Livsforsikring et eksempel på bruk av forventningsverdi
|
|
- Hedda Arntzen
- 7 år siden
- Visninger:
Transkript
1 et eksempel på bruk av forventningsverdi Ø. Borgan og A.B. Huseby Department of Mathematics University of Oslo, Norway STK 1100
2 Beregning av rettferdig forsikringspremie Vi skal benytte forventninger av stokastiske variable og funksjoner av disse til å beregne en rettferdig premie for en livsforsikringspolise. Med rettferdig premie mener vi her en årlig pris som i løpet av polisens varighet vil dekke selskapets forventede kostnader knyttet til utbetaling til kundens etterlatte.
3 Grunnleggende antagelser Vi regner med en fast rente på 3% pr. år Vi ser bort fra forsikringsselskapets omkostninger og fortjeneste Vi benytter dødlighetsopplysninger fra Statistisk sentralbyrå over dødligheten i den norske befolkningen i perioden (i stedet for dødligheten blant forsikrede) Vi forenkler problemet til å anta at inn- og utbetalinger bare kan skje én gang hvert år
4 Spesifikke antagelser En 30 år gammel kvinne tegner en livsforsikring Forsikringen vil gi hennes etterlatte en erstatning på 1 mill. kroner dersom hun dør før hun fyller 65 år Hvis hun blir minst 65 år, utbetales ingen erstatning Hvert år fra hun er 30 år til hun er 64 år innbetaler hun en premie på K kroner
5 Spesifikke antagelser (forts.) Hvor mye hun innbetaler totalt, og hvor mye hennes etterlatte eventuelt får utbetalt, er stokastiske størrelser siden de avhenger av hvor gammel hun blir Den årlige premien (prisen) beregnes slik at forventningsverdien til nåverdien av de totale premieinnbetalingene blir lik forventningsverdien til nåverdien av erstatningsutbetalingen
6 Gjenværende levetid for kvinnen Vi innfører følgende stokastiske variabel: X = Kvinnens gjenværende levetid i hele år. X er altså lik kvinnens alder (i hele år) når hun dør fratrukket de 30 år hun allerede har levd. Vi ønsker å bestemme den kumulative fordelingsfunksjonen, F(x) = P(X x), basert på en tabell over ett-årige dødssannsynligheter.
7 Innlesning av data i MATLAB Vi importerer dødlighetstabellen i filen dodelighet.txt ved å klikke knappen Import data: Deretter navigerer vi oss frem til den aktuelle datafilen. Til slutt klikker vi på knappen Import selection:
8 Ett-årige dødssannsynligheter Datafilen inneholder to kolonner med tall: ald og dod. Den første kolonnen inneholder tallene fra 0 år opp til 106 år. Den andre kolonnen inneholder tilhørende ett-årige dødssannsynligheter i promille: ald dod
9 Ett-årige dødssannsynligheter (forts.) Vi betegner de ett-årige dødssannsynlighetene med q 0, q 1,..., q 106. Vi har altså at: q k = P(En k år gammel kvinne dør i løpet før hun blir (k + 1) år). F.eks. finner vi i tabellen at: q 30 = 0.54/1000 = For å beregne vektoren q benytter vi MATLAB-kommandoen: >> qk=dod/1000;
10 Overlevelsessannsynlighet Når vi har funnet q 30, q 31,..., q 106, kan vi beregne sannsynligheten for at den 30 år gamle kvinnen overlever x år: P(X > x) = x (1 q 30+y ). y=0 Vi finner også den kumulative fordelingsfunksjonen til X: F(x) = 1 P(X > x) = 1 x (1 q 30+y ). y=0 I MATLAB kan vi finne F(x) ved å benytte kommandoen: >> Fx=1-cumprod(1-qk(31:107));
11 Plotting av den kumulative fordelingsfunksjonen Legg merke til at Fx(1) = F(0), Fx(2) = F(1), osv. Vi benytter så MATLAB til å lage et plott av den kumulative fordelingsfunksjonen til X: >> stairs(0:76,fx) >> xlabel( Gjenstaaende levetid ) >> title( Kumulativ fordeling )
12 Kumulativ fordeling 1 Kumulativ fordeling Gjenstaaende levetid
13 Beregning av punktsannsynlighet Når vi har den kumulative fordelingsfunksjonen til X, kan vi også finne punktsannsynligheten til X for x = 0, 1,..., 76: p(x) = P(X = x) = P(X x) P(X x 1) = F(x) F(x 1). I MATLAB kan vi få til dette ved å benytte følgende kommando: >> px=fx-[0;fx(1:76)]; Her er Fx en 77 1 kolonnevektor. Det samme blir [0;Fx(1:76)], men her er innholdet fra Fx flyttet ett hakk nedover, og den første koordinaten er satt til 0. Legg merke til at px(1) = p(0), px(2) = p(1), osv.
