A = B. jos ja vain jos. x A x B

Koko: px
Aloita esitys sivulta:

Download "A = B. jos ja vain jos. x A x B"

Transkriptio

1 Mat Sovellettu todennäköisyyslaskenta B / Ratkaisut Aiheet: Klassinen todennäköisyys ja kombinatoriikka Kokonaistodennäköisyys ja Bayesin kaava Avainsanat: Bayesin kaava, Binomikaava, Binomikerroin, Boolen algebra, Ehdollinen todennäköisyys, Jono, Joukko, Kertolaskuperiaate, Kertoma, Klassinen todennäköisyys, Kokonaistodennäköisyyden kaava, Kolmogorovin aksioomat, Kombinaatio, Kombinatoriikka, Komponentti, Lukumääräfunktio, Osajono, Osajoukko, Otanta, Otanta palauttaen, Otanta palauttamatta, Pascalin kolmio, Permutaatio, Riippumattomuus, σ-algebra, Suotuisa alkeistapahtuma, Todennäköisyyden aksioomat, Todennäköisyyskenttä, Todennäköisyysmitta, Toisensa poissulkevuus, Tulosääntö, Variaatio, Yhteenlaskuperiaate, Yhteenlaskusääntö Klassinen todennäköisyys ja kombinatoriikka Kombinatoriikan perusperiaatteet (i) Kertolaskuperiaate Oletetaan, että operaatio M voidaan suorittaa m:llä eri tavalla ja operaatio N voidaan suorittaa n:llä eri tavalla ja oletetaan lisäksi, että operaatiot M ja N voidaan suorittaa toisistaan riippumatta. Tällöin yhdistetty operaatio Suoritetaan operaatio M ja operaatio N voidaan suorittaa m n:llä eri tavalla. (ii) Yhteenlaskuperiaate Oletetaan, että operaatio M voidaan suorittaa m:llä eri tavalla ja operaatio N voidaan suorittaa n:llä eri tavalla ja oletetaan lisäksi, että operaatiot M ja N ovat toisensa poissulkevia. Tällöin yhdistetty operaatio Suoritetaan operaatio M tai operaatio N voidaan suorittaa (m + n):llä eri tavalla. Joukko Joukko on täysin määrätty, jos sen alkiot tunnetaan. Olkoot äärellisen joukon S (erilaiset) alkiot s 1, s 2,, s n Tällöin merkitään S = {s 1, s 2,, s n } Joukot A ja B ovat samat, jos niissä on samat alkiot eli jos ja vain jos A = B x A x B Ilkka Mellin (2008) 1/27

2 Lukumääräfunktio Olkoon n S = n(s) funktio, joka kertoo joukon S (erilaisten) alkioiden lukumäärän. Kutsumme funktiota n( ) lukumääräfunktioksi. Jos siis äärellisen joukon S = {s 1, s 2,, s n } kaikki alkiot ovat erilaisia, niin n S = n(s) = n Jono Jono on täysin määrätty, jos sen alkiot ja niiden järjestys tunnetaan. Olkoon äärellisen jonon S i. alkio s i, i = 1, 2,, n Tällöin merkitään tai usein myös s = (s 1, s 2,, s n ) s = s 1 s 2 s n Jonot a = (a 1, a 2,, a n ) ja b = (b 1, b 2,, b n ) ovat samat, jos niissä on samat alkiot samassa järjestyksessä eli jos ja vain jos a = b a i = b i, i = 1, 2,, n Kombinatoriikan perusongelmat Olkoon S äärellinen joukko, jonka (erilaisten) alkioiden lukumäärä on n = n(s) Kombinatoriikan perusongelmat: (1a) Kuinka monella eri tavalla joukon S alkiot voidaan järjestää jonoon? (1b) Kuinka monella eri tavalla joukon S alkioista voidaan muodostaa k:n alkion osajono? (2) Kuinka monella eri tavalla joukon S alkioista voidaan muodostaa k:n alkion osajoukko? Kombinatoriikan perusongelmien ratkaisut Olkoon S äärellinen joukko, jonka (erilaisten) alkioiden lukumäärä on n = n(s) Kombinatoriikan perusongelmien ratkaisut: (1a) Kutsumme joukon S kaikkien alkioiden jonoja joukon S alkioiden permutaatioiksi. Joukon S alkioiden kaikkien mahdollisten permutaatioiden lukumäärä on n!, jossa n! = n (n 1) 2 1 Ilkka Mellin (2008) 2/27

3 on n-kertoma. (1b) Kutsumme joukon S k:n alkion osajonoja joukon S alkioiden k-permutaatioiksi eli variaatioiksi. Joukon S alkioiden kaikkien mahdollisten k-permutaatioiden lukumäärä on n! P( nk, ) = n ( n 1) ( n k 1) ( n k)! = + (2) Kutsumme joukon S k:n alkion osajoukkoja joukon S alkioiden k alkiota sisältäviksi kombinaatioiksi. Joukon S alkioiden kaikkien mahdollisten k alkiota sisältävien kombinaatioiden lukumäärä on n C( nk, ) = k jossa n n! = k k!( n k)! on binomikerroin. Pascalin kolmio Binomikertoimet saadaan ns. Pascalin kolmiosta. Alla on annettu Pascalin kolmion 8 ensimmäistä riviä Lukuun ottamatta kolmion reunoilla olevia ykkösiä jokainen kolmion luvuista on saatu laskemalla yhteen kaksi edeltävän rivin lukua nuolten suuntaan. Pascalin kolmio ja binomikertoimet Pascalin kolmion (n+1). rivin luvut voidaan ilmaista binomikertoimien avulla seuraavassa muodossa: n n n n n,,,,, n 1 n Ilkka Mellin (2008) 3/27

4 Pascalin kolmion muodostamissääntö voidaan ilmaista binomikertoimien avulla seuraavassa muodossa: n n 1 n 1 = + k k 1 k Kaavan mukaan Pascalin kolmion n. rivin k. luku saadaan laskemalla yhteen (n 1). rivin (k 1). ja k. luku. Se, että Pascalin kolmio on symmetrinen kolmion rivien keskikohdan suhteen, voidaan ilmaista binomikertoimien avulla seuraavassa muodossa: n n! n = = k k!( n k)! n k Binomikaava Binomikaavan mukaan binomin x + y n. potenssi voidaan esittää muodossa n n n n k k ( x + y) = x y k = 0 k Äärellisen joukon osajoukkojen lukumäärä Olkoon joukon S alkioiden lukumäärä n = n(s). Tällöin joukon S osajoukkojen lukumäärä on n n n n n n N = 2 = n 1 n Multinomikerroin Olkoon joukon S alkioiden lukumäärä n = n(s). Oletetaan, että positiiviset kokonaisluvut n i, i = 1, 2,, k toteuttavat ehdon n 1 + n n k = n Oletetaan, että joukko S ositetaan pistevieraisiin osajoukkoihin A i, i = 1, 2,, k niin, että joukossa A i on n i = n(a i ) alkiota. Kuinka monella erilaisella tavalla yllä määritelty ositus voidaan tehdä? Vastauksen antaa multinomikerroin jossa siis n n! = nn 1 2 nk n1! n2! nk! n 1 + n n k = n Ilkka Mellin (2008) 4/27

5 Huomaa, että jos k = 2, saadaan binomikerroin jossa n 1 + n 2 = n n n! n n = = = nn n! n! n n Todennäköisyyden aksioomat Todennäköisyys äärellisissä otosavaruuksissa Tarkastellaan ensin todennäköisyyden määrittelemistä äärellisissä otosavaruuksissa. Suuri osa todennäköisyyden peruslaskusäännöistä voidaan todistaa äärellisten otosavaruuksien aksioomista. Boolen algebra Olkoon S joukko ja jokin F joukon S osajoukkojen muodostama perhe eli A F A S Joukkoperhe F on Boolen algebra, jos (i) (ii) F A c F A (iii) A F, B F A B F F Kutsumme todennäköisyyslaskennassa perusjoukkoa S otosavaruudeksi ja Boolen algebraan F kuuluvia otosavaruuden S osajoukkoja A tapahtumiksi. Olkoot A F, B F Boolen algebran aksioomista seuraa suoraan, että Lisäksi voidaan osoittaa, että c c F, A F, B F, A B F c c c c S F, A B= ( A B ) F, A\ B= A B F Todennäköisyyden aksioomat äärellisissä otosavaruuksissa Olkoon S äärellinen joukko ja F jokin joukon S osajoukkojen muodostama Boolen algebra. Olkoon lisäksi Pr joukkofunktio, joka liittää jokaiseen Boolen algebraan F kuuluvaan joukon S osajoukkoon A reaalikuvun eli A F A S Pr( A) Joukkofunktio Pr on äärellisen otosavaruuden todennäköisyysmitta, jos (i) Pr( S ) = 1 (ii) 0 Pr( A) 1 kaikille A F (iii) A F, B F, A B= Pr( A B) = Pr( A) + Pr( B) Ilkka Mellin (2008) 5/27

6 Äärellinen todennäköisyyskenttä Kolmikko ( S, F,Pr) on äärellinen todennäköisyyskenttä, jos S on äärellinen otosavaruus, F on otosavaruudessa S määritelty Boolen algebra ja Pr on Boolen algebrassa F määritelty todennäköisyysmitta. Riippumattomuus ja riippumattomien tapahtumien tulosääntö Tapahtumat A ja B ovat riippumattomia, jos ja vain jos riippumattomien tapahtumien tulosääntö Pr( A B) = Pr( A)Pr( B) pätee. Todennäköisyys mielivaltaisissa otosavaruuksissa Tarkastellaan todennäköisyyden määrittelemistä mielivaltaisissa otosavaruuksissa. σ-algebra Olkoon S joukko ja jokin F joukon S osajoukkojen muodostama perhe eli A F A S Joukkoperhe F on σ-algebra, jos (i) (ii) F A c F A (iii) A1, A2, A3, F A i 1 i F F = Kutsumme perusjoukkoa S otosavaruudeksi ja σ-algebraan F kuuluvia otosavaruuden S osajoukkoja A tapahtumiksi. Kaikki Boolen algebroille todistetut teoreemat pätevät myös σ-algebroille. Jos A, A, A, F σ-algebran aksioomista seuraa suoraan, että Lisäksi voidaan osoittaa, että c c c i= 1 F, A, A, A, F, A F S F, A i= 1 i F Todennäköisyyden aksioomat mielivaltaisissa otosavaruuksissa Olkoon S jokin joukko ja F jokin joukon S osajoukkojen muodostama σ-algebra. Olkoon lisäksi Pr joukkofunktio, joka liittää jokaiseen σ-algebraan F kuuluvaan joukon S osajoukkoon A reaalikuvun eli A F A S Pr( A) i Ilkka Mellin (2008) 6/27

