Unabhängigkeit von Ereignissen Unabhängigkeit von Experimenten Zufallsgrößen Modellierungskonzepte 3 Elke Warmuth Humboldt-Universität Berlin WS 2008/09 1 / 53 Unabhängigkeit von Ereignissen Unabhängigkeit von Experimenten Zufallsgrößen 1 Unabhängigkeit von Ereignissen Bedeutung der Unabhängigkeit Unabhängigkeit von zwei Ereignissen Unabhängigkeit von 3 Ereignissen Unabhängigkeit von n Ereignissen 2 Unabhängigkeit von Experimenten Bernoulli-Ketten Überbuchungsproblematik 3 Zufallsgrößen Verteilung einer Zufallsgröße Erwartungswert von Zufallsgrößen Modellierung mit Zufallsgrößen 2 / 53 Unabhängigkeit von Ereignissen Unabhängigkeit von Experimenten Zufallsgrößen Bedeutung der Unabhängigkeit Unabhängigkeit von zwei Ereignissen Unabhängigkeit von 3 Ereignissen Unabhängigkeit von n Ereignissen Kolmogorow: The concept of mutual independence of two or ” more experiments holds, in a certain sense, a central position in the theory of probability. ... Historically, the independence of experiments and random variables represents the very mathematical concept that has given the theory of probability its peculiar stamp.“ Quelle: A. N. Kolmogorov: Foundations of the Theory of Probability. New York: Chelsea Publishing Company, 1950. 3 / 53 Unabhängigkeit von Ereignissen Unabhängigkeit von Experimenten Zufallsgrößen Bedeutung der Unabhängigkeit Unabhängigkeit von zwei Ereignissen Unabhängigkeit von 3 Ereignissen Unabhängigkeit von n Ereignissen Was soll erfasst werden? Ereignisse A und B haben folgende Eigenschaft: Information über das Eintreten von A beeinflusst unsere Bewertung der Chancen für das Eintreten von B nicht. Prototypen: Ziehen mit und ohne Zurücklegen 4 / 53 Unabhängigkeit von Ereignissen Unabhängigkeit von Experimenten Zufallsgrößen Bedeutung der Unabhängigkeit Unabhängigkeit von zwei Ereignissen Unabhängigkeit von 3 Ereignissen Unabhängigkeit von n Ereignissen R1 – rote Kugel im 1. Zug, R2 – rote Kugel im 2. Zug ohne Zurücklegen P(R2 ) = 3 10 P(R2 |R1 ) = mit Zurücklegen P(R2 ) = 2 9 < 3 10 3 10 P(R2 |R1 ) = 3 10 5 / 53 Unabhängigkeit von Ereignissen Unabhängigkeit von Experimenten Zufallsgrößen Bedeutung der Unabhängigkeit Unabhängigkeit von zwei Ereignissen Unabhängigkeit von 3 Ereignissen Unabhängigkeit von n Ereignissen Ziehen ohne Zurücklegen: P(R1 |R2 ) = P(R1 ∩ R2 ) = P(R2 ) 3 10 · 3 10 2 9 = 2 9 Die Information darüber, dass die zweite Kugel rot ist, verändert die Chancen für eine rote Kugel im ersten Zug. Es ist wahrscheinlicher, dass die erste Kugel weiß war. Real ist R1 unbeeinflusst von R2 , aber stochastisch, im Sinne der Chancen, schon. Provisorische Festlegung: Das Ereignis A ist stochastisch unabhängig vom Ereignis B mit P(B) > 0, falls P(A|B) = P(A) gilt. 6 / 53 Unabhängigkeit von Ereignissen Unabhängigkeit von Experimenten Zufallsgrößen Bedeutung der Unabhängigkeit Unabhängigkeit von zwei Ereignissen Unabhängigkeit von 3 Ereignissen Unabhängigkeit von n Ereignissen Folgerungen aus der provisorischen Festlegung für P(A) und P(B) positiv: A unabhängig von B ⇔ P(A|B) P(A ∩ B) ⇔ P(B) ⇔ P(A ∩ B) P(A ∩ B) ⇔ P(A) ⇔ P(B|A) = P(A) = P(A) = P(A) · P(B) = P(B) = P(B) A unabhängig von B genau dann, wenn B unabhängig von A, stochastische Unabhängigkeit ist symmetrisch in A und B ⇒ endgültige Definition 7 / 53 Unabhängigkeit von Ereignissen Unabhängigkeit von Experimenten Zufallsgrößen Bedeutung der Unabhängigkeit Unabhängigkeit von zwei Ereignissen Unabhängigkeit von 3 Ereignissen Unabhängigkeit von n Ereignissen Definition: Unabhängigkeit zweier