Stochastisch unabhängige Ereignisse

Die stochastische Unabhängigkeit von Ereignissen ist ein fundamentales wahrscheinlichkeitstheoretisches Konzept, das die Vorstellung von sich nicht gegenseitig beeinflussenden Zufallsereignissen formalisiert: Zwei Ereignisse heißen stochastisch unabhängig, wenn sich die Wahrscheinlichkeit dafür, dass das eine Ereignis eintritt, nicht dadurch ändert, dass das andere Ereignis eintritt beziehungsweise nicht eintritt.

Stochastische Unabhängigkeit zweier Ereignisse

Definition

Es sei ein Wahrscheinlichkeitsraum und seien beliebige Ereignisse, also messbare Teilmengen der Ergebnismenge .

Die Ereignisse und heißen (stochastisch) unabhängig, wenn

gilt. Zwei Ereignisse sind also (stochastisch) unabhängig, wenn die Wahrscheinlichkeit, dass beide Ereignisse eintreten, gleich dem Produkt ihrer Einzelwahrscheinlichkeiten ist.

Beispiel

Betrachtet man als Beispiel das zweimalige Ziehen aus einer Urne mit vier Kugeln, davon zwei schwarz und zwei rot.

Zuerst wird mit Zurücklegen gezogen. Betrachtet man die Ereignisse

,

dann ist und . Es ist dann

.

Die beiden Ereignisse sind also unabhängig.

Zieht man hingegen ohne Zurücklegen, so lauten die neuen Wahrscheinlichkeiten für dieselben Ereignisse

und .

Es ist aber

.

Die Ereignisse sind also nicht stochastisch unabhängig. Dies macht klar, dass stochastische Unabhängigkeit nicht nur eine Eigenschaft von Ereignissen, sondern auch der verwendeten Wahrscheinlichkeitsmaße ist.

Elementare Eigenschaften

  • Ein Ereignis ist genau dann von sich selbst unabhängig, wenn es mit Wahrscheinlichkeit 0 oder 1 eintritt. Insbesondere ist die Grundmenge und die leere Menge stets von sich selbst unabhängig.
  • Hat das Ereignis die Wahrscheinlichkeit 0 oder 1, so sind und für beliebige Wahl von voneinander unabhängig, da dann immer beziehungsweise gilt. Die Umkehrung ist auch richtig: Ist von jedem beliebigen unabhängig, so ist oder .
  • Unabhängigkeit ist nicht zu verwechseln mit Disjunktheit. Disjunkte Ereignisse sind nur dann unabhängig, wenn eines der Ereignisse die Wahrscheinlichkeit 0 hat, da .[1]
  • Unter Verwendung des wichtigen Begriffes der bedingten Wahrscheinlichkeit erhält man die folgenden äquivalenten Definitionen: Zwei Ereignisse und mit sind genau dann unabhängig, wenn
oder dazu äquivalent
Insbesondere die letzten beiden Definitionen zusammen sagen aus: Die Wahrscheinlichkeit des Eintretens des Ereignisses hängt nicht davon ab, ob das Ereignis oder eintritt. Da die Rollen von und auch vertauscht werden können, sagt man, die beiden Ereignisse sind unabhängig voneinander.

Geschichte

Das Konzept nahm in Untersuchungen von Abraham de Moivre und Thomas Bayes über Glücksspiele mit Ziehen ohne Zurücklegen Gestalt an, auch wenn zuvor Jakob I Bernoulli implizit darauf aufbaut.[2] De Moivre definiert in The Doctrine of Chance 1718

“… if a Fraction expresses the Probability of an Event, and another Fraction the Probability of another Event, and those two Events are independent; the Probability that both those Events will Happen, will be the Product of those Fractions.”

und in einer späteren Ausgabe[3]

“Two Events are independent, when they have no connexion one with the other, and that the happening of one neither forwards nor obstructs the happening of the other.”

Das letztere ist Vorläufer der Darstellung von stochastischer Unabhängigkeit über bedingte Wahrscheinlichkeiten . Die erste formal korrekte Definition der stochastischen Unabhängigkeit wurde 1900 von Georg Bohlmann gegeben.

Stochastische Unabhängigkeit mehrerer Ereignisse

Definition

Sei ein Wahrscheinlichkeitsraum, eine nichtleere Indexmenge und sei eine Familie von Ereignissen. Die Familie von Ereignissen heißt unabhängig, wenn für jede endliche nichtleere Teilmenge von gilt, dass

Beispiel

Gemäß obiger Definition sind drei Ereignisse , , genau dann stochastisch unabhängig, wenn sie paarweise unabhängig sind und zusätzlich gilt. Folgendes Beispiel von Bernstein (1927) zeigt die paarweise Unabhängigkeit von drei Ereignissen , und , die aber nicht gemeinsam (also , und gleichzeitig) unabhängig sind (ein ähnliches Beispiel wurde bereits 1908 von Georg Bohlmann gegeben).

In einer Schachtel befinden sich 4 Zettel mit folgenden Zahlenkombinationen: 112, 121, 211, 222. Einer der Zettel wird zufällig (je mit Wahrscheinlichkeit 1/4) gezogen. Wir betrachten dann folgende drei Ereignisse:

mit
mit
mit

Offensichtlich sind die drei Ereignisse paarweise unabhängig, da gilt

Die drei Ereignisse sind jedoch nicht (gemeinsam) unabhängig, da gilt

Des Weiteren kann aus nicht geschlossen werden, dass die drei Ereignisse paarweise unabhängig sind. Betrachtet man dazu beispielsweise die Grundmenge

und die Ereignisse

versehen mit der Gleichverteilung, so ist

.

