Tentamen MVE31 Sannolikhet, statistik och risk 218-5-31 kl. 8:3-13:3 Examinator: Johan Jonasson, Matematiska vetenskaper, Chalmers Telefonvakt: Ivar Simonsson, telefon: 31-7725325 Hjälpmedel: Valfri miniräknare. Två blad (dvs fyra sidor) handskrivna anteckningar. Tabeller finns längst bak på tentamenstesen. Denna tentamen utgör grunden för betygssättning. För betyg 3 krävs minst 18 poäng, för betyg minst 27 poäng och för betyg 5 minst 36 poäng. 1. (6p) Från två normalfördelningar med väntevärde och varians µ 1 och σ1 2 respektive µ 2 och σ2 2 har det dragits två stickprov: X = (83., 93.3, 91.3, 89., 19., 92.6) Y = (12.2, 15.1, 87.2, 111.6, 139.5). (a) Gör ett 95 % konfidensintervall för µ 1 µ 2 under antagandet att σ 2 1 = σ2 2. Verkar antagandet rimligt? (b) Gör nu ett 95 % konfidensintervall för µ 1 µ 2 utan detta antagande, men istället under antagandet att de två varianserna är kända: σ 2 1 = 12 och σ 2 2 = 152. Lösning. I uppgiften specificeras inte vilken typ av konfidensintervall som ska göras. Vi väljer här att göra ett symmetrisk konfidensintervall. Det ges av µ 1 µ 2 = X Y ± z s P 1 n + 1 m där z = Ft 1 n+m 2 (.975), s 2 P = ((n 1)s2 x +(m 1)s 2 y)/(n+m 2). Här är n och m storleken på de två stickproven, i vårt fall n = 6, m = 5, och s 2 x och s 2 y de två stickprovsvarianserna. Med de givna data blir detta µ 1 µ 2 = 19.5 ± 2.26 26.7 ( 1 6 + 1 ) = 19.5 ± 19.7. 5 Dock var de två stickprovsvarianserna 75. respektive 37.9, dvs rejält olika. Nu är visserligen stickproven små, men det verkar ändå inte helt rimligt att anta att de två underliggande varianserna är lika. Låt oss nu gå över till (b). Här har vi att X och Y är oberoende och normalfördelade med väntevärde och varians µ 1 och 1/6 respektive µ 2 och 225/5, vilket ger att X Y (µ 1 µ 2 ) 1 6 + 225 5 N(, 1) vilket i sin tur ger det symmetriska konfidensintervallet 1 µ 1 µ 2 = 19.5 ± 1.96 6 + 225 = 19.5 ± 15.. 5
2. (6p) Låt vektorn (X, Y ) av stokastiska variabler vara likformigt fördelad på det triangulära området < x < 1, < y < 2 2x. (a) Bestäm de två marginaltätheterna f X och f Y. (b) Beräkna väntevärdena och varianserna av X och Y, samt Cov(X, Y ). Lösning. Den bivariata tätheten ges av 1 delat med arean av området, vilken i det här fallet är 1, så f(x, y) = 1, < x < 1, < y < 2 2x. Därmed är Vidare är E[X] = 1 f X (x) = f Y (y) = 2 2x 1 y/2 xf X (x)dx = 2 E[Y ] = E[X 2 ] = 2 E[XY ] = E[Y 2 ] = 2 1 2 y 1 2 2x dy = 2 2x, < x < 1, dx = 1 1 y, < y < 2. 2 1 ( 1 x(1 x)dx = 2 (1 12 y ) dy = 2 3 = 2 3, ( 1 x 2 (1 x)dx = 2 3 1 ) = 1 6, y 2 ( 1 1 2 y ) dy = 8 3 2 = 2 3, xy dy dx = 2 1 2 1 ) = 1 3 3, x(1 x) 2 dx = 1 6, Var(X) = E[X 2 ] E[X] 2 = 1 6 1 9 = 1 18, Var(Y ) = E[Y 2 ] E[Y ] 2 = 2 3 9 = 2 9, Cov(X, Y ) = E[XY ] E[X]E[Y ] = 1 6 1 3 2 3 = 1 8. Som bonus (trots att det inte ingick i uppgiften) kan vi beräkna 1/18 ρ X,Y = = 1 (1/18)(2/9) 2. 