Beruflich Dokumente
Kultur Dokumente
Stochastik
Mitschrift zur Vorlesung
von Lukas Ostermann
Mitschrift der Vorlesung von ao. Univ.-Prof. Mag. Dr. Stefan Götz im Sommersemester 2016
(250020).
Schulmathematik 5 (Stochastik) Mitschrift von Lukas Ostermann
Inhaltsverzeichnis
I Konkrete Umsetzung stochastischer Inhalte im Mathematikunterricht – AHS-Unterstufe ............... 3
1 Datenerhebung ................................................................................................................................................... 3
2 Diagramme erstellen und lesen ..................................................................................................................... 4
3 Daten zusammenfassen: Mittelwert ............................................................................................................. 7
3.1 Arithmetisches Mittel...................................................................................................................................................7
3.2 Der Median ......................................................................................................................................................................8
3.3 Gewichtetes arithmetisches Mittel ..........................................................................................................................8
3.4 Der Modus ..................................................................................................................................................................... 10
4 Vergleichen von Daten und ihren Verteilungen ...................................................................................... 10
4.1 Die Vierfeldertafel ...................................................................................................................................................... 10
4.2 Banddiagramme und Säulendiagramme ............................................................................................................ 10
4.3 Klasseneinteilung metrischer Daten .................................................................................................................... 11
4.4 Boxplots (Kastenschaubilder) ............................................................................................................................... 12
5 Didaktisches Resümee .................................................................................................................................... 15
II Übergang AHS Unter- zur Oberstufe............................................................................................................... 16
1 Vernetzung beschreibende Statistik und Vektorgeometrie................................................................. 16
1.1 Eine Beziehung zwischen arithmetischen Mittel und Median .................................................................... 16
1.2 Minimalitätseigenschaft des arithmetischen Mittels ..................................................................................... 17
1.3 Der Regressionskoeffizient ..................................................................................................................................... 17
1.4 Der Korrelationskoeffizient .................................................................................................................................... 19
1.5 Das Eingangsbeispiel................................................................................................................................................. 20
1.6 Schlussbemerkungen ................................................................................................................................................ 20
2 Auf dem Weg zur bedingten Wahrscheinlichkeit ................................................................................... 21
2.1 Graphische Vierfeldertafel und Einheitsquadrat ............................................................................................. 21
2.2 Beschreibung von Unterschieden ......................................................................................................................... 22
2.3 Analyse des Unterschieds ........................................................................................................................................ 23
III AHS-Oberstufe 6.Klasse .................................................................................................................................... 24
1 Der klassische Wahrscheinlichkeitsbegriff............................................................................................... 24
1.1 Motivation ..................................................................................................................................................................... 24
1.2 Force majeure .............................................................................................................................................................. 25
1.3 Eigenschaften des klassischen Wahrscheinlichkeitsbegriffs ....................................................................... 25
2 Die Pfadregeln ................................................................................................................................................... 26
2.1 Ziehen geordneter Stichproben mit Zurücklegen ........................................................................................... 26
2.2 Ziehen geordneter Stichproben ohne Zurücklegen ........................................................................................ 26
2.3 Ziehen ungeordneter Stichproben – die zweite Pfadregel ........................................................................... 28
3 Elementare Kombinatorik ............................................................................................................................. 29
3.1 Auswählen..................................................................................................................................................................... 29
3.2 Reihenfolgen – Permutationen .............................................................................................................................. 29
4 Der empirische Wahrscheinlichkeitsbegriff............................................................................................. 30
4.1 Eine Beobachtung ....................................................................................................................................................... 30
4.2 Eine Konsequenz daraus .......................................................................................................................................... 30
Seite 1
Schulmathematik 5 (Stochastik) Mitschrift von Lukas Ostermann
Seite 2
Schulmathematik 5 (Stochastik) Mitschrift von Lukas Ostermann
1 Datenerhebung
Merkmal: Eigenschaft eines Datenträgers
Zum Beispiel:
Mögliche Datenquellen:
i) Pulsmessung,
ii) Messung von täglichen Regenmengen Garten,
iii)Temperaturverlauf an einem Tag,
iv) Fingerlänge,…
Seite 3
Schulmathematik 5 (Stochastik) Mitschrift von Lukas Ostermann
Reale Daten: Big-Mac-Index (gewichteter Nettostundenlohn aus 14 Berufen, Maß für die
Kaufkraft, Moodle)
Seite 4
Schulmathematik 5 (Stochastik) Mitschrift von Lukas Ostermann
absolute Häufigkeit
Relative Häufigkeit bzw. kurz:
Anzahl Daten
Zum Beispiel:
Zum Beispiel: cm
Kreisdiagramm: Mittelpunktswinkel
rozentrechnung: ,
( )
Mehrfachnennungen: Säulendiagramm besser geeignet, da ∑ !
Seite 5
Schulmathematik 5 (Stochastik) Mitschrift von Lukas Ostermann
82, 84, 88, 88, 93, 93, 94, 94, 95, 95, 95, 96, 97, 97, 97, 99, 99, 99, 99, 99, 99, 99, 99, 100, 100, 100, 100, 102, 102, 104
Blätter
Stamm
Zum Beispiel: Zehner als Stamm und Einer als Blätter
8 2 4 88
9 33 44 555 6 777 99999999
10 0 0 0 0 2 2 4
Anzahl
Daher: H he der Rechtecke ,
Klassenbreite
wenn Klassenbreiten nicht paarweise gleich sind!
Fingierte Daten:
Gehalt [GE] Anzahl
0-5000 3
5001-10000 5
10001-15000 10
15001-20000 1
20001-25000 2 eine Klasse
25001-30000 4
Seite 6
Schulmathematik 5 (Stochastik) Mitschrift von Lukas Ostermann
Richtig:
Nebenrechnung:
min max
M gliche Fehlvorstellung: ( rund: Ausrei erempfindlichkeit)
Allg.
