Sovellettu todennäköisyyslaskenta B

Samankaltaiset tiedostot
ABHELSINKI UNIVERSITY OF TECHNOLOGY

Varma tapahtuma, Yhdiste, Yhdistetty tapahtuma, Yhteenlaskusääntö

Osa 1: Todennäköisyys ja sen laskusäännöt. Todennäköisyyden peruslaskusäännöt

(x, y) 2. heiton tulos y

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

Osa 1: Todennäköisyys ja sen laskusäännöt

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

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

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

Liite 2: Verkot ja todennäköisyyslaskenta. Todennäköisyyslaskenta ja puudiagrammit

Todennäköisyyslaskennan peruslaskusäännöt. Todennäköisyyslaskennan peruslaskusäännöt. Todennäköisyyslaskennan peruslaskusäännöt: Esitiedot

MS-A0501 Todennäköisyyslaskennan ja tilastotieteen peruskurssi

Osa 1: Todennäköisyys ja sen laskusäännöt. Todennäköisyyden aksioomat

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

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

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

Sovellettu todennäköisyyslaskenta B

MS-A0501 Todennäköisyyslaskennan ja tilastotieteen peruskurssi Esimerkkikokoelma 1

Miten hyvin mallit kuvaavat todellisuutta? Tarvitaan havaintoja.

Todennäköisyyslaskenta: Todennäköisyys ja sen laskusäännöt

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

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

ABHELSINKI UNIVERSITY OF TECHNOLOGY

Sovellettu todennäköisyyslaskenta B

1. laskuharjoituskierros, vko 4, ratkaisut

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

Mat Sovellettu todennäköisyyslasku A

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

Ilkka Mellin Todennäköisyyslaskenta

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

Sovellettu todennäköisyyslaskenta B

Sovellettu todennäköisyyslaskenta B

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

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

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

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

Kurssin puoliväli ja osan 2 teemat

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

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

30A02000 Tilastotieteen perusteet

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

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

811120P Diskreetit rakenteet

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

MAT Todennäköisyyslaskenta Tentti / Kimmo Vattulainen

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

ABHELSINKI UNIVERSITY OF TECHNOLOGY

Todennäköisyys (englanniksi probability)

031021P Tilastomatematiikka (5 op)

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

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

031021P Tilastomatematiikka (5 op)

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

Mat Sovellettu todennäköisyyslasku A

Moniulotteiset satunnaismuuttujat ja jakaumat

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

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

Inversio-ongelmien laskennallinen peruskurssi Luento 7

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

9 Yhteenlaskusääntö ja komplementtitapahtuma

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

Moniulotteiset satunnaismuuttujat ja todennäköisyysjakaumat. Moniulotteiset satunnaismuuttujat ja todennäköisyysjakaumat

Joukko-oppi. Joukko-oppi. Joukko-oppi. Joukko-oppi: Mitä opimme? Joukko-opin peruskäsitteet

1. Matkalla todennäköisyyteen

MAT Todennäköisyyslaskenta Tentti / Kimmo Vattulainen

Lause 5. (s. 50). Olkoot A ja B joukkoja. Tällöin seuraavat ehdot ovat

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

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

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

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

Joukot. Georg Cantor ( )

Suotuisien tapahtumien lukumäärä Kaikki alkeistapahtumien lukumäärä

Johdatus todennäköisyyslaskentaan Joukko-oppi. TKK (c) Ilkka Mellin (2005) 1

Moniulotteisia todennäköisyysjakaumia

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

Ilkka Mellin Todennäköisyyslaskenta Osa 3: Todennäköisyysjakaumia Moniulotteisia todennäköisyysjakaumia

Ilkka Mellin Todennäköisyyslaskenta Liite 1: Joukko-oppi

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

Osa 1: Todennäköisyys ja sen laskusäännöt. Klassinen todennäköisyys ja kombinatoriikka

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

Todennäköisyyslaskenta

Mat Sovellettu todennäköisyyslasku A. Moniulotteiset jakaumat. Avainsanat:

Sovellettu todennäköisyyslaskenta B

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

Odotusarvo. Odotusarvon ominaisuuksia Satunnaismuuttujien ominaisuuksia 61

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

Todennäköisyyslaskun kertaus. Vilkkumaa / Kuusinen 1

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

Johdatus matematiikkaan

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

2. laskuharjoituskierros, vko 5, ratkaisut

Sovellettu todennäköisyyslaskenta B

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

MS-A0402 Diskreetin matematiikan perusteet

Lineaariavaruudet. Span. Sisätulo. Normi. Matriisinormit. Matriisinormit. aiheita. Aiheet. Reaalinen lineaariavaruus. Span. Sisätulo.

