STK1100 våren Betinget sannsynlighet og uavhengighet. Vi trenger en definisjon av betinget sannsynlighet! Eksempel 1

Størrelse: px
Begynne med side:

Download "STK1100 våren Betinget sannsynlighet og uavhengighet. Vi trenger en definisjon av betinget sannsynlighet! Eksempel 1"

Transkript

1 STK00 våren 07 Betinget sannsynlighet og uavhengighet Esempel Vi vil først ved hjelp av et esempel se intuitivt på hva betinget sannsynlighet betyr. Vi legger fire røde ort og to svarte ort i en bune. Svarer til avsnittene.4 og.5 i læreboa Ørnulf Borgan Matematis institutt Universitetet i Oslo Vi treer tilfeldig ett ort og så ett ort til: Se på begivenhetene: A «første ort er rødt» B «andre ort er svart» Vi har at P(A 4/6 /3. Hvis A har inntruffet er sannsynligheten for B li /5. Dette er den betingede sannsynligheten for B gitt A. I esempel er det intuitivt lart hva betinget sannsynlighet er. Det er ie alltid lie enelt: Hva er den betingede sannsynligheten for at begge ortene er røde gitt at minst ett av dem er rødt? Hva er den betingede sannsynligheten for at det første ortet er rødt gitt at det andre er svart? Vi trenger en definisjon av betinget sannsynlighet! Vi vil brue et esempel til å motivere definisjonen. Vi sriver P(B A /5. 4

2 Esempel Se på de som handler i en olonialbuti en dag: Brød Ie brød Totalt Mel Ie mel Totalt Vi velger tilfeldig en unde og ser på begivenhetene: A «handler mel» B «handler brød» Vi har P( B Det er «opplagt» at: P( A B og 40 / / 00 P( A B ( A B P( B 5 Esemplet motiverer definisjonen: ( ( A B P A B P( B Ved å bytte om «rollene» til A og B ( ( A B P B A P( A 6 Esempel 3 Vi ser igjen på ortesemplet. Vi treer tilfeldig ett ort og så ett ort til. Se på begivenhetene: A «første ort er rødt» B «andre ort er svart» Vi an tree to ort på måter. Vi an tree først et rødt og så et svart ort på 4. 8 måter. Vi an tree det første ort rødt på måter. Det gir Dermed er P ( A B 8 og P( A P( B A ( A B 8 / 30 P( A 0 / Vi vil bestemme P( B A ut fra definisjonen. Det gir en sje på at definisjonen er rimelig. 7 (selvfølgelig! 8

3 Esempel 4 Hva er den betingede sannsynligheten for at det første ortet er rødt gitt at det andre er svart? (Jf. det andre spørsmålet ovenfor. Vi har funnet at P( A B Vi an få et svart ort andre gang på to måter: først rødt, så svart ort, dvs A B to svarte ort, dvs A B Se på begivenhetene: A «første ort er rødt» B «andre ort er svart» Vi vil bestemme. Derfor an vi srive B som en disjunt union: B ( A B ( A B Det gir at P( B P( A B + P( A B Altså har vi at ( ( A B P A B P( B 8 / 30 0 / P( A B 9 0 Hva betyr det egentlig at den betingede sannsynligheten er 4/5 80% for at det første ortet er rødt gitt at det andre er svart? Hus at sannsynlighet er relativ frevens «i det lange løp». Vi tener oss at vi treer to ort mange ganger. Produtsetningen Definisjon av betinget sannsynlighet: ( ( A B P A B P( B Denne gir produtsetningen: At P(A /3 betyr at det første ortet vil være rødt ca /3 av gangene. P( A B P( A B P( B At P(A B 4/5 betyr at hvis vi bare teller med de gangene der det andre ortet er svart, så vil det første ortet være rødt ca 4/5 av disse gangene. Tilsvarende: P( A B P( A P( B A

4 Esempel 5 Ovenfor fant vi P( A B i ortesemplet som antall gunstige utfall delt på antall mulige utfall (når vi treer to ort. Vi an også finne denne sannsynligheten ved produtsetningen. Vi har P( A 4 og P( B A 6 5 Dermed gir produtsetningen: 4 4 P( A B P( A P( B A Produtsetningen for tre begivenheter: P( A A A 3 P( A A P( A A A 3 P( A P( A A P( A A A 3 Produtsetningen gjelder på tilsvarende måte for fire og flere begivenheter. 4 Esempel 6 Etter offentlig statisti er sannsynligheten 95% for at 65 år gammel vinne sal bli minst 70 år 9% for at 70 år gammel vinne sal bli minst 75 år 87% for at 75 år gammel vinne sal bli minst 80 år Opplysningene gir: P( A 0.95 P( A A 0.9 P( A A A Hva er sannsynligheten for at 65 år gammel vinne sal bli minst 80 år? Vi tar for oss 65 år gammel vinne og ser på begivenhetene A «vinnen blir minst 70 år» A «vinnen blir minst 75 år» A 3 «vinnen blir minst 80 år» 5 Hvis vinnen blir minst 80 år, blir hun også minst 70 år og minst 75 år Derfor er A A A3 A3 P(minst 80 år P( A 3 P( A A A3 P( A P( A A P( A A A

