OefenDeeltentamen 2 Kansrekening 2011/ Beschouw een continue stochast X met kansdichtheidsfunctie cx 4, 0 x 1 f X (x) = f(x) = 0, anders.

Vergelijkbare documenten
UitwerkingenOefenQuiz Kansrekening 2009

Het tentamen heeft 25 onderdelen. Met ieder onderdeel kan maximaal 2 punten verdiend worden.

uitwerkingen OefenTentamen kansrekening 2007

Set 3 Inleveropgaven Kansrekening (2WS20) Opgaven met sterretjes zijn lastiger dan opgaven zonder sterretje.

TECHNISCHE UNIVERSITEIT EINDHOVEN. Faculteit Wiskunde en Informatica

TECHNISCHE UNIVERSITEIT EINDHOVEN Faculteit Wiskunde en Informatica

TECHNISCHE UNIVERSITEIT EINDHOVEN. Faculteit Wiskunde en Informatica

Tentamen Inleiding Kansrekening 25 juni 2009, uur Docent: F. den Hollander

Tentamen Kansrekening en Statistiek (2WS04), woensdag 30 juni 2010, van uur.

TECHNISCHE UNIVERSITEIT EINDHOVEN. Faculteit Wiskunde en Informatica

Cursus Statistiek Hoofdstuk 4. Statistiek voor Informatica Hoofdstuk 4: Verwachtingen. Definitie (Verwachting van discrete stochast) Voorbeeld (1)

Tentamen Voortgezette Kansrekening (WB006C)

Set 2 Inleveropgaven Kansrekening (2WS20)

TECHNISCHE UNIVERSITEIT EINDHOVEN Faculteit Wiskunde en Informatica

Tentamen Inleiding Kansrekening 11 augustus 2011, uur

Kansrekening en statistiek wi2105in deel I 29 januari 2010, uur

Kansrekening en stochastische processen 2DE18

Kansrekening en stochastische processen 2DE18

Uitwerking Tentamen Inleiding Kansrekening 11 juni 2015, uur Docent: Prof. dr. F. den Hollander

Vrije Universiteit 28 mei Gebruik van een (niet-grafische) rekenmachine is toegestaan.

Kansrekening en stochastische processen 2S610

Tentamen Inleiding Kansrekening 12 augustus 2010, uur Docent: F. den Hollander

Gezamenlijke kansverdeling van twee stochasten

Tentamen Inleiding Kansrekening wi juni 2010, uur

Kansrekening en statistiek WI2105IN deel I 4 november 2011, uur

Tentamen Kansrekening en statistiek wi2105in 25 juni 2007, uur

Deze week: Verdelingsfuncties. Statistiek voor Informatica Hoofdstuk 5: Verdelingsfuncties. Bernoulli verdeling. Bernoulli verdeling.

b) Uit Bayes volgt, gebruik makend van onderdeel a) P (T V )P (V ) P (T ) = (0.09)(0.07)

Tentamen Kansrekening (NB004B)

Radboud Universiteit Nijmegen Heyendaalse weg 135

Tentamen Kansrekening en Statistiek (2WS04), dinsdag 17 juni 2008, van uur.

Tentamen Statistische methoden MST-STM 8 april 2010, 9:00 12:00

Wiskundige Analyse II

module SC 12 Inleiding Risicotheorie donderdag 7 november uur

Wiskundige Analyse II

Zo geldt voor o.o. continue s.v.-en en X en Y dat de kansdichtheid van X + Y gegeven wordt door

Voorbehouden voor de correctoren Vraag 1 Vraag 2 Vraag 3 Vraag 4 Vraag 5 Totaal. Toets Kansrekenen I. 28 maart 2014

Tentamen Kansrekening en Statistiek MST 14 januari 2016, uur

= P(B) = 2P(C), P(A B) = 1 2 en P(A C) = 2 5. d. 31

Tentamen Statistische methoden MST-STM 1 juli 2010, 9:00 12:00

Formules uit de cursus Waarschijnlijkheidsrekenen en statistiek

TECHNISCHE UNIVERSITEIT EINDHOVEN Faculteit Wiskunde en Informatica

Tentamen Mathematische Statistiek (2WS05), dinsdag 3 november 2009, van uur.

