Landmålingens fejlteori - Repetition - Kontinuerte stokastiske variable - Lektion 3

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

Landmålingens fejlteori - Lektion 2 - Transformation af stokastiske variable

Definition. Definitioner

Landmålingens fejlteori Lektion 1 Det matematiske fundament Kontinuerte stokastiske variable

Landmålingens fejlteori - Lektion 2. Sandsynlighedsintervaller Estimation af µ Konfidensinterval for µ. Definition: Normalfordelingen

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

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

Repetition. Diskrete stokastiske variable. Kontinuerte stokastiske variable

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

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/

Kvantitative Metoder 1 - Forår Dagens program

Produkt og marked - matematiske og statistiske metoder

Kvantitative Metoder 1 - Efterår Dagens program

Uge 10 Teoretisk Statistik 1. marts 2004

Kvantitative Metoder 1 - Forår Dagens program

INSTITUT FOR MATEMATISKE FAG c

Elementær sandsynlighedsregning

Introduktion til Statistik. Forelæsning 3: Kontinuerte fordelinger. Peder Bacher

Landmålingens fejlteori - Lektion4 - Vægte og Fordeling af slutfejl

Program. Statistik og Sandsynlighedsregning. Eksempler. Sandsynlighedstæthed og sandsynlighedsmål

Bernoulli og binomial fordelingerne Kontinuerte stokastiske variable Normalfordelingen

Normalfordelingen og Stikprøvefordelinger

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

02402 Vejledende løsninger til hjemmeopgaver og øvelser, Uge 4

Statistik og Sandsynlighedsregning 2

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

Anvendt Statistik Lektion 2. Sandsynlighedsregning Sandsynlighedsfordelinger Normalfordelingen Stikprøvefordelinger

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

hvor a og b er konstanter. Ved middelværdidannelse fås videre

Teoretisk Statistik, 16. februar Generel teori,repetition

Landmålingens fejlteori - Repetition - Fordeling af slutfejl - Lektion 8

Anvendt Statistik Lektion 2. Sandsynlighedsregning Sandsynlighedsfordelinger Normalfordelingen Stikprøvefordelinger

Elementær sandsynlighedsregning

Vægte motiverende eksempel. Landmålingens fejlteori - Lektion4 - Vægte og Fordeling af slutfejl. Vægtet model. Vægtrelationen

Statistik og Sandsynlighedsregning 2

Forelæsning 3: Kapitel 5: Kontinuerte fordelinger

Tema. Dagens tema: Indfør centrale statistiske begreber.

enote 2: Kontinuerte fordelinger Introduktion til Statistik Forelæsning 3: Kontinuerte fordelinger Peder Bacher enote 2: Continuous Distributions

Sandsynlighedsregning 9. forelæsning Bo Friis Nielsen

Kvantitative Metoder 1 - Forår 2007

Sandsynlighedsregning 5. forelæsning Bo Friis Nielsen

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

Fejlforplantning. Landmålingens fejlteori - Lektion 5 - Fejlforplantning. Repetition: Varians af linear kombination. Eksempel: Vinkelberegning

Institut for Matematiske Fag Aalborg Universitet Specielt: Var(aX) = a 2 VarX 1/40. Lad X α, X β og X γ være stokastiske variable (vinkelmålinger) med

4 Oversigt over kapitel 4

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

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

Statistik og Sandsynlighedsregning 2

Ex µ = 3,σ 2 = 1 og µ = 1,σ 2 = 4. hvor. Vha. R: Vha. tabel:

Program. Statistik og Sandsynlighedsregning 2 Middelværdi og varians. Eksempler fra sidst. Sandsynlighedstæthed og sandsynlighedsmål

Statistik og Sandsynlighedsregning 2

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

Oversigt. Kursus Introduktion til Statistik. Forelæsning 4: Kapitel 5: Kontinuerte fordelinger

Kvantitative Metoder 1 - Forår Dagens program

Landmålingens fejlteori - Lektion 3. Estimation af σ Dobbeltmålinger Geometrisk nivellement Linearisering

Landmålingens fejlteori - Lektion4 - Vægte og Fordeling af slutfejl

Noter i fejlteori. Kasper Klitgaard Berthelsen Poul Winding & Jens Møller Pedersen. Diverse opdateringer ved Rasmus Waagepetersen. Version 1.

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

Lidt om fordelinger, afledt af normalfordelingen

Sandsynlighedsregning Oversigt over begreber og fordelinger

Forelæsning 2: Kapitel 4, Diskrete fordelinger

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

Hvorfor er det lige at vi skal lære det her?

