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 41 – # 45<br />
3.1 DEFINITION AV SLUMPVARIABEL 41<br />
Ω = {(1, 1), (1, 2), . . . , (6, 6)} <strong>och</strong> funktionen Z adderar de två talen (dvs.<br />
antal prickar) i utfallet, t.ex. är Z((3, 2)) = 5. Man inser att flera olika utfall<br />
kan ge samma värde på Z – det gäller ju t.ex att Z((1, 4)) = 5.<br />
I Figur 3.2 illustreras utfallsrummet Ω <strong>och</strong> funktionen Z som för varje<br />
utfall ger ett heltal mellan 2 <strong>och</strong> 12. Varje utfall har samma sannolikhet<br />
1/36 eftersom tärningskasten är oberoende <strong>och</strong> varje enkastsutfall har<br />
sannolikhet 1/6. Däremot har slumpvariabelns värden inte samma sannolikheter<br />
eftersom alla observationsvärden inte svarar mot lika många utfall.<br />
Om vi t.ex. vill räkna ut sannolikheten att få minst summan 10, dvs.<br />
P (Z ≥ 10), kan vi göra detta direkt genom att räkna hur många utfall som<br />
ger summan 10, 11 respektive 12: P (Z ≥ 10) = P (Z = 10) + P (Z =<br />
11) + P (Z = 12) = 3/36 + 2/36 + 1/36 = 6/36 = 1/6. Ett alternativ<br />
är att först identifiera vilka utfall u i Ω som uppfyller Z(u) ≥ 10:<br />
B = {u ∈ Ω; Z(u) ≥ 10} = {(4, 6), (5, 5), (5, 6), (6, 4), (6, 5), (6, 6)},<br />
<strong>och</strong> eftersom vi har likformig sannolikhetsfördelning på utfallsrummet<br />
gäller att sannolikheten för en händelse är lika <strong>med</strong> antalet utfall i händelsen<br />
dividerat <strong>med</strong> antalet händelser totalt: P (B) = 6/36 = 1/6.<br />
Bild saknas<br />
Figur 3.2. Utfallsrummet Ω för kast <strong>med</strong> två tärningar <strong>och</strong> slumpvariabeln Z som<br />
anger ögonsumman för respektive utfall. De olika utfallen <strong>med</strong> given summa Z = k<br />
har ringats in.<br />
EXEMPEL 3.4 (DNA-sekvensering)<br />
Tre apparater sekvenserar DNA-kod under en timme vardera. Hur mycket<br />
kod (mäts i antal ”base pairs”, bp) som hinner sekvenseras för var <strong>och</strong><br />
en av apparaterna är slumpmässigt. Ett utfall av slumpexperimentet blir<br />
då tre heltalsvärda tal u = (u1, u2, u3) (u1 är mängd sekvenserad kod av