Todennäköisyyslaskenta ja puudiagrammit. Todennäköisyyslaskenta ja puudiagrammit. Todennäköisyyslaskenta ja puudiagrammit: Esitiedot
|
|
- Pauli Manninen
- 7 vuotta sitten
- Katselukertoja:
Transkriptio
1 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 on hyödyllinen sovelletun matematiikan osa-alue, jolla on sovelluksia esimerkiksi logiikassa, operaatiotutkimuksessa, peli- ja päätösteoriassa sekä todennäköisyyslaskennassa. Tässä liitteessä tarkastelemme miten puumaisia verkkoja voidaan käyttää todennäköisyyslaskennan laskusääntöjen havainnollistamiseen. Todennäköisyyslaskenta ja puudiagrammit: Esitiedot Esitiedot: ks. seuraavia lukuja: Todennäköisyyslaskennan peruskäsitteet Todennäköisyyslaskennan peruslaskusäännöt Kokonaistodennäköisyys ja ayesin kaava iite: Verkot TKK (c) Ilkka Mellin (2004) 3 TKK (c) Ilkka Mellin (2004) 4 Todennäköisyyslaskenta ja puudiagrammit >> vainsanat lkutila Juuri oppupiste opputila Piste Puu Puudiagrammi Puutodennäköisyys Reitti Särmä Tapahtumajono Tapahtumavaihtoehto Tulosääntö puutodennäköisyyksille Verkko Verkkodiagrammi Yhteenlaskusääntö puutodennäköisyyksille TKK (c) Ilkka Mellin (2004) 5 TKK (c) Ilkka Mellin (2004) 6
2 TKK (c) Ilkka Mellin (2004) 7 Puudiagrammien käyttö todennäköisyyslaskennassa Periaatteessa jokainen alkeistodennäköisyyslaskennan tehtävä voidaan ratkaista käyttämällä apuna ns. puudiagrammeja. Tällöin tehtävään liittyvä satunnaisilmiö on ensin osattava kuvata puudiagrammilla. Jos tehtävän satunnaisilmiötä osataan kuvata puudiagrammilla, tehtävän ratkaisemisessa tarvittavat puutodennäköisyydet saadaan määrätyksi käyttämällä kahta yksinkertaista laskusääntöä, tulosääntöä ja yhteenlaskusääntöä. Puudiagrammin konstruointi 1/2 Satunnaisilmiö voidaan kuvata puudiagrammilla, jos ilmiö osataan esittää seuraavassa muodossa: (i) Ilmiöllä on yksi alkutila ja yksi tai useampia lopputiloja. (ii) Ilmiö koostuu vaihtoehtoisista tapahtumajonoista. (iii) Tapahtumajonoissa edetään vaiheittain tapahtumasta toiseen lähtien ilmiön alkutilasta ja päätyen johonkin ilmiön lopputiloista. (iv) Jokaisessa vaiheessa kohdataan yksi tai useampia tapahtumavaihtoehtoja, joista yksi realisoituu ja johtaa uusin tapahtumavaihtoehtoihin. TKK (c) Ilkka Mellin (2004) 8 Puudiagrammin konstruointi 2/2 Puudiagrammin konstruointi: Esimerkki 1/3 Satunnaisilmiötä vastaavan puudiagrammin konstruointi: (i) setetaan puun juuri vastaamaan ilmiön alkutilaa. (ii) setetaan puun loppupisteet ( oksien kärjet ) vastaamaan ilmiön lopputiloja. (iii) setetaan puun pisteet ( oksien haarautumiskohdat ) vastaamaan ilmiön tapahtumia. (iv) Viedään puun jokaisesta pisteestä särmä ( oksa ) kaikkiin sellaisiin pisteisiin, joita vastaavat tapahtumavaihtoehdot ovat ilmiön siinä vaiheessa mahdollisia. (v) iitetään jokaiseen pisteestä lähtevään särmään siinä vaiheessa mahdollisten tapahtumavaihtoehtojen todennäköisyydet. Puudiagrammin konstruointia voidaan havainnollistaa viereisellä kaaviolla. Tarkastellaan satunnaisilmiötä vaiheessa, jossa tapahtuma on sattunut. Olkoot :n sattumisen jälkeen mahdolliset tapahtumavaihtoehdot i, i = 1, 2,, m 1 k m TKK (c) Ilkka Mellin (2004) 9 TKK (c) Ilkka Mellin (2004) 10 Puudiagrammin konstruointi: Esimerkki 2/3 Puudiagrammin konstruointi: Esimerkki 3/3 Viedään pisteestä särmä jokaiseen pisteistä i, i = 1, 2,, m iitetään jokaiseen särmään (, i ), i = 1, 2,, m ehdollinen todennäköisyys pi = Pr( i ) jossa p 1 p k on tapahtumajono, 1 k joka on tuonut pisteeseen. p m m Koska :n sattumisen jälkeen ei ole muita mahdollisia tapahtumavaihtoehtoja kuin i, i = 1, 2,, m, pitää todennäköisyyksien p i, i = 1, 2,, m toteuttaa ehto m m p = Pr( ) = 1 i i= 1 i= 1 i 1 p 1 k p k p m m TKK (c) Ilkka Mellin (2004) 11 TKK (c) Ilkka Mellin (2004) 12
