Opgaver i sandsynlighedsregning

Størrelse: px
Starte visningen fra side:

Download "Opgaver i sandsynlighedsregning"

Transkript

1 Afdeling for Teoretisk Statistik STATISTIK Institut for Matematiske Fag Preben Blæsild Aarhus Universitet 9. januar 005 Opgaver i sandsynlighedsregning Opgave Lad A og B være hændelser således at P(A) = 0.6, P(B) = 0.5 og P(A B) = 0.8. Find sandsynlighederne for følgende hændelser A B, A C, B C, A C B C og A C B C. (Vink: Det kan uden bevis benyttes, at A C B C = (A B) C og A C B C = (A B) C.) Opgave Hvor mange udfald har spillet kast med mønter? Betragt det uniforme sandsynlighedsmål på udfaldsrummet, dvs. antag at alle udfald er lige sandsynlige og beregn a) sandsynligheden for at alle mønter viser plat, b) sandsynligheden for at mindst en mønt viser krone, c) sandsynligheden for at netop en mønt viser krone. Besvar samme spørgsmål for spillet kast med n mønter. Hvor stor skal n være, for at sandsynligheden for at få mindst en krone er større end 95%? Opgave Betragt spillet kast med terninger. Betragt det uniforme sandsynlighedsmål på udfaldsrummet og beregn følgende: a) sandsynligheden for at alle terninger viser 6 øjne, b) sandsynligheden for at mindst en terning viser 6 øjne, c) sandsynligheden for at netop en terning viser 6 øjne. Beregn de samme sandsynligheder for spillet kast med n terninger og bestem det mindste n således, at sandsynligheden for at mindst en terning viser 6 øjne er større end 95%. Opgave 4 Betragt det uniforme sandsynlighedsmål påe =[0,0] og hændelserne A =[0,5],B = [,7] og C = [4,9]. Undersøg om A og B er uafhængige, om A og C er uafhængige, og om B og C er uafhængige. Opgave 5 En af de klassiske illustrationer af Bayes formel vedrører kommoder, der hver har to skuffer. I de første kommode er der en guldmønt i hver af de to skuffer, i den anden kommode er der en guldmønt i den ene skuffe og en sølvmønt i den anden og endelig er der en sølvmønt i hver af skufferne i den tredje kommode. En af kommoderne vælges tilfældigt og en skuffe åbnes og viser sig at indeholde en guldmønt. Hvad er sandsynligheden for at den anden skuffe i kommoden også indeholder en guldmønt? Gæt først på hvad sandsynligheden er og beregn den dernæst ved hjælp af Bayes formel.

2 Opgave 6 Antag, at der i en moræne er 0% facetterede og 80% ikke-facetterede småsten samt at 70% af de facetterede er granit og at 80% af de ikke-facetterede er granit. Hvad er sandsynligheden for at en sten, der består af granit, er facetteret? Opgave 7 Et gartneri sælger små stedmoderplanter. Sandsynligheden for anlæg for blå blomst er 0.7, for gul blomst 0. og for hvid blomst 0.. Sandsynligheden for, at en plante kommer i groning er 0.95 for blå planter, 0.9 for gule planter og 0.9 for hvide planter. a) Hvad er sandsynligheden for, at en tilfældigt valgt plante kommer i groning? b) Hvad er sandsynligheden for, at en plante, der kommer i groning, får gule blomster? Opgave 8 Udled sandsynlighederne i Example 4. og 4. på siderne 6 9 i BPT. Opgave 9 Evnen til at smage stoffet phenylthiocarbamid (PTC) er i mennesket bestemt af et enkelt, autosomalt locus med allelerne T og t. Allelen T dominerer over allelen t, således at personer med genotypen T T eller T t er smagere, medens personer med genotypen tt har fænotypen ikke-smagere. Lad os betragte en human population, hvor T -allelen forekommer med hyppigheden p og t-allelen med hyppigheden q = p. Opstil, under antagelse af Hardy-Weinberg ligevægt i populationen, udtryk for: a) Hyppigheden i populationen af de tre mulige ægteskabstyper (smager) x (smager), (smager) x (ikke-smager) og (ikke-smager) x (ikke-smager). b) Hyppigheden af ikke-smager -børn inden for hver af de tre under a) nævnte ægteskabstyper. Hvis hyppigheden af t-allelen er 0% (dvs. q = 0.0), hvor stor en del af samtlige ikkesmager -børn kommer da fra den genotypiske ægteskabskombination Tt x Tt og hvor stor en del kommer fra ægteskaber af typen tt x tt? Opgave 0 Lad p ]0,[ og lad {a n } være følgen med elementer samt at a n = ( p)p n, n =,,.... Vis ved hjælp af formel (B5) og formel (B9) med q = p at a n+ = n=0 a n = n= n= n=0 ( p)p n = + p ( p)p n = p + p. Bemærk, at de to rækker er summen af elementer i følgen med henholdsvis ulige og lige numre.

3 Opgave Antag, at vi udfører en række uafhængige kast med en mønt, der med sandsynlighed p( ]0,[) viser plat og med sandsynlighed p viser krone. Lad T betegne den stokastiske variable, der angiver det tidspunkt, hvor vi første gang får krone. samt at a) Vis, eventuelt ved hjælp af Example 4.4, at sandsynlighedsfunktionen for T er P(T = n) = ( p)p n, n =,,.... b) Vis, at sandsynligheden for at T er ulige, dvs. T {,,5,...} er (Vink: brug resultaterne i Opgave 0.) P(T ulige) = + p, P(T lige) = p + p. c) Det ses af b), at P(T ulige) altid er større end P(T lige). For hvilke værdier af p er forskellen mellem disse sandsynligheder størst? Giv en naturlig forklaring på dette. Opgave Vis, at sandsynlighedsfunktionerne for de stokastiske varible R,W, S,Y og Z i Example 5. er som angivet på side. Angiv de tilsvarende fordelingsfunktioner. Opgave Hos mennesker nedarves brunøjethed dominant overe blåøjethed. Et anlæg for brunøjethed betegnes med A, et anlæg for blåøjethed med a. I en familie med 4 børn vides begge forældre at have arveformel Aa. Find sandsynligheden for, at netop af børnene er brunøjede (der er ingen tvillinger). Opgave 4 Vis ved at benytte omskrivningen at Vis dernæst, at er divergent. n(n+) = n n+ n= n(n+) =. n= n n(n+) (Vink: skriv de første led i denne række op og sammenlign med den harmoniske række, som er divergent, se side.)

4 4 Opgave 5 Vis, at funktionen f(x) = x(x+), x =,,..., er sandsynlighedsfunktionen for en diskret stokastisk variabel X. Undersøg desuden om X har middelværdi. (Vink: brug resultaterne i Opgave 4) Opgave 6 Betragt firkanten bestemt af punkterne (0, 0),(, 0),(, ) og (, ). Bestem arealet af denne firkant ved hjælp af et dobbelt integral. Opgave 7 Betragt trekanten T bestemt af punkterne (,),(0,0) og (,). Antag, at den to-dimensionale stokastiske vektor (X,X ) er uniformt fordelt på trekanten. Da arealet af T er betyder dette, at den simultane tæthedsfunktion (joint density function) for (X,X ) er { hvis (x,x ) T f (X,X )(x,x ) = Vis, at de marginale tæthedsfunktioner for X og X er henholdsvis f X (x ) = x, hvis x [,], og f X (x ) = x, hvis x [0,]. Opgave 8 Lad A være firkanten bestemt af punkterne (0,0),(,0),(0,) og (,) og betragt funktionen f(x,x ) = { 4x x + 4x hvis (x,x ) A a) Gør rede for, at funktionen f er tæthedsfunktion for en to-dimensional kontinuert stokastisk vektor. Vink: For at vise at f(x,x )dx dx =, R er det lettest at beregne dobbelt integralet som ( f(x,x )dx )dx, R R idet man først viser, at for fast x er ( ) f(x,x )dx = x, for x [0,]. (*) R

5 5 b) Vis ved hjælp af (*), at tæthedsfunktionen for X er c) Vis, at E X = / og at Var X = /8. f X (x ) = x, for x [0,]. Opgave 9 A er en hændelse med sandsynlighed p. X er en stokastisk variabel, defineret ved { hvis e A X(e) = hvis e A C. Tegn fordelingsfunktionen for X. Vis, at E X = p og at Var X = 4p( p). Opgave 0 I mange hasardspil vædder man om, at en hændelse A indtræffer. Gevinsten ved indsatsen er p hvis e A X(e) = p hvis e A C, hvor p = P(A). Vis, at E X = 0. Vis desuden, at Var X = ( p)/p samt at variansen vokser, når p aftager. Opgave En kontinuert stokastisk variabel X har tæthedsfunktionen f X (x) = ( x), hvis x ]0,[. a) Find sandsynligheden for at X > /4. b) Beregn middelværdi og varians af X. Opgave Formålet med denne opgave er at illustrere vigtige begreber såsom middelværdi, varians, kovarians, korrelation og uafhængighed i en situation, hvor de numeriske beregninger forhåbentlig ikke volder det store besvær. I den nedenstående tabel er angivet sandsynlighedsfunktionen for en diskret to-dimensional stokastisk vektor (X,X ). Desuden er angivet de marginale sandsynlighedsfunktioner for X og X, for eksempel er P(X = ) = 0.4 og P(X = ) = 0.6. X \X 0 P(X = ) P(X = ) ) Check, at marginalfordelingernes sandsynlighedsfunktioner er beregnet korrekt.

