MAT Todennäköisyyslaskenta Tentti / Kimmo Vattulainen

Samankaltaiset tiedostot
MAT Todennäköisyyslaskenta Tentti / Kimmo Vattulainen

MAT Todennäköisyyslaskenta Tentti / Kimmo Vattulainen

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

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

Ilkka Mellin (2008) 1/5

Sovellettu todennäköisyyslaskenta B

Käytetään satunnaismuuttujaa samoin kuin tilastotieteen puolella:

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

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

4.1. Olkoon X mielivaltainen positiivinen satunnaismuuttuja, jonka odotusarvo on

Diskreetin satunnaismuuttujan odotusarvo, keskihajonta ja varianssi

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

Varma tapahtuma, Yhdiste, Yhdistetty tapahtuma, Yhteenlaskusääntö

Tilastollinen testaus. Vilkkumaa / Kuusinen 1

5. laskuharjoituskierros, vko 8, ratkaisut

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

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

30A02000 Tilastotieteen perusteet

4. laskuharjoituskierros, vko 7, ratkaisut

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

Juuri 10 Tehtävien ratkaisut Kustannusosakeyhtiö Otava päivitetty

Moniulotteiset satunnaismuuttujat ja jakaumat

Mat Sovellettu todennäköisyyslasku A

Väliestimointi (jatkoa) Heliövaara 1

D ( ) E( ) E( ) 2.917

MS-A0501 Todennäköisyyslaskennan ja tilastotieteen peruskurssi

Todennäköisyyslaskun kertaus. Vilkkumaa / Kuusinen 1

TODENNÄKÖISYYSLASKUN KERTAUS Peruskäsitteitä

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

Sovellettu todennäköisyyslaskenta B

Moniulotteiset satunnaismuuttujat ja todennäköisyysjakaumat. Moniulotteiset satunnaismuuttujat ja todennäköisyysjakaumat

Johdatus tn-laskentaan perjantai

Todennäköisyysjakaumia

VALTIOTIETEELLINEN TIEDEKUNTA TILASTOTIETEEN VALINTAKOE Ratkaisut ja arvostelu < X 170

MS-A0502 Todennäköisyyslaskennan ja tilastotieteen peruskurssi

Otosavaruus ja todennäköisyys Otosavaruus Ë on joukko, jonka alkiot ovat kokeen tulokset Tapahtuma on otosavaruuden osajoukko

Jos nyt on saatu havaintoarvot Ü ½ Ü Ò niin suurimman uskottavuuden

Todennäköisyyslaskennan ja tilastotieteen peruskurssi Esimerkkikokoelma 3

Lisätehtäviä ratkaisuineen luentomonisteen lukuihin 2-4 liittyen

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

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

Sovellettu todennäköisyyslaskenta B

c) A = pariton, B = ainakin 4. Nyt = silmäluku on5 Koska esim. P( P(A) P(B) =, eivät tapahtumat A ja B ole riippumattomia.

3. laskuharjoituskierros, vko 6, ratkaisut

ABHELSINKI UNIVERSITY OF TECHNOLOGY

(b) Onko hyvä idea laske pinta-alan odotusarvo lähetmällä oletuksesta, että keppi katkeaa katkaisukohdan odotusarvon kohdalla?

MS-A0503 Todennäköisyyslaskennan ja tilastotieteen peruskurssi

Mat Sovellettu todennäköisyyslasku A

MS-A0501 Todennäköisyyslaskennan ja tilastotieteen peruskurssi

Mat Sovellettu todennäköisyyslasku A. Moniulotteiset jakaumat. Avainsanat:

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

MTTTA1 Tilastomenetelmien perusteet 5 op Luento Kokonaisuudet johon opintojakso kuuluu

Luento KERTAUSTA Kaksiulotteinen jakauma Pisteparvi, Toyota Avensis -farmariautoja

H0: otos peräisin normaalijakaumasta H0: otos peräisin tasajakaumasta

11. laskuharjoituskierros, vko 15, ratkaisut

MS-A0501 Todennäköisyyslaskennan ja tilastotieteen peruskurssi

Johdatus tn-laskentaan torstai

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

Tilastomatematiikka Kevät 2008

Tilastotieteen kertaus. Vilkkumaa / Kuusinen 1

6. laskuharjoitusten vastaukset (viikot 10 11)

MTTTA1 Tilastomenetelmien perusteet 5 op Luento , osa 1. 1 Kokonaisuudet johon opintojakso kuuluu

