Grundlagen der Mathematik II (LVA U)

Transkript

1 Dr. Marcel Dettling Dr. Daniel Haase FS 2010 Grundlagen der Mathematik II (LVA U 11 Zur Übungsstunde vom Aufgabe 31 (Rechnen mit der Normalverteilung Eine Kunststoffpresse produziert CD-Rohlinge mit einem Durchmesser von 12cm. Die Maschine ist leider nicht perfekt, und produziert Rohlinge deren Durchmesser X normalverteilt ist mit Mittelwert µ = 12cm und Varianz σ 2 = 0.2cm 2. Eine CD ist unverkäuflich, wenn ihre Länge 11.8cm oder 12.1cm ist. (a Bestimme die Wahrscheinlichkeit, dass ein produzierter Rohling unverkäuflich ist. (b Wie hoch ist die Wahrscheinlichkeit, dass der Durchmesser unter dem Mittelwert 12cm liegt? (c Wie hoch ist die Wahrscheinlichkeit, dass der Durchmesser um mehr als 0.5cm von µ abweicht? (d Finde ein Intervall um den Mittelwert 12cm, so dass der Durchmesser von nur 1% der produzierten CD s nicht im Intervall liegt. (e Es sei X normalverteilt mit unbekanntem Mittelwert µ und Standardabweichung σ. Drücke die Wahrscheinlichkeiten P (µ kσ X µ + kσ für k N mit Hilfe der Verteilungsfunktion Φ der Standardnormalverteilung für N(0, 1 aus. Berechne diese Werte für k = 1, 2, 3. Zu a: Eine CD ist unverkäuflich, wenn x 11.8cm oder x 12.1cm ist, die Wahrscheinlichkeiten für die beiden halbfoffenen Intervalle darf man addieren, weil die Intervalle disjunkt sind: P (x 11.8cm + P (x 12.1cm = F ( (1 F (12.1 wobei F (x die Verteilungsfunktion der Zufallsvariablen X N(12, 0.2 ist. Eine Anfrage an Mathematica liefert CDF[X,11.8]= sowie CDF[X,12.1]= nachdem X mit X=NormalDistribution[12,] initialisiert wurde, wobei = 0.2 die Standardabweichung ist. Damit erhalten wir P (x 11.8cm + P (x 12.1cm = ( = Hier als Alternative auch die der Aufgabe per Tabelle: Auf der Tabelle der Standardnormalverteilung findet sich nur die Verteilungsfunktion für N(0, 1. Wir stellen daher zu X die standardisierte Zufallsvariable auf: Z = X µ = X 12cm. σ 0.2cm Dann ist Z N(0, 1 standardnormalverteilt, ihre kumulative Verteilungsfunktion Φ(z kann aus der Tabelle abgelesen werden. Wir müssen die Frage (a nun in eine Aussage für Z übersetzen: P (unverkäuflich = P (X 11.8cm + P (X 12.1cm = P ( X 12 ( X 12 + P = P (Z 4 + P (Z = P (Z P (Z = Φ( + (1 Φ( = 1 Φ( + 1 Φ(0.2237

2 wobei Φ(z die Verteilungsfunktion der Standardnormalverteilung N(0, 1 ist. Ablesen aus der Tabelle ergibt Φ( = und Φ( = 0.67, also ist die gefragte Wahrscheinlichkeit = Zu b: Da die Normalverteilung N(µ, V immer symmetrisch ist um ihren Mittelwert µ, kann man ohne Rechnung P (X µ = P (X < µ = 1 2 schließen. Wir machen die Rechnung trotzdem vollständig mit der standardisierten Variablen Z aus Teil a: ( X 12cm P (X 12cm = P (X 12cm 0cm = P cm 0cm 1 = P (Z 0 = Φ(0 = Tabelle 2. Zu c: Hier ist nach dem Gegenereignis von 11.5cm X 12.5cm gefragt. Wir beantworten die Frage wieder erst mit Mathematica, dann mit der Tabelle: 1 P (11.5cm X 12.5cm = 1 (F (12.5 F (11.5 = 1 ( = wobei F = CDF[X] die Verteilungsfunktion von N(12, ist. Die Rechnung mit der Tabelle über Standardisierung ist ( 1 P (11.5cm X 12.5cm = 1 P 0.5cm cm X 12cm cm 0.5cm = 1 P ( 1.12 Z 1.12 cm = 1 (Φ(1.12 Φ( 1.12 = 1 (Φ(1.12 (1 Φ(1.12 = 2 2Φ(1.12 = = Tabelle Der Unterscheid zum Mathematica-Ergebnis kommt durch die Rundung in der Tabelle zustande. Zu d: Hier ist nach einer Fehlermarge ε gefragt, so dass P (12 ε X 12 + ε = 1 1% = 0.99 ist. Transformation auf die standardisierte Variable ergibt 0.99! = P (12 ε X 12 + ε ( 12 ε 12 = P Z 12 + ε 12 oder gleichbedeutend = Φ(2.237ε Φ( 2.237ε = 2Φ(2.237ε 1 Φ(2.237ε = Initialisiert man Z mit der Standardnormalverteilung N(0, 1, so liefert Mathematica das Perzentil Quantile[Z,0.995]= Also 2.237ε = , was auf ε = führt. Daher ist ein solches Intervall. Zu e: Hier ist für beliebige µ und σ gefragt nach Transformation auf die standardisierte Variable ergibt [12 ε, 12 + ε] = [10.848, ] P (µ kσ X µ + kσ mit X N(µ, σ 2. Z = X µ σ P (µ kσ X µ + kσ = P ( k Z k = Φ(k Φ( k = 2Φ(k 1

