BEVISER TIL KAPITEL 7

Relaterede dokumenter
FORDELINGER: HYPERGEOMETRISK FORDELING, BINOMIALFORDELING MIDDELVÆRDI DEFINITION. X er en stokastisk variabel på et endeligt sandsynlighedsfelt ( )

Vi ønsker også at teste hypoteser om parametrene. F.eks: Kan µ tænkes at være 0 (eller anden fast, kendt værdi)? Eksempel: dollarkurser

Økonometri 1. Funktionel form. Funktionel form (fortsat) Dagens program. Den simple regressionsmodel 14. september 2005

Hvorfor n-1 i stikprøvevariansen?

Statistisk analyse. Vurdering af usikkerhed i forbindelse med statistiske opgørelser forudsætter:

Pearsons formel for χ 2 test. Den teoretiske forklaring

Supplement til sandsynlighedsregning og matematisk statistik

Elementær Matematik. Sandsynlighedsregning

IKKE-KONTINUERTE (DISKRETE) STOKASTISKE VARIABLE MIDDELVÆRDI, VARIANS, SPREDNING FORDELINGER: HYPERGEOMETRISK, BINOMIAL, POISSON

Spørgsmål 1 (5 %) Bestem sandsynligheden for at batteriet kan anvendes i mere end 5 timer.

Økonometri 1. For mange variable i modellen. For få variable. Dagens program. Den multiple regressionsmodel 21. september 2004

x-klasserne Gammel Hellerup Gymnasium

Statistik Lektion 14 Simpel Lineær Regression. Simpel lineær regression Mindste kvadraters metode Kovarians og Korrelation

Repetition. Forårets højdepunkter

Men tilbage til regression og Chi-i-anden. test. Begge begreber refererer til normalfordelingen med middelværdi μ og spredning σ.

Rettevejledning til Økonomisk Kandidateksamen 2006I, Økonometri 1

Kvalitet af indsendte måledata

Statistik 9. gang 1 REGRESSIONSANALYSE. Korrelation (kontrol af model) Regression (tilpasning af model)

Induktionsbevis og sum af række side 1/7

Kontrol af udledninger ved produktion af ørred til havbrugsfisk

Eksempel: PEFR. Epidemiologi og biostatistik. Uge 1, tirsdag. Erik Parner, Institut for Biostatistik.

bestemmes. kendes ( ) A i Subjektiv information + objektiv information Bayesiansk statistik (gang 10) Bayes sætning

Scorer FCK "for mange" mål i det sidste kvarter?

Fordelingen af gentagne observationer (målinger) kan beskrives ved hjælp af et histogram, der viser antallet af målinger i et givet interval.

Binomialfordelingen: april 09 GJ

Økonometri 1. Definition og motivation. Definition og motivation. Dagens program. Den multiple regressionsmodel 21. september 2005

Simpel Lineær Regression - repetition

Variansanalyse. på normalfordelte observationer af Jens Friis

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

antal gange krone sker i første n kast = n

Notato: k grupper observeret tl tdspuktere (logartmerede) t1;t2;:::;t k. Tl tdspukt observeres et atal ( ) ph-vρrder, 1 ; 2 ;:::;. V opfatter dem som

Diskrete og kontinuerte stokastiske variable

1 Løsning og mindste kvadraters løsninger af lineære ligningssystemer

L komponent produceret i linie 1

Lineære Normale Modeller

SUPPLEMENT til Anvendt statistik

Videregående Algoritmik. David Pisinger, DIKU. Reeksamen, April 2005

Kvantitative metoder 2

Kombinatorik. 1 Kombinationer. Indhold

Projekt 9.1 Regneregler for stokastiske variable middelværdi, varians og spredning

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

Betænkning om kommunernes udgiftsbehov. Bilag (med metodediskussion af professor Anders Milhøj)

Indeks over udviklingen i biltrafikken i Danmark

Elementær Matematik. Polynomier

Statistik ved Bachelor-uddannelsen i folkesundhedsvidenskab

Økonometri 1. Heteroskedasticitet 27. oktober Økonometri 1: F12 1

9. Binomialfordelingen

Den stokastiske variabel X angiver levetiden i timer for en elektrisk komponent. Tæthedsfunktionen for den stokastiske variabel er givet ved

vejer (med fortegn). Det vil vi illustrere visuelt og geometrisk for (2 2)-matricer og (3 3)-matricer i enote 6.