Seite 7
Schulmathematik 5 (Stochastik) Mitschrift von Lukas Ostermann
min max
Allg.
Beispiel:
„Lebende Statistik“ – S der Größe nach ordnen enaktiver Zugang
Vorstellung:
Zentrum einer Verteilung (auch: Zentralwert) aus Stamm-Blätter-Diagramm ablesbar.
A HTUN bei Interpretation: „Die eine Hälfte weniger als , die andere mehr.“
Bei vielen gleichen Daten um stimmt das nicht mehr!
Nochmals:
Messreihe
keine Ausreißerempfindlichkeit:
, , , , 12 13
Ändern der extremen Werte hat keinen Einfluss auf !
, , , , 30 13
Formal:
gerade
… aus geordneter Datenlste ... .
ungerade
...
∑
ACHTUNG: Ist z.B. , dann trägt nichts zum Zähler von bei, aber für zum
Nenner!
Seite 8
Schulmathematik 5 (Stochastik) Mitschrift von Lukas Ostermann
Reale Daten: Geschossene Tore von FK Austria Wien in Bundesligasaison 2015/2016 bis zur 23.
Runde (siehe Moodle).
#Tore 0 1 2 3 4 5
3 7 11 1 0 1
, … (fiktive r e)
Schwerpunkteigenschaft:
| , …| | , …| | , …| | , …| | , …|
↪ Wegen der Ausgleichseigenschaft!
MITTELWERTABAKUS:
↪ Von außen nach innen Umstapeln, ohne den Gleichgewichtspunkt zu ändern.
Seite 9
Schulmathematik 5 (Stochastik) Mitschrift von Lukas Ostermann
Fragen dazu:
Wann ist es auf Mauritius besonders regnerisch?
Wann ist es auf Korsika besonders warm?
Wie ändern sich die durchschnittlichen Monatswerte über den Jahresverlauf hinweg?
Wie wurden diese Durchschnittswerte ermittelt?
ii) unter den Mädchen spielen 15 von 20 ein Instrument, das sind .
iii) Aber auch: Unter den InstrumentenspielerInnen sind Jungen, also Mädchen.
ii) Forschungsplattform FD: „Ein guter L ist noch kein FD“ bzw. weibliches endant Frage
unter LA-Studierenden 2010 – Stimme zu bzw. Stimme nicht zu. Gegebene Begründungen
( Prozentstreifen, siehe Moodle):
1) L FD [Theorie Praxis],
2) L muss bestimmt FD können [FD notwendig],
3) Guter L auch ohne FD [L ohne FD],
4) Ein guter L braucht mehr als FD [L > FD],
5) [zu allgemein].
Seite 10
Schulmathematik 5 (Stochastik) Mitschrift von Lukas Ostermann
Arithmetisches Mittel…
...
… der Rohdaten: ,
… nach Klasseneinteilung: Kl ,
Hier: 1°C.
Vergleiche:
i) April 2014: , , .
ii) März – Dezember 2013:
März Dezember
3,7°C 3,5°C
3,5°C 4,0°C
Spannweite min max 17,1°C 12,7°C
-5 bis -3,1 -3 bis -1,1 -1 bis 0,9 1 bis 2,9 3 bis 4,9 5 bis 6,9 7 bis 8,9 9 bis 10,9 11 bis 12,9 13 bis 14,9
März 2 2 6 3 6 5 3 3 0 1
Dez. 0 3 2 8 6 9 2 1 0 0
Seite 11
Schulmathematik 5 (Stochastik) Mitschrift von Lukas Ostermann
Stamm-Blätter-Diagramm:
4 Lagemaße:
5 , ,
i) Median: ,
6
7 ii) Minimaler ert: ,
8 iii) Maximaler ert: ,
9
10 8 iv) 1. Quartil (Viertelwert) Median der unteren Hälfte ,
11 v) 3. Quartil Median der oberen Hälfte , C
12
13 vi) 2. Quartil Median
14
15
16
17
18
Streumaße:
i) Spannweite , , ,
ii) Quartilsabstand , , , C( Länge der Box)
Feinheiten:
i) Bestimmung von und :
Rangplatz von ⌈ ⌉ und von ⌈ ⌉ wobei ⌈ ⌉ … „Aufrunden“
Zum Beispiel:
a) (Tage eines Monats) ⌈ ⌉ ⌈ , ⌉ und ⌈ ⌉ ⌈ , ⌉ .
Aber auch wie oben (Median der Datenhälften), wieder :
[ ] und [ ] wenn Median nicht mitspielt,
[ ] [ ] [ ] [ ]
und wenn Median mitspielt.
Seite 12
Schulmathematik 5 (Stochastik) Mitschrift von Lukas Ostermann
min
max
⏟⁄
!
v) Ausreißer:
Länge der Whiskers , Quartilsabstand.
Außerhalb liegende Werte werden als Punkte einzeln eingezeichnet.
01 02 03 04 05 06 07 08 09 10 11 12
2014 8 21 12 66 189 33 91 110 109 37 34 43
2015 71 37 40 22 48 24 34 44 50 80 37 25
2016 43
eo ebra: min
,
max
Seite 13
Schulmathematik 5 (Stochastik) Mitschrift von Lukas Ostermann
Beispiel:
⏟ ⏟ | ⏟ … Noten auf eine Mathematikschularbeit.
Zwischen und liegen 8 von 10 Daten (einschließlich und ), das sind 80%.
Aufgabenstellung:
Kreuzen Sie die beiden zutreffenden Antworten an!
