ST0202 Statistikk for samfunnsvitere [4]
|
|
- Frithjof Dahl
- 7 år siden
- Visninger:
Transkript
1 ST0202 Statistikk for samfunnsvitere [4] Kapittel 4: Sannsynlighet 4.4: Disjunkte hendelser, 4.5: Uavhengige hendelser 4.6: Er disjunkthet og uavhengighet relatert til hverandre? Bruk av sannsynlighetsregning Mette Langaas Institutt for matematiske fag
2 2 Repetisjon: ikke-og-eller? Ā (ikke) A og B A eller B
3 3 Repetisjon: ikke-og-eller og setninger Komplementsetningen: (ikke) P(Ā)=1-P(A) Den generelle addisjonssetningen: (eller) P(A eller B)=P(A)+P(B)-P(A og B) Den generelle multiplikasjonssetningen: (og) P(A og B)=P(A) P(B A)=P(B) P(A B)
4 4 Kap i bruk En boks inneholder en rød (R), en blå (B) og en hvit (H) kule. Trekk to kuler uten tilbakelegging. (Trekk først en kule og legg den til side, trekk så en til. Se på hva du fikk.) Utfallene og deres sannsynligheter kan finnes ved hjelp av et sannsynlighetstre. Sannsynligheten for et utfall finnes ved å multiplisere (betingede) sannsynligheter langs grenene. (Den generelle multiplikasjonsregelen.) Sannsynligheten for en hendelse finnes ved å summere sannsynlighetene for de enkeltutfallene (grenene) som hører til hendelsen.
5 Det er 6 mulig utfall, og de lister vi som {(R, B), (R, H), (B, R), (B, H), (H, R), (H, B)}
6 Sannsynligheten for gren 1 (første kule rød og andre blå): P(R, B) = P(R)P(B R) = 1/3 1/2 = 1/6 Sannsynligheten for hendelsen en rød og en blå kule : Gren 1 og gren 3 gir en rød og en blå kule, så vi må summere disse to sannsynlighetene P(en rød og en blå kule) = 1/6 + 1/6 = 1/3
7 7 Betinget rødt: leksa fra igår Tre kort: Rødt på begge sider Rødt på en side, blått på en side Blått på begge sider Lukk øynene, trekk et kort og legg på bordet. Gitt at kortsiden du ser er rød, hva der da sannsynligheten for at også siden du ikke ser er rød?
8 8 Disjunkte hendelser (4.4) To disjunkte (gjensidig utelukkende) hendelser: Hendelser definert slik at dersom en av hendelsene inntreffer, kan den andre ikke inntreffe. dvs. P(A og B) = 0 eller med Venn-diagram:
9 Hvis vi har flere enn 2 hendelser, kalles disse parvis disjunkte ( mutually exclusive ) hvis hvert par av dem er disjunkte etter definisjonen på forrige slide. Eksempel: Betrakt et eksperiment der to terninger blir kastet. Tre hendelser er definert: A: Summen av tallene på terningene er 7 B: Summen av tallene på terningene er 10 C: Begge terningene viser samme tall. Er disse tre hendelsene parvis disjunkte?
10 A: Summen av tallene på terningene er 7 B: Summen av tallene på terningene er 10 C: Begge terningene viser samme tall. A og B er disjunkte. A og C er disjunkte. B og C er ikke disjunkte, fordi B og C = (5, 5) De tre hendelsene er dermed ikke parvis disjunkte (selv om alle tre ikke kan inntreffe samtidig).
11 11 Den spesielle addisjonsregelen For disjunkte hendelser A og B gjelder P(A eller B) = P(A) + P(B) Denne regelen kan generaliseres: For parvis disjunkte hendelser A, B, C... E gjelder P(A eller B eller C eller... eller E) = P(A)+P(B)+P(C)+...+P(E)
12 Illustrasjon av den spesielle addisjonsregelen: Her er A og B disjunkte, og vi har: P(A eller B) = P(A) + P(B)
13 13 Eksempel: Kast to terninger. Hva er sannsynligheten for at summen er 7 (hendelse A) eller at terningene er like (hendelse B)? Hendelse A (grønn) og B (blå) er disjunkte (inntreffer A kan ikke B inntreffe og motsatt, se figur under).
14 Regelen over gir da P(A eller B) = P(A) + P(B) = = 1 3
15 15 Disjunkt? Vi trekker tilfeldig en person fra en populasjon, og definerer tre hendelser: A: Personen er yngre enn 60 år. B: Personen er minst 70 år gammel. C: Personen er minst 80 år gammel. Tegn Venn-diagram og forklar hvilke hendelser som er disjunkte.
16 16 Uavhengige hendelser (4.5) To hendelser A og B er uavhengige hendelser hvis det at A har hendt (eller ikke har hendt) ikke påvirker sannsynligheten for at B skal hende, dvs. P(B) = P(B A) = P(B Ā) eller P(A) = P(A B) = P(A B) Dersom den ene av linjene er oppfylt vil alltid den andre være det også. Hendelser som ikke er uavhengige, kalles avhengige.
17 17 Eksempler på uavhengighet Kast en mynt to ganger. A er at mynten lander på H i første kast, B er at mynten lander på H i andre kast. Hvorfor er P(B A) = P(B)? Kast en terning og en mynt. A er at terningen gir en 6er, B er at mynten lander på Kron (H). Hvorfor er P(B A) = P(B)? Trekk to kort fra en kortstokk ved at det først trekkes ett kort, som legges tilbake, og at det så stokkes på ny og trekkes et nytt kort. A er at det er en spar i første trekning, B er at det er en hjerter i andre trekning. Forklar hvorfor A og B er uavhengige. Ville disse hendelsene være uavhengige dersom du ikke la tilbake det første kortet før du trakk det andre?
18 Husk den generelle multiplikasjonsregel: P(A og B) = P(A)P(B A) Dersom A og B er uavhengige, har vi P(B A) = P(B), og P(A B) = P(A) så vi får: Den spesielle multiplikasjonsregel: P(A og B) = P(A)P(B) Dette kan generaliseres til tilfellet med flere enn to uavhengige hendelser: For uavhengige hendelser A, B, C,..., E gjelder P(A og B og C og... og E) = P(A) P(B) P(C)... P(E)
19 19 Oppgave Kast en mynt to ganger. A er at mynten lander på H i første kast, B er at mynten lander på H i andre kast. Hva blir P(A og B)? Kast en mynt ti ganger (jmf. Siffer, episode 1). La A 1 være at mynten lander på H i første kast, A 2 at mynten lander på H i andre kast,..., A 10 at mynten lander på H i tidende kast. Hva blir P(A 1 og A 2 og og A 10 )?
