Skip to main content

6  Stokastiske variabler og binomisk fordeling

Hvor mange bor i en tilfeldig valgt husholdning? Hvor mye vinner du i gjennomsnitt på et lykkehjul? Hvor mange riktige får du hvis du gjetter på alle spørsmålene i en flervalgsprøve? Svarene er tall som avhenger av tilfeldigheter. I dette kapittelet beskriver vi slike tall med sannsynlighetsfordelinger, og vi måler hva vi kan forvente og hvor mye det varierer. Til slutt ser vi på den binomiske fordelingen, som beskriver antall suksesser i en serie uavhengige forsøk.

Last ned oppgaveheftet for kapittel 6 (PDF): oppsummering, gjennomregnede eksempler og oppgaver med fasit, til arbeid uten PC.

Læringsmål

Etter å ha arbeidet med kapittelet skal du kunne

  • forklare hva en stokastisk variabel og en sannsynlighetsfordeling er,
  • regne ut og tolke forventningsverdi, varians og standardavvik,
  • forklare sammenhengen mellom gjennomsnitt og forventningsverdi, og mellom utvalgsstandardavvik og standardavvik,
  • forklare forutsetningene for binomisk fordeling og kjenne igjen binomiske situasjoner,
  • regne ut binomiske sannsynligheter med tabeller og Python,
  • regne ut og tolke forventning og standardavvik i en binomisk fordeling.

6.1 Stokastiske variabler

Seksjonen handler om tall som bestemmes av tilfeldigheter. Vi beskriver dem med en sannsynlighetsfordeling, og vi oppsummerer fordelingen med forventningsverdi og standardavvik, slik vi oppsummerte data med gjennomsnitt og standardavvik i kapittel 3.

6.1.1 Stokastiske variabler

Velg en tilfeldig husholdning i Norge. Hvor mange personer bor der? Svaret er et tall, men vi kan ikke vite hvilket før vi har trukket. SSB har likevel tall for hvor vanlig hver husholdningsstørrelse er:

Privathusholdninger i 2026. Kilde: SSB, tabell 06079.
Personer Andel
1 \(0{,}413\)
2 \(0{,}308\)
3 \(0{,}118\)
4 \(0{,}111\)
5 eller flere \(0{,}050\)

Tabellen er en sannsynlighetsmodell, slik som i 5.2.1. Det nye er at utfallene er tall. Da kan vi regne med dem: finne et gjennomsnitt, en spredning og sannsynligheten for at tallet er større enn noe.

Læringsmål

Etter dette delkapittelet skal du kunne

  • forklare hva en stokastisk variabel er,
  • lage og lese en sannsynlighetsfordeling, både som tabell og som søylediagram,
  • regne ut sannsynligheter som \(P(X \le 2)\) og \(P(X > 3)\).

Stokastisk variabel og sannsynlighetsfordeling

DefinisjonStokastisk variabel

En stokastisk variabel \(X\) er et tall som bestemmes av utfallet i et stokastisk forsøk. Vi bruker stor bokstav (\(X\)) for variabelen og liten bokstav (\(x\)) for verdiene den kan få.

Sannsynlighetsfordelingen til \(X\) gir sannsynligheten \(P(X = x)\) for hver mulig verdi \(x\). Sannsynlighetene er mellom \(0\) og \(1\), og summen er \(1\).

Variablene i dette kapittelet er diskrete: De kan bare få bestemte verdier, som regel hele tall. I kapittel 7 ser vi på kontinuerlige variabler, som høyde og tid.

Vi kaster en mynt tre ganger. \(X\) er antall kron. Finn sannsynlighetsfordelingen til \(X\).

Skriv opp de \(8\) like sannsynlige utfallene og tell kron i hvert av dem.

Utfallene er KKK, KKM, KMK, MKK, KMM, MKM, MMK og MMM.

\(x\) 0 1 2 3
\(P(X = x)\) \(\frac{1}{8}\) \(\frac{3}{8}\) \(\frac{3}{8}\) \(\frac{1}{8}\)

Summen er \(\frac{8}{8} = 1\). Fordelingen er symmetrisk om \(1{,}5\).

Sannsynligheter for flere verdier

Ofte spør vi etter sannsynligheten for at \(X\) ligger i et område. Da legger vi sammen sannsynlighetene for verdiene i området. Pass på forskjellen mellom \(<\) og \(\le\):

  • \(P(X \le 2)\): \(X\) er \(2\) eller mindre.
  • \(P(X < 2)\): \(X\) er mindre enn \(2\), altså høyst \(1\).

En sannsynlighet som \(P(X \le x)\) kalles kumulativ. Den brukes mye i tabeller, og komplementsetningen gir

\[ P(X > x) = 1 - P(X \le x) \]

\(X\) er antall personer i en tilfeldig valgt husholdning. Bruk tabellen fra SSB. Finn

  1. \(P(X \le 2)\),
  2. \(P(X > 2)\),
  3. \(P(2 \le X \le 4)\).

Legg sammen sannsynlighetene for verdiene som er med. I b) kan du bruke komplementet.

  1. \(P(X \le 2) = 0{,}413 + 0{,}308 = 0{,}721\)
  2. \(P(X > 2) = 1 - 0{,}721 = 0{,}279\)
  3. \(P(2 \le X \le 4)\) er \(0{,}308 + 0{,}118 + 0{,}111 = 0{,}537\).

\(X\) er summen av to terninger. Bruk tabellen i 5.2.2 til å lage sannsynlighetsfordelingen, og finn \(P(X \ge 10)\).

Tell rutene med hver sum. Det er \(36\) ruter i alt.

\(x\) 2 3 4 5 6 7
\(36 \cdot P\) 1 2 3 4 5 6
\(x\) 8 9 10 11 12
\(36 \cdot P\) 5 4 3 2 1

Raden viser antall ruter, så \(P(X = 7) = \frac{6}{36}\) og så videre.

\(P(X \ge 10) = \dfrac{3 + 2 + 1}{36} = \dfrac{6}{36} = \dfrac{1}{6}\)

AdvarselVanlige feil
  • \(P(X < 3)\) er ikke det samme som \(P(X \le 3)\). For en diskret variabel er \(P(X < 3) = P(X \le 2)\).
  • Komplementet til \(X \le 2\) er \(X > 2\), altså \(X \ge 3\). Ikke \(X \ge 2\).
  • Summen av alle sannsynlighetene i fordelingen skal være \(1\).
  • \(X\) er variabelen, \(x\) er en verdi. \(P(X = 3)\) betyr «sannsynligheten for at \(X\) blir \(3\)».

Oppgaver

Start på nivå 1. Når du får til de fleste oppgavene på et nivå, går du videre til neste. Utfordringene til slutt er for deg som vil prøve deg på noe vanskeligere.

Nivå 1

\(X\) er antall mål et lag scorer i en kamp:

\(x\) 0 1 2 3 4
\(P(X = x)\) \(0{,}20\) \(0{,}35\) \(0{,}25\) \(0{,}15\) \(0{,}05\)

Finn

\(P(X = 2)\),
\(P(X \le 1)\),
\(P(X < 1)\),
\(P(X \ge 2)\).

\(X\) kan få verdiene \(1\), \(2\), \(3\) og \(4\). \(P(X = 1) = 0{,}1\), \(P(X = 2) = 0{,}3\) og \(P(X = 4) = 0{,}2\). Finn \(P(X = 3)\).

