Statistik I für Betriebswirte Vorlesung 2

Statistik I für Betriebswirte
Vorlesung 2
Dr. Andreas Wünsche
TU Bergakademie Freiberg
Institut für Stochastik
13. April 2017
Dr. Andreas Wünsche
Statistik I für Betriebswirte Vorlesung 2
Version: 11. April 2017
1
Eigenschaften bedingter Wahrscheinlichkeiten
I
Im Allgemeinen gilt P(A|B) 6= P(B|A) !
I
Bei fester Bedingung B kann man wie mit (unbedingten)
Wahrscheinlichkeiten rechnen, z.B.
P(A|B) = 1 − P(A|B) ;
P(A1 ∪ A2 |B) = P(A1 |B) + P(A2 |B) − P(A1 ∩ A2 |B) .
I
Multiplikationsregeln
I
Es gilt P(A ∩ B) = P(A|B) · P(B) = P(B|A) · P(A) .
I
Sind A1 , . . . , An zufällige Ereignisse mit P(A1 ∩ . . . ∩ An−1 ) > 0 ,
dann gilt
P(A1 ∩ A2 ∩ . . . ∩ An ) = P(A1 ) · P(A2 |A1 ) · P(A3 |A1 ∩ A2 ) · . . .
· P(An |A1 ∩ A2 ∩ . . . ∩ An−1 ) .
Dr. Andreas Wünsche
Statistik I für Betriebswirte Vorlesung 2
Version: 11. April 2017
2
Übungsbeispiel
In einer Urne befinden sich 10 Kugeln (7 rote und 3 schwarze). Es
werden 4 Kugeln rein zufällig ohne Zurücklegen entnommen.
Wie groß ist die Wahrscheinlichkeit für das Ereignis A , dass alle 4
gezogene Kugeln rot sind ?
Dr. Andreas Wünsche
Statistik I für Betriebswirte Vorlesung 2
Version: 11. April 2017
3
Formel der totalen Wahrscheinlichkeit
I
Berechnung der totalen (unbedingten) Wahrscheinlichkeit aus den
bedingten Wahrscheinlichkeiten: als gewichtetes Mittel.
I
Sei B1 , . . . , Bn eine Zerlegung von Ω mit P(Bi ) 6= 0, i = 1, . . . , n
ein vollständiges Ereignissystem, eine Fallunterscheidung, d.h.
n
[
Bi = Ω , Bi ∩ Bj = ∅ für i 6= j .
i=1
Dann lautet die Formel der totalen Wahrscheinlichkeit: für ein
beliebiges zufälliges Ereignis A ⊂ Ω gilt
P(A) =
=
n
X
i=1
n
X
P(A ∩ Bi )
P(A|Bi )P(Bi ) .
i=1
Dr. Andreas Wünsche
Statistik I für Betriebswirte Vorlesung 2
Version: 11. April 2017
4
Formel von Bayes
I
Unter den Bedingungen des Satzes der totalen Wahrscheinlichkeit
gilt die Formel von Bayes
P(Bi |A) =
=
P(A|Bi )P(Bi )
P(A ∩ Bi )
=
P(A)
P(A)
P(A|Bi )P(Bi )
.
n
P
P(A|Bj )P(Bj )
j=1
I
I
P(Bi ) heißen auch a-priori“-Wahrscheinlichkeiten.
”
P(Bi |A) heißen auch a-posteriori“-Wahrscheinlichkeiten,
”
sie liefern eine Korrektur der ursprünglichen Wahrscheinlichkeiten,
wenn bekannt ist, dass das zufällige Ereignis A eingetreten ist.
Dr. Andreas Wünsche
Statistik I für Betriebswirte Vorlesung 2
Version: 11. April 2017
5
Übungsbeispiel
Drei Zulieferer liefern eine Komponente zur Produktion eines
Erzeugnisses im Anzahlverhältnis 5 : 3 : 2. Die Fehlerquote betrage bei
Komponenten der 1. Zulieferfirma 7%, bei Komponenten der
2. Zulieferfirma 4% und bei Komponenten der 3. Zulieferfirma 2% .
1. Wie groß ist die Wahrscheinlichkeit dafür, dass eine aus der
Gesamtliefermenge rein zufällig ausgewählte Komponente defekt ist ?
2. Es werde eine Komponente aus der Gesamtzuliefermenge rein
zufällig ausgewählt und überprüft. Dabei stellt man fest, dass die
Komponente defekt ist.
Mit welcher Wahrscheinlichkeit wurde diese Komponente von der 1.,
2., bzw. 3. Zulieferfirma geliefert ?
Dr. Andreas Wünsche
Statistik I für Betriebswirte Vorlesung 2
Version: 11. April 2017
6
Partielle“ totale Wahrscheinlichkeit, Simpson-Paradox
”
I
Partielle totale Wahrscheinlichkeit P(A|C ) bei Zerlegung
B1 , . . . , Bn ; A, C sind Ereignisse, P(C ) > 0 :
P(A|C ) =
n
X
P(A|Bi ∩ C ) · P(Bi |C ) .
i=1
I
Simpson-Paradox: z.B. Zerlegung B, B , Ereignisse A, C1 , C2 .