20 20 Trekning med tilbakelegging En bolle inneholder 7 kuler, 5 gule (Y) og to røde (R). To kuler trekkes med tilbakelegging, dvs. at det først trekkes en kule, så legges denne tilbake, og det trekkes en kule til. La Da er A = den første kulen er gul (Y) B = den andre kulen er gul (Y) P(begge kulene er gule) = P(A og B) = P(A) P(B A) = = siden vi nå har at: er altså A og B uavhengige. P(B A) = 5 7 = P(B)
21 21 Vi husker: Trekning uten tilbakelegging En bolle (urne) inneholder 7 kuler, 5 gule (Y) og to røde (R). To kuler trekkes uten tilbakelegging, dvs. at det først trekkes en og at det så trekkes en til uten å legge den første tilbake. P(begge kulene er gule) = P(A og B) = P(A) P(B A) = = 20 42
22 Merk: nå er P(B A) = 4 6 og P(B Ā) = 5 6. Vi kan da umiddelbart konkludere at A og B er avhengige hendelser. Hva er P(B)? P(B) = P(A og B) + P(Ā og B) = P(A) P(B A) + P(Ā) P(B Ā) = = = = = 5 7 Som igjen medfører at A og B er avhengige.
23 23 Formel for betinget sannsynlighet Ved å stokke om på den generelle multiplikasjonsregelen, P(A og B) = P(A) P(B A) får vi et uttrykk for sannsynligheten for hendelsen A gitt at hendelsen B har inntruffet: P(A og B) P(B A) = P(A)
24 24 Eksempel En student blir trukket tilfeldig fra en populasjon bestående av 200 studenter hvorav 140 studerer fulltid (80 kvinner og 60 menn) og 60 studerer deltid (40 kvinner og 20 menn). La hendelsen A være at studenten studerer fulltid og hendelse C at studenten er kvinne. a) Finn P(A), P(C), P(A og C) b) Finn P(A C) og P(C A) c) Er A og C uavhengige?
25 25 Uavhengighet og disjunkthet (4.6) Uavhengighet og disjunkthet er begreper som ofte blandes. La A og B være to hendelser med positive sannsynligheter P(A) og P(B). At A og B er disjunkte, betyr at de ikke kan inntreffe samtidig, dvs. at P(A og B) = 0 At A og B er uavhengige betyr at sannsynligheten for B ikke endrer seg dersom vi vet om A har inntruffet, dvs. at vi har P(A og B) = P(A)P(B A) = P(A)P(B) Men dette kan ikke være 0 da både P(A) og P(B) er positive. To hendelser kan derfor ikke både være disjunkte og uavhengige.
26 26 Bruk av sannsynlighetsregning
27 27 Eksempel: Kvalitetskontroll En produsent produserer en artikkel. I gjennomsnitt er 80% av artiklene feilfrie. Hver artikkel blir kontrollert før den sendes ut. Kontrolløren feilklassifiserer artikkelen 10% av gangene (dvs. sier at artikkelen er feilfri når den har feil, eller at den har feil når den er feilfri). Hvilken andel av artiklene blir klassifisert som feilfrie? Definer følgende hendelser: F: Artikkelen er feilfri. K: Artikkelen er klassifisert som feilfri av kontrollør Tegn et trediagram.
28 Her er F* brukt for F og K* for K i trediagrammet. Artikkelen blir klassisfisert feilfri for gren 1 og gren 3. Dermed summeres sannsynligheten for gren 1 og gren 3: P(K ) = = 0.74
29 29 Eksempel (forts.) Anta at bare artikler som blir klassifisert som feilfrie blir utsendt. Hva er andelen av feilfrie artikler blant de utsendte artiklene? P(F K ) = P(F og K ) P(K ) = = Så kvalitetskontrollen øker andelen av feilfrie artikler fra 80% til 97.3%.
30 30 Oppgave: Dopingtesting En viss type doping forekommer i 1% av populasjonen. Testen kan påvise dette i 95% av tilfellene hvor personen er dopet, men påviser det også feilaktig i 2% av tilfelllene hvor personen ikke er dopet. Hva er sannsynlighenten for at personen er dopet dersom dopingtesten er positiv? La D=personen er dopet A=testen er positiv
31 31 Oppgave: Det er oppgitt at P(A) = 0.60 P(B Ā) = 0.15 P(B A) = 0.05 a) Er A og B uavhengige? b) Hva er P(B)? c) Hva er P(A B)? (Vink: Tegn et sannsynlighetstre)
32 32 Oppgave: En 60 år gammel storrøyker oppsøker lege med kronisk hoste og kortpustethet. Legen er bekymret og definerer følgende hendelser: A: Pasientens symptom er kronisk hoste og kortpustethet. B: Pasienten har lungekreft Erfaringer viser at vi kan anta følgende sannsynligheter for 60 årige storrøykere: P(A B)=0.9, P(A B)=0.01, P(B)=0.05 Hva er sannsynligheten for at pasienten har lungekreft gitt symptomene, dvs P(B A)? A) 0.91 B) 0.77 C) 0.50 D) 0.83 E) 0.99 (Vink: Sannsynlighetstre!)
33 33 Diagnostiske tester S= syk person, S=frisk person. T = positiv test, T = negativ test. For legemidler vet man: P(T S): sannsynligheten for at testen slår ut positivt, gitt at personen er syk (sensitiviteten til testen). Ønskes høyest mulig. P( T S): sannsynligheten for at testen slår ut negativt, gitt at personen er frisk. (spesifisitet). Ønskes høyest mulig Interessant for pasienten: P(S T ): sannsynligheten for at du er syk, gitt at du har fått en positiv test. Positiv prediktiv verdi. P( S T ): sannsynligheten for at du er frisk, gitt at du har fått en negativ test. Negativ prediktiv verdi.
