Övning 1. Vad du ska kunna efter denna övning. Problem, nivå A

Relevanta dokument
Fördelningsfunktionen för en kontinuerlig stokastisk variabel. Täthetsfunktionen för en kontinuerlig och en diskret stokastisk variabel.

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

Kunna definiera laplacetransformen för en kontinuerlig stokastisk variabel. Kunna definiera z-transformen för en diskret stokastisk variabel.

FACIT: Tentamen L9MA30, LGMA30

Kap 2. Sannolikhetsteorins grunder

Tentamen MVE301 Sannolikhet, statistik och risk

Föreläsning 5, Matematisk statistik Π + E

Stokastiska signaler. Mediesignaler

Matematisk statistik för D, I, Π och Fysiker

Fö relä sning 1, Kö system vä ren 2014

Föreläsning 5, FMSF45 Summor och väntevärden

Matematisk statistik 9hp Föreläsning 5: Summor och väntevärden

Veckoblad 3. Kapitel 3 i Matematisk statistik, Blomqvist U.

4 Diskret stokastisk variabel

SF1901: Sannolikhetslära och statistik

Veckoblad 3. Kapitel 3 i Matematisk statistik, Dahlbom, U.

SF1901 Sannolikhetsteori och statistik I

F5 STOKASTISKA VARIABLER (NCT , samt del av 5.4)

Matematisk statistik 9hp Föreläsning 7: Normalfördelning

Övning 1 Sannolikhetsteorins grunder

SF1920/SF1921 Sannolikhetsteori och statistik 6,0 hp Föreläsning 3 Diskreta stokastiska variabler. Jörgen Säve-Söderbergh

SF1911: Statistik för bioteknik

Fö relä sning 1, Kö system 2015

TMS136. Föreläsning 4

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

1.1 Diskret (Sannolikhets-)fördelning

Matematisk statistik för D, I, Π och Fysiker

Kunna beräkna medelantal kunder för alla köer i ett könät utan återkopplingar. I denna övning kallas ett kösystem som ingår i ett könät oftast nod.

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

Stat. teori gk, ht 2006, JW F7 STOKASTISKA VARIABLER (NCT 5.7) Ordlista till NCT

Fö relä sning 2, Kö system 2015

Tentamen MVE301 Sannolikhet, statistik och risk

Matematisk statistik KTH. Formel- och tabellsamling i matematisk statistik

1 Föreläsning V; Kontinuerlig förd.

SF1901 Sannolikhetsteori och statistik I

Våra vanligaste fördelningar

Föreläsning 6, Matematisk statistik Π + E

Finansiell Statistik (GN, 7,5 hp,, VT 2009) Föreläsning 2. Diskreta Sannolikhetsfördelningar. (LLL Kap 6) Stokastisk Variabel

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

Tentamen i TMA321 Matematisk Statistik, Chalmers Tekniska Högskola.

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

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

Stokastiska Processer F2 Föreläsning 1: Repetition från grundkursen

Föreläsning 5, Matematisk statistik 7.5hp för E Linjärkombinationer

Exempel för diskreta och kontinuerliga stokastiska variabler

Föreläsning 2 (kap 3): Diskreta stokastiska variabler

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

SF1901: Sannolikhetslära och statistik

Väntevärde och varians

Tentamen MVE301 Sannolikhet, statistik och risk

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

Kurssammanfattning MVE055

4. Stokastiska variabler

Lösningar till uppgifter från Milton-Arnold, kap 3 4 Matematisk statistik

SF1901: Sannolikhetslära och statistik

Finansiell Statistik (GN, 7,5 hp, HT 2008) Föreläsning 2

LINKÖPINGS UNIVERSITET EXAM TAMS 27 / TEN 2

Tentamen i matematisk statistik (9MA241/9MA341, STN2) kl 08-12

1.1 Diskret (Sannolikhets-)fördelning

Kunna använda Littles sats för enkla räkningar på kösystem.

Matematisk statistik KTH. Formelsamling i matematisk statistik

Kap 3: Diskreta fördelningar

Resultat till ett försök är ofta ett tal. Talet kallas en stokastisk variabel (kortare s. v.).

Matematisk statistik 9hp Föreläsning 2: Slumpvariabel

Kunna beräkna P (spärr) för system med begränsat antal kunder och köplatser. Kunna beräkna medelantal upptagna betjänare.