Seite 14
Schulmathematik 5 (Stochastik) Mitschrift von Lukas Ostermann
Folgerungen:
Im Winter deutlich höherer Verbrauch: die Boxen überlappen einander nicht (Gründe:
niedrigere Temperaturen, mehr Kurzstrecken?).
Im Sommer mindestens , L/100km im Winter.
Streuung im Winter größer.
-Vergleich (z.B. 8,5L/100km):
im Winter darunter, aber im Sommer darunter.
Quotientenvergleich:
5 Didaktisches Resümee
1. Erkennen der Notwendigkeit von Daten („recognition of the need for data“), aus
Überzeugungen werden empirische Daten.
2. Flexible Repräsentation von Daten („transnumeration“):
Neue Problemstellung sinnvolle Analyse der Daten ( unterschiedliche Perspektiven).
3. Einsicht in die Variabilität von Daten („consideration of variation“):
Neue Umfrage/Stichprobenziehung/Daten andere Ergebnisse, auch wenn sich die
Rohdaten nicht ändern.
4. Erkennen von Mustern in den Daten und Beschreibung der Muster mit statistischen Modellen
(„reasoning with statistical models“): führt auf ahrscheinlichkeitsrechnung und
beurteilende Statistik ( Oberstufe).
„WANDERER“: Verfolgen von Analysewegen Ziel (vorher festgelegt).
5. Verbinden von Kontext und Statistik („integrating the statistical and contextual“):
Abarbeiten von Algorithmen Computer Gewinn von Interpretationsspielräumen.
Didaktisches Leitbild: „DatendetektivIn“
Herausforderung: fragendes Interesse wecken/heraushören
„WUNDERER“: Auffälligkeiten, Muster Theorien
Hypothesen bilden ( Bestätigung) und verändern: Erfahrung und (empirisches) Wissen
aufbauen
„gute“ Daten, nicht unbedingt viele:
Keine Verzerrung: Verteilung von Automarken in Wolfsburg/München
Genaue Festsetzung der Datengenerierung; Spannweite von Fingerspitze des Mittelfingers
links bis zu … rechts.
Grundgesamtheit definieren: Verkehrszählung zwischen 8:00 und 12:00 in bestimmter
Straße/Hausnummer/Spur Anteil von LKWs.
Aufbau von Kritikfähigkeit:
Beurteilung der einzelnen Bausteine einer empirischen Untersuchung:
1) Datenerhebung,
2) Datenauswertung,
3) Schlussfolgerungen.
Seite 15
Schulmathematik 5 (Stochastik) Mitschrift von Lukas Ostermann
6. Klasse:
Arbeiten mit Darstellungsformen und Kennzahlen der beschreibenden Statistik.
Vektoren im und deren Rechenoperationen kennen, in Anwendungssituationen
interpretieren und verständig einsetzen können.
… empirische Varianz
Beweis:
| | |∑( )| ∑| | (Dreiecksungleichung)
| |
Standpunktwechsel: ( ) ( ) und ( ) .
| |
( ) cos ( , ) .
⏟
|… |
Korollar:
( )
… mittlere lineare Abweichung
∑| | ∑| | √ ∑( )
( ) … Minimalitätseigenschaft des Medians
Seite 16
Schulmathematik 5 (Stochastik) Mitschrift von Lukas Ostermann
Beweis:
( ) , ,
!
Also: ( ) ⏟ ⏟ ∑ .
∑
Korollar:
Beweis:
Nebenrechnung: | | √∑( ) √
ythagoras: ( ) ( ) ( ) ⏟ ∑ ∑ .
⏟ NR
Beispiel:
Handelstag 1 2 3 4 5 6
Werbeausgaben 56 53 52 54 57 58
Tageskurse 95 93 92 96 95 99
Seite 17
Schulmathematik 5 (Stochastik) Mitschrift von Lukas Ostermann
ABER:
i) -Werte fehlerbehaftet, -Werte: Stützstellen.
ii)Wenn beide Größen fehlerbehaftet, wäre diese Vorgangsweise
korrekt, aber nicht üblich.
!
Also: ∑( ) .
Neue Koordinaten: ( ) ( ).
∑ ∑( ) ∑ ∑ .
! ! !
Damit: ∑( ) ∑ ∑ .
Also: Jede Gerade durch den Schwerpunkt bringt die Summe der vertikalen Abweichungen zum
Verschwinden!
Seite 18
Schulmathematik 5 (Stochastik) Mitschrift von Lukas Ostermann
as hei t das
( )( )
Rückübersetzung: (∑( )( ))⁄(∑( ) ) ( )
( )
ähler von ( ) ∑ ∑ ∑ ∑
⏟ ⏟
Nenner von ( ) ∑ ∑ ∑
⏟
∑ ∑ ∑ ∑
Damit ist: (für ).
∑ ∑ (∑ )
cos ( , ) ist ein gutes Ma für die Abweichung der Daten von der eraden.
| | | |
ieder Rückübersetzung: ∑
(vgl. Berechnung von a) | | | |
√∑ √∑
∑ ∑ ∑
√ ∑ (∑ ) √ ∑ (∑ )
… earson scher Korrelationskoeffizient
positve Korrelation,
Es gilt: (i) und {
negative Korrelation.
(ii) Je näher | | bei , desto besserer ist der lineare usammenhang.
Seite 19
Schulmathematik 5 (Stochastik) Mitschrift von Lukas Ostermann
( ... ) ( ... ) ,
Ausgleichsgerade: , ,
, .
Anmerkung:
eo ebra: „Analyse zweier Variablen“ Streudiagramm, Regressionsgerade, Residual-Plot.
Residual Plot ( | ) Mustererkennung.
1.6 Schlussbemerkungen
enn .
iii) Ein hoher Korrelationskoeffizient lässt nicht auf vorliegende Kausalität schließen (dies geht
nur über den Kontext): Es könnte eine versteckte Hintergrundvariable geben. Es handelt
sich dann um eine Scheinkorrelation.
