EKSAMEN I ST2101 STOKASTISK MODELLERING OG SIMULERING Onsdag 1. juni 2005 Tid: 09:00 14:00

Like dokumenter
EKSAMEN I EMNE TMA4265/SIF5072 STOKASTISKE PROSESSER Onsdag 10. august 2005 Tid: 09:00 13:00

EKSAMEN I EMNE SIF5072 STOKASTISKE PROSESSER Onsdag 31. juli 2002 Tid: 09:00 14:00

EKSAMEN I ST2101 STOKASTISK MODELLERING OG SIMULERING Onsdag 1. juni 2005 Tid: 09:00 14:00

EKSAMEN I EMNE SIF5072 STOKASTISKE PROSESSER Lørdag 16. august 2003 Tid: 09:00 14:00

TMA4265 Stokastiske prosesser

TMA4265 Stokastiske prosesser

TMA4265 Stokastiske prosesser ST2101 Stokastisk simulering og modellering

TMA4265 Stokastiske prosessar

TMA4265 Stokastiske prosessar

SIF5072 Stokastiske prosesser Side 2 av 7 Gitt at en pasient er symptomfri ved tidspunkt t, hva er sannsynligheten for at han er symptomfri i hele per

ST2101 Stokastisk modellering og simulering

Eksamensoppgave i TMA4265 Stokastiske prosesser

Eksamensoppgave i TMA4265 Stokastiske Prosesser

Eksamensoppgave i ST1201/ST6201 Statistiske metoder

EKSAMEN I TMA4285 TIDSREKKEMODELLER Fredag 7. desember 2012 Tid: 09:00 13:00

Eksamensoppgave i ST1201/ST6201 Statistiske metoder

FORELESNING I STK1130

Eksamensoppgave i TMA4240 / TMA4245 Statistikk

Eksamensoppgave i TMA4240 Statistikk

Eksamensoppgave i TMA4245 Statistikk

Eksamensoppgave i TMA4240 Statistikk

TMA4265 Stokastiske prosesser

UNIVERSITETET I OSLO

EKSAMEN I TMA4240 Statistikk

EKSAMEN I EMNE TMA4315 GENERALISERTE LINEÆRE MODELLER

Bernoulli forsøksrekke og binomisk fordeling

SIF5072 Stokastske prosesser Sde 2 av 6 b) Hva vl det s at en Markov-kjede er rredusbel? Er Markov-kjeden fx n g denne oppgaven rredusbel? Er den aper

Eksamensoppgave i ST1201/ST6201 Statistiske metoder

Eksamensoppgave i TMA4110/TMA4115 Calculus 3

EKSAMEN I TMA4285 TIDSREKKJEMODELLAR Fredag 7. desember 2012 Tid: 09:00 13:00

Eksamensoppgave i ST0103 Brukerkurs i statistikk

Oppfriskning av blokk 1 i TMA4240

TMA4240 Statistikk Høst 2008

Eksamensoppgave i ST0103 Brukerkurs i statistikk

Eksamensoppgave i Løsningsskisse TMA4240 Statistikk

STK1100 våren Kontinuerlige stokastiske variabler Forventning og varians Momentgenererende funksjoner

TMA4245 Statistikk Eksamen desember 2016

Eksamensoppgåve i TMA4245 Statistikk

Eksamensoppgåve i TMA4240 / TMA4245 Statistikk

TMA4240 Statistikk Høst 2015

EKSAMEN I FAG 75510/75515 STATISTIKK 1 Tirsdag 20. mai 1997 Tid: 09:00 14:00

Eksamensoppgave i ST1201/ST6201 Statistiske metoder

Binomisk sannsynlighetsfunksjon

Eksamensoppgåve i ST1201/ST6201 Statistiske metoder

UNIVERSITETET I OSLO

Eksamensoppgave i TMA4240 Statistikk

Forelesing 27 Oppsummering. Torstein Fjeldstad Institutt for matematiske fag, NTNU

Eksamensoppgåve i TMA4240 Statistikk

Kap. 6, Kontinuerlege Sannsynsfordelingar

UNIVERSITETET I OSLO

EKSAMEN I TMA4245 Statistikk

EKSAMEN I NUMERISK LØSNING AV DIFFERENSIALLIGNINGER MED DIFFERANSEMETODER (TMA4212)

EKSAMEN I TMA4245 STATISTIKK Tysdag 21. mai 2013 Tid: 09:00 13:00 (Korrigert )

EKSAMEN I EMNE TMA4245 STATISTIKK

TMA4240 Statistikk H2015

EKSAMEN I TMA4110 MATEMATIKK 3 Bokmål Mandag 6. juni 2011 løsningsforslag

TMA4240 Statistikk Høst 2009

EKSAMEN I EMNE TTM4110 PÅLITELIGHET OG YTELSE MED SIMULERING LØSNINGSFORSLAG. Mandag 14. desember 2005 Tid: 09:00 13:00

A) B) 400 C) 120 D) 60 E) 10. Rett svar: C. Fasit: ( 5 6 = 60. Hvis A, B, C er en partisjon av utfallsrommet S, så er P (A B) lik.

