Blandade problem från elektro- och datateknik



Relevanta dokument
Blandade problem från maskinteknik

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

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

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

Föreläsning 12: Regression

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

Tentamen i Matematisk statistik Kurskod S0001M

Några extra övningsuppgifter i Statistisk teori

SF1922/SF1923: SANNOLIKHETSTEORI OCH INTERVALLSKATTNING. STATISTIK. Tatjana Pavlenko. 24 april 2018

(b) Bestäm sannolikheten att minst tre tåg är försenade under högst tre dagar en given vecka.

Bild 1. Bild 2 Sammanfattning Statistik I. Bild 3 Hypotesprövning. Medicinsk statistik II

9. Konfidensintervall vid normalfördelning

Extrauppgifter - Statistik

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

Del I. Uppgift 1 För händelserna A och B gäller att P (A) = 1/4, P (B A) = 1/3 och P (B A ) = 1/2. Beräkna P (A B). Svar:...

LÖSNINGSFÖRSLAG TILL TENTAMEN I MATEMATISK STATISTIK

Föreläsning 7: Punktskattningar

FÖRELÄSNING 8:

Föreläsning 12, FMSF45 Hypotesprövning

Extrauppgifter i matematisk statistik

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

Thomas Önskog 28/

Blandade problem från väg- och vattenbyggnad

Tentamen i TMA321 Matematisk Statistik, Chalmers Tekniska Högskola.

Diskussionsproblem för Statistik för ingenjörer

BIOSTATISTISK GRUNDKURS, MASB11 ÖVNING 7 ( ) OCH INFÖR ÖVNING 8 ( )

Föreläsning 7: Punktskattningar

Tenta i Statistisk analys, 15 december 2004

Avd. Matematisk statistik

Tentamen i Matematisk statistik Kurskod S0001M

FÖRELÄSNING 7:

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

Stokastiska vektorer

F3 Introduktion Stickprov

Tabell- och formelsamling. A4 Grundläggande Statistik A8 Statistik för ekonomer

TT091A, TVJ22A, NVJA02 Pu, Ti. 50 poäng

Föreläsning 7: Punktskattningar

Föreläsning 12: Repetition

EXEMPEL PÅ FRÅGESTÄLLNINGAR INOM STATISTIKTE- ORIN (INFERENSTEORIN):

Tentamen i Matematisk statistik Kurskod S0001M

Lektionsanteckningar 11-12: Normalfördelningen

Lärmål Sannolikhet, statistik och risk 2015

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

Föreläsning 8. NDAB02 Statistik; teori och tillämpning i biologi

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

Höftledsdysplasi hos dansk-svensk gårdshund

Matematisk statistik KTH. Formelsamling i matematisk statistik

Preliminära lösningar för Tentamen Tillämpad statistik A5 (15hp) Statistiska institutionen, Uppsala universitet

Tentamen i Matematisk statistik Kurskod S0001M

Tentamen i matematisk statistik (9MA241/9MA341, STN2) kl 14 18

BIOSTATISTISK GRUNDKURS, MASB11 ÖVNING 6 ( ) OCH INFÖR ÖVNING 7 ( )

Uppgift 1 a) En kontinuerlig stokastisk variabel X har fördelningsfunktion

Matematikcentrum 1(4) Matematisk Statistik Lunds Universitet MASB11 HT10. Laboration. Regressionsanalys (Sambandsanalys)

Föreläsning 7. Statistikens grunder.

SF1901 Sannolikhetsteori och statistik I

Bestäm med hjälp av en lämplig och välmotiverad approximation P (X > 50). (10 p)

FACIT: Tentamen L9MA30, LGMA30

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

Finansiell Statistik (GN, 7,5 hp,, VT 2009) Föreläsning 2. Diskreta Sannolikhetsfördelningar. (LLL Kap 6) Stokastisk Variabel

Kap 2. Sannolikhetsteorins grunder

Tentamen i Matematisk statistik Kurskod S0001M

Matematisk statistik KTH. Formel- och tabellsamling i Matematisk statistik, grundkurs

a) Beräkna sannolikheten att en följd avkodas fel, det vill säga en ursprungliga 1:a tolkas som en 0:a eller omvänt, i fallet N = 3.

