Faire Spiele, bedingte Wahrscheinlichkeit und Unabh...
Transcript of Faire Spiele, bedingte Wahrscheinlichkeit und Unabh...
Faire Spiele,bedingte Wahrscheinlichkeit und Unabhangigkeit
Dr. Elke Warmuth
Sommersemester 2018
1 / 66
Faires Spiel Bedingte Wahrscheinlichkeit Schwierigkeiten mit bedingten Wahrscheinlichkeiten
Faires Spiel
Bedingte WahrscheinlichkeitVerstehen des KonzeptsDefinition und MultiplikationsformelAnwenden des Konzepts – Beispiele
Schwierigkeiten mit bedingten WahrscheinlichkeitenVerwechslung von Bedingung und BedingtemIndizien
2 / 66
Faires Spiel Bedingte Wahrscheinlichkeit Schwierigkeiten mit bedingten Wahrscheinlichkeiten
Beispiel
I Setze e e auf die 13.
I Kommt die 13, bekommst Du denEinsatz plus 35 · e e zuruck.
I Kommt die 13 nicht, bekommst Dunichts.
I Sei X der Nettogewinn des Spielers.X nimmt die Werte −e e bzw.35 · e e mit den Wahrscheinlichkeiten3637 bzw. 1
37 an.
I E (X ) = (−e)· 3637 +35·e · 1
37 = − e37 < 0
3 / 66
Faires Spiel Bedingte Wahrscheinlichkeit Schwierigkeiten mit bedingten Wahrscheinlichkeiten
Beispiel
I Setze e e auf ROT.
I Kommt ROT, bekommst Du denEinsatz plus e e zuruck.
I Kommt ROT nicht, bekommst Dunichts.
I Sei Y der Nettogewinn des Spielers.Y nimmt die Werte −e e bzw. e emit den Wahrscheinlichkeiten 19
37 bzw.1837 an.
I E (Y ) = (−e) · 1937 + e · 18
37 = − e37 < 0
4 / 66
Faires Spiel Bedingte Wahrscheinlichkeit Schwierigkeiten mit bedingten Wahrscheinlichkeiten
Aufgabe
Deuten Sie die Erwartungswerte in den vorigen beiden Aufgabenaus der Sicht des Spielers und aus der Sicht der Bank.
Deutung: Im Durchschnitt uber viele Spiele macht der Spieler e37 e
Verlust und die Bank e37 e Gewinn.
DefinitionSei G der Nettogewinn eines Spieler in einem Zweipersonenspiel.Dann heißt das Spiel fair, wenn E (G ) = 0 gilt.
Aufgabe
Erlautern Sie den Fairnessbegriff, der hinter dieser Definitionsteckt.
5 / 66
Faires Spiel Bedingte Wahrscheinlichkeit Schwierigkeiten mit bedingten Wahrscheinlichkeiten
Beispiel
I Wetterbericht sagt Regenwahrscheinlichkeit von 70% vorher.
I Herr F. (Hobbymeteorologe) sagt zu seinem Freund, Herrn D.:
”Wetten, dass es morgen nicht regnet? Ich setze 10 e“.
I Herr D. geht auf die Wette ein und setzt 20 e dagegen.
I Seien F bzw. D der Nettogewinn von Herrn F. bzw. Herrn D.
I Als Modellwahrscheinlichkeit wahlen wir P(Regen) = 0, 70.Dann gilt
ω P(ω) F (ω) D(ω)
kein Regen 0,30 20 -20
Regen 0,70 -10 10
E (F ) = 20 · 0, 30 + (−10) · 0, 70 = −1, 00E (D) = (−20) · 0, 30 + 10 · 0, 70 = 1, 00.
6 / 66
Faires Spiel Bedingte Wahrscheinlichkeit Schwierigkeiten mit bedingten Wahrscheinlichkeiten
Aufgabe
Im vorigen Beispiel ist die Wette nicht fair. Herr D. ist im Vorteil.Bestimmen Sie einen solchen Wetteinsatz e fur Herrn D., dass dieWette fair ist. Herr F. bleibt bei seinem Einsatz.
