TMA4240 Statistikk H2015

Størrelse: px
Begynne med side:

Download "TMA4240 Statistikk H2015"

Transkript

1 TMA4240 Statistikk H2015 Kapittel 4: Matematisk forventning [4.1+start 4.3] Quiz kjørt med Kahoot! fra kahoot.it. Mette Langaas wiki.math.ntnu.no/emner/tma4240/2015h/start/

2

3

4

5

6

7

8 2 Høyde, kvinner Frequency

9

10 3 4.1 Forventing til en stokastisk variabel DEF 4.1: La X være en stokastisk variabel med sannsynlighetsfordeling f (x). Forventningsverdien (mean, expected value) til X er µ = E(X) = x x f (x) hvis X er diskret, og µ = E(X) = hvis X er kontinuerlig. x f (x)dx

11 4 Forsinket tog Vi betrakter ankomst- og oppholdstider for et bestemt lokaltog på en jernbanestasjon. Toget skal etter rutetabellen ankomme hver hverdag klokka 8:00, men kommer alltid etter dette tidspunktet. La X (minutter) betegne togets forsinkelse på en tilfeldig valgt hverdag. Vi antar at X er en stokastisk variabel med sannsynlighetstetthet f (x) = { 4xe 2x for x > 0 0 for x 0 Hva er forventingsverdien til X? I denne oppgaven kan du bruke uten å vise det at 0 x r e ax dx = r! når a > 0 og r er et heltall 0 ar+1

12

13 5 Togforsinkelse

14 6 Prosjektstyring X = tid for å samle inn data x f (x) Hva er forventingsverdien til X?

15

16 7 Prosjektstyring (forts.) X= tid for å samle inn data. Kunden har betalt 1200 kr for datainnsamlingen, og prosjektarbeideren som skal utføre datainnsamlingen får 500 kr timen. Hva er forventet inntekt for datainnsamlingen? f (x) g(x)

17 8 Forventing til funksjon av en stokastisk variabel TEO 4.1: La X være en stokastisk variabel med sannsynlighetsfordeling f (x). Forventningsverdien til den stokastiske variablen g(x) er µ g(x) = E[g(X)] = x g(x)f (x) hvis X er diskret, og µ g(x) = E[g(X)] = hvis X er kontinuerlig. g(x)f (x)dx

18

19 9 E(aX + b) TEO 4.5: Hvis a og b er konstanter, så er E(aX + b) = ae(x) + b COR 1: Setter vi a = 0 ser vi at E(b) = b COR 2: Setter vi b = 0 ser vi at E(aX) = ae(x)

20 10 E(sum eller differanse) TEO 4.6: Forventningsverdien til summen eller differansen av to eller flere funksjoner av den stokastiske variablen X, er summen eller differansen til forventningsverdiene til funksjonene. Det vil si, siden E[g 1 (X) ± g 2 (X)] = E[g 1 (X)] ± E[g 2 (X)]. g(x) = g 1 (X) ± g 2 (X) E(g(X)) = E(g 1 (X) ± g 2 (X)) = [g 1 (X) ± g 2 (X)] f (x)dx = E[g 1 (X)] ± E[g 2 (X)].

21 11 Prosjektstyring Vi ser på to stokastiske variabler, X og Y. X = tid for datainnsamling. Y = tid for dataanalyse. Simultanfordelingen til X og Y er gitt ved: x y Finn E(Y /X) (forholdet mellom de to oppgavene) og E(X + Y ) (summen av de to oppgavene).

22 12 f (x, y): simultan sannsynlighetsfordeling X og Y diskrete: 1. f (x, y) 0 for alle (x, y) 2. x y f (x, y) = 1 3. P(X = x Y = y) = f (x, y) (punktsannsynlighet) For enhver region A is xyrommet så er P[(X, Y ) A] = A f (x, y). X og Y kontinuerlige: 1. f (x, y) 0 for alle (x, y) 2. f (x, y)dxdy = 1 3. P[(X, Y ) A] = A f (x, y)dxdy for enhver region A i (x, y)-pl anet.

23 13 Forventning til funksjon av to stokastiske variabler DEF 4.2: La X og Y være stokastisk variabler med simultan sannsynlighetsfordeling f (x, y). Forventningsverdien til den stokastiske variabelen g(x, Y ) er µ g(x,y ) = E[g(X, Y )] = x hvis X og Y er diskrete, og µ g(x,y ) = E[g(X, Y )] = g(x, y)f (x, y) y hvis X og Y er kontinuerlige. g(x, y)f (x, y)dxdy

24

25 14 Prosjektstyring (forts.) x y Er interessert i forholdet g(x, Y ) = Y X mellom varigheten av datainnsamling og dataanalyse. [ ] Y E X = x y y f (x, y) x = (1/2) (1/3) (2/3) 0.03 = 1.44 NB: E [ ] Y X E(Y ) E(X) (3/2) (4/3) 0.15

26 17 Oppsummering Forventingsverdien til en SV kan beskrives som Diskrete SV: E(X) = x xf (x): et sannsynlighetsveid gjennomsnitt. Kontinuerlig SV: E(X) = xf (x)dx. Tyngdepunktet i fordelingen (hvor sette vipphuskefeste for å balansere). Noteres gjerne som µ. For to SV X og Y så ser vi på forventningsverdien til en funksjon g av de to SV: E[g(X, Y )]. Denne veies med simultansannynligheten f (x, y). Diskrete SV: E[g(X, Y )] = x y g(x, y)f (x, y) Kontinuerlig SV: E[g(X, Y )] = g(x, y)f (x, y)dxdy. Regneregler for E er basert på at E regnes ut ved en sum eller integral.

