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 22 – # 26<br />

22 KAPITEL 2 SANNOLIKHETSTEORINS GRUNDER<br />

SATS 2.5 (PRODUKTREGELN)<br />

I ett träddiagram <strong>med</strong> flera nivåer ges sannolikheten för en väg av produkten<br />

av sannolikheterna längs vägen.<br />

Slutligen, sannolikheten att andra kortet är ett ess, dvs. P (B), är inte lika<br />

självklar vad den skall vara. Händelsen B kan ju inträffa antingen i kombination<br />

<strong>med</strong> att A inträffar eller att A c inträffar. Sannolikheten P (A ∩ B) har<br />

vi redan räknat ut <strong>och</strong> P (A c ∩ B) blir på motsvarande sätt P (A c )P (B | A c ).<br />

Vi utnyttjar så summaregeln för att komma fram till att P (B) = P (A)P (B |<br />

A) + P (A c )P (B | A c ) = 4/52 · 3/51 + 48/52 · 4/51. Denna relation gäller<br />

i allmänhet <strong>och</strong> inte bara för detta exempel. Motsvarande relation om man<br />

delar upp utfallsrummet i godtyckligt många delar, i stället för bara A <strong>och</strong> A c<br />

som här, gäller också <strong>och</strong> kallas för lagen om total sannolikhet, se Sats 2.6<br />

längre fram på sidan 25.<br />

När man är intresserad av sannolikheter för flera olika händelser i ett<br />

slumpexperiment är det ofta av intresse om händelserna beror av varandra.<br />

Om de inte gör det sägs händelserna vara oberoende, ett begrepp vi nu skall<br />

definiera. I vardagligt tal tolkar man uttrycket att ”två händelser sker oberoende<br />

av varandra” som att händelserna inte har <strong>med</strong> varandra att göra, dvs.<br />

att vetskapen om att den ena händelsen inträffat inte påverkar vad vi tror om<br />

den andra händelsen.<br />

EXEMPEL 2.11 (Lotto <strong>och</strong> regn i Peru)<br />

Betrakta händelserna L =att vinna på Lotto en viss dag, <strong>och</strong> R = att det<br />

regnar i Peru samma dag. Dessa händelser har uppenbarligen inget <strong>med</strong><br />

varandra att göra varför vi säger att de är oberoende. Med detta menar<br />

vi att sannolikheten att vinna på Lotto är densamma densamma vare sig<br />

det regnar i Peru eller ej, <strong>och</strong> omvänt att sannolikheten för regn i Peru<br />

är densamma vare sig vi vinner på Lotto eller ej. Det betyder alltså att<br />

P (L | R) = P (L) <strong>och</strong> P (R | L) = P (R).<br />

Detta exempel motiverar följande definition av oberoende.<br />

DEFINITION 2.5 (OBEROENDE HÄNDELSER)<br />

Två händelser A <strong>och</strong> B är oberoende om P (A | B) = P (A) förutsatt att<br />

P (B) > 0, <strong>och</strong> P (B | A) = P (B) förutsatt att P (A) > 0.

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

Saved successfully!

Ooh no, something went wrong!