6 6 ) Undersøg, om X og X er stokastisk uafhængige. ) Vis, at E X = 0.0 og at E X = 0.. Lad Z = X X. 4) Vis, at sandsynlighedsfunktionen for Z er Z = X X 0 P(Z = ) ) Vis, at EZ = E(X X ) = ) Vis, ved at bruge ), 5) og formel (6.), at Cov(X,X ) = Lad (Y,Y ) = (X,X ). 7) Vis, at sandsynlighedsfunktionen for (Y,Y ) er Y \Y ) Vis, at Y og Y er stokastisk uafhængige. 9) Vis, at E X = E Y = 0.7 og at E X = E Y = ) Vis ved hjælp af ), 9) og formel (6.0), at Var X = og at Var X = ) Beregn Cor(X,X ) ved hjælp af 6), 0) og formel (6.9). Opgave En to-dimensionel diskret stokastisk vektor (X,Y) har sandsynlighedsfunktion som anført i nedenstående tabel X \Y Find sandsynlighedsfunktionen for X og beregn E X [.45] og Var X [.475]. Find sandsynlighedsfunktionen for Y og beregn E Y [.0] og VarY [0.6499]. Find E (XY) [.50] og Cov(X,Y) [0.055]. Er X og Y uafhængige? Opgave 4 (Eksamen Biostatistik sommeren 9, Opgave ) J. Schmidt og K. Smidt foretog i henholdsvis 97 og 9 en undersøgelse vedrørende variationen i brystfinnen hos ålekvabber (Zoarces viviparus). For et stort antal mødre blev antallet af stråler Y hos moderen registreret tillige med antallet af stråler Y hos en tilfældigt udvalgt

7 7 unge. Her vil vi kun interessere os for den del af mødrene for hvilke Y og Y antager en af værdierne 8, 9 og 0 og for at lette beregningerne nedenfor indføres betegnelserne X = Y 9 X = Y 9 Ud fra undersøgelserne kan fordelingen af (X,X ) estimeres ved sandsynlighederne i følgende tabel: X \X Beregn E X og Var X. Beregn E X og Var X. Beregn Cov(X,X ) og undersøg, om X og X er stokastisk uafhængige. 4 Benyt relationen mellem (X,X ) og (Y,Y ) samt resultaterne i, og til at finde E Y og E Y og til at undersøge om Y og Y er stokastisk uafhængige. Opgave 5 (Eksamen i Biostatistik Vinteren 99/9, Opgave ) Lad X og X være uafhængige diskrete stokastiske variable begge uniformt fordelt på mængden {,,,4,5}, dvs. at for i = og er sandsynlighedsfunktionen for X i f Xi (x i ) = P(X i = x ) = /5, for x {,,,4,5}. Vis, at X har middelværdi og varians. Vis, at X X har middelværdi 0 og varians 4. Lad D betegne den stokastiske variabel D = X X {0,,,,4}. Vis, at sandsynlighedsfunktionen for D er f D (d) = P(D = d) = 5/5 hvis d = 0 8/5 hvis d = 6/5 hvis d = 4/5 hvis d = /5 hvis d = 4. 4 Beregn middelværdien for D.

8 8 Opgave 6 (Fortsættelse af Opgave 7) Eksempel på beregning af middelværdier, varianser, kovarians etc. for en to-dimensional kontinuert stokastisk vektor. ) Vis, at E X = 0 og E X = /. ) Vis, at E X = /6 og E X = /. ) Vis ved hjælp af ), ) og formel (6.0), at Var X = /6 og Var X = /8. 4) Vis først, at E(X X ) = R R x x f (X,X )(x,x )dx dx = 0 x ( x x x dx ) dx og dernæst, at E(X X ) = 0 (idet værdien af det inderste integral er 0 for alle værdier af x [0,]). 5) Vis ved hjælp af ), 4) og formel (6.), at Cov(X,X ) = 0. 6) Brug 5) og formel (6.9) til at vise at Cor(X,X ) = 0. 7) Vis, at X og X ikke er stokastisk uafhængige. (Betragt kriteriet i formel (5.6).) Opgaven giver altså et eksempel på at to stokastiske variable kan være ukorrelerede uden at være uafhængige. Opgave 7 Lad (X,X ) betegne en to-dimensional stokastisk vektor, hvis fordeling er bestemt ved tæthedsfunktionen f i Opgave 8: { 4x x + 4x hvis (x,x ) A f(x,x ) = hvor A er firkanten bestemt af punkterne (0,0),(,0),(0,) og (,). a) Vis, at tæthedsfunktionen for (Y,Y ) = (X + X,X ) er (Vink: Brug formel (7.7) i BPT.) f (Y,Y )(y,y ) = 4y y, for (y,y ) [0,] [0,]. b) Vis, at Y og Y er stokastisk uafhængige (brug formel (5.6) i BTP) samt at Y og Y har samme fordeling. Opgave 8 Antag, at X er uniformt fordelt på intervallet]0,[, dvs. X R(0,), og lad Y = X. Vis, at fordelingsfunktionen, tæthedsfunktionen, middelværdien og variansen for Y er henholdsvis 0 hvis y 0 F Y (y) = y hvis y ]0,[ hvis y,

9 9 f y (y) = y hvis y ]0, [ 0 ellers, E Y = og VarY = Opgave 9 Lad X betegne den stokastiske variable i Opgave, det vil sige X har tætheden f X (x) = ( x), hvis x ]0,[. Find tæthedsfunktionen for Y = X [ f Y (y) = 4y( y ), y ]0,[] og beregn middelværdien af Y [8/5]. Opgave 0 En to-dimensional kontinuert stokastisk vektor (X,X ) har tæthedsfunktion f (X,X )(x,x ) = x + x, hvis (x,x ) ]0,[ ]0,[. a) Vis, at tæthedsfunktionen for X er f X (x ) = x +, hvis x ]0,[, samt beregn E X [7/] og Var X [/44]. Lad (Y,Y ) = (X,X + X ). b) Vis, at tæthedfunktionen for (Y,Y ) er f (Y,Y )(y,y ) = y, hvis y ]0,[ og y < y < +y. Opgave Eksempler på beregning af fordelingen af summen af uafhængige stokastiske variable. Antag, at X og X er uafhængige og identisk fordelte stokastiske variable og lad X = X + X. a) Vis ved hjælp af formel (8.) i BPT, at hvis den fælles fordeling af X og X er diskret med sandsynlighedsfunktion x 0 f X (x) så er X en diskret stokastisk variabel med sandsynlighedsfunktion x 0 4 f X (x )

10 0 b) Vis ved hjælp af formel (8.) i BPT, at hvis den fælles fordeling af X og X er eksponentialfordelingen med parameter λ, dvs. (se formel (5.4) i BPT) den kontinuerte fordeling med tæthedsfunktion f X (x) = λe λx, for x > 0, så er X en kontinuert stokastisk variabel med tæthedsfunktion f X (x.) = λ x e λx, for x > 0. Opgave (Eksamen i Geostatistik Vinteren 99/9, Opgave ) Lad X være en kontinuert stokastisk variabel med tæthedsfunktion hvis x ],e[ f X (x) = x 0 ellers, hvor e betegner grundtallet for den naturlige logaritme, dvs. ln(e) =. Vis, at fordelingsfunktionen F X for X er givet ved 0 hvis x F X (x) = ln(x) hvis x ], e[ hvis x e. Vis, at middelværdien af X er E X = e. Vis, at variansen af X er Var X = ( e)(e ). 4 Lad Y = ln(x) og vis, at Y R(0,), dvs. at Y er uniformt (eller rektangulært) fordelt på intervallet ]0, [. Opgave (Eksamen i Biostatistik Sommeren 99, Opgave ) Lad X være en kontinuert stokastisk variabel, hvis fordelingsfunktion F X er givet ved F X (x) = 0 hvis x ],0[ 4 x hvis x [0,] hvis x ], [. Vis, at P(X ]0.5,.5]) =.

11 Vis, at tæthedsfunktionen f X for X er x hvis x [0,] f X (x) = Vis, at middelværdien og variansen for X er henholdsvis E X = 4 og Var X = 9. 4 Lad Y betegne den transformerede stokastiske variabel Find fordelingen af Y. Y = 4 X. Opgave 4 (Eksamen i Geostatistik Vinteren 99/94, Opgave ) Lad X være en kontinuert stokastisk variabel hvis fordelingsfunktion F X er givet ved 0 hvis x ],0[ F X (x) = x x hvis x [0,] hvis x ], [. Vis, at P(X ]0,0.5]) = P(X ]0.5,]) =. Vis, at tæthedsfunktionen f X for X er { 6x( x) hvis x [0,] f X (x) = Vis, at middelværdien og variansen for X er henholdsvis E X = og Var X = 0. 4 Lad Y betegne den transformerede stokastiske variabel Vis, at Y har samme fordeling som X. Y = X.

