Regresjon med GeoGebra

Størrelse: px
Begynne med side:

Download "Regresjon med GeoGebra"

Transkript

1 Praksis og Teori Askim videregående skole

2 1 Lærplanmål 2 Punkter og Lister 3 Regresjon 4 Teori 5 Nytt verktøy

3 Læreplanmål i 2P Modellering gjere målingar i praktiske forsøk og formulere matematiske modellar på grunnlag av observerte data

4 Læreplanmål i 2P Modellering gjere målingar i praktiske forsøk og formulere matematiske modellar på grunnlag av observerte data analysere praktiske problemstillingar knytte til daglegliv, økonomi, statistikk og geometri, finne mønster og struktur i ulike situasjonar og beskrive samanhengar mellom storleikar ved hjelp av matematiske modellar

5 Læreplanmål i 2P Modellering gjere målingar i praktiske forsøk og formulere matematiske modellar på grunnlag av observerte data analysere praktiske problemstillingar knytte til daglegliv, økonomi, statistikk og geometri, finne mønster og struktur i ulike situasjonar og beskrive samanhengar mellom storleikar ved hjelp av matematiske modellar utforske matematiske modellar, samanlikne ulike modellar som beskriv same praktiske situasjon, og vurdere kva for informasjon modellane kan gje, og kva for gyldigheitsområde og avgrensingar dei har

6 Læreplanmål i 2P Modellering gjere målingar i praktiske forsøk og formulere matematiske modellar på grunnlag av observerte data analysere praktiske problemstillingar knytte til daglegliv, økonomi, statistikk og geometri, finne mønster og struktur i ulike situasjonar og beskrive samanhengar mellom storleikar ved hjelp av matematiske modellar utforske matematiske modellar, samanlikne ulike modellar som beskriv same praktiske situasjon, og vurdere kva for informasjon modellane kan gje, og kva for gyldigheitsområde og avgrensingar dei har bruke digitale verktøy i utforsking, modellbygging og presentasjon

7 Læreplanmål i 1P, 1T, S1, S2 og R2 Funksjoner gjere greie for omgrepet lineær vekst, vise gangen i slik vekst og bruke dette i praktiske døme, også digitalt (1P)

8 Læreplanmål i 1P, 1T, S1, S2 og R2 Funksjoner gjere greie for omgrepet lineær vekst, vise gangen i slik vekst og bruke dette i praktiske døme, også digitalt (1P) lage, tolke og gjere greie for funksjonar som beskriv praktiske problemstillingar, analysere empiriske funksjonar og finne uttrykk for tilnærma lineære samanhengar, med og utan bruk av digitale verktøy (1T)

9 Læreplanmål i 1P, 1T, S1, S2 og R2 Funksjoner gjere greie for omgrepet lineær vekst, vise gangen i slik vekst og bruke dette i praktiske døme, også digitalt (1P) lage, tolke og gjere greie for funksjonar som beskriv praktiske problemstillingar, analysere empiriske funksjonar og finne uttrykk for tilnærma lineære samanhengar, med og utan bruk av digitale verktøy (1T) lage og tolke funksjoner som modellerer og beskriver praktiske problemstillinger i økonomi og samfunnsfag, analysere empiriske funksjoner og bruke regresjon til å finne en tilnærmet polynomfunksjon, potensfunksjon eller eksponentialfunksjon (S1)

10 Læreplanmål i 1P, 1T, S1, S2 og R2 Funksjoner gjere greie for omgrepet lineær vekst, vise gangen i slik vekst og bruke dette i praktiske døme, også digitalt (1P) lage, tolke og gjere greie for funksjonar som beskriv praktiske problemstillingar, analysere empiriske funksjonar og finne uttrykk for tilnærma lineære samanhengar, med og utan bruk av digitale verktøy (1T) lage og tolke funksjoner som modellerer og beskriver praktiske problemstillinger i økonomi og samfunnsfag, analysere empiriske funksjoner og bruke regresjon til å finne en tilnærmet polynomfunksjon, potensfunksjon eller eksponentialfunksjon (S1) modellere eksponentiell og logistisk vekst ved å bruke eksponentialfunksjoner og logaritmefunksjoner (S2)

11 Læreplanmål i 1P, 1T, S1, S2 og R2 Funksjoner gjere greie for omgrepet lineær vekst, vise gangen i slik vekst og bruke dette i praktiske døme, også digitalt (1P) lage, tolke og gjere greie for funksjonar som beskriv praktiske problemstillingar, analysere empiriske funksjonar og finne uttrykk for tilnærma lineære samanhengar, med og utan bruk av digitale verktøy (1T) lage og tolke funksjoner som modellerer og beskriver praktiske problemstillinger i økonomi og samfunnsfag, analysere empiriske funksjoner og bruke regresjon til å finne en tilnærmet polynomfunksjon, potensfunksjon eller eksponentialfunksjon (S1) modellere eksponentiell og logistisk vekst ved å bruke eksponentialfunksjoner og logaritmefunksjoner (S2) formulere en matematisk modell ved hjelp av sentrale funksjoner på grunnlag av observerte data, bearbeide modellen og drøfte resultat og framgangsmåte (R2)

12 Punkter i Grafikkfeltet (x, y) i inntastingsfeltet

13 Punkter i Grafikkfeltet (x, y) i inntastingsfeltet P:(2,3) gir punktet navnet P

14 Punkter i Grafikkfeltet (x, y) i inntastingsfeltet P:(2,3) gir punktet navnet P Nytt punkt verktøy

15 Punkter i Grafikkfeltet (x, y) i inntastingsfeltet P:(2,3) gir punktet navnet P Nytt punkt verktøy Formatering (Dialogboksen Egenskaper eller Stilmeny)

16 Lister i Grafikkfeltet minliste:{(1, 1), (3, 2), (4, 3)}i inntastingfeltet

17 Lister i Grafikkfeltet minliste:{(1, 1), (3, 2), (4, 3)}i inntastingfeltet Lag liste verktøyet

18 Punkter og lister i Regnearket Dra eller Ctrl-Dra punkter eller lister fra Algebrafeltet til Regnearket

19 Punkter og lister i Regnearket Dra eller Ctrl-Dra punkter eller lister fra Algebrafeltet til Regnearket (x,y) i en celle

20 Punkter og lister i Regnearket Dra eller Ctrl-Dra punkter eller lister fra Algebrafeltet til Regnearket (x,y) i en celle x- og y-verdiene i hver sin kolonne Lag Liste med punkt fra hurtigmenyen

21 Regresjonsalternativer Kommando i inntastingsfeltet: Reg, RegEksp, RegEksp2, RegLin, RegLinX, RegLog, RegLogist, RegPoly, RegPot og RegSin

22 Regresjonsalternativer Kommando i inntastingsfeltet: Reg, RegEksp, RegEksp2, RegLin, RegLinX, RegLog, RegLogist, RegPoly, RegPot og RegSin Beste tilpasset linje verktøyet i Grafikkfeltet

23 Regresjonsalternativer Kommando i inntastingsfeltet: Reg, RegEksp, RegEksp2, RegLin, RegLinX, RegLog, RegLogist, RegPoly, RegPot og RegSin Beste tilpasset linje verktøyet i Grafikkfeltet Regresjonsanalyse verktøyet i Regnearket

24 Regresjonanalyse verktøyet

25 Regresjonanalyse verktøyet

26 Regresjonanalyse verktøyet

27 Regresjonanalyse verktøyet

28 Regresjonanalyse verktøyet

29 Regresjonanalyse verktøyet

30 Regresjonanalyse verktøyet

31 Regresjonanalyse verktøyet

32 Regresjonanalyse verktøyet

33 Regresjonanalyse verktøyet TIPS Husk alltid å navngi aksene, så det blir en vane for elevene, også.

34 De ær noe jæ lurær på se Hva forteller korrelasjonskoeffisienten r oss?

35 De ær noe jæ lurær på se Hva forteller korrelasjonskoeffisienten r oss? Hvilken informasjon gir determinasjonskoeffisienten R 2?

