Foreleses onsdag 8. september 2010

Save this PDF as:
 WORD  PNG  TXT  JPG

Størrelse: px
Begynne med side:

Download "Foreleses onsdag 8. september 2010"

Transkript

1 TMA4240 Statistikk H : Varians (univariat del) 4.4: Chebyshevs teorem 3.4: Simultanfordelinger Mette Langaas Foreleses onsdag 8. september 200 TMA4240H Varians (og kovarians) DEF 4.3: La X være en stokastisk variabel med sannsynlighetsfordeling f (x) og forventning µ = E(X). Variansen til X er σ 2 = Var(X) = E[(X µ) 2 ] = x (x µ) 2 f (x) hvis X er diskret, og σ 2 = Var(X) = E[(X µ) 2 ] = (x µ) 2 f (x)dx hvis X er kontinuerlig. Den positive kvadratroten av variansen, σ = SD(X), kalles standard avviket til X. TEO 4.2: Variansen til en stokastisk variabel X er σ 2 = Var(X) = E(X 2 ) [E(X)] 2 = E(X 2 ) µ 2 TMA4240H200

2 3 Togforsinkelsen (forts.) 0 x r e ax dx = r! når a > 0 og r er et heltall 0 ar+ { 4xe 2x for x > 0 f X (x) = 0 for x 0 E(X)= Hva er variansen til X? TMA4240H Chebyshevs teorem TEO 4.: Chebyshevs teorem Sannsynligheten for at en stokastisk variabel X vil anta en verdi innen k standardavvik fra forventningsverdien er minst /k 2. Det vil si, P(µ kσ < X < µ + kσ) k 2 k=: P(µ σ < X < µ + σ) 2 = 0 k=2: P(µ 2σ < X < µ + 2σ) 2 2 = 0.75 k=3: P(µ 3σ < X < µ + 3σ) 3 2 = 0.89 TMA4240H200

3 5 (4.2 forts): Varians til en funksjon av en stokastisk variabel TEO 4.3: La X være en stokastisk variabel med sannsynlighetsfordeling f (x). Variansen til den stokastiske variablen g(x) er σ 2 g(x) = E[(g(X) µ g(x)) 2 ] = x [g(x) µ g(x) ] 2 f (x) hvis X er diskret, og σ 2 g(x) = E[(g(X) µ g(x)) 2 ] = [g(x) µ g(x) ] 2 f (x)dx hvis X er kontinuerlig. TMA4240H200 Varians til en lineær funksjon av en stokastisk variabel TEO 4.9: Hvis a og b er konstanter, så er σax+b 2 = Var(aX + b) = a2 Var(X) = a 2 σx 2 COR : Setter vi a = ser vi at Var(X + b) = Var(X) = σx 2. COR 2: Setter vi b = 0 ser vi at Var(aX) = a 2 Var(X) = a 2 σx 2. TMA4240H200

4 7 Prosjektstyring (forts.) Ser på aktivitet A. Kunden har betalt 200 kr for aktivitet A, og prosjektarbeideren som skal utføre aktivitet A får 500 kr timen. Inntekt for aktivitet A: g(x) = X Forventning: E(g(X)) = 00. Hva er Var(g(X))? 2 3 f X (x) TMA4240H200 8 Forventning og varians, univariat Diskret stokastisk variabel Kontinuerlig stokastisk variabel Forventning: E(X), tyngdepunkt i fordelingen, beste gjett på ny fremtidig observasjon µ = E(X) = x xf (x) µ = E(X) = xf (x)dx µ g(x) = E[g(X)] = x g(x)f (x) µ g(x) = E[g(X)] = g(x)f (x)dxx E(aX + b) = ae(x) + b Varians: Var(X), mål for spredning σ 2 = Var(X) = E[(X µ) 2 ] = E(X 2 ) µ 2 σ 2 = x (x µ)2 f (x) σ 2 = (x µ)2 f (x)dx σg(x) 2 = Var[g(X)] = E[(g(X) µ g(x)) 2 ] σg(x) 2 = x (g(x) µ g(x)) 2 f (x) σg(x) 2 = [g(x) µ g(x)] 2 f (x)dx Var(aX + b) = a 2 Var(X) Standardavvik: SD(X) = Var(X) Mål for spredning på samme skala som originalobservasjonenen. TMA4240H200

5 9 3.4 Flerdimensjonale sannsynlighetsfordelinger Hittil: en stokastisk variabel ad gangen. Nå: hva om vi i et eksperiment observerer to eller flere stokastiske variable. Burde vi se på dem hver for seg, eller mister vi informasjon hvis vi ikke ser på dem sammen? Situasjoner: Togforsinkelse og opphold på stasjon (eksamen desember 2003) Høyde og vekt av personer. Aktivitet av gen A og gen B ved stimulus med hormon C. Gasstrykk, gassvolum og temperatur i kjemisk forsøk. Aksjekurs for Trønderfrukt og Agderfrukt (eksamen juni 2004) TMA4240H200 0 Kast med to terninger X = maksimum antall øyne Y = absoluttverdi av differanse i antall øyne Utfallsrom og verdier av X og (Y ) (i parentes) første terning (0) 2 () 3 (2) 4 (3) 5 (4) (5) 2 2 () 2 (0) 3 () 4 (2) 5 (3) (4) Andre 3 3 (2) 3 () 3 (0) 4 () 5 (2) (3) terning 4 4 (3) 4 (2) 4 () 4 (0) 5 () (2) 5 5 (4) 5 (3) 5 (2) 5 () 5 (0) () (5) (4) (3) (2) () (0) TMA4240H200

6 Kast med to terninger (forts.) f(x,y) x / / / / / / 0 2/ 2/ 2/ 2/ 2/ / 2/ 2/ 2/ y / 2/ 2/ / 2/ / TMA4240H200 2 Simultanfordeling f (x, y) (diskret) DEF 3.8: Funksjonen f (x, y), er simultanfordelingen til to diskrete stokastiske variable X og Y, dersom. f (x, y) 0 for alle (x, y) 2. x y f (x, y) = 3. P(X = x Y = y) = P(X = x, Y = y) = f (x, y) (punktsannsynlighet) For enhver region A is xy-rommet så er P[(X, Y ) A] = A f (x, y). TMA4240H200

