HY / Matematiikan ja tilastotieteen laitos Tilastollinen päättely II, kevät 2017 Harjoitus 4 Ratkaisuehdotuksia. Tehtäväsarja I

Samankaltaiset tiedostot
2 exp( 2u), kun u > 0 f U (u) = v = 3 + u 3v + uv = u. f V (v) dv = f U (u) du du f V (v) = f U (u) dv = f U (h(v)) h (v) = f U 1 v (1 v) 2

0 kun x < 0, 1/3 kun 0 x < 1/4, 7/11 kun 1/4 x < 6/7, 1 kun x 1, 1 kun x 6/7,

Tehtäväsarja I Tehtävät 1-5 perustuvat monisteen kappaleisiin ja tehtävä 6 kappaleeseen 2.8.

HY, MTO / Matemaattisten tieteiden kandiohjelma Todennäköisyyslaskenta IIa, syksy 2018 Harjoitus 3 Ratkaisuehdotuksia.

Tilastotieteen jatkokurssi 8. laskuharjoitusten ratkaisuehdotukset (viikot 13 ja 14)

1 x 2 1 x 2 C 1 D. 1 x 2 C 1. x 2 C 1 C x2 D x 2 C 1; x 0: x 2 C 1 C 1. x 2 x 4 C 1 ja. x 4 C 1 D.x4 1/.x 4 C 1/

12. laskuharjoituskierros, vko 16, ratkaisut

1. Kuusisivuista noppaa heitetään, kunnes saadaan silmäluku 5 tai 6. Olkoon X niiden heittojen lukumäärä, joilla tuli 1, 2, 3 tai 4.

k S P[ X µ kσ] 1 k 2.

HY / Matematiikan ja tilastotieteen laitos Tilastollinen päättely II, kevät 2017 Harjoitus 1 Ratkaisuehdotuksia Tehtäväsarja I

HY, MTL / Matemaattisten tieteiden kandiohjelma Todennäköisyyslaskenta IIb, syksy 2017 Harjoitus 1 Ratkaisuehdotuksia

Todennäköisyyslaskenta IIa, syys lokakuu 2019 / Hytönen 3. laskuharjoitus, ratkaisuehdotukset

Sovellettu todennäköisyyslaskenta B

Luku 16 Markkinatasapaino

(b) Tarkista integroimalla, että kyseessä on todella tiheysfunktio.

X 2 = k 21X 1 + U 2 s + k 02 + k 12. (s + k 02 + k 12 )U 1 + k 12 U 2. s 2 + (k 01 + k 21 + k 02 + k 12 ) s + k

Ilkka Mellin (2008) 1/5

3.1 Kaksiulotteinen satunnaisvektori ja sen jakauma

x 4 e 2x dx Γ(r) = x r 1 e x dx (1)

MS-A0501 Todennäköisyyslaskennan ja tilastotieteen peruskurssi

4.1. Olkoon X mielivaltainen positiivinen satunnaismuuttuja, jonka odotusarvo on

Epäyhtälöt ovat yksi matemaatikon voimakkaimmista

Todennäköisyyslaskun kertaus. Vilkkumaa / Kuusinen 1

Käytetään satunnaismuuttujaa samoin kuin tilastotieteen puolella:

RATKAISUT: 17. Tasavirtapiirit

MATEMATIIKAN JA TILASTOTIETEEN LAITOS Analyysi I Harjoitus alkavalle viikolle Ratkaisuehdotuksia (7 sivua) (S.M)

Ilkka Mellin Todennäköisyyslaskenta Osa 2: Satunnaismuuttujat ja todennäköisyysjakaumat Moniulotteiset satunnaismuuttujat ja jakaumat

RATKAISUT: 8. Momentti ja tasapaino

4.3 Liikemäärän säilyminen

Sovellettu todennäköisyyslaskenta B

Differentiaali- ja integraalilaskenta 1 Ratkaisut 2. viikolle /

Tilastollinen päättely II, kevät 2017 Harjoitus 1A

MS-A0501 Todennäköisyyslaskennan ja tilastotieteen peruskurssi

Satunnaismuuttujien muunnokset ja niiden jakaumat

MS-A0503 Todennäköisyyslaskennan ja tilastotieteen peruskurssi

PD-säädin PID PID-säädin

1. Jatketaan luentojen esimerkkiä 8.3. Oletetaan kuten esimerkissä X Y Bin(Y, θ) Y Poi(λ) λ y. f X (x) (λθ)x

KUINKA PALJON VAROISTA OSAKKEISIIN? Mika Vaihekoski, professori. Lappeenrannan teknillinen yliopisto

