Sannsynligheten for en hendelse (4.2) Empirisk sannsynlighet. ST0202 Statistikk for samfunnsvitere
|
|
- Petra Larsen
- 7 år siden
- Visninger:
Transkript
1 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 samfunnsvitere Bo Lindqvist Institutt for matematiske fag Sannsynligheter kan finnes på tre måter. Empirisk, dvs. ved å gjøre forsøk. Teoretisk, dvs. ved å regne. Subjektivt, dvs. ved (kvalifisert) gjetning. 3 Empirisk sannsynlighet Eksempel: Kast én terning. Hva er sannsynligheten for å få 1 er? 4 Teoretisk sannsynlighet for en hendelse ( event ) La hendelse A være at terningen viser 1. Den teoretiske sannsynligheten for A skrives P(A). (P for probability). For en normal terning skal vi senere se at P(A) =1/6. Empirisk sannsynlighet for A skrives P (A). Denne finnes ved å: kaste terningen n ganger registrere n(a) antall ganger 1 inntreffer regne ut P (A) = n(a) n som er den relative frekvensen av hendelse A. Når n blir stor vil P (A) etterhvert nærme seg P(A). Dette kalles store talls lov: Når antall forsøk n øker, vil den relative frekvensen til en hendelse nærme seg den teoretiske sannsynligheten for hendelsen. Eksperiment Aktiviteten som gir et resultat eller en observasjon. Utfall Et bestemt resultat fra et eksperiment ( outcome, sample point ) Utfallsrom Mengden av alle mulige utfall av et eksperiment, betegnet S ( sample space ). n(s) betegner antall utfall i utfallsrommet. Hendelse Et resultat av eksperimentet som vi ønsker sannsynligheten for. Vil være en delmengde A av utfallsrommet. For en hendelse A er n(a) antall utfall i A.
2 5 6 Teoretisk sannsynlighet (forts.) Eksempel: Kast en mynt Sannsynlighet Hvis alle utfall i S er like sannsynlige, er teoretisk sannsynlighet for A = dvs. P(A) = n(a) n(s) antall utfall som gir A totalt antall utfall i S Utfall Krone (H) eller Mynt (T ) Utfallsrom S = {H, T } og n(s) =2 Hendelse Ønsker for eksempel sannsynligheten for hendelsen A = Krone dvs. H. Daern(A) =1. dvs. Teoretisk sannsynlighet for A = P(A) = n(a) n(s) = 1 2 antall utfall som gir A totalt antall utfall i S 7 Eksempel: Kast en terning Utfall 1,2,3,4,5 eller 6 øyne Utfallsrom S = {1, 2, 3, 4, 5, 6} og n(s) =6 Hendelse Ønsker for eksempel sannsynligheten for hendelsen A = minst 5 øyne = {5, 6}. Daern(A) =2. dvs. Teoretisk sannsynlighet for A = P(A) = n(a) n(s) = 2 6 = 1 3 antall utfall som gir A totalt antall utfall i S 8 Eksempel: Kast to terninger Utfallsrommet S har n(s) =6 6 = 36 og kan skrives opp i et gitter Andre terning ,1 1,2 1,3 1,4 1,5 1,6 2 2,1 2,2 2,3 2,4 2,5 2,6 Første 3 3,1 3,2 3,3 3,4 3,5 3,6 terning 4 4,1 4,2 4,3 4,4 4,5 4,6 5 5,1 5,2 5,3 5,4 5,5 5,6 6 6,1 6,2 6,3 6,4 6,5 6,6 La A = sum øyne er 5. Da er P(A) = n(a) n(s) = n({(4, 1), (3, 2), (2, 3), (1, 4)}) n(s) = 4 36 = 1 9
3 Oppgave: Kast to terninger og la den interesseante hendelsen være A at sum øyne er lik 5. Oppgave: Kast to terninger og legg sammen tallene. Hvilke(n) summer er mest sannsynlig(e)? Forklar at dersom utfallet defineres som sum antall øyne, blir utfallrommet S = {2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12} Hvorfor kan vi ikke da slutte at P(A) = n(a) n(s) = 1 11? (Husk at vi fikk 1 9 tidligere.) 11 Eksempel: Trediagram Kast tikrone og femkrone og registrer utfallet. Trediagrammet lages slik: 10 er H 5 er H T Utfall H,H H,T 12 Eksempel: Trediagram (fra boka) Trediagram for familie med tre barn (B=gutt, G=jente) T H T T,H T,T Liste: S = {(H, H), (H, T ), (T, H), (T, T )} n(s) =4
4 14 Egenskaper ved sannsynligheter Oppgave: En mynt og en terning blir kastet. Skriv opp utfallsrommet S ved hjelp av et trediagram en liste et gitter Hva er n(s)? Egenskap 1 for sannsynligheter: En sannsynlighet er alltid et tall mellom 0 og 1, dvs. 0 P(A) 1 Sannsynligheten er null dersom hendelsen ikke kan inntreffe. Sannsynligheten er 1 dersom hendelsen inntreffer hver gang. Ellers er den gitt ved en forventet relativ frekvens, dvs. forventet antall ganger A vil inntreffe i n forsøk dividert på n (som blir et tall mellom 0 og 1). 16 Egenskap 2 for sannsynligheter: Summen av sannsynlighetene for alle utfall i et eksperiment er eksakt lik 1, dvs. Σ alle utfall P(w) =1 Eksempel: Kast én terning. Da er S = {1, 2, 3, 4, 5, 6} og P(1) =P(2) =P(3) =P(4) =P(5) =P(6) = 1 6. Σ alle utfall P(w) =1/6 + 1/ /6 = 1 Odds Eksempel: Anta at det er fem ganger så stor sannsynlighet for å stå som for å stryke ved en eksamen. Dette kan uttrykkes ved at oddsen er 5 : 1 i favør av å stå til eksamen. Hva er da sannsynligheten for å stå til denne eksamen? A=stå til eksamen B=stryke til eksamen P(A) :P(B) =5 P(A) =5P(B) P(A)+P(B) =1 P(A)+P(A)/5 = 1 P(A) = 5/6 = 0.83
