Bernoulli-Prozess

aus Wikipedia, der freien Enzyklopädie
Wechseln zu: Navigation, Suche

Ein Bernoulli-Prozess oder eine Bernoulli-Kette ist ein zeitlich diskreter stochastischer Prozess, der aus einer endlichen oder abzählbar-unendlichen Folge von unabhängigen Versuchen mit Bernoulli-Verteilung besteht, das heißt, für jeden der Zeitpunkte 1, 2, 3, … wird „ausgewürfelt“, ob ein Ereignis mit Wahrscheinlichkeit p eintritt, oder nicht.

Beispiel für eine mögliche Realisierung eines Bernoulli-Prozesses mit p=1/3; das Symbol ♦ steht für „Ereignis tritt ein“ (kurz „Erfolg“), ◊ für „Ereignis tritt nicht ein“ („Misserfolg“):

◊-♦-◊-♦-◊-◊-♦-◊-♦-◊-♦-◊-◊-◊-◊-◊-♦-◊-◊-◊-◊-◊-◊-◊-…


Der Prozess kann durch eine Folge von unabhängigen Zufallsvariablen X_1, X_2, X_3,\dotsc beschrieben werden, von denen jede mit der konstanten Wahrscheinlichkeit p den Wert 1 (Erfolg) und mit der Wahrscheinlichkeit 1-p den Wert 0 (Misserfolg) annimmt.

Je nach Fragestellung interessiert man sich für eine oder mehrere der folgenden Zufallsvariablen:

  • Die Anzahl S_n erfolgreicher Versuche nach Durchführung von insgesamt n Versuchen; sie folgt einer Binomialverteilung. Es gilt S_n = X_1 + \ldots + X_n.
  • Die Anzahl T_r von Versuchen, die benötigt werden, um eine vorgegebene Anzahl von r Erfolgen zu erzielen; sie folgt der negativen Binomialverteilung. Insbesondere ist die Wartezeit auf den ersten Erfolg geometrisch verteilt.

Eigenschaften[Bearbeiten]

Die Anzahl der Erfolge nach n Versuchen bei einem Bernoulli-Prozess ist eine spezielle Markow-Kette: Beim „Zeitschritt“ von n nach n+1 geht das System mit der Wahrscheinlichkeit p aus dem „Zustand“ k in den Zustand k+1 über; sonst bleibt es im Zustand k.

Die Zufallsvariable S_n, die angibt, wie viele von n Bernoulli-Versuchen erfolgreich waren, folgt der Binomialverteilung. Wir leiten diese Verteilung anhand eines Beispiels mit einem Würfel her.

Beispiele[Bearbeiten]

  • Beim Würfeln werde die Sechs als Erfolg gewertet; die Erfolgswahrscheinlichkeit ist also p=1/6, die komplementäre Misserfolgswahrscheinlichkeit 1-p=5/6. Gefragt sei nun nach der Wahrscheinlichkeit, in n=5 Würfen genau k=2 Sechsen zu werfen. Die Antwort auf diese Frage findet man wie folgt: Die Wahrscheinlichkeit, erst zwei Sechsen, dann drei Nicht-Sechsen zu werfen, ist p^2(1-p)^3. Da es auf die Reihenfolge aber nicht ankommt, ist diese Wahrscheinlichkeit zu multiplizieren mit der Anzahl der Möglichkeiten, zwei (ununterscheidbare) Sechserwürfe auf fünf Würfe zu verteilen. Der Kombinatorik zufolge ist diese Anzahl durch den Binomialkoeffizienten „5 über 2“ gegeben; die gesuchte Wahrscheinlichkeit lautet also:
B(2 |p,5) = \left( \begin{matrix}  5\\ 2 \end{matrix} \right) p^2 (1-p)^{5-2}.
Davon verallgemeinert lautet die Wahrscheinlichkeit in n Bernoulli-Versuchen genau k mal Erfolg zu haben
P(S_n = k) = B(k|p,n) = \left( \begin{matrix}  n\\ k \end{matrix} \right) p^k (1-p)^{n-k} .
Diese Funktion heißt Binomialverteilung (oder binomische Verteilung).
  • Ein betrunkener Fußgänger (oder ein diffundierendes Teilchen) bewegt sich auf einer Linie bei jedem Schritt mit der Wahrscheinlichkeit p vorwärts, mit der Wahrscheinlichkeit 1-p rückwärts. Man interessiert sich beispielsweise für die Entfernung vom Ausgangspunkt. Ein solches Modell wird in der Physik als eindimensionale Zufallsbewegung (Random Walk) bezeichnet. Die Position Y_n des Fußgängers nach n Schritten lässt sich mithilfe des Bernoulli-Prozesses (X_k) darstellen als
Y_n =  Y_0 + \sum_{k=1}^n (2X_k - 1) = Y_0 + 2S_n - n.
Ist beispielsweise eine Realisierung des Bernoulli-Prozesses durch die Folge
(X_n) = 1,0,0,1,1,1,0,1,1,0, \ldots
gegeben, dann ist für Y_0=0 der zugehörige Random Walk die Folge
(Y_n) = 1,0,-1,0,1,2,1,2,3,2, \ldots.