Losung:E (F ) = 0 ist gleichbedeutend mit e · 0, 30 = 10 · 0, 70.Daraus folgt e = 70
3 e ≈ 23, 33 e ist der faire Einsatz.
7 / 66
Faires Spiel Bedingte Wahrscheinlichkeit Schwierigkeiten mit bedingten Wahrscheinlichkeiten
Beispiel
I Chuck a Luck – dt. etwa:”Gluckswurf“
I Der Spieler setzt 1 e auf eine der Zahlen 1, 2, . . . , 6.
I Es werden drei Wurfel geworfen.
I Zeigt mindestens ein Wurfel seine Zahl, erhalt er den Einsatzzuruck und außerdem fur jeden Wurfel, der diese Zahl zeigt,noch zusatzlich 1 e.Erscheint seine Zahl nicht, verfallt der Einsatz.
I Sei G der Nettogewinn des Spielers. Die Verteilung von Glautet:
−1 1 2 3(56
)33 · 1
6
(56
)23(
16
)2 56
(16
)3
I E (G ) ≈ −0, 08 e. Bei Einsatz e e ist E (G ) ≈ −0, 08e e8 / 66
Faires Spiel Bedingte Wahrscheinlichkeit Schwierigkeiten mit bedingten Wahrscheinlichkeiten
Faire Spiele ohne Einsatz
I Sind in der Grundschule relevant.
I Ein Einsatz wird nicht gezahlt.
I Man betrachtet nur die Gewinnwahrscheinlichkeiten.
I Ein Spiel heißt fair, wenn alle Spieler dieselbeGewinnwahrscheinlichkeit haben.
9 / 66
Faires Spiel Bedingte Wahrscheinlichkeit Schwierigkeiten mit bedingten Wahrscheinlichkeiten
Beispiel
Quelle: Das Zahlenbuch 3, Wittmann/Muller, Ernst Klett Verlag, 2012, S. 25
10 / 66
Faires Spiel Bedingte Wahrscheinlichkeit Schwierigkeiten mit bedingten Wahrscheinlichkeiten
Beispiel
Quelle: Das Zahlenbuch 4, Wittmann/Muller, Ernst Klett Verlag, 2013, S. 14 11 / 66
Faires Spiel Bedingte Wahrscheinlichkeit Schwierigkeiten mit bedingten Wahrscheinlichkeiten
Verstehen des Konzepts
Aspekte der bedingten Wahrscheinlichkeit
I Umbewertung von Chancen angesichts von Informationenuber das Zufallsexperiment
I Konstruktion von Wahrscheinlichkeitsverteilungen(bedingte Wahrscheinlichkeiten sind gegeben, 1. Pfadregel)
I a-posteriori-Wahrscheinlichkeiten(Bayessche Formel)
I Berechnung von Wahrscheinlichkeiten durch Zerlegung derErgebnismenge(Summenregel, Formel fur die totale Wahrscheinlichkeit)
12 / 66
Faires Spiel Bedingte Wahrscheinlichkeit Schwierigkeiten mit bedingten Wahrscheinlichkeiten
Verstehen des Konzepts
Ereignis B ist eingetreten – andert das die Bewertung der Chancenfur das Eintreten des Ereignisses A?
Ja, das Ereignis A bekommt nun (angesichts der Information uberdas Eintreten von B) die Wahrscheinlichkeit P(A|B) = 0.
13 / 66
Faires Spiel Bedingte Wahrscheinlichkeit Schwierigkeiten mit bedingten Wahrscheinlichkeiten
Verstehen des Konzepts
Ereignis B ist eingetreten – andert das die Bewertung der Chancenfur das Eintreten des Ereignisses A?
Ja, die Ereignis A bekommt nun (angesichts der Information uberdas Eintreten von B) die Wahrscheinlichkeit P(A|B) = 1.
14 / 66
Faires Spiel Bedingte Wahrscheinlichkeit Schwierigkeiten mit bedingten Wahrscheinlichkeiten
Verstehen des Konzepts
Ereignis B ist eingetreten – andert das die Bewertung der Chancenfur das Eintreten des Ereignisses A?