7 Joukkofunktio Pr on todennäköisyysmitta, jos (i) Pr( S ) = 1 (ii) 0 Pr( A) 1 kaikille A F (iii) F ( i= 1 ) Todennäköisyyskenttä Kolmikko i j i i= 1 i A, A, A, ja A A =, i j Pr A = Pr( A) ( S, F,Pr) on todennäköisyyskenttä, jos S on otosavaruus, F on otosavaruudessa S määritelty σ-algebra ja Pr on σ-algebrassa F määritelty todennäköisyysmitta. Kaikki äärellisille todennäköisyyskentille todistetut teoreemat pätevät myös äärettömissä todennäköisyyskentissä. Epämitalliset joukot Jos otosavaruus S on ääretön, sen kaikille osajoukoille ei voida välttämättä määritellä todennäköisyyttä. Niitä otosavaruuden S osajoukkoja, joille todennäköisyys voidaan määritellä sanotaan mitallisiksi ja niitä, joille todennäköisyyttä ei voida määritellä sanotaan epämitallisiksi. Voidaan osoittaa, että otosavaruuden S mitalliset osajoukot muodostavat aina σ-algebran. Joukkojonojen todennäköisyydet Lause 1. Olkoon ( S, F,Pr) todennäköisyyskenttä ja A1, A2, A3, F. Tällöin pätee: Lause 2. (a) Jos A1 A2 A3, niin Pr Ai = lim Pr( Ai) i i= 1 (b) Jos A1 A2 A3, niin Pr Ai = lim Pr( Ai) i i= 1 Olkoon ( S, F,Pr) todennäköisyyskenttä ja A1, A2, A3, F. Tällöin pätee: Jos A1 A2 A3, niin lim Pr( A ) = 0 i i Ilkka Mellin (2008) 7/27

8 Kokonaistodennäköisyyden ja Bayesin kaavat Ositus Joukon S osajoukot B 1, B 2,, B n muodostavat joukon S osituksen, jos seuraavat ehdot pätevät: (i) B, i= 1, 2,, n i (ii) B B =, i j i j (iii) S = B1 B2 Bn Kokonaistodennäköisyyden kaava Olkoon A epätyhjä otosavaruuden S osajoukko: A S, A Oletetaan, että joukot B 1, B 2,, B n muodostavat otosavaruuden S osituksen. Tällöin pätee kokonaistodennäköisyyden kaava n Pr( A) = Pr( Bi)Pr( A Bi) i= 1 Bayesin kaava Olkoon A epätyhjä otosavaruuden S osajoukko: A S, A Oletetaan, että joukot B 1, B 2,, B n muodostavat otosavaruuden S osituksen. Tällöin pätee Bayesin kaava Pr( Bi)Pr( A Bi) Pr( Bi A) =, i = 1,2,, n n Pr( B) Pr( A B) i= 1 i i Ilkka Mellin (2008) 8/27

9 Tehtävä 2.1. Alla oleva kuvio kuvaa kaupungista A kaupunkiin D vieviä reittejä. Reiteistä osa kulkee vain kaupungin B kautta, osa vain kaupungin C kautta ja osa sekä kaupungin B että kaupungin C kautta. Oletetaan lisäksi, että jokainen reitinvalinta on riippumaton muista reitinvalinnoista. Kuinka monella eri tavalla kaupungista A pääsee kaupunkiin D? B D A Tehtävä 2.1. Mitä opimme? Tehtävässä tarkastellaan kombinatoriikan perusperiaatteiden soveltamista vaihtoehtojen kokonaislukumäärän laskemiseen. Tehtävä 2.1. Ratkaisu: Tehtävän ratkaisussa sovelletaan kombinatoriikan kertolasku- ja yhteenlaskuperiaatteita. Jaetaan reittikartta osiin, joita tarkastellaan erillisinä. A B D: A:sta pääsee B:hen 3:lla eri tavalla. B:stä pääsee D:hen 3:lla eri tavalla. Kertolaskuperiaate A:sta pääsee B:n kautta D:hen 3 3 = 9:llä eri tavalla. A B C: A:sta pääsee B:hen 3:lla eri tavalla. B:stä pääsee C:hen 2:lla eri tavalla. Kertolaskuperiaate A:sta pääsee B:n kautta C:hen 3 2 = 6:lla eri tavalla. A C: A:sta pääsee suoraan C:hen 3:lla eri tavalla. A B C tai A C: A:sta pääsee B:n kautta C:hen 6:lla eri tavalla. A:sta pääsee suoraan C:hen 3:lla eri tavalla. eri Yhteenlaskuperiaate A:sta pääsee B:n kautta C:hen tai suoraan C:hen = 9:llä tavalla. C Ilkka Mellin (2008) 9/27

10 A C D: A:sta pääsee C:hen 9:llä eri tavalla. C:stä pääsee D:hen 2:lla eri tavalla. Kertolaskuperiaate A:sta pääsee C:n kautta D:hen 9 2 = 18:lla eri tavalla. A B D tai A C D: A:sta pääsee B:n kautta D:hen 9:llä eri tavalla. A:sta pääsee C:n kautta D:hen 18:lla eri tavalla. Yhteenlaskuperiaate A:sta pääsee D:hen = 27:llä eri tavalla. Tehtävä 2.2. Tarkastellaan kirjainten a, e, i, k, l, m (6 kpl) muodostamaa joukkoa (a) (b) (c) S = {a, e, i, k, l, m} Kuinka monta erilaista jonoa voidaan joukon S kirjaimista muodostaa? Kuinka monta erilaista 3:n alkion osajonoa voidaan joukon S kirjaimista muodostaa? Kuinka monta erilaista 3:n alkion osajoukkoa voidaan joukon S kirjaimista muodostaa? Tehtävä 2.2. Mitä opimme? Tehtävässä tarkastellaan kombinatoriikan perusongelmia sekä niiden ratkaisemista kombinatoriikan perusperiaatteiden avulla. Tehtävä 2.2. Ratkaisu: (a) Joukossa S = {a, e, i, k, l, m} on n(s) = 6 erilaista alkiota. Siten joukon S alkioista voidaan muodostaa 6! = = 720 erilaista jonoa eli permutaatiota. Tämä nähdään käyttämällä ns. lokeromallia: Koska joukossa S on 6 erilaista alkiota, muodostetaan lokerikko, jossa on 6 lokeroa. Ideana on täyttää lokerikko joukon S alkioilla vaiheittain. Kirjainten a, e, i, k, l, m muodostamien jonojen lukumäärä on sama kuin erilaisten järjestysten lukumäärä, joissa kirjaimet a, e, i, k, l, m voidaan asettaa lokeroihin. Alla olevan taulukon varjostetut solut kuvaavat ko. lokerikkoa. Jokaiseen lokeroon on merkitty luvulla n kuinka monella tavalla lokeron täyttö voidaan tehdä. Lokeron nro n lokero: Lokero voidaan täyttää 6:lla eri tavalla kirjaimilla a, e, i, k, l, m Ilkka Mellin (2008) 10/27

11 2. lokero: Lokero voidaan täyttää 5:llä eri tavalla jäljelle jääneillä kirjaimilla, koska 1 kirjaimista on käytetty. 3. lokero: Lokero voidaan täyttää 4:llä eri tavalla jäljelle jääneillä kirjaimilla, koska 2 kirjaimista on käytetty. 4. lokero: Lokero voidaan täyttää 3:lla eri tavalla jäljelle jääneillä kirjaimilla, koska 3 kirjaimista on käytetty. 5. lokero: Lokero voidaan täyttää 2:lla eri tavalla jäljelle jääneillä kirjaimilla, koska 4 kirjaimista on käytetty. 6. lokero: Lokero voidaan täyttää 1:llä eri tavalla jäljelle jääneellä kirjaimella, koska 5 kirjaimista on käytetty. Koska jokainen täyttöoperaatio voidaan tehdä riippumatta aikaisemmin suoritetuista edellisistä täytöistä, niin kombinatoriikan kertolaskuperiaatteen mukaan koko lokerikko voidaan täyttää = 6! erilaisella tavalla. (b) Joukon S = {a, e, i, k, l, m} alkioista voidaan muodostaa 6! 6! P(6,3) = = = = = 120 (6 3)! 3! erilaista 3:n alkion osajonoa eli variaatiota. Tulos voidaan perustella käyttämällä ns. lokeromallia: Muodostetaan lokerikko, jossa on 3 lokeroa. Ideana on täyttää lokerikko joukon S alkioilla vaiheittain. Kirjainten a, e, i, k, l, m muodostamien 3:n alkion osajonojen lukumäärä on sama kuin erilaisten järjestysten lukumäärä, joissa 3 kirjaimista a, e, i, k, l, m voidaan asettaa lokeroihin. Alla olevan taulukon varjostetut solut kuvaavat ko. lokerikkoa. Jokaiseen lokeroon on merkitty luvulla n kuinka monella tavalla lokeron täyttö voidaan tehdä. Lokeron nro n lokero: Lokero voidaan täyttää 6:lla eri tavalla kirjaimilla a, e, i, k, l, m 2. lokero: Lokero voidaan täyttää 5:llä eri tavalla jäljelle jääneillä kirjaimilla, koska 1 kirjaimista on käytetty. 3. lokero: Lokero voidaan täyttää 4:llä eri tavalla jäljelle jääneillä kirjaimilla, koska 2 kirjaimista on käytetty. Koska jokainen täyttöoperaatio voidaan tehdä riippumatta aikaisemmin suoritetuista täyttöoperaatioista, niin kombinatoriikan kertolaskuperiaatteen mukaan koko lokerikko voidaan täyttää Ilkka Mellin (2008) 11/27

12 ! 6! = = = = ! (6 3)! erilaisella tavalla. Tulos seuraa myös (a)-kohdassa esitetystä tarkastelusta pysäyttämällä lokeroiden täyttö sen jälkeen, kun 3. lokero on saatu täytetyksi. (c) Joukon S = {a, e, i, k, l, m} alkioista voidaan muodostaa 6 6! C(6,3) = = = = !3! erilaista 3:n alkion osajoukkoa eli kombinaatiota. Tulos voidaan perustella seuraavalla tavalla: Olkoon joukon S alkioiden 3:n alkion osajoukkojen lukumäärä x, jossa x on vielä toistaiseksi tuntematon luku. (b)-kohdan mukaan joukon S alkioiden 3:n alkion osajonojen lukumäärää on 6! P(6,3) = (6 3)! Joukon S alkioiden 3:n alkion osajonot voidaan muodostaa kahdessa vaiheessa: (i) Valitaan joukon S alkioiden joukosta 3:n alkion osajoukko. Tämä voidaan tehdä x erilaisella tavalla, jossa siis x on vielä toistaiseksi tuntematon luku. (ii) Järjestetään kohdassa (i) valitut 3 alkiota jonoksi. Tämä voidaan tehdä (a)-kohdassa esitetyn tarkastelun n mukaan 3! eri tavalla. Koska operaatiot (i) ja (ii) voidaan suorittaa toisistaan riippumatta, niin joukon S alkioiden 3:n alkion osajonot voidaan muodostaa kombinatoriikan kertolaskuperiaatteen mukaan x 3! eri tavalla. Olemme määränneet joukon S alkioiden 3:n alkion osajonojen lukumäärän kahdella eri tavalla ja saamme siten x:n ratkaisemiseksi yhtälön 6! P(6,3) = = x 3! (6 3)! Siten P(6,3) 6! 6 x = = = = C(6,3) 3! 3!(6 3)! 3 Ilkka Mellin (2008) 12/27

