ST1101/ST6101 Sannsynlighetsregning og statistikk Vår 2019
|
|
- Helena Paulsen
- 4 år siden
- Visninger:
Transkript
1 Norges teknisk naturvitenskapelige universitet Institutt for matematiske fag ST1101/ST6101 Sannsynlighetsregning og statistikk Vår 2019 Løsningsforslag Øving 8 Oppgaver fra boka.12.1 X har pdf p X (k) = 1/n, k = 0, 1,..., n 1 og 0 ellers. Vi skal vise at M X (t) = 1 ent n(1 e t ). Per definisjon er M X (t) = E(e tx ), så vi har n 1 M X (t) = E(e tx ) = e tk 1 n = = 1 n k=0 k=0 n 1 e tk = 1 1 e nt n 1 e t = 1 ent n(1 e t ).12. Vi vil finne forventningsverdien til e X når X er en binomisk stokastisk variabel med n = 10 og p = 1/. Vi skal altså finne E(e X ), og kjenner igjen dette som noe som ser ut som definisjonen av den momentgenererende funksjonen, evaluert i t =. Vi får: E(e X ) = M X (t = ) = ( 1 p + pe ) n = ( e ) 10 = ( ) 10 e = 1 ( 2 + e ) Vi vil ha et uttrykk for E( k ) når M (t) = (1 t/λ) r, λ 0 or r = 0, 1, 2,.... Teorem.12.1 sier at M (r) W (0) = E(W r ). Det betyr at vi vil ha M (k) (0) for generell k, så da må vi derivere: 4. februar 2019 Side 1 av 6
2 Løsningsforslag Øving 8 Så setter vi inn t = 0: M (1) (t) = r (1 t/λ)( (r+1) λ M (2) M () r(r + 1) (t) = λ 2 (1 t/λ) ( (r+2) r(r + 1)(r + 2) (t) = λ (1 t/λ) ( (r+) Her ser vi et mønster: M (1) (0) = r λ M (2) r(r + 1) (0) = λ 2 M () r(r + 1)(r + 2) (0) = λ M (k) r(r + 1)... (r + k) (r + k 1)! (0) = λ k = (r 1)!λ k Eksamensoppgaver Eksamen desember 2007, oppgave 2 og Eksamen juni 2007, oppgave 2 a) og b) 4. februar 2019 Side 2 av 6
3
4
5
6
7 R-oppgave library(ggplot2) library(scales) X e x, x > 0 (0 ellers). Dette kan vi kjenne igjen som en eksponensialfordeling med λ = 1. Vi vil illustrere at X er glemsom ved hjelp av simulering, det vil si at vi vil vise: P (X > s + t X > t) = P (X > s), s, t > 0 # simulerer eksponensialfordelte variabler N < X <- rexp(n, rate = 1) # lager en funksjon for å teste påstanden over # den regner ut P(X > s+t X > t), og trekker fra P(X > s) # vi vil da forvente å få 0 tilbake glemsom <- function(x, s, t){ } X_1 <- X[X > t] # plukker ut den delen av X som er større enn t # sender en advarsel hvis det blir for få variabler igjen if (length(x_1) < 100) warning("det er mindre enn 100 variabler i X som er større enn t") return(mean(x_1 > s+t) - mean(x > s)) glemsom(x, 1, 1) ## [1] glemsom(x, 1.5, 0.) ## [1] glemsom(x, 2, 4) ## [1] glemsom(x, 2., 4) ## [1] Forskjellen mellom P (X > s + t X > t) og P (X > s) er liten, og vi har illustrert at X e x er glemsom Vi vil finne en approksimasjon ˆf til f ved hjelp av simulering. Vi har at f x = 2y + 4x 1 + 4x, f X(x) = 1 (1 + 4x) 1
8 for 0 < x < 1 og 0 < y < 1. Vi finner marginalfordelingen til teoretisk først, og starter med simultanfordelingen: f X, (x, y) = f x (y) f X (x) = Deretter finner vi marginelfordelingen til ved å integrere ut x: 2y + 4x 1 + 4x 1 (1 + 4x) = 2 (y + 2x) f (y) = 1 0 f X, (x, y)dx = (y + 2x)dx = 2 [ xy + x 2 ] 1 0 = 2 (y + 1), 0 y 1 Nå skal vi finne fram til marginalfordelingen ved å bruke simulering. Da må vi simulere fra f x og f X (x), og ingen av dem er fra en kjent familie av fordelinger. Da må vi finne andre måter å simulere fra dem, og vi velger en funksjon som heter AbscontDistribution fra biblioteket distr.?abscontdistribution gir deg info om funksjonen. # først må vi lage funksjoner for f_( x) og f_x # merk at disse bare er gyldige for 0 < x, y < 1 f_yx <- function(y, x) (2*y + 4*x)/(1 + 4*x) f_x <- function(x) (1 + 4*x)/ library(distr) # laster inn biblioteket ## Loading required package: startupmsg ## Utilities for Start-Up Messages (version 0.9.5) ## For more information see?"startupmsg", NEWS("startupmsg") ## Loading required package: sfsmisc ## Object Oriented Implementation of Distributions (version 2.7.0) ## Attention: Arithmetics on distribution objects are understood as operations on corresponding random v ## Some functions from package 'stats' are intentionally masked ---see distrmask(). ## Note that global options are controlled by distroptions() ---c.f.?"distroptions". ## For