8.6 Betinget sannsynlighet og uavhengighet | Matematikk R1

Betinget sannsynlighet, produktregelen og uavhengige hendelser.

55 min

21 oppgaver

Betinget sannsynlighetProduktregelenUavhengige hendelserBayes' setning

Du leser den tradisjonelle versjonen

Din fremgang i kapitlet

0 / 21 oppgaver

Kapitlets plass i kurset

Bygger på

8.5Sannsynlighetsmodeller

Sannsynlighet i den virkelige verden

I dette kapittelet setter vi sammen verktøyene fra de foregående kapitlene og bruker dem på realistiske problemer. Vi introduserer også Bayes' setning, et kraftig verktøy for å oppdatere sannsynligheter når vi får ny informasjon, og ser på hvordan simulering kan brukes til å estimere sannsynligheter som er vanskelige å beregne analytisk.

📜Bayes' setning

B_1, B_2, \ldots, B_n

være en partisjon av utfallsrommet, og la

A

være en hendelse med

P(A) > 0

. Da gjelder:

$P(B_j \mid A) = \frac{P(B_j) \cdot P(A \mid B_j)}{\sum_{i=1}^{n} P(B_i) \cdot P(A \mid B_i)}$

Spesialtilfelle med to alternativer:
$P(B \mid A) = \frac{P(B) \cdot P(A \mid B)}{P(B) \cdot P(A \mid B) + P(B^c) \cdot P(A \mid B^c)}$

Tolkning:
- $P(B_j)$ = prior (sannsynlighet for $B_j$ før vi vet om $A$ )
- $P(B_j \mid A)$ = posterior (oppdatert sannsynlighet etter å ha observert $A$ )
- $P(A \mid B_j)$ = likelihood (hvor sannsynlig er $A$ gitt $B_j$ )

Bayes' setning brukes når vi kjenner $P(A \mid B)$ men trenger $P(B \mid A)$ -- altså når vi vil «snu» betingelsen.

Typiske situasjoner:
- En test er positiv -- hva er sannsynligheten for at personen faktisk er syk?
- Et produkt er defekt -- fra hvilken maskin ble det trolig produsert?
- Et dokument inneholder visse ord -- hvilken kategori tilhører det?

✏️Eksempel 1: Medisinsk test

En medisinsk test for en sykdom har:
- Sensitivitet: $P(\text{positiv} \mid \text{syk}) = 0{,}99$ (testen fanger opp $99\%$ av syke)
- Spesifisitet: $P(\text{negativ} \mid \text{frisk}) = 0{,}95$ (testen frikjenner $95\%$ av friske)
- Prevalens: $P(\text{syk}) = 0{,}01$ (1% av befolkningen er syk)

En tilfeldig person tester positivt. Hva er sannsynligheten for at personen faktisk er syk?

Løsning:

La $S$ = syk, $T^+$ = positiv test.

$P(T^+ \mid S) = 0{,}99$ , $P(T^+ \mid S^c) = 1 - 0{,}95 = 0{,}05$ (falsk positiv)

$P(S) = 0{,}01$ , $P(S^c) = 0{,}99$

Totalsetningen:
$P(T^+) = P(S) \cdot P(T^+ \mid S) + P(S^c) \cdot P(T^+ \mid S^c) = 0{,}01 \cdot 0{,}99 + 0{,}99 \cdot 0{,}05 = 0{,}0099 + 0{,}0495 = 0{,}0594$

Bayes' setning:
$P(S \mid T^+) = \frac{0{,}01 \cdot 0{,}99}{0{,}0594} = \frac{0{,}0099}{0{,}0594} \approx 0{,}167$

Bare ca. $17\%$ sjanse for at personen faktisk er syk! Selv med en ganske god test gir en positiv test lav sannsynlighet når sykdommen er sjelden. Dette er base rate fallacy -- prevalensen spiller en enorm rolle.

📝Oppgave 1

En fabrikk har tre maskiner A, B og C som produserer henholdsvis $50\%$ , $30\%$ og $20\%$ av varene. Feilraten er: A: $1\%$ , B: $2\%$ , C: $3\%$ . En tilfeldig vare er defekt. Finn sannsynligheten for at den ble produsert av maskin C.

