Oppgaver fra 8.3, 8.4, , 8.51, 8.52, 8.231, 8.232, 8.250, 8.252

Save this PDF as:
 WORD  PNG  TXT  JPG

Størrelse: px
Begynne med side:

Download "Oppgaver fra 8.3, 8.4, , 8.51, 8.52, 8.231, 8.232, 8.250, 8.252"

Transkript

1 Oppgaver fra 8.3, 8.4, , 8.51, 8.52, 8.231, 8.232, 8.250, Populasjon: Tilfeldig variabel X : Trekke en tilfeldig flaske og måle volumet Ukjent sannsynlighetsfordeling, men forventning X 50 [cl] og standardavvik X 1.2 [cl]. Utvalg/stikkprøve: Trekker n 24 flasker og måle gjennomsnitlig volum: X Sum alle volum n n X i i 1 n Sentralgrenseteoremet sier at X er tilnærmet normalfordelt når n 30, men i og med at slike tilfeldige avvik ofte er normalfordelte antar vi at n 24 er nok til å få en rimelig god normalfordelingstilnærming. Da gir Sentralgrenseteoremet videre: X X 50 og X X n Og vi kan regne ut: a) P 49.0 X 51.0 normalcdf(49,51,50,0.245) (Ikke uventet, nesten alle ligger innenfor 4 standardavvik: ) b) P 49.9 X 50.1 normalcdf(49.9,50.1,50,0.245) Klassisk eksempel på kvalitetskontroll, vi må ta en stikkprøve, da en eventuell test av hele produksjonen gjør at vi ikke har noe igjen å selge, da slike tester ofte er destruktive. Populasjon: Binomiske enkeltforsøk med p 0.1. Stikkprøve: Trekke n 100 og telle antall defekte lyspærer, altså en binomisk fordeling. (Her trenger vi ikke bruke formlene fra Sentralgrenseteoremet, da de allerede er inkludert i formlene vi bruker i binomisk fordeling! Binomisk fordeling er i seg selv et eksempel på Sentralgrenseteoremet!) P X x b x 100 x 0.1 x x a) P X 10 b 10 binompdf(100,0.1,10) Ulven av 6 8.3_8.5.tex

2 P X x 0 b x binomcdf(100,0.1,10) b) Når np 5 og n 1 p 5 er normalfordelingen en god tilnærming av binomisk fordeling. Sjekk: np , n 1 p så kriteriet er oppfyllt. Forventning: np 10 Standardavvik: np 1 p P X 10 normalcdf(9.5,10.5,10,3) (Stemmer bra...) P X 10 normalcdf(0,10.5,10,3) (Ikke fullt så bra, og dette er grunnen til at mange vil ha strengere kriterier: np 10 og n 1 p 10) 8.52 Klassisk eksempel på gallup. Populasjonen er et binomisk enkelteksperiment, der vi trekker ut en tilfeldig person og sjekker om han er for eller imot EU. Stikkprøven, eller gallupundersøkelsen, trekker ut n 500 (,vanlig er 1600 eller 2000,) og teller antallet. Igjen er sentralgrenseteoremet allerede innebygget i de binomiske formlene, så vi kan regne: X : Antallet EU-tilhengere i utvalget på n 500 a) Binomisk: P X x b x 500 x 0.42 x x 220 P 200 X 220 x 200 b x binomcdf(500,0.42,220)-binomcdf(500,0.42,199) Merk dere at vi må bruke binomcdf to ganger, da denne kommandoen ikke har noen "fra" og "til" parametere, bare fra 0 og opp til parameterverdien. (I motsetning til normalcdf, der vi kan angi både "fra" parameter og "til" parameter.) b) Med normaltilnærming: Forventning: np Standardavvik: np 1 p P 200 X 220 normalcdf(199.5,220.5,210,11) Populasjon: X : Samlet antall øyne på to terninger Sannsynlighetsmodellen: X : P X x Ulven av 6 8.3_8.5.tex

