24.01.2013 Aufrufe

Klenke Wahrscheinlichkeitstheorie

Klenke Wahrscheinlichkeitstheorie

Klenke Wahrscheinlichkeitstheorie

MEHR ANZEIGEN
WENIGER ANZEIGEN

Sie wollen auch ein ePaper? Erhöhen Sie die Reichweite Ihrer Titel.

YUMPU macht aus Druck-PDFs automatisch weboptimierte ePaper, die Google liebt.

48 2 Unabhängigkeit<br />

Wir prüfen jetzt, dass A und B tatsächlich (2.1) erfüllen. Dazu berechnen wir<br />

P[A] = #A #Ã<br />

#B<br />

36 = 6 und P[B] = 36 = # ˜ B<br />

6 . Ferner ist<br />

P[A ∩ B] = #(Ã × ˜ B)<br />

=<br />

36<br />

#Ã<br />

6 · # ˜ B<br />

= P[A] · P[B].<br />

6<br />

(ii) Stochastische Unabhängigkeit kann auch in weniger augenfälligen Situationen<br />

auftreten. Sei hierzu A das Ereignis, dass die Augensumme ungerade ist,<br />

A = � (ω1,ω2) ∈ Ω : ω1 + ω2 ∈ {3, 5, 7, 9, 11} � , und B das Ereignis, dass<br />

der erste Wurf höchstens eine Drei bringt, B = {(ω1,ω2) ∈ Ω : ω1 ∈{1, 2, 3} � .<br />

Obwohl beide Ereignisse anscheinend etwas miteinander zu tun haben, sind sie stochastisch<br />

unabhängig, denn es gilt, wie man leicht prüft, P[A] =P[B] = 1<br />

2 und<br />

P[A ∩ B] = 1<br />

4 . ✸<br />

Wann sind nun drei Ereignisse A1,A2,A3 unabhängig? Hierzu muss natürlich jedes<br />

der Paare (A1,A2), (A1,A3) und (A2,A3) unabhängig sein. Jedoch wollen<br />

wir auch sicherstellen, dass beispielsweise das Eintreten von A1 und A2 nicht die<br />

Wahrscheinlichkeit für das zusätzliche Eintreten von A3 beeinflusst. Wir müssen<br />

also mehr als nur Paare betrachten.<br />

Formal nennen wir daher drei Ereignisse A1,A2 und A3 (stochastisch) unabhängig,<br />

falls<br />

P[Ai ∩ Aj] =P[Ai] · P[Aj] für alle i, j ∈{1, 2, 3}, i�= j, (2.2)<br />

und<br />

P[A1 ∩ A2 ∩ A3] =P[A1] · P[A2] · P[A3]. (2.3)<br />

Man beachte, dass (2.3) nicht aus (2.2) folgt (und (2.2) nicht aus (2.3)).<br />

Beispiel 2.2 (Dreifacher Würfelwurf). Wir betrachten den dreifachen Wurf eines<br />

Würfels. Sei also Ω = {1,...,6} 3 ausgestattet mit der diskreten σ-Algebra A =<br />

2Ω und der Gleichverteilung P = UΩ (siehe Beispiel 1.30(ii)).<br />

(i) Hängt für i =1, 2, 3 das Ereignis Ai nur vom i-ten Wurf ab, so sind die Ereignisse<br />

A1, A2 und A3 unabhängig. In der Tat können wir sie wie im vorangehenden<br />

Beispiel für gewisse Mengen Ã1, Ã2, Ã3 ⊂{1,...6} schreiben als<br />

A1 = Ã1 ×{1,...,6} 2 ,<br />

A2 = {1,...,6}× Ã2 ×{1,...,6},<br />

A3 = {1,...,6} 2 × Ã3.<br />

Die Gültigkeit von (2.2) folgt wie in Beispiel 2.1(i). Um (2.3) zu zeigen, berechnen<br />

wir<br />

P[A1 ∩ A2 ∩ A3] = #(Ã1 × Ã2 × Ã3)<br />

216<br />

(ii) Wir betrachten nun die folgenden drei Ereignisse<br />

=<br />

3�<br />

i=1<br />

# Ãi<br />

6 =<br />

3�<br />

P[Ai].<br />

i=1

Hurra! Ihre Datei wurde hochgeladen und ist bereit für die Veröffentlichung.

Erfolgreich gespeichert!

Leider ist etwas schief gelaufen!