Direkt zum Inhalt

Pfadnavigation

  1. Startseite
  2. Mathematik Abitur
  3. 13 Wahrscheinlichkeitstheorie
  4. 13.4 Zufallsgrößen
  5. 13.4.2 Erwartungswert
  6. Rechenregeln für Erwartungswerte

Rechenregeln für Erwartungswerte

Für die Erwartungswerte von Zufallsgrößen gelten eine Reihe wichtiger und nützlicher Rechneregeln. Der Einfachheit halber sollen hier nur endliche Zufallsgrößen betrachtet werden.
Erwartungswerte können nach diesen Sätzen, nach Definitionen bzw. durch Simulationen bestimmt werden.

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.
  • Satz 1: Ist X eine endliche Zufallsgröße, so gilt für den Erwartungswert der Zufallsgröße a ⋅ X + b : E ( a ⋅ X + b ) = a ⋅ E X + b   ( a ,   b ∈ ℝ )   

Beweis:
Die Zufallsgröße X nehme die Werte x i mit den Wahrscheinlichkeiten P ( X = x i )       f ü r       i = 1,   2,   ...   ,   n an. Dann gilt:
  E ( a X + b ) = ∑ i   =   1 n ( a x i + b ) ⋅ P ( a X + b = a x i + b )           = ∑ i   =   1 n ( a x i + b ) ⋅ P ( X = x i )           = a ⋅ ∑ i   =   1 n x i ⋅   P ( X = x i ) + b ⋅ ∑ i   =   1 n P ( X = x i )           = a ⋅ E X + b ⋅ 1 = a ⋅ E X + b       w . z . b . w .

Beispiel 1: Beim einmaligen Werfen eines fairen Tetraeders werde jeweils das um zwei verkleinerte Dreifache der geworfenen Augenzahl notiert.
Welcher Wert ist dann zu erwarten?

Lösungsvariante 1 (nach Satz 1):
Es ist
  X ≙ ( 1 2 3 4 1 4 1 4 1 4 1 4 )   ⇒   E X = 2,5
und Y = 3 ⋅ X − 2 .

Somit gilt nach Satz 1:
  E Y = E ( 3 ⋅ X − 2 ) = 3 ⋅ E X − 2 = 3 ⋅ 2,5 − 2 = 5,5

Lösungsvariante 2 (nach Definition):
  Y = 3 X − 2 ≙ ( 1 4 7 10 1 4 1 4 1 4 1 4 )   ⇒ E Y = 1 ⋅ 1 4 + 4 ⋅ 1 4 + 7 ⋅ 1 4 + 10 ⋅ 1 4 = 5,5

Lösungsvariante 3 (mittels Simulation):
Mithilfe der Randomfunktion eines Taschencomputers wird die Zufallsgröße Y = a ⋅ X + b simuliert und n-mal realisiert. Die entsprechenden relativen Häufigkeiten werden als Näherungswerte für die Wahrscheinlichkeiten P ( Y = y i ) verwandt und daraus wird EY berechnet.
Simulation für n = 200 ergibt E Y = 5,55 .

  • Augenzahl beim einmaligen Werfen eines Tetraeders (Erwartungswert)

Interaktiv kann die Simulation auch für andere Werte von n durchgeführt werden.

  • Augenzahl beim einmaligen Werfen eines Tetraeders (Simulation)
  • Satz 2: Für beliebige endliche Zufallsgrößen X und Y gilt: E ( X + Y ) = E X + E Y

Beweis:
Die Zufallsgröße X nehme die Werte x i mit den Wahrscheinlichkeiten P ( X = x i )       f ü r       i = 1,   2,   ...   ,   n und die Zufallsgröße Y die Werte y k mit P ( Y = y k )       f ü r       k = 1,   2,   ...,   m an. Dann gilt:
  E ( X + Y ) = ∑ i   =   1 n ∑ k   =   1 m ( x i + y k ) ⋅ P ( X = x i       u n d       Y = y k )                 = ∑ i   =   1 n ∑ k   =   1 m [ x i ⋅ P ( X = x i       u n d       Y = y k ) + y k ⋅ P ( X = x i       u n d       Y = y k ) ]                 = ∑ i   =   1 n ∑ k   =   1 m x i ⋅ P ( X = x i       u n d       Y = y k ) + ∑ i   =   1 n ∑ k   =   1 m y k ⋅ P ( X = x i       u n d       Y = y k )                 = ∑ i   =   1 n x i ∑ k   =   1 m P ( X = x i       u n d       Y = y k ) + ∑ k   =   1 m y k ∑ i   =   1 n P ( X = x i       u n d       Y = y k )                 = ∑ i   =   1 n x i ⋅ P ( X = x i ) + ∑ k   =   1 m y k ⋅ P ( Y = y k ) = E X + E Y         w . z . b . w .

