Begreper i sannsynlighet

Utfall og hendelser

I artikkelen introduksjon til sannsynlighet sa vi at resultatet av et terningkast var et stokastisk, altså tilfeldig, fenomen. Å kaste terninger kaller vi derfor gjerne et stokastisk forsøk. Vi kan ikke på forhånd forutse resultatet av enkeltkast, men kaster vi mange ganger, vil vi se mønstre i resultatene.

Når vi kaster en terning, kan resultatet bli 1, 2, 3, 4, 5 eller 6. Disse tallene er de mulige utfallene av det stokastiske forsøket. Vi vet ikke på forhånd hvilket av tallene vi vil få, men vet at det må bli ett av dem. Vi kan ikke få 0 eller 7, og terningen kan ikke bli stående og balansere på en kant. Tallene 1 – 6 utgjør alle mulige utfall av forsøket, noe vi kaller forsøkets utfallsrom.

Eksempel 1:

Når vi kaster en mynt, kan den enten lande på mynt eller kron. Utfallsrommet til et myntkast er derved {mynt, kron}.

En kombinasjon av ett eller flere utfall vil vi kalle en hendelse, for eksempel «partall» ved kast med en terning, noe som består av utfallene 2, 4 og 6, eller «sum 11 eller mer» ved kast med to terninger, noe som består av utfallene 11 og 12.

Det er ikke noe skarpt skille mellom utfall og hendelse, av og til kan vi betrakte et utfall i et stokastisk forsøk som en hendelse satt sammen av flere enkeltutfall. Det finnes heller ingen entydig definisjon, begrepene brukes på litt forskjellig måte i forskjellige kilder. I noen kilder brukes også ordet begivenhet i stedet for utfall. På dette nettstedet vil vi imidlertid bruke begrepene utfall og hendelse slik de er definert over.

Eksempel 2:

Vi kaster to terninger og summerer antall øyne. Forsøkets mulige utfall er da de elleve verdiene {2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12}.

Men vi kan gjerne se på disse utfallene som hendelser satt sammen av resultatet på første og andre terning. For summen 2 finnes bare muligheten 1-1, mens summen 7 kan være satt sammen av 1-6, 2-5, 3-4, 4-3, 5-2 og 6-1.

Oppgave 1:

Vi kaster tre mynter og noterer hvor mange kron vi får. Hva er dette forsøkets utfallsrom? Hvordan kan utfallene brytes ned i enkeltutfall?

Se løsningsforslag

Sannsynligheter

Så er vi klare til å beregne sannsynligheter. En sannsynlighet er et mål på hvor stor sjanse det er for at en gitt hendelse i et stokastisk forsøk vil inntreffe. For eksempel er sannsynligheten for å få 3 i et kast med en vanlig terning en sjettedel.

Sannsynligheten er et tall i intervallet [0, 1], eller sagt på en annen måte, minimum 0 % og maksimum 100 %. En hendelse som ikke kan inntreffe har sannsynlighet 0, en hendelse som helt sikkert inntreffer har sannsynlighet 1. I et kast med en vanlig terning er for eksempel sannsynligheten for å få 7 lik 0, mens sannsynligheten for å få et eller annet tall mellom 1 og 6 er lik 1.

Det er vanlig å betegne sannsynlighet med bokstaven P, for probability. Vi kan tenke på P som en funksjon der vi putter inn en hendelse, og får ut sannsynligheten for hendelsen. At sannsynligheten for å få 7 i et terningkast er 0, skriver vi som $P(7) = 0$, at sannsynligheten for å få 3 er en sjettedel, skriver vi som $P(3) = {\large \frac{1}{6}}$, og at sannsynligheten for å få ett av tallene mellom 1 og 6 er lik 1, skriver vi som $P(\{1, 2, 3, 4, 5, 6 \}) = 1$.

Uniform sannsynlighetsmodell

Et terningkast er et eksempel på en uniform sannsynlighetsmodell, der er alle utfallene er like sannsynlige. Sannsynligheten for å få 1, 2, 3, 4, 5 eller 6 er nemlig den samme, en sjettedel. Vi skriver $P(1) = P(2) = P(3) = P(4) = P(5) = P(6) = {\large \frac{1}{6}}$.

