TMA4240 Statistikk H2015

Save this PDF as:
 WORD  PNG  TXT  JPG

Størrelse: px
Begynne med side:

Download "TMA4240 Statistikk H2015"

Transkript

1 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). Mette Langaas Institutt for matematiske fag, NTNU wiki.math.ntnu.no/emner/tma4240/2015h/start/

2 Problemstillinger Vi kjenner fordelingen til IQ, levetid til en lyspære eller vindhastighet, men ikke til funksjoner av disse: Mensa-medlemskap: tester 20 personer, hva er fordelingen til den maksimale IQ-scoren? Juletrelyskjede i serie: hvert juletrelys har en fordeling for levetid. Kjeden slutter å fungere hvis ett lys slutter å fungere. Hva er fordelingen til levetiden til hele kjeden av juletrelys? Vindmølle: Vi skal konstruere en vindmølle for energiproduksjon. Vindmøllen må tåle kraftige vinder (og produsere maksimal med energi). Hvor kraftige vinder må vindmøllen tåle?

3 Problemstillinger Vi trenger også å kjenne til teoretiske resultater (til videre bruk når vi skal trekke konklusjoner fra innsamlede data): X er normal (µ, σ), hva er fordelingen til Z = (X µ)/σ? Z er standardnormal, hva er fordelingen til Z 2? Hva er fordelingen til en sum av uavhengige normalfordelte størrelser (binomiske, Poisson, khikvadrat)? Hvorfor så sterkt fokus på fordelingen til?

4 Løsninger 1. Direkte fra kumulativ fordeling (i dag) Transformasjonsformler [kap. 7.2: Teorem 7.1 og 7.3] : for funksjoner av EN stokastisk variabel. Notat om Ordningsvariabler og ekstremvariabler : for flere uavhengige stokastiske variabler. 2. Ved å gå over i et annen verden (tilsvarende Laplace-transformasjon fra Matematikk 4) (neste forelesning) Momentgenererende funksjoner [kap. 7.3] : for lineærkombinasjoner av flere uavhengige stokastiske variabler.

5

6

7

8 N(µ, σ) og N(0, 1) Hvis X har fordeling n(x; µ, σ), så vil Z = X µ σ ha fordeling n(z; 0, 1). Og generelt vil ax + b være normalfordelt med forventning E(aX + b) = aµ + b og varians Var(aX + b) = a 2 σ 2. Vi har (i forrige uke: kap 6) brukt dette resulatet til å regne ut sannsynligheter i en generell normalfordeling ved å bruke tabell over kumulativ fordeling for standard normal

9

10

11

12 Z er N(0, 1) og Z 2 er khikvadrat med parameter 1 Hvis Z har fordeling n(x; 0, 1), så vil Z 2 ha en (for oss ny) fordeling som heter khikvadrat med parameter 1. Dette kommer til å være et viktig resultat når vi i neste uke (kap 8: utvalgsfordelinger) skal se på fordeling til variansen i et utvalg.

13 Khikvadrat fordelingen med ν = 1 f (x; ν = 1) = { 1 2π x 1/2 e x/2, x > 0 0 ellers. Kjikvadrat og khikvadrat brukes på norsk. Chi-squared på engelsk. Noteres ofte χ 2 1.

14 Khikvadrat fordelingen [6.8] En kontinuerlig stokastisk variabel X er khikvadrat fordelt med parameter ν (kalt frihetgrader), hvis sannsynlighetstettheten er gitt ved f (x; ν) = { 1 2 ν/2 Γ(ν/2) x ν/2 1 e x/2, x > 0 0 ellers. hvor ν er et positivt heltall.

15

16 7.2 Transformasjoner: u(x) og w(y) y = u(x) er en transformasjon fra x til y. Når y = u(x) er en-til-en, også kalt en-entydig, betyr det at en verdi av x er knyttet til bare en verdi av y (og omvendt). Ønsker å finne x som en funksjon av y: Løser y = u(x). Løsningen kaller vi x = w(y). Vi kaller u(x) og w(y) for inverse (omvendte) funksjoner.

