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

Samankaltaiset tiedostot
3. laskuharjoituskierros, vko 6, ratkaisut

Verkot ja todennäköisyyslaskenta Verkko Verkko eli graafi muodostuu pisteiden joukosta V, särmien joukosta A ja insidenssikuvauksesta : A V V jossa

Ilkka Mellin Todennäköisyyslaskenta Osa 1: Todennäköisyys ja sen laskusäännöt Verkot ja todennäköisyyslaskenta

Johdatus todennäköisyyslaskentaan Verkot ja todennäköisyyslaskenta. TKK (c) Ilkka Mellin (2004) 1

Sovellettu todennäköisyyslaskenta B

4.1. Olkoon X mielivaltainen positiivinen satunnaismuuttuja, jonka odotusarvo on

Mat Sovellettu todennäköisyyslasku A

Sovellettu todennäköisyyslaskenta B

Sovellettu todennäköisyyslaskenta B

Johdatus todennäköisyyslaskentaan Todennäköisyyslaskenta ja puudiagrammit. TKK (c) Ilkka Mellin (2005) 1

Ilkka Mellin Todennäköisyyslaskenta. Osa 2: Satunnaismuuttujat ja todennäköisyysjakaumat. Kertymäfunktio. TKK (c) Ilkka Mellin (2007) 1

Johdatus todennäköisyyslaskentaan Kertymäfunktio. TKK (c) Ilkka Mellin (2005) 1

D ( ) E( ) E( ) 2.917

Varma tapahtuma, Yhdiste, Yhdistetty tapahtuma, Yhteenlaskusääntö

Liite 2: Verkot ja todennäköisyyslaskenta. Todennäköisyyslaskenta ja puudiagrammit

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

Todennäköisyyslaskenta ja puudiagrammit. Todennäköisyyslaskenta ja puudiagrammit. Todennäköisyyslaskenta ja puudiagrammit: Esitiedot

Mat Sovellettu todennäköisyyslasku A

Gripenberg. MS-A0502 Todennäköisyyslaskennan ja tilastotieteen peruskurssi Tentti ja välikoeuusinta

4. laskuharjoituskierros, vko 7, ratkaisut

Moniulotteisia todennäköisyysjakaumia

Todennäköisyyslaskun kertaus. Vilkkumaa / Kuusinen 1

Mat Sovellettu todennäköisyyslaskenta B

Ilkka Mellin (2008) 1/5

(x, y) 2. heiton tulos y

Mat Sovellettu todennäköisyyslasku A. Moniulotteiset jakaumat. Avainsanat:

Ilkka Mellin Todennäköisyyslaskenta Osa 3: Todennäköisyysjakaumia Moniulotteisia todennäköisyysjakaumia

Sovellettu todennäköisyyslaskenta B

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

1. laskuharjoituskierros, vko 4, ratkaisut

Moniulotteisia todennäköisyysjakaumia. Moniulotteisia todennäköisyysjakaumia. Moniulotteisia todennäköisyysjakaumia: Mitä opimme?

Ilkka Mellin Todennäköisyyslaskenta. Osa 3: Todennäköisyysjakaumia. Diskreettejä jakaumia. TKK (c) Ilkka Mellin (2007) 1

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

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

D ( ) Var( ) ( ) E( ) [E( )]

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

Johdatus todennäköisyyslaskentaan Moniulotteisia todennäköisyysjakaumia. TKK (c) Ilkka Mellin (2005) 1

Johdatus todennäköisyyslaskentaan Momenttiemäfunktio ja karakteristinen funktio. TKK (c) Ilkka Mellin (2005) 1

Satunnaismuuttujat ja todennäköisyysjakaumat Kertymäfunktio

ABHELSINKI UNIVERSITY OF TECHNOLOGY

V ar(m n ) = V ar(x i ).