📝Oppgave 2

En narkotikatest har sensitivitet $0{,}98$ og spesifisitet $0{,}97$ . I en bedrift er $5\%$ av ansatte brukere. En ansatt tester positivt.
a) Finn sannsynligheten for at den ansatte faktisk er bruker.
b) Hva skjer med svaret dersom prevalensen øker til $20\%$ ?

Sammensatte sannsynlighetsproblemer

Mange praktiske problemer krever at vi kombinerer flere teknikker: betinget sannsynlighet, binomisk fordeling, komplementsetningen og Bayes' setning. Nøkkelen er å identifisere riktig modell for situasjonen og bryte problemet ned i overkommelige delsteg.

✏️Eksempel 2: Kvalitetskontroll

En forhandler bestiller varer i partier på $100$ . Defektraten varierer: $80\%$ av partiene har $5\%$ defektrate, $20\%$ av partiene har $15\%$ defektrate. Forhandleren tester $5$ tilfeldige varer fra hvert parti. Partiet aksepteres dersom ingen av de $5$ er defekte. Finn sannsynligheten for at et tilfeldig parti aksepteres.

Løsning:

La $A$ = «partiet aksepteres», $G$ = «godt parti» (5% defekt), $D$ = «dårlig parti» (15% defekt).

$P(A \mid G)$ : $X \sim \text{Bin}(5, 0{,}05)$ , $P(X = 0) = 0{,}95^5 \approx 0{,}774$

$P(A \mid D)$ : $Y \sim \text{Bin}(5, 0{,}15)$ , $P(Y = 0) = 0{,}85^5 \approx 0{,}444$

Totalsetningen:
$P(A) = 0{,}80 \cdot 0{,}774 + 0{,}20 \cdot 0{,}444 = 0{,}619 + 0{,}089 = 0{,}708$

Ca. $70{,}8\%$ av partiene aksepteres.

📝Oppgave 3

I eksempelet over: Et parti aksepteres (alle $5$ testede varer er OK). Finn sannsynligheten for at det er et «dårlig» parti (15% defektrate).

📝Oppgave 4

Du spiller et spill der du kaster $3$ terninger. Du vinner dersom minst $2$ av de $3$ viser sekser. Hva er sannsynligheten for å vinne?

📝Oppgave 5

Du har $3$ mynter: Mynt A er rettferdig ( $P(K) = 0{,}5$ ), mynt B er skjev ( $P(K) = 0{,}7$ ), og mynt C er skjev ( $P(K) = 0{,}3$ ). Du velger en tilfeldig mynt og kaster den $4$ ganger. Resultatet er $3$ krone og $1$ mynt. Finn sannsynligheten for at du valgte mynt B.

Monte Carlo-simulering

Noen sannsynlighetsproblemer er vanskelige å løse analytisk. Da kan vi bruke simulering (Monte Carlo-metoden): Gjenta forsøket mange ganger på en datamaskin og tell opp andelen ganger hendelsen inntreffer.

Prinsippet:
1. Simuler forsøket $N$ ganger (f.eks. $N = 10{\,}000$ )
2. Tell antall ganger hendelse $A$ inntreffer: $n_A$
3. Estimer $\displaystyle P(A) \approx \frac{n_A}{N}$

Jo større $N$ , jo bedre estimat (store talls lov).

✏️Eksempel 3: Bursdagsproblemet med simulering

Estimer sannsynligheten for at minst to av $23$ personer deler fødselsdag, ved simulering.

Pseudokode:

antall_treff = 0
N = 100000

for i = 1 til N:
    generer 23 tilfeldige tall fra 1 til 365
    hvis noen tall er like:
        antall_treff += 1

estimat = antall_treff / N

Med $N = 100{\,}000$ simuleringer får vi typisk et estimat rundt $0{,}507$ , som stemmer godt med den eksakte verdien $\approx 0{,}5073$ .

📝Oppgave 6

Beskriv hvordan du ville simulere følgende eksperiment: Kaste $3$ terninger og finne sannsynligheten for at summen er nøyaktig $10$ . Skriv pseudokode og oppgi den eksakte sannsynligheten.

📝Oppgave 7

Et lotteri har $3$ premierer og $7$ taperlodder (totalt $10$ lodd). Du kjøper $2$ lodd. Finn sannsynligheten for å vinne minst én premie.

