Wahrscheinlichkeitsrechnung?

Question

Kann mir bitte jemand erklaeren wie Wahrscheinlichkeitsrechnungen funktionieren?

Answer 1

Hallo!
Wahrscheinlichkeitsrechnung (auch Stochastik) ist ein sehr komplexes Thema. welches sich in viele Bereiche aufspaltet.

Erstmal allgemein:
In der Wahrscheinlichkeitsrechnung haben wir es mit Zufallsexperimenten zu tun, d.h. der Ausgang eines Versuches ist nicht eindeutig bestimmbar. Paradoxerweise versucht man doch, mit Hilfe der Stochastik einen moeglichen Ausgang zu bestimmen.
Wichtig ist der Begriff des EReignisses. Ein moeglicher Ausgang des Experimentes wird als Ereignis bezeichnet. Der tatsaechliche Ausgang heisst Ergebnis.
Es gibt absolute und relative Haeufigkeiten.
Bsp: Ich wuerfel 100 mal. Es faellt 13 mal eine 6. Fuer das Ereigniss "Ich wuerfel eine 6" ist die absolute Haeufigkeit 13 (ich habe ja in echt 13 mal eine 6 gewuerfelt). Die relative Haeufigkeit ist 13\100. Diese gibt den Anteil der 6 an den 100 Wuerfen an.

Die Wahrscheinlichkeit, dass das Ereignis A Eintritt, bezeichnen wir mit P(A).

Bsp.: Wir wollen die Wahrscheinlichkeit einer 5 bei einem normalen Wuerfel bestimmen.
Das Ereignis A: Ich wuerfel eine 5
Die Wahrscheinlichkeit, dass eine 5 gewuerfelt wird ist P(A).
Sie laesst sich folgendermassen berechnen:
P(A) = Anzahl der für A günstigen Fälle
------------------------------------------------------------
Anzahl der möglichen Fälle

Anzahl der für A günstigen Fälle ist 1 (es gibt nur eine 1 auf dem Wuerfel), Anzahl der möglichen Fälle ist 6 (man kann 6 Zahlen wuerfeln). P(A) ist also 1/6.
Solche Experimente nennt man Laplace-Experimente. Bei einem Laplace-Experiment ist jedes Ereignis gleich wahrscheinlich (d.h. jede Seite des Wuerfels hat die gleiche Wahrscheinlichkeit.)

Gegenereignis :
Dieses Ereignis tritt ein, wenn das Ereignis P(A) nicht eintritt. Gegenerignis+Ereignis=1
Bsp.: Das Gegenereignis ist als "Wir wuerfeln keine 5". Die Wahrscheinlichkeit fuer das Gegenereignis ist also: 1-1/6=5/6

Mehrstufige Zufallsexperimente
Hier wollen wir die Wahrscheinlichtkeit fuer mehreren Ereignisse (mehrere Wuerfel) berechnen.

Vereinigte und geschnittene Mengen:
wir wuerfeln zwei Wuerfel gleichzeitig.

Wir haben die Ereignisse A (Wuerfel 1) und B (Wuerfel2).
A: Ich wuerfel eine 5
B: Ich wuerfel eine 6

A vereinigt B bedeutet, dass A oder B stattfindet. P(A oder B)=P(A)+P(B)
P(A oder B)=1/6+1/6=2/6

A geschnitten B bedeutet, dass A und B stattfinden.
P(A und B)=P(A)*P(B)
P(A und B)=1\6*1\6=1/36

Die Wahrscheinlichkeit, eine 5 oder 6 zu wuerfeln ist hoeher, als die Wahrscheinlichkeit eine 5 zu wuerfeln. Die Wahrscheinlichkeit eine 5 und eine 6 zu Wuerfeln ist am kleinsten.

So, dies kann man natuerlich mit beliebig vielen Ereignissen (Wuerfeln) machen.

