HY / Matematiikan ja tilastotieteen laitos Tilastollinen päättely II, kevät 2017 Harjoitus 1 Ratkaisuehdotuksia Tehtäväsarja I

Koko: px
Aloita esitys sivulta:

Download "HY / Matematiikan ja tilastotieteen laitos Tilastollinen päättely II, kevät 2017 Harjoitus 1 Ratkaisuehdotuksia Tehtäväsarja I"

Transkriptio

1 HY / Matematiikan ja tilastotieteen laitos Tilastollinen päättely II, kevät 2017 Harjoitus 1 Ratkaisuehdotuksia Tehtäväsarja I Tehtävä 1 on klassikko. 1. Tässä tehtävässä tapahtumat A ja B eivät välttämättä ole erillisiä. Todista a-, b-kohdan kaavat käyttämällä tn-mitan (äärellistä) additiivisuutta, eli kaavaa (1.2). Kyseessä olevien tapahtumien erillisyyden voit tarkistaa joko Vennin diagrammien avulla tai muulla tavalla. (a) P(A B) P(A) + P(B \ A), (b) P(B) P(A B) + P(B \ A). (c) Tarkista, että ns. yhteenlaskukaava P(A) + P(B) P(A B) + P(A B) on voimassa. (a) Tiedetään, että B \ A B A c, joten joukkoleikkauksen vaihdannaisuuden ja liitännäisyyden avulla voidaan laskea, että A (B \ A) A (B A c ) A (A c B) (A A c ) B B. Lisäksi käytettiin hyväksi tietoa, että joukon ja sen komplementin leikkaus on tyhjä sekä sitä, että tyhjän joukon leikkaus minkä tahansa joukon kanssa on tyhjä. Siispä tapahtumat A ja B \ A ovat erillisiä. Tn-mitan additiivisuuden mukaan P(A) + P(B \ A) P(A (B \ A)) Vertaamalla tätä tehtävän väitteeseen, huomataan, että väite seuraa, jos A B A (B \ A), sillä tällöin P(A B) P(A (B \ A)) P(A) + P(B \ A). Osoitetaankin, että A B A (B \ A). Koska B \ A B A c B, niin A (B \ A) A B. Toisaalta, jos x A B, niin x A tai x B. Jos x A, niin varmasti x A (B \A). Riittää siis tarkastella tapausta, kun x / A. Koska kuitenkin x A tai x B, niin päättelemme, että tällöin x B. Siispä x B A c B \ A, joten myös nyt x A (B \A). Olemme siis päätelleet, että A B A (B \A) Koska A (B \ A) A B ja A B A (B \ A), niin A B A (B \ A). (b) Kuten edellisessä kohdassa, lähdetään liikkeelle näyttämällä, että tapahtumat (A B) ja (B \ A) ovat erillisiä. Joukkoleikkauksen vaihdannaisuuden ja liitännäisyyden avulla voidaan laskea, että (A B) (B \ A) (A B) (B A c ) (A A c ) (B B) B

2 Siispä tapahtumat (A B) ja (B \ A) ovat erillisiä. Edellisen kohdan tapaan väitteen osoittamiseksi riittää näyttää, että B (A B) (B \ A), sillä tällöin tn-mitan additiivisuuden mukaan P(B) P((A B) (B \ A)) P(A B) + P(B \ A). Osoitetaan siis, että B (A B) (B \ A). Jos x (A B) (B \ A), niin x (A B) tai x (B \ A). Jos x (A B), niin x B. Jos taas x (B \ A), niin tällöin myös x B. Siispä jos x (A B) (B \ A), niin x B, eli (A B) (B \ A) B. Toisaalta jos y B, niin y (B A) tai y (B A c ) B\A. Siispä tällöin y (A B) (B\A), eli B (A B) (B\A). Näin ollen B (A B) (B \ A). (c) a-kohdan perusteella P(A B) P(A) + P(B \ A) ja b-kohdan perusteella P(A B) P(B) P(B \ A). Nyt P(A B) + P(A B) P(A) + P(B \ A) + P(B) P(B \ A) P(A) + P(B). Siis yhteenlaskukaava on voimassa. 2. Olkoon P(A) 0.5, P(B) 0.4 ja P(A B) 0.3. Laske seuraavien tapahtumien todennäköisyydet, a) B c, b) A B, c) A B c, d) A c B c. (a) Lauseen 1.1 (b) perusteella P(B c ) 1 P(B) (b) Yhteenlaskukaavan (lause 1.1 (f)) perusteella P(A B) P(A) + P(B) P(A B) (c) Koska (A B c ) (B \ A), niin lauseen 1.1 (e) perusteella P(A B c ) P(A \ B) P(A) P(A B) (d) Koska (A c B c ) (Ω\A) (Ω\B) Ω\(A B), niin lauseen 1.1 (e) perusteella P(A c B c ) P(Ω\(A B)) P(Ω) P(Ω (A B)) 1 P(A B) Noppaa heitetään kuusi kertaa. Laske todennäköisyys, että saadaan korkeintaan yksi ykkönen. Merkitään tapahtumia A 0 saadaan tasan 0 ykköstä ja A 1 saadaan tasan 1 ykkönen. Nyt tapahtuman A 0 tapahtuminen tarkoittaa, että jokaisen kuuden heiton silmäluku on 2, 3, 4, 5 tai 6. Yhdellä heitolla tällaisen tapahtuman todennäköisyys on tietysti 5 6. Koska nopanheittojen silmäluvut voidaan olettaa toisistaan riippumattomiksi, niin ( ) 5 6 P(A 0 ) Tapahtuma A 1 voidaan lausua kuuden erillisen tapahtuman B i saadaan ykkönen i:nnellä heitolla ja muilla heitoilla ei saada ykköstä

3 yhdisteenä, missä i 1, 2, 3, 4, 5, 6. Koska silmäluvut voidaan olettaa toisistaan riippumattomiksi, niin kaikilla i, P(B i ) 1 ( ) Nyt koska A 1 on erillisten tapahtumien B i yhdiste, niin P(A 1 ) P(B i ) 6 i Kysytty todennäköisyys on erillisten tapahtumien A 0 ja A 1 yhdiste, jolloin sen todennäköisyys on Tehtävässä houkuttaisi puhua binomijakaumasta, mutta emme halua vielä tässä vaiheessa kurssia puhua mistään sellaisesta :) 4. Noppaa heitetään kerran. Jos nopan silmäluku on vähintään viisi, niin tämän jälkeen lanttia heitetään yhtä monta kertaa, kuin nopan silmäluku. Muussa tapauksessa lanttia heitetään kahdesti. Laske todennäköisyys, että tässä kokeessa lantinheitoissa ei saada yhtään kruunaa. (Vihje: kokonaistodennäköisyys.) Merkitään A 5 : saadaan nopasta silmäluku viisi A 6 : saadaan nopasta silmäluku kuusi ja A 1234 : saadaan nopasta silmäluku 1,2,3 tai 4. Nyt P(A 5 ) P(A 6 ) 1 6 P(A 1234 ) 4. 6 Merkitään B : lantinheitossa ei saada yhtään kruunaa. Tapahtuma B voi tapahtua kolmella tavalla : Kahden kolikon heitossa ei saada yhtään kruunaa eli molemmat ovat klaavoja. Tämä vaatii tapahtuman A 1234 tapahtumisen, eli tapahtuman todennäköisyys on ehdollinen todennäköisyys P(B A 1234 ). Koska kolikonheitot voidaan olettaa riippumattomiksi, niin P(B A 1234 ) Viiden kolikon heitossa ei saada yhtään kruunaa eli kaikki viisi heittoa ovat klaavoja. Tämä vaatii tapahtuman A 5 tapahtumisen, eli tapahtuman todennäköisyys on ehdollinen todennäköisyys P(B A 5 ) ja riippumattomuuden nojalla P(B A 5 ) ( 1 2 ) Kuuden kolikon heitossa ei saada yhtään kruunaa eli kaikki kuusi heittoa ovat klaavoja. Tämä vaatii tapahtuman A 6 tapahtumisen, eli tapahtuman todennäköisyys on ehdollinen todennäköisyys P(B A 6 ) ja riippumattomuuden nojalla P(B A 6 ) ( 1 2 ) Tapahtumat A 1234, A 5 ja A 6 ovat perusjoukon ositus, jolloin ne osittavat tapahtuman B eli B (B A 1234 ) (B A 5 ) (B A 6 ). Näin ollen kokonaistodennäköisyyden kaavalla saadaan P(B) P(A 1234 )P(B A 1234 ) + P(A 5 )P(B A 5 ) + P(A 6 )P(B A 6 ) ja