3 TKK (c) Ilkka Mellin (2004) 13 Puudiagrammin konstruointi: Kommentteja Puudiagrammi piirretään tavallisesti joko niin, että sen alkupiste on ylhäällä ja loppupisteet ovat alhaalla tai niin, että sen alkupiste on vasemmalla ja loppupisteet ovat oikealla. Useat puun pisteet voivat vastata samaa tapahtumaa. Mistä tahansa puun pisteestä lähtevien särmien todennäköisyyksien summa on 1. Puutodennäköisyydellä tarkoitetaan todennäköisyyttä päästä puun alkupisteestä yhden tai useamman muun puun pisteen määräämään yhdistettyyn tapahtumaan. Pisteen todennäköisyys saadaan määräämällä alkupisteestä ko. pisteeseen vievän reitin todennäköisyys. Reitin todennäköisyys saadaan soveltamalla reittiin kuuluvien särmien todennäköisyyksiin tulosääntöä. Usean pisteen määräämän yhdistetyn tapahtuman todennäköisyys saadaan soveltamalla ko. pisteisiin vievien reittien todennäköisyyksiin yhteenlaskusääntöä. TKK (c) Ilkka Mellin (2004) 14 : Tulosääntö 1/4 Reitin todennäköisyys saadaan määräämällä reittiin kuuluvien särmien todennäköisyyksien tulo. Sääntöä kutsutaan tulosäännöksi. Tulosäännön perustelu: (1) Reitti on tapahtumajono, jonka muodostavat reitin pisteet. (2) Reitin muodostava tapahtumajono sattuu, jos jokainen jonon tapahtumista sattuu. (3) Todennäköisyyslaskennan yleisen tulosäännön mukaan reitin todennäköisyys saadaan määräämällä reittiin kuuluvien särmien todennäköisyyksien tulo. : Tulosääntö 2/4 Olkoon, 1, 2, 3,, k yksi niistä vaihtoehtoisista tapahtumajonoista, joista satunnaisilmiö muodostuu. Tällöin parit (, 1 ), ( 1, 2 ), ( 2, 3 ),, ( k 1, k ) muodostavat satunnaisilmiön alkutilasta satunnaisilmiön (loppu-) tilaan k vievän reitin särmät. TKK (c) Ilkka Mellin (2004) 15 TKK (c) Ilkka Mellin (2004) 16 : Tulosääntö 3/4 iitetään reitin (, 1 ), ( 1, 2 ), ( 2, 3 ),, ( k 1, k ) särmiin todennäköisyydet seuraavalla tavalla: (, 1 ) Pr( 1 ) = p 1 ( 1, 2 ) Pr( 2 1 ) = p 2 ( 2, 3 ) Pr( ) = p 3 ( k 1, k ) Pr( k k 1 ) = p k : Tulosääntö 4/4 Reitin (, 1 ), ( 1, 2 ), ( 2, 3 ),, ( k 1, k ) todennäköisyys on yleisen tulosäännön nojalla: Pr( k ) = Pr( 1 ) Pr( 2 1 ) Pr( ) Pr( k k 1 ) = p 1 p 2 p 3 p k TKK (c) Ilkka Mellin (2004) 17 TKK (c) Ilkka Mellin (2004) 18
4 TKK (c) Ilkka Mellin (2004) 19 : Tulosäännön havainnollistus Puutodennäköisyyksien tulosääntöä voidaan havainnollistaa viereisellä puudiagrammilla. Reitin k todennäköisyys on tulosäännön mukaan Pr(Reitti k) = p 1 p 2 p 3 p k p 1 p p 3 3 p k 1 k k Reitti k : Yhteenlaskusääntö 1/2 Jos useita (loppu-) tiloja yhdistetään yhdeksi tapahtumaksi, näin saadun yhdistetyn tapahtuman todennäköisyys saadaan määräämällä ko. tiloihin vievien reittien todennäköisyyksien summa. Sääntöä kutsutaan yhteenlaskusäännöksi. Yhteenlaskusäännön perustelu: (1) Puun eri pisteisiin vievät reitit ovat toisensa poissulkevia. (2) Toisensa poissulkevien tapahtumien yhteenlaskusäännön mukaan useista (loppu-) pisteistä yhdistämällä saatavan tapahtuman todennäköisyys saadaan määräämällä ko. pisteisiin vievien reittien todennäköisyyksien summa. TKK (c) Ilkka Mellin (2004) 20 : Yhteenlaskusääntö 2/2 : Yhteenlaskusäännön havainnollistus Yhdistetään satunnaisilmiön (loppu-) tilat 1, 2,, k yhdeksi tapahtumaksi C = 1 2 k Olkoot tiloja 1, 2,, k vastaavat reitit Reitti 1, Reitti 2,, Reitti k Koska puun eri pisteisiin vievät reitit ovat toisensa poissulkevia, tapahtuman C todennäköisyys on toisensa poissulkevien tapahtumien yhteenlaskusäännön nojalla: Pr(C) = Pr(Reitti 1 tai Reitti 2 tai tai Reitti k) = Pr(Reitti 1) + Pr(Reitti 2) + + Pr(Reitti k) Puutodennäköisyyksien yhteenlaskusääntöä voidaan havainnollistaa viereisellä puudiagrammilla: Pr(C) = Pr(Reitti 1) + Pr(Reitti 2) + Pr(Reitti k) k Reitti: k C TKK (c) Ilkka Mellin (2004) 21 TKK (c) Ilkka Mellin (2004) 22 Todennäköisyyslaskenta ja puudiagrammit Todennäköisyyslaskennan laskusääntöjen havainnollistaminen >> vainsanat Puudiagrammi Puutodennäköisyyksien tulosääntö Puutodennäköisyyksien yhteenlaskusääntö Todennäköisyyslaskennan laskusäännöt erotustapahtuman todennäköisyys kokonaistodennäköisyyden kaava komplementtitapahtuman todennäköisyys tulosääntö riippumattomille tapahtumille yhteenlaskusääntö toisensa poissulkeville tapahtumille yleinen tulosääntö yleinen yhteenlaskusääntö TKK (c) Ilkka Mellin (2004) 23 TKK (c) Ilkka Mellin (2004) 24