Ereignisse Zwei Ereignisse A und B heißen (stochastisch) unabhängig, falls die Produktformel P(A ∩ B) = P(A) · P(B) gilt. Symmetrie ohne Voraussetzung P(A) > 0 bzw. P(B) > 0. Aspekte von Unabhängigkeit Unabhängigkeit als Modellannahme Unabhängigkeit in einem Modell nachweisen 8 / 53 Unabhängigkeit von Ereignissen Unabhängigkeit von Experimenten Zufallsgrößen Bedeutung der Unabhängigkeit Unabhängigkeit von zwei Ereignissen Unabhängigkeit von 3 Ereignissen Unabhängigkeit von n Ereignissen gutes Beispiel: Quelle: Barth, Haller: Stochastik Leistungskurs. München: Oldenbourg Schulbuchverlag, 1998 Sehr empfehlenswertes Lehrbuch 9 / 53 Unabhängigkeit von Ereignissen Unabhängigkeit von Experimenten Zufallsgrößen Bedeutung der Unabhängigkeit Unabhängigkeit von zwei Ereignissen Unabhängigkeit von 3 Ereignissen Unabhängigkeit von n Ereignissen schlechtes Beispiel: Quelle: Mathematik. Band 2. Sachsen-Anhalt. Berlin: Cornelsen Verlag, 2005 10 / 53 Unabhängigkeit von Ereignissen Unabhängigkeit von Experimenten Zufallsgrößen Bedeutung der Unabhängigkeit Unabhängigkeit von zwei Ereignissen Unabhängigkeit von 3 Ereignissen Unabhängigkeit von n Ereignissen Begriff Unabhängigkeit festigen Unabhängigkeit und Unvereinbarkeit Beispiele und Gegenbeispiele Unabhängigkeit in Vierfeldertafel Verallgemeinerung auf n Ereignisse Unabhängigkeit von Vorgängen 11 / 53 Unabhängigkeit von Ereignissen Unabhängigkeit von Experimenten Zufallsgrößen Bedeutung der Unabhängigkeit Unabhängigkeit von zwei Ereignissen Unabhängigkeit von 3 Ereignissen Unabhängigkeit von n Ereignissen Unabhängigkeit und Unvereinbarkeit i.A. krasse Abhängigkeit: Eintreten von A macht Eintreten von B unmöglich und umgekehrt. Nagelprobe Verständnis für inhaltliches 12 / 53 Unabhängigkeit von Ereignissen Unabhängigkeit von Experimenten Zufallsgrößen Ausnahme: Bedeutung der Unabhängigkeit Unabhängigkeit von zwei Ereignissen Unabhängigkeit von 3 Ereignissen Unabhängigkeit von n Ereignissen P(A ∩ B) = P(A) · P(B) 0 = P(A) · P(B) P(A) = 0 oder P(B) = 0 Ereignisse mit Wahrscheinlichkeit 0 sind von allen Ereignissen unabhängig. Ereignisse mit Wahrscheinlichkeit 1 auch. Sei nämlich P(A) = 1 P(A) · P(B) = P(B) = P(B ∩ A) + P(B ∩ A) = P(B ∩ A) Entspricht das inhaltlichem Verständnis? 13 / 53 Unabhängigkeit von Ereignissen Unabhängigkeit von Experimenten Zufallsgrößen Bedeutung der Unabhängigkeit Unabhängigkeit von zwei Ereignissen Unabhängigkeit von 3 Ereignissen Unabhängigkeit von n Ereignissen Unabhängigkeit in Vierfeldertafel A A B P(A) · P(B) P(B) B P(B) P(A) P(A) 1 P(B) − P(A) · P(B) = P(B) [1 − P(A)] = P(B) · P(A) 14 / 53 Unabhängigkeit von Ereignissen Unabhängigkeit von Experimenten Zufallsgrößen Bedeutung der Unabhängigkeit Unabhängigkeit von zwei Ereignissen Unabhängigkeit von 3 Ereignissen Unabhängigkeit von n Ereignissen Unabhängigkeit in Vierfeldertafel A A B P(A) · P(B) P(A) · P(B) P(B) B P(A) · P(B) P(A) · P(B) P(B) P(A) P(A) 1 Aus der Unabhängigkeit für ein Pärchen“ folgt die ” Unabhängigkeit für alle anderen. 15 / 53 Unabhängigkeit von Ereignissen Unabhängigkeit von Experimenten Zufallsgrößen Bedeutung der Unabhängigkeit Unabhängigkeit von zwei Ereignissen Unabhängigkeit von 3 Ereignissen Unabhängigkeit von n Ereignissen Beispiele und Gegenbeispiele 1. Zweimaliges Würfeln mit einem fairen Würfel A – erster Wurf 6, B – zweiter Wurf 3 Unabhängigkeit als Modellierungselement: Argumentation: Das Eintreten von A beeinflusst die Chancen für das Eintreten von B nicht. 