Typen
:Beispiele
:Konstrukte
:Generalisierungen
:Eigenschaften
:- Kolmogorov-Axiome
- Addition von Wahrscheinlichkeiten
- W-Maß der leeren Menge ist 0 (damit sind W-Maße auch Maße)
- W-Maße liegen für beliebige Ereignisse zwischen 0 und 1
- W-Maße sind Endlich-Additiv
- Gegenwahrscheinlichkeit
- W-Maße sind Monoton
- W-Maße sind Sigma-Subadditiv
- W-Maße sind Sigma-Stetig
- Schwaches Gesetz der großen Zahlen
- Siebformel für Ereignisse
- Markov-Ungleichung
Bedingte Ereignisse
Involvierte Definitionen
:Veranstaltung
: AlMa, EiSReferenz
: @henze2019
⠀
Definition: Wahrscheinlichkeitsmaß
Sei
eine Grundmenge.
Seieine -Algebra über .
Seieine Mengenfunktion. Wir bezeichnen
als Wahrscheinlichkeitsmaß auf , falls die Kolmogorov-Axiome gelten. Also:
, , ist -additiv.
Ergebnisse und Ereignisse
Da
, weißt also Ereignissen (Mengen von Ergebnissen) eine Wahrscheinlichkeit zu.
Anmerkung
Unterschied zur Maßdefinition
Der Unterschied zur Maßdefinition besteht darin, dass zusätzlich die Forderung
hinzugekommen ist. Die Forderung
folgt aus der -Additivität. Siehe hierzu auch: Wahrscheinlichkeitsmaße und Leere Menge
Wahrscheinlichkeitsmaß vs. Wahrscheinlichkeitsverteilung
Sei
eine Grundmenge.
Seieine -Algebra über .
Seiein Wahrscheinlichkeitsmaß. Wir nennen
nur dann Wahrscheinlichkeitsverteilung, wenn ein Bildmaß ist. Das ist zum Beispiel immer der Fall, wenn wir uns das Wahrscheinlichkeitsmaß einer Zufallsvariablen anschauen.
Über die Kanonische Konstruktion eines Wahrscheinlichkeitsraums können wir uns jedoch immer eine solche Zufallsvariable konstruieren.