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



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

Kap 3: Diskreta fördelningar

1.1 Diskret (Sannolikhets-)fördelning

4 Diskret stokastisk variabel

Finansiell Statistik (GN, 7,5 hp,, VT 2009) Föreläsning 2. Diskreta Sannolikhetsfördelningar. (LLL Kap 6) Stokastisk Variabel

Tentamen LMA 200 Matematisk statistik,

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

Tentamen i matematisk statistik för BI2 den 16 januari 2009

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

Föreläsning 2 (kap 3): Diskreta stokastiska variabler

1.1 Diskret (Sannolikhets-)fördelning

Tentamen LMA 200 Matematisk statistik,

Våra vanligaste fördelningar

Övningstentamen 3. Uppgift 5: Anta att ξ är en kontinuerlig stokastisk variabel med följande frekvensfunktion: f(x) = 0

Övning 1 Sannolikhetsteorins grunder

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

4. Stokastiska variabler

4.2.1 Binomialfördelning

4.1 Grundläggande sannolikhetslära

F6 STOKASTISKA VARIABLER (NCT ) Används som modell i situation av följande slag: Slh för A är densamma varje gång, P(A) = P.

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

Grundläggande matematisk statistik

Jörgen Säve-Söderbergh

Svar till gamla tentamenstal på veckobladen

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

modell Finansiell statistik, vt-05 Modeller F5 Diskreta variabler beskriva/analysera data Kursens mål verktyg strukturera omvärlden formellt

Uppgift 3: Den stokastiska variabeln ξ har frekvensfunktionen 0 10 f(x) =

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

SF1901: Sannolikhetslära och statistik

1 Stokastiska processer. 2 Poissonprocessen

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

SF1901 Sannolikhetsteori och statistik I

Föreläsning G70 Statistik A

Övningstentamen i matematisk statistik

FACIT: Tentamen L9MA30, LGMA30

1 Föreläsning IV; Stokastisk variabel

SF1901: Sannolikhetslära och statistik

Föreläsning 3. Kapitel 4, sid Sannolikhetsfördelningar

SOS HT Slumpvariabler Diskreta slumpvariabler Binomialfördelning. Sannolikhetsfunktion. Slumpförsök.

Svar till gamla tentamenstal på veckobladen

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

7. NÅGRA SPECIELLA DISKRETA SANNOLIKHETSFÖRDELNINGAR

Exempel för diskreta och kontinuerliga stokastiska variabler

Övningstentamen 1. c) Beräkna sannolikheten att exakt en av A eller B inträffar (6 poäng)

Föreläsning 12: Repetition

Lärmål Sannolikhet, statistik och risk 2015

7. NÅGRA SPECIELLA DISKRETA SANNOLIKHETSFÖRDELNINGAR

Oberoende stokastiska variabler

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

Tentamen LMA 200 Matematisk statistik, data/elektro

Stokastiska Processer F2 Föreläsning 1: Repetition från grundkursen

Kapitel 3 Diskreta slumpvariabler och deras sannolikhetsfördelningar

Finansiell statistik, vt-05. Slumpvariabler, stokastiska variabler. Stokastiska variabler. F4 Diskreta variabler

F5 STOKASTISKA VARIABLER (NCT , samt del av 5.4)

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

Matematisk statistik 9hp Föreläsning 2: Slumpvariabel

Några extra övningsuppgifter i Statistisk teori

Tentamen i statistik och sannolikhetslära för BI2 den 27 maj 2010

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

SF1901: Sannolikhetslära och statistik. Mer om Approximationer

Stokastiska Processer

Föreläsning 8, Matematisk statistik Π + E

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

Stokastiska processer och simulering I 24 maj

Övning 1(a) Vad du ska kunna efter denna övning. Problem, nivå A. Redogöra för begreppen diskret och kontinuerlig stokastisk variabel.

TT091A, TVJ22A, NVJA02 Pu, Ti. 50 poäng

Matematisk statistik 9hp Föreläsning 5: Summor och väntevärden

Föreläsning 8, FMSF45 Binomial- och Poissonfördelning, Poissonprocess

TT091A, TVJ22A, NVJA02 Pu, Ti. 50 poäng

P(ξ > 1) = 1 P( 1) = 1 (P(ξ = 0)+P(ξ = 1)) = ξ = 2ξ 1 3ξ 2

Veckoblad 2. Kapitel 2 i Matematisk statistik, Blomqvist U.

