Wahrscheinlichkeitstheorie

Ähnliche Dokumente
Übungsklausur zur Vorlesung Wahrscheinlichkeit und Regression Lösungen. Übungsklausur Wahrscheinlichkeit und Regression Die Lösungen

Einführung in die Wahrscheinlichkeitsrechnung. Wahrscheinlichkeitsrechnung. Übersicht. Wahrscheinlichkeitsrechnung. bedinge Wahrscheinlichkeit

4. Rechnen mit Wahrscheinlichkeiten

An dem Ergebnis eines Zufallsexperiments interessiert oft nur eine spezielle Größe, meistens ein Messwert.

Z Z, kurz { } Zählt die Reihenfolge der Buchstaben (ja/nein) Daraus ergeben sich wiederum vier Möglichkeiten, Wörter der Länge k zu bilden.

2 Zufallsvariable und Verteilungen

z.b. Münzwurf: Kopf = 1 Zahl = 2 oder z.b. 2 Würfel: Merkmal = Summe der Augenzahlen, also hier: Bilde die Summe der Augenzahlen der beiden Würfel!

Verteilungen eindimensionaler diskreter Zufallsvariablen

4.6 Das Pumping-Lemma für reguläre Sprachen:

Stochastische Prozesse

Forschungsstatistik I

Bedingte Entropie. Bedingte Entropie. Bedingte Entropie. Kapitel 4: Bedingte Entropie I(X;Y) H(X Y) H(Y) H(X) H(XY)

Kapitel 4: Wahrscheinlichkeitsrechnung und Kombinatorik

Statistik und Wahrscheinlichkeit

Die Annäherung der Binomialverteilung durch die Normalverteilung am Beispiel eines Modells der Schadenversicherung

Fallstudie 1 Diskrete Verteilungen Abgabe: Aufgabentext und Lösungen schriftlich bis zum

Auswertung univariater Datenmengen - deskriptiv

Zufallsvariable, Wahrscheinlichkeitsverteilungen und Erwartungswert

Arbeitsgruppe Radiochemie Radiochemisches Praktikum P 06. Einführung in die Statistik. 1. Zählung von radioaktiven Zerfällen und Statistik 2

wird auch Spannweite bzw. Variationsbreite genannt ist definiert als die Differenz zwischen dem größten und kleinsten Messwert einer Verteilung:

Universität Potsdam Institut für Informatik Lehrstuhl Maschinelles Lernen. Bayessches Lernen

Resultate / "states of nature" / mögliche Zustände / möglicheentwicklungen

Lösungen der Aufgaben zu Kapitel 2

Analysis I. Vorlesung 17. Logarithmen. R R, x exp x,

Stochastische Prozesse

nonparametrische Tests werden auch verteilungsfreie Tests genannt, da sie keine spezielle Verteilung der Daten in der Population voraussetzen

Grundlagen der Mathematik I Lösungsvorschlag zum 12. Tutoriumsblatt

Rotation (2. Versuch)

Grundgedanke der Regressionsanalyse

Das Bayessche Theorem ist ein Ergebnis aus der Wahrscheinlichkeitstheorie und liefert einen Zusammenhang zwischen bedingten Wahrscheinlichkeiten.

FORMELSAMMLUNG STATISTIK (I)

Definition des linearen Korrelationskoeffizienten

2. Wahrscheinlichkeitsrechnung

Facility Location Games

Auswertung univariater Datenmengen - deskriptiv

Steuerungsverfahren und ihre Datenstrukturen 09 - Netzplantechnik

Konkave und Konvexe Funktionen

9 Komplexe Zahlen ( ) ( ) 9.1 Ziele. 9.2 Warum braucht man komplexe Zahlen? 9.3 Darstellung von komplexen Zahlen. r 2. j 2. j 1.

