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:

Ein Basketballtrainer sucht einen Spieler, bei dem die Wahrscheinlichkeit von 4 Versuchen mindestens einmal zu treffen bei 92% liegt. Wie hoch muss dann seine Trefferquote sein? (Gib diese als Wahrscheinlichkeit zwischen 0 und 1 an)
(Bitte auf 3 Stellen runden!)

Lösung einblenden

P=0.92 ist die Wahrscheinlichkeit für mindestens 1 Treffer bei bei 4 Durchgängen, also ist 1-P=0.08 die Wahrscheinlichkeit für keinen Treffer bei bei 4 Durchgängen.

Es gilt also 0.08=(1-p)4

=>1-p=0.084 ≈ 0.5318

Die gesuchte Einzelwahrscheinlichkeit p ist dann also 1-0.5318 ≈ 0.4682

Binomialvert. mit variablem n (höchst.)

Beispiel:

Der Starspieler der gegnerischen Basketballmannschaft hat bei Freiwürfen eine Trefferquote von p=0,8. Wie viele Freiwürfe darf man bei ihm durch Fouls höchstens zulassen, wenn man ihn mit einer Wahrscheinlichkeit von mindestens 50% nicht über 21 Freiwurfpunkte kommen lassen will?

Lösung einblenden
nP(X≤k)
......
260.6167
270.4613
......

Die Zufallsgröße X gibt die Anzahl der getroffenen Freiwürfe an und ist im Idealfall binomialverteilt mit p = 0.8 und variablem n.

Es muss gelten: P0.8n (X21) ≥ 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 80% der Versuche mit einem Treffer. Also müssten dann doch bei 21 0.8 ≈ 26 Versuchen auch ungefähr 21 (≈0.8⋅26) Treffer auftreten.

Wir berechnen also mit unserem ersten n=26:
P0.8n (X21) ≈ 0.6167 (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 letztmals bei n=26 die gesuchte Wahrscheinlichkeit über 50% ist.

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 75% 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
71- 13 20 12 19 =1- 39 95 ≈0.5895
81- 12 20 11 19 =1- 33 95 ≈0.6526
91- 11 20 10 19 =1- 11 38 ≈0.7105
101- 10 20 9 19 =1- 9 38 ≈0.7632
......

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 10 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 10 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 2 Fragen nur durch Raten zufällig richtig zu beantworten (obwohl man keinerlei Wissen hat) bei höchstens 25% liegt. Bestimme die hierfür notwendige Mindestanzahl an Antwortmöglichkeiten bei jeder Frage.

Lösung einblenden
pP(X≤2)
......
1 8 0.6409
1 9 0.7089
1 10 0.7618
......

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 (X2) =0.75 (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 (X2) ('höchstens 2 Treffer bei 17 Versuchen') bei diesen Nennern wird (siehe Tabelle links)

Um einen günstigen Startwert zu finden wählen wir mal als p= 2 17 . Mit diesem p wäre ja 2= 2 17 ⋅17 der Erwartungswert und somit Pp17 (X2) irgendwo in der nähe von 50%. Wenn wir nun p= 2 17 mit 1 2 erweitern (so dass wir auf den Zähler 1 kommen) und den Nenner abrunden, müssten wir mit p= 1 8 einen brauchbaren Einstiegswert für dieses Probieren erhalten.

In dieser Tabelle erkennen wir, dass erstmals bei der Einzelwahrscheinlichkeit p= 1 10 die gesuchte Wahrscheinlichkeit über 75% steigt.
Der Nenner, also die Anzahl der Antwortmöglichkeiten, muss also mindestens 10 sein.