SANNOLIKHETER. Exempel. ( Tärningskast) Vi har sex möjliga utfall 1, 2, 3, 4, 5 och 6. Därför är utfallsrummet Ω = {1, 2, 3, 4, 5,6}.

Relevanta dokument
Sannolikheten. met. A 3 = {2, 4, 6 }, 1 av 11

Anmärkning: I några böcker använder man följande beteckning ]a,b[, [a,b[ och ]a,b] för (a,b), [a,b) och (a,b].

Sannolikhetslära. c 2015 Eric Järpe Högskolan i Halmstad

SAMMANFATTNING TAMS79 Matematisk statistik, grundkurs

Tolkning av sannolikhet. Statistikens grunder, 15p dagtid. Lite mängdlära. Lite mängdlära, forts. Frekventistisk n A /n P(A) då n

TENTAMEN I MATEMATISK STATISTIK Datum: 13 mars 08

Föreläsning G04: Surveymetodik

Borel-Cantellis sats och stora talens lag

Tentamen i Sannolikhetsteori III 13 januari 2000

Antalet sätt att välja ut r objekt bland n stycken med hänsyn till ordning är np r = n(n 1) (n r + 1).

Kontrollskrivning 2 till Diskret Matematik SF1610, för CINTE1, vt 2019 Examinator: Armin Halilovic Datum: To Σ p P/F Extra Bonus

MS-A0409 Grundkurs i diskret matematik Sammanfattning, del I

DEL I. Matematiska Institutionen KTH

ENDIMENSIONELL ANALYS B1 FÖRELÄSNING VI. Föreläsning VI. Mikael P. Sundqvist

Lösningar till tentamensskrivning i kompletteringskurs Linjär Algebra, SF1605, den 10 januari 2011,kl m(m + 1) =

ÖPPNA OCH SLUTNA MÄNGDER. KOMPAKTA MÄNGDER. DEFINITIONSMÄNGD. INLEDNING. Några viktiga andragradskurvor: Cirkel, ellips, hyperbel och parabel.

vara ett polynom där a 0, då kallas n för polynomets grad och ibland betecknas n grad( P(

Linjär Algebra (lp 1, 2016) Lösningar till skrivuppgiften Julia Brandes

Föreläsning 10: Kombinatorik

Uppgifter 3: Talföljder och induktionsbevis

Genomsnittligt sökdjup i binära sökträd

. Mängden av alla möjliga tillstånd E k kallas tillståndsrummet.

Sannolikheter 0 < P < 1. Definition sannolikhet: Definition sannolikhet: En sannolikhet kan anta värden från 0 till 1

TENTAMEN I MATEMATISK STATISTIK

TENTAMEN Datum: 16 okt 09

Armin Halilovic: EXTRA ÖVNINGAR

H1009, Introduktionskurs i matematik Armin Halilovic POLYNOM, POLYNOMDIVISION, ALGEBRAISKA EKVATIONER, PARTIALBRÅKSUPPDELNING. vara ett polynom där a

MS-A0409 Grundkurs i diskret matematik I

Ekvationen (ekv1) kan beskriva en s.k. stationär tillstånd (steady-state) för en fysikalisk process.

Induktion och Binomialsatsen. Vi fortsätter att visa hur matematiska påståenden bevisas med induktion.

Induktion LCB Rekursion och induktion; enkla fall. Ersätter Grimaldi 4.1

Kontrollskrivning 3 i SF1676, Differentialekvationer med tillämpningar. Tisdag kl 8:15-10

Statistisk analys. Vilka slutsatser kan dras om populationen med resultatet i stickprovet som grund? Hur säkra uttalande kan göras om resultatet?

b 1 och har för olika värden på den reella konstanten a.

1. Test av anpassning.

H1009, Introduktionskurs i matematik Armin Halilovic. använder vi oftast induktionsbevis.

TMS136: Dataanalys och statistik Tentamen med lösningar

================================================

(a) Skissa täthets-/frekvensfunktionen och fördelningsfunktionen för X. Glöm inte att ange värden på axlarna.