more information see?"distr", NEWS("distr"), as well as ## ## Package "distrdoc" provides a vignette to this package as well as to several extension packages; try ## ## Attaching package: 'distr' ## The following objects are masked from 'package:stats': ## ## df, qqplot, sd # lager et objekt av fordelingen X_obj <- AbscontDistribution(d = f_x, low1 = 0, up1 = 1) rfx <- r(x_obj) # lager en funksjon som kan sample fra fordelingen # for å lage et object at f_( x) må vi først ha simulert X, # og deretter opprette fordelingsobjektet # vi trenger en for-løkke, som vi lar gå til N # OBS! Dette går litt sakte N < <- c() 2
9 for (i in 1:N){ X <- rfx(1) # trekker en X f_yx_tmp <- function(y) f_yx(y, x = X) # lager en funksjon for y der x er kjent _obj <- AbscontDistribution(d = f_yx_tmp, low1 = 0, up1 = 1) rfy <- r(_obj) # funksjon for å sample fra x [i] <- rfy(1) # sampler fra } # lager en funksjon for marginalfordelingen til fy <- function(y) (y+1) * (2/) hist(, freq = FALSE) curve(fy, from = 0, to = 1, n = 201, add = TRUE, lwd = 2) Histogram of Density
ST1101/ST6101 Sannsynlighetsregning og statistikk Vår 2019
Norges teknisk naturvitenskapelige universitet Institutt for matematiske fag ST1101/ST6101 Sannsynlighetsregning og statistikk Vår 2019 Løsningsforslag Øving 11 23. april 2019 Side 1 av 11 Løsningsforslag
DetaljerST1101/ST6101 Sannsynlighetsregning og statistikk Vår 2019
Norges teknisk naturvitenskapelige universitet Institutt for matematiske fag ST/ST Sannsynlighetsregning og statistikk Vår 9 Oppgaver fra boka 3..9 Ved et terningkast anses utfallet antall øyne lik for
DetaljerTMA4245 Statistikk Høst 2016
TMA5 Statistikk Høst 6 Norges teknisk-naturvitenskapelige universitet Institutt for matematiske fag Anbefalt øving Løsningsskisse Oppgave a) Den tilfeldige variabelen X er kontinuerlig fordelt med sannsynlighetstetthet
DetaljerBioberegninger, ST november 2006 Kl. 913 Hjelpemidler: Alle trykte og skrevne hjelpemidler, lommeregner.
Norges teknisk-naturvitenskapelige universitet Institutt for matematiske fag Side 1 av 5 Bokmål Faglig kontakt under eksamen: Førsteamanuensis Jarle Tufto Telefon: 99 70 55 19 Bioberegninger, ST1301 30.
DetaljerTMA4240 Statistikk Høst 2013
Norges teknisk-naturvitenskapelige universitet Institutt for matematiske fag Øving nummer 6, blokk I Løsningsskisse Oppgave 1 Vi antar X er normalfordelt, X N(3315, 575 2 ). Ved bruk av tabell A.3 finner
DetaljerTMA4240 Statistikk Høst 2016
Norges teknisk-naturvitenskapelige universitet Institutt for matematiske fag Anbefalt øving 9 Løsningsskisse Oppgave 1 a) Vi lar her Y være antall fugler som kolliderer med vindmølla i løpet av den gitte
DetaljerTMA4240 Statistikk Høst 2009
TMA44 Statistikk Høst 9 Norges teknisk-naturvitenskapelige universitet Institutt for matematiske fag Øving nummer b Løsningsskisse Oppgave X er en stokastisk variabel med sannsynlighetstetthet { f(x),
DetaljerTMA4240 Statistikk 2014
Norges teknisk-naturvitenskapelige universitet Institutt for matematiske fag Øving nummer 6, blokk I Løsningsskisse Oppgave 1 Fremgangsmetode: P X 1 < 6.8 Denne kan finnes ved å sette opp integralet over
DetaljerUNIVERSITETET 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
DetaljerStokastisk variabel. Eksempel augefarge
Dagens tekst Kap 3: Stokastiske variable og sannsynsfordelingar Stokastisk variabel: Diskret sannsynsfordeling: Kontinuerleg sannsynsfordeling: Kummulativ sannsynsfordeling: Diskret simultanfordeling Kontinuerleg
DetaljerST1101/ST6101 Sannsynlighetsregning og statistikk Vår 2019
Norges teknisk naturvitenskapelige universitet Institutt for matematiske fag ST111/ST611 Sannsynlighetsregning og statistikk Vår 219 Løsningsforslag Øving 12 22. mars 219 Side 1 av 18 Løsningsforslag
DetaljerOppfriskning 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
DetaljerTMA4240 Statistikk H2015
TMA4240 Statistikk H2015 Funksjoner av stokastiske variabler (kapittel 7+notat) Fokus på start med kumulativ fordeling 7.2 Funksjon av en SV (inkludert en-entydighet). Fordeling til max/min (fra notat).
