Regneregler for forventning og varians
|
|
- Erling Kristiansen
- 7 år siden
- Visninger:
Transkript
1 Regneregler for forventning og varians Det fins regneregler som er til hjelp når du skal finne forventningsverdier og varianser. Vi skal her se nærmere på disse reglene. Vi viser deg også hvordan reglene gir oss forventningen og variansen for en variabel som er binomisk fordelt (se sidene 43 og i læreboka). Forventning til a + bx Vi lar X være en stokastisk variabel knyttet til et forsøk. Med utgangspunkt i X kan vi lage oss en ny stokastisk variabel V = 3 X knyttet til det samme forsøket. For hvert utfall er verdien til V tre ganger så stor som verdien til X. (Hvis for eksempel X er antall øyne i ett terningkast, er V tre ganger det antall øyne du får.) Hvis vi gjentar forsøket, vil gjennomsnittsverdien til V være tre ganger gjennomsnittsverdien til X. Siden forventningsverdi er lik gjennomsnittsverdi i det lange løp, får vi at EV ( ) = 3 E( X). Det kan vi også skrive E(3 X) = 3 E( X). Så ser vi på den stokastiske variabelen Y = + 3 X. For hvert utfall vil verdien til Y være større enn verdien til 3 X. (Hvis for eksempel X er antall øyne i et terningkast, får vi Y ved å gange antall øyne med 3 og legge til.) Hvis vi gjentar forsøket mange ganger, vil også gjennomsnittsverdien til Y være større enn gjennomsnittsverdien til 3 X. Det betyr at Y får forventningen EY ( ) = + E(3 X) = + 3 E( X). Det kan vi skrive E( + 3 X) = + 3 E( X). Tankegangen ovenfor blir den samme hvis vi erstatter og 3 med konstantene a og b. Når X er en stokastisk variabel, og a og b er konstanter, gjelder Ea ( + b X) = a+ bex ( ) () Eksempel Rulett Vi ser på rulettspillet i eksempel 3 på side 40 i læreboka. Nå lar vi X være en stokastisk variabel som er hvis spilleren vinner, og 0 hvis spilleren taper. Sannsynlighetsfordelingen til X er da 3 6 PX= ( 0) = og PX= ( ) = Forventningen til X blir EX ( ) = 0 + = Vi lar Y være spillerens nettogevinst. Da vil Y være en stokastisk variabel gitt ved Y = X (Kontroller at uttrykket stemmer for X = 0 og for X =.) Ved å bruke formelen () med a = 00 og b = 600 får vi 6 00 EY ( ) = E( X) = = Vi har nå funnet EY ( ) ved å bruke regneregel (). I eksempel 3 i på side 40 i læreboka fant vi den samme forventningsverdien for nettogevinsten ut fra definisjonen av forventning. Aschehoug Undervisning Side av 6
2 Variansen til a + bx Vi lar X være en stokastisk variabel og setter V = 3 X. For hvert utfall vil verdien til V være tre ganger så stor som verdien til X. Vi så ovenfor at også forventningen til V er tre ganger så stor som forventningen til X. Avviket for V-verdien blir derfor 3 ganger så stort som avviket for X-verdien. Kvadratavviket for V er altså 3 = 9 ganger så stort som for X. Siden varians er gjennomsnittlig kvadratavvik i det lange løp, får vi Var( V) = 3 Var( X) Det kan vi også skrive Var(3 X ) 3 Var( X ) =. Setter vi Y = + 3 X, vil avviket for Y være den samme som avviket for 3 X, selv om hver verdi til Y er større enn verdien til 3 X. Konstanten påvirker ikke avviket, og derfor heller ikke kvadratavviket. Derfor har Y og 3 X samme varians. Det gir at Var( + 3 X ) = Var(3 X) = 3 Var( X). Tankegangen blir den samme hvis vi erstatter og 3 med konstantene a og b. Når X er en stokastisk variabel, og a og b er konstanter, gjelder Var( a+ b X) = b Var( X) () Eksempel Terningkast La V = 3 X, der X er antall øyne vi får når vi kaster en terning. I eksempel på side i læreboka fant vi at Var( X ) =. Formel () med a = 0 og b = 3 gir dermed at 05 Var( V) = Var(3 X) = 3 Var( X) = 9 = 4 Når vi kjenner Var(X), er det lettere å finne variansen til V på denne måten enn å bruke definisjonen av varians (jf. oppgavene 37 og 37 i oppgavesamlingen). Forventningen til summer og lineær kombinasjoner av stokastiske variabler Hvis X og Y er to stokastiske variabler knyttet til et forsøk, er Z = X + Y en ny stokastisk variabel. For hvert utfall vil verdien til Z være summen av verdiene til X og Y. Hvis vi gjentar forsøket, vil gjennomsnittsverdien til Z være summen av gjennomsnittsverdiene til X og Y. Siden forventningsverdi er lik gjennomsnittsverdi i det lange løp, får vi at EZ ( ) = EX ( ) + EY ( ). Det kan vi skrive EX ( + Y) = EX ( ) + EY) (. For to stokastiske variabler X og Y gjelder at EX ( + Y) = EX ( ) + EY ( ) (3) Aschehoug Undervisning Side av 6
3 Eksempel 3 Kast med to terninger Tenk deg at du kaster to terninger. La X være antall øyne på den første terningen, og Y antall øyne på den andre terningen. 7 Fra eksempel på side 38 i læreboka vet vi at EX ( ) = EY ( ) =. Summen av antall øyne på de to terningene er Z = X + Y. Dermed er 7 7 EZ ( ) = EX ( + Y) = EX ( ) + EY ( ) = + = 7. I eksempel på side 39 i læreboka fant vi denne forventningsverdien på en mer tungvint måte. Ved å kombinere regnereglene () og (3) får vi: Når X og Y er stokastiske variabler, og a, b og c er konstanter, gjelder Ea ( + bx+ cy) = a+ bex ( ) + cey ( ) (4) Du vet at vi kaller førstegradsfunksjonen a+ bx for en lineær funksjon. På liknende måte kaller vi a+ bx + cy for en lineær kombinasjon av stokastiske variabler. Eksempel 4 Pengespill Tenk deg et enkelt pengespill der spilleren kaster én terning og ett kronestykke. Innsatsen er 55 kr, og gevinsten er som følger: Spilleren får 0 kr for hvert øye terningen viser. Spilleren får 50 kr hvis kronestykket viser krone. Lønner det seg å delta i dette spillet? For å svare på det finner vi forventet nettogevinst. Vi innfører to stokastiske variabler, X og Y: X er antall øyne terningen viser. Y = hvis kronestykket viser krone, Y = 0 hvis det viser mynt. Nettogevinsten V kr i ett spill blir V = X + 50Y (kontroller selv). 7 Vi har tidligere funnet at EX ( ) =. Sannsynlighetsfordelingen til Y er PY ( = 0) = PY ( = ) =. Dermed er EY ( ) = 0 + =. Ved å bruke formel (4) med a = 55, b = 0 og c = 50 finner vi at 7 EV ( ) = = 5 De store talls lov viser at den gjennomsnittlige nettogevinsten vil være 5 kr per spill i det lange løp. Fordi forventet nettogevinst er positiv, vil det lønne seg å ta del i spillet hvis man spiller mange ganger. Regnereglene (3) og (4) gjelder tilsvarende for flere enn to stokastiske variabler. Det bruker vi i det neste eksemplet. Aschehoug Undervisning Side 3 av 6
