Wahrscheinlichkeitsrechnung mit Set, Kugel und Primzahlen

Einführung: Wahrscheinlichkeiten in Mathematik und Alltag

Die Wahrscheinlichkeitsrechnung ist ein zentrales Thema in der Mathematik und begegnet uns überall – von Glücksspielen über Wettervorhersagen bis hin zu Machine-Learning-Algorithmen. In diesem Tutorial betrachten wir klassische Wahrscheinlichkeitsprobleme, die oft in Hausaufgaben wie MATH154 Homework 1 vorkommen. Wir analysieren das Kartenspiel „Set“, geometrische Wahrscheinlichkeiten im Einheitswürfel und die berühmten Geburtstags- und Ziegenprobleme. Unser Ziel ist es, die Konzepte hinter den Formeln zu verstehen und auf neue Situationen anwenden zu können.

Das Kartenspiel Set und GF(81)

Das Kartenspiel Set besteht aus 81 Karten, die jeweils durch vier Merkmale beschrieben werden: Farbe, Zahl, Form und Schattierung. Jedes Merkmal kann einen von drei Werten annehmen. Mathematisch entspricht dies dem Vektorraum GF(3)^4, auch bekannt als GF(81). Ein „Set“ ist eine Menge von drei Karten, bei der für jedes Merkmal entweder alle drei Karten gleich sind oder alle drei verschieden. Diese Struktur ist ein Beispiel für einen affinen Raum über dem Körper GF(3).

Wahrscheinlichkeit, ein Set zu ziehen

Wenn wir zufällig drei Karten aus den 81 ziehen, wie groß ist die Wahrscheinlichkeit, dass sie ein Set bilden? Zuerst berechnen wir die Gesamtzahl der möglichen Dreierkombinationen: \binom{81}{3} = 85320. Jetzt zählen wir die Anzahl der Sets. Es gibt 81 Karten, und für jede Karte gibt es genau eine Karte, die zusammen mit ihr ein Set vervollständigt? Tatsächlich: Zu je zwei Karten gibt es genau eine dritte Karte, die mit ihnen ein Set bildet. Daher ist die Anzahl der Sets gleich \frac{81 \cdot 80}{3!} = 1080. Die Wahrscheinlichkeit ist also \frac{1080}{85320} = \frac{1}{79}. Dieses Ergebnis ist überraschend klein – nur etwa 1,27% der zufälligen Dreierkombinationen sind ein Set.

Geometrische Wahrscheinlichkeiten: Vom Kreis zur 1000-dimensionalen Kugel

Ein weiteres klassisches Problem ist die Wahrscheinlichkeit, dass ein zufällig gewählter Punkt im Einheitswürfel auch in der Einheitskugel liegt. Dies veranschaulicht den Fluch der Dimensionalität: In hohen Dimensionen konzentriert sich das Volumen des Würfels in den Ecken.

2D: Quadrat und Kreis

Wir wählen einen Punkt (x,y) gleichmäßig aus dem Quadrat [-1,1] × [-1,1]. Die Wahrscheinlichkeit, dass x²+y² ≤ 1, ist das Verhältnis der Fläche des Kreises zur Fläche des Quadrats: π / 4 ≈ 0,7854. Das ist die bekannte Monte-Carlo-Methode zur Schätzung von π.

3D: Würfel und Kugel

Im 3D-Würfel [-1,1]³ ist die Wahrscheinlichkeit, dass x²+y²+z² ≤ 1, gleich dem Volumen der Einheitskugel (4π/3) geteilt durch das Volumen des Würfels (8) = π/6 ≈ 0,5236. Die Kugel füllt nur etwa die Hälfte des Würfels.

1000D: Die Kugel im Hyperwürfel

Für einen Punkt x = (x₁,…,x₁₀₀₀) im 1000-dimensionalen Würfel [-1,1]¹⁰⁰⁰ ist die Wahrscheinlichkeit, dass die euklidische Norm ≤ 1 ist, extrem klein. Das Volumen der 1000-dimensionalen Einheitskugel ist V_n = π^{n/2} / Γ(n/2+1). Für n=1000 ist V_n ≈ 10^{-268}, während das Volumen des Würfels 2¹⁰⁰⁰ ≈ 10³⁰¹ ist. Die Wahrscheinlichkeit ist also etwa 10^{-569}. Das zeigt: In hohen Dimensionen ist fast der gesamte Raum in den Ecken – ein wichtiges Konzept im maschinellen Lernen und bei der Dimensionsreduktion.

