Tilastollinen todennäköisyys

Samankaltaiset tiedostot
Todennäköisyys (englanniksi probability)

TILASTOT: johdantoa ja käsitteitä

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

Todennäköisyyslaskenta I. Heikki Ruskeepää

RATKAISUT x 2 3 = x 2 + 2x + 1, eli 2x 2 2x 4 = 0, joka on yhtäpitävä yhtälön x 2 x 2 = 0. Toisen asteen yhtälön ratkaisukaavalla saadaan

Todennäköisyyslaskenta I, kesä 2017 Helsingin yliopisto/avoin yliopisto Harjoitus 3, ratkaisuehdotuksia

10 Kertolaskusääntö. Kahta tapahtumaa tai satunnaisilmiötä sanotaan riippumattomiksi, jos toisen tulos ei millään tavalla vaikuta toiseen.

Todennäköisyyslaskennan peruskäsitteet. Todennäköisyyslaskennan peruskäsitteet. Todennäköisyyslaskennan peruskäsitteet: Mitä opimme?

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

( ) k 1 = a b. b 1) Binomikertoimen määritelmän mukaan yhtälön vasen puoli kertoo kuinka monta erilaista b-osajoukkoa on a-joukolla.

4. Todennäköisyyslaskennan kertausta

LIITTEET Liite A Stirlingin kaavan tarkkuudesta...2. Liite B Lagrangen kertoimet...3

****************************************************************** ****************************************************************** 7 Esim.

Äärettämän sarjan (tai vain sarjan) sanotaan suppenevan eli konvergoivan, jos raja-arvo lims

Osa 2: Otokset, otosjakaumat ja estimointi

T Datasta tietoon, syksy 2005 Laskuharjoitus 8.12., ratkaisuja Jouni Seppänen

8. laskuharjoituskierros, vko 11, ratkaisut

Johdatus tilastotieteeseen Otos ja otosjakaumat. TKK (c) Ilkka Mellin (2004) 1

Algebra I Matematiikan ja tilastotieteen laitos Ratkaisuehdotuksia harjoituksiin 5 (6 sivua)

Todennäköisyys, että yhden minuutin aikana saapuu 2 4 autoa.

Markov-ketjun hetkittäinen käyttäytyminen

1 Eksponenttifunktion määritelmä

Analyysi A. Harjoitustehtäviä lukuun 1 / kevät 2018

Todennäköisyyslaskenta: Todennäköisyys ja sen laskusäännöt

Todennäköisyyslaskenta sivuaineopiskelijoille. Heikki Ruskeepää

Markov-ketjun hetkittäinen käyttäytyminen

Normaalijakaumasta johdettuja jakaumia. Normaalijakaumasta johdettuja jakaumia. Normaalijakaumasta johdettuja jakaumia: Mitä opimme?

811120P Diskreetit rakenteet

Ehdollinen todennäköisyys

Tilastollinen päättely II, kevät 2017 Harjoitus 3B

Kompleksilukujen alkeet

Otantajakauma. Otantajakauman käyttö päättelyssä. Otantajakauman käyttö päättelyssä

Johdatus tilastotieteeseen Otos ja otosjakaumat. TKK (c) Ilkka Mellin (2005) 1

Otantajakauman käyttö päättelyssä

λ x = 0,100 nm, Eγ = 0,662 MeV, θ = 90. λ λ+ λ missä ave tarkoittaa aikakeskiarvoa.

4.3 Signaalin autokorrelaatio

MS-A0501 Todennäköisyyslaskennan ja tilastotieteen peruskurssi

Matematiikan tukikurssi

Mat Lineaarinen ohjelmointi

MATP153 Approbatur 1B Harjoitus 1, ratkaisut Maanantai

Todennäköisyyslaskenta: Todennäköisyysjakaumia

Insinöörimatematiikka IA

S Laskennallinen systeemibiologia

Induktiota käyttäen voidaan todistaa luonnollisia lukuja koskevia väitteitä, jotka ovat muotoa. väite P(n) on totta kaikille n = 0,1,2,...

