Matematisk statistik för D, I, Π och Fysiker

Relevanta dokument
Matematisk statistik 9 hp Föreläsning 6: Linjärkombinationer

Föreläsning 6, Matematisk statistik Π + E

Föreläsning 5, Matematisk statistik 7.5hp för E Linjärkombinationer

Föreläsning 6, FMSF45 Linjärkombinationer

Matematisk statistik för D, I, Π och Fysiker

Matematisk statistik 9hp Föreläsning 7: Normalfördelning

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

SF1901 Sannolikhetsteori och statistik I

Föreläsning 5, Matematisk statistik Π + E

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

Matematisk statistik 9hp Föreläsning 5: Summor och väntevärden

Kap 2. Sannolikhetsteorins grunder

SF1901: Sannolikhetslära och statistik. Flera stokastiska variabler.

SF1901: Sannolikhetslära och statistik

Föreläsning 5, FMSF45 Summor och väntevärden

Matematisk statistik för D, I, Π och Fysiker

SF1901: Sannolikhetslära och statistik

(x) = F X. och kvantiler

SF1901: SANNOLIKHETSTEORI OCH MER ON VÄNTEVÄRDE OCH VARIANS. KOVARIANS OCH KORRELATION. STORA TALENS LAG. STATISTIK.

Föreläsning 7: Punktskattningar

Stokastiska vektorer och multivariat normalfördelning

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

Väntevärde och varians

Matematisk statistik för D, I, Π och Fysiker

Stokastiska vektorer

SF1901: Sannolikhetslära och statistik

Föreläsning 7: Punktskattningar

Summor av slumpvariabler

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

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

Formel- och tabellsamling i matematisk statistik

Grundläggande matematisk statistik

TMS136. Föreläsning 5

Kurssammanfattning MVE055

SF1911: Statistik för bioteknik

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

SF1901: SANNOLIKHETSTEORI OCH FLERDIMENSIONELLA STOKASTISKA STATISTIK VARIABLER. Tatjana Pavlenko. 8 september 2017

Föreläsning 5. Funktioner av slumpvariabler. Ett centralt resultat.

Sannolikhet och statistik XI

Föreläsning 7: Punktskattningar

SF1901 Sannolikhetsteori och statistik I

FACIT: Tentamen L9MA30, LGMA30

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

TMS136. Föreläsning 5

Matematisk statistik 9 hp, HT-16 Föreläsning 10: Punktskattningar

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

SF1920/SF1921 Sannolikhetsteori och statistik 6,0 hp Föreläsning 6 Väntevärden Korrelation och kovarians Stora talens lag. Jörgen Säve-Söderbergh

Föreläsning 7: Stokastiska vektorer

Matematisk statistik 9 hp Föreläsning 4: Flerdim

Exempel. Kontinuerliga stokastiska variabler. Integraler i stället för summor. Integraler i stället för summor

Matematisk statistik KTH. Formel- och tabellsamling i matematisk statistik

LINKÖPINGS UNIVERSITET EXAM TAMS 27 / TEN 2

Föreläsning 17, Matematisk statistik Π + E

Matematisk statistik för D, I, Π och Fysiker

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

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.

Matematisk statistik för D, I, Π och Fysiker

Föreläsning 2, Matematisk statistik för M

Demonstration av laboration 2, SF1901

Formler och tabeller till kursen MSG830

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

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

TENTAMEN MÅNDAGEN DEN 22 OKTOBER 2012 KL a) Bestäm P(ingen av händelserna inträffar). b) Bestäm P(exakt två av händelserna inträffar).

Grundläggande matematisk statistik

LINKÖPINGS UNIVERSITET EXAM TAMS 27 / TEN 2

SF1901 Sannolikhetsteori och statistik I

19.1 Funktioner av stokastiska variabler

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

Avd. Matematisk statistik

Oberoende stokastiska variabler

Föreläsning 8, Matematisk statistik 7.5 hp för E Punktskattningar

Sannolikheter och kombinatorik

LINKÖPINGS UNIVERSITET EXAM TAMS 79 / TEN 1

FACIT: Tentamen L9MA30, LGMA30

Bengt Ringnér. October 30, 2006

Konvergens och Kontinuitet

LINKÖPINGS UNIVERSITET EXAM TAMS 27 / TEN 2

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

Bengt Ringnér. September 20, Detta är föreläsningsmanus på lantmätarprogrammet LTH vecka 5 HT07.

TAMS79: Föreläsning 4 Flerdimensionella stokastiska variabler

SF1901: Sannolikhetslära och statistik

Föreläsning 8, Matematisk statistik Π + E

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

TAMS79: Föreläsning 6. Normalfördelning

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

6. Flerdimensionella stokastiska variabler

Övning 1 Sannolikhetsteorins grunder

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

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

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

Föreläsningsmanus i matematisk statistik för lantmätare, vecka 5 HT06

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

F5 STOKASTISKA VARIABLER (NCT , samt del av 5.4)

Tentamen i Matematisk Statistik, 7.5 hp

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

Föreläsning 8, FMSF45 Binomial- och Poissonfördelning, Poissonprocess

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

Statistiska metoder för säkerhetsanalys

TAMS79: Matematisk statistik vt 2013

Kovarians och kriging

Transkript:

Matematisk statistik för D, I, Π och Fysiker Föreläsning 6 Johan Lindström oktober 8 Johan Lindström - johanl@maths.lth.se FMSF45/MASB F6 /9 Johan Lindström - johanl@maths.lth.se FMSF45/MASB F6 /9 Summa av två oberoende s.v., Z = X + Y (Kap. 4.7 k p Z (k = p X (ip Y (k i f Z (z = i= f X (xf Y (z x dx Maximum/Minimum av oberoende s.v. (Kap. 4.6 n Z = max(x,..., X n F Z (z = F Xi (z n Z = min(x,..., X n F Z (z = [ F Xi (z] Johan Lindström - johanl@maths.lth.se FMSF45/MASB F6 /9