Berühmtes Beispiel: Anzahl der Störche – Geburtenrate.
a) …in mehreren Regionen,
b) …in einer Region: zeitlicher Verlauf.
In beiden Fällen gibt es eine positive Korrelation, ABER:
Ad a) Größe des Landes als Drittvariable (siehe Tabelle bei Matthews, Moodle).
ODER: Urbanität/Ländlichkeit weniger/mehr Störche und niedrigere/höhere
Geburtenrate: soziokulturelle Unterschiede.
Seite 20
Schulmathematik 5 (Stochastik) Mitschrift von Lukas Ostermann
Interpretation:
i) , …Anteil der Mädchen in dieser Klasse, die ein Instrument spielen, kurz:
( ) , (Notation: für „Mädchen“, für „und“ bzw. für „Instrument“).
ii) Betrachte linke Spalte:
,
( |) , … (Notation: | für „unter der Bedingung“)
,
↪ Anteil der Mädchen unter jenen SchülerInnen, die ein Instrument spielen.
( )
Allgemein: ( |) ( |) () ( ).
()
iii)Betrachte zweite Zeile:
,
(| ) , … Anteil der Instrumentenspielerinnen unter den Mädchen.
,
iv) Wie viele Jungen spielen ein Instrument?
, , .
Folgerungen:
i) Zeilensumme im Einheitsquadrat:
() (|) () (| ) ( )
↪ Satz von der totalen Wahrscheinlichkeit in Häufigkeitsschreibweise
ii) Bedingte Häufigkeiten für Voraussetzung „Junge“ oder „Mädchen“ ( nicht direkt aus
Einheitsquadrat ablesbar):
(|) ( ) Flächenvergleich (|) ()
(| )
() (|) () (| ) ( )
↪ „Bayes’sches Theorem“ in Häufigkeitsschreibweise.
Seite 21
Schulmathematik 5 (Stochastik) Mitschrift von Lukas Ostermann
Didaktischer Mehrwert:
Einfache, bedingte und konjugierte Häufigkeiten unterscheiden können.
Bemerkung:
Es können auch mit dem Geschlecht als Grundlage die Graphiken erstellt werden ( Übungen).
NEIN, denn: Daten, bei denen Geschlecht keinen Einfluss auf Instrument spielen oder nicht hat…
Jetzt: (| ) (| )
bwohl: ( ) , , ( )
eiters ist: (|) , , ( |)
Allerdings auch: (| ) , , ( | )
(|) , ()
Au erdem: (| ) () (| ) und
bzw. ( |) , ( )
Seite 22
Schulmathematik 5 (Stochastik) Mitschrift von Lukas Ostermann
( |) () ( ) ,
(| ) , (| ) (| )
⏟ ( ) ⏟ ( ) ,
aus Einheits uadrat aus Vierfeldertafel
↪ kein Einfluss:
( ) () ()
Jedenfalls gilt: .
Ab welchem Wert von kann man von einem Einfluss sprechen?
↪ Kommt auf die Stichprobengröße an Methoden der beurteilenden Statistik…
ABER: Vergleich verschiedener Einflüsse wird möglich.
Seite 23
Schulmathematik 5 (Stochastik) Mitschrift von Lukas Ostermann
WARUM?
Ad i) Briefwechsel mit Blaise Pascal (1623-62):
Modell: „Alle möglichen Ausgänge sind gleichwahrscheinlich.“
: , , , , ,
, , , , , } e ! M glichkeiten
, , , , ,
, ,
} e M glichkeiten
, ,
M glichkeit
Insgesamt: M glichkeiten
analog
M glichkeiten „ “ ist wahrscheinlicher als „ “!
ALSO: Die einzelnen Ereignisse für die Augensumme „ “ bzw. „ “ sind nicht
gleichwahrscheinlich!
Voraussetzungen:
i) Je zwei mögliche Fälle sind gleichwahrscheinlich.
ii) Es gibt nur endlich viele mögliche Fälle.
↪ sogenannter Laplace’scher bzw. klassischer Wahrscheinlichkeitsbegriff (1812 nach Jakob
Bernoulli posthum 1713).
Seite 24
Schulmathematik 5 (Stochastik) Mitschrift von Lukas Ostermann
SONDERN:
Spielverlauf : Laplace
UND
{Spielverlauf : Analog
Aufteilungs uote .
Zu – zwei Gegenbeispiele:
Was wäre dann bei bzw. ? – In beiden Fällen bekäme A alles.
Es spielt keine Rolle, ob 5 oder 100 Spiele zu gewinnen wären.
Seite 25
Schulmathematik 5 (Stochastik) Mitschrift von Lukas Ostermann
2 Die Pfadregeln
2.1 Ziehen geordneter Stichproben mit Zurücklegen
Beispiel:
„Urne“ als Laplace erät: Dreimal ziehen Gewinn, wenn OMO entsteht.
Baumdiagramm:
Seite 26
Schulmathematik 5 (Stochastik) Mitschrift von Lukas Ostermann
( M ) , weil:
UND UND
also insgesamt .
V N
Dann edenfalls „ “.
1. PFADREGEL:
Die Wahrscheinlichkeit einer geordneten Stichprobe ist das Produkt aller Wahrscheinlichkeiten
längs des zugehörigen Pfades im Baumdiagramm.
(Sechser)
…ein Ast des Baumdiagramms mit gewichteten Zweigen (Gewinnzahl vs. Niete).
…ein Ast des Baumdiagramms mit gewichteten Zweige (Nr. 8 vs. alle anderen).
FALSCH: wegen sieben Spieler noch zur Verfügung, drei sicher gewählt. Denn Nr. 8 könnte auch
unter den ersten drei durch Los bestimmten sein ist zu groß.