12 Opgave 5 (Re- og sygeeksamen i Geostatistik Vinteren 99/94, Opgave ) Lad (X,X ) være en diskret to-dimensional stokastisk vektor med sandsynlighedsfunktion som angivet i nedenstående tabel: X \X Vis, at X og X har samme marginale fordeling med sandsynlighedsfunktion x f X (x) samt at X og X er stokastisk uafhængige. Vis, at E X = E X = og Var X = Var X = Find E (X + X ),E (X X ),Var(X + X ) og Var(X X ). Opgave 6 (Eksamen i Biostatistik Sommeren 994, opgave ) Lad V være en diskret stokastisk variabel som er binomialfordelt med antalsparameter og sandsynlighedsparameter π, det vil sige V b(, π). Sæt X = V. Vis, at sandsynlighedsfunktionen for X er x P(X = x) π π Beregn middelværdien og variansen for X. Lad Y være en stokastisk variabel som er stokastisk uafhængig af X og som har samme fordeling som X. Sæt U = X Y. Vis, at sandsynlighedsfunktionen for den to-dimensionale diskrete stokastiske vektor (X,U) er X \ U π( π) ( π) π( π) π

13 samt at sandsynlighedsfunktionen for den marginale fordeling af U er u P(U = u) π( π) π +( π) 4 Vis endelig, at hvis π = 0.5, så er X og U stokastisk uafhængige og U har samme fordeling som X. Opgave 7 (Eksamen i Geostatistik Vinteren 994/95, Opgave ) Lad X være en kontinuert stokastisk variabel med tæthedsfunktion { x hvis x ]0,[ f X (x) = Vis, at P(X ] 4, [) = 4. Vis, at middelværdien og variansen af X er henholdsvis E X = 4 og Var X = 80. Lad Z betegne en stokastisk variabel, som er uafhængig af X og som har samme fordeling som X. Beregn middelværdien og variansen af X Z. 4 Lad Y = lnx og vis, at Y er eksponentialfordelt med parameter λ =, det vil sige, at tæthedsfunktionen for Y er f Y (y) = { e y hvis y ]0, [ Opgave 8 (Reeksamen i Geostatistik Vinteren 994/95, Opgave ) En diskret stokastisk variabel B har sandsynlighedsfunktion: B 0 P(B = ) 0 Find middelværdien og variansen af B. En anden diskret stokastisk variabel A antager kun værdierne og med positiv sandsynlighed. Fordelingen af A er indirekte givet ved de betingede sandsynligheder af A = givet B som angivet i følgende tabel: B 0 P(A = B = ) 5

14 4 Vis, at sandsynlighedsfunktionen for A er A P(A = ) og beregn middelværdi og varians af A. 4 0 Beregn de betingede sandsynligheder af B givet A. 4 Beregn Cov(A,B). 6 0 Opgave 9 (Eksamen i Biostatistik Sommeren 995, Opgave ) Lad X være en stokastisk variabel med fordelingsfunktion 0 hvis x < F X (x) = 4 (+x x ) hvis x hvis x >. Vis, at P(X ],0.5]) = 7, samt at tæthedsfunktionen for X er f X (x) = 4 ( x ) hvis x Vis, at middelværdien og variansen for X er henholdsvis Lad E X = 0 og Var X = 5. Y = (Z + ), hvor Z er en stokastisk variabel, der er uafhængig af X og har samme fordeling som X. Beregn middelværdien og variansen af X Y. 4 Vis, at tæthedsfunktionen for Y er { 6y( y) hvis y [0,] f Y (y) = Opgave 40 (Eksamen i Geostatistik Vinteren 995/96, Opgave ) Lad (X,Y) være en kontinuert to-dimensional vektor med simultan tæthedsfunktion f (X,Y) (x,y) = 4 x hvis (x,y) [,] [,]

15 5 Vis, at de marginale tæthedsfunktioner for X og Y er henholdsvis f X (x) = x hvis x [,] 0 ellers, og f Y (y) = hvis y [,] 0 ellers, samt at X og Y er stokastisk uafhængige. Beregn P((X,Y) ], ] ], ]). Vis, at middelværdien og variansen af X og Y er henholdsvis E X = 0, E Y = 0, Var X = 5, og VarY =. 4 Beregn middelværdien af såvel X Y som XY. Opgave 4 (Reeksamen i Geostatistik Vinteren 995/96, Opgave ) Lad der være givet tre kugler med numrene, og samt tre kasser med numrene, og. I hver kasse kan der kun være én kugle. Kuglerne fordeles tilfældigt i kasserne, og der noteres et sammenfald, hvis en kugle falder i en kasse med samme nummer. Lad X betegne antallet af sammenfald efter den første kugle er anbragt. Vis, at sandsynlighedsfunktionen for X er og beregn E X og Var X. X 0 f X (x ) Lad dernæst X betegne antallet af sammenfald efter at to kugler er anbragt. Vis, at sandsynlighedsfunktionen for X er og beregn E X og Var X. X 0 f X (x ) Lad endelig X betegne antallet af sammenfald efter at alle tre kugler er anbragt. 6

16 6 Vis, at sandsynlighedsfunktionen for X er og beregn E X og Var X. X 0 f X (x ) 4 Find den betingede fordeling af X givet X = 0, samt den betingede fordeling af X givet X =. Opgave 4 Et jokertal er et syvcifret tal, hvor hvert ciffer er et af tallene 0,,...,9. Spiller man JOKER er antallet af rigtige lig med antallet af cifre fra højre mod venstre, der stemmer overens med jokertallet. Er jokertallet for eksempel 4567 og man har tallet er der fire rigtige. Har man derimod tallet 4569 har man ingen rigtige. uger? uger? a) Find sandsynligheden for at have henholdsvis,,, 4, 5, 6, 7 og 0 rigtige. b) Hvad er sandsynligheden for at have mindst 4 rigtige? Antag, at man spiller JOKER i tre på hinanden følgende uger. c) Hvad er sandsynligheden for at have mindst 4 rigtige i præcis én gang i løbet af de tre d) Hvad er sandsynligheden for at have mindst 4 rigtige i mindst én gang i løbet af de tre Opgave 4 En række i LOTTO består af 7 af de første 6 hele positive tal. a) Gør rede for, at antallet af mulige rækker er ( ) 6. 7 b) Lad x være et af tallene 0,,...,7. Gør rede for, at antallet af rækker med x rigtige er ( )( ) 7 9. x 7 x c) Lad X betegne antallet af rigtige på en enkelt række på lottokuponen hvis de 7 numre vælges tilfældigt. Vis, at P(X = x) = 6 ( )( 7 9 ) x 7 x ( ) 6, x = 0,,...,7, 7 Foruden de syv vindertal udtrækkes der også to tillægstal. Lad Y betegne antallet af rigtige tillægstal på en enkelt række.

17 7 d) Vis at fordelingen af (X,Y) er bestemt ved sandsynlighederne ( )( )( 7 7 ) P(X = x,y = y) = x y 7 x y ( ) 6, x = 0,,...,7, y = 0,,, så x+y 7. 7 Der udbetales gevinst, hvis en række indeholder 7 rigtige, 6 rigtige plus et tillægstal, 6 rigtige, 5 rigtige og 4 rigtige. e) Hvad er sandsynligheden for gevinst på en enkelt række?

Opgaver til Matematisk Modellering 1

Opgaver til Matematisk Modellering 1 Afdeling for Teoretisk Statistik Matematisk Modellering 1 Institut for Matematiske Fag Preben Blæsild og Jan Pedersen Aarhus Universitet 30. september 2004 Opgaver til Matematisk Modellering 1 Opgave 1.