4 Eksempel 5 Kast med tre terninger Vi kaster tre terninger og lar X, Y og Z være antall øyne på de tre terningene. 7 Da er EX ( ) = EY ( ) = EZ ( ) =. Forventningen til summen av antall øyne blir EX ( + Y+ Z) = EX ( ) + EY ( ) + EZ ( ) = + + = =0,5 Variansen til summer og lineær kombinasjoner av uavhengige stokastiske variabler Vi lar X og Y være to stokastiske variabler knyttet til et forsøk. Da er Z = X + Y en ny stokastisk variabel. Ovenfor så vi at EZ ( ) = EX ( ) + EY ( ). Kan vi finne en liknende regel for variansen til Z? Eksempel 6 Kast med to terninger Vi kaster to terninger og lar X være antall øyne på den ene terningen og Y antall øyne på den andre. Fra eksempel på side 46 i læreboka har vi at Var( X) = Var( Y) =. Summen av antall øyne på de to terningene er Z = X + Y. I oppgave 3.5 i læreboka fant vi at Var( Z ) =. 6 Vi har derfor at Var( X + Y) = Var( Z) = 6 Var( X) + Var( Y) = + = 6 I dette tilfellet er variansen til summen av de to stokastiske variablene X og Y lik summen av variansene til de to variablene. Eksempel 6 kan få oss til å tro at vi alltid finner variansen til summen X + Y ved å legge sammen variansene til X og Y. Slik er det ikke. Det er bare når X og Y er uavhengige stokastiske variabler, slik tilfellet er i eksempel 6, at vi kan finne variansen til X + Y på denne måten. I matematikk R lærte du at to hendelser A og B er uavhengige hvis det at A inntreffer, ikke endrer sannsynligheten for B (og omvendt). På tilsvarende måte er to stokastiske variabler X og Y uavhengige hvis det at vi får vite verdien til X, ikke endrer sannsynlighetene for de ulike verdiene Y kan få (og omvendt). For uavhengige stokastiske variabler X og Y har vi Var( X + Y) = Var( X) + Var( Y) (5) Aschehoug Undervisning Side 4 av 6
5 Ved å kombinere regnereglene () og (5) får vi La X og Y være uavhengige stokastiske variabler og a, b og c konstanter. Da er Var( a+ bx + cy) = b Var( X) + c Var( Y) (6) Regnereglene (5) og (6) gjelder tilsvarende for flere enn to uavhengige stokastiske variabler. Det bruker vi i det neste eksemplet. Eksempel 7 Kast med tre terninger Vi kaster tre terninger og lar X, Y og Z være antall øyne på de tre terningene. Da er Var( X) = Var( Y) = Var( Z) =. Antall øyne på de tre terningene er uavhengig av hverandre. Variansen til summen av antall øyne blir derfor 05 Var( X + Y + Z) = Var( X) + Var( Y) + Var( Z) = + + = = 8,75 Forventningen og varians til en binomisk fordelt variabel På side i læreboka så vi på et eksempel med spiring av frø. En bestemt type frø spirer med 70 % sannsynlighet. Vi sår 0 frø og ser om de spirer. La X være antall frø som spirer. Da er X binomisk fordelt med n = 0 og p = 0,70. På sidene 43 og 48 i læreboka brukte vi lommeregneren til å vise at EX ( ) = 0 0,70 = 4 og at Var( X ) = 00,700,30 = 4,0 Vi skal nå se hvordan vi kan finne disse resultatene ved å bruke regneregler for forventning og varians. Vi innfører da "hjelpevariablene" X, X,, X0 gitt ved: X = hvis frø nummer spirer, X = 0 hvis det ikke spirer X = hvis frø nummer spirer, X = 0 hvis det ikke spirer X 0 = hvis frø nummer 0 spirer, X 0 = 0 hvis det ikke spirer Her har X sannsynlighetsfordelingen PX ( = 0) = 0,70 = 0,30 og PX ( = ) = 0,70 Aschehoug Undervisning Side 5 av 6
6 Dermed er og E( X ) = 0 0,30 + 0,70 = 0,70 Var( X ) = (0 0,70) 0,30 + ( 0,70) 0,70 = 0,70 0,30 (0,70 + 0,30) = 0,70 0,30 På samme måte finner vi at E( X) = E( X3) =... = E( X0) = 0,70 og Var( X ) = Var( X ) =... = Var( X ) = 0,70 0, Vi har at X = X+ X X0. Dermed får vi EX ( ) = EX ( ) + EX ( ) EX ( 0) = 0,70 + 0, ,70 = 0 0,70 = 4 Vi har forutsatt at de 0 frøene spirer uavhengig av hverandre. Derfor er X, X,, X0 uavhengige stokastiske variabler. Det gir Var( X) = Var( X ) + Var( X ) Var( X ) 0 = 0,70 0,30 + 0,70 0, ,70 0,30 = 0 0,70 0,30 = 4,0 Resonnementene ovenfor kan vi bruke i alle situasjoner der X er binomisk fordelt. Ved å erstatte 0 med n og 0,70 med p får vi regnereglene for forventning og varians for binomisk fordeling (se sidene 43 og 49 i læreboka). Aschehoug Undervisning Side 6 av 6
STK1100 våren Forventningsverdi. Forventning, varians og standardavvik
STK00 våren 0 Forventning, varians og standardavvik Svarer til avsnitt 3.3 i læreboka Geir Storvik (Ørnulf Borgan) Matematisk institutt Universitetet i Oslo Forventningsverdi Punktsannsynligheten px (
DetaljerTilfeldige variabler. MAT0100V Sannsynlighetsregning og kombinatorikk
MAT0100V Sannsynlighetsregning og kombinatorikk Forventning, varians og standardavvik Tilnærming av binomiske sannsynligheter Konfidensintervall Ørnulf Borgan Matematisk institutt Universitetet i Oslo
DetaljerTilfeldige variabler. MAT0100V Sannsynlighetsregning og kombinatorikk
MAT000V Sannsynlighetsregning og kombinatorikk Tilfeldige variabler og sannsynlighetsfordelinger (repetisjon) Hypergeometrisk fordeling (repetisjon) Binomisk fordeling Forventningsverdi Tilfeldige variabler
DetaljerKapittel 5: Tilfeldige variable, forventning og varians.