1. laskuharjoituskierros, vko 4, ratkaisut

Sovellettu todennäköisyyslaskenta B

Tilastollisia peruskäsitteitä ja Monte Carlo

MS-A0503 Todennäköisyyslaskennan ja tilastotieteen peruskurssi

dx=5&uilang=fi&lang=fi&lvv=2014

Sovellettu todennäköisyyslaskenta B

χ = Mat Sovellettu todennäköisyyslasku 11. harjoitukset/ratkaisut

Sovellettu todennäköisyyslaskenta B

Satunnaismuuttujat ja todennäköisyysjakaumat Kertymäfunktio

Sovellettu todennäköisyyslaskenta B

&idx=2&uilang=fi&lang=fi&lvv=2015

dx=2&uilang=fi&lang=fi&lvv=2015

Sovellettu todennäköisyyslaskenta B

4.0.2 Kuinka hyvä ennuste on?

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

Inversio-ongelmien laskennallinen peruskurssi Luento 7

Mat Sovellettu todennäköisyyslasku A

Miten hyvin mallit kuvaavat todellisuutta? Tarvitaan havaintoja.

ABHELSINKI UNIVERSITY OF TECHNOLOGY

MS-A0501 Todennäköisyyslaskennan ja tilastotieteen peruskurssi

ABHELSINKI UNIVERSITY OF TECHNOLOGY

Lisää Diskreettejä jakaumia Lisää Jatkuvia jakaumia Normaalijakaumasta johdettuja jakaumia

(x, y) 2. heiton tulos y

Mat Sovellettu todennäköisyyslasku. Aiheet: Todennäköisyyslaskennan peruskäsitteet Todennäköisyyslaskennan peruslaskusäännöt Avainsanat:

Harjoitus 2: Matlab - Statistical Toolbox

Mat Sovellettu todennäköisyyslasku A

/1. MTTTP5, luento Normaalijakauma (jatkuu) Binomijakaumaa voidaan approksimoida normaalijakaumalla

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

x 4 e 2x dx Γ(r) = x r 1 e x dx (1)

Ilkka Mellin Todennäköisyyslaskenta Osa 3: Todennäköisyysjakaumia Moniulotteisia todennäköisyysjakaumia

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

Sallitut apuvälineet: kirjoitusvälineet, laskin sekä käsinkirjoitettu, A4-kokoinen lunttilappu ja MAOL taulukkokirjaa

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

&idx=2&uilang=fi&lang=fi&lvv=2015

Tilaston esittäminen frekvenssitaulukossa ja graafisesti. Keskiluvut luokittelemattomalle ja luokitellulle aineistolle: moodi, mediaani, keskiarvo.

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

Todennäköisyyslaskun kertaus. Heliövaara 1

/1. MTTTP5, luento Normaalijakauma (jatkuu) Binomijakaumaa voidaan approksimoida normaalijakaumalla

Transkriptio:

MAT-5 Todennäköisyyslaskenta Tentti.. / Kimmo Vattulainen Vastaa jokainen tehtävä eri paperille. Funktiolaskin sallittu.. a) P A). ja P A B).6. Mitä on P A B), kun A ja B ovat riippumattomia b) Satunnaismuuttujan odotusarvo EX) ja mediaani M dx) ovat jakauman keskikohtaa kuvaavia tunnuslukuja. Jatkuvan satunnaismuuttujan X mediaani on luku, joka toteuttaa ehdon P X MdX)) eli mediaani jakaa otosavaruuden kahteen, todennäköisyydeltään yhtäsuureen osaan. Laske jatkuvan satunnaismuuttujan X odotusarvo ja mediaani, kun tiheysfunktio ja otosavaruus ovat fx) x, x Ω [, ] 9. On kolme kirjekuorta, joissa yhdessä on euroa ja kaksi muuta ovat tyhjiä. Henkilöt A ja B yrittävät arvata rahakuoren ja molemmilla on kolme arvausta. A pelaa varman päälle ja valitsee jokaisen kuoren yhden kerran. B puolestaan tekee arvaukset toisistaan riippumattomasti, jolloin hän valitsee yhden kuoren kertaa. Laske molempien henkilöiden saaman rahasumman odotusarvo, kun raha euroa jaetaan oikeiden arvausten lukumäärien suhteessa.. Talossa on järjestelmä, joka asukkaiden poissa ollessa sytyttää ja sammuttaa valot satunnaisesti kerran tunnissa. Olkoon X aika, jolloin valot sytytetään ja Y aika, jolloin ne sammutetaan yksikkönä tunti). Ajat lasketaan joka tunnin alusta. Systeemi on suunniteltu niin, että X, Y ) noudattaa jakaumaa, jonka tiheysfunktio on fx, y) 8xy, < x < y < Laske ehdollinen todennäköisyys, että valot sammuvat vasta viimeisen 5 minuutin aikana, jos ne palavat vähintään puoli tuntia?. Noppaa on heitetty kertaa ja tulosten summaksi on saatu 8. Onko noppa kunnollinen siinä mielessä, että se antaa keskimäärin oikeita tuloksia? Tutki asiaa keskeisen raja-arvolauseen avulla, kuinka harvinainen tulos 8 tai sitä suurempi arvo on? Käytä 5%:n merkitsevyystasoa.

