Einführung in Quantitative Methoden

Transcription

Einführung in Quantitative Methoden
Weitere Korrelationsmaße
Inferenzstatistik - Einführung
Statistische Wahrscheinlichkeit
Axiome und Regeln der Wahrscheinlichkeitsrechnung
5. Vorlesung
Einführung in Quantitative Methoden
Karin Waldherr & Pantelis Christodoulides
30. April 2014
Waldherr / Christodoulides
Einführung in Quantitative Methoden- 5.VO
1/54
Weitere Korrelationsmaße
Inferenzstatistik - Einführung
Statistische Wahrscheinlichkeit
Axiome und Regeln der Wahrscheinlichkeitsrechnung
Zusammenhangsmaß für rangskalierte Variablen
Rangkorrelation nach Spearman
I
Zumindest eine der Variablen ordinalskaliert
I
Produkt-Moment-Korrelation zwischen Rangplätzen R(xi ) und
R(yi )
Berechnung:
I
I
I
Falls nicht bereits Rangplätze angegeben, den Ausprägungen
der Beobachtungspaare Rangzahlen zuordnen: der kleinste
Wert erhält Rangplatz 1, usw., getrennt für X und Y
Tritt eine Ausprägung xj0 mehrmals auf (Bindung), erhalten
alle Personen mit dem entsprechenden Messwert als Rangplatz
das arithmetische Mittel der zu vergebenden Rangplätze
Beispiel:
geordnete Urliste: 10, 12, 12, 13, 15
Rangplätze: 1, 2.5, 2.5, 4, 5
Waldherr / Christodoulides
Einführung in Quantitative Methoden- 5.VO
2/54
Weitere Korrelationsmaße
Inferenzstatistik - Einführung
Statistische Wahrscheinlichkeit
Axiome und Regeln der Wahrscheinlichkeitsrechnung
I
Zusammenhangsmaß für rangskalierte Variablen
Vereinfachte Berechnungsformel:
rsp
P
6 ni= 1 di2
=1−
n(n2 − 1)
mit di = R(xi ) − R(yi )
I
Kontrolle der Rangplatzvergabe:
n
X
R(xi ) =
i=1
n(n + 1)
2
bzw.
n
X
R(yi ) =
i=1
n
X
n(n + 1)
2
di = 0
i=1
I
−1 ≤ rsp ≤ 1
Waldherr / Christodoulides
Einführung in Quantitative Methoden- 5.VO
3/54
Weitere Korrelationsmaße
Inferenzstatistik - Einführung
Statistische Wahrscheinlichkeit
Axiome und Regeln der Wahrscheinlichkeitsrechnung
Zusammenhangsmaß für rangskalierte Variablen
Beispiel für Rangkorrelation nach Spearman
Gibt es einen Zusammenhang zwischen den Bewertungen des
Preis-Leistungs-Verhältnisses von 15 Produkten durch NutzerInnen
und eine Expertin?
I
durchschnittliche Bewertung von NutzerInnen auf einer Skala
mit Minimum 1 und Maximum 5 (1 = sehr schlecht, 5 = sehr
gut) und
I
Expertin (Rangreihung; 1=schlechtestes
Preis-Leistungs-Verhältnis)
Waldherr / Christodoulides
Einführung in Quantitative Methoden- 5.VO
4/54
Weitere Korrelationsmaße
Inferenzstatistik - Einführung
Statistische Wahrscheinlichkeit
Axiome und Regeln der Wahrscheinlichkeitsrechnung
Zusammenhangsmaß für rangskalierte Variablen
Beispiel für Rangkorrelation nach Spearman
X = durchschnittliche Bewertung von NutzerInnen, Y = Expertin
Waldherr / Christodoulides
Einführung in Quantitative Methoden- 5.VO
5/54
Weitere Korrelationsmaße
Inferenzstatistik - Einführung
Statistische Wahrscheinlichkeit
Axiome und Regeln der Wahrscheinlichkeitsrechnung
Zusammenhangsmaß für rangskalierte Variablen
Punkt-biseriale Korrelation für Zusammenhang einer
dichotomen mit einer metrischen Variable
I
Abgeleitet aus Produkt-Moment-Korrelation
r
x̄1 − x̄0
n1 n0
rpb =
sx
n(n − 1)
I
Berechnung in SPSS mittels Produkt-Moment-Korrelation
Waldherr / Christodoulides
Einführung in Quantitative Methoden- 5.VO
6/54
Weitere Korrelationsmaße
Inferenzstatistik - Einführung
Statistische Wahrscheinlichkeit
Axiome und Regeln der Wahrscheinlichkeitsrechnung
Zusammenhangsmaß für rangskalierte Variablen
Beispiel
ALLBUS (2006): Zufallsstichprobe n = 22, Zusammenhang
zwischen Geschlecht und Alter der Befragten; 1 = Mann, 0 = Frau
Person
1
2
3
4
5
6
7
8
9
10
11
Geschlecht
1
0
0
1
1
0
1
0
1
0
1
Waldherr / Christodoulides
Alter
58
45
54
79
46
34
76
63
49
55
32
Person
12
13
14
15
16
17
18
19
20
21
22
Geschlecht
0
0
1
0
0
1
0
1
0
1
0
Einführung in Quantitative Methoden- 5.VO
Alter
68
64
45
63
20
37
20
52
50
44
57
7/54
Weitere Korrelationsmaße
Inferenzstatistik - Einführung
Statistische Wahrscheinlichkeit
Axiome und Regeln der Wahrscheinlichkeitsrechnung
n1
X
Zusammenhangsmaß für rangskalierte Variablen
xi = 518,
n1 = 10,
x̄1 = 51.80
xi = 593,
n0 = 12,
x̄0 = 49.42
i=1
n0
X
i=1
N
X
xi = 1111,
i=1
N
X
xi2 = 61285,
sX = 15.70
i=1
51.8 − 49.42 √
0.26 = 0.077
15.7
⇒ kein Zusammenhang zwischen Geschlecht und Alter
rpb =
Waldherr / Christodoulides
Einführung in Quantitative Methoden- 5.VO
8/54
Weitere Korrelationsmaße
Inferenzstatistik - Einführung
Statistische Wahrscheinlichkeit
Axiome und Regeln der Wahrscheinlichkeitsrechnung
Zusammenhangsmaß für rangskalierte Variablen
Zusammenhangsmaß für zwei dichotome Variablen Vierfelderkorrelation
I
I
Zwei dichotome Variablen (z.B. richtig/falsch, ja/nein,
Geschlecht, etc.)
