TMA4240 Statistikk Høst 2009

Like dokumenter
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

TMA4240 Statistikk Høst 2015

Løsningsforslag Eksamen i Statistikk SIF5060 Aug 2002

TMA4240 Statistikk Høst 2015

TMA4240 Statistikk Høst 2013

TMA4245 Statistikk Høst 2016

Kapittel 2: Hendelser

TMA4240 Statistikk H2015

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

Notasjon. Løsninger. Problem. Kapittel 7

FORMELSAMLING TIL STK1100 OG STK1110

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

UNIVERSITETET I OSLO

To-dimensjonale kontinuerlige fordelinger

TMA4240 Statistikk Høst 2009

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

TMA4240 Statistikk Høst 2015

Dagens tekst. Kap 7: Funksjonar av stokastiske variable Transformasjon av variable Moment Momentgenererande funksjon

3.4: Simultanfordelinger (siste rest) 4.1,4.2,4.3: Multivariat del (ferdig med kapittel 3 og 4 etter denne forelesningen)

TMA4240 Statistikk Høst 2016

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

Oppfriskning av blokk 1 i TMA4240

TMA4245 Statistikk Vår 2007

Funksjoner av stokastiske variable.

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

Togforsinkelsen (Eksamen Des2003.1a) I denne oppgaven kan du bruke uten å vise det at

Funksjoner av stokastiske variable.

Kapittel 3: Stokastiske variable og sannsynlighetsfordelinger

Tyngdepunkt. Togforsinkelsen (Eksamen Des2003.1a) I denne oppgaven kan du bruke uten å vise det at. Kapittel 4

FORMELSAMLING TIL STK1100 OG STK1110

Kontinuerlige sannsynlighetsfordelinger.

Eksempel: kast med to terninger

6.5 Normalapproksimasjon til. binomisk fordeling

TMA4240 Statistikk 2014

Transformasjoner av stokastiske variabler

Forventning og varians.

TMA4240 Statistikk Høst 2009

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

Eksamensoppgave i Løsningsskisse TMA4240 Statistikk

TMA4240 Statistikk 2014

Kapittel 4: Matematisk forventning

TMA4240 Statistikk Høst 2007

Forventning og varians.

6.1 Kontinuerlig uniform fordeling

ELE Matematikk valgfag

Løsningsforslag til eksamen i TMA4245 Statistikk 7. juni 2007

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

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 Eksamen desember 2015

TMA4240 Statistikk H2015

Kapittel 6: Kontinuerlige sannsynlighetsfordelinger : Normalfordelingen, normalapproksimasjon, eksponensial og gamma.

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

Regneøvelse 22/5, 2017

Stokastisk variabel. Eksempel augefarge

3.1 Stokastisk variabel (repetisjon)

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

ST1101/ST6101 Sannsynlighetsregning og statistikk Vår 2019

TMA4240 Statistikk 2014

Gammafordelingen og χ 2 -fordelingen

Denne veka. Kap 7: Funksjonar av stokastiske variable Transformasjon av variable Moment Momentgenererande funksjon

UNIVERSITETET I OSLO

ÅMA110 Sannsynlighetsregning med statistikk, våren ÅMA110 Sannsynlighetsregning med statistikk, våren 2010

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

UNIVERSITETET I OSLO

TMA4240 Statistikk Høst 2015

Observatorer. STK Observatorer - Kap 6. Utgangspunkt. Eksempel høyde Oxford studenter

Eksamensoppgave i TMA4240 / TMA4245 Statistikk

Kontinuerlige sannsynlighetsfordelinger.

ÅMA110 Sannsynlighetsregning med statistikk, våren Kp. 3 Diskrete tilfeldige variable. Diskrete tilfeldige variable, varians (kp. 3.