13 Tehtävä 2.3. Eräässä maassa autojen rekisterikilpien tunnukset ovat muotoa XXXXNN, jossa X on jokin vokaaleista a, e, i, o, u (5 kpl) ja N on jokin numeroista 0, 1, 2, 3, 4, 5, 6, 7, 8, 9. Laske erilaisten kilpien lukumäärä, kun tunnusten muodostamista rajoittavat seuraavat ehdot: (a) Ei rajoituksia. (b) Samaa kirjainta ja numeroa ei saa käyttää useammin kuin kerran. (c) Kilvessä on oltava täsmälleen kaksi samaa vokaalia ja numeron on oltava pariton. Tehtävä 2.3. Mitä opimme? Tehtävässä tarkastellaan kombinatoriikan perusongelmia sekä niiden ratkaisemista kombinatoriikan perusperiaatteiden avulla. Tehtävä 2.3. Ratkaisu: Kaikki muodostettavat tunnukset ovat muotoa XXXXNN, jossa X = a, e, i, o, u (5 kpl) N = 0, 1, 2, 3, 4, 5, 6, 7, 8, 9 (10 kpl). Kohdat (a) (c) eroavat toisistaan siten, että tunnusten muodostamista rajoittavat niissä erilaiset ehdot. Sovellamme tunnusten muodostamisessa ns. lokeromallia: Rekisterikilven tunnusta asetetaan vastaamaan lokerikko, jossa on 6 lokeroa, joista 4 ensimmäistä on varattu vokaaleille ja 2 viimeistä numeroille. (a) Tunnusten muodostamiselle ei ole asetettu mitään rajoituksia. Täytetään lokerot XXXX vaiheittain: 1. lokero voidaan täyttää vokaaleilla 5:llä eri tavalla. 2. lokero voidaan täyttää vokaaleilla 5:llä eri tavalla. 3. lokero voidaan täyttää vokaaleilla 5:llä eri tavalla. 4. lokero voidaan täyttää vokaaleilla 5:llä eri tavalla. Koska operaatiot voidaan tehdä toisistaan riippumatta, kombinatoriikan kertolaskuperiaatteen nojalla lokerot XXXX voidaan täyttää = 625 eri tavalla vokaaleilla a, e, i, o, u, kun vokaalien käytölle ei ole asetettu rajoituksia. Vastaavasti lokerot NN voidaan täyttää = 100 eri tavalla numeroilla 0, 1, 2, 3, 4, 5, 6, 7, 8, 9, kun numeroiden käytölle ei ole asetettu rajoituksia. Ilkka Mellin (2008) 13/27

14 Lokerot XXXX ja lokerot NN voidaan täyttää toisistaan riippumatta, joten kertolaskuperiaatteen nojalla erilaisia rekisterikilpiä on = kpl kun tunnusten muodostamiselle ei ole asetettu mitään rajoituksia. (b) Samaa vokaalia tai numeroa ei saa käyttää tunnuksessa kuin kerran. Täytetään lokerot XXXX vaiheittain: 1. lokero voidaan täyttää vokaaleilla 5:llä eri tavalla. 2. lokero voidaan täyttää jäljelle jääneillä vokaaleilla 4:llä eri tavalla, koska 1 vokaaleista on jo käytetty. 3. lokero voidaan täyttää jäljelle jääneillä vokaaleilla 3:lla eri tavalla, koska 2 vokaaleista on jo käytetty. 4. lokero voidaan täyttää jäljelle jääneillä vokaaleilla 2:lla eri tavalla, koska 3 vokaaleista on jo käytetty. Kombinatoriikan kertolaskuperiaatteen nojalla lokerot XXXX voidaan täyttää vokaaleilla = 120 eri tavalla vokaaleilla a, e, i, o, u, kun samaa vokaalia ei saa käyttää kuin kerran. Vastaavasti lokerot NN voidaan täyttää numeroilla 10 9 = 90 eri tavalla numeroilla 0, 1, 2, 3, 4, 5, 6, 7, 8, 9, kun samaa numeroa ei saa käyttää kuin kerran. Lokerot XXXX ja lokerot NN voidaan täyttää toisistaan riippumatta, joten kertolaskuperiaatteen nojalla erilaisia rekisterikilpiä on = kpl kun samaa vokaalia tai numeroa ei saa käyttää tunnuksessa kuin kerran. (c) Tunnuksessa on oltava täsmälleen kaksi samaa vokaalia ja numeron on oltava pariton. Lokeroihin XXXX voidaan asettaa mitkä tahansa kaksi samaa vokaalia 4 4! = = = 6 2 2!2! eri tavalla. Tämä vokaali voidaan valita vokaalien a, e, i, o, u joukosta 5:llä eri tavalla. Koska aikaisemmin käytettyä vokaalia ei saa käyttää uudelleen, voidaan loput vokaalit valita jäljelle jääneisiin lokeroihin 4 3 eri tavalla. Ilkka Mellin (2008) 14/27

15 Siten lokerot XXXX voidaan täyttää vokaaleilla niin, että lokeroissa on täsmälleen kaksi samaa vokaalia, = = 360 eri tavalla. Koska parittomia numeroita on numeroiden 0, 1, 2, 3, 4, 5, 6, 7, 8, 9 joukossa 5 kpl, lokerot NN voidaan täyttää 5 5 = 25 eri tavalla parittomilla numeroilla. Lokerot XXXX ja lokerot NN voidaan täyttää toisistaan riippumatta, joten kertolaskuperiaatteen nojalla erilaisia rekisterikilpiä saadaan = 9000 kpl kun tunnuksessa on oltava täsmälleen kaksi samaa vokaalia ja numeron on oltava pariton. Tehtävä 2.4. Tietokoneen salasanat ovat muotoa NNNNN, jossa N on jokin numeroista 0, 1, 2, 3, 4, 5, 6, 7, 8, 9. Laske mahdollisten salasanojen lukumäärät, kun salasanojen muodostamista rajoittavat seuraavat ehdot: (a) Kaikkien numeroiden on oltava erilaisia. (b) Salasanassa on oltava pari eli täsmälleen kaksi samaa numeroa (esim ). (c) Salasanassa on oltava kolmoset eli täsmälleen kolme samaa numeroa (esim ). (d) Salasanassa on oltava täyskäsi eli kolmoset ja pari (esim ). Tehtävä 2.4. Mitä opimme? Tehtävässä tarkastellaan kombinatoriikan perusongelmia sekä niiden ratkaisemista kombinatoriikan perusperiaatteiden avulla. Tehtävä 2.4. Ratkaisu: Sovelletaan tehtävän ratkaisussa lokeromallia. Käytössä on 5 lokeroa. (a) Kaikkien numeroiden on oltava erilaisia. Täytetään lokerot vaiheittain: i. lokero voidaan täyttää 10 i + 1, i = 1, 2, 3, 4, 5 eri tavalla numeroilla 0, 1, 2, 3, 4, 5, 6, 7, 8, 9, koska i. lokeroa täytettäessä käyttämättömiä numeroita on jäljellä enää (10 i + 1) kpl. Operaatiot voidaan tehdä toisistaan riippumatta, joten kertolaskuperiaatteen nojalla salasanojen kokonaislukumäärä on = Ilkka Mellin (2008) 15/27

16 (b) kun kaikkien numeroiden on oltava erilaisia. Salasanassa on oltava pari eli täsmälleen kaksi samaa numeroa. 5 lokeroa voidaan täyttää kahden saman numeron muodostamalla parilla binomikertoimen 5 2 ilmaisemalla lukumäärällä eri tapoja. Tämä numero voidaan valita 10:llä eri tavalla. Koska kolmeen jäljellä olevaan lokeroon on jokaiseen valittava eri numero, voidaan muut numerot valita salasanaan eri tavalla. Kertolaskuperiaatteen nojalla salasanojen kokonaislukumäärä on = kun salasanassa on oltava pari eli täsmälleen kaksi samaa numeroa. (c) Salasanassa on oltava kolmoset eli täsmälleen kolme samaa numeroa. 5 lokeroa voidaan täyttää kolmen saman numeron muodostamilla kolmosilla binomikertoimen 5 3 ilmaisemalla lukumäärällä eri tapoja. Tämä numero voidaan valita 10:llä eri tavalla. Koska kahteen jäljellä olevaan lokeroon on molempiin valittava eri numero, voidaan muut numerot valita salasanaan 9 8 eri tavalla. Kertolaskuperiaatteen nojalla salasanojen kokonaislukumäärä on = 7200 kun salasanassa on oltava kolmoset eli täsmälleen kolme samaa numeroa. (d) Salasanassa on oltava täyskäsi eli kolmoset ja pari. 5 lokeroa voidaan täyttää kahden saman numeron muodostamalla parilla binomikertoimen Ilkka Mellin (2008) 16/27

17 5 2 ilmaisemalla lukumäärällä eri tapoja. Sen jälkeen paikat kolmosille on määrätty. Numero voidaan valita pariin 10:llä eri tavalla ja sen jälkeen numero voidaan valita kolmosiin voidaan 9:llä eri tavalla, koska 1 numeroista on jo käytetty pariin. Kertolaskuperiaatteen nojalla salasanojen lukumäärä on = 900 kun salasanassa on oltava täyskäsi eli kolmoset ja pari. Tehtävä 2.5. Kuinka monella eri tavalla voidaan m ykköstä ja n nollaa järjestää jonoon? Sovellus: Suorakulmaiseen koordinaatistoon on piirretty suorakulmainen katuverkko, joka kulkee kokonaislukupisteiden kautta. Kuinka monta erilaista lyhintä reittiä on pisteestä (0,0) pisteeseen (6,5)? Tehtävä 2.5. Mitä opimme? Tehtävässä tarkastellaan kombinatoriikan perusongelmia sekä niiden ratkaisemista kombinatoriikan perusperiaatteiden avulla. Tehtävä 2.5. Ratkaisu: Sovelletaan tehtävän ratkaisussa lokeromallia. Käytössä on (m + n) lokeroa, jotka on täytettävä m ykkösellä. Sen jälkeen nollien paikat on määrätty. Erilaisten tapojen lukumäärän täyttää (m + n) lokeroa m ykkösellä antaa binomikerroin m+ n m Sama tulos saadaan täyttämällä (m + n) lokeroa ensin n nollalla. Tämä seuraa siitä, että m+ n ( m+ n)! m+ n = = m mn!! n Huomaa, että tämä binomikertoimien ominaisuus tulee esiin Pascalin kolmion symmetrisyytenä. Sovellus: Pisteestä (0,0) voidaan siirtyä pisteeseen (6,5) useaa erilaista lyhintä reittiä pitkin. Kaikilla lyhimmillä reiteillä on se ominaisuus, että niissä on 6 siirtymistä (askelta) x-akselin suuntaan ja 5 siirtymistä (askelta) y-akselin suuntaan. Siten lyhimmän reitin pituus on = 11 askelta. Ilkka Mellin (2008) 17/27