Statistische Kennzahlen für die Lage

Methoden der innerbetrieblichen Leistungsverrechnung

Informatik II. Minimalpolynome und Implikanten. Minimalpolynome. Minimalpolynome. Rainer Schrader. 27. Oktober Was bisher geschah: Definition

50 Matrixnormen und Eigenwertabschätzungen

6.5. Rückgewinnung des Zeitvorgangs: Rolle der Pole und Nullstellen

Lineare Optimierung Einführung

Die Leistung von Quicksort

Streuungs-, Schiefe und Wölbungsmaße

Versicherungstechnischer Umgang mit Risiko

3. Lineare Algebra (Teil 2)

3. Vorlesung Sommersemester

Vorlesung 3 Differentialgeometrie in der Physik 13

Übung zur Vorlesung. Informationstheorie und Codierung

Funktionsgleichungen folgende Funktionsgleichungen aus der Vorlesung erhält. = e

Sei T( x ) die Tangente an den Graphen der Funktion f(x) im Punkt ( x 0, f(x 0 ) ) : T( x ) = f(x 0 ) + f (x 0 ) ( x - x 0 ).

1 Mehrdimensionale Analysis

9 Komplexe Zahlen ( ) ( ) 9.1 Ziele. 9.2 Warum braucht man komplexe Zahlen? 9.3 Darstellung von komplexen Zahlen. r 2. j 2. j 1.

Die hierzu formulierte Nullhypothese H lautet: X wird durch die Verteilungsdichtefunktion h(x)

Näherungsverfahren. Wiederhole den Algorithmusbegriff. Erläutere die Begriffe: Klasse der NP-Probleme. Probleme. Probleme. Approximative Algorithmen

Elemente der Mathematik - Sommer 2016

Maße der zentralen Tendenz (10)

Kapitel 4: Wahrscheinlichkeitsrechnung und Kombinatorik

Hefte zur Logistik Prof. Dr. Siegfried Jetzke. Heft 1 Begriffsdefinitionen

II. Wahrscheinlichkeitsrechnung und mathematische Statistik

Lineare Optimierung Dualität

1. Graphen 8. B={{d,e},{b,d},{a,b},{d,f},{b,c}}.

6. Übung zur Linearen Algebra II

Netzwerkstrukturen. Entfernung in Kilometer:

AUFGABEN ZUR INFORMATIONSTHEORIE

Multilineare Algebra und ihre Anwendungen. Nr. 6: Normalformen. Verfasser: Yee Song Ko Adrian Jenni Rebecca Huber Damian Hodel

Aufgabe 8 (Gewinnmaximierung bei vollständiger Konkurrenz):

22. Vorlesung Sommersemester

Prof. Dr. P. Kischka WS 2012/13 Lehrstuhl für Wirtschafts- und Sozialstatistik. Klausur Statistische Inferenz

16. Vorlesung Sommersemester

Erwartungswert, Varianz, Standardabweichung

Statistik und Wahrscheinlichkeitsrechnung

(Theoretische) Konfidenzintervalle für die beobachteten Werte: Die Standardabweichung des Messfehlers wird Standardmessfehler genannt:

Ionenselektive Elektroden (Potentiometrie)

Gruppe. Lineare Block-Codes

Contents blog.stromhaltig.de

Seminar Analysis und Geometrie Professor Dr. Martin Schmidt - Markus Knopf - Jörg Zentgraf. - Fixpunktsatz von Schauder -

II. Wahrscheinlichkeitsrechnung und mathematische Statistik

=, grad Z(s) = m n = grad N(s).

Die Transzendenz der Eulerschen Zahl e

Lehrstuhl für Empirische Wirtschaftsforschung und Ökonometrie Dr. Roland Füss Statistik II: Schließende Statistik SS 2007

NSt. Der Wert für: x= +1 liegt, erkennbar an dem zugehörigen Funktionswert, der gesuchten Nullstelle näher.

Sicherheit von Π MAC2

1 Finanzmathematik. 1.1 Das Modell. Sei Xt

Das zum dualen Problem (10.2) gehörige Barriere-Problem lautet analog

3.3 Lineare Abbildungen und Matrizen

Der Satz von COOK (1971)

Hauptprüfung Abiturprüfung 2014 (ohne CAS) Baden-Württemberg

Übungsblatt 7 Lösungsvorschläge

-70- Anhang: -Lineare Regression-

1 BWL 4 Tutorium V vom

Daten sind in Tabellenform gegeben durch die Eingabe von FORMELN können mit diesen Daten automatisierte Berechnungen durchgeführt werden.