Vierfeldertafel
Y
+
X
+
−
f++
f−+
f.+
−
f+−
f−−
f.−
f+.
f−.
f..
Y
X
Waldherr / Christodoulides
+
−
+
a
c
a+c
−
b
d
b+d
a+b
c +d
n
Einführung in Quantitative Methoden- 5.VO
9/54
Weitere Korrelationsmaße
Inferenzstatistik - Einführung
Statistische Wahrscheinlichkeit
Axiome und Regeln der Wahrscheinlichkeitsrechnung
Zusammenhangsmaß für rangskalierte Variablen
Vierfelderkorrelation
Y
X
+
−
+
a
c
a+c
−
b
d
b+d
a+b
c +d
n
Bei zwei dichotomen Variablen ergibt sich als Spezialfall der
Produkt-Moment-Korrelation der Phi-Koeffizient:
ad − bc
rφ = p
(a + b)(a + c)(b + d)(c + d)
Vorzeichen von rφ ist abhängig vom Vorzeichen der Determinante
ad − bc (positives Vorzeichen bei Überwiegen der Kombinationen
++ und −−, negatives Vorzeichen bei Überwiegen von +- und -+)
Waldherr / Christodoulides
Einführung in Quantitative Methoden- 5.VO
10/54
Weitere Korrelationsmaße
Inferenzstatistik - Einführung
Statistische Wahrscheinlichkeit
Axiome und Regeln der Wahrscheinlichkeitsrechnung
Zusammenhangsmaß für rangskalierte Variablen
Beispiel
Zusammenhang zwischen zwei Fragen in einem Test, die mit
richtig (+) und falsch (−) bewertet werden. 1121 Personen haben
an dem Test teilgenommen, 542 Personen haben Frage 1 richtig
beantwortet, 860 Personen haben Frage 2 richtig beantwortet und
446 Personen haben beide Fragen richtig beantwortet,
Frage 1
+
−
Frage
+
446
414
860
2
−
96
165
261
542
579
1121
446 ∗ 165 − 414 ∗ 96
33846
rφ = √
=
= 0.13
265404.57
542 ∗ 579 ∗ 860 ∗ 261
nur sehr geringer positiver Zusammenhang zwischen den zwei
Fragen
Waldherr / Christodoulides
Einführung in Quantitative Methoden- 5.VO
11/54
Weitere Korrelationsmaße
Inferenzstatistik - Einführung
Statistische Wahrscheinlichkeit
Axiome und Regeln der Wahrscheinlichkeitsrechnung
Zusammenhangsmaß für rangskalierte Variablen
Kontingenztafel - Zusammenhangsmaß Chi-Quadrat (χ2 )
I
Zusammenhang zweier nominalskalierter Variablen
I
vergleicht beobachtete Häufigkeiten, fjl , mit den unter
empirischer Unabhängigkeit erwarteten Häufigkeiten, ejl
k X
m
X
(fjl − ejl )2
ejl
χ2 =
j=1 l=1
mit
ejl =
Waldherr / Christodoulides
fj. f.l
,
n
fj. , f.l > 0
Einführung in Quantitative Methoden- 5.VO
12/54
Weitere Korrelationsmaße
Inferenzstatistik - Einführung
Statistische Wahrscheinlichkeit
Axiome und Regeln der Wahrscheinlichkeitsrechnung
Zusammenhangsmaß für rangskalierte Variablen
Eigenschaften von χ2
I
Quadratisches Maß analog zu Varianz daher stets χ2 ≥ 0
I
Kann nur mit absoluten Häufigkeiten ermittelt werden!