2 x dx = [ x ] 1 = 1 ( 1 (1 0.9) ) 100 = /

Envägs variansanalys (ANOVA) för test av olika väntevärde i flera grupper

Föresläsningsanteckningar Sanno II

Antal ögon Vinst (kr) Detta leder till följande uttryck E(x) = x x p X(x) x f X(x)dx

Matematisk statistik 9 hp Föreläsning 6: Linjärkombinationer

Tiden i ett tillstånd

Kunna använda Littles sats för enkla räkningar på kösystem.

Föreläsning 2, FMSF45 Slumpvariabel

Finansiell statistik, vt-05. Slumpvariabler, stokastiska variabler. Stokastiska variabler. F4 Diskreta variabler

LINKÖPINGS UNIVERSITET EXAM TAMS 27 / TEN 2

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

Uppgift 1 a) En kontinuerlig stokastisk variabel X har fördelningsfunktion

Tentamen MVE301 Sannolikhet, statistik och risk

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

FÖRELÄSNING 4:

Föreläsning 6, FMSF45 Linjärkombinationer

Tentamen i matematisk statistik (9MA241/9MA341, STN2) kl 14 18

SF1901: Sannolikhetslära och statistik

Poisson Drivna Processer, Hagelbrus

Introduktion till statistik för statsvetare

SF1901: Sannolikhetslära och statistik. Flera stokastiska variabler.

Resultat till ett försök är ofta ett tal. Talet kallas en stokastisk variabel (kortare s. v.).

Lärmål Sannolikhet, statistik och risk 2015

Jörgen Säve-Söderbergh

Tentamen MVE301 Sannolikhet, statistik och risk

1 Mätdata och statistik

modell Finansiell statistik, vt-05 Modeller F5 Diskreta variabler beskriva/analysera data Kursens mål verktyg strukturera omvärlden formellt

Grundläggande matematisk statistik

FINGERÖVNINGAR I SANNOLIKHETSTEORI MATEMATISK STATISTIK AK FÖR I. Oktober Matematikcentrum Matematisk statistik

7. NÅGRA SPECIELLA DISKRETA SANNOLIKHETSFÖRDELNINGAR

Tentamen i Matematisk statistik Kurskod S0001M

Föreläsning 7: Stokastiska vektorer


Tentamen LMA 200 Matematisk statistik,

Statistik 1 för biologer, logopeder och psykologer

Transkript:

Övning 1 Vad du ska kunna efter denna övning Redogöra för begreppen diskret och kontinuerlig stokastisk variabel. Definiera fördelningsfunktionen för en stokastisk variabel. Definiera frekvensfunktionen för en stokastisk variabel. Beräkna medelvärde och varians för en stokastisk variabel. Definiera betingad sannolikhet och ta bort beting. Problem, nivå A 1. Antag att det för ett mynt gäller att P (klave) p. Kasta myntet tills du har fått klave n gånger. Låt N vara antalet kast som du har gjort. Beräkna medelvärdet för N. 2. Låt X och Y vara två diskreta stokastiska variabler som bara kan anta värdena och 1. Vi vet att P (X,Y )1/2 P (X 1,Y )1/8 P (X,Y 1)1/4 P (X 1,Y 1)1/8 Beräkna följande: (a) P (X ) (b) P (X 1 Y ) (c) P (Y X 1) (d) E(Y ) (e) E(XY ) (f) E(X Y ) (g) E(Y X 1) 3. Låt X vara en kontinuerlig, positiv stokastisk variabel med fördelningsfunktionen F X (t) 1 e μt (a) Beräkna medelvärdet av X. (b) Beräkna variansen av X. 4. Bestäm frekvensfunktionen för den diskreta stokastiska variabeln N som antar värden då P (N k X t) (λt)k e λt,k k! f X (t) μe μt (frekvensfunktionen för X) X är en positiv, kontinuerlig stokastisk variabel. 1

