Sannolikhetslära. Uppdaterad:

Relevanta dokument
5.3 Sannolikhet i flera steg

S0007M Statistik2: Slumpmodeller och inferens. Inge Söderkvist

Aktiviteten, (Vad är mina chanser?), parvis, alla har allt material,

Introduktion till sannolikhetslära. Människor talar om sannolikheter :

MATEMATIKSPELET TAR DU RISKEN

Sannolikhetsfördelningar

15.1 Mer om betingad sannolikhet

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

Föreläsning 2. Kapitel 3, sid Sannolikhetsteori

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

F2 SANNOLIKHETSLÄRA (NCT )

Kap 2: Några grundläggande begrepp

Armin Halilovic: EXTRA ÖVNINGAR

SOS HT Slumpvariabler Diskreta slumpvariabler Binomialfördelning. Sannolikhetsfunktion. Slumpförsök.

Statistik 1 för biologer, logopeder och psykologer

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

Extramaterial till Matematik X

Föreläsning G70, 732G01 Statistik A

Kombinatorik och sannolikhetslära

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

4.2.1 Binomialfördelning

1 Föreläsning I, Mängdlära och elementär sannolikhetsteori,

Sannolikhetslära Albertus Pictor Lyckohjulet

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

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

Kapitel 2. Grundläggande sannolikhetslära

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

Föreläsning G70 Statistik A

TMS136. Föreläsning 2

13.1 Matematisk statistik

Matematisk statistik - Slumpens matematik

{ } { } 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}

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

Veckoblad 3. Kapitel 3 i Matematisk statistik, Blomqvist U.

Lektionsaktivitet: Vad kan hända?

14.1 Diskret sannolikhetslära

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

Lotto. Singla slant. Vanliga missuppfattningar vad gäller slumpen. Slumpen och hur vi uppfattar den - med och utan tärning

Uppgifter 6: Kombinatorik och sannolikhetsteori

Föreläsning 1, Matematisk statistik Π + E

Kapitel 2. Grundläggande sannolikhetslära

Kapitel 4 Sannolikhetsfördelningar Sid Föreläsningsunderlagen är baserade på underlag skrivna av Karl Wahlin

Dagens Teori. A) Försöket att kasta en tärning har sex utfall, vilka vi kan beteckna 1, 2, 3, 4, 5, 6. Utfallsrummet

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

Programmera ett övergångsställe

SF1920/SF1921 Sannolikhetsteori och statistik 6,0 hp Föreläsning 3 Diskreta stokastiska variabler. Jörgen Säve-Söderbergh

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

Diskreta slumpvariabler

Föreläsning 1, Matematisk statistik för M

Trepoängsproblem. Kängurutävlingen 2012 Junior

5Chans och risk. Mål. Grunddel K 5. Ingressen

Övning 1. Vad du ska kunna efter denna övning. Problem, nivå A

Sannolikhetslära till pdf.notebook. May 04, Sannolikhetslära.

Slumpförsök för åk 1-3

Slump och statistik med Scratch

TMS136. Föreläsning 1

MATEMATIK ARBETSOMRÅDET LIKABEHANDLING Kränkande handlingar, nätmobbning, rasism och genus

4.1 Grundläggande sannolikhetslära

Diagnos Sannolikhet/Statistik

Coriolis-effekter. Christian Karlsson Uppdaterad: Har jag använt någon bild som jag inte får använda så låt mig veta så tar jag bort den.

1.1 Diskret (Sannolikhets-)fördelning

MA2047 Algebra och diskret matematik

7-2 Sammansatta händelser.

Slump och statistik med Scratch. Se video

SF1901: Sannolikhetslära och statistik

F5 STOKASTISKA VARIABLER (NCT , samt del av 5.4)

Vad kan hända? strävorna

Exempel för diskreta och kontinuerliga stokastiska variabler

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

Corioliseffekter. Uppdaterad: Om bildsekvenserna Bildsekvens 1: Boll far förbi rymdstationen längs en rät linje Bildsekvens 2:...

