Sandsynlighedsteori 1.2 og 2 Uge 5.

Relaterede dokumenter
Sandsynlighedsteori 1.2

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

Supplerende noter II til MM04

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!

M Å L T E O R I S A N D S Y N L I G H E D S T E O R I 1. 1 F O R E L Æ S N I N G S N O T E R S V E N D E R I K G R A V E R S E N O G

Denne kaldes også potensmængden over Ω og betegnes ofte 2 Ω. Notationen beror på, at man via relationen

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

Den flerdimensionale normalfordeling

Program. Middelværdi af Y = t(x ) Transformationssætningen

Analyse 1, Prøve maj 2009

Hovedpointer fra SaSt

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

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

Baggrundsnote til sandsynlighedsregning

Forelæsningsnoter til Stokastiske Processer E05. Svend-Erik Graversen Revideret af Jan Pedersen Kapitel 12 og Appendix B og G af Jan Pedersen

Undersøgelse af numeriske modeller

Sandsynlighedsregning 9. forelæsning Bo Friis Nielsen

antal gange krone sker i første n kast = n

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

Sandsynlighedsregning 9. forelæsning Bo Friis Nielsen

Talfølger og -rækker

og Fermats lille sætning

Deskriptiv teori: momenter

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.

Diskrete og kontinuerte stokastiske variable

Udtrykkelige mængder og Cantorrækker

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

RESEARCH PAPER. Nr. 2, En model for lagerstørrelsen som determinant for købs- og brugsadfærden for et kortvarigt forbrugsgode.

Uge 37 opgaver. Opgave 1. Svar : Starter med at definere sup (M) og inf (M) :

Asymptotisk optimalitet af MLE

Elementær Matematik. Polynomier

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

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

Regularitetsbetingelserne i simple modeller

Om Følger og Rækker. Nyttige Grænseværdier. Nyttige Rækker. Carsten Lunde Petersen. lim. lim = 0. lim (1 + x n n )n = e x. n n n.

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

Opgave 1. a) f : [a, b] R er en begrænset funktion for hvilken. A ε = {x [a + ε, b] f(x) 0}

Projekt 4.8 De reelle tal og 1. hovedsætning om kontinuerte funktioner

Notater til Analyse 1

9. Binomialfordelingen

Introduktion til uligheder

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

Georg Mohr Konkurrencen Noter om uligheder. Søren Galatius Smith

og Fermats lille Projekt 0.4 Modulo-regning, restklassegrupperne sætning ..., 44, 20,4,28,52,... Hvad er matematik? 3 ISBN

Noter om polynomier, Kirsten Rosenkilde, Marts Polynomier

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

Statistiske Modeller 1: Notat 1

Asymptotisk estimationsteori

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

Projekt 9.1 Regneregler for stokastiske variable middelværdi, varians og spredning

Introduktion til uligheder

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

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

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

Supplement til Kreyszig

MOGENS ODDERSHEDE LARSEN. Fourieranalyse

De reelle tal. Morten Grud Rasmussen 5. november Se Sætning 3.6 og 3.7 for forskellige formuleringer af egenskaben og dens negation.

Motivation. En tegning

Noter om kombinatorik, Kirsten Rosenkilde, februar Kombinatorik

De Platoniske legemer De fem regulære polyeder

Bjørn Grøn. Analysens grundlag

DATV: Introduktion til optimering og operationsanalyse, Følsomhed af Knapsack Problemet

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

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

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

Estimation ved momentmetoden. Estimation af middelværdiparameter

Længde [cm] Der er frit vandspejle i sandkassen. Herudover er sandkassen åben i højden cm i venstresiden og 0-20 cm i højresiden.

DATV: Introduktion til optimering og operationsanalyse, Bin Packing Problemet

StudyGuide til Matematik B.

Vejledende besvarelser til opgaver i kapitel 15

Wigner s semi-cirkel lov

Sandsynlighedsfordelinger for kontinuerte data på interval/ratioskala

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

6 Populære fordelinger

Vejledende opgavebesvarelser

Analyse 1, Prøve maj Lemma 2. Enhver konstant funktion f : R R, hvor f(x) = a, a R, er kontinuert.