TMS136. Föreläsning 4

Tentamen i TMA321 Matematisk Statistik, Chalmers Tekniska Högskola.

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

Tentamen den 11 april 2007 i Statistik och sannolikhetslära för BI2

Problemsamling i Sannolikhetsteori

Diskreta stokastiska variabler

Statistiska metoder för säkerhetsanalys

Diskreta slumpvariabler

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

Fördelningsfunktionen för en kontinuerlig stokastisk variabel. Täthetsfunktionen för en kontinuerlig och en diskret stokastisk variabel.

Statistik 1 för biologer, logopeder och psykologer

(x) = F X. och kvantiler

Kap 2. Sannolikhetsteorins grunder

Övningstentamen 1. A 2 c

SF1901 Sannolikhetsteori och statistik I

FÖRELÄSNING 3:

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

Matematisk statistik KTH. Formelsamling i matematisk statistik

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

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

Laboration 4: Stora talens lag, Centrala gränsvärdessatsen och enkla punktskattningar

Fö relä sning 1, Kö system vä ren 2014

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

TENTAMEN I MATEMATIK MED MATEMATISK STATISTIK HF1004, TEN

SF1901: Sannolikhetslära och statistik

SF1920/SF1921 Sannolikhetsteori och statistik 6,0 hp Föreläsning 1 Mängdlära Grundläggande sannolikhetsteori Kombinatorik Deskriptiv statistik

Föreläsning 5, FMSF45 Summor och väntevärden

Föreläsning 2, FMSF45 Slumpvariabel

Transkript:

Veckoblad 3 Kapitel 3 i Matematisk statistik, Blomqvist U. ya begrepp: likformig fördelning, hypergeometerisk fördelning, Hyp(, n, p), binomialfördelningen, Bin(n, p), och Poissonfördelningen, Po(λ). Standardfördelningarna för en diskret stokastisk variabel är Likformig fördelning: ξ är Likf() = antal möjliga utfall med lika sannolikheter. Eempel: Antal ögon vid ett tärningskast. Hypergeometrisk fördelning: ξ är Hyp(, n, p) = begränsad mängd. p = antal element av ett visst slag. p = andel element av ett visst slag. n = antal slumpmässigt utvalda element ur mängden. p p n n Väntevärde: E(ξ) = n p n Varians: Var(ξ) = n p ( p) Eempel: Plocka kulor ur en urna utan återläggning. Övningar att räkna: 3.3, 3.5, 3.7 Binomialfördelningen: ξ är Bin(n, p) n = antal oberoende upprepningar av ett försök. C p = sannolikheten att händelsen A (eller A ) inträffar i ett sådant försök. n n p ( p) Väntevärde: E(ξ) = n p Varians: Var(ξ) = n p ( p) Eempel: Antal klavar vid 0 oberoende kast av ett mynt. Övningar att räkna: 3.4, 3.3

Gammalt tentamenstal (Bygg 990): I Monte Carlo:s casino kan man spela olika tärningsspel. Ett spel går till så att en spelare, A, satsar pengar och väljer en siffra mellan och 6. En croupier, som sköter banken, kastar tre tärningar. Om en, två eller tre av tärningarna visar den valda siffran så får A två, tre respektive fyra gånger insatsen av banken. Om ingen av tärningarna visar det valda numret förlorar A. Anta att A satsar 50 franc. a) Beräkna förväntad vinst för A. b) Beräkna standardavvikelsen för A:s förväntade vinst. Poissonfördelningen: ξ är Po(λ) λ = genomsnittligt antal händelser i ett intervall. e λ λ! Väntevärde: E(ξ) = λ Varians: Var(ξ) = λ Eempel: Antal båtar som anlägger i en hamn under ett dygn. Övningar att räkna: 3.4, 3.7. I en s.k. Poissonprocess med intensiteten c är antalet bilar som kommer i ett intervall av längden t Po(ct) och antalet bilar i disjunkta intervall oberoende. Intervallen mellan ankomsterna är eponentialfördelade. (Vi kommer till denna fördelning i kap.4). Summan av två variabler som är oberoende och Poissonfördelade med parametrarna λ resp. λ är Po(λ +λ ) 3. Lägg märke till villkoren vid approimationerna mellan de olika fördelningarna sid 89. Väntevärdet bibehålls dock alltid. Övningar att räkna: 3.5, 3.6 Hyp(, n, p) n>0 n n < p+ 0. <0. n>0 p<0. Bin(n, p) Po( λ )