TMA4240 Statistikk H2010

TMA4240 Statistikk H2010 TMA4240 Statistikk H2010 3.3: Kontinuerlige sannsynlighetsfordelinger 4.1: Matematisk forventing (univariat del) Mette Langaas Foreleses mandag 6. september 2010 2 3.1 Stokastisk variabel (repetisjon)

Detaljer

3.1 Stokastisk variabel (repetisjon)

3.1 Stokastisk variabel (repetisjon) TMA4240 Statistikk H2010 3.3: Kontinuerlige sannsynlighetsfordelinger 4.1: Matematisk forventing (univariat del) Mette Langaas Foreleses mandag 6. september 2010 2 3.1 Stokastisk variabel (repetisjon)

Detaljer

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

Tyngdepunkt. Togforsinkelsen (Eksamen Des2003.1a) I denne oppgaven kan du bruke uten å vise det at. Kapittel 4

Tyngdepunkt. Togforsinkelsen (Eksamen Des2003.1a) I denne oppgaven kan du bruke uten å vise det at. Kapittel 4 3 Tyngdepunkt Kapittel 4 Forventningsverdi, varians, kovarians for én stokastisk variabel og funksjoner av stokastiske variabler TMA4240 H2006: Eirik Mo 2 4.1 Forventing til en stokastisk variabel DEF

Detaljer

Foreleses onsdag 8. september 2010

Foreleses onsdag 8. september 2010 TMA4240 Statistikk H200 4.2: Varians (univariat del) 4.4: Chebyshevs teorem 3.4: Simultanfordelinger Mette Langaas Foreleses onsdag 8. september 200 Mette.Langaas@math.ntnu.no, TMA4240H200 2 4.2 Varians

Detaljer

Eksempel: kast med to terninger

Eksempel: kast med to terninger Kapittel 3 TMA4245 V2007: Eirik Mo 2 Eksempel: kast med to terninger I et eksperiment kaster vi to terninger og registerer antall øyne på hver terning. Utfallsrom S={(,),(,2),(,3),...,(,), (2,),...,(2,),...,(,)}

Detaljer

3.4: Simultanfordelinger (siste rest) 4.1,4.2,4.3: Multivariat del (ferdig med kapittel 3 og 4 etter denne forelesningen)

3.4: Simultanfordelinger (siste rest) 4.1,4.2,4.3: Multivariat del (ferdig med kapittel 3 og 4 etter denne forelesningen) TMA4240 Statistikk H200 3.4: Simultanfordelinger (siste rest) 4.,4.2,4.3: Multivariat del (ferdig med kapittel 3 og 4 etter denne forelesningen) Mette Langaas Foreleses mandag 3. september 200 2 f (x,

Detaljer

Sum to terninger forts. Eksempel: kast med to terninger. Sum to terninger forts. Kapittel 3. TMA4240 H2006: Eirik Mo

Sum to terninger forts. Eksempel: kast med to terninger. Sum to terninger forts. Kapittel 3. TMA4240 H2006: Eirik Mo 3 Sum to terninger forts. Kapittel 3 TMA4240 H200: Eirik Mo 2 3 4 5,,2,3,4,5, 2 2, 2,2 2,3 2,4 2,5 2, Andre 3 3, 3,2 3,3 3,4 3,5 3, terning 4 4, 4,2 4,3 4,4 4,5 4, 5 5, 5,2 5,3 5,4 5,5 5,,,2,3,4,5, Med

Detaljer

Kapittel 3: Stokastiske variable og sannsynlighetsfordelinger

Kapittel 3: Stokastiske variable og sannsynlighetsfordelinger f(x,y) NTNU Kapittel 3: Stokastiske variable og sannsynlighetsfordelinger TMA4240 Statistikk (F2 og E7) 3.4: Foreleses mandag 30.august y=hoyde x=vekt Ole.Petter.Lodoen@math.ntnu.no p.1/18 Oppsummering

Detaljer

Kapittel 4: Matematisk forventning

Kapittel 4: Matematisk forventning Kapittel 4: Matematisk forventning TMA4240 Statistikk (F2 og E7) Multivariate tilfeller foreleses mandag 6.september, 2004 Ole.Petter.Lodoen@math.ntnu.no p.1/16 Forventing til funksjon av flere stokastiske

Detaljer

Denne veka. Kap 7: Funksjonar av stokastiske variable Transformasjon av variable Moment Momentgenererande funksjon

Denne veka. Kap 7: Funksjonar av stokastiske variable Transformasjon av variable Moment Momentgenererande funksjon Denne veka Kap 7: Funksjonar av stokastiske variable Transformasjon av variable Moment Momentgenererande funksjon Notat: Ordningsvariable og ekstremvariable Ordnings variable Maksimum Minumum Transformasjon

Detaljer

TMA4240 Statistikk H2010

TMA4240 Statistikk H2010 TMA4240 Statistikk H2010 2.8: Bayes regel 3.1: Stokastisk variabel 3.2: Diskrete sannsynlighetsfordelinger 3.3: Kontinuerlige sannsynlighetsfordelinger Mette Langaas Foreleses onsdag 1. september 2010

