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

Samankaltaiset tiedostot
Liite 2: Verkot ja todennäköisyyslaskenta. Todennäköisyyslaskenta ja puudiagrammit

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

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

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

Sovellettu todennäköisyyslaskenta B

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

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

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

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

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

Sovellettu todennäköisyyslaskenta B

ABHELSINKI UNIVERSITY OF TECHNOLOGY

Varma tapahtuma, Yhdiste, Yhdistetty tapahtuma, Yhteenlaskusääntö

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

Osa 1: Todennäköisyys ja sen laskusäännöt. Todennäköisyyden peruslaskusäännöt

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

Liite 2: Verkot ja todennäköisyyslaskenta

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

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

Todennäköisyyslaskennan peruslaskusäännöt. Todennäköisyyslaskennan peruslaskusäännöt. Todennäköisyyslaskennan peruslaskusäännöt: Esitiedot

Mat Sovellettu todennäköisyyslasku A

Osa 1: Todennäköisyys ja sen laskusäännöt

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

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

(x, y) 2. heiton tulos y

Osa 1: Todennäköisyys ja sen laskusäännöt. Todennäköisyyden aksioomat

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

MS-A0501 Todennäköisyyslaskennan ja tilastotieteen peruskurssi Esimerkkikokoelma 1

MS-A0501 Todennäköisyyslaskennan ja tilastotieteen peruskurssi

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

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

Mat Sovellettu todennäköisyyslasku A

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

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

1. laskuharjoituskierros, vko 4, ratkaisut

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

Todennäköisyyslaskenta: Todennäköisyys ja sen laskusäännöt

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

Todennäköisyyslaskenta

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

ABHELSINKI UNIVERSITY OF TECHNOLOGY

Moniulotteisia todennäköisyysjakaumia

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

Ilkka Mellin Todennäköisyyslaskenta Osa 3: Todennäköisyysjakaumia Moniulotteisia todennäköisyysjakaumia

Miten hyvin mallit kuvaavat todellisuutta? Tarvitaan havaintoja.

Normaalijakaumasta johdettuja jakaumia

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

Sovellettu todennäköisyyslaskenta B

Lisää Diskreettejä jakaumia Lisää Jatkuvia jakaumia Normaalijakaumasta johdettuja jakaumia

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

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

Sovellettu todennäköisyyslaskenta B

Ilkka Mellin Todennäköisyyslaskenta Liite 1: Joukko-oppi

031021P Tilastomatematiikka (5 op)

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

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

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

1. Matkalla todennäköisyyteen

Johdatus tilastotieteeseen Testit laatueroasteikollisille muuttujille. TKK (c) Ilkka Mellin (2004) 1

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

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

MATP153 Approbatur 1B Harjoitus 3, ratkaisut Maanantai

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

Johdatus tilastotieteeseen Estimointi. 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

MS-A0502 Todennäköisyyslaskennan ja tilastotieteen peruskurssi

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

30A02000 Tilastotieteen perusteet

MAT Todennäköisyyslaskenta Tentti / Kimmo Vattulainen

Testit laatueroasteikollisille muuttujille

Moniulotteiset satunnaismuuttujat ja todennäköisyysjakaumat. Moniulotteiset satunnaismuuttujat ja todennäköisyysjakaumat

Johdatus todennäköisyyslaskentaan Satunnaismuuttujien muunnokset ja niiden jakaumat. TKK (c) Ilkka Mellin (2004) 1

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

Automaatit. Muodolliset kielet

Mat Sovellettu todennäköisyyslasku A. Moniulotteiset jakaumat. Avainsanat:

Kurssin puoliväli ja osan 2 teemat

Ilkka Mellin (2008) 1/5

Johdatus tilastotieteeseen Testit suhdeasteikollisille muuttujille. TKK (c) Ilkka Mellin (2005) 1

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

4.1. Olkoon X mielivaltainen positiivinen satunnaismuuttuja, jonka odotusarvo on

MS-A0501 Todennäköisyyslaskennan ja tilastotieteen peruskurssi

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

031021P Tilastomatematiikka (5 op)