Gammalt tentamenstal (Maskin 09087): I en vägkorsning kan antal bilar som passerar antas vara Poissonfördelat med en genomsnittlig passeringsfrekvens av 5 bilar på 5 minuter. Vad är sannolikheten att det kommer minst bilar till korsningen under en 5-minuters period? (3 poäng) Kapitel 4 i Matematisk statistik, Blomqvist U. ya begrepp: Kontinuerlig stokastisk variabel, frekvensfunktion f(), fördelningsfunktion F(), väntevärde, varians, fraktiler, standardfördelningarna rektangel- och eponentialfördelningen. Övningar att räkna: 4.(inte e-uppgiften), 4.3 4.5, 4.6a, 4.0, 4.8, 4.9, 4. Snabbrepetition:. Fördelningen för en s.v. kan anges genom att man anger frekvensfunktionen eller fördelningsfunktionen eller genom att man helt enkelt säger att eempelvis ξ är eponentialfördelad.. Allmänt för kontinuerliga fördelningar: Två villkor skall vara uppfyllda för att f() skall vara en frekvensfunktion: ) f() 0 ) f ()d= Fördelningsfunktion: F() = P(ξ ) = f (t)dt P(ξ > ) = P(a < ξ b) = b a f (t)dt = F() f ()d = F(b) F(a) Väntevärde: E(ξ) = f() d Varians: Var(ξ) = f() d [ E( ξ)] Om ξ är en kontinuerlig stokastisk variabel med frekvensfunktionen f(), då gäller för varje reellvärd funktion g att E[g(ξ)] = g() f() d 3. För en kontinuerlig stokastisk variabel ξ gäller alltid P ( ξ = a) = 0. Se sid. 0

Gammalt tentamenstal: (Ekonomi och produktion/maskin 4): En dator uppgraderas med ett nytt operativsystem. Ändringen av tiden, i sekunder, att koppla upp sig mot Internet kan beskrivas av nedanstående frekvensfunktion: f() = c e c 0 6 0 < 0 a) Bestäm konstanten c. b) Bestäm fördelningsfunktionen c) Vad är sannolikheten att uppkopplingstiden med hjälp av den nya systemet förändras med minst en halv sekund? (8 poäng) Gammalt tentamenstal: (Data/elektro 030): En kontinuerlig stokastisk variabel ξ har frekvensfunktionen f() = 0.5 + a 0.5 0.5 a för för 0 < för < 4 annars a) Bestäm konstanten a. b) Beräkna den stokastiska variabelns väntevärde. 4. Rektangelfördelning: ξ är R(a, b) a < < b Frekvensfunktion: f() = b a för övrigt 0 a a Fördelningsfunktion: F() = a < < b b a b a + b Väntevärde: E(ξ) = (b a) Varians: Var(ξ) =

5. Eponentialfördelning: ξ är Ep(λ) λ λ e 0 Frekvensfunktion: f() = 0 Fördelningsfunktion: F() = λ e 0 Väntevärde: E(ξ) = λ Varians: Var(ξ) = λ 6. I en Poissonprocess där det inträffar händelser i tiden (e. vis. bilar anländer) är tidsintervallen mellan händelserna oberoende och eponentialfördelade. Gammalt tentamenstal: (Bygg 990): En utrustning består av tre delar, vars livslängder mätt i år, är eponentialfördelade med parametrarna λ =0.5, λ =0.5 och λ 3 =. Alla tre delarna, som fungerar oberoende av varandra, måste fungera för att hela systemet skall fungera. Vad är sannolikheten att systemet fungerar efter 0.5 år? Gammalt tentamenstal (Kemi 046): Till en telefonväel kommer det i genomsnitt 30 samtal per timme. Anta att antalet telefonsamtal är Poissonfördelat. a) Vad är sannolikheten att det inte kommer något samtal under en 3-minuters period? b) Vad är sannolikheten att det kommer fler än samtal under en 5 minuters period? c) Anta att ett samtal just har kommit in till telefonväeln. Beräkna sannolikheten att det tar längre tid än minuter innan nästa samtal kommer. (7 poäng)