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

Koko: px
Aloita esitys sivulta:

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

Transkriptio

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

2 Kokonaistodennäköisyys ja Bayesin kaava >> Kokonaistodennäköisyys ja Bayesin kaava: Johdanto Kokonaistodennäköisyyden kaava Bayesin kaava Kokonaistodennäköisyyden ja Bayesin kaavojen systeemiteoreettinen tulkinta TKK (c) Ilkka Mellin (2007) 2

3 Kokonaistodennäköisyys ja Bayesin kaava: Johdanto Esimerkki laadunvalvonnasta 1/10 Ruuvitehtaalla on kaksi konetta A ja B, joilla tehdään samanlaisia ruuveja. A- ja B-koneen valmistamat ruuvit sekoitetaan ja pakataan laatikoihin. Koska A-kone toimii hitaammin, laatikoihin tulee A- ja B-koneiden valmistamia ruuveja suhteessa 3:5. Osa kummankin koneen valmistamista ruuveista on viallisia: (i) (ii) 5 % A-koneen valmistamista ruuveista on viallisia. 8 % B-koneen valmistamista ruuveista on viallisia. TKK (c) Ilkka Mellin (2007) 3

4 Kokonaistodennäköisyys ja Bayesin kaava: Johdanto Esimerkki laadunvalvonnasta 2/10 Valitaan satunnaisesti laatikollinen ruuveja tutkittavaksi. Poimitaan valitusta laatikosta satunnaisesti 1 ruuvi tutkittavaksi. Kysymyksiä: (i) (ii) (iii) Mikä on todennäköisyys, että poimittu ruuvi on viallinen? Mikä on todennäköisyys, että ruuvin on valmistanut A-kone, jos ruuvi osoittautuu vialliseksi? Mikä on todennäköisyys, että ruuvin on valmistanut B-kone, jos ruuvi osoittautuu vialliseksi? TKK (c) Ilkka Mellin (2007) 4

5 Kokonaistodennäköisyys ja Bayesin kaava: Johdanto Esimerkki laadunvalvonnasta 3/10 Merkintöjä: Otosavaruus S muodostuu laatikollisesta ruuveja Tapahtuma A = Ruuvin on valmistanut A-kone Tapahtuma B = Ruuvin on valmistanut B-kone Tapahtuma V = Ruuvi on viallinen Seuraavat todennäköisyydet tunnetaan: Pr(A) = 3/8 Pr(V A) = 0.05 Pr(B) = 5/8 Pr(V B) = 0.08 Seuraavia todennäköisyyksiä kysytään: Pr(V) Pr(A V) Pr(B V) TKK (c) Ilkka Mellin (2007) 5

6 Kokonaistodennäköisyys ja Bayesin kaava: Johdanto Esimerkki laadunvalvonnasta 4/10 Tapahtumat A ja B muodostavat otosavaruuden S osituksen: (i) (ii) A ja B ovat epätyhjiä: A ja B A ja B ovat pistevieraita: A B = (iii) Joukkojen A ja B yhdisteenä saadaan perusjoukko S: S = A B TKK (c) Ilkka Mellin (2007) 6

7 Kokonaistodennäköisyys ja Bayesin kaava: Johdanto Esimerkki laadunvalvonnasta 5/10 Ositus S = A B indusoi osituksen tapahtumaan V, millä tarkoitetaan seuraavaa: (i) (ii) Jos V on epätyhjä eli V, ainakin toinen joukoista V A ja V B on epätyhjä: V A tai V B V A ja V B ovat pistevieraita: (V A) (V B) = koska A B = (iii) Joukkojen V A ja V B yhdisteenä saadaan joukko V: V = (V A) (V B) TKK (c) Ilkka Mellin (2007) 7

8 Kokonaistodennäköisyys ja Bayesin kaava: Johdanto Esimerkki laadunvalvonnasta 6/10 A B V A V B V S TKK (c) Ilkka Mellin (2007) 8

