Løsningsforslag ST1101/ST6101 kontinuasjonseksamen 2018

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

TMA4245 Statistikk Eksamen mai 2017

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

ÅMA110 Sannsynlighetsregning med statistikk, våren Kontinuerlige tilfeldige variable, intro. Kontinuerlige tilfeldige variable, intro.

ÅMA110 Sannsynlighetsregning med statistikk, våren Kontinuerlige tilfeldige variable, intro. Kontinuerlige tilfeldige variable, intro.

TMA4240 Statistikk Høst 2009

Emnenavn: Metode 1, statistikk deleksamen. Eksamenstid: 4 timer. Faglærer: Bjørnar Karlsen Kivedal

LØSNING, EKSAMEN I STATISTIKK, TMA4240, DESEMBER Anta at sann porøsitet er r. Måling med utstyret gir da X n(x; r, 0,03).

ÅMA110 Sannsynlighetsregning med statistikk, våren Kontinuerlige tilfeldige variable, intro. Kontinuerlige tilfeldige variable, intro.

HØGSKOLEN I SØR-TRØNDELAG Avdeling for teknologi

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

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

Emnenavn: Eksamenstid: 4 timer. Faglærer: Hans Kristian Bekkevard

Estimering 1 -Punktestimering

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

Estimering 1 -Punktestimering

ÅMA110 Sannsynlighetsregning med statistikk, våren 2007

LØSNINGSFORSLAG TIL EKSAMEN I FAG TMA4240 STATISTIKK 5.august 2004

Kapittel 7: Noen viktige sannsynlighetsfordelinger

Kapittel 7: Noen viktige sannsynlighetsfordelinger

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 ) =

TMA4240 Statistikk Eksamen desember 2015

Noen vanlige. Indikatorfordeling: 1, dersom suksess. I mange situasjoner kan fenomenet vi ser på. 0, dersom ikke suksess

Econ 2130 Forelesning uke 11 (HG)

Introduksjon. Hypotesetesting / inferens (kap 3) Populasjon og utvalg. Populasjon og utvalg. Populasjonsvarians

MOT310 Statistiske metoder 1, høsten 2011

Estimering 2. -Konfidensintervall

Oppgave 1. (i) Hva er sannsynligheten for at det øverste kortet i bunken er et JA-kort?

Løsningsforsalg til første sett med obligatoriske oppgaver i STK1110 høsten 2015

LØSNINGSFORSLAG TIL EKSAMEN I FAG TMA4245 STATISTIKK 6.august 2004

Oppgave 1 Hardheten til en bestemt legering er undersøkt med åtte målinger og resultatene ble (i kg/mm 2 ) som i tabellen til høyre.

HØGSKOLEN I SØR-TRØNDELAG Avdeling for teknologi

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

ST1201 Statistiske metoder

Konfidensintervall. Notat til STK1110. Ørnulf Borgan, Ingrid K. Glad og Anders Rygh Swensen Matematisk institutt, Universitetet i Oslo.

Løsningsforslag for andre obligatoriske oppgave i STK1100 Våren 2007 Av Ingunn Fride Tvete og Ørnulf Borgan

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

0.5 (6x 6x2 ) dx = [3x 2 2x 3 ] 0.9. n n. = n. ln x i + (β 1) i=1. n i=1

Løsningsforsalg til første sett med obligatoriske oppgaver i STK1110 høsten 2018

TMA4240 Statistikk Høst 2016

Kap. 9: Inferens om én populasjon

ÅMA110 Sannsynlighetsregning med statistikk, våren 2011

TMA4240 Statistikk Høst 2015

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

Oppgaver fra boka: X 2 X n 1

Mer om utvalgsundersøkelser

Løsning TALM1005 (statistikkdel) juni 2017

KLMED8004 Medisinsk statistikk. Del I, høst Estimering. Tidligere sett på. Eksempel hypertensjon

Statistikk og økonomi, våren 2017

TMA4240/4245 Statistikk 11. august 2012

ST1201 Statistiske metoder

Kapittel 8: Estimering

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

TMA4240 Statistikk Høst 2016

ÅMA110 Sannsynlighetsregning med statistikk, våren Noen viktige sannsynlighetsmodeller. Binomisk modell. Kp. 3 Diskrete tilfeldige variable

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 =

Løsningsforslag Oppgave 1

Forventningsverdi. MAT0100V Sannsynlighetsregning og kombinatorikk

ECON240 Statistikk og økonometri

Kap. 9: Inferens om én populasjon

ÅMA110 Sannsynlighetsregning med statistikk, våren 2006

Ukeoppgaver i BtG207 Statistikk, uke 4 : Binomisk fordeling. 1

Høgskolen i Telemark Avdeling for estetiske fag, folkekultur og lærerutdanning BOKMÅL 20. mai 2008

ÅMA110 Sannsynlighetsregning med statistikk, våren 2006 Kp. 6, del 5

TMA4245 Statistikk Eksamen 9. desember 2013

Forelesning Moment og Momentgenererende funksjoner

Hypotesetesting, del 4

TMA4240 Statistikk H2010

Econ 2130 uke 15 (HG) Poissonfordelingen og innføring i estimering

Ulike typer utvalg. MAT0100V Sannsynlighetsregning og kombinatorikk. Ordnet utvalg uten tilbakelegging. Ordnet utvalg med tilbakelegging.