I
χ2 = 0 X und Y empirisch unabhängig
I
Maximaler Wert bei vollständiger Abhängigkeit
χ2 ≤ n min{k − 1, m − 1}
I
mit k = Zahl der Zeilen, m = Zahl der Spalten; ’min’
bedeutet, die kleinere der beiden Zahlen ⇒ χ2 abhängig vom
Stichprobenumfang n und daher nach oben unbeschränkt
Waldherr / Christodoulides
Einführung in Quantitative Methoden- 5.VO
13/54
Weitere Korrelationsmaße
Inferenzstatistik - Einführung
Statistische Wahrscheinlichkeit
Axiome und Regeln der Wahrscheinlichkeitsrechnung
Zusammenhangsmaß für rangskalierte Variablen
Kontingenzkoeffizient nach Pearson
I
s
C=
I
χ2
n + χ2
Untere und obere Schranke:
s
min{k − 1, m − 1}
0≤C ≤
<1
min{k, m}
mit k = Zahl d. Zeilen, m = Zahl d. Spalten
I
⇒ Wertebereich abhängig von Dimension der betrachteten
Kontingenztafel
Waldherr / Christodoulides
Einführung in Quantitative Methoden- 5.VO
14/54
Weitere Korrelationsmaße
Inferenzstatistik - Einführung
Statistische Wahrscheinlichkeit
Axiome und Regeln der Wahrscheinlichkeitsrechnung
Zusammenhangsmaß für rangskalierte Variablen
Korrigierter Kontingenzkoeffizient
s
Ck = C
min{k, m}
min{k, m} − 1
0 ≤ Ck ≤ 1
Waldherr / Christodoulides
Einführung in Quantitative Methoden- 5.VO
15/54
Weitere Korrelationsmaße
Inferenzstatistik - Einführung
Statistische Wahrscheinlichkeit
Axiome und Regeln der Wahrscheinlichkeitsrechnung
Zusammenhangsmaß für rangskalierte Variablen
Beispiel Kontingenzkoeffizient
Zusammenhang zwischen Wohngebiet (Ost- vs. Westdeutschland)
und Konfession
Erhebungsgebiet
Ostd.
fjl
ejl
Westd.
fjl
ejl
Gesamt
Waldherr / Christodoulides
Evang.
905
798
284
391
1189
Konfession
Röm.- andere
Kath. andere
838
165
593
127
45
25
290
63
883
190
keine
377
767
765
375
1142
Einführung in Quantitative Methoden- 5.VO
Gesamt
2285
1119
3404
16/54
Weitere Korrelationsmaße
Inferenzstatistik - Einführung
Statistische Wahrscheinlichkeit
Axiome und Regeln der Wahrscheinlichkeitsrechnung
χ2 =
Zusammenhangsmaß für rangskalierte Variablen
(905 − 798)2 (838 − 593)2
(765 − 375)2
+
+...+
= 990.03
798
593
375
(Max. möglich: 3404 x 1)
r
C=
(Max. möglich:
q
1
2
990.03
= 0.47
4394.04
= 0.707)
r
Ck = 0.47
Waldherr / Christodoulides
2
= 0.66
1
Einführung in Quantitative Methoden- 5.VO
17/54
Weitere Korrelationsmaße
Inferenzstatistik - Einführung
Statistische Wahrscheinlichkeit
Axiome und Regeln der Wahrscheinlichkeitsrechnung
Zufallsexperiment und Ereignisraum
Inferenzstatistik
I
Schluss von Zufallsstichprobe auf Population
I
Grundlage: Wahrscheinlichkeitsrechnung
I
Zentral: Zufallsprozesse (Ausgang unsicher, nicht mit
Sicherheit vorhersagbar)
Waldherr / Christodoulides
Einführung in Quantitative Methoden- 5.VO
18/54
Weitere Korrelationsmaße
Inferenzstatistik - Einführung
Statistische Wahrscheinlichkeit
Axiome und Regeln der Wahrscheinlichkeitsrechnung
Zufallsexperiment und Ereignisraum
Stochastik
I
die Kunst des Vermutens (altgriechisch)
I
Statistischer Wahrscheinlichkeitsbegriff geht zurück auf 17.
Jahrhundert (Frankreich): Wirksamkeit von ’Zufallsgesetzen’
bei Glücksspielen.
I
Mathematik setzt Vorstellung von Zufall voraus (= Modelle
von Situationen, deren Ausgang unsicher ist).
I
Keine Einzelereignisse vorhersagbar, aber:
I
Erkennen von Regelmäßigkeiten bei Vorgängen, deren
Ergebnisse vom Zufall abhängen.
I
Zentraler Begriff: Zufallsexperiment
Waldherr / Christodoulides
Einführung in Quantitative Methoden- 5.VO
19/54
Weitere Korrelationsmaße
Inferenzstatistik - Einführung
Statistische Wahrscheinlichkeit
Axiome und Regeln der Wahrscheinlichkeitsrechnung
Zufallsexperiment und Ereignisraum
Zufallsexperiment
I
(Im Prinzip) Beliebig oft wiederholbarer Vorgang, der nach
bestimmter Vorschrift ausgeführt wird, wobei das Ergebnis
vom Zufall abhängt, d.h. der Ausgang kann nicht eindeutig
im voraus bestimmt werden.
I
Folge von gleichartigen, voneinander unabhängigen Versuchen
möglich.