9 Kokonaistodennäköisyys ja Bayesin kaava: Johdanto Esimerkki laadunvalvonnasta 7/10 Toisensa poissulkevien tapahtumien yhteenlaskusäännön mukaan: Pr(V) = Pr(V A) + Pr(V B) (1) Yleisen tulosäännön mukaan: Pr(V A) = Pr(A)Pr(V A) (2) Pr(V B) = Pr(B)Pr(V B) (3) Sijoittamalla lausekkeet (2) ja (3) kaavaan (1) saadaan todennäköisyydeksi, että satunnaisesti poimittu ruuvi on viallinen: Pr(V) = Pr(A)Pr(V A) + Pr(B)Pr(V B) = (3/8) (5/8) 0.08 = = % Todennäköisyyden Pr(V) lauseketta sanotaan kokonaistodennäköisyyden kaavaksi. TKK (c) Ilkka Mellin (2007) 9

10 Kokonaistodennäköisyys ja Bayesin kaava: Johdanto Esimerkki laadunvalvonnasta 8/10 Ehdollisen todennäköisyyden määritelmän perusteella Pr(A V) = Pr(V A)/Pr(V) (4) Pr(B V) = Pr(V B)/Pr(V) (5) Yleisen tulosäännön mukaan Pr(V A) = Pr(V A)Pr(A) (6) Pr(V B) = Pr(V B)Pr(B) (7) Edellä on todettu, että Pr(V) = Pr(A)Pr(V A) + Pr(B)Pr(V B) (8) TKK (c) Ilkka Mellin (2007) 10

11 Kokonaistodennäköisyys ja Bayesin kaava: Johdanto Esimerkki laadunvalvonnasta 9/10 Sijoittamalla lausekkeet (6) ja (8) kaavaan (4) saadaan ehdolliseksi todennäköisyydeksi Pr(A V): Pr( AV) Pr( V A) = Pr( V ) Pr( A)Pr( V A) = Pr( A)Pr( VA) + Pr( B)Pr( VB) = = = Ehdollisen todennäköisyyden Pr(A V) lauseketta sanotaan Bayesin kaavaksi. TKK (c) Ilkka Mellin (2007) 11

12 Kokonaistodennäköisyys ja Bayesin kaava: Johdanto Esimerkki laadunvalvonnasta 10/10 Sijoittamalla lausekkeet (7) ja (8) kaavaan (5) saadaan ehdolliseksi todennäköisyydeksi Pr(B V): Pr( BV) Pr( V B) = Pr( V ) Pr( B)Pr( V B) = Pr( A)Pr( VA) + Pr( B)Pr( VB) = = = Ehdollisen todennäköisyyden Pr(B V) lauseketta sanotaan Bayesin kaavaksi. TKK (c) Ilkka Mellin (2007) 12

13 Kokonaistodennäköisyys ja Bayesin kaava Kokonaistodennäköisyys ja Bayesin kaava: Johdanto >> Kokonaistodennäköisyyden kaava Bayesin kaava Kokonaistodennäköisyyden ja Bayesin kaavojen systeemiteoreettinen tulkinta TKK (c) Ilkka Mellin (2007) 13

14 Kokonaistodennäköisyyden kaava Otosavaruuden ositus Otosavaruuden S osajoukot B 1, B 2,, B n muodostavat otosavaruuden S osituksen toisensa poissulkeviin tapahtumiin, jos (i) B i, i = 1, 2,, n (ii) B i B j =, i j (iii) S = B 1 B 2 B n B 1 B 2 B 3 B 4 B 5 S TKK (c) Ilkka Mellin (2007) 14

15 Kokonaistodennäköisyyden kaava Otosavaruuden ositus: Kommentteja Otosavaruuden S ositus B 1, B 2,, B n muodostaa avaruuden S alkioiden luokkajaon, koska: (i) Joukot B 1, B 2,, B n ovat epätyhjiä. (ii) Joukot B 1, B 2,, B n ovat pareittain pistevieraita. (iii) S = B i Jos tapahtumat B 1, B 2,, B n muodostavat otosavaruuden S osituksen, täsmälleen yksi tapahtumista B 1, B 2,, B n sattuu aina, kun se satunnaisilmiö, jonka tulosvaihtoehtoja otosavaruus S kuvaa, esiintyy. TKK (c) Ilkka Mellin (2007) 15