14 Plotting av punktsannsynligheten Vi benytter MATLAB til å lage et plott av punktsannsynligheten til X: >> bar(0:76,px) >> xlabel( Gjenstaaende levetid ) >> title( Punktsannsynlighet )
15 Punktsannsynlighet Punktsannsynlighet Gjenstaaende levetid
16 Nåverdiberegning Vi regner som nevnt med en fast rente på 3% pr. år. Dette innebærer at nåverdien av B kroner som betales (inn eller ut) om k år blir: NPV (B) = B, k = 0, 1, 2, k Nåverdien av B er altså det beløpet vi må sette i banken idag for at vi skal ha B i banken etter k år, gitt at det beregnes renter og renters rente.
17 Forventet nåverdi av erstatningsutbetalingen HUSK: Hvis kvinnen dør før hun blir 65 år, dvs. hvis X 34, så skal selskapet betale en erstatning på 1 mill. kroner om X år. Hvis kvinnen blir minst 65 år, blir det ingen utbetaling. La h(x) betegne nåverdien av erstatningsbeløpet. Dermed er h(x) gitt av formelen: h(x) = { X for X 34 0 for X 35 Forventet nåverdi av erstatningsbeløpet er: p(x) E[h(X)] = h(x)p(x) = x. x=0 x=0
18 Forventet nåverdi av erstatningsutbetalingen (forts.) I MATLAB kan vi beregne forventet nåverdi av erstatningsbeløp, dvs. E[h(X)] ved å benytte følgende kommando: >> EhX=sum( *px(1:35)./1.03.ˆ(0:34) ); Her betyr./ elementvis divisjon. Dette innebærer at alle elementene i den 35 1 kolonnevektoren px divideres med de tilsvarende elementene i vektoren 1.03.ˆ(0:34). Denne siste vektoren er imidlertid en 1 35 radvektor, så vi må transponere denne til en 35 1 kolonnevektor for å få samsvarende vektorer. Når vi har utført alle divisjonene, summeres alle elementene i den resulterende vektoren og vi finner Ehx = 42798, dvs. tilnærmet kroner.
19 Nåverdi av premieinnbetalingene Vi antar at kvinnen betaler inn en årlig premie på K kroner fra og med sin 30-årsdag og til og med sin 64 årsdag, eller eventuelt til og med hennes siste fødselsdag dersom hun dør før hun fyller 64 år. Vi lar g(x) betegne nåverdien av kvinnens samlede premieinnbetalinger. Dermed er g(x) gitt ved formelen: g(x) = min(x,34) k=0 K 1.03 k = K 1 ( )min(x,34)+1 der vi har benyttet formelen for summen av en endelig geometrisk rekke. Legg merke til at g(x) = g(34), når X 35 siden kvinnen selvsagt ikke betaler inn premie fra og med sin 65 årsdag.,
20 Forventet nåverdi av premieinnbetalingene Vi kan så beregne forventet nåverdi av premieinnbetalingene: 76 E[g(X)] = g(x)p(x) = K x=0 76 x=0 p(x) 34 x=0 ( )x+1 p(x) 76 x=35 ( )34+1 p(x) 1 ( ) = K 1 34 x=0 ( )x+1 p(x) ( )35 P(X 35) 1 ( ) I MATLAB kan vi beregne verdien av brøken, dvs. E[g(X)/K ] som følger: >> EgX= (1-sum((1/1.03).ˆ(1:35).*px(1:35)) -(1/1.03)ˆ35*sum(px(36:77))) /(1-1/1.03);
21 Overskrift Vi finner at EgX, dvs. E[g(X)/K ], blir Premien K finnes til slutt ved å løse ligningen: E[g(X)] = K E[g(X)/K ] = K = E[h(X)] = 42800, Dette gir: K = 42800/21.76 = 1967 kroner.