Grunnen til at sannsynligheten for hvert av utfallene ved et terningkast er en sjettedel, er at det finnes totalt seks utfall som er like sannsynlige og ikke kan inntreffe samtidig. Siden den totale sannsynligheten er 1, blir det en sjettedel på hver.

Generelt, der vi har en uniform sannsynlighetsmodell med n mulige utfall som ikke kan inntreffe samtidig, blir sannsynligheten for hvert utfall $\frac{\displaystyle 1}{\displaystyle n}$.

For å finne sannsynligheten for en hendelse som er satt sammen av flere utfall i en slik modell, kan vi bruke prinsippet «gunstige på mulige». Vi dividerer da antall gunstige utfall, altså de som gir hendelsen vi ønsker, med antall utfall totalt.

Hvis A er hendelsen vi skal beregne sannsynligheten for, g er antall utfall som resulterer i A (gunstige), m er antall utfall totalt (mulige), og vi har en modell der alle utfallene har like stor sannsynlighet og ikke kan inntreffe samtidig, har vi:

$\fbox {Gunstige på mulige: $P(A) = \frac{\displaystyle g}{\displaystyle m}$}$

Eksempel 3:

I et kast med en mynt gir «gunstige på mulige» at $P(\text{mynt}) = P(\text{kron})= {\large \frac{1}{2}}$.

Eksempel 4:

Hvis vi vil beregne sannsynligheten for å få et partall når vi kaster en terning, ser vi at dette skjer når vi får 2, 4 eller 6. Antall gunstige utfall er altså 3 av totalt 6 mulige. Så vi får $P(\{2, 4, 6 \}) = {\large \frac{3}{6}}= {\large \frac{1}{2}}$.

Oppgave 2:

Vi kaster en terning. Bruk prinsippet med gunstige på mulige til å beregne sannsynligheten for å få

  1. 5 eller 6.
     
  2. Ikke 5 eller 6.

Se løsningsforslag

Ikke-uniform sannsynlighetsmodell

Hvis vi mange ganger gjentar et forsøk med å kaste to terninger og summere antall øyne, vil vi oppdage at forskjellige summer ikke opptrer like ofte. Det er fordi vi ikke har er en uniform modell, så de forskjellige utfallene er ikke like sannsynlige. Sum 7 er for eksempel mer sannsynlig enn sum 2. I en ikke-uniform modell kan det allikevel være at vi kan beregne sannsynlighetene ved å betrakte utfallene som hendelser satt sammen av utfall som er uniformt fordelt.

Eksempel 5:

Vi skal beregne sannsynlighetene for de forskjellige summene vi kan få når vi kaster to terninger. Vi vet at for hver av terningene er hvert av de seks utfallene like sannsynlig. Det betyr at alle kombinasjoner av øyne er like sannsynlige, for eksempel 1-3, 4-4 og 6-2. Grupperer vi disse ut fra summen, får vi

Kast Sum
1-1 2
1-2, 2-1 3
1-3, 2-2, 3-1 4
1-4, 2-3, 3-2, 4-1 5
1-5, 2-4, 3-3, 4-2, 5-1 6
1-6, 2-5, 3-4, 4-3, 5-2, 6-1 7
2-6, 3-5, 4-4, 5-3, 6-2 8
3-6, 4-5, 5-4, 6-3 9
4-6, 5-5, 6-4 10
5-6, 6-5 11
6-6 12

Det er totalt 36 like sannsynlige kombinasjoner som ikke kan inntreffe samtidig. Vi teller opp antall forekomster i hver gruppe, bruker «gunstige på mulige», og får:

$P(2) = P(12) = {\large \frac{1}{36}} \approx 0{,}0278$

$P(3) = P(11) = {\large \frac{2}{36}} = {\large \frac{1}{18}} \approx 0{,}0556$

$P(4) = P(10) = {\large \frac{3}{36}} = {\large \frac{1}{12}} \approx 0{,}0833$

$P(5) = P(9) = {\large \frac{4}{36}} = {\large \frac{1}{9}} \approx 0{,}1111$

$P(6) = P(8) = {\large \frac{5}{36}} \approx 0{,}1389$

$P(7) = {\large \frac{6}{36}} = {\large \frac{1}{6}} \approx 0{,}1667$

Vi ser at vi har en fordeling som er symmetrisk rundt 7, der 7 er mest sannsynlig, og sannsynligheten synker jo lenger bort fra 7 vi kommer.