Seite 27
Schulmathematik 5 (Stochastik) Mitschrift von Lukas Ostermann
Beispiel (Stundenwiederholung):
In einer Klasse mit 15 Schülerinnen und
Schülern kommen zwei zur Wiederholung
dran. Gesucht ist die Wahrscheinlichkeit,
dass eine bestimmte Schülerin bzw. ein
bestimmter Schüler drankommt?
2. PFADREGEL:
Die Wahrscheinlichkeit einer ungeordneten Stichprobe ist die Summe der zugehörigen
Pfadwahrscheinlichkeiten.
der: egenereignisregel
SCHWIERIGKEIT: „ iehen mit einem riff“ passt hier NI HT, es wird nacheinander gezogen und
zurückgelegt, aber auf die Reihenfolge kommt es nicht an:
genau einmal drankommen
Seite 28
Schulmathematik 5 (Stochastik) Mitschrift von Lukas Ostermann
3 Elementare Kombinatorik
3.1 Auswählen
↪ „ iehen von Elementen aus “ ( Übungen)
Stichprobe
geordnet ungeordnet
mit Zurücklegen ( )
ohne Zurücklegen ( ) … ( ) ( )
VARIATIONEN KOMBINATIONEN
Beispiel (Fahnen):
Fahne aus 3 Farben in fester Reihenfolge aus fünf möglichen Farben zusammenstellen:
vertikal⁄horizontal gestreift: .
ODER: Zwei gleiche Farben auch erlaubt (z.B. Österreich):
.
Fragestellung so nicht eindeutig Übungen.
Beispiel (Kaderauswahl):
Berechne, wie viele Möglichkeiten es gibt, aus einem 16 Mann Kader
(a) (nach Trikotnummer geordnet) 10 Feldspieler,
(b) 10 Feldspieler auszuwählen.
(a) …
TRIK TNUMMERN
….
(b) ( )
!
Seite 29
Schulmathematik 5 (Stochastik) Mitschrift von Lukas Ostermann
ANTWORT:
NEIN, nicht im Sinne der Analysis, | ( ) ( )| ( ) kann nicht garantiert werden!
MATHEMATISCHER HINTERGRUND:
Bernoulli sches esetz der gro en ahlen: lim (| ( ) ( )| ) .
[Anmerkung: … ufallsvariable]
↪ Mathematisches Modell zur Beschreibung der Stabilisierung von ( ).
Seite 30
Schulmathematik 5 (Stochastik) Mitschrift von Lukas Ostermann
5 Bedingte Wahrscheinlichkeiten
5.1 Einführung
( )
Definition: ( | ) aus bedingten Häufigkeiten Kapitel . .
( )
um Beispiel „ iehen ohne urücklegen“: ufallsexperiment hängt vom Ergebnis der Vorigen ab.
Sprich: Wahrscheinlichkeit für das Eintreten von unter der Bedingung (bzw. Voraussetzung
oder Annahme), dass eingetreten ist.
DARSTELLUNGEN:
i) Vierfeldertafel: Siehe bedingte Häufigkeiten Kapitel 2/2.1.
Σ
( ) ( ) ( )
( ) ( ) ( )
Σ ( ) ( ) 1
ODER
5.2 Rechenregeln
i) ( ) ( ) ( ) … Summenregel (Spalte⁄ eile aus Vierfeldertafel)
( | ) ( )
Satz von Bayes: ( | ) aus roduktregel
( )
Seite 31
Schulmathematik 5 (Stochastik) Mitschrift von Lukas Ostermann
5.4 Unabhängigkeit
inhaltlich einsichtig ( | ) ( )
von unabhängig ( | ) ( ) ( ) ( | ) ( )
( )
von unabhängig ( symmetrische Beziehung).
Anderer Kriterium:
Symmetrie
( ) ( | ) ( ) ( ) ( ), wenn von unabhängig ist.
( ) ( ) ( ) Inhalt
Umgekehrt: ( ) ( ) ( ) ( | ) ( ).
( ) ( )
Beispiel von 5.3:
Σ
0,00019 0,009998 0,010188
, 0,989802 0,989812
Σ 0,0002 0,9998 1
Nebenrechnungen:
( ) ( | ) ( ) , , ,
( ) ( | ) ( ) ( , ) ( , ) ,
Seite 32
Schulmathematik 5 (Stochastik) Mitschrift von Lukas Ostermann
1 2 3 4 5 6 1 2 3 4 5 6 1 2 3 4 5 6
0,05 0,1 0,35 0,35 0,1 0,05 ⁄ ⁄ ⁄ ⁄ ⁄ ⁄ 0,12 0,08 0,21 0,39 0,08 0,12
↪ subjektiver Wahrscheinlichkeitsbegriff.
( | ) ,
↪ ( | ) , …
( | ) ,
↪ ( | ) , …
↪ a posteriori-Verteilung (nach der Datengewinnung) neue a priori-Verteilung.
, ,
↪ ( | ) , …
, ,
↪ ( | ) , …
Usw…
Seite 33
Schulmathematik 5 (Stochastik) Mitschrift von Lukas Ostermann
↪ ( | ) , …
⏟ , ,
,
↪ ( | ) , … }
ii) Im Alltag: Ich bin ziemlich sicher, dass der gewohnte Weg zu meiner Arbeitsstelle frei ist,
weshalb ich ihn auch heute wähle.
ABER: Baustelle Umleitung bzw. U-Bahn (oft) Störung Änderung des Verhaltens.
Seite 34
Schulmathematik 5 (Stochastik) Mitschrift von Lukas Ostermann
IV AHS-Oberstufe 7.Klasse
1 Diskrete Zufallsvariable
1.1 Beschreibung
Zum Beispiel: Anzahl der „Erfolge“ beim -maligen Durchführen eines Zufallsexperiments
Wertevorrat { , , , … , }.
