TØ-opgaver til uge 45
|
|
- Bertha Jakobsen
- 7 år siden
- Visninger:
Transkript
1 TØ-opgaver til uge 45 Først laver vi en liste over de ligninger med mere i [IPT], der skal bruges: [1]: Ligning (2.5) på side 4. [2]: Ligning (2.6) på side 5. [3]: Sætning 3.1, ligning (3.3) på side 7. : Sætning 3.1, ligning (3.4) på side 7. [5]: Sætning 3.1, ligning (3.5) på side 7. [6]: Ligning (4.2) på side 13. [7]: Ligningen øverst på side 125. [8]: Ligning (A.3) på side 126. [9]: Ligning (A.4) på side 126. [10]: Implikation (A.8) på side 127. [11]: Ligning (B.3) på side 131. Opgave 1 Lad A og B være hændelser, således at P (A) 0,6, P (B) 0,5 og P (A B) 0,8. Vi skal nu have bestemt sandsynligheden for hver af hændelserne A B, A, B, A B og A B. Vi finder følgende: P (A B) [5] P (A) + P (B) P (A B) 0,6 + 0,5 0,8 0,3; P A 1 P (A) 1 0,6 0,4; P B 1 P (B) 1 0,5 0,5; P A B [8] P (A B) 1 P (A B) 1 0,8 0,2; P A B [9] P (A B) 1 P (A B) 1 0,3 0,7. Opgave 2 Betragt spillet kast med 3 mønter (m 1, m 2 og m 3 ), hvor der er tale om perfekte mønter i den forstand, at sandsynligheden for at slå plat (p) henholdsvis krone (k) begge er 50 %. Vi har nu et sandsynlighedsrum (E, F, P ), hvor E {(m 1, m 2, m 3 ) (p, p, p), (p, p, k), (p, k, p), (k, p, p), (p, k, k), (k, p, k), (k, k, p), (k, k, k)}, F er en σ-algebra, bestående af samtlige delmængder af E, P : F [0, 1] er et uniformt sandsynlighedsmål på F. 1
2 Spørgsmål (i) En simpel optælling viser, at #E 8, så der er altså 8 mulige udfald. Spørgsmål (ii) Betragt hændelserne være hændelser, der er givet ved A {(m 1, m 2, m 3 ) Alle mønter viser plat} {(p, p, p)}, B {(m 1, m 2, m 3 ) Mindst én mønt viser krone} {(p, p, p)} C, C {(m 1, m 2, m 3 ) Netop én mønt viser krone} {(p, p, k), (p, k, p), (k, p, p)}. Vi bemærker, at #A 1, #B #E #A 7 og #C 3, så P (A) [1] #A #E 1 [1] ; P (B) #B 8 #E 7 [1] ; P (C) #C 8 #E 3 8. Spørgsmål (iii) Se nu på spillet kast med n N mønter (m 1,..., m n ), og betragt sandsynlighedsrummet (E, F, P ), hvor P og F er givet som i Spørgsmål (ii), hvorimod der nu gælder, at E {Samtlige permutationer af n-tuplet (m 1,..., m n )}. Lad yderligere A, B, C F været givet som ovenfor. Igen ønsker vi at finde P (A), P (B) og P (C), så først husker vi på, at n n 2 n. k k0 Af [11] har vi nu, at (a + b) n n n a k b n k, k k0 hvor vi kan betragte k som antallet af mønter, der viser krone (eller plat), med koefficienterne ( n k) som antallet af muligheder for, at k af de n mønter viser krone (eller plat). Dette gør det ganske nemt at løse opgaven, thi så har vi nemlig, at P (A) [1] #A ( n 0) #E 2 n 2 n, P (B) [1] #B #E P (C) [1] #C #E 1 P (A) 1 2 n, ( n 1) 2 n n 2 n. 2
3 Spørgsmål (iv) Som det sidste i denne opgave, skal vi have afgjort hvor mange mønter vi skal have, før sandsynligheden for at få mindst én krone er større end 95 %. Af Spørgsmål (ii) ser vi, at dette svarer til at finde det mindste n N, der opfylder uligheden 1 2 n > 0,95. Dette er nemt klaret, for om følgen S n : {1 2 n } n0 gælder der, at så svaret er 5 mønter. S S ,9375 < 0,95, 0,96875 > 0,95, Opgave 4 Betragt det uniforme sandsynlighedsmål på E [0, 10]. Da E er et interval, vælger vi F B(E). Vi har nu hændelserne A, B, C F, hvor A [0, 5], B [1, 7] og C [4, 9]. Nu skal vi have undersøgt, hvorvidt (A og B), (A og C) og (B og C) er uafhængige. Altså skal vi undersøge, hvilke af de tre kombinationer, der opfylder [6]. Først fås, at hvilket giver følgende: A B [1, 5], A C [4, 5], B C [4, 7], A 5 0 5, B 7 1 6, C 9 4 5, A B 5 1 4, A C 5 4 1, B C Da E , er P (A B) [2] P (A C) [2] P (B C) [2] A B E A C E B C E 4 [2], P (A)P (B) A B 10 E E [2], P (A)P (C) A C 10 E E [2], P (B)P (C) B 10 E C E Af [6] fås så, at A og B er ikke uafhængige, A og C er heller ikke uafhængige, hvorimod B og C er uafhængige. 3
