MAE4 – Mathematik: Analysis für Ingenieure 4 Dr. Christoph Kirsch Frühlingssemester 2016 ZHAW Winterthur Lösung 5 Aufgabe 1 : a) B 6, 49 (Binomialverteilung) b) H (60, 13, 10) (hypergeometrische Verteilung) c) N B (1, 0.03) (geometrische Verteilung) Aufgabe 2 : Gemäss der Tabelle aus Kap. 1.3.2 der Vorlesung ist die Zähldichte der Zufallsvariablen X gegeben durch 6 4 fX (k) = k 4−k 10 4 , k = 0, 1, 2, 3, 4. (1) 0 1 2 3 4 k 8 3 4 1 1 fX (k) 14 21 7 35 210 in % (gerundet) 7.1 38 43 11 0.48 0.5 0.4 f X(k) 0.3 0.2 0.1 0 0 1 2 3 4 k • “P (X > −1)” = PX ({0, 1, 2, 3, 4}) = fX (0) + fX (1) + fX (2) + fX (3) + fX (4) = 1 = 100 % • “P (X > 0)” = PX ({1, 2, 3, 4}) = fX (1) + fX (2) + fX (3) + fX (4) ' 93 % • “P (X > 1)” = PX ({2, 3, 4}) = fX (2) + fX (3) + fX (4) ' 55 % • “P (X > 2)” = PX ({3, 4}) = fX (3) + fX (4) ' 12 % 1 • “P (X > 3)” = PX ({4}) = fX (4) ' 0.48 % • “P (X > 4)” = PX (∅) = 0 Aufgabe 3 : a) Wir definieren die Zufallsvariable 1, falls eine weisse Kugel gezogen wird (“Erfolg”) X := . 0, falls eine grüne Kugel gezogen wird (“Misserfolg”) (2) Weil jede Kugel dieselbe Wahrscheinlichkeit hat, gezogen zu werden, gilt “P (X = 1)” = 1 4 = =: p, 16 4 3 und damit “P (X = 0)” = 1 − p = , 4 also X ∼ B 1, 41 . Die gesuchte (Erfolgs-)Wahrscheinlichkeit ist p = Sie ist bei jeder Ziehung gleich, weil mit Zurücklegen gezogen wird. 1 4 (3) = 25 %. b) Wir betrachten eine Serie von 10 gleichartigen und unabhängigen BernoulliExperimenten mit Erfolgswahrscheinlichkeit p = 14 (Aufgabe 3a). Wir definieren die Zufallsvariable X := “Anzahl gezogene weisse Kugeln”. (4) Dann gilt X ∼ B 10, 14 , und die gesuchte Wahrscheinlichkeit ist gegeben durch 0 10−0 10 10 1 1 3 “P (X = 0)” = PX ({0}) = fX (0) = 1− = ' 5.6 % 0 4 4 4 (5) (in MATLAB: binopdf(0,10,1/4)). c) Wir betrachten wieder eine Serie von gleichartigen und unabhängigen BernoulliExperimenten mit Erfolgswahrscheinlichkeit p = 41 (Aufgabe 3a). Wir definieren die Zufallsvariable X := “Anzahl der gezogenen grünen Kugeln, bis zwei weisse Kugeln gezogen wurden”. (6) Dann gilt X ∼ N B 2, 14 , und die gesuchte Wahrscheinlichkeit ist gegeben durch 5 X 2 k 5 X k+2−1 1 1 “P (X ≤ 5)” = FX (5) = fX (k) = 1− (7) k 4 4 k=0 k=0 2 X k 5 1 3 = (k + 1) ' 56 % (8) 4 k=0 4 (in MATLAB: nbincdf(5,2,1/4)). 2 Aufgabe 4 : a) Wir definieren die Zufallsvariable X := “Anzahl der roten Kugeln in der Stichprobe”. (9) Dann gilt X ∼ H(20, 2, 5). b) Gemäss der Tabelle aus der Vorlesung gilt 2 20−2 2 fX (k) = k 5−k 20 5 = 18 k 5−k 20 5 , k = 0, 1, 2 (10) (in MATLAB: hygepdf(k,20,2,5)). Wir erhalten die (auf 2 signifikante Stellen gerundeten) Werte k 0 1 2 fX (k) 0.55 0.39 0.053 c) Wir betrachten eine Zufallsvariable X ∼ H(20, 2, n) und wollen das grösstmögliche n ∈ N bestimmen, so dass 18 18! 2! 2 n(n − 1) 2!0! (n−2)!(20−n)! 2 n−2 = = “P (X = 2)” = fX (2) = < 0.02 (11) 20 20! 19 · 20 n!(20−n)! n (in MATLAB: hygepdf(2,20,2,n)). Aus Aufgabe 4b wissen wir bereits, dass für n = 5 die Wahrscheinlichkeit zu gross ist (' 5.3 %). Also muss n ≤ 4 gelten. Wir berechnen die (gerundeten) Werte 4 3 2 n “P (X = 2)” 0.032 0.016 0.0053 Also ist n = 3 der grösstmögliche Stichprobenumfang, für den die Bedingung “P (X = 2)”< 2 % noch erfüllt ist. d) Wir betrachten eine Zufallsvariable X ∼ H(N, 2, 5) und wollen das kleinstmögliche N ∈ N bestimmen, so dass 2! (N −2)! 2 N −2 (N − 5)(N − 6) 0!2! 5!(N −7)! 0 5−0 = “P (X = 0)” = fX (0) = = > 0.65 N N! N (N − 1) 5!(N −5)! 5 (12) (in MATLAB: hygepdf(0,N,2,5)). Aus Aufgabe 4b wissen wir bereits, dass für N = 20 die Wahrscheinlichkeit zu klein ist (' 55 %). Also muss N ≥ 21 gelten. Wir berechnen die (gerundeten) Werte N 21 22 23 24 25 26 27 28 “P (X = 0)” 0.571 0.589 0.605 0.620 0.633 0.646 0.658 0.669 Also ist N = 27 der kleinstmögliche Umfang der Grundgesamtheit, für den die Bedingung “P (X = 0)”> 65 % erfüllt ist. Vorlesungswebseite: http://home.zhaw.ch/~kirs/MAE4 3