Stochastische Signaltheorie/Statistische Abhängigkeit und Unabhängigkeit - Versionsgeschichte

Maintenance script: Add English interlanguage link

2026-03-16T12:28:51Z

Add English interlanguage link

← Nächstältere Version		Version vom 16. März 2026, 14:28 Uhr
Zeile 181:		Zeile 181:

	{{Display}}		{{Display}}
			[[en:Theory_of_Stochastic_Signals/Statistical_Dependence_and_Independence]]

Maintenance script: Join multi-line formulas for MW 1.43 parser compat

2026-02-24T13:38:09Z

Join multi-line formulas for MW 1.43 parser compat

← Nächstältere Version		Version vom 24. Februar 2026, 15:38 Uhr
Zeile 110:		Zeile 110:
	$\text{Definition:}$		$\text{Definition:}$
	Für die so genannte  '''Verbundwahrscheinlichkeit''',  also für die Wahrscheinlichkeit der Schnittmenge aller  $I$  Ereignisse  $A_i$,  gilt in diesem Fall:		Für die so genannte  '''Verbundwahrscheinlichkeit''',  also für die Wahrscheinlichkeit der Schnittmenge aller  $I$  Ereignisse  $A_i$,  gilt in diesem Fall:
	:$${\rm Pr}(A_{\rm 1} \cap \hspace{0.02cm}\text{ ...}\hspace{0.1cm} \cap A_{I}) =		:$${\rm Pr}(A_{\rm 1} \cap \hspace{0.02cm}\text{ ...}\hspace{0.1cm} \cap A_{I}) = {\rm Pr}(A_{I})\hspace{0.05cm}\cdot\hspace{0.05cm}{\rm Pr}(A_{I \rm -1} \hspace{0.05cm}\vert \hspace{0.05cm} A_I) \hspace{0.05cm}\cdot \hspace{0.05cm}{\rm Pr}(A_{I \rm -2} \hspace{0.05cm}\vert\hspace{0.05cm} A_{I - \rm 1}\cap A_I)\hspace{0.05cm} \cdot \hspace{0.02cm}\text{ ...} \hspace{0.1cm} \cdot\hspace{0.05cm} {\rm Pr}(A_{\rm 1} \hspace{0.05cm}\vert \hspace{0.05cm}A_{\rm 2} \cap \hspace{0.02cm}\text{ ...} \hspace{0.1cm}\cap A_{ I}).$$
	{\rm Pr}(A_{I})\hspace{0.05cm}\cdot\hspace{0.05cm}{\rm Pr}(A_{I \rm -1} \hspace{0.05cm}\vert \hspace{0.05cm} A_I) \hspace{0.05cm}\cdot \hspace{0.05cm}{\rm Pr}(A_{I \rm -2} \hspace{0.05cm}\vert\hspace{0.05cm} A_{I - \rm 1}\cap A_I)\hspace{0.05cm} \cdot \hspace{0.02cm}\text{ ...} \hspace{0.1cm} \cdot\hspace{0.05cm} {\rm Pr}(A_{\rm 1} \hspace{0.05cm}\vert \hspace{0.05cm}A_{\rm 2} \cap \hspace{0.02cm}\text{ ...} \hspace{0.1cm}\cap A_{ I}).$$

	In gleicher Weise gilt natürlich auch:		In gleicher Weise gilt natürlich auch:

Guenter am 30. November 2021 um 13:54 Uhr

2021-11-30T13:54:47Z

← Nächstältere Version		Version vom 30. November 2021, 15:54 Uhr
Zeile 16:		Zeile 16:
	*Zwei Ereignisse  $A$  und  $B$  bezeichnet man dann als  '''statistisch unabhängig'''  (englisch:  "statistical independent"),  wenn die Wahrscheinlichkeit der Schnittmenge  $A ∩ B$  gleich dem Produkt der Einzelwahrscheinlichkeiten ist:		*Zwei Ereignisse  $A$  und  $B$  bezeichnet man dann als  '''statistisch unabhängig'''  (englisch:  "statistical independent"),  wenn die Wahrscheinlichkeit der Schnittmenge  $A ∩ B$  gleich dem Produkt der Einzelwahrscheinlichkeiten ist:
	:$${\rm Pr}(A \cap B) = {\rm Pr}(A)\cdot {\rm Pr}(B).$$		:$${\rm Pr}(A \cap B) = {\rm Pr}(A)\cdot {\rm Pr}(B).$$


	*Ist diese Bedingung nicht erfüllt,  so sind die Ereignisse  $A$  und  $B$  '''statistisch abhängig'''  (englisch:  "statistical dependent"):		*Ist diese Bedingung nicht erfüllt,  so sind die Ereignisse  $A$  und  $B$  '''statistisch abhängig'''  (englisch:  "statistical dependent"):
	:$${\rm Pr}(A \cap B) \ne {\rm Pr}(A)\cdot {\rm Pr}(B).$$}}		:$${\rm Pr}(A \cap B) \ne {\rm Pr}(A)\cdot {\rm Pr}(B).$$}}


	*In manchen Anwendungsfällen ist die statistische Unabhängigkeit offensichtlich,  zum Beispiel beim Experiment &bdquo;Münzwurf”.  Die Wahrscheinlichkeit für &bdquo;Zahl” oder &bdquo;Bild” ist unabhängig davon,  ob beim letzten Wurf  &bdquo;Zahl”  oder  &bdquo;Bild”  aufgetreten ist.		*In manchen Anwendungsfällen ist die statistische Unabhängigkeit offensichtlich,  zum Beispiel beim Experiment &bdquo;Münzwurf”.  Die Wahrscheinlichkeit für &bdquo;Zahl” oder &bdquo;Bild” ist unabhängig davon,  ob beim letzten Wurf  &bdquo;Zahl”  oder  &bdquo;Bild”  aufgetreten ist.

Guenter am 30. November 2021 um 13:53 Uhr

2021-11-30T13:53:56Z

Änderungen zeigen

Guenter am 9. November 2019 um 15:43 Uhr

2019-11-09T15:43:44Z

Änderungen zeigen

Guenter am 9. November 2019 um 14:35 Uhr

2019-11-09T14:35:22Z

Guenter am 1. August 2018 um 10:55 Uhr

2018-08-01T10:55:47Z

Guenter am 1. August 2018 um 10:23 Uhr

2018-08-01T10:23:01Z

Guenter am 3. April 2018 um 09:54 Uhr

2018-04-03T09:54:25Z

← Nächstältere Version		Version vom 3. April 2018, 11:54 Uhr
Zeile 105:		Zeile 105:


	{{Definition}}		{{BlaueBox\|TEXT=
			$\text{Definition:}$
	Für die so genannte '''Verbundwahrscheinlichkeit''', also für die Wahrscheinlichkeit der Schnittmenge aller $I$ Ereignisse $A_i$, gilt in diesem Fall:		Für die so genannte '''Verbundwahrscheinlichkeit''', also für die Wahrscheinlichkeit der Schnittmenge aller $I$ Ereignisse $A_i$, gilt in diesem Fall:
	$${\rm Pr}(A_{\rm 1} \cap \hspace{0.~~1cm~~} ...\hspace{0.1cm} \cap A_{I}) =		:$${\rm Pr}(A_{\rm 1} \cap \hspace{0.02cm}\text{ ...}\hspace{0.1cm} \cap A_{I}) =
	{\rm Pr}(A_{I})\hspace{0.05cm}\cdot\hspace{0.05cm}{\rm Pr}(A_{I \rm \hspace{-0.05cm}-\hspace{-0.05cm}1} \hspace{0.05cm}\| \hspace{0.05cm} A_I) \hspace{0.05cm}\cdot \hspace{0.05cm}{\rm Pr}(A_{I \rm \hspace{-0.05cm} -\hspace{-0.05cm}2} \hspace{0.05cm}\| \hspace{0.05cm} A_{I \hspace{-0.05cm} - \hspace{-0.05cm} \rm 1}\cap A_I)\hspace{0.05cm} \cdot ... \cdot\hspace{0.05cm} {\rm Pr}(A_{\rm 1} \hspace{0.05cm}\| \hspace{0.05cm}A_{\rm 2} \cap \hspace{0.~~1cm~~} ... \hspace{0.1cm}\cap A_{ I}).$$		{\rm Pr}(A_{I})\hspace{0.05cm}\cdot\hspace{0.05cm}{\rm Pr}(A_{I \rm \hspace{-0.05cm}-\hspace{-0.05cm}1} \hspace{0.05cm}\vert \hspace{0.05cm} A_I) \hspace{0.05cm}\cdot \hspace{0.05cm}{\rm Pr}(A_{I \rm \hspace{-0.05cm} -\hspace{-0.05cm}2} \hspace{0.05cm}\vert\hspace{0.05cm} A_{I \hspace{-0.05cm} - \hspace{-0.05cm} \rm 1}\cap A_I)\hspace{0.05cm} \cdot \hspace{0.02cm}\text{ ...} \hspace{0.1cm} \cdot\hspace{0.05cm} {\rm Pr}(A_{\rm 1} \hspace{0.05cm}\vert \hspace{0.05cm}A_{\rm 2} \cap \hspace{0.02cm}\text{ ...} \hspace{0.1cm}\cap A_{ I}).$$
	~~{{end}}~~