5 Total sannsynlighet Anta at A, A,..., A er disjunte og at A A... A S Dette og produtsetningen gir setningen om total sannsynlighet P( B P( A B i i A Vi an da srive en begivenhet B som en union av disjunte begivenheter: B ( A B ( A B... ( A B i B A 3 A A 4 P( B A P( A i i 7 Esempel 7 En bedrift produserer varer på to masiner. Masin I produserer 35% av varene. Masin II produserer 65% av varene. 3% av varene fra masin I er defete. % av varene fra masin II er defete. En vare velges tilfeldig fra lageret. Hva er sannsynligheten for at varen er defet? 8 Vi ser på hendelsene: B «varen er defet» A «varen ommer fra masin I» A «varen ommer fra masin II» Da er: P( A 0.35 P( A 0.65 P( B A 0.03 P( B A 0.0 Esempel 8 Vi legger fire røde ort og to svarte ort i bune I to røde ort og fire svarte ort i bune II Vi velger tilfeldig en bune og treer to ort fra denne. Setningen om total sannsynlighet gir: P( B P( B A P( A + P( B A P( A Hva er sannsynligheten for at vi får to røde ort? 0

6 A «vi treer fra bune I» A «vi treer fra bune II» B «vi treer to røde ort» Opplysningene gir: P( A P( A P( B A P( B A Bayes' setning Anta at A, A,..., A er disjunte og at A A... A S Definisjonen av betinget sannsynlighet gir at ( ( A j B P Aj B P( B Vi bruer produtsetningen for telleren og total sannsynlighet for nevneren og får Bayes' setning: Setningen om total sannsynlighet gir 6 7 P( B P( A B P( B A P( A i i 30 i j j P( B A P( A j Esempel 9 Se på esempelet med produsjon av varer. Hvis varen er defet, hva er da sannsynligheten for at den ommer fra den første masinen? Vi har disse begivenhetene og sannsynlighetene: B «varen er defet» A «varen ommer fra masin I» A «varen ommer fra masin II» Bayes setning gir: P( B A P( A P( A B P( B A P( A + P( B A P( A P( A 0.35 P( A 0.65 P( B A 0.03 P( B A I det lange løp ommer 6% av de defete varene fra masin I. 4

7 Esempel 0 Vi ser på esempel 8 Hvis begge ortene er røde, hva er sannsynligheten for at vi tra fra bune I? A «vi treer fra bune I» A «vi treer fra bune II» B «vi treer to røde ort» Esempel En vinne tar en mamografiundersøelse. Se på begivenhetene: S «vinnen har brystreft» M «undersøelsen viser tegn på reft» 6 P( A P( A P( B A P( B A 5 5 Bayes setning gir: P( A B Fra erfaringer med mammografi har vi P( M S 0.95 P( M S Vi antar at P( S Anta at undersøelsen viser tegn på reft Hva er da sannsynligheten for at vinnen virelig har reft? Bayes setning gir: P( S M P( M S P( S P( M S P( S + P( M S P( S Selv om undersøelsen viser tegn på reft, er det bare 6% sannsynlig at hun virelig har det 7 Avhengige og uavhengige begivenheter Hus definisjonen av betinget sannsynlighet: ( ( A B P A B P( B Hvis P(A B P(A er A og B uavhengige begivenheter. Hvis P(A B P(A er A og B avhengige begivenheter. Mer at hvis P(A B P(A, så er ( ( A B P B A P( A P ( A P ( B P( A P( B 8

8 Esempel : Kast én terning to ganger. A «minst fem øyne i første ast» B «sum øyne li sju» C «minst én seser» (,6 (,6 (3,6 (4,6 (5,6 (6,6 (,5 (,5 (3,5 (4,5 (5,5 (6,5 (,4 (,4 (3,4 (4,4 (5,4 (6,4 (,3 (,3 (3,3 (4,3 (5,3 (6,3 (, (, (3, (4, (5, (6, (, (, (3, (4, (5, (6, P( A P( B P( C P( A B 36 P( A C P( B A P( B 36 7 P( C A P( C Hvis P(A B P(A, dvs A og B er uavhengige begivenheter, så er P( A B P( A, dvs A og B er uavhengige P( A B P( A, dvs A og B er uavhengige P( A B P( A, dvs A og B er uavhengige Vitig resultat: A og B er uavhengige hvis og bare hvis P( A B P( A P( B Resultatet gjelder også når A og/eller B har sannsynlighet null. 30 Esempel 3: Kast ronestye og femrone La for esempel KM bety rone på ronstyet og mynt på femronen Utfallsrom U {MM, MK, KM, KK} A {MM, MK} B {MM, KM} C {MK, KM} MK KK MM KM P( A P( B P( A B 4 4 A og B er uavhengige A og C er uavhengige B og C er uavhengige 4 Uavhengighet for flere begivenheter Begivenhetene A, A,..., An er uavhenige hvis vi for enhver og enhver delmengde av indeser i, i,..., i har at P ( A A... A P ( A P ( A... P ( A i i i i i i Ovenfor har vi sett på situasjoner der vi an vise at begivenheter er uavhengige. Men P( A B C 0 Men vanligvis er uavhengighet en forutsetning så A, B og C er ie uavhengige for sannsynlighetsmodellen vår. 3