Kvadratisk 0-1 programmering. David Pisinger

Differentialregning i R k

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

Antag at. 1) f : R k R m er differentiabel i x, 2) g : R m R p er differentiabel i y = f(x), . p.1/18

Løsninger til kapitel 7

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

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

Momenter som deskriptive størrelser. Hvad vi mangler fra onsdag. Momenter for sandsynlighedsmål

Hvad vi mangler fra onsdag. Vi starter med at gennemgå slides fra onsdag.

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

13. februar Resumé: En statistisk analyse resulterer ofte i : Et estimat ˆ θ med en tilhørende se( ˆ θ )

Eksempel 10.1 En autoregressiv proces af orden 1 (ofte blot kaldet en AR(1)- proces) pårhar et opdateringsskema (10.1) med funktionen. for y R.

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

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

x-klasserne Gammel Hellerup Gymnasium

GYLDENDALS MINILEX MATEMATIK

Økonometri 1. Definition og motivation. Definition og motivation. Dagens program. Den multiple regressionsmodel 15. februar 2006

Sandsynlighedsteori

Gult Foredrag Om Net

Estimation og test i normalfordelingen

FUNKTIONER del 1 Funktionsbegrebet Lineære funktioner Eksponentialfunktioner Logaritmefunktioner Rentesregning Indekstal

Generelle lineære modeller

Projekt 3.2 Anlægsøkonomien i Storebæltsforbindelsen. Indhold. Hvad er matematik? 1 ISBN

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

Transkript:

Istitut for Matematiske Fag Aarhus Uiversitet De 27. jauar 25. Sadsylighedsteori.2 og 2 Uge 5. Forelæsiger: Geemgage af emere karakteristiske fuktioer og Mometproblemet afsluttes, og vi starter på afsittet de store tals love. I dee forbidelse får vi brug for de såkaldte Ottaviais ulighed, der står formuleret i afsittet Maksimal Uligheder. Øvelser: Lad X være p(λ-fordelt for et λ >. Bestem det tilhørede tredie og fjerde momet. Vik: Aved ete de karakteristiske eller de mometfrembrigede fuktio. 2 Gør rede for at alle Biomial-fordeliger, Normal-fordeliger, Γ-fordeliger og Poisso-fordeliger er etydigt bestemt ved de tilhørede mometer. 3 Lad X betege e stokastisk variabel med karakteristiske fuktio ϕ X. Atag ϕ X (t = for et t. Vis at X er diskret. Vik: Vis og udyt lighede E[ cos t X] =. Gælder det også, hvis blot ϕ X (t =? 4 Dee opgave har til formål at berege de karakteristiske fuktio for Gammafordelige, dvs. eftervise fomel (G på side 9 i fordeligskataloget. Sæt for t R, α, β > ϕ(t, α, β := E[e itx ] hvor X Γ(α, β. Overvej at ϕ(t, α, β = ϕ(t/β, α, samt at additiosformle for Gammafordelige viser, at ϕ(t, α + α 2, β = ϕ(t, α, β ϕ(t, α 2, β. Dette ka f.eks. vises ved brug af trasformatiossætige. Vis u ved brug af reglere for differetatio uder itegralteget at d/dt ϕ(t, α, = iα ϕ(t, + α, = iα ϕ(t,, ϕ(t, α,.

