Sovellettu todennäköisyyslaskenta B

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

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

Liite 2: Verkot ja todennäköisyyslaskenta. Todennäköisyyslaskenta ja puudiagrammit

Johdatus todennäköisyyslaskentaan Todennäköisyyslaskenta ja puudiagrammit. 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

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

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

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

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

Sovellettu todennäköisyyslaskenta B

Liite 2: Verkot ja todennäköisyyslaskenta

ABHELSINKI UNIVERSITY OF TECHNOLOGY

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

Varma tapahtuma, Yhdiste, Yhdistetty tapahtuma, Yhteenlaskusääntö

Mat Sovellettu todennäköisyyslasku A

Osa 1: Todennäköisyys ja sen laskusäännöt

MS-A0501 Todennäköisyyslaskennan ja tilastotieteen peruskurssi

Osa 1: Todennäköisyys ja sen laskusäännöt. Todennäköisyyden peruslaskusäännöt

Sovellettu todennäköisyyslaskenta B

Sovellettu todennäköisyyslaskenta B

031021P Tilastomatematiikka (5 op)

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

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

MS-A0501 Todennäköisyyslaskennan ja tilastotieteen peruskurssi Esimerkkikokoelma 1

Mat Sovellettu todennäköisyyslasku A

1. laskuharjoituskierros, vko 4, ratkaisut

Moniulotteisia todennäköisyysjakaumia

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

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

Todennäköisyyslaskennan peruslaskusäännöt. Todennäköisyyslaskennan peruslaskusäännöt. Todennäköisyyslaskennan peruslaskusäännöt: Esitiedot

Ilkka Mellin Todennäköisyyslaskenta Osa 3: Todennäköisyysjakaumia Moniulotteisia todennäköisyysjakaumia

(x, y) 2. heiton tulos y

Osa 1: Todennäköisyys ja sen laskusäännöt. Todennäköisyyden aksioomat

Sovellettu todennäköisyyslaskenta B

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

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

3. laskuharjoituskierros, vko 6, ratkaisut

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

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

Sovellettu todennäköisyyslaskenta B

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

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

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

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

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

MAT Todennäköisyyslaskenta Tentti / Kimmo Vattulainen

Inversio-ongelmien laskennallinen peruskurssi Luento 7

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

Todennäköisyyslaskenta: Todennäköisyys ja sen laskusäännöt

Sovellettu todennäköisyyslaskenta B

Todennäköisyyslaskenta

Lisää Diskreettejä jakaumia Lisää Jatkuvia jakaumia Normaalijakaumasta johdettuja jakaumia

Normaalijakaumasta johdettuja jakaumia

Sovellettu todennäköisyyslaskenta B

Sovellettu todennäköisyyslaskenta B

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

2. laskuharjoituskierros, vko 5, ratkaisut

Näytetään nyt relaatioon liittyvien ekvivalenssiluokkien olevan verkon G lohkojen särmäjoukkoja. Olkoon siis f verkon G jokin särmä.

Mat Sovellettu todennäköisyyslasku A. Moniulotteiset jakaumat. Avainsanat:

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

Kuinka määritellään 2 3?

Ellipsoidimenetelmä. Samuli Leppänen Kokonaislukuoptimointi. S ysteemianalyysin Laboratorio

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

Avaruuden R n aliavaruus

Lineaarikombinaatio, lineaarinen riippuvuus/riippumattomuus

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

Teema 7: Todennäköisyyksien laskentaa

Johdatus graafiteoriaan

Miten hyvin mallit kuvaavat todellisuutta? Tarvitaan havaintoja.

031021P Tilastomatematiikka (5 op)

Tehtävä 4 : 2. b a+1 (mod 3)

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

Satunnaismuuttujat ja todennäköisyysjakaumat Kertymäfunktio

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

30A02000 Tilastotieteen perusteet

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

v 8 v 9 v 5 C v 3 v 4

4.1. Olkoon X mielivaltainen positiivinen satunnaismuuttuja, jonka odotusarvo on

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

1. Tasavirta. Virtapiirin komponenttien piirrosmerkit. Virtapiiriä havainnollistetaan kytkentäkaaviolla

Laskun vaiheet ja matemaattiset mallit

c) A = pariton, B = ainakin 4. Nyt = silmäluku on5 Koska esim. P( P(A) P(B) =, eivät tapahtumat A ja B ole riippumattomia.

