Upload
others
View
3
Download
0
Embed Size (px)
Citation preview
Kapittel 2: Sannsynlighet2.1, 2.2: Utfallsrom og hendelser2.3, 2.4: Kombinatorikk og sannsynlighet2.5, 2.6, 2.7: Regneregler, betinget sanns.2.8: Bayes regel
Eirik MoInstitutt for matematiske fag, NTNU
www.ntnu.no [email protected] (utarbeidet av Mette Langaas), TMA4245 V2007
FENOMEN Eksperiment Utfall Utfallsrom
......
Eksperiment
Eksperiment
Utfall
Utfall
Hendelse
www.ntnu.no [email protected] (utarbeidet av Mette Langaas), TMA4245 V2007
3
Utfallsrom og hendelser
DEF 2.1 Ufallsrom: mengden av alle mulige resultater (utfall) av etstokastisk forsøk.
DEF 2.2 Hendelse: delmengde av utfallsrommet.
DEF 2.3 A’=Komplementet til en hendelse A: (også brukt A∗, Ac , A) alleutfall i S som ikke er i A. A’={e ∈ S|e /∈ A}.
DEF 2.4: (A∩B)=Snittet av to hendelser A og B: alle utfall som både er iA og i B.
DEF 2.6: (A∪B)=Unionen av to hendelser A og B: alle utfall som er i Aeller i B eller i begge.
www.ntnu.no [email protected] (utarbeidet av Mette Langaas), TMA4245 V2007
4
Disjunkte hendelser
(mutually exclusive)
— DEF 2.5: To hendelser A og B er disjunkte hvis snittet er tomt:A ∩ B= ∅.
— Viktig egenskap når vi skal regne med sannsynligheter for hendelser(og ofte på eksamen skal man vise om to hendelser er disjunkte!)
www.ntnu.no [email protected] (utarbeidet av Mette Langaas), TMA4245 V2007
5
Regneregler
— Kommutativ lov: A ∪ B = B ∪ A— Assosiativ lov: (A ∩ B) ∩ C
= A ∩ (B ∩ C)— Distributiv lov: A ∩ (B ∪ C)
= (A ∩ B) ∪ (A ∩ C)
www.ntnu.no [email protected] (utarbeidet av Mette Langaas), TMA4245 V2007
6
De Morgans lov
— (A ∪ B)’ = A’ ∩ B’ — (A ∩ B)’ = A’ ∪ B’
www.ntnu.no [email protected] (utarbeidet av Mette Langaas), TMA4245 V2007
7
Multihendelser
— La S være utfallsrom og
— A1, A2, ..., An ⊂ S, n hendelser.
— Minst en hendelse: A1 ∪ A2 ∪ · · · An=∪ni=1Ai— Alle hendelser: A1 ∩ A2 ∩ · · · An=∩ni=1Ai
www.ntnu.no [email protected] (utarbeidet av Mette Langaas), TMA4245 V2007
8
Hva er de fargelagte områdene?
1............ 2............ 3.............
4............ 5............ 6.............
AC B
D
7............ 8............ 9............www.ntnu.no [email protected] (utarbeidet av Mette Langaas), TMA4245 V2007
9
Produktregel for valgprosess [2.3]
TEO 2.1 Produktregel: Hvis en operasjon kan utføres på n1 måter,og for hver av disse en annen operasjon kan utførespå n2 måter, så kan de to operasjonene utføres pån1n2 måter.
TEO 2.2 Den generaliserte produktregel: En valgprosess har ktrinn. I det første trinnet er det n1 valgmuligheter, i detandre trinnet er det n2 muligheter, ..., i det siste trinneter et nk muligheter. Da er det tilsammen n1n2 . . . nkvalgmuligheter.
www.ntnu.no [email protected] (utarbeidet av Mette Langaas), TMA4245 V2007
10
Ordnede utvalg
MED tilbakelegging: Fra en mengde med n elementer kan vi lagen · n · · · n = nr ordnede utvalg på r elementer nårutvelgingen skjer med tilbakelegging.
UTEN tilbakelegging, TEO 2.4: Fra en mengde med n elementerkan vi lage n · (n − 1) · (n − 2) · · · (n − r + 1) ≡n Prordnede utvalg på r elementer når utvelgingen skjeruten tilbakelegging.
www.ntnu.no [email protected] (utarbeidet av Mette Langaas), TMA4245 V2007
11
Permutasjoner
DEF 2.7 Permutasjon: En permutasjon er en ordning av alle, elleren delmengde av alle elementer.
