Beruflich Dokumente
Kultur Dokumente
Aufgabe 1
a) ◮ Wahrscheinlichkeitsverteilung von X berechnen (8P)
Die 6“ tritt mit einer Wahrscheinlichkeit von 0, 1 auf, die 1“ mit einer Wahrscheinlichkeit von
” ”
0, 2. Die verbleibenden 0, 7 werden gleichmäßig auf die übrigen Zahlen 2, 3, 4 und 5 verteilt,
sodass sich die Wahrscheinlichkeitsverteilung ergibt:
Augenzahl 1 2 3 4 5 6
Wahrscheinlichkeit 0, 2 0, 175 0, 175 0, 175 0, 175 0, 1
Die Wahrscheinlichkeit, dass eine Sechs gewürfelt wird, liegt bei p6 = 0, 1, die des Gegenereig-
nisses, dass keine Sechs gewürfelt wird, liegt demnach bei p6 = 0, 9.
Die Wahrscheinlichkeit dafür, dass erst im fünften Wurf die erste Sechs gewürfelt wird, ent-
spricht der Wahrscheinlichkeit dafür, dass 4 Mal keine Sechs und 1 Mal eine Sechs gewürfelt
wird:
P = (0, 9)4 · 0, 1 = 0, 06561. Mit einer Wahrscheinlichkeit von 6, 6% wird erst im fünften Wurf
die erste Sechs gewürfelt.
Sei X die Anzahl der gewürfelten Sechsen. X ist binomialverteilt mit p = 0, 1 und n = 100.
Gesucht ist die Wahrscheinlichkeit P( X = 10).
P( X = 10) = (100 10 90
10 ) · (0, 1) · (0, 9) = 0, 1319
Mit einer Wahrscheinlichkeit von etwa 13, 19% werden in 100 Würfen genau
10 Sechsen geworfen.
X ist nun binomialverteilt mit p = 0, 1 und n = 200. Hier ist nach der Wahrscheinlichkeit P( X ≥
16) gefragt:
Mit einer Wahrscheinlichkeit von etwa 85, 69% werden in 200 Würfen mindestens 16 Sechsen
geworfen.
Sei X wieder die Anzahl der geworfenen Sechsen. X ist dieses Mal binomialverteilt mit p = 0, 1
und X = 350. s
Verlangt ist die Wahrscheinlichkeit P(µ − 1, 5σ ≤ X ≤ µ + 1, 5σ ).
Achtung: Erwartungswert und Standardabweichung von X entsprechen nicht den berechneten
Werten aus Teilaufgabe a):
p √
µ = n · p = 0, 1 · 350 = 35, σ= n · p · (1 − p ) = 35 · 0, 9 ≈ 5, 61
Mit einer Wahrscheinlichkeit von 87, 11% weicht die Anzahl der Sechsen um um höchstens 1, 5σ
vom Erwartungswert ab.
◮◮ Lösungsweg B: Normalverteilung
Mit einer Wahrscheinlichkeit von 87, 15% weicht die Anzahl der Sechsen um um höchstens 1, 5σ
vom Erwartungswert ab.
Es stehen sich zwei Hypothesen gegenüber. Die Nullhypothese H0 geht davon aus, dass die
1
Wahrscheinlichkeit, eine Sechs zu würfeln, bei p0 ≥ 6 liegt, während die Hypothese H1 von
einer Wahrscheinlichkeit p1 < 16 ausgeht.
Sei X die Anzahl der geworfenen Sechsen. X ist bei wahrer Nullhypothese binomialverteilt mit
n = 2000 und p = 61 .
2. Schritt: Entscheidungsregel
Es soll ein Hypothesentest auf einem Signifikanzniveau von 5% durchgeführt werden. Gesucht
ist nun eine Zahl k, für die die Nullhypothese auf diesem Signifikanzniveau gerade noch ange-
nommen wird:
◮◮ Lösungsweg A: Binomialverteilung
1
Wenn weniger als 306 Sechsen gewürfelt werden, wird die Nullhypothese H0 : p0 ≥ 6 abge-
lehnt. Es ergeben sich also der Ablehnungsbereich A = {0, ..., 305} und der Annahmebereich
A = {305, ..., 2000}.
◮◮ Lösungsweg B: Normalverteilung
Verlangt ist eine Entscheidungsregel auf einem Signifikanzniveau von 5%. Gesucht ist also eine
Zahl k, für die gilt: P( X < k ) ≤ 0, 05. Da σ > 3 ist, kannst du die σ-Regeln anwenden. In der
entsprechenden Tabelle findest du:
X < k = µ − 1, 64 · σ = 333, 3 − 1, 64 · 16, 67 ≈ 306.
1
Wenn weniger als 306 Sechsen gewürfelt werden, wird die Nullhypothese H0 : p0 ≥ 6 abge-
lehnt. Es ergeben sich also der Ablehnungsbereich A = {0, ..., 305} und der Annahmebereich
A = {305, ..., 2000}.
Der Fehler 1. Art tritt ein, wenn die Nullhypothese richtig ist, aber abgelehnt wird. Dies ent-
spricht im Sachzusammenhang dem Fall, dass die Wahrscheinlichkeit, eine Sechs zu würfeln,
1
bei 6 liegt, aber weniger als 306 Sechsen geworfen werden.
Der Fehler 2. Art tritt ein, wenn die Nullhypothese falsch ist, aber dennoch akzeptiert wird. In
unserem Kontext entspricht dies dem Fall, dass die Wahrscheinlichkeit, eine Sechs zu würfeln,
kleine als 16 ist, aber dennoch mindestens 306 Sechsen gewürfelt werden.
◮ Fehlerwahrscheinlichkeit ermitteln
Die Wahrscheinlichkeit, eine Sechs zu würfeln, liegt tatsächlich bei 0, 1, dennoch wird die Null-
hypothese akzeptiert.
Sei X die Anzahl der geworfenen Sechsen. X ist binomialverteilt mit n = 2.000 und p = 0, 1. Die
Wahrscheinlichkeit für den Fehler 2. Art entspricht genau der Wahrscheinlichkeit dafür, dass
sich bei einer Wahrscheinlichkeit von 0, 1 die Anzahl der geworfenen Sechsen im Annahmebe-
reich der Nullhypothese befindet:
P( X ≥ 306) = 1 − P( X ≤ 305) = 1 − 1 = 0
Mit einer Wahrscheinlichkeit von 0% wird die Nullhypothese angenommen, obwohl die
tatsächliche Wahrscheinlichkeit, eine Sechs zu würfeln, nur bei 10% liegt.
d) ◮ Baumdiagramm (13P)
6
0,1
A 6
A beginnt das Spiel. Mit einer Wahrschein- 0,1
lichkeit von 0, 1 würfelt er eine Sechs und ge- 0,9
winnt damit das Spiel. Würfelt er keine Sechs 6
B 0,1
(0, 9), so ist B an der Reihe. Für ihn gilt dann
0,9
das gleiche.
A
0,9
P( G A ) = 0, 1 + 0, 92 · 0, 1 + 0, 94 · 0, 1 + 0, 96 · 0, 1 + ...
P( GB ) = 0, 9 · 0, 1 + 0, 93 · 0, 1 + 0, 95 · 0, 1 + ...
= 0, 9 · 0, 1 · 0, 92 · 0, 1 + 0, 94 · 0, 1 + 0, 96 · 0, 1 ...
