TMA4240 Statistikk Høst 2013

Save this PDF as:
 WORD  PNG  TXT  JPG

Størrelse: px
Begynne med side:

Download "TMA4240 Statistikk Høst 2013"

Transkript

1 TMA44 Statistikk Høst Norgs tkisk-aturvitskaplig uivrsitt Istitutt for matmatisk fag Øvig ummr, blokk II Løsigsskiss Oppgav a) Th probability is R.9.5 6x( x) dx = R.9.5 (6x 6x ) dx =[x x ].9.5 =.47. b) Th liklihood fuctio is giv by Y L( )= ( + )x i ( x i ) ad th log liklihood which has drivativ l L( )= l + l( + ) + (l L) ( )= +! Y Y = ( + ) x i ( x i ) l x i +( ) l( x i ), + + l( x i ). (l L) is dcrasig o (, ) ad th sum of two first trms tds to wh! + ad to wh!, so that (l L) will hav a sigl ro (th third trm is gativ) for > ad b positiv lft of th ro ad gativ right of th ro. This mas that L has its maximum at this ro. Solvig for th ro, l( x i )+ + l( x i ) + =, w gt = l( x i) ± p 4 +( l( x i)) l( x i) = l( x i) s ± l( x i), + 4. W choos th largr ro sic (l L) has oly o ro for positiv argumts (th othr w foud must b gativ), ad gt th maximum liklihood stimator s s + l( X P i) 4 l( X i) = l( X) + 4 l( X). ov-lsf-b. oktobr Sid

2 TMA44 Statistikk Høst For = ad l( x i)= 4. th stimat is p /.4 +/4+/.4 / =.545. (Th discussio of actual attaimt of maximum at th ro ad of which ro to b chos, is ot rquird.) Oppgav a) Ataglsr for at X r biomisk fordlt: Gjør forsøk: Spør prsor. Rgistrrr suksss llr fiasko i hvrt forsøk: Får svart JA llr ikk JA (i llr vt ikk) i hvrt forsøk. P (suksss) lik i all forsøk: Sasylight for JA r p for all som blir spurt. Forsøka r uavhgig: Rimlig å ata at d som blir spurt svarr uavhgig av hvradr. P (X 8) = P (X <8) = P (X appl 7) tabll =.965 =.5. P ( <X<5) = P (X appl 4) b) E( ˆP )=p og Var( ˆP )= 4 ( + )p( p). P (X appl ) tabll = =.56 E(P )=p og Var(P )= + p( p). Egskapr for god stimator: forvtigsrtt og lit varias. Bgg stimator r forvtigsrtt, m P har mist varias, vi vlgr drfor P. La =.5. Sid P ˆP q ˆP p ˆP ( ˆP ) r ˆP ( r tilærmt stadardormalfordlt får vi: ( < q ˆP p ˆP ) <p< ˆP + < A ˆP )! r ˆP ( ˆP ) Et tilærmt 95% kofidsitrvall for p blir da: " r r ˆp.5 ˆp( ˆp), ˆp +.5 ˆp( ˆp) #. c) Vi har at Y = X ˆP = X X + X = X X X. Sid r stor og p ikk ær og, vil vi ha at p > 5 og ( p) > 5, slik at vi ka bruk ormaltilærmig til biomisk fordlig. Vi ka drmd ata at X, X og X all r tilærmt ormalfordlt, d r uavhgig, og liærkombiasjo Y r drmd også tilærmt ormalfordlt. ov-lsf-b. oktobr Sid

3 TMA44 Statistikk Høst Var(Y ) = Var(X p( p). Har da at ˆP ) uavh. = Var(X )+ Var( ˆP ) = b) p( p) + p( p) = X ˆP r tilærmt ormalfordlt Var(X ˆP )= p( p) E(X ˆP )=E(X ) E( ˆP )=p p = Vi får da t prdiksjositrvall vd: ˆP < X q ˆP < A p( p)! r r p( p) <X <ˆP + p( p) Sid r stor, vil varias til ˆP vær lit, og ˆP vær god stimator for p. Vi ka drfor rstatt p md stimatt ˆp i uttrykkt for itrvallgrs. q q Itrvallt blir: [ˆp.5 ˆp( ˆp),ˆp +.5 ˆp( ˆp)] Isatt vrdir blir itrvallt [6, 74]. Oppgav a) T ksp( ) E(T )= =, =. P (T appl ) = R x dx = R P (T appl ) =.5, =.5 =.5, = l.5 =.69 =., =. P (T T )=? Fir simultafordlig til T og T : 5 x 5 dx =[ x 5 ] = =.86 f(t,t )= t t sid T og T r uavhgig. P (T T )= Z Z Z = = [ Z f(t,t )dt dt = t [ Z t t t ] t dt = Z t + ( + )t ] = + =..+. = t dt dt t t dt ov-lsf-b. oktobr Sid