7 3 Simultanfordeling f (x, y) (kontinuerlig) DEF 3.9: Funksjonen f (x, y), er simultan sannsynlighetstetthet til to kontinuerlige stokastiske variable X og Y, dersom. f (x, y) 0 for alle (x, y) 2. f (x, y)dxdy = 3. P[(X, Y ) A] = A f (x, y)dxdy for enhver region A i (x, y)-planet. TMA4240H200 4 Elektriske komponenter X =levetid elektrisk komponent nr Y =levetid elektrisk komponent nr 2 f (x, y) = e (x+y) for x > 0 og y > 0 og 0 ellers. Oppfyller f (x, y) kravene til en simultan sannsynlighetstetthet? Hva er P(0 < X <, 0 < Y < ) TMA4240H200

8 5 Elektriske komponenter TMA4240H200 Marginalfordelinger DEF 3.0: Marginalfordelingen for X alene og for Y alene er for det diskrete tilfellet: g(x) = y f (x, y) og h(y) = x f (x, y) og for det kontinuerlige tilfellet: g(x) = f (x, y)dy og h(y) = f (x, y)dx TMA4240H200

9 7 Kast med to terninger (igjen) X = maksimum antall øyne Y = absoluttverdi av differanse i antall øyne Simultan sannsynlighetsfordeling f (x, y) x h(y) 0 / / / / / / / 0 2/ 2/ 2/ 2/ 2/ 0/ / 2/ 2/ 2/ 8/ y / 2/ 2/ / / 2/ 4/ / 2/ g(x) / 3/ 5/ 7/ 9/ / / TMA4240H200 8 Betingede fordelinger DEF 3.: La X og Y være to stokastiske variable, diskrete eller kontinuerlige. Den betingede fordelingen for den stokastiske variablen Y gitt at X = x er f (y x) = f (x, y) g(x), g(x) > 0 Den betingede fordelingen for den stokastiske variablen X gitt at Y = y er f (x y) = f (x, y) h(y), h(y) > 0 TMA4240H200

10 9 Uavhengighet DEF 3.2: La X og Y være to stokastiske variable, diskrete eller kontinuerlige, med simultan sannsynlighetsfordeling f (x, y), og marginale fordelinger g(x) og h(y). Da er X og Y uavhengige hvis og bare hvis for alle (x, y). f (x, y) = g(x) h(y) DEF 3.3: La X, X 2,..., X n være n stokastiske variable, diskrete eller kontinuerlige, med simultan sannsynlighetsfordeling f (x, x 2,..., x n ), og marginale fordelinger f (x ), f 2 (x 2 ),..., f n (x n ). Da er X, X 2,..., X n innbyrdes uavhengige hvis og bare hvis f (x, x 2,..., x n ) = f (x ) f 2 (x 2 ) f n (x n ) for alle (x, x 2,..., x n ). TMA4240H To terninger, antall øyne X = antall øyne på terning Y = antall øyne på terning 2 Simultan sannsynlighetsfordeling f (x, y). 2 Andre 3 terning 4 Første terning h(y) 5 g(x) TMA4240H200

11 2 Togforsinkelsen, forts. La X (minutter) betegne togets forsinkelse på en tilfeldig valgt hverdag. Vi antar at X er en stokastisk variabel med sannsynlighetstetthet { 4xe 2x for x > 0 g(x) = 0 for x 0 La Y (minutter) være den tiden toget står på stasjonen. Oppholdstiden Y vil være influert av forsinkelsen, og vi antar at den betingede sannsynlighetstetthet f (y x) for Y, gitt at forsinkelsen X er lik x (> 0), er gitt ved { (x/2) e xy/2 for y > 0 f (y x) = 0 for y 0 ) Sett opp simultantettheten f (x, y) for X og Y. 2) Finn sannsynlighetstettheten h(y) for oppholdstiden Y. TMA4240H Togforsinkelsen: fordelinger f (y x) g(x) f (x, y) h(y) TMA4240H200

12 23 Oppsummering 3.4 Funksjonen f (x, y), er simultan sannsynlighetsfordeling for X og Y. Marginalfordelinger: g(x) = y f (x, y) og h(y) = x f (x, y) diskret g(x) = f (x, y)dy og h(y) = f (x, y)dx kontinuerlig Betingede fordelinger: f (y x) = f (x, y)/g(x), g(x) > 0 f (x y) = f (x, y)/h(y), h(y) > 0 Uavhengighet: X og Y uavhengige hvis og bare hvis f (x, y) = g(x) h(y) for alle (x, y). TMA4240H200

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

Togforsinkelsen (Eksamen Des2003.1a) I denne oppgaven kan du bruke uten å vise det at Kapittel 4 Forventningsverdi, varians, kovarians for én stokastisk variabel og funksjoner av stokastiske variabler TMA4245 V2007: Eirik Mo 2 4.1 Forventing til en stokastisk variabel DEF 4.1: La X være

Detaljer

Kapittel 6: Kontinuerlige sannsynlighetsfordelinger 6.4-5.7: Normalfordelingen, normalapproksimasjon, eksponensial og gamma.

Kapittel 6: Kontinuerlige sannsynlighetsfordelinger 6.4-5.7: Normalfordelingen, normalapproksimasjon, eksponensial og gamma. TMA4240 Statistikk H2010 Kapittel 6: Kontinuerlige sannsynlighetsfordelinger 6.4-5.7: Normalfordelingen, normalapproksimasjon, eksponensial og gamma. Mette Langaas Foreleses mandag 27. september 2010 2

Detaljer

ÅMA110 Sannsynlighetsregning med statistikk, våren 2010. ÅMA110 Sannsynlighetsregning med statistikk, våren 2010

ÅMA110 Sannsynlighetsregning med statistikk, våren 2010. ÅMA110 Sannsynlighetsregning med statistikk, våren 2010 ÅMA Sannsynlighetsregning med statistikk, våren Kp. Diskrete tilfeldige variable ÅMA Sannsynlighetsregning med statistikk, våren Kp. Diskrete tilfeldige variable Diskrete tilfeldige variable, innledning

Detaljer

Formelsamling V-2014 MAT110. Statistikk 1. Per Kristian Rekdal

Formelsamling V-2014 MAT110. Statistikk 1. Per Kristian Rekdal Formelsamling V-2014 MAT110 Statistikk 1 Per Kristian Rekdal 2 Forord Dette er formelsamlingen i emnet MAT110 Statistikk 1 ved høgskolen i Molde. Formlene i denne formelsamlingen er stort sett de formlene

Detaljer

6.2 Normalfordeling. Høyde kvinner og menn. 6.1 Kontinuerlig uniform fordeling. Kapittel 6

6.2 Normalfordeling. Høyde kvinner og menn. 6.1 Kontinuerlig uniform fordeling. Kapittel 6 3 6.2 Normalfordeling Kapittel 6 Noen kontinuerlige sannsynlighetsfordelinger TMA4245 V2007: Eirik Mo Normalfordeling: Sannsynlighetstettheten til en normalfordelt stokastisk variabel, X, med forventning

Detaljer

TMA4245 Statistikk Vår 2007

TMA4245 Statistikk Vår 2007 TMA4245 Statistikk Vår 2007 Norges teknisk-naturvitenskapelige universitet Institutt for matematiske fag Øving nummer 7 Oppgave Tippekonkurranse Denne oppgaven er ment som en kjapp test på hva du har lært.

