Wahrscheinlichkeitsrechnung Grundlagen

Die bedingte Wahrscheinlichkeit beschreibt die Wahrscheinlichkeit eines Ereignisses B unter der Bedingung, dass ein anderes Ereignis A bereits eingetreten ist. Die Formel lautet: P_A(B) = P(A∩B)/P(A).

Im Baumdiagramm werden bedingte Wahrscheinlichkeiten an den Ästen dargestellt: P(A) → P_A(B) → P(A∩B). Willst du die umgekehrte bedingte Wahrscheinlichkeit P_B(A) berechnen, kannst du entweder das Baumdiagramm umkehren oder den Satz von Bayes anwenden.

Die Vierfeldertafel ist ein weiteres Hilfsmittel zur Darstellung von Wahrscheinlichkeiten. Sie zeigt die Schnittmengen von Ereignissen und deren Gegenereignissen übersichtlich in einer Tabelle.

💡 Merke: Bei Aufgaben zur bedingten Wahrscheinlichkeit hilft es, zuerst die Informationen in ein Baumdiagramm oder eine Vierfeldertafel einzutragen, um die Zusammenhänge klar zu sehen.

Zufallsgrößen und Erwartungswerte

Eine Zufallsgröße (X, Y oder Z) ordnet jedem Ereignis eines Zufallsexperiments eine reelle Zahl zu. Die Wahrscheinlichkeitsverteilung gibt an, mit welcher Wahrscheinlichkeit die Zufallsgröße bestimmte Werte annimmt.

Der Erwartungswert μ = E(X) ist der Wert, den die Zufallsgröße im Mittel annimmt. Er berechnet sich als: E(X) = a₁·P$X=a₁$ + a₂·P$X=a₂$ + ... + a_m·P(X=a_m). Bei Glücksspielen spricht man von einem "fairen Spiel", wenn der Erwartungswert 0 ist.

Die Standardabweichung σ gibt an, wie stark die Werte um den Erwartungswert streuen. Sie wird berechnet als: σ = √($a₁-μ$²·P$X=a₁$ + ... + (a_m-μ)²·P(X=a_m)). Das Quadrat der Standardabweichung nennt man Varianz V(X) = σ².

🧮 Praxistipp: Bei Aufgaben zum Erwartungswert hilft es, eine Tabelle mit allen möglichen Werten der Zufallsgröße und ihren Wahrscheinlichkeiten zu erstellen.

Bernoulli-Versuche und Binomialverteilung

Ein Bernoulli-Experiment liegt vor, wenn es genau zwei mögliche Ergebnisse gibt (Erfolg/Misserfolg), die Erfolgswahrscheinlichkeit p bei jedem Versuch gleich ist, die Versuche unabhängig voneinander sind und eine feste Anzahl n an Wiederholungen durchgeführt wird.

Die Binomialverteilung beschreibt die Wahrscheinlichkeit, bei n Versuchen genau k Erfolge zu erzielen: P$X=k$ = $\binom{n}{k}$ · p^k · $1-p$^$n-k$. Dabei ist $\binom{n}{k}$ der Binomialkoeffizient (n über k), der die Anzahl der Möglichkeiten angibt, k Objekte aus n verschiedenen auszuwählen.

Der Erwartungswert einer Binomialverteilung beträgt μ = n·p und die Standardabweichung σ = √$n·p·(1-p)$. Mit der kumulierten Binomialverteilung P(X≤k) lassen sich Wahrscheinlichkeiten für Bereiche berechnen (im Taschenrechner mit bcd(k,n,p)).

📊 Klausurtipp: Für Aufgaben mit "höchstens", "mindestens", "mehr als" oder "weniger als" nutze die Tabelle der kumulierten Wahrscheinlichkeiten. "Mindestens k Erfolge" bedeutet P(X≥k) = 1-P$X≤k-1$.