4 TMA44 Statistikk Høst b) SME for : f(t,...,t ;,,..., )= Q i i t i L(; t,...,t,,..., )= Q l() =ll() = = = t i + t i = i t i t i = t i Drmd r SME b = T i. E(b) =E( T i )= E(T i )= = = Dvs. stimator r forvtigsrtt. Var(ˆ) = Var( = T i )= i i = Var( T i )= = i Var(T i ) c) MGF for T i : M Ti (t) = V = b = T i M i (t) = T i = t (Fut i tabll.) T i t =( t) (Brukr at M ax (t) =M X (at)) M V (t) = Q ( t) =( t) (Brukr at M X (t) =Q i M X i (t)) ( t) r MGF for kji-kvadratfordlig md frihtsgradr. V har samm MGF som kji-kvadratfordlig md frihtsgradr, drfor r V. d) ( )% kofidsitrvall for : Brukr at V = b. P ( /, appl V appl /, )= P ( P ( b Dt gir kofidsitrvallt [ /, appl b appl /,) = /, P ( b /, appl appl appl appl /, b appl )= b b, /, ] /, b /, )= ov-lsf-b. oktobr Sid 4

5 =., =, b = 7.8 /, =.95, =.85, /, =.5, =.4 Isatt diss tallvrdi blir kofidsitrvallt [88.9, 4.7] TMA44 Statistikk Høst ov-lsf-b. oktobr Sid 5

0.5 (6x 6x2 ) dx = [3x 2 2x 3 ] 0.9. n n. = n. ln x i + (β 1) i=1. n i=1

0.5 (6x 6x2 ) dx = [3x 2 2x 3 ] 0.9. n n. = n. ln x i + (β 1) i=1. n i=1 Norges tekisk-aturviteskapelige uiversitet Istitutt for matematiske fag Øvig ummer 9, blokk II Løsigsskisse Oppgave a The probability is.9.5 6x( x dx.9.5 (6x 6x dx [3x x 3 ].9.5.47. b The likelihood fuctio

Detaljer

MA1102 Grunnkurs i analyse II Vår 2014

MA1102 Grunnkurs i analyse II Vår 2014 Norgs tkiskaturvitskaplig uivrsitt Istitutt for matmatisk fag MA Grukurs i aalys II Vår 4 Løsigsforslag Øvig 8.8. a) Vi har fuksjo f(). Vi skal taylorrkk til f i puktt, kovrgsitrvallt til d rkk, og vis

Detaljer

TMA4245 Statistikk. Øving nummer 12, blokk II Løsningsskisse. Norges teknisk-naturvitenskapelige universitet Institutt for matematiske fag

TMA4245 Statistikk. Øving nummer 12, blokk II Løsningsskisse. Norges teknisk-naturvitenskapelige universitet Institutt for matematiske fag Vår 205 Norges tekisk-aturviteskapelige uiversitet Istitutt for matematiske fag Øvig ummer 2, blokk II Løsigsskisse Oppgave a - β agir biles besiforbruk i liter/mil - Rimelig med α 0 fordi med x 0 ige

Detaljer

TMA4240 Statistikk Høst 2015

TMA4240 Statistikk Høst 2015 Høst 205 Norges tekisk-aturviteskapelige uiversitet Istitutt for matematiske fag Øvig ummer 2, blokk II Løsigsskisse Oppgave a - β agir biles besiforbruk i liter/mil - Rimelig med α 0 fordi med x 0 ige

Detaljer

H 1 : µ 1 µ 2 > 0. t = ( x 1 x 2 ) (µ 1 µ 2 ) s p. s 2 p = s2 1 (n 1 1) + s 2 2 (n 2 1) n 1 + n 2 2

H 1 : µ 1 µ 2 > 0. t = ( x 1 x 2 ) (µ 1 µ 2 ) s p. s 2 p = s2 1 (n 1 1) + s 2 2 (n 2 1) n 1 + n 2 2 TMA4245 Statistikk Norges tekisk-aturviteskapelige uiversitet Istitutt for matematiske fag Øvig ummer b4 Løsigsskisse Oppgave 1 Vi øsker å fie ut om et ytt serum ka stase leukemi. 5 mus får serumet, 4

Detaljer

TMA4240 Statistikk Høst 2016

TMA4240 Statistikk Høst 2016 Norges tekisk-aturviteskapelige uiversitet Istitutt for matematiske fag Abefalt øvig 8 Løsigsskisse Oppgave 1 a) Simuler 1000 datasett i MATLAB. Hvert datasett skal bestå av 100 utfall fra e ormalfordelig

Detaljer

) = P(Z > 0.555) = > ) = P(Z > 2.22) = 0.013

) = P(Z > 0.555) = > ) = P(Z > 2.22) = 0.013 TMA4240 Statistikk Vår 2008 Norges tekisk-aturviteskapelige uiversitet Istitutt for matematiske fag Øvig ummer b5 Løsigsskisse Oppgave 1 a) X 1,...,X 16 er u.i.f. N(80,18 2 ). Setter Y = X. i) P(X 1 >

