«Uncertainty of the Uncertainty» Del 5 av 6

Størrelse: px
Begynne med side:

Download "«Uncertainty of the Uncertainty» Del 5 av 6"

Transkript

1 «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: 2υ = 2( ) [] Dee fier du i ISO «Guide to the Expressio of Ucertaity i Measuremet» seksjo E.4.3 formel (E.7). Mi presetasjo av formel [] bygger på boke til Joh R. Taylor: Error Aalysis. «Ucertaity of the Ucertaity»-formele uttrykker usikkerhete i estimerige av bredde av stadardavviket. Det vil si hvor mage sigifikate sifre skal vi bruke for å agi stadardavviket. Så, hvorledes kommer ma frem til dee 2( ) formele? Hvorda varierer adele av usikkerhete? Variase til et måleoppsett (med < 30 observasjoer) ka kalkuleres slik: s 2 = ( ) (x i x ) 2 [2] Da ( ( ) ) vil ha e kostat verdi år ma har valgt atall [] observasjoer, vil ikke dee brøke variere. I de videre utledige om hvorledes adele av usikkerhete varierer, ka vi derfor se bort fra ( ). ( ) Adele av usikkerhet av s 2 [i likig 2] vil derfor ligge i usikkerhete i deluttrykket (x i x ) 2. Vi oppsummerer dette slik: Usikkerhet i estimatet av [s 2 ] = Usikkerhet i estimatet av [ (x i x ) 2 ]. [3] Side

2 Geerelt uttrykk for usikkerhet Geerelt, så ka usikkerhete i estimatet av e parameter [q] «quatity» - uttrykkes slik: usikkerhet i estimatet av q = q 2 q 2 [4], hvor q 2 q 2 gjeomsittlig verdi av kvadratet av parametere kvadratet av gjeomsittlig verdi av parametere. Uttrykk for usikkerhet i estimatet Fra [3] har vi at: q = (x i x ) 2 [5] q fier vi ved å kvadrere hver residual (x i x ) og deretter fier summe [ ] av disse. Vi har å: Usikkerhet i estimatet av q= (q ) 2 (q ) 2 [6] Utlede uttrykket (q ) 2 i [6] Vi bestemmer først kjere (q ) i [6]. Fra tidligere [2] har vi s 2 = ( ) (x i x ) 2 [7] som gir: (-) s 2 = (x i x ) 2 (x i x ) 2 = (-) s 2 q = (-) 2 [8] [9] [0] Når vi kvadrerer vestre og høyre side, får vi: (q ) 2 = [(-) 2 ] 2 = (-) 2 4 [] Vi har å utledet det høyre leddet i [6] til å kue skrives (-) 2 4. Side 2

3 Utlede [(q )]-leddet 2 i [6] Å bestemme [(q )]-leddet 2 i [6] er svært komplisert. Vi starter med å bestemme (q 2 ), for deretter å bestemme gjeomsittsverdie: (q ). 2 Det ka vises at (q 2 ) ka settes samme av tre ledd q 2 = ( )2 i (x i ) 2 (x j ) 2 j - 2 ( ) (x i) 2 2 i x j x k + j k j x 2 j k j j x k m m x m x q 2 = A - B + C [2] [3] For å bestemme gjeomsittsverdie av q 2 må vi addere gjeomsittsverdiee av A, B og C. (q ) 2 = A + B + C Her må ma aalysere leddee A, B og C hver for seg, og vi starter med leddet A. A -leddet i q 2 A = ( )2 i (x i ) 2 (x j ) 2 j [4] Vi studerer først høyreside av uttrykket [4] hvor vi har e dobbelsum [ i (x i ) 2 (x j ) 2 j ]. Dobbelsumme [ ] i A ieholder først [(-)]-termer av i j, som gir (x ) 2 2. Fordi x er ormalt distribuert rudt = 0, har vi at x 2 = 2. Dette gir: [(-)] 2. Dobbelsumme [ ] i A ieholder deretter -termer av i = j, som daer () 2 () 2 = () 4 som gir (x ). 4 E itegrerig viser at x 4 = 3 4. Dette gir: []3 4. Således, sammefatter vi disse to deluttrykkee, får vi dobbelsumme [ ] i A med et gjeomsitt: = (-) = 4 (3 + 2 ) = 4 ( 2 + 2) = (+2) 4 [5] [6] [7] [8] Vi ka å ka skrive [4]: A = ( )2 = ( )2 (+2) 4 = ( )2 2 (+2) 4 [9] [20] [2] [22] Side 3

