Fornyelsesteori med anvendelser: Afleveringsopgave 1

Relaterede dokumenter
1 Beviser for fornyelsessætningen

Fornyelsesteori med anvendelser: Punktprøve

Kvantitative Metoder 1 - Forår 2007

1 Palm teori. Palm teori 1

Kønsproportion og familiemønstre.

Noget om en symmetrisk random walks tilbagevenden til udgangspunktet

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

Matematik B. Højere handelseksamen

Sandsynligheder. Udfaldsrum Ω = {ω 1,..., ω N } hvor alle udfald er lige sandsynlige, dvs. P (ω i )=1/N for alle i =1,..., N.

Normalfordelingen og Stikprøvefordelinger

3.600 kg og den gennemsnitlige fødselsvægt kg i stikprøven.

DATALOGISK INSTITUT, AARHUS UNIVERSITET. Det Naturvidenskabelige Fakultet EKSAMEN. Grundkurser i Datalogi

Hvad skal vi lave i dag?

Definition. Definitioner

Landmålingens fejlteori - Repetition - Kontinuerte stokastiske variable - Lektion 3

Statistik Lektion 2. Betinget sandsynlighed Bayes regel Diskrete stokastiske variable Middelværdi og varians for diskret SV Binomialfordelingen

Elementær sandsynlighedsregning

Anvendt Statistik Lektion 6. Kontingenstabeller χ 2- test [ki-i-anden-test]

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

Reeksamen i Diskret Matematik

Plan. Markovkæder Matematisk modelling af kølængde, yatzy, smittespredning og partikelbevægelser. Materiale mm.

Matematik B. Højere handelseksamen. Vejledende opgave 1

Forelæsning 2: Kapitel 4, Diskrete fordelinger

Om hypoteseprøvning (1)

Produkt og marked - matematiske og statistiske metoder

Matematik B. Studentereksamen. Skriftlig prøve (4 timer)

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

STUDENTEREKSAMEN DECEMBER 2008 MATEMATIK B-NIVEAU. Fredag den 12. december Kl STX083-MAB

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

Skriftlig Eksamen Kombinatorik, sandsynlighed og randomiserede algoritmer (DM528)

Elementær sandsynlighedsregning

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

University of Copenhagen. Notat om statistisk inferens Larsen, Martin Vinæs. Publication date: Document Version Peer-review version

Københavns Universitet, Det naturvidenskabelige Fakultet. Afleveringsopgave 4

Anvendt Statistik Lektion 2. Sandsynlighedsregning Sandsynlighedsfordelinger Normalfordelingen Stikprøvefordelinger

Anvendt Statistik Lektion 2. Sandsynlighedsregning Sandsynlighedsfordelinger Normalfordelingen Stikprøvefordelinger

Sandsynlighedsregning 3. forelæsning Bo Friis Nielsen

Stikprøver og stikprøve fordelinger. Stikprøver Estimatorer og estimater Stikprøve fordelinger Egenskaber ved estimatorer Frihedsgrader

Temaopgave i statistik for

c) For, er, hvorefter. Forklar.

Statistik II 1. Lektion. Sandsynlighedsregning Analyse af kontingenstabeller

Sandsynlighedsregning 3. forelæsning Bo Friis Nielsen

Hvorfor er normalfordelingen så normal?

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

Billedbehandling og mønstergenkendelse: Lidt elementær statistik (version 1)

Sandsynlighedsregning 4. forelæsning Bo Friis Nielsen

Sandsynlighedsregning 4. forelæsning Bo Friis Nielsen

HØJERE FORBEREDELSESEKSAMEN MAJ 2007 MATEMATIK C-NIVEAU. Tirsdag den 15. maj Kl HF071-MAC

Sandsynlighedsregning 4. forelæsning Bo Friis Nielsen

Forelæsning 5: Kapitel 7: Inferens for gennemsnit (One-sample setup)

GUX Matematik Niveau B prøveform b Vejledende sæt 2

C) Perspektiv jeres kommunes resultater vha. jeres svar på spørgsmål b1 og b2.