Deze week: Steekproefverdelingen. Statistiek voor Informatica Hoofdstuk 7: Steekproefverdelingen. Kwaliteit van schatter. Overzicht Schatten

Tentamen Inleiding Kansrekening 16 juni 2017, 14:00 17:00 Docent: Prof. dr. F. den Hollander

Vandaag. Onderzoeksmethoden: Statistiek 2. Basisbegrippen. Theoretische kansverdelingen

TECHNISCHE UNIVERSITEIT EINDHOVEN. Faculteit Wiskunde en Informatica

Deeltentamen 2 Algemene Statistiek Vrije Universiteit 18 december 2013

Tentamen Inleiding Kansrekening 9 juni 2016, 10:00 13:00 Docent: Prof. dr. F. den Hollander

Kansrekening en stochastische processen 2S610

Schrijf boven elk vel je naam, studentnummer en studierichting (W, N of I). Het is toegestaan een (grafische) rekenmachine te gebruiken.

Kanstheorie, -rekenen en bekende verdelingen

Stochastiek 2. Inleiding in de Mathematische Statistiek 1/19

Deze week: Schatten. Statistiek voor Informatica Hoofdstuk 6: Schatten. Voorbeeld Medicijnentest. Statistische inferentie

Hertentamen Inleiding Kansrekening 5 juli 2017, 14:00 17:00 Docent: Prof. dr. F. den Hollander

Uitwerking Hertentamen Inleiding Kansrekening 6 juli 2015, uur Docent: Prof. dr. F. den Hollander

SCHATTEN. A.W. van der Vaart en anderen

WenS eerste kans Permutatiecode 0

Statistiek voor A.I. College 6. Donderdag 27 September

Kansrekening en Statistiek

Introductie tot traditionele herverzekering

Tentamen Inleiding Statistiek (WI2615) 10 april 2013, 9:00-12:00u

Voorbeeld 1. Statistiek voor Informatica Hoofdstuk 3: Stochastische Variabelen en Verdelingen. Voorbeeld 2A. Voorbeeld 1 (vervolg)

Kansrekening en statistiek WI2211TI / WI2105IN deel 2 2 februari 2012, uur

Kansrekening en Statistiek

Kansrekening en Statistiek

Kansrekening en statistiek wi2105in deel 2 16 april 2010, uur

FOR DUTCH STUDENTS! ENGLISH VERSION NEXT PAGES. Tentamen Inleiding Kansrekening 1 27 maart 2013

Opgaves Hoofdstuk 3: Toevalsveranderlijken en Distributiefuncties

10. De simultane kansverdeling van twee stochasten X en Y is gegeven door de volgende (onvolledige) tabel: X / /4 1. d. 0 e.

34 HOOFDSTUK 1. EERSTE ORDE DIFFERENTIAALVERGELIJKINGEN

Tentamen Mathematische Statistiek (2WS05), vrijdag 29 oktober 2010, van uur.

Statistiek voor A.I. College 10. Dinsdag 16 Oktober

Hoofdstuk 4: Aanvullende Begrippen (Extra Oefeningen)

WenS tweede kans Permutatiecode 0

Biofysische Scheikunde: Statistische Mechanica

Toets 3 Calculus 1 voor MST, 4051CALC1Y dinsdag 31 oktober 2017, 13:30 16:30 uur

Kansrekening en Statistiek

E(A 1 ) = 1/λ. De functie G(s) wordt gedefiniëerd als. G(s) = E(e sa 1

Kansrekening en statistiek wi2105in deel 2 27 januari 2010, uur

OEFENOPGAVEN OVER REEKSEN

Kansrekening en Statistiek

Examen Kansrekening en Wiskundige Statistiek: oplossingen

De Wachttijd-paradox

Tentamen Voortgezette biostatistiek / Biomedische wiskunde

Hertentamen Biostatistiek 3 / Biomedische wiskunde

Tentamen Besliskunde 3 (11 juni 2012, uur)

VU University Amsterdam 2018, juli 11.