Baumdiagramme:
Viele Wahrscheinlichkeiten lassen sich auch durch Baumdiagramme erklaeren. Du siehst so ein Baumdiagramm hier: http://members.chello.at/gut.jutta.gerhard/kurs/wahrsch1.htm
Es werden 3 Kugeln aus der Urne gezogen.
Man geht einfach jeweils die Pfade lang, die man braucht (wenn man dreimal blaus ziehen nimmt geht man b, b, b) und multipliziert die Pfade. Das ist die Produktregel.
Um mehrere Ereignisse zusammenzufassen addiert man wieder. Man moecht z.B. die Wahrscheinlichkeit ausrechnen, dass ich BBB oder RRR ziehe. Ich rechne P(BBB) aus (P(BBB)=P(B)*P(B)*P(B)) und P(RRR) (analog) aus. Dann einfach wieder P(BBB)+P(RRR) und schon habe ich die Wahrscheinlichkeit fuer BBB oder RRR. Dies ist die Summenregel.

So, das war jetzt schon eine Menge und doch nur ein paar Grundlagen. Wenn du noch mehr ueber Bedingte Wahrscheinlichkeiten, kombinatorik und aehnliches erfahren moechtes, melde dich einfach!
Gruss, mondlicht

Answer 2

Kurz gesagt, die Wahrscheinlichkeit ist 1 wenn du weiß, dass etwas ist 100% sicher

Die Wahrscheinlichkeit is 0, wenn etwas unmöglich ist.

Und die Wahrscheinlichkeit is zwischen 0 und 1, wenn etwas kann geschehen. Wenn die Wahrscheilichkeit is 0,8, dann die Wahrscheinlichkeit von der gegenteil Ereignis is 0,2. Die Summe ist 1 (100 %)

Wahrscheinlichkeit = Anzahl vom a gewissen Ereigniss/Anzahl von allen möglichen Ereignissen

Ana

Answer 3

Hallo,
stimmt es ist ein größeres Gebiet, um das in 2 oder 3 Sätzen darzulegen.

Wie beim Würfelexperiment gesagt, ist es die Wahrscheinlichkeit für eine Zahl halt Eins zu Sechs, das heisst, das bei 1000 oder 10000 Würfen die Anzahl der geworfenen Zahlen für jede Ziffer von 1 bis 6 gleich ist. Es heisst nicht, das ein Zeitpunkt für das Auftreten einer bestimmmten Zahl dargestellt wird. Es kann sein man wirft 10 mal die 1 hintereinander, dan kommen alle anderen Zahlen in irgeneiner Reihgenfolge, dann kann eine Zahl wieder mehrmals in Reihe Auftreten.
...

mfg

Answer 4

Die Wahrscheinlichkeitstheorie ist ein Teilgebiet der Mathematik. Gemeinsam mit der mathematischen Statistik bildet sie das weite Feld der Stochastik, die von der Beschreibung zufälliger Ereignisse und ihrer Modellierung handelt.

Inhaltsverzeichnis [Verbergen]
1 Axiomatischer Aufbau
1.1 Definitionen
1.2 Axiome von Kolmogorow
1.3 Folgerungen
2 Spezielle Eigenschaften im Fall diskreter Wahrscheinlichkeitsräume
2.1 Laplace-Experimente
2.2 Bedingte Wahrscheinlichkeit
2.2.1 Verbundwahrscheinlichkeit (Schnittmengen von Ereignissen)
2.2.2 Bayes-Theorem
2.3 Abhängigkeit und Unabhängigkeit von Ereignissen
3 Wahrscheinlichkeitstheorie und Statistik
4 Anwendungsgebiete
5 Literatur
6 Weblinks
7 Stichworte




Axiomatischer Aufbau [Bearbeiten]
Wie jedes Teilgebiet der modernen Mathematik wird auch die Wahrscheinlichkeitstheorie mengentheoretisch formuliert und auf axiomatischen Vorgaben aufgebaut. Ausgangspunkt der Wahrscheinlichkeitstheorie sind Ereignisse, die als Mengen aufgefasst werden und denen Wahrscheinlichkeiten zugeordnet sind; Wahrscheinlichkeiten sind reelle Zahlen zwischen 0 und 1; die Zuordnung von Wahrscheinlichkeiten zu Ereignissen muss gewissen Mindestanforderungen genügen.

