LINKÖPINGS UNIVERSITET EXAM TAMS 15 / TEN 1

Relevanta dokument
LINKÖPINGS UNIVERSITET EXAM TAMS 27 / TEN 2

LINKÖPINGS UNIVERSITET EXAM TAMS 27 / TEN 2

LINKÖPINGS UNIVERSITET EXAM TAMS 27 / TEN 2

LINKÖPINGS UNIVERSITET EXAM TAMS 79 / TEN 1

TENTAMEN I MATEMATISK STATISTIK 19 nov 07

LINKÖPINGS UNIVERSITET TENTA 92MA31, 92MA37, 93MA31, 93MA37 / STN 2 9GMA05 / STN 1

TENTAMEN I SF1904 MARKOVPROCESSER FREDAGEN DEN 17 AUGUSTI 2018 KL

Tentamen i matematisk statistik, TAMS15/TEN (4h)

TENTAMEN I SF1904 MARKOVPROCESSER TISDAGEN DEN 29 MAJ 2018 KL

Uppgift 2) Datum: 23 okt TENTAMEN I MATEMATIK OCH MATEMATISK STATISTIK, kurskod 6H3000

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

e x/1000 för x 0 0 annars

TENTAMEN I SF1904 MARKOVPROCESSER FREDAGEN DEN 18 AUGUSTI 2017 KL

Matematisk statistik för D, I, Π och Fysiker

P =

b) Vad är sannolikheten att personen somnar i lägenheten? (4 p) c) Hur många gånger förväntas personen byta rum? (4 p)

TAMS79: Föreläsning 10 Markovkedjor

Tentamen MVE301 Sannolikhet, statistik och risk

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

SF1901 Sannolikhetsteori och statistik I

SF1901: Sannolikhetslära och statistik

SF1901 Sannolikhetsteori och statistik I

Uppgift 1 a) En kontinuerlig stokastisk variabel X har fördelningsfunktion

Tentamen LMA 200 Matematisk statistik,

** a) Vilka värden ska vara istället för * och **? (1 p) b) Ange för de tre tillstånden vilket som svarar mot 0,1,2 i figuren.

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

Matematisk statistik 9hp Föreläsning 5: Summor och väntevärden

Tentamen MVE301 Sannolikhet, statistik och risk

Föreläsning 5, Matematisk statistik Π + E

Tentamen MVE301 Sannolikhet, statistik och risk

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

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

Tentamen MVE302 Sannolikhet och statistik

Tentamen MVE302 Sannolikhet och statistik

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

Föreläsning 5, FMSF45 Summor och väntevärden

Markovprocesser SF1904

Matematisk statistik KTH. Formel- och tabellsamling i matematisk statistik

Markovprocesser SF1904

Tentamen i Sannolikhetslära och statistik, TNK069, , kl 8 13.

Markovprocesser SF1904

Stokastiska processer och simulering I 24 maj

aug 2017 Kurskod HF1012 Halilovic internet. Betygsgränser: För (betyg Fx). Sida 1 av 13

FACIT: Tentamen L9MA30, LGMA30

Matematisk statistik KTH. Formelsamling i matematisk statistik

(a) på hur många sätt kan man permutera ordet OSANNOLIK? (b) hur många unika 3-bokstavskombinationer kan man bilda av OSANNO-

Kurssammanfattning MVE055

Tentamen LMA 200 Matematisk statistik, data/elektro

TENTAMEN I SF2937 (f d 5B1537) TILLFÖRLITLIGHETSTEORI TORSDAGEN DEN 14 JANUARI 2010 KL

Väntevärde och varians

SF1901: Sannolikhetslära och statistik. Flera stokastiska variabler.

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

Stokastiska vektorer och multivariat normalfördelning

TENTAMEN Datum: 14 feb 2011

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

Oberoende stokastiska variabler

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

Matematisk statistik TMS064/TMS063 Tentamen

TMS136: Dataanalys och statistik Tentamen

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

b) Beräkna sannolikheten för att en person med språkcentrum i vänster hjärnhalva är vänsterhänt. (5 p)

Kovarians och kriging

FACIT: Tentamen L9MA30, LGMA30

Tentamen i Matematisk statistik Kurskod S0001M

cx 5 om 2 x 8 f X (x) = 0 annars Uppgift 4

SF1901: Sannolikhetslära och statistik

Stokastiska processer och simulering I 24 augusti

FACIT: Tentamen L9MA30, LGMA30

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

SF1901: Sannolikhetslära och statistik

Tentamen MVE301 Sannolikhet, statistik och risk

Lycka till!

