nach Aufgabentypen suchen

Aufgabentypen anhand von Beispielen durchstöbern

Browserfenster aktualisieren (F5), um neue Beispiele bei den Aufgabentypen zu sehen

Intervall Normalverteilung (einfach)

Beispiel:

Die Zufallsgröße X ist normalverteilt mit dem Erwartungswert μ=5 und der Standardabweichung σ=0.2 .

Berechne P(X ≥ 4.8).

Runde dein Ergebnis auf 3 Stellen hinter dem Komma.

Lösung einblenden

Hier kann man einfach die WTR-Befehle ("Normalcdf" beim TI, bzw. "Kumul. Normal-V" beim Casio) verwenden: Erst μ und σ, dann die Intervallgrenzen eingeben. Die rechte Intervallgrenze wäre hier jedoch + ∞. Stattdessen kann man einfach einen sehr großen Wert eingeben, z.B.: 10000000.

Jetzt kann man das Ergebnis ablesen: P(X ≥ 4.8) ≈ 0.8413

Intervall Normalverteilung rückwärts

Beispiel:

Die Zufallsgröße X ist normalverteilt mit dem Erwartungswert μ=10 und der Standardabweichung σ=10 .

Es gilt P(X ≤ k) = 0.7. Bestimme k.

Runde auf eine Stelle hinter dem Komma genau.

Lösung einblenden
Du hast entweder einen veralteten Browser oder Javascript ausgeschaltet. Deswegen kannst du leider das Schaubild nicht sehen :(

Der WTR liefert für P(X ≤ k) = 0.7 den Wert k ≈ 15.244.

(TI: invNormal, Casio: Inv. Normal-V. )

Normalverteilung Anwendung

Beispiel:

Eine Firma produziert 80 mm lange Schrauben. Aufgrund mehrerer Faktoren beim Produktionsprozess treten Schwankungen bei der tatsächlichen Länge auf. Dabei beträgt die Standardabweichung 0,3 mm. Bestimme die Wahrscheinlichkeit, dass eine zufällig gewählte Schraube größer oder gleich 79,5 mm ist.
(Bitte auf 3 Stellen nach dem Komma runden)

Lösung einblenden

Die Zufallsgröße X beschreibt die Schraubenlänge in mm, sie wird als normalverteilt angenommen mit dem Erwartungswert μ = 80 und der Standardabweichung σ = 0.3.

Somit kann man einfach die WTR-Befehle ("Normalcdf" beim TI, bzw. "Kumul. Normal-V" beim Casio) verwenden: Erst μ und σ, dann die Intervallgrenzen eingeben. Die rechte Intervallgrenze wäre hier jedoch + ∞. Stattdessen kann man einfach einen sehr großen Wert eingeben, z.B.: 10000000.

Jetzt lässt sich das Ergebnis ablesen: P(X ≥ 79.5) ≈ 0.9522

Normalverteilung Anwendung (rückwärts)

Beispiel:

Eine Firma produziert 30 mm lange Schrauben. Aufgrund mehrerer Faktoren beim Produktionsprozesse treten Schwankungen bei der tatsächlichen Länge auf. Dabei beträgt die Standardabweichung 0,5 mm. Wie kurz darf dann eine Schraube höchstens sein, damit sie zu den kürzesten 15% der Schrauben gehört.
(Bitte auf 2 Stellen nach dem Komma runden, ohne Einheiten eingeben!)

Lösung einblenden
Du hast entweder einen veralteten Browser oder Javascript ausgeschaltet. Deswegen kannst du leider das Schaubild nicht sehen :(

Die Zufallsgröße X beschreibt die Schraubenlänge in mm, sie wird als normalverteilt angenommen mit dem Erwartungswert μ = 30 und der Standardabweichung σ = 0.5.

Gesucht ist somit das k, so dass P(X ≤ k) = 0.15 gilt.

