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 66% 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=0.66 ist die Wahrscheinlichkeit für mindestens 1 Treffer bei bei 4 Durchgängen, also ist 1-P=0.34 die Wahrscheinlichkeit für keinen Treffer bei bei 4 Durchgängen.

Es gilt also 0.34=(1-p)4

=>1-p=0.344 ≈ 0.7636

Die gesuchte Einzelwahrscheinlichkeit p ist dann also 1-0.7636 ≈ 0.2364

Binomialvert. mit variablem n (mind)

Beispiel:

Bei einem Zufallsexperiment beträgt die Wahrscheinlichkeit für einen Treffer p=0,15.Wie oft muss man das Zufallsexperiment mindestens wiederholen (oder wie groß muss die Stichprobe sein), um mit mind. 80% Wahrscheinlichkeit, mindestens 23 Treffer zu erzielen ?

Lösung einblenden
nP(X≤k)
......
1720.2445
1730.2348
1740.2254
1750.2163
1760.2074
1770.1988
......

Die Zufallsgröße X gibt die Anzahl der Treffer an und ist im Idealfall binomialverteilt mit p = 0.15 und variablem n.

Es muss gelten: P0.15n (X23) ≥ 0.8

Weil man ja aber P0.15n (X23) nicht in den WTR eingeben kann, müssen wir diese Wahrscheinlichkeit über die Gegenwahrscheinlichkeit berechnen:

P0.15n (X23) = 1 - P0.15n (X22) ≥ 0.8 |+ P0.15n (X22) - 0.8

0.2 ≥ P0.15n (X22) oder P0.15n (X22) ≤ 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 15% der Versuche mit einem Treffer. Also müssten dann doch bei 23 0.15 ≈ 153 Versuchen auch ungefähr 23 (≈0.15⋅153) Treffer auftreten.

Wir berechnen also mit unserem ersten n=153:
P0.15n (X22) ≈ 0.4699 (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=177 die gesuchte Wahrscheinlichkeit unter 0.2 ist.

n muss also mindestens 177 sein, damit P0.15n (X22) ≤ 0.2 oder eben P0.15n (X23) ≥ 0.8 gilt.

gesuchtes p (ohne zurücklegen)

Beispiel:

In einer Urne sind 20 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- 17 20 16 19 =1- 68 95 ≈0.2842
41- 16 20 15 19 =1- 12 19 ≈0.3684
51- 15 20 14 19 =1- 21 38 ≈0.4474
61- 14 20 13 19 =1- 91 190 ≈0.5211
......

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'= 17 20 16 19 (beim ersten Zufallsversuch 17 20 und beim zweiten 16 19 weil dann ja bereits 'eine Kugel weniger im Topf ist'), also ist die Wahrscheinlichkeit für 'mindestens eine schwarze Kugel'=1- 17 20 16 19

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-(20-x)/20*(19-x)/19)

In dieser Tabelle erkennen wir, dass erstmals bei 6 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 6 sein.

Binomialvert. mit variablem p (diskret) für WTR

Beispiel:

In einer Urne sind 5 rote und einige schwarze Kugeln. Es soll 18 mal mit Zurücklegen gezogen werden. Wie viele schwarze Kugeln müssen in der Urne mindestens sein, damit mit einer Wahrscheinlichkeit von mindestens 70% unter den 18 gezogenen Kugeln nicht mehr als 3 rote sind?

Lösung einblenden
pP(X≤3)
......
5 30 0.6479
5 31 0.6715
5 32 0.6934
5 33 0.7138
......

Die Zufallsgröße X gibt die Anzahl der gezogenen Kugeln mit der Farbe rot an. X ist binomialverteilt mit n=18 und unbekanntem Parameter p.

Es muss gelten: Pp18 (X3) =0.7 (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 Pp18 (X3) ('höchstens 3 Treffer bei 18 Versuchen') bei diesen Nennern wird (siehe Tabelle links)

Um einen günstigen Startwert zu finden wählen wir mal als p= 3 18 . Mit diesem p wäre ja 3= 3 18 ⋅18 der Erwartungswert und somit Pp18 (X3) irgendwo in der nähe von 50%. Wenn wir nun p= 3 18 mit 5 3 erweitern (so dass wir auf den Zähler 5 kommen) und den Nenner abrunden, müssten wir mit p= 5 30 einen brauchbaren Einstiegswert für dieses Probieren erhalten.

In dieser Tabelle erkennen wir, dass erstmals bei der Einzelwahrscheinlichkeit p= 5 33 die gesuchte Wahrscheinlichkeit über 70% steigt.
Der Nenner, also die Anzahl aller Kugeln, muss also mindestens 33 sein.

Also werden noch 28 zusätzliche Optionen (also schwarze Kugeln) benötigt.