4 5. Eräs opiskelija P vastaa monivalintatehtävään. Mikäli P tietää oikean vastauksen, hän valitsee sen. Muussa tapauksessa P arvaa yhden tarjolla olevista kuudesta vaihtoehdoista umpimähkään. P tietää oikean vastauksen todennäköisyydellä 0.7. P vastaa ko. monivalintatehtävään oikein. Millä todennäköisyydellä hän todella tietää oikean vastauksen? (Selvennys: tässä tietenkin kysytään ehdollista todennäköisyyttä.) Merkitään tapahtumaa T P tietää vastauksen tehtävään, jolloin T c P ei tiedä vastausta tehtävään, ja tapahtumaa O P vastaa tehtävään oikein. Tehtävänannosta saadaan P(T ) ja tästä todetaan, että P(T c ) 3. Koska P valitsee oikean vastauksen (eli vastaa oikein), jos hän tietää vastauksen kysymykseen, niin P(O T ) 1. Jos hän taas ei tiedä vastausta, niin hän joutuu arvaamaan ja osuu oikeaan todennäköisyydellä 1. Siis P(O T c ) 1. Nyt T ja T c osittavat O:n, 6 6 eli O (O T ) (O T c ). Siten (kokonais)todennäköisyys, että P vastaa oikein on P(O) P(T )P(O T ) + P(T c )P(O T c ) ja kysytty todennäköisyys saadaan Bayesin kaavalla: P(T O) P(T )P(O T ) P(O) Heitetään noppaa kahdesti. Olkoon A tapahtuma jompi kumpi silmäluvuista on 1 tai 2 ja olkoon B tapahtuma jompi kumpi silmäluvuista on 3 tai 4. a) Näytä (suoraan laskemalla) määritelmän 1.4 avulla, että A ja B eivät ole riippumattomia. b) Olkoon C tapahtuma ensimmäisellä heitolla saatiin 4,5 tai 6 ja toisella heitolla saatiin 2,5 tai 6. Näytä (suoraan laskemalla) määritelmän 1.6 avulla, että A ja B ovat ehdollisesti riippumattomia ehdolla C. a) Olkoon perusjoukko Ω {1, 2, 3, 4, 5, 6} {1, 2, 3, 4, 5, 6} {(x, y) : x, y {1, 2, 3, 4, 5, 6}}, missä ensimmäinen luku ilmaisee ensimmäisen ja toinen luku toisen heiton tuloksen. Luettelemalla kaikki suotuisat alkeistapaukset ja käyttämällä klassista todennäköisyyttä saadaan P(A B) P( jompi kumpi silmäluvuista on 1 tai 2, ja jompi kumpi silmäluvuista on 3 tai 4 ) P({(1, 3), (1, 4), (2, 3), (2, 4), (3, 1), (3, 2), (4, 1), (4, 2)}) Tapahtuman A todennäköisyydeksi saadaan P(A) 1 P(A c ) 1 P( kummallakin nopalla saadaan 3, 4, 5 tai 6 ) 1 P({3, 4, 5, 6} {3, 4, 5, 6})

5 ja samanlaisella päättelyllä myös tapahtuman B tn:ksi saadaan P(B) 5. 9 Nyt siis P(A B) P(A) P(B), 9 joten tapahtumat A ja B eivät ole riippumattomia. b) Siis tapahtuma C {4, 5, 6} {2, 5, 6} {(4, 2), (4, 5), (4, 6), (5, 2), (5, 5), (5, 6), (6, 2), (6, 5), (6, 6)} ja sen todennäköisyys P (C) Nyt P((A B) C) P(A B C) P({(4, 2)}) 1/62 9/ /62 9/6 3/62 2 9/6 2 P({(4, 2), (5, 2), (6, 2)}) P(A C) P(B C) P(A C) P(B C), eli A ja B ovat ehdollisesti riippumattomia ehdolla C. P({(4, 2), (4, 5), (4, 6)})

Todennäköisyyslaskenta I, kesä 2017 Helsingin yliopisto/avoin Yliopisto Harjoitus 1, ratkaisuehdotukset

Todennäköisyyslaskenta I, kesä 2017 Helsingin yliopisto/avoin Yliopisto Harjoitus 1, ratkaisuehdotukset Todennäköisyyslaskenta I, kesä 207 Helsingin yliopisto/avoin Yliopisto Harjoitus, ratkaisuehdotukset. Kokeet ja Ω:n hahmottaminen. Mitä tarkoittaa todennäköisyys on? Olkoon satunnaiskokeena yhden nopan

Lisätiedot

Todennäköisyys (englanniksi probability)

Todennäköisyys (englanniksi probability) Todennäköisyys (englanniksi probability) Todennäköisyyslaskenta sai alkunsa 1600-luvulla uhkapeleistä Ranskassa (Pascal, Fermat). Nykyisin todennäköisyyslaskentaa käytetään hyväksi mm. vakuutustoiminnassa,

Lisätiedot

2 exp( 2u), kun u > 0 f U (u) = v = 3 + u 3v + uv = u. f V (v) dv = f U (u) du du f V (v) = f U (u) dv = f U (h(v)) h (v) = f U 1 v (1 v) 2

2 exp( 2u), kun u > 0 f U (u) = v = 3 + u 3v + uv = u. f V (v) dv = f U (u) du du f V (v) = f U (u) dv = f U (h(v)) h (v) = f U 1 v (1 v) 2 HY, MTO / Matemaattisten tieteiden kandiohjelma Todennäköisyyslaskenta IIa, syksy 208 Harjoitus 4 Ratkaisuehdotuksia Tehtäväsarja I. Satunnaismuuttuja U Exp(2) ja V = U/(3 + U). Laske f V käyttämällä muuttujanvaihtotekniikkaa.

Lisätiedot

Todennäköisyyslaskenta IIa, syyslokakuu 2019 / Hytönen 2. laskuharjoitus, ratkaisuehdotukset

Todennäköisyyslaskenta IIa, syyslokakuu 2019 / Hytönen 2. laskuharjoitus, ratkaisuehdotukset Todennäköisyyslaskenta IIa, syyslokakuu 019 / Hytönen. laskuharjoitus, ratkaisuehdotukset 1. Kurssilla on 0 opiskelijaa, näiden joukossa Jutta, Jyrki, Ilkka ja Alex. Opettaja aikoo valita umpimähkään opiskelijan

Lisätiedot

Tehtäväsarja I Tehtävät 1-5 perustuvat monisteen kappaleisiin ja tehtävä 6 kappaleeseen 2.8.

Tehtäväsarja I Tehtävät 1-5 perustuvat monisteen kappaleisiin ja tehtävä 6 kappaleeseen 2.8. HY, MTO / Matemaattisten tieteiden kandiohjelma Todennäköisyyslaskenta IIa, syksy 8 Harjoitus Ratkaisuehdotuksia Tehtäväsarja I Tehtävät -5 perustuvat monisteen kappaleisiin..7 ja tehtävä 6 kappaleeseen.8..

Lisätiedot

Miten hyvin mallit kuvaavat todellisuutta? Tarvitaan havaintoja.

Miten hyvin mallit kuvaavat todellisuutta? Tarvitaan havaintoja. Luku 1 Johdanto 1.1 Todennäköisyys ja tilastotiede Kurssi käsittelee todennäköisyyslaskentaa ja tilastotiedettä. Laaditaan satunnaisilmiöille todennäköisyysmalleja. Miten hyvin mallit kuvaavat todellisuutta?

Lisätiedot

1. Kuusisivuista noppaa heitetään, kunnes saadaan silmäluku 5 tai 6. Olkoon X niiden heittojen lukumäärä, joilla tuli 1, 2, 3 tai 4.