DetaljerTMA4123/TMA4125 Matematikk 4M/4N Vår 2013
Norges teknisk naturvitenskapelige universitet Institutt for matematiske fag TMA4123/TMA4125 Matematikk 4M/4N Vår 2013 Løsningsforslag Øving 4 1 a) Bølgeligningen er definert ved u tt c 2 u xx = 0. Sjekk
DetaljerTMA4240 Statistikk Høst 2015
Norges teknisk-naturvitenskapelige universitet Institutt for matematiske fag Øving nummer 6, blokk I Løsningsskisse Oppgave 1 Vi antar X er normalfordelt, X N(3315, 55 2. Ved bruk av formelheftet finner
DetaljerTMA4100 Matematikk1 Høst 2009
TMA400 Matematikk Høst 2009 Norges teknisk naturvitenskapelige universitet Institutt for matematiske fag Løsningsforslag Øving 2 8926 Vi serieutvikler eksponentialfunksjonen e u om u 0 og får e u + u +
DetaljerTMA4240 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
Detaljerx λe λt dt = 1 e λx for x > 0 uavh = P (X 1 v)p (X 2 v) = F X (v) 2 = (1 e λv ) 2 = 1 2e λv + e 2λv = 2 1 λ 1 2λ = 3
Norges teknisk-naturvitenskapelige universitet Institutt for matematiske fag Anbefalt øving 7 Løsningsskisse Oppgave 1 a) Regner først ut den kumulative fordelingsfunksjonen til X: F X (x) = x λe λt dt
DetaljerObservatorar og utvalsfordeling. Torstein Fjeldstad Institutt for matematiske fag, NTNU
Observatorar og utvalsfordeling Torstein Fjeldstad Institutt for matematiske fag, NTNU 08.10.2018 I dag Til no i emnet Observatorar Utvalsfordelingar Sentralgrenseteoremet 2 Til no i emnet definisjon av
DetaljerBioberegninger, ST1301 Onsdag 1. juni 2005 Løsningsforslag
Norges teknisk-naturvitenskapelige universitet Institutt for matematiske fag Side 1 av 5 Bioberegninger, ST1301 Onsdag 1. juni 2005 Løsningsforslag Oppgave 1 a) Verdien av uttrykkene blir som følger: >
DetaljerTMA4240 Statistikk Høst 2009
TMA4240 Statistikk Høst 2009 Norges teknisk-naturvitenskapelige universitet Institutt for matematiske fag Øving nummer 5 Løsningsskisse Oppgave 1 En lottorekke kan oppfattes som et ikke-ordnet utvalg på
DetaljerTMA4100 Matematikk 1 Høst 2014
Norges teknisk naturvitenskapelige universitet Institutt for matematiske fag TMA400 Matematikk Høst 04 Løsningsforslag Øving 04 30 For å vise at f er en injektiv one-to-one funksjon, ser vi på den deriverte,
DetaljerST1101/ST6101 Sannsynlighetsregning og statistikk Vår 2019
Norges teknisk naturvitenskapelige universitet Institutt for matematiske fag ST1101/ST6101 Sannsynlighetsregning og statistikk Vår 201 Oppgaver fra boka 2.6.1 En kjemiker vil observere effekten av 2 ulike
DetaljerForelesning 27. mars, 2017
Forelesning 27. mars, 2017 AVSNITT 5.5 Ordningsobservatorene AVSNITT 6.1 Observatorer og deres fordelinger Ordningsobservatorene La X 1,..., X n være n uavhengige stokastiske variable som alle har samme
DetaljerUNIVERSITETET I OSLO ØKONOMISK INSTITUTT
Eksamen: ECON2130 Statistikk 1 UNIVERSITETET I OSLO ØKONOMISK INSTITUTT Eksamensdag: 29.05.2019 Sensur kunngjøres: 19.06.2019 Tid for eksamen: kl. 09:00 12:00 Oppgavesettet er på 5 sider Tillatte hjelpemidler:
DetaljerTMA4245 Statistikk Eksamen desember 2016
Norges teknisk-naturvitenskapelige universitet Institutt for matematiske fag TMA4245 Statistikk Eksamen desember 2016 Oppgave 1 En bedrift produserer elektriske komponenter. Komponentene kan ha to typer
DetaljerUNIVERSITETET I OSLO ØKONOMISK INSTITUTT
Øvelsesoppgave i: ECON2130 Statistikk 1 Dato for utlevering: Mandag 22. mars 2010 Dato for innlevering: Fredag 9. april 2010 UNIVERSITETET I OSLO ØKONOMISK INSTITUTT Innleveringssted: Ved siden av SV-info-senter
DetaljerKapittel 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
DetaljerNotat 3 - ST februar 2005
Notat 3 - ST1301 1. februar 2005 1 Simulering fra modell Når vi skal analysere et gitt konkret innsamlet datasett vil vi gjøre dette med utgangspunkt i en statistisk modell. Vi kan si at en slik statistisk
DetaljerTMA4240 Statistikk Høst 2015
Norges teknisk-naturvitenskapelige universitet Institutt for matematiske fag Øving nummer 8, blokk II Løsningsskisse Oppgave 1 Da komponentene danner et parallellsystem, vil systemet fungere dersom minst