ABHELSINKI UNIVERSITY OF TECHNOLOGY

Alijärjestelmän mittaus ja muita epätäydellisiä mittauksia

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

P (A)P (B A). P (B) P (A B) = P (A = 0)P (B = 1 A = 0) P (B = 1) P (A = 1)P (B = 1 A = 1) P (B = 1)

1. Matkalla todennäköisyyteen

Tekijä Pitkä matematiikka b) Kuvasta nähdään, että b = i 4 j. c) Käytetään a- ja b-kohtien tuloksia ja muokataan lauseketta.

Matemaattinen tilastotiede. Erkki Liski Matematiikan, Tilastotieteen ja Filosofian Laitos Tampereen Yliopisto

Todennäköisyys (englanniksi probability)

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

MS-A0502 Todennäköisyyslaskennan ja tilastotieteen peruskurssi

Yhteistyötä sisältämätön peliteoria jatkuu

Sovellettu todennäköisyyslaskenta B

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

TODENNÄKÖISYYSLASKUN KERTAUS Peruskäsitteitä

isomeerejä yhteensä yhdeksän kappaletta.

Transkriptio:

Sovellettu todennäköisyyslaskenta B Antti Rasila 14. syyskuuta 2007 Antti Rasila () TodB 14. syyskuuta 2007 1 / 21

1 Kokonaistodennäköisyys ja Bayesin kaava Otosavaruuden ositus Kokonaistodennäköisyyden kaava Bayesin kaava 2 Puut ja verkot Puut Puudiagrammien käyttö todennäköisyyslaskennassa Puudiagrammin konstruointi Puutodennäköisyydet Systeemin toimintatodennäköisyys Toimintaverkot Antti Rasila () TodB 14. syyskuuta 2007 2 / 21

Otosavaruuden ositus Otosavaruuden S osajoukot B 1, B 2,..., B n muodostavat otosavaruuden S osituksen, jos (i) B i, i = 1, 2,..., n (ii) B i B j =, i j (iii) S = B 1 B 2 B n Huomautus. Jos tapahtumat B i muodostavat S:n osituksen, niistä täsmälleen yksi tapahtuu joka kerta, kun ko. satunnaisilmiö toistuu. Antti Rasila () TodB 14. syyskuuta 2007 3 / 21

Esimerkki 1/2 Kuvan mukaisessa tietoverkossa lähetetään testisignaali alkupisteestä 1 loppupisteeseen 2. Reititin ohjaa signaalin kuormituksesta riippuen reiteille R 1, R 2, R 3 tai R 4 vastaavasti todennäköisyydellä 12.5%, 50%, 25% ja 12.5%. Eri reiteillä koodausvirheiden todennäköisyydet ovat 2%, 5%, 3% ja 1%. Millä todennäköisyydellä tapahtuu koodausvirhe? Antti Rasila () TodB 14. syyskuuta 2007 4 / 21

Esimerkki 2/2 Merkitään A:lla tapahtumaa signaalissa tapahtuu koodausvirhe ja B i :llä signaali kulkee reittieä R i. Nyt A voidaan jakaa toisensa poissulkeviin osiin A = (A B 1 )... (A B 4 ), joten Pr(A) = Pr(A B 1 ) +... + Pr(A B 4 ). Koska Pr(A B i ) = Pr(B i )Pr(A B i ), saadaan Pr(A) = Pr(B 1 )Pr(A B 1 ) + + Pr(B 4 )Pr(A B 4 ). Todennäköisyydet yhtälön oikealla puolella ovat tunnettuja. Laskemalla saadaan: Pr(A) = 0.03625. Antti Rasila () TodB 14. syyskuuta 2007 5 / 21

Kokonaistodennäköisyyden kaava Olkoon A S. Yhteenlaskusäännön perusteella: Pr(A) = n Pr(A B i ) (1) i=1 Toisaalta yleisen tulosäännön perusteella: Pr(A B i ) = Pr(B i )Pr(A B i ) (2) Yhdistämällä kaavat (1) ja (2) saadaan kokonaistodennäköisyyden kaava: n Pr(A) = Pr(B i )Pr(A B i ) (3) i=1 Antti Rasila () TodB 14. syyskuuta 2007 6 / 21

