Kurs:Statistik für Anwender/Zufallsvariablen

Gegeben sei ein endlicher W-Raum ${\textstyle (\Omega ,P)}$ (zugehörig zu einem ZE). Eine Funktion ${\textstyle Z:\Omega \to \mathbb {R} }$, die jedem möglichen Ergebnis eine reelle Zahl zuordnet, heißt diskrete Zufallsvariable (ZV).

Die Menge ${\textstyle Z(\Omega )=\{Z(\omega );\ \omega \in \Omega \}}$ aller Werte (Realisationen), die die ZV ${\textstyle Z}$ annehmen kann, nennt man das Bild von ${\textstyle \mathbf {Z} }$.

Ist ${\textstyle Z:\Omega \to \mathbb {R} }$ eine ZV, so schreibt man für eine Zahl ${\textstyle x\in \mathbb {R} }$ auch
$${\displaystyle \{Z=x\}=\{\omega \in \Omega ;\ Z(\omega )=x\}\quad {\text{und}}}$$
$${\displaystyle \quad P\left(Z=x\right)=P\left(\{Z=x\}\right)=P\left(\{\omega \in \Omega ;\ Z(\omega )=x\}\right)}$$
(Man beachte, dass ${\textstyle \{Z=x\}=\emptyset }$ und folglich ${\textstyle P(Z=x)=0}$ ist, falls ${\textstyle x\notin Z(\Omega )}$ ist.)

Um eine diskrete ZV ${\textstyle Z}$ zu untersuchen, kann man oft auf eine Beschreibung des W-Raumes ${\textstyle (\Omega ,P)}$ verzichten und nur das Bild ${\textstyle Z(\Omega )}$ sowie die Wahrscheinlichkeiten ${\textstyle P(Z=x)}$ für ${\textstyle x\in Z(\Omega )}$ angeben. Zusammen nennt man dies die Wahrscheinlichkeitsverteilung (W-Verteilung) von ${\textstyle \mathbf {Z} }$.
Es gilt stets: ${\textstyle \quad \sum \limits _{x\in Z(\omega )}P(Z=x)=1}$
(Eine Beschreibung des W-Raumes kann aber manchmal helfen, um die Wahrscheinlichkeiten ${\textstyle P(Z=x)}$ überhaupt zu bestimmen.)

Wahrschienlichkeitsverteilungen, unabhängig davon, ob sie stetig oder diskret sind, sind immer Modelle, welche die Realität mehr oder weniger gut abbilden.

Die ZV ${\textstyle X}$ gibt die Augenzahl eines Würfels an. Dann hat man ${\textstyle \Omega =\{1,\ldots ,6\}}$ und ${\textstyle X(i)=i\ {\text{für alle}}\ i\in \Omega }$. Also: ${\textstyle X(\Omega )=\{1,\ldots ,6\}}$ und $${\displaystyle P(X=1)={\frac {1}{6}},\quad P(X=2)={\frac {1}{6}},\quad P(X=3)={\frac {1}{6}},}$$ $${\displaystyle P(X=4)={\frac {1}{6}},\quad P(X=5)={\frac {1}{6}},\quad P(X=6)={\frac {1}{6}}.}$$

Die ZV ${\textstyle Y}$ gibt die das Quadrat der Augenzahl eines Würfels an. Dann hat man ${\textstyle \Omega =\{1,\ldots ,6\}}$ und ${\textstyle Y(i)=i^{2}\ {\text{für alle}}\ i\in \Omega }$. Also: ${\textstyle Y(\Omega )=\{1,4,9,16,25,36\}}$ und $${\displaystyle P(Y=1)={\frac {1}{6}},\quad P(Y=4)={\frac {1}{6}},\quad P(Y=9)={\frac {1}{6}},}$$ $${\displaystyle P(Y=16)={\frac {1}{6}},\quad P(Y=25)={\frac {1}{6}},\quad P(Y=36)={\frac {1}{6}}.}$$