4 Opgave 12 Vi ser nu på spillet en mønt kastes 2 gange (m 1 og m 2 ), hvor der er tale om perfekte mønter; sandsynligheden for at slå plat (p) henholdsvis krone (k) er 1/2 for hver. Betragt sandsynlighedsrummet (E, F, P ), hvor E {(m 1, m 2 ) (p, p), (p, k), (k, p), (k, k)}, F er en σ-algebra, bestående af samtlige delmængder af E, P : F [0, 1] er et uniformt sandsynlighedsmål på F. Som det næste, definerer vi nu to hændelser A, B F ved A {(m 1, m 2 ) Plat i første kast} {(p, p), (p, k)}, B {(m 1, m 2 ) Krone i andet kast} {(p, k), (k, k)}. Da A B {(p, k)}, ser vi af [7], at A og B ikke er disjunkte hændelser. Opgave 14 Lad (E, F, P ) være et sandsynlighedsrum og lad A F være en hændelse. Vi skal have vist følgende biimplikation: A er uafhængig af sig selv P (A) 0 eller P (A) 1. Først beviser vi -delen. Antag derfor, at A er uafhængig af sig selv. Da A A A, er P (A) P (A A) [6] P (A)P (A) (P (A)) 2. Dette er tydeligvis kun opfyldt, såfremt P (A) 0 eller P (A) 1. Lad os dernæst bevise -delen, så antag derfor, at P (A) 0. Af Opgave 13 har vi, at P (A A) 0, så P (A A) [5] P (A) + P (A) P (A A) Eftersom P (A A) (P (A)) 2, følger det af [6], at A er uafhængig af sig selv. Antag nu, at P (A) 1. Ifølge Opgave 13 har vi så, at P (A A) 1. Altså er P (A A) (P (A)) 2, og igen bruger vi [6] til at konkludere, at A er uafhængig af sig selv. Opgave 15 Lad (E, F, P ) være et sandsynlighedsrum, hvor F er en σ-algebra, og lad A 1, A 2 F være uafhængige hændelser. Af [10] har vi, at A 1, A 2 F. 4
5 Spørgsmål (i) Vi skal nu have vist, at A 1 og A 2 er uafhængige hændelser. Det første man bemærker er, at A 1 A 2 A 1 \ (A 1 A 2 ). Da A 1 A 2 A 1, har vi følgende: P A 1 A 2 P (A 1 \ (A 1 A 2 )) [3] P (A 1 ) P (A 1 A 2 ) [6] P (A 1 ) P (A 1 )P (A 2 ) P (A 1 )(1 P (A 2 )) P (A 1 )P ( A 2). Af [6] følger det nu, at A 1 og A 2 er uafhængige. Spørgsmål (ii) Som det næste skal vi vise, at A 1 og A 2 er uafhængige hændelser. En direkte udregning viser, at P A 1 A [9] 2 P ( (A 1 A 2 ) ) 1 P (A 1 A 2 ) [5] 1 ( P (A 1 ) + P (A 2 ) P (A 1 A 2 ) ) [6] 1 P (A 1 ) P (A 2 ) + P (A 1 )P (A 2 ) (1 P (A 1 ))(1 P (A 2 )) P ( A 1) P ( A 2 ). Igen bruger vi [6] til at konkludere, at A 1 og A 2 er uafhængige hændelser. Opgave 48 Betragt spillet kast med 4 terninger (t 1, t 2, t 3 og t 4 ). Terningerne er perfekte i den forstand, at der er lige stor sandsynlighed for at en terning viser en af øjentallene 1,..., 6. Slås fire ens, får man en gratis øl, og ellers koster øllen det samlede antal øjne på de fire terninger. Vi har et sandsynlighedsrum (E, F, P ), hvor E {(t 1, t 2, t 3, t 4 ) t i 1,..., 6 for i 1,..., 4}, F er en σ-algebra, bestående af samtlige delmængder af E, P : F [0, 1] er et uniformt sandsynlighedsmål på F. 5
6 Spørgsmål (i) Betragt nu de to hændelser A, B F, hvor A Man får en gratis øl {(t 1, t 2, t 3, t 4 ) Alle fire terninger viser det samme antal øjne} {(1, 1, 1, 1), (2, 2, 2, 2), (3, 3, 3, 3), (4, 4, 4, 4), (5, 5, 5, 5), (6, 6, 6, 6)}, B Man skal betale for sin øl A C. Vi har nu, at #E og #A 6. Altså er P (A) [1] #A #E , P (B) 1 P (A) Spørgsmål (ii) Lad nu C F være givet ved C Summen af de viste øjne, på de fire terninger. Analogt Opgave 2 fås, at 4 #{C 23} 4, #{C 22} 1 Dette giver så følgende: P ({C 23}) [1] P ({C 22}) [1] #{C 23} #E #{C 22} #E ; Litteratur [IPT] Preben Blæsild og Jan Pedersen. An Introduction to Probability Theory, 3. udgave. Aarhus Universitet, Danmark
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 mereHvad 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 mereSandsynligheder. Mængder Hændelser Sandsynligheder Regler for sandsynligheder