5 TKK (c) Ilkka Mellin (2004) 25 Todennäköisyyslaskennan laskusääntöjen havainnollistaminen puudiagrammilla Komplementtitapahtuman todennäköisyys 1/2 Tarkastellaan seuraavien todennäköisyyslaskennan laskusääntöjen havainnollistamista puudiagrammilla: (i) Komplementtitapahtuman todennäköisyys. (ii) Yleinen tulosääntö ja tulosääntö riippumattomille tapahtumille. (iii) Yleinen yhteenlaskusääntö ja yhteenlaskusääntö toisensa poissulkeville tapahtumille. (iv) Erotustapahtuman todennäköisyys. (v) Kokonaistodennäköisyyden kaava. Puun juurta eli alkupistettä on merkitty diagrammeissa kirjaimella ( satunnaisilmiön lähtötila). Olkoon S jokin otosavaruuden S tapahtuma. Olkoon tapahtuman komplementtitapahtuma c = eisatu Tällöin c = S, c = Pr() + Pr( c ) = Pr(S) = 1 viereisellä Venndiagrammilla. c S TKK (c) Ilkka Mellin (2004) 26 Komplementtitapahtuman todennäköisyys 2/2 Yleinen tulosääntö 1/2 myös viereisellä puudiagrammilla. Yhdistetyn tapahtuman c = S todennäköisyys on yhteenlaskusäännön nojalla Pr(S) = Pr() + Pr( c ) = 1 Pr() Pr( c ) c Olkoot S ja S otosavaruuden S tapahtumia. Yleisen tulosäännön mukaan Pr( ) = Pr()Pr( ) viereisellä Venndiagrammilla. TKK (c) Ilkka Mellin (2004) 27 TKK (c) Ilkka Mellin (2004) 28 Yleinen tulosääntö 2/2 Tulosääntö riippumattomille tapahtumille myös viereisellä puudiagrammilla. Yhdistetyn tapahtuman = jasattuu todennäköisyys on tulosäännön nojalla Pr( ) = Pr()Pr( ) Pr() Pr( ) Olkoot S ja S otosavaruuden S riippumattomia tapahtumia. Koska tällöin Pr( )= Pr() yhdistetyn tapahtuman = jasattuu todennäköisyys on tulosäännön nojalla Pr( ) = Pr()Pr() Pr() Pr() TKK (c) Ilkka Mellin (2004) 29 TKK (c) Ilkka Mellin (2004) 30
6 TKK (c) Ilkka Mellin (2004) 31 Yleinen yhteenlaskusääntö 1/8 Yleinen yhteenlaskusääntö 2/8 Olkoot S ja S otosavaruuden S tapahtumia. Yleisen yhteenlaskusäännön mukaan Pr( ) = Pr() + Pr() Pr( ) viereisellä Venndiagrammilla. Yleisen yhteenlaskusäännön todistus voidaan perustaa siihen, että joukot \ = c \ = c muodostavat joukon osituksen, sekä yhtälöihin (\) ( ) = (\) ( ) = (\) ( ) = (\) ( ) = TKK (c) Ilkka Mellin (2004) 32 Yleinen yhteenlaskusääntö 3/8 Yleinen yhteenlaskusääntö 4/8 Toisensa poissulkevien tapahtumien yhteenlaskusäännön nojalla Pr()= Pr(\) + Pr( ) Pr() = Pr(\) + Pr( ) Edellisen kalvon yhtälöiden ja toisensa poissulkevien tapahtumien yhteenlaskusäännön nojalla Pr( ) = Pr(\) + Pr(\) + Pr( ) = Pr(\) + Pr( ) + Pr(\) + Pr( ) Pr( ) = Pr() + Pr() Pr( ) TKK (c) Ilkka Mellin (2004) 33 TKK (c) Ilkka Mellin (2004) 34 Yleinen yhteenlaskusääntö 5/8 Yleinen yhteenlaskusääntö 6/8 Yleistä yhteenlaskusääntöä voidaan havainnollistaa myös viereisellä puudiagrammilla. Yhdistettyä tapahtumaa = taisattuu vastaa reitit 1, 2 ja 3 yhdistämällä saatava tapahtuma, koska niissä sattuu tai sattuu tai molemmat sattuvat. Pr() Pr( c ) c Pr( ) Pr( c ) Pr( c ) Pr( c c ) Reittien 1, 2 ja 3 todennäköisyyksiksi saadaan tulosääntöä soveltamalla: Pr(Reitti 1) = Pr()Pr( ) Pr(Reitti 2) = Pr()Pr( c ) Pr(Reitti 3) = Pr( c )Pr( c ) Pr() Pr( c ) c Pr( ) Pr( c ) Pr( c ) Pr( c c ) TKK (c) Ilkka Mellin (2004) 35 TKK (c) Ilkka Mellin (2004) 36
7 TKK (c) Ilkka Mellin (2004) 37 Yleinen yhteenlaskusääntö 7/8 Yleinen yhteenlaskusääntö 8/8 Soveltamalla yhteenlaskusääntöä saadaan: Pr( ) = Pr(Reitti 1 tai Reitti 2 tai Reitti 3) = Pr()Pr( ) + Pr()Pr( c ) + Pr( c )Pr( c ) Pr() Pr( c ) c Pr( ) Pr( c ) Pr( c ) Pr( c c ) Ehdollisen todennäköisyyden määritelmästä ja kalvon 3/8 kaavoista seuraa: Pr( ) = Pr()Pr( ) + Pr()Pr( c ) + Pr( c )Pr( c ) = Pr( ) + Pr( c ) + Pr( c ) = Pr() + Pr() Pr( ) Pr( ) Pr() Pr( c ) c c Pr( c ) Pr( c ) Pr( c c ) c TKK (c) Ilkka Mellin (2004) 38 tapahtumille 1/6 tapahtumille 2/6 Olkoot S ja S otosavaruuden S toisensa poissulkevia tapahtumia. Tällöin = ja Pr( ) = 0 Siten Pr( ) = Pr() + Pr() viereisellä Venndiagrammilla. S Toisensa poissulkevien tapahtumien yhteenlaskusääntöä voidaan havainnollistaa myös viereisellä puudiagrammilla. Yhdistettyä tapahtumaa = taisattuu vastaa reitit 2 ja 3 yhdistämällä saatava tapahtuma, koska niissä sattuu tai sattuu, mutta eivät molemmat. Pr() Pr( c ) c Pr( ) Pr( c ) Pr( c ) Pr( c c ) TKK (c) Ilkka Mellin (2004) 39 TKK (c) Ilkka Mellin (2004) 40 tapahtumille 3/6 tapahtumille 4/6 Reittien 2 ja 3 todennäköisyyksiksi saadaan tulosääntöä soveltamalla: Pr(Reitti 2) = Pr()Pr( c ) Pr(Reitti 3) = Pr( c )Pr( c ) Pr() Pr( c ) c Pr( ) Pr( c ) Pr( c ) Pr( c c ) Soveltamalla yhteenlaskusääntöä saadaan: Pr( ) = Pr(Reitti 2 tai Reitti 3) = Pr()Pr( c ) + Pr( c )Pr( c ) Pr() Pr( c ) c Pr( ) Pr( c ) Pr( c ) Pr( c c ) TKK (c) Ilkka Mellin (2004) 41 TKK (c) Ilkka Mellin (2004) 42
