Wahrscheinlichkeitsmodelle im Ingenieurwesen: Übung 1 aus ECE2191 verstehen

Einführung in Wahrscheinlichkeitsmodelle für Ingenieure

Wahrscheinlichkeitsmodelle sind ein zentraler Bestandteil der Ingenieurmathematik und finden Anwendung in Bereichen wie Zuverlässigkeitstechnik, Signalverarbeitung und Risikoanalyse. In diesem Tutorial betrachten wir das ECE2191 Probability Models in Engineering Example 1 und erklären die zugrundeliegenden Konzepte anhand von alltagsnahen Beispielen – inspiriert von aktuellen Trends wie KI-gestützten Spielanalysen oder Finanzmodellen.

1. Wahrscheinlichkeitsmassenfunktion (PMF) für Paare von Handschuhen

Stell dir vor, du hast eine Schublade mit 10 Paar passenden Handschuhen – insgesamt 20 Handschuhe. Du wählst zufällig 6 Handschuhe aus. Die Zufallsvariable X ist die Anzahl der vollständigen Paare, die du erhältst. Die PMF von X gibt die Wahrscheinlichkeit für jedes mögliche X an (0 bis 3 Paare, da maximal 3 Paare bei 6 Handschuhen möglich sind).

Um die PMF zu berechnen, verwendest du Kombinatorik: Die Gesamtzahl der Möglichkeiten, 6 aus 20 Handschuhen zu wählen, ist C(20,6). Für eine bestimmte Anzahl x von Paaren wählst du zuerst x Paare aus den 10 aus (C(10,x)), dann aus diesen x Paaren nimmst du beide Handschuhe (2x Handschuhe). Die restlichen 6-2x Handschuhe müssen aus den verbleibenden 20-2x Handschuhen stammen, aber ohne ein weiteres Paar zu bilden. Das erfordert eine sorgfältige Fallunterscheidung. Die PMF ist dann:

P(X=0) = [C(10,0) * C(20,6)] / C(20,6) – aber eigentlich: keine Paare bedeutet, alle 6 aus verschiedenen Paaren: Wähle 6 Paare aus 10, dann aus jedem Paar einen Handschuh: C(10,6)*2^6 / C(20,6)

In der Praxis hilft dir dieses Modell, die Wahrscheinlichkeit von Fehlpaarungen in Logistikprozessen zu verstehen – ähnlich wie bei der Fehleranalyse in KI-Modellen, die unerwartete Kombinationen erkennen.

2. Erwartungswert und Varianz des Nettogewinns

Ein Spiel: In einer Urne sind fünf Kugeln: zwei mit 1€, zwei mit 5€, eine mit 15€. Du zahlst 10€ Einsatz und ziehst zwei Kugeln ohne Zurücklegen. Dein Gewinn ist die Summe der gezogenen Beträge. Der Nettogewinn ist Gewinn minus Einsatz.

Zunächst bestimmst du die Wahrscheinlichkeitsverteilung des Gewinns. Mögliche Summen: 2€ (1+1), 6€ (1+5), 10€ (5+5 oder 1+15? 1+15=16, aber 15+1=16), 16€ (1+15), 20€ (5+15), 30€ (15+15? geht nicht, da nur eine 15). Tatsächlich: Es gibt C(5,2)=10 gleichwahrscheinliche Ziehungen. Berechne die Wahrscheinlichkeiten für jede Summe. Dann ist der Erwartungswert des Nettogewinns E[Nettogewinn] = E[Gewinn] - 10. Die Varianz ist Var(Gewinn), da der Einsatz konstant ist.

Dieses Beispiel erinnert an Risikobewertungen in Finanz-Apps, die die Varianz von Aktienrenditen berechnen. Der Erwartungswert zeigt den durchschnittlichen Gewinn/Verlust, die Varianz das Risiko.

3. Gemeinsame Wahrscheinlichkeitsmassenfunktion

Gegeben ist eine gemeinsame PMF für zwei diskrete Zufallsvariablen X und Y. Um die Konstante k zu bestimmen, summierst du alle Wahrscheinlichkeiten über alle (x,y) und setzt sie gleich 1. Dann berechnest du die Randverteilungen, indem du über die jeweils andere Variable summierst. Bedingte Wahrscheinlichkeiten wie P(X>1|Y=1) erhältst du durch P(X>1, Y=1)/P(Y=1).

Solche Berechnungen sind typisch für die Analyse von Abhängigkeiten in Daten – zum Beispiel in der Spieleentwicklung, wo Spieleraktionen (X) und Punktestände (Y) gemeinsam modelliert werden.

4. Dichtefunktion einer Transformation

Sei X gleichverteilt auf (0,1). Die Zufallsvariable Y = 1/X. Die Dichte von Y findest du über die Verteilungsfunktion: F_Y(y) = P(Y ≤ y) = P(1/X ≤ y) = P(X ≥ 1/y). Da X auf (0,1) gleichverteilt ist, ist P(X ≥ 1/y) = 1 - 1/y für y > 1, sonst 0. Dann ableiten ergibt die Dichte f_Y(y) = 1/y² für y > 1.

Diese Transformation ist nützlich in der Simulation von Finanzmodellen, wo Kehrwerte von Zufallsvariablen auftreten, z.B. bei der Modellierung von Volatilität.

5. Geometrische Wahrscheinlichkeit auf einer Strecke

Ein Punkt wird zufällig auf einer Strecke der Länge l gewählt. Die Strecke wird in zwei Teile geteilt. Gefragt ist die Wahrscheinlichkeit, dass keiner der beiden Teile kleiner als l/3 ist. Das bedeutet, der Punkt muss im mittleren Drittel der Strecke liegen. Die Wahrscheinlichkeit ist (l/3)/l = 1/3.

Dieses einfache geometrische Modell findet Anwendung in der Standortplanung, z.B. bei der optimalen Platzierung von Ladestationen für E-Autos.

6. Approximation der Binomialverteilung

65% einer Bevölkerung befürworten eine Steuererhöhung. In einer Stichprobe von 100 Personen ist die Anzahl der Befürworter binomialverteilt mit n=100, p=0,65. Für große n kann man die Normalverteilung als Approximation verwenden (mit Kontinuitätskorrektur).

Für Teil 1: P(X ≥ 50) approximiere durch P(Z > (49,5 - 65)/√(100*0,65*0,35)) = P(Z > -3,23) ≈ 0,9994. Für Teil 2: P(60 ≤ X ≤ 70) wird zu P((59,5-65)/4,76 < Z < (70,5-65)/4,76) = P(-1,16 < Z < 1,16) ≈ 0,754. Teil 3: P(X < 75) = P(Z < (74,5-65)/4,76) = P(Z < 2,00) ≈ 0,9772.

Diese Approximation wird häufig in Meinungsumfragen verwendet, wie sie bei politischen Wahlen oder Produktbewertungen in sozialen Medien vorkommen.

Fazit

Die Beispiele aus ECE2191 zeigen, wie Wahrscheinlichkeitsmodelle in verschiedenen Ingenieurkontexten angewendet werden. Von der Kombinatorik über Erwartungswerte bis zur Normalapproximation – diese Konzepte sind essenziell für das Verständnis von Unsicherheit und Risiko. Übe regelmäßig mit solchen Aufgaben, um ein Gefühl für die Wahrscheinlichkeitsrechnung zu bekommen. Viel Erfolg!