ÅMA110 Sannsynlighetsregning med statistikk, våren 2007
|
|
- Børge Aasen
- 7 år siden
- Visninger:
Transkript
1 ÅMA110 Sannsynlighetsregning med statistikk, våren 2007 Kp. 2 Sannsynlighetsregning (sannsynlighetsteori) 1 Grunnbegrep Stokastisk forsøk: forsøk med uforutsigbart utfall Enkeltutfall: et av de mulige utfallene av et stokastisk forsøk Utfallsrom: samling av alle mulige utfall Eks.: et terningkast; utfallsrommet kan bestå av de seks enkeltutfallene 1, 2, 3, 4, 5, og 6 (Andre utfallsrom er mulige) 2 1
2 Grunnbegrep, sannsynligheten for et utfall Utfallsrom: Ω = { u, u,...} 1 2 Sannsynligheten for utfallet, u: u), der 0 u) 1 og u ) + u ) + L = Dvs.: Sannsynligheten for utfallet, u, defineres til et tall mellom 0 og 1. 3 Grunnbegrep, sannsynligheten for et utfall Hvert utfall har en sannsynlighet, kjent eller ukjent Summen av alle sannsynligheter i utfallsrommet er lik 1 Tilordningen av sannsynlighet baseres på bl.a. erfaring og egenskaper ved det stokastiske forsøket God/realistisk tilordning: overensstemmelse mellom relativfrekvenser og sannsynligheter 4 2
3 Grunnbegrep, sannsynligheter og relativfrekvenser n gjentakelser av et stokastisk forsøk (f.eks. n kast med en terning) La n u være antall ganger utfallet u forkommer blant de n forøkene (f.eks. antall seksere blant alle kastene) Relativfrekvensen til u, er forholdet mellom n u og n: n u n EXCEL-simulering 5 Grunnbegrep, sannsynlighetsmodell Utfallsrommet med sannsynligheter tilordnet alle enkeltutfall, kalles en sannsynlighetsmodell 6 3
4 Grunnbegrep, uniform modell Utfallsrommet med sannsynligheter tilordnet alle enkeltutfall, kalles en sannsynlighetsmodell Uniform sannsynlighetsmodell: For et stokastisk forsøk med k (endelig) antall utfall, der alle utfall har like stor mulighet for å inntreffe, defineres sannsynligheten til å være den samme for alle utfallene, 1/k. Denne modellen kalles en uniform sannsynlighetsmodell. Eks. 1: kast med pengestykke; {mynt, kron} Eks. 2: kast med terning; {1, 2, 3, 4, 5, 6} 7 Grunnbegrep, uniform modell Eks. 3: trekke en rekke i LOTTO (7 av tallene 1, 2,..., 34); k = Uniform modell? (JA!) Sannsynligheten for en bestemt rekke: en bestemt rekke trekkes) = 1/ =
5 Grunnbegrep, uniform modell Eks. 4: kast med to terninger; betrakter summen av resultatene med de to terningene: {2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12}, (k=11) sum = 7) = 1/11 (v/uniform sannsynlighetsmodell) 9 Grunnbegrep, uniform modell Eks. 4: kast med to terninger; betrakter summen av resultatene med de to terningene: {2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12}, (k=11) sum = 7) = 1/11 (v/uniform sannsynlighetsmodell) Er dette rimelig?? F.eks. vil da ha at: sum=12) = sum=7)! 10 5
6 Grunnbegrep, uniform modell Uniform modell 0,18 0,16 0,14 0,12 0,1 0,08 0,06 0,04 0, Grunnbegrep, uniform modell Virkeligheten 0,18 0,16 0,14 0,12 0,1 0,08 0,06 0,04 0,
7 Grunnbegrep, uniform modell Blå: uniform; rød: virkeligheten 0,18 0,16 0,14 0,12 0,1 0,08 0,06 0,04 0, Grunnbegrep, uniform modell Nytt forslag til utfallsrom: { (1,1), (1,2), (1,3), (1,4), (1,5), (1,6), (2,1),... (2,6),... (6,1), (6,2), (6,3), (6,4), (6,5), (6,6) }; k=36 (f.eks. betyr (3,5): rød terning=3 og blå terning=5) Her er alle utfall like mulige!! (=> uniform modell) 14 7
