Oppgaven består av 9 delspørsmål som anbefales å veie like mye, Kommentarer og tallsvar er skrevet inn mellom <<, >>, Oppgave 1

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

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

UNIVERSITETET I OSLO ØKONOMISK INSTITUTT

UNIVERSITETET I OSLO ØKONOMISK INSTITUTT

(iii) Når 5 er blitt trukket ut, er det tre igjen som kan blir trukket ut til den siste plassen, altså:

UNIVERSITETET I OSLO ØKONOMISK INSTITUTT

Løsningskisse for oppgaver til uke 15 ( april)

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

ØVINGER 2017 Løsninger til oppgaver

Illustrasjon av regel 5.19 om sentralgrenseteoremet og litt om heltallskorreksjon (som i eksempel 5.18).

Eksamensoppgave i SØK Statistikk for økonomer

X ijk = µ+α i +β j +γ ij +ǫ ijk ; k = 1,2; j = 1,2,3; i = 1,2,3; i=1 γ ij = 3. i=1 α i = 3. j=1 β j = 3. j=1 γ ij = 0.

TMA4240 Statistikk H2010

STK desember 2007

Oppgaven består av 10 delspørsmål som anbefales å veie like mye. Kommentarer og tallsvar er skrevet inn mellom <<. >>. Oppgave 1

De normalfordelte: x og sd for hver gruppe. De skjevfordelte og de ekstremt skjevfordelte: Median og kvartiler for hver gruppe.

Forelesning 4 og 5 MET3592 Økonometri ved David Kreiberg Vår 2011

Econ 2130 uke 16 (HG)

TMA4240/4245 Statistikk Eksamen august 2016

Oppgaven består av 9 delspørsmål som anbefales å veie like mye. Kommentarer og tallsvar er skrevet inn mellom << >>. Oppgave 1

Statistikk og økonomi, våren 2017

Alle deloppgaver teller likt i vurderingen av besvarelsen.

Appendiks 1: Organisering av Riksdagsdata i SPSS. Sannerstedt- og Sjölins data er klargjort for logitanalyse i SPSS filen på følgende måte:

Løsningsforslag ST2301 Øving 8

TMA4300 Mod. stat. metoder

UNIVERSITETET I OSLO

DEN NORSKE AKTUARFORENING

STK1000 Innføring i anvendt statistikk Eksamensdag: Tirsdag 12. desember 2017

Løsningsforslag (ST1201/ST , kontinuasjonseksamen) ln L. X i = 2n.

Studieprogramundersøkelsen 2013

TMA4265 Stokastiske prosesser

EKSAMENSOPPGAVE I SØK1004 STATISTIKK FOR ØKONOMER STATISTICS FOR ECONOMISTS

Oppgaven består av 10 delspørsmål som anbefales å veie like mye, Kommentarer og tallsvar er skrevet inn mellom <<, >>, Oppgave 1

UNIVERSITETET I OSLO ØKONOMISK INSTITUTT

Fasit for tilleggsoppgaver

Løsningskisse seminaroppgaver uke 17 ( april)

Eksamensoppgave i SØK2900 Empirisk metode

Merk at vi for enkelthets skyld antar at alle som befinner seg i Roma sentrum enten er italienere eller utenlandske turister.

Anvendelser. Kapittel 12. Minste kvadraters metode

TMA4245 Statistikk Eksamen desember 2016

STK1100 våren 2015 P A B P B A. Betinget sannsynlighet. Vi trenger en definisjon av betinget sannsynlighet! Eksemplet motiverer definisjonen:

SFB LØSNING PÅ EKSAMEN HØSTEN 2018

TMA4245 Statistikk Eksamen august 2014

Forelesning nr.3 INF 1411 Elektroniske systemer. Parallelle og parallell-serielle kretser Kirchhoffs strømlov

TMA4245 Statistikk Eksamen mai 2016

Forelesning nr.3 INF 1411 Elektroniske systemer

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

Eksamen i emne SIB8005 TRAFIKKREGULERING GRUNNKURS

Oversikt 1. forelesning. ECON240 Statistikk og økonometri. Utdanning og lønn. Forskning. Datainnsamling; utdanning og inntekt

Fleksibelt arbeidsliv. Befolkningsundersøkelse utført for Manpower September 2015

Notasjoner, gjennomsnitt og kvadratsummer. Enveis ANOVA, modell. Flere enn to grupper. Enveis variansanalyse (One-way ANOVA, fixed effects model)

TMA4265 Stokastiske prosesser

NÆRINGSSTRUKTUR OG INTERNASJONAL HANDEL

Sparing gir mulighet for å forskyve forbruk over tid; spesielt kan ujevne inntekter transformeres til jevnere forbruk.