INSTITUT FOR DATALOGI, AARHUS UNIVERSITET EKSAMEN. Grundkurser i Datalogi. Algoritmer og Datastrukturer 1 (2003-ordning)

Produkt og marked - matematiske og statistiske metoder

Karakteristiske funktioner og Den Centrale Grænseværdisætning

Statistik. Hjemmeside: kkb. Statistik - lektion 1 p.1/22

Kvantitative Metoder 1 - Forår Dagens program

Sandsynlighedsregning 6. forelæsning Bo Friis Nielsen

Sandsynlighedsregning 5. forelæsning Bo Friis Nielsen

Kvantitative Metoder 1 - Forår Dagens program

TØ-opgaver til uge 46

Statistik Lektion 1. Introduktion Grundlæggende statistiske begreber Deskriptiv statistik

STUDENTEREKSAMEN AUGUST 2007 MATEMATIK B-NIVEAU. Torsdag den 16. august Kl STX072-MAB

Analyse 2. Bevis af Fatous lemma (Theorem 9.11) Supplerende opgave 1. Øvelser

Matematik B. Højere handelseksamen

Gult Foredrag Om Net

Mikro II, Øvelser 3. ) er mindre eller lig i begge koordinater, da er (u, 1 u 2

Sandsynlighedsregning 10. forelæsning Bo Friis Nielsen

Teori og opgaver med udgangspunkt i udvalgte områder i Køge Bugt regionen

gl. Matematik B Studentereksamen

Lars Andersen: Anvendelse af statistik. Notat om deskriptiv statistik, χ 2 -test og Goodness of Fit test.

Matematik A. Højere handelseksamen

Anvendt Statistik Lektion 6. Kontingenstabeller χ 2 -test [ki-i-anden-test]

Sandsynlighedsregning 10. forelæsning Bo Friis Nielsen

Kapitel 12 Variansanalyse

Sandsynlighedsregning 10. forelæsning Bo Friis Nielsen

Matematik B. Studentereksamen. Torsdag den 22. maj 2014 kl stx141-MAT/B

INSTITUT FOR DATALOGI, AARHUS UNIVERSITET. Det Naturvidenskabelige Fakultet EKSAMEN. Grundkurser i Datalogi

DATALOGISK INSTITUT, AARHUS UNIVERSITET

DATALOGISK INSTITUT, AARHUS UNIVERSITET. Det Naturvidenskabelige Fakultet EKSAMEN. Grundkurser i Datalogi

Reeksamen i Diskret Matematik

Løsning til prøveeksamen 1

INDHOLD. 1 Prognosens hovedresultater 1. 2 Indledning 3. 3 Overordnede forudsætninger 4. 4 Beregningsmetode 9

Eksamen 2014/2015 Mål- og integralteori

13 Markovprocesser med transitionssemigruppe

Modul 2: Sandsynlighedsmodeller og diskrete stokastiske variable

Kvadratiske matricer. enote Kvadratiske matricer

Matematik A. Højere handelseksamen

Kvantitative Metoder 1 - Efterår Dagens program

Kvantitative Metoder 1 - Efterår Dagens program

GUX. Matematik Niveau B. Prøveform b

Matematik B. Højere handelseksamen

Kapitel 4 Sandsynlighed og statistiske modeller

MATEMATIK 11 Eksamensopgaver Juni 1995 Juni 2001, 4. fjerdedel

Matematik B. Højere handelseksamen

Dagens program. Afsnit Diskrete stokastiske variable Sandsynlighedsfunktioner Simultane fordelinger Betingede sandsynligheder

gl. Matematik B Studentereksamen

Eksaminanderne på hf tilvalg forventes ikke at kunne udnytte grafregnerens muligheder for regression.

Differensligninger og populationsstørrelser

Transkript:

Fornyelsesteori med anvendelser: Afleveringsopgave 1 February 27, 2003 Opgaven stilles fredag d. 28/2-2003 og afleveres d. 14/3-2003 ved forelæsningen. Opgaven kan besvares i grupper af 1-3 studerende. Man må gerne samarbejde på tværs af grupperne, blot der afleveres en selvstændig opgavebesvarelse fra hver enkelt gruppe. Opgavebesvarelsen må gerne være skrevet i hånden. I er velkomne til at kontakte mig pr. email eller evt. i lokale E319 med spørgsmål til opgaven. Opgaveformuleringen findes i afsnit 2 og indeholder 3 spørgsmål, der skal besvares i to omgange. Afsnit 1 indeholder nogle resultater for fornyelsesteori, når ventetidsfordelingen lever på et gitter. Ved besvarelsen forventes det, at I henviser til de benyttede resultater. Anders Tolver Jensen 1