Primzahlen und Primzahlzwillinge

Der Primzahlsatz besagt, dass die Dichte der Primzahlen in der Nähe von n etwa 1/ln(n) beträgt. Wie viele Primzahlzwillinge (p, p+2) erwarten wir unterhalb einer Zahl n? Eine heuristische Abschätzung: Die Wahrscheinlichkeit, dass eine Zahl p prim ist, ist 1/ln(p), und dass p+2 prim ist, ebenfalls 1/ln(p+2) ≈ 1/ln(p). Allerdings müssen wir berücksichtigen, dass die Ereignisse nicht unabhängig sind – kleine Primzahlen beeinflussen die Teilbarkeit. Die korrigierte Vermutung lautet: Die Anzahl der Primzahlzwillinge ≤ n ist etwa 2 C₂ n / (ln n)², wobei C₂ ≈ 0,66016 die Hardy-Littlewood-Konstante ist. Diese Formel ist ein Beispiel für die Verbindung von Wahrscheinlichkeit und Zahlentheorie.

Bedingte Wahrscheinlichkeit: Das Drei-Kinder-Problem

Wir betrachten eine Familie mit drei Kindern. Die Geburten sind unabhängig und mit gleicher Wahrscheinlichkeit Junge oder Mädchen.

Teil a: Mindestens ein Mädchen

Alex hat drei Kinder, und eines davon ist ein Mädchen. Wie groß ist die Wahrscheinlichkeit, dass alle drei Mädchen sind? Die möglichen Geschlechterkombinationen (mit mindestens einem Mädchen) sind 2³ - 1 = 7 (nur JJJ ist ausgeschlossen). Nur eine Kombination (MMM) ist günstig. Also P = 1/7.

Teil b: Das älteste Kind ist ein Mädchen

Wenn das älteste Kind ein Mädchen ist, sind die anderen beiden unabhängig. Die Wahrscheinlichkeit, dass alle drei Mädchen sind, ist (1/2)² = 1/4. Dies zeigt, wie die Bedingung die Wahrscheinlichkeit verändert.

Das Ziegenproblem (Bertrand's Box Paradox)

Es gibt drei Boxen: eine mit zwei Goldmünzen, eine mit zwei Silbermünzen, eine mit einer Gold- und einer Silbermünze. Du wählst zufällig eine Box und ziehst eine Münze. Sie ist Gold. Wie groß ist die Wahrscheinlichkeit, dass die andere Münze in derselben Box auch Gold ist?

Intuitiv könnte man denken, dass die Wahrscheinlichkeit 1/2 ist, weil die verbleibende Münze entweder Gold oder Silber sein kann. Aber die korrekte Lösung ist 2/3. Der Grund: Die Goldmünze, die du gezogen hast, stammt mit Wahrscheinlichkeit 2/3 aus der Box mit zwei Goldmünzen (da es drei Goldmünzen insgesamt gibt, zwei in der ersten Box, eine in der gemischten). Also ist die andere Münze mit Wahrscheinlichkeit 2/3 Gold. Dieses Paradoxon verdeutlicht die Bedeutung der bedingten Wahrscheinlichkeit und wird oft mit dem Ziegenproblem (Monty-Hall-Problem) verglichen.

Zusammenfassung und Ausblick

In diesem Tutorial haben wir verschiedene Wahrscheinlichkeitsprobleme kennengelernt, die von kombinatorischen Abzählungen über geometrische Wahrscheinlichkeiten bis hin zu bedingten Wahrscheinlichkeiten reichen. Diese Konzepte sind nicht nur für Hausaufgaben wie MATH154 wichtig, sondern auch für aktuelle Anwendungen wie KI, Data Science und Finanzmathematik. Wenn du mehr über Wahrscheinlichkeitsrechnung erfahren möchtest, probiere, ähnliche Probleme selbst zu lösen oder programmiere Simulationen in Python, um die Ergebnisse zu überprüfen.