Løsningsforslag for første obligatoriske oppgave i STK1100 Våren 2007 Av Ingunn Fride Tvete
Løsningsforslag for første obligatoriske oppgave i STK00 Våren 2007 Av Ingunn Fride Tvete NB! Feil kan forekomme. Oppgave T er levetiden for en bestemt type elektronisk komponent, med sannsynlighetstetthet:
DetaljerSTK1100 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 (
DetaljerTMA4240 Statistikk H2010
TMA4240 Statistikk H2010 3.3: Kontinuerlige sannsynlighetsfordelinger 4.1: Matematisk forventing (univariat del) Mette Langaas Foreleses mandag 6. september 2010 2 3.1 Stokastisk variabel (repetisjon)
Detaljer3.1 Stokastisk variabel (repetisjon)
TMA4240 Statistikk H2010 3.3: Kontinuerlige sannsynlighetsfordelinger 4.1: Matematisk forventing (univariat del) Mette Langaas Foreleses mandag 6. september 2010 2 3.1 Stokastisk variabel (repetisjon)
DetaljerForelesning 27. mars, 2017
Forelesning 27. mars, 2017 AVSNITT 5.5 Ordningsobservatorene AVSNITT 6.1 Observatorer og deres fordelinger Ordningsobservatorene La X 1,..., X n være n uavhengige stokastiske variable som alle har samme
DetaljerTMA4240 Statistikk H2015
TMA4240 Statistikk H2015 Kapittel 4: Matematisk forventning [4.1+start 4.3] Quiz kjørt med Kahoot! fra kahoot.it. Mette Langaas wiki.math.ntnu.no/emner/tma4240/2015h/start/ 2 Høyde, kvinner Frequency
DetaljerMidtveiseksamen i STK1100 våren 2017
Midtveiseksamen i STK1100 våren 2017 Denne midtveiseksamenen består av 20 oppgaver. Det er ett riktig svaralternativ for hvert spørsmål. Hvis svaret er oppgitt som et desimaltall, er det rundet av til
DetaljerKapittel 4: Matematisk forventning
Kapittel 4: Matematisk forventning TMA4240 Statistikk (F2 og E7) Multivariate tilfeller foreleses mandag 6.september, 2004 Ole.Petter.Lodoen@math.ntnu.no p.1/16 Forventing til funksjon av flere stokastiske
DetaljerLØSNINGER UKE 6, STK1100. Ekstraoppgave 5 a) Sannsynligheten for at en 75 år gammel kvinne skal bli minst 80 år
LØSNINGER UKE 6, STK1100 Sammendrag. Løsningsforslag for noen av de oppgavene jeg ikke rakk igjennom på plenumen. Originalt skrevet av Ingunn Fride Tvete. Send mail til steffeng@math.uio.no hvis du ser
DetaljerEn innføring i MATLAB for STK1100
En innføring i MATLAB for STK1100 Matematisk institutt Universitetet i Oslo Februar 2017 1 Innledning Formålet med dette notatet er å gi en introduksjon til bruk av MATLAB. Notatet er først og fremst beregnet
DetaljerEksamen S2, Va ren 2013
Eksamen S, Va ren 0 Del Tid: timer Hjelpemidler: Vanlige skrivesaker, passer, linjal med centimetermål og vinkelmåler. Oppgave ( poeng) Deriver funksjonene f x x e a) x x x f x x e x e x x e x e e x x
DetaljerTMA4245 Statistikk Høst 2016
Norges teknisk-naturvitenskapelige universitet Institutt for matematiske fag Anbefalt øving 4 Løsningsskisse Oppgave 1 Mureren La X være mengden mørtel mureren bruker i løpet av en tilfeldig valgt arbeidsdag.
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:
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
DetaljerTMA4245 Statistikk Høst 2016
TMA5 Statistikk Høst 6 Norges teknisk-naturvitenskapelige universitet Institutt for matematiske fag Anbefalt øving Løsningsskisse Oppgave a) Den tilfeldige variabelen X er kontinuerlig fordelt med sannsynlighetstetthet
DetaljerEksamen S2 va ren 2016 løsning
Eksamen S va ren 016 løsning Tid: timer Hjelpemidler: Vanlige skrivesaker, passer, linjal med centimetermål og vinkelmåler. Oppgave 1 (5 poeng) Deriver funksjonene x a) f x e f x e b) gx x x 3 x 4 1 x
DetaljerEksamen REA3028 S2, Våren 2013
Eksamen REA308 S, Våren 013 Del 1 Tid: timer Hjelpemidler: Vanlige skrivesaker, passer, linjal med centimetermål og vinkelmåler. Oppgave 1 (3 poeng) Deriver funksjonene x a) f x x e b) gx x 1 x 3 Oppgave
DetaljerØvingsforelesning i Matlab TDT4105
Øvingsforelesning i Matlab TDT4105 Øving 6. Tema: funksjoner med vektorer, plotting, while Benjamin A. Bjørnseth 12. oktober 2015 2 Oversikt Funksjoner av vektorer Gjennomgang av øving 5 Plotting Preallokering
DetaljerEksamen MAT1015 Matematikk 2P Va ren 2015
Eksamen MAT1015 Matematikk P Va ren 015 Oppgave 1 ( poeng) Dag Temperatur Mandag 4 C Tirsdag 10 C Onsdag 1 C Torsdag 5 C Fredag 6 C Lørdag Tabellen ovenfor viser hvordan temperaturen har variert i løpet
DetaljerTALLSVAR. Det anbefales at de 9 deloppgavene merket med A, B, teller likt uansett variasjon i vanskelighetsgrad. Svarene er gitt i <<< >>>.
