Aloha :)
Wir betrachten zunächst die Zufallsvariable X:⟨X⟩=k=1∑6xk⋅P(X=xk)⟨X⟩=19⋅0,25+9⋅0,25+2⋅0,03+6⋅0,22+15⋅0,13+11⋅0,12=11,65⟨X2⟩=k=1∑6xk2⋅P(X=xk)⟨X2⟩=192⋅0,25+92⋅0,25+22⋅0,03+62⋅0,22+152⋅0,13+112⋅0,12=162,31
Für den Erwartungswert μ(X) und die Varianz V(X) erhalten wir damit:μ(X)=⟨X⟩=11,65;V(X)=⟨X2⟩−⟨X⟩2=26,5875
Damit bestimmen wir den Erwartungswert μ(X) und die Varianz V(Y) von Y:
Da der Erwartungswert linear ist gilt:μ(Y)=⟨2,87⋅k=1∑808X⟩=2,87⋅k=1∑808⟨X⟩=2,87⋅808⋅⟨X⟩=27015,884
Da die einzelnen Experimente für X unabhängig voneinander sind, addieren sich die VarianzenV(Y)=V(2,87⋅k=1∑808X)=V(k=1∑8082,87⋅X)=k=1∑808V(2,87⋅X)V(Y)=808⋅V(2,87⋅X)=808⋅2,872⋅V(X)=176950,85163
Nun verwenden wir die Gauß'schen Normalverteilung zur Bestimmung von y:0,07=!P(Y<y)=ϕ(σ(Y)y−μ(Y))∣∣∣∣∣ϕ−1(⋯)ϕ−1(0,07)=σ(Y)y−μ(Y)∣∣∣∣∣⋅σ(Y)∣∣∣∣∣+μ(Y)y=ϕ−1(0,07)⋅σ(Y)+μ(Y)∣∣∣∣∣Werte einsetzeny=−1,475791⋅176950,85163+27015,884∣∣∣ausrechneny≈26395,0847