Formelsamling
Download
Report
Transcript Formelsamling
Formelsamling i TDAT2001 Realfag for dataingeniører
Grunnleggende formler i sannsynlighetsregningen
Generell addisjonssetning
P( A B) P( A) P( B) P( A B)
Betinget sannsynlighet
P( A | B)
Gen. multiplikasjonssetning
P( A B) P( B) P( A | B)
Total sannsynlighet
P( A B)
P( B)
P( A B) P( A) P( B | A)
r
P( A) P( Bi ) P( A |Bi )
i 1
Bayes lov
A og B uavhengige
P( B | A)
P( B) P( A | B)
P( A)
P( A B) P( A) P( B)
P( A | B) P( A) P( B | A) P( B)
Kombinatorikk
Antall forskjellige utvalg når s enheter trekkes fra en populasjon på N enheter
Ordnet utvalg, med tilbakelegging
Ns
Ordnet utvalg, uten tilbakelegging
N s N ( N 1)( N s 1)
Uordnet utvalg, uten tilbakelegging
N N s
N!
s!
s!( N s)!
s
N!
( N s)!
Generelt om sannsynlighetsfordelinger for 1 variabel
Fordelingsfunksjon
Punktsannsynlighet (diskret)/
Sannsynlighetstetthet(kontinuerlig)
F ( x) P( X x)
P(a X b) F (b) F (a)
Diskrete fordelinger
Kontinuerlige fordelinger
p( x) P( X x)
F ( x) p(u )
ux
Forventning
E ( X ) xp ( x)
x
E[ g ( X )] g ( x) p( x)
f ( x) F ' ( x)
x
F ( x)
f (u)du
E ( X ) xf ( x)dx
E[ g ( X )]
x
Varians
2 Var ( X ) E[( X )2 ] E( X 2 ) 2
Standardavvik
SD( X ) Var ( X )
g ( x) f ( x)dx
Generelt om sannsynlighetsfordelinger for 2 variable
Simultanfordeling for X og Y
P[( X x) (Y y)
Forventning
E[ g ( X , Y )] g ( x, y) P[( X x) (Y y)]
Kovarians
Cov( X ,Y ) E[( X X )(Y Y )] E( XY ) X Y
Cov( X , Y )
( X ,Y )
x
Korrelasjonskoeffisient
y
X Y
Regler for forventning og varians
E(aX b) aE( X ) b
E ( X1 X 2 ) E ( X1 ) E ( X 2 )
Var (aX b) a 2Var ( X )
Var ( X 1 X 2 ) Var ( X 1 ) Var ( X 2 ) når X 1 og X 2 er uavhengige
Var ( X 1 X 2 ) Var ( X 1 ) Var ( X 2 ) 2Cov(X1 , X 2 ) når X 1 og X 2 ikke er uavhengige
Spesielle diskrete sannsynlighetsfordelinger
Binomisk fordeling
X er bin (n, p)
n
P( X x) p x (1 p) n x
x
Hypergeometrisk fordeling
X er hypergeom ( N , M , n)
M N M
x n x
P( X x)
N
n
Poissonfordeling
X er Po ( )
Uniform fordeling
x
e
x!
