Bonferroni-Ungleichung - LinkFang.de





Bonferroni-Ungleichung


Die Bonferroni-Ungleichungen sind Formeln, die zur Abschätzung der Wahrscheinlichkeit des Durchschnitts bzw. der Vereinigung von Ereignissen dienen.

Benennung nach Bonferroni

Die Bonferroni-Ungleichungen werden nicht unbedingt zu Recht nach Carlo Emilio Bonferroni benannt.[1]

Bonferroni war vermutlich nicht der Urheber dieser Ungleichungen, benutzte sie aber, um einen statistischen Schätzer zu definieren (Bonferroni-Methode). Die Benennung nach ihm ist daher vor allem in statistischen Kreisen beliebt. Aufgrund ihrer Einfachheit sind die Ungleichungen mit großer Wahrscheinlichkeit schon vor ihm bekannt gewesen.[2]

Die erste der folgenden Ungleichungen wird häufiger nach George Boole als Boolesche Ungleichung bezeichnet; oft werden die Ungleichungen aber auch ohne Namensbezug genannt.

Erste Ungleichung

Im Folgenden seien [math]E_i[/math] beliebige Ereignisse in einem Wahrscheinlichkeitsraum [math](\Omega,\mathcal{A},\Pr)[/math]. Es bezeichne [math]\Pr(E_i)[/math] die Wahrscheinlichkeit des Ereignisses [math]E_i[/math] und [math]\bigcup_{i=1}^nE_i[/math] die Vereinigungsmenge der Ereignisse [math]E_1,\dots,E_n[/math]. Dann gilt:

[math] \Pr\left( \bigcup_{i=1}^nE_i \right) \leq \sum_{i=1}^n \Pr\left(E_i\right) [/math].

Es gilt auch allgemeiner:

[math] \Pr\left( \bigcup_{i=1}^\infty E_i \right) \leq \sum_{i=1}^\infty \Pr\left(E_i\right) [/math]

Diese Ungleichungen werden auch Boolesche Ungleichungen genannt.

Beweis

Setzt man

[math]A_i = E_i \setminus \left(\bigcup_{j=1}^{i-1} E_j\right),[/math]

dann sind die [math]A_i[/math] paarweise disjunkt und es gilt

[math]\bigcup_i A_i = \bigcup_i E_i.[/math]

Damit folgt

[math]\Pr\left(\bigcup_i E_i\right) = \Pr\left(\bigcup_i A_i\right) = \sum_i \Pr(A_i) \leq \sum_i \Pr(E_i).[/math]

Dabei gilt die zweite Gleichheit wegen der σ-Additivität und die Ungleichung wegen [math]A_i \subseteq E_i[/math] und der Monotonie des Wahrscheinlichkeitsmaßes.[3]

Zweite Ungleichung

Im Folgenden seien wieder [math]E_i[/math] beliebige Ereignisse in einem Wahrscheinlichkeitsraum [math](\Omega, \mathcal{A},\Pr)[/math]. Ferner bezeichne [math] \overline{E_i} = \Omega \setminus E_i[/math] das Komplement von [math] E_i [/math]. Dann folgt:

[math] \Pr\left(\bigcap_{i=1}^nE_i\right) \geq 1-\sum_{i=1}^n \Pr\left(\overline{E_i}\right) [/math]

Dritte Ungleichung

Mit den beiden obigen Ungleichungen eng verbunden ist die folgende, welche von einigen Autoren auch als bonferronische Ungleichung (englisch Bonferroni's Inequality) genannt wird. Sie besagt (unter den genannten Voraussetzungen):[4]

[math] \Pr\left( \bigcup_{i=1}^n {E_i} \right) \geq \sum_{i=1}^n \Pr \left ( E_i \right) - \sum_{ i,j=1, \ldots , n \atop \; \text{mit} \; i \lt j} \Pr\left( {E_i \cap E_j} \right) [/math]