Die ZV ${\textstyle Z}$ beschreibt die Augensumme zweier Würfel. Dann hat man ${\textstyle \Omega =\{1,\ldots ,6\}^{2}}$ und ${\textstyle Z((i,j))=i+j\ {\text{für alle}}\ (i,j)\in \Omega }$. Also: ${\textstyle Z(\Omega )=\{2,\ldots ,12\}}$ und
$${\displaystyle {\begin{array}{|rclcl|}\hline P(Z=2)&=&{\frac {1}{36}}\\P(Z=3)&=&{\frac {2}{36}}\\P(Z=4)&=&{\frac {3}{36}}\\P(Z=5)&=&{\frac {4}{36}}\\P(Z=6)&=&{\frac {5}{36}}\\P(Z=7)&=&{\frac {6}{36}}\\P(Z=8)&=&{\frac {5}{36}}\\P(Z=9)&=&{\frac {4}{36}}\\P(Z=10)&=&{\frac {3}{36}}\\P(Z=11)&=&{\frac {2}{36}}\\P(Z=12)&=&{\frac {1}{36}}\\\hline \end{array}}}$$

Bei einem Glücksspiel befinden sich ${\textstyle 1}$ rote, ${\textstyle 4}$ schwarze und ${\textstyle 15}$ weiße Kugeln in einer Lostrommel.

• Man darf eine Kugel ziehen. Zieht man die Rote gewinnt man ${\textstyle 20}$ Euro, zieht man eine Schwarze gewinnt man ${\textstyle 5}$ Euro, zieht man eine Weiße gewinnt man nichts. Die ZV ${\textstyle G}$, die den Gewinn beschreibt, hat als Bild ${\textstyle G(\Omega )=\{0,5,20\}}$ und es gilt: $${\displaystyle P(G=0)=0.75,\quad P(G=5)=0.2,\quad P(G=20)=0.05}$$

• Nun darf man zwei Kugeln mit Zurücklegen ziehen. Die ZV ${\textstyle G_{2}}$ beschreibt den Gesamtgewinn. Man berechnet ${\textstyle G_{2}(\Omega )=\{0,5,10,20,25,40\}}$ und:
  $${\displaystyle {\begin{array}{|c|c|c|}\hline P(G_{2}=0)=0.5625&P(G_{2}=5)=0.3&P(G_{2}=10)=0.04\\\hline P(G_{2}=20)=0.075&P(G_{2}=25)=0.02&P(G_{2}=40)=0.0025\\\hline \end{array}}}$$

• Nun darf man zwei Kugeln ohne Zurücklegen ziehen. Die ZV ${\textstyle {\tilde {G_{2}}}}$ beschreibt den Gesamtgewinn. Man berechnet ${\textstyle {\tilde {G_{2}}}(\Omega )=\{0,5,10,20,25\}}$ und:
  $${\displaystyle {\begin{array}{|c|c|c|}\hline P({\tilde {G_{2}}}=0)=0.5526&P({\tilde {G_{2}}}=5)=0.3158&P({\tilde {G_{2}}}=10)=0.0316\\\hline P({\tilde {G_{2}}}=20)=0.0789&P({\tilde {G_{2}}}=25)=0.0211&\\\hline \end{array}}}$$
  (Die angegebenen Wahrscheinlichkeiten können durch die Aufstellung eines geeigneten W-Raums bestimmt werden, man kann aber auch anders vorgehen, z.B. mittels Erstellung von Baumdiagrammen.)

Sei ${\textstyle (\Omega ,P)}$ ein endlicher oder abzählbarer W-Raum und ${\textstyle Z:\Omega \to \mathbb {R} }$ eine (diskrete) ZV auf ${\textstyle \Omega }$. Dann heißen: $${\displaystyle {\begin{array}{rcll}\mu _{Z}=E(Z)&=&\sum \limits _{x\in Z(\Omega )}P(Z=x)\cdot x&{\text{Erwartungswert von }}Z\\V(Z)&=&\sum \limits _{x\in Z(\Omega )}P(Z=x)\cdot \left(x-E(Z)\right)^{2}&{\text{Varianz von }}Z\\\sigma _{Z}&=&{\sqrt {V(Z)}}&{\text{Standardabweichung von }}Z\end{array}}}$$