34 34 Hvorfor utføres ikke HIV-test som masseundersøkelse? P(S T ) = P(S og T ) P(T ) Hva er sannsynligheten for at en person med positiv HIV-test virkelig er HIV-smittet, P(S T )? Anta Sensitivitet av testen: P(T S)= 0.98 Spesifisitet av testen: P( T S)= 0.995, dvs. P(T S) = Svaret er avhengig av forekomsten av HIV i populasjonen, P(S) (prevalensen). Anta at forekomsten av HIV i en populasjon er P(S) =
35 P(S og T ) P(S T ) = = P(T ) = 0.09
36 x-akse: andel smittede i befolkningen. y-akse: andel som er smittet blant de med positiv test.
37 37 HIV-test Norge som helhet: P(S) = (anslag fra lærebok i medisinsk statistikk) gir P(S T ) = Sprøytemisbrukere: P(S) = 0.1 gir P(S T ) = Storby i sentral-afrika: P(S) = 0.25 gir P(S T ) = Dette gir et problem ved masseundersøkelser. De fleste av personene med positiv prøve kan faktisk være friske.
38 38 Oppgave: disjunkt To terninger blir kastet. Hendelsene er A=summen er 7, C=terningene viser det samme tallet, E=summen er 8. a) Hvilke par av hendelser er disjunkte? b) Finn sannsynlighetene P(A eller C), P(A eller E), og P(C eller E) Fasit: a) A og C, A og E, b) 1/3, 11/36, 1/6
39 39 Oppgave (Eksamen høst 2005) Hva er sannsynligheten for at summen av to terninger er større enn eller lik 10 gitt at minst en av terningene er 6? A) 1/4 B) 1/3 C) 5/11 D) 6/11 E) 1/2 Fasit: 5/11
40 40 Oppgave: uavhengighet Dersom P(A)=0.3 og P(B)=0.4 og A og B er uavhengige hendelser. Hva er sannsynlighetene a) P(A og B) b) P(B A) c) P(A B) Fasit: a) 0.12, b) 0.4, 0.3
41 41 Fasit: betinget rødt P(andre rødt først rødt)=(sum av sanns for gren 1+2)/(sum av sanns for grenene 1+2+3)=2/3
42 42 Fasit: deltidsstuderende a) A=fulltid C=kvinne P(A og C) = P(A) = n(a) n(s) = = 0.7 P(C) = n(c) n(s) = = 0.6 n(a og C) n(s) = = 0.4
43 43 Fasit: deltidsstuderende b)+c) b) P(A C) = P(C A) = P(A og C) P(C) P(A og C) P(A) = = 0.67 = = 0.57 c) A og C er avhengige siden P(A C) P(A), P(C A) P(C)
44 44 Fasit: dopingtest P(D A) = P(D og A) P(A) = = 0.32
Trekking uten tilbakelegging. Disjunkte hendelser (4.5) Forts. ST0202 Statistikk for samfunnsvitere
2 Trekking uten tilbakelegging ST0202 Statistikk for samfunnsvitere o Lindqvist Institutt for matematiske fag En bolle inneholder 7 kuler, 5 gule (Y) og to røde (). To kuler trekkes uten tilbakelegging,
DetaljerST0202 Statistikk for samfunnsvitere
ST0202 Statistikk for samfunnsvitere Bo Lindqvist Institutt for matematiske fag 2 Sannsynligheten for en hendelse (4.2) Sannsynligheten for en hendelse sier oss hvor ofte vi forventer at hendelsen inntreffer,
DetaljerST0202 Statistikk for samfunnsvitere
ST0202 Statistikk for samfunnsvitere Kapittel 4: Sannsynlighetsregning Bo Lindqvist Institutt for matematiske fag 2 Sannsynligheten for en hendelse (4.1) Sannsynligheten for en hendelse sier oss hvor ofte
DetaljerSannsynligheten for en hendelse (4.2) Empirisk sannsynlighet. ST0202 Statistikk for samfunnsvitere
2 Sannsynligheten for en hendelse (4.2) Sannsynligheten for en hendelse sier oss hvor ofte vi forventer at hendelsen inntreffer, dvs. den forventede relative frekvens av hendelsen. ST0202 Statistikk for
DetaljerSannsynligheten for en hendelse (4.2) Empirisk sannsynlighet. ST0202 Statistikk for samfunnsvitere
2 Sannsynligheten for en hendelse (4.2) Sannsynligheten for en hendelse sier oss hvor ofte vi forventer at hendelsen inntreffer, dvs. den forventede relative frekvens av hendelsen. ST0202 Statistikk for
DetaljerST0202 Statistikk for samfunnsvitere
ST0202 Statistikk for samfunnsvitere Bo Lindqvist Institutt for matematiske fag 2 Loven om total sannsynlighet La A og Ā være komplementære hendelser, mens B er en annen hendelse. Da er: P(B) =P(B oga)+p(b
DetaljerLoven om total sannsynlighet. Bayes formel. Testing for sykdom. ST0202 Statistikk for samfunnsvitere
2 Loven om total sannsynlighet La A og Ā være komplementære hendelser, mens B er en annen hendelse. Da er: P(B) P(B oga)+p(b ogā) P(B A)P(A)+P(B Ā)P(Ā) ST0202 Statistikk for samfunnsvitere Bo Lindqvist
DetaljerTMA4240 Statistikk H2010
TMA4240 Statistikk H2010 2.8: Bayes regel 3.1: Stokastisk variabel 3.2: Diskrete sannsynlighetsfordelinger 3.3: Kontinuerlige sannsynlighetsfordelinger Mette Langaas Foreleses onsdag 1. september 2010
DetaljerKapittel 2: Sannsynlighet
Kapittel 2: Sannsynlighet 2.1, 2.2: Utfallsrom og hendelser 2.3, 2.4: Kombinatorikk og sannsynlighet 2.5, 2.6, 2.7: Regneregler, betinget sanns. 2.8: Bayes regel Eirik Mo Institutt for matematiske fag,
DetaljerBetinget sannsynlighet. MAT0100V Sannsynlighetsregning og kombinatorikk. Vi trenger en definisjon av betinget sannsynlighet!
MAT000V Sannsynlighetsregning og kombinatorikk Betinget sannsynlighet og uavhengige hendelser Produktsetningen Total sannsynlighet og Bayes' setning Betinget sannsynlighet Vil repeterer først et eksempel
DetaljerBetinget sannsynlighet. MAT0100V Sannsynlighetsregning og kombinatorikk. Vi trenger en definisjon av betinget sannsynlighet!