Lisää Diskreettejä jakaumia Lisää Jatkuvia jakaumia Normaalijakaumasta johdettuja jakaumia

Ilkka Mellin Todennäköisyyslaskenta. Osa 2: Satunnaismuuttujat ja todennäköisyysjakaumat. Jakaumien tunnusluvut. TKK (c) Ilkka Mellin (2007) 1

5. laskuharjoituskierros, vko 8, ratkaisut

Ilkka Mellin Todennäköisyyslaskenta. Osa 2: Satunnaismuuttujat ja todennäköisyysjakaumat. Momenttiemäfunktio ja karakteristinen funktio

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

Todennäköisyyslaskun kertaus. Heliövaara 1

Verkot ja todennäköisyyslaskenta. Verkot ja todennäköisyyslaskenta. Verkot ja todennäköisyyslaskenta: Esitiedot

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

MAT Todennäköisyyslaskenta Tentti / Kimmo Vattulainen

30A02000 Tilastotieteen perusteet

Moniulotteiset satunnaismuuttujat ja todennäköisyysjakaumat. Moniulotteiset satunnaismuuttujat ja todennäköisyysjakaumat

Harjoitus 2: Matlab - Statistical Toolbox

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

Johdatus todennäköisyyslaskentaan Jakaumien tunnusluvut. TKK (c) Ilkka Mellin (2005) 1

MAT Todennäköisyyslaskenta Tentti / Kimmo Vattulainen

Käytetään satunnaismuuttujaa samoin kuin tilastotieteen puolella:

Normaalijakaumasta johdettuja jakaumia

Moniulotteiset satunnaismuuttujat ja jakaumat

MS-A0502 Todennäköisyyslaskennan ja tilastotieteen peruskurssi Luennot, osa I

MS-A0502 Todennäköisyyslaskennan ja tilastotieteen peruskurssi Luennot, osa I

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

Mat Sovellettu todennäköisyyslasku 5. harjoitukset/ratkaisut. Jatkuvat jakaumat

MS-A0502 Todennäköisyyslaskennan ja tilastotieteen peruskurssi Luennot, osa I

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

Johdatus tilastotieteeseen Estimointi. TKK (c) Ilkka Mellin (2005) 1

MAT Todennäköisyyslaskenta Tentti / Kimmo Vattulainen

Estimointi. Estimointi. Estimointi: Mitä opimme? 2/4. Estimointi: Mitä opimme? 1/4. Estimointi: Mitä opimme? 3/4. Estimointi: Mitä opimme?

Sovellettu todennäköisyyslaskenta B

Todennäköisyyslaskenta. β versio. Todennäköisyyslaskenta. Ilkka Mellin. Teknillinen korkeakoulu, Matematiikan laboratorio. Ilkka Mellin (2006) I

Osa 2: Otokset, otosjakaumat ja estimointi

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

2. laskuharjoituskierros, vko 5, ratkaisut

Miten voidaan arvioida virheellisten komponenttien osuutta tuotannossa? Miten voidaan arvioida valmistajan kynttilöiden keskimääräistä palamisaikaa?

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

Todennäköisyyslaskennan ja tilastotieteen peruskurssi Esimerkkikokoelma 3

Tilastotieteen kertaus. Vilkkumaa / Kuusinen 1

TODENNÄKÖISYYSLASKUN KERTAUS Peruskäsitteitä

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

χ = Mat Sovellettu todennäköisyyslasku 11. harjoitukset/ratkaisut

Sovellettu todennäköisyyslaskenta B

Diskreetin satunnaismuuttujan odotusarvo, keskihajonta ja varianssi

Sovellettu todennäköisyyslaskenta B

MS-A0501 Todennäköisyyslaskennan ja tilastotieteen peruskurssi

x 4 e 2x dx Γ(r) = x r 1 e x dx (1)

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

Miten hyvin mallit kuvaavat todellisuutta? Tarvitaan havaintoja.

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

Kohdassa on käytetty eksponentiaalijakauman kertymäfunktiota (P(t > T τ ) = 1 P(t T τ ). λe λτ e λ(t τ) e 3λT dτ.

