Några extra övningsuppgifter i Statistisk teori

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

Tentamen i TMA321 Matematisk Statistik, Chalmers Tekniska Högskola.

Lektionsanteckningar 11-12: Normalfördelningen

Lärmål Sannolikhet, statistik och risk 2015

4 Diskret stokastisk variabel

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

Föreläsning 7: Punktskattningar

Föreläsning 7: Punktskattningar

LÖSNINGSFÖRSLAG TILL TENTAMEN I MATEMATISK STATISTIK

Föreläsning 12: Repetition

Föreläsning 5. Funktioner av slumpvariabler. Ett centralt resultat.

Föreläsning 8, Matematisk statistik 7.5 hp för E, HT-15 Punktskattningar

Övning 1 Sannolikhetsteorins grunder

Statistik 1 för biologer, logopeder och psykologer

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

Kap 2. Sannolikhetsteorins grunder

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

4.1 Grundläggande sannolikhetslära

SF1901: SANNOLIKHETSTEORI OCH STATISTIKTEORI KONSTEN ATT DRA INTERVALLSKATTNING. STATISTIK SLUTSATSER. Tatjana Pavlenko.

Kapitel 5 Multivariata sannolikhetsfördelningar

SF1901: Övningshäfte

Stokastiska signaler. Mediesignaler

Föreläsning 3. Kapitel 4, sid Sannolikhetsfördelningar

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

Föreläsning 7: Punktskattningar

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

Grundläggande matematisk statistik

Tentamen MVE301 Sannolikhet, statistik och risk

Statistiska metoder för säkerhetsanalys

TAMS65 - Föreläsning 2 Parameterskattningar - olika metoder

Rättningstiden är i normalfall 15 arbetsdagar, till detta tillkommer upp till 5 arbetsdagar för administration, annars är det detta datum som gäller:

Formel- och tabellsamling i matematisk statistik

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

Föreläsning 8, Matematisk statistik 7.5 hp för E Punktskattningar

Föreläsning 2 (kap 3): Diskreta stokastiska variabler

Kap 3: Diskreta fördelningar

Föreläsning 12: Regression

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

Grundläggande matematisk statistik

FÖRELÄSNING 8:

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

TAMS65 - Föreläsning 2 Parameterskattningar - olika metoder

Introduktion till statistik för statsvetare

Tentamen i Matematisk statistik Kurskod S0001M

Tentamen i Matematisk statistik Kurskod S0001M

Föreläsning 7. Statistikens grunder.

TMS136. Föreläsning 4

Föreläsning 5, FMSF45 Summor och väntevärden

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

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

Del I. Uppgift 1 För händelserna A och B gäller att P (A) = 1/4, P (B A) = 1/3 och P (B A ) = 1/2. Beräkna P (A B). Svar:...

Repetitionsföreläsning

Matematisk statistik KTH. Formelsamling i matematisk statistik

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

Tentamen i Matematisk statistik Kurskod S0001M

SF1901 Sannolikhetsteori och statistik I

4.2.1 Binomialfördelning

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

Formler och tabeller till kursen MSG830

Föreläsning G60 Statistiska metoder

F5 STOKASTISKA VARIABLER (NCT , samt del av 5.4)

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

FINGERÖVNINGAR I SANNOLIKHETSTEORI MATEMATISK STATISTIK AK FÖR I. Oktober Matematikcentrum Matematisk statistik

LINKÖPINGS UNIVERSITET EXAM TAMS 79 / TEN 1

Välkommen till Matematik 3 för lärare!

Bestäm med hjälp av en lämplig och välmotiverad approximation P (X > 50). (10 p)

FÖRELÄSNING 3:

Matematisk statistik för B, K, N, BME och Kemister

FÖRELÄSNING 7:

Avd. Matematisk statistik

Diskussionsproblem för Statistik för ingenjörer

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

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

Tentamen i Sannolikhetslära och statistik Kurskod S0008M

SF1901 Sannolikhetsteori och statistik I

Något om sannolikheter, slumpvariabler och slumpmässiga urval

Tentamen i Matematisk Statistik, 7.5 hp

Tentamen MVE301 Sannolikhet, statistik och risk

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

Tentamen MVE301 Sannolikhet, statistik och risk

Föreläsning G70 Statistik A

Matematisk statistik KTH. Formel- och tabellsamling i matematisk statistik

SF1901 Sannolikhetsteori och statistik I

Tentamensskrivning i stokastik MAGB64, 7.5 ECTS den 8 juni 2012 kl 14 19

SF1901: Övningshäfte

Matematisk statistik för D, I, Π och Fysiker

Matematisk statistik 9 hp, HT-16 Föreläsning 10: Punktskattningar

Slumpvariabler och sannolikhetsfördelningar

SF1901: Sannolikhetslära och statistik

Diskreta slumpvariabler

Avd. Matematisk statistik

Samplingfördelningar 1

Matematisk statistik 9hp Föreläsning 5: Summor och väntevärden

Föreläsning 15: Försöksplanering och repetition

FORMELSAMLING MATEMATISK STATISTIK FÖR W; FMSF75 UPPDATERAD Sannolikhetsteori. Beskrivning av data. Läges-, spridnings- och beroendemått

