Föreläsning 6, Matematisk statistik Π + E

Storlek: px
Starta visningen från sidan:

Download "Föreläsning 6, Matematisk statistik Π + E"

Transkript

1 Repetition Kovarians Stora talens lag Gauss Föreläsning 6, Matematisk statistik Π + E Sören Vang Andersen 2 december 2014 Sören Vang Andersen - FMS012 F6 1/20

2 Repetition Kovarians Stora talens lag Gauss sum/max/min Väntevärde Varians Summa av två oberoende, Z = X + Y p Z (k) = k p X (i) p Y (j) = p X (i)p Y (k i) f Z (z) = i+j=k i=0 f X (x)f Y (z x) dx Maximum/Minimum av fler oberoende n Z = max(x 1,..., X n ) F Z (z) = F Xi (z) Z = min(x 1,..., X n ) F Z (z) = 1 n [1 F Xi (z)] Sören Vang Andersen - FMS012 F6 2/20

3 Repetition Kovarians Stora talens lag Gauss sum/max/min Väntevärde Varians Väntevärde Väntevärdet anger tyngdpunkten för fördelningen och kan ofta tolkas som det värde man får i medeltal i långa loppet. { E(X) = xf X(x) dx Kont. k kp X(k) Diskr. Det betingade väntevärdet för X givet att Y = y blir (inget nytt) E(X Y = y) = Observera att xf X Y (x y) dx E(X Y = y) är en funktion av y E(X Y) är samma funktion av Y Sören Vang Andersen - FMS012 F6 3/20

4 Repetition Kovarians Stora talens lag Gauss sum/max/min Väntevärde Varians Satsen om total sannolikhet för väntevärde E(E(X Y)) = E(X), dvs E(X Y = y)f Y (y) dy E(X) = E(X Y = y) py (k) Sören Vang Andersen - FMS012 F6 4/20

5 Repetition Kovarians Stora talens lag Gauss sum/max/min Väntevärde Varians Varians Variansen anger hur utspridd X är kring sitt väntevärde. [ ] } 2 V(X) = E{ X E(X) = E(X 2 ) E(X) 2 Variansen är alltid positiv. Standardavvikelse, D(X), σ, σ X D(X) = V(X) Sören Vang Andersen - FMS012 F6 5/20

6 Repetition Kovarians Stora talens lag Gauss Linjärkombination Oberoende Exempel Beroendemått Kovarians, C(X, Y) C(X, Y) = E{[X E(X)][Y E(Y)]} = E(XY) E(X)E(Y) Kovariansen anger hur mycket linjärt beroende som finns mellan X och Y. Ur definitionen fås C(X, X) = V(X) X och Y oberoende = C(X, Y) = 0 Obs. C(X, Y) = 0 X och Y oberoende Korrellationskoefficient, ρ, ρ X,Y 1 ρ X,Y 1 ρ X,Y = C(X, Y) D(X)D(Y) Sören Vang Andersen - FMS012 F6 6/20

7 Repetition Kovarians Stora talens lag Gauss Linjärkombination Oberoende Exempel Korrellation Sören Vang Andersen - FMS012 F6 7/20

8 Repetition Kovarians Stora talens lag Gauss Linjärkombination Oberoende Exempel Sören Vang Andersen - FMS012 F6 8/20

9 Repetition Kovarians Stora talens lag Gauss Linjärkombination Oberoende Exempel Linjärkombination E(aX + b) = ae(x) + b V(aX + b) = a 2 V(X) D(aX + b) = a D(X) ( ) E a i X i = a i E(X i ) V ( ) a i X i = a 2 i V(X i ) + 2 a i a j C(X i, X j ) i<j }{{} =0 om oberoende Sören Vang Andersen - FMS012 F6 9/20

10 Repetition Kovarians Stora talens lag Gauss Linjärkombination Oberoende Exempel Kovariansen är bilinjär dvs linjär i båda argumenten C a j X j, b k Y k = j k j a j b k C(X j, Y k ) k Exempel: 1. Räkna ut C(X 1 + 2X 2, 3Y 1 4Y 2 ) C(X 1 + 2X 2, 3Y 1 4Y 2 ) =1 3C(X 1, Y 1 ) 1 4C(X 1, Y 2 ) C(X 2, Y 1 ) 2 4C(X 2, Y 2 ) 2. Y = 2X 1 X 2. Uttryck V(Y) i V(X 1 ), V(X 2 ) och C(X 1, X 2 ). V(Y) =C(Y, Y) = C(2X 1 X 2, 2X 1 X 2 ) = =4C(X 1, X 1 ) 2C(X 1, X 2 ) 2C(X 2, X 1 ) + C(X 2, X 2 ) = =4V(X 1 ) 4C(X 1, X 2 ) + V(X 2 ) Sören Vang Andersen - FMS012 F6 10/20

11 Repetition Kovarians Stora talens lag Gauss Linjärkombination Oberoende Exempel Specialfall av oberoende och likafördelade s.v. Låt E(X i ) = μ, V(X i ) = σ 2 Summa: Y = n X i ( ) E(Y) = E X i = E(X i ) = ( ) V(Y) = V X i = Medelvärde: X n = 1 n E(X n ) = V(X n ) = X i μ = nμ 1 2 V(X i ) = 1 n E(X i) = 1 n σ 2 = nσ 2 μ = 1 n nμ = μ 1 n 2 V(X i) = 1 n 2 σ 2 = 1 n 2 nσ2 = σ2 n Sören Vang Andersen - FMS012 F6 11/20

12 Repetition Kovarians Stora talens lag Gauss Linjärkombination Oberoende Exempel Exempel: Brädor Kapa brädor med längder X i. E(X i ) = 1 m och V(X i ) = 0.1 m 2. Bestäm E(Y) och V(Y) om Y ges av a) Sammanlagda längden av 10 oberoende stycken. b) Sammanlagda längden om vi tar en bräda, och kapar nio till exakt lika långa. Lösning: a) Y = 10 X i E(Y) = 10 1 = 10 m V(Y) = 10 V(X i ) = 1 m 2 b) Y = 10X 1 E(Y) = E(10X 1 ) = 10E(X 1 ) = 10 m V(Y) = V(10X 1 ) = 10 2 V(X 1 ) = 10 m 2 Sören Vang Andersen - FMS012 F6 12/20

13 Repetition Kovarians Stora talens lag Gauss Tio oberoende realiseringar för succesiva medelvärden av standard exponential fördelning Vi har här E(X) = 1. 4 Succesiva medelvärden standard exponentialfördelning n Sören Vang Andersen - FMS012 F6 13/20

14 Repetition Kovarians Stora talens lag Gauss Stora talens lag Om X 1, X 2,..., X n är oberoende och likafördelade med E(X i ) = μ så gäller P( X n μ > ε) 0, n för alla ε > 0. Det vill säga medelvärdet konvergerar i sannolikhet mot väntevärdet då n växer mot oändligheten! Sören Vang Andersen - FMS012 F6 14/20