1 ECON213: EKSAMEN 217 VÅR - UTSATT PRØVE TALLSVAR. Det anbefales at de 9 deloppgavene merket med A, B, teller likt uansett variasjon i vanskelighetsgrad. Svarene er gitt i
DetaljerLøsningsforslag Eksamen S2, våren 2016 Laget av Tommy Odland Dato: 29. januar 2017
Løsningsforslag Eksamen S, våren 016 Laget av Tommy Odland Dato: 9. januar 017 Del 1 - uten hjelpemidler Oppgave 1 a) Vi skal derivere f(x) = e x. Den generelle regelen er at (e ax ) = ae ax, i vårt tilfelle
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
DetaljerMATLAB for STK1100. Matematisk institutt Univeristetet i Oslo Januar Enkel generering av stokastiske variabler
MATLAB for STK1100 Matematisk institutt Univeristetet i Oslo Januar 2014 1 Enkel generering av stokastiske variabler MATLAB har et stort antall funksjoner for å generere tilfeldige tall. Skriv help stats
DetaljerPlotting av data. Kapittel 6. 6.1 Plott med plot-funksjonen
Kapittel 6 Plotting av data MATLAB har mange muligheter for plotting av data. Vi skal her konsentrere oss om de viktigste funksjonene og kommandoene for 2-dimensjonale plott. Plottefunksjoner listes opp
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
DetaljerTMA4240 Statistikk Høst 2015
TMA4240 Statistikk Høst 2015 Norges teknisk-naturvitenskapelige universitet Institutt for matematiske fag Øving nummer 9, blokk II Oppgave 1 X er kontinuerlig fordelt med sannsynlighetstetthet f(x) = 2xe
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...
DetaljerBootstrapping og simulering
Bootstrapping og simulering Tilleggslitteratur for STK1100 Geir Storvik April 2014 1 Introduksjon Simulering av tilfeldige variable (stokastisk simulering) er et nyttig verktøy innenfor statistikk, men
Detaljer6 x P (X = x) = x=1 = P (X 2 = 6)P (X 2 = 6)P (X 3 = 6) =
Norges teknisk-naturvitenskapelige universitet Institutt for matematiske fag Anbefalte oppgaver 4, blokk I Løsningsskisse Oppgave 1 a) Utfallsrommet til X 1 er {1, 2,, 4, 5, }. Sannsynlighetsfordelingen
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
DetaljerEksamen våren 2015 Løsninger
DEL 1 Uten hjelpemidler Hjelpemidler: vanlige skrivesaker, passer, linjal med centimetermål og vinkelmåler Oppgave 1 For et utvalg der antall observasjoner er et partall, slik som her, er medianen gjennomsnittet
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
DetaljerMAT-1004 Vårsemester 2017 Obligatorisk øving 2
MAT-1004 Vårsemester 2017 Obligatorisk øving 2 Contents 1 OPPGAVE 2 2 OPPGAVE 2 Eksempler 4.1 Oppgave 1............................... 4.2 Oppgave 2............................... 5 4 Formatering av svarene
DetaljerUNIVERSITETET I OSLO
UNIVERSITETET I OSLO Det matematisk-naturvitenskapelige fakultet Eksamen i: Eksamensdag: Onsdag 13. mai 2015. Tid for eksamen: 10.00 14.00. Oppgavesettet er på 6 sider. Vedlegg: Tillatte hjelpemidler:
DetaljerEksempel: kast med to terninger
Kapittel 3 TMA4245 V2007: Eirik Mo 2 Eksempel: kast med to terninger I et eksperiment kaster vi to terninger og registerer antall øyne på hver terning. Utfallsrom S={(,),(,2),(,3),...,(,), (2,),...,(2,),...,(,)}
DetaljerEksamen S2 høsten 2015 løsning
Eksamen S høsten 015 løsning Tid: timer Hjelpemidler: Vanlige skrivesaker, passer, linjal med centimetermål og vinkelmåler. Oppgave 1 (4 poeng) Deriver funksjonene f x x x a) 3 f x 3x g x 3 e x 1 b) 1
DetaljerTMA4240 Statistikk H2010
