2T kapittel 3 Modellering og bevis Utvalgte løsninger oppgavesamlingen
|
|
- Hallgeir Nygaard
- 7 år siden
- Visninger:
Transkript
1 T kapittel 3 Modellerig og bevis Utvalgte løsiger oppgavesamlige 301 a Sitthøyde i 1910 blir 170,0 171, 4 170,7. I 1970 blir de 177,1 179, 4 178,3. b Med som atall år etter 1900 og y som sitthøyde i cetimeter gir e lieær regresjo uttrykket y 0, , 6. Korrelasjoskoeffisiete blir r 0,994. c Stigigstallet beteger de årlige edrige i sitthøyde til orske rekrutter. d Setter vi i 50, får vi y 0, ,6 175,5. Med 150 blir høyde y 0, ,6 187,. De første verdie er mest pålitelig, ettersom de ligger iefor dataområdet. De adre er gaske lagt utefor, og e gjeomsittshøyde på este 190 cm er ok ikke så veldig sasylig. 306 a Høyde på hver stolpe agir totalt atall driftseheter et gitt år. Dermed ka vi lese verdiee direkte og få følgede tabell: Atall år etter Atall eheter (tuse) Lager vi e lieær regresjo på grulag av dee tabelle, får vi uttrykket y, , der y er atall tuse eheter og er atall år etter Korrelasjoskoeffisiete blir r 0,999. b Selv om det totale atallet gårder avtar, ser vi at atallet store gårder øker. Det totale jordbruksarealet burde være tilærmet kostat. c Vi setter i 51 i uttrykket og får y, ,8, altså ca gårder. d For å fie ut år modelle sier det ikke er flere gårder igje, setter vi y 0 og løser 153 for : 55,8, det vil si i løpet av 04., a Ved e lieær regresjo av de to datasettee får vi følgede modell: y 0,944 1, 41 b Korrelasjoskoeffisiete blir r 0,975. c Hvis dommere var helt eige, ville datasettee være idetiske, dvs. at modelle ville være y. Korrelasjoskoeffisiete ville være r 1. Aschehoug Udervisig Side 1 av 7
2 319 a Vi setter i 1 i modelle fra oppgavetekste: 0,4 h( ) 0,8 1 0,8. 0,4 b Med 6 får vi h( ) 0,8 6 1,64. For vekste det sjette året treger vi å vite plates høyde ved igage til det året, altså 0,4 setter vi også i for 5: y 0,8 5 1,5. Plates vekst det sjette året blir altså 1,64 1,5 0,1. c Plott av fuksjoe h( ) 0,8 0,04 : 33 a Lies saldo ka beskrives med e ekspoetialfuksjo. b Vi ka bruke puktee (0,1500) og (4,171,8) i e ekspoetiell regresjo. Da får vi fuksjosuttrykket 15001, 035. c Vekstfaktore er 1,035, så Lies retesats er 3,5 %. Aschehoug Udervisig Side av 7
3 34 a Vi ka igje bruke to pukter til regresjoe, dee gage puktee (0, 3,00) og (1,, 35). Regresjoe gir uttrykket y 3, 000,980. b Vi løser likige 3, 000,980 0,80 grafisk og får 65, 4. Medisie fortsetter altså å virke ca. é time og fem miutter etter ijeksjoe. 330 a På grulag av tabelle lager vi e ekspoetiell regresjo. De gir uttrykket y,31,37. Korrelasjoskoeffisiete er r 0,998. b Vi setter y,3 og får likige,3,3 1,37, som vi forekler til 1,37. Vi løser likige grafisk og får, 0. Dobligstide er, år ifølge modelle. 333 a Vi bruker lieær regresjo på tallee i tabelle, med pris p som uavhegig variabel og etterspørsel E som avhegig variabel. Uttrykket blir E 0,91 p 836. b Itekte er gitt ved atall solgte eheter gager prise per ehet. Hvis vi atar at bedrifte produserer ok eheter til å dekke etterspørsele, ka vi si at itekte er gitt ved pris gager etterspørsel. Da får vi følgede modell: I 1, 096E 917 E, der I er itekte i kroer og E er etterspørsele i atall vareeheter. Aschehoug Udervisig Side 3 av 7
4 334 a Vi bruker kvadratisk regresjo på tallee i tabelle. Adregradsuttrykket blir y 0,860 97, b Vi atar, som oppgave sier, at bedrifte selger alle eheter de produserer. Dermed er atall solgte eheter lik atall produserte eheter. De får prise p 50 kr for hver vare. Videre har vi at overskuddet er lik forskjelle mellom itekter og kostader, eller O I K. Itektee er gitt ved pris per ehet gager atall eheter solgt, altså I p 50. Kostadee er gitt ved adregradsuttrykket i oppgave a. Setter vi dette samme, får vi O I K 50 0,860 97, , c Kurve for overskuddet har maksimum ved 89, altså bør de produsere 89 eheter for å oppå størst mulig overskudd. 335 a Vi bruker lieær regresjo på tallee i tabelle, med pris p som uavhegig variabel og etterspørsel E som avhegig variabel. Uttrykket blir E 0,093 p 136. b Itekte er gitt ved atall solgte eheter gager prise per ehet. Hvis vi atar at bedrifte produserer ok eheter til å dekke etterspørsele, ka vi si at itekte er gitt ved pris gager etterspørsel. Da får vi følgede modell: I 10,8E 146 E, der I er itekte i kroer og E er etterspørsele i atall vareeheter. c Med e kvadratisk regresjo får vi uttrykket som fuksjo av produksjosmegde. K 3, 49 75, for kostadee d Overskuddet er gitt ved O I K 10, , 49 75, , e Fuksjoe for overskuddet har maksimum ved 48. Bedrifte bør altså produsere 48 eheter for å oppå størst mulig overskudd. Vi setter i E 48 i uttrykket E 0,093p 136 fra oppgave a og løser likige: 48 0, 093 p 136 0, 093p 88 p 946, 4 Salgsprise bør være 94 kr ifølge modelle. Aschehoug Udervisig Side 4 av 7