MASTER I IDRETTSVITENSKAP 2012/2014. Individuell skriftlig eksamen. MAS 402- Statistikk. Tirsdag 9. oktober 2012 kl

betyr begivenheten at det blir trukket en rød kule i første trekning og en hvit i andre, mens B1 B2

TMA4240 Statistikk H2010 (20)

UNIVERSITETET I OSLO

Fleksibelt arbeidsliv. Befolkningsundersøkelse utført for Manpower September 2015

ST0202 Statistikk for samfunnsvitere

Hypotesetesting av λ og p. p verdi.

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

Oppgave 3, SØK400 våren 2002, v/d. Lund

Investering under usikkerhet Risiko og avkastning Høy risiko. Risikokostnad prosjekt Snøskuffe. Presisering av risikobegrepet

TMA4245 Statistikk Eksamen 21. mai 2013

Regler om normalfordelingen

Løsningsforslag Eksamen i Statistikk Nov 2001 Oppgave 1 a) Det fins 8 mulige kombinasjoner. Disse finnes ved å utelate ett og ett tall.

Seleksjon og uttak av alderspensjon fra Folketrygden

Eksamensoppgave i TMA4240 Statistikk

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

Fourieranalyse. Fourierrekker på reell form. Eksempel La. TMA4135 Matematikk 4D. En funksjon sies å ha periode p > 0 dersom

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

Fast valutakurs, selvstendig rentepolitikk og frie kapitalbevegelser er ikke forenlig på samme tid

Dynamisk programmering. Hvilke problemer? Optimalitetsprinsippet. Overlappende delproblemer

TMA4240 Statistikk H2010 (19)

Løsningsskisse til eksamen i TFY112 Elektromagnetisme,

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

Hvordan får man data og modell til å passe sammen?

EKSAMEN Løsningsforslag

Oversikt over tester i Econ 2130

Econ 2130 uke 19 (HG) Inferens i enkel regresjon og diskrete modeller

A. i) Sett opp en frekvenstabell over de fire mulige kombinasjonene av kjønn og røykestatus. Dvs. fyll inn. Ikke - røyker Sum Jente Gutt Sum 25

EKSAMEN ny og utsatt løsningsforslag

(Det tas forbehold om feil i løsningsforslaget.) Oppgave 1

Oppgaver. Multiple regresjon. Forelesning 3 MET3592 Økonometri ved David Kreiberg Vår 2011

EKSAMEN I FAG SIF5040 NUMERISKE METODER Tirsdag 15. mai 2001 Tid: 09:00 14:00

Stivt legemers dynamikk

Simpleksmetoden. Initiell basistabell Fase I for å skaffe initiell, brukbar løsning. Fase II: Iterativ prosess for å finne optimal løsning Pivotering

Hypotesetest: generell fremgangsmåte

Oversikt over tester i Econ 2130

Dynamisk programmering. Hvilke problemer? Overlappende delproblemer. Optimalitetsprinsippet

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

TMA4240 Statistikk Høst 2009

Dynamisk programmering. Hvilke problemer? Overlappende delproblemer. Optimalitetsprinsippet

NOEN SANNSYNLIGHETER I BRIDGE Av Hans-Wilhelm Mørch.

Avdeling for estetiske fag, folkekultur og lærerutdanning BOKMÅL 29. mai 2007

Regler om normalfordelingen

Oppgave 1 Det er oppgitt i oppgaveteksten at estimatoren er forventningsrett, så vi vet allerede at E(ˆµ) = µ. Variansen til ˆµ er 2 2 ( )

Løsningsforslag øving 10 TMA4110 høsten 2018

Transkript:

ECON 213 EKSAMEN 26 VÅR SENSORVEILEDNING Oppgaven består av 9 delspørsmål som anbefales å vee lke mye, Kommentarer og tallsvar er skrevet nn mellom <<, >>, Oppgave 1 I en by med 1 stemmeberettgete nnbyggere pågår en heftg debatt om det skal etableres en bomrng (dvs bommer på alle nnfartsveene der hver passerng mot byen med bl koster en avgft) for å fnansere dverse trafkkprosjekter. På slutten av et debattprogram på lokal-tv ble seerne anmodet om å rnge nn ( løpet av programmet) og stemme for eller mot bomrng. Av 5 nnrngere var 5 (altså 9%) mot bomrng. For enkelthets skyld antar v at tallet 1 bare omfatter byens stemmeberettgete og at bare stemmeberettgete rngte nn tl programmet. V antar også at alle de stemmeberettgete har en menng for eller mot. La M betegne motstander og T tlhenger av bomrng. La S betegne det å delta telefonavstemnngen TV og S det å kke delta. Anta at de 1 stemmeberettgete er fordelt de fre kombnasjonene av menng og stemmedeltagelse som angtt tabell 1. Tabell 1 T (for) M (mot) S (avgr stemme) 5 5 S (avgr kke stemme) 2 3 a. For en tlfeldg valgt stemmeberettget, la begvenhetene T, M og S stå for at vedkommende er tlhenger, motstander eller deltok TV-avstemnngen henholdsvs. () Fnn sannsynlghetene PM ( ), PM ( S), PM ( S ) og PM ( S) () Er M og S uavhengge? Begrunn svaret dtt. << () 75 5 3 PM ( ) = =, 75, PM ( S) = =,9, PM ( S) = =, 6 1 5 5 8 PM ( S) = =,8 () Ne sden PM ( ) ` PM ( S) >> 1

2 b. Anta v trekker to personer rent tlfeldg fra populasjonen av stemmeberettgete. La X være antall blant de to som er M (dvs. motstander av bomrng). Anta X er bnomsk fordelt. () Begrunn antakelsen at X er bnomsk fordelt hvert fall tlnærmet. Hva blr forventnngen tl X? () Beregn sannsynlgheten for at de er enge (dvs. begge for eller begge mot bomrng). << () X ~ bnomsk (n = 2, p =,75). E(X) = 1,5. () 2 2 P( enge) = P( X = ) + P( X = 2) = (,25) + (,75) =,625 >> c. (Mer krevende). Tallene første rad tabell 1 (5 og 5) er kjente fra TVavstemnngen, som mplserer at PM ( S ) =,9. Tallene annen rad (2 og 3) er mdlertd bare gjetnnger for regneeksemplets skyld. De er vrkelgheten ukjente. Sett p= PM ( ) som er ukjent og av spesell nteresse. Hvlke tall måtte det ha stått annen rad tabell 1 (stedenfor 2 og 3) hvs TV-avstemnngen hadde vært representatv betydnngen p= PM ( S) =,9? << La a være tallet celle S M. V må da ha a = 5 (og dermed 5 = 5 5 celle S T 5 + a,9 = PM ( ) =, som gr 1 ). >> Oppgave 2 For å måle graden av over- eller undervekt hos mennesker brukes ofte 2 kroppsmassendeksen (KMI), som defners som ( vekt) /( høyde ) der vekt er målt klo (kg) og høyde meter (m). Normalområdet for KMI regnes fra 2 tl 25 under 2 regnes som undervekt og en KMI over 25 som overvekt. 2 kg / m. En KMI

3 I denne oppgaven betyr ung kvnne en kvnne aldersgruppen 2 29 år. a. La X være KMI for en tlfeldg valgt kvnne fra populasjonen av unge kvnner Norge. V antar at X er normalfordelt med forventnng µ = 22, og standardavvk σ = ( dvs. X~ N (22,, 3,) ), der parameterverdene er hentet fra en norsk kostholdsundersøkelse fra 1997. () Vs at sannsynlgheten for at en tlfeldg valgt ung kvnne er undervektg (KMI < 2), er,239. () Fnn nedre desl ( d 1 ) defnert ved PX ( d1) =,1. 2 22, << () PX ( < 2) = PX ( 2) = G = G(, 71) =, 2389 d1 22, Q1 22, () PX ( < d1) = G,1 1, 28 ( 1, 282) = = d 1 = 22, 1, 28 = 18, >> b. Betrakt et tlfeldg utvalg av unge norske kvnner, og la X være KMI for kvnne nr. utvalget. Anta at X1, X2, X3, X er uavhengge og dentsk fordelte med samme fordelng som X punkt a.. () Fnn PX< ( 2) der 1 X = X. n = 1 () Hva er sannsynlgheten for at mnst tre av de fre kvnnene utvalget har KMI < 2? << () X ~ N(22,, 2) = N(22,, 1,7) som gr 2 22, PX ( < 2) = G = G( 1, 1) =.793 1, 7 () U = antall utvalget med KMI < 2, er ~ Bn(, p =,239). 3 PU ( = 3) = p (1 p) =, 2, PU ( = ) = p =, 3, som gr PU ( 3) =, 5 >>