MS-A0501 Todennäköisyyslaskennan ja tilastotieteen peruskurssi

Intensiteettitaso ja Doplerin ilmiö

Satunnaismuuttujan odotusarvo ja laskusäännöt

POSITIIVISEN LINSSIN POLTTOVÄLI

Todennäköisyyslaskennan ja tilastotieteen peruskurssi Esimerkkikokoelma 3

Maatalous-metsätieteellisen tiedekunnan valintakoe Ympäristö-ja luonnonvaraekonomia Matematiikan kysymysten oikeat vastaukset

Mat Sovellettu todennäköisyyslasku A. Moniulotteiset jakaumat. Avainsanat:

Todennäköisyyslaskun kertaus. Heliövaara 1

Johdatus tn-laskentaan torstai

8.1 Ehdolliset jakaumat

Satunnaismuuttujan odotusarvo ja laskusäännöt

3.1 Kaksiulotteinen satunnaisvektori ja sen jakauma

6. laskuharjoitusten vastaukset (viikot 10 11)

Kahdeksansolmuinen levyelementti

Mat Tilastollisen analyysin perusteet, kevät 2007

MS-A0502 Todennäköisyyslaskennan ja tilastotieteen peruskurssi

Derivaatat lasketaan komponenteittain, esimerkiksi E 1 E 2

Johdatus todennäköisyyslaskentaan Moniulotteiset satunnaismuuttujat ja todennäköisyysjakaumat. TKK (c) Ilkka Mellin (2005) 1

12. ARKISIA SOVELLUKSIA

MATP153 Approbatur 1B Ohjaus 2 Keskiviikko torstai

,ܾ jaü on annettu niin voidaan hakea funktion

Valintahetket ja pysäytetyt martingaalit

Oletetaan ensin, että tangenttitaso on olemassa. Nyt pinnalla S on koordinaattiesitys ψ, jolle pätee että kaikilla x V U

Tilastomatematiikka Kevät 2008

sin(x2 + y 2 ) x 2 + y 2

MATEMATIIKAN KOE, PITKÄ OPPIMÄÄRÄ HYVÄN VASTAUKSEN PIIRTEITÄ

Matematiikan tukikurssi

Johdatus todennäköisyyslaskentaan Satunnaismuuttujien muunnokset ja niiden jakaumat. TKK (c) Ilkka Mellin (2004) 1

Ratkaisu: (i) Joukko A X on avoin jos kaikilla x A on olemassa r > 0 siten että B(x, r) A. Joukko B X on suljettu jos komplementti B c on avoin.

Todennäköisyyslaskenta IIa, syyslokakuu 2019 / Hytönen 2. laskuharjoitus, ratkaisuehdotukset

2.1 Satunnaismuuttuja ja sen jakauma

Johdatus tn-laskentaan perjantai

3. laskuharjoituskierros, vko 6, ratkaisut

Mat Sovellettu todennäköisyyslasku A

3.6 Su-estimaattorien asymptotiikka

MS-A0503 Todennäköisyyslaskennan ja tilastotieteen peruskurssi

MAT Todennäköisyyslaskenta Tentti / Kimmo Vattulainen

Kahdeksansolmuinen levyelementti

Reaalifunktioista 1 / 17. Reaalifunktioista

10 Suoran vektorimuotoinen yhtälö

Matematiikan tukikurssi

Kopulafunktiot. Joonas Ollila 12. lokakuuta 2011

Laplacemuunnosten perusteet kurssilla S1; v.1.0

Viikkotehtävät IV, ratkaisut

Moniulotteiset satunnaismuuttujat ja jakaumat

k-kantaisen eksponenttifunktion ominaisuuksia

JOHDATUS TEKOÄLYYN LUENTO 4.

