Avd. Matematisk statistik
TENTAMEN I SF1912/SF1914/SF1915/SF1916 SANNOLIKHETSTEORI OCH STATISTIK, TORSDAGEN DEN 20:E DECEMBER 2018 KL 8.00–13.00.
Examinator f¨or SF1914/SF1916: Tatjana Pavlenko, 08-790 84 66 Examinator f¨or SF1915: Bj¨orn-Olof Skytt, 08-790 86 49.
Examinator f¨or SF1912: Per-J¨orgen S¨ave-S¨oderbergh, 08-790 65 85.
Till˚atna hj¨alpmedel : Formel- och tabellsamling i Matematisk statistik (utdelas vid tentamen), minir¨aknare.
Tentamen best˚ar av tv˚a delar, ben¨amnda del I och del II. Del I best˚ar av uppgifterna 1-12. P˚a denna del skall endast svar anges, antingen i form av ett numeriskt v¨arde med tre v¨ardesiffrors noggrannhet eller i form av val av ett av de m¨ojliga svarsalternativen. Svaren p˚a uppgifterna i Del I (dvs uppgifterna 1-12) skall anges p˚a den bifogade svarsblanketten!
Studenter som ¨ar godk¨anda p˚a kontrollskrivningen beh¨over ej besvara uppgift 1-3, utan f˚ar till- godor¨akna sig dessa tre uppgifter. Gr¨ansen f¨or godk¨ant ¨ar prelimin¨art 9 po¨ang. M¨ojlighet att komplettera ges f¨or tentander med, prelimin¨art, 8 po¨ang. Tid och plats f¨or komplettering kommer att anges p˚a kursens hemsida.
Del II best˚ar av uppgifterna 13-16 och varje korrekt l¨osning ger 10 po¨ang. Del II r¨attas bara f¨or studenter som ¨ar godk¨anda p˚a del I och po¨ang p˚a del II kr¨avs f¨or h¨ogre betyg ¨an E. P˚a denna del skall resonemang och utr¨akningar skall vara s˚a utf¨orliga och v¨al motiverade att de ¨ar l¨atta att f¨olja. Inf¨orda beteckningar skall f¨orklaras och definieras och numeriska svar skall anges med minst tv˚a v¨ardesiffrors noggrannhet. Studenter som ¨ar godk¨anda p˚a datorlaborationen f˚ar 4 bonuspo¨ang p˚a del II p˚a ordinarie tentamenstillf¨allet och det f¨orsta omtentamenstillf¨allet.
Tentamen kommer att vara r¨attad inom tre arbetsveckor fr˚an skrivningstillf¨allet och kommer att finnas tillg¨anglig p˚a studentexpeditionen minst sju veckor efter skrivningstillf¨allet.
Del I
Uppgift 1
P (A | B) = 0.2. P (B | A) = 0.4. P (B) = 0.5. Vad ¨ar P (A ∪ B)?
A: 0.65 B: 0.75 C: 0.85 D: 0.95
Uppgift 2
Tyko och hans syskon har f˚att en ask marmeladkulor som julklapp. Det finns tv˚a smaker, den ena sorten ¨ar gr¨ona kulor och den andra sorten ¨ar r¨oda. Tykos mamma har givit honom lov att ¨ata upp fyra kulor efter maten. Tyko vill v¨aldigt g¨arna ha lika m˚anga r¨oda som gr¨ona kulor. Tyko tar fyra kulor ur asken p˚a ett slumpm¨assigt s¨att. Ber¨akna sannolikheten att Tykos ¨onskan g˚ar i uppfyllelse om asken inneh˚aller sex gr¨ona och fyra r¨oda kulor.
A: 0.071 B: 0.296 C: 0.375 D: 0.429
Uppgift 3
L˚at X och Y vara stokastiska variabler s˚adana att D(X) = 2, D(Y ) = 3 och C(X, Y ) = −1.
