1. laskuharjoituskierros, vko 4, ratkaisut

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

(x, y) 2. heiton tulos y

Varma tapahtuma, Yhdiste, Yhdistetty tapahtuma, Yhteenlaskusääntö

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

MS-A0501 Todennäköisyyslaskennan ja tilastotieteen peruskurssi Esimerkkikokoelma 1

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. Kokonaistodennäköisyyden ja Bayesin kaavat

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

Mat Sovellettu todennäköisyyslasku A

Sovellettu todennäköisyyslaskenta B

Osa 1: Todennäköisyys ja sen laskusäännöt

ABHELSINKI UNIVERSITY OF TECHNOLOGY

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

4.1. Olkoon X mielivaltainen positiivinen satunnaismuuttuja, jonka odotusarvo on

Sovellettu todennäköisyyslaskenta B

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

MS-A0501 Todennäköisyyslaskennan ja tilastotieteen peruskurssi

Liite 2: Verkot ja todennäköisyyslaskenta. Todennäköisyyslaskenta ja puudiagrammit

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

Mat Sovellettu todennäköisyyslasku A

Mat Sovellettu todennäköisyyslasku A. Moniulotteiset jakaumat. Avainsanat:

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

Osa 1: Todennäköisyys ja sen laskusäännöt. Todennäköisyyden aksioomat

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

Miten hyvin mallit kuvaavat todellisuutta? Tarvitaan havaintoja.

Mat Sovellettu todennäköisyyslaskenta B

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

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

D ( ) E( ) E( ) 2.917

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

MAT Todennäköisyyslaskenta Tentti / Kimmo Vattulainen

Ilkka Mellin (2008) 1/5

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

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

4. laskuharjoituskierros, vko 7, ratkaisut

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

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

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

11. laskuharjoituskierros, vko 15, ratkaisut

2. laskuharjoituskierros, vko 5, ratkaisut

Todennäköisyyslaskennan peruslaskusäännöt. Todennäköisyyslaskennan peruslaskusäännöt. Todennäköisyyslaskennan peruslaskusäännöt: Esitiedot

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

Sovellettu todennäköisyyslaskenta B

Moniulotteiset satunnaismuuttujat ja jakaumat

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

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

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

Otanta ilman takaisinpanoa

Moniulotteiset satunnaismuuttujat ja todennäköisyysjakaumat. Moniulotteiset satunnaismuuttujat ja todennäköisyysjakaumat

ABHELSINKI UNIVERSITY OF TECHNOLOGY

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

MS-A0501 Todennäköisyyslaskennan ja tilastotieteen peruskurssi

MAT Todennäköisyyslaskenta Tentti / Kimmo Vattulainen

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

Kurssin puoliväli ja osan 2 teemat

Todennäköisyys (englanniksi probability)

Sovellettu todennäköisyyslaskenta B

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

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

3. laskuharjoituskierros, vko 6, ratkaisut

9 Yhteenlaskusääntö ja komplementtitapahtuma

χ = Mat Sovellettu todennäköisyyslasku 11. harjoitukset/ratkaisut

Sovellettu todennäköisyyslaskenta B

TODENNÄKÖISYYS JA TILASTOT MAA6 KERTAUS

Todennäköisyyslaskennan ja tilastotieteen peruskurssi Esimerkkikokoelma 3

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

Käytetään satunnaismuuttujaa samoin kuin tilastotieteen puolella:

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

1. Kuusisivuista noppaa heitetään, kunnes saadaan silmäluku 5 tai 6. Olkoon X niiden heittojen lukumäärä, joilla tuli 1, 2, 3 tai 4.

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

Jos nollahypoteesi pitää paikkansa on F-testisuuren jakautunut Fisherin F-jakauman mukaan

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

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

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

1. Matkalla todennäköisyyteen

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

Todennäköisyyslaskenta: Todennäköisyys ja sen laskusäännöt

Suotuisien tapahtumien lukumäärä Kaikki alkeistapahtumien lukumäärä

Mat Sovellettu todennäköisyyslasku A

Ilkka Mellin Todennäköisyyslaskenta

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

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

MAT Todennäköisyyslaskenta Tentti / Kimmo Vattulainen

1. Tässä tehtävässä päätellään kaksilapsisen perheen lapsiin liittyviä todennäköisyyksiä.

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

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

JOHDATUS TEKOÄLYYN LUENTO 4.