Betingede sandsynligheder Aase D. Madsen

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

MM501 forelæsningsslides

Landmålingens fejlteori - Lektion 5 - Fejlforplantning

Den todimensionale normalfordeling

Noter i fejlteori. Kasper Klitgaard Berthelsen Poul Winding & Jens Møller Pedersen. Version 1.2

Nanostatistik: Opgavebesvarelser

StatDataN: Plot af data

Kvantitative Metoder 1 - Efterår Dagens program

3 Stokastiske variable 3.1 Diskrete variable

Naturvidenskabelig Bacheloruddannelse Forår 2006 Matematisk Modellering 1 Side 1

Eksamen 2014/2015 Mål- og integralteori

Hvorfor er normalfordelingen så normal?

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

MM501/MM503 forelæsningsslides

Supplement til kapitel 4 Om sandsynlighedsmodeller for flere stokastiske variable

Sandsynlighedsregning 7. forelæsning Bo Friis Nielsen

Sandsynlighedsregning 8. forelæsning Bo Friis Nielsen

Sandsynlighedsregning 7. forelæsning Bo Friis Nielsen

CIVILINGENIØREKSAMEN Side?? af?? sider. Skriftlig prøve, den: 16. december 2004 Kursus nr : (navn) (underskrift) (bord nr)

Sandsynlighedsregning 8. forelæsning Bo Friis Nielsen

Sandsynlighedsregning 7. forelæsning Bo Friis Nielsen

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

StatDataN: Middelværdi og varians

Sandsynlighedsregning 4. forelæsning Bo Friis Nielsen

Sandsynlighedsregning: endeligt udfaldsrum (repetition)

Sandsynlighedsregning 4. forelæsning Bo Friis Nielsen

Kvantitative Metoder 1 - Forår Dagens program

Karakteristiske funktioner og Den Centrale Grænseværdisætning

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

Højde af kvinder 2 / 18

Sandsynlighedsfordelinger for kontinuerte data på interval/ratioskala

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

Sandsynlighedsregning 4. forelæsning Bo Friis Nielsen

Sandsynlighedsregning

Sandsynlighedsregning

Kapitel 4 Sandsynlighed og statistiske modeller

Transkript:

Landmålingens fejlteori Repetition - Kontinuerte stokastiske variable Lektion 4 - kkb@math.aau.dk http://people.math.aau.dk/ kkb/undervisning/lf10 Institut for Matematiske Fag Aalborg Universitet 29. april 2010 1/14

Definitioner Definition 1 Fordelingsfunktion for en stokastisk variabel X er F(x) = P(X x). Definition 2 Lad X være en stokastisk variabel med fordelingsfunktion F. Da siges X at være kontinuert, hvis F er kontinuert, og hvis der findes en ikke-negativ reel funktion f, således at F(x) = Z x f (y)dy. Funktionen f kaldes tæthedsfunktion for X 2/14

Tæthed- og fordelingsfunktion Tæthed-, sandsynlighed- og fordelingsfunktion Fordelingsfunktion Kontinuert stokastisk variabel Fordelingsfunktion Diskret stokastisk variabel 0 1 F(x) Ha eldning f(x) 0 1 F(x) spring f(x) x Ta ethedsfunktion Kontinuert stokastisk variabel x Sandsynlighedsfunktion Diskret stokastisk variabel f(x) F(x) 0 1 f(x) x x 3/14

Middelværdi og varians Definition 3 Lad X være en kontinuert stokastisk variabel med tæthedsfunktion f. Middelværdien af X defineres som µ = E(X) = - også kaldet forventet værdi. Z xf (x)dx < Definition 3 Lad X være en kontinuert stokastisk variabel med tæthedsfunktion f. Variansen af X defineres som σ 2 = V(X) = E((X µ) 2 ) = Z (x µ) 2 f (x)dx <, hvor σ kaldes spredningen (eller standard afvigelse) - mål for forventet variabilitet i X. Der gælder (som vi så ved diskrete stokastiske variable) σ 2 = V(X) = Z x 2 f (x)dx µ 2 = E(X 2 ) E(X) 2 = E(X 2 ) µ 2. 4/14