TMA4240 Statistikk H2010 2.8: Bayes regel 3.1: Stokastisk variabel 3.2: Diskrete sannsynlighetsfordelinger 3.3: Kontinuerlige sannsynlighetsfordelinger Mette Langaas Foreleses onsdag 1. september 2010
DetaljerUNIVERSITETET I OSLO Det matematisk-naturvitenskapelige fakultet
UNIVERSITETET I OSLO Det matematisk-naturvitenskapelige fakultet Eksamen i emnet STK4500 v2009: Finans og forsikring Prosjektoppgave, utlevering onsdag 27. mai kl. 9.00, innleveringsfrist fredag 29. mai
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
DetaljerEksamen S2, Høsten 2013
Eksamen S, Høsten 0 Tid: timer Hjelpemidler: Vanlige skrivesaker, passer, linjal med centimetermål og vinkelmåler. Oppgave (4 poeng) Deriver funksjonene x a) fx f x x x x b) 5 g x 5 x 5 5 5 4 4 g x x x
DetaljerSTK1100 våren Normalfordelingen. Normalfordelingen er den viktigste av alle sannsynlighetsfordelinger
STK00 våren 206 Normalfordelingen Svarer til avsnitt 4.3 i læreboka Geir Storvik Matematisk institutt Universitetet i Oslo Normalfordelingen er den viktigste av alle sannsynlighetsfordelinger Normalfordelingen
DetaljerEksamen S2 va ren 2015 løsning
Eksamen S va ren 05 løsning Tid: timer Hjelpemidler: Vanlige skrivesaker, passer, linjal med centimetermål og vinkelmåler. Oppgave (5 poeng) Deriver funksjonene. a) x f x e x f x e e x b) gx x x x x x
DetaljerTo-dimensjonale kontinuerlige fordelinger
To-dimensjonale kontinuerlige fordelinger Noen resultater for diskrete fordelinger Vi har tidligere definert punktsannsynligheten p(x, y) for en todimensjonal variabel (X, Y ) som p(x, y) = P ({X = x}
DetaljerITGK - H2010, Matlab. Repetisjon
1 ITGK - H2010, Matlab Repetisjon 2 Variabler og tabeller Variabler brukes til å ta vare på/lagre resultater Datamaskinen setter av plass i minne for hver variabel En flyttallsvariabel tar 8 bytes i minne
DetaljerVektorrom. Kapittel 7. Hva kan vi gjøre med vektorer?
Kapittel 7 Vektorrom Vårt mål i dette kapitlet og det neste er å generalisere og abstrahere ideene vi har jobbet med til nå Især skal vi stille spørsmålet Hva er en vektor? Svaret vi skal gi, vil virke
Detaljer1.1.1 Rekke med konstante ledd. En rekke med konstante ledd er gitt som. a n (1) n=m
Formelsamling og tabeller FO020E Matte 2000 for elektroprogrammet 1 Matematikk 1.1 Denisjoner av ulike typer polynomer og rekker 1.1.1 Rekke med konstante ledd En rekke med konstante ledd er gitt som a
DetaljerBootstrapping og simulering Tilleggslitteratur for STK1100
Bootstrapping og simulering Tilleggslitteratur for STK1100 Geir Storvik April 2014 (oppdatert April 2016) 1 Introduksjon Simulering av tilfeldige variable (stokastisk simulering) er et nyttig verktøy innenfor
DetaljerKapittel Oktober Institutt for geofag Universitetet i Oslo. GEO En Introduksjon til MatLab. Kapittel 14.
og Institutt for geofag Universitetet i Oslo 17. Oktober 2012 i MatLab En funksjon vil bruke et gitt antall argumenter og produsere et gitt antall resultater og : Hvorfor Først og fremst bruker vi når
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
DetaljerEksamen MAT1005 Matematikk 2P-Y Va ren 2015
Eksamen MAT1005 Matematikk P-Y Va ren 015 Oppgave 1 ( poeng) Dag Temperatur Mandag 4 C Tirsdag 10 C Onsdag 1 C Torsdag 5 C Fredag 6 C Lørdag Tabellen ovenfor viser hvordan temperaturen har variert i løpet
DetaljerGauss-Jordan eliminasjon; redusert echelonform. Forelesning, TMA4110 Fredag 18/9. Reduserte echelonmatriser. Reduserte echelonmatriser (forts.
