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

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

Betinget sannsynlighet, total sannsynlighet og Bayes setning

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

Betinget sannsynlighet, total sannsynlighet og Bayes setning Kapittel 4.5

Statistikk og økonomi, våren 2017

TALLSVAR. Det anbefales at de 9 deloppgavene merket med A, B, teller likt uansett variasjon i vanskelighetsgrad. Svarene er gitt i <<< >>>.

3 Sannsynlighet, Quiz

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

UNIVERSITETET I OSLO ØKONOMISK INSTITUTT

Oppgaven består av 9 delspørsmål som anbefales å veie like mye, Kommentarer og tallsvar er skrevet inn mellom <<, >>, Oppgave 1

TMA4240/4245 Statistikk Eksamen august 2016

Forelesning Punktestimering

Oblig1.nb 1. Et glassfiberlaminat består av følgende materialer og oppbygging:

Illustrasjon av regel 5.19 om sentralgrenseteoremet og litt om heltallskorreksjon (som i eksempel 5.18).

NÆRINGSSTRUKTUR OG INTERNASJONAL HANDEL

TALLSVAR. Det anbefales at de 9 deloppgavene merket med A, B, teller likt uansett variasjon i vanskelighetsgrad. Svarene er gitt i <<< >>>.

Anvendelser. Kapittel 12. Minste kvadraters metode

TALLSVAR. Det anbefales at de 9 deloppgavene merket med A, B, teller likt uansett variasjon i vanskelighetsgrad. Svarene er gitt i << >>.

Eksamen i emne SIB8005 TRAFIKKREGULERING GRUNNKURS

De normalfordelte: x og sd for hver gruppe. De skjevfordelte og de ekstremt skjevfordelte: Median og kvartiler for hver gruppe.

EKSAMEN Ny og utsatt Løsningsforslag

(iii) Når 5 er blitt trukket ut, er det tre igjen som kan blir trukket ut til den siste plassen, altså:

Løsningskisse for oppgaver til uke 15 ( april)

IT1105 Algoritmer og datastrukturer

Dynamisk programmering. Hvilke problemer? Optimalitetsprinsippet. Overlappende delproblemer

Dynamisk programmering. Hvilke problemer? Overlappende delproblemer. Optimalitetsprinsippet

Oppgave 3, SØK400 våren 2002, v/d. Lund

Alle deloppgaver teller likt i vurderingen av besvarelsen.

Test, 3 Sannsynlighet

Litt om empirisk Markedsavgrensning i form av sjokkanalyse

Alternerende rekker og absolutt konvergens

TMA4265 Stokastiske prosesser

DEN NORSKE AKTUARFORENING

Vekst i skjermet virksomhet: Er dette et problem? Trend mot større andel sysselsetting i skjermet

STK desember 2007

TMA4265 Stokastiske prosesser

UNIVERSITETET I OSLO ØKONOMISK INSTITUTT

Løsningsforslag ST2301 Øving 8

Løsning heimeøving 7 Sanntid

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!

TMA4300 Mod. stat. metoder

Dynamisk programmering. Hvilke problemer? Overlappende delproblemer. Optimalitetsprinsippet

Simpleksmetoden. Initiell basistabell Fase I for å skaffe initiell, brukbar løsning. Fase II: Iterativ prosess for å finne optimal løsning Pivotering

Forelesning nr.3 INF 1411 Elektroniske systemer

MAT1030 Forelesning 16

X ijk = µ+α i +β j +γ ij +ǫ ijk ; k = 1,2; j = 1,2,3; i = 1,2,3; i=1 γ ij = 3. i=1 α i = 3. j=1 β j = 3. j=1 γ ij = 0.

2005/11 Notater Anna-Karin Mevik. Notater. Usikkerhet i ordrestatistikken. Seksjon for statistiske metoder og standarder

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

Oppgaver. Multiple regresjon. Forelesning 3 MET3592 Økonometri ved David Kreiberg Vår 2011

Notasjoner, gjennomsnitt og kvadratsummer. Enveis ANOVA, modell. Flere enn to grupper. Enveis variansanalyse (One-way ANOVA, fixed effects model)

Løsningsskisse til eksamen i TFY112 Elektromagnetisme,

Veiledning til obligatorisk oppgave i ECON 3610/4610 høsten N. Vi skal bestemme den fordeling av denne gitte arbeidsstyrken som