Der WTR liefert für P(X ≤ k) = 0.15 den Wert k ≈ 29.482.

(TI: invNormal, Casio: Inv. Normal-V. )

Mittelwert, Standardabw. ablesen

Beispiel:

Du hast entweder einen veralteten Browser oder Javascript ausgeschaltet. Deswegen kannst du leider das Schaubild nicht sehen :(

Die Zufallsgröße X ist normalverteilt. Ihr Schaubild zeigt die zugehörige Gauß'sche Glockenkurve mit den ganzzahligen Parametern μ und σ.

Gib die Werte für μ und σ an.

Lösung einblenden

Den Mittelwert μ= 4 kann man einfach am x-Wert des Hochpunkts der Glockenkurve ablesen.

Die Standardabweichung σ = 1 kann man am Abstand der x-Werte des Hochpunkts vom Wendepunkt ablesen.

Dichtefunktion aus Graph ablesen

Beispiel:

Du hast entweder einen veralteten Browser oder Javascript ausgeschaltet. Deswegen kannst du leider das Schaubild nicht sehen :(

Die Zufallsgröße X ist normalverteilt. Ihr Schaubild zeigt die zugehörige Gauß'sche Glockenkurve mit den ganzzahligen Parametern μ und σ.

Gib den Funktionsterm der Dichtefunktion an.

Lösung einblenden

Den Mittelwert μ= 1 kann man einfach am x-Wert des Hochpunkts der Glockenkurve ablesen.

Die Standardabweichung σ = 3 kann man am Abstand der x-Werte des Hochpunkts vom Wendepunkt ablesen.

Eingesetzt in die allgemeine Dichtefunktion: φ(x) = 1 σ · 2π · e - 1 2 ( x - μ σ ) 2 ergibt:

φ(x) = 1 3 2π · e - 1 2 ( x -1 3 ) 2

μ und σ ablesen und Intervall berechnen

Beispiel:

Du hast entweder einen veralteten Browser oder Javascript ausgeschaltet. Deswegen kannst du leider das Schaubild nicht sehen :(

Die Zufallsgröße X ist normalverteilt. Ihr Schaubild zeigt die zugehörige Gauß'sche Glockenkurve mit den ganzzahligen Parametern μ und σ.

Gib die Werte für μ und σ an und berechne damit die eingefärbte Fläche.

Lösung einblenden

Den Mittelwert μ= -3 kann man einfach am x-Wert des Hochpunkts der Glockenkurve ablesen.

Die Standardabweichung σ = 2 kann man am Abstand der x-Werte von Hochpunkt und Wendepunkt ablesen.

Jetzt kann man einfach einfach die WTR-Befehle ("Normalcdf" beim TI, bzw. "Kumul. Normal-V" beim Casio) verwenden: μ und σ, dann die Intervallgrenzen eingeben - und schließlich das Ergebnis ablesen:

P(-7 ≤ X ≤ -6) ≈ 0.0441

Symmetrie nutzen

Beispiel:

Du hast entweder einen veralteten Browser oder Javascript ausgeschaltet. Deswegen kannst du leider das Schaubild nicht sehen :(

Die Zufallsgröße X ist normalverteilt. Ihr Schaubild zeigt die zugehörige Gauß'sche Glockenkurve mit einem ganzzahligen Erwartungswert μ. Der Inhalt der gefärbten Fläche beträgt 0.115.

Bestimme P(0 ≤ X ≤ 3).

Gib die Wahrscheinlichkeit auf 3 Stellen nach dem Komma genau an.

Lösung einblenden
Du hast entweder einen veralteten Browser oder Javascript ausgeschaltet. Deswegen kannst du leider das Schaubild nicht sehen :(

Wir wissen, dass das Schaubild einer normalverteilten Zufallsgröße achsenssymmetrisch zur senkrechten Gerade durch den Hochpunkt ist, hier also zu x = 3.

Somit gilt: P( X ≤ 3) = 0,5.