Detaljer

Løsningsforslag ST2301 øving 3

Løsningsforslag ST2301 øving 3 Løsigsforslag ST2301 øvig 3 Kapittel 1 Exercise 11 Et utvalg på 100 idivider trekkes fra e populasjo med tilfeldig parrig. Det ble observert AA 63 idivider av geotype AA, Aa 27, og aa 10. Lag et 95 % kofidesitervall

Detaljer

TMA4245 Statistikk Eksamen 20. desember 2012

TMA4245 Statistikk Eksamen 20. desember 2012 Norges tekisk-aturviteskapelige uiversitet Istitutt for matematiske fag TMA4245 Statistikk Eksame 20. desember 202 Løsigsskisse Oppgave a Sasylighete for å få 5 kro er P 5 kro = = /32 = 0.03. 25 Sasylighete

Detaljer

TMA4245 Statistikk Eksamen mai 2017

TMA4245 Statistikk Eksamen mai 2017 TMA445 Statistikk Eksame mai 07 Norges tekisk-aturviteskapelige uiversitet Istitutt for matematiske fag Løsigsskisse Oppgave a Når vi reger ut disse tre sasylighetee må ma huske på at de mulige verdiee

Detaljer

TMA4240 Statistikk Høst 2015

TMA4240 Statistikk Høst 2015 Høst 205 Norges tekisk-aturviteskapelige uiversitet Istitutt for matematiske fag Øvig ummer, blokk II Løsigsskisse Oppgave a) X bi(, p) fordi: Udersøker uavhegige delar av DNA-strukture. Fi for kvar del

Detaljer

TMA4240 Statistikk Eksamen desember 2015

TMA4240 Statistikk Eksamen desember 2015 Norges tekisk-aturviteskapelige uiversitet Istitutt for matematiske fag TMA20 Statistikk Eksame desember 205 Løsigsskisse Oppgave a) De kumulative fordeligsfuksjoe til X, F (x) P (X x): F (x) P (X x) x

Detaljer

Estimering 1 -Punktestimering

Estimering 1 -Punktestimering Estimerig 1 -Puktestimerig Dekkes av kap. 8, 9.1-9.3 og 9.15/9.14. Vi har til å settpå e rekke forskjellige sasylighetsfordeliger og sett hvorda disse ka brukes til å modellere mage forskjellige typer

Detaljer

TMA4240 Statistikk Høst 2016

TMA4240 Statistikk Høst 2016 Norges tekisk-aturviteskapelige uiversitet Istitutt for matematiske fag Abefalt øvig 11 Løsigsskisse Oppgave 1 a) E rimelig estimator for forvetigsverdie µ er gjeomsittet X = 1 X i, som vil være ormalfordelt

Detaljer

Gir vi de resterende 2 oppgavene til én prosess vil alle sitte å vente på de to potensielt tidskrevende prosessene.

Gir vi de resterende 2 oppgavene til én prosess vil alle sitte å vente på de to potensielt tidskrevende prosessene. Figure over viser 5 arbeidsoppgaver som hver tar 0 miutter å utføre av e arbeider. (E oppgave ka ku utføres av é arbeider.) Hver pil i figure betyr at oppgave som blir pekt på ikke ka starte før oppgave

Detaljer

Estimering 1 -Punktestimering

Estimering 1 -Punktestimering Estimerig 1 -Puktestimerig Dekkes av kap. 8, 9.1-9.3 og 9.15/9.14. Vi har til å settpå e rekke forskjellige sasylighetsfordeliger og sett hvorda disse ka brukes til å modellere mage forskjellige typer

Detaljer

X = 1 5. X i, i=1. som vil være normalfordelt med forventningsverdi E( X) = µ og varians Var( X) = σ 2 /5. En rimelig estimator for variansen er

X = 1 5. X i, i=1. som vil være normalfordelt med forventningsverdi E( X) = µ og varians Var( X) = σ 2 /5. En rimelig estimator for variansen er Norges tekisk-aturviteskapelige uiversitet Istitutt for matematiske fag Abefalte oppgaver 11, blokk II Løsigsskisse Oppgave 1 a) E rimelig estimator for forvetigsverdie µ er gjeomsittet X = 1 X i, som

Detaljer

LØSNINGSFORSLAG TILEKSAMEN I FAG TMA4240/TMA4245 STATISTIKK 10. august 2005

LØSNINGSFORSLAG TILEKSAMEN I FAG TMA4240/TMA4245 STATISTIKK 10. august 2005 Norges tekisk aturviteskapelige uiversitet Istitutt for matematiske fag Side av 8 LØSNINGSFORSLAG TILEKSAMEN I FAG TMA440/TMA445 STATISTIKK 0. august 005 Oppgave Smeltepuktsbestemmelse a) Vi jobber i dette

Detaljer

MOT310 Statistiske metoder 1, høsten 2011

MOT310 Statistiske metoder 1, høsten 2011 MOT310 Statistiske metoder 1, høste 2011 Bjør H. Auestad Istitutt for matematikk og aturviteskap Uiversitetet i Stavager 24. august, 2011 Bjør H. Auestad Itroduksjo og repetisjo 1 / 32 Repetisjo; 9.1,

