Svar till gamla tentamenstal på veckobladen

Relevanta dokument
Svar till gamla tentamenstal på veckobladen

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

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

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

Övningstentamen 1. A 2 c

Tentamen i Dataanalys och statistik för I den 28 okt 2015

Tentamen den 11 april 2007 i Statistik och sannolikhetslära för BI2

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

Tentamen LMA 200 Matematisk statistik,

Tentamen LMA 200 Matematisk statistik,

Tentamen i matematisk statistik för BI2 den 16 januari 2009

Övningstentamen i matematisk statistik

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

Tentamen i statistik och sannolikhetslära för BI2 den 27 maj 2010

Tentamen LMA 200 Matematisk statistik, data/elektro

Kap 3: Diskreta fördelningar

Tentamen i Tillämpad matematisk statistik för MI3 den 1 april 2005

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

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

Övningstentamen 2 Uppgift 1: Uppgift 2: Uppgift 3: Uppgift 4: Uppgift 5: Uppgift 6: i ord

4 Diskret stokastisk variabel

1.1 Diskret (Sannolikhets-)fördelning

Stokastiska Processer F2 Föreläsning 1: Repetition från grundkursen

FACIT: Tentamen L9MA30, LGMA30

Kap 6: Normalfördelningen. Normalfördelningen Normalfördelningen som approximation till binomialfördelningen

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

Tentamen i Matematisk statistik för V2 den 28 maj 2010

Övningstentamen

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

SF1901 Sannolikhetsteori och statistik I

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

Statistik 1 för biologer, logopeder och psykologer

Betingad sannolikhet och oberoende händelser

1.1 Diskret (Sannolikhets-)fördelning

Tryckfel i K. Vännman, Matematisk Statistik, upplaga 2:13

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

Repetition och förberedelse. Sannolikhet och sta.s.k (1MS005)

Oberoende stokastiska variabler

Exempel för diskreta och kontinuerliga stokastiska variabler

Föreläsningsanteckningar till kapitel 8, del 2

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

Lösningsförslag till Tillämpad matematisk statistik LMA521, Tentamen

TAMS79: Föreläsning 1 Grundläggande begrepp

Föreläsning 5, FMSF45 Summor och väntevärden

1 Föreläsning V; Kontinuerlig förd.

FÖRELÄSNING 3:

Övning 1 Sannolikhetsteorins grunder

Övningstentamen i kursen Statistik och sannolikhetslära (LMA120)

SF1901: Sannolikhetslära och statistik Föreläsning 2. Betingad sannolikhet & Oberoende

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

Diskreta stokastiska variabler

Föreläsning 2, Matematisk statistik för M

Tentamen i Sannolikhetslära och statistik Kurskod S0008M

Tentamen i matematisk statistik för MI/EPI/DI/MEI den 19 dec 2012

Föresläsningsanteckningar Sanno II

TMS136. Föreläsning 2

Lektionsanteckningar 11-12: Normalfördelningen

1 Föreläsning IV; Stokastisk variabel

Övningstentamen i matematisk statistik för kemi

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

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

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

SF1901: Sannolikhetslära och statistik Föreläsning 2. Betingad sannolikhet & Oberoende

15.1 Mer om betingad sannolikhet

Matematisk statistik 9hp Föreläsning 5: Summor och väntevärden

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

Centrala gränsvärdessatsen (CGS). Approximationer

Tentamen i Matematisk statistik Kurskod S0001M

en observerad punktskattning av µ, ett tal. x = µ obs = 49.5.

Grundläggande matematisk statistik

Kap 2. Sannolikhetsteorins grunder

SF1901 Sannolikhetsteori och statistik I

Matematisk Statistik och Disktret Matematik, MVE051/MSG810, VT19

Tentamen i Matematisk statistik Kurskod S0001M

SF1901 Sannolikhetsteori och statistik I

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

Grundläggande matematisk statistik

SF1901: Sannolikhetslära och statistik

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

Tentamen i Matematisk statistik Kurskod S0001M

TMS136. Föreläsning 2

Vidare får vi S 10 = 8, = 76, Och då är 76

F2 SANNOLIKHETSLÄRA (NCT )