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

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

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

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

Teema 7: Todennäköisyyksien laskentaa

Transkriptio:

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 käsitteitä Satunnaisuus ja deterministisyys 2 Todennäköisyyslaskennan perusteita Joukko-oppia Otosavaruus Esimerkkejä otosavaruuksista Todennäköisyyden perusominaisuudet 3 Todennäköisyyslaskennan peruslaskusäännöt Tapahtumia joukko-opin avulla Venn-diagrammit Komplementti ja leikkaus Toisensa poissulkevat tapahtumat Riippumattomuus Tapahtumien yhdiste ja yleinen yhteenlaskusääntö Osatapahtuma B A (eli A tapahtuu, jos B tapahtuu) Ehdollinen todennäköisyys Antti Rasila () SovTodB 07.09.2007 07.09.2007 2 / 24

Satunnaisuus ja deterministisyys Deterministisessä ilmiössä alkutila määrää lopputilan yksikäsitteisesti. Satunnaisilmiö puolestaan arpoo yhdestä alkutilasta voi päätyä useisiin lopputiloihin. Vaikka lopputilaa ei voidakaan etukäteen määrätä, on kuitenkin mahdollista selvittää eri lopputiloihin päätymisen todennäköisyydet. Usein ilmiöt ovat sekoitus determinismiä ja satunnaisuutta. Antti Rasila () SovTodB 07.09.2007 07.09.2007 3 / 24

Todennäköisyys Merkintätapoja: Tapahtuman A todennäköisyys: Pr(A) = P(A) = p A Tapahtuman A frekvenssi: n(a) Todennäköisyyden (naiiveja) määritelmiä: i) Empiirinen: Pr(A) = n(a) n(toistot) = f N. ii) Klassinen: Pr(A) = n(a) n(vaihtoehdot). Klassinen määritelmä olettaa, että kaikki alkeistapahtumat ovat yhtä todennäköisiä. iii) Mittateoreettinen: Tapahtuman todennäköisyys on tapahtuman toteutumismahdollisuuden mitta. Antti Rasila () SovTodB 07.09.2007 07.09.2007 4 / 24

Joukko-oppia Keskeisimpiä ajatuksia todennäköisyyslaskennassa on se, että tapahtumia voidaan käsitellä joukkoina. Seuraavassa lyhyesti määritelmiä ja merkintätapoja: Joukko muodostuu siihen kuuluvista alkioista. s on joukon A alkio: s A. s ei ole joukon A alkio: s / A. Jos s, s B s A, sanomme että B on A:n osajoukko. B on A:n osajoukko: B A tai A B. Joukko on tyhjä, jos se ei sisällä yhtään alkiota. Tyhjä joukko:. Tyhjä joukko on jokaisen joukon osajoukko: A, A. Antti Rasila () SovTodB 07.09.2007 07.09.2007 5 / 24

Otosavaruus Satunnaisilmiön kaikkien mahdollisten tulosvaihtoehtojen joukkoa kutsutaan otosavaruudeksi. Otosavaruuden alkioita kutsutaan alkeistapahtumiksi. Otosavaruutta (engl. sample space) merkitään kurssilla yleensä kirjaimella S ja sen alkiota vastaavasti kirjaimella s. Alkeistapahtumaa ei voi jakaa alkeellisempiin tulosvaihtoehtoihin. Tapahtumat ovat otosavaruuden alkeistapahtumien muodostamia joukkoja. Ilmaisu A tapahtuu tarkoittaa, että jokin tapahtumaan A kuuluva alkeistapahtuma tapahtuu. Antti Rasila () SovTodB 07.09.2007 07.09.2007 6 / 24

Esimerkkejä otosavaruuksista (1) Lapsen sukupuolen määräytyminen: S = {Tyttö, Poika} Nopanheiton tulos: S = {1, 2, 3, 4, 5, 6} Kahden nopanheiton tulosten summa: S = {2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12} Antti Rasila () SovTodB 07.09.2007 07.09.2007 7 / 24

Esimerkkejä otosavaruuksista (2) Taulukointiakin voi käyttää. Kahden nopanheiton tulosten summa: 1.noppa 2. noppa 1 2 3 4 5 6 1 2 3 4 5 6 7 2 3 4 5 6 7 8 3 4 5 6 7 8 9 4 5 6 7 8 9 10 5 6 7 8 9 10 11 6 7 8 9 10 11 12 Antti Rasila () SovTodB 07.09.2007 07.09.2007 8 / 24

Todennäköisyyden perusominaisuudet 0 Pr(A) 1 Pr( ) = 0 Pr(S) = 1, kun S on otosavaruutta tarkoittava merkintä. Antti Rasila () SovTodB 07.09.2007 07.09.2007 9 / 24

Tapahtumia joukko-opin avulla Tapahtuma Vastaava joukko-opin operaatio A ei tapahdu. Komplementti: A c = {s S : s / A} Yhdiste eli unioni: A B = {s S : s A s B} A tai B tapahtuu tai molemmat tapahtuvat A ja B tapahtuvat Leikkaus: A B = {s S : s A s B} A tapahtuu, mutta B ei tapahdu Erotus: A \ B = {s S : s A s / B} Antti Rasila () SovTodB 07.09.2007 07.09.2007 10 / 24

Venn-diagrammit Otosavaruutta S kuvaa suorakaide. Suorakaiteen pinta-ala vastaa otosavaruuden todennäköisyyttä: Pr(S) = 1 Tapahtumaa A S kuvaa varjostettu osa-alue. Osa-alueen A pinta-ala vastaa tapahtuman A todennäköisyyttä Pr(A). Antti Rasila () SovTodB 07.09.2007 07.09.2007 11 / 24