Detaljer

Kapittel 3: Stokastiske variable og sannsynlighetsfordelinger

Kapittel 3: Stokastiske variable og sannsynlighetsfordelinger Kapittel 3: Stokastiske variable og sannsynlighetsfordelinger TMA4245 Statistikk (B, K1, I) 3.1, 3.2, 3.3 foreleses torsdag 15.januar 0.00 0.02 0.04 0.06 0.08 160 170 180 190 hoyde i cm Mette.Langaas@math.ntnu.no

Detaljer

Stokastisk variabel. Eksempel augefarge

Stokastisk variabel. Eksempel augefarge Dagens tekst Kap 3: Stokastiske variable og sannsynsfordelingar Stokastisk variabel: Diskret sannsynsfordeling: Kontinuerleg sannsynsfordeling: Kummulativ sannsynsfordeling: Diskret simultanfordeling Kontinuerleg

Detaljer

Forelesning 7. mars, 2017

Forelesning 7. mars, 2017 Forelesning 7. mars, 2017 AVSNITT 5.1 Eksempel: Miljøkonturer AVSNITT 5.2 Forventningen til en funksjon av flere variable Kovariansen mellom to variable Eksempel: Miljøkonturer Miljøvariable som karakteriserer

Detaljer

Bernoulli forsøksrekke og binomisk fordeling

Bernoulli forsøksrekke og binomisk fordeling Bernoulli forsøksrekke og binomisk fordeling Bernoulli forsøksrekke i) gjentar et forsøk n ganger ii) hvert forsøk gir enten suksess eller fiasko iii) sannsynligheten for suksess er p i alle forsøkene

Detaljer

To-dimensjonale kontinuerlige fordelinger

To-dimensjonale kontinuerlige fordelinger To-dimensjonale kontinuerlige fordelinger Noen resultater for diskrete fordelinger Vi har tidligere definert punktsannsynligheten p(x, y) for en todimensjonal variabel (X, Y ) som p(x, y) = P ({X = x}

Detaljer

Betinget sannsynlighet

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

Detaljer

statistikk, våren 2011

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

Detaljer

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

TMA4240 Statistikk Høst 2008

TMA4240 Statistikk Høst 2008 TMA4240 Statistikk Høst 2008 Norges teknisk-naturvitenskapelige universitet Institutt for matematiske fag Øving nummer 7 Oppgave 1 Tippekonkurranse Denne oppgaven er ment som en kjapp test på hva du har

Detaljer

STK1100 våren Kontinuerlige stokastiske variabler Forventning og varians Momentgenererende funksjoner

STK1100 våren Kontinuerlige stokastiske variabler Forventning og varians Momentgenererende funksjoner STK1100 våren 2017 Kontinuerlige stokastiske variabler Forventning og varians Momentgenererende funksjoner Svarer til avsnittene 4.1 og 4.2 i læreboka Ørnulf Borgan Matematisk institutt Universitetet i

Detaljer

Kapittel 6: Kontinuerlige sannsynlighetsfordelinger

Kapittel 6: Kontinuerlige sannsynlighetsfordelinger Kapittel 6: Kontinuerlige sannsynlighetsfordelinger TMA4240 Statistikk (F2 og E7) Foreleses 15. september, 2004. µ µ µ + Basert på slides av Mette Langås p.1/16 6.1 Kontinuerlig uniform fordeling Kontinuerlig

Detaljer

TMA4245 Statistikk Høst 2016

TMA4245 Statistikk Høst 2016 TMA5 Statistikk Høst 6 Norges teknisk-naturvitenskapelige universitet Institutt for matematiske fag Anbefalt øving Løsningsskisse Oppgave a) Den tilfeldige variabelen X er kontinuerlig fordelt med sannsynlighetstetthet

Detaljer

6 x P (X = x) = x=1 = P (X 2 = 6)P (X 2 = 6)P (X 3 = 6) =

6 x P (X = x) = x=1 = P (X 2 = 6)P (X 2 = 6)P (X 3 = 6) = Norges teknisk-naturvitenskapelige universitet Institutt for matematiske fag Anbefalte oppgaver 4, blokk I Løsningsskisse Oppgave 1 a) Utfallsrommet til X 1 er {1, 2,, 4, 5, }. Sannsynlighetsfordelingen

Detaljer

ÅMA110 Sannsynlighetsregning med statistikk, våren 2008

ÅMA110 Sannsynlighetsregning med statistikk, våren 2008 ÅMA0 Sannsynlighetsregning med statistikk, våren 008 Kp. Sannsynlighetsregning (sannsynlighetsteori).5 Betinget sannsynlighet Betinget sannsynlighet (kp..5) - innledning Eks.: Et terningkast; {,, 3, 4,

Detaljer

UNIVERSITETET I OSLO

UNIVERSITETET I OSLO UNIVERSITETET I OSLO Det matematisk-naturvitenskapelige fakultet Deleksamen i: STK Sannsynlighetsregning og statistisk modellering Eksamensdag: Mandag 4. mars 26 Tid for eksamen: 5. 7. Oppgavesettet er

Detaljer

Kapittel 2: Hendelser

Kapittel 2: Hendelser Kapittel 2: Hendelser FENOMEN Eksperiment Utfall Utfallsrom Eksperiment. Utfall. Eksperiment Utfall Hendelse Sannsynlighet: egenskaper, gunstige vs. mulige, relativ frekvens Sannsynlighet for mer enn en