Luento 7 Luotettavuus Koherentit järjestelmät

1. osa, ks. Solmu 2/ Kahden positiivisen luvun harmoninen, geometrinen, aritmeettinen ja + 1 u v 2 1

Luento 6 Luotettavuus Koherentit järjestelmät

HEIJASTUMINEN JA TAITTUMINEN

2.5. Eksponenttifunktio ja eksponenttiyhtälöt

9.7 Matriisinormit. Vaasan yliopiston julkaisuja 225. Ei siis lainkaan ongelmia defektiivisyydestä.

Osa 2: Satunnaismuuttujat ja todennäköisyysjakaumat Konvergenssikäsitteet ja raja arvolauseet

= true C = true) θ i2. = true C = false) Näiden arvot löydetään kuten edellä Kun verkko on opetettu, niin havainto [x 1

MS-A010{3,4} (ELEC*) Differentiaali- ja integraalilaskenta 1 Luento 3: Jatkuvuus

Osa 1: Todennäköisyys ja sen laskusäännöt. Todennäköisyyden aksioomat

Stokastiikan perusteet Harjoitukset 1 (Todennäköisyysavaruus, -mitta ja -funktio)

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

3.2 Polynomifunktion kulku. Lokaaliset ääriarvot

pq n s n Kyllä Ei N Jäsenyys 5,4% 94.6 % 1500 Adressi 21,6% 78.4 % 1495 Lahjoitus 23,7% 76.3 % 1495 Mielenosoitus 1,1% 98.9 % 1489

Matematiikan tukikurssi

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

Matematiikan tukikurssi. Kertausta 1. välikokeeseen. Tehtävät

HY, MTL / Matemaattisten tieteiden kandiohjelma Todennäköisyyslaskenta IIb, syksy 2018 Harjoitus 3 Ratkaisuehdotuksia.

KERTAUSHARJOITUKSIA. Tilastojen esittäminen a) vuotiaita tyttöjä Koko väestö Näiden tyttöjen osuus

8 Joukoista. 8.1 Määritelmiä

Ryhmän osajoukon generoima aliryhmä ja vapaat ryhmät

TYÖNTEKIJÄIN ELÄKELAIN MUKAISEN VAKUUTUKSEN YLEISET LASKUPERUSTEET. Kokooma Viimeisin perustemuutos on vahvistettu

Matematiikan tukikurssi

Tehtäviä neliöiden ei-negatiivisuudesta

Osa 2: Otokset, otosjakaumat ja estimointi

Ympyrä 1/6 Sisältö ESITIEDOT: käyrä, kulma, piste, suora

Johdatus todennäköisyyslaskentaan Konvergenssikäsitteet ja raja-arvolauseet. TKK (c) Ilkka Mellin (2004) 1

Aritmeettinen jono

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

Mat Sovellettu todennäköisyyslasku A. Otos- ja otosjakaumat Estimointi Estimointimenetelmät Väliestimointi. Avainsanat:

811312A Tietorakenteet ja algoritmit, , Harjoitus 4, Ratkaisu

Johda jakauman momenttiemäfunktio ja sen avulla jakauman odotusarvo ja varianssi.

Funktiot. funktioita f : A R. Yleensä funktion määrittelyjoukko M f = A on jokin väli, muttei aina.

Funktion raja-arvo. lukumäärien tutkiminen. tutkiminen

Miten hyvin mallit kuvaavat todellisuutta? Tarvitaan havaintoja.

4.7 Todennäköisyysjakaumia

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

Määritelmiä. Nopanheitossa taas ω 1 = saadaan 1, ω 2 = saadaan 2,..., ω 6 = saadaan

Matematiikan tukikurssi

1.3 Toispuoleiset ja epäoleelliset raja-arvot

Epäyhtälöoppia matematiikkaolympialaisten tehtäviin

Johdatus matematiikkaan

Diskreetin Matematiikan Paja Ratkaisuja viikolle 4. ( ) Jeremias Berg. n(n + 1) 2. k =

tilavuudessa dr dk hetkellä t olevien elektronien

Mat Tilastollisen analyysin perusteet, kevät 2007

a) Mitkä seuraavista ovat samassa ekvivalenssiluokassa kuin (3, 8), eli kuuluvat joukkoon

Matematiikan peruskurssi 2

Kertaa tarvittaessa induktiota ja rekursiota koskevia tietoja.

9 Yhteenlaskusääntö ja komplementtitapahtuma

3 x < < 3 x < < x < < x < 9 2.

Kuluttajahintaindeksi (KHI) Kuluttajahintaindeksi (KHI) Kysymys Miten mitata rahan arvon muutoksia?