Stochastik - Kapitel 4

I)1. Kinematik. EP WS 2009/10 Dünnweber/Faessler

Die Jordansche Normalform

Klasse : Name1 : Name 2 : Datum : Nachweis des Hookeschen Gesetzes und Bestimmung der Federkonstanten

Transkript:

Wahrschenlchet Grundbegrffe Wahrschenlchetsbegrffe (Axomatsche Defnton) Rechenoperatonen mt Wahrschenlcheten Statstsche Unabhängget Numersche Berechnung von Wahrschenlcheten Klasssche Bemessung nach Laplace Emprsche oder Statstsche Wahrschenlchet Subjetve Bemessung von Wahrschenlcheten Bblografe Bleymüller / Gehlert / Gülcher Verlag Vahlen Statst für Wrtschaftswssenschaftler Bleymüller / Gehlert Verlag Vahlen Statstsche Formeln, Tabellen und Programme PowerPontPräsentatonen (Prof. Mohr/ Dr. Rcabal) Vorlesungssrpt für Statst I (Dr. Pu Chen) Vorlesungssrpt für Statst II (Prof. Mohr, Prvate Hanseunverstät Rostoc) http://www.ww.un-rostoc.de/vwl/statst/download/ba/ 2

Zufallsexpermente De Bass der Wahrschenlchetsrechung blden Zufallsexpermente, de tatsächlch oder nur gedanlch durchgeführt werden. Se bestzen de Egenschaft, dass hre Ergebnsse ncht vorausgesagt werden önnen. Bespele: Werfen enes Würfels oder ene Münze Zehen ener Karte oder Lottozahl Drehen enes Rouletterades Überprüfung der Qualtät ener Warenleferung (gut - schlecht) 3 Eregnsmenge En Zufallsexperment wrd ferner durch ene Versuchsanordnung und durch de Menge aller möglchen Ausgänge deses Experments beschreben. De enzelnen ncht weter zerlegbaren und sch gegensetg ausschleßenden Ergebnsse des Experments heßen Elementareregnsse w. De Menge sämtlcher Elementareregnsse heßt de zugehörge Eregnsmenge bzw. Eregnsraum Ω. Bespel: Werfen mt enem Würfel Elementareregnsse: w, w 2 2,, w 6 6 Eregnsraum: Ω {, 2, 3, 4, 5, 6} 4

Eregns Ene Telmenge der Ergebnsmenge heßt Eregns E. Deses setzt sch aus Elementareregnssen zusammen. Bespel: Werfen mt enem Würfel Elementareregnsse: w, w 2 2,, w 6 6 Eregnsraum: Ω {, 2, 3, 4, 5, 6} E gerade Augenzahl {2, 4, 6} E 2 Augenzahl größer 4 {4, 6} Spezelle Eregnsse: Unmöglches Eregns: Scheres Eregns: ø Ω 5 Vernüpfungen von Eregnssen Symbol (Mengenschrebwese). Verengung von Eregnssen A B 2. Durchschntt von Eregnssen A B Bedeutung (Eregnsalül) mndestens enes der beden Eregnsse A oder B trtt en w A w B Sowohl Eregns A als auch Eregns B trtt en w A w B Darstellung m Venn-Dagramm A A B B Ω Ω 3. Komplementäreregns (Gegeneregns) Ᾱ ; A c ; A Ᾱ trtt en, wenn A ncht entrtt w Ᾱ w A A Ᾱ Ω 6

Vernüpfungen von Eregnssen Symbol (Mengenschrebwese) 4. Dfferenz von Eregnssen A \ B A B c 5. Dsjunte Eregnsse A B ø 6. Teleregnsse A B Bedeutung (Eregnsalül) A, jedoch ncht B trtt en w A w B A und B schleßen sch gegensetg aus w A w B w B w A Eregns A zeht Eregns B nach sch w A w B Darstellung m Venn-Dagramm Ω A A A B B B Ω Ω Ᾱ 7 Bespel: Vernüpfungen von Eregnssen Werfen mt enem Würfel mt E {2, 4, 6} und E 2 {5, 6} E E 2 {2, 4, 5, 6} E E 2 {6} Ē {, 3, 5} ungerade Augenzahl E \E 2 {2, 4} E 2 \E {5} E und E 3 {5} snd dsjunt E 3 E 2 8