8
9 Grunnbegrep, begivenheter En begivenhet er en samling av utfall. eks.: minst fem : {5, 6} partall : {2, 4, 6} Generelt : { u, u, K} Utfallsrom : Ω = 1 2 Begivenhet : A ( A Ω) Sannsynligheten for A: A) 15 Grunnbegrep, begivenheter Sannsynligheten for begivenheten er summen av sannsynlighetene til enkeltutfallene: Terningkast, A Sannsynligheten for A) = {5,6}) = + = = = "minst fem" = 1 3 A: {5}) + {6}) 16 8
10 Grunnbegrep, begivenheter Sannsynligheten for begivenheten er summen av sannsynlighetene til enkeltutfallene; Generelle formuleringer og implikasjoner: Sannsynligheten for A: A) A) = u) u A 0 A) 1 Ω) = 1 (husk at Ω er en begivenhet; den MÅinntreffe!) 17 Grunnbegrep, operasjoner med begivenheter (kp. 2.2, 2.3) Vi har ofte behov for å utrykke og finne sannsynligheten for sammensatte begivenheter; A eller B, A eller B eller C, B og C, osv. Snitt, union og komplement fra mengdelæren brukes. 18 9
11 Grunnbegrep, operasjoner med begivenheter (kp. 2.2, 2.3) Referanseeks.: Tre kast med pengestykke; vi betrakter rekkefølge av kron (K) og mynt (M). {KKK, KKM, KMK, MKK, KMM, MKM, MMK, MMM} = { u 1, u 2, u 3, u 4, u 5, u 6, u 7, u 8 } A: kron minst to ganger, B: mynt i første Da: A={u 1, u 2, u 3, u 4 } og B={u 4, u 6, u 7, u 8 } 19 Grunnbegrep, operasjoner med begivenheter; Venndiagram A={u 1, u 2, u 3, u 4 } og B={u 4, u 6, u 7, u 8 } Venndiagram: A u 4 B u 5 Veldig nyttig hjelpemiddel i en del situasjoner
12 Grunnbegrep, operasjoner med begivenheter Operasjon: Unionen mellom A og B Skrivemåte: A B Inntreffer A eller B (eller begge) inntreffer A u 4 B u 5 21 Grunnbegrep, operasjoner med begivenheter Operasjon: Skrivemåte: Inntreffer Snittet mellom A og B AB, A B A og B inntreffer A u 4 B u
13 Grunnbegrep, operasjoner med begivenheter Operasjon: Skrivemåte: Inntreffer Koplementet til A A C, A A ikke inntreffer A A C 23 Grunnbegrep, operasjoner med begivenheter To begivenheter sies å være disjunkte hvis og bare hvis begivenhetene ikke kan inntreffe samtidig. Disjunkte mengder har ingen felles element. C D C D = φ 24 12
14 Regneregler med sannsynlighet 1. Komplementsetningen: A) = 1 A) ( Ω) = 1) A A C 25 Regneregler med sannsynlighet 2. Addisjonssetningen (generell): A B) = A) + B) A B) A B 26 13
15 Regneregler med sannsynlighet Er addisjonssetningen gyldig for to disjunkte begivenheter? C D) = C) + D) C D) C D 27 Sannsynlighetsregning, eksempel A) = 1 A) A B) = A) + B) A B) Tokomponentsystem, parallellkoplet A System ok når minst en av B komponentene er ok. Anta at : A ok) = 0.9 = B ok) og begge ok) = a) Hva er sannsynligheten for at systemet er ok? 0.85 b) Hva er sannsynligheten for at ingen av komponentene er ok? 28 14
16 Sannsynlighetsregning, oppsummering av regneregler Sannsynligheten for A: A) = u), u A A) 0 A) 1, Ω) = 1 Komplementsetningen : A) = 1 A) Addisjonssetningen : A B) = A) + B) A B) Disjunkte begivenheter : C D = φ, ("den tomme mengden"; C og D har ingen felles element / utfall) 29 ÅMA110 Sannsynlighetsregning med statistikk, våren 2007 Kp. 2.4 Sannsynlighetsregning (sannsynlighetsteori); opptellingsregler 30 15
