UNIVERSITETET I OSLO

Like dokumenter
UNIVERSITETET I OSLO

i=1 t i +80t 0 i=1 t i = 9816.

EKSAMEN I FAG TMA4275 LEVETIDSANALYSE

EKSAMEN I FAG TMA4275 LEVETIDSANALYSE Lørdag 4. juni 2005 Tid: 09:00 13:00

UNIVERSITETET I OSLO

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

Eksamen STK2400, 6/ Løsningsforslag

UNIVERSITETET I OSLO

ST0103 Brukerkurs i statistikk Høsten Momentestimatoren og sannsynlighetsmaksimeringsestimatoren

UNIVERSITETET I OSLO

UNIVERSITETET I OSLO

L12-Dataanalyse. Introduksjon. Nelson Aalen plott. Page 76 of Introduksjon til dataanalyse. Levetider og sensurerte tider

UNIVERSITETET I OSLO

UNIVERSITETET I OSLO

UNIVERSITETET I OSLO ØKONOMISK INSTITUTT

INNHOLD. Side Eksempeleksamen 2T - Hele oppgavesettet 1. Oppgave 1 Eksempeleksamen 10

UNIVERSITETET I OSLO

UNIVERSITETET I OSLO

vekt. vol bruk

Eksamensoppgave i TMA4250 Romlig Statistikk

UNIVERSITETET I OSLO

UNIVERSITETET I OSLO

UNIVERSITETET I OSLO

UNIVERSITETET I OSLO

UNIVERSITETET I OSLO

UNIVERSITETET I OSLO

UNIVERSITETET I OSLO

UNIVERSITETET I OSLO

UNIVERSITETET I OSLO

UNIVERSITETET I OSLO

UNIVERSITETET I OSLO

UNIVERSITETET I OSLO

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

UNIVERSITETET I OSLO

UNIVERSITETET I OSLO

Tilleggsoppgaver for STK1110 Høst 2015

EKSAMEN I FAG TMA4275 LEVETIDSANALYSE Mandag 27. mai 2013 Tid: 09:00 13:00

UNIVERSITETET I OSLO

Eksamensoppgave i TMA4275 Levetidsanalyse

Det matematisk-naturvitenskapelige fakultet

UNIVERSITETET I OSLO

UNIVERSITETET I OSLO

Eksamensoppgave i TMA4295 Statistisk inferens

UNIVERSITETET I OSLO

EKSAMEN I FAG TMA4315 GENERALISERTE LINEÆRE MODELLER Torsdag 14. desember 2006 Tid: 09:0013:00

UNIVERSITETET I OSLO ØKONOMISK INSTITUTT

UNIVERSITETET I OSLO

UNIVERSITETET I OSLO

Gruvedrift. Institutt for matematiske fag, NTNU. Notat for TMA4240/TMA4245 Statistikk

UNIVERSITETET I OSLO

UNIVERSITETET I OSLO

UNIVERSITETET I OSLO ØKONOMISK INSTITUTT

UNIVERSITETET I OSLO

UNIVERSITETET I OSLO Det matematisk-naturvitenskapelige fakultet

UNIVERSITETET I OSLO

EKSAMEN I TMA4245 Statistikk

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

UNIVERSITETET I OSLO

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

UNIVERSITETET I OSLO

Poissonprosesser og levetidsfordelinger

UNIVERSITETET I OSLO

UNIVERSITETET I OSLO

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

UNIVERSITETET I OSLO Matematisk Institutt

UNIVERSITETET I OSLO

UNIVERSITETET I OSLO

UNIVERSITETET I OSLO

UNIVERSITETET I OSLO

UNIVERSITETET I OSLO ØKONOMISK INSTITUTT

UNIVERSITETET I OSLO

EKSAMEN I NUMERISK MATEMATIKK(TMA4215) Lørdag 20. desember 2003 Tid: 09:00 14:00, Sensur:

UNIVERSITETET I OSLO

η = 2x 1 + x 2 + x 3 x 1 + x 2 + x 3 + 2x 4 3 x x 3 4 2x 1 + x 3 + 5x 4 1 w 1 =3 x 1 x 2 x 3 2x 4 w 2 =4 x 1 x 3 w 3 =1 2x 1 x 3 5x 4

