Introduktion till sannolikhetslära. Människor talar om sannolikheter :
|
|
- Susanne Ek
- för 8 år sedan
- Visningar:
Transkript
1 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 att bli godkänd på en tenta Statistik bygger på sannolikhetslära 1
2 Introduktion till sannolikhetslära Slumpmässigt försök (random trial) Ett försök som kan upprepas under likartade förhållanden och där resultatet vid varje upprepning inte kan förutsägas med säkerhet Ex tärningskast (1,2,3,4,5,6?), lottdragning (vinst eller ej?), sannolikhetsurval (vilka blir dragna?) Utfall (outcome) Resultatet av ett slumpmässigt försök Ex få en sexa vid tärningskast Utfallsrum Utfallsrummet U = mängden av alla tänkbara utfall: Ex U={1,2,3,4,5,6} Exempel Slumpförsök Utfallsrum Kast med 6-sidig tärning Kast med mynt U={ } U={ } Slumpmässigt urval av N=10 personer U={ } 2
3 Introduktion till sannolikhetslära Händelse (event): betecknas A, B, En samling av ett eller flera utfall En delmängd av utfallsrummet Ex slumpförsök: tärningskast, U={1,2,3,4,5,6} Vill bestämma sannolikheten att A ska inträffa P(A)=? Ex sannolikheten att få högst en trea? Händelse A=att få ett udda antal B=att få högst 3 C=att få 6:a D=att inte få 6:a E=att få 7:a Delmängd A={1,3,5} B={1,2,3} C={6} D={1,2,3,4,5} Tom delmängd Egenskaper hos sannolikheter Sannolikheter bör vara som relativa frekvenser! Sådana ligger mellan 0 och 1: ( A) 1 0 P Om P(A)=0 händelse Om P(A)=1 händelse A är en omöjlig A är en säker 3
4 Egenskaper hos sannolikheter Disjunkta händelser A och B är händelser som inte kan inträffa samtidigt Ömsesidigt uteslutande Ex myntkast A={krona}, B={klave}, tärningskast A={1,3,5} B={2} Komplement till A Händelsen att A inte inträffar De utfall i U som inte tillhör A Vi använder beteckningen A* Ex A={1,2} A*={3,4,5,6} vid kast med tärning P(A eller A*)=P(A)+P(A*)=1 P(A)=1-P(A*), P(A*)=1-P(A) Bestämning av sannolikheter Subjektiva sannolikheter Tilltro till en framtida händelse Varierar mellan olika personer Klassisk sannolikhetsdefinition Om alla utfall är lika sannolika antalet gynnsamma utfall P ( A) = antalet möjliga utfall Ex A={1,3,5} P(A)= 3/6 = 1/2 Empiriskt bestämd sannolikhet Om utfallen har olika sannolikhet/vi vet inte sannolikheten Ex osymmetrisk tärning 4
5 Relativ frekvens Antag att ett försök upprepas n ggr, den sökta händelsen inträffar f ggr, då gäller rf = f n 0 f n Stora talens lag Relativa frekvenser är stabila och närmar sig ett visst värde då antalet upprepningar av försöket (n) ökar Relativ frekvens Gränsvärdet kallas för den teoretiska sannolikheten Använd den observerade relativa frekvensen för händelsen som en skattning av den teoretiska sannolikheten 5
6 Exempel Kasta en tärning 12 ggr. Hur många Kasta en tärning 30 ggr. Hur många Kasta ett mynt 30 ggr. Hur många gånger får vi krona? Stora talens lag Om utfallen har olika chans att inträffa kan vi ej använda den klassiska definitionen Vi kan använda den relativa frekvensen Hur många upprepningar av försöket behövs? Hur många gånger behöver vi kasta ett mynt för att uppskatta sannolikheten att få krona? Sannolikheten att den relativa frekvensen för en händelse är nära den teoretiska sannolikheten ökar om antalet upprepningar ökar 6