9 Esempel 4 Kast fem terninger. Hva er sannsynligheten for at vi ie får en eneste seser? Vi finner først P(ingen sesere Esempel 5 Kast fem terninger. Hva er sannsynligheten for at alle terningene viser samme antall øyne (yatzy. Vi har at P(yatzy P(fem enere + P(fem toere + P(fem treere + P(fem firere + P(fem femere + P(fem sesere Dermed er P(minst én seser P(ingen sesere

STK1100 våren Betinget sannsynlighet og uavhengighet. Svarer til avsnittene 2.4 og 2.5 i læreboka

STK1100 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

Detaljer

Betinget sannsynlighet, total sannsynlighet og Bayes setning Kap. 4.5 STK1000 H11

Betinget 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

Detaljer

Betinget sannsynlighet, total sannsynlighet og Bayes setning Kapittel 4.5

Betinget 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

Detaljer

STK1100 våren 2015 P A B P B A. Betinget sannsynlighet. Vi trenger en definisjon av betinget sannsynlighet! Eksemplet motiverer definisjonen:

STK1100 våren 2015 P A B P B A. Betinget sannsynlighet. Vi trenger en definisjon av betinget sannsynlighet! Eksemplet motiverer definisjonen: STK00 våren 05 etnget sannsynlghet Svarer tl avsntt.4 læreboa Esempel V vl først ved help av et esempel se ntutvt på hva betnget sannsynlghet betyr V legger fre røde ort og to svarte ort en bune Ørnulf

Detaljer

Betinget sannsynlighet. MAT0100V Sannsynlighetsregning og kombinatorikk. Vi trenger en definisjon av betinget sannsynlighet!

Betinget 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

Detaljer

Betinget sannsynlighet. MAT0100V Sannsynlighetsregning og kombinatorikk. Vi trenger en definisjon av betinget sannsynlighet!

Betinget 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

Detaljer

Betinget sannsynlighet, total sannsynlighet og Bayes setning

Betinget 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

Detaljer

3 Sannsynlighet, Quiz

3 Sannsynlighet, Quiz 3 Sannsynlighet, Quiz Innhold 3.1 Begreper i sannsynlighetsregning... 1 3.2 Addisjon av sannsynligheter... 3.3 Produtsetningen for sannsynlighet... 11 3. Binomis sannsynlighet... 17 3.1 Begreper i sannsynlighetsregning

Detaljer

Betinget sannsynlighet. MAT0100V Sannsynlighetsregning og kombinatorikk. Vi trenger en definisjon av betinget sannsynlighet!

Betinget 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

Detaljer

Total sannsynlighet. MAT0100V Sannsynlighetsregning og kombinatorikk = Vi kan skrive en hendelse B som en disjunkt

Total 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

Detaljer

ØVINGER 2017 Løsninger til oppgaver. 3.1 Myntkast For et enkelt myntkast har vi to mulige utfall, M og K. Utfallsrommet blir

ØVINGER 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,

Detaljer

ÅMA110 Sannsynlighetsregning med statistikk, våren 2011

ÅMA110 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;

Detaljer

Sannsynlighet i uniforme modeller. Addisjon av sannsynligheter

Sannsynlighet i uniforme modeller. Addisjon av sannsynligheter Sannsynlighet i uniforme modeller. Addisjon av sannsynligheter Fagstoff Listen [] Hendelse En hendelse i en sannsynlighetsmodell består av ett eller flere utfall. Vi ser på det tilfeldige forsøket «kast

Detaljer

ÅMA110 Sannsynlighetsregning med statistikk, våren 2010

ÅMA110 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

Detaljer

Test, 3 Sannsynlighet

Test, 3 Sannsynlighet Test, Sannsynlighet Innhold. Pascals talltreant... 2.2 Kombinatori g sannsynlighetsberegning... 7. Sannsynlighetsberegninger.... Hypergeometris sannsynlighetsmodell....5 Binomis sannsynlighetsmodell...