1. Kuusisivuista noppaa heitetään, kunnes saadaan silmäluku 5 tai 6. Olkoon X niiden heittojen lukumäärä, joilla tuli 1, 2, 3 tai 4. HY / Matematiikan ja tilastotieteen laitos Todennäköisyyslaskenta II, syksy 206 Kurssikoe 28.0.206 Ratkaisuehdotuksia. Kuusisivuista noppaa heitetään, kunnes saadaan silmäluku 5 tai 6. Olkoon X niiden

Lisätiedot

ABHELSINKI UNIVERSITY OF TECHNOLOGY

ABHELSINKI UNIVERSITY OF TECHNOLOGY Todennäköisyyslaskennan käsitteitä Satunnaisuus ja deterministisyys Deterministisessä ilmiössä alkutila määrää lopputilan yksikäsitteisesti. Satunnaisilmiö puolestaan arpoo - yhdestä alkutilasta voi päätyä

Lisätiedot

Varma tapahtuma, Yhdiste, Yhdistetty tapahtuma, Yhteenlaskusääntö

Varma tapahtuma, Yhdiste, Yhdistetty tapahtuma, Yhteenlaskusääntö Mat-2.090 Sovellettu todennäköisyyslasku A / Ratkaisut Aiheet: Avainsanat: Unioni, Todennäköisyyslaskennan peruskäsitteet Todennäköisyyslaskennan peruslaskusäännöt Alkeistapahtuma, Ehdollinen todennäköisyys,

Lisätiedot

Sovellettu todennäköisyyslaskenta B

Sovellettu todennäköisyyslaskenta B Sovellettu todennäköisyyslaskenta B Antti Rasila Kalvoissa käytetään materiaalia P. Palon vuoden 2005 kurssista. 07.09.2007 Antti Rasila () SovTodB 07.09.2007 07.09.2007 1 / 24 1 Todennäköisyyslaskennan

Lisätiedot

(b) Tarkista integroimalla, että kyseessä on todella tiheysfunktio.

(b) Tarkista integroimalla, että kyseessä on todella tiheysfunktio. Todennäköisyyslaskenta I, kesä 7 Harjoitus 4 Ratkaisuehdotuksia. Satunnaismuuttujalla X on ns. kaksipuolinen eksponenttijakauma eli Laplacen jakauma: sen tiheysfunktio on fx = e x. a Piirrä tiheysfunktio.

Lisätiedot

Kurssilla esitetään lyhyt katsaus niihin todennäköisyyden ja satunnaisprosessien peruskäsitteisiin ja -ominaisuuksiin, joita tarvitaan digitaalisten

Kurssilla esitetään lyhyt katsaus niihin todennäköisyyden ja satunnaisprosessien peruskäsitteisiin ja -ominaisuuksiin, joita tarvitaan digitaalisten Todennäköisyys Kurssilla esitetään lyhyt katsaus niihin todennäköisyyden ja satunnaisprosessien peruskäsitteisiin ja -ominaisuuksiin, joita tarvitaan digitaalisten tietoliikennejärjestelmien ymmärtämisessä

Lisätiedot

1. Matkalla todennäköisyyteen

1. Matkalla todennäköisyyteen 1. Matkalla todennäköisyyteen Wovon man nicht sprechen kann, darüber muss man schweigen (Ludwig Wittgenstein, Tractatus Logico-Philosophicus 1921) Miten ihmeessä tämä liittyy tähän kurssiin????!?? 1.1

Lisätiedot

Mat Sovellettu todennäköisyyslasku A

Mat Sovellettu todennäköisyyslasku A TKK / Systeemianalyysin laboratorio Nordlund Mat-2.090 Sovellettu todennäköisyyslasku Harjoitus 2 (vko 39/2003) (ihe: tapahtumien todennäköisyys, Laininen luvut 1.6 2.4) 1. Tarkastellaan rinnan- ja sarjaankytketyistä

Lisätiedot

&idx=2&uilang=fi&lang=fi&lvv=2015

&idx=2&uilang=fi&lang=fi&lvv=2015 20.10.2015/1 MTTTP5, luento 20.10.2015 1 Kokonaisuudet, joihin opintojakso kuuluu https://www10.uta.fi/opas/opintojakso.htm?rid=11585 &idx=2&uilang=fi&lang=fi&lvv=2015 2 Osaamistavoitteet Opiskelija osaa

Lisätiedot

3. Kirjoita seuraavat joukot luettelemalla niiden alkiot, jos mahdollista. Onko jokin joukoista tyhjä joukko?

3. Kirjoita seuraavat joukot luettelemalla niiden alkiot, jos mahdollista. Onko jokin joukoista tyhjä joukko? HY / Avoin yliopisto Johdatus yliopistomatematiikkaan, kesä 2015 Harjoitus 1 Ratkaisuehdotuksia Tehtäväsarja I Seuraavat tehtävät liittyvät luentokalvoihin 1 14. Erityisesti esimerkistä 4 ja esimerkin

Lisätiedot

9 Yhteenlaskusääntö ja komplementtitapahtuma

9 Yhteenlaskusääntö ja komplementtitapahtuma 9 Yhteenlaskusääntö ja komplementtitapahtuma Kahta joukkoa sanotaan erillisiksi, jos niillä ei ole yhtään yhteistä alkiota. Jos pysytellään edelleen korttipakassa, niin voidaan ilman muuta sanoa, että

Lisätiedot

D ( ) E( ) E( ) 2.917

D ( ) E( ) E( ) 2.917 Mat-2.091 Sovellettu todennäköisyyslasku 4. harjoitukset/ratkaisut Aiheet: Diskreetit jakaumat Avainsanat: Binomijakauma, Diskreetti tasainen jakauma, Geometrinen jakauma, Hypergeometrinen jakauma, Kertymäfunktio,

Lisätiedot

031021P Tilastomatematiikka (5 op)

031021P Tilastomatematiikka (5 op) 031021P Tilastomatematiikka (5 op) Jukka Kemppainen Mathematics Division Yleinen todennäköisyys Kertausmateriaalissa esiteltiin koulusta tuttuja todennäköisyysmalleja. Tällä kurssilla todennäköisyys on

Lisätiedot

Suotuisien tapahtumien lukumäärä Kaikki alkeistapahtumien lukumäärä

Suotuisien tapahtumien lukumäärä Kaikki alkeistapahtumien lukumäärä Todennäköisyys 1 Klassinen todennäköisyys: p = Suotuisien tapahtumien lukumäärä Kaikki alkeistapahtumien lukumäärä Esimerkkejä: Nopan heitto, kolikon heitto Satunnaismuuttuja Tilastollisesti vaihtelevaa

Lisätiedot

1. laskuharjoituskierros, vko 4, ratkaisut

1. laskuharjoituskierros, vko 4, ratkaisut 1. laskuharjoituskierros, vko 4, ratkaisut D1. Heitetään kahta virheetöntä noppaa, joiden kuudella tahkolla on silmäluvut 1, 2, 3, 4, 5 ja 6. Tällöin heittotuloksiin liittyvä otosavaruus on S = {(x, y)

Lisätiedot

3.7 Todennäköisyysjakaumia

3.7 Todennäköisyysjakaumia MAB5: Todennäköisyyden lähtökohdat 4 Luvussa 3 Tunnusluvut perehdyimme jo jakauman käsitteeseen yleensä ja normaalijakaumaan vähän tarkemmin. Lähdetään nyt tutustumaan binomijakaumaan ja otetaan sen jälkeen

Lisätiedot

Todennäköisyyslaskenta I. Ville Hyvönen

Todennäköisyyslaskenta I. Ville Hyvönen Todennäköisyyslaskenta I Ville Hyvönen Kesä 2016 Sisältö 1 Todennäköisyys 3 1.1 Klassinen todennäköisyys............................ 3 1.2 Kombinatoriikkaa................................ 6 1.2.1 Tuloperiaate...............................

