TMA4245 Statistikk Eksamen mai 2016

Like dokumenter
TMA4245 Statistikk Eksamen august 2014

TMA4245 Statistikk Eksamen 21. mai 2013

TMA4240 Statistikk Høst 2016

Oppgave 1 Det er oppgitt i oppgaveteksten at estimatoren er forventningsrett, så vi vet allerede at E(ˆµ) = µ. Variansen til ˆµ er 2 2 ( )

Løsningsforslag Eksamen i Statistikk Nov 2001 Oppgave 1 a) Det fins 8 mulige kombinasjoner. Disse finnes ved å utelate ett og ett tall.

Løsningsforslag (ST1201/ST , kontinuasjonseksamen) ln L. X i = 2n.

Forelesning 19 og 20 Regresjon og korrelasjons (II)

Regler om normalfordelingen

STK1100 våren Konfidensintevaller

Regler om normalfordelingen

Econ 2130 uke 19 (HG) Inferens i enkel regresjon og diskrete modeller

STK1100 våren Estimering. Politisk meningsmåling. Svarer til sidene i læreboka. The German tank problem. Måling av lungefunksjon

Regler om normalfordelingen

1. Konfidens intervall for

Om enkel lineær regresjon II

Løsningskisse seminaroppgaver uke 17 ( april)

STK1110 høsten Lineær regresjon. Svarer til avsnittene i læreboka (med unntak av stoffet om logistisk regresjon)

Oversikt over tester i Econ 2130

Om enkel lineær regresjon II

Det ble orientert i plenum under eksamensdagen om følgende endringer i forhold til oppgaven:

OBLIGATORISK OPPGAVE 1 INF 3340/4340/9340 HØSTEN 2005

Om enkel lineær regresjon II

Econ 2130 uke 15 (HG)

Oversikt over tester i Econ 2130

TMA4240/4245 Statistikk Eksamen august 2016

ÅMA110 Sannsynlighetsregning med statistikk, våren Estimering. Målemodellen. Sannsynlighetsregning med statistikk

TMA4245 Statistikk Eksamen mai 2017

ÅMA110 Sannsynlighetsregning med statistikk, våren Estimering. Målemodellen. Estimering. Målemodellen. Kp. 5 Estimering. Målemodellen.

Forelesning Ordnings observatorer

Analyse av sammenhenger

som vi ønsker å si noe om basert på data Eksempel. Uid-modellen: X1, X ,,,

Forelesning Enveis ANOVA

Det anbefales at de 9 deloppgavene merket med A, B, teller likt uansett variasjon i vanskelighetsgrad. Svarene er gitt i << >>.

Avdeling for estetiske fag, folkekultur og lærerutdanning BOKMÅL 29. mai 2007

Notat 1: Grunnleggende statistikk og introduksjon til økonometri

Statistikk med anvendelse i økonomi

Forelesning 25 og 26 Introduksjon til Bayesiansk statistikk

Mer om Hypotesetesting (kap 5) Student t-fordelingen. Eksamen. Fordelingene blir like ved stor n:

Avdeling for estetiske fag, folkekultur og lærerutdanning BOKMÅL

ÅMA110 Sannsynlighetsregning med statistikk, våren 2007

EKSAMEN løsningsforslag

Seminaroppgaver for uke 13

Seminaroppgaver for uke 13 (Oppgave (1), (2), og (3))

Oversikt over konfidensintervall i Econ 2130

Forelesning Punktestimering

Forelesning 21 og 22 Goodness of fit test and contingency table ( 2 test og krysstabell)

Forelesning 3 MET3592 Økonometri ved David Kreiberg Vår 2011

Formler og regler i statistikk ifølge lærebok Gunnar Løvås: Statistikk for universiteter og høgskoler

TALLSVAR. Det anbefales at de 9 deloppgavene merket med A, B, teller likt uansett variasjon i vanskelighetsgrad. Svarene er gitt i << >>.

Eksempel 1 - Er gjennomsnittshøyden for kvinner i Norge økende?

H 1 : µ 1 µ 2 > 0. t = ( x 1 x 2 ) (µ 1 µ 2 ) s p. s 2 p = s2 1 (n 1 1) + s 2 2 (n 2 1) n 1 + n 2 2

X = 1 5. X i, i=1. som vil være normalfordelt med forventningsverdi E( X) = µ og varians Var( X) = σ 2 /5. En rimelig estimator for variansen er

