Formelsamling för Finansiell Statistik

Relevanta dokument
Matematisk statistik KTH. Formelsamling i matematisk statistik

Sannolikhetslära statistisk inferens F10 ESTIMATION (NCT )

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

HYPOTESPRÖVNING. De statistiska metoderna som används för att fatta denna typ av beslut baseras på två komplementära antaganden om populationen.

Formelblad Sannolikhetsteori 1

MA2018 Tillämpad Matematik III-Statistik, 7.5hp,

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)

1. Test av anpassning.

4.2.3 Normalfördelningen

SAMMANFATTNING TAMS79 Matematisk statistik, grundkurs

Stokastiska variabler

KTH/ICT IX1501:F7 IX1305:F2 Göran Andersson Statistik: Skattningar

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

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

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

INGENJÖRSMATEMATISK FORMELSAMLING

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

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

Tentamen i matematisk statistik

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

MA2018 Tillämpad Matematik III-Statistik, 3.5hp,

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

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

MA2018 Tillämpad Matematik III-Statistik, 3.5hp,

Föreläsning 2: Punktskattningar

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

Grundläggande matematisk statistik

Formel- och tabellsamling i matematisk statistik Sannolikhetsteori

Föreläsning G04: Surveymetodik

Övningstentamen i MA2018 Tillämpad Matematik III-Statistik, 7.5hp

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

Datorövning 2 Fördelningar inom säkerhetsanalys

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

TAMS79: Föreläsning 9 Approximationer och stokastiska processer

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

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

TAMS15: SS1 Markovprocesser

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

θx θ 1 om 0 x 1 f(x) = 0 annars

Datorövning 2 Fördelningar inom säkerhetsanalys

Formelsamling. Enkel linjär regressionsananalys: Modell: y i = β 0 + β 1 x i + ε i. Anpassad regressionslinje: ŷ = b 0 + b 1 x. (x i x) (y i ȳ) ( x)2

Formelsamling i matematisk statistik

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

MA2018 Tillämpad Matematik III-Statistik, 3.5hp,

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

Föreläsning 10: Kombinatorik

. Mängden av alla möjliga tillstånd E k kallas tillståndsrummet.

a) Beräkna E (W ). (2 p)

Höftledsdysplasi hos dansk-svensk gårdshund - Exempel på tavlan

Armin Halilovic: EXTRA ÖVNINGAR

Statistik. Språkligt och historiskt betyder statistik ungefär sifferkunskap om staten

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

Borel-Cantellis sats och stora talens lag

MA2018 Tillämpad Matematik III-Statistik, 3.5hp,

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

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

Introduktion till statistik för statsvetare

Tentamen i Matematisk statistik för V2 den 28 maj 2010

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.

Grundläggande matematisk statistik

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

Grundläggande matematisk statistik

95%-igt konfidensintervall för andel kalsongbärare i populationen: Slutsats: Med 95% säkerhet finns andelen kalsongbärare i intervallet 38-48%

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

Tentamen Metod C vid Uppsala universitet, , kl

Funktionsteori Datorlaboration 1

Stokastiska processer med diskret tid

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

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

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

Matematisk statistik TMS063 Tentamen

Tentamen i Flervariabelanalys F/TM, MVE035

TMS136: Dataanalys och statistik Tentamen med lösningar

Tentamen i Sannolikhetsteori III 13 januari 2000

Formelsamling Tillämpad statistik, A5

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

Lösningsförslag

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

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

Genomsnittligt sökdjup i binära sökträd

Föreskrift. om publicering av nyckeltal för elnätsverksamheten. Utfärdad i Helsingfors den 2. december 2005

Föreläsning G70 Statistik A

Följande begrepp används ofta vid beskrivning av ett statistiskt material:

Formelsamling. i= 1. f x. Andelar, medelvärde, standardavvikelse, varians, median. p = Stickprovsandel. Populationsandel

Webprogrammering och databaser. Begrepps-modellering. Exempel: universitetsstudier Kravspec. ER-modellen. Exempel: kravspec forts:

F15 ENKEL LINJÄR REGRESSION (NCT )

MS-A0409 Grundkurs i diskret matematik I

Databaser - Design och programmering. Programutveckling. Programdesign, databasdesign. Kravspecifikation. ER-modellen. Begrepps-modellering

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

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

Tentamentsskrivning: Tillämpad Statistik 1MS026 1

Induktion och Binomialsatsen. Vi fortsätter att visa hur matematiska påståenden bevisas med induktion.

