Finansiell statistik, vt-05. Sannolikhetslära. Mängder En mängd är en samling element (objekt) 1, 2,, F2 Sannolikhetsteori. koppling till verkligheten

Relevanta dokument
Föreläsning 2. Kapitel 3, sid Sannolikhetsteori

Matematisk statistik - Slumpens matematik

1 Föreläsning I, Mängdlära och elementär sannolikhetsteori,

{ } { } 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}

Finansiell statistik, vt-05. Slumpvariabler, stokastiska variabler. Stokastiska variabler. F4 Diskreta variabler

TMS136. Föreläsning 1

Föreläsning 1, Matematisk statistik Π + E

Statistikens grunder HT, dagtid Statistiska institutionen

Matematisk statistik 9 hp för I, Pi, C, D och fysiker Föreläsning 1: Introduktion och Sannolikhet

Statistisk slutledning (statistisk inferens): Sannolikhetslära: GRUNDLÄGGANDE SANNOLIKHETSLÄRA. Med utgångspunkt från ett stickprov

TMS136. Föreläsning 2

Matematisk statistik 9hp för: C,D,I, Pi

Grundläggande matematisk statistik

Finansiell statistik, vt-05. Bayes sats. Bayes sats; forts. F3 Sannolikhetsteori. Exempel: antag att vi har tre skålar P( ) = 0 P( ) = 2/5 P( ) = 4/5

Föreläsning 1, Matematisk statistik för M

1 Föreläsning I, Vecka I: 5/11-11/11 MatStat: Kap 1, avsnitt , 2.5

Sannolikhetslära. 1 Enkel sannolikhet. Grunder i matematik och logik (2015) 1.1 Sannolikhet och relativ frekvens. Marco Kuhlmann

SF1901: SANNOLIKHETSTEORI OCH STATISTIK GRUNDLÄGGANDE SANNOLIKHETSTEORI, BETINGAD SANNOLIKHETER, OBEROENDE. Tatjana Pavlenko.

Introduktion till sannolikhetslära. Människor talar om sannolikheter :

TMS136. Föreläsning 1

Kap 2: Några grundläggande begrepp

Reliability analysis in engineering applications

MA2047 Algebra och diskret matematik

3 Grundläggande sannolikhetsteori

Utfall, Utfallsrummet, Händelse. Sannolikhet och statistik. Utfall, Utfallsrummet, Händelse. Utfall, Utfallsrummet, Händelse

F2 SANNOLIKHETSLÄRA (NCT )

Kapitel 1. betecknas detta antal med n(a). element i B; bet. A B. Den tomma mängden är enligt överenskommelsen en delmängd. lika; bet. A = B.

Kolmogorovs Axiomsystem Kolmogorovs Axiomsystem Varje händelse A tilldelas ett tal : slh att A inträar Sannolikheten måste uppfylla vissa krav: Kolmog

Finansiell Statistik (GN, 7,5 hp,, HT 2008) Föreläsning 1

Statistik. Det finns tre sorters lögner: lögn, förbannad lögn och statistik

Matematisk Statistik och Disktret Matematik, MVE051/MSG810, VT19

SF1901: Sannolikhetslära och statistik Föreläsning 2. Betingad sannolikhet & Oberoende

SF1901: Sannolikhetslära och statistik Föreläsning 2. Betingad sannolikhet & Oberoende

TAMS79: Föreläsning 1 Grundläggande begrepp

SF1901: SANNOLIKHETSTEORI OCH GRUNDLÄGGANDE SANNOLIKHETSTEORI, STATISTIK BETINGADE SANNOLIKHETER, OBEROENDE. Tatjana Pavlenko.

Föreläsning 1. Grundläggande begrepp

Wienerprocesser. Finansiell statistik, vt-05. Enkel slumpvandring. Enkel slumpvandring. Varför: model för aktiekurs (dock med aber...

SF1901: Sannolikhetslära och statistik

Sannolikhetsteori. Måns Thulin. Uppsala universitet Statistik för ingenjörer 23/ /14

Föreläsning 1: Introduktion

Exempel: Väljarbarometern. Föreläsning 1: Introduktion. Om Väljarbarometern. Statistikens uppgift

(N) och mängden av heltal (Z); objekten i en mängd behöver dock inte vara tal. De objekt som ingår i en mängd kallas för mängdens element.