↪ Zufallsvariable: Variable, deren konkreter Wert prinzipiell nicht feststeht bzw. nicht
vorhersehbar ist, nur die möglichen Werte liegen fest.
ii) ( ) ( ) ∑ ( ) … Verteilungsfunktion.
Beispiel:
Sendung von neun Stück, vier davon beschädigt. Entnahme von drei Stück Stichprobe.
…Anzahl der beschädigten Stücke in der Stichprobe
↪ verbale Beschreibung der Zufallsvariable.
Gesucht: Verteilung der Wahrscheinlichkeiten und Verteilungsfunktion von .
{ , , , }
,
( ) , ( ) , ,
( ) ,
( ) , ( ) , ,
{ .
Seite 35
Schulmathematik 5 (Stochastik) Mitschrift von Lukas Ostermann
∑ .
∑ ∑ ( ).
Im Vorherein:
( ) ∑[ ( )] ( ) ⏟([ ( )] ).
Hintergrundwissen
Das ist die Varianz von . Die Standardabweichung von ist gleich ( ) √ ( ).
( ) ( ) ( ) ( ) ( )
√
( )
Seite 36
Schulmathematik 5 (Stochastik) Mitschrift von Lukas Ostermann
2 Die Binomialverteilung
2.1 Ausgangssituation und Definition
Bernoulli-Experiment als Grundlage: Durchführungen eines Zufallsexperiments mit den zwei
möglichen Ausgängen Ereignis tritt ein („Erfolg“) oder nicht.
Die Zufallsvariable zähle, wie oft eintritt: { , , … , }.
enn ( ) ( , ), dann ist ( ) ( ) ( ) für , ,…, .
Dabei ist ( ) konstant, d.h. die Versuchsdurchführungen beeinflussen einander nicht.
heißt dann binomialverteilt mit Parametern und . KURZ: BV( , ).
Beachte:
UND
( ) ( ) ( ) ⏟ ( ) ( ) ( )
DER UND
( ) Summanden, weil ( ) M glichkeiten lätze aus auszuwählen.
Faktoren Faktoren
⏞ …
⏟ ⏞
( ) … ( ) ... ( ) .
Mal tritt „Erfolg“ (Ereignis ) ein und ( ) Mal nicht.
Nachweis mittels:
i) direkter Rechnung.
2.3 Beispiele
A) Packungen von 250 Stück mit Ausschussanteil (konstant aus Fließbandproduktion) von 3%
(empirischer ‘-Begriff).
esucht: ) , dass weniger als ,
) genau , } defekte Schrauben in einer ackung sind.
) h chstens
) ( ) ( ) ( ) ( ) ( ) ( ) ( )
AS
∑( ) , , , …
AS
) ( ) ( ) , , ,
AS
) ( ) ( ) ( ) ,
Seite 37
Schulmathematik 5 (Stochastik) Mitschrift von Lukas Ostermann
Zusatz:
i) ( ) , , … as hei t das
Auf lange Sicht wird das arithmetische Mittel der Anzahlen der fehlerhaften Stücke pro Packung
in der Nähe von 7,5 liegen.
ii) Schwankungen der erhobenen erte („Daten“) wird durch ( ) √ , , , …
vorhergesagt.
B) Eine Schreibkraft macht durchschnittlich 2 Fehler pro Seite. Wie groß ist die Wahrscheinlichkeit,
dass sie eine Seite fehlerfrei schreibt, wenn für eine Seite durchschnittlich 1000 Zeichen/Abstände
zu tippen sind?
( ) , BV( , )
( ) ( ) , …
Anmerkung Vortragender:
ufallsvariable „misst“ Normalverteilung.
ufallsvariable „zählt“ Binomialverteilung.
Seite 38
Schulmathematik 5 (Stochastik) Mitschrift von Lukas Ostermann
V AHS-Oberstufe 8.Klasse
1 Stetige Zufallsvariable
1.1 Beschreibung
Nun: überabzählbar Verteilung der Wahrscheinlichkeiten nicht mehr sinnvoll, denn:
( ) und stetige Zufallsvariable, weil:
( ) ( ) ( ) ( ).
Auswege:
i) Verteilungsfunktion
ii) Dichtefunktion
Definition:
Eine Zufallsvariable heißt stetig, wenn eine nichtnegative integrierbare Funktion existiert,
sodass gilt:
( ) ∫ ( ) .
Also:
( )
Folgerung: | ( ) ( )| ∫ ( ) ∫ stetig.
( ) … integrierbar beschränkt.
Eigenschaften von :
( ) ( ) ,
( ) ist integrierbar,
( ) ∫ ( ) ( ),
Umgekehrt: Jede Funktion mit den Eigenschaften (1) (4) ist Dichte einer stetigen ZV.
Seite 39
Schulmathematik 5 (Stochastik) Mitschrift von Lukas Ostermann
∫ ( ) ∫ ( ) ∫ ( ) ( ) ( ).
Erwartungswert von : ( ) ∫ ( ) .
Varianz von : ( ) ∫( ) ( ) .
Beispiel:
Dichtefunktion mit ( ) .
∫ ( ) ∫ arctan | ( ( )) .
ABER: Erwartungswert existiert nicht ungleich Null, obwohl symmetrisch zur -Achse, also
gilt, dass ( ) ( ).
Beweis:
∫ ∫
( )
∫
∫ divergent.
( )… .
Seite 40
Schulmathematik 5 (Stochastik) Mitschrift von Lukas Ostermann
( ) { cos für [ , ],
sonst.
(I) ( ) ( ) ,
( ) stetig integrierbar,
⁄ !
( ) ∫ ( ) ∫ cos sin | ⁄
( ( )) ,
( ) lim ( ) .