Best¨am D(Z) d¨ar Z = 2X − Y + 1.
Uppgift 4
Tiden mellan tv˚a ¨oversv¨amningar i ett flodomr˚ade anses vara exponentialf¨ordelad med v¨antev¨arde 8 m˚anader. Ber¨akna medianen f¨or tiden mellan tv˚a ¨oversv¨amningar.
A: 5.545 B: 8.000 C: 8.693 D: 10.455
Uppgift 5
I en kvalitetskontroll av tillverkade enheter tas slumpm¨assigt 15 enheter ut och partiet avskiljs om mer ¨an 1 enhet ¨ar felaktig. Vad ¨ar konsumentrisken om felandelen i partiet ¨ar 0.10, dvs vad
¨ar sannolikheten att ett s˚a pass d˚aligt parti godk¨anns i kontrollen?
3
Uppgift 6
Vid ett reningsverk m¨ats dagligen syrekoncentrationen i vattnet (mg/l). M¨atningarnas resultat anses vara utfall av oberoende stokastiska variabler som f¨oljer N (µ, σ)-f¨ordelning d¨ar σ betecknar standardavvikelsen. F¨or en m˚anads m¨atningar blev summan av de 31 m¨atv¨ardena 69.70 och stickprovsvariansen 1.2772. Ange den ¨ovre gr¨ansen till det tv˚asidiga 95%-iga konfidensintervallet f¨or µ.
A: 2.59 B: 2.66 C: 2.64 D: 2.72
Uppgift 7
Antag att X ∈ N (0, 1). Best¨am konstanten a s˚a att P (|X| > a) = 0.10.
Uppgift 8
Antag att X ∈ f f g(p) d¨ar 0 < p < 1 ¨ar ok¨and parameter. Vi har tv˚a utfall av X, x1 = 12 och x2 = 19. Ta fram Minsta-Kvadrat skattningen av p med hj¨alp av dessa tv˚a utfall.
Uppgift 9
Antalet samtal som inkommer till ett kontor anses vara en stokastisk variabel som ¨ar Poisson- f¨ordelad med intensiteten 0.5 samtal per minut. Ber¨akna sannolikheten att det inkommer h¨ogst ett samtal till kontoret under en 5 min period.
A: 0.082 B: 0.205 C: 0.287 D: 0.503
Uppgift 10
Vid renovering av sovrum har man f¨oljande nollhypotes H0: 4/9 av kunderna f¨oredrar bl˚aa tapeter, 3/9 f¨oredrar gr¨ona och resten vill ha gula. 33 kunder tillfr˚agas om vad de vill ha f¨or f¨arg p˚a tapeterna i sovrummet. Det visar sig att 19 kunder vill ha bl˚aa, 10 vill ha gr¨ona och resten vill ha gula.
A: H0 kan varken f¨orkastas p˚a riskniv˚an 1% eller riskniv˚an 5%
B: H0 kan b˚ade f¨orkastas p˚a riskniv˚an 1% och riskniv˚an 5%
C: H0 kan f¨orkastas p˚a riskniv˚an 1% , men inte p˚a riskniv˚an 5%
D: H0 kan f¨orkastas p˚a riskniv˚an 5% , men inte p˚a riskniv˚an 1%
Uppgift 11
L˚at Xi, i = 1, 2, 3 vara oberoende stokastiska variabler med v¨antev¨arde µ och standardavvikelse σ.
Antag att µ skattas med µ∗obs = (x1+ x2+ 2x3)/4 och σ skattas med stickprovsstandardavvikelsen s. L˚at utfallen p˚a Xi vara x1 = 5, x2 = 9 och x3 = 7. Best¨am medelfelet f¨or skattningen av µ.
A: 0.866 B: 1.22 C: 2.00 D: 2.45
Uppgift 12
L˚at Xi, i = 1, . . . , 5 vara oberoende, Poissonf¨ordelade stokastiska variabler med v¨antev¨arde µ.