F3 SANNOLIKHETSLÄRA (NCT ) För komplementhändelsen A till händelsen A gäller att

FMS012/MASB03: Matematisk statistik 9.0 hp för F+fysiker Föreläsning 1: Sannolikhet

modell Finansiell statistik, vt-05 Modeller F5 Diskreta variabler beskriva/analysera data Kursens mål verktyg strukturera omvärlden formellt

Föreläsning G70, 732G01 Statistik A

Föreläsning 1: Introduktion

Föreläsning 12: Repetition

TMS136. Föreläsning 2

Kombinatorik och sannolikhetslära

S0007M Statistik2: Slumpmodeller och inferens. Inge Söderkvist

SF1901: Sannolikhetslära och statistik Föreläsning 2. Betingad sannolikhet & Oberoende

Grundläggande matematisk statistik

Satsen om total sannolikhet och Bayes sats

Övning 1 Sannolikhetsteorins grunder

Begreppen "mängd" och "element" är grundläggande begrepp i matematiken.

Föreläsning 1: Tal, mängder och slutledningar

Introföreläsning i S0001M, Matematisk statistik LP3 VT18

Föreläsning 1: Introduktion

SF1901: Sannolikhetslära och statistik

Kapitel 2. Grundläggande sannolikhetslära

Begreppen "mängd" och "element" är grundläggande begrepp i matematiken.

Föreläsningsmanus i matematisk statistik för lantmätare, vecka 2 HT07

Statistik 1 för biologer, logopeder och psykologer

SF1920/SF1921 Sannolikhetsteori och statistik 6,0 hp Föreläsning 1 Mängdlära Grundläggande sannolikhetsteori Kombinatorik Deskriptiv statistik

Filosofisk logik Kapitel 15. Robin Stenwall Lunds universitet

Sannolikhetslära. 19 februari Vad är sannolikheten att vinna om jag köper en lott?

Induktionsprincipen Starka induktionsprincipen Välordningsprincipen Divisionsalgoritmen

SF1901 Sannolikhetsteori och statistik I

STOKASTIK Sannolikhetsteori och statistikteori med tillämpningar

Föreläsning 3: Osäkerhet och sannolikhet

Sannolikhetsbegreppet

Institutionen för lingvistik och filologi VT 2014 (Marco Kuhlmann 2013, tillägg och redaktion Mats Dahllöf 2014).

Finansiell statistik, vt-05. Kontinuerliga s.v. variabler. Kontinuerliga s.v. F7 Kontinuerliga variabler

SF1901: SANNOLIKHETSTEORI OCH STATISTIK GRUNDLÄGGANDE SANNOLIKHETSTEORI, KORT OM BESKRIVANDE STATISTIK. Tatjana Pavlenko.

Mängdlära. Kapitel Mängder

Introföreläsning i S0001M Matematisk statistik Läsperiod 2, HT 2018

FÖRELÄSNING 3:

Föreläsning G70 Statistik A

händelsen som alltid inträffar. Den tomma mängden representerar händelsen som aldrig inträffar.

Icke-parametriska/fördelningsfria test. Finansiell statistik, vt-05. Teckentest. Teckentest. Vi gör observationer för =1,, på variablerna.

MS-A0509 Grundkurs i sannolikhetskalkyl och statistik Sammanfattning, del I

MS-A0509 Grundkurs i sannolikhetskalkyl och statistik Sammanfattning, del I

Lösningar och lösningsskisser

ANDREAS REJBRAND NV3ANV Matematik Matematiskt språk

Grundläggande mängdlära

Uppsala universitet Institutionen för lingvistik och filologi. Grundbegrepp: Mängder och element Delmängder

SF1922/SF1923: SANNOLIKHETSTEORI OCH DISKRETA STOKASTISKA VARIABLER STATISTIK. Tatjana Pavlenko. 23 mars, 2018

Starta med att läsa avsnitt 2.1 i [J] från sidan 56 (64) [76] till och med exempel (2.1.3) [2.1.5] på sidan 57 (65) [79].

Anna: Bertil: Cecilia:

1.5 Vad är sannolikheten för att ett slumpvis draget spelkort ska vara femma eller lägre eller knekt, dam, kung eller äss?

Mängder och kardinalitet

Block 1 - Mängder och tal

Kapitel 2. Grundläggande sannolikhetslära

Semantik och pragmatik (serie 5)

F2 Introduktion. Sannolikheter Standardavvikelse Normalapproximation Sammanfattning Minitab. F2 Introduktion

Matematisk statistik för D, I, Π och Fysiker. Matematisk statistik slumpens matematik. Tillämpningar för matematisk statistik.