MAT000V Sannsynlighetsregning og kombinatorikk Betinget sannsynlighet Vi repeterer først et eksempel fra samlingen for sist uke Betinget sannsynlighet og uavhengige hendelser Produktsetningen Total sannsynlighet
DetaljerUtfallsrom og hendelser. Disjunkte hendelser. Kapittel 2: Sannsynlighet. Eirik Mo Institutt for matematiske fag, NTNU
3 Utfallsrom og hendelser Kapittel 2: Sannsynlighet 2., 2.2: Utfallsrom og hendelser 2.3, 2.4: Kombinatorikk og sannsynlighet 2.5, 2.6, 2.7: Regneregler, betinget sanns. 2.8: Bayes regel DEF 2. Ufallsrom:
DetaljerBetinget sannsynlighet. MAT0100V Sannsynlighetsregning og kombinatorikk. Vi trenger en definisjon av betinget sannsynlighet!
MAT0100V Sannsynlighetsregning og kombinatorikk Betinget sannsynlighet og uavhengige hendelser Produktsetningen Total sannsynlighet og Bayes' setning Betinget sannsynlighet Vil repeterer først et eksempel
DetaljerOppgave 1 dvs 2 kort med samme verdi og 3 kort med ulike andre verdier. 4 verdier paret kan ta, og de to kortene i paret kan velges på måter.
TMA0 Statistikk Vår 008 Norges teknisk-naturvitenskapelige universitet Institutt for matematiske fag Øving nummer Løsningsskisse Oppgave a Ett par, dvs kort med samme verdi og kort med ulike andre verdier.
DetaljerSANNSYNLIGHETSREGNING
SANNSYNLIGHETSREGNING Er tilfeldigheter tilfeldige? Når et par får vite at de skal ha barn, vurderes sannsynligheten for pike eller gutt normalt til rundt 50/50. Det kan forklare at det fødes omtrent like
DetaljerForelesning 4, kapittel 3. : 3.4: Betinget sannsynlighet.
Forelesning 4, kapittel 3. : 3.4: Betinget sannsynlighet. Eksempel 1 (begrunnelse for definisjonen av betinget sannsynlighet): Hendelse A er "sum minst 8 på kast med 2 terninger" P(A) = 15/36 P(A) < 1/2
DetaljerÅMA110 Sannsynlighetsregning med statistikk, våren 2011
ÅMA110 Sannsynlighetsregning med statistikk, våren 2011 Kp. 2 Sannsynlighetsregning (sannsynlighetsteori) 1 Grunnbegrep Stokastisk forsøk: forsøk med uforutsigbart utfall Enkeltutfall: et av de mulige
DetaljerKapittel 2: Sannsynlighet [ ]
Kapittel 2: Sannsynlighet [2.6-2.8] TMA4240 Statistikk (F2 og E7) 2.6, 2.7, 2.8: Betinget sannsynlighet [23.august 2004] Ole.Petter.Lodoen@math.ntnu.no p.1/18 Oppsummering fra 2.1-2.5 FENOMEN Eksperiment
DetaljerBlokk1: Sannsynsteori
Blokk1: Sannsynsteori Statistikk er vitskapen om læring frå data, og måling, kontroll og kommunikasjon av usikkerheit (Davians Louis, Science, 2012). Vi lærer frå data ved å spesifisere ein statistisk
DetaljerMULTIPLE CHOICE ST0103 BRUKERKURS I STATISTIKK September 2016
MULTIPLE CHOICE ST0103 BRUKERKURS I STATISTIKK September 2016 SETT RING RUNDT DET RIKTIGE SVARET FOR HVER OPPGAVE. Oppgave 1 Stokastisk forsøk Stokastiske forsøk karakteriseres ved to av følgende egenskaper.
DetaljerStatistikk og økonomi, våren 2017
Statistikk og økonomi, våren 207 Obligatorisk oppgave 3 Løsningsforslag Oppgave Produsenten av en type bærbar datamaskin har registrert at sannsynligheten er 0.2 for at tastaturet svikter, 0.09 for at
DetaljerSannsynlighetsregning og Statistikk
Sannsynlighetsregning og Statistikk Leksjon 2. Leksjon 2 omhandler begreper og regneregler for sannsynligheter. Dette er behandlet i kapittel 3.1 og 3.2 i læreboka. Du bør når du har fullført leksjon 2
DetaljerBetinget sannsynlighet, total sannsynlighet og Bayes setning Kapittel 4.5
Betinget sannsynlighet, total sannsynlighet og Bayes setning Kapittel 4.5 På bakgrunn av materiale fra Ørnulf Borgan Matematisk institutt Universitetet i Oslo 1 Vi vil først ved hjelp av et eksempel se
DetaljerTema 1: Hendelser, sannsynlighet, kombinatorikk Kapittel ST1101 (Gunnar Taraldsen) :19
Tema 1: Hendelser, sannsynlighet, kombinatorikk Kapittel 2.1-2.7 ST1101 (Gunnar Taraldsen) 2019-01-12 17:19 Sentrale definisjoner og regneregler Definisjoner: Stokastisk forsøk, utfallsrom, hendelser (snitt,
DetaljerTMA4240 Statistikk Høst 2015
Norges teknisk-naturvitenskapelige universitet Institutt for matematiske fag Øving nummer 3, blokk I Løsningsskisse Oppgave 1 Hvis hendelsene A og B er uavhengige, vil enhver kunnskap om hvorvidt A har
DetaljerÅMA110 Sannsynlighetsregning med statistikk, våren 2007
ÅMA110 Sannsynlighetsregning med statistikk, våren 2007 Kp. 2 Sannsynlighetsregning (sannsynlighetsteori) 1 Grunnbegrep Stokastisk forsøk: forsøk med uforutsigbart utfall Enkeltutfall: et av de mulige
DetaljerFølgelig vil sannsynligheten for at begge hendelsene inntreffer være null,
Norges teknisk-naturvitenskapelige universitet Institutt for matematiske fag Øving nummer 3, blokk I Løsningsskisse Oppgave 1 Hvis hendelsene A og B er uavhengige, vil enhver kunnskap om hvorvidt A har
DetaljerKapittel 4: Betinget sannsynlighet
Kapittel 4: Betinget sannsynlighet Ofte vil kunnskap om at en hendelse har inntruffet påvirke sannsynligheten for en annen hendelse. Definisjon: Den betingede sannsynligheten for A gitt B er: P(A B) P(A
DetaljerTMA4240 Statistikk H2010
TMA4240 Statistikk H2010 2.5: Addisjonsregler (union) 2.6: Betinget sannsynlighet 2.7: Multiplikasjonsregler (snitt) 2.8: Bayes regel (starte litt) Mette Langaas Foreleses mandag 30. august 2010 2 Kapittel
DetaljerSannsynlighetsregning og kombinatorikk
Sannsynlighetsregning og kombinatorikk Introduksjon Formålet med sannsynlighet og kombinatorikk er å kunne løse problemer i statistikk, somoftegårutpååfattebeslutninger i situasjoner der tilfeldighet rår.
