Oppgave 1 Vi lar X være antall tankskip som ankommer havnen i løpet av en dag. Vi har fått oppgitt at X poisson(λ) med

Like dokumenter
Oppgave 1 a) La X være massen til et tilfeldig valgt egg, målt i gram. Sannsynligheten for at et tilfeldig valgt egg veier mer enn 60 g er

TMA4240 Statistikk Høst 2015

TMA4240 Statistikk 2014

TMA4240 Statistikk Høst 2009

Oppgave 1 En ansatt skal overvåke et prosjekt der en lapp velges tilfeldig fra en boks som inneholder 10 lapper nummerert fra 1 til 10.

TMA4240 Statistikk Høst 2015

TMA4240 Statistikk Høst 2015

6 x P (X = x) = x=1 = P (X 2 = 6)P (X 2 = 6)P (X 3 = 6) =

Bernoulli forsøksrekke og binomisk fordeling

TMA4240 Statistikk Høst 2013

TMA4240 Statistikk Høst 2008

TMA4240 Statistikk H2010 Kapittel 5: Diskrete sannsynlighetsfordelinger : Uniform, binomisk, hypergeometrisk fordeling

TMA4240 Statistikk Høst 2016

Oppfriskning av blokk 1 i TMA4240

TMA4245 Statistikk Vår 2015

TMA4240 Statistikk Høst 2015

TMA4240 Statistikk Høst 2015

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.

TMA4245 Statistikk Høst 2016

TMA4240 Statistikk Høst 2015

UNIVERSITETET I OSLO

Løsningsforslag til eksamen i TMA4245 Statistikk 7. juni 2007

5.2 Diskret uniform fordeling. Midtveiseksamen (forts.) Kapittel 5. Noen diskrete sannsynlighetsfordelinger. TMA4245 V2007: Eirik Mo

Noen diskrete sannsynlighetsfordelinger. (utarbeidet av Mette Langaas), TMA4245 V2007

TMA4245 Statistikk Høst 2016

Følgelig vil sannsynligheten for at begge hendelsene inntreffer være null,

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

TMA4245 Statistikk Høst 2016

ST0103 Brukerkurs i statistikk Høst 2014

TMA4240 Statistikk Høst 2009

TMA4240 Statistikk 2014

TMA4240 Statistikk H2015

EKSAMEN I TMA4245 Statistikk

Oppgave 1 a) Antall måter å velge ut k elementer fra en populasjon på n er gitt av binomialkoeffisienten

TMA4240 Statistikk H2010

TMA4240 Statistikk Høst 2007

To-dimensjonale kontinuerlige fordelinger

Midtveiseksamen i STK1100 våren 2017

Statistikk 1 kapittel 5

Diskrete sannsynlighetsfordelinger.

Statistikk 1 kapittel 5

TMA4240 Statistikk H2010

3.1 Stokastisk variabel (repetisjon)

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

TMA4240 Statistikk Høst 2012

HØGSKOLEN I STAVANGER

Diskrete sannsynlighetsfordelinger.

LØSNINGSFORSLAG TIL EKSAMEN I FAG TMA4245 STATISTIKK 6.august 2004

TMA4240 Statistikk Høst 2009

TMA4240 Statistikk 2014

FORMELSAMLING TIL STK1100 OG STK1110

Statistikk 1 kapittel 5

TMA4240 Statistikk H2010

Formelsamling V-2014 MAT110. Statistikk 1. Per Kristian Rekdal

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

TMA4240 Statistikk H2015

Statistikk 1 kapittel 5

Eksamensoppgåve i Løsningsskisse TMA4245 Statistikk

TMA4240 Statistikk Eksamen desember 2015

TMA4240 Statistikk Høst 2015

Løsningskisse for oppgaver til undervisningsfri uke 14 (6.-9. april)

TMA4245 Statistikk Eksamen desember 2016

ECON Statistikk 1 Forelesning 4: Stokastiske variable, fordelinger. Jo Thori Lind

