Mat Sovellettu todennäköisyyslasku A
|
|
|
- Maarit Parviainen
- 8 vuotta sitten
- Katselukertoja:
Transkriptio
1 Mat Sovellettu todennäköisyyslasku A / Ratkaisut Aiheet: Avainsanat: Klassinen todennäköisyys ja kombinatoriikka Todennäköisyyden aksioomat Kokonaistodennäköisyys ja Bayesin kaava Bayesin kaava, Ehdollinen todennäköisyys, Klassinen todennäköisyys, Kokonaistodennäköisyyden kaava, Kombinaatio, Kombinatoriikka, Kertolaskuperiaate, Permutaatio, Riippumattomuus, Todennäköisyyden aksioomat, Toisensa poissulkevuus, Variaatio, Yhteenlaskuperiaate 2.1. Eräässä maassa autojen rekisterikilpien tunnukset ovat muotoa XXXNNN, 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: () Ei rajoituksia. Samaa kirjainta ja numeroa ei saa käyttää useammin kuin kerran. Kilvessä on oltava täsmälleen kaksi samaa vokaalia ja numeron on oltava pariton. Sovelletaan tehtävän ratkaisussa lokeromallia. Käytössä on 6 lokeroa, joista 3 ensimmäistä on varattu vokaaleille ja 3 viimeistä numeroille. Täytetään lokerot XXX vaiheittain: 1. lokero voidaan täyttää vokaaleilla 5 tavalla. 2. lokero voidaan täyttää vokaaleilla 5 tavalla. 3. lokero voidaan täyttää vokaaleilla 5 tavalla. Kombinatoriikan kertolaskuperiaatteen nojalla: Lokerot XXX voidaan täyttää vokaaleilla eri tavalla. Vastaavasti lokerot NNN voidaan täyttää numeroilla eri tavalla. Lokerot XXX ja lokerot NNN voidaan täyttää toisistaan riippumatta, joten kertolaskuperiaatteen nojalla erilaisia rekisterikilpiä on kpl. Täytetään lokerot XXX vaiheittain: 1. lokero voidaan täyttää vokaaleilla 5 tavalla. 2. lokero voidaan täyttää vokaaleilla 4 tavalla, koska 1 kirjain on käytetty. 3. lokero voidaan täyttää vokaaleilla 3 tavalla, koska 2 kirjainta on käytetty. Ilkka Mellin (2004) 1/11
2 Kombinatoriikan kertolaskuperiaatteen nojalla: Lokerot XXX voidaan täyttää vokaaleilla eri tavalla. Vastaavasti lokerot NNN voidaan täyttää numeroilla eri tavalla. Lokerot XXX ja lokerot NNN voidaan täyttää toisistaan riippumatta, joten kertolaskuperiaatteen nojalla erilaisia rekisterikilpiä on kpl. 3 () Lokeroihin XXX voidaan asettaa mitkä tahansa kaksi samaa vokaalia eri tavalla. 2 Koska jo käytettyjä vokaaleja ei saa käyttää uudelleen, voidaan vokaalit valita lokeroihin 5 4 eri tavalla. Siten lokerot XXX voidaan täyttää vokaaleilla niin, että lokeroissa on täsmälleen kaksi samaa vokaalia, eri tavalla. 2 Koska parittomia numeroita on 5, lokerot NNN voidaan täyttää eri tavalla. Lokerot XXX ja lokerot NNN voidaan täyttää toisistaan riippumatta, joten kertolaskuperiaatteen nojalla erilaisia rekisterikilpiä on kpl Tietokoneen salasanat ovat muotoa XXXXX, jossa X on jokin vokaaleista a, e, i, o, u (5 kpl). Laske mahdollisten salasanojen lukumäärät, kun salasanojen muodostamista rajoittavat seuraavat ehdot: () (d) Kaikkien numeroiden on oltava erilaisia. Salasanassa on oltava pari eli täsmälleen kaksi samaa vokaalia (esim. eaioe). Salasanassa on oltava kolmoset eli täsmälleen kolme samaa vokaalia (esim. aaoea). Salasanassa on oltava täyskäsi eli kolmoset ja pari (esim. ioioo). Sovelletaan tehtävän ratkaisussa ns. lokeromallia. Käytössä on 5 lokeroa. Täytetään lokerot vaiheittain: Lokero i voidaan täyttää 5 i + 1 eri tavalla, i 1, 2, 3, 4, 5. Kertolaskuperiaatteen nojalla salasanojen kokonaislukumäärä on Ilkka Mellin (2004) 2/11
