Seite 1

STOCHASTIK 10.5.23
Seite 2
10.5.23
ALLGEMEIN
ALLGEMEIN
ZUFALLSVERSUCH
DEFINITIONEN
Eigenschaften Zufallsexperiment:
1) Gibt mehrere mögliche Ergebnisse. 1) Mehrstufige Zufallsexperimente: -> Zufallsexperiment, das aus mehreren Teilvorgängen
2) Experiment kann beliebig oft wiederholt werden. besteht, die zufällig sind.
3) Zwei Ergebnisse können nicht gleichzeitig eintreten. 2) Ergebnis: -> Ausgang eines Zufallsversuchs.
4) Ergebnis kann nicht vorher gesagt werden.
5) Regeln und Bedingungen werden während des Experimentes nicht geändert. 3) Ergebnisraum: -> Menge aller Ergebnisse (Ω).
Beispiele: 4) Ereignis: -> Verbund von möglichen Ergebnissen.
1) Werfen einer Münze oder eines Würfels. -> Sicheres Ereignis (P = 100%).
2) Ziehen einer Karte. -> Unmögliches Ereignis (P = 0%).
3) Drehen eines Glücksrades.
DARSTELLUNG
HÄUFIGKEIT
Baumdiagramm:
1) absolute Häufigkeit: Anzahl des Auftretens eines Ergebnisses. 1) Stellt Zufallsversuche übersichtlich dar.
-> Wie oft x innerhalb einer Stichprobe mit dem Umfang n vorkommt. 2) Hilfreich, wenn ein mehrstufiger Zufallsversuch vorliegt.
Hn (x) absolute Häufigkeit
2) relative Häufigkeit: hn (x) = =
h Gesamtanzahl der Versuche

:
(Hx(n))
A B 1. Teilvorgang
C D E F 2. Teilvorgang
WAHRSCHEINLICHKEIT BERECHNEN
E 1) P (E) = Wahrscheinlichkeit des Ereignisses E.
La Place Formel: P (E) =
n Pfadregel/ Produktregel:
2) E = Anzahl der günstigsten Ergebnisse.
• Die Wahrscheinlichkeit eines Ergebnisses ist gleich dem Produkt der Wahrscheinlichkeiten
3) n = Anzahl der möglichen Ergebnisse.
entlang des jeweiligen Pfades im Baumdiagramm.
Sind alle Versuche gleich wahrscheinlich, spricht man von einem La Place - Versuch.
Pfadregel/ Summenregel:
• Die Wahrscheinlichkeit eines Ergebnisses ist gleich der Summe der Wahrscheinlichkeiten
aller Pfade, die für dieses Ereignis günstig sind.
 10.5.23
Seite 3
Seite 4
10.5.23
BEZIEHUNGEN ZWISCHEN MENGEN Bedingte Wahrscheinlichkeiten
B P (AnB)
Für zwei Ereignisse A und B mit (P (B) ≠ 0) ist PB (A) = die bedingte
P (B)
A
A=B Wahrscheinlichkeit für Ereignis A unter der Bedingung, dass B eingetreten ist.
AcB
A=B -> Alle Elemente von A sind auch Elemente von B. Darstellungsmöglichleiten
-> A und B sind gleich. -> A ist eine Teilmenge/ Untermenge von B.
Baumdiagramm Vierfeldertafel
A Ā Summe

•
P (B) P (B)
SCHNITTMENGE
B P(AnB) P(ĀnB) P(B)
B B
AnB -> Schnittmenge von A und B. PB (A) PB (Ā)
B A PB (Ā) PB (A)
-> Alle Elemente, die in A und B Enthalten sind. B P(AnB) P(ĀnB) P(B)
Ā A Ā A
P (BnA) P (BnĀ) Summe P(A) P(Ā) 1
P (BnĀ) P (BnA)
Multiplikationssatz: P (A n B) = P (B) • PB (A)
VEREINIGUNGSMENGE
AuB -> Vereinigungsmenge von A und B.
Beispiel: 9 Kugeln 1. Ziehen: Ereignis A = rote Kugel
-> Alle Elemente, die zu A oder B gehören.
-> 5 rote Kugeln 2. Ziehen: Ereignis B = orangene Kugel