Detaljer

Statistikk 1 kapittel 4

Statistikk 1 kapittel 4 Statistikk 1 kapittel 4 Nico Keilman ECON 2130 Vår 2015 Kapittel 4 Stokastiske (tilfeldige) variabler Anta 1) Vi kjenner sannsynligheter for ulike utfall knyttet til et forsøk 2) Hvert utfall har en (meningsfull)

Detaljer

EKSAMEN I TMA4240 Statistikk

EKSAMEN I TMA4240 Statistikk Norges teknisk naturvitenskapelige universitet Institutt for matematiske fag Side 1 av 5 Faglig kontakt under eksamen: Henning Omre (909 37848) Mette Langaas (988 47649) EKSAMEN I TMA4240 Statistikk 18.

Detaljer

Eksamensoppgave i TMA4245 Statistikk

Eksamensoppgave i TMA4245 Statistikk Institutt for matematiske fag Eksamensoppgave i TMA4245 Statistikk Faglig kontakt under eksamen: Håkon Tjelmeland Tlf: 48 22 18 96 Eksamensdato:??. august 2014 Eksamenstid (fra til): 09:00 13:00 Hjelpemiddelkode/Tillatte

Detaljer

EKSAMEN. TILLATTE HJELPEMIDLER: Kalkulator. Hornæs: Formelsamling statistikk HiG. John Haugan: Formler og tabeller.

EKSAMEN. TILLATTE HJELPEMIDLER: Kalkulator. Hornæs: Formelsamling statistikk HiG. John Haugan: Formler og tabeller. KANDIDATNUMMER: EKSAMEN FAGNAVN: FAGNUMMER: Statistikk. BtG207 EKSAMENSDATO: 11. juni 2007. KLASSE: HIS 05 08. TID: kl. 8.00 13.00. FAGLÆRER: Hans Petter Hornæs ANTALL SIDER UTLEVERT: 5 (innkl. forside)

Detaljer

FORMELSAMLING STATISTIKK, HiG

FORMELSAMLING STATISTIKK, HiG Høgskolen i Gjøvik Avdeling for ingeniørfag Versjon fra mai 2007 FORMELSAMLING STATISTIKK, HiG Hans Petter Hornæs hans.hornaes@hig.no ISSN:??????? Innledning. Denne formelsamlingen er skrevet for bruk

Detaljer

Øving 1 TMA4240 - Grunnleggende dataanalyse i Matlab

Øving 1 TMA4240 - Grunnleggende dataanalyse i Matlab Øving 1 TMA4240 - Grunnleggende dataanalyse i Matlab For grunnleggende introduksjon til Matlab, se kursets hjemmeside https://wiki.math.ntnu.no/tma4240/2015h/matlab. I denne øvingen skal vi analysere to

Detaljer

EKSAMEN. Flexibel ingeniørutdanning, 2kl. Bygg m.fl.

EKSAMEN. Flexibel ingeniørutdanning, 2kl. Bygg m.fl. KANDIDATNUMMER: EKSAMEN FAGNAVN: FAGNUMMER: Statistikk. REA 1081 og REA1081F EKSAMENSDATO: 1. juni 2011. KLASSE: Flexibel ingeniørutdanning, 2kl. Bygg m.fl. TID: kl. 9.00 12.00. FAGLÆRER: Hans Petter Hornæs

Detaljer

MAT4010 PROSJEKTOPPGAVE: Statistikk i S2. Olai Sveine Johannessen, Vegar Klem Hafnor & Torstein Mellem

MAT4010 PROSJEKTOPPGAVE: Statistikk i S2. Olai Sveine Johannessen, Vegar Klem Hafnor & Torstein Mellem MAT400 PROSJEKTOPPGAVE: Statistikk i S2 Olai Sveine Johannessen, Vegar Klem Hafnor & Torstein Mellem 20. mai 205 Innhold. Stokastisk Variabel.. Stokastiske variable som funksjoner 3 2. Forventningsverdi

Detaljer

Øving 1 TMA4245 - Grunnleggende dataanalyse i Matlab

Øving 1 TMA4245 - Grunnleggende dataanalyse i Matlab Øving 1 TMA4245 - Grunnleggende dataanalyse i Matlab For grunnleggende bruk av Matlab vises til slides fra basisintroduksjon til Matlab som finnes på kursets hjemmeside. I denne øvingen skal vi analysere

Detaljer

ST0202 Statistikk for samfunnsvitere Kapittel 6: Normalfordelingen

ST0202 Statistikk for samfunnsvitere Kapittel 6: Normalfordelingen ST0202 Statistikk for samfunnsvitere Kapittel 6: Normalfordelingen Bo Lindqvist Institutt for matematiske fag 2 Kap. 6: Normalfordelingen Normalfordelingen regnes som den viktigste statistiske fordelingen!

Detaljer

EKSAMEN. EMNEANSVARLIG: Inger Gamme og Hans Petter Hornæs. TILLATTE HJELPEMIDLER: Kalkulator og alle trykte og skrevne hjelpemidler.

EKSAMEN. EMNEANSVARLIG: Inger Gamme og Hans Petter Hornæs. TILLATTE HJELPEMIDLER: Kalkulator og alle trykte og skrevne hjelpemidler. KANDIDATNUMMER: EKSAMEN EMNENAVN: EMNENUMMER: Kvalitetsledelse med Statistikk. SMF2121 EKSAMENSDATO: 1. juni 2011 KLASSE: Ingeniørutdanning TID: kl. 9.00 13.00. EMNEANSVARLIG: Inger Gamme og Hans Petter

Detaljer

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

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

Detaljer

Forelesning 7 Statistiske beskrivelser av enkeltvariabler. Mål for sentraltendens

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

Detaljer

Kontinuerlige sannsynlighetsfordelinger.