Beispiel 2: Beim zweimaligen Werfen eines idealen Tetraeders werde jeweils die Augensumme, d.h. die Summe der beiden geworfenen Augenzahlen, notiert.
Welche Augensumme ist dann zu erwarten?

Lösungsvariante 1 (nach Satz 2):
  X ≙ ( 1 2 3 4 1 4 1 4 1 4 1 4 ) ⇒ E X = 2,5   Z = X + X   E Z = E ( X + X ) = E X + E X = 2,5 + 2,5 = 5

Anmerkung: Für Zufallsgrößen X gilt das aus Zahlenbereichen und Vektorräumen bekannte Gesetz X + X = 2 X nicht.

Lösungsvariante 2 (nach Definition):
  Z ≙ ( 2 3 4 5 6 7 8 1 16 2 16 3 16 4 16 3 16 2 16 1 16 )   E Z = 2 ⋅ 1 16 + 3 ⋅ 2 16 + 4 ⋅ 3 16 + 5 ⋅ 4 16 + 6 ⋅ 3 16 + 7 ⋅ 2 16 + 8 ⋅ 1 16 = 5

Lösungsvariante 3 (mittels Simulation):
Vorgegangen wird wie in Lösungsvariante 3 des 1. Beispiels.
Die Simulation für n = 200 ergibt E Z = 4,91 .

  • Augenzahl beim zweimaligen Werfen eines Tetraeders (Erwartungswert)

Interaktiv kann die Simulation auch für andere Werte von n durchgeführt werden.

  • Augenzahl beim zweimaligen Werfen eines Tetraeders (Simulation)
  • Satz 3: Für voneinander stochastisch unabhängige endliche Zufallsgrößen X und Y gilt: E ( X ⋅ Y ) = E X ⋅ E Y

Beweis:
Die Zufallsgröße X nehme die Werte x i mit den Wahrscheinlichkeiten P ( X = x i )       f ü r       i = 1,   2,   ...   ,   n und die Zufallsgröße Y die Werte y k mit P ( Y = y k )       f ü r       k = 1,   2,   ...,   m an.

Dann gilt (wegen der Unabhängigkeit von X und Y):
  E ( X ⋅ Y ) = ∑ i   =   1 n ∑ k   =   1 m x i ⋅ y k ⋅ P ( X = x i       u n d       Y = y k )           = ∑ i   =   1 n ∑ k   =   1 m x i ⋅ y k ⋅ P ( X = x i ) ⋅ P ( Y = y k )           = [ ∑ i   =   1 n x i ⋅ P ( X = x i ) ] ⋅ [ ∑ k   =   1 m y k ⋅ P ( Y = y k ) ]           = E X ⋅ E Y                 w . z . b . w .

Beispiel 3: Beim zweimaligen Werfen eines nichtgezinkten Tetraeders werde jeweils das Augenprodukt, d.h. das Produkt der beiden geworfenen Augenzahlen, notiert.
Welches Augenprodukt ist dann zu erwarten?

Lösungsvariante 1 (nach Satz 3):
Es ist
  X ≙ ( 1 2 3 4 1 4 1 4 1 4 1 4 ) ⇒ E X = 2,5       u n d       Z = X ⋅ X
(wobei X und X stochastisch unabhängig sind).

Dann gilt:
  E Z = E ( X ⋅ X ) = E X ⋅ E X = 2,5 ⋅ 2,5 = 6,25

Lösungsvariante 2 (nach Definition):
  Z ≙ ( 1 2 3 4 6 8 9 12 16 1 16 2 16 2 16 3 16 2 16 2 16 1 16 2 16 1 16 )   E Z = 1 ⋅ 1 16 + 2 ⋅ 2 16 + 3 ⋅ 2 16 + 4 ⋅ 3 16 + 6 ⋅ 1 16 + 8 ⋅ 2 16             + 9 ⋅ 1 16 + 12 ⋅ 2 16 + 16 ⋅ 4 16 = 6,25

Lösungsvariante 3 (mittels Simulation):
Vorgegangen wird wieder wie in Lösungsvariante 3 des 1. Beispiels.
Die Simulation für n = 200 ergibt E Z = 6,18 .