Sandsynligheder Mængder Hændelser Sandsynligheder Regler for sandsynligheder Sandsynligheder En sandsynlighed er et kvantitativt mål for usikkerhed et mål der udtrykker styrken af vores tro på forekomsten
Læs mereSandsynlighedsregning
Mogens Bladt www2.imm.dtu.dk/courses/02405 7. September, 2007 Hvad er sandsynlighedsregning? Formel matematisk måde til at håndtere tilfældigheder. Dybest set en formalisering af udregninger med proportioner.
Læs mereLad os som eksempel se på samtidigt kast med en terning og en mønt:
SANDSYNLIGHEDSREGNING Stokastisk eksperiment Et stokastisk eksperiment er et eksperiment, hvor vi fornuftigvis ikke på forhånd kan have en formodning om resultatet af eksperimentet Til gengæld kan vi prøve
Læs mereHvad 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 mereAarhus Universitet 5. februar Meddelelse 2
fdeling for Teoretisk Statistik IOSTTISTIK Institut for Matematiske Fag Preben læsild arhus Universitet 5. februar 2003 Meddelelse 2 Forelæsningerne i uge 6 (3-7.2) Ved forelæsningen den 4.2 gav Frank
Læs mereDefinition. 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 mereHøjde af kvinder 2 / 18
Hvorfor er normalfordelingen så normal? og er den nu også det? Søren Højsgaard (updated: 2019-03-17) 1 / 18 Højde af kvinder 2 / 18 Inddeler man i mindre grupper kan man forestille sig at histogrammet
Læs mereSandsynlighedsregning
Sandsynlighedsregning Udfaldsrum og hændelser Udfald e:resultatetafetforsøg. Udfaldsrum S: Mængden af de mulige udfald af forsøget. Hændelse A: En delmængde af udfaldsrummet. Tilfældigt fænomen S e (eks.)
Læs mereKursusindhold: 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 February 9, 2015 Sandsynlighedsregning og lagerstyring Normalfordelingen
Læs mereKursusindhold: 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 mereProdukt 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 mereNanostatistik: 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 mereNanostatistik: sandsynligheder Kursushjemmeside: http://www.imf.au.dk/ kurser/nanostatistik/
Nanostatistik: sandsynligheder Kursushjemmeside: http://www.imf.au.dk/ kurser/nanostatistik/ JLJ Nanostatistik: sandsynlighederkursushjemmeside:http://www.imf.au.dk/kurser/nanostatistik/ p. 1/16 Højder
Læs mereProdukt 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 mereOpgaver i sandsynlighedsregning
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)
Læs mereElementær 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 mereLandmålingens fejlteori - Sandsynlighedsregning - Lektion 1
Landmålingens fejlteori Sandsynlighedsregning Lektion 1 - kkb@math.aau.dk http://people.math.aau.dk/ kkb/undervisning/lf10 Institut for Matematiske Fag Aalborg Universitet 23. april 2009 1/28 Landmålingens
Læs mereElementær 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 mereHvad 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 mereKursusindhold: 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 mereSandsynlighedsregning og statistik
og statistik Jakob G. Rasmussen, Institut for Matematiske Fag jgr@math.aau.dk Litteratur: Walpole, Myers, Myers & Ye: Probability and Statistics for Engineers and Scientists, Prentice Hall, 8th ed. Slides
Læs mereNanostatistik: 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 mereKursusindhold: 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 mereEksamen 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 mereMeddelelse 2. Forelæsningerne i uge 6 ( ) Gennemgangen af BPT fortsættes. Vi afslutter Kapitel 4 og når sikkert et godt stykke ind i Kapitel 5.