1
P( X x)
k
X [ x1 , x2 , xk ]
P( X x )
E ( X ) np
Var ( X ) np(1 p)
M
N
E ( X ) n
Var ( X )
E( X )
Var ( X )
E( X )
1 k
xi
k i 1
Var ( X )
1
k
X [1,2, k ]
P( X x)
E( X )
N n
n (1 )
N 1
1 k 2 1 k
xi
xi k
k i 1
i 1
2
1 k
k 1
i
k i 1
2
1 k 2 k 1
(k 1)(k 1)
i
k i 1
12
2
2
Var ( X )
Spesielle kontinuerlige sannsynlighetsfordelinger
Eksponensialfordeling
T er eksp( )
f (t ) e
t
for t 0
E (T )
1
Var (T )
1
2
F (t ) 1 e t for t 0
Normalfordeling
Standard:
Rektangulærfordeling
X er N ( , 2 )
U er N (0,1)
P(U u ) G (u )
G (u ) 1 G (u )
X er R( , )
f ( x)
1
for x
Generell:
E( X )
F ( x) P( X x) G (
2
1
Var ( X ) ( ) 2
12
x
)
Tilnærminger
Sentralgrensesetningen (gjelder
alle fordelinger)
Dersom X1, X2, …,Xn er uavhengige og identisk fordelte stokastiske variable med
2
forventning μ og varians σ , så er for store verdier av n (n>=30)
X1 X 2 X n N (n , n 2 )
og
1
2
X ( X1 X 2 X n ) N ( , )
n
n
Sammenheng mellom spesielle
fordelinger
hypergeometrisk(N,M,n)
n
0.10
N
n (1 ) 10
n
0.10
N
N(μ,σ2)
np(1 p) 10
10
bin(n,p)
Po(λ)
n 50
p 0.15
Punktestimering av forventning μ og varians
Punktestimator for forventning
Punktestimator for varians
̂ X
S2
1 n
Xi
n i 1
n
1
( X i X )2
n 1 i 1
E ( ˆ )
Var ( ˆ )
2
E (S )
2
n
2
n
2
1
( X i2 n X )
n 1 i 1
Korrelasjon
Empirisk korrelasjonsfaktor
R
S XY
S X SY
S X2
2
1 n
1 n 2
2
(
X
X
)
Xi X
i
n i 1
n i 1
SY2
2
1 n
1 n 2
2
(
Y
Y
)
Yi Y
i
n i 1
n i 1
S XY
1 n
1 n
(
X
X
)(
Y
Y
)
i
X iYi X Y
i
n i 1
n i 1
Intervallestimering og hypotesetesting
Modell
(Tilnærmet) (1-α)100%
konfidensintervall for
forventningen μ
Målemodellen, σ kjent,
normalfordelte
observasjoner eller et
stort antall observasjoner
(n>=30)
X u / 2
n
Testobservator for H0
Kommentar
H 0 : 0
Utvalgsstørrelse når vi
ønsker et
konfidensintervall med
feilmargin d:
U 0
X 0
er N (
n
Målemodellen, σ ukjent,
normalfordelte
observasjoner
X t / 2, n 1
Poissonmodell, vha
normaltilnærming
ˆ u / 2 ˆ
H 0 : 0
S
n
T 0
X 0
S
n
H 0 : 0
ˆ 0
U 0
0
,1)
n
u
n /2
d
2
Når H0 er sann, er T0 tfordelt med n-1
frihetsgrader
̂ X
0
Binomisk modell, vha
normaltilnærming
pˆ u / 2
Hypergeometrisk modell,
vha normaltilnærming
ˆ u
/ 2
pˆ (1 pˆ )
n
H 0 : p p0
pˆ p0
U 0
p0 (1 p0 ) / n
H 0 : 0
ˆ 0
U 0
0 (1 0 ) / n
ˆ(1 ˆ)
n
pˆ
X
n
M
N
ˆ
X
n
Regresjonsmodellen
Forutsetninger
Minste kvadraters
estimator
n par observasjoner av x
og Y: (x1,y1),…(xn,Yn)
n
M ( x i x)
2
Y1,…Yn er uavhengige og
normalfordelte stokastiske
variable x1,…xn er kjente tall
ˆ1
i 1
Estimert
regresjonslinje
Intervallestimering
og hypotese-testing
når σ er kjent
1
M
n
( xi x)Yi
i 1
E (Yi ) 0 1 xi Var (Yi ) 2
i 1,2,n
ˆ1 er N ( 1 ,
2
M
)
1 n
( xiYi n xY )
M i 1
ˆ0 Y ˆ 1 x
2
ˆ
0 er N ( 0 ,
nM
Testobservator for β1:
1 10
U 0 er N (
,1)
/ M
n
x
i 1
2
i
Yˆ ˆ0 ˆ1 x
Konfidensintervall for β1:
ˆ1 u / 2
M
U0
ˆ1
/ M
0
1
)