  • Augenzahlprodukt beim zweimaligen Werfen eines Tetraeders (Erwartungswert)

Interaktiv kann die Simulation auch für andere Werte von n durchgeführt werden.

  • Augenzahlprodukt beim zweimaligen Werfen eines Tetraeders (Simulation)
Lernhelfer (Duden Learnattack GmbH): "Rechenregeln für Erwartungswerte." In: Lernhelfer (Duden Learnattack GmbH). URL: http://www.lernhelfer.de/index.php/schuelerlexikon/mathematik-abitur/artikel/rechenregeln-fuer-erwartungswerte (Abgerufen: 09. June 2025, 04:19 UTC)

Suche nach passenden Schlagwörtern

  • Berechnung
  • stochstisch unabhängige Zufallsgrößen
  • Mathcad
  • endliche Zufallsgrößen
  • Simulation
  • interaktives Rechenbeispiel
  • Erwartungswerte
  • Zufallsgrößen
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

Karl Pearson

* 27. März 1857 London
† 27. April 1936 London

KARL PEARSON wird mitunter als Vater der Statistik bezeichnet. Sein Verdienst ist es, mathematische Methoden (wie etwa den χ 2 -Test ) zur Untersuchung der Mannigfaltigkeit der Lebewesen eingesetzt und damit die Grundlagen der sogenannten Biometrie geschaffen zu haben.

Kenngrößen von Zufallsgrößen

Eine Zufallsgröße wird vollständig durch ihre Verteilungsfunktion beschrieben. Diese gibt an, welche Werte die Zufallsgröße annehmen kann und mit welchen Wahrscheinlichkeiten sie dies tut.
In der Praxis möchte man allerdings meist mit möglichst wenigen, aber typischen Angaben auskommen, denn oftmals reicht schon eine grobe Vorstellung von der Zufallsgröße aus. Es kommt hinzu, dass die Verteilungsfunktion mitunter gar nicht oder nur schwer bestimmbar ist.

Man sucht deshalb nach Kenngrößen (manchmal spricht man auch von Parametern), die einen hinreichenden Aufschluss und eine quantitative Charakterisierung einer Zufallsgröße ermöglichen. Dies leisten Kenngrößen wie Erwartungswert, Median und Modalwert sowie die Streuung (bzw. Varianz) der Zufallsgröße.
Zur Charakterisierung der Asymmetrie einer Zufallsgröße benutzt man darüber hinaus die Kenngröße Schiefe. Eine Definition dieser Kenngröße geht auf den Vater der mathematischen Statistik KARL PEARSON (1857 bis 1936) zurück.

Kenngrößen der Binomialverteilung

Kenngrößen von Zufallsgrößen dienen deren quantitativer Charakterisierung. Wir betrachten im Folgenden binomialverteilte Zufallsgrößen.

Erwartungswert von Zufallsgrößen

Da Zufallsgrößen oftmals sehr komplizierte mathematische Gebilde sind, sucht man nach zahlenmäßigen Kenngrößen, die über die Zufallsgröße Wesentliches aussagen und zugleich aus Beobachtungsdaten zumindest näherungsweise einfach zu bestimmen sind.
Eine derartige Kenngröße ist der Erwartungswert.

  • Es sei X eine endliche Zufallsgröße, die genau die Werte x i       ( m i t       i ∈ { 1 ;   2 ;   ... ;   n } ) annehmen kann, und zwar jeweils mit der Wahrscheinlichkeit P ( X = x i ) . Dann nennt man die folgende Kenngröße den Erwartungswert der Zufallsgröße X:
    E X = x 1 ⋅ P ( X = x 1 ) + x 2 ⋅ P ( X = x 2 ) + ... + x n ⋅ P ( X = x n )

Anmerkung: Für EX schreibt man auch E ( X ) ,       μ ( X ) ,       μ X       o d e r       μ .

Siméon Denis Poisson

* 21. Juni 1781 Pithiviers (Dep. Loiret)
† 25. April 1840 Paris

SIMÉON DENIS POISSON war ein äußerst vielseitiger Wissenschaftler. Seine Arbeitsgebiete umfassten nahezu alle Teilgebiete der Physik sowie in der Mathematik neben Infinitesimalrechnung und Differenzialgeometrie vor allem die Wahrscheinlichkeitsrechnung.
Nicht wenige Größen und Gesetze in Physik und Mathematik tragen heute seinen Namen.

Ein Angebot von

Footer

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