Læs mere

Elementær sandsynlighedsregning

Elementær sandsynlighedsregning Elementær sandsynlighedsregning Sandsynlighedsbegrebet Et udfaldsrum S er mængden af alle de mulige udfald af et eksperiment. En hændelse A er en delmængde af udfaldsrummet S. Den hændelse, der ikke indeholder

Læs mere

Elementær sandsynlighedsregning

Elementær sandsynlighedsregning Elementær sandsynlighedsregning Sandsynlighedsbegrebet Et udfaldsrum S er mængden af alle de mulige udfald af et eksperiment. En hændelse A er en delmængde af udfaldsrummet S. Et sandsynlighedsmål er en

Læs mere

TØ-opgaver til uge 46

TØ-opgaver til uge 46 TØ-opgaver til uge 46 Først laver vi en liste over de ligninger med mere i [ITP], der skal bruges: [1]: Ligning (2.5) på side 4. [2]: Sætning 3.1, ligning (3.3) på side 7. [3]: Sætning 3.1, ligning (3.4)

Læs mere

Definition. Definitioner

Definition. Definitioner Definition Landmålingens fejlteori Lektion Diskrete stokastiske variable En reel funktion defineret på et udfaldsrum (med sandsynlighedsfordeling) kaldes en stokastisk variabel. - kkb@math.aau.dk http://people.math.aau.dk/

Læs mere

INSTITUT FOR MATEMATISKE FAG c

INSTITUT FOR MATEMATISKE FAG c INSTITUT FOR MATEMATISKE FAG c AALBORG UNIVERSITET FREDRIK BAJERS VEJ 7 G 9220 AALBORG ØST Tlf.: 96 35 89 27 URL: www.math.aau.dk Fax: 98 15 81 29 E-mail: bjh@math.aau.dk Dataanalyse Sandsynlighed og stokastiske

Læs mere

Statistik og Sandsynlighedsregning 2

Statistik og Sandsynlighedsregning 2 Statistik og Sandsynlighedsregning 2 Uafhængighed og reelle transformationer Helle Sørensen Uge 8, mandag SaSt2 (Uge 8, mandag) Uafh. og relle transf. 1 / 16 Program I dag: Uafhængighed af kontinuerte

Læs mere

Sandsynlighedsregning 11. forelæsning Bo Friis Nielsen

Sandsynlighedsregning 11. forelæsning Bo Friis Nielsen Sandsynlighedsregning 11. forelæsning Bo Friis Nielsen Matematik og Computer Science Danmarks Tekniske Universitet 28 Kgs. Lyngby Danmark Email: bfni@imm.dtu.dk Dagens nye emner afsnit 6.3 (og 6.4 Betingede

Læs mere

Sandsynlighedsregning Stokastisk variabel

Sandsynlighedsregning Stokastisk variabel Sandsynlighedsregning Stokastisk variabel I eksperimenter knyttes ofte en talværdi til hvert udfald. S s X(s) R Definition: En stokastisk variabel X er en funktion defineret på S, der antager værdier på

Læs mere

Binomialfordelingen. Binomialfordelingen. Binomialfordelingen

Binomialfordelingen. Binomialfordelingen. Binomialfordelingen Statistik og Sandsynlighedsregning 1 MS kapitel 3 Susanne Ditlevsen Institut for Matematiske Fag Email: susanne@math.ku.dk http://math.ku.dk/ susanne Definition 3.2.1 Lad X 1, X 2,..., X n være uafhængige

Læs mere

Program. Statistik og Sandsynlighedsregning. Eksempler. Sandsynlighedstæthed og sandsynlighedsmål

Program. Statistik og Sandsynlighedsregning. Eksempler. Sandsynlighedstæthed og sandsynlighedsmål Program Statistik og Sandsynlighedsregning Sandsynlighedstætheder og kontinuerte fordelinger på R Varians og middelværdi Normalfordelingen Susanne Ditlevsen Uge 48, tirsdag Tætheder og fordelingsfunktioner

Læs mere

Statistik og Sandsynlighedsregning 2

Statistik og Sandsynlighedsregning 2 Statistik og Sandsynlighedsregning 2 Middelværdi og varians Helle Sørensen Uge 6, onsdag SaSt2 (Uge 6, onsdag) Middelværdi og varians 1 / 18 Program I formiddag: Tætheder og fordelingsfunktioner kort resume

Læs mere

DANMARKS TEKNISKE UNIVERSITET Side 1 af 17 sider. Skriftlig prøve, den: 19. december 2018 Kursus nr : (navn) (underskrift) (bord nr)

DANMARKS TEKNISKE UNIVERSITET Side 1 af 17 sider. Skriftlig prøve, den: 19. december 2018 Kursus nr : (navn) (underskrift) (bord nr) DANMARKS TEKNISKE UNIVERSITET Side af 7 sider Skriftlig prøve, den: 9. december 08 Kursus nr : 0405 Kursus navn: Sandsynlighedsregning Varighed : 4 timer Tilladte hjælpemidler: Alle Dette sæt er besvaret

Læs mere

Teoretisk Statistik, 16. februar Generel teori,repetition

Teoretisk Statistik, 16. februar Generel teori,repetition 1 Uge 8 Teoretisk Statistik, 16. februar 2004 1. Generel teori, repetition 2. Diskret udfaldsrum punktssh. 3. Fordelingsfunktionen 4. Tæthed 5. Transformationer 6. Diskrete vs. Kontinuerte stokastiske

Læs mere

Sandsynlighedsregning Oversigt over begreber og fordelinger

Sandsynlighedsregning Oversigt over begreber og fordelinger Tue Tjur Marts 2007 Sandsynlighedsregning Oversigt over begreber og fordelinger Stat. MØK 2. år Kapitel : Sandsynlighedsfordelinger og stokastiske variable En sandsynlighedsfunktion på en mængde E (udfaldsrummet)

Læs mere

Betingede sandsynligheder Aase D. Madsen

Betingede sandsynligheder Aase D. Madsen 1 Uge 12 Teoretisk Statistik 15. marts 2004 1. Betingede sandsynligheder Definition Loven om den totale sandsynlighed Bayes formel 2. Betinget middelværdi og varians 3. Kovarians og korrelationskoefficient

Læs mere

DANMARKS TEKNISKE UNIVERSITET Side 1 af 17 sider. Skriftlig prøve, den: 30. maj 2016 Kursus nr : (navn) (underskrift) (bord nr)

DANMARKS TEKNISKE UNIVERSITET Side 1 af 17 sider. Skriftlig prøve, den: 30. maj 2016 Kursus nr : (navn) (underskrift) (bord nr) DANMARKS TEKNISKE UNIVERSITET Side af 7 sider Skriftlig prøve, den: 0. maj 206 Kursus nr : 02405 Kursus navn: Sandsynlighedsregning Varighed : 4 timer Tilladte hjælpemidler: Alle Dette sæt er besvaret

Læs mere

Program. Statistik og Sandsynlighedsregning 2 Middelværdi og varians. Eksempler fra sidst. Sandsynlighedstæthed og sandsynlighedsmål

Program. Statistik og Sandsynlighedsregning 2 Middelværdi og varians. Eksempler fra sidst. Sandsynlighedstæthed og sandsynlighedsmål Program Statistik og Sandsynlighedsregning 2 Middelværdi og varians Helle Sørensen Uge 6, onsdag I formiddag: Tætheder og fordelingsfunktioner kort resume fra i mandags og et par eksempler mere om sammenhængen

Læs mere

Statistik Lektion 3. Simultan fordelte stokastiske variable Kontinuerte stokastiske variable Normalfordelingen

Statistik Lektion 3. Simultan fordelte stokastiske variable Kontinuerte stokastiske variable Normalfordelingen Statistik Lektion 3 Simultan fordelte stokastiske variable Kontinuerte stokastiske variable Normalfordelingen Repetition En stokastisk variabel er en funktion defineret på S (udfaldsrummet, der antager

Læs mere

Susanne Ditlevsen Institut for Matematiske Fag susanne

Susanne Ditlevsen Institut for Matematiske Fag     susanne Statistik og Sandsynlighedsregning 1 Repetition MS kapitel 1 3 Susanne Ditlevsen Institut for Matematiske Fag Email: susanne@math.ku.dk http://math.ku.dk/ susanne Hvad er sandsynlighed? - beskriver systemer

Læs mere

DANMARKS TEKNISKE UNIVERSITET Side 1 af 16 sider. Skriftlig prøve, den: 17. december 2015 Kursus nr : (navn) (underskrift) (bord nr)

DANMARKS TEKNISKE UNIVERSITET Side 1 af 16 sider. Skriftlig prøve, den: 17. december 2015 Kursus nr : (navn) (underskrift) (bord nr) DANMARKS TEKNISKE UNIVERSITET Side 1 af 16 sider Skriftlig prøve, den: 17. december 015 Kursus nr : 0405 Kursus navn: Sandsynlighedsregning Varighed : 4 timer Tilladte hjælpemidler: Alle Dette sæt er besvaret

Læs mere

Hvad skal vi lave i dag?

Hvad skal vi lave i dag? p. 1/1 Hvad skal vi lave i dag? Repeterer lidt om diskrete sv. Standardfordelinger (binomial, Poisson, geometrisk) Stokastiske vektorer Diskrete stokastiske vektorer p. 2/1 Repetition Heltallige sv er

Læs mere

CIVILINGENIØREKSAMEN Side 1 af 16 sider. Skriftlig prøve, den: 28. maj 2010 Kursus nr : (navn) (underskrift) (bord nr)

CIVILINGENIØREKSAMEN Side 1 af 16 sider. Skriftlig prøve, den: 28. maj 2010 Kursus nr : (navn) (underskrift) (bord nr) CIVILINGENIØREKSAMEN Side af 6 sider Skriftlig prøve, den: 8. maj 00 Kursus nr : 005 Kursus navn: Sandsynlighedsregning Tilladte hjælpemidler: Alle Dette sæt er besvaret af: navn underskrift bord nr Der

Læs mere

Kvantitative Metoder 1 - Forår Dagens program

Kvantitative Metoder 1 - Forår Dagens program Dagens program Kontinuerte fordelinger Simultane fordelinger Kovarians og korrelation Uafhængighed Betingede fordelinger - Middelværdi og varians - Sammenhæng med uafhængighed 1 Figur 1: En tæthedsfunktion

Læs mere

Kursusindhold: X i : tilfældig værdi af ite eksperiment. Antag X i kun antager værdierne 1, 2,..., M.

