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

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

Todennäköisyys (englanniksi probability)

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

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

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

Miten hyvin mallit kuvaavat todellisuutta? Tarvitaan havaintoja.

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

ABHELSINKI UNIVERSITY OF TECHNOLOGY

Varma tapahtuma, Yhdiste, Yhdistetty tapahtuma, Yhteenlaskusääntö

Sovellettu todennäköisyyslaskenta B

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

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

1. Matkalla todennäköisyyteen

Mat Sovellettu todennäköisyyslasku A

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

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

9 Yhteenlaskusääntö ja komplementtitapahtuma

D ( ) E( ) E( ) 2.917

031021P Tilastomatematiikka (5 op)

Suotuisien tapahtumien lukumäärä Kaikki alkeistapahtumien lukumäärä

1. laskuharjoituskierros, vko 4, ratkaisut

3.7 Todennäköisyysjakaumia

Todennäköisyyslaskenta I. Ville Hyvönen

(x, y) 2. heiton tulos y

Osa 1: Todennäköisyys ja sen laskusäännöt

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

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

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

Todennäköisyyslaskenta I

30A02000 Tilastotieteen perusteet

MS-A0501 Todennäköisyyslaskennan ja tilastotieteen peruskurssi

Käytetään satunnaismuuttujaa samoin kuin tilastotieteen puolella:

Mat Sovellettu todennäköisyyslasku A

Diskreetin matematiikan perusteet Laskuharjoitus 1 / vko 8

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

MS-A0501 Todennäköisyyslaskennan ja tilastotieteen peruskurssi

4.1. Olkoon X mielivaltainen positiivinen satunnaismuuttuja, jonka odotusarvo on

MAT Todennäköisyyslaskenta Tentti / Kimmo Vattulainen

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

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

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

MAT Todennäköisyyslaskenta Tentti / Kimmo Vattulainen

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

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

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

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

Juuri 10 Tehtävien ratkaisut Kustannusosakeyhtiö Otava päivitetty

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

TODENNÄKÖISYYS JA TILASTOT MAA6 KERTAUS

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

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

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

Todennäköisyyslaskenta - tehtävät

Todennäköisyyslaskenta

031021P Tilastomatematiikka (5 op)

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

k S P[ X µ kσ] 1 k 2.

1. Matkalla todennäköisyyteen (kertausta TN I)

Johdatus tn-laskentaan perjantai

2. laskuharjoituskierros, vko 5, ratkaisut

Otanta ilman takaisinpanoa

Kurssin puoliväli ja osan 2 teemat

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

x 4 e 2x dx Γ(r) = x r 1 e x dx (1)

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

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

4. laskuharjoituskierros, vko 7, ratkaisut

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

Valintahetket ja pysäytetyt martingaalit

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

MS-A0501 Todennäköisyyslaskennan ja tilastotieteen peruskurssi

1. Tässä tehtävässä päätellään kaksilapsisen perheen lapsiin liittyviä todennäköisyyksiä.

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

JOHDATUS TEKOÄLYYN LUENTO 4.

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

a ord 13 (a)

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

MAT Todennäköisyyslaskenta Tentti / Kimmo Vattulainen

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

Tilastollinen päättely II, kevät 2017 Harjoitus 1A

Osa 1: Todennäköisyys ja sen laskusäännöt. Todennäköisyyden aksioomat

Mat Sovellettu todennäköisyyslasku A. Moniulotteiset jakaumat. Avainsanat:

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

Mat Sovellettu todennäköisyyslasku A

JOHDATUS TEKOÄLYYN TEEMU ROOS

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

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

MS-A0501 Todennäköisyyslaskennan ja tilastotieteen peruskurssi

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

Jatkuvat satunnaismuuttujat

T Luonnollisen kielen tilastollinen käsittely

Johdatus lukuteoriaan Harjoitus 2 syksy 2008 Eemeli Blåsten. Ratkaisuehdotelma

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

Todennäköisyyslaskenta

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

Sovellettu todennäköisyyslaskenta B

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

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

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

MS-A0501 Todennäköisyyslaskennan ja tilastotieteen peruskurssi Esimerkkikokoelma 1

Transkriptio:

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

Siispä tapahtumat (A B) ja (B \ A) ovat erillisiä. Edellisen kohdan tapaan väitteen osoittamiseksi riittää näyttää, että B (A B) (B \ A), sillä tällöin tn-mitan additiivisuuden mukaan P(B) P((A B) (B \ A)) P(A B) + P(B \ A). Osoitetaan siis, että B (A B) (B \ A). Jos x (A B) (B \ A), niin x (A B) tai x (B \ A). Jos x (A B), niin x B. Jos taas x (B \ A), niin tällöin myös x B. Siispä jos x (A B) (B \ A), niin x B, eli (A B) (B \ A) B. Toisaalta jos y B, niin y (B A) tai y (B A c ) B\A. Siispä tällöin y (A B) (B\A), eli B (A B) (B\A). Näin ollen B (A B) (B \ A). (c) a-kohdan perusteella P(A B) P(A) + P(B \ A) ja b-kohdan perusteella P(A B) P(B) P(B \ A). Nyt P(A B) + P(A B) P(A) + P(B \ A) + P(B) P(B \ A) P(A) + P(B). Siis yhteenlaskukaava on voimassa. 2. Olkoon P(A) 0.5, P(B) 0.4 ja P(A B) 0.3. Laske seuraavien tapahtumien todennäköisyydet, a) B c, b) A B, c) A B c, d) A c B c. (a) Lauseen 1.1 (b) perusteella P(B c ) 1 P(B) 1 0.4 0.6. (b) Yhteenlaskukaavan (lause 1.1 (f)) perusteella P(A B) P(A) + P(B) P(A B) 0.5 + 0.4 0.3 0.6. (c) Koska (A B c ) (B \ A), niin lauseen 1.1 (e) perusteella P(A B c ) P(A \ B) P(A) P(A B) 0.5 0.3 0.2. (d) Koska (A c B c ) (Ω\A) (Ω\B) Ω\(A B), niin lauseen 1.1 (e) perusteella P(A c B c ) P(Ω\(A B)) P(Ω) P(Ω (A B)) 1 P(A B) 1 0.6 0.4. 3. Noppaa heitetään kuusi kertaa. Laske todennäköisyys, että saadaan korkeintaan yksi ykkönen. Merkitään tapahtumia A 0 saadaan tasan 0 ykköstä ja A 1 saadaan tasan 1 ykkönen. Nyt tapahtuman A 0 tapahtuminen tarkoittaa, että jokaisen kuuden heiton silmäluku on 2, 3, 4, 5 tai 6. Yhdellä heitolla tällaisen tapahtuman todennäköisyys on tietysti 5 6. Koska nopanheittojen silmäluvut voidaan olettaa toisistaan riippumattomiksi, niin ( ) 5 6 P(A 0 ) 15625 6 46656. Tapahtuma A 1 voidaan lausua kuuden erillisen tapahtuman B i saadaan ykkönen i:nnellä heitolla ja muilla heitoilla ei saada ykköstä

yhdisteenä, missä i 1, 2, 3, 4, 5, 6. Koska silmäluvut voidaan olettaa toisistaan riippumattomiksi, niin kaikilla i, P(B i ) 1 ( ) 5 5 6 3125 6 46656. Nyt koska A 1 on erillisten tapahtumien B i yhdiste, niin 6 3125 P(A 1 ) P(B i ) 6 i1 46656 3125 7776. Kysytty todennäköisyys on erillisten tapahtumien A 0 ja A 1 yhdiste, jolloin sen todennäköisyys on 15625 46656 + 3125 7776 34375 46656 0.737. Tehtävässä houkuttaisi puhua binomijakaumasta, mutta emme halua vielä tässä vaiheessa kurssia puhua mistään sellaisesta :) 4. Noppaa heitetään kerran. Jos nopan silmäluku on vähintään viisi, niin tämän jälkeen lanttia heitetään yhtä monta kertaa, kuin nopan silmäluku. Muussa tapauksessa lanttia heitetään kahdesti. Laske todennäköisyys, että tässä kokeessa lantinheitoissa ei saada yhtään kruunaa. (Vihje: kokonaistodennäköisyys.) Merkitään A 5 : saadaan nopasta silmäluku viisi A 6 : saadaan nopasta silmäluku kuusi ja A 1234 : saadaan nopasta silmäluku 1,2,3 tai 4. Nyt P(A 5 ) P(A 6 ) 1 6 P(A 1234 ) 4. 6 Merkitään B : lantinheitossa ei saada yhtään kruunaa. Tapahtuma B voi tapahtua kolmella tavalla : Kahden kolikon heitossa ei saada yhtään kruunaa eli molemmat ovat klaavoja. Tämä vaatii tapahtuman A 1234 tapahtumisen, eli tapahtuman todennäköisyys on ehdollinen todennäköisyys P(B A 1234 ). Koska kolikonheitot voidaan olettaa riippumattomiksi, niin P(B A 1234 ) 1 1 1 2 2 4 Viiden kolikon heitossa ei saada yhtään kruunaa eli kaikki viisi heittoa ovat klaavoja. Tämä vaatii tapahtuman A 5 tapahtumisen, eli tapahtuman todennäköisyys on ehdollinen todennäköisyys P(B A 5 ) ja riippumattomuuden nojalla P(B A 5 ) ( 1 2 )5 1 32 Kuuden kolikon heitossa ei saada yhtään kruunaa eli kaikki kuusi heittoa ovat klaavoja. Tämä vaatii tapahtuman A 6 tapahtumisen, eli tapahtuman todennäköisyys on ehdollinen todennäköisyys P(B A 6 ) ja riippumattomuuden nojalla P(B A 6 ) ( 1 2 )6 1 64 Tapahtumat A 1234, A 5 ja A 6 ovat perusjoukon ositus, jolloin ne osittavat tapahtuman B eli B (B A 1234 ) (B A 5 ) (B A 6 ). Näin ollen kokonaistodennäköisyyden kaavalla saadaan P(B) P(A 1234 )P(B A 1234 ) + P(A 5 )P(B A 5 ) + P(A 6 )P(B A 6 ) 4 6 1 4 + 1 6 1 32 + 1 6 1 64 67 384 0.174. ja