Kapittel 5: Tilfeldige variable, forventning og varians. Tilfeldige variable Tilfeldige variable kalles også stokastiske variable. En tilfeldig variabel er en variabel som får sin numeriske verdi bestemt
DetaljerBinomisk fordeling. Tilfeldige variabler. MAT0100V Sannsynlighetsregning og kombinatorikk
MAT0100V Sannsynlighetsregning og kombinatorikk Forventning, varians og standardavvik Tilfeldige variabler Når vi kaster to terninger er det 36 utfall Vi ser på X = «sum antall øyne» De mulige verdiene
Detaljerstatistikk, våren 2011
ÅMA110 Sannsynlighetsregning med statistikk, våren 011 Kp. 3 Diskrete tilfeldige variable 1 Diskrete tilfeldige variable, innledning Hva er en tilfeldig variabel (stokastisk variabel)? Diskret tilfeldig
DetaljerÅMA110 Sannsynlighetsregning med statistikk, våren 2010. ÅMA110 Sannsynlighetsregning med statistikk, våren 2010
ÅMA Sannsynlighetsregning med statistikk, våren Kp. Diskrete tilfeldige variable ÅMA Sannsynlighetsregning med statistikk, våren Kp. Diskrete tilfeldige variable Diskrete tilfeldige variable, innledning
DetaljerÅMA110 Sannsynlighetsregning med statistikk, våren Kp. 3 Diskrete tilfeldige variable. Diskrete tilfeldige variable, varians (kp. 3.
ÅMA Sannsynlighetsregning med statistikk, våren 8 Kp. Diskrete tilfeldige variable Kp. Diskrete tilfeldige variable Har sett på (tidligere: begrep/definisjoner; tilfeldig (stokastisk variabel sannsynlighetsfordeling
DetaljerBetinget sannsynlighet
Betinget sannsynlighet Multiplikasjonsloven for sannsynligheter (s. 49 i bok): P( AB ) = P( A B ) P(B) Veldig viktig verktøy for å finne sannsynligheter for snitt. (Bevises ved rett fram manipulering av
DetaljerTMA4240/TMA4245 Statistikk Oppsummering diskrete sannsynlighetsfordelinger
TMA4240/TMA4245 Statistikk Oppsummering diskrete sannsynlighetsfordelinger Binomisk fordeling* ( ) n b(x; n, p) = p x (1 p) n x = x ( ) n p x q n x, x x = 0, 1, 2,..., n Fenomén: i) n forsøk. ii) Suksess/fiasko
DetaljerTMA4240 Statistikk Høst 2008
TMA4240 Statistikk Høst 2008 Norges teknisk-naturvitenskapelige universitet Institutt for matematiske fag Øving nummer 7 Oppgave 1 Tippekonkurranse Denne oppgaven er ment som en kjapp test på hva du har
DetaljerBernoulli forsøksrekke og binomisk fordeling
Bernoulli forsøksrekke og binomisk fordeling Bernoulli forsøksrekke i) gjentar et forsøk n ganger ii) hvert forsøk gir enten suksess eller fiasko iii) sannsynligheten for suksess er p i alle forsøkene
Detaljerµ = E(X) = Ʃ P(X = x) x
Redigerte høydepunkt fra forrige episode 3.2: Punktsannsynlighet og kumulativ sannsynlighet punktsannsynlighet: sanns. for at en stok. var. X har en viss verdi x; P(X = x) kumulativ sannsynlighet: sanns.
DetaljerÅMA110 Sannsynlighetsregning med statistikk, våren 2008
ÅMA0 Sannsynlighetsregning med statistikk, våren 008 Kp. Sannsynlighetsregning (sannsynlighetsteori).5 Betinget sannsynlighet Betinget sannsynlighet (kp..5) - innledning Eks.: Et terningkast; {,, 3, 4,
DetaljerLitt om forventet nytte og risikoaversjon. Eksempler på økonomisk anvendelse av forventning og varians.
H. Goldstein Revidert januar 2008 Litt om forventet nytte og risikoaversjon. Eksempler på økonomisk anvendelse av forventning og varians. Dette notatet er ment å illustrere noen begreper fra Løvås, kapittel
DetaljerForelening 1, kapittel 4 Stokastiske variable
Forelening 1, kapittel 4 Stokastiske variable Eksempel X = "antall kron på kast med to mynter (før de er kastet)" Uniformt utfallsrom {MM, MK, KM, KK}. X = x beskriver hendelsen "antall kron på kast med
DetaljerTest, 3 Sannsynlighet og statistikk
Test, 3 Sannsynlighet og statistikk Innhold 3. Stokastiske variabler og sannsynlighetsfordelinger... 3. Forventningsverdi, varians og standardavvik... 5 3.3 Normalfordelingen... 4 3.4 Sentralgrensesetningen...