5 17 Betinget sannsynlighet (4.3) Se igjen på krysstabellen med frekvenser for gender og major for 30 studenter (Kap. 2). En betinget sannsynlighet er den forventede relative frekvens for en hendelse dersom det er gitt en tilleggsinformasjon om en annen hendelse. P(A B) brukes for å uttrykke den betintgede sannsynligheten for hendelsen A gitt at hendelsen B har inntruffet, dvs. kort: Sannsynligheten for A gitt B Anta at én av de 30 studentene velges tilfeldig. 1. Sannsynligheten for at denne har major i LA er 11/30 = MEN: Hvis vi får vite at den uttrukne er en kvinne, er sannsynligheten for at hun har major i LA lik 6/12 = OGSÅ: Hvis vi får vite at den uttrukne er en mann, er sannsynligheten for at han har major i LA lik 5/18 = 0.28 Dette er eksempler på betingede sannsynligheter. 20 (forts.) La A være hendelsen at den uttrukne har major LA. La B være hendelsen at den uttrukne er kvinne. La C være hendelsen at den uttrukne er mann. Da er sannynlighetene på forrige slide: P(A) = P(major i LA) =0.37 P(A B) = P(major i LA kvinne) =0.5 P(A C) = P(major i LA mann) =0.28 Regler for sannsynligheter (4.4) Komplementet til en hendelse A: Mengden av alle utfall som ikke hører til A. Skrives Ā (leses A-komplement ) Eksempel: Kast én terning og la A betegne partall antall øyne. Da er Ā hendelsen at antall øyne er et oddetall. Fordi A og Ā tilsammen dekker hele utfallsrommet, har vi at P(A)+P(Ā) =1 Dette gir komplementregelen: Sannsynligheten for komplementet til A er lik 1 minus sannsynligheten for A, dvs. P(Ā) =1 P(A)
6 Alle hendelser har et komplement. Iblant er det enklere å beregne sannsynligheten for Ā enn for A. Eksempel: Kast to terninger. Hva er sannsynligheten for at summen blir større enn eller lik 4? A=summen er større enn eller lik 4 Ā=summen er mindre enn eller lik 3 n(ā) P(A) =1 P(Ā) =1 n(s) n({(1, 1), (1, 2), (2, 1)}) = 1 n(s) = = = Oppgave (eksamen høst 2005): La X være summen av to terningkast. Hva er P(X 10)? A) 1/6 B) 3/12 C) 5/36 D) 12/36 E) 9/18 23 Sammensatte hendelser dvs. kombinasjoner av flere hendelser. Betrakt to hendelser A og B. Disse kan for eksempel være Kast en terning og registrer antall øyne: A=partall B=5 eller bedre Ta sit-ups A=flere enn 10 sit-ups B=færre enn 20 sit-ups Trekk student fra en populasjon A=kvinne B=fulltidsstudent Interessante problemer er: Hva er P(A eller B), dvs. sannsynligheten for at hendelse A eller B (eller begge) inntreffer? Hva er P(A og B), dvs. sannsynligheten for at både A og B inntreffer? Hva er P(A B), dvs. den betingede sannsynligheten for at A inntreffer gitt at B har inntruffet? (Har allerede sett eksempel på dette)
7 25 Den generelle addisjonsregel La A og B være to hendelser definert i et utfallsrom S. sannsynligheten for A eller B (eller begge) = sannsynligheten for A + sannsynligheten for B - sannsynligheten for A og B, Eksempel: Kast to terninger. Hva er sannsynligheten for at summen er 10 (hendelse A) eller at terningene viser to like (hendelse B)? dvs. P(A eller B) =P(A)+P(B) P(A ogb) Se igjen på krysstabellen med frekvenser for gender og major for 30 studenter (Kap. 2). P(A eller B) =P(A)+P(B) P(AogB)= = 8 36 = 2 9 Anta at én av de 30 studentene velges tilfeldig. La A være hendelsen at den uttrukne har major LA. La B være hendelsen at den uttrukne er kvinne. siden hendelsen A og B her svarer til det ene utfallet (5, 5). Da er: P(A eller B) =P(A)+P(B) P(A ogb)= = 17 30