5. Eräs opiskelija P vastaa monivalintatehtävään. Mikäli P tietää oikean vastauksen, hän valitsee sen. Muussa tapauksessa P arvaa yhden tarjolla olevista kuudesta vaihtoehdoista umpimähkään. P tietää oikean vastauksen todennäköisyydellä 0.7. P vastaa ko. monivalintatehtävään oikein. Millä todennäköisyydellä hän todella tietää oikean vastauksen? (Selvennys: tässä tietenkin kysytään ehdollista todennäköisyyttä.) Merkitään tapahtumaa T P tietää vastauksen tehtävään, jolloin T c P ei tiedä vastausta tehtävään, ja tapahtumaa O P vastaa tehtävään oikein. Tehtävänannosta saadaan P(T ) 0.7 7 ja tästä todetaan, että P(T c ) 3. Koska 10 10 P valitsee oikean vastauksen (eli vastaa oikein), jos hän tietää vastauksen kysymykseen, niin P(O T ) 1. Jos hän taas ei tiedä vastausta, niin hän joutuu arvaamaan ja osuu oikeaan todennäköisyydellä 1. Siis P(O T c ) 1. Nyt T ja T c osittavat O:n, 6 6 eli O (O T ) (O T c ). Siten (kokonais)todennäköisyys, että P vastaa oikein on P(O) P(T )P(O T ) + P(T c )P(O T c ) 7 10 1 + 3 10 1 6 3 4 ja kysytty todennäköisyys saadaan Bayesin kaavalla: P(T O) P(T )P(O T ) P(O) 7 1 10 3 4 14 15 0.933. 6. Heitetään noppaa kahdesti. Olkoon A tapahtuma jompi kumpi silmäluvuista on 1 tai 2 ja olkoon B tapahtuma jompi kumpi silmäluvuista on 3 tai 4. a) Näytä (suoraan laskemalla) määritelmän 1.4 avulla, että A ja B eivät ole riippumattomia. b) Olkoon C tapahtuma ensimmäisellä heitolla saatiin 4,5 tai 6 ja toisella heitolla saatiin 2,5 tai 6. Näytä (suoraan laskemalla) määritelmän 1.6 avulla, että A ja B ovat ehdollisesti riippumattomia ehdolla C. a) Olkoon perusjoukko Ω {1, 2, 3, 4, 5, 6} {1, 2, 3, 4, 5, 6} {(x, y) : x, y {1, 2, 3, 4, 5, 6}}, missä ensimmäinen luku ilmaisee ensimmäisen ja toinen luku toisen heiton tuloksen. Luettelemalla kaikki suotuisat alkeistapaukset ja käyttämällä klassista todennäköisyyttä saadaan P(A B) P( jompi kumpi silmäluvuista on 1 tai 2, ja jompi kumpi silmäluvuista on 3 tai 4 ) P({(1, 3), (1, 4), (2, 3), (2, 4), (3, 1), (3, 2), (4, 1), (4, 2)}) 8 6 2 2 9. Tapahtuman A todennäköisyydeksi saadaan P(A) 1 P(A c ) 1 P( kummallakin nopalla saadaan 3, 4, 5 tai 6 ) 1 P({3, 4, 5, 6} {3, 4, 5, 6}) 1 42 6 2 5 9

ja samanlaisella päättelyllä myös tapahtuman B tn:ksi saadaan P(B) 5. 9 Nyt siis P(A B) 2 9 25 81 5 9 5 P(A) P(B), 9 joten tapahtumat A ja B eivät ole riippumattomia. b) Siis tapahtuma C {4, 5, 6} {2, 5, 6} {(4, 2), (4, 5), (4, 6), (5, 2), (5, 5), (5, 6), (6, 2), (6, 5), (6, 6)} ja sen todennäköisyys P (C) 9 6 2. Nyt P((A B) C) P(A B C) P({(4, 2)}) 1/62 9/6 2 1 9 3/62 9/6 3/62 2 9/6 2 P({(4, 2), (5, 2), (6, 2)}) P(A C) P(B C) P(A C) P(B C), eli A ja B ovat ehdollisesti riippumattomia ehdolla C. P({(4, 2), (4, 5), (4, 6)})