IMBIE
Wahrscheinlichkeitsrechnung: Fakultät Wahrscheinlichkeitsrechnung: Fakultät
Eine Anzahl von Studenten wird zum Testat nach vorne geholt.
Wie viele Möglichkeiten gibt es , diese aufzustellen?
1
1 (A) A
n ·(n-1) ·…·2 ·1 3 ·2 = 6 CAB; CBA;
ACB; BCA;
ABC; BAC
2 AB; BA
3 (A, B, C)
Anzahl der Möglichkeiten Möglichkeiten
Anzahl der Studenten
2 (A, B)
n
M M M
Fakultät
0! := 1 1! = 1 2! = 1·2 = 2 3! = 1·2 ·3 = 6
n! = 1·2 ·3 · …·n
IMBIE
Wahrscheinlichkeitsrechnung: Binomialkoeffizient Wahrscheinlichkeitsrechnung: Binomialkoeffizient
Anzahl der möglichen Ziehungen im Lotto (6 aus 49):
49 · 48 · 47 · 46 · 45 · 44 Möglichkeiten 49 · 48 Möglichkeiten
Erste und zweite Kugel:
48 Möglichkeiten Zweite Kugel (kein Zurücklegen):
49 Möglichkeiten Erste Kugel:
Erste bis sechste Kugel:
M
Ist das das interessierende Ergebnis? Nein! – Warum?
1. Ziehung: {7; 18; 5; 43; 1; 22}
2. Ziehung: {18; 7; 5; 43; 1; 22}
Beide Ziehungen sind gleich,
(Reihenfolge der Zahlen interessiert nicht)
Wie viele Reihenfolgen gibt es für sechs Kugeln? 6!
Also ist das richtige Ergebnis:
1 2 3 4 5 6
44 45 46 47 48 49
⋅
⋅
⋅
⋅
⋅
⋅
⋅
⋅
⋅
⋅
(
49 6)
!! 6 1 2 3 4 5
6 = ⋅ −
⋅
⋅
⋅
⋅
Behauptung: ⋅ = 6!⋅
(
43⋅42⋅ ⋅2⋅1)
K
Definition:
( )
=
−
⋅ 6
: 49
! 6 49
! 6
! 49
(
n k)
!! k
! : n k n
−
= ⋅
gibt die Anzahl der Möglichkeiten an, aus einer Menge mit n Elementen k Elemente auszuwählen, wobei die Reihenfolge der ausgewählten Elemente nicht berücksichtigt wird.
Binomialkoeffizient
n 1 n 0 n =
=
n
1 n
n 1
n =
= −
n
k für k 0
n= >
= −
k n
n k n
S:
w m
w m
m m
IMBIE
Wahrscheinlichkeitsrechnung: Binomialverteilung Wahrscheinlichkeitsrechnung: Binomialverteilung
Phänotyp: krank
gesund
PKU ist eine rezessiv autosomal vererbte monogene Krankheit.
Wie sehen die Genotypen im Stammbaum aus?
m: mutantes Allel w: Wildtyp Vererbung von Phenylkentonurie (PKU)
(
KindkrankS)
P
IMBIE
Wahrscheinlichkeitsrechnung: Binomialverteilung Wahrscheinlichkeitsrechnung: Binomialverteilung
=
w :m M w; :m V krank Kind P
=
w :m M w; :m m V P m
4 1 2
1 2
1 ⋅ =
= w
m
w m
? S:
(
Kindgesund S)
P
( )
4 3 4 1 1 S krank Kind P
1− = − =
=
IMBIE
Wahrscheinlichkeitsrechnung: Binomialverteilung Wahrscheinlichkeitsrechnung: Binomialverteilung
S:
w m
w
m P
(
1.Kindkrank,2.Kindgesund S)
16 3 4
3 4
1 ⋅ =
=
S:
? ?
w m
w
m P
(
1Kindkrank,1Kindgesund S)
⋅
= 4
3 4
⋅ 1
2 8
= 3
(
2Kinderkrank,3Kinder gesund S)
S: P w m
w m
? ? ? ? ?