Kursusindhold: X i : tilfældig værdi af ite eksperiment. Antag X i kun antager værdierne 1, 2,..., M. Kursusindhold: Produkt og marked - matematiske og statistiske metoder Rasmus Waagepetersen Institut for Matematiske Fag Aalborg Universitet March 1, 2013 Sandsynlighedsregning og lagerstyring Normalfordelingen

Læs mere

Sandsynlighedsregning 10. forelæsning Bo Friis Nielsen

Sandsynlighedsregning 10. forelæsning Bo Friis Nielsen Sandsynlighedsregning 10. forelæsning Bo Friis Nielsen Matematik og Computer Science Danmarks Tekniske Universitet 2800 Kgs. Lyngby Danmark Email: bfni@dtu.dk Dagens emner afsnit 6.1 og 6.2 Betingede diskrete

Læs mere

StatDataN: Middelværdi og varians

StatDataN: Middelværdi og varians StatDataN: Middelværdi og varians JLJ StatDataN: Middelværdi og varians p. 1/33 Repetition Stokastisk variabel: funktion fra udfaldsrum over i de hele tal eller over i de reelle tal Ex: Ω = alle egetræer,

Læs mere

Oversigt. Kursus Introduktion til Statistik. Forelæsning 2: Kapitel 4, Diskrete fordelinger. Per Bruun Brockhoff. Stokastiske Variable

Oversigt. Kursus Introduktion til Statistik. Forelæsning 2: Kapitel 4, Diskrete fordelinger. Per Bruun Brockhoff. Stokastiske Variable Kursus 02402 Introduktion til Statistik Forelæsning 2: Kapitel 4, Diskrete fordelinger Per Bruun Brockhoff DTU Compute, Statistik og Dataanalyse Bygning 324, Rum 220 Danmarks Tekniske Universitet 2800

Læs mere

Sandsynlighedsregning 10. forelæsning Bo Friis Nielsen

Sandsynlighedsregning 10. forelæsning Bo Friis Nielsen Sandsynlighedsregning 0. forelæsning Bo Friis Nielsen Matematik og Computer Science Danmarks Tekniske Universitet 800 Kgs. Lyngby Danmark Email: bfni@dtu.dk Dagens emner afsnit 6. og 6. Betingede diskrete

Læs mere

Sandsynlighedsregning 10. forelæsning Bo Friis Nielsen

Sandsynlighedsregning 10. forelæsning Bo Friis Nielsen Sandsynlighedsregning 10. forelæsning Bo Friis Nielsen Matematik og Computer Science Danmarks Tekniske Universitet 2800 Kgs. Lyngby Danmark Email: bfni@dtu.dk Dagens emner afsnit 6.1 og 6.2 Betingede diskrete

Læs mere

Statistik og Sandsynlighedsregning 2

Statistik og Sandsynlighedsregning 2 Statistik og Sandsynlighedsregning 2 Lineære transformationer, middelværdi og varians Helle Sørensen Uge 8, onsdag SaSt2 (Uge 8, onsdag) Lineære transf. og middelværdi 1 / 15 Program I formiddag: Fordeling

Læs mere

MM501 forelæsningsslides

MM501 forelæsningsslides MM501 forelæsningsslides uge 40, 2010 Produceret af Hans J. Munkholm bearbejdet af JC 1 Separabel 1. ordens differentialligning En generel 1. ordens differentialligning har formen s.445-8 dx Eksempler

Læs mere

Forelæsning 2: Kapitel 4, Diskrete fordelinger

Forelæsning 2: Kapitel 4, Diskrete fordelinger Kursus 02402 Introduktion til Statistik Forelæsning 2: Kapitel 4, Diskrete fordelinger Per Bruun Brockhoff DTU Compute, Statistik og Dataanalyse Bygning 324, Rum 220 Danmarks Tekniske Universitet 2800

Læs mere

hvor a og b er konstanter. Ved middelværdidannelse fås videre

hvor a og b er konstanter. Ved middelværdidannelse fås videre Uge 3 Teoretisk Statistik. marts 004. Korrelation og uafhængighed, repetition. Eksempel fra sidste gang (uge ) 3. Middelværdivektor, kovarians- og korrelationsmatrix 4. Summer af stokastiske variable 5.Den

Læs mere

1/41. 2/41 Landmålingens fejlteori - Lektion 1 - Kontinuerte stokastiske variable

1/41. 2/41 Landmålingens fejlteori - Lektion 1 - Kontinuerte stokastiske variable Landmålingens fejlteori - lidt om kurset Landmålingens fejlteori Lektion 1 Det matematiske fundament Kontinuerte stokastiske variable - rw@math.aau.dk Institut for Matematiske Fag Aalborg Universitet Kursusholder

Læs mere

Kvantitative Metoder 1 - Efterår Dagens program

Kvantitative Metoder 1 - Efterår Dagens program Dagens program Afsnit 3.1-3.2 Middelværdi -Definition - Regneregler Betinget middelværdi Middelværdier af funktioner af stokastiske variable Loven om den itererede middelværdi Eksempler 1 Beskrivelse af

Læs mere

Kvantitative Metoder 1 - Forår Dagens program

Kvantitative Metoder 1 - Forår Dagens program Dagens program Afsnit 3.1-3.2 Middelværdi -Definition - Regneregler Betinget middelværdi Middelværdier af funktioner af stokastiske variabler Loven om den itererede middelværdi Eksempler 1 Beskrivelse

Læs mere

Sandsynlighedsregning 3. forelæsning Bo Friis Nielsen

Sandsynlighedsregning 3. forelæsning Bo Friis Nielsen Sandsynlighedsregning 3. forelæsning Bo Friis Nielsen Anvendt Matematik og Computer Science Danmarks Tekniske Universitet 2800 Kgs. Lyngby Danmark Email: bfni@dtu.dk Dagens emner Stokastiske variable:

Læs mere

CIVILINGENIØREKSAMEN Side 1 af 16 sider. Skriftlig prøve, den: 16. december 2010 Kursus nr : (navn) (underskrift) (bord nr)

CIVILINGENIØREKSAMEN Side 1 af 16 sider. Skriftlig prøve, den: 16. december 2010 Kursus nr : (navn) (underskrift) (bord nr) CIVILINGENIØREKSAMEN Side 1 af 16 sider Skriftlig prøve, den: 16. december 2010 Kursus nr : 02405 Kursus navn: Sandsynlighedsregning Tilladte hjælpemidler: Alle Dette sæt er besvaret af: (navn) (underskrift)

Læs mere

Teoretisk Statistik, 9 marts nb. Det forventes ikke, at alt materialet dækkes d. 9. marts.

Teoretisk Statistik, 9 marts nb. Det forventes ikke, at alt materialet dækkes d. 9. marts. Teoretisk Statistik, 9 marts 2005 Empiriske analoger (Kap. 3.7) Normalfordelingen (Kap. 3.12) Opsamling på Kap. 3 nb. Det forventes ikke, at alt materialet dækkes d. 9. marts. 1 Empiriske analoger Betragt

Læs mere

Nanostatistik: Stokastisk variabel

Nanostatistik: Stokastisk variabel Nanostatistik: Stokastisk variabel JLJ Nanostatistik: Stokastisk variabel p. 1/29 Repetition Ω: udfaldsrummet: alle de mulige udfald af et experiment P(A): ss for hændelsen A = frekvens i uafhængige gentagelser

Læs mere

Landmålingens fejlteori Lektion 1 Det matematiske fundament Kontinuerte stokastiske variable

Landmålingens fejlteori Lektion 1 Det matematiske fundament Kontinuerte stokastiske variable Landmålingens fejlteori Lektion 1 Det matematiske fundament Kontinuerte stokastiske variable - rw@math.aau.dk Institut for Matematiske Fag Aalborg Universitet 1/41 Landmålingens fejlteori - lidt om kurset

Læs mere

Sandsynlighedsregning 3. forelæsning Bo Friis Nielsen

Sandsynlighedsregning 3. forelæsning Bo Friis Nielsen Sandsynlighedsregning 3. forelæsning Bo Friis Nielsen Anvendt Matematik og Computer Science Danmarks Tekniske Universitet 28 Kgs. Lyngby Danmark Email: bfni@dtu.dk Dagens emner Stokastiske variable: udfald

Læs mere

DANMARKS TEKNISKE UNIVERSITET Side 1 af 16 sider. Skriftlig prøve, den: 28. maj 2014 Kursus nr : (navn) (underskrift) (bord nr)

DANMARKS TEKNISKE UNIVERSITET Side 1 af 16 sider. Skriftlig prøve, den: 28. maj 2014 Kursus nr : (navn) (underskrift) (bord nr) DANMARKS TEKNISKE UNIVERSITET Side af 6 sider Skriftlig prøve, den: 8. maj 04 Kursus nr : 0405 Kursus navn: Sandsynlighedsregning Varighed : 4 timer Tilladte hjælpemidler: Alle Dette sæt er besvaret af:

Læs mere

Repetition Stokastisk variabel

Repetition Stokastisk variabel Repetition Stokastisk variabel Diskret stokastisk variabel Udfaldsrum endelige eller tællelige mange antal elementer Sandsynlighedsfunktion f(x) er ofte tabellagt Udregning af sandsynligheder P( a < X

Læs mere

Reeksamen 2014/2015 Mål- og integralteori

Reeksamen 2014/2015 Mål- og integralteori Reeksamen 4/5 Mål- og integralteori Københavns Universitet Institut for Matematiske Fag Formalia Eksamensopgaven består af 4 opgaver med ialt spørgsmål. Ved bedømmelsen indgår de spørgsmål med samme vægt.

