f(x)dx = F(x) = f(u)du. 1 (4u + 1) du = 3 0 for x < 0, 2 + for x [0,1], 1 for x > 1. = 1 F 4 = P ( X > 1 2 X > 1 ) 4 X > 1 ) =

Like dokumenter
TMA4245 Statistikk Eksamen mai 2017

ST1201 Statistiske metoder

Løsningsforslag ST1101/ST6101 kontinuasjonseksamen 2018

TMA4240 Statistikk Eksamen desember 2015

LØSNINGSFORSLAG TILEKSAMEN I FAG TMA4240/TMA4245 STATISTIKK 10. august 2005

ST1201 Statistiske metoder

Oppgave 1 a) Minste kvadraters metode tilpasser en linje til punktene ved å velge den linja som minimerer kvadratsummen. x i (y i α βx i ) = 0, SSE =

TMA4240 Statistikk Høst 2009

TMA4245 Statistikk Eksamen august 2015

) = P(Z > 0.555) = > ) = P(Z > 2.22) = 0.013

H 1 : µ 1 µ 2 > 0. t = ( x 1 x 2 ) (µ 1 µ 2 ) s p. s 2 p = s2 1 (n 1 1) + s 2 2 (n 2 1) n 1 + n 2 2

TMA4240 Statistikk 2014

0.5 (6x 6x2 ) dx = [3x 2 2x 3 ] 0.9. n n. = n. ln x i + (β 1) i=1. n i=1

TMA4240 Statistikk Høst 2015

X = 1 5. X i, i=1. som vil være normalfordelt med forventningsverdi E( X) = µ og varians Var( X) = σ 2 /5. En rimelig estimator for variansen er

Løsningsforsalg til første sett med obligatoriske oppgaver i STK1110 høsten 2018

Løsningsforslag for andre obligatoriske oppgave i STK1100 Våren 2007 Av Ingunn Fride Tvete og Ørnulf Borgan

5 y y! e 5 = = y=0 P (Y < 5) = P (Y 4) = 0.44,

TMA4240 Statistikk Høst 2016

TMA4240 Statistikk Høst 2016

LØSNINGSFORSLAG TIL EKSAMEN I FAG TMA4245 STATISTIKK 6.august 2004

Løsningsforsalg til første sett med obligatoriske oppgaver i STK1110 høsten 2015

ÅMA110 Sannsynlighetsregning med statistikk, våren 2010 Kp. 6, del 4

LØSNINGSFORSLAG TIL EKSAMEN I FAG TMA4240 STATISTIKK 5.august 2004

LØSNING, EKSAMEN I STATISTIKK, TMA4240, DESEMBER Anta at sann porøsitet er r. Måling med utstyret gir da X n(x; r, 0,03).

TMA4245 Statistikk Eksamen 21. mai 2013

HØGSKOLEN I SØR-TRØNDELAG Avdeling for teknologi

ÅMA110 Sannsynlighetsregning med statistikk, våren Kontinuerlige tilfeldige variable, intro. Kontinuerlige tilfeldige variable, intro.

TMA4240/4245 Statistikk 11. august 2012

ÅMA110 Sannsynlighetsregning med statistikk, våren Kontinuerlige tilfeldige variable, intro. Kontinuerlige tilfeldige variable, intro.

TMA4240 Statistikk Høst 2016

ÅMA110 Sannsynlighetsregning med statistikk, våren Kontinuerlige tilfeldige variable, intro. Kontinuerlige tilfeldige variable, intro.

ÅMA110 Sannsynlighetsregning med statistikk, våren 2008 Kp. 6, del 5

Løsningsforslag Oppgave 1

TMA4245 Statistikk Vår 2015

TMA4240 Statistikk Høst 2016

Kap. 9: Inferens om én populasjon

Tentative solutions to TMA4240 Statistics, December 18, 2010

Løsning TALM1005 (statistikkdel) juni 2017

Oppgaver fra boka: Med lik men ukjent varians antatt har vi fra pensum at. t n1 +n 2 2 under H 0 (12 1) (12 1)

Kap. 9: Inferens om én populasjon

Oppgaven består av 9 delspørsmål, A,B,C,., som anbefales å veie like mye, Kommentarer og tallsvar er skrevet inn mellom <<.. >>.

