20 Suchergebnisse

Der Erwartungswert einer Zufallsgröße charakterisiert deren Verteilung durch Angabe eines mittleren Wertes. Dieser muss unter den Werten der Zufallsgröße selbst nicht vorkommen.

Ein Galton-Brett dient zur Veranschaulichung von Binomialverteilungen. Es ist nach dem englischen Naturforscher Sir FRANCIS GALTON (1822 bis 1911), einem Vetter DARWINs, benannt. GALTON war vor allem Anthropologe und konstruierte zudem die sogenannte Galton-Pfeife.

Varianz und Standardabweichung kennzeichnen die Streuung der Verteilung einer Zufallsgröße um den Erwartungswert $E\left(X\right)$.
Die Varianz berechnet sich folgendermaßen $V\left(X\right)={\left[x_1-E\left(X\right)\right]}^2\cdot p_1+{\left[x_2-E\left(X\right)\right]}^2\cdot p_2+\mathrm{...}+{\left[x_k-E\left(X\right)\right]}^2\cdot p_k$
(wobei $p_1,p_2\mathrm{...}{p}_k$ die Wahrscheinlichkeiten der auftretenden Werte $x_1,x_2\mathrm{...}{x}_k$ der Zufallsgröße X sind).
Unter der Standardabweichung wird die Wurzel aus der Varianz verstanden.

Bei der praktischen Anwendung der Binomialverteilung $B_{n;p}$ treten nicht selten große oder sogar sehr große Werte von n (etwa $n=10000$) auf, wodurch das Berechnen der Wahrscheinlichkeiten aufgrund der dabei zu ermittelnden Fakultäten und Potenzen sehr zeitaufwendig wird. Schon frühzeitig versuchte man deshalb, Näherungsformeln für die Binomialverteilung zu finden.

Hier ist es (unter bestimmten Voraussetzungen) günstig, die Binomialverteilung durch eine POISSON-Verteilung oder eine Normalverteilung zu approximieren und entsprechende Näherungsformeln anzuwenden.

Wir nähern uns dem Begriff der Dichtefunktion stetiger Zufallsgrößen mittels eines Anwendungsbeispiels.

In der Praxis hat es sich als günstig und richtig erwiesen von einer derartigen Menge von Ereignissen eines zufälligen Vorgangs, denen man eine Wahrscheinlichkeit zuordnen möchte, zu fordern, dass sie die im folgenden gezeigten Bedingungen einer Ereignisalgebra E erfüllt.

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 $x_i\left(miti\in \left\{1;2;\mathrm{...};n\right\}\right)$ annehmen kann, und zwar jeweils mit der Wahrscheinlichkeit $P\left(X=x_i\right)$. Dann nennt man die folgende Kenngröße den Erwartungswert der Zufallsgröße X:
  $EX=x_1\cdot P\left(X=x_1\right)+x_2\cdot P\left(X=x_2\right)+\mathrm{...}+x_n\cdot P\left(X=x_n\right)$

Anmerkung: Für EX schreibt man auch $E\left(X\right),\mu \left(X\right),{\mu }_{X}oder\mu$.

* 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.

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.

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.

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.

Die Verteilung der Anzahl k der Erfolge in einer Bernoulli-Kette der Länge n und der Erfolgswahrscheinlichkeit p wird Binomialverteilung mit den Parametern n und p genannt. Es gilt:

$P\left(X=k\right)=\left(\begin{array}{c}n\\ k\end{array}\right)\cdot p^k\cdot {\left(1-p\right)}^{n-k}(k=0;1\mathrm{...}n)$

Tabellen der Binomialverteilung für bestimmte Parameterwerte von n und p sind in vielen Tafelwerken enthalten.
Binomialverteilungen lassen sich mithilfe des sogenannten Galton-Bretts veranschaulichen.

Zufallsgrößen X sind dadurch gekennzeichnet, dass sie verschiedene Werte annehmen können, wobei jeder dieser Werte ein zufälliges Ereignis darstellt und mit einer bestimmten Wahrscheinlichkeit auftritt.
Die Funktion, die jedem Wert von X die Wahrscheinlichkeit für sein Eintreten zuordnet, wird Verteilung der Zufallsgröße bzw. Wahrscheinlichkeitsverteilung genannt.

Eine Zufallsgröße X ist dadurch charakterisiert, dass sie bei unter gleichen Bedingungen durchgeführten Versuchen verschiedene Werte annehmen kann. Man unterscheidet zwischen diskreten und stetigen (kontinuierlichen) Zufallsgrößen.
Während bei einer diskreten Zufallsgröße in einem Intervall nur endlich viele Werte $x_1,x_2\mathrm{...}{x}_n$ möglich sind, kann eine stetige Zufallsgröße beliebig (unendlich) viele Werte annehmen.

Der Grad der Gewissheit über das Eintreten eines zufälligen Ereignisses A wird durch seine Wahrscheinlichkeit $P\left(A\right)$ 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 $P_B\left(A\right)$ beschrieben wird.

Schon sehr früh in der Geschichte der Wahrscheinlichkeitstheorie hat man sich mit dem Problem des zufälligen Werfens bzw. der zufälligen Auswahl eines Punktes auf bzw. aus einem endlichen Flächenstück beschäftigt. Das mutmaßlich älteste Beispiel geht auf ISAAC NEWTON (1643 bis 1727) zurück. Im 18. Jahrhundert wurde dann der Begriff geometrische Wahrscheinlichkeit eingeführt, da es sich um Zufallsexperimente handelt, deren Versuchsausgänge geometrisch quantitativ messbare Größen sind.

Hier kannst du dich selbst testen. So kannst du dich gezielt auf Prüfungen und Klausuren vorbereiten oder deine Lernerfolge kontrollieren.

Multiple-Choice-Test zum Thema "Mathematik - Ermitteln von Wahrscheinlichkeitsverteilungen".

Viel Spaß beim Beantworten der Fragen!

WISSENSTEST

Besteht ein zufälliger Vorgang aus mehreren, nacheinander ablaufenden Teilvorgängen (oder aus Teilvorgängen, die als nacheinander ablaufend interpretiert werden können), so spricht man von einem mehrstufigen Zufallsexperiment (Zufallsversuch).

Wird ein BERNOULLI-Experiment n-mal durchgeführt, ohne dass sich die Erfolgswahrscheinlichkeit p ändert, so ist die zufällige Anzahl der Erfolge eine Zufallsgröße X, die die $n+1$Werte $0;1;2;\mathrm{...};n$annehmen kann.
Nach der BERNOULLI-Formel gilt dann:

\(P({genau   k   Erfolge})=P(X=k)=(nk)⋅pk⋅(1−p)n−k=:Bn; p({k})\)

Daraus folgt die Definition der Binomialverteilung.