1.6.1. Beispiel (zum ∞-fachen, unabhängigen Münzwurf mit Erfolgswahrscheinlichkeit p ∈ [0, 1)) 1. Die Wahrscheinlichkeit p1 , daß beim ∞-fachen, unabhängigen Münzwurf mit Erfolgswahrscheinlichkeit p ∈ [0, 1) 2 nur endlich oft Kopf“ geworfen wird, ist zu bestimmen. ” (a) Experimentelle“ Lösung. Beim wiederholten realen Werfen der Münze oder ” bei einer Computersimulation 3 deutet sich an 4, daß 5 p1 = 0 ist. (b) Mathematische Lösung. Zunächst ist # "∞ [ N 6 7 p1 = P ω ∈ {0, 1} : ωk = ωk+1 = · · · = 1 (6) k=1 ∞ X P ω ∈ Ω : ωk = ωk+1 = · · · = 1 , {z } | k=1 = Bk wobei mit der σ-Subadditivität von P die abzählbare“ Variante der Subadditivität ” von P 8 benutzt wird. Weiterhin folgt P[Bk ] ≤ 9 P ω ∈ Ω : ωk = · · · = ωk+N = 1 = 10 pN +1 , k, N ∈ N, ≤ d.h., 11 P[Bk ] = 0, k ∈ N. Aus (6) ergibt sich somit 12 p1 = 0. 1In Abschnitt 1.4.2 wird diskutiert, wie der ∞-fache, unabhängige Münzwurf mit Erfolgswahr- scheinlichkeit p ∈ [0, 1] im Rahmen der Stochastik durch einen geeigneten Wahrscheinlichkeitsraum (Ω, F, P) mathematisch beschrieben werden kann. 2Da p < 1, ist insbesondere die Wahrscheinlichkeit 1 − p, daß bei einem einzelnen Wurf Kopf“ ” geworfen wird, von 0 verschieden. 3 Es ist eine beliebig lange Folge von unabhängigen, {0, 1}-wertigen Zufallszahlen“, die mit ” Wahrscheinlichkeit p den Wert 1 und mit Wahrscheinlichkeit 1 − p den Wert 0 annehmen, zu simulieren. Hinweise zur Durchführung einer solchen Simulation finden sich in Abschnitt 2.1.1(c). 4 Ein mathematisch korrekter Beweis kann mit derartigen Mitteln natürlich nicht geführt werden. 5 Wenn die Münze lange genug geworfen wird, erscheint immer irgendwann mal“ Kopf“. ” ” 6Es wird nur endlich oft Kopf“ geworfen“ genau dann, wenn ein k ∈ N existiert, so daß nach ” ” dem Zeitpunkt k nur noch Zahl“ geworfen wird. ” 7 Wie in Abschnitt 1.4.2 wird Ω = {0, 1}N gewählt. 8Vgl. Abschnitt 1.6(iv). 9Wegen der Monotonie von P, vgl. Abschnitt 1.6(v). 10 Vgl. (5). 11 Beachte, daß p < 1. 12Damit ist die experimentelle“ Lösung bestätigt. ” 1