17 Opptellingsregler (kp. 2.4) Ved bruk av uniform modell: P ( A) = g k der g=antall utfall i begivenheten A, og k er antall utfall i utfallsrommet., Noen ganger enkelt: Trekk et tilfeldig kort fra en kortstokk; konge) = 4 52, 31 Opptellingsregler (kp. 2.4) Fort mer komplisert: Trekk to tilfeldige kort fra en kortstokk; g begge er konger) = =? k Vi trenger verktøy for å håndtere slike og (mange) lignende problemer! 32 16
18 Opptellingsregler, situasjon Situasjon; Med eller uten tilbakelegging? Ordnet eller uordnet utvalg? (ordnet: vi tar hensyn til rekkefølgen objektene blir trukket ut i) Populasjon, N ulike objekt N s... fire muligheter... Utvalg, s objekt 33 Opptellingsregler, situasjon Vi fokuserer på uordnede utvalg uten tilbakelegging. Men vi bruker ordnede utvalg underveis. Populasjon, N ulike objekt N Tilb.legging? s ja ja nei Utvalg, s objekt ordnet? nei 34 17
19 Opptellingsregler Multiplikasjonsregelen Dersom et forsøk består av to deler slik at første del kan ha m 1 ulike resultat og slik at det til hvert resultat i første del kan være m 2 ulike resultat i andre del, så er det totale antall ulike resultat lik m 1 m 2. Eks. 1: ruter- og kløverkort Eks. 2: Utvidelse til mer enn to deler Eks. 3: Bilnummer (se bok) 35 Opptellingsregler Ordnede utvalg uten tilbakelegging Antall mulige ulike utvalg: ( N ) s = N( N 1)( N 2) L( N s + 1) s faktorer Populasjon, N ulike objekt N s Eks.: Trekke tre av de 13 ruterkortene Utvalg, s objekt Begrunnelse for resultat: vha. multiplikasjonsregelen 36 18
20 Opptellingsregler Antall rekkefølger (permutasjoner) av N ulike objekt: (N) N = N(N-1)(N-2)...3*2*1 = N! N-fakultet Eks.: De 13 ruterkortene kan permuteres på 13! ulike måter. 37 Opptellingsregler Uordnede utvalg uten tilbakelegging: Eks.: Vi skal trekke tre av ruterkortene (uten tilbakelegging). Hvor mange ulike utvalg (uordnede) er mulig? Resonnement: 1. Ant. ordnede: 13*12*11 = Hvert av disse kan permuteres på 3!=3*2*1 måter 3. Da må vi ha: (ant. ordnede) = (ant. uordnede)*3! Dvs.: (ant. uordnede) = (ant. ordnede) / 3! 38 19
21 Opptellingsregler Antall uordnede utvalg uten tilbakelegging når s objekt trekkes fra N ulike objekt er : Populasjon, N ulike objekt N ( ) s! N s s Ant. ordnede: (N) s Ant. permutasjoner: s! 39 Opptellingsregler, uordnede utvalg uten tilbakelegging Skrivemåte: N ( N) = s s! s Populasjon, N ulike objekt N Vi kan se at: N = s N! s!( N s)! s N ( N) = s s! s N( N 1) L( N s + 1) ( N s)! N! = = s! ( N s)! s!( N s)! 40 20
22 Opptellingsregler, uordnede utvalg uten tilbakelegging Eks.: Syvmanns lag av ti spillere. Regel: N N = s N s Populasjon, N ulike objekt N s Obs.: N N = 1 ; Derfor defineres : = 1 N 0 41 Opptellingsregler, uordnede utvalg uten tilbakelegging Eks.: LOTTO. 34 kuler nummerert fra 1 til 34; Syv trekkes ut. Hvor mange muligheter finnes det? Populasjon, N ulike objekt N s 42 21
23 Opptellingsregler Tilfeldig utvalg Et utvalg av s objekter tatt fra N ulike sies å være et tilfeldig utvalg dersom alle N s mulige utvalg har lik sannsynlighet for å bli tatt ut. (Dette betyr at vi kan bruke uniform modell.) 43 Opptellingsregler, oppsummering Multiplikasjonsregelen : m m L m 1 2 k Antall ord. utvalg, s fra N : ( N) = N( N 1)( N 2) L ( N s + 1) s Antall permutasjoner av N : ( N) N = N( N 1)( N 2) L = N! Antall utvalg, s fra N N ( N) : = s s! s 44 22