Gauss-Jordan eliminasjon; redusert echelonform Forelesning, TMA4110 Fredag 18/9 Martin Wanvik, IMF MartinWanvik@mathntnuno En matrise vil normalt være radekvivalent med flere echelonmatriser; med andre
DetaljerKapittel 3: Stokastiske variable og sannsynlighetsfordelinger
f(x,y) NTNU Kapittel 3: Stokastiske variable og sannsynlighetsfordelinger TMA4240 Statistikk (F2 og E7) 3.4: Foreleses mandag 30.august y=hoyde x=vekt Ole.Petter.Lodoen@math.ntnu.no p.1/18 Oppsummering
DetaljerL12-Dataanalyse. Introduksjon. Nelson Aalen plott. Page 76 of Introduksjon til dataanalyse. Levetider og sensurerte tider
Page 76 of 80 L12-Dataanalyse Introduksjon Introduksjon til dataanalyse Presentasjonen her fokuserer på dataanalyseteknikker med formål å estimere parametere (MTTF,, osv) i modeller vi benytter for vedlikeholdsoptimering
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
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
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
Detaljer8 Vektorrom TMA4110 høsten 2018
8 Vektorrom TMA4 høsten 8 I de foregående kapitlene har vi tatt en lang vandring gjennom den lineære algebraens jungel. Nå skal vi gå opp på en fjelltopp og skue ut over landskapet vi har vandret gjennom.
Detaljerx + y z = 0 2x + y z = 2 4x + y 2z = 1 b) Vis at summen av de n første leddene kan skrives som S n = 3 n(n + 1)
Eksamen S2, våren 2017 Laget av Tommy O. Sist oppdatert: 17. september 2017 Kommentar: Dette er en innskriving av S2 eksamen, basert på scan av dokumentet lastet opp av matematikk.net-bruker Viks. Det
DetaljerLøsningsforslag Eksamen S2, våren 2017 Laget av Tommy O. Sist oppdatert: 25. mai 2017
Løsningsforslag Eksamen S, våren 17 Laget av Tommy O. Sist oppdatert: 5. mai 17 Del 1 - uten hjelpemidler Oppgave 1 a) Vi skal derivere f(x) = x /x = x x 1. Den eneste regelen vi trenger her er (kx n )
DetaljerTall, vektorer og matriser
Tall, vektorer og matriser Kompendium: MATLAB intro Tallformat Komplekse tall Matriser, vektorer og skalarer BoP(oS) modul 1 del 2-1 Oversikt Tallformat Matriser og vektorer Begreper Bruksområder Typer
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
DetaljerLøsningsforslag Eksamen S2, høsten 2016 Laget av Tommy Odland Dato: 27. januar 2017
Løsningsforslag Eksamen S, høsten 016 Laget av Tommy Odland Dato: 7. januar 017 Del 1 - uten hjelpemidler Oppgave 1 a) Vi skal derivere f(x) = x 3 5x, og vi kommer til å få bruk for reglene (ax n ) = anx
DetaljerForsikringsvilkår i Danica Pensjon
Vilkår IPA Innhold Melde fra om et forsikringstilfelle - Dette gjør du når et forsikringstilfelle skal meldes Dekninger - Alderspensjon Innbetaling, utbetaling og omkostninger - Betaling av innskudd og/eller
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
DetaljerForelesning 3. april, 2017
Forelesning 3. april, 2017 APPENDIX TIL KAP. 6 Sentralgrenseteoremet AVSNITT 6.3 Anvendelser av sentralgrenseteoremet Histogrammer S-kurver Q-Q-plot Diverse eksempler MGF for følger av uavhengige identisk
DetaljerFORMELSAMLING TIL STK1100 OG STK1110
FORMELSAMLING TIL STK1100 OG STK1110 (Versjon av 11. november 2017) 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
Detaljer4.4 Koordinatsystemer
4.4 Koordinatsystemer Minner om at B = { b 1, b 2,..., b n } V kalles en basis for et vektorrom V dersom B er lineært uavhengig og B utspenner V. I samme vektorrom kan vi innføre ulike koordinatsystemer
