Normal- og eksponentialfordeling.

Save this PDF as:
 WORD  PNG  TXT  JPG

Størrelse: px
Begynne med side:

Download "Normal- og eksponentialfordeling."

Transkript

1 Ukeoppgaver i Statistikk, uke 8 : Normal- og eksponentialfordeling. 1 Høgskolen i Gjøvik Avdeling for teknologi, økonomi og ledelse. Statistikk Ukeoppgaver uke 8 I løpet av uken blir løsningsforslag lagt ut på emnesiden Normal- og eksponentialfordeling. Oppgave 1 5 er oppgaver om grunnleggende teknikk ved behandling av normalfordeling. Det er viktig å beherske dette stoffet. Oppgave 6 og 7 er noe vanskeligere oppgaver om eksponentialfordeling. Prøv så mye du rekker med rimelig arbeidsinnsats, men ikke fortvil om du ikke klarer alt. Oppgave 1 Anta Z N(0, 1), dvs. Z er standard normalfordelt. Regn ut sannsynlighetene: a) P(Z 1.50) b) P (Z > 1.50) c) P (Z 0.25) d) P(Z > 0.25) e) P ( 0.75 < Z 0.75) f) P (Z = 0.75). Sørg for at du behersker denne regneteknikken så fort som mulig. Flere oppgaver av samme type i oppgave 21, kap i Løvås. Oppgave 2 a ) Finn tallet z 0.25 som er slik at P (Z <z 0.25 )=0.75 når Z N(0, 1). b ) Finn tallet z slik at P (Z >z )=0.025 når Z N(0, 1). Oppgave 3 Måleverdien av spenningen på et bilbatteri er X, som er N (12.70, ). Regn ut P(12.50 <X 12.90) Sørg for at du behersker denne regneteknikken så fort som mulig. Flere oppgaver av samme type i oppgave 23, kap i Løvås. Oppgave 4 Anta X N(μ, ), og regn ut a) P(μ <X<μ+ ). b) P(μ 2 <X<μ+2). c) P(μ 3 <X<μ+3). Oppgave 5 La X N(12.70, ). Finn en k slik at P(12.70 k X k) =0.95

2 2 Ukeoppgaver i Statistikk, uke 8 : Normal- og eksponentialfordeling. Oppgave 6 Levetiden T til en bestemt type lyspærer antas eksponentialfordelt, med parameter λ = (med enhet timer 1 ). a ) Skriv opp sannsynlighetstettheten f(t) og sannsynlighetsfunksjonen F (t) i dette tilfellet. b ) Finn forventningsverdien og standardavviket til T. c ) Hvis vi har et stort antall slike lyspærer som settes i gang på likt, og får ståålyse.hvorlang tid forventer vi det tar før halvparten av disse lyspærene er røket? Dette kalles halveringstiden, eller medianen. d ) Regn ut P (2000 T 3000) ved hjelp av f(t) ogintegrasjon. e ) Regn ut P (2000 T 3000) ved hjelp av F (t). f ) Finn en formel for P (T >t)ogregnutp(t>1000), P (T >2000) og P (T >3000). g ) La hendelse A være T > 2000 og hendelse B være T > Hvordan kan du kort beskrive hendelsen A B? h ) Finn den betingede sannsynligheten P (B A) (som også kanskrivesp(t>3000 T >2000)). Oppgave 7 La den stokastiske variabelen T væreen levetid, tid framtil sammenbrudd, dødsfall, ulykke e.l. for et eller annet. Da er P (t T t +Δt T>t) sannsynligheten dødsfall i det neste tidsrommet av lengde Δt gitt overlevelse fram til tidspunktet t. Da kalles P(t T t +Δt T>t) h(t) = lim Δt 0 Δt risikoraten (eller feilraten, eng: hazard rate) til T, og uttrykker dødsrisikoen per tidsenhet ved tidspunktet t. Hvis f(t) er sannsynlighetstettheten og F (t) er sannsynlighetsfunksjonen til t kan vi finne følgende formel for h(t): h(t) = f(t) a) Anta T exp(λ). Regn ut h(t). b ) En stokastisk variabel kalles Weibullfordelt med parametre α og β om F (t) =1 e tβ /α, og dermed f(t) = βtβ 1 /α α e tβ for t 0. Finn feilraten h(t) for en slik fordeling. c) Vis at P(t T t +Δt T>t) lim = f(t) Δt 0 Δt d) La T er levetiden til en vilkårlig nyfødt person. Angi uformelt og omtrentlig hvordan grafen til h(t) blir seende ut. e ) Motsatt problemstilling av a) og b) oppgaven: Risikoraten h(t) er gitt, finn f(t) ogf (t). Forsøk å gjennomføre dette (gjerne ved hjelp av Maple) hvis vi antar h(t) =λ (for t 0) der λ>0 er en konstant. Hint: F (t) =f(t), og vi får en differensiallikning med y = F (t) som ukjent funksjon. Forslag til flere oppgaver fra læreboka, kapittel 5: Normalfordeling: 21, 23, 26. Eksponentialfordeling: Hans Petter Hornæs