Bruk tabellen fra SSB. Finn sannsynligheten for at en tilfeldig husholdning har minst \(3\) personer.

Nivå 2

Du kaster en terning to ganger. \(X\) er antall seksere.

Lag sannsynlighetsfordelingen til \(X\). Skriv \(P(X = 1)\) i svarfeltet.
Finn \(P(X \ge 1)\).

\(X\) er antall mål i oppgaven «Les fordelingen». Sofie regner slik: «\(P(X > 2) = 1 - P(X \le 1) = 1 - 0{,}55 = 0{,}45\).» Hva er feil, og hva er riktig svar?

Kodeoppgaver

Oppgaven skal løses uten PC. Bruk kodecellen etter oppgaven til å sjekke svaret ditt etterpå.

Hva blir utskriften?

x = [0, 1, 2, 3, 4]
p = [0.20, 0.35, 0.25, 0.15, 0.05]
svar = 0
for i in range(len(x)):
    if x[i] >= 2:
        svar = svar + p[i]
print(round(svar, 2))
Utfordringer

SSB gir også fordelingen av personer etter størrelsen på husholdningen de bor i:

Personer i husholdningen Andel av personene
1 \(0{,}198\)
2 \(0{,}295\)
3 \(0{,}169\)
4 \(0{,}213\)
5+ \(0{,}126\)

\(41{,}3\ \%\) av husholdningene har én person, men bare \(19{,}8\ \%\) av personene bor alene. Forklar hvordan begge tallene kan være riktige.

Oppsummering

Sannsynlighetsfordeling

\(P(X = x)\) for hver verdi. Summen er \(1\).

Komplementet

\[ P(X > x) = 1 - P(X \le x) \]

Diskret variabel

\[ P(X < 3) = P(X \le 2) \]

  • Stor bokstav (\(X\)) er variabelen, liten bokstav (\(x\)) er en verdi.
  • Pass på forskjellen mellom \(<\) og \(\le\).

6.1.2 Forventningsverdi

Elevrådet skal ha et lykkehjul på skoleballet. Hjulet har \(10\) like store felter. Ett felt gir \(100\) kr, to felter gir \(30\) kr, og de sju andre gir ingenting. Et spill koster \(20\) kr. Tjener elevrådet penger? Noen spillere vinner \(100\) kr, og de fleste vinner ingenting. Det vi trenger å vite, er hvor mye hjulet betaler ut i gjennomsnitt per spill når det spilles mange ganger.

Læringsmål

Etter dette delkapittelet skal du kunne

  • regne ut forventningsverdien \(E(X)\),
  • tolke forventningsverdien som gjennomsnittet i det lange løp,
  • bruke forventningsverdien til å vurdere spill og forsikringer.

Forventningsverdi

Tenk deg at hjulet spilles \(1000\) ganger. Omtrent \(100\) ganger gir det \(100\) kr, omtrent \(200\) ganger \(30\) kr og omtrent \(700\) ganger \(0\) kr. Til sammen betaler det ut omtrent

\[ 100 \cdot 100 + 200 \cdot 30 + 700 \cdot 0 = 16\,000 \text{ kr} \]

altså \(16\) kr per spill. Det samme får vi direkte med sannsynlighetene: \(100 \cdot 0{,}1 + 30 \cdot 0{,}2 + 0 \cdot 0{,}7 = 16\).

DefinisjonForventningsverdi

Forventningsverdien til en diskret stokastisk variabel \(X\) er

\[ E(X) = \sum x \cdot P(X = x) \]

Vi ganger hver verdi med sannsynligheten sin og legger sammen. Forventningsverdien skrives også \(\mu\).

Symbolet \(\sum\) (sigma) betyr «summen av», her over alle verdiene \(X\) kan få. Ifølge store talls lov er forventningsverdien det gjennomsnittet vi nærmer oss når forsøket gjentas mange ganger. Figuren viser gjennomsnittlig gevinst i en simulering med \(2000\) spill. Trykk på «Spill av».

Spillerne betaler \(20\) kr og får i gjennomsnitt \(16\) kr tilbake. Elevrådet tjener i gjennomsnitt \(4\) kr per spill.

Finn forventningsverdien for antall øyne på en terning.

Hver verdi har sannsynlighet \(\frac{1}{6}\).

\[ E(X) = 1 \cdot \frac{1}{6} + 2 \cdot \frac{1}{6} + \cdots + 6 \cdot \frac{1}{6} = \frac{21}{6} = 3{,}5 \]

Terningen kan aldri vise \(3{,}5\). Forventningsverdien er et gjennomsnitt, ikke en verdi vi venter å få i ett kast.

Finn forventet antall personer i en tilfeldig husholdning. Regn «5 eller flere» som \(5\).

\(x\) \(P(X = x)\)
1 \(0{,}413\)
2 \(0{,}308\)
3 \(0{,}118\)
4 \(0{,}111\)
5 \(0{,}050\)

Gang hver verdi med sannsynligheten og legg sammen.

\[ E(X) = 1 \cdot 0{,}413 + 2 \cdot 0{,}308 + 3 \cdot 0{,}118 + 4 \cdot 0{,}111 + 5 \cdot 0{,}050 \]

\[ = 0{,}413 + 0{,}616 + 0{,}354 + 0{,}444 + 0{,}250 = 2{,}077 \]

Det bor i gjennomsnitt omtrent \(2{,}1\) personer i en husholdning. Det virkelige tallet er litt høyere, fordi noen husholdninger har flere enn \(5\) personer.

En mobilforsikring koster \(600\) kr i året. Forsikringsselskapet regner med at \(5\ \%\) av kundene får en skade som koster \(8000\) kr å reparere, og \(1\ \%\) får mobilen stjålet og må få en ny til \(10\,000\) kr. Resten får ingen utbetaling.

  1. Finn forventet utbetaling per kunde.
  2. Hvorfor kjøper folk forsikringen, når de i gjennomsnitt betaler mer enn de får igjen?

\(X\) er utbetalingen. Hva er \(P(X = 0)\)?

  1. \(P(X = 0) = 1 - 0{,}05 - 0{,}01 = 0{,}94\). \[ E(X) = 8000 \cdot 0{,}05 + 10\,000 \cdot 0{,}01 + 0 \cdot 0{,}94 = 400 + 100 = 500 \text{ kr} \] Selskapet tjener i gjennomsnitt \(600 - 500 = 100\) kr per kunde.

  2. Forventningsverdien sier hva som skjer i gjennomsnitt over mange kunder. For den enkelte kan en uventet regning på \(10\,000\) kr være vanskelig å betale. Med forsikring betaler kunden litt mer i gjennomsnitt, men slipper risikoen for et stort tap. Hvor stor risikoen er, måler vi med standardavviket i 6.1.3.

Et spill er rettferdig når den forventede gevinsten er lik prisen. Hvor mye må lykkehjulet betale ut på feltet med \(100\) kr for at spillet skal være rettferdig når prisen er \(20\) kr?

Kall den nye utbetalingen \(g\), og sett forventningsverdien lik \(20\).

\[ g \cdot 0{,}1 + 30 \cdot 0{,}2 = 20 \quad\Rightarrow\quad 0{,}1g = 14 \quad\Rightarrow\quad g = 140 \]

Feltet må gi \(140\) kr.