TEO 2.3: n elementer kan ordnes i rekkefølge på n! =n · (n − 1) · · · 2 · 1 måter.
TEO 2.5: n elementer kan ordnes i rekkefølge i en sirkel på(n − 1)! = (n − 1) · · · 2 · 1 måter.
www.ntnu.no [email protected] (utarbeidet av Mette Langaas), TMA4245 V2007
12
Ikke-ordnede utvalg
TEO 2.8 Uordnet utvalg uten tilbakelegging: Fra en mengde med nelementer kan vi lage(n
r
)
= n·(n−1)·(n−2)···(n−r+1)r ! =n!
r !(n−r)! = nCr uordnedeutvalg på r elementer når utvelgingen skjer utentilbakelegging.
www.ntnu.no [email protected] (utarbeidet av Mette Langaas), TMA4245 V2007
13
Ikke-ordnede utvalg: Alternativ utledning
— Fra de n ulike elementene a1, a2, ..., an skal vi lage to gruppermed hhv. r og n − r medlemmer.
— Hvor mange måter, K , kan det gjøres hvis vi ikke tar hensyn tilordningen innen de to gruppene?• anta at vi har EN slik gruppering som gir
r a-er | (n − r) a-er• Det er r ! mulige måter å ordne de r a-ene på venstre side på og
(n − r)! mulige måter å ordne de (n − r) a-ene på høyre sidepå. Dvs. totalt r !(n − r)! måter.
• Vi gjør dette med alle K grupperinger, og det er det sammesom å permutere de n opprinnelige elementene, dvs
K · r !(n − r)! = n!• Dermed
K = n!r !(n−r)!
www.ntnu.no [email protected] (utarbeidet av Mette Langaas), TMA4245 V2007
14
Binomisk koeffisient ogPascals trekant
— Binomisk koeffisient:(n
r
)
= n!r !(n−r)! .
—(n
r
)
finnes i rad n på plass r .
www.ntnu.no [email protected] (utarbeidet av Mette Langaas), TMA4245 V2007
15
Ikke-ordnede utvalg i r celler
— Generalisering av ikke-ordnede utvalg i 2 celler (de r vi harvalgt og de (n − r) vi ikke har valgt).
TEO 2.7: Vi kan dele en mengde med n elementer inn i r cellermed n1 elementer i første celle, n2 elemeter i andrecelle, ..., og nr elementer i r te celle, på( n
n1,n2,...,nr
)
= n!n1!n2!···nr ! måter, dern = n1 + n2 + · · ·+ nr .
TEO 2.6: Antall ordninger av n objekter, der n1 er av type 1, n2er av type 2, ... og nk er av type k , er n!n1!n2!···nk ! . (Sierdet samme som TEO 2.7).
Multinomisk koeffisient:( n
n1,n2,...,nr
)
www.ntnu.no [email protected] (utarbeidet av Mette Langaas), TMA4245 V2007
16
Oppsummering kombinatorikk— På hvor mange måter kan man trekke r elementer fra n når
trekningen skjer med/uten tilbakelegging når ordningenbetyr/ikke betyr noe?
