Kapittel 1: Beskrivende statistikk
|
|
- Vidar Nordli
- 6 år siden
- Visninger:
Transkript
1 Kapittel : Bekrivede tatitikk Defiijoer: Populajo og utvalg Populajo: Alle mulige obervajoer vi ka gjøre (x,x,,x N ). Utvalg: Delmegde av populajoe (x,x,,x der <N). Tilfeldig utvalg: Delmegde der elemetee er tilfeldig valgt fra populajoe. Ekempel: Høyde voke ordme Populajo: Høyde til alle voke ordme Utvalg: Høyde til oe voke ordme Tilfeldig utvalg: Høyde til oe tilfeldig valgte voke ordme.
2 Derom vi har data fra et tilfeldig utvalg vil dette gi o yttig iformajo om hele populajoe. Et utvalg om ikke er tilfeldig (for ekempel målig av høyde ku til de over meter) er ikke like yttig. Et tilfeldig utvalg er repreetativt (ka bruke til å i oe om hele populajoe).
3 Ekempel: Holmgag I TV debattprogram Holmgag tille et pørmål til eere med to varalterativer. Spørmålet er kyttet til temaet om debattere, og eere ka gi i tilbakemeldig ved å rige et betemt telefoummer. Som e oppfølger til pørreuderøkeler gjort blat eere i to like program våre 005 utførte Nork Repo e repreetativ uderøkele av de amme pørmålee. Reultatee ble: Er parkerigvakter for grådige? Ja Nei Holmgag 96% 4% Nork Repo (repreetative tall) 34% 66% Er du for kjøkvoterig? Ja Nei Holmgag 9% 9% Nork Repo (repreetative tall) 47% 53% Die reultatee ka forklare ved at det ikke er et tilfeldig utvalg av befolkige om er på Holmgag, og det er ikke et tilfeldig utvalg av de om er på programmet om riger i. Uderøkele i Holmgag er med adre ord ikke baert på et repreetativt utvalg og ka dermed ikke bruke til oe tig!
4
5 Media og gjeomitt De met brukte målee på beliggehet (på tallija) til et dataett er media og gjeomitt. Ata geerelt at vi har amlet i et dataett betåede av måliger om vi på ymbolk form beteger x,x,,x. Som et ekempel kal vi e på e ituajo der vi har målt høyde til 6 peroer og fått dataettet: x.73, x.85, x 3.6, x 4.0, x 5.7 og x Defiijo: Gjeomitt: Ekempel: Høydedataee x x xi ( x + x + L+ i 6 6 i x i.80 x )
6 Defiijo: Media: Obervajoe i midte. Sorter dataee i tigede rekkefølge. Mediae er obervajoe i midte, eller gjeomittet av de to obervajoee i midte derom vi har et partall atall obervajoer. Ekempel: Høydedataee Sortert:.6,.7,.73,.85,.88,.0 Media: ~ x ( ).79 Ekempel: Hva blir mediae til dataee 3.3, 7., 7.0, 35.6, 9.3?
7 Fra Stavager Afteblad: Publiert 6. oktober 003 0:44 Bor du i Stavager, og har potummer 4009 eller 4044? I å fall tilhører du til de rikete trøkee i bye. Erled Frafjord tekt Morte Salthe kildeøk Kjell Arvid Berge grafikk Vi har ortert amtlige kattytere i Stavager på potummer, og plukket ut to kriterier for å måle rikdom: Mediaitekt og atall millioærer per 000 katteytere. Dermed har vi ett mål på formue og ett på itekt. Til lutt i ake har vi redegjort for hvorfor ettopp die målee er valgt. Målekriteriee: Vi har valgt å ugå gjeomitttall for itekt og formue fordi gjeomitt er et upreit mål år det fie ektreme utlag i tallmaterialet. Et teoretik ekempel: Ni peroer tjeer kroer hver, me de ite tjeer 0 millioer kroer. Hva er de met repreetative itekte i utvalget? De flete vil i kroer fordi i av ti tjeer å mye. Me derom ma reger gjeomittitekte for de ti, blir dee ete, millioer kroer fordi de ee rike drar ittet å kraftig opp. Mediaitekte, om forteller hva de midterte i utvalget tjeer år alle er ortert fra riket til fattigt, blir derimot kroer. Skattelitee er kakje det bete ekempelet på utvalg hvor det fie ektreme utlag. Noe få kattytere tjeer vært mye i forhold til «røkla», eller har e kyhøy formue. Dette fører til urealitik høye gjeomitttall for oe tilfeldig utvalgte potummer. Hvorfor bruker vi ikke mediatall ogå på formue? Fordi mer e 50 proet av befolkige ikke har formue, og det betyr at hvert potummer tort ett kommer ut med et mediatall på ull. Derfor må vi fie et aet mål. Vi meer at atall millioærer per 000 kattyter er det bete kriteriet for å ammelige formue mellom to eller flere utvalg.