c. En gruppe på 15 kvnnelge studenter ved en drettshøyskole dskuterer om det er et urmelg slankepress på kvnnelge drettsutøvere. Tl å begynne med regstrerte de sn egen KMI og fant gjennomsnttet for gruppen, x = 21,5, og emprsk standardavvk, s = 3,9. Gruppen tar utgangspunkt følgende modell: X1, X2,, Xn er uavhengge og dentsk fordelte med X ~ N ( µσ, ), der n = 15, og der µσ, begge antas ukjente. Her representerer X KMI for person nr. gruppen. Beregn et 95% konfdensntervall for µ under dsse betngelsene. Drøft kort rmelgheten av modellen og eventuelt tlleggsforutsetnnger som trengs for å kunne tolke µ som gjennomsnttlg KMI populasjonen av yngre kvnnelge drettsutøvere Norge. << t-ntervall med 1 frhetsgrader. Et 95% KI blr S 3,9 X ± t,25,1 = 21,5 ± 2,15 = 21,5 ± 2, 2 = [19,3, 23, 7]. Man må naturlgvs 15 15 forutsette at utvalget er representatvt som om det var et tlfeldg utvalg trukket fra populasjonen. Også forutsetnngen om uavhengghet kan være fare om det har vært en sterk gjensdg påvrknng nnen gruppen. >> d. Gruppen ønsker å teste H : µ µ mot H 1: µ < µ der µ = 22, som er brukt punkt a. I håp om å øke utsagnskraften, fnner gruppen å kunne forutsette at σ er kjent lk 3,. Forøvrg er forutsetnngene som punkt c. Sett opp en test med sgnfkansnvå 5% som utnytter at σ er kjent. Gjennomfør testen med dataene gtt punkt c. og formuler en konklusjon. Beregn også testens p-verd. << Alternatve ekvvalente formulernger tabellen Testobservator Krtsk verd Observert Konklusjon X 22, 1, 65 = 2,96 x = 21,5 Ikke forkast H 15 X 22, Z = 15 z,5 = 1.65 z o = 1,25 Ikke forkast H

5 P-verd: ˆ α = P ( Z z) = PZ ( 1,3) =,1515 >> µ o e. Gtt testen punkt d., der antall observasjoner er 15. Hva blr sannsynlgheten for fel av type I og sannsynlgheten for fel av type II hvs µ = µ = 22,? Hva blr de to felsannsynlghetene hvs µ = 21,5? << µ = 22, P(fel I) =,5 og P(fel II) = µ = 21,5 P(fel I) = og 2,96 21,5 P(fel II) = 1 P(forkast H ) = 1 Pµ ( X 2,96) = 1 G 15 = = 1 G(, 61) = 1, 7257 =, 273 >> f. La nå antall observasjoner, n, være vlkårlg. For øvrg la modell (med kjent σ ) og hypoteser være som punkt d. Sett opp testobservator og forkastnngområde når n er vlkårlg, der sgnfkansnvået fortsatt er 5%. Sett også opp et uttrykk for styrkefunksjonen, γ ( µ ). Hvor stor må n være for at styrkefunksjonen for testen skal ha en verd på mnst,95 hvs den sanne verden av µ er 21,5? << Krterum: Forkast H hvs X µ 1,65 ( = k) n Styrkefunksjonen: µ 1.65( n) µ µ µ γ ( µ ) = Pµ ( X k) = G = G n 1.65 n og,9 λ(21,5),95 G n 1, 65,95,9 2(1, 65)() n 1, 65 1, 65 n = 12, 3 n 15,5,9 dvs. n 155 >>