Tentamen i Sannolikhetsteori III 13 januari 2000

Relevanta dokument
SAMMANFATTNING TAMS79 Matematisk statistik, grundkurs

Statistisk analys. Vilka slutsatser kan dras om populationen med resultatet i stickprovet som grund? Hur säkra uttalande kan göras om resultatet?

θx θ 1 om 0 x 1 f(x) = 0 annars

Minsta kvadrat-metoden, MK. Maximum likelihood-metoden, ML. Medelfel. E(X i ) = µ i (θ) MK-skattningen av θ fås genom att minimera

Intervallskattning. c 2005 Eric Järpe Högskolan i Halmstad. Antag att vi har ett stickprov x 1,..., x n på X som vi vet är N(µ, σ) men vi vet ej

Tentamen i matematisk statistik

SANNOLIKHETER. Exempel. ( Tärningskast) Vi har sex möjliga utfall 1, 2, 3, 4, 5 och 6. Därför är utfallsrummet Ω = {1, 2, 3, 4, 5,6}.

Sannolikhetsteori FORMELSAMLING MATEMATISK STATISTIK, AK FÖR I, FMS 120, HT-00. Kap 2: Sannolikhetsteorins grunder

(a) Skissa täthets-/frekvensfunktionen och fördelningsfunktionen för X. Glöm inte att ange värden på axlarna.

Sannolikheten. met. A 3 = {2, 4, 6 }, 1 av 11

Grundläggande matematisk statistik

TENTAMEN I MATEMATISK STATISTIK

Borel-Cantellis sats och stora talens lag

Sannolikhetslära. c 2015 Eric Järpe Högskolan i Halmstad

Formelblad Sannolikhetsteori 1

Antalet sätt att välja ut r objekt bland n stycken med hänsyn till ordning är np r = n(n 1) (n r + 1).

Normalfördelningens betydelse. Sannolikhet och statistik. Täthetsfunktion, väntevärde och varians för N (µ, σ)

LÖSNINGAR TILL. Räkningar: (z i z) 2 = , Δ = z = 1 n. n 1. Konfidensintervall:

Föreläsning 2: Punktskattningar

1. (a) Eftersom X och Y har samma fördelning så har de även samma väntevärde och standardavvikelse. E(X 2 ) = k

F3 Lite till om tidsserier. Statistikens grunder 2 dagtid. Sammansatta index 4. Deflatering HT Laspeyres index: Paasche index: Index.

Sannolikheter 0 < P < 1. Definition sannolikhet: Definition sannolikhet: En sannolikhet kan anta värden från 0 till 1

Introduktion till statistik för statsvetare

TAMS79: Föreläsning 9 Approximationer och stokastiska processer

TENTAMEN I MATEMATISK STATISTIK Datum: 13 mars 08

Skattning / Inferens. Sannolikhet och statistik. Skattning / Inferens. Vad är det som skattas?

FORMELSAMLING MATEMATISK STATISTIK, FMS601. Fördelning Väntevärde Varians. p x (1 p) n x x = 0, 1,..., n np np(1 p) ) x = 0, 1,..., n np.

Lycka till! I(X i t) 1 om A 0 annars I(A) =

a) Beräkna E (W ). (2 p)

Tolkning av sannolikhet. Statistikens grunder, 15p dagtid. Lite mängdlära. Lite mängdlära, forts. Frekventistisk n A /n P(A) då n

b) Bestäm det genomsnittliga antalet testade enheter, E (X), samt även D (X). (5 p)

. Mängden av alla möjliga tillstånd E k kallas tillståndsrummet.

Induktion LCB Rekursion och induktion; enkla fall. Ersätter Grimaldi 4.1

Matematisk statistik TMS063 Tentamen

Armin Halilovic: EXTRA ÖVNINGAR

Enkel slumpvandring. Sven Erick Alm. 9 april 2002 (modifierad 8 mars 2006) 2 Apan och stupet Passagesannolikheter Passagetider...

