Stochastische Abhängigkeit

Wenn zwei Ereignisse stochastisch abhängig sind, beeinflussen sie sich gegenseitig in ihrer Wahrscheinlichkeit. Das bedeutet: Wenn du weißt, dass das eine Ereignis bereits eingetroffen ist, ändert sich die Wahrscheinlichkeit dafür, dass auch das andere Ereignis eintritt. In der Praxis hilft dir dieses Konzept zu prüfen, ob es einen statistischen Zusammenhang zwischen zwei Merkmalen gibt – zum Beispiel zwischen einer medizinischen Behandlung und der Genesung. Zwei Ereignisse A und B sind genau dann stochastisch abhängig , wenn das Produkt ihrer Einzelwahrscheinlichkeiten nicht gleich der Wahrscheinlichkeit ihres gemeinsamen Auftretens ist: P(A cap B) neq P(A) cdot P(B) Alternativ kannst du die Abhängigkeit über die bedingte Wahrscheinlichkeit definieren. A und B sind abhängig, wenn die Wahrscheinlichkeit für das Eintreten von B unter der Bedingung, dass A bereits eingetreten ist, anders ist als die normale Wahrscheinlichkeit von B : P A(B) neq P(B) quad text{bzw.} quad P { bar{A}}(B) neq P A(B) Dabei ist: P(A cap B) : Die Wahrscheinlichkeit, dass A und B gleichzeitig eintreffen. P(A) und P(B) : Die Einzelwahrscheinlichkeiten der Ereignisse. P A(B) : Die Wahrscheinlichkeit von B unter der Bedingung, dass A bereits eingetreten ist (gesprochen: „ P von B unter der Bedingung A “). Ein klassisches Beispiel für stochastische Abhängigkeit ist das Ziehen ohne Zurücklegen aus einer Urne. In einer Urne liegen 3 rote ( R ) und 2 blaue ( B ) Kugeln. Du ziehst nacheinander zwei Kugeln, ohn

Worum geht's?

Wenn zwei Ereignisse stochastisch abhängig sind, beeinflussen sie sich gegenseitig in ihrer Wahrscheinlichkeit. Das bedeutet: Wenn du weißt, dass das eine Ereignis bereits eingetroffen ist, ändert sich die Wahrscheinlichkeit dafür, dass auch das andere Ereignis eintritt. In der Praxis hilft dir dieses Konzept zu prüfen, ob es einen statistischen Zusammenhang zwischen zwei Merkmalen gibt – zum Beispiel zwischen einer medizinischen Behandlung und der Genesung.

Formel mit Erklärung

Zwei Ereignisse A A A und B B B sind genau dann stochastisch abhängig , wenn das Produkt ihrer Einzelwahrscheinlichkeiten nicht gleich der Wahrscheinlichkeit ihres gemeinsamen Auftretens ist: P ( A ∩ B ) ≠ P ( A ) ⋅ P ( B ) P(A \cap B) \neq P(A) \cdot P(B) P ( A ∩ B )  = P ( A ) ⋅ P ( B ) Alternativ kannst du die Abhängigkeit über die bedingte Wahrscheinlichkeit definieren. A A A und B B B sind abhängig, wenn die Wahrscheinlichkeit für das Eintreten von B B B unter der Bedingung, dass A A A bereits eingetreten ist, anders ist als die normale Wahrscheinlichkeit von B B B : P A ( B ) ≠ P ( B ) bzw. P A ˉ ( B ) ≠ P A ( B ) P_A(B) \neq P(B) \quad \text{bzw.} \quad P_{\bar{A}}(B) \neq P_A(B) P A ​ ( B )  = P ( B ) bzw. P A ˉ ​ ( B )  = P A ​ ( B ) Dabei ist: * P ( A ∩ B ) P(A \cap B) P ( A ∩ B ) : Die Wahrscheinlichkeit, dass A A A und B B B gleichzeitig eintreffen. * P ( A ) P(A) P ( A ) und P ( B ) P(B) P ( B ) : Die Einzelwahrscheinlichkeiten der Ereignisse. * P A ( B ) P_A(B) P A ​ ( B ) : Die Wahrscheinlichkeit von B B B unter der Bedingung, dass A A A bereits eingetreten ist (gesprochen: „ P P P von B B B unter der Bedingung A A A “).