16 Kokonaistodennäköisyyden kaava Otosavaruuden osituksen indusoima ositus Olkoon A S, A otosavaruuden S osajoukko. Olkoon B 1, B 2,, B n otosavaruuden S ositus. Ositus B 1, B 2,, B n indusoi osituksen joukkoon A: (A B i ) (A B j ) =, i j ja A = (A B 1 ) (A B 2 ) (A B n ) B 1 B 2 A B 2 A B 3 A B 4 B 3 B 4 A S TKK (c) Ilkka Mellin (2007) 16

17 Kokonaistodennäköisyyden kaava Kokonaistodennäköisyyden kaava: Määritelmä 1/2 Olkoon A S, A otosavaruuden S osajoukko. Olkoon B 1, B 2,, B n otosavaruuden S ositus. Olkoon (A B 1 ), (A B 2 ),, (A B n ) osituksen B 1, B 2,, B n indusoima ositus joukkoon A. Yhteenlaskusäännön perusteella n Pr( A) = Pr( A Bi ) (1) i= 1 B 1 B 2 A B 2 A B 3 A B 4 B 3 B 4 A S TKK (c) Ilkka Mellin (2007) 17

18 Kokonaistodennäköisyyden kaava Kokonaistodennäköisyyden kaava: Määritelmä 2/2 Yleisen tulosäännön perusteella Pr( A Bi) = Pr( Bi)Pr( A Bi) i = 1, 2,, n Sijoittamalla nämä lausekkeet kaavaan (1), saadaan kokonaistodennäköisyyden kaava n Pr( A) = Pr( Bi) Pr( A Bi) i= 1 B 1 B 2 A B 2 A B 3 A B 4 B 3 B 4 A S TKK (c) Ilkka Mellin (2007) 18

19 Kokonaistodennäköisyyden kaava Kokonaistodennäköisyyden kaava: Kommentteja Kokonaistodennäköisyyden kaava ilmaisee otosavaruuden S osajoukon A todennäköisyyden Pr(A) otosavaruuden S osituksen B 1, B 2,, B n määräämien todennäköisyyksien Pr(B i ) ja ehdollisten todennäköisyyksien Pr(A B i ) avulla. Kokonaistodennäköisyyden kaava on käyttökelpoinen sellaisissa tilanteissa, joissa todennäköisyydet Pr(B i ) ja ehdolliset todennäköisyydet Pr(A B i ) ovat tunnettuja. TKK (c) Ilkka Mellin (2007) 19

20 Kokonaistodennäköisyyden kaava Riippumattomuus ja kokonaistodennäköisyyden kaava Jos tapahtuma A on riippumaton jokaisesta tapahtumasta B 1, B 2,, B n, kokonaistodennäköisyyden kaavasta ei ole hyötyä tapahtuman A todennäköisyyttä määrättäessä. TKK (c) Ilkka Mellin (2007) 20

21 Kokonaistodennäköisyyden kaava Riippumattomuus ja kokonaistodennäköisyyden kaava: Perustelu Jos A B i, i = 1, 2,, n niin Tällöin koska Pr( A B ) = Pr( A) Pr( B ), i = 1,2, K, n n Pr( A) = Pr( A B ) = Pr( A) Pr( B ) n i= 1 i i i= 1 i= 1 n = Pr( A) Pr( B ) = Pr( A) Pr( B ) = 1 i i= 1 i i n i TKK (c) Ilkka Mellin (2007) 21

22 Kokonaistodennäköisyys ja Bayesin kaava Kokonaistodennäköisyys ja Bayesin kaava: Johdanto Kokonaistodennäköisyyden kaava >> Bayesin kaava Kokonaistodennäköisyyden ja Bayesin kaavojen systeemiteoreettinen tulkinta TKK (c) Ilkka Mellin (2007) 22