Læs mere

Et eksempel på en todimensional normalfordeling Anders Milhøj September 2006

Et eksempel på en todimensional normalfordeling Anders Milhøj September 2006 Et eksempel på en todimensional normalfordeling Anders Milhøj September 006 I dette notat gennemgås et eksempel, der illustrerer den todimensionale normalfordelings egenskaber. Notatet lægger sig op af

Læs mere

Hvad skal vi lave i dag?

Hvad skal vi lave i dag? p. 1/2 Hvad skal vi lave i dag? Eksempler på stokastiske variable. Ventetid på krone ved møntkast. Antal plat ved n kast. Antal radioaktive henfald. Ventetiden på en flyulykke. Udtrækning af tal i et interval.

Læs mere

Sandsynlighedsregning 7. forelæsning Bo Friis Nielsen

Sandsynlighedsregning 7. forelæsning Bo Friis Nielsen Sandsynlighedsregning 7. forelæsning Bo Friis Nielsen Matematik og Computer Science Danmarks Tekniske Universitet 2800 Kgs. Lyngby Danmark Email: bfni@dtu.dk Dagens emner afsnit 4.5 og 4.6 (Kumulerede)

Læs mere

Statistiske modeller

Statistiske modeller Statistiske modeller Statistisk model Datamatrice Variabelmatrice Hændelse Sandsynligheder Data Statistiske modeller indeholder: Variable Hændelser defineret ved mulige variabel værdier Sandsynligheder

Læs mere

DANMARKS TEKNISKE UNIVERSITET Side 1 af 16 sider. Skriftlig prøve, den: 27. maj 2019 Kursus nr : (navn) (underskrift) (bord nr)

DANMARKS TEKNISKE UNIVERSITET Side 1 af 16 sider. Skriftlig prøve, den: 27. maj 2019 Kursus nr : (navn) (underskrift) (bord nr) DANMARKS TEKNISKE UNIVERSITET Side 1 af 16 sider Skriftlig prøve, den: 7. maj 019 Kursus nr : 0405 Kursus navn: Sandsynlighedsregning Varighed : 4 timer Tilladte hjælpemidler: Alle Dette sæt er besvaret

Læs mere

Sandsynlighedsregning 7. forelæsning Bo Friis Nielsen

Sandsynlighedsregning 7. forelæsning Bo Friis Nielsen Sandsynlighedsregning 7. forelæsning Bo Friis Nielsen Matematik og Computer Science Danmarks Tekniske Universitet 28 Kgs. Lyngby Danmark Email: bfn@dtu.dk Dagens emner afsnit 4.5 og 4.6 (Kumulerede) fordelingsfunktion

Læs mere

DANMARKS TEKNISKE UNIVERSITET Side 1 af 17 sider. Skriftlig prøve, den: 29. maj 2015 Kursus nr : (navn) (underskrift) (bord nr)

DANMARKS TEKNISKE UNIVERSITET Side 1 af 17 sider. Skriftlig prøve, den: 29. maj 2015 Kursus nr : (navn) (underskrift) (bord nr) DANMARKS TEKNISKE UNIVERSITET Side af 7 sider Skriftlig prøve, den: 9. maj 05 Kursus nr : 0405 Kursus navn: Sandsynlighedsregning Varighed : 4 timer Tilladte hjælpemidler: Alle Dette sæt er besvaret af:

Læs mere

Kursusindhold: Produkt og marked - matematiske og statistiske metoder. Monte Carlo

Kursusindhold: Produkt og marked - matematiske og statistiske metoder. Monte Carlo Kursusindhold: Produkt og marked - matematiske og statistiske metoder Rasmus Waagepetersen Institut for Matematiske Fag Aalborg Universitet Sandsynlighedsregning og lagerstyring Normalfordelingen og Monte

Læs mere

Nanostatistik: Stokastisk variabel

Nanostatistik: Stokastisk variabel Nanostatistik: Stokastisk variabel JLJ Nanostatistik: Stokastisk variabel p. 1/34 Repetition Ω: udfaldsrummet: alle de mulige udfald af et experiment P(A): ss for hændelsen A = frekvens i uafhængige gentagelser

Læs mere

Sandsynlighedsregning 7. forelæsning Bo Friis Nielsen

Sandsynlighedsregning 7. forelæsning Bo Friis Nielsen Sandsynlighedsregning 7. forelæsning Bo Friis Nielsen Matematik og Computer Science Danmarks Tekniske Universitet 2800 Kgs. Lyngby Danmark Email: bfni@dtu.dk Dagens emner afsnit 4.5 og 4.6 (Kumulerede)

Læs mere

Kvantitative Metoder 1 - Efterår Dagens program

Kvantitative Metoder 1 - Efterår Dagens program Dagens program Approksimation af binomialsandsynligheder, Afsnit 4.5 Multinomial fordeling, Afsnit 4.8 Negativ binomialfordeling, Afsnit 4.4 Poisson fordeling og Poisson process, Afsnit 4.6 Kontinuerte

Læs mere

Billedbehandling og mønstergenkendelse: Lidt elementær statistik (version 1)

Billedbehandling og mønstergenkendelse: Lidt elementær statistik (version 1) ; C ED 6 > Billedbehandling og mønstergenkendelse Lidt elementær statistik (version 1) Klaus Hansen 24 september 2003 1 Elementære empiriske mål Hvis vi har observationer kan vi udregne gennemsnit og varians

Læs mere

Kursusindhold: Produkt og marked - matematiske og statistiske metoder. Monte Carlo

Kursusindhold: Produkt og marked - matematiske og statistiske metoder. Monte Carlo Kursusindhold: Produkt og marked - matematiske og statistiske metoder Rasmus Waagepetersen Institut for Matematiske Fag Aalborg Universitet Sandsynlighedsregning og lagerstyring Normalfordelingen og Monte

Læs mere

Statistik og Sandsynlighedsregning 2

Statistik og Sandsynlighedsregning 2 Statistik og Sandsynlighedsregning 2 Sandsynlighedstætheder og kontinuerte fordelinger på R Helle Sørensen Uge 6, mandag SaSt2 (Uge 6, mandag) Tætheder og kont. fordelinger 1 / 19 Program Velkommen I dag:

Læs mere

Løsning til eksamen 16/

Løsning til eksamen 16/ 1 IMM - DTU 245 Probability 24-5-11 BFN/bfn Løsning til eksamen 16/12 23 Spørgsmål 1) 2 44% Man benytter formlen for skalering og positionsskift i forbindelse med varians og standardafvigelse, samt formlen

Læs mere

Note om Monte Carlo metoden

Note om Monte Carlo metoden Note om Monte Carlo metoden Kasper K. Berthelsen Version 1.2 25. marts 2014 1 Introduktion Betegnelsen Monte Carlo dækker over en lang række metoder. Fælles for disse metoder er, at de anvendes til at

Læs mere

CIVILINGENIØREKSAMEN. Side 1 af 18 sider. Skriftlig prøve, den: 2. juni 2009 Kursus nr : 02405. Kursus navn: Sandsynlighedsregning

CIVILINGENIØREKSAMEN. Side 1 af 18 sider. Skriftlig prøve, den: 2. juni 2009 Kursus nr : 02405. Kursus navn: Sandsynlighedsregning CIVILINGENIØREKSAMEN Side 1 af 18 sider Skriftlig prøve, den: 2. juni 2009 Kursus nr : 02405 Kursus navn: Sandsynlighedsregning Tilladte hjælpemidler: Alle Dette sæt er besvaret af: (navn) (underskrift)

Læs mere

Forelæsning 3: Kapitel 5: Kontinuerte fordelinger

Forelæsning 3: Kapitel 5: Kontinuerte fordelinger Kursus 02402 Introduktion til Statistik Forelæsning 3: Kapitel 5: Kontinuerte fordelinger Per Bruun Brockhoff DTU Compute, Statistik og Dataanalyse Bygning 324, Rum 220 Danmarks Tekniske Universitet 2800

Læs mere

Produkt og marked - matematiske og statistiske metoder

Produkt og marked - matematiske og statistiske metoder Produkt og marked - matematiske og statistiske metoder Rasmus Waagepetersen Institut for Matematiske Fag Aalborg Universitet February 19, 2016 1/26 Kursusindhold: Sandsynlighedsregning og lagerstyring

Læs mere

Hvad skal vi lave i dag?

