Föreläsning G70, 732G01 Statistik A

Relevanta dokument
Föreläsning G70 Statistik A

Föreläsning 2. Kapitel 3, sid Sannolikhetsteori

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

Introduktion till sannolikhetslära. Människor talar om sannolikheter :

Grundläggande matematisk statistik

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

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

Kap 2: Några grundläggande begrepp

Föreläsning 1, Matematisk statistik Π + E

Matematisk statistik - Slumpens matematik

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

Föreläsning 1, Matematisk statistik för M

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

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

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

1 Föreläsning I, Mängdlära och elementär sannolikhetsteori,

TMS136. Föreläsning 1

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

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

Föreläsning 1. Grundläggande begrepp

F2 SANNOLIKHETSLÄRA (NCT )

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

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

SF1901: Sannolikhetslära och statistik

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

Statistik 1 för biologer, logopeder och psykologer

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

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

Sannolikhetsbegreppet

Betingad sannolikhet och oberoende händelser

TMS136. Föreläsning 2

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

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

Övning 1 Sannolikhetsteorins grunder

Kombinatorik och sannolikhetslära

TMS136. Föreläsning 1

Grundläggande matematisk statistik

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

Matematisk Statistik och Disktret Matematik, MVE051/MSG810, VT19

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

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

TMS136. Föreläsning 2

Slumpförsök för åk 1-3

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

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

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

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

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

Sannolikhetslära. 1 Grundläggande begrepp. 2 Likformiga sannolikhetsfördelningar. Marco Kuhlmann

TAMS79: Föreläsning 1 Grundläggande begrepp

Kapitel 2. Grundläggande sannolikhetslära

Matematisk statistik 9hp Föreläsning 2: Slumpvariabel

3 Grundläggande sannolikhetsteori

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

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

Reliability analysis in engineering applications

Sannolikhetslära till pdf.notebook. May 04, Sannolikhetslära.

Föreläsningsmanus i matematisk statistik för lantmätare, vecka 2 HT07

SF1901: Sannolikhetslära och statistik

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

Kapitel 2. Grundläggande sannolikhetslära

MATEMATIK ARBETSOMRÅDET LIKABEHANDLING Kränkande handlingar, nätmobbning, rasism och genus

1 Mätdata och statistik

Satsen om total sannolikhet och Bayes sats

Föreläsning 2, Matematisk statistik för M

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

SF1901: Sannolikhetslära och statistik

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

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

Inlämningsuppgift-VT lösningar

Statistikens grunder HT, dagtid Statistiska institutionen

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

SF1901: Övningshäfte

TENTAMEN I STATISTIKENS GRUNDER 1

faderns blodgrupp sannolikheten att barnet skall få blodgrupp A0 A0 1/2 AA 1 AB 1/2 Övriga 0

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

Föreläsning 12: Repetition

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

S0007M Statistik2: Slumpmodeller och inferens. Inge Söderkvist

SOS HT Slumpvariabler Diskreta slumpvariabler Binomialfördelning. Sannolikhetsfunktion. Slumpförsök.

F2 Introduktion. Sannolikheter Standardavvikelse Normalapproximation Sammanfattning Minitab. F2 Introduktion

STA101, Statistik och kvantitativa undersökningar, A 15 p Vårterminen 2017

SF1901 Sannolikhetsteori och statistik I

15.1 Mer om betingad sannolikhet

Sannolikhetslära. Uppdaterad:

MATEMATIKSPELET TAR DU RISKEN

Föreläsning 2, FMSF45 Slumpvariabel

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

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

STA101, Statistik och kvantitativa undersökningar, A 15 p Vårterminen 2017

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

4 Diskret stokastisk variabel

7-2 Sammansatta händelser.

Statistiska metoder för säkerhetsanalys

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

Tentamen i Statistik, STA A13 Deltentamen 1, 4p 12 november 2005, kl

Jörgen Säve-Söderbergh

Individ nr Första testet Sista testet

SF1911: Statistik för bioteknik

Transkript:

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 (mellan 0 och 1) som talar om för oss hur troligt det är att händelsen vi studerar ska inträffa Regler för sannolikheter: 1. En sannolikhet ligger alltid mellan 0 och 1 2. Sannolikheten för alla disjunkta händelser som ingår i utfallsrummet kommer tillsammans att summera till 1 3. Om vi vet att sannolikheten för händelsen A är Pr(A), så är sannolikheten för att A inte ska inträffa 1 Pr(A) Klassiska sannolikhetsdefinitionen: Pr( A ) = antalet gynnsamma utfall totala antalet utfall 2