Kokonaistodennäköisyyden kaava, huomautuksia Kokonaistodennäköisyyden kaavaan Pr(A) = n Pr(B i )Pr(A B i ) (4) i=1 liittyviä tulkintoja ja huomatuksia: Pr(A) on todennäköisyys sille, että päädytään lopputilaan A. Kaava (4) sanoo siis, että todennäköisyys Pr(A) saadaan laskemalla yhteen alkutilasta lopputilaan A välitilojen B i kautta kulkevien reittien todennäköisyydet Pr(A B i ) = Pr(B i )Pr(A B i ). Kaavasta ei ole apua, jos todennäköisyyksiä Pr(B i ) ja Pr(A B i ) ei tunneta. Jos tapahtuma A on riippumaton jokaisesta tapahtumasta B i kaavasta myöskään ei ole hyötyä. Antti Rasila () TodB 14. syyskuuta 2007 7 / 21

Bayesin kaava Ehdollisen todennäköisyyden määritelmän mukaan: Pr(B i A) = Pr(A B i) Pr(A) = Pr(B i)pr(a B i ) Pr(A) Soveltamalla nimittäjään kaavaa (4) saadaan Bayesin kaava: Pr(B i A) = Pr(B i )Pr(A B i ) n j=1 Pr(B j)pr(a B j ) Antti Rasila () TodB 14. syyskuuta 2007 8 / 21

Huomautuksia Pr(B i ) on nimeltään a priori -todennäköisyys eli ennakkokäsitys ennen tietoa A:n tapahtumisesta. Pr(B i A) on a posteriori -todennäköisyys. Samat käyttöehdot kuin kokonaistodennäköisyyden kaavalla. Jos riippuvuusehto ei päde, ei käsitys muutu uuden tiedon myötä. Antti Rasila () TodB 14. syyskuuta 2007 9 / 21

Esimerkki Tarkastellaan uudestaan aikaisempaa esimerkkiä (ks. kuva). Esimerkin signaalissa todettiin koodausvirhe. Millä todennäköisyydellä signaali on käyttänyt reittiä R 2? Ratkaistaan käyttämällä Bayesin kaavaa: Pr(B 2 A) = Pr(B 2 )Pr(A B 2 ) Pr(B 1 )Pr(A B 1 ) +... + Pr(B 4 )Pr(A B 4 ) 69.0%. Antti Rasila () TodB 14. syyskuuta 2007 10 / 21

Esimerkki (Mellin) 1/4 Pariskunta haluaa saada tytön, mutta ei halua hankkia kuin enintään neljä lasta. Tehdään seuraavat yksinkertaistavat oletukset: (i) Lapset syntyvät aina yksi kerrallaan. (ii) Syntyvän lapsen sukupuoli ei riipu aikaisemmin syntyneiden lasten sukupuolesta. (iii) Pr(Poika) = Pr(Tyttö) = 1/2. Pariskunta päättää käyttää lasten hankkimisessa seuraavaa strategiaa: (i) Lapsia hankitaan kunnes saadaan tyttö. (ii) Lapsia hankitaan enintään neljä. Jos siis syntyy neljä poikaa, strategia on epäonnistunut. Mikä on onnistumisen todennäköisyys? Antti Rasila () TodB 14. syyskuuta 2007 11 / 21

Esimerkki 2/4 Vaihtoehtoja vastaava puudiagrammi on esitetty oikealla. Vasemmanpuoleiset särmät johtavat strategian onnistumiseen. Vastaavasti oikeanpuoleiset särmät johtavat strategian epäonnistumiseen. Jokaisen särmän todennäköisyys on 1/2. Antti Rasila () TodB 14. syyskuuta 2007 12 / 21

Esimerkki 3/4 Merkitään A = strategia onnistuu, Ti = i. lapsi on tyttö, Pi = i. lapsi on poika Tapahtumat T1, T2, T3, T4 muodostavat joukon A osituksen: A = T 1 T 2 T 3 T 4, Ti Tj =, kun i j Riippumattomien tapahtumien tulosäännön perusteella: Pr(T 1) = Pr(T ) = 1/2 = Pr(P 1 ) Pr(T 2) = Pr(T P) = Pr(T )Pr(P) = 1/4 = Pr(P2) Pr(T 3) = Pr(T P2) = Pr(T )Pr(P2) = 1/8 = Pr(P3) Pr(T 4) = Pr(T P3) = Pr(T )Pr(P3) = 1/16 = Pr(P4) Antti Rasila () TodB 14. syyskuuta 2007 13 / 21

Esimerkki 4/4 Todennäköisyydet 1/2, 1/4, 1/8, 1/16 saadaan määräämällä loppupisteisiin T vievien reittien todennäköisyydet. Reittien todennäköisyydet saadaan reitin muodostavien särmien todennäköisyyksien tulona. Onnistumisen todennäköisyys 15/16 saadaan laskemalla loppupisteisiin vievien reittien todennäköisyydet yhteen. Antti Rasila () TodB 14. syyskuuta 2007 14 / 21