3. (5p) Anja, Bengt och Carola spelar ett spel. Vad spelet går ut på och hur det fungerar behöver vi inte bry oss om. Vi behöver bara veta att högst poäng vinner, att Anjas poäng är en Poissonfördelad stokastisk variabel med parameter 2, att Bengts poäng är Poissonfördelad med parameter 3, att Carolas poäng är Poissonfördelad med paramater och att spelarnas poäng är oberoende av varandra. Poängen blev 1, 2 och 3, men vi vet inte vem som fick vad. Vad är den betingade sannolikheten givet denna information att det var Carola som vann? Lösning. Låt A i, =, 1, 2, 3,..., vara händelsen att Anja får i poäng, B i sannolikheten att Bengt får i poäng och C i sannolikheten att Carola får i poäng. Vi söker P (A 1 B 2 C 3 ) (A 2 B 1 C 3 ) (A i B j C k ) i,j,k {1,2,3}:i j k i
Det gäller att = P ((A 1 B 2 C 3 ) (A 2 B 1 C 3 )) ( ) P i,j,k {1,2,3}:i j k i (A i B j C k ) P(A i B j C k ) = e 6 2i 3 j k. 2!3! Många faktorer kan förkortas bort i den önskade kvoten och vi får att det sökta svaret är 2 3 2 3 + 2 2 3 3 2 3 2 3 + 2 2 3 3 + 2 3 3 2 + 2 3 3 2 + 2 2 3 3 + 2 3 3 2 = 81.. Låt A, B och C vara tre händelser. Är det generellt sant att (a) (2p) P(A B) P(A) P(B A) P(B)? (b) (2p) P(A B) P(A), P(B C) P(B) P(A C) P(A)? (c) (2p) P(A B) P(A), P(A C) P(A) P(A B C) P(A)? I samtliga fall krävs ett bevis eller ett motexempel. Lösning. Del (a) är sann, ty P(B A) = P(A B)P(B) P(A) P(A)P(B) P(A) = P(B). Del (b) är falsk. Ett motexempel får man genom att helt enkelt låta A = C. Ett specifikt fall; singla en rättvis slant och låt A vara händelsen att man får krona och B att man får klave och C = A. Del (c) är också falsk. Slå två tärningar och låt A vara händelsen att summan blir sju, B vara händelsen att den första tärningen visar en etta C vara händelsen att den andra tärningen visar en sexa. 5. Låt X 1, X 2,..., X n vara ett stickprov på en Cauchyfördelning, dvs en fördelning som har täthetsunktion, 1 f θ (x) = ( πθ 1 + ( ) x 2 ), x R. θ (a) (1p) Visa att E[X] inte existerar. (b) (p) Visa att ML-skattningen av θ ges av lösningen till ekvationen Lösning. Väntevärdet är definierat som E[X] = n i=1 X 2 i X 2 i + θ2 = n 2. x πθ(1 + (x/θ) 2 ) dx = θ [ ln(1 + (x/θ) 2 ) ] 2π vilket blir och är därmed odefinierat. Likelihoodfunktionen ges av L(θ; x 1,..., x n ) = π n θ n 1 i (1 + x2 i /θ2 ). För att finna maximum, logaritemra och derivera och sätt till och få n n θ 2 x 2 i x 2 i + = θ2 i=1
vilket leder till den önskade ekvationen. Observera att den givna ekvationen är ekvivalent med n θ 2 Xi 2 + = n θ2 2. i=1 6. (6p) Du vill bjuda på ett kalas. Antag att en bjuden person tackar ja med sannolikhet 3/ oberoende av andra inbjudna. (a) Om du ska bjuda n personer, hur ska du välja n för att göra sannolikheten att exakt tio av dem tackar ja så stor som möjligt? (b) Om du bjuder åtta kvinnor och sex män, vad är sannolikheten att det, bland dem som tackar ja, blir