5 338 a Det ser ut til at e potesregresjo gir det beste resultatet. Vi forsøker det, og får 0,377 uttrykket y 1,60. b For får vi 0,377 y 1, a Hvis er et oddetall, ka det skrives 1, der er et aturlig tall. ( 1) Vi ser at ikke ieholder som faktor. Altså er et oddetall. b Hvis er et rasjoalt tall, betyr det at ka skrives som e brøk, a b der a og b er hele tall. Da er a a c b b d der c a og d b. Side kvadratet av et helt tall er et helt tall, er både c og d hele tall. Altså ka skrives som e brøk med hele tall i teller og ever, som betyr at er et rasjoalt tall. 355 a Vi skal bevise: 1 er ikke delbar med 3 er delbar med 3 De kotrapositive implikasjoe til dee påstade er er ikke delbar med 3 1 er delbar med 3 Hvis ikke er delbar med 3, ka vi skrive ete 3 k 1 eller 3 k der k er et helt tall. Vi ser på de to tilfellee hver for seg. og 3 k 1 k k k k k k k 1 (3 1) (3 ) 3 k k k k k k k k 1 (3 ) (3 4 1) I begge tilfellee ieholder 1 tallet 3 som faktor, og er altså delbar med 3. Vi har dermed bevist de kotrapositive implikasjoe. b Vi starter med å ata at t er et rasjoalt tall, dvs. der t og er aturlige tall ute felles faktorer. Da er Aschehoug Udervisig Side 5 av 7
6 t t t Vi ser at t er delelig med, som betyr at t må ha tallet som faktor. Da ka vi skrive t k, der k er et aturlig tall. Dette gir ( k) 4k k Av de siste likige ser vi at er delelig med, som betyr at også må ha tallet som faktor. Me dette betyr altså at både t og har som faktor. Dette er e selvmotsigelse, side vi har atatt at t og er ute felles faktorer. Dermed er påstade vi begyte med, emlig at er et rasjoalt tall, usa. Følgelig har vi bevist at er et irrasjoalt tall. 358 a Vi lager e lieær regresjo på grulag av dataee. Vi får y 39,93 45,55, og korrelasjoskoeffisiete blir r 0,990. Her er atall år etter 1950 og y atall tuse persobiler. b Vekste i de fem første radee ser ut til å være ekspoetiell, altså prøver vi med e ekspoetiell regresjo. Det gir y 65,8 1,13, med e korrelasjoskoeffisiet r 0,997. Aschehoug Udervisig Side 6 av 7
7 50 c Setter vi i for = 50, altså verdie for år 000, får vi y 65,8 1, Det vil si este 30 millioer persobiler! Dette er grue til at ekspoetiell vekst i bilatallet ikke er mulig over lag tid de år absurde verdier, og vekste stopper aldri. 36 a Hvis vi skriver om dataee i vestre koloe til atall år (altså 0, 1,, ), ka vi lage e modell av tidsforløpet til biles verdi. E ekspoetiell modell vil være best eget, side de syker jevt og mot ull. Vi prøver e ekspoetiell regresjo med atall år som avhegig variabel (y) og biles verdi som uavhegig variabel (), agitt i tuse kroer. Resultatet blir y 310 0,880, og vi får e korrelasjosskoeffisiet r 0, b Vi setter i for = 10 og får y(10) 310 0,880 86, 7, altså er bile verdt kr etter ti år. c Når bile er y, er de verdt y (0). Etter ett år har verdie suket til y(1). Forskjelle i verdi er altså y(0) y(1), og vi er iteressert i dee forskjelle oppgitt i proset av y(0). 1 a b y(1) % (0,880 1) 1 % Dermed må vi fie % a b y(0). Dette blir Biles verdi syker med 1 % hvert år. (Vi kue egetlig lest dette direkte av grutallet til.) 367 a Vi lager e ekspoetiell regresjo (på forme y a b ) med tid og fart som heholdsvis uavhegig og avhegig variabel. Vi får y 4,6 0,507. Korrelasjoskoeffisiete blir r 0,967, så det ser ut til å være rimelig god overesstemmelse mellom data og modell. b Fartsverdiee i tabelle er målt i forhold til et ullivå på 0 m s. Hvis vi skriver dem om slik at ullivået ligger på 1 m s, burde e y regresjo gi et bedre resultat. Omskrivige gjør vi ved å trekke 1 m s fra alle fartsverdiee, slik at de blir 4,00, 3,0, 1,90, 1,06, 1,01 E y regresjo gir å y 7,51 0,0797. Korrelasjoskoeffisiete blir r 0,98, altså har vi bedre overesstemmelse e i deloppgave a. Aschehoug Udervisig Side 7 av 7
Utvalgte løsninger oppgavesamlingen
P kapittel Modellering Utvalgte løsninger oppgavesamlingen 01 a Snitthøyden i 1910 lir 170,0 171, 4 170,7. I 1970 lir den 177,1 179, 4 178,3. Med som antall år etter 1900 og y som snitthøyden i entimeter
DetaljerEksamen REA3028 S2, Våren 2010
Eksame REA308 S, Våre 010 Del 1 Tid: timer Hjelpemidler: Valige skrivesaker, passer, lijal med cetimetermål og vikelmåler er tillatt. Oppgave 1 (6 poeg) a) Deriver fuksjoee: 1) f x x lx f x x lx x x f
DetaljerEksamen REA3028 S2, Våren 2010
Eksame REA308 S, Våre 010 Del 1 Tid: timer Hjelpemidler: Valige skrivesaker, passer, lijal med cetimetermål og vikelmåler er tillatt. Oppgave 1 (6 poeg) a) Deriver fuksjoee: 1) f xx lx ) gx 3 e x b) Gitt
DetaljerS2 kapittel 1 Rekker Løsninger til innlæringsoppgavene
Løsiger til ilærigsoppgavee kapittel Rekker Løsiger til ilærigsoppgavee a Vi ser at differase mellom hvert ledd er 4, så vi får det este leddet ved å legge til 4 Det este leddet blir altså 6 + 4 = 0 b
DetaljerMer om utvalgsundersøkelser
Mer om utvalgsudersøkelser I uderkapittel 3.6 i læreboka gir vi e kort iførig i takegage ved utvalgsudersøkelser. Vi gir her e grudigere framstillig av temaet. Populasjo og utvalg Ved e utvalgsudersøkelse
DetaljerEksamen REA3028 S2, Våren 2011
Eksame REA08 S, Våre 0 Del Tid: timer Hjelpemidler: Valige skrivesaker, passer, lijal med cetimetermål og vikelmåler er tillatt. Oppgave (8 poeg) a) Deriver fuksjoee ) f 5 f 6 5 ) g g ) h l 9 9 6 4 h l
DetaljerLøsning eksamen S2 våren 2010
Løsig eksame S våre 010 Oppgave 1 a) 1) f( ) l 1 f ( ) l l l l ( l 1) ) g ( ) 3e g( ) 3e 3e 6e b) Rekke er geometrisk med Rekke kovergerer. Summe er a1 1 1 s 1 k 1 1 1 1 1 k og oppfller dermed kravet 1
DetaljerForkunnskaper i matematikk for fysikkstudenter. Derivasjon.