18 Jokaista lyhintä reittiä voidaan asettaa vastaamaan numeroiden 0 ja 1 muodostama yhdentoista numeron jono, jossa on 6 kpl numeroa 0 ja 5 kpl numeroa 1, kun 0 vastaa siirtymistä x-akselin suuntaan ja 1 vastaa siirtymistä y-akselin suuntaan. Ilkka Mellin (2008) 18/27

19 (6,5) Kuviossa: vastaa numeroa 0 vastaa numeroa 1 Siten kuvioon nuolilla merkitty siirtyminen pisteestä (0,0) pisteeseen (6,5) vastaa jonoa (0,0) Edellä esitetyn nojalla kysymys lyhimpien reittien lukumäärästä voidaan pukea seuraavaan muotoon: Kuinka monella tavalla 6 kpl nollia ja 5 kpl ykkösiä voidaan asettaa yhdentoista numeron jonoon? Tehtävän alkuosan perusteella vastauksen antaa binomikerroin Yleistys: 11 = Tarkastellaan tasossa kokonaislukupisteiden muodostamaa hilaa, jossa voidaan liikkua vain hilapisteiden koordinaattiakseleiden suuntaisia välijanoja pitkin. Tämä merkitsee sitä, että kahden hilapisteen välinen etäisyys on mitattava ns. Manhattanmetriikalla. Pisteestä (0,0) on siis pisteeseen (m, n) m+ n m+ n = m n erilaista lyhintä reittiä, joista jokaisen pituus on m + n. Tehtävä 2.6. Pokeripeli. Laske todennäköisyydet seuraaville 5:n kortin käsille: (a) Kuningasvärisuora: ässä, kuningas, rouva, sotilas, 10 samaa maata. (b) Värisuora: 5 peräkkäistä korttia samaa maata. (c) Väri: 5 korttia samaa maata. Oletamme, että korttipakassa on 52 korttia, jotka jakautuvat 4:ään maahan: hertta, pata, ruutu, risti. Jokaisessa maassa on 13 korttia: ässä (A), kuningas (K), rouva (Q), sotilas (J), 10, 9, 8, 7, 6, 5, 4, 3, 2. Tehtävä 2.6. Mitä opimme? Tehtävässä tarkastellaan kombinatoriikan soveltamista tapahtumien klassisen todennäköisyyden määräämiseen. Ilkka Mellin (2008) 19/27

20 Tehtävä 2.6. Ratkaisu: 5 korttia voidaan valita 52 kortin joukosta binomikertoimen 52 5 ilmaisemalla lukumäärällä eri tapoja. (a) Kuningasvärisuoria on 4 kpl. Todennäköisyys saada kuningasvärisuora on siten 52 4/ 5 = 1/ (b) Värisuoria on 4 10 kpl, sillä ässä voidaan liittää kahteen eri värisuoraan, mikä nähdään tutkimalla seuraavaa kaaviota: A K Q J A 5:n kortin käsi Todennäköisyys saada värisuora on siten / 5 = 1/64974 (c) Värejä on kpl. Todennäköisyys saada väri on siten / 5 = 33/16660 Tehtävä 2.7. Paikkakuntien X ja Y välillä on kolmet liikennevalot K, L, M. Valojen jaksona on 1 minuutti, jona aikana liikennevalo K näyttää punaista 15 sekuntia, L näyttää punaista 20 sekuntia ja M näyttää punaista 30 sekuntia. Laske todennäköisyys, että matkalla on pysähdyttävä täsmälleen yhden kerran. Tehtävä 2.7. Mitä opimme? Tehtävässä havainnollistetaan toisensa poissulkevuuden ja riippumattomuuden käsitteitä todennäköisyyslaskennassa. Ilkka Mellin (2008) 20/27

21 Tehtävä 2.7. Ratkaisu: Olkoon A i = Liikennevalo i näyttää punaista, i = 1, 2, 3 Tehtävän asettelun mukaan Pr(A 1 ) = 1/4 Pr(A 2 ) = 1/3 Pr(A 3 ) = 1/2 Oletetaan, että tapahtumat A 1, A 2 ja A 3 ovat riippumattomia. Tällöin kysytyksi todennäköisyydeksi saadaan toisensa poissulkevien tapahtumien yhteenlaskusäännön ja riippumattomien tapahtumien tulosäännön mukaan: c c c c c c Pr ( A A A ) ( A A A ) ( A A A ) ( ) c c c c c c = Pr( A1 A2 A3) + Pr( A1 A2 A3) + Pr( A1 A2 A3) c c c c c c = Pr( A1) Pr( A2) Pr( A3) + Pr( A1) Pr( A2) Pr( A3) + Pr( A1) Pr( A2) Pr( A3) = = = Tehtävä 2.8 Tarkastellaan kahta uurnaa, joissa kummassakin on 3 mustaa ja 5 valkoista kuulaa. (a) Poimitaan kummastakin uurnasta yksi kuula. Mikä on todennäköisyys, että molemmat kuulat ovat mustia? (b) Poimitaan toisesta uurnasta kaksi kuulaa. Mikä on todennäköisyys, että molemmat kuulat ovat mustia? Tehtävä 2.8. Mitä opimme? Tehtävässä havainnollistetaan riippumattomuuden ja ehdollisen todennäköisyyden käsitteitä todennäköisyyslaskennassa. Tehtävä 2.8. Ratkaisu: (a) Olkoon A = 1. kuula on musta B = 2. kuula on musta Tällöin Pr(A) = 3/8 Pr(B ) = 3/8 Koska tapahtumat A ja B voidaan olettaa riippumattomiksi, niin riippumattomien tapahtumien tulosäännön mukaan Ilkka Mellin (2008) 21/27

22 3 3 9 Pr( A B) = Pr( A)Pr( B) = = (b) Olkoon A = 1. kuula on musta B = 2. kuula on musta, Tällöin Pr(A) = 3/8 Pr(B A) = 2/7 Nyt tapahtumat A ja B eivät ole riippumattomia, joten yleisen tulosäännön mukaan Pr( A B) = Pr( A)Pr( B A) = = Huomaa, että tässä Pr( A)Pr( B) = = Pr( A B) Tehtävä 2.9 Erässä CD-soittimia on 20 soitinta, joista 3 on viallista. (a) Kuinka monella eri tavalla soitinten joukosta voidaan poimia 4 soitinta niin, että mukaan tulee täsmälleen 1 viallinen soitin, jos poiminta tehdään palauttamatta? (b) Mikä on todennäköisyys, että poimittaessa soitinten joukosta umpimähkään 4 soitinta mukaan tulee täsmälleen 1 viallinen, jos poiminta tehdään palauttamatta? Tehtävä 2.9. Mitä opimme? Tehtävässä tarkastellaan kombinatoriikan soveltamista tapahtumien klassisen todennäköisyyden määräämiseen otannassa palauttaen ja otannassa palauttamatta. Ks. myös tehtäviä 2.1. ja 1.8. Tehtävä 2.9. Ratkaisu: (a) Tehtävänä on valita 3 soitinta 17:n ehjän soittimen joukosta ja 1 soitin 3:n viallisen soittimen joukosta ja laskea niiden tapojen lukumäärä, jolla tämä voidaan tehdä. 3 soitinta voidaan valita 17:n ehjän joukosta binomikertoimen 17 3 ilmaisemalla lukumäärällä eri tapoja. 1 soitin voidaan valita 3:n viallisen joukosta binomikertoimen 3 1 Ilkka Mellin (2008) 22/27

23 ilmaisemalla lukumäärällä eri tapoja. Nämä valinnat voidaan tehdä toisistaan riippumatta, joten kombinatoriikan kertolaskuperiaatteen mukaan valintojen kokonaislukumääräksi saadaan ! 3! = = = !14! 1!2! (b) 3:n Käytetään klassisen todennäköisyyden määritelmää: Tapahtuman A klassinen todennäköisyys on Pr(A) = k / n jossa k = tapahtumalle A suotuisien tulosvaihtoehtojen lukumäärä n = kaikkien mahdollisten tulosvaihtoehtojen lukumäärä ja kaikki tulosvaihtoehdot ovat yhtä todennäköisiä. Kaikkien tapausten lukumäärä: 4 soitinta voidaan poimia 20 soittimen joukosta binomikertoimen 20 20! = = = !16! ilmaisemalla lukumäärällä eri tapoja. Suotuisien tapausten lukumäärä: (a)-kohdan mukaan 3 soitinta voidaan valita 17:n ehjän soittimen joukosta ja 1 soitin viallisen soittimen joukosta tulon 17 3 = ilmaisemalla lukumäärällä eri tapoja. Siten todennäköisyys valita 4 soitinta satunnaisesti 20:n soittimen joukosta ja saada 3 soitinta 17:n ehjän soittimen joukosta ja 1 soitin 3:n viallisen soittimen joukosta on = Tehtävä Eräässä tehtaassa on 3 valmistuslinjaa, joilla tehdään samanlaisia CD-soittimia. Linja A valmistaa soittimista 30 %, linja B 25 % ja linja C 45 %. A:n valmistamista soittimista keski- Ilkka Mellin (2008) 23/27

24 määrin 2 %, B:n valmistamista soittimista 3 % ja C:n valmistamista soittimista 4 % on osoittautunut viallisiksi. Valitaan satunnaisesti yksi soitin tarkistusta varten. (a) Mikä on todennäköisyys, että soitin on viallinen? (b) Mikä on todennäköisyys, että soitin on tehty linjalla A, jos se on viallinen? Tehtävä Mitä opimme? Tehtävässä tarkastellaan kokonaistodennäköisyyden ja Bayesin kaavojen soveltamista. Tehtävä Ratkaisu: Määritellään seuraavat tapahtumat: A = {Soittimen on valmistanut linja A} B = {Soittimen on valmistanut linja B} C = {Soittimen on valmistanut linja C} Tehtävän asettelun mukaan seuraavat todennäköisyydet tunnetaan: Pr(A) = 0.30 Pr(B) = 0.25 Pr(C) = 0.45 Määritellään tapahtuma V = {Soitin on viallinen} Tehtävän asettelun mukaan myös seuraavat ehdolliset todennäköisyydet tunnetaan: Pr(V A) = 0.02 Pr(V B) = 0.03 Pr(V C) = 0.04 (a) Tehtävänä on määrätä Pr(V). Kokonaistodennäköisyyden kaavan mukaan: Pr(V) = Pr(A)Pr(V A) + Pr(B)Pr(V B) + Pr(C)Pr(V C) = = (b) Tehtävänä on määrätä Pr(A V). Bayesin kaavan mukaan: Pr( A V) Pr( A) Pr( V A) Pr( AV) = = Pr( V) Pr( A) Pr( V A) + Pr( B) Pr( V B) + Pr( C) Pr( V C) = Ilkka Mellin (2008) 24/27