AdvarselVanlige feil
  • Forventningsverdien trenger ikke være en verdi \(X\) kan få. En terning viser aldri \(3{,}5\).
  • Forventningsverdien er ikke den mest sannsynlige verdien. Den vanligste gevinsten på lykkehjulet er \(0\) kr, men forventningsverdien er \(16\) kr.
  • Husk å trekke fra prisen når du vurderer et spill. Nettogevinsten er gevinst minus pris.
  • Ta med alle verdiene, også dem som gir \(0\) (de bidrar med \(0\), men sannsynlighetene må summere til \(1\)).

Oppgaver

Start på nivå 1. Når du får til de fleste oppgavene på et nivå, går du videre til neste. Utfordringene til slutt er for deg som vil prøve deg på noe vanskeligere.

Nivå 1
\(x\) 0 1 2 3
\(P(X = x)\) \(0{,}1\) \(0{,}4\) \(0{,}3\) \(0{,}2\)

Finn \(E(X)\).

\(X\) er antall kron på tre myntkast. Fordelingen står i 6.1.1. Finn \(E(X)\).

Bruk fordelingen i oppgaven «Les fordelingen» i 6.1.1. Hvor mange mål scorer laget i gjennomsnitt per kamp?

Nivå 2

Du betaler \(10\) kr for å kaste en terning. Får du \(6\), får du \(40\) kr. Får du \(5\), får du \(10\) kr. Ellers får du ingenting.

Finn forventet gevinst.
Finn forventet nettogevinst (gevinst minus pris).
Er spillet rettferdig?

Ola sier: «Den forventede gevinsten i Lotto er mye mindre enn prisen. Likevel spiller hundretusener av nordmenn hver uke. De må regne feil.» Vurder påstanden.

Kodeoppgaver

Oppgaven skal løses uten PC. Bruk kodecellen etter oppgaven til å sjekke svaret ditt etterpå.

Hva blir utskriften?

x = [100, 30, 0]
p = [0.1, 0.2, 0.7]
e = 0
for i in range(len(x)):
    e = e + x[i] * p[i]
print(round(e, 1))
print(round(e - 20, 1))

Skriv det siste tallet i utskriften i svarfeltet.

Utfordringer

Bruk tabellen over personer i oppgaven «Husholdning eller person?» i 6.1.1. \(Y\) er antall personer i husholdningen til en tilfeldig valgt person. Regn «5+» som \(5\).

Finn \(E(Y)\).
Forventet størrelse på en tilfeldig valgt husholdning er omtrent \(2{,}1\). Forklar hvorfor \(E(Y)\) er større.

Oppsummering

Forventningsverdi

\[ E(X) = \sum x \cdot P(X = x) \]

Tolkning

Gjennomsnittet i det lange løp.

Rettferdig spill

Forventet gevinst = pris.

  • \(E(X)\) trenger ikke være en mulig verdi.
  • Nettogevinst er gevinst minus pris.

6.1.3 Varians og standardavvik

Elevrådet vurderer et annet spill i stedet for lykkehjulet: Du kaster en mynt og får \(10\) kr for mynt og \(22\) kr for kron. Forventet gevinst er \(10 \cdot 0{,}5 + 22 \cdot 0{,}5 = 16\) kr, akkurat som på lykkehjulet. Likevel er spillene svært forskjellige. På myntspillet får du alltid mellom \(10\) og \(22\) kr. På lykkehjulet får du som regel ingenting, men av og til \(100\) kr. Forventningsverdien sier ingenting om hvor mye utfallet varierer. Det måler vi med standardavviket, som for data i 3.2.3.

Læringsmål

Etter dette delkapittelet skal du kunne

  • regne ut varians og standardavvik for en diskret stokastisk variabel,
  • tolke standardavviket som et mål for usikkerhet og risiko,
  • regne ut forventningsverdi og standardavvik med Python.

Varians og standardavvik

Avviket fra forventningsverdien er \(x - \mu\). Som for data kvadrerer vi avvikene, så positive og negative avvik ikke nuller hverandre ut, og tar gjennomsnittet. Men nå er gjennomsnittet vektet med sannsynlighetene.

DefinisjonVarians og standardavvik

For en diskret stokastisk variabel \(X\) med forventningsverdi \(\mu\) er variansen

\[ \operatorname{Var}(X) = \sum (x - \mu)^2 \cdot P(X = x) \]

og standardavviket

\[ \operatorname{SD}(X) = \sigma = \sqrt{\operatorname{Var}(X)} \]

Standardavviket har samme enhet som \(X\), og det sier omtrent hvor langt fra forventningsverdien utfallet typisk havner. Variansen har kvadrert enhet (kr²), så den er vanskeligere å tolke.

Det er lurt å regne i en tabell. Her er myntspillet, med \(\mu = 16\):

\(x\) \(P\) \((x - \mu)^2\) Ganget med \(P\)
10 \(0{,}5\) \((-6)^2 = 36\) 18
22 \(0{,}5\) \(6^2 = 36\) 18

\(\operatorname{Var}(X) = 18 + 18 = 36\) og \(\sigma = \sqrt{36} = 6\) kr.

Finn standardavviket til gevinsten på lykkehjulet: \(100\) kr med sannsynlighet \(0{,}1\), \(30\) kr med sannsynlighet \(0{,}2\) og \(0\) kr med sannsynlighet \(0{,}7\). Forventningsverdien er \(16\) kr. Sammenlikn med myntspillet.

Lag tabellen med \(x - 16\), kvadratet og kvadratet ganget med sannsynligheten.

\(x\) \(P\) \((x - \mu)^2\) Ganget med \(P\)
100 \(0{,}1\) \(84^2 = 7056\) \(705{,}6\)
30 \(0{,}2\) \(14^2 = 196\) \(39{,}2\)
0 \(0{,}7\) \((-16)^2 = 256\) \(179{,}2\)

\(\operatorname{Var}(X) = 705{,}6 + 39{,}2 + 179{,}2 = 924\) og \(\sigma = \sqrt{924} \approx 30{,}4\) kr.

Standardavviket er fem ganger så stort som for myntspillet (\(6\) kr). Spillene har samme forventningsverdi, men lykkehjulet er mye mer usikkert.

  1. Finn standardavviket for antall øyne på en terning. (\(\mu = 3{,}5\).)
  2. Finn standardavviket for antall kron på tre myntkast. (\(\mu = 1{,}5\), fordelingen står i 6.1.1.)

I a) har alle verdiene sannsynlighet \(\frac{1}{6}\), og avvikene er \(\pm 0{,}5\), \(\pm 1{,}5\) og \(\pm 2{,}5\).

  1. \[ \operatorname{Var}(X) = \frac{2 \cdot (0{,}25 + 2{,}25 + 6{,}25)}{6} = \frac{17{,}5}{6} \approx 2{,}917 \] \(\sigma = \sqrt{2{,}917} \approx 1{,}71\).

  2. \[ \operatorname{Var}(X) = 2{,}25 \cdot \tfrac{1}{8} + 0{,}25 \cdot \tfrac{3}{8} + 0{,}25 \cdot \tfrac{3}{8} + 2{,}25 \cdot \tfrac{1}{8} = 0{,}75 \] \(\sigma = \sqrt{0{,}75} \approx 0{,}87\).

Standardavvik som risiko

I 6.1.2 var utbetalingen fra mobilforsikringen \(8000\) kr med sannsynlighet \(0{,}05\), \(10\,000\) kr med sannsynlighet \(0{,}01\) og \(0\) kr ellers, og forventet utbetaling \(500\) kr. Finn standardavviket, og forklar hva det sier om hvorfor folk kjøper forsikring.

