histogram över 1000 observerade väntetider minuter 0.06 f(x) täthetsfkn x väntetid 1

Relevanta dokument
histogram över 1000 observerade väntetider minuter 0.06 f(x) täthetsfkn x väntetid

Två parametrar: µ (väntevärdet) och σ (standardavvikelsen) µ bestämmer normalfördelningens läge

Statistiska metoder för säkerhetsanalys

1 Föreläsning V; Kontinuerlig förd.

Föreläsning 4, Matematisk statistik för M

Matematisk statistik 9hp Föreläsning 2: Slumpvariabel

Föreläsning 2, FMSF45 Slumpvariabel

repetera begreppen sannolikhetsfunktion, frekvensfunktion och fördelningsfunktion

FORMELSAMLING MATEMATISK STATISTIK FÖR W; FMSF75 UPPDATERAD Sannolikhetsteori. Beskrivning av data. Läges-, spridnings- och beroendemått

1.1 Diskret (Sannolikhets-)fördelning

SF1901: Sannolikhetslära och statistik

SF1901 Sannolikhetsteori och statistik I

Kap 2. Sannolikhetsteorins grunder

PROGRAMFÖRKLARING I. Statistik för modellval och prediktion. Ett exempel: vågriktning och våghöjd

EXEMPEL PÅ FRÅGESTÄLLNINGAR INOM STATISTIK- TEORIN (INFERENSTEORIN):

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

Grundläggande matematisk statistik

BIOSTATISTISK GRUNDKURS, MASB11, VT-16, VT2 ÖVNING 3, OCH INFÖR ÖVNING 4

Mer om slumpvariabler

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

Föreläsning 3. Sannolikhetsfördelningar

Kap 3: Diskreta fördelningar

TMS136. Föreläsning 4

SF1911: Statistik för bioteknik

Formel- och tabellsamling i matematisk statistik

Föreläsning 8, Matematisk statistik 7.5 hp för E Punktskattningar

Föreläsning 7. Statistikens grunder.

FMSF55: Matematisk statistik för C och M OH-bilder på föreläsning 5, a 2 e x2 /a 2, x > 0 där a antas vara 0.6.

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

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

PROGRAMFÖRKLARING III

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

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

Våra vanligaste fördelningar

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

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

Datorövning 1: Fördelningar

Föreläsning 5. Funktioner av slumpvariabler. Ett centralt resultat.

4 Diskret stokastisk variabel

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

SF1901: Sannolikhetslära och statistik

4.2.1 Binomialfördelning

träna på att använda olika grafiska metoder för att undersöka vilka fördelningar ett datamaterial kan komma från

Tentamen i Matematisk statistik Kurskod S0001M

F8 Skattningar. Måns Thulin. Uppsala universitet Statistik för ingenjörer 14/ /17

EXEMPEL PÅ FRÅGESTÄLLNINGAR INOM STATISTIKTE- ORIN (INFERENSTEORIN):

FORMELSAMLING HT-18 MATEMATISK STATISTIK FÖR B, K, N, BME OCH KEMISTER; FMSF70 & MASB02. Sannolikhetsteori. Beskrivning av data

Grundläggande matematisk statistik

4.1 Grundläggande sannolikhetslära

Extremvärden att extrapolera utanför data och utanför teori/modell. Statistik för modellval och prediktion p.1/27

Kap 6: Normalfördelningen. Normalfördelningen Normalfördelningen som approximation till binomialfördelningen

Föreläsning 2, Matematisk statistik för M

Föreläsning 8 för TNIU23 Integraler och statistik

Statistiska metoder för säkerhetsanalys

Matematisk statistik 9hp Föreläsning 5: Summor och väntevärden

Jörgen Säve-Söderbergh

Föreläsning 5, FMSF45 Summor och väntevärden

Matematisk statistik 9hp Föreläsning 7: Normalfördelning

F9 Konfidensintervall

Statistik 1 för biologer, logopeder och psykologer

Sannolikheter och kombinatorik

1.1 Diskret (Sannolikhets-)fördelning

Föreläsning 5, Matematisk statistik Π + E

Finansiell statistik, vt-05. Kontinuerliga s.v. variabler. Kontinuerliga s.v. F7 Kontinuerliga variabler

