Πιθανότητες · 2020. 11. 5. · ∆ειγματικόςχώρος...
Transcript of Πιθανότητες · 2020. 11. 5. · ∆ειγματικόςχώρος...
Πιθανότητες
• Έννοια πιθανότητας• Ορισμοί πιθανότητας• Τρόπος υπολογισμού• Πράξεις πιθανοτήτων• Χρησιμότητα τους
«Πείραμα» Tύχης
• Οτιδήποτε συμβαίνει και δενγνωρίζουμε από πριν τοακριβές αποτέλεσμά του.
• Απασχόλησαν από πολύ παλιάτους ανθρώπους οι οποίοι μεδιάφορους τρόπους(επιστημονικούς ήυπερφυσικούς) προσπάθησαννα προβλέψουν τι θα συμβεί.
Πειράματα Tύχης
• Ρίξιμο κέρματος• Ρίξιμο ζαριού• Επιλογή χαρτιού τράπουλας• Τυχεροί αριθμοί joker• Χρόνος δρομολογίου λεωφορείουαπό κέντρο μέχρι ΤΕΙ
• Καιρός σήμερα το απόγευμα• Φύλο νεογέννητου μωρού• Πλήθος πελατών σε μια μέρα• Βαθμός εξέτασης στο μάθημα
∆ειγματικός χώροςκαι ενδεχόμενα
• Το σύνολο όλων των «δυνατών»αποτελεσμάτων ενός πειράματος τύχης, ονομάζεται δειγματικός χώρος καισυμβολίζεται με Ω.
• Κάθε ένα από τα δυνατά αποτελέσματαπου μπορεί να συμβεί ονομάζεταιενδεχόμενο και συμβολίζεται με ένακεφαλαίο γράμμα.
• Σε κάποια πειράματα όλα τα ενδεχόμεναέχουν ίδια πιθανότητα να συμβούν(ισοπίθανα), ενώ σε κάποια άλλα όχι(μη ισοπίθανα).
• Υπάρχουν απλά ενδεχόμενα (ένα) καισύνθετα ενδεχόμενα (περισσότερααπλά)
Πειράματα Tύχηςισοπίθανα ή όχι;
• Ρίξιμο κέρματος• Ρίξιμο ζαριού• Επιλογή χαρτιού
τράπουλας• Τυχεροί αριθμοί joker• Χρόνος δρομολογίου
λεωφορείου απόκέντρο μέχρι ΤΕΙ
• Καιρός σήμερα τοαπόγευμα
• Φύλο νεογέννητουμωρού
• Πλήθος πελατών σεμια μέρα
• Βαθμός εξέτασης στομάθημα
Πειράματα Tύχηςισοπίθανα ή όχι;
• Ρίξιμο κέρματος• Ρίξιμο ζαριού• Επιλογή χαρτιού
τράπουλας• Τυχεροί αριθμοί joker• Χρόνος δρομολογίου
λεωφορείου απόκέντρο μέχρι ΤΕΙ
• Καιρός σήμερα τοαπόγευμα
• Φύλο νεογέννητουμωρού
• Πλήθος πελατών σεμια μέρα
• Βαθμός εξέτασης στομάθημα
• Ισοπίθανο• Ισοπίθανο• Ισοπίθανο
• Ισοπίθανο• Όχι ισοπίθανο
• Όχι ισοπίθανο• Ναι και Όχι
ισοπίθανο
• Όχι ισοπίθανο
• Όχι ισοπίθανο
Πειράματα Tύχης∆ειγματικός χώρος Ω
• Ρίξιμο κέρματος• Ρίξιμο ζαριού• Επιλογή χαρτιού
τράπουλας• Τυχεροί αριθμοί
joker• Χρόνος δρομολογίου
λεωφορείου απόκέντρο μέχρι ΤΕΙ
• Καιρός σήμερα τοαπόγευμα
• Φύλο νεογέννητουμωρού
• Πλήθος πελατών σεμια μέρα
• Βαθμός εξέτασηςστο μάθημα
Κ , Γ1,2,3,4,5,652 διαφορετικά
φύλλα1…49
8 λεπτά έως 28 λεπτά
ήλιος, βροχή, αέρας, συνεφιά, …)
αγόρι, κορίτσι
0,1,2,3,4,5, …..
