Aufgabenbeispiele von Normalverteilung
Durch Aktualisieren des Browsers (z.B. mit Taste F5) kann man neue Beispielaufgaben sehen
Intervall Normalverteilung (einfach)
Beispiel:
Die Zufallsgröße X ist normalverteilt mit dem Erwartungswert μ=3 und der Standardabweichung σ=1.2 .
Berechne P(X ≥ 1.1).
Runde dein Ergebnis auf 3 Stellen hinter dem Komma.
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 ≥ 1.1) ≈ 0.9433
Intervall Normalverteilung rückwärts
Beispiel:
Die Zufallsgröße X ist normalverteilt mit dem Erwartungswert μ=10 und der Standardabweichung σ=9 .
Es gilt P(X ≥ k) = 0.95. Bestimme k.
Runde auf eine Stelle hinter dem Komma genau.
Der WTR kann leider kein k berechnen mit P(X ≥ k) = 0.95, weil er immer nur ein k bei P(X ≤ k) = p berechnen kann.
Also nutzen wir aus, dass P(X ≤ k) = 0.05 (im Schaubild die blaue Fläche) gelten muss, wenn P(X ≥ k) = 0.95 (im Schaubild die rote Fläche) gilt.
Für P(X ≤ k) = 0.05 liefert der WTR k ≈ -4.804.
(TI: invNormal, Casio: Inv. Normal-V. )
Normalverteilung Anwendung
Beispiel:
Eine Firma produziert 60 mm lange Schrauben. Aufgrund mehrerer Faktoren beim Produktionsprozess treten Schwankungen bei der tatsächlichen Länge auf. Dabei beträgt die Standardabweichung 0,3 mm. Bestimme die Wahrscheinlichkeit, dass eine zufällig gewählte Schraube größer oder gleich 59,8 hat.
(Bitte auf 3 Stellen nach dem Komma runden)
Die Zufallsgröße X beschreibt die Schraubenlänge in mm, sie wird als normalverteilt angenommen mit dem Erwartungswert μ = 60 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 ≥ 59.8) ≈ 0.7475
Normalverteilung Anwendung (rückwärts)
Beispiel:
Man geht davon aus, dass die Intelligenz bei Menschen normalverteilt ist. Ein Intelligenztest wird immer so skaliert, dass der Erwartungswert des IQ bei 100 und die Standardabweichung bei 15 liegt. Welchen IQ muss man mindestens haben, um zu den schlausten 25% der Bevölkerung zu gehören.
(Bitte auf 2 Stellen nach dem Komma runden, ohne Einheiten eingeben!)
Die Zufallsgröße X beschreibt den Intelligenzquotient IQ, sie wird als normalverteilt angenommen mit dem Erwartungswert μ = 100 und der Standardabweichung σ = 15.
Gesucht ist somit das k, so dass P(X ≥ k) = 0.25 gilt.
Der WTR kann leider kein k berechnen mit P(X ≥ k) = 0.25, weil er immer nur ein k bei P(X ≤ k) = p berechnen kann.
Also nutzen wir aus, dass P(X ≤ k) = 0.75 (im Schaubild die blaue Fläche) gelten muss, wenn P(X ≥ k) = 0.25 (im Schaubild die rote Fläche) gilt.
Für P(X ≤ k) = 0.75 liefert der WTR k ≈ 110.117.
(TI: invNormal, Casio: Inv. Normal-V. )
Mittelwert, Standardabw. ablesen
Beispiel:
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.
Den Mittelwert μ= 0 kann man einfach am x-Wert des Hochpunkts der Glockenkurve ablesen.
Die Standardabweichung σ = 4 kann man am Abstand der x-Werte des Hochpunkts vom Wendepunkt ablesen.
μ und σ ablesen und Interval berechnen
Beispiel:
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.
Den Mittelwert μ= 4 kann man einfach am x-Wert des Hochpunkts der Glockenkurve ablesen.
