Reliability analysis in engineering applications

Relevanta dokument
TMS136. Föreläsning 2

Kap 2: Några grundläggande begrepp

Matematisk statistik - Slumpens matematik

TMS136. Föreläsning 1

S0007M Statistik2: Slumpmodeller och inferens. Inge Söderkvist

Föreläsning 1, Matematisk statistik Π + E

1 Föreläsning I, Mängdlära och elementär sannolikhetsteori,

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

TMS136. Föreläsning 1

TMS136. Föreläsning 2

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

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

Föreläsning 1, Matematisk statistik för M

Introduktion till sannolikhetslära. Människor talar om sannolikheter :

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

F2 SANNOLIKHETSLÄRA (NCT )

Statistikens grunder HT, dagtid Statistiska institutionen

Föreläsning 2. Kapitel 3, sid Sannolikhetsteori

FÖRELÄSNING 3:

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

{ } { } 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}

Satsen om total sannolikhet och Bayes sats

Matematisk Statistik och Disktret Matematik, MVE051/MSG810, VT19

SF1901 Sannolikhetsteori och statistik I

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

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

Grundläggande matematisk statistik

3 Grundläggande sannolikhetsteori

Föreläsningsmanus i matematisk statistik för lantmätare, vecka 2 HT07

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

Föreläsning 1. Grundläggande begrepp

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

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

15.1 Mer om betingad sannolikhet

Betingad sannolikhet och oberoende händelser

TAMS79: Föreläsning 1 Grundläggande begrepp

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

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

Statistik 1 för biologer, logopeder och psykologer

Föreläsning G70, 732G01 Statistik A

SF1901: Sannolikhetslära och statistik

Föreläsning 1. Repetition av sannolikhetsteori. Patrik Zetterberg. 6 december 2012

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

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

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

Föreläsning 6, Repetition Sannolikhetslära

Övning 1 Sannolikhetsteorins grunder

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

Föreläsning G70 Statistik A

Grundläggande matematisk statistik

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

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

4 Diskret stokastisk variabel

Några extra övningsuppgifter i Statistisk teori

Lösningar till tentamen i Matematisk Statistik, 5p

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

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

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

Föreläsning 2, Matematisk statistik för M

SF1901: Sannolikhetslära och statistik

4.2.1 Binomialfördelning

Stokastiska Processer F2 Föreläsning 1: Repetition från grundkursen

TENTAMEN I STATISTIKENS GRUNDER 1

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

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

Sannolikhetsbegreppet

SF1911: Statistik för bioteknik

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

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

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.

Föreläsning 1: Introduktion

4.1 Grundläggande sannolikhetslära

SOS HT Slumpvariabler Diskreta slumpvariabler Binomialfördelning. Sannolikhetsfunktion. Slumpförsök.

FE-1 Period

Kombinatorik och sannolikhetslära

MA2047 Algebra och diskret matematik

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

(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.

Föreläsning 12: Repetition

STOKASTIK Sannolikhetsteori och statistikteori med tillämpningar

Kap 2. Sannolikhetsteorins grunder

Föreläsning 11. Slumpvandring och Brownsk Rörelse. Patrik Zetterberg. 11 januari 2013

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

F2 Introduktion. Sannolikheter Standardavvikelse Normalapproximation Sammanfattning Minitab. F2 Introduktion

7-2 Sammansatta händelser.

Föreläsning 1: Introduktion

En-gång-i-veckan-ryttare. SENIOR 2018 En-gång-i-veckan-ryttare

Tentamen'i'TMA321'Matematisk'Statistik,'Chalmers'Tekniska'Högskola.''

Betingning och LOTS/LOTV

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

En-gång-i-veckan-ryttare. SENIOR 2019 En-gång-i-veckan-ryttare

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

Markovprocesser SF1904

F6 STOKASTISKA VARIABLER (NCT ) Används som modell i situation av följande slag: Slh för A är densamma varje gång, P(A) = P.