Detaljer

TMA4240 Statistikk H2010

TMA4240 Statistikk H2010 TMA440 Statistikk H00 9.8: To uvalg (siste del) 9.9: Parvise observasjoer 9.0-9.: Adelser 9.: Varias Mette Lagaas Foreleses oag 0.oktober, 00 Norske hoppdommere og Jae Ahoe Jae Ahoe er e fisk skihopper,

Detaljer

Løsningsforslag til eksamen i MAT 1100, 8/12-04 Del 1

Løsningsforslag til eksamen i MAT 1100, 8/12-04 Del 1 Løsningsforslag til ksamn i MAT, 8/- Dl. (3 pong) Intgralt x x dx r lik: x x x + C x x + C x 3 3 x + C x / + C x x x3 3 x + C Riktig svar: a) x x x + C. Bgrunnls: Brukr dlvis intgrasjon md u = x, v = x.

Detaljer

TMA4240 Statistikk Høst 2016

TMA4240 Statistikk Høst 2016 TMA44 Statistikk Høst 16 Nrges tekisk-aturviteskapelige uiversitet Istitutt fr matematiske fag Abefalt øvig 7 Løsigsskisse Oppgave 1 a) Reger først ut de kumulative frdeligsfuksje til X: F X (x) = Z x

Detaljer

Oppgave 1 Hardheten til en bestemt legering er undersøkt med åtte målinger og resultatene ble (i kg/mm 2 ) som i tabellen til høyre.

Oppgave 1 Hardheten til en bestemt legering er undersøkt med åtte målinger og resultatene ble (i kg/mm 2 ) som i tabellen til høyre. EKSAMEN I: ÅMA110 SANNSYNLIGHETSREGNING MED STATISTIKK VARIGHET: 4 TIMER DATO: 28. AUGUST 2010 BOKMÅL TILLATTE HJELPEMIDLER: KALKULATOR: HP30S, Casio FX82 eller TI-30 OPPGAVESETTET BESTÅR AV 3 OPPGAVER

Detaljer

ÅMA110 Sannsynlighetsregning med statistikk, våren Kontinuerlige tilfeldige variable, intro. Kontinuerlige tilfeldige variable, intro.

ÅMA110 Sannsynlighetsregning med statistikk, våren Kontinuerlige tilfeldige variable, intro. Kontinuerlige tilfeldige variable, intro. ÅMA0 Sasylighetsregig med statistikk, våre 008 Kp. 4 Kotiuerlige tilfeldige variable; Normalfordelig Kotiuerlige tilfeldige variable, itro. (eller: Kotiuerlige sasylighetsfordeliger) Vi har til å sett

Detaljer

110 e = 106.75. = 0.9705 R = ln 0.9705. R = 0.03, dvs. spotrenten for 1 år er 3 % = 0.9324 R = 0.035 dvs. spotrenten for 2 år er 3.

110 e = 106.75. = 0.9705 R = ln 0.9705. R = 0.03, dvs. spotrenten for 1 år er 3 % = 0.9324 R = 0.035 dvs. spotrenten for 2 år er 3. Oppgav 1 (5 %) Vi har følgnd: Pålydnd Gjnværnd løptid (år) Kupong Kurs 1 1 1 16,75 1 1 11,7 1 8 111,1 1 4 6 15,8 a) Vi finnr nullkupongrntn slik: R 11 = 16.75 R. 1 + 11 = 11.7 =.975 R = ln.975 R =. R =.,

Detaljer

LØSNINGSFORSLAG TIL EKSAMEN I FAG TMA4245 STATISTIKK 6.august 2004

LØSNINGSFORSLAG TIL EKSAMEN I FAG TMA4245 STATISTIKK 6.august 2004 Norges tekisk aturviteskapelige uiversitet Istitutt for matematiske fag Side av 0 LØSNINGSFORSLAG TIL EKSAMEN I FAG TMA4245 STATISTIKK 6.august 2004 Oppgave Midtveiseksame a) X er e stokastisk variabel

Detaljer

Oppgave 1 (25 %) 100 e = 98.02. = 0.9802 R = ln 0.9802. R = 0.020, dvs. spotrenten for 1 år er 2,0 % 100 e = 95.89. e e

Oppgave 1 (25 %) 100 e = 98.02. = 0.9802 R = ln 0.9802. R = 0.020, dvs. spotrenten for 1 år er 2,0 % 100 e = 95.89. e e Oppgav 1 (5 %) Vi har følgnd: Obligasjon Pålydnd Tid til forfall Kupong Kurs A 1 1 % 98, B 1 % 95,89 C 1 3 5 % 17,99 D 1 4 6 % 113,93 a) Vi finnr nullkupongrntn slik: R 1 = 98. R 1 = 95.89 =.98 R = ln.98

Detaljer

Oppgave 1 (25 %) 100 e = 97.53. = 0.9753 R = ln 0.9753. R = 0.025, dvs. spotrenten for 1 år er 2,5 % e e. 100 e = 94.74