jämna par. (c) Om det kommer tio gäster på kalaset och samtliga dricker vin i en mängd som är normalfördelad med väntevärde 25 cl och standardavvikelse 1 cl oberoende av de andra gästerna, vad är sannolikheten att en box på 3 liter räcker? Lösning. I (a) gäller att antalet inbjudna som tackar ja, X, är binomialfördelad med parametrar n och 3/. Därför gäller att P(X = 1) = ( n 1 ) ( 3 ) 1 ( ) 1 n 1 vilket ska maximeras över n. Genom att förkorta bort faktorer som inte beror av n, ser vi att det räcker att betrakta ( n 1) (1/) n 1 vilket vi finner blir som störst för n = 13 genom prövning. För (b), låt K vara antalat kvinnor som tackar ja och M antalet män som tackar ja. Då är K Bin(8, 3/) och M Bin(6, 3/) och vi ska beräkna P(K = M). Det gäller att P(K = M) = 6 P(K = i)p(m = i) = i= ( 8 i ) ( 3 ) i ( 1 ) 8 i ( 6 i ) ( 3 ) i ( ) 1 6 i.158. För (c), låt D vara den totala mängden vin som dricks. Den är då normalfördelad med väntevärde 25 cl och standardavvikelse 1 1 cl. Man söker ( ) ( ) 3 25 1 P(D 3) = Φ 1 = Φ.93. 1 2 7. (5p) Låt λ 1, λ 2, λ 3,... vara en följd av positiva tal sådan att λ n då n och X 1, X 2, X 3,... vara stokastiska variabler där X n är Poissonfördelad med parameter λ n. (a) Visa att det för alla x R gäller att ( lim P Xn λ n n λn ) x = Φ(x). (b) Använd resultatet i (a) för att konstruera ett test av H : λ = 1 mot H A : λ > 1. Hur länge måste en Poissonprocess med intensitet λ observeras för att styrkan av testet ska bli minst 9 % om det korrekta värdet på λ är 1.1 och den använda signifikansnivån är 5 %? Lösning. Om λ n alla är heltal, kan vi skriva X n = λ n i=1 Y i, där Y 1, Y 2,... är oberoende och P oi(1)-fördelade. Eftersom E[Y i ] = Var[Y i ] = 1, ger CGS det önskade resultatet i (a). Om λ = λ n inte är ett heltal, skriv a = λ b, där b = λ. Då kan vi skriva X n = X + Z,
där X = b i=1 Y i och Z är P oi(a)-fördelad och oberoende av Y i :na. Därför är å ena sidan P(X n x) P(X x) och å andra sidan, för godtyckligt ɛ >, P ro ( Xn λ λ ) > x ɛ + P ( X b b ) > x ɛ + P(Z ɛ λ). Eftersom den andra termen går mot då n och ɛ är godtyckligt följer nu det allmänna resultatet av resultatet för heltalsvärda λ n. För del (b), observera att om man observerar Poissonprocessen i tid t och intensiteten är 1 och låter X vara antalet impulser som observerats till och med tid t, så är (X t)/ t approximativt standardnormal enligt (a). Det betyder att man förkastar H på 5% signifikansnivå om X > t + 1.6 t. Under antagandet att intensiteten i själva verket är 1.1 så är X approximativt normal med väntevärde och varians 1.1t. Det betyder att P(X > t + 1.6 ( X 1.1t t) P > 1.6 ) t.1t 1.1t 1.1t vilket vi vill ska bli.9. Detta ger Φ((.1t 1.6 t)/ 1.1t) =.9, vilket i sin tur ger.1t 1.6 t = 1.28 1.1t, vilket till sist leder till t = 89 tidsenheter. 