Tag archieven: kansrekenen

Determinant vervolg

Geplaatst op door

Bereken de kans dat de determinant van een 3×3 matrix, met natuurlijke getallen als elementen,  oneven is.

 

  • Gegeven een matrix A=\begin{pmatrix}a&b&c\\d&e&f\\g&h&i\end{pmatrix}.
  • Zijn determinant is

        \[det A =aei+bfg+dhc-gec-dbi-ahf\]

  • Omdat het gaat over even/oneven kunnen we modulo 2 werken. 
  • Determinant oneven betekent dan dat de determinant 1 is en dus dat de matrix inverteerbaar moet zijn.
  • Een matrix is inverteerbaar als de kolommen onafhankelijk zijn. Kies de eerste kolom willekeurig ( mag niet 000 zijn) . Dan heb je hiervoor 7 mogelijkheden.
  • De tweede kolom mag geen veelvoud zijn van de eerste, maw mag er niet aan gelijk zijn. Dus heb je hiervoor nog 6 mogelijkheden.
  • De derde kolom mag niet gelijk zijn aan de eerset of de tweede , maar ook niet gelijk aan de som van die twee ( en natuurlijk ook niet 000). Hiervoor heb je 4 mogelijkheden .
  • Er zijn 7x6x4=168 mogelijkheden om determinant 1 te vinden. Er zijn 2^9=512 mogelijke matrices te vormen met nullen en enen.
  • De kans dat een 3×3 matrix met natuurlijke elementen oneven is , is dus

        \[\frac{168}{512}\]

Determinant

Geplaatst op door

Bereken de kans dat de determinant van een 2×2 matrix, met natuurlijke getallen als elementen,  even is.

 

  • Gegeven een matrix A=\begin{pmatrix}a&b\\c&d\end{pmatrix}.
  • Zijn determinant is

        \[det A =ad-bc\]

  • Een product van twee natuurlijke getallen is oneven als beide getallen oneven zijn, dus de kans dat ad oneven is, is \frac{1}{4}. De kans dat ad even is, wordt dat \frac{3}{4}.
  • Nu is det A even als ad en bc beiden even zijn of beide oneven zijn.
  • De kans dat det A even is , is bijgevolg gelijk aan \frac{1}{4}.\frac{1}{4}+\frac{3}{4}.\frac{3}{4}=\frac{10}{16}=0,625

De Poissonverdeling

Geplaatst op door

In vele praktische voorbeelden hebben we te maken met een zeer groot aantal (n) onafhankelijke uitvoeringen van hetzelfde Bernoulli experiment, waarbij de succeskans (p) zeer klein is en waarbij het gemiddeld aantal successen ( np) ongeveer constant is. In dat geval kunnen de binomiale kansen vervangen worden door volgende functie:

We zeggen dat X een Poissonverdeling heeft met parameter \lambda. De naam is ontleend aan de Franse wiskundige Siméon Poisson(1781-1840).

Er bestaan tabellen voor de Poissonverdeling. Het gemiddelde is E(X)=\lambda.

Een voorbeeld: Op 1 december ga ik voor mijn verjaardag naar een concert en bevind ik me in een zaal met 1000 personen. Noem X het aantal personen in de zaal die op dezelfde dag jarig zijn. Dan is X Poisson verdeeld met n=1000 en p=\frac{1}{365} en dus \lambda= \frac{1000}{365}\approx 2,74

Dan is P(X=0)=0,06; P(X=1)=0,18; P(X=2)=0,24 ; P(X=3)=0,22; P(X=4)=0,15; P(X=5)=0,08

De negatieve binomiale verdeling

Geplaatst op door

Bij herhaalde onafhankelijke uitvoeringen van eenzelfde Bernoulli experiment (met succeskans p), kunnen we ook vragen wanneer we juist r keer succes hebben verkregen. Noteer met X de stochast die het tijdstip weergeeft van de r-de succes.

  • X heeft als waarden r,r+1,r+2,…
  • P(X = k) is de kans dat het r-de succes bereikt wordt bij de k-de beurt. Dit is de kans op r - 1 successen bij de eerste k-1 uitvoeringen vermenigvuldigd met de kans op succes bij de k-de uitvoering. Dus

        \[P(X = k)=\binom{r-1}{k-1}p^{r-1}q^{k-r}.p=\binom{r-1}{k-1}p^rq^{k-r}\]

  • Deze verdeling heet de negatieve binomiale verdeling of Pascal verdeling, met parameters r en p.
  • Voor r=1 krijgen we uiteraard de geometrische verdeling met parameter p.
  • Het gemiddelde van deze verdeling is E(X)=\frac{r}{p}.
  • De berekening van kansen i.v.m. een negatieve binomiale verdeling kan gebeuren met de tabellen van de binomiale verdeling. Noteer met Y de stochast van de binomiale verdeling met parameters k en p, dan geldt

        \[P(X=k)=\frac{r}{k}P(Y=r)\]

Verwachtingswaarde

Geplaatst op door

Hoeveel keer moet je gemiddeld een eerlijk muntstuk opgooien om 5 keer na elkaar kop te krijgen?

Antwoord

  • Noteer met e de gezochte verwachtingswaarde van het aantal keer opgooien. We noteren K voor kop en M voor munt.
  • Stel dat je bij de eerste poging M gooit. Hiervoor heb je \frac{1}{2} kans. Dan heb je nog steeds geen enkele keer K gehad en dus moet je gemiddeld nog e+1 keer opgooien voordat je er bent. Die 1 komt van de poging die je al hebt ondernomen.
  • Heb je eerst K en dan M, en daartoe heb je \frac{1}{4} kans, dan moet je weer van vooraf aan beginnen en heb je gemiddeld e+2 pogingen nodig. De 2 staat er omdat je al 2 keer gegooid hebt( KM) en dan helemaal opnieuw moet beginnen. 
  • Werk zo verder de gevallen KKM ,KKKM,KKKKM en KKKKK af
  • Ga zo verder en dan krijg je volgende vergelijking :
    e=\frac{1}{2}(e+1)+\frac{1}{4}(e+2)+\frac{1}{8}(e+3)+\frac{1}{16}(e+4)+ \frac{1}{32}(e+5)+\frac{1}{32}.5
  • Oplossen van deze vergelijking geeft e=62.