• 0 έως 10
Πείραμα Ω ένα ενδεχόμενο
Γ4
Άσος κούπα
6-16-26-36-46-49
15,5 λεπτά
ήλιος
αγόρι
12
7,2
Πιθανότητα ενδεχομένουΡίξιμο κέρματος Ισοπίθανο Ρ(Γ)=
Ρίξιμο ζαριού Ισοπίθανο Ρ(4)=
Επιλογή χαρτιούτράπουλας
Ισοπίθανο Ρ(Άσος κούπα)=
Τυχεροί αριθμοίjoker
Ισοπίθανο Ρ(6-9-26-36-46-49)=
Χρόνοςδρομολογίουλεωφορείου απόκέντρο μέχριΤΕΙ
Όχιισοπίθανο
Ρ(15,5 λεπτά)=
Καιρός σήμερατο απόγευμα
Όχιισοπίθανο
Ρ(ήλιος)=
Φύλονεογέννητουμωρού
Ναι και όχιισοπίθανπ
Ρ(αγόρι)=
Πλήθοςπελατών σε μιαμέρα
Όχιισοπίθανο
Ρ(12)=
Βαθμόςεξέτασης στομάθημα
Όχιισοπίθανο
Ρ(7,2)
Πιθανότητα ενδεχομένουΡίξιμο κέρματος Ισοπίθανο Ρ(Γ)=1/2
Ρίξιμο ζαριού Ισοπίθανο Ρ(4)=1/6
Επιλογή χαρτιούτράπουλας
Ισοπίθανο Ρ(Άσος κούπα)=1/52
Τυχεροί αριθμοίjoker
Ισοπίθανο Ρ(6-9-26-36-46-49)= ;
Χρόνοςδρομολογίουλεωφορείου απόκέντρο μέχριΤΕΙ
Όχιισοπίθανο
Ρ(15,5 λεπτά)=;
Καιρός σήμερατο απόγευμα
Όχιισοπίθανο
Ρ(ήλιος)= ;
Φύλονεογέννητουμωρού
Ναι και όχιισοπίθανπ
Ρ(αγόρι)= ; 1/2
Πλήθοςπελατών σε μιαμέρα
Όχιισοπίθανο
Ρ(12)= ;
Βαθμόςεξέτασης στομάθημα
Όχιισοπίθανο
Ρ(7,2)= ;
ΟρισμοίΠιθανοτήτων
• Κλασσικός ορισμόςΡ(Α)= ευνοϊκές περιπτώσεις Α
πλήθος δυνατών περιπτώσεων Ω
• Στατιστικός ορισμόςΡ(Α)= εμφανίσεις Α
πλήθος επαναλήψεων (μεγάλο)
• Αξιωματικός ορισμόςΡ(Α) = 0,3 εξ’ ορισμού
(έτσι πιστεύουμε)
Κλασσικός ορισμός• Υπολογίζεται εύκολα αλλάμόνο για ισοπίθαναενδεχόμενα και γνωστό Ω
ΠαράδειγμαΠιθανότητα να φέρω ζυγόαριθμό ρίχνοντας ένα ζάρι
Πλήθος ευνοϊκών περιπτώσεων 3Πλήθος δυνατών περιπτώσεων 6
=0,5
Εφαρμογή ΟρισμώνΠιθανοτήτων
• Κλασσικός ορισμόςΜόνο για ισοπίθανα πειράματα μεπεπερασμένο Ω
• Στατιστικός ορισμόςΚαι για ισοπίθανα αλλά κυρίως γιαμη ισοπίθανα πειράματα
• Αξιωματικός ορισμόςΕιδικές μαθηματικές περιπτώσεις
Στατιστικός ορισμός• Χρειάζεται η παρατήρηση τουπειράματος τύχης πολλές φορέςκαι η δημιουργία πίνακασυχνοτήτων. (όσο μεγαλύτερο τοπλήθος, τόσο σωστότερος ουπολογισμός της πιθανότητας).
