Kurskod: TAMS24 / Provkod: TEN (8:00-12:00) English Version

Relevanta dokument
Kurskod: TAMS28 MATEMATISK STATISTIK Provkod: TEN1 05 June 2017, 14:00-18:00. English Version

Kurskod: TAMS11 Provkod: TENB 12 January 2015, 08:00-12:00. English Version

English Version. Number of sold cakes Number of days

Kurskod: TAMS11 Provkod: TENB 07 April 2015, 14:00-18:00. English Version

Kurskod: TAIU06 MATEMATISK STATISTIK Provkod: TENA 17 August 2015, 8:00-12:00. English Version

Kurskod: TAMS11 Provkod: TENB 28 August 2014, 08:00-12:00. English Version

English Version. 1 x 4x 3 dx = 0.8. = P (N(0, 1) < 3.47) = =

Kurskod: TAMS28 MATEMATISK STATISTIK Provkod: TEN1 08 June 2015, 14:00-18:00. English Version

English Version. 1 f(x) = if 0 x θ; 0 otherwise, ) = V (X) = E(X2 ) (E(X)) 2 =

English Version. + 1 n 2. n 1

Kurskod: TAIU06 MATEMATISK STATISTIK Provkod: TENA 31 May 2016, 8:00-12:00. English Version

Kurskod: TAMS28 MATEMATISK STATISTIK Provkod: TEN1 20 August 2014, English Version

This exam consists of four problems. The maximum sum of points is 20. The marks 3, 4 and 5 require a minimum

Kurskod: TAMS28 MATEMATISK STATISTIK Provkod: TEN1 16 January 2015, 8:00-12:00. English Version

Kurskod: TAIU06 MATEMATISK STATISTIK Provkod: TENA 15 August 2016, 8:00-12:00. English Version

Kurskod: TAMS11 Provkod: TENB 22 April 2014, 14:00am-18:00noon. English Version

Exam MVE265 Mathematical Statistics,

Tentamen MVE301 Sannolikhet, statistik och risk

Tentamen MVE301 Sannolikhet, statistik och risk

Tentamen MVE302 Sannolikhet och statistik

Chapter 2: Random Variables

12.6 Heat equation, Wave equation

7.5 Experiment with a single factor having more than two levels

Matematisk statistik KTH. Formel- och tabellsamling i matematisk statistik

Tentamen MVE302 Sannolikhet och statistik

Tentamen MVE300 Sannolikhet, statistik och risk

Tentamen MVE301 Sannolikhet, statistik och risk

Tentamen MVE301 Sannolikhet, statistik och risk

Kurskod: TAIU06 MATEMATISK STATISTIK Provkod: TENA 01 June 2015, 8:00-12:00. English Version

F ξ (x) = f(y, x)dydx = 1. We say that a random variable ξ has a distribution F (x), if. F (x) =

Matematisk statistik KTH. Formelsamling i matematisk statistik

MVE051/MSG810 Matematisk statistik och diskret matematik

Tentamen MVE300 Sannolikhet, statistik och risk

Formel- och tabellsamling i matematisk statistik

Mälardalens Högskola. Formelsamling. Statistik, grundkurs

Tentamen i Matematik 2: M0030M.

TAMS65 - Föreläsning 2 Parameterskattningar - olika metoder

Kurskod: TAMS11 Provkod: TENB 12 June 2014, 14:00-18:00. English Version

Pre-Test 1: M0030M - Linear Algebra.

Avd. Matematisk statistik

Tentamen i matematisk statistik

TAMS65 - Föreläsning 8 Test av fördelning χ 2 -test

denna del en poäng. 1. (Dugga 1.1) och v = (a) Beräkna u (2u 2u v) om u = . (1p) och som är parallell

En scatterplot gjordes, och linjär regression utfördes därefter med följande hypoteser:

Metod och teori. Statistik för naturvetare Umeå universitet

MVE051/MSG810 Matematisk statistik och diskret matematik

Tentamen MVE301 Sannolikhet, statistik och risk

9. Konfidensintervall vid normalfördelning

Lufttorkat trä Ugnstorkat trä

LINKÖPINGS UNIVERSITET Matematiska Institutionen Matematisk Statistik HT TAMS24

TAMS65 - Seminarium 4 Regressionsanalys

Tentamen MVE301 Sannolikhet, statistik och risk

Tentamen MVE301 Sannolikhet, statistik och risk

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

4.3 Stokastiska variabler (slumpmässiga variabler) 4.4 Väntevärde och varians till stokastiska variabler

SF1901: Sannolikhetslära och statistik. Statistik: Intervallskattning (konfidensintervall)

Kroppstemperaturen hos människa anses i regel vara 37,0 C/ 98,6 F. För att beräkna och rita grafer har programmet Minitab använts.

SF1901: Sannolikhetslära och statistik. Statistik: Intervallskattning (konfidensintervall) Jan Grandell & Timo Koski

TAMS65 - Föreläsning 12 Test av fördelning

TAMS65 - Föreläsning 12 Test av fördelning

1. Compute the following matrix: (2 p) 2. Compute the determinant of the following matrix: (2 p)

b) antalet timmar Lukas måste arbeta för att sannolikheten att han ska hinna med alla 112 datorerna ska bli minst (3 p)

1. För tiden mellan två besök gäller. V(X i ) = 1 λ 2 = 25. X i Exp (λ) E(X i ) = 1 λ = 5s λ = 1 5

Matematisk statistik för D, I, Π och Fysiker

Tentamenskrivning: TMS145 - Grundkurs i matematisk statistik och bioinformatik,

TAMS65 - Föreläsning 1 Introduktion till Statistisk Teori och Repetition av Sannolikhetslära

Svar till övningar med jämna nummer i Milton & Arnold, ht 2010

Tentamen MVE301 Sannolikhet, statistik och risk

Högskolan i Skövde (SK, JS) Svensk version Tentamen i matematik

Statistik för teknologer, 5 poäng Skrivtid:

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

Provmoment: Tentamen 6,5 hp Ladokkod: A144TG Tentamen ges för: TGMAI17h, Maskiningenjör - Produktutveckling. Tentamensdatum: 28 maj 2018 Tid: 9-13

TAMS65. Formel- och tabellsamling i matematisk statistik TAMS65. Martin Singull TAMS65 TAMS65

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

Module 6: Integrals and applications

S0005M. Stokastiska variabler. Notes. Notes. Notes. Stokastisk variabel (slumpvariabel) (eng: random variable) Mykola Shykula

Uppgift 1. P (A) och P (B) samt avgör om A och B är oberoende. (5 p)

Del I. Uppgift 1 För händelserna A och B gäller att P (A) = 1/4, P (B A) = 1/3 och P (B A ) = 1/2. Beräkna P (A B). Svar:...

Avd. Matematisk statistik

Matematisk statistik för D, I, Π och Fysiker

Föreläsning 11: Mer om jämförelser och inferens

TAMS65 - Föreläsning 6 Hypotesprövning

Thomas Önskog 28/

0 om x < 0, F X (x) = c x. 1 om x 2.

8 < x 1 + x 2 x 3 = 1, x 1 +2x 2 + x 4 = 0, x 1 +2x 3 + x 4 = 2. x 1 2x 12 1A är inverterbar, och bestäm i så fall dess invers.

SF1901: SANNOLIKHETSLÄRA OCH STATISTIK. MER HYPOTESPRÖVNING. χ 2 -TEST. Jan Grandell & Timo Koski

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

SF1901 Sannolikhetsteori och statistik I

Lö sningsfö rslag till tentamen i matematisk statistik Statistik öch kvalitetsteknik 7,5 hp

TAMS65 - Föreläsning 6 Hypotesprövning

S0005M, Föreläsning 2

Föreläsning 8, Matematisk statistik 7.5 hp för E Punktskattningar

ESS011: Matematisk statistik och signalbehandling Tid: 14:00-18:00, Datum:

TAMS65 - Föreläsning 2 Parameterskattningar - olika metoder

SF1922/SF1923: SANNOLIKHETSTEORI OCH INTERVALLSKATTNING. STATISTIK. Tatjana Pavlenko. 24 april 2018

Bestäm med hjälp av en lämplig och välmotiverad approximation P (X > 50). (10 p)

Tillåtna hjälpmedel: Räknedosa. Formel- och tabellsamling i matematisk statistik.

