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 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.