F5 STOKASTISKA VARIABLER (NCT , samt del av 5.4)

SF1901: Övningshäfte

Induktionsprincipen Starka induktionsprincipen Välordningsprincipen Divisionsalgoritmen

Korpen Märsta-Sigtuna Motionsidrottsförening. Februari Ons 1 februari. Tor 2 februari. Mån 6 februari

Tentamen MVE301 Sannolikhet, statistik och risk

Transkript:

Reliability analysis in engineering applications Fredrik Carlsson Sannolikhetsteorins grunder Fördelningar och stokastiska variabler Extremvärdesfördelningar Simulering Structural Engineering - Lund University 1

DEFINITIONER Låt oss tänka oss ett kast med en tärning! Utfallsrum (sample space): S ={1, 2, 3, 4, 5, 6} Utfall (sample point): Ett utfall, s i utfalls rummet S, s Є S, tex. s=2 Händelse (event): En händelse, A är en delmängd av utfallsrummet. tex. A>4 Structural Engineering - Lund University 2

DEFINITIONER Sannolikhet är ett tal som beskriver chansen att en händelse inträffar. Tex. vad är sannolikheten, P, att med en tärning slå en sexa? P(Att med en tärning slå en sexa)=p(a)=1/6 Tex. vad är sannolikheten, P att med en tärning slå mer än 4? P( A>4)=2/6=1/3 Structural Engineering - Lund University 3

Venn-diagram Utfallsrummet Grundmängden Händelsen A; A inträffar A Delmängden, A Komplementära händelsen A c till A; A inträffar inte A A c Komplementet A c till A Structural Engineering - Lund University 4

Venn-diagram Unionshändelsen A U B; A eller B eller båda inträffar A B Unionen A U B Snitthändelsen A B; både A och B inträffar A B Snittet A B; A och B är oförenliga händelser, A och B kan inte inträffa samtidigt A B A och B är disjunkta (Mutually excluding) Structural Engineering - Lund University 5

Mer om sannolikhet: Låt A vara en händelse i utfallsrummet S. 0 P(A) 1 A s P(S) = 1 Structural Engineering - Lund University 6

Betrakta två disjunkta händelser A och B, sannolikheten att någon av händelserna inträffar är unionen av de båda händelserna. P(A U B)=P(A)+P(B) A B Det innebär att: A B = Ø Ø är den tomma mängden (omöjlig händelse P(A B) = 0 Structural Engineering - Lund University 7

Betrakta två händelser A och B, sannolikheten att någon av händelserna inträffar är unionen av de båda händelserna. P(A U B)=P(A)+P(B)- P(A B) A B Structural Engineering - Lund University 8

Oberoende och beroende händelser A och B är oberoende om: P(A B) =P(A)*P(B) A och B är beroende om: P(A B) P(A)*P(B) Structural Engineering - Lund University 9

Exempel: Kast med en tärning Är A och B oberoende? A = {Att slå ett jämt tal} = {2, 4, 6} B = { Att slå en 2 eller 3 } = { 2, 3} Structural Engineering - Lund University 10

Exempel: Kast med en tärning Är A och B oberoende om P(1,3,4,5,6)=0,15 och P(2)=0,25? A = {Att slå ett jämt tal} = {2, 4, 6} B = {Att slå en 2 eller 3} = {2, 3} Structural Engineering - Lund University 11

Exempel: Räddningsstation Vid en räddningsstation har man observerat att sannolikheten för att få ett SOS larm under en speciell dag är 0,15. Antag att larmen är oberoende händelser. Betrakta en vecka och beräkna följande sannolikheter? P(Ett larm under måndagen) P(Ett larm på måndagen och tisdagen) P(Exakt ett larm under veckan) P (Exakt tre larm under veckan) Structural Engineering - Lund University 12

