Next: Bedingte Wahrscheinlichkeiten
Up: Ereignisse und Wahrscheinlichkeiten
Previous: Einfache Urnenmodelle
  Contents
Geometrische Wahrscheinlichkeiten
Während bei der Definition der Laplace'schen Wahrscheinlichkeiten,
vgl. Abschnitt 2.4.1, Quotienten von Anzahlen gebildet
werden, betrachtet man bei geometrischen Wahrscheinlichkeiten
Quotienten von Flächeninhalten bzw. Volumina.
Eine allgemeinere Variante der Definition der geometrischen
Wahrscheinlichkeit lautet wie folgt.
- Definition
- Beispiel
(Buffonsches Nadelexperiment)
- Das Buffonsche Nadelexperiment ist eine der ersten numerischen
Methoden, die auf stochastischen Gesetzmäßigkeiten beruht.
- Der ,,Erfinder'' ist
Georges Louis Leclerc Comte de Buffon (1707-1788).
- Heute sind solche Verfahren unter der Bezeichnung
,,Monte-Carlo-Simulation'' bekannt.
- Betrachten das System
von parallelen und äquidistanten (vertikalen) Geraden
in der euklidischen Ebene
.
- Werfen eine Nadel mit der Länge 1
,,willkürlich'' in die Ebene
, wobei
mit ,,willkürlich'' das folgende
stochastische Modell gemeint ist.
- Betrachten die Größen
und
,
die die relative Lage der Nadel bezüglich des Geradensystems
beschreiben, wobei
der (orthogonale) Abstand des Nadelmittelpunktes
zur nächsten linksliegenden Nachbargeraden von
ist,
der Winkel ist, den die Nadel zum Lot auf die
Geraden von
bildet.
- Betrachten
den geometrischen Wahrscheinlichkeitsraum
mit
.
- Bestimmen die Wahrscheinlichkeit des
Ereignisses
mit
dass die Nadel eine der Geraden von
schneidet.
- Es gilt
d.h., für die (geometrische) Wahrscheinlichkeit des
Ereignisses
, dass die Nadel eine der Geraden von
schneidet, gilt
 |
(12) |
- Aus der Gleichung (12)
ergibt sich nun eine Methode zur
experimentellen Bestimmung der Zahl
, die auf dem
sogenannten Gesetz der großen Zahlen beruht,
vgl. Abschnitt 5.2.2.
- Und zwar werfen wir die Nadel
-mal, wobei
eine
hinreichend große natürliche Zahl sein sollte.
- Seien
die Ergebnissse der
durchgeführten Nadelexperimente.
- Betrachten die Funktionswerte
mit
d.h., die Indikatoren der Ereignisse, ob die Nadel beim
jeweiligen Wurf eine der Geraden von
schneidet
oder nicht.
- Aus (12) und aus dem starken Gesetz der
großen Zahlen folgt dann, dass das
arithmetische Mittel
mit ,,großer Wahrscheinlichkeit'' eine gute Näherung
der Zahl
ist.
- Mit anderen Worten: Für große
ist
mit
großer Wahrscheinlichkeit eine gute Näherung der Zahl
.
- Beachte
Im Internet gibt es zahlreiche Seiten, wo dieses Verfahren
implementiert worden ist und mittels JAVA-Applets
auch selbst durchgeführt werden kann, vgl. beispielsweise
Das folgende Beispiel soll deutlich machen, dass es (ähnlich wie
bei der Laplace'schen Wahrscheinlichkeit) auch bei der
geometrischen Wahrscheinlichkeit sehr wichtig ist, die Grundmenge
geeignet zu wählen.
- Beispiel
(Bertrandsches Paradoxon)
- In den Kreis
mit Mittelpunkt im Nullpunkt und
Radius Eins werde ,,auf gut Glück'' eine Sehne gelegt.
- Wie groß ist die Wahrscheinlichkeit des Ereignisses
,
dass die Sehne länger als
ist (wobei
die Seitenlänge des einbeschriebenen gleichseitigen
Dreiecks ist).
- Beachte: Das Problem ist ,,inkorrekt'' gestellt und
erfordert zunächst eine Präzisierung, was genau mit der
Sprechweise ,,auf gut Glück'' gemeint ist.
- Modell 1: Der Mittelpunkt der Sehne werde ,,auf gut
Glück'' in den Kreis
gelegt.
- Mit
und
, wobei
die Länge des Vektors
bezeichnet,
ergibt sich dann die Wahrscheinlichkeit
- Modell 2: Ein Endpunkt der Sehne sei fest vorgegeben, und der andere
Endpunkt werde ,,auf gut Glück'' auf die Kreislinie
gelegt.
- Mit
und
ergibt sich dann die Wahrscheinlichkeit
- Modell 3: Die Richtung der Sehne sei fest
vorgegeben (o.B.d.A. vertikal), und
der Mittelpunkt der Sehne werde ,,auf gut
Glück'' in das Intervall
gelegt.
- Mit
und
,
ergibt sich dann die Wahrscheinlichkeit
Next: Bedingte Wahrscheinlichkeiten
Up: Ereignisse und Wahrscheinlichkeiten
Previous: Einfache Urnenmodelle
  Contents
Ursa Pantle
2004-05-10