Fächer

Fächer

Mehr

Bedingte Wahrscheinlichkeit und Stochastische Unabhängigkeit einfach erklärt für Kinder

Öffnen

Bedingte Wahrscheinlichkeit und Stochastische Unabhängigkeit einfach erklärt für Kinder
user profile picture

Joslin

@joslin_nle

·

12 Follower

Follow

Die bedingte Wahrscheinlichkeit in der Stochastik verstehen ist ein grundlegendes Konzept der Wahrscheinlichkeitsrechnung. Es beschreibt die Wahrscheinlichkeit eines Ereignisses unter der Bedingung, dass ein anderes Ereignis bereits eingetreten ist.

  • Bedingte Wahrscheinlichkeit wird mit P(A|B) dargestellt
  • Verschiedene Darstellungsmöglichkeiten: Baumdiagramm und Vierfeldertafel
  • Stochastische Unabhängigkeit tritt auf, wenn das Eintreten eines Ereignisses die Wahrscheinlichkeit des anderen nicht beeinflusst
  • Binomialverteilung beschreibt die Wahrscheinlichkeit bei wiederholten unabhängigen Versuchen
  • Erwartungswert und Standardabweichung sind wichtige Kenngrößen in der Wahrscheinlichkeitsrechnung

8.5.2023

2287

Bedingte wahrscheinlichkeit
↳ wahrscheinlichkeit, dass ein Ereignis A eintritt unter der Bedingung,
dass ein anderes Ergebnis B eingetreten

Stochastische Unabhängigkeit und Bernoulli-Experimente

Die stochastische Unabhängigkeit ist ein wichtiges Konzept in der Wahrscheinlichkeitstheorie. Zwei Ereignisse A und B sind stochastisch unabhängig, wenn die Wahrscheinlichkeit des Eintretens von Ereignis B nicht davon abhängt, ob A eingetreten ist oder nicht.

Definition: Stochastische Unabhängigkeit liegt vor, wenn P_B(A) = P(A) und P_A(B) = P(B).

Für stochastisch unabhängige Ereignisse gilt außerdem:

P(A∩B) = P(A) · P(B)

Example: Beim Werfen zweier Würfel sind die Ereignisse "Erster Würfel zeigt eine 4" und "Zweiter Würfel zeigt eine 2" stochastisch unabhängig.

Ein Bernoulli-Experiment ist ein Zufallsexperiment mit nur zwei möglichen Ausgängen: "Treffer" und "kein Treffer". Die Bernoulli Formel beschreibt die Wahrscheinlichkeit für eine bestimmte Anzahl von Treffern bei mehrfacher Wiederholung eines Bernoulli-Experiments:

P(X = k) = (n k) · p^k · (1-p)^(n-k)

Vocabulary: Der Binomialkoeffizient (n k) gibt die Anzahl der möglichen Wege an, k Treffer aus n Versuchen zu erhalten.

Die Bedingungen für ein Bernoulli-Experiment sind:

  1. Zwei mögliche Ergebnisse (Treffer und Nicht-Treffer)
  2. Konstante Trefferwahrscheinlichkeit p
  3. Stochastische Unabhängigkeit der Versuche
Bedingte wahrscheinlichkeit
↳ wahrscheinlichkeit, dass ein Ereignis A eintritt unter der Bedingung,
dass ein anderes Ergebnis B eingetreten

Öffnen

Die fünfte Seite führt das Konzept der Zufallsgröße und des Erwartungswerts ein. Eine Zufallsgröße X ordnet jedem Ergebnis eines Zufallsexperiments eine reelle Zahl zu.

Definition: Die Wahrscheinlichkeitsverteilung einer Zufallsgröße X ordnet jedem möglichen Wert x die Wahrscheinlichkeit P(X=x) zu.

Der Erwartungswert E(X) einer Zufallsgröße wird als gewichteter Mittelwert der möglichen Werte definiert:

Formel: E(X) = x₁ · P(X=x₁) + x₂ · P(X=x₂) + ... + xn · P(X=xn)

Highlight: Der Erwartungswert gibt den langfristig zu erwartenden Durchschnitt der Zufallsgröße an.

Ein Beispiel für ein Glücksspiel wird präsentiert, um zu zeigen, wie man den Erwartungswert berechnet und interpretiert. Es wird erklärt, dass ein Glücksspiel als fair gilt, wenn der Einsatz genau dem Erwartungswert entspricht.