17 Transformasjon av en kontinuerlig variabel TEO 7.3: Anta at X er en kontinuerlig stokastisk variabel med fordeling f (x). La Y = u(x ) være en en-til-en transformasjon mellom verdiene av X og verdiene av Y, slik at ligningen y = u(x) har en unik løsning, kall den x = w(y). Da er fordelingen til Y gitt som g(y) = f [w(y)] J. der J = w (y) = dw(y) dy kalles Jakobi-determinanten til transformasjonen. Ikke en-entydig: dele opp i områder med en-entydighet og summere (Teorem 7.5).

18 E(X) = P (X > x)dx. 0 Fra Tabeller og formeler i statistikk (s 34) k-parameter eksponensiell familie f(x; θ) = h(x)c(θ)e k i=1 wi(θ)ti(x). 4 Noen resultater for funksjoner av stokastiske variabler Transformasjonsformelen En variabel: La Y = u(x), der funksjonen u er strengt monoton og deriverbar for alle verdier av argumentet. La X = u 1 (Y ) = w(y ). Hvis X er kontinuerlig fordelt vil ogsåy være det. La f(x) være sannsynlighetstettheten til X og la g(y) være sannsynlighetstettheten til Y. Vi har da sammenhengen g(y) = f(w(y)) w (y). To variabler: La Y 1 = u 1 (X 1, X 2 ) og Y 2 = u 2 (X 1, X 2 ), der funksjonene u 1 og u 2 er strengt monotone og deriverbare for alle verdier av argumentene. La X 1 = w 1 (Y 1, Y 2 ) og X 2 = w 2 (Y 1, Y 2 ). Hvis (X 1, X 2 ) er kontinuerlig fordelt vil også (Y 1, Y 2 ) være det, og vi har g(y 1, y 2 ) = f(w 1 (y 1, y 2 ), w 2 (y 1, y 2 )) J der J er determinanten til Jacobi-matrisen, J = w 1/ y 1 w 1 / y 2 w 2 / y 1 w 2 / y 2. Lineærkombinasjoner La Y = n i=1 a ix i + b. Da er

19

20 Transformasjon av en diskret variabel TEO 7.1: Anta at X er en diskret stokastisk variabel med fordeling f (x). La Y = u(x ) være en en-til-en transformasjon mellom verdiene av X og verdiene av Y, slik at ligningen y = u(x) har en unik løsning, kall den x = w(y). Da er fordelingen til Y gitt som Bevis: g(y) = f [w(y)]. g(y) = P(Y = y) = P[u(X ) = y] = P[X = w(y)] = f [w(y)]. Ikke en-entydig: dele opp i områder med en-entydighet og summere.

21

22

23 IQ Poengsummen fra en IQ-test antas ofte å være normalfordelt i en populasjon, og flere av IQ-testene har en forventningsverdi på 100 og et standardavvik på 16. Forrige uke regnet vi ut at man måtte ha IQ-score større eller lik for å være blant de 2% med høyest IQ-score i populasjonen. Jeg trekker et sample på 20 tilfeldig valgt personer fra denne populasjonen og lurer på hva er fordelingen til den maksimale IQ-scoren i dette utvalget? Vi trenger fordelingen til X (20) : maximum av 20 målinger!

24

25

26

27

28 PDF max IQ score for n=20 fra normal(100,16) fv(v) IQ score

29 Maksimum Uavhengige stokastiske variabler: X 1, X 2,..., X n med kumulativ fordelingsfunksjon F X (x) = P(X x) og fordeling f X (x). V = max(x 1, X 2,..., X n ) Kumulativ fordelingsfunksjon for maksimum: F V (v) = [F X (v)] n Viktig: Hvis maksimum er mindre enn v må alle være mindre enn v. Sannsynlighetstetthet (hvis X -ene er kontinuerlige) f V (v) = n[f X (v)] n 1 f X (v) Eksempler: Parallellsystem. Ventetid til siste gjest ankommer (forlater) festen. Største årlige snølast og vindhastighet.

