FMS012/MASB03: Matematisk statistik 9.0 hp för F+fysiker Föreläsning 1: Sannolikhet
|
|
- Lars-Erik Jan-Olof Hansson
- för 7 år sedan
- Visningar:
Transkript
1 FMS012/MASB03: Matematisk statistik 9.0 hp för F+fysiker Föreläsning 1: Sannolikhet Anna Lindgren 18 januari 2016 Anna Lindgren FMS012/MASB03 F1: Sannolikhet 1/27
2 Tillämpningar Praktiska detaljer Matematisk statistik slumpens matematik Sannolikhetsteori: Hur beskriver man slumpen? Statistikteori: Vilka slutsatser kan man dra av ett datamaterial? Anna Lindgren FMS012/MASB03 F1: Sannolikhet 2/27
3 Tillämpningar Praktiska detaljer Slumpmässig Variation Inom population Mätosäkerhet Anna Lindgren FMS012/MASB03 F1: Sannolikhet 3/27
4 Tillämpningar Praktiska detaljer Vad kan vi veta om slumpmässig variation? Inte exakt vad som ska hända, men hur ofta olika saker händer. Vad vi kan säga är hur sannolika olika händelser är. Anna Lindgren FMS012/MASB03 F1: Sannolikhet 4/27
5 Tillämpningar Praktiska detaljer Tillämpningar för matematisk statistik Miljö Ozonlagret bild Våghöjd bild Ekonomi Aktiedata bild Försäkringar bild Signalbehandling EEG/EKG bild Hitta sprängämnen bild Hitta narkotika bild Anna Lindgren FMS012/MASB03 F1: Sannolikhet 5/27
6 Tillämpningar Praktiska detaljer Tillämpningar för matematisk statistik (forts) Mobil kommunikation Elmarknad Försäkringar Spel/Lotterier Biologi Geologi osv Anna Lindgren FMS012/MASB03 F1: Sannolikhet 6/27
7 Tillämpningar Praktiska detaljer Praktiska detaljer Kräver 12 hp inom Endim och/eller Flerdim och/eller Linalg. Vi inväntar januaritentorna innan vi kastar ut er från kursen. 1 2 föreläsningar i veckan 1 räkneövning i veckan 5 obligatoriska datorövningar. 1 obligatoriskt färdighetsprov deadline 7 mars kl skriftlig tentamen 1 juni kl Kurshemsida: Föreläsare: Joakim Lübeck Anna Lindgren anna@maths.lth.se FMS012/MASB03 F1: Sannolikhet 7/27
8 Wenn Ex Kolmogorov Frekvens Grundläggande sannolikhetsteori Grundläggande begrepp Utfall resultatet av ett slumpmässigt försök. Bet. w1, w2,... Händelse en samling av ett eller flera utfall. Bet. A, B,... Utfallsrum mängden av möjliga utfall. Bet W Anna Lindgren anna@maths.lth.se FMS012/MASB03 F1: Sannolikhet 8/27
9 Wenn Ex Kolmogorov Frekvens Exempel: Tärningskast Ex. Kasta en tärning. Utfallsrum W = {1:a, 2:a, 3:a, 4:a, 5:a, 6:a} En händelse A : Minst 4:a = {4:a, 5:a, 6:a} B : Högst 5:a = {1:a, 2:a, 3:a, 4:a, 5:a} C : 3:a = {3:a} Ex. Kasta två tärningar. Ej uppenbart hur man skall välja utfallsrum. T.ex. W = {(1, 1), (1, 2),..., (6, 6)}. Totalt 36 utfall. Om man bara är intresserad av summan: W = {2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12}. 11 utfall. Anna Lindgren anna@maths.lth.se FMS012/MASB03 F1: Sannolikhet 9/27
10 Wenn Ex Kolmogorov Frekvens Händelser Wenn-diag. Mängdlära Utfallsrummet Ω Händelsen A; A inträffar Komplementhändelsen. A till A; A inträffar ej Unionhändelsen A B; A eller B eller båda inträffar Snitthändelsen A B = AB; både A och B inträffar A och B oförenliga hndlser; kan ej inträffa samtidigt Grundmängden Delmängden A Komplementet A till A Unionen A B Snittet A B A och B disjunkta Anna Lindgren anna@maths.lth.se FMS012/MASB03 F1: Sannolikhet 10/27
11 Wenn Ex Kolmogorov Frekvens Exempel (kasta en tärning rep, forts) A : Minst 4:a = {4:a, 5:a, 6:a} B : Högst 5:a = {1:a, 2:a, 3:a, 4:a, 5:a} C : 3:a = {3:a} Några exempel på snitt och union A B = {4:a, 5:a} A B = W B C = C = {3:a} A C = {} =. Kan inte inträffa, eftersom A och C är oförenliga. Anna Lindgren anna@maths.lth.se FMS012/MASB03 F1: Sannolikhet 11/27
12 Wenn Ex Kolmogorov Frekvens Sannolikhet Sannolikheten att en händelse A skall inträffa bet. P(A) En sannolikhet måste uppfylla följande, Kolmogorovs axiomsystem: 0 P(A) 1 En sannolikhet är ett tal mellan 0 och 1 P(W) = 1 Sannolikheten att något skall hända är 1 P(A B) = P(A) + P(B) Om och endast om A och B är oförenliga Härur följer även t.ex. Komplementsatsen P(A ) = 1 P(A). Om det är slh 1/100 att vinna på ett lotteri är slh 99/100 att inte vinna. Additionssatsen P(A B) = P(A) + P(B) P(A B) Anna Lindgren anna@maths.lth.se FMS012/MASB03 F1: Sannolikhet 12/27
13 Wenn Ex Kolmogorov Frekvens Frekvenstolkning av sannolikhet Upprepa ett slumpmässigt försök n gånger Antal ggr A inträffar n P(A), n Ex Kasta tre tärningar ggr och räkna ut relativa frekvensen treor i varje kast för var och en av tärningarna 1 Relativa frekvensen av antal treor Relativ frekvens Antal tärningskast 1/6? Anna Lindgren anna@maths.lth.se FMS012/MASB03 F1: Sannolikhet 13/27
14 Wenn Ex Kolmogorov Frekvens Den klassiska sannolikhetsdefinitionen Om ett försök kan utfalla på m möjliga sätt som alla är lika sannolika (har vi en likformig sannolikhetsfördelning) och en händelse A inträffar vid g st av dessa gäller P(A) = g m Ex Dra ett kort ur en kortlek. Vad är sannolikheten att det är ett hjärter? Lsg Det finns m = 52 kort varav g = 13 är hjärter så P( ) = 13/52 = 1/4 Ex Dra två. Vad är sannolikheten att båda är hjärter? Lsg Med lite kombinatorik blir det lite mer komplicerat P(båda ) = ( 13 ) Antal sätt att välja två Antal sätt att välja två kort = 2 ) = = 1 17 ( 52 2 Anna Lindgren anna@maths.lth.se FMS012/MASB03 F1: Sannolikhet 14/27