Med fem utfall p˚a Xi f˚ar man ¯x = 16. Ange nedre gr¨ansen till det ensidigt ned˚at begr¨ansade konfidensintervallet f¨or µ med den approximativa konfidensgraden 95%.
A: 12.49 B: 13.06 C: 14.43 D: 14.68
5
Del II
Uppgift 13
F¨ors¨akringsbolaget BilTrygg skriver f¨ors¨akringskontrakt med nya bilf¨orare enligt f¨oljande mo- dell: 50% av bilf¨orarna klassificeras som l˚agriskf¨orare, 30% som mediumriskf¨orare och resten som h¨ogriskf¨orare. Bolaget vet inte vilken kategori en bilf¨orare tillh¨or, men bed¨omer att f¨ors¨akringsbolaget beh¨over betala ut ers¨attning till 5% av l˚agriskf¨orarna det n¨armaste ˚aret. Motsvarande andel f¨or mediumriskf¨orarna ¨ar 10% samt f¨or h¨ogriskf¨orarna 20%.
a) Om f¨ors¨akringsbolaget har betalat ers¨attning till en p˚a m˚af˚a vald bilf¨orare under f¨oreg˚aende
˚ar, vad ¨ar d˚a sannolikheten att personen ¨ar en h¨ogriskf¨orare? (4 p) b) Best¨am sannolikheten att f¨ors¨akringsbolaget m˚aste betala ut ers¨attning till en p˚a m˚af˚a vald bilf¨orare under minst tv˚a av de n¨astkommande fem ˚aren. (6 p)
Uppgift 14
Av erfarenhet vet man att antalet d¨ack som m˚aste bytas ut under en vecka p˚a ett transportbolag har f¨oljande f¨ordelning:
Antal trasiga d¨ack en vecka 0 1 2
Sannolikhet 0.50 0.25 0.25
Ber¨akna med en l¨amplig och v¨almotiverad approximation sannolikheten att 40 d¨ack r¨acker f¨or transportbolagets f¨orbrukning under ett ˚ar. (Antag att ett ˚ar best˚ar av exakt 52 veckor). (10 p)
Uppgift 15
Antag att maximala v˚agh¨ojden p˚a ett visst st¨alle ett visst ˚ar beskrivs med en stokastisk variabel X med t¨athetsfunktionen
fX(x) = ( x
θ e−x22θ f¨or x ≥ 0 0 f¨or x < 0, d¨ar θ > 0 ¨ar en ok¨and parameter.
Man har under 8 ˚ar observerat f¨oljande maximala v˚agh¨ojder (i meter):
2.5 2.9 1.8 0.9 1.7 2.1 2.2 2.8.
a) Best¨am Maximum-Likelihood-skattningen av θ under f¨oruts¨attningen att de 8 uppm¨atta v˚agh¨ojderna kan anses vara utfall av oberoende observationer av X. (4 p) b) Ber¨akna med hj¨alp av skattningen av θ i a)-uppgiften 1000-˚arsv˚agens h¨ojd, med vilket menas en v˚agh¨ojd som ¨overtr¨affas i genomsnitt bara en g˚ang per 1000 ˚ar. (6 p)
Uppgift 16
L¨akemedel kan ge nedsatt salivk¨ortelproduktion, vilket ¨ar en riskfaktor f¨or karies och andra sjuk- domar i munh˚alan. P˚a 7 slumpm¨assigt valda patienter som alla fick samma medicin m¨atte man den s˚a kallade tuggstimulerade saliven. Resultat (ml/min):
1.06 0.65 0.70 0.27 0.86 1.11 0.38.