DetaljerKræsjkurs i statistikk
Kræsjkurs i statistikk Tommy Odland 22. november 2016 Sammendrag En liten samling oppgaver basert løst på fagene ELE103 (HiB) og STAT110 (UiB). Tema: Kombinatorikk Forkunnskaper: multiplikasjonsprinsippet,
DetaljerStatistikk 1 kapittel 4
Statistikk 1 kapittel 4 Nico Keilman ECON 2130 Vår 2017 Kapittel 4 Stokastiske (tilfeldige) variabler Anta 1) Vi kjenner sannsynligheter for ulike utfall knyttet til et forsøk 2) Hvert utfall har en (meningsfull)
DetaljerFasit for tilleggsoppgaver
Fasit for tilleggsoppgaver Uke 5 Oppgave: Gitt en rekke med observasjoner x i (i = 1,, 3,, n), definerer vi variansen til x i som gjennomsnittlig kvadratavvik fra gjennomsnittet, m.a.o. Var(x i ) = (x
DetaljerHØGSKOLEN I STAVANGER
HØGSKOLEN I STAVANGER Avdeling for TEKNISK NATURVITEN- EKSAMEN I: TE199 SANNSYNLIGHETSREGNING MED STATISTIKK SKAPELIGE FAG VARIGHET: 4 TIMER DATO: 5. JUNI 2003 TILLATTE HJELPEMIDLER: KALKULATOR OPPGAVESETTET
DetaljerStatistikk 1 kapittel 5
Statistikk 1 kapittel 5 Nico Keilman ECON 2130 Vår 2015 Kapittel 5 Sannsynlighetsmodeller I kap. 4 så vi et eksempel om en s.v. X som hadde en uniform sannsynlighetsfordeling: alle verdier av x har like
DetaljerStatistikk 1 kapittel 5
Statistikk 1 kapittel 5 Nico Keilman ECON 2130 Vår 2016 Kapittel 5 Sannsynlighetsmodeller I kap. 4 så vi et eksempel med en s.v. X som hadde en uniform sannsynlighetsfordeling: alle verdier av x har like
DetaljerEksamen REA3028 S2, Høsten 2011
Eksamen REA08 S, Høsten 0 Del Tid: timer Hjelpemidler: Vanlige skrivesaker, passer, linjal med centimetermål og vinkelmåler er tillatt. Oppgave (4 poeng) a) Deriver funksjonene ) f f 4 ) g e g e 6e ) h
DetaljerEksamen. Formler og tabeller, 4 ark Tillatte hjelpemidler: Kalkulator med statistikfunksjoner, ordbok, lovverk
Emnenavn: Emnenavn: Eksamen MA-105 Statistikk Dato: 10 des 2011 Varighet: 5 timer Antall ark: 6 inkludert vedlegg Vedlegg: Formler og tabeller, 4 ark Tillatte hjelpemidler: Kalkulator med statistikfunksjoner,
DetaljerEksamensoppgave i Løsningsskisse TMA4240 Statistikk
Institutt for matematiske fag Eksamensoppgave i Løsningsskisse TMA440 Statistikk Faglig kontakt under eksamen: Håkon Tjelmeland a, Sara Martino b Tlf: a 48 18 96, b 99 40 33 30 Eksamensdato: 30. november
DetaljerMAT0100V Sannsynlighetsregning og kombinatorikk
MAT000V Sannsynlighetsregning og kombinatorikk Uordnet utvalg uten tilbakelegging (repetisjon) Tilfeldige variabler og sannsynlighetsfordelinger Hypergeometrisk fordeling Binomisk fordeling Ørnulf Borgan
DetaljerKap. 7 - Sannsynlighetsfordelinger
Oppgaver: Kap. 7 - Sannsynlighetsfordelinger Oppgaver fra kapitlet Lærebok: 7.0-0-0-,7.--7, 7.-, 7., 7., 7.7 Oppgavesamling: 7.00, 7.0, 7.09, 7., 7.9, 7., 7.0, 7.0, 7.0 7.0-0-0-0- Stokastisk variabel:
DetaljerStatistikk 1 kapittel 5
Statistikk 1 kapittel 5 Nico Keilman ECON 2130 Vår 2017 Kapittel 5 Sannsynlighetsmodeller I kap. 4 så vi et eksempel med en s.v. X som hadde en uniform sannsynlighetsfordeling: alle verdier av x har like
DetaljerMatematikk S2 kapittel 5 Sannsynlighet Utvalgte løsninger oppgavesamlingen
Matemati S2 apittel 5 Sannsynlighet Utvalgte løsninger oppgavesamlingen 508 a Utfall: 1 og 2, 1 og 3, 1 og 4, 2 og 3, 2 og 4, 3 og 4. De ses utfallene er lie sannsynlige, så de har hver sannsynlighet 1
DetaljerSannsynlighet og statistikk S2 Løsninger
Sannsynlighet og statistikk S2 Løsninger Innhold 3. Stokastiske variabler og sannsynlighetsfordelinger... 2 3.2 Forventningsverdi Varians Standardavvik... 9 3.3 Normalfordelingen... 7 3.4 Sentralgrensesetningen...
DetaljerStatistikk 1 kapittel 5
Statistikk 1 kapittel 5 Nico Keilman ECON 2130 Vår 2014 Kapittel 5 Sannsynlighetsmodeller I kap. 4 så vi et eksempel om en s.v. X som hadde en uniform sannsynlighetsfordeling: alle verdier av x har like
DetaljerNotater til forelesning i Sannsynlighetsregning SK 101 Matematikk i grunnskolen I
Notater til forelesning i Sannsynlighetsregning SK 101 Matematikk i grunnskolen I 4 Kombinatorikk Vi må lære tellemetoder når valgtrær, som vi brukte tidligere, blir for store og vanskelig å håndtere.