Sovellettu todennäköisyyslaskenta B

ABHELSINKI UNIVERSITY OF TECHNOLOGY

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

Transkriptio:

Tilastollie todeäköisyys TOD.NÄK JA TILASTOT, MAA10 Klassisessa todeäköisyydessä oli ehdot: äärellisyys ja symmetrisyys. Tämä tilae o usei mahdoto ts. alkeistapauksia o usei ääretö määrä tai e eivät ole symmetrisiä. Määritelmä, tilastollie todeäköisyys: Kokeellisesti hakittua todeäköisyyde arvoa saotaa tilastolliseksi todeäköisyydeksi. Eli tilastoaieistosta laskettua suhteellista frekvessiä kutsutaa tilastolliseksi todeäköisyydeksi. Määritelmä, simuloiti: Simuloiilla tarkoitetaa käytäö tilatee/tapahtuma jäljittelemistä esim. tietokoetta hyödytäe. Esimerkki: Nastaa heitetää kerra. Millä todeäköisyydellä se pudottuaa o kärki a) ylöspäi b) alaspäi a) Todeäköisyys riippuu astasta heitetää astaa riittävä mota kertaa ja tutkitaa mitä lukua alkeistapaukse kärki ylös frekvessi f ky jaettua kaikkie heittoje lukumäärällä lähestyy. Kyseie lukuha o suhteellie frekvessi f ky. Taulukoiti ataa f ky f 0,19 ku, ky Eli P "kärki ylös" = 0,19 b) Alkeistapaukse kärki alas frekvessi f ka o 1 f ky, jote P "kärki alas" = 1 P "kärki ylös" = 1 0,19 = 0,381 f ky 200 12 0,30 400 244 0,10 00 375 0,25 800 485 0,0 1000 10 0,10 1200 743 0,19 1400 8 0,19 1

Määritelmä, tapahtuma tilastollie todeäköisyys: Tapahtuma A tilastollie todeäköisyys o luku, jota suhteellie frekvessi lähestyy, ku koetta toistetaa yhä uudellee, siis tapahtuma A esiitymiskertoje lukumäärä kokee toistoje lukumäärä Huomaa, että tämä ei ole tarkka todeäköisyyde arvo, vaa tilastollie arvio tapahtuma todeäköisyydelle. Jos tapahtuma A koostuu äärellisestä määrästä alkeistapauksia, ii se todeäköisyys o suotuisie alkeistapauksie todeäköisyyksie summa. Esimerkki: Suomalaisia kuuluu veriryhmii seuraavasti: 44% A, 17% B, 8% AB ja 31% 0. Mikä o todeäköisyys, että satuaisesti valittu suomalaie kuuluu veriryhmii A tai B? Nyt perusjoukko E = A, B, AB, 0 ja tapahtuma T = A, B P T = + P B = 0,44 + 0,17 = 0,1 Edellä käydyt tilastollise todeäköisyyde omiaisuudet atavat aihee todeäköisyyde laajempaa määrittelyy: Määritelmä, todeäköisyys äärellisessä perusjoukossa: Äärellisessä perusjoukossa E = {e 1, e 2, e 3,, e } määritelty fuktio P o todeäköisyysfuktio, jos seuraavat ehdot täyttyvät: 1) Fuktio P arvot eli alkeistapauste todeäköisyydet ovat ei-egatiivisia reaalilukuja P e 1, P e 2, P e 3,, P e 0. 2) Kaikkie alkeistapauste todeäköisyyksie summa o 1. Toisi saoe, varma tapahtuma todeäköisyys o 1 P e 1 + P e 2 + P e 3 + + P e = 1 Tapahtuma A = {a 1, a 2, a 3,, a m } todeäköisyys o suotuisie alkeistapauste a 1, a 2, a 3,, a m todeäköisyyksie summa = P a 1 + P a 2 + P a 3 + + P a m. Huomaa erityisesti 1) kohda ei-egatiivisuus, mikä tarkoittaa sitä, että jolleki alkeistapaukselle e k voi olla P e k = 0. Kuiteki jollaki toisella tod.äk.fuktiolla Q voi olla Q e k > 0 (sama alkeistapaus). 2

Esimerkki 1: Olkoo E = 1,2,3,4 ja P 1 = 0,1, P 2 = 0,2, P 3 = 0,3 ja P 4 = 0,4 a) Osoita, että P o todeäköisyysfuktio b) Laske ku A = 1,3 a) Nyt P 1, P 2, P 3, P 4 0 ja summa P 1 + P 2 + P 3, + P 4 = 0,1 + 0,2 + 0,3 + 0,4 = 1 b) = P 1,3 = P 1 + P 3 = 0,1 + 0,3 = 0,4 Esimerkki 2: E = {e 1, e 2, e 3,, e 9 } Tiedetää, että: P e 1 = 0,13, P e 2 = 0,05, P e 3 = 0,05, P e 4 = 0,47, P e 5 = 0,01, P e = 0,03, P e 7 = 0,2, P e 8 = 0,0, P e 9 = 0 Tällöi P o tod.äk.fuktio, sillä P e 1, P e 2, P e 3,, P e 9 0 ja P e 1 + P e 2 + + P e 9 = 1. P e 9 = 0, mutta Q e 9 = 0,19 e 9 e 2 e 1 e = a 2 e 8 e 5 = a 1 = a 4 A = {a 1, a 2, a 3, a 4 } = {e 2, e, e 3, e 8 } Tapahtumalle A pätee: e 4 e 7 e 3 = P a 1 + P(a 2 )+ P(a 3 )+ P(a 4 ) = P(e 2 )+ P(e )+ P(e 3 )+ P(e 8 ) = 0,19 = a 3 3