Reihenfolge
⋅
2 5
gesundes Kind
4⋅ 3
krankes Kind
4⋅ 1
gesundes Kind
4⋅ 3
gesundes Kind
4 3
3 2
4 3 4
1 2
5
⋅
⋅
=
krankes Kind
4⋅
= 1
p: Wahrscheinlichkeit für den Einzelerfolg n: Zahl der unabhängigen Experimente k: Zahl der Erfolge
( )
pk(
1 p)
n kk p n , k , n
B ⋅ ⋅ − −
=
Binomialverteilung:
0.10 0.20 0.30 0.40
W'keit
Dichtefunktion
IMBIE
Wahrscheinlichkeitsrechnung: Binomialverteilung Wahrscheinlichkeitsrechnung: Binomialverteilung
S:
w m
w m
? ? ? ? ?
p = 1/4 (W. für krankes Kind)
⇒(1-p) = 3/4 (W. für gesundes Kind)
( ) (
14) (
34)
0,2370 S 5 Kinder kranke 0
P ⋅ 0⋅ 5 =
=
( ) (
14) (
34)
0,3961 S 5 Kind krankes 1
P ⋅ 1⋅ 4 =
=
( ) (
14) (
34)
0,2642 S 5 Kinder kranke 2
P ⋅ 2⋅ 3 =
=
( ) (
14) (
34)
0,0883 S 5 Kinder kranke 3
P ⋅ 3⋅ 2 =
=
( ) (
14) (
34)
0,0154 S 5 Kinder kranke 4
P ⋅ 4⋅ 1 =
=
5
0.00 0.10 0.20 0.30 0.40
0 1 2 3 4 5
Anzahl der kranken Kinder f Dichtefunktion
IMBIE
Wahrscheinlichkeitsrechnung: Binomialverteilung Wahrscheinlichkeitsrechnung: Binomialverteilung
Verteilungsfunktion
0 0.2 0.4 0.6 0.8 1
0 1 2 3 4 5
Anzahl der kranken Kinder F
IMBIE
Wahrscheinlichkeitsrechnung: Zufallsvariable Wahrscheinlichkeitsrechnung: Zufallsvariable
x
y
z
Wahrscheinlichkeitsmodell S
Wahrscheinlichkeit P
Menge der reellen Zahlen
1
2
3
4
5
R Zuordnung
Abbildung X
X angewendet auf ein Element aus S hat als Ergebnis eine Zahl
X: Zufallsgröße / Zufallsvariable
?
20 P= 1
Definition einer Zufallsvariablen X Definition einer Zufallsvariablen X
X: Anzahl der Ecken
( )
=X 3
4
( )
=X 0
( )
=X
Y: rot →1 blau →2
1
( )
= 2 Y( )
=Y
IMBIE
Wahrscheinlichkeitsrechnung: Zufallsvariable Wahrscheinlichkeitsrechnung: Zufallsvariable
S
20 P= 1
Frage:
P(X = 3) = ?
X: Anzahl der Ecken
(Schlamperei)
korrekte Schreibweise:
P( {a∈S | X(a) = 3}) = 20
5
Oft wird die „schlampige“ Schreibweise benutzt.
