(x) = F X. och kvantiler



Relevanta dokument
Matematisk statistik 9hp Föreläsning 7: Normalfördelning

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

Matematisk statistik för D, I, Π och Fysiker

SF1901 Sannolikhetsteori och statistik I

SF1901 Sannolikhetsteori och statistik I

Kap 2. Sannolikhetsteorins grunder

2 x dx = [ x ] 1 = 1 ( 1 (1 0.9) ) 100 = /

Grundläggande matematisk statistik

SF1901: Sannolikhetslära och statistik

TAMS79: Föreläsning 6. Normalfördelning

Föreläsning 6, Matematisk statistik Π + E

Summor av slumpvariabler

SF1901 Sannolikhetsteori och statistik I

Matematisk statistik 9hp Föreläsning 5: Summor och väntevärden

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

Föreläsning 5. Funktioner av slumpvariabler. Ett centralt resultat.

Grundläggande matematisk statistik

SF1901: Sannolikhetslära och statistik

Matematisk statistik 9 hp Föreläsning 6: Linjärkombinationer

Matematisk statistik 9hp Föreläsning 2: Slumpvariabel

Föreläsning 5, FMSF45 Summor och väntevärden

SF1911: Statistik för bioteknik

Föreläsning 5, Matematisk statistik Π + E

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

Föreläsning 5, Matematisk statistik 7.5hp för E Linjärkombinationer

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

Statistiska metoder för säkerhetsanalys

Demonstration av laboration 2, SF1901

Föreläsning 2, FMSF45 Slumpvariabel

0 om x < 0, F X (x) = x. 3 om 0 x 1, 1 om x > 1.

Kap 6: Normalfördelningen. Normalfördelningen Normalfördelningen som approximation till binomialfördelningen

Föreläsning 6, FMSF45 Linjärkombinationer

Matematisk statistik för D, I, Π och Fysiker

Föreläsning 2, Matematisk statistik för M

Laboration 3: Stora talens lag, centrala gränsvärdessatsen och enkla punktskattningar

Matematisk statistik 9 hp Föreläsning 3: Transformation och simulering

SF1901: Sannolikhetslära och statistik

Matematisk statistik för D, I, Π och Fysiker

FORMELSAMLING HT-18 MATEMATISK STATISTIK FÖR B, K, N, BME OCH KEMISTER; FMSF70 & MASB02. Sannolikhetsteori. Beskrivning av data

Formel- och tabellsamling i matematisk statistik

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

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

bli bekant med summor av stokastiska variabler.

F9 Konfidensintervall

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

SF1901: SANNOLIKHETSTEORI OCH KONTINUERLIGA STOKASTISKA VARIABLER STATISTIK. Tatjana Pavlenko. 7 september 2016

LINKÖPINGS UNIVERSITET EXAM TAMS 27 / TEN 2

DATORÖVNING 2 MATEMATISK STATISTIK FÖR D, I, PI OCH FYSIKER; FMSF45 & MASB03. bli bekant med summor av stokastiska variabler.

LINKÖPINGS UNIVERSITET EXAM TAMS 27 / TEN 2

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

TMS136. Föreläsning 4

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

Stokastiska vektorer

FACIT: Tentamen L9MA30, LGMA30

Föreläsning 7: Punktskattningar

Föreläsning 8, FMSF45 Binomial- och Poissonfördelning, Poissonprocess

Laboration 3: Stora talens lag, centrala gränsvärdessatsen och enkla punktskattningar

Föreläsning 7: Punktskattningar

Matematisk statistik 9 hp Föreläsning 4: Flerdim

Föreläsning 4, Matematisk statistik för M

Exempel. Kontinuerliga stokastiska variabler. Integraler i stället för summor. Integraler i stället för summor

Föreläsning 8, Matematisk statistik Π + E

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

Repetitionsföreläsning

Tentamen i Tillämpad Matematik och statistik för IT-forensik. Del 2: Statistik 7.5 hp

Stokastiska signaler. Mediesignaler

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

Exempel för diskreta och kontinuerliga stokastiska variabler

Datorövning 2 Betingad fördelning och Centrala gränsvärdessatsen

Introduktion till statistik för statsvetare

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

Centrala gränsvärdessatsen (CGS). Approximationer

Kurssammanfattning MVE055

LINKÖPINGS UNIVERSITET EXAM TAMS 79 / TEN 1

SF1901: Sannolikhetslära och statistik. Flera stokastiska variabler.

