Wahrscheinlichkeitsrechnung

Rechenregeln f ur Mengen. F ur Mengen A, B, C gilt

A B = B A, A B = B A,
(A B) C = A (B C), (A B) C = A (B C),
(A B) C = (A C) (B C), (A B) C = (A C) (B C),
A B A
c
B
c
.
F ur Mengen A
1
, . . . , A
n
gilt
_
n
_
i=1
A
i
_
c
=
n

i=1
A
c
i
,
_
n

i=1
A
i
_
c
=
n
_
i=1
A
c
i
.
Rechenregeln f ur W-Mae. Sei (, P) ein W-Modell. Dann ist P(A) 0
f ur alle A , P() = 1, und f ur paarweise disjunkte Ereignisse A
1
, A
2
, . . .
gilt
P(A
1
A
2
. . . ) = P(A
1
) +P(A
2
) +. . .
F ur Ereignisse A, B, C gilt
P() = 0, P(A
c
) = 1 P(A), P(A B) = P(A) +P(B) P(A B),
P(ABC) = P(A)+P(B)+P(C)P(AB)P(AC)P(BC)+P(ABC),
P(B \ A) = P(B) P(A B).
Falls A B, dann gilt P(A) P(B) und P(B \ A) = P(B) P(A).
Falls die Ereignisse A
1
, A
2
, . . . eine Zerlegung von bilden, dann gilt f ur
jedes Ereignis B
P(B) = P(B A
1
) +P(B A
2
) +. . . .
Ist die Ergebnismenge diskret, so gilt f ur jedes Ereignis A
P(A) =

A
p

, wobei p

= P({}).
Im Laplace-Modell gilt P(A) = |A|/||.
Bedingte Wahrscheinlichkeiten. F ur Ereignisse A, B mit P(B) > 0 heit
P(A|B) =
P(A B)
P(B)
die bedingte Wahrscheinlichkeit von A gegeben B.
1
Multiplikationssatz. F ur Ereignisse A
1
, . . . , A
n
mit P(A
1
A
n1
) > 0
gilt
P(A
1
A
2
A
n
) = P(A
1
)P(A
2
|A
1
)P(A
3
|A
1
A
2
) P(A
n
|A
1
A
n1
).
Satz von der totalen Wahrscheinlichkeit. Bilden die Ereignisse A
1
, . . . , A
n
eine Zerlegung von mit P(A
i
) > 0 f ur alle i = 1, . . . , n, dann gilt f ur jedes
Ereignis B
P(B) =
n

i=1
P(B|A
i
)P(A
i
).
Satz von Bayes. Bilden die Ereignisse A
1
, . . . , A
n
eine Zerlegung von mit
P(A
i
) > 0 f ur alle i = 1, . . . , n, dann gilt f ur jedes Ereignis B mit P(B) > 0
P(A
k
|B) =
P(B|A
k
)P(A
k
)

n
i=1
P(B|A
i
)P(A
i
)
, k = 1, . . . , n.
Unabhangigkeit. Ereignisse A, B heien unabh angig, wenn P(A B) =
P(A)P(B). Die Ereignisse aus einer beliebigen Menge M von Ereignis-
sen heien unabhangig, falls f ur jede endliche Auswahl von verschiedenen
Ereignissen A
1
, . . . , A
n
M gilt
P(A
1
A
n
) = P(A
1
) P(A
n
).
Zufallsvariable X
1
, . . . , X
n
heien unabh angig, falls f ur alle a
1
, . . . , a
n
R
gilt
P(X
1
a
1
, . . . , X
n
a
n
) = P(X
1
a
1
) P(X
n
a
n
).
Falls X
1
, . . . , X
n
unabh angig sind, dann gilt f ur alle B
1
, . . . , B
n
R
P(X
1
B
1
, . . . , X
n
B
n
) = P(X
1
B
1
) P(X
n
B
n
).
Sind X
1
, . . . , X
n
diskrete Zufallsvariable, dann sind X
1
, . . . , X
n
genau dann
unabh angig, wenn f ur alle b
1
, . . . , b
n
R gilt
P(X
1
= b
1
, . . . , X
n
= b
n
) = P(X
1
= b
1
) P(X
n
= b
n
).
Eigenschaften der Verteilungsfunktion. Sei F die Verteilungsfunktion
einer Zufallsvariablen X, also F(t) = P(X t). Dann gilt
0 F(t) 1, t R, lim
t
F(t) = 0, lim
t
F(t) = 1,
P(s < X t) = F(t)F(s), s < t, P(X = t) = F(t)F(t), t R,
P(X > t) = 1 F(t), P(X t) = 1 F(t), t R.
2
Rechenregeln f ur den Erwartungswert. X, Y seien Zufallsvariable.
E(aX +bY ) = aE(X) +bE(Y ) f ur alle a, b R.
E(XY ) = E(X)E(Y ), falls X und Y unabh angig sind.
E(X) E(Y ), falls X Y.
Ist X diskret mit m oglichen Werten a
1
, a
2
, . . . , dann gilt f ur jede Funktion
g : R R
E[g(X)] =