Lisätiedot

(x, y) 2. heiton tulos y

(x, y) 2. heiton tulos y Mat-1.2620 Sovellettu todennäköisyyslaskenta B / Tehtävät Demo-tehtävät: 1, 2, 4, 6, 8, 11 Pistetehtävät: 3, 5, 9, 12 Ylimääräiset tehtävät: 7, 10, 13 Aiheet: Joukko-oppi Todennäköisyys ja sen määritteleminen

Lisätiedot

Osa 1: Todennäköisyys ja sen laskusäännöt

Osa 1: Todennäköisyys ja sen laskusäännöt Todennäköisyyslaskenta Osa 1: Todennäköisyys ja sen laskusäännöt - Satunnaiskokeet, otosavaruudet ja tapahtumat - Todennäköisyyden määritteleminen KE (2014) 1 Satunnaiskokeet, otosavaruudet ja tapahtumat

Lisätiedot

Osa 1: Todennäköisyys ja sen laskusäännöt. Kokonaistodennäköisyyden ja Bayesin kaavat

Osa 1: Todennäköisyys ja sen laskusäännöt. Kokonaistodennäköisyyden ja Bayesin kaavat Ilkka Mellin Todennäköisyyslaskenta Osa 1: Todennäköisyys ja sen laskusäännöt Kokonaistodennäköisyyden ja Bayesin kaavat TKK (c) Ilkka Mellin (2007) 1 Kokonaistodennäköisyys ja Bayesin kaava >> Kokonaistodennäköisyys

Lisätiedot

Ratkaisu: (b) A = x 0 (R(x 0 ) x 1 ( Q(x 1 ) (S(x 0, x 1 ) S(x 1, x 1 )))).

Ratkaisu: (b) A = x 0 (R(x 0 ) x 1 ( Q(x 1 ) (S(x 0, x 1 ) S(x 1, x 1 )))). HY / Matematiikan ja tilastotieteen laitos Johdatus logiikkaan I, syksy 2018 Harjoitus 3 Ratkaisuehdotukset 1. Palataan Partakylään. Olkoon P partatietokanta ja M tästä saatu malli kuten Harjoitusten 1

Lisätiedot

vkp 4*(1+0)/(32-3)-1= vkp 2*(1+0)/(32-3)=

vkp 4*(1+0)/(32-3)-1= vkp 2*(1+0)/(32-3)= JÄRJESTYSKORRELAATIO 1. Hannu ja Kerttu pitävät karamelleista, mutta heidän mieltymyksensä poikkeavat hieman. Hannun mielestä punaiset karkit ovat parhaita ja keltaiset miellyttävät häntä vähiten. Kerttu

Lisätiedot

Todennäköisyyslaskenta I

Todennäköisyyslaskenta I Todennäköisyyslaskenta I Ville Hyvönen, Topias Tolonen 1 Kesä 2017 1 Luentomateriaali alun perin Villen käsialaa kesältä 2016, materiaalia muokataan kesän 2017 luentojen mukana ajan tapaa ja luennoitsijan

Lisätiedot

30A02000 Tilastotieteen perusteet

30A02000 Tilastotieteen perusteet 30A02000 Tilastotieteen perusteet Kertaus 1. välikokeeseen Lauri Viitasaari Tieto- ja palvelujohtamisen laitos Kauppatieteiden korkeakoulu Aalto-yliopisto Syksy 2019 Periodi I-II Sisältö Välikokeesta Joukko-oppi

Lisätiedot

MS-A0501 Todennäköisyyslaskennan ja tilastotieteen peruskurssi

MS-A0501 Todennäköisyyslaskennan ja tilastotieteen peruskurssi M-0501 Todennäköisyyslaskennan ja tilastotieteen peruskurssi Viikko 1: Todennäköisyyslaskennan peruskäsitteet; Todennäköisyyden aksioomat; Todennäköisyyslaskennan peruslaskusäännöt; Kokonaistodennäköisyyden

Lisätiedot

Käytetään satunnaismuuttujaa samoin kuin tilastotieteen puolella:

Käytetään satunnaismuuttujaa samoin kuin tilastotieteen puolella: 8.1 Satunnaismuuttuja Käytetään satunnaismuuttujaa samoin kuin tilastotieteen puolella: Esim. Nopanheitossa (d6) satunnaismuuttuja X kertoo silmäluvun arvon. a) listaa kaikki satunnaismuuttujan arvot b)

Lisätiedot

Mat Sovellettu todennäköisyyslasku A

Mat Sovellettu todennäköisyyslasku A Mat-2.090 Sovellettu todennäköisyyslasku A / Ratkaisut Aiheet: Avainsanat: Klassinen todennäköisyys ja kombinatoriikka Todennäköisyyden aksioomat Kokonaistodennäköisyys ja Bayesin kaava Bayesin kaava,

Lisätiedot

Diskreetin matematiikan perusteet Laskuharjoitus 1 / vko 8

Diskreetin matematiikan perusteet Laskuharjoitus 1 / vko 8 Diskreetin matematiikan perusteet Laskuharjoitus 1 / vko 8 Tuntitehtävät 1-2 lasketaan alkuviikon harjoituksissa ja tuntitehtävät 5- loppuviikon harjoituksissa. Kotitehtävät 3-4 tarkastetaan loppuviikon

Lisätiedot

1. Osoita, että joukon X osajoukoille A ja B on voimassa toinen ns. de Morganin laki (A B) = A B.

1. Osoita, että joukon X osajoukoille A ja B on voimassa toinen ns. de Morganin laki (A B) = A B. HY / Avoin yliopisto Johdatus yliopistomatematiikkaan, kesä 2015 Harjoitus 3 Ratkaisuehdotuksia Tehtäväsarja I Seuraavissa tehtävissä harjoitellaan muun muassa kahden joukon osoittamista samaksi sekä joukon

Lisätiedot

MS-A0501 Todennäköisyyslaskennan ja tilastotieteen peruskurssi

MS-A0501 Todennäköisyyslaskennan ja tilastotieteen peruskurssi MS-A050 Todennäköisyyslaskennan ja tilastotieteen peruskurssi B Satunnaismuuttujat ja todennäköisyysjakaumat Lasse Leskelä Matematiikan ja systeemianalyysin laitos Perustieteiden korkeakoulu Aalto-yliopisto

Lisätiedot

4.1. Olkoon X mielivaltainen positiivinen satunnaismuuttuja, jonka odotusarvo on

4.1. Olkoon X mielivaltainen positiivinen satunnaismuuttuja, jonka odotusarvo on Mat-2.090 Sovellettu todennäköisyyslasku A / Ratkaisut Aiheet: Avainsanat: Otanta Poisson- Jakaumien tunnusluvut Diskreetit jakaumat Binomijakauma, Diskreetti tasainen jakauma, Geometrinen jakauma, Hypergeometrinen

Lisätiedot

MAT Todennäköisyyslaskenta Tentti / Kimmo Vattulainen

MAT Todennäköisyyslaskenta Tentti / Kimmo Vattulainen MAT-5 Todennäköisyyslaskenta Tentti.. / Kimmo Vattulainen Vastaa jokainen tehtävä eri paperille. Funktiolaskin sallittu.. a) P A). ja P A B).6. Mitä on P A B), kun A ja B ovat riippumattomia b) Satunnaismuuttujan

Lisätiedot

(a) Kyllä. Jokainen lähtöjoukon alkio kuvautuu täsmälleen yhteen maalijoukon alkioon.