Rechenregel für Eregnsse* A A c ø A A c Ω A Ω A A Ω Ω A ø ø A ø A A \ B A B c (A c ) c A Konmutatvgesetze: A B B A A B B A Assozatvgesetze: (A B) C A (B C) A B C (A B) C A (B C) A B C Idempotenzgesetze: A A A A A A De Morgansche Gesetze: (A B) c A c B c (A B) c A c B c * (sehe Mengenlehre) 9 zwetes De Morgansche Gesetz Graphsche Darstellung (A B) c A c B c 0

Eregnssysteme In der Statst st es wchtg, das Zusammenspel von Eregnssen zu betrachten. Snnvollerwese verwendet man dazu Eregnssysteme. De Eregnsse E, E 2,, E bldet ene Partton (Zerlegung) der Eregnsmenge Ω, wenn se paarwese dsjunt snd und hre Verengung Ω ergbt. E E j für, j,, ; j E 2 E 4 E 6 E E 2 E Ω E E 3 E 5 Eregnsalgebra Ene Eregnsalgebra ℇ st ene Menge von Eregnssen, so dass für jewels endlch vele Eregnsse auch deren Komplemente, Durchschntte und Verengungen dazugehören. Ene Eregnsalgebra zechnet sch dadurch aus, dass se en geschlossenes System hnschtlch der obgen Operatonen darstellt. Man blebt mmer nnerhalb des Mengensystems. Man ann ene Eregnsalgebra formal we folgt beschreben: Ω ℇ E ℇ E c ℇ E, E 2,, E ℇ E E 2 E ℇ oder analog E, E 2,, E ℇ E E 2 E ℇ 2

Eregns-Sgma-Algebra Ene Eregns-Sgma-Algebra legt vor, wenn de Egenschaften ener Eregnsalgebra auch für abzählbar (unendlch) vele Eregnsse gültg snd. Man ann ene Eregns-Sgma-Algebra formal we folgt beschreben: Ω ℇ E ℇ E c ℇ E, E 2 ℇ E E 2 ℇ oder analog E, E 2 ℇ E E 2 ℇ Frage: Warum gehört auch zur ℇ? ( ℇ ) 3 Bespel: Eregnsalgebra De lenste Eregnsalgebra von Ω st das Mengensystem {, Ω }. De größte Eregnsalgebra von Ω st de zugehörende Potenzmenge (Menge aller Telmengen von Ω). Dabe bestehet de Potenzmenge aus dem Mengensystem aller Telmengen von Ω. Z. B. für Ω {w, w 2, w 3 }: Anzahl Elementareregnsse j Möglche Eregnsse 0 {w }, {w 2 }, {w 3 } 2 {w, w 2 }, {w, w 3 }, {w 2, w 3 } 3 Ω{w, w 2, w 3 } 4

Wahrschenlcheten Zufallsexpermente lassen sch ncht exat voraussagen. Aber unter bestmmten Bedngungen lassen sch für de Ausgänge des Experments Wahrschenlcheten angeben. Zunächst werden de Bedngungen behandelt, damt man snnvoll mt Wahrschenlcheten arbeten ann. Im zweten Tel wrd dargestellt, we man numersch dese Wahrschenlcheten berechnen ann. 5 Axomatsche Defnton von Wahrschenlchet Kolmogoroff hat en Axomensystem mt dre Axomen für ene Eregns-Sgma-Algebra defnert, de erfüllt sen müssen, damt man wderspruchfre mt den zugehörgen Wahrschenlcheten arbeten ann:. 0 W(E) für E ℇ (jedem Eregns E wrd ene nchtnegatve Wahrschenlchet zugeordnet; sog. Nchtnegatvtätsaxom) 2. W(Ω) (Das schere Eregns erhält de maxmale Wahrschenlchet ; sog. Normerungsaxom) 3. Seen E, E2, ℇ ene Folge paarwese dsjunter abzählbar veler Eregnsse. Dann glt: W(E E 2 ) W(E ) + W(E 2 ) + (De Wahrschenlchet für de Verengung dsjunter Eregnsse st glech der Summe hrer Enzelwahrschenlcheten; sog. Addtonsaxom) 6