Defiisjo av derivert Vi har stor ytte av å vite hvor raskt e fuksjo vokser eller avtar Mer presist: Vi øsker å bestemme stigigstallet til tagete til fuksjosgrafe P Q Figure til vestre viser hvorda vi ka
Detaljer2.1 Polynomdivisjon. Oppgave 2.10
. Polyomdivisjo Oppgave. ( 5 + ) : = + + ( + ):( ) 6 + 6 8 8 = + + c) ( + 5 ) : = + 6 6 d) + + + = + + = + + + 8+ ( ):( ) + + + Oppgave. ( + 5+ ):( ) 5 + + = + ( 5 ): 9 + + + = + + + 5 + 6 9 c) ( 8 66
DetaljerDel1. Oppgave 1. a) Deriver funksjonene: b) Gitt den uendelige rekken. Avgjør om rekken konvergerer, og bestem eventuelt summen av rekken.
Del1 Oppgave 1 a) Deriver fuksjoee: 1) fx ( ) x lx ) g x 3e x b) Gitt de uedelige rekke 1 1 1 4 Avgjør om rekke kovergerer, og bestem evetuelt summe av rekke. c) Sasylighetsfordelige til e stokastisk variabel
DetaljerLøsningsforslag for andre obligatoriske oppgave i STK1100 Våren 2007 Av Ingunn Fride Tvete og Ørnulf Borgan
Løsigsforslag for adre obligatoriske oppgave i STK11 Våre 27 Av Igu Fride Tvete (ift@math..uio.o) og Ørulf Borga (borga@math.uio.o). NB! Feil ka forekomme. NB! Sed gjere e mail hvis du fier e feil! Oppgave
DetaljerTid: 3 timer Hjelpemidler: Vanlige skrivesaker, passer, linjal med centimetermål og vinkelmåler er tillatt.
Tid: 3 timer Hjelpemidler: Valige skrivesaker, passer, lijal med cetimetermål og vikelmåler er tillatt. Oppgave (3 poeg) Deriver fuksjoee a) f( ) cos5 f 5 si5 0 si5 g e si Vi bruker produktregele for derivasjo,
DetaljerTMA4245 Statistikk Eksamen mai 2017
TMA445 Statistikk Eksame mai 07 Norges tekisk-aturviteskapelige uiversitet Istitutt for matematiske fag Løsigsskisse Oppgave a Når vi reger ut disse tre sasylighetee må ma huske på at de mulige verdiee
DetaljerÅMA110 Sannsynlighetsregning med statistikk, våren Kontinuerlige tilfeldige variable, intro. Kontinuerlige tilfeldige variable, intro.
ÅMA Sasylighetsregig med statistikk, våre 6 Kp. 4 Kotiuerlige tilfeldige variable og ormaldelige Kotiuerlige tilfeldige variable, itro. (eller: Kotiuerlige sasylighetsdeliger) Vi har til å sett på diskrete
DetaljerEksempeloppgave 2014. REA3028 Matematikk S2 Eksempel på eksamen våren 2015 etter ny ordning. Ny eksamensordning. Del 1: 3 timer (uten hjelpemidler)
Eksempeloppgave 2014 REA3028 Matematikk S2 Eksempel på eksame våre 2015 etter y ordig Ny eksamesordig Del 1: 3 timer (ute hjelpemidler) Del 2: 2 timer (med hjelpemidler) Mistekrav til digitale verktøy
DetaljerTALLSVAR. Det anbefales at de 9 deloppgavene merket med A, B, teller likt uansett variasjon i vanskelighetsgrad. Svarene er gitt i << >>.