HY, MTO / Matemaattisten tieteiden kandiohjelma Todennäköisyyslaskenta IIa, syksy 2018 Harjoitus 3 Ratkaisuehdotuksia.

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

MS-A0503 Todennäköisyyslaskennan ja tilastotieteen peruskurssi

B. Siten A B, jos ja vain jos x A x

3.7 Todennäköisyysjakaumia

Mat Sovellettu todennäköisyyslasku A

Sovellettu todennäköisyyslaskenta B

Luento KERTAUSTA Kaksiulotteinen jakauma Pisteparvi, Toyota Avensis -farmariautoja

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

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

Mat Sovellettu todennäköisyyslasku A

Transkriptio:

Mat-.9 Sovellettu todennäköisyyslasku A / Ratkaisut Aiheet: Avainsanat: Verkot todennäköisyyslaskennassa Satunnaismuuttujat ja todennäköisyysjakaumat Jakaumien tunnusluvut Kertymäfunktio, Momentit, Odotusarvo, Painopiste, Pistetodennäköisyysfunktio, Puutodennäköisyys, Puuverkko, Rinnan kytkentä, Sarjaan kytkentä, Standardipoikkeama, Tiheysfunktio, Todennäköisyysjakauma, Toimintatodennäköisyys, Toimintaverkko, Tulosääntö, Tunnusluku, Varianssi, Yhteenlaskusääntö.. Uurnassa A on 5 valkoista ja 6 mustaa kuulaa ja uurnassa B on 6 valkoista ja 4 mustaa kuulaa. Poimitaan kummastakin uurnasta satunnaisesti yksi kuula sekä asetetaan uurnasta A poimittu kuula uurnaan B ja uurnasta B poimittu kuula uurnaan A. Poimitaan tämän jälkeen uurnasta A satunnaisesti kuula. Mikä on todennäköisyys, että poimittu kuula on valkoinen? Ohje: Käytä ratkaisussa puuverkkoa. Tulosvaihtoehdoista voidaan rakentaa seuraava puuverkko: 5/ 6/ Vaihe 6/ 4/ 6/ 4/ Vaihe 5/ 6/ 4/ 7/ 6/ 5/ 5/ 6/ Vaihe Puun konstruktio perustuu siihen, että voidaan ajatella, että kuulat poimitaan kolmessa vaiheessa: Vaihe : Poimitaan kuula uurnasta A. Vaihe : Poimitaan kuula uurnasta B. Vaihe : Poimitaan kuula uurnasta A sen jälkeen, kun vaiheessa uurnasta A poimittu kuula on pantu uurnaan B ja vaiheessa uurnasta B poimittu kuula on pantu uurnaan A. TKK/SAL @ Ilkka Mellin (4) /