DetaljerA. i) Sett opp en frekvenstabell over de fire mulige kombinasjonene av kjønn og røykestatus. Dvs. fyll inn. Ikke - røyker Sum Jente Gutt Sum 25
1 ECON21: ESAEN 215v SENSORVEILEDNING. Det anbefales at de 9 deloppgavene merket med A, B, teller likt uansett variasjon i vanskelighetsgrad. Svarene er gitt i > Grensen til bestått bør ligge på ca
DetaljerStokastisk variabel. Eksempel augefarge
Dagens tekst Kap 3: Stokastiske variable og sannsynsfordelingar Stokastisk variabel: Diskret sannsynsfordeling: Kontinuerleg sannsynsfordeling: Kummulativ sannsynsfordeling: Diskret simultanfordeling Kontinuerleg
DetaljerHydrostatikk/Stabilitet enkle fall
Avdeling for Ingeniørutdanning Institutt for Maskin- og Marinfag Øving 1 Hydrostatikk/Stabilitet enkle fall Oppgave 1 Et kasseformet legeme med følgende hoveddimensjoner: L = 24 m B = 5 m D = 5 m flyter
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
DetaljerLøsningsforslag Eksamen S2, høsten 2015 Laget av Tommy O. Sist oppdatert: 25. mai 2017
Løsningsforslag Eksamen S2, høsten 215 Laget av Tommy O. Sist oppdatert: 25. mai 217 Del 1 - uten hjelpemidler Oppgave 1 a) Vi skal derivere funksjonen f(x) = x 3 + 2x. Formelen vi må bruke er (x n ) =
DetaljerMatriser. Kapittel 4. Definisjoner og notasjon
Kapittel Matriser Vi har lært å løse et lineært ligningssystem ved å sette opp totalmatrisen til systemet gausseliminere den ved hjelp av radoperasjoner på matrisen Vi skal nå se nærmere på egenskaper
DetaljerMatematikk Øvingsoppgaver i numerikk leksjon 2 Funksjoner og plotting
Matematikk 1000 Øvingsoppgaver i numerikk leksjon 2 Funksjoner og plotting I denne øvinga skal vi først og fremst lære oss å lage plott i MATLAB. I tillegg skal vi lære oss hvordan vi manøvrerer oss omkring
DetaljerForelesning 7. mars, 2017
Forelesning 7. mars, 2017 AVSNITT 5.1 Eksempel: Miljøkonturer AVSNITT 5.2 Forventningen til en funksjon av flere variable Kovariansen mellom to variable Eksempel: Miljøkonturer Miljøvariable som karakteriserer
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
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
DetaljerDEL 1 Uten hjelpemidler
DEL 1 Uten hjelpemidler Oppgave 1 ( poeng) Dag Temperatur Mandag 4 ºC Tirsdag 10 ºC Onsdag 1 ºC Torsdag 5 ºC Fredag 6 ºC Lørdag Tabellen ovenfor viser hvordan temperaturen har variert i løpet av noen dager.
Detaljerb) i) Finn sannsynligheten for at nøyaktig 2 av 120 slike firmaer går konkurs.
Eksamen i: MET 040 Statistikk for økonomer Eksamensdag: 31 Mai 2007 Tid for eksamen: 09.00-13.00 Oppgavesettet er på 4 sider. Tillatte hjelpemidler: Alle trykte eller egenskrevne hjelpemidler og kalkulator.
DetaljerProsjektanalyse ITD20106: Statestikk og Økonomi
Prosjektanalyse ITD2006: Statestikk og Økonomi Kapittel Prosjektanalyse Vi skal se på lønnsomhet av investeringsprosjekter. I Investeringsanalysen studerer vi: Realinvesteringer (maskiner, bygninger, osv.)
DetaljerPersonforsikringer. Å bli ufør er en strek i regninga
Personforsikringer Å bli ufør er en strek i regninga LOfavør personforsikringer brosjyre A5.indd 1 15.09.11 10.31 Økonomisk trygghet når det virkelig gjelder Mange kan få seg en ubehagelig overraskelse
DetaljerTMA4240 Statistikk 2014
Norges teknisk-naturvitenskapelige universitet Institutt for matematiske fag Øving nummer 5, blokk I Løsningsskisse Oppgave 1 X og Y er uavhengige Poisson-fordelte stokastiske variable, X p(x;5 og Y p(y;1.