3 Ukeoppgaver i Statistikk, uke 8 : Normal- og eksponentialfordeling. 3 Løsning, Normal- og eksponentialfordeling. Oppgave 1 a) P(Z 1.50) = Φ(1.50) Tabell5.1.1 = b) P(Z>1.50) = P ( Z 1.50 ) =1 P(Z 1.50) = = c) P(Z 0.25) = Φ( 0.25) = 1 Φ(0.25) Tabell5.1 = = d) P(Z> 0.25) = P ( Z 0.25 ) =1 P(Z 0.25) = = e) P( 0.75 <Z 0.75) = Φ(0.75) Φ( 0.75) = ( ) = = f) 0 (fordi enkeltverdier har sanns. 0 i kontinuerlig fordeling, eller alternativt at dette kan regnes ut som P (X =0.75) = P (0.75 X 0.75) = Φ(0.75) Φ(0.75) = 0) Oppgave 2 a) Vi må bruke tabell baklengs, og finne det tallet som er nærmest midt inne i tabellen. Vi finnerat Φ(0.67) = , og Φ(0.68) = Hvilket som helst av disse tallene, eller tall mellom disse godtas. Siden 0.75 er omtrent midt imellom foreslår jeg z = (Nøyaktigere regning med Maple gir ). b) P(Z > z)= P(Z z) = Φ(z) = Baklengs tabellbruk gir da at z =1.96. Det er imidlertid greiere å bruke fraktiltabellen, tabell 5.2 i formelsamlinga. Denne gir denne verdien direkte for enkelte verdier, og vi kan lese av under 2.5% = Oppgave 3 ( ) ( ) Φ Φ =Φ(0.67) Φ( 0.67) = 2 Φ(0.67) 1= Oppgave 4 a) ( ) ( ) μ + μ μ + μ Φ Φ =Φ(1) Φ( 1) = 2Φ(1) 1= = b) Φ(2) Φ( 2) = c) Φ(3) Φ( 3) = Oppgave 5 Uttrykker først sannsynligheten ved hjelp av Φ: ( ) ( ) k k P(12.70 k X k) =Φ Φ =Φ(k/) Φ( k/) = Φ(k/) (1 Φ(k/)) = 2Φ(k/) 1 Vi får dermed en likning vi først løser med hensyn på Φ(k/) 2Φ(k/) 1 = 0.95 Φ(k/) = ( )/2 Φ(k/) = Siden Φ går på sannsynligheten for Z<z, mens fraktiltabellen (tab. 5.2) tar utgangspunkt i Z>z vrir vi sannsynligheten: P(Z<k/) = P(Z>k/) = = 0.025

4 4 Ukeoppgaver i Statistikk, uke 8 : Normal- og eksponentialfordeling. Dermed er k/ = z 0.025, dvs fraktilen i standard normalfordeling. z finner vi fra tabell 5.2 som z = Dette gir da k =1.960 = (slik at intervallet blir <X< <X<13.29). Mange vil nok synes argumentet er mer oversiktlig ved åhenvisetilenfigur: µ k 12,5 µ 13 µ + k 13,5 x Siden sannsynligheten er 0.95 for at utfallet ligger mellom grensene, er sannsynligheten = 0.05 for at utfallet blir utenfor. Denne sannsynligheten fordeles likt, med 0.05/2 = på begge sider. Spesielt blir det en sannsynlighet på for at utfallet blir større enn μ + k: ( X μ P(X μ + k) =0.025 P μ + k μ ) = De to sannsynligheten er like da det er samme hendelse, vi har trukket fra samme tall og dividert med samme positive tall på begge sider av likhetstegnet. Siden Z = X μ N(0, 1) (og μ ene nulles ut) er altså ( P Z k ) =0.025 Siden z per definisjon er det entydige tallet som oppfyller P (Z z )=0.025 er k = z k = z =1.960 = Oppgave 6 a) f(t) =0.0004e t F (t) =1 e t (for t 0, 0 for t<0). (for t 0, 0 for t<0). b) E(T )=1/λ =1/ = 2500 (timer). =1/λ = 2500 (timer). c) t =ln(2)/λ = 2500 ln(2) = 1733 (timer). d) e t dt = [ e t] = e ( e ) =

5 Ukeoppgaver i Statistikk, uke 8 : Normal- og eksponentialfordeling. 5 e) P (2000 T 3000) = F (3000) F (2000) = ( 1 e ) ( 1 e ) = f) P(T>t)=P ( T t ) ( =1 P(T t) =1 F (t) =1 1 e λ t) = e λt = e t. Dermed er P (T >1000) = e = e 0.4 =0.6703, P (T >2000) = e 0.8 = P(T>3000) = e 1.2 =12 g ) Siden B A (en lyspære som varer minst 3000 timer har allerede vart minst 2000 timer) er B A = B. P(A B) h) P(B A) = = P(B) P(A) P(A) = = Kommentar: Merk at dette er det samme som P (T >1000), sannsynligheten for at en lyspære som har lyst i 2000 timer skal lyse 1000 timer till er det samme som sannsynlighweten for at en ny lyspære skal lyse 1000 timer til. Det kan nok diskuteres om dette stemmer helt med virkeligheten, men det skal visstnok stemme tilstrekkelig godt til at vi antar eksponentialfordelingen for levetiden til lyspærer og andre tekniske innretninger som ikke er utsatt for tydelig slitasje. Dette er ikke tilfeldig, i eksponentialfordelingen (og bare denne) gjelder P (T >a+ b T >a) = P(T>b)) generelt. Oppgave 7 a) b) c ) h(t) = λe λt 1 (1 e λt ) = λe λt e λt = λ. Eksponentialfordelingen har med andre ord konstant feilrate. Det omvendte argumentet kan også brukes, og leder via en enkel differensiallikning til at eksponentialfordelingen er den eneste fordelingen med konstant feilrate. βt β 1 α e tβ /α βt h(t) = 1 (1 e tβ /α ) = β 1 /α α e tβ e tβ /α = βtβ 1 α Denne fordelingen brukes ofte til å modellere levetid for mekaniske komponenter som er utsatt for slitasje. Svensken Weibull undersøkte denne spesielt for levetid av kulelagre. Vi har at hendelsen t T t +Δt en delmengde av T>t, slik at Dermed er den betingede sannsynligheten (t T t +Δt) (T >t)=t T t +Δt. P(t T t +Δt T>t)= P((t T t +Δt) (T >t)) P(T>t) = P(t T t +Δt) P(T>t) Siden F (t) =P(T t), er P (T >t)=1 F (t), så vifår P(t T t +Δt T>t)= F (t +Δt) F (t) Når vi dividerer med Δt kan vi sette dette opp i telleren, og ta grensen for telleren (siden nevneren ikke inneholder Δt: h(t) = lim Δt 0 F (t +Δt) F (t) / lim Δt 0 (F (t +Δt) F (t))/δt Δt = Grensen i telleren er (fra definisjonenen av den deriverte) F (t). Siden F (t) =f(t) følger formelen. d) Denervellittstoristarten(spedbarnsdødelighetenerhøyereennforeldrebarn),forsåå bli ganske liten en lang periode, langsomt voksende fra ca 30 år og raskere voksende etterhvert. Ved t = 100(år) er den blitt veldig høy, det er livsfarlig å være 100 år!.

6 6 Ukeoppgaver i Statistikk, uke 8 : Normal- og eksponentialfordeling. e ) Vi har sammenhengen f(t) =F (t),og ved å sette F (t) =y får vi fra definisjonen av h(t) y 1 y = λ Dette er en differensiallikning. Den er separabel, eller kan omformes til den lineære likningen y + λy = λ Vi trenger også en initialbetingelse, og hvis vi velger starttidspunktet t = 0erF (0) = P (T 0) = 0, så y(0) = 0 (og difflikningen er gyldig for t 0). Denne kan løses med standardmetoder for lineære (eller separable) difflikninger, eller ved Maple: > dsolve({diff(y(t),t)+lambda*y(t)-lambda=0, y(0)=0}, y(t)); y(t) =1 e λt Vi ser at denne alltid vil konvergere mot 1 når t som den skal (hvis ikke hadde det ikke vært mulig med en slik risikorate). Som man ser har vi fått sannsynlighetsfunksjonen for eksponentilafordeling, og ved derivering finnes sannsynlighetstettheten. Det vil si at eksponentialfordelingen er eneste fordeling med konstant risiko.

Normalfordeling. Høgskolen i Gjøvik Avdeling for teknologi, økonomi og ledelse. Statistikk Ukeoppgaver uke 7

Normalfordeling. Høgskolen i Gjøvik Avdeling for teknologi, økonomi og ledelse. Statistikk Ukeoppgaver uke 7 Ueoppgaver i BtG207 Statisti, ue 7 : Normalfordeling. 1 Høgsolen i Gjøvi Avdeling for tenologi, øonomi og ledelse. Statisti Ueoppgaver ue 7 Normalfordeling. Oppgave 1 Anta Z N(0, 1), dvs. Z er standard

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

Separable differensiallikninger.

Separable differensiallikninger. Ukeoppgaver, uke 46, i Matematikk 0, Separable differensiallikninger. Høgskolen i Gjøvik Avdeling for ingeniørfag Matematikk 0 Ukeoppgaver uke 46 I løpet av uken blir løsningsforslag lagt ut på emnesiden

Detaljer

Transformasjoner av stokastiske variabler

Transformasjoner av stokastiske variabler Transformasjoner av stokastiske variabler Notasjon merkelapper på fordelingene Sannsynlighetstettheten og den kumulative fordelingen til en stokastisk variabel X betegnes hhv. f X og F X. Indeksen er altså

Detaljer

Poissonprosesser og levetidsfordelinger

Poissonprosesser og levetidsfordelinger Poissonprosesser og levetidsfordelinger Poissonfordeling som grensetilfelle for binomisk fordeling La X være binomisk fordelt med fordeling P (X = x) = ( ) n p x (1 p) n x, for x = 0, 1,... n. (1) x Forventningsverdien

Detaljer

EKSAMEN. Flexibel ingeniørutdanning, 2kl. Bygg m.fl.

EKSAMEN. Flexibel ingeniørutdanning, 2kl. Bygg m.fl. KANDIDATNUMMER: EKSAMEN FAGNAVN: FAGNUMMER: Statistikk. REA 1081 og REA1081F EKSAMENSDATO: 1. juni 2011. KLASSE: Flexibel ingeniørutdanning, 2kl. Bygg m.fl. TID: kl. 9.00 12.00. FAGLÆRER: Hans Petter Hornæs

Detaljer

Fasit, Separable differensiallikninger.

Fasit, Separable differensiallikninger. Ukeoppgaver, uke 46, i Matematikk 0, Separable differensiallikninger. 3 Fasit, Separable differensiallikninger. a ) Denne er ferdig på formenf(y)y = g(x) medf(y) =3y 2 og g(x) =2x: 3y 2 dy dx =2x 3y2 dy

Detaljer

EKSAMEN. EMNEANSVARLIG: Inger Gamme og Hans Petter Hornæs. TILLATTE HJELPEMIDLER: Kalkulator og alle trykte og skrevne hjelpemidler.

EKSAMEN. EMNEANSVARLIG: Inger Gamme og Hans Petter Hornæs. TILLATTE HJELPEMIDLER: Kalkulator og alle trykte og skrevne hjelpemidler. KANDIDATNUMMER: EKSAMEN EMNENAVN: EMNENUMMER: Kvalitetsledelse med Statistikk. SMF2121 EKSAMENSDATO: 1. juni 2011 KLASSE: Ingeniørutdanning TID: kl. 9.00 13.00. EMNEANSVARLIG: Inger Gamme og Hans Petter

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

6.1 Kontinuerlig uniform fordeling

6.1 Kontinuerlig uniform fordeling Kapittel 6 Noen kontinuerlige sannsynlighetsfordelinger TMA4240 H2006: Eirik Mo 2 6.1 Kontinuerlig uniform fordeling Kontinuerlig uniform fordeling: Sannsynlighetstettheten til den kontinuerlige uniforme

Detaljer

Løsningsforslag til eksamen i TMA4245 Statistikk 7. juni 2007

Løsningsforslag til eksamen i TMA4245 Statistikk 7. juni 2007 Løsningsforslag til eksamen i TMA4245 Statistikk 7. juni 2007 Oppgave 1: Pengespill a) For hver deltaker har vi følgende situasjon: Deltakeren får en serie oppgaver. Hver runde har to mulige utfall: Deltakeren

Detaljer

x λe λt dt = 1 e λx for x > 0 uavh = P (X 1 v)p (X 2 v) = F X (v) 2 = (1 e λv ) 2 = 1 2e λv + e 2λv = 2 1 λ 1 2λ = 3

x λe λt dt = 1 e λx for x > 0 uavh = P (X 1 v)p (X 2 v) = F X (v) 2 = (1 e λv ) 2 = 1 2e λv + e 2λv = 2 1 λ 1 2λ = 3 Norges teknisk-naturvitenskapelige universitet Institutt for matematiske fag Anbefalt øving 7 Løsningsskisse Oppgave 1 a) Regner først ut den kumulative fordelingsfunksjonen til X: F X (x) = x λe λt dt

Detaljer

Anvendelser av derivasjon.

Anvendelser av derivasjon. Ukeoppgaver, uke 39, i Matematikk, Anvendelser av derivasjon. Høgskolen i Gjøvik Avdeling for ingeniørfag Matematikk Ukeoppgaver uke 39 I løpet av uken blir løsningsforslag lagt ut på emnesiden http://www.hig.no/toel/allmennfag/emnesider/rea4

Detaljer

Oppfriskning av blokk 1 i TMA4240

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

Detaljer

EKSAMEN KANDIDATNUMMER: EKSAMENSDATO: 10. juni Ingeniørutdanning. TID: kl EMNEANSVARLIG: Hans Petter Hornæs

EKSAMEN KANDIDATNUMMER: EKSAMENSDATO: 10. juni Ingeniørutdanning. TID: kl EMNEANSVARLIG: Hans Petter Hornæs KANDIDATNUMMER: EKSAMEN EMNENAVN: EMNENUMMER: Statistikk. Rea181 EKSAMENSDATO: 1. juni 28 KLASSE: Ingeniørutdanning. TID: kl. 9. 13.. EMNEANSVARLIG: Hans Petter Hornæs ANTALL SIDER UTLEVERT: 3 (innkl.

Detaljer

Difflikninger med løsningsforslag.

Difflikninger med løsningsforslag. Repetisjon i Matematikk : Difflikninger med løsningsforslag. Høgskolen i Gjøvik Avdeling TØL Eksamensrepetisjon REA4 Matematikk Difflikninger med løsningsforslag. Difflikninger med løsningsforslag. Dette

Detaljer

To-dimensjonale kontinuerlige fordelinger

To-dimensjonale kontinuerlige fordelinger To-dimensjonale kontinuerlige fordelinger Noen resultater for diskrete fordelinger Vi har tidligere definert punktsannsynligheten p(x, y) for en todimensjonal variabel (X, Y ) som p(x, y) = P ({X = x}

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

L12-Dataanalyse. Introduksjon. Nelson Aalen plott. Page 76 of Introduksjon til dataanalyse. Levetider og sensurerte tider

L12-Dataanalyse. Introduksjon. Nelson Aalen plott. Page 76 of Introduksjon til dataanalyse. Levetider og sensurerte tider Page 76 of 80 L12-Dataanalyse Introduksjon Introduksjon til dataanalyse Presentasjonen her fokuserer på dataanalyseteknikker med formål å estimere parametere (MTTF,, osv) i modeller vi benytter for vedlikeholdsoptimering

Detaljer

Observatorer. STK Observatorer - Kap 6. Utgangspunkt. Eksempel høyde Oxford studenter

Observatorer. STK Observatorer - Kap 6. Utgangspunkt. Eksempel høyde Oxford studenter Observatorer STK00 - Observatorer - Kap 6 Geir Storvik 4. april 206 Så langt: Sannsynlighetsteori Stokastiske modeller Nå: Data Knytte data til stokastiske modeller Utgangspunkt Eksempel høyde Oxford studenter

Detaljer

FORMELSAMLING TIL STK1100 OG STK1110

FORMELSAMLING TIL STK1100 OG STK1110 FORMELSAMLING TIL STK1100 OG STK1110 (Versjon av 16. november 2009) 1. Sannsynlighet La A, B, A 1, A 2,...,B 1, B 2,... være begivenheter, dvs. delmengder av et utfallsrom Ω. a) Aksiomene: Et sannsynlighetsmål

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

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: 1. juni 2010. KLASSE: HIS 08 11. TID: kl. 8.00 13.00. FAGLÆRER: Hans Petter Hornæs ANTALL SIDER UTLEVERT: 3 (innkl. forside)

Detaljer

EKSAMEN KANDIDATNUMMER: EKSAMENSDATO: 11. juni HiS Jørstadmoen. TID: kl EMNEANSVARLIG: Hans Petter Hornæs

EKSAMEN KANDIDATNUMMER: EKSAMENSDATO: 11. juni HiS Jørstadmoen. TID: kl EMNEANSVARLIG: Hans Petter Hornæs KANDIDATNUMMER: EKSAMEN EMNENAVN: EMNENUMMER: Statistikk. BtG27 EKSAMENSDATO: 11. juni 28 KLASSE: HiS 6-9 Jørstadmoen. TID: kl. 8. 13.. EMNEANSVARLIG: Hans Petter Hornæs ANTALL SIDER UTLEVERT: 4 (innkl.

Detaljer

TMA4240 Statistikk Høst 2016

TMA4240 Statistikk Høst 2016 Norges teknisk-naturvitenskapelige universitet Institutt for matematiske fag Anbefalt øving 9 Løsningsskisse Oppgave 1 a) Vi lar her Y være antall fugler som kolliderer med vindmølla i løpet av den gitte

Detaljer

TMA4240 Statistikk Høst 2008

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

Detaljer

Differensiallikninger definisjoner, eksempler og litt om løsning

Differensiallikninger definisjoner, eksempler og litt om løsning Differensiallikninger definisjoner, eksempler og litt om løsning MAT-INF1100 Differensiallikninger i MAT-INF1100 Definsjon, litt om generelle egenskaper Noen få anvendte eksempler Teknikker for løsning

Detaljer

LØSNINGSFORSLAG EKSAMEN, MAT 1001, HØSTEN (x + 1) 2 dx = u 2 du = u 1 = (x + 1) 1 = 1 x + 1. ln x

LØSNINGSFORSLAG EKSAMEN, MAT 1001, HØSTEN (x + 1) 2 dx = u 2 du = u 1 = (x + 1) 1 = 1 x + 1. ln x LØSNINGSFORSLAG EKSAMEN, MAT 00, HØSTEN 06 DEL.. Hvilken av funksjonene gir en anti-derivert for f(x) = (x + )? Løsning. Vi setter u = x +, som gir du = dx, (x + ) dx = u du = u = (x + ) = x + a) x+ b)

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

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

Forelesning 27. mars, 2017

Forelesning 27. mars, 2017 Forelesning 27. mars, 2017 AVSNITT 5.5 Ordningsobservatorene AVSNITT 6.1 Observatorer og deres fordelinger Ordningsobservatorene La X 1,..., X n være n uavhengige stokastiske variable som alle har samme

Detaljer

Econ 2130 Forelesning uke 10 (HG) Geometrisk og normal fordeling

Econ 2130 Forelesning uke 10 (HG) Geometrisk og normal fordeling Econ 2130 Forelesning uke 10 (HG) Geometrisk og normal fordeling 1 Geometrisk fordeling Binomisk forsøks-serie En serie likeartete forsøk med to mulige utfall, S og F, i hvert. (Modell) forutsetninger

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

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. REA1081 EKSAMENSDATO: 11. juni 2007. KLASSE: Ingeniørklasser. TID: kl. 9.00 13.00. FAGLÆRER: Hans Petter Hornæs ANTALL SIDER UTLEVERT: 4 (innkl.

Detaljer

STK1100 våren Kontinuerlige stokastiske variabler Forventning og varians Momentgenererende funksjoner

STK1100 våren Kontinuerlige stokastiske variabler Forventning og varians Momentgenererende funksjoner STK1100 våren 2017 Kontinuerlige stokastiske variabler Forventning og varians Momentgenererende funksjoner Svarer til avsnittene 4.1 og 4.2 i læreboka Ørnulf Borgan Matematisk institutt Universitetet i

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

TMA4240 Statistikk H2015

TMA4240 Statistikk H2015 TMA4240 Statistikk H2015 Funksjoner av stokastiske variabler (kapittel 7+notat) Fokus på start med kumulativ fordeling 7.2 Funksjon av en SV (inkludert en-entydighet). Fordeling til max/min (fra notat).

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

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

Ubestemt integrasjon.

Ubestemt integrasjon. Ukeoppgaver, uke 4, i Matematikk 0, Ubestemt integrasjon. Høgskolen i Gjøvik Avdeling for ingeniørfag Matematikk 0 Ukeoppgaver uke 4 I løpet av uken blir løsningsforslag lagt ut på emnesiden http://www.hig.no/toel/allmennfag/emnesider/rea04

Detaljer

Gammafordelingen og χ 2 -fordelingen

Gammafordelingen og χ 2 -fordelingen Gammafordelingen og χ 2 -fordelingen Gammafunksjonen Gammafunksjonen er en funksjon som brukes ofte i sannsynlighetsregning. I mange fordelinger dukker den opp i konstantleddet. Hvis man plotter n-fakultet

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

Kapittel 6: Kontinuerlige sannsynlighetsfordelinger 6.4-5.7: Normalfordelingen, normalapproksimasjon, eksponensial og gamma.

Kapittel 6: Kontinuerlige sannsynlighetsfordelinger 6.4-5.7: Normalfordelingen, normalapproksimasjon, eksponensial og gamma. TMA4240 Statistikk H2010 Kapittel 6: Kontinuerlige sannsynlighetsfordelinger 6.4-5.7: Normalfordelingen, normalapproksimasjon, eksponensial og gamma. Mette Langaas Foreleses mandag 27. september 2010 2

Detaljer

Beskrivende statistikk.

Beskrivende statistikk. Obligatorisk oppgave i Statistikk, uke : Beskrivende statistikk. 1 Høgskolen i Gjøvik Avdeling for teknologi, økonomi og ledelse. Statistikk Ukeoppgaver uke I løpet av uken blir løsningsforslag lagt ut

Detaljer

I løpet av uken blir løsningsforslag lagt ut på emnesiden Delvis integrasjon må brukes to ganger.

I løpet av uken blir løsningsforslag lagt ut på emnesiden  Delvis integrasjon må brukes to ganger. Ukeoppgaver, uke 45, i Matematikk, Delvis integrasjon. Høgskolen i Gjøvik Avdeling for ingeniørfag Matematikk Ukeoppgaver uke 45 I løpet av uken blir løsningsforslag lagt ut på emnesiden http://www.hig.no/toel/allmennfag/emnesider/rea4

Detaljer

FORMELSAMLING STATISTIKK, HiG

FORMELSAMLING STATISTIKK, HiG FORMELSAMLING STATISTIKK, HiG Hans Petter Hornæs hans.hornaes@hig.no Versjon per 18. februar 2004 Innhold 1 EMPIRISKE STATISTISKE MÅL 1 1.1 Forventningsverdi, varians og standardavvik.....................

Detaljer

Kap : Derivasjon 1.

Kap : Derivasjon 1. Ukeoppgaver, uke 36, i Matematikk 0, Kap. 3.-3.4: Derivasjon. Høgskolen i Gjøvik Avdeling for ingeniørfag Matematikk 0 Ukeoppgaver uke 36 I løpet av uken blir løsningsforslag lagt ut på emnesiden http://www.hig.no/ing/allmennfag/emnesider/rea042

Detaljer

FORMELSAMLING STATISTIKK, HiG

FORMELSAMLING STATISTIKK, HiG Høgskolen i Gjøvik Avdeling for ingeniørfag Versjon fra mai 2007 FORMELSAMLING STATISTIKK, HiG Hans Petter Hornæs hans.hornaes@hig.no ISSN:??????? Innledning. Denne formelsamlingen er skrevet for bruk

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

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

UNIVERSITETET I OSLO Matematisk Institutt

UNIVERSITETET I OSLO Matematisk Institutt UNIVERSITETET I OSLO Matematisk Institutt Midtveiseksamen i: STK 1000: Innføring i anvendt statistikk Tid for eksamen: Onsdag 9. oktober 2013, 11:00 13:00 Hjelpemidler: Lærebok, ordliste for STK1000, godkjent

Detaljer

Lineære differensiallikninger.

Lineære differensiallikninger. Ukeoppgaver, uke 47, i Matematikk 0, Lineære differensiallikninger. Høgskolen i Gjøvik Avdeling for teknologi, økonomi og ledelse Matematikk 0 Ukeoppgaver uke 47 Lineære differensiallikninger. Oppgave

Detaljer

1.1.1 Rekke med konstante ledd. En rekke med konstante ledd er gitt som. a n (1) n=m

1.1.1 Rekke med konstante ledd. En rekke med konstante ledd er gitt som. a n (1) n=m Formelsamling og tabeller FO020E Matte 2000 for elektroprogrammet 1 Matematikk 1.1 Denisjoner av ulike typer polynomer og rekker 1.1.1 Rekke med konstante ledd En rekke med konstante ledd er gitt som a

Detaljer

6.2 Normalfordeling. Høyde kvinner og menn. 6.1 Kontinuerlig uniform fordeling. Kapittel 6

6.2 Normalfordeling. Høyde kvinner og menn. 6.1 Kontinuerlig uniform fordeling. Kapittel 6 3 6.2 Normalfordeling Kapittel 6 Noen kontinuerlige sannsynlighetsfordelinger TMA4245 V2007: Eirik Mo Normalfordeling: Sannsynlighetstettheten til en normalfordelt stokastisk variabel, X, med forventning

Detaljer

TMA4100 Matematikk 1 Høst 2014

TMA4100 Matematikk 1 Høst 2014 Norges teknisk naturvitenskapelige universitet Institutt for matematiske fag TMA400 Matematikk Høst 04 Løsningsforslag Øving 04 30 For å vise at f er en injektiv one-to-one funksjon, ser vi på den deriverte,

Detaljer

Merk at vi for enkelthets skyld antar at alle som befinner seg i Roma sentrum enten er italienere eller utenlandske turister.

Merk at vi for enkelthets skyld antar at alle som befinner seg i Roma sentrum enten er italienere eller utenlandske turister. ECON230: EKSAMEN 20 VÅR - UTSATT PRØVE 2 TALLSVAR. Oppgave Da Anne var på besøk i Roma, fikk hun raskt problemer med språket. Anne snakker engelsk, men ikke italiensk, og kun av 5 italienere behersker

Detaljer

TMA4240 Statistikk. Øving nummer 7. Norges teknisk-naturvitenskapelige universitet Institutt for matematiske fag

TMA4240 Statistikk. Øving nummer 7. Norges teknisk-naturvitenskapelige universitet Institutt for matematiske fag TMA4240 Statistikk Vår 2008 Norges teknisk-naturvitenskapelige universitet Institutt for matematiske fag Øving nummer 7 Oppgave Blandet drops a) Tippekupong På en tippekupong er det gitt 2 fotballkamper.

Detaljer

Differensjalligninger av førsteorden

Differensjalligninger av førsteorden Differensjalligninger av førsteorden Department of Mathematical Sciences, NTNU, Norway November 2, 2014 Forelesning (29.10.2014): kap 7.9 og 18.3 Førsteordens ordinæredifferensjalligninger Initialverdiproblem

Detaljer

Løsningsforslag Eksamen S2, høsten 2015 Laget av Tommy O. Sist oppdatert: 25. mai 2017

Løsningsforslag Eksamen S2, høsten 2015 Laget av Tommy O. Sist oppdatert: 25. mai 2017 Løsningsforslag Eksamen S2, høsten 215 Laget av Tommy O. Sist oppdatert: 25. mai 217 Del 1 - uten hjelpemidler Oppgave 1 a) Vi skal derivere funksjonen f(x) = x 3 + 2x. Formelen vi må bruke er (x n ) =

Detaljer

for x 0 F X (x) = 0 ellers Figur 1: Parallellsystem med to komponenter Figur 2: Seriesystem med n komponenter

for x 0 F X (x) = 0 ellers Figur 1: Parallellsystem med to komponenter Figur 2: Seriesystem med n komponenter TMA4245 Statistikk Vår 2016 Norges teknisk-naturvitenskapelige universitet Institutt for matematiske fag Innlevering 3, blokk II Dette er den første av to innleveringer i blokk 2. Denne øvingen skal oppsummere

Detaljer

Siden vi her har brukt første momentet i fordelingen (EX = EX 1 ) til å konstruere estimatoren kalles denne metoden for momentmetoden.

Siden vi her har brukt første momentet i fordelingen (EX = EX 1 ) til å konstruere estimatoren kalles denne metoden for momentmetoden. Estimeringsmetoder Momentmetoden La X, X 2,..., X n være uavhengige variable som er rektangulært fordelte på intervallet [0, θ]. Vi vet da at forventningsverdiene til hver observasjon og forventningen

Detaljer

TMA4265 Stokastiske prosesser

TMA4265 Stokastiske prosesser Norges teknisk naturvitenskapelige universitet Institutt for matematiske fag Side 1 av 6 Bokmål Faglig kontakt under eksamen: Øyvind Bakke Telefon: 73 59 81 26, 990 41 673 TMA4265 Stokastiske prosesser

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

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

Notasjon. Løsninger. Problem. Kapittel 7

Notasjon. Løsninger. Problem. Kapittel 7 3 Notasjon Kapittel 7 Funksjoner av stokastiske variabler Har n stokastiske variabler, X 1, X 2,..., X n, med kjent fordeling f( 1, 2,..., n ) og kumulativ fordeling F( 1, 2,..., n ). Ser på Y = u(x 1,

Detaljer

Inferens. STK Repetisjon av relevant stoff fra STK1100. Eksempler. Punktestimering - "Fornuftig verdi"

Inferens. STK Repetisjon av relevant stoff fra STK1100. Eksempler. Punktestimering - Fornuftig verdi Inferens STK1110 - Repetisjon av relevant stoff fra STK1100 Geir Storvik 12. august 2015 Data x 1,..., x n evt også y 1,..., y n Ukjente parametre θ kan være flere Vi ønsker å si noe om θ basert på data.

Detaljer

MAT-INF 2360: Obligatorisk oppgave 3. Løsningsforslag

MAT-INF 2360: Obligatorisk oppgave 3. Løsningsforslag MAT-INF 2360: Obligatorisk oppgave 3. Løsningsforslag I kapittel 9 i kompendiet forklarte vi at maximum-likelihood er en av de viktige anvendelsene av ikke-lineær optimering. Vi skal se litt mer på hva

Detaljer

6.5 Normalapproksimasjon til. binomisk fordeling

6.5 Normalapproksimasjon til. binomisk fordeling ....3.4.5..5..5..5...4.6.8....4.6.8....3.4..5..5 Kaittel 6: Kontinuerlige sannsynsfordelingar TMA445 Statistikk Ka 6.5-6.8. 6.5: Normal aroksimasjon til binomisk fordeling, 6.6-6.8: Eksonensialfordeling,

Detaljer

TMA4240/TMA4245 Statistikk: Oppsummering kontinuerlige sannsynlighetsfordelinger

TMA4240/TMA4245 Statistikk: Oppsummering kontinuerlige sannsynlighetsfordelinger TMA4240/TMA4245 Statistikk: Oppsummering kontinuerlige sannsynlighetsfordelinger Kontinuerlig uniform fordeling f() = B A, A B. En kontinuerlig størrelse (vekt, lengde, tid), som aldri kan bli mindre enn

Detaljer

TMA4240 Statistikk Høst 2015

TMA4240 Statistikk Høst 2015 TMA4240 Statistikk Høst 2015 Norges teknisk-naturvitenskapelige universitet Institutt for matematiske fag Øving nummer 9, blokk II Oppgave 1 X er kontinuerlig fordelt med sannsynlighetstetthet f(x) = 2xe

Detaljer

La U og V være uavhengige standard normalfordelte variable og definer

La U og V være uavhengige standard normalfordelte variable og definer Binormalfordelingen Definisjon Noe av hensikten med å innføre begrepet betinget sannsynlighet er at kompliserte modeller ofte kan bygges ut fra enkle betingede modeller. Når man spesifiserer betingelser

Detaljer

Funksjoner av stokastiske variable.

Funksjoner av stokastiske variable. Funksjoner av stokastiske variable. Dekkes av pensumsidene i kap. 7 I ulike sammenhenger, blant annet for å finne fordelingen til estimatorer, er vi interesserte i fordelingen til funksjoner av stokastiske

Detaljer

Areal - difflikninger - arbeid Forelesning i Matematikk 1 TMA4100

Areal - difflikninger - arbeid Forelesning i Matematikk 1 TMA4100 Areal - difflikninger - arbeid Forelesning i Matematikk 1 TMA4100 Hans Jakob Rivertz Institutt for matematiske fag 7. oktober 2011 Kapittel 6.4. Areal til omdreiningslegemer 3 Overflate-areal av en rotasjonsflate

Detaljer

Løsningsforslag til utvalgte oppgaver i kapittel 10

Løsningsforslag til utvalgte oppgaver i kapittel 10 Løsningsforslag til utvalgte oppgaver i kapittel 0 I kapittel 0 får du trening i å løse ulike typer differensialligninger, og her får du bruk for integrasjonsteknikkene du lærte i forrige kapittel. Men

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

Funksjoner av stokastiske variable.

Funksjoner av stokastiske variable. Funksjoner av stokastiske variable. Dekkes av pensumsidene i kap. 7 I ulike sammenhenger, blant annet for å finne fordelingen til estimatorer, er vi interesserte i fordelingen til funksjoner av stokastiske

Detaljer

Løsningsforslag Eksamen S2, høsten 2016 Laget av Tommy Odland Dato: 27. januar 2017

Løsningsforslag Eksamen S2, høsten 2016 Laget av Tommy Odland Dato: 27. januar 2017 Løsningsforslag Eksamen S, høsten 016 Laget av Tommy Odland Dato: 7. januar 017 Del 1 - uten hjelpemidler Oppgave 1 a) Vi skal derivere f(x) = x 3 5x, og vi kommer til å få bruk for reglene (ax n ) = anx

Detaljer

Løsningskisse for oppgaver til undervisningsfri uke 14 (6.-9. april)

Løsningskisse for oppgaver til undervisningsfri uke 14 (6.-9. april) HG April 010 Løsningskisse for oppgaver til undervisningsfri uke 14 (6.-9. april) Innledende merknad. De fleste oppgavene denne uka er øvelser i bruk av den viktige regel 5.0, som er sentral i dette kurset,

Detaljer

Anbefalte oppgaver - Løsningsforslag

Anbefalte oppgaver - Løsningsforslag TMA415 Matematikk 2 Anbefalte oppgaver - Løsningsforslag Uke 7 15.1.3: Siden vektorfeltet er gitt ved F(x, y) = yi + xj må feltlinjene tilfredstille differensiallikningen eller y = x y, ( ) 1 2 y2 = x.

Detaljer

Midtveiseksamen i STK1100 våren 2017

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

Detaljer

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

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

Løsningsforslag Eksamen S2, høsten 2017 Laget av Tommy O. Sist oppdatert: 26. november 2017

Løsningsforslag Eksamen S2, høsten 2017 Laget av Tommy O. Sist oppdatert: 26. november 2017 Løsningsforslag Eksamen S, høsten 017 Laget av Tommy O. Sist oppdatert: 6. november 017 Del 1 - uten hjelpemidler Oppgave 1 a) Vi skal derivere f(x) = x 4x 3. Vi bruker regelen samt regelen (x n ) = nx

Detaljer

Løsningsforslag Eksamen 3MX - AA

Løsningsforslag Eksamen 3MX - AA Løsningsforslag Eksamen 3MX - AA654-04.06.007 eksamensoppgaver.org September 0, 008 Om løsningsforslaget Løsningsforslaget for matematikk eksamen i 3MX er gratis, og det er lastet ned på eksamensoppgaver.org.

Detaljer

TMA4240 Statistikk Høst 2009

TMA4240 Statistikk Høst 2009 TMA44 Statistikk Høst 9 Norges teknisk-naturvitenskapelige universitet Institutt for matematiske fag Øving nummer b Løsningsskisse Oppgave X er en stokastisk variabel med sannsynlighetstetthet { f(x),

Detaljer

TMA4240 Statistikk Høst 2007

TMA4240 Statistikk Høst 2007 TMA4240 Statistikk Høst 2007 Norges teknisk-naturvitenskapelige universitet Institutt for matematiske fag Øving nummer b4 Løsningsskisse Oppgave 1 Eksamen juni 1999, oppgave 3 av 3 a) µ populasjonsgjennomsnitt,

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

TMA4240 Statistikk H2015

TMA4240 Statistikk H2015 TMA4240 Statistikk H2015 Kapittel 5: Noen diskrete sannsynlighetsfordelinger 5.4 Geometrisk og negativ binomisk fordeling 5.5 Poisson-prosess og -fordeling Mette Langaas Institutt for matematiske fag,

Detaljer

u 4 du = 1 5 u5 + C = 1 5 (x2 +4) 5 + C u 1/2 du = 1 2 u1/2 + C = 1 2

u 4 du = 1 5 u5 + C = 1 5 (x2 +4) 5 + C u 1/2 du = 1 2 u1/2 + C = 1 2 4 Ukeoppgaver, ke 4, i Matematikk, Sbstitsjon. Fasit, Sbstitsjon. Oppgave a) Med = +4er = slik at d d = d =d. Dermed kan faktorene d i integralet erstattes med d, mens + 4 inne i parentesen erstattes med

Detaljer

UNIVERSITETET I OSLO

UNIVERSITETET I OSLO UNIVERSITETET I OSLO Det matematisk-naturvitenskapelige fakultet Eksamen i: ST0 Innføring i statistikk og sannsynlighetsregning. Eksamensdag: Torsdag 9. mai 994. Tid for eksamen: 09.00 5.00. Oppgavesettet

Detaljer

x + y z = 0 2x + y z = 2 4x + y 2z = 1 b) Vis at summen av de n første leddene kan skrives som S n = 3 n(n + 1)

x + y z = 0 2x + y z = 2 4x + y 2z = 1 b) Vis at summen av de n første leddene kan skrives som S n = 3 n(n + 1) Eksamen S2, våren 2017 Laget av Tommy O. Sist oppdatert: 17. september 2017 Kommentar: Dette er en innskriving av S2 eksamen, basert på scan av dokumentet lastet opp av matematikk.net-bruker Viks. Det

Detaljer

b) i) Finn sannsynligheten for at nøyaktig 2 av 120 slike firmaer går konkurs.

b) i) Finn sannsynligheten for at nøyaktig 2 av 120 slike firmaer går konkurs. Eksamen i: MET 040 Statistikk for økonomer Eksamensdag: 31 Mai 2007 Tid for eksamen: 09.00-13.00 Oppgavesettet er på 4 sider. Tillatte hjelpemidler: Alle trykte eller egenskrevne hjelpemidler og kalkulator.

Detaljer

TMA4240 Statistikk H2010

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

Detaljer

MA1410: Analyse - Notat om differensiallikninger

MA1410: Analyse - Notat om differensiallikninger Høgskolen i Agder Avdeling for realfag MA40: Analyse - Notat om differensiallikninger Dato: Høsten 2000 Merknader: Dette notatet kommer i tillegg til 4.2 og 6. i læreboka. Ma 40: Analyse skal inneholde

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

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

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: Statistikk. FAGNUMMER: Rea 1082 EKSAMENSDATO: 14. mai 2009. KLASSE: Ing. TID: kl. 9.00 13.00. FAGLÆRER: Hans Petter Hornæs ANTALL SIDER UTLEVERT: 3 (innkl. forside) TILLATTE

Detaljer

MAT Vår Oblig 2. Innleveringsfrist: Fredag 23.april kl. 1430

MAT Vår Oblig 2. Innleveringsfrist: Fredag 23.april kl. 1430 MAT 00 Vår 00 Oblig Innleveringsfrist: Fredag 3.april kl. 430 Oppgaven leveres stiftet med forsideark på ekspedisjonskontoret til Matematisk institutt i 7. etg. i Niels Henrik Abels hus innen fristen.

Detaljer

Kap. 6, Kontinuerlege Sannsynsfordelingar

Kap. 6, Kontinuerlege Sannsynsfordelingar Kapittel 6, Kontinuerlege Sannsynsfordelingar Sjå på eit utval av ofte brukte kontinuerlege sannsynsfordelingar Uniform I går Normal I går Eksponensial I dag Gamma I dag Kji-kvadrat I dag Nokre eigenskapar

Detaljer

Kontinuerlige stokastiske variable.

Kontinuerlige stokastiske variable. Kontinuerlige stokastiske variable. I forelesning har vi sett på en kontinuerlig stokastisk variabel med sannsynlighetstetthet f() =2 og sannsynlighetsfunksjon F () = 2 for. Der hadde jeg et reint regneteknisk

Detaljer