• •
•
⑧
-> 4 orangene Kugeln

•
⑧

⑧
•

•
-> Zwei mal ziehen ohne zurücklegen.
1. Wahrscheinlichkeit dafür, dass die zweite Kugel rot ist, wenn die erste Kugel rot war.
KOMPLEMENTMENGE
1
PB (A) = 4 = = 50%
8 2

|
Ā
A Ā -> Ā sind alle Elemente, die nicht in A enthalten sind.
2. Wahrscheinlichkeit dafür, dass die zweite Kugel rot ist, wenn die erste Kugel orange war.
5 4
5

•
PB(A) = = 62,5% 9 9
8
4 1 B B
= 4 1 3 5
8 2

I
=
3. Wahrscheinlichkeit dafür, dass beide Kugel rot sind. 8 2 8 8
DIFFERENZMENGE Ā A Ā A
P(A n B) = p(B) • PB(A) =
5
•
4
= 5 • 1 = 5 ≈ 27,78%
9 2 18

I
8 9
BlA -> Alle Elemente, die in B liegen, aber nicht in A.
B A
 Seite 6 11.5.23
Seite 5
11.5.23
ZUFALLSVARIABLEN ZUFALLSVARIABLEN
ZUFALLSGRÖßE / ZUFALLSVARIABLE ZUFALLSGRÖßEN EINER BERNOULLI KETTE
X sei die Trefferzahl in einer Bernoulli - Kette der Länge n und der
1) Eine Zufallsvariable oder ZUFALLSGRÖßE x ordnet jedem Ergebnis eines
Trefferwahrscheinlichkeit P, dann gilt:
Zufallsversuches eine reelle Zahl zu.
μ = E(x) = n • P Und σ(x) = n • P • (1 - P)
2) x - x; ist das Ereignis, zu dem alle Ergebnisse des Zufallsversuches gehören, deren

t
Eintritt dazu führt, dass die Zufallsvariable x den Wert x; annimmt. Varianz
3) Mann spricht von der Wahrscheinlichkeitsverteilung der Zufallsgröße x, wenn jedem
Wert x;, den x annehmen kann, die Wahrscheinlichkeit P(x = x;) mit der x diesen Wert
annimmt, zugeordnet wird.
ERWARTUNGSWERT EINER ZUFALLSGRÖßE
X sei eine Zufallsgröße mit der Wertemenge x1, ..., xn.
Dann ist
μ = E(x) = x1 • P(x = x1) + x2 • P(x = x2) + ... + xn • P(x = xn)
μ = E(x)
Erwartungswert
VARIANZ EINER ZUFALLSGRÖßE
X sei eine Zufallsgröße mit der Wertemenge x1, ..., xn.
Und dem Erwartungswert μ = E(x)
2 2 2
v(x) = (x1 - μ) • P(x = x1) + (x2 - μ) • P(x = x2) + ... + (xn - μ) • P(x = xn)
STANDARDABWEICHUNG
Die Standardabweichung ist die Wurzel aus der Varianz.
σ(x) = v(x)
 11.5.23
Seite 7
HISTOGRAMME / DER BINOMINALVERTEILUNG UND IHRER EIGENSCHAFTEN
ABHÄNGIGKEIT DER BINOMINALVERTEILUNG VON P(n = 5 = KONSTANT.):
P = 0,1 P = 0,35 P = 0,5 P = 0,65
:
-

0 1 2 3 4 5
-

-
-

0 2 4
-

0 2 4
-
-

0 2 4
-

Je größer P, umso weiter Rechts liegt das Maximum der Verteilung.

P = 0,5 -> symmetrische Verteilung.
Es gilt: Bn; für k ist das gleiche wie Bn; 1-P für m =n-k.
(Bn;q und Bn;1-P sind spiegelsymmetrisch Zueinander).
ABHÄNGIGKEIT DER BINOMINALVERTEILUNG VON n(P = 0,4 = KONSTANT):
n=3
-

-
-

0 1 2 3
-

-
-

-
0 2 4 6

:
-

-
0 2 4 6 8 10

-
Mit wachsendem n -> Verteilung flacher.
Mit wachsendem n -> Verteilung symmetrischer.