Aus dem Schaubild können wir lesen, dass P( X ≤ 0) = 0.115 (Flächeninhalt der blauen Fläche). Somit gilt für die gesuchte Wahrscheinlichkeit P(0 ≤ X ≤ 3), die dem Flächeninhalt der roten Fläche entspricht:

P(0 ≤ X ≤ 3) = 0,5 - 0.115 = 0.385

Standardabweichung bestimmen

Beispiel:

Der Punkt P(-9|0.133) liegt auf der Gauß'schen Glockenkurve mit ganzzahligem Parameter σ und μ = -9.

Bestimme die Standardabweichung σ.

Lösung einblenden
Du hast entweder einen veralteten Browser oder Javascript ausgeschaltet. Deswegen kannst du leider das Schaubild nicht sehen :(

Der gegebene Punkt ist der Hochpunkt der Gauß' schen Glockenkurve, weil ja der gegebene x-Wert gerade dem Erwartungswert μ = -9 entspricht.

Um einen ersten möglichen Wert für eine Standardabweichung σ zu bekommen, berechen wir am besten den Quotient von 0,5 und dem y-Wert der gegebenen Hochpunkts, also 0.5 0.133 ≈ 3.759 und runden diesen auf σ1 = 4.

Damit berechnen wir nun den y-Wert der Glockenkurve (mit μ = -9 und σ1=4) an der gegebenen Stelle x = -9 und erhalten f1(-9) = 0.0997
(TI: DISTR -> 1: Normalpdf; Casio: Dichte ..).

Wir wissen ja: Je größer das σ ist, desto breiter wird die Glockenkurve. Da ja aber die ganze Fläche unter der Glockenkurve (die ja der Gesamt-Wahrscheinlichkeit für alles entspricht) immer genau 1 ist, muss die breitere Glockenkurve dementsprechend auch flacher und damit mit einem niedrigeren Hochpunkt ausfallen. Somit gilt:

Je höher das σ, desto niedriger der y-Wert des Hochpunkts.

Und da der y-Wert unserer ersten Kurve mit σ1=4 (in der Abbilung in grün) zu tief war, muss also σ1 zu groß sein und wir müssen jetzt eben schrittweise kleinere Standardabweichungen σ durchprobieren und die zugehörigen y-Werte an der Stelle x = -9 berechnen:

μ = -9σ = 3f(-9) = 0.133

Somit muss die gesuchte Standardabweichung σ = 3 sein.

Sigmaregel rückwärts

Beispiel:

X ist normalverteilt mit μ und σ = 6. Es gilt P(224 ≤ X ≤ 236) ≈ 0,683. Bestimme μ.

Lösung einblenden
Du hast entweder einen veralteten Browser oder Javascript ausgeschaltet. Deswegen kannst du leider das Schaubild nicht sehen :(

Es gilt: P(224 ≤ X ≤ 236) ≈ 0,683

Die entsprechende Sigma-Regel ist P(μ - 1⋅σ ≤ X ≤ μ + 1⋅σ) ≈ 0.683.

Und da die 2 σ Abstand zwischen μ - 1⋅σ und μ + 1⋅σ genau den 2⋅6 = 12 zwischen 224 und 236 entspricht, muss der Erwartungswert genau in der Mitte zwischen 224 und 236 liegen.

Für den Mittwelwert gilt somit: μ = 224+236 2 = 230 .

variabler Erwartungswert (Anwendungen)

Beispiel:

Bei einer Maschine, die Schrauben herstellt, kann man die Länge der Schrauben auf ganze mm einstellen. Trotzdem sind dann nicht alle produzierten Schrauben ganz exakt gleich lang. Man kann aber davon ausgehen, dass die Schraubenlänge normalverteilt ist mit der eingestellten Länge als Erwartungswert und einer Standardabweichung von 1,3 mm. Auf welchen Wert (ganzzahlig in mm) muss man die Maschine mindestens einstellen, wenn eine zufällig gewählte Schraube mit einer Wahrscheinlichkeit von mindestens 90% mindestens 35 mm lang sein soll?

