1. Grundbegri¤e Raum der Ereignisse. Die einelementigen Teilmengen f!g heiß en auch Elementarereignisse. Das Ereignis A tritt ein, wenn ein ! 2 A eintritt. A ist ein geeignetes System von Teilmengen A von . B Operationen mit Ereignissen A; B; A1 ; A2 ; : : : 2 A A [ B Ereignis A oder B tritt ein A \ B Ereignisse A und B treten ein AnB Ereignis A tritt ein, nicht aber B A B Ereignis B schließ t A ein Sn Ai mindestens eines der Ereignisse Ai tritt ein Tni=1 i=1 Ai alle Ai treten ein nA = A das zu A komplementäre Ereignis; tritt ein, wenn A nicht eintritt. A \ B = ; bedeutet Ereignisse A und B sind unvereinbar. Axiome: P (A) heiß t Wahrscheinlichkeit des zufälligen Ereignisses, falls (1) Für alle A 2 A gilt: 0 P (A) 1. Wahrscheinlichkeiten liegen zwischen 0 und 1. (2) P ( ) = 1: (3) Für unvereinbare Ereignisse A1 ; : : : ; An 2 A (Ai \ Aj = ; für i 6= j) gilt: P n [ i=1 Ai ! = n X P (Ai ). i=1 B Daraus lassen sich weitere Formeln ableiten: (4) P (;) = 0 (5) Falls A \ B = ; erfüllt ist, =) P (A [ B) = P (A) + P (B) (6) P (A) = 1 P (A) (7) Falls A B =) P (A) P (B) (8) P (A [ B) = P (A) + P (B) P (A \ B) (9) P (A [ B) P (A) + P (B) (10) P (A) = P (A \ B) + P (A \ B) 1 Definition: Es seien A; B 2 A mit P (B) > 0. Dann heiß t P (A j B) = P (A \ B) P (B) die bedingte Wahrscheinlichkeit von A unter der Bedingung B. Formeln: P (A j C) = 1 P (A j C) P (A j C) = P (A \ B j C) + P (A \ B j C) Definition: Die Ereignisse A und B 2 A heiß en unabhängig, wenn P (A \ B) = P (A)P (B): B Die Ereignisse A und B sind genau dann unabhängig, wenn P (A j B) = P (A): Formel der totalen Wahrscheinlichkeit - Bayessche Formel B Gegeben seien Ereignisse A; B 2 A. P (A) = P (A j B) P (B) + P (A j B) P (B) P (B j A) = P (A j B)P (B) P (A) B Gegeben seien Ereignisse A; B1 ; : : : ; Bn 2 A, P (Bi ) > 0. S Die Bi bilden ein vollständiges System von Ereignissen: = ni=1 Bi , Bi \ Bj = ; für i 6= j, d.h. die Bi sind unvereinbar und schöpfen alle Möglichkeiten in aus. Das bedeutet, dass immer genau ein Bi eintritt. Formel der totalen Wahrscheinlichkeit P (A) = n X i=1 P (A j Bi )P (Bi ) Bayessche Formel P (Bi j A) = P (A j Bi )P (Bi ) P (A j Bi )P (Bi ) = n X P (A) P (A j Bj )P (Bj ) j=1 2 2. Zufallsgröß en Diskrete Zufallsgröß en Verteilungstabelle: Wert x1 x2 Wahrscheinlichkeit p1 p2 ::: xr evtl. unendlich viele Werte pr pi = P (X = xi ) Bedingungen: X 0 < pi < 1; pi = 1 i B Wahrscheinlichkeiten im Fall xi = i: P (m X n) = X pi i:m xi n Diskrete Verteilungen Gleichverteilung auf f1; 2; : : : ; ng pi = 1 n (i = 1; : : : ; n): Poisson-Verteilung mit Parameter i pi = i! e (i = 0; 1; : : :) Binomialverteilung mit Parameter n; p pi = n i p (1 i p)n i (i = 0; : : : ; n) Kenngröß en diskreter Verteilungen Erwartungswert: E (X) = r X xi pi i=1 Varianz (Streuung): Var (X) = r X (xi E (X))2 pi = i=1 r X i=1 3 x2i pi (E (X))2 Standardabweichung: (X) = p Var (X) Kenngröß en spezieller diskreter Verteilungen Gleichverteilung 1 n+1 ; Var (X) = n2 2 12 E (X) = 1 12 Binomialverteilung E (X) = np; Var (X) = np(1 p) Poissonverteilung E (X) = ; Var (X) = Stetige Zufallsgröß en B Verteilungsfunktion: F (x) = P (X x) f (x) = F 0 (x) Die Funktion f (x) heiß t Wahrscheinlichkeitsdichte (Dichtefunktion) der Zufallsgröß e.