24 Opptellingsregler, oppsummering Tre eksempler 1. To kort trekkes fra en kortstokk. Hva er sannsynligheten for at begge er konger? 2. Fem kort trekkes fra en kortstokk. Hva er sannsynligheten for at vi får akkurat to konger og to damer? (Dvs.: det femte kortet er noe annet enn konge eller dame.) 3. Meningsmåling 45
25 ÅMA 110 SANNSYNLIGHETSREGNING MED STATISTIKK Eksempel, meningsmåling (s. 1) Situasjon: N = stemmeberettigede; vi antar at vi vet at: (40 %) er for (en bestemt sak... ), og (60 %) er mot denne saken. (Vi antar videre at det ikke er "vet-ikke-individer"i populasjonen.) s = 1000 tilfeldig utvalgte spørres. Problem: Hva er sannsynligheten for at gallupen (meningsmålingen) viser flertall for (gir som resultat at mer enn 50 % er for)? ( ) N Utfallsrom: Ω = {alle mulige utvalg} s At utvalget gjøres tilfeldig, betyr at alle utvalg er like sannsynlige, og at vi dermed kan bruke uniform sannsynlighetsmodell. P (Gallup viser flertall for) = P (Mer enn 500 av de 1000 i utvalget er for) = P (501 for i utvalget 502 for i utvalget 1000 for i utvalget) }{{}}{{}}{{} A 1 A 2 A 500 = P (A 1 ) + P (A 2 ) + + P (A 500 ) Den siste likheten finner vi ved å bruke addisjonssetningen og at A i ene er disjunkte begivenheter. P (A 1 ): ( ) Antall utvalg der 501 kommer fra de for-individene er, og antall utvalg 501 ( ) der 499 (resten av utvalget) kommer fra de mot-individene er. Derfor blir 499 ( ) ( ) antall utvalg som er slik at A 1 inntreffer lik:. Da blir sannsynligheten for begivenheten A 1 : P (A 1 ) = ( ) ( ( ) )
26 ÅMA 110 SANNSYNLIGHETSREGNING MED STATISTIKK Eksempel, meningsmåling (s. 2) På tilsvarende måte kan finne sannsynlighetene for de andre begivenhetene. For A i (der i for-stemmere er med i utvalget, i = 1, 2,...) får vi: P (A i ) = ( ) ( i 500 i ( ) ) Derfor får vi: P (Gallup viser flertall for) = P (A 1 ) + P (A 2 ) + + P (A 499 ) + P (A 500 ) ( ) ( ) ( ) ( ) = 501 ( ) ( ) + + ( ) ( ) ( ) ( ( ) ( ) ) Vi ser altså at vi i prinsippet kan løse problemet. Men sannsynlighetene P (A i ) = ( ) ( i 500 i ( ) er veldig tungvinte å beregne, og vi må regne ut 500 slike! Vi skal seinere lære å bruke tilnærmingsmetoder for å finne slike sannsynligheter. Med disse metodene vil det være enkelt å finne svaret. )
27 ÅMA110 Sannsynlighetsregning med statistikk, våren 2007 Kp. 2 Sannsynlighetsregning (sannsynlighetsteori) 2.5 Betinget sannsynlighet 46 23
28 Betinget sannsynlighet (kp. 2.5) - innledning Eks.: Et terningkast; {1, 2, 3, 4, 5, 6}. Ved bruk av uniform modell: hvert utfall gis sannsynligheten 1/6. treer ) = 1/6 B: Ikke sekser. Dersom vi får vite at B har inntruffet, hva da med treer )?? (Vi kan åpenbart ikke lenger bruke uniform modell på {1, 2, 3, 4, 5, 6}! ) 47 Betinget sannsynlighet - innledning Opplysningen om at B har inntruffet, vil kunne føre til at treer ) endres fra det opprinnelige. Den nye sannsynligheten skriver vi: treer B ) Den betingede sannsynligheten for å få treer, gitt at B har inntruffet