Tarkastellaan puun konstruktiosta esimerkkinä reittiä, joka päättyy nuolella merkittyyn valkoiseen kuulaan: Vaihe : Uurnasta A poimitaan valkoinen kuula; todennäköisyys = 5/ Vaihe : Uurnasta B poimitaan musta kuula; todennäköisyys = 4/ Uurnasta A poimittu valkoinen kuula pannaan uurnaan B ja uurnasta B poimittu musta kuula pannaan uurnaan A. Tämän jälkeen uurnassa A on 4 valkoista ja 7 mustaa kuulaa ja uurnassa B on 7 valkoista kuulaa ja mustaa kuulaa. Vaihe : Uurnasta A poimitaan valkoinen kuula; todennäköisyys = 4/ Yo. puu koostuu reitistä ja niistä 4 päättyy valkoiseen kuulaan. Todennäköisyys nostaa valkoinen kuula vaiheessa voidaan laskea puutodennäköisyyksien tulo- ja yhteenlaskusääntöjen avulla: (i) (ii) Puutodennäköisyyksien tulosäännön mukaan jokaisen valkoiseen kuulaan päättyvän reitin todennäköisyys saadaan laskemalla ko. reitin särmien todennäköisyyksien tulo. Puutodennäköisyyksien tulosääntö on yleisen tulosäännön sovellus. Puutodennäköisyyksien yhteenlaskusäännön mukaan valkoisiin kuuliin päättyvistä reiteistä koostuvan tapahtuman todennäköisyys on ko. reittien todennäköisyyksien summa. Puutodennäköisyyksien yhteenlaskusääntö on toisensa poissulkevien tapahtumien yhteenlaskusäännön sovellus. Valkoiseen kuulaan vaiheessa johtavat reitit yo. puudiagrammissa: jossa VVV, VMV, MVV, MMV V = valkoinen kuula M = musta kuula Siten todennäköisyydeksi nostaa valkoinen kuula vaiheessa saadaan 5 6 5 5 4 4 6 6 6 6 4 5 566 + + + = =.467769.. Tiedonsiirtojärjestelmä siirtää binäärilukuja ja, mutta järjestelmässä on vika, joka aiheuttaa sen, että luku vastaanotetaan virheellisesti lukuna todennäköisyydellä /. Luotettavuuden parantamiseksi luku koodataan lähetettäessä jonoksi ja luku jonoksi. Vastaanotettaessa tehdään koodinpurku, jossa jonot,, tai tulkitaan luvuksi. Mikä on todennäköisyys, että lähetetty luku vastaanotetaan lukuna? Ohje: Käytä ratkaisussa puuverkkoa. Tulosvaihtoehdoista voidaan rakentaa seuraavalla sivulla kuvattu puuverkko. Puun konstruktio perustuu siihen, että luvun koodissa jokainen menee oikeassa muodossa tiedonsiirtojärjestelmän läpi todennäköisyydellä.9. TKK/SAL @ Ilkka Mellin (4) /

Todennäköisyys vastaanottaa lähetetty luku lukuna voidaan laskea puutodennäköisyyksien tulo- ja yhteenlaskusääntöjen avulla: (i) (ii) Puutodennäköisyyksien tulosäännön mukaan reitin todennäköisyys on reitin särmien todennäköisyyksien tulo. Puutodennäköisyyksien yhteenlaskusäännön mukaan useammasta reitistä koostuvan tapahtuman todennäköisyys on ko. reittien todennäköisyyksien summa..9..9..9..9..9..9..9. Lähetetty jono tulkitaan oikein luvuksi, jos vastaanotettaessa saadaan joku jonoista,,, Siten todennäköisyys, että lähetetty luku vastaanotetaan lukuna on.9 +.9.+.9..9 +..9.9 =.97.. Seuraava kuva esittää sähköistä verkkoa, jossa on 5 komponenttia, joista jokaisen toimintatodennäköisyys on p. Oletetaan, että komponenttien vikaantumiset ovat tapahtumina toisistaan riippumattomia. Mikä on todennäköisyys, että verkko toimii eli virta kulkee verkon läpi? 4 5 Kaavion toimintaverkko koostuu seuraavista sarjaan kytketyistä osista:. Komponenttien ja muodostama rinnankytkentä. Komponentti TKK/SAL @ Ilkka Mellin (4) /