DetaljerTilfeldige variabler. MAT0100V Sannsynlighetsregning og kombinatorikk
MAT000V Sannsynlighetsregning og kombinatorikk Tilfeldige variabler og sannsynlighetsfordelinger Hypergeometrisk fordeling Binomisk fordeling Ørnulf Borgan Matematisk institutt Universitetet i Oslo Tilfeldige
DetaljerLøsningskisse for oppgaver til undervisningsfri uke 8 ( februar 2012)
1 ECON 130 HG - februar 01 Løsningskisse for oppgaver til undervisningsfri uke 8 (0.-. februar 01) Oppg..1. Variabel: x = antall kundehenvendelser pr. dag 1. Antall observasjoner: n = 100 dager. I Excel
DetaljerTMA4240 Statistikk H2015
TMA4240 Statistikk H2015 Kapittel 5: Noen diskrete sannsynlighetsfordelinger 5.4 Geometrisk og negativ binomisk fordeling 5.5 Poisson-prosess og -fordeling Mette Langaas Institutt for matematiske fag,
DetaljerHØGSKOLEN I STAVANGER
HØGSKOLEN I STAVANGER Avdeling for TEKNISK NATURVITEN- EKSAMEN I: TE199 SANNSYNLIGHETSREGNING MED STATISTIKK SKAPELIGE FAG VARIGHET: 4 TIMER DATO: 30. AUGUST 2003 TILLATTE HJELPEMIDLER: KALKULATOR OPPGAVESETTET
DetaljerTMA4240 Statistikk Høst 2015
Norges teknisk-naturvitenskapelige universitet Institutt for matematiske fag Øving nummer 0, blokk II Løsningsskisse Oppgave Surhetsgrad i ferskvann Eksamen august 00, oppgave av 3 a) En god estimator
DetaljerEksamen REA3028 S2, Høsten 2011
Eksamen REA308 S, Høsten 011 Del 1 Tid: timer Hjelpemidler: Vanlige skrivesaker, passer, linjal med centimetermål og vinkelmåler er tillatt. Oppgave 1 (4 poeng) a) Deriver funksjonene 1) f x x x 1 ) gx
Detaljer3.4: Simultanfordelinger (siste rest) 4.1,4.2,4.3: Multivariat del (ferdig med kapittel 3 og 4 etter denne forelesningen)
TMA4240 Statistikk H200 3.4: Simultanfordelinger (siste rest) 4.,4.2,4.3: Multivariat del (ferdig med kapittel 3 og 4 etter denne forelesningen) Mette Langaas Foreleses mandag 3. september 200 2 f (x,
DetaljerLøsningsforslag ECON 2130 Obligatorisk semesteroppgave 2017 vår
Løsningsforslag ECON 130 Obligatorisk semesteroppgave 017 vår Andreas Myhre Oppgave 1 1. (i) Siden X og Z er uavhengige, vil den simultane fordelingen mellom X og Z kunne skrives som: f(x, z) = P(X = x
DetaljerIllustrasjon av regel 5.19 om sentralgrenseteoremet og litt om heltallskorreksjon (som i eksempel 5.20).
Econ 130 HG mars 017 Supplement til forelesningen 7. februar Illustrasjon av regel 5.19 om sentralgrenseteoremet og litt om heltallskorreksjon (som i eksempel 5.0). Regel 5.19 sier at summer, Y X1 X X
DetaljerTMA4240 Statistikk Høst 2009
TMA4240 Statistikk Høst 2009 Norges teknisk-naturvitenskapelige universitet Institutt for matematiske fag Øving nummer 5 Løsningsskisse Oppgave 1 En lottorekke kan oppfattes som et ikke-ordnet utvalg på
DetaljerTerningkast. Utfallsrommet S for et terningskast med en vanlig spillterning med 6 sider er veldefinert 1, 2, 3, 4, 5, 6
Terningkast Halvor Aarnes, UiO, 2014 Innhold Ett terningkast og utfallsrom... 1 Union og snitt... 4 Betinget sannsynlighet... 5 Forventningsverdi E(X) og varianse Var(X)... 5 Konfidensintervall for proporsjoner...
Detaljer= 5, forventet inntekt er 26
Eksempel på optimal risikodeling Hevdet forrige gang at i en kontrakt mellom en risikonøytral og en risikoavers person burde den risikonøytrale bære all risiko Kan illustrere dette i en enkel situasjon,
DetaljerST1101/ST6101 Sannsynlighetsregning og statistikk Vår 2019
Norges teknisk naturvitenskapelige universitet Institutt for matematiske fag ST/ST Sannsynlighetsregning og statistikk Vår 9 Oppgaver fra boka 3..9 Ved et terningkast anses utfallet antall øyne lik for
DetaljerMAT4010 PROSJEKTOPPGAVE: Statistikk i S2. Olai Sveine Johannessen, Vegar Klem Hafnor & Torstein Mellem
MAT400 PROSJEKTOPPGAVE: Statistikk i S2 Olai Sveine Johannessen, Vegar Klem Hafnor & Torstein Mellem 20. mai 205 Innhold. Stokastisk Variabel.. Stokastiske variable som funksjoner 3 2. Forventningsverdi
DetaljerST0202 Statistikk for samfunnsvitere
ST0202 Statistikk for samfunnsvitere Bo Lindqvist Institutt for matematiske fag 2 Tilfeldige variable (5.2) Dersom vi til hvert utfall av eksperimentet tilordner et tall, har vi laget en tilfeldig variabel.