1 1 ⇒ P(A ∩ B) = · 6 6 Unabhängigkeit in einem Modell nachprüfen: Ω = {(w1 , w2 ) : w1 , w2 ∈ {1, 2, . . . , 6}} Annahme: gleichwahrscheinlich, |Ω| = 36 |A| = |B| = 6, |A ∩ B| = 1 ⇒ P(A ∩ B) = P(A) · P(B) ⇒ A und B unabhängig 16 / 53 Unabhängigkeit von Ereignissen Unabhängigkeit von Experimenten Zufallsgrößen Bedeutung der Unabhängigkeit Unabhängigkeit von zwei Ereignissen Unabhängigkeit von 3 Ereignissen Unabhängigkeit von n Ereignissen 2. Zweimaliges Würfeln mit einem fairen Würfel A – Augensumme gerade, B – zweite Augenzahl gerade Was sagt die Intuition? Ω = {(w1 , w2 ) : w1 , w2 ∈ {1, 2, . . . , 6}} Annahme: gleichwahrscheinlich, |Ω| = 36 P(A) = 18 36 , P(B) = 1 2 A ∩ B = {(2, 2), (2, 4), (2, 6), (4, 2), (4, 4), (4, 6), (6, 2), (6, 4), (6, 6)} ⇒ P(A ∩ B) = 9 36 = 1 4 = P(A) · P(B) ⇒ A und B stochastisch unabhängig, obwohl reale gegenseitige Beeinflussung von A und B. 17 / 53 Unabhängigkeit von Ereignissen Unabhängigkeit von Experimenten Zufallsgrößen Bedeutung der Unabhängigkeit Unabhängigkeit von zwei Ereignissen Unabhängigkeit von 3 Ereignissen Unabhängigkeit von n Ereignissen 3. Zwei Merkmale In einem Kurs sind 80% Männer und 20% Frauen. Davon sind 15% Anfänger und 85% Fortgeschrittene. Ein Kursteilnehmer wird zufällig ausgewählt. Wie groß ist die Wahrscheinlichkeit, dass es eine weibliche Anfängerin ist? 0, 20 · 0, 15? Anfänger weibl. männl. x 0, 15 − x 0, 15 0, 65 + x 0, 85 0, 80 1 Fortgeschr. 0, 20 − x 0, 20 unendlich viele Lösungen 18 / 53 Unabhängigkeit von Ereignissen Unabhängigkeit von Experimenten Zufallsgrößen Bedeutung der Unabhängigkeit Unabhängigkeit von zwei Ereignissen Unabhängigkeit von 3 Ereignissen Unabhängigkeit von n Ereignissen Test auf Unabhängigkeit Verunglückte Verkehrsteilnehmer bei Verkehrsunfällen in Berlin von Januar bis Juli 2006 Quelle: http://www.statistik-berlin.de/home.htm unter 15 ab 15 √1 9106 männlich 369 4716 5085 weiblich 288 3733 4021 657 8449 9106 ≈ 0, 01, sinnvoll runden 19 / 53 Unabhängigkeit von Ereignissen Unabhängigkeit von Experimenten Zufallsgrößen Bedeutung der Unabhängigkeit Unabhängigkeit von zwei Ereignissen Unabhängigkeit von 3 Ereignissen Unabhängigkeit von n Ereignissen unter 15 ab 15 männlich 0, 04 0, 52 0, 56 weiblich 0, 03 0, 41 0, 44 0, 07 0, 93 1, 00 0, 07 · 0, 56 ≈ 0, 04 Spricht für Unabhängigkeitsannahme Frage: Wie große Abweichungen von der Produktformel sind noch mit Zufallsschwankungen verträglich? Typische Fragestellung bei statistischem Test. 20 / 53 Unabhängigkeit von Ereignissen Unabhängigkeit von Experimenten Zufallsgrößen Bedeutung der Unabhängigkeit Unabhängigkeit von zwei Ereignissen Unabhängigkeit von 3 Ereignissen Unabhängigkeit von n Ereignissen Was soll erfasst werden? Information über das Eintreten von A beeinflusst unsere Bewertung der Chancen für das Eintreten von B bzw. C nicht. Analog B und C . Kurz paarweise Unabhängigkeit: P(A ∩ B) = P(A) · P(B) P(A ∩ C ) = P(A) · P(C ) P(B ∩ C ) = P(B) · P(C ) Aber auch: Information über das Eintreten von A ∩ B beeinflusst unsere Bewertung der Chancen für das Eintreten von C nicht: P((A ∩ B) ∩ C ) = P(A ∩ B) · P(C ) P(A ∩ B ∩ C ) = P(A) · P(B) · P(C ) 21 / 53 Unabhängigkeit von Ereignissen Unabhängigkeit von Experimenten Zufallsgrößen Bedeutung der Unabhängigkeit Unabhängigkeit von zwei Ereignissen Unabhängigkeit von 3 Ereignissen Unabhängigkeit von n Ereignissen Definition: Vollständige Unabhängigkeit von drei Ereignissen Drei Ereignisse A, B und C heißen (vollständig stochastisch) unabhängig, falls die folgenden Produktformeln P(A ∩ B) P(A ∩ C ) P(B ∩ C ) P(A ∩ B ∩ C ) = = = = P(A) · P(B) (1) P(A) · P(C ) (2) P(B) · P(C ) (3) P(A) · P(B) · P(C ) (4) gelten. Weder die Gleichungen (1) bis (3) zusammen, noch die Gleichung (4) alleine reichen aus für vollständige Unabhängigkeit. 