15 Repetition Kovarians Stora talens lag Gauss Exempel n variabler Exempel Linjärisering av g(x) kring punkten μ = E(X) g(x) g(µ) + g (µ)(x µ) g(µ) g(x) µ Sören Vang Andersen - FMS012 F6 15/20

16 Repetition Kovarians Stora talens lag Gauss Exempel n variabler Exempel Gauss approximationsformler i en variabel Y = g(x). Taylorutveckla funktionen g kring μ = E(X) g(x) g(μ) + (X μ)g (μ) = E(Y) g(e(x)) V(Y) g [E(X)] 2 V(X) Sören Vang Andersen - FMS012 F6 16/20

17 Repetition Kovarians Stora talens lag Gauss Exempel n variabler Exempel Exempel Låt E(X) = μ och V(X) = σ 2. a) Bestäm approximativt väntevärde och varians för Y = g(x) = πx 2. E(Y) g(e(x)) = πμ 2 V(Y) [g (E(X))] 2 V(X) = [g (X) = 2πX] = (2πμ) 2 σ 2 b) Bestäm väntevärdet för Y utan approximation. Eftersom V(X) = E(X 2 ) E(X) 2 fås E(X 2 ) = V(X) + E(X) 2 och det sökta väntevärdet blir E(Y) = E(πX 2 ) = πe(x 2 ) = π(v(x) + E(X) 2 ) = πσ 2 + πμ 2 Vi ser att approximationen av väntevärdet alltid är för liten men stämmer bra om σ är liten i förhållande till μ. Sören Vang Andersen - FMS012 F6 17/20

18 Repetition Kovarians Stora talens lag Gauss Exempel n variabler Exempel Gauss approximationsformler i n variabler För en funktion av n variabler fås på samma sätt Y = g(x 1,..., X n ) E(Y) g(e(x 1 ),..., E(X n )) V(Y) c 2 i V(X i ) + 2 c i c j C(X i, X j ) i<j där c i = g x i (E(X 1 ),..., E(X n )) Sören Vang Andersen - FMS012 F6 18/20

19 Repetition Kovarians Stora talens lag Gauss Exempel n variabler Exempel Gaussaproximation för två variabler För en funktion av två variabler g(x, Y) blir Gauss approximationsformler (med E(X) = μ X, E(Y) = μ Y ) E ( g(x, Y) ) g(μ X, μ y ) V ( g(x, Y) ) [ g X(μ X, μ Y ) ] 2 V(X) + [ g Y (μ X, μ Y ) ] 2 V(Y) + 2 [ g X(μ X, μ Y ) ][ g Y(μ X, μ Y ) ] C(X, Y) där sista termen är noll då X och Y är oberoende. g X och g Y är partiell derivata map X resp. Y. Jämför detta med det generella uttrycket för en funktion av n variabler. Sören Vang Andersen - FMS012 F6 19/20

20 Repetition Kovarians Stora talens lag Gauss Exempel n variabler Exempel Exempel Bestäm approximativa värden på variansen för X Y och X/Y om X och Y är oberoende av varandra. Uttryck svaren i μ X, μ Y, V(X) och V(Y). 1. g(x, Y) = X Y. g X (X, Y) = Y och g Y (X, Y) = X. V(X Y) [ g X(μ X, μ Y ) ] 2 V(X) + [ g Y (μ X, μ Y ) ] 2 V(Y) = = μ 2 YV(X) + μ 2 XV(Y) 2. Antag Y > c > 0 och g(x, Y) = X Y. g X (X, Y) = 1 Y och g Y (X, Y) = X Y 2. V ( ) X 1 Y μ 2 V(X) + μ2 X Y μ 4 V(Y) Y Sören Vang Andersen - FMS012 F6 20/20

Väntevärde och varians

Väntevärde och varians TNG6 F5 19-4-216 Väntevärde och varians Exempel 5.1. En grupp teknologer vid ITN slår sig ihop för att starta ett företag som utvecklar datorspel. Man vet att det är 8% chans för ett felfritt spel som

Läs mer

SF1901: Sannolikhetslära och statistik

SF1901: Sannolikhetslära och statistik SF1901: Sannolikhetslära och statistik Föreläsning 6. Kovarians, korrelation, väntevärde och varians för summor av s.v.:er, De stora talens lag Jan Grandell & Timo Koski 04.02.2016 Jan Grandell & Timo

Läs mer

Matematisk statistik för B, K, N, BME och Kemister

Matematisk statistik för B, K, N, BME och Kemister Matematisk statistik för B, K, N, BME och Kemister Föreläsning 5 Johan Lindström 12 september 216 Johan Lindström - johanl@maths.lth.se FMS86/MASB2 F5 1/23 Repetition Gauss approximation Delta metoden

Läs mer

Stokastiska vektorer

Stokastiska vektorer TNG006 F2 9-05-206 Stokastiska vektorer 2 Kovarians och korrelation Definition 2 Antag att de sv X och Y har väntevärde och standardavvikelse µ X och σ X resp µ Y och σ Y Då kallas för kovariansen mellan

Läs mer

SF1901: Sannolikhetslära och statistik. Väntevärde; Väntevärde för funktioner av s.v:er; Varians; Tjebysjovs olikhet. Jan Grandell & Timo Koski

SF1901: Sannolikhetslära och statistik. Väntevärde; Väntevärde för funktioner av s.v:er; Varians; Tjebysjovs olikhet. Jan Grandell & Timo Koski SF1901: Sannolikhetslära och statistik Föreläsning 5. Väntevärde; Väntevärde för funktioner av s.v:er; Varians; Tjebysjovs olikhet. Jan Grandell & Timo Koski 28.01.2015 Jan Grandell & Timo Koski () Matematisk

Läs mer

(x) = F X. och kvantiler

(x) = F X. och kvantiler Föreläsning 5: Matstat AK för M, HT-8 MATEMATISK STATISTIK AK FÖR M HT-8 FÖRELÄSNING 5: KAPITEL 6: NORMALFÖRDELNINGEN EXEMPEL FORTKÖRARE Man har mätt hastigheten på 8 bilar som passerade en korsning i

Läs mer

SF1911: Statistik för bioteknik

SF1911: Statistik för bioteknik SF1911: Statistik för bioteknik Föreläsning 6. TK 14.11.2016 TK Matematisk statistik 14.11.2016 1 / 38 Lärandemål Stokastiska modeller för kontinuerliga datatyper Fördelningsfunktion (cdf) Sannolikhetstäthetsfunktion

Läs mer

Matematisk statistik för B, K, N, BME och Kemister

Matematisk statistik för B, K, N, BME och Kemister Matematisk statistik för B, K, N, BME och Kemister Johan Lindström Repetition Johan Lindström - johanl@maths.lth.se FMS86/MASB2 1/44 Begrepp S.V. Fördelning Väntevärde Gauss CGS Grundläggande begrepp (Kap.

