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

Save this PDF as:
 WORD  PNG  TXT  JPG

Størrelse: px
Begynne med side:

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

Transkript

1 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 til middelverdien er θ/2. Videre vet vi fra sannsynlighetsregningen at middelverdien X generelt vil ligge nær forventningsverdien når n er stor, dvs. X θ/2, eller 2 X θ. Dette betyr at for store verdier av n vil 2 X kunne brukes som en estimator for θ. Den samme teknikken kunne vi benytte også hvis observasjonene f.eks. var eksponensielt fordelte med parameter λ. Da er forventningen /λ og X /λ. Det betyr at / X λ slik at / X kan brukes som estimator for λ. Dersom vi har en fordeling med bare en ukjent parameter θ, kan dette uttrykkes som følger: Forventningen til X vil være en funksjon av θ, altså X µ(θ). Ved å løse den tilsvarende likningen m.h.p. θ finner vi estimatoren ˆθ = µ ( X) der µ betegner den inverse funksjonen til µ(θ), dvs. likningen µ(ˆθ) = X. ˆθ er løsningen på Siden vi her har brukt første momentet i fordelingen (EX = EX ) til å konstruere estimatoren kalles denne metoden for momentmetoden. Metoden kan generaliseres til situasjoner med flere ukjente parametre, men vil normalt ikke fungere særlig bra for mer enn 2 parametre. Estimatorene finnes da ved å løse estimeringslikningene µ(ˆθ, ˆθ 2 ) = X () σ 2 (ˆθ, ˆθ 2 ) = n (X i n (2) med hensyn på ˆθ og ˆθ 2, hvor µ og σ 2 er forventningen og variansen uttrykt ved de to ukjente parametrene θ og θ 2. Vi kunne her ha delt på n i

2 stedet for n i kvadratsummen for variansen, men det har egentlig ikke noen hensikt siden vi likevel nå ikke generelt vil ha forventningsrette estimatorer. Som eksempel på bruk av denne metoden kan vi se på estimering av både skalaparameteren og formparameteren i gammafordelingen med parametre (k, α). Da er µ(k, α) = k/α og σ 2 (k, α) = k/α 2 slik at estimeringslikningene blir ˆk/ˆα = X ˆk/ ˆα 2 = n (Xi X) 2. Løser vi disse likningene med hensyn på estimatorene finner vi og ˆk = ˆα = n n X 2 (Xi X) 2 X (Xi X). 2 Oppgave La X være rektangulært fordelt på intervallet [a, b]. Da er EX = (a + b)/2 og var(x) = (b a) 2 /2. Finn momentestimatorene for a og b uttrykt ved de observerte momentene X og Z = n (X i X) 2. Oppgave 2 Betafordelingen er en fordeling på intervallet [0, ] og har formen f(x) = Forventningen og variansen er var(x) = Γ(α + β) Γ(α)Γ(β) xα ( x) β. EX = α/(α + β) αβ (α + β + )(α + β) 2. Finn momentestimatorene for α og β uttrykt ved X og Z = n (X i X) 2. Beregn estimatorene for et datasett der X = 0.73 og Z =

3 Hint: Innfør først c = α + β, uttrykk α og β ved c og X og løs så systemet m.h.p. c. Bruk til slutt likningen for forventningen til å finne estimatorene for α og β. Oppgave 3 Hvis X er lognormalfordelt med parametre (µ, σ 2 ) så er forventningsverdien EX = e µ+σ2 /2 var(x) = e 2µ+σ2 (e σ2 ). Finn momentestimatorene for µ og σ 2. (Dette er ikke gode estimatorer. I praksis vil man heller først transformere til normalfordelte data og så bruke middelverdi og kvadratsum for disse.) Oppgave 4 Negativ binomisk fordeling er en diskret fordeling som ofte brukes som et alternativ til poissonfordelingen når variansen er større enn forventningsverdien. Uttrykket for punktsannsynligheten er P (X = x) = p x = ak Γ(k) Γ(k + x) ( a) x, for x = 0,,..., x! hvor k > 0 og 0 < a <. Forventningen og variansen er EX = k/a var(x) = k/a + k/a 2. Skriv opp uttrykkene for de første leddene i fordelingen uten å bruke gammafunksjonen (bruk rekursjonsformelen for gammafunksjonen til å bli kvitt denne). Finn momentestimatorene for a og k. Beregn estimatene når de observerte momentene er X = 2.6 og Z = Sett inn estimatene og beregn de første leddene i fordelingen. 3

4 Sannsynlighetsmaksimering Det viktigste estimeringsprinsippet er basert på det som kalles sannsynlighetsmaksimering. For det første gir dette prinsippet esimatorer med små varianser. Dessuten kan prinsippet brukes på veldig kompliserte problemstillinger med kompliserte fordelinger og mange ukjente parametre. Programmering og gjennomføring av beregningene ved hjelp av datamaskin er relativt enkelt. La oss som et eksempel se på situasjonene at vi har n uavhengige observasjoner, x, x 2,..., x n, fra en poissonfordeling med ukjent parameter λ. Sannsynligheten for at eksperimentet skulle gi akkurat det resultatet vi har observert er da P (X = x, X 2 = x 2,..., X n = x n ) = λ x i x i! e λ. (3) Denne sannsynligheten er ukjent fordi parameteren λ er ukjent, og den vil variere med verdien til λ. Filosofien bak sannsynlighetsmaksimering er da følgende: Siden vi faktisk har observert størrelsene x, x 2,..., x n er det grunn til å tro at λ har en verdi som gjør at sannsynligheten for å observere akkurat disse verdiene er stor. Ut fra dette velger vi som estimator den verdien av λ som maksimaliserer sannsynligheten for det observerte resultatet. Vi betrakter da observasjonene som konstante størrelser og ser på sannsynligheten som en funksjon av parameteren. Denne funksjonen kalles da likelihoodfunksjonen og skrives λ x i L(λ) = x i! e λ. (4) Legg merke til at høyresiden i (3) og (4) er helt like, men de representerer altså svært forskjellige funksjoner. I (3) er parameteren λ konstant, og uttrykket representerer en funksjon i n variable, x, x 2,..., x n, men i (4) er observasjonene konstante og uttrykket representerer en funksjon i en variabel λ. Likning (3) gir simultanfordelingen, mens likning (4) gir likelihoodfunksjonen. Når vi skal maksimalisere L(λ) med hensyn på λ er det i praksis som regel enklere å maksimalisere ln L(λ). Grunnen til dette er at L ofte vil være et 4

5 produkt av mange faktorer. Det er da lettere å derivere logaritmen til L som vil være en sum av like mange ledd. Siden logaritmefunksjonene er strengt voksende vil den verdien av λ som maksimaliserer ln L(λ) også være den som maksimaliserer L(λ). I eksempelet vårt finner vi ln L(λ) = ln(x i!) + x i ln λ λ der alle summer går fra til n. Legg merke til at det første leddet på høyre side er en konstant (fordi likelihoodfunksjonen er en funksjon av λ) som vil falle bort når vi deriverer m.h.p. λ. Dette leddet trenger vi derfor egentlig ikke å ta med i det hele tatt. Det vil ofte forekomme slike ledd som ser kompliserte ut, men som er konstanter fordi de ikke avhenger av den ukjente parameteren. Hvis vi skriver c for dette leddet blir likningen ln L(λ) = c + ln λ x i nλ. I maksimum må den deriverte være lik null, dvs. d dλ ln L(λ) = xi n = 0. λ Vi ser også at den andre deriverte er negativ slik at løsningen på likningen faktisk gir maksimalverdien λ = n xi = x. Vi ser at løsningen for λ definerer en funksjon av observasjonene som vi mer formelt kunne ha skrevet på formen λ (x, x 2,..., x n ). Verdien av funksjonen innsatt de observerte verdien x, x 2,..., x n kalles sannsynlighetsmaksimeringsestimatet. Den tilsvarende estimatoren, sannsynlighetsmaksimeringsestimatoren (SME), framkommer ved å betrakte den tilsvarende stokastiske variable, dvs. sette de stokastiske variable X, X 2,..., X n inn i uttrykket for λ, som gir λ = X. Vi ser i dette tilfellet at estimatoren blir forventningsrett fordi Eλ = E X = λ, og at variansen blir var(λ ) = λ/n. Det er ikke slik at en SME alltid er 5

6 forventningsrett, men forventningen vil ligge nær den sanne parameterverdien, spesielt når estimatoren er basert på mange observasjoner. Variansen til estimatoren vil nærme seg null når antall observasjoner går mot uendelig. Hvis vi har n uavhengige observasjoner av en kontinuerlig fordelt variabel X definerer vi tilsvarende likelihoodfunksjonen som produktet av sannsynlighetstetthetene L(θ) = f(x i ; θ) der θ er den ukjente parameteren i modellen. Hvis L(θ) multipliseres med dx dx 2... dx n får vi sannsynligheten for at den observerte verdien skal ligge i et n-dimensjonalt område som inneholder (x, x 2,..., x n ) og har sidekanter dx, dx 2,..., dx n, slik at likelihoodfunksjonen også i det kontinuerlige tilfellet i en viss forstand (på en konstant faktor nær) representerer sannsynligheten for å få det observerte resultatet. La oss som eksempel finne SME for parameteren i eksponensialfordelingen basert på n uavhengige observasjoner. Likelihoodfunksjonen blir da som gir L(θ) = θe θx i ln L(θ) = n ln θ θ x i og d dθ L(θ) = n/θ x i. Dette gir at likelihoodfunksjonene er maksimal for θ = / x, slik at SME blir θ = / X. I dette tilfellet er SME ikke forventningsrett, men /θ er en forventningsrett estimator for /θ. Oppgave 5 Vi har n uavhengige observasjoner fra fordelingen f(x; θ) = θ3 2 x2 e θx, for x 0. 6

7 (legg merke til at dette er et spesialtilfelle av gammafordelingen). Finn SME for θ. Flere ukjente parametre Dersom det er flere ukjente parametre blir fremgangsmåten i prinsippet den samme. La nå θ betegne k ukjente parametre (θ, θ 2,..., θ k ). Likelihoodfunksjonen blir da en funksjon i k variable, L(θ). Som før er denne definert ved det samme matematiske uttrykket som simultanfordelingen. SME for alle parametrene finnes ved å maksimalisere likelihoodfunksjonen (eller ln L(θ)) med hensyn på alle k parametre. Som eksempel ser vi på normalfordelingen med ukjent forventning og varians (k = 2). Likelihoodfunksjonen blir da som gir L(µ, σ 2 ) = 2πσ 2 e (x i µ)2 2σ 2, ln L(µ, σ 2 ) = c n 2 σ2 2σ 2 (xi µ) 2. Ved å derivere m.h.p µ finner vi først at µ = x. Ved så å derivere m.h.p. σ 2, sette den deriverte lik null og sette inn µ = x finner vi σ 2 = n (xi x) 2. Vi ser i dette tilfellet at SME blir lik momentestimatorene for µ og σ 2. Oppgave 6 La X, X 2,..., X n være n uavhengige lognormalfordelte variable med parametre µ og σ 2. Ta utgangspunkt i simultantettheten til Xene og maksimaliser likelihoodfunksjonen m.h.p. µ og σ 2. Vis at resultatet blir ekvivalent med eksempelet ovenfor. (Dette følger av et generelt resultat som sier at sannsynlighetsmaksimeringsestimatorene er invariante overfor monotone transformasjoner). 7

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

Oppgave 1: Feil på mobiltelefoner

Oppgave 1: Feil på mobiltelefoner Oppgave 1: Feil på mobiltelefoner a) Sannsynlighetene i oppgaven blir P (F 1 F 2 ) P (F 1 ) + P (F 2 ) P (F 1 F 2 ) P (F 1 ) + 1 P (F2 C ) P (F 1 F 2 ) 0.080 + 0.075 0.006 0.149 P (F 1 F 2 ) P (F 1 F 2

Detaljer

Første sett med obligatoriske oppgaver i STK1110 høsten 2015

Første sett med obligatoriske oppgaver i STK1110 høsten 2015 Første sett med obligatoriske oppgaver i STK1110 høsten 2015 Dette er det første obligatoriske oppgavesettet i STK1110 høsten 2015. Oppgavesettet består av fire oppgaver. Du må bruke Matematisk institutts

Detaljer

Andre sett med obligatoriske oppgaver i STK1110 høsten 2010

Andre sett med obligatoriske oppgaver i STK1110 høsten 2010 Andre sett med obligatoriske oppgaver i STK1110 høsten 2010 Dette er det andre settet med obligatoriske oppgaver i STK1110 høsten 2010. Oppgavesettet består av fire oppgaver. Det er valgfritt om du vil

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

UNIVERSITETET I OSLO

UNIVERSITETET I OSLO UNIVERSITETET I OSLO Det matematisk-naturvitenskapelige fakultet Eksamen i: ST101 Innføring i statistikk og sannsynlighetsregning. Eksamensdag: Mandag 29. november 1993. Tid for eksamen: 09.00 15.00. Oppgavesettet

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

Regler i statistikk STAT 100

Regler i statistikk STAT 100 TORIL FJELDAAS RYGG - VÅREN 2010 Regler i statistikk STAT 100 Innhold side Sannsynlighetsregning 3 - Uttrykk 3 - Betinget sannsynlighet 4 - Regler for sannsynlighet 4 - Bayes teorem 4 - Uavhengige begivenheter

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

Tilfeldig utvalg [8.1] U.i.f. Statistisk inferens. Kapittel 8 og 9

Tilfeldig utvalg [8.1] U.i.f. Statistisk inferens. Kapittel 8 og 9 3 Tilfeldig utvalg [8.1] DEF 8.1: En populasjon er mengden av observasjoner som vi ønsker å studere, dvs. alle observasjoner det er mulig å gjøre. (Dersom elementene i populasjonen har fordeling f(x),

Detaljer

EKSAMEN I FAG 75510/75515 STATISTIKK 1 Tirsdag 20. mai 1997 Tid: 09:00 14:00

EKSAMEN I FAG 75510/75515 STATISTIKK 1 Tirsdag 20. mai 1997 Tid: 09:00 14:00 Norges teknisk naturvitenskapelige universitet Institutt for matematiske fag Side 1 av 5 Faglig kontakt under eksamen: Håvard Rue 73 59 35 20 Håkon Tjelmeland 73 59 35 20 Bjørn Kåre Hegstad 73 59 35 20

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 Vår 2007

TMA4245 Statistikk Vår 2007 TMA4245 Statistikk Vår 2007 Norges teknisk-naturvitenskapelige universitet Institutt for matematiske fag Øving nummer 7 Oppgave Tippekonkurranse Denne oppgaven er ment som en kjapp test på hva du har lært.

Detaljer

Togforsinkelsen (Eksamen Des2003.1a) I denne oppgaven kan du bruke uten å vise det at

Togforsinkelsen (Eksamen Des2003.1a) I denne oppgaven kan du bruke uten å vise det at Kapittel 4 Forventningsverdi, varians, kovarians for én stokastisk variabel og funksjoner av stokastiske variabler TMA4245 V2007: Eirik Mo 2 4.1 Forventing til en stokastisk variabel DEF 4.1: La X være

Detaljer

Dato: Tirsdag 28. november 2006 Lengde på eksamen: 4 timer Tillatte hjelpemidler: Kun standard enkel kalkulator, HP 30S

Dato: Tirsdag 28. november 2006 Lengde på eksamen: 4 timer Tillatte hjelpemidler: Kun standard enkel kalkulator, HP 30S DET TEKNISK - NATURVITENSKAPELIGE FAKULTET Institutt for data- og elektroteknikk Eksamen i MIK130, Systemidentifikasjon Dato: Tirsdag 28. november 2006 Lengde på eksamen: 4 timer Tillatte hjelpemidler:

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: 11. juni 2007. KLASSE: HIS 05 08. TID: kl. 8.00 13.00. FAGLÆRER: Hans Petter Hornæs ANTALL SIDER UTLEVERT: 5 (innkl. forside)

Detaljer

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

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

Detaljer

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

Eksamensoppgave i TMA4245 Statistikk

Eksamensoppgave i TMA4245 Statistikk Institutt for matematiske fag Eksamensoppgave i TMA4245 Statistikk Faglig kontakt under eksamen: Håkon Tjelmeland Tlf: 48 22 18 96 Eksamensdato:??. august 2014 Eksamenstid (fra til): 09:00 13:00 Hjelpemiddelkode/Tillatte

Detaljer

> 6 7 ) = 1 Φ( 1) = 1 0.1587 = 0.8413 P (X < 7 X < 8) P (X < 8) < 7 6 1 ) < 8 6 1 ) = Φ(2) = 0.8413

> 6 7 ) = 1 Φ( 1) = 1 0.1587 = 0.8413 P (X < 7 X < 8) P (X < 8) < 7 6 1 ) < 8 6 1 ) = Φ(2) = 0.8413 Norges teknisk naturvitenskapelige universitet Institutt for matematiske fag Side av 7 Oppgave Sykkelruter a) P (Y > 6) P (Y > 6) P ( Y 7 > 6 7 ) Φ( ) 0.587 0.843 b) Hypoteser: H 0 : µ µ 2 H : µ < µ 2

Detaljer

Eksamensoppgave i TMA4240 Statistikk

Eksamensoppgave i TMA4240 Statistikk Institutt for matematiske fag Eksamensoppgave i TMA4240 Statistikk Faglig kontakt under eksamen: Jo Eidsvik og Arild Brandrud Næss Tlf: 90 12 74 72 og 99 53 82 94 Eksamensdato: 9. desember 2013 Eksamenstid

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

år i 1 2 3 4 5 6 7 8 9 alder x i 37 38 39 40 41 42 43 44 45 tid y i 45.54 41.38 42.50 38.80 41.26 37.20 38.19 38.05 37.45 i=1 (x i x) 2 = 60, 9

år i 1 2 3 4 5 6 7 8 9 alder x i 37 38 39 40 41 42 43 44 45 tid y i 45.54 41.38 42.50 38.80 41.26 37.20 38.19 38.05 37.45 i=1 (x i x) 2 = 60, 9 TMA424 Statistikk Vår 214 Norges teknisk-naturvitenskapelige universitet Institutt for matematiske fag Øving nummer 11, blokk II Oppgave 1 Matlabkoden linearreg.m, tilgjengelig fra emnets hjemmeside, utfører

Detaljer

UNIVERSITETET I OSLO ØKONOMISK INSTITUTT

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

Detaljer

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

UNIVERSITETET I OSLO

UNIVERSITETET I OSLO UNIVERSITETET I OSLO Det matematisk-naturvitenskapelige fakultet Eksamen i: STK1120 Statistiske metoder og dataanalyse 2. Eksamensdag: Tirsdag 2. juni 2009. Tid for eksamen: 14.30 17.30. Oppgavesettet

Detaljer

EKSAMEN I TMA4245 Statistikk

EKSAMEN I TMA4245 Statistikk Norges teknisk naturvitenskapelige universitet Institutt for matematiske fag Side 1 av 5 Faglig kontakt under eksamen: Turid Follestad (98 06 68 80/73 59 35 37) Hugo Hammer (45 21 01 84/73 59 77 74) Eirik

Detaljer

+ S2 Y ) 2. = 6.737 6 (avrundet nedover til nærmeste heltall) n Y 1

+ S2 Y ) 2. = 6.737 6 (avrundet nedover til nærmeste heltall) n Y 1 Løsningsforslag for: MOT10 STATISTISKE METODER 1 VARIGHET: 4 TIMER DATO: 6. november 007 TILLATTE HJELPEMIDLER: Kalkulator: HP0S, Casio FX8 eller TI-0 Tabeller og formler i statistikk (Tapir forlag) MERKNADER:

Detaljer

EKSAMEN I TMA4240 Statistikk

EKSAMEN I TMA4240 Statistikk Norges teknisk naturvitenskapelige universitet Institutt for matematiske fag Side 1 av 5 Faglig kontakt under eksamen: Henning Omre (909 37848) Mette Langaas (988 47649) EKSAMEN I TMA4240 Statistikk 18.

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

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

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

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

Tilstandsestimering Oppgaver

Tilstandsestimering Oppgaver Telemark University College Department of Electrical Engineering, Information Technology and Cybernetics Tilstandsestimering Oppgaver HANS-PETTER HALVORSEN, 2012.01.27 Faculty of Technology, Postboks 203,

Detaljer

Dekkes av pensumsidene i kap. lesingsnotatene. Hypotesetesting er en systematisk fremgangsmåte

Dekkes av pensumsidene i kap. lesingsnotatene. Hypotesetesting er en systematisk fremgangsmåte Hypotesetesting. 10 og fore- Dekkes av pensumsidene i kap. lesingsnotatene. Hypotesetesting er en systematisk fremgangsmåte for å undersøke hypoteser (påstander) knyttet til parametre i sannsynlighetsfordelinger.

Detaljer

Løsningsforslag AA6526 Matematikk 3MX - 5. mai 2004. eksamensoppgaver.org

Løsningsforslag AA6526 Matematikk 3MX - 5. mai 2004. eksamensoppgaver.org Løsningsforslag AA6526 Matematikk 3MX - 5. mai 2004 eksamensoppgaver.org eksamensoppgaver.org 2 Om løsningsforslaget Løsningsforslaget for matematikk eksamen i 3MX er gratis, og det er lastet ned på eksamensoppgaver.org.

Detaljer

LØSNINGSFORSLAG EKSAMEN I GRUNNKURS I ANALYSE I (MA1101/MA6101)

LØSNINGSFORSLAG EKSAMEN I GRUNNKURS I ANALYSE I (MA1101/MA6101) Norges teknisk naturvitenskapelige universitet Institutt for matematiske fag Side av 6 LØSNINGSFORSLAG EKSAMEN I GRUNNKURS I ANALYSE I (MA0/MA60) Fredag 2. desember 202 Tid: 09:00 3:00 Hjelpemidler: Kode

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

Kalmanfilter HANS-PETTER HALVORSEN, 2012.02.24

Kalmanfilter HANS-PETTER HALVORSEN, 2012.02.24 Telemark University College Department of Electrical Engineering, Information Technology and Cybernetics HANS-PETTER HALVORSEN, 2012.02.24 Faculty of Technology, Postboks 203, Kjølnes ring 56, N-3901 Porsgrunn,

Detaljer

LØSNINGSFORSLAG TIL EKSAMEN I FAG TMA4245 STATISTIKK 6.august 2004

LØSNINGSFORSLAG TIL EKSAMEN I FAG TMA4245 STATISTIKK 6.august 2004 Norges tekisk aturviteskapelige uiversitet Istitutt for matematiske fag Side av 0 LØSNINGSFORSLAG TIL EKSAMEN I FAG TMA4245 STATISTIKK 6.august 2004 Oppgave Midtveiseksame a) X er e stokastisk variabel

Detaljer

Bakgrunnsto fra sannsynlighetsregning og matematisk statistikk

Bakgrunnsto fra sannsynlighetsregning og matematisk statistikk Bakgrunnsto fra sannsynlighetsregning og matematisk statistikk M.B August 25 Georg Cantor 1883: Das Wesen der Mathematik liegt in ihrer Freiheit 1 Innledninng Det matematiske grunnlaget for disse disiplinene

Detaljer

Litt mer om eksponensialfordelingen

Litt mer om eksponensialfordelingen Litt mer om eksponensialfordelingen og Poissonprosesser. Dekkes av 5.6, 6.6, 6.7 og det som står under. Eksponensialfordelingen Så langt har vi lært at det finnes to parametriseringer av eksponensialfordelingen

Detaljer

Eksamen REA3028 S2, Høsten 2012

Eksamen REA3028 S2, Høsten 2012 Eksamen REA308 S, Høsten 01 Del 1 Tid: timer Hjelpemidler: Vanlige skrivesaker, passer, linjal med centimetermål og vinkelmåler er tillatt. Oppgave 1 (6 poeng) Deriver funksjonene 3x x a) gx 3 3x x 3x

Detaljer

6.2 Signifikanstester

6.2 Signifikanstester 6.2 Signifikanstester Konfidensintervaller er nyttige når vi ønsker å estimere en populasjonsparameter Signifikanstester er nyttige dersom vi ønsker å teste en hypotese om en parameter i en populasjon

Detaljer

HØGSKOLEN I STAVANGER

HØGSKOLEN I STAVANGER EKSAMEN I: MOT310 STATISTISKE METODER VARIGHET: 4 TIMER DATO: 27. FEBRUAR 2004 TILLATTE HJELPEMIDLER: KALKULATOR, TABELLER OG FORMLER I STATISTIKK (TAPIR FORLAG) OPPGAVESETTET BESTÅR AV 3 OPPGAVER PÅ 5

Detaljer

Derivasjon ekstremverdier Forelesning i Matematikk 1 TMA4100

Derivasjon ekstremverdier Forelesning i Matematikk 1 TMA4100 Derivasjon ekstremverdier Forelesning i Matematikk TMA400 Hans Jakob Rivertz Institutt for matematiske fag 6. september 20 Kapittel 3.. Hyperbolske funksjoner 3 Hyperbolske funksjoner Definisjon (Grunndefinisjoner)

Detaljer

UNIVERSITETET I OSLO

UNIVERSITETET I OSLO Deleksamen i: UNIVERSITETET I OSLO Det matematisk-naturvitenskapelige fakultet STK1000 Innføring i anvendt statistikk. Eksamensdag: Onsdag 12. oktober 2011. Tid for eksamen: 15:00 17:00. Oppgavesettet

Detaljer

Løsningsforslag AA6526 Matematikk 3MX Privatister 3. mai 2005. eksamensoppgaver.org

Løsningsforslag AA6526 Matematikk 3MX Privatister 3. mai 2005. eksamensoppgaver.org Løsningsforslag AA6526 Matematikk 3MX Privatister 3. mai 2005 eksamensoppgaver.org eksamensoppgaver.org 2 Om løsningsforslaget Løsningsforslaget for matematikk eksamen i 3MX er gratis, og det er lastet

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

EKSAMEN I FAG TMA4275 LEVETIDSANALYSE Mandag 27. mai 2013 Tid: 09:00 13:00

EKSAMEN I FAG TMA4275 LEVETIDSANALYSE Mandag 27. mai 2013 Tid: 09:00 13:00 Norges teknisk naturvitenskapelige universitet Institutt for matematiske fag Side 1 av 10 Faglig kontakt under eksamen: Bo Lindqvist 975 89 418 EKSAMEN I FAG TMA4275 LEVETIDSANALYSE Mandag 27. mai 2013

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

ST0202 Statistikk for samfunnsvitere Kapittel 6: Normalfordelingen

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

Detaljer

Løsningsforslag Til Statlab 5

Løsningsforslag Til Statlab 5 Løsningsforslag Til Statlab 5 Jimmy Paul September 6, 007 Oppgave 8.1 Vi skal se på ukentlige forbruk av søtsaker blant barn i et visst område. En pilotstudie gir at standardavviket til det ukentige forbruket

Detaljer

Høgskolen i Gjøviks notatserie, 2001 nr 5

Høgskolen i Gjøviks notatserie, 2001 nr 5 Høgskolen i Gjøviks notatserie, 2001 nr 5 5 Java-applet s for faget Statistikk Tor Slind Avdeling for Teknologi Gjøvik 2001 ISSN 1501-3162 Sammendrag Dette notatet beskriver 5 JAVA-applets som demonstrerer

Detaljer

Institutt for Samfunnsøkonomi. Utlevering: 29.04.2015 Kl. 09:00 Innlevering: 29.04.2015 Kl. 14:00

Institutt for Samfunnsøkonomi. Utlevering: 29.04.2015 Kl. 09:00 Innlevering: 29.04.2015 Kl. 14:00 SENSORVEILEDNING MET 803 Matematikk Institutt for Samfunnsøkonomi Utlevering: 9.04.05 Kl. 09:00 Innlevering: 9.04.05 Kl. 4:00 For mer informasjon om formalia, se eksamensoppgaven. Oppgave Beregn følgende

Detaljer

Løsningsforslag, midtsemesterprøve MA1101, 5.oktober 2010

Løsningsforslag, midtsemesterprøve MA1101, 5.oktober 2010 Norges teknisk naturvitenskapelige universitet Institutt for matematiske fag Side 1 av 5 Løsningsforslag, midtsemesterprøve MA1101, 5.oktober 2010 Oppgave 1 Løs ulikheten x + 6 5 x + 2 Strategien er å

Detaljer

Øving 7: Statistikk for trafikkingeniører

Øving 7: Statistikk for trafikkingeniører NTNU Veg og samferdsel EVU kurs Trafikkteknikk Oslo / høsten 2007 Øving 7: Statistikk for trafikkingeniører Det anbefales generelt å arbeide i grupper med 2-3 studenter i hver gruppe. Bruk gjerne Excel

Detaljer

MATEMATIKK 1 (for 8. 10. trinn) Emnebeskrivelser for studieåret 2014/2015

MATEMATIKK 1 (for 8. 10. trinn) Emnebeskrivelser for studieåret 2014/2015 MATEMATIKK 1 (for 8. 10. trinn) Emnebeskrivelser for studieåret 2014/2015 Emnenavn Grunnleggende matematikk Precalculus MA6001 Undervisningssemester Høst 2014 Professor Petter Bergh petter.bergh@math.ntnu.no

Detaljer

Eksamensoppgåve i ST1201/ST6201 Statistiske metoder

Eksamensoppgåve i ST1201/ST6201 Statistiske metoder Institutt for matematiske fag Eksamensoppgåve i ST1201/ST6201 Statistiske metoder Fagleg kontakt under eksamen: Tlf: Eksamensdato: august 2015 Eksamenstid (frå til): Hjelpemiddelkode/Tillatne hjelpemiddel:

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

Løsningsforslag for eksamen i AA6526 Matematikk 3MX - 5. desember 2008. eksamensoppgaver.org

Løsningsforslag for eksamen i AA6526 Matematikk 3MX - 5. desember 2008. eksamensoppgaver.org Løsningsforslag for eksamen i AA6526 Matematikk 3MX - 5. desember 2008 eksamensoppgaver.org eksamensoppgaver.org 2 Om løsningsforslaget Løsningsforslaget for matematikkeksamen i 3MX er gratis, og det er

Detaljer

Potensrekker. Binomialrekker

Potensrekker. Binomialrekker Potensrekker Potensrekker er rekker på formen: Potensrekker kan brukes på en rekke områder for å finne tilnærmede eller eksakte løsninger på problemer som ellers kanskje må løses numerisk eller krever

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

RAMMER FOR MUNTLIG EKSAMEN I MATEMATIKK ELEVER 2015

RAMMER FOR MUNTLIG EKSAMEN I MATEMATIKK ELEVER 2015 RAMMER FOR MUNIG EKSAMEN I MAEMAIKK EEVER 2015 Fagkoder: MA1012, MA1014, MA1016, MA1018, MA1101,MA1105, MA1106, MA1110, REA3021, REA3023, REA3025, REA3027, REA3029 Årstrinn: Vg1, Vg2 og Vg3 Gjelder for

Detaljer

Kapittel 4: Sannsynlighet - Studiet av tilfeldighet

Kapittel 4: Sannsynlighet - Studiet av tilfeldighet Kapittel 4: Sannsynlighet - Studiet av tilfeldighet Vi så i forrige kapittel at utvalgsfordeling til en statistikk (observator) er fordelingen av verdiene til statistikken over alle utvalg av samme størrelse

Detaljer

ST0103 Brukerkurs i statistikk Høst 2014

ST0103 Brukerkurs i statistikk Høst 2014 Norges teknisk naturvitenskapelige univsitet Institutt for matematiske fag ST0103 Brukkurs i statistikk Høst 2014 Løsningsforslag Øving 6 5.2 Antall sprukne pøls X binomialfordelt med n 8 og p 0.2, og

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

Kalkulus 1. Et sentralt begrep i kalkulus (matematisk analyse) er grensebegrepet. Ofte ser vi på grenser for funksjoner eller grenser for tallfølger.

Kalkulus 1. Et sentralt begrep i kalkulus (matematisk analyse) er grensebegrepet. Ofte ser vi på grenser for funksjoner eller grenser for tallfølger. Kalkulus 1 Grenser Et sentralt begrep i kalkulus (matematisk analyse) er grensebegrepet. Ofte ser vi på grenser for funksjoner eller grenser for tallfølger. Vi sier at funksjonen f(x) har en grense f(a)

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

1 OPPGAVE 2 OPPGAVE. a) Hva blir kontobeløpet den 2. januar 2040? b) Hvor mye penger blir det i pengeskapet den 2. januar 2040?

1 OPPGAVE 2 OPPGAVE. a) Hva blir kontobeløpet den 2. januar 2040? b) Hvor mye penger blir det i pengeskapet den 2. januar 2040? OPPGAVE Den. januar 0 satte Ola Normann 00 tusen kroner på en bankkonto med faste renter 3% per år. Han planlegger å ta ut halvparten av rentebeløpet den. januar hvert år, og å legge kontantene til et

Detaljer

ÅMA110 Sannsynlighetsregning med statistikk, våren 2010. ÅMA110 Sannsynlighetsregning med statistikk, våren 2010

ÅMA110 Sannsynlighetsregning med statistikk, våren 2010. ÅMA110 Sannsynlighetsregning med statistikk, våren 2010 ÅMA Sannsynlighetsregning med statistikk, våren Kp. Diskrete tilfeldige variable ÅMA Sannsynlighetsregning med statistikk, våren Kp. Diskrete tilfeldige variable Diskrete tilfeldige variable, innledning

Detaljer

BIO2150 Biostatistikk og studiedesign. Ordliste

BIO2150 Biostatistikk og studiedesign. Ordliste BIO2150 Biostatistikk og studiedesign Ordliste Forord Denne ordlisten inneholder forklaringer på statistiske og andre matematiske ord og uttrykk som brukes i forelesningene i BIO2150 ved Biologisk institutt,

Detaljer

Eksamen i : STA-1002 Statistikk og. Eksamensdato : 26. september 2011. Sted : Administrasjonsbygget. Tillatte hjelpemidler : - Godkjent kalkulator

Eksamen i : STA-1002 Statistikk og. Eksamensdato : 26. september 2011. Sted : Administrasjonsbygget. Tillatte hjelpemidler : - Godkjent kalkulator Side 1 av 11 sider EKSAMENSOPPGAVE I STA-1002 Eksamen i : STA-1002 Statistikk og sannsynlighet 2 Eksamensdato : 26. september 2011. Tid : 09-13. Sted : Administrasjonsbygget. Tillatte hjelpemidler : -

Detaljer

Eksamensoppgavehefte 1. MAT1012 Matematikk 2: Mer funksjonsteori i en og flere variabler

Eksamensoppgavehefte 1. MAT1012 Matematikk 2: Mer funksjonsteori i en og flere variabler Eksamensoppgavehefte 1 MAT1012 Matematikk 2: Mer funksjonsteori i en og flere variabler Matematisk institutt, UiO, våren 2010 I dette heftet er det samlet et utvalg av tidligere eksamensoppgaver innenfor

Detaljer

Statistisk beskrivelse av enkeltvariabler. SOS1120 Kvantitativ metode. Disposisjon. Datamatrisen. Forelesningsnotater 6. forelesning høsten 2005

Statistisk beskrivelse av enkeltvariabler. SOS1120 Kvantitativ metode. Disposisjon. Datamatrisen. Forelesningsnotater 6. forelesning høsten 2005 SOS110 Kvantitativ metode Forelesningsnotater 6 forelesning høsten 005 Statistisk beskrivelse av enkeltvariabler (Univariat analyse) Per Arne Tufte Disposisjon Datamatrisen Variabler Datamatrisen Frekvensfordelinger

Detaljer

Løsningsforslag Eksamen 3MX - AA6524-04.06.2007. eksamensoppgaver.org

Løsningsforslag Eksamen 3MX - AA6524-04.06.2007. eksamensoppgaver.org Løsningsforslag Eksamen 3MX - AA65 -.6.7 eksamensoppgaver.org eksamensoppgaver.org Om løsningsforslaget Løsningsforslaget for matematikk eksamen i 3MX er gratis, og det er lastet ned på eksamensoppgaver.org.

Detaljer

Faktor - en eksamensavis utgitt av ECONnect

Faktor - en eksamensavis utgitt av ECONnect Faktor - en eksamensavis utgitt av ECONnect Løsningsforslag: SØK1004 Statistikk for økonomer Eksamen: Våren 009 Antall sider: 16 SØK1004 - Løsningsforslag Om ECONnect: ECONnect er en frivillig studentorganisasjon

Detaljer

H ØGSKOLEN I BERGEN Avdeling for ingeniørutdanning

H ØGSKOLEN I BERGEN Avdeling for ingeniørutdanning H ØGSKOLEN I BERGEN Avdeling for ingeniørutdanning EKSAMEN KLASSAR FOA 172 Statistikk : alle DATO : 5. desember 2007 TAL pa OPPGAVER TAL pa SIDER VEDLEGG HJELPEMIDDEL TID MALFORM FAGLÆRARAR : 4 : 3 (inkludert

Detaljer

Enkel matematikk for økonomer 1. Innhold. Parenteser, brøk og potenser. Ekstranotat, februar 2015

Enkel matematikk for økonomer 1. Innhold. Parenteser, brøk og potenser. Ekstranotat, februar 2015 Ekstranotat, februar 205 Enkel matematikk for økonomer Innhold Enkel matematikk for økonomer... Parenteser, brøk og potenser... Funksjoner...4 Tilvekstform (differensialregning)...5 Nyttige tilnærminger...8

Detaljer

b) Hva er sannsynligheten for at re tilfeldig utvalgte bilmotorer alle har en levetid på minst 17 år?

b) Hva er sannsynligheten for at re tilfeldig utvalgte bilmotorer alle har en levetid på minst 17 år? Oppgave 1 Levetiden T til en bestemt type bilmotor er normalfordelt med forventning µ = 15 år og standardavvik σ = 3 år. a) Vis at sannsynligheten for at en tilfeldig utvalgt bilmotor har en levetid på

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

Standardavvik. Varians. Utfallsrom (sannsynlighet)

Standardavvik. Varians. Utfallsrom (sannsynlighet) Standardavvik Median Varians n = partall Utfallsrom (sannsynlighet) Persentil er verdien definert ved at minst 100% * p% lav observasjonene ligger nedenfor denne verdien En stokatisk variabel X er en funksjon

Detaljer

Statistikk, FO242N, AMMT, HiST 2. årskurs, 30. mai 2007 side 1 ( av 8) LØSNINGSFORSLAG HØGSKOLEN I SØR-TRØNDELAG

Statistikk, FO242N, AMMT, HiST 2. årskurs, 30. mai 2007 side 1 ( av 8) LØSNINGSFORSLAG HØGSKOLEN I SØR-TRØNDELAG Statistikk, FO242N, AMMT, HiST 2. årskurs, 30. mai 2007 side 1 ( av 8) LØSNINGSFORSLAG HØGSKOLEN I SØR-TRØNDELAG AVDELING FOR MAT- OG MEDISINSK TEKNOLOGI Matteknologisk utdanning Kandidatnr: Eksamensdato:

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

Bokmål. Eksamensinformasjon

Bokmål. Eksamensinformasjon Eksamen 05.12.2008 AA6524/AA6526 Matematikk 3MX Elevar og privatistar / Elever og privatister Nynorsk/Bokmål Bokmål Eksamensinformasjon Eksamenstid: Hjelpemidler: Vedlegg: Andre opplysninger: Framgangsmåte

Detaljer

Sammendrag R1. Sandnes VGS 19. august 2009

Sammendrag R1. Sandnes VGS 19. august 2009 Sammendrag R1 Sandnes VGS 19. august 2009 1 1 Notasjon Implikasjon Vi skriver A B hvis påstanden A impliserer B. Det vil si at hvis påstand A er riktig, så er påstand B riktig. Ekvivalens Vi skriver A

Detaljer

Tilstandsestimering Løsninger

Tilstandsestimering Løsninger Telemark University College Department of Electrical Engineering, Information Technology and Cybernetics Tilstandsestimering Løsninger HANS-PETTER HALVORSEN, 2012.01.27 Faculty of Technology, Postboks

Detaljer

NTNU KOMPiS Studieplan for MATEMATIKK 1 (8. - 10. trinn) Studieåret 2014/2015

NTNU KOMPiS Studieplan for MATEMATIKK 1 (8. - 10. trinn) Studieåret 2014/2015 Godkjent april 2014 NTNU KOMPiS Studieplan for MATEMATIKK 1 (8. - 10. trinn) Studieåret 2014/2015 Profesjons- og yrkesmål Dette studiet er beregnet for lærere som har godkjent lærerutdanning med innslag

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

Sammendrag R1. 26. januar 2011

Sammendrag R1. 26. januar 2011 Sammendrag R1 26. januar 2011 1 1 Notasjon Implikasjon Vi skriver A B hvis påstanden A impliserer B. Det vil si at hvis påstand A er riktig, så er påstand B riktig. Ekvivalens Vi skriver A B hvis to påstander

Detaljer

Løsningsforslag. og B =

Løsningsforslag. og B = Prøve i Matte Dato: vår 5 ENDRE Hjelpemiddel: Kalkulator og formelark Alle svar skal grunngis. Alle deloppgaver ar lik vekt. Oppgave a Gitt matrisene A regn ut A + B, AB. Løsningsforslag 4 og B 7 5 Vi

Detaljer

EKSAMEN I EMNE TMA4245 STATISTIKK

EKSAMEN I EMNE TMA4245 STATISTIKK Norges teknisk naturvitenskapelige universitet Institutt for matematiske fag Side 1 av 5 Bokmål Faglig kontakt under eksamen: John Tyssedal 73 59 35 34/ 41 64 53 76 Jo Eidsvik 73 59 01 53/ 90 12 74 72

Detaljer

Løsningsforslag Prøveeksamen i MAT-INF 1100, Høsten 2003

Løsningsforslag Prøveeksamen i MAT-INF 1100, Høsten 2003 Løsningsforslag Prøveeksamen i MAT-INF 1100, Høsten 003 Denne prøveeksamenen har samme format som den virkelige eksamenen, og inneholder oppgaver av samme type og vanskelighetsgrad. Første del av eksamen

Detaljer

Econ 2130 uke 15 (HG) Poissonfordelingen og innføring i estimering

Econ 2130 uke 15 (HG) Poissonfordelingen og innføring i estimering Eco 130 uke 15 (HG) Poissofordelige og iførig i estimerig 1 Poissofordelige (i) Tilærmig til biomialfordelige. Regel. ( Poissotilærmelse ) Ata Y ~ bi(, p) E( Y ) = p og var( Y ) = p(1 p). Hvis er stor

Detaljer

Verdens statistikk-dag. Signifikanstester. Eksempel studentlån. http://unstats.un.org/unsd/wsd/

Verdens statistikk-dag. Signifikanstester. Eksempel studentlån. http://unstats.un.org/unsd/wsd/ Verdens statistikk-dag http://unstats.un.org/unsd/wsd/ Signifikanstester Ønsker å teste hypotese om populasjon Bruker data til å teste hypotese Typisk prosedyre Beregn sannsynlighet for utfall av observator

Detaljer

Oppgave 1. Det oppgis at dersom y ij er observasjon nummer j fra laboratorium i så er SSA = (y ij ȳ i ) 2 = 3.6080.

Oppgave 1. Det oppgis at dersom y ij er observasjon nummer j fra laboratorium i så er SSA = (y ij ȳ i ) 2 = 3.6080. EKSAMEN I: MOT310 STATISTISKE METODER 1 VARIGHET: 4 TIMER DATO: 28. FEBRUAR 2005 TILLATTE HJELPEMIDLER: KALKULATOR, TABELLER OG FORMLER I STATISTIKK (TAPIR FORLAG) OPPGAVESETTET BESTÅR AV 4 OPPGAVER PÅ

Detaljer

Talsnes ONE - 995850168 Enhver form for mangfoldiggjørelse av hele eller deler av innholdet av dette materiale er i henhold til norsk lov om

Talsnes ONE - 995850168 Enhver form for mangfoldiggjørelse av hele eller deler av innholdet av dette materiale er i henhold til norsk lov om 1 Eksponentielt vekst: En størrelse vokser eller avtar med en fast prosent per tidsenhet. Eulers tall e: En matematisk konstant, e=2,7 1828.. ln a gir det tallet du må opphøye Eulers tall e i for å få

Detaljer

3x + 2y 8, 2x + 4y 8.

3x + 2y 8, 2x + 4y 8. Oppgave En møbelfabrikk produserer bord og stoler Produksjonen av møbler skjer i to avdelinger, avdeling I og avdeling II Alle møbler må innom både avdeling I og avdeling II Det å produsere et bord tar

Detaljer

Løsningsforslag til underveisvurdering i MAT111 vår 2005

Løsningsforslag til underveisvurdering i MAT111 vår 2005 Løsningsforslag til underveisvurdering i MAT111 vår 5 Beregn grenseverdien Oppgave 1 (x 1) ln x x x + 1 Svar: Merk at nevneren er lik (x 1), så vi kan forkorte (x 1) oppe og nede og får (x 1) ln x ln x

Detaljer

Taylor- og Maclaurin-rekker

Taylor- og Maclaurin-rekker Taylor- og Maclaurin-rekker Forelest: Okt, 004 Potensrekker er funksjoner Vi så at noen funksjoner vi kjenner på andre måter kan skrives som funksjoner, for eksempel: = + t + t + t 3 + + t n + t e x =

Detaljer