360 likes | 491 Vues
Statistik for geografer. Lektion 7. Sandsynlighedsregning. Statistisk eksperiment Udfald Udfaldsrum Hændelse. Random trial Noget hvor et ud af flere mulige udfald indtræffer Elementary outcome Resultatet af eksperimentet Sample space Mængden af alle mulige udfald Event
E N D
Statistik for geografer Lektion 7
Sandsynlighedsregning • Statistisk eksperiment • Udfald • Udfaldsrum • Hændelse Random trial Noget hvor et ud af flere mulige udfald indtræffer Elementary outcome Resultatet af eksperimentet Sample space Mængden af alle mulige udfald Event Delmængde af udfaldsrummet
Sandsynlighedsmål S • 0 ≤ P(Ei) ≤ 1 • P(A) = Σ P(Ei) • P(S) = 1 og P(Ø) = 0 E2 A E1 E3 En
Hvordan bestemmes sandsynligheden? • Model-betragtning • Objektiv metode • Subjektiv metode Mønt, kortspil osv. Frekvensfortolkning Det afhænger af, hvem man spørger!!!
De fire tælleregler • Produktreglen • Permutationsreglen • Kombinationsreglen • Den hypergeometriske regel
Additions-sætningen S A B P(AUB) = P(A) + P(B) – P(A∩B)
Eksemplet fortsat P(A|B) = P(A∩B) / P(B) P(Moderen røg) = 10/30 = 33.3% P(Apgar < 7) = 11/30 = 36.7% P(Moderen røg og Apgar < 7) = 8/30 = 26.7% P(Apgar < 7| Moderen røg) = 26.7% / 33.3 % = 8/10 = 80.0%
Bayes’ formel P(Brun) = 35% P(Lus|Blond) = 20% P(Lus) = ???
Bayes’ formel fortsat P(Lus|Blond) = P(Lus ∩ Blond)/P(Blond) P(Lus ∩ Blond) = P(Blond) P(Lus|Blond) = 0.4 · 0.2 = 8% P(Lus) = P(Lus ∩ Brun) + P(Lus ∩ Blond) + P(Lus ∩ Sort) + P(Lus ∩ Rød) = 0.12 · 0.35 + 0.20 · 0.40 + 0.08 · 0.20 + 0.25 · 0.05 = 15.1%
Bayes’ formel fortsat P(Rød|Lus) = ??? P(Rød|Lus)= P(Lus ∩ Rød)/P(Lus) = 0.25 · 0.05/0.151 = 8.3%
Stokastiske variable En stokastisk variabel er en afbildning af udfaldsrummet ind i de reelle tal. Man benytter ofte store bogstaver som X, Y og Z til at betegne en stokastisk variabel. Ved at udføre eksperimenter ( fx. foretage en meningsmåling, måle nitratindhold i drikkevand osv.) kan man få værdier af en stokastisk variabel. Disse værdier betegnes med de tilsvarende små bogstaver, fx. x1, x2, x3, …… xn , hvis der er udført n eksperimenter. X R S
De vigtigste diskrete fordelinger • Den uniforme fordeling (lige-fordelingen) • Binomial-fordelingen • Poisson-fordelingen
Læg mærke til : Hvis X ~ bin(n,p) er E(X)=np > Var(X)=np(1-p) og X~ poisson(λ) er E(X)=λ = Var(X)=λ Hvis man kommer i en situation, hvor middelværdien viser sig at være mindre end variansen, har man en fordeling til denne situation. Denne fordeling kaldes den negative binomialfordeling, som vi ikke skal behandle i dette kursus.