Läs mer

Föreläsning 1. Repetition av sannolikhetsteori. Patrik Zetterberg. 6 december 2012

Föreläsning 1. Repetition av sannolikhetsteori. Patrik Zetterberg. 6 december 2012 Föreläsning 1 Repetition av sannolikhetsteori Patrik Zetterberg 6 december 2012 1 / 28 Viktiga statistiska begrepp För att kunna förstå mer avancerade koncept under kursens gång är det viktigt att vi förstår

Läs mer

Föreläsning 5. Funktioner av slumpvariabler. Ett centralt resultat.

Föreläsning 5. Funktioner av slumpvariabler. Ett centralt resultat. Föreläsning 5. Funktioner av slumpvariabler. Ett centralt resultat. Jesper Rydén Matematiska institutionen, Uppsala universitet jesper.ryden@math.uu.se 1MS008, 1MS777 vt 2016 Ytterligare begrepp Viktiga

Läs mer

Bengt Ringnér. October 30, 2006

Bengt Ringnér. October 30, 2006 Väntevärden Bengt Ringnér October 0, 2006 1 Inledning 2 Väntevärden Låt X vara en stokastisk variabel som representerar ett slumpmässigt försök, t ex att mäta en viss storhet. Antag att man kan göra, eller

Läs mer

Föreläsningsmanus i matematisk statistik för lantmätare, vecka 5 HT06

Föreläsningsmanus i matematisk statistik för lantmätare, vecka 5 HT06 Föreläsningsmanus i matematisk statistik för lantmätare, vecka 5 HT06 Bengt Ringnér September 20, 2006 Inledning Detta är preliminärt undervisningsmaterial. Synpunkter är välkomna. 2 Väntevärde standardavvikelse

Läs mer

Matematisk statistik KTH. Formel- och tabellsamling i matematisk statistik

Matematisk statistik KTH. Formel- och tabellsamling i matematisk statistik Matematisk statistik KTH Formel- och tabellsamling i matematisk statistik Varterminen 2005 . Kombinatorik n = k n! k!n k!. Tolkning: n k mängd med n element. 2. Stokastiska variabler V X = EX 2 EX 2 =

Läs mer

Kovarians och kriging

Kovarians och kriging Kovarians och kriging Bengt Ringnér November 2, 2007 Inledning Detta är föreläsningsmanus på lantmätarprogrammet vid LTH. 2 Kovarianser Sedan tidigare har vi, för oberoende X och Y, att VX + Y ) = VX)

Läs mer

TMS136. Föreläsning 5

TMS136. Föreläsning 5 TMS136 Föreläsning 5 Två eller flera stokastiska variabler I många situationer är det av intresse att betrakta fler än en s.v. åt gången Speciellt gör man det i statistik där man nästan alltid jobbar med

Läs mer

Formel- och tabellsamling i matematisk statistik

Formel- och tabellsamling i matematisk statistik Formel- och tabellsamling i matematisk statistik 1. Sannolikhetsteori för lärarprogrammet Sannolikhetsformler P (A ) = 1 P (A) P (A B) = P (A) + P (B) P (A B) P (A B) = P (A B) P (B) P (A B) = P (A B)P

Läs mer

SF1901: SANNOLIKHETSTEORI OCH KONTINUERLIGA STOKASTISKA VARIABLER STATISTIK. Tatjana Pavlenko. 7 september 2016

SF1901: SANNOLIKHETSTEORI OCH KONTINUERLIGA STOKASTISKA VARIABLER STATISTIK. Tatjana Pavlenko. 7 september 2016 SF1901: SANNOLIKHETSTEORI OCH STATISTIK FÖRELÄSNING 4 KONTINUERLIGA STOKASTISKA VARIABLER Tatjana Pavlenko 7 september 2016 PLAN FÖR DAGENS FÖRELÄSNING Repetition av diskreta stokastiska variabler. Väntevärde

Läs mer

0 om x < 0, F X (x) = x. 3 om 0 x 1, 1 om x > 1.

0 om x < 0, F X (x) = x. 3 om 0 x 1, 1 om x > 1. Avd. Matematisk statistik TENTAMEN I SF9, SF95 SANNOLIKHETSTEORI OCH STATISTIK, MÅNDAGEN DEN 2:E JANUARI 25 KL 4. 9.. Kursledare: Gunnar Englund, 73 32 37 45 Tillåtna hjälpmedel: Formel- och tabellsamling

Läs mer

LINKÖPINGS UNIVERSITET EXAM TAMS 79 / TEN 1

LINKÖPINGS UNIVERSITET EXAM TAMS 79 / TEN 1 LINKÖPINGS UNIVERSITET Matematiska institutionen EXAM TAMS 79 / TEN 1 augusti 14, klockan 8.00-12.00 Examinator: Jörg-Uwe Löbus Tel: 28-1474) Tillåtna hjälpmedel är en räknare, formelsamling i matematisk

Läs mer

MS-A0509 Grundkurs i sannolikhetskalkyl och statistik Sammanfattning, del I

MS-A0509 Grundkurs i sannolikhetskalkyl och statistik Sammanfattning, del I MS-A0509 Grundkurs i sannolikhetskalkyl och statistik Sammanfattning, del I G. Gripenberg Aalto-universitetet 28 januari 2014 G. Gripenberg (Aalto-universitetet) MS-A0509 Grundkurs i sannolikhetskalkyl

Läs mer

MS-A0509 Grundkurs i sannolikhetskalkyl och statistik Sammanfattning, del I

MS-A0509 Grundkurs i sannolikhetskalkyl och statistik Sammanfattning, del I MS-A0509 Grundkurs i sannolikhetskalkyl och statistik Sammanfattning, del I G. Gripenberg Sannolikheter Slumpvariabler Centrala gränsvärdessatsen Aalto-universitetet 8 januari 04 3 Tvådimensionella slumpvariabler

Läs mer

Formler och tabeller till kursen MSG830

Formler och tabeller till kursen MSG830 Formler och tabeller till kursen MSG830 Deskriptiva mått För ett datamängd x 1,, x n denieras medelvärde standardavvikelse standardfelet (SEM) Sannolikheter x = 1 n n i=1 = x 1 + + x n n s = 1 n (x i x)

Läs mer

Matematisk statistik för B, K, N, BME och Kemister

Matematisk statistik för B, K, N, BME och Kemister Matematisk statistik för B, K, N, BME och Kemister Föreläsning 11 & 12 Johan Lindström 5 & 14 oktober 2015 Johan Lindström - johanl@maths.lth.se FMS086/MASB02 F11 1/27 Johan Lindström - johanl@maths.lth.se

