MET 2920

Studieguide

Komplett gjennomgang av pensum med forklaringer, formler, vanlige feil og eksamenstips.

Introduksjon

Statistikk og metode (MET-2920) gir deg verktøyene du trenger for å analysere data og trekke pålitelige konklusjoner i en bedriftsøkonomisk kontekst. Kurset dekker sannsynlighetsregning, sentrale sannsynlighetsfordelinger, estimering med konfidensintervall, hypotesetesting, samt regresjons- og korrelasjonsanalyse. Å beherske disse emnene er avgjørende for å kunne vurdere forskningsresultater kritisk og ta datadrevne beslutninger i næringslivet.

Sannsynlighet

Grunnleggende sannsynlighetsteori med regneregler, betinget sannsynlighet og Bayes' teorem. Fundamentet for all statistisk analyse.

Hva er sannsynlighet?

Sannsynlighet er et mål på hvor trolig det er at en hendelse inntreffer, uttrykt som et tall mellom 0 og 1. En sannsynlighet på 0 betyr at hendelsen er umulig, mens 1 betyr at den er sikker. I statistikk bruker vi sannsynlighet for å modellere usikkerhet og trekke slutninger fra data.

Grunnleggende begreper

Et utfallsrom (S) er mengden av alle mulige utfall i et forsøk. En hendelse er en delmengde av utfallsrommet. For eksempel, ved kast av en terning er utfallsrommet S = {1, 2, 3, 4, 5, 6}, og hendelsen «partall» er {2, 4, 6}.

Vi skiller mellom tre tilnærminger til sannsynlighet:

Klassisk sannsynlighet: Basert på like sannsynlige utfall. P(A) = antall gunstige utfall / totalt antall utfall.
Frekventistisk sannsynlighet: Basert på relativ frekvens ved mange gjentakelser av et forsøk.
Subjektiv sannsynlighet: Basert på skjønn og erfaring, brukes ofte i beslutningsanalyse.

Regneregler for sannsynlighet

Komplementregelen sier at P(A') = 1 − P(A), der A' er komplementet til hendelsen A. Addisjonsregelen for to hendelser er P(A ∪ B) = P(A) + P(B) − P(A ∩ B). Dersom A og B er disjunkte (gjensidig utelukkende), forenkles dette til P(A ∪ B) = P(A) + P(B).

Multiplikasjonsregelen gir P(A ∩ B) = P(A) · P(B|A), der P(B|A) er den betingede sannsynligheten for B gitt A. Dersom A og B er uavhengige, er P(A ∩ B) = P(A) · P(B).

Betinget sannsynlighet og Bayes' teorem

Betinget sannsynlighet uttrykker sannsynligheten for en hendelse gitt at en annen hendelse har inntruffet: P(A|B) = P(A ∩ B) / P(B). Dette er sentralt i mange praktiske situasjoner, for eksempel ved diagnostiske tester eller kvalitetskontroll.

Bayes' teorem lar oss oppdatere sannsynligheter når vi får ny informasjon: P(A|B) = P(B|A) · P(A) / P(B). Teoremet er spesielt nyttig når vi kjenner «den omvendte» betingede sannsynligheten og ønsker å snu betingelsen.

Uavhengighet

To hendelser er uavhengige dersom P(A ∩ B) = P(A) · P(B), altså at informasjon om den ene hendelsen ikke påvirker sannsynligheten for den andre. Uavhengighet er en forutsetning i mange statistiske modeller og bør alltid vurderes kritisk i praksis.

Eksempel: Betinget sannsynlighet med Bayes' teorem

En revisjonsavdeling oppdager svindel i 4 % av alle regnskaper. En automatisk flaggingsalgoritme gir positivt signal for 90 % av svindeltilfellene og for 8 % av de normale regnskapene. Hva er sannsynligheten for at et flagget regnskap faktisk inneholder svindel?

Løsning:

$P(S) = 0{,}04, \quad P(F|S) = 0{,}90, \quad P(F|\bar{S}) = 0{,}08$

$P(F) = P(F|S) \cdot P(S) + P(F|\bar{S}) \cdot P(\bar{S})$

$P(F) = 0{,}90 \cdot 0{,}04 + 0{,}08 \cdot 0{,}96 = 0{,}036 + 0{,}0768 = 0{,}1128$

$\displaystyle P(S|F) = \frac{P(F|S) \cdot P(S)}{P(F)} = \frac{0{,}036}{0{,}1128} \approx 0{,}319$

Bayes' teorem

Sannsynligheten for at et flagget regnskap inneholder svindel er omtrent 31,9 %.

Eksempel: Addisjons- og multiplikasjonsregel

I en portefølje er sannsynligheten for at aksje A stiger 60 %, og sannsynligheten for at aksje B stiger 50 %. Aksje A og B er uavhengige. Hva er sannsynligheten for at minst én av dem stiger?