(a) Kyllä. Jokainen lähtöjoukon alkio kuvautuu täsmälleen yhteen maalijoukon alkioon. HY / Avoin yliopisto Johdatus yliopistomatematiikkaan, kesä 015 Harjoitus 4 Ratkaisuehdotuksia Tehtäväsarja I Seuraavat tehtävät liittyvät kuvauksiin. 1. Merkitään X = {1,,, 4}. Ovatko seuraavat säännöt

Lisätiedot

Johdatus todennäköisyyslaskentaan Kokonaistodennäköisyys ja Bayesin kaava. TKK (c) Ilkka Mellin (2005) 1

Johdatus todennäköisyyslaskentaan Kokonaistodennäköisyys ja Bayesin kaava. TKK (c) Ilkka Mellin (2005) 1 Johdatus todennäköisyyslaskentaan Kokonaistodennäköisyys ja Bayesin kaava TKK (c) Ilkka Mellin (2005) 1 Kokonaistodennäköisyys ja Bayesin kaava Kokonaistodennäköisyys ja Bayesin kaava: Johdanto Kokonaistodennäköisyyden

Lisätiedot

Mat Sovellettu todennäköisyyslasku. Aiheet: Todennäköisyyslaskennan peruskäsitteet Todennäköisyyslaskennan peruslaskusäännöt Avainsanat:

Mat Sovellettu todennäköisyyslasku. Aiheet: Todennäköisyyslaskennan peruskäsitteet Todennäköisyyslaskennan peruslaskusäännöt Avainsanat: Mat-2.091 Sovellettu todennäköisyyslasku Aiheet: Todennäköisyyslaskennan peruskäsitteet Todennäköisyyslaskennan peruslaskusäännöt Avainsanat: Alkeistapahtuma, Ehdollinen todennäköisyys, Erotustapahtuma,

Lisätiedot

MAT Todennäköisyyslaskenta Tentti / Kimmo Vattulainen

MAT Todennäköisyyslaskenta Tentti / Kimmo Vattulainen MAT-25 Todennäköisyyslaskenta Tentti 12.4.216 / Kimmo Vattulainen Funktiolaskin sallittu. Palauta kaavakokoelma 1. a) Pelaajat A ja B heittävät noppaa vuorotellen ja pelin voittaa se, joka saa ensimmäiseksi

Lisätiedot

Ratkaisu: a) Kahden joukon yhdisteseen poimitaan kaikki alkiot jotka ovat jommassakummassa joukossa (eikä mitään muuta).

Ratkaisu: a) Kahden joukon yhdisteseen poimitaan kaikki alkiot jotka ovat jommassakummassa joukossa (eikä mitään muuta). Matematiikan laitos Johdatus Diskreettiin Matematiikaan Harjoitus 1 03.11.2010 Ratkaisuehdotuksia Aleksandr Nuija 1. Tarkastellaan joukkoja A = {1,3,4}, B = {2,3,7,9} ja C = {2, 5, 7}. Määritä joukot (a)

Lisätiedot

ORMS2020 Päätöksenteko epävarmuuden vallitessa Syksy 2010 Harjoitus Mitkä todennäköisyystulkinnat sopivat seuraaviin väitteisiin?

ORMS2020 Päätöksenteko epävarmuuden vallitessa Syksy 2010 Harjoitus Mitkä todennäköisyystulkinnat sopivat seuraaviin väitteisiin? ORMS2020 Päätöksenteko epävarmuuden vallitessa Syksy 200 Harjoitus Ratkaisuehdotuksia. Mitkä todennäköisyystulkinnat sopivat seuraaviin väitteisiin? (a) Todennäköisyys että kolikonheitossa saadaan lopulta

Lisätiedot

HY, MTL / Matemaattisten tieteiden kandiohjelma Todennäköisyyslaskenta IIb, syksy 2017 Harjoitus 1 Ratkaisuehdotuksia

HY, MTL / Matemaattisten tieteiden kandiohjelma Todennäköisyyslaskenta IIb, syksy 2017 Harjoitus 1 Ratkaisuehdotuksia HY, MTL / Matemaattisten tieteiden kandiohjelma Todennäköisyyslaskenta IIb, syksy 07 Harjoitus Ratkaisuehdotuksia Tehtäväsarja I Osa tämän viikon tehtävistä ovat varsin haastavia, joten ei todellakaan

Lisätiedot

Tehtäväsarja I Seuraavissa tehtävissä harjoitellaan erilaisia todistustekniikoita. Luentokalvoista 11, sekä voi olla apua.

Tehtäväsarja I Seuraavissa tehtävissä harjoitellaan erilaisia todistustekniikoita. Luentokalvoista 11, sekä voi olla apua. HY / Avoin yliopisto Johdatus yliopistomatematiikkaan, kesä 2015 Harjoitus 2 Ratkaisuehdotuksia Tehtäväsarja I Seuraavissa tehtävissä harjoitellaan erilaisia todistustekniikoita. Luentokalvoista 11, 15-17

Lisätiedot

Juuri 10 Tehtävien ratkaisut Kustannusosakeyhtiö Otava päivitetty

Juuri 10 Tehtävien ratkaisut Kustannusosakeyhtiö Otava päivitetty Juuri 0 Tehtävien ratkaisut Kustannusosakeyhtiö Otava päivitetty 9..08 Kertaus K. a) Alapaineiden pienin arvo on ja suurin arvo 74, joten vaihteluväli on [, 74]. b) Alapaineiden keskiarvo on 6676870774

Lisätiedot

Todennäköisyys. Antoine Gombaud, eli chevalier de Méré?.? Kirjailija ja matemaatikko

Todennäköisyys. Antoine Gombaud, eli chevalier de Méré?.? Kirjailija ja matemaatikko Todennäköisyys TOD.NÄK JA TILASTOT, MAA10 Todennäköisyyslaskennan juuret ovat ~1650-luvun uhkapeleissä. Kreivi de Mérén noppapelit: Jos noppaa heitetään 4 kertaa, niin kannattaako lyödä vetoa sen puolesta,

Lisätiedot

TODENNÄKÖISYYS JA TILASTOT MAA6 KERTAUS

TODENNÄKÖISYYS JA TILASTOT MAA6 KERTAUS TODENNÄKÖISYYS JA TILASTOT MAA6 KERTAUS Klassinen todennäköisyys P suotuisten alkeistapausten lkm kaikkien alkeistapausten lkm P( mahdoton tapahtuma ) = 0 P( varma tapahtuma ) = 1 0 P(A) 1 Todennäköisyys

Lisätiedot

https://www10.uta.fi/opas/opintojakso.htm?rid=11585&i dx=2&uilang=fi&lang=fi&lvv=2015

https://www10.uta.fi/opas/opintojakso.htm?rid=11585&i dx=2&uilang=fi&lang=fi&lvv=2015 12.1.2016/1 MTTTP5, luento 12.1.2016 1 Kokonaisuudet, joihin opintojakso kuuluu https://www10.uta.fi/opas/opintojakso.htm?rid=11585&i dx=2&uilang=fi&lang=fi&lvv=2015 2 Osaamistavoitteet Opiskelija osaa

Lisätiedot

https://www10.uta.fi/opas/opintojakso.htm?rid=11585 &idx=2&uilang=fi&lang=fi&lvv=2015

https://www10.uta.fi/opas/opintojakso.htm?rid=11585 &idx=2&uilang=fi&lang=fi&lvv=2015 25.10.2016/1 MTTTP5, luento 25.10.2016 1 Kokonaisuudet, joihin opintojakso kuuluu https://www10.uta.fi/opas/opintojakso.htm?rid=11585 &idx=2&uilang=fi&lang=fi&lvv=2015 2 Osaamistavoitteet Opiskelija osaa

Lisätiedot

b) Määritä myös seuraavat joukot ja anna kussakin tapauksessa lyhyt sanallinen perustelu.

b) Määritä myös seuraavat joukot ja anna kussakin tapauksessa lyhyt sanallinen perustelu. Johdatus yliopistomatematiikkaan Helsingin yliopisto, matematiikan ja tilastotieteen laitos Kurssikoe 23.10.2017 Ohjeita: Vastaa kaikkiin tehtäviin. Ratkaisut voi kirjoittaa samalle konseptiarkille, jos

Lisätiedot

Todennäköisyyslaskenta - tehtävät

Todennäköisyyslaskenta - tehtävät Todennäköisyyslaskenta - tehtävät Todennäköisyyslaskentaa käsitellään Pitkän matematiikan kertauskirjan sivuilla 253 276. Klassinen todennäköisyys Kombinatoriikka Binomitodennäköisyys Satunnaismuuttuja,

Lisätiedot

Todennäköisyyslaskenta

Todennäköisyyslaskenta Todennäköisyyslaskenta Syksy 2017 Kerkko Luosto 14. syyskuuta 2017 Kerkko Luosto Todennäköisyyslaskenta 14. syyskuuta 2017 1 / 26 Johdanto Johdantoesimerkki Esimerkki Hannu Huijari ostaa Keijo Kelmiltä

Lisätiedot

031021P Tilastomatematiikka (5 op)

031021P Tilastomatematiikka (5 op) 031021P Tilastomatematiikka (5 op) Jukka Kemppainen Mathematics Division Käytännön asioita Luennot (yht. 11 4 h) ti 12-14 ja to 8-10 (ks. tarkempi opetusohjelma Oodista tms.) Harjoitukset (yht. 11 2 h)

