1- 60 119 ≈0.4958
111- 24 35 ⋅ 23 34 =1- 276 595 ≈0.5361
......

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'= 32 35 ⋅ 31 34 (beim ersten Zufallsversuch 32 35 und beim zweiten 31 34 weil dann ja bereits 'eine Kugel weniger im Topf ist'), also ist die Wahrscheinlichkeit für 'mindestens eine schwarze Kugel'=1- 32 35 ⋅ 31 34

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-(35-x)/35*(34-x)/34)

In dieser Tabelle erkennen wir, dass erstmals bei 11 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 11 sein.

Binomialvert. mit variablem p (diskret) für WTR

Beispiel:

In einer Urne sind 2 rote und einige schwarze Kugeln. Es soll 12 mal mit Zurücklegen gezogen werden. Wie viele schwarze Kugeln müssen in der Urne mindestens sein, damit mit einer Wahrscheinlichkeit von mindestens 70% unter den 12 gezogenen Kugeln nicht mehr als 3 rote sind?

Lösung einblenden
pP(X≤3)
......
2 8 0.6488
2 9 0.7325
......

Die Zufallsgröße X gibt die Anzahl der gezogenen Kugeln mit der Farbe rot an. X ist binomialverteilt mit n=12 und unbekanntem Parameter p.

Es muss gelten: Pp12 (X≤3) =0.7 (oder mehr)

Wir wissen, dass der Zähler bei unserer Einzelwahrscheinlichkeit p 2 sein muss, da es ja genau 2 günstige Fälle gibt.

Wir müssen nun bei verschiedenen Nennern untersuchen, wie hoch die gesuchte Wahrscheinlichkeit Pp12 (X≤3) ('höchstens 3 Treffer bei 12 Versuchen') bei diesen Nennern wird (siehe Tabelle links)

Um einen günstigen Startwert zu finden wählen wir mal als p= 3 12 . Mit diesem p wäre ja 3= 3 12 ⋅12 der Erwartungswert und somit Pp12 (X≤3) irgendwo in der nähe von 50%. Wenn wir nun p= 3 12 mit 2 3 erweitern (so dass wir auf den Zähler 2 kommen) und den Nenner abrunden, müssten wir mit p= 2 8 einen brauchbaren Einstiegswert für dieses Probieren erhalten.

In dieser Tabelle erkennen wir, dass erstmals bei der Einzelwahrscheinlichkeit p= 2 9 die gesuchte Wahrscheinlichkeit über 70% steigt.
Der Nenner, also die Anzahl aller Kugeln, muss also mindestens 9 sein.

Also werden noch 7 zusätzliche Optionen (also schwarze Kugeln) benötigt.