8 TKK (c) Ilkka Mellin (2004) 43 tapahtumille 5/6 tapahtumille 6/6 Koska ja ovat toisensa poissulkevia tapahtumia, ehdollisen todennäköisyyden määritelmästä ja aikaisemmin esitetyistä kaavoista seuraa: Pr( ) = Pr()Pr( c ) + Pr( c )Pr( c ) = Pr( c ) + Pr( c ) = Pr() + Pr() Pr() Pr( c ) c Pr( ) Pr( c ) Pr( c ) Pr( c c ) Koska ja ovat toisensa poissulkevia, Pr( ) = 0 Siten Pr( ) = Pr( )/Pr() = 0 Reitin 1 todennäköisyydeksi saadaan siis Pr(Reitti 1) = Pr()Pr( ) = 0 kuten pitääkin. Pr() Pr( c ) c Pr( ) Pr( c ) Pr( c ) Pr( c c ) TKK (c) Ilkka Mellin (2004) 44 Erotustapahtuman todennäköisyys 1/4 Erotustapahtuman todennäköisyys 2/4 Olkoot S ja S otosavaruuden S tapahtumia. Erotustapahtuman \ = c todennäköisyys on Pr(\) = Pr( c ) = Pr() Pr( ) viereisellä Venndiagrammilla. myös viereisellä puudiagrammilla. Erotustapahtumaa \ = sattuu, mutta ei vastaa reitti 2. Pr() Pr( c ) c Pr( ) Pr( c ) Pr( c ) Pr( c c ) TKK (c) Ilkka Mellin (2004) 45 TKK (c) Ilkka Mellin (2004) 46 Erotustapahtuman todennäköisyys 3/4 Erotustapahtuman todennäköisyys 4/4 Reitin 2 todennäköisyys on tulosäännön ja ehdollisen todennäköisyyden määritelmän perusteella Pr()Pr( c ) = Pr( c ) Pr() Pr( c ) c Pr( ) Pr( c ) Pr( c ) Pr( c c ) c c Koska ( c ) ( ) = ( c ) ( ) = saadaan Pr() = Pr( c ) + Pr( ) Siten Pr(\) = Pr( c ) = Pr()Pr( c ) = Pr() Pr( ) Pr() Pr( c ) c Pr( ) Pr( c ) Pr( c ) Pr( c c ) TKK (c) Ilkka Mellin (2004) 47 TKK (c) Ilkka Mellin (2004) 48
9 TKK (c) Ilkka Mellin (2004) 49 Kokonaistodennäköisyyden kaava 1/7 Kokonaistodennäköisyyden kaava 2/7 Olkoot S ja S otosavaruuden S tapahtumia. Olkoot lisäksi joukko ja sen komplementti c epätyhjiä. Kokonaistodennäköisyyden kaavan mukaan: Pr() = Pr()Pr( ) + Pr( c )Pr( c ) Kaava on hyödyllinen tilanteessa, jossa todennäköisyys Pr() ja ehdolliset todennäköisyydet Pr( ) ja Pr( c ) tunnetaan. Kokonaistodennäköisyyden kaavan todistus perustuu siihen, että tapahtuma ja sen komplementtitapahtuma c muodostavat otosavaruuden S osituksen: (i) ja c (ii) c = (iii) S = c Otosavaruuden S ositus {, c } indusoi osituksen {, c } tapahtumaan : (i) tai c (ii) ( ) ( c ) = (iii) = ( ) ( c ) TKK (c) Ilkka Mellin (2004) 50 Kokonaistodennäköisyyden kaava 3/7 Kokonaistodennäköisyyden kaava 4/7 Toisensa poissulkevien tapahtumien yhteenlaskusäännön mukaan: Pr() = Pr( ) + Pr( c ) (1) Yleisen tulosäännön mukaan: Pr( ) = Pr()Pr( ) (2) Pr( c )= Pr( c )Pr( c ) (3) Sijoittamalla lausekkeet (2) ja (3) kaavaan (1) saadaan kokonaistodennäköisyyden kaava Pr() = Pr()Pr( ) + Pr( c )Pr( c ) Kaavaa voidaan havainnollistaa seuraavan kalvon Venndiagrammilla. c c S TKK (c) Ilkka Mellin (2004) 51 TKK (c) Ilkka Mellin (2004) 52 Kokonaistodennäköisyyden kaava 5/7 Kokonaistodennäköisyyden kaava 6/7 Kokonaistodennäköisyyden kaavaa voidaan havainnollistaa myös viereisellä puudiagrammilla. Tapahtumaa = sattuu vastaa reitit 1 ja 3 yhdistämällä saatava tapahtuma. Pr() Pr( c ) c Pr( ) Pr( c ) Pr( c ) Pr( c c ) Reittien 1 ja 3 todennäköisyyksiksi saadaan tulosääntöä soveltamalla: Pr(Reitti 1) = Pr()Pr( ) Pr(Reitti 3) = Pr( c )Pr( c ) Pr() Pr( c ) c Pr( ) Pr( c ) Pr( c ) Pr( c c ) TKK (c) Ilkka Mellin (2004) 53 TKK (c) Ilkka Mellin (2004) 54
10 TKK (c) Ilkka Mellin (2004) 55 Kokonaistodennäköisyyden kaava 7/7 Soveltamalla yhteenlaskusääntöä saadaan: Pr() = Pr(Reitti 1 tai Reitti 3) = Pr()Pr( ) + Pr( c )Pr( c ) Pr() Pr( c ) c Pr( ) Pr( c ) Pr( c ) Pr( c c )
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
LisätiedotLiite 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
LisätiedotJohdatus 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
