Grundlagen

Stochastik.md

@@ -4,40 +4,167 @@ 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
+> Ein Zufallsexperiment ist ein Versuch mit zufälligem Ausgang.
+## Wahrscheinlichkeitsraum $(\Omega , P)$
+- Ergebnis-/Grundraum $\Omega$, Menge aller möglichen Elementarereignisse (Bsp: $\Omega={heil, kaputt}^x$)
+  - die Anzahl aller möglichen Ergebnisse heißt Mächtigkeit des Ergebnisraums $|\Omega|$ (Bsp: $|\Omega|=2$)
+  - Endlicher Ergebnisraum: die Elemente können abgezählt und eine Obergrenze angegeben werden
+  - Abzählbar-unendlicher Ergebnisraum: die Elemente können abgezählt aber keine Obergrenze angegeben werden
+  - Überabzählbar-unendlicher Ergebnisraum: die Elemente können nicht abgezählt werden
+- Ergebnis/Ausgang $\omega \in \Omega$ (Bsp: $\omega=(heil, heil, heil, kaputt, heil...), \omega_1=(heil)$)
+  - ein Ergebnis, das genau ein Element enthält, heißt ELementarergebnis
+- Ereignis $A \subseteq \Omega$ (Bsp: $A={\omega: Anzahl kaputt = 2 }$)
+  - das Ereignis, das kein Element enthält, heißt unmögliches Ereignis (Bsp "Augenzahl größer 6" beim Würfelwurf)
+  - das Ereignis, das genau ein Element enthält, heißt Elementarereignis
+  - Ein Ereignis, das mehr als ein Element enthält, heißt zusammengesetztes Ereignis.
+  - das Ereignis, das alle Elemente von $\Omega$ enthält, heißt sicheres Ereignis $\Omega$: $P(\Omega)= 1$
+- Wahrscheinlichkeitsmaß/Ereignisraum, die Menge aller Ereignisse, $P(\Omega)$
+  - setzt sich zusammen aus dem unmöglichen Ereignis, den Elementarereignissen, den mehrelementigen Teilmengen und dem sicheren Ereignis (Bsp $P(\Omega)=\{\{\},\{heil\},\{kaputt\},\{heil, kaputt\} \}$)
+  - die Anzahl der möglichen Ereignisse heißt Mächigkeit des Ereignisraums $|P(\Omega)|$
+  - Der Ereignisraum besteht aus $2^{|\Omega|}$ Ereignissen
+- 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 $A_k, k\in N$
+
+## Ereignisalgebra
+- Vereinigung: $A\cup B= \{\omega | \omega\in A \vee \omega\in B \}$
+  - Bsp: $A=\{1,2\}, B=\{2,3\}, A\cup B=\{1,2,3\}$
+- Durchschnitt: $A\cap B = \{\omega | \omega\in A \wedge \omega\in B \}$
+  - Bsp: $A=\{1,2\}, B=\{2,3\}, A\wedge B=\{2\}$
+- Gegenereignis: $\bar{A} = \{\omega | \omega\not\in A\}$
+  - Bsp: $A=\{1,2\}, \Omega=\{1,2,3,4,5,6\}, \bar{A}=\{3,4,5,6\}$
+- Differenz $A \backslash B = A\cap\bar{B} = \{\omega| \omega\in A \wedge \omega\not\in B\}$
+  - Bsp: $A=\{1,2\}, B=\{2,3\}, A\backslash B=\{1\}$
+- Symmetrische Differenz $(A\cap \bar{B})\cup(\bar{A}\cap B)$
+  - die Menge aller Elemente, die zu A oder zu B, nicht aber zu beiden Ereignissen gehören
+  - Bsp: $A=\{1,2\}, B=\{2,3\}, A\cup B=\{1,3\}$
+- disjunkte Ereignisse $A\cap B = \varnothing$
+  - wenn sie keine gemeinsamen Elemente haben (unvereinbar)
+
+## Rechengesetze
+- Kommutativ: 
+  - $A\cup B = B\cup A$
+  - $A\cap B = B\cap A$
+- Assoziativ: 
+  - $(A\cup B)\cup C = A\cup(B\cup C)$
+  - $(A\cap B)\cap C = A\cap(B\cap C)$
+- Distributiv: 
+  - $A\cap(B\cup C)=(A\cap B)\cup(A\cap C)$
+  - $A\cup(B\cap C)= (A\cup B)\cap (A\cup C)$
+- Absorption
+  - $A\cap(A\cup B)=A$
+  - $A\cup(A\cap B)=A$
+- Idempotenz
+  - $A\cap A=A$
+  - $A\cup A=A$