Ratkaisu: Ensimmäinen suunta. Olkoon f : R n R m jatkuva eli kaikilla ε > 0 on olemassa sellainen δ > 0, että. kun x a < δ. Nyt kaikilla j = 1,...

Diplomi-insinööri- ja arkkitehtikoulutuksen yhteisvalinta 2018 Insinöörivalinnan matematiikan koe, , Ratkaisut (Sarja A)

2.1 Satunnaismuuttuja ja sen jakauma

Y56 Laskuharjoitukset 3 palautus ma klo 16 mennessä

Laplace-muunnoksesta ja differentiaaliyhtälöiden ratkaisemisesta sen avulla

Mat Sovellettu todennäköisyyslasku A

Väliestimointi. Väliestimointi. Väliestimointi: Mitä opimme? 2/3. Väliestimointi: Mitä opimme? 1/3. Väliestimointi: Mitä opimme?

Odotusarvo. Odotusarvon ominaisuuksia Satunnaismuuttujien ominaisuuksia 61

Helsingin, Itä-Suomen, Jyväskylän, Oulun, Tampereen ja Turun yliopisto Matematiikan valintakoe klo Ratkaisut ja pisteytysohjeet

Moniulotteiset satunnaismuuttujat ja todennäköisyysjakaumat. Moniulotteiset satunnaismuuttujat ja todennäköisyysjakaumat

031021P Tilastomatematiikka (5 op) viikko 2

Helsingin, Itä-Suomen, Jyväskylän, Oulun, Tampereen ja Turun yliopisto Matematiikan valintakoe klo 10 13

Mat Koesuunnittelu ja tilastolliset mallit

D ( ) E( ) E( ) 2.917

Diplomi-insinööri- ja arkkitehtikoulutuksen yhteisvalinta 2017 Insinöörivalinnan matematiikan koe , Ratkaisut (Sarja A)

Transkriptio:

HY / Matematiikan ja tilatotieteen laito Tilatollinen päättely II, kevät 207 Harjoitu 4 Ratkaiuehdotukia Tehtäväarja I. (Kvantiili-kvantiili kuvion [engl. q q plot] idea.) Olkoon atunnaimuuttujalla X ellainen jakauma, että en kvantiilifunktio q X aadaan en kertymäfunktion F X käänteifunktiona (eli jakon 2.9 alua mainitut oletuket ovat voimaa). Olkoon > 0 ja c R, ja määritellään Y = X + c a) Miten F Y (y) aadaan ilmaitua m:n X kf:n F X avulla? b) Miten m:n Y kvantiilifunktio q Y (u) aadaan ilmaitua kvantiilifunktion q X avulla? Huomaa, että piteet (q X (u), q Y (u)) attuvat tietylle uoralle, kun 0 < u <. Mikä on kyeien uoran kulmakerroin ja mikä on en ja y-akelin leikkaupite? Ratkaiu: a) Y :n kertymäfunktioki aadaan F Y (y) = P(Y y) = P(X + c y) = P ( X y c Koka > 0, epäyhtälön uunta äilyy :llä jaettaea. ) ( ) y c = F X. b) F Y on yhditetty funktio F Y = F X h, miä h(y) = y c, joten en käänteifunktio on (F X h) = h FX, eli q Y (u) = FY (u) = FX (u) + c = q X (u) + c. Suoran kulmakerroin on ii ja e leikkaa y-akelin piteeä c. 2. Logitinen jakauma parametreilla µ R ja > 0 voidaan määritellä iten, että e on atunnaimuuttujan Y jakauma, kun Y = µ + ln X X, ja X U(0, ). Johda logitien jakauman tiheyfunktio. Ratkaiu: Määritellään funktio g : (0, ) R, joa g(x) = µ + ln X. Tällöin Y = g(x). X Funktio on aidoti kavava välillä (0, ) ja logaritmifunktio ln() on aidoti kavava kaikilla > 0, joten g on aidoti kavava koko määrittelyjoukoaan. Tällöin (ja koka g on urjektio) on olemaa käänteifunktio h : R (0, ). Nyt

