TMA4240 Statistikk 2014

Save this PDF as:
 WORD  PNG  TXT  JPG

Størrelse: px
Begynne med side:

Download "TMA4240 Statistikk 2014"

Transkript

1 Norges teknisk-naturvitenskapelige universitet Institutt for matematiske fag Øving nummer 5, blokk I Løsningsskisse Oppgave 1 X og Y er uavhengige Poisson-fordelte stokastiske variable, X p(x;5 og Y p(y;1. Fra tabell A.2 finner vi P (X 5 = 5 x= p(x; 5 =.616 og P (X 3 X 5 = P (X 3 X 5 P (X 5 = P (X 3 P (X 5 =.43. La Z = X + Y. X og Y er Poisson-fordelt og dermed vil variabelen Z være Poisson-fordelt med parameter λ = = 15, dvs. Z Poisson(15. Ved bruk av tabell A.2 finner vi P (X + Y > 1 = P (Z > 1 = 1 P (Z 1 = 1 1 x= = =.882. Oppgave 2 Vi ser på en tilfeldig valgt natt og definerer følgende hendelser: A = Anne er på vakt, B = Bernt er på vakt, C = Cecilie er på vakt, D = det skjer et dødsfall. Og antar at alle dødsfall skjer naturlig. a Venndiagram for de fire hendelsene: Siden det bare er Anne, Bernt og Cecilie som jobber på sykehjemmet om natten vil hendelsene A, B og C utgjøre en partisjon av utfallsrommet, og vi må ha at P (A + P (B + P (C = 1. Dette ser vi også av venndiagrammet. Siden Bernt og Cecilie jobber like ofte må P (B = P (C. Siden Anne jobber dobbelt så ofte som hver av Bernt og Cecilie må P (A = 2 P (B = 2 P (C. Vi utrykker alt ved P (B. ov5-lsf-b 3. september Side 1

2 C B A D P (A + P (B + P (C = 1 2 P (B + P (B + P (B = 1 P (B =.25 Dermed har vi at P (A =.5 P (B =.25 P (C =.25 For å regne ut P (D kan vi bruke setningen om total sannsynlighet. Vi vet at A, B, C er en partisjon av utfallsrommet. P (D = P (D A + P (D B + P (D C = P (D A P (A + P (D B P (B + P (D C P (C =.6 ( =.6 Definisjonen av uavhengighet sier at C og D er to uavhengige hendelser hvis og bare hvis P (D C = P (D, dvs. at tilleggsinformasjon ikke endrer bildet. Vi ser fra utregningene over at P (D C = P (D =.6, og C og D er dermed uavhengige hendelser. Intuitivt vil uavhengighet av C og D følge av antagelsen om naturlig død. b X er en stokastisk variabel som beskriver antall av n = 1 naturlige dødsfall som skjer på Cecilies vakter. Betingelser for at X er binomisk fordelt: Vi ser på n = 1 dødsfall. For hver dødsfall sjekker vi om Cecilie var på vakt eller ikke. Sannsynligheten for at Cecilie er på vakt gitt at det har skjedd et dødsfall er P (C D = P (C =.25, og denne sannsynligheten er det samme for alle de n dødsfallene. De n dødsfallene er uavhengige siden de er naturlige (og vi antar dermed at det ikke er snakk om smittsomme sykdommer eller epidemier. ov5-lsf-b 3. september Side 2

3 Under disse 4 betingelsene er X= antall naturlig dødsfall på Cecilies vakter binomisk fordelt med parametere n = 1 og p =.25. Dermed er sannsynlighetsfordelingen til X gitt ved punktsannsynligheten f(x, ( n f(x = p x (1 p n x, x =, 1,..., n x Sannsynligheten for at eller flere av 1 dødsfall om natten skjer på Cecilies vakter finner vi enklest ved tabelloppslag (s 13 i formelsamlingen, P (X = = 1 P (X 6 = =.4 La Y være en stokastisk variabel som angir antall sykepleiere blant 3 sykepleiere som opplever flere enn dødsfall på sine vakter av totalt 1 dødsfall. Y vil dermed være binomisk fordelt med n = 3 og p =.4. Sannsynligheten for at minst en av de 3 sykepleierne opplever at eller flere av 1 naturlige dødsfall skjer på sine vakter er gitt som P (Y 1. ( 3 P (Y 1 = 1 P (Y = = 1.4 (1.4 3 = = 1.3 =. Selv om det er lite sannsynlig (bare 4 promille at det skjer av 1 naturlige dødsfall på Cecilies vakter, er det svært sannsynlig ( prosent at minst av 1 dødsfall kan skje på vakten til en av sykepleierne i Norge som jobber i samme stillingstype som Cecilie. Disse observasjonene styrker ikke mistanken mot Cecilie. Analogi: Hver uke er det (som regel noen som får rette i Lotto, selv om dette har en forsvinnende lav sannsynlighet for hver Lotto-spiller. Oppgave 3 Definer der X : antall tankskip som ankommer havnen i løpet av en dag X poisson (λ, med λ = E (X = 2. Havnen kan maksimalt betjene 3 tankskip per dag. a Da X er poissonfordelt har vi at P (X = x = λx x! e λ = 2x x! e 2, x =, 1, 2,.... ov5-lsf-b 3. september Side 3