Datorövning 2 Fördelningar inom säkerhetsanalys

Sannolikhetsteori FORMELSAMLING MATEMATISK STATISTIK, AK FÖR CDEFI, NANO OCH PI, MAS233, 2004 FMS 012, FMS 022, FMS 121 OCH MAS233

Finansiell Statistik (GN, 7,5 hp,, HT 2008) Föreläsning 4 (del 1)

H1009, Introduktionskurs i matematik Armin Halilovic. använder vi oftast induktionsbevis.

Avd. Matematisk statistik

Lösning till tentamen för kursen Log-linjära statistiska modeller 29 maj 2007

För att skatta väntevärdet för en fördelning är det lämpligt att använda Medelvärdet. E(ξ) =... = µ

Matematisk statistik

Föreläsning 10: Kombinatorik

Datorövning 2 Fördelningar inom säkerhetsanalys

Tentamen i Tillämpad Matematik och statistik för IT-forensik. Del 1: Matematik 7.5 hp

REGULJÄRA SPRÅK (8p + 6p) 1. DFA och reguljära uttryck (6 p) Problem. För följande NFA över alfabetet {0,1}:

Uppgifter 3: Talföljder och induktionsbevis

Anmärkning: I några böcker använder man följande beteckning ]a,b[, [a,b[ och ]a,b] för (a,b), [a,b) och (a,b].

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

b 1 och har för olika värden på den reella konstanten a.

MA2018 Tillämpad Matematik III-Statistik, 3.5hp,

2. Konfidensintervall för skillnaden mellan två proportioner.

4.2.3 Normalfördelningen

Genomsnittligt sökdjup i binära sökträd

TENTAMEN Datum: 16 okt 09

Stokastiska variabler

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

Föreläsning G04: Surveymetodik

Uppsala Universitet Matematiska institutionen Matematisk Statistik. Formel- och tabellsamling. Sannolikhetsteori och Statistik

Föreläsning G70, 732G01 Statistik A. Föreläsningsunderlagen är baserade på underlag skrivna av Karl Wahlin

Inledande matematisk analys. 1. Utred med bevis vilket eller vilka av följande påståenden är sana:

Tentamen i Krypteringsmetoder och Säkring av Datasystem 7.5 hp

MS-A0409 Grundkurs i diskret matematik Sammanfattning, del I

P (A) = k A P (A ) = 1 P (A) P (A B) P (B) P (M i ) = 1 P (A) P (X = k) = p X (k) p X (k) = 1 P (A B) p X (k)

Linjär Algebra (lp 1, 2016) Lösningar till skrivuppgiften Julia Brandes

Tentamen i Statistik, STA A10 och STA A13 (9 poäng) 26 mars 2004, klockan

MA2018 Tillämpad Matematik III-Statistik, 3.5hp,

MA2018 Tillämpad Matematik III-Statistik, 3.5hp,

Intervallskattningar, synonymt konfidensintervall eller statistiska osäkerhetsgränser

Statistik. Språkligt och historiskt betyder statistik ungefär sifferkunskap om staten

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

Uppsala Universitet Matematiska Institutionen Bo Styf. Genomgånget på föreläsningarna Föreläsning 26, 9/2 2011: y + ay + by = h(x)

TMS136: Dataanalys och statistik Tentamen med lösningar

Tommy Färnqvist, IDA, Linköpings universitet

Tentamen i Matematisk statistik för V2 den 28 maj 2010

F10 ESTIMATION (NCT )

TENTAMEN I MATEMATIK MED MATEMATISK STATISTIK HF1004 TEN kl

101. och sista termen 1

Sensorer, effektorer och fysik. Analys av mätdata

DEL I. Matematiska Institutionen KTH

Föreläsning G70 Statistik A

Laboration 5: Konfidensintervall viktiga statistiska fördelningar

Matematisk statistik KTH. Formelsamling i matematisk statistik

TAMS15: SS1 Markovprocesser

Tentamen i Statistik, STA A13 Deltentamen 2, 5p 20 januari 2007, kl

Finansiell Statistik (GN, 7,5 hp,, HT 2008) Föreläsning 4 (del 2)

Högskoleutbildad 0,90*0,70=0,63 0,80*0,30=0,24 0,87 Ej högskoleutbildad 0,07 0,06 0,13 0,70 0,30 1,00

Viktigt! Glöm inte att skriva Tentamenskod på alla blad du lämnar in.