Inversio-ongelmien laskennallinen peruskurssi Luento 7

MS-A0503 Todennäköisyyslaskennan ja tilastotieteen peruskurssi

Sovellettu todennäköisyyslaskenta B

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

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

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

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

3. laskuharjoituskierros, vko 6, ratkaisut

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

Olkoon seuraavaksi G 2 sellainen tasan n solmua sisältävä suunnattu verkko,

Satunnaismuuttujien muunnokset ja niiden jakaumat

Olkoon R S otosavaruuksien R ja S karteesinen tulo: Satunnaismuuttujien X ja Y järjestetty pari (X, Y) määrittelee kaksiulotteisen satunnaismuuttujan:

Osa 2: Otokset, otosjakaumat ja estimointi

Transkriptio:

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

Todennäköisyyslaskenta ja puudiagrammit Puutodennäköisyydet Todennäköisyyslaskennan laskusääntöjen havainnollistaminen TKK (c) Ilkka Mellin (2005) 2

Todennäköisyyslaskenta ja puudiagrammit: Mitä opimme? Verkkoteoria on hyödyllinen sovelletun matematiikan osa-alue, jolla on sovelluksia esimerkiksi logiikassa, operaatiotutkimuksessa, peli-ja päätösteoriassa sekä todennäköisyyslaskennassa. Tässä liitteessä tarkastelemme miten puumaisia verkkoja voidaan käyttää todennäköisyyslaskennan laskusääntöjen havainnollistamiseen. TKK (c) Ilkka Mellin (2005) 3

Todennäköisyyslaskenta ja puudiagrammit: Esitiedot Esitiedot: ks. seuraavia lukuja: Todennäköisyys ja sen määritteleminen Todennäköisyyden peruslaskusäännöt Kokonaistodennäköisyys ja ayesin kaava Liite: Verkot TKK (c) Ilkka Mellin (2005) 4

Todennäköisyyslaskenta ja puudiagrammit >> Puutodennäköisyydet Todennäköisyyslaskennan laskusääntöjen havainnollistaminen TKK (c) Ilkka Mellin (2005) 5

Puutodennäköisyydet Avainsanat Alkutila Juuri Loppupiste Lopputila Piste Puu Puudiagrammi Puutodennäköisyys Reitti Särmä Tapahtumajono Tapahtumavaihtoehto Tulosääntö puutodennäköisyyksille Verkko Verkkodiagrammi Yhteenlaskusääntö puutodennäköisyyksille TKK (c) Ilkka Mellin (2005) 6

Puutodennäköisyydet Puudiagrammien käyttö todennäköisyyslaskennassa Periaatteessa jokainen alkeistodennäköisyyslaskennan tehtävä voidaan ratkaista käyttämällä apuna ns. puudiagrammeja. Tällöin tehtävään liittyvä satunnaisilmiö on ensin osattava kuvata puudiagrammilla. Jos tehtävän satunnaisilmiötä osataan kuvata puudiagrammilla, tehtävän ratkaisemisessa tarvittavat puutodennäköisyydet saadaan määrätyksi käyttämällä kahta yksinkertaista laskusääntöä, tulosääntöä ja yhteenlaskusääntöä. TKK (c) Ilkka Mellin (2005) 7

Puutodennäköisyydet Puudiagrammin konstruointi 1/2 Satunnaisilmiötä voidaan kuvata puudiagrammilla, jos ilmiö osataan esittää seuraavassa muodossa: (i) Ilmiöllä on yksi alkutila ja yksi tai useampia lopputiloja. (ii) Ilmiö koostuu vaihtoehtoisista tapahtumajonoista. (iii) Tapahtumajonoissa edetään vaiheittain tapahtumasta toiseen lähtien ilmiön alkutilasta ja päätyen johonkin ilmiön lopputiloista. (iv) Jokaisessa vaiheessa kohdataan yksi tai useampia tapahtumavaihtoehtoja, joista yksi realisoituu ja johtaa uusin tapahtumavaihtoehtoihin. TKK (c) Ilkka Mellin (2005) 8