Institut for Matematiske Fag arhus Universitet STTISTIK(2003-ordning) Jens Ledet Jensen Jørgen Granfeldt 2. februar 2006 Meddelelse 2 Forelæsningerne i uge 5 (30.1 5.2) Ved forelæsningen mandag den 30.
Læs mereLokalt ekstremum DiploMat 01905
Lokalt ekstremum DiploMat 0905 Preben Alsholm Institut for Matematik, DTU 6. oktober 00 De nition Et stationært punkt for en funktion af ere variable f vil i disse noter blive kaldt et egentligt saddelpunkt,
Læs mereStatistik Lektion 2. Betinget sandsynlighed Bayes regel Diskrete stokastiske variable Middelværdi og varians for diskret SV Binomialfordelingen
Statistik Lektion etinget sandsynlighed ayes regel Diskrete stokastiske variable Middelværdi og varians for diskret SV inomialfordelingen Repetition Udfaldsrum S Hændelse S Simpel hændelse O i 1, 3 4,
Læs mere4 Oversigt over kapitel 4
IMM, 2002-09-14 Poul Thyregod 4 Oversigt over kapitel 4 Introduktion Hidtil har vi beskæftiget os med data. Når data repræsenterer gentagne observationer (i bred forstand) af et fænomen, kan det være bekvemt
Læs mereSANDSYNLIGHEDSREGNING Hvad er sandsynlighed for noget? Umiddelbart kan vi inddele sandsynlighed i tre former.
SANDSYNLIGHEDSREGNING Hvad er sandsynlighed for noget? Umiddelbart kan vi inddele sandsynlighed i tre former. Statistisk sandsynlighed Her finder man sandsynligheden for en hændelse ved at kigge på en
Læs mereBesvarelse, Eksamen Analyse 1, 2013
Københavns Universitet Prøve ved Det naturvidenskabelige Fakultet juni 23 Besvarelse, Eksamen Analyse, 23 Opgave Lad, for n N, funktionen f n : [, ) R være givet ved NB. Trykfejl. Burde være x. f n (x)
Læs mereHvorfor er normalfordelingen så normal?
Hvorfor er normalfordelingen så normal? Søren Højsgaard Institut for Matematiske Fag, Aalborg Universitet October 24, 2018 normalfordelingen så normal? October 24, 2018 1 / 13 Højde af kvinder Histogram
Læs mereHypotesetests, fejltyper og p-værdier
Hypotesetests, fejltyper og p-værdier Søren Højsgaard Institut for Matematiske Fag, Aalborg Universitet October 25, 2018 Søren Højsgaard Institut for Matematiske Fag, Aalborg Hypotesetests, Universitet
Læs mereTip til 1. runde af Georg Mohr-Konkurrencen Kombinatorik
Tip til 1. runde af - Kombinatorik, Kirsten Rosenkilde. Tip til 1. runde af Kombinatorik Her er nogle centrale principper om og strategier for hvordan man tæller et antal kombinationer på en smart måde,
Læs mereStatistik og sandsynlighed
Statistik og sandsynlighed Statistik handler om at beskrive og analysere en stor mængde data. som I eller andre har indsamlet. Det kan fx være tal, der fortæller om, hvor mange lynnedslag der er i Danmark
Læs mereSandsynlighed og kombinatorik
Sandsynlighed og kombinatorik Indholdsfortegnelse... 1 Simpel sandsynlighed... 2 Kombinatorik... 4 Sandsynlighed ved hjælp af kombinatorik... 7 Udregningsark... 8 side 1 Simpel sandsynlighed 1: Du kaster
Læs mereModul 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 merem = 0,15 22,5 + 0, , , , ,05 90 = 61,9år år år år år 26,67% 40% 26,67% 6,67%
Kapitel 9 Øvelse 9.1 4 1 = = 11%. 36 9 a. Den gennemsnitlige levealder er hvor gamle folk i gennemsnit er når de dør. For grupperede observationer bruger vi en antagelse om, at gennemsnitsalderen for et
Læs mereSkriftlig Eksamen Kombinatorik, sandsynlighed og randomiserede algoritmer (DM528)
Skriftlig Eksamen Kombinatorik, sandsynlighed og randomiserede algoritmer (DM528) Institut for Matematik & Datalogi Syddansk Universitet Mandag den 3 Januar 2011, kl. 9 13 Alle sædvanlige hjælpemidler
Læs mereMM501 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 mereBinomialfordelingen. 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 mereReeksamen 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 mereAnvendt Statistik Lektion 2. Sandsynlighedsregning Sandsynlighedsfordelinger Normalfordelingen Stikprøvefordelinger
Anvendt Statistik Lektion 2 Sandsynlighedsregning Sandsynlighedsfordelinger Normalfordelingen Stikprøvefordelinger Sandsynlighed: Opvarmning Udfald Resultatet af et eksperiment kaldes et udfald. Eksempler:
Læs mereMatematik 3 SS. Københavns Universitet Naturvidenskabelig kandidateksamen, sommeren Opgaver til besvarelse i 3 timer fredag den 18. juni 1993.