SAMMANFATTNING TAMS65

Kompletterande kurslitteratur om serier

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

Induktion och Binomialsatsen. Vi fortsätter att visa hur matematiska påståenden bevisas med induktion.

Föreläsning G04 Surveymetodik 732G19 Utredningskunskap I

Vad är det okända som efterfrågas? Vilka data är givna? Vilka är villkoren?

MS-A0509 Grundkurs i sannolikhetskalkyl och statistik Exempel etc., del II

Övningstentamen i MA2018 Tillämpad Matematik III-Statistik, 3.5hp

MA2018 Tillämpad Matematik III-Statistik, 3.5hp,

Transkript:

STOCKHOLMS UNIVERSITET MATEMATISK STATISTIK Louise af Klitberg Lösigar Tetame i Saolikhetsteori III 13 jauari 2000 Uppgift 1 a) Det mest detaljerade utfallsrummet är med uppebara beteckigar Ω = {(B1, B2), (B1, B3),, (R1, R2)} dvs alla delmägder av storleke 2 draga frå mägde av de 5 kulora {B1, B2, B3, R1, R2}. Atalet elemet i Ω är alltså ( 5 2) = 10. I det mest detaljerade saolikhetsrummet (Ω, F, P) består σ-algebra F alla delmägder till Ω. De är 2 10 = 1024 stycke. Saolikhetsmåttet P ska uppfylla Kolmogorovs axiomsystem. Det mest aturliga i dea situatio är att ata att kulora dras helt slumpmässigt vilket betyder att vi ka aväda de klassiska modelle där alla utfall får samma saolikhet dvs 1 10. E hädelse B får alltså saolikhete (B)/10 där (B) är atalet elemet i B. b) Om ma bara ser atalet draga röda kulor och summa av umre på de draga kulora partitioeras Ω i 8 disjukta delmägder. Vi får A = {(0, 3), (0, 4), (0, 5), (1, 2), (1, 3), (1, 4), (1, 5), (2, 3)} där t ex (0, 3) beteckar delmägde {(B1, B2)} osv. Här består hädelsera (1, 3) = {(B1, R2), (B2, R1)} och (1, 4) = {(B2, R2), (B3, R1)} av 2 elemet, de övriga av ett elemet. A iehåller alltså 8 delmägder till Ω. De σ-algebra σ(a) som geereras av A iehåller alltså 2 8 = 256 hädelser. c) Hädelsera i σ(a) är alla hädelser äve i F). De behåller sia saolikheteri det ya saolikhetsrummet.

Lösig Saolikhetsteori III, 13 jauari 2000 2 Uppgift 2 a) Betiga på Y 1. Det ger E(Y ) = E(E(Y Y 1 )) där P (Y = k 1 Y 1 = k) = k2 P (Y = k Y 1 = k) = 2 k(a k) P (Y = k + 1 Y 1 = k) = (A k)2 E(Y Y 1 = k) = 1 (k2 (k 1)+2k 2 (A k)+(k+1)(a k) 2 ) = k som leder till rekursiosformel ( 1 2 ) +1 A där c = ( ) 1 2 A. E(Y ) = ce(y 1 ) + 1 Eftersom det vid tide t = 0 var 0 kvior i styrelse är Y 0 = 0 dvs E(Y 0 ) = 0 E(Y 1 ) = 1, E(Y 2 ) = c + 1 osv. Med ekel iduktio visas att E(Y ) = 1 + c +, c 1 = 1 c 1 c = (1 c ) Uppgift 3 a) ) ϕ X (t) = E (e itx = k=0 itk k e k! e = e +eit = e (1 eit ) b) Uppgifte ka lösas med hjälp av karakteristiska fuktioer. ϕ (X )/ (t) = e it e (1 eit/ ) [ = exp it ( ( ))] 1 + it t2 2 + o 1 ( )] = exp [ t2 2 + o 1 e t2 2 då. Vi käer ige e t2 2 som de karakteristiska fuktioe för de stadardiserade ormalfördelige N(0, 1). Eligt etydighetssatse är dea fördelig de eda med de karakteristiska fuktioe. Eligt kotiuitetssatse kovergerar då (X )/ i fördelig mot N(0, 1).