ordnet ikke-ordnetmed tilbakelegg. nr ikke pensumuten tilbakelegg. n!(n−r)! = nPr
(nr
)
= n!r !(n−r)! = nCr
www.ntnu.no [email protected] (utarbeidet av Mette Langaas), TMA4245 V2007
17
2.4 Sannsynlighet for hendelse
— Kast to terninger
Første terning1 2 3 4 5 6
1 1,1 1,2 1,3 1,4 1,5 1,62 2,1 2,2 2,3 2,4 2,5 2,6
Andre 3 3,1 3,2 3,3 3,4 3,5 3,6terning 4 4,1 4,2 4,3 4,4 4,5 4,6
5 5,1 5,2 5,3 5,4 5,5 5,66 6,1 6,2 6,3 6,4 6,5 6,6
— Merk av i tabellen over og finn sannsynligheten for følgendehendelser:
1. A: samme antall øyne for begge terninger2. B: sum antall øyne ≥ 103. C: minst en sekser
www.ntnu.no [email protected] (utarbeidet av Mette Langaas), TMA4245 V2007
18
Sannsynlighet for hendelse [2.4]
DEF 2.8 (modifisert) Et sannsynlighetsmål, P, på et utfallsrom, S,er en reell funksjon definert på hendelser i S, slik at— 0 ≤ P(A) ≤ 1, A ∈ S— P(S) = 1— P(∅) = 0
DEF 2.9 Hvis resultatet av et eksperiment er ett av N likesannsynlige utfall (uniform sannsynlighetsmodell), oghvis nøyaktig n av disse gir hendelsen A, så ersannsynligheten til A
P(A) =nN
=antall gunstige utfall for A
antall mulige utfall
www.ntnu.no [email protected] (utarbeidet av Mette Langaas), TMA4245 V2007
Figur fra Xeni Dimakos, Norsk Regnesentral
www.ntnu.no [email protected] (utarbeidet av Mette Langaas), TMA4245 V2007
20
Alternativt om sannsynlighet— Sannsynlighet kan være en subjektiv betraktning.
• Sannsynligheten for at Vålerenga vinner serien i 2007.• Sannsynligheten for at du får A på eksamen i TMA4245.
— Relativ frekvens konvergerer mot sannsynlighet• Chevalier de Mere’s problem: er det mer sannsynlig å få
1. minst en sekser i fire kast med en terning , eller2. minst en dobbel-sekser i 24 kast med to terninger?
• de Mere mente (fra empiriske data) at 1) var større enn 2).
www.ntnu.no [email protected] (utarbeidet av Mette Langaas), TMA4245 V2007
21
deMere: relativ frekvens— minst en sekser i fire kast med en terning— minst en dobbel-sekser i 24 kast med to terninger
0 20 40 60 80 100
0.40
0.45
0.50
0.55
0.60
Antall gjentak
Rel
ativ
frek
vens
www.ntnu.no [email protected] (utarbeidet av Mette Langaas), TMA4245 V2007
22
deMere: relativ frekvens— minst en sekser i fire kast med en terning— minst en dobbel-sekser i 24 kast med to terninger
0 200 400 600 800 1000
0.40
0.45
0.50
0.55
0.60
Antall gjentak
Rel
ativ
frek
vens
www.ntnu.no [email protected] (utarbeidet av Mette Langaas), TMA4245 V2007
23
deMere: relativ frekvens— minst en sekser i fire kast med en terning— minst en dobbel-sekser i 24 kast med to terninger
0 5000 10000 15000 20000 25000 30000
0.40
0.45
0.50
0.55
0.60
Antall gjentak
Rel
ativ
frek
vens
www.ntnu.no [email protected] (utarbeidet av Mette Langaas), TMA4245 V2007
24
deMere: ulike startpunkt
www.ntnu.no [email protected] (utarbeidet av Mette Langaas), TMA4245 V2007
25
Addisjonssetninger [2.5]— Fortsettelse: kast to terninger
Første terning1 2 3 4 5 6
1 1,1 1,2 1,3 1,4 1,5 1,62 2,1 2,2 2,3 2,4 2,5 2,6
Andre 3 3,1 3,2 3,3 3,4 3,5 3,6terning 4 4,1 4,2 4,3 4,4 4,5 4,6
5 5,1 5,2 5,3 5,4 5,5 5,66 6,1 6,2 6,3 6,4 6,5 6,6
— Følgende hendelser er definert:• A: samme antall øyne for begge terninger, P(A) = 16• B: sum antall øyne ≥ 10, P(B) = 16• C: minst en sekser, P(C) = 1136
— Finn sannsynligheten for• A ∪ B : samme antall øyne og/eller sum ≥ 10• A ∪ B ∪ C : samme antall øyne og/eller sum ≥ 10 og/eller minst
en sekser.