Mer om slumpvariabler

Föreläsning 3. Sannolikhetsfördelningar

Sannolikheter och kombinatorik

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

Transkript:

Statistiska institutionen Några extra övningsuppgifter i Statistisk teori 23 JANUARI 2009

2 Sannolikhetsteorins grunder 1. Tre vanliga symmetriska tärningar kastas. Om inte alla tre tärningarna visar sexa, kastas den tärning eller de tärningar ytterligare en gång. Vad är sannolikheten för att alla tre tärningarna då visar sexor? Ledning: Bestäm först sannolikheten att en given tärning visar sexa efter två kast. 2. En institution består av 8 lärare: 5 adjunkter, 1 lektor och 2 professorer. En utskott om tre lärare ska utses. Urvalet sker med enkelt slumpmässigt urval utan återläggning. (a) Vad är sannolikheten att utskottet består av 1 person från varje lärarkategori? (b) Vad är sannolikheten att utskottet består av 3 personer från enbart en lärarkategori? 3. Antag att händelserna H 1,..., H n är parvis oförenliga, har positiva sannolikheter och tillsammans uppfyller hela utfallsrummet (dvs. P(H i ) > 0 och n i=1 H i = W). Visa att det för varje händelse A gäller att P(H i A) = P(H i)p(a H i ) n j=i P(H j)p(a H j ). 2

3 Endimensionella stokastiska variabler 4. Den kontinuerliga slumpvariabeln X har fördelningsfunktionen: x 4 för 0 < x < 1 F X (x) = 0 för x < 0 1 för x > 1 (a) Bestäm medianen för X. (b) Bestäm sannolikheten för att X är större än 0.5. 5. Fortsättning av uppgift 4: Definiera Y = X 2. Bestäm sannolikhetsfördelningen för Y och visa att täthetsfunktionen för Y blir: { 2y för 0 < y < 1 g Y (y) = 0 för övrigt 6. Den kontinuerliga slumpvariabeln X har täthetsfunktionen: x för 0 < x < 1 f X (x) = 2 x för 1 < x < 2 0 för övrigt (a) Bestäm medianen för X. (b) Bestäm sannolikheten för att X är större än 1.5. 7. Slumpvariabeln X har följande täthetsfunktion. { 2(1 x) om 0 x 1 f X (x) = 0 annars (a) Skissa täthetsfunktionen f X (x). (b) Bestäm fördelningsfunktionen F X (x). (c) Bestäm P(X < 0.5). (d) Bestäm fördelningens median. (e) Låt Y = 2X 1. Bestäm täthetsfunktionen f Y (y). (f) Bestäm P(0 < Y < 1). (g) Låt Z = 1 2X. Bestäm täthetsfunktionen f Z (z). 3

4 Flerdimensionella stokastiska variabler 8. Tre bilar, A, B och C, kör på en trefilig väg med maxhastighet 50 km/tim med hastigheter X, Y respektive Z. X, Y och Z antas oberoende och alla tre likformigt fördelade i intervallet [40, 60]. Låt V vara hastigheten hos den snabbaste bilen, dvs. V = max(x, Y, Z). (a) Visa att V har fördelningsfunktionen (b) Bestäm medianen för V. 0 för v < 40 ( F V (v) = v 40 ) 3 20 för 40 v 60 1 för v > 60 (c) Bestäm sannolikheten för att V är större än 56 dvs. bötfällning av polisen för fortkörning. 9. Y 1 är Po(m1)och Y 2 är Po(m2). Vidare är Y 1 och Y 2 oberoende. Vi definierar Y som Y = Y 1 + Y 2. (a) Visa att Y är Po(m1 + m2). (b) Visa att den betingade slumpvariabeln Y 1 Y = y följer en binomialfördelning samt bestäm parametrarna i denna. 4

