1 Section 4-1: Introduksjon til sannsynlighet. 2 Section 4-2: Enkel sannsynlighetsregning. 3 Section 5-1: Introduksjon til sannsynlighetsfordelinger

Save this PDF as:
 WORD  PNG  TXT  JPG

Størrelse: px
Begynne med side:

Download "1 Section 4-1: Introduksjon til sannsynlighet. 2 Section 4-2: Enkel sannsynlighetsregning. 3 Section 5-1: Introduksjon til sannsynlighetsfordelinger"

Transkript

1 1 Section 4-1: Introduksjon til sannsynlighet 2 Section 4-2: Enkel sannsynlighetsregning 3 Section 5-1: Introduksjon til sannsynlighetsfordelinger 4 Section 5-2: Tilfeldige variable 5 Section 5-3: Binomisk sannsynlighetsfordeling

2 Regelen for uvanlige hendelser Rare event rule Anta at: Analogi Vi har en bestemt antagelse om noe Vi observerer noe i dataene som er svært uvanlig hvis antagelsen er sann Konklusjon: Da er det noe galt med antagelsen! Vi antar at tiltalte er uskyldig Det er svært usannsynlig å ha disse bevisene dersom tiltalte er uskyldig: Da er antagelsen om uskyld gal!!

3 Regelen for uvanlige hendelser Example IT-avdelingen anslår at rundt 15% av BI studentene har en IPhone Men i en stikkprøve av 1939 BI studenter har 22% Iphone Hvis bare 15% av populasjonen har Iphone, så skal det mye til for at andelen i en stikkprøve med 1939 studenter er 22%... Konklusjon: antagelsen om 15% er gal!

4 Regelen for uvanlige hendelser og statistisk inferens Rare event rule Vi har en bestemt antagelse om populasjonen. Den kalles en hypotese. Dataene i stikkprøven er svært uvanlige i forhold til hypotesen: Konklusjon: Da er det noe galt med hypotesen! Statistisk inferens Med sannsynlighetsregning begynner vi med andre del av kurset: Statistisk inferens. Det er kunsten å bruke stikkprøven til å si noe generelt om hele populasjonen.

5 Sannsynligheten til en hendelse Sannsynlighet Det er fundamentalt viktig å kunne regne ut sannsynligheten til en hendelse. Å tolke sannsynligheten Men det er like viktig å kunne tolke sannsynlighetsverdier.

6 Definisjoner Hendelse (eng: event) En samling av utfall fra en tilfeldig prosedyre. Eksempel: Du triller to terninger. Begge terninger viser det samme er en hendelse. Enkelhendelse (eng: simple event) En hendelse som består av ett spesielt utfall. Eksempel: Du triller to terninger. Begge terninger viser 1 er en enkelhendelse Utfallsrom (eng: sample space) Alle enkelhendelser som prosedyren kan resulterere i.

7 Notasjon for sannsynlighetsregning Notasjon P angir sannsynlighet (eng: probability) A, B, og C angir spesifikke hendelser P(A) er sannsynligheten for at hendelse A inntreffer

8 Beregne sannsynlighet Alle utfall er like sannsynlige Da beregner man sannsynligheten som P(A) = Antall måter A kan inntreffe på Totalt antall enkelthendelser Example Du triller to terninger. La A være hendelsen: Summen av terningene er 3". P(A) = 2 36 =

9 Beregne sannsynlighet Sannsynligheten er et tall mellom 0 og 1 Example Sannsynligheten til en umulig hendelse er 0 Sannsynligheten til en hendelse som helt sikkert inntreffer, er 1 Enhver hendelse har en sannsynlighet mellom 0 og 1. Du triller to terninger. La A være hendelsen: Summen av terningene er 30. P(A) = 0 La A være hendelsen: Summen av terningene er mer enn 1. P(A) = 1 La A være hendelsen: Summen av terningene er mer enn 2. P(A) = Det er meget sannsynlig at hendelsen Summen av terningene er mer enn 2 inntreffer. Det skjer 35 av 36 ganger...

10 Tolke sannsynligheter

11 Komplementet til en hendelse Komplement Noen ganger er det lettere å beregne sannsynligheten til komplementet Example For en hendelse A er komplementet alle utfall som ikke er i A. Det betegnes A Da har vi P(A) = 1 P(A) Hva er sannsynligheten for at B: summen av terninger ikke er 3? Komplementet er B: summen av terningene er 3 På side 9 så vi at : P(B) = 1 18 P(A) = 1 P(B) = = = Det er 94.4% sjanse for at summen av to terninger ikke blir 3

12 Kapittel 5: Sannsynlighetsfordelinger Om kapittel 5 Vi kombinerer deskriptiv statistikk fra kapittel 3 med sannsynlighet fra kapittel 4 Da får vi diskrete sannsynlighetsfordelinger som er tema i kapittel 5 Sannsynlighetsfordelinger beskriver hva som sannsynligvis vil skje, ikke hva som faktisk skjedde.

13

14 Section 5-2: Tilfeldige variable Tilfeldig variabel (eng: random variable) En tilfeldig variabel er et tall som er et utfall av en tilfeldig prosess. Examples Antall øyne ved et terningkast Lojalitet hos en tilfeldig valgt bankkunde, målt på en skala fra 1 til 10 Fordelingen til en tilfeldig variabel Sannsynlighetsfordelingen til en diskret tilfeldig variabel angir sannsynligheten for hver tenkelige verdi av den tilfeldige variabelen. Dette gjøres vha en tabell eller en formel.

15 To typer tilfeldige variable Diskret tilfeldig variabel Dersom variabelen har et endelig eller tellbart antall utfall. Example Antall øyne ved et terningkast Kontinuerlig tilfeldig variabel Dersom variabelen har uendelig mange utfall målt på en kontinuerlig skala uten gap. Example Vekten på en tilfeldig valgt pasient

16 Sannsynlighetshistogram Figur: Antall meksikansk-amerikanske medlemmer i jury

17 Krav til en sannsynlighetsfordeling To krav må oppfylles 1. P(x) = P(x) 1

18 Forventning og standardavvik til en tilfeldig variabel Forventning / Gjennomsnitt Populasjonsgjennomsnittet µ til en tilfeldig variabel: µ = x P(x) Standardavvik til en tilfeldig variabel Standardavviket σ i populasjonen: σ = (x µ)2 P(x)

19 Forventning og standardavvik for et terningkast Example Tabell: sannsynlighetsfordeling for et terningkast, se side 14 x P(x) µ = = 21 6 = 3.5 σ = (1 3.5) (2 3.5) (6 3.5) =

20 Permutasjoner Antall permutasjoner av N objekter En permutasjon er en ordning av objektene i en viss rekkefølge. Hvis vi har N objekter, er antallet ordninger: Example N! = N (N 1) Hvor mange måter kan 7 personer stille seg i kø på? Svar: 7! = = 5040 måter