	In gleicher Weise gilt natürlich auch:		In gleicher Weise gilt natürlich auch:
	$${\rm Pr}(A_{\rm 1} \cap \hspace{0.~~1cm~~} ...\hspace{0.1cm} \cap A_{I}) = {\rm Pr}(A_1)\hspace{0.05cm}\cdot\hspace{0.05cm}{\rm Pr}(A_2 \hspace{0.05cm}\| \hspace{0.05cm} A_1) \hspace{0.05cm}\cdot \hspace{0.05cm}{\rm Pr}(A_3 \hspace{0.05cm}\| \hspace{0.05cm} A_1\cap A_2)\hspace{0.05cm} \cdot ... \cdot\hspace{0.05cm} {\rm Pr}(A_I \hspace{0.05cm}\| \hspace{0.05cm}A_1 \cap \hspace{0.~~1cm~~} ... \hspace{0.1cm}\cap A_{ I-1}).$$		:$${\rm Pr}(A_{\rm 1} \cap \hspace{0.02cm}\text{ ...}\hspace{0.1cm} \cap A_{I}) = {\rm Pr}(A_1)\hspace{0.05cm}\cdot\hspace{0.05cm}{\rm Pr}(A_2 \hspace{0.05cm}\vert \hspace{0.05cm} A_1) \hspace{0.05cm}\cdot \hspace{0.05cm}{\rm Pr}(A_3 \hspace{0.05cm}\vert \hspace{0.05cm} A_1\cap A_2)\hspace{0.05cm} \cdot \hspace{0.02cm}\text{ ...}\hspace{0.1cm} \cdot\hspace{0.05cm} {\rm Pr}(A_I \hspace{0.05cm}\vert \hspace{0.05cm}A_1 \cap \hspace{0.02cm} \text{ ...} \hspace{0.1cm}\cap A_{ I-1}).$$}}

	{{Beispiel}}
			{{GraueBox\|TEXT=
			$\text{Beispiel 3:}$
	Eine Lostrommel enthält zehn Lose, darunter drei Treffer (Ereignis $T_1$). Dann ergibt sich für die Wahrscheinlichkeit, dass man mit zwei Losen zwei Treffer zieht:		Eine Lostrommel enthält zehn Lose, darunter drei Treffer (Ereignis $T_1$). Dann ergibt sich für die Wahrscheinlichkeit, dass man mit zwei Losen zwei Treffer zieht:

	:$${\rm Pr}(T_1 \cap T_2) = {\rm Pr}(T_1) \cdot {\rm Pr}(T_2 \hspace{0.05cm }\| \hspace{0.05cm} T_1) = 3/10 \cdot 2/9 = 1/15 \approx 6.7 \%.$$		:$${\rm Pr}(T_1 \cap T_2) = {\rm Pr}(T_1) \cdot {\rm Pr}(T_2 \hspace{0.05cm }\vert \hspace{0.05cm} T_1) = 3/10 \cdot 2/9 = 1/15 \approx 6.7 \%.$$

	*Hierbei ist berücksichtigt, dass sich bei der zweiten Ziehung (Ereignis $T_2$) nur mehr neun Lose und zwei Treffer in der Urne befänden, wenn im ersten Durchgang ein Treffer gezogenworden wäre   ⇒   ${\rm Pr}(T_2 \hspace{0.05cm} \| \hspace{0.05cm} T_1) = 2/9$ .		*Hierbei ist berücksichtigt, dass sich bei der zweiten Ziehung (Ereignis $T_2$) nur mehr neun Lose und zwei Treffer in der Urne befänden, wenn im ersten Durchgang ein Treffer gezogenworden wäre   ⇒   ${\rm Pr}(T_2 \hspace{0.05cm} \vert\hspace{0.05cm} T_1) = 2/9$ .
	*Würde man jedoch die Lose nach der Ziehung wieder in die Trommel zurücklegen, so wären die Ereignisse $T_1$ und $T_2$ statistisch unabhängig und es würde gelten:		*Würde man jedoch die Lose nach der Ziehung wieder in die Trommel zurücklegen, so wären die Ereignisse $T_1$ und $T_2$ statistisch unabhängig und es würde gelten:
	:$$ {\rm Pr}(T_1 ∩ T_2) = (3/10)^2 = 9\%.$$		:$$ {\rm Pr}(T_1 ∩ T_2) = (3/10)^2 = 9\%.$$}}
	~~{{end~~}}

	==Rückschlusswahrscheinlichkeit==		==Rückschlusswahrscheinlichkeit==
Zeile 130:		Zeile 131:
	*Alle Ereignisse sind paarweise disjunkt $(A_i ∩ A_j = ϕ$ für alle $i ≠ j$).		*Alle Ereignisse sind paarweise disjunkt $(A_i ∩ A_j = ϕ$ für alle $i ≠ j$).
	*Die Vereinigungsmenge ergibt die Grundmenge:		*Die Vereinigungsmenge ergibt die Grundmenge:
	$$\rm \bigcup_{\it i=1}^{\it I}\it A_i = \it G.$$		:$$\rm \bigcup_{\it i=1}^{\it I}\it A_i = \it G.$$

	Daneben betrachten wir noch das Ereignis $B$, von dem alle bedingten Wahrscheinlichkeiten ${\rm Pr}(B \hspace{0.05cm} \| \hspace{0.05cm} A_i)$ mit den Indizes $1 ≤ i ≤ I$ bekannt sind.		Daneben betrachten wir noch das Ereignis $B$, von dem alle bedingten Wahrscheinlichkeiten ${\rm Pr}(B \hspace{0.05cm} \| \hspace{0.05cm} A_i)$ mit den Indizes $1 ≤ i ≤ I$ bekannt sind.

	{{~~Definition}}~~		{{BlaueBox\|TEXT=
	~~'''~~Satz von der totalen Wahrscheinlichkeit:~~'''~~ Unter den oben genannten Voraussetzungen gilt für die (unbedingte) Wahrscheinlichkeit des Ereignisses $B$:		$\text{Satz von der totalen Wahrscheinlichkeit:}$
	$${\rm Pr}(B) = \sum_{i={\rm1}}^{I}{\rm Pr}(B \cap A_i) = \sum_{i={\rm1}}^{I}{\rm Pr}(B \hspace{0.05cm} \| \hspace{0.05cm} A_i)\cdot{\rm Pr}(A_i).$$		Unter den oben genannten Voraussetzungen gilt für die (unbedingte) Wahrscheinlichkeit des Ereignisses $B$:
	~~{{end~~}}		:$${\rm Pr}(B) = \sum_{i={\rm1} }^{I}{\rm Pr}(B \cap A_i) = \sum_{i={\rm1} }^{I}{\rm Pr}(B \hspace{0.05cm} \vert\hspace{0.05cm} A_i)\cdot{\rm Pr}(A_i).$$}}


			{{BlaueBox\|TEXT=
			$\text{Definition:}$
	Aus dieser Gleichung folgt mit dem [[Stochastische_Signaltheorie/Statistische_Abhängigkeit_und_Unabhängigkeit#Bedingte_Wahrscheinlichkeit\|Satz von Bayes]] für die '''Rückschlusswahrscheinlichkeit''':		Aus dieser Gleichung folgt mit dem [[Stochastische_Signaltheorie/Statistische_Abhängigkeit_und_Unabhängigkeit#Bedingte_Wahrscheinlichkeit\|Satz von Bayes]] für die '''Rückschlusswahrscheinlichkeit''':
	$${\rm Pr}(A_i \hspace{0.05cm} \| \hspace{0.05cm} B) = \frac{{\rm Pr}( B \mid A_i)\cdot {\rm Pr}(A_i )}{{\rm Pr}(B)} = \frac{{\rm Pr}(B \hspace{0.05cm} \| \hspace{0.05cm} A_i)\cdot {\rm Pr}(A_i )}{\sum_{k={\rm1}}^{I}{\rm Pr}(B \hspace{0.05cm} \| \hspace{0.05cm} A_k)\cdot{\rm Pr}(A_k)}.$$		:$${\rm Pr}(A_i \hspace{0.05cm} \vert \hspace{0.05cm} B) = \frac{ {\rm Pr}( B \mid A_i)\cdot {\rm Pr}(A_i )}{ {\rm Pr}(B)} = \frac{ {\rm Pr}(B \hspace{0.05cm} \vert \hspace{0.05cm} A_i)\cdot {\rm Pr}(A_i )}{\sum_{k={\rm1} }^{I}{\rm Pr}(B \hspace{0.05cm} \vert \hspace{0.05cm} A_k)\cdot{\rm Pr}(A_k) }.$$}}


	{{Beispiel}}		{{GraueBox\|TEXT=
			$\text{Beispiel 4:}$
	In Münchner Studentenheimen wohnen Studierende		In Münchner Studentenheimen wohnen Studierende
	*der LMU (Ereignis $L$   ⇒   ${\rm Pr}(L) = 70\%$) und		*der LMU (Ereignis $L$   ⇒   ${\rm Pr}(L) = 70\%$) und
	*der TUM (Ereignis $T$   ⇒   ${\rm Pr}(T) = 30\%$).		*der TUM (Ereignis $T$   ⇒   ${\rm Pr}(T) = 30\%$).

	Es ist weiterhin bekannt, dass an der LMU 60% aller Studierenden weiblich sind, an der TUM nur 10%.
			Es ist weiterhin bekannt, dass an der LMU $60\%$ aller Studierenden weiblich sind, an der TUM nur $10\%$.