Løsningsforslag til eksamen i STK desember 2010

UNIVERSITETET I OSLO

Oppgave 1. (i) Hva er sannsynligheten for at det øverste kortet i bunken er et JA-kort?

Kort repetisjon fra kapittel 4. Oppsummering kapittel ST0202 Statistikk for samfunnsvitere. Betinget sannsynlighet og trediagram

ÅMA110 Sannsynlighetsregning med statistikk, våren 2006

TMA4240 Statistikk Høst 2015

Forventningsverdi. MAT0100V Sannsynlighetsregning og kombinatorikk

HØGSKOLEN I SØR-TRØNDELAG Avdeling for teknologi

TMA4245 Statistikk Eksamen august 2014

ÅMA110 Sannsynlighetsregning med statistikk, våren 2006 Kp. 6, del 5

ÅMA110 Sannsynlighetsregning med statistikk, våren 2007 Kp. 6, del 5. Hypotesetesting, del 5

TMA4100 Matematikk 1 Høst 2014

Hypotesetesting, del 4

Rep.: generelle begrep og definisjoner Kp. 10.1, 10.2 og 10.3

Emnenavn: Metode 1, statistikk deleksamen. Eksamenstid: 4 timer. Faglærer: Bjørnar Karlsen Kivedal

ÅMA110 Sannsynlighetsregning med statistikk, våren 2007

ÅMA110 Sannsynlighetsregning med statistikk, våren 2007 Kp. 6, del 2

TMA4240 Statistikk Høst 2015

Oppgaver fra boka: X 2 X n 1

Introduksjon. Hypotesetesting / inferens (kap 3) Populasjon og utvalg. Populasjon og utvalg. Populasjonsvarians

Statistikk og økonomi, våren 2017

ÅMA110 Sannsynlighetsregning med statistikk, våren 2008 Kp. 6, del 5

Estimering 1 -Punktestimering

TMA4245 Statistikk Eksamen mai 2016

Løsningsforslag ST2301 øving 3

Ukeoppgaver i BtG207 Statistikk, uke 4 : Binomisk fordeling. 1

ÅMA110 Sannsynlighetsregning med statistikk, våren 2007

MOT310 Statistiske metoder 1, høsten 2011

TMA4245 Statistikk Eksamen 9. desember 2013

Kap. 9: Inferens om én populasjon. Egenskaper ved t-fordelingen. ST0202 Statistikk for samfunnsvitere. I Kapittel 8 brukte vi observatoren

Estimering 1 -Punktestimering

ÅMA110 Sannsynlighetsregning med statistikk, våren 2007 Oppsummering

Repetisjon; 9.1, 9.2, 9.3, 9.4, 9.5, og Repetisjon; 9.1, 9.2, 9.3, 9.4, 9.5, og 9.10

Lineær regresjonsanalyse (13.4)

211.7% 2.2% 53.0% 160.5% 30.8% 46.8% 17.2% 11.3% 38.7% 0.8%

UNIVERSITETET I OSLO

2. Hypotesetesting i ulike sitausjoner: i. for forventingen, μ, i målemodellen med normalantakelse og kjent varians, σ 2.

TMA4245 Statistikk. Øving nummer 12, blokk II Løsningsskisse. Norges teknisk-naturvitenskapelige universitet Institutt for matematiske fag

MOT310 Statistiske metoder 1, høsten 2012

ECON240 Statistikk og økonometri

MA1102 Grunnkurs i analyse II Vår 2019

ÅMA110 Sannsynlighetsregning med statistikk, våren 2007 Kp. 6, del 4. Hypotesetesting, del 4

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

KLMED8004 Medisinsk statistikk. Del I, høst Estimering. Tidligere sett på. Eksempel hypertensjon

ST1201 Statistiske metoder

Oppgave 1 Hardheten til en bestemt legering er undersøkt med åtte målinger og resultatene ble (i kg/mm 2 ) som i tabellen til høyre.