Detaljer

Kapittel 4.4: Forventning og varians til stokastiske variable

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

Detaljer

Oppfriskning av blokk 1 i TMA4240

Oppfriskning av blokk 1 i TMA4240 Oppfriskning av blokk 1 i TMA4240 Geir-Arne Fuglstad November 21, 2016 2 Hva har vi gjort i dette kurset? Vi har studert to sterkt relaterte grener av matematikk Sannsynlighetsteori: matematisk teori for

Detaljer

Regneøvelse 22/5, 2017

Regneøvelse 22/5, 2017 Regneøvelse 22/5, 217 Arne Bang Huseby Eksamen STK11 212: oppgave 1 og 2 Eksamen STK11 28: oppgave 1) og 2 Eksamen 212, oppgave 1 Ved en bestemt butikk i en større dagligvarekjede viser langvarige data

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

A) B) 400 C) 120 D) 60 E) 10. Rett svar: C. Fasit: ( 5 6 = 60. Hvis A, B, C er en partisjon av utfallsrommet S, så er P (A B) lik.

A) B) 400 C) 120 D) 60 E) 10. Rett svar: C. Fasit: ( 5 6 = 60. Hvis A, B, C er en partisjon av utfallsrommet S, så er P (A B) lik. Oppgave 1 Det skal velges en komité bestående av 2 menn og 1 kvinne. Komitéen skal velges fra totalt 5 menn og 6 kvinner. Hvor mange ulike komitéer kan dannes? A) 86400 B) 400 C) 120 D) 60 E) 10 Rett svar:

Detaljer

6.1 Kontinuerlig uniform fordeling

6.1 Kontinuerlig uniform fordeling Kapittel 6 Noen kontinuerlige sannsynlighetsfordelinger TMA4240 H2006: Eirik Mo 2 6.1 Kontinuerlig uniform fordeling Kontinuerlig uniform fordeling: Sannsynlighetstettheten til den kontinuerlige uniforme

Detaljer

TMA4240 Statistikk H2015

TMA4240 Statistikk H2015 TMA4240 Statistikk H2015 Funksjoner av stokastiske variabler (kapittel 7+notat) Fokus på start med kumulativ fordeling 7.2 Funksjon av en SV (inkludert en-entydighet). Fordeling til max/min (fra notat).

Detaljer

Forelesning 13. mars, 2017

Forelesning 13. mars, 2017 Forelesning 13. mars, 217 AVSNITT 5.2 Kovariansen mellom to variable Korrelasjon mellom to variable AVSNITT 5.3 Betingede fordelinger Kovariansen mellom to stokastiske variable Kovariansen mellom to stokastiske

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

Statistikk 1 kapittel 4

Statistikk 1 kapittel 4 Statistikk 1 kapittel 4 Nico Keilman ECON 2130 Vår 2017 Kapittel 4 Stokastiske (tilfeldige) variabler Anta 1) Vi kjenner sannsynligheter for ulike utfall knyttet til et forsøk 2) Hvert utfall har en (meningsfull)

Detaljer

TMA4245 Statistikk Høst 2016

TMA4245 Statistikk Høst 2016 Norges teknisk-naturvitenskapelige universitet Institutt for matematiske fag Anbefalt øving 4 Løsningsskisse Oppgave 1 Mureren La X være mengden mørtel mureren bruker i løpet av en tilfeldig valgt arbeidsdag.

Detaljer

Høgskolen i Telemark. Institutt for økonomi og informatikk FORMELSAMLING Statistikk I. Til bruk ved eksamen. Per Chr. Hagen

Høgskolen i Telemark. Institutt for økonomi og informatikk FORMELSAMLING Statistikk I. Til bruk ved eksamen. Per Chr. Hagen Høgskolen i Telemark Institutt for økonomi og informatikk FORMELSAMLING 6005 Statistikk I Til bruk ved eksamen Per Chr. Hagen . Sannsynlighetsregning. Regneregler Komplementsetningen: Addisjonssetningen:

Detaljer

STK1100 våren Forventningsverdi. Forventning, varians og standardavvik

STK1100 våren Forventningsverdi. Forventning, varians og standardavvik STK00 våren 0 Forventning, varians og standardavvik Svarer til avsnitt 3.3 i læreboka Geir Storvik (Ørnulf Borgan) Matematisk institutt Universitetet i Oslo Forventningsverdi Punktsannsynligheten px (

Detaljer

TMA4240 Statistikk H2010

TMA4240 Statistikk H2010 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

Notasjon. Løsninger. Problem. Kapittel 7

Notasjon. Løsninger. Problem. Kapittel 7 3 Notasjon Kapittel 7 Funksjoner av stokastiske variabler Har n stokastiske variabler, X 1, X 2,..., X n, med kjent fordeling f( 1, 2,..., n ) og kumulativ fordeling F( 1, 2,..., n ). Ser på Y = u(x 1,

Detaljer

TMA4240 Statistikk H2015

TMA4240 Statistikk H2015 TMA4240 Statistikk H2015 Ett utvalg: estimere forventningsverdi og intervall [9.4] Student-t fordeling [8.6] Quiz fra SME og konfidensintervall Mette Langaas Institutt for matematiske fag, NTNU wiki.math.ntnu.no/emner/tma4240/2015h/start/