Kontinuerlige sannsynlighetsfordelinger. Kontinuerlige sannsynlighetsfordelinger. Dekkes av kap. 6 og deler av kap. 8.5 i boka. Husk: f(x er sannsynlighetstettheten til en kontinuerlig X dersom:. f(x 0 for alle x R 2. f(xdx = 3. P (a

Detaljer

Statistikk 1 kapittel 5

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

Detaljer

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

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

Detaljer

EKSAMENSOPPGAVER SV SØ 232: METODE II

EKSAMENSOPPGAVER SV SØ 232: METODE II EKSAMENSOPPGAVER SV SØ 232: METODE II H-1998 Gjør rede for følgende begreper: 1. Stokastisk variabel 2. Sannsynlighet 3. Estimator 4. Estimat 5. Forventning 6. Varians 7. Kovarians Gjør rede for trinnene

Detaljer

UNIVERSITETET I OSLO ØKONOMISK INSTITUTT

UNIVERSITETET I OSLO ØKONOMISK INSTITUTT Utsatt eksamen i: ECON2130 - Statistikk 1 Eksamensdag: 19.06.2014 Tid for eksamen: kl. 09:00 12:00 Oppgavesettet er på 4 sider UNIVERSITETET I OSLO ØKONOMISK INSTITUTT Tillatte hjelpemidler: Alle trykte

Detaljer

Kontinuerlige stokastiske variable.

Kontinuerlige stokastiske variable. Kontinuerlige stokastiske variable. I forelesning har vi sett på en kontinuerlig stokastisk variabel med sannsynlighetstetthet f() =2 og sannsynlighetsfunksjon F () = 2 for. Der hadde jeg et reint regneteknisk

Detaljer

Sannsynlighetsregning og Statistikk.

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

Detaljer

EKSAMEN KANDIDATNUMMER: EKSAMENSDATO: 11. juni HiS Jørstadmoen. TID: kl EMNEANSVARLIG: Hans Petter Hornæs

EKSAMEN KANDIDATNUMMER: EKSAMENSDATO: 11. juni HiS Jørstadmoen. TID: kl EMNEANSVARLIG: Hans Petter Hornæs KANDIDATNUMMER: EKSAMEN EMNENAVN: EMNENUMMER: Statistikk. BtG27 EKSAMENSDATO: 11. juni 28 KLASSE: HiS 6-9 Jørstadmoen. TID: kl. 8. 13.. EMNEANSVARLIG: Hans Petter Hornæs ANTALL SIDER UTLEVERT: 4 (innkl.

Detaljer

Eksamen i. MAT110 Statistikk 1

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

Detaljer

TMA4240/TMA4245 Statistikk: Oppsummering kontinuerlige sannsynlighetsfordelinger

TMA4240/TMA4245 Statistikk: Oppsummering kontinuerlige sannsynlighetsfordelinger TMA4240/TMA4245 Statistikk: Oppsummering kontinuerlige sannsynlighetsfordelinger Kontinuerlig uniform fordeling f() = B A, A B. En kontinuerlig størrelse (vekt, lengde, tid), som aldri kan bli mindre enn

Detaljer

Regler i statistikk STAT 100

Regler i statistikk STAT 100 TORIL FJELDAAS RYGG - VÅREN 2010 Regler i statistikk STAT 100 Innhold side Sannsynlighetsregning 3 - Uttrykk 3 - Betinget sannsynlighet 4 - Regler for sannsynlighet 4 - Bayes teorem 4 - Uavhengige begivenheter

Detaljer

H ØGSKOLEN I BERGEN Avdeling for ingeniørutdanning

H ØGSKOLEN I BERGEN Avdeling for ingeniørutdanning H ØGSKOLEN I BERGEN Avdeling for ingeniørutdanning EKSAMEN KLASSAR FOA 172 Statistikk : alle DATO : 5. desember 2007 TAL pa OPPGAVER TAL pa SIDER VEDLEGG HJELPEMIDDEL TID MALFORM FAGLÆRARAR : 4 : 3 (inkludert

Detaljer

EKSAMEN. TILLATTE HJELPEMIDLER: Kalkulator. Hornæs: Formelsamling statistikk HiG. John Haugan: Formler og tabeller.

EKSAMEN. TILLATTE HJELPEMIDLER: Kalkulator. Hornæs: Formelsamling statistikk HiG. John Haugan: Formler og tabeller. KANDIDATNUMMER: EKSAMEN FAGNAVN: FAGNUMMER: Statistikk. BtG27 EKSAMENSDATO: 27. mai 211. KLASSE: HIS 8 11. TID: kl. 8. 13.. FAGLÆRER: Hans Petter Hornæs ANTALL SIDER UTLEVERT: 3 innkl. forside) TILLATTE

Detaljer

UNIVERSITETET I OSLO

UNIVERSITETET I OSLO Deleksamen i: UNIVERSITETET I OSLO Det matematisk-naturvitenskapelige fakultet STK1000 Innføring i anvendt statistikk. Eksamensdag: Onsdag 12. oktober 2011. Tid for eksamen: 15:00 17:00. Oppgavesettet

Detaljer

EKSAMEN I FAG 75510/75515 STATISTIKK 1 Tirsdag 20. mai 1997 Tid: 09:00 14:00

EKSAMEN I FAG 75510/75515 STATISTIKK 1 Tirsdag 20. mai 1997 Tid: 09:00 14:00 Norges teknisk naturvitenskapelige universitet Institutt for matematiske fag Side 1 av 5 Faglig kontakt under eksamen: Håvard Rue 73 59 35 20 Håkon Tjelmeland 73 59 35 20 Bjørn Kåre Hegstad 73 59 35 20

Detaljer

Eksamen REA3028 S2, Høsten 2012

Eksamen REA3028 S2, Høsten 2012 Eksamen REA308 S, Høsten 01 Del 1 Tid: timer Hjelpemidler: Vanlige skrivesaker, passer, linjal med centimetermål og vinkelmåler er tillatt. Oppgave 1 (6 poeng) Deriver funksjonene 3x x a) gx 3 3x x 3x

Detaljer

EKSAMEN ST0202 STATISTIKK FOR SAMFUNNSVITERE

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

Detaljer

Kapittel 4: Sannsynlighet - Studiet av tilfeldighet

Kapittel 4: Sannsynlighet - Studiet av tilfeldighet Kapittel 4: Sannsynlighet - Studiet av tilfeldighet Vi så i forrige kapittel at utvalgsfordeling til en statistikk (observator) er fordelingen av verdiene til statistikken over alle utvalg av samme størrelse

