Direkt zum Inhalt

Pfadnavigation

  1. Startseite
  2. Mathematik Abitur
  3. 13 Wahrscheinlichkeitstheorie
  4. 13.3 Bedingte Wahrscheinlichkeiten
  5. 13.3.1 Der Begriff bedingte Wahrscheinlichkeit
  6. Bedingte Wahrscheinlichkeit

Bedingte Wahrscheinlichkeit

Der Grad der Gewissheit über das Eintreten eines zufälligen Ereignisses A wird durch seine Wahrscheinlichkeit P ( A ) angegeben.
Liegt jedoch die Information über das Eintreten eines Ereignisses B vor, so kann diese die Bewertung der Eintrittschancen von A verändern, was durch die bedingte Wahrscheinlichkeit P B ( A ) beschrieben wird.

Schule wird easy mit KI-Tutor Kim und Duden Learnattack

  • Kim hat in Deutsch, Mathe, Englisch und 6 weiteren Schulfächern immer eine von Lehrkräften geprüfte Erklärung, Video oder Übung parat.
  • 24/7 auf Learnattack.de und WhatsApp mit Bildupload und Sprachnachrichten verfügbar. Ideal, um bei den Hausaufgaben und beim Lernen von Fremdsprachen zu unterstützen.
  • Viel günstiger als andere Nachhilfe und schützt deine Daten.
Jetzt 30 Tage risikofrei testen
Your browser does not support the video tag.

Erklärvideos und Übungen zu Bedingte Wahrscheinlichkeit gibt es hier!

  • Bedingte Wahrscheinlichkeiten als Übergangswahrscheinlichkeiten im Baumdiagramm
  • Als bedingte Wahrscheinlichkeit des Ereignisses A unter der Bedingung B bezeichnet man P B ( A ) = P ( A ∩ B ) P ( B ) , falls P ( B ) ≠ 0 gilt.

Anmerkung: Für die bedingte Wahrscheinlichkeit P B ( A ) ist auch die Schreibweise P ( A |   B ) üblich. Diese ältere einzeilige Schreibweise P ( A |   B ) ist schreibtechnisch zwar vorteilhafter als P B ( A ) , aber bei der Schreibweise P B ( A ) wird die im Vergleich zu P veränderte Wahrscheinlichkeitsfunktion P B stärker hervorgehoben.

  • Faires Tetraeder
  • Beispiel: Zweimaliges Werfen eines fairen Tetraeders
    Das Ereignis
      A = { b e i m       z w e i t e n       W u r f       e i n e       h ö h e r e       A u g e n z a h l       a l s       b e i m       e r s t e n }             = { ( 1 ;   2 ) ,   ( 1 ;   3 ) ,   ( 1 ;   4 ) ,   ( 2 ;   3 ) ,   ( 2 ;   4 ) ,   ( 3 ;   4 ) }
    hat die Wahrscheinlichkeit 6 16 .
    Sei B nun das Ereignis
      B = { A u g e n s u m m e       b e i d e r       W ü r f e       5 }             = { ( 1 ;   4 ) ,   ( 2 ;   3 ) ,   ( 3 ;   2 ) ,   ( 4 ;   1 ) } ,
    so gilt P ( B ) = 4 16 .
    Folglich ergibt sich:
      P B ( A ) = P ( A ∩ B ) P ( B ) = P ( { ( 1 ;   4 ) ,   ( 2 ;   3 ) } ) P ( B ) = 2 16 4 16 = 1 2

Jede bedingte Wahrscheinlichkeitsverteilung P B ist wie P eine Wahrscheinlichkeitsverteilung, die auch den drei kolmogorowschen Axiomen genügt. Folglich gelten für P B dieselben Rechenregeln wie für P, z.B. P B ( ∅ ) = 0 und P B ( E ∪ F ) = P B ( E ) + P B ( F ) − P B ( E ∩ F ) .

Jede „unbedingte“ Wahrscheinlichkeit P ( A ) kann als bedingte Wahrscheinlichkeit aufgefasst werden, nämlich als Wahrscheinlichkeit des Ereignisses A unter der Bedingung des sicheren Ereignisses Ω , d.h. P ( A ) = P Ω ( A ) , weil P Ω ( A ) = P ( A ∩ Ω ) P ( Ω ) = P ( A ) 1 = P ( A ) gilt.

Um bedingte Wahrscheinlichkeiten zu berechnen, verwendet man außer ihrer Definition und ihren Rechenregeln häufig als praktische Hilfsmittel Baumdiagramme oder Vierfeldertafeln.

Im Baumdiagramm stellen sich die bedingten Wahrscheinlichkeiten P B ( A ) entsprechend der ersten Pfadregel als Übergangswahrscheinlichkeiten dar (in der folgenden Abbildung links). Um auch die „umgekehrte“ bedingte Wahrscheinlichkeit P A ( B ) als Übergangswahrscheinlichkeit aus einem Baumdiagramm direkt abzulesen, benötigt man das „umgekehrte“ Baumdiagramm (in der folgenden Abbildung rechts).