4 A B -leddet i q 2 = ( )2 (+2) 4 B = 2 ( ) (x i) 2 2 i j k j x j x k [23] Hver term i summe av B ieholder oddetall i ekspoete av x i (ete x i eller x i 3 ). Da x er ormalt distribuert rudt 0, vil gjeomsittet av ehver oddetallsekspoet være lik 0. Således har vi: B = 0 [24] C -leddet i q 2 C = x jx 2 j k j k m m x m x [25] De høyre side av uttrykket ieholder kvadruppelsumme. Dee ieholder (-)-termer hvor j = m og k =, hver som har gjeomsittet (x 2 ) 2 = 4. De ieholder også (-)-termer hvor j = og k = m, hver som har gjeomsittet 4. Dette gir: (-) 4 + (-) 4 = 2(-) 4 Alle de gjeværede termer ieholder oddetallsekspoet av x, og har gjeomsittet 0. Således, kvadruppelsumme i C har gjeomsittet 2(-) = 2(-) = 2(-) 4 [26] Dette gir oss: C C = 2 = 2 2( ) 4 = 2( ) 4 [27] [28] [29] Bestemme (q ) 2 Vi ka å sette samme de tre leddee [22], [24] og [29]. (q ) 2 = A + B + C = ( )2 (+2) = ( )2 (+2)+2( ) 4 (q ) 2 = ( 2 ) ( ) 4 [30] [3] [32] [33] Side 4

5 Side 5

6 Bestemme usikkerhet i q [6] Vi har å bestemt verdiee på leddee (q ) 2 [fra ] og (q ) 2 [fra 33]. Vi får å usikkerhet i estimatet fra [4] q = (q ) 2 {(q ) 2 } [34] = ( 2 ) 4 {( ) 2 4 } = [( 2 ) ( ) 2 ] 4 = [( 2 ) ( )] 4 = [ ] 4 = [2 2] 4 = [2 2] 4 = 2( ) 2 [35] [36] [37] [38] [39] [40] [4] Relativ usikkerhet i q For å bestemme relativ adel av usikkerhete, får vi: Relativ usikkerhet = Usikkerhet i estimatet at q [fra 4] = [fra 0] 2( ) 2 = ( ) 2 = Usikkerhet 2( ) 2 ( )( ) 2 = 2 ( ) [42] [43] [44] [45] [46] Vi ærmer oss målet... (Adel av usikkerhet i estimatet for 2 ) = (adel i usikkerhet i q) Da er kvadratrote av 2, må adel av usikkerhete av være halvparte av q; slik = q = 2 q Side 6

7 Adel av usikkerhet i estimatet av = Adel av usikkerhet i estimatet av = 2 ( 2 ( ) ) = 2 (2 2)( ) = 2( ) = 2υ 2 (adel av usikkerhet i q) [47] [48] [49] [50] [5] Vi har å kommet til veis ede i utledig av formele som kytter samme «Ucertaity of the Ucertaity», og atall [] observasjoer som igår i e måleserie. Grafisk presetasjo av «Ucertaity of the Ucertaity» 2υ På de horisotale akse har vi atall [] observasjoer i måleserie. På de vertikale akse har vi adele av «Error i the Error». La oss se på tre tilfeller på kurve markert med sorte prikker: = 5 = 50 Kurve har verdie 0,35. Det iebærer at for e måleserie med fem observasjoer, vil usikkerhete i estimerige av stadard usikkerhet utgjøre 35 proset. Presisjoe er 65 proset på stadard usikkerhet. Kurve har verdie 0,. Det iebærer at for e måleserie med femti observasjoer, vil usikkerhete i estimerige av stadard usikkerhet utgjøre 0 proset. Presisjoe er 90 proset på stadard usikkerhet. Vi ser at etter hvert som atall observasjoer øker, øker også presisjoe på Side 7

8 stadard usikkerhet. = 5000 Kurve har verdie 0,0. Det iebærer at for e måleserie med femtuse observasjoer, vil usikkerhete i estimerige av stadard usikkerhet utgjøre proset. Presisjoe er 99 proset på stadard usikkerhet. Dee tabelle viser 2υ =, det vil si sammehege mellom atall observasjoer [] i e 2( ) måleserie og presisjo på stadard usikkerhet. «Ucertaity of the Kommetarer Atall observasjoer Ucertaity» 2 0, , For e måleserie med fire observasjoer, vil usikkerhete i estimatet av bredde stadardavvik utgjøre 40 proset av verdie av stadardavviket. 8 0, , , , , , , , For e måleserie med 4096 observasjoer, vil usikkerhete i estimatet av bredde stadardavvik utgjøre, proset av verdie av stadardavviket , , , For e måleserie med observasjoer, vil usikkerhete i estimatet av bredde stadardavvik utgjøre,4 promille av verdie av stadardavviket , , La oss ta et regeeksempel på «Ucertaity of the Ucertaity»: Hvor mage [] observasjoer treger ma for at adele skal utgjøre e proset? (2 2) = e proset Vi setter opp likige. [52] 2 ( ) (2 2) = = 0,0 2 Vi kvadrerer begge sider [53] Vi rydder. [54] 2 2 = 0000 Vi kryssmultipliserer [55] 2 = 0002 Vi rydder [56] = 500 Og, vi har kommet frem til løsige Side 8