Diese Definitionen geben keinen Hinweis darauf, wie man die Wahrscheinlichkeiten einzelner Ereignisse ermitteln kann; sie sagen auch nichts darüber aus, was Zufall und was Wahrscheinlichkeit eigentlich sind. Die mathematische Formulierung der Wahrscheinlichkeitstheorie ist somit für verschiedene Interpretationen offen, ihre Ergebnisse sind dennoch exakt und vom jeweiligen Verständnis des Wahrscheinlichkeitsbegriffs unabhängig. Zur Auseinandersetzung mit den unterschiedlichen Verständnissen von Modellierungen zufälliger Abläufe sei auf die Artikel Wahrscheinlichkeit, Bayesscher Wahrscheinlichkeitsbegriff, Frequentistischer Wahrscheinlichkeitsbegriff und Quantenlogik verwiesen.


Definitionen [Bearbeiten]
Konzeptionell wird als Grundlage der mathematischen Betrachtung von einem Zufallsvorgang oder Zufallsexperiment ausgegangen. Alle möglichen Ergebnisse dieses Zufallsvorgangs fasst man in der Ergebnismenge Ω zusammen. Wenn ein bestimmtes Ergebnis eintritt, spricht man von einem Ereignis. Das Ereignis ist als Teilmenge von Ω definiert. Umfasst das Ereignis genau ein Element der Ergebnismenge, handelt es sich um ein Elementarereignis. Zusammengesetzte Ereignisse beinhalten mehrere Ergebnisse. Das Ergebnis ist also ein Element der Ergebnismenge, das Ereignis jedoch eine Teilmenge, wobei diese Unterscheidung häufig vernachlässigt wird.

Damit man den Ereignissen in sinnvoller Weise Wahrscheinlichkeiten zuordnen kann, werden sie in einem Mengensystem aufgeführt, der Ereignisalgebra oder dem Ereignisraum Σ, einer Menge von Teilmengen von Ω. Im allgemeinen entspricht dabei der Ereignisraum nicht der Potenzmenge von Ω, es gibt also Teilmengen, denen keine Wahrscheinlichkeit zugeordnet werden kann. Die Gründe für diese unintuitive Betrachtung sind maßtheoretischer Natur.

Die Wahrscheinlichkeiten ergeben sich dann als Abbildung P des Ereignisraums in das Intervall [0,1] als Wahrscheinlichkeitsmaß. Das Wahrscheinlichkeitsmaß ist ein Maß P: Σ →[0,1] im Sinne der Maßtheorie mit P(Ω)=1. Das Tripel (Ω, Σ, P) wird als Wahrscheinlichkeitsraum bezeichnet.





Beispiel: Zwei Glücksräder und ihre Wahrscheinlichkeitsräume
In dem typischen Fall, dass der Wahrscheinlichkeitsraum aus den reellen Zahlen besteht, muss bezüglich der Zuordnung der Wahrscheinlichkeiten zu den Ereignissen zwischen einer abzählbaren und überabzählbaren Ergebnismenge unterschieden werden.

Bei einer abzählbaren Ergebnismenge kann jedem Elementarereignis eine positive Wahrscheinlichkeit zugewiesen werden. Wenn Ω endlich oder abzählbar ist, kann man für die σ-Algebra Σ die Potenzmenge von Ω wählen. Die Summe der Wahrscheinlichkeiten aller Elementarereignisse aus Ω ist hier 1.

Ein Prototyp einer überabzählbaren Ergebnismenge ist die Menge der reellen Zahlen. In vielen Modellen ist es nicht möglich, allen Teilmengen der reellen Zahlen sinnvoll eine Wahrscheinlichkeit zuzuordnen. Als Ereignissystem wählt man statt der Potenzmenge der reellen Zahlen hier meist die Borelsche σ-Algebra, das ist die kleinste σ-Algebra, die alle Intervalle von reellen Zahlen als Elemente enthält. Die Elemente dieser σ-Algebra nennt man Borelsche Mengen oder auch (Borel)-messbar. Wenn die Wahrscheinlichkeit P(A) jeder Borelschen Menge A als Integral


über eine Wahrscheinlichkeitsdichte f geschrieben werden kann, wird P absolut stetig genannt. In diesem Fall (aber nicht nur in diesem) haben alle Elementarereignisse {x} die Wahrscheinlichkeit 0. Die Wahrscheinlichkeitsdichte eines absolut stetigen Wahrscheinlichkeitsmaßes P ist nur fast überall eindeutig bestimmt, d. h. sie kann auf einer beliebigen Lebesgue-Nullmenge, also einer Menge vom Lebesgue-Maß 0, abgeändert werden, ohne dass P verändert wird. Wenn die erste Ableitung der Verteilungsfunktion von P existiert, so ist sie eine Wahrscheinlichkeitsdichte von P. Die Werte der Wahrscheinlichkeitsdichte werden jedoch nicht als Wahrscheinlichkeiten interpretiert.