Problem, nivå B 5. I en urna finns tre tärningar med följande egenskaper: P(1) P(2) P(3) P(4) P(5) P(6) Tärning 1 1/6 1/6 1/6 1/6 1/6 1/6 Tärning 2 3/12 2/12 2/12 1/12 1/12 3/12 Tärning 3 2/12 3/12 1/12 2/12 3/12 1/12 (a) Antag att man väljer en tärning på slump. Vad är sannolikheten att få en sexa om man kastar tärningen? (b) Antag att man väljer två tärningar på slump. Vad är sannolikheten att få två sexor om man kastar tärningarna? 6. En fånge är placerad i en cell som har tre dörrar. Den första dörren för honom omedelbart till friheten. Den andra leder honom till en tunnel som för honom tillbaka till cellen efter en dags vandring. Den tredje leder till en tunnel som för honom tillbaka till cellen efter tre dagars vandring. Om han kommer tillbaka till cellen väljer han på nytt en dörr helt på slump det vill säga han lär sig aldrig av sina misstag. Hur lång tid kommer det i medeltal ta innan fången når friheten? 7. Låt n vara antalet ankomster till ett system under en dag. Varje ankomst medför en last. (a) Antag att lasterna är oberoende likafördelade stokastiska variabler med medelvärde E(X) och varians V (X). Bestäm medelvärde och varians för den totala lasten som kommer till systemet under en dag. (b) Antag i stället att alla ankomsterna under en dag medför samma last som den första ankomsten. Antag att den första ankomsten har medelvärde E(X) och variansen V (X). Vad blir då medelvärdet och variansen för den totala lasten som kommer under en dag? Problem, nivå C 8. Antag att A och B är två diskreta stokastiska variabler för vilka gäller P (A 1,B ), 3 P (A 1,B 1), 2 P (A 2,B ), 1 P (A 3,B ), 4 (a) Beräkna medelvärdet av A. (b) Beräkna medelvärdet av B. (c) Är A och B oberoende? (d) Beräkna medelvärdet av AB. 2

9. En positiv, kontinuerlig stokastisk variabel X har fördelningsfunktionen F X (t) 1 e λt dvs den är exponentialfördelad. Bestäm P (X x + x X >x) 1. Låt A och B vara oberoende, diskreta stokastiska variabler (A, B {, 1, 2,...}) med frekvensfunktionerna P (A k) ak k! e a respektive P (B k) bk k! e b (a) Beräkna medelvärdet av A. (b) Beräkna frekvensfunktionen för A + B. (c) Beräkna P (A k A + B n) om k n. Lösningar till övning 1 1. Vi kan se försöket att singla slant tills vi får klave för n:te gången som en sammansättning av n delförsök där man i vart och ett av delförsöken kastar tills man får klave för första gången. Dessa delförsök har alla samma fördelning. Om vi antar att N i är antalet kast i delförsök i så får vi n n N N i E(N) E(N i )ne(n 1 ) i1 i1 eftersom alla N i har samma fördelning och därmed samma medelvärde. Låt oss nu beräkna medelvärdet för N 1. För att göra det behöver vi N 1 :s frekvensfunktion. Om vi ska få den första klaven vid det k:te försöket måste vi först få k 1 kronor. Sannolikheten för detta blir P (N 1 k) (1 p) k 1 p Observera att k är minst 1 eftersom det krävs minst ett kast för att få en klave. För att få enklare beteckningar sätter vi q 1 p. Definitionen av medelvärde ger E(N 1 ) kp(n 1 k) p kq k 1 k1 k1 p d q k p d q dq k1 dq 1 q p 1 q + q (1 q) 1 2 p Slutligen får vi alltså E(N) n p 3

2. (a) P (X ) P (X,Y )+P (X,Y 1) 1 2 + 1 4 3 4 (b) P (X 1 Y ) P (X 1,Y ) P (Y ) P (X 1,Y ) P (X 1,Y )+P (X,Y ) 1 5 (c) (d) P (Y X 1) P (X 1,Y ) P (X 1) P (X 1,Y ) 1 P (X ) 1 2 E(Y ) P (Y )+1 P (Y 1)P (Y 1) P (X,Y 1)+P (X 1,Y 1) 3 8 (e) X och Y kan bara anta värdena och 1 vilket medför att deras produkt också bara kan anta värdena och 1. Definitionen på medelvärde ger då (f) (g) E(XY ) P (XY )+1 P (XY 1)P (XY 1) P (X 1,Y 1) 1 8 E(X Y ) P (X Y )+1 P (X 1 Y ) 1 5 E(Y X 1) P (Y X 1) +1 P (Y 1 X 1) P (Y 1 X 1) 1 2 3. För att kunna beräkna medelvärde och varians så måste vi börja med att derivera fördelningsfunktionen så att vi får frekvensfunktionen f X (t) d dt F X(t) μe μt 4

