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 23 – # 27<br />

2.5 BETINGNING OCH OBEROENDE 23<br />

ANMÄRKNING 2.4<br />

Av definitionen följer att om A <strong>och</strong> B är oberoende så är även A <strong>och</strong> B c ,<br />

A c <strong>och</strong> B samt A c <strong>och</strong> B c oberoende. Beviset av detta överlåter vi till<br />

läsaren (Övning 2.24).<br />

Man kan även definiera oberoende utan att använda sig av betingade sannolikheter<br />

vilket dock inte lika tydligt stämmer <strong>med</strong> vardagligt bruk av ordet<br />

oberoende. Matematiskt blir definition något enklare eftersom man inte behöver<br />

förutsätta att vissa sannolikheter är större än noll, vilket gjordes ovan<br />

beroende på att betingade sannolikheter definieras som ett bråk vilket förutsätter<br />

att nämnaren är positiv.<br />

DEFINITION 2.6 (ALTERNATIV DEFINITION: OBEROENDE HÄNDELSER)<br />

Två händelser A <strong>och</strong> B är oberoende om<br />

P (A ∩ B) = P (A)P (B).<br />

ANMÄRKNING 2.5<br />

Under förutsättning att händelserna ifråga har positiv sannolikhet är<br />

denna definition ekvivalent <strong>med</strong> den ursprungliga. Förutsatt att händelserna<br />

är oberoende enligt den alternativa definition får vi nämligen att<br />

P (A|B) = P (A ∩ B)/P (B) = P (A)P (B)/P (B) = P (A). Den omvända<br />

relation visas analogt.<br />

ANMÄRKNING 2.6<br />

En mängd händelser A1, A2, . . . sägs vara parvis oberoende om för alla<br />

par i = j gäller att P (Ai ∩ Aj) = P (Ai)P (Aj).<br />

Mängden händelser sägs vara fullständigt oberoende om det för alla<br />

distinkta delmängder {Ai1 , . . . , Aik } <strong>med</strong> i1 < · · · < ik gäller att<br />

P (Ai1 ∩ · · · ∩ Aik ) = P (Ai1 ) · . . . · P (Aik ). Motsvarande definitioner kan<br />

även göras <strong>med</strong> betingade sannolikheter om händelserna antas ha positiv<br />

sannolikhet.<br />

Att händelser kan vara parvis oberoende utan att vara fullständigt oberoende<br />

visas <strong>med</strong> följande exempel.

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

Saved successfully!

Ooh no, something went wrong!