Sätze zur Wahrschenlchetsrechnung Aus. und 2. folgt: 0 W(E) für alle E ℇ Satz von der Gegenwahrschenlchet: W(Ᾱ)-W(A) Satz der Monotone: A B W(A) W(B) Allgemener Addtonssatz Für 2 Eregnsse: W(A B) W(A) + W(B) - W(A B) Für 3 Eregnsse: W(A B C) W(A) + W(B) +W(C) - W(A B) - W(A C) -W(B C) + W(A B C) Für n Eregnsse analog A A 2 Ω W(A A 2 ) W(A )+W(A 2 ) - W(A A 2 ) (Sonst würde A A 2 doppelt gezählt werden.) 7 Bespel: Sätze für de Wahrschenlchetsrechnung Werfen mt zwe Münzen (Zahl und Wappen2) Ω 2 2 22 {,2, 2, 22} (Alle Kombnatonen haben de Wahrschenlchet ¼) B: Summe der Realsatonen st gerade A : Der erste Wurf zegt de Augenzahl (, 2); A blden ene Zerlegung von Ω W(B) W({, 22}) /2; W(A ) W({, 2}) /2; W(A 2 ) W({2, 22}) /2 W( B) W(B) 2 2 W(A B) W(A ) + W(B) - W(A B) + W({}) + 2 2 2 2 4 3 4 8

Zerlegungssatz Blden A, A 2,, A ene Zerlegung von Ω, so glt für en belebges Eregns B: A 2 A B A 3 A 4 A 5 A 6 Ω Aus der Graph seht man: B A ; B A2; L ; B A Es glt: snd dsjunt. W(B) W(A B) + W(A2 B) + L+ W(A B) W(A B) 9 Bespel: Zerlegungssatz Bespel: Werfen mt zwe Münzen (Zahl und Wappen2) 2 Ω (Alle Kombnatonen haben de Wahrschenlchet ¼) 2 22 B: Summe der Realsatonen st gerade A : Der erste Wurf zegt de Augenzahl (, 2) W(B)/2, W(A )/2; W(A 2 )/2 A blden ene Zerlegung von Ω W(B) W(A B) W(A B) + W(A2 B) W({}) + W({22}) 2 4 + 4 2 20

Bedngte Wahrschenlchet Seen A und B zwe Eregnsse und se B A das Eregns B unter der Bedngung, dass das Eregns A entrtt (engetreten st). De zugehörge bedngte Wahrschenlchet se W(B A). Dann glt: W(B A) W(A B) falls W(A) > 0 W(A) Man beachtet, dass de bedngte Wahrschenlchet völlg analog zu den bedngte Häufgeten n der desrptve Statst formulert snd. Im Spezalfall W(A) 0 setzt man W(B A) 0. 2 Bespel: Bedngte Wahrschenlchet (Werfen mt enem Würfel) U: ungerade Augenzahl mt W(U) /2 w : Augenzahl (, 2,, 6) mt W(w ) /6 für, 2,, 6 We groß st de Wahrschenlchet de Augenzahl w zu realseren, unter der Bedngung, dass das Eregns U entrtt (engetreten st)? W( w U) 3 W( w 3 U) 3 W( w 5 U) W( w 2 U) 0 W( w 4 U) 0 W( w 6 U) 0 3 22

Multplatonssatz Der sog. Multplatonssatz folgt unmttelbar aus der Defnton der bedngten Wahrschenlchet: W(A B) W(A) W(B A) W(B) W(A B) W(B A) W(A B) W(A B) W(A B) W(A) W(B A) W(A) W(A B) W(A B) W(B) W(A B) W(B) 23 Wahrschenlchets-Baumdagramm Bedngte Wahrschenlcheten treten n mehrstufgen Zufallsexpermenten auf, de sch n enem Wahrschenlchets-Baumdagramm veranschaulchen lassen. Dabe schrebt man an de Äste des Baumes de Wahrschenlcheten auf de entsprechende Stufe. Somt lässt sch damt auch der Multplatonssatz graphsch darstellen. 24