36 De ær noe jæ lurær på se Hva forteller korrelasjonskoeffisienten r oss? Hvilken informasjon gir determinasjonskoeffisienten R 2? Hvorfor er r begrenset til lineær regresjon, mens R 2 ikke er det?

37 De ær noe jæ lurær på se Hva forteller korrelasjonskoeffisienten r oss? Hvilken informasjon gir determinasjonskoeffisienten R 2? Hvorfor er r begrenset til lineær regresjon, mens R 2 ikke er det? Hvor nøyaktig blir estimatene fra modellen?

38 De ær noe jæ lurær på se Hva forteller korrelasjonskoeffisienten r oss? Hvilken informasjon gir determinasjonskoeffisienten R 2? Hvorfor er r begrenset til lineær regresjon, mens R 2 ikke er det? Hvor nøyaktig blir estimatene fra modellen? Hvilken rolle spiller det om x og y bytter plass?

39 De ær noe jæ lurær på se Hva forteller korrelasjonskoeffisienten r oss? Hvilken informasjon gir determinasjonskoeffisienten R 2? Hvorfor er r begrenset til lineær regresjon, mens R 2 ikke er det? Hvor nøyaktig blir estimatene fra modellen? Hvilken rolle spiller det om x og y bytter plass? Hvilke forutsetninger ligger til grunn for lineær regresjonen?

40 Teori - begreper Regresjon

41 Teori - begreper Regresjon Korrelasjon

42 Teori - begreper Regresjon Korrelasjon Lineær og ikke-lineær

43 Teori - begreper Regresjon Korrelasjon Lineær og ikke-lineær Modellering og kurvetilpasning

44 Teori - begreper Regresjon Korrelasjon Lineær og ikke-lineær Modellering og kurvetilpasning Populasjon (parametere) og utvalg (estimater)

45 Regresjon mot middelmådighet Tendensen i Galtons/Persons undersøkelse var Lave foreldre får lave barn, men ikke så lave som seg selv.

46 Regresjon mot middelmådighet Tendensen i Galtons/Persons undersøkelse var Lave foreldre får lave barn, men ikke så lave som seg selv. Høye foreldre får høye barn, men ikke så høye som seg selv.

47 Regresjon mot middelmådighet Tendensen i Galtons/Persons undersøkelse var Lave foreldre får lave barn, men ikke så lave som seg selv. Høye foreldre får høye barn, men ikke så høye som seg selv. Høye barn har høye foreldre, men ikke så høye som seg selv!

48 Korrelasjonskoeffisienten r Populasjon ρ X,Y = cov(x,y ) σ X σ Y = E[(X µ X )(Y µ Y )] σ X σ Y

49 Korrelasjonskoeffisienten r Populasjon ρ X,Y = cov(x,y ) σ X σ Y = E[(X µ X )(Y µ Y )] σ X σ Y Utvalg n r = 1 n 1 s X i=1 ( ) Xi X s X, X = 1 n ( Xi X ) ( Yi Ȳ s Y ) n X i og s X = i=1 1 n 1 ( Xi X ) 2

50 Korrelasjonskoeffisienten r Populasjon ρ X,Y = cov(x,y ) σ X σ Y = E[(X µ X )(Y µ Y )] σ X σ Y Utvalg n r = 1 n 1 s X i=1 ( ) Xi X s X, X = 1 n ( Xi X ) ( Yi Ȳ s Y ) n X i og s X = i=1 1 n 1 ( Xi X ) 2 r (Pearson s) måler den lineære avhengigheten mellom to variabler X og Y.

51 r og Linearitet

52 r og Linearitet ( X > X Y > Ȳ ) ( X X ) ( Y Ȳ ) > 0

53 r og Linearitet ( X > X Y > Ȳ ) ( X X ) ( Y Ȳ ) > 0 ( X < X Y < Ȳ ) ( X X ) ( Y Ȳ ) > 0

54 r og Linearitet ( X > X Y > Ȳ ) ( X X ) ( Y Ȳ ) > 0 ( X < X Y < Ȳ ) ( X X ) ( Y Ȳ ) > 0 ( X > X Y < Ȳ ) ( X X ) ( Y Ȳ ) < 0

55 r og Linearitet ( X > X Y > Ȳ ) ( X X ) ( Y Ȳ ) > 0 ( X < X Y < Ȳ ) ( X X ) ( Y Ȳ ) > 0 ( X > X Y < Ȳ ) ( X X ) ( Y Ȳ ) < 0 ( X < X Y > Ȳ ) ( X X ) ( Y Ȳ ) < 0

56 r og minste kvadraters metode

57 r og minste kvadraters metode ax + b går gjennom ( x, ȳ)

58 r og minste kvadraters metode ax + b går gjennom ( x, ȳ) Stigningstallet a = r s Y sx

59 r og minste kvadraters metode ax + b går gjennom ( x, ȳ) Stigningstallet a = r s Y sx I GeoGebra: RegLin[liste]

60 r og de to regresjonslinjene Hva hvis vi skal gjette på en x-verdi gitt en y-verdi?

61 r og de to regresjonslinjene Hva hvis vi skal gjette på en x-verdi gitt en y-verdi? Horisontale avvik

62 r og de to regresjonslinjene Hva hvis vi skal gjette på en x-verdi gitt en y-verdi? Horisontale avvik a x + b går gjennom ( x, ȳ)

63 r og de to regresjonslinjene Hva hvis vi skal gjette på en x-verdi gitt en y-verdi? Horisontale avvik a x + b går gjennom ( x, ȳ) Stigningstallet a = 1 r s Y sx

64 r og de to regresjonslinjene Hva hvis vi skal gjette på en x-verdi gitt en y-verdi? Horisontale avvik a x + b går gjennom ( x, ȳ) Stigningstallet a = 1 r s Y sx I GeoGebra: RegLinX[liste]

65 r fakta r er et normalisert mål på LINEÆR avhengighet mellom to variabler

66 r fakta r er et normalisert mål på LINEÆR avhengighet mellom to variabler 1 r 1

67 r fakta r er et normalisert mål på LINEÆR avhengighet mellom to variabler 1 r 1 r > 0: Positiv korrelasjon (y øker når x øker)

68 r fakta r er et normalisert mål på LINEÆR avhengighet mellom to variabler 1 r 1 r > 0: Positiv korrelasjon (y øker når x øker) r = 0: Ingen korrelasjon

69 r fakta r er et normalisert mål på LINEÆR avhengighet mellom to variabler 1 r 1 r > 0: Positiv korrelasjon (y øker når x øker) r = 0: Ingen korrelasjon r < 0: Negativ korrelasjon (y avtar når x øker)

70 r fakta r er et normalisert mål på LINEÆR avhengighet mellom to variabler 1 r 1 r > 0: Positiv korrelasjon (y øker når x øker) r = 0: Ingen korrelasjon r < 0: Negativ korrelasjon (y avtar når x øker) r inngår i stigningstallet for regresjonslinjen.

71 Determinasjonskoeffisienten R 2 Definisjon R 2 = SST SSE SST = 1 SSE SST = 1 (yi ŷ i ) 2 (yi ȳ) 2 = 1 (yi (ax i +b)) 2 (yi ȳ) 2 R 2 forteller hvor stor prosentandel av variasjonen i y som kan forklares av varisasjonen i x og sier således noe om hvor god kurvetilpasningen er.

72 R 2 og SST (Total kvadratsum)

73 R 2 og SSE (Kvadratsum for feil)

74 R 2 og SSR (Kvadratsum for regresjon)

75 R 2 fakta Generelt R 2 ligger mellom 0 og 1.

76 R 2 fakta Generelt R 2 ligger mellom 0 og 1. R er vanlig korrelasjon mellom y og ŷ (også når det er mange x-variable eller polynomisk regresjon).

77 R 2 fakta Generelt R 2 ligger mellom 0 og 1. R er vanlig korrelasjon mellom y og ŷ (også når det er mange x-variable eller polynomisk regresjon). Høyere R 2 tyder på en bedre modell, men R 2 erstatter ikke hypotesetester.