AS
( ) ( ) ∫( ) cos ( ) √ .
√ √
( ) ( ) ∫ cos .
Seite 41
Schulmathematik 5 (Stochastik) Mitschrift von Lukas Ostermann
(ii) Apropos: Berechnung der auftretenden Integrale mit CAS ( Entlastung) oder mit
(teilweise aufwändigen) Integrationstechniken:
. B. Familie von Exponentialverteilungen: ( ) , , sonst.
(iii) Integralrechnung bereitet stetige Zufallsvariable vor: Anwendung Ersterer
zurückschrauben, um genügend Zeit für Zweiteres zu haben.
(iv) Innermathematische Begriffe (aus der Analysis): Stetigkeit, renzwerte von Funktionen, …
kommen hier konzentriert vor.
(v) darf nicht mit verwechselt werden: muss nicht stetig sein!
2 Die Normalverteilung
2.1 Definition und Handhabung
Spezielle Dichtefunktionen ( Übungen) einer stetigen Zufallsvariable :
( )
( ) ( ) wobei und gilt.
√
N( , ), sprich: „ ist normalverteilt mit den Parametern und .“
Erwartungswert von : ( )
Varianz von : ( )
Standardabweichung von : ( )
Verteilungsfunktion:
( ) ( )
( ) ∫ exp ( ) ∫ exp ( ) ( )
√ √
( ) … Substitution (Standardisierung):
Mit: ( ) ∫ exp ( ) ∫ ( )
√
Seite 42
Schulmathematik 5 (Stochastik) Mitschrift von Lukas Ostermann
Numerische Beispiele:
N( , ) und N( , )
(i) ( , ) , .
(ii) (| | , ) ( , , ) ( , ) ( , ) , .
(iii) ( ) , für und , .
(iv) (| | ) ( ) ( ) ( )
( ) ( ) , , .
2.2 Streubereiche
Streubereich für ( , ): ( ) ( ) ( ) ( ( )) ( ) .
Antistreubereich für N( , ): (| | ) ( ) ( ) ( )
⏟( ) ( ) ( ( ))
( )
Beide symmetrisch um .
Seite 43
Schulmathematik 5 (Stochastik) Mitschrift von Lukas Ostermann
AS
um Beispiel: , , , , (| | , ) , .
Streubereich für ( , ): (| | ) ( ) ( ) ( )
( ) ( ( )) ( ) .
!
( ) ( )
AS
. B. , wenn , und , , , ,
, , , (| , | , ) ( , , ) , .
Seite 44
Schulmathematik 5 (Stochastik) Mitschrift von Lukas Ostermann
2.3 Qualitätskontrolle
WARUM? – Weil Normalverteilung immer dort passt, wo eine Größe von vielen
unkontrollierbaren Faktoren abhängt, von denen aber keiner dominiert, und wo bestimmte
Richtung erkennbar ist.
Beispiele:
A) Länge von Nägeln normalverteilt mit cm und , cm. ie gro ist die ‘, dass die
Länge eines zufällig herangezogenen Nagels um maximal , cm von abweicht?
… Länge eines zufällig herangezogenen Nagels in cm N( , ).
AS
(| | , ) (| | , ) ( , , ) ( , ) ( , ) , .
B) Was ist die „normale“ K rpergr e? Die Körpergröße von Schülern eines bestimmten
Jahrganges sei normalverteilt mit cm und cm. Vereinbarung: Oberste 5%
„Riesen“, Untersten „ werge“ und Rest „normal“. Wo liegt die Grenze?
… r e eines zufällig herausgegriffenen Schülers dieses Jahrganges in cm
N( ).
(| | ) , ( ) ( ) .
, AS
( ) , , , , cm.
( , , , ) ( , , ) … „normal“.
C) Bestimmtes Waschmittel: Mindestens 800 Liter Lauge in 80% aller Haushalte. Wie viel Liter
Lauge werden in einem zufällig gewählten Haushalt (durchschnittlich) erzielt, wenn die
Laugenmenge normalverteilt ist mit Liter?
… Laugenmenge in Liter eines zufällig gewählten Haushaltes N( ).
( ) , , ( ) ,
AS
, , , Liter
D) Packungen der Sollmenge 1000 g werden so abgefüllt, dass in höchstens 5% der Fälle der
Inhalt mehr als 1010 g beträgt. Gesucht ist der Abfüllmaschine, wenn Füllmenge
normalverteilt ist.
… Füllmenge in g einer beliebig herausgegriffenen Packung N( )
( ) , , ( ) ,
Nochmals Standardisierung: ( ) ,
AS
, , , g.
Seite 45
Schulmathematik 5 (Stochastik) Mitschrift von Lukas Ostermann
BV( , ): ( )} näherungsweise N( ,√ ( ) ).
( BV ) N( , )
Bzw. ( BV ) N( , )
Absolute Häufigkeiten:
!
( ) ( , ) wobei N ( ,√ ( ) )
, ,
(| | ) (| | , )
Relative Häufigkeiten:
,
(| | ) (| | )
Beispiele:
A) Die Rücklaufquote von Pfandflaschen beträgt 90%. Wie groß ist die Wahrscheinlichkeit, dass
von 1000 ausgelieferten Flaschen die Rücklaufquote um nicht mehr als 0,05 von 90%
abweicht?
… ANZAHL der zurückgegebenen Flaschen von 1000 verkauften BV( , ).
(| | , ) (| | , )
,√
( , , ) ⏟ ,√
( , ) .
Seite 46
Schulmathematik 5 (Stochastik) Mitschrift von Lukas Ostermann
B) Freiwillige Feuerwehr mit 120 Leuten sind im Ernstfall verfügbar. Wie viele
Feuerwehrleute stehen im Ernstfall mit 90% Sicherheit zur Verfügung?