Es kann sein, dass gilt
P(A|C1 ) < P(A|C2 )
aber
P(A|C1 ∩ B) > P(A|C2 ∩ B) ,
I
P(A|C1 ∩ B) > P(A|C2 ∩ B) .
Das Phänomen basiert darauf, dass Einzelergebnisse unterschiedlich
gewichtet in das Gesamtergebnis eingehen. Bei statistischen
Auswertung kann es so passieren, dass die Bewertung von
Teilgruppen anders ausfällt als die der zusammengefassten Daten.
Dr. Andreas Wünsche
Statistik I für Betriebswirte Vorlesung 2
Version: 11. April 2017
7
Beispiel für Simpson-Paradox
I
I
I
Betrachte folgende Ereignisse:
A
StudentIn bricht Studium ab,
G1 StudentIn ist weiblich,
G2 StudentIn ist männlich,
F1 StudentIn studiert Fach 1,
F2 StudentIn studiert Fach 2.
Gegeben sind folgende bedingte Wahrscheinlichkeiten
P(A|G1 ∩ F1 ) = 0.1
>
P(A|G1 ∩ F2 ) = 0.05 ,
P(A|G2 ∩ F1 ) = 0.2
>
P(A|G2 ∩ F2 ) = 0.15 ,
P(G1 |F1 ) = 0.9
⇒
P(G2 |F1 ) = 0.1 ,
P(G1 |F2 ) = 0.2
⇒
P(G2 |F2 ) = 0.8 .
Daraus folgt (aus der Formel für partielle totale Wahrscheinlichkeit):
P(A|F1 ) = P(A|G1 ∩ F1 ) · P(G1 |F1 ) + P(A|G2 ∩ F1 ) · P(G2 |F1 )
= 0.1 · 0.9 + 0.2 · 0.1 = 0.11
< P(A|F2 ) = P(A|G1 ∩ F2 ) · P(G1 |F2 ) + P(A|G2 ∩ F2 ) · P(G2 |F2 )
= 0.05 · 0.2 + 0.15 · 0.8 = 0.13 .
Dr. Andreas Wünsche
Statistik I für Betriebswirte Vorlesung 2
Version: 11. April 2017
8
1.4 Stochastische Unabhängigkeit
I
Es kann vorkommen (und tut es in wichtigen Situationen auch), dass
das Eintreten des Ereignisses B nichts an der Wahrscheinlichkeit für
das Eintreten des Ereignisses A ändert, d.h. es gilt P(A|B) = P(A) .
I
Definition: Zwei zufällige Ereignisse A und B zu einem
Zufallsversuch heißen (stochastisch) unabhängig, wenn gilt
P(A ∩ B) = P(A) · P(B) .
I
In diesem Fall gelten dann auch
P(A|B) = P(A)
bzw. P(B|A) = P(B)
(falls P(B) > 0 bzw. P(A) > 0), d.h. die bedingten
Wahrscheinlichkeiten sind gleich den unbedingten
Wahrscheinlichkeiten der beiden Ereignisse.
Dr. Andreas Wünsche
Statistik I für Betriebswirte Vorlesung 2
Version: 11. April 2017
9
Unabhängigkeit von mehr als 2 Ereignissen
I
Zufällige Ereignisse A1 , . . . , An zu einem Zufallsversuch heißen
paarweise unabhängig, falls alle Paare von ausgewählten Ereignissen
unabhängig sind, d.h.
P(Ai ∩ Aj ) = P(Ai ) · P(Aj ) für alle i 6= j .
I
Diese Ereignisse heißen in Gesamtheit oder total oder vollständig
(stochastisch) unabhängig, falls eine entsprechende Formel für alle
möglichen Auswahlen (nicht nur von Paaren) gilt, d.h. für alle
2 ≤ k ≤ n, 1 ≤ i1 < . . . < ik ≤ n
gilt
P(Ai1 ∩ . . . ∩ Aik ) = P(Ai1 ) · . . . · P(Aik ) .
I
Aus der totalen Unabhängigkeit der Ereignisse A1 , . . . , An folgt die
paarweise Unabhängigkeit der Ereignisse, aber die Umkehrung gilt
im Allgemeinen nicht.
Dr. Andreas Wünsche
Statistik I für Betriebswirte Vorlesung 2
Version: 11. April 2017
10
Beispiel, Eigenschaften unabhängiger Ereignisse
I
Beispiel: (Zweifacher Münzwurf mit symmetrischer Münze)
A = {1. Wurf Zahl},
B = {2. Wurf Zahl} .
I
Satz: A und B seien unabhängige Ereignisse zu einem zufälligen
Versuch. Dann sind auch die zufälligen Ereignisse A und das
Komplement von B, also B , unabhängig. Ebenso sind in diesem Fall
A und B sowie auch A und B jeweils unabhängige Ereignisse.