78 R 2 fakta Generelt R 2 ligger mellom 0 og 1. R er vanlig korrelasjon mellom y og ŷ (også når det er mange x-variable eller polynomisk regresjon). Høyere R 2 tyder på en bedre modell, men R 2 erstatter ikke hypotesetester. Spesielt for lineær regresjon R 2 = SSR SST fordi SSE + SSR = SST

79 R 2 fakta Generelt R 2 ligger mellom 0 og 1. R er vanlig korrelasjon mellom y og ŷ (også når det er mange x-variable eller polynomisk regresjon). Høyere R 2 tyder på en bedre modell, men R 2 erstatter ikke hypotesetester. Spesielt for lineær regresjon R 2 = SSR SST R 2 = r 2 fordi SSE + SSR = SST

80 Lineær regresjon Formel for konfidensintervall

81 Lineær regresjon Formel for prediksjonsintervall

82 Nytt verktøy

83 Forutsetninger Det er lineær avhengighet mellom den uavhengige og avhengige variabelen,

84 Forutsetninger Det er lineær avhengighet mellom den uavhengige og avhengige variabelen, Feilleddene er uavhengige

85 Forutsetninger Det er lineær avhengighet mellom den uavhengige og avhengige variabelen, Feilleddene er uavhengige Feilleddene er normalfordelt

86 Forutsetninger Det er lineær avhengighet mellom den uavhengige og avhengige variabelen, Feilleddene er uavhengige Feilleddene er normalfordelt Feilleddene har konstant varians

87 Forutsetninger Det er lineær avhengighet mellom den uavhengige og avhengige variabelen, Feilleddene er uavhengige Feilleddene er normalfordelt Feilleddene har konstant varians Pass opp Dersom noen av disse kravene brytes, blir testene, konfidens- og prediksjonsintervallene feil.

88 Tidsserier Tidsserier bryter ofte kravet om at feilleddene skal være uavhengige.

89 Tidsserier Tidsserier bryter ofte kravet om at feilleddene skal være uavhengige. Autokorrelasjon,deling i trend-, sesong- og irregulære komponenter, tidsserier som modelleres med differensligninger, med mer.

90 Tidsserier Tidsserier bryter ofte kravet om at feilleddene skal være uavhengige. Autokorrelasjon,deling i trend-, sesong- og irregulære komponenter, tidsserier som modelleres med differensligninger, med mer. Kort sagt, et eget tema, som ikke er berørt her.

91 Anscombes kvartett Datasettene har samme x s 2 X ȳ s 2 Y r ax + b gjennomsnitt varians gjennomsnitt varians korrelasjon regresjonslinje

92 Anscombes kvartett Datasettene har samme x s 2 X ȳ s 2 Y r ax + b gjennomsnitt varians gjennomsnitt varians korrelasjon regresjonslinje Husk grafisk framstilling

93 Anscombes kvartett Datasettene har samme x s 2 X ȳ s 2 Y r ax + b gjennomsnitt varians gjennomsnitt varians korrelasjon regresjonslinje Husk grafisk framstilling Test for å luke ut uteliggere (ekstremverdier)

94 Oppsummering Noe å ta med seg hjem 1 KORRELASJON måler kun LINEÆR sammenheng

95 Oppsummering Noe å ta med seg hjem 1 KORRELASJON måler kun LINEÆR sammenheng 2 REGRESJON er en omfattende STATISTISK METODE og

96 Oppsummering Noe å ta med seg hjem 1 KORRELASJON måler kun LINEÆR sammenheng 2 REGRESJON er en omfattende STATISTISK METODE og angår sammenhengen mellom variabler

97 Oppsummering Noe å ta med seg hjem 1 KORRELASJON måler kun LINEÆR sammenheng 2 REGRESJON er en omfattende STATISTISK METODE og angår sammenhengen mellom variabler kan være lineær eller IKKE-LINEÆR

98 Oppsummering Noe å ta med seg hjem 1 KORRELASJON måler kun LINEÆR sammenheng 2 REGRESJON er en omfattende STATISTISK METODE og angår sammenhengen mellom variabler kan være lineær eller IKKE-LINEÆR kan benyttes til PROGNOSER

99 Oppsummering Noe å ta med seg hjem 1 KORRELASJON måler kun LINEÆR sammenheng 2 REGRESJON er en omfattende STATISTISK METODE og angår sammenhengen mellom variabler kan være lineær eller IKKE-LINEÆR kan benyttes til PROGNOSER er basert på bestemte FORUTSETNINGER

100 Oppsummering Noe å ta med seg hjem 1 KORRELASJON måler kun LINEÆR sammenheng 2 REGRESJON er en omfattende STATISTISK METODE og angår sammenhengen mellom variabler kan være lineær eller IKKE-LINEÆR kan benyttes til PROGNOSER er basert på bestemte FORUTSETNINGER kan angis med en bestemt PÅLITELIGHET (feilmargin)

101 Oppsummering Noe å ta med seg hjem 1 KORRELASJON måler kun LINEÆR sammenheng 2 REGRESJON er en omfattende STATISTISK METODE og angår sammenhengen mellom variabler kan være lineær eller IKKE-LINEÆR kan benyttes til PROGNOSER er basert på bestemte FORUTSETNINGER kan angis med en bestemt PÅLITELIGHET (feilmargin) 3 KURVETILPASNING, som inngår i regresjon, går ut på finne funksjonen som passer best til listen med punkter.

102 Oppsummering Noe å ta med seg hjem 1 KORRELASJON måler kun LINEÆR sammenheng 2 REGRESJON er en omfattende STATISTISK METODE og angår sammenhengen mellom variabler kan være lineær eller IKKE-LINEÆR kan benyttes til PROGNOSER er basert på bestemte FORUTSETNINGER kan angis med en bestemt PÅLITELIGHET (feilmargin) 3 KURVETILPASNING, som inngår i regresjon, går ut på finne funksjonen som passer best til listen med punkter. 4 Grupper av funksjoner representerer forskjellige MODELLER av det vi observerer, eksempelvis en annengrads- eller en eksponentialfunksjon.

Kurvetilpasning (regresjon) med GeoGebra 4.0

Kurvetilpasning (regresjon) med GeoGebra 4.0 Kurvetilpasning (regresjon) med GeoGebra 4.0 av Sigbjørn Hals Innhold Liste over kommandoene... 2 Lineær regresjon... 3 Potensregresjon... 5 Eksponentiell regresjon... 5 Logaritmisk regresjon... 6 Logistisk

Detaljer

Matematikk 1T. Matematikk 1T. Tal og algebra. tolke, bearbeide, vurdere og drøfte det matematiske innhaldet i ulike tekstar

Matematikk 1T. Matematikk 1T. Tal og algebra. tolke, bearbeide, vurdere og drøfte det matematiske innhaldet i ulike tekstar Matematikk 1T Matematikk 1T Tal og algebra tolke, bearbeide, vurdere og drøfte det matematiske innhaldet i ulike tekstar vurdere, velje og bruke matematiske metodar og verktøy til å løyse problem frå ulike

Detaljer

Karakter 2: 10p Karakter 3: 17p Karakter 4: 23p Karakter 5: 30p Karakter 6: 36p

Karakter 2: 10p Karakter 3: 17p Karakter 4: 23p Karakter 5: 30p Karakter 6: 36p 06.02.2017 MATEMATIKK (MAT1005) Rette linjer / Lineære funksjoner DEL 1 (UTEN HJELPEMIDLER) 50 minutter DEL 2 (MED HJELPEMIDLER) 40 minutter (Del 1 leveres inn etter nøyaktig 50 minutter og før hjelpemidlene

Detaljer

ST0202 Statistikk for samfunnsvitere

ST0202 Statistikk for samfunnsvitere ST0202 Statistikk for samfunnsvitere Bo Lindqvist Institutt for matematiske fag 2 Kap. 13: Lineær korrelasjons- og regresjonsanalyse Kap. 13.1-13.3: Lineær korrelasjonsanalyse. Disse avsnitt er ikke pensum,