Ja, die Ereignis A bekommt nun (angesichts der Information uberdas Eintreten von B) die Wahrscheinlichkeit P(A|B) = ?
15 / 66
Faires Spiel Bedingte Wahrscheinlichkeit Schwierigkeiten mit bedingten Wahrscheinlichkeiten
Verstehen des Konzepts
Spezialfall Laplace-Modell
I Ereignis A: a = |A| gunstige gleichwahrscheinliche Ergebnisse
I Ereignis B: b = |B| gunstige gleichwahrscheinliche Ergebnisse
I Ereignis A ∩ B: c = |A ∩ B| gunstige gleichwahrscheinlicheErgebnisse
B ist eingetreten ⇒I b mogliche gleichwahrscheinliche (!) Ergebnisse
I c gunstige gleichwahrscheinliche (!) Ergebnisse
folglich
P(A|B) =c
b=|A ∩ B||B|
=P(A ∩ B)
P(B)
16 / 66
Faires Spiel Bedingte Wahrscheinlichkeit Schwierigkeiten mit bedingten Wahrscheinlichkeiten
Verstehen des Konzepts
Farbenfehlsichtigkeit (= Storung der Farbwahrnehmung) undGeschlechtM – mannlich, W – weiblich, F – farbenfehlsichtig
M W
F 0, 469 0, 488 0, 957
F 0, 041 0, 002 0, 043
0, 51 0, 49 1, 00
Fragen stellen! Z.B. Anteil der Farbenfehlsichtigen unter denMannern bzw. unter den Frauen:
0, 041
0, 51≈ 0, 08 bzw.
0, 002
0, 49≈ 0, 004
17 / 66
Faires Spiel Bedingte Wahrscheinlichkeit Schwierigkeiten mit bedingten Wahrscheinlichkeiten
Definition und Multiplikationsformel
Vorbereitung durch Vierfeldertafel gunstig
A A
B P(A ∩ B) P(A ∩ B) P(B)
B P(A ∩ B) P(A ∩ B) P(B)
P(A) P(A) 1
DefinitionFur Ereignisse A und B mit P(B) > 0 heißt
P(A|B) :=P(A ∩ B)
P(B).
die bedingte Wahrscheinlichkeit von A unter der Bedingung B.18 / 66
Faires Spiel Bedingte Wahrscheinlichkeit Schwierigkeiten mit bedingten Wahrscheinlichkeiten
Definition und Multiplikationsformel
SatzSei B ∈ F und P(B) > 0. Die bedingte Wahrscheinlichkeit P(·|B)ist eine Wahrscheinlichkeitsverteilung auf F .
Beweis.
1. P(A|B) = P(A∩B)P(B) ≥ 0.
2. P(Ω|B) = P(Ω∩B)P(B) = P(B)
P(B) = 1.
3. Wir zeigen nur die Additivitat: Seien A1 und A2 unvereinbar:
P(A1 ∪ A2|B) = P((A1∪A2)∩B)P(B)
= P((A1∩B)∪(A2∩B))P(B)
= P(A1∩B)P(B) + P(A2∩B)
P(B)
= P(A1|B) + P(A2|B)
19 / 66
Faires Spiel Bedingte Wahrscheinlichkeit Schwierigkeiten mit bedingten Wahrscheinlichkeiten
Definition und Multiplikationsformel
Unmittelbar aus der Definition folgt durch Multiplikation mit P(B)
SatzFur Ereignisse A und B mit P(B) > 0 gilt
P(A ∩ B) = P(B) · P(A|B) (Multiplikationsformel).
Durch vollstandige Induktion beweist man
SatzFur n Ereignisse A1,A2, . . .An mit P(A1 ∩A2 ∩ . . .∩An−1) > 0 gilt
P(A1 ∩ A2 ∩ . . . ∩ An)
= P(A1) · P(A2|A1) · P(A3|A1 ∩ A2) · . . . · P(An|A1 ∩ A2 ∩ . . . ∩ An−1)
(allgemeine Multiplikationsformel).