DetaljerTMA4240 Statistikk Høst 2015
TMA4240 Statistikk Høst 2015 Norges teknisk-naturvitenskapelige universitet Institutt for matematiske fag Øving nummer 9, blokk II Oppgave 1 X er kontinuerlig fordelt med sannsynlighetstetthet f(x) = 2xe
DetaljerEksempel: 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,),...,(,)}
DetaljerForelesning 7: Store talls lov, sentralgrenseteoremet. Jo Thori Lind
Forelesning 7: Store talls lov, sentralgrenseteoremet Jo Thori Lind j.t.lind@econ.uio.no Oversikt 1. Estimering av variansen 2. Asymptotisk teori 3. Store talls lov 4. Sentralgrenseteoremet 1.Estimering
DetaljerTMA4245 Statistikk. Innlevering 3. Norges teknisk-naturvitenskapelige universitet Institutt for matematiske fag
TMA4245 Statistikk Vår 2017 Norges teknisk-naturvitenskapelige universitet Institutt for matematiske fag Innlevering 3 Dette er den første av to innleveringer i blokk 2 Denne øvingen skal oppsummere pensum
DetaljerTMA4240 Statistikk 2014
Norges teknisk-naturvitenskapelige universitet Institutt for matematiske fag Øving nummer 5, blokk I Løsningsskisse Oppgave 1 X og Y er uavhengige Poisson-fordelte stokastiske variable, X p(x;5 og Y p(y;1.
DetaljerLøsningsforslag oblig 1 STK1110 høsten 2014
Løsningsforslag oblig STK høsten 4 Oppgave I forbindelse med en studie av antioksidanter og antocyanider, ble innholdet av antocyan i 5 beger med blåbær målt. De målte verdiene var (i mg per gram): 55
DetaljerProgrammering i R - del 2
Programmering i R - del 2 14. februar 2004 1 Simulering fra modell Når vi skal analysere et gitt konkret innsamlet datasett vil vi gjøre dette med utgangspunkt i en statistisk modell. Vi kan si at en slik
DetaljerForeleses onsdag 8. september 2010
TMA4240 Statistikk H200 4.2: Varians (univariat del) 4.4: Chebyshevs teorem 3.4: Simultanfordelinger Mette Langaas Foreleses onsdag 8. september 200 Mette.Langaas@math.ntnu.no, TMA4240H200 2 4.2 Varians
DetaljerUNIVERSITETET I OSLO ØKONOMISK INSTITUTT
UNIVERSITETET I OSLO ØKONOMISK INSTITUTT Øvelsesoppgave i: ECON30- Statistikk Dato for utlevering: 5.03.06 Dato for innlevering: 05.04.06 innen kl. 5:00 Innleveringssted: Ekspedisjonen i. etasje ES hus
DetaljerST0202 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!
DetaljerBioberegninger, ST1301 Mandag 22. mai, 2006 Kl Hjelpemidler: Alle trykte og skrevne hjelpemidler, lommeregner. Sensur: 12.
Norges teknisk-naturvitenskapelige universitet Institutt for matematiske fag Side 1 av 5 Bokmål Faglig kontakt under eksamen: Førsteamanuensis Jarle Tufto Telefon: 99 70 55 19 Bioberegninger, ST1301 Mandag
Detaljer1.1.1 Rekke med konstante ledd. En rekke med konstante ledd er gitt som. a n (1) n=m
Formelsamling og tabeller FO020E Matte 2000 for elektroprogrammet 1 Matematikk 1.1 Denisjoner av ulike typer polynomer og rekker 1.1.1 Rekke med konstante ledd En rekke med konstante ledd er gitt som a
DetaljerUNIVERSITETET I OSLO
UNIVERSITETET I OSLO Det matematisk-naturvitenskapelige fakultet Eksamen i: Eksamensdag: Torsdag 2. juni 24 Tid for eksamen: 4.3 8.3 Oppgavesettet er på 5 sider. Vedlegg: Tillatte hjelpemidler: STK429
DetaljerTMA4245 Statistikk Eksamen desember 2016
Norges teknisk-naturvitenskapelige universitet Institutt for matematiske fag TMA4245 Statistikk Eksamen desember 2016 Oppgave 1 Ei bedrift produserer elektriske komponentar. Komponentane kan ha to typar
DetaljerKapittel 2: Hendelser
Kapittel 2: Hendelser FENOMEN Eksperiment Utfall Utfallsrom Eksperiment. Utfall. Eksperiment Utfall Hendelse Sannsynlighet: egenskaper, gunstige vs. mulige, relativ frekvens Sannsynlighet for mer enn en
DetaljerTMA4245 Statistikk Høst 2016
Norges teknisk-naturvitenskapelige universitet Institutt for matematiske fag Anbefalt øving 4 Løsningsskisse Oppgave 1 Mureren La X være mengden mørtel mureren bruker i løpet av en tilfeldig valgt arbeidsdag.