9 [57] Vi treger altså 500 observasjoer i måleserie før adele av «Ucertaity of the Ucertaity» kommer ed i é proset. Med adre ord vi treger flere e 500 observasjoer før vi ka bruke to sigifikate sifre! Og, vi treger flere e femhudretuse observasjoer før vi ka bruke tre sigifikate sifre. Hva hvis sigifikat siffer starter med? Dersom vi skal rapportere med ett sigifikat siffer, og dette starter med, må vi bruke ormale avrudigsregler og su foruft i hehold til GUM seksjo For eksempel;,4 avrudes til og,5 avrudes til 2. Dette gir relativt store avrudigsfeil (rudt 25 %). Det abefales derfor at år første sigifikate siffer er, ka ma bruke to sigifikate sifre. Eksempel: m er kalkulert til 0,2345. Dee er basert på 500 observasjoer. Stadard usikkerhet rapporteres lik: m = 0,2. Avsluttede talleksempel Vi har følgede måleserie: Observasjo Observasjo 2 Observasjo 3 Observasjo 4 Observasjo 5 5,05 ma 5, ma 4,99 ma 5,3 ma 5,0 ma Vi kalkulerer måleseries gjeomsitt x = [ x i ] = 5,076 ma Vi kalkulerer måleseries stadard usikkerhet s Bessel = (x i x ) 2 ( ) = 0, ma [58] [59] Vi kalkulerer utvalgets stadard usikkerhet m = Vi rapporter verdiee fra måleserie: s Bessel = 0, ma [60] x ( m ) 5,08(0,03) ma Side 9

10 Oppsummerig Jeg viste deg utledige av formele for «Ucertaity of the Ucertaity»: 2υ [6] De viser at for måleserier, som ieholder 5000 eller færre observasjoer, vil adele i «Ucertaity of the Ucertaity» være så høy, at vi ku ka bruke ett sigifikat siffer. Artikkelserie om «Ucertaity of the Ucertaity» avsluttes med Bessel s korreksjo. På gjesy! Med velig hilse Traior Elsikkerhet AS Rue Øverlad Seiorigeiør Tøsberg jui 206 Side 0

«Uncertainty of the Uncertainty» Del 4 av 6

«Uncertainty of the Uncertainty» Del 4 av 6 «Ucertaity of the Ucertaity» Del 4 av 6 v/rue Øverlad, Traior Elsikkerhet AS Iledig Dette er del fire i artikkelserie om «Ucertaity of the Ucertaity». I dag skal jeg vise deg utledige av formele: σ m s,

Detaljer

Signifikante sifre = alle sikre pluss ett siffer til

Signifikante 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

Detaljer

Påliteligheten til en stikkprøve

Påliteligheten 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

Detaljer

Statistikk og økonomi, våren 2017

Statistikk 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

Detaljer

«Best Fit»-linje med usikkerhetsintervall (CI)

«Best Fit»-linje med usikkerhetsintervall (CI) «Best Fit»-lije med usikkerhetsitervall (CI) v/rue Øverlad, Traior Elsikkerhet AS 1. Iledig Dee artikkele utleder formel for usikkerhetsitervallet CI (Cofidece Iterval) som omslutter e «Best Fit»-lije.

Detaljer

FØLGER, REKKER OG GJENNOMSNITT

FØLGER, REKKER OG GJENNOMSNITT FØLGER, REKKER OG GJENNOMSNITT Espe B. Lagelad realfagshjoret.wordpress.com espebl@hotmail.com 9.mars 06 Iledig E tallfølge er e serie med tall som kommer etter hveradre i e bestemt rekkefølge. Kvadrattallee

Detaljer

Uncertainty of the Uncertainty? Del 3 av 6

Uncertainty of the Uncertainty? Del 3 av 6 Uncertainty of the Uncertainty? Del 3 av 6 v/rune Øverland, Trainor Elsikkerhet AS Dette er del tre i artikkelserien om «Uncertainty of the Uncertainty». I dag skal jeg vise deg hvorledes man bestemmer

Detaljer

Introduksjon. Hypotesetesting / inferens (kap 3) Populasjon og utvalg. Populasjon og utvalg. Populasjonsvarians

Introduksjon. 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

Detaljer

Matematikk for IT. Oblig 7 løsningsforslag. 16. oktober

Matematikk for IT. Oblig 7 løsningsforslag. 16. oktober Matematikk for IT Oblig 7 løsigsforslag. oktober 7..8 a) Vi skal dae kodeord som består av sifree,,,, 7. odeordet er gldig dersom det ieholder et like atall (partall) -ere. Dee løses på samme måte som..:

Detaljer

Forventningsverdi. MAT0100V Sannsynlighetsregning og kombinatorikk

Forventningsverdi. MAT0100V Sannsynlighetsregning og kombinatorikk MAT0100V Sasylighetsregig og kombiatorikk Forvetigsverdi Sasylighetsfordelige til e tilfeldig variabel X gir sasylighete for de ulike verdiee X ka ata Forvetig, varias og stadardavvik Tilærmig av biomiske

Detaljer

Konfidensintervall. Notat til STK1110. Ørnulf Borgan, Ingrid K. Glad og Anders Rygh Swensen Matematisk institutt, Universitetet i Oslo.