21 Antall uordnete utvalg Antall uordnete utvalg uten tilbakelegging Vi velger n av totalt N objekter. Antall måter det kan gjøres på: ( ) N N (N 1) (N 2)... (N n + 1) = n n! ( a ) b betyr velg b fra en samling a, og kalles en binomisk koeffisient Examples Du skal velge 4 studenter fra en klasse på 18. Hvor mange måter kan du gjøre det på? Svar: ( ) 18 4 = = 3060 Lotto: 34 kuler. Hvor mange utvalg av 7 kuler finnes det? ( ) 34 =

22 Binomisk forsøksrekke En serie identiske og uavhengige forsøk Vi gjør et forsøk n ganger Hvert forsøk er uavhengig av det forrige Utfallet i et forsøk er enten vellykket eller mislykket Utfallet er vellykket med sannsynlighet p, og mislykket med sannsynlighet 1 p. Example Du kaster kron/mynt 5 ganger kron vellykket/suksess mynt mislykket/failure binomisk forsøksrekke med n = 5 og p = 0.5

23 Antall 6 ere på ti terningkast suksess 6 på terningen binomisk forsøksrekke med n = 10 og p = 1/6 Hvor sannsynlig er det å få akkurat tre 6 ere? Sannsynligheten for at de tre første blir 6, og deretter ingen: ( 1 6 )3 ( 5 6 )7 = Antall plasseringer av tre 6 ere i rekka: ( ) 10 = Så sannsynligheten for nøyaktig tre 6 ere er ( ) 10 P(3) = ( )3 ( 5 6 )7 = 0.155

24 Binomialfordelingen Binomialfordelingen La x være antall suksesser i en binomisk forsøksrekke Da er x en diskret tilfeldig variabel Sannsynligheten for at vi totalt får a vellykkete forsøk er gitt ved binomialfordelingen ( ) n P(x = a) = p a (1 p) n a a

25 Tre måter å regne ut binomialfordelingen 1. Formelen P(x = a) = ( ) n p a (1 p) n a a Example Sannsynligheten for å få 6 to ganger i ti terningkast er P(x = 2) = (1/6)2 (5/6) 8 = 0.29

26 Tre måter å regne ut binomialfordelingen 2. Tabell Bruk tabell A-1 i boka. F.eks. med n = 12 og p = 0.8 så er sannsynligheten for 5 suksesser lik Example Ti terningkast eksempelet fra forrige side. n = 10, p = 1/6 og x = 2 Sjekk i tabell A-1 Er sannsynligheten er 0.29?

27 Tre måter å regne ut binomialfordelingen 3. Kalkulator/Excel/JMP JMP. Lag en søyle med formula editor Binomial distribution. Excel har funksjonene COMBIN(N; n) for ( ) N n BINOMDIST(5; 20; 0,22; 0) for binomiske punktsannsynligheter BINOMDIST(5; 20; 0,22; 1) for binomiske kumulative (maks 5) sannsynligheter Online kalkulatorer. Søk på binomial distribution pdf på Texas BII plus kalkulator har også ( ) N n

28 Binomialfordelingen Example To røde og syv grønne baller Vi trekker en ball n = 20 ganger, med tilbakelegging. Hva er sannsynligheten for å få rød ball nøyaktig fem ganger? Svar: Dette er identiske og uavhengige forsøk med p = 2 9 : P(5) = ( ) 20 ( )5 ( 7 9 )15 = 0.19

29 Punktsannsynligheter og kumulative sannsynligheter Kumulativ sannsynlighet Punktsannsynlighet Sannsynligheten for nøyaktig a vellykkete forsøk. Kumulativ sannsynlighet er derimot sannsynligheten for at høyst a forsøk er vellykkete: P(høyst a) = P(0) + P(1) + P(2) + + P(a) Example To røde og syv grønne baller. Sannsynligheten for rød ball høyst to ganger: ( 20 0 ) ( 2 9 )0 ( 7 9 )20 + ( 20 1 P(høyst 2) = P(0) + P(1) + P(2) = ) ( 2 9 )1 ( 7 ( ) 20 9 )19 + ( )2 ( 7 9 )18 = 0.146

30 Example Ringe 12 tilfeldig valgte kunder for en markedsundersøkelse. vellykket kunden svarer på spørsmålene Oppringningene uavhengige av hverandre Suksess-sannsynlighet p = 0.2 Binomisk forsøksrekke med n = 12 og p = 0.2 Sannsynligheten for at minst to kunder svarer? Regn ut komplementet: at 0 eller 1 kunde svarer P(0) + P(1) = = Sannsynligheten for at minst to kunder svarer er = 0.725

Diskrete sannsynlighetsfordelinger som histogram. Varians. Histogram og kumulativ sannsynlighet. Binomial-fordelingen

Diskrete sannsynlighetsfordelinger som histogram. Varians. Histogram og kumulativ sannsynlighet. Binomial-fordelingen Diskret sannsynlighetsfordeling (kap 1.1-1.6) Oversikt Utfallsrom (sample space) Sannsynlighetsfordeling Forventning (expectation), E(, populasjonsgjennomsnitt Bruk av figurer og histogram Binomialfordelingen

Detaljer

Tilfeldige variable (5.2)

Tilfeldige variable (5.2) Tilfeldige variable (5.) Dersom vi til hvert utfall av eksperimentet tilordner et tall, har vi laget en tilfeldig variabel. Tilfeldig variabel: En variabel som har en numerisk verdi for hvert utfall i

Detaljer

TMA4240 Statistikk H2010

TMA4240 Statistikk H2010 TMA4240 Statistikk H2010 2.8: Bayes regel 3.1: Stokastisk variabel 3.2: Diskrete sannsynlighetsfordelinger 3.3: Kontinuerlige sannsynlighetsfordelinger Mette Langaas Foreleses onsdag 1. september 2010

Detaljer

ÅMA110 Sannsynlighetsregning med statistikk, våren 2011

ÅMA110 Sannsynlighetsregning med statistikk, våren 2011 ÅMA0 Sannsynlighetsregning med statistikk, våren 0 Kp. 3 Diskrete tilfeldige variable Noen viktige sannsynlighetsmodeller Noen viktige sannsynlighetsmodeller ( Sanns.modell : nå betyr det klasse/type sanns.fordeling.

Detaljer

ST0202 Statistikk for samfunnsvitere

ST0202 Statistikk for samfunnsvitere ST0202 Statistikk for samfunnsvitere Kapittel 5: Sannsynlighetsfordelinger for diskrete variabler Bo Lindqvist Institutt for matematiske fag 2 Tilfeldige variabler (5.1) Dersom vi til hvert utfall av eksperimentet

Detaljer

1 Section 6-2: Standard normalfordelingen. 2 Section 6-3: Anvendelser av normalfordelingen. 3 Section 6-4: Observator fordeling

1 Section 6-2: Standard normalfordelingen. 2 Section 6-3: Anvendelser av normalfordelingen. 3 Section 6-4: Observator fordeling 1 Section 6-2: Standard normalfordelingen 2 Section 6-3: Anvendelser av normalfordelingen 3 Section 6-4: Observator fordeling 4 Section 6-5: Sentralgrenseteoremet Oversikt Kapittel 6 Kontinuerlige tilfeldige

Detaljer

Statistikk 1 kapittel 5

Statistikk 1 kapittel 5 Statistikk 1 kapittel 5 Nico Keilman ECON 2130 Vår 2017 Kapittel 5 Sannsynlighetsmodeller I kap. 4 så vi et eksempel med en s.v. X som hadde en uniform sannsynlighetsfordeling: alle verdier av x har like

Detaljer

1 Section 7-2: Estimere populasjonsandelen. 2 Section 7-4: Estimere µ når σ er ukjent

1 Section 7-2: Estimere populasjonsandelen. 2 Section 7-4: Estimere µ når σ er ukjent 1 Section 7-2: Estimere populasjonsandelen 2 Section 7-4: Estimere µ når σ er ukjent Kapittel 7 Nå begynner vi med statistisk inferens! Bruke stikkprøven til å 1 Estimere verdien til en parameter i populasjonen.