www.ntnu.no [email protected] (utarbeidet av Mette Langaas), TMA4245 V2007
26
AddisjonssetningenTEO 2.11: Hvis A, B og C er tre hendelser, så er
P(A ∪ B ∪ C) = P(A) + P(B) + P(C)
−P(A ∩ B)− P(A ∩ C)− P(B ∩C) + P(A ∩ B ∩ C)
www.ntnu.no [email protected] (utarbeidet av Mette Langaas), TMA4245 V2007
27
Disjunkte hendelserTEO 2.10: Hvis A og B er to hendelser, så er
P(A ∪ B) = P(A) + P(B)− P(A ∩ B)
Korrolar 1: Hvis A og B er disjunkte er
P(A ∪ B) = P(A) + P(B)
Korrolar 2: Hvis A1, A2, A3, ..., An er disjunkte hendelser, så er
P(A1 ∪ A2 ∪ · · · ∪ An) =
P(A1) + P(A2) + · · · + P(An)
SA1
A2
A6A5A3
A4
A7 A8
A9
An
www.ntnu.no [email protected] (utarbeidet av Mette Langaas), TMA4245 V2007
28
Partisjon av utfallsrommet
Korrolar 3: Hvis A1, A2, A3, ..., An er en partisjon av utfallsrommetS, da er
P(A1∪A2∪· · ·∪An) = P(A1)+P(A2)+· · ·+P(An) = P(S) =
TEO 2.12: Hvis A og A’ er komplementære hendelser, så er
P(A) + P(A′) = 1
A1
A2
A6A5A3
A4
A7 A8
A9
A10
S
www.ntnu.no [email protected] (utarbeidet av Mette Langaas), TMA4245 V2007
29
Eksamen 5.august 2004, 2a— Vi ser på dødsfall om natten ved sykehjemmet “Aftensol”.
— Ved sykehjemmet er det tre sykepleiere i rene nattevaktstillinger,Anne, Bernt og Cecilie. Hver natt er en av dem på vakt gjennomhele natten, og det er da ingen andre ansatte tilstede ved hjemmet.
— Anne jobber i 100% nattevaktstilling, mens Bernt og Cecilie jobber i50% nattevaktstillinger.
— Vi ser på en tilfeldig valgt natt og definerer følgende hendelser:• A = Anne er på vakt,• B = Bernt er på vakt,• C = Cecilie er på vakt,• D = det skjer et dødsfall.
— Anta at alle dødsfall skjer naturlig. Det er da rimelig å gå ut fra atsannsynligheten for dødsfall er den samme uansett hvilkensykepleier som er på vakt, dvs. at P(D|A) = P(D|B) = P(D|C). Antaat den felles verdi for disse er 0.06.
www.ntnu.no [email protected] (utarbeidet av Mette Langaas), TMA4245 V2007
30
Eksamen 5.august 2004, 2a
1. Tegn de 4 hendelsene definert på forrige side i etvenndiagram.
2. Hva er sannsynlighetene P(A), P(B) og P(C)?
3. Finn P(D).
4. Er hendelsene D og C uavhengige? Begrunn svaret.
www.ntnu.no [email protected] (utarbeidet av Mette Langaas), TMA4245 V2007
31
Oppsummering fra 2.1-2.5
FENOMEN Eksperiment Utfall Utfallsrom
......
Eksperiment
Eksperiment
Utfall
Utfall
Hendelse
ordnet ikke-ordnetmed tilbakelegg. nr ikke pensum
uten tilbakelegg. n!(n−r )!
“
nr
”
= n!r !(n−r )!
Sannsynlighet: egenskaper, gunstige vs. mulige, relativfrekvens
Sannsynlighet for mer enn en hendelse
www.ntnu.no [email protected] (utarbeidet av Mette Langaas), TMA4245 V2007
32
Betinget sannsynlighet [2.6]
DEF 2.9: Den betingede sannsynligheten for B, gitt A, skrivesP(B|A), og er definert som
P(B|A) =P(A ∩ B)
P(A)hvis P(A) > 0
TEO 2.13: Hvis både hendelsene A og B kan inntreffe i eteksperiment, så er
P(A ∩ B) = P(A) · P(B|A)
www.ntnu.no [email protected] (utarbeidet av Mette Langaas), TMA4245 V2007
33
Biltilsynet: utslipp fra bil— Biltilsynet har satt tall på følgende hendelser:
• E: overstige hydrokarbongrensen, P(E)=0.32• F: overstige karbonoksydgrensen, P(F)=0.4• E∩F: overstige både hydrokarbon- og karbonoksydgrensen,
P(E ∩ F)=0.18
S
E F
0.32 0.4
0.18
— Velg ut en tilfeldig bil i Norge, og register utslipp• Hva er sannsynligheten for at bilen du undersøker overskrider
karbonoksydgrensen, gitt at du allerede vet at den overskriderhydrokarbongrensen?
