Einführung in die Stochastik, Prof. Lerche - Abteilung für ...
Einführung in die Stochastik, Prof. Lerche - Abteilung für ...
Einführung in die Stochastik, Prof. Lerche - Abteilung für ...
Sie wollen auch ein ePaper? Erhöhen Sie die Reichweite Ihrer Titel.
YUMPU macht aus Druck-PDFs automatisch weboptimierte ePaper, die Google liebt.
4.5 Hypergeometrische Verteilung und B<strong>in</strong>omialverteilung 23<br />
4.4.2 Ziehen ohne Zurücklegen und mit Reihenfolge<br />
Sei (a 1 , . . . , a n ), 1 ≤ a i ≤ N für i = 1, . . . , n und a i ≠ a j für i ≠ j e<strong>in</strong>e Folge der Länge n.<br />
Dann gilt: P ({(a 1 , . . . , a n )}) = 1<br />
[N] n<br />
.<br />
Sei (ε 1 , . . . , ε n ) e<strong>in</strong>e 0-1-Folge der Länge n. Dann gilt:<br />
P ({(a 1 , . . . , a n )|a i ≠ a j für i ≠ j und ϕ(a i ) = ε i für i = 1, . . . , n, }) = [W ] r[S] n−r<br />
[N] n<br />
.<br />
Die Wahrsche<strong>in</strong>lichkeit “r (0 ≤ r ≤ n) weiße Kugeln zu ziehen” ist nun:<br />
p(“r weiße”) = P ({(a 1 , . . . , a n ) | a i ≠ a j für i ≠ j und<br />
n∑<br />
ϕ(a i ) = r})<br />
i=1<br />
( ) n [W ]r [S] n−r<br />
=<br />
r [N] n<br />
= [W ] r/r! [S] n−r /(n − r)!<br />
[N] n /n!<br />
( ) ( )<br />
W S<br />
r<br />
=<br />
n − r<br />
( ) , 0 ≤ r ≤ n<br />
N<br />
n<br />
Wir nennen <strong>die</strong>se Wahrsche<strong>in</strong>lichkeit p(r).<br />
Es gilt n ∑<br />
r=0<br />
( W<br />
r<br />
)( S<br />
n−r<br />
n<br />
r=0<br />
) (<br />
=<br />
W +S<br />
) n∑ ⇔ p(r) = 1. Damit ist p e<strong>in</strong>e Wahrsche<strong>in</strong>lichkeitsfunktion<br />
auf {0, . . . , n}. Das dazugehörige Wahrsche<strong>in</strong>lichkeitsmaß heißt <strong>die</strong> hypergeometrische<br />
Verteilung h(n; W, S).<br />
4.5 Hypergeometrische Verteilung und B<strong>in</strong>omialverteilung<br />
Wir gehen wieder von e<strong>in</strong>er Urne mit N Kugeln aus. Davon seien W Kugeln weiß und S<br />
Kugeln schwarz, W + S = N. Wir ziehen n-mal ohne Beachtung der Reihenfolge.<br />
Grundlegende Tatsache: Ist N groß im Verhältnis zu n, so unterscheiden sich „Ziehen<br />
mit Zurücklegen“ (B<strong>in</strong>omialverteilung) und „Ziehen ohne Zurücklegen“ (hypergeometrische<br />
Verteilung) nur wenig.<br />
Beispiel: „Wahlumfrage“:<br />
Anzahl der Wahlberechtigten N = 5 · 10 7 , Anzahl der Befragten n = 1200.<br />
Die genaue Formulierung <strong>die</strong>ser Tatsache lautet:<br />
Für N → ∞ erhöhe sich <strong>die</strong> Anzahl der weißen und der schwarzen Kugeln <strong>in</strong> der Urne.<br />
Das heißt: Die Anzahl W der weißen Kugeln und <strong>die</strong> Anzahl S der schwarzen Kugeln<br />
sollen beide von N abhängen. Um das zu verdeutlichen schreiben wir W N statt W und<br />
S N statt S. Natürlich gilt für alle N: W N + S N = N.