Tapahtuman A komplementti Olkoon A S otosavaruuden S tapahtuma ja Pr(A) sen todennäköisyys. Tapahtuman A komplementtitapahtuman A c todennäköisyys on Pr(A c ) = 1 Pr(A). Antti Rasila () SovTodB 07.09.2007 07.09.2007 12 / 24

Tapahtumien A ja B leikkaus Olkoon A S ja B S otosavaruuden S tapahtumia ja Pr(A) ja Pr(B) niiden todennäköisyydet. Muiden uusien tapahtumien laskemiseen on selvitettävä Pr(A B). Antti Rasila () SovTodB 07.09.2007 07.09.2007 13 / 24

Toisensa poissulkevat tapahtumat Tapahtumat A ja B ovat toisensa poissulkevia, jos niillä ei ole yhteisiä pisteitä otosavaruudessa eli A B =. Siten saadaan toisensa poissulkevien tapahtumien yhteenlaskusääntö Pr(A B) = 0 ja Pr(A B) = Pr(A) + Pr(B). Mitä on nyt Pr(A \ B)? Entä miten ym. yhteenlaskusääntö yleistetään? Antti Rasila () SovTodB 07.09.2007 07.09.2007 14 / 24

Riippumattomuus Tapahtuma A on riippumaton tapahtumasta B, jos B:n tapahtuminen (tai tapahtumatta jääminen) ei vaikuta A:n tapahtumisen todennäköisyyteen. Merkitään riippumattomuutta: A B. Jos A B, niin tällöin myös B A. Riippumattomuutta voidaan testata tilastollisesti. Antti Rasila () SovTodB 07.09.2007 07.09.2007 15 / 24

Tulosääntö riippumattomille tapahtumille Tapahtumat A ja B ovat riippumattomia, jos ja vain jos Pr(A B) = Pr(A)Pr(B). Miten tämä sääntö yleistetään? Antti Rasila () SovTodB 07.09.2007 07.09.2007 16 / 24

Tapahtumien yhdiste ja yleinen yhteenlaskusääntö Tapahtumien A ja B yhdisteen A B todennäköisyys on Pr(A B) = Pr(A) + Pr(B) Pr(A B). Antti Rasila () SovTodB 07.09.2007 07.09.2007 17 / 24

Erotustapahtuman todennäköisyys Tapahtumien A ja B erotustapahtuman A \ B todennäköisyys on Pr(A \ B) = Pr(A B c ) = Pr(A) Pr(A B). Antti Rasila () SovTodB 07.09.2007 07.09.2007 18 / 24

Osatapahtuma B A (eli A tapahtuu, jos B tapahtuu) Pr(A) Pr(B) Pr(A \ B) = Pr(A) Pr(B) Antti Rasila () SovTodB 07.09.2007 07.09.2007 19 / 24

Ehdollinen todennäköisyys Olkoon Pr(B) > 0 Tällöin tapahtuman A todennäköisyys ehdolla, että tapahtuma B on tapahtunut on Pr(A B) Pr(A B) =. Pr(B) Pr(B B) = 1. Pelkkä Pr(A) ei kerro (juuri) mitään Pr(A B):stä. Antti Rasila () SovTodB 07.09.2007 07.09.2007 20 / 24

Ehdollinen todennäköisyys ja riippumattomuus Lause Tapahtumat A ja B ovat riippumattomia, jos ja vain jos Pr(A B) = Pr(A). Todistus. Oletetaan, että A ja B ovat riippumattomia. Tällöin: Pr(A B) = Pr(A)Pr(B). (1) Ehdollisen todennäköisyyden määritelmän mukaan: Pr(A B) = Pr(A B). (2) Pr(B) Kun sijoitetaan (1) kaavaan (2), saadaan Pr(A B) = Pr(A). Antti Rasila () SovTodB 07.09.2007 07.09.2007 21 / 24

Riippumattomuuden yhtäpitävät ehdot Tapahtumat A ja B ovat riippumattomia, jos ja vain jos: i) Pr(A B) = Pr(A)Pr(B), ii) Pr(A B) = Pr(A), iii) Pr(B A) = Pr(B). Antti Rasila () SovTodB 07.09.2007 07.09.2007 22 / 24

Riippumattomuuden seurauksia Jos A ja B ovat riippumattomia, niin myös i) A ja B c, ii) A c ja B sekä iii) A c ja B c ovat riippumattomia. Antti Rasila () SovTodB 07.09.2007 07.09.2007 23 / 24

Yleinen tulosääntö Olkoon Pr(B) > 0. Tällöin Pr(A B) = Pr(B)Pr(A B). Yleisesti k:lle tapahtumalle tapahtumien A 1, A 2,... A k leikkauksen todennäköisyys on Pr(A 1 A 2... A k ) = Pr(A 1 ) Pr(A 2 A 1 ) Pr(A 3 A 1 A 2 )...... Pr(A k A 1 A 2... A k 1 ). Antti Rasila () SovTodB 07.09.2007 07.09.2007 24 / 24