8 29 Illustrasjon av den generelle addisjonsregel 30 Den generelle multiplikasjonsregel La A og B være to hendelser definert i et utfallsrom S. sannsynligheten for A og B = sannsynligheten for A sannsynligheten for B gitt A, dvs. P(A ogb)=p(a) P(B A) P(A eller B) =P(A)+P(B) P(A ogb) Se nok en gang på krysstabellen med frekvenser for gender og major for 30 studenter (Kap. 2). eller også (siden A og B kan byttes om:) P(A ogb)=p(b) P(A B) der A er hendelsen at den uttrukne har major LA, og B er hendelsen at den uttrukne er kvinne. Vi har tidligere funnet at: P(B) = 12 30, P(A B) = 6 12 = 1 2 hvorfor? Den generelle multiplikasjonsregel gir da at P(A ogb)=p(b) P(A B) = = 6 30 som vi også kan lese av fra tabellen.
9 33 Trekking uten tilbakelegging En bolle 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. La A = den første kulen er gul (Y) B = den andre kulen er gul (Y) Da er P(begge kulene er gule) =P(AogB)=P(A) P(B A) = = Forts. P(en av hver farge) =P(YR)+P(RY )= = = P(to røde) =P(RR) = = Disjunkte hendelser (4.5) To disjunkte (gjensidig utelukkende) hendelser: Hendelser definert slik at dersom en av hendelsene inntreffer, kan den andre ikke inntreffe. dvs. P(A ogb)=0 eller med Venn-diagram: 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. 38 Den spesielle addisjonsregelen For disjunkte hendelser A og B gjelder P(A eller B) =P(A)+P(B) Denne regelen kan generaliseres: A og B er disjunkte. A og C er disjunkte. B og C er ikke disjunkte, fordi BogC=(5, 5) 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) De tre hendelsene er dermed ikke parvis disjunkte (selv om alle tre ikke kan inntreffe samtidig). Illustrasjon av den spesielle addisjonsregelen: 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). Her er A og B disjunkte, og vi har: P(A eller B) =P(A)+P(B)
11 Regelen over gir da P(A eller B) =P(A)+P(B) = = 1 3 Oppgave: Et par terninger blir kastet. Hendelsene er A=summen er 7, C=to like, 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) 43 Uavhengige hendelser (4.6) 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. eller P(A) =P(A B) =P(A ikke B) P(B) =P(B A) =P(B ikke A) Dersom den ene av linjene er oppfylt vil alltid den andre være det også. Hendelser som ikke er uavhengige, kalles avhengige. Husk den generell multiplikasjonsregel: P(A ogb)=p(a)p(b A) Dersom A og B er uavhengige, har vi P(B A) =P(B), så vi får: Den spesielle multiplikasjonsregel: P(A ogb)=p(a)p(b) Dette kan generaliseres til tilfellet med mer enn to uavhengige hendelser: For uavhengige hendelser A, B, C... E gjelder P(A ogbogcog... og E) =P(A) P(B) P(C)... P(E)
12 A=fulltid C=kvinne 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 hendelse A være at studenten studerer fulltid og hendelse C at studenten er kvinne. a) Er hendelsene A og C uavhengige? b) Finn P(A og C) ved multiplikasjonsregelen P(A C) = P(A) = n(a) n(s) = = 0.7 P(C) = n(c) n(s) = = 0.6 n(a ogc) n(c) = = 0.67 A og C er avhengige siden P(A C) P(C). P(A ogc)=p(c)p(a C) = = = 0.4 P(A og C) kan også finnes direkte ved P(A ogc)= n(a ogc) n(s) = = Formel for betinget sannsynlighet Ved å stokke om på generell multiplikasjonsregel, P(A ogb)=p(a) P(B A) får vi et uttrykk for sannsynligheten for hendelsen A gitt at hendelsen B har inntruffet: P(A ogb) P(B A) = P(A)
ST0202 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,
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 Kapittel 4: Sannsynlighetsregning Bo Lindqvist Institutt for matematiske fag 2 Sannsynligheten for en hendelse (4.1) Sannsynligheten for en hendelse sier oss hvor ofte
DetaljerST0202 Statistikk for samfunnsvitere [4]
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
DetaljerTrekking 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 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
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
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.
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
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
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
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
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
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
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,
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
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,