TMS136. Föreläsning 13

TMS136. Föreläsning 4

Repetitionsföreläsning

SF1905 Sannolikhetsteori och statistik: Lab 2 ht 2011

Formler och tabeller till kursen MSG830

F9 Konfidensintervall

Föreläsningsanteckningar till kapitel 8, del 2

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

Tentamen MVE302 Sannolikhet och statistik

Uppgift 1. f(x) = 2x om 0 x 1

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

SF1901 Sannolikhetsteori och statistik I

Tentamen i Statistik, STA A10 och STA A13 (9 poäng) 16 januari 2004, kl

FACIT: Tentamen L9MA30, LGMA30

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

Tentamen MVE302 Sannolikhet och statistik

Föreläsning 4. NDAB01 Statistik; teori och tillämpning i biologi

Matematisk statistik KTH. Formel- och tabellsamling i matematisk statistik

Avd. Matematisk statistik

Avd. Matematisk statistik

4.1 Grundläggande sannolikhetslära

Inledning till statistikteorin. Skattningar och konfidensintervall för μ och σ

Formel- och tabellsamling i matematisk statistik

F8 Skattningar. Måns Thulin. Uppsala universitet Statistik för ingenjörer 14/ /17

Föreläsning 4: Konfidensintervall (forts.)

Tentamen i Statistik, STA A10 och STA A13 (9 poäng) Måndag 14 maj 2007, Kl

Industriell matematik och statistik, LMA /14

Tentamen för kursen. Linjära statistiska modeller. 22 augusti

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

F13 Regression och problemlösning

Tentamen i Matematisk statistik Kurskod S0001M

Hypotesprövning. Andrew Hooker. Division of Pharmacokinetics and Drug Therapy Department of Pharmaceutical Biosciences Uppsala University

Tentamen i Matematisk statistik Kurskod S0001M

SF1901: Sannolikhetslära och statistik. Statistik: Intervallskattning (konfidensintervall) Jan Grandell & Timo Koski

1 10 e 1 10 x dx = e 1 10 T = p = P(ξ < 3) = 1 e P(η 2) = 1 P(η = 0) P(η = 1) = 1 (1 p) 7 7p(1 p) 6 0.

Uppgift a b c d e Vet inte Poäng

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

Transkript:

Blandade problem från elektro- och datateknik Sannolikhetsteori (Kapitel 1-10) E1. En viss typ av elektroniska komponenter anses ha exponentialfördelade livslängder. Efter 3000 timmar brukar 90 % av komponenterna vara sönder. Bestäm väntevärdet av livslängden samt 5 %-kvantilen, dvs efter hur lång tid 95% av komponenterna förväntas vara sönder. E. Inom mobiltelefoni indelar man ett geografiskt område i olika celler. Anta att varje cell har fem kanaler och beteckna en ledig kanal med 0 och en upptagen kanal med 1. Låt sannolikheten för ledig kanal vara p. a) Vad blir sannolikheten att alla kanaler är upptagna? b) Hur många kanaler är lediga i genomsnitt? E3. En illasinnad student försöker ta sig in på en webbsida som är skyddad med lösenord. Anta att det finns n lika sannolika lösenord och studenten konstruerar en slumpgenerator som prövar dem i slumpmässig ordning. Detta gör att ett lösenord som inte fungerat kan komma att testas igen. Bestäm väntevärdet för antalet test Xn som behövs för att studenten skall ta sig in på webbsidan. E4. En binär kommunikationskanal används för att sända ord på n bitar vardera. Låt sannolikheten att en bit kommer fram korrekt till mottagaren vara p. Anta att koden är felrättande upp till och med k felaktiga bitar. Vad blir sannolikheten att ett ord kommer fram korrekt om n = 8 och k =? E5. För att detektera fel vid överföringen av meddelande över en brusig binär informationskanal så adderas till varje grupp om åtta bitar en extra paritetsbit så att antalet ettor i den resulterande niobitarsföljden är jämn. Om mottagaren detekterar en niobitars följd med udda antal ettor antar man att det har uppstått ett fel och begär upprepning av meddelandet. Sannolikheten är 0.0 för varje bit och fel på olika bitar anses vara oberoende. Bestäm sannolikheten att det blir ett fel på ett åttabitars ord i två fall: med respektive utan paritetsbit. 1

E6. Spänningen från två bruskällor i ett elektroniskt system kan ses som oberoende normalfördelade variabler X och Y med väntevärde 0 volt. Effekten (variansen) för X är 0.5 och för Y 1.44. a) Beräkna sannolikheten att det totala bruset X+Y är mindre än 1.3 (volt). b) Beräkna sannolikheten att den största av variablerna X och Y är mindre än 1 volt. E7. Andelen defekta elektroniska komponenter i ett visst stort parti antas vara 0.03. a) Åtta komponenter väljs ut slumpmässigt och monteras ihop. För att kretsen skall fungera krävs att minst sju av dessa fungerar. Beräkna sannolikheten att kretsen fungerar. b) Om 500 komponenter väljs ut slumpmässigt, vad blir sannolikheten att 1 eller färre är defekta? Använd normalapproximation. E8. Utsignalen från en viss elektronisk krets är Y ( t) = ( X ( t) + X ( t 0.1)) /, där X(t) är insignalen (växelspänning). Variansen för X(t), dvs. effekten, är 0 (W ) oberoende av t. Kovariansen mellan insignalen vid olika tidpunkter är h C( X ( t), X ( t + h)) = 0e. Bestäm variansen (effekten) för Y(t) och utsignalens kovarians C(Y(t),Y(t+h)). Ledning: V ( X ( t) + X ( t 0.1)) = V ( X ( t)) + V ( X ( t 0.1)) + C( X ( t), X ( t 0.1)). E9. Vid en mätning av bruseffekt används medelvärdet av tre mätningar gjorda med 0.5 sekunders mellanrum. Variansen vid varje mätning är 0.4 (W ). Kovariansen mellan två mätningar är 0.4e -t, där t är tidsförskjutningen mellan mätningarna. Bestäm variansen för effekten, dvs. för Y = (X1+X+X3)/3, där Xi är de enskilda mätningarna. E10. Ett elektroniskt system har felintensiteten r(t) = 5 + t fel/år. Bestäm väntevärdet av livslängden. Ledning: använd sambandet mellan felintensitet och funktionssannolikhet. Därefter kan man utnyttja en omskrivning av normalfördelningens fördelningsfunktion. E11. Ett system är kopplat enligt schemat nedan. Alla komponenter har exponentialfördelad livslängd med de intensiteter (fel/månad) som står i

figuren. Bestäm funktionssannolikheten och MTTF. Systemet fungerar om den vänstra komponenten och minst en av de högra fungerar. b a E1. I systemet nedan har alla komponenter exponentialfördelade livslängder. Talen i figuren betecknar felintensiteter (förväntat antal fel per månad). När en av komponenterna i den vänstra delen går sönder bär den andra hela lasten, vilket gör att den har felintensiteten 6 fel/månad. Systemet går sönder när antingen bägge komponenterna till vänster eller den högra är sönder. När systemet har gått sönder repareras det (så det blir lika bra som ett nytt system) med intensiteten μ = 30. c 4 4 a) Rita tillståndsdiagrammet och skriv ner intensitetsmatrisen A. Ledning: använd fyra tillstånd. b) Bestäm sannolikheten att systemet fungerar när t går mot oändligheten (stationärt tillstånd). E13. Vid test av en dator placeras den i en miljö där den utsätts för störningar. Antalet störningar är Poissonfördelat med väntevärdet m = störningar per minut. Provet avslutas efter 00 störningar. Beräkna sannolikheten att provet varar i minst två timmar. 3

Statistisk teori och metodik (Kapitel 11-17) E14. Om två oberoende exponentialfördelade variabler adderas erhålls en s.k. Gamma-två-fördelning. Denna fördelning har viktiga tekniska tillämpningar: t.ex. är summan av väntetid och betjäningstid i ett kösystem, d.v.s. totala tiden i systemet, ofta gamma-två-fördelad. Fördelningen har täthetsfunktionen f X ax a xe, x 0, ( x) = 0, x < 0. Bestäm ML-skattningen av parametern a baserad på observationerna x1,, xn. E15. Vid en undersökning har 160 studenter av 1800 tillfrågade svarat att de är intresserade av att skaffa en 3G-mobil. Bestäm ett konfidensintervall med konfidensgraden 0.95 för andelen intresserade. Anta att stickprovet är taget ur en stor population så att binomialfördelningen kan användas. E16. Vid mätning av impedansen för vissa elektroniska kretsar erhålls följande resultat ( k Ω ): 1.3, 1.0, 1., 1.4, 1.6, 1.4, 1.5. Anta att data är ett slumpmässigt stickprov från N( m, σ ) med okänd standardavvikelseσ. Bestäm ett 95 % konfidensintervall (tvåsidigt) för väntevärdet m. E17. Enligt lång erfarenhet har en viss typ av kopparkablar en ytdefekt per 40 cm i genomsnitt. Man anser att defekterna är oberoende av varandra samt före-kommer med konstant intensitet och tror därför att antalet defekter på en viss sträcka är Poissonfördelat. Studenterna Stina och Jeannine kvalitetsgranskar 100 respektive 130 m kopparkablar och finner 180 respektive 10 defekter. a) Testa hypotesen att den ursprungliga teorin med ett fel per 40 cm är korrekt, dvs. att k =.5 fel/meter. Använd ett tvåsidigt test. b) ML-skatta felintensiteten k med hjälp av bägge resultaten. Väntevärdet blir alltså kx, där x är antal meter kopparkabel. E18. Vid kalibrering av en elektronisk flödesmätare jämför man det avlästa värdet Y med det verkliga värdet X. Resultat (centiliter/s): Avläst (Y) 10.6 1.5 14.5 15.6 0.8 31.1 36. Verkligt (X) 10 1 14 15 0 30 35 4