23 Bayesin kaava Bayesin kaava: Määritelmä 1/2 Olkoon A S, A otosavaruuden S osajoukko. Olkoon B 1, B 2,, B n otosavaruuden S ositus. Ehdollisen todennäköisyyden määritelmän mukaan Pr( A Bi ) Pr( Bi A) = Pr( A) = Pr( Bi) Pr( ABi) Pr( A) B 1 B 2 A B 2 A B 3 A B 4 B 3 B 4 A S TKK (c) Ilkka Mellin (2007) 23

24 Bayesin kaava Bayesin kaava: Määritelmä 2/2 Soveltamalla nimittäjään kokonaistodennäköisyyden kaavaa saadaan Bayesin kaava: Pr( Bi)Pr( ABi) Pr( Bi A) = n Pr( B )Pr( AB) i= 1 i i B 1 B 2 A B 2 A B 3 A B 4 B 3 B 4 A S TKK (c) Ilkka Mellin (2007) 24

25 Bayesin kaava Bayesin kaava: Kommentteja 1/3 Bayesin kaavan todennäköisyyttä Pr(B i ) kutsutaan tavallisesti priori-todennäköisyydeksi. prior (lat.), edeltävä, aikaisempi Todennäköisyyttä Pr(B i ) kutsutaan prioritodennäköisyydeksi, koska se kuvaa ennakkokäsitystä tapahtuman B i todennäköisyydestä, ennen kuin on saatu tietää, että tapahtuma A on sattunut. TKK (c) Ilkka Mellin (2007) 25

26 Bayesin kaava Bayesin kaava: Kommentteja 2/3 Bayesin kaavan todennäköisyyttä Pr(B i A) kutsutaan tavallisesti posteriori-todennäköisyydeksi. posterior (lat.), jälkeen tuleva, myöhempi Todennäköisyyttä Pr(B i A) kutsutaan posterioritodennäköisyydeksi, koska se kuvaa sitä miten ennakkokäsitystä tapahtuman B i todennäköisyydestä kannattaa muuttaa sen jälkeen, jos on saatu tietää, että tapahtuma A on sattunut. Posteriori-todennäköisyyttä Pr(B i A) kutsutaan usein käänteistodennäköisyydeksi, koska se on käänteinen tunnettuun todennäköisyyteen Pr(A B i ) nähden. TKK (c) Ilkka Mellin (2007) 26

27 Bayesin kaava Bayesin kaava: Kommentteja 3/3 Bayesin kaava kertoo miten ennakkokäsitystä tapahtuman B i todennäköisyydestä on järkevää korjata sen jälkeen, kun tapahtuma A on havaittu. Bayesin kaava kertoo miten tietoa tapahtuman A sattumisesta voidaan käyttää hyväksi tapahtuman B i todennäköisyyden arvioinnissa. Bayesin kaava on käyttökelpoinen sellaisissa tilanteissa, joissa todennäköisyydet Pr(B i ) ja ehdolliset todennäköisyydet Pr(A B i ) ovat tunnettuja. TKK (c) Ilkka Mellin (2007) 27

28 Bayesin kaava Riippumattomuus ja Bayesin kaava Jos tapahtuma A on riippumaton jokaisesta tapahtumasta B 1, B 2,, B n, tieto tapahtuman A sattumisesta ei muuta priori-todennäköisyyksiä Pr(B i ): Jos A B 1, B 2,, B n, niin Pr( B A) = Pr( B ), i = 1,2, K, n i i TKK (c) Ilkka Mellin (2007) 28

29 Kokonaistodennäköisyys ja Bayesin kaava Kokonaistodennäköisyys ja Bayesin kaava: Johdanto Kokonaistodennäköisyyden kaava Bayesin kaava >> Kokonaistodennäköisyyden ja Bayesin kaavojen systeemiteoreettinen tulkinta TKK (c) Ilkka Mellin (2007) 29