+- De-Morgan-Gesetz
+  - $\bar{A}\cap\bar{B}=\overline{A\cup B}$
+  - $\bar{A}\cup\bar{B}=\overline{A\cap B}$
+- Neutrale Elemente
+  - $A\cap \Omega=A$
+  - $A\cup \varnothing = A$
+- Dominante Elemente
+  - $A\cap \varnothing = \varnothing$
+  - $A\cup \Omega = \Omega$
+- Komplemente
+  - $A\cap \bar{A} = \varnothing$
+  - $A\cup \bar{A} = \Omega$
+  - $\bar{\bar{A}} = A$
+
+## Vierfeldertafel
+Alle vier Felder zusammen entsprechen dem Ergebnisraum $\Omega$
+
+| $\Omega$  | $B$             | $\bar{B}$           |
+| --        | --              | --                  |
+| $A$       | $A\cap B$       | $A\cap \bar{B}$     |
+| $\bar{A}$ | $\bar{A}\cap B$ | $\bar{A}\cap\bar{B}$|
+
+
+## Absolute Häufigkeit
+> Die absolute Häufigkeit $H_n(E)$ gibt an, wie oft das Ereignis E innerhalb eines Zufallsexperiments, welches n-mal ausgeführt wird, aufgetreten ist.
+
+Die Summe der absoluten Häufigkeiten ergibt n.
+
+Bsp: Münze wird 20 mal geworfen. Man erhält 8 mal Kopf und 12 mal Zahl:
+- $H_{20}(Kopf)=8$
+- $H_{20}(Zahl)=12$
+
+## Relative Häufigkeit
+> Tritt ein Ereignis $E$ bei $n$ Versuchen $k$-mal ein, so heißt die Zahl $h_n(E)=\frac{k}{n}$ relative Häufigkeit des Ereignisses E.
+
+anders: $h_n(E)=\frac{H_n(E)}{n}$
+
+Bsp: Münze wird 20 mal geworfen. Man erhält 8 mal Kopf und 12 mal Zahl:
+- $h_{20}(Kopf)=\frac{8}{20}=0,4$
+- $h_{20}(Zahl)=\frac{12}{20}=0,6$
+
+- die Relative Häufigkeit nimmt Werte zwischen 0 und 1 an
+- die relative Häufigkeit des sicheren Ereignisses ist 1 $h_n(\Omega)=1$
+- die relative Häufigkeit des unmöglichen Ereignisses ist 0 $h_n(\{\})=0$
+- jedes Ereignis und sein Gegenereignis ergänzen sich zum Ergebnisraum $\Omega$, d.h. $hn(\bar{E})=1-h_n(E)$
+- $h_n(A\cup B)= h_n(A)+h_n(B)-h_n(A\cap B)$
+- $H_n(E)=h_n(E)*n$
+
+## Mehrstufige Zufallsexperimente
+### Baumdiagramm
+> Ein Baumdiagramm ist eine graphische Darstellung, welche die möglichen Ergebnisse eines bestimmten Ablaufs hierarchischer Entscheidungen zeigt.
+
+Die Summe der Wahrscheinlichkeiten auf den Ästen, die von einem Verzweigungspunkt ausgehen, ist stets 1.
+
+> Die Pfadregeln dienen der Berechnung von Wahrscheinlichkeiten in einem mehrstufigen Zufallsexperiment.
+
+1. (UND) Die Wahrscheinlichkeit eines Elementarereignisses ist gleich dem Produkt der Wahrscheinlichkeiten des zugehörigen Pfades.
+     - Bsp: $P(\{SS\})=\frac{1}{2}*\frac{1}{2}$
+2. (ODER) Die Wahrscheinlichkeit eines Ereignisses ist gleich der Summe der Wahrscheinlichkeiten aller Pfade, die zu diesem Ereignis führen.
+     - Bsp: $P(\{SW, WS\})=\frac{1}{2}*\frac{1}{3} + \frac{1}{3}*\frac{1}{2}$
+
+## Kombinatorik
+> Die Kombinatorik hilft bei der Bestimmung der Anzahl möglicher Anordnungen (Permutationen) oder Auswahlen (Variationen oder Kombinationen) von Objekten.
+
+- Permutation
+  - $k=n$ (d.h. es werden alle Elemente k der Grundmenge n betrachtet)
+  - Reihenfolge der Elemente wird berücksichtigt
+- Variation
+  - $k<n$ (d.h. es wird nur eine Stichprobe - also k Elemente der Grundmenge n betrachtet)
+  - Reihenfolge der Elemente wird berücksichtigt $\rightarrow$ Variation = geordnete Stichprobe
+- Kombination
