Mathematische und statistische Methoden II

Ähnliche Dokumente
Mathematische und statistische Methoden II

Mathematische und statistische Methoden II

Forschungsstatistik I

Mathematische und statistische Methoden II

Mathematische und statistische Methoden II

Mathematische und statistische Methoden II

Mathematische und statistische Methoden II

Mathematische und statistische Methoden II

Mathematische und statistische Methoden II

Forschungsstatistik I

Forschungsstatistik I

Welche Axiome sind Grundlage der axiomatischen Wahrscheinlichkeitsdefinition von Kolmogoroff?

Forschungsstatistik I

Forschungsstatistik I

Mathematische und statistische Methoden II

Forschungsstatistik I

Mathematische und statistische Methoden II

Rumpfskript. Elementare Wahrscheinlichkeitsrechnung. Prof. Dr. Ralf Runde Statistik und Ökonometrie, Universität Siegen

Mathematische und statistische Methoden II

Mathematische und statistische Methoden I

Welche Axiome sind Grundlage der axiomatischen Wahrscheinlichkeitsdefinition von Kolmogoroff?

Mathematische und statistische Methoden II

Kombinatorik & Stochastik Übung im Sommersemester 2018

Forschungsstatistik I

Forschungsstatistik I

Kapitel 2. Wahrscheinlichkeit (wird heute behandelt) Kapitel 2. Wahrscheinlichkeit

Forschungsstatistik I

Forschungsstatistik I

Forschungsstatistik I

Forschungsstatistik I

Mathematische und statistische Methoden II

Einführung in die Wahrscheinlichkeitsrechnung

Mathematische und statistische Methoden II

Forschungsstatistik II

K. Eppler, Inst. f. Num. Mathematik Übungsaufgaben. 8. Übung SS 16: Woche vom

3 Bedingte Wahrscheinlichkeit, Unabhängigkeit von Ereignissen

Einführung. Wahrscheinlichkeit. 1 Wahrscheinlichkeit: Definition und Interpretation. 2 Elementare Wahrscheinlichkeitsrechnung, bedingte

Wahrscheinlichkeitsrechnung

Mathematische und statistische Methoden I

Berechnung von Wahrscheinlichk.

Übungsklausur zur Vorlesung Wahrscheinlichkeit und Regression Thema: Wahrscheinlichkeit. Übungsklausur Wahrscheinlichkeit und Regression

Mathematische und statistische Methoden I

Grundbegriffe. Vereinigungsmenge Schnittmenge sicheres Ereignis disjunkte Mengen komplementäre Ereignisse/ Gegenereignisse/ Alternativereignisse

Mathematische und statistische Methoden I

Forschungsstatistik I

Kapitel 2 Wahrscheinlichkeitsrechnung

Wie hoch ist das Risiko, dass ein System, das aus mehreren Komponenten besteht, ausfällt?

UE Statistik 1, SS 2015, letztes Update am 5. März Übungsbeispiele

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

Kapitel 5 Stochastische Unabhängigkeit

Einführung in die Stochastik 6. Übungsblatt

Forschungsstatistik I

Mathematische und statistische Methoden II

Forschungsstatistik I

Mathematische und statistische Methoden II

Kapitel ML:IV. IV. Statistische Lernverfahren. Wahrscheinlichkeitsrechnung Bayes-Klassifikation Maximum-a-Posteriori-Hypothesen

6. Übungsblatt zur Einführung in die Stochastik

Forschungsstatistik II

Ein Ereignis ist eine Menge von Elementarereignissen. Berechnung von Wahrscheinlichkeiten zufälliger Ereignisse erfordert ein Modell.

Forschungsstatistik I

Stochastik für Ingenieure

K. Eppler, Inst. f. Num. Mathematik Übungsaufgaben. 9. Übung SS 16: Woche vom

Mathematische und statistische Methoden I

Forschungsstatistik I

htw saar 1 KAPITEL 4 BEDINGTE WAHRSCHEINLICHKEIT UND STOCHASTISCHE UNABHÄNGIGKEIT Hans-Peter Hafner WS 2016/2017

Kapitel 6. Kapitel 6 Mehrstufige Zufallsexperimente

Mathematische und statistische Methoden I

2.2 Ereignisse und deren Wahrscheinlichkeit

Stochastik Wiederholung von Teil 1

Einführung in die Computerlinguistik

Übungsrunde 4, Gruppe 2 LVA , Übungsrunde 4, Gruppe 2, Markus Nemetz, TU Wien, 10/2006

Population und Stichprobe: Wahrscheinlichkeitstheorie

Mathematische und statistische Methoden II

Das Ziegenproblem. Nils Schwinning und Christian Schöler Juni 2010

Forschungsstatistik I

Mathematische und statistische Methoden I

Wahrscheinlichkeitsrechnung und Statistik

Vorlesung Statistik, H&A Mathe, Master M

Mathematik für Biologen

Satz 16 (Multiplikationssatz)

Satz 18 (Satz von der totalen Wahrscheinlichkeit)

Stochastik Grundlagen

Einführung in die Wahrscheinlichkeitstheorie Lösungsvorschläge zu Übungsblatt 2

Einführung in die Computerlinguistik Statistische Grundlagen

Allgemeine diskrete Wahrscheinlichkeitsräume II

Allgemeine diskrete Wahrscheinlichkeitsräume II. Beispiel II. Beispiel I. Definition 6.3 (Diskreter Wahrscheinlichkeitsraum)