Detaljer

Statistikk 1 kapittel 5

Statistikk 1 kapittel 5 Statistikk 1 kapittel 5 Nico Keilman ECON 2130 Vår 2016 Kapittel 5 Sannsynlighetsmodeller I kap. 4 så vi et eksempel med en s.v. X som hadde en uniform sannsynlighetsfordeling: alle verdier av x har like

Detaljer

1 8-1: Oversikt. 2 8-2: Grunnleggende hypotesetesting. 3 Section 8-3: Å teste påstander om andeler. 4 Section 8-5: Teste en påstand om gjennomsnittet

1 8-1: Oversikt. 2 8-2: Grunnleggende hypotesetesting. 3 Section 8-3: Å teste påstander om andeler. 4 Section 8-5: Teste en påstand om gjennomsnittet 1 8-1: Oversikt 2 8-2: Grunnleggende hypotesetesting 3 Section 8-3: Å teste påstander om andeler 4 Section 8-5: Teste en påstand om gjennomsnittet Definisjoner Hypotese En hypotese er en påstand om noe

Detaljer

SANNSYNLIGHETSREGNING

SANNSYNLIGHETSREGNING SANNSYNLIGHETSREGNING Er tilfeldigheter tilfeldige? Når et par får vite at de skal ha barn, vurderes sannsynligheten for pike eller gutt normalt til rundt 50/50. Det kan forklare at det fødes omtrent like

Detaljer

Statistikk 1 kapittel 5

Statistikk 1 kapittel 5 Statistikk 1 kapittel 5 Nico Keilman ECON 2130 Vår 2014 Kapittel 5 Sannsynlighetsmodeller I kap. 4 så vi et eksempel om en s.v. X som hadde en uniform sannsynlighetsfordeling: alle verdier av x har like

Detaljer

ÅMA110 Sannsynlighetsregning med statistikk, våren 2011

ÅMA110 Sannsynlighetsregning med statistikk, våren 2011 ÅMA110 Sannsynlighetsregning med statistikk, våren 2011 Kp. 2 Sannsynlighetsregning (sannsynlighetsteori) 1 Grunnbegrep Stokastisk forsøk: forsøk med uforutsigbart utfall Enkeltutfall: et av de mulige

Detaljer

ST0202 Statistikk for samfunnsvitere

ST0202 Statistikk for samfunnsvitere ST0202 Statistikk for samfunnsvitere Bo Lindqvist Institutt for matematiske fag 2 Fra første forelesning: Populasjon Den mengden av individer/objekter som vi ønsker å analysere. Utvalg En delmengde av

Detaljer

Forelening 1, kapittel 4 Stokastiske variable

Forelening 1, kapittel 4 Stokastiske variable Forelening 1, kapittel 4 Stokastiske variable Eksempel X = "antall kron på kast med to mynter (før de er kastet)" Uniformt utfallsrom {MM, MK, KM, KK}. X = x beskriver hendelsen "antall kron på kast med

Detaljer

Statistikk 1 kapittel 5

Statistikk 1 kapittel 5 Statistikk 1 kapittel 5 Nico Keilman ECON 2130 Vår 2015 Kapittel 5 Sannsynlighetsmodeller I kap. 4 så vi et eksempel om en s.v. X som hadde en uniform sannsynlighetsfordeling: alle verdier av x har like

Detaljer

Utvalgsfordelinger. Utvalg er en tilfeldig mekanisme. Sannsynlighetsregning dreier seg om tilfeldige mekanismer.

Utvalgsfordelinger. Utvalg er en tilfeldig mekanisme. Sannsynlighetsregning dreier seg om tilfeldige mekanismer. Utvalgsfordelinger Vi har sett at utvalgsfordelinger til en statistikk (observator) er fordelingen av verdiene statistikken tar ved mange gjenttatte utvalg av samme størrelse fra samme populasjon. Utvalg

Detaljer

ST0202 Statistikk for samfunnsvitere

ST0202 Statistikk for samfunnsvitere ST0202 Statistikk for samfunnsvitere Kapittel 7: Utvalgsfordeling Bo Lindqvist Institutt for matematiske fag 2 Fra kapittel 1: Populasjon Den mengden av individer/objekter som vi ønsker å analysere. Utvalg

Detaljer

TMA4240 Statistikk H2010 Kapittel 5: Diskrete sannsynlighetsfordelinger : Uniform, binomisk, hypergeometrisk fordeling

TMA4240 Statistikk H2010 Kapittel 5: Diskrete sannsynlighetsfordelinger : Uniform, binomisk, hypergeometrisk fordeling TMA4240 Statistikk H2010 Kapittel 5: Diskrete sannsynlighetsfordelinger 5.1-5.4: Uniform, binomisk, hypergeometrisk fordeling Mette Langaas 2 Arbeidshverdag etter endt studium Studere et fenomen (f.eks.

Detaljer

ÅMA110 Sannsynlighetsregning med statistikk, våren Noen viktige sannsynlighetsmodeller. Binomisk modell. Kp. 3 Diskrete tilfeldige variable

ÅMA110 Sannsynlighetsregning med statistikk, våren Noen viktige sannsynlighetsmodeller. Binomisk modell. Kp. 3 Diskrete tilfeldige variable ÅMA Sannsynlighetsregning med statistikk, våren 006. 3 Diskrete tilfeldige variable Noen viktige sannsynlighetsmodeller Noen viktige sannsynlighetsmodeller (k. 3.6 Hyergeometrisk modell (k. 3.7 Geometrisk

Detaljer

ÅMA110 Sannsynlighetsregning med statistikk, våren Kp. 3 Diskrete tilfeldige variable. Diskrete tilfeldige variable, varians (kp. 3.