8. (6p) LASSO-regression från ett Bayesianskt perspektiv. Betrakta följande (multivariata) linjära regressionsmodell Y i = β 1 x 1i + β 2 x 2i + β 3 x 3i + ɛ i, i = 1, 2,..., n, där ɛ 1,..., ɛ n är oberoende och standardnormalfördelade och β 1, β 2 och β 3 àpriori är oberoende och Laplacefördelade med parameter 1, dvs har täthetsfunktionen f β (t) = 1 2 e t, t R. Antag nu att vi har n = 2 och de två observationerna (x 1, Y 1 ) = ((1, 1, 1),.9), (x 2, Y 2 ) = (( 1,, 1),.1). Ge nu àposterioritätheten för (β 1, β 2, β 3 ) givet dessa observationer. Proportionalitetskonstanten behöver inte beräknas. Ange också maximum-posterior-skattningen (MAP) av β k, k = 1, 2, 3, dvs de värden på β k :na som maximerar àposterioritätheten. Lösning. Vi har, med β = (β 1, β 2, β 3 ), t = (t 1, t 2, t 3 ) och Y = (Y 1, Y 2 ), att f β Y (t y) f Y β (y t)f β (t) exp ( t 1 t 2 t 3 12 (y 1 t 1 x 11 t 2 x 12 t 3 x 13 ) 2 12 ) (y 2 t 1 x 21 t 2 x 22 t 3 x 23 ) 2 = exp ( t 1 t 2 t 3 12 (t 1 + t 2 + t 3 +.9) 2 12 ) (t 1 t 3.1) 2, vilket alltså, upp till en konstant, är àposterioritätheten. För att hitta MAP ska vi alltså minimera g(t 1, t 2, t 3 ) = t 1 + t 2 + t 3 + 1 2 (t 1 + t 2 + t 3 +.9) 2 + 1 2 (t 1 t 3.1) 2. Faktum är att minimum till detta uttryck antas då t 1 = t 2 = t 3 =. För att inse det krävs lite räknande. Först prövar man att finna ett lokalt minumum för vilket alla t i är nollskilda. För att finna lokal extrempunkt till at 1 +bt 2 +ct 3 + 1 2 (t 1+t 2 +t 3 +.9) 2 + 1 2 (t 1 t 3.1) 2, tag de tre partiella derivatorna och sätt till och få 2t 1 +t 2 = a /5, t 1 +t 2 +t 3 = b 9/1
och t 2 + 2t 3 = c 1. Här finns lösning endast om 2b a c = 1, vilket aldrig gäller då a, b, c = ±1, vilket är de intressanta fallen för oss. Man går sedan vidare med att sätta t i = för i = 1, 2, 3 i tur och ordning, därefter två av dem till etc. Vi får alltså att MAP ges av ˆβ = (,, ). (Finessen med LASSO är just att man i allmänhet får att många variabler skattas till och undviker därmed överanpassning. I det här fallet blev till och med alla parametrar skattade till.) Lycka till! Johan Jonasson
Tabell 1: Values of the cdf Φ(x) of the standard normal distribution [e.g., Φ(1.1) =.921] x 1 2 3 5 6 7 8 9..5.5.58.512.516.52.52.528.532.536.1.5.5.58.552.556.56.56.568.571.575.2.579.583.587.591.595.599.63.66.61.61.3.618.622.626.629.633.637.61.6.68.652..655.659.663.666.67.67.677.681.68.688.5.692.695.698.72.75.79.712.716.719.722.6.726.729.732.736.739.72.75.79.752.755.7.758.761.76.767.77.773.776.779.782.785.8.788.791.79.797.8.82.85.88.811.813.9.816.819.821.82.826.829.832.83.836.839 1..81.8.86.88.851.853.855.858.86.862 1.1.86.867.869.871.873.875.877.879.881.883 1.2.885.887.889.891.892.89.896.898.9.92 1.3.93.95.97.98.91.912.913.915.916.918 1..919.921.922.92.925.926.928.929.931.932 1.5.933.93.936.937.938.939.91.92.93.9 1.6.95.96.97.98.95.951.952.952.955.95 1.7.955.956.957.958.959.96.961.962.962.963 1.8.96.965.966.966.967.968.969.969.97.971 