, E(X, μ, μ X (Def. 5. t anger tyngdpunkten för fördelningen och kan tolkas som det värde man får i medeltal i långa loppet. { g(x, y fx,y (x, y dydx Kont. E(g(X, Y = k,l g(k, lp X,Y(k, l Diskr. Betingade väntevärde, E(X Y (Kap. 5.c E(X Y = y = x f X Y (x y dx Observera att E(X Y = y är en funktion av y; E(X Y är samma funktion av Y E(E(X Y = E(X Johan Lindström - johanl@maths.lth.se FMSF45/MASB F6 4/9, C(X, Y (Def. 5.7 en anger hur mycket linjärt beroende som finns mellan X och Y. C(X, Y = E{ [X E(X ][ Y E(Y ] } = E(XY E(XE(Y Ur definitionen fås C(X, X = V(X X och Y oberoende = C(X, Y = Obs. C(X, Y = X och Y oberoende Korrellationskoefficient, ρ, ρ X,Y (Def. 5.8 ρ X,Y = C(X, Y D(XD(Y ρ X,Y Johan Lindström - johanl@maths.lth.se FMSF45/MASB F6 5/9 Oberoende Johan Lindström - johanl@maths.lth.se FMSF45/MASB F6 7/9

Oberoende Linjärkombination (Kap. 5. & 5.5 E och V av linjärtransformation (Sats 5.7 E(aX + b = ae(x + b V(aX + b = a V(X D(aX + b = a D(X E och V av linjärkombination (Sats 5. E a i X i + b i = a i E(X i + V a i X i + b i = b i a i a j C(X i, X j a i V(X i + i<j }{{} = om oberoende Johan Lindström - johanl@maths.lth.se FMSF45/MASB F6 8/9 Oberoende en är bilinjär (Kap. 5.5 C (a X + a X, b Y + b Y = a b C(X, Y + a b C(X, Y + a b C(X, Y + a b C(X, Y (jfr. polynommultiplikation C a j X j, b k Y k = j k j a j b k C(X j, Y k k :. C(X + X, Y 4Y. V(X X Johan Lindström - johanl@maths.lth.se FMSF45/MASB F6 9/9 Oberoende Specialfall av oberoende och likafördelade s.v. (Kap. 5.5 Låt E(X i = μ, V(X i = σ Summa: Y = n X i (Följdsats 5.. E(Y = E X i = E(X i = μ = nμ V(Y = V X i = Medelvärde: X n = n E(X n = V(X n = V(X i = σ = nσ X i (Följdsats 5.. n E(X i = n μ = n nμ = μ n V(X i = n σ = n nσ = σ n Johan Lindström - johanl@maths.lth.se FMSF45/MASB F6 /9

: Banklån Oberoende Låt X i beskriva återbetalningen från ett bostadslån. Av erfarenhet vet banken att E(X i = 4 MSEK och V(X i =.4 MSEK. Bestäm E(Y och V(Y om Y ges av. Sammanlagda återbetalningen från helt oberoende banklån.. Sammanlagda återbetalningen från identiska (dvs fullkomligt korrelerade banklån.. Sammanlagda återbetalningen från banklån med korrelation ρ. Johan Lindström - johanl@maths.lth.se FMSF45/MASB F6 /9 Johan Lindström - johanl@maths.lth.se FMSF45/MASB F6 /9 Medelvärden av X i Exp ( 4 Succesiva medelvärden standard exponentialfördelning.5.5.5.5 4 n E(X n = μ = V(X n = σ n = n Johan Lindström - johanl@maths.lth.se FMSF45/MASB F6 /9

Law of large numbers (Kap. 5.6 Om X, X,..., X n är oberoende och likafördelade med E(X i = μ så gäller P ( X n μ > ε, n för alla ε > Medelvärdet konvergerar i sannolikhet mot väntevärdet då n växer mot oändligheten En alternativ (teoretisk starkare formulering är att ({ } P lim X n existerar och är lika med μ = n Johan Lindström - johanl@maths.lth.se FMSF45/MASB F6 4/9 Johan Lindström - johanl@maths.lth.se FMSF45/MASB F6 5/9 CGS (Kap. 6.7 Låt X, X,..., X n vara oberoende stokastiska variabler med samma fördelning och E(X i = μ, V(X i = σ (ändliga. Då gäller att: ( n P X i nμ σ a Φ(a då n för alla a n En vardagligare framställning är att: X i N ( nμ, σ n då n stort (n Johan Lindström - johanl@maths.lth.se FMSF45/MASB F6 6/9

Summa av tärningar. p X (k. 4 5 6 Antal tärningar 7 8 k 4 5 Johan Lindström - johanl@maths.lth.se FMSF45/MASB F6 7/9 n = n =.8.6.8.6.4.4.. 4 6 8 n = 5 4 n =.8.6.4..5.5.5.5 n = 5 4 n =.6.8..4.6.8..4 Medelvärde av X i Exp( Johan Lindström - johanl@maths.lth.se FMSF45/MASB F6 8/9 Äpplen Tag 5 äpplen från ett äppelträd. Låt X i vara vikten av äpple nr i. Vad är slh att den sammanlagda vikten överstiger 5 g om E(X i = g och V(X i = 4 g? Johan Lindström - johanl@maths.lth.se FMSF45/MASB F6 9/9