Die Wahrscheinlichkeitsrechnung ist ein zentrales Feld der Mathematik, das die Quantifizierung von Unsicherheit behandelt. Sie ermöglicht es uns, Vorhersagen über zufällige Ereignisse zu treffen und bildet die Grundlage für unser Verständnis von Zufall und Wahrscheinlichkeit. Im Folgenden bieten wir einen Überblick über die relevanten Aspekte der Wahrscheinlichkeitsrechnung.
Wahrscheinlichkeitsrechnung „einfach erklärt“
Stell dir vor, du wirfst einen Würfel, und möchtest überprüfen, wie oft eine bestimmte Zahl kommt. Die Wahrscheinlichkeitsrechnung hilft uns dabei, solche Fragen zu beantworten und für die Zukunft besser abwägen zu können, was in zufälligen Momenten wahrscheinlich passieren wird.
Definition: Wahrscheinlichkeitsrechnung
Die Wahrscheinlichkeitsrechnung ist ein Themengebiet der Stochastik innerhalb der Mathematik, welches sich mit der Lehre von Zufall beschäftigt. Im Wesentlichen behandelt es die Wahrscheinlichkeit, ob ein bestimmtes Ereignis eintritt oder nicht. Die Wahrscheinlichkeitsrechnung macht es möglich, in Zahlen auszudrücken, wie wahrscheinlich verschiedene Ergebnisse in einer bestimmten Situation vorkommen.
Beispiel
Statt nur zu sagen, dass etwas „vielleicht“ vorkommen oder passieren „könnte“, sind wir in der Lage eine konkretere Aussage zu treffen, wie z. B.: „Die Chance, dass morgen die Sonne scheint, steht zu 60 %“ oder „Die Chance, dass ich eine 6 beim Würfeln erhalte ist 1/6“.
Hierbei sollte man klar definierte Ereignisse und einen vollständigen Ergebnisraum berücksichtigen und sich der Unsicherheiten und Annahmen jedes Modells bewusst sein.
Beziehung zur Statistik
Die Wahrscheinlichkeitsrechnung kalkuliert, was in einer Wunschrealität passieren könnte. Die Statistik hingegen ermittelt anhand echter Daten, was tatsächlich passiert. Sie bietet Instrumente, um Daten zu erheben, zu bearbeiten, zu analysieren und diese letztlich hinsichtlich eines zugrunde liegenden Phänomens zu interpretieren. Ebenso lassen sich damit Vorhersagen für die Zukunft treffen.
Begriffe & Formeln
Laplace Regel
Die Laplace-Regel ist eine grundlegende Regel und dient besonders gut als Einstieg in die Wahrscheinlichkeitsrechnung und in Situationen, in denen alle möglichen Ergebnisse eines Zufallsexperiments die gleiche Wahrscheinlichkeit haben. Sie ist nach dem französischen Mathematiker Pierre-Simon Laplace benannt.
Grundidee:
Die Wahrscheinlichkeit eines bestimmten Ereignisses bei einem Zufallsexperiment ist das Verhältnis der Anzahl der für dieses Ereignis günstigen Ausgänge (A) zur Anzahl aller möglichen Ausgänge (Ω) des Experiments.
Die Laplace-Wahrscheinlichkeit wird mittels folgender Formel definiert: 
Zufallsexperiment
Ein Zufallsexperiment ist ein Vorgang, bei dem vorab nicht exakt vorhersagbar ist, welches Ergebnis eintreten wird, selbst wenn man diesen unter gleichen Bedingungen wiederholt. Die möglichen Ergebnisse eines Zufallsexperiments sind jedoch im Vorfeld bekannt, selbst wenn der genaue Ausgang ungewiss ist.
Einstufiges Zufallsexperiment
Bei der Wahrscheinlichkeitsrechnung ist hiermit ein Zufallsversuch gemeint, der ein einziges Mal durchgeführt wird und daher in seiner Struktur simpel und übersichtlich ist.
Beispiel: Münzwurf
Zufallsexperiment: Eine Münze wird ein einziges Mal geworfen.
Fragestellung: Wie hoch ist die Wahrscheinlichkeit P, dass „Kopf“ geworfen wird?
- Mögliche Ergebnisse (Ergebnisraum) Ω = {Kopf, Zahl}
- Günstiges Ereignis A
Berechnung: Es gibt 2 mögliche Ergebnisse und nur 1 davon ist „Kopf“, also P (Kopf) = 1/2 oder 50 %.