Normal m¨angd saliv under dessa f¨orh˚allanden ¨ar 1 ml/min. Som modell antog man att sa- livm¨angden ¨ar normalf¨ordelad med v¨antev¨arde µ och standardavvikelse σ, d¨ar σ anses vara 0.4 ml/min.
a) St¨odjer data v˚ar misstanke att medicinen s¨anker salivproduktionen? Svara p˚a fr˚agan genom att utf¨ora ett l¨ampligt test p˚a signifikansniv˚an α = 0.05. (3 p) b) Antag att medicinen ger upphov till det sanna v¨ardet 0.8 ml/min p˚a salivproduktionen. Hur stor ¨ar sannolikheten att man kommer att missa den nedsatta salivproduktionen med testet i
a)-uppgiften. (4 p)
c) Hur m˚anga patienter ska man m¨ata p˚a om man vill att testet i a-uppgiften ska uppt¨acka en nedsatt salivproduktion p˚a 0.7 ml/min med sannolikheten 0.90. . (3 p)
Avd. Matematisk statistik
L ¨OSNINGSF ¨ORSLAG TENTAMEN I SF1912/SF1914/SF1915/SF1916 SANNOLIKHETSTEO- RI OCH STATISTIK.
TORSDAGEN DEN 20:E DECEMBER 2018 KL 8.00–13.00.
Uppgift 1
Multiplikationssatsen ger att P (A ∩ B) = P (A|B)P (B) = 0.2 · 0.5 = 0.1 Vidare har vi fr˚an definitionen av betingad sannolikhet
P (B|A) = P (B ∩ A)
P (A) ⇔ P (A) = P (A ∩ B) P (B|A) = 0.1
0.4 = 0.25 Till sist ger additionsformeln
P (A ∪ B) = P (A) + P (B) − P (A ∩ B) = 0.25 + 0.50 − 0.10 = 0.65
Uppgift 2
L˚at X st˚a f¨or antal gr¨ona marmeladkulor vid urvalet. Eftersom Tyko ¨ater upp kulorna drar vi kulorna utan ˚aterl¨aggning. Om Tyko f˚ar tv˚a gr¨ona kulor n¨ar han tar ut fyra kulor, s˚a m˚aste han f˚a tv˚a gr¨ona och tv˚a r¨oda vilket ¨ar vad han ¨onskar.
P (X = 2) =
4 2
6
2
10 4
= 6 · 15 210 = 3
7 = 0.429
Uppgift 3
V (Z) = V (2X − Y + 1)
= V (2X − Y )
= 4V (X) + V (Y ) − 2 · 2 · C(X, Y )
= 4 · 4 + 9 − 2 · 2 · (−1)
= 29 Allts˚a blir D(Z) = √
29 = 5.39.
Uppgift 4
F¨ordelningsfunktionen f¨or exponentialf¨ordelningen med v¨antev¨arde ˚atta ges som FX(x) = 1−e−x8. Medianen ¨ar l¨osningen till ekvationen FX(x) = 12. Allts˚a l¨oser vi
1 − e−x8 = 1
2 ⇔ x = (−8)(− ln 2) = 5.545
Uppgift 5
L˚at X=antal felaktiga enheter i partiet. Vi k¨anner inte till partiets storlek, s˚a vi kan inte ber¨akna den exakta sannolikheten med hj¨alp av den hypergeometriska f¨ordelningen. D¨arf¨or g¨or vi en bi- nomialapproximation av f¨ordelningen f¨or X. D˚a ¨ar X ∈ Bin(15, 0.1).
P (partiet godk¨anns) = P (X ≤ 1) = [se tab 6 : n = 15, p = 0.1, x = 1] = 0.549 Uppgift 6
Ett 95%-igt konfidensintervall f¨or µ d˚a ett stickprov betraktas som observationer p˚a N (µ.σ) ges som
P31 i=1xi
n ± t0.025(n − 1) s
√n D˚a n = 31, s2 = 1.2772 och P31
i=1xi = 69.70, samt t0.025(30) = 2.04 blir den ¨ovre gr¨ansen f¨or µ 69.70
31 + 2.04
√1.2772
√31 = 2.662
Uppgift 7
Vad betyder olikheten |X| > a? Den betyder att X < −a eller att X > a. Eftersom X ¨ar symmetrisk, s˚a r¨acker det att best¨amma den ena av dessa. Vi v¨aljer den sista. Den m˚aste vara 5%
eftersom den ¨ar endast halva biten. Ur en tabell hittar vi 5%-kvantilen λ0.05 = 1.6449. V¨aljer vi a = 1.6449 blir det r¨att.