Bedingte wahrscheinlichkeit
↳ wahrscheinlichkeit, dass ein Ereignis A eintritt unter der Bedingung,
dass ein anderes Ergebnis B eingetreten

Öffnen

Die sechste Seite behandelt die Konzepte der Varianz und Standardabweichung. Diese Kenngrößen messen die Streuung einer Verteilung um ihren Erwartungswert.

Definition: Die Varianz V(X) einer Zufallsgröße X ist die durchschnittliche quadratische Abweichung vom Erwartungswert μ = E(X).

Die Formel für die Varianz wird präsentiert:

Formel: V(X) = (x₁ - μ)² · P(X=x₁) + (x₂ - μ)² · P(X=x₂) + ... + (xn - μ)² · P(X=xn)

Highlight: Die Standardabweichung σ(X) ist die Wurzel aus der Varianz: σ(X) = √V(X)

Es wird betont, dass sowohl Varianz als auch Standardabweichung ein Maß für die Streuung der Verteilung um ihren Erwartungswert sind. Diese Kenngrößen sind besonders wichtig, um die Zuverlässigkeit von Vorhersagen und die Stabilität von Zufallsprozessen zu beurteilen.

Bedingte wahrscheinlichkeit
↳ wahrscheinlichkeit, dass ein Ereignis A eintritt unter der Bedingung,
dass ein anderes Ergebnis B eingetreten

Öffnen

Zufallsgrößen und Erwartungswert

Eine Zufallsgröße X ist eine Zuordnung, die jedem Ergebnis eines Zufallsexperiments eine reelle Zahl zuordnet. Die Wahrscheinlichkeitsverteilung einer Zufallsgröße gibt an, mit welcher Wahrscheinlichkeit die Zufallsgröße bestimmte Werte annimmt.

Der Erwartungswert E(X) einer Zufallsgröße X ist der Mittelwert der Ergebnisse bei mehreren Durchführungen des Experiments. Er berechnet sich wie folgt:

E(X) = x₁ · P(X=x₁) + x₂ · P(X=x₂) + ... + xn · P(X=xn)

Highlight: Der Erwartungswert gibt den langfristig zu erwartenden Durchschnitt der Zufallsgröße an.

Example: Bei einem Glücksspiel mit der Wahrscheinlichkeitsverteilung P(X=1) = 0,3, P(X=2) = 0,3, P(X=3) = 0,2, P(X=4) = 0,2 beträgt der Erwartungswert E(X) = 2,3.

Bedingte wahrscheinlichkeit
↳ wahrscheinlichkeit, dass ein Ereignis A eintritt unter der Bedingung,
dass ein anderes Ergebnis B eingetreten

Öffnen

Standardabweichung und Varianz

Die Standardabweichung und die Varianz sind Maße für die Streuung einer Verteilung um ihren Erwartungswert.

Die Varianz V(X) einer Zufallsgröße X berechnet sich wie folgt:

V(X) = (x₁ - μ)² · P(X=x₁) + (x₂ - μ)² · P(X=x₂) + ... + (xn - μ)² · P(X=xn)

Dabei ist μ = E(X) der Erwartungswert von X.

Die Standardabweichung σ(X) ist die Wurzel aus der Varianz:

σ(X) = √V(X)

Definition: Die Standardabweichung ist ein Maß für die durchschnittliche Abweichung vom Mittelwert.

Beide Kenngrößen, Varianz und Standardabweichung, sind wichtige Instrumente zur Beschreibung der Streuung einer Wahrscheinlichkeitsverteilung und finden in vielen Bereichen der Statistik und Wahrscheinlichkeitstheorie Anwendung.

Bedingte wahrscheinlichkeit
↳ wahrscheinlichkeit, dass ein Ereignis A eintritt unter der Bedingung,
dass ein anderes Ergebnis B eingetreten

Öffnen

Bedingte Wahrscheinlichkeit und Stochastische Unabhängigkeit

Die bedingte Wahrscheinlichkeit ist ein fundamentales Konzept in der Stochastik. Sie beschreibt die Wahrscheinlichkeit, dass ein Ereignis A eintritt, unter der Bedingung, dass ein anderes Ereignis B bereits eingetreten ist.

Die Bedingte Wahrscheinlichkeit Formel lautet:

P(A|B) = P(A∩B) / P(B)

Diese Formel kann auch als P_B(A) geschrieben werden.

Definition: Die bedingte Wahrscheinlichkeit P(A|B) ist die Wahrscheinlichkeit, dass Ereignis A eintritt, wenn Ereignis B bereits eingetreten ist.