22 / 53 Unabhängigkeit von Ereignissen Unabhängigkeit von Experimenten Zufallsgrößen Bedeutung der Unabhängigkeit Unabhängigkeit von zwei Ereignissen Unabhängigkeit von 3 Ereignissen Unabhängigkeit von n Ereignissen Verallgemeinerung der Überlegungen bei drei Ereignissen führen zur Definition Definition: Vollständige Unabhängigkeit von n Ereignissen Die Ereignisse A1 , A2 , . . . , An heißen (vollständig stochastisch) unabhängig, falls für jede Auswahl Ak1 , Ak2 , . . . , Akj mit 1 ≤ k1 < k2 < . . . < kj ≤ n die Produktformel P(Ak1 ∩ Ak2 ∩ . . . ∩ Akj ) = P(Ak1 ) · P(Ak2 ) · . . . · P(Akj ) gilt. 23 / 53 Unabhängigkeit von Ereignissen Unabhängigkeit von Experimenten Zufallsgrößen Bernoulli-Ketten Überbuchungsproblematik Unabhängige Experimente Was heißt eigentlich unabhängige Wiederholungen eines ” Experiments“ oder auch unabhängige Teilexperimente“? ” Vorstellung: Gesamtexperiment besteht aus n Teilexperimenten. Welche Eigenschaft müsste das Modell dieses Gesamtexperiments haben, wenn die Teilexperimente unabhängig heißen sollen? 24 / 53 Unabhängigkeit von Ereignissen Unabhängigkeit von Experimenten Zufallsgrößen Bernoulli-Ketten Überbuchungsproblematik Halbformale Definition: Unabhängigkeit von n Teilexperimenten Teilexperimente heißen unabhängig, wenn beliebige Ereignisse, die etwas über die Ausgänge verschiedener Teilexperimente aussagen, unabhängig sind. Wenn A1 zum ersten, A2 zum zweiten, ..., An zum n-ten von n unabhängigen Teilexperimenten gehört, dann gilt die Produktformel P(A1 ∩ A2 ∩ . . . ∩ An ) = P(A1 ) · (A2 ) · . . . · P(An ). Genau diese Situation liegt bei Bernoulli-Ketten vor. 25 / 53 Unabhängigkeit von Ereignissen Unabhängigkeit von Experimenten Zufallsgrößen Bernoulli-Ketten Überbuchungsproblematik Quelle: Mathematik. Band 2. Sachsen-Anhalt. Berlin: Cornelsen Verlag, 2005 26 / 53 Unabhängigkeit von Ereignissen Unabhängigkeit von Experimenten Zufallsgrößen Bernoulli-Ketten Überbuchungsproblematik Was heißt in exakt gleicher Weise“ ” Warum wird der eingeführte Begriff Unabhängigkeit“ nicht ” benutzt? Bernoulli-Kette Vorgänge mit zufälligem Ergebnis, bei denen nur zwischen Erfolg (1) und Misserfolg (0) unterschieden wird, heißen Bernoulli-Experimente oder Bernoulli-Versuche. Wird ein Bernoulli-Experiment mit derselben Erfolgswahrscheinlichkeit n mal unabhängig voneinander ausgeführt, so entsteht eine Bernoulli-Kette der Länge n mit der Erfolgswahrscheinlichkeit p. 27 / 53 Unabhängigkeit von Ereignissen Unabhängigkeit von Experimenten Zufallsgrößen Bernoulli-Ketten Überbuchungsproblematik Jakob Bernoulli (1654-1705) Ars conjectandi (1713) Schweizer Briefmarke 1994 Quelle: www.fh-friedberg.de/.../marke04 09 bild01.jpg” Bernoulli-Ketten als Rahmen für den Beweis des Gesetzes der großen Zahlen 28 / 53 Unabhängigkeit von Ereignissen Unabhängigkeit von Experimenten Zufallsgrößen Bernoulli-Ketten Überbuchungsproblematik Modell einer Bernoulli-Kette Ergebnismenge: Ω = {(w1 , . . . , wn ) : wi ∈ {0, 1}} Einzelwahrscheinlichkeiten: P((w1 , . . . , wn )) = p Anzahl der Einsen ·(1−p)Anzahl der Nullen Produktformel wegen Unabhängigkeit Verteilung der Anzahl der Erfolge: n k P(genau k Erfolge) = p (1 − p)n−k k Bernoulli-Experimente zeitlich parallel oder nacheinander 29 / 53 Unabhängigkeit von Ereignissen Unabhängigkeit von Experimenten Zufallsgrößen