Puutodennäköisyydet Puudiagrammin konstruointi 2/2 Satunnaisilmiötä vastaavan puudiagrammin konstruointi: (i) Asetetaan puun juuri vastaamaan ilmiön alkutilaa. (ii) Asetetaan puun loppupisteet ( oksien kärjet ) vastaamaan ilmiön lopputiloja. (iii) Asetetaan puun pisteet ( oksien haarautumiskohdat ) vastaamaan ilmiön tapahtumia. (iv) Viedään puun jokaisesta pisteestä särmä ( oksa ) kaikkiin sellaisiin pisteisiin, joita vastaavat tapahtumavaihtoehdot ovat ilmiön siinä vaiheessa mahdollisia. (v) Liitetään jokaiseen pisteestä lähtevään särmään siinä vaiheessa mahdollisten tapahtumavaihtoehtojen todennäköisyydet. TKK (c) Ilkka Mellin (2005) 9

Puutodennäköisyydet Puudiagrammin konstruointi: Esimerkki 1/3 Puudiagrammin konstruointia voidaan havainnollistaa viereisellä kaaviolla. Tarkastellaan satunnaisilmiötä vaiheessa, jossa tapahtuma A on sattunut. A Olkoot A:n sattumisen jälkeen mahdolliset tapahtumavaihtoehdot 1 k m i, i = 1, 2,, m TKK (c) Ilkka Mellin (2005) 10

Puutodennäköisyydet Puudiagrammin konstruointi: Esimerkki 2/3 Viedään pisteestä Asärmä jokaiseen pisteistä i, i = 1, 2,, m Liitetään jokaiseen särmään A (A, i ), i = 1, 2,, m ehdollinen todennäköisyys H pi = Pr( i A) jossa A H p 1 p k on tapahtumajono, 1 k joka on tuonut pisteeseen A. p m m TKK (c) Ilkka Mellin (2005) 11

Puutodennäköisyydet Puudiagrammin konstruointi: Esimerkki 3/3 Koska A:n sattumisen jälkeen ei ole muita mahdollisia tapahtumavaihtoehtoja kuin i, i = 1, 2,, m, pitää todennäköisyyksien p i, i = 1, 2,, m toteuttaa ehto m m H p = Pr( A) = 1 i i= 1 i= 1 i 1 p 1 A k p k p m m TKK (c) Ilkka Mellin (2005) 12

Puutodennäköisyydet Puudiagrammin konstruointi: Kommentteja Puudiagrammi piirretään tavallisesti joko niin, että sen alkupiste on ylhäällä ja loppupisteet ovat alhaalla tai niin, että sen alkupiste on vasemmalla ja loppupisteet ovat oikealla. Useat puun pisteet voivat vastata samaa tapahtumaa. Mistä tahansa puun pisteestä lähtevien särmien todennäköisyyksien summa on 1. TKK (c) Ilkka Mellin (2005) 13

Puutodennäköisyydet Puutodennäköisyydet Puutodennäköisyydellä tarkoitetaan todennäköisyyttä päästä puun alkupisteestä yhden tai useamman muun puun pisteen määräämään yhdistettyyn tapahtumaan. Pisteen todennäköisyys saadaan määräämällä alkupisteestä ko. pisteeseen vievän reitin todennäköisyys. Reitin todennäköisyys saadaan soveltamalla reittiin kuuluvien särmien todennäköisyyksiin tulosääntöä. Usean pisteen määräämän yhdistetyn tapahtuman todennäköisyys saadaan soveltamalla ko. pisteisiin vievien reittien todennäköisyyksiin yhteenlaskusääntöä. TKK (c) Ilkka Mellin (2005) 14

Puutodennäköisyydet Puutodennäköisyydet: Tulosääntö 1/4 Reitin todennäköisyys saadaan määräämällä reittiin kuuluvien särmien todennäköisyyksien tulo. Sääntöä kutsutaan puutodennäköisyyksien tulosäännöksi. Tulosäännön perustelu: (1) Reitti on tapahtumajono, jonka muodostavat reitin pisteet. (2) Reitin muodostava tapahtumajono sattuu, jos jokainen jonon tapahtumista sattuu. (3) Todennäköisyyslaskennan yleisen tulosäännön mukaan reitin todennäköisyys saadaan määräämällä reittiin kuuluvien särmien todennäköisyyksien tulo. TKK (c) Ilkka Mellin (2005) 15