8
9 Utvalgvaria og utvalgtadardavvik Ata at vi har målt høyde til 5 adre peroer e de vi betraktet tidligere og fått data x.74, x.76, x 3.79, x 4.84 og x For die dataee blir: 5 x xi ( ).80 5 i 5 ~ x x.79 Dv amme gjeomitt og media om forrige dataett - me vi er at det er mye tørre predig i det førte dataettet: Dataett : Dataett: 3 De met brukte målee på predig (variajo) i tallee i et dataett er utvalgvaria og utvalgtadardavvik.
10 Dv, mit predig i dataett! Defiijo: Utvalgvaria: i ( x ) i x Utvalgtadardavvik: Ekempel: Høydedataee Dataett : [(.73.80) 6 + (.85.80) + (.6.80) + (.0.80) + (.7.80) + (.88.80) ] Dataett : og
11 Utvalgvaria og utvalgtadardavvik kalle ogå ofte empirik varia og empirik tadardavvik. NB! Boka bruker i kap. bare beevelee varia og tadardavvik for utvalgvaria og utvalgtadardavvik. Dette er uheldig da det lett fører til ammebladig med de teoretike ( ae ) variae og tadardavviket om er begrep vi kommer til eere (i kap. 5). E ae litt uheldig og uødvedig tig i boka er at de bruker de alterative og midre brukte defiijoe på utvalgvaria: i ( x ) i x Om vi bruker formele der vi deler på eller de der vi deler på - har i de flete tilfeller lite praktik betydig (ku viktig år er lite), me variate der vi deler på - er litt bedre og met brukt.
12 Tolkig av utvalgvaria/-tadardavvik: E grov tommelfigerregel ier at ofte (me ikke alltid) vil omtret: Ca 68% av dataee ligge i itervallet Ca 95% av dataee ligge i itervallet Nete alle dataee ligge i itervallet [ x, x + ] [ x, x + ] [ x 3, x + 3] Dee regele er OK år hitogram over dataee er oelude ymmetrik. Adre bekrivede mål om bruke er blat aet mode (de obervajoe om opptrer oftet) og kvartiler (puktee om deler dataee i i mite fjerdepart, midte og tørte fjerdepart) e boka for mer om dette.
13 Hitogram Ved ulike grafike metoder ka ma lage gode viuelle fremtilliger av data. E av de met brukte metodee for å fremtille umerike data er ved å plotte hitogram. Ekempel: Ometig (i mill. kroer) i 0 må bedrifter er.,.6, 3.,.,.8, 0.9,.3,.9,.6,.7,.,.4, 0.5,.,.5, 4.6 og.4. Et hitogram over die dataee ka for ekempel e ut om dette: Høyde på hver øyle agir atall obervajoer i itervallet.
14 x
15 Samvariajo utvalgkovaria og korrelajo Ekempel: Målig av x atall år med utdaig og y itekt (i 000 kr) for 8 peroer: i x i y i Er det ammeheg mellom x og y? Scatterplott gir fi grafik illutrajo: Ka vi gi et mål på ammehege?