• Η σχετική συχνότητα είναι ηαντίστοιχη πιθανότητα να συμβείμια τιμή στο μέλλον.
• Χρησιμότητα στατιστικώνπαρατηρήσεων για προβλέψεις.
Στατιστικός ορισμόςΠαράδειγμα για τον καιρό τουΑπριλίου (απόγευμα)τιμή συχνότητα Σχετική συχνότητα
Πιθανότητα να συμβεί
ήλιος 40 40/95= 0,42
Βροχή 30 30/95= 0,32
συννεφιά 15 15/95= 0,16
αέρας 8 8/95= 0,08
κρύο 2 2/95= 0,02
Πλήθοςημερών
95 1,00
ΙδιότητεςΠιθανότητας
• 0 ≤ Ρ(Α) ≤ 1 ή 0% ≤ Ρ(Α) ≤ 100%
• Ρ(Ω)=1 «βέβαιο ενδεχόμενο»
• Ρ()=0 «αδύνατο ενδεχόμενο»
Πράξειςενδεχομένων
• Ένωση Α U Βνα συμβεί ή το Α ή το Β
• Τομή Α∩Βνα συμβεί και το Α και το Β
• Συμπλήρωμα Α’Να μη συμβεί το Α
Πράξεις πιθανοτήτων
• Ένωση Α U ΒΡ(Α U Β)=Ρ(Α)+Ρ(Β)-Ρ(Α∩Β)
• Τομή Α∩ΒΡ(Α ∩ Β)=Ρ(Α)*Ρ(Β) (ανεξάρτητα ΑΒ)
Ρ(Α ∩ Β)=Ρ(Α)*Ρ(Β|Α) (Β εξαρτάται από Α
• Συμπλήρωμα Α’Ρ(Α’)=1-Ρ(Α)
Υπό συνθήκηπιθανότητα
Πιθανότητα να συμβεί το Β, ανξέρουμε ότι συνέβη ήδη το Α
Ρ(Β|Α) =Ρ(Α ∩ Β)/Ρ(Α)
Ή από χρήση στατιστικού ορισμού, όπως στο επόμενοπαράδειγμα
Παράδειγμα με πίνακαδιασταυρώσεων
• Ένας διευθυντής νοσοκομείου, μελετάει τονπαρακάτω πίνακα του Ιατρικού Συλλόγου, πουπαρουσιάζει τα μέλη του ανά φύλο και ηλικία.
•Αν επιλέξει τυχαία ένα μέλος του συλλόγου, ποια ηπιθανότητα να είναι:1. Άνδρας;2. Μεταξύ 35 και 54 χρόνων;3. Άνδρας μεταξύ 35 και 54 χρόνων;4. Γυναίκα άνω των 54 χρόνων;5. Είτε άνδρας είτε μεταξύ 35 και 54 χρόνων;6. Είτε γυναίκα είτε άνω των 54 χρόνων;7. Άνδρας δεδομένου ότι είναι κάτω των 35 χρόνων;8. Άνδρας δεδομένου ότι είναι πάνω των 54 χρόνων;9. Πάνω των 54 χρόνων δεδομένου ότι είναι άνδρας;10. Πάνω των 54 χρόνων δεδομένου ότι είναι γυναίκα;
ΚΑΤΩΑΠΟ 35
ΜΕΤΑΞΥ35-54
ΠΑΝΩΑΠΟ 54
ΣΥΝΟΛΟ
ΑΝΔΡΑΣ 27 87 26 140ΓΥΝΑΙΚΑ 14 25 3 42ΣΥΝΟΛΟ 41 112 29 182
ΑΣΚΗΣΕΙΣ• Ο υπεύθυνος πωλήσεων ενός καταστήματος
κλιματιστικών, καταγράφει τις ημερήσειςπωλήσεις και έχει εκτιμήσει τις πιθανότητεςπου φαίνονται στον παρακάτω πίνακα:
•
• Καθορίστε το δειγματικό χώρου του πειράματοςτύχης «πλήθος κλιματιστικών που θαπουληθούν αύριο.