Korrelation (kontrol af model) Regression (tilpasning af model) 1. Grad af fælles variation mellem X og Y. 2. Område og fordeling af sample data

Generelle lineære modeller

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

Binomialfordelingen. Erik Vestergaard

Vægtet model. Landmålingens fejlteori - Lektion4 - Vægte og Fordeling af slutfejl. Vægte. Vægte: Eksempel. Definition: Vægtrelationen

1.0 FORSIKRINGSFORMER

Formelskrivning i Word 2. Sådan kommer du i gang 4. Eksempel med skrivning af brøker 5. Brøker skrevet med småt 6. Hævet og sænket skrift 6

χ 2 -fordelte variable

Økonometri 1. Instrumentvariabelestimation 26. november Plan for IV gennemgang. Exogenitetsantagelsen. Exogenitetsantagelsen for OLS

Vejledende besvarelser til opgaver i kapitel 15

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

Introduktion til uligheder

Introduktion til uligheder

Noter om kombinatorik, Kirsten Rosenkilde, februar Kombinatorik

Sandsynlighedsregning

Sandsynlighedsregning 12. forelæsning Bo Friis Nielsen

Kombinatoriknoter 2012, Kirsten Rosenkilde 1

Sandsynlighedsregning i biologi

Løsninger til kapitel 7

Kombinatorik. Indhold. Georg Mohr-Konkurrencen. 1 Kombinationer 2

Renteformlen. Erik Vestergaard

Analyse 1, Prøve maj 2009

Den flerdimensionale normalfordeling

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

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

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

Opsamling. Simpel/Multipel Lineær Regression Logistisk Regression Ikke-parametriske Metoder Chi-i-anden Test

FY01 Obligatorisk laboratorieøvelse. O p t i k. Jacob Christiansen Afleveringsdato: 3. april 2003 Morten Olesen Andreas Lyder

Claus Munk. kap. 1-3

Dagens forelæsning. Claus Munk. kap Obligationer Grundlæggende Intro. Obligationer Grundlæggende Intro. Obligationer Grundlæggende Intro

Kogebog: 5. Beregn F d

Kombinatorik. Indhold. Georg Mohr-Konkurrencen. 1 Kombinationer 2

Økonometri 1. Inferens i den lineære regressionsmodel 29. september Økonometri 1: F7 1

Pension PO1 PO2 FO1 FO2 GRL 7) Arbejds markeds pension 5) ATPbidrag

Ikke-parametriske tests af forskel i central tendens. Tests for forskel i central tendens for data på ordinal- og intervalskala

Estimation og test i normalfordelingen

Lineær regression lidt mere tekniske betragtninger om R^2 og et godt alternativ

Matematik A. Studentereksamen. Forberedelsesmateriale. Forsøg med digitale eksamensopgaver med adgang til internettet.

Kvantitative metoder 2

NOTAT: Benchmarking: Roskilde Kommunes serviceudgifter i regnskab 2013

Kvantitative metoder 2

Motivation. En tegning

NOTAT:Benchmarking: Roskilde Kommunes serviceudgifter i regnskab 2014

x-klasserne Gammel Hellerup Gymnasium

Brugen af R 2 i gymnasiet

Afsnit , Hypotesetest for en varians... 19

Inertimoment for arealer

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

Statikstik II 4. Lektion. Generelle Lineære Modeller

Elementær sandsynlighedsregning

Transkript:

BEVISER TIL KAPITEL 7 A. Komplemetærhædelse Det er klart, at e hædelse A og de komplemetære hædelse A udgør hele udfaldsrummet U, dvs. A A = Da fås P(U = U P(A A = P (A + P(A = da de to hædelser er dsjukte P(A = P(A B. Foregshædelse B. Foregshædelse Fgure P(A B = P(A + P(B P(A B Fælleshædelse er både med hædelsere A og B, dvs. P(A B er medreget to gage derfor fratrækkes dee.

C. Multplkatosformle Deftoe af betgedes sadsylgheder er P (A B = P(A B P(B P(A B = P(A B P(B P(A B = P(B A P(A der gages på begge sder med P(B ved bogstavsombytg Specelt fås ved uafhægge hædelser P(A B = P(A P(B det P(A B = P(B, år A og B er stokastsk uafhægge