Något om sannolikheter, slumpvariabler och slumpmässiga urval

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

Från häftet Tema Miljö. För Svenska FN-förbundet 2012 Form Albert Svensson

SF1901: Sannolikhetslära och statistik

TMS136. Föreläsning 2

Tentamen i statistik och sannolikhetslära för BI2 den 27 maj 2010

3 Grundläggande sannolikhetsteori

Tentamen på. Statistik och kvantitativa undersökningar STA100, 15 hp. Fredagen den 13 e mars Ten 1, 9 hp

Enklare matematiska uppgifter

SF1901: Sannolikhetslära och statistik

Extramaterial till Matematik X


Jörgen Säve-Söderbergh

FINGERÖVNINGAR I SANNOLIKHETSTEORI MATEMATISK STATISTIK AK FÖR I. Oktober Matematikcentrum Matematisk statistik

7-1 Sannolikhet. Namn:.

Valfritt läromedel för kurs Matematik B Exempel: Räkna med Vux B, Gleerups förlag. Tag kontakt med examinator om du har frågor

Lösningar och lösningsskisser

Stora talens lag eller det jämnar ut sig

FÖRELÄSNING 3:

Fördelningsfunktionen för en kontinuerlig stokastisk variabel. Täthetsfunktionen för en kontinuerlig och en diskret stokastisk variabel.

Lite extra material för deltagarna i kursen MAB 5.1

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

Föreläsning 1: Introduktion

Sannolikhet DIAGNOS SA3

SF1901: Sannolikhetslära och statistik. Väntevärde; Väntevärde för funktioner av s.v:er; Varians; Tjebysjovs olikhet. Jan Grandell & Timo Koski

TANA81: Simuleringar med Matlab

Sannolikhetsbegreppet

LARS JAKOBSSON KLAS NILSON. Kapitel 1 med tillhörande facit

7. NÅGRA SPECIELLA DISKRETA SANNOLIKHETSFÖRDELNINGAR

Kap 3: Diskreta fördelningar

Transkript:

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 kastas [3] Ex 3: Två tärningar kastas [] Ex : Två trafikljus passeras []

Singla slant [] Ex : Singla slant två gånger P(minst en krona) =?

Singla slant [] Ex : Singla slant två gånger P(minst en krona) =? Möjliga utfall: (, ) (, ) (, ) (, ) minst en krona eller krona P(minst en krona) =

Singla slant [] Ex : Singla slant två gånger P(minst en krona) =? Möjliga utfall: (, ) (, ) (, ) (, ) minst en krona eller krona P(minst en krona) = 3

Singla slant [] Ex : Singla slant två gånger P(minst en krona) =? Möjliga utfall: (, ) (, ) (, ) (, ) Mynt Mynt minst en krona eller krona P(minst en krona) = 3

Singla slant [] Ex : Singla slant två gånger P(minst en krona) =? Möjliga utfall: (, ) (, ) (, ) (, ) Mynt Mynt minst en krona eller krona P(minst en krona) = 3

Singla slant [] Ex : Singla slant två gånger P(minst en krona) =? Möjliga utfall: (, ) (, ) (, ) (, ) Mynt Mynt minst en krona har komplementhändelsen ingen krona (dvs gubbe, gubbe ) eller krona 0 krona 0 st krona P(minst en krona) = 3 P(ingen krona) =

Tärningskast Ex : Två tärningar kastas P(minst en sexa) =? [] Möjliga utfall: (,) (,) (,3) (,) (,) (,) (,) (,) (,3) (,) (,) (,) (3,) (3,) (3,3) (3,) (3,) (3,) (,) (,) (,3) (,) (,) (,) (,) (,) (,3) (,) (,) (,) (,) (,) (,3) (,) (,) (,) Tärning 3 3 :a :a ej :a :a ej :a 3 3 ej :a minst en sexa eller sexor P(minst en sexa) = 3 3 Tärning