Københavns Universitet Opgaver til besvarelse i 3 timer fredag den 18. juni 1993. Opgave 1 (50%) Det bemærkes, at en række af nedenstående spørgsmål kan besvares uafuængigt af de Øvrige spørgsmål (resultaterne,
Læs mereNoget om en symmetrisk random walks tilbagevenden til udgangspunktet
Random Walk-kursus 2014 Jørgen Larsen 14. oktober 2014 Noget om en symmetrisk random walks tilbagevenden til udgangspunktet Dette notat giver et bevis for at en symmetrisk random walk på Z eller Z 2 og
Læs mereMM501/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 mereStatistik. Hjemmeside: kkb. Statistik - lektion 1 p.1/22
Statistik Kursets omfang: 2 ECTS Inklusiv mini-projekt! Bog: Complete Business Statistics, AD Aczel & J. Sounderpandian Software: SPSS eller Excel?? Forelæser: Kasper K. Berthelsen E-mail: kkb@math.aau.dk
Læs mereAnalyse 2. Bevis af Fatous lemma (Theorem 9.11) Supplerende opgave 1. Øvelser
Analyse 2 Øvelser Rasmus Sylvester Bryder 24. og 27. september 203 Bevis af Fatous lemma (Theorem 9.) Hvis (u j ) j er en følge af positive, målelige, numeriske funktioner (dvs. med værdier i [, ]) over
Læs merestandard normalfordelingen på R 2.
Standard normalfordelingen på R 2 Lad f (x, y) = 1 x 2 +y 2 2π e 2. Vi har så f (x, y) = 1 2π e x2 2 1 2π e y2 2, og ved Tonelli f dm 2 = 1. Ved µ(a) = A f dm 2 defineres et sandsynlighedsmål på R 2 målet
Læs mereBernoulli 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 meret a l e n t c a m p d k Matematiske Metoder Anders Friis Anne Ryelund 25. oktober 2014 Slide 1/42
Slide 1/42 Hvad er matematik? 1) Den matematiske metode 2) Hvad vil det sige at bevise noget? 3) Hvor begynder det hele? 4) Hvordan vælger man et sæt aksiomer? Slide 2/42 Indhold 1 2 3 4 Slide 3/42 Mængder
Læs mereDesignMat Lineære differentialligninger I
DesignMat Lineære differentialligninger I Preben Alsholm Uge Forår 0 1 Lineære differentialligninger af første orden 1.1 Normeret lineær differentialligning Normeret lineær differentialligning En differentialligning,
Læs mereEn Introduktion til Sandsynlighedsregning
En Introduktion til Sandsynlighedsregning 4. Udgave Michael Sørensen 26. juni 2003 0 Forord Til 2. udgave Disse forelæsningsnoter trækker i betydelig grad på noter udarbejdet af en række kolleger. Det
Læs mereNote 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= λ([ x, y)) + λ((y, x]) = ( y ( x)) + (x y) = 2(x y).