Datastrukturer och algoritmer

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

Övningstentamen i MA2018 Tillämpad Matematik III-Statistik, 3.5hp

MS-A0409 Grundkurs i diskret matematik Sammanfattning, del I

TENTAMEN I MATEMATIK MED MATEMATISK STATISTIK HF1004 TEN kl

x 1 x 2 x 3 x 4 x 5 x 6 HL Z x x x

STATISTIK FÖR LÄKARSTUDENTER

F10 ESTIMATION (NCT )

Transkript:

Formelamlig för Fiaiell Statitik Kombiatorik Atal ätt att ta elemet ur är Uta åter- läggig Med återläggig Med häy till ordig! ( )! Atal ätt att ta elemet, av e ort, och elemet är det totalt orter är elemet, av e aa ort, ur Uta häy till ordig Uta åter- läggig Med återläggig + där =!!( )!. Atal ätt att ta i elemet av ort i (i = ; ; : : : ; k) ur elemet är det totalt k orter och + + + k = (Uta häy till ordig och Uta återläggig) är!!! k! Saolikhetlära (A [ B) = (A) + (B) (A \ B) (A \ B) ( A j B ) = (B) A = (A) ( B j A ) (A) ( A j B ) = ( B j A ) (A) + B j A A Momet 8 E X k < k (X = ) = : R k f() d för alla heltal k

Olika mått opulatio Stickprov ; ; : : : ; = E(X) = i= i = E(X ) = i= ( i ) 3 = E(X ) 3 ^ 3 = i= ( i ) 3 4 = E(X ) 4 ^ 4 = i= ( i ) 4 = 3 ^ 3 = ^ 3 3 = 4 ^ 4 = ^ 4 4 Två-variabel ambad Kovaria För två tokatika variabler X och Y de iera dera kovaria av och för dea gäller ambade Kovariae katta med Korrelatio C(X; Y ) = E(X E(X)) (Y E(Y )) C(X; Y ) = C(Y; X) C(aX; Y ) = ac(x; Y ) C(X + Z; Y ) = C(X; Y ) + C(Z; Y ) X ( i ) (y i y) i= För två tokatika variabler X och Y de iera dera korrelatio av C(X; Y ) (X; Y ) = p p. V (X) V (Y ) Korrelatioe katta med r = i= ( i ) (y i y) q q i= ( i ) i= (y i y)

Fördeligar Dikreta (X = ) E(X) V (X) Beroulli p ( p) p p ( p) Ber (p) Likformig R (; ) Biomial Bi (; p) Hypergeometrik Hyp (; S; N) oio o () + ( + ) ( + ) 6 p ( p) p p ( p) S N N S S N! e S N Kotiuerliga f() E(X) V (X) Likformig R (a; b) Normal N (; ) Normal b a a + b ( ) p e p e 0 Epoetial e Ep () (b a) = (=) e () t F t () F ( ; ) ( + ) p ( ) + Komplicerad + 0 S N N N ( + ) ( ) ( 4) 3

Approimatioer Om X Hyp (; S; N) och N 0: å gäller N N S S p ( p) där p = S N. Om X Bi (; p) och p 0: å gäller p ( p)! e där = p. Om X Bi (; p) och p > 5; ( (k < X m) p) > 5 å gäller! m + 0:5 p p p ( p)! k 0:5 p p. p ( p) Om X o () och > 0 å gäller m + 0:5 (k < X m) p k 0:5 p. Om X ; X ; : : : ; X är tokatika variabler om uppfyller via villkor å gäller 0 v X X ux X i N @ i ; t A. i= i= i= Vätevärde och Variaer För de tokatika variablera X ; X ; : : : ; X gäller E(X + X + + X ) = E(X ) + E(X ) + + E(X ) amt, uder via villkor, att V (X + X + + X ) = V (X ) + V (X ) + + V (X ). i uktkattigar Med ett tickprov mea mätigar X ; X ; : : : ; X om har via egekaper. Det gäller att Små tickprov, < mi (30; 0:05N), Stora tickprov, mi (30; 0:05N). 4