Tentamen i Matematik 2: M0030M.

Grundläggande matematisk statistik

Föreläsning 4: Konfidensintervall (forts.)

Transkript:

Kurskod: TAMS24 / Provkod: TEN 25-8-7 (8: - 2:) Examinator/Examiner: Xiangfeng Yang (Tel: 7 2234765). Please answer in ENGLISH if you can. a. You are permitted to bring: a calculator; formel -och tabellsamling i matematisk statistik (from MAI); TAMS24: Notations and Formulas (by Xiangfeng Yang) b. Scores rating: 8- points giving rate 3;.5-4.5 points giving rate 4; 5-8 points giving rate 5.. (3 points) English English Version The surface roughness was determined for four different materials used for encapsulation. Results are: Material surface roughness x i s i Type.5.55.55.36.49.898 Type 2.3.7.25.8.56.2.267.665 Type 3.2.28.2.2.8 Type 4..6.3.424 Assume that these four samples are from independent normal distributions with a same variance σ 2. (.). (.5p) Construct a confidence interval for σ 2 with confidence coefficient.95. (.2). (.5p) If we assume that σ is known and σ =., then is it reasonable to conclude that µ > µ 4? Answer the question by constructing an appropriate confidence interval with confidence coefficient.95. Solution. (.). s 2 = (n )s 2 +... + (n 4 )s 2 4 n +... + n 4 4 ( ) (n +... + n 4 4)s 2 I σ 2 = χ 2 α/2 (n +... + n 4 4), (n +... + n 4 4)s 2 χ 2 α/2 (n = +... + n 4 4) =.6. ( ).6 2.93,.6 = (.83,.462). 3.8 (.2). There are two ways to solve the problem. The first one is: I µ µ 4 = ( x x 4 ) λ α/2 σ + n n 4 = (.49.3).96. 4 + =.36.7 = (.9,.53). 2 The second one (which is better) is one-sided CI: Both ways suggest µ > µ 4. I µ µ 4 = (, ( x x 4 ) + λ α σ n + n 4 ) =... 2. (3 points) English The random variable X is Rayleigh-distributed if it has a probability density function f X (x) = x a e x2 2a, for x, where a is an unknown positive parameter. One has a sample {x,..., x n } from this distribution. (2.). (p) Find a point estimate â ML of a using Maximum Likelihood-method. (2.2). (p) Is â ML unbiased? (2.3). (p) Find a point estimate â MM of a using method of moments. Page /4

Solution. (2.). L(a) = x a x 2 e x n 2a... a x 2 e n 2a = x... x n a n e x 2 +...+x2 n 2a. Thus = ln L(a) gives We can then solve for a and obtain ln L(a) = ln(x... x n ) n ln(a) x2 +... + x 2 n. 2a n/a + x2 +... + x 2 n 2a 2 =. â ML = x2 +... + x 2 n. 2n The second derivative test can prove that this is indeed a maximum. (2.2). We can compute Thus that is, â ML is unbiased. (2.3). E(X 2 ) = x 2 x a 2 e x /(2a) dx =... = 2a. E(ÂML) = E( X2 +... + Xn 2 ) = n 2a/(2n) = a, 2n E(X) = It now follows from E(X) = x that â MM = 2 x 2 /π. x x a 2 e x /(2a) dx =... = πa/2. 3. (3 points) English Extensive experience shows that if a certain disease is treated in the traditional way, then the probability p that the patient recovers is only.6. Now there is a new medicine against the disease. In a treatment experiment, there were 68 recovered out of patients using this new medicine. (3.). (2p) Is H rejected with a significance level α =.5? H : p =.6 versus H : p >.6. (3.2). (p) For the test in (3.), what is the power if p =.8? Solution. (3.). Since T S / C, don t reject H. (3.2). T S = ˆp p p ( p )/n = 68/.6 =.63..6(.6)/ C = (λ α, + ) = (.645, + ). h(.8) = P (reject H when H is wrong and p =.8) ˆp p = P ( >.645 when p =.8) p ( p )/n ˆp p (need to change p ( p )/n to ˆp p ˆp p since N(, )) p( p)/n p( p)/n = P ( ˆp p + p p p( p)/n ˆp p = P ( >.645 p( p)/n p( p) >.645 when p =.8) p ( p ) p ( p ) p( p) p p p( p)/n when p =.8) = P (Z > 2.985) =.9986. Page 2/4