ÅMA110 Sannsynlighetsregning med statistikk, våren Kp. 3 Diskrete tilfeldige variable. Diskrete tilfeldige variable, varians (kp. 3. ÅMA Sannsynlighetsregning med statistikk, våren 8 Kp. Diskrete tilfeldige variable Kp. Diskrete tilfeldige variable Har sett på (tidligere: begrep/definisjoner; tilfeldig (stokastisk variabel sannsynlighetsfordeling

Detaljer

ÅMA110 Sannsynlighetsregning med statistikk, våren 2007

ÅMA110 Sannsynlighetsregning med statistikk, våren 2007 ÅMA110 Sannsynlighetsregning med statistikk, våren 2007 Kp. 2 Sannsynlighetsregning (sannsynlighetsteori) 1 Grunnbegrep Stokastisk forsøk: forsøk med uforutsigbart utfall Enkeltutfall: et av de mulige

Detaljer

Fra første forelesning:

Fra første forelesning: 2 Fra første forelesning: ST0202 Statistikk for samfunnsvitere Bo Lindqvist Institutt for matematiske fag opulasjon Den mengden av individer/objekter som vi ønsker å analysere. Utvalg En delmengde av populasjonen

Detaljer

Sum to terninger forts. Eksempel: kast med to terninger. Sum to terninger forts. Kapittel 3. TMA4240 H2006: Eirik Mo

Sum to terninger forts. Eksempel: kast med to terninger. Sum to terninger forts. Kapittel 3. TMA4240 H2006: Eirik Mo 3 Sum to terninger forts. Kapittel 3 TMA4240 H200: Eirik Mo 2 3 4 5,,2,3,4,5, 2 2, 2,2 2,3 2,4 2,5 2, Andre 3 3, 3,2 3,3 3,4 3,5 3, terning 4 4, 4,2 4,3 4,4 4,5 4, 5 5, 5,2 5,3 5,4 5,5 5,,,2,3,4,5, Med

Detaljer

Kapittel 4.3: Tilfeldige/stokastiske variable

Kapittel 4.3: Tilfeldige/stokastiske variable Kapittel 4.3: Tilfeldige/stokastiske variable Litt repetisjon: Sannsynlighetsteori Stokastisk forsøk og sannsynlighet Tilfeldig fenomen Individuelle utfall er usikre, men likevel et regulært mønster for

Detaljer

Oppgaver til Studentveiledning 4 MET 3431 Statistikk

Oppgaver til Studentveiledning 4 MET 3431 Statistikk Oppgaver til Studentveiledning 4 MET 3431 Statistikk 8. mai 2012 kl 17.15-20.15 i B2 Handelshøyskolen BI 2 Oppgaver 1. Eksamensoppgaver: Eksamen 22/11/2011: Oppgave 1-7. Eksamensoppgaven fra 11/2011 er

Detaljer

TMA4240/TMA4245 Statistikk Oppsummering diskrete sannsynlighetsfordelinger

TMA4240/TMA4245 Statistikk Oppsummering diskrete sannsynlighetsfordelinger TMA4240/TMA4245 Statistikk Oppsummering diskrete sannsynlighetsfordelinger Binomisk fordeling* ( ) n b(x; n, p) = p x (1 p) n x = x ( ) n p x q n x, x x = 0, 1, 2,..., n Fenomén: i) n forsøk. ii) Suksess/fiasko

Detaljer

Sannsynligheten for en hendelse (4.2) Empirisk sannsynlighet. ST0202 Statistikk for samfunnsvitere

Sannsynligheten for en hendelse (4.2) Empirisk sannsynlighet. ST0202 Statistikk for samfunnsvitere 2 Sannsynligheten for en hendelse (4.2) Sannsynligheten for en hendelse sier oss hvor ofte vi forventer at hendelsen inntreffer, dvs. den forventede relative frekvens av hendelsen. ST0202 Statistikk for

Detaljer

Tilfeldige variabler. MAT0100V Sannsynlighetsregning og kombinatorikk

Tilfeldige variabler. MAT0100V Sannsynlighetsregning og kombinatorikk MAT000V Sannsynlighetsregning og kombinatorikk Tilfeldige variabler og sannsynlighetsfordelinger (repetisjon) Hypergeometrisk fordeling (repetisjon) Binomisk fordeling Forventningsverdi Tilfeldige variabler

Detaljer

Eksempel: kast med to terninger

Eksempel: kast med to terninger Kapittel 3 TMA4245 V2007: Eirik Mo 2 Eksempel: kast med to terninger I et eksperiment kaster vi to terninger og registerer antall øyne på hver terning. Utfallsrom S={(,),(,2),(,3),...,(,), (2,),...,(2,),...,(,)}

Detaljer

Binomisk sannsynlighetsfunksjon

Binomisk sannsynlighetsfunksjon ST0202 Statistikk for samfunnsvitere Bo Lindqvist Institutt for matematiske fag 2 Binomisk sannsynlighetsfunksjon La det være n forsøk, sannsynlighet p for suksess og sannsynlighet q for fiasko. Den tilfeldige

Detaljer

Sannsynlighetsregning og kombinatorikk

Sannsynlighetsregning og kombinatorikk Sannsynlighetsregning og kombinatorikk Introduksjon Formålet med sannsynlighet og kombinatorikk er å kunne løse problemer i statistikk, somoftegårutpååfattebeslutninger i situasjoner der tilfeldighet rår.

Detaljer

MAT0100V Sannsynlighetsregning og kombinatorikk

MAT0100V Sannsynlighetsregning og kombinatorikk MAT000V Sannsynlighetsregning og kombinatorikk Uordnet utvalg uten tilbakelegging (repetisjon) Tilfeldige variabler og sannsynlighetsfordelinger Hypergeometrisk fordeling Binomisk fordeling Ørnulf Borgan

Detaljer

Tilfeldige variabler. MAT0100V Sannsynlighetsregning og kombinatorikk

Tilfeldige variabler. MAT0100V Sannsynlighetsregning og kombinatorikk MAT000V Sannsynlighetsregning og kombinatorikk Tilfeldige variabler og sannsynlighetsfordelinger Hypergeometrisk fordeling Binomisk fordeling Ørnulf Borgan Matematisk institutt Universitetet i Oslo Tilfeldige

Detaljer

Løsningskisse for oppgaver til undervisningsfri uke 8 ( februar 2012)

Løsningskisse for oppgaver til undervisningsfri uke 8 ( februar 2012) 1 ECON 130 HG - februar 01 Løsningskisse for oppgaver til undervisningsfri uke 8 (0.-. februar 01) Oppg..1. Variabel: x = antall kundehenvendelser pr. dag 1. Antall observasjoner: n = 100 dager. I Excel

Detaljer

Betinget sannsynlighet

Betinget sannsynlighet Betinget sannsynlighet Multiplikasjonsloven for sannsynligheter (s. 49 i bok): P( AB ) = P( A B ) P(B) Veldig viktig verktøy for å finne sannsynligheter for snitt. (Bevises ved rett fram manipulering av

Detaljer

Terningkast. Utfallsrommet S for et terningskast med en vanlig spillterning med 6 sider er veldefinert 1, 2, 3, 4, 5, 6

Terningkast. Utfallsrommet S for et terningskast med en vanlig spillterning med 6 sider er veldefinert 1, 2, 3, 4, 5, 6 Terningkast Halvor Aarnes, UiO, 2014 Innhold Ett terningkast og utfallsrom... 1 Union og snitt... 4 Betinget sannsynlighet... 5 Forventningsverdi E(X) og varianse Var(X)... 5 Konfidensintervall for proporsjoner...