Formel- och tabellsamling i matematisk statistik

Tentamen i Matematisk statistik Kurskod S0001M

1 Föreläsning I, Mängdlära och elementär sannolikhetsteori,

Tentamen i Statistik, STA A13 Deltentamen 1, 4p 12 november 2005, kl

Föreläsning G70 Statistik A

Tentamen i Statistik, STA A10 och STA A13 (9 poäng) Måndag 14 maj 2007, Kl

TENTAMEN I MATEMATISK STATISTIK 19 nov 07

4.1 Grundläggande sannolikhetslära

Föreläsning 2, FMSF45 Slumpvariabel

Konvergens och Kontinuitet

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

Kapitel 5 Multivariata sannolikhetsfördelningar

Tentamen i Matematisk statistik Kurskod S0001M

Avd. Matematisk statistik

Föreläsning 2. Kapitel 3, sid Sannolikhetsteori

Stokastiska Processer

Kap 2: Några grundläggande begrepp

Transkript:

Svar till gamla tentamenstal på veckobladen Veckoblad : Data/Eletro 54 A = Patienten är ett allvarligt fall B = Patienten är under 4 år C= Någon av patientens föräldrar har diabetes 8 + + + 5 + 5 + 8 + a) P(A =.4 och P(C)= =.58 8 + d.v.s. P(A) P(C.4.58 =. medan P(A C =.8 d.v.s. A och C är beroende b) ) P(A C B C 5 + P(patienten är ett lindrigt fall över 4 år =.5 ) P(A C B C P(patienten är inte ett allvarligt fall under 4 år = P(A B. =.9 ) P(A C B C C P(patienten är ett lindrigt fall under 4 år vars föräldrar inte har diabetes. Data 989 5 herrar och n damer ) varje herre kysser n damer antal kyssar = 5n 5 ) antal handskakningar mellan herrar = n antal handskakningar mellan damer = Antal kyssar = antal handskakningar 5n = 5 n + 5 4 n ( n ) 5n = + n = + (n - n) n - n + = n = 96 ± n = ± n = och n = OBS! Två svar 4

Veckoblad : Data/Eletro 7 A: Den svarta tärningen kommer upp med 6 ögon. B: Den vita tärningen kommer upp med 6 ögon. C: Summan av antal ögon på den svarta och den vita tärningen är udda. a) Om A och B är oberoende så gäller att P(A B P(A) ÿ P(B) Ovannämnda situation kan illustreras genom att man ritar in de olika tal-paren i ett spridningsdiagram. kast med tärning 6 5 4 tärningarna visar vilka antal ögon som tärning och har. tärningarna visar 6 ögon på både tärning och. 4 5 6 kast med tärning P(A P(B 6 P(A B (enligt ovanstående figur 6 P(A) ÿ P(B 6 ÿ 6 = 6 = P(A B) A och B är oberoende b) Denna situation kan illustreras av nedanstående figur kast med tärning 6 5 4 tärningarna visar vilka antal ögon som tärning och har. tärningarna visar när summan av antal ögon är udda. 4 5 6 kast med tärning

fortsättning uppgift b: P(A 6 8 P(C = 6 P(A C (fås mha den översta raden svarta prickar i ovanstående figur 6 = P(A) ÿ P(C 6 ÿ = = P(A C) A och C är oberoende c) Är de tre händelserna A, B och C oberoende eller beroende av varandra? P(A B C eftersom det inte finns någon situation där både tärning och har 6 ögon samtidigt som summan av antal ögon skall vara udda. P(A) ÿ P(B) ÿ P(C 6 ÿ 6 ÿ = 7 = P(A B C) A, B och C är beroende. Bygg 99 Låt F vara händelsen att vi erhållit det felaktiga myntet. P(F. P(F C.99. a) Låt K vara händelsen att vi erhållit en klave i ett kast. Sannolikheten för K blir givetvis olika beroende på vilket mynt vi har valt. Vi får alltså en betingad sannolikhet. Vi antar att mynten är symmetriska. Alt : Myntet, som vi har valt är inte det felaktiga. P(K.5. Men uppgiften bestod i att vi skulle studera tre kast. Variabeln antal klavar är binomialfördelad. Sannolikheten att få tre klavar i tre kast när vi använder ett felfritt mynt blir P(K K K.5.5 =.5 Alt : Vi har valt det felaktiga myntet. P(K.. Eftersom vi erhåller klave varje gång vi kastar så blir även sannolikheten för att erhålla tre klavar i tre kast P(K K K. Vi kombinerar båda dessa resultat för att få sannolikheten att med ett slumpmässigt valt mynt få tre klavar i tre kast. P(K K K P(K K K F C ) P(F C ) + P(K K K F) P(F.5.99 +.. =.75 Vi kan nu beräkna den efterfrågade sannolikheten genom att använda Bayes sats: P(F K K K P(K K K F) P(F).. =.75 P(K K K ).75