Toegepaste Wiskunde 2: Het Kalman-filter

Kansrekening en Statistiek

Stochastische Modellen in Operations Management (153088)

Lineaire Algebra voor W 2Y650

Aanvullingen van de Wiskunde / Partiële Differentiaalvergelijkingen

Verwachtingswaarde en spreiding

HOOFDSTUK II BIJZONDERE THEORETISCHE VERDELINGEN

Bedrijfskunde. Hoofdstuk 1. Vraag 1.1 Welke naam hoort bij het concept Elementaire bewegingen voor arbeidsanalyse

Inleiding Statistiek

Medische Statistiek Kansrekening

Kansrekening en Statistiek

TECHNISCHE UNIVERSITEIT EINDHOVEN Faculteit Wiskunde en Informatica Tentamen Statistiek voor T (2S070) op vrijdag 8 oktober 1999, uur De u

Transcriptie:

Universiteit Utrecht *=Universiteit-Utrecht Boedapestlaan 6 Mathematisch Instituut 3584 CD Utrecht OefenDeeltentamen Kansrekening 11/1 1. Beschouw een continue stochast X met kansdichtheidsfunctie c 4, 1 f X () = f() =, anders. (a) Bepaal c. (b) Bepaal variantie Var(X) van X. (c) Bepaal P ( 1 16 < X < 1 4 ). (d) Zij Y = 1 + X. Bepaal de verdelingsfunctie F Y en de kansdichtheid f Y van Y. uitwerking (a): Dus, c = 5. 1 = c 4 d = c 5. uitwerking (b): en E(X) = E(X ) = 5 5 d = 5 6, 5 6 d = 5 7. Dus, Var(X) = E(X ) (E(X)) = 5 5 =.1984. uitwerking (c): Merkop dat X neemt waarden in [, 1], dus P ( 1 16 < X < 1 4 ) = P (1 4 < X < 1 ) = / 1/4 5 4 d = 31 14 =.37. uitwerking (d): Merkop dat Y neemt waarden in het interval [, ]. Voor y [, ], P (Y y) = P ( 1 + X y) = P (X y 1) = 1 y 1 5 4 d = (y 1) 5.

Dus, de verdelingsfunctie van Y wordt gegeven door 1 y > F Y (y) = (y 1) 5, y y <. De kansdichtheid van Y wordt gegeven door f Y (y) = df 1y(y 1) 4, y Y dy (y) =, anders.. Geven twee onafhankelijke stochasten X en Y. (a) Stel dat X en Y standaard normaal verdeeld zijn. Bepaal P (X 1 3Y ). (b) Stel nu dat X en Y uniform verdeeld op (, 1) zijn. Bepaal P (Y X), en P (Y X X + Y 1). uitwerking (a): Merkop dat X is normaal N(, 4) verdeeld, en 3Y is normaal N(, 9) verdeeld. Dus X + 3Y is normaal N(, 13) verdeeld, en de stochast X + 3Y is standaard normaal verdeeld. 13 X + 3Y P (X 1 3Y ) = P (X + 3Y 1) = P ( 1 ) =.613, 13 13 de numerieke waarde wordt van de normale tabel gelezen. uitwerking (b): Merkop dat de simultane kansdichtheid van X en Y wordt gegeven door 1, y 1 f(, y) =, anders. Dus, en P (Y X) = P (X + Y 1) = P (Y X, X + Y 1) = P (Y X X + Y 1) = / 1 dy d = 1 4, /3 1 dy d = 1, 1 dy d = 1 6, P (Y X, X + Y 1) P (X + Y 1) = 1 3.

3. Stel dat de simultane dichtheid van X en Y gegeven wordt door als < y < < 1 f(, y) = anders. (a) Bepaal de marginale kansdichtheden f X en f Y van X en Y. (b) Bepaal E(XY ). (c) Bepaal P (X + Y 1). (d) Bepaal de kansdichtheid van Z = X. (e) Laat zien dat voor < < 1, de conditionele kansdichtheid f Y X (y ) van Y gegeven X = wordt gegeven door f Y X (y ) = y als < y < anders. (f) Bepaal E(Y X = ) voor < < 1. Bepaal vervolgens E(Y ). uitwerking (a): We bepalen eerst de marginale dichtheid van X. Voor < < 1, Dus Voor < y < 1, Dus f X () = f Y (y) = f X () = y f Y (y) = dy = y =. { < < 1; anders. d = ln 1 y = ln y. { ln y < y < 1; anders. uitwerking (b):. E(XY ) = y dy d = 3 3 d = 4 3 3 = 1/3 uitwerking (c): P (X + Y 1) = / dy d + 1/ dy d = ln 4 1.386. 3