4. (3 points) English Assume that X, X 2 and X 3 are independent standard normal random variables N(, ). The random vector Y = Y Y 2 Y 3 is defined as Y = X + X 2, Y 2 = X + X 3, Y 3 = X 2 + X 3. (4.). (2p) Determine the mean vector and the covariance matrix for Y (4.2). (p) Find P (2Y > Y 2 + 2). Solution. (4.). It is known that Thus for Y = AX with we have (4.2). X X = X 2, µ X =, C X =. X 3 µ Y = Aµ Y = A =,, C Y = AC Y A T = 2 2. 2 P (2Y > Y 2 + 2) = P (2X + 2X 2 > X + X 3 + 2) = P (X + 2X 2 X 3 > 2) = P (N(, 6) > 2) = P (N(, ) > 2/ 6) =.7939 =.26. 5. (3 points) English In a study, one observes the time (y) until a stimulus causes a reaction of the nerve fibers in a muscle. One suspect that the reaction time depends on the age (x ) and possibly also the gender (x 2 = for woman and x 2 = for man). Now we have 2 observations, and the data has be analyzed by two models Modell : Y = β + β x + β 2 x 2 + ε, Modell 2 : Y = β + β x + β 2 x 2 + β 3 x 2 + ε, where ε and ε are independent N(, σ) with the following results. Note that the parameters β i and are different in these two models. Model : Estimated regression line: y = 2.24 +.55x 3.85x 2 2.2376 3.2.553.777 2-3.853 2.9775 Degrees of freedom Sum of squares REGR 2 67.6 RES 8 572.7 TOT 2 28.3 Modell 2: Estimated regression line: y = 92.89 +.58x.x 2.3x 2 92.899 9.4.58.4623 2 -.8.52 3 -.362 2.97 Degrees of freedom Sum of squares REGR 3 739.2 RES 7 44. TOT 2 28.3 (5.). (.5p) In Model, is there any useful explanatory variable? or both variables are useless? Perform appropriate tests with a level.5. (5.2). (.5p) Does Model 2 give a better description of the data than Model? Perform appropriate tests or confidence intervals with a level.5. Page 3/4

Solution. (5.). H : β = β 2 =, H : at least one β i, i =, 2. T S = SS R/2 SS E /8 = 25.26, C = (F.5(2, 8), + ) = (3.55, + ). Since T S C, reject H. Yes, there must be some useful explanatory variable! (5.2). H : β 2 =, H : β 2. Method (F -test): T S = (SS() E SS(2) E )/ Since T S C, reject H, namely, Model 2 is better. Method 2 (t-test): SS (2) E /7 = 5.7, C = (F.5 (, 7), + ) = (4.45, + ). T S = ˆβ 2 d( ˆβ 2 ) = 2.27, C = (, t α/2(7)) (t α/2 (7), + ) = (, 2.) (2., + ). Since T S C, reject H, namely, Model 2 is better. 6. (3 points) English The random variable X takes values,, 2, 3. One did 496 independent observations of X and got Observation 2 3 Antal 764 692 552 88 Test the hypothesis with a significance level % that X is a Binomial distribution Bin(3, 4 ). Solution. p = P (Bin(3, 4 ) = ) = 27/64,..., p 4 = P (Bin(3, ) = 3) = /64. 4 4 (N i np i ) 2 T S = =.5, C = (χ 2 np α(4 ), + ) = (.35, + ). i i= Since T S C, reject H, namely, it is not Binomial distribution Bin(3, 4 ). Page 4/4

