884 Suchergebnisse

Der französische Mathematiker PIERRE SIMON DE LAPLACE (1749 bis 1827) untersuchte als einer der Ersten intensiv Zufallsexperimente, bei denen sinnvollerweise angenommen werden kann, dass jedes seiner Ergebnisse mit der gleichen Wahrscheinlichkeit eintritt.

Der Graph der Dichtefunktion der Standardnormalverteilung trägt (vorwiegend im deutschsprachigen Raum) auch die Bezeichnung gaußsche Glockenkurve.
Die Normalverteilung selbst wurde allerdings nicht von CARL FRIEDRICH GAUSS (1777 bis 1855) entdeckt. Dessen Verdienst um die Wahrscheinlichkeitsrechnung liegt auf einer anderen Ebene. Durch seine Arbeiten zur sogenannten Fehlerrechnung hat er der Entwicklung der Stochastik wichtige Impulse gegeben.

Grenzwertsätze gehören zu den wichtigsten Aussagen der Stochastik. Der französische Mathematiker PIERRE SIMON DE LAPLACE (1749 bis 1827) nannte sie eine der interessantesten und heikelsten Teile der Analysis des Zufalls.

Wie es schon sein Name zum Ausdruck bringt, kommt dabei dem Zentralen Grenzwertsatz, der eine theoretische Erklärung für das Auftreten der Normalverteilung liefert, eine besondere Stellung zu. Die älteste Fassung des Zentralen Grenzwertsatzes in der Geschichte der Wahrscheinlichkeitstheorie ist der Grenzwertsatz von MOIVRE-LAPLACE, der die Approximation der Binomialverteilung durch die Normalverteilung beschreibt.

Praktisch wird dieser Satz vor allem zum näherungsweisen Berechnen von Binomialwahrscheinlichkeiten benutzt.

Ausgehend von der Erfahrung, dass viele Alltagsphänomene, die sich aus unabhängig voneinander wirkenden kleinen Komponenten zusammensetzen, annähernd normalverteilt sind, richtete sich das Augenmerk mehrerer Mathematikergenerationen vor allem auf die Frage, welche Bedingungen man dafür zu fordern hat.

Zum grafischen Veranschaulichen der Häufigkeits- und der Wahrscheinlichkeitsverteilungen von endlichen Zufallsgrößen X mit
$X\stackrel{\wedge}{=}\left(\begin{array}{cccc}{x}_1& x_2& \mathrm{...}& x_n\\ P\left(X=x_1\right)& P\left(X=x_2\right)& \mathrm{...}& P\left(X=x_n\right)\end{array}\right)$
werden ihre relativen Häufigkeiten der Klassen bzw. ihre Einzelwahrscheinlichkeiten häufig als Stäbe oder als Säulen (Rechtecke) dargestellt, die senkrecht auf der Abszissenachse stehen.
Ist bei einem derartigen aufrechten Säulendiagramm jeweils der Flächeninhalt des über der Klasse $K_i$ bzw. über $x_i$ errichteten Rechtecks gleich der relativen Häufigkeit $h_n\left(K_i\right)$ bzw. der Einzelwahrscheinlichkeit $P\left(X=x_i\right)$ so nennt man es Histogramm.

* 25. April 1903 Tambow (Russland)
† 20. Oktober 1987 Moskau

ANDREJ NIKOLAJEWITSCH KOLMOGOROW zählt zu den bedeutendsten Mathematikern des 20. Jahrhunderts. Er ist ein Vertreter jener sowjetischen Mathematik, die sich zwischen den beiden Weltkriegen als zweites mathematisches Zentrum neben den USA herausbildete und die eng an die hervorragenden Traditionen russischer Mathematiker anknüpfte.
Er leistete fundamentale Beiträge auf nahezu allen Teilgebieten der Mathematik.
Besonders intensiv arbeitete KOLMOGOROW auf dem Gebiet der Wahrscheinlichkeitsrechnung und der mathematischen Statistik, speziell die axiomatische Grundlegung des Wahrscheinlichkeitsbegriffs geht auf ihn zurück.

Ein Zufallsexperiment (Zufallsversuch) mit einer endlichen Ergebnismenge $\Omega =\left\{e_1;e_2;\mathrm{...};e_n\right\}$ heißt LAPLACE-Experiment, wenn es der LAPLACE-Annahme genügt, d.h. wenn alle seine atomaren Ereignisse gleichwahrscheinlich sind, d.h. wenn diese jeweils mit derselben Wahrscheinlichkeit $P\left(\left\{e_1\right\}\right)=P\left(\left\{e_2\right\}\right)=\mathrm{...}=P\left(\left\{e_n\right\}\right)$ eintreten.