Läs mer

Sannolikhetsteori FORMELSAMLING MATEMATISK STATISTIK, AK 9HP, FMS012 [UPPDATERAD ] Sannolikhetsteorins grunder

Sannolikhetsteori FORMELSAMLING MATEMATISK STATISTIK, AK 9HP, FMS012 [UPPDATERAD ] Sannolikhetsteorins grunder LUNDS TEKNISKA HÖGSKOLA MATEMATIKCENTRUM MATEMATISK STATISTIK FORMELSAMLING MATEMATISK STATISTIK, AK 9HP, FMS02 [UPPDATERAD 2007-09-2] Sannolihetsteori Sannolihetsteorins grunder Följande gäller för sannoliheter:

Läs mer

Oberoende stokastiska variabler

Oberoende stokastiska variabler Kapitel 6 Oberoende stokastiska variabler Betrakta ett försök med ett ändligt (eller högst numrerbart) utfallsrum Ω samt två stokastiska variabler ξ och η med värdemängderna Ω ξ och Ω η. Vi bildar funktionen

Läs mer

Kapitel 5 Multivariata sannolikhetsfördelningar

Kapitel 5 Multivariata sannolikhetsfördelningar Sannolikhetslära och inferens II Kapitel 5 Multivariata sannolikhetsfördelningar 1 Multivariata sannolikhetsfördelningar En slumpvariabel som, när slumpförsöket utförs, antar exakt ett värde sägs vara

Läs mer

TAMS65 - Föreläsning 2 Parameterskattningar - olika metoder

TAMS65 - Föreläsning 2 Parameterskattningar - olika metoder TAMS65 - Föreläsning 2 Parameterskattningar - olika metoder Martin Singull Matematisk statistik Matematiska institutionen Innehåll Fö2 Punktskattningar Egenskaper Väntevärdesriktig Effektiv Konsistent

Läs mer

Sannolikheter och kombinatorik

Sannolikheter och kombinatorik Sannolikheter och kombinatorik En sannolikhet är ett tal mellan 0 och 1 som anger hur frekvent en händelse sker, där 0 betyder att det aldrig sker och 1 att det alltid sker. När vi talar om sannolikheter

Läs mer

AMatematiska institutionen avd matematisk statistik

AMatematiska institutionen avd matematisk statistik Kungl Tekniska Högskolan AMatematiska institutionen avd matematisk statistik TENTAMEN I 5B1503 STATISTIK MED FÖRSÖKSPLANERING FÖR B OCH K FREDAGEN DEN 11 JANUARI 2002 KL 14.00 19.00. Examinator: Gunnar

Läs mer

Laboration 2: Sannolikhetsteori och simulering

Laboration 2: Sannolikhetsteori och simulering Lunds tekniska högskola Matematikcentrum Matematisk statistik Laboration 2 Matematisk statistik AK för Π och E, FMS012, HT14/VT15 Laboration 2: Sannolikhetsteori och simulering Syftet med den här laborationen

Läs mer

Lektionsanteckningar 11-12: Normalfördelningen

Lektionsanteckningar 11-12: Normalfördelningen Lektionsanteckningar 11-12: Normalfördelningen När utfallsrummet för en slumpvariabel kan anta vilket värde som helst i ett givet intervall är variabeln kontinuerlig. Det är väsentligt att utfallsrummet

Läs mer

Enkel och multipel linjär regression

Enkel och multipel linjär regression TNG006 F3 25-05-206 Enkel och multipel linjär regression 3.. Enkel linjär regression I det här avsnittet kommer vi att anpassa en rät linje till mätdata. Betrakta följande värden från ett försök x 4.0

Läs mer

Tentamen i Matematisk Statistik, 7.5 hp

Tentamen i Matematisk Statistik, 7.5 hp Tentamen i Matematisk Statistik, 7.5 hp Distanskurs 15 januari, 2011 kl. 9.00 13.00 Maxpoäng: 30p. Betygsgränser: 12p: betyg G, 21p: betyg VG. Hjälpmedel: Miniräknare samt formelsamling som medföljer tentamenstexten.

Läs mer

(b) Bestäm sannolikheten att minst tre tåg är försenade under högst tre dagar en given vecka.

(b) Bestäm sannolikheten att minst tre tåg är försenade under högst tre dagar en given vecka. Avd. Matematisk statistik TENTAMEN I SF1901, SF1905 SANNOLIKHETSTEORI OCH STATISTIK, MÅNDAGEN DEN 11 JANUARI 2016 KL 14.00 19.00. Kursledare för CINEK2: Thomas Önskog, tel: 08 790 84 55 Kursledare för

Läs mer

Föreläsningsanteckningar i Matematisk Statistik. Jan Grandell

Föreläsningsanteckningar i Matematisk Statistik. Jan Grandell Föreläsningsanteckningar i Matematisk Statistik Jan Grandell 2 Förord Dessa anteckningar gjordes för mitt privata bruk av föreläsningsmanuskript och har aldrig varit tänkta att användas som kursmaterial.

Läs mer

Föreläsning 12: Regression

Föreläsning 12: Regression Föreläsning 12: Regression Matematisk statistik David Bolin Chalmers University of Technology Maj 15, 2014 Binomialfördelningen Låt X Bin(n, p). Vi observerar x och vill ha information om p. p = x/n är

Läs mer

Detta formelblad får användas under både KS2T och KS2D, samt ordinarie tentamen. x = 1 n. x i. with(stats): describe[mean]([3,5]); 4.

Detta formelblad får användas under både KS2T och KS2D, samt ordinarie tentamen. x = 1 n. x i. with(stats): describe[mean]([3,5]); 4. Formelblad Detta formelblad får användas under både KST och KSD, samt ordinarie tentamen. Medelvärde x = 1 n x i with(stats): describe[mean]([3,5]); 4 Varians s = 1 (x i x) n 1 ( s = 1 x i n 1 1 n ) x

Läs mer

9. Konfidensintervall vid normalfördelning

9. Konfidensintervall vid normalfördelning TNG006 F9 09-05-016 Konfidensintervall 9. Konfidensintervall vid normalfördelning Låt x 1, x,..., x n vara ett observerat stickprov av oberoende s.v. X 1, X,..., X n var och en med fördelning F. Antag

Läs mer

Finansiell Statistik (GN, 7,5 hp,, HT 2008) Föreläsning 3

Finansiell Statistik (GN, 7,5 hp,, HT 2008) Föreläsning 3 Finansiell Statistik (GN, 7,5 hp,, HT 2008) Föreläsning 3 Kontinuerliga sannolikhetsfördelningar (LLL Kap 7 & 9) Department of Statistics (Gebrenegus Ghilagaber, PhD, Associate Professor) Financial Statistics

