Sandsynlighedsregning — grundregler

Matematik A · STX · A-niveau · Statistik og sandsynlighed

🧮 Sandsynlighedsregning — grundregler

Sandsynlighedsregning beskriver tilfældige hændelser med matematisk præcision. Det er fundamentet for statistik, forsikring, kvantefysik, kunstig intelligens og enhver moderne videnskabelig analyse af usikkerhed.

Grundbegreber

Sandsynlighedsfelt: (Ω, P) hvor:

• Ω (omega) = udfaldsrum — alle mulige udfald
• P = sandsynlighedsfunktion P: 2^Ω → [0,1]

Kolmogorovs aksiomer (1933)

Den russiske matematiker Andrey Kolmogorov formulerede de 3 fundamentale aksiomer:

1. P(A) ≥ 0 for alle hændelser A (sandsynligheder er ikke-negative)

2. P(Ω) = 1 (sandsynligheden for "noget sker" er 1)

3. σ-additivitet: P(∪Aᵢ) = ΣP(Aᵢ) for disjunkte hændelser

Alle andre regler kan udledes fra disse 3 aksiomer.

Grundregler

| Regel | Formel |

|---|---|

| Komplement | P(A^c) = 1 − P(A) |

| Tom mængde | P(∅) = 0 |

| Foreningsregel | P(A∪B) = P(A) + P(B) − P(A∩B) |

| Disjunkte hændelser | P(A∪B) = P(A) + P(B) hvis A∩B = ∅ |

Betinget sandsynlighed

Sandsynligheden for A givet at B er sket:

$$P(A|B) = \frac{P(A \cap B)}{P(B)}$$

Fx: Hvad er sandsynligheden for at trække et es givet at kortet er rødt?

• P(es|rød) = P(rød es)/P(rød) = (2/52)/(26/52) = 2/26 = 1/13

Multiplikationsregel

Kombiner betinget og almindelig sandsynlighed:

$$P(A \cap B) = P(B) \cdot P(A|B)$$

Uafhængighed

To hændelser er uafhængige hvis:

$$P(A \cap B) = P(A) \cdot P(B)$$

Eller ækvivalent: P(A|B) = P(A) (B påvirker ikke A).

Eksempler på uafhængighed:

• 2 møntkast (hver er ny)
• 2 terningekast
• Lotteriet hver uge

IKKE uafhængige:

• 2 kort uden tilbagelægning
• Vejret i dag og i morgen
• Børns højde og forældres højde

Bayes formel

Den mest berømte formel i sandsynlighedsregning:

$$P(A|B) = \frac{P(B|A) \cdot P(A)}{P(B)}$$

Den "vender" en betinget sandsynlighed. Vigtig i:

• Medicinsk diagnostik
• Forensik
• Maskinlæring (Naive Bayes klassifikator)
• Spam-filtre

Total sandsynlighed (loven om alle muligheder)

Hvis B₁, B₂, ..., Bₙ er en partition af Ω (dækker alt, ikke-overlappende):

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

Det er fundamentet for Bayes formel.

Klassiske paradokser

#### Monty Hall-problemet

3 døre, én har en bil, to har geder:

1. Du vælger en dør

2. Værten åbner en anden dør (med ged)

3. Skal du skifte eller blive?

Intuition siger 50/50 — men matematikken viser:

• Blive: 1/3 chance
• Skifte: 2/3 chance

Altid skift! Det er kontraintuitivt men korrekt.

#### Fødselsdagsparadokset

Hvor mange personer skal der til, før der er 50% chance for, at mindst to deler fødselsdag?

Svar: kun 23 personer!

• Med 23 personer: 50,7%
• Med 50 personer: 97%
• Med 70 personer: 99,9%

Intuition siger måske 183 (halvdelen af 365) — men det er kun for én specifik dato.

#### Falske positive i medicintests

En test for en sjælden sygdom er 99% præcis. Du tester positiv. Hvad er sandsynligheden for at du har sygdommen?

Hvis sygdommen rammer 1 ud af 10.000:

• Sand positiv: 0,99/10.000 ≈ 0,0001
• Falsk positiv: 0,01 × 9.999/10.000 ≈ 0,01
• Posttest-sandsynlighed: 0,0001/(0,0001+0,01) ≈ 1%!

Tilsyneladende paradoks: Selv en præcis test giver mest falske positive for sjældne sygdomme. Det er Bayes i praksis.

Anvendelser

• Forsikring: hvor sandsynligt er ulykke?
• Finans: porteføljerisiko, Value-at-Risk
• Medicin: diagnostik, behandlingseffekt
• Kvalitetskontrol: hvor mange defekte enheder?
• AI og ML: Bayesian neuralt netværk
• Kryptografi: tilfældige nøgler

Vidste du at...

🎲 Pierre-Simon Laplace (1812) sagde: "Sandsynlighedsregning er essentielt sund fornuft reduceret til regning."

🧠 Mennesker er dårlige til intuitiv sandsynlighed — vi bliver narret af Monty Hall, base rate-fejlen og bekræftelses-bias.

📊 Statistik og sandsynlighedsregning er nu fundament for Big Data, AI og maskinlæring — verdens vigtigste teknologier i 2020erne.

Læringsmål

• Anvende Kolmogorovs grundregler (komplement, foreningsregel, disjunkte hændelser)
• Beregne betinget sandsynlighed P(A|B) og afgøre uafhængighed
• Anvende multiplikationsreglen P(A∩B) = P(B)·P(A|B)
• Anvende Bayes formel til at "vende" en betinget sandsynlighed
• Forklare og løse klassiske paradokser (Monty Hall, fødselsdagsproblemet, falske positive)

Sådan kan du arbejde med emnet

• Beregn sandsynligheden for at trække et es eller en konge fra et almindeligt spil kort
• Forklar additionssætningen og multiplikationssætningen for sandsynligheder med egne eksempler
• Beregn sandsynligheden for, at to uafhængige hændelser begge indtræffer

Træningsforslag

• Beregn P(es | rødt kort) ved et almindeligt kortspil og forklar betinget sandsynlighed.
• Løs Monty Hall-problemet ved at opstille alle udfald i et træ-diagram.
• En sygdom rammer 1 ud af 10.000, og en test er 99% præcis. Brug Bayes til at finde P(syg | positiv test).
• Diskutér hvorfor mennesker er dårlige til intuitiv sandsynlighed — giv egne eksempler fra hverdagen.

Brobygning

Grundreglerne for sandsynlighed er forudsætningen for kombinatorik, binomialfordeling og hypoteseprøvning — og bruges direkte i AI/maskinlæring (Bayesianske modeller).