Lisätiedot

ORMS2020 Päätöksenteko epävarmuuden vallitessa Syksy 2008. Tehtävissä 1, 2, ja 3 tarkastelemme seuraavaa tilannetta:

ORMS2020 Päätöksenteko epävarmuuden vallitessa Syksy 2008. Tehtävissä 1, 2, ja 3 tarkastelemme seuraavaa tilannetta: RMS22 Päätöksenteko epävarmuuden vallitessa Syksy 28 Harjoitus 8 Ratkaisuehdotuksia Tehtävissä 1, 2, ja 3 tarkastelemme seuraavaa tilannetta: Pankki harkitsee myöntääkö 5. euron lainan asiakkaalle 12%

Lisätiedot

k S P[ X µ kσ] 1 k 2.

k S P[ X µ kσ] 1 k 2. HY, MTL / Matemaattisten tieteiden kandiohjelma Todennäköisyyslaskenta IIb, syksy 28 Harjoitus Ratkaisuehdotuksia Tehtäväsarja I Osa tämän viikon tehtävistä ovat varsin haastavia, joten ei todellakaan

Lisätiedot

1. Matkalla todennäköisyyteen (kertausta TN I)

1. Matkalla todennäköisyyteen (kertausta TN I) 1. Matkalla todennäköisyyteen (kertausta TN I) Wovon man nicht sprechen kann, darüber muss man schweigen (Ludwig Wittgenstein, Tractatus Logico-Philosophicus 1921) Miten ihmeessä tämä liittyy tähän kurssiin????!??

Lisätiedot

Johdatus tn-laskentaan perjantai 17.2.2012

Johdatus tn-laskentaan perjantai 17.2.2012 Johdatus tn-laskentaan perjantai 17.2.2012 Kahden diskreetin muuttujan yhteisjakauma On olemassa myös monen muuttujan yhteisjakauma, ja jatkuvien muuttujien yhteisjakauma (jota ei käsitellä tällä kurssilla;

Lisätiedot

2. laskuharjoituskierros, vko 5, ratkaisut

2. laskuharjoituskierros, vko 5, ratkaisut 2. laskuharjoituskierros, vko, ratkaisut Aiheet: Klassinen todennäköisyys, kombinatoriikka, kokonaistodennäköisyys ja Bayesin kaava D1. Eräässä maassa autojen rekisterikilpien tunnukset ovat muotoa XXXXNN,

Lisätiedot

Otanta ilman takaisinpanoa

Otanta ilman takaisinpanoa Otanta ilman takaisinpanoa Populaatio, jossa N alkiota (palloa, ihmistä tms.), kahdenlaisia ( valkoinen, musta ) Poimitaan umpimähkään (= symmetrisesti) n-osajoukko eli otos Merkitään tapahtuma A k = otoksessa

Lisätiedot

Kurssin puoliväli ja osan 2 teemat

Kurssin puoliväli ja osan 2 teemat Kurssin puoliväli ja osan 2 teemat Kurssin osa 1 keskittyi mittaukseen, tiedonkeruuseen ja kuvailevaan tilastotieteeseen. Osassa 2 painottuu tilastollinen päättely, joka puolestaan rakentuu voimakkaasti

Lisätiedot

HY / Matematiikan ja tilastotieteen laitos Tilastollinen päättely II, kevät 2017 Harjoitus 4 Ratkaisuehdotuksia. Tehtäväsarja I

HY / Matematiikan ja tilastotieteen laitos Tilastollinen päättely II, kevät 2017 Harjoitus 4 Ratkaisuehdotuksia. Tehtäväsarja I HY / Matematiikan ja tilatotieteen laito Tilatollinen päättely II, kevät 207 Harjoitu 4 Ratkaiuehdotukia Tehtäväarja I. (Kvantiili-kvantiili kuvion [engl. q q plot] idea.) Olkoon atunnaimuuttujalla X ellainen

Lisätiedot

x 4 e 2x dx Γ(r) = x r 1 e x dx (1)

x 4 e 2x dx Γ(r) = x r 1 e x dx (1) HY / Matematiikan ja tilastotieteen laitos Todennäköisyyslaskenta IIA, syksy 217 217 Harjoitus 6 Ratkaisuehdotuksia Tehtäväsarja I 1. Laske numeeriset arvot seuraaville integraaleille: x 4 e 2x dx ja 1

Lisätiedot

ikä (vuosia) on jo muuttanut 7 % 46 % 87 % 96 % 98 % 100 %

ikä (vuosia) on jo muuttanut 7 % 46 % 87 % 96 % 98 % 100 % Testaa taitosi 1 1. Noppaa heitetään kahdesti. Merkitse kaikki alkeistapaukset koordinaatistoon. a) Millä todennäköisyydellä ainakin toinen silmäluvuista on 3? b) Mikä on a-kohdan tapahtuman vastatapahtuma?

Lisätiedot

1. Otetaan perusjoukoksi X := {0, 1, 2, 3, 4, 5, 6, 7}. Piirrä seuraaville kolmelle joukolle Venn-diagrammi ja asettele alkiot siihen.

1. Otetaan perusjoukoksi X := {0, 1, 2, 3, 4, 5, 6, 7}. Piirrä seuraaville kolmelle joukolle Venn-diagrammi ja asettele alkiot siihen. Joukko-oppia Matematiikan mestariluokka, syksy 2010 Harjoitus 1, vastaukset 20.2.2010 1. Otetaan perusjoukoksi X := {0, 1, 2, 3, 4, 5, 6, 7}. Piirrä seuraaville kolmelle joukolle Venn-diagrammi asettele

Lisätiedot

4. laskuharjoituskierros, vko 7, ratkaisut

4. laskuharjoituskierros, vko 7, ratkaisut 4. laskuharjoituskierros, vko 7, ratkaisut D1. Kone valmistaa kuulalaakerin kuulia, joiden halkaisija vaihtelee satunnaisesti. Halkaisijan on oltava tiettyjen rajojen sisällä, jotta kuula olisi käyttökelpoinen.

Lisätiedot

1. Jatketaan luentojen esimerkkiä 8.3. Oletetaan kuten esimerkissä X Y Bin(Y, θ) Y Poi(λ) λ y. f X (x) (λθ)x

1. Jatketaan luentojen esimerkkiä 8.3. Oletetaan kuten esimerkissä X Y Bin(Y, θ) Y Poi(λ) λ y. f X (x) (λθ)x HY, MTL / Matemaattisten tieteiden kandiohjelma Todennäköisyyslaskenta IIb, syksy 017 Harjoitus 5 Ratkaisuehdotuksia Tehtäväsarja I 1. Jatketaan luentojen esimerkkiä 8.3. Oletetaan kuten esimerkissä X

Lisätiedot

Valintahetket ja pysäytetyt martingaalit

Valintahetket ja pysäytetyt martingaalit 4B Valintahetket ja pysäytetyt martingaalit Tämän harjoituksen tavoitteena on oppia tunnistamaan, mitkä satunnaishetket ovat valintahetkiä ja oppia laskemaan lukuarvoja ja estimaatteja satunnaisprosessien

Lisätiedot

031021P Tilastomatematiikka (5 op) Kurssi-info ja lukion kertausta

031021P Tilastomatematiikka (5 op) Kurssi-info ja lukion kertausta 031021P Tilastomatematiikka (5 op) Kurssi-info ja lukion kertausta Jukka Kemppainen Mathematics Division Käytännön asioita Luennot (yht. 7 4 h) ke 12-14 ja pe 8-10 (ks. tarkemmin Oodista tai Nopasta) Harjoitukset

Lisätiedot

MS-A0501 Todennäköisyyslaskennan ja tilastotieteen peruskurssi

MS-A0501 Todennäköisyyslaskennan ja tilastotieteen peruskurssi MS-A050 Todennäköisyyslaskennan ja tilastotieteen peruskurssi B Satunnaismuuttujat ja todennäköisyysjakaumat Lasse Leskelä Matematiikan ja systeemianalyysin laitos Perustieteiden korkeakoulu Aalto-yliopisto

Lisätiedot

1. Tässä tehtävässä päätellään kaksilapsisen perheen lapsiin liittyviä todennäköisyyksiä.

1. Tässä tehtävässä päätellään kaksilapsisen perheen lapsiin liittyviä todennäköisyyksiä. TODENNÄKÖISYYS Aihepiirejä: Yhden ja kahden tapahtuman tuloksien käsittely ja taulukointi, ovikoodit, joukkueen valinta, bussin odotus, pelejä, urheilijoiden testaus kielletyn piristeen käytöstä, linnun

Lisätiedot

Algebra I Matematiikan ja tilastotieteen laitos Ratkaisuehdotuksia harjoituksiin 9 (6 sivua) OT

Algebra I Matematiikan ja tilastotieteen laitos Ratkaisuehdotuksia harjoituksiin 9 (6 sivua) OT Algebra I Matematiikan ja tilastotieteen laitos Ratkaisuehdotuksia harjoituksiin 9 (6 sivua) 28.3.-1.4.2011 OT 1. a) Osoita, että rengas R = {[0] 10, [2] 10, [4] 10, [6] 10, [8] 10 } on kokonaisalue. Mikä

Lisätiedot

JOHDATUS TEKOÄLYYN LUENTO 4.

