Gesucht ist k mit P(X=k)

Wenn ihr alles andere habt und nur noch das k sucht, dann gibt es drei Möglichkeiten: text{Fall 1:} quad P(X=k) text{Fall 2:} quad P(X le k) text{Fall 3:} quad P(X ge k) Wir behandeln in diesem Glossarbegriff nur Fall 1. Der Grundgedanke ist einfach: Wir kennen bereits die Gesamtanzahl der Versuche n , die Trefferwahrscheinlichkeit p und das fertige Ergebnis der Wahrscheinlichkeit. Nun wollen wir rückwärts herausfinden, für welche genaue Trefferanzahl k diese Wahrscheinlichkeit erreicht wird. Klicke im Diagramm auf verschiedene Balken oder verschiebe die Auswahl – bei welchem Wert k ist der Balken am höchsten und wie hängt dieser Wert mit dem Erwartungswert mu zusammen? Vermute erst! Bei einer Binomialverteilung gibt es drei Fragestellungen, wenn die Trefferanzahl k gesucht ist: text{Fall 1:} quad P(X = k) = p { text{Ziel}} quad text{(Genaue Trefferanzahl)} text{Fall 2:} quad P(X le k) le p { text{Ziel}} quad text{(Höchstens-Wahrscheinlichkeit)} text{Fall 3:} quad P(X ge k) le p { text{Ziel}} quad text{(Mindestens-Wahrscheinlichkeit)} Hier betrachten wir ausschließlich Fall 1 : die Suche nach einer genauen Trefferanzahl k für eine vorgegebene Punktwahrscheinlichkeit. Das Prinzip ist eine „Rückwärtsrechnung“: Die Gesamtzahl der Versuche n und die Trefferwahrscheinlichkeit p sind bekannt. Gesucht ist diejenige Trefferzahl k , die möglichst exakt die gewünschte Zielwahrscheinlichkeit p { text{Ziel}} liefert. Erkundungsauftrag: Verändere im Diagramm den Wert für p und beobachte d

Worum geht's?

Wenn ihr alles andere habt und nur noch das k k k sucht, dann gibt es drei Möglichkeiten: Fall 1: P ( X = k ) \text{Fall 1:} \quad P(X=k) Fall 1: P ( X = k ) Fall 2: P ( X ≤ k ) \text{Fall 2:} \quad P(X \le k) Fall 2: P ( X ≤ k ) Fall 3: P ( X ≥ k ) \text{Fall 3:} \quad P(X \ge k) Fall 3: P ( X ≥ k ) Wir behandeln in diesem Glossarbegriff nur Fall 1. Der Grundgedanke ist einfach: Wir kennen bereits die Gesamtanzahl der Versuche n n n , die Trefferwahrscheinlichkeit p p p und das fertige Ergebnis der Wahrscheinlichkeit. Nun wollen wir rückwärts herausfinden, für welche genaue Trefferanzahl k k k diese Wahrscheinlichkeit erreicht wird.
Binomialverteilung B(20; 0,4) → B(20; 0,40)
0.000.050.100.150.2102468101214161820μ−σμμ+σk
μ = n·p = 8.00  |  σ ≈ 2.19
markiert: k = 8 … 8 → P ≈ 0.1797
Klicke im Diagramm auf verschiedene Balken oder verschiebe die Auswahl – bei welchem Wert k k k ist der Balken am höchsten und wie hängt dieser Wert mit dem Erwartungswert μ \mu μ zusammen? Vermute erst! Bei einer Binomialverteilung gibt es drei Fragestellungen, wenn die Trefferanzahl k k k gesucht ist: Fall 1: P ( X = k ) = p Ziel (Genaue Trefferanzahl) \text{Fall 1:} \quad P(X = k) = p_{\text{Ziel}} \quad \text{(Genaue Trefferanzahl)} Fall 1: P ( X = k ) = p Ziel ​ (Genaue Trefferanzahl) Fall 2: P ( X ≤ k ) ≤ p Ziel (H o ¨ chstens-Wahrscheinlichkeit) \text{Fall 2:} \quad P(X \le k) \le p_{\text{Ziel}} \quad \text{(Höchstens-Wahrscheinlichkeit)} Fall 2: P ( X ≤ k ) ≤ p Ziel ​ (H o ¨ chstens-Wahrscheinlichkeit) Fall 3: P ( X ≥ k ) ≤ p Ziel (Mindestens-Wahrscheinlichkeit) \text{Fall 3:} \quad P(X \ge k) \le p_{\text{Ziel}} \quad \text{(Mindestens-Wahrscheinlichkeit)} Fall 3: P ( X ≥ k ) ≤ p Ziel ​ (Mindestens-Wahrscheinlichkeit) Hier betrachten wir ausschließlich Fall 1 : die Suche nach einer genauen Trefferanzahl k k k für eine vorgegebene Punktwahrscheinlichkeit. Das Prinzip ist eine „Rückwärtsrechnung“: Die Gesamtzahl der Versuche n n n und die Trefferwahrscheinlichkeit p p p sind bekannt. Gesucht ist diejenige Trefferzahl k k k , die möglichst exakt die gewünschte Zielwahrscheinlichkeit p Ziel p_{\text{Ziel}} p Ziel ​ liefert.
Binomialverteilung B(20; 0,4) → B(20; 0,40)
0.000.050.100.150.2102468101214161820μ−σμμ+σk
μ = n·p = 8.00  |  σ ≈ 2.19
markiert: k = 8 … 8 → P ≈ 0.1797
Erkundungsauftrag: Verändere im Diagramm den Wert für p p p und beobachte den Erwartungswert μ \mu μ . Bei welchem k k k -Wert ist die Wahrscheinlichkeit P ( X = k ) P(X = k) P ( X = k ) am größten und wie hängt dieser optimale Wert mathematisch mit n n n und p p p zusammen? Vermute erst, bevor du nachrechnest!

