5. laskuharjoituskierros, vko 8, ratkaisut

Samankaltaiset tiedostot
Mat Sovellettu todennäköisyyslasku 5. harjoitukset/ratkaisut. Jatkuvat jakaumat

3. laskuharjoituskierros, vko 6, ratkaisut

Sovellettu todennäköisyyslaskenta B

4.1. Olkoon X mielivaltainen positiivinen satunnaismuuttuja, jonka odotusarvo on

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

Todennäköisyyslaskun kertaus. Heliövaara 1

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

Ilkka Mellin Todennäköisyyslaskenta Osa 3: Todennäköisyysjakaumia Jatkuvia jakaumia

Lisää Diskreettejä jakaumia Lisää Jatkuvia jakaumia Normaalijakaumasta johdettuja jakaumia

MAT Todennäköisyyslaskenta Tentti / Kimmo Vattulainen

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

D ( ) E( ) E( ) 2.917

4. laskuharjoituskierros, vko 7, ratkaisut

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

MAT Todennäköisyyslaskenta Tentti / Kimmo Vattulainen

Todennäköisyyslaskun kertaus. Vilkkumaa / Kuusinen 1

Harjoitus 2: Matlab - Statistical Toolbox

MAT Todennäköisyyslaskenta Tentti / Kimmo Vattulainen

Mat Sovellettu todennäköisyyslasku A

Mat Sovellettu todennäköisyyslasku A

Mat Sovellettu todennäköisyyslasku A

MS-A0501 Todennäköisyyslaskennan ja tilastotieteen peruskurssi

Sovellettu todennäköisyyslaskenta B

Ilkka Mellin (2008) 1/5

JATKUVAT JAKAUMAT Laplace-muunnos (Laplace-Stieltjes-muunnos)

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

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

Mat Sovellettu todennäköisyyslasku A. Moniulotteiset jakaumat. Avainsanat:

Mat Sovellettu todennäköisyyslaskenta B

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

Satunnaismuuttujat ja todennäköisyysjakaumat Kertymäfunktio

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

Tilastollinen testaus. Vilkkumaa / Kuusinen 1

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

ABHELSINKI UNIVERSITY OF TECHNOLOGY

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

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

Suotuisien tapahtumien lukumäärä Kaikki alkeistapahtumien lukumäärä

Poisson-prosessien ominaisuuksia ja esimerkkilaskuja

8. laskuharjoituskierros, vko 11, ratkaisut

Todennäköisyysjakaumia

Sovellettu todennäköisyyslaskenta B

Kohdassa on käytetty eksponentiaalijakauman kertymäfunktiota (P(t > T τ ) = 1 P(t T τ ). λe λτ e λ(t τ) e 3λT dτ.

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

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

Satunnaismuuttujien muunnokset ja niiden jakaumat

Moniulotteisia todennäköisyysjakaumia

Todennäköisyyslaskenta sivuaineopiskelijoille

Väliestimointi (jatkoa) Heliövaara 1

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

11. laskuharjoituskierros, vko 15, ratkaisut

χ = Mat Sovellettu todennäköisyyslasku 11. harjoitukset/ratkaisut

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,

Todennäköisyyden ominaisuuksia

Johda jakauman momenttiemäfunktio ja sen avulla jakauman odotusarvo ja varianssi.

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

Ilkka Mellin Todennäköisyyslaskenta Osa 3: Todennäköisyysjakaumia Moniulotteisia todennäköisyysjakaumia

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

Tilastotieteen kertaus. Vilkkumaa / Kuusinen 1

Todennäköisyyslaskennan ja tilastotieteen peruskurssi Esimerkkikokoelma 3

Diskreetit todennäköisyysjakaumat. Kertymäfunktio Odotusarvo Binomijakauma Poisson-jakauma

Käytetään satunnaismuuttujaa samoin kuin tilastotieteen puolella:

9. laskuharjoituskierros, vko 12-13, ratkaisut

Sovellettu todennäköisyyslaskenta B

Sovellettu todennäköisyyslaskenta B

Tilastollinen päättely II, kevät 2017 Harjoitus 1A

Tilastomatematiikka Kevät 2008

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

Lisätehtäviä ratkaisuineen luentomonisteen lukuihin 2-4 liittyen

Tilastollinen aineisto Luottamusväli

MS-A0502 Todennäköisyyslaskennan ja tilastotieteen peruskurssi Luennot, osa I

MS-A0502 Todennäköisyyslaskennan ja tilastotieteen peruskurssi Luennot, osa I

MS-A0502 Todennäköisyyslaskennan ja tilastotieteen peruskurssi

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

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

MS-A0502 Todennäköisyyslaskennan ja tilastotieteen peruskurssi

MS-A0501 Todennäköisyyslaskennan ja tilastotieteen peruskurssi

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

Sovellettu todennäköisyyslaskenta B

MS-A0503 Todennäköisyyslaskennan ja tilastotieteen peruskurssi

Sovellettu todennäköisyyslaskenta B

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

Sovellettu todennäköisyyslaskenta B

Sovellettu todennäköisyyslaskenta B

Harjoitus 8: Monte-Carlo simulointi (Matlab)