Im Rahmen eines maßtheoretischen Aufbaus der Wahrscheinlichkeitstheorie wird der Begriff der Wahrscheinlichkeitsdichte verallgemeinert zum Begriff der Dichte eines Wahrscheinlichkeitsmaßes relativ zu einem Referenzmaß. Im oben beschriebenen Fall ist das Referenzmaß gleich dem Borel-Lebesgue-Maß.


Axiome von Kolmogorow [Bearbeiten]
Die axiomatische Begründung der Wahrscheinlichkeitstheorie wurde in den 1930er Jahren von Andrei Kolmogorow entwickelt. Ein Wahrscheinlichkeitsmaß muss demnach die folgenden drei Kolmogorow-Axiome erfüllen:

Für jedes Ereignis A aus Ω ist die Wahrscheinlichkeit eine reelle Zahl zwischen 0 und 1: 0≤P(A)≤1.
Das sichere Ereignis hat die Wahrscheinlichkeit 1: P(Ω)=1.
Die Wahrscheinlichkeit einer Vereinigung abzählbar vieler inkompatibler Ereignisse entspricht der Summe der Wahrscheinlichkeiten der einzelnen Ereignisse. Inkompatible Ereignisse sind disjunkte Mengen A1, A2 ...; es muss also gelten: . Diese Eigenschaft wird auch σ-Additivität genannt.
Beispiel: Die Ereignisse beim Werfen einer Münze mögen Zahl oder Adler lauten.

Dann ist die Ergebnismenge Ω={Zahl,Adler}.
Als Ereignisraum kann die Potenzmenge gewählt werden, also .
Für das Wahrscheinlichkeitsmaß P steht aufgrund der Axiome fest:
P({}) = 0;
P({Zahl}) = 1 − P({Adler});
P(Ω) = 1.

Ergebnismenge und Teilmengen bei einem (nicht idealen) Münzwurf
Zusätzliches (außermathematisches) Wissen ist erforderlich, um P({Zahl}) = P({Adler}) = 0,5 anzusetzen. Dies kann ja durchaus von der Beschaffenheit der Münze abhängen.


Folgerungen [Bearbeiten]
Aus den Axiomen ergeben sich unmittelbar einige Folgerungen:

1. Aus der Additivität der Wahrscheinlichkeit disjunkter Ereignisse folgt, dass komplementäre Ereignisse komplementäre Wahrscheinlichkeiten haben: P(Ω\A) = 1-P(A).

Beweis: Es ist sowie . Folglich nach Axiom (3): und dann nach Axiom (2): . Umgestellt ergibt sich: , wie behauptet.
2. Daraus folgt unmittelbar, dass das unmögliche Ereignis, die leere Menge, die Wahrscheinlichkeit Null hat: P({})=0.

Beweis: Es ist und , also nach Axiom (3): P({}) + P(Ω) = P(Ω), d. h. nach Axiom (2): P({}) + 1 = 1. Hieraus folgt P({}) = 0, wie behauptet.
3. Für die Vereinigung nicht notwendig disjunkter Ereignisse folgt: .


Beweis: Die für den Beweis erforderlichen Mengen sind im obigen Bild dargestellt. Die Menge kann danach als Vereinigung von drei disjunkten Mengen dargestellt werden:

Hieraus folgt nach (3): .
Andererseits ist nach (3) sowohl
als auch
.
Addition liefert:

.
Umstellen ergibt , wie behauptet.
Die Siebformel von Poincaré-Sylvester verallgemeinert diese Behauptung im Falle n verschiedener (nicht notwendig disjunkter) Teilmengen.


