(x, y) 2. heiton tulos y

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

Varma tapahtuma, Yhdiste, Yhdistetty tapahtuma, Yhteenlaskusääntö

1. laskuharjoituskierros, vko 4, ratkaisut

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

MS-A0501 Todennäköisyyslaskennan ja tilastotieteen peruskurssi Esimerkkikokoelma 1

Sovellettu todennäköisyyslaskenta B

ABHELSINKI UNIVERSITY OF TECHNOLOGY

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

Osa 1: Todennäköisyys ja sen laskusäännöt. Todennäköisyyden peruslaskusäännöt

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

Osa 1: Todennäköisyys ja sen laskusäännöt. Todennäköisyyden aksioomat

Osa 1: Todennäköisyys ja sen laskusäännöt

MS-A0501 Todennäköisyyslaskennan ja tilastotieteen peruskurssi

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

Todennäköisyyslaskennan peruslaskusäännöt. Todennäköisyyslaskennan peruslaskusäännöt. Todennäköisyyslaskennan peruslaskusäännöt: Esitiedot

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

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

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

D ( ) E( ) E( ) 2.917

4.1. Olkoon X mielivaltainen positiivinen satunnaismuuttuja, jonka odotusarvo on

Miten hyvin mallit kuvaavat todellisuutta? Tarvitaan havaintoja.

Todennäköisyyslaskenta: Todennäköisyys ja sen laskusäännöt

Liite 2: Verkot ja todennäköisyyslaskenta. Todennäköisyyslaskenta ja puudiagrammit

Kurssin puoliväli ja osan 2 teemat

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

Sovellettu todennäköisyyslaskenta B

Mat Sovellettu todennäköisyyslasku A

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

Ilkka Mellin (2008) 1/5

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

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

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

Ilkka Mellin Todennäköisyyslaskenta

Mat Sovellettu todennäköisyyslasku A

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

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

TODENNÄKÖISYYS JA TILASTOT MAA6 KERTAUS

Otanta ilman takaisinpanoa

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

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

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

Mat Sovellettu todennäköisyyslasku A. Moniulotteiset jakaumat. Avainsanat:

Todennäköisyys (englanniksi probability)

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

4. laskuharjoituskierros, vko 7, ratkaisut

Mat Sovellettu todennäköisyyslaskenta B

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

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

Moniulotteiset satunnaismuuttujat ja todennäköisyysjakaumat. Moniulotteiset satunnaismuuttujat ja todennäköisyysjakaumat

9 Yhteenlaskusääntö ja komplementtitapahtuma

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

30A02000 Tilastotieteen perusteet

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

χ = Mat Sovellettu todennäköisyyslasku 11. harjoitukset/ratkaisut

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

Todennäköisyyslaskenta 1/7 Sisältö ESITIEDOT: joukko-oppi, lukumäärän laskeminen, funktiokäsite Hakemisto

MAT Todennäköisyyslaskenta Tentti / Kimmo Vattulainen

1. Matkalla todennäköisyyteen

OTATKO RISKIN? peli. Heitä noppaa 3 kertaa. Tavoitteena on saada

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

MS-A0501 Todennäköisyyslaskennan ja tilastotieteen peruskurssi

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

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

Johdatus todennäköisyyslaskentaan Klassinen todennäköisyys ja kombinatoriikka. TKK (c) Ilkka Mellin (2005) 1

Todennäköisyyslaskenta - tehtävät

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

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

ABHELSINKI UNIVERSITY OF TECHNOLOGY

Mat Sovellettu todennäköisyyslasku A

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

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

MS-A0501 Todennäköisyyslaskennan ja tilastotieteen peruskurssi. Viikko 3. Kaksiulotteiset satunnaismuuttujat

Sovellettu todennäköisyyslaskenta B

1. Tässä tehtävässä päätellään kaksilapsisen perheen lapsiin liittyviä todennäköisyyksiä.

Moniulotteiset satunnaismuuttujat ja jakaumat

Suotuisien tapahtumien lukumäärä Kaikki alkeistapahtumien lukumäärä

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

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

Sovellettu todennäköisyyslaskenta B

Luento KERTAUSTA Kaksiulotteinen jakauma Pisteparvi, Toyota Avensis -farmariautoja

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

Mat Sovellettu todennäköisyyslasku A

11. laskuharjoituskierros, vko 15, ratkaisut

Sovellettu todennäköisyyslaskenta B

2. laskuharjoituskierros, vko 5, ratkaisut

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

031021P Tilastomatematiikka (5 op)

1. Matkalla todennäköisyyteen (kertausta TN I)

Testit laatueroasteikollisille muuttujille

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

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

Todennäköisyyslaskenta I. Ville Hyvönen

MAT Todennäköisyyslaskenta Tentti / Kimmo Vattulainen

Sovellettu todennäköisyyslaskenta B

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

MS-A0501 Todennäköisyyslaskennan ja tilastotieteen peruskurssi

3. laskuharjoituskierros, vko 6, ratkaisut

VALTIOTIETEELLINEN TIEDEKUNTA TILASTOTIETEEN VALINTAKOE Ratkaisut ja arvostelu < X 170