Avvikene er \(7500\), \(9500\) og \(-500\).

\[ \operatorname{Var}(X) = 7500^2 \cdot 0{,}05 + 9500^2 \cdot 0{,}01 + 500^2 \cdot 0{,}94 \] \[ = 2\,812\,500 + 902\,500 + 235\,000 = 3\,950\,000 \] \(\sigma = \sqrt{3\,950\,000} \approx 1990\) kr.

Kostnaden for den enkelte er svært usikker: Standardavviket er fire ganger så stort som forventningsverdien. Med forsikring betaler kunden \(600\) kr hvert år, uten usikkerhet. Kunden bytter en usikker kostnad mot en sikker. Forsikringsselskapet har så mange kunder at gjennomsnittet per kunde blir nær \(500\) kr (store talls lov), så for selskapet er usikkerheten liten.

Regn ut forventningsverdi og standardavvik for antall personer i en husholdning med Python.

Med NumPy-arrayer kan vi gange og summere hele lister på én gang.

Forventningsverdien er \(2{,}077\) og standardavviket omtrent \(1{,}19\) personer.

AdvarselVanlige feil
  • Kvadrer avviket før du ganger med sannsynligheten: \((x - \mu)^2 \cdot P\), ikke \((x - \mu) \cdot P\).
  • Standardavviket er kvadratroten av variansen. Glem ikke roten.
  • Ikke del på antall verdier. Sannsynlighetene er vektene.
  • To variabler kan ha samme forventningsverdi, men svært ulikt standardavvik.

Oppgaver

Start på nivå 1. Når du får til de fleste oppgavene på et nivå, går du videre til neste. Utfordringene til slutt er for deg som vil prøve deg på noe vanskeligere.

Nivå 1

\(X\) er \(0\) eller \(2\), begge med sannsynlighet \(0{,}5\). Finn

\(E(X)\),
\(\operatorname{Var}(X)\),
\(\sigma\).
\(x\) 0 1 2 3
\(P(X = x)\) \(0{,}1\) \(0{,}4\) \(0{,}3\) \(0{,}2\)

Forventningsverdien er \(1{,}6\) (6.1.2). Finn variansen og standardavviket.

Nivå 2

Etter ett år har investering A økt med \(10\ \%\) eller \(0\ \%\), begge med sannsynlighet \(0{,}5\). Investering B har økt med \(40\ \%\) med sannsynlighet \(0{,}3\), \(0\ \%\) med sannsynlighet \(0{,}4\) eller falt med \(20\ \%\) med sannsynlighet \(0{,}3\).

Finn forventet avkastning (i prosent) for hver av dem.
Finn standardavviket for hver av dem.
Hvilken ville du valgt? Begrunn.

Jonas skal finne variansen til \(X\), som er \(0\) eller \(2\) med sannsynlighet \(0{,}5\) hver. Han regner \((0 - 1) \cdot 0{,}5 + (2 - 1) \cdot 0{,}5 = 0\) og sier at \(X\) ikke varierer. Hva er feil?

Kodeoppgaver

Oppgaven skal løses uten PC. Bruk kodecellen etter oppgaven til å sjekke svaret ditt etterpå.

Hva blir utskriften?

x = [10, 22]
p = [0.5, 0.5]
mu = 16
var = 0
for i in range(len(x)):
    var = var + (x[i] - mu)**2 * p[i]
print(var, var**0.5)

Skriv det siste tallet i utskriften i svarfeltet.

Utfordringer

Variansen kan også regnes ut slik:

\[ \operatorname{Var}(X) = \sum x^2 \cdot P(X = x) - \mu^2 \]

Bruk snarveien til å finne variansen for antall kron på tre myntkast, og sjekk at du får \(0{,}75\).
Bruk snarveien på terningen.

Oppsummering

Varians

\[ \operatorname{Var}(X) = \sum (x - \mu)^2 \cdot P(X = x) \]

Standardavvik

\[ \sigma = \sqrt{\operatorname{Var}(X)} \]

  • Standardavviket måler usikkerhet: hvor langt fra \(\mu\) utfallet typisk havner.
  • Kvadrer avvikene, gang med sannsynligheten, og ta roten til slutt.

6.1.4 Fra modell til data

I kapittel 3 regnet vi ut gjennomsnitt og standardavvik for data. I dette kapittelet har vi regnet ut forventningsverdi og standardavvik for en modell. Hvordan henger de sammen? Kast en terning \(20\) ganger og regn ut gjennomsnittet \(\bar{x}\) og standardavviket \(s\) av kastene. Du får neppe akkurat \(3{,}5\) og \(1{,}71\), men sannsynligvis noe i nærheten. Kaster du flere ganger, kommer du nærmere.

Læringsmål

Etter dette delkapittelet skal du kunne

  • forklare sammenhengen mellom gjennomsnitt og forventningsverdi,
  • forklare sammenhengen mellom utvalgsstandardavvik og standardavvik,
  • sammenlikne data med en modell, og vurdere om forskjellen er stor.

Modell og data

Modellen beskriver det vi venter i det lange løp. Data er det vi faktisk observerer. Tabellen viser hvordan de tilsvarer hverandre:

Modell (populasjon) Data (utvalg)
Sannsynlighet \(P(X = x)\) Relativ frekvens
Forventningsverdi \(\mu = E(X)\) Gjennomsnitt \(\bar{x}\)
Standardavvik \(\sigma\) Utvalgsstandardavvik \(s\)
Andel \(p\) Andel i utvalget \(\hat{p}\)
RegelFra modell til data

Når vi gjør \(n\) uavhengige observasjoner av en stokastisk variabel med forventningsverdi \(\mu\) og standardavvik \(\sigma\), kommer

  • gjennomsnittet \(\bar{x}\) nærmere \(\mu\),
  • utvalgsstandardavviket \(s\) nærmere \(\sigma\),

jo større \(n\) er. Det følger av store talls lov. For en bestemt \(n\) varierer \(\bar{x}\) og \(s\) fra utvalg til utvalg, mens \(\mu\) og \(\sigma\) er faste tall.

Tabellen viser en simulering med en vanlig terning, der \(\mu = 3{,}5\) og \(\sigma \approx 1{,}71\):

Antall kast \(n\) \(\bar{x}\) \(s\)
\(10\) \(2{,}90\) \(1{,}91\)
\(100\) \(3{,}54\) \(1{,}64\)
\(1000\) \(3{,}46\) \(1{,}69\)
\(10\,000\) \(3{,}49\) \(1{,}71\)

Figuren viser gjennomsnittet etter hvert kast i en simulering med \(1000\) kast.

Dette er grunnen til at vi deler på \(n - 1\) i \(s\) (3.2.3): Med \(n - 1\) treffer \(s^2\) i gjennomsnitt akkurat \(\sigma^2\).

En elev spurte \(20\) tilfeldig valgte husholdninger hvor mange som bodde der:

\(1, 2, 1, 3, 2, 1, 4, 2, 1, 1, 2, 5, 1, 3, 2, 4, 1, 2, 1, 2\)

  1. Regn ut \(\bar{x}\) og \(s\).
  2. Sammenlikn med modellen fra SSB, \(\mu = 2{,}08\) og \(\sigma = 1{,}19\).

Summen er \(41\). For \(s\): Lag en frekvenstabell først.