a) Beräkna korrelationskoefficienten (Pearsons r) mellan uppmätt och verkligt värde. b) Gör en regressionsanalys. Vad blir regressionskoefficienterna och förklaringsgraden? Verkar modellen beskriva data på ett bra sätt? E19. Vid mätning av impedansen för sex exemplar av en viss sorts elektronisk komponent erhölls följande resultat (kiloohm): 17, 17.5, 17.3, 17.8, 17.4, 17.6. a) Gör ett konfidensintervall för väntevärdet m av impedansen med konfidensgraden 0.95 och ett med konfidensgraden 0.99. Utgå från normalfördelningen och anta att standardavvikelsen är okänd. b) Anta nu att man vet att standardavvikelsen är 0.4. Testa hypotesen H0: m = 18 på nivån 0.05. E0. Två studenter undersöker sambandet mellan antal timmar man lagt ner på kvalitetskontroll av en viss programvara (per 10 000 programrader) och antal fel per 1000 programrader. Resultat: Timmar (X) Fel (Y) 10 7 0 6 15 8 30 5 17 10 40 3 a) Bestäm kovariansen och korrelationen (Pearsons r) mellan X och Y. b) Använd data för att anpassa en regressionslinje Y = a + bx. c) Pröva istället med regressionskurvan Y = a + b/x. Jämför med resultatet i genom att beräkna förklaringsgraden R i bägge fallen. Vilken modell är att föredra? E1. Man vill göra en stickprovsundersökning för att bestämma andelen felaktiga programmoduler från en viss projektgrupp. Man vill veta denna andel på 0.05 när, dvs. man vill göra ett konfidensintervall med konfidensgrad 0.95 och bredd 0.10. Hur många programmoduler måste man undersöka om a) man inte vet något om andelen felaktiga? b) man tror att andelen är högst 0.? E. En telekomingenjör undersöker amplituden för en viss signal som funktion av frekvensen. Han anser att amplituden y (volt) bör variera som 1 y = 1 + kf, 5

där f är frekvensen i khz, medan k är en konstant. Bestäm minsta-kvadratskattningen av k med hjälp av nedanstående data. Ledning: invertera bägge led. y 0.8 0.5 0.3 0. 0.1 0.06 0.04 f 0.5 1.0 1.5 3 4 5 E3. Spänningen u över en kondensator mäts. Den ursprungliga spänningen är u0 och spänningen vid tiden t ges av bt u = u0e, t 0. Ett experiment gav följande resultat: t 0 1 3 4 5 6 7 8 9 10 u 10 7.5 5.5 4 3 1.5 1 0.9 0.5 0.5 Gör en lämplig transformation av ekvationen ovan och skatta u0 och b med linjär regression. E4. Vi vill testa om paket försvinner vid dataöverföring. Vi sänder 100 testpaket och mäter antalet förlorade paket, a) Hur skulle man kunna testa om förlustsannolikheten p är större än 0.4 om signifikansnivån skall vara 0.05? b) Anta att den verkliga förlustsannolikheten är p = 0.6. Vad blir styrkan hos testet? c) Vad skall n vara om vi vill att styrkan skall vara minst 0.95? E5. För att avgöra om brusnivån för en viss kanal är för hög för att möjliggöra effektiv användning av kanalen mäter vi 100 stickprov av brusamplituden och får värden x1,., x100. Anta att standardavvikelsen är känd och lika med 5 och att en acceptabel nivå på väntevärdet är m =. a) Hur skulle man kunna testa för att avgöra om väntevärdet är större än om signifikansnivån skall vara 0.1. b) Om det verkliga väntevärdet är 3, vad är testets styrka? c) Vad skall n vara om styrkan skall var minst 0.95? 6