7 Exempel: symmetrisk tärning Kasta en tärning 30 ggr. Hur många Kasta en tärning 100 ggr. Hur många Kasta en tärning 1000 ggr. Hur många Relativa frekvensen närmar sig ett värde här 1/6 = 0,1667 när vi upprepar försöket ett stort antal gånger Detta är värdet utifrån klassiska definitionen Detta värde kallar vi för sannolikheten för händelsen Additionssatsen P(A eller B)=P(A eller B eller båda)= P(minst en av händelserna A och B inträffar) Additionsatsen P(A eller B)= P(A)+P(B)-P(A och B) Om disjunkta P(A och B)=0 Ex A={1,2,3,4}, B={2,4,6} A och B={2,4} P(A eller B)=P(A)+P(B)-P(A och B)=4/6 + 3/6 2/6 = 5/6 A eller B={1,2,3,4,6}, U={1,2,3,4,5,6} P(A eller B)=5/6 7
8 Relativa frekvenser för flera händelser Antag två händelser som inte kan inträffa samtidigt Relativa frekvensen är f 1 /n resp f 2 /n Relativa frekvensen för att den ena eller den andra inträffar f1 f2 f1 + f2 rf = + = n n n Exempel Vi kastar en tärning 100 ggr och får 19 ettor och 16 sexor. Relativa frekvensen för en etta eller sexa är rf = = = 0,35 8
9 Multiplikationssatsen för oberoende händelser A och B är oberoende händelser om P(A och B) = P(A)P(B) Exempel Sannolikheten att få sexa på första kastet och etta på andra? P(6 på första och 1 på andra)= 1 1 =
F2 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
Kap 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
Föreläsning 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,
Finansiell 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,
Matematisk 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
Föreläsning 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,
Statistisk 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
Sannolikhetsbegreppet
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
Föreläsning 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
S0007M 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
Statistik 1 för biologer, logopeder och psykologer
Innehåll 1 Grunderna i sannolikhetslära 2 Innehåll 1 Grunderna i sannolikhetslära 2 Satistik och sannolikhetslära Statistik handlar om att utvinna information från data. I praktiken inhehåller de data
händelsen 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
Föreläsning 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
Grundläggande 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
Sannolikhetslära. 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,
1 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
1 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
Föreläsning 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:
SF1901: 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
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
Matematisk 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
TMS136. 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
TAMS79: 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.
F3 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
Slumpförsök för åk 1-3
Modul: Sannolikhet och statistik Del 3: Att utmana elevers resonemang om slump Slumpförsök för åk 1-3 Cecilia Kilhamn, Göteborgs Universitet Andreas Eckert, Linnéuniversitetet I följande text beskrivs
TMS136. 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
Föreläsning G70 Statistik A
Föreläsning 2 732G70 Statistik A Introduktion till sannolikhetslära Sannolikhetslära: område inom statistiken där vi studerar experiment vars utfall beror av slumpen Sannolikhet: numeriskt värde (mellan
Kolmogorovs 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
SF1901: Sannolikhetslära och statistik
SF1901: Sannolikhetslära och statistik Föreläsning 1. Jan Grandell & Timo Koski 19.01.2016 Jan Grandell & Timo Koski Matematisk statistik 19.01.2016 1 / 65 Många tänker på tabeller 1 när de hör ordet statistik.