Bernoulli-Ketten Überbuchungsproblematik Beispiele und Gegenbeispiele Würfeln, Erfolg – 6 Ziehen mit Zurücklegen, Erfolg – rote Kugel Tageshöchsttemperatur an aufeinanderfolgenden Tagen im Juli in Berlin, Erfolg – Sommertag Multiple-Choice-Test, Erfolg – richtige Antwort Totoschein 13er-Wette, Erfolg – richtiger Tipp kleine Stichproben ohne Zurücklegen aus großen Grundgesamtheiten, Erfolg – Merkmal liegt vor 1000 Buchstaben eines Textes auswerten, Erfolg – Vokal Elfmeterschüsse, Erfolg – Tor 30 / 53 Unabhängigkeit von Ereignissen Unabhängigkeit von Experimenten Zufallsgrößen Bernoulli-Ketten Überbuchungsproblematik realer Vorgang als Bernoulli-Kette: Unabhängigkeit der Teilvorgänge gleichbleibende Erfolgswahrscheinlichkeit in der Regel idealisierende Annahmen, deshalb Modellkritik wichtig aber auch einfache Modelle können helfen Einsichten zu gewinnen einfache Modelle als erster Schritt 31 / 53 Unabhängigkeit von Ereignissen Unabhängigkeit von Experimenten Zufallsgrößen Bernoulli-Ketten Überbuchungsproblematik Einheitliche Prüfungsanforderungen in der Abiturprüfung – ” Mathematik“ (Beschluss der KMK vom 24.05.2002): Auf einer bestimmten Strecke verwendet eine Fluggesellschaft Flugzeuge mit 100 Plätzen. Die Belegungsstatistik weist aus, dass die Flüge auf dieser Strecke vorab stets ausgebucht sind. Allerdings werden dann im Mittel 10% der gebuchten Plätze kurzfristig storniert. Für die Fluggesellschaft ist die Anzahl der Passagiere von Interesse, die bei Schließung der Passagierliste den Flug tatsächlich antreten wollen. a) Unter welchen Annahmen sind die möglichen Anzahlen dieser Passagiere binomialverteilt? Nennen Sie Fälle, in denen diese Annahmen nicht zutreffen. 32 / 53 Unabhängigkeit von Ereignissen Unabhängigkeit von Experimenten Zufallsgrößen Bernoulli-Ketten Überbuchungsproblematik Im Folgenden wird angenommen, dass die möglichen Anzahlen dieser Passagiere binomialverteilt sind. Durch eine Person, die tatsächlich fliegt, nimmt die Fluggesellschaft 200 Euro ein, bei einer Stornierung nur 100 Euro. b) Wie groß ist jeweils die Wahrscheinlichkeit, dass beim nächsten Flug - genau 84 Plätze, - höchstens 84 Plätze, - mindestens 90 Plätze tatsächlich genutzt werden? Welche Einnahmen kann die Fluggesellschaft pro Flug erwarten? 33 / 53 Unabhängigkeit von Ereignissen Unabhängigkeit von Experimenten Zufallsgrößen Bernoulli-Ketten Überbuchungsproblematik Um die Flugzeuge besser auszulasten, bietet die Fluggesellschaft stets 8% mehr Plätze als verfügbar zum Verkauf an. Da auch diese Plätze alle im Voraus gebucht werden, geht die Fluggesellschaft damit das Risiko einer Überbuchung ein. c) Wie groß ist die Wahrscheinlichkeit, dass es zu Überbuchungen kommt? 34 / 53 Unabhängigkeit von Ereignissen Unabhängigkeit von Experimenten Zufallsgrößen Bernoulli-Ketten Überbuchungsproblematik d) Für jeden Fluggast, der wegen Überbuchung abgewiesen werden muss, entstehen der Fluggesellschaft negative Einnahmen (Unkosten) in Höhe von 1000 Euro. Wie groß sind die Einnahmen der Fluggesellschaft, wenn bei Schließung der Passagierliste genau 105 Personen den Flug antreten möchten? Formulieren Sie einen Term, mit dem sich berechnen lässt, welche Einnahmen die Fluggesellschaft pro Flug erwarten kann. Erklären Sie die Bedeutung der auftretenden Teilterme. 