IMBIE
Wahrscheinlichkeitsrechnung: Zufallsvariable Wahrscheinlichkeitsrechnung: Zufallsvariable
S
20 P=1
X: Anzahl der Ecken
P(X = 4) = P(X = 0) = P(X = 2) = P(X = 3) =
P(X = 5) = 5 2 20
8 =
0 4 1 20
5 =
20 7 0
P(X ≤4) = P(X ≤0) = P(X ≤2) = P(X ≤3) =
P(X ≤5) = 5 2
20 13
1 1 P(X < 0) = 0
5 2
Verteilungsfunktion: F(a) = P(X ≤≤≤≤a)
0.0 0.1 0.2 0.3 0.4
0 3 4 5 X
f
Dichtefunktion
der Zufallsvariablen X auf dem Wahrscheinlichkeitsmodell (S, P)
2 1
0.0 0.2 0.4 0.6 0.8 1.0
0 3 4 5 X
F
Verteilungsfunktion
1 2
IMBIE
Wahrscheinlichkeitsrechnung: Zufallsvariable Wahrscheinlichkeitsrechnung: Zufallsvariable
Lageparameter Lageparameter
StichprobeStichprobe ModellModell
∑
= hjwj
x µ=
∑
piwiErwartungswert
Beispiel Beispiel
7/20 4
1/4 3
2/5 0
pi
wi
∑
=n1 xi x
Mittelwert
15 . 2 4 3
0⋅25+ ⋅14+ ⋅720=
= µ
( )
∑
−= −
2 1 i
n
2 1 x x
s
Empirische Varianz
=+s2 s
Emp. Standardabweichung
( )
∑
−= 2
2 µ
σ piwi
Varianz
=+σ2 σ
Standardabweichung
( ) ( )
(4 2.15)2 3.23 720
152 . 2 4 3 2 1 15 . 2 5 0 2 2
=
−
⋅ +
−
⋅ +
−
⋅
= σ
80 . 1 σ=
Nachtrag zur Binomialverteilung Nachtrag zur Binomialverteilung
( )
pk(
1 p)
n kk p n , k , n
B ⋅ ⋅ − −
=
Erwartungswert: µ=n⋅p Varianz: σ2=n⋅p⋅
(
1−p)
Standardabweichung: σ=+n⋅p⋅
(
1−p)
IMBIE
Wahrscheinlichkeitsrechnung:
stetige Zufallsvariable
Wahrscheinlichkeitsrechnung:
stetige Zufallsvariable
0° Zufallsvariable: gemessener Winkel W P: alle Winkel gleichwahrscheinlich
P(W = 180°) = ?
Messgenauigkeit: 1° ⇒ 360 Möglichkeiten mit P=1/360 Messgenauigkeit: 0.1° ⇒ 3600 Möglichkeiten mit P=1/3600 Messgenauigkeit: 0.01° ⇒ 36000 Möglichkeiten mit P=1/36000
M
n Möglichkeiten mit P=1/n n 0 n→∞ ⇒ 1→
P(W = 180°) = 0
0 90 180 270 360 X 0
0.2 0.4 0.6 0.8 1 F
IMBIE
Wahrscheinlichkeitsrechnung:
stetige Zufallsvariable
Wahrscheinlichkeitsrechnung:
stetige Zufallsvariable
0° Zufallsvariable: gemessener Winkel W P: alle Winkel gleichwahrscheinlich
Verteilungsfunktion: F(a) = P(W ≤a)
F(0) = P(W ≤0°) = 0 F(90) = P(W ≤90°) = 41 F(180) = P(W ≤180°) = 21
F(360) = P(W ≤360°) = 1 F(270) = P(W ≤270°) = 43
IMBIE
Wahrscheinlichkeitsrechnung:
stetige Zufallsvariable
Wahrscheinlichkeitsrechnung:
stetige Zufallsvariable
0 90 180 270 360 X
0 0.2 0.4 0.6 0.8 1 F
Verteilungsfunktion F
0 90 180 270 360 X
f
Dichtefunktion f
360 1
1
F f= ′
Lage
Lage-- und Streuungsparameter und Streuungsparameter
Diskrete Zufallsvariable
Diskrete Zufallsvariable Stetige ZufallsvariableStetige Zufallsvariable
∑
⋅= pi wi
Erwartungswert µ +
∫
∞( )
∞
−
⋅
= x fxdx µ
Varianz σ2=
∑
pi⋅(
wi−µ)
2 +∫
∞( ) ( )
∞
−
⋅
−
= x 2 fxdx
2 µ
σ
IMBIE
Wahrscheinlichkeitsrechnung: Zufallsvariable Wahrscheinlichkeitsrechnung: Zufallsvariable
0 90 180 270 360 X
f
Dichtefunktion f
360
1 Wie groß ist der Erwartungswert?
Vermutung: 180
∫
∞( )
+
∞
−
⋅
= x fx dx
µ =360
∫
⋅( )
0
dx x f
x = ⋅360
∫
0
dx 360 x
1 360
0 2
2 x 360
1
⋅
=
2 180 0 360 2 360 360
1 2
=
=
−
⋅
=