i
g(a
i
)P(X = a
i
).
Ist X eine Zufallsvariable mit Dichte f, dann gilt f ur jede Funktion g : R R
E[g(X)] =
_

g(x)f(x) dx.
Rechenregeln f ur die Varianz. X, Y seien Zufallsvariable.
Var(X) = E[(X E(X))
2
] = E(X
2
) [E(X)]
2
.
Var(a +bX) = Var(bX) = b
2
Var(X) f ur alle a, b R.
Var(X +Y ) = Var(X) + Var(Y ), falls X und Y unabh angig sind.
Tschebysche-Ungleichung. F ur jede Zufallsvariable X und alle > 0
gilt
P (|X E(X)| )
Var(X)

2
.
Schwaches Gesetz der groen Zahlen. Seien X
1
, X
2
, . . . unabh angige,
identisch verteilte Zufallsvariable. Dann gilt f ur alle > 0
lim
n
P
_

1
n
(X
1
+ +X
n
) E(X
1
)

_
= 0.
Starkes Gesetz der groen Zahlen. Seien X
1
, X
2
, . . . unabh angige, iden-
tisch verteilte Zufallsvariable. Dann folgt
P
_
lim
n
1
n
(X
1
+ +X
n
) = E(X
1
)
_
= 1.
Zentraler Grenzwertsatz. Seien X
1
, X
2
, . . . unabh angige, identisch ver-
teilte Zufallsvariable mit = E(X
1
) und
2
= Var(X
1
) > 0. Sei S
n
=
X
1
+ +X
n
. Dann gilt f ur alle a < b
lim
n
P
_
a
S
n
n

n
2
b
_
=
1

2
_
b
a
e
x
2
/2
dx.
3
Diskrete Verteilungen
Bernoulli-Verteilung. X BER(p), 0 p 1,
P(X = 1) = p, P(X = 0) = 1 p, E(X) = p, Var(X) = p(1 p).
Binomialverteilung. X BIN(n, p), n N, 0 p 1,
P(X = k) =
_
n
k
_
p
k
(1 p)
nk
, k = 0, 1, . . . , n,
E(X) = np, Var(X) = np(1 p).
Geometrische Verteilung. X GEO(p), 0 < p 1,
P(X = k) = (1 p)
k1
p, k = 1, 2, . . . , E(X) =
1
p
, Var(X) =
1 p
p
2
.
Poisson-Verteilung. X POI(), 0,
P(X = k) =

k
k!
e

, k = 0, 1, . . . , E(X) = Var(X) = .
Stetige Verteilungen
Gleichverteilung. X UNI(a, b), a < b,
Dichte: f(x) =
_
_
_
1
b a
, x [a, b],
0, x [a, b],
VF: F(x) =
_

_
0, x < a,
x a
b a
, a x b,
1, x > b,
E(X) =
a +b
2
, Var(X) =
(b a)
2
12
.
Exponentialverteilung. X EXP(), > 0,
Dichte: f(x) =
_
0, x < 0,
e
x
, x 0,
VF: F(x) =
_
0, x < 0,
1 e
x
, x 0,
E(X) =
1