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

Læreplan i matematikk for samfunnsfag - programfag i studiespesialiserende program

Læreplan i matematikk for samfunnsfag - programfag i studiespesialiserende program Læreplan i matematikk for samfunnsfag - programfag i studiespesialiserende program Fastsatt som forskrift av Utdanningsdirektoratet 27. mars 2006 etter delegasjon i brev 26. september 2005 fra Utdannings-

Detaljer

GeoGebra for Sinus 2T

GeoGebra for Sinus 2T GeoGebra for Sinus 2T Innhold Vektorer med GeoGebra Skalarproduktet med GeoGebra Parameterframstilling med GeoGebra Ordnede utvalg eksempelet på side 89 med GeoGebra Uordnede utvalg eksempelet på side

Detaljer

Løsningsforslag eksamen 25. november 2003

Løsningsforslag eksamen 25. november 2003 MOT310 Statistiske metoder 1 Løsningsforslag eksamen 25. november 2003 Oppgave 1 a) Vi har µ D = µ X µ Y. Sangere bruker generelt trapesius-muskelen mindre etter biofeedback dersom forventet bruk av trapesius

Detaljer

Kp. 11 Enkel lineær regresjon (og korrelasjon) Kp. 11 Regresjonsanalyse; oversikt

Kp. 11 Enkel lineær regresjon (og korrelasjon) Kp. 11 Regresjonsanalyse; oversikt Bjørn H. Auestad Kp. 11: Regresjonsanalyse 1 / 57 Kp. 11 Regresjonsanalyse; oversikt 11.1 Introduction to Linear Regression 11.2 Simple Linear Regression 11.3 Least Squares and the Fitted Model 11.4 Properties

Detaljer

LOKALT GITT EKSAMEN MUNTLIG EKSAMEN

LOKALT GITT EKSAMEN MUNTLIG EKSAMEN LOKALT GITT EKSAMEN MUNTLIG EKSAMEN Fagnavn: Matematikk MAT1105 Eksamensdato: Onsdag 15. juni 2017 Faglærer: Geir Granberg Informasjon om muntlig eksamen i matematikk (MAT1105) Forberedelsestid Tillatte

Detaljer

TMA4245 Statistikk Eksamen desember 2016

TMA4245 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

Detaljer

10.1 Enkel lineær regresjon Multippel regresjon

10.1 Enkel lineær regresjon Multippel regresjon Inferens for regresjon 10.1 Enkel lineær regresjon 11.1-11.2 Multippel regresjon 2012 W.H. Freeman and Company Denne uken: Enkel lineær regresjon Litt repetisjon fra kapittel 2 Statistisk modell for enkel

Detaljer

Sentralverdi av dataverdi i et utvalg Vi tenker oss et utvalg med datapar. I vårt eksempel har vi 5 datapar.

Sentralverdi av dataverdi i et utvalg Vi tenker oss et utvalg med datapar. I vårt eksempel har vi 5 datapar. Statistisk behandling av kalibreringsresultatene Del 4. v/ Rune Øverland, Trainor Elsikkerhet AS Denne artikkelserien handler om statistisk behandling av kalibreringsresultatene. Dennne artikkelen tar

Detaljer

ST0202 Statistikk for samfunnsvitere Kapittel 13: Lineær regresjon og korrelasjon

ST0202 Statistikk for samfunnsvitere Kapittel 13: Lineær regresjon og korrelasjon ST0202 Statistikk for samfunnsvitere Kapittel 13: Lineær regresjon og korrelasjon Bo Lindqvist Institutt for matematiske fag http://wiki.math.ntnu.no/st0202/2012h/start 2 Kap. 13: Lineær korrelasjons-

Detaljer

GeoGebra finner nullpunktene til en innlagt polynomfunksjon f. GeoGebra finner nullpunktene til en innlagt funksjon f i intervallet [1, 8].

GeoGebra finner nullpunktene til en innlagt polynomfunksjon f. GeoGebra finner nullpunktene til en innlagt funksjon f i intervallet [1, 8]. 413 GeoGebra i S2 Grafer Nullpunkter GeoGebra finner nullpunktene til en innlagt polynomfunksjon f. Topp- og bunnpunkter GeoGebra finner nullpunktene til en innlagt funksjon f i intervallet [1, 8]. GeoGebra

Detaljer

GeoGebra i 1T. Grafer. Å tegne grafen til en funksjon. GeoGebra tegner grafen til f(x) = 0,5x 2 for 0 x 10.

GeoGebra i 1T. Grafer. Å tegne grafen til en funksjon. GeoGebra tegner grafen til f(x) = 0,5x 2 for 0 x 10. 2 Grafer Å tegne grafen til en funksjon Akser Rutenett Avrunding GeoGebra tegner grafen til f(x) = 0,5x 2 for 0 x 10. Funksjonen får automatisk navnet f. Hvis grafen ikke vises, kan du høyreklikke i grafikkfeltet

Detaljer

Karakter 2: 10p Karakter 3: 16p Karakter 4: 22p Karakter 5: 28p Karakter 6: 34p

Karakter 2: 10p Karakter 3: 16p Karakter 4: 22p Karakter 5: 28p Karakter 6: 34p 13.03.2017 MATEMATIKK (MAT1005) Funksjoner og vekst DEL 1 (UTEN HJELPEMIDLER) 40 minutter DEL 2 (MED HJELPEMIDLER) 50 minutter (Del 1 leveres inn etter nøyaktig 40 minutter og før hjelpemidlene kan benyttes)

Detaljer

TMA4245 Statistikk Eksamen desember 2016

TMA4245 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

Detaljer

MOT 310 Statistiske metoder 1 Løsningsforslag til eksamen høst 2006, s. 1. Oppgave 1

MOT 310 Statistiske metoder 1 Løsningsforslag til eksamen høst 2006, s. 1. Oppgave 1 MOT 310 Statistiske metoder 1 Løsningsforslag til eksamen høst 2006, s. 1 Oppgave 1 a) Normalantakelse: Målingene x 1,..., x 21 og y 1,..., y 8 betraktes som utfall av tilfeldige variable X 1,..., X 21

Detaljer

Kandidatene 4507, 4542, 4545 og 4569 har meget gode besvarelser supert!

Kandidatene 4507, 4542, 4545 og 4569 har meget gode besvarelser supert! MOT 310 Statistiske metoder 1 Løsningsforslag til eksamen høst 2006, s. 1 Flott! Samlet sett leverer dere gode resultater. Kandidatene 4507, 4542, 4545 og 4569 har meget gode besvarelser supert! Totalt

Detaljer

Funksjoner, likningssett og regning i CAS

Funksjoner, likningssett og regning i CAS Funksjoner, likningssett og regning i CAS MKH, TUS 2014, GeoGebra 4.4 Innholdsfortegnelse Funksjoner og likningssett i GeoGebra... 2 Introduksjon til lineære funksjoner... 2 Oppgave om mobilabonnement...

Detaljer

Oppgave 1. X 1 B(n 1, p 1 ) X 2. Vi er interessert i forskjellen i andeler p 1 p 2, som vi estimerer med. p 1 p 2 = X 1. n 1 n 2.

Oppgave 1. X 1 B(n 1, p 1 ) X 2. Vi er interessert i forskjellen i andeler p 1 p 2, som vi estimerer med. p 1 p 2 = X 1. n 1 n 2. Løsningsforslag til eksamen i MOT310 STATISTISKE METODER 1 VARIGHET: 4 TIMER DATO: 17 november 2008 TILLATTE HJELPEMIDLER: Kalkulator: HP30S, Casio FX82 eller TI-30 Tabeller og formler i statistikk Tapir

Detaljer

GeoGebra 4.2 for Sinus 2P. av Sigbjørn Hals

GeoGebra 4.2 for Sinus 2P. av Sigbjørn Hals GeoGebra 4.2 for Sinus 2P av Sigbjørn Hals Innhold Litt om GeoGebra... 3 Linjediagram. Side 46 i læreboka... 3 Søylediagram. Side 57 i Læreboka... 5 Histogram. Side 81 i læreboka... 6 Lineær regresjon.