Läs mer

Föreläsning 3, Matematisk statistik Π + E

Föreläsning 3, Matematisk statistik Π + E Repetition Kvantil Presentation Slumptal Transformer Inversmetoden Föreläsning 3, Matematisk statistik Π + E Sören Vang Andersen 13 november 2014 Sören Vang Andersen - sva@maths.lth.se FMS012 F3 1/19 Repetition

Läs mer

Matematisk statistik KTH. Formel- och tabellsamling i Matematisk statistik, grundkurs

Matematisk statistik KTH. Formel- och tabellsamling i Matematisk statistik, grundkurs Matematisk statistik KTH Formel- och tabellsamling i Matematisk statistik, grundkurs Varterminen 2005 . Kombinatorik ( ) n = k n! k!(n k)!. Tolkning: ( n k mängd med n element. 2. Stokastiska variabler

Läs mer

Statistiska metoder för säkerhetsanalys

Statistiska metoder för säkerhetsanalys F3: Slumpvariaber och fördelningar Diskret Kontinuerlig Slumpvariabler Slumpvariabler = stokastiska variabler = random variables = s.v. Heter ofta X, Y, T. Diskreta kan anta ändligt eller uppräkneligt

Läs mer

Föreläsning 11, Matematisk statistik Π + E

Föreläsning 11, Matematisk statistik Π + E Repetition Konfidensintervall I Fördelningar Konfidensintervall II Föreläsning 11, Matematisk statistik Π + E Johan Lindström 27 Januari, 2015 Johan Lindström - johanl@maths.lth.se FMS012 F11 1/19 Repetition

Läs mer

TAMS79: Matematisk statistik vt 2013

TAMS79: Matematisk statistik vt 2013 TAMS79: Matematisk statistik vt 3 Föreläsningsanteckningar Johan Thim, MAI.5. 5 3 3 TAMS79: Föreläsning Grundläggande begrepp Johan Thim 3 januari 3. Begrepp Ett slumpförsök är ett försök där resultatet

Läs mer

Matematisk statistik för B, K, N, BME och Kemister

Matematisk statistik för B, K, N, BME och Kemister Matematisk statistik för B, K, N, BME och Kemister Föreläsning 9 Joakim Lübeck (Johan Lindström 25 september 217 Johan Lindström - johanl@maths.lth.se FMSF7/MASB2 F9 1/23 Repetition Inferens för diskret

Läs mer

FORMELSAMLING HT-15 MATEMATISK STATISTIK FÖR B, K, N, BME OCH KEMISTER; FMS086 & MASB02. Sannolikhetsteori. Beskrivning av data

FORMELSAMLING HT-15 MATEMATISK STATISTIK FÖR B, K, N, BME OCH KEMISTER; FMS086 & MASB02. Sannolikhetsteori. Beskrivning av data LUNDS TEKNISKA HÖGSKOLA MATEMATIKCENTRUM MATEMATISK STATISTIK FORMELSAMLING HT-15 MATEMATISK STATISTIK FÖR B, K, N, BME OCH KEMISTER; FMS086 & MASB0 Sannolkhetsteor Följande gäller för sannolkheter: 0

Läs mer

Föreläsning 6, Repetition Sannolikhetslära

Föreläsning 6, Repetition Sannolikhetslära Föreläsning 6, Repetition Sannolikhetslära kap 4 Sannolikhetslära och slumpvariabler kap 5 Stickprov, medelvärden, CGS, binomialfördelning Viktiga grundbegrepp utfall, händelse, sannolikheter, betingad

Läs mer

Matematisk statistik 9.5 hp, HT-16 Föreläsning 11: Konfidensintervall

Matematisk statistik 9.5 hp, HT-16 Föreläsning 11: Konfidensintervall Matematisk statistik 9.5 hp, HT-16 Föreläsning 11: Konfidensintervall Anna Lindgren 7+8 november 2016 Anna Lindgren anna@maths.lth.se FMS012/MASB03 F11: Konfidensintervall 1/19 Stickprov & Skattning Ett

Läs mer

Övning 1(a) Vad du ska kunna efter denna övning. Problem, nivå A. Redogöra för begreppen diskret och kontinuerlig stokastisk variabel.

Övning 1(a) Vad du ska kunna efter denna övning. Problem, nivå A. Redogöra för begreppen diskret och kontinuerlig stokastisk variabel. Övning 1(a) Vad du ska kunna efter denna övning Redogöra för begreppen diskret och kontinuerlig stokastisk variabel. Definiera fördelningsfunktionen för en stokastisk variabel. Definiera frekvensfunktionen

Läs mer

F5 STOKASTISKA VARIABLER (NCT , samt del av 5.4)

F5 STOKASTISKA VARIABLER (NCT , samt del av 5.4) Stat. teori gk, ht 006, JW F5 STOKASTISKA VARIABLER (NCT 5.1-5.3, samt del av 5.4) Ordlista till NCT Random variable Discrete Continuous Probability distribution Probability distribution function Cumulative

Läs mer

Tenta i Statistisk analys, 15 december 2004

Tenta i Statistisk analys, 15 december 2004 STOCKHOLMS UNIVERSITET MATEMATISKA INSTITUTIONEN LÖSNINGAR Avd. Matematisk statistik, ML 15 december 004 Lösningar Tenta i Statistisk analys, 15 december 004 Uppgift 1 Vi har två stickprov med n = 5 st.

Läs mer

Kapitel 3 Diskreta slumpvariabler och deras sannolikhetsfördelningar

Kapitel 3 Diskreta slumpvariabler och deras sannolikhetsfördelningar Sannolikhetslära och inferens II Kapitel 3 Diskreta slumpvariabler och deras sannolikhetsfördelningar 1 Diskreta slumpvariabler En slumpvariabel tilldelar tal till samtliga utfall i ett slumpförsök. Vi

Läs mer

F9 Konfidensintervall

F9 Konfidensintervall 1/16 F9 Konfidensintervall Måns Thulin Uppsala universitet thulin@math.uu.se Statistik för ingenjörer 18/2 2013 2/16 Kursinformation och repetition Första inlämningsuppgiften rättas nu i veckan. För att

Läs mer

6. Flerdimensionella stokastiska variabler

6. Flerdimensionella stokastiska variabler 6 Flerdimensionella stokastiska variabler 61 Simultana fördelningar Den simultana fördelningsfunktionen av X och Y, vilka som helst två stokastiska variabler, definieras F(a,b) = F X,Y (a,b) = P(X a,y

Läs mer

Föreläsning 2, Matematisk statistik för M

Föreläsning 2, Matematisk statistik för M Repetition Stok. Var. Diskret Kont. Fördelningsfnk. Föreläsning 2, Matematisk statistik för M Erik Lindström 25 mars 2015 Erik Lindström - erikl@maths.lth.se FMS012 F2 1/16 Repetition Stok. Var. Diskret