DetaljerUNIVERSITETET I OSLO ØKONOMISK INSTITUTT
Øvelsesoppgave i: ECON30 Dato for utlevering: 7.03.04 Dato for innlevering: 07.04.04 UNIVERSITETET I OSLO ØKONOMISK INSTITUTT Innleveringssted: Ekspedisjonen, etasje innen kl 5:00 Øvrig informasjon: Denne
DetaljerBinomisk 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
DetaljerEKSAMEN I MA0002 Brukerkurs B i matematikk
Norges teknisk naturvitenskapelige universitet Institutt for matematiske fag Side av 7 Faglig kontakt under eksamen: Achenef Tesfahun (9 84 97 5) EKSAMEN I MA2 Brukerkurs B i matematikk Lørdag 322 Tid:
Detaljerx t + f y y t + f z , og t = k. + k , partiellderiverer vi begge sider av ligningen x = r cos θ med hensyn på x. Da får vi = 1 sin 2 θ r sin(θ)θ x
TMA4105 Matematikk 2 Vår 2015 Norges teknisk naturvitenskapelige universitet Institutt for matematiske fag Løsningsforslag Øving 5 Alle oppgavenummer refererer til 8. utgave av Adams & Essex Calculus:
DetaljerOppgave 1: Forslag til løsning Bjørn Høyland 1/23/2019
Oppgave 1: Forslag til løsning Bjørn Høyland 1/23/2019 knitr::opts_chunk$set(echo = TRUE) library(tidyverse) -- Attaching packages -------------------------------------------------------------------------------
DetaljerMA0002 Brukerkurs i matematikk B Vår 2016
Norges teknisk naturvitenskapelige universitet Institutt for matematiske fag MA000 Brukerkurs i matematikk B Vår 016 Separable og førsteordens lineære differensialligninger En differensialligning er separabel
DetaljerOppgave 1 Vi lar X være antall tankskip som ankommer havnen i løpet av en dag. Vi har fått oppgitt at X poisson(λ) med
Norges teknisk-naturvitenskapelige universitet Institutt for matematiske fag Anbefalte oppgaver 5, blokk I Løsningsskisse Oppgave 1 Vi lar X være antall tankskip som ankommer havnen i løpet av en dag.
DetaljerSom vanlig er enkelte oppgaver kopiert fra tidligere års løsningsforslag. Derfor kan notasjon, språk og stil variere noe fra oppgave til oppgave.
NTNU Institutt for matematiske fag TMA4105 Matematikk, øving 7, vår 011 Løsningsforslag Notasjon og merknader Som vanlig er enkelte oppgaver kopiert fra tidligere års løsningsforslag. Derfor kan notasjon,
DetaljerST0103 Brukerkurs i statistikk Høsten Momentestimatoren og sannsynlighetsmaksimeringsestimatoren
ST0103 Brukerkurs i statistikk Høsten 2016 Momentestimatoren og sannsynlighetsmaksimeringsestimatoren (SME) Boka har bare ett eksempel med sannsynlighetsmaksimeringsestimatoren. Vi gjengir dette nedenfor,
DetaljerTMA4100 Matematikk 1 Høst 2014
Norges teknisk naturvitenskapelige universitet Institutt for matematiske fag TMA4 Matematikk Høst 4 Løsningsforslag Øving 5.7.4 Vi observerer at både y = cos πx 4 og y = x er like funksjoner. Det vil si
DetaljerTMA4120 Matte 4k Høst 2012
TMA Matte k Høst Norges teknisknaturvitenskapelige universitet Institutt for matematiske fag Løsningsforslag Øving 5 Løsningsforslag til oppgaver fra Kreyzig utgave :..a Skal vise at u(x, t = v(x + ct
DetaljerFORMELSAMLING TIL STK1100 OG STK1110
FORMELSAMLING TIL STK1100 OG STK1110 (Versjon av 16. november 2009) 1. Sannsynlighet La A, B, A 1, A 2,...,B 1, B 2,... være begivenheter, dvs. delmengder av et utfallsrom Ω. a) Aksiomene: Et sannsynlighetsmål
DetaljerVår TMA4105 Matematikk 2. Løsningsforslag Øving 6. 5 Exercise Exercise
TMA405 Matematikk 2 Vår 205 Norges teknisk naturvitenskapelige universitet Institutt for matematiske fag Løsningsforslag Øving 6 Alle oppgavenummer referer til 8. utgave av Adams & Essex Calculus: A Complete
DetaljerOppgave 1 a) La X være massen til et tilfeldig valgt egg, målt i gram. Sannsynligheten for at et tilfeldig valgt egg veier mer enn 60 g er
Norges teknisk-naturvitenskapelige universitet Institutt for matematiske fag Anbefalt øving 5 Løsningsskisse Oppgave 1 a La X være massen til et tilfeldig valgt egg, målt i gram. Sannsynligheten for at
DetaljerSTK 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
DetaljerTabell 1: Beskrivende statistikker for dataene
Norges teknisk-naturvitenskapelige universitet Institutt for matematiske fag Øving nummer 7, blokk II Løsningsskisse Oppgave 1 a) Utfør en beskrivende analyse av datasettet % Data for Trondheim: TRD_mean=mean(TRD);
DetaljerOm eksamen. Never, never, never give up!