Detaljer

MAT4010 PROSJEKTOPPGAVE: Statistikk i S2. Olai Sveine Johannessen, Vegar Klem Hafnor & Torstein Mellem

MAT4010 PROSJEKTOPPGAVE: Statistikk i S2. Olai Sveine Johannessen, Vegar Klem Hafnor & Torstein Mellem MAT400 PROSJEKTOPPGAVE: Statistikk i S2 Olai Sveine Johannessen, Vegar Klem Hafnor & Torstein Mellem 20. mai 205 Innhold. Stokastisk Variabel.. Stokastiske variable som funksjoner 3 2. Forventningsverdi

Detaljer

ECON240 Vår 2018 Oppgaveseminar 1 (uke 6)

ECON240 Vår 2018 Oppgaveseminar 1 (uke 6) ECON240 Vår 2018 Oppgaveseminar 1 (uke 6) Oppgaver til prerequisites og kapittel 1 fra læreboken Example P.1, P.5, P.6, P.7, P.8, P.9, P.11, P.12, P.13, og P.14 Example 1.1, 1.2, 1.3, 1.4, 1.6, 1.7, 1.9,

Detaljer

2.3: Kombinatorikk 2.4: Sannsynlighet, og Monte Carlo simulering. Foreleses onsdag 25. august 2010

2.3: Kombinatorikk 2.4: Sannsynlighet, og Monte Carlo simulering. Foreleses onsdag 25. august 2010 TMA4240 Statistikk H2010 2.3: Kombinatorikk 2.4: Sannsynlighet, og Monte Carlo simulering. Mette Langaas Foreleses onsdag 25. august 2010 2 Sist - Kap 0 Hva er statistikk, og hvorfor skal du lære det?

Detaljer

Diskrete sannsynlighetsfordelinger.

Diskrete sannsynlighetsfordelinger. Diskrete sannsynlighetsfordelinger. Dekkes av kapittel 5 i læreboka. Husk: f(x) er punktsannsynligheten til en diskret X dersom: 1. f(x) 0 2. x f(x) =1 3. f(x) =P (X = x) Vi skal nå sepå situasjoner der

Detaljer

Regneregler for forventning og varians

Regneregler for forventning og varians Regneregler for forventning og varians Det fins regneregler som er til hjelp når du skal finne forventningsverdier og varianser. Vi skal her se nærmere på disse reglene. Vi viser deg også hvordan reglene

Detaljer

Midtveiseksamen i STK1100 våren 2017

Midtveiseksamen i STK1100 våren 2017 Midtveiseksamen i STK1100 våren 2017 Denne midtveiseksamenen består av 20 oppgaver. Det er ett riktig svaralternativ for hvert spørsmål. Hvis svaret er oppgitt som et desimaltall, er det rundet av til

Detaljer

TMA4240 Statistikk H2010

TMA4240 Statistikk H2010 TMA4240 Statistikk H2010 Statistisk inferens: 8.1: Tilfeldig utvalg 9.1-9.3: Estimering Mette Langaas Foreleses uke 40, 2010 2 Utfordring Ved en bedrift produseres en elektrisk komponent. Komponenten må

Detaljer

TMA4240 Statistikk Høst 2008

TMA4240 Statistikk Høst 2008 TMA4240 Statistikk Høst 2008 Norges teknisk-naturvitenskapelige universitet Institutt for matematiske fag Øving nummer 7 Oppgave 1 Tippekonkurranse Denne oppgaven er ment som en kjapp test på hva du har

Detaljer

Statistikk og dataanalyse

Statistikk og dataanalyse Njål Foldnes, Steffen Grønneberg og Gudmund Horn Hermansen Statistikk og dataanalyse En moderne innføring Kapitteloversikt del 1 INTRODUKSJON TIL STATISTIKK Kapittel 1 Populasjon og utvalg 19 Kapittel

Detaljer

Tilfeldige variabler. MAT0100V Sannsynlighetsregning og kombinatorikk

Tilfeldige variabler. MAT0100V Sannsynlighetsregning og kombinatorikk MAT0100V Sannsynlighetsregning og kombinatorikk Forventning, varians og standardavvik Tilnærming av binomiske sannsynligheter Konfidensintervall Ørnulf Borgan Matematisk institutt Universitetet i Oslo

Detaljer

ST0202 Statistikk for samfunnsvitere Kapittel 6: Normalfordelingen

ST0202 Statistikk for samfunnsvitere Kapittel 6: Normalfordelingen ST0202 Statistikk for samfunnsvitere Kapittel 6: Normalfordelingen Bo Lindqvist Institutt for matematiske fag 2 Kap. 6: Normalfordelingen Normalfordelingen regnes som den viktigste statistiske fordelingen!

Detaljer

Diskrete sannsynlighetsfordelinger.

Diskrete sannsynlighetsfordelinger. Diskrete sannsynlighetsfordelinger. Dekkes av kapittel 5 i læreboka. Husk: f() er punktsannsynligheten til en diskret X dersom: 1. f() 0 2. f() =1 3. f() =P (X = ) Vi skal nå sepå situasjoner der vi har

Detaljer

1 9-3: Sammenligne gjennomsnitt for to uavhengige stikkprøver. 2 9-4: Sammenligne gjennomsnitt for to relaterte stikkprøver

1 9-3: Sammenligne gjennomsnitt for to uavhengige stikkprøver. 2 9-4: Sammenligne gjennomsnitt for to relaterte stikkprøver 1 9-3: Sammenligne gjennomsnitt for to uavhengige stikkprøver 2 9-4: Sammenligne gjennomsnitt for to relaterte stikkprøver 3 Oppvarming til kap 10: Rette linjer Sammenligne to populasjoner Data fra to

Detaljer

Løsning på Dårlige egg med bruk av Tabell 2 i Appendix B

Løsning på Dårlige egg med bruk av Tabell 2 i Appendix B Situasjonen er som i quiz-eksempelet: n = 4, p = 1/3 ( suksess betyr å gjette riktig alternativ), q = 2/3. Oppgave: Finn P(x), x=0,1,2,3,4 fra den generelle formelen for binomisk sannsynlighetsfordeling

Detaljer

ST0202 Statistikk for samfunnsvitere Kapittel 9: Inferens om én populasjon

ST0202 Statistikk for samfunnsvitere Kapittel 9: Inferens om én populasjon ST0202 Statistikk for samfunnsvitere Kapittel 9: Inferens om én populasjon Bo Lindqvist Institutt for matematiske fag 2 Kap. 9: Inferens om én populasjon Statistisk inferens har som mål å tolke/analysere

Detaljer

Formelsamling V-2014 MAT110. Statistikk 1. Per Kristian Rekdal

Formelsamling V-2014 MAT110. Statistikk 1. Per Kristian Rekdal Formelsamling V-2014 MAT110 Statistikk 1 Per Kristian Rekdal 2 Forord Dette er formelsamlingen i emnet MAT110 Statistikk 1 ved høgskolen i Molde. Formlene i denne formelsamlingen er stort sett de formlene