Läs mer

SF1901: Sannolikhetslära och statistik

SF1901: Sannolikhetslära och statistik SF1901: Sannolikhetslära och statistik Föreläsning 4. Funktioner av s.v:er, Flera stokastiska variabler. Marginell sannolikhetsfunktion och -täthetsfunktion. Oberoende sv:er, Maximum och minimum av oberoende

Läs mer

MVE051/MSG Föreläsning 14

MVE051/MSG Föreläsning 14 MVE051/MSG810 2016 Föreläsning 14 Petter Mostad Chalmers December 14, 2016 Beroende och oberoende variabler Hittills i kursen har vi tittat på modeller där alla observationer representeras av stokastiska

Läs mer

FACIT: Tentamen L9MA30, LGMA30

FACIT: Tentamen L9MA30, LGMA30 Göteborgs Universitetet GU Lärarprogrammet 20 FACIT: Tentamen L9MA0, LGMA0 Matematik för lärare, åk 7-9, Sannolikhetslära och statistik, Matematik för gymnasielärare, Sannolikhetslära och statistik 20-0-2

Läs mer

MS-A0509 Grundkurs i sannolikhetskalkyl och statistik Övning 3 Vecka 4, 19 23.1.2015

MS-A0509 Grundkurs i sannolikhetskalkyl och statistik Övning 3 Vecka 4, 19 23.1.2015 MS-A0509 Grundkurs i sannolikhetskalkyl och statistik Övning 3 Vecka 4, 19 23.1.2015 Gripenberg I1. Vi antar att antalet telefonsamtal som kommer till ett servicenummer under en tidsperiod med längden

Läs mer

Tentamen Statistik och dataanalys 1, 5p Institutionen för matematik, natur- och datavetenskap, Högskolan i Gävle

Tentamen Statistik och dataanalys 1, 5p Institutionen för matematik, natur- och datavetenskap, Högskolan i Gävle Tentamen Statistik och dataanalys 1, 5p Institutionen för matematik, natur- och datavetenskap, Högskolan i Gävle Lärare: Mikael Elenius, 2006-08-25, kl:9-14 Betygsgränser: 65 poäng Väl Godkänt, 50 poäng

Läs mer

Centrala gränsvärdessatsen (CGS). Approximationer

Centrala gränsvärdessatsen (CGS). Approximationer TNG006 F7 25-04-2016 Centrala gränsvärdessatsen (CGS. Approximationer 7.1. Centrala gränsvärdessatsen Vi formulerade i Sats 6.10 i FÖ6 en vitig egensap hos normalfördelningen som säger att en linjär ombination

Läs mer

Typexempel i matematisk statistik

Typexempel i matematisk statistik Typexempel i matematisk statistik Anders Holtsberg Matematikcentrum Lunds Tekniska Högskola 27 augusti 2000 c 2000 Anders Holtsberg ( "!! #$##% &' "!() )! *++! * ) (! ). Innehåll Typexempel 5 2 Lösningar

Läs mer

Föreläsning 4, Matematisk statistik för M

Föreläsning 4, Matematisk statistik för M Föreläsning 4, Matematisk statistik för M Erik Lindström 1 april 2015 Erik Lindström - erikl@maths.lth.se FMS012 F4 1/19 Binomialfördelning Beteckning: X Bin(n, p) Förekomst: Ett slumpmässigt försök med

Läs mer

Stokastiska Processer och ARIMA. Patrik Zetterberg. 19 december 2012

Stokastiska Processer och ARIMA. Patrik Zetterberg. 19 december 2012 Föreläsning 7 Stokastiska Processer och ARIMA Patrik Zetterberg 19 december 2012 1 / 22 Stokastiska processer Stokastiska processer är ett samlingsnamn för Sannolikhetsmodeller för olika tidsförlopp. Stokastisk=slumpmässig

Läs mer

Tentamen i matematisk statistik (92MA31, STN2) kl 08 12

Tentamen i matematisk statistik (92MA31, STN2) kl 08 12 LINKÖPINGS UNIVERSITET MAI Johan Thim Tentamen i matematisk statistik (92MA1, STN2) 21-1-16 kl 8 12 Hjälpmedel är: miniräknare med tömda minnen och formelbladet bifogat. Varje uppgift är värd 6 poäng.

Läs mer

Våra vanligaste fördelningar

Våra vanligaste fördelningar Sida Våra vanligaste fördelningar Matematisk statistik för D3, VT Geometrisk fördelning X är geometriskt fördelad med parameter p, X Geo(p), om P (X = k) = ( p) k p P (X k) = ( p) k för k =,,... Beskriver

Läs mer

b) Beräkna väntevärde och varians för produkten X 1 X 2 X 10 där alla X i :na är oberoende och R(0,2). (5 p)

b) Beräkna väntevärde och varians för produkten X 1 X 2 X 10 där alla X i :na är oberoende och R(0,2). (5 p) Avd. Matematisk statistik TENTAMEN I SF190 (f d 5B2501 ) SANNOLIKHETSLÄRA OCH STATISTIK FÖR - ÅRIG MEDIA MÅNDAGEN DEN 1 AUGUSTI 2012 KL 08.00 1.00. Examinator: Gunnar Englund, tel. 07 21 7 45 Tillåtna

Läs mer

Konvergens och Kontinuitet

Konvergens och Kontinuitet Kapitel 7 Konvergens och Kontinuitet Gränsvärdesbegreppet är väldigt centralt inom matematik. Som du förhoppningsvis kommer ihåg från matematisk analys så definieras tex derivatan av en funktion f : R

Läs mer

5 Kontinuerliga stokastiska variabler

5 Kontinuerliga stokastiska variabler 5 Kontinuerliga stokastiska variabler Ex: X är livslängden av en glödlampa. Utfallsrummet är S = x : x 0}. X kan anta överuppräkneligt oändligt många olika värden. X är en kontinuerlig stokastisk variabel.

Läs mer

10. Konfidensintervall vid två oberoende stickprov

10. Konfidensintervall vid två oberoende stickprov TNG006 F0-05-06 Konfidensintervall för linjärkombinationer 0. Konfidensintervall vid två oberoende stikprov Antag att X, X,..., X m är ett stikprov på N(µ, σ ) oh att Y, Y,..., Y n är ett stikprov på N(µ,

Läs mer

SF1901: SANNOLIKHETSTEORI OCH STATISTIKTEORI KONSTEN ATT DRA INTERVALLSKATTNING. STATISTIK SLUTSATSER. Tatjana Pavlenko.

