Advertisement
Published in:
2015 | OriginalPaper | Chapter
5. Bedingte Wahrscheinlichkeiten
Author : Stefan Schäffler
Published in: Mathematik der Information
Publisher: Springer Berlin Heidelberg
Activate our intelligent search to find suitable subject content or patents.
Select sections of text to find matching patents with Artificial Intelligence. powered by
Select sections of text to find additional relevant content using AI-assisted search. powered by
Zusammenfassung
Ausgehend von einem diskreten Wahrscheinlichkeitsraum \((\Omega,{\mathcal{P}}(\Omega),\mathbb{P})\) und einer Menge \(B\subseteq\Omega\) mit \(\mathbb{P}(B)> 0\) erhält man durch ein weiteres Wahrscheinlichkeitsmaß auf \({\mathcal{P}}(\Omega)\). Da \(\mathbb{P}^{B}(B)=1\), interpretiert man die Wahrscheinlichkeit \(\mathbb{P}^{B}(A)\) als die Wahrscheinlichkeit des Ereignisses A unter der Bedingung, dass das Ereignis B sicher eintrifft (bedingte Wahrscheinlichkeit). Man hat sozusagen die Menge der möglichen Ergebnisse Ω auf die Menge B reduziert. Gilt nun \(\mathbb{P}^{B}(A)=\mathbb{P}(A)\), so folgt daraus \(\mathbb{P}(A\cap B)=\mathbb{P}(A)\cdot\mathbb{P}(B)\); in diesem Fall wird die Wahrscheinlichkeit für A durch die Reduktion der Menge der Ergebnisse von Ω auf B nicht beeinflusst; man sagt, die Ereignisse A und B seien stochastisch unabhängig. Daher haben wir bei der Einführung der Funktion I zum Messen der Informationsmenge auch gefordert; tritt die „Nachricht“ A mit der Wahrscheinlichkeit p ein, die Nachricht B mit der Wahrscheinlichkeit q und beide Nachrichten mit der Wahrscheinlichkeit pq, so sollen sich die jeweiligen Informationsmengen addieren, falls beide Nachrichten eintreffen (da stochastische Unabhängigkeit vorliegt).
$$\displaystyle\mathbb{P}^{B}:{\mathcal{P}}(\Omega)\to[0,1],\quad A\mapsto\frac{\mathbb{P}(A\cap B)}{\mathbb{P}(B)}$$
$$\displaystyle I(pq)=I(p)+I(q)$$