Løsigsformle for e.-ordes lieær differetialligig giver derfor, at ( t ϕ(t, α, = exp iα ϕ(s,, ds t R, α >. Me da direkte udregig ved brug af delvis itegratio viser at ( ϕ(t,, = ( it = + t + i t 2 + t = 2 + t 2 ei arcta t, fås ved idsættelse ϕ(t, α, = exp ( t t iα ( ( + s 2 ds + i s/( + s 2 ds = exp ( α( /2 log( + t 2 + i arcta t ( α = e iα arcta t. + t 2 Med god ret ka dette skrives som ϕ(t, α, = ( ( it α = ( it α og dermed ϕ(t, α, β = ϕ(t/β, α, = ( it/β α. 5 Opgave 82. Øvrige meddelelser: E revideret og lettere udgave af afsittet Separatio af edelige Borel mål er vedlagt etudgave af dee ugeseddel. Afleverigsopgave: Lad {(X i i, N} være uafhægige stokastiske variable, så at N po(λ og P (X i = = P (X i = = /2 for i. Sæt S = X i, S = ( X i og S = S i= i= Vis at S N og S N er uafhægige og begge po(λ/2-fordelte. Vik: Bereg de karakteristiske fuktioer ved at vise og udytte, at E[ exp(its N + is S N ] = E[ exp(its + is S, N = ] t, s R. = Sved Erik Graverse 2

Separatio af edelige Borel mål. Givet et metrisk rum (S, d skal vi i dette afsit behadle spørgsmålet om, hvorvidt e delmægde H M(B(S er såkaldt målseparerede for e mægde m af edelige Borel mål på (S, B(S. Dvs. udersøge hvorår der for ethvert par af mål µ, ν m gælder f dµ = f dν f H µ = ν. Et simpelt me vigtigt resultat af dee type er. Sætig 8 bc(s + er målseparerede for mægde af Borel sadsylighedsmål på S. Bevis. Lad µ og ν betege to Borel sadsylighedsmål på S. Ifølge Propositio 2 er det ok at vise, at µ(u = ν(u for alle U S åbe. Me dette fås af Mooto koverges, thi betragt for givet U fuktioere x f (x := ( d(x, U c. f ere er ikke-egative, kotiuerte og begræsede, og da f U overalt har vi µ(u = lim f dµ = lim f dν = ν(u. I specielle rum S ka selv små delmægder af bc(s + være målseparerede. Vi er her iteresseret i flg. resultat, som formuleres i både e é og fler-dimesioal udgave. Vi betragter kusadsylighedsmål, me resltatet gælder uædret for ethvert edeligt mål. Propositio 6 Ethvert sadsylighedsmål µ på (R, B(R er etydigt bestemt ved tallee e (x a2 µ(dx, a R, dvs. fuktioere { x e (x a2, a R } er målseparerede for mægde af Borel sadsylighedsmål på R. 3

Propositio 7 Ethvert sadsylighedsmål µ på (R d, B(R d er etydigt bestemt ved tallee e x a 2 µ(dx, a R d, dvs. fuktioere { x e x a 2, uderliea R d er målseparerede for mægde af Borel sadsylighedsmål på R d. Bevisere, som er idetiske, bygger på flg. lemma, som formuleres for et geerelt d. Lemma 8 For ethvert x R d og f bc(r d er talfølge ( ( d/2 f(y exp( y x 2 λ d (dy koverget med græseværdi f(x og begræset af sup y R d f(y. Bevis. Lad x R d og f bc(r d være givet. Regereglere for lieær substitutio i et Lebesgue itegral sikrer, at ( d/2 f(y exp( y x 2 λ d (dy ( d/2 = f(x + u exp( u 2 λ d (du = d/2 Udyttes u her at f(x + u (2 d/2 exp( u 2 /2 λ d (du for. d/2 exp( u 2 /2 λ d (du = ses let, at tallee er umerisk midre ed de agive kostat. Edvidere fås også græseværdiresultatet, da pr. kotiuitet f(x + u (2 d/2 f(x for alle u R d domieret af sup y R d f(y. 4

Bevis for Propositio 7. (Specialtilfældet d = svarer til Propositio 6 Lad µ være et givet sadsylighedsmål på (R d, B(R d. Ifølge oveståede sætig er det ok at vise, at de aførte tal bestemmer µ-itegralet af ethvert elemet i bc(s +. Me for ethvert f bc(s + ses ved brug af Lemma 8 samt Lebesgue s og Toelli s sætiger, at f dµ = lim { f(y (/ d/2 exp( y x 2 λ d (dy} µ(dx = lim (/ d/2 f(y { exp( x y 2 µ(dx } λ d (dy, hvilket viser det øskede resultat. 5