Vejledende løsninger til opgaver i kapitel 6

Relaterede dokumenter
Oversigt over nyttige fordelinger

Binomialfordelingen. Binomialfordelingen. Binomialfordelingen

Kvantitative Metoder 1 - Forår 2007

Binomialfordelingen. X ~ bin(n,p): X = antal "succeser" i n uafhængige forsøg, der alle har samme sandsynlighed p for at ende med succes.

Forelæsning 2: Kapitel 4, Diskrete fordelinger

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

Kvantitative Metoder 1 - Forår 2007

Løsninger til kapitel 5

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

Kvantitative Metoder 1 - Efterår Dagens program

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

Elementær sandsynlighedsregning

Oversigt. Introduktion til Statistik. Forelæsning 2: Stokastisk variabel og diskrete fordelinger

Elementær sandsynlighedsregning

Kvantitative Metoder 1 - Efterår Dagens program

Repetition. Diskrete stokastiske variable. Kontinuerte stokastiske variable

Teoretisk Statistik, 2. december Sammenligning af poissonfordelinger

Statistiske modeller

Definition. Definitioner

Produkt og marked - matematiske og statistiske metoder

Kvantitative Metoder 1 - Forår Dagens program

Et firma tuner biler. Antallet af en bils cylindere er givet ved den stokastiske variabel X med massetæthedsfunktionen

Sandsynlighedsregning 4. forelæsning Bo Friis Nielsen

Hvad skal vi lave i dag?

Statistik ved Bachelor-uddannelsen i folkesundhedsvidenskab. Statistisk Model


Sandsynlighedsregning 4. forelæsning Bo Friis Nielsen

Sandsynlighedsregning 4. forelæsning Bo Friis Nielsen

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

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

Supplement til kapitel 7: Approksimationen til normalfordelingen, s. 136

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

Kvantitative Metoder 1 - Forår 2007

Bernoulli og binomial fordelingerne Kontinuerte stokastiske variable Normalfordelingen

Sandsynlighedsregning 3. forelæsning Bo Friis Nielsen

Modul 2: Sandsynlighedsmodeller og diskrete stokastiske variable

Sandsynlighedsregning 3. forelæsning Bo Friis Nielsen

Introduktion til Statistik. Forelæsning 2: Stokastisk variabel og diskrete fordelinger. Peder Bacher

Statistik og Sandsynlighedsregning 2

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)

Opgaver i sandsynlighedsregning

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

Hvad skal vi lave i dag?

INSTITUT FOR MATEMATISKE FAG c

Rettevejledning til eksamen i Kvantitative metoder 1, 2. årsprøve 2. januar 2007

Løsning til eksaminen d. 29. maj 2009

Introduktion til Statistik. Forelæsning 2: Stokastisk variabel og diskrete fordelinger. Peder Bacher

02402 Vejledende løsninger til hjemmeopgaver og øvelser i kapitel 4

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

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

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

Sandsynlighedsregning Oversigt over begreber og fordelinger

Løsning til eksamen 16/

Forelæsning 3: Kapitel 5: Kontinuerte fordelinger

Oversigt. Course 02402/02323 Introducerende Statistik. Forelæsning 2: Stokastisk variabel og diskrete fordelinger

Normalfordelingen og Stikprøvefordelinger

Løsning eksamen d. 15. december 2008

Produkt og marked - matematiske og statistiske metoder

Sandsynlighedsregning Stokastisk variabel

Landmålingens fejlteori - Repetition - Kontinuerte stokastiske variable - Lektion 3

Kvantitative Metoder 1 - Efterår Dagens program

Oversigt. Kursus Introduktion til Statistik. Forelæsning 4: Kapitel 5: Kontinuerte fordelinger. Per Bruun Brockhoff. Eksponential fordelingen

Kapitel 4 Sandsynlighed og statistiske modeller

Uge 10 Teoretisk Statistik 1. marts 2004

Kvantitative Metoder 1 - Forår Dagens program

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.

Kvantitative Metoder 1 - Forår Dagens program

Diskrete fordelinger. Fire vigtige diskrete fordelinger: 1. Uniform fordeling (diskret) 2. Binomial fordeling. 3. Hyper-geometrisk fordeling

2 Gennemsnitligt indhold af aktivt stof i en tablet fra et glas med 200 tabletter

Nanostatistik: Opgavebesvarelser

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

Uge 48 II Teoretisk Statistik 27. november Numerisk modelkontrol af diskrete fordelinger: intro

Løsninger til kapitel 6

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

Sandsynlighedsregning 11. forelæsning Bo Friis Nielsen

Sandsynlighedsregning: endeligt udfaldsrum (repetition)

Binomial fordeling. n f (x) = p x (1 p) n x. x = 0, 1, 2,...,n = x. x x!(n x)! Eksempler. Middelværdi np og varians np(1 p). 2/

Teoretisk Statistik, 13 april, 2005

Sandsynlighedsregning 10. forelæsning Bo Friis Nielsen

Sandsynlighedsregning 10. forelæsning Bo Friis Nielsen

Statistik vejledende læreplan og læringsmål, foråret 2015 SmartLearning

Hvorfor er normalfordelingen så normal?