Uppgift 8 V¨antev¨ardet i ffg-f¨ordelningen ¨ar 1/p. D¨arf¨or blir
Q(p) =
x1− 1
p
2
+
x2− 1
p
2
=
2
X
i=1
xi− 1
p
2
d
dpQ(p) =
2
X
i=1
2
xi− 1
p
1 p2
= 0 ⇔
2
X
i=1
xi− 1
p
= 0 ⇔
2
X
i=1
xi = 2
p ⇔ p∗obs = 2 P2
i=1xi D˚a P2
i=1xi = 31 har vi att p∗obs = 2/31.
Uppgift 9
L˚at X=antalet h¨andelser under tiden t. D˚a ¨ar X ∈ P o (λt) Tiden m¨ats i minuter, s˚a t = 5.
Intensiteten per minut ¨ar λ = 12. D¨arf¨or ¨ar X ∈ P o 52
P (X ≤ 1) = P (X = 0) + P (X = 1)
= e−52 + e−52 5 2
= e−52
1 + 5
2
= e−527 2
= 0.287
3
Uppgift 10
Situationen ¨ar den som beskrivs i avsnitt 13.10 a) Test av given f¨ordelning. Vi har att r = 3 och n = 33. Dessutom ¨ar x1 = 19, x2 = 10 och x3 = 4. Slutligen ¨ar p1 = 94, p2 = 39 samt p3 = 29. Detta ger
Qobs =
3
X
j=1
(xj − npj)2 npj
= 19 − 33 ·492
33 ·49 + 10 − 33 · 392
33 ·39 + 4 − 33 · 292
33 ·29 = 2.886364
5%- och 1%-kvantilerna p˚a χ2-f¨ordelningen med r − 1 = 2 frihetsgrader ¨ar 5.99 och 9.21. Allts˚a kan vi inte f¨orkasta H0 p˚a vare sig 1%- eller 5%-niv˚an.
Uppgift 11
V (µ∗obs) = V X1+ X2+ 2X3
4
= 1
16(V (X1) + V (X2) + 4V (X3))
= 1
16 σ2+ σ2+ 4σ2
= 3 8σ2 Allts˚a blir
D (µ∗obs) = r3
8σ Vi uppskattar σ med s, s˚a att d (µ∗obs) =
q3 8s.
D˚a x1 = 3, x2 = 5 och x3 = 7 blir P3
i=1(xi− x)2 = 22 + 22 = 2 22. Eftersom n = 3 blir s2 =P3
i=1(xi− x)2/2 = 22 och s˚aledes s = 2. Allts˚a blir d (µ∗obs) =
r3 8s =
r3 8 · 2 =
r3
2 = 1.22 Uppgift 12
x − λ0.05 rx
n = 16 − 1.6449 r16
5 = 13.06 Uppgift 13
a) Vi inf¨or beteckningarna
E = ”F¨ors¨akringsbolaget betalar ut ers¨attning”, samt
L = ”L˚agriskf¨orare”, M = ”Mediumriskf¨orare” samt H = ”H¨ogriskf¨orare”.