UNIVERSITETET I OSLO

UNIVERSITETET I OSLO

UNIVERSITETET I OSLO

UNIVERSITETET I OSLO

Det matematisk-naturvitenskapelige fakultet

UNIVERSITETET I OSLO

UNIVERSITETET I OSLO

Eksamensoppgave i TMA4240 Statistikk

Eksamensoppgave i TMA4240 Statistikk

Eksamensoppgave i ST0103 Brukerkurs i statistikk

UNIVERSITETET I OSLO

UNIVERSITETET I OSLO

UNIVERSITETET I OSLO

UNIVERSITETET I OSLO

UNIVERSITETET I OSLO

UNIVERSITETET I OSLO

UNIVERSITETET I OSLO

Andre sett med obligatoriske oppgaver i STK1110 høsten 2010

UNIVERSITETET I OSLO

UNIVERSITETET I OSLO

Eksamensoppgåve i TMA4250 Romleg Statistikk

Det matematisk-naturvitenskapelige fakultet

UNIVERSITETET I OSLO

UNIVERSITETET I OSLO

UNIVERSITETET I OSLO

UNIVERSITETET I OSLO

Transkript:

Eksamen i UNIVERSITETET I OSLO Det matematisk-naturvitenskapelige fakultet Eksamensdag: Torsdag 9. juni, 2011 Tid for eksamen: 09.00 13.00 Oppgavesettet er på 5 sider. Vedlegg: Tillatte hjelpemidler: STK4400/STK9400 Risiko- og pålitelighetsanalyse Ingen Kalkulator Kontroller at oppgavesettet er komplett før du begynner å besvare spørsmålene. Oppgave 1 Innfør notasjonen x y = max(x, y) x y = (x 1 y 1,..., x n y n ). La være strukturfunksjonen til et MCS og anta S i = S, i = 1,..., n. (a) Vis at for alle x and y (x y) (x) (y). (b) Vis videre at likhet holder for alle x og y i (a) hviss strukturfunksjonen er parallell, dvs. (x) = max 1 i n x i. Oppgave 2 La (C, ) være et MMS. Videre, for j {1,..., M} la z j k = (zj 1k,..., zj nk ), k = 1,..., mj være dets minimale kuttvektorer til nivå j og D j (zj k ), k = 1,..., mj de tilhørende minimale kuttmengder til nivå j. Innfør videre følgende generalisering av de minimale kuttparallellstrukturer fra binær teori (Fortsettes på side 2.) { 1 ellers j (x) = k 0 hvis x i z j ik for i Dj (zj k ).

Eksamen i STK4400/STK9400, Torsdag 9. juni, 2011 Side 2 (a) Vis at (x) < j 1 k m j slik at x i z j ik for i Dj (zj k ) min 1 k m j j (x) = k m j k=1 j (x) = 0. k (b) La j m = k=1 P ( i D j (zj k ) (X i > z j ik )). Vis at pj = P [(X) j]. (c) Videre la l j (P ) = m j p z j ik +1 i, k=1 i D j (zj k ) der p j i = P [X i j]. Hvis X 1,..., X n er uavhengige, vis at vi da har = l j (P ) p j = P [(X) j]. Oppgave 3 I denne oppgaven betrakter vi produksjonen fra n oljereservoarer som deler en felles prosessenhet med samlet kapasitet K. La Q(t) = (Q 1 (t),..., Q n (t)) betegne vektoren av kumulative produksjonsfunksjoner for de n reservoarene, og la f(t) = (f 1 (t),..., f n (t)) være de tilhørende potensielle produksjonsratefunksjonene (PPR-funksjonene). La videre b = b(t) = (b 1 (t),..., b n (t)) betegne en produksjonsstrategi, og la q(t) = (q 1 (t),..., q n (t)) betegne den resulterende vektoren av faktiske produksjonsrater på tid t 0. (a) Sett opp sammenhengen mellom q i (t), Q i (t), f i (t) og b i (t), i = 1,..., n, og gi en praktisk fortolkning av denne. Hvilke krav må produksjonsstrategien b tilfredsstille for at denne skal være en gyldig (valid) strategi? Forklar også hva en admissibel produksjonsstrategi er? For å indikere at de kumulative produksjonsfunksjonene avhenger av den valgte produksjonsstrategien, skriver vi heretter Q i (t, b) i stedet for Q i (t), i = 1,..., n. (Fortsettes på side 3.)