I dag I dag Rekning av eksamensoppgåver Eksamen Mai 2014, oppgåve 2 (inkl normal fordeling, lin.reg. og deskriptiv statistikk) Eksamen August 2012, oppgåve 3 a og b (inkl SME) Om eksamen (Truleg) 10 punkt.
DetaljerIntroduksjon (5) til R
Introduksjon (5) til R Halvor Aarnes Innhold Slumptallsgenerator... 1 Brownske bevegelser og virrevandring (random walk)... 2 Kurveglatting og splines... 3 Taylorpolynomer og feilanalyse... 4 McLaurin
DetaljerST0202 Statistikk for samfunnsvitere
ST0202 Statistikk for samfunnsvitere Bo Lindqvist Institutt for matematiske fag Situasjonen er som i quiz-eksempelet: n = 4, p = 1/3 ( suksess betyr å gjette riktig alternativ), q = 2/3. Oppgave: Finn
DetaljerUNIVERSITETET I OSLO ØKONOMISK INSTITUTT
UNIVERSITETET I OSLO ØKONOMISK INSTITUTT Eksamen i: ECON30/40 Matematikk : Matematisk analyse og lineær algebra Exam: ECON30/40 Mathematics : Calculus and Linear Algebra Eksamensdag: Tirsdag 0. desember
DetaljerØVINGER 2017 Løsninger til oppgaver. Lineærkombinasjonen Z = 5X + 8Y har forventningsverdi
ØVINGER 27 Løsninger til oppgaver Øving 6 4. (7). Fra oppgave 4.5 (øving 4) har vi forventningsverdien variansen til X, E[X] =.92, V ar[x] =.3. Lineærkombinasjonen Z = 5X + 8Y har forventningsverdi E[Z]
DetaljerDenne veka. Kap 7: Funksjonar av stokastiske variable Transformasjon av variable Moment Momentgenererande funksjon
Denne veka Kap 7: Funksjonar av stokastiske variable Transformasjon av variable Moment Momentgenererande funksjon Notat: Ordningsvariable og ekstremvariable Ordnings variable Maksimum Minumum Transformasjon
DetaljerEksamensoppgave i ST1201/ST6201 Statistiske metoder
Institutt for matematiske fag Eksamensoppgave i ST1201/ST6201 Statistiske metoder Faglig kontakt under eksamen: Nikolai Ushakov Tlf: 45128897 Eksamensdato: 20. desember 2016 Eksamenstid (fra til): 09:00
DetaljerDagens tekst. Kap 7: Funksjonar av stokastiske variable Transformasjon av variable Moment Momentgenererande funksjon
Dagens tekst Kap 7: Funksjonar av stokastiske variable Transformasjon av variable Moment Momentgenererande funksjon Notat: Ordningsvariable og ekstremvariable Ordnings variable Maksimum Minumum Transformasjon
DetaljerTMA4240 Statistikk H2010
TMA4240 Statistikk H2010 3.3: Kontinuerlige sannsynlighetsfordelinger 4.1: Matematisk forventing (univariat del) Mette Langaas Foreleses mandag 6. september 2010 2 3.1 Stokastisk variabel (repetisjon)
Detaljer3.1 Stokastisk variabel (repetisjon)
TMA4240 Statistikk H2010 3.3: Kontinuerlige sannsynlighetsfordelinger 4.1: Matematisk forventing (univariat del) Mette Langaas Foreleses mandag 6. september 2010 2 3.1 Stokastisk variabel (repetisjon)
DetaljerA) B) 400 C) 120 D) 60 E) 10. Rett svar: C. Fasit: ( 5 6 = 60. Hvis A, B, C er en partisjon av utfallsrommet S, så er P (A B) lik.