Spezielle Eigenschaften im Fall diskreter Wahrscheinlichkeitsräume [Bearbeiten]

Laplace-Experimente [Bearbeiten]
Wenn man annimmt, dass nur endlich viele Elementarereignisse möglich sind und alle gleichberechtigt sind, d. h. mit der gleichen Wahrscheinlichkeit eintreten (wie zum Beispiel beim Werfen einer idealen Münze {Zahl} und {Adler} jeweils die Wahrscheinlichkeit 0,5 besitzen), so spricht man von einem Laplace-Experiment. Dann lassen sich Wahrscheinlichkeiten einfach berechnen: Wir nehmen eine endliche Ergebnismenge Ω an, die die Mächtigkeit |Ω| = n besitzt, d. h. sie hat n Elemente. Dann ist die Wahrscheinlichkeit jedes Elementarereignisses einfach .

Beweis: Wenn |Ω| = n ist, dann gibt es n Elementarereignisse E1 bis En. Es ist dann einerseits und andererseits sind je zwei Elementarereignisse disjunkt (inkompatibel: wenn das eine eintritt, kann das andere nicht eintreten). Also sind die Voraussetzungen für Axiom (3) erfüllt, und es gilt:
P(E1) + ... + P(En) = P(Ω) = 1.
Da nun andererseits P(E1) = ... = P(En) = P sein soll, ist und daher umgestellt: , wie behauptet.
Als Konsequenz folgt, dass für Ereignisse, die sich aus mehreren Elementarereignissen zusammensetzen, die entsprechend vielfache Wahrscheinlichkeit gilt. Ist A ein Ereignis der Mächtigkeit |A| = m, so ist A die Vereinigung von m Elementarereignissen. Jedes davon hat die Wahrscheinlichkeit , also ist . Man erhält also den einfachen Zusammenhang:

.
Bei Laplace-Versuchen ist die Wahrscheinlichkeit eines Ereignisses gleich der Zahl der für dieses Ereignis günstigen Ergebnisse, dividiert durch die Zahl der insgesamt möglichen Ergebnisse.

Das nachstehende Bild zeigt ein Beispiel beim Würfeln mit einem idealen Würfel (Laplace-Würfel).


Das Ereignis H = Hohe Augenzahl (5 oder 6) hat die Wahrscheinlichkeit 1/3.
Ein typischer Laplace-Versuch ist auch das Ziehen einer Karte aus einem Spiel mit n Karten oder das Ziehen einer Kugel aus einer Urne mit n Kugeln. Hier hat jedes Elementarereignis die gleiche Wahrscheinlichkeit.


Bedingte Wahrscheinlichkeit [Bearbeiten]
Unter einer bedingten Wahrscheinlichkeit versteht man die Wahrscheinlichkeit für das Eintreten eines Ereignisses A unter der Voraussetzung, dass das Eintreten eines anderen Ereignisses B bereits bekannt ist (B darf nicht das unmögliche Ereignis sein). Man schreibt P(A|B) für „Wahrscheinlichkeit von A unter der Voraussetzung B“, kurz „P von A, vorausgesetzt B“.

Beispiel: Die Wahrscheinlichkeit, aus einem Kartenspiel mit 32 Karten (Skatblatt) eine Herz-Karte zu ziehen (Ereignis A), beträgt 1/4, denn es gibt 32 Karten und darunter 8 Herz-Karten. Dann ist P(„Herz“) = 8/32 = 1/4.


Ergebnismenge beim Ziehen einer Karte aus einem Skatspiel
Wenn nun aber bereits das Ereignis B „Die Karte ist rot“ eingetreten ist, man also nur noch die Auswahl unter den 16 roten Karten hat, dann ist P(A|B) = 8/16 = 1/2.

Diese Überlegung galt für einen Laplaceversuch. Für den allgemeinen Fall definiert man die bedingte Wahrscheinlichkeit von „A, vorausgesetzt B“ als


Dass diese Definition sinnvoll ist, zeigt sich daran, dass die so definierte Wahrscheinlichkeit den Axiomen vom Kolmogorow genügt, wenn man sich auf B als neue Ergebnismenge beschränkt; d. h. dass gilt:

(1a):
(2a):
(3a): Wenn A1 bis Ak paarweise disjunkt sind, so ist
Beweis: Zu (1a). ist Quotient zweier Wahrscheinlichkeiten, für welche nach Axiom (1) gilt und . Da B nicht das unmögliche Ereignis sein soll, ist sogar P(B) > 0. Also gilt auch für den Quotienten . Ferner sind B und B\A disjunkt, und ihre Vereinigung ist B. Also ist nach Axiom (3): . Da ist, folgt und daher .
Zu (2a): Es ist .
Zu (3a): Es ist

.
Dies war zu zeigen.
Beispiel: Es sei wie oben A das Ereignis „Ziehen einer Karo-Karte“ und B das Ereignis „Es ist eine rote Karte“. Dann ist und . Folglich .