Anbefalte oppgaver - Løsningsforslag

TMA4240 Statistikk Eksamen desember 2015

TMA4240 Statistikk Høst 2016

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

MA0002 Brukerkurs i matematikk B Vår 2013

statistikk, våren 2011

TMA4245 Statistikk Eksamen desember 2016

Eksamensoppgåve i TMA4240 / TMA4245 Statistikk

TMA4245 Statistikk Eksamen desember 2016

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

Kap. 6, Kontinuerlege Sannsynsfordelingar

Kapittel 8: Tilfeldige utvalg, databeskrivelse og fordeling til observatorar, Kapittel 9: Estimering

Løsningsforslag oblig 1 STK1110 høsten 2014

ÅMA110 Sannsynlighetsregning med statistikk, våren 2010 Oppsummering

Eksamensoppgave i TMA4240 Statistikk

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

Eksamensoppgåve i TMA4240 Statistikk

Denne veka. Kap 7: Funksjonar av stokastiske variable Transformasjon av variable Moment Momentgenererande funksjon

Transkript:

TMA44 Statistikk Høst 9 Norges teknisk-naturvitenskapelige universitet Institutt for matematiske fag Øving nummer b Løsningsskisse Oppgave X er en stokastisk variabel med sannsynlighetstetthet { f(x), x,,,, ellers Skal finne sannsynlighetstettheten til Da y x får vi og gitt at x,, får vi ved teorem 7. Y X. x y + [ ] y + g(y) f for y,,5. Oppgave Simultanfordeling Eksamen august 6, oppgave 4 av 4 Simultanfordelingen, f(x, y), til de to diskrete stokastiske variablene X og Y er gitt i følgende tabell: ovingb-lsf-b. oktober 9 Side

y y y f(x) x- 6 x 6 x 6 f(y) Marginalfordelingen til X og til Y sees i tabellen. f(x) f(y) { for x,, ellers. { for y,, ellers. Forvening og varians til X: E(X) ( ) + + Var(X) ( ) + ( ) + ( ) Forvening og varians til Y : E(Y ) + + Var(Y ) ( ) + ( ) + ( ) Kovarians: E(X Y ) 6 ( ) + ( ) + ( ) + + 6 + + + + 6 6 Cov(X,Y ) 6 6

Siden kovariansen mellom X og Y ikke er null så kan ikke X og Y være uavhengige. Vi ser også at simultanfordelingen til X og Y ikke er lik produktet av de to marginalfordelingene, noe som ville vært tilfellet hvis X og Y hadde vært uavhengige. Oppgave Eksamen desember 999, oppgåve 4 av 5, punkt a,b (av a-e) a) P(X > ) P(X ) F() ( e ).6 P(X > X > ) P(X > X > ) P(X > ) F() F() e e.59 P(X > ) P(X > ) E(X) xf(x)dx θ θ Γ() θ b) U min(x A,X B ), og X A og X B er uavhengige. x xe θ dx formel θ θ θ + Γ( + ) F U (u) P(U u) P(U > u) P(min(X A,X B ) > u) P(X A > u X B > u) uavh. P(X A > u)p(x B > u) ( F XA (u))( F XB (u)) e u e u e u( + ) f U (u) F U (u) ( u + )e u( + ) ( + ) u e u( + ), u > Gjenkjenner dette som same fordelinga som X og Y kjem frå, men med θ ( Følgjer då frå a) at: E(U) ( + ) ( + ) + ). Oppgave 4 X er kontinuerlig fordelt med sannsynlighetstetthet

Vi bruker i oppgavene teorem 7.. f X (x) { xexp( x ) x ellers a) Vi har U X g(x);x slik at X U + h(u) med h (u). Funksjonen g(x) x er strengt monoton og deriverbar for alle x. Vi har dermed f U ( u) f X ( h(u)) h (u) (u + ) exp( (u + ) ) (u + ) exp( (u + ) );u. b) Vi har her der med V X g(x);x X V h(v ) h (v). Funksjonen g(x) x er strengt monoton og deriverbar for alle x. Dette gir f V ( v) f X ( h(v)) h ( v) ( v) exp( ( v) ) v exp( ( v) );v. c) Vi har W X g(x);x som gir X W h(w) med