Oppgave 1 Det skal velges en komité bestående av 2 menn og 1 kvinne. Komitéen skal velges fra totalt 5 menn og 6 kvinner. Hvor mange ulike komitéer kan dannes? A) 86400 B) 400 C) 120 D) 60 E) 10 Rett svar:
DetaljerTema 2: Stokastiske variabler og sannsynlighetsfordelinger Kapittel 3 ST :44 (Gunnar Taraldsen)
Tem 2: Stokstiske vribler og snnsynlighetsfordelinger Kpittel 3 ST1101 2019-01-13 12:44 (Gunnr Trldsen) Det nts i nottet t S er et utfllsrom utstyrt med en snnsynlighet P (A) for enhver hendelse A F. F
DetaljerOm eksamen. Never, never, never give up!
Plan vidare Onsdag Gjere ferdig kap 11 + repetisjon Fredag Rekning av eksamensoppgåver Eksamen Mai 2014, oppgåve 2 (inkl normal fordeling, lin.reg. og deskriptiv statistikk) Eksamen August 2012, oppgåve
DetaljerIN2010: Algoritmer og Datastrukturer Series 2
Universitetet i Oslo Institutt for Informatikk S.M. Storleer, S. Kittilsen IN2010: Algoritmer og Datastrukturer Series 2 Tema: Grafteori 1 Publisert: 02. 09. 2019 Utvalgte løsningsforslag Oppgave 1 (Fra
DetaljerObservatorer. STK Observatorer - Kap 6. Utgangspunkt. Eksempel høyde Oxford studenter
Observatorer STK00 - Observatorer - Kap 6 Geir Storvik 4. april 206 Så langt: Sannsynlighetsteori Stokastiske modeller Nå: Data Knytte data til stokastiske modeller Utgangspunkt Eksempel høyde Oxford studenter
DetaljerKapittel 6: Kontinuerlige sannsynlighetsfordelinger
Kapittel 6: Kontinuerlige sannsynlighetsfordelinger TMA4240 Statistikk (F2 og E7) Foreleses 15. september, 2004. µ µ µ + Basert på slides av Mette Langås p.1/16 6.1 Kontinuerlig uniform fordeling Kontinuerlig
Detaljer6 x P (X = x) = x=1 = P (X 2 = 6)P (X 2 = 6)P (X 3 = 6) =
Norges teknisk-naturvitenskapelige universitet Institutt for matematiske fag Anbefalte oppgaver 4, blokk I Løsningsskisse Oppgave 1 a) Utfallsrommet til X 1 er {1, 2,, 4, 5, }. Sannsynlighetsfordelingen
DetaljerTo-dimensjonale kontinuerlige fordelinger
To-dimensjonale kontinuerlige fordelinger Noen resultater for diskrete fordelinger Vi har tidligere definert punktsannsynligheten p(x, y) for en todimensjonal variabel (X, Y ) som p(x, y) = P ({X = x}
DetaljerUNIVERSITETET I OSLO
UNIVERSITETET I OSLO Det matematisk-naturvitenskapelige fakultet Eksamen i STK2520 Problemer og metoder i aktuarfag. Eksamensdag: Onsdag 4. desember 2013 Tid for eksamen: 09.00 13.00 Oppgavesettet er på
DetaljerTMA4105 Matematikk 2 Vår 2014
Norges teknisk naturvitenskapelige universitet Institutt for matematiske fag TMA4105 Matematikk 2 Vår 2014 Løsningsforslag Øving 7 10.4.7 Vi skal finne likningen til et plan gitt to punkter P = (1, 1,
DetaljerTMA4240 Statistikk Eksamen desember 2015
Norges teknisk-naturvitenskapelige universitet Institutt for matematiske fag TMA4240 Statistikk Eksamen desember 15 Oppgave 1 La den kontinuerlige stokastiske variabelen X ha fordelingsfunksjon (sannsynlighetstetthet
DetaljerEKSAMEN I FAG TMA4275 LEVETIDSANALYSE Xxxdag xx. juni 2008 Tid: 09:0013:00
Norges teknisk naturvitenskapelige universitet Institutt for matematiske fag Side 1 av 5 Faglig kontakt under eksamen: NN EKSAMEN I FAG TMA4275 LEVETIDSANALYSE Xxxdag xx. juni 2008 Tid: 09:0013:00 Tillatte
DetaljerLast ned Medikamentregning - Knut Barder. Last ned. Last ned e-bok ny norsk Medikamentregning Gratis boken Pdf, ibook, Kindle, Txt, Doc, Mobi
Last ned Medikamentregning - Knut Barder Last ned Forfatter: Knut Barder ISBN: 9788256268702 Antall sider: 63 Format: PDF Filstørrelse: 21.32 Mb Dette heftet gir nødvendig kunnskap og øving for å bestå
DetaljerTMA4240 Statistikk Høst 2016
TMA4240 Statistikk Høst 2016 Norges teknisk-naturvitenskapelige universitet Institutt for matematiske fag Anbefalt øving 11 Oppgavene i denne øvingen dreier seg om hypotesetesting og sentrale begreper