Formel: 
Mehrstufiges Zufallsexperiment
Im Gegenzug zu einstufigen Zufallsexperimenten besteht dieses aus mehreren Stufen bzw. Durchgängen. Dadurch wird das Zufallsexperiment in seinem Aufbau komplexer, da sich das Ergebnis eines Durchgangs auf das Ergebnis des nächsten auswirken kann.
Beispiel: Ziehen von Karten
Zufallsexperiment: Aus einem Standarddeck von 52 Spielkarten werden zwei Karten nacheinander ohne Zurücklegen gezogen.
Fragestellung: Wie hoch ist die Wahrscheinlichkeit, dass zuerst der Pik Bube und dann die Herz 10 gezogen wird?
- Mögliche Ergebnisse (Ergebnisraum) Ω: Alle Kombinationen von 2 Karten aus einem Deck von 52 Karten, d. h. 52 × 51 = 2.652 mögliche Kombinationen.
- Günstiges Ereignis A
Berechnung:
- Für die erste Karte gibt es 52 Möglichkeiten und die Chance, dass der Pik Bube gezogen wird, beträgt 1/52.
- Nachdem der Pik Bube gezogen wurde, gibt es noch 51 Karten übrig und die Chance, dass als Nächstes die Herz 10 gezogen wird, beträgt 1/51.
- Also P (Pik Bube dann Herz 10)=1/52 × 1/51 = 1/2652 oder 0,0377%
Formel: 
Ereignisse
Ein Ereignis bezeichnet in der Wahrscheinlichkeitsrechnung eine bestimmte Ausprägung oder eine Kombination von Ausprägungen, die bei einem Zufallsexperiment eintreten können. Ereignisse werden oft als Teilmengen des Ereignisraums (die Gesamtheit aller möglichen Ereignisse eines Zufallsexperiments) dargestellt.
Einfache Ereignisse
Dies sind Ereignisse, die genau eine Ausprägung des Zufallsexperiments beinhalten.
Beispiel
Beim Würfeln eines normalen sechsseitigen Spielwürfels ist das Auftreten einer „4“ ein einfaches Ereignis.
Zusammengesetzte Ereignisse
Diese entstehen durch die Kombination von zwei oder mehr einfachen Ereignissen.
Beispiel
Beim Würfeln könnte das Ereignis „eine gerade Zahl würfeln“ als die Kombination der einzelnen Ereignisse „eine 2 würfeln“, „eine 4 würfeln“ und „eine 6 würfeln“ betrachtet werden.
Unabhängige Ereignisse
Zwei (oder mehr) Ereignisse gelten als unabhängig, wenn das Eintreten des einen Ereignisses die Wahrscheinlichkeit des Eintretens des anderen Ereignisses nicht beeinflusst.
Zwei Ereignisse A und B sind unabhängig, wenn 
Abhängige Ereignisse
Wenn das Eintreten eines Ereignisses die Wahrscheinlichkeit des Eintretens eines anderen Ereignisses beeinflusst, sind diese Ereignisse voneinander abhängig.
Zwei Ereignisse A und B sind abhängig, wenn 
Relative und absolute Häufigkeit
Die absolute Häufigkeit gibt an, wie oft ein Ereignis in einer bestimmten Anzahl von Versuchen eingetreten ist. Die relative Häufigkeit ist der Quotient aus der absoluten Häufigkeit und der Gesamtanzahl der Versuche.
Anwendungsbeispiel
Stelle dir eine Universitätsstudie vor, bei der Studenten verschiedener Fachrichtungen zu ihrer bevorzugten Forschungsmethode befragt werden. Die Ergebnisse könnten wie folgt aussehen:
| Forschungsmethode | Absolute Häufigkeit |
| Quantitativ | 180 |
| Qualitativ | 70 |
| Gemischt | 50 |
| Experimentell | 90 |
| Theoretisch | 110 |
Damit wird ersichtlich, wie viele Studenten die jeweilige Forschungsmethode in absoluten Zahlen bevorzugen.
Um dann die relative Häufigkeit zu berechnen, teilen wir die absolute Häufigkeit durch die Gesamtzahl aller 500 befragten Studenten:
| Forschungsmethode | Absolute Häufigkeit | Relative Häufigkeit |
| Quantitativ | 180 | 180/500 = 0,36 (36%) |
| Qualitativ | 70 | 70/500 = 0,14 (14%) |
| Gemischt | 50 | 50/500 = 0,1 (10%) |
| Experimentell | 90 | 90/500 = 0,18 (18%) |
| Theoretisch | 110 | 110/500 = 0,22 (22%) |
Das Ergebnis ist der Anteil der Studenten, die die jeweilige Forschungsmethode bevorzugen, im Verhältnis zur Gesamtanzahl aller befragten Studenten.
