Tapahtumien riippuvuus

Tapahtumien riippuvuus [1] on todennäköisyyslaskennassa peruskäsite, jossa saman satunnaisilmiön perusjoukossa Ω {\displaystyle \Omega } kahden tapahtuman todennäköisyydet riippuvat toisistaan. Näiden todennäköisyydet tulee määrittää käyttäen ehdollista todennäköisyyttä. Mikäli tapahtumien todennäköisyydeksi tulee sama tulos kuin ilman ehdollista todennäköisyyttä, ovat tapahtumat riippumattomia. Riippumattomuutta voidaan merkitä käyttämällä merkkiä . {\displaystyle \perp .} [2][1][3]

Riippuvuus

Riippuvien tapahtumien todennäköisyyksiin käytetään ehdollista todennäköisyyden käsitettä. Riippuvuuden määrä on usein tuntematon, joten se huomioidaan laskemalla erikseen riippuvien tapahtumien todennäköisyydet, jolloin yhteisestä todennäköisyydestä tulee

P ( A  ja  B ) = P ( A B ) = P ( A ) P ( B | A ) = P ( A | B ) P ( B ) . {\displaystyle P(A{\text{ ja }}B)=P(A\cap B)=P(A)\cdot P(B|A)=P(A|B)\cdot P(B).} (riippuvien tapahtumien kertolaskusääntö)

Kaksi jälkimmäistä laskutapaa voidaan käyttää toistensa vaihtoehtoina.[2][3]

Usean riippuvan tapahtuman todennäköisyys

Kun tarkastellaan kolmea tapahtumaa, jotka riippuvat toisistaan, voidaan laskea yhteinen todennäköisyys

P ( A B C ) = P ( A ) P ( B | A ) P ( C | A B ) , {\displaystyle P(A\cap B\cap C)=P(A)\cdot P(B|A)\cdot P(C|A\cap B),}

mikäli molemmat ehdolliset todennäköisyydet ovat olemassa. Useammassa tapahtumassa ehdollisia todennäköisyyksiä tulee huomioida enemmän. Jos tapahtumat ovat A 1 , A 2 , . . . , A n {\displaystyle A_{1},A_{2},...,A_{n}} , saadaan

P ( A 1 A 2 . . . A n ) = P ( A 1 ) P ( A 2 | A 1 ) P ( A n | A 1 . . . A n 1 ) . {\displaystyle P(A_{1}\cap A_{2}\cap ...\cap A_{n})=P(A_{1})\cdot P(A_{2}|A_{1})\cdot \cdot \cdot P(A_{n}|A_{1}\cap ...\cap A_{n-1}).} [4]

Riippumattomuus

Määritelmä: kaksi riippumatonta tapahtumaa

Kaksi tapahtumaa A {\displaystyle A} ja B {\displaystyle B} ovat riippumattomia eli A B {\displaystyle A\perp B} , jos ja vain jos ne toteuttavat todennäköisyyden kertolaskusäännön

P ( A  ja  B ) = P ( A B ) = P ( A ) P ( B ) . {\displaystyle P(A{\text{ ja }}B)=P(A\cap B)=P(A)\cdot P(B).} [2] (riippumattomien tapahtumien kertolaskusääntö)

Riippumattomassa tapauksessa ehdolliset todennäköisyydet ovat samat kuin yksittäiset todennäköisyydet (vertaa riippuvat tapaukset) eli [2][3]

P ( A | B ) = P ( A ) {\displaystyle P(A|B)=P(A)}

ja

P ( B | A ) = P ( B ) . {\displaystyle P(B|A)=P(B).}

Vastatapahtumien riippumattomuus

Jos tapahtumat A {\displaystyle A} ja B {\displaystyle B} ovat riippumattomia, niin silloin ovat myös A ¯ B {\displaystyle {\bar {A}}\perp B} , A B ¯ {\displaystyle A\perp {\bar {B}}} sekä A ¯ B ¯ {\displaystyle {\bar {A}}\perp {\bar {B}}} riippumattomia, missä viivalla merkityt ovat tapahtumien vastatapahtumat.[1]

Kolmen tapahtuman riippumattomuus

Tapahtumat A {\displaystyle A} , B {\displaystyle B} ja C {\displaystyle C} voivat olla pareittain riippumattomat. Tämä ei tee kaikkia kolmea tapahtumaa keskenään riippumattomiksi, vaan myös kolmen tapauksen todennäköisyyksien tulo on oltava tapahtumista riippumaton. Kolmen tapahtuman riippumattomuuteen vaaditaankin neljä ehtoa: [1][5]

A B P ( A B ) = P ( A ) P ( B ) {\displaystyle A\perp B\Leftrightarrow P(A\cap B)=P(A)P(B)}
A C P ( A C ) = P ( A ) P ( C ) {\displaystyle A\perp C\Leftrightarrow P(A\cap C)=P(A)P(C)}
B C P ( B C ) = P ( B ) P ( C ) {\displaystyle B\perp C\Leftrightarrow P(B\cap C)=P(B)P(C)}
P ( A B C ) = P ( A ) P ( B ) P ( C ) {\displaystyle P(A\cap B\cap C)=P(A)P(B)P(C)}

Riippumattomuus toteutuu vastavasti useammalle tapahtumalle.

Usean riippumattoman tapahtuman todennäköisyys

Kolmen riippumattoman tapahtuman yhteinen todennäköisyys on

P ( A B C ) = P ( A ) P ( B ) P ( C ) , {\displaystyle P(A\cap B\cap C)=P(A)\cdot P(B)\cdot P(C),}

ja usean riippumattomien tapahtumien A 1 , A 2 , . . . , A n {\displaystyle A_{1},A_{2},...,A_{n}} yhteinen todennäköisyys on

P ( A 1 A 2 . . . A n ) = P ( A 1 ) P ( A 2 ) P ( A n ) . {\displaystyle P(A_{1}\cap A_{2}\cap ...\cap A_{n})=P(A_{1})\cdot P(A_{2})\cdot \cdot \cdot P(A_{n}).} [4]

Lähteet

  1. a b c d Ruskeapää, Heikki: Todennäköisyyslaskenta I(luentomoniste), Turun Yliopisto, 2012
  2. a b c d Alatupa, Sami et al.: Pitkä Sigma 6, s. 119−128. (lukion pitkän matematiikan oppikirja). Helsinki: Otava, 2010. ISBN 978-951-31-5343-4.
  3. a b c Kivelä, Simo K.: Tapahtumien riippumattomuus, M niin kuin matematiikka, 10.8.2000
  4. a b Emet, Stefan: Johdatus todennäköisyyslaskentaan ja tilastotieteeseen, Matematiikan ja tilastotieteen laitos, Turun Yliopisto, 2014
  5. George, Glyn: Testing for the independence of three events, s. 85−86, The Mathimatical Gazette