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

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

Mat Sovellettu todennäköisyyslasku A. Diskreetit jakaumat Jatkuvat jakaumat. Avainsanat:

Aritmeettinen jono

Tilastollinen todennäköisyys

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

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

4. Todennäköisyyslaskennan kertausta

Johda jakauman momenttiemäfunktio ja sen avulla jakauman odotusarvo ja varianssi.

Tilastollinen päättely II, kevät 2017 Harjoitus 3B

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

Mat Sovellettu todennäköisyyslaskenta B 5. harjoitukset / Ratkaisut Aiheet: Jatkuvia jakaumia Avainsanat: Jatkuvia jakaumia

Mat Sovellettu todennäköisyyslasku A

Tehtävä 1. Voidaanko seuraavat luvut esittää kahden neliön summina? Jos voidaan, niin kuinka monella eri tavalla? (i) n = 145 (ii) n = 770.

Matematiikan tukikurssi

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

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

Tehtäviä neliöiden ei-negatiivisuudesta

Ehdollinen todennäköisyys

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

Matematiikan tukikurssi

MATP153 Approbatur 1B Harjoitus 1, ratkaisut Maanantai

EX1 EX 2 EX =

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

Todennäköisyyslaskenta: Todennäköisyysjakaumia

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

Todennäköisyys, että yhden minuutin aikana saapuu 2 4 autoa.

3.9. Mallintaminen lukujonojen avulla harjoituksia

1 Eksponenttifunktion määritelmä

3 Lukujonot matemaattisena mallina

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

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

Matematiikan tukikurssi

811312A Tietorakenteet ja algoritmit , Harjoitus 1 ratkaisu

Matematiikan tukikurssi. Kertausta 1. välikokeeseen. Tehtävät

Harjoitustehtävien ratkaisuja

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

Markov-ketjun hetkittäinen käyttäytyminen

8. laskuharjoituskierros, vko 11, ratkaisut

Osa 2: Satunnaismuuttujat ja todennäköisyysjakaumat Konvergenssikäsitteet ja raja arvolauseet

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

Tilastollinen päättömyys, kevät 2017 Harjoitus 6A

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

Todennäköisyyslaskenta I. Heikki Ruskeepää

1. Valitaan tilanteeseen sopiva stokastinen malli. 2. Sovitetaan malli havaittuun dataan (estimoidaan mallin parametrit).

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

Osa 2: Otokset, otosjakaumat ja estimointi

Tilastolliset luottamusvälit

2.5. Eksponenttifunktio ja eksponenttiyhtälöt

Suotuisien tapahtumien lukumäärä Kaikki alkeistapahtumien lukumäärä

Luento 7 Luotettavuus Koherentit järjestelmät

Tilastollinen päättömyys, kevät 2017 Harjoitus 5b

MATEMATIIKAN JA TILASTOTIETEEN LAITOS

Luento 6 Luotettavuus Koherentit järjestelmät

4.3 Signaalin autokorrelaatio

3 10 ei ole rationaaliluku.

Kertaa tarvittaessa induktiota ja rekursiota koskevia tietoja.

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

3.6. Geometrisen summan sovelluksia

Analyysi A. Harjoitustehtäviä lukuun 1 / kevät 2018

Todennäköisyyslaskennan ja tilastotieteen peruskurssi Esimerkkikokoelma 2

tilavuudessa dr dk hetkellä t olevien elektronien

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

MS-A0501 Todennäköisyyslaskennan ja tilastotieteen peruskurssi

Satunnaismuuttujien muunnokset ja niiden jakaumat. Satunnaismuuttujien muunnokset ja niiden jakaumat

Markov-ketjun hetkittäinen käyttäytyminen

ja läpäisyaika lasketaan (esim) integraalilla (5.3.1), missä nyt reitti s on z-akselilla:

Päähakemisto Tehtävien ratkaisut -hakemisto Vuosi Indeksi , ,7. a) Jakamalla 1, ,76 %. c) Jakamalla 0,92802

