Mat-2.091 Sovellettu todennäköisyyslasku 5. harjoitukset/ratkaisut. Jatkuvat jakaumat



Samankaltaiset tiedostot
5. laskuharjoituskierros, vko 8, ratkaisut

D ( ) E( ) E( ) 2.917

4.1. Olkoon X mielivaltainen positiivinen satunnaismuuttuja, jonka odotusarvo on

Ilkka Mellin (2008) 1/5

Mat Sovellettu todennäköisyyslaskenta B 5. harjoitukset / Ratkaisut Aiheet: Jatkuvia jakaumia Avainsanat: Jatkuvia jakaumia

Sovellettu todennäköisyslasku

Johdatus todennäköisyyslaskentaan Momenttiemäfunktio ja karakteristinen funktio. TKK (c) Ilkka Mellin (2005) 1

Lisää Diskreettejä jakaumia Lisää Jatkuvia jakaumia Normaalijakaumasta johdettuja jakaumia

Johdatus todennäköisyyslaskentaan Jatkuvia jakaumia. TKK (c) Ilkka Mellin (2005) 1

Sovellettu todennäköisyyslaskenta B

Ilkka Mellin Todennäköisyyslaskenta. Osa 2: Satunnaismuuttujat ja todennäköisyysjakaumat. Momenttiemäfunktio ja karakteristinen funktio

3. laskuharjoituskierros, vko 6, ratkaisut

Ilkka Mellin Todennäköisyyslaskenta Osa 3: Todennäköisyysjakaumia Jatkuvia jakaumia

Mat Sovellettu todennäköisyyslaskenta B

Sallitut apuvälineet: MAOL-taulukot, kirjoitusvälineet, laskin sekä itse laadittu, A4-kokoinen lunttilappu. f(x, y) = k x y, kun 0 < y < x < 1,

Mat Sovellettu todennäköisyyslasku A. Moniulotteiset jakaumat. Avainsanat:

Normaalijakaumasta johdettuja jakaumia

4. laskuharjoituskierros, vko 7, ratkaisut

5/11 6/11 Vaihe 1. 6/10 4/10 6/10 4/10 Vaihe 2. 5/11 6/11 4/11 7/11 6/11 5/11 5/11 6/11 Vaihe 3

MAT Todennäköisyyslaskenta Tentti / Kimmo Vattulainen

Satunnaismuuttujien muunnokset ja niiden jakaumat

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

Ilkka Mellin Todennäköisyyslaskenta. Osa 2: Satunnaismuuttujat ja todennäköisyysjakaumat. Jakaumien tunnusluvut. TKK (c) Ilkka Mellin (2007) 1

Mat Sovellettu todennäköisyyslasku A. Diskreetit jakaumat Jatkuvat jakaumat. Avainsanat:

Ilkka Mellin Todennäköisyyslaskenta. Osa 3: Todennäköisyysjakaumia. Diskreettejä jakaumia. TKK (c) Ilkka Mellin (2007) 1

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

Johdatus todennäköisyyslaskentaan Normaalijakaumasta johdettuja jakaumia. TKK (c) Ilkka Mellin (2005) 1

MAT Todennäköisyyslaskenta Tentti / Kimmo Vattulainen

Satunnaismuuttujat ja todennäköisyysjakaumat Kertymäfunktio

MS-A0502 Todennäköisyyslaskennan ja tilastotieteen peruskurssi

Testejä suhdeasteikollisille muuttujille

Käytetään satunnaismuuttujaa samoin kuin tilastotieteen puolella:

Todennäköisyyslaskun kertaus. Vilkkumaa / Kuusinen 1

Johdatus todennäköisyyslaskentaan Jakaumien tunnusluvut. TKK (c) Ilkka Mellin (2005) 1

D ( ) Var( ) ( ) E( ) [E( )]

Johdatus todennäköisyyslaskentaan Diskreettejä jakaumia. TKK (c) Ilkka Mellin (2005) 1

Sovellettu todennäköisyyslaskenta B

ARVIOINTIPERIAATTEET

Tilastomatematiikka Kevät 2008

Mat Sovellettu todennäköisyyslasku A

031021P Tilastomatematiikka (5 op) viikot 5 6

Sovellettu todennäköisyyslaskenta B

MS-A0501 Todennäköisyyslaskennan ja tilastotieteen peruskurssi

Moniulotteisia todennäköisyysjakaumia

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

Johdatus todennäköisyyslaskentaan Moniulotteisia todennäköisyysjakaumia. TKK (c) Ilkka Mellin (2005) 1