25 Tehtävä Valheenpaljastuskoneen luotettavuudesta on käytettävissä seuraavat tiedot: Henkilö, joka valehtelee tulee oikein luokitelluksi valehtelijaksi todennäköisyydellä 0.9. Toisaalta henkilö, joka ei valehtele tulee virheellisesti luokitelluksi valehtelijaksi todennäköisyydellä Oletetaan, että valheenpaljastuskonetta käytetään ihmisjoukkoon, jossa 1 % valehtelee. Mikä on todennäköisyys, että valehtelijaksi luokiteltu henkilö onkin rehellinen? Tehtävä Mitä opimme? Tehtävässä tarkastellaan Bayesin kaavan soveltamista. Ks. myös tehtävää Tehtävä Ratkaisu: Määritellään seuraavat tapahtumat: D = Valheenpaljastuskone luokittelee henkilön valehtelijaksi V = Henkilö valehtelee R = Henkilö ei valehtele Tehtävän asettelun mukaan seuraavat todennäköisyydet tunnetaan: Pr(D V) = 0.9 Pr(D R) = 0.05 Pr(V) = 0.01 Komplementtitapahtuman todennäköisyyden kaavan mukaan Pr(R) = 1 Pr(V) = 0.99 Tehtävässä kysytään todennäköisyyttä Pr(R D) Bayesin kaavan mukaan: Pr( R)Pr( D R) Pr( RD) = Pr( R)Pr( DR) + Pr( V)Pr( DV) = Huomaa, että todennäköisyys sille, että valheenpaljastuskoneen valehtelijaksi luokittelema henkilö on todellisuudessa rehellinen, on erittäin korkea! Tehtävä Valehtelijoiden maassa asuu kaksi yhtä suurta heimoa lierot ja kierot. Lierot vastaavat kaikkiin kysymyksiin oikein todennäköisyydellä 2/3, kun taas kierot vastaavat kaikkiin kysymyksiin oikein todennäköisyydellä 3/4. Tapaat maan asukkaan, jolta kysyt onko hän kiero vai liero ja hän vastaa olevansa kiero. Mikä on todennäköisyys, että hän todellakin on kiero? Ilkka Mellin (2008) 25/27

26 Tehtävä Mitä opimme? Tehtävässä tarkastellaan Bayesin kaavan soveltamista. Ks. myös tehtävää Tehtävä Ratkaisu: Tehtävän asettelun mukaan seuraavat todennäköisyydet tunnetaan: Pr(Liero) = Pr(Kiero) = 1/2 Pr(Vastaa liero Liero) = 2/3 Pr(Vastaa kiero Kiero) = 3/4 Tehtävässä kysytään todennäköisyyttä Pr(Kiero Vastaa kiero) Bayesin kaavan mukaan Pr(Kiero Vastaa kiero) Pr(Vastaa kiero Kiero) Pr(Kiero) = Pr(Vastaa kiero Kiero) Pr(Kiero) + Pr(Vastaa kiero Liero) Pr(Liero) = = Pr(Kiero) Siten valehtelijoiden maan asukkaan antama vastaus kysymykseesi sisältää informaatiota, jota voidaan käyttää hyväksi, kun arvioidaan todennäköisyyttä, että hän on puhunut totta. Tehtävä Tiedonsiirtojärjestelmä siirtää binäärilukuja 0 ja 1. Siirrettävistä binääriluvuista on nollia 70 % ja ykkösiä 30 %. Järjestelmässä esiintyy kuitenkin satunnaisia häiriöitä, jotka muuttavat siirron aikana osan nollista ykkösiksi ja osan ykkösistä nolliksi. Nolla tulee perille oikeassa muodossa todennäköisyydellä 0.8 ja ykkönen todennäköisyydellä 0.9. Laske todennäköisyydet seuraaville tapahtumille: (a) On lähetetty 1, kun on vastaanotettu 1 (b) On lähetetty 0, kun on vastaanotettu 0 Tehtävä Mitä opimme? Tehtävässä tarkastellaan Bayesin kaavan soveltamista. Ks. myös tehtäviä ja Tehtävä Ratkaisu: Merkitään tehtävän tapahtumavaihtoehtoja seuraavalla tavalla: A = On lähetetty 0 A c = On lähetetty 1 Ilkka Mellin (2008) 26/27

27 B = On vastaanotettu 0 B c = On vastaanotettu 1 Tehtävän asettelun mukaan seuraavat todennäköisyydet tunnetaan: Pr(A) = 0.7 Pr(A c ) = 1 Pr(A) = 0.3 Pr(B A) = 0.8 Pr(B c A c ) = 0.9 (a) Kysytty todennäköisyys on Pr(A c B c ). Bayesin kaavan mukaan: c c c c Pr( B A ) Pr( A ) Pr( A B ) = c c c c Pr( B A ) Pr( A ) + Pr( B A) Pr( A) = = = c (b) Kysytty todennäköisyys on Pr(A B). Bayesin kaavan mukaan: Pr( BA) Pr( A) Pr( AB) = c c Pr( B A) Pr( A) + Pr( B A ) Pr( A ) = = = Ilkka Mellin (2008) 27/27

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

Osa 1: Todennäköisyys ja sen laskusäännöt. Klassinen todennäköisyys ja kombinatoriikka

Osa 1: Todennäköisyys ja sen laskusäännöt. Klassinen todennäköisyys ja kombinatoriikka Ilkka Mellin Todennäköisyyslaskenta Osa 1: Todennäköisyys ja sen laskusäännöt Klassinen todennäköisyys ja kombinatoriikka TKK (c) Ilkka Mellin (2007) 1 Klassinen todennäköisyys ja kombinatoriikka >> Klassinen

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

B. Siten A B, jos ja vain jos x A x

B. Siten A B, jos ja vain jos x A x Mat-1.2600 Sovellettu todennäköisyyslaskenta B / Ratkaisut Aiheet: Johdanto Joukko-opin peruskäsitteet Todennäköisyyslaskennan peruskäsitteet Todennäköisyyslaskennan peruslaskusäännöt Avainsanat: Alkeistapahtuma,

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

Johdatus todennäköisyyslaskentaan Klassinen todennäköisyys ja kombinatoriikka. TKK (c) Ilkka Mellin (2005) 1

Johdatus todennäköisyyslaskentaan Klassinen todennäköisyys ja kombinatoriikka. TKK (c) Ilkka Mellin (2005) 1 Johdatus todennäköisyyslaskentaan Klassinen todennäköisyys ja kombinatoriikka TKK (c) Ilkka Mellin (2005) 1 Klassinen todennäköisyys ja kombinatoriikka Klassinen todennäköisyys Kombinatoriikan perusperiaatteet

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

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

ABHELSINKI UNIVERSITY OF TECHNOLOGY

ABHELSINKI UNIVERSITY OF TECHNOLOGY Klassinen todennäköisyys ja kombinatoriikka Klassinen todennäköisyys Olkoon S = {s 1,s 2,...,s n } äärellinen otosavaruus. Oletetaan, että Pr(s i ) = 1, kaikille i = 1, 2,...,n n Tällöin alkeistapahtumat

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

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

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

Johdatus todennäköisyyslaskentaan Todennäköisyyden aksioomat. TKK (c) Ilkka Mellin (2005) 1

Johdatus todennäköisyyslaskentaan Todennäköisyyden aksioomat. TKK (c) Ilkka Mellin (2005) 1 Johdatus todennäköisyyslaskentaan Todennäköisyyden aksioomat TKK (c) Ilkka Mellin (2005) 1 Todennäköisyyden aksioomat Todennäköisyyden määritteleminen Todennäköisyyden aksioomat äärellisissä otosavaruuksissa

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. 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

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

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

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

Osa 1: Todennäköisyys ja sen laskusäännöt. Todennäköisyyden peruslaskusäännöt

Osa 1: Todennäköisyys ja sen laskusäännöt. Todennäköisyyden peruslaskusäännöt Ilkka Mellin Todennäköisyyslaskenta Osa 1: Todennäköisyys ja sen laskusäännöt Todennäköisyyden peruslaskusäännöt TKK (c) Ilkka Mellin (2007) 1 Todennäköisyyden peruslaskusäännöt >> Uusien tapahtumien muodostaminen

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

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

Mat Sovellettu todennäköisyyslaskenta B

Mat Sovellettu todennäköisyyslaskenta B Mat-1.2620 Sovellettu todennäköisslaskenta B 1. välikoe 08.03.2011 / Kibble Kirjoita selvästi jokaiseen koepaperiin seuraavat tiedot: Mat-1.2620 SovTnB 1. vk 08.03.2011 opiskelijanumero + kirjain TEKSTATEN

Lisätiedot

TOD.NÄK JA TILASTOT, MAA10 Kombinaatio, k-kombinaatio

TOD.NÄK JA TILASTOT, MAA10 Kombinaatio, k-kombinaatio 1..018 TOD.NÄK JA TILASTOT, MAA10 Kombinaatio, k-kombinaatio Esimerkki 1: Sinulla on 5 erilaista palloa. Kuinka monta erilaista kahden pallon paria voit muodostaa, kun valintajärjestykseen a) kiinnitetään

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

5/11 6/11 Vaihe 1. 6/10 4/10 6/10 4/10 Vaihe 2. 5/11 6/11 4/11 7/11 6/11 5/11 5/11 6/11 Vaihe 3

5/11 6/11 Vaihe 1. 6/10 4/10 6/10 4/10 Vaihe 2. 5/11 6/11 4/11 7/11 6/11 5/11 5/11 6/11 Vaihe 3 Mat-.9 Sovellettu todennäköisyyslasku A / Ratkaisut Aiheet: Avainsanat: Verkot todennäköisyyslaskennassa Satunnaismuuttujat ja todennäköisyysjakaumat Jakaumien tunnusluvut Kertymäfunktio, Momentit, Odotusarvo,

Lisätiedot

Johdatus todennäköisyyslaskentaan Todennäköisyyslaskenta ja puudiagrammit. TKK (c) Ilkka Mellin (2005) 1

Johdatus todennäköisyyslaskentaan Todennäköisyyslaskenta ja puudiagrammit. TKK (c) Ilkka Mellin (2005) 1 Johdatus todennäköisyyslaskentaan Todennäköisyyslaskenta ja puudiagrammit TKK (c) Ilkka Mellin (2005) 1 Todennäköisyyslaskenta ja puudiagrammit Puutodennäköisyydet Todennäköisyyslaskennan laskusääntöjen

