Kjem direkte av betinga sannsyn; [tex]f(y_t|\mathbf{y}_{-t}) = \frac{f(y_t \cap \mathbf{y}_{-t})}{f(\mathbf{y}_{-t})} = \frac{f(y_1, \ldots, y_T)}{f(\mathbf{y}_{-t})} = \frac{f(\mathbf{y})}{f(\mathbf{y}_{-t})}[/tex]

Blir det ikkje slik som dette

f(y_t|\mathbf{y}_{-t}) = \frac{f(\mathbf{y})}{f(\mathbf{y}_{-t})} = \frac{f(y_0)\cdot f(y_1|y_0)\dots f(y_T|y_{T-1})}{f(y_0) f(y_1|y_0)\ldots f(y_{t-1}|y_{t-2})f(y_{t+1})f(y_{t+2}|y_{t+1})\dots f(y_T|y_{T-1})} = \frac{f(y_t|y_{t-1})f(y_{t+1}|y_t)}{f(y_{t+1})} \propto ...

Er dette heile oppgåva? Det kan verke som det manglar litt informasjon. Har du fått oppgitt ei fordeling for X?

edit: Veit at det ikkje samsvarar heilt med oppgåva di, men dersom X ~ uniform(0,k) og $Y = - \theta \ln(X/k)$ er det iallfall mogleg å finne ei kjend fordeling for Y.

A og B ser rett ut. C er diverre feil. Hugs at for at alle skal få plass kan anten 0,1,2,..,27 kome. Hint: i kva tilfeller vil ikkje alle som møter opp få plass? I oppgåve D har du tenkt heilt rett, men du må hugse at det er 29 elevar.

Trur dei meiner $\beta_1$ under/gitt $H_0$ hypotesen.

edit: Dersom du vil teste $H_0: \beta_1 = 0$ vil testobservatoren din under $H_0$ vere $U_0 = \frac{\hat{\beta}_1-\beta_1^0}{\sigma/\sqrt{M}} = \frac{\hat{\beta}_1}{\sigma/\sqrt{M}}$.

Det jeg ikke skjønner med binomisk sannsynlighet er særlig hva den formelen egentlig forteller. Vi kan finne sannsynligheten for et bestemt antall tulipaner vil spire.
La oss si at vi skal finne sannsynligheten for at akkurat 30 spirer, da vil det si at vi finner sannsynligheten fra 1 (eller fra 0 ...

Hint: Kva er fordelinga til ein differanse av to normalfordelte variabler?

Ja, det er rett. Men, vil det ikkje vere lettare å summere sannsyna frå 20 til 30 direkte? Kva er det du ikkje forstår med binomisk sannsyn? Det er lettare å svare dersom det er noko konkret du slit med.

Nå fikk jeg endelig sett videoen, det kan se ut som du blander binomialkoeffisienten og binomisk fordeling ;)

edit: litt for sen..

En av forutsetningene for binomiske fordeling er at vi har n uavhengige Bernoulli forsøk med konstant sannsynlighet p for "suksess" og 1-p for "ikke suksess". Uten ...

Da er Wikipedia åpenbart uenig med seg selv...

The binomial distribution is frequently used to model the number of successes in a sample of size n drawn with replacement from a population of size N. If the sampling is carried out without replacement, the draws are not independent and so the ...

Binomisk er med tilbakelegging.

edit: Fjernet noe som åpenbart var feil

For oppgave 2:
Generelt har du at [tex]X \sim \text{Exp}(\lambda)[/tex] har [tex]E(X) = \frac{1}{\lambda}[/tex]. Hva må da intensitetsparameteret, [tex]\lambda[/tex], være i ditt tilfelle? Videre har du nå fordelinga til T, du kan derfor finne [tex] \text{Prob}\{ T \geq 3\} [/tex]

Gjorde sjølve eit meir eller mindre mislukka(?) forsøk på og ta analysens grunnlag som 2. klassing i fjor haust. (Har ikkje tatt eksamen då den krasja med 4K i fjor, men eg skal etter planen ta eksamen i august. Noko eg angrar stort på no...) Har undervegs, og spesielt i etter tid, innsett at ...

x: Farens alder
y: datterens alder

x+4 = 3(y+4)
x-6 = 5(y-6)

edit: Rettet en graverende feil

h i teller og nevner vil kansellere hverandre:

[tex]\frac{x+h-x}{h\cdot(\sqrt{x+h}+\sqrt{x})} = \frac{\cancel{h}}{\cancel{h}\cdot (\sqrt{x+h}+\sqrt{x})} = \frac{1}{\sqrt{x+h}+\sqrt{x}}[/tex]