Introduction to the Practice of Statistics

Størrelse: px
Begynne med side:

Download "Introduction to the Practice of Statistics"

Transkript

1 David S. Moore George P. McCabe Introduction to the Practice of Statistics Fifth Edition Chapter 4: Probability: The Study of Randomness Copyright 2005 by W. H. Freeman and Company

2 Statistisk inferens Hvor ofte vil denne metoden gi korrekt svar hvis jeg bruker den mange ganger Tilfeldighet Kan ikke predikeres på forhånd Regulært mønster Basis for sannsynlighet Eksempel: Kaste mynt, to utfall Sannsynlighet 0.5 for å få krone

3

4 Tilfeldighet og Sannsynlighet Beskriver hva som skjer hvis eksperiment gjentas mange ganger Mindre regularitet enn mange tror Tilfeldighet Utfall er usikkerhet, men regulært mønster for et stort antall repetisjoner Sannsynlighet Andel ganger et utfall skjer i en lang serie av repetisjoner

5 Myntkast Buffon: Kastet mynt 4040 ganger 2048 ganger krone Andel p = Pearson: kast, p = Kerrich: kast, p =0.5067

6 Tilfeldigheter Noen ting er tilfeldige i vår verden Utfall av myntkast Utstråling av partikler fra radioaktiv stråle Resultat av tilfeldig utfall eller randomisert eksperiment Sannsynlighet: Beskriver tilfeldig oppførsel Empirisk definisjon Kan aldri observere en sannsynlighet Repetisjoner av uavhengige forsøk

7 Sannsynlighetsteori Startet for å studere utfall av spill Utviklet videre i forbindelse med analyse av astronomiske data (målefeil) Brukes idag i mange sammenhenger Levetidstabeller Trafikkflut Genetiske data Spredning av sykdommer Analyse av finansielle data

8 Sannsynlighetsmodeller (4.2) Matematisk språk for å beskrive tilfeldig utfall Beskrive hva vi vet Mulige utfall (Mynt/Kron) Sannsynlighet for utfall (0.5 for kron) Utfallsrom: Sett av alle mulige utfall, S Hendelse: Et mulig utfall eller et sett av utfall Vil gi hver mulig hendelse en sannsynlighet

9 Utfallsrom Myntkast: S={Mynt,Kron} Hendelse: Mynt eller kron Terningkast: S={1,2,3,4,5,6} Hendelse: {1,2,3}, {3,4} Spørreundersøkelse, ja/nei, utvalgsstørrelse n S={0,1,2,...,n} Hendelse: {0,1,...,10} Levetid etter behandling S={alle positive tall}

10 Egenskaper sannsynligheter Tall mellom 0 og 1 P(Terning=1)=1/6 0 P(A) 1 Alle mulige utfall må tilsammen ha sannsynlighet 1 P(Terning er 1,2,3,4,5 eller 6) = 1 P(S) = 1

11 Egenskaper sannsynligheter To hendelser som ikke har noen felles utfall har sannsynlighet lik summen av de individuelle utfall P(Terning =1)=1/6, P(Terning=2)=1/6 P(Terning =1 eller 2)= 1/6 + 1/6 = 1/3 A og B disjunkte: P(A eller B) = P(A) + P(B) Sannsynligheten for at en hendelse ikke inntreffer er 1 minus sannsynligheten for at den inntreffer Ac = kompliment av A, P(Ac) = 1-P(A) P(Terning 1) = 1-1/6 = 5/6=P(Terning = 2,3,4,5 eller 6)

12

13

14 Endelige antall utfall Gi en sannsynlighet til hvert utfall Sannsynlighet for hendelse: Summere sannsynligheter for alle utfall involvert

15 Benfor's lov Første tall i tall som sendes inn (skatt, lønn, utgifter etc) Første tall 1 Sannsynlig het Fusk: Sammenlikne med tabell

16 Like sannsynlige utfall I mange tilfelle rimlig å anta alle utfall like sannsynlige Myntkast: 0.5 for mynt kron Terningkast: 1/6 for 1,2,3,4,5,6 Generelt, k utfall, alle like sannsynligheter 1/k P(A) = (antall utfall i A) / k = (antall utfall i A)/ (Antall utfall i S)

17 Uavhengighet og multiplikasjonsregelen Myntkast A = {Først kast er kron} B = {Andre kast er kron} A og B er ikke disjunkte Rimelig at A og B er uavhengige Kunnskap om A endrer ikke sannsynligheten for B Hva er P(A og B)? Multiplikasjonsregel: Uavhengighet: P(A og B)=P(A) * P(B)

18

19 Myntkast Myntkast A = {Først kast er kron} B = {Andre kast er kron} Antar A og B er uavhengige P(A og B) = P(A) * P(B) = 0.5*0.5=0.25

20 Utdeling kort 52 kort, 26 røde P(første kort rødt) = 26/52 = 0.5 P(andre kort rødt hvis første rødt)=25/51 < 0.5 P(andre kort rødt hvis første sort) = 26/51 > 0.5 Ikke uavhengighet

21 Mendel's lov Arv opererer tilfeldig Frø har farge grønn eller gul Hver plante bærer to gener for frøfarge Arver et gen fra hver foreldreplante, sannsynl.0.5 Gen: G eller Y, GG=Grønn, GY,YG,YY=Gul Anta far = GY og mor = GY M={G fra far}, F={G fra mor} P(M og F)=P(M)P(F)=0.5*0.5=0.25 Kan vise P(Grønn)=0.25 etter mange generasjoner

22 Multiplikasjon: Kun ved uavhengighet Plutselig barnedødlighet: 1 av 8500 dør uforklarlig, sanns 0, To barn død i samme familie Foreldre siktet for drap Uavhengighet: P(To barn dør)= * =1/ Flere kvinner siktet i England Royal Statistical Society: Uavhengighet ikke rimelig Britisk regjering tok opp 258 saker på nytt

23 Flere regler A og B uavhengige medfører Ac og Bc uavhengige A, B og C uavhengige medfører P(A, B og C)=P(A)P(B)P(C) P(Krone 3 ganger på rad)=0.5*0.5*0.5=0.125 Formell definisjon uavhengighet vanskelig Vil vanligvis anta uavhengighet

24 Hiv tester Ved testing av HIV, mange kommer ikke tilbake for å sjekke resultat Rask, men mindre pålitelig HIV test: få minutter P(Falsk positiv) = P(Riktig negativ) = P(Minst en av 200 gir falsk positiv) = 1 P(Ingen av 200 gir falsk positiv) = 1 P(200 negative) = = =0.5514

25 Stokastiske variable Utfallsrom kan ta ulike former 4 myntkast: S={MMMM,MMMK,MMKM, MMKK,MKMM,MKMK,...} Statistikk: Mest interessert i numeriske utfall X = antall kron i 4 myntkast, S={0,1,2,3,4} X er en stokastisk (tilfeldig) variabel Stokastisk variabel: Numerisk utfall av et tilfeldig fenomen

26

27

28 Myntkast X=antall kron (H) i 4 myntkast Antar P(H)=P(T)=0.5, ballansert mynt Uavhengige kast P(X=0)=P(TTTT)=0.5*0.5*0.5*0.5= P(X=0)=(Antall «gunstige» kombinasjoner)/ (Antall mulige kombinasjoner)=1/16= P(X=2)=6/16=0.375 X P(X)

29

30

31 Myntkast P(X 2)=P(X=2)+P(X=3)=P(X=4) = = P(X 1)=1-P(X=0) = =0.9375

32 Kontinuerlige stokastiske variable Datamaskiner genererer tilfeldige tall mellom 0 og 1 S={x;0 x 1} Sprer data uniformt over S P(0.3 x 0.7)=? Kan ikke lengre allokere sannsynligheter til hver verdi Tetthetskurver og areal

33 Kontinuerlige tilfeldige variable En variabel X som tar verdier i et intervall av tall. Sannsynlighetsfordelingen til X beskrives av en tetthetskurve Sannsynligheten for en hendelse er arealet under tetthetskurven og over de verdier av X som beskriver hendelsen

34

35

36

37 Sannsynlighet 0 for ethvert utfall Angir sannsynligheter til intervaller istedet for individuelle utfall P(X=0.8)=0 X=0.8 er et sett av lengde 0, areal=0 Et utfall vil i praksis aldri være helt lik 0.8 Tre desimaler: eller desimaler: eller Gir P(X<0.8)=P(X 0.8)

38 Normalfordeling X er N(μ,σ) Z=(X-μ)/σ er N(0,1) Eksempel: p=andel studenter som jukser på eksamen p =andel observert jukset i et tilfeldig utvalg p tilfeldig variabel Kan vise: tilnærmet N(0.12,0.016) hvis p=0.12 P(p <0.10 eller p >0.14)= 1-P(0.10<p <0.14)=1-P(-1.25<Z<1.25)=0.7888

39

Kapittel 4.3: Tilfeldige/stokastiske variable

Kapittel 4.3: Tilfeldige/stokastiske variable Kapittel 4.3: Tilfeldige/stokastiske variable Litt repetisjon: Sannsynlighetsteori Stokastisk forsøk og sannsynlighet Tilfeldig fenomen Individuelle utfall er usikre, men likevel et regulært mønster for

Detaljer

Innledning kapittel 4

Innledning kapittel 4 Innledning kapittel 4 Sannsynlighet og tilfeldighet Basert på materiale fra Ørnulf Borgan Matematisk institutt Universitetet i Oslo 1 Deterministiske fenomener Almanakk for Norge viser: når det er fullmåne

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

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

Betinget sannsynlighet. MAT0100V Sannsynlighetsregning og kombinatorikk. Vi trenger en definisjon av betinget sannsynlighet!

Betinget sannsynlighet. MAT0100V Sannsynlighetsregning og kombinatorikk. Vi trenger en definisjon av betinget sannsynlighet! MAT0100V Sannsynlighetsregning og kombinatorikk Betinget sannsynlighet og uavhengige hendelser Produktsetningen Total sannsynlighet og Bayes' setning Betinget sannsynlighet Vil repeterer først et eksempel

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

Betinget sannsynlighet

Betinget sannsynlighet Betinget sannsynlighet Multiplikasjonsloven for sannsynligheter (s. 49 i bok): P( AB ) = P( A B ) P(B) Veldig viktig verktøy for å finne sannsynligheter for snitt. (Bevises ved rett fram manipulering av

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

Loven om total sannsynlighet. Bayes formel. Testing for sykdom. ST0202 Statistikk for samfunnsvitere

Loven om total sannsynlighet. Bayes formel. Testing for sykdom. ST0202 Statistikk for samfunnsvitere 2 Loven om total sannsynlighet La A og Ā være komplementære hendelser, mens B er en annen hendelse. Da er: P(B) P(B oga)+p(b ogā) P(B A)P(A)+P(B Ā)P(Ā) ST0202 Statistikk for samfunnsvitere Bo Lindqvist

Detaljer

Sannsynlighetsregning og kombinatorikk

Sannsynlighetsregning og kombinatorikk Sannsynlighetsregning og kombinatorikk Introduksjon Formålet med sannsynlighet og kombinatorikk er å kunne løse problemer i statistikk, somoftegårutpååfattebeslutninger i situasjoner der tilfeldighet rår.

Detaljer

ÅMA110 Sannsynlighetsregning med statistikk, våren 2011

ÅMA110 Sannsynlighetsregning med statistikk, våren 2011 ÅMA110 Sannsynlighetsregning med statistikk, våren 2011 Kp. 2 Sannsynlighetsregning i (sannsynlighetsteori) t i) 2.5 Betinget sannsynlighet 1 Betinget sannsynlighet (kp. 2.5) - innledning Eks.: Et terningkast;

Detaljer

Sannsynlighetsbegrepet

Sannsynlighetsbegrepet Sannsynlighetsbegrepet Notat til STK1100 Ørnulf Borgan Matematisk institutt Universitetet i Oslo Januar 2004 Formål Dette notatet er et supplement til kapittel 1 i Mathematical Statistics and Data Analysis

Detaljer

Trekking uten tilbakelegging. Disjunkte hendelser (4.5) Forts. ST0202 Statistikk for samfunnsvitere

Trekking uten tilbakelegging. Disjunkte hendelser (4.5) Forts. ST0202 Statistikk for samfunnsvitere 2 Trekking uten tilbakelegging ST0202 Statistikk for samfunnsvitere o Lindqvist Institutt for matematiske fag En bolle inneholder 7 kuler, 5 gule (Y) og to røde (). To kuler trekkes uten tilbakelegging,

Detaljer

Kapittel 4.4: Forventning og varians til stokastiske variable

Kapittel 4.4: Forventning og varians til stokastiske variable Kapittel 4.4: Forventning og varians til stokastiske variable Forventning og varians til stokastiske variable Histogrammer for observerte data: Sannsynlighets-histogrammer og tetthetskurver for stokastiske

Detaljer

Sannsynlighetsregning

Sannsynlighetsregning Sannsynlighetsregning Per G. Østerlie Thora Storm vgs per.osterlie@stfk.no 5. april 203 Hva og hvorfor? Hva? Vi får høre at det er sannsynlig at et eller annet kommer til å skje. Sannsynligheten for å

Detaljer

Innledning kapittel 4

Innledning kapittel 4 Innledning kapittel 4 Sannsynlighet og tilfeldighet Basert på materiale fra Ørnulf Borgan Matematisk institutt Universitetet i Oslo 1 Deterministiske fenomener Almanakk for Norge viser: når det er fullmåne

Detaljer

ST0202 Statistikk for samfunnsvitere

ST0202 Statistikk for samfunnsvitere ST0202 Statistikk for samfunnsvitere Kapittel 4: Sannsynlighetsregning Bo Lindqvist Institutt for matematiske fag 2 Sannsynligheten for en hendelse (4.1) Sannsynligheten for en hendelse sier oss hvor ofte

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

Statistikk 1 kapittel 5

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

Detaljer

UNIVERSITETET I OSLO ØKONOMISK INSTITUTT

UNIVERSITETET I OSLO ØKONOMISK INSTITUTT 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

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

Fagdag 5-08.01.09. 2) Du skal fylle ut en tippekupong. På hvor mange måter kan dette gjøres?

Fagdag 5-08.01.09. 2) Du skal fylle ut en tippekupong. På hvor mange måter kan dette gjøres? Fagdag Plan Fagdag - 08.01.0 1,2 time: Repetisjon kapittel 3 - Sannsynlighet Oppgaver Teori (lesestoff) 3, time: Arbeide med.1 og.2: 16, 17, 18, 1 3, time: Ekstra vurdering før terminoppgjør Repetisjon

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

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

statistikk, våren 2011

statistikk, våren 2011 ÅMA110 Sannsynlighetsregning med statistikk, våren 011 Kp. 3 Diskrete tilfeldige variable 1 Diskrete tilfeldige variable, innledning Hva er en tilfeldig variabel (stokastisk variabel)? Diskret tilfeldig

Detaljer

Sannsynligheten for en hendelse (4.2) Empirisk sannsynlighet. ST0202 Statistikk for samfunnsvitere

Sannsynligheten for en hendelse (4.2) Empirisk sannsynlighet. ST0202 Statistikk for samfunnsvitere 2 Sannsynligheten for en hendelse (4.2) Sannsynligheten for en hendelse sier oss hvor ofte vi forventer at hendelsen inntreffer, dvs. den forventede relative frekvens av hendelsen. ST0202 Statistikk for

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

UNIVERSITETET I OSLO Det matematisk-naturvitenskapelige fakultet

UNIVERSITETET I OSLO Det matematisk-naturvitenskapelige fakultet UNIVERSITETET I OSLO Det matematisk-naturvitenskapelige fakultet Underveiseksamen i: STK1000 Innføring i anvendt statistikk. Eksamensdag: Onsdag 13/10, 2004. Tid for eksamen: Kl. 09.00 11.00. Vedlegg:

Detaljer

ÅMA110 Sannsynlighetsregning med statistikk, våren Noen viktige sannsynlighetsmodeller. Noen viktige sannsynlighetsmodeller

ÅMA110 Sannsynlighetsregning med statistikk, våren Noen viktige sannsynlighetsmodeller. Noen viktige sannsynlighetsmodeller ÅMA0 Sannsnlighetsregning med statistikk, våren 008 Kp. 3 Diskrete tilfeldige variable Noen viktige sannsnlighetsmodeller Noen viktige sannsnlighetsmodeller Binomisk modell (kp. 3.6) Hpergeometrisk modell

Detaljer

6 Sannsynlighetsregning

6 Sannsynlighetsregning MATEMATIKK: 6 Sannsynlighetsregning 6 Sannsynlighetsregning 6.1 Forsøk. Utfallsrom. Sannsynlighet (sjanse). Sannsynlighetsmodell Ved ett kast med en terning vet vi at terningen vil vise enten ett, to,

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

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

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

Sannsynlighetsregning

Sannsynlighetsregning Sannsynlighetsregning Læreplan. Forsøk og simuleringer. Sannsynlighet 3.3 Sum av sannsynligheter 5.4 Multiplikasjonsprinsippet 9.5 Uavhengige hendinger 0. Avhengige hendinger 5 Symboler, formler og eksempler

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

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

Forelesning 7 Statistiske beskrivelser av enkeltvariabler. Mål for sentraltendens

Forelesning 7 Statistiske beskrivelser av enkeltvariabler. Mål for sentraltendens Forelesning 7 Statistiske beskrivelser av enkeltvariabler Statistiske mål for univariate fordelinger: Sentraltendens Verdien for fordelingens tyngdepunkt Spredning Hvor nært opp til tyngdepunktet ligger

Detaljer

Eksempel på data: Karakterer i «Stat class» Introduksjon

Eksempel på data: Karakterer i «Stat class» Introduksjon Eksempel på data: Karakterer i «Stat class» Introduksjon Viktige begreper for å beskrive data: Enheter som er objektene i datasettet «label» som av og til brukes for å skille enhetene En variabel er en

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

1 Sannsynlighetsrgning

1 Sannsynlighetsrgning 1 Sannsynlighetsrgning 1.1 Det er 13 grønne og 18 røde baller i en eske. Vi trekker ut to baller etter hverandre. a) Hva er sannsynligheten for å få to grønne baller? Svar: P(g 1, g 2 ) = p(g 1 ) p(g 2

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

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

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

Kapittel 3. Datainnsamling Dataproduksjon

Kapittel 3. Datainnsamling Dataproduksjon Kapittel 3 Datainnsamling Dataproduksjon Produsere/samle data Kap 1: Utforske og analysere gitte data for en variabel ved hjelp av grafer og tall Kap 2: Analysere sammenhenger mellom gitte data for to

Detaljer

LØSNINGSFORSLAG TIL EKSAMEN I FAG TMA4240 STATISTIKK Mandag 12. desember 2011

LØSNINGSFORSLAG TIL EKSAMEN I FAG TMA4240 STATISTIKK Mandag 12. desember 2011 Norges teknisk naturvitenskapelige universitet Institutt for matematiske fag Side 1 av 10 LØSNINGSFORSLAG TIL EKSAMEN I FAG TMA4240 STATISTIKK Mandag 12. desember 2011 Oppgave 1 Oljeleting a) Siden P(A

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

Hypergeometrisk modell

Hypergeometrisk modell Hpergeometrisk modell Tilnærming til binomisk fordeling - enklere å beregne binomiske sannsnligheter Dersom n er liten i forhold til N, er det tilnærmet uavhengighet mellom resultatene i ulike trekninger/

Detaljer

Eksamen REA3028 S2, Høsten 2011

Eksamen REA3028 S2, Høsten 2011 Eksamen REA08 S, Høsten 0 Del Tid: timer Hjelpemidler: Vanlige skrivesaker, passer, linjal med centimetermål og vinkelmåler er tillatt. Oppgave (4 poeng) a) Deriver funksjonene ) f f 4 ) g e g e 6e ) h

Detaljer

S.R.S Varadhan av Professor Tom Louis Lindstrøm

S.R.S Varadhan av Professor Tom Louis Lindstrøm S.R.S Varadhan av Professor Tom Louis Lindstrøm Srinivasa S. R. Varadhan er født i Madras (Chennai) i India i 1940. Han tok bachelorgraden ved Presidency College i 1959 og doktorgraden ved Indian Statistical

Detaljer

EKSAMEN ST0202 STATISTIKK FOR SAMFUNNSVITERE

EKSAMEN ST0202 STATISTIKK FOR SAMFUNNSVITERE Norges teknisknaturvitenskapelige universitet Institutt for matematiske fag Side 1 av 10 Bokmål Faglig kontakt under eksamen: Bo Lindqvist, tlf. 97589418 EKSAMEN ST0202 STATISTIKK FOR SAMFUNNSVITERE Tirsdag

Detaljer

Sannsynlighet og statistikk

Sannsynlighet og statistikk Sannsynlighet og statistikk Arkeologiske utgravinger har vist at mennesker har underholdt seg med forskjellige spill i tusener av år. Terninger fra India som ble brukt i spill, er faktisk 5000 år gamle.

Detaljer

Statistikk 1 kapittel 3

Statistikk 1 kapittel 3 Statistikk 1 kapittel 3 Nico Keilman ECON 2130 Vår 2014 Kapittel 3 Sannsynlighetsregning Formål: å kvantifisere usikkerhet ved hjelp av sannsynligheter Viktige begreper stokastisk forsøk: et forsøk der

Detaljer

Lærebok Robert Johnson og Patricia Kuby: Elementary Statistics, 10. utgave. Pensumoversikt. Oversikt. ST0202 Statistikk for samfunnsvitere

Lærebok Robert Johnson og Patricia Kuby: Elementary Statistics, 10. utgave. Pensumoversikt. Oversikt. ST0202 Statistikk for samfunnsvitere 2 Lærebok Robert Johnson og Patricia Kuby: Elementary Statistics, 10. utgave ST0202 Statistikk for samfunnsvitere Bo Lindqvist Institutt for matematiske fag 3 4 Pensumoversikt Oversikt Kap. 2 Beskrivende

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

UNIVERSITETET I OSLO Det matematisk-naturvitenskapelige fakultet

UNIVERSITETET I OSLO Det matematisk-naturvitenskapelige fakultet UNIVERSITETET I OSLO Det matematisk-naturvitenskapelige fakultet Underveiseksamen i: STK1000. Eksamensdag: Onsdag 17/3, 2004. Tid for eksamen: Kl. 09.00 12.00. Tillatte hjelpemidler: Lærebok: Moore & McCabe

Detaljer

En kort innføring i sannsynlighetsregning

En kort innføring i sannsynlighetsregning En kort innføring i sannsynlighetsregning Harald Goldstein Sosialøkonomisk institutt Januar 2000 Innhold 1 Innledning 1 2 Begivenheter og sannsynlighet 4 2.1 Matematiskbeskrivelseavbegivenheter... 4 2.2

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

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

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

Simulering på regneark

Simulering på regneark Anne Berit Fuglestad Simulering på regneark Trille terninger eller kaste mynter er eksempler som går igjen i sannsynlighetsregningen. Ofte kunne vi trenge flere forsøk for å se en klar sammenheng og få

Detaljer

Supplement til power-point presentasjonen i medisinsk statistikk, forelesning 7 januar 2013. Skrevet av Stian Lydersen 16 januar 2013

Supplement til power-point presentasjonen i medisinsk statistikk, forelesning 7 januar 2013. Skrevet av Stian Lydersen 16 januar 2013 1 Supplement til power-point presentasjonen i medisinsk statistikk, forelesning 7 januar 013. Skrevet av Stian Lydersen 16 januar 013 Vi antar at vårt utvalg er et tilfeldig og representativt utvalg for

Detaljer

Forsøk med sannsynlighetsregning/fra forsøk til sannsynlighet

Forsøk med sannsynlighetsregning/fra forsøk til sannsynlighet Sannsynlighet Sannsynligheter angis som 1. (desimal)tall fra 0 til 1, der 0 angir at noe aldri vil skje og at 1 angir at noe vil skje hver gang 2. prosent mellom 0 og 100 %, der 0 % angir at noe aldri

Detaljer

4.4 Sum av sannsynligheter

4.4 Sum av sannsynligheter 4.4 Sum av sannsynligheter Nina trekker kort fra en vanlig kortstokk med 52 kort. Vi innfører hendingene H: Kortet er en hjerter S: Kortet er en spar Det er 13 hjerter og 13 spar i stokken. Sannsynligheten

Detaljer

- Et stokastisk forsøk er et forsøk underlagt tilfeldige variasjoner, for eks. kast med en terning, trekking av et lottotall o.l.

- Et stokastisk forsøk er et forsøk underlagt tilfeldige variasjoner, for eks. kast med en terning, trekking av et lottotall o.l. SANNSYNLIGHETSREGNING Terminologi Kombinatorikk Stokastisk Utfallsrom / utfall (enkeltutfall) - Et stokastisk forsøk er et forsøk underlagt tilfeldige variasjoner, for eks. kast med en terning, trekking

Detaljer

Litt om forventet nytte og risikoaversjon. Eksempler på økonomisk anvendelse av forventning og varians.

Litt om forventet nytte og risikoaversjon. Eksempler på økonomisk anvendelse av forventning og varians. H. Goldstein Revidert januar 2008 Litt om forventet nytte og risikoaversjon. Eksempler på økonomisk anvendelse av forventning og varians. Dette notatet er ment å illustrere noen begreper fra Løvås, kapittel

Detaljer

Simulering - Sannsynlighet

Simulering - Sannsynlighet Simulering - Sannsynlighet Når regnearket skal brukes til simulering, er det et par grunninnstillinger som må endres i Excel. Hvis du får feilmelding om 'sirkulær programmering', betyr det vanligvis at

Detaljer

Forelesning 3, kapittel 3. : 3.2: Sannsynlighetsregning. Kolmogoroffs aksiomer og bruk av disse.

Forelesning 3, kapittel 3. : 3.2: Sannsynlighetsregning. Kolmogoroffs aksiomer og bruk av disse. Forelesning 3, kapittel 3. : 3.2: Sannsynlighetsregning. Kolmogoroffs aksiomer og bruk av disse. Den klassiske definisjonen (uniform modell) av sannsynlighet for en hendelse A i et utfallsrom S er at sannsynligheten

Detaljer

Beskrivende statistikk.

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

Detaljer

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

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

Detaljer

Sannsynlighetsregning og Statistikk.

Sannsynlighetsregning og Statistikk. Sannsynlighetsregning og Statistikk. Leksjon Velkommen til dette kurset i sannsynlighetsregning og statistikk! Vi vil som lærebok benytte Gunnar G. Løvås:Statistikk for universiteter og høyskoler. I den

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

MET 3431: Statistikk (våren 2011) Introduksjon. Genaro Sucarrat. Institutt for samfunnsøkonomi, BI. http://www.sucarrat.net/teaching/met3431/v2011/

MET 3431: Statistikk (våren 2011) Introduksjon. Genaro Sucarrat. Institutt for samfunnsøkonomi, BI. http://www.sucarrat.net/teaching/met3431/v2011/ MET 3431: Statistikk (våren 2011) Introduksjon Genaro Sucarrat Institutt for samfunnsøkonomi, BI http://www.sucarrat.net/teaching/met3431/v2011/ Sist endret: 11. januar 2011 1 Praktisk info 2 Typer data

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

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

Kompendium V-2014 MAT110. Statistikk 1. Del 1 av 2. Per Kristian Rekdal

Kompendium V-2014 MAT110. Statistikk 1. Del 1 av 2. Per Kristian Rekdal Kompendium V-2014 MAT110 Statistikk 1 Del 1 av 2 Per Kristian Rekdal 2 Figur 1: But under a different accounting convention... 3 4 Forord Dette er del I (av II) av kompendiet i faget MAT110 Statistikk

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

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

Statistikk 1 kapittel 3

Statistikk 1 kapittel 3 Statistikk 1 kapittel 3 Nico Keilman ECON 2130 Vår 2016 Kapittel 3 Sannsynlighetsregning Formål: å kvantifisere usikkerhet ved hjelp av sannsynligheter Viktige begreper stokastisk forsøk: et forsøk der

Detaljer

Forskningsmetoder. Data: Måling og målefeil. Frode Svartdal. UiTø 16.01.2014 FRODE SVARTDAL 1 V-2014. Frode Svartdal

Forskningsmetoder. Data: Måling og målefeil. Frode Svartdal. UiTø 16.01.2014 FRODE SVARTDAL 1 V-2014. Frode Svartdal Forskningsmetoder Data: Måling og målefeil Frode Svartdal UiTø V-2014 Frode Svartdal 16.01.2014 FRODE SVARTDAL 1 Variabler Variabel noe (av psykologisk interesse) som varierer Motsatt: Konstant Eksempler:

Detaljer

Eksamen 29.11.2011. REA3028 Matematikk S2. Nynorsk/Bokmål

Eksamen 29.11.2011. REA3028 Matematikk S2. Nynorsk/Bokmål Eksamen 9.11.011 REA308 Matematikk S Nynorsk/Bokmål Bokmål Eksamensinformasjon Eksamenstid: Hjelpemidler på Del 1: Hjelpemidler på Del : 5 timer: Del 1 skal leveres inn etter timer. Del skal leveres inn

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

Appendiks 5 Forutsetninger for lineær regresjonsanalyse

Appendiks 5 Forutsetninger for lineær regresjonsanalyse Appendiks 5 Forutsetninger for lineær regresjonsanalyse Det er flere krav til årsaksslutninger i regresjonsanalyse. En naturlig forutsetning er tidsrekkefølge og i andre rekke spiller variabeltype inn.

Detaljer

Fordelinger, mer om sentralmål og variasjonsmål. Tron Anders Moger

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

Detaljer

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

S1 kapittel 7 Sannsynlighet Løsninger til oppgavene i boka

S1 kapittel 7 Sannsynlighet Løsninger til oppgavene i boka S1 kapittel 7 Sannsynlighet Løsninger til oppgavene i oka 7.1 a c d 4 1 P (sum antall øyne lir 5) = = 36 9 6 1 P (sum antall øyne lir minst 10) = = 36 6 6 1 P (sum antall øyne lir høyst 4) = = 36 6 11

Detaljer

Mer om hypotesetesting

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

Detaljer

Løsning på Dårlige egg med bruk av Tabell 2 i Appendix B

Løsning på Dårlige egg med bruk av Tabell 2 i Appendix B Situasjonen er som i quiz-eksempelet: n = 4, p = 1/3 ( suksess betyr å gjette riktig alternativ), q = 2/3. Oppgave: Finn P(x), x=0,1,2,3,4 fra den generelle formelen for binomisk sannsynlighetsfordeling

Detaljer

1 Section 6-2: Standard normalfordelingen. 2 Section 6-3: Anvendelser av normalfordelingen. 3 Section 6-4: Observator fordeling

1 Section 6-2: Standard normalfordelingen. 2 Section 6-3: Anvendelser av normalfordelingen. 3 Section 6-4: Observator fordeling 1 Section 6-2: Standard normalfordelingen 2 Section 6-3: Anvendelser av normalfordelingen 3 Section 6-4: Observator fordeling 4 Section 6-5: Sentralgrenseteoremet Oversikt Kapittel 6 Kontinuerlige tilfeldige

Detaljer

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

MATLAB for STK1100. Matematisk institutt Univeristetet i Oslo Januar Enkel generering av stokastiske variabler

MATLAB for STK1100. Matematisk institutt Univeristetet i Oslo Januar Enkel generering av stokastiske variabler MATLAB for STK1100 Matematisk institutt Univeristetet i Oslo Januar 2014 1 Enkel generering av stokastiske variabler MATLAB har et stort antall funksjoner for å generere tilfeldige tall. Skriv help stats

Detaljer

UNIVERSITETET I OSLO Det matematisk-naturvitenskapelige fakultet

UNIVERSITETET I OSLO Det matematisk-naturvitenskapelige fakultet UNIVERSITETET I OSLO Det matematisk-naturvitenskapelige fakultet Underveiseksamen i: STK1000 Innføring i anvendt statistikk. Eksamensdag: Onsdag 28/3, 2007. Tid for eksamen: Kl. 09.00 11.00. Tillatte hjelpemidler:

Detaljer

4: Sannsynlighetsregning

4: Sannsynlighetsregning Plan for hele året: - Kapittel 5: Januar - Kapittel 6: Februar - Kapittel 7: Februar/mars 4: Sannsynlighetsregning - Kapittel 8: Mars/april - Repetisjon: April/mai - Økter, prøver, prosjekter: Mai - juni

Detaljer

Forelesning 6, kapittel 3. : 3.6: Kombinatorikk.

Forelesning 6, kapittel 3. : 3.6: Kombinatorikk. Forelesning 6, kapittel 3. : 3.6: Kombinatorikk. Kombinatorikk betyr her: Formler for opptelling av antall kombinasjoner. Generelt er denne grenen av matematikk videre, og omfatter blant annet grafteori.

Detaljer

Motivasjon for kurset. ÅMA110 Sannsynlighetsregning med statistikk, våren 2008. Oppsummering. ÅMA110 Sannsynlighetsregning med statistikk våren 2008

Motivasjon for kurset. ÅMA110 Sannsynlighetsregning med statistikk, våren 2008. Oppsummering. ÅMA110 Sannsynlighetsregning med statistikk våren 2008 ÅMA0 Sannsynlighetsregning med statistikk, våren 008 Oppsummering ÅMA0 Sannsynlighetsregning med statistikk våren 008 Pensum: Pensumbok: Per Chr. Hagen: "Innføring i sannsynlighetsregning og statistikk",

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

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

Faktor - en eksamensavis utgitt av ECONnect

Faktor - en eksamensavis utgitt av ECONnect Faktor - en eksamensavis utgitt av ECONnect Eksamensbesvarelse: SØK1004 Statistikk for økonomer Eksamen: Våren 2010 Antall sider: 7 SØK1004 Eksamensbesvarelse Om ECONnect: ECONnect er en frivillig studentorganisasjon

Detaljer

Skrivne og trykte hjelpemiddel samt kalkulator er tillate. Ta med all mellomrekning som trengst for å grunngje svaret.

Skrivne og trykte hjelpemiddel samt kalkulator er tillate. Ta med all mellomrekning som trengst for å grunngje svaret. Eksamen 7. mai 2014 Eksamenstid 4 timar IR201812 Statistikk og Simulering Skrivne og trykte hjelpemiddel samt kalkulator er tillate. Ta med all mellomrekning som trengst for å grunngje svaret. Oppgåve

Detaljer

MA155 Statistikk TI-nspire cx Kalkulator Guide

MA155 Statistikk TI-nspire cx Kalkulator Guide MA155 Statistikk TI-nspire cx Kalkulator Guide Magnus T. Ekløff, Kristoffer S. Tronstad, Henrik G. Fauske, Omer A. Zec Våren 2016 1 Innhold 1 Basics... 4 2 1.1 Dokumenter... 4 1.1.1 Regneark... 4 1.1.2

Detaljer

Løsning eksamen 2P våren 2008

Løsning eksamen 2P våren 2008 Løsning eksamen 2P våren 2008 Oppgave 1 a) En avlesing av grafen viser at utgiftene er 40 000 kr når vi produserer 50 stoler. Utgiftene per stol blir 40 000 kr 50 = 800 kr b) 2,46 10 4 = 2,46 0,0001 =

Detaljer