Verkot Verkko koostuu pisteistä, särmistä ja insidenssikuvauksesta, joka kertoo, mitkä pisteet ovat särmien yhdistämiä. Ajatellaan, että jokaisella särmällä on alkupisti ja loppupiste, joten tässä tarkasteltavat verkot ovat suunnattuja verkkoja. Pisteeestä v on reitti pisteeseen w, jos on olemassa suunnattujen särmien jono, joka vie pisteestä v pisteeseen w niin, että jokaisen särmän alkupiste on edellisen loppupiste. Reitti muodostaa silmukan, jos v = w. Verkko on yhtenäinen, jos sen pisteiden joukkoa ei voida osittaa kahdeksi epätyhjäksi joukoksi siten, että verkon jokaisen särmän alkupiste ja loppupiste kuuluvat samaan osajoukkoon. Antti Rasila () TodB 14. syyskuuta 2007 15 / 21

Puut Verkko on puu, jonka juuri on piste v 1, jos seuraavat ehdot pätevät: (i) Verkko on yhtenäinen. (ii) Verkossa ei ole silmukoita. (iii) Jos w v 1 on mielivaltainen verkon piste, pisteestä v 1 pisteeseen w pääsee täsmälleen yhtä reittiä pitkin. Antti Rasila () TodB 14. syyskuuta 2007 16 / 21

Puudiagrammien käyttö todennäköisyyslaskennassa Puudiagrammi on puun graafinen esitys. Periaatteessa jokainen alkeistodennäköisyyslaskennan laskutehtävä voidaan ratkaista käyttämällä hyväksi puudiagrammeja. Käytännössä vaaditaan seuraavaa: (i) Ilmiöllä on yksi alkutila sekä yksi tai useampia lopputiloja. (ii) Ilmiö koostuu vaihtoehtoisista tapahtumajonoista. (iii) Tapahtumajonossa eteminen on vaiheittaista. (iv) Jokaisessa vaiheessa kohdataan yksi tai useampia toisensa poissulkevia tapahtumavaihtoehtoja. Antti Rasila () TodB 14. syyskuuta 2007 17 / 21

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 tapahtumat ovat kyseisessä vaiheessa mahdollisia. (v) Liitetään jokaiseen pisteestä lähtevään särmään mahdollisia tapahtumavaihtoehtoja vastaavat todennäköisyydet. Antti Rasila () TodB 14. syyskuuta 2007 18 / 21

Puutodennäköisyydet Puutodennäköisyydellä tarkoitetaan todennäköisyyttä päästä puun alkupisteestä yhden tai useamman muun puun pisteen määräämään tapahtumaan. Mielivaltaisen puun pisteen todennäköisyys saadaa maarittämällä alkupisteestä kyseiseen pisteeseen vievän reitin todennäköisyys. Tulosääntö: Reitin todennäköisyys on reittiin kuuluvien särmien tulo. Yhteenlaskusääntö: Jos useita lopputiloja yhdistetään yhdeksi tapahtumaksi, niin yhdistetyn tapahtuman todennäköisyys on ko. tapahtumiin vievien reittien todennäköisyyksien summa. Antti Rasila () TodB 14. syyskuuta 2007 19 / 21

Systeemin toimintatodennäköisyys Kysymys: Määritä sellaisen systeemin toimintatodennäköisyys, joka koostuu komponenteista, jotka on kytketty joko sarjaan tai rinnan. Tehdään komponenteista seuraavat oletukset: (i) Jokaisen komponentin toimintatodennäköisyys tunnetaan. (ii) Jokaisen komponentin toiminta (tai toimimattomuus) on riippumatonta muiden komponenttien toiminnasta. Antti Rasila () TodB 14. syyskuuta 2007 20 / 21

Toimintaverkot Toimintaverkot koostuvat sarjaan ja rinnankytkennöistä. Merkitään: Pr( K 1 toimii ) = Pr(A 1 ) = p 1 ja Pr( K 2 toimii ) = Pr(A 2 ) = p 2. Sarjaankytkennän toimintatodennäköisyys on Pr(A 1 A 2 ) = p 1 p 2 Rinnankytkennän toimintatodennäköisyys on Pr(A 1 A 2 ) = p 1 + p 2 p 1 p 2 Antti Rasila () TodB 14. syyskuuta 2007 21 / 21