Cartesisk produkt. Multiplikationsprincipen Ï Ï Ï

Matematisk statistik

Tentamen i Statistik, STA A13 Deltentamen 2, 5p 20 januari 2007, kl

Föreläsning G04 Surveymetodik 732G19 Utredningskunskap I

Grundläggande matematisk statistik

Datorövning 2 Fördelningar inom säkerhetsanalys

Följande begrepp används ofta vid beskrivning av ett statistiskt material:

Multiplikationsprincipen

Stokastiska variabler

Normalfördelningens betydelse. Sannolikhet och statistik. Täthetsfunktion, väntevärde och varians för N (µ, σ)

2. Konfidensintervall för skillnaden mellan två proportioner.

4.2.3 Normalfördelningen

Intervallskattning. c 2005 Eric Järpe Högskolan i Halmstad. Antag att vi har ett stickprov x 1,..., x n på X som vi vet är N(µ, σ) men vi vet ej

vara ett polynom där a 0, då kallas n för polynomets grad och ibland betecknas n = grad( P(

TAMS79: Föreläsning 9 Approximationer och stokastiska processer

Vad är det okända som efterfrågas? Vilka data är givna? Vilka är villkoren?

Högskoleutbildad 0,90*0,70=0,63 0,80*0,30=0,24 0,87 Ej högskoleutbildad 0,07 0,06 0,13 0,70 0,30 1,00

Föreläsning G70 Statistik A

F4 Matematikrep. Summatecken. Summatecken, forts. Summatecken, forts. Summatecknet. Potensräkning. Logaritmer. Kombinatorik

Lycka till! I(X i t) 1 om A 0 annars I(A) =

1. BERÄKNING AV GRÄNSVÄRDEN ( då x 0 ) MED HJÄLP AV MACLAURINUTVECKLING. n x

Föreläsning G70, 732G01 Statistik A. Föreläsningsunderlagen är baserade på underlag skrivna av Karl Wahlin

MA2018 Tillämpad Matematik III-Statistik, 3.5hp,

Tentamen i Matematisk statistik för V2 den 28 maj 2010

UPPSKATTNING AV INTEGRALER MED HJÄLP AV TVÅ RIEMANNSUMMOR. Med andra ord: Vi kan approximera integralen från båda sidor

Tentamen i Statistik STG A01 (12 hp) 5 mars 2010, kl

Tentamenskrivning, , kl SF1625, Envariabelanalys för CINTE1(IT) och CMIEL1(ME ) (7,5hp)

NEWTON-RAPHSONS METOD (en metod för numerisk lösning av ekvationer)

LÖSNINGAR TILL. Räkningar: (z i z) 2 = , Δ = z = 1 n. n 1. Konfidensintervall:

Minsta kvadrat-metoden, MK. Maximum likelihood-metoden, ML. Medelfel. E(X i ) = µ i (θ) MK-skattningen av θ fås genom att minimera

RESTARITMETIKER. Avsnitt 4. När man adderar eller multiplicerar två tal som t ex

Föreläsning 2: Punktskattningar

c n x n, där c 0, c 1, c 2,... är givna (reella eller n=0 c n x n n=0 absolutkonvergent om x < R divergent om x > R n n lim = 1 R.

Finansiell Statistik (GN, 7,5 hp,, HT 2008) Föreläsning 4 (del 1)

LINJÄRA DIFFERENTIALEKVATIONER AV HÖGRE ORDNINGEN

Avd. Matematisk statistik

1. (a) Eftersom X och Y har samma fördelning så har de även samma väntevärde och standardavvikelse. E(X 2 ) = k

Föreläsning G70, 732G01 Statistik A. Föreläsningsunderlagen är baserade på underlag skrivna av Karl Wahlin

E F. pn-övergång. Ferminivåns temperaturberoende i n-dopade halvledare. egen ledning. störledning

Uppsala Universitet Matematiska Institutionen Thomas Erlandsson

NEWTON-RAPHSONS METOD (en metod för numerisk lösning av ekvationer)

Databaser - Design och programmering. Databasdesign. Kravspecifikation. Begrepps-modellering. Design processen. ER-modellering

Tentamen i Statistik, STA A13 Deltentamen 2, 5p 5 juni 2004, kl

Föreläsning G70 Statistik A

Övningstentamen i MA2018 Tillämpad Matematik III-Statistik, 7.5hp

LINJÄR ALGEBRA II LEKTION 4

x 1 x 2 x 3 x 4 x 5 x 6 HL Z x x x

a) Beräkna E (W ). (2 p)

Z-Testet. Idè. Repetition normalfördelning. rdelning. Testvariabel z

b) Bestäm det genomsnittliga antalet testade enheter, E (X), samt även D (X). (5 p)

REGULJÄRA SPRÅK (8p + 6p) 1. DFA och reguljära uttryck (6 p) Problem. För följande NFA över alfabetet {0,1}:

4. Uppgifter från gamla tentor (inte ett officiellt urval) 6

TAMS15: SS1 Markovprocesser

Tentamen i Tillämpad Matematik och statistik för IT-forensik. Del 1: Matematik 7.5 hp

Inledande matematisk analys (TATA79) Höstterminen 2016 Föreläsnings- och lekionsplan

Webprogrammering och databaser. Begrepps-modellering. Exempel: universitetsstudier Kravspec. ER-modellen. Exempel: kravspec forts:

MA2018 Tillämpad Matematik III-Statistik, 3.5hp,

Stat. teori gk, ht 2006, JW F13 HYPOTESPRÖVNING (NCT ) Ordlista till NCT

MA2018 Tillämpad Matematik III-Statistik, 3.5hp,

Matematisk statistik

Transkript:

rmi Halilovic: EXTR ÖVIGR SOLIKHETER GRUDLÄGGDE BEGRE OH BETEKIGR Utfall Resultat av ett slumpmässigt försök. Utfallsrummet ägde av alla utfall (beteckas oftast med Ω ). Hädelse E delmägd av utfallsrummet. Exempel. ( Tärigskast) Vi har sex möjliga utfall,, 3, 4, 5 och 6. Därför är utfallsrummet Ω {,, 3, 4, 5,6}. ågra exempel på hädelser: {,, 3}, {3}, 3 {, 4, 6 }, 4 {} (de tomma mägde är också e hädelse), 5 {,, 3, 4, 5, 6} Ω,( hela utfallsrummet är också e hädelse ). ------------------------------------------------------------------------------------ De klassiska SOLIKHETSDEFIITIO tag att utfallsrummet Ω består av lika saolika utfall och e hädelse med g elemet (g atalet gysamma fall ). Saolikhete för hädelse är () gg De geometriska tolkige av saolikhete Saolikhete för hädelse är () () (ΩΩ) Relatioer mella hädelser ka åskådliggöras med hjälp av mägddiagram.. Komplemet till. av

rmi Halilovic: EXTR ÖVIGR. uio B. eller B eller båda iträffar. 3. sitt B. Både och B iträffar. 4. Differese \ BB BB. iträffar me ite B. 5. BB Disjukta ( oföreliga) hädelser. De ka ite iträffa samtidig. Symmetrisk differes. 6. Exakt e av, B iträffar. 7. är delmägd till B beteckas B ( iträffar) (B iträffar) av

rmi Halilovic: EXTR ÖVIGR Sambadet mella mägdoperatioer och hädelser. Operatio ägdbeteckig Beskrivig Komplemet cc iträffar ite Sittet BB Både och B iträffar Uioe BB eller B eller båda iträffar Differese \ BB BB me ite B iträffar Symmetrisk differes BB ( BB ) (BB cc ) VIKTIG EGESKER Exakt e av, B iträffar Kolmogorovs axiom: xiom ( ) 0 xiom (ΩΩ), xiom 3 Om och B är disjukta hädelser dvs BB då ( B ) () + ( Frå axiom,, 3 följer följade egeskaper: i) ( ) 0 ii) 0 ( ) iii) B ( ) ( mootoi iv) ( ) ( ) saolikhete för komplemethädelse Viktig: Om och B ite är disjukta då beräkas saolikhete för uioe eligt följade ( B ) () + ( ( 3 av

rmi Halilovic: EXTR ÖVIGR DE ORGS LGR De orgas lagar är två regler som iom logike formuleras eligt följade:. ite( och Q) (ite ) eller (ite Q), ite( eller Q) (ite ) och (ite Q) otsvarade lager iom mägdlära är:. ( ) ( ) Detta ka geeraliseras till De orgas lagar: L. Komplemet till uioe: ( ) L. Komplemet till sittet: ( ) Geom att aväda komplemet på båda sidora i L får vi följade yttiga formel för uioe: ( Vi skriver uioe som ett komplemet till sittet) L3. ( ) och frå L får vi L4 ( ) ( I L4 uttrycker vi sittet som ett komplemet till uioe.) ÖVIGR: Uppgift. För hädelsera och B gäller ( ) 0. 6, och ( 0. 3 och ( 0.. a) Bestäm ( B ). b) Bestäm ([ B ] ) c) Bestäm ([ B ] ) d) vgör om och B är oberoede hädelser. Lösig: 4 av