Højde af kvinder 2 / 18

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

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

Sandsynlighedsregning

Undervisningsbeskrivelse

Sandsynlighedsregning 10. forelæsning Bo Friis Nielsen

NATURVIDENSKABELIG KANDIDATEKSAMEN VED KØBENHAVNS UNIVERSITET.

Kapitel 4 Sandsynlighed og statistiske modeller

En oversigt over udvalgte kontinuerte sandsynlighedsfordelinger

Naturvidenskabelig Bacheloruddannelse Forår 2006 Matematisk Modellering 1 Side 1

Vejledende besvarelser til opgaver i kapitel 14

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

Statistik og Sandsynlighedsregning 2

Teoretisk Statistik, 16. februar Generel teori,repetition

Skriftlig eksamen Science statistik- ST501

Indblik i statistik - for samfundsvidenskab

Billedbehandling og mønstergenkendelse: Lidt elementær statistik (version 1)

2 -test. Fordelingen er særdeles kompleks at beskrive med matematiske formler. 2 -test blev opfundet af Pearson omkring år 1900.

Transkript:

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 som en sum af uafhængige Bernoullifordelte variabler. c) Den stokastiske variabel, der angiver antallet af gange, du kommer for sent til statistiktimen i løbet af et semester, kan være binomialfordelt. d) Den hypergeometriske fordeling fremkommer, når man trækker uden tilbagelægning fra en virkelig population, mens binomialfordelingen fremkommer, når der trækkes med tilbagelægning. e) Den stokastiske variabel, X, der angiver hvor mange femmere jeg får, når jeg tager tager tre kort fra et spil kort er hypergeometrisk fordelt, X ~ Hyp, 4, 5, mens den stokastiske variabel, Y, der angiver hvor mange femmere jeg ser, når jeg trækker ét kort ad gangen, kigger på det, lægger det tilbage og blander kortene, osv tre gange, er binomialfordelt, Y ~ Bin(, 4 / 5). f) Diskret, idet den angiver antallet af hændelser. g) Antallet af emails der bliver sendt til dig i løbet af en time. h) Kontinuert, idet den kan antage en hvilken som helst værdi. i) Vægten af nyfødte børn på Sjælland. j) En standardnormalfordelt variabel er en normalfordelt variabel med middelværdi og varians 1. k) Binomialfordelingen fremkommer, når vi trækker gentagne gange fra en population med kun to typer, mens multinomialfordelingen fremkommer, når vi trækker fra en population med m typer. Multinomialfordelingen er altså en generalisering af binomialfordelingen. l) Multinomialfordelingen er en simultan fordeling, idet den giver os sandsynligheden for det simultane udfald af flere stokastiske variabler. m) Udfaldet af 1 møder mellem to boksere, hvor X angiver antallet af sejre til den første bokser, Y antallet af uafgjorte og Z antallet af sejre til den anden bokser. Opgave : a) En Bernoullifordeling. b) X ~ Bin(1,,) c) Sandsynligheden for X = er: 1 1 P ( X ),,4,4 1,17 d) Sandsynligheden for, at X er større end eller lig med 1:

P X 1 PX 1 PX 11 PX 1 e) Middelværdi og varians: E( X ) n p 1, 7, V ( X ) n p 1 1 1 11,,4,,4 1 11,4,17,,8 1 p 1,,4, 88 1 1, 1 1,4 Opgave : a) X ~ Bin(1,,5) b) Sandsynligheden for at X er større end 8 er: P X 8 P X 9 P X 1 1 9 1 1 1,5,75,5,75 9 1,8,1,9 c) Sandsynligheden for X = er: 1 P ( X ),5,75 d) Det forventede antal biler er: E ( X ) n p 1,5,5 1,75 1,5 Opgave 4: a) X = antal opgaver du skal svare på. X er binomialfordelt med n = og p = 1/5 =,: X ~ Bin(,,) Sandsynligheden for X = er: P ( X ),,98,98,94 b) Sandsynligheden for at du skal svare på tre opgaver er: P ( X ),,98,,8 c) Det er ligegyldigt, om de elever, der ikke har lavet opgaverne, er til stede eller ej. Lad Y = antal opgaver du skal svare på i denne nye situation. Y er da binomialfordelt med n = og p = 1/: Y ~ Bin(, 1/ ) Og sandsynligheden for, at Y = er da:

P ( Y ) 1/ 9 / 9 /, 9 Opgave 5: a) Y ~ Hyp(, 5, 8) b) Sandsynlighedsfunktionen for Y: 5 8 5 ( ) P Y 1/ 5, 8 5 8 5 ( ) P Y / 5, 8 5 8 5 1 1 ( 1) P Y 15/ 5 8 5 8 5 ( ) P Y 1 / 5 8 c) Den forventede værdi af Y: M 5 15 E ( Y ) n 1,875 N 8 8 Opgave : a) Vi trækker n = 5 gange fra en population bestående af N = 5 kort, hvoraf der findes M = 4 succeser (esser). X = antallet af esser er derfor hypergeometrisk fordelt, idet vi trækker uden tilbagelægning: X ~ Hyp(5, 4, 5) b) Sandsynligheden for at få fire esser er: 4 5 4 48 1 4 5 4 1 ( 4) P X,18 5 5 5 5 Sandsynligheden for at få tre esser er: 4 5 4 5 ( ) P X,17 5 5 c) Lad Y = antal kort du trækker, som tilhører gruppen af: es, konge, dame, knægt, tier i hjerter. Y er da hypergeometrisk fordelt: Y ~ Hyp(5, 5, 5)

idet vi trækker fem gange, og der er kun fem succeser i populationen (de fem høje hjerter). Sandsynligheden for at få en Royal Straight Flush er da lig med sandsynligheden for Y=5: 5 5 5 5 5 5 1 ( 5) P Y,85 5 5 5 5 d) Z = antal esser blandt de to kort du trækker. Da er: Z ~ Hyp(, 1, 47) idet der er M = 1 es tilbage blandt de resterende N = 47 kort. Sandsynligheden for at få dette es er da lig med sandsynligheden for Z = 1: 1 47 1 1 1 ( 1) P Z,455 47 Opgave 7: a) Vi kan antage, at X er Poissonfordelt. b) Antagelserne er: Hændelser i ikke-overlappende tidsintervaller er uafhængige. Sandsynlighederne i to lige lange tidsintervaller er ens. Sandsynligheden for mere end én hændelse i et meget kort tidsinterval er nul. c) X = antal taxaer der passerer i løbet af en time. X ~ Poi() og E ( X ) d) Sandsynligheden for, at der passerer 7 taxaer, er: 7 P ( X 7) e,177 7! e) Sandsynligheden for, at der kører maksimalt 4 taxaer forbi, er: P X 4 P X P X 1 P X P X P X 4 e! 1 e 1! e! e! 4 e 4!,85 Opgave 8: a) X er Poissonfordelt med λ = 9/ = 1,5: X ~ Poi(1,5). Antagelserne er:

Hændelser i ikke-overlappende tidsintervaller er uafhængige. Sandsynlighederne i to lige lange tidsintervaller er ens. Sandsynligheden for mere end én hændelse i et meget kort tidsinterval er nul. b) Sandsynligheden for vandmænd er: 1,5 1,5 P ( X ) e,51! c) E ( X ) 1, 5 d) Y er Poissonfordelt med λ = 9/4 =,5: Y ~ Poi(,5) e) Sandsynligheden for højst to vandmænd: P Y P Y P Y 1 P Y,5! f) V ( Y ), 5 e,5,5 1! 1 e,5,5! e,5,47 Opgave 9: a) E ( X ) b) V ( X ) 4 og Opgave 1: X ~ N (, 4), dvs. og. a) Sandsynligheden er: P X, 5 b) Sandsynligheden er: P X P X, 5 c) Sandsynligheden er: 1 P X 1, 8 d) Sandsynligheden er: P X,5, 85 e) Sandsynligheden er:

P 5 X 5 1 PX 5 1 1 1 1,841, 1587 f) Sandsynligheden er: P 1 X 5 PX 5 PX 1 5 1 1 1,841,1587, 8 Opgave 11: X ~ N (1, 9) a) Standardisering af X: X X 1 X 1 Z 9 b) Z er standardnormalfordelt: Z ~ N (, 1) Opgave 1: a) X, Y, Z ~ M 1,,4,,,, b) Vi skal finde sandsynligheden for, at 4 af de adspurgte er meget tilfredse, er tilfredse, og er utilfredse, dvs: 1 4 1! 4 P X 4, Y, Z,4,,,4,, 4,, 4!!! 78 c) Vi skal finde sandsynligheden for, at alle 1 er utilfredse: 1 1 P X, Y, Z 1,4,,,,, 1 1, 59 d) Vi skal finde sandsynligheden for 5 utilfredse og 5 meget tilfredse: 1 5 5 P X 5, Y, Z 5,4,,, 7 5,, 5