3 fremkommer ved å telle opp i tabellen: a) Her må vi regne ut forventning og varians selv: X (Kunne sett direkte på grunn av symmetrien i tabellen!) Var X X Var X (Kan også legge i listene L1 og L2 og bruke 1-Var Stats L1, L2 på lommeregner!) b) S : Summen av øyne på 20 terninger: S 20 i 1 X i Ifølge sentralgrenseteoremet har da S: S X n ) (Rimelig: 20 terninger med forventet verdi 7 vil gi S X n (Vær oppmerksom på at dette gjelder uansett hva slags fordeling X og S har!) c) Må anta at S er tilnærmet normalfordelt, selvom kriteriet her sier n 30. P X 140 normalcdf(0,139.5,140,10.8) d) P 130 X 150 normalcdf(130.5,149.5,140,10.8) e) P X 160 normalcdf(160.5,200,140,10.8) (Brukte 200 som øvre grense, da 200 er utenfor 5 standardavvik: ) Virker som fasiten er litt unøyaktig til tider X : Tid til toget en tilfeldig dag, normalfordelt med X 12 og X 1.5. a) P 11 X 13 normalcdf(11,13,12,1.5) (Obs: ikke 11.5 og 12.5 her, da X er en kontinuerlig fordelt variabel, ikke heltallig som i oppgavene foran!) Ulven av 6 8.3_8.5.tex

4 b),c) Samlet tid for et utvalg med n 20 tilfeldig valgte dager: S X n har i henhold til sentralgrenseteomet: S X n [min] og S X n [min] og er tilnærmet normalfordelt da n er rimelig stor. (Kommentar: Jeg er vant til at n 30 er kravet, men læreboken er i oppgavene stort sett fornøyd med n 20...) Da kan vi regne ut: (S er også kontinerlig fordelt, så ingen 0.5-korreksjoner her.) P X 4[t] P X 240 normalcdf(0,240,240,6.71) 0. 5 (Ikke uventet da normalfordelingen er symmetrisk om midtpunktet x ) d) P 230 S 250 normalcdf(230,250,240,6.71) e) P S 245 normalcdf(245,300,240,6.71) (Bruker 300 som øvre grense da 300 er utenfor 5 standardavvik: Hvis du er i tvil eller har dårlig tid, så bare klin til og velg et høyt tall, feks :-) ) X : Antall besvarelser av n 160 som er vurdert likt. Hver besvarelse er et binomisk enkeltforsøk med p 0.8, så X er binomisk fordelt: P X x b x 160 x 0.8 x x a) Binomisk fordeling er normalfordelt når np 5 og n 1 p 5 som er oppfyllt her. (Dette er også et spesialtilfelle av de generelle reglene for Sentralgrenseteoremet.) Forresten, boken bruker kriteriet Var X 5 som kombinerer de to kriteriene jeg har brukt. (Problemet med dette kriteriet er at det ikke virker hvis p er svært nær 0 eller 1, men det betyr ikke noe for dere.) b) X np , X np 1 p Er det rart at elevene av og til klager på karakterene... :-) c) 140 P 120 X 140 x 120 b x binomcdf(160,0.8,140)-binomcdf(160,0.8,119) d) Med normaltilnærming: P 120 X 140 normalcdf(119.5,140.5,128,5.06) Klassisk gallup eksempel igjen! Ulven av 6 8.3_8.5.tex

5 Binomisk enkeltforsøk for AP: p 0.33 a) X : Antall som stemmer AP av n 1200, binomisk fordelt: P X x b x 1200 x 0.33 x x Forventning: np Standardavvik: np 1 p %: %: Binomisk: P 384 X 408 binomcdf(1200,0.33,408)-binomcdf(1200,0.33,383) gir ERR:DOMAIN! Her har vi endelig grunnen til at vi er så interessert i å tilnærme med normalfordelingen, lommeregnere og dataprogrammer har ofte problemer med å regne ut binomiske sannsynligheter når tallene blir store (n 1200)! Så vi prøver med normalfordeling isteden: P 384 X 408 normalcdf(383.5,408.5,396,16.3) b) og c) klarer dere på egen hånd, helt tilsvarende a), bare at dere må bruke andre tall for SV og Høyre. En ekstra kommentar om politikere som får lov til å kaste bort tiden til seerne på TV med kommentarer om egen fortreffelighet når de har gått frem 1% på gallup: Vi vet om normalfordelinger at ca 67 % av forsøkene ender innenfor et standardavvik. I en slik gallup vil altså ca. 67% av resultatene havne innenfor: Det vil si mellom 380 og Tilsvarende prosenter er: og Så det er derfor profesjonelle meningsmålinger oppgir feilmarginen her til ca. en prosent for partier med såpass stor oppslutning. Alt innenfor dette (og mere til) kan skyldes tilfeldig avvik fra utvalg til utvalg, og det er derfor det rene skjære tøv å tro at dette har noe som helst å gjøre med partiets gode politiske arbeid siden siste gallup... Alle som undervisere i matematikk og statistikk er litt oppgitt over slike ting, statistikk er kanskje den nyttigste anvendelsen av matematikken, men statistikk er også den mest misbrukte anvendelsen av matematikken... Vi kan snu på det, for å være 95% sikre på at det virkelig har skjedd en endring i oppslutingen, må vi kreve et avvik på 3 standardavvik fra forrige måling på 33%, altså over 37% eller under 29%! Endringer under dette er ren Ulven av 6 8.3_8.5.tex