Päähakemisto Tehtävien ratkaisut -hakemisto Vuosi Indeksi , ,8. a) Jakamalla 110,8 1,05423 saadaan inflaatioprosentiksi noin

Lasketaan kullekin a euron maksuerälle erikseen, kuinka suureksi erä on n vuodessa kasvanut:

6.1 Riippumattomat satunnaismuuttujat

Otantajakauman käyttö päättelyssä

Epäyhtälöoppia matematiikkaolympialaisten tehtäviin

811312A Tietorakenteet ja algoritmit, , Harjoitus 4, Ratkaisu

4 KORKEAMMAN KERTALUVUN LINEAARISET DIFFERENTIAALIYHTÄLÖT. Kertaluvun n lineaarinen differentiaaliyhtälö ns. standardimuodossa on

n = 100 x = %:n luottamusväli µ:lle Vastaus:

2 avulla. Derivaatta on nolla, kun. g( 3) = ( 3) 2 ( 3) 5 ( 3) + 6 ( 3) = 72 > 0. x =

Otantajakauma. Otantajakauman käyttö päättelyssä. Otantajakauman käyttö päättelyssä

Estimaattori, Estimointi, Mediaani, Moodi, Odotusarvo, Parametri, Posteriorijakauma, Tunnusluku

j = I A = 108 A m 2. (1) u kg m m 3, (2) v =

MS-A0502 Todennäköisyyslaskennan ja tilastotieteen peruskurssi Luennot, osa II

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

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

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

Sisältö. Kvantitatiivinen metodologia verkossa. Monitasomallintaminen. Monitasomallit. Regressiomalli dummy-muuttujilla.

Tekijä Pitkä Matematiikka 11 ratkaisut luku 3

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

Solmu 3/ toteutuu kaikilla u,v I ja λ ]0,1[. Se on aidosti konveksi, jos. f ( λu+(1 λ)v ) < λf(u)+(1 λ)f(v) (2)

xe y = ye x e y + xe y y = y e x + e x y xe y y y e x = ye x e y y (xe y e x ) = ye x e y y = yex e y xe y e x = x 3 + x 2 16x + 64 = D(x)

Noora Nieminen. Hölderin epäyhtälö

Määritä seuraavien suodattimien impulssivasteet ja tutki, ovatko ne kausaaleja:

dx = d dψ dx ) + eikx (ik du u + 2ike e ikx u i ike ikx u + e udx

Diskreettejä jakaumia. Diskreettejä jakaumia. Diskreettejä jakaumia Mitä opimme? 2/3. Diskreettejä jakaumia Mitä opimme? 1/3

Lataa ilmaiseksi mafyvalmennus.fi/mafynetti. Valmistaudu pitkän- tai lyhyen matematiikan kirjoituksiin ilmaiseksi Mafynetti-ohjelmalla!

4.1. Olkoon X mielivaltainen positiivinen satunnaismuuttuja, jonka odotusarvo on

Tehtävä 1. Etsi Neperin luvulle e vaihtoehtoisia esitysmuotoja joko suppenevia lukujonoja tai päättymättömiä summia eli sarjamuotoja.

MATA172 Sami Yrjänheikki Harjoitus Totta vai Tarua? Lyhyt perustelu tai vastaesimerkki!

MAT Todennäköisyyslaskenta Tentti / Kimmo Vattulainen

Transkriptio:

Todeäköisyyslasketa I, kesä 207 Helsigi yliopisto/avoi yliopisto Harjoitus 3, ratkaisuehdotuksia. Aikaisemma viiko teemaa. Edessäsi o kaksi laatikkoa A ja B. Laatikossa A o 8 palloa, joista puolet valkoisia. Laatikossa B o 2 palloa, joista puolet o valkoisia. Valitset laatiko satuaisesti site, että laatikko A tulee valituksi t:llä 3/4. Valitusta laatikosta poimit umpimähkää kaksi palloa ilma takaisipaoa. (a) Laske ehdollie t saada täsmällee valkoie pallo, jos laatikko o A. (b) Laske ehdollie t saada täsmällee valkoie pallo, jos laatikko o B. (c) Laske t saada täsmällee valkoie pallo. (d) Jos saat valkoise pallo, mikä o tällöi t, että valitsit laatiko A? Merkitää Y saadaa täsmällee valkoie pallo ja A valittii laatikko A. Nyt tapahtuma A komplemetti eli A C tarkoittaa, että valittii laatikko B. (a) Laatiko A kahdeksasta pallosta poimitaa kaksi ilma takaisipaoa. Laatiko palloista eljä o valkoisia. Kysytty todeäköisyys o ( 4 )( 4 P (Y A) ( ) 8 2) 4 7 0.57. (b) Samoi kui (a)-kohdassa, saadaa P (Y A C ) ( 6 )( 6 ( ) 2 ) 6 0.545. 2 (c) Kokoaistodeäköisyyde kaavalla saadaa P (Y ) P (A)P (Y A) + P (A C )P (Y A C ) 3 4 4 7 + 4 6 87 54 0.565. (d) Bayesi kaavalla saadaa P (A Y ) P (A)P (Y A) P (Y ) 3 4 4 7 87 54 22 29 0.759. 2. Kolme opa heitto ja edellee tuttuje tilateide hahmottamie satuaismuuttujie avulla. (a) Noppaa heitetää kolme kertaa, ja X o satuaismuuttuja, joka saa arvoksee suurimma tuloksista. Määritä todeäköisyys P (X 5). Vihje: Voit joko tarkastella kaikkia 26:ta alkeistapausta (työlästä mutta suoraviivaista), tai voit tarkastella tapahtumaa toistokokeea: oko jokaie heitto eitää eloe? (b) Määritä todeäköisyys P (X k) kaikille k,..., 6. (Olet yt saaut selville X: kertymäfuktio.)

(c) Määritä pistetodeäköisyys P (X k) kaikille k,..., 6. (Vihje: tarkastele kertymäfuktio arvoja peräkkäisillä kokoaisluvuilla.) (a) Satuaismuuttuja X saa arvoksee korkeitaa luvu viisi silloi, ku. heito tulos o korkeitaa viisi ja 2. heito tulos o korkeitaa viisi ja 3. heito tulos o korkeitaa viisi. Koska heittoje tulokset ovat riippumattomia, ii kysytyksi todeäköisyydeksi saadaa (b) Arvoilla k,..., 6 todeäköisyys P (X 5) 5 6 5 6 5 6 53 6 3 25 26 0.579. P (X k) k 6 k 6 k 6 k3 26. (c) Huomataa, että (b)-kohda kaava pätee myös arvolla k 0, sillä P (X 0) 0 03 26. Koska kaikilla k,..., 6 pätee P (X k) P (X k ) + P (X k) (erilliste tapahtumie yhdiste), ii pistetodeäköisyys P (X k) P (X k) P (X k ) k3 (k )3 26 26 k3 (k ) 3 26 3. Soveltava tilae äärettömässä perusjoukossa Herrat A ja B heittävät vuorotelle kolikkoa, järjestyksessä ABABAB... Se voittaa, joka heittää esi kruua, ja tällöi peli päättyy. Mikä o todeäköisyys, että pelissä heitetää k klaavaa? Laske todeäköisyys, että A voittaa. Vihje: A voittaa, jos esimmäie kruua tulee koko pelissä. heitolla, 3. heitolla, 5. heitolla tai millä tahasa parittoma umeroisella heitolla. Esitä A: voittotodeäköisyys geometrisea sarjaa ja laske se arvo. Ku katsomme vai heitettyje kolikoide jooa (emmekä välitä siitä, kuka heittää), huomaamme, että kyseessä o rajato toistokoe oistumist:llä p 2. Turhie yrityste eli klaavoje määrä o satuaismuuttuja X, jolla o geometrie jakauma parametrilla p 2. Merkitää q p 2. Todeäköisyys, että pelissä heitetää täsmällee k klaavaa, o ( ) k+ P (X k) pq k 2 Herra A voittaa täsmällee silloi, ku X o parillie, ts. X 0 tai X 2 je. Tämä t:ksi saadaa täysadditiivisuude ojalla P (A voittaa) P (X 0) + P (X 2) + P (X 4) +... p + pq 2 + pq 4 +... Kyseessä o geometrie sarja, joka esimmäie termi o p, ja peräkkäiste termie suhde o q 2 /4. Sarja summa o siis Siis P (A voittaa) 2 3. p q 2 2 2 3. 4 4. Satuaismuuttujie soveltamista (Tuomie 2:5). Hekilö hamuilee avaiippuaa ulkoovella. Nipussa o avaita, joista yksi sopii ovee. Olkoo X se kerra järjestysluku, jolla ovi aukeaa. Laske X: pistetodeäköisyysfuktio ja kertymäfuktio olettae, että. 2