3 5 lokeroa voidaan täyttää kahden saman vokaalin muodostamilla pareilla binomikertoimen ilmaisemalla lukumäärällä eri tapoja. 2 Pariin voidaan valita vokaali 5 eri tavalla. Koska kolmeen jäljellä olevaan lokeroon jokaiseen on valittava eri vokaali, voidaan muut vokaalit valita eri tavalla. Siten vokaalit voidaan valita lokeroihin eri tavalla. Kertolaskuperiaatteen nojalla salasanojen kokonaislukumäärä on () 5 lokeroa voidaan täyttää kolmen saman vokaalin muodostamilla kolmosilla binomikertoimen ilmaisemalla lukumäärällä eri tapoja. 3 Kolmosiin voidaan valita vokaali 5 eri tavalla. Koska kahteen jäljellä olevaan lokeroon jokaiseen on valittava eri vokaali, voidaan muut vokaalit valita 4 3 eri tavalla. Siten vokaalit voidaan valita lokeroihin eri tavalla. Kertolaskuperiaatteen nojalla salasanojen kokonaislukumäärä on (d) 5 lokeroa voidaan täyttää kahden saman vokaalin muodostamilla pareilla binomikertoimen ilmaisemalla lukumäärällä eri tapoja. Sen jälkeen paikat 2 kolmosille on määrätty. Vokaalit pariin voidaan valita 5 eri tavalla ja sen jälkeen kolmosiin 4 eri tavalla. Siten vokaalit voidaan valita lokeroihin 5 4 eri tavalla. Kertolaskuperiaatteen nojalla salasanojen lukumäärä on Ilkka Mellin (2004) 3/11
4 2.3. Tarkastellaan kirjaimien a, e, i, k, l, m, p muodostamaa joukkoa S {a, e, i, k, l, m, p} 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? Joukossa S on n(s) 7 erilaista alkiota. Siten joukon S alkioista voidaan muodostaa 7! erilaista jonoa eli permutaatiota. Tämä nähdään käyttämällä ns. lokeromallia: Koska joukossa S on 7 erilaista alkiota, muodostetaan lokerikko, jossa on 7 lokeroa. Ideana on täyttää lokerikko joukon S alkioilla vaiheittain. Kirjainten a, e, i, k, l, m, p muodostamien jonojen lukumäärä on sama kuin erilaisten järjestysten lukumäärä, joissa kirjaimet a, e, i, k, l, m, p voidaan asettaa lokeroihin. Alla oleva kaavio kuvaa ko. lokerikkoa. Jokaiseen lokeroon on merkitty luvulla n kuinka monella tavalla lokeron täyttö voidaan tehdä. Lokeron nro n lokero: Lokero voidaan täyttää 7:llä eri tavalla kirjaimilla a, e, i, k, l, m, p 2. lokero: Lokero voidaan täyttää 6:lla eri tavalla jäljelle jääneillä kirjaimilla, koska 1 kirjaimista on käytetty. 3. lokero: Lokero voidaan täyttää 5:llä eri tavalla jäljelle jääneillä kirjaimilla, koska 2 kirjaimista on käytetty. 4. lokero: Lokero voidaan täyttää 4:lla eri tavalla jäljelle jääneillä kirjaimilla, koska 3 kirjaimista on käytetty. 5. lokero: Lokero voidaan täyttää 3:lla eri tavalla jäljelle jääneillä kirjaimilla, koska 4 kirjaimista on käytetty. 6. lokero: Lokero voidaan täyttää 2:lla eri tavalla jäljelle jääneellä kirjaimella, koska 5 kirjaimista on käytetty. 7. lokero: Lokero voidaan täyttää 1:llä eri tavalla jäljelle jääneellä kirjaimella, koska 6 kirjaimista on käytetty. Ilkka Mellin (2004) 4/11
5 Täyttöoperaatiot voidaan tehdä riippumatta edellisistä täytöistä, joten kombinatoriikan kertolaskuperiaatteen mukaan koko lokerikko voidaan täyttää ! 5040 erilaisella tavalla. Joukon S alkioista voidaan muodostaa 7! 7! (7 3)! 