30 Kokonaistodennäköisyyden ja Bayesin kaavojen systeemiteoreettinen tulkinta Systeemiteoreettinen tulkinta kokonaistodennäköisyyden ja Bayesin kaavoille 1/4 Oletetaan, että systeemissä on alkutila L, välitilat B 1, B 2,, B n ja yksi sen lopputiloista on A. Oletetaan, että alkutilasta L voidaan päästä lopputilaan A vain käymällä jossakin välitiloista B 1, B 2,, B n. Olkoot Pr(B i ) = Pr(Käydään välitilassa B i ) Pr(A B i ) = Pr(Välitilasta B i päästään lopputilaan A) Pr(A) = Pr(Päästään lopputilaan A) Pr(B i A) = Pr(Lopputilaan A tullaan välitilan B i kautta) TKK (c) Ilkka Mellin (2007) 30

31 Kokonaistodennäköisyyden ja Bayesin kaavojen systeemiteoreettinen tulkinta Systeemiteoreettinen tulkinta kokonaistodennäköisyyden ja Bayesin kaavoille 2/4 Systeemiä voidaan havainnollistaa seuraavalla verkkodiagrammilla: L Pr(B 1 ) Pr(B i ) Pr(B n ) B 1 B i B n Huomaa, että kuvioon ei ole merkitty sitä, että välitiloista B 1, B 2,, B n voidaan päästä myös muihin tiloihin kuin lopputilaan A. M M Pr(A B 1 ) Pr(A B i ) Pr(A B n ) A TKK (c) Ilkka Mellin (2007) 31

32 Kokonaistodennäköisyyden ja Bayesin kaavojen systeemiteoreettinen tulkinta Systeemiteoreettinen tulkinta kokonaistodennäköisyyden ja Bayesin kaavoille 3/4 Kokonaistodennäköisyyden kaavan mukaan n Pr( A) = Pr( A B) = Pr( B)Pr( A B) i i i i= 1 i= 1 Pr(A) on todennäköisyys sille, että päästään lopputilaan A. Kokonaistodennäköisyyden kaavan mukaan todennäköisyys Pr(A) saadaan laskemalla yhteen alkutilasta L lopputilaan A välitilojen B i, i = 1, 2,, n kautta kulkevien reittien todennäköisyydet Pr(A B i ) = Pr(B i )Pr(A B i ) n TKK (c) Ilkka Mellin (2007) 32

33 Kokonaistodennäköisyyden ja Bayesin kaavojen systeemiteoreettinen tulkinta Systeemiteoreettinen tulkinta kokonaistodennäköisyyden ja Bayesin kaavoille 4/4 Bayesin kaavan mukaan Pr( A Bi) Pr( A Bi) Pr( Bi A) = = n Pr( A) Pr( A B) Pr(B i A) on siis ehdollinen todennäköisyys sille, että on käyty välitilassa B i, kun ehtotapahtumana on se, että on päästy lopputilaan A. i= 1 Pr( Bi)Pr( ABi) Pr( Bi)Pr( ABi) = = n Pr( A) Pr( B )Pr( AB) i= 1 i i i TKK (c) Ilkka Mellin (2007) 33

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

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

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

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

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

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

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

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

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

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

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

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 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

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

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

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

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

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

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

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

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

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

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

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,

Lisätiedot

Mat Sovellettu todennäköisyyslasku A

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

Lisätiedot

(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

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

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

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

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

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

Todennäköisyyslaskenta: Liitteet. Liite 1. Joukko oppi Liite 2. Todennäköisyyslaskenta ja puudiagrammit. Ilkka Mellin (2006) 449

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.