Lösig Saolikhetsteori III, 13 jauari 2000 3 Alterativt ka ma resoera på följade sätt: X är Poissofördelad med parameter vilket betyder att X har samma fördelig som summa av stycke oberoede och Poissofördelade stokastiska variabler med vätevärdet 1 och variase 1. Resultatet följer då av cetrala gräsvärdessatse. Uppgift 4 a) X kovergerar mot 0 i saolikhet om för varje ε > 0 det gäller att lim P ( X = 0 Välj ett godtyckligt ε > 0. För tillräckligt stort gäller det att P ( X > ε) = p som går mot 0 om p 0 då. Villkoret blir alltså lim p = 0 b) X kovergerar mot 0 i r-te medel om lim E( X r = 0 Eftersom E( X r = r p blir villkoret lim r p = 0 c) X kovergerar mot 0 ästa säkert om X 1, X 2, är oberoede och det för varje ε > 0 gäller att P ( X > ε) < =1 Villkoret bliri detta fall alltså p < =1 d) För defiitio av koverges i saolikhet: se a). Eftersom X 1, X 2, är oberoede får vi P (M > ε) = 1 k= P (X k < ε) = 1 k= (1 p k ) = 1 exp [ k= l(1 p k )] 1 exp [2 k= p k ] M kovergerar alltså mot i saolikhet om k= p k 0 då vilket är detsamma som p < =1

Lösig Saolikhetsteori III, 13 jauari 2000 4 Uppgift 5 a) Akties värde efter börsdagar är S 0 X i där S 0 är itroduktiosvärdet 100 kr. Det gäller att E(X ) (1.04) 100 <. Dessutom gäller att E(S +1 X 1, X 2,, X ) = E(S +1 S ) = S (1.04p + 0.5 + 0.98(0.5 p)) = S (0.06p + 0.99) = S om 0.06p + 0.99 = 1 p = 1 6 Följde S är alltså e martigal om p = 1 6. b) Eftersom vi valt p så att S är e martigal är E(S ) = 100. S ka skrivas som S 0 Y i där Y i = 1 + X i /100. Det gäller E(Y i ) 2 = 1 6 (1.04)2 + 1 2 (1)2 + 1 3 (0.98)2 = 1.0004 E(S 2 ) = S2 0 (1.0004). Resultatet blir alltså V ar(s ) = 100 2 ((1.0004) 1) Uppgift 6 a) Ma ser att Y och Z alltid vilket medför att S med saolikhete 1 dvs E(S ). Det gäller att följde Y är helt bestämd av följde X så följdera geererar samma filtratio. Det gäller alltid S S 1 = Z Z 1 qx 1 Av det följer att om X 1 = 0 så är alltid S S 1 = 0. Om X 1 = 1, X = 0 så är S S 1 = 1 q = p och om X 1 = 1, X = 1 så är S S 1 = q. Det följer att E(S S 1 X 1 = 0) = 0 E(S S 1 X 1 = 1) = pp (X = 0) qp (X = 0) = pq qp = 0 E(S X 1,, X 1 ) = S 1 S är alltså e martigal med avseede på följde Y.

Lösig Saolikhetsteori III, 13 jauari 2000 5 b) För att beräka S ser vi på Alltså E((S S 1 ) 2 X 1,, X 1 ) = S = { 0 om X 1 = 0 qp 2 + pq 2 = pq omx 1 = 1 1 E((S i S i 1 ) 2 X 1,, X i 1 ) = pq X i Eftersom X 1, X 2, är oberoede gäller det att X i / p ästa säkert att S / kovergerar ästa säkert mot p 2 q vilket i si tur medför att S ästa säkert. Eligt stora tales lag för martigaler får vi att S / 0 ästa säkert. Alltså Z / q/ q X i / 0.s. Z / pq.s.