	*Der Anteil aller Studentinnen (Ereignis $W$) kann dann mit dem Satz von der totalen Wahrscheinlichkeit ermittelt werden:		*Der Anteil aller Studentinnen (Ereignis $W$) kann dann mit dem Satz von der totalen Wahrscheinlichkeit ermittelt werden:
	:$${\rm Pr}(W) = \rm Pr(W \hspace{0.05cm} \| \hspace{0.05cm} L)\hspace{0.01cm}\cdot\hspace{0.01cm}{\rm Pr}(L) \hspace{0.05cm}+\hspace{0.05cm} {\rm Pr}r(W \hspace{0.05cm} \| \hspace{0.05cm}d T)\hspace{0.01cm}\cdot\hspace{0.01cm}{\rm Pr}(T) = \rm 0.6\hspace{0.01cm}\cdot\hspace{0.01cm}0.7\hspace{0.05cm}+\hspace{0.05cm}0.1\hspace{0.01cm}\cdot \hspace{0.01cm}0.3 = 45 \%.$$		:$${\rm Pr}(W) = \rm Pr(W \hspace{0.05cm} \vert \hspace{0.05cm} L)\hspace{0.01cm}\cdot\hspace{0.01cm}{\rm Pr}(L) \hspace{0.05cm}+\hspace{0.05cm} {\rm Pr}r(W \hspace{0.05cm} \vert \hspace{0.05cm}d T)\hspace{0.01cm}\cdot\hspace{0.01cm}{\rm Pr}(T) = \rm 0.6\hspace{0.01cm}\cdot\hspace{0.01cm}0.7\hspace{0.05cm}+\hspace{0.05cm}0.1\hspace{0.01cm}\cdot \hspace{0.01cm}0.3 = 45 \%.$$
	*Trifft man eine Studentin, so kann man mit der Rückschlusswahrscheinlichkeit		*Trifft man eine Studentin, so kann man mit der Rückschlusswahrscheinlichkeit
	:$${\rm Pr}(L \hspace{-0.05cm}\mid \hspace{-0.05cm}W) = \frac{ {\rm Pr}(W \hspace{-0.05cm}\mid \hspace{-0.05cm}L)\cdot {\rm Pr}(L) }{{\rm Pr}(W \hspace{-0.05cm}\mid \hspace{-0.05cm}L) \cdot {\rm Pr}(L) +{\rm Pr}(W \hspace{-0.05cm}\mid \hspace{-0.05cm}T) \cdot {\rm Pr}(T)}=\rm \frac{0.6\cdot 0.7}{0.6\cdot 0.7 + 0.1\cdot 0.3}=\frac{14}{15}$$		:$${\rm Pr}(L \hspace{-0.05cm}\mid \hspace{-0.05cm}W) = \frac{ {\rm Pr}(W \hspace{-0.05cm}\mid \hspace{-0.05cm}L)\cdot {\rm Pr}(L) }{ {\rm Pr}(W \hspace{-0.05cm}\mid \hspace{-0.05cm}L) \cdot {\rm Pr}(L) +{\rm Pr}(W \hspace{-0.05cm}\mid \hspace{-0.05cm}T) \cdot {\rm Pr}(T)}=\rm \frac{0.6\cdot 0.7}{0.6\cdot 0.7 + 0.1\cdot 0.3}=\frac{14}{15}$$
	:vorhersagen, dass sie an der LMU studieren wird. Ein durchaus realistisches Ergebnis.		:vorhersagen, dass sie an der LMU studieren wird. Ein durchaus realistisches Ergebnis.}}
	~~{{end~~}}


	Die Aussagen dieses Abschnitts sind im ~~nachfolgenden~~ Lernvideo ~~zusammengefasst:~~		Die Aussagen dieses Abschnitts sind im Lernvideo [[Statistische_Abhängigkeit_und_Unabhängigkeit_(Lernvideo)\|Statistische Abhängigkeit und Unabhängigkeit]] zusammengefasst.
	[[Statistische Abhängigkeit und Unabhängigkeit]]

	==Aufgaben zum Kapitel==		==Aufgaben zum Kapitel==

Guenter am 3. April 2018 um 09:29 Uhr

2018-04-03T09:29:11Z

← Nächstältere Version		Version vom 3. April 2018, 11:29 Uhr
Zeile 51:		Zeile 51:
	Bestehen zwischen den beiden Ereignissen $A$ und $B$ statistische Bindungen, so ist durch die (unbedingten) Wahrscheinlichkeiten ${\rm Pr}(A)$ und ${\rm Pr}(B)$ der Sachverhalt im statistischen Sinne nicht eindeutig beschrieben. Man benötigt dann noch so genannte bedingte Wahrscheinlichkeiten.		Bestehen zwischen den beiden Ereignissen $A$ und $B$ statistische Bindungen, so ist durch die (unbedingten) Wahrscheinlichkeiten ${\rm Pr}(A)$ und ${\rm Pr}(B)$ der Sachverhalt im statistischen Sinne nicht eindeutig beschrieben. Man benötigt dann noch so genannte bedingte Wahrscheinlichkeiten.

	{{~~Definition}~~}		{{BlaueBox\|TEXT=
			$\text{Definitionen:}$
	Die '''bedingte Wahrscheinlichkeit''' (englisch: ''Conditional Probability'') von $A$ unter der Bedingung $B$ ist wie folgt berechenbar:		Die '''bedingte Wahrscheinlichkeit''' (englisch: ''Conditional Probability'') von $A$ unter der Bedingung $B$ ist wie folgt berechenbar:
	$${\rm Pr}(A\hspace{0.05cm} \| \hspace{0.05cm} B) = \frac{{\rm Pr}(A \cap B)}{{\rm Pr}(B)}.$$		:$${\rm Pr}(A\hspace{0.05cm} \vert \hspace{0.05cm} B) = \frac{ {\rm Pr}(A \cap B)}{ {\rm Pr}(B)}.$$
	~~{{end}}~~


	In gleicher Weise gilt für die bedingte Wahrscheinlichkeit von $B$ unter der Bedingung $A$:		In gleicher Weise gilt für die bedingte Wahrscheinlichkeit von $B$ unter der Bedingung $A$:
	$${\rm Pr}(B\hspace{0.05cm} \| \hspace{0.05cm}A) = \frac{{\rm Pr}(A \cap B)}{{\rm Pr}(A)}.$$		:$${\rm Pr}(B\hspace{0.05cm} \vert \hspace{0.05cm}A) = \frac{ {\rm Pr}(A \cap B)}{ {\rm Pr}(A)}.$$

	Verknüpft man diese beiden Gleichungen, so ergibt sich der Satz von [https://de.wikipedia.org/wiki/Thomas_Bayes Bayes]:		Verknüpft man diese beiden Gleichungen, so ergibt sich der Satz von [https://de.wikipedia.org/wiki/Thomas_Bayes Bayes]:
	$${\rm Pr}(B \hspace{0.05cm} \| \hspace{0.05cm} A) = \frac{{\rm Pr}(A\hspace{0.05cm} \| \hspace{0.05cm} B)\cdot {\rm Pr}(~~\it~~ B)}{{\rm Pr}(A)}.$$		:$${\rm Pr}(B \hspace{0.05cm} \vert \hspace{0.05cm} A) = \frac{ {\rm Pr}(A\hspace{0.05cm} \vert \hspace{0.05cm} B)\cdot {\rm Pr}(B)}{ {\rm Pr}(A)}.$$}}


	Nachfolgend sind einige Eigenschaften von bedingten Wahrscheinlichkeiten zusammengestellt:		Nachfolgend sind einige Eigenschaften von bedingten Wahrscheinlichkeiten zusammengestellt:
Zeile 69:		Zeile 70:
	*Ist $B$ eine echte oder unechte Teilmenge von $A$, so ist ${\rm Pr}(A \hspace{0.05cm} \| \hspace{0.05cm} B) =1$.		*Ist $B$ eine echte oder unechte Teilmenge von $A$, so ist ${\rm Pr}(A \hspace{0.05cm} \| \hspace{0.05cm} B) =1$.
	*Sind zwei Ereignisse $A$ und $B$ statistisch voneinander unabhängig, so sind deren bedingte Wahrscheinlichkeiten gleich den unbedingten, wie die folgende Rechnung zeigt:		*Sind zwei Ereignisse $A$ und $B$ statistisch voneinander unabhängig, so sind deren bedingte Wahrscheinlichkeiten gleich den unbedingten, wie die folgende Rechnung zeigt:
	$${\rm Pr}(A \hspace{0.05cm} \| \hspace{0.05cm} B) = \frac{{\rm Pr}(A \cap B)}{{\rm Pr}(B)} = \frac{{\rm Pr} ( A) \cdot {\rm Pr} ( B)} { {\rm Pr}(B)} = {\rm Pr} ( A).$$		:$${\rm Pr}(A \hspace{0.05cm} \| \hspace{0.05cm} B) = \frac{{\rm Pr}(A \cap B)}{{\rm Pr}(B)} = \frac{{\rm Pr} ( A) \cdot {\rm Pr} ( B)} { {\rm Pr}(B)} = {\rm Pr} ( A).$$


	~~{{Beispiel}}~~
	[[Datei:P_ID505__Sto_T_1_3_S2_neu.png \|frame\| Beispiel für statistisch abhängige Ereignisse\|right]]		[[Datei:P_ID505__Sto_T_1_3_S2_neu.png \|frame\| Beispiel für statistisch abhängige Ereignisse\|right]]
	Wir betrachten wieder das Zufallsexperiment &bdquo;Werfen mit zwei Würfeln”, wobei wie im [[Stochastische_Signaltheorie/Statistische_Abhängigkeit_und_Unabhängigkeit#Allgemeine_Definition_von_statistischer_Abh.C3.A4ngigkeit\|~~letzten~~ Beispiel]] $S = R + B$ die Summe des roten und des blauen Würfels bezeichnet.		{{GraueBox\|TEXT=
			$\text{Beispiel 2:}$
			Wir betrachten wieder das Zufallsexperiment &bdquo;Werfen mit zwei Würfeln”, wobei wie im [[Stochastische_Signaltheorie/Statistische_Abhängigkeit_und_Unabhängigkeit#Allgemeine_Definition_von_statistischer_Abh.C3.A4ngigkeit\|Beispiel 1]] $S = R + B$ die Summe des roten und des blauen Würfels bezeichnet.