MAT Todennäköisyyslaskenta Tentti / Kimmo Vattulainen

Todennäköisyyslaskun kertaus. Heliövaara 1

Todennäköisyysjakaumia

Tilastomatematiikka TUDI

MS-A0503 Todennäköisyyslaskennan ja tilastotieteen peruskurssi

Ilkka Mellin Todennäköisyyslaskenta Osa 3: Todennäköisyysjakaumia Moniulotteisia todennäköisyysjakaumia

Verkot ja todennäköisyyslaskenta Verkko Verkko eli graafi muodostuu pisteiden joukosta V, särmien joukosta A ja insidenssikuvauksesta : A V V jossa

031021P Tilastomatematiikka (5 op) viikko 3

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

2. Jatkoa HT 4.5:teen ja edelliseen tehtavään: Määrää X:n kertymäfunktio F (x) ja laske sen avulla todennäköisyydet

Johdatus tn-laskentaan torstai

Jatkuvat satunnaismuuttujat

VALTIOTIETEELLINEN TIEDEKUNTA TILASTOTIETEEN VALINTAKOE Ratkaisut ja arvostelu

Testit järjestysasteikollisille muuttujille

Testit laatueroasteikollisille muuttujille

Moniulotteisia todennäköisyysjakaumia. Moniulotteisia todennäköisyysjakaumia. Moniulotteisia todennäköisyysjakaumia: Mitä opimme?

Diskreetit todennäköisyysjakaumat. Kertymäfunktio Odotusarvo Binomijakauma Poisson-jakauma

x 4 e 2x dx Γ(r) = x r 1 e x dx (1)

Talousmatematiikan perusteet: Luento 17. Integraalin sovelluksia kassavirta-analyysissa Integraalin sovelluksia todennäköisyyslaskennassa

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

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

Hypoteesin testaus Alkeet

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

Todennäköisyyslaskennan ja tilastotieteen peruskurssi Esimerkkikokoelma 3

Johdatus tilastotieteeseen Testit laatueroasteikollisille muuttujille. TKK (c) Ilkka Mellin (2004) 1

χ = Mat Sovellettu todennäköisyyslasku 11. harjoitukset/ratkaisut

Harjoitus 2: Matlab - Statistical Toolbox

7. laskuharjoituskierros, vko 10, ratkaisut

MS-A0501 Todennäköisyyslaskennan ja tilastotieteen peruskurssi

6. laskuharjoitusten vastaukset (viikot 10 11)

Gripenberg. MS-A0502 Todennäköisyyslaskennan ja tilastotieteen peruskurssi Tentti ja välikoeuusinta

Osa 2: Otokset, otosjakaumat ja estimointi

Lisätehtäviä ratkaisuineen luentomonisteen lukuihin 2-4 liittyen

Tilastotieteen kertaus. Vilkkumaa / Kuusinen 1

Mat Sovellettu todennäköisyyslasku A

031021P Tilastomatematiikka (5 op) kertausta 2. vk:een

Todennäköisyyden ominaisuuksia

Miten voidaan arvioida virheellisten komponenttien osuutta tuotannossa? Miten voidaan arvioida valmistajan kynttilöiden keskimääräistä palamisaikaa?

Osa 2: Otokset, otosjakaumat ja estimointi

Mat Sovellettu todennäköisyyslasku A

MS-A0501 Todennäköisyyslaskennan ja tilastotieteen peruskurssi

Olkoon R S otosavaruuksien R ja S karteesinen tulo: Satunnaismuuttujien X ja Y järjestetty pari (X, Y) määrittelee kaksiulotteisen satunnaismuuttujan:

Johdatus todennäköisyyslaskentaan Kertymäfunktio. TKK (c) Ilkka Mellin (2005) 1

Tilastotieteen kertaus. Kuusinen/Heliövaara 1

0 3 y4 dy = 3 y. 15x 2 ydx = 15. f Y (y) = 5y 4 1{0 y 1}.