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

TMA4240 Statistikk H2010

TMA4240 Statistikk H2010 TMA4240 Statistikk H2010 Statistisk inferens: 8.1: Tilfeldig utvalg 9.1-9.3: Estimering Mette Langaas Foreleses uke 40, 2010 2 Utfordring Ved en bedrift produseres en elektrisk komponent. Komponenten må

Detaljer

Utfordring. TMA4240 Statistikk H2010. Mette Langaas. Foreleses uke 40, 2010

Utfordring. TMA4240 Statistikk H2010. Mette Langaas. Foreleses uke 40, 2010 TMA4240 Statistikk H2010 Statistisk inferens: 8.1: Tilfeldig utvalg 9.1-9.3: Estimering Mette Langaas Foreleses uke 40, 2010 2 Utfordring Ved en bedrift produseres en elektrisk komponent. Komponenten må

Detaljer

Forventning og varians.

Forventning og varians. Forventning og varians. Dekkes av kapittel 4 i læreboka. Forventning (4.) Forventningsverdi gjennomsnitt i det lange løp. Defininsjon: Forventningsverdien til en stokastisk variabel X er: E(X) f(),x diskret

Detaljer

Forelesing 27 Oppsummering. Torstein Fjeldstad Institutt for matematiske fag, NTNU

Forelesing 27 Oppsummering. Torstein Fjeldstad Institutt for matematiske fag, NTNU Forelesing 27 Oppsummering Torstein Fjeldstad Institutt for matematiske fag, NTNU 18.04.2018 I dag Lineær regresjon (sjekk av modellantagelser) Praktisk informasjon Andre statistikk-kurs Oversikt over

Detaljer

Binomisk sannsynlighetsfunksjon

Binomisk sannsynlighetsfunksjon ST0202 Statistikk for samfunnsvitere Bo Lindqvist Institutt for matematiske fag 2 Binomisk sannsynlighetsfunksjon La det være n forsøk, sannsynlighet p for suksess og sannsynlighet q for fiasko. Den tilfeldige

Detaljer

FORMELSAMLING TIL STK1100 OG STK1110

FORMELSAMLING TIL STK1100 OG STK1110 FORMELSAMLING TIL STK1100 OG STK1110 (Versjon av 16. november 2009) 1. Sannsynlighet La A, B, A 1, A 2,...,B 1, B 2,... være begivenheter, dvs. delmengder av et utfallsrom Ω. a) Aksiomene: Et sannsynlighetsmål

Detaljer

Forelesning 5: Kontinuerlige fordelinger, normalfordelingen. Jo Thori Lind

Forelesning 5: Kontinuerlige fordelinger, normalfordelingen. Jo Thori Lind Forelesning 5: Kontinuerlige fordelinger, normalfordelingen Jo Thori Lind j.t.lind@econ.uio.no Oversikt 1. Kontinuerlige fordelinger 2. Uniform fordeling 3. Normal-fordelingen 1. Kontinuerlige fordelinger

Detaljer

1.1.1 Rekke med konstante ledd. En rekke med konstante ledd er gitt som. a n (1) n=m

1.1.1 Rekke med konstante ledd. En rekke med konstante ledd er gitt som. a n (1) n=m Formelsamling og tabeller FO020E Matte 2000 for elektroprogrammet 1 Matematikk 1.1 Denisjoner av ulike typer polynomer og rekker 1.1.1 Rekke med konstante ledd En rekke med konstante ledd er gitt som a

Detaljer

TMA4240 Statistikk Høst 2009

TMA4240 Statistikk Høst 2009 TMA44 Statistikk Høst 9 Norges teknisk-naturvitenskapelige universitet Institutt for matematiske fag Øving nummer b Løsningsskisse Oppgave X er en stokastisk variabel med sannsynlighetstetthet { f(x),

Detaljer

TMA4240 Statistikk H2010 Kapittel 5: Diskrete sannsynlighetsfordelinger : Uniform, binomisk, hypergeometrisk fordeling

TMA4240 Statistikk H2010 Kapittel 5: Diskrete sannsynlighetsfordelinger : Uniform, binomisk, hypergeometrisk fordeling TMA4240 Statistikk H2010 Kapittel 5: Diskrete sannsynlighetsfordelinger 5.1-5.4: Uniform, binomisk, hypergeometrisk fordeling Mette Langaas 2 Arbeidshverdag etter endt studium Studere et fenomen (f.eks.

Detaljer

TMA4240 Statistikk H2015

TMA4240 Statistikk H2015 TMA4240 Statistikk H2015 Kapittel 5: Noen diskrete sannsynlighetsfordelinger 5.4 Geometrisk og negativ binomisk fordeling 5.5 Poisson-prosess og -fordeling Mette Langaas Institutt for matematiske fag,

Detaljer

TMA4240 Statistikk H2010

TMA4240 Statistikk H2010 TMA4240 Statistikk H2010 Kapittel 5: Diskrete sannsynlighetsfordelinger 5.5-5.6: Negativ binomisk, geometrisk, Poisson Mette Langaas Foreleses mandag 20. september 2010 2 Kabel En kabel består av mange

Detaljer

TMA4240 Statistikk H2015

TMA4240 Statistikk H2015 TMA4240 Statistikk H2015 Kapittel 6: Kontinuerlige sannsynlighetsfordelinger 6.1 Uniform fordeling 6.2-6.3 Normalfordeling Mette Langaas Institutt for matematiske fag, NTNU wiki.math.ntnu.no/emner/tma4240/2015h/start/