20 / 66
Faires Spiel Bedingte Wahrscheinlichkeit Schwierigkeiten mit bedingten Wahrscheinlichkeiten
Anwenden des Konzepts – Beispiele
Umbewertung von ChancenI Beispiel Mini-Lotto 3 aus 20:
I Wie groß ist die Wahrscheinlichkeit, dass die dritte gezogeneZahl richtig ist? Antwort: 3
20I Wie groß ist die Wahrscheinlichkeit, dass die dritte gezogene
Zahl richtig ist, wenn die erste und zweite keine richtigen furmich waren?
I Modell: Ω = (z1, z2, z3) : zk ∈ 1, 2, . . . , 20, zi 6= zj|Ω| = 20 · 19 · 18, Annahme: alle gleichwahrscheinlich
Ri – i-te Zahl ist richtig, i = 1, 2, 3.
P(R3|R1 ∩ R2) =P(R3 ∩ R1 ∩ R2)
P(R1 ∩ R2)=
17·16·320·19·1817·16·1820·19·18
=3
18
I im Einklang mit unserer intuitiven FestlegungI Multiplikationsformel sichert Pfadregel theoretisch ab.
21 / 66
Faires Spiel Bedingte Wahrscheinlichkeit Schwierigkeiten mit bedingten Wahrscheinlichkeiten
Anwenden des Konzepts – Beispiele
I Beispiel Skatspiel:I Mit welcher Wahrscheinlichkeit sind zwei Buben im Skat
(Ereignis A)?
Antwort: P(A) =(4
2)(32
2 )≈ 0, 012
I Mit welcher Wahrscheinlichkeit sind zwei Buben im Skat, wennich k Buben bekommen habe (Ereignis Bk)?
Antwort: P(A|B3) = P(A|B4) = 0 und
P(A|B0) =P(A ∩ B0)
P(B0)=
(2810)·(
42)
(3210)·(
222 )
(2810)·(
222 )
(3210)·(
222 )
=
(2810
)·(
42
)(2810
)·(
222
) ≈ 0, 026 > 0, 012
Die Wahrscheinlichkeit hat sich etwa verdoppelt.
22 / 66
Faires Spiel Bedingte Wahrscheinlichkeit Schwierigkeiten mit bedingten Wahrscheinlichkeiten
Anwenden des Konzepts – Beispiele
I Beispiel Lebensversicherung:
23 / 66
Faires Spiel Bedingte Wahrscheinlichkeit Schwierigkeiten mit bedingten Wahrscheinlichkeiten
Anwenden des Konzepts – Beispiele
I Wie groß ist die Wahrscheinlichkeit, dass ein weiblichesNeugeborenes mindestens 80 Jahre alt wird?
Sei X das zufallige kunftige Lebensalter eines weiblichenNeugeborenen.
P(X ≥ 80) =71 167
100 000≈ 0, 712
24 / 66
Faires Spiel Bedingte Wahrscheinlichkeit Schwierigkeiten mit bedingten Wahrscheinlichkeiten
Anwenden des Konzepts – Beispiele
I Wie groß ist die Wahrscheinlichkeit, dass eine 20jahrige Fraumindestens 80 Jahre alt wird?
P(X ≥ 80|X ≥ 20) =P(X ≥ 80 ∩ X ≥ 20)
P(X ≥ 20)=
P(X ≥ 80)
P(X ≥ 20)
P(X ≥ 80|X ≥ 20) =71 167
99 488≈ 0, 715 > 0, 712
Arbeit mit Sterbetafeln (2013/15) des Stat. BundesamtesNettopramie einer Lebensversicherung 25 / 66
Faires Spiel Bedingte Wahrscheinlichkeit Schwierigkeiten mit bedingten Wahrscheinlichkeiten
Anwenden des Konzepts – Beispiele
I Beispiel Munzwurf:I Bei 10 Munzwurfen mit einer guten Munze ist 10 mal Wappen
gefallen. Mit welcherWahrscheinlichkeit bringt der elfte Wurf Zahl?