Tentamen i Matematisk Statistik, 7.5 hp

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

Extrauppgifter i matematisk statistik

Matematisk statistik 9hp Föreläsning 7: Normalfördelning

Matematisk statistik för D, I, Π och Fysiker

Tentamen MVE301 Sannolikhet, statistik och risk

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

Problemsamling i Sannolikhetsteori

TENTAMEN I MATEMATIK MED MATEMATISK STATISTIK HF1004, TEN

Markovprocesser SF1904

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

Markovprocesser SF1904

Statistiska metoder för säkerhetsanalys

SF1901: Medelfel, felfortplantning

Problemdel 1: Uppgift 1

Tentamen i Matematisk statistik Kurskod S0001M

Tentamen i Sannolikhetslära och statistik Kurskod S0008M

Lufttorkat trä Ugnstorkat trä

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.

Tentamen MVE301 Sannolikhet, statistik och risk

Uppgift 2. För två händelser A och B gäller P(A B)=0.5, P ( A ) = 0. 4 och P ( B

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

Avd. Matematisk statistik

Grundläggande matematisk statistik

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

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

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

Tentamen MVE301 Sannolikhet, statistik och risk

Transkript:

LINKÖPINGS UNIVERSITET Matematiska institutionen EXAM TAMS 5 / TEN januari 08, klockan 4.00-8.00 Examinator: Jörg-Uwe Löbus (Tel: 0709-6087) Tillåtna hjälpmedel är en räknare, formelsamling i matematisk statistik utgiven av MAI, och ett ytterligare formelblad (ett blad med text på båda sidorna). () Antag att vi har en tvådimensionell stokastisk variabel (X, Y ) med simultan täthetsfunktion { / om x + y f X,Y (x, y), x, y R. 0 annars Det intressanta området är skuggat i nedanstående figur. (a) Bestäm de marginella täthetsfunktionerna för X och Y. (p) (b) Bestäm väntevärdena E[X] och E[Y ]. (0.5p) (c) Är X och Y oberoende? (0.5p) (d) Bestäm den betingade sannolikheten P ( X Y ). (p) () Ett företag som tillverkar batterier av en viss typ har tillverkningen förlagd till tre olika fabriker. Fabrik A står för 50 % av tillverkningen, fabrik B för 0 % och fabrik C för 30 %. Man vet att ett batteri från fabrik A har sannolikheten 95 % att räcka mer än 0 drifttimmar. Motsvarande sannolikheter för fabrikerna B och C är 97 % resp. 98 %. Man har blandat batterier från de tre fabrikerna i ett stort centralt lager.

(a) Vad är sannolikheten att ett batteri som tas på måfå ur lagret ska räcka mer än 0 drifttimmar? (p) (b) Man tar på måfå ett batteri ur lagret och finner att det räcker mer än 0 drifttimmar. Vad är sannolikheten för att det tillverkats i fabrik A? (p) (c) Man tar på måfå ett batteri ur lagret och finner att det räcker mindre än 0 drifttimmar. Vad är sannolikheten för att det tillverkats i fabrik A? (p) (3) Lastbilar passerar över en bro till synes slumpvis över tiden. Vi vet av lång erfarenhet att det i genomsnitt passerar 0.3 lastbilar per minut. Då kan det vara rimligt att beskriva trafiken med en Poissonprocess med intensitet λ 0.3. (a) Bestäm sannolikheten att på en viss måndag precis 0 lastbilar passerar bron mellan kl..00 och kl..30. (p) (b) Bestäm sannolikheten att på en viss torsdag högst 0 lastbilar passerar bron mellan kl..30 och kl. 3.00. (p) (c) På en viss fredag börjar vi observera trafiken på bron precis kl. 3.00. Bestäm den förväntade väntetiden tills den första lastbilen passerar bron. (p) (4) För en stokastisk följd {X n } gäller följande kovarianser 4.8 för k 0 Cov(X n, X n+k ) 3.6 för k ± 3. för k ±. Antag att variablerna fram till tidpunkten n är givna och att man vill göra en linjär prognos av nästkommande variabel enligt formeln (a) Beräkna V ar( X n+ X n+ ). (.5p) X n+ : αx n + βx n. (b) Bestäm konstanterna α och β som minimerar variansen för prognosfelet, dvs. V ar( X n+ X n+ ). (.5p) (5) En Markovkedja X n, n 0,,,..., med tillståndsrum {0,, } har övergångsmatrisen /3 /3 P / 0 3/4. 0 (a) Fyll i de tomma platserna i övergångsmatrisen ovan. (0,5p) (b) Beräkna -stegsövergångsmatrisen, dvs. P (). (p) (c) Antag att Markovkedjan har startvektorn p (0) (/, /, 0). Bestäm fördelningen av X, dvs. (0.5p) p () (p () 0, p (), p () ) (P (X 0), P (X ), P (X )).