. Komponenttien 4 ja 5 muodostama rinnankytkentä Olemme olettaneet, että toimintaverkossa yhdenkään komponentin toiminta tai toimimattomuus ei riipu muiden komponenttien toiminnasta. Tällöin toimintaverkon toimintatodennäköisyys saadaan soveltamalla seuraavia sääntöjä: (i) (ii) Jos komponentit A ja B on kytketty rinnan, kytkennän toimintatodennäköisyys on yleisen yhteenlaskusäännön ja riippumattomien tapahtumien tulosäännön mukaan: Pr(A toimii tai B toimii) = Pr(A toimii) + Pr(B toimii) Pr(A toimii ja B toimii) = Pr(A toimii) + Pr(B toimii) Pr(A toimii)pr(b toimii) Jos komponentit A ja B on kytketty sarjaan, kytkennän toimintatodennäköisyys on riippumattomien tapahtumien tulosäännön mukaan: Pr(A toimii ja B toimii) = Pr(A toimii)pr(b toimii) Kumpikin tehtävän kaavion rinnankytkennöistä toimii todennäköisyydellä p + p p p = p p Koska tehtävän kaavion kuvaama toimintaverkko koostuu komponenttien ja muodostaman rinnankytkennän, komponentin ja komponenttien 4 ja 5 muodostaman rinnankytkennän kytkennästä sarjaan, verkon toimintatodennäköisyydeksi saadaan: ( p p ) p ( p p ) = 4p 4p 4 + p 5.4. Seuraava kuva esittää sähköistä verkkoa, jossa on 5 komponenttia. Komponenttien toimintatodennäköisyydet on merkitty kuvion viereen. Oletetaan, että komponenttien vikaantumiset ovat tapahtumina toisistaan riippumattomia. Mikä on todennäköisyys, että verkko toimii eli virta kulkee verkon läpi? 4 5 Pr() =.9 Pr() =. Pr() =.7 Pr(4) =.9 Pr(5) =. TKK/SAL @ Ilkka Mellin (4) 4/

Kaavion toimintaverkko koostuu seuraavista sarjaan kytketyistä osista:. Komponenttien, ja muodostama rinnankytkentä, joka voidaan purkaa komponenttien ja muodostamaksi rinnankytkennäksi, joka on kytketty rinnan komponentin kanssa.. Komponenttien 4 ja 5 muodostama rinnankytkentä Olemme olettaneet, että toimintaverkossa yhdenkään komponentin toiminta tai toimimattomuus ei riipu muiden komponenttien toiminnasta. Tällöin toimintaverkon toimintatodennäköisyys saadaan soveltamalla seuraavia sääntöjä: (i) (ii) Jos komponentit A ja B on kytketty rinnan, kytkennän toimintatodennäköisyys on yleisen yhteenlaskusäännön ja riippumattomien tapahtumien tulosäännön mukaan: Pr(A toimii tai B toimii) = Pr(A toimii) + Pr(B toimii) Pr(A toimii ja B toimii) = Pr(A toimii) + Pr(B toimii) Pr(A toimii)pr(b toimii) Jos komponentit A ja B on kytketty sarjaan, kytkennän toimintatodennäköisyys on riippumattomien tapahtumien tulosäännön mukaan: Pr(A toimii ja B toimii) = Pr(A toimii)pr(b toimii) Komponenttien ja muodostama rinnankytkentä toimii todennäköisyydellä.9 +..9. =.9 Komponenttien, ja muodostama rinnankytkentä toimii todennäköisyydellä.9 +.7.9.7 =.994 Komponenttien 4 ja 5 muodostama rinnankytkentä toimii todennäköisyydellä.9 +..9. =.9 Koska tehtävän kaavion kuvaama toimintaverkko koostuu komponenttien, ja muodostaman rinnankytkennän ja komponenttien 4 ja 5 muodostaman rinnankytkennän kytkennästä sarjaan, verkon toimintatodennäköisyydeksi saadaan:.994.9 =.974 TKK/SAL @ Ilkka Mellin (4) 5/