4 Med innsatte verdier for x har vi x P (X = x Vi ser dermed at det er størst sannsynlighet for at det ankommer ett eller to tankskip en bestemt dag. Tankskip må dirigeres til andre havner dersom det ankommer mer enn tre tankskip en dag. Vi har dermed P (Ett eller flere tankskip må omdirigeres = P (X > 3 = 1 P (X 3 tabell = =.1429 b Definer Y : antall skip som betjenes en dag. Da Y 3 har vi at P (Y = y = P (X = x, y =, 1, 2 P (Y = 3 = P (X 3 = 1 P (X 2. Vi får dermed 3 E [Y ] = y P (Y = y y= = P (X = + 1 P (X = P (X = (1 P (X 2 = (1.66 = c Definer k : kapasitet. Vi ønsker å finne k slik at P (X k.9. Med innsatte verdier for k får vi Vi har dermed at k P (X k P (X 4 =.944 >.9, og vi må dermed bygge ut havnen til kapasitet på fire skip for med minst 9% sannsynlighet å kunne betjene samtlige skip som ankommer en gitt dag. ov5-lsf-b 3. september Side 4

5 Oppgave 4 TMA424 Statistikk En lottorekke kan oppfattes som et ikke-ordnet utvalg på elementer blant tallene 1 til 34, der utvelgingen skjer uten tilbakelegging. a Det finnes forskjellige lotto-rekker. ( 34 = Skal finne sannsynligheten for at lottorekka inneholder tallet 34. Denne kan beregnes som P ( lottorekka inneholder tallet 34 = 1 P ( lottorekka inneholder IKKE tallet 34 der antallet mulige lottorekker er ( 33 er slik at ( 34 og antallet mulige lottorekker uten tallet 34 ( 33 P ( lottorekka inneholder tallet 34 = 1 ( 34 = = 34. Definer X : antall rette i lottorekken, der X følger hypergeometrisk fordeling h(x; N, n, k = ( k x ( N k n x ( N n med N = 34, n = og k =. Sannsynligheten for at en lottorekke vil oppnå rette er gitt ved ( ( 2 p = P ( rette = h(; 34,, = ( 34 = 1 ( 34 = ov5-lsf-b 3. september Side 5

6 b Det leveres hver uke inn n = 19 rekker i lotto. Definer X : antall av de n innleverte rekkene som oppnår rette i ukens trekning X er binomisk fordelt, men kan med god tinærmelse regnes å være poissonfordelt da poissonfordelingen er grensefordelingen til binomisk fordeling når n og p. Ifølge teorem 5.6 har vi at n p µ for n slik at parameteren i poissonfordelingen er gitt ved µ = n p = = Sannsynlighetstettheten til X er nå gitt ved og vi har f X (x = µx x! e µ P ( ingen av de innleverte rekkene har rette = P (X = = 3.53 e 3.53 = e 3.53 =.29.! Legg merke til at vi oppnår samme svar uten poissontilnærmingen, dvs dersom X er binomisk fordelt med parametre n = 19 og p = gitt ved Vi har da f X (x = ( n x p x (1 p n x. P ( ingen av de innleverte rekkene har rette ( n = P (X = = p (1 p n = (1 p n = ( =.29. Definer Y : antall Gull-lotto omganger pr. år der vi antar at det er 52 uker pr. år. Y følger her en binomisk fordeling med n = 52 og p =.29. Vi har dermed at E(Y = n p = = 1.5 og P (Y = = f Y ( = ( 52 p (1 p 52 = ( =.22. ov5-lsf-b 3. september Side 6