Puutodennäköisyydet Puutodennäköisyydet: Tulosääntö 2/4 Olkoon L, A 1, A 2, A 3,, A k yksi niistä vaihtoehtoisista tapahtumajonoista, joista satunnaisilmiö muodostuu. Tällöin parit (L, A 1 ), (A 1, A 2 ), (A 2, A 3 ),, (A k 1, A k ) muodostavat satunnaisilmiön alkutilasta L satunnaisilmiön (loppu-) tilaan A k vievän reitin särmät. TKK (c) Ilkka Mellin (2005) 16

Puutodennäköisyydet Puutodennäköisyydet: Tulosääntö 3/4 Liitetään reitin (L, A 1 ), (A 1, A 2 ), (A 2, A 3 ),, (A k 1, A k ) särmiin todennäköisyydet seuraavalla tavalla: (L, A 1 ) Pr(A 1 ) = p 1 (A 1, A 2 ) Pr(A 2 A 1 ) = p 2 (A 2, A 3 ) Pr(A 3 A 1 A 2 ) = p 3 (A k 1, A k ) Pr(A k A 1 A 2 A 3 A k 1 ) = p k TKK (c) Ilkka Mellin (2005) 17

Puutodennäköisyydet Puutodennäköisyydet: Tulosääntö 4/4 Reitin (L, A 1 ), (A 1, A 2 ), (A 2, A 3 ),, (A k 1, A k ) todennäköisyys on yleisen tulosäännön nojalla: Pr(A 1 A 2 A 3 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 3 A k 1 ) = p 1 p 2 p 3 p k TKK (c) Ilkka Mellin (2005) 18

Puutodennäköisyydet Puutodennäköisyydet: Tulosäännön havainnollistus Puutodennäköisyyksien tulosääntöä voidaan havainnollistaa viereisellä puudiagrammilla. Reitin k todennäköisyys on puutodennäköisyyksien tulosäännön mukaan L p 2 p 1 A 1 A 2 p 3 A 3 Pr(Reitti k) = p 1 p 2 p 3 p k A k p k Reitti k A k 1 TKK (c) Ilkka Mellin (2005) 19

Puutodennäköisyydet Puutodennäköisyydet: Yhteenlaskusääntö 1/2 Jos useita (loppu-) tiloja yhdistetään yhdeksi tapahtumaksi, näin saadun yhdistetyn tapahtuman todennäköisyys saadaan määräämällä ko. tiloihin vievien reittien todennäköisyyksien summa. Sääntöä kutsutaan puutodennäköisyyksien yhteenlaskusäännöksi. Yhteenlaskusäännön perustelu: (1) Puun eri pisteisiin vievät reitit ovat toisensa poissulkevia. (2) Toisensa poissulkevien tapahtumien yhteenlaskusäännön mukaan useista (loppu-) pisteistä yhdistämällä saatavan tapahtuman todennäköisyys saadaan määräämällä ko. pisteisiin vievien reittien todennäköisyyksien summa. TKK (c) Ilkka Mellin (2005) 20

Puutodennäköisyydet Puutodennäköisyydet: Yhteenlaskusääntö 2/2 Yhdistetään satunnaisilmiön (loppu-) tilat 1, 2,, k yhdeksi tapahtumaksi C = 1 2 k Olkoot tiloja 1, 2,, k vastaavat reitit Reitti 1, Reitti 2,, Reitti k Koska puun eri pisteisiin vievät reitit ovat toisensa poissulkevia, tapahtuman C todennäköisyys on toisensa poissulkevien tapahtumien yhteenlaskusäännön nojalla: Pr(C) = Pr(Reitti 1 tai Reitti 2 tai tai Reitti k) = Pr(Reitti 1) + Pr(Reitti 2) + + Pr(Reitti k) TKK (c) Ilkka Mellin (2005) 21