Matematisk 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
Reliability analysis in engineering applications
Reliability analysis in engineering applications Fredrik Carlsson Sannolikhetsteorins grunder Fördelningar och stokastiska variabler Extremvärdesfördelningar Simulering Structural Engineering - Lund University
Finansiell 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
Statistikens 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
Kombinatorik och sannolikhetslära
Grunder i matematik och logik (2018) Kombinatorik och sannolikhetslära Marco Kuhlmann Sannolikhetslära Detta avsnitt är för det mesta en kompakt sammanfattning av momentet sannolikhetslära som ingår i
SF1911: Statistik för bioteknik
SF1911: Statistik för bioteknik Föreläsning 3. TK 3.11.2017 TK Matematisk statistik 3.11.2017 1 / 53 Probability: What is it? Probability is a number between 0 and 1 that predicts the (relative) frequency
Utfall, 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
SF1920/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
Sannolikhetslära. Uppdaterad:
Sannolikhetslära Uppdaterad: 8 Har jag använt någon bild som jag inte får använda? Låt mig veta så tar jag bort den. christian.karlsson@ckfysik.se [] Ex : Singla slant två gånger [] Ex : Två tärningar
MATEMATIK ARBETSOMRÅDET LIKABEHANDLING Kränkande handlingar, nätmobbning, rasism och genus
MATEMATIK ARBETSOMRÅDET LIKABEHANDLING Kränkande handlingar, nätmobbning, rasism och genus STATISTIK/DIAGRAM VAD ÄR STATISTIK? En titt på youtube http://www.youtube.com/watch?v=7civnkawope Statistik omfattar
Sannolikhetslära. 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
SF1901: 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:
SF1901: 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
Betingad sannolikhet och oberoende händelser
Kapitel 5 Betingad sannolikhet och oberoende händelser Betrakta ett försök med ett ändligt utfallsrum Ω och en händelse A vid detta försök. Definitionsmässigt gäller att A Ω och försökets utfall ligger
7-1 Sannolikhet. Namn:.
7-1 Sannolikhet. Namn:. Inledning Du har säkert hört ordet sannolikhet förut. Hur sannolikt är det att få 13 rätt på tipset eller 7 rätt på lotto? I detta kapitel skall du lära dig vad sannolikhet är för
1 Mätdata och statistik
Matematikcentrum Matematik NF Mätdata och statistik Betrakta frågeställningen Hur mycket väger en nyfödd bebis?. Frågan verkar naturlig, men samtidigt mycket svår att besvara. För att ge ett fullständigt
Föreläsning 1. Repetition av sannolikhetsteori. Patrik Zetterberg. 6 december 2012
Föreläsning 1 Repetition av sannolikhetsteori Patrik Zetterberg 6 december 2012 1 / 28 Viktiga statistiska begrepp För att kunna förstå mer avancerade koncept under kursens gång är det viktigt att vi förstår
{ } { } En mängd är en samling objekt A = 0, 1. Ex: Mängder grundbegrepp 5 C. Olof M C = { 7, 1, 5} M = { Ce, Joa, Ch, Je, Id, Jon, Pe}
Mängder grundbegrepp En mängd är en samling objekt Ex: { } { } A = 0, 1 B = 0 C = { 7, 1, 5} tomma mängden (har inga element) D = { 1, 2, 3,, 10} M = { Ce, Joa, Ch, Je, Id, Jon, Pe} kallas element i mängden
TMS136. Föreläsning 2
TMS136 Föreläsning 2 Sannolikheter För en händelse E skriver vi sannolikheten att E inträffar som P(E) För en händelse E skriver vi sannolikheten att E inte inträffar som P(E ) Exempel Låt E vara händelsen
F5 STOKASTISKA VARIABLER (NCT , samt del av 5.4)
Stat. teori gk, ht 006, JW F5 STOKASTISKA VARIABLER (NCT 5.1-5.3, samt del av 5.4) Ordlista till NCT Random variable Discrete Continuous Probability distribution Probability distribution function Cumulative
Statistik. 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
Matematisk 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:
SF1901: 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
Institutionen för lingvistik och filologi VT 2014 (Marco Kuhlmann 2013, tillägg och redaktion Mats Dahllöf 2014).
UPPSALA UNIVERSITET Matematik för språkteknologer (5LN445) Institutionen för lingvistik och filologi VT 2014 (Marco Kuhlmann 2013, tillägg och redaktion Mats Dahllöf 2014). 9 Sannolikhet Detta kapitel
15.1 Mer om betingad sannolikhet
15.1 Mer om betingad sannolikhet Exempel 1. En vanlig tärning kastas Låt A tärningen visar 1 Låt B tärningen visar ett udda poängantal Bestäm P(A). Bestäm P(A B), det vill säga: Hur stor är sannolikheten
Grundläggande 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
Exempel: Väljarbarometern. Föreläsning 1: Introduktion. Om Väljarbarometern. Statistikens uppgift
Exempel: Väljarbarometern Föreläsning 1: Introduktion Matematisk statistik Det som typiskt karakteriserar ett statistiskt problem är att vi har en stor grupp (population) som vi vill analysera. Vi kan
Övning 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
SF1901: 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:
Sannolikhetslära. 19 februari 2009. Vad är sannolikheten att vinna om jag köper en lott?