MS-A0501 Todennäköisyyslaskennan ja tilastotieteen peruskurssi

VALTIOTIETEELLINEN TIEDEKUNTA TILASTOTIETEEN VALINTAKOE Ratkaisut ja arvostelu < X 170

1. Kuinka monella tavalla joukon kaikki alkiot voidaan järjestää jonoksi? Tähän antaa vastauksen: tuloperiaate ja permutaatio

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

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

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

Satunnaismuuttujat ja jakaumat

Mat Sovellettu todennäköisyyslasku A

Pelaajien lukumäärä: suositus 3 4 pelaajaa; peliä voi soveltaa myös muille pelaajamäärille

Tehtäväsarja I Tehtävät 1-5 perustuvat monisteen kappaleisiin ja tehtävä 6 kappaleeseen 2.8.

MS-A0502 Todennäköisyyslaskennan ja tilastotieteen peruskurssi Luennot, osa I

MS-A0502 Todennäköisyyslaskennan ja tilastotieteen peruskurssi Luennot, osa I

Transkriptio:

1. laskuharjoituskierros, vko 4, ratkaisut D1. Heitetään kahta virheetöntä noppaa, joiden kuudella tahkolla on silmäluvut 1, 2, 3, 4, 5 ja 6. Tällöin heittotuloksiin liittyvä otosavaruus on S = {(x, y) x = 1, 2, 3, 4, 5, 6 ja y = 1, 2, 3, 4, 5, 6} Olkoon A = {1. nopalla saadaan 4 tai enemmän} B = {Heittotulosten summa on 10 tai enemmän} C = {Molemmilla nopilla saadaan sama silmäluku} Määrää seuraavien tapahtumien todennäköisyydet: a) A B b) A C c) C c d) B \ C Otosavaruutta S kuvaa seuraava lukupareista (x, y) muodostuva taulukko: 1.noppa 2. noppa 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) A = {(x, y) x = 4, 5, 6 ja y = 1, 2, 3, 4, 5, 6}; n(a) = 18; Pr(A) = 18/36 = 1 2 B = {(4,6),(5,5),(6,4),(5,6),(6,5),(6,6)}; n(b) = 6; Pr(B) = 6/36 = 1/6 C = {(x, y) x = y = 1, 2, 3, 4, 5, 6}; n(c) = 6; Pr(C) = 6/36 = 1/6 a) Tässä tapauksessa A B = A, joten Pr(A B) = Pr(A) = 1 2. b) Nyt A C = {(4, 4), (5, 5), (6, 6)} ja n(a C) = 3, joten Pr(A C) = 3/36 = 1/12. c) C c = {(x, y) x = 1, 2, 3, 4, 5, 6; y = 1, 2, 3, 4, 5, 6; x y} Komplementtitapahtuman todennäköisyyden kaavan mukaan: Pr(C c ) = 1 Pr(C) = 1 1/6 = 5/6 d) B \ C = {(4, 6), (6, 4), (5, 6), (6, 5)} ja n(b \ C) = 4, joten Pr(B \ C) = 4/36 = 1/9 D2. 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