30 Kjede med juletrelys Noen kjeder med juletrelys er slik at hvis ett lys går i stykker så slutter hele kjeden å virke (seriesystem). Ofte antar man at levetiden til en lyspære er eksponensialfordelt med en parameter som gir forventet levetid (angitt når du kjøper lyspæren). Men, nå trenger vi fordelingen til X (1) : minimum av 24 målinger!

31

32

33

34

35

36 Julelys, n=1 (rod) max(n=24 (sort)), beta=1000 timer pdf timer

37 Eksponentialfordeling Blå (midterst) FX (x), rød (øverst) min F U (x), grønn (nederst) max F V (x).

38 Minimum Uavhengige stokastiske variabler: X 1, X 2,..., X n med kumulativ fordelingsfunksjon F X (x) = P(X x) og fordeling f X (x). U = min(x 1, X 2,..., X n ) Kumulativ fordelingsfunksjon for minimum F U (v) = 1 [1 F X (u)] n Viktig: Hvis minimum er større enn u, må alle være større enn u. Sannsynlighetstetthet (hvis X -ene er kontinuerlige) f U (u) = n[1 F X (u)] n 1 f X (u) Eksempler: Seriesystem. Ventetid til første heis (av n) mulige kommer. Minimum av eksponensialfordelte størrelser er også eksponensialfordelt. (Ditto for Weibull.)

39 kte ordningsvariabel Ser på X (k) : F X(k) (x) = P(k eller flere X i -er er x) Vi har en binomisk situasjon: n forsøk i hver forsøk (nummer i) registerer vi om Xi x eller ikke P(Xi x) = F X (x) for alle forsøkene og de n forsøkene er uavhengige. n ( ) n F X(k) (x) = P(k eller flere X i -er er x) = [F X (x)] j [1 F X (x)] n j j j=k Når X -ene er kontinuerlige kan sannsynlighetstettheten finnes ved å derivere m.h.p. x og etter noe mellomregning kan den skrives: ( ) n 1 f X(k) (x) = n [F X (x)] k 1 [1 F X (x)] n k f X (x) k 1

40 Løsninger 1. Direkte fra kumulativ fordeling (i dag) Transformasjonsformler [kap. 7.2: Teorem 7.1 og 7.3] : for funksjoner av EN stokastisk variabel. Notat om Ordningsvariabler og ekstremvariabler : for flere uavhengige stokastiske variabler. 2. Ved å gå over i et annen verden (tilsvarende Laplace-transformasjon fra Matematikk 4) (neste forelesning) Momentgenererende funksjoner [kap. 7.3] : for lineærkombinasjoner av flere uavhengige stokastiske variabler.

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

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

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

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

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

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

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

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

Derivasjon Forelesning i Matematikk 1 TMA4100. Hans Jakob Rivertz Institutt for matematiske fag 2. september 2011

Derivasjon Forelesning i Matematikk 1 TMA4100. Hans Jakob Rivertz Institutt for matematiske fag 2. september 2011 Derivasjon Forelesning i Matematikk TMA400 Hans Jakob Rivertz Institutt for matematiske fag 2. september 20 Kapittel 3.7. Derivasjon av inverse funksjoner 3 Derivasjon av inverse til deriverbare funksjoner

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

ST0202 Statistikk for samfunnsvitere Kapittel 9: Inferens om én populasjon

ST0202 Statistikk for samfunnsvitere Kapittel 9: Inferens om én populasjon ST0202 Statistikk for samfunnsvitere Kapittel 9: Inferens om én populasjon Bo Lindqvist Institutt for matematiske fag 2 Kap. 9: Inferens om én populasjon Statistisk inferens har som mål å tolke/analysere

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

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

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

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

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

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

= x lim n n 2 + 2n + 4

= x lim n n 2 + 2n + 4 NTNU Institutt for matematiske fag TMA400 Matematikk høsten 20 Løsningsforslag - Øving Avsnitt 8.7 6 Potensrekken konvergerer opplagt for x = 0, så i drøftingen nedenfor antar vi x 0. Vi vil bruke forholdstesten

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

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

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

Litt mer om eksponensialfordelingen

Litt mer om eksponensialfordelingen Litt mer om eksponensialfordelingen og Poissonprosesser. Dekkes av 5.6, 6.6, 6.7 og det som står under. Eksponensialfordelingen Så langt har vi lært at det finnes to parametriseringer av eksponensialfordelingen