DetaljerTMA4100 Matematikk 1 Høst 2014
Norges teknisk naturvitenskapelige universitet Institutt for matematiske fag TMA Matematikk Høst Løsningsforslag Øving Review Exercise 6, side 86 Vi lar fx sin x. Taylor-polynomet av grad 6 til f om x
DetaljerTMA4240 Statistikk 2014
TMA4240 Statistikk 2014 Norges teknisk-naturvitenskapelige universitet Institutt for matematiske fag Øving nummer 12, blokk II Oppgave 1 På ein av vegane inn til Trondheim er UP interessert i å måle effekten
Detaljeri x i
TMA4245 Statistikk Vår 2016 Norges teknisk-naturvitenskapelige universitet Institutt for matematiske fag Anbefalte oppgaver 11, blokk II Oppgavene i denne øvingen dreier seg om hypotesetesting og sentrale
DetaljerST1101/ST6101 Sannsynlighetsregning og statistikk Vår 2019
Norges teknisk naturvitenskapelige universitet Institutt for matematiske fag ST1101/ST6101 Sannsynlighetsregning og statistikk Vår 2019 Oppgaver fra oka 2.2.2 La (R, B, G) være utfallet av øyne ved et
DetaljerLøsning 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
DetaljerUNIVERSITY OF OSLO DEPARTMENT OF ECONOMICS
UNIVERSITY OF OSLO DEPARTMENT OF ECONOMICS Postponed exam: ECON420 Mathematics 2: Calculus and linear algebra Date of exam: Tuesday, June 8, 203 Time for exam: 09:00 a.m. 2:00 noon The problem set covers
DetaljerTMA4240 Statistikk Høst 2012
TMA424 Statistikk Høst 212 Norges teknisk-naturvitenskapelige universitet Institutt for matematiske fag Øving 5 blokk I Løsningsskisse Oppgave 1 X N(18,2.5 2 ) P(X < 15) = P ( X 18 < 15 18 ) = P(Z < 1.2)
DetaljerStatistisk modellering for biologer og bioteknologer, ST august, 2012 Kl. 913 Sensur: 3 uker etter eksamen
Norges teknisk-naturvitenskapelige universitet Institutt for matematiske fag Side 1 av 5 Bokmål Faglig kontakt under eksamen: Professor Jarle Tufto Telefon: 99705519 Statistisk modellering for biologer
Detaljer3.4: Simultanfordelinger (siste rest) 4.1,4.2,4.3: Multivariat del (ferdig med kapittel 3 og 4 etter denne forelesningen)
TMA4240 Statistikk H200 3.4: Simultanfordelinger (siste rest) 4.,4.2,4.3: Multivariat del (ferdig med kapittel 3 og 4 etter denne forelesningen) Mette Langaas Foreleses mandag 3. september 200 2 f (x,
Detaljer= (2 6y) da. = πa 2 3
TMA45 Matematikk Vår 7 Norges teknisk naturvitenskapelige universitet Institutt for matematiske fag Løsningsforslag Øving Alle oppgavenummer referer til 8. utgave av Adams & Essex alculus: A omplete ourse.
Detaljerα =P(type I feil) = P(forkast H 0 H 0 er sann) =1 P(220 < X < 260 p = 0.6)
TMA4245 Statistikk Vår 212 Norges teknisk-naturvitenskapelige universitet Institutt for matematiske fag Øving 4 blokk II Løsningsskisse Oppgave 1 4 personer spurt. Hvis mellom 22 og 26 personer svarer
DetaljerMA1102 Grunnkurs i Analyse II Vår 2015
Norges teknisk naturvitenskapelige universitet Institutt for matematiske fag MA112 Grunnkurs i Analyse II Vår 215 Løsningsforslag Øving 5 11.3:3 f n (x) = 2n+1 x? = x 1 2n+1. (Det er muligens en forskjell
DetaljerUNIVERSITETET I OSLO
UNIVERSITETET I OSLO Det matematisk-naturvitenskapelige fakultet Eksamen i: MAT-INF 1100L Programmering, modellering, og beregninger. Prøveeksamen 2 Eksamensdag: Onsdag 14. November 2014. Tid for eksamen:
DetaljerBioberegninger, ST1301 Onsdag 1. juni 2005 Kl Hjelpemidler: Alle trykte og skrevne hjelpemidler, lommeregner. Sensur: 22.
Norges teknisk-naturvitenskapelige universitet Institutt for matematiske fag Side 1 av 6 Bokmål Faglig kontakt under eksamen: Førsteamanuensis Jarle Tufto Telefon: 99 70 55 19 Bioberegninger, ST1301 Onsdag
Detaljer