# Wahrscheinlichkeit unabhängiger Ereignisse > For AI agents: use [llms.txt](https://nakafa.com/llms.txt) for the site index. Markdown versions are available by appending `.md` to content URLs or sending `Accept: text/markdown`. URL: https://nakafa.com/de/faecher/mathematik/kombinatorik/unabhaengige-ereignisse Source: https://raw.githubusercontent.com/nakafaai/aksara/16d6b8e869d1a277313c65bbfc4b4a83efe77a46/packages/corpus/material/lesson/mathematics/combinatorics/probability-of-independent-events/de.mdx Unabhängigkeit prüfen und gemeinsame Wahrscheinlichkeiten berechnen, ohne sich von oberflächlichen Schlüsselwörtern täuschen zu lassen. --- ## Unabhängige Ereignisse verstehen In manchen Wahrscheinlichkeitsmodellen gilt: **Die Kenntnis eines Ergebnisses verändert die Wahrscheinlichkeit eines anderen nicht**. Wirf eine faire Münze und einen fairen Würfel. Das Ergebnis der Münze liefert keine Information über das Würfelergebnis. Die beiden Ereignisse sind unabhängig. Die Ereignisse $$A$$ und $$B$$ sind **unabhängig**, wenn die Wahrscheinlichkeit des jeweils anderen unverändert bleibt, sobald wir eines als Bedingung voraussetzen. Unabhängigkeit ist eine Eigenschaft des Wahrscheinlichkeitsmodells. Gleichzeitig stattfindende Ereignisse sind nicht automatisch unabhängig. Visible text: Die Ereignisse und sind **unabhängig**, wenn die Wahrscheinlichkeit des jeweils anderen unverändert bleibt, sobald wir eines als Bedingung voraussetzen. Unabhängigkeit ist eine Eigenschaft des Wahrscheinlichkeitsmodells. Gleichzeitig stattfindende Ereignisse sind nicht automatisch unabhängig. Diese Unterscheidung ist wichtig, weil zwei Ereignisse eine verborgene gemeinsame Ursache haben können. Zwei Alarme steuern einander vielleicht nicht direkt, reagieren aber möglicherweise auf denselben Vorfall. Nimm Unabhängigkeit daher nur an, wenn sie aus dem Modell folgt oder ausdrücklich gegeben ist. ## Eigenschaften unabhängiger Ereignisse ### Keine gegenseitige Beeinflussung Das Hauptmerkmal unabhängiger Ereignisse lautet: **Das Ergebnis eines Ereignisses verändert die Wahrscheinlichkeit des anderen nicht**. Sind $$A$$ und $$B$$ unabhängig und gilt $$P(B) > 0$$, dann folgt: Visible text: Das Hauptmerkmal unabhängiger Ereignisse lautet: **Das Ergebnis eines Ereignisses verändert die Wahrscheinlichkeit des anderen nicht**. Sind und unabhängig und gilt , dann folgt: ```math P(A|B) = P(A) ``` Dies bedeutet, dass die Wahrscheinlichkeit, dass $$A$$ auftritt, wenn $$B$$ bereits aufgetreten ist, genauso groß ist wie die Wahrscheinlichkeit, dass $$A$$ im Allgemeinen auftritt. Visible text: Dies bedeutet, dass die Wahrscheinlichkeit, dass auftritt, wenn bereits aufgetreten ist, genauso groß ist wie die Wahrscheinlichkeit, dass im Allgemeinen auftritt. ### Beispiele aus dem täglichen Leben Beispiele mit einem klar unabhängigen Mechanismus sind: - zwei getrennte faire Münzwürfe - je eine Karte aus zwei unabhängig gemischten Stapeln - zwei getrennte faire Würfel - zwei Zufallszahlen aus unabhängigen Versuchen ### Identifizieren unabhängiger Ereignisse Frage zur Prüfung: „Verändert die Kenntnis des ersten Ergebnisses die Wahrscheinlichkeitsverteilung des zweiten?