Oppgave 1 (25 %) 100 e = 97.53. = 0.9753 R = ln 0.9753. R = 0.025, dvs. spotrenten for 1 år er 2,5 % e e. 100 e = 94.74 Oppgav 1 (5 %) Vi har følgnd: Obligasjon Pålydnd Tid til forfall Kupong Kurs A 1 1 % 97,53 B 1 % 94,74 C 1 3 3 % 1,19 D 1 4 4 % 13,3 a) Vi finnr nullkupongrntn slik: R 1 = 97.53 R 1 = 94.74 =.9753 R =

Detaljer

Oppgaver fra boka: X 2 X n 1

Oppgaver fra boka: X 2 X n 1 MOT30 Statistiske metoder, høste 00 Løsiger til regeøvig r 3 (s ) Oppgaver fra boka: 94 (99:7) X,, X uif N(µ, σ ) og X,, X uif N(µ, σ ) og alle variable er uavhegige Atar videre at σ = σ = σ og ukjet Kodesitervall

Detaljer

TMA4240 Statistikk Høst 2016

TMA4240 Statistikk Høst 2016 TMA440 Statstkk Høst 06 Norges teksk-aturvteskapelge uverstet Isttutt for matematske fag Abefalt øvg 0 Løsgssksse Oppgave a Estmatore for avstade a er gjeomsttet av uavhegge detsk fordelte målger, x; 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

HØGSKOLEN I SØR-TRØNDELAG Avdeling for teknologi

HØGSKOLEN I SØR-TRØNDELAG Avdeling for teknologi HØGSKOLEN I SØR-TRØNDELAG Avdelig for tekologi Målform: Bokmål Eksamesdato: 19 des. 2014 Varighet/eksamestid: Emekode: 3 timer TALM1005 Emeav: Statistikk og Økoomi statistikkdele Klasser: Logistikk 1 Kjemi

Detaljer

MOT310 Statistiske metoder 1, høsten 2012

MOT310 Statistiske metoder 1, høsten 2012 MOT310 Statistiske metoder 1, høste 2012 Bjør H. Auestad Istitutt for matematikk og aturviteskap Uiversitetet i Stavager 20. august, 2012 Bjør H. Auestad Itroduksjo og repetisjo 1 / 57 Iformasjo Litt om

Detaljer

HØGSKOLEN I SØR-TRØNDELAG Avdeling for teknologi

HØGSKOLEN I SØR-TRØNDELAG Avdeling for teknologi HØGSKOLEN I SØR-TRØNDELAG Avdelig for tekologi Målform: Bokmål Eksamesdato: 5 jui 2015 Varighet/eksamestid: Emekode: 3 timer TALM1005 Emeav: Statistikk og Økoomi statistikkdele Klasser: Logistikk 1 Kjemi

Detaljer

LØSNINGSFORSLAG TIL EKSAMEN I FAG TMA4240 STATISTIKK 5.august 2004

LØSNINGSFORSLAG TIL EKSAMEN I FAG TMA4240 STATISTIKK 5.august 2004 Norges tekisk aturviteskapelige uiversitet Istitutt for matematiske fag Side av 0 LØSNINGSFORSLAG TIL EKSAMEN I FAG TMA4240 STATISTIKK 5.august 2004 Oppgave Foruresig X er e stokastisk variabel som agir

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

Løsningsforslag til den obligatoriske oppgaven fra seminarlederne

Løsningsforslag til den obligatoriske oppgaven fra seminarlederne Løsigsforslag til d oligatorisk ogav fra siarldr Totalt og r ulig dt krvs 65 og for å få stått drso du ikk har lvrt o ogavr i Frotr. tallt og so krvs for å få stått ogav rdusrs d atall og oådd for å svar

Detaljer

EKSAMEN I FAG SIF 4014 FYSIKK 3 Fredag 17 desember 1999 kl Bokmål

EKSAMEN I FAG SIF 4014 FYSIKK 3 Fredag 17 desember 1999 kl Bokmål Sid av 7 NORGES TEKNISK- NATURVITENSKAPELIGE UNIVERSITET INSTITUTT FOR FYSIKK Faglig otat udr a: Førtaaui Kut Ar Strad Tlfo: 73 59 34 6 EKSAMEN I FAG SIF 44 FYSIKK 3 Frdag 7 dbr 999 l. 9-3 Boål Hjlpidlr:

Detaljer

Grafer og trær. MAT1030 Diskret matematikk. Eksempel. Eksempel. Forelesning 28: Grafer og trær, eksempler

Grafer og trær. MAT1030 Diskret matematikk. Eksempel. Eksempel. Forelesning 28: Grafer og trær, eksempler MAT1030 Diskrt matmatikk Forlsning 28:, ksmplr Dag Normann Matmatisk Institutt, Univrsittt i Oslo 5. mai 2008 I dag skal vi s på n rkk ksmploppgavr, og gjnnomgå løsningn på tavla. All ksmpln r oppgavr