	Wir betrachten hier Bindungen zwischen den beiden Ereignissen		Wir betrachten hier Bindungen zwischen den beiden Ereignissen
	*$A_1$: Die Augenzahl des roten Würfels ist $R < 4$ (rote Hinterlegung)  ⇒  ${\rm Pr}(A_1) = 1/2$,		*$A_1$: Die Augenzahl des roten Würfels ist $R < 4$ (rote Hinterlegung)   ⇒   ${\rm Pr}(A_1) = 1/2$,
	*$A_4$: Die Summe der beiden Würfel ist $S = 8$ (grüne Umrahmung)  ⇒  ${\rm Pr}(A_4) = 5/36$,		*$A_4$: Die Summe der beiden Würfel ist $S = 8$ (grüne Umrahmung)   ⇒   ${\rm Pr}(A_4) = 5/36$,


	und nehmen nochmals auf das Ereignis		und nehmen nochmals Bezug auf das Ereignis
	*$A_3$: Die Summe der beiden Würfel ist $S = 7$  ⇒  ${\rm Pr}(A_3) = 1/6$.		*$A_3$: Die Summe der beiden Würfel ist $S = 7$  ⇒  ${\rm Pr}(A_3) = 1/6$.

Zeile 87:		Zeile 89:
	Zu dieser Grafik ist anzumerken:		Zu dieser Grafik ist anzumerken:
	*Zwischen den Ereignissen $A_1$ und $A_4$ bestehen statistische Bindungen, da die Wahrscheinlichkeit der Schnittmenge   ⇒   ${\rm Pr}(A_1 ∩ A_4) = 1/18 = 4/72$ ungleich dem Produkt ${\rm Pr}(A_1) \cdot {\rm Pr}(A_4)= 1/2 \cdot 5/36 = 5/72$ ist.		*Zwischen den Ereignissen $A_1$ und $A_4$ bestehen statistische Bindungen, da die Wahrscheinlichkeit der Schnittmenge   ⇒   ${\rm Pr}(A_1 ∩ A_4) = 1/18 = 4/72$ ungleich dem Produkt ${\rm Pr}(A_1) \cdot {\rm Pr}(A_4)= 1/2 \cdot 5/36 = 5/72$ ist.
	*Die bedingte Wahrscheinlichkeit ${\rm Pr}(A_1 \hspace{0.05cm} \| \hspace{0.05cm} A_4) = 2/5$ kann aus dem Quotienten der Verbundwahrscheinlichkeit ${\rm Pr}(A_1 ∩ A_4) = 2/36$ und der Wahrscheinlichkeit ${\rm Pr}(A_4) = 5/36$ berechnet werden.		*Die bedingte Wahrscheinlichkeit ${\rm Pr}(A_1 \hspace{0.05cm} \vert \hspace{0.05cm} A_4) = 2/5$ kann aus dem Quotienten der Verbundwahrscheinlichkeit ${\rm Pr}(A_1 ∩ A_4) = 2/36$ und der Wahrscheinlichkeit ${\rm Pr}(A_4) = 5/36$ berechnet werden.
	*Da $A_1$ und $A_4$ statistisch abhängig sind, ist die bedingte Wahrscheinlichkeit ${\rm Pr}(A_1 \hspace{0.05cm} \| \hspace{0.05cm} A_4) = 2/5$ (zwei der fünf grün umrandeten Felder sind rot hinterlegt) ungleich der absoluten Wahrscheinlichkeit ${\rm Pr}(A_1) = 1/2$ (die Hälfte aller Felder sind rot hinterlegt).		*Da $A_1$ und $A_4$ statistisch abhängig sind, ist die bedingte Wahrscheinlichkeit ${\rm Pr}(A_1 \hspace{0.05cm}\vert \hspace{0.05cm} A_4) = 2/5$ (zwei der fünf grün umrandeten Felder sind rot hinterlegt) ungleich der absoluten Wahrscheinlichkeit ${\rm Pr}(A_1) = 1/2$ (die Hälfte aller Felder sind rot hinterlegt).
	*Ebenso ist die bedingte Wahrscheinlichkeit ${\rm Pr}(A_4 \hspace{0.05cm} \| \hspace{0.05cm} A_1) = 2/18 = 4/36$ (zwei der 18 rot hinterlegten Felder sind grün umrandet) ungleich der absoluten Wahrscheinlichkeit ${\rm Pr}(A_4) = 5/36$ (insgesamt sind fünf der 36 Felder grün umrandet).		*Ebenso ist die bedingte Wahrscheinlichkeit ${\rm Pr}(A_4 \hspace{0.05cm} \vert \hspace{0.05cm} A_1) = 2/18 = 4/36$ (zwei der 18 rot hinterlegten Felder sind grün umrandet) ungleich der absoluten Wahrscheinlichkeit ${\rm Pr}(A_4) = 5/36$ (insgesamt sind fünf der 36 Felder grün umrandet).
	*Dieses letzte Ergebnis lässt sich zum Beispiel auch über den '''Satz von Bayes''' ableiten:		*Dieses letzte Ergebnis lässt sich zum Beispiel auch über den '''Satz von Bayes''' ableiten:
	:$${\rm Pr}(A_4 \hspace{0.05cm} \| \hspace{0.05cm} A_1) = \frac{{\rm Pr}(A_1 \hspace{0.05cm} \| \hspace{0.05cm} A_4)\cdot {\rm Pr} ( A_4)} { {\rm Pr}(A_1)} ~~\hspace{0.3cm}~~ = \frac{2/5 \cdot 5/36}{1/2} = 1/9.$$		:$${\rm Pr}(A_4 \hspace{0.05cm} \vert\hspace{0.05cm} A_1) = \frac{ {\rm Pr}(A_1 \hspace{0.05cm} \vert\hspace{0.05cm} A_4)\cdot {\rm Pr} ( A_4)} { {\rm Pr}(A_1)} = \frac{2/5 \cdot 5/36}{1/2} = 1/9.$$
	*Dagegen gelten für $A_1$ und das hierzu statistisch unabhängige Ereignis $A_3$ die folgenden bedingten Wahrscheinlichkeiten, siehe [[Stochastische_Signaltheorie/Statistische_Abhängigkeit_und_Unabhängigkeit#Allgemeine_Definition_von_statistischer_Abh.C3.A4ngigkeit\|~~Grafik zum letzten~~ Beispiel]]:		*Dagegen gelten für $A_1$ und das hierzu statistisch unabhängige Ereignis $A_3$ die folgenden bedingten Wahrscheinlichkeiten, siehe [[Stochastische_Signaltheorie/Statistische_Abhängigkeit_und_Unabhängigkeit#Allgemeine_Definition_von_statistischer_Abh.C3.A4ngigkeit\| Beispiel 1]]:
	:$${\rm Pr}(A_{\rm 1} \hspace{0.05cm} \| \hspace{0.05cm} A_{\rm 3}) = {\rm Pr}(A_{\rm 1}) = \rm 1/2\hspace{0.5cm}{\rm bzw.}\hspace{0.5cm}{\rm Pr}(A_{\rm 3} \hspace{0.05cm} \| \hspace{0.05cm} A_{\rm 1}) = {\rm Pr}(A_{\rm 3}) = 1/6.$$		:$${\rm Pr}(A_{\rm 1} \hspace{0.05cm}\vert \hspace{0.05cm} A_{\rm 3}) = {\rm Pr}(A_{\rm 1}) = \rm 1/2\hspace{0.5cm}{\rm bzw.}\hspace{0.5cm}{\rm Pr}(A_{\rm 3} \hspace{0.05cm} \vert \hspace{0.05cm} A_{\rm 1}) = {\rm Pr}(A_{\rm 3}) = 1/6.$$}}
	~~{{end~~}}

← Nächstältere Version		Version vom 9. November 2019, 16:35 Uhr
Zeile 8:		Zeile 8:
	==Allgemeine Definition von statistischer Abhängigkeit==		==Allgemeine Definition von statistischer Abhängigkeit==
	<br>		<br>
	Bisher haben wir die ''statistische Abhängigkeit'' zwischen Ereignissen nicht besonders beachtet, auch wenn wir sie wie im Fall zweier disjunkter Mengen bereits verwendet haben:   Gehört ein Element zu $A$, so kann es mit Sicherheit nicht auch in der disjunkten Menge $B$ enthalten sein.		Bisher haben wir die  ''statistische Abhängigkeit''  zwischen Ereignissen nicht besonders beachtet, auch wenn wir sie wie im Fall zweier disjunkter Mengen bereits verwendet haben:   Gehört ein Element zu  $A$, so kann es mit Sicherheit nicht auch in der disjunkten Menge  $B$  enthalten sein.