Detaljer

TMA4240 Statistikk H2010

TMA4240 Statistikk H2010 TMA4240 Statistikk H2010 Statistisk inferens: 9.14: Sannsynlighetsmaksimeringsestimatoren 8.5: Fordeling til gjennomsnittet 9.4: Konfidensintervall for µ (σ kjent) Mette Langaas Foreleses mandag 11.oktober,

Detaljer

ECON Statistikk 1 Forelesning 4: Stokastiske variable, fordelinger. Jo Thori Lind

ECON Statistikk 1 Forelesning 4: Stokastiske variable, fordelinger. Jo Thori Lind ECON2130 - Statistikk 1 Forelesning 4: Stokastiske variable, fordelinger Jo Thori Lind j.t.lind@econ.uio.no Oversikt 1. Betinget sannsynlighet 2. Stokastiske variable 3. Forventning og varians 4. Regneregler

Detaljer

Statistisk inferens: 9.14: Sannsynlighetsmaksimeringsestimatoren 8.5: Fordeling til gjennomsnittet 9.4: Konfidensintervall for µ (σ kjent)

Statistisk inferens: 9.14: Sannsynlighetsmaksimeringsestimatoren 8.5: Fordeling til gjennomsnittet 9.4: Konfidensintervall for µ (σ kjent) TMA440 Statistikk H010 Statistisk inferens: 9.14: Sannsynlighetsmaksimeringsestimatoren 8.5: Fordeling til gjennomsnittet 9.4: Konfidensintervall for µ (σ kjent) Mette Langaas Foreleses mandag 11.oktober,

Detaljer

Midtveiseksamen i STK1100 våren 2017

Midtveiseksamen i STK1100 våren 2017 Midtveiseksamen i STK1100 våren 2017 Denne midtveiseksamenen består av 20 oppgaver. Det er ett riktig svaralternativ for hvert spørsmål. Hvis svaret er oppgitt som et desimaltall, er det rundet av til

Detaljer

Forventning og varians.

Forventning og varians. Forventning og varians. Dekkes av kapittel 4 i læreboka. Forventning (4.1) Forventningsverdi = gjennomsnitt i det lange løp. Defininsjon: Forventningsverdien til en stokastisk variabel X er: x xf(x),x

Detaljer

TMA4240 Statistikk Høst 2009

TMA4240 Statistikk Høst 2009 TMA4240 Statistikk Høst 2009 Norges teknisk-naturvitenskapelige universitet Institutt for matematiske fag Øving nummer 5 Løsningsskisse Oppgave 1 En lottorekke kan oppfattes som et ikke-ordnet utvalg på

Detaljer

TMA4240 Statistikk. Øving nummer 7. Norges teknisk-naturvitenskapelige universitet Institutt for matematiske fag

TMA4240 Statistikk. Øving nummer 7. Norges teknisk-naturvitenskapelige universitet Institutt for matematiske fag TMA4240 Statistikk Vår 2008 Norges teknisk-naturvitenskapelige universitet Institutt for matematiske fag Øving nummer 7 Oppgave Blandet drops a) Tippekupong På en tippekupong er det gitt 2 fotballkamper.

Detaljer

Oppgave 1 Vi lar X være antall tankskip som ankommer havnen i løpet av en dag. Vi har fått oppgitt at X poisson(λ) med

Oppgave 1 Vi lar X være antall tankskip som ankommer havnen i løpet av en dag. Vi har fått oppgitt at X poisson(λ) med Norges teknisk-naturvitenskapelige universitet Institutt for matematiske fag Anbefalte oppgaver 5, blokk I Løsningsskisse Oppgave 1 Vi lar X være antall tankskip som ankommer havnen i løpet av en dag.

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

Funksjoner av stokastiske variable.

Funksjoner av stokastiske variable. Funksjoner av stokastiske variable. Dekkes av pensumsidene i kap. 7 I ulike sammenhenger, blant annet for å finne fordelingen til estimatorer, er vi interesserte i fordelingen til funksjoner av stokastiske

Detaljer

TMA4240 Statistikk H2017 [15]

TMA4240 Statistikk H2017 [15] TMA4240 Statistikk H207 [5] Del 2: Statistisk inferens Populasjon og utvalg [8.] Observatorer og utvalgsfordelinger [8.2-8.3] Fordeling til gjennomsnittet og sentralgrenseteoremet [8.4] Normalplott [8.8]

Detaljer

Kapittel 5: Tilfeldige variable, forventning og varians.