Lisätiedot

Johdatus todennäköisyyslaskentaan Kertymäfunktio. TKK (c) Ilkka Mellin (2005) 1

Johdatus todennäköisyyslaskentaan Kertymäfunktio. TKK (c) Ilkka Mellin (2005) 1 Johdatus todennäköisyyslaskentaan Kertymäfunktio TKK (c) Ilkka Mellin (2005) 1 Kertymäfunktio Kertymäfunktio: Määritelmä Diskreettien jakaumien kertymäfunktiot Jatkuvien jakaumien kertymäfunktiot TKK (c)

Lisätiedot

Liite 2: Verkot ja todennäköisyyslaskenta. Todennäköisyyslaskenta ja puudiagrammit

Liite 2: Verkot ja todennäköisyyslaskenta. Todennäköisyyslaskenta ja puudiagrammit Ilkka Mellin Todennäköisyyslaskenta Liite 2: Verkot ja todennäköisyyslaskenta Todennäköisyyslaskenta ja puudiagrammit TKK (c) Ilkka Mellin (2007) 1 Todennäköisyyslaskenta ja puudiagrammit >> Puutodennäköisyydet

Lisätiedot

Ilkka Mellin Todennäköisyyslaskenta. Osa 2: Satunnaismuuttujat ja todennäköisyysjakaumat. Kertymäfunktio. TKK (c) Ilkka Mellin (2007) 1

Ilkka Mellin Todennäköisyyslaskenta. Osa 2: Satunnaismuuttujat ja todennäköisyysjakaumat. Kertymäfunktio. TKK (c) Ilkka Mellin (2007) 1 Ilkka Mellin Todennäköisyyslaskenta Osa 2: Satunnaismuuttujat ja todennäköisyysjakaumat Kertymäfunktio TKK (c) Ilkka Mellin (2007) 1 Kertymäfunktio >> Kertymäfunktio: Määritelmä Diskreettien jakaumien

Lisätiedot

Sovellettu todennäköisyyslaskenta B

Sovellettu todennäköisyyslaskenta B Sovellettu todennäköisyyslaskenta B Antti Rasila 20. syyskuuta 2007 Antti Rasila () TodB 20. syyskuuta 2007 1 / 17 1 Kolmogorovin aksioomat σ-algebra Tapahtuman todennäköisyys 2 Satunnaismuuttujat Todennäköisyysjakauma

Lisätiedot

Todennäköisyyslaskenta ja puudiagrammit. Todennäköisyyslaskenta ja puudiagrammit. Todennäköisyyslaskenta ja puudiagrammit: Esitiedot

Todennäköisyyslaskenta ja puudiagrammit. Todennäköisyyslaskenta ja puudiagrammit. Todennäköisyyslaskenta ja puudiagrammit: Esitiedot TKK (c) Ilkka Mellin (2004) 1 Todennäköisyyslaskenta ja puudiagrammit iite: Todennäköisyyslaskenta ja puudiagrammit TKK (c) Ilkka Mellin (2004) 2 Todennäköisyyslaskenta ja puudiagrammit: Mitä opimme? Verkkoteoria

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

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

Sovellettu todennäköisyyslaskenta B

Sovellettu todennäköisyyslaskenta B Sovellettu todennäköisyyslaskenta B Antti Rasila 14. syyskuuta 2007 Antti Rasila () TodB 14. syyskuuta 2007 1 / 21 1 Kokonaistodennäköisyys ja Bayesin kaava Otosavaruuden ositus Kokonaistodennäköisyyden

Lisätiedot

Tuloperiaate. Oletetaan, että eräs valintaprosessi voidaan jakaa peräkkäisiin vaiheisiin, joita on k kappaletta

Tuloperiaate. Oletetaan, että eräs valintaprosessi voidaan jakaa peräkkäisiin vaiheisiin, joita on k kappaletta Tuloperiaate Oletetaan, että eräs valintaprosessi voidaan jakaa peräkkäisiin vaiheisiin, joita on k kappaletta ja 1. vaiheessa valinta voidaan tehdä n 1 tavalla,. vaiheessa valinta voidaan tehdä n tavalla,

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

Ilkka Mellin Todennäköisyyslaskenta Liite 1: Joukko-oppi

Ilkka Mellin Todennäköisyyslaskenta Liite 1: Joukko-oppi Ilkka Mellin Todennäköisyyslaskenta Liite 1: Joukko-oppi TKK (c) Ilkka Mellin (2007) 1 Joukko-oppi >> Joukko-opin peruskäsitteet Joukko-opin perusoperaatiot Joukko-opin laskusäännöt Funktiot Tulojoukot

Lisätiedot

Johdatus todennäköisyyslaskentaan Todennäköisyyden peruslaskusäännöt. TKK (c) Ilkka Mellin (2005) 1

Johdatus todennäköisyyslaskentaan Todennäköisyyden peruslaskusäännöt. TKK (c) Ilkka Mellin (2005) 1 Johdatus todennäköisyyslaskentaan Todennäköisyyden peruslaskusäännöt TKK (c) Ilkka Mellin (2005) 1 Todennäköisyyden peruslaskusäännöt Tapahtumat Peruslaskusäännöt todennäköisyydelle Ehdollinen todennäköisyys

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

Verkot ja todennäköisyyslaskenta. Verkot ja todennäköisyyslaskenta. Verkot ja todennäköisyyslaskenta: Esitiedot

Verkot ja todennäköisyyslaskenta. Verkot ja todennäköisyyslaskenta. Verkot ja todennäköisyyslaskenta: Esitiedot T (c) Ilkka Mellin (2004) 1 Johdatus todennäköisyyslaskentaan T (c) Ilkka Mellin (2004) 2 : Mitä oimme? Verkkoteoria on hyödyllinen sovelletun matematiikan osa-alue, jolla on sovelluksia esimerkiksi logiikassa,

Lisätiedot

811120P Diskreetit rakenteet

811120P Diskreetit rakenteet 811120P Diskreetit rakenteet 2018-2019 7. Kombinatoriikka 7.1 Johdanto Kombinatoriikka tutkii seuraavan kaltaisia kysymyksiä: Kuinka monella tavalla jokin toiminto voidaan suorittaa? Kuinka monta tietynlaista

Lisätiedot

ABHELSINKI UNIVERSITY OF TECHNOLOGY

ABHELSINKI UNIVERSITY OF TECHNOLOGY Satunnaismuuttujat ja todennäköisyysjakaumat Mitä tänään? Jos satunnaisilmiötä halutaan mallintaa matemaattisesti, on ilmiön tulosvaihtoehdot kuvattava numeerisessa muodossa. Tämä tapahtuu liittämällä

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

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

a b c d + + + + + + + + +

a b c d + + + + + + + + + 28. 10. 2010!"$#&%(')'+*(#-,.*/1032/465$*784 /(9:*;9."$ *;5> *@9 a b c d 1. + + + 2. 3. 4. 5. 6. + + + + + + + + + + P1. Valitaan kannaksi sivu, jonka pituus on 4. Koska toinen jäljelle jäävistä sivuista

Lisätiedot

D ( ) Var( ) ( ) E( ) [E( )]

D ( ) Var( ) ( ) E( ) [E( )] Mat-.2620 Sovellettu todennäköisyyslaskenta B / Ratkaisut Aiheet: Diskreettejä jakaumia Avainsanat: Binomijakauma, Diskreetti tasainen jakauma, Eksponenttijakauma, Geometrinen jakauma, Hypergeometrinen

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

Todennäköisyyslaskennan peruslaskusäännöt. Todennäköisyyslaskennan peruslaskusäännöt. Todennäköisyyslaskennan peruslaskusäännöt: Esitiedot

Todennäköisyyslaskennan peruslaskusäännöt. Todennäköisyyslaskennan peruslaskusäännöt. Todennäköisyyslaskennan peruslaskusäännöt: Esitiedot TKK (c) Ilkka Mellin (2004) 1 Todennäköisyyslaskennan peruslaskusäännöt Johdatus todennäköisyyslaskentaan Todennäköisyyslaskennan peruslaskusäännöt TKK (c) Ilkka Mellin (2004) 2 Todennäköisyyslaskennan

Lisätiedot

2.1. Tehtävänä on osoittaa induktiolla, että kaikille n N pätee n = 1 n(n + 1). (1)

2.1. Tehtävänä on osoittaa induktiolla, että kaikille n N pätee n = 1 n(n + 1). (1) Approbatur 3, demo, ratkaisut Sovitaan, että 0 ei ole luonnollinen luku. Tällöin oletusta n 0 ei tarvitse toistaa alla olevissa ratkaisuissa. Se, pidetäänkö nollaa luonnollisena lukuna vai ei, vaihtelee

Lisätiedot

Ilkka Mellin Todennäköisyyslaskenta Osa 1: Todennäköisyys ja sen laskusäännöt Verkot ja todennäköisyyslaskenta

Ilkka Mellin Todennäköisyyslaskenta Osa 1: Todennäköisyys ja sen laskusäännöt Verkot ja todennäköisyyslaskenta Ilkka Mellin Todennäköisyyslaskenta Osa 1: Todennäköisyys ja sen laskusäännöt Verkot ja todennäköisyyslaskenta TKK (c) Ilkka Mellin (2005) 1 Verkot ja todennäköisyyslaskenta >> Puudiagrammit todennäköisyyslaskennassa:

Lisätiedot

Moniulotteisia todennäköisyysjakaumia. Moniulotteisia todennäköisyysjakaumia. Moniulotteisia todennäköisyysjakaumia: Mitä opimme?

Moniulotteisia todennäköisyysjakaumia. Moniulotteisia todennäköisyysjakaumia. Moniulotteisia todennäköisyysjakaumia: Mitä opimme? TKK (c) Ilkka Mellin (4) Moniulotteisia todennäköisyysjakaumia Johdatus todennäköisyyslaskentaan Moniulotteisia todennäköisyysjakaumia TKK (c) Ilkka Mellin (4) Moniulotteisia todennäköisyysjakaumia: Mitä

Lisätiedot

a k+1 = 2a k + 1 = 2(2 k 1) + 1 = 2 k+1 1. xxxxxx xxxxxx xxxxxx xxxxxx

a k+1 = 2a k + 1 = 2(2 k 1) + 1 = 2 k+1 1. xxxxxx xxxxxx xxxxxx xxxxxx x x x x x x x x Matematiikan johdantokurssi, syksy 08 Harjoitus, ratkaisuista Hanoin tornit -ongelma: Tarkastellaan kolmea pylvästä A, B ja C, joihin voidaan pinota erikokoisia renkaita Lähtötilanteessa

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

Johdatus todennäköisyyslaskentaan Moniulotteisia todennäköisyysjakaumia. TKK (c) Ilkka Mellin (2005) 1

Johdatus todennäköisyyslaskentaan Moniulotteisia todennäköisyysjakaumia. TKK (c) Ilkka Mellin (2005) 1 Johdatus todennäköisyyslaskentaan Moniulotteisia todennäköisyysjakaumia TKK (c) Ilkka Mellin (005) 1 Moniulotteisia todennäköisyysjakaumia Multinomijakauma Kaksiulotteinen normaalijakauma TKK (c) Ilkka

Lisätiedot

Vastaus 1. Lasketaan joukkojen alkiot, ja todetaan, että niitä on 3 molemmissa.