15 Bayes Oberoende Flera händelser Betingad sannolikhet Ex. För en tärning har vi P(Etta) = 1/6, men om vi vet att utfallet är udda får vi P(Etta om udda utfall) = 1/3. Def. Den betingade sannolikheten att A skall inträffa om vi vet att B inträffat betecknas P(A B) och definieras som P(A B) = P(A B) P(B) Ur detta (och P(B A)) får vi två räkneregler för P(A B) P(A B) = P(A B) P(B) = P(B A) P(A) Ex (igen) Dra två kort. Vad är sannolikheten att båda är hjärter? Anna Lindgren anna@maths.lth.se FMS012/MASB03 F1: Sannolikhet 15/27
16 Bayes Oberoende Flera händelser Betingad risk Anna Lindgren FMS012/MASB03 F1: Sannolikhet 16/27
17 Bayes Oberoende Flera händelser Satsen om total sannolikhet Om vi har n st händelser H 1,..., H n som är Parvis oförenliga, dvs H i H j =, i = j n Tillsammans täcker utfallsrummet, dvs H i = W gäller för varje händelse A i=1 P(A) = n P(A H i ) P(H i ) i=1 samt Konsten att vända en betingad sannolikhet eller Bayes sats P(H i A) = P(H i A) P(A) = P(A H i) P(H i ) P(A) Anna Lindgren anna@maths.lth.se FMS012/MASB03 F1: Sannolikhet 17/27
18 Bayes Oberoende Flera händelser Oberoende händelser Om det visar sig att P(A B) = P(A), påverkas inte A av att B inträffat eller ej, de är oberoende. Detta kan med definitionen av betingad sannolikhet skrivas om som P(A B) = P(A) P(B). Def. Händelserna A och B är oberoende av varandra P(A B) = P(A) P(B) Obs. Skilj mellan oberoende och oförenliga. Kan två oberoende händelser vara oförenliga? Anna Lindgren anna@maths.lth.se FMS012/MASB03 F1: Sannolikhet 18/27
19 Bayes Oberoende Flera händelser Exempel: Oberoende Kasta två tärningar och låt A = Första tärningen visar sexa B = Summan är sju C = Summan är åtta Vilka av händelserna A, B och C är oberoende av varandra? 6 A B C 5 Tärning Tärning 1 Anna Lindgren anna@maths.lth.se FMS012/MASB03 F1: Sannolikhet 19/27
20 Bayes Oberoende Flera händelser Alla, ingen och någon Om vi har n st oberoende händelser A 1,..., A n kan vi räkna ut sannolikheten att alla inträffar P(A 1 A n ) = P(A 1 )... P(A n ) ingen inträffar, dvs alla inträffar inte P(A 1 A n) = P(A 1 )... P(A n) = = [1 P(A 1 )]... [1 P(A n )] någon inträffar, dvs minst en, eller inte ingen P(A 1 A n ) = 1 P(A 1 A n) = = 1 [1 P(A 1 )]... [1 P(A n )] Anna Lindgren anna@maths.lth.se FMS012/MASB03 F1: Sannolikhet 20/27
21 Ozon i Dobson enheter Tillbaka Anna Lindgren anna@maths.lth.se FMS012/MASB03 F1: Sannolikhet 21/27
22 Våghöjd Tillbaka Anna Lindgren FMS012/MASB03 F1: Sannolikhet 22/27
23 OMXS30 aktieindex Tillbaka OMXS Anna Lindgren FMS012/MASB03 F1: Sannolikhet 23/27
24 Kostnad stormskador Tillbaka Anna Lindgren FMS012/MASB03 F1: Sannolikhet 24/27
25 EKG och R-R variation Tillbaka Anna Lindgren FMS012/MASB03 F1: Sannolikhet 25/27
26 Detektion av sprängämne Tillbaka Anna Lindgren FMS012/MASB03 F1: Sannolikhet 26/27
27 NQR signal meta-amfetamin Tillbaka Anna Lindgren FMS012/MASB03 F1: Sannolikhet 27/27
Matematisk statistik 9 hp för I, Pi, C, D och fysiker Föreläsning 1: Introduktion och Sannolikhet
Matematisk statistik 9 hp för I, Pi, C, D och fysiker Föreläsning 1: Introduktion och Sannolikhet Anna Lindgren 30+31 augusti 2016 Anna Lindgren anna@maths.lth.se FMS012/MASB03 F1: Sannolikhet 1/27 Praktiska
Läs merMatematisk statistik 9hp för: C,D,I, Pi
Matematisk statistik 9hp för: C,D,I, Pi Föreläsning 1, Sannolikhet Stas Volkov September 12, 2017 Stanislav Volkov s.volkov@maths.lth.se FMSF45 F1: Sannolikhet 1/27 Tillämpningar Praktiska detaljer Matematisk
Läs merFöreläsning 1, Matematisk statistik Π + E
Introduktion Sannolikhetsteori Beroende Föreläsning 1, Matematisk statistik Π + E Sören Vang Andersen 4 november 2014 Sören Vang Andersen - sva@maths.lth.se FMS012 F1 1/26 Introduktion Sannolikhetsteori
Läs merFöreläsning 1, Matematisk statistik för M
Föreläsning 1, Matematisk statistik för M Erik Lindström 23 mars 2015 Erik Lindström - erikl@maths.lth.se FMS035 F1 1/30 Tillämpningar Praktiska detaljer Matematisk statistik slumpens matematik Sannolikhetsteori:
Läs merGrundläggande matematisk statistik
Grundläggande matematisk statistik Grundbegrepp, axiomsystem, betingad sannolikhet, oberoende händelser, total sannolikhet, Bayes sats Uwe Menzel uwe.menzel@slu.se 23 augusti 2017 Slumpförsök Ett försök
Läs merMatematisk statistik - Slumpens matematik
Matematisk Statistik Matematisk statistik är slumpens matematik. Började som en beskrivning av spel, chansen att få olika utfall. Brevväxling mellan Fermat och Pascal 1654. Modern matematisk statistik
Läs merMatematisk statistik för D, I, Π och Fysiker. Matematisk statistik slumpens matematik. Tillämpningar för matematisk statistik.