I Antwort: 12
I Unabhangigkeit, hier Gedachtnislosigkeit der Munze
26 / 66
Faires Spiel Bedingte Wahrscheinlichkeit Schwierigkeiten mit bedingten Wahrscheinlichkeiten
Anwenden des Konzepts – Beispiele
a priori – von vornherein und a posteriori – nachtraglich
I Beispiel SpamI
”Till will Werbemull (Spam) von seinem E-Mail-Konto
aussperren. Er installiert den von einer Computerzeitschriftermittelten Testsieger, der 95% aller Werbemails ausfiltert.Leider sortiert das Programm auch 1% aller privaten E-Mailsund von Till bestellten Infobriefe als Spam aus. Beurteile dieQualitat des Spamfilters. Wurdest Du ihn benutzen?“Quelle: H. Wirths in: Stochastik in der Schule 25(2005)Heft 2
I Problem: Informationen aus dem Aufgabentext verarbeiten:
Spam – S , kein Spam – S
wird aussortiert – A, wird nicht aussortiert – A
P(A|S) = 0, 95,P(A|S) = 0, 01
I Annahme: P(S) = 0, 9
27 / 66
Faires Spiel Bedingte Wahrscheinlichkeit Schwierigkeiten mit bedingten Wahrscheinlichkeiten
Anwenden des Konzepts – Beispiele
Mogliche Fragen:
1. Mit welcher Wahrscheinlichkeit ist eine aussortierte E-Mailkein Spam? Falsch schlechte Mails.
2. Mit welcher Wahrscheinlichkeit ist eine nicht aussortierteE-Mail Spam? Falsch gute Mails.
Mit Haufigkeitsinterpretation:Es wurden viele E-Mails beobachtet:
1. Ungefahr welcher Anteil der aussortierten E-Mails ist keinSpam? Falsch schlechte E-Mails.
2. Wie groß ist ungefahr der Anteil der Spam-Mails an den nichtaussortierten E-Mails? Falsch gute E-Mails.
28 / 66
Faires Spiel Bedingte Wahrscheinlichkeit Schwierigkeiten mit bedingten Wahrscheinlichkeiten
Anwenden des Konzepts – Beispiele
I a priori: P(S) = 0, 90
I a posteriori: P(S |A) =?
P(A) = P(A ∩ S) + P(A ∩ S) (Additivitat)
= P(S) · P(A|S) + P(S) · P(A|S) (Multiplikationsformel)
= 0, 90 · 0, 05 + 0, 10 · 0, 99 = 0, 144 (P(A|S) = 1− P(A|S))
P(S |A) =P(S ∩ A)
P(A)
=P(A|S) · P(S)
P(A)(Multiplikationsformel)
=0, 05 · 0, 90
0, 144
= 0, 3125
Rund 31% der nicht aussortierten E-Mails sind Spam.29 / 66
Faires Spiel Bedingte Wahrscheinlichkeit Schwierigkeiten mit bedingten Wahrscheinlichkeiten
Anwenden des Konzepts – Beispiele
Vierfeldertafel
aussortiert nichtaussortiert
Spam 0, 90 · 0, 95 = 0, 855 0, 90 · 0, 05 = 0, 045 0, 90
kein Spam 0, 10 · 0, 01 = 0, 001 0, 10 · 0, 99 = 0, 099 0, 10
0, 856 0, 144 1
1. Mit Wahrscheinlichkeit 0,0010,856 = 0, 001 ist eine aussortierte
E-Mail kein Spam.
2. Mit Wahrscheinlichkeit 0,0450,144 = 0, 313 ist eine nicht
aussortierte E-Mail Spam.
Anworten auf die Ausgangsfragen?
30 / 66
Faires Spiel Bedingte Wahrscheinlichkeit Schwierigkeiten mit bedingten Wahrscheinlichkeiten
Anwenden des Konzepts – Beispiele
Verwunderung meist bei 2. – So groß?
Vorschlag: absolute Haufigkeiten
Schicken 1000 E-Mails ab: Davon sind etwa 900 Spam-Mails. Vondenen sortiert der Spam-Filter etwa 855 aus, . . .
P(S |A) ≈ 45144 ≈ 0, 31
31 / 66