Tentamen i matematisk statistik

Relevanta dokument
SAMMANFATTNING TAMS79 Matematisk statistik, grundkurs

TENTAMEN I MATEMATIK MED MATEMATISK STATISTIK HF1004 TEN kl

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

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

θx θ 1 om 0 x 1 f(x) = 0 annars

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.

a) Beräkna E (W ). (2 p)

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

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

TENTAMEN I MATEMATISK STATISTIK

Tentamen i Sannolikhetsteori III 13 januari 2000

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

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

4.2.3 Normalfördelningen

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

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

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

Formelblad Sannolikhetsteori 1

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

Borel-Cantellis sats och stora talens lag

Grundläggande matematisk statistik

TMS136: Dataanalys och statistik Tentamen med lösningar

TAMS79: Föreläsning 9 Approximationer och stokastiska processer

TENTAMEN I MATEMATISK STATISTIK Datum: 13 mars 08

Introduktion till statistik för statsvetare

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

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

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

Föreläsning 2: Punktskattningar

Avd. Matematisk statistik

Matematisk statistik TMS063 Tentamen

Datorövning 2 Fördelningar inom säkerhetsanalys

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

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

MA2018 Tillämpad Matematik III-Statistik, 3.5hp,

TAMS15: SS1 Markovprocesser

Rättningstiden är i normalfall 15 arbetsdagar, annars är det detta datum som gäller:

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

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

MA2018 Tillämpad Matematik III-Statistik, 3.5hp,

Datorövning 2 Fördelningar inom säkerhetsanalys

Tentamen i matematisk statistik

x 1 x 2 x 3 x 4 x 5 x 6 HL Z x x x

Stokastiska variabler

TENTAMEN Datum: 16 okt 09

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

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

Tentamen i Statistik STG A01 (12 hp) 5 mars 2010, kl

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

MA2018 Tillämpad Matematik III-Statistik, 3.5hp,

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

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

Statistik. Språkligt och historiskt betyder statistik ungefär sifferkunskap om staten

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

Tentamen i Matematisk statistik för V2 den 28 maj 2010

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

Övningstentamen i MA2018 Tillämpad Matematik III-Statistik, 3.5hp

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

Övningstentamen i MA2018 Tillämpad Matematik III-Statistik, 7.5hp

Föreläsning G04: Surveymetodik

1. Test av anpassning.

Föreläsning G70 Statistik A

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

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

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)

F10 ESTIMATION (NCT )

Tentamen Metod C vid Uppsala universitet, , kl

Matematisk statistik

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

MA2018 Tillämpad Matematik III-Statistik, 3.5hp,

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

Tentamen i Statistik, STA A13 Deltentamen 2, 5p 5 juni 2004, kl

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

MA2018 Tillämpad Matematik III-Statistik, 7.5hp,

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

Följande begrepp används ofta vid beskrivning av ett statistiskt material:

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

Tentamen i matematisk statistik, Statistisk Kvalitetsstyrning, MSN320/TMS070 Lördag , klockan Lärare: Jan Rohlén

2. Konfidensintervall för skillnaden mellan två proportioner.

Vid mer än 30 frihetsgrader approximeras t-fördelningen med N(0; 1). Konfidensintervallet blir då

KOM IHÅG ATT NOTERA DITT TENTAMENSNUMMER NEDAN OCH TA MED DIG TALONGEN INNAN DU LÄMNAR IN TENTAN!!

Tentamenskrivning, , kl SF1625, Envariabelanalys för CINTE1(IT) och CMIEL1(ME ) (7,5hp)

Laboration 5: Konfidensintervall viktiga statistiska fördelningar

E ( X ) = (här ska ni skriva en viss bokstav! Vilken? Varför)

101. och sista termen 1

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

= x 1. Integration med avseende på x ger: x 4 z = ln x + C. Vi återsubstituerar: x 4 y 1 = ln x + C. Villkoret ger C = 1.

c n x n, där c 0, c 1, c 2,... är givna (reella eller n=0 c n x n n=0 absolutkonvergent om x < R divergent om x > R n n lim = 1 R.

. Mängden av alla möjliga tillstånd E k kallas tillståndsrummet.

SAMMANFATTNING TAMS65

Fourierserien. fortsättning. Ortogonalitetsrelationerna och Parsevals formel. f HtL g HtL t, där T W ã 2 p, PARSEVALS FORMEL

Problem 2 löses endast om Du hade färre än 15 poäng på duggan som gavs arctanx sin x. x(1 cosx) lim. cost.