Matematisk statistik för D, I, Π och Fysiker Föreläsning 1 Johan Lindström 4 september 2018 Johan Lindström - johanl@maths.lth.se FMSF45/MASB03 F1 2/29 Matematisk statistik slumpens matematik Sannolikhetsteori:
Läs merUtfall, Utfallsrummet, Händelse. Sannolikhet och statistik. Utfall, Utfallsrummet, Händelse. Utfall, Utfallsrummet, Händelse
Utfall, Utfallsrummet, Händelse Sannolikhet och statistik Sannolikhetsteorins grunder HT 2008 Uwe.Menzel@math.uu.se http://www.math.uu.se/ uwe/ Denition 2.1 Resultatet av ett slumpmässigt försök kallas
Läs merKolmogorovs Axiomsystem Kolmogorovs Axiomsystem Varje händelse A tilldelas ett tal : slh att A inträar Sannolikheten måste uppfylla vissa krav: Kolmog
Slumpvariabel (Stokastisk variabel) Resultat av ett slumpförsök - utgången kann inte kontrolleras Sannolikhet och statistik Sannolikhetsteorins grunder VT 2009 Resultatet kan inte förutspås, men vi vet
Läs merSF1901: SANNOLIKHETSTEORI OCH STATISTIK GRUNDLÄGGANDE SANNOLIKHETSTEORI, BETINGAD SANNOLIKHETER, OBEROENDE. Tatjana Pavlenko.
SF1901: SANNOLIKHETSTEORI OCH STATISTIK FÖRELÄSNING 2 GRUNDLÄGGANDE SANNOLIKHETSTEORI, BETINGAD SANNOLIKHETER, OBEROENDE HÄNDELSER Tatjana Pavlenko 26 mars, 2015 SANNOLIKHETSGRUNDER (REPETITION) Slumpförsöket
Läs merMatematisk statistik for B, K, N, BME och Kemister. Matematisk statistik slumpens matematik. Beskriva Data Florence Nightingale. Forel.
Matematisk statistik for B, K, N, BME och Kemister asning Forel 1 Johan Lindstrom 29 augusti 2016 Johan Lindstr om - johanl@maths.lth.se FMS086/MASB02 F1 2/21 Till ampningar Matematisk statistik slumpens
Läs merFöreläsning 2. Kapitel 3, sid Sannolikhetsteori
Föreläsning 2 Kapitel 3, sid 47-78 Sannolikhetsteori 2 Agenda Mängdlära Kombinatorik Sannolikhetslära 3 Mängdlära Används för att hantera sannolikheter Viktig byggsten inom matematik och logik Utfallsrummet,
Läs merStatistik. Det finns tre sorters lögner: lögn, förbannad lögn och statistik
Statistik Statistik betyder ungefär sifferkunskap om staten Statistik är en gren inom tillämpad matematik som sysslar med insamling, utvärdering, analys och presentation av data eller information. Verkligheten
Läs merMatematisk statistik fo r B, K, N, BME och Kemister. Matematisk statistik slumpens matematik. Beskriva Data Florence Nightingale.
Matematisk statistik fo r B, K, N, BME och Kemister Fo rela sning 1 Johan Lindstro m 28 augusti 2017 Johan Lindstro m - johanl@maths.lth.se FMSF70/MASB02 F1 2/18 Tilla mpningar Matematisk statistik slumpens
Läs merMatematisk statistik 9hp Föreläsning 2: Slumpvariabel
Matematisk statistik 9hp Föreläsning 2: Slumpvariabel Anna Lindgren 6+7 september 2016 Anna Lindgren anna@maths.lth.se FMS012/MASB03 F2: Slumpvariabel 1/23 Begrepp Samband Grundläggande begrepp Utfall
Läs merKap 2: Några grundläggande begrepp
Kap 2: Några grundläggande begrepp Varför sannolikhetslära är viktigt? Vad menar vi med sannolikhetslära? Träddiagram? Vad är den klassiska, empiriska och subjektiva sannolikheten? Vad menar vi med de
Läs merSF1901: SANNOLIKHETSTEORI OCH GRUNDLÄGGANDE SANNOLIKHETSTEORI, STATISTIK BETINGADE SANNOLIKHETER, OBEROENDE. Tatjana Pavlenko.