Detaljer

TMA4240 Statistikk 2014

TMA4240 Statistikk 2014 Norges teknisk-naturvitenskapelige universitet Institutt for matematiske fag Øving nummer 6, blokk I Løsningsskisse Oppgave 1 Fremgangsmetode: P X 1 < 6.8 Denne kan finnes ved å sette opp integralet over

Detaljer

ÅMA110 Sannsynlighetsregning med statistikk, våren 2007 Kp. 6, del 2

ÅMA110 Sannsynlighetsregning med statistikk, våren 2007 Kp. 6, del 2 ÅMA11 Sasylighetsregig med statistikk, våre 27 Kp. 6, del 2 Bjør H. Auestad Istitutt for matematikk og aturviteskap 5. mars 21 Bjør H. Auestad Kp. 6: del 1/2 1/ 42 Bjør H. Auestad Kp. 6: del 1/2 2/ 42

Detaljer

f(x)dx = F(x) = f(u)du. 1 (4u + 1) du = 3 0 for x < 0, 2 + for x [0,1], 1 for x > 1. = 1 F 4 = P ( X > 1 2 X > 1 ) 4 X > 1 ) =

f(x)dx = F(x) = f(u)du. 1 (4u + 1) du = 3 0 for x < 0, 2 + for x [0,1], 1 for x > 1. = 1 F 4 = P ( X > 1 2 X > 1 ) 4 X > 1 ) = TMA Statistikk Norges tekisk-aturviteskapelige uiversitet Istitutt for ateatiske fag Løsigsforslag - Eksae deseber 9 Oppgave a Besteer k ved å kreve fxdx =, fxdx = De kuulative fordeligsfuksjoe Fx er gitt

Detaljer

Forelesning 4 og 5 Transformasjon, Weibull-, lognormal, beta-, kji-kvadrat -, t-, F- fordeling

Forelesning 4 og 5 Transformasjon, Weibull-, lognormal, beta-, kji-kvadrat -, t-, F- fordeling STAT (V6) Statistikk Metoder Yushu.Li@uib.o Forelesig 4 og 5 Trasformasjo, Weibull-, logormal, beta-, kji-kvadrat -, t-, F- fordelig. Oppsummerig til Forelesig og..) Momet (momet about 0) og setral momet

Detaljer

LØSNING, EKSAMEN I STATISTIKK, TMA4240, DESEMBER Anta at sann porøsitet er r. Måling med utstyret gir da X n(x; r, 0,03).

LØSNING, EKSAMEN I STATISTIKK, TMA4240, DESEMBER Anta at sann porøsitet er r. Måling med utstyret gir da X n(x; r, 0,03). LØSNING, EKSAMEN I STATISTIKK, TMA440, DESEMBER 006 OPPGAVE 1 Ata at sa porøsitet er r. Målig med utstyret gir da X (x; r, 0,03). a) ( ) X r P(X > r) P 0,03 > 0 P(Z > 0) 0,5. ( X r P(X r > 0,05) P 0,03

Detaljer

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

ÅMA110 Sannsynlighetsregning med statistikk, våren 2007 Kp. 6, del 5. Hypotesetesting, del 5

ÅMA110 Sannsynlighetsregning med statistikk, våren 2007 Kp. 6, del 5. Hypotesetesting, del 5 ÅMA11 Sasylighetsregig med statistikk, våre 7 Kp. 6, del 5 Bjør H. Auestad Istitutt for matematikk og aturviteskap Uiversitetet i Stavager 26. mars Bjør H. Auestad Kp. 6: Hypotesetestig del 5 1/ 59 Bjør

Detaljer

Søknad om Grønt Flagg på Østbyen skole

Søknad om Grønt Flagg på Østbyen skole Søknad om på Østbyn skol Østbyn skol startt opp md i 2007, og har sidn da vært n Grønt Flagg-skol som r opptatt av miljø Skoln hatt n dl utfordringr dt sist årt, som har gjort dt vansklig å følg opp intnsjonn

Detaljer

TMA4240 Statistikk Høst 2013

TMA4240 Statistikk Høst 2013 TMA0 Statistikk Høst 0 Norges teknisk-naturvitenskapelige universitet Institutt for matematiske fag Øving nummer, blokk I Løsningsskisse Oppgave Et venn-diagram for (A [ B) 0 = A 0 \ B 0 er vist i figur.

Detaljer

TMA4240 Statistikk Høst 2015

TMA4240 Statistikk Høst 2015 Norges teknisk-naturvitenskapelige universitet Institutt for matematiske fag Øving nummer 8, blokk II Løsningsskisse Oppgave 1 Da komponentene danner et parallellsystem, vil systemet fungere dersom minst

Detaljer

ÅMA110 Sannsynlighetsregning med statistikk, våren 2008 Kp. 6, del 5

ÅMA110 Sannsynlighetsregning med statistikk, våren 2008 Kp. 6, del 5 ÅMA110 Sasylighetsregig med statistikk, våre 2008 Kp. 6, del 5 Bjør H. Auestad Istitutt for matematikk og aturviteskap Uiversitetet i Stavager 3. april Bjør H. Auestad Kp. 6: Hypotesetestig del 5 1/ 56