Armin Halilovic: EXTRA ÖVNINGAR

Tentamen SF1633, Differentialekvationer I, den 22 oktober 2018 kl

S0005M V18, Föreläsning 10

================================================

Tenta i MVE025/MVE295, Komplex (matematisk) analys, F2 och TM2/Kf2

Uppgifter 3: Talföljder och induktionsbevis

Tentamen i Elektronik, ESS010, del 2 den 14 dec 2009 klockan 14:00 19:00.

Transkript:

MSTA3, Saolikhetsteori A, 5 p 5--7 Tetame i matematisk statistik Saolikhetsteori A, 5 poäg Skrivtid: 9.-5.. Tillåta hjälpmedel: Tabellsamlig, ege miiräkare. Studetera får behålla tetamesuppgiftera. På vissa cigarettpaket fis varigstete 9 av som drabbats av strupcacer är rökare. Dea faktauppgift är ite helt relevat för att bedöma om riske är stor eller lite för att drabbas av strupcacer, om ma röker. Beräka, med hjälp av iformatioe i varigstete och följade data, saolikhete att e rökare drabbas av strupcacer. 9% av befolkige är mä. Av mäe röker 3% och av kviora röker %. Saolikhete att drabbas av strupcacer är %. (3 p) Låt Chädelse cacer, Rhädelse rökare och Mhädelse ma. Vi vet då att P(C)., P(R C).9, P(M).9, P(R M).3, P(R M*).. P(C R) P(R C)P(C).9*. P (C R).56 P(R) P(R M)P(M) + P(R M*)P(M*).3*.9 +.*.5 Låt (X, Y) vara e tvådimesioell s.v. med simulta frekvesfuktio k, < <, < y < f (, y)., för övrigt a) Bestäm värdet på kostate k. ( p) b) Bestäm margiella frekvesfuktioe för Y. ( p) c) Bestäm variase för X. ( p) a) kdy k( ( ))d k( )d k /3 k 3 b) f Y(y) y+ y 3(y + ) 3d 3( y) 3d - < y < y

MSTA3 Saolikhetsteori A, 5 p 5--7 c) fx() 3dy 3( ( )) 6( ), <. Detta ger att V(X)/ 3 Till e affär kommer kuder eligt e Poissoprocess med itesitete 7 kuder per timme. Varje gåg det kommer e kud så är det lika saolikt att det är e ma som e kvia, oberoede av köet på tidigare kuder. a) Beräka de betigade saolikhete att det har kommit mist två mä uder de första halvtimme, givet att det har kommit eakt fyra kuder sammalagt uder de första halvtimme. (.5 p) b) Beräka vätevärdet av tide det tar ia det kommer e kud av motsatt kö mot ärmast föregåede kud. (.5 p) Låt X(t)atal kuder uder tide (,t), M(t)atal mä uder tide(,t) och K(t)atal kvior uder tide(,t). Då gäller att {X(t),t>} är e Poissopro cess med itesitet 7, {M(t),t>} och {K(t),t>} är oberoede Poissoproces ser med itesitera 3.5. a) P(M(.5) X(.5))- P(M(.5) X(.5))- P(M(.5) X(.5)) P(M(.5) X(.5) ) P(M(.5) X(.5) ) P(X(.5) ) P(X(.5) ) P(M(.5) K(.5) ) P(M(.5) K(.5) 3) P(X(.5) ) P(X(.5) ) P(M(.5) )P(K(.5) ) P(M(.5) )P(K(.5) ) P(X(.5) ) P(X(.5) ) e.75.75 *e.75 3.5 e 3.5 /! /! e.75.75 3.75*e.75 /3! 3.5 e 3.5 /! 5 6 6 b) Låt N vara umret på de första kud som har motsatt kö mot föregåede kud. N ka då ata värdea,3,,. Vi fier P(N)*/, P(N3)*/*/(/) och att P(Nk)(/) k-, k,3, Av detta ka vi dra slutsatse att (N-) är geometriskt fördelad med p/ och att E(N-) dvs E(N)3. Låt u T i vara tidpuktera är kuder aläder, i,, Då gäller att T i är epoetialfördelade med E(T i )/7. N N Vi får då E Ti E E Ti N E(N) * E(T i) 3*/ 7 3/ 7 i i Låt X och X vara två oberoede slumptal med frekvesfuktio f(),. a) Bestäm frekvesfuktioe för X +X och rita de i e figur. (.75 p) b) Bestäm mometgeererade fuktio för X +X (.75 p) c) Visa att X -X har samma fördelig som X +X - (.75 p)

MSTA3 Saolikhetsteori A, 5 p 5--7 d) Bestäm frekvesfuktioe för X -X och rita de i e figur. (.75 p) a) Låt YX +X. Då F (y) P(X + X Y dyd z z) z z z dyd z y ( z) ddy + ddy < z z z + < y ddy z + y z z z () f Y z z < z < z f Y () b) M(Y,t) M(X,t)M(X tx t t,t) (E(e )) ( e d) (e ) t c) t t M(X X,t) M(X,t)M(X, t) (e + e ) t t t t t t M(X + X,t) e M(X,t)M(X,t) e (e ) (e + e ) t t Eftersom mgf är uik måste X -X ha samma fördelig som X +X - d) () P(X X ) P(X + X ) P(X + X ) F X X + Geom deriverig erhålles f X-X () f X X () f Y + ( + ) < < - 5 a) Defiiera begreppet koverges i saolikhet för e följd av slumpvariabler X, X, ( p) b) Formulera Stora tales svaga lag ( p) c) Låt P(A) betecka saolikhete att hädelse A iträffar vid ett försök. Gör oberoede upprepigar av försöket och låt A vara atalet gåger A iträffar. Motivera att relativa frekvese A / kovergerar i saolikhet mot P(A). ( p) 6 E belysigsarmatur består av tre lysrör som går söder oberoede av varadra. Itesitete (hazarde) som ett lysrör går söder med är

MSTA3 Saolikhetsteori A, 5 p 5--7 h (t).5,, t >, t. a) Bestäm de förvätade livslägde hos ett lysrör. (.5p) b) Ata att belysige är tillräcklig om mist två lysrör lyser. Bestäm de förvätade tide till dess att belysige blir otillräcklig. (.5p) / a) Xlivslägde har fördeligsfuktio F() e e. X är alltså epoetialfördelad med vätevärde. b) Ssystemets livslägd. P(S>t)P( av 3 lysrör fugerar vid tid t). Låt pp(x>t)e -t/ och Yatal som fugerar vid tid t. Då Y Bi(3,p) och P(S>t)P(Y)+P(Y3)-P(Y)-P(Y)-(-p) 3-3p(-p) -(-e -t/ ) 3-3 e -t/ (-e -t/ ) 3e -t -e -3t/. Vi erhåller t / E(S) 3e e 3t dt 5/ 3 7 E Taylorutvecklig av g(x) krig E(X)m är (X m) g(x) g(m) + (X m)g (m) + g (m) +... Vid Gauss approimatio! kasseras termer av ordig två och högre. Detta leder till uttrycke E (g(x)) g(m) och V(g(X)) V(X)g (m). E bättre approimatio uppås om vi i Taylorutvecklige också behåller :a grads-terme. a) Härled på detta sätt ett approimativt uttryck för E(g(X)). ( p) b) Låt X vara e Poissofördelad stokastisk variabel med vätevärde m. Bestäm med valig Gauss-approimatio approimatioer av vätevärde och stadardavvikelse för g( X) e X, samt med de ya variate i a) e alterativ approimatio av E(e X ). ( p) c) Bestäm E(e X ) eakt. Vad ka ma säga om approimatioera i detta fall? ( p) a) E(g(X)) g(m)+v(x)g (m)/ b) Gauss: E(e X ) e E(X) e 6.6579, V(e X ) V(X)e m e och D(e X ) 69653.87 Ny variat : E(e X ) e +5e 6e 358.797 k k X k e e e (e) (e) c) E(e ) e e e e 93.87 k! e k! k k.5du

MSTA3 Saolikhetsteori A, 5 p 5--7 8 a) Visa Tjebysjevs olikhet, dvs För varje k > gäller P( X µ kσ) / k, där E(X) µ och V(X) σ. Välj själv om du vill visa satse för e diskret eller kotiuerlig s.v. (.5 p) b) Aväd satse för att utgåede frå oberoede s v X, X,..., X med samma fördelig som X, härleda ett kofidesitervall för µ med kofidesgrad mist 88,9% oavsett vilke fördelig X har. (3 p) σ b) E(X) µ och V(X). Eligt Tjebysjev s olikhet gäller då att kσ kσ P( X µ > ) eller att P( X µ ) >. Sätt k3 ger k k 3σ σ P ( X µ ) >.889 eller att X ± 3 är ett 88.9%-igt kofidesitervall för µ. Lycka till