SF1901: SANNOLIKHETSTEORI OCH STATISTIK FÖRELÄSNING 2 GRUNDLÄGGANDE SANNOLIKHETSTEORI, BETINGADE SANNOLIKHETER, OBEROENDE HÄNDELSER Tatjana Pavlenko 30 augusti, 2016 SANNOLIKHETSGRUNDER (REPETITION) Slumpförsöket
Läs merSannolikhetslära. 1 Grundläggande begrepp. 2 Likformiga sannolikhetsfördelningar. Marco Kuhlmann
Marco Kuhlmann Detta är en kompakt sammanfattning av momentet sannolikhetslära som ingår i kurserna Matematik 1b och 1c på gymnasiet. I slutet av dokumentet hittar du uppgifter med vilka du kan testa om
Läs merTMS136. Föreläsning 1
TMS136 Föreläsning 1 Varför? Om vi gör mätningar vill vi modellera och kvantifiera de osäkerheter som obönhörligen finns Om vi handlar med värdepapper vill vi modellera och kvantifiera de risker som finns
Läs merSF1901: SANNOLIKHETSTEORI OCH STATISTIK GRUNDLÄGGANDE SANNOLIKHETSTEORI, KORT OM BESKRIVANDE STATISTIK. Tatjana Pavlenko.
SF1901: SANNOLIKHETSTEORI OCH STATISTIK FÖRELÄSNING 1 GRUNDLÄGGANDE SANNOLIKHETSTEORI, KORT OM BESKRIVANDE STATISTIK Tatjana Pavlenko 23 mars, 2015 KURSINFORMATION Blom m.fl. Sannolokhetsteori och statistikteori
Läs merTräning i bevisföring
KTHs Matematiska Cirkel Träning i bevisföring Andreas Enblom Institutionen för matematik, 2005 Finansierat av Marianne och Marcus Wallenbergs Stiftelse 1 Mängdlära Här kommer fyra tips på hur man visar
Läs merSannolikhetsbegreppet
Kapitel 3 Sannolikhetsbegreppet Betrakta följande försök: Ett symmetriskt mynt kastas 100 gånger och antalet krona observeras. Antal kast 10 20 30 40 50 60 70 80 90 100 Antal krona 6 12 16 21 25 30 34
Läs merMatematisk Statistik och Disktret Matematik, MVE051/MSG810, VT19
Matematisk Statistik och Disktret Matematik, MVE051/MSG810, VT19 Nancy Abdallah Chalmers - Göteborgs Universitet March 25, 2019 1 / 36 1. Inledning till sannolikhetsteori 2. Sannolikhetslagar 2 / 36 Lärare
Läs mer1 Föreläsning I, Vecka I: 5/11-11/11 MatStat: Kap 1, avsnitt , 2.5
1 Föreläsning I, Vecka I: 5/11-11/11 MatStat: Kap 1, avsnitt 2.1-2.2, 2.5 Introduktion till kursen. Grundläggande sannolikhetslära. Mängdlära, händelser, sannolikhetsmått Händelse följer samma räkneregler
Läs merKTHs Matematiska Cirkel. Sannolikhetsteori. Joakim Arnlind Andreas Enblom
KTHs Matematiska Cirkel Sannolikhetsteori Joakim Arnlind Andreas Enblom Institutionen för matematik, 2007 Finansierat av Marianne och Marcus Wallenbergs Stiftelse Innehåll 1 Mängdlära 1 1.1 Mängder...............................
Läs merNågot om permutationer
105 Något om permutationer Lars Holst KTH, Stockholm 1. Inledning. I många matematiska resonemang måste man räkna antalet fall av olika slag. Den del av matematiken som systematiskt studerar dylikt brukar
Läs merSF1920/SF1921 Sannolikhetsteori och statistik 6,0 hp Föreläsning 1 Mängdlära Grundläggande sannolikhetsteori Kombinatorik Deskriptiv statistik
SF1920/SF1921 Sannolikhetsteori och statistik 6,0 hp Föreläsning 1 Mängdlära Grundläggande sannolikhetsteori Kombinatorik Deskriptiv statistik Jörgen Säve-Söderbergh Information om kursen Kom ihåg att
Läs merF2 SANNOLIKHETSLÄRA (NCT )
Stat. teori gk, ht 2006, JW F2 SANNOLIKHETSLÄRA (NCT 4.1-4.2) Ordlista till NCT Random experiment Outcome Sample space Event Set Subset Union Intersection Complement Mutually exclusive Collectively exhaustive
Läs merSannolikhetsteori. Måns Thulin. Uppsala universitet Statistik för ingenjörer 23/ /14
1/14 Sannolikhetsteori Måns Thulin Uppsala universitet thulin@math.uu.se Statistik för ingenjörer 23/1 2013 2/14 Dagens föreläsning Relativa frekvenser Matematik för händelser Definition av sannolikhet
Läs merSANNOLIKHET. Sannolikhet är: Hur stor chans (eller risk) att något inträffar.
SANNOLIKHET Sannolikhet är: Hur stor chans (eller risk) att något inträffar. tomas.persson@edu.uu.se SANNOLIKHET Grundpremisser: Ju fler möjliga händelser, desto mindre sannolikhet att en viss händelse
Läs merFöreläsning 1. Grundläggande begrepp
Finansiell Statistik (GN, 7,5 hp,, VT 2009) Föreläsning 1 Sannolikhetsteori (LLL Kap 5) Department of Statistics (Gebrenegus Ghilagaber, PhD, Associate Professor) Financial Statistics (Basic-level course,
Läs merTentamen i TMA321 Matematisk Statistik, Chalmers Tekniska Högskola.