DetaljerUNIVERSITETET I OSLO
UNIVERSITETET I OSLO Det matematisk-naturvitenskapelige fakultet Eksamen i: Eksamensdag: Torsdag 2. juni 24 Tid for eksamen: 4.3 8.3 Oppgavesettet er på 5 sider. Vedlegg: Tillatte hjelpemidler: STK429
DetaljerNåverdi og pengenes tidsverdi
Nåverdi og pengenes tidsverdi Arne Rogde Gramstad Universitetet i Oslo 18. oktober 2015 Versjon 2.0 Ta kontakt hvis du finner uklarheter eller feil: a.r.gramstad@econ.uio.no 1 Innledning Anta at du har
DetaljerUNIVERSITETET I OSLO
UNIVERSITETET I OSLO Det matematisk-naturvitenskapelige fakultet Deleksamen i: STK Sannsynlighetsregning og statistisk modellering Eksamensdag: Mandag 4. mars 26 Tid for eksamen: 5. 7. Oppgavesettet er
DetaljerØving 2 Matrisealgebra
Øving Matrisealgebra Gå til menyen Edit Preferences... og sett Format type of new output cells til TraditionalForm hvis det ikke allerede er gjort. Start med to eksempelmatriser med samme dimensjon: In[]:=
DetaljerLØSNINGSFORSLAG EKSAMEN MA1202/MA6202 VÅR 2010
LØSNINGSFORSLAG EKSAMEN MA/MA6 VÅR Oppgave. a Radredusering gir A 4 6 5 R, og siden R har to ledende variabler så får vi ranka. Siden A har re kolonner gir dimensjonsteoremet for matriser at nullitya 4
DetaljerØvingsforelesning i Matlab TDT4105
Øvingsforelesning i Matlab TDT4105 Øving 6. Tema: funksjoner med vektorer, plotting, preallokering, funksjonsvariabler, persistente variabler Benjamin A. Bjørnseth 13. oktober 2015 2 Oversikt Funksjoner
DetaljerBootstrapping og stokatisk simulering Tilleggslitteratur for STK1100
Bootstrapping og stokatisk simulering Tilleggslitteratur for STK1100 Geir Storvik April 014 1 Introduksjon Simulering av tilfeldige variable (stokastisk simulering) er et nyttig verktøy innenfor statistikk
Detaljer4 Matriser TMA4110 høsten 2018
Matriser TMA høsten 8 Nå har vi fått erfaring med å bruke matriser i et par forskjellige sammenhenger Vi har lært å løse et lineært likningssystem ved å sette opp totalmatrisen til systemet og gausseliminere
DetaljerTMA4240 Statistikk H2015
TMA4240 Statistikk H2015 Funksjoner av stokastiske variabler (kapittel 7+notat) Fokus på start med kumulativ fordeling 7.2 Funksjon av en SV (inkludert en-entydighet). Fordeling til max/min (fra notat).
DetaljerP(x, y) ) x. Dette er sirkellikningen. Et punkt P(x, y) ligger på denne sirkelen hvis og bare hvis koordinatene passer i likningen.
5.9 Sirkellikningen Fra kapittel 4.3 vet vi at sirkelen er det geometriske stedet for de punktene som har en bestemt avstand r fra et fast punkt S. Avstanden r kaller vi radien, og punktet S kaller vi
DetaljerTMA4245 Statistikk Eksamen august 2014
TMA4245 Statistikk Eksamen august 2014 Norges teknisk-naturvitenskapelige universitet Institutt for matematiske fag Oppgave 1 En bedrift produserer en type medisin i pulverform Medisinen selges på flasker
DetaljerTMA4123M regnet oppgavene 2 7, mens TMA4125N regnet oppgavene 1 6. s 2 Y + Y = (s 2 + 1)Y = 1 s 2 (1 e s ) e s = 1 s s2 s 2 e s.
NTNU Institutt for matematiske fag TMA43/5 Matematikk 4M/N, 8 august, Løsningsforslag TMA43M regnet oppgavene 7, mens TMA45N regnet oppgavene 6 a) Andre forskyvningsteorem side 35 i læreboken) gir at der
DetaljerEksamen S2 va r 2017 løsning
Eksamen S va r 017 løsning Tid: timer Hjelpemidler: Vanlige skrivesaker, passer, linjal med centimetermål og vinkelmåler. Oppgave 1 (5 poeng) Deriver funksjonene a) f 1 f b) g ln 1 g h 1 e c) h e e e Oppgave
DetaljerSTK1100 våren Generell introduksjon. Omhandler delvis stoffet i avsnitt 1.1 i læreboka (resten av kapittel 1 blir gjennomgått ved behov)
STK1100 våren 2017 Generell introduksjon Omhandler delvis stoffet i avsnitt 1.1 i læreboka (resten av kapittel 1 blir gjennomgått ved behov) Ørnulf Borgan Matematisk institutt Universitetet i Oslo 1 «Overalt»
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,
Detaljer1. Finn egenverdiene og egenvektorene til matrisen A = 2 1 A =
Fasit MAT102 juni 2017 Oppgave 1 1. Finn egenverdiene og egenvektorene til matrisen ( ) 1 2 A = 2 1 Løsning: Egenverdiene er røttene til det karakteristiske polynom gitt ved determinanten av matrisen (
DetaljerEksamensoppgave i TMA4245 Statistikk
Institutt for matematiske fag Eksamensoppgave i TMA4245 Statistikk Faglig kontakt under eksamen: Håkon Tjelmeland Tlf: 48 22 18 96 Eksamensdato:??. august 2014 Eksamenstid (fra til): 09:00 13:00 Hjelpemiddelkode/Tillatte
Detaljer