6 spekulasjon, selvom endringen er mer enn en prosent. Den siste betraktningen er det vi kommer inn på i de to siste kapitlene om hypotesetesting! Ulven av 6 8.3_8.5.tex

Kap. 7 - Sannsynlighetsfordelinger

Kap. 7 - Sannsynlighetsfordelinger Oppgaver: Kap. 7 - Sannsynlighetsfordelinger Oppgaver fra kapitlet Lærebok: 7.0-0-0-,7.--7, 7.-, 7., 7., 7.7 Oppgavesamling: 7.00, 7.0, 7.09, 7., 7.9, 7., 7.0, 7.0, 7.0 7.0-0-0-0- Stokastisk variabel:

Detaljer

ÅMA110 Sannsynlighetsregning med statistikk, våren 2006 Kp. 6, del 3

ÅMA110 Sannsynlighetsregning med statistikk, våren 2006 Kp. 6, del 3 ÅMA110 Sannsynlighetsregning med statistikk, våren 2006 Kp. 6, del 3 Bjørn H. Auestad Institutt for matematikk og naturvitenskap Universitetet i Stavanger 20. mars Bjørn H. Auestad Kp. 6: Hypotesetesting

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

ÅMA110 Sannsynlighetsregning med statistikk, våren 2006 Kp. 6, del 3

ÅMA110 Sannsynlighetsregning med statistikk, våren 2006 Kp. 6, del 3 ÅMA110 Sannsynlighetsregning med statistikk, våren 2006 Kp. 6, del 3 Bjørn H. Auestad Institutt for matematikk og naturvitenskap Universitetet i Stavanger 20. mars Bjørn H. Auestad Kp. 6: Hypotesetesting

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

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

Høgskoleni Øs fold EKSAMEN. Om noe er uklart eller mangelfullt i oppgaven inngår det som en del av oppgaven å ta de nødvendige forutsetninger.

Høgskoleni Øs fold EKSAMEN. Om noe er uklart eller mangelfullt i oppgaven inngår det som en del av oppgaven å ta de nødvendige forutsetninger. Høgskoleni Øs fold EKSAMEN Emnekode: Emne: SFB10711 Metodekurs 1: Grunnleggende matematikk og statistikk Deleksameni statistikk Dato: 3. januar 2014 Eksamenstid: kl. 0900 til kl. 1300 Hjelpemidler: Faglærer:

Detaljer

STK1000 Uke 36, Studentene forventes å lese Ch 1.4 ( ) i læreboka (MMC). Tetthetskurver. Eksempel: Drivstofforbruk hos 32 biler

STK1000 Uke 36, Studentene forventes å lese Ch 1.4 ( ) i læreboka (MMC). Tetthetskurver. Eksempel: Drivstofforbruk hos 32 biler STK1000 Uke 36, 2016. Studentene forventes å lese Ch 1.4 (+ 3.1-3.3 + 3.5) i læreboka (MMC). Tetthetskurver Eksempel: Drivstofforbruk hos 32 biler Fra histogram til tetthetskurver Anta at vi har kontinuerlige

Detaljer

STK1100 våren Generell introduksjon. Omhandler delvis stoffet i avsnitt 1.1 i læreboka (resten av kapittel 1 blir gjennomgått ved behov)

STK1100 våren Generell introduksjon. Omhandler delvis stoffet i avsnitt 1.1 i læreboka (resten av kapittel 1 blir gjennomgått ved behov) STK1100 våren 2017 Generell introduksjon Omhandler delvis stoffet i avsnitt 1.1 i læreboka (resten av kapittel 1 blir gjennomgått ved behov) Ørnulf Borgan Matematisk institutt Universitetet i Oslo 1 «Overalt»

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

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

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

Et lite notat om og rundt normalfordelingen.

Et lite notat om og rundt normalfordelingen. Et lite notat om og rundt normalfordelingen. Anta at vi har kontinuerlige data. Hva er likt og ulikt for histogrammer og fordelingskurver? Observasjoner Histogram Viser fordelingen av faktiske observerte

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

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

Et lite notat om og rundt normalfordelingen.

Et lite notat om og rundt normalfordelingen. Et lite notat om og rundt normalfordelingen. Anta at vi har kontinuerlige data. Hva er likt og ulikt for histogrammer og fordelingskurver? Observasjoner Histogram Viser fordelingen av faktiske observerte

Detaljer

EKSAMEN. TILLATTE HJELPEMIDLER: Kalkulator. Hornæs: Formelsamling statistikk HiG. John Haugan: Formler og tabeller.