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 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

Konfidensintervall for µ med ukjent σ (t intervall)

Konfidensintervall for µ med ukjent σ (t intervall) Forelesning 3, kapittel 6 Konfidensintervall for µ med ukjent σ (t intervall) Konfidensintervall for µ basert på n observasjoner fra uavhengige N( µ, σ) fordelinger når σ er kjent : Hvis σ er ukjent har

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

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

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

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

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

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

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

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

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

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

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

Andre sett med obligatoriske oppgaver i STK1110 høsten 2010

Andre sett med obligatoriske oppgaver i STK1110 høsten 2010 Andre sett med obligatoriske oppgaver i STK1110 høsten 2010 Dette er det andre settet med obligatoriske oppgaver i STK1110 høsten 2010. Oppgavesettet består av fire oppgaver. Det er valgfritt om du vil

Detaljer

Eksamensoppgave i TMA4275 Levetidsanalyse

Eksamensoppgave i TMA4275 Levetidsanalyse Institutt for matematiske fag Eksamensoppgave i TMA4275 Levetidsanalyse Faglig kontakt under eksamen: Bo Lindqvist Tlf: 975 89 418 Eksamensdato: Lørdag 31. mai 2014 Eksamenstid (fra til): 09:00-13:00 Hjelpemiddelkode/Tillatte

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

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

Derivasjon ekstremverdier Forelesning i Matematikk 1 TMA4100

Derivasjon ekstremverdier Forelesning i Matematikk 1 TMA4100 Derivasjon ekstremverdier Forelesning i Matematikk TMA400 Hans Jakob Rivertz Institutt for matematiske fag 6. september 20 Kapittel 3.. Hyperbolske funksjoner 3 Hyperbolske funksjoner Definisjon (Grunndefinisjoner)

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

Eksamensoppgave i SØK1004 - Statistikk for økonomer

Eksamensoppgave i SØK1004 - Statistikk for økonomer Institutt for samfunnsøkonomi Eksamensoppgave i SØK1004 - Statistikk for økonomer Faglig kontakt under eksamen: Hildegunn E. Stokke, tlf 73591665 Bjarne Strøm, tlf 73591933 Eksamensdato: 01.12.2014 Eksamenstid

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

> 6 7 ) = 1 Φ( 1) = 1 0.1587 = 0.8413 P (X < 7 X < 8) P (X < 8) < 7 6 1 ) < 8 6 1 ) = Φ(2) = 0.8413

> 6 7 ) = 1 Φ( 1) = 1 0.1587 = 0.8413 P (X < 7 X < 8) P (X < 8) < 7 6 1 ) < 8 6 1 ) = Φ(2) = 0.8413 Norges teknisk naturvitenskapelige universitet Institutt for matematiske fag Side av 7 Oppgave Sykkelruter a) P (Y > 6) P (Y > 6) P ( Y 7 > 6 7 ) Φ( ) 0.587 0.843 b) Hypoteser: H 0 : µ µ 2 H : µ < µ 2

Detaljer

Høgskolen i Gjøviks notatserie, 2001 nr 5

Høgskolen i Gjøviks notatserie, 2001 nr 5 Høgskolen i Gjøviks notatserie, 2001 nr 5 5 Java-applet s for faget Statistikk Tor Slind Avdeling for Teknologi Gjøvik 2001 ISSN 1501-3162 Sammendrag Dette notatet beskriver 5 JAVA-applets som demonstrerer

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

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

Kontinuitet og derivasjon Forelesning i Matematikk 1 TMA4100

Kontinuitet og derivasjon Forelesning i Matematikk 1 TMA4100 Kontinuitet og derivasjon Forelesning i Matematikk 1 TMA4100 Hans Jakob Rivertz Institutt for matematiske fag 25. august 2010 2 Dagens pensum I dag vil vi se på følgende: Kontinuerlige funksjoner Den deriverte