JOHDATUS TEKOÄLYYN LUENTO 4. 2009 CBS INTERACTIVE JOHDATUS TEKOÄLYYN LUENTO 4. TODENNÄKÖISYYSMALLINNUS II: BAYESIN KAAVA TEEMU ROOS Marvin Minsky Father of Artificial Intelligence, 1927 2016 PINGVIINI(tweety) :- true. Wulffmorgenthaler

Lisätiedot

2. Jatkoa HT 4.5:teen ja edelliseen tehtavään: Määrää X:n kertymäfunktio F (x) ja laske sen avulla todennäköisyydet

2. Jatkoa HT 4.5:teen ja edelliseen tehtavään: Määrää X:n kertymäfunktio F (x) ja laske sen avulla todennäköisyydet Tilastotieteen jatkokurssi Sosiaalitieteiden laitos Harjoitus 5 (viikko 9) Ratkaisuehdotuksia (Laura Tuohilampi). Jatkoa HT 4.5:teen. Määrää E(X) ja D (X). E(X) = 5X p i x i =0.8 0+0.39 +0.4 +0.4 3+0.04

Lisätiedot

a ord 13 (a)

a ord 13 (a) JOHDATUS LUKUTEORIAAN (syksy 2017) HARJOITUS 4, MALLIRATKAISUT Tehtävä 1. Etsi asteet ord p (a) luvuille a 1, 2,..., p 1 kun p = 13 ja kun p = 17. (ii) Mitkä jäännösluokat ovat primitiivisiä juuria (mod

Lisätiedot

2. Minkä joukon määrittelee kaava P 0 (x 0 ) P 1 (x 0 ) mallissa M = ({0, 1, 2, 3}, P M 0, P M 1 ), kun P M 0 = {0, 1} ja P M 1 = {1, 2}?

2. Minkä joukon määrittelee kaava P 0 (x 0 ) P 1 (x 0 ) mallissa M = ({0, 1, 2, 3}, P M 0, P M 1 ), kun P M 0 = {0, 1} ja P M 1 = {1, 2}? HY / Matematiikan ja tilastotieteen laitos Johdatus logiikkaan II, syksy 2018 Harjoitus 4 Ratkaisuehdotukset 1. Mitkä muuttujat esiintyvät vapaina kaavassa x 2 ( x 0 R 0 (x 1, x 2 ) ( x 3 R 0 (x 3, x 0

Lisätiedot

MAT Todennäköisyyslaskenta Tentti / Kimmo Vattulainen

MAT Todennäköisyyslaskenta Tentti / Kimmo Vattulainen MAT-200 Todennäköisyyslaskenta Tentti 29.04.20 / Kimmo Vattulainen Funktiolaskin sallittu.. a) Pelaajat A ja B heittävät noppaa vuorotellen ja pelin voittaa se, joka saa ensimmäiseksi kuutosen. A aloittaa

Lisätiedot

67-x x 42-x. Matematiikan johdantokurssi, syksy 2016 Harjoitus 3, ratkaisuista

67-x x 42-x. Matematiikan johdantokurssi, syksy 2016 Harjoitus 3, ratkaisuista Matematiikan johdantokurssi, syksy 0 Harjoitus, ratkaisuista. Esitä seuraavat joukot luettelemalla niiden alkiot: a) := { y y = ( ) n n+ n+, n N } b) := { n Z n = k, k Z } c) := { sin( nπ ) n N } Ratkaisut.

Lisätiedot

Tilastollinen päättely II, kevät 2017 Harjoitus 1A

Tilastollinen päättely II, kevät 2017 Harjoitus 1A Tilastollinen päättely II, kevät 207 Harjoitus A Heikki Korpela 23. tammikuuta 207 Tehtävä. Kertausta todennäköisyyslaskennasta. Ilmoita satunnaismuuttujan Y jakauman nimi ja pistetodennäköisyys- tai tiheysfunktio

Lisätiedot

Osa 1: Todennäköisyys ja sen laskusäännöt. Todennäköisyyden aksioomat

Osa 1: Todennäköisyys ja sen laskusäännöt. Todennäköisyyden aksioomat Ilkka Mellin Todennäköisyyslaskenta Osa 1: Todennäköisyys ja sen laskusäännöt Todennäköisyyden aksioomat TKK (c) Ilkka Mellin (2007) 1 Todennäköisyyden aksioomat >> Todennäköisyyden määritteleminen Todennäköisyyden

Lisätiedot

Mat Sovellettu todennäköisyyslasku A. Moniulotteiset jakaumat. Avainsanat:

Mat Sovellettu todennäköisyyslasku A. Moniulotteiset jakaumat. Avainsanat: Mat-.9 Sovellettu todennäköisyyslasku A Mat-.9 Sovellettu todennäköisyyslasku A / Ratkaisut Aiheet: Avainsanat: Moniulotteiset jakaumat Diskreetti jakauma, Ehdollinen jakauma, Ehdollinen odotusarvo, Jatkuva

Lisätiedot

Kaikki kurssin laskuharjoitukset pidetään Exactumin salissa C123. Malliratkaisut tulevat nettiin kurssisivulle.

Kaikki kurssin laskuharjoitukset pidetään Exactumin salissa C123. Malliratkaisut tulevat nettiin kurssisivulle. Kombinatoriikka, kesä 2010 Harjoitus 1 Ratkaisuehdotuksia (RT (5 sivua Kaikki kurssin laskuharjoitukset pidetään Exactumin salissa C123. Malliratkaisut tulevat nettiin kurssisivulle. 1. Osoita, että vuoden

Lisätiedot

Mat Sovellettu todennäköisyyslasku A

Mat Sovellettu todennäköisyyslasku A TKK / Systeemianalyysin laboratorio Nordlund Mat-2.090 Sovellettu todennäköisyyslasku A Harjoitus 4 (vko 41/2003) (Aihe: diskreettejä satunnaismuuttujia ja jakaumia, Laininen luvut 4.1 4.7) 1. Kone tekee

Lisätiedot

JOHDATUS TEKOÄLYYN TEEMU ROOS

JOHDATUS TEKOÄLYYN TEEMU ROOS JOHDATUS TEKOÄLYYN TEEMU ROOS X Y Z Å BAYES-VERKKO ON TODENNÄKÖISYYSMALLIN ESITYS VERKON SOLMUT OVAT SATUNNAISMUUTTUJIA (ESIM. NOPAN SILMÄLUKU) VERKON KAARET ( NUOLET ) VASTAAVAT SUORIA RIIPPUUKSIA: EI

Lisätiedot

(b) Onko hyvä idea laske pinta-alan odotusarvo lähetmällä oletuksesta, että keppi katkeaa katkaisukohdan odotusarvon kohdalla?

(b) Onko hyvä idea laske pinta-alan odotusarvo lähetmällä oletuksesta, että keppi katkeaa katkaisukohdan odotusarvon kohdalla? 6.10.2006 1. Keppi, jonka pituus on m, taitetaan kahtia täysin satunnaisesti valitusta kohdasta ja muodostetaan kolmio, jonka kateetteina ovat syntyneet palaset. Kolmion pinta-ala on satunnaismuuttuja.