EKSAMEN. TILLATTE HJELPEMIDLER: Kalkulator. Hornæs: Formelsamling statistikk HiG. John Haugan: Formler og tabeller. KANDIDATNUMMER: EKSAMEN FAGNAVN: FAGNUMMER: Statistikk. BtG207 EKSAMENSDATO: 16. juni 2009. KLASSE: HIS 07 10. TID: kl. 8.00 13.00. FAGLÆRER: Hans Petter Hornæs ANTALL SIDER UTLEVERT: 3 innkl. forside)

Detaljer

Denne uken: kap. 6.1-6.2-6.3: Introduksjon til statistisk inferens. - Konfidensintervall - Hypotesetesting - P-verdier - Statistisk signifikans

Denne uken: kap. 6.1-6.2-6.3: Introduksjon til statistisk inferens. - Konfidensintervall - Hypotesetesting - P-verdier - Statistisk signifikans Denne uken: kap. 6.1-6.2-6.3: Introduksjon til statistisk inferens - Konfidensintervall - Hypotesetesting - P-verdier - Statistisk signifikans VG 25/9 2011 Statistisk inferens Mål: Trekke konklusjoner

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

betyr begivenheten at det blir trukket en rød kule i første trekning og en hvit i andre, mens B1 B2

betyr begivenheten at det blir trukket en rød kule i første trekning og en hvit i andre, mens B1 B2 ECON30: EKSAMEN 06v SENSORVEILEDNING. Det anbefales at de 9 deloppgavene merket med A, B, teller likt uansett variasjon i vanskelighetsgrad. Svarene er gitt i

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

Heldagsprøve. Matematikk - S2. 6 Mai 2010

Heldagsprøve. Matematikk - S2. 6 Mai 2010 S2 -Heldagsprøve V0 Heldagsprøve Matematikk - S2 6 Mai 200 Løsningsskisser Del Oppgave a) En rekke er gitt ved 7 3 9... ) Finn ledd nummer 25 i rekken. a 25 a d n 6 25 45 2) Finn summen av de første 50

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

Et lite notat om og rundt normalfordelingen. Anta at vi har kontinuerlige data. Hva er likt og ulikt for histogrammer og fordelingskurver?

Et lite notat om og rundt normalfordelingen. Anta at vi har kontinuerlige data. Hva er likt og ulikt for histogrammer og fordelingskurver? Et lite notat om og rundt normalfordelingen. Anta at vi har kontinuerlige data. Hva er likt og ulikt for histogrammer og fordelingskurver? Boka (Ch 1.4) motiverer dette ved å gå fra histogrammer til tetthetskurver.

Detaljer

ECON2130 Kommentarer til oblig

ECON2130 Kommentarer til oblig ECON2130 Kommentarer til oblig Her har jeg skrevet ganske utfyllende kommentarer til en del oppgaver som mange slet med. Har noen steder gått en del utover det som det strengt tatt ble spurt om i oppgaven,

Detaljer

ÅMA110 Sannsynlighetsregning med statistikk, våren Hypotesetesting (kp. 6) Hypotesetesting. Kp. 6 Hypotesetesting ...

ÅMA110 Sannsynlighetsregning med statistikk, våren Hypotesetesting (kp. 6) Hypotesetesting. Kp. 6 Hypotesetesting ... ÅMA Sannsynlighetsregning med statistikk, våren 6 Kp. 6 (kp. 6)... Begrep: nullhypotese alternativhypotese ensidig, tosidig teststørrelse (testobservator) nullfordeling kritisk verdi, forkastningsområde

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

Løsningsforslag til obligatorisk oppgave i ECON2130 våren 2014 av Jonas Schenkel.

Løsningsforslag til obligatorisk oppgave i ECON2130 våren 2014 av Jonas Schenkel. Løsningsforslag til obligatorisk oppgave i ECON2130 våren 2014 av Jonas Schenkel. Det er i flere av oppgavene flere fremgangsmåter. Om din måte var riktig burde komme frem i rettingen. A Både X og Y tilfredsstiller

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

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

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

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

ÅMA110 Sannsylighetsregning og statistikk Løsningsforslag til eksamen høst 2010, s. 1. Oppgave 1. Histogram over frekvenser.