Puutodennäköisyydet Puutodennäköisyydet: Yhteenlaskusäännön havainnollistus Puutodennäköisyyksien yhteenlaskusääntöä voidaan havainnollistaa viereisellä puudiagrammilla: Pr(C) = Pr(Reitti 1) + Pr(Reitti 2) + Pr(Reitti k) Reitti:...... 1 2 k 1 2 k " ""! C TKK (c) Ilkka Mellin (2005) 22

Todennäköisyyslaskenta ja puudiagrammit Puutodennäköisyydet >> Todennäköisyyslaskennan laskusääntöjen havainnollistaminen TKK (c) Ilkka Mellin (2005) 23

Todennäköisyyslaskennan laskusääntöjen havainnollistaminen Avainsanat Puudiagrammi Puutodennäköisyyksien tulosääntö Puutodennäköisyyksien yhteenlaskusääntö Todennäköisyyslaskennan laskusäännöt: erotustapahtuman todennäköisyys kokonaistodennäköisyyden kaava komplementtitapahtuman todennäköisyys tulosääntö riippumattomille tapahtumille yhteenlaskusääntö toisensa poissulkeville tapahtumille yleinen tulosääntö yleinen yhteenlaskusääntö TKK (c) Ilkka Mellin (2005) 24

Todennäköisyyslaskennan laskusääntöjen havainnollistaminen puudiagrammilla Tarkastellaan seuraavien todennäköisyyslaskennan laskusääntöjen havainnollistamista puudiagrammilla: (i) Komplementtitapahtuman todennäköisyys. (ii) Yleinen tulosääntö ja tulosääntö riippumattomille tapahtumille. (iii) Yleinen yhteenlaskusääntö ja yhteenlaskusääntö toisensa poissulkeville tapahtumille. (iv) Erotustapahtuman todennäköisyys. (v) Kokonaistodennäköisyyden kaava. Puun juurta eli alkupistettä on merkitty diagrammeissa kirjaimella L (L satunnaisilmiön lähtötila). TKK (c) Ilkka Mellin (2005) 25

Komplementtitapahtuman todennäköisyys 1/2 Olkoon A S jokin otosavaruuden S tapahtuma. Olkoon tapahtuman A komplementtitapahtuma A c = Aeisatu Tällöin A A c = S, A A c = Pr(A) + Pr(A c ) = Pr(S) = 1 Sääntöä voidaan havainnollistaa viereisellä Venndiagrammilla. A c A S TKK (c) Ilkka Mellin (2005) 26

Komplementtitapahtuman todennäköisyys 2/2 Sääntöä voidaan havainnollistaa myös viereisellä puudiagrammilla. Yhdistetyn tapahtuman A A c = S todennäköisyys on puutodennäköisyyksien yhteenlaskusäännön nojalla Pr(S) = Pr(A) + Pr(A c ) = 1 L Pr(A) Pr(A c ) A A c TKK (c) Ilkka Mellin (2005) 27

Yleinen tulosääntö 1/2 Olkoot A S ja S otosavaruuden S tapahtumia. Yleisen tulosäännön mukaan Pr(A ) = Pr(A)Pr( A) Sääntöä voidaan havainnollistaa viereisellä Venndiagrammilla. TKK (c) Ilkka Mellin (2005) 28

Yleinen tulosääntö 2/2 Sääntöä voidaan havainnollistaa myös viereisellä puudiagrammilla. Yhdistetyn tapahtuman A = Ajasattuu todennäköisyys on puutodennäköisyyksien tulosäännön nojalla Pr(A ) = Pr(A)Pr( A) Pr(A) Pr( A) L A TKK (c) Ilkka Mellin (2005) 29

Tulosääntö riippumattomille tapahtumille Olkoot A S ja S otosavaruuden S riippumattomia tapahtumia. Koska tällöin Pr( A) = Pr() yhdistetyn tapahtuman A = Ajasattuu todennäköisyys on puutodennäköisyyksien tulosäännön nojalla Pr(A ) = Pr(A)Pr() Pr(A) Pr() L A TKK (c) Ilkka Mellin (2005) 30