(a) muistaa mitä avaimia hä o turhaa yrittäyt, ja joka kokeilulla valitsee kokeiltava avaime umpimähkää iistä, joita ei ole vielä kokeiltu, (b) ei muista mitä avaimia hä o turhaa yrittäyt, vaa valitsee joka kerta avaime umpimähkää kaikista :stä avaimesta. Merkitää O i valitaa oikea avai i:ellä yrityksellä ja V i valitaa väärä avai i:ellä yrityksellä. jjj (a) X: pistetodeäköisyysfuktio arvo f(k) eli tapahtuma {X k} (ovi aukeaa k:ella yrityksellä) todeäköisyys, ku k, 2,...,, o f(k) P (X k) P (V ) P (V 2 )... P (V k ) P (O k ) 2 (k )... (k 2) (k ). Vastaavasti X: kertymäfuktio arvo F (k) eli tapahtuma {X k} todeäköisyys, ku k, 2,...,, o F (k) P (X k) P (X ) + P (X 2) +... + P (X k) + +... + k. (b) X: pistetodeäköisyysfuktio arvo f(k) eli tapahtuma {X k} (ovi aukeaa k:ella yrityksellä) todeäköisyys, ku k, 2,..., o f(k) P (X k) P (V ) P (V 2 )... P (V k ) P (O k ) ( ) ( ) (... ( ) k. ) Vastaavasti X: kertymäfuktio arvo F (k) eli tapahtuma {X k} todeäköisyys, ku k, 2,..., o F (k) P (X k) P (X ) + P (X 2) +... + P (X k) + ( ) + ( ) 2 +... + ( ) k ( ( ) ( ) k. ) k 5. Klassikko. Toistokoe vai satuaismuuttuja? (Vrt. Tuomie 2:8) Letoyhtiö tietää kokemuksesta, että keskimääri 5 % paika varaeista jää saapumatta leolle. Letoyhtiö 3

