Todennäköisyys (englanniksi probability)



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

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

Miten hyvin mallit kuvaavat todellisuutta? Tarvitaan havaintoja.

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

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

TODENNÄKÖISYYS JA TILASTOT MAA6 KERTAUS

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

Todennäköisyyslaskenta - tehtävät

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

9 Yhteenlaskusääntö ja komplementtitapahtuma

Ilkka Mellin Todennäköisyyslaskenta

Kurssin puoliväli ja osan 2 teemat

Sovellettu todennäköisyyslaskenta B

1. Matkalla todennäköisyyteen

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

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

Määritelmiä. Nopanheitossa taas ω 1 = saadaan 1, ω 2 = saadaan 2,..., ω 6 = saadaan

1. Tässä tehtävässä päätellään kaksilapsisen perheen lapsiin liittyviä todennäköisyyksiä.

Tilastollinen todennäköisyys

Tilaston esittäminen frekvenssitaulukossa ja graafisesti. Keskiluvut luokittelemattomalle ja luokitellulle aineistolle: moodi, mediaani, keskiarvo.

MS-A0501 Todennäköisyyslaskennan ja tilastotieteen peruskurssi

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

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

Käytetään satunnaismuuttujaa samoin kuin tilastotieteen puolella:

Todennäköisyyslaskenta

Osa 1: Todennäköisyys ja sen laskusäännöt. Todennäköisyyden aksioomat

031021P Tilastomatematiikka (5 op)

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

(x, y) 2. heiton tulos y

Varma tapahtuma, Yhdiste, Yhdistetty tapahtuma, Yhteenlaskusääntö

Osa 1: Todennäköisyys ja sen laskusäännöt

A-Osio. Ei saa käyttää laskinta, maksimissaan tunti aikaa. Valitse seuraavista kolmesta tehtävästä kaksi, joihin vastaat:

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

Todennäköisyyslaskenta

ABHELSINKI UNIVERSITY OF TECHNOLOGY

MS-A0501 Todennäköisyyslaskennan ja tilastotieteen peruskurssi

1. Matkalla todennäköisyyteen (kertausta TN I)

ABHELSINKI UNIVERSITY OF TECHNOLOGY

Sovellettu todennäköisyyslaskenta B

Luento KERTAUSTA Kaksiulotteinen jakauma Pisteparvi, Toyota Avensis -farmariautoja

Todennäköisyyslaskenta I

Todennäköisyyslaskenta I. Ville Hyvönen

MS-A0501 Todennäköisyyslaskennan ja tilastotieteen peruskurssi

TODENNÄKÖISYYSLASKUN KERTAUS Peruskäsitteitä

Mat Sovellettu todennäköisyyslasku A

Suotuisien tapahtumien lukumäärä Kaikki alkeistapahtumien lukumäärä

Todennäköisyyslaskenta: Todennäköisyys ja sen laskusäännöt

Miten voidaan arvioida virheellisten komponenttien osuutta tuotannossa? Miten voidaan arvioida valmistajan kynttilöiden keskimääräistä palamisaikaa?

031021P Tilastomatematiikka (5 op)

7 TODENNÄKÖISYYSLASKENTAA

Todennäköisyyslaskenta I

1. laskuharjoituskierros, vko 4, ratkaisut

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

4.1. Olkoon X mielivaltainen positiivinen satunnaismuuttuja, jonka odotusarvo on

Todennäköisyyslaskun kertaus. Vilkkumaa / Kuusinen 1

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

MS-A0503 Todennäköisyyslaskennan ja tilastotieteen peruskurssi

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

SATTUMAA SATUMAASSA. Todennäköisyyslaskentaa nopanheitosta mittateoriaan

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

Kertausosa. 1. a) Muodostetaan taulukon perusteella frekvenssijakaumat. b) Moodi on se muuttujan arvo, jonka frekvenssi on suurin. Mo = 5.

D ( ) E( ) E( ) 2.917

ORMS2020 Päätöksenteko epävarmuuden vallitessa Syksy Jatkossa ratkaisuehdotukset ovat tyypillisesti paljon lakonisempia.

Muista merkitä vastauspaperiin oma nimesi ja tee etusivulle pisteytysruudukko. Kaikkiin tehtävien ratkaisuihin välivaiheet näkyviin!

ABHELSINKI UNIVERSITY OF TECHNOLOGY

Todennäköisyyden käsite ja laskusäännöt

MAT Todennäköisyyslaskenta Tentti / Kimmo Vattulainen

Osa 1: Todennäköisyys ja sen laskusäännöt. Todennäköisyyden peruslaskusäännöt

MS-A0501 Todennäköisyyslaskennan ja tilastotieteen peruskurssi

MS-A0501 Todennäköisyyslaskennan ja tilastotieteen peruskurssi Esimerkkikokoelma 1

Tilastolliset jakaumat, niiden esittäminen ja tunnusluvut

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

Tilastollisten menetelmien perusteet I TILTP2 Luentorunko, lukuvuosi

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

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

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

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

8.1. Tuloperiaate. Antti (miettien):

TOD.NÄK JA TILASTOT, MAA10 Kombinaatio, k-kombinaatio

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

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

Sattuman matematiikkaa I

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

3.7 Todennäköisyysjakaumia

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

Sovellettu todennäköisyyslaskenta B

Sovellettu todennäköisyyslaskenta B

Kertausosa. 1. a) Lenkkareiden merkki on laatueroasteikollinen muuttuja. Montako millimetriä on tällöin satanut?