5 Väntevärden 10. Låt X ha täthetsfunktionen f X (x) = 1 + ax 2 där a är en parameter. Bestäm E(X ) och V (X ). 1 x 1, 1 a 1 11. Låt X vara en kontinuerlig slumpvariabel med täthetsfunktionen (a) Bestäm E(X ). (b) Bestäm E(X 2 ). (c) Låt Y = X 2. Bestäm f Y (y). f X (x) = 2x 0 x 1. (d) Bestäm E(Y ) med hjälp av f Y (y) och jämför med uppgift 11b. (e) Bestäm V (X ). 12. Betrakta den kontinuerliga slumpvariabeln X, som har fördelningsfunktion x 5 för 0 x 1 F X (x) = 0 för x < 0 1 för x > 1 (a) Bestäm medianen för X. (b) Bestäm sannolikheten för att X är större än 0.75. 13. Fortsättning av uppgift 12: (a) Bestäm väntevärdet för X. (b) Bestäm variansen för X. 14. Betrakta den diskreta tvådimensionella slumpvariablen (X, Y ), som har en likformig sannolikhetsfördelning på punkterna ( 1, 0), ( 1, 1), (0, 0), (1, 0) och (1, 1). (a) Bestäm de marginella sannolikhetsfunktionerna för X repektive Y. (b) Bestäm korrelationskoefficienten mellan X och Y. 15. Fortsättning av uppgift 14: (a) Bestäm de villkorliga sannolikhetsfunktionerna för Y för givet värde på X (dvs. för X = 1, 0 och 1). (b) Bestäm väntevärde och varians för Y för givet värde på X. Är regressionen av Y på X linjär, dvs. är E(Y X = x) linjär i x och är V (Y X = x) konstant? 5

7 Binomialfördelningen och dess släktningar 16. Antal trafikolyckor med dödlig utgång under ett dygn i ett visst land kan anses vara en Poissonfördelad slumpvariabel med väntevärde 1. Antalet olyckor under olika dygn antas vara oberoende. (a) Beräkna sannolikheten att det under ett år (med 365 dagar) inträffar högst 400 dödsolyckor. (b) Beräkna sannolikheten att det åtminstone någon dag under ett år inträffar minst 5 dödsolyckor. 17. En hotelltjuv bryter sig in i ett hotellrum, där han finner en låst väska. Väskan öppnas genom att ställa in tre siffror (mellan 0 och 9) med rätt kombination. (a) Vad är sannolikheten att tjuven lyckas öppna väskan efter 3 försök, med kombinationer slumpmässigt valda mellan 0 och 999? (b) Hur många slumpmässiga försök måste tjuven göra för att sannolikheten för att han ska kunna öppna väskan ska vara minst 0.5? Ledning: P.g.a. stress antas tjuven välja nummer med återläggning. 6

11 Punktskattningar 18. Vi har ett stickprov om n observationer på en kontinuerlig slumpvariabel X med täthetsfunktion { 1 x f X (x) = 2a 2 e x 3 a för x > 0 0 för övrigt där a är en positiv parameter. (a) Bestäm ML-skattningen av a och visa att â obs = x 3. (b) Är ML-skattningen av a väntevärdesriktig? 19. Den kontinuerliga slumpvariabeln X är exponentialfördelad med parameter l. Vi har ett stickprov om n observationer på X. (a) Bestäm ML-skattningen av l. (b) Bestäm minstakvadratskattningen av l. (c) Är minstakvadratskattningen av l väntevärdesriktig eller åtminstone asymptotiskt väntevärdesriktig? Ledning: Använd Gauss approximationsformler 20. Låt X 1 och X 2 vara två oberoende observationer från N(m, s) och X 3 en observation, oberoende av de två första, från N(2m, s). s antas vara känd. (a) Bestäm minstakvadratskattningen av m. (b) Avgör om minstakvadratskattningen av m är väntevärdesriktig. 21. Fortsättning av uppgift 20: (a) En naturlig väntevärdesriktig skattning av m är ˆm = X 1 3 + X 2 3 + X 3 6. Undersök vilken av minstakvadratskattningen av m och ˆm, som har minst varians. (b) Bestäm ML-skattningen av m. 22. Låt x 1,..., x n vara oberoende observationer från en fördelning som har täthetsfunktionen { 2 1 x 2 f X (x) = p j e 2j 2 x 0 0 x < 0 där j > 0 är en parameter. (a) Bestäm ML-skattningen, ĵobs, av j. (b) Visa att E(X ) = j 2 p. (c) Bestäm MK-skattningen, j obs, av j. (d) Är j väntevärdesriktig? 7