LisätiedotIlkka 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:
LisätiedotSovellettu 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
LisätiedotVerkot 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,
LisätiedotLiite: Verkot. TKK (c) Ilkka Mellin (2004) 1
Liite: Verkot TKK (c) Ilkka Mellin (2004) 1 : Mitä opimme? Verkkoteoria on hyödyllinen sovelletun matematiikan osa-alue, jolla on sovelluksia esimerkiksi logiikassa, operaatiotutkimuksessa, peli-ja päätösteoriassa
LisätiedotJohdatus 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
LisätiedotTodennäköisyyslaskenta: Liitteet. Liite 1. Joukko oppi Liite 2. Todennäköisyyslaskenta ja puudiagrammit. Ilkka Mellin (2006) 449
Liitteet Todennäköisyyslaskenta: Liitteet Liite 1. Joukko oppi Liite 2. Todennäköisyyslaskenta ja puudiagrammit TKK @ Ilkka Mellin (2006) 449 Liitteet TKK @ Ilkka Mellin (2006) 450 Liitteet Sisällys 1.
LisätiedotOsa 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
LisätiedotSovellettu 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
LisätiedotVarma tapahtuma, Yhdiste, Yhdistetty tapahtuma, Yhteenlaskusääntö
Mat-2.090 Sovellettu todennäköisyyslasku A / Ratkaisut Aiheet: Avainsanat: Unioni, Todennäköisyyslaskennan peruskäsitteet Todennäköisyyslaskennan peruslaskusäännöt Alkeistapahtuma, Ehdollinen todennäköisyys,
LisätiedotABHELSINKI UNIVERSITY OF TECHNOLOGY
Todennäköisyyslaskennan käsitteitä Satunnaisuus ja deterministisyys Deterministisessä ilmiössä alkutila määrää lopputilan yksikäsitteisesti. Satunnaisilmiö puolestaan arpoo - yhdestä alkutilasta voi päätyä
LisätiedotTodennäköisyyslaskennan 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
LisätiedotVerkot 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
LisätiedotLiite 2: Verkot ja todennäköisyyslaskenta
Ilkka Mellin Todennäköisyyslaskenta Liite 2: Verkot ja todennäköisyyslaskenta Verkot TKK (c) Ilkka Mellin (2007) 1 Verkko eli graafi: Määritelmä 1/2 Verkko eli graafi muodostuu pisteiden joukosta V, särmien
LisätiedotOsa 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
Lisätiedot5/11 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,
LisätiedotJohdatus 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
LisätiedotMS-A0501 Todennäköisyyslaskennan ja tilastotieteen peruskurssi
M-0501 Todennäköisyyslaskennan ja tilastotieteen peruskurssi Viikko 1: Todennäköisyyslaskennan peruskäsitteet; Todennäköisyyden aksioomat; Todennäköisyyslaskennan peruslaskusäännöt; Kokonaistodennäköisyyden
LisätiedotOsa 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
LisätiedotJohdatus 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)
LisätiedotMat Sovellettu todennäköisyyslasku A
Mat-2.090 Sovellettu todennäköisyyslasku A / Ratkaisut Aiheet: Avainsanat: Klassinen todennäköisyys ja kombinatoriikka Todennäköisyyden aksioomat Kokonaistodennäköisyys ja Bayesin kaava Bayesin kaava,
LisätiedotIlkka 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
LisätiedotJohdatus 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
LisätiedotOsa 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(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
LisätiedotMat Sovellettu todennäköisyyslasku. Aiheet: Todennäköisyyslaskennan peruskäsitteet Todennäköisyyslaskennan peruslaskusäännöt Avainsanat:
Mat-2.091 Sovellettu todennäköisyyslasku Aiheet: Todennäköisyyslaskennan peruskäsitteet Todennäköisyyslaskennan peruslaskusäännöt Avainsanat: Alkeistapahtuma, Ehdollinen todennäköisyys, Erotustapahtuma,
LisätiedotMS-A0501 Todennäköisyyslaskennan ja tilastotieteen peruskurssi Esimerkkikokoelma 1
MS-A0501 Todennäköisyyslaskennan ja tilastotieteen peruskurssi Esimerkkikokoelma 1 Aiheet: Joukko-opin peruskäsitteet Todennäköisyyslaskennan peruskäsitteet Todennäköisyyslaskennan peruslaskusäännöt Klassinen
LisätiedotA. 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
LisätiedotB. 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,
LisätiedotTodennäköisyyslaskenta. 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.