I
Entweder Folge voneinander unabhängiger Versuche mit
einem Objekt oder jeweils einmaliger Versuche mit
”gleichartigen” (unabhängigen) Objekten.
I
Beispiel 1: Ein Würfel wird wiederholte Male geworfen und es
wird beobachtet, wie oft jede Zahl kommt.
I
Beispiel 2: Parteipräferenz bei weiblichen Jugendlichen
zwischen 16 und 18 Jahren.
Waldherr / Christodoulides
Einführung in Quantitative Methoden- 5.VO
20/54
Weitere Korrelationsmaße
Inferenzstatistik - Einführung
Statistische Wahrscheinlichkeit
Axiome und Regeln der Wahrscheinlichkeitsrechnung
Zufallsexperiment und Ereignisraum
I
Die Menge aller möglichen Ergebnisse eines
Zufallsexperimentes bezeichnet man als Ergebnisraum Ω.
I
Die Teilmengen, die nur ein Ergebnis eines
Zufallsexperimentes enthalten, heißen Elementarereignisse ω
I
Beispiel: ’Einmaliges Würfeln’: Elementarereignisse sind {1},
{2}, {3}, {4}, {5}, {6}. Ergebnisraum Ω = {1, 2, 3, 4, 5, 6}.
I
Ereignis A: Zusammengefasste Ergebnisse, z.B. alle geraden
Augenzahlen beim Würfeln. A ⊂ Ω
Waldherr / Christodoulides
Einführung in Quantitative Methoden- 5.VO
21/54
Weitere Korrelationsmaße
Inferenzstatistik - Einführung
Statistische Wahrscheinlichkeit
Axiome und Regeln der Wahrscheinlichkeitsrechnung
Zufallsexperiment und Ereignisraum
Sicheres Ereignis und Unmögliches Ereignis
I
Sicheres Ereignis: Jenes Ereignis, welches unter gegebenen
Bedingungen immer eintritt.
I
Unmögliches Ereignis: Jenes Ereignis, welches unter
gegebenen Bedingungen nie eintritt.
Waldherr / Christodoulides
Einführung in Quantitative Methoden- 5.VO
22/54
Weitere Korrelationsmaße
Inferenzstatistik - Einführung
Statistische Wahrscheinlichkeit
Axiome und Regeln der Wahrscheinlichkeitsrechnung
Zufallsexperiment und Ereignisraum
Einander ausschließende Ereignisse
Zwei Ereignisse A und B heißen einander ausschließend, wenn sie
niemals gemeinsam auftreten.
Waldherr / Christodoulides
Einführung in Quantitative Methoden- 5.VO
23/54
Weitere Korrelationsmaße
Inferenzstatistik - Einführung
Statistische Wahrscheinlichkeit
Axiome und Regeln der Wahrscheinlichkeitsrechnung
Zufallsexperiment und Ereignisraum
Zusammengesetzte Ereignisse A ∧ B (Durchschnitt - ’und’)
Unter dem Ereignis A ∧ B versteht man jene Ergebnisse, die sowohl
zu A als auch zu B gehören (d.h. sowohl A als auch B treten ein).
Waldherr / Christodoulides
Einführung in Quantitative Methoden- 5.VO
24/54
Weitere Korrelationsmaße
Inferenzstatistik - Einführung
Statistische Wahrscheinlichkeit
Axiome und Regeln der Wahrscheinlichkeitsrechnung
Zufallsexperiment und Ereignisraum
Zusammengesetzte Ereignisse A ∨ B (Vereinigung - ’oder’)
Unter dem Ereignis A ∨ B versteht man jene Ergebnisse, die
entweder zu A, oder zu B, oder zu beiden gehören (d.h.
mindestens eines der Ereignisse A oder B tritt ein).
Waldherr / Christodoulides
Einführung in Quantitative Methoden- 5.VO
25/54
Weitere Korrelationsmaße
Inferenzstatistik - Einführung
Statistische Wahrscheinlichkeit
Axiome und Regeln der Wahrscheinlichkeitsrechnung
Zufallsexperiment und Ereignisraum
A ohne B, A\B
Unter dem Ereignis A\B versteht man jene Ergebnisse, die zu A
gehören, aber nicht gleichzeitig zu B.
Waldherr / Christodoulides
Einführung in Quantitative Methoden- 5.VO
26/54
Weitere Korrelationsmaße
Inferenzstatistik - Einführung
Statistische Wahrscheinlichkeit
Axiome und Regeln der Wahrscheinlichkeitsrechnung
Zufallsexperiment und Ereignisraum
Komplementäres Ereignis
Komplementärereignis A: Jenes Ereignis, welches genau dann
eintritt, wenn A nicht eintritt (Ω\A).
Waldherr / Christodoulides
Einführung in Quantitative Methoden- 5.VO
27/54
Weitere Korrelationsmaße
Inferenzstatistik - Einführung
Statistische Wahrscheinlichkeit
Axiome und Regeln der Wahrscheinlichkeitsrechnung
Zufallsexperiment und Ereignisraum
Komplementärereignis zu A ∧ B (A ∧ B)
Unter dem komplementären Ereignis A ∧ B versteht man jene
Ergebnisse, die nicht zu A ∧ B gehören.
