Integralrechnung/Ober- und Untersumme und Signifikanztest für binomialverteilte Zufallsgrößen/Wiederholung Binomialverteilung: Unterschied zwischen den Seiten

Aus ZUM-Unterrichten
< Integralrechnung(Unterschied zwischen Seiten)
Main>Dickesen
Keine Bearbeitungszusammenfassung
 
KKeine Bearbeitungszusammenfassung
Markierung: 2017-Quelltext-Bearbeitung
 
Zeile 1: Zeile 1:
==Ober- und Untersumme==
'''Diese Seite befindet sich aktuell noch in Bearbeitung.'''<br>
Wir haben bis jetzt schon eine grundlegende Idee der Flächenbestimmung unter den Graphen von Funktionen kennengelernt. Jedoch ergibt dieses Verfahren bis jetzt nur einen Näherungswert für den Flächeninhalt. <br>
Hier wiederholst du nochmal kurz die wichtigsten Inhalte der Binomialverteilung. Falls du einen sicheren Umgang mit der Binomialverteilung hast, kannst du diese Seite auch überspringen.<br>
{{Kasten_blau|
{{Box|Übung 1: Grundlagen der Binomialverteilung|2=
Im Folgenden wird das Verfahren verbessert, der Flächeninhalt exakt bestimmt sowie das theoretische und praktische Fundament eines der in der gesamten Mathematik wichtigsten Verfahren verfestigt werden! <br>
Fülle den Lückentext aus!
Dazu wird immer wieder auf den Funktionsumfang der freien Software Geogebra zurückgegriffen werden.
<div class="lueckentext-quiz">
 
Ein Zufallsexperiment mit genau zwei Ergebnissen (Treffer und Niete) nennt man ''' Bernoulli-Experiment'''.Wird solch ein Zufallsexperiment n-mal wiederholt erhält man eine'''Bernoulli-Kette''' der Länge n. Ist p die Trefferwahrscheinlichkeit und X eine Zufallsvariable, welche die Anzahl k der Treffer angibt, dann kann die Wahrscheinlichkeit für k Treffer durch die ''' Formel von Bernoulli'''( <math>P(X=k)=\tbinom{n}{k}\cdot p^k \cdot (1-p)^{n-k}</math>) berechnet werden. Die Wahrscheinlichkeitsverteilung für X heißt '''Binomialverteilung''' mit den Parametern n und p. Neben der Binomialverteilung benötigt man auch häufig die zugehörige '''Verteilungsfunktion''', für deren Wahrscheinlichkeit die Schreibweise <math>P(X\leq k)</math> üblich ist.Die kumulierten Wahrscheinlichkeiten werden wie folgt berechnet: <math>P(X\leq k)=\sum_{i=0}^k B_{n,p}(i)</math>
 
</div>|3=Arbeitsmethode
}}
}}
<br>
 
{{Aufgaben-M|3|
Vor allem die grafische Interpretation und die Berechnung der kumuliertern Wahrscheinlichkeiten sind wichtig für das Verständnis und die Durchführung eines Signifikanztests. Also frischt euer Wissen dazu nochmal auf!
Mit Hilfe des folgenden interaktiven Java-Applets basierend auf Geogebra sollst Du einige wichtige Zusammenhänge nachvollziehen. <br>
 