Hvad skal vi lave i dag? p. 1/15 Hvad skal vi lave i dag? Definition af sandsynlighedsrum. Egenskaber ved Sandsynlighedsmål. (Kap. 3). Fødselsdagsproblemet (supplerende eksempel 3.1). Betingede sandsynligheder og uafhængighed

Læs mere

MM501/MM503 forelæsningsslides

MM501/MM503 forelæsningsslides MM501/MM503 forelæsningsslides uge 50, 2009 Produceret af Hans J. Munkholm 1 Separabel 1. ordens differentialligning En generel 1. ordens differentialligning har formen dx Eksempler = et udtryk, der indeholder

Læs mere

Modul 2: Sandsynlighedsmodeller og diskrete stokastiske variable

Modul 2: Sandsynlighedsmodeller og diskrete stokastiske variable Forskningsenheden for Statistik ST501: Science Statistik Bent Jørgensen Modul 2: Sandsynlighedsmodeller og diskrete stokastiske variable 2.1 Sandsynlighedsbegrebet............................... 1 2.1.1

Læs mere

For nemheds skyld: m = 2, dvs. interesseret i fordeling af X 1 og X 2. Nemt at generalisere til vilkårligt m.

For nemheds skyld: m = 2, dvs. interesseret i fordeling af X 1 og X 2. Nemt at generalisere til vilkårligt m. 1 Uge 11 Teoretisk Statistik 8. marts 2004 Kapitel 3: Fordeling af en stokastisk variabel, X Kapitel 4: Fordeling af flere stokastiske variable, X 1,,X m (på en gang). NB: X 1,,X m kan være gentagne observationer

Læs mere

DANMARKS TEKNISKE UNIVERSITET Side?? af?? sider. Skriftlig prøve, den: 18. december 2014 Kursus nr : (navn) (underskrift) (bord nr)

DANMARKS TEKNISKE UNIVERSITET Side?? af?? sider. Skriftlig prøve, den: 18. december 2014 Kursus nr : (navn) (underskrift) (bord nr) DANMARKS TEKNISKE UNIVERSITET Side?? af?? sider Skriftlig prøve, den: 8. december 04 Kursus nr : 040 Kursus navn: Sandsynlighedsregning Varighed : 4 timer Tilladte hjælpemidler: Alle Dette sæt er besvaret

Læs mere

Bernoulli og binomial fordelingerne Kontinuerte stokastiske variable Normalfordelingen

Bernoulli og binomial fordelingerne Kontinuerte stokastiske variable Normalfordelingen Bernoulli og binomial fordelingerne Kontinuerte stokastiske variable Normalfordelingen Repetition Lov om total sandsynlighed Bayes sætning P( B A) = P(A) = P(AI B) + P(AI P( A B) P( B) P( A B) P( B) +

Læs mere

Regneregler for middelværdier M(X+Y) = M X +M Y. Spredning varians og standardafvigelse. 1 n VAR(X) Y = a + bx VAR(Y) = VAR(a+bX) = b²var(x)

Regneregler for middelværdier M(X+Y) = M X +M Y. Spredning varians og standardafvigelse. 1 n VAR(X) Y = a + bx VAR(Y) = VAR(a+bX) = b²var(x) Formelsamlingen 1 Regneregler for middelværdier M(a + bx) a + bm X M(X+Y) M X +M Y Spredning varians og standardafvigelse VAR(X) 1 n n i1 ( X i - M x ) 2 Y a + bx VAR(Y) VAR(a+bX) b²var(x) 2 Kovariansen

Læs mere

Opgave 1 Betragt to diskrete stokastiske variable X og Y. Antag at sandsynlighedsfunktionen p X for X er givet ved

Opgave 1 Betragt to diskrete stokastiske variable X og Y. Antag at sandsynlighedsfunktionen p X for X er givet ved Matematisk Modellering 1 (reeksamen) Side 1 Opgave 1 Betragt to diskrete stokastiske variable X og Y. Antag at sandsynlighedsfunktionen p X for X er givet ved { 1 hvis x {1, 2, 3}, p X (x) = 3 0 ellers,

Læs mere

Løsning til prøveeksamen 1

Løsning til prøveeksamen 1 IMM - DTU 020 Probability 2006-2-8 BFN/bfn Løsning til prøveeksamen Spørgsmål ) For en indikatorvariabel I A for hændelsen A gælder E(I A ) = P(A) (se for eksemepl side 68). Således er E(X) = P(N ) = =

Læs mere

Sandsynlighedsregning

Sandsynlighedsregning Mogens Bladt www2.imm.dtu.dk/courses/02405 28. September, 2007 Stokastiske variable Betragt 3 kast med en mønt. Så er udfaldsrummet Ω = {(p, p, p), (p, p, k), (p, k, p), (p, k, k), (k, p, p), (k, p, k),

Læs mere

CIVILINGENIØREKSAMEN Side?? af?? sider. Skriftlig prøve, den: 16. december 2004 Kursus nr : (navn) (underskrift) (bord nr)

CIVILINGENIØREKSAMEN Side?? af?? sider. Skriftlig prøve, den: 16. december 2004 Kursus nr : (navn) (underskrift) (bord nr) CIVILINGENIØREKSAMEN Side?? af?? sider Skriftlig prøve, den: 6. december 2004 Kursus nr : 02405 Kursus navn: Sandsynlighedsregning Tilladte hjælpemidler: Alle Dette sæt er besvaret af: (navn) (underskrift)

Læs mere

Kvantitative Metoder 1 - Efterår 2006. Dagens program

Kvantitative Metoder 1 - Efterår 2006. Dagens program Dagens program Afsnit 2.4-2.5 Bayes sætning Uafhængige stokastiske variable - Simultane fordelinger - Marginale fordelinger - Betingede fordelinger Uafhængige hændelser - Indikatorvariable Afledte stokastiske

Læs mere

Oversigt. Kursus Introduktion til Statistik. Forelæsning 3: Kapitel 5: Kontinuerte fordelinger. Per Bruun Brockhoff.

Oversigt. Kursus Introduktion til Statistik. Forelæsning 3: Kapitel 5: Kontinuerte fordelinger. Per Bruun Brockhoff. Kursus 242 Introduktion til Statistik Forelæsning 3: Kapitel 5: Kontinuerte fordelinger Per Bruun Brockhoff DTU Compute, Statistik Bygning 35/324 Danmarks Tekniske Universitet 28 Lyngby Danmark e-mail:

Læs mere

Vejledende løsninger til opgaver i kapitel 6

Vejledende løsninger til opgaver i kapitel 6 Vejledende løsninger til opgaver i kapitel Opgave 1: a) Den stokastiske variabel, X, der angiver, om en elev består, X = 1, eller dumper, X =, sin eksamen i statistik. b) En binomialfordelt variabel fremkommer

Læs mere

enote 2: Kontinuerte fordelinger Introduktion til Statistik Forelæsning 3: Kontinuerte fordelinger Peder Bacher enote 2: Continuous Distributions

enote 2: Kontinuerte fordelinger Introduktion til Statistik Forelæsning 3: Kontinuerte fordelinger Peder Bacher enote 2: Continuous Distributions Introduktion til Statistik Forelæsning 3: Kontinuerte fordelinger Peder Bacher DTU Compute, Dynamiske Systemer Bygning 33B, Rum 9 Danmarks Tekniske Universitet 28 Lyngby Danmark e-mail: pbac@dtu.dk Efterår

Læs mere

Naturvidenskabelig Bacheloruddannelse Forår 2006 Matematisk Modellering 1 Side 1

Naturvidenskabelig Bacheloruddannelse Forår 2006 Matematisk Modellering 1 Side 1 Matematisk Modellering 1 Side 1 I nærværende opgavesæt er der 16 spørgsmål fordelt på 4 opgaver. Ved bedømmelsen af besvarelsen vægtes alle spørgsmål lige. Endvidere lægges der vægt på, at det af besvarelsen

Læs mere

CIVILINGENIØREKSAMEN Side 1 af 18 sider. Skriftlig prøve, den: XY. december 200Z Kursus nr : (navn) (underskrift) (bord nr)

CIVILINGENIØREKSAMEN Side 1 af 18 sider. Skriftlig prøve, den: XY. december 200Z Kursus nr : (navn) (underskrift) (bord nr) CIVILINGENIØREKSAMEN Side 1 af 18 sider Skriftlig prøve, den: XY. december 200Z Kursus nr : 02405 Kursus navn: Sandsynlighedsregning Tilladte hjælpemidler: Alle Dette sæt er besvaret af: (navn) (underskrift)

Læs mere

Oversigt over nyttige fordelinger

Oversigt over nyttige fordelinger Oversigt over nyttige fordelinger Helene Regitze Lund Wandsøe November 14, 2011 1 Bernoulli-fordelingen 1 Når et eksperiment har to mulige udfald: succes eller fiasko. X er en stokastisk variabel med følgende