Detaljer

TMA4240 Statistikk 2014

TMA4240 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

Detaljer

Kapittel 2: Hendelser

Kapittel 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

Detaljer

Karakter 2: 12p Karakter 3: 19p Karakter 4: 27p Karakter 5: 35p Karakter 6: 42p

Karakter 2: 12p Karakter 3: 19p Karakter 4: 27p Karakter 5: 35p Karakter 6: 42p 03.05.2017 MATEMATIKK (MAT1005) Potenser, Prosent, Mønster, Tid, Tabeller, Diagrammer, Sentralmål, Spredningsmål, Rette linjer, Lineære funksjoner, Funksjoner og vekst, Sannsynlighetsregning DEL 1 (UTEN

Detaljer

MATEMATISK MODELLERING Modellering med pendel

MATEMATISK MODELLERING Modellering med pendel MATEMATISK MODELLERING Modellering med pendel Utstyr: Mynter, hyssing, tape, stoppeklokke Mål: 1. Hva påvirker svingtiden til en pendel? Lag hypoteser a. Lengden på hyssingen? b. Antall mynter (vekt)?

Detaljer

Innhold. Matematikk for ungdomstrinnet

Innhold. Matematikk for ungdomstrinnet Innhold FUNKSJONSTEGNER... 3 Skjermbildet i GeoGebra... 3 Verktøylinja... 4 Verktøyet Flytt eller velg objekt... 4 Oppsett av skjermbildet... 5 Flytte tegneflaten, endre enheter på aksene... 5 Mer øving

Detaljer

Kort overblikk over kurset sålangt

Kort overblikk over kurset sålangt Kort overblikk over kurset sålangt Kapittel 1: Deskriptiv statististikk for en variabel Kapittel 2: Deskriptiv statistikk for samvariasjon mellom to variable (regresjon) Kapittel 3: Metoder for å innhente

Detaljer

Eksamensoppgave i TMA4240 Statistikk

Eksamensoppgave i TMA4240 Statistikk Institutt for matematiske fag Eksamensoppgave i TMA4240 Statistikk Faglig kontakt under eksamen: Mette Langaas a, Ingelin Steinsland b, Geir-Arne Fuglstad c Tlf: a 988 47 649, b 926 63 096, c 452 70 806

Detaljer

Obligatorisk oppgave 2

Obligatorisk oppgave 2 Obligatorisk oppgave 2 Oppgave 1 Denne oppgaven er en analyse av resultatene på midtveiseksamen H2017. Les først inn resultatene fra midtveiseksamen i RStudio ved følgende kommando: resultater

Detaljer

I enkel lineær regresjon beskrev linja. μ y = β 0 + β 1 x

I enkel lineær regresjon beskrev linja. μ y = β 0 + β 1 x Multiple regresjon Her utvider vi perspektivet for enkel lineær regresjon til også å omfatte flere forklaringsvariable.det er fortsatt en responsvariabel. Måten dette gjøre på er nokså naturlig. Prediktoren

Detaljer

n n i=1 x2 i n x2 n i=1 Y i og x = 1 n i=1 (x i x)y i = 5942 og n T = i=1 (x i x) 2 t n 2

n n i=1 x2 i n x2 n i=1 Y i og x = 1 n i=1 (x i x)y i = 5942 og n T = i=1 (x i x) 2 t n 2 TMA4245 Statistikk Vår 2016 Norges teknisk-naturvitenskapelige universitet Institutt for matematiske fag Anbefalte oppgaver 12, blokk II Denne øvingen består av oppgaver om enkel lineær regresjon. De handler

Detaljer

TMA4240 Statistikk Høst 2016

TMA4240 Statistikk Høst 2016 TMA4240 Statistikk Høst 2016 Norges teknisk-naturvitenskapelige universitet Institutt for matematiske fag Anbefalt øving 12 Denne øvingen består av oppgaver om enkel lineær regresjon. De handler blant

Detaljer

TMA4240 Statistikk Høst 2009

TMA4240 Statistikk Høst 2009 TMA4240 Statistikk Høst 2009 Norges teknisk-naturvitenskapelige universitet Institutt for matematiske fag Øving nummer b6 Oppgave 1 Oppgave 11.5 fra læreboka. Oppgave 2 Oppgave 11.21 fra læreboka. Oppgave

Detaljer

Løsningsforslag. n X. n X 1 i=1 (X i X) 2 og SY 2 = 1 ny S 2 X + S2 Y

Løsningsforslag. n X. n X 1 i=1 (X i X) 2 og SY 2 = 1 ny S 2 X + S2 Y Statistiske metoder 1 høsten 004. Løsningsforslag Oppgave 1: a) Begge normalplottene gir punkter som ligger omtrent på ei rett linje så antagelsen om normalfordeling ser ut til å holde. Konfidensintervall

Detaljer

STK Oppsummering

STK Oppsummering STK1110 - Oppsummering Geir Storvik 11. November 2015 STK1110 To hovedtemaer Introduksjon til inferensmetoder Punktestimering Konfidensintervall Hypotesetesting Inferens innen spesifikke modeller/problemer

Detaljer

Klarer dere disse abel-nøttene fra 2011?

Klarer dere disse abel-nøttene fra 2011? 2: Lineære funksjoner VG1-T - teoretisk retning En del av dere synes nok at innføringa i kapittel 1 er i vanskeligste laget. Trass i at vi stort sett har repetert foreløpig, ser jeg at dere merker overgangen

Detaljer

Grensekostnad og grenseinntekt Matematikk S1 1. Refleksjon

Grensekostnad og grenseinntekt Matematikk S1 1. Refleksjon Grensekostnad og grenseinntekt Matematikk S1 1. Refleksjon Læreplanmål Matematikk S1 lage og tolke funksjoner som modellerer og beskriver praktiske problemstillinger i økonomi tegne grafen til polynomfunksjoner,

Detaljer

Eksamensoppgåve i TMA4240 Statistikk

Eksamensoppgåve i TMA4240 Statistikk Institutt for matematiske fag Eksamensoppgåve i TMA4240 Statistikk Fagleg kontakt under eksamen: Mette Langaas a, Ingelin Steinsland b, Geir-Arne Fuglstad c Tlf: a 988 47 649, b 926 63 096, c 452 70 806

Detaljer

Utforsking av funksjonsuttrykk og de tilhørende grafene ved hjelp av GeoGebra

Utforsking av funksjonsuttrykk og de tilhørende grafene ved hjelp av GeoGebra Anne-Mari Jensen Utforsking av funksjonsuttrykk og de tilhørende grafene ved hjelp av GeoGebra Innledning I ungdomsskolen kommer funksjoner inn som et av hovedområdene i læreplanen i matematikk. Arbeidet

Detaljer

Læreplan i matematikk fellesfag 2P-Y, Vg3 påbygging til generell studiekompetanse

Læreplan i matematikk fellesfag 2P-Y, Vg3 påbygging til generell studiekompetanse Læreplan i matematikk fellesfag 2P-Y, Vg3 påbygging til generell Fastsett som forskrift av Kunnskapsdepartementet 21.06.2013 Kunnskapsdepartementet har 5.11.2015 vedteke å fjerne matematikk 2T og matematikk

Detaljer

Guri A. Nortvedt Institutt for lærerutdanning og skoleforskning. Revidert læreplan i matematikk

Guri A. Nortvedt Institutt for lærerutdanning og skoleforskning. Revidert læreplan i matematikk Guri A. Nortvedt Institutt for lærerutdanning og skoleforskning Revidert læreplan i matematikk Læreplan i matematikk Skoleforordningen 1734 Regning og matematikk Dagliglivets matematikk Grunnleggende ferdigheter