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

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 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

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

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

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

Moniulotteisia todennäköisyysjakaumia

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

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

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

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

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

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

Ilkka Mellin Todennäköisyyslaskenta

Ilkka Mellin Todennäköisyyslaskenta Ilkka Mellin Todennäköisyyslaskenta Osa 1: Todennäköisyys ja sen laskusäännöt Johdanto: Deterministisyys ja satunnaisuus Todennäköisyyden määritteleminen Todennäköisyyslaskennan peruskäsitteet TKK (c)

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

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

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

Inversio-ongelmien laskennallinen peruskurssi Luento 7

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

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

Otosavaruus ja todennäköisyys Otosavaruus Ë on joukko, jonka alkiot ovat kokeen tulokset Tapahtuma on otosavaruuden osajoukko

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

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

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

031021P Tilastomatematiikka (5 op)

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

Lisätiedot

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

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

Lisätiedot

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

Liite: Verkot. TKK (c) Ilkka Mellin (2004) 1

Liite: 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

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

MAT Todennäköisyyslaskenta Tentti / Kimmo Vattulainen

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

Lisätiedot

Johdatus todennäköisyyslaskentaan Todennäköisyys ja sen määritteleminen. TKK (c) Ilkka Mellin (2005) 1

Johdatus 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

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

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

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

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

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

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

Todennäköisyys (englanniksi probability)

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

Lisätiedot

Johdatus todennäköisyyslaskentaan Satunnaismuuttujat ja todennäköisyysjakaumat. TKK (c) Ilkka Mellin (2005) 1

Johdatus 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

Lisätiedot

TODENNÄKÖISYYSLASKUN KERTAUS Peruskäsitteitä

TODENNÄKÖISYYSLASKUN KERTAUS Peruskäsitteitä J. Virtamo 38.3143 Jonoteoria / Todennäköisyyslaskenta 1 TODENNÄKÖISYYSLASKUN KERTAUS Peruskäsitteitä Otosavaruus S S on satunnaiskokeen E kaikkien mahdollisten alkeistapahtumien e joukko. Esim. 1. Noppaa

Lisätiedot

Liite 2: Verkot ja todennäköisyyslaskenta

Liite 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

Lisätiedot

MS-A0502 Todennäköisyyslaskennan ja tilastotieteen peruskurssi

MS-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,

Lisätiedot

Mallintamisesta. Mallintamisesta

Mallintamisesta. Mallintamisesta Laajasti ymmärtäen jonkin tarkasteltavan ilmiön kuvaamista (esim. matemaattista) kuhunkin tarkoitukseen (ennustaminen, analysointi, visualisointi) parhaiten sopivalla tavalla. Ilmiön pukemista helposti

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

MS-A0501 Todennäköisyyslaskennan ja tilastotieteen peruskurssi

MS-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

Lisätiedot

Ilkka Mellin Todennäköisyyslaskenta. Osa 2: Satunnaismuuttujat ja todennäköisyysjakaumat. Satunnaismuuttujat ja todennäköisyysjakaumat

Ilkka 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

Lisätiedot

Ilkka Mellin Tilastolliset menetelmät Osa 2: Otokset, otosjakaumat ja estimointi Estimointi

Ilkka 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

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

Ilkka Mellin Todennäköisyyslaskenta Osa 2: Satunnaismuuttujat ja todennäköisyysjakaumat Moniulotteiset satunnaismuuttujat ja jakaumat

Ilkka Mellin Todennäköisyyslaskenta Osa 2: Satunnaismuuttujat ja todennäköisyysjakaumat Moniulotteiset satunnaismuuttujat ja jakaumat Ilkka Mellin Todennäköisyyslaskenta Osa 2: Satunnaismuuttujat ja todennäköisyysjakaumat Moniulotteiset satunnaismuuttujat ja jakaumat TKK (c) Ilkka Mellin (2006) 1 Moniulotteiset satunnaismuuttujat ja

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

Testit laatueroasteikollisille muuttujille

Testit laatueroasteikollisille muuttujille Ilkka Mellin Tilastolliset menetelmät Osa 3: Tilastolliset testit Testit laatueroasteikollisille muuttujille TKK (c) Ilkka Mellin (2007) 1 Testit laatueroasteikollisille muuttujille >> Laatueroasteikollisten