Tentamen i TMA321 Matematisk Statistik, Chalmers Tekniska Högskola. Hjälpmedel: Valfri räknare, egenhändigt handskriven formelsamling (4 A4-sidor på 2 blad) och till skrivningen medhörande tabeller. Fredagen
Läs merSF1901: Sannolikhetslära och statistik Föreläsning 2. Betingad sannolikhet & Oberoende
SF1901: Sannolikhetslära och statistik Föreläsning 2. Betingad sannolikhet & Oberoende Jan Grandell & Timo Koski 14.01.2013 Jan Grandell & Timo Koski () Matematisk statistik 14.01.2013 1 / 25 Repetition:
Läs merFöreläsning G70, 732G01 Statistik A
Föreläsning 3 732G70, 732G01 Statistik A Introduktion till sannolikhetslära Sannolikhetslära: område inom statistiken där vi studerar experiment vars utfall beror av slumpen Sannolikhet: numeriskt värde
Läs merFinansiell Statistik (GN, 7,5 hp,, HT 2008) Föreläsning 1
Finansiell Statistik (GN, 7,5 hp,, HT 2008) Föreläsning 1 Sannolikhetslära (LLL Kap 5) Department of Statistics (Gebrenegus Ghilagaber, PhD, Associate Professor) Financial Statistics (Basic-level course,
Läs mer1. Frekvensfunktionen nedan är given. (3p)
TENTAMEN I MATEMATIK MED MATEMATISK STATISTIK HF14 TEN 11 kl 1.15-.15 Hjälpmedel: Formler och tabeller i statistik, räknedosa Fullständiga lösningar erfordras till samtliga uppgifter. Lösningarna skall
Läs merFinansiell statistik, vt-05. Sannolikhetslära. Mängder En mängd är en samling element (objekt) 1, 2,, F2 Sannolikhetsteori. koppling till verkligheten
Johan, Koskinen, Statistiska institutionen, Stockholms universitet Finansiell statistik, vt-05 F2 Sannolikhetsteori Sannolikhetslära koppling till verkligheten mängdlära räkna med sannolikheter definitioner
Läs merFöreläsning 2, Matematisk statistik för M
Repetition Stok. Var. Diskret Kont. Fördelningsfnk. Föreläsning 2, Matematisk statistik för M Erik Lindström 25 mars 2015 Erik Lindström - erikl@maths.lth.se FMS012 F2 1/16 Repetition Stok. Var. Diskret
Läs merTAMS79: Föreläsning 1 Grundläggande begrepp
TMS79: Föreläsning 1 Grundläggande begrepp Johan Thim 31 oktober 2018 1.1 Begrepp Ett slumpförsök är ett försök där resultatet ej kan förutsägas deterministiskt. Slumpförsöket har olika möjliga utfall.
Läs merIntroduktion till sannolikhetslära. Människor talar om sannolikheter :
F9 Introduktion till sannolikhetslära Introduktion till sannolikhetslära Människor talar om sannolikheter : Sannolikheten att få sju rätt på Lotto Sannolikheten att få stege på en pokerhand Sannolikheten
Läs merFöreläsning 8: Räkning. Duvhålsprincipen. Kombinatorik
Föreläsning 8: Räkning. Duvhålsprincipen. Kombinatorik Summaregeln Om och B är disjunkta mängder så B = + B, ty innehåller inga upprepningar Produktregeln Om och B är disjunkta mängder så är B = B Exempel:
Läs merSF1901: Sannolikhetslära och statistik
SF1901: Sannolikhetslära och statistik Föreläsning 1. Jan Grandell & Timo Koski 01.09.2008 Jan Grandell & Timo Koski () Matematisk statistik 01.09.2008 1 / 48 Inledning Vi ska först ge några exempel på
Läs mer1 Föreläsning I, Mängdlära och elementär sannolikhetsteori,
1 Föreläsning I, Mängdlära och elementär sannolikhetsteori, LMA201, LMA521 1.1 Mängd (Kapitel 1) En (oordnad) mängd A är en uppsättning av element. En sådan mängd kan innehålla ändligt eller oändlligt
Läs merSF1914/SF1916: SANNOLIKHETSTEORI OCH GRUNDLÄGGANDE SANNOLIKHETSTEORI, STATISTIK KORT OM BESKRIVANDE STATISTIK. Tatjana Pavlenko.
SF1914/SF1916: SANNOLIKHETSTEORI OCH STATISTIK FÖRELÄSNING 1 GRUNDLÄGGANDE SANNOLIKHETSTEORI, KORT OM BESKRIVANDE STATISTIK Tatjana Pavlenko 27 augusti, 2018 KURSINFORMATION Blom m.fl. Sannolikhetsteori
Läs merTentamen i matematisk statistik (9MA241/9MA341/LIMAB6, STN2) 2012-01-09 kl 08-13
LINKÖPINGS UNIVERSITET MAI Johan Thim Tentamen i matematisk statistik (9MA241/9MA341/LIMAB6, STN2) 212-1-9 kl 8-13 Hjälpmedel är: miniräknare med tömda minnen och formelbladet bifogat. Varje uppgift är
Läs merTMS136. Föreläsning 2
TMS136 Föreläsning 2 Slumpförsök Med slumpförsök (random experiment) menar vi försök som upprepade gånger utförs på samma sätt men som kan få olika utfall Enkla exempel är slantsingling och tärningskast
Läs merNATIONELLA MATEMATIKTÄVLING
NATIONELLA MATEMATIKTÄVLING PRATA OM SPELS EN KURS I SANNOLIKHET 1 INLEDNING Sannolikhetskursen består av sju olika steg där det sista steget utgörs av själva tävlingsmomentet. Det är upp till pedagogen
Läs merSannolikhet och Odds
Sannolikhet och Odds Sannolikhet Tärning (Orange) och (Blå) 0 0 0 Om man satsat sina pengar på rätt summa multipliceras oddset med insatsen (pengarna man satsar) Odds Utfall (summan av två tärningar) Sannolikhet
Läs merStatistisk slutledning (statistisk inferens): Sannolikhetslära: GRUNDLÄGGANDE SANNOLIKHETSLÄRA. Med utgångspunkt från ett stickprov
OSÄKERHET Sannolikhetslära: Om det i ett område finns 32 % med universitetsexamen, vad är sannolikheten att ett stickprov kommer att innehålla 31-33 % med universitetsexamen? Om medelåldern i en population
Läs merStatistikens grunder HT, dagtid Statistiska institutionen
Statistikens grunder 1 2013 HT, dagtid Statistiska institutionen Orsak och verkan N Kap 2 forts. Annat ord: kausalitet Något av det viktigaste för varje vetenskap. Varför? Orsakssamband ger oss möjlighet
Läs mera n = A2 n + B4 n. { 2 = A + B 6 = 2A + 4B, S(5, 2) = S(4, 1) + 2S(4, 2) = 1 + 2(S(3, 1) + 2S(3, 2)) = 3 + 4(S(2, 1) + 2S(2, 2)) = 7 + 8 = 15.