“ Eine bloße Ursache-Wirkungs-Geschichte reicht nicht. Nutze das angegebene Modell oder vergleiche bedingte und gewöhnliche Wahrscheinlichkeit. ## Formel für die Wahrscheinlichkeit unabhängiger Ereignisse Da unabhängige Ereignisse sich nicht gegenseitig beeinflussen, wird die Berechnung ihrer gemeinsamen Wahrscheinlichkeit einfach. Die **Grundformel** für die Wahrscheinlichkeit unabhängiger Ereignisse lautet: ```math P(A \cap B) = P(A) \times P(B) ``` Die Wahrscheinlichkeit dafür, dass $$A$$ und $$B$$ gemeinsam eintreten, ist also das Produkt ihrer Einzelwahrscheinlichkeiten. Visible text: Die Wahrscheinlichkeit dafür, dass und gemeinsam eintreten, ist also das Produkt ihrer Einzelwahrscheinlichkeiten. ### Warum diese Formel funktioniert Bei unabhängigen Ereignissen stimmt die bedingte Wahrscheinlichkeit mit der gewöhnlichen Wahrscheinlichkeit überein. Aus $$P(A|B) = P(A)$$ folgt: Visible text: Bei unabhängigen Ereignissen stimmt die bedingte Wahrscheinlichkeit mit der gewöhnlichen Wahrscheinlichkeit überein. Aus folgt: ```math P(A \cap B) = P(A|B) \times P(B) = P(A) \times P(B) ``` Aus diesem Grund können wir einzelne Wahrscheinlichkeiten direkt multiplizieren, um die gemeinsame Wahrscheinlichkeit zu erhalten. ## Anwendung in Berechnungen ### Zwei Würfel werfen Ein roter und ein weißer Würfel werden geworfen. Gesucht ist die Wahrscheinlichkeit dafür, dass der rote Würfel $$2$$ und der weiße $$5$$ zeigt. Visible text: Ein roter und ein weißer Würfel werden geworfen. Gesucht ist die Wahrscheinlichkeit dafür, dass der rote Würfel und der weiße zeigt. **Lösung:** - Ereignis $$A$$: Der rote Würfel zeigt $$2$$ - Ereignis $$B$$: Der weiße Würfel zeigt $$5$$ Visible text: - Ereignis : Der rote Würfel zeigt - Ereignis : Der weiße Würfel zeigt Beide Ereignisse sind **unabhängig**, da das Ergebnis des roten Würfels keinen Einfluss auf das Ergebnis des weißen Würfels hat. Component: MathContainer Children: ```math P(A) = \frac{1}{6} ``` ```math P(B) = \frac{1}{6} ``` ```math P(A \cap B) = P(A) \times P(B) = \frac{1}{6} \times \frac{1}{6} = \frac{1}{36} ``` Die Wahrscheinlichkeit, die Zahl $$2$$ auf dem roten Würfel und die Zahl $$5$$ auf dem weißen Würfel zu bekommen, beträgt also $$\frac{1}{36}$$. Visible text: Die Wahrscheinlichkeit, die Zahl auf dem roten Würfel und die Zahl auf dem weißen Würfel zu bekommen, beträgt also . ### Werfen eines Würfels und einer Münze Ein Würfel und eine Münze werden geworfen. Gesucht ist die Wahrscheinlichkeit für eine gerade Würfelzahl und die Zahlseite der Münze. **Lösung:** Component: MathContainer Children: ```math S_1 = \{1, 2, 3, 4, 5, 6\} ``` ```math S_2 = \{0, 1\} ``` - Ereignis $$A$$: Die gerade Würfelzahl