Ereignis (Wahrscheinlichkeitstheorie)

Ein Ereignis (auch Zufallsereignis) ist in der Wahrscheinlichkeitstheorie eine Menge von Ergebnissen eines Zufallsexperiments, dem eine Wahrscheinlichkeit zugeordnet werden kann. Beispielsweise entspricht bei einem Würfelwurf das Ereignis „eine gerade Zahl würfeln“ der Teilmenge {2, 4, 6} der Gesamtmenge {1, 2, 3, 4, 5, 6} aller möglichen Ergebnisse. Man spricht davon, dass ein Ereignis eintritt, wenn es das Ergebnis des Zufallsexperiments als Element enthält.

Das mit der Ergebnismenge $\Omega$ identische Ereignis bezeichnet man als sicheres Ereignis, da es immer eintritt. Im Gegensatz dazu bezeichnet man das mit der leeren Menge identische Ereignis als unmögliches Ereignis: Es tritt niemals ein. Beim Beispiel des Würfelwurfs ist das sichere Ereignis die Menge {1,2,3,4,5,6} und das unmögliche Ereignis die Menge $\varnothing$.

Definition

Ist $(\Omega, \Sigma, P)$ ein Wahrscheinlichkeitsraum, so wird ein $A \in \Sigma$ Ereignis genannt. Die Ereignisse eines Wahrscheinlichkeitsraum sind somit diejenigen Teilmengen der Ergebnismenge $\Omega$, die in der σ-Algebra $\Sigma$ liegen. Eine Menge aus Ereignissen, also eine Teilmenge von $\Sigma$, wird auch Ereignissystem genannt.

Wenn $\Omega$ endlich oder abzählbar unendlich ist, dann wählt man für $\Sigma$ im Allgemeinen die Potenzmenge von $\Omega$. In diesem Fall sind Ereignisse einfach beliebige Teilmengen der Ergebnismenge $\Omega$.

Für ein Ereignis $A \in \Sigma$ ist die Zahl $P(A) \in [0,1]$ die Wahrscheinlichkeit von $A$.

Mengenoperationen mit Ereignissen

Ist $\omega \in \Omega$ ein Ergebnis eines Zufallsexperiments ist und $A \in \Sigma$ ein Ereignis, dann sagt man im Falle $\omega \in A$ auch: Das Ereignis $A$ tritt ein.

Teilmengen und Gleichheit

Falls ein Ereignis $A$ eine Teilmenge eines weiteren Ereignisses $B$ ist (notiert als $A \subseteq B$), dann tritt mit dem Ereignis $A$ stets auch das Ereignis $B$ ein. Man sagt dann auch: Das Ereignis $A$ zieht das Ereignis $B$ nach sich. Für die Wahrscheinlichkeiten gilt in diesem Fall $P(A) \leq P(B)$. Das heißt: Zieht das Ereignis $A$ das Ereignis $B$ nach sich, dann ist die Wahrscheinlichkeit von $B$ mindestens so groß, wie die von $A$.

Es gilt $A = B$ genau dann, wenn $A \subseteq B$ und $B \subseteq A$ gilt. Gleichheit von Ereignissen bedeutet also, dass das Ereignis $A$ das Ereignis $B$ in gleicher Weise nach sich zieht wie das Ereignis $B$ das Ereignis $A$.

Schnittmenge und Disjunktheit

Die Schnittmenge $A \cap B$ zweier Ereignisse ist wieder ein Ereignis. Es tritt genau dann ein, wenn $A$ und $B$ beide eintreten.

Wenn $A \cap B = \varnothing$ gilt, also das gemeinsame Eintreten von $A$ und $B$ unmöglich ist, dann sagt man, die zwei Ereignisse schließen einander aus. Die Ereignisse $A$ und $B$ werden dann auch disjunkt oder unvereinbar genannt.

Sind allgemeiner $A_1, A_2, \ldots$ Ereignisse, dann ist der Schnitt

$\bigcap_{n=1}^{\infty} A_n$

das Ereignis, dass genau dann eintritt, wenn alle $A_n$ eintreten. Die Ereignisse heißen paarweise disjunkt, wenn $A_m \cap A_n = \varnothing$ gilt für alle $m,n \in \N$ mit $m \neq n$.

Vereinigung

Auch die Vereinigungsmenge $A \cup B$ zweier Ereignisse ist wieder ein Ereignis. Es tritt genau dann ein, wenn entweder $A$ oder $B$ oder beide Ereignisse eintreten. Anders ausgedrückt: $A \cup B$ tritt ein, wenn mindestens eines der beiden Ereignisse $A$ oder $B$ eintritt.

Für die Wahrscheinlichkeit von Schnitt- und Vereinigungsmenge gilt stets die Formel

$P(A \cap B) + P(A \cup B) = P(A) + P(B)\,.$

Speziell ist im Falle disjunkter Ereignisse $P(A \cup B) = P(A) + P(B)$.

Sind allgemeiner $A_1, A_2, \ldots$ Ereignisse, dann ist die Vereinigung

$\bigcup_{n=1}^{\infty} A_n$

das Ereignis, dass genau dann eintritt, wenn mindestens eines der $A_n$ eintritt.

Es gilt stets

$P(\bigcup_{n=1}^{\infty} A_n) \leq \sum_{n=1}^{\infty} P(A_n)\,.$

Im Falle paarweise disjunkter Ereignisse gilt hierbei Gleichheit.