TMA4240 Statistikk Høst 2013

Eksempel: kast med to terninger

Løsningskisse seminaroppgaver uke 15

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

ÅMA110 Sannsynlighetsregning med statistikk, våren Noen viktige sannsynlighetsmodeller. Noen viktige sannsynlighetsmodeller

TMA4240 Statistikk Høst 2015

TMA4240/TMA4245 Statistikk Oppsummering diskrete sannsynlighetsfordelinger

Eksamensoppgave i Løsningsskisse TMA4240 Statistikk

ST1101/ST6101 Sannsynlighetsregning og statistikk Vår 2019

Formelsamling V MAT110 Statistikk 1. Per Kristian Rekdal

HØGSKOLEN I STAVANGER

TMA4240 Statistikk 2014

Sum to terninger forts. Eksempel: kast med to terninger. Sum to terninger forts. Kapittel 3. TMA4240 H2006: Eirik Mo

Formelsamling i medisinsk statistikk

Kapittel 3: Stokastiske variable og sannsynlighetsfordelinger

Econ 2130 Forelesning uke 10 (HG) Geometrisk og normal fordeling

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

Løsningsforslag statistikkeksamen desember 2014

ÅMA110 Sannsynlighetsregning med statistikk, våren 2007

Kap. 6, Kontinuerlege Sannsynsfordelingar

TMA4245 Statistikk Eksamen august 2014

Prøvemidtveiseksamen TMA4240 Statistikk H2004

TMA4240 Statistikk Eksamen desember 2015

ST1101/ST6101 Sannsynlighetsregning og statistikk Vår 2019

Kontinuerlige sannsynlighetsfordelinger.

Stokastisk variabel. Eksempel augefarge

FORMELSAMLING TIL STK1100 OG STK1110

Forelesning 27. mars, 2017

1 Section 4-1: Introduksjon til sannsynlighet. 2 Section 4-2: Enkel sannsynlighetsregning. 3 Section 5-1: Introduksjon til sannsynlighetsfordelinger

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

1.1.1 Rekke med konstante ledd. En rekke med konstante ledd er gitt som. a n (1) n=m

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

TMA4240 Statistikk Høst 2016

i x i

ÅMA110 Sannsynlighetsregning med statistikk, våren Noen viktige sannsynlighetsmodeller. Hypergeometrisk modell

ÅMA 110 (TE 199) Sannsylighetsregning og statistikk Løsningsforslag til eksamen vår 2005, s. 1. Oppgave 1

Transkript:

Norges teknisk-naturvitenskapelige universitet Institutt for matematiske fag Anbefalte oppgaver 5, blokk I Løsningsskisse Oppgave 1 Vi lar X være antall tankskip som ankommer havnen i løpet av en dag. Vi har fått oppgitt at X poisson(λ) med λ E(X) 2. Videre vet vi at havnen maksimalt kan betjene 3 tankskip per dag. a) Da X er poissonfordelt har vi at P (X x) λx x! e λ 2x x! e 2, x 0, 1, 2,.... Med innsatte verdier for x har vi følgende punktsannsynligheter: x 0 1 2 3 4 5 P (X x) 0.1353 0.2707 0.2707 0.1804 0.0902 0.0361 Vi ser dermed at det er størst sannsynlighet for at det ankommer ett eller to tankskip en bestemt dag. Tankskip må dirigeres til andre havner dersom det ankommer mer enn tre tankskip en dag. Sannsynligheten for at ett eller flere tankskip må omdirigeres er dermed P (omdirigering) P (X > 3) 1 P (X 3) tabell 1 0.8571 0.1429. b) Vi lar nå Y være antall skip som betjenes ved havnen en dag. Havnens begrensede kapasitet gjør at Y 3, slik at P (X y) for y 0, 1, 2 P (Y y) P (X 3) 1 P (X 2) for y 3 0 for alle andre verdier av y. Forventet antall skip som betjenes en gitt dag blir dermed 3 E(Y ) y P (Y y) y0 0 P (X 0) + 1 P (X 1) + 2 P (X 2) + 3 (1 P (X 2)) 0.2707 + 2 0.2707 + 3 (1 0.6767) 1.782. anb5-lsf-b 27. januar 2016 Side 1