LisätiedotMat 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
Lisätiedot1. 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)
LisätiedotJohdatus todennäköisyyslaskentaan Normaalijakaumasta johdettuja jakaumia. TKK (c) Ilkka Mellin (2005) 1
Johdatus todennäköisyyslaskentaan Normaalijakaumasta johdettuja jakaumia TKK (c) Ilkka Mellin (2005) 1 Normaalijakaumasta johdettuja jakaumia Johdanto χ 2 -jakauma F-jakauma t-jakauma TKK (c) Ilkka Mellin
LisätiedotTodennäköisyyslaskenta
Todennäköisyyslaskenta Ilkka Mellin 1. korjattu painos Ilkka Mellin I Ilkka Mellin II Esipuhe Tämä moniste pyrkii antamaan perustiedot todennäköisyyslaskennasta. Monisteen ensisijaisena tavoitteena on
LisätiedotTodennäköisyyslaskenta: Todennäköisyys ja sen laskusäännöt
Todennäköisyys ja sen laskusäännöt Todennäköisyyslaskenta: Todennäköisyys ja sen laskusäännöt 1. Johdanto 2. Joukko-opin peruskäsitteet 3. Todennäköisyyslaskennan peruskäsitteet 4. Todennäköisyyslaskennan
LisätiedotJohdatus 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
LisätiedotIlkka 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
LisätiedotMiten 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?
LisätiedotJoukko-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,
LisätiedotMoniulotteisia todennäköisyysjakaumia
Ilkka Mellin Todennäköisyyslaskenta Osa 3: Todennäköisyysjakaumia Moniulotteisia todennäköisyysjakaumia TKK (c) Ilkka Mellin (007) 1 Moniulotteisia todennäköisyysjakaumia >> Multinomijakauma Kaksiulotteinen
LisätiedotABHELSINKI 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
LisätiedotIlkka 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
LisätiedotMoniulotteisia 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
LisätiedotNormaalijakaumasta johdettuja jakaumia
Ilkka Mellin Todennäköisyyslaskenta Osa 3: Todennäköisyysjakaumia Normaalijakaumasta johdettuja jakaumia TKK (c) Ilkka Mellin (2007) 1 Normaalijakaumasta johdettuja jakaumia >> Johdanto χ 2 -jakauma F-jakauma
LisätiedotLisää 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
LisätiedotJohdatus 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
LisätiedotJohdatus 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
Lisätiedot031021P Tilastomatematiikka (5 op)
031021P Tilastomatematiikka (5 op) Jukka Kemppainen Mathematics Division Yleinen todennäköisyys Kertausmateriaalissa esiteltiin koulusta tuttuja todennäköisyysmalleja. Tällä kurssilla todennäköisyys on
LisätiedotIlkka 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
LisätiedotJohdatus 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
LisätiedotSovellettu 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
LisätiedotHY / Matematiikan ja tilastotieteen laitos Tilastollinen päättely II, kevät 2017 Harjoitus 1 Ratkaisuehdotuksia Tehtäväsarja I
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
LisätiedotJohdatus todennäköisyyslaskentaan Satunnaismuuttujat ja todennäköisyysjakaumat. TKK (c) Ilkka Mellin (2005) 1
Johdatus todennäköisyyslaskentaan Satunnaismuuttujat ja todennäköisyysjakaumat TKK (c) Ilkka Mellin (2005) 1 Satunnaismuuttujat ja todennäköisyysjakaumat Satunnaismuuttujat ja niiden todennäköisyysjakaumat
LisätiedotSovellettu 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
Lisätiedot1. 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
LisätiedotD ( ) Var( ) ( ) E( ) [E( )]
Mat-.2620 Sovellettu todennäköisyyslaskenta B / Ratkaisut Aiheet: Diskreettejä jakaumia Avainsanat: Binomijakauma, Diskreetti tasainen jakauma, Eksponenttijakauma, Geometrinen jakauma, Hypergeometrinen
LisätiedotOsa 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
LisätiedotMATP153 Approbatur 1B Harjoitus 3, ratkaisut Maanantai
MATP53 Approbatur B Harjoitus 3, ratkaisut Maanantai 6..5. (Teht. 5 ja s. 4.) Olkoot z = + y i ja z = + y i. Osoita, että (a) z + z = z +z, (b) z z = z z, (c) z z = z ja (d) z = z z, kun z. (a) z + z =
LisätiedotJohdatus todennäköisyyslaskentaan Todennäköisyys ja sen määritteleminen. TKK (c) Ilkka Mellin (2005) 1
Johdatus todennäköisyyslaskentaan Todennäköisyys ja sen määritteleminen TKK (c) Ilkka Mellin (2005) 1 Todennäköisyys ja sen määritteleminen Deterministisyys ja satunnaisuus Todennäköisyyden määritteleminen