35 / 53 Unabhängigkeit von Ereignissen Unabhängigkeit von Experimenten Zufallsgrößen Verteilung einer Zufallsgröße Erwartungswert von Zufallsgrößen Modellierung mit Zufallsgrößen Idee: Beschreibung von zahlenmäßigen Merkmalen, die mit einem zufälligen Vorgang verbunden sind. Sei (Ω, P) ein diskreter Wahrscheinlicheitsraum. Dann heißt jede Funktion X :Ω→R eine Zufallsgröße (Zufallsvariable). ω 7→ X (ω) Der Zufall steckt im ω. Steht das Ergebnis ω des Zufallsexperiments fest, dann steht auch der Wert X (ω) fest. 36 / 53 Verteilung einer Zufallsgröße Erwartungswert von Zufallsgrößen Modellierung mit Zufallsgrößen Unabhängigkeit von Ereignissen Unabhängigkeit von Experimenten Zufallsgrößen Die Funktion X transportiert“ die Wahrscheinlichkeitsverteilung P ” auf die reelle Achse. Es entsteht die Verteilung von X : Werte von X P(X = xk ) x1 x2 . . . xr p1 p2 . . . pr Beispiel Binomialverteilung B(3; p) X – Anzahl der Erfolge X ((0, 1, 1) = 2 P(X = 2) = P({(1, 1, 0), (1, 0, 1), (0, 1, 1)}) = 3 · p 2 (1 − p) Allgemein n k P(genau k Erfolge) = P(X = k) = p (1 − p)n−k k 37 / 53 Unabhängigkeit von Ereignissen Unabhängigkeit von Experimenten Zufallsgrößen Verteilung einer Zufallsgröße Erwartungswert von Zufallsgrößen Modellierung mit Zufallsgrößen Zufallsgrößen ermöglichen eine natürliche und zweckmäßige Darstellung von Ereignissen. Beispiel Überbuchungsproblematik: Flugzeug hat 100 Plätze, 108 werden verkauft, 10% werden im Mittel storniert. Wie groß ist die Wahrscheinlichkeit, dass es zu Überbuchungen kommt? Was ist eine geeignete Zufallsgröße? X – Anzahl der Buchungen, die in Anspruch genommen werden X ∼ B(108; 0, 9) gemäß Aufgabenstellung Überbuchungswahrscheinlichkeit: P(X > 100) Wenn die Verteilung von X klar ist, spielt der Abbildungscharakter oft keine Rolle mehr. 38 / 53 Unabhängigkeit von Ereignissen Unabhängigkeit von Experimenten Zufallsgrößen Verteilung einer Zufallsgröße Erwartungswert von Zufallsgrößen Modellierung mit Zufallsgrößen E (X ) = x1 · p1 + x2 · p2 + . . . + xr · pr Motivation dieser Definition? Bezug zur Beobachtungsebene und x: Die Zufallsgröße X wurde n-mal beobachtet. Werte von X rel. Häufigk. Häufigkeitsvert.: x1 x2 ... xr hn (x1 ) hn (x2 ) . . . hn (xr ) arithm. Mittel: x = x1 · hn (x1 ) + x2 · hn (x2 ) + · · · + xr · hn (xr ) stabile Werte: x x1 · p(x1 ) + x2 · p(x2 ) + · · · + xr · p(xr ) Deutung: E (X ) ist der stabile Wert des arithmetischen Mittels aus vielen unabhängigen Beobachtungen der Zufallsgröße X . 39 / 53 Unabhängigkeit von Ereignissen Unabhängigkeit von Experimenten Zufallsgrößen Verteilung einer Zufallsgröße Erwartungswert von Zufallsgrößen Modellierung mit Zufallsgrößen Beispiel Bernoulli-Kette mit Parametern n, p k-ter Einzelversuch: 0 falls k − ter Versuch Misserfolg Xk = 1 falls k − ter Versuch Erfolg E (Xk ) = p, Var (Xk ) = p(1 − p) Die Zufallsgrößen Xk sind (vollständig) unabhängig! Anzahl der Erfolge X = X1 + X2 + · · · + Xn 40 / 53 Unabhängigkeit von Ereignissen Unabhängigkeit von Experimenten Zufallsgrößen Verteilung einer Zufallsgröße Erwartungswert von Zufallsgrößen Modellierung mit Zufallsgrößen Ein Vorteil des Arbeitens mit Zufallsgrößen: E (X ) = E (X1 ) + E (X2 ) + · · · + E (Xn ) = np (wegen genereller Additivität) Var (X ) = Var (X1 ) + Var (X2 ) + · · · + Var (Xn ) = np(1 − p) (wegen Additivität bei Unabhängigkeit) 41 / 53 Unabhängigkeit von Ereignissen Unabhängigkeit von Experimenten Zufallsgrößen Verteilung einer Zufallsgröße Erwartungswert von Zufallsgrößen Modellierung mit Zufallsgrößen Fixpunkte zufälliger Permutationen Möglicher Kontext: Julklapp n Personen {1, 2, . . . , n} Ergebnismenge Ω: Menge aller Permutationen von {1, 2, . . . , n} Gleichverteilung auf Ω, d.h. jede Permutation tritt mit der 1 auf Wahrscheinlichkeit n! k ist Fixpunkt heißt: Person Nr. k erhält Geschenk Nr. k X – Anzahl der Fixpunkte einer zufälligen Permutation Beispiel: X ((1, 3, 2, 4)) = 2 Frage: Etwa wie viele Personen bekommen ihr eigenes Geschenk? 