* 28. März 1749 Beaumont-en-Auge
† 5. März 1827 Paris

PIERRE SIMON DE LAPLACE lieferte bedeutende Beiträge auf den Gebieten der Wahrscheinlichkeitsrechnung, der höheren Analysis sowie der Himmelsmechanik.
So fasste er beispielsweise in seinem 1812 erschienenen Werk „Théorie analytique des probabilités“ das damalige Wissen zur Wahrscheinlichkeitsrechnung zusammen.

Schon lange vor der axiomatischen Begründung der Stochastik rechnete man mit Wahrscheinlichkeiten. Besonders zu den Zeiten, da die Mathematik hof- und gesellschaftsfähig war, wurden deren professionellen Vertretern immer wieder Fragen zu Glücks- und Kartenspielen gestellt. Dabei erwartete man nicht selten Aussagen über sogenannte zusammengesetzte Ereignisse, wie dies zum Beispiel der am Hof LUDWIG XIV. lebende Literat und Philosoph ANTOINE GOMBAUD CHEVALIER DE MÉRÉ (1610 bis 1685) gegenüber dem Mathematiker BLAISE PASCAL (1623 bis 1662) tat.

Dieser Fragestellung liegt ein sogenanntes LAPLACE-Experiment, ein Zufallsexperiment mit endlich vielen Ergebnissen (Ausfällen), von denen jedes mit der gleichen Wahrscheinlichkeit eintritt, zugrunde. Sie kann mithilfe der LAPLACE-Regel gelöst werden.

Interessieren bei der n-maligen Durchführung eines Zufallsexperiments nicht nur zwei Ereignisse und ihre jeweiligen Gegenereignisse, sondern mehrere, so versucht man, die registrierten absoluten und relativen Häufigkeiten bzw. die Wahrscheinlichkeiten der dann möglichen Ereignisse (in Verallgemeinerung der Vierfeldertafel) in Form einer Mehrfeldertafel zu protokollieren.
Als Beispiele werden Achtfeldertafeln mit zwei und drei Zerlegungen betrachtet.

* 26. Mai 1667 Vitry (bei Paris)
† 27. November 1754 London

ABRAHAM DE MOIVRE, der als Emigrant in London lebte, gilt als einer der Pioniere der Wahrscheinlichkeitsrechnung. Speziell seine Untersuchungen zu Sterblichkeits- und Rentenproblemen bildeten eine Grundlage für die Entwicklung der Wahrscheinlichkeitstheorie durch LAPLACE.

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

Auf der Suche nach „dem durchschnittlichen, dem normalen Menschen“ (l' homme moyen) ließ der auf vielen Gebieten tätige belgische Wissenschaftler LAMBERT ADOLPHE JACQUES QUÉTELET (1796 bis 1874) in den 30er Jahren des 19. Jahrhunderts biometrische Messungen in großem Umfang durchführen. In vielen Fällen wurde dabei seine Vorstellung bestätigt, dass die Häufigkeitsverteilung der gemessenen Werte (etwa zum Brustumfang) einer symmetrischen Glockenkurve entspricht. Das mag wohl auch ein wichtiger Grund dafür gewesen sein, dieser gleichsam als naturgemäß angesehenen Verteilung den Namen Normalverteilung zu geben, wobei diese Bezeichnung auch zu allerlei Fehldeutungen führte – vor allem dann, wenn alles nicht Normalverteilte als anormal eingestuft wurde.

* 19. Juni 1623 Clermont
† 19. August 1662 Paris

BLAISE PASCAL schuf gemeinsam mit FERMAT die Grundlagen der Wahrscheinlichkeitsrechnung. Mit seinem Namen verbunden sind das pascalsche Zahlendreieck, der Satz von PASCAL sowie die Rechenmaschine „Pascaline“.
Auch auf naturwissenschaftlichem Gebiet war BLAISE PASCAL tätig, u.a. schuf er die Grundlagen der Hydrostatik.

Jede mögliche Anordnung von n Elementen als n-Tupel, in der alle Elemente verwandt werden, heißt Permutation dieser n Elemente.
Man unterscheidet zwischen Permutationen ohne Wiederholung und mit Wiederholung der Elemente.
Permutationen können auch als Funktionen interpretiert werden.
Das Bestimmen der Anzahl von Permutationen wird in der Stochastik vor allem beim Berechnen von LAPLACE-Wahrscheinlichkeiten benötigt.