1.9.971.972.973.973.97.97.975.976.976.977 2..977.978.978.979.979.98.98.981.981.982 2.1.982.983.983.983.98.98.985.985.985.986 2.2.986.986.987.987.988.988.988.988.989.989 2.3.989.99.99.99.99.991.991.991.991.992 2..992.992.992.992.993.993.993.993.993.99 2.5.99.99.99.99.995.995.995.995.995.995 2.6.995.996.996.996.996.996.996.996.996.996 2.7.996.997.997.997.997.997.997.997.997.997 2.8.997.998.998.998.998.998.998.998.998.998 2.9.998.998.998.998.998.998.998.998.999.999 Tabell 2: Values of Φ(x) commonly used in confidence intervals and tests, and the corresponding x values Φ(x).9.95.975.99.995 x 1.28 1.6 1.96 2.33 2.58
Tabell 3: Percentiles of the t distribution with DF degrees of freedom [e.g., F t7 (1.89) =.95] DF.95.975.99.995 DF.95.975.99.995 1 6.31 12.71 31.82 63.66 16 1.75 2.12 2.58 2.92 2 2.92.3 6.96 9.92 17 1.7 2.11 2.58 2.9 3 2.35 3.18,5 5.8 18 1.73 2.1 2.55 2.88 2.13 2.78 3.7.6 19 1.73 2.9 2.5 2.86 5 2.2 2.57 3.36.3 2 1.72 2.9 2.53 2.85 6 1.9 2.5 3.1 3.71 21 1.72 2.8 2.52 2.83 7 1.89 2.36 3. 3.5 22 1.72 2.7 2.51 2.82 8 1.86 2.31 2.9 3.36 23 1.71 2.7 2.5 2.81 9 1.83 2.26 2.82 3.25 2 1.71 2.6 2.9 2.8 1 1.81 2.23 2.76 3.17 25 1.71 2.6 2.9 2.79 11 1.8 2.2 2.72 3.11 26 1.71 2.6 2.8 2.78 12 1.78 2.18 2.68 3.5 27 1.7 2.5 2.7 2.77 13 1.77 2.16 2.65 3.1 28 1.7 2.5 2.7 2.76 1 1.76 2.1 2.62 2.98 29 1.7 2.5 2.6 2.76 15 1.75 2.13 2.6 2.95 3 1.7 2. 2.6 2.75 Tabell : Percentiles of the chi-square distribution with DF degrees of freedom [e.g., F χ 2 2 (1.85) =.5] DF.25.5.95.975 DF.25.5.95.975 1.1. 3.8 5.2 16 6.91 7.96 26.3 28.8 2.5.1 5.99 7.38 17 7.56 8.67 27.59 3.19 3.22.35 7.82 9.3 18 8.23 9.39 28.87 31.53.8.71 9.9 11.1 19 8.91 1.12 3.1 32.85 5.83 1.1 11.7 12.83 2 9.59 1.85 31.1 3.17 6 1.2 1.6 12.59 1.5 21 1.28 11.6 32.67 35.8 7 1.69 2.17 1.7 16.1 22 1.98 12.3 33.92 36.78 8 2.18 2.73 15.51 17.5 23 11.69 13.9 35.17 38.8 9 2.7 3.32 19.92 19.2 2 12. 13.85 36.2 39.36 1 3.25 3.9 18.31 2.8 25 13.12 1.61 37.65.65 11 3.82.58 19.68 21.92 26 13.8 15.38 38.88 1.92 12. 5.23 21.3 23.3 27 1.57 16.15.11 3.19 13 5.1 5.89 22.36 27.7 28 15.31 16.93 1.3.6 1 5.63 6.57 23.68 26.12 29 16.5 17.71 2.56 5.72 15 6.26 7.26 25. 27.9 3 16.79 18.9 3.77 6.98
Tabell 5: Percentiles of the F distribution with r and s degrees of freedom [e.g., F F8,2 (2.5) =.95] 2.5 % percentile s r = 2 3 5 6 7 8 9 1 2.26.62.9.119.138.153.165.175.183 3.26.65.1.129.152.17.185.197.27.25.66.1.135.161.181.198.212.22 5.25.67.17.1.167.189.28.223.236 6.25.68.19.13.172.195.215.231.26 7.25.68.11.16.176.2.221.238.253 8.25.69.111.18.179.2.226.2.259 9.25.69.112.15.181.27.23.28.265 1.25.69.113.151.183.21.233.252.269 12.25.7.11.153.186.21.238.259.276 15.25.7.116.156.19.219.2.265.28 16.25.7.116.156.191.22.25.267.286 18.25.7.116.157.192.222.28.27.29 2.25.71.117.158.193.22.25.273.293 21.25.71.117.158.19.225.251.27.29 2.25.71.117.159.195.227.253.277.297 25.25.71.118.16.196.227.25.278.298 27.25.71.118.16.197.228.255.279.3 28.25.71.118.16.197.228.256.28.31 3.25.71.118.161.197.229.257.281.32 95 % percentile s r = 2 3 5 6 7 8 9 1 2 19. 