Detaljer

EKSAMEN ST0202 STATISTIKK FOR SAMFUNNSVITERE

EKSAMEN ST0202 STATISTIKK FOR SAMFUNNSVITERE Norges teknisknaturvitenskapelige universitet Institutt for matematiske fag Side 1 av 10 Bokmål Faglig kontakt under eksamen: Bo Lindqvist, tlf. 97589418 EKSAMEN ST0202 STATISTIKK FOR SAMFUNNSVITERE Tirsdag

Detaljer

1 Sec 3-2: Hvordan beskrive senteret i dataene. 2 Sec 3-3: Hvordan beskrive spredningen i dataene

1 Sec 3-2: Hvordan beskrive senteret i dataene. 2 Sec 3-3: Hvordan beskrive spredningen i dataene 1 Sec 3-2: Hvordan beskrive senteret i dataene 2 Sec 3-3: Hvordan beskrive spredningen i dataene Todeling av statistikk Deskriptiv statistikk Oppsummering og beskrivelse av den stikkprøven du har. Statistisk

Detaljer

A. i) Sett opp en frekvenstabell over de fire mulige kombinasjonene av kjønn og røykestatus. Dvs. fyll inn. Ikke - røyker Sum Jente Gutt Sum 25

A. i) Sett opp en frekvenstabell over de fire mulige kombinasjonene av kjønn og røykestatus. Dvs. fyll inn. Ikke - røyker Sum Jente Gutt Sum 25 1 ECON21: ESAEN 215v SENSORVEILEDNING. Det anbefales at de 9 deloppgavene merket med A, B, teller likt uansett variasjon i vanskelighetsgrad. Svarene er gitt i > Grensen til bestått bør ligge på ca

Detaljer

ÅMA110 Sannsynlighetsregning med statistikk, våren 2008

ÅMA110 Sannsynlighetsregning med statistikk, våren 2008 ÅMA0 Sannsynlighetsregning med statistikk, våren 008 Kp. Sannsynlighetsregning (sannsynlighetsteori).5 Betinget sannsynlighet Betinget sannsynlighet (kp..5) - innledning Eks.: Et terningkast; {,, 3, 4,

Detaljer

Kapittel 3: Studieopplegg

Kapittel 3: Studieopplegg Oversikt over pensum Kapittel 1: Empirisk fordeling for en variabel o Begrepet fordeling o Mål for senter (gj.snitt, median) + persentiler/kvartiler o Mål for spredning (Standardavvik s, IQR) o Outliere

Detaljer

Statistikk og økonomi, våren 2017

Statistikk og økonomi, våren 2017 Statistikk og økonomi, våren 207 Obligatorisk oppgave 3 Løsningsforslag Oppgave Produsenten av en type bærbar datamaskin har registrert at sannsynligheten er 0.2 for at tastaturet svikter, 0.09 for at

Detaljer

Sannsynlighet og statistikk

Sannsynlighet og statistikk Sannsynlighet og statistikk Arkeologiske utgravinger har vist at mennesker har underholdt seg med forskjellige spill i tusener av år. Terninger fra India som ble brukt i spill, er faktisk 5000 år gamle.

Detaljer

ÅMA110 Sannsynlighetsregning med statistikk, våren 2011

ÅMA110 Sannsynlighetsregning med statistikk, våren 2011 ÅMA110 Sannsynlighetsregning med statistikk, våren 2011 Kp. 2 Sannsynlighetsregning i (sannsynlighetsteori) t i) 2.5 Betinget sannsynlighet 1 Betinget sannsynlighet (kp. 2.5) - innledning Eks.: Et terningkast;

Detaljer

Kap. 5.2: Utvalgsfordelinger for antall og andeler

Kap. 5.2: Utvalgsfordelinger for antall og andeler Kap. 5.2: Utvalgsfordelinger for antall og andeler Binære data (1/0, Ja/Nei, Suksess/Feil) Utvalgsundersøkelser: Ja/Nei-spørsmål Tilstedeværelse av arter: Tilstede/Ikke-tilstede (1/0) Overlevelse etter

Detaljer

ECON240 Høst 2017 Oppgaveseminar 1 (uke 35)

ECON240 Høst 2017 Oppgaveseminar 1 (uke 35) ECON40 Høst 017 Oppgaveseminar 1 (uke 35) Oppgaver til prerequisites og kapittel 1 fra læreboken Example P.1, P.5, P.6, P.7, P.8, P.9, P.11, P.1, P.13, og P.14 Example 1.1, 1., 1.3, 1.4, 1.6, 1.7, 1.9,

Detaljer

ÅMA110 Sannsynlighetsregning med statistikk, våren 2010

ÅMA110 Sannsynlighetsregning med statistikk, våren 2010 ÅM0 Sannsynlighetsregning med statistikk, våren 00 Kp. Sannsynlighetsregning (sannsynlighetsteori).5 (kp..5) - innledning Eks.: Et terningkast; {,, 3, 4, 5, 6}. Ved bruk av uniform modell: hvert utfall

Detaljer

Kap. 10: Inferens om to populasjoner. Eksempel. ST0202 Statistikk for samfunnsvitere

Kap. 10: Inferens om to populasjoner. Eksempel. ST0202 Statistikk for samfunnsvitere Kap. 10: Inferens om to populasjoner Situasjon: Vi ønsker å sammenligne to populasjoner med populasjonsgjennomsnitt henholdsvis μ 1 og μ. Vi trekker da ett utvalg fra hver populasjon. ST00 Statistikk for

Detaljer

QED 1 7. Matematikk for grunnskolelærerutdanningen. Bind 2. Fasit kapittel 4 Statistikk og kvantitativ metode

QED 1 7. Matematikk for grunnskolelærerutdanningen. Bind 2. Fasit kapittel 4 Statistikk og kvantitativ metode QED 1 7 Matematikk for grunnskolelærerutdanningen Bind 2 Fasit kapittel 4 Statistikk og kvantitativ metode Kapittel 4 Oppgave 1 La være antall øyne på terningen. a) Vi får følgende sannsynlighetsfordeling

Detaljer

Sannsynlighetsregning og Statistikk

Sannsynlighetsregning og Statistikk Sannsynlighetsregning og Statistikk Leksjon 2. Leksjon 2 omhandler begreper og regneregler for sannsynligheter. Dette er behandlet i kapittel 3.1 og 3.2 i læreboka. Du bør når du har fullført leksjon 2

Detaljer

EKSAMEN ST0202 STATISTIKK FOR SAMFUNNSVITERE

EKSAMEN ST0202 STATISTIKK FOR SAMFUNNSVITERE Norges teknisknaturvitenskapelige universitet Institutt for matematiske fag Side 1 av 10 Bokmål Faglig kontakt under eksamen: Øyvind Bakke, tlf. 99041673 EKSAMEN ST0202 STATISTIKK FOR SAMFUNNSVITERE Tirsdag