42 / 53 Unabhängigkeit von Ereignissen Unabhängigkeit von Experimenten Zufallsgrößen Verteilung einer Zufallsgröße Erwartungswert von Zufallsgrößen Modellierung mit Zufallsgrößen E (X ) = 1 · P(X = 1) + 2 · P(X = 2) + . . . + n · P(X = n) =? Wir brauchen die (komplizierten) P(X = k) gar nicht! Schlüssel: Additivität des Erwartungswertes 1 k ist Fixpunkt Hilfsgrößen: Xk = 0 k ist kein Fixpunkt E (Xk ) = 1 · P(X = 1) = 1 n X = X1 + X2 + . . . + Xn E (X ) = E (X1 ) + E (X2 ) + . . . + E (Xn ) 1 1 1 + + ... + = 1 n n n Unabhängig von n im Mittel ein Fixpunkt. E (X ) = 43 / 53 Unabhängigkeit von Ereignissen Unabhängigkeit von Experimenten Zufallsgrößen Verteilung einer Zufallsgröße Erwartungswert von Zufallsgrößen Modellierung mit Zufallsgrößen Beispiel (Gestalt einer Bernoulli-Kette und faires Spiel): Karl und Karoline spielen ein Spiel, bei dem es kein Unentschieden ” gibt und Karolines Gewinnchancen 0,6 betragen. Sie wollen das Spiel 10mal spielen. Karoline überlegt: Am wahrscheinlichsten ist ” es, dass ich 6 Spiele gewinne. Da ich bei jedem Spiel im Vorteil bin, werde ich eher noch mehr als 6 Spiele gewinnen.“ Sie bietet Karl eine Wette an: Wetten, dass ich mindestens 6 Spiele gewinne?“ ... ” Karoline setzt 3 Euro. Wie viel sollte Karl dagegen setzen, damit die Wette fair/gerecht ist?“ Quelle: Stochastik. Berlin: Volk und Wissen, 1997. 44 / 53 Unabhängigkeit von Ereignissen Unabhängigkeit von Experimenten Zufallsgrößen Verteilung einer Zufallsgröße Erwartungswert von Zufallsgrößen Modellierung mit Zufallsgrößen S – Sie gewinnt ein Spiel Annahme: 10 unabhängige Spiele und immer P(S) = 0, 6 X – Anzahl der Siege von Karoline, X ∼ B(10; 0, 6) E (X ) = 6 – wahrscheinlichster Wert, P(X ≥ 6) = 0, 633 N – Nettogewinn von Karoline, e – Karls Einsatz Wert von N −3 e Wahrscheinlichkeit 0, 367 0, 633 Erwartungswert: E (N) = −3 · 0, 367 + e · 0, 633 := 0 gerechter Einsatz: e = 1, 74 Euro. 45 / 53 Unabhängigkeit von Ereignissen Unabhängigkeit von Experimenten Zufallsgrößen Verteilung einer Zufallsgröße Erwartungswert von Zufallsgrößen Modellierung mit Zufallsgrößen Verdeckte Befragung (Randomized Response Technique) Prozentsatz sozial unerwünschter, peinlicher oder strafbarer Handlungen soll geschätzt werden ehrliche Antworten auf direkte peinliche Fragen nicht zu erwarten S. L. Warner (1965): RRT, Idee: verstärke das Gefühl von Anonymität 46 / 53 Unabhängigkeit von Ereignissen Unabhängigkeit von Experimenten Zufallsgrößen Verteilung einer Zufallsgröße Erwartungswert von Zufallsgrößen Modellierung mit Zufallsgrößen Verdeckte Befragung – Beispiel Gesucht: Prozentsatz der Studierenden, die schon einmal bei einer Prüfung betrogen haben Befragungsdesign: 10 Kärtchen, davon 7 mit der Aufforderung Sagen Sie Ja!“ (Typ A) und 3 mit der Frage Haben Sie ” ” schon einmal bei einer Prüfung betrogen?“ (Typ B) Die Kärtchen sehen auf der Rückseite gleich aus. Die befragte Person zieht eine Karte. Annahme: Die Befragten folgen der Aufforderung bzw. antworten wahrheitsgemäß. Was spricht dafür, dass Befragte bei dieser Form eher ehrlich antworten? Worin bestehen Nachteile dieses Verfahrens? 