Investering under usikkerhet Risiko og avkastning Høy risiko. Risikokostnad prosjekt Snøskuffe. Presisering av risikobegrepet

_ Slektsnavn, for- og mellomnavn 21 DES2015. Eierandel 1/2

Forelesning nr.3 INF 1411 Elektroniske systemer. Parallelle og parallell-serielle kretser Kirchhoffs strømlov

Oversikt 1. forelesning. ECON240 Statistikk og økonometri. Utdanning og lønn. Forskning. Datainnsamling; utdanning og inntekt

Fourieranalyse. Fourierrekker på reell form. Eksempel La. TMA4135 Matematikk 4D. En funksjon sies å ha periode p > 0 dersom

Løsningskisse seminaroppgaver uke 17 ( april)

ØVINGER 2017 Løsninger til oppgaver

FOLKETELLINGEN 1. NOVEMBER Tellingsresultater Tilbakegående tall - Prognoser SARPSBORG 0102 STATISTISK SENTRALBYRÅ - OSLO

EKSAMEN I FAG SIF5040 NUMERISKE METODER Tirsdag 15. mai 2001 Tid: 09:00 14:00

Kapittel og Appendix A, Bævre og Vislie (2007): Næringsstruktur, internasjonal handel og vekst

Statens vegvesen. Vegpakke Salten fase 1 - Nye takst- og rabattordninger. Utvidet garanti for bompengeselskapets lån.

Referanseveiledning. Oppsett og priming

Fast valutakurs, selvstendig rentepolitikk og frie kapitalbevegelser er ikke forenlig på samme tid

Sparing gir mulighet for å forskyve forbruk over tid; spesielt kan ujevne inntekter transformeres til jevnere forbruk.

Referanseveiledning. Oppsett og priming med forhåndstilkoblet slangesett

Notater. Bjørn Gabrielsen, Magnar Lillegård, Berit Otnes, Brith Sundby, Dag Abrahamsen, Pål Strand (Hdir)

Jobbskifteundersøkelsen Utarbeidet for Experis

SIF5072 Stokastske prosesser Sde 2 av 6 b) Hva vl det s at en Markov-kjede er rredusbel? Er Markov-kjeden fx n g denne oppgaven rredusbel? Er den aper

Gjeldende vedtekter Forslag til nye vedtekter Ref

Sluttrapport. utprøvingen av

Avvisning av klage på offentlig anskaffelse

Forelesning 4 og 5 MET3592 Økonometri ved David Kreiberg Vår 2011

KVIKKSØLVEKSPONERING VED DENTALLABORATORIER. Nils Gundersen og Arve Lie HD 807/790814

Balanserte søketrær. AVL-trær. AVL-trær. AVL-trær høyde AVL AVL. AVL-trær (Adelson-Velskii og Landis, 1962) Splay-trær (Sleator og Tarjan, 1985)

Makroøkonomi - B1. Innledning. Begrep. Mundells trilemma 1 går ut på følgende:

Løsningsforslag øving 10 TMA4110 høsten 2018

Seleksjon og uttak av alderspensjon fra Folketrygden

Eksamensoppgave i SØK Statistikk for økonomer

_. 3* ; Kommunen ber om kr ,- for inndekking av kostnader med på kongeørn i Rissa kommune i perioden 25. juli august 2015.

MAT1030 Forelesning 21

STK1110 høsten Lineær regresjon. Svarer til avsnittene i læreboka (med unntak av stoffet om logistisk regresjon)

Formler og regler i statistikk ifølge lærebok Gunnar Løvås: Statistikk for universiteter og høgskoler

Tillegg 7 7. Innledning til FY2045/TFY4250

EKSAMEN ny og utsatt løsningsforslag

Det ble orientert i plenum under eksamensdagen om følgende endringer i forhold til oppgaven:

Eksamen Nynorsk side 2 4. Bokmål side 5 7. Felles vedlegg side 9 17

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

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

Geometriske operasjoner

Eksamen ECON 2200, Sensorveiledning Våren Deriver følgende funksjoner. Deriver med hensyn på begge argumenter i e) og f).