Tilastollie todeäköisyys (jatkuu): Ku tarkastellaa tiety ilmiö alkeistapausta ja se esiitymiskertoja, ii suoritetaa useita ilmiöö liittyviä satuaiskokeita ja merkitää saadut tulokset muistii. Pitkissä koesarjoissa kuki alkeistapaukse esiitymiskertoje suhde tehtyihi satuaiskoekertoihi lähestyvät alkeistapaukse todeäköisyyttä sitä paremmi mitä eemmä suoritetaa satuaiskokeita. Satuaisilmiö Alkeistapaus Satuaiskokee tulos Koliko heitto Saadaa kruua Saadaa klaava Kruua Klaava 1. heitto 2. heitto 3. heitto 4. heitto 5. heitto. heitto 7. heitto 8. heitto kruua kruua kruua klaava klaava kruua kruua klaava 9. heitto 10. heitto 11. heitto 12. heitto 13. heitto 14. heitto. heitto klaava kruua klaava klaava klaava klaava kruua Tapahtuma, joka koostuu äärellisestä määrästä alkeistapauksia, todeäköisyys o suotuisie alkeistapauste todeäköisyyksie summa. Alkeistapaukse ja tapahtuma todeäköisyyttä merkitää P tapahtuma = jotai, esim. P kr. = 0,5. Frekvessillä tarkoitetaa alkeistapaukse esiitymiskertoje lukumäärää (esiitymistiheyttä), merkitää f(alkeistapaus), esim. f(kr. ) = 17. Kaikkie satuaiskokeide lukumäärää merkitää kirjaimella, esim. = 34. Alkeistapaukse kruua suhteellie frekvessi o f = 17 0,48 P(kr. ). 34 f(kr. ) 1. heitto 2. heitto 3. heitto 4. heitto kruua kruua kruua klaava 5. heitto. heitto 7. heitto 8. heitto klaava kruua kruua klaava 9. heitto 10. heitto 11. heitto 12. heitto klaava kruua klaava klaava 13. heitto 14. heitto. heitto klaava klaava kruua 1 1 2 2 10 13 14 17 f 1 1 = 1 2 2 = 1 10 0, 13 0,4 14 0,42 17 0,48 34 4

Geometrie todeäköisyys Ku perusjoukossa (otosavaruudessa) E o ääretö määrä alkeistapauksia, ii klassie todeäköisyys ei toimi. Tällöi hyödyetää tilastollista todeäköisyyttä. Moesti tilastollise todeäköisyyde selvittämie o aikaa vievää ja ehkä haastavaaki. Tällöi voidaa hyödytää satuaisilmiöö (satuaiskokeesee) liittyvää geometriaa eli geometrisia mittoja, kute pituuksia, pita-aloja, tilavuuksia todeäköisyyksiä laskettaessa/määritettäessä. Määritelmä, geometrie todeäköisyys: Jos perusjoukko E ja se tapahtuma A voidaa tulkita taso alueiksi E ja A, ii tapahtuma A geometrie todeäköisyys o äide alueide pita-aloje M A ja M E suhde = M(A) M(E). Määritelmä, geometrie todeäköisyys (jatkuu): Jos perusjoukko E ja tapahtuma A voidaa tulkita jaoiksi tai 3-ulot. kappaleiksi, ii tapahtuma A geometrie todeäköisyys määritellää vastaavasti jaoje pituuksie tai 3-ulot. kappaleide tilavuuksie suhteea. Yleisesti = M(A) jouko A geometrie mitta = M(E) jouko E geometrie mitta Huom! Geometrista todeäköisyyttä hyödyetää ku perusjoukko o ääretö, mutta jollaki tavoi mitattavissa. (Mita määritelmä?) Esimerkki: Tarkastellaa taso yksikköympyrä (säde o siis 1) pisteitä. Niitä o äärettömä paljo. Mikä o todeäköisyys, että umpimähkää ympyrältä valittu piste osuisi kuvassa äkyvää sektorii? VAST: Pita-aloje suhteesta saadaa sektori p. a. ympyrä p. a. = 0 30 = 1 0,1 0 5