Inhaltsverzeichnis
Video: Wahrscheinlichkeiten
Wir interessieren uns nun für die Frage, welche Wahrscheinlichkeit ein zufälliges Ereignis A besitzt.
Wahrscheinlichkeitsbegriffe
Es existieren unterschiedliche Möglichkeiten, eine Wahrscheinlichkeit zu definieren:
-
klassischer Wahrscheinlichkeitsbegriff,
-
axiomatischer Wahrscheinlichkeitsbegriff (= Kolmogoroffscher Wahrscheinlichkeitsbegriff),
-
statistischer Wahrscheinlichkeitsbegriff,
-
subjektiver Wahrscheinlichkeitsbegriff.
Klassischer Wahrscheinlichkeitsbegriff
Merke
Zunächst zum klassischen Wahrscheinlichkeitsbegriff (= Laplacescher Wahrscheinlichkeitsbegriff), d.h. man zählt die Elemente der Menge A und dividiert dies durch die Anzahl der Elemente von Ω:
$ P(A) = { \textrm{#A} \over {\textrm {#Ω}}} = {\textrm{Anzahl günstige Fälle} \over {\textrm{Anzahl mögliche Fälle}}}. $
Achtung: wir schreiben im folgenden immer P(A) für die Wahrscheinlichkeit (= Probability) des Ereignisses A. Manche Autoren schreiben eher W(A) (mit W wie Wahrscheinlichkeit).
Beispiel
Beispiel 1:
Beim zweifachen Würfelwurf ist nach der Wahrscheinlichkeit dafür gefragt, eine Augensumme von 7 zu würfeln.
Die Menge A der günstigen Elemente ist A = {(1,6), (2,5), (3,4), (4,3), (5,2), (6,1)} und besteht aus # A = 6 Elementen (hierbei ist „#“ das Anzahlzeichen). Die Menge aller Elementarereignisse Ω besteht aus # Ω = 36 Elementen, d.h. die Wahrscheinlichkeit für A ist $ P(A) = { \textrm{#A} \over {\textrm {#Ω}}} = { 6 \over 36} = { 1 \over 6} $.
Beispiel
Beispiel 2:
Beim dreifachen Münzwurf interessiert man sich für die Wahrscheinlichkeit, dass genau zwei Köpfe fallen.
Es ist Ω = {K,K,K), (K,K,Z), (K,Z,K), (Z,K,K), (K,Z,Z), (Z,K,Z), (Z,Z,K), (Z,Z,Z)} die Menge der Elementarereignisse, die nach den Regeln der Kombinatorik (Variation mit Wiederholung) aus nk = 23 = 8 Ereignissen besteht. Das Ereignis A, dass genau zwei Köpfe fallen, wird bezeichnet durch A = {(K,K,Z), (K,Z,K), (Z,K,K)} mit # A = 3, die Wahrscheinlichkeit für A ist damit P(A) = P(genau zwei Köpfe fallen) = ${\textrm{#A} \over {\textrm {#Ω}}} = {3 \over 8} $ = 0,375.
Voraussetzungen des klassischen Wahrscheinlichkeitsbegriffs
-
die Ergebnismenge Ω hat nur endlich viele Elemente
-
die Elemente von Ω, also die sogenannten Elementarereignisse, sind gleichwahrscheinlich.
Diese Bedingungen bereiten bei vielen Experimenten Schwierigkeiten. Es gibt nämlich Situationen, in denen der klassische Wahrscheinlichkeitsbegriff nicht anwendbar ist, so z.B. wenn A nicht endlich viele Elemente hat (und damit Ω erst recht nicht) oder die Elementarereignisse nicht gleichwahrscheinlich sind.
Axiomatischer Wahrscheinlichkeitsbegriff
Man behilft sich dann mit dem
Merke
Kolmogoroffschen Wahrscheinlichkeitsbegriff (= axiomatischer Wahrscheinlichkeitsbegriff)
Die Axiome lauten
1. P(A) ≥ 0 für alle Ereignisse A
2. P(Ω) = 1
3. P(A1 $\cup$ A2 $\cup$ ...) = P(A1) + P(A2) + ... für endlich viele bzw. für abzählbar unendlich viele paarweise disjunkte Ereignisse, d.h. für die Ai $\cap$ Aj = Ø gilt, wenn i ≠ j ist.