1 Matematiska Institutionen KTH Lösningar till tentamensskrivning på kursen Diskret Matematik, moment A, för D och F, SF161 och SF160, den juni 008 kl 08.00-1.00. DEL I 1. (p) Lös rekursionsekvationen
Läs merGrundläggande matematisk statistik
Grundläggande matematisk statistik Grundbegrepp, axiomsystem, betingad sannolikhet, oberoende händelser, total sannolikhet, Bayes sats Uwe Menzel, 2018 uwe.menzel@slu.se; uwe.menzel@matstat.de www.matstat.de
Läs merÖvning 1 Sannolikhetsteorins grunder
Övning 1 Sannolikhetsteorins grunder Två händelser A och B är disjunkta om {A B} =, det vill säga att snittet inte innehåller några element. Om vi har en mängd händelser A 1, A 2, A 3,..., A n, vilka är
Läs mer3 Grundläggande sannolikhetsteori
3 Grundläggande sannolikhetsteori Ämnet sannolikhetsteori har sin grund i studier av hasardspel utförda under 1500- och 1600-talen av bland andra Gerolamo Cardano, Pierre de Fermat och Blaise Pascal. Mycket
Läs merSF1901: Sannolikhetslära och statistik Föreläsning 2. Betingad sannolikhet & Oberoende
SF1901: Sannolikhetslära och statistik Föreläsning 2. Betingad sannolikhet & Oberoende Jan Grandell & Timo Koski 21.01.2016 Jan Grandell & Timo Koski Matematisk statistik 21.01.2016 1 / 39 Lärandemål Betingad
Läs merTMS136. Föreläsning 1
TMS136 Föreläsning 1 Varför? Om vi gör mätningar vill vi kunna modellera och kvantifiera de osäkerheter som obönhörligen finns Om vi handlar med värdepapper vill kunna modellera och kvantifiera de risker
Läs mer729G04 - Hemuppgift, Diskret matematik
79G04 - Hemuppgift, Diskret matematik 5 oktober 015 Dessa uppgifter är en del av examinationen i kursen 79G04 Programmering och diskret matematik. Uppgifterna ska utföras individuellt och självständigt.
Läs merKurs: HF1012, Matematisk statistik Lärare: Armin Halilovic Datum: Måndag 30 mars 2015 Skrivtid: 8:15-10:00
KONTROLLSKRIVNING 1 version A Kurs: HF1012, Matematisk statistik Lärare: Armin Halilovic Datum: Måndag 30 mars 2015 Skrivtid: 8:15-10:00 Tillåtna hjälpmedel: Miniräknare av vilken typ som helst. Förbjudna
Läs merDOP-matematik Copyright Tord Persson. Bråktal -3-2 -1 0 1 2 3. Läs av vilka tal på tallinjen, som pilarna pekar på. Uppgift nr 10 -3-2 -1 0 1 2 3
Bråktal Uppgift nr En limpa delas i 4 lika stora delar. Hur stor del av limpan blir varje del? Uppgift nr 2 Hur många tiondelar behövs för att det skall räcka till en hel? Uppgift nr Hur läser man ut bråket
Läs merTentamen i Tillämpad matematisk statistik LMA521 för EPI och MI den 14 dec 2011
Tentamen i Tillämpad matematisk statistik LMA5 för EPI och MI den dec Tentamen består av åtta uppgifter om totalt 5 poäng. Det krävs minst poäng för betyg 3, minst 3 poäng för och minst poäng för 5. Eaminator:
Läs merF3 SANNOLIKHETSLÄRA (NCT ) För komplementhändelsen A till händelsen A gäller att
Stat. teori gk, ht 2006, JW F3 SANNOLIKHETSLÄRA (NCT 4.3-4.4) Ordlista till NCT Complement rule Addition rule Conditional probability Multiplication rule Independent Komplementsatsen Additionssatsen Betingad
Läs merStatistik 1 för biologer, logopeder och psykologer
Innehåll 1 Punktskattning och kondensintervall Innehåll 1 Punktskattning och kondensintervall Population Punktskattning och kondensintervall Vi har en population vars någon mätbar egenskap X vi är intresserade
Läs merSF1922/SF1923: SANNOLIKHETSTEORI OCH DISKRETA STOKASTISKA VARIABLER STATISTIK. Tatjana Pavlenko. 23 mars, 2018
SF1922/SF1923: SANNOLIKHETSTEORI OCH STATISTIK FÖRELÄSNING 3 DISKRETA STOKASTISKA VARIABLER Tatjana Pavlenko 23 mars, 2018 PLAN FÖR DAGENSFÖRELÄSNING Repetition av betingade sannolikheter, användbara satser
Läs merMatematisk statistik
Matematisk statistik för STS vt 2004 2004-03 - 23 Bengt Rosén Matematisk statistik Ämnet matematisk statistik omfattar de två delområdena Sannolikhetsteori Statistikteori Bloms A - bok behandlar sannolikhetsteori,
Läs merAvsikt På ett lekfullt sätt färdighetsträna, utveckla elevers känsla för hur vårt talsystem är uppbyggt samt hitta mönster som uppkommer.