Gezeigt ist der Graph der Funktion <math>f(x) = \frac{1}{100} \cdot x^3 + \frac{1}{50} \cdot x^2 - \frac{7}{10} \cdot x + 5</math> mit den Rechteckflächen der Ober- und Untersumme in einem Intervall [a;b].
{{Box|1=Übung 2: Berechnung von Wahrscheinlichkeiten|2=
# Verschiebe abwechselnd die Intervallgrenzen a und b (blaue Punkte auf der x-Achse) mit der Maus nach rechts und links. Beschreibe wie die Rechteckflächen der Ober- und Untersumme auf die Verschiebung der Intervallgrenzen reagieren. Was geschieht mit den Werten O, U und der Differenz?
Wir wollen die Aussage "'''71 % der Menschen in Deutschland sehen den Klimawandel als Bedrohung an'''" überprüfen. Dazu werden 1000 Menschen in Deutschland befragt. Da eine Bernoulli - Kette vorliegt (Befragte fühlen sich durch den Klimawandel bedroht oder nicht), darf die Binomialverteilung angenommen werden. Bei wahrer Aussage erhalten wir folgende Verteilung.
# Variiere jetzt die Anzahl <math>n</math> der Rechtecke durch Betätigung des Schiebereglers. Was passiert nun mit den Werten O, U und der Differenz? Wie und warum wird durch die Variation von <math>n</math> die Fläche unter der Kurve durch die Rechteckflächen besser oder schlechter beschrieben?
[[Datei:Binomialverteilung .png]]
# Gelten die Ergebnisse von 1. und 2. auch für andere (beliebige) Intervalle [a, b]? Überprüfe dies durch Verändern der Intervallgrenzen sowie der Anzahl <math>n</math> der Rechtecke.
Bereche folgende Wahrscheinlichkeiten!<br>
# Wie groß müsste <math>n</math> sein, damit kein Unterschied zwischen O, U und der Fläche unter dem Graphen von <math>f</math> mehr zu erwarten wäre?
a) Wie wahrscheinlich ist es, dass in der Stichprobe genau 710 Menschen den Klimawandel als Bedrohung ansehen?
{{Lösung versteckt|1=Nutze die Formel von Bernoulli
|2=gestufte Hilfe einblenden|3= gestufte Hilfe ausblenden}}
{{Lösung versteckt|1=
<math>P(X=710)=\tbinom{1000}{710}\cdot 0,71^{710}\cdot0,29^{290}</math>'''=0,0278'''.<br> Die Wahrscheinlichkeit, dass in der Stichprobe genau 710 Menschen den Klimawandel als Bedrohung ansehen, beträgt 2,78 %.
}}
}}
<br><br>
 
<center><ggb_applet height="400" width="640" showMenuBar="false" showResetIcon="true" filename="Integral1_neu.ggb" /></center>
b) Wie wahrscheinlich ist es, dass höchstens 680 Menschen aus der Stichprobe den Klimawandel als Bedrohung sehen?
<br>
{{Lösung versteckt|1=Nutze die Formel für die kumulierte Wahrscheinlichkeit.<br> Zur Berechnung nutze deinen Taschenrechner.
{{Lösung versteckt|Lösung|
|2=gestufte Hilfe einblenden|3= gestufte Hilfe ausblenden}}
# Die Anzahl der Rechteckflächen bleibt gleich, ihre Breite ändert sich jedoch: Die Breite eines Rechtecks entspricht der Intervalllänge geteilt durch die Anzahl <math>n</math> der (gleich breiten) Intervallunterteilungen. Je schmaler das Intervall wird, desto besser stimmen O und U überein und desto kleiner wird dann natürlich auch die Differenz.
{{Lösung versteckt|1=
# Je größer die Anzahl <math>n</math> der Rechtecke wird, desto mehr nähern sich O und U einander an und desto kleiner wird somit deren Differenz. Durch die Vergrößerung von <math>n</math> wird die Fläche unter der Kurve durch die Rechteckflächen besser beschreiben, durch seine Verringerung schlechter. Das kommt daher, dass durch immer schmaler werdende Rechtecke der Fehler durch die "übrigbleibenden" Flächen an den oberen Rechteckrändern immer kleiner wird.
<math>P(X\leq680)=\sum_{i=0}^{680} B_{1000,0,71} (i) = 0,0206</math>
# Die Ergebnisse von 1. und 2. gelten für beliebige Intervalle!
Die Wahrscheinlichkeit, dass in der Stichprobe höchstens 680 der Menschen den Klimawandel als Bedrohung ansehen, beträgt 2,06 %
# Um keinen Unterschied zwischen O, U und der Fläche unter dem Graphen von <math>f</math> mehr zu erhalten (also die Differenz zu 0 zu machen) müsste <math>n</math> unendlich groß werden. Dies entspräche dann dem Grenzübergang <math>n \to \infty</math>.
}}
}}
<br><br><br>
 