16 Defiijo: Utvalgkovaria: xy ( x i x )( y i y ) i Ekemplet: x 4.5 xy 8 og 8 i ( x i y )( y i 306.5) 9. Forteget på utvalgkovariae agir om vi har e poitiv eller e egativ ammeheg, me ut over det ka de være vakelig å tolke. Et bedre mål er korrelajoe.
17 Defiijo: Korrelajo: r x xy y Der xy er utvalgkovariae, x er utvalgtadardavviket til x- måligee og y er utvalgtadardavviket til y-måligee. Tolkig: Korrelajo grad av lieær ammeheg Det ka vie at: r Ekemplet: x y r i 8 i ( x i ( y i ) 306.5)
18
19
20 Oppummerig Populajo: Alle mulige obervajoer vi ka gjøre (x,x,,x N ). Utvalg: Delmegde av populajoe (x,x,,x der <N). Tilfeldig utvalg: Delmegde der elemetee er tilfeldig valgt fra populajoe. Gjeomitt: x xi ( x + x + L+ x) i Mediae: Obervajoe i midte Utvalgvaria: i ( ) x i x Utvalgtadardavvik: Korrelajo: x y xy r r
Kapittel 1: Beskrivende statistikk
Kapttel : Bekrvede tattkk Defjoer: Populajo og utvalg Populajo: Alle mulge obervajoer v ka gjøre (,,, N ). Utvalg: Delmegde av populajoe (,,, der
DetaljerKapittel 1: Beskrivende statistikk
Kapttel : Bekrvede tattkk Defjoer: Populajo og utvalg Populajo: Alle mulge obervajoer v ka gjøre, (,,, N ). Utvalg: Delmegde av populajoe (,,,, der
DetaljerTidspunkt for eksamen: 10. desember ,5 timer
EKSAMENSOPPGAVE Ititutt: IKBM Ekame i: STAT 00 Statitikk Tidpukt for ekame: 0. deember 05 09.00-.30. 3,5 timer Kuravarlig: Trygve Almøy Tillatte hjelpemidler: C3. Alle typer kalkulatorer, alle adre hjelpemidler
Detaljer8 (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:
Detaljer2T 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
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
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
DetaljerS2 kapittel 1 Rekker Løsninger til innlæringsoppgavene
Løsiger til ilærigsoppgavee kapittel Rekker Løsiger til ilærigsoppgavee a Vi ser at differase mellom hvert ledd er 4, så vi får det este leddet ved å legge til 4 Det este leddet blir altså 6 + 4 = 0 b
DetaljerKapittel 1: Introduksjon til statistikk og dataanalyse Foreleses tirsdag 9. januar 2007.
Kapittel 1: Introduksjon til statistikk og dataanalyse Foreleses tirsdag 9. januar 2007. Eirik Mo Institutt for matematiske fag, NTNU 3 Kapittel 1 ser på Datainnsamling. Datatyper: diskrete og kontinuerlige.