Sigma-Regeln und Approximation

Die Sigma-Regeln sind wichtige Faustregeln für Wahrscheinlichkeitsintervalle um den Erwartungswert μ. In der 1-Sigma-Regel liegen etwa 68% aller Werte im Intervall $μ-σ; μ+σ$. Die 2-Sigma-Regel umfasst ca. 95,5% aller Werte im Intervall $μ-2σ; μ+2σ$, die 3-Sigma-Regel sogar 99,7%.

Für Prüfungen relevant sind auch die präziseren Intervalle:

• 90%-Intervall: $μ-1,64σ; μ+1,64σ$
• 95%-Intervall: $μ-1,96σ; μ+1,96σ$
• 99%-Intervall: $μ-2,58σ; μ+2,58σ$

Die LaPlace-Bedingung (σ>3) bestimmt, ob eine Binomialverteilung durch eine Normalverteilung approximiert werden kann. Ist sie erfüllt, kann die Normalverteilung als Näherung verwendet werden, was Berechnungen bei großen n deutlich vereinfacht.

🔍 Wichtig für die Klausur: Bei Aufgaben mit den Sigma-Regeln musst du oft zwischen "signifikanten Abweichungen" (außerhalb des 95%-Intervalls) und "hochsignifikanten Abweichungen" (außerhalb des 99%-Intervalls) unterscheiden.

Beurteilende Statistik und Konfidenzintervalle

In der beurteilenden Statistik schließt man von einer Stichprobe auf die Grundgesamtheit oder umgekehrt. Mit Prognoseintervallen bestimmst du, in welchem Bereich eine Stichprobe bei bekannter Grundgesamtheit liegen sollte (Schluss von Gesamtheit auf Stichprobe).

Das 95%-Konfidenzintervall (auch Vertrauensintervall genannt) gibt an, in welchem Bereich der wahre Anteil p der Grundgesamtheit mit 95% Wahrscheinlichkeit liegt, basierend auf einer Stichprobe (Schluss von Stichprobe auf Grundgesamtheit). Es wird berechnet als $p-1,96·σ/√n; p+1,96·σ/√n$.

Für die Wahl des Stichprobenumfangs gilt: Wenn der Anteil p unbekannt ist, wähle n ≥ (1,96)²·0,25/d². Falls für p eine Schätzung vorliegt, nutze n ≥ (1,96)²·p·$1-p$/d², wobei d die maximal zulässige Abweichung ist.

📏 Praxistipp: Bei Aufgaben zur Stichprobengröße musst du oft entscheiden, ob du die Formel mit oder ohne Schätzwert für p verwendest. Ohne Schätzwert nutze den ungünstigsten Fall p=0,5, der zur größtmöglichen Stichprobe führt.

Normalverteilung und stetige Zufallsgrößen

Bei stetigen Zufallsgrößen kann X jeden Wert in einem bestimmten Intervall annehmen (im Gegensatz zu diskreten Zufallsgrößen, die nur bestimmte Werte annehmen). Die Dichtefunktion f$x$ beschreibt die Verteilung der Werte, wobei der Flächeninhalt unter der Kurve die Wahrscheinlichkeit P(a≤X≤b) = ∫ₐᵇ f$x$dx angibt.

Die Normalverteilung ist die wichtigste stetige Verteilung mit der Dichtefunktion Φ_μ,σ$x$ = $1/(σ·√(2π))$ · e^$-(x-μ)²/(2σ²)$. Sie ist glockenförmig und symmetrisch um μ, mit Wendepunkten bei μ-σ und μ+σ.

Bei Aufgaben musst du oft die Kenngrößen der Normalverteilung bestimmen:

• Der Erwartungswert μ ist die Stelle des Maximums der Dichtefunktion.
• Die Standardabweichung σ kann aus gegebenen Wahrscheinlichkeiten berechnet werden.
• Im Taschenrechner: normCdf$-10⁹⁹, x, μ, σ$ gibt P(X≤x) an.

📈 Klausurtipp: Bei der Approximation einer Binomialverteilung durch eine Normalverteilung musst du die Stetigkeitskorrektur beachten. Für P(a≤X≤b) berechnest du normCdf$a-0,5, b+0,5, μ, σ$ im Taschenrechner.