Formel mit Erklärung

Ansatz für die Suche nach k k k : P ( X = k ) ≈ p Ziel P(X = k) \approx p_{\text{Ziel}} P ( X = k ) ≈ p Ziel ​ Dabei gilt: * X X X : Die binomialverteilte Zufallsvariable (zählt die Anzahl der Treffer). * n n n : Die Anzahl der Versuche (Länge der Bernoulli-Kette ). * p p p : Die Trefferwahrscheinlichkeit bei einem einzelnen Versuch. * k k k : Die gesuchte genaue Anzahl an Treffern. * p Ziel p_{\text{Ziel}} p Ziel ​ : Der vorgegebene Wahrscheinlichkeitswert, den wir erreichen wollen. Vorgehen: Da wir die Formel von Bernoulli nicht einfach direkt nach k k k auflösen können, nutzen wir die Tabellenfunktion im Taschenrechner und suchen durch systematisches Ausprobieren das passende k k k . Erster Gedanke zur Orientierung: Wir berechnen zunächst den Erwartungswert μ \mu μ : μ = n ⋅ p \mu = n \cdot p μ = n ⋅ p Dort liegt immer der höchste Balken der Verteilung. Von diesem Startwert aus suchen wir in der Tabelle nach links und rechts.

Beispiele

Leicht#1
Wir starten direkt mit einem einfachen Beispiel: Eine faire Münze wird n = 10 n = 10 n = 10 Mal geworfen ( p = 0,5 p = 0{,}5 p = 0 , 5 ). Die Zufallsvariable X X X zählt, wie oft „Kopf“ fällt, und ist binomialverteilt. Wir suchen eine Anzahl an Treffern k k k so, dass die Wahrscheinlichkeit für genau k k k Treffer ca. 20,5   % 20{,}5\,\% 20 , 5 % (also 0,205 0{,}205 0 , 205 ) beträgt. Übersetzt sieht das Ganze so aus: P ( X = k ) ≈ 0,205 P(X = k) \approx 0{,}205 P ( X = k ) ≈ 0 , 205
B(10; 0,5) mit P(X = 4) → B(10; 0,50)
0.000.070.140.210.28012345678910μ−σμμ+σk
μ = n·p = 5.00  |  σ ≈ 1.58
markiert: k = 4 … 4 → P ≈ 0.2051
Schritt 1: Wir schauen uns den Erwartungswert an: μ = 10 ⋅ 0,5 = 5 \mu = 10 \cdot 0{,}5 = 5 μ = 10 ⋅ 0 , 5 = 5 . Unser gesuchtes k k k liegt also in der Nähe der 5 5 5 . Schritt 2: Wir lassen uns die Werte rund um k = 5 k = 5 k = 5 als Wertetabelle ausgeben:
Wahrscheinlichkeiten für n = 10 und p = 0,5
Treffer kP(X = k)
30,1172
40,2051
50,2461
60,2051
70,1172
Wir sehen direkt, dass bei k = 4 k = 4 k = 4 (und wegen der Symmetrie auch bei k = 6 k = 6 k = 6 ) die Wahrscheinlichkeit bei 0,2051 0{,}2051 0 , 2051 , also ca. 20,5   % 20{,}5\,\% 20 , 5 % liegt. Antwort: Für genau k = 4 k = 4 k = 4 (oder k = 6 k = 6 k = 6 ) Treffer liegt die Wahrscheinlichkeit bei ca. 20,5   % 20{,}5\,\% 20 , 5 % .

Zusammenfassung

Ziel: Bei bekanntem n n n , p p p und gegebener Ziel-Wahrscheinlichkeit suchen wir rückwärts die genaue Trefferanzahl k k k für den Fall P ( X = k ) P(X = k) P ( X = k ) . Vorgehen: Wir lösen die Gleichung nicht per Hand auf, sondern nutzen die Tabellenfunktion im Taschenrechner (durch gezieltes Ausprobieren). Orientierung: Das gesuchte k k k liegt oft in der Nähe vom Erwartungswert μ = n ⋅ p \mu = n \cdot p μ = n ⋅ p . Dort starten wir unsere Suche in der Tabelle. Zwei Lösungen möglich: Da die Binomialverteilung links und rechts vom Gipfel ( μ \mu μ ) wieder abfällt, gibt es oft zwei verschiedene Werte für k k k , die fast die gleiche Wahrscheinlichkeit haben (einen unterhalb und einen oberhalb von μ \mu μ ).

Jetzt üben

Kostenlose Aufgaben mit Lösungsweg zu diesem Begriff: