Skript - Prof. Georg Hoever - FH Aachen
Skript - Prof. Georg Hoever - FH Aachen
Skript - Prof. Georg Hoever - FH Aachen
Sie wollen auch ein ePaper? Erhöhen Sie die Reichweite Ihrer Titel.
YUMPU macht aus Druck-PDFs automatisch weboptimierte ePaper, die Google liebt.
1. Grundlagen 1<br />
1. Grundlagen<br />
1.1. Wahrscheinlichkeiten bei diskreten Ereignissen<br />
Beispiel 1:<br />
1. Bei einem Münzwurf gibt es die Ergebnisse ”<br />
Kopf“ oder ”<br />
Zahl“. Bei einer ”<br />
fairen“<br />
Münze kommt jedes Ergebnis mit der Wahrscheinlichkeit 1 2 vor.<br />
2. Bei einem ”<br />
fairen“ Würfel kommt jede Augenzahl (1,2,...,6) gleich wahrscheinlich<br />
vor. Die Wahrscheinlichkeit ist jeweils 1 6 .<br />
3. Bei einem ungleichmäßigen Würfel könnte es die folgenden Auftrittswahrscheinlichkeiten<br />
geben:<br />
Als Balkendiagramm:<br />
Augenzahl 1 2 3 4 5 6<br />
Wahrscheinlichkeit 0.16 0.2 0.15 0.14 0.18 0.17<br />
W<br />
0.16<br />
0.2<br />
0.15<br />
0.14<br />
0.18<br />
0.17<br />
1<br />
2<br />
3<br />
4<br />
5<br />
6<br />
Definition 1.1<br />
Bei einem Zufallsexperiment mit endlich vielen Ergebnissen ω 1 ,ω 2 ,...,ω N kann<br />
man jedem Ergebnis ω k eine Wahrscheinlichkeit p(ω k ) = p k zuordnen.<br />
∑<br />
Es gilt dann N p k = 1.<br />
k=1<br />
Ist jedes Ergebnis gleich wahrscheinlich, so heißt das Zufallsexperiment Laplace-<br />
Experiment. Für jedes k gilt dann p k = 1 N .<br />
Bemerkungen:<br />
1. Die Menge aller möglichen Ergebnisse wird üblicherweise mit Ω bezeichnet. Die<br />
Wahrscheinlichkeit, dass ein Ergebnis in einer Teilmenge A ⊆ Ω liegt, wird mit<br />
P(A) bezeichnet.<br />
2. TrittbeinVersucheneinErgebnisa-malauf,sonenntman a n<br />
dierelative Häufigkeit.<br />
Diese nähert sich mit steigendem n der Wahrscheinlichkeit p des Ergebnisses.<br />
Kennt man die exakte Wahrscheinlichkeit nicht, so ist die relative Häufigkeit eine<br />
Schätzung dieser Wahrscheinlichkeit. Monte-Carlo Simulation bedeutet die gezielte