Konfidensintervall. 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

Detaljer

Terminprøve R2 Høsten 2014 Løsning

Terminprøve 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

Detaljer

ECON240 Statistikk og økonometri

ECON240 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

Detaljer

Løsningsforslag ST1101/ST6101 kontinuasjonseksamen 2018

Løsningsforslag ST1101/ST6101 kontinuasjonseksamen 2018 Løsigsforslag ST/ST6 kotiuasjoseksame Oppgave a Defier hedelsee R, B, B rød kule i første trekig, blå kule i adre trekig, blå kule i tredje trekig. Vi skal fie PR B B for to ulike situasjoer. Geerelt vet

Detaljer

KLMED8004 Medisinsk statistikk. Del I, høst Estimering. Tidligere sett på. Eksempel hypertensjon

KLMED8004 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

Detaljer

TMA4245 Statistikk Eksamen mai 2017

TMA4245 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

Detaljer

211.7% 2.2% 53.0% 160.5% 30.8% 46.8% 17.2% 11.3% 38.7% 0.8%

211.7% 2.2% 53.0% 160.5% 30.8% 46.8% 17.2% 11.3% 38.7% 0.8% Prøve-eksame II MET 1190 Statistikk Dato 31. mai 2019 kl 1100-1400 Alle svar skal begrues. Når besvarelse evalueres, blir det lagt vekt på at framgagsmåte og resultat preseteres så klart, presist og kortfattet

Detaljer

Kap. 9: Inferens om én populasjon

Kap. 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)

Detaljer

Kapittel 8: Estimering

Kapittel 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

Detaljer

OM TAYLOR POLYNOMER. f x K f a x K a. f ' a = lim x/ a. f ' a z

OM 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

Detaljer

X = 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

X = 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

Detaljer

2.1 Polynomdivisjon. Oppgave 2.10

2.1 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

Detaljer

Ukeoppgaver i BtG207 Statistikk, uke 4 : Binomisk fordeling. 1

Ukeoppgaver i BtG207 Statistikk, uke 4 : Binomisk fordeling. 1 Ukeoppgaver i BtG20 Statistikk, uke 4 : Biomisk fordelig. 1 Høgskole i Gjøvik Avdelig for tekologi, økoomi og ledelse. Statistikk Ukeoppgaver uke 4 Biomisk fordelig. Oppgave 1 La de stokastiske variable

Detaljer

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

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

Detaljer

Differensligninger Forelesningsnotat i Diskret matematikk Differensligninger

Differensligninger Forelesningsnotat i Diskret matematikk Differensligninger Differesligiger Forelesigsotat i Diskret matematikk 017 Differesligiger I kapittel lærte vi om følger og rekker. Vi studerte både aritmetiske og geometriske følger og rekker. Noe følger og rekker er imidlertid

Detaljer

Avsnitt 8.1 i læreboka Differensligninger

Avsnitt 8.1 i læreboka Differensligninger Diskret Matematikk Fredag 6. ovember 015 Avsitt 8.1 i læreboka Differesligiger I kapittel lærte vi om følger og rekker. Vi studerte både aritmetiske og geometriske følger og rekker. Noe følger og rekker

Detaljer

Løsningsforslag for andre obligatoriske oppgave i STK1100 Våren 2007 Av Ingunn Fride Tvete og Ørnulf Borgan

Løsningsforslag 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

Detaljer

LØSNINGSFORSLAG TIL EKSAMEN I FAG TMA4245 STATISTIKK 6.august 2004

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

Detaljer

ÅMA110 Sannsynlighetsregning med statistikk, våren Kp. 5 Estimering. Målemodellen.

ÅMA110 Sannsynlighetsregning med statistikk, våren Kp. 5 Estimering. Målemodellen. ÅMA0 Sasylighetsregig med statistikk, våre 0 Kp. 5 Estimerig. Målemodelle. Estimerig. Målemodelle. Ihold:. (Pukt)Estimerig i biomisk modell (kp. 5.). Målemodelle... (kp. 5.). (Pukt)Estimerig i målemodelle

Detaljer

Kap. 9: Inferens om én populasjon. Egenskaper ved t-fordelingen. ST0202 Statistikk for samfunnsvitere. I Kapittel 8 brukte vi observatoren

Kap. 9: Inferens om én populasjon. Egenskaper ved t-fordelingen. ST0202 Statistikk for samfunnsvitere. I Kapittel 8 brukte vi observatoren 2 Kap. 9: Iferes om é populasjo I Kapittel 8 brukte vi observatore z = x μ σ/ for å trekke koklusjoer om μ. Dette krever kjet σ (urealistisk). ST0202 Statistikk for samfusvitere Bo Lidqvist Istitutt for

Detaljer

TALLSVAR. Det anbefales at de 9 deloppgavene merket med A, B, teller likt uansett variasjon i vanskelighetsgrad. Svarene er gitt i << >>.