c) Vi lar k være havnens kapasitet, altså maksimalt antall skip som kan betjenes på en dag. Vi ønsker å finne k slik at P (X k) 0.90. Fra tabellen for poissonfordelingen har vi disse kumulative sannsynlighetene: Dermed ser vi at k 0 1 2 3 4 5 P (X k) 0.1353 0.4060 0.6767 0.8571 0.9474 0.9834 P (X 3) < 0.90 mens P (X 4) > 0.90. Havnen trenger altså en kapasitet på k 4 skip per dag for med minst 90% sannsynlighet å kunne betjene samtlige skip som ankommer en gitt dag. Oppgave 2 a) X er en stokastisk variabel som beskriver antall korrekte svar på n 20 spørsmål på midtveiseksamen (flervalgsoppgave). Betingelser for at X er binomisk fordelt: Vi ser på n 20 svar. For hvert svar sjekker vi om svaret er korrekt eller ikke. Sannsynligheten for at svaret er korrekt er 1 m fordi Ole tipper, og det er bare ett svar som er korrekt blant m mulig svar. Denne sannsynligheten er den samme for alle n svarene. De n svarene er uavhengige av hverandre, siden Ole tipper svaret på hvert spørsmål. Under disse 4 betingelsene er X binomisk fordelt med parametere n 20 og p 1 m. Dermed er sannsynlighetsfordelingen til X gitt ved punktsannsynligheten f(x), f(x) p x (1 p) n x, x 0, 1,..., n x Sannsynligheten for å svare korrekt på minst 8 spørsmål finner vi enklest ved tabelloppslag (s 17 i formelsamlingen). Vi gjør dette for de tre verdiene av m som er oppgitt, m 2, 4, 5. (Grunnen til at disse tre verdiene er valgt er kun pga at de finnes i tabellen...) m 2 : P (X 8) 1 P (X 7 p 0.5, n 20) 1 0.132 0.87 m 4 : P (X 8) 1 P (X 7 p 0.25, n 20) 1 0.898 0.10 m 5 : P (X 8) 1 P (X 7 p 0.2, n 20) 1 0.968 0.03 Forventningen til X er E(X) np. Forventet antall korrekte svar for m 2, 4, 5 blir da: m 2 : E(X) 20 1 2 10 m 4 : E(X) 20 1 4 5 m 5 : E(X) 20 1 5 4 anb5-lsf-b 27. januar 2016 Side 2

b) G spørsmålet er fra den delen av pensum som Ole kan godt, M spørsmålet er fra den delen av pensum som Ole kan middels godt, D spørsmålet er fra den delen av pensum som Ole kan dårlig, K Ole svarer korrekt på spørsmålet. Venndiagram for de fire hendelsene: TMA4245 Statistikk G M D K Sannsynligheten for at Ole svarer korrekt på et tilfeldig valgt spørsmål, P (K), finner vi vet å bruke setningen om total sannsynlighet. Vi vet at G, M, D er en partisjon av utfallsrommet (det ser vi lett av venndiagrammet og at summen av sannsynlighetene er 1). P (K) P (K G) + P (K M) + P (K D) P (K G) P (G) + P (K M) P (M) + P (K D) P (D) 0.8 0.3 + 0.4 0.5 + 0.2 0.2 0.48 Bayes regel kan benyttes til å finne sannsynligheten for at spørsmålet var fra den delen av pensum som Ole kan dårlig, gitt at Ole svarte korrekt på spørsmålet. P (D K) P (K D) P (K) P (K D) P (D) P (K) 0.2 0.2 0.48 0.08 Oppgave 3 a) For hver deltaker har vi følgende situasjon: Deltakeren får en serie oppgaver. Hver runde har to mulige utfall: Deltakeren klarer ikke oppgaven og går ut av konkurransen (hendelse A), eller han/hun klarer oppgaven og går videre til neste runde (hendelse A ). Sannsynligheten for ikke å klare oppgaven, p P (A), er lik i hver runde. Resultatene fra hver runde er uavhengige. Denne situasjonen svarer til en Bernoulli-forsøksrekke, der vi ikke bestemmer antall forsøk på forhånd, men repeterer forsøket (gir nye oppgaver) inntil første gang hendelsen A (klarer ikke oppgaven) inntreffer. Siden X er antall forsøk inntil A inntreffer anb5-lsf-b 27. januar 2016 Side 3