rmi Halilovic: EXTR ÖVIGR a) ( ( ( 0.3 0. 0. ( B ) ( ) ( 0.6 0. 0.5 b) ([ B ] ) 0.5 0. 5 c) ([ B ] ) ( ( ) + ( ( 0. 8 d) Två hädelser och B är oberoede om och edast om ( ) ( (. ( ) ( 0.6 0.3 0.8 ( 0. Svard d) och B är ite oberoede eftersom ( ) ( ( Uppgift. E bilverkstad har kommit fram till att bilar av ett visst märke ka ha följade motorfel. Saolikhete för att e slumpmässigt vald bil har feltyp resp. B är 0,6 och 0,3. Saolikhete att e bil har feltyp, me ite feltyp B är 0,36. Beräka saolikhete för att e slumpmässigt vald bil av märket ifråga har båda feltypera. Lösig. a) ( ( ) ( B ) 0,6 0,36 0, 4 Uppgift 3. För två hädelser och B gäller: ()0,6, och ( 0, 7. (0,5 a) Beräka p(. 5 av

rmi Halilovic: EXTR ÖVIGR b) Beräka p( B ). Svar. a) ( 0, b) ( B ) 0, 3 Uppgift 4. I e stad med 00 000 ivåare fis det 3 lokala tidigar, B och. Vid e udersökig får ma att 0 000 ivåare ( totalt) läser tidige 5 000 läser både och B 9 000 läser B 4 000 läser både och 8 000 läser 3 000 läser både B och 000 läser alla tre:, B och Hur stor är saolikhete att e slumpmässigt vald ivåare i stade läser a) tidigara och me ite B? b) mist e av tidigara, B,? c) ige av tidigara, B,. Lösig: Vi aväder följade mägddiagram: a) och me ite B läser 4 000-0003000 ivåare. Därför a3000/000000.033% b) mist e av tidigara, B, läser 0000 + 000+000+0006000 ivåare. Därför b6000/000000.66% c) 74 000 ivåare läser ite ågo av tidigara, B, lltså c74000/000000.7474% Svar: a) 3% b )6% c) 74% 6 av

rmi Halilovic: EXTR ÖVIGR Uppgift 5. I Estad som har 60000 ivåare görs e tittarudersökig för yhetsprogram i TV: 4000 ser Rapport 4000 ser både Rapport och ktuellt 6000 ser ktuellt 9000 ser både Rapport och yhetera 000 ser yhetera 000 ser både ktuellt och yhetera 000 ser alla tre programme Hur stor är saolikhete att e slumpmässigt vald ivåare i Estad ser mist e av de tre yhetsprogramme? Lösig: : Ser Rapport, B Ser ktuellt, : Ser yhetera Sökt : ( B ) ( B ) ( ) + ( + ( ) ( ( ) ( B ) + ( B ) 4000 6000 000 4000 9000 000 000 + + + 0,467 60000 60000 60000 60000 60000 60000 60000 Uppgift 6. De sex sidora på e tärig är märkta med,,3,4,5 och 6. a kastar två tärigar samtidigt och beräkar summa av resultat. Bestäm saolikhete att a) summa är 8. b) summa är midre ä 5. Lösig: är ma kastar två tärigar samtidigt ka ma få följade 36 fall: (,), (,), (,3), (,4), (,5), (,6) (,), (,), (,3), (,4), (,5), (,6) (3,), (3,), (3,3), (3,4), (3,5), (3,6) (4,), (4,), (4,3), (4,4), (4,5), (4,6) (5,), (5,), (5,3), (5,4), (5,5), (5,6) (6,), (6,), (6,3), (6,4), (6,5), (6,6) a) Summa är 8 i följade 5 fall (6,), (5,3), (4,4), (3,5), och (,6) Saolikhete a g/ 5/36 b) Summa är midre ä 5 i följade 6 fall (,), (,), (,3), (,), (,), (3,), Saolikhete b g/ 6/36/6 Svar a) 5/36 b) /6 DE ORGS LGR: 7 av

