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 19 – # 23<br />
2.5 BETINGNING OCH OBEROENDE 19<br />
b) Antag att man även vid nästa lektionstillfälle gör en ny gruppindelning<br />
helt slumpmässigt <strong>och</strong> oberoende av gruppindelningen gången<br />
innan. Vad är sannolikheten att du som student har samma tre studenter<br />
i gruppen bägge gångerna? Vad är sannolikheten att det blir två<br />
studenter från förra gruppen, en från förra gruppen, respektive ingen<br />
student från förra gruppen?<br />
ÖVNING 2.22<br />
Bevisa likheten n n−1 n−1 k = k−1 + k . (L)<br />
2.5 Betingning <strong>och</strong> oberoende<br />
Vi ska nu presentera de två viktiga begreppen betingning <strong>och</strong> oberoende som<br />
bägge rör (minst) två händelser.<br />
Ibland är man intresserad av sannolikheten för en viss händelse B betingat<br />
av att man vet att en annan händelse A har inträffat. Detta skrivs som<br />
P (B | A) <strong>och</strong> läses som sannolikheten för B betingat av (eller givet) att A<br />
har inträffat.<br />
EXEMPEL 2.8 (Kortdragning)<br />
Antag att vi skall dra två kort från en kortlek, <strong>och</strong> låt A vara händelsen att<br />
första kortet är ett ess <strong>och</strong> B händelsen att andra kortet är ett ess. Då är<br />
P (B | A) = 3/51 eftersom, om första kortet blev ett ess vilket ju var händelsen<br />
A som vi betingar på, det finns 51 kort kvar vid andra dragningen<br />
varav 3 är ess.<br />
Nedan följer en definition av betingad sannolikhet i termer av redan kända<br />
begrepp. Låt oss först motivera definitionen. Vi vet alltså att A har inträffat<br />
<strong>och</strong> undrar vad den därav betingade sannolikheten för att B skall inträffa är<br />
(vi antar även att P (A) > 0)). Denna sannolikhet måste ju vara större ju<br />
”mer” av händelsen A som finns i B. Om t.ex. A <strong>och</strong> B är oförenliga, dvs.<br />
A ∩ B = ∅ <strong>och</strong> således P (A ∩ B) = 0, så måste vi ju ha P (B | A) = 0. Om<br />
å andra sidan hela A finns i B, dvs A ∩ B = A <strong>och</strong> P (A ∩ B) = P (A), så<br />
skall det gälla att P (B | A) = 1 eftersom B måste inträffa om A inträffar.<br />
Definitionen nedan uppfyller dessa krav.