DetaljerTilfeldige variable (5.2)
Tilfeldige variable (5.) Dersom vi til hvert utfall av eksperimentet tilordner et tall, har vi laget en tilfeldig variabel. Tilfeldig variabel: En variabel som har en numerisk verdi for hvert utfall i
DetaljerTMA4240 Statistikk H2010
TMA4240 Statistikk H2010 Kapittel 5: Diskrete sannsynlighetsfordelinger 5.5-5.6: Negativ binomisk, geometrisk, Poisson Mette Langaas Foreleses mandag 20. september 2010 2 Kabel En kabel består av mange
DetaljerLøsningsforslag til eksamen i TMA4245 Statistikk 7. juni 2007
Løsningsforslag til eksamen i TMA4245 Statistikk 7. juni 2007 Oppgave 1: Pengespill a) For hver deltaker har vi følgende situasjon: Deltakeren får en serie oppgaver. Hver runde har to mulige utfall: Deltakeren
DetaljerKapittel 4.4: Forventning og varians til stokastiske variable
Kapittel 4.4: Forventning og varians til stokastiske variable Forventning og varians til stokastiske variable Histogrammer for observerte data: Sannsynlighets-histogrammer og tetthetskurver for stokastiske
Detaljer1 Section 4-1: Introduksjon til sannsynlighet. 2 Section 4-2: Enkel sannsynlighetsregning. 3 Section 5-1: Introduksjon til sannsynlighetsfordelinger
1 Section 4-1: Introduksjon til sannsynlighet 2 Section 4-2: Enkel sannsynlighetsregning 3 Section 5-1: Introduksjon til sannsynlighetsfordelinger 4 Section 5-2: Tilfeldige variable 5 Section 5-3: Binomisk
DetaljerLøsningsforslag Eksamen S2, høsten 2017 Laget av Tommy O. Sist oppdatert: 26. november 2017
Løsningsforslag Eksamen S, høsten 017 Laget av Tommy O. Sist oppdatert: 6. november 017 Del 1 - uten hjelpemidler Oppgave 1 a) Vi skal derivere f(x) = x 4x 3. Vi bruker regelen samt regelen (x n ) = nx
DetaljerSannsynlighet og statistikk
Sannsynlighet og statistikk Innhold Kompetansemål Sannsynlighet og statistikk, S... 3. Stokastiske variabler og sannsynlighetsfordelinger... 3 Stokastisk forsøk... 3 Definisjon av sannsynlighet og sannsynlighetsmodell...
DetaljerForeleses onsdag 8. september 2010
TMA4240 Statistikk H200 4.2: Varians (univariat del) 4.4: Chebyshevs teorem 3.4: Simultanfordelinger Mette Langaas Foreleses onsdag 8. september 200 Mette.Langaas@math.ntnu.no, TMA4240H200 2 4.2 Varians
DetaljerLøsningskisse seminaroppgaver uke 11 ( mars)
HG Mars 008 Løsningskisse seminaroppgaver uke (0.-4. mars) ECON 0 EKSAMEN 004 VÅR Oppgave En gitt prøve er laget som en flervalgsprøve ( multiple choice test ). Prøven består av tre spørsmål. For hvert
DetaljerECON Statistikk 1 Forelesning 4: Stokastiske variable, fordelinger. Jo Thori Lind
ECON2130 - Statistikk 1 Forelesning 4: Stokastiske variable, fordelinger Jo Thori Lind j.t.lind@econ.uio.no Oversikt 1. Betinget sannsynlighet 2. Stokastiske variable 3. Forventning og varians 4. Regneregler
DetaljerDa vil summen og gjennomsnittet være tilnærmet normalfordelte : Summen: X 1 +X X n ~N(nµ,nσ 2 ) Gjennomsnittet: X 1 +X
Me me me me metallic hvit 4.4: Tilnærming til normalfordeling Tilnærming til normalfordeling: binomisk og Poisson kan tilnærmes v.h.a. normalfordeling under bestemte forhold (ved "mange" delforsøk/hendelser)
DetaljerFormelsamling V-2014 MAT110. Statistikk 1. Per Kristian Rekdal
Formelsamling V-2014 MAT110 Statistikk 1 Per Kristian Rekdal 2 Forord Dette er formelsamlingen i emnet MAT110 Statistikk 1 ved høgskolen i Molde. Formlene i denne formelsamlingen er stort sett de formlene
DetaljerSannsynlighet og statistikk S2 Oppgaver
annsynlighet og statistikk 2 Oppgaver Innhold 3 tokastiske variabler og sannsynlighetsfordelinger 2 32 Forventningsverdi Varians tandardavvik 5 33 Normalfordelingen 9 34 entralgrensesetningen 35 Hypotesetesting
DetaljerNotasjon. Løsninger. Problem. Kapittel 7
3 Notasjon Kapittel 7 Funksjoner av stokastiske variabler Har n stokastiske variabler, X 1, X 2,..., X n, med kjent fordeling f( 1, 2,..., n ) og kumulativ fordeling F( 1, 2,..., n ). Ser på Y = u(x 1,
DetaljerDEL 1. Uten hjelpemidler. Avgjør om de geometriske rekkene er konvergente. Bestem i så fall summen.
DEL 1 Uten hjelpemidler Oppgave 1 (5 poeng) Deriver funksjonene a) b) c) f( x) e x 4 x 1 g( x) x h( x) x 3 ln x Oppgave (3 poeng) Avgjør om de geometriske rekkene er konvergente. Bestem i så fall summen.
DetaljerST0202 Statistikk for samfunnsvitere
ST0202 Statistikk for samfunnsvitere Kapittel 5: Sannsynlighetsfordelinger for diskrete variabler Bo Lindqvist Institutt for matematiske fag 2 Tilfeldige variabler (5.1) Dersom vi til hvert utfall av eksperimentet
DetaljerECON240 Vår 2018 Oppgaveseminar 1 (uke 6)
ECON240 Vår 2018 Oppgaveseminar 1 (uke 6) Oppgaver til prerequisites og kapittel 1 fra læreboken Example P.1, P.5, P.6, P.7, P.8, P.9, P.11, P.12, P.13, og P.14 Example 1.1, 1.2, 1.3, 1.4, 1.6, 1.7, 1.9,
DetaljerTMA4240 Statistikk H2010 Kapittel 5: Diskrete sannsynlighetsfordelinger : Uniform, binomisk, hypergeometrisk fordeling
TMA4240 Statistikk H2010 Kapittel 5: Diskrete sannsynlighetsfordelinger 5.1-5.4: Uniform, binomisk, hypergeometrisk fordeling Mette Langaas 2 Arbeidshverdag etter endt studium Studere et fenomen (f.eks.
DetaljerEKSAMEN. TILLATTE HJELPEMIDLER: Kalkulator. Hornæs: Formelsamling statistikk HiG. John Haugan: Formler og tabeller.