Lisätiedot

MS-A0503 Todennäköisyyslaskennan ja tilastotieteen peruskurssi

MS-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

Lisätiedot

Osa 2: Otokset, otosjakaumat ja estimointi

Osa 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

Lisätiedot

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

Johdatus 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

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

805306A Johdatus monimuuttujamenetelmiin, 5 op

805306A Johdatus monimuuttujamenetelmiin, 5 op monimuuttujamenetelmiin, 5 op syksy 2018 Matemaattisten tieteiden laitos Lineaarinen erotteluanalyysi (LDA, Linear discriminant analysis) Erotteluanalyysin avulla pyritään muodostamaan selittävistä muuttujista

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

Moniulotteiset satunnaismuuttujat ja todennäköisyysjakaumat. Moniulotteiset satunnaismuuttujat ja todennäköisyysjakaumat

Moniulotteiset 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

Lisätiedot

Mat Sovellettu todennäköisyyslasku A. Moniulotteiset jakaumat. Avainsanat:

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

Lisätiedot

D ( ) E( ) E( ) 2.917

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

Lisätiedot

MS-A0502 Todennäköisyyslaskennan ja tilastotieteen peruskurssi Luennot, osa I

MS-A0502 Todennäköisyyslaskennan ja tilastotieteen peruskurssi Luennot, osa I MS-A050 Todennäköisyyslaskennan ja tilastotieteen peruskurssi Luennot, osa I G. Gripenberg 1 Todennäköisyys Satunnaismuuttujat Keskeinen raja-arvolause Aalto-yliopisto. tammikuuta 015 Kaksiulotteiset satunnaismuuttujat

Lisätiedot

MS-A0502 Todennäköisyyslaskennan ja tilastotieteen peruskurssi Luennot, osa I

MS-A0502 Todennäköisyyslaskennan ja tilastotieteen peruskurssi Luennot, osa I MS-A0502 Todennäköisyyslaskennan ja tilastotieteen peruskurssi Luennot, osa I G. Gripenberg Aalto-yliopisto 2. tammikuuta 2015 G. Gripenberg (Aalto-yliopisto) MS-A0502 Todennäköisyyslaskennan ja tilastotieteen

Lisätiedot

Normaalijakaumasta johdettuja jakaumia

Normaalijakaumasta 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

Lisätiedot

Johdatus todennäköisyyslaskentaan Moniulotteiset satunnaismuuttujat ja todennäköisyysjakaumat. TKK (c) Ilkka Mellin (2005) 1

Johdatus 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

Lisätiedot

MS-A0502 Todennäköisyyslaskennan ja tilastotieteen peruskurssi Luennot, osa I

MS-A0502 Todennäköisyyslaskennan ja tilastotieteen peruskurssi Luennot, osa I MS-A0502 Todennäköisyyslaskennan ja tilastotieteen peruskurssi Luennot, osa I G. Gripenberg Aalto-yliopisto 2. tammikuuta 2015 G. Gripenberg (Aalto-yliopisto) MS-A0502 Todennäköisyyslaskennan ja tilastotieteen

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

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

Moniulotteiset satunnaismuuttujat ja jakaumat

Moniulotteiset satunnaismuuttujat ja jakaumat Todennäköisyyslaskenta Osa 2: Satunnaismuuttujat ja todennäköisyysjakaumat Moniulotteiset satunnaismuuttujat ja jakaumat KE (2014) 1 Moniulotteiset satunnaismuuttujat ja todennäköisyysjakaumat >> Kaksiulotteiset

Lisätiedot

Ilkka Mellin Tilastolliset menetelmät. Osa 3: Tilastolliset testit. Tilastollinen testaus. TKK (c) Ilkka Mellin (2007) 1

Ilkka Mellin Tilastolliset menetelmät. Osa 3: Tilastolliset testit. Tilastollinen testaus. TKK (c) Ilkka Mellin (2007) 1 Ilkka Mellin Tilastolliset menetelmät Osa 3: Tilastolliset testit Tilastollinen testaus TKK (c) Ilkka Mellin (2007) 1 Tilastolliset testit >> Tilastollinen testaus Tilastolliset hypoteesit Tilastolliset

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

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

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