Læs mere

Sandsynlighedsregning 9. forelæsning Bo Friis Nielsen

Sandsynlighedsregning 9. forelæsning Bo Friis Nielsen Sandsynlighedsregning 9. forelæsning Bo Friis Nielsen Matematik og Computer Science Danmarks Tekniske Universitet 800 Kgs. Lyngby Danmark Email: bfni@dtu.dk Dagens emner afsnit 5.3 og 5.4 Simultane kontinuerte

Læs mere

CIVILINGENIØREKSAMEN Side 1 af 18 sider. Skriftlig prøve, den: PQ. juli 200Z Kursus nr : (navn) (underskrift) (bord nr)

CIVILINGENIØREKSAMEN Side 1 af 18 sider. Skriftlig prøve, den: PQ. juli 200Z Kursus nr : (navn) (underskrift) (bord nr) CIVILINGENIØREKSAMEN Side 1 af 18 sider Skriftlig prøve, den: PQ. juli 200Z Kursus nr : 02405 Kursus navn: Sandsynlighedsregning Tilladte hjælpemidler: Alle Dette sæt er besvaret af: (navn) (underskrift)

Læs mere

Teoretisk Statistik, 13 april, 2005

Teoretisk Statistik, 13 april, 2005 Poissonprocessen Teoretisk Statistik, 13 april, 2005 Setup og antagelser Fordelingen af X(t) og et eksempel Ventetider i poissonprocessen Fordeling af ventetiden T 1 til første ankomst Fortolkning af λ

Læs mere

Eksamen 2014/2015 Mål- og integralteori

Eksamen 2014/2015 Mål- og integralteori Eksamen 4/5 Mål- og integralteori Københavns Universitet Institut for Matematiske Fag Formalia Eksamensopgaven består af 4 opgaver med ialt spørgsmål Ved bedømmelsen indgår de spørgsmål med samme vægt

Læs mere

DANMARKS TEKNISKE UNIVERSITET Side 1 af 17 sider. Skriftlig prøve, den: 20. december 2017 Kursus nr : (navn) (underskrift) (bord nr)

DANMARKS TEKNISKE UNIVERSITET Side 1 af 17 sider. Skriftlig prøve, den: 20. december 2017 Kursus nr : (navn) (underskrift) (bord nr) DANMARKS TEKNISKE UNIVERSITET Side af 7 sider Skriftlig prøve, den: 0. december 07 Kursus nr : 0405 Kursus navn: Sandsynlighedsregning Varighed : 4 timer Tilladte hjælpemidler: Alle Dette sæt er besvaret

Læs mere

Sandsynlighedsregning 6. forelæsning Bo Friis Nielsen

Sandsynlighedsregning 6. forelæsning Bo Friis Nielsen Sandsynlighedsregning 6. forelæsning Bo Friis Nielsen Matematik og Computer Science Danmarks Tekniske Universitet 2800 Kgs. Lyngby Danmark Email: bfni@dtu.dk Dagens emner: Afsnit 4.2, 4.3 og 4.4 Poissonprocessen/eksponentialfordelingen

Læs mere

Sandsynlighedsregning: endeligt udfaldsrum (repetition)

Sandsynlighedsregning: endeligt udfaldsrum (repetition) Program: 1. Repetition: sandsynlighedsregning 2. Sandsynlighedsregning fortsat: stokastisk variabel, sandsynlighedsfunktion/tæthed, fordelingsfunktion. 1/16 Sandsynlighedsregning: endeligt udfaldsrum (repetition)

Læs mere

Statistik Lektion 2. Uafhængighed Stokastiske Variable Sandsynlighedsfordeling Middelværdi og Varians for Stok. Var.

Statistik Lektion 2. Uafhængighed Stokastiske Variable Sandsynlighedsfordeling Middelværdi og Varians for Stok. Var. Statistik Lektion Uafhængighed Stokastiske Variable Sandsynlighedsfordeling Middelværdi og Varians for Stok. Var. Repetition Stikprøve Stikprøvestørrelse n Stikprøvemiddelværdi Stikprøvevarians s Population

Læs mere

CIVILINGENIØREKSAMEN. Side 1 af 19 sider. Skriftlig prøve, den: 20. december 2006 Kursus nr : 02405. Kursus navn: Sandsynlighedsregning

CIVILINGENIØREKSAMEN. Side 1 af 19 sider. Skriftlig prøve, den: 20. december 2006 Kursus nr : 02405. Kursus navn: Sandsynlighedsregning CIVILINGENIØREKSAMEN Side af 9 sider Skriftlig prøve, den: 0. december 006 Kursus nr : 0405 Kursus navn: Sandsynlighedsregning Tilladte hjælpemidler: Alle Dette sæt er besvaret af: navn underskrift bord

Læs mere

Produkt og marked - matematiske og statistiske metoder

Produkt og marked - matematiske og statistiske metoder Produkt og marked - matematiske og statistiske metoder Rasmus Waagepetersen Institut for Matematiske Fag Aalborg Universitet February 11, 2016 1/22 Kursusindhold: Sandsynlighedsregning og lagerstyring

Læs mere

Kombinatorik. Eksempel 2: En mand har 7 par bukser og 10 skjorter. Skal han både vælge en skjorte og et par bukser, så har han 10. 7=70 mulige valg.

Kombinatorik. Eksempel 2: En mand har 7 par bukser og 10 skjorter. Skal han både vælge en skjorte og et par bukser, så har han 10. 7=70 mulige valg. Noter til Biomat, 005. Kombinatorik. - eller kunsten at tælle. Alle tal i kombinatorik-afsnittet er hele og ikke-negative. Additionsprincippet enten - eller : Antag vi enten skal lave et valg med m muligheder

Læs mere

Sandsynlighedsregning 8. forelæsning Bo Friis Nielsen

Sandsynlighedsregning 8. forelæsning Bo Friis Nielsen Sandsynlighedsregning 8. forelæsning Bo Friis Nielsen Matematik og Computer Science Danmarks Tekniske Universitet 28 Kgs. Lyngby Danmark Email: bfni@dtu.dk Dagens emner 5.1 og 5.2 Ligefordeling med to

Læs mere

Kvantitative Metoder 1 - Forår Dagens program

Kvantitative Metoder 1 - Forår Dagens program Dagens program Afsnit 6.1 Den standardiserede normalfordeling Normalfordelingen Beskrivelse af normalfordelinger: - Tæthed og fordelingsfunktion - Middelværdi, varians og fraktiler Lineære transformationer

Læs mere

DANMARKS TEKNISKE UNIVERSITET Side 1 af 17 sider. Skriftlig prøve, den: 19. december 2016 Kursus nr : (navn) (underskrift) (bord nr)

DANMARKS TEKNISKE UNIVERSITET Side 1 af 17 sider. Skriftlig prøve, den: 19. december 2016 Kursus nr : (navn) (underskrift) (bord nr) DANMARKS TEKNISKE UNIVERSITET Side af 7 sider Skriftlig prøve, den: 9. december 206 Kursus nr : 02405 Kursus navn: Sandsynlighedsregning Varighed : 4 timer Tilladte hjælpemidler: Alle Dette sæt er besvaret

Læs mere

CIVILINGENIØREKSAMEN Side 1 af 16 sider. Skriftlig prøve, den: 27. maj 2011 Kursus nr : (navn) (underskrift) (bord nr)

CIVILINGENIØREKSAMEN Side 1 af 16 sider. Skriftlig prøve, den: 27. maj 2011 Kursus nr : (navn) (underskrift) (bord nr) CIVILINGENIØREKSAMEN Side af 6 sider Skriftlig prøve, den: 27. maj 20 Kursus nr : 02405 Kursus navn: Sandsynlighedsregning Tilladte hjælpemidler: Alle Dette sæt er besvaret af: (navn) (underskrift) (bord

Læs mere

Sandsynlighedsregning 8. forelæsning Bo Friis Nielsen

Sandsynlighedsregning 8. forelæsning Bo Friis Nielsen Sandsynlighedsregning 8. forelæsning Bo Friis Nielsen Matematik og Computer Science Danmarks Tekniske Universitet 2800 Kgs. Lyngby Danmark Email: bfni@dtu.dk Dagens emner 5.1 og 5.2 Ligefordeling med to

Læs mere

Agenda Sandsynlighedsregning. Regneregler (kap. 3-4) Fordelinger og genkendelse af fordelinger (kap. 3-5) Simultane, marginale og betingede

Agenda Sandsynlighedsregning. Regneregler (kap. 3-4) Fordelinger og genkendelse af fordelinger (kap. 3-5) Simultane, marginale og betingede Agenda Sandsynlighedsregning. Regneregler (kap. 3-4) Fordelinger og genkendelse af fordelinger (kap. 3-5) Simultane, marginale og betingede fordelinger (kap. 4) Middelværdi og varians (kap. 3-4) Fordelingsresultater

Læs mere