LisätiedotIlkka Mellin Todennäköisyyslaskenta. Osa 2: Satunnaismuuttujat ja todennäköisyysjakaumat. Satunnaismuuttujat ja todennäköisyysjakaumat
Ilkka Mellin Todennäköisyyslaskenta Osa 2: Satunnaismuuttujat ja todennäköisyysjakaumat Satunnaismuuttujat ja todennäköisyysjakaumat TKK (c) Ilkka Mellin (2007) 1 Satunnaismuuttujat ja todennäköisyysjakaumat
Lisätiedot30A02000 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
LisätiedotMAT 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
LisätiedotA = B. jos ja vain jos. x A x B
Mat-1.2620 Sovellettu todennäköisyyslaskenta B / Ratkaisut Aiheet: Klassinen todennäköisyys ja kombinatoriikka Kokonaistodennäköisyys ja Bayesin kaava Avainsanat: Bayesin kaava, Binomikaava, Binomikerroin,
LisätiedotSatunnaismuuttujat ja todennäköisyysjakaumat Kertymäfunktio
Todennäköisyyslaskenta Osa 2: Satunnaismuuttujat ja todennäköisyysjakaumat Satunnaismuuttujat ja todennäköisyysjakaumat Kertymäfunktio KE (2014) 1 Satunnaismuuttujat ja niiden todennäköisyysjakaumat Satunnaismuuttujat
LisätiedotMS-A0502 Todennäköisyyslaskennan ja tilastotieteen peruskurssi
MS-A0502 Todennäköisyyslaskennan ja tilastotieteen peruskurssi Kalle Kytölä, Heikki Seppälä, Lasse Leskelä Matematiikan ja systeemianalyysin laitos Perustieteiden korkeakoulu Aalto-yliopisto Syksy 2015,
LisätiedotJohdatus tilastotieteeseen Estimointi. TKK (c) Ilkka Mellin (2005) 1
Johdatus tilastotieteeseen Estimointi TKK (c) Ilkka Mellin (2005) 1 Estimointi Todennäköisyysjakaumien parametrit ja niiden estimointi Hyvän estimaattorin ominaisuudet TKK (c) Ilkka Mellin (2005) 2 Estimointi:
LisätiedotIlkka Mellin Todennäköisyyslaskenta
Ilkka Mellin Todennäköisyyslaskenta Osa 1: Todennäköisyys ja sen laskusäännöt Johdanto: Deterministisyys ja satunnaisuus Todennäköisyyden määritteleminen Todennäköisyyslaskennan peruskäsitteet TKK (c)
LisätiedotJohdatus todennäköisyyslaskentaan Momenttiemäfunktio ja karakteristinen funktio. TKK (c) Ilkka Mellin (2005) 1
Johdatus todennäköisyyslaskentaan Momenttiemäfunktio ja karakteristinen funktio TKK (c) Ilkka Mellin (5) 1 Momenttiemäfunktio ja karakteristinen funktio Momenttiemäfunktio Diskreettien jakaumien momenttiemäfunktioita
LisätiedotIlkka Mellin Tilastolliset menetelmät Osa 2: Otokset, otosjakaumat ja estimointi Estimointi
Ilkka Mellin Tilastolliset menetelmät Osa 2: Otokset, otosjakaumat ja estimointi Estimointi TKK (c) Ilkka Mellin (2006) 1 Estimointi >> Todennäköisyysjakaumien parametrit ja niiden estimointi Hyvän estimaattorin
LisätiedotJohdatus todennäköisyyslaskentaan Satunnaismuuttujien muunnokset ja niiden jakaumat. TKK (c) Ilkka Mellin (2004) 1
Johdatus todennäköisyyslaskentaan Satunnaismuuttujien muunnokset ja niiden jakaumat TKK (c) Ilkka Mellin (2004) 1 Satunnaismuuttujien muunnokset ja niiden jakaumat Satunnaismuuttujien muunnosten jakaumat
LisätiedotABHELSINKI UNIVERSITY OF TECHNOLOGY
Satunnaismuuttujat ja todennäköisyysjakaumat Mitä tänään? Jos satunnaisilmiötä halutaan mallintaa matemaattisesti, on ilmiön tulosvaihtoehdot kuvattava numeerisessa muodossa. Tämä tapahtuu liittämällä
LisätiedotKurssin 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
LisätiedotOPETUSSUUNNITELMALOMAKE
OPETUSSUUNNITELMALOMAKE Tällä lomakkeella dokumentoit opintojaksoasi koskevaa opetussuunnitelmatyötä. Lomake on suunniteltu niin, että se palvelisi myös Oodia varten tehtävää tiedonkeruuta. Voit siis dokumentoida
LisätiedotMoniulotteiset satunnaismuuttujat ja todennäköisyysjakaumat. Moniulotteiset satunnaismuuttujat ja todennäköisyysjakaumat
TKK (c) Ilkka Mellin (4) todennäköisyysjakaumat Johdatus todennäköisyyslaskentaan todennäköisyysjakaumat TKK (c) Ilkka Mellin (4) todennäköisyysjakaumat: Mitä opimme? /5 hden satunnaismuuttujan todennäköisyysjakaumat
Lisätiedot031021P 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)
LisätiedotMat 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
LisätiedotEstimointi. Estimointi. Estimointi: Mitä opimme? 2/4. Estimointi: Mitä opimme? 1/4. Estimointi: Mitä opimme? 3/4. Estimointi: Mitä opimme?
