Sandsynlighedsregning 9. forelæsning Bo Friis Nielsen

Relaterede dokumenter
Sandsynlighedsregning 9. forelæsning Bo Friis Nielsen

Sandsynlighedsregning 9. forelæsning Bo Friis Nielsen

Sandsynlighedsregning 8. forelæsning Bo Friis Nielsen

Sandsynlighedsregning 8. forelæsning Bo Friis Nielsen

Program. Middelværdi af Y = t(x ) Transformationssætningen

Definition: Normalfordelingen. siges at være normalfordelt med middelværdi µ og varians σ 2, hvor µ og σ er reelle tal og σ > 0.

Den flerdimensionale normalfordeling

Diskrete og kontinuerte stokastiske variable

Landmålingens fejlteori - Repetition - Kontinuerte stokastiske variable - Lektion 3

Sandsynlighedsteori 1.2 og 2 Uge 5.

hvor i er observationsnummeret, som løber fra 1 til stikprøvestørrelsen n, X i

Sandsynlighedsregning 11. forelæsning Bo Friis Nielsen

Spørgsmål 3 (5 %) Bestem sandsynligheden for at et tilfældigt valgt vindue har en fejl ved listerne, når man ved at der er fejl i glasset.

antal gange krone sker i første n kast = n

Statistiske Modeller 1: Notat 1

Test i to populationer. Hypotesetest for parrede observationer Test for ens varians Gensyn med flyskræk!

Velkommen. Program. Statistik og Sandsynlighedsregning 2 Sandsynlighedstætheder og kontinuerte fordelinger på R. Praktiske ting og sager

Sandsynlighedsfordelinger for kontinuerte data på interval/ratioskala

Statistik Lektion 8. Parrede test Test for forskel i andele Test for ens varians Gensyn med flyskræk!

Teoretisk Statistik, 9. februar Beskrivende statistik

hvor a og b er konstanter. Ved middelværdidannelse fås videre

Statistiske test. Efteråret 2010 Jens Friis, AAU. Hjemmeside :

Statistik 8. gang 1 KONFIDENSINTERVALLER. Konfidensintervaller: kapitel 11. Valg og test af fordelingsfunktion

Meningsmålinger KLADDE. Thomas Heide-Jørgensen, Rosborg Gymnasium & HF, 2017

29. januar Epidemiologi og biostatistik Forelæsning 2 Uge 1, torsdag 2. februar 2006 Michael Væth, Afdeling for Biostatistik.

Dagens program. Estimation: Kapitel Eksempler på middelrette og/eller konsistente estimator (de sidste fra sidste forelæsning)

Supplerende noter II til MM04

24. januar Epidemiologi og biostatistik. Forelæsning 1 Uge 1, tirsdag. Niels Trolle Andersen, Afdelingen for Biostatistik.

Vejledende opgavebesvarelser

Stikprøvefordelinger og konfidensintervaller

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

Supplement til Kreyszig

Hovedpointer fra SaSt

Sandsynlighedsregning 7. forelæsning Bo Friis Nielsen

Sandsynlighedsregning 7. forelæsning Bo Friis Nielsen

Sandsynlighedsregning 7. forelæsning Bo Friis Nielsen

Motivation. En tegning

Sætning: Middelværdi og varians for linearkombinationer. Lad X 1,X 2,...,X n være stokastiske variable. Da gælder. Var ( a 0 + a 1 X a n X n

Kvantitative Metoder 1 - Forår Dagens program

Anvendt Statistik Lektion 3. Punkt- og intervalestimater Konfidensintervaller Valg af stikprøvestørrelse

Sandsynlighedsregning 12. forelæsning Bo Friis Nielsen

Nøgleord og begreber Analysens hovedsætning Stamfunktioner Itereret integral Test itereret integral Fubinis sætning Test Fubini Eksempler Test produkt

Generelle lineære modeller

Program. Statistik og Sandsynlighedsregning. Eksempler. Sandsynlighedstæthed og sandsynlighedsmål

Simpel Lineær Regression. Opsplitning af variationen Determinations koefficient Variansanalyse F-test Model-kontrol