liegt in $$\{2, 4, 6\}$$ - Ereignis $$B$$: Die Zahlseite der Münze wird durch $$1$$ dargestellt, also $$\{1\}$$ Visible text: - Ereignis : Die gerade Würfelzahl liegt in - Ereignis : Die Zahlseite der Münze wird durch dargestellt, also Beide Ereignisse sind **unabhängig**, da das Ergebnis des Würfels keinen Einfluss auf das Ergebnis der Münze hat. Component: MathContainer Children: ```math P(A) = \frac{3}{6} = \frac{1}{2} ``` ```math P(B) = \frac{1}{2} ``` ```math P(A \cap B) = P(A) \times P(B) = \frac{1}{2} \times \frac{1}{2} = \frac{1}{4} ``` ### Beispiel für angewandte Modellierung Zwei unabhängig versorgte Überwachungssensoren führen täglich einen Selbsttest durch. Sensor $$A$$ besteht ihn mit Wahrscheinlichkeit $$0{,}98$$, Sensor $$B$$ mit Wahrscheinlichkeit $$0{,}92$$. Wie groß ist im angegebenen Unabhängigkeitsmodell die Wahrscheinlichkeit, dass beide Tests erfolgreich sind? Visible text: Zwei unabhängig versorgte Überwachungssensoren führen täglich einen Selbsttest durch. Sensor besteht ihn mit Wahrscheinlichkeit , Sensor mit Wahrscheinlichkeit . Wie groß ist im angegebenen Unabhängigkeitsmodell die Wahrscheinlichkeit, dass beide Tests erfolgreich sind? Die Unabhängigkeitsannahme ist Teil dieses Modells. Wenn beide Sensoren eine gemeinsame Stromversorgung oder ein gemeinsames Netzwerk hätten, müssten wir diese Annahme erneut testen. **Lösung:** - Ereignis $$A$$: Der erste Sensor besteht seinen Selbsttest - Ereignis $$B$$: Der zweite Sensor besteht seinen Selbsttest Visible text: - Ereignis : Der erste Sensor besteht seinen Selbsttest - Ereignis : Der zweite Sensor besteht seinen Selbsttest Das Problem besagt, dass die beiden Selbsttests **unabhängig** sind, sodass ein Ergebnis die Wahrscheinlichkeit des anderen nicht ändert. **Detaillierte Berechnung:** Component: MathContainer Children: ```math P(A \cap B) = P(A) \times P(B) ``` ```math P(A \cap B) = 0{,}98 \times 0{,}92 = 0{,}9016 ``` Die Wahrscheinlichkeit, dass beide Sensoren bestehen, beträgt somit $$0{,}9016$$ oder $$90{,}16\%$$. Visible text: Die Wahrscheinlichkeit, dass beide Sensoren bestehen, beträgt somit oder . ## Problemlösungsstrategien ### Systematische Schritte Bei Aufgaben mit unabhängigen Ereignissen gehen Sie so vor: 1. **Benenne die Ereignisse** im Problem 2. **Prüfe ihre Unabhängigkeit** anhand des Modells oder der bedingten Wahrscheinlichkeiten 3. **Berechne die Einzelwahrscheinlichkeiten** 4. **Wende die Formel an** $$P(A \cap B) = P(A) \times P(B)$$ 5. **Prüfe das Ergebnis** im Kontext der Aufgabe Visible text: 1. **Benenne die Ereignisse** im Problem 2. **Prüfe ihre Unabhängigkeit** anhand des Modells oder der bedingten Wahrscheinlichkeiten 3. **Berechne die Einzelwahrscheinlichkeiten** 4. **Wende die Formel an** 5. **Prüfe das Ergebnis** im Kontext der Aufgabe ### Praktische Tipps Einige nützliche Strategien: - **Visualisiere** Ereignisse bei Bedarf mit einem Baumdiagramm - **Prüfe die Unabhängigkeit** am