(d) Finns det någon gränsfördelning (ingen?,unik?,flera?). Beräkna alla gränsfördelningar. (p) (6) Livslängden för en viss typ av elektronrör är exponentialfördelad med väntevärde 00. Ett sådant rör ingår i en radarutrustning som ständigt är i bruk på ett fartyg. När ett elektronrör går sönder byts det genast ut mot ett nytt. Man har 50 sådana elektronrör i lager på fartyget. Livslängden för olika rör för förutsätts vara oberoende. Beräkna en tid t sådan att lagret räcker åtminstone denna tid med sannolikheten 0.9. (3p) Ledning: Använd centrala gränsvärdessatsen.

() (a) f X (x) Lösningar f X,Y (x, y) dy +x x x +x { + x om x 0 x om 0 x dy om x 0 dy om 0 x f Y (y) f X,Y (x, y) dx { + y om y 0 y om 0 y. (b) E[X] 0, E[Y ] 0 p.g.a. symmetri av f X resp. f Y. (c) f X (0) f Y (0) f (X,Y )(0, 0) medför att X och Y inte är oberoende. (d) Det gäller att P ( X ) P ( X, Y ) Y P ( Y ) / 3/4 3. f X,Y (x, y) dx dy f Y (y) dy () Låt A, B och C beteckna händelserna att ett på måfå valt batteri kommer från fabrik A, B eller C. Vidare, låt R beteckna händelsen att valt batteri räcker mer än 0 drifttimmar. (a) Total sannolikhet: P (R) P (R A) P (A) + P (R B) P (B) + P (R C) P (C) (b) Definition betingad sannolikhet: 0.95 0.5 + 0.97 0. + 0.98 0.3 0.963. P (A R) P (A R) P (R) 0.475 0.963 0.4935. (c) Bayes formel: P (A R c ) P (Rc A) P (A) P (R c ) P (Rc A) P (A) P (R) 0.05 0.5 0.037 0.6757.

(3) (a) Låt N(30) vara antalet lastbilar som passerar bron kl..00-.30 en viss måndag. Vi har att N(30) P o(0.3 30) och sannolikheten att exakt 0 lastbilar passerar är P (N(30) 0) (0.3 30)0 0! e 0.3 30 90 0! e 9 0.9. (b) Låt N (30) vara antalet lastbilar som passerar bron kl..30-3.00 en viss torsdag. Vi har att N (30) P o(0.3 30). Tabellen ger P (N (30) 0) 0.70599. (c) På en viss fredag börjar vi observera trafiken på bron precis kl. 3.00. Väntetiden T tills den första lastbilen passerar bron är Exp(λ)-fördelad. Den förväntade väntetiden är alltså E[T ] λ 0/3 min 3 min : 0 sec. (4) (a) V ar( X n+ X n+ ) α V ar(x n ) + β V ar(x n ) + V ar(x n+ ) αcov(x n, X n+ ) βcov(x n, X n+ ) + Cov(X n, X n ) (α + β + ) 4.8 α 3.6 β 3. + αβ 3.6 : g(α, β). (b) Tvådimensionell differentialkalkyl ger att g blir minimal för α 7 0.6 och 8 β 4 0.9. (5) (a) - (c) Se Jan Enger, Jan Grandell: Kompendium om Markovkedjor, Markovprocessor och tillmpningar, Problem, http://www.math.kth.se/matstat/gru/markovkomp.pdf (d) π (5/4, 4/4, /4). (6) Se lösningar till lektionsuppgifter, 6.3. http://courses.mai.liu.se/gu/tams5/dokument/blomsvar.pdf