Vastaus 1. Lasketaan joukkojen alkiot, ja todetaan, että niitä on 3 molemmissa. Miten perustella, että joukossa A = {a, b, c} on yhtä monta alkiota kuin joukossa B = {d, e, f }? Vastaus 1. Lasketaan joukkojen alkiot, ja todetaan, että niitä on 3 molemmissa. Vastaus 2. Vertaillaan

Lisätiedot

Johdatus todennäköisyyslaskentaan Verkot ja todennäköisyyslaskenta. TKK (c) Ilkka Mellin (2004) 1

Johdatus todennäköisyyslaskentaan Verkot ja todennäköisyyslaskenta. TKK (c) Ilkka Mellin (2004) 1 Johdatus todennäköisyyslaskentaan Verkot ja todennäköisyyslaskenta TKK (c) Ilkka Mellin (2004) 1 Verkot ja todennäköisyyslaskenta Puudiagrammit todennäköisyyslaskennassa: Johdatteleva esimerkki Todennäköisyyslaskenta

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

Miten perustella, että joukossa A = {a, b, c} on yhtä monta alkiota kuin joukossa B = {d, e, f }?

Miten perustella, että joukossa A = {a, b, c} on yhtä monta alkiota kuin joukossa B = {d, e, f }? Miten perustella, että joukossa A = {a, b, c} on yhtä monta alkiota kuin joukossa B = {d, e, f }? Miten perustella, että joukossa A = {a, b, c} on yhtä monta alkiota kuin joukossa B = {d, e, f }? Vastaus

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

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

Lukion matematiikkakilpailun alkukilpailu 2015

Lukion matematiikkakilpailun alkukilpailu 2015 Lukion matematiikkakilpailun alkukilpailu 015 Avoimen sarjan tehtävät ja niiden ratkaisuja 1. Olkoot a ja b peräkkäisiä kokonaislukuja, c = ab ja d = a + b + c. a) Osoita, että d on kokonaisluku. b) Mitä

Lisätiedot

Todennäköisyyslaskenta. β versio. Todennäköisyyslaskenta. Ilkka Mellin. Teknillinen korkeakoulu, Matematiikan laboratorio. Ilkka Mellin (2006) I

Todennäköisyyslaskenta. β versio. Todennäköisyyslaskenta. Ilkka Mellin. Teknillinen korkeakoulu, Matematiikan laboratorio. Ilkka Mellin (2006) I β versio Todennäköisyyslaskenta Ilkka Mellin Teknillinen korkeakoulu, Matematiikan laboratorio TKK @ Ilkka Mellin (2006) I TKK @ Ilkka Mellin (2006) II Esipuhe Tämä moniste antaa perustiedot todennäköisyyslaskennasta.

Lisätiedot

Lisää Diskreettejä jakaumia Lisää Jatkuvia jakaumia Normaalijakaumasta johdettuja jakaumia

Lisää Diskreettejä jakaumia Lisää Jatkuvia jakaumia Normaalijakaumasta johdettuja jakaumia Todennäköisyyslaskenta Osa 3: Todennäköisyysjakaumia Lisää Diskreettejä jakaumia Lisää Jatkuvia jakaumia Normaalijakaumasta johdettuja jakaumia KE (2014) 1 Hypergeometrinen jakauma Hypergeometrinen jakauma

Lisätiedot

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

Johdatus todennäköisyyslaskentaan Diskreettejä jakaumia. TKK (c) Ilkka Mellin (2005) 1

Johdatus todennäköisyyslaskentaan Diskreettejä jakaumia. TKK (c) Ilkka Mellin (2005) 1 Johdatus todennäköisyyslaskentaan Diskreettejä jakaumia TKK (c) Ilkka Mellin (2005) 1 Diskreettejä jakaumia Diskreetti tasainen jakauma Bernoulli-jakauma Binomijakauma Geometrinen jakauma Negatiivinen

Lisätiedot

Joukko-oppi. Joukko-oppi. Joukko-oppi. Joukko-oppi: Mitä opimme? Joukko-opin peruskäsitteet

Joukko-oppi. Joukko-oppi. Joukko-oppi. Joukko-oppi: Mitä opimme? Joukko-opin peruskäsitteet TKK () Ilkka Mellin (2004) 1 Joukko-oppi Liite: Joukko-oppi TKK () Ilkka Mellin (2004) 2 Joukko-oppi: Mitä opimme? Tämän liitteen tavoitteena on esitellä joukko-opin peruskäsitteet ja - operaatiot laajuudessa,

Lisätiedot

3. Kongruenssit. 3.1 Jakojäännös ja kongruenssi

3. Kongruenssit. 3.1 Jakojäännös ja kongruenssi 3. Kongruenssit 3.1 Jakojäännös ja kongruenssi Tässä kappaleessa esitellään kokonaislukujen modulaarinen aritmetiikka (ns. kellotauluaritmetiikka), jossa luvut tyypillisesti korvataan niillä jakojäännöksillä,

Lisätiedot

1. Esitä rekursiivinen määritelmä lukujonolle

1. Esitä rekursiivinen määritelmä lukujonolle Matematiikan laitos Johdatus Diskrettiin Matematiikkaan Harjoitus 4 24.11.2011 Ratkaisuehdotuksia Aleksandr Pasharin 1. Esitä rekursiivinen määritelmä lukujonolle (a) f(n) = (2 0, 2 1, 2 2, 2 3, 2 4,...)

Lisätiedot

Johdatus todennäköisyyslaskentaan Joukko-oppi. TKK (c) Ilkka Mellin (2005) 1

Johdatus todennäköisyyslaskentaan Joukko-oppi. TKK (c) Ilkka Mellin (2005) 1 Johdatus todennäköisyyslaskentaan Joukko-oppi TKK (c) Ilkka Mellin (2005) 1 Joukko-oppi Joukko-opin peruskäsitteet Joukko-opin perusoperaatiot Joukko-opin laskusäännöt Funktiot Tulojoukot ja funktioiden

Lisätiedot

Verkot ja todennäköisyyslaskenta Verkko Verkko eli graafi muodostuu pisteiden joukosta V, särmien joukosta A ja insidenssikuvauksesta : A V V jossa

Verkot ja todennäköisyyslaskenta Verkko Verkko eli graafi muodostuu pisteiden joukosta V, särmien joukosta A ja insidenssikuvauksesta : A V V jossa Mat-.6 Sovellettu todennäköisyyslaskenta B Mat-.6 Sovellettu todennäköisyyslaskenta B / Ratkaisut Aiheet: Verkot ja todennäköisyyslaskenta Satunnaismuuttujat ja todennäköisyysjakaumat Kertymäfunktio Jakaumien

Lisätiedot

Moniulotteisia todennäköisyysjakaumia

Moniulotteisia todennäköisyysjakaumia Ilkka Mellin Todennäköisyyslaskenta Osa 3: Todennäköisyysjakaumia Moniulotteisia todennäköisyysjakaumia TKK (c) Ilkka Mellin (007) 1 Moniulotteisia todennäköisyysjakaumia >> Multinomijakauma Kaksiulotteinen

Lisätiedot

Matematiikan ja tilastotieteen laitos Algebra I - Kesä 2009 Ratkaisuehdoituksia harjoituksiin 8 -Tehtävät 3-6 4 sivua Heikki Koivupalo ja Rami Luisto

Matematiikan ja tilastotieteen laitos Algebra I - Kesä 2009 Ratkaisuehdoituksia harjoituksiin 8 -Tehtävät 3-6 4 sivua Heikki Koivupalo ja Rami Luisto Matematiikan ja tilastotieteen laitos Algebra I - Kesä 2009 Ratkaisuehdoituksia harjoituksiin 8 -Tehtävät 3-6 4 sivua Heikki Koivupalo ja Rami Luisto 3. Oletetaan, että kunnan K karakteristika on 3. Tutki,

Lisätiedot

Ilkka Mellin Todennäköisyyslaskenta Osa 3: Todennäköisyysjakaumia Moniulotteisia todennäköisyysjakaumia

Ilkka Mellin Todennäköisyyslaskenta Osa 3: Todennäköisyysjakaumia Moniulotteisia todennäköisyysjakaumia Ilkka Mellin Todennäköisyyslaskenta Osa 3: Todennäköisyysjakaumia Moniulotteisia todennäköisyysjakaumia TKK (c) Ilkka Mellin (006) 1 Moniulotteisia todennäköisyysjakaumia >> Multinomijakauma Kaksiulotteinen

Lisätiedot

Valitsemalla sopivat alkiot joudutaan tämän määritelmän kanssa vaikeuksiin, jotka voidaan välttää rakentamalla joukko oppi aksiomaattisesti.

Valitsemalla sopivat alkiot joudutaan tämän määritelmän kanssa vaikeuksiin, jotka voidaan välttää rakentamalla joukko oppi aksiomaattisesti. Joukon määritelmä Joukko on alkioidensa kokoelma. Valitsemalla sopivat alkiot joudutaan tämän määritelmän kanssa vaikeuksiin, jotka voidaan välttää rakentamalla joukko oppi aksiomaattisesti. Näin ei tässä

Lisätiedot

8.1. Tuloperiaate. Antti (miettien):

8.1. Tuloperiaate. Antti (miettien): 8.1. Tuloperiaate Katseltaessa klassisen todennäköisyyden määritelmää selviää välittömästi, että sen soveltamiseksi on kyettävä määräämään erilaisten joukkojen alkioiden lukumääriä. Jo todettiin, ettei

Lisätiedot

1. Logiikan ja joukko-opin alkeet

1. Logiikan ja joukko-opin alkeet 1. Logiikan ja joukko-opin alkeet 1.1. Logiikkaa 1. Osoita totuusarvotauluja käyttäen, että implikaatio p q voidaan kirjoittaa muotoon p q, ts. että propositio (p q) ( p q) on identtisesti tosi. 2. Todista

Lisätiedot

Ilkka Mellin Todennäköisyyslaskenta. Osa 3: Todennäköisyysjakaumia. Diskreettejä jakaumia. TKK (c) Ilkka Mellin (2007) 1

Ilkka Mellin Todennäköisyyslaskenta. Osa 3: Todennäköisyysjakaumia. Diskreettejä jakaumia. TKK (c) Ilkka Mellin (2007) 1 Ilkka Mellin Todennäköisyyslaskenta Osa 3: Todennäköisyysjakaumia Diskreettejä jakaumia TKK (c) Ilkka Mellin (2007) 1 Diskreettejä jakaumia >> Diskreetti tasainen jakauma Bernoulli-jakauma Binomijakauma

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

Alkioiden x ja y muodostama järjestetty pari on jono (x, y), jossa x on ensimmäisenä ja y toisena jäsenenä.