Es gibt verschiedene Darstellungsmöglichkeiten für bedingte Wahrscheinlichkeiten:

  1. Baumdiagramm
  2. Vierfeldertafel

Highlight: Baumdiagramme und Vierfeldertafeln sind nützliche Werkzeuge zur Visualisierung und Berechnung bedingter Wahrscheinlichkeiten.

In einem Baumdiagramm werden die Wahrscheinlichkeiten entlang der Äste multipliziert, während in einer Vierfeldertafel die Wahrscheinlichkeiten in den entsprechenden Feldern abgelesen werden können.

Example: In einer Urne befinden sich 5 rote und 4 orangene Kugeln. Die Wahrscheinlichkeit, dass die zweite gezogene Kugel rot ist, wenn die erste Kugel orange war, beträgt P_B(A) = 5/8 = 62,5%.

Nichts passendes dabei? Erkunde andere Fachbereiche.

Knowunity ist die #1 unter den Bildungs-Apps in fünf europäischen Ländern

Knowunity wurde bei Apple als "Featured Story" ausgezeichnet und hat die App-Store-Charts in der Kategorie Bildung in Deutschland, Italien, Polen, der Schweiz und dem Vereinigten Königreich regelmäßig angeführt. Werde noch heute Mitglied bei Knowunity und hilf Millionen von Schüler:innen auf der ganzen Welt.

Ranked #1 Education App

Laden im

Google Play

Laden im

App Store

Knowunity ist die #1 unter den Bildungs-Apps in fünf europäischen Ländern

4.9+

Durchschnittliche App-Bewertung

13 M

Schüler:innen lieben Knowunity

#1

In Bildungs-App-Charts in 12 Ländern

950 K+

Schüler:innen haben Lernzettel hochgeladen

Immer noch nicht überzeugt? Schau dir an, was andere Schüler:innen sagen...

iOS User

Ich liebe diese App so sehr, ich benutze sie auch täglich. Ich empfehle Knowunity jedem!! Ich bin damit von einer 4 auf eine 1 gekommen :D

Philipp, iOS User

Die App ist sehr einfach und gut gestaltet. Bis jetzt habe ich immer alles gefunden, was ich gesucht habe :D

Lena, iOS Userin

Ich liebe diese App ❤️, ich benutze sie eigentlich immer, wenn ich lerne.

Bedingte Wahrscheinlichkeit und Stochastische Unabhängigkeit einfach erklärt für Kinder

user profile picture

Joslin

@joslin_nle

·

12 Follower

Follow

Die bedingte Wahrscheinlichkeit in der Stochastik verstehen ist ein grundlegendes Konzept der Wahrscheinlichkeitsrechnung. Es beschreibt die Wahrscheinlichkeit eines Ereignisses unter der Bedingung, dass ein anderes Ereignis bereits eingetreten ist.

  • Bedingte Wahrscheinlichkeit wird mit P(A|B) dargestellt
  • Verschiedene Darstellungsmöglichkeiten: Baumdiagramm und Vierfeldertafel
  • Stochastische Unabhängigkeit tritt auf, wenn das Eintreten eines Ereignisses die Wahrscheinlichkeit des anderen nicht beeinflusst
  • Binomialverteilung beschreibt die Wahrscheinlichkeit bei wiederholten unabhängigen Versuchen
  • Erwartungswert und Standardabweichung sind wichtige Kenngrößen in der Wahrscheinlichkeitsrechnung

8.5.2023

2287

 

12

 

Mathe

61

Bedingte wahrscheinlichkeit
↳ wahrscheinlichkeit, dass ein Ereignis A eintritt unter der Bedingung,
dass ein anderes Ergebnis B eingetreten

Stochastische Unabhängigkeit und Bernoulli-Experimente

Die stochastische Unabhängigkeit ist ein wichtiges Konzept in der Wahrscheinlichkeitstheorie. Zwei Ereignisse A und B sind stochastisch unabhängig, wenn die Wahrscheinlichkeit des Eintretens von Ereignis B nicht davon abhängt, ob A eingetreten ist oder nicht.

Definition: Stochastische Unabhängigkeit liegt vor, wenn P_B(A) = P(A) und P_A(B) = P(B).

Für stochastisch unabhängige Ereignisse gilt außerdem:

P(A∩B) = P(A) · P(B)

Example: Beim Werfen zweier Würfel sind die Ereignisse "Erster Würfel zeigt eine 4" und "Zweiter Würfel zeigt eine 2" stochastisch unabhängig.