P (Exakt tre larm under veckan) Möjlighet: MÅN TIS ONS TORS FRE LÖR SÖN 1 1 2 3 2 1 2 3 3 1 2 3 4 1 2 3 5 1 2 3 6 1 2 3 7 1 2 3 8 1 2 3 9 1 2 3 10 1 2 3 11 1 2 3 12 1 2 3 13 1 2 3 14 1 2 3 15 1 2 3 16 1 2 3 17 1 2 3 18 1 2 3 19 1 2 3 20 1 2 3 21 1 2 3 22 1 2 3 23 1 2 3 24 1 2 3 25 1 2 3 26 1 2 3 27 1 2 3 28 1 2 3 29 1 2 3 30 1 2 3 31 1 2 3 32 1 2 3 33 1 2 3 34 1 2 3 35 1 2 3 Structural Engineering - Lund University 13

Binomialfördelningen Låt oss anta att vi gör ett n antal oberoende försök. Varje försök har sannolikheten p att lyckas. En viktig frågeställning är, vad är sannolikheten att lyckas med P(K=k) försök av n gjorda försök. Structural Engineering - Lund University 14

Binomialfördelningen P( K n k = k) = pk = p k 1 n k ( p) n k = n! k!( n k)! n: antal försök p: sannolikheten att lyckas k: antalet lyckade försök P(K=k): sannolikheten för k lyckade försök Structural Engineering - Lund University 15

Fortsättning: Räddningsstationen Vid en räddningsstation har man observerat att sannolikheten för att få ett SOS larm under en speciell dag är 0,15. Antag att larmen är oberoende händelser. Betrakta en vecka och beräkna följande sannolikheter? P(Exakt ett larm under veckan) P (Exakt tre larm under veckan) Structural Engineering - Lund University 16

Betingad sannolikhet: Låt oss betrakta två händelser: A och B Sannolikheten att B inträffar givet att A har inträffat betecknas P(B A) P(B A) = P(A B) / P(A) Structural Engineering - Lund University 17

Exempel: Betingad sannolikhet. Penna: 1 2 3 4 5 6 7 8 Färg: R R R S S S S S Hårdhet: H H M H H H M M A={Röd penna väljes} B={Det är en hård penna} Structural Engineering - Lund University 18

Penna: 1 2 3 4 5 6 7 8 Färg: R R R S S S S S Hårdhet: H H M H H H M M P(A)=3/8 P(B)=5/8 Vad är sannolikheten att välja en röd hård penna P(A B)? Vad är sannolikheten att välja en hård penna givet att den är röd P(B A)? Structural Engineering - Lund University 19

Om A och B är oberoende händelser: P(B A)=P(A B)/P(A)=(P(A)*P(B))/P(A)=P(B) Kunskapen om sannolikheten att A inträffar påverkar inte sannolikheten att B inträffar Structural Engineering - Lund University 20

Kast med en tärning, där N är antalet prickar: Vad är sannolikheten att N<3 då vi vet att N är udda? Structural Engineering - Lund University 21

S Satsen om: Total sannolikhet A 1 A 2 A 4 A 3 A 1 A 4 är partitioner av S, dvs. P(A 1 U A 2 U A 3 U A 4 )=P(A 1 )+ P(A 2 )+ P(A 3 )+ P(A 4 )=1 Structural Engineering - Lund University 22

S Satsen om: Total sannolikhet A A B 2 A 4 1 A 3 P(B)=P(BIA 1 )P(A 1 )+ P(BIA 2 )P(A 2 )+ P(BIA 3 )P(A 3 )+ P(BIA 4 )P(A 4 ) Structural Engineering - Lund University 23

Bestäm sannolikheten för händelsen B, att ett elavbrott sker under en dag. Under ett normalår stormar det 20 dagar och det är åska 2 dagar. Från tidigare erfarenheter vet man att sannolikheten för elavbrott vid storm är 0,1, vid åska 0,2 och en vanlig dag 0,01. Structural Engineering - Lund University 24