Detaljer

Normalfordeling. Høgskolen i Gjøvik Avdeling for teknologi, økonomi og ledelse. Statistikk Ukeoppgaver uke 7

Normalfordeling. Høgskolen i Gjøvik Avdeling for teknologi, økonomi og ledelse. Statistikk Ukeoppgaver uke 7 Ueoppgaver i BtG207 Statisti, ue 7 : Normalfordeling. 1 Høgsolen i Gjøvi Avdeling for tenologi, øonomi og ledelse. Statisti Ueoppgaver ue 7 Normalfordeling. Oppgave 1 Anta Z N(0, 1), dvs. Z er standard

Detaljer

Kap. 5.2: Utvalgsfordelinger for antall og andeler

Kap. 5.2: Utvalgsfordelinger for antall og andeler Kap. 5.2: Utvalgsfordelinger for antall og andeler Binære data (1/0, Ja/Nei, Suksess/Feil) Utvalgsundersøkelser: Ja/Nei-spørsmål Tilstedeværelse av arter: Tilstede/Ikke-tilstede (1/0) Overlevelse etter

Detaljer

Statistikk og forsøksplanlegging Kurs for ansatte ved Raufoss Technology AS. Hans Petter Hornæs E-post: hans.hornaes@hig.no

Statistikk og forsøksplanlegging Kurs for ansatte ved Raufoss Technology AS. Hans Petter Hornæs E-post: hans.hornaes@hig.no Statistikk og forsøksplanlegging Kurs for ansatte ved Raufoss Technology AS Hans Petter Hornæs E-post: hans.hornaes@hig.no Rondablikk Høyfjellshotell 10. oktober 1998 Innhold 1 Innledning 4 1.1 Mål.........................................

Detaljer

Eksamen 29.11.2011. REA3028 Matematikk S2. Nynorsk/Bokmål

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

Detaljer

Statistisk beskrivelse av enkeltvariabler. SOS1120 Kvantitativ metode. Disposisjon. Datamatrisen. Forelesningsnotater 6. forelesning høsten 2005

Statistisk beskrivelse av enkeltvariabler. SOS1120 Kvantitativ metode. Disposisjon. Datamatrisen. Forelesningsnotater 6. forelesning høsten 2005 SOS110 Kvantitativ metode Forelesningsnotater 6 forelesning høsten 005 Statistisk beskrivelse av enkeltvariabler (Univariat analyse) Per Arne Tufte Disposisjon Datamatrisen Variabler Datamatrisen Frekvensfordelinger

Detaljer

EKSAMEN I TMA4245 Statistikk

EKSAMEN I TMA4245 Statistikk Norges teknisk naturvitenskapelige universitet Institutt for matematiske fag Side 1 av 5 Faglig kontakt under eksamen: Turid Follestad (98 06 68 80/73 59 35 37) Hugo Hammer (45 21 01 84/73 59 77 74) Eirik

Detaljer

Kontroller at oppgavesettet er komplett før du begynner å besvare spørsmålene. Ved sensuren teller alle delspørsmål likt.

Kontroller at oppgavesettet er komplett før du begynner å besvare spørsmålene. Ved sensuren teller alle delspørsmål likt. Eksamen i: MET00 Statistikk for økonomer Eksamensdag: 8. november 2007 Tid for eksamen: 09.00-13.00 Oppgavesettet er på 5 sider. Tillatte hjelpemidler: Alle trykte eller egenskrevne hjelpemidler og kalkulator.

Detaljer

UNIVERSITETET I OSLO Det matematisk-naturvitenskapelige fakultet

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

Detaljer

Første sett med obligatoriske oppgaver i STK1110 høsten 2015

Første sett med obligatoriske oppgaver i STK1110 høsten 2015 Første sett med obligatoriske oppgaver i STK1110 høsten 2015 Dette er det første obligatoriske oppgavesettet i STK1110 høsten 2015. Oppgavesettet består av fire oppgaver. Du må bruke Matematisk institutts

Detaljer

En kort innføring i sannsynlighetsregning

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

Detaljer

MATEMATIKK 1 (for 8. 10. trinn) Emnebeskrivelser for studieåret 2014/2015

MATEMATIKK 1 (for 8. 10. trinn) Emnebeskrivelser for studieåret 2014/2015 MATEMATIKK 1 (for 8. 10. trinn) Emnebeskrivelser for studieåret 2014/2015 Emnenavn Grunnleggende matematikk Precalculus MA6001 Undervisningssemester Høst 2014 Professor Petter Bergh petter.bergh@math.ntnu.no

Detaljer

Øving 7: Statistikk for trafikkingeniører

Øving 7: Statistikk for trafikkingeniører NTNU Veg og samferdsel EVU kurs Trafikkteknikk Oslo / høsten 2007 Øving 7: Statistikk for trafikkingeniører Det anbefales generelt å arbeide i grupper med 2-3 studenter i hver gruppe. Bruk gjerne Excel

Detaljer

Kontroller at oppgavesettet er komplett før du begynner å besvare spørsmålene. Ved sensuren teller alle delspørsmål likt.

Kontroller at oppgavesettet er komplett før du begynner å besvare spørsmålene. Ved sensuren teller alle delspørsmål likt. Eksamen i: MET040 Statistikk for økonomer Eksamensdag: 4 november 2008 Tid for eksamen: 09.00-13.00 Oppgavesettet er på 4 sider. Tillatte hjelpemidler: Alle trykte eller egenskrevne hjelpemidler og kalkulator.

Detaljer

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

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

Detaljer

Faktor - en eksamensavis utgitt av ECONnect

Faktor - en eksamensavis utgitt av ECONnect Faktor - en eksamensavis utgitt av ECONnect Løsningsforslag: SØK1004 Statistikk for økonomer Eksamen: Våren 009 Antall sider: 16 SØK1004 - Løsningsforslag Om ECONnect: ECONnect er en frivillig studentorganisasjon

Detaljer

Oppgave 1. Det oppgis at dersom y ij er observasjon nummer j fra laboratorium i så er SSA = (y ij ȳ i ) 2 = 3.6080.

