Advertisement

Bedingte Wahrscheinlichkeit und Unabhängigkeit – Meister Zufall hängt (oft) ab

  • Norbert HenzeEmail author
Chapter

Zusammenfassung

In diesem Kapitel lernen wir mit den Begriffsbildungen bedingte Wahrscheinlichkeit und stochastische Unabhängigkeit zwei grundlegende Konzepte der Stochastik kennen. Bedingte Wahrscheinlichkeiten dienen in Form von Übergangswahrscheinlichkeiten insbesondere als Bausteine bei der Modellierung mehrstufiger stochastischer Vorgänge über die erste Pfadregel. Mit der Formel von der totalen Wahrscheinlichkeit lassen sich die Wahrscheinlichkeiten komplizierter Ereignisse durch Fallunterscheidung bestimmen. Die Bayes-Formel ist ein schlagkräftiges Mittel, um Wahrscheinlichkeitseinschätzungen unter dem Einfluss von zusätzlicher Information neu zu bewerten. Der Begriff der stochastischen Unabhängigkeit von Ereignissen lässt sich auf Mengensysteme und damit auch auf Zufallsvariablen mit allgemeinen Wertebereichen übertragen. Hinreichend reichhaltige Wahrscheinlichkeitsräume enthalten eine ganze Folge unabhängiger Ereignisse mit vorgegebenen Wahrscheinlichkeiten. Markov-Ketten beschreiben stochastische Systeme, deren zukünftiges Verhalten nur vom gegenwärtigen Zustand und nicht der Vergangenheit abhängt. Unter gewissen Voraussetzungen strebt die Verteilung einer Markov-Kette exponentiell schnell gegen eine eindeutig bestimmte stationäre Verteilung, die das Langzeitverhalten der Markov-Kette charakterisiert.

Preview

Unable to display preview. Download preview PDF.

Unable to display preview. Download preview PDF.

Copyright information

© Springer-Verlag GmbH Deutschland, ein Teil von Springer Nature 2019

Authors and Affiliations

  1. 1.Karlsruher Institut für Technologie (KIT)KarlsruheDeutschland

Personalised recommendations