… AN AHL der zur Verfügung stehenden Feuerwehrleute im Ernstfall BV( , ).
(| | ) ,
AS
, , , , , , , , [ ( ,√ , )]
| | .
hne Stetigkeitskorrektur: | | .
C) Rockkonzert: Auslastung von 80%. Veranstaltungsort soll wie viele Plätze bieten, um mit
Wahrscheinlichkeit von 90% höchstens 100 Plätze zu viel oder zu wenig zur Verfügung zu
haben?
… Anzahl der tatsächlich kommenden BesucherInnen des Konzerts BV( , ).
Dabei beschreibt die Anzahl der angebotenen Plätze.
! ,
(| | ) , , ( ) ( , ) ( ) .
Standard.
√ ( )
, , ,
, ( ) , ,
√ ( ) √ ( )
, ,
, √ ( ) , … √ , ,
√ ( ) ,
( , …)
,… .
, ,
hne Stetigkeitskorrektur: ,… .
, , ,
D) Prüfung: 200 KandidatInnen jährlich und % fallen durch. Dieser Prozentsatz weicht mit 90%
Wahrscheinlichkeit um höchstens 0,05 von ab. Wie groß ist ?
… Anzahl der Durchfallenden unter den pro Jahr BV( ).
(| | , ) , , ( ) ( , , )
,
( )
Standard.
√ ( )
,
, , √ ( ) , … ( ) , …
√ ( )
, … (
⏟ , …) , …
aus Kontext!
hne Stetigkeitskorrektur: , ( , …) , …
√ ( )
Seite 47
Schulmathematik 5 (Stochastik) Mitschrift von Lukas Ostermann
4.2 Einpunktschätzung
Relative Häufigkeit: als V aufgefasst, weil abhängig von der eweiligen Stichprobe:
BV( , ) wobei unbekannt ist.
Es gilt: (i) ( ) ( ) ( ) .
↪ ist erwartungstreuer Schätzer für .
( ) ( )
(ii) ( ) ( ) ( ) .
↪ ist konsistenter Schätzer für .
Realisation von schätzt Parameter .
4.3 Bereichsschätzung
…um die „Trefferwahrscheinlichkeit zu erh hen.
Dazu: (| | ) ( ) ( )
( ) ( )
unbek. !
( ) ( ) .
Standard.
√ ( )
!
(| | ) ( )
( ) ( )
| | ( )
( ) ( ) ( ) ( ) .
Dies fassen wir nun als quadratische Gleichung in auf und damit ergibt sich:
( ) √( ) ( ) √
,
( ) ( )
( √ ( ) ) ( ) .
√ ⏟
( )
Damit ergibt sich das -Konfidenzintervall für zu:
( ) ( )
[ ( √ ), ( √ )].
Seite 48
Schulmathematik 5 (Stochastik) Mitschrift von Lukas Ostermann
Weitere Approximation:
Ersetze in den arameter durch die relative Häufigkeit , womit folgt:
√ ( ) √ ( ) ( )
| | √
( ) ( )
[ √ , √ ] … wird in der Schule in der Regel verwendet.
Interpretation (sehr wichtig!): Bei sehr vielen Stichprobenentnahmen vom Umfang wird in
der Fälle das entsprechende Konfidenzintervall den Parameter überdecken.
Beispiel:
, , , [ , , ] für Ausschussanteil .
Seite 49
Schulmathematik 5 (Stochastik) Mitschrift von Lukas Ostermann
( ) ! ( ) ( )
√ … aus Vorerhebung,
Beispiel:
Schwankungsbreite ⁄ bei Wahlumfragen.
( ) , ( )
√ , √ …siehe dazu Standard Blog.
. B. und ,
} „gro e“ arteien haben h here Schwankungsbreite!
,
√ ( )
. B. ALLU ( . . ): und max , , passt!
Seite 50
Schulmathematik 5 (Stochastik) Mitschrift von Lukas Ostermann
5 Anteiltests
5.1 Hypothesentests
↪ Schluss von der Grundgesamtheit auf die Stichprobe: Ist die gezogene Stichprobe (noch) mit
der Grundgesamtheit verträglich?
Dazu: Hypothesenformulierung für den Anteil in einer Grundgesamtheit.
Nullhypothese: : : :
Gegenhypothese: : oder : oder :
beidseitiger rechtsseitiger linksseitiger
Test
Ablehnung von , wenn Anteile in der Stichprobe mit Umfang …
zu stark abweichend zu hoch zu niedrig
sind. Gewisse Abweichungen werden als zufallsbedingt toleriert.
Hier: Normalverteilung approximiert Binomialverteilung muss nicht sein, Prinzip ist aber so
besser darstellbar.
( ) , ∑( ) , , ,
Seite 51
Schulmathematik 5 (Stochastik) Mitschrift von Lukas Ostermann
( ) , ( ) ,
Approx. AS
( , ) , , , , ,
√ ,
Stichprobenergebnis: ablehnen!
↪ artei ÖE ist tatsächlich signifikant stärker geworden!
Hochsignifikante Änderung? .
AS
( , ) , , , , ,
√ ,
Interpretation von :
Wenn stimmt, dann entscheiden wir in der Fälle ( oftmaliges Durchführen des
Tests) falsch.
↪ Aussage über das Testverfahren, nicht über (die Richtigkeit von) .
5.3 Alternativhypothesen
Beispiel aus 5.2:
, wegen Stichprobenergebnis als Alternativhypothese versus , aus der
Vergangenheit.
∑( ) , , ( )
Zum Beispiel:
0,42 0,4 0,38 0,36 0,34
0,38 0,54 0,70 0,83 0,91
⏟
ziemlich hoch!
raph
mittels
AS ,
( ) ∑( ) ( ) ( , ] ( ).
√ ( )
Seite 52