Diskussionsproblem för Statistik för ingenjörer

SF1901 Sannolikhetsteori och statistik I

Föreläsning 8, Matematisk statistik 7.5 hp för E, HT-15 Punktskattningar

Tentamen i Matematisk statistik Kurskod S0001M

Kurssammanfattning MVE055

SF1901 Sannolikhetsteori och statistik I

Tentamen i Matematisk statistik Kurskod S0001M

Tryckfel i K. Vännman, Matematisk Statistik, upplaga 2:13

Matematikcentrum 1(6) Matematisk Statistik Lunds Universitet MASB11 - Biostatistisk grundkurs VT2014, lp3. Laboration 2. Fördelningar och simulering

Föreläsning 2 (kap 3): Diskreta stokastiska variabler

TENTAMEN Datum: 14 feb 2011

(x) = F X. och kvantiler

Grundläggande matematisk statistik

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

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

Hur måttsätta osäkerheter?

Introduktion till statistik för statsvetare

Summor av slumpvariabler

Tentamen i Matematisk statistik Kurskod S0001M

Matematisk statistik 9 hp Föreläsning 3: Transformation och simulering

Matematisk statistik, LMA 200, för DAI och EI den 25 aug 2011

FÖRELÄSNING 4:

Övningstentamen i kursen Statistik och sannolikhetslära (LMA120)

DATORÖVNING 2 MATEMATISK STATISTIK FÖR D, I, PI OCH FYSIKER; FMSF45 & MASB03. bli bekant med summor av stokastiska variabler.

SF1901 Sannolikhetsteori och statistik I

TMS136. Föreläsning 7

LÖSNINGAR TILL. Matematisk statistik, Tentamen: kl FMS 086, Matematisk statistik för K och B, 7.5 hp

Föreläsning 8, FMSF45 Binomial- och Poissonfördelning, Poissonprocess

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

9. Konfidensintervall vid normalfördelning

bli bekant med summor av stokastiska variabler.

F5 STOKASTISKA VARIABLER (NCT , samt del av 5.4)

SF1922/SF1923: SANNOLIKHETSTEORI OCH DISKRETA STOKASTISKA VARIABLER STATISTIK. Tatjana Pavlenko. 23 mars, 2018

F13 Regression och problemlösning

Transkript:

Lunds tekniska högskola Matematikcentrum Matematisk statistik FMSF5: Matematisk statistik för L och V OH-bilder på föreläsning 4, 27--8 EXEMPEL: buss. Från en busshållplats avgår en buss var 2 min (inga förseningar). Du kommer på en på måfå vald tidpunkt till hållplatsen, ξ = väntetiden. (a) Vad är fördelningen för ξ? (b) Vad är sannolikheten att du får vänta mindre än 3 minuter? (c) Vad är sannolikheten att du får vänta mer än 5 minuter? (d) Hur länge får du vänta i genomsnitt? 5 histogram över observerade väntetider antal ggr 5 5 5 5 2 25 minuter.6 f(x) täthetsfkn.4.2 F(x) Fördelningsfkn 5 5 5 2 25 x väntetid.5 5 5 5 2 25 x väntetid

EXEMPEL: livslängd. En viss typ av elektroniska komponenter håller i genomsnitt 2 timmar. Låt ξ vara livslängden (timmar) hos en slumpmässigt vald komponent. (a) Vad är fördelningen för ξ? (b) Vad är sannolikheten att livslängden ligger mellan och 3 timmar? (c) Vad är den förväntade livslängden hos denna komponent? (d) Vad är medianen av livslängden? 5 histogram över 5 observerade livslängder 5 2 3 4 5 6 7 8 9 6 x 3 f(x) täthetsfkn 4 2 F(x) fördelningsfkn 2 3 4 5 6 7 8 9 x livslängd (tim).5 2 3 4 5 6 7 8 9 x livslängd (tim)

EXEMPEL: Under 38 år noteras årliga maximala vindstyrkan (m/s) på en plats. Man är intresserad av Hur troligt är det att årliga maximala vindstyrkan överstiger 35 m/s? Vilken är den årliga maximala vindstyrka som överskrids i % av åren? ARBETSGÅNG: Plotta data från de 38 mätningarna (plotta mot tid, histogram) Försök hitta en standardmodell som passar till de 38 mätningarna Använd mätningarna för att skatta parametrarna i modellen Beräkna sannolikheter och kvantiler I MODELLEN En lämplig modell visade sig vara Gumbelfördelning (extremvärdesfördelning av typ I) med fördelningsfunktion F (x) = e e (x b a ) där b uppskattas till 29. och a till 2.5.