Allgemeine diskrete Wahrscheinlichkeitsräume I

K. Eppler, Inst. f. Num. Mathematik Übungsaufgaben. 7. Übung SS 16: Woche vom

2 Grundlegende Begriffe und Sätze der Wahrscheinlichkeitsrechnung

Zusammenfassung Stochastik

3.3 Bedingte Wahrscheinlichkeit

Kapitel II - Wahrscheinlichkeitsraum

Forschungsstatistik I

Statistik I für Betriebswirte Vorlesung 2

Aufgabenblock 3. Durch zählen erhält man P(A) = 10 / 36 P(B) = 3 / 36 P(C) = 18 / 36 und P(A B) = 3 /

Unabhängigkeit KAPITEL 4

Teil 2: Wahrscheinlichkeitsrechnung - Theoretischer Kalkül

Transkript:

Methodenlehre e e Prof. Dr. G. Meinhardt 6. Stock, Wallstr. 3 (Raum 06-206 Sprechstunde jederzeit nach Vereinbarung und nach der Vorlesung. Mathematische und statistische Methoden II Dr. Malte Persike persike@uni-mainz.de http://psymet03.sowi.uni-mainz.de/methods/ SS 2010 Fachbereich Sozialwissenschaften Psychologisches Institut Johannes Gutenberg Universität Mainz

Bedingte Wahrscheinlichkeit PB ( A P( A B PA ( Ist die Wahrscheinlichkeit für das Ereignis B, gegeben dass das Ereignis A bereits eingetreten ist (lies: B gegeben A. Die Wahrscheinlichkeit P(A wird als Grundwahrscheinlichkeit bezeichnet. P(B A wird bedingte Wahrscheinlichkeit genannt. A A B B Ω Im Venn Diagramm kann P(B A als Anteil der Fläche A Ban der Fläche A interpretiert werden (und nicht mehr am gesamten Stichprobenraum Ω.

Bedingte Wahrscheinlichkeit Im Laplace Ansatz Es seien a die für das Ereignis A günstigen Elementarereignisse b die für das Ereignis B günstigen Elementarereignisse c die für das Ereignis A B günstigen Elementarereign. n die Menge aller Elementarereignisse. Dann ist zunächst P(A a / n P(B b / n P(AB c / n Aus dem Venn Diagramm sieht man auch: P(B A c / a c PB ( A n Durch n/n teilen ergibt a n PA ( B PA (

Bedingte Wahrscheinlichkeit Im Kolmogoroff Ansatz In der axiomatischen Definition der Wahrscheinlichkeit kann die Berechnungsvorschrift für bedingte Wahrscheinlichkeiten nicht bewiesen werden. Deshalb muss die bedingte Wahrscheinlichkeit hier definiert werden:! P( A B PB ( A PA (

Bedingte Wahrscheinlichkeit Das Multiplikationstheorem Man sieht sofort dass gilt: P(A B P(B A Damit erhalten wir durch Umformen PB ( A PA ( B PA ( B PAB ( PA ( PB ( PA ( B PB ( A PA ( PA ( B PAB ( PB ( Multiplikationstheorem

Wahrscheinlichkeitsbäume Additions- und Multiplikationstheorem für bedingte Wahrscheinlichkeiten lassen sich gut an einem Wahrscheinlichkeitsbaum veranschaulichen. Ereignis A A 1 P(B 1 A 1 Ereignis B, gegeben A B 1 P(B 1 A 1 P(A 1 Multiplikations- theorem für Wk ten S P(A 1 P(A 1 P(A 1 A 2 A 3 P(B 2 A 1 P(B 1 A 2 P(B 2 A 2 P(B 1 A 3 P(B 2 A 3 B 2 B 1 B 2 B 1 P(B 2 A 1 P(A 1 P(B 1 A 2 P(A 2 P(B 2 A 2 P(A 2 P(B 1 A 3 P(A 3 Man sieht auch: P(A 1 B 1 A 2 B 1 A 3 B 1 P(B 1 A 1 P(A 1 + P(B 1 A 2 P(A 2 + P(B 1 A 3 P(A 3 B 2 P(B 2 A 3 P(A 3

Satz der totalen Wahrscheinlichkeit Wenn die Ereignisse B 1, B 2, B k paarweise disjunkt sind und das Ereignis A immer mit einem der B i auftritt, gilt A (A B 1 (A B 2 (A B k Mit dem Additionsthorem erhalten wir P A P A B1 + + P A B k ( ( ( Ω B k B 1 B 2 A Und mit dem Multiplikationssatz wird daraus PA ( PB ( PA ( B + PB ( PA ( B + + PB ( PA ( B 1 1 2 2 Satz der totalen Wahrscheinlichkeit k k

Wir sehen anhand des Multiplikationstheorems, dass P(B A P(A P(A B P(B Damit gilt P ( B A P( A BPB ( P ( A bzw. P ( A B P( B A P( A P( B Die bedingte Wahrscheinlichkeit eines Ereignisses A gegeben B ist zu berechnen aus der Wahrscheinlichkeit für B gegeben A und den Grundwahrscheinlichkeiten von A und B. Diese Beziehung ist der.

Verallgemeinerung Hat man mehrere Ereignisse B 1, B 2,, B k wird beim Satz von P( A Bi P( Bi PB ( i A PA ( vorausgesetzt, dass die Grundwahrscheinlichkeit für A bekannt ist. Häufig kennt man aber nur alle P(A B i. Mit dem Satz der totalen Wahrscheinlichkeit erhält man aus dem diese allgemeine -Formel: PB ( A i PAB ( i PB ( i PAB ( PB ( + PAB ( PB ( + + PAB ( PB ( 1 1 2 2 k k