Lisätiedot

Pelaajien lukumäärä: suositus 3 4 pelaajaa; peliä voi soveltaa myös muille pelaajamäärille

Pelaajien lukumäärä: suositus 3 4 pelaajaa; peliä voi soveltaa myös muille pelaajamäärille Heli Vaara ja Tiina Komulainen OuLUMA, sivu 1 MERIROSVOJEN AARTEENJAKOPELI Avainsanat: matematiikka, pelit, todennäköisyys Pelaajien lukumäärä: suositus 3 4 pelaajaa; peliä voi soveltaa myös muille pelaajamäärille

Lisätiedot

MS-A0501 Todennäköisyyslaskennan ja tilastotieteen peruskurssi

MS-A0501 Todennäköisyyslaskennan ja tilastotieteen peruskurssi MS-A0501 Todennäköisyyslaskennan ja tilastotieteen peruskurssi 2A Satunnaismuuttujan odotusarvo Lasse Leskelä Matematiikan ja systeemianalyysin laitos Perustieteiden korkeakoulu Aalto-yliopisto Syksy 2016,

Lisätiedot

Algebra I Matematiikan ja tilastotieteen laitos Ratkaisuehdotuksia harjoituksiin 6 (8 sivua) OT. 1. a) Määritä seuraavat summat:

Algebra I Matematiikan ja tilastotieteen laitos Ratkaisuehdotuksia harjoituksiin 6 (8 sivua) OT. 1. a) Määritä seuraavat summat: Algebra I Matematiikan ja tilastotieteen laitos Ratkaisuehdotuksia harjoituksiin 6 (8 sivua) 21.2.-25.2.2011 OT 1. a) Määritä seuraavat summat: [2] 4 + [3] 4, [2] 5 + [3] 5, [2] 6 + [2] 6 + [2] 6, 7 [3]

Lisätiedot

Jatkuvat satunnaismuuttujat

Jatkuvat satunnaismuuttujat Jatkuvat satunnaismuuttujat Satunnaismuuttuja on jatkuva jos se voi ainakin periaatteessa saada kaikkia mahdollisia reaalilukuarvoja ainakin tietyltä väliltä. Täytyy ymmärtää, että tällä ei ole mitään

Lisätiedot

T-61.281 Luonnollisen kielen tilastollinen käsittely

T-61.281 Luonnollisen kielen tilastollinen käsittely T-6.8 Luonnollisen kielen tilastollinen käsittely Ratkaisut. Ti 7..4, 8:5-: Palautellaan mieliin todennäköisyyslaskuja Versio.. Todennäköisyyksistä ensimmäinen P( sana=lyhenne sana=kolmikirjaiminen ) =.8

Lisätiedot

Johdatus lukuteoriaan Harjoitus 2 syksy 2008 Eemeli Blåsten. Ratkaisuehdotelma

Johdatus lukuteoriaan Harjoitus 2 syksy 2008 Eemeli Blåsten. Ratkaisuehdotelma Johdatus lukuteoriaan Harjoitus 2 syksy 2008 Eemeli Blåsten Ratkaisuehdotelma Tehtävä 1 1. Etsi lukujen 4655 ja 12075 suurin yhteinen tekijä ja lausu se kyseisten lukujen lineaarikombinaationa ilman laskimen

Lisätiedot

Kertausosa. 1. a) Muodostetaan taulukon perusteella frekvenssijakaumat. b) Moodi on se muuttujan arvo, jonka frekvenssi on suurin. Mo = 5.

Kertausosa. 1. a) Muodostetaan taulukon perusteella frekvenssijakaumat. b) Moodi on se muuttujan arvo, jonka frekvenssi on suurin. Mo = 5. Kertausosa 1. a) Muodostetaan taulukon perusteella frekvenssijakaumat. Äänimäärä f f % 0 1 1 0,0169... 59 4 4 0,0677... 59 3 7 7 0,1186... 59 4 15 15 0,54... 59 5 18 18 0,3050... 59 6 1 1 0,033... 59 7

Lisätiedot

Todennäköisyyslaskenta

Todennäköisyyslaskenta Todennäköisyyslaskenta Syksy 2017 Kerkko Luosto 3. lokakuuta 2017 Kerkko Luosto Todennäköisyyslaskenta 3. lokakuuta 2017 1 / 33 Johdanto Johdantoesimerkki Esimerkki Hannu Huijari ostaa Keijo Kelmiltä Hämärätorilla

Lisätiedot

Kannan vektorit siis virittävät aliavaruuden, ja lisäksi kanta on vapaa. Lauseesta 7.6 saadaan seuraava hyvin käyttökelpoinen tulos:

Kannan vektorit siis virittävät aliavaruuden, ja lisäksi kanta on vapaa. Lauseesta 7.6 saadaan seuraava hyvin käyttökelpoinen tulos: 8 Kanta Tässä luvussa tarkastellaan aliavaruuden virittäjävektoreita, jotka muodostavat lineaarisesti riippumattoman jonon. Merkintöjen helpottamiseksi oletetaan luvussa koko ajan, että W on vektoreiden

Lisätiedot

Sovellettu todennäköisyyslaskenta B

Sovellettu todennäköisyyslaskenta B Sovellettu todennäköisyyslaskenta B Antti Rasila 13. syyskuuta 2007 Antti Rasila () TodB 13. syyskuuta 2007 1 / 21 1 Klassinen todennäköisyys 2 Kombinatoriikkaa Kombinatoriikan perusongelmat Permutaatiot

Lisätiedot

Ratkaisu: (i) Joukko A X on avoin jos kaikilla x A on olemassa r > 0 siten että B(x, r) A. Joukko B X on suljettu jos komplementti B c on avoin.

Ratkaisu: (i) Joukko A X on avoin jos kaikilla x A on olemassa r > 0 siten että B(x, r) A. Joukko B X on suljettu jos komplementti B c on avoin. Matematiikan ja tilastotieteen laitos Topologia I 1. kurssikoe 26.2.2013 Malliratkaisut ja tehtävien tarkastamiset Tehtävät 1 ja 2 Henrik Wirzenius Tehtävät 3 ja 4 Teemu Saksala Jos sinulla on kysyttävää

Lisätiedot

A. Jos A on niiden perusjoukon S alkioiden x joukko, jotka toteuttavat ehdon P(x) eli joille lause P(x) on tosi, niin merkitsemme

A. Jos A on niiden perusjoukon S alkioiden x joukko, jotka toteuttavat ehdon P(x) eli joille lause P(x) on tosi, niin merkitsemme Todennäköisyyslaskennan ja tilastotieteen peruskurssi Esimerkkikokoelma 1 Aiheet: Joukko-opin peruskäsitteet Todennäköisyyslaskennan peruskäsitteet Todennäköisyyslaskennan peruslaskusäännöt Klassinen todennäköisyys

Lisätiedot

1. (Jatkoa Harjoitus 5A tehtävään 4). Monisteen esimerkin mukaan momenttimenetelmän. n ne(y i Y (n) ) = 2E(Y 1 Y (n) ).

1. (Jatkoa Harjoitus 5A tehtävään 4). Monisteen esimerkin mukaan momenttimenetelmän. n ne(y i Y (n) ) = 2E(Y 1 Y (n) ). HY / Matematiika ja tilastotietee laitos Tilastollie päättely II, kevät 018 Harjoitus 5B Ratkaisuehdotuksia Tehtäväsarja I 1. (Jatkoa Harjoitus 5A tehtävää ). Moistee esimerki 3.3.3. mukaa momettimeetelmä

Lisätiedot

MS-A0501 Todennäköisyyslaskennan ja tilastotieteen peruskurssi Esimerkkikokoelma 1

MS-A0501 Todennäköisyyslaskennan ja tilastotieteen peruskurssi Esimerkkikokoelma 1 MS-A0501 Todennäköisyyslaskennan ja tilastotieteen peruskurssi Esimerkkikokoelma 1 Aiheet: Joukko-opin peruskäsitteet Todennäköisyyslaskennan peruskäsitteet Todennäköisyyslaskennan peruslaskusäännöt Klassinen

Lisätiedot