4! erilaista 3:n alkion osajonoa eli variaatiota. Tämä seuraa myös -kohdan tarkastelusta pysäyttämällä lokeroiden täyttö 3. lokeron täytön jälkeen. () Joukon S alkioista voidaan muodostaa 7 7! !4! erilaista 3:n alkion osajoukkoa eli kombinaatiota Erässä TV-vastaanottimia on 25 vastaanotinta, joista 5 on viallista. Kuinka monella eri tavalla vastaanotinten joukosta voidaan poimia 5 vastaanotinta niin, että mukaan tulee täsmälleen 1 viallinen vastaanotin, jos poiminta tehdään palauttamatta? Mikä on todennäköisyys, että poimittaessa vastaanotinten joukosta umpimähkään 5 vastaanotinta mukaan tulee täsmälleen 1 viallinen vastaanotin, jos poiminta tehdään palauttamatta? Tehtävänä on valita 4 vastaanotinta 20:n ehjän vastaanottimen joukosta ja 1 vastaanotin 5:n viallisen vastaanottimen joukosta ja laskea niiden tapojen lukumäärä, jolla tämä voidaan tehdä. 4 vastaanotinta voidaan valita 20:n ehjän joukosta binomikertoimen 20 4 ilmaisemalla lukumäärällä eri tapoja. Ilkka Mellin (2004) 5/11
6 1 vastaanotinta voidaan valita 5:n viallisen joukosta binomikertoimen 1 ilmaisemalla lukumäärällä eri tapoja. Nämä valinnat voidaan tehdä toisistaan riippumatta, joten kombinatoriikan kertolaskuperiaatteen mukaan valintojen kokonaislukumääräksi saadaan 20 20! 5! !16! 1!4! Käytetään klassisen todennäköisyyden määritelmää: Tapahtuman A klassinen todennäköisyys on jossa Pr( A) k/ n k tapahtumalle A suotuisien tulosvaihtoehtojen lukumäärä n kaikkien mahdollisten tulosvaihtoehtojen lukumäärä ja kaikki tulosvaihtoehdot ovat yhtä todennäköisiä. Kaikkien tulosvaihtoehtojen lukumäärä: 5 vastaanotinta voidaan poimia 20 vastaanottimen joukosta binomikertoimen 25 25! !20! ilmaisemalla lukumäärällä eri tapoja. Tapahtumalle A suotuisien tulosvaihtoehtojen lukumäärä: -kohdan mukaan 4 vastaanotinta voidaan valita 20:n ehjän vastaanottimen joukosta ja 1 vastaanotin 5:n viallisen vastaanottimen joukosta tulon ilmaisemalla lukumäärällä eri tapoja. Siten todennäköisyys valita 5 vastaanotinta satunnaisesti 25:n vastaanottimen joukosta ja saada 4 vastaanotinta 20:n ehjän vastaanottimen joukosta ja 1 vastaanotin 5:n viallisen vastaanottimen joukosta on 20 20! 5! 4 1 4!16! 1!4! ! !20! Ilkka Mellin (2004) 6/11
7 2.5. Todista: Pr( A B ) Pr( A\ B) Pr( A) Pr( A B) Oletetaan, että tapahtumat A ja B riippumattomia; merkintä A B. Todista käyttäen hyväksi -kohdan tulosta: Tapahtumat A ja B ovat riippumattomia. () Tapahtumat A ja B ovat riippumattomia. (d) Tapahtumat A ja B ovat riippumattomia. Todetaan ensin, että A B A\ B Aina pätee (ks. viereistä Venn-diagrammia): A ( A B ) ( A B) ja ( A B ) ( A B) Siten toisensa poissulkevien tapahtumien yhteenlaskusäännön mukaan Pr( A) Pr( A B ) + Pr( A B) josta todistettava yhtälö seuraa. Todistus: Pr( A B ) Pr( A\ B) Pr( A) Pr( A B) Pr( A) Pr( A)Pr( B) Koska A B Pr( A)(1 Pr( B)) Pr( A) Pr( B ) Komplementtitodennäköisyyden laskusäännön nojalla Siten A B. () Todistus: ()-kohta todistetaan vastaavalla tavalla kuin -kohta. Ilkka Mellin (2004) 7/11
8 (d) Todistus: Pr( A B ) Pr( B \ A) Pr( B ) Pr( A B ) Pr( B ) Pr( A) Pr( B ) Koska A B -kohdan mukaan (1 Pr( A)) Pr( B ) Pr( A )Pr( B ) Komplementtitodennäköisyyden laskusäännön nojalla Siten A B Todista, että kaikille tapahtumille A ja B pätee Pr( A) 1 Pr( A B ) Pr( A B) Pr( A) + Pr( B) Ohje: Käytä hyväksesi De Morganin lakia A B ( A B ) Määritellään ehdolliset todennäköisyydet kaavalla Pr( A B) Pr( A B) Pr( B) jossa Pr(B) 0. Todista yleinen yhteenlaskusääntö ehdollisille todennäköisyyksille: Pr( A B C) Pr( A C) + Pr( B C) Pr( A B C) jossa Pr(C) 0. Koska niin A A B Pr( A) Pr( A B) De Morganin lain mukaan A B ( A B ) Pr( A) 1 Pr( A B ) Pr( A B) Komplementtitodennäköisyyden laskusäännön nojalla Siten Pr(( A B ) ) 1 Pr( A B ) Ilkka Mellin (2004) 8/11
