Lösningsförslag till Tillämpad matematisk statistik LMA521, Tentamen

Relevanta dokument
LMA201/LMA522: Faktorförsök

Tillämpad matematisk statistik LMA522 (maskin/mekatroniks kurs) Tentamen

Lösningsförslag till Matematisk statistik LKT325 Tentamen

LMA521: Statistisk kvalitetsstyrning

LKT325/LMA521: Faktorförsök

LMA201/LMA521: Faktorförsök

LMA521: Statistisk kvalitetsstyrning

LMA521: Statistisk kvalitetsstyrning

Tentamen den 11 april 2007 i Statistik och sannolikhetslära för BI2

Matematisk statistik LKT325 Tentamen med lösningar

LMA522: Statistisk kvalitetsstyrning

Tillämpad matematisk statistik LMA521 Tentamen

LMA521: Statistisk kvalitetsstyrning

LKT325/LMA521: Faktorförsök

LMA522: Statistisk kvalitetsstyrning

Tentamen LMA 200 Matematisk statistik,

Kap 3: Diskreta fördelningar

Tentamen i Matematisk statistik Kurskod S0001M

TENTAMEN Datum: 14 feb 2011

4 Diskret stokastisk variabel

LMA521: Statistisk kvalitetsstyrning

Tentamentsskrivning: Matematisk Statistik med Metoder MVE490 1

1.1 Diskret (Sannolikhets-)fördelning

Tentamen LMA 200 Matematisk statistik,

LMA522: Statistisk kvalitetsstyrning

LMA201/LMA521: Faktorförsök

Tentamen i Dataanalys och statistik för I den 28 okt 2015

Tentamen i Tillämpad matematisk statistik för MI3 den 1 april 2005

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

LMA521: Statistisk kvalitetsstyrning

LMA521: Statistisk kvalitetsstyrning

Tentamen i Sannolikhetslära och statistik Kurskod S0008M

LMA201/LMA521: Faktorförsök

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

Tentamen i Matematisk statistik Kurskod S0001M

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

cx 5 om 2 x 8 f X (x) = 0 annars Uppgift 4

TENTAMEN. Matematik och matematisk statistik 6H3000/6L3000

Matematisk statistik TMS064/TMS063 Tentamen

Uppgift 2) Datum: 23 okt TENTAMEN I MATEMATIK OCH MATEMATISK STATISTIK, kurskod 6H3000

Tentamen i Matematisk statistik Kurskod S0001M

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

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

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

TENTAMEN I MATEMATIK MED MATEMATISK STATISTIK HF1004, TEN

LÖSNINGAR TILL. Matematisk statistik, Tentamen: kl FMS 086, Matematisk statistik för K och B, 7.5 hp

Föreläsning 4: Konfidensintervall (forts.)

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

7,5 högskolepoäng. Statistisk försöksplanering och kvalitetsstyrning. TentamensKod: Tentamensdatum: 30 oktober 2015 Tid: 9-13:00

Lektionsanteckningar 11-12: Normalfördelningen

(a) på hur många sätt kan man permutera ordet OSANNOLIK? (b) hur många unika 3-bokstavskombinationer kan man bilda av OSANNO-

Tentamen i Matematisk statistik Kurskod S0001M

Tentamen i Matematisk statistik Kurskod S0001M

Tentamen i matematisk statistik för BI2 den 16 januari 2009

Formel- och tabellsamling i matematisk statistik

Tentamen i Matematisk statistik Kurskod S0001M

Oberoende stokastiska variabler

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

Kap 6: Normalfördelningen. Normalfördelningen Normalfördelningen som approximation till binomialfördelningen

1.1 Diskret (Sannolikhets-)fördelning

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

Tentamen i Matematisk statistik Kurskod S0001M

FACIT: Tentamen L9MA30, LGMA30

Matematisk statistik TMS063 Tentamen

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

Avd. Matematisk statistik

Tentamen TEN1, HF1012, 29 maj Matematisk statistik Kurskod HF1012 Skrivtid: 14:00-18:00 Lärare och examinator : Armin Halilovic

Statistik 1 för biologer, logopeder och psykologer

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

Tentamen i Matematisk statistik Kurskod S0001M

TENTAMEN I SF2950 (F D 5B1550) TILLÄMPAD MATEMATISK STATISTIK, TORSDAGEN DEN 3 JUNI 2010 KL

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

Kap 2. Sannolikhetsteorins grunder

Avd. Matematisk statistik

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

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

7,5 högskolepoäng. Statistisk försöksplanering och kvalitetsstyrning. TentamensKod: Tentamensdatum: 28 oktober 2016 Tid: 9.

Tentamen i Matematisk statistik Kurskod S0001M

Ur en kortlek på 52 kort väljer man ( utan återläggning och utan hänsyn till ordning) slumpvis 5 kort. Vad är sannolikheten för att få

FÖRELÄSNING 7:

TENTAMEN I MATEMATIK MED MATEMATISK STATISTIK HF1004, TEN

Våra vanligaste fördelningar

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

Tentamen i Matematisk statistik Kurskod S0001M

Tentamen i Matematisk statistik Kurskod S0001M

SF1901: Sannolikhetslära och statistik. Statistik: Intervallskattning (konfidensintervall)

Tentamen i Sannolikhetslära och statistik Kurskod S0008M

Matematisk statistik KTH. Formel- och tabellsamling i matematisk statistik

Föreläsningsanteckningar till kapitel 8, del 2

FÖRELÄSNING 8:

Tenta i Statistisk analys, 15 december 2004

Föreläsning 2 (kap 3): Diskreta stokastiska variabler

Avd. Matematisk statistik

Övningstentamen i matematisk statistik för kemi

b) antalet timmar Lukas måste arbeta för att sannolikheten att han ska hinna med alla 112 datorerna ska bli minst (3 p)

Lösningar till tentamen i Matematisk Statistik, 5p

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

Tentamentsskrivning: Matematisk Statistik med Metoder MVE490 1

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

Transkript:

Lösningsförslag till Tillämpad matematisk statistik LMA21, Tentamen 201801 Betygsgränser: för betyg krävs minst 20 poäng, för betyg 4 krävs minst 0 poäng, för betyg krävs minst 40 poäng. 1. Vid en kvalitetskontroll av N = 100 kanttrådsdäck undersöktes n = 100. Antal felaktiga däck bland de 100 däcken var, så att p = 100... Sätt x = (a Använd hypergeometrisk fördelning. Ett exakt uttryck för sannolikheten att exakt av de 100 utvalda däcken är felaktiga är ( Np ( N(1 p ( ( 146 x n x 97 ( N = ( 100 n 100 (b Sannolikheten i (a approximativt med lämplig binomialfördelning är (n/n = 100/100 < 0.1 ( n ( 100 p x x (1 p n x = p (1 p 97 = 0.207988... Svar: Sökt sannolikhet är 0.21. 2. Följande funktion f(x är en frekvensfunktion för en stokastisk variabel ξ. C x (1 x, om 0 x 1 f(x = 0, för övrigt är given. (a Konstanten C: 1 [ x 1 = C (x x 4 4 ] 1 dx = C 0 4 x 1 = C 0 20. Svar: C = 20. (b Väntervärdet 1 [ x E(ξ = 20 (x 4 x ] 1 dx = 20 0 x6 1 = 20 6 0 0 = 2.. Givet är fem oberoende mätningar som gav värdena 6., 6., 4.2,., 6.0 av en normalfördelad stokastisk variabel. Medelvärdet är x =.7. Ett (symmetriskt 9%:s kon- densintervall för µ (a om σ = 0.9 σ σ [x λ α/2 n, x] + λ α/2 n ] = [.7 1.96 0.9,.7 + 1.96 0.9 ] = [4.9.6.]. (b om σ okänd ersätts σ med s = 0.91929 och λ α/2 ersätts av t α/2 (4 = 2.78. [x t α/2 (4 s n, x]+ α/2 (4 s n ] = [.7 2.78 0.919...,.7+2.78 0.919... ] = [4..6.9]. 4p 1

4. Givet är P (K = 0.0, P (K W c = 0.20, P (W K = 0.90 (a Beräkna sannolikheten att ett däck är korrekt ochr av märket W... (b Beräkna sannolikheten P (K W... P (W K = P (W K P (K = 0.4. P (K W = P (K W P (W Täljaren är beräknad i (a och är 0.4. Vi måste beräkna P (W. Enligt Bayes sats är P (K W c = P (W c KP (K P (W c. Eftersom P (W c K = 1 P (W K = 0.1 får vi att 0.2 = 0.1 0. P (W c, vilket get att P (W c = 0.2 så att P (W = 0.7. Slutligen fås att P (K W = 0.4/0.7 = 0.6. p. En registreringsskylt har sex tecken, först tre bokstäver (valda bland 2 och sedan tre siror (valda bland 0,1,2,,4,,6,7,8,9. (a Antal registreringsnummer: 2 10 = 1 2167 000. (b Hur många registreringsnummer har minst två lika tecken (d.v.s minst två lika bokstäver eller minst två lika siror? Komplementhändelsen är att alla bokstäver olika och alla siror olika. Detta antal är Sökt antal är 10 9 8 2 22 21 = 760720. 1 2167 000 760720 = 4 16 280( 4. 10 6. (c Hur många registreringsnummer har minst två lika tecken (d.v.s minst två lika bokstäver och minst två lika siror? 6. (8 poäng (2 2 22 21(10 10 9 8 = 41 480 (a Så de tre kolumnerna måste tillsammans ge alla möjliga kombinationer av faktorerna A,B och C på låg resp. hög nivå på endast 8 rader. Detta kan vi åstadkomma genom att t.ex. sätta dem såsom i tabell 1. (b Trefaktorsamspelet kan räknas ut genom att för varje rad i de andra kolumnerna multiplicera dem med varandra (Tänk på att + egentligen betyder +1 och - egentligen betyder -1. Alltså blir första raden ( 1 ( 1 ( 1 = 1. Det blir alltså ett + på första raden av ABC. Fortsätter man vidare får man kolumnen ABC i tabell 1. (c Vi vill alltså konstruera en 2 4 1 -plan. Nu gäller det att välja generatorn på ett smart sätt så att inga huvudeekter får ett alias som också är en huvudeekt eller tvåfaktor-samspelseekt. Eftersom vi bara reducerar en nivå så kommer vi bara ha en denierande relation. Vi ser nu att om ordet i den denierande relationen har 4 bokstäver så kommer huvudeekter att sammanblandas antingen med trefaktor-samspel eller fyrafaktor-samspel. Detta beror ju på att en bokstav multiplicerat med fyra bokstäver inte kan ta bort mer än maximalt en av bokstäverna. Därför väljer vi generatorn D = ABC som ger oss I = ABCD. 1p 2

(d Upplösningen blir IV eftersom vi har fyra bokstäver i ordet i vår denierande relation. (e Aliasen till huvudeekterna hittar vi genom att multiplicera dem med ordet i den denierande relationen. T.ex. så blir aliaset till A A ABCD = BCD. De resterande sammanblandningsmönstren hittar du i tabell 2. A B C ABC - - - - + - - + - + - + + + - - - - + + + - + - - + + - + + + + Tabell 1 Eekt Eekt I Alias A A = A ABCD BCD B B = B ABCD ACD C C = C ABCD ABD D D = D ABCD ABC Tabell 2: Sammanblandningsmönster för huvudeekter. 7. (6 poäng (a Vi har att p 1 = 2%, α = %, p 2 = 9% och β = 10%. Vi tittar i tabellerna för dubbelprovtagningsplan då de matchar de producent- och konsument-riskerna vi är beredda att ta. Vi har en plan för n 1 = n 2 och en för n 2 = 2n 1 och vi tittar i båda. Först måste vi räkna ut kvoten p 2 = 9 = 4.. Inget värde i tabellerna är p 1 2 exakt 4. så vi vill välja närmaste värdet som är lite mindre än 4.. Anledningen till att vi väljer ett litet mindre värde är att vi då kommer få en konsumentrisk som är mindre än vad vi kräver. Vi är alltså på den säkra sidan. Det innebär dock att vår provplan kommer ha ett lite större n än vad vi egentligen skulle behöva. I tabellen för n 2 = 2n 1 så är provtagningsplan 6 lämplig då den har en kvot på 4.1 (närmaste i den andra tabellen hade varit 4.2 vilket är längre ifrån 4.. Vi säger alltså att c 1 = 0, c 2 = 4 och n 1 p 1 = 0.68. Från detta vet vi att n 1 = 0.68 0.02 = 4, n 2 = 68 och r 1 = r 2 = c 2 + 1 =. (b De frågar alltså efter ASN(2%, ASN(2% = n 1 P(beslut i urval 1 + (n 1 + n 2 P(beslut i urval 2. Låt oss modellera antal defekta funna i första urvalet med slumpvariabeln ξ Bin(4, 2%. Här använde vi oss avbinomialapproximation eftersom 4+68 10 4 < 10%. Vi kan nu räkna ut sannolikheten att bestämma oss i urval 2 som P(beslut i urval 2 = P(0 < ξ < = P(1 ξ 4