			Die stärkste Form von Abhängigkeit überhaupt ist eine solche  '''deterministische Abhängigkeit'''  zwischen zwei Mengen bzw. zwei Ereignissen.  Weniger ausgeprägt ist die statistische Abhängigkeit. Beginnen wir mit deren Komplement:
	Die stärkste Form von Abhängigkeit überhaupt ist eine solche '''deterministische Abhängigkeit''' zwischen zwei Mengen bzw. zwei Ereignissen. Weniger ausgeprägt ist die statistische Abhängigkeit. Beginnen wir mit deren Komplement:

	{{BlaueBox\|TEXT=		{{BlaueBox\|TEXT=
	$\text{Definition:}$		$\text{Definition:}$
	Zwei Ereignisse $A$ und $B$ bezeichnet man dann als '''statistisch unabhängig''' (englisch: ''statistical independent'' ) , wenn die Wahrscheinlichkeit der Schnittmenge $A ∩ B$ gleich dem Produkt der Einzelwahrscheinlichkeiten ist:		Zwei Ereignisse  $A$  und  $B$  bezeichnet man dann als  '''statistisch unabhängig'''  (englisch:  ''statistical independent'' ), wenn die Wahrscheinlichkeit der Schnittmenge  $A ∩ B$  gleich dem Produkt der Einzelwahrscheinlichkeiten ist:
	:$${\rm Pr}(A \cap B) = {\rm Pr}(A)\cdot {\rm Pr}(B).$$}}		:$${\rm Pr}(A \cap B) = {\rm Pr}(A)\cdot {\rm Pr}(B).$$}}


	*In manchen Anwendungsfällen ist die statistische Unabhängigkeit offensichtlich, zum Beispiel beim Experiment &bdquo;Münzwurf”. Die Wahrscheinlichkeit für &bdquo;Zahl” oder &bdquo;Bild” ist unabhängig davon, ob beim letzten Wurf ''Zahl'' oder ''Bild'' aufgetreten ist.		*In manchen Anwendungsfällen ist die statistische Unabhängigkeit offensichtlich, zum Beispiel beim Experiment &bdquo;Münzwurf”. Die Wahrscheinlichkeit für &bdquo;Zahl” oder &bdquo;Bild” ist unabhängig davon, ob beim letzten Wurf  ''Zahl''  oder  ''Bild''  aufgetreten ist.

	*Und auch die einzelnen Ergebnisse beim Zufallsexperiment &bdquo;Werfen einer Roulettekugel” sind bei fairen Bedingungen stets statistisch unabhängig voneinander, auch wenn einzelne Systemspieler dies nicht wahrhaben wollen.		*Und auch die einzelnen Ergebnisse beim Zufallsexperiment &bdquo;Werfen einer Roulettekugel” sind bei fairen Bedingungen stets statistisch unabhängig voneinander, auch wenn einzelne Systemspieler dies nicht wahrhaben wollen.

	*Bei anderen Anwendungen ist dagegen die Frage, ob zwei Ereignisse statistisch unabhängig sind oder nicht, gefühlsmäßig nicht oder nur sehr schwer zu beantworten. Hier kann man nur durch Überprüfung des oben angegebenen formalen Unabhängigkeitskriteriums zur richtigen Antwort kommen, wie das folgende Beispiel zeigen soll.		*Bei anderen Anwendungen ist dagegen die Frage, ob zwei Ereignisse statistisch unabhängig sind oder nicht, gefühlsmäßig nicht oder nur sehr schwer zu beantworten.  Hier kann man nur durch Überprüfung des oben angegebenen formalen Unabhängigkeitskriteriums zur richtigen Antwort kommen, wie das folgende Beispiel zeigen soll.


Zeile 29:		Zeile 28:
	{{GraueBox\|TEXT=		{{GraueBox\|TEXT=
	$\text{Beispiel 1:}$		$\text{Beispiel 1:}$
	Wir betrachten wieder das Zufallsexperiment &bdquo;Werfen mit zwei Würfeln”, wobei die beiden Würfel an ihren Farben Rot $(R)$ und Blau $(B)$ unterschieden werden können.		Wir betrachten wieder das Zufallsexperiment &bdquo;Werfen mit zwei Würfeln”, wobei die beiden Würfel an ihren Farben Rot  $(R)$  und Blau  $(B)$  unterschieden werden können.

	Die Grafik verdeutlicht diesen Sachverhalt, wobei in dem zweidimensionalen Feld $(R, B)$ die Summe $S = R + B$ eingetragen ist.		Die Grafik verdeutlicht diesen Sachverhalt, wobei in dem zweidimensionalen Feld  $(R, B)$  die Summe  $S = R + B$  eingetragen ist.

	Für die folgende Beschreibung definieren wir folgende Ereignisse:		Für die folgende Beschreibung definieren wir folgende Ereignisse:
	*$A_1$:  Die Augenzahl des roten Würfels ist $R < 4$ (rote Hinterlegung)   ⇒   ${\rm Pr}(A_1) = 1/2$,		*$A_1$:  Die Augenzahl des roten Würfels ist  $R < 4$  (rote Hinterlegung)   ⇒   ${\rm Pr}(A_1) = 1/2$,
	*$A_2$:  Die Augenzahl des blauen Würfels ist $B > 4$ (blaue Schrift)   ⇒   ${\rm Pr}(A_2) = 1/3$,		*$A_2$:  Die Augenzahl des blauen Würfels ist  $B > 4$  (blaue Schrift)   ⇒   ${\rm Pr}(A_2) = 1/3$,
	*$A_3$:  Die Summe der beiden Würfel ist $S = 7$ (grüne Umrahmung)   ⇒   ${\rm Pr}(A_3) = 1/6$,		*$A_3$:  Die Summe der beiden Würfel ist  $S = 7$  (grüne Umrahmung)   ⇒   ${\rm Pr}(A_3) = 1/6$,
	*$A_4$:  Die Summe der beiden Würfel ist $S = 8$   ⇒   ${\rm Pr}(A_4) = 5/36$,		*$A_4$:  Die Summe der beiden Würfel ist  $S = 8$    ⇒   ${\rm Pr}(A_4) = 5/36$,
	*$A_5$:  Die Summe der beiden Würfel ist $S = 10$   ⇒   ${\rm Pr}(A_5) = 3/36$.		*$A_5$:  Die Summe der beiden Würfel ist  $S = 10$    ⇒   ${\rm Pr}(A_5) = 3/36$.
	<br clear=all>		<br clear=all>
	Die Grafik kann wie folgt interpretiert werden:		Die Grafik kann wie folgt interpretiert werden:

← Nächstältere Version		Version vom 1. August 2018, 12:55 Uhr
Zeile 96:		Zeile 96:
	==Allgemeines Multiplikationstheorem==		==Allgemeines Multiplikationstheorem==
	<br>		<br>
	Wir betrachten ~~weiterhin mehr als zwei~~ Ereignisse, die mit $A_i$ mit $1 ≤ i ≤ I$ bezeichnet werden. Diese Ereignisse $A_i$ stellen nun aber kein [[Stochastische_Signaltheorie/Mengentheoretische_Grundlagen#Vollst.C3.A4ndiges_System\|vollständiges System]] mehr dar, das heißt,		Wir betrachten mehrere Ereignisse, die mit $A_i$ mit $1 ≤ i ≤ I$ bezeichnet werden. Diese Ereignisse $A_i$ stellen nun aber kein [[Stochastische_Signaltheorie/Mengentheoretische_Grundlagen#Vollst.C3.A4ndiges_System\|vollständiges System]] mehr dar, das heißt,
	*sie sind nicht paarweise zueinander disjunkt, und		*sie sind nicht paarweise zueinander disjunkt, und
	*es können zwischen den einzelnen Ereignissen auch statistische Bindungen bestehen.		*es können zwischen den einzelnen Ereignissen auch statistische Bindungen bestehen.
Zeile 103:		Zeile 103:
	{{BlaueBox\|TEXT=		{{BlaueBox\|TEXT=
	$\text{Definition:}$		$\text{Definition:}$
	Für die so genannte '''Verbundwahrscheinlichkeit''', also für die Wahrscheinlichkeit der Schnittmenge aller $I$ Ereignisse $A_i$, gilt in diesem Fall:		Für die so genannte '''Verbundwahrscheinlichkeit''', also für die Wahrscheinlichkeit der Schnittmenge aller $I$  Ereignisse $A_i$, gilt in diesem Fall:
	:$${\rm Pr}(A_{\rm 1} \cap \hspace{0.02cm}\text{ ...}\hspace{0.1cm} \cap A_{I}) =		:$${\rm Pr}(A_{\rm 1} \cap \hspace{0.02cm}\text{ ...}\hspace{0.1cm} \cap A_{I}) =
	{\rm Pr}(A_{I})\hspace{0.05cm}\cdot\hspace{0.05cm}{\rm Pr}(A_{I \rm \hspace{-0.05cm}-\hspace{-0.05cm}1} \hspace{0.05cm}\vert \hspace{0.05cm} A_I) \hspace{0.05cm}\cdot \hspace{0.05cm}{\rm Pr}(A_{I \rm \hspace{-0.05cm} -\hspace{-0.05cm}2} \hspace{0.05cm}\vert\hspace{0.05cm} A_{I \hspace{-0.05cm} - \hspace{-0.05cm} \rm 1}\cap A_I)\hspace{0.05cm} \cdot \hspace{0.02cm}\text{ ...} \hspace{0.1cm} \cdot\hspace{0.05cm} {\rm Pr}(A_{\rm 1} \hspace{0.05cm}\vert \hspace{0.05cm}A_{\rm 2} \cap \hspace{0.02cm}\text{ ...} \hspace{0.1cm}\cap A_{ I}).$$		{\rm Pr}(A_{I})\hspace{0.05cm}\cdot\hspace{0.05cm}{\rm Pr}(A_{I \rm \hspace{-0.05cm}-\hspace{-0.05cm}1} \hspace{0.05cm}\vert \hspace{0.05cm} A_I) \hspace{0.05cm}\cdot \hspace{0.05cm}{\rm Pr}(A_{I \rm \hspace{-0.05cm} -\hspace{-0.05cm}2} \hspace{0.05cm}\vert\hspace{0.05cm} A_{I \hspace{-0.05cm} - \hspace{-0.05cm} \rm 1}\cap A_I)\hspace{0.05cm} \cdot \hspace{0.02cm}\text{ ...} \hspace{0.1cm} \cdot\hspace{0.05cm} {\rm Pr}(A_{\rm 1} \hspace{0.05cm}\vert \hspace{0.05cm}A_{\rm 2} \cap \hspace{0.02cm}\text{ ...} \hspace{0.1cm}\cap A_{ I}).$$