Luku 1. Johdanto. 1.1 Todennäköisyys ja tilastotiede. 1.2 Havaitut frekvenssit ja empiiriset jakaumat

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

Transkriptio:

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 Todennäköisyyslaskennan peruslaskusäännöt Avainsanat: Alkeistapahtuma, Alkio, Ehdollinen todennäköisyys, Ehtotapahtuma, Empiirinen todennäköisyys, Erotustapahtuma, Frekvenssi, Frekvenssitulkinta, Joukko, Klassinen todennäköisyys, Koetoisto, Komplementti, Komplementtitapahtuma, Leikkaus, Lukumääräfunktio, Mahdoton tapahtuma, Mitta, Otanta, Otanta palauttaen, Otanta palauttamatta, Otosavaruus, Perusjoukko, Pistevieraus, Riippumattomuus, Sattuma, Satunnaisilmiö, Satunnaiskoe, Satunnaisotanta, Suhteellinen frekvenssi, Suhteellinen osuus, Suotuisa alkeistapahtuma, Symmetrisyys, Tapahtuma, Todennäköisyys, Toisensa poissulkevuus, Tyhjä joukko, Tulosääntö, Unioni, Varma tapahtuma, Yhdiste, Yhdistetty tapahtuma, Yhteenlaskusääntö Tehtävä 1.1. Virheetöntä noppaa heitettäessä jokaisella silmäluvulla 1, 2, 3, 4, 5, 6 on sama todennäköisyys tulla tulokseksi. Jos virheetöntä noppaa heitetään kaksi kertaa, heittotuloksiin liittyvä perusjoukko voidaan määritellä kaavalla S = {(x, y) x = 1, 2, 3, 4, 5, 6 ja y = 1, 2, 3, 4, 5, 6} jossa x = 1. heiton tulos ja y = 2. heiton tulos. Perusjoukkoa S voidaan kuvata seuraavalla lukukaaviolla: 2. heiton tulos y (x, y) 1. heiton tulos x 1 2 3 4 5 6 1 (1,1) (2,1) (3,1) (4,1) (5,1) (6,1) 2 (1,2) (2,2) (3,2) (4,2) (5,2) (6,2) 3 (1,3) (2,3) (3,3) (4,3) (5,3) (6,3) 4 (1,4) (2,4) (3,4) (4,4) (5,4) (6,4) 5 (1,5) (2,5) (3,5) (4,5) (5,5) (6,5) 6 (1,6) (2,6) (3,6) (4,6) (5,6) (6,6) Virheettömän nopan tapauksessa voimme ajatella, että jokaisella heittotulosten parilla (x, y), x = 1, 2, 3, 4, 5, 6 ; y = 1, 2, 3, 4, 5, 6 on sama todennäköisyys tulla tulokseksi. Määritellään joukot A = {(x, y) S x = 2} B = {(x, y) S y > 4} TKK @ Ilkka Mellin (2008) 1/5

C = {(x, y) S x + y = 7} D = {(x, y) S x y = 2} E = {(x, y) S x y 2} Merkitse otosavaruutta S kuvaavaan kaavioon seuraavat joukot: (a) A, B, C, D, E (b) A C = Joukkojen A ja C yhdiste (c) B D = Joukkojen B ja D leikkaus Tehtävä 1.2. Tehtävä 1.2. on jatkoa tehtävälle 1.1. Merkitse perusjoukkoa S kuvaavaan kaavioon seuraavat joukot: (a) E c = Joukon E komplementti (b) B \ C = Joukkojen B ja C erotus (c) C \ B = Joukkojen C ja B erotus Tehtävä 1.3. Tehtävä 1.3. on jatkoa tehtävälle 1.1. Määrää todennäköisyydet tehtävän 1.1. kohdissa (a) (c) määritellyille tapahtumille. Tehtävä 1.4. Tehtävä 1.3. on jatkoa tehtävälle 1.2. Määrää todennäköisyydet tehtävän 1.2. kohdissa (a) (c) määritellyille tapahtumille. Tehtävä 1.5. Tehtävä 1.5. on jatkoa tehtävälle 1.1. Tarkastellaan silmälukujen summaa z = x + y jossa x = 1. heiton tulos ja y = 2. heiton tulos. Määritellään tapahtumat A = {Summa on 1} B = {Summa on 11} C = {1. nopanheitolla saadaan 2} D = {1. nopanheitolla saadaan 5} (a) Määrää silmälukujen summan z = x + y otosavaruus. (b) Määrää tapahtuman A todennäköisyys. (c) Määrää tapahtuman B todennäköisyys. (d) Määrää tapahtuman B ehdollinen todennäköisyys, kun tapahtuma C on sattunut. TKK @ Ilkka Mellin (2008) 2/5