Oppgave 1. Det oppgis at dersom y ij er observasjon nummer j fra laboratorium i så er SSA = (y ij ȳ i ) 2 = 3.6080. EKSAMEN I: MOT310 STATISTISKE METODER 1 VARIGHET: 4 TIMER DATO: 28. FEBRUAR 2005 TILLATTE HJELPEMIDLER: KALKULATOR, TABELLER OG FORMLER I STATISTIKK (TAPIR FORLAG) OPPGAVESETTET BESTÅR AV 4 OPPGAVER PÅ

Detaljer

Løsningsforslag AA6524/AA6526 Matematikk 3MX Elever/Privatister - 7. desember eksamensoppgaver.org

Løsningsforslag AA6524/AA6526 Matematikk 3MX Elever/Privatister - 7. desember eksamensoppgaver.org Løsningsforslag AA654/AA656 Matematikk 3MX Elever/Privatister - 7. desember 005 eksamensoppgaver.org eksamensoppgaver.org Om løsningsforslaget Løsningsforslaget for matematikk eksamen i 3MX er gratis,

Detaljer

Tilfeldig utvalg [8.1] U.i.f. Statistisk inferens. Kapittel 8 og 9

Tilfeldig utvalg [8.1] U.i.f. Statistisk inferens. Kapittel 8 og 9 3 Tilfeldig utvalg [8.1] DEF 8.1: En populasjon er mengden av observasjoner som vi ønsker å studere, dvs. alle observasjoner det er mulig å gjøre. (Dersom elementene i populasjonen har fordeling f(x),

Detaljer

UNIVERSITETET I OSLO

UNIVERSITETET I OSLO UNIVERSITETET I OSLO Det matematisk-naturvitenskapelige fakultet Eksamen i: ST101 Innføring i statistikk og sannsynlighetsregning. Eksamensdag: Mandag 29. november 1993. Tid for eksamen: 09.00 15.00. Oppgavesettet

Detaljer

ÅMA110 Sannsynlighetsregning med statistikk, våren 2006 Kp. 6, del 3

ÅMA110 Sannsynlighetsregning med statistikk, våren 2006 Kp. 6, del 3 ÅMA110 Sannsynlighetsregning med statistikk, våren 2006 Kp. 6, del 3 Bjørn H. Auestad Institutt for matematikk og naturvitenskap Universitetet i Stavanger 20. mars Bjørn H. Auestad Kp. 6: Hypotesetesting

Detaljer

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

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

Detaljer

Eksamensoppgave i TMA4240 Statistikk

Eksamensoppgave i TMA4240 Statistikk Institutt for matematiske fag Eksamensoppgave i TMA4240 Statistikk Faglig kontakt under eksamen: Jo Eidsvik og Arild Brandrud Næss Tlf: 90 12 74 72 og 99 53 82 94 Eksamensdato: 9. desember 2013 Eksamenstid

Detaljer

OPPGAVESETTET BESTÅR AV 3 OPPGAVER PÅ 6 SIDER MERKNADER: Alle deloppgaver vektlegges likt.

OPPGAVESETTET BESTÅR AV 3 OPPGAVER PÅ 6 SIDER MERKNADER: Alle deloppgaver vektlegges likt. EKSAMEN I: MOT310 STATISTISKE METODER 1 VARIGHET: 4 TIMER DATO: 08. mai 2008 TILLATTE HJELPEMIDLER: Kalkulator: HP30S, Casio FX82 eller TI-30 Tabeller og formler i statistikk (Tapir forlag) OPPGAVESETTET

Detaljer

Innhold. Innledning. Del I

Innhold. Innledning. Del I Innhold Del I Innledning 1 Hva er statistikk?...17 1.1 Bokas innhold 18 1.1.1 Noen eksempler 18 1.1.2 Historie 21 1.1.3 Bokas oppbygning 22 1.2 Noen viktige begreper 23 1.2.1 Populasjon og utvalg 23 1.2.2

Detaljer

Oppgave 1: Feil på mobiltelefoner

Oppgave 1: Feil på mobiltelefoner Oppgave 1: Feil på mobiltelefoner a) Sannsynlighetene i oppgaven blir P (F 1 F 2 ) P (F 1 ) + P (F 2 ) P (F 1 F 2 ) P (F 1 ) + 1 P (F2 C ) P (F 1 F 2 ) 0.080 + 0.075 0.006 0.149 P (F 1 F 2 ) P (F 1 F 2

Detaljer

Regresjon med GeoGebra

Regresjon med GeoGebra Praksis og Teori Askim videregående skole 14.08.14 1 Lærplanmål 2 Punkter og Lister 3 Regresjon 4 Teori 5 Nytt verktøy Læreplanmål i 2P Modellering gjere målingar i praktiske forsøk og formulere matematiske

Detaljer

Binomisk fordeling. Tilfeldige variabler. MAT0100V Sannsynlighetsregning og kombinatorikk

Binomisk fordeling. Tilfeldige variabler. MAT0100V Sannsynlighetsregning og kombinatorikk MAT0100V Sannsynlighetsregning og kombinatorikk Forventning, varians og standardavvik Tilfeldige variabler Når vi kaster to terninger er det 36 utfall Vi ser på X = «sum antall øyne» De mulige verdiene

Detaljer

QED 5 10. Matematikk for grunnskolelærerutdanningen. Bind 2. Fasit kapittel 4 Statistikk og kvantitativ metode

QED 5 10. Matematikk for grunnskolelærerutdanningen. Bind 2. Fasit kapittel 4 Statistikk og kvantitativ metode QED 5 10 Matematikk for grunnskolelærerutdanningen Bind 2 Fasit kapittel 4 Statistikk og kvantitativ metode Kapittel 4 Oppgave 1. La x være antall øyne på terningen. a) Vi får følgende sannsynlighetsfordeling

Detaljer

1 Stokastisk variabel

1 Stokastisk variabel FY1/TFY415 Innføring i kvantefysikk - Notat om sannsynlegheit 1 1 Stokastisk variabel Før vi byrjar på oppgåvene gjev vi ein liten briefing om stokastiske variable, middelverdiar, usikkerheiter osb. Ein

Detaljer

DEL 1. Uten hjelpemidler. Oppgave 1 (5 poeng) Oppgave 2 (3 poeng) Deriver funksjonene. x x. På figuren har vi tegnet grafen til en funksjon f gitt ved

DEL 1. Uten hjelpemidler. Oppgave 1 (5 poeng) Oppgave 2 (3 poeng) Deriver funksjonene. x x. På figuren har vi tegnet grafen til en funksjon f gitt ved DEL 1 Uten hjelpemidler Oppgave 1 (5 poeng) Deriver funksjonene a) f ( ) e b) g ( ) 1 c) h( ) (3 1) e Oppgave (3 poeng) På figuren har vi tegnet grafen til en funksjon f gitt ved 3 f( ) k k, D f f a) Faktoriser

Detaljer

Medisinsk statistikk Del I høsten 2008:

Medisinsk statistikk Del I høsten 2008: Medisinsk statistikk Del I høsten 2008: Kontinuerlige sannsynlighetsfordelinger Pål Romundstad Noen tips Boka Summary etter hvert kapittel forteller hvor dere har vært og hva som er sentralt Øvingene Overdriv

Detaljer

Løsningsforslag AA6526 Matematikk 3MX - 5. mai 2004. eksamensoppgaver.org

Løsningsforslag AA6526 Matematikk 3MX - 5. mai 2004. eksamensoppgaver.org Løsningsforslag AA6526 Matematikk 3MX - 5. mai 2004 eksamensoppgaver.org eksamensoppgaver.org 2 Om løsningsforslaget Løsningsforslaget for matematikk eksamen i 3MX er gratis, og det er lastet ned på eksamensoppgaver.org.