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
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
DetaljerSannsynlighet 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- 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
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
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
DetaljerST0103 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
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
DetaljerKapittel 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
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
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
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
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
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
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.
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
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
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
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
DetaljerKompetansemål 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
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
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
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
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
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.
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
DetaljerSannsynlighetsbegrepet
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
DetaljerTestobservator for kjikvadrattester
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
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,
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,
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
DetaljerST0202 Statistikk for samfunnsvitere
ST0202 Statistikk for samfunnsvitere Kapittel 5: Sannsynlighetsfordelinger for diskrete variabler Bo Lindqvist Institutt for matematiske fag 2 Tilfeldige variabler (5.1) Dersom vi til hvert utfall av eksperimentet
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
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.
DetaljerTerningkast. Utfallsrommet S for et terningskast med en vanlig spillterning med 6 sider er veldefinert 1, 2, 3, 4, 5, 6
Terningkast Halvor Aarnes, UiO, 2014 Innhold Ett terningkast og utfallsrom... 1 Union og snitt... 4 Betinget sannsynlighet... 5 Forventningsverdi E(X) og varianse Var(X)... 5 Konfidensintervall for proporsjoner...
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
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
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;
DetaljerInnledning 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
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
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
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:
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
DetaljerSannsynlighet 1P, Prøve 2
Sannsynlighet 1P, Prøve 2 Del 1 Tid: 90 min Hjelpemidler: Skrivesaker Oppgave 1 Du snurrer et lykkehjul som stanser tilfeldig på en av bokstavene. Se figuren ovenfor. a) Hvor mange mulige utfall finnes
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
DetaljerINNHOLD. Matematikk for ungdomstrinnet
INNHOLD STATISTIKK... 2 FREKVENS... 2 RELATIV FREKVENS... 2 FREKVENSTABELL... 2 KLASSEDELING... 3 SØYLEDIAGRAM (STOLPEDIAGRAM)... 3 LINJEDIAGRAM... 4 SEKTORDIAGRAM... 4 HISTOGRAM... 4 FRAMSTILLING AV DATA...
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
DetaljerST1101/ST6101 Sannsynlighetsregning og statistikk Vår 2019
Norges teknisk naturvitenskapelige universitet Institutt for matematiske fag ST1101/ST6101 Sannsynlighetsregning og statistikk Vår 201 Oppgaver fra boka 2.6.1 En kjemiker vil observere effekten av 2 ulike
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
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...
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.
DetaljerInnledning 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
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}.