• Ορίστε το ενδεχόμενο να πουληθούνπερισσότερα από 2 κλιματιστικά αύριο καιυπολογίστε την πιθανότητά του.
• Ποια είναι η πιθανότητα να πουληθούν 2-3 κλιματιστικά αύριο;
• Ποια είναι η πιθανότητα να πουληθούν 6 κλιματιστικά αύριο;
•
Ημερήσιες πωλήσειςκλιματιστικών
πιθανότητα
0 0,09
1 0,18
2 0,25
3 0,20
4 0,15
5 0,13
ΑΣΚΗΣΕΙΣ• Ένα κατάστημα κατέγραψε τα ποσοστά του
τρόπου πληρωμής των πελατών του, ανάλογα μετο συνολικό ποσό των αγορών τους:
• Τι ποσοστό αγορών πληρώνεται με μετρητά; • Να υπολογίστε την πιθανότητα μια αγορά άνω
των 150 να πληρωθεί με πιστωτική κάρτα.• Αν ξέρουμε ότι κάποιος πλήρωσε με πιστωτική
κάρτα, ποια είναι η πιθανότητα το συνολικό ποσότων αγορών του να είναι κάτω από 30 ευρώ;
ΜΕΤΡΗΤΑΠΙΣΤΩΤΙΚΗΚΑΡΤΑ
ΧΡΕΩΣΤΙΚΗΚΑΡΤΑ
<30 5% 4% 4%30-150 3% 22% 17%>150 9% 24% 12%
ΑΣΚΗΣΕΙΣ• Ρίχνουμε ένα κέρμα 3 φορές. Να γραφεί ο δειγματικός
χώρος Ω του πειράματος. α) Ποια η πιθανότητα να φέρουμε ακριβώς 2 κεφαλές; β) Ποια πιθανότητα να φέρουμε το πολύ 2 κεφαλές; γ) Ποια η πιθανότητα να φέρουμε 1 κεφαλή την πρώτηφορά;δ) Ποια η πιθανότητα να φέρουμε μόνο γράμματα καιτις 3 φορές;
• Αν παίξουμε 3 φορές παιχνίδι με πιθανότητα 30% νακερδίσουμε κάθε φορά. Να γραφεί ο δειγματικός χώροςΩ του πειράματος. α) Ποια η πιθανότητα να κερδίσουμε ακριβώς 2 φορές; β) Ποια πιθανότητα να κερδίσουμε το πολύ 2 φορές; γ) Ποια η πιθανότητα να κερδίσουμε την πρώτη φορά;
• Στην εταιρεία ΑΛΦΑ-ΒΗΤΑ, υπάρχουν 400 εργαζόμενοι και οι 120 καπνίζουν. Οι 150 είναι άνδρεςκαι οι 80 απ’ αυτούς καπνίζουν. Υπολογίστε τιςπαρακάτω πιθανότητες για ένα εργαζόμενο πουεπιλέγεται στην τύχη.
α) Ποια η πιθανότητα να είναι γυναίκα;β) Ποια η πιθανότητα να είναι άνδρας καπνιστής;γ) Ποια η πιθανότητα να είναι άνδρας ή να καπνίζει;δ) Ποια η πιθανότητα να καπνίζει δεδομένου ότι είναι γυναίκα;ε) Ποια η πιθανότητα να είναι γυναίκα δεδομένου ότι καπνίζει;
• Έστω τα ενδεχόμενα Α κα Β ενός δειγματικού χώρουΩ, τα οποία είναι ανεξάρτητα, και Ρ(Α)= 0,15 Ρ(Β)=0,45. Να υπολογίσετε τις πιθανότητες: Ρ(όχι Α), Ρ(Α και Β), Ρ(Α ή Β) , Ρ(όχιΑ και όχι Β), Ρ(Α|Β)