Ein Bernoulli-Experiment ist ein Zufallsexperiment mit nur zwei möglichen Ausgängen: "Treffer" und "kein Treffer". Die Bernoulli Formel beschreibt die Wahrscheinlichkeit für eine bestimmte Anzahl von Treffern bei mehrfacher Wiederholung eines Bernoulli-Experiments:

P(X = k) = (n k) · p^k · (1-p)^(n-k)

Vocabulary: Der Binomialkoeffizient (n k) gibt die Anzahl der möglichen Wege an, k Treffer aus n Versuchen zu erhalten.

Die Bedingungen für ein Bernoulli-Experiment sind:

  1. Zwei mögliche Ergebnisse (Treffer und Nicht-Treffer)
  2. Konstante Trefferwahrscheinlichkeit p
  3. Stochastische Unabhängigkeit der Versuche
Bedingte wahrscheinlichkeit
↳ wahrscheinlichkeit, dass ein Ereignis A eintritt unter der Bedingung,
dass ein anderes Ergebnis B eingetreten

Die fünfte Seite führt das Konzept der Zufallsgröße und des Erwartungswerts ein. Eine Zufallsgröße X ordnet jedem Ergebnis eines Zufallsexperiments eine reelle Zahl zu.

Definition: Die Wahrscheinlichkeitsverteilung einer Zufallsgröße X ordnet jedem möglichen Wert x die Wahrscheinlichkeit P(X=x) zu.

Der Erwartungswert E(X) einer Zufallsgröße wird als gewichteter Mittelwert der möglichen Werte definiert:

Formel: E(X) = x₁ · P(X=x₁) + x₂ · P(X=x₂) + ... + xn · P(X=xn)

Highlight: Der Erwartungswert gibt den langfristig zu erwartenden Durchschnitt der Zufallsgröße an.

Ein Beispiel für ein Glücksspiel wird präsentiert, um zu zeigen, wie man den Erwartungswert berechnet und interpretiert. Es wird erklärt, dass ein Glücksspiel als fair gilt, wenn der Einsatz genau dem Erwartungswert entspricht.

Bedingte wahrscheinlichkeit
↳ wahrscheinlichkeit, dass ein Ereignis A eintritt unter der Bedingung,
dass ein anderes Ergebnis B eingetreten

Die sechste Seite behandelt die Konzepte der Varianz und Standardabweichung. Diese Kenngrößen messen die Streuung einer Verteilung um ihren Erwartungswert.

Definition: Die Varianz V(X) einer Zufallsgröße X ist die durchschnittliche quadratische Abweichung vom Erwartungswert μ = E(X).

Die Formel für die Varianz wird präsentiert:

Formel: V(X) = (x₁ - μ)² · P(X=x₁) + (x₂ - μ)² · P(X=x₂) + ... + (xn - μ)² · P(X=xn)

Highlight: Die Standardabweichung σ(X) ist die Wurzel aus der Varianz: σ(X) = √V(X)

Es wird betont, dass sowohl Varianz als auch Standardabweichung ein Maß für die Streuung der Verteilung um ihren Erwartungswert sind. Diese Kenngrößen sind besonders wichtig, um die Zuverlässigkeit von Vorhersagen und die Stabilität von Zufallsprozessen zu beurteilen.

Bedingte wahrscheinlichkeit
↳ wahrscheinlichkeit, dass ein Ereignis A eintritt unter der Bedingung,
dass ein anderes Ergebnis B eingetreten

Zufallsgrößen und Erwartungswert

Eine Zufallsgröße X ist eine Zuordnung, die jedem Ergebnis eines Zufallsexperiments eine reelle Zahl zuordnet. Die Wahrscheinlichkeitsverteilung einer Zufallsgröße gibt an, mit welcher Wahrscheinlichkeit die Zufallsgröße bestimmte Werte annimmt.

Der Erwartungswert E(X) einer Zufallsgröße X ist der Mittelwert der Ergebnisse bei mehreren Durchführungen des Experiments. Er berechnet sich wie folgt:

E(X) = x₁ · P(X=x₁) + x₂ · P(X=x₂) + ... + xn · P(X=xn)

Highlight: Der Erwartungswert gibt den langfristig zu erwartenden Durchschnitt der Zufallsgröße an.

Example: Bei einem Glücksspiel mit der Wahrscheinlichkeitsverteilung P(X=1) = 0,3, P(X=2) = 0,3, P(X=3) = 0,2, P(X=4) = 0,2 beträgt der Erwartungswert E(X) = 2,3.