  1. \(\bar{x} = \dfrac{41}{20} = 2{,}05\). Frekvenstabellen er \(1\): \(8\), \(2\): \(7\), \(3\): \(2\), \(4\): \(2\), \(5\): \(1\). Med avvik fra \(2{,}05\): \[ \sum (x - \bar{x})^2 = 8 \cdot 1{,}05^2 + 7 \cdot 0{,}05^2 + 2 \cdot 0{,}95^2 + 2 \cdot 1{,}95^2 + 2{,}95^2 = 26{,}95 \] \(s = \sqrt{\dfrac{26{,}95}{19}} \approx 1{,}19\).

  2. Både gjennomsnittet og standardavviket ligger svært nær modellen. Utvalget passer godt med SSBs tall. Med bare \(20\) husholdninger kunne forskjellen like gjerne vært større.

Mia kaster en terning \(60\) ganger og får gjennomsnittet \(\bar{x} = 4{,}1\). Er det grunn til å tro at terningen er jukset?

Simuler mange serier med \(60\) kast med en vanlig terning. Hvor ofte blir gjennomsnittet minst \(4{,}1\)?

Med en vanlig terning blir gjennomsnittet av \(60\) kast minst \(4{,}1\) bare i omtrent \(0{,}3\ \%\) av seriene. Det er så sjeldent at det er grunn til å mistenke terningen. Dette er idéen bak hypotesetesting, som vi kommer tilbake til i del V.

AdvarselVanlige feil
  • \(\mu\) og \(\sigma\) er faste tall for modellen. \(\bar{x}\) og \(s\) regnes ut fra data og varierer fra utvalg til utvalg.
  • Et gjennomsnitt som avviker litt fra \(\mu\), betyr ikke at modellen er feil. Spørsmålet er om avviket er stort sammenliknet med den vanlige variasjonen.
  • \(s\) regnes med \(n - 1\). \(\sigma\) i en modell regnes med sannsynlighetene, uten å dele på noe.

Oppgaver

Start på nivå 1. Når du får til de fleste oppgavene på et nivå, går du videre til neste. Utfordringene til slutt er for deg som vil prøve deg på noe vanskeligere.

Nivå 1

Ti terningkast ga \(3, 5, 2, 6, 4, 4, 1, 6, 5, 3\).

Regn ut \(\bar{x}\).
Hvor langt er \(\bar{x}\) fra \(\mu\)?

Hører symbolet til en modell eller til data?

\(\bar{x}\)
\(\sigma\)
\(\hat{p}\)
\(E(X)\)
Nivå 2

I en klasse kaster alle \(30\) elevene en terning \(20\) ganger hver og regner ut gjennomsnittet. Ingen av dem får nøyaktig \(3{,}5\). Emma sier at modellen med \(\mu = 3{,}5\) derfor er feil. Vurder påstanden.

Lykkehjulet i 6.1.2 ble spilt \(250\) ganger på skoleballet. Det betalte ut til sammen \(4600\) kr.

Hva var gjennomsnittlig gevinst per spill?
Elevrådet regnet med å tjene \(4\) kr per spill. Hvor mye tjente de per spill?
Kodeoppgaver

Oppgaven skal løses uten PC. Bruk kodecellen etter oppgaven til å sjekke svaret ditt etterpå.

Hva blir utskriften?

kast = [3, 5, 2, 6, 4, 4, 1, 6, 5, 3]
summ = 0
for k in kast:
    summ = summ + k
snitt = summ / len(kast)
print(snitt, snitt - 3.5)

Skriv det første tallet i utskriften i svarfeltet.

Utfordringer

Bruk kodecellen. Den simulerer \(1000\) elever som hver kaster en terning \(n\) ganger, og regner ut standardavviket til de \(1000\) gjennomsnittene.

Kjør med \(n = 10\), \(n = 40\) og \(n = 160\). Hva skjer med standardavviket når \(n\) blir fire ganger så stor?
Hvordan passer dette med at gjennomsnittet kommer nærmere \(\mu\) når \(n\) øker?

Oppsummering

Gjennomsnitt og forventning

\(\bar{x}\) nærmer seg \(\mu\) når \(n\) øker.

Standardavvik

\(s\) nærmer seg \(\sigma\) når \(n\) øker.

Andel

\(\hat{p}\) nærmer seg \(p\) når \(n\) øker.

  • \(\mu\), \(\sigma\) og \(p\) er faste. \(\bar{x}\), \(s\) og \(\hat{p}\) varierer fra utvalg til utvalg.
  • Avvik fra modellen må vurderes mot den vanlige variasjonen.

6.2 Binomisk fordeling

Seksjonen handler om en fordeling som dukker opp overalt: antall suksesser i en serie like, uavhengige forsøk. Antall riktige når du gjetter på en flervalgsprøve, antall gutter blant de fødte i en kommune og antall seksere på ti kast følger alle en binomisk fordeling.

6.2.1 Binomiske forsøk

Du har glemt å lese til en flervalgsprøve og gjetter på alle spørsmålene. Hvert spørsmål har fire svaralternativer, og ett er riktig. På hvert spørsmål er sannsynligheten for riktig svar \(\frac{1}{4}\), uansett hvordan det gikk på de andre spørsmålene. Antall riktige er en stokastisk variabel. Situasjonen har en bestemt struktur som går igjen i mange sammenhenger, og som gir en fordeling vi kan regne ut.

Læringsmål

Etter dette delkapittelet skal du kunne

  • forklare de fire forutsetningene for binomisk fordeling,
  • avgjøre om en situasjon er binomisk, og finne \(n\) og \(p\),
  • regne ut \(P(X = k)\) for små \(n\) ved å telle veier i et sannsynlighetstre.

Forutsetningene

DefinisjonBinomisk fordeling

Et forsøk består av \(n\) delforsøk. Hvis

  1. antall delforsøk \(n\) er bestemt på forhånd,
  2. hvert delforsøk har to utfall, suksess og fiasko,
  3. sannsynligheten \(p\) for suksess er den samme i alle delforsøkene,
  4. delforsøkene er uavhengige,

er antall suksesser \(X\) binomisk fordelt. Vi skriver \(X \sim B(n, p)\).

«Suksess» er bare navnet på det vi teller. Teller vi antall seksere, er en sekser en suksess, selv om vi kanskje ikke ønsket den.

Er \(X\) binomisk fordelt? Finn i så fall \(n\) og \(p\).

  1. \(X\) er antall seksere på \(10\) terningkast.
  2. \(X\) er antall gutter blant de neste \(4\) barna som blir født på et sykehus.
  3. \(X\) er antall kast til du får den første sekseren.
  4. \(X\) er antall hjerter når du trekker \(5\) kort fra en kortstokk uten tilbakelegging.
  5. \(X\) er antall som røyker blant \(1000\) tilfeldig valgte unge i Norge.

Gå gjennom de fire forutsetningene for hver situasjon.

  1. Ja. \(X \sim B(10, \frac{1}{6})\).
  2. Ja. \(X \sim B(4;\ 0{,}514)\). Kjønnet til barna er uavhengig.
  3. Nei. Antall kast er ikke bestemt på forhånd.
  4. Nei. Uten tilbakelegging endrer sannsynligheten for hjerter seg fra trekk til trekk, så delforsøkene er avhengige.
  5. Nesten. Utvalget trekkes uten tilbakelegging, men populasjonen er så stor (over \(600\,000\) unge) at sannsynligheten nesten ikke endrer seg (oppgaven «Stor pose» i 5.4.2). Vi kan bruke \(B(1000;\ 0{,}207)\) som modell.