Modell oder an bedingten Wahrscheinlichkeiten, nicht allein am Zeitpunkt - **Kontrolliere das Ergebnis** mit einem zweiten Ansatz, wenn einer verfügbar ist - **Deute das Ergebnis** im Kontext der Aufgabe ### Unabhängige Ereignisse erkennen Achten Sie auf die folgenden Merkmale, um unabhängige Ereignisse zu identifizieren: **Unabhängig unter dem angegebenen Modell:** - getrennte Würfe mit fairen Münzen - Kartenziehen mit Zurücklegen und erneutem Mischen - Würfe mit separaten fairen Würfeln - unabhängige Zufallsversuche **Situationen, in denen Unabhängigkeit nicht vorausgesetzt werden darf:** - Kartenziehen ohne Zurücklegen - Körpergröße und Gewicht einer Person, sofern Modell oder Daten keine Unabhängigkeit belegen - Testergebnisse derselben Person in verschiedenen Fächern, sofern keine Unabhängigkeit nachgewiesen ist - Lufttemperatur und Luftfeuchtigkeit, sofern keine Unabhängigkeit für das betrachtete Modell nachgewiesen ist ## Übungen 1. Zwei faire Münzen werden unabhängig voneinander geworfen. Bestimme die Wahrscheinlichkeit für Kopf bei der ersten und Zahl bei der zweiten Münze. 2. Ein fairer Würfel wird unabhängig vom Ziehen einer Karte aus einem gemischten Standardkartenspiel geworfen. Berechne die Wahrscheinlichkeit für eine Primzahl auf dem Würfel und eine rote Karte. 3. In einer Klasse beträgt die Wahrscheinlichkeit für das Bestehen in Mathematik $$0{,}85$$ und in Physik $$0{,}78$$. Das Modell nimmt Unabhängigkeit an. Wie groß ist die Wahrscheinlichkeit, beide Fächer zu bestehen? 4. Drei faire Münzen werden unabhängig voneinander geworfen. Bestimme die Wahrscheinlichkeit für genau zweimal Zahl. Visible text: 1. Zwei faire Münzen werden unabhängig voneinander geworfen. Bestimme die Wahrscheinlichkeit für Kopf bei der ersten und Zahl bei der zweiten Münze. 2. Ein fairer Würfel wird unabhängig vom Ziehen einer Karte aus einem gemischten Standardkartenspiel geworfen. Berechne die Wahrscheinlichkeit für eine Primzahl auf dem Würfel und eine rote Karte. 3. In einer Klasse beträgt die Wahrscheinlichkeit für das Bestehen in Mathematik und in Physik . Das Modell nimmt Unabhängigkeit an. Wie groß ist die Wahrscheinlichkeit, beide Fächer zu bestehen? 4. Drei faire Münzen werden unabhängig voneinander geworfen. Bestimme die Wahrscheinlichkeit für genau zweimal Zahl. Bearbeiten Sie jede Aufgabe selbst, bevor Sie die ausführliche Lösung lesen. Begründen Sie die Unabhängigkeit, bevor Sie Wahrscheinlichkeiten multiplizieren. ### Ausführliche Lösungen 1. **Lösung:** - Ereignis $$A$$: Kopf bei der ersten Münze, $$P(A) = \frac{1}{2}$$ - Ereignis $$B$$: Zahl bei der zweiten Münze, $$P(B) = \frac{1}{2}$$ Beide Ereignisse sind unabhängig, da das Ergebnis der ersten Münze keinen Einfluss auf die zweite Münze hat. ```math P(A \cap B) = P(A) \times P(B) = \frac{1}{2} \times \frac{1}{2} = \frac{1}{4} ``` 2. **Lösung:** - Ereignis $$A$$: Primzahl auf dem Würfel ist $$\{2, 3, 5\}$$, also $$P(A) = \frac{3}{6} = \frac{1}{2}$$ - Ereignis $$B$$: Rote Karte (Herzen und Karo), also $$P(B) = \frac{26}{52} = \frac{1}{2}$$ Beide Ereignisse sind unabhängig. ```math P(A \cap B) = \frac{1}{2} \times \frac{1}{2} = \frac{1}{4} ``` 3. **Lösung:** - Ereignis $$A$$: Mathematik bestanden, $$P(A) = 0{,}85$$ - Ereignis $$B$$: Physik bestanden, $$P(B) = 0{,}78$$ Da beide Fächer unabhängig sind: ```math P(A \cap B) = 0{,}85 \times 0{,}78 = 0{,}663 ``` Die Wahrscheinlichkeit, beide Fächer zu bestehen, beträgt $$0{,}663$$ oder $$66{,}3\%$$. 4. **Lösung:** **Methode $$1$$: Direkte Aufzählung** Verwende $$0$$ für Kopf und $$1$$ für Zahl. Der Ergebnisraum für $$3$$ Münzen lautet $$\{000, 001, 010, 011, 100, 101, 110, 111\}$$ und enthält $$8$$ Ergebnisse. Genau zweimal Zahl tritt in $$\{011, 101, 110\}$$ auf. Es gibt also $$3$$ günstige Ergebnisse. ```math P(\text{genau 2-mal Zahl}) = \frac{3}{8} ``` **Methode $$2$$: Binomialverteilung verwenden** Für $$n = 3$$ Würfe mit der Erfolgswahrscheinlichkeit $$p = \frac{1}{2}$$ für Zahl berechnen wir genau $$k = 2$$ Erfolge: ```math P(X = k) = \binom{n}{k} \times p^k \times (1-p)^{n-k} ``` Werte ersetzen: ```math P(\text{genau 2-mal Zahl}) = \binom{3}{2} \times \left(\frac{1}{2}\right)^2 \times \left(\frac{1}{2}\right)^1 ``` **Schritt-für-Schritt-Erklärung:** - $$\binom{3}{2} = 3$$ (Auswahl der $$2$$ Positionen für Zahl unter $$3$$ Würfen) - $$\left(\frac{1}{2}\right)^2 = \frac{1}{4}$$ (Wahrscheinlichkeit für $$2$$ Zahlseiten) - $$\left(\frac{1}{2}\right)^1 = \frac{1}{2}$$ (Wahrscheinlichkeit für $$1$$ Kopfseite) Die Berechnung lautet also: ```math P(\text{genau 2-mal Zahl}) = 3 \times \frac{1}{4} \times \frac{1}{2} = 3 \times \frac{1}{8} = \frac{3}{8} ``` Die Wahrscheinlichkeit für genau zweimal Zahl beträgt somit $$\frac{3}{8}$$. Visible text: 1. **Lösung:** - Ereignis : Kopf bei der ersten Münze, - Ereignis : Zahl bei der zweiten Münze, Beide Ereignisse sind unabhängig, da das Ergebnis der ersten Münze keinen Einfluss auf die zweite Münze hat. 2. **Lösung:** - Ereignis : Primzahl auf dem Würfel ist , also - Ereignis : Rote Karte (Herzen und Karo), also Beide Ereignisse sind unabhängig. 3. **Lösung:** - Ereignis : Mathematik bestanden, - Ereignis : Physik bestanden, Da beide Fächer unabhängig sind: Die Wahrscheinlichkeit, beide Fächer zu bestehen, beträgt oder . 4. **Lösung:** **Methode : Direkte Aufzählung** Verwende für Kopf und für Zahl. Der Ergebnisraum für Münzen lautet und enthält Ergebnisse. Genau zweimal Zahl tritt in auf. Es gibt also günstige Ergebnisse. **Methode : Binomialverteilung verwenden** Für Würfe mit der Erfolgswahrscheinlichkeit für Zahl berechnen wir genau Erfolge: Werte ersetzen: **Schritt-für-Schritt-Erklärung:** - (Auswahl der Positionen für Zahl unter Würfen) - (Wahrscheinlichkeit für Zahlseiten) - (Wahrscheinlichkeit für Kopfseite) Die Berechnung lautet also: Die Wahrscheinlichkeit für genau zweimal Zahl beträgt somit .