Eksamen i STK4400/STK9400, Torsdag 9. juni, 2011 Side 3 (b) La B og B betegne henholdsvis familien av gyldige og admissible produksjonsstrategier, og la : B R være en objektivfunksjon. Vi sier at er symmetrisk dersom for enhver gitt produksjonsstrategi b B så avhenger av b kun via den totale kumulative produksjonsfunksjonen Q(, b), gitt ved: Q(t, b) = n Q i (t, b), t 0. Dette betyr mer presist at hvis er en symmetrisk objektivfunksjon, og b 1, b 2 B er slik at: Q(t, b 1 ) = Q(t, b 2 ), for alle t 0, så er (b 1 ) = (b 2 ). Gi en praktisk fortolkning av hva det vil si at en objektivfunksjon er symmetrisk. Gi et eksempel på en situasjon der det ikke er naturlig å benytte symmetriske objektivfunksjoner. (c) La T K (b) betegne platålengden for en produksjonsstrategi b, dvs.: T K (b) = inf{t 0 : n f i (Q i (t, b)) < K}. Anta så at er en symmetrisk objektivfunksjon, og at b 1, b 2 B er slik at: Q i (T K (b 1 ), b 1 ) = Q i (T K (b 2 ), b 2 ), i = 1,..., n. Forklar hvorfor dette medfører at T K (b 1 ) = T K (b 2 ), og benytt dette til å vise at da må også (b 1 ) = (b 2 ). (d) Gjør kort rede for hvordan resultatet fra (c) kan brukes i forbindelse med optimering av produksjonsstrategier. Oppgave 4 Vi betrakter et reparerbart system som opererer fra tid t = 0. La N(s, t) for 0 s < t betegne antall feil i tidsintervallet (s, t] og la N(0, t) for enkelthets skyld betegnes N(t). Videre settes W (s, t) = E[N(s, t)] og W (t) = E[N(t)]. Nedenfor betraktes m systemer av typen ovenfor. Disse antas å operere uavhengig av hverandre, hver med kumulativ ROCOF W (t). Tema for oppgaven er estimering av W (t). Det antas at prosess nr. j (j = 1, 2,..., m) er observert på tidsintervallet [0, τ j ]. Her er τ 1,..., τ m gitte konstanter, og vi setter τ max = max{τ 1,..., τ m }. Vi lar videre y(t) være antallet av de m systemene som opererer innenfor sine respektive tidsintervall ved tidspunkt t 0 (egentlig umiddelbart før t). Merk at y(t) er deterministisk, da den bare avhenger av konstantene τ 1,..., τ m. (Fortsettes på side 4.)

Eksamen i STK4400/STK9400, Torsdag 9. juni, 2011 Side 4 La h 0 = 0 < h 1 < h 2 < < h r = τ max gi en oppdeling av tidsaksen fra 0 til τ max. Anta at hver av τ 1,..., τ m er lik en av disse h k -ene. For i = 1,..., r, definer: D i = antall observerte feil i intervallet (h i 1, h i ] (summert over alle de m systemene). y i = antall systemer som opererer i intervallet (h i 1, h i ], dvs. at y i er verdien til y(t) i intervallet. (a) Gjør greie for at for i = 1, 2,..., r. E[D i ] = y i W (h i 1, h i ) (1) Bruk dette til å vise at for k = 1, 2,..., r er en forventningsrett estimator for W (h k ) gitt ved k D i Ŵ (h k ) =. (2) y i I resten av oppgaven antas at de m prosessene er ikke-homogene Poisson-prosesser med intensitet (ROCOF) w(t) = W (t) (der den deriverte antas å eksistere). (b) Forklar (kort) ved å bruke egenskaper ved ikke-homogene Poisson-prosesser hvorfor D 1, D 2,..., D r nå er uavhengige og Poisson-fordelte med parametre gitt ved (1). Finn et uttrykk for V ar[ŵ (h k)] for k = 1, 2,..., r. variansen fra de observerte D 1,..., D r? (Vink: For en Poisson-fordelt D er V ar[d] = E[D]). Hvordan vil du estimere denne (c) Anta at ROCOF for prosessen er gitt ved en parametrisk modell w(t; θ) og at de forventede antall feil i intervaller (s, t] tilsvarende er gitt på parametrisk form W (s, t; θ). Vis at likelihood-funksjonen for θ når observasjonene er gitt som d 1,..., d r kan skrives { r } [y i W (h i 1, h i ; θ)] d i L(θ; d 1,..., d r ) = e m j=1 W (τj;θ). d i! (Vink: Likelihood-funksjonen er her det samme som simultanfordelingen for D 1,..., D r.) (d) Anta i dette punktet at vi har registrert de eksakte feiltidspunktene t 1, t 2,..., t n, der (Fortsettes på side 5.) 0 < t 1 < t 2 < < t n < τ max,

Eksamen i STK4400/STK9400, Torsdag 9. juni, 2011 Side 5 og der det ikke er tatt hensyn til hvilken prosess de enkelte tidene kommer fra. Merk at det er observert bare én feil ved hvert tidspunkt. Forklar hvordan estimatoren (2) leder til den såkalte Nelson-Aalen estimatoren for W (t), Ŵ NA (t) = t l t 1 y(t l ), for 0 < t τ max. SLUTT