Å telle veier

Se på flervalgsprøven med bare \(3\) spørsmål. \(X\) er antall riktige, og \(X \sim B(3, \frac{1}{4})\). Hvordan kan vi få nøyaktig \(2\) riktige? Med R for riktig og F for feil er det tre veier: RRF, RFR og FRR. Hver vei har to riktige og én feil, så hver har sannsynligheten

\[ \frac{1}{4} \cdot \frac{1}{4} \cdot \frac{3}{4} = \frac{3}{64} \]

Rekkefølgen spiller ingen rolle for produktet. Derfor er

\[ P(X = 2) = 3 \cdot \frac{3}{64} = \frac{9}{64} \approx 0{,}141 \]

RegelBinomisk sannsynlighet

Hvis \(X \sim B(n, p)\), er

\[ P(X = k) = (\text{antall veier med } k \text{ suksesser}) \cdot p^k \cdot (1 - p)^{n - k} \]

Hver vei med \(k\) suksesser og \(n - k\) fiaskoer har sannsynligheten \(p^k (1 - p)^{n - k}\).

Hele fordelingen for de tre spørsmålene:

\(k\) 0 1 2 3
Antall veier 1 3 3 1
\(P(X = k)\) \(\frac{27}{64}\) \(\frac{27}{64}\) \(\frac{9}{64}\) \(\frac{1}{64}\)

Du kaster en mynt fire ganger. Finn sannsynligheten for nøyaktig to kron.

Skriv opp alle veiene med to K og to M. Start med KK.

Veiene er KKMM, KMKM, KMMK, MKKM, MKMK og MMKK, altså \(6\). Hver har sannsynligheten \(\left(\frac{1}{2}\right)^4 = \frac{1}{16}\).

\[ P(X = 2) = 6 \cdot \frac{1}{16} = \frac{6}{16} = 0{,}375 \]

Finn sannsynligheten for at nøyaktig to av fire barn er gutter. Bruk \(p = 0{,}514\).

Antall veier er det samme som i eksempelet over.

Det er \(6\) veier med to gutter og to jenter, og hver har sannsynligheten \(0{,}514^2 \cdot 0{,}486^2\).

\[ P(X = 2) = 6 \cdot 0{,}514^2 \cdot 0{,}486^2 \approx 0{,}374 \]

AdvarselVanlige feil
  • Sjekk alle fire forutsetningene før du bruker binomisk fordeling. Den vanligste feilen er at delforsøkene ikke er uavhengige, eller at \(p\) endrer seg.
  • Husk antall veier. \(p^k (1 - p)^{n - k}\) er sannsynligheten for én vei.
  • Eksponenten til \(1 - p\) er antall fiaskoer, \(n - k\).

Oppgaver

Start på nivå 1. Når du får til de fleste oppgavene på et nivå, går du videre til neste. Utfordringene til slutt er for deg som vil prøve deg på noe vanskeligere.

Nivå 1

Er \(X\) binomisk fordelt?

\(X\) er antall kron på \(20\) myntkast.
\(X\) er antall elever med briller når du trekker \(3\) av de \(25\) elevene i klassen.
\(X\) er antall straffespark en spiller skyter før hun bommer.
\(X\) er antall riktige når du gjetter på \(15\) flervalgsspørsmål med fire alternativer.

Bruk fordelingen for de tre flervalgsspørsmålene. Finn

\(P(X = 3)\),
\(P(X \ge 1)\).
Nivå 2

\(X \sim B(4;\ 0{,}3)\).

Hvor mange veier gir nøyaktig én suksess?
Finn \(P(X = 1)\).

Mia treffer på \(75\ \%\) av straffekastene sine. På slutten av en kamp tar hun \(10\) straffekast. Treneren bruker \(B(10;\ 0{,}75)\) som modell for antall treff. Hvilke forutsetninger kan være brutt? Forklar.

Kodeoppgaver

Oppgaven skal løses uten PC. Bruk kodecellen etter oppgaven til å sjekke svaret ditt etterpå.

Hva blir utskriften? 1 betyr kron og 0 mynt.

antall = 0
for a in [0, 1]:
    for b in [0, 1]:
        for c in [0, 1]:
            if a + b + c == 2:
                antall = antall + 1
print(antall)
Utfordringer

Antall veier for \(n = 1, 2, 3, 4\) er

\[ \begin{array}{c} 1 \quad 1 \\ 1 \quad 2 \quad 1 \\ 1 \quad 3 \quad 3 \quad 1 \\ 1 \quad 4 \quad 6 \quad 4 \quad 1 \end{array} \]

Forklar hvorfor hvert tall er summen av de to tallene over. (Tenk på det siste delforsøket.)
Lag raden for \(n = 5\), og finn \(P(X = 2)\) når \(X \sim B(5;\ 0{,}5)\).

Oppsummering

Forutsetninger

\(n\) bestemt, to utfall, samme \(p\), uavhengige delforsøk.

Notasjon

\[ X \sim B(n, p) \]

Binomisk sannsynlighet

\(P(X = k) = (\text{antall veier}) \cdot p^k (1 - p)^{n - k}\)

  • Alle veier med \(k\) suksesser har samme sannsynlighet.
  • Trekk uten tilbakelegging fra en stor populasjon er nesten binomisk.

6.2.2 Binomisk sannsynlighet

En flervalgsprøve har \(20\) spørsmål med fire alternativer, og du trenger \(10\) riktige for å stå. Hva er sannsynligheten for å stå hvis du gjetter på alt? Nå er det altfor mange veier til å telle dem for hånd. Bare for nøyaktig \(10\) riktige er det \(184\,756\) veier. Vi trenger hjelpemidler: en tabell eller Python.

Læringsmål

Etter dette delkapittelet skal du kunne

  • bruke binomialkoeffisienten \(\binom{n}{k}\) i formelen for \(P(X = k)\),
  • finne binomiske sannsynligheter i tabellen i bilag A,
  • finne binomiske sannsynligheter med Python.

Formelen

Antall veier med \(k\) suksesser i \(n\) forsøk skrives \(\binom{n}{k}\) og leses «\(n\) over \(k\)». Det er tallene i Pascals trekant. For store \(n\) regner vi dem ut med Python, for eksempel math.comb(20, 10), som gir \(184\,756\).

RegelBinomisk fordeling

Hvis \(X \sim B(n, p)\), er

\[ P(X = k) = \binom{n}{k} \cdot p^k \cdot (1 - p)^{n - k} \]

Med glideren kan du se hvordan fordelingen endrer seg med \(p\) når \(n = 20\):

Når \(p\) er liten, ligger fordelingen til venstre og er skjev mot høyre. Når \(p = 0{,}5\), er den symmetrisk.

Tabellen

På eksamen har du ikke Python. Tabellen i bilag A gir de kumulative sannsynlighetene \(P(X \le k)\) for \(n\) opp til \(20\). Andre sannsynligheter finner vi med komplementet og ved å trekke fra:

RegelBruke tabellen for \(P(X \le k)\)
  • \(P(X = k) = P(X \le k) - P(X \le k - 1)\)
  • \(P(X < k) = P(X \le k - 1)\)
  • \(P(X \ge k) = 1 - P(X \le k - 1)\)
  • \(P(X > k) = 1 - P(X \le k)\)
  • \(P(a \le X \le b) = P(X \le b) - P(X \le a - 1)\)

Tegn gjerne en tallinje og marker verdiene som er med. Da ser du hva som skal trekkes fra.

