Auf der Spur des Zufalls. (Q2609765)

From MaRDI portal
Revision as of 11:34, 6 August 2023 by Importer (talk | contribs) (‎Created a new Item)
(diff) ← Older revision | Latest revision (diff) | Newer revision → (diff)
scientific article
Language Label Description Also known as
English
Auf der Spur des Zufalls.
scientific article

    Statements

    Auf der Spur des Zufalls. (English)
    0 references
    1934
    0 references
    Man denkt sich eine Versuchsanordnung, bei der \(k\) verschiedene Merkmale mit den Wahrscheinlichkeiten \(p_1, p_2,\ldots \!, p_k\) auftreten, und notiert die zeitliche Aufeinanderfolge der einzelnen Merkmale bei Durchführung des Versuchs. Diese Aufeinanderfolge wird in Abschnitte eingeteilt, die \((k - m + 1)\) verschiedene Merkmale enthalten und die übrigen \((m - 1)\) Merkmale nicht enthalten. Die Länge der Abschnitte sei mit \(n_m\) bezeichnet. Ferner bedeute \(\sum\limits_{k}\), daß der hinter dem Summenzeichen stehende Ausdruck über alle Kombinationen ohne Wiederholungen der Indizes \(1, 2,\ldots \! k\) zu summieren ist. Für die Erwartungswerte \(E(n_m)\) und \(E(n_m^2)\) findet man: \[ \begin{multlined} E(n_m) = \sum_{k} \left\{ \binom {m-1}{m-1} \frac{1}{p_1+\cdots + p_m} \binom m{m-1} \frac{1}{p_1+\cdots + p_{m+1}} + \right. \\ \left. \cdots + (-1)^{k-m} \binom {k-1}{m-1} \frac{1}{p_1+\cdots + p_k} \right\} \quad \text{und} \end{multlined} \] \[ \begin{multlined} E(n_m^2)=-E(n_m)+2 \sum_{k} \left\{ \binom {m-1}{m-1} \frac{1}{(p_1+\cdots + p_m)^2} \right. \\ \left. -\binom m{m-1} \frac{1}{(p_1+\cdots + p_{m+1})^2} + \cdots + (-1)^{k-m} \binom {k-1}{m-1} \frac{1}{(p_1+\cdots + p_k)^2} \right\}, \end{multlined} \] woraus man nach \(\sigma^2= E(n_m^2)-[E(n_m)]^2\) die Streuung bestimmt. Für \(p_1=p_2=\cdots = p_k=\dfrac{1}{k}\) wird: \[ E(n_m)=k \left( \frac{1}{k} + \frac{1}{k-1} + \cdots + \frac{1}{m} \right) \] und \[ \sigma^2(n_m)=k^2 \left( \frac{1}{k^2} + \frac{1}{(k-1)^2} + \cdots + \frac{1}{m^2} \right) k \left( \frac{1}{k} + \frac{1}{k-1} + \cdots + \frac{1}{m} \right). \] Im Fall des idealen Würfels hat man: \(k = 6\) und: \[ \frac{ \left. \begin{matrix} \; \; m \end{matrix} \right| \left. \begin{matrix} E(n_m) \end{matrix} \right| \begin{matrix} \sigma(n_m) \end{matrix} }{ \left. \begin{matrix} 6 \; \, \\ 5 \; \, \\ 4 \; \, \\ 3 \; \, \\ 2 \; \, \\ 1 \; \end{matrix} \right| \left. \begin{matrix} \r \\ 1,0 \; \; \; \\ 2,2 \; \; \; \\ 3,7 \; \; \; \\ 5,7 \; \; \; \\ 8,7 \; \; \; \\ 14,7\; \; \; \end{matrix} \; \right| \begin{matrix} 0,00 \\ 0,49 \\ 1,00 \\ 1,73 \\ 3,00 \\ 6,25 \end{matrix} } \] Verf. gibt ferner Formeln für die Verteilungsfunktion \(w(n_m)\) und eine ausführliche Tabelle von \(w(n_m)\) für den Fall des idealen Würfels.
    0 references

    Identifiers