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

Relevanta dokument
θx θ 1 om 0 x 1 f(x) = 0 annars

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

a) Beräkna E (W ). (2 p)

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

S0005M V18, Föreläsning 10

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

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

4.2.3 Normalfördelningen

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

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

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

TMS136: Dataanalys och statistik Tentamen med lösningar

Grundläggande matematisk statistik

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

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

Tentamen i matematisk statistik

Föreläsning G04: Surveymetodik

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

TENTAMEN I MATEMATISK STATISTIK Datum: 13 mars 08

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

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

Statistik. Språkligt och historiskt betyder statistik ungefär sifferkunskap om staten

Matematisk statistik TMS063 Tentamen

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

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

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

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

F19 HYPOTESPRÖVNING (NCT ) Hypotesprövning för en differens mellan två medelvärden

Föreläsning G70 Statistik A

Avd. Matematisk statistik

Tentamen i statistik för STA A13, 1-10 poäng Deltentamen II, 5p Lördag 9 juni 2007 kl

1. Test av anpassning.

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

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

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

TENTAMEN I MATEMATIK MED MATEMATISK STATISTIK HF1004 TEN kl

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

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

MA2018 Tillämpad Matematik III-Statistik, 3.5hp,

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

SAMMANFATTNING TAMS79 Matematisk statistik, grundkurs

MA2018 Tillämpad Matematik III-Statistik, 3.5hp,

MA2018 Tillämpad Matematik III-Statistik, 3.5hp,

TENTAMEN I MATEMATISK STATISTIK

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

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

Formelblad Sannolikhetsteori 1

Introduktion till statistik för statsvetare

F10 ESTIMATION (NCT )

Tentamen i Sannolikhetsteori III 13 januari 2000

TENTAMEN Datum: 16 okt 09

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

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

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

Föreläsning G70 Statistik A

Stat. teori gk, ht 2006, JW F13 HYPOTESPRÖVNING (NCT ) Ordlista till NCT

F6 Uppskattning. Statistikens grunder 2 dagtid. Beteckningar, symboler, notation. Grekiskt-romerskt

Tentamentsskrivning: Tillämpad Statistik 1MS026 1

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

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.

Tentamen i Matematisk statistik för V2 den 28 maj 2010

Föreläsning 2: Punktskattningar

MA2018 Tillämpad Matematik III-Statistik, 3.5hp,

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

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

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

2. Konfidensintervall för skillnaden mellan två proportioner.

Övningstentamen i MA2018 Tillämpad Matematik III-Statistik, 3.5hp

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

Matematisk statistik

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

TAMS79: Föreläsning 9 Approximationer och stokastiska processer

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

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

Jag läser kursen på. Halvfart Helfart

Datorövning 2 Fördelningar inom säkerhetsanalys

Tentamen Metod C vid Uppsala universitet, , kl

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

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

Borel-Cantellis sats och stora talens lag

Föreläsning G04 Surveymetodik 732G19 Utredningskunskap I

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

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

732G70 Statistik A. Föreläsningsunderlag skapad av Karl Wahlin Föreläsningsslides uppdaterade av Bertil Wegmann

732G70 Statistik A. Föreläsningsunderlag skapad av Karl Wahlin Föreläsningsslides uppdaterade av Bertil Wegmann

Stokastiska variabler

732G70 Statistik A. Föreläsningsunderlag skapad av Karl Wahlin Föreläsningsslides uppdaterade av Bertil Wegmann

Statistik för bioteknik SF1911 // KTH Matematisk statistik // Formler och tabeller. 1 Numeriska sammanfattningar (statistikor)

Tentamen i Krypteringsmetoder och Säkring av Datasystem 7.5 hp

Jag läser kursen på. Halvfart Helfart

Z-Testet. Idè. Repetition normalfördelning. rdelning. Testvariabel z

Studentens personnummer: Giltig legitimation/pass är obligatoriskt att ha med sig. Tentamensvakt kontrollerar detta.

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

LÖSNINGSFÖRSLAG TILL TENTAMEN I MATEMATISK STATISTIK

FÖRELÄSNING 7:

FÖRELÄSNING 8:

F12 Stickprovsteori, forts

Tentamen i matematisk statistik

Transkript:

1 0,5 0 LÖSNINGAR till tetame: Statistik och saolikhetslära (LMA120) Tid och plats: 08:30-12:30 de 6 april 2016 Hjälpmedel: Typgodkäd miiräkare, formelblad Betygsgräser: 3: 12 poäg, 4: 18 poäg, 5: 24 poäg. Maximalt atal poäg: 30 poäg Telefovakt: Aa Johig 1. I ett tryckhållfasthetstest av betogpelare mäts var på pelare brottet sker. Låt X vara hur högt upp frå golvet pelare spricker. Saolikhete för brott är likformigt fördelad över hela pelare, alltså X~Uiform(0, L) där L är pelares lägd. (a) Skissa täthets-/frekvesfuktioe och fördeligsfuktioe för X. Glöm ite att age värde på axlara. 1/L Frekvesfuktio Fördeligsfuktio 1 0 L -1 1 2 0,5 0-1 0 1L 2 (b) Vad är det förvätade värdet av X och dess stadardavvikelse? (1p) För e uiformt fördelad slumpvariabler på itervallet (0, L) gäller att, E[X] = 0+L 2 = L 2 Var(X) = σ 2 = (L 0)2 12 = L2 12 σ = σ 2 = L2 12 = L 12 (c) Visa att 2X är e vätevärdesriktig skattare av pelarlägde L, och beräka e skattig L av L givet följade data för X (i meter): 1,1 1,2 1,3 3,3 2,4 0,5 3,2 1,4 1,6 3,6 Låt dubbla stickprovsmedelvärdet vara e skattig av L, L = 2X Är L e vätevärdesriktig skattig av L? E[L ] = E[2X ] = 2E[X ] = 2E [ X 1+X 2 + +X ] = 2 E[X 1 ]+E[X 2 ]+ +E[X ] = L 2 = 2 +L 2 + +L 2 = 2 (L) = L 2 Alltså är L = 2X e vätevärdesriktig skattig av L. Skattig av L för give data, L = 2x = 2 i=1 x i = 2 10 (1,1 + 1,2 + 1,3 + 3,3 + 2,4 + 0,5 + 3,2 + 1,4 + 1,6 + 3,6) = 3,92

(d) Atag istället att 108 pelare testas där alla är 4 meter höga. Fi saolikhete att medelhöjde för pelarbrott är midre ä 1,8 meter upp frå marke. Eftersom stickprovet är stort kommer medelvärdet X approximativt följa e ormalfördelig med samma vätevärde som X och varias σ X /, X ~Normal (μ X, σ X ) = 108 μ X = E[X] = L 2 = 2 σ X = 1 Var(X) = 1 L2 12 = 16 1296 = 1 9 X ~Normal (2, 1 9 ) Sökt är saolikhete att X < 1,8. P(X < 1,8) = P ( X μ X < 1,8 μ X σ X σ X ) = P (Z < 1,8 2 ) = Φ( 1,8) = 1 Φ(1,8) = 1 9 = 1 0,9641 = 0,0359 2. Emilia har e Batma & Robi-seriebok. Av alla sidor så förekommer Batma på 60 % av dem, Robi på 40 %, Joker på 30 %, och 10 % av sidora har ige av dessa karaktärer. Joker förekommer aldrig esam på e sida, uta är alltid teckad tillsammas med atige Batma eller Robi. Batma och Robi ka däremot förekomma både själva och tillsammas. (a) Illustrera problemet i ett Ve-diagram där följade hädelser är markerade. B: E slumpmässigt vald sida visar Batma R: E slumpmässigt vald sida visar Robi J: E slumpmässigt vald sida visar Joker B J R (b) Vad är saolikhete att e slumpmässigt vald sida visar både Batma och Robi? (Tips: tag hjälp av Ve-diagrammet) Givet i uppgifter är följade: P(B) = 0,6 P(R) = 0,4 P(J) = 0,3 P(ige) = 0,1 Sökt är P(B och R). Saolikhete för att atige Batma eller Robi förekommer på e slumpmässig sida ka beräkas eligt, P(B eller R) = P(B) + P(R) P(B och R) P(B och R) = P(B) + P(R) P(B eller R)

Eftersom Joker aldrig förekommer esam på e sida ka P(B eller R) beräkas, P(B eller R) = 1 P(ige) = 1 0,1 = 0,9 P(B och R) = P(B) + P(R) P(B eller R) = 0,6 + 0,4 0,9 = 0,1 (c) Vad iebär det att två hädelser är oberoede? Är hädelsera B och R oberoede? För att hädelsera B och R skall vara oberoede måste, P(B och R) = P(B)P(R) Givet iformatioe i uppgifte ka vi beräka, P(B)P(R) = 0,6 0,4 = 0,24 I uppgift (a) kom vi fram till att P(B och R) = 0,1. P(B och R) P(B)P(R) B och R är alltså ite oberoede hädelser. (d) Givet att e slumpmässigt vald sida visar atige Batma eller Robi, vad är saolikhete att äve Joker förekommer på sida? Sökt är P(J B eller R). För betigade saolikheter gäller att, P(J B eller R) = P(J och (B eller R)) P(B eller R) Joker förekommer dock aldrig uta Batma eller Robi, alltså P(J och (B eller R)) = P(J) P(J B eller R) = P(J) = 0,3 = 1 P(B eller R) 0,9 3 3. Efter ett tag har Emilia läst si Batma & Robi-bok till leda och bestämmer sig för att göra ett collage. På slump river ho ut 20 sidor frå boke, klipper ut alla karaktärer på sida och klistrar upp dem på sitt collage. Atag att varje karaktär edast förekommer e gåg per sida. Låt X, Y och Z betecka atalet Batma, Robi respektive Jokers som fis på det färdiga collaget. (a) Vilke fördelig har X, Y och Z? (Aväd iformatioe frå uppgift 2.) X är atalet lyckade försök i e serie av =20 oberoede experimet, som alla har saolikhet p=0,6 att lyckas. Alltså är X~Biomial(=20, p=0,6). På samma sätt är Y~Biomial(20, 0,4) och Z~Biomial(20, 0,3).

(b) Vad är det förvätade totala atalet karaktärer på collaget (X+Y+Z)? Sökt är förvätat värde av summa av X, Y och Z, E[X + Y + Z] = E[X] + E[Y] + E[Z] Förvätat värde för e biomialfördelad slumpvariabel ges av p. E[X] + E[Y] + E[Z] = X p X + Y p Y + Z p Z = = 20 0,6 + 20 0,4 + 20 0,3 = 26 4. För att testa e y isolerig gjordes temperaturmätigar precis vid utsida av husväggar där de ya isolerige aväds. Försöke var kotrollerade så att iomhusoch utomhustemperatur var lika i alla försöke. Låt X vara temperature vid vägges utsida och ata att observatioera är oberoede och ormalfördelade. Följade värde för X uppmättes (i C): 9,92 10,0 9,82 9,93 10,1 10,1 (a) Beräka ett 98%-igt dubbelsidigt kofidesitervall för det förvätade värdet av X, om stadardavvikelse är bestämd till σ=0.1 frå tidigare mätigar. Ett 100(1 α) %-igt kofidesitervallför det förvätade värdet av X, är stadardavvikelse är käd ges av, X ± z α/2 σ Stickprovsmedelvärdet beräkas, x = 1 i=1 x i = 1 5 (9,92 + 10,0 + 9,82 + 9,92 + 10,1 + 10,1) = 9,98 För ett 98%-igt kofidesitervall, alltså α = 0,02, behöver vi, Φ(z α/2 ) = Φ(z 0,01 ) = 1 0,01 = 0,99 Tabell z 0,01 = 2,33 Vi får därmed itervallet, [9,98 2,33 0,1 6, 9,98 + 2,33 0,1 6] = [9,88, 10,1] (b) Beräka ett 98%-igt dubbelsidigt kofidesitervall för det förvätade värdet av X, om stadardavvikelse är okäd. Ett 100(1 α) %-igt kofidesitervallför det förvätade värdet av X, är stadardavvikelse är okäd ges av, X ± t df,α/2 s Stickprovsstadardavvikelse beräkas, s = i=1 (x i x ) 2 1 = = 1 5 ((9,92 9,98)2 + (10,0 9,98) 2 + (9,82 9,98) 2 + (9,93 9,98) 2 + (10,1 9,98) 2 + (10,1 9,98) 2 ) = = 0,110

Stickprovsstorleke =6, så vi har df=6-1=5 frihetsgrader. Vi har samma sigifikasgrad α = 0,02 som i (a). För ett 98%-iga kofidesiterfall behöver vi, t df,α/2 = t 5,0.01 Tabell t 5,0.01 = 3,36 Vi får därmed itervallet, [9,98 3,36 0,110 6, 9,98 + 3,36 0,110 6] = [9,83, 10,1] 5. Ytskiktet på 70 slumpmässigt valda värmepaor udersökts för defekter. Atalet defekter oteras för varje paa och resultatet fis beskrivet i följade tabell. Atal defekter Atal paor 0 5 1 11 2 25 3 29 Eligt e föreslage modell ka atalet defekter på e värmepaa beskrivas med e slumpvariabel som är Poisso-fördelad med parameter λ = 2. Geomför ett χ 2 -test för att udersöka om dea modell är rimlig. Sigifikasivå ska vara 0,10. (4p) För att kua beräka förvätat atal observatioer behöver vi saolikhete att ett visst atal defekter uppstår. För Poissofördelade slumpvariabler ges detta av, P(X = x) = e λ λ x x! = e 2,11 2,11 x x!, x = 0, 1, 2, 3, Beräka dessa saolikheter för de observerade värdea för X och förvätat atal observatioer, Atal defekter, x i 0 e 2 2 0 0! 1 e 2 2 1 1! 2 e 2 2 2 Saolikhet, P(X=x i) Förvätad frekves, P(X=x i)* = e 2 1 = 0,135 0,135*70=9,47 1 2! = e 2 2 1 = 0,271 0,271*70=18,9 = e 2 4 1 2 = 0,271 0,271*70=18,9 3 1 P(X 2) = 1 (0,135 + 0,323*70=22,6 0,271 + 0,271) = 0,323 Total 1.0 70 I vårt Goodess of fit-test vill vi testa hypotesera, H 0 : Atalet defekter är X~Poisso(λ) H 1 : Atalet defekter är ite X~Poisso(λ)

Sätt upp χ 2 -tabell för försöket, Atal Observerad Förvätad (O i E i ) 2 defekter, x i frekves, O i frekves, E i [X] E i 0 5 9,47 (5 9,47) 2 = 2,11 9,47 1 11 18,9 3,33 2 25 18,9 1,93 3 29 22,6 1,81 Total = 9,19 Vår teststatistika är alltså, χ 2 = (O i E i ) 2 E i = 9,19 Atalet olika utfall är 4 (0, 1, 2, och 3) vilket iebär att vi har df=4-1=3 frihetsgrader. Sigifikasivå är satt till α = 0,10. Formelsamlige ger oss att de kritiska regioe, då vi förkastar ollhypotese, är, 2 χ 3,0.10 > 6,251 Eftersom teststatistika ligger i de kritiska regioe (9,19 > 6,251) ka vi förkasta ollhypotese och dra slutsatse att atalet defekter på värmepaora ite följer e Poisso-fördelig.