Analyse 2 Øvelser Rasmus Sylvester Bryder 17. og 20. september 2013 Supplerende opgave 1 Lad λ være Lebesgue-målet på R og lad A B(R). Definér en funktion f : [0, ) R ved f(x) = λ(a [ x, x]). Vis, at f(x)
Læs mere{ } { } {( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( )}
Stokastisk eksperiment Et stokastisk eksperiment er et eksperiment, hvor vi fornuftigvis ikke på forhånd kan have en formodning om resultatet af eksperimentet. Til gengæld kan vi prøve at sige noget om,
Læs mereAnvendt Statistik Lektion 2. Sandsynlighedsregning Sandsynlighedsfordelinger Normalfordelingen Stikprøvefordelinger
Anvendt Statistik Lektion 2 Sandsynlighedsregning Sandsynlighedsfordelinger Normalfordelingen Stikprøvefordelinger Sandsynlighed: Opvarmning Udfald Resultatet af et eksperiment kaldes et udfald. Eksempler:
Læs mereGEOMETRI-TØ, UGE 12. A σ (R) = A f σ (f(r))
GEOMETRI-TØ, UGE 12 Hvis I falder over tryk- eller regne-fejl i nedenstående, må I meget gerne sende rettelser til fuglede@imfaudk Opvarmningsopgave 1, [P] 632 Vis at Ennepers flade σ(u, v) = ( u u 3 /3
Læs mereSandsynlighed. for matc i stx og hf Karsten Juul
Sandsynlighed for matc i stx og hf 209 Karsten Juul . Udfald Vi drejer den gule skive om dens centrum og ser hvilket af de fem felter der standser ud for den røde pil. Da skiven sidst blev drejet, var
Læs mereTue Tjur: Hvad er tilfældighed?
Tue Tjur: Hvad er tilfældighed? 16. 19. september 1999 afholdtes i netværkets regi en konference på RUC om sandsynlighedsregningens filosofi og historie. Som ikke specielt historisk interesseret, men nok
Læs mereForslag til løsning af Opgaver til sandsynlighedsregning (side 434)
Forslag til løsning af Opgaver til sandsynlighedsregning (side 434) Opgave Vi kan selv vælge, om vi vil arbejde med ordnet eller uordnet udtagelse, hvis vi blot sikrer, at vi er konsekvente i vores valg,
Læs mereUafhængighed af hændelser
Uafhængighed af hændelser Uafhængighed af to hændelser A og B kaldes uafhængige hændelser hvis P A B P A P B Kaldes også den specielle multiplikationsregel. Så gælder både P A B P A og P B A P B. Bemærk
Læs mereINSTITUT 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 mereMat H /05 Note 2 10/11-04 Gerd Grubb
Mat H 1 2004/05 Note 2 10/11-04 Gerd Grubb Nødvendige og tilstrækkelige betingelser for ekstremum, konkave og konvekse funktioner. Fremstillingen i Kapitel 13.1 2 af Sydsæters bog [MA1] suppleres her med
Læs mereModul 3: Sandsynlighedsregning
Forskningsenheden for Statistik ST01: Elementær Statistik Bent Jørgensen Modul 3: Sandsynlighedsregning 3.1 Sandsynligheder................................... 1 3.2 Tilfældig udtrækning fra en mængde........................
Læs mereMattip om. Statistik 2. Tilhørende kopier: Statistik 3, 4 og 5. Du skal lære om: Faglig læsning. Chance og risiko. Sandsynlighed
Mattip om Statistik Du skal lære om: Faglig læsning Kan ikke Kan næsten Kan Chance og risiko Sandsynlighed Observationer, hyppighed og frekvens Gennemsnit Tilhørende kopier: Statistik, og mattip.dk Statistik
Læs mereGamle eksamensopgaver. Diskret Matematik med Anvendelser (DM72) & Diskrete Strukturer (DM504)
For et givent positivt heltal n og en given mængde af familier, antages at sandsynligheden for at familien har i børn, for 1 i n, er p i, således at n i=1 p i = 1. Endvidere er de 2 i mulige måder at få
Læs mereDesignMat Lineære differentialligninger I
DesignMat Lineære differentialligninger I Preben Alsholm Uge 9 Forår 2010 1 Lineære differentialligninger af første orden 1.1 Normeret lineær differentialligning Normeret lineær differentialligning En
Læs mereStatistik. Introduktion Deskriptiv statistik Sandsynslighedregning
Statistik Introduktion Deskriptiv statistik Sandsynslighedregning Introduktion Kasper K. Berthelsen, Institut f. Mat. Fag 8 Kursusgange Individuel mundtlig eksamen (7-skala) Udgangspunkt i opgaver Software:
Læs mereSandsynlighed og kombinatorik
Sandsynlighed og kombinatorik Simpel sandsynlighed... 94 Kombinatorik... 95 Sandsynlighed og kombinatorik... 97 Kombinatorik og kugletrækning... 97 Kombinatorik og sandsynlighedsregning Side 93 Sandsynlighedsregning
Læs mereStatistik 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 mereSandsynlighedsregning
Mogens Bladt www2.imm.dtu.dk/courses/02405 21. September, 2007 Lidt om binomialkoefficienter n størrelsen af en mængde/population. Vi ønsker at udtage en sub population af størrelse r. To sub populationer
Læs mereFørste konstruktion af Cantor mængden
DYNAMIK PÅ CANTOR MÆNGDEN KLAUS THOMSEN Første konstruktion af Cantor mængden For de fleste der har hørt on Cantor-mængden, er den blevet defineret på flg måde: I = 0 I = I = 0 0 OSV Cantor mængden C er
Læs mereSimulering af stokastiske fænomener med Excel
Simulering af stokastiske fænomener med Excel John Andersen, Læreruddannelsen i Aarhus, VIA Det kan være en ret krævende læreproces at udvikle fornemmelse for mange begreber fra sandsynlighedsregningen
Læs mereC) Perspektiv jeres kommunes resultater vha. jeres svar på spørgsmål b1 og b2.