Sovellettu todennäköisyyslaskenta B

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

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

Tilastotieteen perusteet

Diskreetin satunnaismuuttujan odotusarvo, keskihajonta ja varianssi

Johdatus diskreettiin matematiikkaan Harjoitus 2, Osoita että A on hyvin määritelty. Tee tämä osoittamalla

Teema 7: Todennäköisyyksien laskentaa

Tommi Sottinen,

ORMS 2020 Päätöksenteko epävarmuuden vallitessa. Tommi Sottinen

Matemaattinen tilastotiede

Todennäköisyyslaskennan kurssin luentomoniste. Petri Koistinen Matematiikan ja tilastotieteen laitos Helsingin yliopisto

Transkriptio:

Todennäköisyys (englanniksi probability) Todennäköisyyslaskenta sai alkunsa 1600-luvulla uhkapeleistä Ranskassa (Pascal, Fermat). Nykyisin todennäköisyyslaskentaa käytetään hyväksi mm. vakuutustoiminnassa, liike-elämässä, sääennusteissa, teoreettisessa fysiikassa, lääketieteessä. Mikäli ilmiö/tapahtuma voidaan ennustaa alkutilanteen perusteella hyvin, kyseessä on ns. deterministinen ilmiö. esimerkki: arpanopan pudottaminen tietyltä korkeudelta. Voidaan ennustaa (laskea tietystä fysikaalisesta kaavasta) kauanko nopan putoamiseen menee aikaa. Ilmiötä, jonka tuloksen määrää sattuma, kutsutaan satunnaisilmiöksi (tai satunnaiskokeeksi). Tällöin ei voida ennustaa tulosta. esimerkki Heitetään arpanoppaa ja tarkastellaan mikä silmäluku saadaan (ts. mikä nopan kuudesta tahkosta jää ylöspäin). Silmälukua ei voida ennustaa, koska sattuma määrää tuloksen. Nopanheitto on siis satunnaisilmiö. pohdittavaa Heitetään noppaa 6000 kertaa. Mitä arvioisit: montako kertaa saadaan silmäluku 4? KÄSITTEITÄ Alkeistapaus Satunnaisilmiön tulosmahdollisuuksia sanotaan alkeistapauksiksi. Perusjoukko Alkeistapausten muodostamaa joukkoa kutsutaan perusjoukoksi (tai joskus myös otosavaruudeksi). Tapahtuma Perusjoukon osajoukkoa kutsutaan tapahtumaksi. Tapahtumaan kuuluvia alkeistapauksia kutsutaan suotuisiksi alkeistapauksiksi.

ESIM 1 Nopanheitto (tuloksena silmäluku) Alkeistapauksia ovat silmäluvut 1,2,3,4,5,6. Perusjoukko on joukko E = { 1, 2,3, 4, 5,6}. Esimerkkejä tapahtumista: tapahtuma A: saadaan parillinen silmäluku, joukko-opillisesti A={2,4,6}, koska tapahtumalle A suotuisat silmäluvut ovat 2,4,6. tapahtuma B: saadaan silmäluku, joka on suurempi kuin 3, joukko-opillisesti B={4,5,6} tapahtuma C: saadaan korkeintaan silmäluku 2, C={1,2} HUOMAA: tapahtuma on aina perusjoukon osa-joukko eli esimerkiksi ESIM 2 Kuinka monta alkeistapausta liittyy esitettyyn satunnaisilmiöön? a) Arvotaan kaksinumeroinen luonnollinen luku. b) Valitaan sattumanvaraisesti jokin reaaliluku väliltä ]0, 2[. ESIM 3 Nopanheitto. Tapahtuma A: saadaan silmäluku 2. Mikä on tapahtuman A todennäköisyys? Vastaus: A E. Noppaa heitettäessä kaikkia silmälukuja voidaan pitää yhtä mahdollisina eli symmetrisina. ESIM 4 Tapahtuma B: saadaan pariton silmäluku. Mikä on tapahtuman B todennäköisyys P(B)? Tapahtuma B={1,3,5}. Kolme silmälukua kuudesta on tapahtumalle B suotuisia.