19.16 19.25 19.3 19.33 19.35 19.37 19.38 19. 3 9.55 9.28 9.12 9.1 8.9 8.89 8.85 8.81 8.79 6.9 6.59 6.39 6.26 6.16 6.9 6. 6. 5.96 5 5.79 5.1 5.19 5.5.95.88.82.77.7 6 5.1.76.53.39.28.21.15.1.6 7.7.35.12 3.97 3.87 3.79 3.73 3.68 3.6 8.6.7 3.8 3.69 3.58 3.5 3. 3.39 3.35 9.26 3.86 3.63 3.8 3.37 3.29 3.23 3.18 3.1 1.1 3.71 3.8 3.33 3.22 3.1 3.7 3.2 2.98 12 3.89 3.9 3.26 3.11 3. 2.91 2.85 2.8 2.75 15 3.68 3.29 3.6 2.9 2.79 2.71 2.6 2.59 2.5 16 3.63 3.2 3.1 2.85 2.7 2.66 2.59 2.5 2.9 18 3.55 3.16 2.93 2.77 2.66 2.58 2.51 2.6 2.1 2 3.9 3.1 2.87 2.71 2.6 2.51 2.5 2.39 2.35 21 3.7 3.7 2.8 2.68 2.57 2.9 2.2 2.37 2.32 2 3. 3.1 2.78 2.62 2.51 2.2 2.36 2.3 2.25 25 3.39 2.99 2.76 2.6 2.9 2. 2.3 2.28 2.2 27 3.35 2.96 2.73 2.57 2.6 2.37 2.31 2.25 2.2 28 3.3 2.95 2.71 2.56 2.5 2.36 2.29 2.2 2.19 3 3.32 2.92 2.69 2.53 2.2 2.33 2.27 2.21 2.16
97.5 % percentile s r = 2 3 5 6 7 8 9 1 2 39. 39.17 39.25 39.3 39.33 39.36 39.37 39.39 39. 3 16. 15. 15.1 1.88 1.73 1.62 1.5 1.7 1.2 1.65 9.98 9.6 9.36 9.2 9.7 8.98 8.9 8.8 5 8.3 7.76 7.39 7.15 6.98 6.85 6.76 6.68 6.62 6 7.26 6.6 6.23 5.99 5.82 5.7 5.6 5.52 5.6 7 6.5 5.89 5.52 5.29 5.12.99.9.82.76 8 6.6 5.2 5.5.82.65.53.3.36.3 9 5.71 5.8.72.8.32.2.1.3 3.96 1 5.6.83.7.2.7 3.95 3.85 3.78 3.72 12 5.1.7.12 3.89 3.73 3.61 3.51 3. 3.37 15.77.15 3.8 3.58 3.1 3.29 3.2 3.12 3.6 16.69.8 3.73 3.5 3.3 3.22 3.12 3.5 2.99 18.56 3.95 3.61 3.38 3.22 3.1 3.1 2.93 2.87 2.6 3.86 3.51 3.29 3.13 3.1 2.91 2.8 2.77 21.2 3.82 3.8 3.25 3.9 2.97 2.87 2.8 2.73 2.32 3.72 3.38 3.15 2.99 2.87 2.78 2.7 2.6 25.29 3.69 3.35 3.13 2.97 2.85 2.75 2.68 2.61 27.2 3.65 3.31 3.8 2.92 2.8 2.71 2.63 2.57 28.22 3.63 3.29 3.6 2.9 2.78 2.69 2.61 2.55 3.18 3.59 3.25 3.3 2.87 2.75 2.65 2.57 2.51 Tabell 6: Critical values c for the Wilcoxon signed rank test, where n is the sample size and C = n(n + 1) c [e.g., if n = 2, then P (W 61) = P (W 19).5] n.25.5 n(n + 1)/2 n.25.5 n(n + 1)/2 5 1 15 18 1 8 171 6 1 3 21 19 7 5 19 7 3 28 2 53 61 21 8 6 36 21 59 68 231 9 6 9 5 22 67 76 253 1 9 11 55 23 7 8 276 11 11 1 66 2 82 92 3 12 1 18 78 25 9 11 325 13 18 22 91 26 99 111 351 1 22 26 15 27 18 12 378 15 26 31 12 28 117 131 6 16 3 36 136 29 127 11 35 17 35 2 153 3 138 152 65
Tabell 7: Critical values c for the Wilcoxon rank sum test, where m is the size of the smaller sample, and C = m(m + n + 1) c [e.g., if m = and n = 8, then P (W 16) = P (W 36).5] n P (W c) m = 2 3 5 6 7 8 9 1 11 2.25 3.5 3 3.25 3 3.5 6 7.25 3 6 11.5 3 7 12 5.25 3 7 12 18.5 8 13 2 6.25 3 8 13 19 27.5 9 1 21 29 7.25 3 8 1 21 28 37.5 9 15 22 3 8.25 9 15 22 3 39 5.5 5 1 16 2 32 2 52 9.25 9 15 23 32 1 52 63.5 5 11 17 25 3 55 67 1.25 1 16 2 33 3 5 66 79.5 5 11 18 27 36 6 57 7 83 11.25 5 1 17 25 35 5 56 69 82 97.5 5 12 19 28 38 8 6 73 87 11