VINDHASTIGHET (m/s) 4 35 3 25 2 3 4 TID Empirical and Gumbel estimated cdf FREKVENS 8 6 4 2 HISTOGRAM 25 3 35 4 VINDHASTIGHET FREKVENSFUNKTION, GUMBEL.2.8.5 F(x).6.4 f(x)..2.5 25 3 35 4 VINDHASTIGHET 2 3 4 VINDHASTIGHET (a) Hur troligt är det att årliga maximala vindstyrkan överstiger 35 m/s? (b) Vilken är den årliga maximala vindstyrka som överskrids i % av åren?

EXEMPEL: Också en av de vanligaste fördelningarna... Normalfördelningen (gaussisk fördelning, gaussisk klocka).6 FREKVENSFUNKTION.5.4.3.2. 5 2 25 3 35 4 45 5 55 FÖRDELNINGSFUNKTION.8.6.4.2 5 2 25 3 35 4 45 5 55 Studerar vi mycket några veckor fram i kursen!

ξ diskret ξ kontinuerlig Sannolikhetsfördelning p(x) = P (X = x) f(x) Fördelningsfunktion F (x) = P (ξ x) F (x) = [x] k= p(x) F (x) = x f(t)dt Sannolikhetsfunktion för X Po(2.5).8 Täthetsfunktion för X N(3.5,.5) P(X=k)=p(k).25.2.5..5 2 3 4 5 6 7 8 9 k f(x).6.4.2 2 4 6 x Fördelningsfunktion för X Po(2.5) Fördelningsfunktion för X N(3.5,.5).8.8 F(x)=P(X<=x).6.4.2 F(x).6.4.2 2 4 6 8 x 2 4 6 x

Lathund (forts) Lägesmått för s.v. median m väntevärde: { x= xp(x) diskret E(ξ) = µ = xf(x)dx kontinuerlig F (m) = m f(x)dx=.5 undre p:te percentil L p F (L p ) = L p f(x)dx= p övre kvantil x α F (x α ) = α Spridningsmått för s.v. varians (förväntad kvadratisk avvikelse från väntevärdet): { V (ξ) = σ 2 x= = (x µ)2 p(x) diskret (x µ)2 f(x)dx kontin. standardavvikelse: D(ξ) = σ = V (ξ)

EXEMPEL mätfel; hållfasthet hos trä; längden hos betongelement; GRÄNSFÖRDELNING för summan av s.v. FÖRDELNING beteckning Normalfördelning ξ N(µ, σ) Lognormalfördelning ln ξ N(µ, σ) axiell belastning hos betongpelare; årsnederbörd av snö; hastighet i en rondell Exponentialfördelning ξ Exp(λ) livslängd hos komponenter; tidpunkten mellan två händelser som inträar slumpmässigt och oberoende av varandra; Richtermagnituden hos en jordbävning Weibullfördelning Gumbelfördelning Gammafördelning Rektangelfördelning Binomialfördelning Poissonfördelning ξ Γ(p, a) ξ R(a, b) ξ Bin(n, p) ξ P o(λ) utmattningsfenomen; karakteristisk bärförmåga; tiden en enhet ligger i lager, restider extrema värden, årsmaxima årsmaxima för snödjup avrundningfel; väntetid på en buss antalet defekta komponenter i en sändning; antalet ggr ett gränsvärde överskrids under mätperioden; antalet översvämningsår antalet bilar i en rondell; antalet radioaktiva sönderfall under en tidsperiod; antalet mc-olyckor under en månad