=) P (a P (X P (X X a) = b) = b) = Z a Z 1 1 Z b f (x) dx = F (b) a f (x) dx = F (a) f (x) dx = 1 F (b) b B Eine Funktion f (x) ist Dichte einer Zufallsgröß e, falls 1) f (x) 0, 2) Z 1 f (x) dx = 1: 1 Stetige Verteilungen Normalverteilung mit Parameter ; f (x) = p F (x) = 2 , Symbol N ( ; 1 2 exp x 4 1 (x 2 2 ) )2 2 F (a) N (0; 1) ist die standardisierte Normalverteilung (x) ist Verteilungsfunktion der standardisierten Normalverteilung Beachte: ( x) = 1 (x); (0) = 0:5 B Wahrscheinlichkeiten der Normalverteilung: X P (X P (a Satz: Ist X b b) = X 2 N( ; ; P (X ) a a) = 1 b b) = 2 N( ; a ), dann Y = aX + b ; ; N (a + b; a2 2 ): stetige Gleichverteilung auf [a; b] f (x) = ( 1 b a für a x b 0 für x < a oder x > b: 8 > < 0 für x < a x a F (x) = für a x b a > : 1 für x > b: b Exponentialverteilung mit Parameter f (x) = F (x) = ( ( x für x 0 für x < 0: e 1 e x für x 0 für x < 0: 0 0 Berechnung von Wahrscheinlichkeiten der Binomialverteilung mit Hilfe der Normalverteilung: X bin(n; p) P (k X l) l np + 0:5 p np(1 p) ! k np 0:5 p np(1 p) Kenngröß en stetiger Verteilungen Erwartungswert: E(X) = Z 1 1 5 xf (x) dx ! Varianz : Z Var(X) = (X) = sZ Schiefe: (X) = 1 1 Z = Standardabweichung: 1 Z E(X))2 f (x) dx (x x2 f (x) dx (E(X))2 1 1 E(X))2 f (x) dx (x 1 1 (x E(X))3 f (x) dx 1 p (Var (X))3 Modalwert: Maximalstelle von f (x), Symbol mod(X) (X) > 0 bedeutet rechtsschiefe Verteilung, Modalwert liegt links neben E(X) (X) < 0 bedeutet linksschiefe Verteilung, Modalwert liegt rechts neben E(X) (X) = 0 symmetrische Verteilung Kenngröß en spezieller stetiger Verteilungen Normalverteilung N ( ; 2 ) E(X) = ; Var(X) = 2 ; (X) = ; (X) = 0 Exponentialverteilung Exp( ) E(X) = 1 ; Var (X) = 1 2; (X) = 1 ; (X) = 2 stetige Gleichverteilung auf [a; b] E(X) = a+b ; 2 Var(X) = (b a)2 ; 12 b a (X) = p ; 12 Definition: Eine Zahl q heiß t Quantil der Ordnung mit der Verteilungsfunktion F , falls F (q ) = : Dies bedeutet: P (X q )= Z 6 q f (x) dx = : 1 (X) = 0 der stetigen Zufallsgröß eX Das Quantil m der Ordnung 1 2 heiß t Median: 1 F (m) = : 2 Quantile der Standard-Normalverteilung werden mit z( ) bezeichnet: Quantile der N ( ; 2 )-Verteilung: q = + z( ) (z( )) = : Unabhängige Zufallsgröß en Definition: Zwei Zufallsgröß en X und Y heiß en unabhängig, falls gilt: P (X 2 A; Y 2 B) = P (X 2 A) P (Y 2 B) für alle geeigneten Mengen A; B R. Satz: Die Summe von unabhängigen normalverteilten Zufallsgröß en ist wieder normalverteilt. N (a + b; 21 + 22 ); N (b; 22 ) unabhängig =) X + Y X N (a; 21 ); Y rX N (ra; r2 21 ) Diskrete Zufallsvektoren Zufallsvektor (X; Y ), X nimmt Werte x1 ; : : : ; xr an Y nimmt Werte y1 ; : : : ; ys an Darstellung als Verteilungstabelle (Kreuztabelle): X x1 .. . xr .. .Y y1 ys p11 .. . p1s .. . p1: .. . pr1 prs pr: p:1 p:s 1 pij = P (X = xi ; Y = yj ); pi: = P (X = xi ); p:j = P (Y = yj ) p1: ; : : : ; pr: nennt man die Randverteilung von X, p:1 ; : : : ; p:s die Randverteilung von Y . 7 Es gilt: pi: = pi1 + : : : + pis (Zeilensumme) p:j = p1j + : : : + prj (Spaltensumme) r X s X pij = 1 i=1 j=1 Unabhängigkeit von X und Y bedeutet: für alle i; j pij = pi: p:j X und Y sind abhängig, falls pij 6= pi: p:j für ein Paar i; j B Abhängigkeitsmaßzweier Zufallsgröß en X und Y : Korrelationskoe¢ zient cov(X; Y ) = corr(X; Y ) = p Var(X) Var(Y ) Kovarianz für diskrete Zufallsgröß en: cov(X; Y ) = r X s X xi yj pij i=1 j=1 xi ; yj ; pij aus Tabelle oben 1 1 Interpretation: unkorreliert (praktisch unabhängig): = 0 schwache Abhängigkeit: j j 0:5 mittlere Abhängigkeit: 0:5 < j j 0:8 starke Abhängigkeit: j j > 0:8 8 E(X)E(Y )