= 0, 9 · P( G A )
◮ Wahrscheinlichkeit berechnen
P( G A ) + 0, 9 · P( G A ) = 1
1, 9 · P( G A ) = 1 |: 1, 9
P( G A ) = 0, 5263
Aufgabe 2
a) ◮ Voraussetzungen formulieren (14P)
X ist die Anzahl der Befragten, die ein besseres Jahr erwarten. In der ZDF-Graphik sind aller-
dings drei mögliche Antworten zu sehen. Die Wahl der Zufallsgröße macht Sinn, wenn man
diese drei Möglichkeiten reduziert auf die Ausgänge Besseres Jahr“ und Kein besseres Jahr“.
” ”
Die Zufallsgröße X kann unter dieser Voraussetzung als Näherung an die Verteilung von X ge-
sehen werden. Es kann allerdings nicht mehr unterschieden werden zwischen den Ausgängen
Unverändertes Jahr“ und Schlechteres Jahr“.
” ”
◮ Wahrscheinlichkeiten berechnen
◮◮ Lösungsweg A: Binomialverteilung
Sei X die Anzahl der Personen, die ein besseres Jahr erwarten. X ist binomialverteilt mit n = 100
und p = 0, 22. Gesucht ist die Wahrscheinlichkeit P( X ≥ 18).
Mit einer Wahrscheinlichkeit von 86, 25% befinden sich unter 100 zufällig ausgewählten Perso-
nen mindestens 18, die ein besseres Jahr erwarten.
X ist nun binomialverteilt mit n = 1000 und p = 0, 22. Gesucht ist P(210 ≤ X ≤ 230):
Mit einer Wahrscheinlichkeit von 57, 72% befinden sich unter 1000 zufällig ausgewählten Perso-
nen mindestens 210 und höchstens 230 Personen, die ein besseres Jahr erwarten.
◮◮ Lösungsweg B: Normalverteilung
Sei Z die Anzahl der Personen, die ein besseres Jahr erwarten. Mit n = 100 und p = 0, 22 ergeben
sich:
• Erwartungswert µ = 100 · 0, 22 = 22
√
• Standardabweichung σ = 22 · 0, 78 ≈ 4, 142
Mit einer Wahrscheinlichkeit von 86, 21% befinden sich unter 100 zufällig ausgewählten Perso-
nen mindestens 18, die ein besseres Jahr erwarten.
√
Für n = 1000 und p = 0, 22 ergibt sich nun µ = 220 und σ = 220 · 0, 78 ≈ 13, 1. Gesucht ist die
Wahrscheinlichkeit P(210 ≤ Z ≤ 230).
230 − 220 + 0, 5 210 − 220 − 0, 5
P(210 ≤ Z ≤ 230) = Φ −Φ
13, 1 13, 1
Mit einer Wahrscheinlichkeit von 57, 6% befinden sich unter 1000 zufällig ausgewählten Perso-
nen mindestens 210 und höchstens 230 Personen, die ein besseres Jahr erwarten.
Sei X die Anzahl der Personen, die in besseres Jahr erwarten. Mit n = 1268 und p = 0, 2 ergeben
sich
Verlangt ist das 95%-Konfidenzintervall, d.h. das Intervall, in welchem sich die relative
X
Häufigkeit n der Personen, die ein besseres Jahr erwarten, in 95% der Fälle befindet.
Da σ > 3 ist, kannst du die σ-Regeln anwenden:
◮ Verträglichkeit prüfen
Das Ergebnis der ZDF Umfrage ist mit dem tatsächlichen Anteil von 0, 2 verträglich, da sich der
Wert 0, 22 noch im Konfidenzintervall befindet.
Die relative Häufigkeit der pessimistischen Bürger liegt bei 0, 18. Die Skeptiker möchten einen
möglichst großen Anteil pessimistischer Bürger angeben, welcher mit der relativen Häufigkeit
0, 18 noch verträglich ist. Gesucht ist also die obere Grenze des 95%-Konfidenzintervalls. p ist
dabei unbekannt. Verfahre wieder wie oben und benutze die σ-Regeln als Ansatz:
P (µ − 1, 96σ ≤ X ≤ µ + 1, 96σ ) ≈ 0, 95
µ σ X µ σ µ
P − 1, 96 ≤ ≤ + 1, 96 ≈ 0, 95 | µ = n · p, also p =
n n n n n n
σ X σ
P p − 1, 96 ≤ ≤ p + 1, 96 ≈ 0, 95
n n n
σ X σ
P −1, 96 ≤ − p ≤ 1, 96 ≈ 0, 95
n n n
X σ
P − p ≤ 1, 96 ≈ 0, 95
n n
X
Setze n = 0, 18 ein und löse diese Ungleichung nach p auf:
σ p
|0, 18 − p| ≤ 1, 96 |σ= n · p · (1 − p )
n
p
n · p · (1 − p )
|0, 18 − p| ≤ 1, 96 · | ( )2
n
n · p · (1 − p )
(0, 18 − p)2 ≤ 1, 962 ·
n2
p · (1 − p )
0, 182 − 0, 36p + p2 ≤ 1, 962 · | n = 1268
n
1, 962
1, 962
0, 182 − 0, 36p + p2 ≤ · p · (1 − p ) |− · ( p − p2 )
1268 1268
1, 962 2 1, 962
p2 + p − 0, 36p − p + 0, 182 ≤ 0
1268 1268
1, 003p2 − 0, 363p + 0, 0324 ≤ 0 |: 1, 003
p2 − 0, 362p + 0, 0323 ≤ 0
p
p1,2 ≤ 0, 181 ± 0, 1812 − 0, 0323
p1 ≈ 0, 2025, p2 ≈ 0, 1595
Es ergibt sich das 95%-Konfidenzintervall [0, 1595 ; 0, 2025]. Als größtmöglichen Anteil pessimis-
tischer Bürger können die Skeptiker 0, 2025 angeben.
Es ist eine Sicherheitswahrscheinlichkeit von 90% vorgegeben. Verwende wieder die σ-Regeln
als Ansatz:
P (µ − 1, 64σ ≤ X ≤ µ + 1, 64σ ) ≈ 0, 9
µ σ X µ σ µ
P − 1, 64 ≤ ≤ + 1, 64 ≈ 0, 9 | =p
n n n n n n
σ X σ
P p − 1, 64 ≤ ≤ p + 1, 64 ≈ 0, 9
n n n
σ X σ
P −1, 64 ≤ − p ≤ 1, 64 ≈ 0, 9
n n n
X σ
P − p ≤ 1, 64 ≈ 0, 9
n n
Bei einer Sicherheitswahrscheinlichkeit von 90% unterscheidet sich der tatsächliche Anteil p
vom relativen Anteil Xn also um höchstens 1, 64 σn .
Es gilt nun, den Wert zu berechnen, den der Ausdruck 1, 64 σn höchstens annehmen kann:
p
σ n · p · (1 − p )
1, 64 · = 1, 64 ·
n n
p
1268 · p · (1 − p)
= 1, 64 ·
1268
Es geht um den größtmöglichen Wert des Ausdrucks. Betrachte den Term p · (1 − p) = p − p2
und fasse ihn als Gleichung einer Funktion f ( p) auf. Es ist mit Hilfe der ersten beiden Ablei-
tungen f ′ ( p) und f ′′ ( p) leicht nachzuweisen, dass f bei p = 0, 5 das Maximum annimmt.