Sannolikhetslära 19 februari 009 Vad är en sannolikhet? I vardagen: Vad är sannolikheten att vinna om jag köper en lott? Borde jag ta paraply med mig till jobbet idag? Vad är sannolikheten att det kommer
SF1901: 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
Sannolikhetslära till pdf.notebook. May 04, 2012. Sannolikhetslära. Kristina.Wallin@kau.se
May 0, 0 Sannolikhetslära Kristina.Wallin@kau.se May 0, 0 Centralt innehåll Sannolikhet Åk Slumpmässiga händelser i experiment och spel. Åk 6 Sannolikhet, chans och risk grundat på observationer, experiment
Kapitel 2. Grundläggande sannolikhetslära
Sannolikhetslära och inferens II Kapitel 2 Grundläggande sannolikhetslära 1 Att beräkna en sannolikhet I många slumpförsök gäller att alla utfall i S är lika sannolika. Exempel: Tärningskast, slantsingling.
Grundläggande matematisk statistik
Grundläggande matematisk statistik Diskreta fördelningar Uwe Menzel, 2018 www.matstat.de Begrepp fördelning Hur beter sig en variabel slumpmässigt? En slumpvariabel (s.v.) har en viss fördelning, d.v.s.
Föreläsning 1: Introduktion
Föreläsning 1: Introduktion Matematisk statistik David Bolin Chalmers University of Technology March 22, 2014 Lärare och kurslitteratur David Bolin: Rum: E-mail: Fredrik Boulund: Rum: E-mail: Kursansvarig,
F9 SAMPLINGFÖRDELNINGAR (NCT
Stat. teori gk, ht 006, JW F9 SAMPLINGFÖRDELNINGAR (NCT 7.1-7.4) Ordlista till NCT Sample Population Simple random sampling Sampling distribution Sample mean Standard error The central limit theorem Proportion
SF1901: Sannolikhetslära och statistik
SF1901: Sannolikhetslära och statistik Föreläsning 1. Jan Grandell & Timo Koski 19.01.2016 Jan Grandell & Timo Koski Matematisk statistik 19.01.2016 1 / 70 Många tänker på tabeller 1 när de hör ordet statistik.
Föreläsningsmanus 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
Aktiviteten, (Vad är mina chanser?), parvis, alla har allt material,
Aktiviteten, (Vad är mina chanser?), parvis, alla har allt material, Hur stor är chansen? NAMN Ni kommer att utvärdera olika spel för att hjälpa er förstå sannolikheten. För varje spel, förutsäga vad som
4.1 Grundläggande sannolikhetslära
4.1 Grundläggande sannolikhetslära När osäkerhet förekommer kan man aldrig uttala sig tvärsäkert. Istället använder vi sannolikheter, väntevärden, standardavvikelser osv. Sannolikhet är ett tal mellan
Tentamen i Statistik, STA A13 Deltentamen 1, 4p 12 november 2005, kl
Karlstads universitet Institutionen för informationsteknologi Avdelningen för statistik Tentamen i Statistik, STA A13 Deltentamen 1, 4p 1 november 005, kl. 09.00-13.00 Tillåtna hjälpmedel: Bifogad formel-
7-2 Sammansatta händelser.
Namn: 7-2 Sammansatta händelser. Inledning Du vet nu vad som menas med sannolikhet. Det lärde du dig i kapitlet om just sannolikhet. Nu skall du tränga lite djupare i sannolikhetens underbara värld och
TMS136. 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
SOS HT Slumpvariabler Diskreta slumpvariabler Binomialfördelning. Sannolikhetsfunktion. Slumpförsök.