tekee vielä rohkea oletukse, että jokaie matkustaja muista matkustajista riippumatta jää saapumatta t:llä 0.05. Yhtiö myy 255 lippua koeesee, joho mahtuu 250 matkustajaa. Millä t:llä jokaie koeesee saapuva saa paika? (Vihje: Komplemettitapahtuma voi lyhetää laskuja.) Kyseessä o toistokoe: 255 matkustajasta kuki jää saapumatta t:llä p 0.05 (kutsumme tätä oistumiseksi), ja saapuu t:llä p 0.95. Merkitää oistumiste (ts. pois jääeide matkustajie) lukumäärää satuaismuuttujalla X, jolloi X Bi(, p). Kaikki saapueet saavat paika, jos vähitää 5 jää saapumatta, ts. jos X 5. Lasketaa tämä tapahtuma todeäköisyys. P (X 5) P (X < 5) 4 P (X k) k0 4 ( ) 255 0.05 k 0.95 255 k k k0 0.9962. Tehtävässä o oltava tarkkaa epäyhtälöide kassa. Tapahtuma {X 5} komplemetti o tapahtuma {X < 5} eli {X 4}, koska X saa vai kokoaislukuarvoja. Ilma komplemettisäätöä (luetomateriaali lause.3.(ii)) olisi voitu laskea työläämmi P (X 5) P (X 5)+P (X 6)+P (X 7)+...+P (X 254)+P (X 255), jolloi olisi pitäyt laskea 25 termiä. Tulos olisi kyllä sama. 6. Jatkuva jakauma esimerkit ovat luoollisia aloittaa tasajakaumalla. Jua pitäisi saapua Helsikii kello 0.00. Se kuiteki myöhästyy aja X (miuuttia), jolla o tasaie jakauma yli väli (.0, 2.5). Negatiivie myöhästymie tarkoittaa etuajassa saapumista. Laske t, että jua saapuu (a) aikataulu mukaisee aikaa (0.00) meessä, (b) välillä 0.00 0.02, (c) yli 2 miuuttia myöhässä. Tarkastelemme väliä (.0, 2.5), jolle osuu jua myöhästymise määrä miuutteia. Koska kyseessä o tasajaukauma, keskeää yhtäpitkät välit ovat yhtä todeäköisiä, ja tiheys o vakio, ts. sama kaikkialla tällä välillä. (a) Halutaa laskea t, että jua ei myöhästy, eli että jua saapuu välillä (, 0), ts. P (X 0) 0 ( ) 2.5 ( ) 3.5 (b) Halutaa laskea t, että jua saapuu välillä (0, 2), ts. P (0 X 2) P (X 2) P (X 0) 4 2 ( ) 2.5 ( ) 3.5 2 3.5

(c) Halutaa laskea t, että jua saapuu välillä (2, 2.5), ts. P (2 X 2.5) P (X 2.5) P (X 2) 2.5 ( ) 2.5 ( ) 2 ( ) 2.5 ( ) 0.5 3.5 7. Lisää klassikoita. Herra K odottaa raitiovauua. Raitiovauut kulkevat tasa 0 miuuti välei ja K tulee pysäkille satuaisee aikaa, jote häe odotusaikasa miuutteia o X Tas(0, 0). (a) Herra K o juuri saapuut pysäkille. Mikä o t, että raitiovauu saapuu seuraava miuuti aikaa? (b) Herra K o odottaut jo 5 miuuttia, ts. hä o havaiut, että X ei ollut pieempi kui 5. Mikä o t, että raitiovauu saapuu seuraava miuuti aikaa? (Vihje: Ehdollie todeäköisyys.) (c) Kute b-kohta, mutta herra K o odottaut jo 9.5 miuuttia. a) P (X ) 0 0 0 0. b) P ({5 X 6} {X 5}) P (5 X 6 X 5) P (X 5) P (5 X 6) P (X 5) P (X 6) P (X 5) P (X 5) 6 0 5 0 5 0 5. c) P ({9.5 X 0.5} {X 9.5}) P (9.5 X 0.5 X 9.5) P (9.5 X 0.5) 8. Tiheysfuktio, kertymäfuktio ja iide soveltamie. Olkoo erää kompoeti kestoaika (vuosia) jatkuva satuaismuuttuja X Exp(2). 5

