STOKASTIK Sannolikhetsteori och statistikteori med tillämpningar
STOKASTIK Sannolikhetsteori och statistikteori med tillämpningar
STOKASTIK Sannolikhetsteori och statistikteori med tillämpningar
You also want an ePaper? Increase the reach of your titles
YUMPU automatically turns print PDFs into web optimized ePapers that Google loves.
2007-10-08 – sida 179 – # 183<br />
3.4<br />
eller något annat intervall inom vilket man säkert vet att alla chokladkakors<br />
vikt ligger). Slumpvariabeln X(u) som anger hur mycket för lite en chokladkaka<br />
<strong>med</strong> vikt u väger blir då X(u) = 100 − u för u < 100 <strong>och</strong> X(u) = 0 för<br />
u ≥ 0.<br />
pY (0) = 0.765, pY (1) = 0.096, pY (2) = 0.098 <strong>och</strong> P (Y ≥ 3) = 0.041.<br />
P (Y ≤ 2) = 0.959, P (1 ≤ Y ≤ 2) = 0.194, P (Y > 1) = 0.1386.<br />
3.5 a) Från sannolikhetsaxiomen följer att pX(4) = 1−(pX(1)+pX(2)+pX(3)) =<br />
0.1. P (X ≤ 2) = pX(1) + pX(2) = 0.5.<br />
b) Kravet 4 x=1 pY (x) = 1 ger att (0.2 + 0.3 + 0.4 + 0.5)c = 1, dvs. c =<br />
1/1.4 ≈ 0.714. P (Y > 2) = 1 − P (Y ≤ 1) = 1 − (0.2 + 0.3)c ≈ 0.357.<br />
3.6 P (Z ≤ 49) = 0.3, P (Z > 51) = 0.1.<br />
3.7 pX(0) = 0.002, pX((1) = 0.038, pX(2) = 0.279, pX(3) = 0.682.<br />
3.8 a) 0.25, b) 0.56.<br />
3.9 FX(x) = 0, x < 0, FX(x) = 0.765, 0 ≤ x < 1, FX(x) = 0.861, 1 ≤ x < 2,<br />
FX(x) = 0.959, 2 ≤ x < 3, FX(x) = 1, x ≥ 3.<br />
3.10 Sätt Aa = {u; X(u) ≤ a} <strong>och</strong> Ab = {u; X(u) ≤ b} <strong>och</strong> A(a,b] = {u; a <<br />
X(u) ≤ b}. Då gäller att Aa ∩A(a,b] = ∅ <strong>och</strong> Aa ∪A(a,b] = Ab. Från Kolmogorovs<br />
axiomsystem har vi därför P (Ab) = P (Aa ∪A(a,b]) = P (Aa)+P (A(a,b]),<br />
dvs. FX(b) = FX(a) + P (a < X ≤ b) vilket är vad som skulle visas.<br />
3.11 a) FX(x) = 2x − 5 för 2.5 ≤ x ≤ 3, FX(x) = 0 för x < 2.5, FX(x) = 1 för<br />
x > 3, b) 0.4, c) 1, d) 0.4, e) 3.33<br />
3.12 a) c = 2, c) FY (y) = y2 för 0 ≤ y ≤ 1, d) λY (y) = 2y/(1 − y2 )<br />
3.13 a) fY (y) = 1/ ln(5)y, 1 ≤ y ≤ 5,<br />
d) (ln(4) − ln(3))/ ln(5).<br />
b) ln(y)/ ln(5), c) ln(2)/ ln(5),<br />
3.14<br />
3.15<br />
fY (y) = 2y för 0 ≤ y ≤ 1 <strong>och</strong> 0 för övrigt.<br />
E(X) = 3.2, D(X) = √ 12.4 ≈ 1.47.<br />
3.16 a) 2.75, b) x0.5 = 2.75, c) 0.021, d) 0.144, e) 0.052.<br />
3.17 a) 2/3, b) 0.707, c) 1/18, d) 0.736.<br />
3.21 P (X ≥ 200) ≤ 0.05, så x0.05 ≤ 200.<br />
3.22 P (|Y | ≥ 4) ≤ 4/42 = 0.25.<br />
X<br />
3.23 a) W = Yk, där {Yk} är oberoende <strong>och</strong> exponentialfördelade. Om X = 0<br />
k=1<br />
blir även W = 0, vilket inträffar <strong>med</strong> sannolikhet 1/3. W kan därför skrivas<br />
som<br />
<br />
0 <strong>med</strong> sannolikhet 1/3,<br />
W = Z 1 Yk <strong>med</strong> sannolikhet 2/3,<br />
där Z = X|X > 0 ∼ ffg(1/3).<br />
b) E(W ) = 2.<br />
179