Da die größtmögliche Abweichung verlangt ist, wird mit diesem Maximum weiter gerechnet:
p √
1268 · p · (1 − p) 1268 · 0, 5 · 0, 5
1, 64 · ≤ 1, 64 ·
1268 1268
√
317
≤ 1, 64 · ≈ 0, 023
1268
Bei einer Sicherheitswahrscheinlichkeit von 90% unterscheidet sich die relative Häufigkeit der
pessimistischen Bürger (0, 18) um höchstens 2, 3% vom tatsächlichen Anteil p.
Je größer der Stichprobenumfang n wird, desto kleiner wird die Abweichung der relativen
Häufigkeit Xn vom tatsächlichen Anteil p: Je größer n wird, desto größer wird der Nenner des
Bruchs und desto kleiner wird dementsprechend der Bruch selbst.
Aufgabe 3
a) (1) Wahrscheinlichkeit für 5 zufriedene männliche Jugendliche (9P)
60% der männlichen Jugendlichen sind mit ihrem Gewicht zufrieden, d.h. für diesen Sachverhalt
gilt n = 15, k = 5 und p = 0, 6.
Die Wahrscheinlichkeit, dass unter 15 männlichen Jugendlichen 5 mit ihrem Gewicht zufrieden
sind, liegt bei 2, 45%.
Hier ist gefragt: P ( Z ≤ 60). Wir haben es mit einer Zufallsgröße zu tun, mit p = 0, 6, n = 100
binomialverteilt ist, k = 60. Wir lesen die Wahrscheinlichkeit aus dem Tafelwerk ab:
Mit einer Wahrscheinlichkeit von 53, 79% befinden sich unter 100 männlichen Jugendlichen
höchstens 60, die mit ihrem Gewicht zufrieden sind.
Hier ist gefragt: P (50 ≤ Z ≤ 60) = P ( Z ≤ 60) − P ( Z ≤ 49). Wieder liegt eine Binomialvertei-
lung mit p = 0, 6 und n = 100 vor, mit k = 49 bzw. k = 60:
Mit einer Wahrscheinlichkeit von 52, 11% befinden sich unter 100 männlichen Jugendlichen min-
destens 50 und höchstens 60, die mit ihrem Gewicht zufrieden sind.
b) (1) Wahrscheinlichkeit ermitteln, dass der Zettel von einem Jungen stammt (11P)
0, 7 0, 4 Z 12%
Von den 1000 Jugendlichen sind 300, d.h.
300
1000 =
b 30% Jungen.
0, 5 Z 35%
Wir wissen, dass ein Jugendlicher mit seinem Gewicht unzufrieden ist und sollen bestimmen,
mit welcher Wahrscheinlichkeit dieser Zettel von einem Jungen stammt. Hier ist also nach der
bedingten Wahrscheinlichkeit PZ ( J ) gefragt:
P J∩Z
PZ ( J ) =
P Z
Aus dem Baumdiagramm können wir P J ∩ Z = 0, 12 ablesen. Für P Z gilt:
P Z = P J ∩ Z + P J ∩ Z = 0, 12 + 0, 35 = 0, 47
0, 12
PZ ( J ) = = 0, 2553
0, 47
Mit einer Wahrscheinlichkeit von 25, 53% stammt dieser Zettel von einem Jungen.
Alle anderen Werte ergeben sich aus einfachen Differenzen: Es gibt 300 Jungen, von denen 105
Raucher sind. Somit sind 300 − 105 = 195 Jungen Nichtraucher etc.
175
Wir wissen also, dass 175 der 700 Mädchen Raucher sind. Dies sind 700 = 0, 25 =
b 25%.
Es werden 100 Mädchen befragt, ob sie mit ihrem Gewicht zufrieden sind, wobei von einer
Zufriedenheit von 50% ausgegangen wird. Der Erwartungswert liegt in diesem Fall also bei
0, 5 · 100 = 50 Mädchen.
Sei Z die Anzahl der Mädchen, die mit ihrem Gewicht zufrieden sind.
P (50 − x ≤ Z ≤ 50 + x ) = P ( Z ≤ 50 + x ) − P ( Z ≤ 50 − x ) > 0, 95
Wir wenden uns also dem Tafelwerk zu und suchen in der Tabelle für kumulierte Binomialver-
teilung für n = 100 und p = 0, 5 zwei Werte, 50 + x und 50 − x, sodass die obige Gleichung
erfüllt ist. Wir starten also bei k = 50 und betrachten die Differenz der Wahrscheinlichkeiten
von z.B. k = 51 und k = 49, dann k = 52 und k = 48 etc. Wenn diese Differenz größer ist also
0, 95, so haben wir unsere Lösung gefunden.
Wenn 40 ≤ Z ≤ 60 ist, d.h. wenn mindestens 40 und höchstens 60 Mädchen mit ihrem Gewicht
zufrieden sind, dann wird die Hypothese H0 bestätigt, andernfalls wird sie verworfen.
Hier ist im Grunde nach der Wahrscheinlichkeit dafür gefragt, dass zwischen 40 und 60
Mädchen die Frage, ob sie mit ihrem Gewicht zufrieden sind, mit Ja“ beantworten, wenn 60%
”
der Mädchen mit ihrem Gewicht zufrieden sind.
Mit einer Wahrscheinlichkeit von 53, 79% wird die Hypothese H0 beibehalten, obwohl
tatsächlich 60% der Mädchen mit ihrem Gewicht zufrieden sind.
Für p → 1 läuft β 100 ( p) → 0. Dies lässt sich damit erklären: Je höher bzw. je niedriger der
tatsächliche Anteil von Mädchen ist, die mit ihrem Gewicht zufrieden sind, desto geringer wird
die Gefahr, dass die Hypothese H0 : p = 0, 5 beibehalten wird, obwohl sie eigentlich falsch ist.
Was die Symmetrie des Graphen angeht, so erkennt man die Symmetrieachse bei p = 0, 5. Dies
ist die Wahrscheinlichkeit, von der in der Hypothese ausgegangen wird.
Die Irrtumswahrscheinlichkeit liegt bei 5%. In Aufgabe c) (1) haben wir diesen Fall betrachtet
und haben berechnet, dass die Hypothese H0 : p = 0, 5 beibehalten wird, wenn 40 ≤ Z ≤ 60
gilt; dieser Fall tritt mit einer Wahrscheinlichkeit von p = 0, 954 ein. Der Graph gibt uns ja genau
diesen Sachverhalt an: Er zeigt uns die Wahrscheinlichkeiten, mit denen die Hypothese H0 unter
gewissen Umständen beibehalten wird. Bei p = 0, 5 muss der Hochpunkt also die Koordinaten
E (0, 5|0, 954) besitzen.
Je höher n ist, desto größer ist die Anzahl der befragten Personen. Wenn anstatt 100 Personen
1000 Personen oder noch mehr befragt werden, so wird der Test immer vertrauenswürdiger
und aussagekräftiger. Dementsprechend wird für n → ∞ auch die Wahrscheinlichkeit für einen
Fehler 2. Art immer geringer.
Die Symmetrie zu p = 0, 5 bleibt erhalten, da dies weiterhin die Wahrscheinlichkeit der geteste-
ten Hypothese ist.