KANDIDATNUMMER: EKSAMEN FAGNAVN: Statistikk. FAGNUMMER: Rea 1082 EKSAMENSDATO: 14. mai 2009. KLASSE: Ing. TID: kl. 9.00 13.00. FAGLÆRER: Hans Petter Hornæs ANTALL SIDER UTLEVERT: 3 (innkl. forside) TILLATTE
DetaljerÅMA110 Sannsynlighetsregning med statistikk, våren Noen viktige sannsynlighetsmodeller. Binomisk modell. Kp. 3 Diskrete tilfeldige variable
ÅMA Sannsynlighetsregning med statistikk, våren 006. 3 Diskrete tilfeldige variable Noen viktige sannsynlighetsmodeller Noen viktige sannsynlighetsmodeller (k. 3.6 Hyergeometrisk modell (k. 3.7 Geometrisk
DetaljerLØSNING: Eksamen 22. mai 2018
LØSNING: Eksamen 22. mai 2018 MAT110 Statistikk 1, vår 2018 Oppgave 1: ( logistikk a Sannsynlighetene p i, med i = 1, 2, 3,..., 8 utgjør en gyldig sannsynlighetsfordeling fordi: 8 p i = i=1 + 5 + 40 +
DetaljerOppfriskning av blokk 1 i TMA4240
Oppfriskning av blokk 1 i TMA4240 Geir-Arne Fuglstad November 21, 2016 2 Hva har vi gjort i dette kurset? Vi har studert to sterkt relaterte grener av matematikk Sannsynlighetsteori: matematisk teori for
DetaljerSTK1100 våren Kontinuerlige stokastiske variabler Forventning og varians Momentgenererende funksjoner
STK1100 våren 2017 Kontinuerlige stokastiske variabler Forventning og varians Momentgenererende funksjoner Svarer til avsnittene 4.1 og 4.2 i læreboka Ørnulf Borgan Matematisk institutt Universitetet i
DetaljerForelesning 13. mars, 2017
Forelesning 13. mars, 217 AVSNITT 5.2 Kovariansen mellom to variable Korrelasjon mellom to variable AVSNITT 5.3 Betingede fordelinger Kovariansen mellom to stokastiske variable Kovariansen mellom to stokastiske
DetaljerSannsynlighetsregning og Statistikk
Sannsynlighetsregning og Statistikk Leksjon 2. Leksjon 2 omhandler begreper og regneregler for sannsynligheter. Dette er behandlet i kapittel 3.1 og 3.2 i læreboka. Du bør når du har fullført leksjon 2
DetaljerÅMA110 Sannsynlighetsregning med statistikk, våren 2011
ÅMA0 Sannsynlighetsregning med statistikk, våren 0 Kp. 3 Diskrete tilfeldige variable Noen viktige sannsynlighetsmodeller Noen viktige sannsynlighetsmodeller ( Sanns.modell : nå betyr det klasse/type sanns.fordeling.
DetaljerForventning og varians.
Forventning og varians. Dekkes av kapittel 4 i læreboka. Forventning (4.) Forventningsverdi gjennomsnitt i det lange løp. Defininsjon: Forventningsverdien til en stokastisk variabel X er: E(X) f(),x diskret
DetaljerTMA4245 Statistikk Eksamen desember 2016
Norges teknisk-naturvitenskapelige universitet Institutt for matematiske fag TMA4245 Statistikk Eksamen desember 2016 Oppgave 1 En bedrift produserer elektriske komponenter. Komponentene kan ha to typer
DetaljerØVINGER 2017 Løsninger til oppgaver. Lineærkombinasjonen Z = 5X + 8Y har forventningsverdi
ØVINGER 27 Løsninger til oppgaver Øving 6 4. (7). Fra oppgave 4.5 (øving 4) har vi forventningsverdien variansen til X, E[X] =.92, V ar[x] =.3. Lineærkombinasjonen Z = 5X + 8Y har forventningsverdi E[Z]
DetaljerDiskrete sannsynlighetsfordelinger som histogram. Varians. Histogram og kumulativ sannsynlighet. Forventning (gjennomsnitt) (X=antall mynt i tre kast)
Diskret sannsynlighetsfordeling (kap 1.1-1.6) Oversikt Utfallsrom (sample space) Sannsynlighetsfordeling Forventning (expectation), E(X), populasjonsgjennomsnitt Bruk av figurer og histogram Binomialfordelingen
DetaljerObservatorar og utvalsfordeling. Torstein Fjeldstad Institutt for matematiske fag, NTNU
Observatorar og utvalsfordeling Torstein Fjeldstad Institutt for matematiske fag, NTNU 08.10.2018 I dag Til no i emnet Observatorar Utvalsfordelingar Sentralgrenseteoremet 2 Til no i emnet definisjon av
DetaljerECON240 Høst 2017 Oppgaveseminar 1 (uke 35)
ECON40 Høst 017 Oppgaveseminar 1 (uke 35) Oppgaver til prerequisites og kapittel 1 fra læreboken Example P.1, P.5, P.6, P.7, P.8, P.9, P.11, P.1, P.13, og P.14 Example 1.1, 1., 1.3, 1.4, 1.6, 1.7, 1.9,
DetaljerEksamen 29.11.2011. REA3028 Matematikk S2. Nynorsk/Bokmål
Eksamen 9.11.011 REA308 Matematikk S Nynorsk/Bokmål Bokmål Eksamensinformasjon Eksamenstid: Hjelpemidler på Del 1: Hjelpemidler på Del : 5 timer: Del 1 skal leveres inn etter timer. Del skal leveres inn
DetaljerTyngdepunkt. Togforsinkelsen (Eksamen Des2003.1a) I denne oppgaven kan du bruke uten å vise det at. Kapittel 4
3 Tyngdepunkt Kapittel 4 Forventningsverdi, varians, kovarians for én stokastisk variabel og funksjoner av stokastiske variabler TMA4240 H2006: Eirik Mo 2 4.1 Forventing til en stokastisk variabel DEF
DetaljerHøgskolen i Telemark. Institutt for økonomi og informatikk FORMELSAMLING Statistikk I. Til bruk ved eksamen. Per Chr. Hagen
Høgskolen i Telemark Institutt for økonomi og informatikk FORMELSAMLING 6005 Statistikk I Til bruk ved eksamen Per Chr. Hagen . Sannsynlighetsregning. Regneregler Komplementsetningen: Addisjonssetningen:
DetaljerST0103 Brukerkurs i statistikk Høst 2014
Norges teknisk naturvitenskapelige universitet Institutt for matematiske fag ST0103 Brukerkurs i statistikk Høst 2014 Løsningsforslag Øving 1 2.1 Frekvenstabell For å lage en frekvenstabell må vi telle
DetaljerObservatorer. STK Observatorer - Kap 6. Utgangspunkt. Eksempel høyde Oxford studenter
Observatorer STK00 - Observatorer - Kap 6 Geir Storvik 4. april 206 Så langt: Sannsynlighetsteori Stokastiske modeller Nå: Data Knytte data til stokastiske modeller Utgangspunkt Eksempel høyde Oxford studenter
DetaljerEn kort innføring i sannsynlighetsregning
En kort innføring i sannsynlighetsregning Harald Goldstein Sosialøkonomisk institutt Januar 2000 Innhold 1 Innledning 1 2 Begivenheter og sannsynlighet 4 2.1 Matematiskbeskrivelseavbegivenheter... 4 2.2
DetaljerForventning og varians.