ÅMA110 Sannsynlighetsregning med statistikk, våren 2007 Kp. 6, del 5. Hypotesetesting, del 5

ÅMA110 Sannsynlighetsregning med statistikk, våren 2007

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

2. Hypotesetesting i ulike sitausjoner: i. for forventingen, μ, i målemodellen med normalantakelse og kjent varians, σ 2.

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

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

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

TMA4245 Statistikk Eksamen august 2015

ÅMA110 Sannsynlighetsregning med statistikk, våren 2007 Kp. 6, del 2

Modeller og parametre. STK Punktestimering - Kap 7. Eksempel støtfangere. Statistisk inferens. Binomisk fordeling. p X (x) = p x (1 p) n x

Skrivne og trykte hjelpemiddel samt kalkulator er tillate. Ta med all mellomrekning som trengst for å grunngje svaret.

Oppgaven består av 9 delspørsmål, A,B,C,., som anbefales å veie like mye, Kommentarer og tallsvar er skrevet inn mellom <<.. >>.

Kort repetisjon fra kapittel 4. Oppsummering kapittel ST0202 Statistikk for samfunnsvitere. Betinget sannsynlighet og trediagram

Introduksjon. Hypotesetesting / inferens (kap 3) Populasjon og utvalg. Populasjon og utvalg. Populasjonsvarians

ÅMA110 Sannsynlighetsregning med statistikk, våren 2007 Oppsummering

Løsningsforslag ST2301 øving 3

Løsningsforslag til eksamen i STK desember 2010

STK1100 våren 2017 Estimering

Signifikante sifre = alle sikre pluss ett siffer til

8 (inkludert forsiden og formelsamling) Tegne- og skrivesaker, kalkulator, formelsamling (se vedlagt).

HØGSKOLEN I SØR-TRØNDELAG Avdeling for teknologi

TMA4245 Statistikk Vår 2015

Rep.: generelle begrep og definisjoner Kp. 10.1, 10.2 og 10.3

Sammendrag i statistikk

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

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)

TMA4240 Statistikk 2014

Kapittel 5: Tilfeldige variable, forventning og varians.

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

EKSAMENSOPPGAVE. Mat-1060 Beregningsorientert programmering og statistikk

Transkript:

Løsigsforslag ST/ST6 kotiuasjoseksame Oppgave a Defier hedelsee R, B, B rød kule i første trekig, blå kule i adre trekig, blå kule i tredje trekig. Vi skal fie PR B B for to ulike situasjoer. Geerelt vet vi at PR B B PB R B PB R PR. Når vi trekker med tilbakeleggig så treger vi ikke ta hesy til tidligere trekiger. Da er PR, og PB R, og PB B R, og PR B B.97. Når vi trekker ute tilbakeleggig så er PR, PB R 7 og PB B R 7 PR B B 7 6 7.44. Vi skal trekke kuler ute tilbakeleggig og fie sasylighete for at vi trekker mist røde kuler. Da spiller ikke rekkefølge på trekigee oe rolle. Hedelse mist røde kuler tilsvarer uioe av de tre ekeltutfallee røde kuler, 9 røde kuler og røde kuler. Side ekeltutfall er disjukte hedelser, så er P mist røde kuler P røde kuler 9 røde kuler røde kuler P røde kuler + P 9 røde kuler + P røde kuler 6. La oss se først på P røde kuler. Det fies m 475 mulige utfall. For å fie atall gustige utfall ser vi på situasjo der vi trekker røde kuler. Dette utfallet ka oppstå på g ulike måter. P røde kuler g m. Tilsvarede ka hedelse 9 røde kuler oppstå på g 9 9 ulike måter, og røde kuler på g ulike måter. P mist røde kuler g m + g 9 m + g m + 9 +.6.

Oppgave a PX Y < PX Y PY. +... PY X PY X PX. +.. +. +...4.75. Margiale puktsasyligheter for X: PX. +. +..6 PX. +. +..4 Margiale puktsasyligheter for Y : PY. +.. PY. +.. PY. +..4 X og Y er ikke uavhgegige, da for eksempel PX PY.6.. P X,Y,.. b Vi fier først EX og EY. EX PX + PX.4 EY PY + PY + PY. EX + Y EX + EY 4.. Side X og Y ikke er uavhegige, så er VarX + Y VarX + VarY + CovarX, Y Vi fier varias til X og Y samt kovariase. VarX EX EX PX + PX.4.4.4.4 VarY EY EY PY + PY + PY..9..69 CovarX, Y EXY EXEY x y PX x, Y y EXEY x y PX, Y + PX, Y.4..4 VarX + Y.4 +.69.4 5.49.