📝Oppgave 8

Monty Hall-problemet: Du er i et spilleshow. Det er

3

dører. Bak én dør er en premie, bak de to andre er det geiter. Du velger dør

1

. Verten (som vet hva som er bak dørene) åpner dør

3

, som har en geit. Du får velge: beholde dør

1

eller bytte til dør

2

. Hva bør du gjøre?

Bruk betinget sannsynlighet til å vise at du bør bytte.

📝Oppgave 9

En alarm utløses dersom det er et innbrudd (med sannsynlighet $0{,}95$ ), men den kan også utløses av jordskjelv (med sannsynlighet $0{,}02$ ). $P(\text{innbrudd}) = 0{,}001$ og $P(\text{jordskjelv}) = 0{,}002$ . Hendelsene er uavhengige. Alarmen går. Finn sannsynligheten for at det er et innbrudd.

📝Oppgave 10

En pokermaskin trekker $5$ kort fra en standard kortstokk med $52$ kort.
a) Finn sannsynligheten for «ett par» (nøyaktig to kort med samme verdi, resten forskjellige).
b) Finn sannsynligheten for «to par».

📝Oppgave 11

To spillere (A og B) kaster hver sin terning. Den som kaster høyest vinner. Ved likt kaster de på nytt. Finn sannsynligheten for at A vinner.

📝Oppgave 12

Gambler's ruin: Per har

3

kroner og Kari har

2

kroner. De spiller gjentatte runder der de kaster en rettferdig mynt. Ved krone gir Kari

1

krone til Per, ved mynt gir Per

1

krone til Kari. Spillet fortsetter til én spiller er blakk.

Finn sannsynligheten for at Per vinner (dvs. ender med alle $5$ kronene).

📝Oppgave 13

En spåkone hevder hun kan gjette riktig farge (rød/svart) på kort trukket fra en kortstokk. For å teste henne trekker du $20$ kort med tilbakelegging. Hun gjetter riktig $14$ ganger.

a) Finn sannsynligheten for å gjette riktig $14$ eller flere ganger ved ren gjetting ( $p = 0{,}5$ ).
b) Er resultatet «overbevisende»?

📝Oppgave 14

Pólya-urne: En urne inneholder

1

rød og

1

blå kule. Du trekker en kule, noterer fargen, og legger kulen tilbake sammen med én ekstra kule av samme farge. Deretter trekker du igjen.

a) Finn sannsynligheten for at begge trekkene gir rød.
b) Finn sannsynligheten for at det andre trekket gir rød.
c) Er de to trekkene uavhengige?

📝Oppgave 15

Et forsikringsselskap selger bilforsikring. De beregner:
- $P(\text{ulykke i løpet av et år}) = 0{,}05$
- Gjennomsnittlig erstatning ved ulykke: $80{\,}000$ kr
- Driftskostnader per kunde: $500$ kr

Hva er minste årlige premie selskapet kan ta for å gå i pluss i gjennomsnitt?

📝Oppgave 16

Coupon collector: Det finnes

6

forskjellige samlekort i en serie (like sannsynlige). Hver pakke du kjøper inneholder ett tilfeldig kort. Hvor mange pakker må du kjøpe i gjennomsnitt for å samle alle

6

Oppsummering

Bayes' setning: $\displaystyle P(B \mid A) = \frac{P(B) \cdot P(A \mid B)}{P(A)}$ -- snur betingelsen.

Prior $\rightarrow$ Posterior: Bayes oppdaterer sannsynligheten for en hypotese basert på ny evidens.

Base rate fallacy: En positiv test betyr ikke nødvendigvis sykdom -- prevalensen (base rate) spiller stor rolle.

Monte Carlo-simulering: Gjenta forsøket mange ganger for å estimere sannsynligheter.

Strategi for sammensatte problemer:
1. Identifiser hendelsene og relasjonene (uavhengige? betingede?)
2. Velg riktig verktøy (binomisk? kombinatorikk? Bayes?)
3. Sjekk svaret (er det mellom $0$ og $1$ ? gir det mening i konteksten?)

Repetisjonsoppgaver

Din fremgang

0deloppgaver0 / 5 oppgaver

Dette kapitlet er skrevet av Anthropics toppmodeller (Claude Opus og Claude Fable) og er foreløpig ikke manuelt gjennomgått — kvalitetskontrollen gjøres av uavhengige KI-agenter, og innmeldte feil rettes fortløpende. Funnet en feil? Meld fra, så retter vi den. Les mer om hvordan innholdet lages.