Detaljer

Blokk1: Sannsynsteori

Blokk1: 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

Detaljer

Rekursjon og induksjon. MAT1030 Diskret matematikk. Induksjonsbevis. Induksjonsbevis. Eksempel (Fortsatt) Eksempel

Rekursjon og induksjon. MAT1030 Diskret matematikk. Induksjonsbevis. Induksjonsbevis. Eksempel (Fortsatt) Eksempel Reursjon og indusjon MAT1030 Disret matemati Forelesning 15: Indusjon og reursjon, reurenslininger Dag Normann Matematis Institutt, Universitetet i Oslo 3 mars 008 Onsdag ga vi endel esempler på reursive

Detaljer

STK1100 våren 2017 Kombinatorikk

STK1100 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

Detaljer

ST0103 Brukerkurs i statistikk Høst 2014

ST0103 Brukerkurs i statistikk Høst 2014 Norges teknisk naturvitenskapelige universitet Institutt for matematiske fag ST0103 Brukerkurs i statistikk Høst 2014 Løsningsforslag Øving 1 2.1 Frekvenstabell For å lage en frekvenstabell må vi telle

Detaljer

Sannsynligheten for det usannsynlige kan vi bestemme sannsynligheten for usannsynlige hendelser?

Sannsynligheten for det usannsynlige kan vi bestemme sannsynligheten for usannsynlige hendelser? Sannsynligheten for det usannsynlige an vi bestemme sannsynligheten for usannsynlige hendelser? Ørnulf Borgan Landsurs i matemati Gardermoen 6. mars 2017 H. Aschehoug & Co Sehesteds gate 3, 0102 Oslo Tlf:

Detaljer

SANNSYNLIGHETSREGNING

SANNSYNLIGHETSREGNING 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

Detaljer

Tilfeldige variabler. MAT0100V Sannsynlighetsregning og kombinatorikk

Tilfeldige variabler. MAT0100V Sannsynlighetsregning og kombinatorikk MAT000V Sannsynlighetsregning og kombinatorikk Tilfeldige variabler og sannsynlighetsfordelinger (repetisjon) Hypergeometrisk fordeling (repetisjon) Binomisk fordeling Forventningsverdi Tilfeldige variabler

Detaljer

MAT1030 Forelesning 16

MAT1030 Forelesning 16 MAT1030 Forelesning 16 Reursjon og indusjon Roger Antonsen - 17 mars 009 (Sist oppdatert: 009-03-17 11:4 Forelesning 16 Reursjon og indusjon Forrige gang ga vi endel esempler på reursive definisjoner og

Detaljer

Deterministiske fenomener MAT0100V Sannsynlighetsregning og kombinatorikk

Deterministiske fenomener MAT0100V Sannsynlighetsregning og kombinatorikk Deterministiske fenomener MAT0100V Sannsynlighetsregning og kombinatorikk Almanakk for Norge viser: når det er fullmåne når det er soloppgang og solnedgang Grunnleggende sannsynlighetsregning Det er mulig

Detaljer

Forelening 1, kapittel 4 Stokastiske variable

Forelening 1, kapittel 4 Stokastiske variable Forelening 1, kapittel 4 Stokastiske variable Eksempel X = "antall kron på kast med to mynter (før de er kastet)" Uniformt utfallsrom {MM, MK, KM, KK}. X = x beskriver hendelsen "antall kron på kast med

Detaljer

STK1100 våren Kombinatorikk = = Uniform sannsynlighetsmodell. Et stokastisk forsøk har N utfall. Det er de mulige utfallene for forsøket.

STK1100 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

Detaljer

Matematikk S2 kapittel 5 Sannsynlighet Utvalgte løsninger oppgavesamlingen

Matematikk S2 kapittel 5 Sannsynlighet Utvalgte løsninger oppgavesamlingen Matemati S2 apittel 5 Sannsynlighet Utvalgte løsninger oppgavesamlingen 508 a Utfall: 1 og 2, 1 og 3, 1 og 4, 2 og 3, 2 og 4, 3 og 4. De ses utfallene er lie sannsynlige, så de har hver sannsynlighet 1

Detaljer

Sannsynlighetsregning

Sannsynlighetsregning 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

Detaljer

MAT0100V Sannsynlighetsregning og kombinatorikk

MAT0100V Sannsynlighetsregning og kombinatorikk MAT000V Sannsynlighetsregning og kombinatorikk Uordnet utvalg uten tilbakelegging (repetisjon) Tilfeldige variabler og sannsynlighetsfordelinger Hypergeometrisk fordeling Binomisk fordeling Ørnulf Borgan

Detaljer

ÅMA110 Sannsynlighetsregning med statistikk, våren 2011

ÅMA110 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.

Detaljer

Forelesning 20. Kombinatorikk. Roger Antonsen - 7. april 2008

Forelesning 20. Kombinatorikk. Roger Antonsen - 7. april 2008 orelesning Kombinatori Roger Antonsen - 7. april 8 Kombinatori Kombinatori er studiet av opptellinger, ombinasjoner og permutasjoner. Vi finner svar på spørsmål Hvor mange måter...? uten å telle. Vitig

Detaljer

Tilfeldige variabler. MAT0100V Sannsynlighetsregning og kombinatorikk

Tilfeldige variabler. MAT0100V Sannsynlighetsregning og kombinatorikk MAT000V Sannsynlighetsregning og kombinatorikk Tilfeldige variabler og sannsynlighetsfordelinger Hypergeometrisk fordeling Binomisk fordeling Ørnulf Borgan Matematisk institutt Universitetet i Oslo Tilfeldige