Statistiska metoder för säkerhetsanalys

FÖRELÄSNING 7:

TMS136. Föreläsning 5

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

Föreläsning 3, Matematisk statistik Π + E

Avd. Matematisk statistik

TAMS65 - Föreläsning 1 Introduktion till Statistisk Teori och Repetition av Sannolikhetslära

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

Finansiell statistik, vt-05. Kontinuerliga s.v. variabler. Kontinuerliga s.v. F7 Kontinuerliga variabler

KURSPROGRAM HT-18 MATEMATISK STATISTIK AK FÖR D, I OCH PI, FMSF45 & MASB03

SF1901: SANNOLIKHETSTEORI OCH FLERDIMENSIONELLA STOKASTISKA STATISTIK VARIABLER. Tatjana Pavlenko. 8 september 2017

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

SF1901: Sannolikhetslära och statistik

SF1901: Sannolikhetslära och statistik

SF1901: Övningshäfte

Transformer i sannolikhetsteori

TMS136. Föreläsning 7

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

TMS136. Föreläsning 5

Jörgen Säve-Söderbergh

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

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

9. Konfidensintervall vid normalfördelning

Avd. Matematisk statistik

Transkript:

Föreläsning 5: Matstat AK för M, HT-8 MATEMATISK STATISTIK AK FÖR M HT-8 FÖRELÄSNING 5: KAPITEL 6: NORMALFÖRDELNINGEN EXEMPEL FORTKÖRARE Man har mätt hastigheten på 8 bilar som passerade en korsning i Väjö. Hastighetsbegränsningen var 5 km/h. andel.8.6.. Hastighet i korsning före ombyggnad 6 8 hastighet km/h. Hur stor andel av bilisterna kan vi förvänta oss kommer att överskrida hastighetsbegränsningen?. Hur stor andel av bilisterna kommer att köra mellan 5 km/h och 5 km/h?. Hur stor är 5 %-kvantilen, dvs den hastighet som överskrids av 5 % av bilisterna?. Hur mycket måste vi sänka medelhastigheten för att andelen fortkörare ska bli högst 5 %, om spridningen är densamma? 5. Om medelhastigheten sänks med km/h, hur mycket måste vi minska spridningen för att andelen fortkörare ska bli högst 5 %? Lösning; Vi behöver först hitta en lämplig fördelning. STANDARDISERAD NORMALFÖRDELNING X N, med EX och DX kallas standardiserad normalfördelning med täthetsfunktion Ôe / för < < fördelningsfunktion F X PX och kvantiler Ð sådant att Ð φ.... t dt Standardnormalfördelning fås genom att slå i Tabell normcdf i MATLAB. Kvantilerna fås i Tabell norminv-alfa i MATLAB. På grund av symmetrin kring gäller att och Ð Ð samt Eempel: X N, beräkna PX, PX, P X, 5 %-kvantilen och 9 %-kvantilen. Lösning: PX Tabell.8. PX PX > Symmetri PX < Tabell.95.8. P X PX PX.95.8.59. Ð.5.5 Tabell Ð.5.69. Ð.9 Ð. Symmetri Ð. Tabell.86.

ALLMÄN NORMALFÖRDELNING X N Ñ, med EX Ñoch DX Ôe / för < < F X t dt måste räknas ut numeriskt. Om X N Ñ, så a + bx N a + bñ, b Nm,σ, Nm+,σ, Nm,σ, Nm+,σ/,Nm/,σ/..5 6 8 Om X N Ñ, X så Z N, Det innebär att PX P X PZ Tabell... RÄKNA MHA STANDARDNORMALFÖRDELNINGEN! Föreläsning 5: Matstat AK för M, HT-8. PX > 5 PX 5 P X 5 5 } {{ } N, 5 5.9 Symmetri.9 Tabell 6. % 5. P5 X 5 P X 5 5 5 5 5 5 5..9 Symmetri. +.9 Tabell.65 +.65.5 %. Finn.5 så att.5 PX >.5.5.5 5.5 5 Ð.5 Tabell.69.5 5 +.69 6.5 km/h.. FinnÑny så att PX > 5.5 då X N Ñny,. PX > 5 5 ny 5 ny.5 Ð.5.69 Ñny 5.69 8.5 km/h. 5. Finn ny så att PX > 5.5 då X N, ny. 5 PX > 5.5 ny 5 Ð.5.69 ny ny 5.69 9. km/h. Vi kan öka spridningen! Eempel fortkörare: Hastigheten hos en bilist, X N Ñ, därñ5 km/h och km/h. andel Hastighet i korsning före ombyggnad.8.6. SUMMOR AV NORMALVARIABLER Om X N Ñ, Ñy, y och Y N är oberoende så gäller att + y X + Y N Ñ +Ñy, och a + bx + cy N a + bñ + cñy, b + c y. 6 8 hastighet km/h

