TMA4240 Statistikk 2014

Like dokumenter
TMA4240 Statistikk Høst 2013

TMA4245 Statistikk Vår 2015

TMA4240 Statistikk Høst 2015

TMA4240 Statistikk Høst 2015

TMA4240 Statistikk 2014

TMA4240 Statistikk Høst 2009

TMA4240 Statistikk Høst 2012

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.

α =P(type I feil) = P(forkast H 0 H 0 er sann) =1 P(220 < X < 260 p = 0.6)

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

TMA4240 Statistikk Høst 2015

TMA4240 Statistikk Høst 2015

TMA4240 Statistikk Høst 2015

Oppfriskning av blokk 1 i TMA4240

TMA4240 Statistikk Høst 2016

Bernoulli forsøksrekke og binomisk fordeling

Binomisk sannsynlighetsfunksjon

Utvalgsfordelinger. Utvalg er en tilfeldig mekanisme. Sannsynlighetsregning dreier seg om tilfeldige mekanismer.

Hypotesetest: generell fremgangsmåte

TMA4240 Statistikk Høst 2007

TMA4240 Statistikk 2014

TMA4240 Statistikk Høst 2009

Utvalgsfordelinger. Utvalg er en tilfeldig mekanisme. Sannsynlighetsregning dreier seg om tilfeldige mekanismer.

TMA4245 Statistikk Eksamen august 2014

ST0202 Statistikk for samfunnsvitere Kapittel 9: Inferens om én populasjon

Fordelinger, mer om sentralmål og variasjonsmål. Tron Anders Moger

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

TMA4245 Statistikk Høst 2016

Kræsjkurs i STAT101. Noen anbefalinger Regn mange(5-10) oppgavesett til eksamen:

TMA4240 Statistikk 2014

Kapittel 9 og 10: Hypotesetesting

Løsning eksamen desember 2017

TMA4245 Statistikk Eksamen desember 2016

Diskrete sannsynlighetsfordelinger.

Fasit for tilleggsoppgaver

i x i

0:7 0:2 0:1 0:3 0:5 0:2 0:1 0:4 0:5 P = 0:56 0:28 0:16 0:38 0:39 0:23

Trigonometric Substitution

ST0202 Statistikk for samfunnsvitere

UNIVERSITETET I OSLO

TMA4240 Statistikk 2014

TMA4240 Statistikk Høst 2008

Bioberegninger, ST november 2006 Kl. 913 Hjelpemidler: Alle trykte og skrevne hjelpemidler, lommeregner.

TMA4240 Statistikk Eksamen desember 2015

HØGSKOLEN I STAVANGER

Diskrete sannsynlighetsfordelinger.

DEL 1 GRUNNLEGGENDE STATISTIKK

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

TMA4240 Statistikk Høst 2016

Slope-Intercept Formula

Tabell 1: Beskrivende statistikker for dataene

1 Section 6-2: Standard normalfordelingen. 2 Section 6-3: Anvendelser av normalfordelingen. 3 Section 6-4: Observator fordeling

Kapittel 9 og 10: Hypotesetesting

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

Kapittel 3: Studieopplegg

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

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

SFB LØSNING PÅ EKSAMEN HØSTEN 2018

Løsning eksamen desember 2016

Eksamensoppgave i TMA4245 Statistikk

Løsning på Dårlige egg med bruk av Tabell 2 i Appendix B

ÅMA 110 SANNSYNLIGHETSREGNING MED STATISTIKK Løsningsforslag til regneøving nr. 12 (s. 34)

Eksamensoppgave i ST0103 Brukerkurs i statistikk

TMA4245 Statistikk Eksamen desember 2016

STK1100 våren Normalfordelingen. Normalfordelingen er den viktigste av alle sannsynlighetsfordelinger

Hypotesetesting. Hvorfor og hvordan? Gardermoen 21. april 2016 Ørnulf Borgan. H. Aschehoug & Co Sehesteds gate 3, 0102 Oslo Tlf:

Kapittel 6: Kontinuerlige sannsynlighetsfordelinger

ST0202 Statistikk for samfunnsvitere Kapittel 6: Normalfordelingen

Oppgaver fra 8.3, 8.4, , 8.51, 8.52, 8.231, 8.232, 8.250, 8.252

TMA4245 Statistikk Eksamen 9. desember 2013

TMA4240 Statistikk H2010 (22)

Eksamensoppgave i TMA4245 Statistikk

Formelsamling i medisinsk statistikk

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

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

EKSAMEN I FAG TMA4260 INDUSTRIELL STATISTIKK

EKSAMEN KANDIDATNUMMER: EKSAMENSDATO: 26. mai SENSURFRIST: 16. juni KLASSE: HIS TID: kl

TMA4240 Statistikk H2010 (19)

