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

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

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

EKSAMEN I ST2101 STOKASTISK MODELLERING OG SIMULERING Onsdag 1. juni 2005 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

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

Eksamensoppgave i TMA4265 Stokastiske prosesser

Eksamensoppgave i TMA4265 Stokastiske Prosesser

TMA4240 Statistikk Høst 2015

ST2101 Stokastisk modellering og simulering

Eksamensoppgave i ST1201/ST6201 Statistiske metoder

Eksamensoppgave i ST1201/ST6201 Statistiske metoder

FORELESNING I STK1130

EKSAMEN I SIF4018 MATEMATISK FYSIKK mandag 28. mai 2001 kl

Eksamensoppgave i TMA4240 Statistikk

Oppfriskning av blokk 1 i TMA4240

TMA4240 Statistikk Høst 2009

UNIVERSITETET I OSLO

Eksamensoppgave i TMA4240 / TMA4245 Statistikk

UNIVERSITETET I OSLO

Eksamensoppgave i TMA4240 Statistikk

Eksamensoppgave i TMA4245 Statistikk

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

EKSAMEN I EMNE TMA4315 GENERALISERTE LINEÆRE MODELLER

Eksamensoppgave i TMA4110/TMA4115 Calculus 3

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.

TMA4240 Statistikk Høst 2008

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

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

Eksamensoppgave i ST0103 Brukerkurs i statistikk

EKSAMEN I TMA4300 BEREGNINGSKREVENDE STATISTIKK Torsdag 16 Mai, 2013

UNIVERSITETET I OSLO

TMA4265 Stokastiske prosesser

for x 0 F X (x) = 0 ellers Figur 1: Parallellsystem med to komponenter Figur 2: Seriesystem med n komponenter

Eksamensoppgave i Løsningsskisse TMA4240 Statistikk

Eksamensoppgåve i TMA4245 Statistikk

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

Eksamensoppgave i TMA4250 Romlig Statistikk

Forelesning 27. mars, 2017

UNIVERSITETET I OSLO

Eksamensoppgave i ST1201/ST6201 Statistiske metoder

FORMELSAMLING TIL STK1100 OG STK1110

Eksamensoppgave i TMA4240 Statistikk

FORMELSAMLING TIL STK1100 OG STK1110

TMA4245 Statistikk Eksamen desember 2016

Poissonprosesser og levetidsfordelinger

Eksamensoppgåve i TMA4240 / TMA4245 Statistikk

Bernoulli forsøksrekke og binomisk fordeling

LØSNINGSFORSLAG TIL EKSAMEN I FAG SIF5045 NUMERISK LØSNING AV DIFFERENSIALLIGNINGER

TMA4240 Statistikk. Øving nummer 7. Norges teknisk-naturvitenskapelige universitet Institutt for matematiske fag

TMA4240 Statistikk H2010

3.1 Stokastisk variabel (repetisjon)

Notasjon. Løsninger. Problem. Kapittel 7

Kap. 6, Kontinuerlege Sannsynsfordelingar

EKSAMEN I TMA4240 Statistikk

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

TMA4240 Statistikk Eksamen desember 2015

Eksamensoppgave i ST0103 Brukerkurs i statistikk

x λe λt dt = 1 e λx for x > 0 uavh = P (X 1 v)p (X 2 v) = F X (v) 2 = (1 e λv ) 2 = 1 2e λv + e 2λv = 2 1 λ 1 2λ = 3

6.5 Normalapproksimasjon til. binomisk fordeling

TMA4240 Statistikk Høst 2009

Eksamen i TMA4123/TMA4125 Matematikk 4M/N

Eksamensoppgave i TMA4135 Matematikk 4D

Eksamensoppgave i ST1201/ST6201 Statistiske metoder

STK1100 våren Kontinuerlige stokastiske variabler Forventning og varians Momentgenererende funksjoner

Eksamensoppgåve i ST1201/ST6201 Statistiske metoder

UNIVERSITETET I BERGEN

TMA4240 Statistikk 2014

Bootstrapping og simulering Tilleggslitteratur for STK1100

EKSAMEN I FAG TMA4275 LEVETIDSANALYSE Xxxdag xx. juni 2008 Tid: 09:0013:00

Det matematisk-naturvitenskapelige fakultet

To-dimensjonale kontinuerlige fordelinger

TMA4240 Statistikk H2015

Forelesning 13. mars, 2017

Kap. 6, Kontinuerlege Sannsynsfordelingar

UNIVERSITETET I OSLO

ST1101/ST6101 Sannsynlighetsregning og statistikk Vår 2019

Eksamensoppgåve i TMA4240 Statistikk

Punktestimator. STK Bootstrapping og simulering - Kap 7 og eget notat. Bootstrapping - eksempel Hovedide: Siden λ er ukjent, bruk ˆλ:

TMA4240 Statistikk H2010

TMA4245 Statistikk Eksamen august 2014

Løsningsforslag til prøveeksamen i MAT1050, vår 2019

EKSAMEN I FAG TMA4240 STATISTIKK

UNIVERSITETET I OSLO

Kontinuerlige sannsynlighetsfordelinger.

