Klassische Definition der Wahrscheinlickeit (Lernvideo): Unterschied zwischen den Versionen

Aus LNTwww
Wechseln zu:Navigation, Suche
 
(4 dazwischenliegende Versionen von 2 Benutzern werden nicht angezeigt)
Zeile 1: Zeile 1:
 
   
 
   
 
=== Inhalt ===
 
=== Inhalt ===
Die Klassische Definition der Wahrscheinlichkeit geht von $M$ Elementarergebnissen $E_\mu$ aus, die alle gleichwahrscheinlich sind und zusammen ein vollständiges System bilden. Das heißt: Alle  Ergebnissen $E_\mu$ sind paarweise disjunkt und die Vereinigungsmenge über alle $E_\mu$ ergibt die Grundmenge $G$. Die Wahrscheinlichkeit für ein solches Elementarergebnis ist somit  ${\rm Pr}(E_\mu) = 1/M.$
+
Die Klassische Definition der Wahrscheinlichkeit geht von $M$ Elementarergebnissen $E_\mu$ aus, die alle gleichwahrscheinlich sind und zusammen ein vollständiges System bilden. Das heißt: Alle  Ergebnisse $E_\mu$ sind paarweise disjunkt und die Vereinigungsmenge über alle $E_\mu$ ergibt die Grundmenge $G$. Die Wahrscheinlichkeit für ein solches Elementarergebnis ist somit  ${\rm Pr}(E_\mu) = 1/M.$
  
Zur Erzeugung einer gaußverteilten Zufallsgröße kann man die Tatsache nutzen, dass sich eine solche Gaußverteilung zum Beispiel dann ergibt, wenn man eine Gleichverteilung (Rechteck-WDF) unendlich oft mit sich selbst faltet. Das Lernvideo (Dauer 3:42) verdeutlicht das Prinzip:
+
Dann ist die Wahrscheinlichkeit für das Ereignis $A$, das sich aus $K$ solcher Elementarergebnissen zusammensetzt, nach der Klassischen Definition: ${\rm Pr}(A) = K/M.$
*Die Summe $s = x_1 + x_2$ besitzt eine dreieckförmige WDF $f_s(s)$ zwischen $\pm 1$, wenn die zwei unabhängigen Komponenten $x_1$ und $x_2$ jeweils zwischen $\pm 0.5$  gleichverteilt sind. Dies ist die erste einfache Approximation der Gaußverteilung basierend auf der Faltung für den Prarneter $I = 2$.
 
*Addiert man nun nicht nur zwei, sondern $I$ solche statistisch unabhängige Komponenten, so wird die Approximation immer besser, je größer $I$ ist. Man erkauft sich die bessere Approximationsqualität mit steigendem $I$ allerdings auch mit einem größeren Rechenaufwand. 
 
*Erforderlich ist dabei stets eine Varianzanpassung, das heißt je größer $I$ ist, desto schmäler muss die  rechteckförmige WDF $f_x(x)$ der als identisch angenommenen Eingangsgrößen $x_i$ mit $i = 1$, ... ,$I$ sein, wenn $\sigma_s$ vorgegeben ist.
 
*Mit der hier beschriebenen Additionsmethode lässt sich der innere Bereich der Gaußschen Glockenkurve sehr gut nachbilden. Dagegen werden die Ausläufer der Gaußkurve unzureichend nachgebildet, außer, man wählt $I$ extrem groß.
 
  
 +
Dieses Lernvideo (Dauer 5:18) verdeutlicht den hier genannten Zusammenhang und zeigt an je einem Beispiel, wann die Anwendung der Klassischen Wahrscheinlichkeits-Definition gerechtfertigt ist und wann nicht.
  
  
Zeile 20: Zeile 17:
 
Buch, Regie und Sprecher:  [[Biografien_und_Bibliografien/An_LNTwww_beteiligte_Mitarbeiter_und_Dozenten#Prof._Dr.-Ing._habil._G.C3.BCnter_S.C3.B6der_.28am_LNT_seit_1974.29|Günter Söder]],   Fachliche Beratung: Ioannis Oikokonomidis,  Realisierung: [[Biografien_und_Bibliografien/An_LNTwww_beteiligte_Studierende#Franz_Kohl_.28Diplomarbeit_LB_2004.2C_danach_freie_Mitarbeit_bis_2006.29|Franz Kohl]] und [[Biografien_und_Bibliografien/An_LNTwww_beteiligte_Mitarbeiter_und_Dozenten#Winfried_Kretzinger_.28am_LNT_von_1973-2004.29|Winfried Kretzinger]].
 