SF1901: SANNOLIKHETSTEORI OCH STATISTIKTEORI KONSTEN ATT DRA INTERVALLSKATTNING. STATISTIK SLUTSATSER. Tatjana Pavlenko. SF1901: SANNOLIKHETSTEORI OCH STATISTIK FÖRELÄSNING 10 STATISTIKTEORI KONSTEN ATT DRA SLUTSATSER. INTERVALLSKATTNING. Tatjana Pavlenko 25 april 2017 PLAN FÖR DAGENS FÖRELÄSNING Statistisk inferens oversikt

Läs mer

Felfortplantningsformlerna

Felfortplantningsformlerna Matematisk statistik Stockholms universitet Felfortplantningsformlerna Esbjörn Ohlsson Kompendium September 1993 Uppdaterat januari 2005 Postadress: Matematisk statistik Matematiska institutionen Stockholms

Läs mer

F9 SAMPLINGFÖRDELNINGAR (NCT

F9 SAMPLINGFÖRDELNINGAR (NCT Stat. teori gk, ht 006, JW F9 SAMPLINGFÖRDELNINGAR (NCT 7.1-7.4) Ordlista till NCT Sample Population Simple random sampling Sampling distribution Sample mean Standard error The central limit theorem Proportion

Läs mer

TMS136: Dataanalys och statistik Tentamen

TMS136: Dataanalys och statistik Tentamen TMS136: Dataanalys och statistik Tentamen 013-08-7 Examinator och jour: Mattias Sunden, tel. 0730 79 9 79 Hjälpmedel: Chalmersgodkänd räknare och formelsamling (formelsamling delas ut med tentan). Betygsgränser:

Läs mer

Laboration 3: Stora talens lag, centrala gränsvärdessatsen och enkla punktskattningar

Laboration 3: Stora talens lag, centrala gränsvärdessatsen och enkla punktskattningar LUNDS TEKNISKA HÖGSKOLA MATEMATIKCENTRUM MATEMATISK STATISTIK LABORATION 3 MATEMATISK STATISTIK AK FÖR CDIFYSIKER, FMS012/MASB03, HT12 Laboration 3: Stora talens lag, centrala gränsvärdessatsen och enkla

Läs mer

Datorövning 2 Betingad fördelning och Centrala gränsvärdessatsen

Datorövning 2 Betingad fördelning och Centrala gränsvärdessatsen Lunds tekniska högskola Matematikcentrum Matematisk statistik FMS012/MASB03: MATEMATISK STATISTIK, 9 HP, HT-16 Datorövning 2 Betingad fördelning och Centrala gränsvärdessatsen Syftet med den här laborationen

Läs mer

SF1901: Övningshäfte

SF1901: Övningshäfte SF1901: Övningshäfte 24 september 2013 Uppgifterna under rubriken Övning kommer att gås igenom under övningstillfällena. Uppgifterna under rubriken Hemtal är starkt rekommenderade och motsvarar nivån på

Läs mer

Samplingfördelningar 1

Samplingfördelningar 1 Samplingfördelningar 1 Parametrar och statistikor En parameter är en konstant som karakteriserar en population eller en modell. Exempel: Populationsmedelvärdet Parametern p i binomialfördelningen 2 Vi

Läs mer

Repetition och förberedelse. Sannolikhet och sta.s.k (1MS005)

Repetition och förberedelse. Sannolikhet och sta.s.k (1MS005) Repetition och förberedelse Sannolikhet och sta.s.k (1MS005) F8.1 Kvantiler (3) F8.1 Kvantiler (3) F8.2 Räkna regler för väntevärdet (3) F8.3 Olikheter (X) F8.4 Sannolikgenererande funktioner (X) F8.5

Läs mer

Storräkneövning: Sannolikhetslära

Storräkneövning: Sannolikhetslära UPPSALA UNIVERSITET Matematiska institutionen Jakob Björnberg Sannolikhet och statistik 2012 09 28 Storräkneövning: Sannolikhetslära 1. (Tentamen, april 2009.) Man har efter studier av beredskapen hos

Läs mer

Laboration 2: Sannolikhetsteori och simulering

Laboration 2: Sannolikhetsteori och simulering LUNDS TEKNISKA HÖGSKOLA MATEMATIKCENTRUM MATEMATISK STATISTIK LABORATION 2 MATEMATISK STATISTIK AK FÖR CDIFYSIKER, FMS012/MASB03, HT13 Laboration 2: Sannolikhetsteori och simulering Syftet med den här

Läs mer

Tentamen i Statistik, STA A10 och STA A13 (9 poäng) 16 januari 2004, kl

Tentamen i Statistik, STA A10 och STA A13 (9 poäng) 16 januari 2004, kl Karlstads universitet Institutionen för informationsteknologi Avdelningen för Statistik Tentamen i Statistik, STA A0 och STA A3 (9 poäng) 6 januari 004, kl. 4.00-9.00 Tillåtna hjälpmedel: Bifogade formel-

Läs mer

f(x) = 2 x2, 1 < x < 2.

f(x) = 2 x2, 1 < x < 2. Avd. Matematisk statistik TENTAMEN I SF90,SF907,SF908,SF9 SANNOLIKHETSTEORI OCH STATISTIK TORSDAGEN DEN 7:E JUNI 0 KL 4.00 9.00. Examinator: Gunnar Englund, tel. 07 7 45 Tillåtna hjälpmedel: Formel- och

Läs mer

Sannolikheten för att barnet skall få blodgrupp A0 A0 1/2 AA 1 AB 1/2 Övriga 0

Sannolikheten för att barnet skall få blodgrupp A0 A0 1/2 AA 1 AB 1/2 Övriga 0 Avd. Matematisk statistik TENTAMEN I SF191, SANNOLIKHETSTEORI OCH STATISTIK, ONSDAGEN DEN 1:A JUNI 216 KL 8. 13.. Kursledare: Thomas Önskog, 8-79 84 55 Tillåtna hjälpmedel: Formel- och tabellsamling i

Läs mer

Några extra övningsuppgifter i Statistisk teori

Några extra övningsuppgifter i Statistisk teori Statistiska institutionen Några extra övningsuppgifter i Statistisk teori 23 JANUARI 2009 2 Sannolikhetsteorins grunder 1. Tre vanliga symmetriska tärningar kastas. Om inte alla tre tärningarna visar sexa,

Läs mer

Statistik 1 för biologer, logopeder och psykologer

Statistik 1 för biologer, logopeder och psykologer Innehåll 1 Grunderna i sannolikhetslära 2 Innehåll 1 Grunderna i sannolikhetslära 2 Satistik och sannolikhetslära Statistik handlar om att utvinna information från data. I praktiken inhehåller de data

Läs mer

MSG830 Statistisk analys och experimentplanering

MSG830 Statistisk analys och experimentplanering MSG830 Statistisk analys och experimentplanering Tentamen 15 Januari 2015, 8:30-12:30 Examinator: Staan Nilsson, telefon 073 5599 736, kommer till tentamenslokalen 9:30 och 11:30 Tillåtna hjälpmedel: Kalkylator

Läs mer

Tentamen'i'TMA321'Matematisk'Statistik,'Chalmers'Tekniska'Högskola.''