Somit wird der Graph für n → ∞ immer enger“ und eine mögliche Darstellung wäre:
”
β 100 ( p)
1.0
0.9
0.8
0.7
0.6
0.5
0.4
0.3
0.2
0.1
p
−0.1−0.1 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1.0
Aufgabe 4
a) (1) Wahrscheinlichkeit für höchstens 2 Spender mit Blutgruppe A Rh- (8P)
Die Wahrscheinlichkeit für einen Spender mit Blutgruppe A Rh- liegt bei p = 0, 06. Es ist hier
gefragt, wie wahrscheinlich es ist, aus einer Gruppe von 90 Spendern höchstens 2 Spender mit
dieser Blutgruppe zu ziehen“:
”
Sei Z die Anzahl der Spender mit Blutgruppe A Rh-:
P ( Z ≤ 2) = P ( Z = 0) + P ( Z = 1) + P ( Z = 2)
= (90 0 90 90 1 89 90 2
0 ) · 0, 06 · 0, 94 + ( 1 ) · 0, 06 · 0, 94 + ( 2 ) · 0, 06 · 0, 94
88
= 0, 088
Mit einer Wahrscheinlichkeit von 8, 8% befinden sich unter 90 Spendern höchstens 2 mit Blut-
gruppe A Rh-.
Sei Z die Anzahl der Spender mit Blutgruppe AB. Z ist binomialverteilt mit n = 100 und p =
0, 05:
P ( Z ≥ 5) = 1 − P ( Z ≤ 4)
= 1 − 0, 4360 | Tafelwerk: n = 100, p = 0, 05, k = 4
= 0, 564
Mit einer Wahrscheinlichkeit von 56, 4% befinden sich unter 100 Spendern mindestens 5 mit
Blutgruppe AB.
Sei Z die Anzahl der Spender mit Blutgruppe AB Rh-. Es ist gesucht nach einem Wert für n,
sodass für p = 0, 01 gilt:
P ( Z ≥ 1) > 0, 99 | P ( Z ≥ 1) = 1 − P ( Z = 0)
1 − P ( Z = 0) > 0, 99 | −1
0, 99n < 0, 01 | ln ( )
n · ln (0, 99) < ln (0, 01) |: ln (0, 99) Achtung: ln (0, 99) < 0 !
ln (0, 01)
n>
ln (0, 99)
n > 458, 21
Es müssen mindestens 459 Personen getestet werden, damit sich unter ihnen mit einer Wahr-
scheinlichkeit von mindestens 99% eine Person mit Blutgruppe AB Rh- befindet.
X bezeichnet die Anzahl der Untersuchungen pro Gruppe von k Personen. Eine Person ist mit
einer Wahrscheinlichkeit von 0, 07% mit dem HIV-Virus infiziert.
Erst wird das Blutgemisch untersucht. Wenn hier kein HIV-Virus festgestellt wird, bleibt dies die
einzige Untersuchung. Wird der Virus festgestellt, so werden alle k Personen einzeln getestet;
zusammen mit der Untersuchung des Blutgemischs sind dann also k + 1 Untersuchungen nötig.
Es gibt also die beiden Möglichkeiten:
Eine Person ist mit 99, 03% nicht mit dem Virus infiziert. Die Wahrscheinlichkeit dafür, dass
unter den k Personen keine mit dem Virus infiziert ist, liegt also bei p1 = 0, 9903k .
Dies ist auch die Wahrscheinlichkeit dafür, dass der Test nur einmal durchgeführt werden muss,
d.h.:
P ( X = 1) = 0, 9903k
Hier muss mindestens eine Person mit dem Virus infiziert sein. Das ist genau das Gegenereignis
zum ersten Fall, in dem keine Person mit dem Virus infiziert war. Die Wahrscheinlichkeit dafür,
dass mindestens eine Person mit dem Virus infiziert ist, liegt also bei p2 = 1 − p1 = 1 − 0, 9903k .
Dies ist ebenfalls die Wahrscheinlichkeit dafür, dass k + 1 Untersuchungen notwendig sind, d.h.:
P ( X = k + 1) = 1 − 0, 9903k
E ( X ) = P ( X = 1) · 1 + P ( X = k + 1) · ( k + 1)
= 0, 9993k + 1 − 0, 9993k · (k + 1)
= 0, 9993k + k + 1 − 0, 9993k · k − 0, 9993k
= k + 1 − 0, 9993k · k
So viele Test müssten also erwartungsgemäß pro Gruppe von k Personen durchgeführt werden.
Würden die Personen einzeln getestet, so wären pro Gruppe von k Personen auch k Untersu-
chungen notwendig.
Die Ersparnis durch die Gruppentests ist also die Differenz der beiden Werte:
k − k + 1 − 0, 9993k · k = k − k − 1 + 0, 9993k · k = −1 + 0, 9993k · k = 0, 9993k · k − 1
Dies ist die Ersparnis der Untersuchungen pro Gruppe. Wir sollen die Ersparnis pro Person
angeben. Eine Gruppe besteht aus k Personen; um die Ersparnis pro Person anzugeben wird
also der Wert von oben durch k geteilt:
0, 9993k · k − 1 0, 9993k · k 1 1
G (k) = = − = 0, 9993k −
k k k k
Pro Person werden durch den Gruppentest also G (k ) = 0, 9993k − 1k Untersuchungen eingespart.
In einer Gruppe von 40 Personen führt die Gruppenuntersuchung zu einer Ersparnis von etwa
0, 9474 Tests pro Person.
Der Anteil der Bevölkerung mit Blutgruppe B schwankt zwischen 10% und 20%, d.h.
0, 1 ≤ p ≤ 0, 2.
Z
Sei Z die Anzahl der Personen mit Blutgruppe B. Dann ist n der Anteil der Personen mit
Blutgruppe B am Umfang der Stichprobe. Dieser Anteil soll sich um weniger als 0, 05 vom
tatsächlichen Anteil - d.h. von p - unterscheiden und dies mit einer Wahrscheinlichkeit von
mindestens 90%. Das heißt:
P p − 0, 05 ≤ Xn ≤ p + 0, 05 ≥ 0, 9
P ( p · n − 0, 05n ≤ X ≤ p · n + 0, 05n) ≥ 0, 9
P (np − 0, 05n ≤ X ≤ np + 0, 05n)
Der Erwartungswert ist in unserer Ungleichung oben repräsentiert durch np. Somit ist 0, 05n un-
sere Standardabweichung. Diese muss mindestens 1, 64σ betragen, damit die Gleichung erfüllt
ist. Wenn 0, 05n < 1, 64σ ist, so liegt unser X nicht mehr in der 1, 64σ-Umgebung:
0, 05n ≥ 1, 64σ
p
0, 05n ≥ 1, 64 · np · (1 − p) |: n
p
1, 64 np · (1 − p) √ 2
0, 05 ≥ |n= n
n
p
np · (1 − p)
0, 05 ≥ 1, 64 · √ 2
n
r
np (1 − p)
0, 05 ≥ 1, 64 ·
n2
r
p (1 − p )
0, 05 ≥ 1, 64 ·
n
Soweit, so gut. In der Aufgabenstellung wurde gegeben, dass 0, 1 ≤ p ≤ 0, 2. Dies haben wir
bisher noch nicht verwendet. 0, 05 soll größer oder gleich dem Term auf der rechten Seite sein.
Somit setzen wir für p = 0, 2 ein, weil dies der größtmögliche Wert ist, den p annehmen kann.