Vi vet fr˚an uppgiftsformuleringen att P (L) = 0.50, P (M ) = 0.30 samt P (H) = 0.20. Vidare g¨aller det att P (E|L) = 0.05, P (E|M ) = 0.10 samt P (E|H) = 0.20. Med hj¨alp av Bayes sats f˚as
P (H|E) = P (H)P (E|H)
P (L)P (E|L) + P (M )P (E|M ) + P (H)P (E|H)
= 0.20 · 0.20
0.50 · 0.05 + 0.30 · 0.10 + 0.20 · 0.20 = 0.4210526316 Svar: Sannolikheten att en p˚a m˚af˚a vald bilf¨orare som f¨ors¨akringsbolaget betalat ut
ers¨attning till under f¨oreg˚aende ˚ar ¨ar en h¨ogriskf¨orare ¨ar 42.1%.
b) Sannolikheten att f¨ors¨akringsbolaget m˚aste betala ut ers¨attning beror p˚a om f¨oraren ifr˚aga
¨
ar l˚agriskf¨orare, mediumriskf¨orare eller h¨ogriskf¨orare. F¨or en l˚agriskf¨orare ges antalet ˚ar som bolaget beh¨over betala ut ers¨attning under de n¨astkommande fem ˚aren av en Bin(5, 0.05)- f¨ordelad stokastisk variabel XL. P˚a liknande s¨att ges antalet ˚ar som bolaget beh¨over betala ut ers¨attning till en mediumriskf¨orare av en Bin(5, 0.1)-f¨ordelad stokastisk variabel XM och antalet ˚ar som bolaget beh¨over betala ut ers¨attning till en h¨ogriskf¨orare av en Bin(5, 0.1)- f¨ordelad stokastisk variabel XH. L˚at X beteckna antalet ˚ar som bolaget beh¨over betala ut ers¨attning till en godtyckligt vald bilf¨orare. Lagen om total sannolikhet ger d˚a
P (X ≥ 2) = P (X ≥ 2|L)P (L) + P (X ≥ 2|M )P (M ) + P (X ≥ 2|H)P (H)
= P (XL ≥ 2)P (L) + P (XM ≥ 2)P (M ) + P (XH ≥ 2)P (H).
Med hj¨alp av sannolikhetsfunktionen f¨or binomialf¨ordelningen f˚as P (XL ≥ 2) = 1 − P (XL≤ 1) = 1 −5
0
0.0500.955−5 1
0.0510.954 = 0.02259, och p˚a analogt vis P (XM ≥ 2) = 0.08146 samt P (XH ≥ 2) = 0.26272. Sammanfattningsvis f˚as
P (X ≥ 2) = 0.02259 · 0.5 + 0.08146 · 0.3 + 0.26272 · 0.2 = 0.08828.
Svar: Sannolikheten att f¨ors¨akringsbolaget m˚aste betala ut ers¨attning till en p˚a m˚af˚a vald bilf¨orare under minst tv˚a av de fem n¨astkommande ˚aren ¨ar 8.8%.
Uppgift 14
a) Om X=”antalet trasiga d¨ack under en vecka” s˚a g¨aller att
E(X) =
3
X
k=1
kpX(k) = 0 · 1
2+ 1 · 1
4+ 2 · 1
4 = 0.75
E(X2) =
3
X
k=1
k2pX(k) = 02·1
2 + 12· 1
4 + 22· 1
4 = 1.25 V (X) = E(X2) − (E(X))2 = 1.25 − 0.752 = 0.6875
5
b) F¨or en vecka har vi att Xi=”antalet trasiga d¨ack under vecka i” med E(Xi) = µ = 0.75 och V (Xi) = σ2 = 0.6875.
Totalet antalet trasiga d¨ack under 52 veckor ¨arP52
i=1Xi. Eftersom vi summerar m˚anga oberoende stokastiska variabler, alla med samma f¨ordelning, g¨aller enligt centrala gr¨ansv¨ardessatsen:
52
X
i=1
Xi ≈ N 52 · µ,
√
52 · σ2
= N
52 · 0.75,√
52 · 0.6875
P
52
X
i=1
Xi ≤ 40
!
= P
P52
i=1Xi− 52 · 0.75
√52 · 0.6875 ≤ 40 − 52 · 0.75
√52 · 0.6875
!