29 Betinget sannsynlighet Def. For to begivenheter A og B definerer vi den betingede sannsynligheten for A gitt B (at B har inntruffet) ved: A B) = A B) B) (Sannsynlighetene på høyre side er vanlige, ubetingede.) 49 Betinget sannsynlighet Eks.: Hva bør treer B ) være??... Ved bruk av definisjonen: A={3}, B={1,2,3,4,5}, AB={3}; AB) = 1/6, B) = 5/6. Derfor: 50 25
30 Betinget sannsynlighet Eks.: Hva bør treer B ) være??... Ved bruk av definisjonen: A={3}, B={1,2,3,4,5}, AB={3}; AB) = 1/6, B) = 5/6. Derfor: 1 A B) {3}) A B) = = = 6 = B) {1,2,3,4,5}) Betinget sannsynlighet Motivering for definisjon Vi er interessert i A og A). A 52 26
31 Betinget sannsynlighet Motivering for definisjon Vi er interessert i A og A). A Når det forutsettes at B har inntruffet (skal inntreffe), er kun utfall i snittet AB av interesse derfor AB). A AB B 53 Betinget sannsynlighet Motivering for definisjon Vi er interessert i A og A). A Når det forutsettes at B har inntruffet (skal inntreffe), er kun utfall i snittet AB av interesse derfor AB). Vi ordner det slik at B B) = 1. Derfor: A B) A B) = B) A AB B 54 27
32 Betinget sannsynlighet C D C D ) =? E F E F ) =? F E ) =?? 55 Betinget sannsynlighet Eks.: Anta at sannsynligheten for regn i dag og imorgen er 0.3 og at sannsynligheten for regn i dag er 0.4. Dersom det regner i dag, hva er sannsynligheten for at det regner imorgen? 56 28
33 Betinget sannsynlighet Eks.: Anta at sannsynligheten for regn i dag og imorgen er 0.3 og at sannsynligheten for regn i dag er 0.4. Dersom det regner i dag, hva er sannsynligheten for at det regner imorgen? Løsning: La R 1 = det regner i dag, og la R 2 = det regner imorgen. Da vet vi: R 1 ) = 0.4 og R 1 R 2 ) = 0.3 Sannsynligheten for regn imorgen når det regner i dag er: R 2 R 1 ) = R 1 R 2 ) / R 1 ) = 0.3/0.4 =
ÅMA110 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
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
DetaljerÅMA110 Sannsynlighetsregning med statistikk, våren Grunnbegrep. Grunnbegrep, sannsynligheten for et utfall
ÅM110 Sannynlighetregning med tatitikk, våren 2010 Kp. 2 Sannynlighetregning (annynlighetteori) 1 Grunnbegrep Stokatik forøk: forøk med uforutigbart utfall Enkeltutfall: et av de mulige utfallene av et
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
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,
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;
DetaljerÅMA110 Sannsynlighetsregning med statistikk (5sp), våren 2012 BMF100 Sannsynlighetsregning og statistikk 1 (10sp), våren 2012
Introduksjon Prakstisk informasjon, s. 1 ÅMA110 Sannsynlighetsregning med statistikk (5sp), våren 2012 BMF100 Sannsynlighetsregning og statistikk 1 (10sp), våren 2012 Ny rammeplan for ingeniørfag Sannsynlighetsregning
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
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.
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.
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 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
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
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
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.