C) Perspektiv jeres kommunes resultater vha. jeres svar på spørgsmål b1 og b. 5.000 4.800 4.600 4.400 4.00 4.000 3.800 3.600 3.400 3.00 3.000 1.19% 14.9% 7.38% 40.48% 53.57% 66.67% 79.76% 9.86% 010 011
Læs mereWigner s semi-cirkel lov
Wigner s semi-cirkel lov 12. december 2009 Eulers Venner Steen Thorbjørnsen Institut for Matematiske Fag Århus Universitet Diagonalisering af selvadjungeret matrix Lad H være en n n matrix med komplekse
Læs mereAlgebra2 Obligatorisk opgave
Algebra2 Obligatorisk opgave Anders Bongo Bjerg Pedersen, 070183 Eksamensnummer 45 23. maj 2005 Opgave 1 Vi har: σ = σ 6 5 = (σ 3 ) 2 (σ 5 ) 1 = (1 3 5 2 4)(8 7 6). b) Ordnen af en p-cykel er (jfr. 2.18)
Læs mereBesvarelses forslag til Tag-hjemeksamen Vinteren 02 03
IMFUFA Carsten Lunde Petersen Besvarelses forslag til Tag-hjemeksamen Vinteren 02 0 Hvor ikke andet er angivet er henvisninger til W.R.Wade An Introduction to analysis. Opgave a) Idet udtrykket e x2 cos
Læs mereFoldningsintegraler og Doobs martingale ulighed
Foldningsintegraler og Doobs martingale ulighed N.J. Nielsen Indledning I dette notat vil vi vise en sætning om foldningsintegraler, som blev benyttet trin 2 i onstrutionen af Itointegralet, gennemgå esempel
Læs mereVinkelrette linjer. Frank Villa. 4. november 2014
Vinkelrette linjer Frank Villa 4. november 2014 Dette dokument er en del af MatBog.dk 2008-2012. IT Teaching Tools. ISBN-13: 978-87-92775-00-9. Se yderligere betingelser for brug her. Indhold 1 Introduktion
Læs mereFunktion af flere variable
Funktion af flere variable Preben Alsolm 24. april 2008 1 Funktion af flere variable 1.1 Differentiabilitet for funktion af én variabel Differentiabilitet for funktion af én variabel f kaldes differentiabel
Læs mere1/41. 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 mereOPGAVER 3.g SANDSYNLIGHEDSREGNING KOMBINATORIK STATISTIK KOMPLEKSE TAL. x-klasserne Gammel Hellerup Gymnasium
OPGAVER 3.g SANDSYNLIGHEDSREGNING KOMBINATORIK STATISTIK KOMPLEKSE TAL x-klasserne Gammel Hellerup Gymnasium Indholdsfortegnelse SANDSYNLIGHEDSREGNING... 3 KOMBINATORIK... 4 STATISTIK... 30 KOMPLEKSE TAL...