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
DetaljerBEDRIFTSØKONOMISK ANALYSE MAN 8898 / 8998
BEDRIFTSØKONOMISK ANALYSE MAN 8898 / 8998 Lineær programmering og bedriftøkonomike problemer Tor Tangene BI - Sandvika V-00 Dipoijon Bruk av LP i økonomike problemer Et LP-problem Begreper og noen grunnleggende
DetaljerEksamen REA3028 S2, Våren 2011
Eksame REA08 S, Våre 0 Del Tid: timer Hjelpemidler: Valige skrivesaker, passer, lijal med cetimetermål og vikelmåler er tillatt. Oppgave (8 poeg) a) Deriver fuksjoee ) f 5 f 6 5 ) g g ) h l 9 9 6 4 h l
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
DetaljerKapittel 7: Noen viktige sannsynlighetsfordelinger
Kapittel 7: Noe viktige sasylighetsfordeliger I mage situasjoer ka feomeet vi ser på beskrives med e bestemt type sasylighetsfordelig e sasylighetsfordelig gitt ved e bestemt formel. Vi skal se på oe av
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
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
DetaljerPåliteligheten til en stikkprøve
Pålitelighete til e stikkprøve Om origiale... 1 Beskrivelse... 2 Oppgaver... 4 Løsigsforslag... 4 Didaktisk bakgru... 5 Om origiale "Zuverlässigkeit eier Stichprobe" på http://www.mathe-olie.at/galerie/wstat2/stichprobe/dee
DetaljerEksempeloppgave 2014. REA3028 Matematikk S2 Eksempel på eksamen våren 2015 etter ny ordning. Ny eksamensordning. Del 1: 3 timer (uten hjelpemidler)
Eksempeloppgave 2014 REA3028 Matematikk S2 Eksempel på eksame våre 2015 etter y ordig Ny eksamesordig Del 1: 3 timer (ute hjelpemidler) Del 2: 2 timer (med hjelpemidler) Mistekrav til digitale verktøy
DetaljerEksamen R2, Høsten 2010
Eksame R, Høste 00 Del Tid: timer Hjelpemidler: Valige skrivesaker, passer, lijal med cetimetermål og vikelmåler er tillatt. Oppgave (6 poeg) a) Deriver fuksjoee ) f l f ( ) l l (l ) ) g( ) si cos f si
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
DetaljerOM TAYLOR POLYNOMER. f x K f a x K a. f ' a = lim x/ a. f ' a z
OM TAYLOR POLYNOMER I dette otatet, som utfyller avsitt 6. i Gullikses bok, skal vi se på Taylor polyomer og illustrere hvorfor disse er yttige. Det å berege Taylor polyomer for håd er i prisippet ikke
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
Detaljer2.1 Polynomdivisjon. Oppgave 2.10
. Polyomdivisjo Oppgave. ( 5 + ) : = + + ( + ):( ) 6 + 6 8 8 = + + c) ( + 5 ) : = + 6 6 d) + + + = + + = + + + 8+ ( ):( ) + + + Oppgave. ( + 5+ ):( ) 5 + + = + ( 5 ): 9 + + + = + + + 5 + 6 9 c) ( 8 66
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
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
DetaljerKapittel 1: Introduksjon til statistikk og dataanalyse
Kapittel 1: Introduksjon til statistikk og dataanalyse TMA4245 Statistikk (MTEL, MTIØT og MTTK) Turid.Follestad@math.ntnu.no, teikning frå http://www.wkozak.com/digitaldrawings.htm p.1/20 Vi skal sjå på
DetaljerVelkommen til oversiktsforelesninger i Matematikk 1. med Jørgen Endal
Velkomme til oversiktsforelesiger i Matematikk 1 med Jørge Edal Følger, rekker, og potesrekker (kap. 9.1 9.7) Forelesig 2 (kap. 9.3 9.4) Dages økkelbegrep: Sammeligigsteste Gresesammeligigsteste Forholdsteste
DetaljerIN3030 Uke 12, v2019. Eric Jul PSE, Inst. for informatikk
IN3030 Uke 12, v2019 Eric Jul PSE, Ist. for iformatikk 1 Hva skal vi se på i Uke 12 Review Radix sort Oblig 4 Text Program Parallellizig 2 Oblig 4 Radix sort Parallelliser Radix-sorterig med fra 1 5 sifre
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
DetaljerKapittel 1: Introduksjon til statistikk og dataanalyse Foreleses tirsdag 22. august 2006.
Kapittel 1: Introduksjon til statistikk og dataanalyse oreleses tirsdag 22. august 2006. irik Mo Institutt for matematiske fag, NTNU 5 Vi skal se på atainnsamling. atatyper: diskrete og kontinuerlige.
DetaljerKapittel 1: Introduksjon til statistikk og dataanalyse
Kapittel 1: Introduksjon til statistikk og dataanalyse oreleses tirsdag 22. august 2006. irik Mo Institutt for matematiske fag, NTNU 5 7 Vi skal se på atainnsamling. atatyper: diskrete og kontinuerlige.