DetaljerKapittel 4: Betinget sannsynlighet
Kapittel 4: Betinget sannsynlighet Ofte vil kunnskap om at en hendelse har inntruffet påvirke sannsynligheten for en annen hendelse. Terningkast. ={1,2,3,4,5,6}. A= odde ={1,3,5}. B= mindre enn 4 = {1,2,3}.
DetaljerBetinget sannsynlighet, total sannsynlighet og Bayes setning Kap. 4.5 STK1000 H11
Betinget sannsynlighet, total sannsynlighet og Bayes setning Kap. 4.5 STK1000 H11 På bakgrunn av materiale fra Ørnulf Borgan Matematisk institutt Universitetet i Oslo 1 Vi vil først ved hjelp av et eksempel
DetaljerFagdag 5-08.01.09. 2) Du skal fylle ut en tippekupong. På hvor mange måter kan dette gjøres?
Fagdag Plan Fagdag - 08.01.0 1,2 time: Repetisjon kapittel 3 - Sannsynlighet Oppgaver Teori (lesestoff) 3, time: Arbeide med.1 og.2: 16, 17, 18, 1 3, time: Ekstra vurdering før terminoppgjør Repetisjon
DetaljerÅMA110 Sannsynlighetsregning med statistikk, våren 2011
ÅMA110 Sannsynlighetsregning med statistikk, våren 2011 Kp. 2 Sannsynlighetsregning i (sannsynlighetsteori) t i) 2.5 Betinget sannsynlighet 1 Betinget sannsynlighet (kp. 2.5) - innledning Eks.: Et terningkast;
Detaljer6 Sannsynlighetsregning
MATEMATIKK: 6 Sannsynlighetsregning 6 Sannsynlighetsregning 6.1 Forsøk. Utfallsrom. Sannsynlighet (sjanse). Sannsynlighetsmodell Ved ett kast med en terning vet vi at terningen vil vise enten ett, to,
DetaljerBetinget sannsynlighet, total sannsynlighet og Bayes setning
etinget sannsynlighet, total sannsynlighet og ayes setning Vi vil først ved hjelp av et eksempel se intuitivt på hva betinget sannsynlighet betyr: Vi legger fire røde kort og to svarte kort i en bunke
DetaljerSlide 1. Slide 2 Statistisk inferens. Slide 3. Introduction to the Practice of Statistics Fifth Edition
Slide 1 David S. Moore George P. McCabe Introduction to the Practice of Statistics Fifth Edition Chapter 4: Probability: The Study of Randomness 9/22/2010 Copyright 2005 by W. H. Freeman and Company Slide
Detaljer- Et stokastisk forsøk er et forsøk underlagt tilfeldige variasjoner, for eks. kast med en terning, trekking av et lottotall o.l.
SANNSYNLIGHETSREGNING Terminologi Kombinatorikk Stokastisk Utfallsrom / utfall (enkeltutfall) - Et stokastisk forsøk er et forsøk underlagt tilfeldige variasjoner, for eks. kast med en terning, trekking
DetaljerÅMA110 Sannsynlighetsregning med statistikk, våren 2010
ÅM0 Sannsynlighetsregning med statistikk, våren 00 Kp. Sannsynlighetsregning (sannsynlighetsteori).5 (kp..5) - innledning Eks.: Et terningkast; {,, 3, 4, 5, 6}. Ved bruk av uniform modell: hvert utfall
DetaljerForelesning 3, kapittel 3. : 3.2: Sannsynlighetsregning. Kolmogoroffs aksiomer og bruk av disse.
Forelesning 3, kapittel 3. : 3.2: Sannsynlighetsregning. Kolmogoroffs aksiomer og bruk av disse. Den klassiske definisjonen (uniform modell) av sannsynlighet for en hendelse A i et utfallsrom S er at sannsynligheten
DetaljerSTK1100 våren Betinget sannsynlighet og uavhengighet. Svarer til avsnittene 2.4 og 2.5 i læreboka
STK1100 våren 2017 Betinget sannsynlighet og uavhengighet Svarer til avsnittene 2.4 og 2.5 i læreboka Ørnulf Borgan Matematisk institutt Universitetet i Oslo 1 Eksempel 1 Vi vil først ved hjelp av et eksempel
DetaljerB A. Figur 1: Venn-diagram for(a B) = A B
TM Statistikk Norges teknisk-naturvitenskapelige universitet Institutt for matematiske fag Øving nummer Løsningsskisse Oppgave Et venn-diagram for = er vist i figur. Hendelsen er hele det skraverte området,
DetaljerOppgaver. Innhold. Sannsynlighet 1P, 1T og 2P-Y
Oppgaver Innhold 3.1 Hva er sannsynlighet?... 2 3.2 Addisjon av sannsynligheter. Gunstige og mulige utfall... 5 3.3 Beregne sannsynligheter ved å bruke tabeller... 9 3.4 Beregne sannsynligheter ved å bruke
DetaljerTMA4240 Statistikk Høst 2015
TMA0 Statistikk Høst 0 Norges teknisk-naturvitenskapelige universitet Institutt for matematiske fag Øving nummer, blokk I Løsningsskisse Oppgave Hendelsene A og B er ikke disjunkte, det vil si at de kan
DetaljerIntroduction to the Practice of Statistics
David S. Moore George P. McCabe Introduction to the Practice of Statistics Fifth Edition Chapter 4: Probability: The Study of Randomness Copyright 2005 by W. H. Freeman and Company Statistisk inferens
DetaljerÅMA110 Sannsynlighetsregning med statistikk, våren 2011
ÅMA0 Sannsynlighetsregning med statistikk, våren 0 Kp. 3 Diskrete tilfeldige variable Noen viktige sannsynlighetsmodeller Noen viktige sannsynlighetsmodeller ( Sanns.modell : nå betyr det klasse/type sanns.fordeling.
