1 / 19

Sannsynlighetsregning

Normative modeller Rasjonelle vurderinger . Deskriptive modeller Faktiske vurderinger. Sannsynlighetsregning. Sannsynlighetsregning i hverdagen. Når noe skal skje ”rettferdig” lar vi ofte ”tilfeldighetene råde” Slå mynt og kron LOTTO-trekning Sannsynlighet og gunstige valg. Utfallsrom.

teigra
Download Presentation

Sannsynlighetsregning

An Image/Link below is provided (as is) to download presentation Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author. Content is provided to you AS IS for your information and personal use only. Download presentation by click this link. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server. During download, if you can't get a presentation, the file might be deleted by the publisher.

E N D

Presentation Transcript


  1. Normative modeller Rasjonelle vurderinger Deskriptive modeller Faktiske vurderinger Sannsynlighetsregning

  2. Sannsynlighetsregning i hverdagen • Når noe skal skje ”rettferdig” lar vi ofte ”tilfeldighetene råde” • Slå mynt og kron • LOTTO-trekning • Sannsynlighet og gunstige valg

  3. Utfallsrom • En opplisting av hvilke utfall som er mulige • S = det totale utfallsrom • Mulige utfall kalles elementer • Eksempler: • Terningkast: S = {1, 2, 3, 4, 5, 6} • Kaste en mynt: S = {mynt, kron} • LOTTO-tall: S = {1, 2, 3,…, 32, 33, 34}

  4. Generelt • Det totale utfallsrommet S består av m elementer • P(A) = sannsynligheten for at begivenhet A skal inntreffe • Begivenheten A består av k elementer • 0  P(A)  1 • P(S) = 1

  5. Uniforme sannsynlighetsmodeller • Alle utfall har like stor sannsynlighet for å inntreffe • Symmetriske utfallsrom

  6. Beregning av sannsynlighetved symmetriske utfallsrom P(A) = sannsynligheten for at hendelse A skal inntreffe k = antall elementer i hendelse A m = antall mulige utfall i S

  7. Eksempel: terningkast • Utfallsom: S = {1, 2, 3, 4, 5, 6}, m = 6 • A = terningen viser like antall øyne • Like antall øyne: A = {2, 4, 6}, k = 3

  8. Mengdelære S • Union: A union B: alle elementer som er med i A, eller B, eller i begge • Snitt: A snitt B: alle elementer som samtidig er med i både A og B A B S B A x

  9. _ • A komplement: ikke A: alle utfall som ikke er med i A S _ A A

  10. Når A og B er gjensidig utelukkende: P(A union B) = p(A) + P(B) P(A snitt B) = Ø Ø = den tomme mengde Når A og B ikke er gjensidig utelukkende: P(A union B) = p(A) + P(B) – P(A snitt B) Regneregler S A B S A x B

  11. _ P(A) = 1 – P(A) P(S) = 1 _ P(S) = P(A) + P(A) = 1 ___ => P(A) = 1 – P(A) Forts. regneregler S _ A A

  12. Sannsynlighet for samtidige eller påfølgende hendelser Generelt: P(A snitt B) = P(A) · P(B) Gjelder når A og B er statistisk uavhengige To hendelser er statistisk uavhengige hvis: P(A|B) = P(A) eller hvis P(B|A) = P(B)

  13. ”Tre-diagram”

  14. Ordnede versus ikke-ordnede utvalg uten tilbakelegging • Ordnede utvalg: rekkefølgen av uttrekkingen av utvalget har en betydning • Eksempel: trekking av 1. og 2. premie • Ikke-ordnede utvalg: rekkefølgen av uttrekningen har ikke betydning • Eksempel: trekking av LOTTO-tall

  15. Trekking med og uten tilbakelegging

  16. Regneregler for antall kombinasjonsmuligheter ved trekking uten tilbakelegging • Antall ordnede utvalg: (n)r = n(n – 1)…(n – r + 1) (1) • Antall ikke-ordnede utvalg:

  17. Eksempel: Valg av styre: antall mulige styrer versus antall styresammensetninger

  18. Betinget sannsynlighet Sannsynligheten for B gitt A: sannsynligheten for B gitt at A har inntruffet

  19. Eksempel: betinget sannsynlighet

More Related