<div align="center">
c) Wie wahrscheinlich ist, es dass mindestens 740 Menschen aus der Stichprobe den Klimawandel als Bedrohung sehen?
[[Benutzer:Dickesen/Integral2|<<Zurück<<]] &nbsp; &nbsp; [[Benutzer:Dickesen|Home]] &nbsp; &nbsp; [[Benutzer:Dickesen/Integral4|>>Weiter>>]]
{{Lösung versteckt|1= <math>P(X\geq740)=1-P(X\leq739)</math>
</div>
|2=gestufte Hilfe einblenden|3= gestufte Hilfe ausblenden}}
{{Lösung versteckt|1=
<math>P(X\geq740)=1-P(X\leq739)=0,0191</math> Die Wahrscheinlichkeit, dass in der Stichprobe mindestens 740 Menschen den Klimawandel als Bedrohung ansehen, beträgt 1,91 %.
}}
 
|3=Arbeitsmethode}}
 
'''Super gemacht! Dann geht es jetzt weiter mit dem Signifikanztest! '''
{{Fortsetzung|weiter=Aufbau eines Signifikanztests|weiterlink=Aufbau_eines_Signifikanztests}}

Version vom 2. November 2019, 10:23 Uhr

Diese Seite befindet sich aktuell noch in Bearbeitung.
Hier wiederholst du nochmal kurz die wichtigsten Inhalte der Binomialverteilung. Falls du einen sicheren Umgang mit der Binomialverteilung hast, kannst du diese Seite auch überspringen.

Übung 1: Grundlagen der Binomialverteilung

Fülle den Lückentext aus!

Ein Zufallsexperiment mit genau zwei Ergebnissen (Treffer und Niete) nennt man Bernoulli-Experiment.Wird solch ein Zufallsexperiment n-mal wiederholt erhält man eineBernoulli-Kette der Länge n. Ist p die Trefferwahrscheinlichkeit und X eine Zufallsvariable, welche die Anzahl k der Treffer angibt, dann kann die Wahrscheinlichkeit für k Treffer durch die Formel von Bernoulli( ) berechnet werden. Die Wahrscheinlichkeitsverteilung für X heißt Binomialverteilung mit den Parametern n und p. Neben der Binomialverteilung benötigt man auch häufig die zugehörige Verteilungsfunktion, für deren Wahrscheinlichkeit die Schreibweise üblich ist.Die kumulierten Wahrscheinlichkeiten werden wie folgt berechnet:

Vor allem die grafische Interpretation und die Berechnung der kumuliertern Wahrscheinlichkeiten sind wichtig für das Verständnis und die Durchführung eines Signifikanztests. Also frischt euer Wissen dazu nochmal auf!


Übung 2: Berechnung von Wahrscheinlichkeiten

Wir wollen die Aussage "71 % der Menschen in Deutschland sehen den Klimawandel als Bedrohung an" überprüfen. Dazu werden 1000 Menschen in Deutschland befragt. Da eine Bernoulli - Kette vorliegt (Befragte fühlen sich durch den Klimawandel bedroht oder nicht), darf die Binomialverteilung angenommen werden. Bei wahrer Aussage erhalten wir folgende Verteilung. Binomialverteilung .png Bereche folgende Wahrscheinlichkeiten!
a) Wie wahrscheinlich ist es, dass in der Stichprobe genau 710 Menschen den Klimawandel als Bedrohung ansehen?

Nutze die Formel von Bernoulli
=0,0278.
Die Wahrscheinlichkeit, dass in der Stichprobe genau 710 Menschen den Klimawandel als Bedrohung ansehen, beträgt 2,78 %.

b) Wie wahrscheinlich ist es, dass höchstens 680 Menschen aus der Stichprobe den Klimawandel als Bedrohung sehen?

Nutze die Formel für die kumulierte Wahrscheinlichkeit.
Zur Berechnung nutze deinen Taschenrechner.

Die Wahrscheinlichkeit, dass in der Stichprobe höchstens 680 der Menschen den Klimawandel als Bedrohung ansehen, beträgt 2,06 %

c) Wie wahrscheinlich ist, es dass mindestens 740 Menschen aus der Stichprobe den Klimawandel als Bedrohung sehen?

Die Wahrscheinlichkeit, dass in der Stichprobe mindestens 740 Menschen den Klimawandel als Bedrohung ansehen, beträgt 1,91 %.

Super gemacht! Dann geht es jetzt weiter mit dem Signifikanztest!