Strävorna 4A 100-rutan... förmåga att förstå, föra och använda logiska resonemang, dra slutsatser och generalisera samt muntligt och skriftligt förklara och argumentera för sitt tänkande.... grundläggande
Läs merFöreläsningsmanus i matematisk statistik för lantmätare, vecka 2 HT07
Föreläsningsmanus i matematisk statistik för lantmätare, vecka 2 HT07 Bengt Ringnér August 31, 2007 1 Inledning Detta är preliminärt undervisningsmaterial. Synpunkter är välkomna. 2 Händelser och sannolikheter
Läs merEn skola fri från mobbning och kränkningar
En skola fri från mobbning och kränkningar Elever har rätt till en trygg skola Det är nolltolerans mot kränkningar i förskolan och skolan. Du som jobbar i skolan har ett ansvar att se till att alla barn
Läs merReliability analysis in engineering applications
Reliability analysis in engineering applications Fredrik Carlsson Sannolikhetsteorins grunder Fördelningar och stokastiska variabler Extremvärdesfördelningar Simulering Structural Engineering - Lund University
Läs merFöreläsning 2, FMSF45 Slumpvariabel
Föreläsning 2, FMSF45 Slumpvariabel Stas Volkov 2017-09-05 Stanislav Volkov s.volkov@maths.lth.se FMSF45 F2: Slumpvariabel 1/23 Begrepp Samband Grundläggande begrepp och beteckningar Utfall resultatet
Läs merTränarguide del 1. Mattelek. www.mv-nordic.se
Tränarguide del 1 Mattelek www.mv-nordic.se 1 ATT TRÄNA MED MATTELEK Mattelek är ett adaptivt träningsprogram för att träna centrala matematiska färdigheter såsom antalsuppfattning, den inre mentala tallinjen
Läs merhändelsen som alltid inträffar. Den tomma mängden representerar händelsen som aldrig inträffar.
Marco Kuhlmann Detta är en kompakt sammanfattning av momentet sannolikhetslära som ingår i kurserna Matematik 1b och 1c på gymnasiet. 1 Grundläggande begrepp 1.01 När vi singlar slant eller kastar tärning
Läs merSannolikhetslära. 1 Enkel sannolikhet. Grunder i matematik och logik (2015) 1.1 Sannolikhet och relativ frekvens. Marco Kuhlmann
Marco Kuhlmann Detta kapitel behandlar grundläggande begrepp i sannolikhetsteori: enkel sannolikhet, betingad sannolikhet, lagen om total sannolikhet och Bayes lag. 1 Enkel sannolikhet Den klassiska sannolikhetsteorin,
Läs mer4-3 Vinklar Namn: Inledning. Vad är en vinkel?
4-3 Vinklar Namn: Inledning I det här kapitlet skall du lära dig allt om vinklar: spetsiga, trubbiga och räta vinklar. Och inte minst hur man mäter vinklar. Att mäta vinklar och sträckor är grundläggande
Läs merKonsten att multiplicera (stora) heltal
Konsten att multiplicera (stora) heltal 18 november 2006 Stora heltal Mental bild: Handmultiplikation av tal med hundratals siffor. Datormultiplikation av tal med miljontals siffror. Mina exempel är mycket
Läs merSF1901: Sannolikhetslära och statistik Föreläsning 2. Betingad sannolikhet & Oberoende
SF1901: Sannolikhetslära och statistik Föreläsning 2. Betingad sannolikhet & Oberoende Jan Grandell & Timo Koski 21.01.2015 Jan Grandell & Timo Koski () Matematisk statistik 21.01.2015 1 / 1 Repetition:
Läs mer5. BERÄKNING AV SANNOLIKHETER
5. BERÄKNING V SNNOLIKHETER 5.1 dditionssatsen Viharnukommitframtilldetstegdärvikanbörjaatträknapraktisktmed sannolikheter. Vi skall utveckla olika regler och begrepp som är nödvändiga för att praktiskt
Läs merViktig information till dig som söker till Ämneslärarprogrammet höstterminen 2011
1 Viktig information till dig som söker till Ämneslärarprogrammet höstterminen 2011 Möjliga ämneskombinationer och behörighetskrav för Ämneslärarprogrammet med inriktning mot arbete i grundskolans årskurs
Läs merStatistiska metoder för säkerhetsanalys
Anna Lindgren Matematisk statistik 2 september 2013 Formalia Syfte och Mål Om kursen Kursen ger 7.5 hp och är obligatorisk på Riskhantering. Förutsätter en grundläggande kurs i statistik/matematisk statistik.
Läs merIdag. Hur vet vi att vår databas är tillräckligt bra?
Idag Hur vet vi att vår databas är tillräckligt bra? Vad är ett beroende? Vad gör man om det blivit fel? Vad är en normalform? Hur når man de olika normalformerna? DD1370 (Föreläsning 6) Databasteknik
Läs merSF1901: SANNOLIKHETSTEORI OCH GRUNDLÄGGANDE SANNOLIKHETSTEORI, STATISTIK KORT OM BESKRIVANDE STATISTIK. Tatjana Pavlenko.
