Wahrscheinlichkeit (Teschl/Teschl 2, Kap. 26) Gegeben I Menge Ω (Wahscheinlichkeitsraum, Menge aller möglichen Ausgänge eines Zufallsexperiments), I Abbildung P : P(Ω) → [0, 1] (Wahrscheinlichkeit): A ⊂ Ω (Ereignis) wird eine Zahl P (A) Jeder Teilmenge zwischen 0 und 1 zugeordnet (Wahrscheinlichkeit, dass das Ereignis eintritt). mit folgenden Eigenschaften (KolmogorovAxiome): 1. 2. P (Ω) = 1 (sicheres Ereignis), P (A ∪ B ) = P (A) + P (B ), falls A ∩ B = ∅ (Additionsregel für unvereinbare Ereignisse). Beispiel fairer Würfel Ω = {1, ..., 6} mit P ({i }) = P (i ) = Augenzahlen i = 1, 2, ..., 6. bzw. allgemeiner P (A) = 1 6 · #A 1 6 für jede der möglichen für jede Teilmenge (#A bezeichnet die Anzahl der Elemente von A). A⊂Ω Z. B. entspricht das Ereignis Augenzahl ist nicht durch 3 teilbar A = {1, 2, 4, 5} mit P (A) = 64 = 23 . der Menge B : Augenzahl durch 3 teilbar C : Augenzahl durch 5 teilbar gilt Für die Ereignisse P (B ∪ C ) = P (B ) + P (C ) = 1 3 + 1 6 = 1 2 = 50%. und Folgerungen aus den KolmogorovAxiomen I I I I P (A ∪ B ) = P (A) + P (B ) − P (A ∩ B ) für beliebige A, B , P (A) ≤ P (B ), falls A ⊂ B (Monotonie), P (A) = 1 − P (A), c wobei A = A das Komplementärereignis zu A bezeichnet. P (∅) = 0 (unmögliches Ereignis) Beispiel P (Augenzahl durch 2 oder 3 teilbar ) = P ({2, 4, 6}) + P ({3, 6}) − P ({6}) = 1 2 + 31 − 1 6 = 2 3. Laplace-Experiment Ω endliche Menge mit P ({x }) = P (A) = = 1 n 1 n für alle n Elementen und x ∈A (Gleichverteilung), mal Zahl der Elemente von A Zahl der güstigen durch Zahl der möglichen Fälle. Beispiele I fairer Würfel I Münzwurf: P (Wappen) = P (Zahl) = 1 2 = 50% I Ziehen einer Spielkarte aus 32: Die Wahrscheinlichkeit, dass ein Ass gezohen wird, ist 4/32 = 1 8 = 12, 5%. Beispiel Lotto 49 6 Möglichkeiten, 6 aus 49 Zahlen zu ziehen: Wahrscheinlichkeit für eine bestimmte Zahlenkombination ist 49 6 1/ = 1/13.983.816 < 0, 00001% (Ziehen ohne Zurücklegen ohne Berücksichtigung der Reihenfolge) Andere Urnenmodelle Mit Berücksichtung der Reihenfolge gibt es beim Ziehen von 6 aus 49 Zahlen 49 49! 43! Möglichkeiten · 48 · ... · 44 = ⇒ P ({x }) = 43! 49! = 1/10.068.347.520 Mit Zurücklegen (d. h. Zahlen können mehrfach gezogen werden) und Berücksichtigung der Reihenfolge gibt es 49 6 Möglichkeiten ⇒ P ({x }) = 49−6 = 1/13.841.287.201 Zwei Würfel 6 · 6 = 36 Möglichkeiten, jede hat Wahrscheinlichkeit 1/36. Ω = {(i , j ) : 1 ≤ i , j ≤ 6} mit P (i , j ) = 1 36 . A = {(2, 1), (2, 2), (2, 3), (2, 4), (2, 5), (2, 6)} (erster Würfel 2) und B = {(1, 3), (2, 3), (3, 3), (4, 3), (5, 3), (6, 3)} (zweiter Würfel 3) Mit ist 1 6 und 1 P (2, 3) = 36 = P (A) = P (B ) = P (A ∩ B ) = P (A) · P (B ) Unabhängigkeit A und B heiÿen unabhängig, wenn P (A ∩ B ) = P (A) · P (B ) Interpretation: Das Eintreten von Ereignis Einuss auf die Wahrscheinlichkeit von B A hat keinen und umgekehrt. Beispiele A = Augenzahl des ersten Würfels B = Augensumme gerade ist P (A) = P (B ) = 12 und P (A ∩ B ) = 41 , I Mit gerade und also sind die beiden Ereignisse unabhängig. A = erster Würfel 4 und B = Augensumme 1 1 ist P (A) = , P (B ) = 6 12 und 1 1 P (A ∩ B ) = P (4, 6) = 36 6= 16 · 12 , also sind A und B nicht unabhängig. Mit A = erste gezogene Spielkarte ist ein Ass und B = zweite Karte ist ein Bube ist P (A) = P (B ) = 81 und 4 1 P (A ∩ B ) = 81 · 31 = 62 6= 81 · 18 , I Mit I d. h. die beiden Ereignisse sind nicht unabhängig. 10 Bedingte Wahrscheinlichkeit Unabhängigkeit umformuliert: P (A ∩ B ) = P (A) · P (B ) ⇔ P (A) = P (A ∩ B )/P (B ). Allgemein deniert man die unter B bedingte Wahrscheinlichkeit von A als P (A|B ) = P (A ∩ B ) . P (B ) Interpretation: Wahrscheinlichkeit dass B eingetreten ist. für A, wenn bekannt ist, Bemerkungen I I P (A|B ) ist nur deniert, wenn P (B ) > 0. Falls P (A), P (B ) > 0, so gilt A und B unabhängig ⇔ P (A|B ) = P (A) ⇔ P (B |A) = P (B ). Beispiele bei zwei Würfeln I A: Augensumme 10, Dann ist P (A) = ⇒ P (A|B ) = P (B |A) = I I 1/36 1/6 1/36 1/12 = 3 36 = 1 3 B : erster Würfel 4, 1 = 12 , P (B ) = 61 , P (A ∩ B ) = 1 6 6= P (A) = 6= P (B ) = 1 12 sowie 1 6. A: Augensumme 7, B : erster Würfel 6, 1 P (A|B ) = 11//36 6 = 6 = P (A) sowie P (B |A) = 61 = P (B ), d. h. A und B sind unabhängig. A: 6 Richtige beim Lotto, B : die ersten 5 gezogenen Zahlen stimmen, 1 P (A|B ) = 44 ≈ 2, 27% > P (A) sowie P (B |A) = 1 6= P (B ). 1 36 Totale Wahrscheinlichkeit P (A) = P (A ∩ B ) + P (A ∩ B ) = P (B ) · P (A|B ) + P (B ) · P (A|B ). Allgemeiner P (A) = wenn Pn k =1 P (Bk ) · P (A|Bk ), Ω = B1 ∪ ... ∪ Bn mit Bi ∩ Bj = ∅ Wahrscheinlichkeitsraumes ist. eine Zerlegung des Beispiel P (S ) Wahrscheinlichkeit, dass eine E-Mail Spam ist. P (G ) Wahrscheinlichkeit, dass eine E-Mail das Wort Gewinn enthält. Bekannt: P (S ) = 0, 25, P (G |S ) = 0, 19 und P (G |S ) = 0, 01, d. h. jede 4. Mail ist Spam und 19% aller Spammails sowie 1% aller NichtSpamMails enthalten das Wort Gewinn. Es folgt P (G ) = P (S ) · P (G |S ) + P (S ) · P (G |S ) = 0, 055, also enthalten 5, 5% aller Mails das Wort Gewinn. Formel von Bayes Aus P (B ) · P (A|B ) = P (A ∩ B ) = P (A) · P (B |A) P (B |A) = folgt P (B ) · P (A|B ) P (B ) · P (A|B ) , = P (A) P (B ) · P (A|B ) + P (B ) · P (A|B ) bzw. bei einer Zerlegung Ω = B1 ∪ ... ∪ Bn P (Bk ) · P (A|Bk ) P (Bk |A) = Pn . i =1 P (Bi ) · P (A|Bi ) Anwendung: Bayes'scher Spamlter Beispiel: P (S ) = 0, 25 (25% SpamMails), P (G |S ) = 0, 19 (19% davon enthalten das Wort Gewinn) P (G |S ) = 0, 01 (1% der übrigen Mails enthalten