D. Udledg af omreggsformel for varase for e stokastsk varabel Deftoe på Var(X er som ævt kaptlet Var (X = E(X µ = σ = Sdste udtryk ka omformuleres (x µ f (x µ f (x = (x + µ x µ f (x ( x Der kvadreres de sumteget ( x + µ x µ f (x = x f (x + µ f (x x µ f (x Der gages paretese med f(x og summe deles op tre delsummer. x f (x + µ f (x x µ f (x = E(X + µ f (x µ x f (x På højre sde af lghedsteget er mapulatoere Første led mddelværde af de stokastske varabel X. Adet led sættes µ ude for sumteget. Selve summe er summe af sadsylgheder, som jo er. Tredje led sættes µ ude for sumteget. Selve summe er u E(X = µ. Da fås E (X + µ f (x µ x f (x = E(X + µ µ µ = E(X µ E. Formel for bomalkoeffcet K(, r Bomalkoeffcete avedes formle for sadsylghedsfordelge e bomalfordelg. For at udlede e formel skal dledgsvs deferes e såkaldt fakultetsfukto:! =... ( specelt er 0! = og! = Atag at elemeter skal sættes rækkefølge. På hvor mage måder ka dette lade sg gøre? Dette ka llustreres ved følgede: - - Første plads ka vælges mellem elemeter Adet plads ka vælges mellem elemeter osv. I alt ka de vælges eller ordes på! forskellge måder. Atag u, at der ku er r pladser tl rådgheder. Der er stadg elemeter at vælge mellem.

r r- r- -r+ -r+ Første plads ka vælges mellem r elemeter Adet plads ka vælges mellem r elemeter osv. I alt ka de r elemeter vælges rækkefølge eller ordes på r (r...( r + forskellge måder. Hvs v forestller os, at først udtages r elemeter ud af de elemeter ude at sætte dsse rækkefølge, vl atallet af måder, dsse ka vælges, være K(, r. Hvs de r elemeter skal ordes, ka det lade sg gøre på r! forskellge måder. Da må K (, r r! = r(r... ( r + r(r... ( r + K(, r = der dvderes med r! r! r(r... ( r + ( r... K(, r = der gages med ( r! tæller og æver r!( r!! K(, r = r!( r! F. Formel for sadsylghedsfordelg e bomalfordelg De geerelle udledg af e formel for sadsylghedere e bomalfordelg ka foretages på dee måde. Atag, at følgede forudsætger er opfyldt: ( I hvert forsøg er der to mulge udfald A og A. ( P(A = p er kostat fra forsøg tl forsøg. (3 Der er stokastsk uafhægghed mellem hvert forsøg. (4 Der er forsøg. Dsse forudsætger kedeteger e Beroull-proces. V ser på de stokastske varabel: X = atal A forsøg som ka atage værdere 0,,,,. Et ekelt eksempel på e sekves med r A er og ( r A er dee: hvor alle A ere kommer først. På grud af stokastsk uafhægghed må sadsylghede for dee sekves være: p x ( p x A ere behøver kke at optræde først, og der ka vælges K(, x mulge udfald, hvor A optræder præcst x gage ud af de alt udfald. Da dsse sekveser er gesdgt udelukkede og forskellge fås:

f(x = P(X = x = K(, x p x ( p x for x = 0,,, G. Bevs for mddelværd og varas for bomalfordelg Ude bevs skal følgede regler for summer af stokastske varable agves E (X + X +... + X = E(X Hvs varablee er stokastsk uafhægge er Var (X + X +... + X = Var(X Bomalfordelge X ~ b(, p ka også betragtes som e sum af stokastske varable. For forsøg ummer deferes de stokastske varabel X såda: Der gælder da X = Atal Aer forsøg = X kaldes e 0- varabel. X Mddelværde for X ka da bestemmes ved følgede: E(X = p + 0 ( p = p da P(A = p og P(A = p Varase for X ka ved hjælp af omreggsformle bereges ved Var(X = E(X µ = p + 0 ( p p = p( p Da X = Atal Aer forsøg = X fås ved avedelse af oveståede regler for summer af stokastske varable at og dermed σ = p( p

H. Fordelg for geemst X Ude bevs aføres, at hvs X er ormalfordelt, er X også ormalfordelt. Desude aføres ude bevs følgede sætger for leær trasformato af stokastske varable: Hvs Y = ax + b er E(Y = ae(x + b Var(Y = a Mddelværde af X udledes ved Var(X X E(X E(X = E( = her avedes regeregel for summer af stokastske varable samt regeregel for mddelværd for e leær trasformato. X E(X µ + µ +... + µ µ E(X = E( = = = = µ Her avedes at mddelværde for X er µ, og der er µ gage. Varase udledes ved avede formle for summe af varaser for stokastske varable samt regeregel for varas for e leær trasformato X Var(X Var(X = Var( = = Og dermed er stadardafvgelse σ σ (X = σ σ =