9 Epäyhtälö Pr( A B) Pr( A) + Pr( B) seuraa suoraan yleisestä yhteenlaskusäännöstä: Pr( A B) Pr( A) + Pr( B) Pr( A B) Yleinen yhteenlaskusääntö pätee ehdollisille todennäköisyyksille, koska Pr(( A B) C) Pr( A B C) Pr( C) Pr(( A C) ( B C)) Pr( C) Pr( A C) Pr( B C) Pr(( A C) ( B C)) + Pr( C) Pr( C) Pr( C) Pr( A C) Pr( B C) Pr(( A B) C) + Pr( C) Pr( C) Pr( C) Pr( AC ) + Pr( BC ) Pr( A BC ) Yhtälöketjussa on käytetty hyväksi seuraavia joukko-opin kaavoja: (A B) C (A C) (B C) (A C) (B C) A C B C (distributiivisuus) A B C C (kommutaatiivisuus) A B C (idempotenttisuus) (A B) C sekä yleistä yhteenlaskusääntöä sovellettuna joukkoihin A B ja B C: Pr(( A C) ( B C)) Pr( A C) + Pr( B C) Pr(( A C) ( B C)) Ilkka Mellin (2004) 9/11
10 2.7. Huumeiden käytön paljastamiseen tarkoitetun pikatestin luotettavuudesta on käytössä seuraavat tiedot: Henkilö, joka käyttää huumeita tulee oikein luokitelluksi huumeiden käyttäjäksi todennäköisyydellä Toisaalta henkilö, joka ei käytä huumeita tulee virheellisesti luokitelluksi huumeiden käyttäjäksi todennäköisyydellä Oletetaan, että testiä käytetään ihmisjoukkoon, jossa 1 % käyttää huumeita. Mikä on todennäköisyys, että huumeiden käyttäjäksi luokiteltu henkilö ei käytä huumeita? Tehtävässä sovelletaan Bayesin kaavaa. Merkitään tapahtumavaihtoehtoja seuraavalla tavalla: H Testi luokittelee henkilön huumeiden käyttäjäksi K Henkilö käyttää huumeita E Henkilö ei käytä huumeita Tehtävän asettelun mukaan seuraavat todennäköisyydet tunnetaan: Pr(H K) 0.98 Pr(H E) 0.05 Pr(K) 0.01 Komplementtitapahtuman todennäköisyyden kaavan mukaan Pr(E) 1 Pr(E) 0.99 Tehtävässä kysytään todennäköisyyttä on Pr(E H). Bayesin kaavan mukaan: Pr( E) Pr( H E) Pr( EH) Pr( E) Pr( H E) + Pr( K)Pr( H K) Huomaa, että todennäköisyys sille, että testin huumeiden käyttäjäksi luokittelema henkilö ei todellisuudessa käytä huumeita, on varsin suuri! Todennäköisyyden frekvenssitulkinnan mukaan suuresta joukosta ihmisiä, joista vain 1 % käyttää huumeita yli 80 % tulee pikatestissä leimatuksi virheellisesti huumeiden käyttäjiksi! Ilkka Mellin (2004) 10/11
11 2.8. Tiedonsiirtojärjestelmä siirtää binäärilukuja 0 ja 1. Siirrettävistä binääriluvuista on nollia 60 % ja ykkösiä 40 %. Järjestelmässä esiintyy kuitenkin satunnaisia häiriöitä, jotka muuttavat siirron aikana osan nollista ykkösiksi ja osan ykkösistä nolliksi. Nolla tulee perille oikeassa muodossa todennäköisyydellä 0.95 ja ykkönen todennäköisyydellä 0.9. Laske todennäköisyydet seuraaville tapahtumille: On lähetetty 0, kun on vastaanotettu 0 On lähetetty 1, kun on vastaanotettu 1 Tehtävässä sovelletaan Bayesin kaavaa. Seuraavat todennäköisyydet saadaan suoraan tehtävän asettelusta: A On lähetetty 0 Pr(A) 0.6. A On lähetetty 1 Pr(A ) 0.4 B On vastaanotettu 0 Pr(B A) 0.95 B On vastaanotettu 1 Pr(B A ) 0.9 Kysytty todennäköisyys on Pr(A B). Bayesin kaavan mukaan: Pr( BA) Pr( A) Pr( AB) Pr( B A) Pr( A) + Pr( B A ) Pr( A ) Kysytty todennäköisyys on Pr(A B ). Bayesin kaavan mukaan: Pr( B A ) Pr( A ) Pr( A B ) Pr( B A ) Pr( A ) + Pr( B A) Pr( A) Ilkka Mellin (2004) 11/11
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,
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
A = 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,