Somit ist gewährleistet, 0, 05 in jedem Fall größer als der Term wird.
r
0, 2 · 0, 8
0, 05 ≥ 1, 64 ·
n
r
0, 16
0, 05 ≥ 1, 64 ·
n
0, 4
0, 05 ≥ 1, 64 · √
n
0, 656 √
0, 05 ≥ √ |: n : 0, 05
n
√ 0, 656
n≥
0, 05
√
n ≥ 13, 12 | ( )2
n ≥ 172, 1344
Es müssen mindestens 173 Personen getestet werden, damit der Anteil der Personen mit Blut-
gruppe B um höchstens 5% vom tatsächlichen Anteil abweicht.
e) p berechnen (10P)
Sei Z die Anzahl der Personen mit Blutgruppe B. Es gilt: n = 200 und k = 17, p ist unbekannt.
Allerdings soll der Wert 17 um maximal 2σ vom tatsächlichen Erwartungswert n · 200 abwei-
chen, d.h. es muss gelten:
µ − 2σ ≤ 17 ≤ µ + 2σ | n = 200
p p
200p − 2 200p · (1 − p) ≤ 17 ≤ 200p + 2 200p (1 − p)
Diese Ungleichung kann in zwei Ungleichungen aufgeteilt werden. Wir betrachten die beiden
und lösen sie auf, soweit es geht:
1. Ungleichung
p
200p − 2 200p (1 − p) ≤ 17 | −200p
p
−2 200p (1 − p) ≤ 17 − 200p | · (−1)
p
2 200p (1 − p) ≥ 200p − 17 | ( )2
2. Ungleichung
p
200p + 2 200p (1 − p) ≥ 17 | −200p
p
2 200p (1 − p) ≥ 17 − 200p | ( )2
Es lassen sich also beide Ungleichungen auf die gleiche Form bringen. Wir lösen nach p auf.
An dieser Stelle führen wir eine quadratische Ergänzung durch, um eine binomische Formel zu
erhalten. Diese hat die Form ( a − b)2 = a2 − 2ab + b2 .
19
In unserem Fall ist also a = p und 2ab = 102 p. Diesen Term lösen wir nach b auf:
19
2ab = 102 p |a=p
19
2pb = 102 p |: 2p
19
b= 204
2
19
Für b2 ergibt sich also b2 = 204 .
2 19 19 2 19 2 17
p − p+ − + ≤0
102 204 204 2400
19 2 19 2 17
p− − + ≤0
204 204 2400
2
19 2 19 17
p− ≤ −
204 204 2400
19 2 √
p− ≤ 0, 001591 |
204
Beim Wurzelziehen ergeben sich rechts ein positives und ein negatives Ergebnis:
√ 19 √
− 0, 001591 ≤ p − ≤ 0, 001591
204
19 19
−0, 03989 ≤ p − ≤ 0, 03989 |+
204 204
0, 053 ≤ p ≤ 0, 133
Wenn also 0, 053 ≤ p ≤ 0, 133, d.h. wenn der tatsächliche Prozentsatz p zwischen 5, 3% und
13, 3% liegt, so weicht der ermittelte Wert der Untersuchung um höchstens 2σ vom Erwartungs-
wert ab.
Aufgabe 5
a) Berechnung der drei Wahrscheinlichkeiten (12P)
X sei die Anzahl der Treffer von Nowitzki bei 10 Versuchen.
Da es bei den Versuchen nur zwei Ausgänge geben kann − Nowitzki trifft oder eben nicht − ist
X binomialverteilt, wobei n = 10 Versuche sind. Da Nowitzki weiterhin eine Trefferquote von
90, 4% besitzt, kann also Trefferwahrscheinlichkeit p = 0, 904 angegeben werden.
Hier ist die Wahrscheinlichkeit dafür, dass X = 8 gilt. Die Wahrscheinlichkeit kann mit der
Formel von Bernoulli berechnet werden:
10
P ( X = 8) = · 0, 9048 · 0, 0962
8
≈ 0, 185 = 18, 5%
Mit einer Wahrscheinlichkeit von ca. 18, 5% trifft Nowitzki bei 10 Versuchen genau 8 Mal.
Hier ist nun die Wahrscheinlichkeit dafür gesucht, dass X ≤ 8 ist. Über das Gegenereignis ergibt
sich:
P( X ≤ 8) = 1 − P( X ≥ 9) = 1 − [ P( X = 9) + P( X = 10)]
10 9 1 10 10 0
= 1− · 0, 904 · 0, 096 + · 0, 904 · 0, 096
9 10
≈ 1 − (0, 3871 + 0, 3645) = 0, 2484 = 24, 84%
Mit einer Wahrscheinlichkeit von ca. 25% trifft Nowitzki bei 10 Würfen höchstens 8 Mal.
Auch diese Wahrscheinlichkeit muss über das Gegenereignis bestimmt werden. Das Gegener-
eignis zu Nowitzki trifft höchstens 4 Mal hintereinander“ ist dabei logischerweise Nowitzki
” ”
trifft genau 5 Mal hintereinander“.
Die Wahrscheinlichkeit für das Gegenereignis ergibt sich nach der einfachen Pfadregel zu
0, 9045 ≈ 0, 604.
Mit einer Wahrscheinlichkeit von ca. 39, 6% trifft Nowitzki höchstens 4 Mal hintereinander bei
einem Freiwurf.
b) (1) Untersuchung für den Erwartungswert von Heim- und Auswärtsspielen (10P)
Dirk Nowitzki trifft bei Freiwürfen mit einer Wahrscheinlichkeit von 90, 4%.
Auf Auswärtsspielen hatte er 263 Freiwürfe. Der Erwartungswert liegt al-
so bei µ = n · p = 263 · 0, 904 = 237, 752, die Standardabweichung σ liegt bei
p √
σ = n · p (1 − p) = 237, 751 · 0, 096 ≈ 4, 77
Die Standardabweichung σ ist also größer als 3, somit gilt: P ( X ≥ µ − 1, 64σ ) ≈ 0, 95.
Das heißt, dass die Trefferanzahl nur dann signifikant unter dem Erwartungswert liegt, wenn
sie außerhalb der 1, 64σ-Umgebung der Erwartungswert liegen, d.h. wenn P ( X < µ − 1, 64σ ).
Der Erwartungswert liegt bei µ = 237, 751, die tatsächliche Trefferanzahl weicht also um
237, 751 − 231 = 6, 751 vom Erwartungswert ab. Wir prüfen nun, welcher σ-Umgebung dieser
Wert liegt:
231 = µ − y · σ
231 = 237, 751 − y · 4, 77 | −237, 751
1, 415 = y
Die Trefferanzahl liegt also in der 1, 415σ-Umgebung des Erwartungswerts, welche ihrerseits
kleiner ist als die 1, 64σ-Umgebung. Die Trefferanzahl weicht also nicht signifikant vom Erwar-
tungswert ab:
Zunächst müssen wir die Wahrscheinlichkeit bestimmen, mit der Nowitzki bei Heimspielen
einen Freiwurf trifft. Wir wissen, dass er in dieser Saison von 288 Versuchen 267 Treffer hatte:
267
p= = 0, 927 =
b 92, 7%
288
Das weitere Vorgehen verläuft genau wie bei (1). Angewandt auf die Anzahl der
Freiwürfe, die er in Auswärtsspielen insgesamt hatte, ergibt sich ein Erwartungswert von
µ = 0, 927 · 263 = 243, 801.
p √
Die Standardabweichung beläuft sich auf σ = 243, 801 · (1 − 0, 927) = 17, 797 ≈ 4, 22.