Yleisen yhteenlaskulauseen mukaan: Pr(A B) = Pr(A) + Pr(B) Pr(A B) a) Sijoittamalla saadaan Pr(A B) = 0.5 + 0.6 0.1 = 1 eli tapahtuma A B on varma. b) Jos A ja B ovat toisensa poissulkevia eli A B =, on P r(a B) = 0, jolloin Pr(A B) = 0.5 + 0.6 0 = 1.1 > 1 mikä on mahdotonta. Annetut tiedot ovat siis ristiriitaisia. c) Jos A ja B ovat riippumattomia on P r(a B) = P r(a)p r(b), jolloin Pr(A B) = 0.5 + 0.6 0.5 0.6 = 0.8 d) Yleisen tulosäännön mukaan P r(a B) = P r(a B)P r(b), jolloin Pr(A B) = 0.5 + 0.6 0.1 0.6 = 1.04 mikä on mahdotonta. Annetut tiedot ovat siis jälleen ristiriitaisia. D3. Potilaan ikä saattaa vaikuttaa siihen millaista hoitoa hän saa. Eräässä USA:ssa tehdyssä tutkimuksessa verrattiin eri-ikäisten naisten pääsemistä mammografiaan (rintojen röntgentutkimus), kun heidän rinnoissaan oli havaittu kyhmyjä. Tulokset on annettu alla olevassa taulukossa. Taulukon luvut ovat todennäköisyyksiä. Ikä Mammografia tehty Mammografiaa ei ole tehty alle 65 0.321 0.124 65 tai yli 0.365 0.190 a) Määrää seuraavien tapahtumien todennäköisyydet: A = {Potilas on alle 65-vuotias} B = {Potilas on 65-vuotias tai vanhempi} C = {Potilaalle on tehty mammografia} D = {Potilaalle ei ole tehty mammografiaa} b) Ovatko tapahtumat B ja C riippumattomia? c) Määrää todennäköisyys sille, että potilaalle on tehty mammografia, jos hän on ollut alle 65-vuotias ja vertaa sitä todennäköisyyteen, että potilaalle on tehty mammografia, jos hän on ollut 65-vuotias tai vanhempi. a) Kysytyt todennäköisyydet saadaan laskemalla taulukosta reunatodennäköisyydet eli rivija sarakesummat: Ikä Mammografia tehty Mammografiaa ei ole tehty Summa alle 65 0.321 0.124 P r(a) = 0.445 65 tai yli 0.365 0.190 P r(b) = 0.555 Summa Pr(C) = 0.686 Pr(D) = 0.314 1 b) Jos tapahtumat B ja C ovat riippumattomia on P r(b C) = P r(b) P r(c). Taulukosta saadaan P r(b C) = 0.365 0.381 = P r(b) P r(c), joten tapahtumat B ja C eivät ole riippumattomia. c) Ehdollisen todennäköisyyden määritelmän mukaan: Pr(C A) = Pr(C A)/Pr(A) = 0.321/0.445 = 0.721 Pr(C B) = Pr(C B)/Pr(B) = 0.365/0.555 = 0.657 eli tämän perusteella nuoremmat potilaat pääsevät mammografiaan helpommin kuin vanhemmat potilaat.

P4. Heitetään kahta virheetöntä noppaa, joiden kuudella tahkolla on silmäluvut 1, 2, 3, 4, 5 ja 6. Tarkastellaan silmälukujen summaa satunnaisilmiönä. a) Mikä on silmälukujen summan otosavaruus? b) Mikä on todennäköisyys tapahtumalle A = {Summa on 1}? c) Mikä on todennäköisyys tapahtumalle B = {Summa on 8}? d) Olkoon C = {1. nopalla saadaan 1}. Mikä on ehdollinen todennäköisyys tapahtumalle B ehdolla, että C on tapahtunut? e) Olkoon D = {1. nopalla saadaan 5}. Mikä on ehdollinen todennäköisyys tapahtumalle B ehdolla, että D on tapahtunut? 2 p. Muodostetaan silmälukujen summalle aputaulukko: 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 a) Aputaulukosta nähdään, että kahden nopan heiton silmälukujen summan otosavaruus (l. tapahtuma-avaruus) on {2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12}. b) Tapahtuma A = {Summa on 1} on mahdoton joten Pr(A) = 0. c) Tapahtuma B = {Summa on 8} voi tulla tulokseksi viidellä tavalla B = {x+y (x,y) = (2,6), (3,5), (4,4), (5,3), (6,2)} Koska alkeistapahtumat ovat toisensa poissulkevia ja kaikkien todennäköisyys on 1/36 saadaan tapahtuman B todennäköisyydeksi: Pr(B) = 1/36 + 1/36 + 1/36 + 1/36 + 1/36 = 5/36 d) Summaksi ei voi tulla 8 jos 1. nopalla saadaan 1, joten tapahtuma B on mahdoton, jos C on tapahtunut. Siten P r(b C) = 0. e) Ehdollisen todennäköisyyden määritelmän perusteella: Pr(B D) = Pr(B D) Pr(D) = 1 36 1 6 = 1 6 P5. Laatikossa on 8 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? 1 p. Olkoon A i = {i. lamppu on viallinen}. a) Koska poiminta tapahtuu takaisinpanolla, tapahtumat A 1, A 2 ja A 3 ovat riippumattomia. Riippumattomien tapahtumien yleistetyn tulosäännön perusteella Pr(A 1 A 2 A 3 ) = Pr(A 1 )Pr(A 2 )Pr(A 3 ) = (3/8) 3 = 27/512 0.0527 b) Koska poiminta tapahtuu ilman takaisinpanoa, tapahtumat A 1, A 2 ja A 3 eivät ole riippumattomia. Siten Pr(A 1 A 2 A 3 ) = Pr(A 1 )Pr(A 2 A 1 )Pr(A 3 A 1 A 2 ) (3/8) (2/7) (1/6) = 6/336 0.0179