	In gleicher Weise gilt natürlich auch:		In gleicher Weise gilt natürlich auch:
Zeile 114:		Zeile 113:
	{{GraueBox\|TEXT=		{{GraueBox\|TEXT=
	$\text{Beispiel 3:}$		$\text{Beispiel 3:}$
	Eine Lostrommel enthält zehn Lose, darunter drei Treffer (Ereignis $T_1$). Dann ~~ergibt sich~~ für die Wahrscheinlichkeit, dass man mit zwei Losen zwei Treffer zieht:		Eine Lostrommel enthält zehn Lose, darunter drei Treffer (Ereignis $T_1$). Dann gilt für die Wahrscheinlichkeit, dass man mit zwei Losen zwei Treffer zieht:

	:$${\rm Pr}(T_1 \cap T_2) = {\rm Pr}(T_1) \cdot {\rm Pr}(T_2 \hspace{0.05cm }\vert \hspace{0.05cm} T_1) = 3/10 \cdot 2/9 = 1/15 \approx 6.7 \%.$$		:$${\rm Pr}(T_1 \cap T_2) = {\rm Pr}(T_1) \cdot {\rm Pr}(T_2 \hspace{0.05cm }\vert \hspace{0.05cm} T_1) = 3/10 \cdot 2/9 = 1/15 \approx 6.7 \%.$$

	*Hierbei ist berücksichtigt, dass sich bei der zweiten Ziehung (Ereignis $T_2$) nur mehr neun Lose und zwei Treffer in der Urne befänden, wenn im ersten Durchgang ein Treffer ~~gezogenworden~~ wäre   ⇒   ${\rm Pr}(T_2 \hspace{0.05cm} \vert\hspace{0.05cm} T_1) = 2/9$ .		*Hierbei ist berücksichtigt, dass sich bei der zweiten Ziehung (Ereignis $T_2$) nur mehr neun Lose und zwei Treffer in der Urne befänden, wenn im ersten Durchgang ein Treffer gezogen worden wäre   ⇒   ${\rm Pr}(T_2 \hspace{0.05cm} \vert\hspace{0.05cm} T_1) = 2/9$ .
	*Würde man jedoch die Lose nach der Ziehung wieder in die Trommel zurücklegen, so wären die Ereignisse $T_1$ und $T_2$ statistisch unabhängig und es würde gelten:		*Würde man jedoch die Lose nach der Ziehung wieder in die Trommel zurücklegen, so wären die Ereignisse $T_1$ und $T_2$ statistisch unabhängig und es würde gelten:
	:$$ {\rm Pr}(T_1 ∩ T_2) = (3/10)^2 = 9\%.$$}}		:$$ {\rm Pr}(T_1 ∩ T_2) = (3/10)^2 = 9\%.$$}}
Zeile 124:		Zeile 123:
	==Rückschlusswahrscheinlichkeit==		==Rückschlusswahrscheinlichkeit==
	<br>		<br>
	Gegeben seien Ereignisse $A_i$ mit $1 ≤ i ≤ I$, die ein vollständiges System bilden. Das heißt:		Gegeben seien wieder Ereignisse $A_i$ mit $1 ≤ i ≤ I$, die ein vollständiges System bilden. Das heißt:
	*Alle Ereignisse sind paarweise disjunkt $(A_i ∩ A_j = ϕ$ für alle $i ≠ j$).		*Alle Ereignisse sind paarweise disjunkt $(A_i ∩ A_j = ϕ$  für alle $i ≠ j$).
	*Die Vereinigungsmenge ergibt die Grundmenge:		*Die Vereinigungsmenge ergibt die Grundmenge:
	:$$\rm \bigcup_{\it i=1}^{\it I}\it A_i = \it G.$$		:$$\rm \bigcup_{\it i=1}^{\it I}\it A_i = \it G.$$

	Daneben betrachten wir noch das Ereignis $B$, von dem alle bedingten Wahrscheinlichkeiten ${\rm Pr}(B \hspace{0.05cm} \| \hspace{0.05cm} A_i)$ mit den Indizes $1 ≤ i ≤ I$ bekannt sind.		Daneben betrachten wir noch das Ereignis $B$, von dem alle bedingten Wahrscheinlichkeiten ${\rm Pr}(B \hspace{0.05cm} \| \hspace{0.05cm} A_i)$ mit den Indizes $1 ≤ i ≤ I$  bekannt sind.

	{{BlaueBox\|TEXT=		{{BlaueBox\|TEXT=
Zeile 153:		Zeile 152:

	*Der Anteil aller Studentinnen (Ereignis $W$) kann dann mit dem Satz von der totalen Wahrscheinlichkeit ermittelt werden:		*Der Anteil aller Studentinnen (Ereignis $W$) kann dann mit dem Satz von der totalen Wahrscheinlichkeit ermittelt werden:
	:$${\rm Pr}(W) = \rm Pr(W \hspace{0.05cm} \vert \hspace{0.05cm} L)\hspace{0.01cm}\cdot\hspace{0.01cm}{\rm Pr}(L) \hspace{0.05cm}+\hspace{0.05cm} {\rm Pr}r(W \hspace{0.05cm} \vert \hspace{0.05cm}d T)\hspace{0.01cm}\cdot\hspace{0.01cm}{\rm Pr}(T) = \rm 0.6\hspace{0.01cm}\cdot\hspace{0.01cm}0.7\hspace{0.05cm}+\hspace{0.05cm}0.1\hspace{0.01cm}\cdot \hspace{0.01cm}0.3 = 45 \%.$$		:$${\rm Pr}(W) = {\rm Pr}(W \hspace{0.05cm} \vert \hspace{0.05cm} L)\hspace{0.01cm}\cdot\hspace{0.01cm}{\rm Pr}(L) \hspace{0.05cm}+\hspace{0.05cm} {\rm Pr}(W \hspace{0.05cm} \vert \hspace{0.05cm} T)\hspace{0.01cm}\cdot\hspace{0.01cm}{\rm Pr}(T) = \rm 0.6\hspace{0.01cm}\cdot\hspace{0.01cm}0.7\hspace{0.05cm}+\hspace{0.05cm}0.1\hspace{0.01cm}\cdot \hspace{0.01cm}0.3 = 45 \%.$$
	*Trifft man eine Studentin, so kann man mit der Rückschlusswahrscheinlichkeit		*Trifft man eine Studentin, so kann man mit der Rückschlusswahrscheinlichkeit
	:$${\rm Pr}(L \hspace{-0.05cm}\mid \hspace{-0.05cm}W) = \frac{ {\rm Pr}(W \hspace{-0.05cm}\mid \hspace{-0.05cm}L)\cdot {\rm Pr}(L) }{ {\rm Pr}(W \hspace{-0.05cm}\mid \hspace{-0.05cm}L) \cdot {\rm Pr}(L) +{\rm Pr}(W \hspace{-0.05cm}\mid \hspace{-0.05cm}T) \cdot {\rm Pr}(T)}=\rm \frac{0.6\cdot 0.7}{0.6\cdot 0.7 + 0.1\cdot 0.3}=\frac{14}{15}$$		:$${\rm Pr}(L \hspace{-0.05cm}\mid \hspace{-0.05cm}W) = \frac{ {\rm Pr}(W \hspace{-0.05cm}\mid \hspace{-0.05cm}L)\cdot {\rm Pr}(L) }{ {\rm Pr}(W \hspace{-0.05cm}\mid \hspace{-0.05cm}L) \cdot {\rm Pr}(L) +{\rm Pr}(W \hspace{-0.05cm}\mid \hspace{-0.05cm}T) \cdot {\rm Pr}(T)}=\rm \frac{0.6\cdot 0.7}{0.6\cdot 0.7 + 0.1\cdot 0.3}=\frac{14}{15}\approx 93.3 \%$$
	:vorhersagen, dass sie an der LMU studieren wird. Ein durchaus realistisches Ergebnis.}}		:vorhersagen, dass sie an der LMU studieren wird. Ein durchaus realistisches Ergebnis.}}

← Nächstältere Version		Version vom 1. August 2018, 12:23 Uhr
Zeile 8:		Zeile 8:
	==Allgemeine Definition von statistischer Abhängigkeit==		==Allgemeine Definition von statistischer Abhängigkeit==
	<br>		<br>
	Bisher haben wir die ''statistische Abhängigkeit'' zwischen Ereignissen nicht besonders beachtet, auch wenn wir sie wie im Fall zweier disjunkter Mengen bereits verwendet haben:		Bisher haben wir die ''statistische Abhängigkeit'' zwischen Ereignissen nicht besonders beachtet, auch wenn wir sie wie im Fall zweier disjunkter Mengen bereits verwendet haben:   Gehört ein Element zu $A$, so kann es mit Sicherheit nicht auch in der disjunkten Menge $B$ enthalten sein.
	*Gehört ein Element zu $A$, so kann es mit Sicherheit nicht auch in der disjunkten Menge $B$ enthalten sein.