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
DetaljerKraftens moment er: Om A: r Om B: r' som har vektorene r. ' fra B. Det samlede kraftmomentet om A er da
yikk or igeiører. Litt tatikk. Side Litt tatikk. etigeer or ikeekt. Vi ka å ette opp etigeer or at et egeme ka ære i ro. Vi et aerede at ektorumme a de kretee om irker på egemet må ære ik u or at maeeteret
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
DetaljerEmnenavn: Eksamenstid: 4 timer. Faglærer: Hans Kristian Bekkevard
EKSAMEN Emekode: SFB107111 Emeav: Metode 1, statistikk deleksame Dato: 7. mai 2018 Hjelpemidler: Godkjet kalkulator og vedlagt formelsamlig m/tabeller Eksamestid: 4 timer Faglærer: Has Kristia Bekkevard
DetaljerUlike typer utvalg. MAT0100V Sannsynlighetsregning og kombinatorikk. Ordnet utvalg uten tilbakelegging 29 (29 1) (29 2) (29 3) =
MAT000V Sasylighetsregig og kombiatorikk Urdede utvalg ute tilbakeleggig Pascals talltrekat og biomialkoeffisietee Ørulf Borga Matematisk istitutt Uiversitetet i Oslo Ulike typer utvalg Eksempel 6.: Vi
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
DetaljerSymbolisering av logisk form: setningslogiske tegn.
Logike ltninger NB! Dette er for peielt intereerte: Siden det ikke tår å mye om dette i lærebøkene er omfanget av dette foreleningmanet alt for tort i forhold til hva vi kan betrakte om penm. Videre kan
DetaljerKapittel 7: Noen viktige sannsynlighetsfordelinger
Kapittel 7: Noe viktige sasylighetsfordeliger I mage situasjoer ka feomeet vi ser på beskrives med e bestemt type sasylighetsfordelig (e sasylighetsfordelig gitt ved e bestemt formel. Vi skal se på oe
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
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
DetaljerLØSNING: Eksamen 17. des. 2015
LØSNING: Eksame 17. des. 2015 MAT100 Matematikk, 2015 Oppgave 1: økoomi a I optimum av T Rx er dt Rx 0 1 som gir d Ix Kx 0 2 dix dix dkx dkx 0 3 4 dvs. greseitekt gresekostad, q.e.d. 5 b Gresekostad ekstrakostade
DetaljerUNIVERSITETET I OSLO ØKONOMISK INSTITUTT
Eksame i: ECON130 Statistikk 1 UNIVERSITETET I OSLO ØKONOMISK INSTITUTT Eksamesdag: 6.05.017 Sesur kugøres: 16.06.017 Tid for eksame: kl. 14:30 17:30 Oppgavesettet er på 6 sider Tillatte helpemidler: Alle
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
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
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
DetaljerForventningsverdi. 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
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
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
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
DetaljerFØLGER, 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
DetaljerKapittel 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
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
DetaljerForelesning Moment og Momentgenererende funksjoner
ushu.li@uib.o Forelesig + 3 Momet og Mometgeererede fuksjoer 1. Oppsummerig til Forelesig 1 1.1) Fuksjoe av S.V: hvis variabele er e fuksjo (trasformasjo) av S.V. : g( ), da er også e S.V.: til ethvert
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
DetaljerNoen vanlige. Indikatorfordeling: 1, dersom suksess. I mange situasjoner kan fenomenet vi ser på. 0, dersom ikke suksess
Kapittel 5: Noe valige sasylighetsfordeliger I mage situasjoer ka feomeet vi ser på beskrives med e bestemt type sasylighets- fordelig (e sasylighetsfordelig gitt ved e bestemt formel. Vi skal se på oe
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,
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
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
DetaljerEksempeloppgave 2014. REA3026 Matematikk S1 Eksempel på eksamen våren 2015 etter ny ordning. Ny eksamensordning. Del 1: 3 timer (uten hjelpemidler)
Eksempeloppgave 04 REA306 Matematikk S Eksempel på eksame våre 05 etter y ordig Ny eksamesordig Del : 3 timer (ute hjelpemidler) Del : timer (med hjelpemidler) Mistekrav til digitale verktøy på datamaski:
DetaljerLøsningsforslag Matematikk4N/4M, TMA4123/TMA4125, vår 2016
Løigforlag MatematikkN/M, TMA/TMA5, vår 6 Oppgave Skriver om ligigytemet på valig måte Gau Seidel blir da Setter vi x, y, z får vi x y z y x z z x y 6 x y z y x z z x y 6 Dv,,,, x y z x y z 6 Oppgave Side
DetaljerKapittel 9: Mer kombinatorikk
MAT00 Disret Matemati Forelesig : Mer ombiatori Roger Atose Istitutt for iformati, Uiversitetet i Oslo Kapittel 9: Mer ombiatori 5. april 009 (Sist oppdatert: 009-04-5 00:06) MAT00 Disret Matemati 5. april
DetaljerI forelesningen så vi litt på hvordan vi tegner grafer manuelt. Enkel bruk av GeoGebra er vist gjennom noen korte videoer i bolk 5c.