Detaljer

Separable differensiallikninger.

Separable differensiallikninger. Ukeoppgaver, uke 46, i Matematikk 0, Separable differensiallikninger. Høgskolen i Gjøvik Avdeling for ingeniørfag Matematikk 0 Ukeoppgaver uke 46 I løpet av uken blir løsningsforslag lagt ut på emnesiden

Detaljer

Nyttige tilleggsverktøy i GeoGebra

Nyttige tilleggsverktøy i GeoGebra Nyttige tilleggsverktøy i GeoGebra Her er en omtale av noen GeoGebra-verktøy som kan være nyttige og arbeidssparende. Ei vanlig GeoGebra-fil har etternavnet ggb, mens et GeoGebraverktøy har etternavnet

Detaljer

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

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

Detaljer

år i 1 2 3 4 5 6 7 8 9 alder x i 37 38 39 40 41 42 43 44 45 tid y i 45.54 41.38 42.50 38.80 41.26 37.20 38.19 38.05 37.45 i=1 (x i x) 2 = 60, 9

år i 1 2 3 4 5 6 7 8 9 alder x i 37 38 39 40 41 42 43 44 45 tid y i 45.54 41.38 42.50 38.80 41.26 37.20 38.19 38.05 37.45 i=1 (x i x) 2 = 60, 9 TMA424 Statistikk Vår 214 Norges teknisk-naturvitenskapelige universitet Institutt for matematiske fag Øving nummer 11, blokk II Oppgave 1 Matlabkoden linearreg.m, tilgjengelig fra emnets hjemmeside, utfører

Detaljer

Dekkes av pensumsidene i kap. lesingsnotatene. Hypotesetesting er en systematisk fremgangsmåte

Dekkes av pensumsidene i kap. lesingsnotatene. Hypotesetesting er en systematisk fremgangsmåte Hypotesetesting. 10 og fore- Dekkes av pensumsidene i kap. lesingsnotatene. Hypotesetesting er en systematisk fremgangsmåte for å undersøke hypoteser (påstander) knyttet til parametre i sannsynlighetsfordelinger.

Detaljer

Standardavvik. Varians. Utfallsrom (sannsynlighet)

Standardavvik. Varians. Utfallsrom (sannsynlighet) Standardavvik Median Varians n = partall Utfallsrom (sannsynlighet) Persentil er verdien definert ved at minst 100% * p% lav observasjonene ligger nedenfor denne verdien En stokatisk variabel X er en funksjon

Detaljer

EKSAMEN KANDIDATNUMMER: EKSAMENSDATO: 26. mai 2006. SENSURFRIST: 16. juni 2006. KLASSE: HIS 04 07. TID: kl. 8.00 13.00.

EKSAMEN KANDIDATNUMMER: EKSAMENSDATO: 26. mai 2006. SENSURFRIST: 16. juni 2006. KLASSE: HIS 04 07. TID: kl. 8.00 13.00. KANDIDATNUMMER: EKSAMEN FAGNAVN: FAGNUMMER: Statistikk. BtG207 EKSAMENSDATO: 26. mai 2006. SENSURFRIST: 16. juni 2006. KLASSE: HIS 04 07. TID: kl. 8.00 13.00. FAGLÆRER: Hans Petter Hornæs ANTALL SIDER

Detaljer

Geogebra hjelp - S2. Funksjonsanalyse. Innhold. Kommando. Funksjonsanalyse 1. Undersøke om dataene er normalfordelt 1.

Geogebra hjelp - S2. Funksjonsanalyse. Innhold. Kommando. Funksjonsanalyse 1. Undersøke om dataene er normalfordelt 1. Geogebra hjelp - 4. mai 2012 Innhold Funksjonsanalyse 1 Komandoer 1 Undersøke om dataene er normalfordelt 1 Finne sannsynlighetsfordeling 2 Binomisk fordeling...........................................

Detaljer

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

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

Detaljer

TMA4240 Statistikk Høst 2009

TMA4240 Statistikk Høst 2009 TMA4240 Statistikk Høst 2009 Norges teknisk-naturvitenskapelige universitet Institutt for matematiske fag Øving nummer b7 Oppgave 1 Automatisert laboratorium Eksamen november 2002, oppgave 3 av 3 I eit

Detaljer

1 Mandag 8. februar 2010

1 Mandag 8. februar 2010 1 Mandag 8. februar 2010 Vi er ferdig med en-variabel-teorien, og vi kan begynne å jobbe med funksjoner i flere variable. Det første vi skal gjøre er å gå gjennom de vanlige analysene vi gjør for funksjoner

Detaljer

Sannsynlighetsregning og kombinatorikk

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

Detaljer

Kap. 10: Inferens om to populasjoner. Eksempel. ST0202 Statistikk for samfunnsvitere

Kap. 10: Inferens om to populasjoner. Eksempel. ST0202 Statistikk for samfunnsvitere Kap. 10: Inferens om to populasjoner Situasjon: Vi ønsker å sammenligne to populasjoner med populasjonsgjennomsnitt henholdsvis μ 1 og μ. Vi trekker da ett utvalg fra hver populasjon. ST00 Statistikk for

Detaljer

MAT110 Statistikk 1. Eksamensoppgaver Per Kristian Rekdal

MAT110 Statistikk 1. Eksamensoppgaver Per Kristian Rekdal MAT110 Statistikk 1 Eksamensoppgaver 2012-2015 Per Kristian Rekdal 2 Innhold 1 Eksamen fredag 1. juni 2012, (hovedeksamen) 7 2 Eksamen tordag 10. januar 2013, (kontinuasjonseksamen) 23 3 Eksamen tordag