47 / 53 Unabhängigkeit von Ereignissen Unabhängigkeit von Experimenten Zufallsgrößen Verteilung einer Zufallsgröße Erwartungswert von Zufallsgrößen Modellierung mit Zufallsgrößen Verdeckte Befragung – Modell π – Anteil der Typ-B-Karten, p – unbekannter Anteil der Betrüger P(Ja) = 1 − π + π · p p̂ – Schätzwert für p aus einer großen Anzahl n von Befragten hn (Ja) − 1 + π Ansatz P(Ja) = hn (Ja) liefert p̂ = π 48 / 53 Unabhängigkeit von Ereignissen Unabhängigkeit von Experimenten Zufallsgrößen Verteilung einer Zufallsgröße Erwartungswert von Zufallsgrößen Modellierung mit Zufallsgrößen Eigenschaften des Schätzers p̂ Arbeiten im Modell, Nutzen von Zufallsgrößen, Eigenschaften von Erwartungswert und Varianz p̂ ist eine Zufallsgröße, E (p̂) =?, Var (p̂) =? E (p̂) = E hn (Ja)−1+π = E (hn (Ja))−1+π π π hn (Ja)−1+π Var (hn (Ja)) Var (p̂) = Var = π π2 hn (Ja) = Sn n , Sn – Anzahl 1 E (hn (Ja)) = n E (Sn ) Var (hn (Ja)) = n12 Var (Sn ) der Ja-Antworten 49 / 53 Unabhängigkeit von Ereignissen Unabhängigkeit von Experimenten Zufallsgrößen Verteilung einer Zufallsgröße Erwartungswert von Zufallsgrößen Modellierung mit Zufallsgrößen Verteilung von Sn ? Annahmen: 1. Befragungen der n Personen sind unabhängige Teilexperimente 2. Jede Person antwortet mit Wahrscheinlichkeit p auf eine B-Frage mit Ja“ ” Dann Sn ∼ B(n, 1 − π + πp) E (Sn ) = n(1 − π + πp), Var (Sn ) = n(1 − π + πp)(π − πp) = nπ(1 − π + πp)(1 − p) Einsetzen in die bereitgestellten Formeln liefert E (p̂) = p Var (p̂) = p(1 − p) (1 − π)(1 − p) + n πn 50 / 53 Unabhängigkeit von Ereignissen Unabhängigkeit von Experimenten Zufallsgrößen Verteilung einer Zufallsgröße Erwartungswert von Zufallsgrößen Modellierung mit Zufallsgrößen Diskussion der Eigenschaften des Schätzers E (p̂) = p – im Mittel schätzen wir richtig Var (p̂) = p(1 − p) (1 − π)(1 − p) + n πn π = 1 bedeutet direkte Befragung Varianz erhöht sich durch RRT p, n fest: Erhöhung um so größer, je kleiner π psychologisch gut ist π = 0, 5 51 / 53 Unabhängigkeit von Ereignissen Unabhängigkeit von Experimenten Zufallsgrößen Verteilung einer Zufallsgröße Erwartungswert von Zufallsgrößen Modellierung mit Zufallsgrößen Zahlenbeispiel n = 200, π = 0, 5 h200 (Ja) − 0, 5 = 2 · h200 (Ja) − 1 0, 5 p(1 − p) 1 − p 1 − p2 1 Var (p̂) = + = ≤ 200 200 200 200 Genauigkeit der Schätzung: σ(p̂) ≤ 0, 07 p̂ = Beispiel: hn (Ja) = 0, 67 liefert p̂ = 2 · 0, 67 − 1 = 0, 34 mit mindestens etwa 68% Sicherheit enthält das Intervall 0, 34 ± 0, 07 das unbekannte p. Literaturhinweis: K.Krüger: Wahrheit oder Pflicht. In: mathematik lehren, Heft 125, August 2004 52 / 53 Unabhängigkeit von Ereignissen Unabhängigkeit von Experimenten Zufallsgrößen Verteilung einer Zufallsgröße Erwartungswert von Zufallsgrößen Modellierung mit Zufallsgrößen Sunday, November 16, 2008 Lieber Steini, als wir dieses Wochenende ein Spiel namens Abenteuer Menschheit“ (ähnlich wie ” Siedler von Catan“) spielten, beschwerte ” sich mein kleiner Bruder ,dass mein Vater viel mehr Karten bekam als er. Nach dem Spiel berechnete ich aber die Wahrscheinlichkeit für jede Farbe (rot, orange, blau, weiß ) eine Karte zu bekommen (bei einen mal würfeln, mit zwei Würfeln). Eine Karte bekommt man, wenn ein Stamm (sieht so aus, wie eine Flamme; s. Bild) deiner Farbe an einem Feld steht, worauf die Zahl zusehen ist, die gewürfelt wurde. Mein keiner Bruder hatte blau und mein Vater rot. Aber nach der Ausrechnung kam raus, dass WEISS (Mama) 27 3 ( 4 ) hatdie beste Wahrscheinlichkeit von 36 te und alle anderen Farben eine von 26 ( 13 ) 36 18 hatten, eine Karte bei einen mal würfeln zu bekommen. Ab jetzt an, kann ich wegen der Wahrscheinlichkeitsrechnung viel strategischer gegen meine Familie spielen. Danke. Gruss Florian 53 / 53