Vollständiges Ereignissystem

Eine Familie von Ereignisse, die paarweise disjunkt sind und deren Vereinigung ganz $\Omega$ ergibt, nennt man auch vollständiges Ereignissystem oder disjunkte Zerlegung von $\Omega$ (allgemein: eine Partition von $\Omega$). In diesem Fall gilt, dass für jedes Ergebnis des Zufallsexperiments genau eines der Ereignisse der disjunkten Zerlegung eintritt.

Komplement und Differenz

Das komplementäre Ereignis $\Omega \setminus A$ tritt genau dann ein, wenn das Ereignis $A$ nicht eintritt. Es wird auch Gegenereignis genannt und mit $\overline{A}$ (alternativ auch mit $A^{\mathsf c}$) bezeichnet. Seine Wahrscheinlichkeit ist

$P(\overline{A}) = 1 - P(A)\,.$

Für die Komplemente von Schnitt- und Vereinigungsmengen gelten die de Morganschen Formeln

$\overline{\bigcap_{n=1}^\infty A_n} = \bigcup_{n=1}^\infty \overline{A_n}\,,$

$\overline{\bigcup_{n=1}^\infty A_n} = \bigcap_{n=1}^\infty \overline{A_n}\,.$

Speziell für zwei Ereignisse gilt $\overline{A \cap B} = \overline{A} \cup \overline{B}$ sowie $\overline{A \cup B} = \overline{A} \cap \overline{B}$.

Die Differenzmenge $A \setminus B$ ist das Ereignis, das genau dann eintritt, wenn das Ereignis $A$, aber nicht gleichzeitig das Ereignis $B$ eintritt. Es gilt

$A \setminus B = A \cap \overline{B}\,.$

Für seine Wahrscheinlichkeit gilt $P(A \setminus B) = P(A) - P(A \cap B)$. Im Spezialfall $B \subseteq A$ folgt $P(A \setminus B) = P(A) - P(B)$.

Symmetrische Differenz

Eine weitere Mengenoperation ist die symmetrische Differenz

$A \mathrel{\triangle} \, B = \left( A \setminus B \right) \cup \left( B \setminus A \right) = ( A \cup B) \setminus (A \cap B)$

zweier Ereignisse $A$ und $B$. Das Ereignis $A \mathrel{\triangle} B$ tritt genau dann ein, wenn entweder $A$ oder $B$ eintritt (aber nicht beide), also wenn genau eines der beiden Ereignisse eintritt. Es gilt

$P(A \mathrel{\triangle} B) = P(A) + P(B) - 2 P(A \cap B)\,.$

Unabhängige Ereignisse

→ Hauptartikel: Stochastische Unabhängigkeit

Die zwei Ereignisse $A$ und $B$ heißen voneinander unabhängig, wenn

$P ( A \cap B ) = P ( A ) \cdot P ( B ).$

Unter Verwendung der Formel für die bedingte Wahrscheinlichkeit lässt sich das als

$P(A) = P(A \mid B)$

schreiben, vorausgesetzt $P(B)>0$.

Allgemeiner heißt eine Familie $(A_i)_{i \in I}$ von Ereignissen unabhängig, wenn für jede endliche Teilmenge $J \subseteq I$ gilt:

$P\left(\bigcap_{j \in J} A_j\right) = \prod_{j \in J} P(A_j)\,.$

Die Ereignisse heißen paarweise unabhängig, wenn

$P(A_i \cap A_j) = P(A_i) \cdot P(A_j)$

für alle $i, j \in I$ gilt. Unabhängige Ereignisse sind paarweise unabhängig, die Umkehrung gilt jedoch im Allgemeinen nicht.

Elementarereignis

Mitunter werden die einelementigen Ereignisse $\{\omega\} \subseteq \Omega$ auch als Elementarereignisse bezeichnet. Ist $\Omega$ höchstens abzählbar, dann lässt sich durch Festlegen der Wahrscheinlichkeiten $\rho(\omega) = P(\{\omega\})$ aller Elementarereignisse mit Hilfe von

$P(A) = \sum_{\omega \in A} \rho(\omega)$

die Wahrscheinlichkeit aller Ereignisse $A \subseteq \Omega$ bestimmen. Hierbei müssen die $\rho(\omega)$ so gewählt sein, dass $0 \leq \rho(\omega) \leq 1$ sowie

$\sum_{\omega \in \Omega} \rho(\omega) = 1$

gilt.

Es ist allerdings zu beachten, dass mitunter in der Literatur die Ergebnisse $\omega \in \Omega$ selbst Elementarereignisse genannt werden. Diese sind dann jedoch keine Ereignisse, denn es handelt sich nicht um Teilmengen von $\Omega$.

Weiterhin muss für $\omega \in \Omega$ die einelementige Menge $\{\omega\}$ nicht unbedingt im Ereignisraum $\Sigma$ liegen. Sie ist dann kein Ereignis.

Literatur

• Rainer Schlittgen: Einführung in die Statistik. 9. Auflage. Oldenbourg Wissenschaftsverlag, Oldenbourg 2000, ISBN 3-486-27446-5
• Norbert Henze: Stochastik für Einsteiger: Eine Einführung in die faszinierende Welt des Zufalls. Vieweg+Teubner Verlag 2010, ISBN 978-3-8348-0815-8, doi:10.1007/978-3-8348-9351-2. S. 5–9, 118