Detaljer

6 Sannsynlighetsregning

6 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,

Detaljer

Følgelig vil sannsynligheten for at begge hendelsene inntreffer være null,

Følgelig 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

Detaljer

Kapittel 2, Sannsyn. Definisjonar og teorem på lysark, eksempel og tolking på tavla. TMA september 2016 Ingelin Steinsland

Kapittel 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

Detaljer

Kapittel 2: Sannsynlighet

Kapittel 2: Sannsynlighet Kapittel 2: Sannsynlighet Definisjoner: Noen grunnleggende begrep. Stokastisk forsøk: Et forsøk/eksperiment der det er tilfeldig hva utfall blir. Utfallsrom, : Mengden av alle mulige utfall av et stokastisk

Detaljer

Kompetansemål Hva er sannsynlighet?... 2

Kompetansemål Hva er sannsynlighet?... 2 3 Sannsynlighet Innhold Kompetansemål... 2 3. Hva er sannsynlighet?... 2 Utfall og utfallsrom... 3 Tilfeldig forsøk... 3 Definisjon av sannsynlighet... 5 Sannsynlighetsmodeller... Andre eksempler på tilfeldige

Detaljer

Sannsynlighetsbegrepet

Sannsynlighetsbegrepet Sannsynlighetsbegrepet Notat til STK1100 Ørnulf Borgan Matematisk institutt Universitetet i Oslo Januar 2004 Formål Dette notatet er et supplement til kapittel 1 i Mathematical Statistics and Data Analysis

Detaljer

ÅMA110 Sannsynlighetsregning med statistikk, våren 2008

ÅMA110 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,

Detaljer

TMA4240 Statistikk H2010

TMA4240 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

Detaljer

MAT1030 Forelesning 21

MAT1030 Forelesning 21 MAT00 Forelesning Mer ombinatori Roger Antonsen - 5. april 009 (Sist oppdatert: 009-0-5 00:05) Kapittel 9: Mer ombinatori Plan for dagen Mer om permutasjoner og ordnet utvalg ) Mer om ombinasjoner n velg

Detaljer

Kapittel 9: Mer kombinatorikk

Kapittel 9: Mer kombinatorikk MAT3 Disret Matemati orelesning : Mer ombinatori Dag Normann Matematis Institutt, Universitetet i Oslo Kapittel 9: Mer ombinatori 3. april (Sist oppdatert: -4-3 4:4) MAT3 Disret Matemati 3. april Oppsummering

Detaljer

ÅMA110 Sannsynlighetsregning med statistikk, våren 2007

ÅMA110 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

Detaljer

TMA4240 Statistikk Høst 2015

TMA4240 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

Detaljer

Løsninger. Innhold. Sannsynlighet 1P, 1T og 2P-Y

Løsninger. 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

Detaljer

1 Sannsynlighetsrgning

1 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

Detaljer

STK1100 våren Introduksjon til sannsynlighetsbegrepet. Svarer til avsnittene 2.1 og 2.2 i læreboka

STK1100 våren Introduksjon til sannsynlighetsbegrepet. Svarer til avsnittene 2.1 og 2.2 i læreboka STK1100 våren 2017 Introduksjon til sannsynlighetsbegrepet Svarer til avsnittene 2.1 og 2.2 i læreboka Ørnulf Borgan Matematisk institutt Universitetet i Oslo 1 Deterministiske fenomener Almanakk for Norge

Detaljer

Betinget sannsynlighet

Betinget 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

Detaljer

STK1100 våren Introduksjon til sannsynlighetsbegrepet. Deterministiske fenomener. Stokastiske forsøk. Litt historikk

STK1100 våren Introduksjon til sannsynlighetsbegrepet. Deterministiske fenomener. Stokastiske forsøk. Litt historikk STK1100 våren 2017 Introduksjon til sannsynlighetsbegrepet Svarer til avsnittene 2.1 og 2.2 i læreboka Deterministiske fenomener Almanakk for Norge viser: når det er fullmåne når det er soloppgang og solnedgang

Detaljer

S1 kapittel 3 Sannsynlighet Løsninger til innlæringsoppgavene

S1 kapittel 3 Sannsynlighet Løsninger til innlæringsoppgavene S kapittel Sannsynlighet Løsninger til innlæringsoppgavene. a Utfallsrom U KK, KM, MK, MM Sannsynlighetsmoell P( KK) P ( KM) P ( MK) P ( MM) Sannsynlighetsmoellen er uniform fori alle utfallene har samme

Detaljer

ÅMA110 Sannsynlighetsregning med statistikk, våren Noen viktige sannsynlighetsmodeller. Binomisk modell. Kp. 3 Diskrete tilfeldige variable