(e) Määrää tapahtuman B ehdollinen todennäköisyys, kun tapahtuma D on sattunut. Tehtävä 1.6. Tehtävä 1.6. on jatkoa tehtävälle 1.1. Tarkastellaan 1. ja 2. nopanheiton silmälukujen erotusta z = x y jossa x = 1. heiton tulos ja y = 2. heiton tulos. Olkoon (a) (b) (c) (d) A = {1. nopalla saadaan 6} B = {2. nopalla saadaan 6} C = {Erotus on 2} Määrää silmälukujen erotuksen z = x y otosavaruus. Pr(A B) ja vertaa sitä tapahtuman A todennäköisyyteen. Ovatko tapahtumat A ja B Pr(C A ) ja vertaa sitä tapahtuman C todennäköisyyteen. Ovatko tapahtumat C ja A Pr(C B ) ja vertaa sitä tapahtuman C todennäköisyyteen. Ovatko tapahtumat C ja B Tehtävä 1.7. Olkoot Pr(A) = 0.5 ja Pr(B) = 0.3. Määrää tapahtuman A B todennäköisyys, kun (a) Pr(A B) = 0.1 (b) A ja B ovat toisensa poissulkevia (c) A ja B ovat riippumattomia (d) Pr(A B) = 0.1 Tehtävä 1.8. Olkoot Pr(A) = 0.5 ja Pr(B) = 0.6. Yritä määrätä tapahtuman A B todennäköisyys, kun (a) Pr(A B) = 0.1 (b) A ja B ovat toisensa poissulkevia (c) A ja B ovat riippumattomia (d) Pr(A B) = 0.1 TKK @ Ilkka Mellin (2008) 3/5

Milloin tämä on mahdollista? Tehtävä 1.9. Uurnassa on 3 valkoista ja 7 mustaa palloa. (a) Poimitaan uurnasta satunnaisesti kaksi palloa takaisinpanolla eli palauttaen. Tällöin uurnasta nostetaan palloja yksi pallo kerrallaan ja jokainen nostettu pallo palautetaan ennen seuraavan pallon nostoa takaisin uurnaan. Mikä on todennäköisyys, että toisena nostettu pallo on valkoinen, jos ensimmäisenä nostettu pallo on ollut musta? (b) Poimitaan uurnasta satunnaisesti kaksi palloa ilman takaisinpanoa palauttamatta. Tällöin uurnasta nostettuja palloja ei palauteta takaisin uurnaan. Mikä on todennäköisyys, että toisena nostettu pallo on valkoinen, jos ensimmäisenä nostettu pallo on ollut musta? Tehtävä 1.10. Uurnassa on 5 punaista ja 7 sinistä palloa. (a) Poimit uurnasta satunnaisesti kolme palloa takaisinpanolla. Mikä on todennäköisyys, että saat kolme punaista palloa? (b) Poimit uurnasta satunnaisesti kolme palloa ilman takaisinpanoa. Mikä on todennäköisyys, että saat kolme punaista palloa? (c) Poimit uurnasta satunnaisesti kolme palloa ilman takaisinpanoa. Mikä on todennäköisyys, että viimeisenä poimittava pallo on punainen, jos kaksi edellistä ovat olleet sinisiä? Tehtävä 1.11. Laatikossa on 10 hehkulamppua, joista 3 on viallista. (a) Poimitaan laatikosta satunnaisesti kolme hehkulamppua takaisinpanolla. Mikä on todennäköisyys, että kaikki kolme lamppua ovat viallisia? (b) Poimitaan laatikosta satunnaisesti kolme hehkulamppua ilman takaisinpanoa. Mikä on todennäköisyys, että kaikki kolme lamppua ovat viallisia? TKK @ Ilkka Mellin (2008) 4/5

Tehtävä 1.12. Eräässä yliopistossa on 10 000 opiskelijaa. Alla oleva taulukko esittää opiskelijoiden sukupuoli- ja ikäjakaumaa. Määrää seuraavien tapahtumien todennäköisyydet todennäköisyyden frekvenssitulkintaa käyttäen: (a) Satunnaisesti valittu opiskelija on nainen. (b) Satunnaisesti valittu opiskelija on mies, jos hän on 25-34-vuotias. (c) Satunnaisesti valittu opiskelija on mies tai hän on 25-34-vuotias. Ikä 14-17 18-24 25-34 35 Mies 50 2 500 1 000 400 Nainen 150 3 500 1 500 900 Tehtävä 1.13. Alla oleva taulukko kuvaa USA:n 101. kongressin (valittiin vuonna 1988) kokoonpanoa. Kongressiedustajat on luokiteltu taulukossa puoluekannan mukaan kahteen luokkaan ja edustajanaoloajan mukaan kolmeen luokkaan. Taulukossa on annettu ainoastaan ne todennäköisyydet (ns. reunatodennäköisyydet), jotka saadaan, kun puoluekantaa ja edustajanaoloaikaa tarkastellaan erillisinä. Täytä taulukon puuttuvat solut, jos oletamme, että puoluekanta ja edustajanaoloaika eivät riipu toisistaan. Todennäköisyys Edustajana -oloaika Demokraatti Puoluekanta Republikaani Yhteensä < 2 vuotta 0.090 2-9 vuotta 0.478 10 vuotta 0.432 Yhteensä 0.614 0.386 1 TKK @ Ilkka Mellin (2008) 5/5