Aus der Definition der bedingten Wahrscheinlichkeit ergeben sich folgende Konsequenzen:


Verbundwahrscheinlichkeit (Schnittmengen von Ereignissen) [Bearbeiten]
Das gleichzeitige Eintreten zweier Ereignisse A und B entspricht mengentheoretisch dem Eintreten des Verbund-Ereignisses . Die Wahrscheinlichkeit hiervon berechnet sich zu


Beweis: Nach Definition der bedingten Wahrscheinlichkeit ist einerseits und andererseits auch . Umstellen nach liefert dann sofort die Behauptung.
Beispiel: Es wird eine Karte aus 32 Karten gezogen. A sei das Ereignis: „Es ist ein König“. B sei das Ereignis: „Es ist eine Herz-Karte“. Dann ist das gleichzeitige Eintreten von A und B, also das Ereignis: „Die gezogene Karte ist Herz-König“. Offenbar ist P(A) = 4/32 = 1/8. Ferner ist P(B|A) = 1/4, denn es gibt nur eine Herz-Karte unter den vier Königen. Und in der Tat ist dann die Wahrscheinlichkeit für den Herz-König.


Bayes-Theorem [Bearbeiten]
Die bedingte Wahrscheinlichkeit von A, vorausgesetzt B, lässt sich durch die bedingte Wahrscheinlichkeit von B, vorausgesetzt A, wie folgt ausdrücken, wenn man die totalen Wahrscheinlichkeiten P(B) und P(A) hat:


Beweis: Aus der obigen Formel für die Verbundwahrscheinlichkeit erhält man . Umstellen nach liefert dann die Behauptung.
Beispiel: Es sind zwei Urnen „A“ und „B“ gegeben, in denen sich rote und weiße Kugeln befinden. In „A“ sind sieben rote und drei weiße Kugeln, in „B“ eine rote und neun weiße. Es wird nun eine beliebige Kugel aus einer beliebigen Urne gezogen. Die Kugel ist rot. Gesucht ist die Wahrscheinlichkeit dafür, dass diese Kugel aus Urne „A“ stammt.


Urnenversuch
Es sei A das Ereignis: Die Kugel stammt aus Urne „A“. Es sei R das Ereignis „Die Kugel ist rot“. Dann lässt sich unmittelbar berechnen: P(R) = 8/20 = 2/5, denn es sind insgesamt 20 Kugeln im Spiel, davon 8 rote. Ebenso folgt leicht P(R|A) = 7/10, denn in Urne A sind 10 Kugeln, davon 7 rote. Schließlich ist P(A) = 1/2, denn es wird eine von 2 Urnen willkürlich ausgewählt. Nun folgt . Die Wahrscheinlichkeit, dass eine gezogene rote Kugel aus Urne „A“ stammt (A vorausgesetzt R), beträgt 7/8.


Abhängigkeit und Unabhängigkeit von Ereignissen [Bearbeiten]
Ereignisse nennt man unabhängig voneinander, wenn das Eintreten des einen die Wahrscheinlichkeit des anderen nicht beeinflusst. Im umgekehrten Fall nennt man sie abhängig. Man definiert:

Zwei Ereignisse A und B sind unabhängig, wenn gilt .
Ungenau, aber einprägsam formuliert: Bei unabhängigen Ereignissen kann man die Wahrscheinlichkeiten multiplizieren.
Dass dies dem Begriff „Unabhängigkeit“ gerecht wird, erkennt man durch Umstellen nach P(A): . Das bedeutet: Die totale Wahrscheinlichkeit für A ist ebenso groß wie die Wahrscheinlichkeit für A, vorausgesetzt B; das Eintreten von B beeinflusst also die Wahrscheinlichkeit von A nicht.