Yleinen yhteenlaskusääntö 1/8 Olkoot A S ja S otosavaruuden S tapahtumia. Yleisen yhteenlaskusäännön mukaan Pr(A ) = Pr(A) + Pr() Pr(A ) Sääntöä voidaan havainnollistaa viereisellä Venndiagrammilla. TKK (c) Ilkka Mellin (2005) 31

Yleinen yhteenlaskusääntö 2/8 Yleisen yhteenlaskusäännön todistus voidaan perustaa siihen, että joukot A A\ = A c \A = A c muodostavat joukon A osituksen, sekä yhtälöihin (A\) (A ) = A (A\) (A ) = (\A) (A ) = (\A) (A ) = TKK (c) Ilkka Mellin (2005) 32

Yleinen yhteenlaskusääntö 3/8 Toisensa poissulkevien tapahtumien yhteenlaskusäännön nojalla Pr(A) = Pr(A\) + Pr(A ) Pr() = Pr(\A) + Pr(A ) TKK (c) Ilkka Mellin (2005) 33

Yleinen yhteenlaskusääntö 4/8 Edellisen kalvon yhtälöiden ja toisensa poissulkevien tapahtumien yhteenlaskusäännön nojalla Pr(A ) = Pr(A\) + Pr(\A) + Pr(A ) = Pr(A\) + Pr(A ) + Pr(\A) + Pr(A ) Pr(A ) = Pr(A) + Pr() Pr(A ) TKK (c) Ilkka Mellin (2005) 34

Yleinen yhteenlaskusääntö 5/8 Yleistä yhteenlaskusääntöä voidaan havainnollistaa myös viereisellä puudiagrammilla. Yhdistettyä tapahtumaa A = Atai sattuu vastaa reitit 1, 2 ja 3 yhdistämällä saatava tapahtuma, koska niissä A sattuu tai sattuu tai molemmat sattuvat. A Pr( A) L Pr(A) Pr(A c ) c A c Pr( c A) Pr( A c ) Pr( c A c ) c 1 2 3 4 TKK (c) Ilkka Mellin (2005) 35

Yleinen yhteenlaskusääntö 6/8 Reittien 1, 2 ja 3 todennäköisyyksiksi saadaan puutodennäköisyyksien tulosääntöä soveltamalla: Pr(Reitti 1) = Pr(A)Pr( A) Pr(Reitti 2) = Pr(A)Pr( c A) Pr(Reitti 3) = Pr(A c )Pr( A c ) A Pr( A) L Pr(A) Pr(A c ) c A c Pr( c A) Pr( A c ) Pr( c A c ) c 1 2 3 4 TKK (c) Ilkka Mellin (2005) 36

Yleinen yhteenlaskusääntö 7/8 Soveltamalla puutodennäköisyyksien yhteenlaskusääntöä saadaan: Pr(A ) = Pr(Reitti 1 tai Reitti 2 tai Reitti 3) = Pr(A)Pr( A) + Pr(A)Pr( c A) + Pr(A c )Pr( A c ) A Pr( A) L Pr(A) Pr(A c ) c A c Pr( c A) Pr( A c ) Pr( c A c ) c 1 2 3 4 TKK (c) Ilkka Mellin (2005) 37

Yleinen yhteenlaskusääntö 8/8 Ehdollisen todennäköisyyden määritelmästä ja kalvon 3/8 kaavoista seuraa: Pr(A ) = Pr(A)Pr( A) + Pr(A)Pr( c A) + Pr(A c )Pr( A c ) = Pr(A ) + Pr(A c ) + Pr(A c ) = Pr(A) + Pr() Pr(A ) A Pr( A) L Pr(A) Pr(A c ) c A c Pr( c A) Pr( A c ) Pr( c A c ) c 1 2 3 4 TKK (c) Ilkka Mellin (2005) 38

Yhteenlaskusääntö toisensa poissulkeville tapahtumille 1/6 Olkoot A S ja S otosavaruuden S toisensa poissulkevia tapahtumia. Tällöin A = ja Pr(A ) = 0 Siten Pr(A ) = Pr(A) + Pr() Sääntöä voidaan havainnollistaa viereisellä Venndiagrammilla. A S TKK (c) Ilkka Mellin (2005) 39