DetaljerÅMA110 Sannsynlighetsregning med statistikk, våren
ÅMA110 Sannsynlighetsregning med statistikk, våren 2006 Oppsummering Bjørn H. Auestad Institutt for matematikk og naturvitenskap Universitetet i Stavanger 24. april Bjørn H. Auestad Oppsummering våren
Detaljerstatistikk, våren 2011
ÅMA110 Sannsynlighetsregning med statistikk, våren 011 Kp. 3 Diskrete tilfeldige variable 1 Diskrete tilfeldige variable, innledning Hva er en tilfeldig variabel (stokastisk variabel)? Diskret tilfeldig
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
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 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
DetaljerÅMA110 Sannsynlighetsregning med statistikk, våren 2010. ÅMA110 Sannsynlighetsregning med statistikk, våren 2010
ÅMA Sannsynlighetsregning med statistikk, våren Kp. Diskrete tilfeldige variable ÅMA Sannsynlighetsregning med statistikk, våren Kp. Diskrete tilfeldige variable Diskrete tilfeldige variable, innledning
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
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 2010 Oppsummering
ÅMA110 Sannsynlighetsregning med statistikk, våren 2010 Oppsummering Bjørn H. Auestad Institutt for matematikk og naturvitenskap Universitetet i Stavanger 21. april Bjørn H. Auestad Oppsummering våren
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
DetaljerÅMA110 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
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
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,
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
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: 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,
DetaljerDeterministiske 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
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:
DetaljerÅMA110 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
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
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
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
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
Sannsynlighetsregning 1 Sannsynlighet Mål for opplæringa er at eleven skal kunne formulere, eksperimentere med og drøfte enkle uniforme og ikkje-uniforme sannsynsmodellar berekne sannsyn ved hjelp av systematiske
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
Detaljer2.3: 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?
DetaljerTMA4240 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?
DetaljerTilfeldige 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
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 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
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
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
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
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
DetaljerFASIT TIL NOEN OPPGAVER I SANNSYNLIGHET OG KOMBINATORIKK. Oppgave 9 a) 8 utfall: MMM, MMK, MKM, MKK, KMM, KMK, KKM, KKK b)
FASIT TIL NOEN OPPGAVER I SANNSYNLIGHET OG KOMBINATORIKK Oppgave 9 utfall: MMM, MMK, MKM, MKK, KMM, KMK, KKM, KKK b) d) Oppgave 0 40.4 % b) 4. % Oppgave 9 4 b) d) 7 Oppgave 5 0. % b) 9. % 50.5 % Oppgave
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
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...
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
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
DetaljerForsøk 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
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
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...
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
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
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.
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
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
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
DetaljerMotivasjon for kurset. ÅMA110 Sannsynlighetsregning med statistikk, våren 2008. Oppsummering. ÅMA110 Sannsynlighetsregning med statistikk våren 2008
ÅMA0 Sannsynlighetsregning med statistikk, våren 008 Oppsummering ÅMA0 Sannsynlighetsregning med statistikk våren 008 Pensum: Pensumbok: Per Chr. Hagen: "Innføring i sannsynlighetsregning og statistikk",
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
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
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
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
DetaljerNotater til forelesning i Sannsynlighetsregning SK 101 Matematikk i grunnskolen I
Notater til forelesning i Sannsynlighetsregning SK 101 Matematikk i grunnskolen I 4 Kombinatorikk Vi må lære tellemetoder når valgtrær, som vi brukte tidligere, blir for store og vanskelig å håndtere.
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
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...
DetaljerKapittel 3: Kombinatorikk
Kapittel 3: Kombinatorikk Kombinatorikk handler om å telle opp antall muligheter i ulike situasjoner (for eksempel telle opp antall gunstige og antall mulige i forbindelse med sannsynlighetsberegninger.
DetaljerSannsynlighet løsninger
Sannsynlighet løsninger Innhold 3.1 Pascals talltrekant... 2 3.2 Kombinatorikk... 5 3.3 Sannsynlighetsberegninger... 10 3.4 Hypergeometrisk sannsynlighetsmodell... 12 3.5 Binomisk sannsynlighetsmodell...
DetaljerSannsynlighet oppgaver
Sannsynlighet oppgaver Innhold 3.1 Pascals talltrekant... 2 3.2 Kombinatorikk... 4 3.3 Sannsynlighetsberegninger... 8 3.4 Hypergeometrisk sannsynlighetsmodell... 9 3.5 Binomisk sannsynlighetsmodell...