voidaan elvittää käänteifunktion konkreettinen laueke yhtälötä: y = µ + ln y µ = ln ep( y µ ) = ( ) ep( y µ = ) = ep( ) + ep( ) ep( ) +ep( Määrittelemällä = h(y), aadaan h(y) =. Funktiot g ja h ovat jatkuvien ) funktioiden yhditeinä jatkuvia. Liäki kaikilla (0, ) pätee g () = D( ) = ( ) = 2 ( ) joten g on jatkuvati derivoituva. Liäki tiedetään, että D(ep( )) = Merkitään ξ(y) = ep( ), jolloin ξ (y) = ξ(y). h (y) = D ( ) ξ(y) = + ξ(y) ξ(y)( + ξ(y)) ξ(y) ξ(y) = ( + ξ(y)) 2 ep( ). ξ(y) ( + ξ(y)) = ep( ) 2 ( + ep( = ))2 ( + ep( µ y )( + ep( )) Sii h on jatkuvati derivoituva. Nyt käyttämällä määritelmää 2.0, voidaan todeta h:n olevan diffeomorfimi. Kun y R, laueen 2.2 nojalla Y:llä on jatkuva jakauma ja f Y (y) = f X (h(y)) h (y) Koka X U(0, ), niin f X (h(y)) = kaikilla h(y) (0, ), ja liäki h(y) (0, ) kaikilla y R. Koka h (y) > 0 tiheyfunktioki aadaan f Y (y) = h (y) = ( + ep( )( + ep( µ y y R. )), 3. Heitetään 6-ivuita noppaa kaki kertaa. V on enimmäien heiton ilmäluku ja V 2 toien heiton ilmäluku. Määritellään atunnaimuuttujat X = min(v, V 2 ) ja Y = ma(v, V 2 ). Perutele, miki atunnaimuuttujien X ja Y yptnf on /, kun = y 6, f (X,Y ) (, y) = 2/, kun < y 6, 0, muuten. Tarkita myö, että f (X,Y ) todella on yptnf. Johda reuna-ptnf:t f X ja f Y yptnf:n reunaummina. Ratkaiu: Oletetaan tavallieen tapaan, että V ja V 2 ovat riippumattomia. Koka X = min(v, V 2 ) ja Y = ma(v, V 2 ), pätee X Y, jolloin f X,Y (, y) = 0 kun > y. Liäki elväti f X,Y = 0, kun (, y) / {,..., 6} {,..., 6}. Seuraavaki

huomataan, että X =, Y = = V =, V 2 =. Nyt riippumattomuuden nojalla aadaan P(V =, V 2 = ) = P(V = )P(V 2 = ). Kun vielä tiedämme, että, {,..., 6} 6 P(V = ) = P(V 2 = ) = 0, / {,..., 6} voidaan todeta, että = y = f X,Y (, y) = P(X = Y ) = ( 6 )2 =. Tutkitaan vielä tapau < y ja (, y) {,..., 6} {,..., 6}. Tällöin {X =, Y = y} = {V =, V 2 = y} {V = y, V 2 = }. Nämä kaki joukkoa ovat erilliet, joten tn-mitan additiiviuuden nojalla P(X =, Y = y) = P(V =, V 2 = y) + P(V = y, V 2 = ) = P(V = )P(V 2 = y) + P(V = y)p(v 2 = ) = ( 6 )2 + ( 6 )2 = 2. Tarkitetaan vielä, että kyeeä on yptnf. Merkitään S = {,..., 6} {,..., 6}, jolloin f X,Y : S R on ei-negatiivinen funktio ja pitetodennäköiyykien umma on (taulukota apua): Reunajakaumien arvot aadaan taulukota ummaamalla toinen muuttuja poi, ii toiin ilmaituna funktiot voidaan määritellä euraavati: 2y, y {,..., 6} f Y (y) = 0, y / {,..., 6} ja 3 2, {,..., 6} f X = 0, / {,..., 6} 4. Jatkoa tehtävään 3. a) Ovatko tehtävän 3 atunnaimuuttujat X ja Y riippumattomia? b) Eitä tapahtuma {X > } muodoa {V > v, V 2 > v 2 } kekimällä opivat v ja v 2. c) Päättele ilmälukujen V ja V 2 riippumattomuuden ja kohdan b) avulla m:n X kf F X. d) johda kohdan c) kertymäfunktiota F X vataava reuna-ptnf f X (toivottavati ait aman kuin edellieä tehtävää) Ratkaiu:

a) Ooitetaan vataeimerkillä, että eivät ole: P(X >, Y = ) = 0 25 P(X > )P(Y = ) = b) Tapahtuma {X > } vaatii, että molemmat nopanheitot ovat ilmäluvultaan uurempia kuin. Voimme ii muotoilla tapahtuman uudelleen: {X > } = {V >, V 2 > }. c) Oletetaan, että {, 2, 3, 4, 5, 6}. Suoralla lakulla aadaan F X (X ) = P(X ) = P(X > ) = P(V >, V 2 > ) = P(V > )P(V 2 > ) = ( 6 ) 2 = 6 2 2, Koka X on dikreetti ja en arvojoukko on [; 6] N, aamme F X :tä kertymäfunktion täydentämällä en paloittain vakioki oikealta jatkuvaki porrafunktioki, jonka epäjatkuvuukohdat ovat X :n arvojoukoa. Liäki kun <, F X = 0 ja kun > 6, F X =. d) Kyeeä on dikreetti atunnaimuuttuja, joten kun {,..., 6}, aadaan ptnf lakemalla f X () = F X () F X ( ) = 2 2 2( ) ( )2 = 3 2. 5. Heitetään tavallita lanttia neljä kertaa (ja oletetaan, että heitot ovat riippumattomia). Määritellään atunnaimuuttujat X j = { j. heitto kruuna }, kun j =, 2, 3, 4. Määritellään näiden avulla atunnaimuuttujat W = 4X 2 +2X 3 +X 4 + ja V = 8X ekä Y = W + V. a) Selitä perutellen, miki W V. b) Määrää ptnf f Y ja tunnita atunnaimuuttujan Y jakauma. Ratkaiu: a) Määritellään funktiot h ja h 2 euraavati: h : R 3 R, h (, y, z) = 4 + 2y + z +, h 2 : R R, h 2 () = 8. Määritellään atunnaivektori Z = (X 2, X 3, X 4 ). Nyt W = h (Z) ja V = h 2 (X ). Koka atunnaimuuttujat X j ovat riippumattomia, myö atunnaivektorit Z ja X ovat riippumattomia ja tällöin myö niiden muunnoket h (Z) = W ja h 2 (X ) = V ovat riippumattomia. b) Määritellään atunnaivektori X = (X, X 2, X 3, X 4 ) ja funktio g : R 4 R, g(x) = 8X + 4X 2 + 2X 3 + X 4 +. Nyt Y = g(x). Merkitään X :n arvojoukkua S :llä, ii S = {(, 2, 3, 4 ) i {0, }} Tällöin P (X = ) =, illä jokainen 6:ta neljän kolikon kombinaatiota on 6 yhtä todennäköinen. f Y (y) = P(Y = y) = P (g(x) = y) = P(g(X) = y, X S) = S P(g(X) = y, X = ) = {g() = y}p(x = ) = {y {, 2,..., 5, 6}} S 6 Y noudattaa ii dikreettiä taajakaumaa arvojoukkona luonnolliet luvut yhdetä kuuteentoita.

6. Jatkoa tehtävään 3. Kuten tehtävää 3, määritellään X = min(v, V 2 ) ja Y = ma(v, V 2 ) kun V ja V 2 ovat 6-ivuien nopan heittoja. Lake EX ja EY käyttämällä määritelmää 4.. Ratkaiu: X ja Y ovat dikreettejä atunnaimuuttujia, joilla on äärelliet arvojoukot. Odotuarvot ovat ii olemaa, ja ne voidaan lakea uoraan määritelmätä käyttämällä tehtävää kolme aatuja tiheyfunktioita. X Y E(X) = 6 2 3 2 f X () = f X () = R = = = + + 6 = 9. E(Y ) = 6 2 yf Y (y) = yf X (Y ) = y 2y y R y= y= = + +6 = 9 = 6