Detaljer

Kalmanfilter HANS-PETTER HALVORSEN, 2012.02.24

Kalmanfilter HANS-PETTER HALVORSEN, 2012.02.24 Telemark University College Department of Electrical Engineering, Information Technology and Cybernetics HANS-PETTER HALVORSEN, 2012.02.24 Faculty of Technology, Postboks 203, Kjølnes ring 56, N-3901 Porsgrunn,

Detaljer

ST0103 Brukerkurs i statistikk Høst 2014

ST0103 Brukerkurs i statistikk Høst 2014 Norges teknisk naturvitenskapelige univsitet Institutt for matematiske fag ST0103 Brukkurs i statistikk Høst 2014 Løsningsforslag Øving 6 5.2 Antall sprukne pøls X binomialfordelt med n 8 og p 0.2, og

Detaljer

NTNU KOMPiS Studieplan for MATEMATIKK 1 (8. - 10. trinn) Studieåret 2014/2015

NTNU KOMPiS Studieplan for MATEMATIKK 1 (8. - 10. trinn) Studieåret 2014/2015 Godkjent april 2014 NTNU KOMPiS Studieplan for MATEMATIKK 1 (8. - 10. trinn) Studieåret 2014/2015 Profesjons- og yrkesmål Dette studiet er beregnet for lærere som har godkjent lærerutdanning med innslag

Detaljer

Innledning kapittel 4

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

Detaljer

UNIVERSITETET I OSLO

UNIVERSITETET I OSLO UNIVERSITETET I OSLO Det matematisk-naturvitenskapelige fakultet Eksamen i STK1000 Innføring i anvendt statistikk. Eksamensdag: Onsdag 7. oktober 2009. Tid for eksamen: 15:00 17:00. Oppgavesettet er på

Detaljer

+ S2 Y ) 2. = 6.737 6 (avrundet nedover til nærmeste heltall) n Y 1

+ S2 Y ) 2. = 6.737 6 (avrundet nedover til nærmeste heltall) n Y 1 Løsningsforslag for: MOT10 STATISTISKE METODER 1 VARIGHET: 4 TIMER DATO: 6. november 007 TILLATTE HJELPEMIDLER: Kalkulator: HP0S, Casio FX8 eller TI-0 Tabeller og formler i statistikk (Tapir forlag) MERKNADER:

Detaljer

NTNU KOMPiS Studieplan for MATEMATIKK 1 (8.-13. trinn) med hovedvekt på 8.-10. trinn Studieåret 2015/2016

NTNU KOMPiS Studieplan for MATEMATIKK 1 (8.-13. trinn) med hovedvekt på 8.-10. trinn Studieåret 2015/2016 Versjon 01/15 NTNU KOMPiS Studieplan for MATEMATIKK 1 (8.-13. trinn) med hovedvekt på 8.-10. trinn Studieåret 2015/2016 Profesjons- og yrkesmål Dette studiet er beregnet for lærere på ungdomstrinnet som

Detaljer

Differensiallikninger definisjoner, eksempler og litt om løsning

Differensiallikninger definisjoner, eksempler og litt om løsning Differensiallikninger definisjoner, eksempler og litt om løsning MEK1100 Differensiallikninger Definsjon, litt om generelle egenskaper Noen få anvendte eksempler Teknikker for løsning i formel 3-4 spesielle

Detaljer

TMA 4255 Forsøksplanlegging og anvendte statistiske metoder

TMA 4255 Forsøksplanlegging og anvendte statistiske metoder TMA 4255 Forsøksplanlegging og anvendte statistiske metoder Våren 2007 1 Om kurset Foreleser Øvingslærer Kurset er beregnet for studenter som ønsker en videreføring av grunnkurset i statistikk. Sentralt

Detaljer

MA155 Statistikk TI-nspire cx Kalkulator Guide

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

Detaljer

Introduksjon til statistikk og dataanalyse

Introduksjon til statistikk og dataanalyse Introduksjon til statistikk og dataanalyse Hollywood-filmer fra 2011 135 filmer Samla budsjett: $ 7 166 500 000 Samla billettsalg: $ 20 199 000 000 2 Datasettet vårt Filmene er delt i 8 sjangere: Action

Detaljer

Løsningsskisser - Kapittel 6 - Differensialligninger

Løsningsskisser - Kapittel 6 - Differensialligninger Løsningsskisser - Kapittel 6 - Differensialligninger Vi bruker det vi har lært i 6.3 om løsning av separable differensialligninger også i noen av oppgavene fra 6.1 og 6.2 for å knytte denne løsningsteknikken

Detaljer

Eksamen 30.11.2012. REA3028 Matematikk S2. Nynorsk/Bokmål

Eksamen 30.11.2012. REA3028 Matematikk S2. Nynorsk/Bokmål Eksamen 30.11.01 REA308 Matematikk S Nynorsk/Bokmål Nynorsk Eksamensinformasjon Eksamenstid: Hjelpemiddel på Del 1: Hjelpemiddel på Del : 5 timar: Del 1 skal leverast inn etter timar. Del skal leverast

Detaljer

LØSNINGSFORSLAG EKSAMEN I GRUNNKURS I ANALYSE I (MA1101/MA6101)

LØSNINGSFORSLAG EKSAMEN I GRUNNKURS I ANALYSE I (MA1101/MA6101) Norges teknisk naturvitenskapelige universitet Institutt for matematiske fag Side av 6 LØSNINGSFORSLAG EKSAMEN I GRUNNKURS I ANALYSE I (MA0/MA60) Fredag 2. desember 202 Tid: 09:00 3:00 Hjelpemidler: Kode

Detaljer

Mer om hypotesetesting

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

Detaljer

Statistikk 1. Nico Keilman. ECON 2130 Vår 2014

Statistikk 1. Nico Keilman. ECON 2130 Vår 2014 Statistikk 1 Nico Keilman ECON 2130 Vår 2014 Pensum Kap 1-7.3.6 fra Løvås «Statistikk for universiteter og høgskoler» 3. utgave 2013 (eventuelt 2. utgave) Se overspringelsesliste på emnesiden Supplerende

Detaljer

10.1 Enkel lineær regresjon Multippel regresjon

10.1 Enkel lineær regresjon Multippel regresjon Inferens for regresjon 10.1 Enkel lineær regresjon 11.1-11.2 Multippel regresjon 2012 W.H. Freeman and Company Denne uken: Enkel lineær regresjon Litt repetisjon fra kapittel 2 Statistisk modell for enkel

Detaljer