h (w) w. Funksjonen g(x) x er strengt monoton og deriverbar for alle x. f W ( w) f X ( h( w)) h ( w) w exp( w) w exp( w);w. Oppgave 5 Levetid for lyspærer Eksamen august, oppgave av a) Fra formelsamlingen ser vi at både X og Y er eksponensialfordelte variable: og vi får at X Exp(β ) E[X] β Y Exp(β ) E[Y ] β, E[X] E[Y ] β β. b) Først gjør vi et variabelskifte der X UV og Y V slik at U X/Y er den variabelen vi er ute etter. Deretter finner vi simultantettheten til U og V, før vi til slutt bruker denne til å finne marginaltettheten til U. Vi vet at simultantettheten til U og V er gitt ved der Jacobideterminanten J er gitt ved x x u v J Dermed blir f U,V (u,v) f U,V (u,v) f X,Y (x(u,v),y(u,v)) J, y u Marginaltettheten til U finner vi ved f U (u) y v f U,V (u,v)dv v u v. β e uv/β β e v/β v u,v > ellers v β β e u v β + β u,v > ellers. v β β e u v β + β dv β β (β +β u) u > ellers.

c) E[U] u f U (u)du β β β β u (β + β u) du ( s ) s ds, hvor vi bruker substitusjonen β s β + β u i siste linje. Oppgave 6 Eksamen desember 999, oppgåve 5 av 5 I denne oppgåva er det fleire alternative løysningar, tre løysningar er gitt her: Alternativ : Finn først fordelingsfunksjonen: D.v.s. tettleiken er: som skulle visast. Alternativ : F Y (y) P(Y y) P(X + X y) f(x,x )dx dx x +x y uavh. λe λx λe λx dx dx x +x y y y x y y λe λx λe λx dx dx λe λx ( e λ(y x ) )dx (λe λx λe λy )dx e λy yλe λy f(y) F Y (y) λe λy λe λy + yλ e λy λ ye λy, y >

F Y (y) P(Y y) P(talet på hendingar i [,y] ) P(Z ) der Z P (λy) P(Z ) (λy) e λy (λy)!!! e λy λye λy e λy D.v.s. tettleiken er: f(y) F Y (y) λe λy λe λy + λ ye λy λ ye λy, y > som skulle visast. Alternativ : Finn først momentgenerarande funksjon (MGF) til den aktuelle gamma-fordelinga: For Y X + X har vi at: M Y (t) E(e ty ) e ty λ ye λy dy λ ye (λ t)y dy λ (λ t) (λ t) ye (λ t)y dy λ ( λ t ) M Y (t) M X +X (t) M X (t)m X (t) Frå tabellen har vi at M Xi (t) λ λ t, d.v.s. M Y (t) ( λ λ t ). Då Y X + X har same MGF som gammafordalinga med parameter α og β λ har vi vist at Y har denne gammafordelinga. Oppgave 7 Oppgave fra notat om ordningsvariabler og ekstremvariabler Betrakt et parallellsystem av to uavhengige komponenter, der levetiden til hver av komponentene er eksponensialfordelt med parameter λ, dvs F X (x) e λ x for x.

X X Figur : Paralellkopling av to komponenter Da komponentene danner et paralellsystem, vil systemet fungere dersom minst en av komponentene fungerer. Vi lar dermed levetiden til systemet betegnes ved V max(x,x ), og fordelingen til V finnes ved å benytte at komponenten med lengst levetid er mindre eller lik v hvis og bare hvis begge komponentene er mindre eller lik v: F V (v) P(V v) P(max(X,X ) v) P(X v X v) Vi har videre Uavh. P(X v) P(X v) (F X (v)) ( e λv ) e λv + e λv. Forventningen til V er gitt ved Ved delvis integrasjon får vi dermed E(V ) f V (v) d dv F V (v) λ e λv λ e λv. E(V ) vf V (v)dv vf V (v)dv. ( λ v e λv λ v e λv )dv λ.