TKK (c) Ilkka Mellin (2004) 1 Johdatus tilastotieteeseen TKK (c) Ilkka Mellin (2004) 2 Mitä opimme? 1/4 Tilastollisen tutkimuksen tavoitteena on tehdä johtopäätöksiä prosesseista, jotka generoivat reaalimaailman
LisätiedotInversio-ongelmien laskennallinen peruskurssi Luento 7
Inversio-ongelmien laskennallinen peruskurssi Luento 7 Kevät 2012 1 Tilastolliset inversio-ongelmat Tilastollinen ionversio perustuu seuraaviin periaatteisiin: 1. Kaikki mallissa olevat muuttujat mallinnetaan
LisätiedotTestit laatueroasteikollisille muuttujille
Ilkka Mellin Tilastolliset menetelmät Osa 3: Tilastolliset testit Testit laatueroasteikollisille muuttujille TKK (c) Ilkka Mellin (2007) 1 Testit laatueroasteikollisille muuttujille >> Laatueroasteikollisten
LisätiedotIlkka Mellin Todennäköisyyslaskenta. Osa 2: Satunnaismuuttujat ja todennäköisyysjakaumat. Jakaumien tunnusluvut. TKK (c) Ilkka Mellin (2007) 1
Ilkka Mellin Todennäköisyyslaskenta Osa 2: Satunnaismuuttujat ja todennäköisyysjakaumat Jakaumien tunnusluvut TKK (c) Ilkka Mellin (2007) 1 Jakaumien tunnusluvut >> Odotusarvo Varianssi Markovin ja Tshebyshevin
LisätiedotTKK @ Ilkka Mellin (2008) 1/5
Mat-1.2620 Sovellettu todennäköisyyslaskenta B / Tehtävät Demo-tehtävät: 1, 3, 6, 7 Pistetehtävät: 2, 4, 5, 9 Ylimääräiset tehtävät: 8, 10, 11 Aiheet: Moniulotteiset jakaumat Avainsanat: Diskreetti jakauma,
Lisätiedot4.1. 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
LisätiedotJohdatus tilastotieteeseen Testit laatueroasteikollisille muuttujille. TKK (c) Ilkka Mellin (2004) 1
Johdatus tilastotieteeseen Testit laatueroasteikollisille muuttujille TKK (c) Ilkka Mellin (2004) 1 Testit laatueroasteikollisille muuttujille Laatueroasteikollisten muuttujien testit Testi suhteelliselle
LisätiedotTodennäköisyyslaskenta 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
LisätiedotMS-A0501 Todennäköisyyslaskennan ja tilastotieteen peruskurssi
MS-A0501 Todennäköisyyslaskennan ja tilastotieteen peruskurssi Heikki Seppälä, Lasse Leskelä Matematiikan ja systeemianalyysin laitos Perustieteiden korkeakoulu Aalto-yliopisto Syksy 2015 Osaamistavoitteet
LisätiedotJohdatus todennäköisyyslaskentaan Moniulotteiset satunnaismuuttujat ja todennäköisyysjakaumat. TKK (c) Ilkka Mellin (2005) 1
Johdatus todennäköisyyslaskentaan Moniulotteiset satunnaismuuttujat ja todennäköisyysjakaumat TKK (c) Ilkka Mellin (2005) 1 Moniulotteiset satunnaismuuttujat ja todennäköisyysjakaumat Kaksiulotteiset todennäköisyysjakaumat
LisätiedotOlkoon seuraavaksi G 2 sellainen tasan n solmua sisältävä suunnattu verkko,
Tehtävä 1 : 1 a) Olkoon G heikosti yhtenäinen suunnattu verkko, jossa on yhteensä n solmua. Määritelmän nojalla verkko G S on yhtenäinen, jolloin verkoksi T voidaan valita jokin verkon G S virittävä alipuu.
Lisätiedot3. laskuharjoituskierros, vko 6, ratkaisut
Mat-.9 Sovellettu todennäköisyyslasku, kevät - eliövaara, Palo, Mellin. laskuharjoituskierros, vko 6, ratkaisut D. Uurnassa A on 4 valkoista ja 6 mustaa kuulaa ja uurnassa B on 6 valkoista ja 4 mustaa
LisätiedotSatunnaismuuttujien muunnokset ja niiden jakaumat
Ilkka Mellin Todennäköisyyslaskenta Osa 2: Satunnaismuuttujat ja todennäköisyysjakaumat Satunnaismuuttujien muunnokset ja niiden jakaumat TKK (c) Ilkka Mellin (2007) 1 Satunnaismuuttujien muunnokset ja
LisätiedotJohdatus tilastotieteeseen Testit suhdeasteikollisille muuttujille. TKK (c) Ilkka Mellin (2005) 1
Johdatus tilastotieteeseen Testit suhdeasteikollisille muuttujille TKK (c) Ilkka Mellin (005) 1 Testit suhdeasteikollisille muuttujille Testit normaalijakauman parametreille Yhden otoksen t-testi Kahden
LisätiedotJohdatus todennäköisyyslaskentaan Jatkuvia jakaumia. TKK (c) Ilkka Mellin (2005) 1
Johdatus todennäköisyyslaskentaan Jatkuvia jakaumia TKK (c) Ilkka Mellin (2005) 1 Jatkuvia jakaumia Jatkuva tasainen jakauma Eksponenttijakauma Normaalijakauma Keskeinen raja-arvolause TKK (c) Ilkka Mellin
Lisätiedot3. 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
LisätiedotOsa 2: Otokset, otosjakaumat ja estimointi
Ilkka Mellin Tilastolliset menetelmät Osa 2: Otokset, otosjakaumat ja estimointi Estimointi TKK (c) Ilkka Mellin (2007) 1 Estimointi >> Todennäköisyysjakaumien parametrit ja niiden estimointi Hyvän estimaattorin
LisätiedotMS-A0503 Todennäköisyyslaskennan ja tilastotieteen peruskurssi
MS-A0503 Todennäköisyyslaskennan ja tilastotieteen peruskurssi Lasse Leskelä Matematiikan ja systeemianalyysin laitos Perustieteiden korkeakoulu Aalto-yliopisto Kevät 2016, periodi III Stochastics and
LisätiedotTestejä suhdeasteikollisille muuttujille
Ilkka Mellin Tilastolliset menetelmät Osa 3: Tilastolliset testit Testejä suhdeasteikollisille muuttujille TKK (c) Ilkka Mellin (007) 1 Testejä suhdeasteikollisille muuttujille >> Testit normaalijakauman
LisätiedotOtosavaruus ja todennäköisyys Otosavaruus Ë on joukko, jonka alkiot ovat kokeen tulokset Tapahtuma on otosavaruuden osajoukko
ÌÓÒÒĐĐÓ ÝÝ ÔÖÙ ØØ Naiiveja määritelmiä Suhteellinen frekvenssi kun ilmiö toistuu Jos tehdas on valmistanut 1000000 kpl erästä tuotetta, joista 5013 ovat viallisia, niin todennäköisyys, että tuote on viallinen
Lisätiedot1. 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????!??
LisätiedotTodennäköisyys. 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