.5. Heitetään virheetöntä rahaa kertaa, jossa siis Pr(Kruuna) = Pr(Klaava) = /. Olkoon satunnaismuuttuja X = Kruunien lukumäärä :ssa heitossa. (a) (b) (c) Määrää todennäköisyydet tapahtumille X =,,, puuverkkoa käyttäen ja määrittele niiden avulla satunnaismuuttujan X pistetodennäköisyysfunktio. Hahmottele funktion kuvaaja myös paperille. Määrää satunnaismuuttujan X kertymäfunktio. Hahmottele funktion kuvaaja myös paperille. Mikä on tapahtuman X =.5 todennäköisyys? (d) Määrää tapahtuman X > todennäköisyys sekä satunnaismuuttujan pistetodennäköisyysettä kertymäfunktion avulla. (a) Merkitään H = Kruuna (engl. head) T = Klaava (engl. tail). Tulosvaihtoehdoista voidaan rakentaa seuraava puuverkko: / / H T / / / / H T H T / / / / / / / / H T H T H T H T Todennäköisyydet erilaisille kruunien ja klaavojen kombinaatioille voidaan laskea puutodennäköisyyksien tulo- ja yhteenlaskusääntöjen avulla: (i) (ii) Puutodennäköisyyksien tulosäännön mukaan reitin todennäköisyys on reitin särmien todennäköisyyksien tulo. Puutodennäköisyyksien yhteenlaskusäännön mukaan useammasta reitistä koostuvan tapahtuman todennäköisyys on ko. reittien todennäköisyyksien summa. Jokaisen alkupisteestä mihin tahansa loppupisteeseen johtavan reitin todennäköisyys on = TKK/SAL @ Ilkka Mellin (4) 6/

Reittejä, joissa on H on kpl. Siten Pr(TTT) =. Reittejä, joissa on H on kpl. Siten Pr(HTT tai THT tai TTH) =. Reittejä, joissa on H on kpl. Siten Pr(HHT tai HTH tai THH) =. Reittejä, joissa on H on kpl. Siten Pr(HHH) =. Siten satunnaismuuttujan X pistetodennäköisyysfunktio f() = Pr(X = ) voidaan esittää seuraavana taulukkona: f() = Pr(X = ) / / / / Satunnaismuuttujan X pistetodennäköisyysfunktion kuvaaja: f() / / / (b) Diskreetin satunnaismuuttujan kertymäfunktio voidaan määritellä kaavalla F( ) = Pr( X = ) ii i Summassa lasketaan yhteen kaikki pistetodennäköisyydet Pr( X = i ) joille pätee i. TKK/SAL @ Ilkka Mellin (4) 7/

Siten tehtävän tapauksessa satunnaismuuttujan X kertymäfunktio voidaan esittää seuraavana taulukkona: F() < < / < 4/ < 7/ Satunnaismuuttujan X kertymäfunktion kuvaaja: F() 7/ 4/ / (c) Koska X =.5 on tapahtumana mahdoton, Pr(X =.5) = (d) Pistetodennäköisyysfunktiosta: Pr(X > ) = Pr(X = ) + Pr(X = ) = / + / = 4/ = / TKK/SAL @ Ilkka Mellin (4) /

Kertymäfunktiosta: Pr(X > ) = Pr(X ) = F() = 4/ = 4/ = /.6. Satunnaismuuttujan X tiheysfunktio on muotoa + b, kun f( ) =, muulloin (a) (b) (c) (d) Määrää vakion b arvo. Määrää tapahtuman X =.5 todennäköisyys. Määrää tapahtuman X.5 todennäköisyys. Määrää satunnaismuuttujan X kertymäfunktio. (a) Koska kaikille tiheysfunktioille f() pätee + f ( d ) = saadaan yhtälöstä + f d b d b b = ( ) = ( + ) = + = ratkaisuksi b = / + Kuva oikealla esittää satunnaismuuttujan X tiheysfunktion f() kuvaajaa. f().5. (b) Koska jatkuvilla jakaumilla jokaisen yksittäisen pisteen todennäköisyys on nolla, Pr(X =.5) =.5.5. TKK/SAL @ Ilkka Mellin (4) 9/