EKSAMEN I EMNE TMA4245 STATISTIKK

TMA4240 Statistikk H2010

Eksamensoppgåve i ST1201/ST6201 Statistiske metoder

Poissonprosesser og levetidsfordelinger

Kontinuerlige sannsynlighetsfordelinger.

Høgskolen i Telemark. Institutt for økonomi og informatikk FORMELSAMLING Statistikk I. Til bruk ved eksamen. Per Chr. Hagen

Kap. 6, Kontinuerlege Sannsynsfordelingar

Kap. 6, Kontinuerlege Sannsynsfordelingar

EKSAMEN I FAG TMA4240/TMA4245 STATISTIKK Lørdag 10. august 2013

TMA4240 Statistikk H2010

3.1 Stokastisk variabel (repetisjon)

FORMELSAMLING TIL STK1100 OG STK1110

ÅMA110 Sannsynlighetsregning med statistikk, våren 2010 Oppsummering

TMA4240 Statistikk Eksamen desember 2015

6.5 Normalapproksimasjon til. binomisk fordeling

MAT1120. Obligatorisk oppgave 1 av 2. Torsdag 20. september 2018, klokken 14:30 i Devilry (devilry.ifi.uio.no).

Diskrete sannsynlighetsfordelinger.

Eksamensoppgave i TMA4245 Statistikk

Siden vi her har brukt første momentet i fordelingen (EX = EX 1 ) til å konstruere estimatoren kalles denne metoden for momentmetoden.

EKSAMEN I SIF4018 MATEMATISK FYSIKK mandag 28. mai 2001 kl

UNIVERSITETET I OSLO

EKSAMEN I TMA4300 BEREGNINGSKREVENDE STATISTIKK Torsdag 16 Mai, 2013

EKSAMEN I FAG TMA4240/TMA4245 STATISTIKK

Eksamen i fag FY8104 Symmetri i fysikken Fredag 7. desember 2007 Tid:

Eksamensoppgave i MA1103 Flerdimensjonal analyse

TMA4245 Statistikk Eksamen august 2014

TMA4240 Statistikk 2014

Notasjon. Løsninger. Problem. Kapittel 7

EKSAMEN I FY2045 KVANTEFYSIKK Onsdag 30. mai 2007 kl

Eksamensoppgave i TMA4295 Statistisk inferens

ST0202 Statistikk for samfunnsvitere

Diskrete sannsynlighetsfordelinger.

EKSAMEN I FAG TMA4260 INDUSTRIELL STATISTIKK

LØSNINGSFORSLAG TIL EKSAMEN I FAG SIF5045 NUMERISK LØSNING AV DIFFERENSIALLIGNINGER

Eksamensoppgave i MA1103 Flerdimensjonal analyse

UNIVERSITETET I OSLO

DEL 1 GRUNNLEGGENDE STATISTIKK

EKSAMEN I FAG TMA4240 STATISTIKK

TMA4240/TMA4245 Statistikk Oppsummering diskrete sannsynlighetsfordelinger

TMA4245 Statistikk. Innlevering 3. Norges teknisk-naturvitenskapelige universitet Institutt for matematiske fag

Prøvemidtveiseksamen TMA4240 Statistikk H2004

Transkript:

Norges teknisk naturvitenskapelige universitet Institutt for matematiske fag Side 1 av 6 Bokmål Faglig kontakt under eksamen: Håkon Tjelmeland 73 59 35 38 EKSAMEN I ST2101 STOKASTISK MODELLERING OG SIMULERING Onsdag 1. juni 2005 Tid: 09:00 14:00 Hjelpemidler: Kalkulator HP30S Statistiske tabeller og formler, Tapir forlag. K. Rottman: Matematisk formelsamling. Ett gult ark (A5 med stempel) med egne formler og notater. Sensur er ferdig: 22. juni 2005. Oppgave 1 Tilstanden til en maskin kan ved ethvert tidspunkt t klassifiseres som 0: fungerer ok 1: fungerer delvis 2: fungerer ikke La X(t) {0, 1, 2} betegne maskinens tilstand ved tidspunkt t og anta at {X(t), t 0} er en kontinuerlig-tid markovprosess slik at P{X(t + h) = j X(t) = i} = q ij h + o(h) for i j. Anta videre at overgangsintensitetene (pr. måned) er gitt som q 01 = 1, q 10 = 10, q 12 = 1, q 20 = 3 og q 21 = q 02 = 0. Overgangen fra tilstand 2 til tilstand 0 innebærer at maskinen byttes ut med en nyinnkjøpt maskin, mens overgangen fra tilstand 1 til tilstand 0 skjer ved at den gamle maskinen repareres.