MS-A0501 Todennäköisyyslaskennan ja tilastotieteen peruskurssi

tilastotieteen kertaus

Tilastollisen analyysin perusteet Luento 1: Lokaatio ja hajonta

MS-A0503 Todennäköisyyslaskennan ja tilastotieteen peruskurssi

Sovellettu todennäköisyyslaskenta B

Generoivat funktiot, Poisson- ja eksponenttijakaumat

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

Johdatus tilastotieteeseen Testit suhdeasteikollisille muuttujille. TKK (c) Ilkka Mellin (2004) 1

Transkriptio:

Mat-2.09 Sovellettu todennäköisyyslasku /Ratkaisut Aiheet: Jatkuvat jakaumat Avainsanat: Binomijakauma, Eksponenttijakauma, Jatkuva tasainen jakauma, Kertymäfunktio, Mediaani, Normaaliapproksimaatio, Normaalijakauma, Odotusarvo, Poisson-jakauma, Standardipoikkeama, Standardointi, Taulukot, Tiheysfunktio, Varianssi 5.. Sähkölampun elinikä X (yksikkönä 00 h) noudattaa jakaumaa, jonka tiheysfunktio on f(x) = c/x 2, kun x ja c on vakio. (a) Määrää vakion c arvo. (b) Millä todennäköisyydellä lamppu kestää yli 5000 h? (c) Mikä on lampun keskimääräinen elinikä? (d) Määrää lampun eliniän mediaani eli määrää aika x, jolla Pr(X x) = 0.5. (a) Vakio c saadaan määrätyksi ehdosta f ( xdx ) joka seuraa siitä, että varman tapahtuman todennäköisyys =. Siten josta 9 c dx = c c c 2 x x = = = c = /9 TKK/SAL @ Ilkka Mellin (2004) /

(b) Tapahtuman {Lampun elinikä X > 5000 h} todennäköisyys saadaan integroimalla satunnaismuuttujan X tiheysfunktio välillä [5, ]: Pr( X > 5) = f( x) dx 5 = dx = x 2 9 x 9 5 = = = 0. 9 5 90 9 5 (c) Lampun keskimääräinen elinikä on lampun eliniän X odotusarvo: E( X) = xf( x) dx = log( ) 9 x dx= dx x x 9 = x 9 [ ] 2 = ( log() log() ) = log() 2.558 9 9 Siten lampun keskimäääräinen elinikä on n. 2558 h. (d) Lampun eliniän mediaani saadaan ehdosta Pr( X x) = f( t) dt = dt = t 2 9 t 9 = 0.5 9 = x josta mediaanin arvoksi saadaan x = 20/.88 eli n. 88 h. x x x TKK/SAL @ Ilkka Mellin (2004) 2/

5.2. Eräässä maata kiertävällä radalla olevassa satelliitissa on ilmaisin, joka elinikä X (yksikkönä vuosi) noudattaa eksponenttijakaumaa parametrilla /2. (a) Mikä ilmaisimen keskimääräinen elinikä? (b) Määrää ilmaisimen eliniän mediaani eli määrää ikä x siten, että Pr(X x) = 0.5. (c) Määrää todennäköisyys, että ilmaisin kestää kauemmin kuin 2 vuotta. (d) Millä todennäköisyydellä ilmaisin toimii ainakin vielä yhden vuoden, jos se on toiminut jo vuoden? (e) Millä todennäköisyydellä ilmaisin toimii ainakin vielä yhden vuoden, jos se on toiminut jo kaksi vuotta? Tehtävässä satunnaismuuttuja X Exp(/2). Eksponenttijakauman tiheysfunktio on f(x) = λexp( λx), kun x 0 Tehtävän ratkaisussa on hyötyä seuraavasta aputuloksesta: Pr(X > x) = P(X x) = F(x) = exp( λx) jossa x F( x) = f( t) dt = exp( λx), kun x 0 0 on eksponenttijakauman kertymäfunktio (a) Keskimääräinen elinikä: E(X) = /λ = 2 vuotta (b) Aputuloksesta seuraa, että Pr(X > x) = 0.5 exp( λx) = 0.5 x = log(2)/λ.386 Siten satunnaismuuttujan X mediaani on n..386 vuotta. (c) Aputuloksesta seuraa, että Pr(X > 2) = exp( 2λ) = exp( ) 0.368 TKK/SAL @ Ilkka Mellin (2004) 3/