(c) Jos satunnaismuuttujan X tiheysfunktio on f(), välin [a, b] todennäköisyys saadaan kaavalla b Pr( a X b) = f( ) d a Siten välin [,.5] todennäköisyydeksi saadaan tehtävän tapauksessa:.5 X d Pr(.5) = ( + ) = + =.5 (d) Jos satunnaismuuttujan X tiheysfunktio on f(), sen kertymäfunktio saadaan kaavalla F( ) = f( t) dt Siten tehtävän satunnaismuuttujan X kertymäfunktioksi saadaan välillä [, ]: ( ) = ( ) = ( + ) = + = ( ) + F f t dt t dt t t Tämän välin ulkopuolella: F() =, kun F() =, kun.7. Määrää tehtävän.6. todennäköisyysjakauman odotusarvo ja standardipoikkeama. Jos satunnaismuuttujan X tiheysfunktio on f(), satunnaismuuttujan X odotusarvo E(X) saadaan kaavalla: + E( X ) = f ( ) d Tehtävän.6. tiheysfunktio: Odotusarvo: + /, kun f( ) =, muulloin + E( X ) = f ( ) d = + d = + d = + 4 Odotusarvo kuvaa jakauman todennäköisyysmassan painopistettä. 7 = TKK/SAL @ Ilkka Mellin (4) /

Standardipoikkeama on varianssin neliöjuuri. Määrätään siksi ensin satunnaismuuttujan X varianssi. Käytetään varianssin laskemiseen kaavaa jossa [ ] D( X ) = E( X ) E( X) E(X) = satunnaismuuttujan X odotusarvo E(X ) = satunnaismuuttujan X. momentti Määrätään satunnaismuuttujan X. momentti: + 4 5 E( X ) = f ( ) d = + d = + d = + = 4 6 Satunnaismuuttujan X odotusarvoksi saatiin edellä E(X) = 7/ Siten satunnaismuuttujan X varianssiksi saadaan: [ ] D( X ) = E( X ) E( X) 5 7 = = =.769 44 Varianssi kuvaa jakauman todennäköisyysmassan hajaantuneisuutta jakauman todennäköisyysmassan painopisteen suhteen. Siten satunnaismuuttujan X standardipoikkeama on D( X ) = =.765.. Osallistut rahapeliin, jossa heitetään kolmea harhatonta rahaa (ks. tehtävä.5.). Peliin osallistumisesta pitää maksaa panos ja pelaaja saa voittona kruunien lukumäärän euroja. (a) (b) Mikä on korkein panos mikä sinun kannattaa maksaa osallistumisesta peliin? Ohje: Määrää ko. satunnaismuuttujan odotusarvo. Mikä on voittosumman standardipoikkeama? TKK/SAL @ Ilkka Mellin (4) /

Tehtävän.5 pistetodennäköisyysfunktio: f() = Pr(X = ) / / / / (a) Jos satunnaismuuttujan X pistetodennäköisyysfunktio on f(), satunnaismuuttujan X odotusarvo E(X) saadaan kaavalla: E( X ) = Pr( X = ) Tehtävän tapauksessa i i i E( X) = Pr( X = ) = = + + + = = =.5 Odotusarvo kuvaa jakauman todennäköisyysmassan painopistettä. Sinun kannattaa maksaa peliin osallistumisesta siis korkeintaan.5, koska se on odotettavissa oleva voitto. Huomaa, että tässä tapauksessa Pr(X = E(X)) =. (b) Standardipoikkeama on varianssin neliöjuuri. Määrätään siksi ensin satunnaismuuttujan X varianssi. Käytetään varianssin laskemiseen kaavaa jossa [ ] D( X ) = E( X ) E( X) E(X) = satunnaismuuttujan X odotusarvo E(X ) = satunnaismuuttujan X. momentti TKK/SAL @ Ilkka Mellin (4) /

Määrätään satunnaismuuttujan X. momentti: E( X ) = Pr( X = ) = 4 = = = + + + Satunnaismuuttujan X odotusarvoksi saatiin (a)-kohdassa Siten E(X) = / [ ] D( X ) = E( X ) E( X) = = =.75 4 Varianssi kuvaa jakauman todennäköisyysmassan hajaantuneisuutta jakauman todennäköisyysmassan painopisteen suhteen. Siten satunnaismuuttujan X standardipoikkeama on D( X ) = =.665 TKK/SAL @ Ilkka Mellin (4) /