Yhteenlaskusääntö toisensa poissulkeville tapahtumille 2/6 Toisensa poissulkevien tapahtumien yhteenlaskusääntöä voidaan havainnollistaa myös viereisellä puudiagrammilla. Yhdistettyä tapahtumaa A = Atai sattuu vastaa reitit 2 ja 3 yhdistämällä saatava tapahtuma, koska niissä A sattuu tai sattuu, mutta eivät molemmat. A Pr( A) L Pr(A) Pr(A c ) c A c Pr( c A) Pr( A c ) Pr( c A c ) c 1 2 3 4 TKK (c) Ilkka Mellin (2005) 40

Yhteenlaskusääntö toisensa poissulkeville tapahtumille 3/6 Reittien 2 ja 3 todennäköisyyksiksi saadaan puutodennäköisyyksien tulosääntöä soveltamalla: Pr(Reitti 2) = Pr(A)Pr( c A) Pr(Reitti 3) = Pr(A c )Pr( A c ) Pr( A) L Pr(A) Pr(A c ) A Pr( c A) A c Pr( A c ) Pr( c A c ) c c 1 2 3 4 TKK (c) Ilkka Mellin (2005) 41

Yhteenlaskusääntö toisensa poissulkeville tapahtumille 4/6 Soveltamalla puutodennäköisyyksien yhteenlaskusääntöä saadaan: Pr(A ) = Pr(Reitti 2 tai Reitti 3) = Pr(A)Pr( c A) + Pr(A c )Pr( A c ) Pr( A) L Pr(A) Pr(A c ) A Pr( c A) A c Pr( A c ) Pr( c A c ) c c 1 2 3 4 TKK (c) Ilkka Mellin (2005) 42

Yhteenlaskusääntö toisensa poissulkeville tapahtumille 5/6 Koska A ja ovat toisensa poissulkevia tapahtumia, ehdollisen todennäköisyyden määritelmästä ja aikaisemmin esitetyistä kaavoista seuraa: Pr(A ) = Pr(A)Pr( c A) + Pr(A c )Pr( A c ) = Pr(A c ) + Pr(A c ) = Pr(A) + Pr() A Pr( A) L Pr(A) Pr(A c ) c A c Pr( c A) Pr( A c ) Pr( c A c ) c 1 2 3 4 TKK (c) Ilkka Mellin (2005) 43

Yhteenlaskusääntö toisensa poissulkeville tapahtumille 6/6 Koska A ja ovat toisensa poissulkevia, Pr(A ) = 0 Siten Pr( A) = Pr(A )/Pr(A) = 0 Reitin 1 todennäköisyydeksi saadaan siis Pr(Reitti 1) = Pr(A)Pr( A) = 0 kuten pitääkin. A Pr( A) L Pr(A) Pr(A c ) c A c Pr( c A) Pr( A c ) Pr( c A c ) c 1 2 3 4 TKK (c) Ilkka Mellin (2005) 44

Erotustapahtuman todennäköisyys 1/4 Olkoot A S ja S otosavaruuden S tapahtumia. Erotustapahtuman A\ = A c todennäköisyys on Pr(A\) = Pr(A c ) = Pr(A) Pr(A ) Sääntöä voidaan havainnollistaa viereisellä Venndiagrammilla. TKK (c) Ilkka Mellin (2005) 45

Erotustapahtuman todennäköisyys 2/4 Sääntöä voidaan havainnollistaa myös viereisellä puudiagrammilla. Erotustapahtumaa A\ = A sattuu, mutta ei vastaa reitti 2. Pr( A) L Pr(A) Pr(A c ) A Pr( c A) A c Pr( A c ) Pr( c A c ) c c 1 2 3 4 TKK (c) Ilkka Mellin (2005) 46

Erotustapahtuman todennäköisyys 3/4 Reitin 2 todennäköisyys on puutodennäköisyyksien L tulosäännön ja ehdollisen todennäköisyyden määritelmän perusteella Pr(A)Pr( c A) = Pr(A c ) Pr(A) A Pr(A c ) A c Pr( A) Pr( c A) Pr( A c ) Pr( c A c ) c c 1 2 3 4 TKK (c) Ilkka Mellin (2005) 47