NOTAT TIL FORELESNING OM FUNKSJONER, DEL Forelesige om uksjoer består av to deler, ørste del bygger på dette otatet Notatet bygger på læreboke og er oe mer utyllede e orelesige I bolk 5a så vi hvorda vi
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
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
DetaljerDel1. b) 1) Gittrekka 2 4 6 8 Finnleddnummer20 ogsummenavde20førsteleddene.
Del1 Oppgave 1 a) Deriver fuksjoee: 1) fx ( ) x 2 1 x 2 1 2) g x x 2 2 e x b) 1) Gittrekka 2 4 6 8 Fileddummer20 ogsummeavde20førsteleddee. 1 1 2) Gitt de uedelige rekka 2 1 2 4 Avgjør om rekka kovergerer.
DetaljerEKSAMEN 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:
DetaljerMA1102 Grunnkurs i analyse II Vår 2014
Norges tekiskaturviteskapelige uiversitet Istitutt for matematiske fag MA Grukurs i aalyse II Vår 4 Løsigsforslag Øvig 6..5g Ser på forholdet a + /a som er ( + )!4 + ( + ) + ( ) 4( + )! 4( + ) =!4 ( +
DetaljerKap. 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
DetaljerLøsning TALM1005 (statistikkdel) juni 2017
Løsig TALM1005 statistikkdel jui 2017 Oppgave 1 a Har oppgitt at sasyligte for at é harddisk svikter er p = 0, 037. Ifører hedelsee A : harddisk 1 svikter B : harddisk 2 svikter C : harddisk 3 svikter
DetaljerLøsning eksamen R1 våren 2010
Løsig eksame R våre 00 Oppgave a) ) f ( ) l f ( ) ' l l l l f ( ) (l ) ) g( ) 4e g( ) 4 e ( ) 4 e ( ) g( ) 4( ) e b) ( ) 4 4 6 P ) P() 4 4 6 8 6 8 6 0 Divisjo med ( ) går opp. 4 4 6 : ( ) 8 4 4 8 6 8 6
DetaljerÅMA110 Sannsynlighetsregning med statistikk, våren 2011
ÅMA0 Sasylighetsregig statistikk våre 0 Kp. 4 Kotiulige tilfeldige variable; Normalfordelig Kotiulige tilfeldige variable itro. (ell: Kotiulige sasylighetsfordelig Vi har til å sett på diskrete fordelig
DetaljerLøsningsforslag til eksamen i STK desember 2010
Løsigsforslag til eksame i STK0 0. desember 200 Løsigsforslaget har med flere detaljer e det vil bli krevd til eksame. Oppgave a Det er tilpasset e multippel lieær regresjosmodell av forme β 0 + β x i
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
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
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
DetaljerEksamen REA3028 S2, Våren 2010
Eksame REA308 S, Våre 010 Del 1 Tid: timer Hjelpemidler: Valige skrivesaker, passer, lijal med cetimetermål og vikelmåler er tillatt. Oppgave 1 (6 poeg) a) Deriver fuksjoee: 1) f xx lx ) gx 3 e x b) Gitt
DetaljerÅMA110 Sannsynlighetsregning med statistikk, våren 2010. Noen viktige sannsynlighetsmodeller. Binomisk modell. Kp. 3 Diskrete tilfeldige variable
ÅMA Saslighetsregig med statistikk, våre K. 3 Diskrete tilfeldige variable Noe viktige saslighetsmodeller Noe viktige saslighetsmodeller ( Sas.modell : å betr det klasse/te sas.fordelig.) Biomisk modell
DetaljerKap. 10: Inferens om to populasjoner. Inferens om forskjell i forventning ved å bruke to avhengige utvalg (10.3) ST0202 Statistikk for samfunnsvitere