Zeile 16:		Zeile 15:
	{{BlaueBox\|TEXT=		{{BlaueBox\|TEXT=
	$\text{Definition:}$		$\text{Definition:}$
	Zwei Ereignisse $A$ und $B$ bezeichnet man dann als '''statistisch unabhängig''' (englisch: ''statistical independent'') , wenn die Wahrscheinlichkeit der Schnittmenge $A ∩ B$ gleich dem Produkt der Einzelwahrscheinlichkeiten ist:		Zwei Ereignisse $A$ und $B$ bezeichnet man dann als '''statistisch unabhängig''' (englisch: ''statistical independent'' ) , wenn die Wahrscheinlichkeit der Schnittmenge $A ∩ B$ gleich dem Produkt der Einzelwahrscheinlichkeiten ist:
	:$${\rm Pr}(A \cap B) = {\rm Pr}(A)\cdot {\rm Pr}(B).$$}}		:$${\rm Pr}(A \cap B) = {\rm Pr}(A)\cdot {\rm Pr}(B).$$}}


	In manchen Anwendungsfällen ist die statistische Unabhängigkeit offensichtlich, zum Beispiel beim Experiment &bdquo;Münzwurf”. Die Wahrscheinlichkeit für &bdquo;Zahl” oder &bdquo;Bild” ist unabhängig davon, ob beim letzten Wurf ''Zahl'' oder ''Bild'' aufgetreten ist.		*In manchen Anwendungsfällen ist die statistische Unabhängigkeit offensichtlich, zum Beispiel beim Experiment &bdquo;Münzwurf”. Die Wahrscheinlichkeit für &bdquo;Zahl” oder &bdquo;Bild” ist unabhängig davon, ob beim letzten Wurf ''Zahl'' oder ''Bild'' aufgetreten ist.

	Und auch die einzelnen Ergebnisse beim Zufallsexperiment &bdquo;Werfen einer Roulettekugel” sind bei fairen Bedingungen stets statistisch unabhängig voneinander, auch wenn einzelne Systemspieler dies nicht wahrhaben wollen.		*Und auch die einzelnen Ergebnisse beim Zufallsexperiment &bdquo;Werfen einer Roulettekugel” sind bei fairen Bedingungen stets statistisch unabhängig voneinander, auch wenn einzelne Systemspieler dies nicht wahrhaben wollen.

	Bei anderen Anwendungen ist dagegen die Frage, ob zwei Ereignisse statistisch unabhängig sind oder nicht, gefühlsmäßig nicht oder nur sehr schwer zu beantworten. Hier kann man nur durch Überprüfung des oben angegebenen formalen Unabhängigkeitskriteriums zur richtigen Antwort kommen, wie das folgende Beispiel zeigen soll.		*Bei anderen Anwendungen ist dagegen die Frage, ob zwei Ereignisse statistisch unabhängig sind oder nicht, gefühlsmäßig nicht oder nur sehr schwer zu beantworten. Hier kann man nur durch Überprüfung des oben angegebenen formalen Unabhängigkeitskriteriums zur richtigen Antwort kommen, wie das folgende Beispiel zeigen soll.


Zeile 35:		Zeile 34:

	Für die folgende Beschreibung definieren wir folgende Ereignisse:		Für die folgende Beschreibung definieren wir folgende Ereignisse:
	*$A_1$:  Die Augenzahl des roten Würfels ist $R < 4$ (rote Hinterlegung)  ⇒  ${\rm Pr}(A_1) = 1/2$,		*$A_1$:  Die Augenzahl des roten Würfels ist $R < 4$ (rote Hinterlegung)   ⇒   ${\rm Pr}(A_1) = 1/2$,
	*$A_2$:  Die Augenzahl des blauen Würfels ist $B > 4$ (blaue Schrift)  ⇒  ${\rm Pr}(A_2) = 1/3$,		*$A_2$:  Die Augenzahl des blauen Würfels ist $B > 4$ (blaue Schrift)   ⇒   ${\rm Pr}(A_2) = 1/3$,
	*$A_3$:  Die Summe der beiden Würfel ist $S = 7$ (grüne Umrahmung)  ⇒  ${\rm Pr}(A_3) = 1/6$,		*$A_3$:  Die Summe der beiden Würfel ist $S = 7$ (grüne Umrahmung)   ⇒   ${\rm Pr}(A_3) = 1/6$,
	*$A_4$:  Die Summe der beiden Würfel ist $S = 8$  ⇒  ${\rm Pr}(A_4) = 5/36$,		*$A_4$:  Die Summe der beiden Würfel ist $S = 8$   ⇒   ${\rm Pr}(A_4) = 5/36$,
	*$A_5$:  Die Summe der beiden Würfel ist $S = 10$  ⇒  ${\rm Pr}(A_5) = 3/36$.		*$A_5$:  Die Summe der beiden Würfel ist $S = 10$   ⇒   ${\rm Pr}(A_5) = 3/36$.
	<br clear=all>		<br clear=all>
	Die Grafik kann wie folgt interpretiert werden:		Die Grafik kann wie folgt interpretiert werden:
	*Die beiden Ereignisse $A_1$ und $A_2$ ~~sind~~ sind statistisch unabhängig, da die Wahrscheinlichkeit ${\rm Pr}(A_1 ∩ A_2) = 1/6$ der Schnittmenge gleich dem Produkt der beiden Einzelwahrscheinlichkeiten ${\rm Pr}(A_1) = 1/2$ und ${\rm Pr}(A_2) = 1/3$ ist. Aufgrund der Aufgabenstellung hätte auch jedes andere Ergebnis sehr überrascht.		*Die beiden Ereignisse $A_1$ und $A_2$ sind statistisch unabhängig, da die Wahrscheinlichkeit ${\rm Pr}(A_1 ∩ A_2) = 1/6$ der Schnittmenge gleich dem Produkt der beiden Einzelwahrscheinlichkeiten ${\rm Pr}(A_1) = 1/2$ und ${\rm Pr}(A_2) = 1/3$ ist. Aufgrund der Aufgabenstellung hätte auch jedes andere Ergebnis sehr überrascht.
	*Aber auch die Ereignisse $A_1$ und $A_3$ sind wegen ${\rm Pr}(A_1) = 1/2$, ${\rm Pr}(A_3) = 1/6$ und ${\rm Pr}(A_1 ∩ A_3) = 1/12$ statistisch unabhängig. Die Wahrscheinlichkeit der Schnittmenge $1/12$ ergibt sich, weil drei der $36$ Felder sowohl rot hinterlegt als auch grün umrandet sind.		*Aber auch die Ereignisse $A_1$ und $A_3$ sind wegen ${\rm Pr}(A_1) = 1/2$, ${\rm Pr}(A_3) = 1/6$ und ${\rm Pr}(A_1 ∩ A_3) = 1/12$ statistisch unabhängig. Die Wahrscheinlichkeit der Schnittmenge $1/12$ ergibt sich, weil drei der $36$ Felder sowohl rot hinterlegt als auch grün umrandet sind.
	*Dagegen bestehen zwischen den Ereignissen $A_1$ und $A_4$ statistische Bindungen~~. Dies zeigt sich~~, da die Wahrscheinlichkeit der Schnittmenge   ⇒   ${\rm Pr}(A_1 ∩ A_4) = 1/18 = 4/72$ ungleich dem Produkt ${\rm Pr}(A_1) \cdot {\rm Pr}(A_4)= 1/2 \cdot 5/36 = 5/72$ ist.		*Dagegen bestehen zwischen den Ereignissen $A_1$ und $A_4$ statistische Bindungen, da die Wahrscheinlichkeit der Schnittmenge   ⇒   ${\rm Pr}(A_1 ∩ A_4) = 1/18 = 4/72$ ungleich dem Produkt ${\rm Pr}(A_1) \cdot {\rm Pr}(A_4)= 1/2 \cdot 5/36 = 5/72$ ist.
	*Die beiden Ereignisse $A_1$ und $A_5$ sind sogar disjunkt   ⇒   ${\rm Pr}(A_1 ∩ A_5) = 0$: Keines der rot hinterlegten Felder ist mit $S=10$ beschriftet. Dieses Beispiel zeigt, dass Disjunktivität eine besonders ausgeprägte Form von statistischer Abhängigkeit ist. }}		*Die beiden Ereignisse $A_1$ und $A_5$ sind sogar disjunkt   ⇒   ${\rm Pr}(A_1 ∩ A_5) = 0$:   Keines der rot hinterlegten Felder ist mit $S=10$ beschriftet. Dieses Beispiel zeigt, dass Disjunktivität eine besonders ausgeprägte Form von statistischer Abhängigkeit ist. }}

	==Bedingte Wahrscheinlichkeit==		==Bedingte Wahrscheinlichkeit==
Zeile 55:		Zeile 54:
	Die '''bedingte Wahrscheinlichkeit''' (englisch: ''Conditional Probability'') von $A$ unter der Bedingung $B$ ist wie folgt berechenbar:		Die '''bedingte Wahrscheinlichkeit''' (englisch: ''Conditional Probability'') von $A$ unter der Bedingung $B$ ist wie folgt berechenbar:
	:$${\rm Pr}(A\hspace{0.05cm} \vert \hspace{0.05cm} B) = \frac{ {\rm Pr}(A \cap B)}{ {\rm Pr}(B)}.$$		:$${\rm Pr}(A\hspace{0.05cm} \vert \hspace{0.05cm} B) = \frac{ {\rm Pr}(A \cap B)}{ {\rm Pr}(B)}.$$


	In gleicher Weise gilt für die bedingte Wahrscheinlichkeit von $B$ unter der Bedingung $A$:		In gleicher Weise gilt für die bedingte Wahrscheinlichkeit von $B$ unter der Bedingung $A$:
Zeile 65:		Zeile 63:

	Nachfolgend sind einige Eigenschaften von bedingten Wahrscheinlichkeiten zusammengestellt:		Nachfolgend sind einige Eigenschaften von bedingten Wahrscheinlichkeiten zusammengestellt:
	*Auch eine bedingte Wahrscheinlichkeit liegt stets zwischen $0$ und $1$ einschließlich dieser beiden Grenzen: $0 \le {\rm Pr}(A \hspace{0.05cm} \| \hspace{0.05cm} B) \le 1$.		*Auch eine bedingte Wahrscheinlichkeit liegt stets zwischen $0$ und $1$ einschließlich dieser beiden Grenzen:   $0 \le {\rm Pr}(A \hspace{0.05cm} \| \hspace{0.05cm} B) \le 1$.
	*Kann die Bedingung $B$ als konstant angesehen werden, so gelten alle im Kapitel [[Stochastische_Signaltheorie/Mengentheoretische_Grundlagen\|Mengentheoretische Grundlagen]] für die unbedingten Wahrscheinlichkeiten ${\rm Pr}(A)$ und ${\rm Pr}(B)$ angegebenen Rechenregeln weiterhin.		*Kann die Bedingung $B$ als konstant angesehen werden, so gelten alle im Kapitel [[Stochastische_Signaltheorie/Mengentheoretische_Grundlagen\|Mengentheoretische Grundlagen]] für die unbedingten Wahrscheinlichkeiten ${\rm Pr}(A)$ und ${\rm Pr}(B)$ angegebenen Rechenregeln weiterhin.
	*Sind die existierenden Ereignisse $A$ und $B$ disjunkt, so ist ${\rm Pr}(A\hspace{0.05cm} \| \hspace{0.05cm} B) = {\rm Pr}(B\hspace{0.05cm} \| \hspace{0.05cm}A)= 0$.		*Sind die existierenden Ereignisse $A$ und $B$ disjunkt, so ist ${\rm Pr}(A\hspace{0.05cm} \| \hspace{0.05cm} B) = {\rm Pr}(B\hspace{0.05cm} \| \hspace{0.05cm}A)= 0$.
	*Ist $B$ eine echte oder unechte Teilmenge von $A$, so ist ${\rm Pr}(A \hspace{0.05cm} \| \hspace{0.05cm} B) =1$.		*Ist $B$ eine echte oder unechte Teilmenge von $A$, so ist ${\rm Pr}(A \hspace{0.05cm} \| \hspace{0.05cm} B) =1$.
	*Sind zwei Ereignisse $A$ und $B$ statistisch voneinander unabhängig, so sind deren bedingte Wahrscheinlichkeiten gleich den unbedingten, wie ~~die~~ folgende Rechnung zeigt:		*Sind zwei Ereignisse $A$ und $B$ statistisch voneinander unabhängig, so sind deren bedingte Wahrscheinlichkeiten gleich den unbedingten, wie folgende Rechnung zeigt:
	:$${\rm Pr}(A \hspace{0.05cm} \| \hspace{0.05cm} B) = \frac{{\rm Pr}(A \cap B)}{{\rm Pr}(B)} = \frac{{\rm Pr} ( A) \cdot {\rm Pr} ( B)} { {\rm Pr}(B)} = {\rm Pr} ( A).$$		:$${\rm Pr}(A \hspace{0.05cm} \| \hspace{0.05cm} B) = \frac{{\rm Pr}(A \cap B)}{{\rm Pr}(B)} = \frac{{\rm Pr} ( A) \cdot {\rm Pr} ( B)} { {\rm Pr}(B)} = {\rm Pr} ( A).$$


	[[Datei:P_ID505__Sto_T_1_3_S2_neu.png \|frame\| Beispiel für statistisch abhängige Ereignisse\|right]]		[[Datei:P_ID505__Sto_T_1_3_S2_neu.png \|frame\| Beispiel für statistisch abhängige Ereignisse\|right]]
	{{GraueBox\|TEXT=		{{GraueBox\|TEXT=
	$\text{Beispiel 2:}$		$\text{Beispiel 2:}$
	Wir betrachten wieder das Zufallsexperiment &bdquo;Werfen mit zwei Würfeln”, wobei wie im [[Stochastische_Signaltheorie/Statistische_Abhängigkeit_und_Unabhängigkeit#Allgemeine_Definition_von_statistischer_Abh.C3.A4ngigkeit\|Beispiel 1]] $S = R + B$ die Summe des roten und des blauen Würfels bezeichnet.		Wir betrachten wieder das Zufallsexperiment &bdquo;Werfen mit zwei Würfeln”, wobei wie im [[Stochastische_Signaltheorie/Statistische_Abhängigkeit_und_Unabhängigkeit#Allgemeine_Definition_von_statistischer_Abh.C3.A4ngigkeit\|$\text{Beispiel 1}$]] $S = R + B$ die Summe des roten und des blauen Würfels bezeichnet.

	Wir betrachten hier Bindungen zwischen den beiden Ereignissen		Wir betrachten hier Bindungen zwischen den beiden Ereignissen
	*$A_1$: Die Augenzahl des roten Würfels ist $R < 4$ (rote Hinterlegung)   ⇒   ${\rm Pr}(A_1) = 1/2$,		*$A_1$:  Die Augenzahl des roten Würfels ist $R < 4$ (rote Hinterlegung)   ⇒   ${\rm Pr}(A_1) = 1/2$,
	*$A_4$: Die Summe der beiden Würfel ist $S = 8$ (grüne Umrahmung)   ⇒   ${\rm Pr}(A_4) = 5/36$,		*$A_4$:  Die Summe der beiden Würfel ist $S = 8$ (grüne Umrahmung)   ⇒   ${\rm Pr}(A_4) = 5/36$,


	und nehmen nochmals Bezug auf das Ereignis		und nehmen nochmals Bezug auf das Ereignis
	*$A_3$: Die Summe der beiden Würfel ist $S = 7$  ⇒  ${\rm Pr}(A_3) = 1/6$.		*$A_3$:  Die Summe der beiden Würfel ist $S = 7$  ⇒  ${\rm Pr}(A_3) = 1/6$.
			<br clear=all>

	Zu dieser Grafik ist anzumerken:		Zu dieser Grafik ist anzumerken:
	*Zwischen den Ereignissen $A_1$ und $A_4$ bestehen statistische Bindungen, da die Wahrscheinlichkeit der Schnittmenge   ⇒   ${\rm Pr}(A_1 ∩ A_4) = 1/18 = 4/72$ ungleich dem Produkt ${\rm Pr}(A_1) \cdot {\rm Pr}(A_4)= 1/2 \cdot 5/36 = 5/72$ ist.		*Zwischen den Ereignissen $A_1$ und $A_4$ bestehen statistische Bindungen, da die Wahrscheinlichkeit der Schnittmenge   ⇒   ${\rm Pr}(A_1 ∩ A_4) = 2/36 = 4/72$ ungleich dem Produkt ${\rm Pr}(A_1) \cdot {\rm Pr}(A_4)= 1/2 \cdot 5/36 = 5/72$ ist.
	*Die bedingte Wahrscheinlichkeit ${\rm Pr}(A_1 \hspace{0.05cm} \vert \hspace{0.05cm} A_4) = 2/5$ kann aus dem Quotienten der Verbundwahrscheinlichkeit ${\rm Pr}(A_1 ∩ A_4) = 2/36$ und der Wahrscheinlichkeit ${\rm Pr}(A_4) = 5/36$ berechnet werden.		*Die bedingte Wahrscheinlichkeit ${\rm Pr}(A_1 \hspace{0.05cm} \vert \hspace{0.05cm} A_4) = 2/5$ kann aus dem Quotienten der Verbundwahrscheinlichkeit ${\rm Pr}(A_1 ∩ A_4) = 2/36$ und der Wahrscheinlichkeit ${\rm Pr}(A_4) = 5/36$ berechnet werden.
	*Da $A_1$ und $A_4$ statistisch abhängig sind, ist die bedingte Wahrscheinlichkeit ${\rm Pr}(A_1 \hspace{0.05cm}\vert \hspace{0.05cm} A_4) = 2/5$ (zwei der fünf grün umrandeten Felder sind rot hinterlegt) ungleich der absoluten Wahrscheinlichkeit ${\rm Pr}(A_1) = 1/2$ (die Hälfte aller Felder sind rot hinterlegt).		*Da $A_1$ und $A_4$ statistisch abhängig sind, ist die bedingte Wahrscheinlichkeit ${\rm Pr}(A_1 \hspace{0.05cm}\vert \hspace{0.05cm} A_4) = 2/5$ (zwei der fünf grün umrandeten Felder sind rot hinterlegt) ungleich der absoluten Wahrscheinlichkeit ${\rm Pr}(A_1) = 1/2$ (die Hälfte aller Felder sind rot hinterlegt).