das Wort Gewinn) Dann folgt P (S ) · P (G |S ) P (S ) · P (G |S ) + P (S ) · P (G |S ) 0, 25 · 0, 19 = ≈ 0, 864, 0, 25 · 0, 19 + 0, 75 · 0, 01 P (S |G ) = d. h. eine Mail mit dem Wort Gewinn ist zu 86, 4% Spam. Binomialverteilung n unabhängige Wiederholungen eines Experiments mit zwei möglichen Ausgängen (1 Erfolg, mit Wahrscheinlichkeit und 0 kein Erfolg, mit Wahrscheinlichkeit 1 − p) Beispiel I I nfacher Münzwurf, p = 0, 5 nfaches würfeln, 6 = Erfolg (p = 1 6) Modell n o Ω = {0, 1}n = (ω1 , ..., ωn ) : ωi ∈ {0, 1} , P ({ω}) = p k · (1 − p )n−k , wobei k Anzahl der Einsen. p Gesamtwahrscheinlichkeit für k Erfolge ω ∈ Ω mit k Einsen mal P ({ω}) n p k · (1 − p )n−k = bn,p (k ). k Zahl der gleich Beispiel: Wahrscheinlichkeit für ... b10;0,5 (6) ≈ 21%, 3 Sechsen bei 10 mal würfeln: b10;1/6 (3) ≈ 16%, 30 Sechsen bei 100 mal würfeln: b100;1/6 (30) ≈ 0, 038%, I 6 mal Wappen bei 10 Münzwürfen: I I I zwischen 25 und 34 Sechsen bei 100 Würfen: P34 k =25 b100;1/6 (k ) ≈ 2, 2%, I zwischen 11 und 20 Sechsen bei 100 Würfen: ≈ 80, 5%. Beispiel Binomialverteilung mit n = 20 Form einer Glockenkurve hat. und p = 0, 6, die die typische Erwartungswert einer Zufallsgröÿe X, die reelle Zahlen als Werte hat, ist deniert als EX = X ω · P (ω) ω∈Ω Beispiel Augenzahl beim Würfeln EX = 1 6 · 1 + 16 · 2 + 16 · 3 + 61 · 4 + 16 · 5 + 61 · 6 = 3, 5 (mittlerer oder durchschnittlicher Gewinn) Eigenschaften I I E (X + Y ) = EX + EY , E (X · Y ) = (EX ) · (EY ), falls X und Y unabhängig sind. Beispiel: zwei Würfel Die durchschnittliche Augensumme ist 3, 5 + 3, 5 = 7. Das Produkt der beiden Augenzahlen ergibt im Durchschnitt 3, 5 2 = 12, 25. Erwartungswert der Binomialverteilung Beim einmaligen Ausführen des Experiments ist der Erwartungswert EX1 = p . Es folgt, dass der Erwartungswert für die Zahl der Erfolge beim n-maligen Durchführen des Experiments EXn = n · EX1 = np ist. Beispiel 100 mal Würfeln Im Durchschnitt werden 100 · 1 6 = 16 23 Sechsen erwartet. Varianz Maÿ für die Streuung um den Erwartungswert: Ist EX = X , so setzt man V (X ) = E (X − X )2 = X (ω − X )2 · P (ω) ω∈Ω Beispiel Würfel V (X ) = 1 6 · (1 − 3, 5)2 + 16 · (2 − 3, 5)2 + 61 · (3 − 3, 5)2 + 16 · (4 − 3, 5)2 + 61 · (5 − 3, 5)2 + 61 · (6 − 3, 5)2 = 35 12 Standardabweichung ist deniert q 35 Beispiel ist σ = 12 ≈ 1, 7. Die Im ≈ 2, 9 als σ= p V (X ). Varianz einer Summe Sind X und Y unabhängig, so ist V (X + Y ) = V (X ) + V (Y ) Beispiele I Die Varianz der Augensumme zweier Würfel ist ≈ 2 · 2, 9 = 5, 8, die Standardabweichung etwa 2,4. I Die Varianz einer binimialverteilten Zufallsgröÿe ist n · p · (1 − p ). Beim 100maligen Würfeln ist die Varianz für die Zahl der Sechsen z. B. 100 · 16 · 5 6 ≈ 13, 9 und die Standardabweichung ≈ 3, 7.