Varma tapahtuma, Yhdiste, Yhdistetty tapahtuma, Yhteenlaskusääntö
Mat-2.090 Sovellettu todennäköisyyslasku A / Ratkaisut Aiheet: Avainsanat: Unioni, Todennäköisyyslaskennan peruskäsitteet Todennäköisyyslaskennan peruslaskusäännöt Alkeistapahtuma, Ehdollinen todennäköisyys,
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
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
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
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
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
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,
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
Mat Sovellettu todennäköisyyslasku. Aiheet: Todennäköisyyslaskennan peruskäsitteet Todennäköisyyslaskennan peruslaskusäännöt Avainsanat:
Mat-2.091 Sovellettu todennäköisyyslasku Aiheet: Todennäköisyyslaskennan peruskäsitteet Todennäköisyyslaskennan peruslaskusäännöt Avainsanat: Alkeistapahtuma, Ehdollinen todennäköisyys, Erotustapahtuma,
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
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
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
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,
(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
ABHELSINKI UNIVERSITY OF TECHNOLOGY
Todennäköisyyslaskennan käsitteitä Satunnaisuus ja deterministisyys Deterministisessä ilmiössä alkutila määrää lopputilan yksikäsitteisesti. Satunnaisilmiö puolestaan arpoo - yhdestä alkutilasta voi päätyä
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
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
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
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)
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)
MS-A0501 Todennäköisyyslaskennan ja tilastotieteen peruskurssi
M-0501 Todennäköisyyslaskennan ja tilastotieteen peruskurssi Viikko 1: Todennäköisyyslaskennan peruskäsitteet; Todennäköisyyden aksioomat; Todennäköisyyslaskennan peruslaskusäännöt; Kokonaistodennäköisyyden
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
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
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
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
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:
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
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
Mat Sovellettu todennäköisyyslasku A
TKK / Systeemianalyysin laboratorio Nordlund Mat-2.090 Sovellettu todennäköisyyslasku Harjoitus 2 (vko 39/2003) (ihe: tapahtumien todennäköisyys, Laininen luvut 1.6 2.4) 1. Tarkastellaan rinnan- ja sarjaankytketyistä
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
HY / 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
Mat Sovellettu todennäköisyyslasku A. Moniulotteiset jakaumat. Avainsanat:
Mat-.9 Sovellettu todennäköisyyslasku A Mat-.9 Sovellettu todennäköisyyslasku A / Ratkaisut Aiheet: Avainsanat: Moniulotteiset jakaumat Diskreetti jakauma, Ehdollinen jakauma, Ehdollinen odotusarvo, Jatkuva
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
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
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
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,