7 c Eksempel på en mulig kode for Poisson sannsynlighetstetthetsfunksjon: function funcval = poisson(x,mean funcval = ((meanˆx/(factorial(x*(exp( mean; TMA424 Statistikk Et plot av verdiene fra Poissontetthetsfunksjonen for x-verdier fra til 12 er vist i Fig 1. Her har vi brukt µ = np = 3.53 som vi fant i Oppgave 5b. Vi bruker heltall ettersom Poisson tetthetsfunksjonen er en diskret sannsynlighetsfordeling som bare er definert for heltallsverdier av x. Figur 1: Poissontetthetsfunksjonen, f X (x = µx x! e µ for heltallsverdier av x fra til 12 med µ = d Eksempel på en mulig kode for den binomiske sannsynlighetstetthetsfunksjonen: function funcval = binomial(n,x,p funcval = nchoosek(n, x (pˆx ((1 pˆ(n x; Et plot av verdiene fra den binomiske tetthetsfunksjonen for x-verdier fra til 12 er vist i Fig 2. Her har vi brukt n = 19 og p = som vi fant i Oppgave 5b. Figur 2: Binomisk tetthetsfunksjon, f X (x = ( n x p x (1 p n x for heltallsverdier av x fra til 12 med n = 19 og p = I Fig 3 har vi plottet de to tetthetsfunksjonene, Poisson og binomisk, mot hverandre. Vi ser at tetthetsfunksjonene er tilnærmet identiske ettersom de overlapper hverandre ov5-lsf-b 3. september Side

8 nesten perfekt. Figur 3: Poissontetthetsfunksjonen av b plottet mot den binomiske tetthetsfunksjonen. e Vi skal nå øke antall valgbare tall fra 34 til m, der m > 34 slik at det med sannsynlighet minst.1 ikke finnes rekker med riktige i en uke der det innleveres n = 19 rekker. Vi må i denne oppgaven bruke de tidligere definerte ligningene. Vi har at P ( ingen av de innleverte rekkene har rette = P (X = = (1 p 19.1 Vi har videre at p er sannsynligheten for at en lottorekke vil oppnå rette, og denne er gitt ved p = P ( rette = h(; m,, = ( ( m k ( = m 1 ( m slik at 1 1 ( m Prøver med innsatte verdier av m: 19.1 m m ov5-lsf-b 3. september Side 8

9 Vi ser av tabellen at ulikheten er oppfylt for m = 36, og har dermed at m 36 dersom det med sannsynlighet minst.1 ikke skal finnes rekker med riktige i en uke der det innleveres n = 19 rekker. ov5-lsf-b 3. september Side 9

Oppgave 1 En ansatt skal overvåke et prosjekt der en lapp velges tilfeldig fra en boks som inneholder 10 lapper nummerert fra 1 til 10.

Oppgave 1 En ansatt skal overvåke et prosjekt der en lapp velges tilfeldig fra en boks som inneholder 10 lapper nummerert fra 1 til 10. TMA4245 Statistikk Vår 212 Norges teknisk-naturvitenskapelige universitet Institutt for matematiske fag Øving 4 blokk I Løsningsskisse Oppgave 1 En ansatt skal overvåke et prosjekt der en lapp velges tilfeldig

Detaljer

TMA4240 Statistikk Høst 2015

TMA4240 Statistikk Høst 2015 Norges teknisk-naturvitenskapelige universitet Institutt for matematiske fag Øving nummer 6, blokk I Løsningsskisse Oppgave 1 Vi antar X er normalfordelt, X N(3315, 55 2. Ved bruk av formelheftet finner

Detaljer

TMA4240 Statistikk Høst 2009

TMA4240 Statistikk Høst 2009 TMA4240 Statistikk Høst 2009 Norges teknisk-naturvitenskapelige universitet Institutt for matematiske fag Øving nummer 5 Løsningsskisse Oppgave 1 En lottorekke kan oppfattes som et ikke-ordnet utvalg på

Detaljer

Oppgave 1 Vi lar X være antall tankskip som ankommer havnen i løpet av en dag. Vi har fått oppgitt at X poisson(λ) med

Oppgave 1 Vi lar X være antall tankskip som ankommer havnen i løpet av en dag. Vi har fått oppgitt at X poisson(λ) med Norges teknisk-naturvitenskapelige universitet Institutt for matematiske fag Anbefalte oppgaver 5, blokk I Løsningsskisse Oppgave 1 Vi lar X være antall tankskip som ankommer havnen i løpet av en dag.

Detaljer

TMA4240 Statistikk Høst 2015

TMA4240 Statistikk Høst 2015 Norges teknisk-naturvitenskapelige universitet Institutt for ateatiske fag Øving nuer, blokk I Løsningsskisse Oppgave a X kan eksepelvis være resultatet av en flervalgsoppgave ed 0 sp og svaralternativ

Detaljer

Oppgave 1 a) La X være massen til et tilfeldig valgt egg, målt i gram. Sannsynligheten for at et tilfeldig valgt egg veier mer enn 60 g er

Oppgave 1 a) La X være massen til et tilfeldig valgt egg, målt i gram. Sannsynligheten for at et tilfeldig valgt egg veier mer enn 60 g er Norges teknisk-naturvitenskapelige universitet Institutt for matematiske fag Anbefalt øving 5 Løsningsskisse Oppgave 1 a La X være massen til et tilfeldig valgt egg, målt i gram. Sannsynligheten for at

Detaljer

TMA4240 Statistikk 2014

TMA4240 Statistikk 2014 Norges teknisk-naturvitenskapelige universitet Institutt for matematiske fag Øving nummer 6, blokk I Løsningsskisse Oppgave 1 Fremgangsmetode: P X 1 < 6.8 Denne kan finnes ved å sette opp integralet over

Detaljer

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

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

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

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

6 x P (X = x) = x=1 = P (X 2 = 6)P (X 2 = 6)P (X 3 = 6) =

6 x P (X = x) = x=1 = P (X 2 = 6)P (X 2 = 6)P (X 3 = 6) = Norges teknisk-naturvitenskapelige universitet Institutt for matematiske fag Anbefalte oppgaver 4, blokk I Løsningsskisse Oppgave 1 a) Utfallsrommet til X 1 er {1, 2,, 4, 5, }. Sannsynlighetsfordelingen

Detaljer

TMA4240 Statistikk 2014

TMA4240 Statistikk 2014 TMA0 Statistikk 0 Norges teknisk-naturvitenskapelige universitet Institutt for matematiske fag Øving nummer, blokk I Løsningsskisse Oppgave Hendelsene A og B er ikke disjunkte, det vil si at de kan ha

Detaljer

A) B) 400 C) 120 D) 60 E) 10. Rett svar: C. Fasit: ( 5 6 = 60. Hvis A, B, C er en partisjon av utfallsrommet S, så er P (A B) lik.

A) B) 400 C) 120 D) 60 E) 10. Rett svar: C. Fasit: ( 5 6 = 60. Hvis A, B, C er en partisjon av utfallsrommet S, så er P (A B) lik. Oppgave 1 Det skal velges en komité bestående av 2 menn og 1 kvinne. Komitéen skal velges fra totalt 5 menn og 6 kvinner. Hvor mange ulike komitéer kan dannes? A) 86400 B) 400 C) 120 D) 60 E) 10 Rett svar:

Detaljer

Diskrete sannsynlighetsfordelinger.

Diskrete sannsynlighetsfordelinger. Diskrete sannsynlighetsfordelinger. Dekkes av kapittel 5 i læreboka. Husk: f(x) er punktsannsynligheten til en diskret X dersom: 1. f(x) 0 2. x f(x) =1 3. f(x) =P (X = x) Vi skal nå sepå situasjoner der

Detaljer

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

TMA4245 Statistikk Høst 2016

TMA4245 Statistikk Høst 2016 Norges teknisk-naturvitenskapelige universitet Institutt for matematiske fag Anbefalt øving 4 Løsningsskisse Oppgave 1 Mureren La X være mengden mørtel mureren bruker i løpet av en tilfeldig valgt arbeidsdag.

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

Diskrete sannsynlighetsfordelinger.

Diskrete sannsynlighetsfordelinger. Diskrete sannsynlighetsfordelinger. Dekkes av kapittel 5 i læreboka. Husk: f() er punktsannsynligheten til en diskret X dersom: 1. f() 0 2. f() =1 3. f() =P (X = ) Vi skal nå sepå situasjoner der vi har

Detaljer

TMA4240 Statistikk Høst 2015

TMA4240 Statistikk Høst 2015 Norges teknisk-naturvitenskapelige universitet Institutt for matematiske fag Øving nummer 3, blokk I Løsningsskisse Oppgave 1 Hvis hendelsene A og B er uavhengige, vil enhver kunnskap om hvorvidt A har

Detaljer

TMA4240 Statistikk H2010 Kapittel 5: Diskrete sannsynlighetsfordelinger : Uniform, binomisk, hypergeometrisk fordeling

TMA4240 Statistikk H2010 Kapittel 5: Diskrete sannsynlighetsfordelinger : Uniform, binomisk, hypergeometrisk fordeling TMA4240 Statistikk H2010 Kapittel 5: Diskrete sannsynlighetsfordelinger 5.1-5.4: Uniform, binomisk, hypergeometrisk fordeling Mette Langaas 2 Arbeidshverdag etter endt studium Studere et fenomen (f.eks.

Detaljer

TMA4240 Statistikk 2014

TMA4240 Statistikk 2014 TMA4240 Statistikk 2014 Norges teknisk-naturvitenskapelige universitet Institutt for matematiske fag Øving nummer 12, blokk II Oppgave 1 På ein av vegane inn til Trondheim er UP interessert i å måle effekten

Detaljer

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

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

TMA4240 Statistikk Høst 2015

TMA4240 Statistikk Høst 2015 Norges teknisk-naturvitenskapelige universitet Institutt for matematiske fag Øving nummer 8, blokk II Løsningsskisse Oppgave 1 Da komponentene danner et parallellsystem, vil systemet fungere dersom minst

Detaljer

TMA4240 Statistikk Høst 2013

TMA4240 Statistikk Høst 2013 Norges teknisk-naturvitenskapelige universitet Institutt for matematiske fag Øving nummer 6, blokk I Løsningsskisse Oppgave 1 Vi antar X er normalfordelt, X N(3315, 575 2 ). Ved bruk av tabell A.3 finner

Detaljer

UNIVERSITETET I OSLO

UNIVERSITETET I OSLO UNIVERSITETET I OSLO Det matematisk-naturvitenskapelige fakultet Deleksamen i: STK Sannsynlighetsregning og statistisk modellering Eksamensdag: Mandag 4. mars 26 Tid for eksamen: 5. 7. Oppgavesettet er

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

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

Følgelig vil sannsynligheten for at begge hendelsene inntreffer være null,

Følgelig vil sannsynligheten for at begge hendelsene inntreffer være null, Norges teknisk-naturvitenskapelige universitet Institutt for matematiske fag Øving nummer 3, blokk I Løsningsskisse Oppgave 1 Hvis hendelsene A og B er uavhengige, vil enhver kunnskap om hvorvidt A har

Detaljer

TMA4245 Statistikk Høst 2016

TMA4245 Statistikk Høst 2016 Norges teknisk-naturvitenskapelige universitet Institutt for matematiske fag Anbefalt øving 2 Løsningsskisse Oppgave 1 En kartong inneholder 10 pakker hvorav 2 er undervektige. Vi skal trekke pakker tilfeldig

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

TMA4245 Statistikk Høst 2016

TMA4245 Statistikk Høst 2016 TMA5 Statistikk Høst 6 Norges teknisk-naturvitenskapelige universitet Institutt for matematiske fag Anbefalt øving Løsningsskisse Oppgave a) Den tilfeldige variabelen X er kontinuerlig fordelt med sannsynlighetstetthet

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

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

TMA4240 Statistikk Høst 2013

TMA4240 Statistikk Høst 2013 TMA0 Statistikk Høst 0 Norges teknisk-naturvitenskapelige universitet Institutt for matematiske fag Øving nummer, blokk I Løsningsskisse Oppgave Et venn-diagram for (A [ B) 0 = A 0 \ B 0 er vist i figur.

Detaljer

TMA4240 Statistikk H2010

TMA4240 Statistikk H2010 TMA4240 Statistikk H2010 2.8: Bayes regel 3.1: Stokastisk variabel 3.2: Diskrete sannsynlighetsfordelinger 3.3: Kontinuerlige sannsynlighetsfordelinger Mette Langaas Foreleses onsdag 1. september 2010

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

TMA4240 Statistikk H2015

TMA4240 Statistikk H2015 TMA4240 Statistikk H2015 Kapittel 4: Matematisk forventning [4.1+start 4.3] Quiz kjørt med Kahoot! fra kahoot.it. Mette Langaas wiki.math.ntnu.no/emner/tma4240/2015h/start/ 2 Høyde, kvinner Frequency

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

TMA4240 Statistikk H2010

TMA4240 Statistikk H2010 TMA4240 Statistikk H2010 Statistisk inferens: 8.1: Tilfeldig utvalg 9.1-9.3: Estimering Mette Langaas Foreleses uke 40, 2010 2 Utfordring Ved en bedrift produseres en elektrisk komponent. Komponenten må

Detaljer

SIF5072 Stokastiske prosesser Side 2 av 7 Gitt at en pasient er symptomfri ved tidspunkt t, hva er sannsynligheten for at han er symptomfri i hele per

SIF5072 Stokastiske prosesser Side 2 av 7 Gitt at en pasient er symptomfri ved tidspunkt t, hva er sannsynligheten for at han er symptomfri i hele per Norges teknisk naturvitenskapelige universitet Institutt for matematiske fag Side 1 av 7 Faglig kontakt under eksamen: Bo Lindqvist 73 59 35 20 EKSAMEN I FAG SIF5072 STOKASTISKE PROSESSER Tirsdag 22. mai

Detaljer

TMA4240 Statistikk Høst 2015

TMA4240 Statistikk Høst 2015 TMA0 Statistikk Høst 0 Norges teknisk-naturvitenskapelige universitet Institutt for matematiske fag Øving nummer, blokk I Løsningsskisse Oppgave Hendelsene A og B er ikke disjunkte, det vil si at de kan

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

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

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

TMA4240/TMA4245 Statistikk Oppsummering diskrete sannsynlighetsfordelinger

TMA4240/TMA4245 Statistikk Oppsummering diskrete sannsynlighetsfordelinger TMA4240/TMA4245 Statistikk Oppsummering diskrete sannsynlighetsfordelinger Binomisk fordeling* ( ) n b(x; n, p) = p x (1 p) n x = x ( ) n p x q n x, x x = 0, 1, 2,..., n Fenomén: i) n forsøk. ii) Suksess/fiasko

Detaljer

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

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

Statistikk 1 kapittel 5

Statistikk 1 kapittel 5 Statistikk 1 kapittel 5 Nico Keilman ECON 2130 Vår 2017 Kapittel 5 Sannsynlighetsmodeller I kap. 4 så vi et eksempel med en s.v. X som hadde en uniform sannsynlighetsfordeling: alle verdier av x har like

Detaljer

Kapittel 2: Sannsynlighet

Kapittel 2: Sannsynlighet Kapittel 2: Sannsynlighet 2.1, 2.2: Utfallsrom og hendelser 2.3, 2.4: Kombinatorikk og sannsynlighet 2.5, 2.6, 2.7: Regneregler, betinget sanns. 2.8: Bayes regel Eirik Mo Institutt for matematiske fag,

Detaljer

Statistikk 1 kapittel 5

Statistikk 1 kapittel 5 Statistikk 1 kapittel 5 Nico Keilman ECON 2130 Vår 2016 Kapittel 5 Sannsynlighetsmodeller I kap. 4 så vi et eksempel med en s.v. X som hadde en uniform sannsynlighetsfordeling: alle verdier av x har like

Detaljer

Statistikk 1 kapittel 5

Statistikk 1 kapittel 5 Statistikk 1 kapittel 5 Nico Keilman ECON 2130 Vår 2015 Kapittel 5 Sannsynlighetsmodeller I kap. 4 så vi et eksempel om en s.v. X som hadde en uniform sannsynlighetsfordeling: alle verdier av x har like

Detaljer

5.2 Diskret uniform fordeling. Midtveiseksamen (forts.) Kapittel 5. Noen diskrete sannsynlighetsfordelinger. TMA4245 V2007: Eirik Mo

5.2 Diskret uniform fordeling. Midtveiseksamen (forts.) Kapittel 5. Noen diskrete sannsynlighetsfordelinger. TMA4245 V2007: Eirik Mo Histogram of x 1 2 3 4 5 6 x 0 1 2 3 4 5 6 3 Midtveiseksamen oppg. 1a eksamen 06.08.2004 Kapittel 5 Noen diskrete sannsynlighetsfordelinger TMA4245 V2007: Eirik Mo Høsten 2004 ble det i TMA4240 bli innført

Detaljer

Noen diskrete sannsynlighetsfordelinger. (utarbeidet av Mette Langaas), TMA4245 V2007

Noen diskrete sannsynlighetsfordelinger. (utarbeidet av Mette Langaas), TMA4245 V2007 Kapittel 5 Noen diskrete sannsynlighetsfordelinger TMA4245 V2007: Eirik Mo 2 5.2 Diskret uniform fordeling Diskret uniform fordeling: Hvis den stokastiske variabelen X antar verdiene x 1, x 2,..., x k

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

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

EKSAMEN I EMNE TMA4265/SIF5072 STOKASTISKE PROSESSER Onsdag 10. august 2005 Tid: 09:00 13:00

EKSAMEN I EMNE TMA4265/SIF5072 STOKASTISKE PROSESSER Onsdag 10. august 2005 Tid: 09:00 13:00 Norges teknisk naturvitenskapelige universitet Institutt for matematiske fag Side 1 av 6 Bokmål Faglig kontakt under eksamen: Håkon Tjelmeland 73 59 35 38 EKSAMEN I EMNE TMA4265/SIF5072 STOKASTISKE PROSESSER

Detaljer

TMA4240 Statistikk Eksamen desember 2015

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

Detaljer

Formelsamling V MAT110 Statistikk 1. Per Kristian Rekdal

Formelsamling V MAT110 Statistikk 1. Per Kristian Rekdal Formelsamling V-2016 MAT110 Statistikk 1 Per Kristian Rekdal Figur 1: Statistikk. 3 Innhold 1 Beskrivende statistikk 9 1.1 Populasjon og utvalg.................................. 9 1.2 Statistiske mål

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

Regneøvelse 29/5, 2017

Regneøvelse 29/5, 2017 Regneøvelse 29/5, 2017 Arne Bang Huseby Eksamen STK1100 2008: oppgave 3 Eksamen STK1100 2004: oppgave 2 Eksamen 2008, oppgave 3 Et vannverk tar prøver av drikkevannet for å kontrollere forekomsten av en

Detaljer

Kapittel 2: Hendelser

Kapittel 2: Hendelser Kapittel 2: Hendelser FENOMEN Eksperiment Utfall Utfallsrom Eksperiment. Utfall. Eksperiment Utfall Hendelse Sannsynlighet: egenskaper, gunstige vs. mulige, relativ frekvens Sannsynlighet for mer enn en

Detaljer

Statistikk 1 kapittel 5

Statistikk 1 kapittel 5 Statistikk 1 kapittel 5 Nico Keilman ECON 2130 Vår 2014 Kapittel 5 Sannsynlighetsmodeller I kap. 4 så vi et eksempel om en s.v. X som hadde en uniform sannsynlighetsfordeling: alle verdier av x har like

Detaljer

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

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

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 a) Antall måter å velge ut k elementer fra en populasjon på n er gitt av binomialkoeffisienten

Oppgave 1 a) Antall måter å velge ut k elementer fra en populasjon på n er gitt av binomialkoeffisienten Norges teknisk-naturvitenskapelige universitet Institutt for matematiske fag Anbefalte oppgaver 2, blokk I Løsningsskisse Oppgave 1 a) Antall måter å velge ut k elementer fra en populasjon på n er gitt

Detaljer

STK Oppsummering

STK Oppsummering STK1100 - Oppsummering Geir Storvik 6. Mai 2014 STK1100 Tre temaer Deskriptiv/beskrivende statistikk Sannsynlighetsteori Statistisk inferens Sannsynlighetsregning Hva Matematisk verktøy for å studere tilfeldigheter

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

Løsningskisse seminaroppgaver uke 15

Løsningskisse seminaroppgaver uke 15 HG April 0 Løsningskisse seminaroppgaver uke 5 Oppg. 5.6 La X = antall barn i utvalget som har lærevansker. Andel barn med lærevansker i populasjonen av barn antas å være p = 0,5. Utvalgsstørrelsen er

Detaljer

TMA4123/TMA4125 Matematikk 4M/4N Vår 2013

TMA4123/TMA4125 Matematikk 4M/4N Vår 2013 Norges teknisk naturvitenskapelige universitet Institutt for matematiske fag TMA4123/TMA4125 Matematikk 4M/4N Vår 2013 Løsningsforslag Øving 4 1 a) Bølgeligningen er definert ved u tt c 2 u xx = 0. Sjekk

Detaljer

Tilfeldige variable (5.2)

Tilfeldige variable (5.2) Tilfeldige variable (5.) Dersom vi til hvert utfall av eksperimentet tilordner et tall, har vi laget en tilfeldig variabel. Tilfeldig variabel: En variabel som har en numerisk verdi for hvert utfall i

Detaljer

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

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

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

LØSNINGSFORSLAG TIL EKSAMEN I FAG TMA4240 STATISTIKK 5.august 2004

LØSNINGSFORSLAG 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

Detaljer

Sensurveiledning for eksamen i lgu52003 våren 2015

Sensurveiledning for eksamen i lgu52003 våren 2015 Sensurveiledning for eksamen i lgu5200 våren 205 Oppgave a) Gjennomsnittsfart fra 0-0 minutt: tilbakelagt strekning etter 0 min tilbakelagt strekning ved start tid = Gjennomsnittsfart fra 5-0 minutt: (5

Detaljer

Eksamen i. MAT110 Statistikk 1

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

Detaljer

Forelening 1, kapittel 4 Stokastiske variable

Forelening 1, kapittel 4 Stokastiske variable Forelening 1, kapittel 4 Stokastiske variable Eksempel X = "antall kron på kast med to mynter (før de er kastet)" Uniformt utfallsrom {MM, MK, KM, KK}. X = x beskriver hendelsen "antall kron på kast med

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

ÅMA110 Sannsynlighetsregning med statistikk, våren Kp. 3 Diskrete tilfeldige variable. Diskrete tilfeldige variable, varians (kp. 3.

ÅMA110 Sannsynlighetsregning med statistikk, våren Kp. 3 Diskrete tilfeldige variable. Diskrete tilfeldige variable, varians (kp. 3. ÅMA Sannsynlighetsregning med statistikk, våren 8 Kp. Diskrete tilfeldige variable Kp. Diskrete tilfeldige variable Har sett på (tidligere: begrep/definisjoner; tilfeldig (stokastisk variabel sannsynlighetsfordeling

Detaljer

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

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

Detaljer

Eksempel: kast med to terninger

Eksempel: kast med to terninger Kapittel 3 TMA4245 V2007: Eirik Mo 2 Eksempel: kast med to terninger I et eksperiment kaster vi to terninger og registerer antall øyne på hver terning. Utfallsrom S={(,),(,2),(,3),...,(,), (2,),...,(2,),...,(,)}

Detaljer

Illustrasjon av regel 5.19 om sentralgrenseteoremet og litt om heltallskorreksjon (som i eksempel 5.20).

Illustrasjon av regel 5.19 om sentralgrenseteoremet og litt om heltallskorreksjon (som i eksempel 5.20). Econ 130 HG mars 017 Supplement til forelesningen 7. februar Illustrasjon av regel 5.19 om sentralgrenseteoremet og litt om heltallskorreksjon (som i eksempel 5.0). Regel 5.19 sier at summer, Y X1 X X

Detaljer

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

Tyngdepunkt. Togforsinkelsen (Eksamen Des2003.1a) I denne oppgaven kan du bruke uten å vise det at. Kapittel 4

Tyngdepunkt. Togforsinkelsen (Eksamen Des2003.1a) I denne oppgaven kan du bruke uten å vise det at. Kapittel 4 3 Tyngdepunkt Kapittel 4 Forventningsverdi, varians, kovarians for én stokastisk variabel og funksjoner av stokastiske variabler TMA4240 H2006: Eirik Mo 2 4.1 Forventing til en stokastisk variabel DEF

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

TMA4240 Statistikk H2010

TMA4240 Statistikk H2010 TMA4240 Statistikk H2010 2.5: Addisjonsregler (union) 2.6: Betinget sannsynlighet 2.7: Multiplikasjonsregler (snitt) 2.8: Bayes regel (starte litt) Mette Langaas Foreleses mandag 30. august 2010 2 Kapittel

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

i x i

i x i TMA4245 Statistikk Vår 2016 Norges teknisk-naturvitenskapelige universitet Institutt for matematiske fag Anbefalte oppgaver 11, blokk II Oppgavene i denne øvingen dreier seg om hypotesetesting og sentrale

Detaljer

UNIVERSITETET I OSLO

UNIVERSITETET I OSLO UNIVERSITETET I OSLO Det matematisk-naturvitenskapelige fakultet Eksamen i: ST 101 Innføring i statistikk og sannsynlighetsregning. Eksamensdag: Mandag 30. november 1992. Tid for eksamen: 09.00 15.00.

Detaljer

Utfallsrom og hendelser. Disjunkte hendelser. Kapittel 2: Sannsynlighet. Eirik Mo Institutt for matematiske fag, NTNU

Utfallsrom og hendelser. Disjunkte hendelser. Kapittel 2: Sannsynlighet. Eirik Mo Institutt for matematiske fag, NTNU 3 Utfallsrom og hendelser Kapittel 2: Sannsynlighet 2., 2.2: Utfallsrom og hendelser 2.3, 2.4: Kombinatorikk og sannsynlighet 2.5, 2.6, 2.7: Regneregler, betinget sanns. 2.8: Bayes regel DEF 2. Ufallsrom:

Detaljer

Utvalgsfordelinger; utvalg, populasjon, grafiske metoder, X, S 2, t-fordeling, χ 2 -fordeling

Utvalgsfordelinger; utvalg, populasjon, grafiske metoder, X, S 2, t-fordeling, χ 2 -fordeling Kapittel 8 Utvalgsfordelinger; utvalg, populasjon, grafiske metoder, X, S 2, t-fordeling, χ 2 -fordeling TMA4240 H2006: Eirik Mo 2 Til nå... Definert sannsynlighet og stokastiske variabler (kap. 2 & 3).

Detaljer

TMA4245 Statistikk Eksamen desember 2016

TMA4245 Statistikk Eksamen desember 2016 Norges teknisk-naturvitenskapelige universitet Institutt for matematiske fag TMA4245 Statistikk Eksamen desember 2016 Oppgave 1 Ei bedrift produserer elektriske komponentar. Komponentane kan ha to typar

Detaljer

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

Løsningskisse for oppgaver til undervisningsfri uke 8 ( februar 2012)

Løsningskisse for oppgaver til undervisningsfri uke 8 ( februar 2012) 1 ECON 130 HG - februar 01 Løsningskisse for oppgaver til undervisningsfri uke 8 (0.-. februar 01) Oppg..1. Variabel: x = antall kundehenvendelser pr. dag 1. Antall observasjoner: n = 100 dager. I Excel

Detaljer

EKSAMEN I FAG TMA4240 STATISTIKK

EKSAMEN I FAG TMA4240 STATISTIKK Norges teknisk naturvitenskapelige universitet Institutt for matematiske fag Side 1 av 5 Faglige kontakter under eksamen: Jo Eidsvik 90127472 Arild Brandrud Næss 99538294 EKSAMEN I FAG TMA4240 STATISTIKK

Detaljer

Medisinsk statistikk Del I høsten 2009:

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

Detaljer

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