Detaljer

Løsningskisse seminaroppgaver uke 15

Løsningskisse seminaroppgaver uke 15 HG April 0 Løsningskisse seminaroppgaver uke 5 Oppg. 5.6 La X = antall barn i utvalget som har lærevansker. Andel barn med lærevansker i populasjonen av barn antas å være p = 0,5. Utvalgsstørrelsen er

Detaljer

Introduction to the Practice of Statistics

Introduction to the Practice of Statistics David S. Moore George P. McCabe Introduction to the Practice of Statistics Fifth Edition Chapter 4: Probability: The Study of Randomness Copyright 2005 by W. H. Freeman and Company Statistisk inferens

Detaljer

STK Oppsummering

STK Oppsummering STK1100 - Oppsummering Geir Storvik 6. Mai 2014 STK1100 Tre temaer Deskriptiv/beskrivende statistikk Sannsynlighetsteori Statistisk inferens Sannsynlighetsregning Hva Matematisk verktøy for å studere tilfeldigheter

Detaljer

ST0202 Statistikk for samfunnsvitere

ST0202 Statistikk for samfunnsvitere ST0202 Statistikk for samfunnsvitere Bo Lindqvist Institutt for matematiske fag 2 Kap. 10: Inferens om to populasjoner Situasjon: Vi ønsker å sammenligne to populasjoner med populasjonsgjennomsnitt henholdsvis

Detaljer

ST0103 Brukerkurs i statistikk Høst 2014

ST0103 Brukerkurs i statistikk Høst 2014 Norges teknisk naturvitenskapelige universitet Institutt for matematiske fag ST0103 Brukerkurs i statistikk Høst 2014 Løsningsforslag Øving 1 2.1 Frekvenstabell For å lage en frekvenstabell må vi telle

Detaljer

Sannsynlighetsbegrepet

Sannsynlighetsbegrepet Sannsynlighetsbegrepet Notat til STK1100 Ørnulf Borgan Matematisk institutt Universitetet i Oslo Januar 2004 Formål Dette notatet er et supplement til kapittel 1 i Mathematical Statistics and Data Analysis

Detaljer

Løsningskisse seminaroppgaver uke 11 ( mars)

Løsningskisse seminaroppgaver uke 11 ( mars) HG Mars 008 Løsningskisse seminaroppgaver uke (0.-4. mars) ECON 0 EKSAMEN 004 VÅR Oppgave En gitt prøve er laget som en flervalgsprøve ( multiple choice test ). Prøven består av tre spørsmål. For hvert

Detaljer

QED 5 10. Matematikk for grunnskolelærerutdanningen. Bind 2. Fasit kapittel 4 Statistikk og kvantitativ metode

QED 5 10. Matematikk for grunnskolelærerutdanningen. Bind 2. Fasit kapittel 4 Statistikk og kvantitativ metode QED 5 10 Matematikk for grunnskolelærerutdanningen Bind 2 Fasit kapittel 4 Statistikk og kvantitativ metode Kapittel 4 Oppgave 1. La x være antall øyne på terningen. a) Vi får følgende sannsynlighetsfordeling

Detaljer

Kapittel 3: Stokastiske variable og sannsynlighetsfordelinger

Kapittel 3: Stokastiske variable og sannsynlighetsfordelinger f(x,y) NTNU Kapittel 3: Stokastiske variable og sannsynlighetsfordelinger TMA4240 Statistikk (F2 og E7) 3.4: Foreleses mandag 30.august y=hoyde x=vekt Ole.Petter.Lodoen@math.ntnu.no p.1/18 Oppsummering

Detaljer

UNIVERSITETET I OSLO ØKONOMISK INSTITUTT

UNIVERSITETET I OSLO ØKONOMISK INSTITUTT Utsatt eksamen i: ECON2130 - Statistikk 1 Eksamensdag: 19.06.2014 Tid for eksamen: kl. 09:00 12:00 Oppgavesettet er på 4 sider UNIVERSITETET I OSLO ØKONOMISK INSTITUTT Tillatte hjelpemidler: Alle trykte

Detaljer

ÅMA110 Sannsynlighetsregning med statistikk, våren Noen viktige sannsynlighetsmodeller. Noen viktige sannsynlighetsmodeller

ÅMA110 Sannsynlighetsregning med statistikk, våren Noen viktige sannsynlighetsmodeller. Noen viktige sannsynlighetsmodeller ÅMA0 Sannsnlighetsregning med statistikk, våren 008 Kp. 3 Diskrete tilfeldige variable Noen viktige sannsnlighetsmodeller Noen viktige sannsnlighetsmodeller Binomisk modell (kp. 3.6) Hpergeometrisk modell

Detaljer

Sannsynlighetsregning

Sannsynlighetsregning Sannsynlighetsregning Per G. Østerlie Thora Storm vgs per.osterlie@stfk.no 5. april 203 Hva og hvorfor? Hva? Vi får høre at det er sannsynlig at et eller annet kommer til å skje. Sannsynligheten for å

Detaljer

Utvalgsfordelinger. Utvalg er en tilfeldig mekanisme. Sannsynlighetsregning dreier seg om tilfeldige mekanismer.

Utvalgsfordelinger. Utvalg er en tilfeldig mekanisme. Sannsynlighetsregning dreier seg om tilfeldige mekanismer. Utvalgsfordelinger Vi har sett at utvalgsfordelinger til en observator er fordelingen av verdiene observatoren tar ved mange gjenttatte utvalg av samme størrelse fra samme populasjon. Utvalg er en tilfeldig

Detaljer

Illustrasjon av regel 5.19 om sentralgrenseteoremet og litt om heltallskorreksjon (som i eksempel 5.20).

Illustrasjon av regel 5.19 om sentralgrenseteoremet og litt om heltallskorreksjon (som i eksempel 5.20). Econ 130 HG mars 017 Supplement til forelesningen 7. februar Illustrasjon av regel 5.19 om sentralgrenseteoremet og litt om heltallskorreksjon (som i eksempel 5.0). Regel 5.19 sier at summer, Y X1 X X

Detaljer

Slide 1. Slide 2 Statistisk inferens. Slide 3. Introduction to the Practice of Statistics Fifth Edition

Slide 1. Slide 2 Statistisk inferens. Slide 3. Introduction to the Practice of Statistics Fifth Edition Slide 1 David S. Moore George P. McCabe Introduction to the Practice of Statistics Fifth Edition Chapter 4: Probability: The Study of Randomness 9/22/2010 Copyright 2005 by W. H. Freeman and Company Slide

Detaljer

Hogskoleni Østfold EKSAMEN. Eksamenstid: kl til k

Hogskoleni Østfold EKSAMEN. Eksamenstid: kl til k Hogskoleni Østfold EKSAMEN Emnekode: SFB10711 Dato: 5. jan 2015 Hjelpemidler: Kalkulator Utlevert formelsamling Emne: Metodekurs I: Grunnleggende matematikk og statistikk (Statistikk, ny og utsatt eksamen)

Detaljer

(b) På slutten av dagen legger sekretæren inn all innsamlet informasjon i en ny JMP datafil. Hvor mange rader og søyler(kolonner) har datafila?