rmi Halilovic: EXTR ÖVIGR Uppgift 7. väd De orgas lagar L. Komplemet till uioe: ( ) L. Komplemet till sittet: ( ) L3. ( ) och förekla a) ( ) D B b) ( ) Lösig: a) ( ) ( ) ( ) D B D B D B b) ( ) ( ) ( ) Svar: a) D B b) Uppgift 8. väd De orgas lag L3 och skriv följade uioer som sitt a) Q b) R Q Lösig: a) ( ) ( ) ( ) Q Q (eligt L3) ( ) Q Svar b) ( ) R Q DRGIG ED HÄSY TILL ORDIG Uppgift 9. Vi har 0 produkter, 5 av typ, 6 av typ B och 9 av typ och väljer 4 av de på måfå uta återläggig. Hur stor saolikhete är att vi får produkter a) i ordige, B,, B? b) i ordige,,, Lösig: Dragig: Saolikhete att få i första dragige är 5/0. Dragig: [otera att vi har kvar 9 produkter (dragig uta återläggig) ; 6 av dem är av typ B]. Saolikhete att få B i adra dragige är 6/9 Dragig 3: [otera att vi har kvar 8 produkter (dragig uta återläggig) ; 4 av dem är av typ ]. Saolikhete att få i tredje dragige är 4/8 Dragig 4: [otera att vi har kvar 7 produkter (dragig uta återläggig) ; 5 av dem är av typ B]. Saolikhete att få B i fjärde dragige är 5/7 8 av

rmi Halilovic: EXTR ÖVIGR 5 6 4 5 lltså (, B,, (med häsy till ordig uta återläggig) 0.005 0 9 8 7 Svar: a) (, B,, (med häsy till ordig uta återläggig)0.005 5 4 9 3 b) (,,,) 0.00464 0 9 8 7 Uppgift 0. Vi har 0 produkter, 5 av typ, 6 av typ B och 9 av typ och väljer 4 av de på måfå med återläggig. Hur stor saolikhete är att vi får produkter a) i ordige, B,, B? b) i ordige,,, Lösig: Dragig: Saolikhete att få i första dragige är 5/0. Dragig: [otera att vi lämar tillbaka så att vi har samma situatio ige dvs vi har med 0 produkter (dragig med återläggig) ; 6 av dem är av typ B]. Saolikhete att få B i adra dragige är 6/0 Dragig 3: Saolikhete att få i tredje dragige är 5/0 Dragig 4: Saolikhete att få B i fjärde dragige är 6/0 lltså (, B,, (med häsy till ordig och med återläggig) 0.00565 Svar: a) (, B,, (med häsy till ordig och med återläggig) 0.00565 5 5 9 5 b) (,,,) 0.00703 0 0 0 0 DRGIG UT HÄSY TILL ORDIG Uppgift. Blad 0 produkter fis 6 defekta. a tar 5 produkter på måfå uta återläggig och uta häsy till ordig. Vad är saolikhet att få a) exakt 3 korrekta (och därmed defekta) i vilke ordig som helst? b) alla 5 defekta? 5 0 6 0 5 0 6 0 Lösig a) talet gysamma fall: Vi ka välja 3 korrekta blad 4 och samtidigt defekta blad 6 på g talet alla möjliga fall: Vi ka välja 5 produkter blad 0 på 0 sätt 5 4 3 6 sätt 9 av

rmi Halilovic: EXTR ÖVIGR Därmed blir de sökta saolikhete g 4 6 3 0 5 Svar: 4 6 a) 3 0 5 4 6 b) 0 5 0 5 (0.35) (0.000387) Uppgift. Vi placerar slumpvis 9 idetiska bollar i 4 stora lådor, B, och D. (Ett exempel på placerig) a) å hur måga olika sätt ka ma göra det? b) Bestäm saolikhete att ige låda är tom. Lösig a) Vi betraktar ett ekvivalet problem: ermutatioer av 5 bokstäver I och 9 bokstäver O (se bilde). T ex: ermutatioe IOOIOOOOIIOOOI svarar mot ovaståede exempel. Varje permutatio måste börja och sluta med I (aars hamar ite bolle i ågo låda) Därför permuterar vi 3 bokstäver I och 9 bokstäver O.! 0 a) Det fis 0 sådaa permutatioer. Svar a) 0 b) 3!9! 3 0 av

rmi Halilovic: EXTR ÖVIGR Ige låda är tom om det fis mist e boll i varje låda. Reste, d v s 5 bollar, ka placeras på godtyckligt sätt. Detta betyder att vi permuterar fritt 3 bokstäver I och 5 bokstäver O. 8! 8 7 6 Det fis k 56 sådaa permutatioer. 3!5! 3 Om vi atar att alla placerigar är lika saolika då gäller: k 56 4 Saolikhete att ige låda är tom 0 55 4 Svar b) p 55 av