Læs merefortsætte høj retning mellem mindre over større
cirka (ca) omtrent overslag fortsætte stoppe gentage gentage det samme igen mønster glat ru kantet høj lav bakke lav høj regel formel lov retning højre nedad finde rundt rod orden nøjagtig præcis cirka
Læs mereSandsynlighedsregning & Statistik
Sandsynlighedsregning & Statistik for matematikstuderende Jørgen Larsen 2006 Roskilde Universitet Teksten er sat med skriften Kp-Fonts ved hjælp af KOMA- Script og LATEX. Tegningerne er fremstillet med
Læs mereKvantitative Metoder 1 - Forår 2007
Dagens program Kapitel 8.7, 8.8 og 8.10 Momenter af gennemsnit og andele kap. 8.7 Eksempel med simulationer Den centrale grænseværdisætning (Central Limit Theorem) kap. 8.8 Simulationer Normalfordelte
Læs mereNanostatistik: Opgaver
Nanostatistik: Opgaver Jens Ledet Jensen, 19/01/05 Opgaver 1 Opgaver fra Indblik i Statistik 5 Eksamensopgaver fra tidligere år 11 i ii NANOSTATISTIK: OPGAVER Opgaver Opgave 1 God opgaveskik: Når I regner
Læs mereOversigt [LA] 1, 2, 3, [S] 9.1-3
Oversigt [LA], 2, 3, [S] 9.-3 Nøgleord og begreber Koordinatvektorer, talpar, taltripler og n-tupler Linearkombination Underrum og Span Test linearkombination Lineær uafhængighed Standard vektorer Basis
Læs mereDiploMat 1 Inhomogene lineære differentialligninger
DiploMat 1 Inhomogene lineære differentialligninger Preben Alsholm Uge Efterår 2008 1 Lineære Differentialligninger af anden orden 1.1 Den inhomogene ligning I Den inhomogene ligning I Vi betragter nu
Læs mereMatematik 2AL, vinteren
EO 1 Matematik 2AL, vinteren 2002 03 Det er tilladt at skrive med blyant og benytte viskelæder, så længe skriften er læselig, og udviskninger foretages grundigt. Overstregning trækker ikke ned og anbefales
Læs mereErik Bjerre og Pernille Pind. Plat og krone F O R L A G E T PIND OG BJERRE
Erik Bjerre og Pernille Pind Plat og krone F O R L A G E T PIND OG BJERRE Erik Bjerre og Pernille Pind Plat og krone F O R L A G E T PIND OG BJERRE Mennesker har altid fordrevet tiden med forskellige former
Læs mereGEOMETRI-TØ, UGE 8. X = U xi = {x i } = {x 1,..., x n }, U α, U α = α. (X \ U α )
GEOMETRI-TØ, UGE 8 Hvis I falder over tryk- eller regne-fejl i nedenstående, må I meget gerne sende rettelser til fuglede@imf.au.dk. Opvarmningsopgave 1. Lad X være en mængde og T familien af alle delmængder
Læs mereNogle grundlæggende begreber
BE2-kursus 2010 Jørgen Larsen 5. februar 2010 Nogle grundlæggende begreber Lidt simpel mængdelære Mængder består af elementer; mængden bestående af ingen elementer er, den tomme mængde. At x er element
Læs mereGEOMETRI-TØ, UGE 6. . x 1 x 1. = x 1 x 2. x 2. k f
GEOMETRI-TØ, UGE 6 Hvis I falder over tryk- eller regne-fejl i nedenstående, må I meget gerne sende rettelser til fuglede@imfaudk Opvarmningsopgave 1 Lad f : R 2 R være tre gange kontinuert differentierbar
Læs mereSide 9 sætningen: Kolmogorov s konsistensætning Tue Tjur, Institut for Matematisk Statistik
Side 9 sætningen: Kolmogorov s konsistensætning Tue Tjur, Institut for Matematisk Statistik Advarsel: I denne artikel gives udtryk for holdninger til sandsynlighedsregningens grundlag. Disse er forfatterens
Læs mereProjekt 3.5 faktorisering af polynomier
Projekt 3.5 faktorisering af polynomier Hvilke hele tal går op i tallet 60? Det kan vi få svar på ved at skrive 60 som et produkt af sine primtal: 60 3 5 Divisorerne i 60 er lige præcis de tal, der kan
Læs mereEn differentiabel funktion hvis afledte ikke er kontinuert Søren Knudby
24 En differentiabel funktion hvis afledte ikke er kontinuert Søren Knudby Det er velkendt for de fleste, at differentiabilitet af en reel funktion f medfører kontinuitet af f, mens det modsatte ikke gælder
Læs mereGennemsnit og normalfordeling illustreret med terningkast, simulering og SLUMP()
Gennemsnit og normalfordeling illustreret med terningkast, simulering og SLUMP() John Andersen, Læreruddannelsen i Aarhus, VIA Et kast med 10 terninger gav følgende udfald Fig. 1 Result of rolling 10 dices
Læs mereSimulering af stokastiske fænomener med Excel
Simulering af stokastiske fænomener med Excel John Andersen, Læreruddannelsen i Aarhus, VIA Det kan være en ret krævende læreproces at udvikle fornemmelse for mange begreber fra sandsynlighedsregningen
Læs mere