1 ECON130: EKSAMEN 013 VÅR - UTSATT PRØVE TALLSVAR. Det abefales at de 9 deloppgavee merket med A, B, teller likt uasett variasjo i vaskelighetsgrad. Svaree er gitt i
DetaljerLøsningsforsalg til første sett med obligatoriske oppgaver i STK1110 høsten 2018
Løsigsforsalg til første sett med obligatoriske oppgaver i STK1110 høste 2018 Oppgave 1 (a Et 100(1 α% kofidesitervall for forvetigsverdie µ er gitt ved formel (8.15 på side 403 i læreboka. For situasjoe
DetaljerOM TAYLOR POLYNOMER. f x K f a x K a. f ' a = lim x/ a. f ' a z
OM TAYLOR POLYNOMER I dette otatet, som utfyller avsitt 6. i Gullikses bok, skal vi se på Taylor polyomer og illustrere hvorfor disse er yttige. Det å berege Taylor polyomer for håd er i prisippet ikke
DetaljerS2 kapittel 1 Rekker Løsninger til kapitteltesten i læreboka
S kapittel Rekker Løsiger til kapittelteste i læreboka A a Det femte og sjette eiffeltallet ser slik ut: b De fire første leddee er det bare å telle opp:,5,9,4 For å komme til este ledd, legger vi til,
DetaljerLøsning eksamen R1 våren 2010
Løsig eksame R våre 00 Oppgave a) ) f ( ) l f ( ) ' l l l l f ( ) (l ) ) g( ) 4e g( ) 4 e ( ) 4 e ( ) g( ) 4( ) e b) ( ) 4 4 6 P ) P() 4 4 6 8 6 8 6 0 Divisjo med ( ) går opp. 4 4 6 : ( ) 8 4 4 8 6 8 6
DetaljerDEL 1. Uten hjelpemidler 500+ er x
DEL 1 Ute hjelpemidler Oppgave 1 (18 poeg) 500 = + 8 er a) Vis at de deriverte til fuksjoe ( ) O O ( ) = 500+ 16 b) Deriver fuksjoee 1) f( ) = l( ) ) g( ) = e c) Vi har gitt polyomfuksjoe f( ) = 1 + 15
DetaljerTMA4240 Statistikk Høst 2015
TMA4240 Statistikk Høst 2015 Norges tekisk-aturviteskapelige uiversitet Istitutt for matematiske fag Øvig ummer 12, blokk II I dee siste øvige fokuserer vi på lieær regresjo, der vi har kjete kovariater
DetaljerEksamen S2, Høsten 2013
Eksame S, Høste 013 Tid: timer Hjelpemidler: Valige skrivesaker, passer, lijal med cetimetermål og vikelmåler. Oppgave 1 (4 poeg) Deriver fuksjoee 1 x a) fx b) gx 5x 1 5 c) hx x e x 3 Oppgave (5 poeg)
DetaljerLøsning TALM1005 (statistikkdel) juni 2017
Løsig TALM1005 statistikkdel jui 2017 Oppgave 1 a Har oppgitt at sasyligte for at é harddisk svikter er p = 0, 037. Ifører hedelsee A : harddisk 1 svikter B : harddisk 2 svikter C : harddisk 3 svikter
DetaljerPåliteligheten til en stikkprøve
Pålitelighete til e stikkprøve Om origiale... 1 Beskrivelse... 2 Oppgaver... 4 Løsigsforslag... 4 Didaktisk bakgru... 5 Om origiale "Zuverlässigkeit eier Stichprobe" på http://www.mathe-olie.at/galerie/wstat2/stichprobe/dee
DetaljerTMA4245 Statistikk Vår 2015
TMA4245 Statistikk Vår 2015 Norges tekisk-aturviteskapelige uiversitet Istitutt for matematiske fag Øvig ummer 12, blokk II Oppgave 1 Kari har ylig kjøpt seg e y bil. Nå øsker hu å udersøke biles besiforbruk
DetaljerEksamen R2, Høsten 2010
Eksame R, Høste 00 Del Tid: timer Hjelpemidler: Valige skrivesaker, passer, lijal med cetimetermål og vikelmåler er tillatt. Oppgave (6 poeg) a) Deriver fuksjoee ) f l f ( ) l l (l ) ) g( ) si cos f si
DetaljerLøsningsforsalg til første sett med obligatoriske oppgaver i STK1110 høsten 2015
Løsigsforsalg til første sett med obligatoriske oppgaver i STK1110 høste 2015 Oppgave 1 (a Et 100(1 α% kofidesitervall for forvetigsverdie µ er gitt ved formel (8.15 på side 403 i læreboka. For situasjoe
DetaljerStatistikk og økonomi, våren 2017
Statistikk og økoomi, våre 07 Obligatorisk oppgave 6 Løsigsforslag Oppgave E terig kastes 0 gager, og det registreres hvor mage 6-ere som oppås i løpet av disse 0 kastee. Vi ka kalle atall 6-ere i løpet
DetaljerSignifikante sifre = alle sikre pluss ett siffer til
Sigifikate siffer og stadardavvik behadles i kap. Disse to emee skal vi ta for oss i dag. Kofidesgreser behadles i kap 4. Dette skal vi ta for oss i osdag. Presetasjo av aalysedata ka gjøres på følgede
DetaljerECON240 Statistikk og økonometri
ECON240 Statistikk og økoometri Arild Aakvik, Istitutt for økoomi 1 Mellomregig MKM Model: Y i = a i + bx i + e i MKM-estimator for b: b = = Xi Y i 1 Xi Yi Xi 1 ( X i ) 2 (Xi X)(Y i Ȳi) (Xi X) 2 hvor vi
DetaljerTMA4240 Statistikk Høst 2016
Norges tekisk-aturviteskapelige uiversitet Istitutt for matematiske fag Abefalt øvig 8 Løsigsskisse Oppgave 1 a) Simuler 1000 datasett i MATLAB. Hvert datasett skal bestå av 100 utfall fra e ormalfordelig
DetaljerÅMA110 Sannsynlighetsregning med statistikk, våren 2007
ÅMA0 Sasylighetsregig med statistikk, våre 007 Kp. 4 Kotiuerlige tilfeldige variable; Normalfordelig Kotiuerlige tilfeldige variable, itro. (eller: Kotiuerlige sasylighetsfordeliger) Vi har til å sett
DetaljerPlan for fagdag 3. Plan: Litt om differanse- og summefølger. Sammenhengen a n a 1 n 1 i 1
Pla for fagdag 3 R2-18.11.10 Pla: Litt om differase- og summefølger. Sammehege a a 1 1 i 1 d i. Geometriske resoemet. Arbeidsoppgaver. Differase- og summefølger Regresjo med lommereger Differaser er ofte
Detaljern 2 +1) hvis n er et partall.