r s g 4 3 Start Bespel: Baumdagramm für Wahrschenlcheten In ener Urne befnden sch 4 rote, 3 schwarze und grüne Kugel. Es werden (nachenander) 2 Kugel ohne Zurüclegen und mt Beachtung der Rehenfolge gezogen. /8 3/8 4/8 4 3 0 g 4 2 s 3 3 r 0 3/7 4/7 /7 2/7 4/7 /7 3/7 3/7 g 0 s 3/56 r 4/56 g 3/56 s 6/56 r 2/56 g s r 4/56 2/56 2/56 W(Z s Z2 r) W(Z s) W(Z2 3 4 2 3 8 7 56 4 r Z s) 25 Satz von der totalen Wahrschenlchet Blden de Eregnsse A, A 2,..., A ene Zerlegung von Ω, so glt für jedes Eregns B: Ω A 2 A B A 4 A 6 A 3 A 5 W(B) W(A B) W(B A ) W(A) Aus der Graph seht man: B A; B A2; L ; B A snd dsjunt: B U W(B) (B A ) W(B) W( W(B A ) U W(B A )) W(B A ) + L+ W(B A ) W(B A ) W(A ) 26

Bespel: Satz von der totalen Wahrschenlchet In ener Urne befnden sch 4 rote, 3 schwarze und grüne Kugel. Es werden (nachenander) 2 Kugel ohne Zurüclegen und mt Beachtung der Rehenfolge gezogen. Berechnen Se de Wahrschenlchet dafür, dass de zwete Kugel schwarz wrd. Seen: B: De zwete Kugel st schwarz. A : De erste Kugel st grün, A 2 : De erste Kugel st schwarz und A 3 : De erste Kugel st rot B B A + B A2 + B A3 W(B) W(B A ) + W(B A2) + W(B A3) W(B A) W(A ) + W(B A2) W(A2) + W(B A3) W(A3) 3 2 3 3 4 2 3 + + 7 8 7 8 7 8 56 8 27 Formel von Bayes Blden de Eregnsse A, A 2,..., A ene Zerlegung von Ω, so glt für jedes Eregns B mt W(B)>0: a pror 64447444 8 W(A B) W(B A ) W(A ) W(A B) 4243 W(B) a posteror W(B A ) W(A ) mt W(A B) W(B A ) W(A ) W(A B) W(B) und W(B) W(B A ) W(A) De Formel von Bayes folgt unmttelbar aus dem Multplatonssatz und dem Satz von der totalen Wahrschenlchet! 28

Bespel: Satz von der totalen Wahrschenlchet In ener Urne befnden sch 4 rote, 3 schwarze und grüne Kugel. Es werden (nachenander) 2 Kugel ohne Zurüclegen und mt Beachtung der Rehenfolge gezogen. Berechnen Se de Wahrschenlchet dafür, dass de erste Kugel grün st, wenn de zwete Kugel schwarz st. Seen: B: De zwete Kugel st schwarz. A : De erste Kugel st grün, A 2 : De erste Kugel st schwarz und A 3 : De erste Kugel st rot a pror 64447444 8 3 3 W(A B) W(B A) W(A) W(A B) 7 8 56 4243 W(B) 3 2 3 3 4 2 a posteror W(B A ) W(A ) + + 7 8 7 8 7 8 56 2 29 Bespel: A pror und a posteror Wahrschenlcheten Es wrd en zwestufges Experment mt zwe Urnen durchgeführt, de jewels schwarze und weße Kugeln enthalten. Auf der erste Stufe wrd ene Urne ausgewählt, für de erste (zwete) Urne st de Wahrschenlchet 0, (0,9). De erste Urne enthält 70% schwarze Kugeln, de zwete 40%. Auf der zwete Stufe wrd ene Kugel gezogen. We groß st de Wahrschenlchet, dass ene schwarze Kugel aus Urne stammt? Urne; A Urne 2; B s schwarze Kugel A 2 Gegeben: W(A ) 0,; W(A2) 0,9; W(B A) 0,7; W(B A2) W 2 (B) W(B A ) W(A) + W(B A2) W(A ) 0,43 W(B A) W(A ) 0,07 W( A B) 2 0,43 W(B A ) W(A ) 0,63 0,4 W( A2 B) 0,837 Berechnen Se de a posteror Wahrschenlchet W(A B c )! 30