3 wobei Φ(z die Verteilungsfunktion der Standardnormalverteilung ist. Dieser Wert hängt jetzt nur noch von k, aber nicht von µ oder σ ab. Aus der Tabelle (oder mit Mathematica erhalten wir Φ(1 = , Φ(2 = und Φ(3 = , was auf die drei Wahrscheinlichkeiten P (µ σ X µ + σ = , P (µ 2σ X µ + 2σ = , P (µ 3σ X µ + 3σ = führt. Aufgabe 32 (Approximation durch die Normalverteilung Eine Webseite bietet ein Glücksspiel an, bei dem der Benutzer einen Button anklickt und einen Preis gewinnt mit Wahrscheinlichkeit p = Ein Hacker schreibt ein Programm, das die Seite innerhalb einer Stunde automatisch 1000mal aufruft. (a Die Zufallsvariable X beschreibe die Anzahl der Gewinne die das Programm erzielt. Wie ist sie verteilt? (b Approximiere X durch eine normalverteilte stetige Zufallsvariable Y. (c Berechne die Wahrscheinlichkeit dafür, dass das Programm mindestens 10 Gewinne in einer Stunde erzielt, einmal durch Umformulierung der Frage für Y, dann durch Berechnung der Verteilungsfunktion der diskreten Zufallsvariablen X (beides mit Mathematica. Zu a: Hier haben wir eine Folge von 1000 unabhängigen Einzelexperimenten mit Erfolgswahrscheinscheinlichkeit jeweils p = Die Anzahl der Erfolge X hat die Binomialverteilung X Bin(1000, Die Binomialverteilung ist definiert über die Wahrscheinlichkeitsfunktion P (X = k = ( n k p k (1 p n k = Diese Ausdrücke lassen sich nicht mehr per Hand ausrechnen. Zu b: Die Approximation lautet ( 1000 k ( 1000 k k. 100 X Bin(n, p X Y N(np, np(1 p für große n und nicht zu kleine p. Die Normalverteilung hat dann den Mittelwert µ = np = = 10, und die Varianz σ 2 = np(1 p = 9.9. Jetzt ist Y eine stetige, und X eine diskrete Zufallsvariable, man benötigt deshalb die Stetigkeitskorrektur bzw. für Intervalle P (X = k P (k 0.5 Y k P (a X b P (a 0.5 Y b Zu c: Die gefragte Wahrscheinlichkeit ist P (X 10. Die Approximation dazu ist P (X 10 P (Y 9.5 = 1 F (9.5 wobei F die Verteilungsfunktion von N(10, 9.9 ist. Mathematica liefert F (9.5 = 0.436, also haben wir P (X = %. Direkte Auswertung der Verteilungsfunktion zur Verteilung Bin(1000, 0.01 mit Mathematica (ohne die Stetigkeitskorrektur von 0.5 nach unten liefert CDF[X,9]=0.4573, also P (X 10 = Die Approximation war also etwas ungenau. Das liegt daran, dass np = 10 ziemlich klein ist: die hohe Anzahl der Einzelversuche verbessert die Approximation, aber die sehr kleine Wahrscheinlichkeit p = 0.01 verzerrt sie wieder. Aufgabe 33 (Die Poisson-Verteilung Ein automatischer Verteiler in einem Postzentrum verarbeite pro Sekunde ca. 8 Briefe unabhängig von der Tageszeit, wobei die Anzahl pro Sekunde in etwa Poisson-verteilt ist mit Parameter λ = 8.