Da wieder σ > 3, gilt wiederum P ( X ≥ µ − 1, 64σ ) ≈ 0, 95. Wir prüfen wieder, in welcher σ-
Umgebung des Erwartungswerts unser tatsächlicher Wert liegt:
231 = µ − y · σ
231 = 243, 801 − y · 4, 22 | −243, 801
3, 03 ≈ y
Es ist leicht zu sehen, dass die 3, 03σ-Umgebung um einiges größer ist als die 1, 64σ-Umgebung.
Die Trefferanzahl bei Auswärtsspielen weicht also signifikant vom Erwartungswert für Heim-
spiele ab.
Es wird die Behauptung als Nullhypothese bezeichnet, die in dem Test verworfen werden soll.
Daher wird als Nullhypothese zum Beispiel festgelegt, dass Nowitzkis Trefferquote unverändert
geblieben ist. Somit besagt H0 : p0 ≥ 0, 9.
Weiterhin wird als Gegenhypothese die Vermutung des Trainers verwendet, dass Nowitzkis
Trefferquote nämlich gesunken ist. Es ist damit H1 : p1 < 0, 9.
Die Nullhypothese wird genau dann abgelehnt, wenn sich zeigt, dass Nowitzki bei den 50
Freiwürfen nur sehr wenige Treffer erzielt. Als Ablehnungsbereich wird damit
A = {0; 1; ...; k } und als Annahmebereich A = {k + 1; k + 2; ...; 50} festgelegt.
p1 < 0, 9 p0 ≥ 0, 9
0 Ablehnungsbereich k k+1 n = 50
Annahmebereich
Bei wahrer Nullhypothese ist X B50; 0,9 -verteilt. Das Signifikanzniveau von 10% gibt an, mit wel-
cher maximalen Wahrscheinlichkeit X trotz dieser Verteilung einen Wert aus dem Ablehnungs-
bereich (X ≤ k) annimmt. Es handelt sich hierbei um eine Fehlerwahrscheinlichkeit:
P( X ≤ k ) ≤ 0, 1
Es muss mithilfe der stochastischen Tabelle die größte Zahl k bestimmt werden, die die obige
Ungleichung noch erfüllt. Es ist erkennbar:
Hinweis: Beachten Sie, dass die Trefferwahrscheninlichkeit p = 0, 9 in der grauen Zeile als
Gegenwahrscheinlichkeit zu finden ist, daher muss für die Wahrscheinlichkeitsbestimmung
1 − Tabellenwert gerechnet werden!
Wenn Nowitzki nur maximal 41 Mal trifft, d.h. weniger als 42 Mal, dann hat der Trainer mit
seiner Vermutung, dass die Trefferquote gesunken ist, Recht. Dies ist auf dem Signifikanzniveau
von 10% gesichert.
Wir stellen den Sachverhalt zunächst in einem Baumdiagramm dar. Nowitzki bestritt insgesamt
41 + 37 = 78 Spiele in dieser Saison, d.h. die Wahrscheinlichkeit für ein Heimspiel liegt allge-
41
mein bei p = 78 ≈ 0, 526, entsprechend für ein Auswärtsspiel bei 1 − 0, 526 = 0, 474.
267
Weiterhin ist bekannt, dass er bei einem Heimspiel mit einer Wahrscheinlichkeit von p = ≈ 288
0, 927 einen Freiwurf verwandelt, bei einem Auswärtsspiel mit einer Wahrscheinlichkeit von
p = 231
263 ≈ 0, 878.
0, 92710 F 24, 6%
Sei H das Ereignis Heimspiel“ und F das Er- H
”
eignis Freiwurf getroffen“. 0, 474 F 27, 95%
”
1 − 0, 92710
Es wurden 10 von 10 Freiwürfen verwandelt.
Die Wahrscheinlichkeit dafür beträgt jeweils
p10 .
0, 526 0, 87810 F 12, 9%
H
F 34, 5%
1 − 0, 87810
Wir sollen eine bedingte Wahrscheinlichkeit bestimmen, nämlich PF ( H ). Das würde aber be-
deuten, dass wir rechnen müssen:
P (F ∩ H)
PF ( H ) = . In unserem Baumdiagramm lässt sich P ( F ∩ H ) aber nicht ablesen. Wir
P ( F)
müssen das Diagramm also umgekehrt zeichnen. Die Wahrscheinlichkeiten am Ende für z.B.
einen verwandelten Freiwurf bei einem Auswärtsspiel verändern sich dabei nicht:
H 24, 6%
F
H 12, 9%
H 27, 9%
F
H 34, 5%
Berechnen wir nun die Wahrscheinlichkeit für PF ( H ). Dazu wird P ( F ∩ H ) und P ( F ) benötigt:
P ( F ∩ H ) = 24, 6% =
b 0, 246
Die Wahrscheinlichkeit für P ( F ) = ( H ∩ F ) + P H ∩ F lesen wir wieder aus dem ersten Baum-
diagramm ab:
P ( F ) = P ( H ∩ F ) + P H ∩ F = 0, 246 + 0, 129 = 0, 375
Betrachten wir zunächst allgemein die möglichen Ausgänge der beiden Freiwürfe und deren
Wahrscheinlichkeiten. Sei dabei Z die Anzahl der getroffenen Freiwürfe und p die Wahrschein-
lichkeit, einen Freiwurf zu treffen.
P ( Z = 2) = (22) p2 = p2
P ( Z = 1) = (21) p · (1 − p) = 2p (1 − p)
Die Siegchancen sollen in abhängig vom vorherigen Spielstand bestimmt werden. Überlegen
wir, was für Spielstände in Frage kommen. Um überhaupt von Sieg“-Chancen sprechen zu
”
können, darf die Mannschaft des Spielers natürlich nicht verlieren können, sondern muss min-
destens ein Unentschieden erreichen können durch die beiden Freiwürfe. Somit ergeben sich die
drei Fälle:
1. 2 Punkte im Rückstand
2. 1 Punkt im Rücktstand
3. Gleichstand
Mit einer Wahrscheinlichkeit von p2 erreicht die Mannschaft Gleichstand und zieht in die
Verlängerung ein. Laut Aufgabenstellung herrscht hier eine Siegeswahrscheinlichkeit von 50%.
Somit gilt eine Wahrscheinlichkeit von p2 · 0, 5.
Es gibt zwei Möglichkeiten, das Spiel zu gewinnen. Entweder durch Führung, dann müsste der
Spieler beide Freiwürfe verwandeln. Sei A das Ereignis Sieg, wenn beide Freiwürfe getroffen“:
”
P ( A ) = p2 .
Die zweite Möglichkeit ist, nur einen der beiden Freiwürfe zu treffen und dann in die
Verlängerung zu ziehen. Sei B das Ereignis Sieg, wenn ein Freiwurf getroffen“: P ( B) =
”
2p (1 − p) · 0, 5
P ( A) + P ( B) = p2 + 0, 5 · 2p (1 − p)
= p2 + p − p2 = p
Fall 3: Gleichstand
Es gibt nun die Möglichkeit, alle Chancen auf einen Sieg zusammenzuzählen, oder diese Wahr-
scheinlichkeit über das Gegenereignis zu bestimmen, welches lautet: Kein Freiwurf verwandelt
”
und Verlängerung verloren“. Die Wahrscheinlichkeit hierfür wäre q = (1 − p)2 · 0, 5.
1 − q = 1 − 0, 5 (1 − p)2
(2) p bestimmen
Aus dem ersten Teil von Aufgabenteil e) ist bekannt, dass die Wahrscheinlichkeit für einen Sieg
bei einem Gleichstand bei 1 − 0, 5 (1 − p)2 liegt.
