05.09.2013 Views

STOKASTIK Sannolikhetsteori och statistikteori med tillämpningar

STOKASTIK Sannolikhetsteori och statistikteori med tillämpningar

STOKASTIK Sannolikhetsteori och statistikteori med tillämpningar

SHOW MORE
SHOW LESS

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.

Hooray! Your file is uploaded and ready to be published.

Saved successfully!

Ooh no, something went wrong!