(a) Laske todeäköisyys, että kompoetti hajoaa esimmäise vuode aikaa, ts. välillä (0, ). (b) Muodosta yleie lauseke todeäköisyydelle, että kompoetti hajoaa välillä (k, k+), ts. k + :e vuode aikaa. (c) Olkoo Y diskreetti satuaismuuttuja, joka kertoo, motako kokoaista vuotta kompoetti kesti, ts. jos kompoetti esim. hajoaa hetkellä X.5, ii silloi Y. Mitkä ovat Y : mahdolliset arvot ja iide pistetodeäköisyydet? (d) Osoita, että Y : jakauma o eräs geometrie jakauma eräällä parametrilla p. Laske p: arvo. Ku X Exp(2), ii X: kertymäfuktio o F (x) e 2x. (a) P (0 X ) P (X ) F () e 2 0.86 (b) P (k X k + ) P (X k + ) P (X k) F (k + ) F (k) e 2(k+) ( e 2k ) e 2k e 2(k+) (c) Y : mahdolliset arvot ovat 0,, 2, 3,... eli kaikki ei-egatiiviset kokoaisluvut. P (Y k) P (k X < k + ), mikä (b)-kohda perusteella o e 2k e 2(k+) (d) P (Y k) P (k X < k + ) e 2k e 2(k+) e 2k ( e 2 ) (e 2 ) k ( e 2 ) ( ( e 2 )) k ( e 2 ) Koska Y : pistetodeäköisyysfuktio o P (Y k) ( ( e 2 )) k ( e 2 ), oudattaa se geometrista jakaumaa parametrilla p ( e 2 ). 9. Jakauma tuistamie reaalimaailma tilateesta. Kalle ajaa autoa maatiellä. Tuulilasii osuu kiviä satuaisesti, keskimääri yksi kivi 00 kilometrillä. 6

(a) Olkoo X se matka, joka kuluttua tuulilasii osuu kivi esimmäise kerra. Millä jakaumalla X:ää voidaa mallitaa? (Vihje: Koska X voi olla mikä tahasa positiivie reaaliluku, kyseessä täytyee olla joki jatkuva jakauma.) (b) Laske X: jakauma avulla P (X 200), ts. todeäköisyys että esimmäie kiveiskemä tulee jo esimmäiste 200 kilometri aikaa. (c) Olkoo Y kiveiskemie lukumäärä, ku Kalle ajaa 200 kilometriä. Mikä o Y : jakauma? (Vihje: Koska Y o ilmeisestiki joki ei-egatiivie kokoaisluku, jakauma täytyy olla diskreetti.) (d) Laske Y : jakauma avulla P (Y > 0), ts. todeäköisyys että esimmäisillä 200 kilometrillä tulee aiaki yksi kiveiskemä. Vertaa b-kohda tuloksee. (a) Tilae o matemaattisesti samakaltaie kui Tuomise s. 59 esitetyssä kuvitellussa laitteessa, joka o hetkellä t 0 kuossa, mutta voi rikkoutua milloi tahasa (vrt. kivi voi osua tuulilasii milloi tahasa). Sopiva malli kuluvalle matkalle o ekspoettijakauma. Ekspoettijakauma parametri λ vastaa riskiä tapahtuma toteutumiselle matka (tai aja) yksikköä kohti, jote tässä se olisi λ /00 (mikäli matka yksikkö o kilometri). Siis X Exp(/00). (b) Ekspoettijakauma kertymäfuktiota käyttäe saamme: P (X 200) e 00 200 e 2 0.86 (c) Ajatellaa tilae toistokokeea, jossa kive osumie tuulilasii o "harviaie tapahtuma suuressa populaatiossa". 200 kilometri matka voi jaka lyhyisii osaväleihi, esim. 200:aa kilometri pituisee välii, joista kussaki kivi osuu tuulilasii todeäköisyydellä /00. Tällöi olisi Y Bi(200, 00 ). Lyhetämällä osavälejä rajatta päädytää raja-arvoa Poisso-jakaumaa parametrilla p 200 (/00) 2, vrt. kirja huomautus 2..7. Siis Y Poisso(2). (d) Poisso-jakauma kertymäfuktiota ja komplemettisäätöä käyttäe saamme: P (Y > 0) P (Y 0) 20 e 2 0! e 2 0.86 Todeäköisyys o sama kui b-kohdassa, kute pitäisiki, sillä kyseessä o sama tapahtuma hiuka eri saoi kuvattua. 7