Mithilfe eines Baumdiagramms lässt sich der mögliche Ablauf eines mehrstufigen Zufallsexperiments mit endlich vielen möglichen Ergebnissen in seiner komplexen Struktur erfassen, darstellen und analysieren. Zudem ist es damit möglich, auf Grundlage der ersten und zweiten Pfadregel die Wahrscheinlichkeiten für atomare und zusammengesetzte Ereignisse eines solchen Experiments in einfacher Weise zu berechnen.

* 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.

Unter stochastischen Prozessen werden Folgen von Zufallsversuchen verstanden. Sie treten in den verschiedensten Praxisbereichen auf, z.B. in der Physik der kleinsten Teilchen, bei Warteschlangen- und Bedienungsproblemen, in der Zuverlässigkeitstheorie, bei der Bevölkerungsbewegung oder auch bei Prognoseaussagen.
Der bekannteste stochastische Prozess ist der markowsche Prozess (bzw. die MARKOW-Kette).

Für die Simulation stochastischer Prozesse werden im Allgemeinen eine große Anzahl von Zufallszahlen (Zufallsziffern) benötigt.
Man benutzt deshalb häufig sogenannte Pseudozufallszahlen, die zwar mit deterministischen Algorithmen erzeugt werden, bei geigneter Parameterwahl aber weitgehend dieselben Eigenschaften wie „echte“ Zufallszahlen besitzen.
Zur Untersuchung der Güte solcher Pseudozufallszahlen gibt es eine Reihe von Tests.

Als Simulation bezeichnet man die Nachbildung (das Nachahmen) eines Zufallsversuchs mithilfe eines geeigneten Zufallsgeräts. Als Zufallsgeräte werden Würfel oder Münzen verwendet, mitunter arbeitet man auch mit (in Tabellen zusammengestellten) Zufallszahlen (Zufallsziffern).

Eine Normalverteilung $N\left(\mu ;{\sigma }^2\right)$ wird vollständig bestimmt durch ihren Erwartungswert $\mu$ und ihre Streuung ${\sigma }^2$. Es liegt deshalb die Frage nahe, ob man eine beliebige Normalverteilung in eine spezielle Normalverteilung transformieren kann – und zwar in eine mit solchen Parametern, die den Termen ihrer Dichte- und Verteilungsfunktion eine möglichst einfache Gestalt geben. Für eine $\left(0;1\right)\text{-normalverteilte}$ Zufallsgröße wäre dies der Fall:
Für die Werte $\mu =0und\sigma =1$ erhält man als Spezialfall die Standardnormalverteilung.

Es sei X eine standardnormalverteilte Zufallsgröße mit der Dichtefunktion
$\varphi \left(x\right)\text{:}x\mapsto \frac{1}{\sqrt{2\pi }}{e}^{-\frac{1}{2}{x}^2}(x\in ℝ)$
und der gaußschen Glockenkurve als Graph ihrer Dichtefunktion.

Die Verteilungsfunktion von X wird mit $\Phi$ bezeichnet und gaußsche Summenfunktion (bzw. auch gaußsche Integralfunktion oder GAUSSsches Fehlerintegral) genannt.
Es gilt:
$P\left(X\le a\right)=\Phi \left(a\right)={\displaystyle \underset{-\infty }{\overset{a}{\int }}\varphi \left(x\right)dx}$

* 04. Mai 1821 Okatovo (Russland)
† 26. November 1894 St. Petersburg

PAFNUTI LWOWITSCH TSCHEBYSCHEW war einer der bedeutendsten russischen Mathematiker des 19. Jahrhunderts. Er gilt als Begründer der sogenannten Petersburger mathematischen Schule.
Arbeitsschwerpunkte TSCHEBYSCHEWS waren u.a. wahrscheinlichkeitstheoretische Untersuchungen sowie die Approximation (näherungsweise Darstellung) von Funktionen.

Abschätzungen für Wahrscheinlichkeiten spielen in der Stochastik eine wichtige Rolle, und zwar sowohl bei theoretischen Untersuchungen (Grenzwertsätze) als auch bei praktischen Anwendungen, wenn z.B. nach der noch vertretbaren (hinnehmbaren) Ausschusswahrscheinlichkeit einer Produktionsanlage gefragt wird. Eine der bekanntesten Wahrscheinlichkeitsabschätzungen ist die Ungleichung von TSCHEBYSCHEW.

In der Wahrscheinlichkeitsrechnung spielt das Ziehen aus einer Urne mit verschiedenfarbigen, aber ansonsten gleichen Kugeln eine besondere Rolle. Es wird als ein gedankliches Modell zur Interpretation praktischer Aufgaben (insbesondere sogenannter Standardsituationen) genutzt.