TMA4240 Statistikk H2010

Konfidensintervall. Notat til STK1110. Ørnulf Borgan, Ingrid K. Glad og Anders Rygh Swensen Matematisk institutt, Universitetet i Oslo.

Estimering og hypotesetesting. Estimering og hypotesetesting. Estimering og hypotesetesting. Kapittel 10. Ett- og toutvalgs hypotesetesting

TMA4100 Høst Løsningsforslag Øving 2. Norges teknisknaturvitenskapelige universitet Institutt for matematiske fag

AVDELING FOR INGENIØRUTDANNING EKSAMENSOPPGAVE

MA1102 Grunnkurs i analyse II Vår 2014

Kapittel 7: Noen viktige sannsynlighetsfordelinger

Kapittel 8: Estimering

LØSNING: Eksamen 28. mai 2015

ÅMA110 Sannsynlighetsregning med statistikk, våren 2011

TMA4120 Matte 4k Høst 2012

ÅMA110 Sannsynlighetsregning med statistikk, våren 2010 Kp. 6, del 5

Transkript:

TMA Statistikk Norges tekisk-aturviteskapelige uiversitet Istitutt for ateatiske fag Løsigsforslag - Eksae deseber 9 Oppgave a Besteer k ved å kreve fxdx =, fxdx = De kuulative fordeligsfuksjoe Fx er gitt ved kx + dx = k x + x ] = k + = k =. Fx = Hvis x < blir Fx =, for x,] får vi Fx = x fudu = x x fudu. u + du = u + u ] x og for x > får vi Fx =. Dvs. for x <, Fx = x +x for x,], for x >. Videre får vi da P X > = P X = F = = x + x, + =.875 og P X > X > = P X > X > P X > = P X > P X > = P X P X > = F P + X > = =.76..875 eksdes9l Deceber, 9 Side

TMA Statistikk b Siulta sasylighetstetthet er gitt so fx,y = fxfy x = x + y x + x + = x + y for x,y,], og fx,y = ellers. Margial sasylighetstetthet for Y fies ved å itegrere over x, dvs. for y,] fy = fx,ydx = x + ydx = x + yx ] x= x= = + y = y +. For y,] får vi åpebart fy =. Til slutt reger vi ut PY X = x xy + ] y=x y dx = y= Oppgave fx,ydydx = x x + x dx = x + ydydx ] 5 5 x dx = 9 x = 5 9. a For at X i ee skal være egativt bioisk fordelt å det være uavhegighet ello hver gag e studet riger til firaet. Dette ka oppås ved at studetee riger til firaet på tilfeldige tidspukter. Det fugerer for eksepel ikke at e studet riger til firaet flere gager like etter hveradre. Dessute har studetee atatt at X,X,...,X er uavhegige. For at dette skal være oppfylt å studetee rige på tilfeldige tidspukt uavhegig av hveradre. Flere studeter ka ikke rige på sae tidspukt. For k = og p =. får vi PX = =.. =. =. og PX X > = PX X > = PX = X = PX > PX = = PX. = + PX =. +.. = PX =. =..9 +..9.99 =.7. eksdes9l Deceber, 9 Side

TMA Statistikk b Rielighetsfuksjoe blir Tar logarite og får Lp = lp = l Lp = fx i = ] xi p k p x i k k ] xi l + k lp + x k i kl p ] xi = l + k lp + l p k Deriverer ed hesy på p og setter lik ull for å fie aksiu x i k. l p = + k p p x i k = k p x i k p k p = x i k p k kp = p x i kp p = Sasylighetsaksierigsestiatore for p blir dered k x. i = p = k X. i c Studetee øsker å teste H : p =. ot H : p <.. So testobservator ka a beytte e adre valg fies også V = X i = k p og forkaste H hvis V > k, for e kritisk verdi k. eksdes9l Deceber, 9 Side

