Einführung in die Stochastik, Prof. Lerche - Abteilung für ...
Einführung in die Stochastik, Prof. Lerche - Abteilung für ...
Einführung in die Stochastik, Prof. Lerche - Abteilung für ...
Erfolgreiche ePaper selbst erstellen
Machen Sie aus Ihren PDF Publikationen ein blätterbares Flipbook mit unserer einzigartigen Google optimierten e-Paper Software.
40 5 BEDINGTE WAHRSCHEINLICHKEITEN UND UNABHÄNGIGKEIT<br />
Erstmals im k-ten Wurf e<strong>in</strong>e “6” zu werfen, bedeutet, <strong>in</strong> den vorangegangenen k−1 Würfen<br />
ke<strong>in</strong>e “6” , dann aber e<strong>in</strong>e “6” zu werfen. Folglich ist<br />
( ) k−1 5<br />
P (erstmals “6” im k-ten Wurf) = · 1<br />
6 6 =: p k, k ≥ 1<br />
Es muß natürlich ∑ k≥1<br />
p k = 1 gelten, was man leicht mit Hilfe der geometrische Reihe<br />
∞∑<br />
k=1<br />
( 5<br />
) k−1<br />
6 = 6 e<strong>in</strong>sieht.<br />
Gamblers Rules<br />
Angenommen man spielt e<strong>in</strong> Spiel sehr oft h<strong>in</strong>tere<strong>in</strong>ander und dessen Gew<strong>in</strong>nchance ist<br />
1/N. Wie oft muß man spielen, damit man mit m<strong>in</strong>destens 50% Wahrsche<strong>in</strong>lichkeit wenigstens<br />
e<strong>in</strong>mal gew<strong>in</strong>nt?<br />
(<br />
P (ke<strong>in</strong> Gew<strong>in</strong>n <strong>in</strong> n Spielen) = 1 − 1 ) n<br />
N<br />
(<br />
P (Gew<strong>in</strong>n <strong>in</strong> n Spielen) = 1 − 1 − 1 ) n<br />
≥ 1 N 2<br />
(<br />
⇔ 1 − 1 ) n<br />
≤ 1 N 2<br />
(<br />
⇔ n log 1 − 1 )<br />
≤ log 1 N 2 .<br />
Sei n ∗ = [log( 1) / log(1 − 1 )]; dabei ist [x] <strong>die</strong> kle<strong>in</strong>ste ganze Zahl größer als x für x ∈ R.<br />
2 N<br />
Da log(1 + z) ∼ z für z → 0 gilt, ist <strong>die</strong> rechte Seite von n ∗ asymptotisch gleich<br />
( ) /( )<br />
1 −1<br />
log<br />
= N log 2, wobei log(2) ≈ 0, 69 ≈ 2/3.<br />
2 N<br />
Im Fall des Würfels benötigt man also<br />
[ ( ) /( 1 5<br />
n ∗ = log<br />
= [3, 8] = 4<br />
2 6)]<br />
Würfe um mit m<strong>in</strong>destens 50% Wahrsche<strong>in</strong>lichkeit e<strong>in</strong>e ”6“ zu werfen.<br />
Beispiel: Fluß <strong>in</strong> e<strong>in</strong>em Leiter<br />
Angenommen für jeden von den Schaltern <strong>in</strong> dem folgenden Schaltkreis ist <strong>die</strong> Wahrsche<strong>in</strong>lichkeit,<br />
daß der Schalter geschlossen ist p i und daß er offen ist q i = 1 − p i , i = 1, . . . , 5.<br />
Man berechne <strong>die</strong> Wahrsche<strong>in</strong>lichkeit, daß e<strong>in</strong> Strom durch den Schaltkreis fließt unter<br />
der Annahme, daß <strong>die</strong> Zustände der Schalter unabhängig s<strong>in</strong>d.<br />
P (Strom fließt) = P (Strom fließt oben entlang) + P (Strom fließt unten entlang)<br />
−P (Strom fließt sowohl oben als auch unten entlang )<br />
Dabei ist wegen der Unabhängigkeit P (Strom fließt oben) = p 1·p 2 , P (Strom fließt unten) =<br />
p 3 · p 4 · p 5 und P (Strom fließt oben und unten) = p 1 · p 2 · p 3 · p 4 · p 5 und damit<br />
P (Strom fließt ) = p 1 · p 2 + p 3 · p 4 · p 5 − p 1 · p 2 · p 3 · p 4 · p 5 .