Relativ frekvens 0,3 0,25 Relativ frekvens 0,2 0,15 0,1 0,05 0 Tärningskast 1 1001 2001 3001 4001 5001 6001 7001 8001 9001 3

Additionssatsen för disjunkta händelser För två händelser A och B som är disjunkta, så gäller att sannolikheten för att A eller B ska inträffa är Pr( A B) = Pr( A) + Pr( B) Exempel: Bland enheterna som produceras vid ett löpande band klassificeras 5 procent som för stora, 80 procent som lagom och 15 procent som för små. Slumpmässigt väljs en enhet ur produktionen. Bestäm sannolikheten för att den utvalda enheten är för stor eller för liten. Låt A = händelsen att enheten tillhör gruppen för stora B = händelsen att enheten tillhör gruppen för små 4

Additionssatsen för icke disjunkta händelser För två händelser A och B som inte är disjunkta, så gäller att sannolikheten för att A eller B ska inträffa är Pr( A B) = Pr( A) + Pr( B) Pr( A B) Exempel: En viss febersjukdom kan ge flera sidobesvär, i följande omfattning hos de drabbade: Besvär Eksem 7% Halsont 10% Både eksem och halsont 2% Relativ frekvens Vad är sannolikheten för att en person som drabbats av febersjukdomen får antingen eksem eller halsont? 5

Multiplikationssatsen för oberoende händelser Vad är sannolikheten att både händelserna A och B ska inträffa? Givet att A och B är oberoende gäller att Pr( A B) = Pr( A) Pr( B) Exempel: Vi singlar slant två gånger. Vad är sannolikheten för två krona i rad? 6

Betingad sannolikhet Sannolikheten för att händelsen A ska inträffa givet att händelsen B redan inträffat beräknas Pr( A B) Pr( A B) = Pr( B) Exempel : Man drar ett slumpmässigt urval av medlemmar ur en stor politiskt oberoende organisation, och frågar dels om kön, dels om politisk tillhörighet (vänster eller höger). Kön Vänster Höger Totalt Kvinna 98 141 239 Man 67 59 126 Totalt 165 200 365 Vad är sannolikheten för att en slumpmässigt vald person är kvinna, om vi vet att personen sympatiserar med högerblocket? Om Pr(A B) = Pr(A) eller Pr(B A) = Pr(B) så är händelserna A och B oberoende 7

Multiplikationssatsen för beroende händelser Vad är sannolikheten att både händelserna A och B ska inträffa? Om A och B är beroende gäller att Pr Låt ( A B) = Pr( A) Pr( B A) = Pr( B) Pr( A B) = Pr( B A) Exempel: En skål innehåller 10 röda och 5 blå kulor. Vi väljer slumpmässigt och utan återläggning 2 kulor. Vad är sannolikheten för att bägge är blå? A = händelsen att den första utvalda kulan är blå B = händelsen att den andra utvalda kulan är blå 8

Exempel Exempel: Efter stängning en börsdag på den svenska börsen kan generalindex ha stigit, varit oförändrat eller sjunkit. Det finns ett starkt samband med NASDAQ-börsens generalindex: om den samma dag (men NASDAQ-börsen stänger tidigare) har stigit, varit oförändrad eller sjunkit så är chansen stor att samma sak händer på den svenska börsen. Man studerar börskurserna under en längre tid och beräknar då följande. Stigit 0.6 Oförändrat 0.2 Sjunkit 0.2 Andel dagar NASDAQ:s generalindex Man kartlägger även sannolikheten för att svenska generalindex ska stiga givet hur det gått på NASDAQ samma dag, och sammanställer följande. NASDAQ stigit 0.75 NASDAQ oförändrat 0.15 NASDAQ sjunkit 0.10 Sannolikhet för att svenskt generalindex stigit givet att Vi studerar en slumpmässigt vald dag. Vad är sannolikheten för att det svenska generalindex stigit den dagen? 9

Satsen om total sannolikhet Om A 1,, A g är g parvis disjunkta händelser, vars union bildar hela utfallsrummet, är sannolikheten för händelsen B Pr g ( B) = Pr( A ) Pr( B ) i= 1 i A i 10

Bayes sats Exempel (fortsättning): En viss dag har det svenska generalindex stigit. Vad är sannolikheten för att NASDAQ:s generalindex stigit samma dag? Om A 1,, A g är g parvis disjunkta händelser vars union bildar hela utfallsrummet gäller att sannolikheten för händelsen A j givet att händelsen B inträffat är Pr ( A B) j = g Pr i= 1 ( A ) Pr( B A ) Pr j ( A ) Pr( B A ) i j i 11