. (3 poäng) Svenska Svensk Version Ytojämnheten har bestämts fär fyra olika material som används för inkapsling. Resultat är: Material Ytojämnhet x i s i Typ.5.55.55.36.49.898 Typ 2.3.7.25.8.56.2.267.665 Typ 3.2.28.2.2.8 Typ 4..6.3.424 Anta att datamaterialet härrör från oberoende normalfördelning med samma varians σ 2. (.). (.5p) konstruera ett konfidensintervall för σ 2 och med konfidensgraden.95. (.). (.5p) Om vi antar att σ är känd och σ =., förefaller det troligt att µ > µ 4? Besvara frågan genom att konstruera ett lämpligt konfidensintervall med konfidensgraden.95. 2. (3 poäng) Svenska Den s.v. X ä Rayleigh-fördelad med täthetsfunktionen f X (x) = x a e x2 2a, för x, där a är okänd positiv parameter. Man har ett stickprov {x,..., x n } från denna fördelning. (2.). (p) Hitta en punktskattning â ML av a genom att använda Maximum Likelihood-metoden. (2.2). (p) Är â ML väntevärdesriktig? (2.3). (p) Hitta en punktskattning â MM av a genom att använda momentmetoden. 3. (3 poäng) Svenska Lång erfarenhet visar att om en viss sjukdom behandlas på traditionellt sätt, så är sannolikheten p att patienten tillfrisknar bara.6. I en inledande studie för en ny medicin mot den aktuella sjukdomen har man behandlat patienter och 68 av dem blev friska. (3.). (2p) Förkasta H på nivån α =.5? (3.2). (p) Vilken styrka har testet i (3.) för p =.8? H : p =.6 mot H : p >.6. 4. (3 poäng) Svenska Antag att X, X 2 och X 3 är oberoende standard normalfördelad N(, ). Den stokastiska variabeln Y = Y är Y = X + X 2, Y 2 = X + X 3, Y 3 = X 2 + X 3. (4.). (2p) Bestäm väntevärdesmatris och kovariansmatris för Y (4.2). (p) Beräkna P (2Y > Y 2 + 2). 5. (3 poäng) Svenska Vid en studie undersökte man tiden (y) tills en stimulans åstadkommer en reaktion hos nervtrådarna i en muskel. Man misstänker att reaktionstiden beror på försökspersonens ålder (x ) och möjligen också kön (x 2 = för kvinna och x 2 = för man). Nu har vi 2 observationer, och data har analyserats enligt två modeller Modell : Y = β + β x + β 2 x 2 + ε, Modell 2 : Y = β + β x + β 2 x 2 + β 3 x 2 + ε, där ε och ε är oberoende N(, σ) med följande resultat. Observera att det är olika parametrar β i och i de två modellerna. Y 2 Y 3 Page /2

Modell : Skattad regressionslinje: y = 2.24 +.55x 3.85x 2 2.2376 3.2.553.777 2-3.853 2.9775 Frihetsgrader Kvadratsumma REGR 2 67.6 RES 8 572.7 TOT 2 28.3 Modell 2: Skattad regressionslinje: y = 92.89 +.58x.x 2.3x 2 92.899 9.4.58.4623 2 -.8.52 3 -.362 2.97 Frihetsgrader Kvadratsumma REGR 3 739.2 RES 7 44. TOT 2 28.3 (5.). (.5p) I Modell, gör någon förklaringsvariabel nytta eller är båda meningslösa? Genomför lämpligt test på nivån.5. (5.2). (.5p) Ger Modell 2 en bättre beskrivning av datamaterialet än Modell? Genomför lämpligt test eller konfidensintervall på nivån.5. 6. (3 poäng) Svenska Den s.v. X antar värdena,, 2, 3. Man gjorde 496 oberoende observationer av X och fick Observation 2 3 Antal 764 692 552 88 Pröva på signifikansnivån % hypotesen att X är Binomial fördelning Bin(3, 4 ). Page 2/2