Detaljer

ÅMA110 Sannsynlighetsregning med statistikk, våren 2006 Kp. 6, del 5

ÅMA110 Sannsynlighetsregning med statistikk, våren 2006 Kp. 6, del 5 ÅMA110 Sasylighetsregig med statistikk, våre 2006 Kp. 6, del 5 Bjør H. Auestad Istitutt for matematikk og aturviteskap Uiversitetet i Stavager 3. april Bjør H. Auestad Kp. 6: Hypotesetestig del 5 1 / 56

Detaljer

Matematikk 15 V-2008

Matematikk 15 V-2008 Matmati V-8 Løsigsorslag til øvig 7 OPPGVE Liigssttt på matrisorm: t b t y. t z t Et liært og vadratis liigsstt ar tydig løsig vis og bar vis dt Drsom dt må ølglig liigssttt a dlig mag løsigr llr ig løsig.

Detaljer

ÅMA110 Sannsynlighetsregning med statistikk, våren 2010 Kp. 6, del 4

ÅMA110 Sannsynlighetsregning med statistikk, våren 2010 Kp. 6, del 4 ÅMA11 Sasylighetsregig med statistikk, våre 21 Kp. 6, del 4 Bjør H. Auestad Istitutt for matematikk og aturviteskap Uiversitetet i Stavager 22. mars Bjør H. Auestad Kp. 6: Hypotesetestig del 4 1/ 29 Bjør

Detaljer

ÅMA110 Sannsynlighetsregning med statistikk, våren Kontinuerlige tilfeldige variable, intro. Kontinuerlige tilfeldige variable, intro.

ÅMA110 Sannsynlighetsregning med statistikk, våren Kontinuerlige tilfeldige variable, intro. Kontinuerlige tilfeldige variable, intro. ÅMA Sasylighetsregig med statistikk, våre 6 Kp. 4 Kotiuerlige tilfeldige variable og ormaldelige Kotiuerlige tilfeldige variable, itro. (eller: Kotiuerlige sasylighetsdeliger) Vi har til å sett på diskrete

Detaljer

ØVING 2: DIMENSJONERING MHT KNEKKING. Likevekt: Momentlikevekt om punkt C (venstre del av figur (b)): M +Hx - Fy = 0 M = Fy - Hx. Fy EI. Hx EI.

ØVING 2: DIMENSJONERING MHT KNEKKING. Likevekt: Momentlikevekt om punkt C (venstre del av figur (b)): M +Hx - Fy = 0 M = Fy - Hx. Fy EI. Hx EI. MSK0 Masiosrusjo ØSNINGSOSG TI ØVINGSOPPGV Kap. Oppgav.5.8 ØVING : DIMNSJONING MT KNKKING Oppgav.5 a) Uldig av ulr ilfll III iv: Momliv om pu C (vsr dl av figur ()): M +x - y 0 M y - x Vi v fra fashslær

Detaljer

ÅMA110 Sannsynlighetsregning med statistikk, våren Kp. 5 Estimering. Målemodellen.

ÅMA110 Sannsynlighetsregning med statistikk, våren Kp. 5 Estimering. Målemodellen. ÅMA0 Sasylighetsregig med statistikk, våre 0 Kp. 5 Estimerig. Målemodelle. Estimerig. Målemodelle. Ihold:. (Pukt)Estimerig i biomisk modell (kp. 5.). Målemodelle... (kp. 5.). (Pukt)Estimerig i målemodelle

Detaljer

Forventningsverdi. MAT0100V Sannsynlighetsregning og kombinatorikk

Forventningsverdi. MAT0100V Sannsynlighetsregning og kombinatorikk MAT0100V Sasylighetsregig og kombiatorikk Forvetigsverdi Sasylighetsfordelige til e tilfeldig variabel X gir sasylighete for de ulike verdiee X ka ata Forvetig, varias og stadardavvik Tilærmig av biomiske

Detaljer

MDG Bergen - alternativt bybudsjett 2015 Revisjon av budsjettforlik mellom Høyre, Frp og støttepartiene

MDG Bergen - alternativt bybudsjett 2015 Revisjon av budsjettforlik mellom Høyre, Frp og støttepartiene MDG Brg - altrativt bybudsjtt 2015 Rvisjo av budsjttforlik mllom Høyr, Frp og støttparti Økt itktr og midrutgiftr Eidomsskatt Rdusr kosultbruk Møthoorar Kutt i studiturr for politikr Rdusr politikrlø Bruk

Detaljer

Kapittel 5: Diskrete sannsynsfordelingar TMA4245 Statistikk. 5.2 Diskret uniform fordeling NTNU NTNU NTNU

Kapittel 5: Diskrete sannsynsfordelingar TMA4245 Statistikk. 5.2 Diskret uniform fordeling NTNU NTNU NTNU Kapittel 5: Disrete sasysfordeligar TMA4245 Statisti Rep.: Forvetig, varias og ovarias Forvetig (tygdeput, geeraliserig av empiris gjeomsitt): < P x µ = E(X) = R xf(x) (Xdisret) : xf(x)dx (Xotiuerlig)