1 Punkt- og intervalestimation Punktestimatorer: Centralitet(bias) og efficiens... 2

Kvantitative Metoder 1 - Efterår Dagens program

Analyse 1, Prøve maj 2009

9. Binomialfordelingen

Statistik Lektion 7. Hypotesetest og kritiske værdier Type I og Type II fejl Styrken af en test Sammenligning af to populationer

Estimation ved momentmetoden. Estimation af middelværdiparameter

Projekt 9.1 Regneregler for stokastiske variable middelværdi, varians og spredning

Deskriptiv teori: momenter

Program. Ensidet variansanalyse Normalfordelingen. Antibiotika og nedbrydning af organisk materiale. Tegninger

Konfidens intervaller

Maja Tarp AARHUS UNIVERSITET

Teoretisk Statistik, 18. november Stikprøveteori: hvor er vi, og hvor skal vi hen? Proportional allokering Optimal allokering

Løsninger til kapitel 7

Sandsynlighedsregning Stokastisk variabel

Landmålingens fejlteori - Lektion 2 - Transformation af stokastiske variable

Projekt 1.3 Brydningsloven

Matematikkens mysterier - på et obligatorisk niveau. 7. Ligninger, polynomier og asymptoter

Statistik og Sandsynlighedsregning 2

Kvantemekanik 4 Side 1 af 11 Energi og tid. Hamiltonoperatoren

30. august Epidemiologi og biostatistik. Forelæsning 3 Uge 2, torsdag d. 8. september 2005 Michael Væth, Afdeling for Biostatistik.

Skitse til notat om hvor de forskellige sandsynlighedsfordelinger kan tænkes at komme fra

Oversigt [S] 2.7, 2.9, 11.4

Definition: Normalfordelingen. siges at være normalfordelt med middelværdi µ og varians σ 2, hvor µ og σ er reelle tal og σ > 0.

Teoretisk Statistik, 16. februar Generel teori,repetition

Statistik ved Bachelor-uddannelsen i folkesundhedsvidenskab

Statistik og Sandsynlighedsregning 2

Matematik A. Højere handelseksamen. Tirsdag den 26. maj 2015 kl hhx151-mat/a

Praktisk info. Statistisk analyse af en enkelt stikprøve: kendt eller ukendt varians Sandsynlighedsregning og Statistik (SaSt) I tirsdags.

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

Vejledende besvarelser til opgaver i kapitel 15

Uge 10 Teoretisk Statistik 1. marts 2004

Mikroøkonomi, matematik og statistik Eksamenshjemmeopgave december 2007

INSTITUT FOR MATEMATISKE FAG c

x-klasserne Gammel Hellerup Gymnasium

Eksamen i Mat F, april 2006

Betingede sandsynligheder Aase D. Madsen

cos(t), v(t) = , w(t) = e t, z(t) = e t.

Elementær Matematik. Polynomier

bestemmelse af karakteristiske værdier for materialeparametre og modstandsevner

Kvantitative Metoder 1 - Forår Dagens program

Indholdsfortegnelse Generelt Diskrete stokastiske variable: Kontinuerte stokastiske variable: Regneregler for stokastiske variable

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

Statistik og Sandsynlighedsregning 2

Sandsynlighedsteori 1.2

Løsningsforslag til skriftlig eksamen i Kombinatorik, sandsynlighed og randomiserede algoritmer (DM528)

STATISTISK MODELLERING OG ANALYSE 19. DECEMBER 2008 ET MAT3-PROJEKT I BAYESIANSK INFERENS VEJLEDER: JAKOB G. RASMUSSEN GRUPPE: G4-115

Sammenligning af to grupper

Sandsynlighedsregning Oversigt over begreber og fordelinger

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

Nogle Asymptotiske Resultater. Jens Ledet Jensen Matematisk Institut, Aarhus Universitet. 1 Indledning 1

Undersøgelse af numeriske modeller

Tests for forskel i central tendens for data på ordinal- og intervalskala. Typer af statistiske test:

Gamle eksamensopgaver. Diskret Matematik med Anvendelser (DM72) & Diskrete Strukturer(DM504)

r n E[ X n ]/n! for alle r > 0 ifølge monoton konvergens, giver potensrækketeori, at ( ) er ækvivalent med, at ρ n E[ X n ]/n!