MAT-5 Todennäköisyyslaskenta.. Tehtävien ratkaisut.a) Kun A ja B ovat riippumattomia, niin P A B) P A)P B). Yhteenlaskusäännöstä saadaan P A B) P A) + P B) P A B) P A) + P B) P A)P B) josta voidaan ratkaista P B) P A B) P A) P A).6... Kun A ja B ovat riippumattomia, niin myös A ja B ovat riippumattomia esim.6. s. 5) ja P A B) P A)P B)..).7 b) EX) ja P X MdX)) eli x x 9 dx / x 6 8 6 9.5 Md x 9 dx / Md x 7 Md 7 MdX) 7.8

. Henkilö A arvaa siis oikean kuoren täsmälleen yhden kerran. Henkilöllä B voi olla oikeita arvauksia,, tai kertaa ja tällöin hänen voitto-osuutensa on vastaavasti, /, / ja /, koska henkilöllä A on aina oikea arvaus. Kun X "henkilön B oikeiden arvausten lukumäärä ", niin X Bin, /). Seuraavassa taulukoidaan henkilön B oikeiden vastausten todennäköisyydet ja saatu rahamäärä tällöin X Todennäköisyys Rahamäärä ) ) ) 8 7 ) ) ) 9 6 ) ) ) 9 8 ) ) ) 7 9 Henkilön B rahamäärän odotusarvo on siis 8 7 + 9 6 + 9 8 + 9 + 6.67 + 7.78 +. 7.78 7 ja koska henkilö A varmasti arvaa oikein ja rahamäärä siis aina jaetaan, niin henkilön A rahamäärän odotusarvo on siis 7.78 7. e.

. Merkitään tapahtumaa A valot sammuvat vasta viimeisen 5 minuutin aikana Y > ja B valot palavat vähintään puoli tuntia Y X >. Nyt kysytty todennäköisyys saadaan ehdollisen todennäköisyyden määritelmän mukaan P A B) P Y > Y X > ) P ) Y > ja Y X > P ) Y X > Lasketaan erikseen osoittaja ja nimittäjä. Osoittajan todennäköisyys on P Y > ja Y X > ) ja nimittäjän todennäköisyys on P Y X > ) x+ ja kysytty todennäköisyys on siis y 8xy dxdy y y + y dy / y / x y dy y y + y 56 6 + 6 768.5 8xy dydx x x + x dx / x+ / xy dx 6 8 + 7 8.58 x x + x dx x x x + dx ) P A B) 768 7 8.9

. Kun X i Nopanheiton i tulos, niin X i Tasd, 6) ja fx i ) 6, x i Ω {,,,, 5, 6}. Nyt EX i ) 6 + + + + 5 + 6) 7 ja ja edelleen EX i ) 6 + + + + 5 + 6 ) 9 6 VarX i ) 9 6 ) 7 5 Silmälukujen summa heitossa S on keskeisen raja-arvolauseen perusteella normaalisti jakautunut S i X i. N 7 5, ) N5, 7.78 ) Tutkitaan nolla-hypoteesia H : µ 5 ja valitaan vaihtoehtoiseksi hypoteesiksi H : µ > 5. Koska nyt diskreetti satunnaismuuttuja S korvataan jatkuvalla satunnaismuuttujalla, tehdään jatkuvuuskorjaus eli lasketaan todennäköisyys P S 79.5) P S 5 7.78 } {{ } N,) P Z.77) Φ.7)).958. 79.5 5 7.78 Tämä saatu todennäköisyys. <.5, joka oli testin merkitsevyystaso. Näin nollahypoteesi hylätään ja noppa ei ole kunnollinen, vaan se antaa keskimääräistä suurempia silmälukuja.