Waldherr / Christodoulides
Einführung in Quantitative Methoden- 5.VO
28/54
Weitere Korrelationsmaße
Inferenzstatistik - Einführung
Statistische Wahrscheinlichkeit
Axiome und Regeln der Wahrscheinlichkeitsrechnung
Kombinatorik
Statistische Wahrscheinlichkeit
I
Hinderer (1980): ’Statistischer Wahrscheinlichkeitsbegriff
dient der Beschreibung von beobachteten Häufigkeiten bei
beliebig oft wiederholbaren Vorgängen, deren Ausgang nicht
vorhersehbar ist.’
I
Würde man (theoretisch) unendlich oft eine faire Münze
werfen, könnte man beobachten, dass sich mit wachsender
Anzahl n der Münzwürfe die relativen Häufigkeiten der beiden
Elementarereignisse {Kopf} und {Zahl} stabilisieren, und zwar
bei 0.5. D.h. die relativen Häufigkeiten streben einem
Grenzwert zu = empirisches Gesetz der großen Zahlen.
Waldherr / Christodoulides
Einführung in Quantitative Methoden- 5.VO
29/54
Weitere Korrelationsmaße
Inferenzstatistik - Einführung
Statistische Wahrscheinlichkeit
Axiome und Regeln der Wahrscheinlichkeitsrechnung
Kombinatorik
Definition der statistischen Wahrscheinlichkeit
Die Wahrscheinlichkeit für das Auftreten eines Ereignisses A, P(A),
ist jener Wert, bei dem sich die relative Häufigkeit rn (A) bei
n → ∞ Versuchen unter gleichen Bedingungen stabilisiert.
P(A) = lim rn (A)
n→∞
Waldherr / Christodoulides
Einführung in Quantitative Methoden- 5.VO
30/54
Weitere Korrelationsmaße
Inferenzstatistik - Einführung
Statistische Wahrscheinlichkeit
Axiome und Regeln der Wahrscheinlichkeitsrechnung
Kombinatorik
Laplace-Wahrscheinlichkeit
I
Zufallsexperimente mit endlich vielen Ergebnissen
I
alle Elementarereignisse gleich wahrscheinlich
I
Wahrscheinlichkeit für ein beliebiges Ereignis A
P(A) =
I
Anzahl der für A ’günstigen’ Ergebnisse
Anzahl aller möglichen Ergebnisse
Beispiele: P(K ) bei Münzwürfen =
P(1) beim Würfeln =
Waldherr / Christodoulides
1
6
1
2
= limn→∞ rn (K )
= limn→∞ rn (1)
Einführung in Quantitative Methoden- 5.VO
31/54
Weitere Korrelationsmaße
Inferenzstatistik - Einführung
Statistische Wahrscheinlichkeit
Axiome und Regeln der Wahrscheinlichkeitsrechnung
Kombinatorik
Beispiele
I
Wie groß ist die Wahrscheinlichkeit bei Lotto 6 aus 45 sechs
Richtige zu haben?
I
In der Sendung ’Millionenshow’ müssen zu Beginn 10
TeilnehmerInnen eine Auswahlfrage beantworten, bei der
jeweils 4 Objekte den Buchstaben A bis D zuzuordnen sind.
Sei die Frage z.B. ’Ordnen Sie folgende Seen nach ihrer
Größe, beginnend beim kleinsten: 1) Titicacasee, 2)
Chiemsee, 3) Michigansee, 4) Bodensee. Wie groß ist die
Wahrscheinlichkeit durch reines Raten die richtige Reihenfolge
zu finden?
Waldherr / Christodoulides
Einführung in Quantitative Methoden- 5.VO
32/54
Weitere Korrelationsmaße
Inferenzstatistik - Einführung
Statistische Wahrscheinlichkeit
Axiome und Regeln der Wahrscheinlichkeitsrechnung
Kombinatorik
Kombinatorik
I
Grundlage für Wahrscheinlichkeitsrechnung
I
Rechenregeln zur Berechnung von:
I
In wie vielen unterschiedlichen Reihenfolgen können n
Elemente angeordnet werden? = Permutationen
Wieviele Möglichkeiten gibt es, aus n Elementen eine
Teilmenge von k Elementen auszuwählen? = Kombinationen
I
1. mit oder ohne Wiederholung (= mit oder ohne Zurücklegen)
2. mit oder ohne Berücksichtigung der Reihenfolge
Waldherr / Christodoulides
Einführung in Quantitative Methoden- 5.VO
33/54
Weitere Korrelationsmaße
Inferenzstatistik - Einführung
Statistische Wahrscheinlichkeit
Axiome und Regeln der Wahrscheinlichkeitsrechnung
Kombinatorik
Permutationen ohne Wiederholung
Permutation = jede Anordnung einer endlichen Anzahl von
Elementen, bei der alle Elemente verwendet werden
Beispiel: 3 verschiedene Geschenke sollen auf 3 Kinder aufgeteilt
werden
1. Geschenk: 3 Möglichkeiten (allgemein:n) →
2. Geschenk: 2 Möglichkeiten (allgemein: n − 1) →
3. Geschenk: 1 Möglichkeit
⇒ allgemein: n(n − 1)(n − 2) . . . 1 = n! Möglichkeiten
Anmerkung: n! = n Fakultät = 1 · 2 · . . . · n (z.B.