3. 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
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
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
Johdatus matemaattiseen päättelyyn
Johdatus matemaattiseen päättelyyn Maarit Järvenpää Oulun yliopisto Matemaattisten tieteiden laitos Syyslukukausi 2015 1 Merkintöjä 2 Todistamisesta 2 3 Joukko-oppia Tässä luvussa tarkastellaan joukko-opin
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
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
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
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
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
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?
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
Lukumäärän laskeminen 1/7 Sisältö ESITIEDOT:
Lukumäärän laskeminen 1/7 Sisältö Samapituisten merkkijonojen lukumäärä I Olkoon tehtävänä muodostaa annetuista merkeistä (olioista, alkioista) a 1,a 2,a 3,..., a n jonoja, joissa on p kappaletta merkkejä.
Otosavaruus 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
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
D ( ) E( ) E( ) 2.917
Mat-2.091 Sovellettu todennäköisyyslasku 4. harjoitukset/ratkaisut Aiheet: Diskreetit jakaumat Avainsanat: Binomijakauma, Diskreetti tasainen jakauma, Geometrinen jakauma, Hypergeometrinen jakauma, Kertymäfunktio,
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
Todennäköisyyslaskenta: 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.
&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
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
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.
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
ABHELSINKI UNIVERSITY OF TECHNOLOGY
Satunnaismuuttujat ja todennäköisyysjakaumat Mitä tänään? Jos satunnaisilmiötä halutaan mallintaa matemaattisesti, on ilmiön tulosvaihtoehdot kuvattava numeerisessa muodossa. Tämä tapahtuu liittämällä
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
Tilaston esittäminen frekvenssitaulukossa ja graafisesti. Keskiluvut luokittelemattomalle ja luokitellulle aineistolle: moodi, mediaani, keskiarvo.
Kertaus Tilaston esittäminen frekvenssitaulukossa ja graafisesti. Luokiteltu aineisto. Keskiluvut luokittelemattomalle ja luokitellulle aineistolle: moodi, mediaani, keskiarvo. Hajontaluvut luokittelemattomalle
D ( ) Var( ) ( ) E( ) [E( )]
![D ( ) Var( ) ( ) E( ) [E( )]](/thumbs/55/37411593.jpg "D ( ) Var( ) ( ) E( ) [E( )]")
Mat-.2620 Sovellettu todennäköisyyslaskenta B / Ratkaisut Aiheet: Diskreettejä jakaumia Avainsanat: Binomijakauma, Diskreetti tasainen jakauma, Eksponenttijakauma, Geometrinen jakauma, Hypergeometrinen
Ratkaisu: a) Kahden joukon yhdisteseen poimitaan kaikki alkiot jotka ovat jommassakummassa joukossa (eikä mitään muuta).
Matematiikan laitos Johdatus Diskreettiin Matematiikaan Harjoitus 1 03.11.2010 Ratkaisuehdotuksia Aleksandr Nuija 1. Tarkastellaan joukkoja A = {1,3,4}, B = {2,3,7,9} ja C = {2, 5, 7}. Määritä joukot (a)
811120P Diskreetit rakenteet
811120P Diskreetit rakenteet 2016-2017 4. Joukot, relaatiot ja funktiot Osa 1: Joukot 4.1 Joukot Matemaattisesti joukko on mikä tahansa hyvin määritelty kokoelma objekteja, joita kutsutaan joukon alkioiksi
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,...)