Statstsche Unabhängget von Eregnssen Zwe Eregnsse A und B (mt W(A)>0 und W(B)>0 snd statstsch (stochastsch) unabhängg, wenn glt: W(A B) W(A) W(B) In desem Fall glt glechwertg: W(A B) W(A) W(B) W (A B) W(A) W(B) W(B) Her seht man, dass das Eregns B enen Enfluss auf A hat. Analog: W(B A)W(B) 3 Klasssche Bemessung nach Laplace Idee von Bernoull Laplace (82) Voraussetzungen: Endlche Ergebnsmenge bzw. Eregnsraum Ω Alle Elementareregnsse glechwahrschenlch Se A en Eregns mt A Ω. Dann glt: Anzahl aller für A güngstgen Elementareregnsse A W(A) Anzahl aller für Ω möglchen Elementareregnsse Ω Dese Bestmmung st ncht emprsch orentert. Man ann de Wahrschenlcheten ohne Expermente oder vor enem geegneten Experment durchführen. Daher sprcht man auch von a pror Wahrschenlcheten. 32

Bespel: Klasssche Bemessung von Wahrschenlcheten We groß st de Wahrschenlchet bem dremalgen Werfen mt ener Münze mndestens enmal de Ausprägung Zahl zu erhalten? A 7 W (A) W(A) Ω 8 8 Eregns Ᾱ: en mal Zahl, d. h. Ᾱ{(w, w, w)} Ω enthält 8 glechwahrschenlche Elementareregnsse Ω {(z, z, z); (z, z, w); (z, w, z); (z, w, w); (w, z, z); (w, z, w); (w, w, z); (w, w, w)}; A 7; Ᾱ ; Ω 8 Wahrschenlchet für zwe mal Zahl? B 3 W (B) B {(z, z, w); (z, w, z); (w, z, z)}; B 3 Ω 8 33 Klasssche Defnton - Voraussetzungen Für de Bestmmung der entsprechenden Elementareregnsse benötgt man häufg Kenntnsse n Kombnator. (Exurs) Als Begründung der zwete Annahme (Glechwahrschenlchet der Elementareregnsse), verwendet man das Prnzp des unzurechenden Grundes. Deses besagt, dass dese Annahme erfüllt st, wenn es enen hnrechenden Grund gbt, dass bestmmte Elementareregnsse bevorzugt snd. Typsche Bespele snd Expermente mt Münzen, Würfeln oder Urnen. Krt: Ncht anwendbar, wenn. es sch ncht um endlch vele Elementareregnsse handelt. de Elementareregnsse ncht glechwahrschenlch snd 34

Emprsche oder statstsche Wahrschenlchet Idee: R. von Mss (928) Bestmmung der Wahrschenlchet als relatve Häufget n enem Zufallsexperment. Voraussetzung:. Wederholbaret enes Zufallsexperments unter onstanten Rahmenbedngungen für ene große Anzahl von Versuchen. Rechnen mt relatven Häufgeten, wobe ene statstsche Stabltät vorausgesetzt wrd W(A) lmfn (A), n mt h(a) f n (A) n Motvaton für desen Ansatz st de Erfahrung, dass mt zunehmenden Umfang der Versuche, de relatve Häufget sch um enen Grenzwert p stablsert. (Emprsche Gesetze der großen Zahlen) 35 Bespel: Emprsche bzw. statstsche Wahrschenlchet Wahrschenlchet für Knabengeburten Jahrgang Knaben Insgesamt Relatve Häufget (umulert) f n (K) 964 547 979 065 437 547 979/ 065 437 0,543 965 536 930 044 328 084 909 /2 09 765 0,542 966 539 492 050 345 624 40/3 60 0 0,540 967 523 634 09 459 2 48 035/4 79 569 0,539 968 498 202 969 825 2 646 237/5 49 394 0,539 2 646 237 5 49 394 36