DetaljerOppgaver. Innhold. Sannsynlighet Vg1P
Oppgaver Innhold Modul 1. Hva er sannsynlighet?... 2 Modul 2. Addisjon av sannsynligheter. Gunstige og mulige utfall... 6 Modul 3. Beregne sannsynligheter ved å bruke tabeller... 10 Modul 4. Beregne sannsynligheter
DetaljerLøsninger. Innhold. Sannsynlighet Vg1P
Løsninger Innhold Modul. Hva er sannsynlighet?... 2 Modul 2. Addisjon av sannsynligheter. Gunstige og mulige utfall... 7 Modul 3. Beregne sannsynligheter ved å bruke tabeller... 3 Modul 4. Beregne sannsynligheter
DetaljerSannsynlighet (Kap 3)
Sannsynlighet (Kap 3) Medisinsk statistikk Del I 3 sept. 2008 Eirik Skogvoll, 1.amanuensis/ overlege Hva er sannsynlighet? Grunnleggende sannsynlighetsregning 1 Brystkreft (Eks. 3.1) Forekomst av brystkreft
Detaljer10.4 Sannsynligheter ved flere i utvalget (kombinatorikk)
10. er ved flere i utvalget (kombinatorikk) Så langt i framstillingen har vi diskutert den språklige siden, den matematiske tolkningen av sannsynlighetsbegrepet og presentert ulike modeller som kan anvendes
Detaljer4.4 Sum av sannsynligheter
4.4 Sum av sannsynligheter Nina trekker kort fra en vanlig kortstokk med 52 kort. Vi innfører hendingene H: Kortet er en hjerter S: Kortet er en spar Det er 13 hjerter og 13 spar i stokken. Sannsynligheten
DetaljerBetinget sannsynlighet, Total sannsynlighet og Bayes setning
Betinget sannsynlighet, Total sannsynlighet og Bayes setning Innhold: Produktsetning, avhengighet, betinget sannsynlighet (.2,.) Setningen om total sannsynlighet (.4) Bayes setning (.4) Disse tingene henger
DetaljerECON Statistikk 1 Forelesning 3: Sannsynlighet. Jo Thori Lind
ECON2130 - Statistikk 1 Forelesning 3: Sannsynlighet Jo Thori Lind j.t.lind@econ.uio.no Oversikt 1. Hva er sannsynlighet? 2. Grunnleggende regler for sannsynlighetsregning 3. Tilfeldighet i datamaskinen
DetaljerTMA4240 Statistikk H2010 Kapittel 5: Diskrete sannsynlighetsfordelinger : Uniform, binomisk, hypergeometrisk fordeling
TMA4240 Statistikk H2010 Kapittel 5: Diskrete sannsynlighetsfordelinger 5.1-5.4: Uniform, binomisk, hypergeometrisk fordeling Mette Langaas 2 Arbeidshverdag etter endt studium Studere et fenomen (f.eks.
DetaljerKapittel 4: Sannsynlighet - Studiet av tilfeldighet
Kapittel 4: Sannsynlighet - Studiet av tilfeldighet Vi så i forrige kapittel at utvalgsfordeling til en statistikk (observator) er fordelingen av verdiene til statistikken over alle utvalg av samme størrelse
DetaljerSannsynlighetsregning
Sannsynlighetsregning Per G. Østerlie Thora Storm vgs per.osterlie@stfk.no 5. april 203 Hva og hvorfor? Hva? Vi får høre at det er sannsynlig at et eller annet kommer til å skje. Sannsynligheten for å
DetaljerKapittel 2, Sannsyn. Definisjonar og teorem på lysark, eksempel og tolking på tavla. TMA september 2016 Ingelin Steinsland
Kapittel 2, Sannsyn 2.1 Utfallsrom Onsdag 2.2 Hendingar Onsdag 2.3 Telle mogeleg utfall: I dag 2.4 Sannsyn for ei hending: Onsdag 2.5 Addetive reglar: Onsdag 2.6 Betinga sannsyn, uavhengighet og produktregelen
DetaljerLøsninger. Innhold. Sannsynlighet 1P, 1T og 2P-Y
Løsninger Innhold 3. Hva er sannsynlighet?... 2 3.2 Addisjon av sannsynligheter. Gunstige og mulige utfall... 3.3 Beregne sannsynligheter ved å bruke tabeller... 2 3.4 Beregne sannsynligheter ved å bruke
DetaljerTMA4240 Statistikk 2014
TMA0 Statistikk 0 Norges teknisk-naturvitenskapelige universitet Institutt for matematiske fag Øving nummer, blokk I Løsningsskisse Oppgave Hendelsene A og B er ikke disjunkte, det vil si at de kan ha
DetaljerST0202 Statistikk for samfunnsvitere
ST0202 Statistikk for samfunnsvitere Bo Lindqvist Institutt for matematiske fag 2 Fra første forelesning: Populasjon Den mengden av individer/objekter som vi ønsker å analysere. Utvalg En delmengde av
DetaljerØVINGER 2017 Løsninger til oppgaver. 3.1 Myntkast For et enkelt myntkast har vi to mulige utfall, M og K. Utfallsrommet blir
ØVINGER 017 Løsninger til oppgaver Øving 3.1 Myntkast For et enkelt myntkast har vi to mulige utfall, M og K. Utfallsrommet blir S = {M, K}. Med to etterfølgende myntkast blir utfallsrommet S = {MM, MK,
DetaljerFra første forelesning:
2 Fra første forelesning: ST0202 Statistikk for samfunnsvitere Bo Lindqvist Institutt for matematiske fag opulasjon Den mengden av individer/objekter som vi ønsker å analysere. Utvalg En delmengde av populasjonen
Detaljer9.5 Uavhengige hendinger
9. Uavhengige hendinger Vi kaster en terning to ganger og innfører hendingene A: Det første kastet gir sekser B: Det andre kastet gir sekser Om vi får sekser på det første kastet, endrer ikke det sannsynligheten
DetaljerKapittel 4.3: Tilfeldige/stokastiske variable
Kapittel 4.3: Tilfeldige/stokastiske variable Litt repetisjon: Sannsynlighetsteori Stokastisk forsøk og sannsynlighet Tilfeldig fenomen Individuelle utfall er usikre, men likevel et regulært mønster for
DetaljerTotal sannsynlighet. MAT0100V Sannsynlighetsregning og kombinatorikk = Vi kan skrive en hendelse B som en disjunkt
MAT000V Sannsynlighetsregning og kombinatorikk Total sannsynlighet Vi kan skrive en hendelse B som en disjunkt union av A B og A B Total sannsynlighet og Bayes' setning Kombinatorikk Ordnede utvalg med
DetaljerBetingede sannsynligheter Fra spøkefull Monty Hall til alvorsfull kreftdiagnostikk
Betingede sannsynligheter Fra spøkefull Monty Hall til alvorsfull kreftdiagnostikk Solve Sæbø IKBM, UMB Innhold The Monty Hall game Vinner du bilen eller geita? Den statistiske begrunnelsen for riktig
DetaljerQuiz, 4 Kombinatorikk og sannsynlighet
Quiz, 4 Kombinatorikk og sannsynlighet Innhold 4.1 Begreper i sannsynlighetsregning... 2 4.2 Addisjon av sannsynligheter... 6 4.3 Produktsetningen for sannsynlighet... 12 4.4 Kombinatorikk og sannsynlighetsberegning...