Für die Varianz gilt ebenso wie für die empirische Varianz der Verschiebungssatz: Für eine endliche ZV ${\textstyle X}$, die die Werte ${\textstyle a_{1},...,a_{m}\in \mathbb {R} }$ annehmen kann, gilt stets: $${\displaystyle V(X)=\sum _{k=1}^{m}P(X=a_{k})\cdot a_{k}^{2}-E(X)^{2}}$$

(vergleiche Beispiele)

Für die ZV ${\textstyle X,Y,Z}$ gilt:

• Der Erwartungswert von ${\textstyle X}$ ist:
  $${\displaystyle E(X)=3.5}$$
  Die Varianz von ${\textstyle X}$ ist:
  $${\displaystyle V(X)=2.917}$$
  Daraus ergibt sich ${\textstyle \sigma _{X}=1.708}$.
  
• Der Erwartungswert von ${\textstyle Y}$ ist:
  $${\displaystyle E(Y)=15.167}$$
  Die Varianz von ${\textstyle Y}$ ist:
  $${\displaystyle {\begin{aligned}V(Y)&=&149.14\end{aligned}}}$$
  Daraus ergibt sich ${\textstyle \sigma _{Y}=12.212}$.

• Der Erwartungswert von ${\textstyle Z}$ ist:
  $${\displaystyle E(Z)=7}$$
  Die Varianz von ${\textstyle Z}$ ist:
  $${\displaystyle {\begin{aligned}V(Z)&=&5.833\end{aligned}}}$$
  Daraus ergibt sich ${\textstyle \sigma _{Z}=2.415}$.

Für die ZV ${\textstyle G,G_{2},{\tilde {G_{2}}}}$ gilt:

• ${\textstyle E(G)=2}$, ${\textstyle V(G)=21}$
• ${\textstyle E(G_{2})=4}$, ${\textstyle {\begin{aligned}V(G_{2})=42\end{aligned}}}$
• ${\textstyle E({\tilde {G_{2}}})=4}$, ${\textstyle {\begin{aligned}V({\tilde {G_{2}}})=39.79\end{aligned}}}$

Der Erwartungswert gibt den " im Durchschnitt zu erwartenden Wert einer ZV " an, die Varianz gibt die " im Durchschnitt zu erwartende quadratische Abweichung vom Erwartungswert " an. Die Standardabweichung ist ein Maß für die "zu erwartende Schwankung (Streuung) ".

Geben Sie im Folgenden die angegebenen Informationen und die gesuchten Werte als Wahrscheinlichkeiten ${\textstyle P(\ldots )}$ bzw. als bedingte Wahrscheinlichkeiten ${\textstyle P(\ldots |\ldots )}$ an:
Jeder vierte Bewohner eines Ortes besitzt einen Garten. ${\textstyle 60\%}$ der Gartenbesitzer haben ein Haustier, von den Übrigen haben nur ${\textstyle 20\%}$ ein Haustier.

• Wie hoch ist der Anteil der Bewohner, die ein Haustier besitzen?
• Wie hoch ist der Anteil der Gartenbesitzer unter denen, die ein Haustier besitzen? Wie hoch ist der Anteil der Gartenbesitzer unter denen, die kein Haustier besitzen?

Diese Lernresource können Sie als Wiki2Reveal-Foliensatz darstellen.

Dieser Wiki2Reveal Foliensatz wurde für den Lerneinheit Kurs:Statistik für Anwender' erstellt der Link für die Wiki2Reveal-Folien wurde mit dem Wiki2Reveal-Linkgenerator erstellt.

• Die Seite wurde als Dokumententyp PanDocElectron-SLIDE erstellt.
• Link zur Quelle in Wikiversity: https://de.wikiversity.org/wiki/Kurs:Statistik%20f%C3%BCr%20Anwender/Zufallsvariablen
• siehe auch weitere Informationen zu Wiki2Reveal und unter Wiki2Reveal-Linkgenerator.