MS-A0509 Grundkurs i sannolikhetskalkyl och statistik Exempel, del I

Finansiell Statistik (GN, 7,5 hp,, VT 2009) Föreläsning 2. Diskreta Sannolikhetsfördelningar. (LLL Kap 6) Stokastisk Variabel

Transkript:

Johan, Koskinen, Statistiska institutionen, Stockholms universitet Finansiell statistik, vt-05 F2 Sannolikhetsteori Sannolikhetslära koppling till verkligheten mängdlära räkna med sannolikheter definitioner kombinatorik komplementregeln oberoende 2 Mängder En mängd är en samling element objekt 1, 2,, ex: kan bestå av talen 1, 2, 4, 5 och betecknas {1,2,4,5} En mängd kan vara ändlig ex: {1,2,4,5} En mängd kan vara oändlig och uppräknerlig ex: kan bestå av alla naturliga tal 0, 1, 2, 3, {0,1,2,3, } 3 1

Mängder forts En mängd kan vara överuppräknerlig ex: kan bestå av alla tal mellan 0 och 1 [0,1] 4 En delmängd av Delmängder alla element som finns i finns även i En äkta delmängd av Venndiagram det finns minst ett element i som inte finns i 5 Delmängder: exempel ex: {1,2,4,5}, låt vara alla jämna tal i {2,4} ex: {0,1,2,3, }, låt vara alla jämna tal i {0,2,4,6,8, } ex: [0,1] låt vara alla tal större eller lika med ½ i 0 1 2 10 [½,1] [½,1] 0 ½ 1 [0,1] 6 2

Komplementmängder Vi låter vara grundmängden och komplementmängden till är alla element som finns i men inte i 7 Komplementmängder: exempel ex: {1,2,4,5}, låt vara alla jämna tal i {2,4} ex: {0,1,2,3, }, låt vara alla jämna tal i {0,2,4,6,8, } { 1, 5} { 13,, 5, } 0 1 2 10 [0,½ [½,1] ex: [0,1] låt vara alla tal större eller lika med ½ i [½,1] 0 ½ 1 [0,1] 8 Union & snitt Unionen av och är mängden av alla element som tillhör, eller både och Snittet av och är mängden av alla element som tillhör både och 9 3

Union: exempel ex: {1,2,4,5}, {2,4}, {2,5}, {2,4,5} ex: {0,1,2,3, }, {0,2,4,6,8, }, {0,1,3,4}, {0,1,2,3,4,6, } ex: [0,1] låt vara alla tal större eller lika med ½ i 0 1 2 10 [½,1] [½,1], [¼,1], 0 ½ 1 [¼,1] [0,1] 10 Snitt: exempel ex: {1,2,4,5}, {2,4}, {2,5}, {2} ex: {0,1,2,3, }, {0,2,4,6,8, }, {0,1,3,4}, {0,2,4} ex: [0,1] låt vara alla tal större eller lika med ½ i 0 1 2 10 [½,1] [½,1], [¼,1], 0 ½ 1 [½,1] [0,1] 11 Tomma mängden och Disjunkta mängder Den delmängd av som inte innehåller några element: Tomma mängden Om snittet av och är tomt är och disjunkta obs! inga element gemensama 12 4

Diskunkta mängder: exempel ex: {1,2,4,5}, {2,4}, {5}, { } ex: {0,1,2,3, }, {0,2,4,6,8, }, {1,3,5,7, } 0 1 2 10 [¼,½ [½,1] ex: [0,1] låt vara alla tal större eller lika med ½ i [½,1], [¼,½, 0 ½ 1 [0,1] 13 Några följder Om är en delmängd av : DeMorgans Lagar : komplementet till 14 Sannolikheter Väl definierad situation där vi kan skriva upp utfallsrummet mängden av all möjliga händelser utfall exempel: slantsingling {krona,klave} Sve.-Bul {vinst,oavgjort,förlust} ABB kurs {upp,ner} tärning {1,2,3,4,5,6} 15 5

Sannolikheter forts För alla händelser definierar vi sannolikheter så att def def 0 1 och eftersom skall vara alla möjl. händelser 1 exempel: sannolikheten att Sverige förl. mot Bul. {förlust}1/3 16 Sannolikheter forts exempel forts: eftersom {förlust} {vinst,oavgjort} verkar det rimligt att {förlust } {vinst,oavgjort} och {vinst,oavgjort,förlust}, och 1 1 2 {förlust} 1 {förlust} 1-3 3 17 Sannolikheter forts För disjunkta händelser och gäller def exempel: tärning; {1,2,3,4,5,6} {1}{2} {1} {2} 1/61/6 1/3 1 1 A 18 6

7 2005-03-28 Johan Koskinen, Department of Statistics 19 Sannolikheter forts Additionsregeln för händelser och Varför? {alla element som tillhör, eller både och } {alla element som tillhör men inte } {alla element som tillhör men inte } {alla element som tillhör både och } 2005-03-28 Johan Koskinen, Department of Statistics 20 Slh. additionsregeln forts Alltså gäller det att disjunkta Men vi ser också genom definitionerna att disjunkta disjunkta 2005-03-28 Johan Koskinen, Department of Statistics 21 Slh. additionsregeln forts Kombinerar vi med får vi lätt med Venndiagram?