Detaljer

Sigbjørn Hals, Cappelen Damm Undervisning. Sinus 2P. Digitale løsninger av oppgaver og eksempler med noen utvalgte matematikkverktøy

Sigbjørn Hals, Cappelen Damm Undervisning. Sinus 2P. Digitale løsninger av oppgaver og eksempler med noen utvalgte matematikkverktøy Sinus 2P Digitale løsninger av oppgaver og eksempler med noen utvalgte matematikkverktøy GeoGebra 4.0 og 4.2 wxmaxima Microsoft Mathematics WordMat TI-Nspire CAS 1 Innhold Litt om programmene... 4 GeoGebra

Detaljer

Snøtetthet. Institutt for matematiske fag, NTNU 15. august Notat for TMA4240/TMA4245 Statistikk

Snøtetthet. Institutt for matematiske fag, NTNU 15. august Notat for TMA4240/TMA4245 Statistikk Snøtetthet Notat for TMA424/TMA4245 Statistikk Institutt for matematiske fag, NTNU 5. august 22 I forbindelse med varsling av om, klimaforskning og særlig kraftproduksjon er det viktig å kunne anslå hvor

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

Hurtigstart. Hva er GeoGebra? Noen fakta

Hurtigstart. Hva er GeoGebra? Noen fakta Hurtigstart Hva er GeoGebra? En dynamisk matematisk programvare som er lett å ta i bruk Er egnet til læring og undervisning på alle utdanningsnivå Binder interaktivt sammen geometri, algebra, tabeller,

Detaljer

GeoGebra 4.2 for Sinus 1T. av Sigbjørn Hals

GeoGebra 4.2 for Sinus 1T. av Sigbjørn Hals GeoGebra 4.2 for Sinus 1T av Sigbjørn Hals Innhold Litt om GeoGebra... 3 Faktorisering. Side 55 i læreboka... 3 Rette linjer. Side 73 i læreboka... 3 Digital løsning av likninger. Side 77 i læreboka...

Detaljer

Anna lærestoff: Fagbøker, aviser, video, Excel,Geogebra, internett

Anna lærestoff: Fagbøker, aviser, video, Excel,Geogebra, internett 34 behandle, faktorisere og forenkle algebrauttrykk, knyte uttrykka til praktiske situasjonar, rekne med formlar, parentesar og brøkuttrykk og bruke kvadratsetningane samanlikne og rekne om mellom heile

Detaljer

HØGSKOLEN I STAVANGER

HØGSKOLEN I STAVANGER EKSAMEN I: MOT0 STATISTISKE METODER VARIGHET: TIMER DATO:. NOVEMBER 00 TILLATTE HJELPEMIDLER: KALKULATOR, TABELLER OG FORMLER I STATISTIKK (TAPIR FORLAG) OPPGAVESETTET BESTÅR AV OPPGAVER PÅ 7 SIDER HØGSKOLEN

Detaljer

GeoGebra-opplæring i Matematikk 2T

GeoGebra-opplæring i Matematikk 2T GeoGebra-opplæring i Matematikk 2T Emne Underkapittel Vektorer 1.4 Lengden av vektorer 1.5 Skalarprodukt. Vinkel mellom to vektorer 1.6 Parameterframstilling 1.8 Binomialkoeffisient I 2.7 Binomialkoeffisient

Detaljer

Inferens i regresjon

Inferens i regresjon Strategi som er fulgt hittil: Inferens i regresjon Deskriptiv analyse og dataanalyse først. Analyse av en variabel før studie av samvariasjon. Emne for dette kapittel er inferens når det er en respons

Detaljer

Oppgave 1. . Vi baserer oss på at p 47 1 og p 2 er tilnærmet normalfordelte (brukbar tilnærming). Vi har tilnærmet at (n 1 = n 2 = 47)

Oppgave 1. . Vi baserer oss på at p 47 1 og p 2 er tilnærmet normalfordelte (brukbar tilnærming). Vi har tilnærmet at (n 1 = n 2 = 47) MOT310 tatistiske metoder 1 Løsningsforslag til eksamen vår 006, s. 1 Oppgave 1 a) En tilfeldig utvalgt besvarelse får F av sensor 1 med sannsynlighet p 1 ; resultatene for ulike besvarelser er uavhengige.

Detaljer

GeoGebra-opplæring i Matematikk 2P

GeoGebra-opplæring i Matematikk 2P GeoGebra-opplæring i Matematikk 2P Emne Underkapittel Graftegning 2.1 Linje gjennom to punkter 2.1 Å finne y- og x-verdier 2.1 Lineær regresjon 2.3 Andregradsfunksjoner 2.4 Polynomregresjon 2.4 Eksponential-

Detaljer

UNIVERSITETET I OSLO

UNIVERSITETET I OSLO UNIVERSITETET I OSLO Det matematisk-naturvitenskapelige fakultet Eksamen i: STK1110 Løsningsforslag: Statistiske metoder og dataanalys Eksamensdag: Fredag 9. desember 2011 Tid for eksamen: 14.30 18.30

Detaljer

UNIVERSITETET I OSLO

UNIVERSITETET I OSLO UNIVERSITETET I OSLO Det matematisk-naturvitenskapelige fakultet Eksamen i STK1000 Innføring i anvendt statistikk. Eksamensdag: Torsdag 9. oktober 2008. Tid for eksamen: 15:00 17:00. Oppgavesettet er på

Detaljer

1 10-2: Korrelasjon. 2 10-3: Regresjon

1 10-2: Korrelasjon. 2 10-3: Regresjon 1 10-2: Korrelasjon 2 10-3: Regresjon Example Krysser y-aksen i 1: b 0 = 1 Stiger med 2 hver gang x øker med 1: b 1 = 2 Formelen til linja er derfor y = 1 + 2x Eksempel Example Vi lar fem personer se en

Detaljer

Anna lærestoff: Fagbøker, aviser, video, Excel,Geogebra, internett

Anna lærestoff: Fagbøker, aviser, video, Excel,Geogebra, internett 34 Tal og algebra behandle, faktorisere og forenkle algebrauttrykk, knyte uttrykka til praktiske situasjonar, rekne med formlar, parentesar og brøkuttrykk og bruke kvadratsetningane samanlikne og rekne

Detaljer

Kp. 12 Multippel regresjon

Kp. 12 Multippel regresjon Kp 12 Multippel Bruk av Kp 12 Multippel ; oversikt Kp 12 Multippel Bjørn H Auestad Kp 11: Regresjonsanalyse 1 / 46 Kp 12 Multippel ; oversikt Kp 12 Multippel Bruk av Kp 12 Multippel ; oversikt 121 Introduction

Detaljer

Fra krysstabell til regresjon

Fra krysstabell til regresjon Fra krysstabell til regresjon La oss si at vi er interessert i å undersøke i hvilken grad arbeidstid er avhengig av utdanning. Vi har ca. 3200 observasjoner (dvs. arbeidstakere som er spurt). For hver

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

2T kapittel 3 Modellering og bevis Løsninger til innlæringsoppgavene

2T kapittel 3 Modellering og bevis Løsninger til innlæringsoppgavene T kapittel 3 Modellering og bevis Løsninger til innlæringsoppgavene 3.1 a Modellen gir følgende verdier for årene i oppgaven: År 1955 1985 015 Folketall (millioner) 3,5 4, 4,8 b Setter vi inn for = 00

Detaljer

Løsningsforslag til obligatorisk oppgave i ECON 2130

Løsningsforslag til obligatorisk oppgave i ECON 2130 Andreas Mhre April 15 Løsningsforslag til obligatorisk oppgave i ECON 13 Oppgave 1: E(XY) = E(X(Z X)) Setter inn Y = Z - X E(XY) = E(XZ X ) E(XY) = E(XZ) E(X ) E(XY) = - E(X ) X og Z er uavhengige, så

Detaljer

Grafisk løsning av ligninger i GeoGebra

Grafisk løsning av ligninger i GeoGebra Grafisk løsning av ligninger i GeoGebra Arbeidskrav 2 Læring med digitale medier 2013 Magne Svendsen, Universitetet i Nordland Innholdsfortegnelse INNLEDNING... 3 GRAFISK LØSNING AV LIGNINGER I GEOGEBRA...