6 Populære fordelinger

Transkript:

Dages eer afsit 5.3 og 5.4 Siultae kotiuerte fordeliger P(X dx,y dy f(x,ydxdy Sadsylighedsregig 9. forelæsig Bo Friis Nielse Mateatik og Coputer Sciece Daarks Tekiske Uiversitet 8 Kgs. Lygby Daark Eail: bfi@dtu.dk Uafhægige oralfordelte variable ( oral(µ,σ N(µ,σ f(x,y e (x +y F R (r P( X +Y r e r (Rayleigh X N(λ,σ,Y N(µ,τ X +Y N(λ+µ,σ +τ For X i N(, er Y i X i χ -fordelt (gaa. Operatioer ed stokastiske variable f Z (zdz P(Z X +Y dz f(x,z xdx dz f Z (zdz P ( Z Y dz x f(x,zxdx dz X 9. forelæsig Siulta fordelig for kotiuerte variable P((X,Y B f(x,ydxdy B Margiale fordeliger f X (x f(x,ydy f Y (y f(x,ydx y x Hvis X og Y er uafhægige f(x,y f X (x f Y (y Uafhægige oralfordelte variable Tæthede for e stadardiseret oralfordelt variabel er f(x e x for to uafhægige oral(, variable X og Y får vi f(x,y e x e y Beærk rotatiossyetrie. e (x +y 9. forelæsig 3 9. forelæsig 4

Z De siultae tæthed for (X,Y Liearkobiatioer af to oralfordelte variable Lad X og Y være uafhægige oral(, -fordelte variable. Betragt Z ax +by.. Hvis a +b, da er Z også oral(,-fordelt. Det skyldes rotatiossyetrie, Z er de ye førstekoordiat i et drejet koordiatsyste.. Geerelt: Z ( a a +b a +b X + b a +b Y X Y... altså er Z oralfordelt ed iddel og varias a +b. Resultatet ka også vises aalytisk ved brug af afsit 5.4 Fordelige er rotatiosivariat 9. forelæsig 6 Liearkobiatio Suer af oralfordelte variable side 363 Hvis X og Y er uafhægige og oralfordelt ed heholdsvis N(λ,σ og N(µ,τ så er Z X +Y oral(λ+µ,σ +τ fordelt. For X i oral(µ i,σi fordelte og uafhægige er Z b+ i a ix i oral(b+ i a iµ i, i a iσi fordelt. (Dee står ikke direkte i Pita, e ka dog let udledes af resultatet side 364. Atag at R og R er to uafhægige stokastiske variable ed de sae tæthedsfuktio f(x xe x for x. Spørgsål Tæthede af Y i(r,r fides til f Y (y ye y f Y (y ( ye y ( ye y 3 f Y (y e y 4 f Y (y y e y 5 f Y (y y e y 9. forelæsig 7 9. forelæsig 8

Kostate / (X,Y har siulta tæthed f XY (x,y c e (x +y. (Beærk! Vi har hidtil taget c / for givet, e u udleder vi det! Størrelse af oralfordelt vektor side 358-36 Hvis talparret (X, Y er uafhægige stadardiserede oralfordelte (oral(, variable,så er R X +Y Rayleigh fordelt. P(r R r +dr P(r X +Y r +dr f R (r re r, F R (r e r c e r (π(r+dr πr c re r dr +o(dr... teg e skitse af X, Y og R for at checke dette. Vi får tæthede af R direkte: f R (r c r e r Middelværdi og varias er π E(R, Var(R E(R E(R π Efterso f R (r dr, å vi have c /. f R (r re r P(R r F R (r e r 9. forelæsig E skytte skyder od e skydeskive. Skuddees placerig på skive ka beskrives ved uafhægige stadardiserede oralfordelte variable, hvor skives cetru er koordiatsysteets ulpukt. Spørgsål Sadsylighede for, at et skud raer idefor e cirkel ed radius, er Φ ( ( Φ 4 3 4 e 8 5 ( Φ ( ( Φ Hvor Φ(x er fordeligsfuktioe for e stadardiseret oralfordelt variabel. 9. forelæsig Fordelige af S R X +Y Fra variabelskift: F S (s F R ( s e s... altså er S ekspoetialfordelt ed iddelværdi. Deraf fås i øvrigt E(X (! 9. forelæsig