Du gjetter på alle \(20\) spørsmålene. \(X \sim B(20;\ 0{,}25)\). Bruk tabellen og finn

  1. \(P(X \le 3)\),
  2. \(P(X = 5)\),
  3. \(P(X \ge 10)\), sannsynligheten for å stå.

Finn \(n = 20\) i tabellen og kolonnen \(p = 0{,}25\). I c) er komplementet \(X \le 9\).

  1. Tabellen gir \(P(X \le 3) = 0{,}2252\).
  2. \(P(X = 5) = P(X \le 5) - P(X \le 4)\), som er \(0{,}6172 - 0{,}4148 = 0{,}2024\).
  3. \(P(X \ge 10) = 1 - P(X \le 9)\), som er \(1 - 0{,}9861 = 0{,}0139\).

Sjansen for å stå ved å gjette er bare omtrent \(1{,}4\ \%\).

Mia treffer på \(80\ \%\) av straffekastene. Finn sannsynligheten for at hun treffer minst \(8\) av \(10\).

Tabellen går bare til \(p = 0{,}50\). Tell bommene i stedet.

Antall bom er \(Y \sim B(10;\ 0{,}2)\). Minst \(8\) treff betyr høyst \(2\) bom:

\[ P(X \ge 8) = P(Y \le 2) = 0{,}6778 \]

Med Python

SciPy har den binomiske fordelingen. binom.pmf(k, n, p) gir \(P(X = k)\), og binom.cdf(k, n, p) gir \(P(X \le k)\).

Et fly har \(20\) seter, men flyselskapet selger \(22\) billetter fordi noen ikke møter opp. Hver passasjer møter opp med sannsynlighet \(0{,}9\), uavhengig av de andre. Finn sannsynligheten for at flere enn \(20\) møter opp.

\(X \sim B(22;\ 0{,}9)\). Tabellen har ikke \(n = 22\), så bruk Python. \(P(X > 20) = 1 - P(X \le 20)\).

Sannsynligheten er omtrent \(0{,}34\). Én av tre avganger blir altså overbooket. Det er trolig for mye for flyselskapet.

AdvarselVanlige feil
  • Tabellen gir \(P(X \le k)\), ikke \(P(X = k)\).
  • \(P(X \ge k) = 1 - P(X \le k - 1)\), ikke \(1 - P(X \le k)\). Verdien \(k\) skal være med.
  • Når \(p > 0{,}5\), må du telle fiaskoene og bruke \(1 - p\).
  • binom.cdf(k, n, p) har rekkefølgen \(k\), \(n\), \(p\).

Oppgaver

Start på nivå 1. Når du får til de fleste oppgavene på et nivå, går du videre til neste. Utfordringene til slutt er for deg som vil prøve deg på noe vanskeligere.

Nivå 1

\(X \sim B(10;\ 0{,}3)\). Bruk tabellen i bilag A og finn

\(P(X \le 2)\),
\(P(X = 2)\),
\(P(X < 3)\),
\(P(X \ge 4)\).

Du kaster en mynt \(10\) ganger. Bruk tabellen og finn sannsynligheten for minst \(7\) kron.

Nivå 2

Ole treffer på \(70\ \%\) av straffekastene. Han tar \(10\). Bruk tabellen og finn sannsynligheten for at han treffer

minst \(8\),
høyst \(5\).

\(X \sim B(10;\ 0{,}3)\). Emil regner ut \(P(X \ge 3) = 1 - P(X \le 3)\), som gir \(1 - 0{,}6496 = 0{,}3504\). Hva er feil, og hva er riktig svar?

I en kommune blir det født \(10\) barn i løpet av et år. Bruk \(p = 0{,}514\) for gutt.

Hvorfor kan du ikke bruke tabellen direkte?
Finn sannsynligheten for minst \(7\) gutter med Python.
Kodeoppgaver

Oppgaven skal løses uten PC. Bruk kodecellen etter oppgaven til å sjekke svaret ditt etterpå.

Hva blir utskriften?

from math import comb
n = 4
k = 2
p = 0.5
print(comb(n, k))
print(comb(n, k) * p**k * (1 - p)**(n - k))

Skriv det siste tallet i utskriften i svarfeltet.

Utfordringer

En lærer vil lage en flervalgsprøve med \(20\) spørsmål og fire alternativer, slik at sannsynligheten for å stå ved å gjette er under \(5\ \%\). Hva er det laveste antallet riktige hun kan kreve for å stå? Bruk tabellen.

Oppsummering

Binomisk sannsynlighet

\[ P(X = k) = \binom{n}{k} p^k (1 - p)^{n - k} \]

Minst \(k\)

\[ P(X \ge k) = 1 - P(X \le k - 1) \]

Nøyaktig \(k\)

\[ P(X = k) = P(X \le k) - P(X \le k - 1) \]

Python

binom.pmf(k, n, p) og binom.cdf(k, n, p)

  • Tabellen i bilag A gir \(P(X \le k)\).
  • Når \(p > 0{,}5\), tell fiaskoene: \(n - X \sim B(n, 1 - p)\).

6.2.3 Forventning og spredning i binomisk fordeling

Gjetter du på \(20\) spørsmål med fire alternativer, venter du å få omtrent en firedel riktig, altså \(5\). Men du får sjelden nøyaktig \(5\). Hvor mye varierer det? Og hvor mange riktige må du få før det er grunn til å tro at du ikke bare gjettet?

Læringsmål

Etter dette delkapittelet skal du kunne

  • regne ut forventningsverdi og standardavvik i en binomisk fordeling,
  • bruke \(\mu \pm 2\sigma\) til å avgjøre om et resultat er uvanlig,
  • tolke resultatene i en kontekst.

Forventningsverdi og standardavvik

Ett delforsøk gir \(1\) suksess med sannsynlighet \(p\) og \(0\) med sannsynlighet \(1 - p\). Forventningsverdien er \(1 \cdot p + 0 \cdot (1 - p) = p\), og variansen er \((1 - p)^2 p + (0 - p)^2 (1 - p) = p(1 - p)\). Med \(n\) uavhengige delforsøk legger vi sammen \(n\) slike bidrag, og det gjelder både forventningsverdien og variansen.

RegelForventning og standardavvik i binomisk fordeling

Hvis \(X \sim B(n, p)\), er

\[ E(X) = \mu = np \]

\[ \operatorname{Var}(X) = np(1 - p) \qquad \sigma = \sqrt{np(1 - p)} \]

At variansene kan legges sammen for uavhengige forsøk, ser vi nærmere på i kapittel 8.

\(X \sim B(20;\ 0{,}25)\). Finn \(\mu\) og \(\sigma\).

Sett inn i formlene.

\(\mu = 20 \cdot 0{,}25 = 5\) og \(\sigma = \sqrt{20 \cdot 0{,}25 \cdot 0{,}75} = \sqrt{3{,}75} \approx 1{,}94\).

Vanlige og uvanlige verdier

For de fleste binomiske fordelinger havner omtrent \(95\ \%\) av utfallene innenfor to standardavvik fra forventningsverdien. Det gjelder best når fordelingen ikke er for skjev, altså når \(n\) er stor og \(p\) ikke er for nær \(0\) eller \(1\). Vi bruker det som en tommelfingerregel:

RegelTommelfingerregel

Et resultat utenfor intervallet

\[ \mu - 2\sigma \quad \text{til} \quad \mu + 2\sigma \]

er uvanlig. Det skjer i omtrent \(5\ \%\) av tilfellene.