uitwerking (d): Voor < z < 1, P (Z z) = P (X z) = P (X z) = z d = z = z. Dus f Z (z) = { 1 < z < 1; anders. In andere woorden Z is uniform verdeeld op het interval (, 1). uitwerking (e): Voor < < 1, f Y X (y ) = f(, y) f X () = y als < y < anders. uitwerking (f): Voor < < 1, en E(Y X = ) = E(Y ) = y f Y (y X = ) dy = E(Y X = ) f X () d = y dy = 3, 3 d = 4 9. 4. Zij X een eponentieel verdeelde stochast met parameter α (d.w.z. X heeft dichtheid f X () = αe α, an elders), en Y een eponentieel verdeelde stochast met parameter β. Veronderstel dat X en Y onafhankelijk zijn. (a) Laat zien dat P (X > Y ) = β α+β. (b) Laat zien dat Z = min(x, Y ) eponentieel verdeeld is met parameter α + β. (c) Bepaal de dichtheid van X + Y. uitwerking (a): X en Y zijn onafhankelijk, dus is de simultane dichtheid van X en Y gegeven door f (X,Y ) (, y) = f(, y) = f X ()f Y (y), d.w.z. αβe α βy als < <, < y < f(, y) = elders. Dus, P (X > Y ) = αβe α βy dy d = = β α + β. uitwerking (b): Zij z >, dan 4

Dus, P (Z > z) = P (X > z, Y > z) P (Z z) = 1 e (α+β)z = = P (X > z)p (Y > z) = e αz e βy = e (α+β)z. z (α + β)e (α+β)u du, zodat Z is eponentieel verdeeld met parameter α + β (met dichtheid f Z (z) = (α + β)e (α+β)z als z > en anders. uitwerking (c): f X+Y (z) = f(, z ) d, waarbij f(, y) = f X()f Y (y) de simultane dichtheid van X en Y is. Omdat f(, z ) > voor >, z > en is anders, krijgen we voor z > f X+Y (z) = z αβe α βz+β d z = αβe βz e (β α) d = αβe βz β α e(β α) z = αβe βz = ( e z(β α) 1 ) β α αβ ( e αz e βz) β α 5. Zij N, X 1, X, X 3, een rij van onafhankelijke stochasten met N Poisson verdeeld met parameter λ >, en X i standaard normaal verdeeld voor i 1. Definieer een stochast Y door X 1 + X + + n X n als N = n, n 1 Y = als N =. (a) Bepaal P (Y t N = n) voor n, en t R. (b) Bepaal E(Y N = n) en E(Y N = n). (c) Laat zien dat Var(Y ) = λ + λ. uitwerking (a): Merkop dat ix i normaal N(, i) verdeeld is en dat de stochast X 1 + X + + n X n normaal N(, n(n+1 ) verdeeld is. Vanwege onafhankelijkheid, P (Y t N = n) = P ( n t i Xi t) = i=1 5 1 e ( πn(n + 1) n(n+1) ) d.

uitwerking (b): E(Y N = ) =, en E(Y N = ) =. Voor n 1 de conditionele verdeling van Y gegeven N = n normaal N(, n(n + 1)/) is. Dus E(Y N = n) =, en E(Y N = n) = Var(Y N = n) = n(n + 1)/. uitwerking (c): Uit onderdeel (b) hebben we E(Y ) = n= E(Y N = n)p (N = n) = en E(Y N) = N(N + 1)/. Dus Var(Y ) = E(Y ), en E(Y ) = E(E(Y N)) = E(N(N + 1)/) = 1 (E(N ) + E(N)) = in de laatste gelijkheid gebruikten we dat E(N ) = λ + λ en E(N) = λ. λ + λ, 6