TALLSVAR. 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

Detaljer

Totalt Antall kandidater oppmeldt 1513 Antall møtt til eksamen 1421 Antall bestått 1128 Antall stryk 247 Antall avbrutt 46 % stryk og avbrutt 21%

Totalt 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

Detaljer

Løsning TALM1005 (statistikkdel) juni 2017

Løsning 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

Detaljer

TMA4240 Statistikk Høst 2016

TMA4240 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

Detaljer

2T kapittel 3 Modellering og bevis Utvalgte løsninger oppgavesamlingen

2T kapittel 3 Modellering og bevis Utvalgte løsninger oppgavesamlingen 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

Detaljer

8 (inkludert forsiden og formelsamling) Tegne- og skrivesaker, kalkulator, formelsamling (se vedlagt).

8 (inkludert forsiden og formelsamling) Tegne- og skrivesaker, kalkulator, formelsamling (se vedlagt). Eksamesoppgave våre 011 Ordiær eksame Bokmål Fag: Matematikk Eksamesdato: 10.06.011 Studium/klasse: GLU 5-10 Emekode: MGK00 Eksamesform: Skriftlig Atall sider: 8 (ikludert forside og formelsamlig) Eksamestid:

Detaljer

Mer om utvalgsundersøkelser

Mer 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

Detaljer

Oppgaver fra boka: X 2 X n 1

Oppgaver 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

Detaljer

Rente og pengepolitikk. 8. forelesning ECON 1310 21. september 2015

Rente og pengepolitikk. 8. forelesning ECON 1310 21. september 2015 Rete og pegepolitikk 8. forelesig ECON 1310 21. september 2015 1 Norge: lav og stabil iflasjo det operative målet for pegepolitikke, ær 2,5 proset i årlig rate. Iflasjosmålet er fleksibelt, dvs. at setralbake

Detaljer

Kap. 9: Inferens om én populasjon

Kap. 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)

Detaljer

Metoder for politiske meningsmålinger

Metoder for politiske meningsmålinger Metoder for politiske meigsmåliger AV FORSKER IB THOMSE STATISTISK SETRALBYRÅ Beregigsmetodee som brukes i de forskjellige politiske meigsmåliger har vært gjestad for mye diskusjo i dagspresse det siste

Detaljer

Bokmål OPPGAVE 1. a) Deriver funksjonene: b) Finn integralene ved regning: c) Løs likningen ved regning, og oppgi svaret som eksakte verdier: + =

Bokmål OPPGAVE 1. a) Deriver funksjonene: b) Finn integralene ved regning: c) Løs likningen ved regning, og oppgi svaret som eksakte verdier: + = OPPGAVE a) Deriver fuksjoee: ) f ( x) = 3six+ cosx ) gx ( ) = six cosx b) Fi itegralee ved regig: ) ) e 3e x d x l xd x Tips: l xdx= l xdx c) Løs likige ved regig, og oppgi svaret som eksakte verdier:

Detaljer

S2 kapittel 1 Rekker Løsninger til innlæringsoppgavene

S2 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

Detaljer

LØSNINGSFORSLAG TILEKSAMEN I FAG TMA4240/TMA4245 STATISTIKK 10. august 2005

LØSNINGSFORSLAG TILEKSAMEN I FAG TMA4240/TMA4245 STATISTIKK 10. august 2005 Norges tekisk aturviteskapelige uiversitet Istitutt for matematiske fag Side av 8 LØSNINGSFORSLAG TILEKSAMEN I FAG TMA440/TMA445 STATISTIKK 0. august 005 Oppgave Smeltepuktsbestemmelse a) Vi jobber i dette

Detaljer

Econ 2130 Forelesning uke 11 (HG)

Econ 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

Detaljer

TMA4240 Statistikk Høst 2016

TMA4240 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

Detaljer

Tid: 3 timer Hjelpemidler: Vanlige skrivesaker, passer, linjal med centimetermål og vinkelmåler er tillatt.

Tid: 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,

Detaljer

Estimering 1 -Punktestimering

Estimering 1 -Punktestimering Estimerig 1 -Puktestimerig Dekkes av kap. 8, 9.1-9.3 og 9.15/9.14. Vi har til å settpå e rekke forskjellige sasylighetsfordeliger og sett hvorda disse ka brukes til å modellere mage forskjellige typer

Detaljer

Fagdag 2-3mx 24.09.07

Fagdag 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.

Detaljer

Kommentarer til oppgaver;

Kommentarer 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

Detaljer

Eksamen REA3028 S2, Våren 2011

Eksamen 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

Detaljer

TMA4240 Statistikk Eksamen desember 2015

TMA4240 Statistikk Eksamen desember 2015 Norges tekisk-aturviteskapelige uiversitet Istitutt for matematiske fag TMA20 Statistikk Eksame desember 205 Løsigsskisse Oppgave a) De kumulative fordeligsfuksjoe til X, F (x) P (X x): F (x) P (X x) x

Detaljer

Estimering 1 -Punktestimering

Estimering 1 -Punktestimering Estimerig 1 -Puktestimerig Dekkes av kap. 8, 9.1-9.3 og 9.15/9.14. Vi har til å settpå e rekke forskjellige sasylighetsfordeliger og sett hvorda disse ka brukes til å modellere mage forskjellige typer

Detaljer

Eksamen REA3028 S2, Våren 2010

Eksamen 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

Detaljer

EKSAMEN Løsningsforslag

EKSAMEN Løsningsforslag ..4 EKSAMEN Løsigsforslag Emekode: ITF75 Dato: 6. desember Eme: Matematikk for IT Eksamestid: kl 9. til kl. Hjelpemidler: To A4-ark med valgfritt ihold på begge sider. Kalkulator er ikke tillatt. Faglærer:

Detaljer

Plan for fagdag 3. Plan: Litt om differanse- og summefølger. Sammenhengen a n a 1 n 1 i 1

Plan 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

Detaljer

Introduksjon. Hypotesetesting / inferens (kap 3) Populasjon og utvalg. Populasjon og utvalg. Populasjonsvarians

Introduksjon. 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 «The hardest thig to teach i ay itroductory statistics

Detaljer

Algoritmer og datastrukturer Avsnitt Algoritmeanalyse

Algoritmer og datastrukturer Avsnitt Algoritmeanalyse Kapittel 5. Biære søetrær Algoritmer og datastruturer Avsitt 5..5 Algoritmeaalyse Avsitt 5..5.5 - Gjeomsittlig avstad mellom to «aboer» i iorde i et biært søetre med forsjellige verdier ver permutasjo

Detaljer

5 y y! e 5 = = y=0 P (Y < 5) = P (Y 4) = 0.44,

5 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

Detaljer

Kapittel 10 fra læreboka Grafer

Kapittel 10 fra læreboka Grafer Forelesigsotat i Diskret matematikk torsdag 6. oktober 017 Kapittel 10 fra læreboka Grafer (utdrag) E graf er e samlig pukter (oder) og kater mellom puktee (eg. odes, vertex, edge). E graf kalles rettet

Detaljer

2. Hypotesetesting i ulike sitausjoner: i. for forventingen, μ, i målemodellen med normalantakelse og kjent varians, σ 2.

2. Hypotesetesting i ulike sitausjoner: i. for forventingen, μ, i målemodellen med normalantakelse og kjent varians, σ 2. Oversikt 1. Hva er hypotesetestig? 2. i ulike sitausjoer: i. for forvetige, μ, med ormalatakelse og kjet varias, σ 2. ii. for forvetige, μ, med stor og ormaltilærmig (variase, σ 2, ukjet). iii. for suksessasylighete,

Detaljer

ÅMA110 Sannsynlighetsregning med statistikk, våren 2007

ÅMA110 Sannsynlighetsregning med statistikk, våren 2007 ÅMA Sasylighetsregig med statistikk, våre 27 Kp. 6 (kp. 6) Tre deler av faget/kurset:. Beskrivede statistikk 2. Sasylighetsteori, sasylighetsregig 3. Statistisk iferes estimerig kofidesitervall hypotesetestig

Detaljer

Kort repetisjon fra kapittel 4. Oppsummering kapittel ST0202 Statistikk for samfunnsvitere. Betinget sannsynlighet og trediagram

Kort repetisjon fra kapittel 4. Oppsummering kapittel ST0202 Statistikk for samfunnsvitere. Betinget sannsynlighet og trediagram 2 Kort reetisjo fra kaittel 4 Betiget sasylighet og trediagram Eksemel: Fra e oulasjo av idrettsfolk trekkes e erso tilfeldig og testes for doig. De iteressate hedelsee er D=ersoe er doet, A=teste er ositiv.

Detaljer

LØSNINGSFORSLAG TIL EKSAMEN STE 6219 Digital signalbehandling

LØSNINGSFORSLAG TIL EKSAMEN STE 6219 Digital signalbehandling Side1av4 HØGSKOLEN I NARVIK Istitutt for data-, elektro-, og romtekologi Siviligeiørstudiet EL/RT LØSNINGSFORSLAG TIL EKSAMEN STE 6219 Digital sigalbehadlig Tid: Fredag 06.03.2008, kl: 09:00-12:00 Tillatte

Detaljer

ÅMA110 Sannsynlighetsregning med statistikk, våren Kontinuerlige tilfeldige variable, intro. Kontinuerlige tilfeldige variable, intro.

ÅMA110 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

Detaljer

ÅMA110 Sannsynlighetsregning med statistikk, våren 2007 Kp. 6, del 2

ÅMA110 Sannsynlighetsregning med statistikk, våren 2007 Kp. 6, del 2 ÅMA11 Sasylighetsregig med statistikk, våre 27 Kp. 6, del 2 Bjør H. Auestad Istitutt for matematikk og aturviteskap 5. mars 21 Bjør H. Auestad Kp. 6: del 1/2 1/ 42 Bjør H. Auestad Kp. 6: del 1/2 2/ 42

Detaljer

Repetisjon; 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

Repetisjon; 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

Detaljer

Kapittel 7: Noen viktige sannsynlighetsfordelinger

Kapittel 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

MOT310 Statistiske metoder 1, høsten 2011

MOT310 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,

Detaljer

Eksamen REA3024 Matematikk R2. Nynorsk/Bokmål

Eksamen 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

Detaljer

Oversikt over konfidensintervall i Econ 2130

Oversikt over konfidensintervall i Econ 2130 1 HG Revidert april 011 Oversikt over kofidesitervall i Eco 130 Merk at dee oversikte ikke er met å leses istedefor framstillige i Løvås, me som et supplemet. Løvås ieholder mage verdifulle kommetarer

Detaljer

Løsningsforsalg til første sett med obligatoriske oppgaver i STK1110 høsten 2015

Løsningsforsalg 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

Detaljer

Løsning eksamen R1 våren 2010

Løsning 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

Detaljer

ÅMA110 Sannsynlighetsregning med statistikk, våren 2008 Kp. 6, del 5

ÅMA110 Sannsynlighetsregning med statistikk, våren 2008 Kp. 6, del 5 ÅMA110 Sasylighetsregig med statistikk, våre 2008 Kp. 6, del 5 Bjør H. Auestad Istitutt for matematikk og aturviteskap Uiversitetet i Stavager 26. mars Bjør H. Auestad Kp. 6: Hypotesetestig del 5 1/ 53

Detaljer

Statistisk behandling av kalibreringsresultatene Del 1. v/ Rune Øverland, Trainor Elsikkerhet AS

Statistisk behandling av kalibreringsresultatene Del 1. v/ Rune Øverland, Trainor Elsikkerhet AS Statistisk behandling av kalibreringsresultatene Del 1. v/ Rune Øverland, Trainor Elsikkerhet AS Denne artikkelserien handler om statistisk behandling av kalibreringsresultatene. I de fleste tilfeller

Detaljer

Løsningsforslag til eksamen i STK desember 2010

Løsningsforslag 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

Detaljer

Sentralverdi av dataverdi i et utvalg Vi tenker oss et utvalg med datapar. I vårt eksempel har vi 5 datapar.

Sentralverdi av dataverdi i et utvalg Vi tenker oss et utvalg med datapar. I vårt eksempel har vi 5 datapar. Statistisk behandling av kalibreringsresultatene Del 4. v/ Rune Øverland, Trainor Elsikkerhet AS Denne artikkelserien handler om statistisk behandling av kalibreringsresultatene. Dennne artikkelen tar

Detaljer

Eksamen R2, Våren 2010

Eksamen R2, Våren 2010 Eksame R, Våre 010 Del 1 Tid: timer Hjelpemidler: Valige skrivesaker, passer, lijal med cetimetermål og vikelmåler er tillatt. Oppgave 1 a) Deriver fuksjoe gitt ved f x x cos 3 x b) Bestem itegralee 1)

Detaljer

Obligatorisk oppgave nr. 3 i Diskret matematikk

Obligatorisk 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

Detaljer

Løsningsforslag til prøveeksamen i MAT1110, våren 2012

Løsningsforslag 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

Detaljer

UNIVERSITETET I OSLO

UNIVERSITETET I OSLO UNIVERSITETET I OSLO Det matematisk-aturviteskapelige fakultet Eksame i STK2120 Statistiske metoder og dataaalyse 2 Eksamesdag: Madag 6. jui 2011. Tid for eksame: 09.00 13.00. Oppgavesettet er på 5 sider.

Detaljer

Løsningsforslag Oppgave 1

Løsningsforslag Oppgave 1 Løsigsforslag Oppgave 1 a X i µ 0 σ X i µ 0 2 σ 2, i 1,..., er uavhegige og stadard N0, 1 fordelte. Da er, i 1,..., uavhegige og χ 2 -fordelte med e frihetsgrad. Da er summe χ 2 -fordelt med atall frihetsgrader

Detaljer

ÅMA110 Sannsynlighetsregning med statistikk, våren 2006

ÅMA110 Sannsynlighetsregning med statistikk, våren 2006 ÅMA110 Sasylighetsregig med statistikk, våre 2006 Kp. 6, del 2 Bjør H. Auestad Kp. 6: Hypotesetesig del 2 1/ 38 Bjør H. Auestad Kp. 6: Hypotesetesig del 2 2/ 38 Oversikt 1. Hva er hypotesetestig? 2. Hypotesetestig

Detaljer

Oppgave 1 Hardheten til en bestemt legering er undersøkt med åtte målinger og resultatene ble (i kg/mm 2 ) som i tabellen til høyre.

Oppgave 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

Detaljer

ÅMA110 Sannsynlighetsregning med statistikk, våren Estimering. Målemodellen. Sannsynlighetsregning med statistikk. Kp. 5 Estimering.

ÅMA110 Sannsynlighetsregning med statistikk, våren Estimering. Målemodellen. Sannsynlighetsregning med statistikk. Kp. 5 Estimering. ÅMA asylighetsregig med statistikk våre 008 Kp. 5 Estimerig Estimerig. Målemodelle. Ihold:. (ukt)estimerig i biomisk modell (kp. 5.). Målemodelle... (kp. 5.3) 3. (ukt)estimerig i målemodelle (kp. 5.3)

Detaljer

Oppgave 1. (i) Hva er sannsynligheten for at det øverste kortet i bunken er et JA-kort?

Oppgave 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

Detaljer

Eksempeloppgave 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 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

Detaljer

UNIVERSITETET I OSLO

UNIVERSITETET I OSLO UNIVERSITETET I OSLO Det matematisk-aturviteskapelige fakultet Eksame i: STK2100 Løsigsforslag Eksamesdag: Torsdag 14. jui 2018. Tid for eksame: 14.30 18.30. Oppgavesettet er på 6 sider. Vedlegg: Tillatte

Detaljer

Eksamen REA3028 S2, Våren 2010

Eksamen 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

Detaljer

ÅMA110 Sannsynlighetsregning med statistikk, våren Estimering. Målemodellen. Konfidensintervall, innledning. Kp. 5 Estimering.

ÅMA110 Sannsynlighetsregning med statistikk, våren Estimering. Målemodellen. Konfidensintervall, innledning. Kp. 5 Estimering. ÅMA0 Sasylighetsregig med statistikk våre 006 Kp. 5 Estimerig Estimerig. Målemodelle. Ihold:. (Pukt)Estimerig i biomisk modell (kp. 5.). Målemodelle... (kp. 5.3) 3. (Pukt)Estimerig i målemodelle (kp. 5.3)

Detaljer

Forelesning 4 og 5 Transformasjon, Weibull-, lognormal, beta-, kji-kvadrat -, t-, F- fordeling

Forelesning 4 og 5 Transformasjon, Weibull-, lognormal, beta-, kji-kvadrat -, t-, F- fordeling STAT (V6) Statistikk Metoder Yushu.Li@uib.o Forelesig 4 og 5 Trasformasjo, Weibull-, logormal, beta-, kji-kvadrat -, t-, F- fordelig. Oppsummerig til Forelesig og..) Momet (momet about 0) og setral momet

Detaljer

3MX 2007/8 - Kapittel 5: 8. januar 5. februar 2008

3MX 2007/8 - Kapittel 5: 8. januar 5. februar 2008 3MX 00/8 - Kapittel : 8. jauar. februar 008 Pla for skoleåret 00/008: Kapittel 6: 6/ /. Kapittel : / /3. Prøver på eller skoletime etter hvert kapittel. É heildagsprøve i hver termi. Repetisjo, prøver,

Detaljer

Algebra R2, Prøve 1 løsning

Algebra R2, Prøve 1 løsning Algebra R, Prøve løsig Del Tid: 70 mi Hjelpemidler: Skrivesaker Oppgave E rekke er gi ved a og a Du skal ) udersøke hva slags rekke de er Vi fier de førse leddee: a a a a, 6, 3 0, 4 4 3 4 De ser u som

Detaljer

Løsning eksamen S2 våren 2010

Løsning 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

Detaljer

Løsningsforsalg til første sett med obligatoriske oppgaver i STK1110 høsten 2018

Løsningsforsalg 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

Detaljer

S2 kapittel 1 Rekker Løsninger til kapitteltesten i læreboka

S2 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,

Detaljer

TMA4240 Statistikk Høst 2015

TMA4240 Statistikk Høst 2015 Høst 205 Norges tekisk-aturviteskapelige uiversitet Istitutt for matematiske fag Øvig ummer, blokk II Løsigsskisse Oppgave a) X bi(, p) fordi: Udersøker uavhegige delar av DNA-strukture. Fi for kvar del

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

ARBEIDSHEFTE I MATEMATIKK

ARBEIDSHEFTE I MATEMATIKK ARBEIDSHEFTE I MATEMATIKK Temahefte r Hvorda du reger med poteser Detaljerte forklariger Av Matthias Loretze mattegriseforlag.com Opplsig: E potes er e forkortet skrivemåte for like faktorer. E potes består

Detaljer