For prøven er intervallet \(5 - 2 \cdot 1{,}94 \approx 1{,}1\) til \(5 + 2 \cdot 1{,}94 \approx 8{,}9\). Vanlige resultater er altså \(2\) til \(8\) riktige, og tabellen gir \(P(2 \le X \le 8) = 0{,}9591 - 0{,}0243 = 0{,}9348\). Får du \(10\) riktige, har du trolig ikke bare gjettet.

I Tromsø ble det født \(854\) barn i 2025, og \(431\) av dem var gutter. Er det uvanlig få gutter? Bruk \(p = 0{,}514\).

Finn \(\mu\) og \(\sigma\) for \(X \sim B(854;\ 0{,}514)\), og se om \(431\) ligger innenfor \(\mu \pm 2\sigma\).

\(\mu = 854 \cdot 0{,}514 \approx 439{,}0\) og \(\sigma = \sqrt{854 \cdot 0{,}514 \cdot 0{,}486} \approx 14{,}6\).

Intervallet er \(439{,}0 - 29{,}2 \approx 410\) til \(439{,}0 + 29{,}2 \approx 468\). \(431\) ligger godt innenfor. Det er ikke uvanlig få gutter. Avviket er \(8\) gutter, omtrent et halvt standardavvik.

Figuren viser alle kommunene med fødsler i 2025. For hver kommune er avviket fra forventningen målt i standardavvik: \(\frac{x - \mu}{\sigma}\). Hold over et punkt for å se kommunen. De stiplede linjene er \(\pm 2\).

Kilde: SSB, tabell 04231. Den vannrette aksen er logaritmisk.

Av de \(356\) kommunene ligger \(15\), altså \(4{,}2\ \%\), utenfor \(\pm 2\) standardavvik. Det er omtrent det vi venter hvis sannsynligheten for gutt er \(0{,}514\) overalt. I motsetning til andelene i 5.1.1 ligger de små kommunene ikke lenger ytterst: Når avviket måles i standardavvik, er variasjonen den samme for store og små kommuner.

AdvarselVanlige feil
  • \(\sigma = \sqrt{np(1 - p)}\). Ikke glem kvadratroten.
  • \(\mu \pm 2\sigma\) er en tommelfingerregel. Den passer dårlig når \(n\) er liten og \(p\) er nær \(0\) eller \(1\).
  • Et uvanlig resultat beviser ikke at modellen er feil. Det skjer i omtrent \(5\ \%\) av tilfellene, også når modellen stemmer.

Oppgaver

Start på nivå 1. Når du får til de fleste oppgavene på et nivå, går du videre til neste. Utfordringene til slutt er for deg som vil prøve deg på noe vanskeligere.

Nivå 1

Finn \(\mu\) og \(\sigma\).

\(X \sim B(100;\ 0{,}2)\). Skriv \(\sigma\) i svarfeltet.
\(X \sim B(50;\ 0{,}5)\). Skriv \(\sigma\) i svarfeltet.

Du kaster en terning \(60\) ganger. \(X\) er antall seksere.

Finn \(\mu\).
Finn \(\sigma\).
Finn intervallet \(\mu \pm 2\sigma\). Skriv den øvre grensen i svarfeltet.
Nivå 2

Du kaster en mynt \(100\) ganger og får \(62\) kron.

Finn \(\mu\) og \(\sigma\) hvis mynten er rettferdig.
Er \(62\) kron uvanlig?
Kan du konkludere med at mynten er jukset?

I Bergen ble det født \(3054\) barn i 2025, og \(1581\) var gutter. Er det uvanlig mange gutter? Bruk \(p = 0{,}514\).

Kodeoppgaver

Oppgaven skal løses uten PC. Bruk kodecellen etter oppgaven til å sjekke svaret ditt etterpå.

Hva blir utskriften?

n = 100
p = 0.5
mu = n * p
sigma = (n * p * (1 - p))**0.5
print(mu - 2 * sigma, mu + 2 * sigma)

Skriv det siste tallet i utskriften i svarfeltet.

Utfordringer

\(n = 100\). For hvilken \(p\) er standardavviket størst? Begrunn med en tabell over \(p(1 - p)\), og forklar resultatet med ord.

Oppsummering

Forventning

\[ E(X) = np \]

Standardavvik

\[ \sigma = \sqrt{np(1 - p)} \]

Vanlige verdier

\[ \mu \pm 2\sigma \]

  • Utenfor \(\mu \pm 2\sigma\) er uvanlig (omtrent \(5\ \%\)), men ikke umulig.
  • Standardavviket er størst når \(p = 0{,}5\).

6.3 Oppgaver

Oppgavene blander stoff fra hele kapittelet.

Kantina har en quiz med \(5\) spørsmål og tre alternativer per spørsmål. Den som har alle riktige, vinner en kantinekupong verdt \(100\) kr. Det koster \(5\) kr å delta. Anta at deltakerne gjetter.

Finn sannsynligheten for å vinne.
Finn forventet nettogevinst for en deltaker.
Hvor mye må kupongen være verdt for at spillet skal være rettferdig?

Bruk SSBs fordeling av husholdninger i 6.1.1. Vi trekker \(10\) tilfeldige husholdninger. \(X\) er antall som består av én person.

Forklar hvorfor \(X\) er (tilnærmet) binomisk fordelt, og finn \(n\) og \(p\).
Finn \(E(X)\) og \(\sigma\).
Finn \(P(X \ge 6)\) med Python.

Bruk kodecellen. Den simulerer \(10\,000\) verdier av \(X \sim B(20;\ 0{,}25)\) og regner ut gjennomsnittet og utvalgsstandardavviket.

Hva forventer du at utskriften blir? Begrunn med formlene.
Kjør koden og sammenlikn.

For hver situasjon: Er \(X\) binomisk fordelt? Hvis ikke, hvilken forutsetning er brutt?

\(X\) er antall regnværsdager i neste uke.
\(X\) er antall elever av \(30\) som har bursdag i januar.
\(X\) er antall røde biler blant de neste \(50\) som kjører forbi skolen.

6.4 Oppsummering

Stokastiske variabler

Sannsynlighetsfordeling

\(P(X = x)\) for hver verdi. Summen er \(1\).

Forventningsverdi

\[ E(X) = \sum x \cdot P(X = x) \]

Varians

\[ \operatorname{Var}(X) = \sum (x - \mu)^2 \cdot P(X = x) \]

Standardavvik

\[ \sigma = \sqrt{\operatorname{Var}(X)} \]

Modell og data

\(\bar{x} \to \mu\), \(s \to \sigma\) og \(\hat{p} \to p\) når \(n\) øker.

  • \(E(X)\) er gjennomsnittet i det lange løp, ikke nødvendigvis en mulig verdi.
  • Standardavviket måler usikkerhet og risiko.

Binomisk fordeling

Forutsetninger

\(n\) bestemt, to utfall, samme \(p\), uavhengige delforsøk.

Binomisk sannsynlighet

\[ P(X = k) = \binom{n}{k} p^k (1 - p)^{n - k} \]

Minst \(k\)

\[ P(X \ge k) = 1 - P(X \le k - 1) \]

Forventning

\[ E(X) = np \]

Standardavvik

\[ \sigma = \sqrt{np(1 - p)} \]

Vanlige verdier

\[ \mu \pm 2\sigma \]

  • Tabellen i bilag A gir \(P(X \le k)\).
  • Når \(p > 0{,}5\), tell fiaskoene: \(n - X \sim B(n, 1 - p)\).