4! = 1 · 2 · 3 · 4 = 24); 0! = 1
Waldherr / Christodoulides
Einführung in Quantitative Methoden- 5.VO
34/54
Weitere Korrelationsmaße
Inferenzstatistik - Einführung
Statistische Wahrscheinlichkeit
Axiome und Regeln der Wahrscheinlichkeitsrechnung
Kombinatorik
Permutationen mit Wiederholung
Wie viele Möglichkeiten gibt es, n Elemente, die sich in m
verschiedene Typen (Klassen) mit je k Elementen unterscheiden
lassen, anzuordnen? Z.B. n = 4 Geschenke, m = 2 Klassen,
k1 = 2, k2 = 2, (d.h. je 2 Geschenke sind gleich)
n Elemente → n! verschiedene Anordnungsmöglichkeiten
m verschiedene Klassen mit k1 , k2 . . . , km nicht unterscheidbaren
Elementen
k1 !k2 ! . . . km ! Anordnungsmöglichkeiten nicht unterscheidbar
⇒
n!
k1 !k2 ! . . . km !
Waldherr / Christodoulides
verschiedene Anordnungsmöglichkeiten
Einführung in Quantitative Methoden- 5.VO
35/54
Weitere Korrelationsmaße
Inferenzstatistik - Einführung
Statistische Wahrscheinlichkeit
Axiome und Regeln der Wahrscheinlichkeitsrechnung
Kombinatorik
Spezialfall m = 2 Klassen
I
Hier gilt:
n!
=:
k!(n − k)!
I
I
n
k
= Binomialkoeffizient,
n
k
n≥k
Beispiel: 2 blaue Luftballons, 2 rote Luftballons
4
4·3·2·1
4!
=
=6
=
2
2!2!
(2 · 1)(2 · 1)
Waldherr / Christodoulides
Einführung in Quantitative Methoden- 5.VO
36/54
Weitere Korrelationsmaße
Inferenzstatistik - Einführung
Statistische Wahrscheinlichkeit
Axiome und Regeln der Wahrscheinlichkeitsrechnung
Kombinatorik
Rechenregeln für Binomialkoeffizienten
Es gilt:
n
n!
n
=
=
n−k
(n − k)!k!
k
n
n!
n
=
=
=1
0
0!n!
n
n
n
n!
n(n − 1)(n − 2) . . . 1
=
=
=
=n
1
n−1
1!(n − 1)!
(n − 1)(n − 2) . . . 1
n
n
n!
n(n − 1)(n − 2) . . . 1
n(n − 1)
=
=
=
=
2
n−2
2!(n − 2)!
2(n − 2) . . . 1
2
Waldherr / Christodoulides
Einführung in Quantitative Methoden- 5.VO
37/54
Weitere Korrelationsmaße
Inferenzstatistik - Einführung
Statistische Wahrscheinlichkeit
Axiome und Regeln der Wahrscheinlichkeitsrechnung
Kombinatorik
Kombinationen mit Zurücklegen mit Berücksichtigung der
Reihenfolge
k Elemente sollen aus n Elementen ausgewählt werden (k Versuche
oder Ziehungen), wobei sich jedes der n Elemente beliebig oft
wiederholen kann (d.h. zurückgelegt wird).
Beispiel: Ziehen von k = 2 aus n = 3 Kugeln, wobei die gezogene
Kugel wieder zurückgelegt wird
→ nk
Waldherr / Christodoulides
verschiedene Reihenfolgen
Einführung in Quantitative Methoden- 5.VO
38/54
Weitere Korrelationsmaße
Inferenzstatistik - Einführung
Statistische Wahrscheinlichkeit
Axiome und Regeln der Wahrscheinlichkeitsrechnung
Kombinatorik
Beispiel
Ein Zahlencode besteht aus 4 voneinander unabhängigen,
nacheinander einzugebenden Ziffern von 0 bis 9. Wie viele
Möglichkeiten gibt es?
n = 10, k = 4
nk = 104 = 10000
Waldherr / Christodoulides
Einführung in Quantitative Methoden- 5.VO
39/54
Weitere Korrelationsmaße
Inferenzstatistik - Einführung
Statistische Wahrscheinlichkeit
Axiome und Regeln der Wahrscheinlichkeitsrechnung
Kombinatorik
Kombinationen ohne Zurücklegen mit Berücksichtigung
der Reihenfolge
Ziehen von k Elementen aus insgesamt n Elementen, wobei jedes
der n Elemente nur einmal gewählt werden kann (d.h. nicht
zurückgelegt wird)
Beispiel: Ziehen von k = 2 aus n = 4 Kugeln, wobei die gezogene
Kugel nicht wieder zurückgelegt wird
n!
4!
=
= 12
(n − k)!
(4 − 2)!