ÅMA110 Sannsynlighetsregning med statistikk, våren Noen viktige sannsynlighetsmodeller. Binomisk modell. Kp. 3 Diskrete tilfeldige variable ÅMA Sannsynlighetsregning med statistikk, våren 006. 3 Diskrete tilfeldige variable Noen viktige sannsynlighetsmodeller Noen viktige sannsynlighetsmodeller (k. 3.6 Hyergeometrisk modell (k. 3.7 Geometrisk

Detaljer

MAT1030 Forelesning 21

MAT1030 Forelesning 21 MAT orelesning Mer ombinatori Dag Normann -. april (Sist oppdatert: -4-4:5) Kapittel 9: Mer ombinatori Oppsummering orrige ue startet vi på apitlet om ombinatori. Vi så på hvordan vi an finne antall måter

Detaljer

Plan. MAT1030 Diskret matematikk. Eksamen 12/6-06 Oppgave 2. Noen tips til eksamen

Plan. MAT1030 Diskret matematikk. Eksamen 12/6-06 Oppgave 2. Noen tips til eksamen Plan MAT1030 Disret matemati Plenumsregning 12: Diverse oppgaver Roger Antonsen Matematis Institutt, Universitetet i Oslo 22. mai 2008 Dette er siste plenumsregning. Vi regner stort sett esamensoppgaver.

Detaljer

1T kapittel 4 Sannsynlighet Løsninger til innlæringsoppgavene

1T kapittel 4 Sannsynlighet Løsninger til innlæringsoppgavene 1T kapittel 4 Sannsynlighet Løsninger til innlæringsoppgavene 4.4 a Du kan få 1, 2, 3, 4, 5 eller 6 øyne på terningen. Utfallsrommet er U = {1,2,3,4,5,6}. b Hvert av de seks utfallene har samme sannsynlighet.

Detaljer

Tall i arbeid Påbygging Kapittel 2 Sannsynlighetsregning Løsninger til innlæringsoppgavene

Tall i arbeid Påbygging Kapittel 2 Sannsynlighetsregning Løsninger til innlæringsoppgavene Tall i arbeid Påbygging Kapittel 2 Sannsynlighetsregning Løsninger til innlæringsoppgavene 2.4 a Du kan få 1, 2, 3, 4, 5 eller 6 øyne på terningen. Utfallsrommet er U = {1,2,3,4,5,6}. b Hvert av de seks

Detaljer

Oppgaver. Innhold. Sannsynlighet 1P, 1T og 2P-Y

Oppgaver. 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

Detaljer

Forkunnskaper i matematikk for fysikkstudenter. Integrasjon.

Forkunnskaper i matematikk for fysikkstudenter. Integrasjon. De grunnleggende definisjonene L oss strte med følgende prolem: Gitt en ontinuerlig funsjon y = f der f for [, ] Beregn relet A som er vgrenset v grfen til f, -sen, og de to vertile linjene = og = Vi n

Detaljer

Datainnsamling, video av forelesning og referansegruppe

Datainnsamling, 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

Detaljer

Statistikk og økonomi, våren 2017

Statistikk 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

Detaljer

Løsningskisse for oppgaver til undervisningsfri uke 8 ( februar 2012)

Løsningskisse 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

Detaljer

Tilfeldige variabler. MAT0100V Sannsynlighetsregning og kombinatorikk

Tilfeldige variabler. MAT0100V Sannsynlighetsregning og kombinatorikk MAT0100V Sannsynlighetsregning og kombinatorikk Forventning, varians og standardavvik Tilnærming av binomiske sannsynligheter Konfidensintervall Ørnulf Borgan Matematisk institutt Universitetet i Oslo

Detaljer

Forsøk med sannsynlighetsregning/fra forsøk til sannsynlighet

Forsøk med sannsynlighetsregning/fra forsøk til sannsynlighet Sannsynlighet Sannsynligheter angis som 1. (desimal)tall fra 0 til 1, der 0 angir at noe aldri vil skje og at 1 angir at noe vil skje hver gang 2. prosent mellom 0 og 100 %, der 0 % angir at noe aldri

Detaljer

Sannsynlighetsregning

Sannsynlighetsregning Sannsynlighetsregning Læreplan. Forsøk og simuleringer. Sannsynlighet 3.3 Sum av sannsynligheter 5.4 Multiplikasjonsprinsippet 9.5 Uavhengige hendinger 0. Avhengige hendinger 5 Symboler, formler og eksempler

Detaljer

Fagdag 5-08.01.09. 2) Du skal fylle ut en tippekupong. På hvor mange måter kan dette gjøres?