Aber es ist zum Beispiel

.

Unabhängigkeit und Kausalität

Wichtig ist, dass stochastische Unabhängigkeit und Kausalität grundlegend verschiedene Konzepte sind. Die stochastische Unabhängigkeit ist eine rein abstrakte Eigenschaft von Wahrscheinlichkeitsmaßen und Ereignissen. Es besteht per se kein Zusammenhang zwischen stochastischer und kausaler Unabhängigkeit. So ist die stochastische Unabhängigkeit im Gegensatz zur kausalen Unabhängigkeit immer eine symmetrische Eigenschaft, es ist also immer A unabhängig von B und B unabhängig von A. Dies ist bei kausaler Unabhängigkeit nicht gegeben.

Stochastische Unabhängigkeit und kausale Abhängigkeit

Betrachtet man beispielsweise beim Werfen von zwei Würfeln die Ereignisse , dass der erste Würfel eine gerade Augenzahl zeigt, und , dass die Summe der gewürfelten Zahlen gerade ist, dann ist und . Die Ereignisse sind also stochastisch unabhängig voneinander, aber B ist kausal abhängig von A, da der Wurf des ersten Würfels die Summe der Augenzahlen mitbestimmt.

Stochastische Unabhängigkeit und kausale Unabhängigkeit

Ein Beispiel, bei dem sowohl stochastische als auch kausale Unabhängigkeit eintritt ist das Werfen zweier Würfel mit den Ereignissen , dass der erste Würfel eine 6 zeigt, und , dass der zweite Würfel eine 6 zeigt. Es ist dann und , es liegt also stochastische Unabhängigkeit vor. Außerdem besteht kein kausaler Zusammenhang zwischen den Würfeln.

Stochastische Abhängigkeit und kausale Abhängigkeit

Ein Fall, bei dem sowohl stochastische als auch kausale Abhängigkeit vorliegt, ist der zweimalige Münzwurf und die Ereignisse , dass zweimal Kopf geworfen wird, und , dass der erste Wurf Zahl zeigt. Es ist dann und , aber , da die Ereignisse disjunkt sind. Also sind die Ereignisse sowohl stochastisch abhängig als auch kausal abhängig.

Bemerkungen

Bei methodisch korrektem Vorgehen kann man nicht einfach Unabhängigkeit vermuten, sondern man muss sie anhand obiger Formel überprüfen. Dabei ist meistens die gemeinsame Wahrscheinlichkeit nicht von vornherein gegeben. Bei der statistischen Auswertung erhobener Daten kann man beispielsweise mit einem χ2-Test die Merkmale auf stochastische Unabhängigkeit testen.

Verallgemeinerungen

Eine wichtige Verallgemeinerung der stochastischen Unabhängigkeit ist die Unabhängigkeit von Mengensystemen und die daraus folgende weitere Verallgemeinerung der stochastisch unabhängigen Zufallsvariablen. Diese sind ein zentrales Konzept der Wahrscheinlichkeitstheorie und Voraussetzung für viele weitreichende Sätze. Mittels des bedingten Erwartungswertes lassen sich alle genannten Konzepte noch zur bedingten Unabhängigkeit erweitern.

Literatur

  • Christian Hesse: Angewandte Wahrscheinlichkeitstheorie. 1. Auflage. Vieweg, Wiesbaden 2003, ISBN 3-528-03183-2, doi:10.1007/978-3-663-01244-3.
  • Achim Klenke: Wahrscheinlichkeitstheorie. 3. Auflage. Springer-Verlag, Berlin Heidelberg 2013, ISBN 978-3-642-36017-6, doi:10.1007/978-3-642-36018-3.
  • Hans-Otto Georgii: Stochastik. Einführung in die Wahrscheinlichkeitstheorie und Statistik. 4. Auflage. Walter de Gruyter, Berlin 2009, ISBN 978-3-11-021526-7, doi:10.1515/9783110215274.
  • Ulrich Krengel: Einführung in die Wahrscheinlichkeitstheorie und Statistik. Für Studium, Berufspraxis und Lehramt. 8. Auflage. Vieweg, Wiesbaden 2005, ISBN 3-8348-0063-5, doi:10.1007/978-3-663-09885-0.
  • A. M. Prochorow: Independence. In: Michiel Hazewinkel (Hrsg.): Encyclopaedia of Mathematics, Kluwer Academic Publishers, 2001, ISBN 978-1-55608-010-4 (online).

Weblinks

Einzelnachweise

  1. Norbert Henze: Stochastik für Einsteiger, Braunschweig/Wiesbaden, Vieweg Verlag, 1997, ISBN 3-528-06894-9, S. 118
  2. de Tari and Diblasi: Analysis of didactic situations suggested to distinguish disjunctive events and independent events. In: ICOTS-7, 2006.
  3. Zitiert nach: Grinstead and Snell’s Introduction to Probability. In: The CHANCE Project. Version vom 4. Juli 2006. Website (Memento vom 27. Juli 2011 im Internet Archive)