TMA4245 Statistikk Eksamen august 2014

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

TMA4240 Statistikk Høst 2013

6.1 Kontinuerlig uniform fordeling

TMA4240 Statistikk Eksamen desember 2015

Hypotesetesting. mot. mot. mot. ˆ x

β(µ) = P(akseptere H 1 µ)

B A. Figur 1: Venn-diagram for(a B) = A B

ÅMA110 Sannsynlighetsregning med statistikk, våren 2006 Kp. 6, del 3

TMA4240/TMA4245 Statistikk Oppsummering diskrete sannsynlighetsfordelinger

TMA4240 Statistikk H2010 (20)

TMA4240 Statistikk Høst 2015

Eksamensoppgave i TMA4240 Statistikk

OPPGAVEHEFTE I STK1000 TIL KAPITTEL 5 OG 6. a b

UNIVERSITETET I OSLO ØKONOMISK INSTITUTT

TMA4240 Statistikk Høst 2015

Løsningsforslag Eksamen i Statistikk SIF5060 Aug 2002

Eksamensoppgave i TMA4265 Stokastiske prosesser

LØSNINGSFORSLAG TIL EKSAMEN I FAG TMA4240 STATISTIKK Mandag 12. desember 2011

Løsningsforslag til eksamen i TMA4245 Statistikk 7. juni 2007

TMA4240 Statistikk Høst 2015

Transkript:

Norges teknisk-naturvitenskapelige universitet Institutt for matematiske fag Øving nummer 6, blokk I Løsningsskisse Oppgave 1 Fremgangsmetode: P X 1 < 6.8 Denne kan finnes ved å sette opp integralet over sannsynligheten, og så transformere til en standard normalfordeling, og deretter bruke en tabell over numeriske verdier for P Z z. X1 + X 2 P 2 < 6.8 Denne kan finnes ved å bruke teoremet som sier at Y X 1+X 2 2 er normalfordelt, og deretter regne ut forventningsverdien og standardavviket, som er parametrene i den nye normalfordelingen. Etter dette løser man P Y < 6.8. Oppgave 2 Vi antar X er normalfordelt, X N331, 7 2. Ved bruk av tabell A.3 finner vi a 1 2 P X > 3000 1 P X < 3000 3000 331 1 P Z < 7 1 P Z < 0. 1 0.2912 0.709. 3000 331 P 3000 < X < 300 P < Z < 7 P 0. < Z < 0.32 P Z < 0.32 P Z < 0. 0.62 0.2912 0.33. 300 331 7 ov6-lsf-b 6. oktober Side 1

3 P X > 300 X > 3000 P X > 300 X > 3000 P X > 3000 P X > 300 P X > 3000 P Z > 0.32 P Z > 0. 1 P Z < 0.32 1 P Z < 0. 1 0.62 1 0.2912 0.28. b P Y > 0 1 P Y 0 1 0.99 100 0.6340 P Y > 1 Y > 0 P Y > 1, Y > 0 P Y > 0 1 P Y 0 P Y 1 1 P Y 0 1 P Y 1 1 P Y 0 0.4168 Det gamle løsningsforslaget Overkill: Dersom fødelsvekten er mindre enn c gram, P X < c 0.01, vil barnet bli klassifisert som undervektig. La n 100 være antall barn og Y antall av disse barna som var undervektige ved fødselen. Vi antar at fødelsvekten for de ulike barna er uavhengige av hverandre. Fødelsvekten til hvert barn kan da beskrives av en bernoulli variabel med med suksesssannsynlighet undervektig p P X < c 0.01. Da vil Y være binomisk fordelt med parametere n 100, p 0.01, Y by; 100, 0.01. Når Y er en binomisk fordelt variabel med fordeling by; n, p, n og p 0, np µ vil vi kunne bruke Poisson-tilnærming til den binomiske fordelingen, dvs by; n, p py; µ. Vi bruker poisson-tilnærmingen Y py; 1 og finner da ved bruk av tabell A.2 P Y > 0 1 P Y < 0 1 0.3679 0.63. ov6-lsf-b 6. oktober Side 2

