evidenz-maschinen-schoice
Question
Drei Maschinen \(M_1, M_2, M_3\) produzieren denselben Artikel, mit Produktionsanteilen von 50 %, 30 % bzw. 20 %. Ihre jeweiligen Ausschussquoten betragen 3 %, 6 % bzw. 10 %. Wie groß ist die Evidenz \(Pr(A)\), also die totale Wahrscheinlichkeit, dass ein zufällig ausgewähltes Teil Ausschuss (\(A\)) ist?
Answerlist
- \(Pr(A) = 0{,}5\cdot 0{,}03 + 0{,}3\cdot 0{,}06 + 0{,}2\cdot 0{,}10 = 0{,}053\)
- \(Pr(A) = 0{,}03 + 0{,}06 + 0{,}10 = 0{,}19\)
- \(Pr(A) = \dfrac{0{,}03+0{,}06+0{,}10}{3} \approx 0{,}063\)
- \(Pr(A) = 0{,}5\cdot 0{,}03 = 0{,}015\)
- \(Pr(A) = 0{,}2\cdot 0{,}03 + 0{,}3\cdot 0{,}06 + 0{,}5\cdot 0{,}10 = 0{,}074\)
Solution
Die Evidenz (totale Wahrscheinlichkeit) berechnet sich als gewichtete Summe der bedingten Wahrscheinlichkeiten \(Pr(A|M_i)\), gewichtet mit den jeweiligen Produktionsanteilen \(Pr(M_i)\): \(Pr(A) = \sum_i Pr(M_i)\cdot Pr(A|M_i) = 0{,}5\cdot 0{,}03 + 0{,}3\cdot 0{,}06 + 0{,}2\cdot 0{,}10 = 0{,}015+0{,}018+0{,}02 = 0{,}053\).
Warum die Distraktoren falsch sind:
- Die zweite Option summiert einfach die drei Ausschussquoten, ohne sie mit den (unterschiedlichen) Produktionsanteilen der Maschinen zu gewichten – damit ignoriert sie, dass Maschine 1 für die meisten produzierten Teile verantwortlich ist.
- Die dritte Option bildet den ungewichteten Mittelwert der drei Ausschussquoten, was implizit unterstellt, jede Maschine würde ein Drittel der Produktion beisteuern – das widerspricht den angegebenen Produktionsanteilen von 50 %, 30 % und 20 %.
- Die vierte Option berücksichtigt nur den Beitrag von Maschine 1 und vergisst die Beiträge von Maschine 2 und Maschine 3 vollständig, obwohl auch diese zur Gesamt-Ausschussquote beitragen.
- Die fünfte Option vertauscht die Produktionsanteile den falschen Maschinen zu (0,2 statt 0,5 für \(M_1\) usw.) und berechnet damit die Evidenz für ein anderes, nicht das gegebene Szenario.
Aufgabenname: evidenz-maschinen-schoice
Answerlist
- Wahr
- Falsch
- Falsch
- Falsch
- Falsch
Meta-information
exname: evidenz-maschinen-schoice extype: schoice expoints: 1 exsolution: 10000 exshuffle: 5 excategory: bayes