Diese Wahrscheinlichkeit soll bei mindestens 99, 5% liegen, d.h.
1 − 0, 5 (1 − p)2 ≥ 0, 995 | −1
2
−0, 5 (1 − p) ≥ 0, 005 | ·(−1)
2
0, 5 · (1 − p) ≤ 0, 005 | ·2
2 √
(1 − p) ≤ 0, 01 |
1 − p ≤ 0, 1 | −1
− p ≤ −0, 9 | ·(−1)
p ≥ 0, 9
Bei p ≥ 0, 9 gewinnt die Mannschaft des werfenden Spielers bei Gleichstand mit einer Wahr-
scheinlichkeit von mindestens 99, 5%, d.h. der werfende Spieler muss einen Freiwurf mit einer
Wahrscheinlichkeit von mindestens 90% treffen.
Aufgabe 6
a) Berechnung der Wahrscheinlichkeiten der drei Ereignisse (11P)
X sei die Anzahl der Lesefans unter den 8 befragten Personen. Da eine Person nur ein Lesefan
sein kann oder eben nicht, kann X als binomialverteilt mit n = 8 sowie p = 0, 25 gesehen
werden, da laut Zeitungsartikel nun 25% aller Personen zu den Lesefans gehören.
Hier ist die Wahrscheinlichkeit für X = 2 Lesefans gefragt, die nach der Formel von Bernoulli
berechnet werden muss:
8
P ( X = 2) = · 0, 252 · 0, 756 ≈ 0, 3115 = 31, 15%
2
Mit einer Wahrscheinlichkeit von ca. 31% finden sich unter den 8 Personen genau 2 Lesefans.
Diese Wahrscheinlichkeit wird über das Gegenereignis bestimmt, wobei die Werte für P( X = 2)
und P( X = 0) von den obigen Wahrscheinlichkeiten übernommen werden können:
P( X ≥ 3) = 1 − P( X ≤ 2) = 1 − [ P( X = 0) + P( X = 1) + P( X = 2)]
8
≈ 1 − 0, 1001 + · 0, 251 · 0, 757 + 0, 3115 ≈ 0, 3214 = 32, 14%
1
Mit einer Wahrscheinlichkeit von ca. 32% finden sich unter den 8 Personen mindestens 3 Lese-
fans.
Die Befragten haben zwei Möglichkeiten, zu antworten, nämlich Leseratte“ oder keine Le-
” ”
seratte“. Diese beiden Antwortsmöglichkeiten werden durch die roten und weißen Kugeln re-
präsentiert.
Aus der Umfrage geht hervor, dass der Anteil der Leseratten bei 25% liegt, d.h. 75% der Befrag-
ten bezeichnen sich nicht als Leseratte.
Auch diese prozentuale Verteilung lässt sich in Annas Modell wieder finden: Es gibt 40 Kugeln,
von denen 10 - also 25% - rot sind und 30 - also 75% weiß.
Aus diesen zieht sich 8 Kugeln, was die Anzahl der befragten Leute repräsentiert. Da jede dieser
Personen nur einmal befragt werden, zieht sie die Kugeln ohne Zurücklegen.
Das Problem an Annas Modell ist die geringe Anzahl an Kugeln. Während bei der Umfrage die
Wahrscheinlichkeiten weitgehend gleich bleiben, verändern sich bei Annas Modell die Wahr-
scheinlichkeiten schnell:
Beim ersten Zug z.B. beträgt die Wahrscheinlichkeit dafür, eine rote Kugel zu ziehen, 25%. Beim
zweiten Zug allerdings sind ja nur noch 7 Kugeln in insgesamt 39 Kugeln vorhanden, d.h. die
7
Wahrscheinlichkeit beträgt nur noch 39 ≈ 17, 94%.
Deshalb ist Annas Modellversuch nicht binomialverteilt: die Wahrscheinlichkeiten bleiben nicht
gleich.
Die Umfrage aus Aufgabenteil a) hingegen kann als binomialverteilt betrachtet werden. Es wur-
den 2.500 Personen gefragt, unter denen sich laut den Ergebnissen 25% Leseratten befinden.
Würden wir diesen Versuch direkt auf ein Urnenmodell übetragen, d.h. mit 2500 Kugeln,
würden sich die Wahrscheinlichkeiten aufgrund der hohen Kugelanzahl verhältnismäßig we-
nig ändern. Somit kann von einer Binomialverteilung mit n = 2500 und p = 0, 25 ausgegangen
werden.
Der Fehler 1. Art besteht im Ablehnen einer eigentlich richtigen Hypothese. In diesem Fall wäre
es also der Fehler, dass der Anteil der Lesefans 25% beträgt, die Hypothese dennoch abgelehnt
wird.
Sei Z die Anzahl der Leseratten. Die Hypothese H0 : p = 0, 25 wird genau dann angenommen,
wenn 581 ≤ Z ≤ 669. Abgelehnt wird sie, wenn dies nicht der Fall ist:
q = 1 − P (581 ≤ Z ≤ 669)
Wir gehen von p = 0, 25 und n = 2500, sowie von einer Binomialverteilung aus. Betrachten wir
zunächst den Erwartungswert und die Standardabweichung.
µ = n · p = 2500 · 0, 25 = 625
p √ √
σ = n · p · (1 − p) = 625 · 0, 75 = 468, 75 ≈ 21, 65
= 0, 9803 − (1 − 0, 9803)
= 0, 9606
q = 1 − 0, 9606 = 0, 0394
Mit Z = 585 liegt die Anzahl der Lesefans in dem akzeptablen Bereich 581 ≤ Z ≤ 669. Somit
wird die Hypothese H0 : p = 0, 25 nicht durch den Test widerlegt.
Andererseits weicht die Anzahl der Lesefans bereits um 625 − 585 = 40 vom Erwartungswert ab.
Das Ergebnis könnte also auch unter Annahme anderer Wahrscheinlichkeiten zu Stande kom-
men.
X sei dabei die Anzahl der Lesefans, die unter den 2.500 befragten Personen. Wenn H0 wahr ist,
ist diese Zufallsgröße binomialverteilt mit n = 2.500 sowie p = 0, 22. Für den Erwartungswert
µ sowie die Standardabweichung σ von X ergibt sich:
µ = n · p = 2.500 · 0, 22 = 550
p √
σ = n · p · (1 − p) = 2.500 · 0, 22 · 0, 78 ≈ 20, 71
Weil hier die Standardabweichung σ > 3 ist, kann die in der Aufgabenstellung gegebene
Näherung angewandt werden. Sie besagt, dass sich X mit einer Wahrscheinlichkeit von ca. 90%
im Bereich [µ − 1, 64σ; µ + 1, 64σ ] befindet.
Wegen der symmetrischen Verteilung befinden sich die Werte von X damit mit 5% Wahr-
scheinlichkeit im Bereich zwischen 0 und dem Wert µ − 1, 64σ [P( X < µ − 1, 64σ ) ≈ 0, 05]
und ebenso mit einer Wahrscheinlichkeit von ca. 5% im Bereich zwischen µ + 1, 64σ und 2.500
[P( X > µ + 1, 64σ ) ≈ 0, 05].