P Y > 1 Y > 0 P Y > 1 Y > 0 P Y > 0 P Y > 1 P Y > 0 1 P Y < 1 1 P Y < 0 1 0.738 1 0.3679 0.42. Oppgave 3 a The probability that the lamp lights up when the procedure is performed once, is P X > 2 P X 20/4 > 2 20/4 P Z > 1.2 P Z < 1.2 0.106, where Z has the standard normal distribution. If the procedure is performed three times, let the amounts of by-product be X 1, X 2, X 3. Then the probability that the lamp lights up at least once is P X 1 > 2 X 2 > 2 X 3 > 2 1 P X 1 2, X 2 2, X 3 2 1 P X i 2 3 1 1 P X i > 2 3 1 1 0.106 3 0.28. Let Y be the number of times the lamp lights up when the procedure is performed 100 times. Then Y has the binomial distribution with parameters n 100 and p 0.106, and P Y 1 P Y 14. P Y np np1 p 14. 100 0.106 100 0.106 0.8944 P Z > 1.28 P Z 1.28 0.100, using the normal approximation with continuity correction. The exact binomial probability is 0.104. You are not penalized if you have not applied the continuity correction. If you use 1 instead of 14. in the normal approximation, you get 0.074, and if you use 14 arising from P Y 1 1 P Y 14, you get 0.131 not very good approximations. b Let n be the number of times the procedure is performed, and let X 1, X 2,..., X n be the amounts of by-product. The total amount of by-product, Y n i1 X i, has the normal distribution with mean 20n and variance 4 2 n. We want to find n such that Y 20n 0.01 P Y 00 P 4 00 20n n 4 00 20n P Z n 4, n that is, 00 20n/4 n z 0.01 2.326, or 12 n z 0.01 n, and we have a quadratic inequality n + z 0.01 n 12 0 in n. The left hand side is a downwardpointing parabola as a function of n having zeros z 0.01 ± z 2 0.01 + 4 12 /2, that is,.24 and 4.77, meaning that 0 n 4.77 and n 22.8, that is, n 22 since n is an integer. ov6-lsf-b 6. oktober Side 3

Oppgave 4 TMA4240 Statistikk X er hypergeometrisk fordelt med N 1000 turer, k turer kjører transportfirmaet gjennom sentrum og N k 99 utenom sentrum, og vi tar en stikkprøve av størrelse n. Betingelser: Et tilfeldig utvalg av størrelse n tas uten tilbakelegging fra N enheter. Her: et tilfeldig utvalg av n turer sjekket blant N turer som totalt kjøres. De N enhetene deles inn i to grupper, k suksesser og N k fiaskoer. Her: k turer kjøres gjennom sentrum og N k 99 turer kjøres utenom sentrum. X er antallet suksesser blant de n. Her: X er antall turer gjennom sentrum av de n turene som ble sjekket. Punktsannsynligheten i hypergeometrisk fordeling, N 1000, k, n er gitt som: 99 P X x x x og mulige verdier for x er 0, 1, 2, 3, 4,. 1000 99 P X 0 0 0 0.972 1000 Siden P X 0 0.97 må x 0 være den verdien av x som gir høyest punktsannsynlighet siden summen av alle punktsannsynligheter er 1 kan ingen annen punktsannsynlighet være større enn 1-0.97. 99 P X 0 1.21 10 13 1000 Til sammenligning er sannsynligheten for å vinne 7 rette i lotto 1.8 10 7. Kommentar 1: Når N er stor i forhold til n boka nevner som tommelfingerregel at n/n 0.0, og her er jo /1000 0.00 så kan binomisk fordeling brukes som en tilnærming til hypergeometrisk fordeling når vi regner ut sannsynligheter. Da gjør vi n forsøk og i hvert forsøk sjekker vi om transporten skjer gjennom bykjernen, p k N 1000 er sannsynlighet for transport gjennom bykjernen, og X er antall transporter gjennom bykjernen for de n undersøkt. Da kan punktsansynligheten til X tilnærmes med n P X x k x N x 1 k N n x x 1000 x 1 1000 x Videre er tilnærmet: P X 0 P X 0 1000 0 1 1000 0 1 1000 0.97 1000 1 1000 1000 3.12 10 12 ov6-lsf-b 6. oktober Side 4

Kommentar 2: Denne oppgaven er basert på en henvendelse fra en tidligere bygg-student, og er basert på faktiske forhold. Dog, transportfirmaet sa først at alle 1000 turene var kjørt utenom bykjernen og kun etter at de be møtt med fakta på at stikkprøve av turer viste transport gjennom bykjernen så informerte de om at det kun var akkurat disse turene av de 1000 som hadde blitt kjørt gjennom bykjernen. La oss tenke oss at vi ser på dette som en hypotesetest, der vi ønsker å finne ut om det er grunn til å tro at transportfirmaet har kjørt mer enn k av turene gjennom bykjernen: H 0 : k vs. H 1 : k > P -verdien til testen ville vært å regne ut P X som vi har gjort i oppgaven, og denne er 1.21 10 13, som ville ført til at vi forkastet nullhypotesen og ville tro at flere enn transporter var kjørt gjennom bykjernen. Men, dette var ikke med i oppgaven. ov6-lsf-b 6. oktober Side