første gang (deltakeren første gang ikke klarer oppgaven), er det rimelig å anta at X er geometrisk fordelt. Sannsynligheten for at deltakeren går ut i første runde: P (X 1) f(1) p(1 p) 1 1 p 0.10 Sannsynligheten for at deltakeren fortsatt er med etter fem runder: P (X > 5) 1 P (X 5) 1 F (5) 1 (1 (1 p) 5 ) (1 p) 5 0.90 5 0.59. Sannsynligheten for at deltakeren ikke klarer oppgaven i niende runde (X 9), dersom deltakeren klarer oppgavene til og med femte runde (X > 5): Her bruker vi betinget sannsynlighet, og resultatet fra forrige spørsmål. P (X 9 X > 5) P (X 9 X > 5) P (X > 5) b) Vi har følgende situasjon for hver oppgavelager: P (X 9) P (X > 5) f(9) 1 F (5) p(1 p)9 1 (1 p) 5 p(1 p) 3 0.10 0.90 3 0.073 Resultater for et visst antall (n 1 eller n 2 ) deltakere blir registrert To mulig utfall: Deltakeren klarer færre enn fem oppgaver (hendelse C), eller ikke (dvs. klarer fem eller flere, hendelse C ). Sannsynligheten for C er lik i for hver deltaker. Resultatene for hver deltaker er uavhengige. Dette svarer til et binomisk forsøk, og Z 1 og Z 2 er dermed binomisk fordelte, med parametre som gitt i oppgaven. Oppgave 4 a) Vi har at en gjennomlesing av teksten tilsvarer n repeterte forsøk, ett forsøk for hver skrivefeil i teksten. Hvert forsøk resulteterer i suksess (feilen oppdages) eller ikke-suksess (feilen oppdages ikke). Sannsynligheten for suksess er p, og denne er konstant for alle forsøkene. Vi må i tillegg anta at hvert ord leses uavhengig av alle andre ord i teksten, slik at forsøkene er uavhengige. Vi har λ 2 og s 8 og ønsker å finne sannsynligheten for at antall trykkfeil, N, er større enn 10. Vi har µ λs 2 8 16 P (N > 10) 1 P (N 10) 10 1 P (N i) i1 1 0.0774 0.923. anb5-lsf-b 27. januar 2016 Side 4

Vi har nå gitt N 12 og p 0.6 og œnsker å finne sannsynligheten for at korrekturleseren oppdager alle trykkfeilene. P (X 12 N 12) ( ) 12 0.6 12 0.4 0 12 0.6 12 0.0022. b) Y k antall trykkfeil som gjenstår etter k uavhengige gjennomlesninger. Vi finner først simultanfordelingen til Y 1 og N. Vi har P (X x N n) p x (1 p) n x, x 0, 1,..., n x Simultanfordelingen til Y 1 og N er da gitt ved P (Y 1 u, N n) P (Y 1 u N n) P (N n) for u 0, 1,... og n u, u + 1,.... Vi finner deretter marginalfordelingen til Y 1. P (N X u N n) P (N n) P (X n u N n) P (N n) p n u (1 p) u P (N n) n u P (Y 1 u) P (Y 1 u, N n) nu ( n )p n u (1 p) u e λs (λs)n n u n! ( n + u )p n (1 p) u e λs (λs)n+u n (n + u)! 1 n! pn (1 p) u e λs (λs) n+u nu n0 n0 (λs)u e λs (1 p) u (λps) n n! n0 (λs)u e λs (1 p) u e λps (λs(1 p))u e λs(1 p). Vi ser at marginalfordelingen til Y 1 er Y 1 Poisson(λs(1 p)). anb5-lsf-b 27. januar 2016 Side 5