+  - $k<n$ (d.h. es wird nur eine Stichprobe - also k Elemente der Grundmenge n betrachtet)
+  - Reihenfolge der Elemente wird nicht berücksichtigt $\rightarrow$ Kombination = ungeordnete Stichprobe
+
+1. Permutation ohne Wiederholung
+    - Für das erste Objekt gibt es $n$ Platzierungsmöglichkeiten. Für das zweite Objekt verbleiben $(n−1)$ Möglichkeiten, für das dritte Objekt $(n−2)$ ... und für das letzte Objekt verbleibt nur noch eine Möglichkeit.
+    - kurz: $n!$
+2. Permutation mit Wiederholung
+    - Sind genau k Objekte identisch, dann sind diese auf ihren Plätzen vertauschbar, ohne dass sich dabei eine neue Reihenfolge ergibt. Auf diese Weise sind genau k! Anordnungen gleich.
+    - kurz: $\frac{n!}{k!}$ und mit mehreren Gruppen $\frac{n!}{k_1! * k_2!...}$
+3. Variation ohne Wiederholung
+    - Für das erste Objekt gibt es n Platzierungsmöglichkeiten. Für das zweite Objekt verbleiben $(n-1)$ Möglichkeiten, für das dritte Objekt $(n-2)$ ...und für das letzte Objekt verbleiben noch $(n-k+1)$ Möglichkeiten.
+    - kurz: $\frac{n!}{(n-k)!}$
+4. Variation mit Wiederholung
+    - Für das erste Objekt gibt es n Auswahlmöglichkeiten. Da Objekte mehrfach ausgewählt werden dürfen, gibt es auch für das zweite, dritte und k-te Objekt n Möglichkeiten.
+    - $n^k$
+5. Kombination ohne Wiederholung
+    - Der einzige Unterschied zwischen einer Variation ohne Wiederholung und einer Kombination ohne Wiederholung ist die Tatsache, dass bei der Kombination im - Gegensatz zur Variation - die Reihenfolge der Objekte keine Rolle spielt.
+    - kurz: $\frac{n!}{(n-k)!*k!} = \binom{n}{k}$
+6. Kombination mit Wiederholung
+    - Durch eine kleine Modifikation des Zählers und des Nenners gelangen wir schließlich zur Formel für eine Kombination mit Wiederholung
+    - $\frac{(n+k-1)!}{(n-1)!*k!} = \binom{n+k-1}{k}$
+
+| | | Menge | Reihenfolge |
+| -- | -- | -- | -- |
+| Permutation ohne Wiederholung | $n!$ | n aus n | beachtet |
+| Permutation mit Wiederholung | $\frac{n!}{k_1!*k_2!*...}$ | n aus n | beachtet |
+| Variation ohne Wiederholung | $\frac{n!}{(n-k)!}$ | k aus n | beachtet |
+| Variation mit Wiederholung | $n^k$ | k aus n | beachtet |
+| Kombination ohne Wiederholung | $\binom{n}{k}$ | k aus n | nicht beachtet |
+| Kombination mit Wiederholung | $\binom{n+k-1}{k}$ | k aus n | nicht beachtet |
+
 
-## 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 $A \subseteq \Omega: P(A)=\sum_{\omega \in A} P(\omega)=\frac{*A}{*\Omega}=\frac{\text{Anzahl "günstige" Ausgänge"}}{\text{Anzahl "alle" Ausgänge}}$ 
+> Ein Zufallsexperiment heißt Laplace-Experiment, wenn alle Elementarereignisse die gleiche Wahrscheinlichkeit besitzen. $P(E)=\frac{|E|}{|\Omega|}$
 
-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.
+$\Omega$ sei eindlich und $P(\omega)=\frac{1}{\Omega} \rightarrow$ Laplace-Verteilung oder diskrete Gleichverteilung $\rightarrow$ für $A \subseteq \Omega: P(A)=\sum_{\omega \in A} P(\omega)=\frac{*A}{*\Omega}=\frac{\text{Anzahl "günstige" Ausgänge"}}{\text{Anzahl "alle" Ausgänge}}$ 
 
 ## Bedingte Wahrscheinlichkeiten
 $A,B \subseteq \Omega$ mit $P(B)> 0$; man beobachtet, dass B eintritt