(a) E(X) tf X (t)dt tμe μt dt 1 μ (b) Vi börjar med att beräkna andramomentet E(X 2 ) Sedan får vi t 2 μe μt dt 2 μ 2 V (X) E(X 2 ) E 2 (X) 2 μ 2 1 μ 2 1 μ 2 I denna uppgift använder vi att t k e at dt k! (1) a k+1 Denna formel finns i formelsamlingen. 4. Vi tar bort betinget P (N k) ( λ λ + μ P (N k X t)f X (t)dt (λt) k e λt μe μt dt k! ) k μ λ + μ Även i denna uppgift har vi använt formel (1) från lösningen på föregående uppgift. 5. (a) Låt oss sätta P (k i) P (man får k man väljer tärning i). Det ger oss P (6) 3 i1 P (6 i)p (väljer i) 1 6 1 3 + 3 12 1 3 + 1 12 1 3 1 6 (b) Nu sätter vi i stället P (66 ij) P (får två sexor väljer tärningarna i och j). Det ger P (66) P (66 ij)p (väljer i och j) i,j P (66 12) 1 3 + P (66 13) 1 3 + P (66 23) 1 3 1 6 3 12 1 3 + 1 6 1 12 1 3 + 3 12 1 12 1 3 11 432 5

6. Antag att T är tiden det tar innan fången blir fri. Om fången väljer en dörr så att han kommer tillbaka till cellen väljer han en ny dörr helt på slump. Det gör att medelvärdet av den återstående tiden har samma fördelning och därmed samma medelvärde som T. Antag att E(T i) E(T väljer dörr i första gången). Det ger oss följande ekvationer E(T 1) E(T 2) 1 + E(T ) E(T 3) 3 + E(T ) Om vi nu tar bort betingen så får vi: E(T ) 3 E(T i)p (väljer i) i1 1 1 1 +(1+E(T )) +(3+E(T )) 3 3 3 4+2E(T ) 3 Denna ekvation löses enkelt och ger E(T )4 7. Låt lasten som varje ankomst för med sig vara X 1...X n och den totala lasten vara X. 8. (a) (a) Medelvärden är alltid additiva E(X) E(X 1 + + X n )E(X 1 )+ + E(X n )ne(x 1 ) Eftersom X 1...X n är oberoende av varandra kan vi summera varianserna V (X) V (X 1 + + X n )V (X 1 )+ + V (X n )nv (X 1 ) (b) För medelvärdet får man samma svar som i (a)-uppgiften. Däremot blir svaret för variansen inte samma, för nu är ju inte X 1...X n oberoende av varandra. Nu får vi i stället (b) V (X) V (nx 1 )n 2 V (X 1 ) E(A) 1 P (A 1)+2 P (A 2)+3 P (A 3) P (A 1,B )+P (A 1,B 1) +2 P (A 2,B )+3 P (A 3,B )1, 9 E(B) P (B )+1 P (B 1) P (B 1)P (A 1,B 1), 2 (c) Om B 1så måste ju A 1. Därför kan A och B ej vara oberoende. 6

(d) Den första frågan man ska ställa sig är vilka värden som AB kan anta. Det finns bara fyra kombinationer av värden på A och B som har sannolikhet större än. Av dessa är det tre där AB, nämligen de där B. Den fjärde kombinationen är A 1och B 1och då är AB 1. Detta ger oss E(AB) P (AB )+1 P (AB 1) P (A 1,B 1), 2 9. Definitionen av beting ger oss P (X x + x X >x) P (X x + x, X > x) P (X >x) P (x <X x + x) P (X >x) Nu kan vi använda att P (a <X b) b a b f X (t)dt f X (t)dt F X (b) F X (a) Sätter vi in detta i täljaren ovan får vi a f X (t)dt P (X x + x X >x) F X(x + x) F X (x) P (X >x) (1 F X(x)) (1 F X (x + x)) 1 F X (x) 1 e λ(x +x) 1 e λx e λx Detta är ett viktigt resultat. Det säger att den återstående tiden har samma fördelning som den ursprungliga tiden. Man säger att exponentialfördelningen är minneslös. 1. (a) Vi använder definitionen av medelvärde E(A) a k k1 k1 (b) Först konstaterar vi att k ak k! e a k ak k! e a a k 1 (k 1)! e a ae a i a i i! ae a e a a k P (A + B k) P (A + B k B i)p (B i) i 7

Eftersom A och B är oberoende av varandra så är dessutom P (A + B k B i) P (A + B k, B i) P (B i) P (A k i, B i) P (B i) P (A k i)p (B i) P (B i) P (A k i) Sätter vi in detta ovan så får vi P (A + B k) k P (A k i)p (B i) i k a k i bi e a i (k i)! i! e b ( ) e (a+b) k k a k i b i k! i i (a + b)k e (a+b) k! Summan är alltså också poissonfördelad med medelvärde a + b (c) P (A k A + B n) Detta gäller om k n. ak P (A k, A + B n) P (A + B n) P (A k, B n k) P (A + B n) b n k n! k! e a (n k)! e b (a + b) n ea+b ( ) n a k b n k k (a + b) n 8