Da die Nullhypothese ihren Ablehnungsbereich auf der linken Seite hat, müssen wir die linke
Randwahrscheinlichkeit“ P( X < µ − 1, 64σ ) betrachten:
”
P( X < µ − 1, 64σ ) ≈ 0, 05
P( X < 550 − 1, 64 · 20, 71) ≈ 0, 05
P( X < 516, 032) ≈ 0, 05 = α
Die Wahrscheinlichkeit, dass X (unter der wahren Nullhypothese) fälschlicherweise einen Wert
kleiner 516 annimmt, ist somit genauso groß wie unser Signifikanzniveau. Damit wird H0 genau
dann abgelehnt, wenn maximal 516 Lesefans unter den 2.500 Personen auftreten.
Da bei dem vorliegenden Test nur 502 Lesefans aufgetreten sind, erweist sich hier die Nullhy-
pothese als falsch. Die Firma hat mit ihrer Behauptung, dass Anteil der Lesefans kleiner als 22%
ist, Recht.
Da sie die Nullhypothese nun ablehnt, kann sie den Fehler 1. Art begehen. Das bedeutet, dass
sie nun ihre Behauptung als bestätigt sieht, obwohl in Wirklichkeit doch mehr als 22% aller
Deutschen Lesefans sind.
Wegen des Signifikanzniveaus beträgt die Wahrscheinlichkeit für diesen Fehler α = 5%.
Schreiben wir das, was in der Aufgabenstellung gegeben ist, einfach mathematisch auf:
Die relative Häufigkeit soll sich um maximal 0, 02 vom Anteil p = 0, 27 unterscheiden. Es gilt
also:
X
0, 27 − 0, 02 ≤ n ≤ 0, 27 + 0, 02
X
0, 25 ≤ n ≤ 0, 29 | ·n
0, 25n ≤ X ≤ 0, 29n
(2) n bestimmen
Es ist ein möglichst kleines n gesucht, sodass die Wahrscheinlichkeit des Ereignisses mindestens
95% beträgt. Das Ereignis“ ist in diesem Fall: E : Die relative Häufigkeit weicht um höchstens
” ”
0, 02 von p ab“. Das bedeutet:
Um die Φ-Funktion anwenden zu können, benötigen wir zunächst den Erwartungswert und die
Standardabweichung:
µ = n · p = 0, 27 · n
p p √
σ = n · p · (1 − p) = 0, 27p · 0, 73 = 0, 1971n
n ≥ 1892, 75
Es müssen mindestens 1893 Personen befragt werden, damit die Wahrscheinlichkeit mindestens
95% beträgt.
Aufgabe 7
a) Beschreiben, welche Fehlentscheidung vermieden werden soll (10P)
Die Nullhypothese H0 : p < 0, 4 soll überprüft werden, damit nicht fälschlicherweise auf ei-
ne Fernsehwerbung verzichtet wird. Herr Reinlich Junior hat also Angst, die Fernsehwerbung
nicht durchzuführen, obwohl der Bekanntheitsgrad des Waschmittels tatsächlich unter 40%
liegt.
Entscheidungsregel ermitteln
Es werden 800 Personen befragt, wobei von einem Bekanntheitsgrad von 40% ausgegangen
wird. Bei dieser Umfrage gibt es nur zwei mögliche Ergebnisse, nämlich bekannt“ oder un-
” ”
bekannt“.
Sei Z die Anzahl der Personen, denen das Waschmittel bekannt ist. Dann ist Z mit n = 800 und
p = 0, 4 binomialverteilt.
Da σ > 3 ist, wird die Laplace Bedingung erfüllt und wir können φ (z) aus dem Tafelwerk
entnehmen.
P ( Z > a) ≤ 0, 05
P ( Z ≤ a) ≥ 1 − 0, 05 = 0, 95 | Tafelwerk: φ (1, 64) ≈ 0, 95
a + 0, 5 ≥ µ + 1, 64 · σ | µ = 320, σ = 13, 86
a ≥ 342, 23
Wenn das Waschmittel mehr als 342 der Befragten bekannt ist, wird die Nullhypothese verwor-
fen, d.h. es wird auf eine Fernsehwerbung verzichtet.
Im Gegensatz zu Herrn Reinlich Junior, will Herr Reinlich Senior die Hypothese H0 : p ≥ 0, 4
überprüfen. Er hat also Angst, dass eine Fernsehwerbung durchgeführt wird, obwohl das
Waschmittel mehr als 40% der Bevölkerung bekannt ist.
Irrtumswahrscheinlichkeit berechnen
Sei Z wieder die Anzahl der Personen, denen das Waschmittel bekannt ist. Wie oben gilt µ = 320,
σ = 13, 86, da immer noch n = 800 und p = 0, 4 gelten. Z ist wieder binomialverteilt.
290 − µ + 0, 5
P ( Z ≤ 290) ≈ φ
σ
−29, 5
≈ φ
13, 86
Die Wahrscheinlichkeit dafür, dass die Nullhypothese verworfen wird, obwohl der Bekannt-
heitsgrad lediglich 35% beträgt ist genau die Wahrscheinlichkeit dafür, dass sich für n = 800
und p = 0, 35 mehr 290 Personen unter den Befragten befinden, denen das Waschmittel bekannt
ist.
Der Erwartungswert und die Standardabweichung sind diesmal also anders mit µ = 800 ·
p √
0, 35 = 280 und σ = 280 · (1 − 0, 35) = 182 ≈ 13, 49:
≈ 1 − 0, 7823 ≈ 2177 =
b 21, 77%
Die Entscheidungsregel führt mit einer Wahrscheinlichkeit von 21, 77% zu einem Fehler.
Der Bekanntheitsgrad von Reinil liegt bei 40%, d.h. mit einer Wahrscheinlichkeit von p = 0, 4
wird das Kästchen angekreuzt. Es gibt 8 Kästchen in jeder Zeile. Vergleichen wir dies mit ei-
nem Urnenmodell. Es handelt sich also um einen 8-stufigen Zufallsversuch, bei dem sich die
Wahrscheinlichkeit nie ändert:
Mit einer Wahrscheinlichkeit von 23, 22% sind genau 4 Kästchen angekreuzt.
P (K ≥ 4) = 1 − P (K ≤ 3) = 1 − 0, 5941 = 0, 4059 =
b 40, 59%
Der Wert für P (K ≤ 3) für n = 8 und p = 0, 4 lässt sich dem Tafelwerk entnehmen.
Mit einer Wahrscheinlichkeit von 40, 59% sind mindestens 4 Kästchen angekreuzt.
Sei L die Anzahl der leeren Zeilen. Dann ist L binomialverteilt mit n = 100 und p = 0, 0168:
100
P ( L = 0) = (100 0
0 ) · p · (1 − p ) = 0, 99832100 ≈ 0, 1837
Mit einer Wahrscheinlichkeit von 18, 37% ist keine der Zeilen leer. Das heißt, dass mit einer
Wahrscheinlichkeit von 100% − 18, 37% = 81, 63% mindestens eine leere Zeile auftritt.
Somit ist die Vermutung, der Mitarbeiter habe sich vertan, wenn in jeder Zeile mindestens ein
Kreuz ist, bestätigt.
P ( B) = 0, 04 + 0, 006 = 0, 046
Die Wahrscheinlichkeit, dass dem Käufer das Waschmittel vorher bekannt war, liegt bei
P ( A ∩ B) = 0, 04:
P ( A ∩ B) 0, 04
PA ( B) = = = 0, 8695
P ( B) 0, 046
Mit einer Wahrscheinlichkeit von 86, 95% war dem Käufer das Waschmittel vor dem Kauf be-
kannt.