ÅMA110 Sannsylighetsregning og statistikk Løsningsforslag til eksamen høst 2010, s. 1. Oppgave 1. Histogram over frekvenser. ÅMA1 Sannsylighetsregning og statistikk Løsningsforslag til eksamen høst 0, s. 1 (Det tas forbehold om feil i løsningsforslaget.) a) Gjennomsnitt: x = 1 Emp. standardavvik: Median: 1 (1.33 + 1.) = 1.35

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

Løsningsskisse eksamen 3MX

Løsningsskisse eksamen 3MX Løsningsskisse eksamen 3MX.6.6 Ikke sjekket, kan være feil. a) f 5tan 5 sincos 5 cos cos Eller: f 5tan 5tan 5 tan 5tan 5 (Produktregel) b) g u 3, u cos g 3u sin 3 cos sin (Kjerneregel. Kan multipliseres

Detaljer

Oppgave 6 (4 poeng) La X være utbyttet til kasinoet ved en spilleomgang. a) Forklar at. b) Skriv av og fyll ut tabellen nedenfor.

Oppgave 6 (4 poeng) La X være utbyttet til kasinoet ved en spilleomgang. a) Forklar at. b) Skriv av og fyll ut tabellen nedenfor. Oppgave 6 (4 poeng) I et terningspill på et kasino kastes to terninger. Det koster i utgangspunktet ikke noe å delta i spillet. Dersom summen av antall øyne blir 2 eller 12, får spilleren 200 kroner. Blir

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

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

Fagdag 5-3MX. Kommentarer

Fagdag 5-3MX. Kommentarer Fagdag 5-3MX Kommentarer 4 - Ogaver I) En sesiell sannsynlighetsfordeling. 7-10, 30, 40 (Samme roblemstilling følges o gjennom 3 ogaver) 7.10-30-40-50-51 (50 og 51 bruker formler fra 7.5 side 272) Stokastisk

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

Denne uken: kap : Introduksjon til statistisk inferens. - Konfidensintervall - Hypotesetesting - P-verdier - Statistisk signifikans

Denne uken: kap : Introduksjon til statistisk inferens. - Konfidensintervall - Hypotesetesting - P-verdier - Statistisk signifikans Denne uken: kap. 6.1-6.2-6.3: Introduksjon til statistisk inferens - Konfidensintervall - Hypotesetesting - P-verdier - Statistisk signifikans VG 25/9 2011 Statistisk inferens Mål: Trekke konklusjoner

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

ÅMA110 Sannsynlighetsregning med statistikk, våren 2006 Kp. 6, del 4

ÅMA110 Sannsynlighetsregning med statistikk, våren 2006 Kp. 6, del 4 ÅMA110 Sannsynlighetsregning med statistikk, våren 2006 Kp. 6, del 4 Bjørn H. Auestad Institutt for matematikk og naturvitenskap Universitetet i Stavanger 27. mars Bjørn H. Auestad Kp. 6: Hypotesetesting

Detaljer

Utvalgsfordelinger (Kapittel 5)

Utvalgsfordelinger (Kapittel 5) Utvalgsfordelinger (Kapittel 5) Observator En observator er en funksjon av data for mange individer, for eksempel Gjennomsnitt Andel Stigningstall i regresjonslinje En observator er en tilfeldig variabel

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

Løsningsforslag Eksamen i Statistikk SIF5060 Aug 2002

Løsningsforslag Eksamen i Statistikk SIF5060 Aug 2002 Løsningsforslag Eksamen i Statistikk SIF5060 Aug 2002 Oppgave 1 a) En god estimator er forventningsrett og har liten varians. Vi tester forventningsretthet: E[ˆµ] E[Y ] µ E[ µ] E[ 1 2 X + 1 2 Y ] 1 2 E[X]

Detaljer

Emnekode: LGU Emnenavn: Matematikk 2 (5 10), emne 2. Semester: VÅR År: 2016 Eksamenstype: Skriftlig

Emnekode: LGU Emnenavn: Matematikk 2 (5 10), emne 2. Semester: VÅR År: 2016 Eksamenstype: Skriftlig Sensurveiledning Emnekode: LGU 52003 Emnenavn: Matematikk 2 (5 10), emne 2 Semester: VÅR År: 2016 Eksamenstype: Skriftlig Oppgave 1 Grafen i Vedlegg 1 viser farten som en deltaker i et ultramaraton holder

Detaljer

Oppgaven består av 9 delspørsmål som anbefales å veie like mye. Kommentarer og tallsvar er skrevet inn mellom << >>. Oppgave 1

Oppgaven består av 9 delspørsmål som anbefales å veie like mye. Kommentarer og tallsvar er skrevet inn mellom << >>. Oppgave 1 ECON 0 EKSMEN 007 VÅR SENSORVEILEDNING Oppgaven består av 9 delspørsmål som anbefales å veie like mye. Kommentarer og tallsvar er skrevet inn mellom >. Oppgave. La begivenhetene BC,, være slik at og