TMA4240 Statistikk Høst 2015

LØSNINGSFORSLAG TILEKSAMEN I FAG TMA4240/TMA4245 STATISTIKK 10. august 2005

TMA4240 Statistikk Høst 2016

Oppgave 1 ECON 2130 EKSAMEN 2011 VÅR

) = P(Z > 0.555) = > ) = P(Z > 2.22) = 0.013

Oversikt over tester i Econ 2130

TMA4240 Statistikk 2014

Hypotesetesting, del 4

TMA4240 Statistikk Eksamen desember 2015

5 y y! e 5 = = y=0 P (Y < 5) = P (Y 4) = 0.44,

ÅMA110 Sannsynlighetsregning med statistikk, våren 2010 Kp. 6, del 4

Forelesning 2 MET3592 Økonometri ved David Kreiberg Vår 2011

f(x)dx = F(x) = f(u)du. 1 (4u + 1) du = 3 0 for x < 0, 2 + for x [0,1], 1 for x > 1. = 1 F 4 = P ( X > 1 2 X > 1 ) 4 X > 1 ) =

TMA4245 Statistikk Eksamen august 2015

Positive rekker. Forelest: 3. Sept, 2004

Makroøkonomi - B1. Innledning. Begrep. B. Makroøkonomi. Mundells trilemma går ut på følgende:

Oppgave 1 a) Minste kvadraters metode tilpasser en linje til punktene ved å velge den linja som minimerer kvadratsummen. x i (y i α βx i ) = 0, SSE =

ST1201 Statistiske metoder

Oppgaver fra boka: Med lik men ukjent varians antatt har vi fra pensum at. t n1 +n 2 2 under H 0 (12 1) (12 1)

X ijk = µ+α i +β j +γ ij +ǫ ijk ; k = 1,2; j = 1,2,3; i = 1,2,3; i=1 γ ij = 3. i=1 α i = 3. j=1 β j = 3. j=1 γ ij = 0.

(ii) Anta vi vet om en observasjon av X at den ikke er større enn 5. Hva er da sannsynligheten for at den er lik 5? (Hint: Finn PX ( = 5 X 5) ).

ÅMA110 Sannsynlighetsregning med statistikk, våren 2008 Kp. 6, del 5

UNIVERSITETET I OSLO ØKONOMISK INSTITUTT. Innleveringssted: Ekspedisjonen i 12. etasje (mellom ) OG Fronter (innen klokken 15).

TMA4240 Statistikk Høst 2009

Econ 2130 uke 13 (HG)

Kap. 9: Inferens om én populasjon. Egenskaper ved t-fordelingen. ST0202 Statistikk for samfunnsvitere. I Kapittel 8 brukte vi observatoren

TALLSVAR. Det anbefales at de 9 deloppgavene merket med A, B, teller likt uansett variasjon i vanskelighetsgrad. Svarene er gitt i <<< >>>.

Løsningsforsalg til første sett med obligatoriske oppgaver i STK1110 høsten 2018

Introduksjon til økonometri, kap 8, 9.1 og 9.2. Hva er formålet med økonometri? Utvalgskorrelasjoner To-variabel regresjoner

Seleksjon og uttak av alderspensjon fra Folketrygden

ÅMA110 Sannsynlighetsregning med statistikk, våren 2007 Kp. 6, del 4. Hypotesetesting, del 4

Estimering 1 -Punktestimering

Illustrasjon av regel 5.19 om sentralgrenseteoremet og litt om heltallskorreksjon (som i eksempel 5.18).

Appendiks 1: Organisering av Riksdagsdata i SPSS. Sannerstedt- og Sjölins data er klargjort for logitanalyse i SPSS filen på følgende måte:

TMA4300 Mod. stat. metoder

Repetisjon; 9.1, 9.2, 9.3, 9.4, 9.5, og Repetisjon; 9.1, 9.2, 9.3, 9.4, 9.5, og 9.10

Statistikk og økonomi, våren 2017

211.7% 2.2% 53.0% 160.5% 30.8% 46.8% 17.2% 11.3% 38.7% 0.8%

HØGSKOLEN I SØR-TRØNDELAG Avdeling for teknologi

MOT310 Statistiske metoder 1, høsten 2011

ST1201 Statistiske metoder

Estimering 1 -Punktestimering

Oppgaven består av 9 delspørsmål som anbefales å veie like mye, Kommentarer og tallsvar er skrevet inn mellom <<, >>, Oppgave 1

TMA4265 Stokastiske prosesser

STK desember 2007

(iii) Når 5 er blitt trukket ut, er det tre igjen som kan blir trukket ut til den siste plassen, altså:

TMA4245 Statistikk Vår 2015

Transkript:

Norges teksk-aturvteskapelge uverstet Isttutt for matematske fag Løsgssksse Oppgave a) Lar X være kvadratprse. Har da at X N(µ, σ 2 ), med µ 30 og σ 2 2, 5 2. P (X < 30) P (X < µ) 0.5 ( X 30 P (X > 25) P (X < 25) P < 2.5 Φ( 2) 0.0228 0.9772 ) 25 30 2.5 P (X > 25 X < 30) P (X < 30) P (X < 25) P (X < 30) P (X > 25 X < 30) P (X < 30) 0.5 0.0228 0.5 0.9544 b) Gustav ser på 40 kvm med kvadratprs X G : Prs Y G 40X G. Margrethe ser på 50 kvm med kvadratprs X M : Prs Y M 50X M. Prsforskjelle D Y M Y G 40X G 50X M. Da D er e leær kombasjo av uavhegge ormalfordelte stokastske varable, så er D ormalfordelt med E(D) E(40X G 50X M ) 40E(X G ) 50E(X M ) 0 30 300 Altså er Var(D) Var(40X G 50X M ) 40 2 Var(X G ) + 50 2 Var(X M ) 400 2.5 2 P (D < 0) P ( D 300 40002.5 < 0 300 4002.5 ) Φ(.87) 0.0307 Sasylghete for at lelghete Margrethe vurderer er bllgast er på 3.07 %. eksma6-lsf-b 9. august 206 Sde

c) Øsker å fe et 95% kofdestervall for µ basert på data x, x 2,..., x, der 5. Har at X er uavhegge og ormalfordelte med ukjet µ og σ 2. Ka altså bruke T - observator: T X µ S/ t, T er studet-t fordelt med 4 frhetsgrader. Har dermed P ( t α/2, < T < t α/2, ) α Setter for T, løser hver ulkhet med hesy på µ og setter så samme gje, P ( t α/2, < X ) µ S/ < t α/2, α P ( X tα/2, S/ < µ < X + t α/2, S/ ) α Kofdestervallet blr dermed ( X tα/2, S/, X + t α/2, S/ ). Med 5, t 0.025,4 2.45, x 32 og s 2 /( ) 5 (x x) 2 /4 74. blr 95 % kofdestervallet (30.7, 33.3). Oppgave 2 a) Fra hstogramme fgur ser v at fordelge tl X (sa gjeomstrømmg) ser ut tl å være symmetrsk om 5, og har dermed forvetgsverd på 5. Vdere ser X ut tl å kue være ormalfordelt (eller ær ormalfordelt). Da skal ca 95% av obserbasjoe lgge efor forvetgsverde +/- 2 (.96) stadardavvk. Dermed ser stadardavvket ut tl å være 2. Dersom v fgur 2 ser på sesormålte verder (y) for sa gjeomstrømmg lk (omlag) x6, ser v at de er symmetrsk om y6, altså er forvetgsverde E(Y X 6) 6. Vdere så ser mesteparte av y-ee er mellom 4 og 8, og det betga stadardavvket ser dermed ut tl å være. Det er e postv samvarasjo mellom x og y (år x øker så øker y), og v har dermed e postv korrelasjo (og kovaras). b) De tega lja y x ser ut tl å være de beste lære tlpassga, og estmatee blr (ca) a 0 og b. Tlpassa modell blr dermed ŷ x x, og for x 4 blr ŷ 4 V har to hovedatakelser: ) Forvetge tl Y er leær x, og 2) Støyleddee er uavhegg detsk ormalfordelt. Aatakelse ) er OK (observasjoee for y ser ut tl å være setert om e rett lje), ag 2) så ser støyleddee ut tl å kue være både ormalfordelt (symmetrske om lja) og uavhege, me varase (σ 2 ɛ ) ser ut tl å øke med x. eksma6-lsf-b 9. august 206 Sde 2

Oppgave 3 a) X er possofordelt med forvetg µ t 0. Ved å sette oppgtt formel for puktsasylghet får ma da at Dessute får v at P (X 8) 08 8! e 0 0.26. P (X 8) P (X < 8) P (X 7) 0.2202 0.7798, der v de sste overgage har beyttet tabell over possofordelg med µ 0 formelsamlga. Ved gje å beytte tabell over possofordelg får v P (8 X 2) P (X 2) P (X < 8) P (X 2) P (X 7) 0.796 0.2202 0.574. b) For å bestemme hvlke av de tre foreslåtte estmatoree som er å foretrekke må v først fe ut hvlke som er forvetgsrette. Fra oppgtt formel for E[ vet v allerede at er forvegsrett. Ved å beytte regeregler for forvetgsverd og at E[X følger det at [ [ E[ E X E X E [X og [ E [ E X ( + 2 + 5 + + 5) 2.8 5 E [ X E [ X. E[X V ser følgelg at er forvetgsskjev, mes og er forvetgsrette. Sde v foretrekker at e estmator er forvetgsrett vet v dermed at v foretrekker eller. V foretrekker de av dsse to som har mst varas. Ved å beytte oppgtt formel for varase tl får v Var[ 0.074, + 2 + 5 + + 5 og ved å beytte regeregler for varas for uavhegge stokastske varabler og at Var[X får v [ [ X Var [ Var t 2 Var X [ X t 2 Var t eksma6-lsf-b 9. august 206 Sde 3