13 Hypotesprövning 23. Den kontinuerliga slumpvariabeln X har täthetsfunktionen: { jx f X (x) = j 1 för 0 < x < 1 0 för övrigt där j är en positiv parameter. Vi vill med hjälp av en observation på X pröva H 0 : j = 1 mot H 1 : j = 2. Kritiska området bestäms till x > 0.95. (a) Vad är signifikansnivån för detta test? (b) Vad är styrkan för detta test? 24. En energisk spelare gör 900 kast med en tärning. Tärningen visar sexa i 170 av dessa kast. (a) Testa på nivån 5 % om sannolikheten för en sexa är 1/6. (b) Bestäm styrkan för detta test i det fall att sannolikheten för en sexa är 1/5. 25. X är Poissonfördelad med parameter m. Med hjälp av 10 oberoende observationer på X, X 1,..., X 10 vill man pröva H 0 : m = 0.5 mot H 1 : m > 0.5. Kritiska området bestäms till 10 i=1 x i > 8 (a) Bestäm signifikansnivån för detta test. (b) Bestäm styrkan för detta test i det fall att m = 0.6. 26. Slumpvariabeln X är exponentialfördelad med parameter m. Vi vill med hjälp av en observation på X pröva H 0 : m = 5 mot H 1 : m = 10. Kritiska området bestäms till x > 7.5. (a) Vad är signifikansnivån för detta test? (b) Vad är styrkan för detta test? 27. Vid ett laboratorium har man en längre tid använt en mätapparat, vars mätfel (i någon lämplig enhet) har standardavvikelsen 4. (Mätfel antas normalt inom de tekniska vetenskaperna vara normalfördelade.) Man har erbjudits en ny mätapparat, men man vill inte köpa den, om den inte har väsentligt bättre noggrannhet än den man redan har. För att undersöka om så är fallet eller ej, har man gjort 30 mätningar av kända storheter och fått mätfelen, x 1,..., x 30. Som test väljs att förkasta H 0 : s = 4 om s 2 n i=1 = (x i x) 2 n 1 C. (a) Bestäm C så att signifikansnivån för testet blir 1 %. (b) Genomför testet då s = 3,1 har observerats. (c) Bestäm styrkan mot alternativet s = 2. 8

Svar 1. ( ) 11 3 36 2. (a) 5 28 (b) 5 28 3. 4. (a) 2 1/4 5. (b) 1 0.5 4 6. (a) 1 (b) 0.125 7. (a) (b) 1 x > 1 1 (1 x) 2 0 x 1 0 x < 0 (c) 3 4 (d) x 0.5 = 1 0.5 { 1 y (e) 2 1 y 1 0 annars (f) 1 4 { 1+z (g) 2 1 z 1 0 annars 8. (a) (b) 40 + 20 2 1/3 (c) 0.488 9. (a) (b) Bin(y, m1 ) m1+m2 10. E(X ) = a 3, V (X ) = 1 3 a2 9 11. (a) 2 3 (b) 1 2 { 1 0 y 1 (c) 0 annars (d) 1 2, samma som i uppgift 11b (e) 1 18 12. (a) 2 1/5 (b) 1 0.75 5 13. (a) 5 6 (b) 5 252 14. (a) p X ( 1) = 0.4 p X (0) = 0.2 p X (1) = 0.4 p Y ( 1) = 0.2 p Y (0) = 0.6 p Y (1) = 0.2 (b) 2 2 15. (a) p Y X = 1 ( 1) = 0.5 p Y X = 1 (0) = 0.5 p Y X =0 (1) = 1 p Y X =1 (0) = 0.5 p Y X =1 (1) = 0.5 (b) E(Y X = x) = 0.5x V (Y X = 1) = 0.25 V (Y X = 0) = 0 V (Y X = 1) = 0.25 16. (a) 0.9686 (exakt 0.9670) (b) 1 0.9963 365 17. (a) 1 0.999 3 (b) 693 18. (a) (b) E(â) = a 19. (a) ˆlobs = 1 x (b) l obs = 1 x (c) E(l ) l 20. (a) m obs = x 1+x 2 +2x 3 6 (b) E(m ) = m 9

21. (a) V (m ) < V (ˆm) (b) x 1+x 2 +2x 3 6 n i=1 22. (a) x2 i n (b) (c) p 2 x (d) E(j ) = j 23. (a) 0.05 (b) 0.0975 24. (a) H 0 kan ej förkastas (b) 0.7487 25. (a) 0.0681 (b) 0.1539 (exakt 0.1528) 26. (a) e 1.5 (b) e 0.75 27. (a) 7.89 (b) H 0 kan ej förkastas (c) > 0.995 (exakt 0.9986) 10