( 4 P(ξ = 1 = 0.02 1 0.98 = 4.91% 1 ( 4 P(ξ = 2 = 0.02 2 0.98 2 = 11.76% 2 ( 4 P(ξ = = 0.02 0.98 1 = 2.60% ( 4 P(ξ = 4 = 0.02 4 0.98 0 = 0.41% 4 Därför är P(1 ξ 4 = 4.91% + 11.76% + 2.60% + 0.41% = 49.68%. ASN kan då räknas ut som ASN(2% = 4 0.02 + 102 0.4968 = 67.78. Så i genomsnitt så kommer ungefär 68 helikoptrar kontrolleras i varje parti om felkvoten verkligen skulle vara 2%. (c Standardavvikelsen är ju alltid roten ur variansen. Variansen kan vi räkna ut med hjälp av sannolikheterna från b-uppgiften. 8. (6 poäng V ar(antal kontrollerade = E [ antal kontrollerade 2] E [antal kontrollerade] 2. Därför är V ar(antal kontrollerade = 4 2 0.02 + 102 2 0.4968 67.78 2 = 116.278. Standardavvikelsen blir då 116.278 4. OBS: I lösningen räknar vi med att parametrarna µ och σ är kända, som står angivet i texten. Har man räknat med okända parametrar kan detta också ge poäng. (a Vi känner till det sanna µ och σ. Därför drar vi centrallinjen i µ och över och undre styrgränser som S ö = µ + σ n = 1 + 7 = 16.4, S u = 1 7 = 9.6. För s-diagrammet så sätter vi över och undre gränser med hjälp av σ och två konstanter som vi kan hitta i tabellen för kontrolldiagram, S ö = B 6 σ och S u = B σ. Eftersom vi har 7 mätningar i varje provgrupp så tittar vi på raden som motsvarar provgruppstorlek 7. Där ser vi att B = 0.11 och B 6 = 1.806. Alltså får vi S ö = 1.806 =.418 S u = 0.11 = 0.9. Detta resulterar i diagram såsom i gur 1. (b Målvärdet M = 14, T ö = 14 + 4 = 18 och T u = 14 4 = 10. Vi kan nu räkna ut duglighetsindexet som C p = T ö T u 6σ = 8 6 = 0.44. För att räkna ut det korrigerade duglighetsindexet måste vi titta på centreringen av processen, M µ CM = 2 = 1 T ö T u 4. Korrigerat duglighetsindex blir då C pk = C p(1 CM = 0.44 0.7 = 0.. Eftersom C p < 1. så är vår spridning i processen för stor för våra kvalitetskrav. Processen är alltså inte acceptabel. Eftersom C pk < C p < 1. så kan man önska även en bättre centrering av processen. 4

8 10 12 14 16 18 2 4 6 8 10 0 10 s 2 4 6 8 10 1:10 (a Medelvärdesdiagram (b s-diagram Figur 1