Regnearket under bruker funksjonen tilfeldigmellom til å simulere 1000 kast med to terninger, og teller opp hvor mange ganger de forskjellige summene forekommer. Aktiver redigering og trykk F9 for å generere nye verdier.

RegnearkRegneark der du kan simulere 1000 kast med to terninger.


Oppgave 3:

Sannsynlighetsmodellen i forsøket i oppgave 1, der vi kastet tre mynter og noterte hvor mange kron vi fikk, er ikke uniform. Men sannsynligheten for kron og mynt på hver enkelt mynt er den samme, nemlig en halv, disse utfallene følger en uniform modell. Benytt dette til å beregne sannsynligheten for å få henholdsvis null, én, to og tre kron ved å bruke «gunstige på mulige».

Se løsningsforslag

Oppgave 4:

Det fødes i gjennomsnitt litt flere gutter enn jenter. I denne oppgaven forenkler vi imidlertid sannsynlighetsmodellen litt, og antar at vi har en uniform fordeling med like stor sannsynlighet for gutte- som for jentefødsel: $P(G) = P(J) = {\large \frac{1}{2}}$.

    1. En familie med to barn kan ha to jenter, to gutter, eller ett barn av hvert kjønn. Hva er sannsynligheten for å ha ett barn av hvert kjønn?
    2. Mange svarer feil på spørsmålet over. Hva tror du de svarer, og hvorfor?

Se løsningsforslag

Empirisk sannsynlighet

Basert på formen på en vanlig terning kan vi regne ut at vi har seks, like sannsynlige utfall ved et terningkast. I rollespillet Dungeons & Dragons brukes imidlertid terninger med andre antall sider, blant annet en med 20 sider. Men så lenge terningen er symmetrisk, med jevn vektfordeling, er det rimelig å anta at vi har like mange, like sannsynlige utfall som terningen har sider, når vi kaster den.

Når vi kaster en tegnestift, vil den enten lande med spissen ned eller spissen opp. Vi har altså to mulige utfall. Men det er ingen grunn til å tro at begge utfallene er like sannsynlige, og antakelig vil sannsynlighetene variere med typen tegnestift. Det vil også være svært vanskelig å regne seg fram til sannsynlighetene ut fra formen på tegnestiften. I stedet bruker vi en eksperimentell metode, der vi kaster en tegnestift et antall ganger, og teller hvor mange ganger den lander med spissen opp eller ned. Lander den n av t ganger med spissen opp, vil det være rimelig å anta at sannsynligheten for å få spissen opp er ${\large \frac{n}{t}}$, for eksempel gir 674 av 1000 ganger 0,674, eller 67,4 % sannsynlighet for spissen opp. Vi vil aldri få et helt nøyaktig tall, men jo flere ganger vi kaster, jo sikrere blir resultatet. Ved hjelp av statistisk analyse vil vi kunne slå fast nøyaktig hvor sikkert anslaget vårt er. For eksempel at det er 95 % sikkert at sannsynligheten ligger mellom 0,65 og 0,70 når vi får spiss opp 674 av 1000 ganger. Sannsynligheter bestemt ut fra slike forsøk kalles empiriske (erfaringsbaserte) sannsynligheter.

SkjermfilmSe filmen «Begreper i sannsynlighet»
 

SkjermfilmSe filmen «Enkel sannsynlighet»
 

Kilder

    • Hinna, K.R.C., Rinvold, R.A., Gustavsen, TS. (2011). QED 5-10, bind 1. Høyskoleforlaget
    • Ubøe, J. (2011). Statistikk for økonomifag. Gyldendal akademisk
    • Hagen, Per C. (2000). Innføring i sannsynlighetsregning og statistikk. Cappelen akademisk

Introduksjon til sannsynlighet

Hvis vi slipper en stein mange ganger fra 1 meters høyde og måler hvor lang tid det går før den treffer bakken, vil vi få om lag samme resultat hver gang, ca. 0,45 sekunder. Det vil kunne være små variasjoner pga. endring i luftmotstand, men de vil være ubetydelige. Dette er et eksempel på et deterministisk fenomen, der resultatet er forutsigbart, og blir det samme hver gang. Kaster vi derimot en terning, vil vi aldri på forhånd kunne vite om vi får 1, 2, 3, 4, 5 eller 6. Selv om terningens bevegelse er styrt av faste, fysiske lover, er disse så sammensatte og uoversiktlige at det er umulig å regne ut hva resultatet blir.