Tärningskast Ex : Två tärningar kastas P(minst en sexa) =? [] Möjliga utfall: (,) (,) (,3) (,) (,) (,) (,) (,) (,3) (,) (,) (,) (3,) (3,) (3,3) (3,) (3,) (3,) (,) (,) (,3) (,) (,) (,) (,) (,) (,3) (,) (,) (,) (,) (,) (,3) (,) (,) (,) Tärning 3 :a :a ej :a :a ej :a 3 3 3 ej :a 3 3 Tärning minst en sexa har komplementhändelsen ingen sexa eller sexor 0 sexor P(minst en sexa) = P(ingen sexa) = 3 3 0 st sexor

Tärningskast Ex 3: Två tärningar kastas P(högst en sexa) =? [] 3 Möjliga utfall: (,) (,) (,3) (,) (,) (,) (,) (,) (,3) (,) (,) (,) (3,) (3,) (3,3) (3,) (3,) (3,) (,) (,) (,3) (,) (,) (,) (,) (,) (,3) (,) (,) (,) (,) (,) (,3) (,) (,) (,) Tärning 3 :a ej :a :a ej :a :a ej :a 3 3 3 högst en sexa 0 eller sexor P(högst en sexa) = 3 3 3 Tärning

Tärningskast Ex 3: Två tärningar kastas P(högst en sexa) =? [] 3 Möjliga utfall: (,) (,) (,3) (,) (,) (,) (,) (,) (,3) (,) (,) (,) (3,) (3,) (3,3) (3,) (3,) (3,) (,) (,) (,3) (,) (,) (,) (,) (,) (,3) (,) (,) (,) (,) (,) (,3) (,) (,) (,) Tärning 3 :a ej :a :a ej :a :a ej :a 3 3 3 3 3 Tärning högst en sexa har komplementhändelsen två sexor 0 eller sexor sexor P(högst en sexa) = 3 P(två sexor) = 3 3 0 st sexor

Trafikljus Sannolikheten ett trafikljus visar rött när vi kommer fram är 0, sannolikheten att det visar grönt när vi kommer fram är 0,. [3] Ex : Passerar två trafikljus P(minst ett rödljus) =? Möjliga utfall: (, ) (, ) (, ) (, ) 0, [utfallen ej lika sannolika] 0, minst ett rödljus eller rödljus P(minst ett rödljus) = 0, + 0, + 0,3 = 0,8 0, 0, 0, 0, 0, 0, 0,3

Trafikljus Sannolikheten ett trafikljus visar rött när vi kommer fram är 0, sannolikheten att det visar grönt när vi kommer fram är 0,. [3] Ex : Passerar två trafikljus P(minst ett rödljus) =? Möjliga utfall: (, ) (, ) (, ) (, ) 0, [utfallen ej lika sannolika] 0, 0, 0, 0, 0, 0, 0, 0, 0,3 minst ett rödljus har komplementhändelsen inget rödljus (dvs grönt, grönt ) eller rödljus 0 rödljus P(minst ett rödljus) = 0, + 0, + 0,3 = 0,8 0 st rödljus P(inget rödljus) = 0, P(minst ett rödljus) = P(inget rödljus) = 0, = 0,8

Trafikljus Sannolikheten ett trafikljus visar rött när vi kommer fram är 0, sannolikheten att det visar grönt när vi kommer fram är 0,. X [3] Ex : Passerar två trafikljus P(minst ett rödljus) =? Möjliga utfall: (, ) (, ) (, ) (, ) 0, [utfallen ej lika sannolika] 0, 0, 0, 0, 0, 0, minst ett rödljus har komplementhändelsen inget rödljus (dvs grönt, grönt ) eller rödljus 0 rödljus 0 st rödljus P(inget rödljus) = 0, P(minst ett rödljus) = P(inget rödljus) = 0, = 0,8

Bildkällor [] https://sv.wikipedia.org/wiki/enkronan [] https://sv.wikipedia.org/wiki/tärning [3] https://sv.wikipedia.org/wiki/trafiksignal