• Hva er sannsynligheten for at bilen du undersøker overskriderhydrokarbongrensen, gitt at du allerede vet at den overskriderkarbonoksydgrensen?
www.ntnu.no [email protected] (utarbeidet av Mette Langaas), TMA4245 V2007
34
Uavhengige hendelser
DEF 2.10: To hendelser A og B er uavhengige hvis og bare hvis
P(B|A) = P(B) eller P(A|B) = P(A)
Ellers, så er A og B avhengige hendelser.
TEO 2.14: To hendelser A og B er uavhengige hvis og bare hvis
P(A ∩ B) = P(A) · P(B)
www.ntnu.no [email protected] (utarbeidet av Mette Langaas), TMA4245 V2007
www.ntnu.no [email protected] (utarbeidet av Mette Langaas), TMA4245 V2007
36
Venndiagram foruavhengige hendelser
— Hendelsen A: høyde a og lengde l, P(A)′′ =′′ a·lh·l .
— Hendelsen B: høyde h og lengde b, P(B)′′ =′′ h·bh·l .
— Hendelsen A ∩ B: høyde a og lengde b, P(A ∩ B)′′ =′′ a·bh·l .
— Ved uavhengighet er P(A ∩ B) = P(A) · P(B), og vi har P(A) · P(B)′′ =′′ a·lh·l ·h·bh·l =
a·bh·l .
www.ntnu.no [email protected] (utarbeidet av Mette Langaas), TMA4245 V2007
37
Multihendelser
TEO 2.15: Hvis hendelsene A1, A2, ..., Ak kan inntreffe i eteksperiment, så er
P(A1 ∩ A2 ∩ · · · ∩ Ak) =
P(A1) · P(A2|A1) · P(A3|A1 ∩ A2) · · ·P(Ak |A1 ∩ A2 ∩ · · · ∩ Ak−1)
Hvis hendelsene A1, A2, ..., Ak er uavhengige, så er
P(A1 ∩ A2 ∩ · · · ∩ Ak) =
P(A1) · P(A2) · P(A3) · · ·P(Ak )
www.ntnu.no [email protected] (utarbeidet av Mette Langaas), TMA4245 V2007
38
Chevalier deMere— de Mere mente (fra empiriske data) at 1) var større enn 2):
1. minst en sekser på fire kast med en terning, eller2. minst en dobbel-sekser på 24 kast med to terninger?
— Løsning:1. P(minst en sekser på fire kast med en
terning)=1 − ( 56)4 = 0.5177
2. P(minst en dobbelt-sekser på 24 kast)=1-( 3536)24=0.4914.
Figur fra – og les mer i Cartoon Guide to Statisticswww.ntnu.no [email protected] (utarbeidet av Mette Langaas), TMA4245 V2007
39
Idrettsutøvere
— Idrettsutøvere kan deles inn i tre kategorier:• De som doper seg nå (2%)• De som har dopet seg tidligere (14 %)• De som aldri har dopet seg (84 %)
— La sannsynligheten for positiv dopingtest for de tre gruppenevære hhv. 80 %, 6 % og 3 %.
a) Hva er sannsynligheten for at en tilfeldig valgtidrettsutøver gir positiv test?
b) Hva er sannsynligheten for at en idrettsutøversom avlegger positiv dopingtest, virkelig erdopet?
www.ntnu.no [email protected] (utarbeidet av Mette Langaas), TMA4245 V2007
40
Total sannsynlighet [2.8]TEO 2.16: Total sannsynlighet Hvis hendelsene B1, B2, ..., Bk gir
en partisjon (oppdeling) av utfallsrommet S, slik atP(Bi) 6= 0 for i = 1, ..., k , da har vi for hver hendelse Ai S
P(A) =k
∑
i=1
P(Bi ∩ A) =k
∑
i=1
P(Bi)P(A|Bi)
SB1
B2
B6B5B3
B4
B7 B8
B9
B10A
www.ntnu.no [email protected] (utarbeidet av Mette Langaas), TMA4245 V2007
41
Bayes regel
TEO 2.17: Bayes regel Hvis hendelsene B1, B2, ..., Bk gir enpartisjon (oppdeling) av utfallsrommet S, slik atP(Bi) 6= 0 for i = 1, ..., k , da har vi for hver hendelse Ai S hvor P(A) 6= 0 at
P(Br |A) =P(Br∩A)
P(A) =P(Br∩A)
Pki=1 P(Bi∩A)
= P(A|Br )P(Br )Pki=1 P(A|Bi )P(Bi )
for r = 1, 2, ..., k .