ST2101 Stokastisk modellering og simulering Side 2 av 6 a) Tegn et skjema over markovprosessen {X(t), t 0}. Gitt at maskinen fungerer ok ved tidspunkt 0, hva er sannsynligheten for at den vil fungere ok i hele intervallet [0, 2]? Gitt at maskinen har fungert delvis i hele tidsintervallet [0, 1], hva er sannsynligheten for at den fortsatt vil fungere delvis i hele intervallet [1, 2]? b) En markovprosess kan som kjent formuleres (parameteriseres) på to mulige måter, hvorav den ene er benyttet i teksten over. Forklar den alternative måten å formulere en markovprosess på og angi parameterverdiene for denne parameteriseringen. Ta utgangspunkt i modellformuleringen benyttet i oppgaveteksten over og finn ved presis regning (dvs. ved å benytte o(h)-notasjon) P 12 = lim h 0 P{X(t + h) = 2 X(t) = 1, X(t + h) 1}. c) Skriv ned de av Kolmogorovs differensialligninger du trenger for å bestemme P 00 (t), P 01 (t) og P 02 (t). [Du trenger ikke løse ligningene!] Fra disse differensialligningene, utled et ligningssystem for grensefordelingen til X(t). Vis at grensefordelingen blir π 0 = 33 37, π 1 = 3 37 og π 2 = 1 37. Når maskinen fungerer ok bidrar den med en inntekt på kr. 100.000,- pr. måned, når den fungerer delvis reduseres denne inntekten til kr. 30.000,- pr. måned. Mens maskinen fungerer delvis påløper det dessuten reparasjonskostnader på kr. 5.000,- pr. måned. En maskin som ikke fungerer gir ingen inntekt. Innkjøp av en ny maskin koster kr. 500.000,-. d) I det lange løp, hvor mange måneder går det i gjennomsnitt mellom hver gang en maskin byttes ut med en ny? I det lange løp, hva blir forventet nettoinntekt fra maskinen pr. måned?

ST2101 Stokastisk modellering og simulering Side 3 av 6 Oppgave 2 Vi skal i denne oppgaven betrakte et køsystem med kun en behandlingsenhet. Kunder kan kun ankomme køsystemet eller være ferdigbehandlet i diskrete tidspunkter n = 1, 2,.... Vi lar X n betegne antall kunder i køsystemet (inkludert den som eventuelt er under behandling) ved tidspunkt n. Vi antar videre at køsystemet er tomt ved tidspunkt 0, dvs. X 0 = 0. Dermed har vi at {X n } n=0 er en diskret-tid stokastisk prosess. Vi skal anta at for hvert tidspunkt n = 1, 2,... er det en sannsynlighet p (0, 1) for at en ny kunde ankommer køsystemet, mens med sannsynlighet 1 p ankommer ingen ny kunde. Merk spesielt at det aldri kan ankomme mer enn en kunde på samme tidspunkt. Når en kunde ankommer går denne direkte til behandling dersom ingen andre er i køsystemet når han ankommer. Dersom det allerede er personer i køsystemet når han ankommer stiller han seg bakerst i køen og venter på tur. Vi skal anta at behandlingstiden for ulike kunder er uavhengige av hverandre (og uavhengig av ankomstprosessen) og at behandlingstiden er geometrisk fordelt med forventning 1/q, der q (0, 1). Dersom vil lar Z betegne behandlingstiden for en tilfeldig kunde har vi dermed at P{Z = i} = q(1 q) i 1 for i = 1, 2,.... (1) En behandlingstid vil altså alltid være minst en tidsenhet. a) Benytt (1) til å vise at sannsynlighetsfordelingen for behandlingstidene er uten hukommelse, dvs. vis at P{Z = i Z > k} = P{Z = i k} for i = k + 1, k + 2,.... b) Forklar hvorfor {X n } n=0 blir en markovkjede. Vis/forklar at overgangssannsynlighetene for denne markovkjeden er P 0,0 = 1 p, P 0,1 = p, P i,i 1 = q(1 p), P i,i+1 = (1 q)p og P i,i = 1 p q +2pq for i = 1, 2,... og at alle de øvrige overgangssannsynlighetene er lik 0. c) Kan du intuitivt innse et krav parameterverdiene p og q må oppfylle for at markovkjeden {X n } n=0 skal ha en grensefordeling? Forklar også hva som vil skje når n dersom dette kravet ikke er oppfylt. Forklar hvorfor X n nødvendigvis må være tidsreversibel.