Detaljer

TMA4240 Statistikk Eksamen desember 2015

TMA4240 Statistikk Eksamen desember 2015 Norges teknisk-naturvitenskapelige universitet Institutt for matematiske fag TMA4240 Statistikk Eksamen desember 15 Oppgave 1 La den kontinuerlege stokastiske variabelen X ha fordelingsfunksjon (sannsynstettleik

Detaljer

Løsningsforslag Eksamen S2, våren 2016 Laget av Tommy Odland Dato: 29. januar 2017

Løsningsforslag Eksamen S2, våren 2016 Laget av Tommy Odland Dato: 29. januar 2017 Løsningsforslag Eksamen S, våren 016 Laget av Tommy Odland Dato: 9. januar 017 Del 1 - uten hjelpemidler Oppgave 1 a) Vi skal derivere f(x) = e x. Den generelle regelen er at (e ax ) = ae ax, i vårt tilfelle

Detaljer

Appendiks 5 Forutsetninger for lineær regresjonsanalyse

Appendiks 5 Forutsetninger for lineær regresjonsanalyse Appendiks 5 Forutsetninger for lineær regresjonsanalyse Det er flere krav til årsaksslutninger i regresjonsanalyse. En naturlig forutsetning er tidsrekkefølge og i andre rekke spiller variabeltype inn.

Detaljer

Anna lærestoff: Fagbøker, aviser, video, Excel,Geogebra, internett

Anna lærestoff: Fagbøker, aviser, video, Excel,Geogebra, internett Heile året Mål for opplæringa er at eleven skal kunne: analysere samansette problemstillingar, identifisere faste og variable storleikar, kople samansette problemstillingar tilkjende løysingsmetodar, gjennomføre

Detaljer

GeoGebra-opplæring i 2P-Y

GeoGebra-opplæring i 2P-Y GeoGebra-opplæring i 2P-Y Emne Underkapittel Terningkast 2.1 Valgtre I 2.3 Valgtre II 2.7 Graftegning 3.2 Nullpunkter 3.3 Å finne y- og x-verdier 3.4 Andregradsfunksjoner 3.5 Grafisk løsning 3.5 Tredjegradsfunksjoner

Detaljer

Lineære funksjoner. Skjermbildet

Lineære funksjoner. Skjermbildet Lineære funksjoner I dette opplæringsløpet lærer du å tegne funksjoner i GeoGebra samt å bruke verktøy til å løse oppgaver som dreier seg om funksjoner. Alle oppgavene handler om lineære funksjoner. I

Detaljer

GeoGebra 4.2 for Sinus Påbyggingsboka T. av Sigbjørn Hals

GeoGebra 4.2 for Sinus Påbyggingsboka T. av Sigbjørn Hals GeoGebra 4.2 for Sinus Påbyggingsboka T av Sigbjørn Hals Innhold Litt om GeoGebra... 3 Nullpunkt. Side 11 i læreboka... 3 Andregradslikninger. Side 18 i læreboka... 3 Momentan vekstfart. Side 47 i læreboka...

Detaljer

Farnes skule, årsplan

Farnes skule, årsplan Fag : Matematikk Læreverk : Faktor 3, Cappelen Klasse/ trinn: 10 A, 10 B /10.KLASSE Skuleåret : 2016-2017 Lærar : Bjarne Søvde / Rigmor Skrede Tal og algebra 34 behandle, faktorisere og forenkle algebrauttrykk,

Detaljer

GeoGebra 4.2 for Sinus 1P. av Sigbjørn Hals

GeoGebra 4.2 for Sinus 1P. av Sigbjørn Hals GeoGebra 4.2 for Sinus 1P av Sigbjørn Hals Innhold Litt om GeoGebra... 3 GeoGebra som kalkulator. Eksempel side 55... 3 Omforming av formler. Side 82 i læreboka... 4 Rette linjer. Side 89 i læreboka...

Detaljer

Befolkning og velferd ECON 1730, H2016. Regresjonsanalyse

Befolkning og velferd ECON 1730, H2016. Regresjonsanalyse Netto innfl. Befolkning og velferd ECON 1730, H2016 Regresjonsanalyse Problem: Gitt planer for 60 nye boliger i kommunen neste år, hvor mange innflyttere kan vi forvente? Tabell Vestby kommune Nye boliger

Detaljer

Løsningsforslag til andre sett med obligatoriske oppgaver i STK1110 høsten 2010

Løsningsforslag til andre sett med obligatoriske oppgaver i STK1110 høsten 2010 Løsningsforslag til andre sett med obligatoriske oppgaver i STK1110 høsten 2010 Oppgave 1 a Forventet antall dødsulykker i år i er E(X i λ i. Dermed er θ i λ i E(X i forventet antall dødsulykker per 100

Detaljer

Farnes skule, årsplan

Farnes skule, årsplan Fag : Matematikk Læreverk : Faktor 3, Cappelen Klasse/ trinn: 10 A Skuleåret : 2017-2018 Lærar : Bjarne Søvde Kompetansemål Innhald/ Lære Vurdering Arbeidsmåter 34 behandle, faktorisere og forenkle algebrauttrykk,

Detaljer

Oppgave 1. T = 9 Hypotesetest for å teste om kolesterolnivået har endret seg etter dietten: T observert = 2.16 0

Oppgave 1. T = 9 Hypotesetest for å teste om kolesterolnivået har endret seg etter dietten: T observert = 2.16 0 Løsningsforslag til eksamen i MOT310 STATISTISKE METODER 1 VARIGHET: 4 TIMER DATO: 08. mai 2008 TILLATTE HJELPEMIDLER: Kalkulator: HP30S, Casio FX82 eller TI-30 Tabeller og formler i statistikk (Tapir

Detaljer

Løsninger til innlæringsoppgavene

Løsninger til innlæringsoppgavene Tall i arbeid Påbygging Kapittel 4 Modellering Løsninger til innlæringsoppgavene 4.1 a Modellen gir følgende verdier for årene i oppgaven: År 1955 1985 015 Folketall (millioner) 3,5 4, 4,8 b Setter vi

Detaljer

Lær å bruke GeoGebra 4.0

Lær å bruke GeoGebra 4.0 Lær å bruke GeoGebra 4.0 av Sigbjørn Hals Innhold: Generelt om GeoGebra... 2 Innstillinger... 2 Likninger og ulikheter... 5 Implisitte likninger... 5 Ulikheter... 9 Statistikkberegninger i regnearket...

Detaljer

Eksamensoppgave i ST1201/ST6201 Statistiske metoder

Eksamensoppgave i ST1201/ST6201 Statistiske metoder Institutt for matematiske fag Eksamensoppgave i ST1201/ST6201 Statistiske metoder Faglig kontakt under eksamen: Nikolai Ushakov Tlf: 45128897 Eksamensdato: 04. desember 2015 Eksamenstid (fra til): 09:00

Detaljer

Basisoppgaver til Tall i arbeid Påbygging kap. 4 Modellering

Basisoppgaver til Tall i arbeid Påbygging kap. 4 Modellering Basisoppgaver til Tall i arbeid Påbygging kap. 4 Modellering 4.1 Mer om lineær vekst 4.2 En lineær modell på øyemål 4.3 Lineær regresjon 4.4 Modellering med polynomfunksjoner 4.5 Modellering med eksponentialfunksjoner

Detaljer

Utvalgsfordelinger (Kapittel 5)

Utvalgsfordelinger (Kapittel 5) Utvalgsfordelinger (Kapittel 5) Oversikt pensum, fortid og fremtid Eksplorativ data-analyse (Kap 1, 2) Hvordan produsere data (Kap 3) Sannsynlighetsteori (Kap 4) Utvalgsfordelinger til observatorer (Kap

Detaljer

2.1 Regnerekkefølge. 3.4 Rette linjer med digitale verktøy 2(3 + 1) (6+ 2):4+ 42

2.1 Regnerekkefølge. 3.4 Rette linjer med digitale verktøy 2(3 + 1) (6+ 2):4+ 42 Sinus T uten grafisk kalkulator Dette dokumentet oversetter kapittelet Lommeregnerstoff i Sinus T boka til Cappelen Damm til Excel- og GeoGebrastoff.. Regnerekkefølge ( + ) (6+ ):+ CTRL+J Bytter mellom

Detaljer

Multippel regresjon. Her utvider vi perspektivet for enkel lineær regresjon til også å omfatte flere forklaringsvariable x 1, x 2,, x p.