(d) ja (e) Aputuloksesta seuraa, että Pr(X > ) = exp( λ) = exp( /2) 0.607 Koska esponenttijakaumalla on ns. unohtamisominaisuus, saadaan kohdissa (d) ja (e) sama vastaus: Pr( Toimii ainakin vielä vuoden On toiminut jo a vuotta ) = Pr(X > a + X > a) = Pr(X > a + )/Pr(X > a) = exp( λ(a + ))/exp( λa) = exp( λ) 0.607 Tehtävissä 5.3. ja 5.4. harjoitellaan normaalijakauman taulukoiden käyttöä. 5.3. Olkoon satunnaismuuttuja Z N(0, ). (a) Määrää satunnaismuuttujan Z mediaani eli piste z siten, että Pr(Z z) = 0.5. (b) Määrää Pr(Z > ). (c) Määrää Pr(Z ). (d) Määrää z siten, että Pr(Z z) = 0.95. (e) Määrää z siten, että Pr(Z z) = 0.05. (f) Määrää Pr( Z 2). (g) Määrää z siten, että Pr( Z z) = 0.05. Olkoon satunnaismuuttuja X N(, 9). (h) Määrää Pr(X ). (i) Määrää x siten, että Pr(X x) = 0.05. (a) Pr(Z 0) = 0.5 (b) Pr(Z > ) = Pr(Z ) = 0.843 = 0.587 (c) Pr(Z ) = 0.587 = Pr(Z ) (d) Pr(Z z) = 0.95 z =.64 TKK/SAL @ Ilkka Mellin (2004) 4/

(e) Pr(Z z) = 0.05 Pr(Z z) = 0.95 z =.64 (f) Pr( Z 2) = Pr( 2 Z +2) = 2 Pr(Z +2) = 2 0.9772 = 0.9544 (g) Pr( Z z) = 0.05 2 Pr(Z z) = 0.05 Pr(Z z) = 0.025 Pr(Z z) = 0.975 z =.96 Olkoon satunnaismuuttuja X N(, 9), jolloin E(X) = µ = Var(X) = D 2 (X) = σ 2 = 9 D(X) = σ = 3 Tällöin standardoitu satunnaismuuttuja Z = (X µ)/σ = (X )/3 N(0, ) ja X = σ Z + µ = 3 Z + N(, 9) (h) Pr(X ) = Pr(Z ( )/3) = Pr(Z 2/3) = 0.254 = Pr(Z 2/3) (i) Koska Pr(Z z) = 0.05 Pr(Z z) = 0.95 z =.64 niin x = 3 z + = 5.92 TKK/SAL @ Ilkka Mellin (2004) 5/

5.4. Olkoon satunnaismuuttuja X N(, 4). (a) Määrää P(X = ). (b) Määrää satunnaismuuttujan X mediaani eli x siten, että Pr(X x) = 0.5. (c) Määrää Pr(X 3). (d) Määrää x siten, että Pr(X x) = 0.99. (e) Määrää x siten, että Pr(X x) = 0.0. (f) Määrää satunnaismuuttujan X odotusarvoon µ nähden symmetriset pisteet µ x ja µ + x niin, että niiden ulkopuolelle jää todennäköisyysmassasta 5%. Olkoon satunnaismuuttuja X N(, 4), jolloin E(X) = µ = Var(X) = D 2 (X) = σ 2 = 4 D(X) = σ = 2 Tällöin standardoitu satunnaismuuttuja ja Z = (X µ)/σ = (X + )/2 N(0, ) X = σ Z + µ = 2 Z N(, 4) (a) Pr(X = ) = 0 (b) Pr(X ) = 0.5 (c) Pr(X 3) = Pr(Z ( 3 + )/2) = Pr(Z ) = 0.587 = Pr(Z ) (d) Pr(Z z) = 0.99 z = 2.33 x = 2 (2.33) = 3.66 (e) Pr(Z z) = 0.0 z = 2.33 x = 2 ( 2.33) = 5.66 TKK/SAL @ Ilkka Mellin (2004) 6/

(f) Pr( Z z) = 0.05 2 Pr(Z z) = 0.05 Pr(Z z) = 0.025 Pr(Z z) = 0.975 z =.96 Siten µ + x = + 2.96 = 2.92 µ x = 2.96 = 4.92 5.5. Heität virheetöntä noppaa 2000 kertaa. (a) Mikä on odotettavissa oleva kuutosten lukumäärä? (b) Mikä on todennäköisyys, että kuutosten lukumäärä on suljetulla välillä [960, 2080]? Ohje: Käytä (b)-kohdassa sopivaa normaalijakauma-approksimaatiota. (a) Kuutosten lukumäärä X nopanheitossa noudattaa binomijakaumaa Bin(n, p), jossa n = 2000 ja p = /6. Siten odotettavissa oleva kuutosten lukumäärä on E(X) = np = 2000 (b) Keskeisen raja-arvolauseen mukaan satunnaismuuttuja X E( X) Z = D( X ) a N(0,) jossa E(X) = np = 2000 D 2 (X) = Var(X) = np( p) = 666.67 D(X) = 40.82 Lasketaan Pr(960 X 2080) = Pr((960 2000)/40.82 Z (2080 2000)/40.82) = Pr( 0.98 Z.96) = Pr(Z.96) Pr(Z 0.98) = 0.9750 0.635 = 0.85 TKK/SAL @ Ilkka Mellin (2004) 7/