DetaljerSannsynlighetsregning
Kapittel 3: Sannsynlighetsregning Definisjoner: Noen grunnleggende begrep. Stokastisk forsøk: Et forsøk/eksperiment der det er tilfeldig hva utfallet blir. Utfallsrom, S: Mengden av alle mulige utfall
DetaljerFasit. Grunnbok. Kapittel 5. Bokmål
Fasit Grunnbok Kapittel 5 Bokmål Kapittel 5 Fra erfaring til sannsynlighet 5. a P = 3 5.2 a P = 2 5.3 B har rett 5.4 a P = 4 b P = 4 b P = 2 b c P = 7 c P = 5 2 c d P = 25 d P = 5 2 5.5 a b Den eksperimentelle
DetaljerST0202 Statistikk for samfunnsvitere
ST0202 Statistikk for samfunnsvitere Kapittel 7: Utvalgsfordeling Bo Lindqvist Institutt for matematiske fag 2 Fra kapittel 1: Populasjon Den mengden av individer/objekter som vi ønsker å analysere. Utvalg
DetaljerHøgskolen i Telemark. Institutt for økonomi og informatikk FORMELSAMLING Statistikk I. Til bruk ved eksamen. Per Chr. Hagen
Høgskolen i Telemark Institutt for økonomi og informatikk FORMELSAMLING 6005 Statistikk I Til bruk ved eksamen Per Chr. Hagen . Sannsynlighetsregning. Regneregler Komplementsetningen: Addisjonssetningen:
Detaljer1 Section 4-1: Introduksjon til sannsynlighet. 2 Section 4-2: Enkel sannsynlighetsregning. 3 Section 5-1: Introduksjon til sannsynlighetsfordelinger
1 Section 4-1: Introduksjon til sannsynlighet 2 Section 4-2: Enkel sannsynlighetsregning 3 Section 5-1: Introduksjon til sannsynlighetsfordelinger 4 Section 5-2: Tilfeldige variable 5 Section 5-3: Binomisk
DetaljerStatistikk 1 kapittel 3
Statistikk 1 kapittel 3 Nico Keilman ECON 2130 Vår 2014 Kapittel 3 Sannsynlighetsregning Formål: å kvantifisere usikkerhet ved hjelp av sannsynligheter Viktige begreper stokastisk forsøk: et forsøk der
DetaljerBetinget sannsynlighet
Betinget sannsynlighet Multiplikasjonsloven for sannsynligheter (s. 49 i bok): P( AB ) = P( A B ) P(B) Veldig viktig verktøy for å finne sannsynligheter for snitt. (Bevises ved rett fram manipulering av
DetaljerTMA4240 Statistikk Høst 2013
TMA0 Statistikk Høst 0 Norges teknisk-naturvitenskapelige universitet Institutt for matematiske fag Øving nummer, blokk I Løsningsskisse Oppgave Et venn-diagram for (A [ B) 0 = A 0 \ B 0 er vist i figur.
DetaljerFormelsamling i medisinsk statistikk
Formelsamling i medisinsk statistikk Versjon av 6. mai 208 Dette er en formelsamling til O. O. Aalen (red.): Statistiske metoder i medisin og helsefag, Gyldendal, 208. Gjennomsnitt x = n (x + x 2 + x 3
DetaljerLitt mer om den hypergeometriske fordelingen og dens tilnærming av binomisk fordeling.
1 ECON 2130 HG mars 2015 Litt mer om den hypergeometriske fordelingen og dens tilnærming av binomisk fordeling. Grunnen til dette supplementet er dels at forholdet mellom hypergeometrisk og binomisk fordeling
DetaljerÅMA110 Sannsynlighetsregning med statistikk, våren 2008
ÅMA0 Sannsynlighetsregning med statistikk, våren 008 Kp. Sannsynlighetsregning (sannsynlighetsteori).5 Betinget sannsynlighet Betinget sannsynlighet (kp..5) - innledning Eks.: Et terningkast; {,, 3, 4,
DetaljerLøsningskisse seminaroppgaver uke 15
HG April 0 Løsningskisse seminaroppgaver uke 5 Oppg. 5.6 La X = antall barn i utvalget som har lærevansker. Andel barn med lærevansker i populasjonen av barn antas å være p = 0,5. Utvalgsstørrelsen er
DetaljerTMA4240/TMA4245 Statistikk Oppsummering diskrete sannsynlighetsfordelinger
TMA4240/TMA4245 Statistikk Oppsummering diskrete sannsynlighetsfordelinger Binomisk fordeling* ( ) n b(x; n, p) = p x (1 p) n x = x ( ) n p x q n x, x x = 0, 1, 2,..., n Fenomén: i) n forsøk. ii) Suksess/fiasko
DetaljerSTK1100 våren Kombinatorikk = = Uniform sannsynlighetsmodell. Et stokastisk forsøk har N utfall. Det er de mulige utfallene for forsøket.