Lösung einblenden

Die Zufallsgröße X beschreibt die Schraubenlänge in mm.

Zunächst untersuchen wir die Wahrscheinlichkeit, wenn der Erwartungswert μ = 35 gewählt würde. Aus Symmetriegründen wäre dann aber P(X ≥ 35) = 0,5.

Deswegen wird nun der Erwartungswert schrittweise immer um eine Einheit erhöht, bis die gesuchte Wahrscheinlichkeit P(X ≥ 35) mindestens 0.9 ist:

μ = 35: P(X ≥ 35) = 0.5

μ = 36: P(X ≥ 35) = 0.7791

μ = 37: P(X ≥ 35) = 0.938

Man muss also den Erwartungswert auf mindestens μ = 37 einstellen.

Normalverteilung variables σ

Beispiel:

Ein Fernreisebusunternehmen gibt als Reisezeit zwischen zwei Städte 300 Minuten an. Da die tatsächliche Fahrtzeit immer etwas schwankt, kann sie als normalverteilt mit Erwartungswert μ = 300 und einer Standardabweichung σ angenommen werden. Das Unternehmen wirbt damit, dass die Wahrscheinlichkeit einer Verspätung von 5 oder mehr Minuten bei unter 5% liegt. Wie groß darf dann die Standardabweichung σ der Normalverteilung dieser Fahrten (auf eine Stelle nach dem Komma gerundet) maximal sein?

Lösung einblenden

Die Zufallsgröße X beschreibt die Fahrtzeit in Minuten.

Gesucht ist die Standardabweichung σ, so dass P(X ≥ 305) < 5% gilt.

Du hast entweder einen veralteten Browser oder Javascript ausgeschaltet. Deswegen kannst du leider das Schaubild nicht sehen :(

Je kleiner das σ ist, desto enger und höher ist die Glockenkurve der Dichtefunktion.

Wegen der Symmetrie der Glockenkurve folgt aus P(X ≥ 305) < 5% , dass P(295 ≤ X ≤ 305) > 90 % gelten muss.

Aufgrund der Sigmaregel (P(μ-2σ ≤ X ≤ μ+2σ) ≈ 95,4% ) wissen wir, dass die 5 min eine kleinere Wahrscheinlichkeit auf sich vereinen als eine Abweichung um 2 σ, folglich muss die Abweichung 5 weniger als 2 σ entsprechen.

5 < 2⋅σ |:2
2.5 < σ

Wir starten also mal bei σ = 2.5 und erhöhen dieses so lange, bis P(X ≥ 305) über die 0.05 steigt:

σ = 2.5: P( X ≥ 305) ≈ 0.0227

σ = 2.6: P( X ≥ 305) ≈ 0.0272

σ = 2.7: P( X ≥ 305) ≈ 0.032

σ = 2.8: P( X ≥ 305) ≈ 0.0371

σ = 2.9: P( X ≥ 305) ≈ 0.0423

σ = 3: P( X ≥ 305) ≈ 0.0478

σ = 3.1: P( X ≥ 305) ≈ 0.0534

Die Standardabweichung darf also höchstens σ = 3 einstellen.

variabler Erwartungswert (Anwendungen)

Beispiel:

Bei einer Getränkeabfüllanlage kann man die Füllmenge der Flaschen auf ganze ml einstellen. Trotzdem ist dann nicht in allen abgefüllten Flaschen ganz exakt gleich viel drin. Man kann aber davon ausgehen, dass die tatsächliche Füllmenge normalverteilt ist mit der eingestellten Füllmenge als Erwartungswert und einer Standardabweichung von 1,5 ml. Auf welchen Wert (ganzzahlig in ml) muss man die Abfüllanlage mindestens einstellen, damit in einer zufällig abgefüllten Flasche mit einer Wahrscheinlichkeit von mindestens 90% mindestens 600 ml drin ist?