Probability 21-9-24 SOS HT1 Slumpvariabler Slumpvariabler Ett slumpmässigt försök ger ofta upphov till ett tal som bestäms av utfallet av försöket. Talet är alltså inte känt före försöket; det bestäms
FMS012/MASB03: Matematisk statistik 9.0 hp för F+fysiker Föreläsning 1: Sannolikhet
FMS012/MASB03: Matematisk statistik 9.0 hp för F+fysiker Föreläsning 1: Sannolikhet Anna Lindgren 18 januari 2016 Anna Lindgren anna@maths.lth.se FMS012/MASB03 F1: Sannolikhet 1/27 Tillämpningar Praktiska
Finansiell statistik, vt-05. Slumpvariabler, stokastiska variabler. Stokastiska variabler. F4 Diskreta variabler
Johan Koskinen, Statistiska institutionen, Stockholms universitet Finansiell statistik, vt-05 F4 Diskreta variabler Slumpvariabler, stokastiska variabler Stokastiska variabler diskreta variabler kontinuerliga
14.1 Diskret sannolikhetslära
14.1 Diskret sannolikhetslära 14.1.1 Utfallsrum och händelser Vi ska här studera slumpmässiga försök med ändligt många utfall, resultat. Mängden av utfall kallas försökets utfallsrum. Varje delmängd av
Introföreläsning i S0001M Matematisk statistik Läsperiod 2, HT 2018
Introföreläsning i S0001M Matematisk statistik Läsperiod 2, HT 2018 Mykola Shykula Luleå tekniska universitet 5 november 2018 Gruppindelning och lärare Gruppindelning Grupp A: 30 st Arkitekt (TCARA), 20
Experimentera i sannolikhet från teoretisk sannolikhet till data
Modul: Sannolikhet och statistik Del 3. Sannolikhet kopplingen mellan teoretisk modell och data Experimentera i sannolikhet från teoretisk sannolikhet till data Per Nilsson, Örebro universitet Sannolikhet
4.2.1 Binomialfördelning
Ex. Kasta en tärning. 1. Vad är sannolikheten att få en 6:a? 2. Vad är sannolikheten att inte få en 6:a? 3. Vad är sannolikheten att få en 5:a eller 6:a? 4. Om vi kastar två gånger, vad är då sannolikheten
Introföreläsning i S0001M, Matematisk statistik LP3 VT18
föreläsning i S0001M, Matematisk statistik LP3 VT18 Luleå tekniska universitet 15 januari 2018 Gruppindelning och lärare Gruppindelning Grupp A - Datateknik, Väg- och vatten (Mykola) Grupp B - Ind. ekonomi,
Sannolikhetsteori. 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
Satsen om total sannolikhet och Bayes sats
Satsen om total sannolikhet och Bayes sats Satsen om total sannolikhet Ibland är det svårt att direkt räkna ut en sannolikhet pga att händelsen är komplicerad/komplex. Då kan man ofta använda satsen om
4 Diskret stokastisk variabel
4 Diskret stokastisk variabel En stokastisk variabel är en variabel vars värde bestäms av utfallet av ett slumpmässigt försök. En stokastisk variabel betecknas ofta med X, Y eller Z (i läroboken används
F2 Introduktion. Sannolikheter Standardavvikelse Normalapproximation Sammanfattning Minitab. F2 Introduktion
Gnuer i skyddade/oskyddade områden, binära utfall och binomialfördelningar Matematik och statistik för biologer, 10 hp Fredrik Jonsson Januari 2012 I vissa områden i Afrika har man observerat att förekomsten
Föreläsning 1: Introduktion
Föreläsning 1: Introduktion Matematisk statistik Chalmers University of Technology August 29, 2016 Lärare : Rum: E-mail: Anders Hildeman: Rum: E-mail: Sandra Eriksson Barman: Rum: E-mail: Kursansvarig
SF1911: Statistik för bioteknik