Buch, Regie und Sprecher:  [[Biografien_und_Bibliografien/An_LNTwww_beteiligte_Mitarbeiter_und_Dozenten#Prof._Dr.-Ing._habil._G.C3.BCnter_S.C3.B6der_.28am_LNT_seit_1974.29|Günter Söder]],   Fachliche Beratung: Ioannis Oikokonomidis,  Realisierung: [[Biografien_und_Bibliografien/An_LNTwww_beteiligte_Studierende#Franz_Kohl_.28Diplomarbeit_LB_2004.2C_danach_freie_Mitarbeit_bis_2006.29|Franz Kohl]] und [[Biografien_und_Bibliografien/An_LNTwww_beteiligte_Mitarbeiter_und_Dozenten#Winfried_Kretzinger_.28am_LNT_von_1973-2004.29|Winfried Kretzinger]].
  
Im Zuge der LNTwww-Neugestaltung (Version 3) wurden diese Lernvideos 2016/2017 durch [[Biografien_und_Bibliografien/An_LNTwww_beteiligte_Mitarbeiter_und_Dozenten#Tasn.C3.A1d_Kernetzky.2C_M.Sc._.28am_LNT_seit_2014.29|Tasnád Kernetzky]] und einigen Studenten in moderne Formate konvertiert, um von möglichst vielen Browsern wie Firefox, Chrome und Safari, als auch von Smartphones wiedergegeben werden zu können.
+
Im Zuge der LNTwww-Neugestaltung (Version 3) wurden diese Lernvideos 2016/2017 durch [[Biografien_und_Bibliografien/An_LNTwww_beteiligte_LÜT-Angehörige#Dr.-Ing._Tasn.C3.A1d_Kernetzky_.28bei_L.C3.9CT_von_2014-2022.29|Tasnád Kernetzky]] und einigen Studenten in moderne Formate konvertiert, um von möglichst vielen Browsern wie Firefox, Chrome und Safari, als auch von Smartphones wiedergegeben werden zu können.

Aktuelle Version vom 26. Oktober 2023, 11:32 Uhr

Inhalt

Die Klassische Definition der Wahrscheinlichkeit geht von $M$ Elementarergebnissen $E_\mu$ aus, die alle gleichwahrscheinlich sind und zusammen ein vollständiges System bilden. Das heißt: Alle Ergebnisse $E_\mu$ sind paarweise disjunkt und die Vereinigungsmenge über alle $E_\mu$ ergibt die Grundmenge $G$. Die Wahrscheinlichkeit für ein solches Elementarergebnis ist somit ${\rm Pr}(E_\mu) = 1/M.$

Dann ist die Wahrscheinlichkeit für das Ereignis $A$, das sich aus $K$ solcher Elementarergebnissen zusammensetzt, nach der Klassischen Definition: ${\rm Pr}(A) = K/M.$

Dieses Lernvideo (Dauer 5:18) verdeutlicht den hier genannten Zusammenhang und zeigt an je einem Beispiel, wann die Anwendung der Klassischen Wahrscheinlichkeits-Definition gerechtfertigt ist und wann nicht.



Dieses Lernvideo wurde 2004 am Lehrstuhl für Nachrichtentechnik der Technischen Universität München konzipiert und realisiert.
Buch, Regie und Sprecher: Günter Söder,   Fachliche Beratung: Ioannis Oikokonomidis,  Realisierung: Franz Kohl und Winfried Kretzinger.

Im Zuge der LNTwww-Neugestaltung (Version 3) wurden diese Lernvideos 2016/2017 durch Tasnád Kernetzky und einigen Studenten in moderne Formate konvertiert, um von möglichst vielen Browsern wie Firefox, Chrome und Safari, als auch von Smartphones wiedergegeben werden zu können.