TMA4123/TMA4125 Matematikk 4M/4N Vår 2013

Eksamen i TMA4122 Matematikk 4M

Kapittel 3: Stokastiske variable og sannsynlighetsfordelinger

Universitet i Bergen. Eksamen i emnet MAT121 - Lineær algebra

EKSAMEN I NUMERISK LØSNING AV DIFFERENSIALLIGNINGER MED DIFFERANSEMETODER (TMA4212)

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

ST0103 Brukerkurs i statistikk Høsten Momentestimatoren og sannsynlighetsmaksimeringsestimatoren

EKSAMEN I TMA4110 MATEMATIKK 3 Bokmål Fredag 4. desember 2009 løsningsforslag

EKSAMEN I NUMERISK LINEÆR ALGEBRA (TMA4205)

MA1201 Lineær algebra og geometri Løsningsforslag for eksamen gitt 3. desember 2007

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

Transkript:

Norges teknisk naturvitenskapelige universitet Institutt for matematiske fag Side av 6 Bokmål Faglig kontakt under eksamen: Håkon Tjelmeland 73 59 35 38/73 94 27 25 EKSAMEN I EMNE SIF5072 STOKASTISKE PROSESSER Lørdag 6. august 2003 Tid: 09:00 4:00 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: 6. september 2003. Oppgave I denne oppgaven skal vi regne på en variant av spillerens ruin. La {X n } n=0 være en diskret-tid markovkjede med utfallsrom Ω = {0,, 2,...,s} og med overgangssanssynligheter hvis j = i +ogi =, 2,...,s, i+ i hvis j = i ogi =, 2,...,s, i+ P ij =P{X n+ = j X n = i} = hvis i = j = 0 eller i = j = s, 0 ellers. I motsetning til den vanlige spillerens ruin som dere kjenner fra læreboka, kan vi merke oss at i denne oppgaven er sannsynlighetene for å vinne eller tape et enkeltspill avhengig av hvilken tilstand markovkjeden befinner seg i. Markovkjeden kan også illustreres ved skjemaet øverst på nesteside.

SIF5072 Stokastiske prosesser Side 2 av 6 2 3 s s 0 2 s- s 2 3 s 2 3 4 s a) Bestem følgende sannsynligheter (når s 6) P{X 3 =0 X 0 =}, P{X 5 =0 X 0 =} og P{X 3 =0 X 0 =,X 5 =0} b) Bestem markovkjedens ekvivalensklasser, bestem for hver tilstand perioden og om den er transient eller rekurrent. Har markovkjeden en entydig grensefordeling? (Alle svarene må begrunnes!) La T betegne tiden da markovkjeden for første gang kommer til tilstand 0 eller tilstand s, dvs. T =min{n : X n = 0 eller X n = s}. Lavidereu s i betegne sannsynligheten for at markovkjeden ender opp i tilstand s gitt at den starter i tilstand i, dvs.u s i =P{X T = s X 0 = i}. c) Bestem et lineært ligningssystem for u s i; i =0,,...,s. Vis at u s i kan skrives på formen u s i = a i, a s der a 0 =0oga =, og bestem en rekursjonsformel for a i for i 2. Vis spesielt at u 5 3 = 2 og u 7 4 = 5 7 437. I det siste punktet i denne oppgaven skal vi betrakte en litt modifisert utgave av markovkjeden over. Anta at tilstand 0 ikke lenger er absorberende, men at P 00 =0 og P 0 =. De øvrige overgangssannsynlighetene er uforandret. La vi s tilstand 0 gitt at X 0 = i. betegne forventet antall besøk i d) Finn v s i. Du kan benytte a i; i =0,,...,s fra punkt c) tilå uttrykke svaret.