PURSKETASON TARKASTELUT Ylivuototodennäköisyys puskurittomassa systeemissä

Moniulotteiset satunnaismuuttujat ja jakaumat

031021P Tilastomatematiikka (5 op) viikko 3

6. laskuharjoitusten vastaukset (viikot 10 11)

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

Harjoitus 8: Monte-Carlo simulointi (Matlab)

χ 2 -yhteensopivuustestissä käytetään χ 2 -testisuuretta χ = Mat Sovellettu todennäköisyyslasku A

Sovellettu todennäköisyyslaskenta B

Satunnaismuuttujien summa ja keskiarvo

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

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

VALTIOTIETEELLINEN TIEDEKUNTA TILASTOTIETEEN VALINTAKOE Ratkaisut ja arvostelu < X 170

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

Transkriptio:

Mat-.09 Sovellettu todennäköisyyslasku, kevät -05 5. laskuharjoituskierros, vko 8, ratkaisut D. Eräässä maata kiertävällä radalla olevassa satelliitissa on ilmaisin, jonka elinikä X yksikkönä vuosi noudattaa eksponenttijakaumaa parametrilla /. a Mikä on ilmaisimen keskimääräinen elinikä? b Määrää ilmaisimen eliniän mediaani eli määrää ikä x siten, että PrX x = 0.5. c Määrää todennäköisyys, että ilmaisin kestää kauemmin kuin vuotta. d Millä todennäköisyydellä ilmaisin toimii ainakin vielä yhden vuoden, jos se on toiminut jo e vuoden? Millä todennäköisyydellä ilmaisin toimii ainakin vielä yhden vuoden, jos se on toiminut jo kaksi vuotta? X Exp0.5. Tiheysfunktio: Aputulos: fx = λe λx, x 0 PrX > x = PrX x = Fx = x 0 ftdt = e λx, x 0 a Keskimääräinen elinikä: EX = λ = vuotta b Aputulosta hyväksi käyttäen: PrX > x = 0.5 e λx = 0.5 x = ln0.5 λ Eli satunnaismuuttujan X mediaani on n.86 vuotta. c Aputulosta hyväksi käyttäen: d ja e Aputulosta hyväksi käyttäen: PrX > = e λ = e 0.68 PrX > = e λ = e 0.5 0.607.86 Koska eksponenttijakaumalla on unohtamisominaisuus, saadaan kohdissa d ja e sama vastaus: Pr Toimii ainakin vielä vuoden On toiminut jo a vuotta = PrX > a + X > a = PrX > a + PrX > a = e λa+ e λa = e λ = e 0.5 0.607

Mat-.09 Sovellettu todennäköisyyslasku, kevät -05 D. Olkoon satunnaismuuttuja Z N0,. a Määrää satunnaismuuttujan Z mediaani eli piste z siten, että PrZ z = 0.5. b Määrää PrZ >. c Määrää PrZ. d Määrää z siten, että PrZ z = 0.95. e Määrää z siten, että PrZ z = 0.05. f Määrää Pr Z. g Määrää z siten, että Pr Z z = 0.05. Olkoon satunnaismuuttuja X N, 9. h Määrää PrX. i Määrää x siten, että PrX x = 0.05. Tässä tehtävässä harjoitellaan normaalijakauman taulukoiden käyttöä. Mallikuvan piirtäminen helpottaa ajattelua. a PrZ 0 = 0.5 eli z = 0 b PrZ > = PrZ = 0.84 = 0.587 c PrZ = 0.587 = PrZ d PrZ z = 0.95 z =.64 e PrZ z = 0.05 PrZ z = 0.95 z =.64 f Pr Z = Pr Z = PrZ = 0.977 = 0.9544 g Pr Z z = 0.05 PrZ z = 0.05 PrZ z = 0.05 PrZ z = 0.975 z =.96 Nyt pätee seuraavaa kts. standardointi kaavakokoelmasta: Z = X µ = X N0, σ X = σz + µ = Z + N, 9 h PrX = Pr Z = Pr Z = 0.54 = Pr Z i PrZ z = 0.05 PrZ z = 0.95 z =.64 x = z + = 5.9 D. Heität virheetöntä noppaa 000 kertaa. a Mikä on odotettavissa oleva kuutosten lukumäärä? b Mikä on todennäköisyys, että kuutosten lukumäärä on suljetulla välillä 960, 080]? Käytä b -kohdassa sopivaa normaalijakauma-approksimaatiota.