DetaljerÅMA110 Sannsynlighetsregning med statistikk, våren Noen viktige sannsynlighetsmodeller. Hypergeometrisk modell
ÅMA Sannsnlighetsregning med statistikk, våren 6 Kp. 3 Diskrete tilfeldige variable Noen viktige sannsnlighetsmodeller Noen viktige sannsnlighetsmodeller Binomisk modell (kp. 3.6) Hpergeometrisk modell
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
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
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
DetaljerSannsynlighetsregning
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
DetaljerÅMA110 Sannsynlighetsregning med statistikk, våren 2007
ÅMA0 Sannsnlighetsregning med statistikk, våren 007 Kp. 3 Diskrete tilfeldige variable Noen viktige sannsnlighetsmodeller Noen viktige sannsnlighetsmodeller Binomisk modell (kp. 3.6) (kp. 3.7) (notater)
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
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
DetaljerMAT0100V Sannsynlighetsregning og kombinatorikk
MAT000V Sannsynlighetsregning og kombinatorikk Uordnet utvalg uten tilbakelegging (repetisjon) Tilfeldige variabler og sannsynlighetsfordelinger Hypergeometrisk fordeling Binomisk fordeling Ørnulf Borgan
Detaljer4: Sannsynlighetsregning
Plan for hele året: - Kapittel 5: Januar - Kapittel 6: Februar - Kapittel 7: Februar/mars 4: Sannsynlighetsregning - Kapittel 8: Mars/april - Repetisjon: April/mai - Økter, prøver, prosjekter: Mai - juni
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:
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,
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
DetaljerNotat kombinatorikk og sannsynlighetregning
Notat kombinatorikk og sannsynlighetregning av Peer Andersen Peer Andersen 2010 1 SANNSYNLIGHETSREGNING MED FLERE TRINN Sannsynlighetsregning med et trinn kan være situasjoner der vi spør hva sjansen er
DetaljerÅMA110 Sannsynlighetsregning med statistikk, våren Noen viktige sannsynlighetsmodeller. Noen viktige sannsynlighetsmodeller
ÅMA0 Sannsnlighetsregning med statistikk, våren 008 Kp. 3 Diskrete tilfeldige variable Noen viktige sannsnlighetsmodeller Noen viktige sannsnlighetsmodeller Binomisk modell (kp. 3.6) Hpergeometrisk modell
Detaljer6 Sannsynlighet. Læreplanmål for 1P og 2P-Y. Læreplanmål for 1T
6 Sannsynlighet 6.1 Læreplan 6A Sannsynlighet og relativ frekvens 6B Sannsynlighet for en hendelse 6C Antall utfall i sammensatte forsøk 6D Komplementære hendelser 6E Krysstabell og venndiagram 6F Addisjonssetningen
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
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
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
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 2014 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
DetaljerST1101/ST6101 Sannsynlighetsregning og statistikk Vår 2019
Norges teknisk naturvitenskapelige universitet Institutt for matematiske fag ST/ST Sannsynlighetsregning og statistikk Vår 9 Oppgaver fra boka 3..9 Ved et terningkast anses utfallet antall øyne lik for
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
DetaljerForelesning 6, kapittel 3. : 3.6: Kombinatorikk.
Forelesning 6, kapittel 3. : 3.6: Kombinatorikk. Kombinatorikk betyr her: Formler for opptelling av antall kombinasjoner. Generelt er denne grenen av matematikk videre, og omfatter blant annet grafteori.
DetaljerForelesning 5, kapittel 3. : 3.5: Uavhengige hendelser.
Forelesning 5, kapittel 3. : 3.5: Uavhengige hendelser. Kast med to terninger, A er sekser på første terning og B er sekser på andre terning. Sekser på begge terningene er Fra definisjonen av betinget
DetaljerSANNSYNLIGHETSREGNING I GRUNNSKOLEN
1 I GRUNNSKOLEN Etterutdanningskurs for lærere på grunnskolens ungdomstrinn Opplegget som her presenteres til fordypning i STATISTIKK / SANNSYNLIGHETSDELEN av MATEMANIA er i utgangspunktet skrevet for
Detaljer