SIF5072 Stokastiske prosesser Side 3 av 6 Oppgave 2 La X være en kontinuerlig fordelt stokastisk variabel med sannsynlighetstetthet f(x) og tilhørende kumulativ fordelingsfunksjon F (x) = P{X x}. Som kjent benytter inverstransformasjonsmetoden følgende algoritme for å generere en realisasjon av X: Trekk U fra en uniformfordeling på intervallet [0, ]. La X = F (U). Her betegner F ( ) den inverse funksjonen til F ( ). a) Vis at invers-transformasjonsmetoden er korrekt, dvs. vis at X = F (U) virkelig har kumulativ fordelingsfunksjon F (x). Gi en algoritme for å generere en eksponensialfordelt variabel med parameter λ ved invers-transformasjonsmetoden. Anta så atviønskerå generere n stokastiske variable med simultan sannsynlighetstetthet { k e f(x,x 2,...,x n )= λ(x +x 2 +...+x n) hvis 0 x λ n x 2... x n, 0 ellers, der k er en normaliseringskonstant. Merk at denne sannsynlighetsfordelingen fremkommer ved å legge bibetingelsen X X 2... X n på n uavhengige eksponensialfordelte variable. b) Gi en algoritme for å generere realisasjoner av X,X 2,...,X n ved hjelp av forkastningsmetoden (rejection sampling). Angi spesielt formel for forslagsfordelingen du vil benytte og formel for tilhørende akseptsannsynlighet. Angi et problem med forkastningsmetoden i dette tilfellet dersom n er stor. Oppgave 3 En maskin består av to komponenter, komponent og komponent 2. For at maskinen skal funksjonere må begge komponentene funksjonere. Når maskinen funksjonerer vil komponent og 2 feile uavhengig av hverandre. I et tidsintervall av lengde h vil komponent feile med sannsynlighet λ h + o(h) og komponent 2 vil tilsvarende feile med sannsynlighet λ 2 h + o(h). Når en av komponentene har feilet vil man umiddelbart påbegynne reparasjon. En komponent som er under reparasjon vil bli ferdigreparert i et tidsintervall av lengde h med sannsynlighet µh + o(h). Intensiteten for at maskinen blir ferdigreparert er altså ikke avhengig av hvilken

SIF5072 Stokastiske prosesser Side 4 av 6 komponent som er under reparasjon. Merk også at en komponent (som ikke har feilet) ikke kan feile mens den andre komponenten er under reparasjon. La X(t) {0,, 2} betegne maskinens tilstand ved tid t, der 0 hvis maskinen funksjonerer ved tid t, X(t) = hvis komponent er under reparasjon ved tid t, 2 hvis komponent 2 er under reparasjon ved tid t. Med antagelsene gitt over blir dermed X(t) en markovprosess. Merk: I denne oppgaven skal alle svarene gis som funksjon av (en eller flere av) µ, λ og λ 2. a) Tegn et skjema over prosessen X(t). Gitt at maskinen funksjonerer ved tid 0, hva er sannsynligheten for at den vil funksjonere hele tiden frem til tid t? Gitt at maskinen funksjonerer ved tid 0, hva er sannsynligheten for komponent er den første komponenten som feiler? b) Bestem grensefordelingen til X(t). I det lange løp, hvor stor andel av tiden vil maskinen være under reparasjon? I det lange løp, hvor mange ganger vil maskinen feile pr. tidsenhet? La P i (t) betegne sannsynligheten for at maskinen er i tilstand i ved tid t gitt at den funksjonerte ved tid 0, dvs. P i (t) =P{X(t) =i X(0) = 0}. c) Skriv opp et sett med differensialligninger for P i (t) fori =0,, 2. Bestem også tilhørende initialbetingelser. d) Bestem konstanter {α i,β i } 2 i=0 og γ slik at P i (t) =α i + β i e γt for i =0,, 2. Benytt dette til å verifisere grensefordelingen du fant i punkt b).

SIF5072 Stokastiske prosesser Side 5 av 6 Formelsamling: Setningene om total sannsynlighet og dobbelforventning La B,B 2,... være parvis disjunkte hendelser med P ( i= B i)=.dagjelder P (A C) = E[X C] = P (A B i C)P (B i C), i= E[X B i C]P (B i C). i= 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 j = π i P ij og π i =. 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 (n )! e λt for t 0. Gitt at antall hendelser N(t) =n, såhars,s 2,...,S n simultantetthet f S,S 2,...,S n N(t)(s,s 2,...,s n n) = n! t n for 0 <s <s 2 <...<s n t.

SIF5072 Stokastiske prosesser 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 = q kj P k k j Spesielt for fødsels- og dødsprosesser og P j =. j P 0 = k=0 θ k og P k = θ k P 0 for k =, 2,... der θ 0 = og θ k = λ 0λ... λ k µ µ 2... µ k for k =, 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.