Kap. 0: Inferen om to populajoner Situajon: Det er to populajoner om vi ønker å ammenligne. Vi trekker da et utvalg fra hver populajon. Vi kan ha avhengige eller uavhengige utvalg. ST00 Statitikk for amfunnvitere
DetaljerEksamen REA3028 S2, Våren 2010
Eksame REA308 S, Våre 010 Del 1 Tid: timer Hjelpemidler: Valige skrivesaker, passer, lijal med cetimetermål og vikelmåler er tillatt. Oppgave 1 (6 poeg) a) Deriver fuksjoee: 1) f x x lx f x x lx x x f
DetaljerLØSNING, EKSAMEN I STATISTIKK, TMA4240, DESEMBER Anta at sann porøsitet er r. Måling med utstyret gir da X n(x; r, 0,03).
LØSNING, EKSAMEN I STATISTIKK, TMA440, DESEMBER 006 OPPGAVE 1 Ata at sa porøsitet er r. Målig med utstyret gir da X (x; r, 0,03). a) ( ) X r P(X > r) P 0,03 > 0 P(Z > 0) 0,5. ( X r P(X r > 0,05) P 0,03
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 >
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
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
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
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
DetaljerLøsningsforslag: Deloppgave om heuristiske søkemetoder
Løsigsforslag: Deloppgave om heuristiske søkemetoder 6. mai 00 Iledig Vi skal betrakte det såkalte grafdeligsproblemet (graph partitioig problem). Problemet ka ekelt formuleres som følger: Gitt e graf
Detaljer2. 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,
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
DetaljerLINSEKIKKERTER. Jeg har nå endelig fått laget noen slike skisser, og du finner dem på de neste sidene.
LINSEKIKKERTER Maiken purte meg for en tid tilbake om jeg kunne lage en tegning av trålegangen i en linekikkert, iden un adde fått pørmål om dette på gruppetimene ine og det er jo alltid litt tyr å få
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
DetaljerH T. Amundsen INNHOLD
Itere otater STATISTISK SENTRALBYRÅ. oktober 1980 KORRELASJONSKOEFFISIENTEN - ENDA ENGANG Av H T. Amudse INNHOLD 1. Iledig *****..... * 0 1. Produktmametkorrelasjoskoeffisiete og sammehege med lieær regresjo.
DetaljerFagdag 2-3mx 24.09.07
Fagdag 2-3mx 24.09.07 Jeg beklager at jeg ikke har fuet oe ye morsomme spill vi ka studere, til gjegjeld skal dere slippe prøve/test dee gage. Istruks: Vi arbeider som valig med 3 persoer på hver gruppe.
DetaljerDifferensligninger 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
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
DetaljerPlan for fagdag 3. Plan: Litt om differanse- og summefølger. Sammenhengen a n a 1 n 1 i 1
Pla for fagdag 3 R2-18.11.10 Pla: Litt om differase- og summefølger. Sammehege a a 1 1 i 1 d i. Geometriske resoemet. Arbeidsoppgaver. Differase- og summefølger Regresjo med lommereger Differaser er ofte
DetaljerAvsnitt 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
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
DetaljerARBEIDSHEFTE 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