TMA445 Statistikk Vår 04 Norges tekisk-aturviteskapelige uiversitet Istitutt for matematiske fag Øvig ummer, blokk II Oppgave Mediae til et datasett, X, er de midterste verdie. Hvis vi har stokastiske
DetaljerMA1101 Grunnkurs Analyse I Høst 2017
Norges tekisk aturviteskapelige uiversitet Istitutt for matematiske fag MA0 Grukurs Aalyse I Høst 07 Løsigsforslag Øvig..b) Vi skriver om 7 = 4 4 7 Korollar.. gir at 7 4 er irrasjoal (side vi vet 7 4 er
DetaljerTotalt Antall kandidater oppmeldt 1513 Antall møtt til eksamen 1421 Antall bestått 1128 Antall stryk 247 Antall avbrutt 46 % stryk og avbrutt 21%
TMA4100 Høste 2007 Norges tekisk aturviteskapelige uiversitet Istitutt for matematiske fag Kommetarer til eksame Dette dokumetet er e oppsummerig av erfarigee fra sesure av eksame i TMA4100 Matematikk
DetaljerLøsningsforslag til eksamen i STK desember 2010
Løsigsforslag til eksame i STK0 0. desember 200 Løsigsforslaget har med flere detaljer e det vil bli krevd til eksame. Oppgave a Det er tilpasset e multippel lieær regresjosmodell av forme β 0 + β x i
DetaljerDetaljert løsningsveiledning til ECON1310 seminaroppgave 9, høsten der 0 < t < 1
Detaljert løsigsveiledig til ECON30 semiaroppgave 9, høste 206 Dee løsigsveiledige er mer detaljert e det et fullgodt svar på oppgave vil være, og mer utfyllede e e valig fasit. De er met som e guide til
DetaljerEksamen REA3028 S2, Våren 2012
Eksame REA08 S, Våre 0 Del Tid: timer Hjelpemidler: Valige skrivesaker, passer, lijal med cetimetermål og vikelmåler er tillatt. Oppgave (4 poeg) a) Deriver fuksjoee ) f f ) g e 4 4 4 g e e 4 g e e g e
DetaljerKommentarer til oppgaver;
Kapittel - Algebra Versjo: 11.09.1 - Rettet feil i 0, 1 og 70 og lagt i litt om GeoGebra-bruk Kommetarer til oppgaver; 0, 05, 10, 13, 15, 5, 9, 37, 5,, 5, 59, 1, 70, 7, 78, 80,81 0 a) Trykkfeil i D-koloe
DetaljerOppgave 1. (i) Hva er sannsynligheten for at det øverste kortet i bunken er et JA-kort?
ECON EKSAMEN 8 VÅR TALLSVAR Oppgave Vi har e kortstokk beståede av 6 kort. På av disse står det skrevet JA på forside mes det står NEI på forside av de adre kortee. Hvis ma får se kortet med bakside vedt
DetaljerKonfidensintervall. Notat til STK1110. Ørnulf Borgan, Ingrid K. Glad og Anders Rygh Swensen Matematisk institutt, Universitetet i Oslo.
Kofidesitervall Notat til STK1110 Ørulf Borga, Igrid K. Glad og Aders Rygh Swese Matematisk istitutt, Uiversitetet i Oslo August 2007 Formål E valig metode for å agi usikkerhete til et estimat er å berege
DetaljerEksamen R2, Va ren 2013
Eksame R, Va re 013 Oppgave 1 (4 poeg) Deriver fuksjoee a) f x 3cos x f x 3 six 3si x b) gx x 6si 7 Bruker kjereregele på uttrykket si x der og Vi har da guu siu u cosu cos x gx 6cos x 6 cos x u x g u
DetaljerOppgaver fra boka: X 2 X n 1
MOT30 Statistiske metoder, høste 00 Løsiger til regeøvig r 3 (s ) Oppgaver fra boka: 94 (99:7) X,, X uif N(µ, σ ) og X,, X uif N(µ, σ ) og alle variable er uavhegige Atar videre at σ = σ = σ og ukjet Kodesitervall
DetaljerTMA4245 Statistikk Eksamen 9. desember 2013
Norges tekisk-aturviteskapelige uiversitet Istitutt for matematiske fag TMA4245 Statistikk Eksame 9. desember 2013 Oppgave 1 I kortspillet Blackjack får ma de høyeste geviste hvis de to første kortee ma
DetaljerI dag: Produktfunksjoner og kostnadsfunksjoner
ECON2200 Avedt økoomisk aalyse Diderik Lud, 8. februar 2010 Hva er dekket i disse otatee? Seks forelesiger av meg i ECON2200 våre 2010 8. og 22. februar, 2., 9. og 15. mars og 3. mai Legges ut på emeside
DetaljerLØSNING: Eksamen 17. des. 2015
LØSNING: Eksame 17. des. 2015 MAT100 Matematikk, 2015 Oppgave 1: økoomi a I optimum av T Rx er dt Rx 0 1 som gir d Ix Kx 0 2 dix dix dkx dkx 0 3 4 dvs. greseitekt gresekostad, q.e.d. 5 b Gresekostad ekstrakostade
DetaljerH 1 : µ 1 µ 2 > 0. t = ( x 1 x 2 ) (µ 1 µ 2 ) s p. s 2 p = s2 1 (n 1 1) + s 2 2 (n 2 1) n 1 + n 2 2
TMA4245 Statistikk Norges tekisk-aturviteskapelige uiversitet Istitutt for matematiske fag Øvig ummer b4 Løsigsskisse Oppgave 1 Vi øsker å fie ut om et ytt serum ka stase leukemi. 5 mus får serumet, 4
DetaljerEcon 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
DetaljerLøsningsforslag ST2301 øving 3
Løsigsforslag ST2301 øvig 3 Kapittel 1 Exercise 11 Et utvalg på 100 idivider trekkes fra e populasjo med tilfeldig parrig. Det ble observert AA 63 idivider av geotype AA, Aa 27, og aa 10. Lag et 95 % kofidesitervall
DetaljerOppgave 1 a) Minste kvadraters metode tilpasser en linje til punktene ved å velge den linja som minimerer kvadratsummen. x i (y i α βx i ) = 0, SSE =
Norges tekisk-aturviteskapelige uiversitet Istitutt for matematiske fag Abefalte oppgaver 2, blokk II Løsigsskisse Oppgave a Miste kvadraters metode tilpasser e lije til puktee ved å velge de lija som
DetaljerLøsningsforslag til prøveeksamen i MAT1110, våren 2012
Løsigsforslag til prøveeksame i MAT, våre Oppgave : Vi har A = 3 III+I I+II 3 ( )II 3 3 Legg merke til at A er de utvidede matrise til ligigssystemet. Vi ser at søyle 3 og 4 i de reduserte trappeforme
DetaljerRepetisjon; 9.1, 9.2, 9.3, 9.4, 9.5, og Repetisjon; 9.1, 9.2, 9.3, 9.4, 9.5, og 9.10
Repetisjo; 9.1, 9.2, 9.3, 9.4, 9.5, og 9.10 og Geerell defiisjo av : Situasjo: Data x 1,...,x ;utfallav:x 1,...,X ; u.i.f. tilfeldige variable Ukjet parameter i fordelige til X i ee: θ Dersom L og U L
DetaljerMOT310 Statistiske metoder 1, høsten 2011
MOT310 Statistiske metoder 1, høste 2011 Bjør H. Auestad Istitutt for matematikk og aturviteskap Uiversitetet i Stavager 24. august, 2011 Bjør H. Auestad Itroduksjo og repetisjo 1 / 32 Repetisjo; 9.1,
DetaljerEcon 2130 Forelesning uke 11 (HG)
Eco 130 Forelesig uke 11 (HG) Mer om ormalfordelige og setralgreseteoremet Uke 1 1 Fra forrige gag ~ betyr er fordelt som. ~ N( µσ, ) E( ) = µ, og var( ) = σ Normalfordelige er symmetrisk om μ og kotiuerlig
DetaljerKap. 9: Inferens om én populasjon
2 ST0202 Statistikk for samfusvitere Bo Lidqvist Istitutt for matematiske fag Ka. 9: Iferes om é oulasjo Hvis σ er ukjet bytter vi ut σ med s i Ny observator blir t = x μ s/ z = x μ σ/ der s = Σx 2 (Σx)
DetaljerÅMA110 Sannsynlighetsregning med statistikk, våren 2011
ÅMA0 Sasylighetsregig statistikk våre 0 Kp. 4 Kotiulige tilfeldige variable; Normalfordelig Kotiulige tilfeldige variable itro. (ell: Kotiulige sasylighetsfordelig Vi har til å sett på diskrete fordelig
DetaljerÅMA110 Sannsynlighetsregning med statistikk, våren Kontinuerlige tilfeldige variable, intro. Kontinuerlige tilfeldige variable, intro.
ÅMA0 Sasylighetsregig med statistikk, våre 008 Kp. 4 Kotiuerlige tilfeldige variable; Normalfordelig Kotiuerlige tilfeldige variable, itro. (eller: Kotiuerlige sasylighetsfordeliger) Vi har til å sett
DetaljerHøgskolen i Telemark Avdeling for estetiske fag, folkekultur og lærerutdanning BOKMÅL 16. mai 2008
Høgskole i Telemark Avdelig for estetiske fag, folkekultur og lærerutdaig BOKMÅL 6. mai 008 EKSAMEN I MATEMATIKK Modul 5 studiepoeg Tid: 5 timer Oppgavesettet er på 8 sider (ikludert formelsamlig). Hjelpemidler:
DetaljerH T. Amundsen INNHOLD
Itere otater STATISTISK SENTRALBYRÅ. oktober 1980 KORRELASJONSKOEFFISIENTEN - ENDA ENGANG Av H T. Amudse INNHOLD 1. Iledig *****..... * 0 1. Produktmametkorrelasjoskoeffisiete og sammehege med lieær regresjo.
DetaljerLØSNING: Eksamen 28. mai 2015
LØSNING: Eksame 28. mai 2015 MAT110 Statistikk 1, vår 2015 Oppgave 1: revisjo ) a) Situasjoe som beskrives i oppgave ka modelleres med e ure. I dee ure er fordelige kjet, M atall bilag med feil og N 100
Detaljerf(x) = x 2 x 2 f 0 (x) = 2x + 2x 3 x g(x) f(x) = f 0 (x) = g(x) xg0 (x) g(x) 2 f(x; y) = (xy + 1) 2 f 0 x = 2(xy + 1)y f 0 y = 2(xy + 1)x
Ogave a) f() = f 0 () = + 3 ) f() = g() f 0 () = g() g0 () g() c) f(; y) = (y + ) f 0 = (y + )y f 0 y = (y + ) d) f(; y) = ( y + ) ( y ) f 0 = ( y + ) r y ( y ) + ( y + ) ( y ) r y = ( y + )( r y y ) ((
DetaljerLØSNINGSFORSLAG 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
DetaljerDer oppgaveteksten ikke sier noe annet, kan du fritt velge framgangsmåte.
Eksame 20052009 REA3024 Matematikk R2 Nyorsk/Bokmål Bokmål Eksamesiformasjo Eksamestid: Hjelpemidler på Del 1: Hjelpemidler på Del 2: Bruk av kilder: Vedlegg: Framgagsmåte: Veiledig om vurderige: 5 timer:
DetaljerÅMA110 Sannsynlighetsregning med statistikk, våren Kontinuerlige tilfeldige variable, intro. Kontinuerlige tilfeldige variable, intro.
ÅMA Sasylighetsregig med statistikk, våre Kp. 4 Kotiuerlige tilfeldige variable; Normalfordelig Kotiuerlige tilfeldige variable, itro. (eller: Kotiuerlige sasylighetsfordeliger) Vi har til å sett på diskrete
DetaljerLineær regresjonsanalyse (13.4)
2 Kap. 13: Lieær korrelasjos- og regresjosaalyse ST0202 Statistikk for samfusvitere Bo Lidqvist Istitutt for matematiske fag Kap. 13.1-13.3: Lieær korrelasjosaalyse. Disse avsitt er ikke pesum, me de lieære
DetaljerKapittel 7: Noen viktige sannsynlighetsfordelinger
Kapittel 7: Noe viktige sasylighetsfordeliger I mage situasjoer ka feomeet vi ser på beskrives med e bestemt type sasylighetsfordelig e sasylighetsfordelig gitt ved e bestemt formel. Vi skal se på oe av
Detaljer) = P(Z > 0.555) = > ) = P(Z > 2.22) = 0.013
TMA4240 Statistikk Vår 2008 Norges tekisk-aturviteskapelige uiversitet Istitutt for matematiske fag Øvig ummer b5 Løsigsskisse Oppgave 1 a) X 1,...,X 16 er u.i.f. N(80,18 2 ). Setter Y = X. i) P(X 1 >
DetaljerTMA4240 Statistikk Høst 2009
TMA440 Statistikk Høst 009 Norges tekisk-aturviteskapelige uiversitet Istitutt for matematiske fag Øvig ummer b4 Løsigsskisse Oppgave Øsker å fie 99% kofidesitervall for µ µ år vi atar ormalfordeliger
DetaljerUNIVERSITETET I OSLO ØKONOMISK INSTITUTT
UNIVERSITETET I OSLO ØKONOMISK INSTITUTT Øvelsesoppgave i: ECON30 Statistikk HØST 004 Dato for utleverig: Fredag 5. oktober 004 Frist for ileverig: Osdag 7. oktober 004, seest kl. 5.00 Ileverigssted: Ekspedisjoskotoret,.
Detaljer8 + 2 n n 4. 3n 4 7 = 8 3.
Seksjo 4. Oppgave (). Fi greseverdiee: 8 a) 4 + 4 7 b) 4 +7 5 c) + 7 4 ( ) d) 5 4 44 + 5 4 e) 5 + si() e +6 5 Løsig. Vi vil bruke samme metode som i Eksempel 4..5 fra boke i disse oppgavee. Når vi skal
DetaljerTMA4240 Statistikk Høst 2016
Norges tekisk-aturviteskapelige uiversitet Istitutt for matematiske fag Abefalt øvig 11 Løsigsskisse Oppgave 1 a) E rimelig estimator for forvetigsverdie µ er gjeomsittet X = 1 X i, som vil være ormalfordelt
DetaljerÅMA110 Sannsynlighetsregning med statistikk, våren 2010. Noen viktige sannsynlighetsmodeller. Binomisk modell. Kp. 3 Diskrete tilfeldige variable
ÅMA Saslighetsregig med statistikk, våre K. 3 Diskrete tilfeldige variable Noe viktige saslighetsmodeller Noe viktige saslighetsmodeller ( Sas.modell : å betr det klasse/te sas.fordelig.) Biomisk modell
DetaljerLØSNINGSFORSLAG TIL EKSAMEN I FAG TMA4240 STATISTIKK 5.august 2004
Norges tekisk aturviteskapelige uiversitet Istitutt for matematiske fag Side av 0 LØSNINGSFORSLAG TIL EKSAMEN I FAG TMA4240 STATISTIKK 5.august 2004 Oppgave Foruresig X er e stokastisk variabel som agir
DetaljerAVDELING FOR INGENIØRUTDANNING EKSAMENSOPPGAVE
AVDELING FOR INGENIØRUTDANNING EKSAMENSOPPGAVE Eme: Statistikk Gruppe(r): Alle ( 2. årskull) Eksamesoppgav Atall sider (ikl. e består av: forside): 5 Tillatte hjelpemidler: Emekode: LO070A Dato: 11.06.2004
DetaljerObligatorisk oppgave nr. 3 i Diskret matematikk
3. obligatoriske oppgave i Diskret matematikk høste 08. Obligatorisk oppgave r. 3 i Diskret matematikk Ileverigsfrist. ovember 08 Oppgave er frivillig og tregs ikke leveres, me hvis dere leverer de ie
Detaljer5 y y! e 5 = = y=0 P (Y < 5) = P (Y 4) = 0.44,
Norges tekisk-aturviteskapelige uiversitet Istitutt for matematiske fag Abefalte oppgaver 9, blokk II Løsigsskisse Oppgave a) Vi lar her Y være atall fugler som kolliderer med vidmølla i løpet av de gitte
DetaljerOppgave 1 Hardheten til en bestemt legering er undersøkt med åtte målinger og resultatene ble (i kg/mm 2 ) som i tabellen til høyre.
EKSAMEN I: ÅMA110 SANNSYNLIGHETSREGNING MED STATISTIKK VARIGHET: 4 TIMER DATO: 28. AUGUST 2010 BOKMÅL TILLATTE HJELPEMIDLER: KALKULATOR: HP30S, Casio FX82 eller TI-30 OPPGAVESETTET BESTÅR AV 3 OPPGAVER
DetaljerTerminprøve R2 Høsten 2014 Løsning
Termiprøve R Høste 04 Løsig Del Tid: 3 timer Hjelpemidler: Skrivesaker Oppgave (6 poeg) E flate i rommet er gitt ved likige: x 4x y 6y z 8z 0 0 a) Vis at puktet P3, 5, ligger på flate Puktet P3, 5, ligger
DetaljerTMA4240 Statistikk Høst 2016
Norges tekisk-aturviteskapelige uiversitet Istitutt for matematiske fag Abefalt øvig 2 Løsigsskisse Oppgave a Miste kvadraters metode tilpasser e lije til puktee ved å velge de lija som miimerer kvadratsumme
DetaljerKapittel 1: Beskrivende statistikk
Kapittel : Bekrivede tatitikk Defiijoer: Populajo og utvalg Populajo: Alle mulige obervajoer vi ka gjøre (x,x,,x N ). Utvalg: Delmegde av populajoe (x,x,,x der
DetaljerUNIVERSITETET I OSLO ØKONOMISK INSTITUTT
Eksame i: ECON130 Statistikk 1 UNIVERSITETET I OSLO ØKONOMISK INSTITUTT Eksamesdag: 6.05.017 Sesur kugøres: 16.06.017 Tid for eksame: kl. 14:30 17:30 Oppgavesettet er på 6 sider Tillatte helpemidler: Alle
DetaljerNoen vanlige. Indikatorfordeling: 1, dersom suksess. I mange situasjoner kan fenomenet vi ser på. 0, dersom ikke suksess
Kapittel 5: Noe valige sasylighetsfordeliger I mage situasjoer ka feomeet vi ser på beskrives med e bestemt type sasylighets- fordelig (e sasylighetsfordelig gitt ved e bestemt formel. Vi skal se på oe
DetaljerX = 1 5. X i, i=1. som vil være normalfordelt med forventningsverdi E( X) = µ og varians Var( X) = σ 2 /5. En rimelig estimator for variansen er
Norges tekisk-aturviteskapelige uiversitet Istitutt for matematiske fag Abefalte oppgaver 11, blokk II Løsigsskisse Oppgave 1 a) E rimelig estimator for forvetigsverdie µ er gjeomsittet X = 1 X i, som
DetaljerSTK1100 våren 2017 Estimering
STK1100 våre 017 Estimerig Svarer til sidee 331-339 i læreboka Ørulf Borga Matematisk istitutt Uiversitetet i Oslo 1 Politisk meigsmålig Spør et tilfeldig utvalg på 1000 persoer hva de ville ha stemt hvis
DetaljerFagdag 2-3mx 24.09.07
Fagdag 2-3mx 24.09.07 Jeg beklager at jeg ikke har fuet oe ye morsomme spill vi ka studere, til gjegjeld skal dere slippe prøve/test dee gage. Istruks: Vi arbeider som valig med 3 persoer på hver gruppe.
DetaljerKLMED8004 Medisinsk statistikk. Del I, høst Estimering. Tidligere sett på. Eksempel hypertensjon
Tidligere sett på KLMED8004 Medisisk statistikk Del I, høst 008 Estimerig Hvorda kjete sasylighetsfordeliger (biomialfordelig, ormalfordelig) med kjete populasjosparametrer (forvetig, varias osv.) ka gi
DetaljerKulas posisjon etter 0, 1, 2, 3 og 4 sekund
Total rullelegde i løpet av ett sekud: L Total rullelegde i løpet av to sekud: 4 L Total rullelegde i løpet av tre sekud: 9 L Total rullelegde i løpet av fire sekud: 6 L SYSTEM HER? Kulas posisjo etter
DetaljerKap. 9: Inferens om én populasjon
2 ST0202 Statistikk for samfusvitere Bo Lidqvist Istitutt for matematiske fag Ka. 9: Iferes om é oulasjo Hvis σ er ukjet bytter vi ut σ med s i Ny observator blir t = x μ s/ z = x μ σ/ der s = Σx 2 (Σx)
DetaljerOppgaver fra boka: Med lik men ukjent varians antatt har vi fra pensum at. t n1 +n 2 2 under H 0 (12 1) (12 1)
MOT30 Statistiske metoder, høste00 Løsiger til regeøvig r. 5 (s. ) Oppgaver fra boka: Oppgave 0.36 (0.0:8) Dekkslitasje X,..., X u.i.f. N(µ, σ ) og X,..., X u.i.f. N(µ, σ ) og alle variable er uavhegige.
DetaljerFakultet for teknologi, kunst og design Teknologiske fag Eksamen i: Diskret matematikk
Fakultet for tekologi, kust og desig Tekologiske fag Eksame i: Diskret matematikk Målform: Bokmål Dato: 9. ovember 017 Tid: Atall sider (ikl. forside): 9 Atall oppgaver: 6 Tillatte hjelpemidler: Forhådsgodkjet
DetaljerKapittel 8: Estimering
Kaittel 8: Estimerig Estimerig hadler kort sagt om hvorda å aslå verdie å arametre som,, og dersom disse er ukjete. like arametre sier oss oe om oulasjoe vi studerer (dvs om alle måliger av feomeet som
DetaljerEksamen REA3024 Matematikk R2. Nynorsk/Bokmål
Eksame 6.05.010 REA304 Matematikk R Nyorsk/Bokmål Bokmål Eksamesiformasjo Eksamestid: Hjelpemidler på Del 1: Hjelpemidler på Del : Vedlegg: Framgagsmåte: Veiledig om vurderige: 5 timer: Del 1 skal leveres
DetaljerIntroduksjon. Hypotesetesting / inferens (kap 3) Populasjon og utvalg. Populasjon og utvalg. Populasjonsvarians
Hypotesetestig / iferes (kap ) Itroduksjo Populasjo og utvalg Statistisk iferes Utvalgsfordelig (samplig distributio) Utvalgsfordelige til gjeomsittet Itroduksjo Vi øsker å få iformasjo om størrelsee i
DetaljerEksempeloppgave 2014. REA3026 Matematikk S1 Eksempel på eksamen våren 2015 etter ny ordning. Ny eksamensordning. Del 1: 3 timer (uten hjelpemidler)
Eksempeloppgave 04 REA306 Matematikk S Eksempel på eksame våre 05 etter y ordig Ny eksamesordig Del : 3 timer (ute hjelpemidler) Del : timer (med hjelpemidler) Mistekrav til digitale verktøy på datamaski:
Detaljer2 Algebra R2 Oppgaver
2 Algebra R2 Oppgaver 2 Tallfølger 2 22 Tallrekker 8 23 Uedelige geometriske rekker 5 24 Iduksjosbevis 20 25 Eksamesoppgaver 2 Øvigsoppgaver Stei Aaese og Olav Kristese/NDLA Eksamesoppgavee er hetet fra
Detaljer«Uncertainty of the Uncertainty» Del 5 av 6
«Ucertaity of the Ucertaity» Del 5 av 6 v/rue Øverlad, Traior Elsikkerhet AS Dette er femte del i artikkelserie om «Ucertaity of the Ucertaity». Jeg skal vise deg utledig av «Ucertaity of the Ucertaity»-formele:
DetaljerEstimering 2. -Konfidensintervall
Estimerig 2 -Kofidesitervall Dekkes av kap. 9.4-9.5, 9.10, 9.12 og forelesigsotatee. Dersom forsøket gjetas mage gager vil (1 α)100% av itervallee [ ˆΘ L, ˆΘ U ] ieholde de ukjete parametere θ (som er
DetaljerForelesning Moment og Momentgenererende funksjoner
ushu.li@uib.o Forelesig + 3 Momet og Mometgeererede fuksjoer 1. Oppsummerig til Forelesig 1 1.1) Fuksjoe av S.V: hvis variabele er e fuksjo (trasformasjo) av S.V. : g( ), da er også e S.V.: til ethvert
Detaljer