p 0,55 0,54 0,53 Bespel: Emprsche bzw. statstsche Wahrschenlchet * * * * * Da man ncht unendlch vele Versuchen durchführen ann, brcht man nach ener genügend hohen Anzahl ab und verwendet den Wert als Schätzung. W(K) 0,54. 2 3 4 5 Mll. Krt: Rahmenbedngungen önnen bswelen ncht onstant behalten werden Versuche snd ncht hnrechend oft wederholbar Insbesondere be Enzelergebnssen lassen sch bede bsher dsuterten Ansätze (Klasssche Bemessung und Statstsche Wahrschenlchet) ncht anwenden. Dafür benötgt man subjetve Methoden 37 Subjetve Bemessung von Wahrschenlchet Idee. De Fnett, Savage, Borel (926) De Wahrschenlchet W(A) lässt sch als subjetve Enschätzung ener Person (Experte) ermtteln, de mt dem Hntergrund das Zufallsexperments vertraut st. Bespel: Dabe wrd folgende (ftve) Wette durchgeführt: Wettenensatz: e a Auszahlung : o falls A entrtt falls A entrtt Man wrd dese Wette annehmen, sofern der erwartete Gewnn G postv st: G W(A) a + W(A) 0 e W(A) a e > 0 De Große e max /a heßt maxmaler Wettquotent. Nach deser Methode arbetet z. B. de Internet-Wahlbörse oder auch Wettbörsen für Sporteregnsse. 38

Bespele: Subjetve Bemessung von Wahrschenlcheten m öon. Berech Im öon. Berech ommen subjetve Methoden häufg zur Anwendung: Be der Beurtelung der Konjunturentwclung für das nächste Jahr werden Experten (Sachverständgenrat, 5 Wese) oder Unternehmen (IFO Konjunturtest) nach hrer Enschätzung befragt. Dabe gbt es de Eregnsse +,, -, d. h. (Aufstegen, Glechbleben, Fallen) und man bestmmt aus den Befragungen de subjetven Wahrschenlcheten p +, p, p -. Möglche Reatonen enes Anbeters auf de Pressenung enes Konurrenten um 0,30 Euro pro Enhet für en bestmmtes Gut (z. B. Kaffe). Alternatv 2 3 4 5 6 7 Presänderung 0,0 0,00-0,0-0,20-0,30-0,40-0,50 W(w ) 0,0 0,30 0,04 0,05 0,40 0,5 0,05 39 Subjetve Bemessung von Wahrschenlcheten Vortele: ene Expermente erforderlch ene statstsche Regelmäßget nötg Nachtele: Ncht ntersubjetv nachprüfbar Konsensmenung snnvoll 40

Schlussbemerung De lasssche, de statstsche und de subjetve Bemessung von Wahrschenlcheten stehen ncht n Gegensatz zum Axomensystem von Kolmogoroff. Kenes deser dre Konzepte st jedoch als formale Bass für de Wahrschenlchetsberechnung geegnet. In der Praxs werden se jedoch snnvoll engesetzt, wenn hre Anwendungsvoraussetzungen mt der Realtät verenbar snd. 4 Interpretaton von Wahrschenlcheten De Regenwahrschenlchet beträgt morgen 30% Psychologen untersuchten weltwet (Informatonsdenst Wssenschaft, 2.09.03, dw-onlne.de), welche Vorstellungen mt deser Aussage verbunden snd. Vorgegebene Vorstellungen waren:. Morgen regnet es auf 30% der Fläche 2. Morgen regnet es 30% der Zet 3. Es wrd an 30% der Tage regnen, welche de gleche Wetterlage we der morgge haben. Während de New Yorer mehrhetlch auf de 3. Opton tppten, am gerade dese Interpretaton den europäschen Befragten besonders unsnng vor. Se favorserten eher de zwete Möglchet, also de Zet, de es regnen würde. Das wrlche Ausmaß der Unlarhet am durch egene Erläuterungen ans Tageslcht: Enge Telnehmer n New Yor und n Berln nterpreterten de Regenwahrschenlchet als ene Art Abstmmungsergebns unter den Wetterexperten; se erlärten, dass von zehn Meteorologen dre davon überzeugt seen, dass es morgen regnen wrd! De Mehrdeutget der Aussage bleb unerannt. Aber der Wahrschenlchetsaussage oben fehlt de Angabe, worauf se sch bezeht, ob auf de Fläche, de Zet oder eben de Tage mt dentscher Wetterlage. De Zahl allen ann fehlnterpretert werden, wenn de Kategoren der Statst das Messonzept ncht endeutg belegen. 42