Kapittel 5: Tilfeldige variable, forventning og varians. Kapittel 5: Tilfeldige variable, forventning og varians. Tilfeldige variable Tilfeldige variable kalles også stokastiske variable. En tilfeldig variabel er en variabel som får sin numeriske verdi bestemt

Detaljer

Tema 2: Stokastiske variabler og sannsynlighetsfordelinger Kapittel 3 ST :44 (Gunnar Taraldsen)

Tema 2: Stokastiske variabler og sannsynlighetsfordelinger Kapittel 3 ST :44 (Gunnar Taraldsen) Tem 2: Stokstiske vribler og snnsynlighetsfordelinger Kpittel 3 ST1101 2019-01-13 12:44 (Gunnr Trldsen) Det nts i nottet t S er et utfllsrom utstyrt med en snnsynlighet P (A) for enhver hendelse A F. F

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

STK1100 våren Normalfordelingen. Normalfordelingen er den viktigste av alle sannsynlighetsfordelinger

STK1100 våren Normalfordelingen. Normalfordelingen er den viktigste av alle sannsynlighetsfordelinger STK00 våren 206 Normalfordelingen Svarer til avsnitt 4.3 i læreboka Geir Storvik Matematisk institutt Universitetet i Oslo Normalfordelingen er den viktigste av alle sannsynlighetsfordelinger Normalfordelingen

Detaljer

UNIVERSITETET I OSLO Matematisk Institutt

UNIVERSITETET I OSLO Matematisk Institutt UNIVERSITETET I OSLO Matematisk Institutt Midtveiseksamen i: STK 1000: Innføring i anvendt statistikk Tid for eksamen: Onsdag 9. oktober 2013, 11:00 13:00 Hjelpemidler: Lærebok, ordliste for STK1000, godkjent

Detaljer

Løsningsforslag, eksamen statistikk, juni 2015

Løsningsforslag, eksamen statistikk, juni 2015 Løsningsforslag, eksamen statistikk, juni 0 Oppgave 1 Siden det spørres om tall fra et intervall, som oppgaven viser kan være et reelle, er det tydelig at tallene er tatt fra en kontinuerlig fordeling.

Detaljer

TMA4240 Statistikk 2014

TMA4240 Statistikk 2014 Norges teknisk-naturvitenskapelige universitet Institutt for matematiske fag Øving nummer 5, blokk I Løsningsskisse Oppgave 1 X og Y er uavhengige Poisson-fordelte stokastiske variable, X p(x;5 og Y p(y;1.

Detaljer

Eksamensoppgave i Løsningsskisse TMA4240 Statistikk

Eksamensoppgave i Løsningsskisse TMA4240 Statistikk Institutt for matematiske fag Eksamensoppgave i Løsningsskisse TMA440 Statistikk Faglig kontakt under eksamen: Håkon Tjelmeland a, Sara Martino b Tlf: a 48 18 96, b 99 40 33 30 Eksamensdato: 30. november

Detaljer

TMA4240/TMA4245 Statistikk Oppsummering diskrete sannsynlighetsfordelinger

TMA4240/TMA4245 Statistikk Oppsummering diskrete sannsynlighetsfordelinger TMA4240/TMA4245 Statistikk Oppsummering diskrete sannsynlighetsfordelinger Binomisk fordeling* ( ) n b(x; n, p) = p x (1 p) n x = x ( ) n p x q n x, x x = 0, 1, 2,..., n Fenomén: i) n forsøk. ii) Suksess/fiasko

Detaljer

µ = E(X) = Ʃ P(X = x) x

µ = E(X) = Ʃ P(X = x) x Redigerte høydepunkt fra forrige episode 3.2: Punktsannsynlighet og kumulativ sannsynlighet punktsannsynlighet: sanns. for at en stok. var. X har en viss verdi x; P(X = x) kumulativ sannsynlighet: sanns.

Detaljer

ÅMA110 Sannsynlighetsregning med statistikk, våren Kp. 3 Diskrete tilfeldige variable. Diskrete tilfeldige variable, varians (kp. 3.

ÅMA110 Sannsynlighetsregning med statistikk, våren Kp. 3 Diskrete tilfeldige variable. Diskrete tilfeldige variable, varians (kp. 3. ÅMA Sannsynlighetsregning med statistikk, våren 8 Kp. Diskrete tilfeldige variable Kp. Diskrete tilfeldige variable Har sett på (tidligere: begrep/definisjoner; tilfeldig (stokastisk variabel sannsynlighetsfordeling

Detaljer

Regneregler for forventning og varians

Regneregler for forventning og varians Regneregler for forventning og varians Det fins regneregler som er til hjelp når du skal finne forventningsverdier og varianser. Vi skal her se nærmere på disse reglene. Vi viser deg også hvordan reglene

Detaljer

TMA4245 Statistikk Eksamen august 2014

TMA4245 Statistikk Eksamen august 2014 TMA4245 Statistikk Eksamen august 2014 Norges teknisk-naturvitenskapelige universitet Institutt for matematiske fag Oppgave 1 En bedrift produserer en type medisin i pulverform Medisinen selges på flasker

Detaljer

onsdag_19_09_2018_poisson_eksponential_normalfordelng_vikartime_bygg_v2.notebook

onsdag_19_09_2018_poisson_eksponential_normalfordelng_vikartime_bygg_v2.notebook September 19, The story so far Kap. 3: Diskrete stokastiske variable variablene er "diskrete", dvs. tellevariable som kun har verdier X = 0, X = 1, X = 2,... beregne forventningsverdi og varians for variabel

Detaljer

Om fordelingen tilx +Y

Om fordelingen tilx +Y Variansen til X +Y Om fordelingen til X +Y Vi viste at generelt, dvs. også når X og Y er avhengige gjelder E[X +Y] = E[X]+E[Y] Med µ X og µ Y forventningen til X og Y har vi da STK1100 V11 1. Variansen

Detaljer

Eksamensoppgave i TMA4240 Statistikk

Eksamensoppgave i TMA4240 Statistikk Institutt for matematiske fag Eksamensoppgave i TMA4240 Statistikk Faglig kontakt under eksamen: Mette Langaas a, Ingelin Steinsland b, Geir-Arne Fuglstad c Tlf: a 988 47 649, b 926 63 096, c 452 70 806