Yllä olevaa todennäköisyyden mallia kutsutaan klassiseksi todennäköisyydeksi. Klassinen todennäköisyys MÄÄRITELMÄ Tarkastellaan satunnaisilmiötä, joka perusjoukossa E on äärellinen määrä alkeistapauksia. Oletetaan lisäksi, että kaikki alkeistapaukset ovat yhtä mahdollisia eli symmetrisia. Olkoon A satunnaisilmiöön liittyvä tapahtuma, jota tarkastellaan. Tapahtuman A klassinen todennäköisyys tapahtumalle A suotuisten alkeistapausten lkm n A P(A) = =, perusjoukon alkeistapausten lkm n missä n A on tapahtumalle A suotuisten alkeistapausten lukumäärä ja n perusjoukon alkeistapausten lukumäärä. Todennäköisyydellä P(A) tarkoitetaan lukua, joka ilmaisee odotettavissa olevien A:n sattumiskertojen suhteellisen osuuden S:n tapahtuessa hyvin monta kertaa. Mahdoton ja varma tapahtuma Tapahtuma, jolla ei ole yhtään suotuisaa alkeistapausta, on mahdoton. Sen todennäköisyys on 0. Jos kaikki alkeistapaukset ovat suotuisia, kyseessä on varma tapahtuma. Sen todennäköisyys on 1. Joukko-opillisesti: E on varma tapahtuma, P (E) = 1 HUOMAA: Tapahtuman A todennäköisyydelle pätee aina: 0 P(A) 1. ESIM 5 Vedetään umpimähkään kortti (hyvin sekoitetusta) korttipakasta (52 korttia). a) Millä todennäköisyydellä saadaan pataässä? Ovatko alkeistapaukset symmetrisia? Voidaanko kortin vetämiseen pakasta soveltaa klassisen todennäköisyyden mallia? b) Millä todennäköisyydellä saadaan pata? c) Millä todennäköisyydellä saadaan pata tai ässä?

ESIM 6 Lue kirjan esimerkki 8 s.316. (Tämä esimerkki on tärkeä.) Tee kirjan tehtävä 10.2.2.3 s.316. POHDITTAVAA Missä tilanteissa/tapahtumissa voidaan käyttää klassista todennäköisyyttä? Mistä tietää sopiiko klassinen todennäköisyysmalli tarkasteltavaan tapahtumaan? Klassisen todennäköisyyden määritelmää voidaan soveltaa vain silloin, kun alkeistapauksia voidaan pitää symmetrisina eli yhtä mahdollisina. Klassinen todennäköisyys soveltuu esimerkiksi noppa-, korttipakka- ja kolikonheittotehtäviin. Joskus tehtävänannossa sanotaan, että oletetaan alkeistapaukset symmetrisiksi. Tällöin voi käyttää klassista todennäköisyyttä. ESIM 7 a) Pudotetaan nasta lattialle. Millä todennäköisyydellä nastan kärki jää ylöspäin? Soveltuuko klassinen todennäköisyysmalli nastanheittoon? Mieti millä keinolla voitaisiin ennustaa todennäköisyyttä, jolla kärki jää ylöspäin. Vastaus: b) Eräässä lääketieteellisessä artikkelissa luki: Migreeniä sairastavan äidin tytär saa vaivan 50 prosentin todennäköisyydellä. Mihin kyseinen väittämä perustuu? Miten todennäköisyys on saatu selville? ESIM 8 Halutaan selvittää millä todennäköisyydellä vasta ajokortin saaneen ensimmäinen ajovuosi on kolariton. Mieti miten voitaisiin saada arvio kyseiselle todennäköisyydelle? Vastaus:

Tilastollinen todennäköisyys Oletetaan, että tapahtuman A todennäköisyyttä voidaan tutkia kokeellisesti (sama koe toistetaan monta kertaa samoissa olosuhteissa) tai tilastojen avulla. Näin saadaan tapahtuman A tilastollinen eli kokeellinen todennäköisyys: f P (A) =, missä n f on frekvenssi eli tapahtuman A esiintymiskertojen lukumäärä n on koko aineiston lukumäärä /kokeen toistojen lukumäärä (toistokokeessa) HUOMAA: kolikonheitossa alkeistapaukset(kruuna/klaava) oletetaan symmetrisiksi. Kokeelliset tulokset (heitetään kolikkoa hyvin monta kertaa samoissa olosuhteissa) tukevat klassista mallia eli symmetrisyyttä. Pitkissä koesarjoissa alkeistapausten (kruuna/klaava) tilastolliset todennäköisyydet lähestyvät klassisen mallin todennäköisyyksiä P ("kruuna") 1 2 = ja 1 P ("klaava") =. 2 ESIM 9 Kirjan tehtävä 10.1.2 s. 311 ja kirjan tehtävä 10.1.3 s.311. ESIM 10 Tee kirjan tehtävä 10.2.1.2 s. 312. Geometrinen todennäköisyys Esimerkki Päätepysäkille saapuu 14 minuutin välein bussi, joka lähtee matkaan seisottuaan kuusi minuuttia. Tuomas, joka ei tiedä bussin aikataulua, saapuu pysäkille. Millä todennäköisyydellä hän pääsee heti sisälle bussiin?

Geometrinen todennäköisyys: tapahtumalle A suotuisan osajoukonmitta P ( A)= perusjoukon mitta Ylläolevassa kaavassa mitta tarkoittaa tilanteesta riippuen esim. pinta-alaa, tilavuutta, pituutta jne. ESIM 11 Lue kirjan esimerkki 9 s.317. Tee kirjan tehtävä 10.2.3.2 s. 319.