Interessante "Entdeckung" beim zweifachen Münzwurf
Verfasst: 26. Feb 2021, 17:12
Wir machen einen zweifachen Münzwurf und wollen ihn als Zufallsexperiment modellieren. Es gibt zwei Möglichkeiten und beide haben etwas Seltsames an sich:
(1) Stichprobenraum = {{K & K}, {K & Z}, {Z & K}, {Z & Z}}. Hier gilt insbesondere, dass {K & Z} = {Z & K}. Deshalb gilt auch P(K & Z) = P(Z & K). Der Satz von Bayes gilt. Wir können aber die Wahrscheinlichkeit von zB "mindestens einmal Kopf" nicht durch P(K & K) + P(K & Z) + P(Z & K) ausrechnen, weil {K & Z} = {Z & K} und somit nicht disjunkt, so dass wir Kolmogorovs drittes Axiom nicht anwenden können. Wir müssten uns was anderes überlegen, im Beispiel hätte man noch den Weg über die Gegenwahrscheinlichkeit.
(2) Stichprobenraum = {{K1 & K2}, {K1 & Z2}, {Z1 & K2}, {Z1 & Z2}}. Wir sind also jetzt präziser und lassen die Reihenfolge wichtig werden. Dann gilt insbesondere nicht mehr {K1 & Z2} = {Z1 & K2}. Deshalb gilt auch nicht mehr (jedenfalls nicht automatisch) P(K & Z) = P(Z & K), d.h. der Satz von Bayes gilt nicht. Dafür könnten wir die Wahrscheinlichkeit für "mindestens einmal Kopf" einfach durch Aufaddieren der Einzelwahrscheinlichkeiten errechnen, weil sie alle disjunkt sind.
Es scheint also - egal, wie wir einen Münzwurf modellieren - immer ein unschöner Defekt übrig zu bleiben: entweder wir können nicht einfach die Elementarereignisse aufaddieren oder Bayes gilt nicht. Das ist mir bis jetzt nie aufgefallen oder mache ich irgendwo einen Denkfehler? Meine Erklärung wäre vorläufig, dass man idR stille Zusatzprämissen einführt: modelliert man den zweifachen Münzwurf mit (1), dann setzt man einfach als viertes Axiom, dass alle Elementarereignisse addiert werden können, modelliert man den zweifachen Münzwurf mit (2), dann setzt man einfach P(K1 & Z2) = P(Z1 & K2), was Bayes gültig machen würde. Meint ihr, das ist so?
(1) Stichprobenraum = {{K & K}, {K & Z}, {Z & K}, {Z & Z}}. Hier gilt insbesondere, dass {K & Z} = {Z & K}. Deshalb gilt auch P(K & Z) = P(Z & K). Der Satz von Bayes gilt. Wir können aber die Wahrscheinlichkeit von zB "mindestens einmal Kopf" nicht durch P(K & K) + P(K & Z) + P(Z & K) ausrechnen, weil {K & Z} = {Z & K} und somit nicht disjunkt, so dass wir Kolmogorovs drittes Axiom nicht anwenden können. Wir müssten uns was anderes überlegen, im Beispiel hätte man noch den Weg über die Gegenwahrscheinlichkeit.
(2) Stichprobenraum = {{K1 & K2}, {K1 & Z2}, {Z1 & K2}, {Z1 & Z2}}. Wir sind also jetzt präziser und lassen die Reihenfolge wichtig werden. Dann gilt insbesondere nicht mehr {K1 & Z2} = {Z1 & K2}. Deshalb gilt auch nicht mehr (jedenfalls nicht automatisch) P(K & Z) = P(Z & K), d.h. der Satz von Bayes gilt nicht. Dafür könnten wir die Wahrscheinlichkeit für "mindestens einmal Kopf" einfach durch Aufaddieren der Einzelwahrscheinlichkeiten errechnen, weil sie alle disjunkt sind.
Es scheint also - egal, wie wir einen Münzwurf modellieren - immer ein unschöner Defekt übrig zu bleiben: entweder wir können nicht einfach die Elementarereignisse aufaddieren oder Bayes gilt nicht. Das ist mir bis jetzt nie aufgefallen oder mache ich irgendwo einen Denkfehler? Meine Erklärung wäre vorläufig, dass man idR stille Zusatzprämissen einführt: modelliert man den zweifachen Münzwurf mit (1), dann setzt man einfach als viertes Axiom, dass alle Elementarereignisse addiert werden können, modelliert man den zweifachen Münzwurf mit (2), dann setzt man einfach P(K1 & Z2) = P(Z1 & K2), was Bayes gültig machen würde. Meint ihr, das ist so?