Forventning og varians. Dekkes av kapittel 4 i læreboka. Forventning (4.1) Forventningsverdi = gjennomsnitt i det lange løp. Defininsjon: Forventningsverdien til en stokastisk variabel X er: x xf(x),x
DetaljerFORMELSAMLING TIL STK1100 OG STK1110
FORMELSAMLING TIL STK1100 OG STK1110 (Versjon av 16. november 2009) 1. Sannsynlighet La A, B, A 1, A 2,...,B 1, B 2,... være begivenheter, dvs. delmengder av et utfallsrom Ω. a) Aksiomene: Et sannsynlighetsmål
DetaljerOppgavesett nr. 5. MAT110 Statistikk 1, Et transportfirma har et varemottak for lastebiler med spesialgods, se figur 1.
Innleveringsfrist: mandag 19. mars kl. 16:00 (version 01) Oppgavesett nr. 5 MAT110 Statistikk 1, 2018 Oppgave 1: ( logistikk ) Et transportfirma har et varemottak for lastebiler med spesialgods, se figur
Detaljerbetyr begivenheten at det blir trukket en rød kule i første trekning og en hvit i andre, mens B1 B2
ECON30: EKSAMEN 06v SENSORVEILEDNING. Det anbefales at de 9 deloppgavene merket med A, B, teller likt uansett variasjon i vanskelighetsgrad. Svarene er gitt i
Detaljer, men det blir svært tungvindt her.) 3 xe3x 1 9 e3x C 1 9 e3x 3x 1 C
Oppgave a) Deriver funksjonene: ) fx x sinx uv u v uv gir: f x x sinx x cosx x sinx x cosx ) gx sinx sinxcosx sinx, x k cosx cosx g x cosx (x k) (Kan også bruke u v u vuv, men det blir svært tungvindt
DetaljerEksamen i. MAT110 Statistikk 1
Avdeling for logistikk Eksamen i MAT110 Statistikk 1 Eksamensdag : Tirsdag 22. mai 2018 Tid : 09:00 13:00 (4 timer) Faglærer/telefonnummer : Molde + Kristiansund: Per Kristian Rekdal / 924 97 051 Hjelpemidler
DetaljerSFB LØSNING PÅ EKSAMEN HØSTEN 2018
SFB107111 - LØSNING PÅ EKSAMEN HØSTEN 018 Eksamen høsten 018 Oppgave 1 Anta at 70% av studentene spiller fotball og at 0% ikke spiller fotball. Anta at av de som spiller fotball så er det 40% som spiller
DetaljerLØSNINGSFORSLAG TIL EKSAMEN I FAG TMA4240 STATISTIKK Mandag 12. desember 2011
Norges teknisk naturvitenskapelige universitet Institutt for matematiske fag Side 1 av 10 LØSNINGSFORSLAG TIL EKSAMEN I FAG TMA4240 STATISTIKK Mandag 12. desember 2011 Oppgave 1 Oljeleting a) Siden P(A
DetaljerTogforsinkelsen (Eksamen Des2003.1a) I denne oppgaven kan du bruke uten å vise det at
Kapittel 4 Forventningsverdi, varians, kovarians for én stokastisk variabel og funksjoner av stokastiske variabler TMA4245 V2007: Eirik Mo 2 4.1 Forventing til en stokastisk variabel DEF 4.1: La X være
DetaljerÅMA110 Sannsynlighetsregning med statistikk, våren 2006 Kp. 6, del 3
ÅMA110 Sannsynlighetsregning med statistikk, våren 2006 Kp. 6, del 3 Bjørn H. Auestad Institutt for matematikk og naturvitenskap Universitetet i Stavanger 20. mars Bjørn H. Auestad Kp. 6: Hypotesetesting
DetaljerSANNSYNLIGHETSREGNING
SANNSYNLIGHETSREGNING Er tilfeldigheter tilfeldige? Når et par får vite at de skal ha barn, vurderes sannsynligheten for pike eller gutt normalt til rundt 50/50. Det kan forklare at det fødes omtrent like
DetaljerStatistikk 1 kapittel 4
Statistikk 1 kapittel 4 Nico Keilman ECON 2130 Vår 2015 Kapittel 4 Stokastiske (tilfeldige) variabler Anta 1) Vi kjenner sannsynligheter for ulike utfall knyttet til et forsøk 2) Hvert utfall har en (meningsfull)
DetaljerForelesning 5: Kontinuerlige fordelinger, normalfordelingen. Jo Thori Lind
Forelesning 5: Kontinuerlige fordelinger, normalfordelingen Jo Thori Lind j.t.lind@econ.uio.no Oversikt 1. Kontinuerlige fordelinger 2. Uniform fordeling 3. Normal-fordelingen 1. Kontinuerlige fordelinger
DetaljerEmnenavn: Grunnleggende matematikk og statistikk
Høgskolen i østfold EKSAMEN Emnekode: IR13511 Emnenavn: Grunnleggende matematikk og statistikk Dato: 14.06.2016 Eksamenstid: 0900-1300 Sensurfrist: 05.07.2016 Antall oppgavesider: 3 Faglærer: Mikjel Thorsrud,
Detaljer