I
Summenformel für unabhängige Ereignisse A1 , . . . , An :
P(A1 ∪ . . . ∪ An ) = 1 − (1 − P(A1 )) · . . . · (1 − P(An )) .
I
Die Unabhängigkeit von Ereignissen wird der Einfachheit halber
häufig vorausgesetzt, oft auch dann, wenn sie sachlich schwer
begründbar ist. Oft beziehen sich unabhängige Ereignisse auf
Versuchswiederholungen etc., die sich (scheinbar) nicht gegenseitig
beeinflussen.
Dr. Andreas Wünsche
Statistik I für Betriebswirte Vorlesung 2
Version: 11. April 2017
11
Anwendung in Zuverlässigkeitstheorie
Betrachten die Serien- und Parallelschaltung von Bauteilen, Teilsystemen
(z.B. in Produktionslinien) etc., die unabhängig voneinander ausfallen
oder funktionstüchtig sind.
I
I
2 Bauteile T1 , T2 , Fi = {Bauteil Ti funktioniert}, P(Fi ) = pi ,
Fi stochastisch unabhängig (i = 1, 2) .
Serien- oder Reihenschaltung funktioniert, wenn sowohl T1 als auch
T2 funktionieren:
P(F1 ∩ F2 ) = P(F1 )P(F2 ) = p1 p2 .
I
Parallelschaltung funktioniert, wenn T1 oder T2 oder beide Bauteile
funktionieren (also mindestens eines der Bauteile funktioniert):
P(F1 ∪ F2 ) = P(F1 ) + P(F2 ) − P(F1 ∩ F2 ) = p1 + p2 − p1 p2 .
I
n Bauteile T1 , . . . , Tn , Fi = {Bauteil Ti funktioniert}
Fi vollständig stochastisch unabhängig (i = 1, . . . , n) .
Dr. Andreas Wünsche
Statistik I für Betriebswirte Vorlesung 2
Version: 11. April 2017
12
Serien- oder Reihenschaltung
Serien- oder Reihenschaltung
I
funktioniert (Ereignis S), wenn alle Bauteile T1 , T2 , . . . , Tn
funktionieren:
S
=⇒
I
= F1 ∩ F2 . . . ∩ Fn
P(S) = P(F1 ) · P(F2 ) · . . . · P(Fn ).
Serien- oder Reihenschaltung funktioniert nicht, wenn mindestens
eines der Bauteile T1 , T2 , . . . , Tn nicht funktioniert:
S
= F1 ∪ F2 ... ∪ Fn
P(S) = 1 − P(S)
= 1 − P(F1 ) · P(F2 ) · . . . · P(Fn )
= 1 − (1 − P(F 1 )) · (1 − P(F 2 )) · . . . · (1 − P(F n )) .
Dr. Andreas Wünsche
Statistik I für Betriebswirte Vorlesung 2
Version: 11. April 2017
13
Parallelschaltung
I
Parallelschaltung funktioniert (Ereignis S), wenn mindestens ein
Bauteil T1 , T2 , . . . , Tn funktioniert:
S
=⇒
Dr. Andreas Wünsche
= F1 ∪ F2 . . . ∪ Fn
P(S) = 1 − ((1 − P(F1 )) · (1 − P(F2 ))) · . . . · (1 − P(Fn ))) .
Statistik I für Betriebswirte Vorlesung 2
Version: 18. April 2017
14
Parallelschaltung
I
Parallelschaltung funktioniert nicht, wenn alle Bauteile
T1 , T2 , . . . , Tn nicht funktionieren:
S
=⇒
= F1 ∩ F2 ... ∩ Fn
P(S) = P(F 1 ) · P(F 2 ) · . . . · P(F n )
= (1 − P(F1 )) · (1 − P(F2 )) · . . . · (1 − P(Fn )).
I
Bei komplizierteren Schaltungen Zerlegung in einfachere Teilsysteme
(reine Serien- und Parallelschaltungen).
Dr. Andreas Wünsche
Statistik I für Betriebswirte Vorlesung 2
Version: 11. April 2017
15
Übungsbeispiel
Ein System besteht aus vier Komponenten. Dabei sei Fi (i = 1, . . . , 4)
das Ereignis, dass die i-te Komponente des Systems nicht ausfällt. Diese
Ereignisse sind vollständig unabhängig und haben folgende
Wahrscheinlichkeiten:
P(F1 ) = 0.95 , P(F2 ) = 0.85 , P(F3 ) = 0.9 und P(F4 ) = 0.9.
Das System funktioniert, falls von den Komponenten 1 und 2 und von
den Komponenten 3 und 4 mindestens jeweils eine Komponente
funktioniert.
Wie groß ist die Wahrscheinlichkeit dafür, dass das System funktioniert?
Dr. Andreas Wünsche
Statistik I für Betriebswirte Vorlesung 2
Version: 11. April 2017
16