Multippel regresjon. Her utvider vi perspektivet for enkel lineær regresjon til også å omfatte flere forklaringsvariable x 1, x 2,, x p. Multippel regresjon Her utvider vi perspektivet for enkel lineær regresjon til også å omfatte flere forklaringsvariable x 1, x 2,, x p. Det er fortsatt en responsvariabel y. Måten dette gjøre på er nokså

Detaljer

2.2 Korrelasjon. Våre øyne ikke gode til å bedømme hvor sterk en sammenheng er Trenger kvantitativt mål på sammenheng Korrelasjon et slikt mål

2.2 Korrelasjon. Våre øyne ikke gode til å bedømme hvor sterk en sammenheng er Trenger kvantitativt mål på sammenheng Korrelasjon et slikt mål 2.2 Korrelasjon Våre øyne ikke gode til å bedømme hvor sterk en sammenheng er Trenger kvantitativt mål på sammenheng Korrelasjon et slikt mål Korrelasjon Korrelasjon: Kvantitativt mål på lineær sammenheng

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

ST0202 Statistikk for samfunnsvitere

ST0202 Statistikk for samfunnsvitere ST0202 Statistikk for samfunnsvitere Kapittel 3: Beskrivende analyse og presentasjon av data for to variabler (bivariate data) Bo Lindqvist Institutt for matematiske fag 2 Presentasjon av bivariate data

Detaljer

OPPGAVESETTET BESTÅR AV 3 OPPGAVER PÅ 6 SIDER MERKNADER: Alle deloppgaver vektlegges likt.

OPPGAVESETTET BESTÅR AV 3 OPPGAVER PÅ 6 SIDER MERKNADER: Alle deloppgaver vektlegges likt. EKSAMEN I: MOT310 STATISTISKE METODER 1 VARIGHET: 4 TIMER DATO: 08. mai 2008 TILLATTE HJELPEMIDLER: Kalkulator: HP30S, Casio FX82 eller TI-30 Tabeller og formler i statistikk (Tapir forlag) OPPGAVESETTET

Detaljer

Eksamen i. MAT110 Statistikk 1

Eksamen i. MAT110 Statistikk 1 Avdeling for logistikk Eksamen i MAT110 Statistikk 1 Eksamensdag : Torsdag 28. mai 2015 Tid : 09:00 13:00 (4 timer) Faglærer/telefonnummer : Molde: Per Kristian Rekdal / 924 97 051 Kristiansund: Terje

Detaljer

EKSAMEN I TMA4245 STATISTIKK Tysdag 21. mai 2013 Tid: 09:00 13:00 (Korrigert )

EKSAMEN I TMA4245 STATISTIKK Tysdag 21. mai 2013 Tid: 09:00 13:00 (Korrigert ) Noregs teknisk naturvitskaplege universitet Institutt for matematiske fag Side 1 av 5 Nynorsk Fagleg kontakt under eksamen: Håkon Tjelmeland 73593538/48221896 Ola Diserud 93218823 EKSAMEN I TMA4245 STATISTIKK

Detaljer

Tenk deg at du skal lage figurer av blå og hvite ruter som vist ovenfor.

Tenk deg at du skal lage figurer av blå og hvite ruter som vist ovenfor. Tall og figurer Eksamensoppgaver Våren 016 OPPGAVE 4 (MED HJELPEMIDLER) Figur 1 Figur Figur 3 Tenk deg at du skal lage figurer av blå og hvite ruter som vist ovenfor. a) Skriv av tabellen nedenfor, og

Detaljer

Kapittel 8: Tilfeldige utvalg, databeskrivelse og fordeling til observatorar, Kapittel 9: Estimering

Kapittel 8: Tilfeldige utvalg, databeskrivelse og fordeling til observatorar, Kapittel 9: Estimering Kapittel 8: Tilfeldige utvalg, databeskrivelse og fordeling til observatorar, Kapittel 9: Estimering TMA4245 Statistikk Kapittel 8.1-8.5. Kapittel 9.1-9.3+9.15 Turid.Follestad@math.ntnu.no p.1/21 Har sett

Detaljer

MOT310 Statistiske metoder 1, høsten 2006 Løsninger til regneøving nr. 7 (s. 1) Oppgaver fra boka: n + (x 0 x) 2 σ2

MOT310 Statistiske metoder 1, høsten 2006 Løsninger til regneøving nr. 7 (s. 1) Oppgaver fra boka: n + (x 0 x) 2 σ2 MOT310 Statistiske metoder 1, høsten 2006 Løsninger til regneøving nr. 7 (s. 1) Oppgaver fra boka: Oppgave 11.27 (11.6:13) Modell: Y i = α + βx i + ε i der ε 1,..., ε n u.i.f. N(0, σ 2 ). Skal finne konfidensintervall

Detaljer

Årsplan Matematikk Årstrinn: 9. årstrinn Lena Veimoen, Michael Solem og Ole André Ljosland

Årsplan Matematikk Årstrinn: 9. årstrinn Lena Veimoen, Michael Solem og Ole André Ljosland Årsplan Matematikk 2016 2017 Årstrinn: 9. årstrinn Lærere: Lena Veimoen, Michael Solem og Ole André Ljosland Akersveien 4, 0177 OSLO Tlf: 23 29 25 00 Kompetansemål Tidspunkt Tema/Innhold Lærestoff Arbeidsmåter

Detaljer

Løsningsforslag Eksamen S2, våren 2017 Laget av Tommy O. Sist oppdatert: 25. mai 2017

Løsningsforslag Eksamen S2, våren 2017 Laget av Tommy O. Sist oppdatert: 25. mai 2017 Løsningsforslag Eksamen S, våren 17 Laget av Tommy O. Sist oppdatert: 5. mai 17 Del 1 - uten hjelpemidler Oppgave 1 a) Vi skal derivere f(x) = x /x = x x 1. Den eneste regelen vi trenger her er (kx n )

Detaljer

Ny, GeoGebra til forkurset ved HiOA sommeren 2016

Ny, GeoGebra til forkurset ved HiOA sommeren 2016 Ny, GeoGebra til forkurset ved HiOA sommeren 2016 Fra Prøveveiledning, Matematikk 1P + 2P, Sentralt gitt skriftlig prøve etter forkurs i lærerutdanningene, 2016 1.6.2.1 Graftegner (programvare på datamaskin).

Detaljer

Karakter 2: 10p Karakter 3: 17p Karakter 4: 23p Karakter 5: 30p Karakter 6: 36p

Karakter 2: 10p Karakter 3: 17p Karakter 4: 23p Karakter 5: 30p Karakter 6: 36p 30.09.016 MATEMATIKK (MAT1005) Potenser / Prosent / Mønster / Tid DEL 1 (UTEN HJELPEMIDLER) 45 minutter DEL (MED HJELPEMIDLER) 45 minutter (Del 1 leveres inn etter nøyaktig 45 minutter og før hjelpemidlene

Detaljer

ST0202 Statistikk for samfunnsvitere

ST0202 Statistikk for samfunnsvitere ST0202 Statistikk for samfunnsvitere Bo Lindqvist Institutt for matematiske fag 2 Mål på beliggenhet (2.6) Kvartiler: Deler de ordnede dataene inn i fire like store deler: 1. kvartil Q 1 : 25% av dataene

Detaljer