Alkioiden x ja y muodostama järjestetty pari on jono (x, y), jossa x on ensimmäisenä ja y toisena jäsenenä. Alkioiden x ja y muodostama järjestetty pari on jono (x, y), jossa x on ensimmäisenä ja y toisena jäsenenä. Kaksi järjestettyä paria ovat samat, jos niillä on samat ensimmäiset alkiot ja samat toiset alkiot:

Lisätiedot

Esitetään tehtävälle kaksi hieman erilaista ratkaisua. Ratkaisutapa 1. Lähdetään sieventämään epäyhtälön vasenta puolta:

Esitetään tehtävälle kaksi hieman erilaista ratkaisua. Ratkaisutapa 1. Lähdetään sieventämään epäyhtälön vasenta puolta: MATP00 Johdatus matematiikkaan Ylimääräisten tehtävien ratkaisuehdotuksia. Osoita, että 00 002 < 000 000. Esitetään tehtävälle kaksi hieman erilaista ratkaisua. Ratkaisutapa. Lähdetään sieventämään epäyhtälön

Lisätiedot

Matematiikan tukikurssi, kurssikerta 3

Matematiikan tukikurssi, kurssikerta 3 Matematiikan tukikurssi, kurssikerta 3 1 Epäyhtälöitä Aivan aluksi lienee syytä esittää luvun itseisarvon määritelmä: { x kun x 0 x = x kun x < 0 Siispä esimerkiksi 10 = 10 ja 10 = 10. Seuraavaksi listaus

Lisätiedot

1 2 x2 + 1 dx. (2p) x + 2dx. Kummankin integraalin laskeminen oikein (vastaukset 12 ja 20 ) antaa erikseen (2p) (integraalifunktiot

1 2 x2 + 1 dx. (2p) x + 2dx. Kummankin integraalin laskeminen oikein (vastaukset 12 ja 20 ) antaa erikseen (2p) (integraalifunktiot Helsingin yliopisto, Itä-Suomen yliopisto, Jyväskylän yliopisto, Oulun yliopisto, Tampereen yliopisto ja Turun yliopisto Matematiikan valintakoe (Ratkaisut ja pisteytys) 500 Kustakin tehtävästä saa maksimissaan

Lisätiedot

LAUSEKKEET JA NIIDEN MUUNTAMINEN

LAUSEKKEET JA NIIDEN MUUNTAMINEN LAUSEKKEET JA NIIDEN MUUNTAMINEN 1 LUKULAUSEKKEITA Ratkaise seuraava tehtävä: Retkeilijät ajoivat kahden tunnin ajan polkupyörällä maantietä pitkin 16 km/h nopeudella, ja sitten vielä kävelivät metsäpolkua

Lisätiedot

Todennäköisyyslaskenta 1/7 Sisältö ESITIEDOT: joukko-oppi, lukumäärän laskeminen, funktiokäsite Hakemisto

Todennäköisyyslaskenta 1/7 Sisältö ESITIEDOT: joukko-oppi, lukumäärän laskeminen, funktiokäsite Hakemisto Todennäköisyyslaskenta /7 Sisältö ESITIEDOT: joukko-oppi, n laskeminen, käsite Hakemisto Todennäköisyyslaskennan peruskäsitteet Todennäköisyyslaskennassa tarkastelun kohteena ovat satunnaisilmiöt.esimerkkejä

Lisätiedot

8.2. Permutaatiot. Esim. 1 Kirjaimet K, L ja M asetetaan jonoon. Kuinka monta erilaista järjes-tettyä jonoa näin saadaan?

8.2. Permutaatiot. Esim. 1 Kirjaimet K, L ja M asetetaan jonoon. Kuinka monta erilaista järjes-tettyä jonoa näin saadaan? 8.2. Permutaatiot Esim. 1 irjaimet, ja asetetaan jonoon. uinka monta erilaista järjes-tettyä jonoa näin saadaan? Voidaan kuvitella vaikka niin, että hyllyllä on vierekkäin kolme laatikkoa (tai raiteilla

Lisätiedot

Todennäköisyyslaskenta: Todennäköisyys ja sen laskusäännöt

Todennäköisyyslaskenta: Todennäköisyys ja sen laskusäännöt Todennäköisyys ja sen laskusäännöt Todennäköisyyslaskenta: Todennäköisyys ja sen laskusäännöt 1. Johdanto 2. Joukko-opin peruskäsitteet 3. Todennäköisyyslaskennan peruskäsitteet 4. Todennäköisyyslaskennan

Lisätiedot

1. Kuinka monella tavalla joukon kaikki alkiot voidaan järjestää jonoksi? Tähän antaa vastauksen: tuloperiaate ja permutaatio

1. Kuinka monella tavalla joukon kaikki alkiot voidaan järjestää jonoksi? Tähän antaa vastauksen: tuloperiaate ja permutaatio TOD.NÄK JA TILASTOT, MAA10 Kombinatoriikka Todennäköisyyksiä (-laskuja) varten tarvitaan tieto tapahtumille suotuisien alkeistapausten lukumäärästä eli tapahtumaa vastaavan osajoukon alkioiden lukumäärästä.

Lisätiedot

Todennäköisyyslaskenta

Todennäköisyyslaskenta Todennäköisyyslaskenta Ilkka Mellin 1. korjattu painos Ilkka Mellin I Ilkka Mellin II Esipuhe Tämä moniste pyrkii antamaan perustiedot todennäköisyyslaskennasta. Monisteen ensisijaisena tavoitteena on

Lisätiedot

Puzzle SM 2005 15. 25.7.2005. Pistelasku

Puzzle SM 2005 15. 25.7.2005. Pistelasku Puzzle SM 005 5. 5.7.005 Pistelasku Jokaisesta oikein ratkotusta tehtävästä saa yhden () pisteen, minkä lisäksi saa yhden () bonuspisteen jokaisesta muusta ratkojasta, joka ei ole osannut ratkoa tehtävää.

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

Matematiikan tukikurssi

Matematiikan tukikurssi Matematiikan tukikurssi Kurssikerta 8 1 Suunnattu derivaatta Aluksi tarkastelemme vektoreita, koska ymmärrys vektoreista helpottaa alla olevien asioiden omaksumista. Kun liikutaan tasossa eli avaruudessa

Lisätiedot

Matematiikan peruskurssi 2

Matematiikan peruskurssi 2 Matematiikan peruskurssi Demonstraatiot III, 4.5..06. Mikä on funktion f suurin mahdollinen määrittelyjoukko, kun f(x) x? Mikä on silloin f:n arvojoukko? Etsi f:n käänteisfunktio f ja tarkista, että löytämäsi

Lisätiedot

Olkoon R S otosavaruuksien R ja S karteesinen tulo: Satunnaismuuttujien X ja Y järjestetty pari (X, Y) määrittelee kaksiulotteisen satunnaismuuttujan:

Olkoon R S otosavaruuksien R ja S karteesinen tulo: Satunnaismuuttujien X ja Y järjestetty pari (X, Y) määrittelee kaksiulotteisen satunnaismuuttujan: Mat-.6 Sovellettu todennäköisslaskenta B Mat-.6 Sovellettu todennäköisslaskenta B / Ratkaisut Aiheet: Moniulotteiset satunnaismuuttujat ja todennäköissjakaumat Moniulotteisia jakaumia Avainsanat: Diskreetti

Lisätiedot

Tilastotieteen perusteet

Tilastotieteen perusteet Tilastotieteen perusteet Esim. Arvostettu juoma-asiantuntija ekonomisti E osallistuu juomien makutestiin, jossa voi saada voi saada arvonimen Melko Suuri Maistaja (MSM *), Suuri maistaja (SM**) tai Erittäin

Lisätiedot

Kokonaistodennäköisyys ja Bayesin kaava. Kokonaistodennäköisyys ja Bayesin kaava. Kokonaistodennäköisyys ja Bayesin kaava: Esitiedot

Kokonaistodennäköisyys ja Bayesin kaava. Kokonaistodennäköisyys ja Bayesin kaava. Kokonaistodennäköisyys ja Bayesin kaava: Esitiedot TKK (c) Ilkka Mell (2004) Kokoastodeäkösyys ja Kokoastodeäkösyys ja : Johdato Kokoastodeäkösyyde ja Bayes kaavoje systeemteoreette tulkta Johdatus todeäkösyyslasketaa Kokoastodeäkösyys ja TKK (c) Ilkka

Lisätiedot

MAY1 Tehtävien ratkaisut Kustannusosakeyhtiö Otava päivitetty 12.4.2016 Julkaiseminen sallittu vain koulun suljetussa verkossa.

MAY1 Tehtävien ratkaisut Kustannusosakeyhtiö Otava päivitetty 12.4.2016 Julkaiseminen sallittu vain koulun suljetussa verkossa. KERTAUS Lukujono KERTAUSTEHTÄVIÄ K1. Ratkaisussa annetaan esimerkit mahdollisista säännöistä. a) Jatketaan lukujonoa: 2, 4, 6, 8, 10, 12, 14, 16, Rekursiivinen sääntö on, että lukujonon ensimmäinen jäsen

Lisätiedot

Esimerkki A1. Jaetaan ryhmä G = Z 17 H = 4 = {1, 4, 4 2 = 16 = 1, 4 3 = 4 = 13, 4 4 = 16 = 1}.

Esimerkki A1. Jaetaan ryhmä G = Z 17 H = 4 = {1, 4, 4 2 = 16 = 1, 4 3 = 4 = 13, 4 4 = 16 = 1}. Jaetaan ryhmä G = Z 17 n H = 4 sivuluokkiin. Ratkaisu: Koska 17 on alkuluku, #G = 16, alkiona jäännösluokat a, a = 1, 2,..., 16. Määrätään ensin n H alkiot: H = 4 = {1, 4, 4 2 = 16 = 1, 4 3 = 4 = 13, 4

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

Testejä suhdeasteikollisille muuttujille

Testejä suhdeasteikollisille muuttujille Ilkka Mellin Tilastolliset menetelmät Osa 3: Tilastolliset testit Testejä suhdeasteikollisille muuttujille TKK (c) Ilkka Mellin (007) 1 Testejä suhdeasteikollisille muuttujille >> Testit normaalijakauman

Lisätiedot

MATEMATIIKKA 5 VIIKKOTUNTIA

MATEMATIIKKA 5 VIIKKOTUNTIA EB-TUTKINTO 2010 MATEMATIIKKA 5 VIIKKOTUNTIA PÄIVÄMÄÄRÄ: 4. kesäkuuta 2010 KOKEEN KESTO: 4 tuntia (240 minuuttia) SALLITUT APUVÄLINEET: Eurooppa-koulun antama taulukkovihkonen Funktiolaskin, joka ei saa

Lisätiedot