, Var(X) =
1

2
.
Normalverteilung. X N(,
2
), R,
2
> 0,
Dichte: f(x) =
1

2
2
exp
_

(x )
2
2
2
_
, x R,
E(X) = , Var(X) =
2
.
4
Schlieende Statistik
Gegeben seien Stichprobenvariablen X
1
, . . . , X
n
, die jeweils dieselbe Ver-
teilung haben wie X. Stichprobenmittel und Stichproben-Standardabwei-
chung sind gegeben durch
X
n
=
1
n
n

i=1
X
i
, S
(n)
=

_
1
n 1
n

i=1
(X
i
X
n
)
2
.
Schatzfunktionen
X
n
ist erwartungstreue Sch atzfunktion f ur = E(X).
Erwartungstreue Sch atzfunktion f ur = Var(X):
_
1
n

n
i=1
(X
i
)
2
, falls E(X) = bekannt,
S
2
(n)
, falls E(X) unbekannt.
ML-Sch atzfunktion f ur
unbekannten Parameter einer POI()-Verteilung: X
n
,
unbekannten Parameter a > 0 einer UNI(0, a)-Verteilung: max{X
1
, . . . , X
n
},
unbekannten Parameter einer N(,
2
)-Verteilung: X
n
,
unbekannten Parameter
2
einer N(,
2
)-Verteilung:
_
1
n

n
i=1
(X
i
)
2
, falls bekannt,
1
n

n
i=1
(X
i
X
n
)
2
, falls unbekannt.
Kondenzintervalle
Kondenzintervall f ur den Erwartungswert einer N(,
2
)-Verteilung mit
bekannter Varianz
2
> 0, Kondenzniveau 1 :
_
X
n

n
, X
n
+
c

n
_
,
wobei c das (1

2
)-Fraktil der N(0, 1)-Verteilung ist.
Kondenzintervall f ur den Erwartungswert einer N(,
2
)-Verteilung mit
unbekannter Varianz
2
> 0, Kondenzniveau 1 :
_
X
n

aS
(n)

n
, X
n
+
aS
(n)

n
_
,
wobei a das (1

2
)-Fraktil der t(n 1)-Verteilung ist.
5
Testverfahren
Einstichproben-Gautest. X N(,
2
), unbekannt,
2
> 0 bekannt,
Signikanzniveau .
H
0
H
1
Lehne H
0
genau dann ab, wenn

0
>
0
X
n
>
0
+

n
u
1

0
<
0
X
n
<
0

n
u
1
=
0
=
0

X
n

>

n
u
1

2
Dabei ist u
1x
das (1 x)-Fraktil der N(0, 1)-Verteilung.
Einstichproben-t-Test. X N(,
2
), und
2
unbekannt, Signikanz-
niveau .
H
0
H
1
Lehne H
0
genau dann ab, wenn

0
>
0
X
n
>
0
+
S
(n)

n
v
1
=
0
=
0

X
n

>
S
(n)

n
v
1

2
Dabei ist v
1x
das (1 x)-Fraktil der t(n 1)-Verteilung.

2
-Anpassungstest. P(X = a
i
) = p
i
, i = 1, . . . , m, wobei a
1
, . . . , a
m
bekannt und p
1
, . . . , p
m
unbekannt sind, Signikanzniveau . F ur vorge-
gebene nicht-negative Werte p
1
, . . . , p
m
mit p
1
+ + p
m
= 1 betrachte
Hypothese
H
0
: p
i
= p
i
f ur alle i = 1, . . . , m.
Es gelte np
i
5 f ur alle i = 1, . . . , m. Es bezeichne N
i
die absolute H augkeit
des Wertes a
i
in der Stichprobe und es sei
V =
m

i=1
(N
i
np
i
)
2
np
i
.
Lehne H
0
genau dann ab, wenn
V > x
1
,
wobei x
1
das (1 )-Fraktil der
2
(m1)-Verteilung ist.
6