48 lines
2.3 KiB
Markdown
48 lines
2.3 KiB
Markdown
|
---
|
||
|
|
title: Stochastik
|
||
|
|
date: Wintersemester 20/21
|
||
|
|
author: Wieerwill
|
||
|
|
---
|
||
|
|
|
||
|
|
# Stochastik ist
|
||
|
|
- Wahrscheinlichkeitstheorie: mathematische "Sprache" zur Modellierung zufälliger Phänomene
|
||
|
|
- Ziel: über gegebene Eigenschaften des Systems präzise Aussagen über zukünftige, zufällige Beobachtungen
|
||
|
|
- und Statistik:
|
||
|
|
- Beschreibung beobachteter Daten
|
||
|
|
- Schätzen unbekannter Parameter
|
||
|
|
- Testen von Hypothesen
|
||
|
|
- Vorhersagen unbeobachteter zufälliger Werte
|
||
|
|
- Modellwahl und -überprüfung
|
||
|
|
- Ziel: basierend auf zufälligen Beobachtungen auf Eigenschaften des Systems“ schließen
|
||
|
|
|
||
|
|
## Wahrscheinlichkeiten
|
||
|
|
### Wahrscheinlichkeitsraum $(\Omega , P)$
|
||
|
|
- $\Omega$: Grundraum, Menge der Elementarereignisse (oder Ausgänge) (Bsp: $\Omega={heil, kaputt}^x$)
|
||
|
|
- $\omega \in \Omega$: Elementarereignis, Ausgang (Bsp: $\omega=(heil, heil, heil, kaputt, heil...)$)
|
||
|
|
- $A \subseteq \Omega$: Ereignis (Bsp: $A={\omega: Anzahl kaputt = 2 }$)
|
||
|
|
- $P$: Wahrscheinlichkeitsmaß, d.h.
|
||
|
|
- Wahrscheinlichkeit, dass A eintritt: $\Omega \supseteq A \rightarrow P(A) \in [0,1]$
|
||
|
|
- $\sigma$-Additivität: $P(U_{k\in N} A_k)= \sum_{k\in N} P(A_k)$ für disjunkte $A_k, k\in N$
|
||
|
|
- sicheres Ereignis $\Omega$: $P(\Omega)= 1$
|
||
|
|
|
||
|
|
## Laplace Expriment
|
||
|
|
$\Omega$ sei eindlich und $P(\omega)=\frac{1}{*\Omega} \rightarrow$ Laplace-Verteilung oder diskrete Gleichverteilung $\rightarrow$ für $A \subseteq \Omega: P(A)=\sum_{\omega \in A} P(\omega)=\frac{*A}{*\Omega}=\frac{\text{Anzahl "günstige" Ausgänge"}}{\text{Anzahl "alle" Ausgänge}}$
|
||
|
|
|
||
|
|
Laplace-Verteilung: Alle Ausgänge sind gleichwahrscheinlich $\rightarrow$ Symmetrie
|
||
|
|
|
||
|
|
## Urnenmodell
|
||
|
|
Eine Urne enthält schwarze (S) und weiße (W) Kugeln, insgesamt also $N=S+W$. Man zieht zufällig eine Kugel und nummeriert durch.
|
||
|
|
- P(i-te Kugel wird gezogen)= $\frac{1}{N}$ für $i=1,..,N$
|
||
|
|
- P(Kugel ist schwarz)=$\sum_{i=1}^S P(\text{i-te Kugel wird gezogen}) = S \frac{1}{N}=\frac{S}{N}$
|
||
|
|
|
||
|
|
### Ziehen ohne zurücklegen
|
||
|
|
Was, wenn man noch eine Kugel zieht (ohne Zurücklegen)?
|
||
|
|
$\rightarrow$ Zweistufiges Experiment! Modellieren mit bedingten Wahrscheinlichkeiten.
|
||
|
|
|
||
|
|
## Bedingte Wahrscheinlichkeiten
|
||
|
|
$A,B \subseteq \Omega$ mit $P(B)> 0$; man beobachtet, dass B eintritt
|
||
|
|
|
||
|
|
die bedingte Wahrscheinlichkeit von "A gegeben B": $P(A|B)=\frac{P(A \cap B)}{P(B)}$
|
||
|
|
|
||
|
|
die totale Wahrscheinlichkeit: $P(A)=\sum_{i=1}^n P(A|B_i)P(B_i)$
|