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

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

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

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

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

ST0202 Statistikk for samfunnsvitere Kapittel 10: Inferens om to populasjoner

ST0202 Statistikk for samfunnsvitere Kapittel 10: Inferens om to populasjoner ST0202 Statistikk for samfunnsvitere Kapittel 10: Inferens om to populasjoner Bo Lindqvist Institutt for matematiske fag 2 Kapittel 10: Inferens om to populasjoner Situasjon: Vi ønsker å sammenligne to

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

Oppgaveark Uke 37 (07/09-11/09) MAT111 - H09

Oppgaveark Uke 37 (07/09-11/09) MAT111 - H09 Oppgaveark Uke 37 (07/09-11/09) MAT111 - H09 Oppgave 1 Du ar fått deg en jobb i et firma og skal kjøre til en konferanse med overnatting. Du drar jemmefra på mandag kl 07:15 og ankommer 11:07. Du overnatter

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

Kapittel 12 Statistikk og sannsynlighetsregning

Kapittel 12 Statistikk og sannsynlighetsregning Kapittel Statistikk og sannsynlighetsregning. Stokastiske variable En stokastisk variabel antar forskjelligee verdier fra et utfallsrom til en hendelse, ( f.eks. måleresultater fra et eksperiment). Verdiene

Detaljer

Tabell 1: Beskrivende statistikker for dataene

Tabell 1: Beskrivende statistikker for dataene Norges teknisk-naturvitenskapelige universitet Institutt for matematiske fag Øving nummer 7, blokk II Løsningsskisse Oppgave 1 a) Utfør en beskrivende analyse av datasettet % Data for Trondheim: TRD_mean=mean(TRD);

Detaljer

Sted Gj.snitt Median St.avvik Varians Trondheim 6.86 7.50 6.52 42.49 Værnes 7.07 7.20 6.79 46.05 Oppdal 4.98 5.80 7.00 48.96

Sted Gj.snitt Median St.avvik Varians Trondheim 6.86 7.50 6.52 42.49 Værnes 7.07 7.20 6.79 46.05 Oppdal 4.98 5.80 7.00 48.96 Vår 213 Norges teknisk-naturvitenskapelige universitet Institutt for matematiske fag Øving nummer 8, blokk II Matlabøving Løsningsskisse Oppgave 1 a) Ingen løsningsskisse. b) Finn, for hvert datasett,

Detaljer

1 Sec 3-2: Hvordan beskrive senteret i dataene. 2 Sec 3-3: Hvordan beskrive spredningen i dataene

1 Sec 3-2: Hvordan beskrive senteret i dataene. 2 Sec 3-3: Hvordan beskrive spredningen i dataene 1 Sec 3-2: Hvordan beskrive senteret i dataene 2 Sec 3-3: Hvordan beskrive spredningen i dataene Todeling av statistikk Deskriptiv statistikk Oppsummering og beskrivelse av den stikkprøven du har. Statistisk

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

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

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

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 13/10, 2004. Tid for eksamen: Kl. 09.00 11.00. Vedlegg:

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

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

Denne uken: kap. 6.1-6.2-6.3: Introduksjon til statistisk inferens. - Konfidensintervall - Hypotesetesting - P-verdier - Statistisk signifikans

Denne uken: kap. 6.1-6.2-6.3: Introduksjon til statistisk inferens. - Konfidensintervall - Hypotesetesting - P-verdier - Statistisk signifikans Denne uken: kap. 6.1-6.2-6.3: Introduksjon til statistisk inferens - Konfidensintervall - Hypotesetesting - P-verdier - Statistisk signifikans VG 25/9 2011 Statistisk inferens Mål: Trekke konklusjoner

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

MASTER I IDRETTSVITENSKAP 2014/2016. Individuell skriftlig eksamen. STA 400- Statistikk. Fredag 13. mars 2015 kl. 10.00-12.00

MASTER I IDRETTSVITENSKAP 2014/2016. Individuell skriftlig eksamen. STA 400- Statistikk. Fredag 13. mars 2015 kl. 10.00-12.00 MASTER I IDRETTSVITENSKAP 2014/2016 Individuell skriftlig eksamen i STA 400- Statistikk Fredag 13. mars 2015 kl. 10.00-12.00 Hjelpemidler: kalkulator Eksamensoppgaven består av 10 sider inkludert forsiden