Waldherr / Christodoulides
Einführung in Quantitative Methoden- 5.VO
40/54
Weitere Korrelationsmaße
Inferenzstatistik - Einführung
Statistische Wahrscheinlichkeit
Axiome und Regeln der Wahrscheinlichkeitsrechnung
Kombinatorik
Beispiel
Bei einem Pferderennen sind 8 Pferde am Start. Wie viele
Möglichkeiten gibt es für die Belegung der ersten drei Plätze?
n = 8, k = 3
n!
8!
=
= 336
(n − k)!
(8 − 3)!
Waldherr / Christodoulides
Möglichkeiten
Einführung in Quantitative Methoden- 5.VO
41/54
Weitere Korrelationsmaße
Inferenzstatistik - Einführung
Statistische Wahrscheinlichkeit
Axiome und Regeln der Wahrscheinlichkeitsrechnung
Kombinatorik
Kombinationen ohne Zurücklegen ohne Berücksichtigung
der Reihenfolge
Wie viele Möglichkeiten gibt es k Elemente aus n Elementen in
beliebiger Reihenfolge auszuwählen, wobei jedes der n Elemente
nur ein Mal gewählt werden kann?
Beispiel: Ziehen von k = 2 aus n = 3 Kugeln, Reihenfolge egal
n
n!
=
k
k!(n − k)!
Waldherr / Christodoulides
Einführung in Quantitative Methoden- 5.VO
42/54
Weitere Korrelationsmaße
Inferenzstatistik - Einführung
Statistische Wahrscheinlichkeit
Axiome und Regeln der Wahrscheinlichkeitsrechnung
Kombinatorik
Beispiel
Lotto 6 aus 45
n = 45, k = 6
n
45
45!
45 · 44 · 43 · 42 · 41 · 40
=
=
=
= 8145060
k
6
6!39!
6·5·4·3·2·1
Waldherr / Christodoulides
Einführung in Quantitative Methoden- 5.VO
43/54
Weitere Korrelationsmaße
Inferenzstatistik - Einführung
Statistische Wahrscheinlichkeit
Axiome und Regeln der Wahrscheinlichkeitsrechnung
Kombinatorik
Kombinationen mit Zurücklegen ohne Berücksichtigung
der Reihenfolge
Aus n Elementen sollen k Elemente in beliebiger Reihenfolge
ausgewählt werden, wobei sich jedes der n Elemente beliebig oft
wiederholen kann.
Beispiel: Ziehen von k = 2 aus n = 3 Kugeln, wobei die gezogene
Kugel jeweils zurückgelegt wird und die Reihenfolge egal ist
n+k −1
(n + k − 1)!
4!
=
=
=6
k
k!(n − 1)!
2!2!
Waldherr / Christodoulides
Einführung in Quantitative Methoden- 5.VO
44/54
Weitere Korrelationsmaße
Inferenzstatistik - Einführung
Statistische Wahrscheinlichkeit
Axiome und Regeln der Wahrscheinlichkeitsrechnung
Kombinatorik
Beispiel
Gummibärchenorakel: Man wählt k = 5 Gummibärchen aus n = 5
Farben. Wieviele verschiedene Farbkombinationen sind möglich?
n+k −1
5+5−1
9
9!
=
=
=
= 126
k
5
5
5!4!
Waldherr / Christodoulides
Einführung in Quantitative Methoden- 5.VO
45/54
Weitere Korrelationsmaße
Inferenzstatistik - Einführung
Statistische Wahrscheinlichkeit
Axiome und Regeln der Wahrscheinlichkeitsrechnung
Kombinatorik
Kombinationen - Zusammenfassende Übersicht
Berücksichtigung
ja
d. Reihenfolge
nein
Waldherr / Christodoulides
Wiederholung (= Zurücklegen)
nein
ja
n!
nk
(n
−k)!
n
n+k −1
k
k
Einführung in Quantitative Methoden- 5.VO
Variationen
46/54
Weitere Korrelationsmaße
Inferenzstatistik - Einführung
Statistische Wahrscheinlichkeit
Axiome und Regeln der Wahrscheinlichkeitsrechnung
Kombinatorik
Beispiele
I
Wie groß ist die Wahrscheinlichkeit bei Lotto 6 aus 45 sechs
Richtige zu haben?
1
=
45
6
Waldherr / Christodoulides
1
= 0.000000123
8145060
Einführung in Quantitative Methoden- 5.VO
47/54
Weitere Korrelationsmaße
Inferenzstatistik - Einführung
Statistische Wahrscheinlichkeit
Axiome und Regeln der Wahrscheinlichkeitsrechnung
Kombinatorik
Beispiele
I
In der Sendung ’Millionenshow’ müssen zu Beginn 10
TeilnehmerInnen eine Auswahlfrage beantworten, bei der
jeweils 4 Objekte den Buchstaben A bis D zuzuordnen sind.
Sei die Frage z.B. ’Ordnen Sie folgende Seen nach ihrer
Größe, beginnend beim kleinsten: 1) Titicacasee, 2)
Chiemsee, 3) Michigansee, 4) Bodensee. Wie groß ist die
Wahrscheinlichkeit durch reines Raten die richtige Reihenfolge
zu finden?
1
= 0.042
n! Reihenfolgen = 4! = 24 ⇒ 24
Waldherr / Christodoulides
Einführung in Quantitative Methoden- 5.VO
48/54
Weitere Korrelationsmaße
Inferenzstatistik - Einführung
Statistische Wahrscheinlichkeit
Axiome und Regeln der Wahrscheinlichkeitsrechnung
Axiome der Wahrscheinlichkeitsrechnung nach Kolmogoroff
Wahrscheinlichkeiten lassen sich durch drei Eigenschaften, die auch
für relative Häufigkeiten gelten, und aus denen sich alle
Rechenregeln für Wahrscheinlichkeiten ableiten lassen,
charakterisieren:
1. Für die Wahrscheinlichkeit eines Ereignisses gilt stets:
0 ≤ P(A) ≤ 1.
2. Die Wahrscheinlichkeit eines sicheren Ereignisses beträgt
P(Ω) = 1.
3. Additionsregel der Wahrscheinlichkeit: Die Wahrscheinlichkeit,
dass eines von k einander ausschließenden Ereignissen auftritt,
ist die Summe der einzelnen Wahrscheinlichkeiten
P(A1 ), P(A2 ), . . . , P(Ak ).
P(A1 ∨ A2 ∨ . . . ∨ Ak ) = P(A1 ) + P(A2 ) + . . . + P(Ak )
Waldherr / Christodoulides
Einführung in Quantitative Methoden- 5.VO
49/54
Weitere Korrelationsmaße
Inferenzstatistik - Einführung
Statistische Wahrscheinlichkeit
Axiome und Regeln der Wahrscheinlichkeitsrechnung
Rechenregeln
I
Die Wahrscheinlichkeit des unmöglichen Ereignisses B beträgt
P(B) = 0.
Wenn B ein unmögliches Ereignis ist, kann es nie eintreten →
rn (B) = 0 → P(B) = 0.
Achtung: Aus P(B) = 0 folgt aber nicht, dass B ein
unmögliches Ereignis ist. Das bedeutet nur, dass der
Grenzwert der relativen Häufigkeit für n → ∞ Null ist, woraus
aber nicht folgt, dass B nie eintreten kann! (Analoges gilt für
P(A) = 1).
Waldherr / Christodoulides
Einführung in Quantitative Methoden- 5.VO
50/54
Weitere Korrelationsmaße
Inferenzstatistik - Einführung
Statistische Wahrscheinlichkeit
Axiome und Regeln der Wahrscheinlichkeitsrechnung
Rechenregeln
I
P(A) + P(A) = 1, P(A) = 1 − P(A)
A tritt immer dann ein, wenn A nicht eintritt →
rn (A) + rn (A) = 1
Beispiel: Münzwurf: P(K ) + P(Z ) = 0.5 + 0.5 = 1
Waldherr / Christodoulides
Einführung in Quantitative Methoden- 5.VO
51/54
Weitere Korrelationsmaße
Inferenzstatistik - Einführung
Statistische Wahrscheinlichkeit
Axiome und Regeln der Wahrscheinlichkeitsrechnung
Rechenregeln
I
P(A ∨ B) = P(A) + P(B) − P(A ∧ B)
Waldherr / Christodoulides
Einführung in Quantitative Methoden- 5.VO
52/54
Weitere Korrelationsmaße
Inferenzstatistik - Einführung
Statistische Wahrscheinlichkeit
Axiome und Regeln der Wahrscheinlichkeitsrechnung
Beispiele
I
52 Spielkarten, 4 Farben je 13 Karten: P(Herz ∨Dame) =?
P(Herz) =
13
,
52
P(Dame) =
4
,
52
P(Herz ∧Dame) =
1
52
P(Herz ∨ Dame) = 0.25 + 0.08 − 0.02 = 0.31
I
Wahrscheinlichkeit, dass bei einem Münzwurf das Ergebnis ’Zahl’
ist:
P(Z ) = 1 − P(K ) = 0.5
I
Wahrscheinlichkeit, dass bei einem Münzwurf das Ergebnis ’Zahl’
oder ’Kopf’ ist:
P(Z ∨ K ) = P(Z ) + P(K ) = 1
Waldherr / Christodoulides
Einführung in Quantitative Methoden- 5.VO
53/54
Weitere Korrelationsmaße
Inferenzstatistik - Einführung
Statistische Wahrscheinlichkeit
Axiome und Regeln der Wahrscheinlichkeitsrechnung
Beispiele
I
Ein Kraftwerk besitzt für den Fall eines Maschinenausfalles
zwei Sicherheitssysteme. System A wird im Falle eines
Maschinenausfalles mit einer Wahrscheinlichkeit von 95%
aktiviert, System B mit einer Wahrscheinlichkeit von 91%.
Mit 86.45%iger Wahrscheinlichkeit reagieren beide Systeme
gleichzeitig. Wie groß ist die Wahrscheinlichkeit, dass bei
einem Maschinenausfall zumindest eines der beiden Systeme
aktiviert wird?
P(A) = 0.95, P(B) = 0.91, P(A ∧ B) = 0.8645
P(A∨B) = P(A)+P(B)−P(A∧B) = 0.95+0.91−0.8645 = 0.9955
Waldherr / Christodoulides
Einführung in Quantitative Methoden- 5.VO
54/54