Beispiel: Es wird eine aus 32 Karten gezogen. A sei das Ereignis „Es ist eine Herz-Karte“. B sei das Ereignis „Es ist eine Bild-Karte“. Diese Ereignisse sind unabhängig, denn das Wissen, dass man eine Herz-Karte zieht, beeinflusst nicht die Wahrscheinlichkeit, dass es eine Bild-Karte ist (Der Anteil der Bilder unter den Herz-Karten ist ebenso groß wie der Anteil der Bilder an allen Karten). Offenbar ist P(A) = 8/32 = 1/4 und P(B) = 12/32 = 3/8. ist das Ereignis „Es ist eine Herz-Bildkarte“. Da es davon drei gibt, ist . Und in der Tat stellt man fest, dass ist.

Ein weiteres lesenswertes Beispiel für sehr kleine und sehr große Wahrscheinlichkeiten findet sich hier: Unendlich-viele-Affen-Theorem


Wahrscheinlichkeitstheorie und Statistik [Bearbeiten]
Wahrscheinlichkeitstheorie und mathematische Statistik werden zusammenfassend auch als Stochastik bezeichnet. Beide Gebiete stehen in enger wechselseitiger Beziehung:

Statistische Verteilungen werden regelmäßig unter der Annahme modelliert, dass sie das Resultat zufälliger Prozesse sind.
Umgekehrt liefern statistische Daten über eingetretene Ereignisse Anhaltspunkte (in frequentistischer Interpretation sogar die einzigen akzeptablen Anhaltspunkte) für die Wahrscheinlichkeit künftiger Ereignisse.

Anwendungsgebiete [Bearbeiten]
Die Wahrscheinlichkeitstheorie entstand aus dem Problem der gerechten Verteilung des Einsatzes bei abgebrochenen Glücksspielen. Auch andere frühe Anwendungen stammen aus dem Bereich des Glücksspiels.

Heute ist die Wahrscheinlichkeitstheorie eine Grundlage der schließenden Statistik. Die angewandte Statistik nutzt Ergebnisse der Wahrscheinlichkeitstheorie, etwa um Umfrageergebnisse zu interpretieren oder Wirtschaftsprognosen zu erstellen.

Daneben kommt sie außer in der Physik unter anderem auch in der Zuverlässigkeitstheorie zum Einsatz.


Literatur [Bearbeiten]
U. Krengel: Einführung in die Wahrscheinlichkeitstheorie und Statistik. Vieweg, 2005, ISBN 3528672595
H.-O. Georgii: Stochastik. DeGruyter 2004, ISBN 3110182823
H. Bauer: Wahrscheinlichkeitstheorie und Grundzüge der Maßtheorie. DeGruyter, Berlin 1978
R. M. Dudley: Real Analysis and Probability. Cambridge University Press, Cambridge 2002, ISBN 0521007542
F. Jondral, A. Wiesler: Wahrscheinlichkeitsrechnung und stochastische Prozesse Teubner, 2002, ISBN 3-519-16263-6

Weblinks [Bearbeiten]
http://www.klein-singen.de/statistik/ Die Kunst mit Statistik und Wahrscheinlichkeitsrechnung zu lügen: Mit zahlreichen Beispielen aus Politik, Gesellschaft, Medizin und Wissenschaft wird das Verständnis des Lesers geschärft, zukünftig Zahlenspielereien von (falschen) Experten skeptischer zu begegnen.

Answer 5

Ja.
Kommst Du zu mir oder soll ich zu Dir kommen ? :-)
Weil hier im Forum wird das wohl ein bischen eng ...

Im Prinzip berechnet sich die Wahrscheinlichkeit durch den Quotienten aus 'Anzahl der Vorkommen eines Falles' und 'Anzahl der möglichen Fälle'.

Also zum Beispiel die Wahrscheinlichkeit mit einem Würfel eine 6 zu Würfeln ist :
Anzahl der Fälle = 6
Anzahl der Vorkommen = 1
Wahrscheinlichkeit = 1 / 6.

Die Wahrscheinlichkeit mit 2 Würfeln irgend einen Pasch zu würfeln ist :
Anzahl der möglichen Fälle : 36
Anzahl der Vorkommen : 6
Wahrscheinlichkeit : 6 / 36 = 1 / 6

Das heißt, wenn Dein Freund mit einem Würfel würfelt, Du aber mit zweien, wirst Du genausooft einen Pasch haben wie er die 6 Würfelt.
Macht 100 Würfe und zählt es aus :-)