Beispiele

  • Sei [math]\Omega=\{1,2,3,4,5,6\}[/math] die Menge der Ergebnisse eines Würfelwurfs. Bezeichne [math]E_1=\{2,4,6\}[/math] das Ereignis, eine gerade Zahl zu würfeln und [math]E_2=\{5,6\}[/math] das Ereignis, wenigstens eine 5 zu würfeln. Offensichtlich gilt [math]\Pr(E_1) = \frac{1}{2}[/math] und [math]\Pr(E_2) = \frac{1}{3}[/math]. Nach der ersten Bonferroni-Ungleichung gilt für das Ereignis, eine gerade Zahl oder wenigstens eine 5 zu würfeln
[math] \Pr \left( E_1 \cup E_2 \right) \leq \Pr \left( E_1 \right) + \Pr \left( E_2 \right) = \frac{1}{2} + \frac{1}{3} = \frac{5}{6} . [/math]
  • Sei das Szenario wie im vorausgehenden Beispiel. Nach der zweiten Bonferroni-Ungleichung gilt für das Ereignis, eine gerade Zahl und mindestens eine 5 zu würfeln
[math] \Pr \left( E_1 \cap E_2 \right) \geq 1 - \Pr \left( \overline{E_1} \right) - \Pr \left( \overline{E_2} \right) = 1 - (1-\frac{1}{2}) - (1-\frac{1}{3}) = - \frac{1}{6} [/math]
Das Ergebnis liefert also keine brauchbare Aussage, da jede Wahrscheinlichkeit ohnehin größer oder gleich Null ist. Für das Ereignis, eine gerade Zahl und weniger als eine 5 zu würfeln folgt jedoch
[math] \Pr \left( E_1 \cap \overline{E_2} \right) \geq 1 - \Pr \left( \overline{E_1} \right) - \Pr \left( E_2 \right) = 1 - (1-\frac{1}{2}) - (1-\frac{2}{3}) = \frac{1}{6} . [/math]

Literatur

Einzelnachweise

  1. Jürgen Bortz: Statistik für Human- und Sozialwissenschaftler. 6. Auflage. Springer, 2005, S. 129.
  2. J. Galambos: Bonferroni inequalities. In: Michiel Hazewinkel (Hrsg.): Encyclopaedia of Mathematics. Springer-Verlag, Berlin 2002, ISBN 1-4020-0609-8 (online ).
  3. Hans-Otto Georgii: Stochastik: Einführung in die Wahrscheinlichkeitstheorie und Statistik. 4. Auflage. de Gruyter Lehrbuch, Berlin 2009, ISBN 978-3-11-021526-7. S. 15.
  4. Rosen et al: Handbook ... S. 433.

Kategorien: Ungleichung | Testtheorie | Wahrscheinlichkeitsrechnung

Quelle: Wikipedia - http://de.wikipedia.org/wiki/Bonferroni-Ungleichung (Vollständige Liste der Autoren des Textes [Versionsgeschichte])    Lizenz: CC-by-sa-3.0

Änderungen: Alle Bilder mit den meisten Bildunterschriften wurden entfernt. Ebenso alle zu nicht-existierenden Artikeln/Kategorien gehenden internen Wikipedia-Links (Bsp. Portal-Links, Redlinks, Bearbeiten-Links). Entfernung von Navigationsframes, Geo & Normdaten, Mediadateien, gesprochene Versionen, z.T. ID&Class-Namen, Style von Div-Containern, Metadaten, Vorlagen, wie lesenwerte Artikel. Ansonsten sind keine Inhaltsänderungen vorgenommen worden. Weiterhin kann es durch die maschinelle Bearbeitung des Inhalts zu Fehlern gerade in der Darstellung kommen. Darum würden wir jeden Besucher unserer Seite darum bitten uns diese Fehler über den Support mittels einer Nachricht mit Link zu melden. Vielen Dank!

Stand der Informationen: August 201& - Wichtiger Hinweis: Da die Inhalte maschinell von Wikipedia übernommen wurden, ist eine manuelle Überprüfung nicht möglich. Somit garantiert LinkFang.de nicht die Richtigkeit und Aktualität der übernommenen Inhalte. Sollten die Informationen mittlerweile fehlerhaft sein, bitten wir Sie darum uns per Support oder E-Mail zu kontaktieren. Wir werden uns dann innerhalb von spätestens 10 Tagen um Ihr Anliegen kümmern. Auch ohne Anliegen erfolgt mindestens alle drei Monate ein Update der gesamten Inhalte.