MERKE:
-
Das dritte Axiom lässt sich für endlich viele Ai auch lesen als P(A1 $\cup$ A2 $\cup$ ... $\cup$ An) = P(A1) + P(A2) + ... + P(An) für paarweise disjunkte Ereignisse.
-
Ein Axiom ist ein Gesetz, das sich nicht beweisen lässt. Man muss es also hinnehmen, alles weitere lässt sich auf diesen Axiomen aufbauen, d.h. beweisen. Wenn man ein Axiom nicht hinnimmt, d.h. als falsch ansieht, so muss man alles, was sich nur mit diesem Axiom beweisen lässt, verwerfen.
Statistische Wahrscheinlichkeitsbegriff
Der statistische Wahrscheinlichkeitsbegriff lässt sich mit einem Beispiel motivieren:
Beispiel
Bei einer Münze ist unbekannt, ob sie fair ist oder nicht, d.h. ob die Wahrscheinlichkeit für Kopf sowie für Zahl genau gleich ½ ist.
Wie kann man herausfinden, welche Wahrscheinlichkeit die Ereignisse Kopf bzw. Zahl besitzen?
Um sich eine Vorstellung hiervon zu machen, kann man die Münze einfach 100-mal werfen und die Anzahl der gefallenen Köpfe und Zahlen aufschreiben. Sollten z.B. genau 30 Köpfe gefallen sein, so würde man als Anhaltspunkt (nicht als genauen Wert!) die Zahl 30/100= 0,3 für P(Kopf) nehmen; entsprechend ${70\over{100}}$ = 0,7 für P(Zahl). Genauer: als Wahrscheinlichkeit für das Eintreten von A definiert man den Grenzwert der relativen Häufigkeit des Eintretens dieses Ereignisses bei zunehmender Anzahl von Wiederholungen des Zufallsexperiments, d.h. P(ω) = $ {\lim_{n \to \infty}{h_n} (ω)}$ .
Merke
Da die Münze lediglich endlich oft gewürfelt werden kann, ist der Grenzwert in der Praxis nicht ausrechenbar. Insbesondere ist nicht gesichert, dass dieser Grenzwert überhaupt existiert.
Folgende Aussage ist hingegen möglich und aus dem statistischen Wahrscheinlichkeitsbegriff herleitbar: die Wahrscheinlichkeit ist der beste Schätzwert, den man für die relative Häufigkeit in einer langen Zufallsversuchsreihe angeben kann.
Subjektiver Wahrscheinlichkeitsbegriff
Merke
Unter der subjektiven Wahrscheinlichkeit verwendet man den Überzeugtheitsgrad einer Person bei Eintreten eines zufälligen Ereignisses, so z.B. eine Expertenmeinung.
Nachfolgend nochmal ein Überblick über die verschiedenen Wahrscheinlichkeitsbegriffe:
Video: Wahrscheinlichkeiten
Weitere Interessante Inhalte zum Thema
-
Aufgaben, Beispiele und Berechnungen zur Tschebyscheffschen Ungleichung
Vielleicht ist für Sie auch das Thema Aufgaben, Beispiele und Berechnungen zur Tschebyscheffschen Ungleichung (Tschebyscheffsche Ungleichung) aus unserem Online-Kurs Wahrscheinlichkeitsrechnung interessant.
-
Formeln für Wahrscheinlichkeiten
Vielleicht ist für Sie auch das Thema Formeln für Wahrscheinlichkeiten (Wahrscheinlichkeiten) aus unserem Online-Kurs Wahrscheinlichkeitsrechnung interessant.
-
Bedingte Wahrscheinlichkeiten
Vielleicht ist für Sie auch das Thema Bedingte Wahrscheinlichkeiten aus unserem Online-Kurs Wahrscheinlichkeitsrechnung interessant.
-
Wahrscheinlichkeitsfunktion
Vielleicht ist für Sie auch das Thema Wahrscheinlichkeitsfunktion (Eindimensionale Verteilungen (ohne Namen)) aus unserem Online-Kurs Wahrscheinlichkeitsrechnung interessant.