www.ntnu.no [email protected] (utarbeidet av Mette Langaas), TMA4245 V2007
42
Tykkelse av veidekke— Før en seksjon av en ny vei er godkjent for bruk inspiseres
tykkelsen av veidekket ved hjelp av ultralyd.— For et 20 cm dekke, gjøres dette hver 160 meter. Hver 160
meter seksjon vil aksepteres hvis den målte tykkelsen er minst19cm.
— Anta at 90% av seksjonenene følger forskriftene (de er faktisktykkere enn 19cm)
— Men, en ultralydmåling er dessverre bare 80% sikker,• dvs. 80% sjanse for at målingen viser ≥19cm gitt at tykkelsen i
virkeligheten er ≥19cm,• og at det er 80% sjanse for at målingen viser
43
Sykdom og test
— S= syk person
— T= positiv test— For legemidler “vet” man:
• P(T |S): sannsynligheten for at testen slår ut positivt, gitt atpersonen er syk (sensitiviteten til testen). Ønskes høyest mulig.
• P(T ′|S′): sannsynligheten for at testen slår ut negativt, gitt atpersonen er frisk. (spesifisitet). Ønskes høyest mulig
— Interessant for pasienten:• P(S|T ): sannsynligheten for at du er syk, gitt at du har fått en
positiv test.• P(S′|T ′): sannsynligheten for at du er frisk, gitt at du har fått en
negativ test.
www.ntnu.no [email protected] (utarbeidet av Mette Langaas), TMA4245 V2007
44
HIV-test— Hva er sannsynligheten for at en person med positiv HIV-test
virkelig er HIV-smittet? Anta• Sensitivitet av testen: P(T |S)= 0.98• Spesifisitet av testen: P(T ′|S′)= 0.995, dvs.
P(T |S′) = 1 − 0.995 = 0.005.— Svaret er avhengig av forekomsten av HIV i populasjonen:
P(S) P(S|T)1
10000 0.022
10000 =1
5000 0.045
10000 =1
2000 0.0910
10000 =1
1000 0.1620
10000 =1
500 0.2850
10000 =1
500 0.50100
10000 =1
100 0.66
— P(S) = 0.0005 = 510000 (Dagbladet febr 2003, 1900 smittet avHIV i Norge (av 4 000 000), dvs 0.5 promille.)
— Dette gir et problem ved masseundersøkelser. De fleste avpersonene med positiv prøve kan faktisk være friske.
www.ntnu.no [email protected] (utarbeidet av Mette Langaas), TMA4245 V2007
45
TV-debatt (Eksamensoppgave fra HiSør-Trøndelag 1998)
— Et politisk spørsmål blir tatt opp i en TV-debatt. Et stykke ut idebatten stiller programlederen det samme spørsmålet til seerne. Viser heretter bare på de seerne som har en oppfatning omspørsmålet.
— De som mener ja oppfordres til å ringe et bestemt telefonnummer ogde som mener nei et annet nummer. Vi antar i denne oppgaven at70% av seerne mener ja og 30% mener nei.
— Vi antar videre at sannsynligheten for at en tilfeldig ja-seer ringer inn,er 0.05, og sannsynligheten for at en tilfeldig nei-seer ringer inn, er0.10.
— La J være hendelsen at en seer mener ja, og R være hendelsen athan ringer.
www.ntnu.no [email protected] (utarbeidet av Mette Langaas), TMA4245 V2007
46
TV-debatt (forts.)
a) Formuler de fire opplysningene som sannsynligheter(betingede og ubetingede) for J og R. Bestem P(R).
b) Hvor stor andel av innringerne mener ja? Girresultatet et riktig bilde av seernes oppfatning?
www.ntnu.no [email protected] (utarbeidet av Mette Langaas), TMA4245 V2007