5.6. Radioaktiivisten aineiden säteilyä mitataan Geiger-putkella. Mittaus tapahtuu rekisteröimällä impulssien lukumäärä 60 sekunnin aikana. Oletetaan, että impulssien lukumäärä noudattaa Poisson-jakaumaa, jossa tapahtumaintensiteetti on 0 impulssia/s. (a) Mikä on odotettavissa oleva impulssien lukumäärä minuutin aikana? (b) Mikä on keskimääräinen odotusaika ensimmäiselle impulssille? (c) Mikä on todennäköisyys, että impulsseja tulee minuutissa korkeintaan 60? Ohje: Käytä (c)-kohdassa sopivaa normaalijakauma-approksimaatiota. Impulssien lukumäärä X yhden minuutin aikana noudattaa Poisson-jakaumaa Poisson(λt), jossa λ = 0 ja t = 60 s. Siten Poisson-jakauman parametri λt = 0 60 = 6000. (a) Odotettavissa oleva impulssien lukumäärä on E(X) = λt = 0 60 = 6000 (b) Jos Poisson-jakauman tapahtumaintensiteetti on λ, niin. impulssin odotusaika Y Exp(λ) Siten keskimääräinen odotusaika ensimmäiselle impulssille on E(Y) = /λ = /0 = 0.0 s (c) Keskeisen raja-arvolauseen mukaan satunnaismuuttuja X E( X) Z = D( X ) a N(0,) jossa E(X) = λ = 6000 D 2 (X) = Var(X) = λ = 6000 D(X) = 77.46 Lasketaan siis Pr(X 60) = Pr(Z (60 6000)/77.46) = Pr(Z.29) = 0.905 TKK/SAL @ Ilkka Mellin (2004) 8/

5.7. Oletetaan, että n:n elektronisen komponentin eliniät Z, Z 2,, Z n ovat riippumattomia ja, että ne noudattavat eksponenttijakaumaa parametrilla λ. Määrää sellaisen systeemin eliniän jakauma ja keskimääräinen elinikä, jossa komponentit on kytketty (a) Sarjaan (b) Rinnan. (a) Olkoon Z () sarjaan kytketyn systeemin elinikä. Huomaa, että Z () = min{z, Z 2,, Z n } koska systeemi toimii, kunnes. komponentti vikaantuu. Siten F () (z) = P(Z () z) = P(Z () > z) = P(Z > z ja Z 2 > z ja ja Z n > z) = P(Z > z)p(z 2 > z) P(Z n > z) = ( F(z)) n Koska F i (z) = exp( λz) niin F () (z) = exp( λnz). Siten sarjaan kytketyn systeemin elinikä noudattaa exponenttijakaumaa parametrilla nλ. Erityisesti: E(Z i ) = /λ E(Z () ) = /(nλ) (b) Olkoon Z (n) rinnan kytketyn systeemin elinikä. Huomaa, että Z (n) = max{z, Z 2,, Z n } koska systeemi toimii, kunnes n. komponentti vikaantuu. Siten F (n) (z) = P(Z (n) z) = P(Z z ja Z 2 z ja ja Z n z) = P(Z z)p(z 2 z) P(Z n z) = F(z) n ja F (n) (z) = ( exp( λz)) n TKK/SAL @ Ilkka Mellin (2004) 9/

Erityisesti: E(Z i ) = /λ ja E( Z( n) ) = ( + + + ) λ 2 n mikä saadaan rekursiosta E n = + E nλ jossa E n = E(Z (n) ) n Huomautuksia tehtävään 5.7: (i) (a)-kohdassa on johdettu yleinen lauseke samaa jakaumaa noudattavien riippumattomien satunnaismuuttujien minimin jaukaumalle. (ii) (b)-kohdassa on johdettu yleinen lauseke samaa jakaumaa noudattavien riippumattomien satunnaismuuttujien maksimin jaukaumalle. TKK/SAL @ Ilkka Mellin (2004) /