P6. Eräässä yliopistossa on 10 000 opiskelijaa. Alla oleva taulukko esittää opiskelijoiden sukupuolija 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. 1 p. Ikä 14-17 18-24 25-34 35 Mies 50 2550 1100 300 Nainen 100 3400 1500 1000 Olkoon A = {Opiskelija on nainen} ja B = {Opiskelija on 25-34-vuotias}. Tällöin A c = {Opiskelija on mies}. Muodostetaan rivi- ja sarakesummat sisältävä aputaulukko: Ikä 14-17 18-24 25-34 35 Summa Mies 50 2550 1100 300 4000 Nainen 100 3400 1500 1000 6000 Summa 150 5950 2600 1300 10000 a) Toisensa poissulkevien tapahtumien yhteenlaskusäännön perusteella: Pr(A) = (100 + 3400 + 1500 + 1000)/10000 = 0.6 tai suoraan taulukosta P r(a) = n(n ainen)/n(oppilaat) = 6000/10000 = 0.6 b) Kuten a)-kohdassa saadaan nyt: Pr(B) = (1100 + 1500)/10000 = 0.26 Taulukosta nähdään, että Pr(A c B) = 1100/10000 = 0.11 Ehdollisen todennäköisyyden kaavaa soveltamalla: Pr(A c B) = Pr(A c B)/Pr(B) = 0.11/0.26 0.423 > 0.4 = Pr(A c ) (Pr(A c ) = 1 Pr(A)) c) Yleisen yhteenlaskulauseen perusteella: Pr(A c B) = Pr(A c ) + Pr(B) Pr(A c B) = 0.4 + 0.26 0.11 = 0.55 L7. Uurnassa on 10 palloa, joista 3 on valkoisia ja 7 mustia. a) Poimitaan uurnasta satunnaisesti kaksi palloa takaisinpanolla. Mikä on todennäköisyys, että toisena poimittu pallo on valkoinen, jos ensimmäisenä poimittu on musta? b) Poimitaan laatikosta satunnaisesti kaksi palloa ilman takaisinpanoa. Mikä on todennäköisyys, että toisena poimittu pallo on valkoinen, jos ensimmäisenä poimittu on musta? Olkoon A 1 = {1. pallo on musta} ja B 2 = {2. pallo on valkoinen}. a) Koska poiminta tapahtuu takaisinpanolla, tapahtumat A 1 ja B 2 ovat riippumattomia ja siten: Pr(A 1 ) = 7/10 ja Pr(B 2 A 1 ) = Pr(B 2 ) = 3/10 b) Koska poiminta tapahtuu ilman takaisinpanoa, tapahtumat A 1 ja B 2 eivät ole riippumattomia ja siten: Pr(A 1 ) = 7/10 ja Pr(B 2 A 1 ) = 3/9

L8. Alla oleva taulukko kuvaa USA:n 101. kongressin (valittu vuonna 1988) kokoonpanoa. Edustajat on luokiteltu puoluekannan (2 luokkaa) ja edustjanaoloajan mukaan (3 luokkaa). Taulukossa on annettu ainoastaan ne todennäköisyydet (ns. reunatodennäköisyydet), jotka saadaan kun puoluekantaa ja edustajanaoloaikaa tarkastellaan erillisinä. Täytä taulukon puuttuvat solut, kun oletetaan, että puoluekanta ja edustajanaoloaika eivät riipu toisistaan. Edustajanaoloaika Demokraatti Republikaani Yhteensä < 2 vuotta 0.090 2-9 vuotta 0.478 10 vuotta 0.432 Yhteensä 0.614 0.386 1 Taulukon todennäköisyydet saadaan riippumattomien tapahtumien tulosäännön perusteella kertomalla kutakin solua vastaavat reunatodennäköisyydet keskenään: Edustajanaoloaika Demokraatti Republikaani Yhteensä < 2 vuotta 0.614 0.090 = 0.055 0.386 0.090 = 0.035 0.090 2-9 vuotta 0.614 0.478 = 0.294 0.386 0.478 = 0.185 0.478 10 vuotta 0.614 0.432 = 0.265 0.386 0.432 = 0.167 0.432 Yhteensä 0.614 0.386 1