Lösung einblenden

Die Zufallsgröße X beschreibt die Abfüllmenge in ml.

Zunächst untersuchen wir die Wahrscheinlichkeit, wenn der Erwartungswert μ = 600 gewählt würde. Aus Symmetriegründen wäre dann aber P(X ≥ 600) = 0,5.

Deswegen wird nun der Erwartungswert schrittweise immer um eine Einheit erhöht, bis die gesuchte Wahrscheinlichkeit P(X ≥ 600) mindestens 0.9 ist:

μ = 600: P(X ≥ 600) = 0.5

μ = 601: P(X ≥ 600) = 0.7475

μ = 602: P(X ≥ 600) = 0.9088

Man muss also den Erwartungswert auf mindestens μ = 602 einstellen.

Kombination Normal- und Binomialverteilung

Beispiel:

Eine Firma produziert 90 mm lange Schrauben. Aufgrund mehrerer Faktoren beim Produktionsprozess treten Schwankungen bei der tatsächlichen Länge auf. Dabei beträgt die Standardabweichung 0,7 mm. Die Schrauben werden dabei in Kartons mit 36 Stück verpackt. Ist eine Schraube kürzer als 89,5 mm, so gilt sie als zu kurz. Wie groß ist die Wahrscheinlichkeit, dass in einem zufällig gewählten Karton nicht mehr als 9 Schrauben zu kurz sind?

Lösung einblenden

Zuerst berechnen wir die Wahrscheinlichkeit dafür, dass eine Schraube als zu kurz gilt. Die Zufallsgröße Y beschreibt dabei die Schraubenlänge in mm, sie wird als normalverteilt angenommen mit dem Erwartungswert μ = 90 und der Standardabweichung σ = 0.7.

Mit derm WTR lässt sich so P(Y ≤ 89.5) ≈ 0.2375 berechnen.

(TI: Normalcdf, Casio: Kumul. Normal-V. )

Und weil dies für jedes der 36 Exemplare gilt, können wir die Zufallsgröße X (, die die Anzahl der zu kurzen Schrauben in einem Karton zählt) als binomialverteilt mit n = 36 und p = 0.2375 annehmen.

Für die gesuchte Wahrscheinlichkeit gilt somit:
P0.23836 (X≤9) =

P0.23836 (X≤9) = 0.6557

(TI-Befehl: binomcdf(36,0.2375,9) - binomcdf(36,0.2375,-1))

Die gesuchte Wahrscheinlichkeit beträgt somit ca. 65,6%.

Kombination Normal- und Binomialverteilung rw

Beispiel:

Eine Firma produziert 60 mm lange Schrauben. Aufgrund mehrerer Faktoren beim Produktionsprozess treten Schwankungen bei der tatsächlichen Länge auf. Dabei beträgt die Standardabweichung 0,7 mm. Ist eine Schraube kürzer als 59,5 mm, so gilt sie als zu kurz. Wie viele Schrauben muss man produzieren, um mit einer Wahrscheinlichkeit von mindestens 80%, mindestens 22 Schrauben zu erhalten, die brauchbar, also nicht zu kurz sind?

Lösung einblenden

Zuerst berechnen wir die Wahrscheinlichkeit dafür, dass eine Schraube als lang genug gilt. Die Zufallsgröße Y beschreibt dabei die Schraubenlänge in mm, sie wird als normalverteilt angenommen mit dem Erwartungswert μ = 60 und der Standardabweichung σ = 0.7.

Mit derm WTR lässt sich so P(Y ≥ 59.5) ≈ 0.762475 berechnen.

(TI: Normalcdf, Casio: Kumul. Normal-V. )

Und weil dies für jedes Exemplar gilt, können wir die Zufallsgröße X (, die die Anzahl der die ausreichend langen Schrauben in einem Karton zählt) als binomialverteilt mit unbekanntem n und p = 0.762475 annehmen.

nP(X≤k)
......
290.3813
300.2698
310.1815
......