E skytte skyder od e skydeskive. Skuddees placerig på skive ka beskrives ved uafhægige stadardiserede oralfordelte variable, hvor skives cetru er koordiatsysteets ulpukt. Spørgsål 3 Sadsylighede for, at et skud raer idefor e afstad fra koordiatsysteets ade-akse, er Φ( 4 3 Φ( 4 e 5 e 4 Hvor Φ(x er fordeligsfuktioe for e stadardiseret oralfordelt variabel. 9. forelæsig 3 Operatioer ed stokastiske variable 5.4 Vi har set ax og i af stokastiske variable, sat specielle forer for suer. For uafhægige diskrete variable har vi tidligere set P(Z X +Y z 9. forelæsig 4 x f X (xf Y (z x E foldig.for ikke egative uafhægige X og Y P(Z X +Y z For kotiuerte tætheder får vi f Z (z f(x,z xdx uaf z f X (xf Y (z x x f X (xf Y (z xdx Lad X være ligeligt fordelt på ehedsitervallet og X være ligeligt fordelt på itervallet (; og uafhægig af X. Spørgsål 4 Tæthede f Z (z for Z X +X fides til f Z (z for z f Z (z z 3 f Z (z z for z < for z < 3 z for z 3 4 f Z (z 3 for z 3 Lad X være ligeligt fordelt på ehedsitervallet og X være ligeligt fordelt på itervallet (; og uafhægig af X. Spørgsål 5 Sadsylighede P(X +X fides til 3 3 3 4 4 5 6 5 5 f Z (z z 3 9. forelæsig 5 9. forelæsig 6

Ete brug f Z (z De siultae tæthed af (X,X er x, x f(x,x ellers P(X +X x +x dx dx Eller vi ka bruge arealbetragtiger og få P(X +X 3 4 9. forelæsig 7 X N(,Y N(, uafhægige f X (z f Y (z φ(z e z V ax W by v g(x ax w h(y by Tilsvarede f V (v f X(x dg(x dx e x 9. forelæsig 8 a f W (w b e a e w b v a Z ax +by V +W (her ed a > og b > ude tab af geeralitet f Z (z abπ abπ f V (vf W (z vdv a e v a b e e v b +(z v a a b dv (z v b dv +b v zva +z a e (a a b dv Med a +b abπ e ( a z b e z e v zva +z a 4 z a 4 +z a a b dv ab (v za e a b dv 9. forelæsig 9 9. forelæsig

Su af ax og i af to ekspoetialfordelte variable Vi har tidligere set at for W i exp(λ, X i(w,w og Y ax(w,w er de siultae tæthed: f(x,y λ e λ(x+y, < x y. Fordelige af Z X +Y fides til Overraskede? f Z (z z λ e λ(x+(z x dx λ(λze λz 9. forelæsig Suer af uafhægige variable Med X bi(,p og Y bi(,p er Z X +Y bi(+,p Med X NB(,p og Y NB(,p er Z X +Y NB(+,p Med X P(λ og Y P(µ er Z X +Y P(λ+µ Med X Gaa(r,λ og Y Gaa(s,λ er Z X +Y Gaa(r +s,λ Suer af age har oralfordelige so græse Suer af oralfordelte variable side 363 Med X N(µ,σ og Y N(µ,σ er Z X +Y N(µ +µ,σ +σ Med X N(µ,σ og Y N(µ,σ er W ax +by N(aµ +bµ,a σ +b σ 9. forelæsig χ fordelige side 364-366, opgave 5.3.5 Suer af kvadrerede uafhægige stadard oralfordelte variable: X i oral(,, uafhægige. Da har Y i X i tæthed f Y (y / Γ(/ y(/ e y/... og siges at være χ fordelt ed frihedsgrader. (... det er også e Gaa-fordelig Γ(/, / Reproduktio: Hvis Y χ ( og Y χ (, så er Y +Y χ (+. Fordelig af forhold side 383 Hvis Z Y, hvor X og Y er uafhægige X f Z (z Se eksepel 5 side 383 x f X (xf Y (xzdx 9. forelæsig 3 9. forelæsig 4