(b) På slutten av dagen legger sekretæren inn all innsamlet informasjon i en ny JMP datafil. Hvor mange rader og søyler(kolonner) har datafila? Institutt for samfunnsøkonomi Skriftlig eksamen i: MET 34311 Statistikk Eksamensdato: 01.06.11, kl. 09.00-14.00 Tillatte hjelpemidler: Alle + BI-definert eksamenskalkulator : TEXAS INTRUMENTS BA II Plus

Detaljer

Sannsynlighet i uniforme modeller. Addisjon av sannsynligheter

Sannsynlighet i uniforme modeller. Addisjon av sannsynligheter Sannsynlighet i uniforme modeller. Addisjon av sannsynligheter Fagstoff Listen [] Hendelse En hendelse i en sannsynlighetsmodell består av ett eller flere utfall. Vi ser på det tilfeldige forsøket «kast

Detaljer

Løsningsforslag ECON 2130 Obligatorisk semesteroppgave 2017 vår

Løsningsforslag ECON 2130 Obligatorisk semesteroppgave 2017 vår Løsningsforslag ECON 130 Obligatorisk semesteroppgave 017 vår Andreas Myhre Oppgave 1 1. (i) Siden X og Z er uavhengige, vil den simultane fordelingen mellom X og Z kunne skrives som: f(x, z) = P(X = x

Detaljer

Oppfriskning av blokk 1 i TMA4240

Oppfriskning av blokk 1 i TMA4240 Oppfriskning av blokk 1 i TMA4240 Geir-Arne Fuglstad November 21, 2016 2 Hva har vi gjort i dette kurset? Vi har studert to sterkt relaterte grener av matematikk Sannsynlighetsteori: matematisk teori for

Detaljer

Loven om total sannsynlighet. Bayes formel. Testing for sykdom. ST0202 Statistikk for samfunnsvitere

Loven om total sannsynlighet. Bayes formel. Testing for sykdom. ST0202 Statistikk for samfunnsvitere 2 Loven om total sannsynlighet La A og Ā være komplementære hendelser, mens B er en annen hendelse. Da er: P(B) P(B oga)+p(b ogā) P(B A)P(A)+P(B Ā)P(Ā) ST0202 Statistikk for samfunnsvitere Bo Lindqvist

Detaljer

TMA4240 Statistikk H2010

TMA4240 Statistikk H2010 TMA4240 Statistikk H2010 Kapittel 5: Diskrete sannsynlighetsfordelinger 5.5-5.6: Negativ binomisk, geometrisk, Poisson Mette Langaas Foreleses mandag 20. september 2010 2 Kabel En kabel består av mange

Detaljer

Oppgaver til Studentveiledning I MET 3431 Statistikk

Oppgaver til Studentveiledning I MET 3431 Statistikk Oppgaver til Studentveiledning I MET 3431 Statistikk 20. mars 2012 kl 17.15-20.15 i B2 Handelshøyskolen BI 2 Oppgaver 1. Konfidensintervaller Vi ser på inntekten til en tilfeldig valgt person (i tusen

Detaljer

Introduksjon til statistikk og dataanalyse. Arild Brandrud Næss TMA4240 Statistikk NTNU, høsten 2013

Introduksjon til statistikk og dataanalyse. Arild Brandrud Næss TMA4240 Statistikk NTNU, høsten 2013 Introduksjon til statistikk og dataanalyse Arild Brandrud Næss TMA4240 Statistikk NTNU, høsten 2013 Introduksjon til statistikk og dataanalyse Hollywood-filmer fra 2011 135 filmer Samla budsjett: $ 7 166

Detaljer

MET 3431: Statistikk (våren 2011) Introduksjon. Genaro Sucarrat. Institutt for samfunnsøkonomi, BI. http://www.sucarrat.net/teaching/met3431/v2011/

MET 3431: Statistikk (våren 2011) Introduksjon. Genaro Sucarrat. Institutt for samfunnsøkonomi, BI. http://www.sucarrat.net/teaching/met3431/v2011/ MET 3431: Statistikk (våren 2011) Introduksjon Genaro Sucarrat Institutt for samfunnsøkonomi, BI http://www.sucarrat.net/teaching/met3431/v2011/ Sist endret: 11. januar 2011 1 Praktisk info 2 Typer data

Detaljer

Kapittel 9 og 10: Hypotesetesting

Kapittel 9 og 10: Hypotesetesting Kapittel 9 og 1: Hypotesetesting Hypotesetesting er en standard vitenskapelig fremgangsmåte for å sjekke påstander. Generell problemstilling: Basert på informasjonen i data fra et tilfeldig utvalg ønsker

Detaljer

Kapittel 4.4: Forventning og varians til stokastiske variable

Kapittel 4.4: Forventning og varians til stokastiske variable Kapittel 4.4: Forventning og varians til stokastiske variable Forventning og varians til stokastiske variable Histogrammer for observerte data: Sannsynlighets-histogrammer og tetthetskurver for stokastiske

Detaljer

Kapittel 9 og 10: Hypotesetesting

Kapittel 9 og 10: Hypotesetesting Kapittel 9 og 1: ypotesetesting ypotesetesting er en standard vitenskapelig fremgangsmåte for å sjekke påstander. Generell problemstilling: Basert på informasjonen i data fra et tilfeldig utvalg ønsker

Detaljer

Kapittel 5: Tilfeldige variable, forventning og varians.

Kapittel 5: Tilfeldige variable, forventning og varians. Kapittel 5: Tilfeldige variable, forventning og varians. Tilfeldige variable Tilfeldige variable kalles også stokastiske variable. En tilfeldig variabel er en variabel som får sin numeriske verdi bestemt

Detaljer

Høgskoleni østfold EKSAMEN

Høgskoleni østfold EKSAMEN et) Høgskoleni østfold EKSAMEN Emnekode:Emne: SFB10711Metode 1 Statistikkdel Dato: 5. feb. 2016Eksamenstid: kl. 1400 Hjelpemidler: Kalkulator Utlevert formelsamling til kl. 1800 Faglærer: Nils Ingar Arvidsen

Detaljer

UNIVERSITETET I OSLO

UNIVERSITETET I OSLO UNIVERSITETET I OSLO Det matematisk-naturvitenskapelige fakultet Deleksamen i: STK Sannsynlighetsregning og statistisk modellering Eksamensdag: Mandag 4. mars 26 Tid for eksamen: 5. 7. Oppgavesettet er

Detaljer

Fagdag 5-08.01.09. 2) Du skal fylle ut en tippekupong. På hvor mange måter kan dette gjøres?

Fagdag 5-08.01.09. 2) Du skal fylle ut en tippekupong. På hvor mange måter kan dette gjøres? Fagdag Plan Fagdag - 08.01.0 1,2 time: Repetisjon kapittel 3 - Sannsynlighet Oppgaver Teori (lesestoff) 3, time: Arbeide med.1 og.2: 16, 17, 18, 1 3, time: Ekstra vurdering før terminoppgjør Repetisjon

Detaljer