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
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
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
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.
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
Approbatur 3, demo 1, ratkaisut A sanoo: Vähintään yksi meistä on retku. Tehtävänä on päätellä, mitä tyyppiä A ja B ovat.
Approbatur 3, demo 1, ratkaisut 1.1. A sanoo: Vähintään yksi meistä on retku. Tehtävänä on päätellä, mitä tyyppiä A ja B ovat. Käydään kaikki vaihtoehdot läpi. Jos A on rehti, niin B on retku, koska muuten
Diskreetin Matematiikan Paja Ratkaisuhahmotelmia viikko 1. ( ) Jeremias Berg
Diskreetin Matematiikan Paja Ratkaisuhahmotelmia viikko 1. (14.3-18.3) Jeremias Berg 1. Luettele kaikki seuraavien joukkojen alkiot: (a) {x Z : x 3} (b) {x N : x > 12 x < 7} (c) {x N : 1 x 7} Ratkaisu:
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
χ = Mat Sovellettu todennäköisyyslasku 11. harjoitukset/ratkaisut
Mat-2.091 Sovellettu todennäköisyyslasku /Ratkaisut Aiheet: Yhteensopivuuden testaaminen Homogeenisuuden testaaminen Riippumattomuuden testaaminen Avainsanat: Estimointi, Havaittu frekvenssi, Homogeenisuus,
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,
Johdatus lukuteoriaan Harjoitus 2 syksy 2008 Eemeli Blåsten. Ratkaisuehdotelma
Johdatus lukuteoriaan Harjoitus 2 syksy 2008 Eemeli Blåsten Ratkaisuehdotelma Tehtävä 1 1. Etsi lukujen 4655 ja 12075 suurin yhteinen tekijä ja lausu se kyseisten lukujen lineaarikombinaationa ilman laskimen
Kannan vektorit siis virittävät aliavaruuden, ja lisäksi kanta on vapaa. Lauseesta 7.6 saadaan seuraava hyvin käyttökelpoinen tulos:
8 Kanta Tässä luvussa tarkastellaan aliavaruuden virittäjävektoreita, jotka muodostavat lineaarisesti riippumattoman jonon. Merkintöjen helpottamiseksi oletetaan luvussa koko ajan, että W on vektoreiden
1 Lukujen jaollisuudesta
Matematiikan mestariluokka, syksy 2009 1 1 Lukujen jaollisuudesta Lukujoukoille käytetään seuraavia merkintöjä: N = {1, 2, 3, 4,... } Luonnolliset luvut Z = {..., 2, 1, 0, 1, 2,... } Kokonaisluvut Kun
Vapaus. Määritelmä. jos c 1 v 1 + c 2 v c k v k = 0 joillakin c 1,..., c k R, niin c 1 = 0, c 2 = 0,..., c k = 0.
Vapaus Määritelmä Oletetaan, että v 1, v 2,..., v k R n, missä n {1, 2,... }. Vektorijono ( v 1, v 2,..., v k ) on vapaa eli lineaarisesti riippumaton, jos seuraava ehto pätee: jos c 1 v 1 + c 2 v 2 +
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????!??
031021P Tilastomatematiikka (5 op)
031021P Tilastomatematiikka (5 op) Jukka Kemppainen Mathematics Division Yleinen todennäköisyys Kertausmateriaalissa esiteltiin koulusta tuttuja todennäköisyysmalleja. Tällä kurssilla todennäköisyys on
Vapaus. Määritelmä. jos c 1 v 1 + c 2 v c k v k = 0 joillakin c 1,..., c k R, niin c 1 = 0, c 2 = 0,..., c k = 0.