Detaljer

Institutt for Samfunnsøkonomi. Utlevering: 29.04.2015 Kl. 09:00 Innlevering: 29.04.2015 Kl. 14:00

Institutt for Samfunnsøkonomi. Utlevering: 29.04.2015 Kl. 09:00 Innlevering: 29.04.2015 Kl. 14:00 SENSORVEILEDNING MET 803 Matematikk Institutt for Samfunnsøkonomi Utlevering: 9.04.05 Kl. 09:00 Innlevering: 9.04.05 Kl. 4:00 For mer informasjon om formalia, se eksamensoppgaven. Oppgave Beregn følgende

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

Funksjoner Forelesning i Matematikk 1 TMA4100. Hans Jakob Rivertz Institutt for matematiske fag 18. august 2011

Funksjoner Forelesning i Matematikk 1 TMA4100. Hans Jakob Rivertz Institutt for matematiske fag 18. august 2011 Funksjoner Forelesning i Matematikk TMA400 Hans Jakob Rivertz Institutt for matematiske fag 8. august 20 2 Definisjon av funksjon Definisjon En funksjon er en regel f som til et hvert tall i definisjonsmengden

Detaljer

4.2 Nullrom, kolonnerom og lineære transformasjoner

4.2 Nullrom, kolonnerom og lineære transformasjoner 4.2 Nullrom, kolonnerom og lineære transformasjoner Utover Span {v 1, v 2,..., v p } er det en annen måte vi får lineære underrom på! Ser nå på V = R n. Skal se at det er visse underrom knyttet til en

Detaljer

EKSAMEN I EMNE TMA4245 STATISTIKK

EKSAMEN I EMNE TMA4245 STATISTIKK Norges teknisk naturvitenskapelige universitet Institutt for matematiske fag Side 1 av 5 Bokmål Faglig kontakt under eksamen: John Tyssedal 73 59 35 34/ 41 64 53 76 Jo Eidsvik 73 59 01 53/ 90 12 74 72

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

Tilstandsestimering Oppgaver

Tilstandsestimering Oppgaver Telemark University College Department of Electrical Engineering, Information Technology and Cybernetics Tilstandsestimering Oppgaver HANS-PETTER HALVORSEN, 2012.01.27 Faculty of Technology, Postboks 203,

Detaljer

RAMMER FOR MUNTLIG EKSAMEN I MATEMATIKK ELEVER 2015

RAMMER FOR MUNTLIG EKSAMEN I MATEMATIKK ELEVER 2015 RAMMER FOR MUNIG EKSAMEN I MAEMAIKK EEVER 2015 Fagkoder: MA1012, MA1014, MA1016, MA1018, MA1101,MA1105, MA1106, MA1110, REA3021, REA3023, REA3025, REA3027, REA3029 Årstrinn: Vg1, Vg2 og Vg3 Gjelder for

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

Repeterbarhetskrav vs antall Trails

Repeterbarhetskrav vs antall Trails Repeterbarhetskrav vs antall Trails v/ Rune Øverland, Trainor Automation AS Artikkelserie Dette er andre artikkel i en serie av fire om tar for seg repeterbarhetskrav og antall trials. Formålet med artikkelserien

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

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

Eksamen i TMA4123/TMA4125 Matematikk 4M/4N

Eksamen i TMA4123/TMA4125 Matematikk 4M/4N Norges teknisk naturvitenskapelige universitet Institutt for matematiske fag Side av 8 Eksamen i TMA423/TMA425 Matematikk 4M/4N øsningsforslag Alexander undervold Mai 22 Oppgave a Den Fouriertransformerte

Detaljer

Dato: Tirsdag 28. november 2006 Lengde på eksamen: 4 timer Tillatte hjelpemidler: Kun standard enkel kalkulator, HP 30S

Dato: Tirsdag 28. november 2006 Lengde på eksamen: 4 timer Tillatte hjelpemidler: Kun standard enkel kalkulator, HP 30S DET TEKNISK - NATURVITENSKAPELIGE FAKULTET Institutt for data- og elektroteknikk Eksamen i MIK130, Systemidentifikasjon Dato: Tirsdag 28. november 2006 Lengde på eksamen: 4 timer Tillatte hjelpemidler:

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

Matematikk med TI-83

Matematikk med TI-83 Matematikk med TI-83 3MX/Y Brukerveiledning knyttet til eksempler av Eystein Raude Arbeidet bygger på Matematikk med TI-83 på GK og VKI Eksemplene oppfyller læreplanens mål Læreplanens mål 1 Mål 3 Funksjonslære

Detaljer

Eksempel på data: Karakterer i «Stat class» Introduksjon

Eksempel på data: Karakterer i «Stat class» Introduksjon Eksempel på data: Karakterer i «Stat class» Introduksjon Viktige begreper for å beskrive data: Enheter som er objektene i datasettet «label» som av og til brukes for å skille enhetene En variabel er en

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

0.1 Kort introduksjon til komplekse tall

0.1 Kort introduksjon til komplekse tall Enkel introduksjon til matnyttig matematikk Vi vil i denne innledningen introdusere litt matematikk som kan være til nytte i kurset. I noen tilfeller vil vi bare skrive opp uttrykk uten å komme inn på

Detaljer

Statistikk, FO242N, AMMT, HiST 2. årskurs, 30. mai 2007 side 1 ( av 8) LØSNINGSFORSLAG HØGSKOLEN I SØR-TRØNDELAG

Statistikk, FO242N, AMMT, HiST 2. årskurs, 30. mai 2007 side 1 ( av 8) LØSNINGSFORSLAG HØGSKOLEN I SØR-TRØNDELAG Statistikk, FO242N, AMMT, HiST 2. årskurs, 30. mai 2007 side 1 ( av 8) LØSNINGSFORSLAG HØGSKOLEN I SØR-TRØNDELAG AVDELING FOR MAT- OG MEDISINSK TEKNOLOGI Matteknologisk utdanning Kandidatnr: Eksamensdato:

Detaljer

b) Hva er sannsynligheten for at re tilfeldig utvalgte bilmotorer alle har en levetid på minst 17 år?

b) Hva er sannsynligheten for at re tilfeldig utvalgte bilmotorer alle har en levetid på minst 17 år? Oppgave 1 Levetiden T til en bestemt type bilmotor er normalfordelt med forventning µ = 15 år og standardavvik σ = 3 år. a) Vis at sannsynligheten for at en tilfeldig utvalgt bilmotor har en levetid på

Detaljer

Kp. 11 Enkel lineær regresjon (og korrelasjon) Kp. 11 Regresjonsanalyse; oversikt

Kp. 11 Enkel lineær regresjon (og korrelasjon) Kp. 11 Regresjonsanalyse; oversikt Bjørn H. Auestad Kp. 11: Regresjonsanalyse 1 / 57 Kp. 11 Regresjonsanalyse; oversikt 11.1 Introduction to Linear Regression 11.2 Simple Linear Regression 11.3 Least Squares and the Fitted Model 11.4 Properties

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

MAT1100 - Grublegruppen Uke 36

MAT1100 - Grublegruppen Uke 36 MAT - Grublegruppen Uke 36 Jørgen O. Lye Partiell derivasjon Hvis f : R 2 R er en kontinuerlig funksjon, så kaller man følgende dens partiellderiverte (gitt at de finnes!) f f(x + h, y) f(x, y) (x, y)

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

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

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: 16. juni 2009. KLASSE: HIS 07 10. TID: kl. 8.00 13.00. FAGLÆRER: Hans Petter Hornæs ANTALL SIDER UTLEVERT: 3 innkl. forside)

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

Universitetet i Agder. Fakultet for teknologi og realfag EKSAMEN

Universitetet i Agder. Fakultet for teknologi og realfag EKSAMEN Universitetet i Agder Fakultet for teknologi og realfag EKSAMEN Emnekode: MA-149 (Statistikkdelen) Emnenavn: Statistikk og matematikkdidaktisk forskning Dato: 22. november 2011 Varighet: 5 timer Tall på

Detaljer