Bild

In den Mengendiagrammen Vierfeldertafel und VENN-Diagramm ist P B ( A ) als der Anteil von A zu interpretieren, der in B liegt, d.h. als das Verhältnis des Flächenmaßes von A ∩ B zum Flächenmaß von B, also P B ( A ) = P ( A ∩ B ) P ( B ) .

Bild

P Ω ( A ) lässt sich auf diese Weise als der Anteil von A interpretieren, der in Ω liegt. Da dies jedoch das gesamte A ist (es gilt A ⊆ Ω ), erhält man P Ω ( A ) = P ( A ∩ Ω ) P ( Ω ) = P ( A ) 1 = P ( A ) .

Stimmt für zwei Ereignisse A und B die bedingte Wahrscheinlichkeit P B ( A ) mit der (unbedingten) Wahrscheinlichkeit P ( A ) überein, so sind A und B unabhängig voneinander.

Lernhelfer (Duden Learnattack GmbH): "Bedingte Wahrscheinlichkeit." In: Lernhelfer (Duden Learnattack GmbH). URL: http://www.lernhelfer.de/index.php/schuelerlexikon/mathematik-abitur/artikel/bedingte-wahrscheinlichkeit (Abgerufen: 10. June 2025, 04:22 UTC)

Suche nach passenden Schlagwörtern

  • zufällige Ereignisse
  • Wahrscheinlichkeitsverteilung
  • Vierfeldertafeln
  • kolmogorowsche Axiome
  • Venn-Diagramme
  • Baumdiagramme
  • Wahrscheinlichkeitsfunktion
  • Venndiagramme
  • unabhängige Ereignisse
  • Wahrscheinlichkeiten
Jetzt durchstarten

Lernblockade und Hausaufgabenstress?

Entspannt durch die Schule mit KI-Tutor Kim und Duden Learnattack.

  • Kim hat in Deutsch, Mathe, Englisch und 6 weiteren Schulfächern immer eine von Lehrkräften geprüfte Erklärung, Video oder Übung parat.
  • 24/7 auf Learnattack.de und WhatsApp mit Bildupload und Sprachnachrichten verfügbar. Ideal, um bei den Hausaufgaben und beim Lernen von Fremdsprachen zu unterstützen.
  • Viel günstiger als andere Nachhilfe und schützt deine Daten.

Verwandte Artikel

Der Satz von Bayes

Der nach dem englischen Geistlichen THOMAS BAYES (1702 bis 1761) benannte Satz macht Aussagen zum Berechnen bedingter Wahrscheinlichkeiten.
Der Satz von Bayes soll im Folgenden anhand eines Anwendungsbeispieles hergeleitet werden.

Thomas Bayes

* 1702 London
† 17. April 1761 Tunbridge Wells, Kent

Der mathematisch interessierte englische Geistliche THOMAS BAYES beschäftigte sich u.a. mit Fragen der Wahrscheinlichkeitsrechnung und Statistik. Auf ihn geht die sogenannte bayessche Formel zum Berechnen bedingter Wahrscheinlichkeiten zurück.

Der Multiplikationssatz für Ereignisse

In der Praxis steht man oftmals vor der Notwendigkeit, Wahrscheinlichkeiten für Ereignisse der Gestalt A ∩ B zu berechnen. Dies erweist sich aber nicht immer als ganz einfach. Wir betrachten dazu zwei Anwendungsbeispiele.

Unabhängigkeit von (mehr als zwei) Ereignissen

Zwei Ereignisse A und B mit positiver Wahrscheinlichkeit sind genau dann voneinander stochastisch unabhängig, wenn gilt:
  P ( A ∩ B ) = P ( A ) ⋅ P ( B )
Man kann diesen Ansatz auf endlich oder abzählbar viele Ereignisse ausdehnen, wobei der Einfachheit halber vorausgesetzt wird, dass alle betrachteten Ereignisse eine positive Wahrscheinlichkeit besitzen. Dabei ist aber Vorsicht geboten. Es ist zum Beispiel möglich, dass die Ereignisse A 1 ,       A 2 ,       ...,       A n paarweise voneinander unabhängig sind (d.h., je zwei der Ereignisse sind voneinander unabhängig), die Ereignisse A 1 ,       A 2 ,       ...,       A n in ihrer Gesamtheit sind dies aber nicht.

Unabhängigkeit von Zufallsgrößen

Für die Definition der Unabhängigkeit von Zufallsgrößen werden die Ansätze und Erkenntnisse genutzt, die im Zusammenhang mit dem Begriff der stochastischen Unabhängigkeit von Ereignissen gewonnen wurden.
Die Unabhängigkeit von Zufallsgrößen wird als Unabhängigkeit von Ereignissen interpretiert.

Ein Angebot von

Footer

  • Impressum
  • Sicherheit & Datenschutz
  • AGB
© Duden Learnattack GmbH, 2025