SF1911: Statistik för bioteknik Föreläsning 4. TK 7.11.2017 TK Matematisk statistik 7.11.2017 1 / 42 Lärandemål Betingad sannolikhet (definition, betydelse) Oberoende händelser Lagen om total sannolikhet
Vad kan hända? strävorna
strävorna 4D Vad kan hända? föra, följa och värdera matematiska resonemang sannolikhet Avsikt och matematikinnehåll Innebörden i sannolikhet är en viktig kunskap för alla. Det finns gott om exempel på
7. NÅGRA SPECIELLA DISKRETA SANNOLIKHETSFÖRDELNINGAR
7. NÅGRA SPECIELLA DISKRETA SANNOLIKHETSFÖRDELNINGAR Några sannolikhetsfördelningar förekommer ofta i tillämpade problem. Eftersomdeförekommeroftahardefåttspeciellanamn. Idettakapitelskallvi studera två
SF1901: 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
Föreläsning 1: Introduktion
Föreläsning 1: Introduktion Matematisk statistik Chalmers University of Technology Mars 23, 2015 Lärare och kurslitteratur : Rum: E-mail: Anders Hildeman: Rum: E-mail: Kursansvarig och föreläsare H3018
Matematisk 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
SF1914/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
FÖRELÄSNING 3:
FÖRELÄSNING 3: 26-4-3 LÄRANDEMÅL Fördelningsfunktion Empirisk fördelningsfunktion Likformig fördelning Bernoullifördelning Binomialfördelning Varför alla dessa fördelningar? Samla in data Sammanställ data
Vidare får vi S 10 = 8,0 10 4 = 76, Och då är 76
Ellips Sannolikhet och statistik lösningar till övningsprov sid. 38 Övningsprov.. i) P(:a äss och :a äss och 3:e äss och 4:e äss ) P(:a äss) P(:a äss :a äss) P(3:e äss :a och :a äss) antal P(4:a äss :a
Något om sannolikheter, slumpvariabler och slumpmässiga urval
LINKÖPINGS UNIVERSITET Matematiska institutionen Statistik Stig Danielsson 004-0-3 Något om sannolikheter, slumpvariabler och slumpmässiga urval 1. Inledning Observerade data innehåller ofta någon form
Dagens Teori. A) Försöket att kasta en tärning har sex utfall, vilka vi kan beteckna 1, 2, 3, 4, 5, 6. Utfallsrummet
Dagens Teori 8.1 Diskret sannolikhetslära 8.1.1 Utfallsrum och händelser Vi ska här studera slumpmässiga försök med ändligt många utfall, resultat. Mängden av alla utfall kallas försökets utfallsrum. Varje
STA101, Statistik och kvantitativa undersökningar, A 15 p Vårterminen 2017
MÄLARDALENS HÖGSKOLA Akademin för ekonomi, samhälle och teknik STA101, Statistik och kvantitativa undersökningar, A 15 p Vårterminen 2017 Räknestuga 2 Förberedelser: Lyssna på föreläsningarna F4, F5 och
1.1 Diskret (Sannolikhets-)fördelning
Föreläsning III. Diskret (Sannolikhets-)fördelning Med diskret menas i matematik, att något antar ett ändligt antal värden eller uppräkneligt oändligt med värden e.vis {, 2, 3,...}. Med fördelning menas
Stokastisk geometri. Lennart Råde. Chalmers Tekniska Högskola och Göteborgs Universitet
Stokastisk geometri Lennart Råde Chalmers Tekniska Högskola och Göteborgs Universitet Inledning. I geometrin studerar man geometriska objekt och deras inbördes relationer. Exempel på geometriska objekt
Kapitel 2. Grundläggande sannolikhetslära
Sannolikhetslära och inferens II Kapitel 2 Grundläggande sannolikhetslära 1 Kursinformation 13 föreläsningar: Måns Thulin, mans.thulin@statistik.uu.se 3 h: normalt 2 h föreläsning + 1 h räknestuga 7 räkneövningar: