Laste ned presentasjonen
Presentasjon lastes. Vennligst vent
1
Sannsynlighetsregning
Normative modeller Rasjonelle vurderinger Deskriptive modeller Faktiske vurderinger
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 sannsynlighet ved symmetriske utfallsrom
P(A) = k m 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 P(A) = k = 3 1 = 0.5 m 6 2
8
Mengdelære Union: A union B:
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 A B x
9
alle utfall som ikke er med i A
_ A komplement: ikke A: alle utfall som ikke er med i A S _ A A
10
Regneregler 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) A B S A x B
11
Forts. regneregler _ P(A) = 1 – P(A) => P(A) = 1 – P(A) S _ A A
P(S) = _ P(S) = P(A) + P(A) = 1 ___ => P(A) = 1 – P(A) 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” Andre kast Utfall M MM .50 MK K KM KK
Første kast K KM KK P(MM) = P(M)P(M) = 0.25
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
Med tilbakelegg. Uten tilbakelegg. R RR B RB R = rød kule B = blå kule S = sort kule S RS BR BB BS SR SB SS
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: ( n ) = (n)r = n(n – 1)…(n – r + 1) (2) r r! r(r – 1) …2 · 1 n = antall objekter, r = antall trekkinger
17
Tre kandidater: Tor, Odin og Loke
Eksempel: Valg av styre: antall mulige styrer versus antall styresammensetninger Tre kandidater: Tor, Odin og Loke Antall styrer (ikke-ordnet) Antall styre sammensetninger (ordnet: leder-sekretær) Tor - Odin Odin - Tor Tor - Loke Loke - Tor Odin - Loke Loke - Odin
18
Betinget sannsynlighet
Sannsynligheten for B gitt A: sannsynligheten for B gitt at A har inntruffet P(BA) = P(A snitt B) P(A) der P(A) > 0
19
Eksempel: betinget sannsynlighet
Heltid Deltid Sum K 80 40 120 M 60 20 140 200 A: heltidsstudent B: kvinne P(B|A) = P(A snitt B) = 0.57 P(A)
Liknende presentasjoner
© 2024 SlidePlayer.no Inc.
All rights reserved.