Detaljer

FORMELSAMLING TIL STK1100 OG STK1110

FORMELSAMLING TIL STK1100 OG STK1110 FORMELSAMLING TIL STK1100 OG STK1110 (Versjon av 11. november 2017) 1. Sannsynlighet La A, B, A 1, A 2,..., B 1, B 2,... være begivenheter, dvs. delmengder av et utfallsrom Ω. a) Aksiomene: Et sannsynlighetsmål

Detaljer

Forelening 1, kapittel 4 Stokastiske variable

Forelening 1, kapittel 4 Stokastiske variable Forelening 1, kapittel 4 Stokastiske variable Eksempel X = "antall kron på kast med to mynter (før de er kastet)" Uniformt utfallsrom {MM, MK, KM, KK}. X = x beskriver hendelsen "antall kron på kast med

Detaljer

ST0202 Statistikk for samfunnsvitere

ST0202 Statistikk for samfunnsvitere ST0202 Statistikk for samfunnsvitere Bo Lindqvist Institutt for matematiske fag Situasjonen er som i quiz-eksempelet: n = 4, p = 1/3 ( suksess betyr å gjette riktig alternativ), q = 2/3. Oppgave: Finn

Detaljer

Funksjoner av stokastiske variable.

Funksjoner av stokastiske variable. Funksjoner av stokastiske variable. Dekkes av pensumsidene i kap. 7 I ulike sammenhenger, blant annet for å finne fordelingen til estimatorer, er vi interesserte i fordelingen til funksjoner av stokastiske

Detaljer

TMA4240 Statistikk Høst 2015

TMA4240 Statistikk Høst 2015 TMA4240 Statistikk Høst 2015 Norges teknisk-naturvitenskapelige universitet Institutt for matematiske fag Øving nummer 9, blokk II Oppgave 1 X er kontinuerlig fordelt med sannsynlighetstetthet f(x) = 2xe

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

Prøvemidtveiseksamen TMA4240 Statistikk H2004

Prøvemidtveiseksamen TMA4240 Statistikk H2004 Prøvemidtveiseksamen TMA4240 Statistikk H2004 Lagt ut 21.09.2004, løsningsforslag tilgjengelig 04.10.2004. Tilatte hjelpemiddel: Bestemt enkel kalkulator, dvs. HP30S. Tabeller og formler i statistikk (Tapir).

Detaljer

Denne veka. Kap 7: Funksjonar av stokastiske variable Transformasjon av variable Moment Momentgenererande funksjon

Denne veka. Kap 7: Funksjonar av stokastiske variable Transformasjon av variable Moment Momentgenererande funksjon Denne veka Kap 7: Funksjonar av stokastiske variable Transformasjon av variable Moment Momentgenererande funksjon Notat: Ordningsvariable og ekstremvariable Ordnings variable Maksimum Minumum Transformasjon

Detaljer

STK Oppsummering

STK Oppsummering STK1100 - Oppsummering Geir Storvik 6. Mai 2014 STK1100 Tre temaer Deskriptiv/beskrivende statistikk Sannsynlighetsteori Statistisk inferens Sannsynlighetsregning Hva Matematisk verktøy for å studere tilfeldigheter

Detaljer

Fasit for tilleggsoppgaver

Fasit for tilleggsoppgaver Fasit for tilleggsoppgaver Uke 5 Oppgave: Gitt en rekke med observasjoner x i (i = 1,, 3,, n), definerer vi variansen til x i som gjennomsnittlig kvadratavvik fra gjennomsnittet, m.a.o. Var(x i ) = (x

Detaljer

TMA4245 Statistikk Eksamen desember 2016

TMA4245 Statistikk Eksamen desember 2016 Norges teknisk-naturvitenskapelige universitet Institutt for matematiske fag TMA4245 Statistikk Eksamen desember 2016 Oppgave 1 En bedrift produserer elektriske komponenter. Komponentene kan ha to typer

Detaljer

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

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

Detaljer

Observatorer. STK Observatorer - Kap 6. Utgangspunkt. Eksempel høyde Oxford studenter

Observatorer. STK Observatorer - Kap 6. Utgangspunkt. Eksempel høyde Oxford studenter Observatorer STK00 - Observatorer - Kap 6 Geir Storvik 4. april 206 Så langt: Sannsynlighetsteori Stokastiske modeller Nå: Data Knytte data til stokastiske modeller Utgangspunkt Eksempel høyde Oxford studenter

Detaljer

TMA4240 Statistikk Høst 2016

TMA4240 Statistikk Høst 2016 Norges teknisk-naturvitenskapelige universitet Institutt for matematiske fag Anbefalt øving 9 Løsningsskisse Oppgave 1 a) Vi lar her Y være antall fugler som kolliderer med vindmølla i løpet av den gitte

Detaljer

6.1 Kontinuerlig uniform fordeling

6.1 Kontinuerlig uniform fordeling TMA4240 Statistikk H2010 Kapittel 6: Kontinuerlige sannsynlighetsfordelinger 6.1-6.4: Uniform fordeling, normalfordelingen. Mette Langaas Foreleses onsdag 22. september 2010 2 6.1 Kontinuerlig uniform

Detaljer