Vapaus Määritelmä Oletetaan, että v 1, v 2,..., v k R n, missä n {1, 2,... }. Vektorijono ( v 1, v 2,..., v k ) on vapaa eli lineaarisesti riippumaton, jos seuraava ehto pätee: jos c 1 v 1 + c 2 v 2 +
MAT Todennäköisyyslaskenta Tentti / Kimmo Vattulainen
MAT-5 Todennäköisyyslaskenta Tentti.. / Kimmo Vattulainen Vastaa jokainen tehtävä eri paperille. Funktiolaskin sallittu.. a) P A). ja P A B).6. Mitä on P A B), kun A ja B ovat riippumattomia b) Satunnaismuuttujan
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
Inversio-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
MS-A0402 Diskreetin matematiikan perusteet Esimerkkejä, todistuksia ym., osa I
MS-A040 Diskreetin matematiikan perusteet Esimerkkejä, todistuksia ym., osa I G. Gripenberg Aalto-yliopisto 3. huhtikuuta 014 G. Gripenberg (Aalto-yliopisto) MS-A040 Diskreetin matematiikan perusteetesimerkkejä,
ORMS2020 Päätöksenteko epävarmuuden vallitessa Syksy 2008. Tehtävissä 1, 2, ja 3 tarkastelemme seuraavaa tilannetta:
RMS22 Päätöksenteko epävarmuuden vallitessa Syksy 28 Harjoitus 8 Ratkaisuehdotuksia Tehtävissä 1, 2, ja 3 tarkastelemme seuraavaa tilannetta: Pankki harkitsee myöntääkö 5. euron lainan asiakkaalle 12%
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
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
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
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,
Todennäköisyyslaskenta
Todennäköisyyslaskenta Ilkka Mellin 1. korjattu painos Ilkka Mellin I Ilkka Mellin II Esipuhe Tämä moniste pyrkii antamaan perustiedot todennäköisyyslaskennasta. Monisteen ensisijaisena tavoitteena on
Todennäköisyyslaskenta I. Ville Hyvönen
Todennäköisyyslaskenta I Ville Hyvönen Kesä 2016 Sisältö 1 Todennäköisyys 3 1.1 Klassinen todennäköisyys............................ 3 1.2 Kombinatoriikkaa................................ 6 1.2.1 Tuloperiaate...............................
Tekijäryhmiä varten määritellään aluksi sivuluokat ja normaalit aliryhmät.
3 Tekijäryhmät Tekijäryhmän käsitteen avulla voidaan monimutkainen ryhmä jakaa osiin. Ideana on, että voidaan erikseen tarkastella, miten laskutoimitus vaikuttaa näihin osiin kokonaisuuksina, ja jättää
https://www10.uta.fi/opas/opintojakso.htm?rid=11585 &idx=2&uilang=fi&lang=fi&lvv=2015
25.10.2016/1 MTTTP5, luento 25.10.2016 1 Kokonaisuudet, joihin opintojakso kuuluu https://www10.uta.fi/opas/opintojakso.htm?rid=11585 &idx=2&uilang=fi&lang=fi&lvv=2015 2 Osaamistavoitteet Opiskelija osaa
Suotuisien tapahtumien lukumäärä Kaikki alkeistapahtumien lukumäärä
Todennäköisyys 1 Klassinen todennäköisyys: p = Suotuisien tapahtumien lukumäärä Kaikki alkeistapahtumien lukumäärä Esimerkkejä: Nopan heitto, kolikon heitto Satunnaismuuttuja Tilastollisesti vaihtelevaa
1. Osoita, että joukon X osajoukoille A ja B on voimassa toinen ns. de Morganin laki (A B) = A B.
HY / Avoin yliopisto Johdatus yliopistomatematiikkaan, kesä 2015 Harjoitus 3 Ratkaisuehdotuksia Tehtäväsarja I Seuraavissa tehtävissä harjoitellaan muun muassa kahden joukon osoittamista samaksi sekä joukon
Algebra I, harjoitus 5,
Algebra I, harjoitus 5, 7.-8.10.2014. 1. 2 Osoita väitteet oikeiksi tai vääriksi. a) (R, ) on ryhmä, kun asetetaan a b = 2(a + b) aina, kun a, b R. (Tässä + on reaalilukujen tavallinen yhteenlasku.) b)