Løsning:

$P(A) = 0{,}60, \quad P(B) = 0{,}50$

$P(A \cap B) = P(A) \cdot P(B) = 0{,}60 \cdot 0{,}50 = 0{,}30$

Uavhengige hendelser

$P(A \cup B) = P(A) + P(B) - P(A \cap B)$

$P(A \cup B) = 0{,}60 + 0{,}50 - 0{,}30 = 0{,}80$

Sannsynligheten for at minst én aksje stiger er 80 %.

Nøkkelformler

• $P(A') = 1 - P(A)$
• $P(A \cup B) = P(A) + P(B) - P(A \cap B)$
• $P(A \cap B) = P(A) \cdot P(B|A)$
•Bayes: $\displaystyle P(A|B) = \frac{P(B|A) \cdot P(A)}{P(B)}$

Vanlige feil

⚠️Forveksler uavhengighet med disjunkthet — disjunkte hendelser er aldri uavhengige (med mindre en har sannsynlighet 0).
⚠️Glemmer å trekke fra snittet i addisjonsregelen, noe som gir for høy sannsynlighet.
⚠️Blander P(A|B) med P(B|A) — dette er den klassiske feilen som Bayes' teorem korrigerer.

Eksamenstips

💡Tegn alltid et Venn-diagram eller en sannsynlighetstabell for å visualisere problemet før du regner.
💡Sjekk om hendelsene er uavhengige eller disjunkte — dette avgjør hvilken formel du bruker.
💡Ved Bayes-oppgaver: sett opp tydelig hva som er prior, likelihood og evidens.

Laster...

Introduksjon

Sannsynlighet

Grunnleggende sannsynlighetsteori med regneregler, betinget sannsynlighet og Bayes' teorem. Fundamentet for all statistisk analyse.

Hva er sannsynlighet?

Grunnleggende begreper

Vi skiller mellom tre tilnærminger til sannsynlighet:

Klassisk sannsynlighet: Basert på like sannsynlige utfall. P(A) = antall gunstige utfall / totalt antall utfall.
Frekventistisk sannsynlighet: Basert på relativ frekvens ved mange gjentakelser av et forsøk.
Subjektiv sannsynlighet: Basert på skjønn og erfaring, brukes ofte i beslutningsanalyse.

Regneregler for sannsynlighet

Multiplikasjonsregelen gir P(A ∩ B) = P(A) · P(B|A), der P(B|A) er den betingede sannsynligheten for B gitt A. Dersom A og B er uavhengige, er P(A ∩ B) = P(A) · P(B).

Betinget sannsynlighet og Bayes' teorem

Uavhengighet

Eksempel: Betinget sannsynlighet med Bayes' teorem

Løsning:

$P(S) = 0{,}04, \quad P(F|S) = 0{,}90, \quad P(F|\bar{S}) = 0{,}08$

$P(F) = P(F|S) \cdot P(S) + P(F|\bar{S}) \cdot P(\bar{S})$

$P(F) = 0{,}90 \cdot 0{,}04 + 0{,}08 \cdot 0{,}96 = 0{,}036 + 0{,}0768 = 0{,}1128$

$\displaystyle P(S|F) = \frac{P(F|S) \cdot P(S)}{P(F)} = \frac{0{,}036}{0{,}1128} \approx 0{,}319$

Bayes' teorem

Sannsynligheten for at et flagget regnskap inneholder svindel er omtrent 31,9 %.

Eksempel: Addisjons- og multiplikasjonsregel

I en portefølje er sannsynligheten for at aksje A stiger 60 %, og sannsynligheten for at aksje B stiger 50 %. Aksje A og B er uavhengige. Hva er sannsynligheten for at minst én av dem stiger?

Løsning:

$P(A) = 0{,}60, \quad P(B) = 0{,}50$

$P(A \cap B) = P(A) \cdot P(B) = 0{,}60 \cdot 0{,}50 = 0{,}30$

Uavhengige hendelser

$P(A \cup B) = P(A) + P(B) - P(A \cap B)$

$P(A \cup B) = 0{,}60 + 0{,}50 - 0{,}30 = 0{,}80$

Sannsynligheten for at minst én aksje stiger er 80 %.

Nøkkelformler

• $P(A') = 1 - P(A)$
• $P(A \cup B) = P(A) + P(B) - P(A \cap B)$
• $P(A \cap B) = P(A) \cdot P(B|A)$
•Bayes: $\displaystyle P(A|B) = \frac{P(B|A) \cdot P(A)}{P(B)}$

Vanlige feil

⚠️Forveksler uavhengighet med disjunkthet — disjunkte hendelser er aldri uavhengige (med mindre en har sannsynlighet 0).
⚠️Glemmer å trekke fra snittet i addisjonsregelen, noe som gir for høy sannsynlighet.
⚠️Blander P(A|B) med P(B|A) — dette er den klassiske feilen som Bayes' teorem korrigerer.

Eksamenstips

💡Tegn alltid et Venn-diagram eller en sannsynlighetstabell for å visualisere problemet før du regner.
💡Sjekk om hendelsene er uavhengige eller disjunkte — dette avgjør hvilken formel du bruker.
💡Ved Bayes-oppgaver: sett opp tydelig hva som er prior, likelihood og evidens.