2 Var[X t 2 2 2 t 2 t ( 5 2 + 2 + 5 + + ) 0.6. 5 V ser dermed at av de to forvetgsrette estmatoree er det som har mst varas slk at av de tre foreslåtte estmatoree fortrekker v. c) Rmelghetsfuksjoe for blr L() f(x, x 2,..., x ; ) [ (t ) x x! e Ved å beytte regeregler for l får v dermed at log-rmelgelghetsfuksjoe blr gtt ved l() l L() [x l( ) l(x ) x l( ) l(x!). For å fe for hvlke verd av dee fuksjoe har stt maksmum fer v de derverte og krever at dee er lk ull, l () x 0 x 0 x Sasylghetsmaksmergsestmatore for blr følgelg X t. d) V øsker å bestemme om det er grulag for å påstå at besøkstestete for større for SeMeg e for kokurrete. Følgelg må v som H velge at > 0. V må dermed teste H 0 : 0 mot H : > 0. For å kostruere e testobservator beytter v, som oppgt oppgavetekste, at er tlærmet ormalfordelt. Dermed vl E[ Var[ (3.) være tlærmet stadard ormalfordelt. V får vår testobservator ved å erstatte med verde tl år H 0 er rktg, Z 0 0. eksma6-lsf-b 9. august 206 Sde 4

som altså er tlærmet stadard ormalfordelt år H 0 er rktg. TMA4245 Statstkk For å rege ut p-verde treger v først å rege ut observert verd for testobservatore og å bestemme et forkastgskrterum. Dersom er stor (dvs H rktg) vl tedere tl å blr stor, og dermed vl da også Z tedere tl å bl stor. Det er dermed rmelg å forkaste H 0 dersom Z er stor. Forkastgskrteret blr dermed på forme at v skal forkaste H 0 dersom Z k. Isatt observerte verder får v at x 8 + 20 + 48 + 0 + 62 + 2 + 5 + + 5 Observert verd av testobservatore blr dermed Dette gr at p-verde blr z obs 0.574 0 0 +2+5++5 0.676. 0.574. p P (Z z obs H 0 ) P (Z 0.676 H 0 ) P (Z < 0.676 H 0 ) P (Z 0.676 H 0 ) Φ(0.676) 0.757 0.2483. Dette betyr at dersom H 0 er rktg og ma gjetar et slkt forsøk gjetatte gager, vl ma observere det ma her har observert eller oe mer ekstremt såpass ofte som crka e av fre gager. Det v har observert er altså kke e urmelg verd selv om H 0 er rktg og det er helt klarkke grulag for å forkaste H 0. Det er dermed kke grulag for å påstå at besøkstestete for SeMeg er større e for kokurrete. e) Bestemmer først krtsk verd k år α 0.05. Det geerelle kravet er som stuasjoe dee oppgave blr at P (Forkast H 0 H 0 rktg) α 0.05, P (Z k H 0 rktg) 0.05. Ved å beytte at Z er (tlærmet) stadard ormalfordelt år H 0 er rktg fer v fra tabell over stadard ormalfordelge at k z 0.05.645. Spørmåle oppgave ka matematsk formuleres som at v øsker å fe slk at P (Forkast H 0 ) 0.9. Starter med å sette forkastgskrtere stuasjoe v betrakter og setter uttrykket v har for Z, P (Z.645 ) 0.9, eksma6-lsf-b 9. august 206 Sde 5

P 0 0.645 0.9. TMA4245 Statstkk For å kue beytte tabell over stadard ormalfordelg omskrver v dee lgge slk at de eholder de stadard ormalfordelte varabele gt (3.), ( ) 0 P 0 +.645 0.9, P 0 +.645 0 t 0.9. Ved å llustrere kravet over ved å tege opp sasylghetstetthete tl e stadard ormalfordelt varabel ser v da at kravet blr 0 +.645 0 t Løser dee ulkhete ved først å løse de tlsvarede lgge 0 +.645 0 t z 0.9 z 0.0.282. (3.2).282, 0 0 +.645 t.282 t, V setter så tall for 0 og, og skrver lgge som e adregradslgg for, ( ) ) 2.282 0 (0 +.645 0. 4 4 Dee adregradslgge har to løsger, 3.2080 og 3.5506. Sde må være postv er det ku de postve løsge som er av teresse for oss, så lgge har løsg 3.5506 3.5506 2 2.6068. Ved å sjekke ulkhetskravet (3.2) for e vlkårlg verd av mdre e 2.6068 og evetuelt e vlkårlg verd større e 2.6068 får ma at ulkhete er oppfylt dersom 2.6068. eksma6-lsf-b 9. august 206 Sde 6