Erotustapahtuman todennäköisyys 4/4 Koska (A c ) (A ) = A (A c ) (A ) = saadaan Pr(A) = Pr(A c ) + Pr(A ) Siten Pr(A\) = Pr(A c ) = Pr(A)Pr( c A) = Pr(A) Pr(A ) A Pr( A) L Pr(A) Pr(A c ) c A c Pr( c A) Pr( A c ) Pr( c A c ) c 1 2 3 4 TKK (c) Ilkka Mellin (2005) 48

Kokonaistodennäköisyyden kaava 1/7 Olkoot A S ja S otosavaruuden S tapahtumia. Olkoot lisäksi joukko A ja sen komplementti A c epätyhjiä. Kokonaistodennäköisyyden kaavan mukaan: Pr() = Pr(A)Pr( A) + Pr(A c )Pr( A c ) Kaava on hyödyllinen tilanteessa, jossa todennäköisyys Pr(A) ja ehdolliset todennäköisyydet Pr( A) ja Pr( A c ) tunnetaan. TKK (c) Ilkka Mellin (2005) 49

Kokonaistodennäköisyyden kaava 2/7 Kokonaistodennäköisyyden kaavan todistus perustuu siihen, että tapahtuma A ja sen komplementtitapahtuma A c muodostavat otosavaruuden S osituksen: (i) A ja A c (ii) A A c = (iii) S = A A c Otosavaruuden S ositus {A, A c } indusoi osituksen { A, A c } tapahtumaan : (i) A tai A c (ii) ( A) ( A c ) = (iii) = ( A) ( A c ) TKK (c) Ilkka Mellin (2005) 50

Kokonaistodennäköisyyden kaava 3/7 Toisensa poissulkevien tapahtumien yhteenlaskusäännön mukaan: Pr() = Pr( A) + Pr( A c ) (1) Yleisen tulosäännön mukaan: Pr( A) = Pr(A)Pr( A) (2) Pr( A c )= Pr(A c )Pr( A c ) (3) Sijoittamalla lausekkeet (2) ja (3) kaavaan (1) saadaan kokonaistodennäköisyyden kaava Pr() = Pr(A)Pr( A) + Pr(A c )Pr( A c ) Kaavaa voidaan havainnollistaa seuraavan kalvon Venndiagrammilla. TKK (c) Ilkka Mellin (2005) 51

Kokonaistodennäköisyyden kaava 4/7 A A c A A c S TKK (c) Ilkka Mellin (2005) 52

Kokonaistodennäköisyyden kaava 5/7 Kokonaistodennäköisyyden kaavaa voidaan havainnollistaa myös viereisellä puudiagrammilla. Tapahtumaa = sattuu vastaa reitit 1 ja 3 yhdistämällä saatava tapahtuma. A Pr( A) L Pr(A) Pr(A c ) c A c Pr( c A) Pr( A c ) Pr( c A c ) c 1 2 3 4 TKK (c) Ilkka Mellin (2005) 53

Kokonaistodennäköisyyden kaava 6/7 Reittien 1 ja 3 todennäköisyyksiksi saadaan puutodennäköisyyksien tulosääntöä soveltamalla: Pr(Reitti 1) = Pr(A)Pr( A) Pr(Reitti 3) = Pr(A c )Pr( A c ) Pr( A) L Pr(A) Pr(A c ) A Pr( c A) A c Pr( A c ) Pr( c A c ) c c 1 2 3 4 TKK (c) Ilkka Mellin (2005) 54

Kokonaistodennäköisyyden kaava 7/7 Soveltamalla puutodennäköisyyksien yhteenlaskusääntöä saadaan: Pr() = Pr(Reitti 1 tai Reitti 3) = Pr(A)Pr( A) + Pr(A c )Pr( A c ) Pr( A) L Pr(A) Pr(A c ) A Pr( c A) A c Pr( A c ) Pr( c A c ) c c 1 2 3 4 TKK (c) Ilkka Mellin (2005) 55