SF1901: SANNOLIKHETSTEORI OCH STATISTIK FÖRELÄSNING 1 GRUNDLÄGGANDE SANNOLIKHETSTEORI, KORT OM BESKRIVANDE STATISTIK Tatjana Pavlenko 28 augusti, 2017 KURSREGISTRERING Det är viktigt att du kursanmäler
Läs merSnapphanalegen. Firekángabogena. Spelregler. (4 spelare)
Snapphanalegen Firekángabogena Spelregler 1 800 (4 spelare) 800 är ett spel med anor från 1400-talet. Spelet ställer stora krav på spelarnas skicklighet. Fyra deltagare spelar ihop parvis. Spelet cirkulerar
Läs merS0007M Statistik2: Slumpmodeller och inferens. Inge Söderkvist
Föreläsning 1 4.1 Slumpässighet 4.2 Sannolikhetsmodeller Viktiga grundbegrepp Slumpmässig (eng: random) Ett fenomen är slumpmässigt om individuella resultat är osäkra, men resultat alltid förekommer med
Läs merSpelregler. 2-4 deltagare från 10 år. Med hjälp av bokstavsbrickor och god uppfinningsrikedom
Spelregler 2-4 deltagare från 10 år Med hjälp av bokstavsbrickor och god uppfinningsrikedom bildar ni ord kors och tvärs över spelplanen. Prova gärna spelvarianter där ni an vän der pilar och svarta brickor
Läs merLathund, procent med bråk, åk 8
Lathund, procent med bråk, åk 8 Procent betyder hundradel, men man kan också säga en av hundra. Ni ska kunna omvandla mellan bråkform, decimalform och procentform. Nedan kan ni se några omvandlingar. Bråkform
Läs merMätningar på op-förstärkare. Del 3, växelspänningsförstärkning med balanserad ingång.
Mätningar på op-förstärkare. Del 3, växelspänningsförstärkning med balanserad ingång. Denna gång skall vi titta närmare på en förstärkare med balanserad ingång och obalanserad utgång. Normalt använder
Läs mer912 Läsförståelse och matematik behöver man lära sig läsa matematik?
912 Läsförståelse och matematik behöver man lära sig läsa matematik? Med utgångspunkt från min egen forskning kring läsförståelse av matematiska texter kommer jag att diskutera olika aspekter av läsning
Läs merKunskapskrav för godtagbara kunskaper i matematik - slutet av åk 3
Kunskapskraven åk k 3 - matematik 20 Kunskapskrav för godtagbara kunskaper i matematik - slutet av åk 3 Eleven kan lösa enkla problem i elevnära situationer genom att välja och använda någon strategi med
Läs merHa det kul med att förmedla och utveckla ett knepigt område!
Kul med pizzabitar Första gången eleverna får materialet i handen bör dem få sin egen tid till att undersöka det på det viset blir dem bekanta med dess olika delar. Det kan också vara en god idé att låta
Läs merSF1620 Matematik och modeller
KTH Teknikvetenskap, Institutionen för matematik 1 SF160 Matematik och modeller 007-09-10 Andra veckan Trigonometri De trigonometriska funktionerna och enhetscirkeln Redan vid förra veckans avsnitt var
Läs merAlgebra, polynom & andragradsekvationer en pampig rubrik på ett annars relativt obetydligt dokument
Algebra, polynom & andragradsekvationer en pampig rubrik på ett annars relativt obetydligt dokument Distributiva lagen a(b + c) = ab + ac 3(x + 4) = 3 x + 3 4 = 3x + 12 3(2x + 4) = 3 2x + 3 4 = 6x + 12
Läs merFörsäsongsträning Malmö Redhawks U14 2015/2016
Försäsongsträning Malmö Redhawks U14 2015/2016 Namn: Nummer: Emil Walldén 070-736 02 54 hockeyemil95@gmail.com Sida 1 av 10 Träningsdagbok/ Fysschema Här nedan följer en träningsdagbok där jag vill att
Läs merIntyg om erfarenhet och lämplighet att undervisa som lärare i gymnasieskolan
Intyg om erfarenhet och lämplighet att undervisa som lärare i gymnasieskolan Läs detta innan du fyller i intyget: Det här formuläret ska fyllas i av rektorn eller huvudmannen och bifogas till ansökan om
Läs merL(9/G)MA10 Kombinatorik och geometri Gruppövning 1
L(9/G)MA10 Kombinatorik och geometri Gruppövning 1 Lisa och Pelle leker med svarta och vita byggklossar. Deras pedagogiska föräldrar vill att de lär sig matematik samtidigt som de håller på och leker.
Läs merAnvändarmanual och policy för Göteborgs Evenemangskalender på goteborg.com
Användarmanual och policy för Göteborgs Evenemangskalender på goteborg.com Policy - Evenemangen får inte vara för små och lokala, utan ska vända sig till internationella besökare i första hand, men även
Läs merSTOKASTIK Sannolikhetsteori och statistikteori med tillämpningar
2007-10-08 sida 1 # 1 STOKASTIK Sannolikhetsteori och statistikteori med tillämpningar Sven Erick Alm och Tom Britton Typsatt med liber1ab 2007-10-08 1 2007-10-08 sida 2 # 2 2007-10-08 sida i # 3 Innehåll
Läs merKapitel 6. f(x) = sin x. Figur 6.1: Funktionen sin x. 1 Oinas-Kukkonen m.fl. Kurs 6 kapitel 1
Kapitel 6 Gränsvärde 6. Definition av gränsvärde När vi undersöker gränsvärdet av en funktion undersöker vi vad som händer med funktionsvärdet då variabeln, x, går mot ett visst värde. Frågeställningen
Läs merLaborationspecifikation
UMEÅ UNIVERSITET Institutionen för matematik och matematisk statistisk Statistik för tekniska datavetare 5 poäng Per Arnqvist 2007-05-03 Laborationspecifikation Redovisning Ni får gärna jobba parvis och
Läs mer(a) Hur stor är sannolikheten att en slumpvist vald person tror att den är laktosintolerant?
LÖSNINGAR till tentamen: Statistik och sannolikhetslära (LMA12) Tid och plats: 8.3-12.3 den 24 augusti 215 Hjälpmedel: Typgodkänd miniräknare, formelblad Betygsgränser: 3: 12 poäng, 4: 18 poäng, 5: 24
Läs mer10.03.2010. Översikt. Rapport från skolverket. Förändring av matematikprestationerna 1995 2003-2007. Grundtankar bakom Pixel
Översikt Hur är situationen i Sverige och Norge när det gäller matematik-kompetensen? Är det nödvändigt att undervisa på andra sätt än vi gjort tidigare? Förändring av matematikprestationerna 1995 2003-2007
Läs mer