Oppgave a PX F X ;.5.5.4557 P < X 4 F X 4;.5 F X ;.5 PX > 4 X > PX > 4 X > PX > PX > 4 PX > 4.5 4.5.5.5.9 4.5.6495 b Sasylighetstetthetsfuksjoe f X x; α fier vi ved å derivere de kumulative fordeligsfuksjoe med hesy på x. { f X x; α d α x α+ dx F Xx; α for x for x < Vi atar først at vi har observasjoer x,..., x av det tilfeldige utvalget X,..., X. Sasylighetsmaksimerigsestimatet fier vi ved å fie α som maksimerer rimelighetsfuksjoe α xi α+ Lα; x,..., x f X x i ; α. i I dette tilfellet er det eklere å maksimere logaritme til rimelighetsfuksjoe Vi løser lα; x,..., x i i xi logα log α + log. d dα lα; x,..., x α xi log med hesy på α og fier sasylighetsmaksimerigsestimatet α log x i i. Ved å sette i tilfeldige variabler X,..., X fier vi sasylighetsmaksimerigsestimatore α. i log Xi i c Ved å bruke mometmetode så løser vi ligige X i X EX i med hesy på α, og fier estimatore α X X. α α

Oppgave 4 a La X være tide i miutter fra klokka 7: til Grete akommer fabrikker. Vi vet at X er ekspoesialfordelt med parameter λ. Sasylighete for at Grete kommer til fabrikke før klokka 7: er PX e x dx e + e e.6. La X,..., X være stokastiske variabler uavhegige som måler tid til akomst for asatte, slik at X i er ekspoesialfordelt med parameter λ for i,...,. Da er PX X PX PX.6. Dersom vi repeterer et målbart eksperimet her Gretes akomsttid X mage gager, vil gjeomsittsverdie over alle eksperimeter ærme seg forvetigsverdie til eksperimetet. Side EX miutter, så burde Gretes gjeomsittlige akomstid være omtret klokka 7:. b Atall desiliter iskaffe ka represeteres med de stokastiske variabele V X + Y. Side X og Y er uavhegige og ormalfordelte, så er V ormalfordelt med forvetigsverdi µ + µ dl og stadardavvik σ.5 +..5 dl. Grete ser på et tilfeldig utvalg at kartoger; V,..., V. Da vet vi at i V i V N µ + µ, σ. Fra dette ka vi sette opp ligige P z α/ V µ + µ σ/ z α/ α, der z α/ er e kritisk verdi i stadard ormalfordelige. For å fie et 95% kofidesitervall setter vi α.5, slik at z α/ z.5.96. Nå gjør vi de samme matematiske operasjoee på alle sidee av ulikhetstegee slik at vi eder opp med µ + µ i midte. P.95 P.96 V µ + µ σ/.96 P.96 σ V µ + µ.96 σ µ + µ V +.96 σ V.96 σ P V +.96 σ µ + µ V.96 σ P V.96 σ µ + µ V +.96 σ 4

Vi setter i tallverdier for σ og observert gjeomsitt v itervallet [4.76, 5.7]. i v i 5.65 og fier Dersom vi ser på veldig mage tilfeldige utvalg av kartoger og reger ut et slikt itervall hver gag, så vil 95% av disse itervallee ieholde de sae verdie for µ + µ. I dette tilfellet ieholder itervallet tallet 5 og det er rimelig å ata at maskioperatøre sakker sat me vi er ikke % sikre. Vi ville fått et smalere itervall bedre presisjo dersom Grete så på flere kartoger. c PA PV 4.5 P Z 4.5 5.5 PZ.6.949. W ka atas å være biomisk fordelt med parametere p.949 og 5 dersom Maskies istillig er det samme hele tide µ + µ 5, slik at p PA er lik for alle iskaffekartogee. Mege iskaffe i e gitt kartog er uavhegig av megde som har blitt fylt i adre kartoger. De 5 kartogee ka atas å være tilfeldig valgt studetee eller butikke har ikke valgt ut kartoger med oe spesiell hesikt eller sorterig Dersom vi atar at W er biomisk fordelt så er PW > PW + PW + PW 5 5.949 5.949.949 49 5.949.949 4.949 5 5.949.949 49 5.949.949 4.99 d Atall desiliter melk Y er å e kostat; Y. Det vil si at V X + Y Nµ +, σ. Hedelse A itreffer å dersom V < 4.5 dl. Vi løser PV 4.5 PZ 4.5 µ.5..5 Ved å slå opp i tabeller fier vi at 4.5 µ.5.96 oppfyller kravet. Dette gir abefalige µ.5.96.5.4. 5