Vi betrakter derfor terningkast som et stokastisk fenomen, der resultatet ikke kan forutsies fra gang til gang, men allikevel vil oppvise lovmessighet når forsøket gjentas. For over tid vil vi se at vi får om lag like mange enere som toere som treere som firere som femmere som seksere. Dette er fordi sannsynligheten for 1, 2, 3, 4, 5 og 6 er den samme, nemlig ${\large \frac{1}{6}}$, hvis terningen ikke er jukset med.

Å beregne sannsynlighet dreier seg om å kunne finne og kombinere slike lovmessigheter.

Sannsynlighet er også tett forbundet med statistikk. Hvis vi for eksempel oppdager at vi i løpet av 1000 terningkast har fått 10 % flere seksere enn andre verdier, kan vi bruke statistisk analyse for å avgjøre hvor sannsynlig det er at terningen er jukset med.

Når mennesker skal ta avgjørelser, er det mange som handler ut fra det vi kaller «magefølelsen», det vil si en intuitiv, men ubegrunnet fornemmelse av hva som er riktig. Når vi skal anslå sannsynligheter, viser det seg imidlertid at magefølelsen ofte fungerer svært dårlig. I oppgavene under blir du bedt å gjøre vurderinger basert på magefølelsen. Tenk gjennom problemstillingene og ta en avgjørelse. Etterpå kan du gå til løsningsforslaget og sjekke om du har vurdert riktig. Siden vi ikke har lært noe om å beregne sannsynligheter ennå, får du bare svaret og en intuitiv forklaring, ingen utregninger. Oppgavene vil senere bli repetert der de temamessig hører hjemme.

Oppgave 1:

En kollega foreslår et veddemål. Dere skal stille dere opp ved en vei og skrive ned de to siste sifrene på registreringsnummeret til de 20 første bilene som passerer. Han vedder tusen kroner på at minst to biler vil ha samme to sluttsifre. Du vedder vel imot? Det finnes jo 100 muligheter, alt fra 00 til 99, og med bare 20 biler må vel sannsynligheten for at to har like sluttsifre bare være 20 %?

Se løsningsforslag

Oppgave 2:

Du er med i gameshowet til Monty Hall, og står foran tre lukkede dører. Bak en av dørene er en bil, som du vinner hvis du velger riktig dør. Bak de andre dørene er det ingen ting. Du velger en dør. Monty, som vet hvor bilen er, åpner en av dørene der det ikke er noe. Så får du muligheten til å bytte dør. Men er det noen vits i å gjøre det? Du har tatt et valg, og sjansene er vel 50-50?

Se løsningsforslag

Oppgave 3:

En sykdom har brutt ut i befolkningen der du bor. Myndighetene regner med at bare 1 av 10 000 er smittet, men sykdommen er dødelig uten behandling, så alle får tilbud om å ta en test. Testen er 99 % sikker, den konkluderer altså bare feil i 1 % av alle tilfeller. Du tar testen, og til din skrekk er den positiv. Du bor imidlertid i et land med begrenset offentlig helsetilbud, så du må betale for behandlingen selv. Den er dyr, og du må nok selge huset for å få råd. Men det er vel 99 % sannsynlig at du er syk, så du har vel ikke noe valg?

Se løsningsforslag
 

SkjermfilmSe filmen «Introduksjon til sannsynlighet»

Kilder

    • Hinna, K.R.C., Rinvold, R.A., Gustavsen, TS. (2011). QED 5-10, bind 1. Høyskoleforlaget
    • Røislien J., Nome M. (2011). Siffer. Versal forlag
    • Hagen, Per C. (2000). Innføring i sannsynlighetsregning og statistikk. Cappelen akademisk