ST1100 våren 2017 ombinatorikk Uniform sannsynlighetsmodell Et stokastisk forsøk har N utfall. Det er de mulige utfallene for forsøket. Vi antar at de N utfallene er like sannsynlige. Svarer til avsnitt
DetaljerEKSAMEN ST0202 STATISTIKK FOR SAMFUNNSVITERE
Norges teknisknaturvitenskapelige universitet Institutt for matematiske fag Side 1 av 10 Bokmål Faglig kontakt under eksamen: Øyvind Bakke, tlf. 99041673 EKSAMEN ST0202 STATISTIKK FOR SAMFUNNSVITERE Tirsdag
DetaljerTMA4240 Statistikk Høst 2008
TMA4240 Statistikk Høst 2008 Norges teknisk-naturvitenskapelige universitet Institutt for matematiske fag Øving nummer 7 Oppgave 1 Tippekonkurranse Denne oppgaven er ment som en kjapp test på hva du har
DetaljerÅMA110 Sannsynlighetsregning med statistikk, våren Grunnbegrep. Grunnbegrep, sannsynligheten for et utfall
ÅM110 Sannsynlighetsregning med statistikk, våren 006 Kp. Sannsynlighetsregning (sannsynlighetsteori) 1 Grunnbegrep Stokastisk forsøk: forsøk med uforutsigbart utfall Enkeltutfall: et av de mulige utfallen
DetaljerSannsynlighet 1T, Prøve 2 løsning
Sannsynlighet T, Prøve 2 løsning Del Tid: 60 min Hjelpemidler: Skrivesaker Oppgave Du snurrer et lykkehjul som stanser tilfeldig på én av bokstavene. Se figuren ovenfor. a) Hvor mange mulige utfall finnes
DetaljerSTK1100 våren 2017 Kombinatorikk
STK1100 våren 2017 Kombinatorikk Svarer til avsnitt 2.3 i læreboka Ørnulf Borgan Matematisk institutt Universitetet i Oslo 1 Uniform sannsynlighetsmodell Et stokastisk forsøk har N utfall. Det er de mulige
DetaljerST0202 Statistikk for samfunnsvitere
ST0202 Statistikk for samfunnsvitere Bo Lindqvist Institutt for matematiske fag 2 Kap. 11: Anvendelser av kjikvadratfordelingen: Kjikvadrattester Situasjon: Et tilfeldig utvalg av n individer er trukket
DetaljerStatistikk 1 kapittel 3
Statistikk 1 kapittel 3 Nico Keilman ECON 2130 Vår 2016 Kapittel 3 Sannsynlighetsregning Formål: å kvantifisere usikkerhet ved hjelp av sannsynligheter Viktige begreper stokastisk forsøk: et forsøk der
Detaljersannsynlighet for hendelse = antall ganger hendelsen inntreffer antall forsøk
Forrige forelesning oppsummert på 90 sekunder "stokastisk forsøk": myntkast, terningkast, trekking av kort,... utfallsrom: alle de mulige utfallene av et stokastisk forsøk eksempel på utfallsrom: kaster
Detaljer1 Sannsynlighetsrgning
1 Sannsynlighetsrgning 1.1 Det er 13 grønne og 18 røde baller i en eske. Vi trekker ut to baller etter hverandre. a) Hva er sannsynligheten for å få to grønne baller? Svar: P(g 1, g 2 ) = p(g 1 ) p(g 2
DetaljerTestobservator for kjikvadrattester
ST0202 Statistikk for samfunnsvitere Bo Lindqvist Institutt for matematiske fag 2 Kap. 11: Anvendelser av kjikvadratfordelingen: Kjikvadrattester Situasjon: t tilfeldig utvalg av n individer er trukket
DetaljerLøsningskisse for oppgaver til undervisningsfri uke 8 ( februar 2012)
1 ECON 130 HG - februar 01 Løsningskisse for oppgaver til undervisningsfri uke 8 (0.-. februar 01) Oppg..1. Variabel: x = antall kundehenvendelser pr. dag 1. Antall observasjoner: n = 100 dager. I Excel
DetaljerDatainnsamling, video av forelesning og referansegruppe
Datainnsamling, video av forelesning og referansegruppe Datainnsamling Om du ikkje alt har gjort det: https://wiki.math.ntnu.no/tma4240/2015h/start Video http://video.adm.ntnu.no/serier/55d47b463d96a Referansegruppe
DetaljerSannsynlighet: Studiet av tilfeldighet
Sannsynlighet: Studiet av tilfeldighet Vi så i forrige kapittel at utvalgsfordeling til en observator er fordelingen av verdien til observatoren i alle utvalg av samme størrelse fra populasjonen. Spesielt
DetaljerStatistikk 1 kapittel 5
Statistikk 1 kapittel 5 Nico Keilman ECON 2130 Vår 2017 Kapittel 5 Sannsynlighetsmodeller I kap. 4 så vi et eksempel med en s.v. X som hadde en uniform sannsynlighetsfordeling: alle verdier av x har like
DetaljerStatistikk 1 kapittel 5
Statistikk 1 kapittel 5 Nico Keilman ECON 2130 Vår 2015 Kapittel 5 Sannsynlighetsmodeller I kap. 4 så vi et eksempel om en s.v. X som hadde en uniform sannsynlighetsfordeling: alle verdier av x har like
DetaljerEmnenavn: Eksamenstid: 4 timer. Faglærer: Hans Kristian Bekkevard
EKSAMEN Emnekode: SFB107111 Emnenavn: Metode 1, statistikk deleksamen Dato: 16. mai 2017 Hjelpemidler: Godkjent kalkulator og vedlagt formelsamling m/tabeller Eksamenstid: 4 timer Faglærer: Hans Kristian
DetaljerStatistikk 1 kapittel 5
Statistikk 1 kapittel 5 Nico Keilman ECON 2130 Vår 2016 Kapittel 5 Sannsynlighetsmodeller I kap. 4 så vi et eksempel med en s.v. X som hadde en uniform sannsynlighetsfordeling: alle verdier av x har like
DetaljerST0202 Statistikk for samfunnsvitere
ST0202 Statistikk for samfunnsvitere Bo Lindqvist Institutt for matematiske fag 2 Tilfeldige variable (5.2) Dersom vi til hvert utfall av eksperimentet tilordner et tall, har vi laget en tilfeldig variabel.
DetaljerTilfeldige variable (5.2)
Tilfeldige variable (5.) Dersom vi til hvert utfall av eksperimentet tilordner et tall, har vi laget en tilfeldig variabel. Tilfeldig variabel: En variabel som har en numerisk verdi for hvert utfall i
Detaljer