Slh en sista definition Vi måste tilldela den delmängd av som inte innehåller några element, Tomma mängden,, en sannolikhet : den omöjliga händelsen : alla möjliga händelser 1, så 1 0 22 Hur relaterar dessa slh till verkligheten? Slantsingling: många slantsinglingar antaletkrona {krona} antalsinglingar intuitivt? realistiskt? tillräckligt realistiskt? Vid exempelvis unika försök ej tolkbart ex: Sverige - Bulgarien måste vi ändå ha {vinst}? satsa pengar på resultatet... schemat 23 Hur relaterar dessa slh till verkligheten? grad av tilltro - mått på osäkerhet vi vet att 1 och 0 med säkerhet för övriga händelser har vi bara vår subjektiva uppfattning ex: varje dag har Lantis dagens pasta- eller risrätt är det pasta finns det i princip minst en rätt jag kan tänka mig att äta; alternativet: gå till veg. för att avgöra: gå upp eller ner på onsdag {pasta} 0,9 bygger på erfarenhet, etc. Obs! menyn finns på nätet... 24 8

Hur relaterar dessa slh till verkligheten? fysik/logik ex: tärning sex sidor lika stora symmetri: slh få 6:a lika stor som slh få 1:a antalet sätt att få 6 : a {6} antal sidor 25 Slh verkligheten? logik-aber men 1: skiljer sig från subjektiv? kan säga: jag tror {6} 99/100 mer intuitivt: jag tror {6} 1/6 just pga symmetrin men 2: absolut sant? hur tärningen kastas jfr slantsingling 26 Slh verkligheten? Sammanfattning Frekventisttolkning: slh för en händelse är lim inträffar ggr i identiska oberoende försök Klassisk: om antalet utfall som är gynnsamma för är är antalet utfall Subjektiv: vår tro på att kommer att inträffa är sann 27 9

Forts. slh: viktiga begrepp; betingning Betingad sannolikhet för givet att inträffat def hur stor del av slh för ligger i ex: låt vara händelsen stud. klarar tentan i Finansiell statistik låt vara händelsen stud. har läst kurslitteraturen antag 3/8 och 1/2 3 / 8 6 3 1/ 2 8 4 jfr: om det var så att 1/2 28 Forts. slh: viktiga begrepp; betingning exempel på betingad slh: låt vara händelsen att ABBs kurs går upp en specifik dag låt vara händelsen att ABBs kurs går upp dagen efter hur tolkar vi då? 29 Forts. slh: viktiga begrepp; betingning Att betinga på att händelsen inträffat när man beräknar slh för är detsamma som att byta utfallsrum, från till A B 30 10

Forts. slh: viktiga begrepp; multiplikationsregeln Om vi har och Visa genom att lösa ut ur föreg def ex: låt vara händelsen Bertil missar pendeltåget låt vara händelsen Bertil missar bussen antag 0,95 och 0,05 vad är slh Bertil missar både bussen och pendeln? 31 Forts. slh: viktiga begrepp; oberoende Om sannolikhet för är oförändrad givet att inträffat är och oberoende ex: låt vara händelsen att en råtta utvecklar cancer låt vara händelsen att råttan ätit stekt potatis antag för sannolikheten att en råtta ätit potatis och utvecklar cancer 1/4000, samt 1/4 och 1/1000 1/ 4000 1 1/ 1000 4 tolkning? 32 Forts. slh: viktiga begrepp; oberoende Om och är oberoende Visa! Multiplikationsregeln ex: låt vara händelsen slumpvis vald pers kvinna låt vara händelsen slumpvis vald pers röker om oberoende samt 1/2 och 1/15 slh rökande kvinna: 1/30 enligt föreg. def. 33 11

Forts. slh: viktiga begrepp; lagen om total slh Om kan delas upp i disjunkta delmängder 1 kan skrivas som 2 1 2 3 1 2 1 34 lagen om total slh: exempel Lee, tab 5.8 ex: låt vara händelsen att en viss aktie går upp låt vara händelsen marknaden bra låt vara händelsen marknaden normal låt vara händelsen marknaden dålig antag att vi vet slh aktie upp och markn bra: 0,28 slh aktie upp och markn normal: 0,16 slh aktie upp och markn dålig: 0,05 vi vill veta slh aktie upp: 35 lagen om total slh: exempel Lee, tab 5.8 forts enligt lagen om total sannolikhet 0, 28 0, 16 0,05 0,49 36 12