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