Experiment, Försök, Utfall, Händelse, Sannolikhet. Kaptiel1: Slump, Utfall, Händelse, Sannolikhet... Kaptiel2: Stokastiska variabler

Relevanta dokument
SAMMANFATTNING TAMS79 Matematisk statistik, grundkurs

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

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

Formelblad Sannolikhetsteori 1

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

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

TENTAMEN I MATEMATIK MED MATEMATISK STATISTIK HF1004 TEN kl

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

Tentamen i Sannolikhetsteori III 13 januari 2000

Föreläsning 2: Punktskattningar

SANNOLIKHETER. Exempel. ( Tärningskast) Vi har sex möjliga utfall 1, 2, 3, 4, 5 och 6. Därför är utfallsrummet Ω = {1, 2, 3, 4, 5,6}.

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

θx θ 1 om 0 x 1 f(x) = 0 annars

TAMS79: Föreläsning 9 Approximationer och stokastiska processer

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

Sannolikheten. met. A 3 = {2, 4, 6 }, 1 av 11

TAMS15: SS1 Markovprocesser

TENTAMEN I MATEMATISK STATISTIK

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

Tentamen i matematisk statistik

Grundläggande matematisk statistik

Borel-Cantellis sats och stora talens lag

4.2.3 Normalfördelningen

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

Linjär Algebra (lp 1, 2016) Lösningar till skrivuppgiften Julia Brandes

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

. Mängden av alla möjliga tillstånd E k kallas tillståndsrummet.

Kontrollskrivning (KS1) 16 sep 2019

Formelsamling för Finansiell Statistik

Armin Halilovic: EXTRA ÖVNINGAR

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)

Tentamen i Linjär Algebra, SF december, Del I. Kursexaminator: Sandra Di Rocco. Matematiska Institutionen KTH

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

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

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

Föreläsning G04: Surveymetodik

Lösningar till tentamensskrivning i kompletteringskurs Linjär Algebra, SF1605, den 10 januari 2011,kl m(m + 1) =

Introduktion till statistik för statsvetare

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

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

F10 ESTIMATION (NCT )

Höftledsdysplasi hos dansk-svensk gårdshund - Exempel på tavlan

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

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

TENTAMEN I MATEMATISK STATISTIK Datum: 13 mars 08

a) Beräkna E (W ). (2 p)

TNA001 Matematisk grundkurs Övningsuppgifter

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

Faderns blodgrupp Sannolikheten att barnet skall få blodgrupp A0 A0 1/2 AA 1 AB 1/2 Övriga 0

Datorövning 2 Fördelningar inom säkerhetsanalys

1. Test av anpassning.

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

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

Anmärkning: I några böcker använder man följande beteckning ]a,b[, [a,b[ och ]a,b] för (a,b), [a,b) och (a,b].

Matematisk statistik TMS063 Tentamen

Datorövning 2 Fördelningar inom säkerhetsanalys

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.

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

Stokastiska variabler

Artificiell intelligens Probabilistisk logik

Intervallskattningar, synonymt konfidensintervall eller statistiska osäkerhetsgränser

Matematisk statistik

Exempel för diskreta och kontinuerliga stokastiska variabler

Hambley avsnitt 12.7 (även 7.3 för den som vill läsa lite mer om grindar)

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

Tentamen SF1633, Differentialekvationer I, den 22 oktober 2018 kl

MS-A0409 Grundkurs i diskret matematik Sammanfattning, del I

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

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

INGENJÖRSMATEMATISK FORMELSAMLING

Signal- och Bildbehandling FÖRELÄSNING 4. Multiplikationsteoremet. Derivatateoremet

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

Föreläsning 2, Matematisk statistik för M


Statistik. Språkligt och historiskt betyder statistik ungefär sifferkunskap om staten

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

MA2018 Tillämpad Matematik III-Statistik, 3.5hp,

Matematisk statistik KTH. Formelsamling i matematisk statistik

Inklusion och exklusion Dennie G 2003

TENTAMEN Datum: 16 okt 09

DEL I. Matematiska Institutionen KTH

Avd. Matematisk statistik

Periodisk summa av sinusar

Sida 1 av 12. vara ett inkonsistent system (= olösbart system dvs. ett system som saknar lösning). b =.

Vad är det okända som efterfrågas? Vilka data är givna? Vilka är villkoren?

SF1920/SF1921 Sannolikhetsteori och statistik 6,0 hp Föreläsning 6 Väntevärden Korrelation och kovarians Stora talens lag. Jörgen Säve-Söderbergh

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

Tentamen i Matematisk statistik för V2 den 28 maj 2010

4. Uppgifter från gamla tentor (inte ett officiellt urval) 6

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

Sannolikhetslära. c 2015 Eric Järpe Högskolan i Halmstad

Tillåtna hjälpmedel: Eget handskrivet formelblad (A4), utdelad tabellsamling, miniräknare med tömt minne Studenterna får behålla tentamensuppgifterna

Sensorer, effektorer och fysik. Analys av mätdata

Föreläsning G70 Statistik A

Övningstentamen i MA2018 Tillämpad Matematik III-Statistik, 7.5hp

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

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

ENDIMENSIONELL ANALYS B1 FÖRELÄSNING VI. Föreläsning VI. Mikael P. Sundqvist

Föreläsning 2, FMSF45 Slumpvariabel

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

Transkript:

Kaptiel: lup Utall Hädelse aolikhet... Begreppe eperiet örsök hädelse utallsru saolikhet osv Diskreta/Kotiuerliga utallsru aasatta och betigade ( A B hädelser/saolikheter. ( A B ( A B ( B Bayes regel. ( A B Oberoede hädelser. ( B A ( A ( B Deiitio: Två hädelser A och B är oberoede o ( A B ( A ( B ör att två hädelser skall kua vara oberoede så åste A B Kobierade örsök/eperiet. periet örsök Utall Hädelse aolikhet Deiitio: Till varje öjlig hädelse A så associerar vi ett ickeegativt värde (A so kallas saolikhete ör hädelse A. Aio : Aio : Aio 3: ( ( A 0 ( A or all... ( A i A A elativ rekves: aolikhete ka deiieras so relativa rekvese att e hädelse iträar: li ( / ( A A där A är atalet gåger hädelse A iträar på örsök. aasatt och Betigad aolikhet Total saolikhet: Atag att vi har stycket ösesidigt uteslutade hädelser (ägder B vars uio är hela utallsruet B B... Då gäller öljade: B ( A ( A B ( B Kaptiel: tokastiska variabler Deiitio av e stokastisk variabel ördeligsuktio - deiitio och egeskaper Täthetsuktio - deiitio och egeskaper ågra olika ördeligar (ektagleördelig poetialördelig oissoördelig Bioialördelig oralördelige Betigade ördeligar Bayes regel: ( A B ( B A ( A ( B

tokastiska variabler Deiitio: stokastisk variabel ka deiieras so e uktio (reellvärd av eleete i utallsruet till ett eperiet (s. öljade åste gälla ör att e uktio skall vara e stokastisk variabel: uktioe år ite avbilda ett eleet s rå utallsruet till lera olika värde. uktioe ka däreot avbilda lera olika eleet på saa uktiosvärde. Mägde { z} åste otsvara e hädelse i ör alla reella z. aolikhete ör hädelsera {} och {-} åste vara oll: r( 0 r( 0 ördeligsuktio tokastiska variabler Deiitio: ördeligsuktio deiieras so saolikhete ör hädelse { s : ( s } ( { } Iblad kallas de också ör kuulativa ördeligsuktioe. araeter är ett godtyckligt reellt tal ella - och +. Ma ka härleda öljade egeskaper hos e ördeligsuktio: 0 ( 0 ( + ( ( ( o < { < } ( ( tokastiska variabler tokastiska variabler Täthetsuktio ör diskreta variabler koer täthetsuktioe att uttryckas so e sua av diracer: d ( ( eda öljer ågra egeskaper e täthetsuktio har: 0 ( ( ( ( y dy { < } ( oralördelige Täthetsuktioe ör e Gaussisk V ges av: ( ( Φ( ( e σ πσ ördeligsuktioe ör e Gaussisk V ges av: Där paraeter σ bestäer spridige (variase och bestäer var cetru på ördeligsuktioe haar (vätevärdet. e πσ ( ξ σ dξ

tokastiska variabler Betigad ördeligs- och täthetsuktio Deiitio: O vi betraktar saolikhete ör hädelse { } givet att hädelse B har iträat så ka vi deiiera de betigade ördeligsuktioe so: ( B De saasatta hädelse består av alla utall s sådaa att: ({ } B ( B { } B ( s och s B Kapitel 3: Moet Vätevärde Betigade ördeligar Vätevärde Moet varias stadardavvikelse äkeregler ör vätevärde och varias Trasoratio av stokastiska variabler De betigade ördeligsuktio är e oral ördeligsuktio vilket ger att öljade åste gälla: Deiitio: De betigade täthetsuktioe givet hädelse B deiieras so: d ( B ( B Vätevärde (edelvärde Moet och Varias µ [ ] ( [ g( ] g( ( [ B] ( B [ ] ( [( ] ( ( [ ] ( ( [ ] ( σ µ V [ ] + σ Vätevärde och Varias äkeregler: [ a + b ] a b + O och är oberoede så gäller också: [ g( h( ] [ g( ] [ h( ] V [ a + By] a V[ ] + b V[ ]

Trasoratio av e stokastisk variabel Kapitel 4: lerdiesioella stokastiska variabler Lijär trasoratio: Låt b+a. Bestä ördelige ör. ( y ( y ( a + b y ( y y b a y b a a y b a Deiitio av e lerdiesioell V aasatt ördeligsuktio aasatt täthetsuktio aolikhete ör e geerell hädelse Betigade ördeligar Oberoede stokastiska variabler ua av stokastiska variabler Mooto trasoratio: O g( är e ooto uktio (avtagade eller väade så har de stokastiska varibel g( täthetsuktioe: ( dy ( y g ( y aasatt ördeligsuktio Deiiera två hädelser A{ } B{ }. De saasatta ördeligsuktioe ör de tvådiesioella stokastiska variabel ( deiieras utirå de saasatta hädelse A B 0 y ( A B ( y De saasatta ördeligsuktioe har öljade egeskaper: ( 0 ( y 0 0 ( y y ( < y < y y + y y y ( y ( y ( är e strägt ickeavtade uktio i både och y Margialördelig ördeligsuktioera ör de eskilda variablera och kallas ör argialördeligsuktioera: y y ( y ( y ( aasatt täthetsuktio geskaper y ( ξ ψ y ( < y < y ( ξ ψ 0 ( y dy ( y y y ( y ( y dy y dξdψ y dξdψ

aolikhete ör e geerell hädelse (( A ( y A Betigade ördeligar Bayes egel: ( y ( y Oberoede variabler: y ( y ( y ( ( y och är oberoede o och edast o: ( y ( ( y y ( ( y y ( ( y ( y ( ( y ( y ua av stokastiska variabler: Deiiera e stokastisk variabel Z so sua av två adra variabler ( dvs Z+. ördeligsuktioe ör Z ges då av: Z ( z ( Z z ( + z ( z z y dy O och är oberoede så ka a visa att täthetsuktioe ör Z+ ges av: ( z ( ( y ( ( z Z * ( y ( z y dy Kapitel 5: Operatioer på lerdi V Vätevärde Korrelatio - ortogoalitet Kovarias okorrelerade Betydelse av oberoede variabler äkeregler lerdiesioell (ultivariat( ultivariat- oralördelig tokastiska vektorer och kovariasatriser Vätevärde ( g( g y ydy ( y dy ( Korrelatio och Kovarias Deiitio: Korrelatioe ella och ( y ( ydy Deiitio: Kovariase ella och deiieras so ( ( ( ( ( Kov Deiitio: Korrelatioskoeiciete ( ( ρ σ σ σ σ / Okorrelerade variabler: ( ( 0 Oberoede iplicerar okorellerade e ej tvärto Ortogoala variabler: 0 ( (

äkeregler V V ( + V( + V( + Kov( ( V( + V( Kov( Betigade ördeligar ( ( ( ( V( ( + ( V( V ( a + a + a3 3 V( + av( + a3v( 3 + aa Kov( a a Kov( + a a Kov( V a + V Kov Kov Kov Kov Kov 3 3 i i ai V + i i i< j ( V( ( a b abkov( ( a + b c + d ackov( ( a + b cz ackov( Z + bckov( Z i 3 a a i i b j j aib jkov i j i j 3 ( i aia jkov( i j ( j tokastiska vektorer lerdiesioella stokastiska variabler skriver a ota på vektoror. T [( ( ] ( i i OB! Kovariasatrise är alltid syetrisk. Multivariat oralördelig ördelige bestäs etydigt av vätevärdesvektor och kovariasatrise O e oralördelig är okorrelerad så är de också oberoede. Varje argialördelig till e oralördelig är e oralördelig. Varje lijär trasoratio av e oralördelig är e oralördelig. Lijär trasoratio ( ( A + b A b + A A T y ( π e T ( (

Kapitel 6: tokastiska processer Deiitio och tolkigs av e Oädlig diesioell V Deiierar e V i varje tidpukt Diskreta/Kotiuerliga processer Gausprocesser A/MA-processer Moet och Vätevärde Medelvärdesuktio Medeleekt Autokorrelatiosuktio Kovariasuktio Korskorrelatiosuktio korskovarias... tatioaritet svagt/strikt vagt statioär kostat edelvärde ak beror ej på tide. rgodisk processer Tidsedelvärde sebleedelvärde Beteckigar av sabad ella stokastiska processer stokastiska variabler realiserigar och estaka värde. t variabel s variabel t variabel ss i i tt i i s variabel tt i i ss i i Tolkig tokastisk process realiserig deteriistisk uktio tokastisk variabel tt visst värde ullstädig beteckig ( t s ( t s i ( t s j ( t j s i örkort. beteck. ( t ( t i ( t j i ( t j Vätevärde vid tidpukte t. ( t ( ( t ( t ; Kvadradiskta edelvärdet vid tidpukte t (edeleekte ( ( t ( t ( t ; Variase vid tidpukte t. σ [ ] ( t ( t ( t ( ( t ( t Kovariasuktio (kovariaskära: ( t t Kov( ( t ( t Autokorrelatiosuktioe (ak: ( t t ( ( t ( t ( t t + τ ( τ ( τ Autokorrelatiosuktioe (ak: ( t t [ ( t ( ] t svagt statioära processer ( t t + τ ( τ [ ( t ( t + τ ] ( τ ( 0 ( τ ( τ ( 0 [ ( t ] σ + O (t har e periodisk kopoet så har också ak:e e periodisk kopoet ed saa period. ör e ergodisk process uta ågo periodisk kopoet så gäller li τ τ ( O (t är ergodisk har vätevärde oll och ige periodisk kopoet så gäller li τ τ ( 0

Korskorrelatiosuktioe ( t t [ ( t ( ] t vagt saasatt statioära processer t t + τ τ [ t t + τ ( ( ( ( ] ( τ ( τ ( τ ( 0 ( 0 ( τ ( 0 ( 0 + Kapitel 7: pektraltäthet Deiitio och tolkigs av pektraltäthete ör e stokastisk process abadet ella ak och spektraltäthet geskaper hos spektraltäthete Deiitio av vitt brus kostat spektraltäthet Korsspektru Korskovariasuktioe ( t t + τ ( τ ( τ Okorrelerade processer ( τ ( τ 0 Ortogoala processer ( τ 0 Deiitio: pektraltäthete hos e tidskotiuerlig stokastisk process deiieras so: T T j πt ( li ( t e dt T pektraltäthete ager hur edeleekte i processe är ördelad på olika rekveser. ör svagt statioära processer ka spektraltäthete uttryckas ouriertrasore av ak:e j τ ( ( τ e π dτ pektraltäthete har öljade egeskaper: ( ( 0 ( ( 0 ( jπτ ( τ ( e d T är reelloch jä d Diskreta processer Korsspektru: jωk ( Ω [] k e ( Ω ( Ω 0 ( Ω π [ k] ( Ω är reell och jä är periodisk ed periode π π k π dω π ( [] k ( Ω ( ( ( ( τ π π j τ π τ e dτ j τ e π dτ * ( ( ( ( ( 0 o ( O ( t och ( t ( ( δ ( dω t och ( t är ortogoala är okorrelerade så gäller

Kapitel 8: tokastiska processer i lijära syste tokastiska processer i Lijära yste iltrerig av stokastiska processer abad ör ak ella i och utprocess abad ör spektraltäthet ör i och utprocess - uperorel aplig av stokastiska processer ( I (t ( H ( ( h(t (t ( I ( τ ( τ ( τ ( τ t + t ( h t ( h t dtdt H( h( t dt H (0 σ ( ( ( 0 0 d ats: vagt statioär process i ger svagt statioär process ut i lijära syste. ats: Gaussprocess i ger Gaussprocess ut i lijära syste. aplig av tokastiska rocesser aplig av deteriistiska sigaler: aplig av tokastiska rocesser aplig av stokastiska sigaler: c ( t c ( ω vagt stat. proc. ( t T s ( t p eller [] -T 0 T p ( t T t t π T s W W p ( ω W π T s ω ω Vätevärde: ( [ ( ( Ts ] ak: [ k] ( [ ] [ + k] ( ( Ts ( Ts + kts ( kt pektraltäthet: s y[] ( Ω Ω πk jω ( Ω [] e Ts k Ts - 0 π WTs π Ω Motsvarade tidskotiuerliga spektraltäthet: p p πk ( ( ω ωts ω Ts k Ts