\ ;' STIKKORD: FILTER~ VEIEFEIL YRKESHYGIENISK INSTITUTT REGISTRERI~G AV FEILKILDER AVDELING: TEKNISK AVDELING RØNNAUG BRUUN HD 839/80820

Løsningsforslag Eksamen i Statistikk Nov 2001 Oppgave 1 a) Det fins 8 mulige kombinasjoner. Disse finnes ved å utelate ett og ett tall.

IN1 Audio Module. Innføring og hurtigreferanse

i kjemiske forbindelser 5. Hydrogen har oksidasjonstall Oksygen har oksidsjonstall -2

Appendiks 1: Organisering av Riksdagsdata i SPSS. Sannerstedt- og Sjölins data er klargjort for logitanalyse i SPSS filen på følgende måte:

DET KONGELIGE FISKERI- OG KYSTDEPARTEMENT. prisbestemmelsen

OBLIGATORISK OPPGAVE 1 INF 3340/4340/9340 HØSTEN 2005

Transkript:

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 organ Matemats nsttutt Unverstetet Oslo V treer tlfeldg ett ort og så ett ort tl A «første ort er rødt» «andre ort er svart» V har at P(A 4/ /3 Hvs A har nntruffet er sannsynlgheten for l /5 Dette er den betngede sannsynlgheten for gtt A I esempel er det ntutvt lart hva betnget sannsynlghet er Det er e alltd le enelt: Hva er den betngede sannsynlgheten for at begge ortene er røde gtt at mnst ett av dem er rødt? Hva er den betngede sannsynlgheten for at det første ortet er rødt gtt at det andre er svart? V trenger en defnson av betnget sannsynlghet! V vl brue et esempel tl å motvere defnsonen V srver P( A /5 4 Norse barn delt nn etter ønn og fargeblndhet: Normal Fargeblnd Totalt Gutt 47.3 % 4. % 5.4 % Jente 48.3 % 0.3 % 48. % Totalt 95. % 4.4 % 00 % V velger tlfeldg ett barn og ser på begvenhetene: F «barnet er fargeblndt» G «barnet er en gutt» V har P(G 0.54 og Det er «opplagt» at P( F G 0.04 0.54 P( F G 0.04 ( F G P( G 5 Esemplet motverer defnsonen: ( ( A P A P( Ved å bytte om «rollene» tl A og ( ( A P A P( A

Esempel V ser gen på ortesemplet V treer tlfeldg ett ort og så ett ort tl V an tree to ort på. 5 måter V an tree først et rødt og så et svart ort på 4. 8 måter V an tree det første ort rødt på 4. 5 0 måter Det gr P( A 8 P( A 0 A «første ort er rødt» «andre ort er svart» Dermed er ( ( A P A P( A 8 / 8 0 / 0 5 V vl bestemme P( A ut fra defnsonen (det gr en se på at defnsonen er rmelg 7 (selvfølgelg! 8 Esempel 3 Hva er den betngede sannsynlgheten for at det første ortet er rødt gtt at det andre er svart? (Jf. det andre spørsmålet ovenfor V har funnet at P( A 8 V an få et svart ort andre gang på to måter: først rødt, så svart ort, dvs A to svarte ort, dvs A A «første ort er rødt» «andre ort er svart» V vl bestemme Dermed er P( P( A + P( A Det gr at ( ( A P A P( 4 0 + 5 5 3 (dvs. l sannsynlgheten for at første ort er svart 8 / 8 4 0 / 0 5 9 0 P( A Hva betyr det egentlg at den betngede sannsynlgheten er 4/5 80% for at det første ortet er rødt gtt at det andre er svart? Produtsetnngen Hus at sannsynlghet er relatv frevens «det lange løp» V tener oss at v treer to ort mange ganger At P(A /3 betyr at det første ortet vl være rødt ca /3 av gangene Defnson av betnget sannsynlghet: ( ( A P A P( Denne gr produtsetnngen: P( A P( A P( At P(A 4/5 betyr at hvs v bare teller med de gangene der det andre ortet er svart, så vl det første ortet være rødt ca 4/5 av dsse gangene Tlsvarende: P( A P( A P( A