4 (a Wie wahrscheinlich ist es, dass der Verteiler genau 8 Briefe in einer Sekunde verarbeitet? (b Wie wahrscheinlich ist es, dass höchstens 4 Briefe in einer Sekunde durchkommen? (c Wie wahrscheinlich ist es, dass mehr als 5 Briefe in einer Sekunde durchkommen? Löse die Teile (a,b,c per Hand, ggf. mit einem Taschenrechner, aber ohne Mathematica (d Welche Verteilung sollte man für X ansetzen, wenn die Anzahl der Briefe pro Minute statt Sekunde untersucht werden soll (unter sonst gleichen Voraussetzungen? (e Ein -verteiler in einem Rechenzentrum verarbeite ca Mails pro Sekunde. Wie wahrscheinlich ist es, dass genau 1000 Mails in einer Sekunde durchkommen? (hier ist es angebracht, eine Normalapproximation durchzuführen. Zu a: Die Zufallsvariable X gebe die Anzahl der Briefe an, die pro Sekunde verarbeitet werden. Nach Aufgabenstellung ist X P oi(8. Die Wahrscheinlichkeitsfunktion zur Poisson-Verteilung ist P (X = k = e λ λk k! Die erste gefragte Wahrscheinlichkeit ist 8 88 P (X = 8 = e 8! hier mit Parameter λ = 8. = = Da sich hier sehr große und sehr kleine Faktoren gegenseitig aufheben, ist es notwendig möglichst viele Nachkommastellen in der Rechnung zu behalten. Zu b: Hier ist gefragt nach P (X 4 = P (X = 0 + P (X = 1 + P (X = 2 + P (X = 3 + P (X = 4 = e e e e ! 1! 2! 3! ( 1 = e e ! = = Zu c: Wenn man nicht unendlich viele Terme ausrechnen möchte, sollte man hier zum Gegenereignis übergehen: P (X > 5 = 1 P (X 5. Das können wir mit Teil (b berechnen über P (X 5 = P (X 4 + P (X = 5 = e ! Für die gefragte Wahrscheinlichkeit erhalten wir = P (X > 5 = 1 P (X 5 = = = Zu d: Wenn im Schnitt λ = 8 Briefe pro Sekunde durchkommen, so sind es im Schnitt λ = 60λ = 480 pro Minute, also kann man X P oi(480 ansetzen. Das ist sinnvoll, weil der Parameter der Poisson-Verteilung ihren Mittelwert bestimmt. Es wirkt sich dagegen nachteilig aus, dass die Berechnung der Poisson-Verteilung für große λ unpraktisch wird und Rundungsfehler bei den extrem kleinen Werten einteten (e 480 ist eine Zahl mit 209 Nullen hinter dem Komma bis zur ersten Ziffer > 0. Eine Alternative wäre daher, eine Approximation mit der Normalverteilung wie in der nächsten Aufgabe anzusetzen. Zu e: Die Approximation der Variablen X P oi(1000 geschieht hier mit Hilfe der stetigen Zufallsvariable Y N(1000, 1000 mit E(Y = Var(Y = Die Approximation der Wahrscheinlichkeitsfunktion ist

5 dann P (X = k P (k 0.5 Y 0.5. Die gefragte Wahrscheinlichkeit ist dann Eine Anfrage an Mathematica liefert Wir haben also P (X = 1000 P (999.5 Y CDF[X,999.5]= und CDF[X,1000.5]= P (X = 1000 P (999.5 Y = F ( F (999.5 = = Hier die der Aufgabe mit Hilfe der Standardnormalverteilung: Wir transformieren diese Frage auf die Standardnormalverteilung, indem wir statt Y die Variable Z = Y µ = Y 1000, σ 1000 ansetzen. Sie ist N(0, 1-verteilt, ihre Verteilungsfunktion Φ(z kann aus der Normalverteilungstabelle auf der Vorlesungshomepage abgelesen werden. Wir müssen dazu die Frage an Y in eine Frage für Z übersetzen, indem wir auf allen Seiten der Ungleichung erst den Mittelwert abziehen, und dann durch die Standardabweichung dividieren: ( P (999.5 Y = P Z = P ( Z Einsetzen in die Verteilungsfunktion der Standardnormalverteilung Φ(z = P (Z z ergibt P ( Z = Φ( Φ( = Φ( (1 Φ( = 2Φ( wobei wir die Symmetrie Φ( z = 1 Φ(z der Normalverteilung verwendet haben. Ablesen aus der Tabelle der Standardnormalverteilung ergibt Φ( = 0.506, also haben wir für unsere ursprüngliche Frage P (X = 1000 P (999.5 Y = P ( Z = 2( =