TMA Statistikk Fra setralgreseteore følger det at V/ = X er tilæret oralfordelt. Dered vil også V være tilæret oralfordelt. Vi har EV ] = EX i ] = k p = k p og, side X i ee er uavhegige, VarV ] = VarX i ] = k p k p p = p. Når H er riktig har vi dered at V z; k p, Isatt studetees observasjoer får vi at Tilhørede p-verdi blir dered v = p = P V > 779 H riktig = P k p p. x i = 779. V k p k p p > 779 5. 5.. PZ. =.99 =.99. H riktig Derso H er riktig er altså sasylighete for å observere det studetee har observert eller oe er ekstret så stor so.99. Det er dered itet grulag for å hevde at firaets påstad er feil. Oppgave a Forvetigsverdie for µ blir a E µ] = E X i + b ] ] Y i = a E X i + b ] E Y i = a E X i ] + b E Y i ] = a µ + b µ = aµ + bµ = µ. eksdes9l Deceber, 9 Side

TMA Statistikk Ved å beytte at alle X i ee og Y i ee er uavhegige av hveradre får vi at variase til µ blir ] a Var µ] = Var X i + b a ] b ] Y i = Var X i + Var Y i a b = Var X i ] + a b Var Y i ] = σa + σ B = a σ A + b σ B. b For at estiatore skal bli best ulig å de være forvetigsrett og variase å være ist ulig. Kravet o forvetigsretthet gir at E µ] = µ = µ = b = a. Setter vi dette i i uttrykket for variase får vi at Var µ] = a σ A + a σb. Må iiere dette uttrykket ed hesy på a. Gjør dette ved å derivere ed hesy på a og sette lik ull: a Var µ] = aσ A + a σ B = aσ A = aσ B aσ A + σ B = σ B a = σ B σ A + σ B = σ B σ A + σ B. og dered også b = a = σ A σ A + σ B. c µ er e lieærkobiasjo av uavhegige oralfordelte variabler X i ee og Y i ee og er derfor også selv oralfordelt. Dered har vi at µ µ;µ, a σ A + b σ B. eksdes9l Deceber, 9 Side 5

TMA Statistikk Dered får vi også og dered P z α µ µ z;, a σa + b σb µ µ a σ A + b σ B z α = α Løser vi hver av de to ulikhetee ed hesy på µ og setter de så sae igje får vi P µ z a σ + b σb µ µ + z a σ + b σb. α %-kofidesitervall for µ er dered µ z a σ + b σb, µ + z a σ + b σb. d Legde av kofidesitervallet blir L = µ + z a σ + b σb µ z α a σa + b σb = z α a σa + b σb og dette uttrykket å følgelig iieres ed hesy på a og b. For å få eklere regig deriverer vi ll ed hesy på a og b og setter lik ull. Deriverer først ed hesy på a ll a = a Dette gir videre lz α + a l σa + b σb ] l = a σ A aσ A + b σ B = = a σ B / σ A / b a = σ A / σ B /. Tilsvarede fås ved å derivere ed hesy på b at ll b = b lz α + a l σa + b σb ] l = a σ A a σ A aσ A + b σ B bσ B + b σ B = = eksdes9l Deceber, 9 Side 6

TMA Statistikk so ved tilsvarede regig so over gir a σ A bσ B + b σ B = = a b σ A / σ B / + b b a = σ A / σ B / so er det sae uttrykket so vi fat over. Legde av kofidesitervallet er dered iiert ved å velge b a = σ A / σb /. Vi ka legge erke til at de optiale verdiee vi fat for a og b i pukt b også gir sae verdi for forholdet b/a. eksdes9l Deceber, 9 Side 7