1 Fornyelsessætningen i diskret version I dette afsnit betragter vi fornyelsesprocesser, hvor ventetidsfordelingen og forsinkelsen kun kan antage heltallige værdier. Fornyelser kan således kun indtræffe til heltallige tidspunkter, hvilket man skal tage højde for i formuleringen af Blackwells fornyelsessætning og senere i the Key Renewal Theorem. 1.1 Diskrete fornyelsesprocesser Udgangspunktet er en fornyelsesproces S = {S n }, hvor S 0, S 1 S 0, S 2 S 1,... er uafhængige, hvor S 0 følger en fordeling A 0 på N 0, og W k = S k S k 1, k N følger en fordeling A på N. Vi indfører notationen b n = P(S 0 = n) = A 0 ({n}), n N 0 a n = P(W 1 = n) = A({n}), n N. Fornyelsesfunktionen, H, er som altid defineret ved, at H(t) betegner antallet af fornyelser i intervallet [0; t]. Da fornyelser kun kan indtræffe til heltallige tidspunkter, har fornyelsesmålet kun masse i N 0, og vi indfører notationen h n = H({n}), n N 0. Da der ikke kan ske flere fornyelser på samme tidspunkt, er h n lig med sandsynligheden for, at der sker en fornyelse til tid n. Som sædvanligt betegner H 0 fornyelsesfunktionen i tilfældet, hvor forsinkelsen er 0, dvs. S 0 = 0. 1.2 Fornyelsessætningen For en diskret fornyelsesproces indføres perioden d, som det største heltal, der går op i alle tallene {n N a n = P(W 1 = n) > 0}. Hvis for eksempel ventetidsfordelingen, A, mellem fornyelserne kun har masse i de lige tal, så vil d = 2. Hvis d = 1 siges processen at være aperiodisk. 2

Theorem 1.1 For en aperiodisk fornyelsesproces gælder n=1 na n. h n 1 µ, n, Hvis perioden d 2 kan man formulere en fornyelsessætning, der udtaler sig om tilfældet, hvor forsinkelsen er 0. Theorem 1.2 For en fornyelsesproces med periode d og forsinkelse 0 gælder h nd d µ, n, n=1 na n. Endvidere er h k = 0, når k ikke er delelig med d. Bemærk at sætningerne også gælder når µ = +. Her skal 1 fortolkes som µ 0. 1.3 The Key Renewal Theorem Antag nu, at vi har givet en talfølge {u n } n N0, som opfylder relationen u 0 = c 0 u n = c n + (a 1 u n 1 + a 2 u n 2 +... + a n u 0 ), n N (1) for en begrænset følge {c n } n N0 af ikke-negative tal. Ud fra fornyelsessætningen kan man umiddelbart vise følgende sætning. Theorem 1.3 For en aperiodisk fornyelsesproces gælder, at hvis n=0 c n er endelig, da vil u n 1 c µ n, n, n=1 na n. n=0 Resultatet holder også for µ =, hvor højresiden fortolkes som 0. Sætningen kaldes the Key Renewal Theorem. 3

2 Opgave: Befolkningsmodeller En yndet anvendelse af fornyelsesprocesser i diskret tid er at lave demografiske prognoser for størrelsen af udvalgte befolkningsgrupper. Vi skal i denne opgave benytte nogle simple statistiske modeller til at fremskrive aldersfordelingen i en fiktiv befolkning. Vi betragter N = 1000 udvalgte kvinder på 0 år fra en givet befolkning. Med a n, n N, betegnes sandsynligheden for at en vilkårlig kvinde føder sin første pige i en alder af n år. Drengefødsler er således aldeles irrelevante i denne opgave. Vi gør nu følgende urealistiske antagelse: hver kvinde får en og kun en pige i løbet af sit liv Vi udvælger nu en af de 1000 kvinder. Hun føder til tid S 1 sin første - og eneste - datter. Datteren føder sin eneste datter til tid S 2 osv. Der vil således være netop en kvinde i hver generation af efterkommere, og kvinden i k. generation fødes til tid S k. Spørgsmål A Antag at a n = p(1 p) n 1, n N, for et p ]0; 1[. Find den asymptotiske opførsel af sandsynligheden for, at der fødes en kvindelig efterkommer efter n år, når n. Spørgsmål B Lad nu u n betegne det forventede antal kvindelige efterkommere, der fødes efter n år, når vi betrager hele populationen af de oprindelige 1000 kvinder. Opskriv en ligning af formen (1) for {u n }, og bestem lim n u n. Spørgsmål C Vi betragter for hver enkelt af de oprindelige 1000 kvinder den yngste kvindelige efterkommer. Vi ønsker at bestemme aldersfordelingen blandt disse 1000 efterkommere i den yngste generation til tid n. Til tid n lader vi v k (n) betegne det forventede antal kvinder i yngste generation, der har alderen k. Bestem grænsealdersfordelingen, lim n v k (n), for alle k N 0. 4

Vink: Antallet af efterkommere med alder k til tid n skal søges blandt efterkommere, der blev født i år n k. Spørgsmål D Vi foretager nu den ændring, at kvinderne først begynder at få kvindelige efterkommere, fra de er 20 år gamle. I resten af opgaven er således { 0 for n 19 a n = p(1 p) n 20 for n 20. Besvar spørgsmål A-C med denne ændring. 5