Visuelle Darstellung
Visuelle Darstellungen sind in der Wahrscheinlichkeitsrechnung unerlässlich, um Zufallsexperimente klar und verständlich darzustellen. Hier sind einige gebräuchliche Darstellungsformen für Zufallsexperimente:
1. Baumdiagramme
- Besonders praktisch für mehrstufige Zufallsexperiments
- Jeder Zweig stellt ein mögliches Ergebnis dar und die Wahrscheinlichkeit kann an dem jeweiligen Zweig notiert werden
2. Urnenmodelle
- Werden häufig verwendet, um Ziehungen mit oder ohne Zurücklegen visuell darzustellen
- Die Wahrscheinlichkeiten ändern sich je nach Art der Ziehung, weil sich die Zusammensetzung der Urne nach jedem Durchgang ändert
3. Vierfeldertafeln
- Damit kann die Verteilung von zwei kategorialen Variablen angezeigt werden
- Bedingte Wahrscheinlichkeiten sowie unabhängige und abhängige Ereignisse können visualisiert werden
4. Histogramme und Balkendiagramme
- Diese stellen die Verteilung und Häufigkeit von Ergebnissen in einem Zufallsexperiment.
- Sie sind sehr übersichtlich und durch die bekannte x- und y-Achse einfach zu interpretieren
5. Venn-Diagramme
- Diese sind nützlich, um die Beziehungen zwischen verschiedenen Ergebnisgruppen in einem Zufallsexperiment zu zeigen.
- Sie können verwendet werden, um Schnittmengen, Vereinigungen und Komplemente von Ereignissen zu visualisieren.
Kolmogorow-Axiome
Die Axiome von Kolmogorow bilden die Grundlage der Theorie der modernen Wahrscheinlichkeitsrechnung:
Ein Ereignis hat immer eine Wahrscheinlichkeit zwischen 0 und 1 und kann niemals negativ sein. Denke daran, wie eine Skala, auf der 0 „wird nie passieren“ und 1 „wird immer passieren“ bedeutet.
Werden alle möglichen Wahrscheinlichkeiten eines Ereignisraums miteinander addiert, muss das Ergebnis immer 1 (bzw. 100 %) sein.
Wenn du eine Wahrscheinlichkeitsrechnung von zwei Ereignissen durchführen möchtest, die nicht gleichzeitig passieren können, dann addierst du einfach ihre jeweiligen Wahrscheinlichkeiten zusammen.
Relevanz
Die Wahrscheinlichkeitsrechnung nimmt eine wichtige Rolle ein, da sie in vielen Lebensbereichen häufig verwendet wird:
- Im Alltag unterstützt uns die Wahrscheinlichkeitsrechnung bei täglichen Entscheidungen, wie das Mitnehmen eines Regenschirms bei einer 90%igen Regenprognose.
- In wissenschaftlichen Feldern wie Physik oder Biologie hilft uns die Wahrscheinlichkeitsrechnung, Experimente zu planen und Daten zu analysieren.
- Im wirtschaftlichen Bereich, besonders bei Banken und Versicherungen, wird sie für Risikobewertungen und Investitionsentscheidungen genutzt.
- In der Technologie ermöglicht die Wahrscheinlichkeitsrechnung die Entwicklung sicherer Systeme und Algorithmen für maschinelles Lernen.
Häufig gestellte Fragen
Es handelt sich dabei um einen Bereich innerhalb der Mathematik, welcher sich mit der Analyse und Quantifizierung von Zufall und Unsicherheit befasst.
Als Ereignis bezeichnet man eine konkrete Menge von Ergebnissen eines Zufallsexperiments.
Die Ergebnismenge (oft auch als Ergebnisraum bezeichnet) ist die Gesamtheit aller möglichen Ergebnisse eines Zufallsexperiments.
Stochastik ist ein übergeordneter Fachbegriff, der sowohl die Wahrscheinlichkeitsrechnung als auch die Statistik umfasst.
Die Wahrscheinlichkeitsrechnung befasst sich mit der Modellierung und Analyse von Zufallsereignissen, während die Statistik sich darauf konzentriert, anhand realer Daten Schlüsse über eine zugrunde liegende Population zu ziehen.