Detaljer

HØGSKOLEN I SØR-TRØNDELAG Avdeling for lærer- og tolkeutdanning

HØGSKOLEN I SØR-TRØNDELAG Avdeling for lærer- og tolkeutdanning HØGSKOLEN I SØR-TRØNDELAG Avdeling for lærer- og tolkeutdanning Emnekode(r): LGU52003 Emnenavn: Matematikk 2 (5-10), emne 2 Studiepoeng: 15 Eksamensdato: 11. mai 2015 Varighet/Timer: Målform: Kontaktperson/faglærer:

Detaljer

Kontinuerlige sannsynlighetsfordelinger.

Kontinuerlige sannsynlighetsfordelinger. Kontinuerlige sannsynlighetsfordelinger. Dekkes av kap. 6 og deler av kap. 8.5 i boka. Husk: f(x) er sannsynlighetstettheten til en kontinuerlig X dersom: 1. f(x) 0 for alle x R 2. f(x)dx =1 3. P (a

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

TMA4240 Statistikk 2014

TMA4240 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

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

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

2 Om å lære matematikk og litt om vurdering av måloppnåelse/kompetanse

2 Om å lære matematikk og litt om vurdering av måloppnåelse/kompetanse Fagdag 5-3MX Innhold: 1. Tilbakemelding på første termin 2. Om å lære matematikk og vurdering 3. Sannsynlighetsfordelinger (7.2), forventning og varians (7.3, 7.4): Gjennomgåelse 4. Oppgaver 1 Tilbakemelding

Detaljer

Hypotesetesting (kp. 6) ÅMA110 Sannsynlighetsregning med statistikk, våren Tre deler av faget/kurset: 1. Beskrivende statistikk

Hypotesetesting (kp. 6) ÅMA110 Sannsynlighetsregning med statistikk, våren Tre deler av faget/kurset: 1. Beskrivende statistikk ÅMA Sannsynlighetsregning med statistikk, våren 2 Kp. 6 Hypotesetesting Hypotesetesting (kp. 6) Tre deler av faget/kurset:. Beskrivende statistikk 2. Sannsynlighetsteori, sannsynlighetsregning 3. Statistisk

Detaljer

Regneøvelse 22/5, 2017

Regneøvelse 22/5, 2017 Regneøvelse 22/5, 217 Arne Bang Huseby Eksamen STK11 212: oppgave 1 og 2 Eksamen STK11 28: oppgave 1) og 2 Eksamen 212, oppgave 1 Ved en bestemt butikk i en større dagligvarekjede viser langvarige data

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

Fordelinger, mer om sentralmål og variasjonsmål. Tron Anders Moger

Fordelinger, mer om sentralmål og variasjonsmål. Tron Anders Moger Fordelinger, mer om sentralmål og variasjonsmål Tron Anders Moger 20. april 2005 1 Forrige gang: Så på et eksempel med data over medisinerstudenter Lærte hvordan man skulle få oversikt over dataene ved

Detaljer

ÅMA110 Sannsynlighetsregning med statistikk, våren Hypotesetesting (kp. 6) Hypotesetesting, innledning. Kp.

ÅMA110 Sannsynlighetsregning med statistikk, våren Hypotesetesting (kp. 6) Hypotesetesting, innledning. Kp. ÅMA Sannsynlighetsregning med statistikk, våren 8 Kp. 6 Hypotesetesting Hypotesetesting (kp. 6) Tre deler av faget/kurset:. Beskrivende statistikk. Sannsynlighetsteori, sannsynlighetsregning 3. Statistisk

Detaljer

ÅMA110 Sannsynlighetsregning med statistikk, våren 2010 Oppsummering

ÅMA110 Sannsynlighetsregning med statistikk, våren 2010 Oppsummering ÅMA110 Sannsynlighetsregning med statistikk, våren 2010 Oppsummering Bjørn H. Auestad Institutt for matematikk og naturvitenskap Universitetet i Stavanger 21. april Bjørn H. Auestad Oppsummering våren

Detaljer

S2 - Eksamen V Løsningsskisser. Del 1

S2 - Eksamen V Løsningsskisser. Del 1 Litt foreløpige, si ifra hvis dere finner feil! Oppgave 1 S - Eksamen V10-6.06.10 Løsningsskisser Del 1 1) Produktregel: f x x lnx x 1 x x lnx x x lnx 1 ) Kjerneregel: f x 3e x 3e u, u x f x 3e u x 6xe

Detaljer

Mer om hypotesetesting

Mer om hypotesetesting Mer om hypotesetesting I underkapittel 36 i læreboka gir vi en kort innføring i tankegangen ved hypotesetesting Vi gir her en grundigere framstilling av temaet Problemstilling Vi forklarer problemstillingen

Detaljer

Kontinuerlige sannsynlighetsfordelinger.

Kontinuerlige sannsynlighetsfordelinger. Kontinuerlige sannsynlighetsfordelinger. Dekkes av kap. 6 og deler av kap. 8.5 i boka. Husk: f(x er sannsynlighetstettheten til en kontinuerlig X dersom:. f(x 0 for alle x R 2. f(xdx = 3. P (a

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

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

Medisinsk statistikk Del I høsten 2009:

Medisinsk statistikk Del I høsten 2009: Medisinsk statistikk Del I høsten 2009: Kontinuerlige sannsynlighetsfordelinger Pål Romundstad Beregning av sannsynlighet i en binomisk forsøksrekke generelt Sannsynligheten for at suksess intreffer X

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

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

TMA4245 Statistikk. Innlevering 3. Norges teknisk-naturvitenskapelige universitet Institutt for matematiske fag

TMA4245 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

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

Kræsjkurs i statistikk

Kræsjkurs i statistikk Kræsjkurs i statistikk Tommy Odland 22. november 2016 Sammendrag En liten samling oppgaver basert løst på fagene ELE103 (HiB) og STAT110 (UiB). Tema: Kombinatorikk Forkunnskaper: multiplikasjonsprinsippet,

Detaljer

Løsningsforlag statistikk, FO242N, AMMT, HiST 2.årskurs, 7. desember 2006 side 1 ( av 8) LØSNINGSFORSLAG

Løsningsforlag statistikk, FO242N, AMMT, HiST 2.årskurs, 7. desember 2006 side 1 ( av 8) LØSNINGSFORSLAG Løsningsforlag statistikk, FO4N, AMMT, HiST.årskurs, 7. desember 006 side 1 ( av 8) LØSNINGSFORSLAG HØGSKOLEN I SØR-TRØNDELAG AVDELING FOR MAT- OG MEDISINSK TEKNOLOGI Matteknologisk utdanning Kandidatnr:

Detaljer

TMA4240 Statistikk H2010

TMA4240 Statistikk H2010 TMA4240 Statistikk H2010 9.8: To uvalg (siste del) 9.9: Parvise observasjoner 9.10-9.11: Andelser 9.12: Varians Mette Langaas Foreleses onsdag 20.oktober, 2010 2 Norske hoppdommere og Janne Ahonen Janne

Detaljer

Norske hoppdommere og Janne Ahonen

Norske hoppdommere og Janne Ahonen TMA440 Statistikk H010 9.8: To uvalg (siste del) 9.9: Parvise observasjoner 9.10-9.11: Andelser 9.1: Varians Mette Langaas Foreleses onsdag 0.oktober, 010 Norske hoppdommere og Janne Ahonen Janne Ahonen

Detaljer

Geogebra hjelp - S2. Funksjonsanalyse. Innhold. Kommando. Funksjonsanalyse 1. Undersøke om dataene er normalfordelt 1.

Geogebra hjelp - S2. Funksjonsanalyse. Innhold. Kommando. Funksjonsanalyse 1. Undersøke om dataene er normalfordelt 1. Geogebra hjelp - 4. mai 2012 Innhold Funksjonsanalyse 1 Komandoer 1 Undersøke om dataene er normalfordelt 1 Finne sannsynlighetsfordeling 2 Binomisk fordeling...........................................

Detaljer

TMA4240 Statistikk Høst 2015

TMA4240 Statistikk Høst 2015 TMA4240 Statistikk Høst 2015 Norges teknisk-naturvitenskapelige universitet Institutt for matematiske fag Øving nummer 11, blokk II I denne øvingen skal vi fokusere på hypotesetesting. Vi ønsker å gi dere

Detaljer

Denne uken: kap : Introduksjon til statistisk inferens. - Konfidensintervall - Hypotesetesting - P-verdier - Statistisk signifikans

Denne uken: kap : Introduksjon til statistisk inferens. - Konfidensintervall - Hypotesetesting - P-verdier - Statistisk signifikans Denne uken: kap. 6.1-6.2-6.3: Introduksjon til statistisk inferens - Konfidensintervall - Hypotesetesting - P-verdier - Statistisk signifikans VG 25/9 2011 Statistisk inferens Mål: Trekke konklusjoner

Detaljer

Konfidensintervall for µ med ukjent σ (t intervall)

Konfidensintervall for µ med ukjent σ (t intervall) Forelesning 3, kapittel 6 Konfidensintervall for µ med ukjent σ (t intervall) Konfidensintervall for µ basert på n observasjoner fra uavhengige N( µ, σ) fordelinger når σ er kjent : Hvis σ er ukjent har

Detaljer

EKSAMEN. TILLATTE HJELPEMIDLER: Kalkulator. Hornæs: Formelsamling statistikk HiG. John Haugan: Formler og tabeller.

EKSAMEN. TILLATTE HJELPEMIDLER: Kalkulator. Hornæs: Formelsamling statistikk HiG. John Haugan: Formler og tabeller. KANDIDATNUMMER: EKSAMEN FAGNAVN: FAGNUMMER: Statistikk. BtG27 EKSAMENSDATO: 27. mai 211. KLASSE: HIS 8 11. TID: kl. 8. 13.. FAGLÆRER: Hans Petter Hornæs ANTALL SIDER UTLEVERT: 3 innkl. forside) TILLATTE

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

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

UNIVERSITETET I OSLO ØKONOMISK INSTITUTT

UNIVERSITETET 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

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

Matematikk med TI-83

Matematikk med TI-83 Matematikk med TI-83 3MX/Y Brukerveiledning knyttet til eksempler av Eystein Raude Arbeidet bygger på Matematikk med TI-83 på GK og VKI Eksemplene oppfyller læreplanens mål Læreplanens mål 1 Mål 3 Funksjonslære

Detaljer

EKSAMEN KANDIDATNUMMER: EKSAMENSDATO: 26. mai 2006. SENSURFRIST: 16. juni 2006. KLASSE: HIS 04 07. TID: kl. 8.00 13.00.

EKSAMEN KANDIDATNUMMER: EKSAMENSDATO: 26. mai 2006. SENSURFRIST: 16. juni 2006. KLASSE: HIS 04 07. TID: kl. 8.00 13.00. KANDIDATNUMMER: EKSAMEN FAGNAVN: FAGNUMMER: Statistikk. BtG207 EKSAMENSDATO: 26. mai 2006. SENSURFRIST: 16. juni 2006. KLASSE: HIS 04 07. TID: kl. 8.00 13.00. FAGLÆRER: Hans Petter Hornæs ANTALL SIDER

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

Analyse av kontinuerlige data. Intro til hypotesetesting. 21. april 2005. Seksjon for medisinsk statistikk, UIO. Tron Anders Moger

Analyse av kontinuerlige data. Intro til hypotesetesting. 21. april 2005. Seksjon for medisinsk statistikk, UIO. Tron Anders Moger Intro til hypotesetesting Analyse av kontinuerlige data 21. april 2005 Tron Anders Moger Seksjon for medisinsk statistikk, UIO 1 Repetisjon fra i går: Normalfordelingen Variasjon i målinger kan ofte beskrives

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

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

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

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

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

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

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

UNIVERSITETET I OSLO

UNIVERSITETET I OSLO UNIVERSITETET I OSLO Det matematisk-naturvitenskapelige fakultet Eksamen i STK1000 Innføring i anvendt statistikk. Eksamensdag: Onsdag 7. oktober 2009. Tid for eksamen: 15:00 17:00. Oppgavesettet er på

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

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

Oppgaven består av 10 delspørsmål som anbefales å veie like mye. Kommentarer og tallsvar er skrevet inn mellom <<. >>. Oppgave 1

Oppgaven består av 10 delspørsmål som anbefales å veie like mye. Kommentarer og tallsvar er skrevet inn mellom <<. >>. Oppgave 1 ECON 0 EKSAMEN 004 VÅR SENSORVEILEDNING Oppgaven består av 0 delspørsmål som anbefales å veie like mye. Kommentarer og tallsvar er skrevet inn mellom

Detaljer

Hypotesetesting av λ og p. p verdi.

Hypotesetesting av λ og p. p verdi. Forelesning 7, kapittel 6 Hypotesetesting av λ og p. p verdi. Det som gjøres i denne forelesningen er nær opptil det vi gjorde da vi konstruerte z test for µ, og styrkefunksjon for denne. I tillegg til

Detaljer

Forelesning 23 og 24 Wilcoxon test, Bivariate Normal fordeling

Forelesning 23 og 24 Wilcoxon test, Bivariate Normal fordeling Forelesning 23 og 24 Wilcoxon test, Bivariate Normal fordeling Wilcoxon Signed-Rank Test I uke, bruker vi Z test eller t-test for hypotesen H:, og begge tester er basert på forutsetningen om normalfordeling

Detaljer