Föreläsning 5: Matstat AK för M, HT-8 Eempel fortkörare: X i N 5, Hastigheten hos en bilist:. Skillnaden i hastighet mellan två bilar: X X N 5 5, + N, 9.9. Sammanlagd hastighet för två bilar: X + X N 5 + 5, + N, 9.9. Medelhastigheten hos två bilar: X 5 + 5 X i N, + N 5, N 5,.9. Sannolikheten att medelhastigheten för två bilar överstiger 5 km/h: P X > 5 P X 5 P X 5 5 5.9.9 5 5..9. Tabell.655 CENTRALA GRÄNSVÄRDESSATSEN Om X,..., X n är oberoende och likafördelade med EX i Ñoch VX i så gäller att X i N nñ, n och X N Ñ, n om n är tillräckligt stort. Medelvärdet konvergerar mot väntevärdet och blir ungefär normalfördelat oavsett vilken fördelning X i har! m hatbar med m, σ, α5% 6 8 n Fördelningen för medelvärdet av.. st N, fördelade s.v. Fördelningen för medelvärdet av.. st Ep/ fördelade s.v. CGS-EXEMPEL EXPONENTIALFÖRDELNING Tiderna, X i, mellan successiva kunder är oberoende och Ep/5-fördelade, dvs med EX i DX i 5 min. Beräkna approimativt sannolikheten att man får vänta mer än 8 timmar innan den hundrade kunden anländer. Lösning: Sätt Y X i. Då gäller att EY EX i EX i 5 5 min och VY VX i VX i 5 och alltså DY VY DX i 5 5 min. Enligt CGS gäller dessutom, eftersom n är stort, att Y X i N EY, DY N 5, 5. Alltså får vi att PY > 8 timmar PY > 8 min 8 5 PY 8 5...655 Eakt: Y, /5 med PY > 8 - gamcdf8,,5.59.65. Ganska bra approimation!

Standardiserad normalfördelning X N,, EX, V X, α λ α π e / ϕ F X ϕt dt Φ Φ räknas ut numeriskt eller tabell. Allmän normalfördelning X Nµ, σ, EX µ, V X σ Sats: X µ σ N, πσ e µ /σ φ... Täthetsfunktion för N, Φ.8.6. Fördelningsfunktion för N, F X α µ + σλ α t dt Φ µ σ.. F8 F8.5 m σ σ 6 8.5 σ m m Linjärkombinationer av normalfördelningar Linjärkombinationer av normalfördelade s.v. är normalfördelade. Dvs. Om X i Nµ i, σ i och Y a i X i gäller Y NEY, DY Y N a i µ i, n a i σ om alla X i är oberoende i av varandra F8 F8 Centrala gränsvärdessatsen, CGS Summa av oberoende likafördelade s.v. är ungefär normalfördelad om antalet termer är stort. Med EX i µ, V X i σ fås E Om Y X i gäller Y Nnµ, σ n p X k.. Summa av tärningar E Om X n X i gäller σ X Nµ, n 5 6 Antal tärningar 8 k 5 F8 5 F8 6..8. Medelvärde mellan,,,6, Ep variabler E. Sten, sa och påse Per och Lisa spelar sten, sa och påse. Vinnaren får en krona av förloraren, vid oavgjort händer inget. Antag att det är samma sannolikhet för vinst, oavgjort och förlust. a Bestäm fördelningen för Lisas vinst i en spelomgång. b Beräkna väntevärde och varians för Lisas vinst i en spelomgång. c Vad är sannolikheten att Lisa totalt vunnit minst 5 kr efter 5 spelomgångar?.8.6 Sannolikhetsfunktion Normalapproimation. 5. 5 5 5 5 F8 F8 8

E. Äpplen Tag 5 äpplen från ett äppelträd. Låt X i vara vikten av äpple nr i. Vad är slh att den sammanlagda vikten överstiger 5 g om EX i g och V X i g? Lsg. Sätt Y sammanlagd vikt 5 X i. Enligt CGS är Y ungefär normalfördelad om 5 är stort; Y NEY, DY. EY E X i EX i 5 g V Y V X i V X i 5 g DY g Dvs Y N,. 5 P Y > 5 P Y 5 Φ Φ.5.9. F8 9