Tentamen'i'TMA321'Matematisk'Statistik,'Chalmers'Tekniska'Högskola.'' Tentamen'i'TMA321'Matematisk'Statistik,'Chalmers'Tekniska'Högskola.'' Hjälpmedel:'Valfri'räknare,'egenhändigt'handskriven'formelsamling'(4''A4Esidor'på'2'blad)' och'till'skrivningen'medhörande'tabeller.''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''

Läs mer

Repetition, Matematik 2 för lärare. Ï x + 2y - 3z = 1 Ô Ì 3x - y + 2z = a Ô Á. . Beräkna ABT. Beräkna (AB) T

Repetition, Matematik 2 för lärare. Ï x + 2y - 3z = 1 Ô Ì 3x - y + 2z = a Ô Á. . Beräkna ABT. Beräkna (AB) T Repetition, Matematik 2 för lärare Ï -2x + y + 2z = 3 1. Ange för alla reella a lösningsmängden till ekvationssystemet Ì ax + 2y + z = 1. Ó x + 3y - z = 4 2. Vad är villkoret på talet a för att ekvationssystemet

Läs mer

Stokastiska processer med diskret tid

Stokastiska processer med diskret tid Stokastiska processer med diskret tid Vi tänker oss en följd av stokastiska variabler X 1, X 2, X 3,.... Talen 1, 2, 3,... räknar upp tidpunkter som förflutit från startpunkten 1. De stokastiska variablerna

Läs mer

Kapitel 4 Sannolikhetsfördelningar Sid Föreläsningsunderlagen är baserade på underlag skrivna av Karl Wahlin

Kapitel 4 Sannolikhetsfördelningar Sid Föreläsningsunderlagen är baserade på underlag skrivna av Karl Wahlin Kapitel 4 Sannolikhetsfördelningar Sid 79-14 Föreläsningsunderlagen är baserade på underlag skrivna av Karl Wahlin Slumpvariabel En variabel för vilken slumpen bestämmer utfallet. Slantsingling, tärningskast,

Läs mer

Problemdel 1: Uppgift 1

Problemdel 1: Uppgift 1 STOCKHOLMS UNIVERSITET MT 00 MATEMATISKA INSTITUTIONEN LÖSNINGAR Avd. Matematisk statistik, CH 8 februari 0 LÖSNINGAR 8 februari 0 Problemdel : Uppgift Rätt svar är: a) X och X är oberoende och Y och Y

Läs mer

Planering Matematik II Period 3 VT Räkna själv! Gör detta före räkneövningen P1. 7, 17, 21, 37 P3. 29, 35, 39 P4. 1, 3, 7 P5.

Planering Matematik II Period 3 VT Räkna själv! Gör detta före räkneövningen P1. 7, 17, 21, 37 P3. 29, 35, 39 P4. 1, 3, 7 P5. Avsnitt 1, Inledning ( Adams P1,P3,P4, P5) Genomgång och repetition av grundläggande begrepp. Funktion, definitionsmängd, värdemängd. Intervall. Olikheter. Absolutbelopp. Styckvis definierade funktioner.

Läs mer

Härledning av Black-Littermans formel mha allmänna linjära modellen

Härledning av Black-Littermans formel mha allmänna linjära modellen Härledning av Black-Littermans formel mha allmänna linjära modellen Ett sätt att få fram Black-Littermans formel är att formulera problemet att hitta lämpliga justerade avkastningar som ett skattningsproblem

Läs mer

Tentamen i Sannolikhetslära och statistik Kurskod S0008M

Tentamen i Sannolikhetslära och statistik Kurskod S0008M Tentamen i Sannolikhetslära och statistik Kurskod S0008M Poäng totalt för del 1: 25 (12 uppgifter) Tentamensdatum 2012-12-19 Poäng totalt för del 2: 30 (3 uppgifter) Skrivtid 09.00 14.00 Lärare: Adam Jonsson

Läs mer

1 Föreläsning V; Kontinuerlig förd.

1 Föreläsning V; Kontinuerlig förd. Föreläsning V; Kontinuerlig förd. Ufallsrummet har hittills varit dsikret, den stokastisk variabeln har endast kunnat anta ett antal värden. Ex.vis Poissonfördeln. är antal observationer inom ett tidsintervall

Läs mer

dvs. Trots att arbetslaget arbetar tillsammans antages skadorna hos de olika medlemmarna

dvs. Trots att arbetslaget arbetar tillsammans antages skadorna hos de olika medlemmarna Avd. Matematisk statistik TENTAMEN I SF1901 SANNOLIKHETSTEORI OCH STATISTIK I Uppgift 1 I en byggnad sitter ett brandlarm monterat. Under en tidsperiod är sannolikheten att larmet går 3%. Man vet att 98%

Läs mer

x f (x) dx 1/8. Kan likhet gälla i sistnämnda relation. (Torgny Lindvall.) f är en kontinuerlig funktion på 1 x sådan att lim a

x f (x) dx 1/8. Kan likhet gälla i sistnämnda relation. (Torgny Lindvall.) f är en kontinuerlig funktion på 1 x sådan att lim a Elementa Årgång 50, 967 Årgång 50, 967 Första häftet 2603. Låt ξ, ξ 2,..., ξ n vara stokastiska variabler med väntevärden E[ξ i ], i =, 2,..., n. Visa att E[max(ξ, ξ 2,..., ξ n )] max(e[ξ ], E[ξ 2 ],...,

Läs mer

MSG830 Statistisk analys och experimentplanering

MSG830 Statistisk analys och experimentplanering MSG830 Statistisk analys och experimentplanering Tentamen 15 januari 2016, 8:30-12:30 Examinator: Staan Nilsson, telefon 073 5599 736, kommer till tentamenslokalen 9:30 och 11:30 Tillåtna hjälpmedel: Valfri

Läs mer

Uppgift 3 Vid en simuleringsstudie drar man 1200 oberoende slumptal,x i. Varje X i är likformigt fördelat mellan 0 och 1. Dessa tal adderas.

Uppgift 3 Vid en simuleringsstudie drar man 1200 oberoende slumptal,x i. Varje X i är likformigt fördelat mellan 0 och 1. Dessa tal adderas. Avd. Matematisk statistik TENTAMEN I SF1902 SANNOLIKHETSTEORI OCH STATISTIK, MÅNDAGEN DEN 17:E AUGUSTI 2015 KL 8.00 13.00. Kursledare och examinator : Björn-Olof Skytt, tel 790 8649. Tillåtna hjälpmedel:

Läs mer