Uder via förutättigar gäller för X E X = och för S V X = V X = N N E S = V S = Sammalage (poolad) 4 + ( 3) varia aolikhet p = ( A ) A + ( B ) B A + B ^p = A^p A + B ^p B A + B 5

Trovärdighetitervall Ett tickprov Två tickprov Ko deitervall för Ko deitervall för p + p + t(f) p r f = t(f) + = : f = + 6 0 6= : f = 6 4 p r p + Ko deitervall för ^p ^p ( ) ( ) ; b a r ^p ( ^p ) @ + 4 A + 4 7 5 + ^p ( ^p ) b c = det heltal ma erhåller vid avrudig edåt. 6

Hypoteprövig Några olika tetvariabler för vätevärde Ett tickprov Två tickprov Tetvariabel för Tetvariabel för X Z = X ( 0 0 ) Z = X 0 = p + Z = X 0 S= p X Z = X ( 0 0 ) S + S X Z = X ( 0 0 ) r S + T = X 0 S= p Tetvariabel för proportio p (p X T = X ( 0 0 ) r S + p ) följer av att ^p = X (^p ^p = X X ). Tetvariabel för varia repektive lika varia är Q = ( ) S ( ) repektive F = S = S = F ( ; ). Tetvariabel för tabeller (oberoede, fördelig ) Q = X (O E) E där O = oberverat värde och E = förvätat värde. Atalet frihetgrader är (r ) (c ) eller r m. 7

Regreio Ekel lijär regreio Modell är, uder via villkor, Y = + + = +. arametrara, och katta med a = y b, X ( i ) (y i y) b = i= ; eller b = X ( i ) i= Trovärdighetitervall = X i y i i= X i= i X i= i X i=! X i i=! X X (y i y) b ( i ). i= a t = ( ) + i= ( i ) b t = ( ) q i= ( i ) m 0 = a + b 0 0 m 0 t = ( ) + ( 0 ) i= ( i ) I 0 m 0 t = ( ) + + ( 0 ) i= ( i ) i= y i Multipel regreio Modell är, uder via villkor Y = + + + k k + = + 8

Trovärdighetitervall a t = ( k ) a i b i t = ( k ) bi i = ; : : : ; k m 0 = a + b 0 + + b k k0 0 m 0 t = ( k ) p M I 0 m 0 t = ( k ) p + M Förklariggrad R = RSS T SS R ESS= ( k ) = T SS= ( ) Durbi-Wato d = t= (e t e t ) t= e t Tiderieaaly Kompoetmodeller Additiv modell Multiplikativ modell Glidade medelvärde Y t = T t + C t + S t + I t Y t = T t C t S t I t z t = k k i=0 y t i t = k; k + ; : : : ; Utjämigmodeller ARMA-modeller Ekel epoetiell S t = y t + ( ) S t Holt S t = y t + ( ) (S t + T t ) T t = (S t S t ) + ( ) T t E ARMA (p; q)-proce kriv y t = + y t + + p y t p + a t a t q a t q. 9

För autokorrelatio- och partiella autokorrelatiofuktioe gäller för ordige p = ; q = 0 repektive p = 0; q = att riide AR () MA () 8 >< k k ( + k = ) >: 0 k kk 8 < : k = 0 k > k (k+) k Ekelt relativt Ekelt ummerat Vägt relativt Vägt ummerat Lapeyre ti = 0i 00 ti 00 0i X ti 0i V 0i V0i 00 ti Q 0i 0i Q 0i 00 aache ti Q ti 0i Q ti 00 Belutteori Lage om total aolikhet (B) = (B \ A ) + (B \ A ) + + (B \ A ) X = ( B j A i ) (A i ) i= där A ; A ; : : : ; A kall uppfylla via villkor. Baye at ( B j A ) (A) ( A j B ) = i= ( B j A i) (A i ) 0