Die Standardabweichung σ = 4 kann man am Abstand der x-Werte des Hochpunkts vom 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(-3 ≤ X ≤ 10) ≈ 0.8931
Symmetrie nutzen
Beispiel:
Die Zufallsgröße X ist normalverteilt. Ihr Schaubild zeigt die zugehörige Gauß'sche Glockenkurve mit einem ganzzahligen Erwartungswert μ. Der Inhalt der gefärbten Fläche beträgt 0.445.
Bestimme P( X ≥ -1).
Gib die Wahrscheinlichkeit auf 3 Stellen nach dem Komma genau an.
Wir wissen, dass das Schaubild einer normalverteilten Zufallsgröße achsenssymmetrisch zur senkrechten Gerade durch den Hochpunkt ist, hier also zu x = -5.
Somit gilt auch für den helleren blauen Flächeninhalt, der der Wahrscheinlichkeit P(-5 ≤ X ≤ -1) entspricht: P(-5 ≤ X ≤ -1) = 0.445.
Die beiden roten Flächen teilen sich dann die Restwahrscheinlichkeit:
1 - 0.445 - 0.445 =
0.11
Aus den bereits oben genannten Symmetriegründen sind aber auch die beiden roten Flächen gleich groß, so dass für die gesuchte (dunklere) Fläche gilt:
P( X ≥ -1) = = 0.055
Standardabweichung bestimmen
Beispiel:
Der Punkt P(10|0.0798) liegt auf der Gauß'schen Glockenkurve mit ganzzahligem Parameter σ und μ = 10.
Bestimme die Standardabweichung σ.
Gegeben ist ja der Hochpunkt der Gauß' schen Glockenkurve, weil ja der gegebene x-Wert gerade dem Erwartungswert μ = 10 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 ≈ 6.266 und runden diesen auf σ1 = 6.
Damit berechnen wir nun den y-Wert der Glockenkurve (mit μ = 10 und σ1=6) an der gegebenen Stelle x = 10
und erhalten f1(10) = 0.0665
(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 das der y-Wert unserer ersten Kurve mit σ1=6 (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 = 10 berechnen:
μ = 10 | σ = 5 | f(10) = 0.0798 |
Somit muss die gesuchte Standardabweichung σ = 5 sein.
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 2,5 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 500 ml drin ist?
Die Zufallsgröße X beschreibt die Abfüllmenge in ml.
Zunächst untersuchen wir die Wahrscheinlichkeit, wenn der Erwartungswert μ = 500 gewählt würde. Aus Symmetriegründen wäre dann aber P(X ≥ 500) = 0,5.
Deswegen wird nun der Erwartungswert schrittweise immer um eine Einheit erhöht, bis die gesuchte Wahrscheinlichkeit P(X ≥ 500) mindestens 0.9 ist:
μ = 500: P(X ≥ 500) = 0.5
μ = 501: P(X ≥ 500) = 0.6554
μ = 502: P(X ≥ 500) = 0.7881
μ = 503: P(X ≥ 500) = 0.8849
μ = 504: P(X ≥ 500) = 0.9452
Man muss also den Erwartungswert auf mindestens μ = 504 einstellen.
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 0,9 mm. Auf welchen Wert (ganzzahlig in mm) muss man die Maschine mindestens einstellen, wenn eine zufällig gewählte Schraube mit einer Wahrscheinlichkeit von mindestens 75% mindestens 55 mm lang sein soll?
Die Zufallsgröße X beschreibt die Schraubenlänge in mm.
Zunächst untersuchen wir die Wahrscheinlichkeit, wenn der Erwartungswert μ = 55 gewählt würde. Aus Symmetriegründen wäre dann aber P(X ≥ 55) = 0,5.
Deswegen wird nun der Erwartungswert schrittweise immer um eine Einheit erhöht, bis die gesuchte Wahrscheinlichkeit P(X ≥ 55) mindestens 0.75 ist:
μ = 55: P(X ≥ 55) = 0.5
μ = 56: P(X ≥ 55) = 0.8667
Man muss also den Erwartungswert auf mindestens μ = 56 einstellen.