Die Zufallsgröße X gibt die ausreichend langen Schrauben in einem Karton an und ist im Idealfall binomialverteilt mit p = 0.762475 und variablem n.

Es muss gelten: P0.762n (X≥22) ≥ 0.8

Weil man ja aber P0.762n (X≥22) nicht in den WTR eingeben kann, müssen wir diese Wahrscheinlichkeit über die Gegenwahrscheinlichkeit berechnen:

P0.762n (X≥22) = 1 - P0.762n (X≤21) ≥ 0.8 |+ P0.762n (X≤21) - 0.8

0.2 ≥ P0.762n (X≤21) oder P0.762n (X≤21) ≤ 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 76.2475% der Versuche mit einem Treffer. Also müssten dann doch bei 22 0.762475 ≈ 29 Versuchen auch ungefähr 22 (≈0.762475⋅29) Treffer auftreten.

Wir berechnen also mit unserem ersten n=29:
P0.762n (X≤21) ≈ 0.3813 (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=31 die gesuchte Wahrscheinlichkeit unter 0.2 ist.

n muss also mindestens 31 sein, damit P0.762n (X≤21) ≤ 0.2 oder eben P0.762n (X≥22) ≥ 0.8 gilt.

Normalverteilung mehrstufig

Beispiel:

Ein Hersteller von Dubai-Schokolade möchte auf der Verpackung mit einem Mindestanteil der edlen Zutat namens Engelshaar werben. Aufgrund des aufwändigen Produktionsprozesses ist dieser nicht bei jeder Tafel genau gleich, sondern kann als normalverteilt mit einem Erwartungswert 55% und einer Standardabweichung 8% angenommen werden. Eine Verbraucherschutz-Organistion kauft gelegentlich 7 Tafeln dieser Dubai-Schokolade und kontrolliert, ob auch wirklich bei allen der angegebene Mindestanteil an Engelshaar enthalten ist. Wie hoch muss der Hersteller diesen Mindestanteil benennen, damit bei der Kontrolle mit einer Wahrscheinlichkeit von 70% alle 7 Tafeln diese Mindestvorgabe erfüllen?
(Bitte auf 1 Stelle nach dem Komma runden)

Lösung einblenden

Der prozentuale Anteil an Engelshaar in der Dubai-Schokolade soll als normalverteilte Zufallsgröße X mit µ=55 und σ=8 bezeichnet werden.

Die Wahrscheinlichkeit, dass eine Schokoladentafel die Vorgabe (Mindestanteil) erfüllt, bezeichnen wir p.

Damit diese Vorgabe nun auch wirklich bei allen 7 kontrollierten Tafeln erfüllt wird, muss somit gelten:

p7 ≥ 0.7 (Die 7 kontrollierten Tafeln kann man als mehrstufiges Zufallsexperiment mit gleichbleibender Einzelwahrscheinlichkeit p interpretieren.)

Wenn wir jetzt hier die 7-te Wurzel ziehen, erhalten wir die notwendige Einzelwahrscheinlichkeit p, dass eine Schokoladentafel die Vorgabe (Mindestanteil) erfüllt:

Einzelwahrscheinlichkeit: p ≥ 0,9503

Wir suchen jetzt also in der Normalverteilung nach einem Mindestanteil, der mit der Wahrscheinlichkeit 0,9503 eingehalten wird;

also nach einem k mit P(X ≥ k) ≥ 0,9503

Du hast entweder einen veralteten Browser oder Javascript ausgeschaltet. Deswegen kannst du leider das Schaubild nicht sehen :(

Der WTR kann leider kein k berechnen mit P(X ≥ k) = 0,9503, weil er immer nur ein k bei P(X ≤ k) = p berechnen kann.