Z Y X ed X > og Y >. F Z (z P(Z z zx f Z (z df(z dz d zx 9. forelæsig 5 f(x,ydydx d zx f(x, ydydx dz f(x,ydy dz x f(x, zxdx dx Opgave 5.4. Fid tæthede af Y V, hvor U og V er uafhægige U ligefordelte (, variable. Vi beytter f Y (y u f U(uf V (uydu. Itegratiosgræsere for u er fra til i f Y (y f Y (y y (, y udu, for y < udu y, F Y (y y, y. Så for < y, < y y 9. forelæsig 6 F-fordelige: Forholdet elle to uafhægige χ fordelte variable Lad Y χ ( og X χ ( og betragt Z Y X ( f Z (z xf X(xf Y xz dx f Z (z... efter e lægere række udregiger fider vi ( B ( z, ( + z+ hvor B(r,s Γ(rΓ(s Γ(r +s Dette kaldes e F(, fordelig - de optræder hyppigt so e fordelig for teststørrelser i statistikke. Udledige af F-fordelige Med Y χ ( og X χ (,vil vi udersøge fordelige af Z Y X f Z (z Y X xf X (xf Y (xzdx Af tæthede for Y f Y (y, fides tæthede f Y (y for Y Y til f Y ( y Ved idsættelse af f Z (z x Γ ( (x ( e x (xz Γ e xz dx 9. forelæsig 7 9. forelæsig 8

x Γ ( + (x ( e x (xz Γ e xz dx ( ( ( z Γ Γ Fuktioe uder itegralet er æste e Γ tæthed Γ ( + ( +z + +z + ( +z x + Γ ( + x + e +z x dx e +z x dx ( ( ( z Γ Γ Γ ( + ( +z + +z + ( +z x + ( Γ Γ ( + ( Γ e +z x dx ( z Itegralet er. Efter de sidste odifikatioer får vi Idet f Z (z ( B ( z, ( + z+ B(r,s Γ(rΓ(s Γ(r +s E F(, fordelig. 9. forelæsig 9 9. forelæsig 3 Lad Y, Y og Y 3 være tre pukter, der vælges tilfældigt og uafhægigt i itervallet (,. Lad X være puktet tættest på. Spørgsål 6 Fordeligsfuktioe for X er F(x ( x 3 F(x x 3 F(X Φ ( x 3 Farvede kugler trækkes tilfældigt ed tilbagelægig fra e æske. Idholdet af æske er givet ved Farve Rød blå grø gul Adel...3.4 4 F(x x 3 5 F(x x 3 Hvor Φ(x er fordeligsfuktioe for e stadardiseret oralfordelt variabel. 9. forelæsig 3 9. forelæsig 3

Spørgsål 7 Hvad er sadsylighede for at få præcis 5 gule kugler i trækiger Ige af de edeståede 5 (.4 5 (.6 5 3 Φ( 5...9 4 5. 5 Φ( 5...9 Spørgsål 8 Netop røde, 4 blå, 6 grøe og 8 gule i trækiger. 4 (. (. 4 (.3 6 (.4 8 8 6 4 (. (. 4 (.3 6 (.4 8 3.5 4! (5! 4 (. (. 4 (.3 6 (.4 8 5!!4!6!8! (. (. 4 (.3 6 (.4 8 9. forelæsig 33 9. forelæsig 34 Spørgsål 9 Netop 5 trækiger for at få 3 røde. 5 3 (. 3 (.9 ((.(.9 4 3 3 (. 3 (.9 4 4 (. 3 (.9 5 ((. 4 (.9 3 9. forelæsig 35 Afsit 5.3 og 5.4 Siultae kotiuerte fordeliger P(X dx,y dy f(x,ydxdy Uafhægige oralfordelte variable ( oral(µ,σ N(µ,σ f(x,y e (x +y F R (r P( X +Y r e r (Rayleigh X N(λ,σ,Y N(µ,τ X +Y N(λ+µ,σ +τ For X i N(, er Y i X i χ -fordelt (gaa. Operatioer ed stokastiske variable f Z (zdz P(Z X +Y dz f(x,z xdx dz f Z (zdz P ( Z Y dz x f(x,zxdx dz X 9. forelæsig 36