P(K... Kn F) P(F) b) P(F n klavar i n kast = P(K... Kn).. = = C C P(K... K F) P(F) + P(K... K F ) P(F ) n n.....5 n >.9 +.99. ÿ. >.9(. ÿ. +.5 n ÿ.99)..9 >.5 n ÿ.89. >.5 n nÿln.5 > ln.4 n (-.69478) > -6.79448.89 6.79448 n > º 9.799 dvs minst tio kast.69478 Veckoblad : Maskin 888 ξ= kostnaden för ett förlorat bagage a) Förväntad kostnad per passagerare = 6.5 = dollar b) ξ= P(ξ= ).995 6.5 Bygg 99 a) Beräkna sannolikhetsfördelningen för A:s vinst. Antal kast, η P(η=y) Banken betalar ut A:s vinst, ξ 5 5 ( 6 6 6 5 = -5 5 75 ( 6 6 6 5 = 5 5 5 ( 6 6 6 5 5 5 = 5 ( 6 6 6 5 = 5 P(η=y P(ξ=) 5 75 5 Förväntad vinst: E(ξ)] = i P( ξ = i -5ÿ +5ÿ + ÿ +5ÿ = 6 6 6 6 = 85 6 = -.95 dvs en förlust på c:a 4 franc. b) Var(ξ i P( ξ = i ) [E(ξ)] = ((-5) 5 ÿ + 5 75 ÿ + 5 ÿ + 6 6 6 + 5 85 ÿ ) ( ) = 97.944 S(ξ 55.659 6 6

Maskin 987 ξ = antal bilar ξ = Po(λ = 5 bilar/5 min) a) Räkna om λ till antal bilar/ 5 minuter. λ =.667 bilar/ 5 min P(ξ P(ξ e -.667.667 (!.667 + ).54 =.496! Veckoblad 4: Maskin 4 6 6 e a) f ()d = c d + ce d = c + c = 6 4 = c + c ( ) = c ñ c =.5 6 6 b) : F( f (t)dt = < < : t F( f(t)dt = dt +.5( t )dt =.5 =.5 ( +.75( + ) : F( 6t f (t)dt = dt +.5 ( t)dt +.5 e dt = 6t 6 t e e = + 6.5 +.5 =.5( + ) +.5( +.5e + 6 6 6 Fördelningsfunktionen: F(.75(.5e 6 + ) + för för < < för c) P(.5 < ξ) + P(ξ <.5 P(ξ <.5) + P(ξ <.5.5e + +.75( + ) =.5 e - +.565 º.5749 6 = [ ] =.5 [ ] =. 5

Bygg 99 ξ i är Ep(λ i ) F( - i e λ för i =,, där λ =λ =.5 och λ = del och : - F( e -.5 ÿ.5 =.7788 del : - F( e - ÿ.5 =.665 P(systemet fungerar P(del fungerar del fungerar del fungerar (oberoende.7788 ÿ.665 =.68 Kemi 46 a) λ =.5 samtal / min λ =.5 samtal / min P(ξ = e -.5.5.! b) λ =.5 samtal / min λ =.5 samtal / 5 min P(ξ > P(ξ e -.5.5 (!.5.5 + + ).548 =.456!! c) η = tiden mellan två samtal η = Ep(λ =.5 samtal / min) P(ξ > P(ξ ( e -.5 e -.679 Bygg 99 ξ är N(µ, ). 99% 74 µ P(ξ>74.99 P(ξ>74 - P(ξ 74 P(Z 74 µ.99 P(Z 74 µ 74 µ. = -. µ = 74 + ÿ. = 786.6

Veckoblad 5: Väg o vatten a) ξ = pris på brödet ξ = P(ξ = ).8 8. E(ξ ÿ.8 + 8 ÿ. = 7:6 E(Vinst/bröd 7:6 5:-- = :6 kr b) ξ = P(ξ = ) 8.9 8. E(ξ 8 ÿ.9 + 8 ÿ. = 7:-- E(Vinst/bröd 7:-- 5:-- = :-- kr b) ξ = P(ξ = ) 8 p 8 p E(vinst/bröd 8p + 8( p) 5 Om man tolkar frågan så att man måste gå med plus dvs att E(ξ) > 5:-- så får man lösningen 8p + 8 8p 5 = p 7 > p >.7 dvs, det kan innebära att det räcker att efterfrågan första dagen är lite mer än 7%. Om man tolkar frågan så att man måste gå med få ett bättre resultat än vi d den ordinarie försäljningen dvs att E(ξ) > 7:6 så får man lösningen 8p + 8 8p 5 = p 7 :6 p.96 Efterfrågan första dagen måste öka till 96% av tillverkningen. Data 986 σ = 49 P P ( µ < P( < µ < ) ( Z <.57) P( Z <.57. 9898 = PZ < 7 8 P Z < = 7 8