Normalfordelingen Mest benyttede kontinuerte fordeling. Definition 4 En stokastisk variabel X med tæthedsfunktion f (x) = 1 2πσ exp (x µ)2 2σ 2 «, x R, siges at være normalfordelt med parameterne µ og σ 2, hvor µ og σ er reelle tal og σ > 0. Notation: X N(µ,σ 2 ). Klokkeformet symmetrisk tæthedsfunktion. µ = 0, σ 2 = 1 µ = 7, σ 2 = 2 µ = 10, σ 2 = 5 10 0 7 1.96 1.96 5/14

Normalfordelingen µ = 0, σ 2 = 1 µ = 7, σ 2 = 2 µ = 10, σ 2 = 5 10 0 7 1.96 1.96 6/14

Sætning 2 Hvis X N(µ,σ 2 ), så er middelværdi og varians for X E(X) = µ, V(X) = σ 2. Fordelingsfunktion for X N(µ,σ 2 ) er givet som F(x) = Z x 1 exp 2πσ Der findes ikke et pænt lukket udtryk. «(y µ)2 dy. 2σ 2 7/14

Normalfordelingen Definition Fordelingen N(0,1) kaldes standard normalfordeling. Den tilhørende fordelingsfunktion betegnes Φ - tabellagt. Tæthed- og fordelingsfunktion for N(0,1). 1.0 0.5 Φ( x) 1 Φ(x) 0.0 1.96 0.00 1.96 1.96 0.00 1.96 8/14

Normalfordelingen Definition Fordelingen N(0,1) kaldes standard normalfordeling. Den tilhørende fordelingsfunktion betegnes Φ - tabellagt. Der gælder Φ( x) = 1 Φ(x). kun nødvendigt med tabeller for x 0. 8/14

Sætninger Sætning Lineær transformation Hvis X N(µ,σ 2 ), og a,b R og a 0, så er Sætning Standardisere Hvis X N(µ,σ 2 ), så gælder Dvs. X µ P(X x) = P σ Y = ax + b N(aµ + b, a 2 σ 2 ). Z = X µ σ N(0, 1). x µ «= P Z x µ «= Φ σ σ Sandsynligheder vha. tabel for standard normalfordelingen. x µ σ «. 9/14

Eksempel Opgave 3.20 a) Hvad er det forventede antal værneplitige over 170 cm når højden af værneplitige X antages at være normal fordelt med middelværdi 176.3 cm og spredning 6.4 cm, X N(176.3,6.4 2 ), til en session med 1000 fremmødte? P(X 170) = Lad Y være antallet af værnepligtige over 170 cm ved en session med 1000 værnepligtige. Dvs. Y b(1000,p(x 170)) hvor vi ved E(Y ) = np. E(Y ) = 1000 P(X 170) = 10/14

Opslag i normalfordelingstabel 11/14

Tæthedsfunktion - fraktiler Lad X N(µ,σ 2 ), dvs. Z = X µ σ N(0,1). Betragt sandsynligheden p = P(µ zσ < X < µ + zσ) = P( z < X µ < z) σ = P( z < Z < z) = P(Z < z) P(Z z) = Φ(z) Φ( z) = Φ(z) (1 Φ(z)) = 2Φ(z) 1. 12/14

Tæthedsfunktion - fraktiler Lad X N(µ,σ 2 ), dvs. Z = X µ σ N(0,1). Vi har p = 2Φ(z) 1 for et valgt p hvor z findes ved tabelopslag. For p = 0.95 gælder Dvs. 2Φ(z) 1 = 0.95 Φ(z) = 0.975 z = 1.96. P(µ 1.96σ < X < µ + 1.96σ) = 0.95. Tilsvarende for p = 0.99 og p = 0.999 P(µ 2.58σ < X < µ + 2.58σ) = 0.99, P(µ 3.29σ < X < µ + 3.29σ) = 0.999. 12/14

Tæthedsfunktion 99.9% 99% 95% µ 3.29σ µ 2.58σ µ 1.96σ µ σ µ µ+σ µ+1.96σ µ+2.58σ µ+3.29σ Dvs. middelværdi ±2 standard afvigelse dækker ca. 95% af sandsynlighedsmassen. 13/14

Normalfordelingen i landmåling Når vinkler og længder måles i landmåling antages disse størrelser at være normalfordelte (Kapitel 2 i Karsten Jensens noter). Dvs. når en vinkel/længde måles antages det at målingen x er en realisation af en stokastisk variabel som følger en normalfordeling. Eksempelvis er en vinkelmåling normalfordelt N(β,σβ 2 ) hvor udtryk for σ β udledes i dagens forlæsning. T S T F R T β S F R F 14/14