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

Relevanta dokument
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}.

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).

MS-A0409 Grundkurs i diskret matematik Sammanfattning, del I

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

DEL I. Matematiska Institutionen KTH

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

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) =

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

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

Föreläsning 10: Kombinatorik

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

Genomsnittligt sökdjup i binära sökträd

Uppgifter 3: Talföljder och induktionsbevis

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

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

MS-A0409 Grundkurs i diskret matematik I

. Mängden av alla möjliga tillstånd E k kallas tillståndsrummet.

TENTAMEN I MATEMATISK STATISTIK

TENTAMEN Datum: 16 okt 09

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

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

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

Armin Halilovic: EXTRA ÖVNINGAR

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

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

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

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

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

Cartesisk produkt. Multiplikationsprincipen Ï Ï Ï

1. Test av anpassning.

TMS136: Dataanalys och statistik Tentamen med lösningar

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

2. Konfidensintervall för skillnaden mellan två proportioner.

Grundläggande matematisk statistik

Datorövning 2 Fördelningar inom säkerhetsanalys

Multiplikationsprincipen

Matematisk statistik

Föreläsning G04 Surveymetodik 732G19 Utredningskunskap I

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

Följande begrepp används ofta vid beskrivning av ett statistiskt material:

Stokastiska variabler

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

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

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

TAMS79: Föreläsning 9 Approximationer och stokastiska processer

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

Tentamen i Matematisk statistik för V2 den 28 maj 2010

4.2.3 Normalfördelningen

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

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

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

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

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

Föreläsning G70 Statistik A

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

Föreläsning 2: Punktskattningar

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

MA2018 Tillämpad Matematik III-Statistik, 3.5hp,

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

Avd. Matematisk statistik

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

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

Uppsala Universitet Matematiska Institutionen Thomas Erlandsson

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.

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

LINJÄRA DIFFERENTIALEKVATIONER AV HÖGRE ORDNINGEN

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

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

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

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

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

Övningstentamen i MA2018 Tillämpad Matematik III-Statistik, 7.5hp

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

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

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

a) Beräkna E (W ). (2 p)

TAMS15: SS1 Markovprocesser

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

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

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

Matematisk statistik

Datorövning 2 Fördelningar inom säkerhetsanalys

Föreläsning G70 Statistik A

Matematisk statistik TMS063 Tentamen

Lösning till tentamen för kursen Log-linjära statistiska modeller 29 maj 2007

MS-A0409 Grundkurs i diskret matematik Sammanfattning, del I

101. och sista termen 1

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

Transkript:

rmi Halilovic: EXTR ÖVIGR SOLIKHETER GRUDLÄGGDE EGRE OH ETEKIGR Utfall Resultat av ett slumpmässigt försök. Utfallsrummet ägde av alla utfall (beteckas oftast medd Ω ). Hädelse E delmägd av utfallsrumm met. 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 SOLIKHETSDEFIITIOE tag att utfallsrummet Ω består av lika saolikaa utfall och e hädelse med g elemet (g= atalet gysamma fall ). Saolikhete för hädelse är De geometriska tolkige av saolikhete Saolikhete för hädelse är Relatioer mella hädelser ka åskådliggöras med hjälp av mägddiagram.. Komplemet till. av

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

rmi Halilovic: EXTR ÖVIGR Sambadet mella mägdoperatioer och hädelser. Operatio ägdbeteckig Komplemet Sittet Uioe Differese \ = Symmetrisk = differes eskrivig iträffar ite åde och iträffarr eller eller båda iträffar me ite iträffar Exakt e av, iträffar VIKTIG EGESKER ====== ========= ========= ======== ========= ========= === Kolmogorovs axiom: xiom () 0 xiom (, xiom 3 Om och är disjukta hädelser dvs då ====== ========= ========= ========= ========= ========= === Frå axiom,, 3 följer följade egeskaper: i) ( 0 ii) 0 ( ) iii) () () iv) ( ) ( ) mootoi i saolikhete för komplemethädelse Viktig: Om och ite är disjukta då beräkas saolikhete för uioe eligt följadee ====== ========= ========= ======== ========= ========= ==== 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 gäller ( ) 0. 6, och ( ) 0. 3 och ( ) 0.. a) estäm ( ). b) estäm ([ ] ) c) estäm ([ ] ) d) vgör om och är oberoede hädelser. Lösig: 4 av

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

rmi Halilovic: EXTR ÖVIGR b) eräka p( ). Svar. a) ( ) 0,, b) ( ) 0,3 Uppgift 4. I e stad med 00 000 ivåare fis dett 3 lokala tidigar, och. Vid e udersökig får ma att 0 000 ivåare ( totalt) läser tidige 5 00 00 läser både och 9 000 läser 4 00 00 läser både och 8 000 läser 3 00 00 läser både och 000 läser alla tre:, och Hur stor är saolikhete att e slumpmässigt vald ivåare i stade läser a) tidigara och me ite i? b) mist e av tidigara,,? c) ige av tidigara,,. Lösig: Vi aväder följade mägddiagram: a) och me ite läser 4 000-000= =3000 ivåare. Därför a=3000/00000=0.03=3% b) mist e av tidigara,, läserr 0000 + 000+000+ +000=6000 ivåare. Därför b=6000/00000=0.6=6% c) 74 000 ivåare läser ite ågo av tidigara,, lltså c=74000/00000=0.74=74% Svar: a) 3% b )6% c) 74% 6 av

rmi Halilovic: EXTR ÖVIGR Uppgift 5. I Estad som har 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, Sökt : ( ( 4000 ) ( 6000 Ser ) ) ( 000 ktuellt, : Ser ) ( 4000 ) ( 9000 yhetera ) ( 000 ) ( ) ( ) 000 0,467 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. estäm 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 8 av Uppgift 7. väd De orgas lagar L. Komplemet till uioe: L. Komplemet till sittet: L3. och förekla a) D b) Lösig: a) D D D b) Svar: a) D 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 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) 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 ]. Saolikhete att få 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 ]. Saolikhete att få i fjärde dragige är 5/7

rmi Halilovic: EXTR ÖVIGR 5 6 4 5 lltså (,,, ) (med häsy till ordig uta återläggig)= 0.005 0 9 8 7 Svar: a) (,,, )= (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 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) 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 ]. Saolikhete att få i adra dragige är 6/0 Dragig 3: Saolikhete att få i tredje dragige är 5/0 Dragig 4: Saolikhete att få i fjärde dragige är 6/0 lltså (,,, ) (med häsy till ordig och med återläggig)= =0.00565 Svar: a) (,,, ) (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. lad 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: 4 6 Vi ka välja 3 korrekta blad 4 och samtidigt defekta blad 6 på g= 3 talet alla möjliga fall: 0 Vi ka välja 5 produkter blad 0 på = sätt 5 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,, och D. (Ett exempel på placerig) a) å hur måga olika sätt ka ma göra det? b) estäm saolikhete att ige låda ärr tom. Lösig a) Vi betraktar ett ekvivalet problem: ermutatioer av 5 bokstäver I och 9 bokstäver O (se bilde). T ex: ermutatioe IOOIOOOOIIOOOII svarar mot ovaståede exempel. Varje permutatio måste börja och slutaa med I (aars hamar ite bolle i ågo låda) Därför permuterar vi 3 bokstäver I ochh 9 bokstäver O.! 0 a) Det fis 0 sådaa permutatioer. 3!9! 3 Svar a) 0 b) 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