ST2101 Stokastisk modellering og simulering Side 4 av 6 I resten av oppgaven skal vi forutsette at verdiene til p og q er slik at markovkjeden har en entydig grensefordeling og vi betegner (som vanlig) denne grensefordelingen ved π i, i = 0, 1,.... d) Vis at grensefordelingen for X n er π 0 = 1 p q og π i = ( ) i ( p(1 q) 1 1 p ) q(1 p) 1 q q e) Finn gjennomsnittlig antall personer i køsystemet i det lange løp. for i = 1, 2,... Finn også gjennomsittlig tid en person venter i kø (behandlingstiden ikke inkludert). I det siste punktet i denne oppgaven skal vi ikke lenger forutsette at behandlingstidene er geometrisk fordelt. Vi skal fremdeles anta at de mulige verdier for behandlingstidene er 1, 2,..., men nå har de en vilkårlig punktsannsynlighet g med forventning og varians lik henholdvis ν og σ 2. Vi skal fremdeles forutsette at behandlingstidene er uavhengige av hverandre og uavhengig av ankomstprosessen. f) Utled en kostidentitet som forbinder gjennomsnittlig gjenværende arbeid i køsystemet, V, og gjennomsnittlig tid en kunde er i kø, W Q. Hint: Benytt betalingsregelen at hver kunde betaler ved hvert (diskrete) tidspunkt y kroner, der y er gjenværende behandlingstid for denne kunden. Utled også en annen sammenheng mellom V og W Q. Finn W Q uttrykt ved p, ν og σ 2.

ST2101 Stokastisk modellering og simulering Side 5 av 6 Formelsamling: Setningene om total sannsynlighet og dobbelforventning La B 1, B 2,... være parvis disjunkte hendelser med P ( i=1 B i) = 1. Da gjelder P (A C) = E[X C] = P (A B i C)P (B i C), i=1 E[X B i C]P (B i C). i=1 Markovkjeder i diskret tid Chapman-Kolmogorov ligningene P (m+n) ij = k=0 P (m) ik P (n) kj. For en irredusibel og ergodisk markovkjede eksisterer π j = lim n Pij n π i P ij og π i = 1. π j = i i og er gitt av ligningene For transiente tilstander i, j og k er forventet tid i tilstand j gitt start i tilstand i, s ij, s ij = δ ij + k P ik s kj. For transiente tilstander i og j er sannsynligheten for en eller annen gang å returnere til tilstand j gitt start i tilstand i, f ij, f ij = (s ij δ ij )/s jj. Poissonprosess Ventetid til n-te hendelse (n-te arrival time), S n, har sannsynlighetstetthet f Sn (t) = λn t n 1 (n 1)! e λt for t 0. Gitt at antall hendelser N(t) = n, så har S 1, S 2,..., S n simultantetthet f S1,S 2,...,S n N(t)(s 1, s 2,..., s n n) = n! t n for 0 < s 1 < s 2 <... < s n t.

ST2101 Stokastisk modellering og simulering Side 6 av 6 Markovprosesser i kontinuerlig tid Chapman-Kolmogorov ligningene Kolmogorovs forover-ligninger P ij (t + s) = P ik (t)p kj (s). k=0 P ij(t) = q kj P ik (t) v j P ij (t). k j Kolmogorovs bakover-ligninger P ij(t) = q ik P kj (t) v i P ij (t). k i Hvis P j = lim t P ij (t) eksisterer, er P j gitt av v j P j = k j q kj P k og P j = 1. j Spesielt for fødsels- og dødsprosesser P 0 = 1 k=0 θ k og P k = θ k P 0 for k = 1, 2,... der θ 0 = 1 og θ k = λ 0λ 1... λ k 1 µ 1 µ 2... µ k for k = 1, 2,... Kø-teori For gjennomsnittlig antall kunder i systemet, L, gjennomsnittlig tid pr. kunde i systemet, W, betjeningstid, S, og gjennomsnittlig gjenværende arbeid i systemet, V, gjelder L = λ a W. L q = λ a W q. V = λ a E[SW q ] + λ a E[S 2 ]/2.