Esempel 4 Ovenfor fant v P( A ortesemplet som antall gunstge utfall delt på antall mulge utfall V an også fnne denne sannsynlgheten ved produtsetnngen V har P ( A 4 og P( A 5 Dermed gr produtsetnngen: P( A P( A P( A 4 4 5 5 3 Produtsetnngen for tre begvenheter: P( A A A 3 P( A A P( A A A 3 P( A P( A A P( A A A 3 Produtsetnngen gelder på tlsvarende måte for fre og flere begvenheter 4 Esempel 5 Etter offentlg statst er sannsynlgheten 95% for at 5 år gammel vnne sal bl mnst 70 år 9% for at 70 år gammel vnne sal bl mnst 75 år 87% for at 75 år gammel vnne sal bl mnst 80 år Opplysnngene gr: P( A 0.95 P( A A 0.9 P( A A A 0.87 3 Hva er sannsynlgheten for at 5 år gammel vnne sal bl mnst 80 år? V tar for oss 5 år gammel vnne og ser på begvenhetene A «vnnen blr mnst 70 år» A «vnnen blr mnst 75 år» A 3 «vnnen blr mnst 80 år» 5 Hvs vnnen blr mnst 80 år, blr hun også mnst 70 år og mnst 75 år Derfor er A A A3 A3 P(mnst 80 år P( A 3 P( A A A3 P( A P( A A P( A A A 3 0.95 0.9 0.87 0.7 Total sannsynlghet Anta at A, A,..., A er dsunte og at A A... A S Dette og produtsetnngen gr setnngen om total sannsynlghet P( P( A A V an da srve en begvenhet som en unon av dsunte begvenheter: ( A ( A... ( A A 3 A A 4 P( A P( A 7 Esempel En bedrft produserer varer på to masner Masn I produserer 35% av varene Masn II produserer 5% av varene 3% av varene fra masn I er defete % av varene fra masn II er defete En vare velges tlfeldg fra lageret Hva er sannsynlgheten for at varen er defet? 8

V ser på hendelsene: «varen er defet» A «varen ommer fra masn I» A «varen ommer fra masn II» Da er: P( A 0.35 P( A 0.5 P( A 0.03 P( A 0.0 Setnngen om total sannsynlghet gr: P( P( A P( A + P( A P( A 0.03 0.35 + 0.0 0.5 0.07 9 Esempel 7 V legger fre røde ort og to svarte ort bune I to røde ort og fre svarte ort bune II V velger tlfeldg en bune og treer to ort fra denne Hva er sannsynlgheten for at v får to røde ort? 0 A «v treer fra bune I» A «v treer fra bune II» «v treer to røde ort» Opplysnngene gr: P( A P( A 4 3 P( A 5 5 P( A 5 5 ayes' setnng Anta at A, A,..., A er dsunte og at A A... A S Defnsonen av betnget sannsynlghet gr at ( ( A P A P( V bruer produtsetnngen for telleren og total sannsynlghet for nevneren og får ayes' setnng: Setnngen om total sannsynlghet gr 7 P( + 0.33 5 5 P( A P( A P( A P( A P( A Esempel 8 Se på esempelet med produson av varer Hvs varen er defet, hva er da sannsynlgheten for at den ommer fra den første masnen? V har dsse begvenhetene og sannsynlghetene: «varen er defet» A «varen ommer fra masn I» A «varen ommer fra masn II» P( A 0.35 P( A 0.5 P( A 0.03 P( A 0.0 3 ayes setnng gr: P( A P( A P( A P( A P( A + P( A P( A 0.03 0.35 0.03 0.35 + 0.0 0.5 0. I det lange løp ommer % av de defete varene fra masn I 4

Esempel 9 V ser på esempel 7 Hvs begge ortene er røde, hva er sannsynlgheten for at v tra fra bune I? A «v treer fra bune I» A «v treer fra bune II» «v treer to røde ort» Esempel 0 En vnne tar en mamografundersøelse S «vnnen har brystreft» M «undersøersøelsen vser tegn på reft» P( A P( A P( A P( A 5 5 ayes setnng gr: P( A 5 + 5 5 Fra erfarnger med mammograf har v P( M S 0.95 P( M S 0.035 V antar at P( S 0.007 7 5 Anta at undersøelsen vser tegn på reft Hva er da sannsynlgheten for at vnnen vrelg har reft? ayes setnng gr: P( S M P( M S P( S P( M S P( S + P( M S P( S 0.95 0.007 0.95 0.007 + 0.035 0.993 0. Selv om undersøelsen vser tegn på reft, er det bare % sannsynlg at hun vrelg har det 7