STOKASTIK Sannolikhetsteori och statistikteori med tillämpningar
STOKASTIK Sannolikhetsteori och statistikteori med tillämpningar
STOKASTIK Sannolikhetsteori och statistikteori med tillämpningar
Create successful ePaper yourself
Turn your PDF publications into a flip-book with our unique Google optimized e-Paper software.
2007-10-08 – sida 7 – # 11<br />
2.2 SANNOLIKHETER PÅ UTFALLSRUM 7<br />
Alla tre villkoren i Kolmogorovs axiomsystem är självklara för alla utan att<br />
man reflekterat över det. Det första villkoret är en ren konvention – någon<br />
som pratar om negativa sannolikheter eller sannolikheter större än 1 betraktas<br />
<strong>med</strong> rätta <strong>med</strong> skepsis. Även det andra villkoret är en konvention – det har<br />
blivit praxis att den helt säkra händelsen, dvs. den som innehåller alla möjliga<br />
utfall, ges sannolikheten 1. Det tredje villkoret slutligen, säger att sannolikheten<br />
för två oförenliga händelser är lika <strong>med</strong> summan av sannolikheterna för<br />
var <strong>och</strong> en av händelserna. Förutsättningen att A <strong>och</strong> B skall vara oförenliga<br />
i villkor 3 är viktigt – i annat fall gäller inte utsagan.<br />
Den vanligaste tolkningen av en sannolikhet, t.ex. P (A) = 0.3, är att om<br />
man upprepar slumpförsöket många gånger så kommer den relativa frekvensen<br />
för en händelse A ligga nära 0.3. Även för detta sätt att se på sannolikheter<br />
är utsagorna i Kolmogorovs axiomsystem självklara: den relativa frekvensen<br />
ligger ju alltid mellan 0 <strong>och</strong> 1, den relativa frekvensen för utfall i Ω är förstås<br />
1 (alla utfall ligger ju i Ω så den relativa frekvensen av utfall i Ω blir<br />
1). Slutligen blir den relativa frekvensen av unionen av oförenliga händelser<br />
lika <strong>med</strong> summan av de respektive relativa frekvenserna: inga utfall ingår ju<br />
i flera händelser, så antalet utfall i unionen blir lika <strong>med</strong> summan av antal<br />
utfall i respektive händelse.<br />
EXEMPEL 2.4 (Kortdragning, sannolikheter )<br />
I Exempel 2.2 betraktades försöket att dra ett kort slumpmässigt ur en<br />
kortlek. Det betyder att varje kort, dvs. varje utfall, har samma sannolikhet<br />
1/52. (Denna vanliga slumpstruktur kallas likformig sannolikhetsfördelning,<br />
<strong>och</strong> tas upp i Definition 2.3 i nästa avsnitt.) Sannolikheten för en<br />
händelse blir därför antalet utfall i händelsen dividerat <strong>med</strong> 52. I exemplet<br />
definierades händelserna A =”klöver”, B =”femma” <strong>och</strong> C =”klädda”.<br />
Genom att räkna antal utfall i respektive händelse inser man snabbt att<br />
P (A) = 13/52 = 1/4, P (B) = 4/52 = 1/13 <strong>och</strong> P (C) = 12/52 = 3/13.<br />
Vi konstaterade att händelserna B <strong>och</strong> C var oförenliga (B ∩ C = ∅). Således<br />
gäller P (B ∪ C) = P (B) + P (C) = 1/13 + 3/13 = 4/13. A ∩ B =<br />
”klöver fem”, så P (A ∩ B) = 1/52.<br />
Det är ofta klargörande att föreställa sig en sannolikhetsfunktion som att<br />
en enhet ”sannolikhetsmassa” smetas ut över ett Venndiagram (t.ex. Figur<br />
2.1, sidan 2). Värdet P (A) kan då ses som hur stor del av sannolikhetsmassan<br />
som ligger i händelsen A. Med denna tolkning är de tre villkoren i Kolmogorovs<br />
axiomsystem också självklara. Även följande sats är självklar <strong>med</strong><br />
denna bildtolkning.