Kombination Normal- und Binomialverteilung
Beispiel:
Ein exotisches Insekt wird im Mittel 50 mm lang. Dabei beträgt die Standardabweichung der Körperlänge 7 mm. Ein Forscher entdeckt insgesamt 50 solcher Insekten. Bestimme die Wahrscheinlichkeit dafür, dass mindestens 5, aber nicht mehr als 10 dieser Insekten größer als 59,1 mm sind.
Zuerst berechnen wir die Wahrscheinlichkeit dafür, dass ein Insekt die geforderte Größe hat. Die Zufallsgröße Y beschreibt dabei die Körperlänge des Insekts, sie wird als normalverteilt angenommen mit dem Erwartungswert μ = 50 und der Standardabweichung σ = 7.
Mit derm WTR lässt sich so P(Y ≥ 59.1) ≈ 0.0968 berechnen.
(TI: Normalcdf, Casio: Kumul. Normal-V. )
Und weil dies für jedes der 50 Exemplare gilt, können wir die Zufallsgröße X (, die die Anzahl der Insekten mit der geforderten Mindestgröße zählt) als binomialverteilt mit n = 50 und p = 0.097 annehmen.
Für die gesuchte Wahrscheinlichkeit gilt somit:
=
- ≈ 0.9926 - 0.4612 = 0.5314
(TI-Befehl: binomcdf(50,0.097,10) - binomcdf(50,0.097,4))
Die gesuchte Wahrscheinlichkeit beträgt somit ca. 53,1%.
Kombination Normal- und Binomialverteilung rw
Beispiel:
Die Äpfel einer großen Plantage haben in einem bestimmten Jahr im Mittel einen "Durchmesser" von 8,7 cm und eine Standardabweichung von 2,5 cm. Der Großhandel nimmt nur Äpfel an, die zwischen 8 und 11 cm groß sind. Wie viele Äpfel muss man mindestens ernten, um mit einer Wahrscheinlichkeit von mindestens 75% mindestens 72 Stück an den Großhandel verkaufen zu können?
Zuerst berechnen wir die Wahrscheinlichkeit dafür, dass ein zufällig gewählter Apfel im geforderten Größenbereich liegt. Die Zufallsgröße Y beschreibt dabei den Durchmessers eines Apfels, sie wird als normalverteilt angenommen mit dem Erwartungswert μ = 8.7 und der Standardabweichung σ = 2.5.
Mit derm WTR lässt sich so P(8 ≤ Y ≤ 11) ≈ 0.431475 berechnen.
(TI: Normalcdf, Casio: Kumul. Normal-V. )
Und weil dies für jedes Exemplar gilt, können wir die Zufallsgröße X (, die die Anzahl der Äpfel im geforderten Größenbereich zählt) als binomialverteilt mit unbekanntem n und p = 0.431475 annehmen.
n | P(X≤k) |
---|---|
... | ... |
172 | 0.3392 |
173 | 0.3156 |
174 | 0.2929 |
175 | 0.2711 |
176 | 0.2503 |
177 | 0.2304 |
... | ... |
Die Zufallsgröße X gibt Äpfel im geforderten Größenbereich an und ist im Idealfall binomialverteilt mit p = 0.431475 und variablem n.
Es muss gelten: ≥ 0.75
Weil man ja aber nicht in den WTR eingeben kann, müssen wir diese Wahrscheinlichkeit über die Gegenwahrscheinlichkeit berechnen:
= 1 - ≥ 0.75 |+ - 0.75
0.25 ≥ oder ≤ 0.25
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 43.1475% der Versuche mit einem Treffer. Also müssten dann doch bei ≈ 167 Versuchen auch ungefähr 72 (≈0.431475⋅167) Treffer auftreten.
Wir berechnen also mit unserem ersten n=167:
≈ 0.4668
(TI-Befehl: Binomialcdf ...)
Je nachdem, wie weit nun dieser Wert noch von den gesuchten 0.25 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 0.25 überschritten wird.
Aus der Werte-Tabelle (siehe links) erkennt man dann, dass erstmals bei n=177 die gesuchte Wahrscheinlichkeit unter 0.25 ist.
n muss also mindestens 177 sein, damit ≤ 0.25 oder eben ≥ 0.75 gilt.