Also nutzen wir aus, dass P(X ≤ k) = 0,0497 (im Schaubild die blaue Fläche) gelten muss, wenn P(X ≥ k) = 0,9503 (im Schaubild die rote Fläche) gilt.

Für P(X ≤ k) = 0,0497 liefert der WTR k ≈ 41.816.

(TI: invNormal, Casio: Inv. Normal-V. )

Normalverteilung VFT

Beispiel:

Man geht davon, dass in einem bestimmten Land der IQ der erwachsenenen Einwohner normalverteilt mit Erwartungswert 101 und Standardabweichung 12 ist. 25% dieser erwachsenenen Einwohner haben Abitur. Das Bildungsministerium teilt dabei die Bevölkerung in zwei Gruppen: die Schlauen und die Normalen. Von den Einwohnern ohne Abitur gehören 70% zu den Normalen. 12,5% der Bevölkerung haben Abitur und gehören zur Gruppe der Schlauen. Ab welchem IQ gilt man in diesem Land schlau?
(Bitte auf 1 Stelle nach dem Komma runden)

Lösung einblenden

Um die Aufgabe mit einer Vierfeldertafel lösen zu können, müssen wir erst unsere Ergebnisse A und B definieren:

A : mit Abitur

A ‾ : nicht mit Abitur, also ohne Abitur

B : schlau

B ‾ : nicht schlau, also normal

Hiermit ergibt sich folgende Vierfeldertafel:

  B
(schlau)
B ‾
(normal)
 
A
(mit Abitur)
0,125 0,25
A ‾
(ohne Abitur)
   
    

Diese müssen wir nun vollends ausfüllen:


Als erstes tragen wir rechts unten die Summe P ( A ) + P ( A ‾ ) = P ( B ) + P ( B ‾ ) = 1 ein, schließlich ist die Wahrscheinlichkeit, dass A gilt oder dass A ‾ gilt 100%.

Dann tragen wir alle direkt aus dem Text entnehmbaren und die dadurch berechenbaren Wahrscheinlichkeiten in die Vierfeldertafel ein.

  B
(schlau)
B ‾
(normal)
 
A
(mit Abitur)
0,1250,1250,25
A ‾
(ohne Abitur)
  0,75
   1

Aus der Information von der Teilgruppe mit "ohne Abitur" sind es 70% kann man die Wahrscheinlichkeit
P ( A ‾ ∩ B ‾ ) = 0,75 ⋅ 0,7 = 0,525 berechnen.

  B
(schlau)
B ‾
(normal)
 
A
(mit Abitur)
0,1250,1250,25
A ‾
(ohne Abitur)
 0,5250,75
   1

Jetzt können wir wieder die restlichen Wahrscheinlichkeiten einfach mit der Vierfeldertafel berechnen:

  B
(schlau)
B ‾
(normal)
 
A
(mit Abitur)
0,1250,1250,25
A ‾
(ohne Abitur)
0,2250,5250,75
 0,350,651

Wir wissen jetzt also, dass die Wahrscheinlichkeit für "schlau" ungefähr 0,35 beträgt.

Jetzt suchen wie in der Normalverteilung nach einem -Wert k, für den gilt P(X ≥ k) ≈ 0,35

Du hast entweder einen veralteten Browser oder Javascript ausgeschaltet. Deswegen kannst du leider das Schaubild nicht sehen :(

Der WTR kann leider kein k berechnen mit P(X ≥ k) = 0,35, weil er immer nur ein k bei P(X ≤ k) = p berechnen kann.

Also nutzen wir aus, dass P(X ≤ k) = 0,65 (im Schaubild die blaue Fläche) gelten muss, wenn P(X ≥ k) = 0,35 (im Schaubild die rote Fläche) gilt.

Für P(X ≤ k) = 0,65 liefert der WTR k ≈ 105,624.

Als "schlau" gilt also ab 105,624 .

(TI: invNormal, Casio: Inv. Normal-V. )