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
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
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
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
DetaljerDenne uken: Kapittel 4.3 og 4.4
Sist: Kapittel 4.1, 4.2, 4.5 Tilfeldighet Sannsynlighetsmodeller Regler for sannsynlighet Denne uken: Kapittel 4.3 og 4.4 Tilfeldige variable Forventning og varians til tilfeldige variable Litt repetisjon:
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
DetaljerKapittel 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
DetaljerST0202 Statistikk for samfunnsvitere
ST0202 Statistikk for samfunnsvitere Bo Lindqvist Institutt for matematiske fag 2 Mål på beliggenhet (2.6) Kvartiler: Deler de ordnede dataene inn i fire like store deler: 1. kvartil Q 1 : 25% av dataene
DetaljerForelening 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
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
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
DetaljerUNIVERSITETET I OSLO Matematisk Institutt
UNIVERSITETET I OSLO Matematisk Institutt Midtveiseksamen i: STK 1000: Innføring i anvendt statistikk Tid for eksamen: Onsdag 9. oktober 2013, 11:00 13:00 Hjelpemidler: Lærebok, ordliste for STK1000, godkjent
DetaljerDiskrete sannsynlighetsfordelinger som histogram. Varians. Histogram og kumulativ sannsynlighet. Forventning (gjennomsnitt) (X=antall mynt i tre kast)
Diskret sannsynlighetsfordeling (kap 1.1-1.6) Oversikt Utfallsrom (sample space) Sannsynlighetsfordeling Forventning (expectation), E(X), populasjonsgjennomsnitt Bruk av figurer og histogram Binomialfordelingen
DetaljerDiskrete sannsynlighetsfordelinger som histogram. Varians. Histogram og kumulativ sannsynlighet. Binomial-fordelingen
Diskret sannsynlighetsfordeling (kap 1.1-1.6) Oversikt Utfallsrom (sample space) Sannsynlighetsfordeling Forventning (expectation), E(, populasjonsgjennomsnitt Bruk av figurer og histogram Binomialfordelingen
DetaljerSannsynlighet og statistikk
Sannsynlighet og statistikk Arkeologiske utgravinger har vist at mennesker har underholdt seg med forskjellige spill i tusener av år. Terninger fra India som ble brukt i spill, er faktisk 5000 år gamle.
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
DetaljerSTK1100 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
DetaljerSTK1100 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
DetaljerSTK1100 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
DetaljerST0202 Statistikk for samfunnsvitere
ST0202 Statistikk for samfunnsvitere Kapittel 3: Beskrivende analyse og presentasjon av data for to variabler (bivariate data) Bo Lindqvist Institutt for matematiske fag 2 Presentasjon av bivariate data
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
DetaljerECON240 Vår 2018 Oppgaveseminar 1 (uke 6)
ECON240 Vår 2018 Oppgaveseminar 1 (uke 6) Oppgaver til prerequisites og kapittel 1 fra læreboken Example P.1, P.5, P.6, P.7, P.8, P.9, P.11, P.12, P.13, og P.14 Example 1.1, 1.2, 1.3, 1.4, 1.6, 1.7, 1.9,
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
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
DetaljerST0202 Statistikk for samfunnsvitere
ST0202 Statistikk for samfunnsvitere Bo Lindqvist Institutt for matematiske fag 2 Kap. 13: Lineær korrelasjons- og regresjonsanalyse Kap. 13.1-13.3: Lineær korrelasjonsanalyse. Disse avsnitt er ikke pensum,
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
DetaljerMål på beliggenhet (2.6) Beregning av kvartilene Q 1, Q 2, Q 3. 5-tallssammendrag. ST0202 Statistikk for samfunnsvitere
2 Mål på beliggenhet (2.6) Kvartiler: Deler de ordnede dataene inn i fire like store deler: ST0202 Statistikk for samfunnsvitere Bo Lindqvist Institutt for matematiske fag 1. kvartil Q 1 : 25% av dataene
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
DetaljerUtvalgsfordelinger. Utvalg er en tilfeldig mekanisme. Sannsynlighetsregning dreier seg om tilfeldige mekanismer.
Utvalgsfordelinger Vi har sett at utvalgsfordelinger til en statistikk (observator) er fordelingen av verdiene statistikken tar ved mange gjenttatte utvalg av samme størrelse fra samme populasjon. Utvalg
DetaljerBeregning av kvartilen Q 1 (example 2.12) Mer repetisjon. ST0202 Statistikk for samfunnsvitere
2 Beregning av kvartilen Q 1 (eample 2.12) Data: 76 74 82 96 66 76 78 72 52 68 86 84 62 76 78 92 82 74 88 84 Utvalgsstørrelse n = 20 Step 1: Ranger fra minste til største: 52 62 66 68 72 74 74 76 76 76
Detaljer