Fagdag 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

Detaljer

Oppgaver. Innhold. Sannsynlighet Vg1P

Oppgaver. 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

Detaljer

Innledning kapittel 4

Innledning kapittel 4 Innledning kapittel 4 Sannsynlighet og tilfeldighet Basert på materiale fra Ørnulf Borgan Matematisk institutt Universitetet i Oslo 1 Deterministiske fenomener Almanakk for Norge viser: når det er fullmåne

Detaljer

STK1100 våren Forventningsverdi. Forventning, varians og standardavvik

STK1100 våren Forventningsverdi. Forventning, varians og standardavvik STK00 våren 0 Forventning, varians og standardavvik Svarer til avsnitt 3.3 i læreboka Geir Storvik (Ørnulf Borgan) Matematisk institutt Universitetet i Oslo Forventningsverdi Punktsannsynligheten px (

Detaljer

Løsningsforslag til utsatt eksamen 2. desember 2015

Løsningsforslag til utsatt eksamen 2. desember 2015 Løsningsforslag til utsatt eksamen 2. desember 2015 Oppgave 1 (vekt 20 %) a) Løs ligningen 3x 2 7x + 2 = 0 ved å bruke formelen for løsning av andregradsligninger. Løsning. 3x 2 7x + 2 = 0 x = ( 7) ( 7)2

Detaljer

Familiematematikk MATTEPAKKE 3. Trinn

Familiematematikk MATTEPAKKE 3. Trinn Familiematematikk MATTEPAKKE 3. Trinn May Renate Settemsdal og Ingvill Merete Stedøy Aktiviteter Geobrett Hvor mange forskjellige kvadrater kan du finne? Hvor mange kvadrater av ulik størrelse kan du

Detaljer

Kapittel 2: Sannsynlighet [ ]

Kapittel 2: Sannsynlighet [ ] Kapittel 2: Sannsynlighet [2.3-2.5] TMA4240 Statistikk (F2 og E7) 2.3, 2.4, 2.5: Kombinatorikk og sannsynlighet [18.august 2004] Ole.Petter.Lodoen@math.ntnu.no p.1/21 Produktregel for valgprosess TEO 2.1

Detaljer

Forelesning 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. 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

Detaljer

2.3: Kombinatorikk 2.4: Sannsynlighet, og Monte Carlo simulering. Foreleses onsdag 25. august 2010

2.3: Kombinatorikk 2.4: Sannsynlighet, og Monte Carlo simulering. Foreleses onsdag 25. august 2010 TMA4240 Statistikk H2010 2.3: Kombinatorikk 2.4: Sannsynlighet, og Monte Carlo simulering. Mette Langaas Foreleses onsdag 25. august 2010 2 Sist - Kap 0 Hva er statistikk, og hvorfor skal du lære det?

Detaljer

TMA4240 Statistikk H2010

TMA4240 Statistikk H2010 TMA4240 Statistikk H2010 2.3: Kombinatorikk 2.4: Sannsynlighet, og Monte Carlo simulering. Mette Langaas Foreleses onsdag 25. august 2010 2 Sist - Kap 0 Hva er statistikk, og hvorfor skal du lære det?

Detaljer

Kapittel 2: Sannsynlighet

Kapittel 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,

Detaljer

Kapittel 2: Sannsynlighet [ ]

Kapittel 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

Detaljer

Sannsynlighetsregning og kombinatorikk

Sannsynlighetsregning og kombinatorikk Sannsynlighetsregning og kombinatorikk Introduksjon Formålet med sannsynlighet og kombinatorikk er å kunne løse problemer i statistikk, somoftegårutpååfattebeslutninger i situasjoner der tilfeldighet rår.

Detaljer

STK1100 våren Introduksjon til sannsynlighetsbegrepet. Deterministiske fenomener. Stokastiske forsøk. Litt historikk

STK1100 våren Introduksjon til sannsynlighetsbegrepet. Deterministiske fenomener. Stokastiske forsøk. Litt historikk STK1100 våren 2016 Introduksjon til sannsynlighetsbegrepet Svarer til avsnittene 2.1 og 2.2 i læreboka Geir Storvik Basert på presentasjon av Ørnulf Borgan Matematisk institutt Universitetet i Oslo 1 Deterministiske

Detaljer

Løsninger. Innhold. Sannsynlighet Vg1P

Løsninger. 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

Detaljer

Sannsynligheten for en hendelse (4.2) Empirisk sannsynlighet. ST0202 Statistikk for samfunnsvitere

Sannsynligheten 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

Detaljer

Forelesning 4, kapittel 3. : 3.4: Betinget sannsynlighet.

Forelesning 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

Detaljer

sannsynlighet for hendelse = antall ganger hendelsen inntreffer antall forsøk

sannsynlighet 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

Detaljer

Quiz, 4 Kombinatorikk og sannsynlighet

Quiz, 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...

Detaljer

Beskrivende statistikk.

Beskrivende statistikk. Obligatorisk oppgave i Statistikk, uke : Beskrivende statistikk. 1 Høgskolen i Gjøvik Avdeling for teknologi, økonomi og ledelse. Statistikk Ukeoppgaver uke I løpet av uken blir løsningsforslag lagt ut

Detaljer

Fire kort. Mål. Gjennomføring. Film. Problemløsing Fire kort

Fire kort. Mål. Gjennomføring. Film. Problemløsing Fire kort Fire kort Mål Generelt: Søke etter mønster og sammenhenger. Gjennomføre undersøkelse og begrunne resultat. Utfordre elevene på å resonnere og kommunisere. Spesielt: Finne alle kombinasjoner når de adderer

Detaljer

Fire kort. Mål. Gjennomføring. Film. Problemløsing Fire kort

Fire kort. Mål. Gjennomføring. Film. Problemløsing Fire kort Fire kort Mål Generelt: Søke etter mønster og sammenhenger. Gjennomføre undersøkelse og begrunne resultat. Utfordre elevene på å resonnere og kommunisere. Spesielt: Finne alle kombinasjoner når de adderer

Detaljer

Tema 1: Hendelser, sannsynlighet, kombinatorikk Kapittel ST1101 (Gunnar Taraldsen) :19

Tema 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,

Detaljer

4.4 Sum av sannsynligheter

4.4 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

Detaljer

MA1301/MA6301 Tallteori Høst 2016

MA1301/MA6301 Tallteori Høst 2016 Norges tenis naturvitensapelige universitet Institutt for ateatise fag MA/MA6 Tallteori Høst 6 a Vi starter ed å sjee at liheten steer for n. Vi har at i. Heldigvis er (, så vi ser at påstanden steer i

Detaljer

Normalfordeling. Høgskolen i Gjøvik Avdeling for teknologi, økonomi og ledelse. Statistikk Ukeoppgaver uke 7

Normalfordeling. Høgskolen i Gjøvik Avdeling for teknologi, økonomi og ledelse. Statistikk Ukeoppgaver uke 7 Ueoppgaver i BtG207 Statisti, ue 7 : Normalfordeling. 1 Høgsolen i Gjøvi Avdeling for tenologi, øonomi og ledelse. Statisti Ueoppgaver ue 7 Normalfordeling. Oppgave 1 Anta Z N(0, 1), dvs. Z er standard

Detaljer

Innledning kapittel 4

Innledning kapittel 4 Innledning kapittel 4 Sannsynlighet og tilfeldighet Basert på materiale fra Ørnulf Borgan Matematisk institutt Universitetet i Oslo 1 Deterministiske fenomener Almanakk for Norge viser: når det er fullmåne

Detaljer

8 + AVSLUTTE SPILLET Handelsenheten forteller deg når spillet er over, etter 1 time. BATTERY INFORMATION

8 + AVSLUTTE SPILLET Handelsenheten forteller deg når spillet er over, etter 1 time. BATTERY INFORMATION AVSLUTTE SPILLET andelsenheten forteller deg når spillet er over, etter 1 time. BRAND Regn ut hva du er god for ved å følge disse trinnene: hvis hun eller han landet på dette feltet. (Se side 13.) 1. Tell

Detaljer

ÅMA110 Sannsynlighetsregning med statistikk, våren Kp. 3 Diskrete tilfeldige variable. Diskrete tilfeldige variable, varians (kp. 3.

ÅMA110 Sannsynlighetsregning med statistikk, våren Kp. 3 Diskrete tilfeldige variable. Diskrete tilfeldige variable, varians (kp. 3. ÅMA Sannsynlighetsregning med statistikk, våren 8 Kp. Diskrete tilfeldige variable Kp. Diskrete tilfeldige variable Har sett på (tidligere: begrep/definisjoner; tilfeldig (stokastisk variabel sannsynlighetsfordeling

Detaljer

Oppgaveløsninger til undervisningsfri uke 8

Oppgaveløsninger til undervisningsfri uke 8 1 HG Februar 2013 Oppgaveløsninger til undervisningsfri uke 8 Oppgave 3.17 Definer to begivenheter Oppgitt A = løgntesten sier at Per lyver B = Per lyver faktisk PAB ( ) = 0.85 PA ( B) = 0.70 PB ( ) =

Detaljer

Utfallsrom og hendelser. Disjunkte hendelser. Kapittel 2: Sannsynlighet. Eirik Mo Institutt for matematiske fag, NTNU

Utfallsrom 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:

Detaljer

Sannsynlighet 1P, Prøve 1 løsning

Sannsynlighet 1P, Prøve 1 løsning Sannsynlighet P, Prøve løsning Del Tid: 0 min Hjelpemidler: Skrivesaker Oppgave Klassen holder på med brøkregning. Elevene sitter i grupper. Hver gruppe har en bunke med fem røde kort merket med tallene,,,

Detaljer

MULTIPLE CHOICE ST0103 BRUKERKURS I STATISTIKK September 2016

MULTIPLE 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.

Detaljer

Litt om forventet nytte og risikoaversjon. Eksempler på økonomisk anvendelse av forventning og varians.

Litt om forventet nytte og risikoaversjon. Eksempler på økonomisk anvendelse av forventning og varians. H. Goldstein Revidert januar 2008 Litt om forventet nytte og risikoaversjon. Eksempler på økonomisk anvendelse av forventning og varians. Dette notatet er ment å illustrere noen begreper fra Løvås, kapittel

Detaljer

Kapittel 4: Betinget sannsynlighet

Kapittel 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}.

Detaljer

Kapittel 4: Betinget sannsynlighet

Kapittel 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

Detaljer