Beispiele

Leicht#1
Ein klassisches Beispiel für stochastische Abhängigkeit ist das Ziehen ohne Zurücklegen aus einer Urne. In einer Urne liegen 3 3 3 rote ( R R R ) und 2 2 2 blaue ( B B B ) Kugeln. Du ziehst nacheinander zwei Kugeln, ohne die erste zurückzulegen. * Ereignis A A A : Die erste gezogene Kugel ist rot ( R 1 R_1 R 1 ​ ). * Ereignis B B B : Die zweite gezogene Kugel ist rot ( R 2 R_2 R 2 ​ ).
Zweimaliges Ziehen ohne Zurücklegen
1. Stufe35R125B1
1. Stufe
Rechnerischer Nachweis der Abhängigkeit: Die Wahrscheinlichkeit beim ersten Zug eine rote Kugel zu ziehen beträgt: P ( R 1 ) = 3 5 = 0 , 6 P(R_1) = \frac{3}{5} = 0,6 P ( R 1 ​ ) = 5 3 ​ = 0 , 6 Die Wahrscheinlichkeit, im zweiten Zug eine rote Kugel zu ziehen, hängt nun entscheidend vom ersten Zug ab: * Wurde zuerst rot gezogen, sind nur noch 2 2 2 rote und insgesamt 4 4 4 Kugeln in der Urne: P R 1 ( R 2 ) = 2 4 = 0 , 5 P_{R_1}(R_2) = \frac{2}{4} = 0,5 P R 1 ​ ​ ( R 2 ​ ) = 4 2 ​ = 0 , 5 Wurde zuerst blau gezogen, sind noch alle 3 3 3 roten Kugeln bei insgesamt 4 4 4 Kugeln in der Urne: P B 1 ( R 2 ) = 3 4 = 0 , 75 P_{B_1}(R_2) = \frac{3}{4} = 0,75 P B 1 ​ ​ ( R 2 ​ ) = 4 3 ​ = 0 , 75 Da P R 1 ( R 2 ) ≠ P B 1 ( R 2 ) P_{R_1}(R_2) \neq P_{B_1}(R_2) P R 1 ​ ​ ( R 2 ​ )  = P B 1 ​ ​ ( R 2 ​ ) gilt (bzw. die bedingte Wahrscheinlichkeit ungleich der Gesamtwahrscheinlichkeit P ( R 2 ) = 0 , 6 P(R_2) = 0,6 P ( R 2 ​ ) = 0 , 6 ist), sind die Ereignisse stochastisch abhängig.

Zusammenfassung

Bedeutung: Stochastische Abhängigkeit liegt vor, wenn das Eintreten eines Ereignisses die Wahrscheinlichkeit eines anderen Ereignisses verändert. Formel-Kriterium: Zwei Ereignisse A A A und B B B sind abhängig, wenn P ( A ∩ B ) ≠ P ( A ) ⋅ P ( B ) P(A \cap B) \neq P(A) \cdot P(B) P ( A ∩ B )  = P ( A ) ⋅ P ( B ) ist. Bedingte Wahrscheinlichkeit: Genauso gilt bei Abhängigkeit P A ( B ) ≠ P ( B ) P_A(B) \neq P(B) P A ​ ( B )  = P ( B ) beziehungsweise P A ( B ) ≠ P A ˉ ( B ) P_A(B) \neq P_{\bar{A}}(B) P A ​ ( B )  = P A ˉ ​ ( B ) . Typische Anwendungen: Untersuchung von statistischen Zusammenhängen bei medizinischen Tests, Qualitätskontrollen oder Umfragen mithilfe von Baumdiagrammen und Vierfeldertafeln.

Jetzt üben

Kostenlose Aufgaben mit Lösungsweg zu diesem Begriff: