To-nivå faktorielle forsøk og blokkdeling.
|
|
- Andreas Hjelle
- 6 år siden
- Visninger:
Transkript
1 To-ivå faktorielle forsøk og blokkdelig. I regresjosmodelle Y Xβ + ε er desigmatrisa X av avgjerade betydig for kor lett det er å fie ei god modell. Spesielt har vi sett (kapittel.7 at dersom koloee i desigmatrisa,, x, x Kx, er ortogoale, så er vektore av estimatorar for koeffisietae gitt ved:, k Y / i Yi ' 0 ( x x 0 0 ' ' ' β ˆ ( X' X X' Y xy ( xx xy ( 0 0 O 0 M M ' ( x x k k ' ' ' xky ( xkxk xky Vi observerer at estimatore for β avheg berre av x og Y. Det ka og visast at ortogoale koloer, gjev mist varias i estimatorae for koeffisietae. j Når ei utfører forsøk står ei rimeleg fritt til å velge verdiar for forklarigsvariablae x,x, K,. Ei bør då velge desse slik at det er mest gustig for estimeriga. x k Eksempel Samahege mellom utbyte av ei kjemisk prosess og dei to faktorae temperatur og kosetrasjo skulle udersøkjast. Det blei utført forsøk der ei ytta verdiar for kvar av faktorae temperatur og kosetrasjo. Dette gjev mogelege ivåkombiasjoar av dei to faktorae til å teste ut utbytte. Forsøket er sett opp i tabelle edafor, der og det registrerte utbyte av respose er gitt: j Forsøksr. Temperatur Kosetrasjo Utbyte Ei modellsamaheg av type E(Y β0 + βx + β x + βxx ka då estimerast ut i frå dataae der dei verdiae for utbyte er dei observerte resposverdiae og desigmatrisa X består av ei koloe av -tal, ei koloe med verdiae for temperatur, ei med verdiae for kosetrasjo og ei koloe med produktet av verdiae for temperatur og kosetrasjo
2 Regressio Aalysis: utbyte versus temp; kos; temp*kos The regressio equatio is utbyte -,0 + 0,500 temp -,0 kos + 0,00500 temp*kos Predictor Coef Costat -,0000 temp 0, kos -,0000 temp*ko 0, I første omgag skal vi berre feste oss ved dei estimerte koeffisietae : b0 b 0.5 b. b x 70 x 0 La oss o kode om faktorae ved å iføre ye faktorar z og z. 0 0 Verdiae for faktorae er altså setrert, og i tillegg har vi delt ed på halvparte av avstade mellom høgt og lågt ivå. Desig matrisa i, og z blir då: z z Legg merke til at de ye desigmatrisa har berre ortogoale koloer slik at om vi skal reke ut koeffisietae får vi frå ( at * b0 6.5 * b 6.5 * b.5 * b 0.5
3 Kotrollutrekig med MINITAB gjev o for omkoda verdiar av temperatur og kosetrasjo: Regressio Aalysis: utbyte versus temp; kos; temp*cos The regressio equatio is utbyte 6,5 + 6,50 otemp -,50 okos + 0,500 otemp*ocos Predictor Coef Costat 6,5000 temp 6,50000 kos -,50000 temp*co 0, For å sjå at vi har same modell ka vi sette i for, og z som gjev: 6.5(x 70 (x 0 (x z z 70(x 0 0 ŷ x 0.5x 0.5x 0.85x xx x.x xx Når vi skal aalysere to-ivå forsøk, er det oftast mest praktisk å omkode faktorverdiae til og som ovafor. Då får vi ortogoale desigkoloer, og det er lett å reke ut koeffisietae. Eit aa argumet er at vi ofte har kvalitative variablar som t. d: Vi skal teste ut forskjellige merker eller ei vil teste ut kva som skjer med og uta ei behadlig. I det siste tilfelle vil ei gjere og ha eit mål på kva effekt behadliga har på respose. La faktorverdie svare til behadlig og til ikkje behadlig. Gjeomsittsverdi år faktore er på høgt ivå ( gjeomsittsverdi år faktore er på lågt ivå (- er då av iteresse. Defiisjo hovedeffekt: For to-ivå forsøk defierer ei hovedeffekte av ei faktor som: Forveta gjeomsittsrespos år faktore er på høgt ivå forveta gjeomsittsrespos år faktore er på lågt ivå. Det er aturleg at estimatet for dee effekte då blir y y som for temperatur blir : H L og for kosetrasjo: * b * b
4 Estimert hovedeffekt av ei faktor vil alltid bli de tilhøyrade regresjoskoeffisiete multiplisert med sida ei hovedeffekt måler foradrig i respos år vi går frå lågt (- til høgt ivå ( som for vår omkodig er eiigar. Regresjoskoeffisiete på si side fortel om foradrig i respos år faktore edrar seg frå 0 til. I vårt eksempel er koeffisiete føre x x leddet, b, lite. Dee koeffisiete fortell oss om det er samspel mellom faktorae eller ikkje. Defiisjo: Samspelet mellom to faktorar er defiert som: Halvdele av hovedeffekte av ei faktor år de adre er på høgt ivå halvdele av hovedeffekte av faktore år de adre er på lågt ivå. For å estimere samspelet mellom temperatur og kosetrasjo skal vi altså reke ut: Estimert hovedeffekt av temperatur år kosetrasjo er på høgt ivå gitt ved: 68 5 Estimert hovedeffekt av temperatur år kosetrasjo er på lågt ivå gitt ved: 7 60 Estimert samspel blir då * b. Forteik for å reke ut kotrastae. For to-ivå forsøk gjeld: Alle kvatitative ivå ka kodast om til og. Alle kvalitative ivå ka aturleg setjast til dette. Om vi vedtek kovesjoe at høgt ivå av ei faktor svarar til og lågt ivå til, ser vi ut i frå det som er gjort ovafor at estimerig av effektar ka gjerast ved å leggje sama resposverdiae med forteik bestemt av forteika i desigmatrisa for deretter å dele ed på halvparte av atall observasjoar. Difor lagar vi oss ofte berre ei forteiksmatrise der dei audsyte forteika for utrekig av effektar står. I vårt eksempel blir dette: Temp Kosetrasjo Temp*Kos
5 Adre otasjoar for faktorkombiasjoar. Høgt ivå markert med bokstave for faktore. Lågt ivå markert med er utelete dersom adre bokstavar er brukt: Eks: A B Nivåkode a - + b + + ab forsøk. k Eit forsøk har k faktorar, kvar på ivå. I eksempel såg vi på eit forsøk og korleis vi kue estimere effektae i eit slikt forsøk. Eigeleg var det i dette forsøket med ei tredje kvalitativ faktor som var katalysator. Med tre faktorar kvar på to ivå er det mogleg å lage 8 mogelege ivåkombiasjoar av høg og låg eller + og som vi gjere omkodar til. La A vere Temperatur, B kosetrasjo og C katalysator. Då ka vi setje opp følgjade forteiksmatrise utvida med ivåkode og resposverdiar. A B C AB AC BC ABC Nivåkode y a b ab c ac bc abc 80 Estimerte hovedeffektar blir: Â Bˆ Ĉ.5 Når det gjeld samspelet mellom A og B, AB, skal vi fie hovedeffekte av A år B er på høgt ivå og trekkje frå hovedeffekte av A år B er på lågt ivå for deretter å dele på. Når vi estimerer effekte skal vi altså der B er på høgt ivå, leggje sama resposverdiae med
6 forteika i koloa til A og der B er på lågt ivå skal vi leggje dei sama med motsette forteik av det som står i koloa til A. Me dette svarar til å bruke forteika i ei koloe der forteika i koloe A og koloe B er multiplisert sama det vil sei forteika i koloa for AB. Tilsvarade får ei forteika i dei adre samspelskoloee. Forteika i koloee for trefaktorsamspelet ABC får ei ved å multiplisere sama forteika i koloee for A, B og C. Dette gjev: A Bˆ A Ĉ B Ĉ AB Ĉ 0.5 Vurderig av sigifikas av effektar Estimatorae for effektae er gitt ved følgjade formel: iyi Effektˆ der er talet på observasjoar og δi er ate eller avhegig av forteika i koloa for de effekte vi rekar ut. Sida alle er uavhegige får vi: Y i Var(Effektˆ σ δi Var(Y i σ effekt σ. Dersom alle effektae er 0 og dataae er ormalfordelte med same varias, σ, vil alle σ estimatorae for effektae vere N(0,. I eit ormalplott bør dei tilhøyrade estimata bli liggjade på ei rett lije. Tilhøyrade effektar til dei som fell av lija, ka vi reke som sigifikate.
7 Eit ormalplott for edafor. forsøket med temperatur, katalysator og kosetrasjo er syt Normal Probability Plot of the Effects (respose is C8, Alpha,0 Normal Score,5,0 0,5 0,0-0,5 AC A A: A B: B C: C -,0 -, Effect Her ser ei at estimerte effektar av temperatur og samspelet mellom temperatur og katalysator klart skil seg frå dei adre. Ofte ka ei gå ut ifrå at trefaktor- og høgare ordes samspel er 0. Desse ka då brukast til å estimere variase til effektae. Bruk av effektar for å reke ut sigifikas forsøk. Ved å ta gjeomsittet av dei 5 kvadrerte trefaktor- og firefaktorsamspela får vi eit estimat for variase til effektae med 5 fridomsgrader. Dette ka brukast til å udersøke sigifikase til effektae. Til dømes er faktor A sigifikat dersom:  t. s  α,5 Eksempel Eit forsøk i dei faktorae A katalysator ladig, B temperatur, C trykk og D kosetrasjo blei utført i eit prosessutvikligs-studie.
8 Dei 6 forsøka oppsett på stadardform er syt edafor. Her er og alle samspelskoloee teke med. Row A B C D AB AC AD BC BD CD ABC ABD Row ACD BCD ABCD Dei 6 resposverdiae for prosetvis omdaig var: Fractioal Factorial Fit: % Coversio versus A; B; C; D Estimated Effects ad Coefficiets for %coversio (coded uits Term Effect Coef Costat 7,50 A -8,000 -,000 B,000,000 C -,50 -,5 D -5,500 -,750 A*B,000 0,500 A*C 0,750 0,75 A*D -0,000-0,000 B*C -,50-0,65 B*D,500,50 C*D -0,50-0,5 A*B*C -0,750-0,75 A*B*D 0,500 0,50
9 A*C*D -0,50-0,5 B*C*D -0,750-0,75 A*B*C*D -0,50-0,5 Nscores - - * B -,+ * BD - * AB - * AC - * ABD - AD,CD 0,0+ * ACD - ** ABC,ABCD - * BCD - * BC - * C -,+ * D - - * A Effects -8,0 0,0 8,0 6,0,0 A A B B C C D D Frå ormalplottet ka det verke som hovedeffekte av katalysator ladig, temperatur og kosetrasjo samt samspelet mellom temperatur og kosetrasjo er sigifikate. Vi ser at alle dei estimerte trefaktor- og firefaktorsamspela er små. Dersom dei sae verdiae for desse er 0, vil estimatorae for desse ha forvetig 0 og varias σ. ABĈ + ABDˆ + ACDˆ + BCDˆ + ABCDˆ Dermed er eit estimator for σ effekt gitt ved: 5 ( (0.5 + ( ( ( 0.5 For våre data blei estimatet: seffekt 0. 5 og stadardavviket til effektae blir estimert til s effekt Ved vurderig av sigifikas skal absolutt verdie av dei estimerte effektae samalikast med: t Såleis er det rom for å udrast om hovedeffekte av seffekt 0.05,5 trykk og er sigifikat. Estimerig av varias ved gjetak. Estimerig av varias krev ormalt at ei gjer gjetak av forsøket. Dersom eit gjetak er gjort, har ei to resposverdiar for kvar ivåkombiasjo som begge har same forvetig. La og y vere dei observerte resposverdiae for ivåkombiasjo. Eit estimat for y variase til observasjoae, σ, er då gitt ved: effekt
10 j (y y + y + y j y (y + (y y y - y + y (y y ( + ( y k Normalt får ei slike estimat som ka brukast til å estimere σ ved å ta gjeomsittet av dei. Eksempel. forsøk med gjetak A B C y i y i yi yi (yi y Totalt 6 i 6 Estimatet for σ blir då: s 8. 8 σ s 8 σeffekt seffekt 6 6 m (Yij Y i Ved (m- gjetak (totalt m verdiar for kvar ivåkombiasjo er ei m j estimator for σ for kvar i. Ved å midle over desse får vi ei estimator for variase. Dee k har (m fridomsgrader. Tolkig av effektar Dersom ei faktor ikkje har samspel tolkar vi estimert hovedeffekt som estimert foradrig i forveta respos år vi går frå lågt til høgt ivå av faktore. For faktorar som har samspel med adre faktorar blir tolkiga gjort ved hjelp av sampelsplott. Eksempel forsøk for kjemisk utbyte. Her var estimatet for hovedeffekte av temperatur og samspelet mellom temperatur og katalysator blei estimert til 0. Vi ka o lage oss ei tabell der vi studerer kva som skjer for
11 dei ivåkombiasjoae av A og C. Ei grafisk framstillig av dee tabelle blir kalla eit samspelsplott. C A Hovedeffektsplott og samspelsplott frå MINITAB er syt edafor. Dersom det ikkje er samspel mellom to faktorar er effekte av ei faktor de same uavhegig av ivået til de adre faktore. Lijee i tofaktorsamspelsplotta skal då bli parallelle. Dette ser vi lagt på veg er tilfelle for faktorae A og B og for B og C, me ikkje for A og C. Mai Effects Plot (data meas for C C A B C
12 Iteractio Plot (data meas for C8 - - A B C Tolkiga av aalyse blir då at effekte av katalysator er egativ år temperature er på lågt iva, me positiv år temperature er på høgt ivå. Best utbyte får vi år temperatur og katalysator begge er på høgt ivå. Eit kubeplott illustrerar godt kva ivåkombiasjoar som er gustige. Cube Plot (data meas for C B A 7 - C
13 k Blokkdelig i forsøk Når ei utfører eit forsøk skal ei alltid utføre det i radomisert rekkjefølgje. Radomiserig er vår beste garati for uavhegige observasjoar og gjer at utaforliggade faktorar får midre sjase for å påverke respose slik at vi trekkjer feilaktige koklusjoar. Det er og viktig å stille i alle ivåkombiasjoar på ytt mellom kvart forsøk. Dette for å sikre at alle observasjoae får mest mogeleg lik varias. Dersom vi skal gjere mage forsøk vil det ofte vere slik at ytre forhold foradrar seg frå vi startar forsøket til vi er ferdig. Foradrigar i ytre forhold ka påverke resposverdiae og gjere at vi feilestimerer effektae. For å motverke dette, ka vi blokkdele forsøket. Studom er det adre førigar, magel på råmateriale t. d som gjer at vi yskjer å blokkdele eit forsøk. Når vi blokkdeler forsøket, skal radomiseriga skje i kvar blokk. forsøk: blokker kvar på forsøk: Gå ut i frå at vi gjer forsøka der tre-faktor samspelet har i blokk og dei resterade i blokk. Forsøk A B C AB AC BC ABC Blokk Blokk Vi observerer at om alle ekeltforsøka i blokk får eit tillegg h, så vil utrekig av hovedeffektae og tofaktorsamspela vere upåverka fordi det er like mage som + i kvar blokk. Dette gjeld ikkje for tre-faktor samspelet som blir kofudert med blokkeffekte. forsøk i blokker, kvar på forsøk Gå ut i frå at vi deler i i blokker etter tofaktorsamspela AB og BC etter følgjade møster Dette gjev følgjade blokkdelig: Blokk Blokk Blokk Blokk (- - (- + (+ - (+ +
14 Blokk A B C Forsøk AB BC AC ABC Blokk Blokk Blokk Blokk AB, BC og AC blir kofuderte med blokkeffekte. Korleis avgjere kva effektar vi ka blokkdele etter? Utgagspukt: Prøver å få estimert hovedeffekte og lågfaktorsamspela. La I vere ei koloe med berre + teik. Vi har: I AABBCC Gå ut i frå at vi blokkdeler eit forsøk etter DABC og EAC. Samspelet mellom D og E, DEABCACB, det vil sei ei hovedeffektae som då blir kofudert med blokkeffekte i tillegg til ABC og BC. Geeraliserig 6 Gå ut i frå at vi skal dele eit forsøk opp i 8 blokker etter blokkfaktorae B ACE B ABEF og B ABCD. Blokkideliga følgjer då følgjade møster: Blokk Blokk Blokk Blokk Blokk 5 Blokk 6 Blokk 7 Blokk 8 (- - - (+ - - (- + - (+ + - (- - + (+ - + (- + + (+ + + Vi får: B B ACEABEF B B ACEABCD B B ABEFABCD B B B BCF BDE ACEABEFABCD CDEF ADF Som sama med B ACE, B ABEF og B ABCD blir kofudert med blokkeffekte.
15 Variasaalysetabelle ved k forsøk. Sida alle koloer i desigmatrisa er ortogoale har vi frå kapittel.7 i læreboka at: R b x i + b x i + L+ b p x pi ( Brukt på to-ivå desig der vi har k effektkoloer blir p lik k. Set vi i at ei koeffisiet er lik de tilsvarade effekte delt på og brukar at for to ivå forsøk er x i, får vi : R Â Bˆ ÂBC L + Dei ekelte ledda ovafor gjev oss kvadratsummae for effektae: For eit forsøk blir dee: Kjelder F.G A A Â B B Bˆ C Ĉ C AB AB ÂB AC ÂC AC BC Bˆ C BC ABC ÂBC ABC Total (y y T R i 7 Legg merke til at her er R T. Det skuldast at år ei tilpassar eit kostatledd og 7 effektar til 8 observasjoar, blir alle residuala 0. Dersom ei blokkdeler forsøket etter trefaktorsamspelet ABC, ka ei sjå på det som å iføre ei blokkfaktor i modelle istadefor trefaktorsampelet. Dee blokkfaktore har to ivå, eit for kvar blokk som vi ka kode til og +. Variasaalysetabelle blir difor.
16 Kjelder F.G A A Â B B Bˆ C Ĉ C AB AB ÂB AC ÂC AC BC Bˆ C BC Blokk ÂBC blokk Total (y y T i 7 For å dele eit forsøk i i blokker, ka ei tekje seg å iføre ei faktor som har ivå. Me ivå ka represeterast ved faktorar som begge har ivå. Såleis ka vi plukke ut to effektkoloer og la desse to bestemme dei ivåa for blokkee. Samspelet mellom desse koloee vil og gå i i blokkeffekte. For eit forsøk i blokker delt i etter AB og BC (AC samspelet, får vi dee variasaalysetabelle Kjelder F.G A A Â B B Bˆ C Ĉ C Blokk ÂB + Bˆ C + ÂC blokk ABC ÂBC ABC Total (y y T i 7 La oss o gå ut i frå at det blir gjort eit gjetak av eit forsøk, og at heile forsøket blir gjort i blokker. Då ka ei bruke ei effektkoloe (koloa for ABC samspelet til å blokkdele etter i kvart av dei to gjetaka. De adre blokkfaktore vil ha for dei 8 første forsøka og + for dei 8 siste. Begge blokkfaktorkoloee er ortogoale på dei adre koloee. Det vil og samspelskoloa for blokkfaktorae vere. La gjeomsitta i dei blokkee vere gitt ved: y, y, y og y. Frå ( blir då blokkeffekte:
17 y 6( + y y + y y 6( + y + y + y y + y blokk + + 6( Variasaalysetabelle blir: y Kjelder F.G A A Â B B Bˆ C Ĉ C AB AB ÂB AC ÂC AC BC Bˆ C Blokk BC blokk y Feil ( + + L 6 E T A B + Total (y y T i blokk 5 Partiell kofuderig Ved gjetak ka ei dele i i blokker etter forskjellige samspel kvar gog. Dette kallast partiell kofuderig. Brukar ei ABC samspelet ei gog og AB samspelet este gog, vil ei. goge kue estimere AB samspelet t. d. og adre goge ABC samspelet o.s. b. Blokkeffekte bør o rekast ut etter de geerelle formele: m s blokk k (yib yk b der k er talet på observasjoar i kvar blokk, m er talet på gjetak, s er talet på blokker i kvart gjetak, yib er gjeomsittet i blokk b i gjetak i og y K er gjeomsittet av alle observasjoae.
18 Variasaalysetabelle for eit gjetatt forsøk blir: Kjelder F.G A A Â B B Bˆ C Ĉ C AB AB ÂB AC ÂC AC BC Bˆ C BC ABC ÂBC Blokk ABC blokk Feil ( + + L 5 E T A B + Total (y y T i blokk 5
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
DetaljerECON240 Statistikk og økonometri
ECON240 Statistikk og økoometri Arild Aakvik, Istitutt for økoomi 1 Mellomregig MKM Model: Y i = a i + bx i + e i MKM-estimator for b: b = = Xi Y i 1 Xi Yi Xi 1 ( X i ) 2 (Xi X)(Y i Ȳi) (Xi X) 2 hvor vi
DetaljerTMA4245 Statistikk. Øving nummer b5. Norges teknisk-naturvitenskapelige universitet Institutt for matematiske fag
TMA4245 Statistikk Norges tekisk-aturviteskapelige uiversitet Istitutt for matematiske fag Øvig ummer b5 Oppgave 1 Eksame mai 2001, oppgave 1 av 4 Vi ser på kosetrasjoe av et giftstoff i havbue like utefor
DetaljerTMA4245 Statistikk Vår 2015
TMA4245 Statistikk Vår 2015 Norges tekisk-aturviteskapelige uiversitet Istitutt for matematiske fag Øvig ummer 12, blokk II Oppgave 1 Kari har ylig kjøpt seg e y bil. Nå øsker hu å udersøke biles besiforbruk
DetaljerTMA4240 Statistikk Høst 2009
TMA440 Statistikk Høst 009 Norges tekisk-aturviteskapelige uiversitet Istitutt for matematiske fag Øvig ummer b4 Løsigsskisse Oppgave Øsker å fie 99% kofidesitervall for µ µ år vi atar ormalfordeliger
DetaljerTMA4240 Statistikk Høst 2015
TMA4240 Statistikk Høst 2015 Norges tekisk-aturviteskapelige uiversitet Istitutt for matematiske fag Øvig ummer 12, blokk II I dee siste øvige fokuserer vi på lieær regresjo, der vi har kjete kovariater
DetaljerOppgaver fra boka: Med lik men ukjent varians antatt har vi fra pensum at. t n1 +n 2 2 under H 0 (12 1) (12 1)
MOT30 Statistiske metoder, høste00 Løsiger til regeøvig r. 5 (s. ) Oppgaver fra boka: Oppgave 0.36 (0.0:8) Dekkslitasje X,..., X u.i.f. N(µ, σ ) og X,..., X u.i.f. N(µ, σ ) og alle variable er uavhegige.
DetaljerIntroduksjon. Hypotesetesting / inferens (kap 3) Populasjon og utvalg. Populasjon og utvalg. Populasjonsvarians
Hypotesetestig / iferes (kap ) Itroduksjo Populasjo og utvalg Statistisk iferes Utvalgsfordelig (samplig distributio) Utvalgsfordelige til gjeomsittet Itroduksjo Vi øsker å få iformasjo om størrelsee i
DetaljerST1201 Statistiske metoder
ST Statistiske metoder Norges tekisk-aturviteskapelige uiversitet Istitutt for matematiske fag Løsigsforslag - Eksame desember Oppgave a) Dette er e ANOVA-tabell for k-utvalg med k 4 og j 6 for j,,3,4.
DetaljerOppgave 1 a) Minste kvadraters metode tilpasser en linje til punktene ved å velge den linja som minimerer kvadratsummen. x i (y i α βx i ) = 0, SSE =
Norges tekisk-aturviteskapelige uiversitet Istitutt for matematiske fag Abefalte oppgaver 2, blokk II Løsigsskisse Oppgave a Miste kvadraters metode tilpasser e lije til puktee ved å velge de lija som
DetaljerEksamen 21.05.2013. REA3024 Matematikk R2. Nynorsk/Bokmål
Eksame 21.05.2013 REA3024 Matematikk R2 Nyorsk/Bokmål Nyorsk Eksamesiformasjo Eksamestid: Hjelpemiddel på Del 1: Hjelpemiddel på Del 2: 5 timar: Del 1 skal leverast i etter 2 timar. Del 2 skal leverast
Detaljer«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,
Detaljer11,7 12,4 12,8 12,9 13,3.
TMA4240 Statistikk Vår 2008 Norges tekisk-aturviteskapelige uiversitet Istitutt for matematiske fag Øvig ummer b6 Oppgave 1 Eksame mai 2001, oppgave 1 av 4 Vi ser på kosetrasjoe av et giftstoff i havbue
Detaljers = k k=1 dx x A n = n = lim = lim 2 arctan ( x = π arctan ( n (2k 1)!, s n = k=1
TMA400 Høst 06 Norges tekisk aturviteskapelige uiversitet Istitutt for matematiske fag Løsigsforslag Øvig 0 9.3.30 Me vil fia det miste itervallet som me ka vera sikker på at summe s k k + 4 ligg i. Om
Detaljer211.7% 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
DetaljerMer om utvalgsundersøkelser
Mer om utvalgsudersøkelser I uderkapittel 3.6 i læreboka gir vi e kort iførig i takegage ved utvalgsudersøkelser. Vi gir her e grudigere framstillig av temaet. Populasjo og utvalg Ved e utvalgsudersøkelse
DetaljerTMA4240 Statistikk 2014
Norges tekisk-aturviteskapelige uiversitet Istitutt for matematiske fag Øvig ummer 2, blokk II Løsigsskisse Oppgave a µ populasjosgjeomsitt, dvs. eit gjeomsitt for alle bilae som køyrer på vegstrekige
Detaljer0.5 (6x 6x2 ) dx = [3x 2 2x 3 ] 0.9. n n. = n. ln x i + (β 1) i=1. n i=1
Norges tekisk-aturviteskapelige uiversitet Istitutt for matematiske fag Øvig ummer 9, blokk II Løsigsskisse Oppgave a The probability is.9.5 6x( x dx.9.5 (6x 6x dx [3x x 3 ].9.5.47. b The likelihood fuctio
DetaljerOppgaver fra boka: X 2 X n 1
MOT30 Statistiske metoder, høste 00 Løsiger til regeøvig r 3 (s ) Oppgaver fra boka: 94 (99:7) X,, X uif N(µ, σ ) og X,, X uif N(µ, σ ) og alle variable er uavhegige Atar videre at σ = σ = σ og ukjet Kodesitervall
DetaljerKapittel 8: Estimering
Kaittel 8: Estimerig Estimerig hadler kort sagt om hvorda å aslå verdie å arametre som,, og dersom disse er ukjete. like arametre sier oss oe om oulasjoe vi studerer (dvs om alle måliger av feomeet som
DetaljerStatistikk og økonomi, våren 2017
Statistikk og økoomi, våre 07 Obligatorisk oppgave 6 Løsigsforslag Oppgave E terig kastes 0 gager, og det registreres hvor mage 6-ere som oppås i løpet av disse 0 kastee. Vi ka kalle atall 6-ere i løpet
DetaljerTMA4245 Statistikk. Øving nummer 12, blokk II Løsningsskisse. Norges teknisk-naturvitenskapelige universitet Institutt for matematiske fag
Vår 205 Norges tekisk-aturviteskapelige uiversitet Istitutt for matematiske fag Øvig ummer 2, blokk II Løsigsskisse Oppgave a - β agir biles besiforbruk i liter/mil - Rimelig med α 0 fordi med x 0 ige
DetaljerTMA4240 Statistikk Høst 2016
Norges tekisk-aturviteskapelige uiversitet Istitutt for matematiske fag Abefalt øvig 2 Løsigsskisse Oppgave a Miste kvadraters metode tilpasser e lije til puktee ved å velge de lija som miimerer kvadratsumme
DetaljerEKSAMEN I FAG TMA4255 FORSØKSPLANLEGGING OG ANVENDTE STATISTISKE METODER
Norges teknisk naturvitenskapelige universitet Institutt for matematiske fag Side 1 av 7 Faglig kontakt under eksamen: Bo Lindqvist Tlf. 975 89 418 BOKMÅL EKSAMEN I FAG TMA4255 FORSØKSPLANLEGGING OG ANVENDTE
Detaljer«Uncertainty of the Uncertainty» Del 5 av 6
«Ucertaity of the Ucertaity» Del 5 av 6 v/rue Øverlad, Traior Elsikkerhet AS Dette er femte del i artikkelserie om «Ucertaity of the Ucertaity». Jeg skal vise deg utledig av «Ucertaity of the Ucertaity»-formele:
DetaljerTMA4240 Statistikk Høst 2015
Høst 205 Norges tekisk-aturviteskapelige uiversitet Istitutt for matematiske fag Øvig ummer 2, blokk II Løsigsskisse Oppgave a - β agir biles besiforbruk i liter/mil - Rimelig med α 0 fordi med x 0 ige
DetaljerTMA4245 Statistikk Eksamen 9. desember 2013
Norges tekisk-aturviteskapelige uiversitet Istitutt for matematiske fag TMA4245 Statistikk Eksame 9. desember 2013 Oppgave 1 I kortspillet Blackjack får ei de høgaste geviste derssom dei to første korta
DetaljerKLMED8004 Medisinsk statistikk. Del I, høst Estimering. Tidligere sett på. Eksempel hypertensjon
Tidligere sett på KLMED8004 Medisisk statistikk Del I, høst 008 Estimerig Hvorda kjete sasylighetsfordeliger (biomialfordelig, ormalfordelig) med kjete populasjosparametrer (forvetig, varias osv.) ka gi
DetaljerÅMA110 Sannsynlighetsregning med statistikk, våren 2007 Kp. 6, del 5. Hypotesetesting, del 5
ÅMA11 Sasylighetsregig med statistikk, våre 7 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/ 59 Bjør
DetaljerEKSAMEN I TMA4245 Statistikk
Noregs tekisk aturvitskaplege uiversitet Istitutt for matematiske fag Side 1 av 5 Fagleg kotakt uder eksame: Turid Follestad (98 06 68 80/73 59 35 37) Hugo Hammer (45 21 01 84/73 59 77 74) Eirik Mo (41
DetaljerÅMA110 Sannsynlighetsregning med statistikk, våren 2010 Kp. 6, del 5
ÅMA110 Sasylighetsregig med statistikk, våre 2010 Kp. 6, del 5 Bjør H. Auestad Istitutt for matematikk og aturviteskap Uiversitetet i Stavager 12. april Bjør H. Auestad Kp. 6: Hypotesetestig del 4 1/ 59
DetaljerEksamen 20.05.2009. REA3024 Matematikk R2. Nynorsk/Bokmål
Eksame 20052009 REA3024 Matematikk R2 Nyorsk/Bokmål Nyorsk Eksamesiformasjo Eksamestid: Hjelpemiddel på Del 1: Hjelpemiddel på Del 2: Bruk av kjelder: Vedlegg: Framgagsmåte: Rettleiig om vurderiga: 5 timar:
DetaljerPRODUKT-OG PROSESSOPTIMALISERING FRÅ EIN STATISTISK SYNSVINKEL.
PRODUKT-OG PROSESSOPTIMALISERING FRÅ EIN STATISTISK SYNSVINKEL. Respons prosessutbyte y produktkarakteristikk 80 70 styrke 60 50 40 50 temp 00 50 7 poly RESPONSFLATEMETODIKK (BOX-WILSON, 95) Forsøksplanlegging
DetaljerÅMA110 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 3. april Bjør H. Auestad Kp. 6: Hypotesetestig del 5 1/ 56
DetaljerÅMA110 Sannsynlighetsregning med statistikk, våren 2006 Kp. 6, del 5
ÅMA110 Sasylighetsregig med statistikk, våre 2006 Kp. 6, del 5 Bjør H. Auestad Istitutt for matematikk og aturviteskap Uiversitetet i Stavager 3. april Bjør H. Auestad Kp. 6: Hypotesetestig del 5 1 / 56
DetaljerX = 1 5. X i, i=1. som vil være normalfordelt med forventningsverdi E( X) = µ og varians Var( X) = σ 2 /5. En rimelig estimator for variansen er
Norges tekisk-aturviteskapelige uiversitet Istitutt for matematiske fag Abefalte oppgaver 11, blokk II Løsigsskisse Oppgave 1 a) E rimelig estimator for forvetigsverdie µ er gjeomsittet X = 1 X i, som
DetaljerTMA4245 Statistikk Eksamen mai 2017
TMA445 Statistikk Eksame mai 07 Norges tekisk-aturviteskapelige uiversitet Istitutt for matematiske fag Løsigsskisse Oppgave a Når vi reger ut disse tre sasylighetee må ma huske på at de mulige verdiee
DetaljerTMA4240 Statistikk Høst 2016
Norges tekisk-aturviteskapelige uiversitet Istitutt for matematiske fag Abefalt øvig 8 Løsigsskisse Oppgave 1 a) Simuler 1000 datasett i MATLAB. Hvert datasett skal bestå av 100 utfall fra e ormalfordelig
DetaljerSkrivne og trykte hjelpemiddel samt kalkulator er tillate. Ta med all mellomrekning som trengst for å grunngje svaret.
Eksame 11. mai 2015 Eksamestid 4 timar IR201812 Statistikk og Simulerig Skrive og trykte hjelpemiddel samt kalkulator er tillate. Ta med all mellomrekig som tregst for å grugje svaret. Oppgåve 1......................................................................................
DetaljerKapittel 5: Diskrete sannsynsfordelingar TMA4245 Statistikk. 5.2 Diskret uniform fordeling NTNU NTNU NTNU
Kapittel 5: Disrete sasysfordeligar TMA4245 Statisti Rep.: Forvetig, varias og ovarias Forvetig (tygdeput, geeraliserig av empiris gjeomsitt): < P x µ = E(X) = R xf(x) (Xdisret) : xf(x)dx (Xotiuerlig)
DetaljerUNIVERSITETET 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.
DetaljerLØSNINGSFORSLAG TIL EKSAMEN I FAG TMA4245 STATISTIKK 6.august 2004
Norges tekisk aturviteskapelige uiversitet Istitutt for matematiske fag Side av 0 LØSNINGSFORSLAG TIL EKSAMEN I FAG TMA4245 STATISTIKK 6.august 2004 Oppgave Midtveiseksame a) X er e stokastisk variabel
DetaljerLØSNING: Eksamen 28. mai 2015
LØSNING: Eksame 28. mai 2015 MAT110 Statistikk 1, vår 2015 Oppgave 1: revisjo ) a) Situasjoe som beskrives i oppgave ka modelleres med e ure. I dee ure er fordelige kjet, M atall bilag med feil og N 100
DetaljerNynorsk OPPGÅVE 1. a) Deriver funksjonane: b) Finn integrala ved rekning: c) Løys likninga ved rekning, og gi opp svaret som eksakte verdiar: + =
OPPGÅVE a) Deriver fuksjoae: ) f ( x) = 3six+ cosx ) gx ( ) = six cosx b) Fi itegrala ved rekig: ) ) e 3e x d x l xd x Tips: l xdx= l xdx c) Løys likiga ved rekig, og gi opp svaret som eksakte verdiar:
DetaljerEcon 2130 uke 15 (HG) Poissonfordelingen og innføring i estimering
Eco 130 uke 15 (HG) Poissofordelige og iførig i estimerig 1 Poissofordelige (i) Tilærmig til biomialfordelige. Regel. ( Poissotilærmelse ) Ata Y ~ bi(, p) E( Y ) = p og var( Y ) = p(1 p). Hvis er stor
DetaljerLøsningsforslag 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
DetaljerÅMA110 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
DetaljerLØSNINGSFORSLAG 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
DetaljerH 1 : µ 1 µ 2 > 0. t = ( x 1 x 2 ) (µ 1 µ 2 ) s p. s 2 p = s2 1 (n 1 1) + s 2 2 (n 2 1) n 1 + n 2 2
TMA4245 Statistikk Norges tekisk-aturviteskapelige uiversitet Istitutt for matematiske fag Øvig ummer b4 Løsigsskisse Oppgave 1 Vi øsker å fie ut om et ytt serum ka stase leukemi. 5 mus får serumet, 4
DetaljerTil nå, og så videre... TMA4240 Statistikk H2010 (25) Mette Langaas. Foreleses mandag 15.november, 2010
TMA4240 Statistikk H2010 (25) 11.4: Egeskaper til MKE 11.5: Iferes om α og β 11.6: Prediksjo Mette Lagaas Foreleses madag 15.ovember, 2010 2 Til å, og så videre... Modell ekel lieær regresjo: Y = α + βx
DetaljerTALLSVAR. Det anbefales at de 9 deloppgavene merket med A, B, teller likt uansett variasjon i vanskelighetsgrad. Svarene er gitt i << >>.
1 ECON130: EKSAMEN 013 VÅR - UTSATT PRØVE TALLSVAR. Det abefales at de 9 deloppgavee merket med A, B, teller likt uasett variasjo i vaskelighetsgrad. Svaree er gitt i
DetaljerTMA4240 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
DetaljerTMA4240 Statistikk Høst 2016
Norges tekisk-aturviteskapelige uiversitet Istitutt for matematiske fag Abefalt øvig 11 Løsigsskisse Oppgave 1 a) E rimelig estimator for forvetigsverdie µ er gjeomsittet X = 1 X i, som vil være ormalfordelt
DetaljerEKSAMEN. Oppgavesettet består av 5 oppgaver, hvor vekten til hver oppgave er angitt i prosent i oppgaveteksten. Alle oppgavene skal besvares.
EKSAMEN Emekode: SFB12003 Eme: Metodekurs II: Samfusviteskapelig metode og avedt statistikk Dato: 2.6.2014 Eksamestid: kl. 09.00 til kl. 13.00 Hjelpemidler: Kalkulator Faglærer: Bjørar Karlse Kivedal Eksamesoppgave:
DetaljerÅMA110 Sannsynlighetsregning med statistikk, våren Kontinuerlige tilfeldige variable, intro. Kontinuerlige tilfeldige variable, intro.
ÅMA Sasylighetsregig med statistikk, våre 6 Kp. 4 Kotiuerlige tilfeldige variable og ormaldelige Kotiuerlige tilfeldige variable, itro. (eller: Kotiuerlige sasylighetsdeliger) Vi har til å sett på diskrete
DetaljerÅMA110 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
DetaljerLineær regresjonsanalyse (13.4)
2 Kap. 13: Lieær korrelasjos- og regresjosaalyse ST0202 Statistikk for samfusvitere Bo Lidqvist Istitutt for matematiske fag Kap. 13.1-13.3: Lieær korrelasjosaalyse. Disse avsitt er ikke pesum, me de lieære
DetaljerTMA4245 Statistikk Eksamen august 2015
Eksame august 15 Norges tekisk-aturviteskapelige uiversitet Istitutt for matematiske fag Løsigsskisse Oppgave 1 a asylighetee blir og X > Z > 1 1 Z 1 Φ.3,.5 W > 5 X + Y > 5 b Forvetet samfuskostad blir
Detaljern 2 +1) hvis n er et partall.
TMA445 Statistikk Vår 04 Norges tekisk-aturviteskapelige uiversitet Istitutt for matematiske fag Øvig ummer, blokk II Oppgave Mediae til et datasett, X, er de midterste verdie. Hvis vi har stokastiske
DetaljerUNIVERSITETET I OSLO ØKONOMISK INSTITUTT
UNIVERSITETET I OSLO ØKONOMISK INSTITUTT Øvelsesoppgave i: ECON30 Statistikk HØST 004 Dato for utleverig: Fredag 5. oktober 004 Frist for ileverig: Osdag 7. oktober 004, seest kl. 5.00 Ileverigssted: Ekspedisjoskotoret,.
Detaljer«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.
DetaljerHypotesetesting, del 4
Oversikt, del 4 t-fordelig t-test t-itervall Del 5 Kofidesitervall vs. test p-verdi t-fordelig Rett på defiisjo: Utgagspuktet er målemodelle med ormalatakelse: X 1,...,X,u.i.f.tilf.var.derX i Nμ, σ 2 ).La
DetaljerLøsningsforslag 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
DetaljerH14 - Hjemmeeksamen i statistikk/ped sensurveiledning
H14 - Hjemmeeksame i statistikk/ped3008 - sesurveiledig (teller 1/3 av edelig karakter) Dee oppgave bestr av tre deler: i del 1 skal du svare p 5 teorispørsml, i del 2 skal du gjeomføre oe sigifikastester
DetaljerÅMA110 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
DetaljerLøsningsforslag for andre obligatoriske oppgave i STK1100 Våren 2007 Av Ingunn Fride Tvete og Ørnulf Borgan
Løsigsforslag for adre obligatoriske oppgave i STK11 Våre 27 Av Igu Fride Tvete (ift@math..uio.o) og Ørulf Borga (borga@math.uio.o). NB! Feil ka forekomme. NB! Sed gjere e mail hvis du fier e feil! Oppgave
DetaljerOppgaven består av 9 delspørsmål, A,B,C,., som anbefales å veie like mye, Kommentarer og tallsvar er skrevet inn mellom <<.. >>.
ECON 130 EKSAMEN 008 VÅR - UTSATT PRØVE SENSORVEILEDNING Oppgave består av 9 delspørsmål, A,B,C,., som abefales å veie like mye, Kommetarer og tallsvar er skrevet i mellom . Oppgave 1 Ved e spørreudersøkelse
Detaljer) = P(Z > 0.555) = > ) = P(Z > 2.22) = 0.013
TMA4240 Statistikk Vår 2008 Norges tekisk-aturviteskapelige uiversitet Istitutt for matematiske fag Øvig ummer b5 Løsigsskisse Oppgave 1 a) X 1,...,X 16 er u.i.f. N(80,18 2 ). Setter Y = X. i) P(X 1 >
DetaljerEksamen MAT1013 Matematikk 1T Hausten 2014
Eksamen MAT1013 Matematikk 1T Hausten 01 Oppgåve 1 (1 poeng) Rekn ut og skriv svaret på standardform 50000000000,0005 10 10 ( ) 6 7,510 5,010,55,010 1,510 1,510 Oppgåve (1 poeng) Løys likninga 16 lg lg16
DetaljerOppgave 1. (i) Hva er sannsynligheten for at det øverste kortet i bunken er et JA-kort?
ECON EKSAMEN 8 VÅR TALLSVAR Oppgave Vi har e kortstokk beståede av 6 kort. På av disse står det skrevet JA på forside mes det står NEI på forside av de adre kortee. Hvis ma får se kortet med bakside vedt
DetaljerÅMA110 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)
DetaljerÅMA110 Sannsynlighetsregning med statistikk, våren Kontinuerlige tilfeldige variable, intro. Kontinuerlige tilfeldige variable, intro.
ÅMA Sasylighetsregig med statistikk, våre Kp. 4 Kotiuerlige tilfeldige variable; Normalfordelig Kotiuerlige tilfeldige variable, itro. (eller: Kotiuerlige sasylighetsfordeliger) Vi har til å sett på diskrete
DetaljerSTK1100 våren 2017 Estimering
STK1100 våre 017 Estimerig Svarer til sidee 331-339 i læreboka Ørulf Borga Matematisk istitutt Uiversitetet i Oslo 1 Politisk meigsmålig Spør et tilfeldig utvalg på 1000 persoer hva de ville ha stemt hvis
DetaljerEKSAMEN I FAG ST2202 ANVENDT STATISTIKK
Norges teknisk naturvitenskapelige universitet Institutt for matematiske fag Side 1 av 8 Faglig kontakt under eksamen: Bo Lindqvist Tlf. 975 89 418 EKSAMEN I FAG ST2202 ANVENDT STATISTIKK Fredag 5. desember
DetaljerEstimering 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
Detaljer5 y y! e 5 = = y=0 P (Y < 5) = P (Y 4) = 0.44,
Norges tekisk-aturviteskapelige uiversitet Istitutt for matematiske fag Abefalte oppgaver 9, blokk II Løsigsskisse Oppgave a) Vi lar her Y være atall fugler som kolliderer med vidmølla i løpet av de gitte
DetaljerMOT310 Statistiske metoder 1, høsten 2011
MOT310 Statistiske metoder 1, høste 2011 Bjør H. Auestad Istitutt for matematikk og aturviteskap Uiversitetet i Stavager 24. august, 2011 Bjør H. Auestad Itroduksjo og repetisjo 1 / 32 Repetisjo; 9.1,
DetaljerEksamen INF3350/INF4350 H2006 Løsningsforslag
Eksame INF3350/INF4350 H2006 Løsigsforslag Oppgave. Score (eller bit score) S' er e statistisk idikator på hvor sigifikat e match er. Høyere bit score svarer til høyere sigifikas. Idikatore er uavhegig
DetaljerLøsningsforsalg til første sett med obligatoriske oppgaver i STK1110 høsten 2018
Løsigsforsalg til første sett med obligatoriske oppgaver i STK1110 høste 2018 Oppgave 1 (a Et 100(1 α% kofidesitervall for forvetigsverdie µ er gitt ved formel (8.15 på side 403 i læreboka. For situasjoe
DetaljerEstimering 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
DetaljerTMA4245 Statistikk Eksamen 9. desember 2013
Norges tekisk-aturviteskapelige uiversitet Istitutt for matematiske fag TMA4245 Statistikk Eksame 9. desember 2013 Oppgave 1 I kortspillet Blackjack får ma de høyeste geviste hvis de to første kortee ma
DetaljerÅMA110 Sannsynlighetsregning med statistikk, våren Kontinuerlige tilfeldige variable, intro. Kontinuerlige tilfeldige variable, intro.
ÅMA0 Sasylighetsregig med statistikk, våre 008 Kp. 4 Kotiuerlige tilfeldige variable; Normalfordelig Kotiuerlige tilfeldige variable, itro. (eller: Kotiuerlige sasylighetsfordeliger) Vi har til å sett
DetaljerHØGSKOLEN I SØR-TRØNDELAG Avdeling for teknologi
HØGSKOLEN I SØR-TRØNDELAG Avdelig for tekologi Målform: Bokmål Eksamesdato: 19 des. 2014 Varighet/eksamestid: Emekode: 3 timer TALM1005 Emeav: Statistikk og Økoomi statistikkdele Klasser: Logistikk 1 Kjemi
DetaljerLØSNINGSFORSLAG TIL EKSAMEN I FAG TMA4240 STATISTIKK 5.august 2004
Norges tekisk aturviteskapelige uiversitet Istitutt for matematiske fag Side av 0 LØSNINGSFORSLAG TIL EKSAMEN I FAG TMA4240 STATISTIKK 5.august 2004 Oppgave Foruresig X er e stokastisk variabel som agir
DetaljerLøsningsforsalg til første sett med obligatoriske oppgaver i STK1110 høsten 2015
Løsigsforsalg til første sett med obligatoriske oppgaver i STK1110 høste 2015 Oppgave 1 (a Et 100(1 α% kofidesitervall for forvetigsverdie µ er gitt ved formel (8.15 på side 403 i læreboka. For situasjoe
DetaljerRepetisjon; 9.1, 9.2, 9.3, 9.4, 9.5, og Repetisjon; 9.1, 9.2, 9.3, 9.4, 9.5, og 9.10
Repetisjo; 9.1, 9.2, 9.3, 9.4, 9.5, og 9.10 og Geerell defiisjo av : Situasjo: Data x 1,...,x ;utfallav:x 1,...,X ; u.i.f. tilfeldige variable Ukjet parameter i fordelige til X i ee: θ Dersom L og U L
DetaljerUNIVERSITETET 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
DetaljerEksamen 1T hausten 2015 løysing
Eksamen 1T hausten 015 løysing Tid: timar Hjelpemiddel: Vanlege skrivesaker, passar, linjal med centimetermål og vinkelmålar er tillate. Oppgåve 1 (1 poeng) Rekn ut og skriv svaret på standardform 1 1,8
DetaljerÅMA110 Sannsynlighetsregning med statistikk, våren 2010 Kp. 6, del 4
ÅMA11 Sasylighetsregig med statistikk, våre 21 Kp. 6, del 4 Bjør H. Auestad Istitutt for matematikk og aturviteskap Uiversitetet i Stavager 22. mars Bjør H. Auestad Kp. 6: Hypotesetestig del 4 1/ 29 Bjør
DetaljerKapittel 5: Tilfeldige variable, forventning og varians.
Kapittel 5: Tilfeldige variable, forvetig og varias. Tilfeldige variable Tilfeldige variable kalles også stokastiske variable. Defiisjo: E tilfeldig variabel er e variabel som får si umeriske verdi bestemt
DetaljerÅMA110 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)
DetaljerEstimering 2. -Konfidensintervall
Estimerig 2 -Kofidesitervall Dekkes av kap. 9.4-9.5, 9.10, 9.12 og forelesigsotatee. Dersom forsøket gjetas mage gager vil (1 α)100% av itervallee [ ˆΘ L, ˆΘ U ] ieholde de ukjete parametere θ (som er
DetaljerEcon 2130 Forelesning uke 11 (HG)
Eco 130 Forelesig uke 11 (HG) Mer om ormalfordelige og setralgreseteoremet Uke 1 1 Fra forrige gag ~ betyr er fordelt som. ~ N( µσ, ) E( ) = µ, og var( ) = σ Normalfordelige er symmetrisk om μ og kotiuerlig
DetaljerSignifikante sifre = alle sikre pluss ett siffer til
Sigifikate siffer og stadardavvik behadles i kap. Disse to emee skal vi ta for oss i dag. Kofidesgreser behadles i kap 4. Dette skal vi ta for oss i osdag. Presetasjo av aalysedata ka gjøres på følgede
DetaljerTMA4240/4245 Statistikk 11. august 2012
Norges tekisk-aturviteskapelige uiversitet Istitutt for matematiske fag TMA424/4245 Statistikk. august 22 Eksame - løsigsforslag Oppgave Vi har N Nµ,σ 2, µ 85 og X > 88. a X µ X > 88 σ > 88 µ Z > 88 85
DetaljerÅMA110 Sannsynlighetsregning med statistikk, våren 2007
ÅMA0 Sasylighetsregig med statistikk, våre 007 Kp. 4 Kotiuerlige tilfeldige variable; Normalfordelig Kotiuerlige tilfeldige variable, itro. (eller: Kotiuerlige sasylighetsfordeliger) Vi har til å sett
DetaljerKonfidensintervall. Notat til STK1110. Ørnulf Borgan, Ingrid K. Glad og Anders Rygh Swensen Matematisk institutt, Universitetet i Oslo.
Kofidesitervall Notat til STK1110 Ørulf Borga, Igrid K. Glad og Aders Rygh Swese Matematisk istitutt, Uiversitetet i Oslo August 2007 Formål E valig metode for å agi usikkerhete til et estimat er å berege
DetaljerOppgave 1 Hardheten til en bestemt legering er undersøkt med åtte målinger og resultatene ble (i kg/mm 2 ) som i tabellen til høyre.
EKSAMEN I: ÅMA110 SANNSYNLIGHETSREGNING MED STATISTIKK VARIGHET: 4 TIMER DATO: 28. AUGUST 2010 BOKMÅL TILLATTE HJELPEMIDLER: KALKULATOR: HP30S, Casio FX82 eller TI-30 OPPGAVESETTET BESTÅR AV 3 OPPGAVER
DetaljerUNIVERSITETET I OSLO
UIVERSITETET I OSLO Det matematisk-aturviteskapelige fakultet Eksame i: ST 105 - Iførig i pålitelighetsaalyse Eksamesdag: 8. desember 1992 Tid til eksame: 0900-1500 Tillatte hjelpemidler: Rottma: "Matematische
DetaljerEKSAMEN I TMA4245 STATISTIKK Tysdag 21. mai 2013 Tid: 09:00 13:00 (Korrigert )
Noregs teknisk naturvitskaplege universitet Institutt for matematiske fag Side 1 av 5 Nynorsk Fagleg kontakt under eksamen: Håkon Tjelmeland 73593538/48221896 Ola Diserud 93218823 EKSAMEN I TMA4245 STATISTIKK
Detaljer