Mat-.09 Sovellettu todennäköisyyslasku, kevät -05 a Kuutosten määrä heitossa X Bin000, /6, joten odotettavissa olevien kuutosten lukumäärä: EX = np = 000 b Keskeisen raja-arvolauseen mukaan satunnaismuuttuja Z = X EX DX a N0, jossa nyt EX = np = 000 ja D X = npq = np p 666.67 ja DX 40.8. Lasketaan tulos normaalijauman avulla: 960 000 080 000 Pr960 X 080 Pr Z 40.8 40.8 = Pr 0.98 Z.96 = Pr.96 Z Pr 0.98 Z = 0.9750 0.65 = 0.85 P4. Sähkölampun elinikä X yksikkönä 000 h noudattaaa jakauma, jonka tiheysfunktio on { c fx = x, x 0 0, muulloin p. ja c on vakio. a Määrää vakion c arvo. b Millä todennäköisyydellä lamppu kestää 6000-8000h? c Mikä on lampun keskimääräinen elinikä? d Määrää lampun eliniän mediaani eli määrää ikä x, jolle PrX x = 0.5. a Vakio c voidaan määrätä ehdosta fxdx Siten 0 fxdx = c x dx = c ] 0 = c = 9 x 0 0 c = c = 0 9 b Pr6 < X < 8 = 8 6 fxdx = 0 8 0 dx = ] 8 9 6 x 9 x = 0 6 9 6 = 5 8 8 0.09

Mat-.09 Sovellettu todennäköisyyslasku, kevät -05 c EX = xfxdx = 0 0 9 x 0 ] 0 dx = lnx 9 = 0 ln0 ln 9.577 eli lampun keskimääräinen kestoikä on noin 577 tuntia. d Lampun eliniän mediaani saadaan ehdosta PrX x = x fxdx = 0 x 9 Näin ollen x = 0/ 0.95 eli noin 95 tuntia. 0 dx = ] x x 9 x = 0 = 0.5 9 x P5. Olkoon satunnaismuuttuja X N,. a Määrää PrX =. b Määrää satunnaismuuttujan X mediaani eli piste x siten, että PrX x = 0.5. c Määrää PrX 0. d Määrää x siten, että PrX x = 0.99. e Määrää x siten, että PrX x = 0.0. f Määrää satunnaismuuttujan X odotusarvoon µ nähden symmetriset pisteet µ x ja µ + x niin, että niiden ulkopuolelle jää todennäköisyysmassasta 5 %. p. Nyt pätee seuraavaa kts. standardointi kaavakokoelmasta: a PrX = = 0 jatkuva jakauma Z = X µ σ = X N0, X = σz + µ = Z + N, b PrX = 0.5 jakauman symmetrisyys c PrX 0 = PrZ / = PrZ. = 0.070 d PrZ z = 0.99 z =. x =. + 6.0 e PrZ z = 0.0 z =. x =. + 0.0 f Pr Z z = 0.05 PrZ z = 0.05 PrZ z = 0.05 PrZ z = 0.975 z =.96 Näin ollen µ + x = +.96 = 5.77 µ x =.96 = 0.

Mat-.09 Sovellettu todennäköisyyslasku, kevät -05 P6. Radioaktiivisten aineiden säteilyä mitataan Geiger -putkella. Mittaus tapahtuu rekisteröimällä impulssien lukumäärä 60 sekunnin aikana. Oletetaan, että impulssien lukumäärä noudattaa Poisson -jakumaa, jossa tapahtumaintesiteetti on 90 impulssia/s. a Mikä on odotettavissa oleva impulssien lukumäärä kahden minuutin aikana? b Mikä on keskimääräinen odotusaika ensimmäiselle impulssille? c Mikä on todennäköisyys, että impulsseja tulee minuutissa korkeintaan 500? Ohje: Käytä c -kohdassa sopivaa normaalijakauma-approksimaatiota. p. Nyt X Poissonλt, missä λ = 90/s ja t = 60s eli X Poisson5400. a EX = λ t = 90 0 = 0800 b Jos Poisson -jakauman tapahtumaintensiteetti on λ, niin. impulssin odotusaika Y Expλ. Siten keskimääräinen odotusaika ensimmäiselle impulssille on EY = λ = 90 0.0s c Keskeisen raja-arvolauseen mukaan satunnaismuuttuja Z = X EX DX a N0, jossa nyt EX = λt = 5400 ja D X = λt = 5400 ja D X 7.4. Lasketaan tulos normaalijauman avulla: PrX 500 = Pr Z 500 5400 5400 = PrZ.7 0.00