Bedingte wahrscheinlichkeit
↳ wahrscheinlichkeit, dass ein Ereignis A eintritt unter der Bedingung,
dass ein anderes Ergebnis B eingetreten

Standardabweichung und Varianz

Die Standardabweichung und die Varianz sind Maße für die Streuung einer Verteilung um ihren Erwartungswert.

Die Varianz V(X) einer Zufallsgröße X berechnet sich wie folgt:

V(X) = (x₁ - μ)² · P(X=x₁) + (x₂ - μ)² · P(X=x₂) + ... + (xn - μ)² · P(X=xn)

Dabei ist μ = E(X) der Erwartungswert von X.

Die Standardabweichung σ(X) ist die Wurzel aus der Varianz:

σ(X) = √V(X)

Definition: Die Standardabweichung ist ein Maß für die durchschnittliche Abweichung vom Mittelwert.

Beide Kenngrößen, Varianz und Standardabweichung, sind wichtige Instrumente zur Beschreibung der Streuung einer Wahrscheinlichkeitsverteilung und finden in vielen Bereichen der Statistik und Wahrscheinlichkeitstheorie Anwendung.

Bedingte wahrscheinlichkeit
↳ wahrscheinlichkeit, dass ein Ereignis A eintritt unter der Bedingung,
dass ein anderes Ergebnis B eingetreten

Bedingte Wahrscheinlichkeit und Stochastische Unabhängigkeit

Die bedingte Wahrscheinlichkeit ist ein fundamentales Konzept in der Stochastik. Sie beschreibt die Wahrscheinlichkeit, dass ein Ereignis A eintritt, unter der Bedingung, dass ein anderes Ereignis B bereits eingetreten ist.

Die Bedingte Wahrscheinlichkeit Formel lautet:

P(A|B) = P(A∩B) / P(B)

Diese Formel kann auch als P_B(A) geschrieben werden.

Definition: Die bedingte Wahrscheinlichkeit P(A|B) ist die Wahrscheinlichkeit, dass Ereignis A eintritt, wenn Ereignis B bereits eingetreten ist.

Es gibt verschiedene Darstellungsmöglichkeiten für bedingte Wahrscheinlichkeiten:

  1. Baumdiagramm
  2. Vierfeldertafel

Highlight: Baumdiagramme und Vierfeldertafeln sind nützliche Werkzeuge zur Visualisierung und Berechnung bedingter Wahrscheinlichkeiten.

In einem Baumdiagramm werden die Wahrscheinlichkeiten entlang der Äste multipliziert, während in einer Vierfeldertafel die Wahrscheinlichkeiten in den entsprechenden Feldern abgelesen werden können.

Example: In einer Urne befinden sich 5 rote und 4 orangene Kugeln. Die Wahrscheinlichkeit, dass die zweite gezogene Kugel rot ist, wenn die erste Kugel orange war, beträgt P_B(A) = 5/8 = 62,5%.

Nichts passendes dabei? Erkunde andere Fachbereiche.

Knowunity ist die #1 unter den Bildungs-Apps in fünf europäischen Ländern

Knowunity wurde bei Apple als "Featured Story" ausgezeichnet und hat die App-Store-Charts in der Kategorie Bildung in Deutschland, Italien, Polen, der Schweiz und dem Vereinigten Königreich regelmäßig angeführt. Werde noch heute Mitglied bei Knowunity und hilf Millionen von Schüler:innen auf der ganzen Welt.

Ranked #1 Education App

Laden im

Google Play

Laden im

App Store

Knowunity ist die #1 unter den Bildungs-Apps in fünf europäischen Ländern

4.9+

Durchschnittliche App-Bewertung

13 M

Schüler:innen lieben Knowunity

#1

In Bildungs-App-Charts in 12 Ländern

950 K+

Schüler:innen haben Lernzettel hochgeladen

Immer noch nicht überzeugt? Schau dir an, was andere Schüler:innen sagen...

iOS User

Ich liebe diese App so sehr, ich benutze sie auch täglich. Ich empfehle Knowunity jedem!! Ich bin damit von einer 4 auf eine 1 gekommen :D

Philipp, iOS User

Die App ist sehr einfach und gut gestaltet. Bis jetzt habe ich immer alles gefunden, was ich gesucht habe :D

Lena, iOS Userin

Ich liebe diese App ❤️, ich benutze sie eigentlich immer, wenn ich lerne.