= Φ (0.17) = 0.5675
Uppgift 15
a) Varje enskild observation xi antas utg¨ora en observation p˚a en stokastisk variabel Xi med t¨athetsfunktionen
fX(x) = x
θ e−x22θ, x ≥ 0 D˚a blir likelihooden en funktion i θ:
L(θ) = fX1(x1) fX2(x2) · · · fXn(xn)
= x1
θ e−x22θ1 x2
θ e−x22θ2 · · ·xn θ e−x22θn
= θ−n
n
Y
i=1
xi
! e−
Pn i=1 x2
i 2θ
Logaritmering och derivering med avseende p˚a θ ger ln L(θ) = −n ln θ + ln
n
Y
i=1
xi
!
− Pn
i=1x2i 2θ d
dθ ln L(θ) = −n θ + 1
2θ2
n
X
i=1
x2i = 0 ⇔ θ =
Pn i=1x2i 2n Fr˚an data har vi att Pn
i=1x2i = 38.62. D˚a blir θ∗obs =
Pn i=1x2i
2n = 38.62
2 · 8 = 2.418125 b) H¨ojden p˚a 1000-˚arsv˚agen ¨ar h¨ojden h s˚adan att P (X > h) = 10001 .
P (X > h) = Z ∞
h
x
θ e−x22θdx
= h
−e−x22θix=R
x=h
= −e−R22θ + e−h22θ
→ e−h22θ d˚a R → ∞.
Allts˚a ska vi l¨osa ekvationen e−h22θ = 10001 i h.
−h2
2θ = − ln 1000 ⇔ h2 = 2θ ln 1000 ⇒
h = √
2θ ln 1000
Vi uppskattar h med hj¨alp av ML-skattningen fr˚an a). Detta ger h∗obs =p2θ∗obsln 1000 =p
2(2.418125) ln 1000 = 5.78
Uppgift 16
a) De sju m¨atningarna x1, . . . , x7¨ar observationer av X=”salivproduktion”; X ∈ N (µ, 0.4). Intres- santa hypoteser ¨ar H0 : µ = 1 mot H1 : µ < 1. H0 f¨orkastas p˚a niv˚a α om (x − 1) /
0.4√ 7
< −λα vilket ¨ar ekvivalent med att x < 1 − λα√0.4
7 = k. Med α = 0.05 f˚as λ0.05= 1.65 och k = 1 − 1.65√0.4
7 = 0.751. Eftersom x = 0.719 g¨aller att x < k och H0 f¨orkastas p˚a niv˚a 0.05. Ja, data st¨oder miss- tanken att l¨akemedlet minskar salivproduktionen.
b) Testets styrkefunktion ger
P (missa nedsatt salivproduktion | µ = 0.8) = P (ej f¨orkasta H0 : µ = 1 | µ = 0.8)
= P
X > 1 − 1.650.4
√7| µ = 0.8
= P
X > 0.751 | X ∈ N
0.8, 0.4
√7
= 1 − Φ 0.751 − 0.8
0.4√ 7
!
= Φ(0.32) = 0.626
c) Best¨am n s˚a att P (uppt¨acka nedsatt salivproduktion | µ = 0.7) = 0.90. Men
P (uppt¨acka nedsatt salivproduktion | µ = 0.7) = P (f¨orkasta H0 : µ = 1 | µ = 0.7)
= P
X < 1 − 1.650.4
√7| µ = 0.7
= P
X < 0.751 | X ∈ N
0.7, 0.4
√n
= Φ 0.751 − 0.7
√0.4 n
!
D˚a detta uttryck ska vara lika med 0.90 inneb¨ar det att 0.751 − 0.7
√0.4 n
= λ0.10
7
vilket ger
n =
λ0.10· 0.4 0.751 − 0.7
2
= 100.8 Man m˚aste ha 101 patienter.