Detaljer

SOS3003 Anvendt statistisk dataanalyse i samfunnsvitenskap Forelesingsnotat, vår Erling Berge Institutt for sosiologi og statsvitenskap NTNU

SOS3003 Anvendt statistisk dataanalyse i samfunnsvitenskap Forelesingsnotat, vår Erling Berge Institutt for sosiologi og statsvitenskap NTNU SOS3003 Anvndt statistisk dataanalys i samfunnsvitnskap Forlsingsnotat, vår 2003 Erling Brg Institutt for sosiologi og statsvitnskap NTNU Vår 2004 Erling Brg 2004 Forlsing X Logistisk rgrsjon II Hamilton

Detaljer

ENKELT, TRYGT OG LØNNSOMT!

ENKELT, TRYGT OG LØNNSOMT! Utli av fritidsindom: ENKELT, TRYGT OG LØNNSOMT! NYTT GRAM O R P S L E D FOR E R E: FOR UTLEI ort r på ssongk s ri p d o g Svært gsstdr n ri rv s å p t Rabat ulightr m s g in n j t n God in g rkdsavdlin

Detaljer

STK1100 våren 2017 Estimering

STK1100 våren 2017 Estimering STK1100 våre 017 Estimerig Svarer til sidee 331-339 i læreboka Ørulf Borga Matematisk istitutt Uiversitetet i Oslo 1 Politisk meigsmålig Spør et tilfeldig utvalg på 1000 persoer hva de ville ha stemt hvis

Detaljer

TMA4245 Statistikk Vår 2015

TMA4245 Statistikk Vår 2015 TMA4245 Statistikk Vår 2015 Norges tekisk-aturviteskapelige uiversitet Istitutt for matematiske fag Øvig ummer 12, blokk II Oppgave 1 Kari har ylig kjøpt seg e y bil. Nå øsker hu å udersøke biles besiforbruk

Detaljer

TMA4240 Statistikk Høst 2013

TMA4240 Statistikk Høst 2013 Norges teknisk-naturvitenskapelige universitet Institutt for matematiske fag Øving nummer 6, blokk I Løsningsskisse Oppgave 1 Vi antar X er normalfordelt, X N(3315, 575 2 ). Ved bruk av tabell A.3 finner

Detaljer

Universitetet i Bergen Det matematisk-naturvitenskapelige fakultet Eksamen i emnet Mat131 - Differensiallikningar I Onsdag 25. mai 2016, kl.

Universitetet i Bergen Det matematisk-naturvitenskapelige fakultet Eksamen i emnet Mat131 - Differensiallikningar I Onsdag 25. mai 2016, kl. 1 MAT131 Bokmål Universitetet i Bergen Det matematisk-naturvitenskapelige fakultet Eksamen i emnet Mat131 - Differensiallikningar I Onsdag 25. mai 2016, kl. 09-14 Oppgavesettet er 4 oppgaver fordelt på

Detaljer

Tillatt utvendig overtrykk/innvendig undertrykk

Tillatt utvendig overtrykk/innvendig undertrykk Tillatt utvndig ovrtrykk/innvndig undrtrykk For t uffrør vil ttningsringns vn til å tål undrtrykk oft vær dinsjonrnd. I t rør so blasts d t jvnt utvndig trykk llr innvndig undrtrykk vil dt oppstå spnningr,

Detaljer

EKSAMEN løsningsforslag

EKSAMEN løsningsforslag EKAMEN løigforlag 5. augut 6 Emkod: ITD5 Emav: Matmatikk adr dlkam Dato: 8. mai 6 Hjlpmidlr: - To A-ark md valgfritt ihold på bgg idr. Ekamtid: 9.. Faglærr: Chritia F Hid - Formlhft. Kalkulator r ikk tillatt.

Detaljer

Mathematics 114Q Integration Practice Problems SOLUTIONS. = 1 8 (x2 +5x) 8 + C. [u = x 2 +5x] = 1 11 (3 x)11 + C. [u =3 x] = 2 (7x + 9)3/2

Mathematics 114Q Integration Practice Problems SOLUTIONS. = 1 8 (x2 +5x) 8 + C. [u = x 2 +5x] = 1 11 (3 x)11 + C. [u =3 x] = 2 (7x + 9)3/2 Mathematics 4Q Name: SOLUTIONS. (x + 5)(x +5x) 7 8 (x +5x) 8 + C [u x +5x]. (3 x) (3 x) + C [u 3 x] 3. 7x +9 (7x + 9)3/ [u 7x + 9] 4. x 3 ( + x 4 ) /3 3 8 ( + x4 ) /3 + C [u + x 4 ] 5. e 5x+ 5 e5x+ + C

Detaljer

TMA4240 Statistikk H2010

TMA4240 Statistikk H2010 TMA4240 Statistikk H2010 9.8: To uvalg (siste del) 9.9: Parvise observasjoner 9.10-9.11: Andelser 9.12: Varians Mette Langaas Foreleses onsdag 20.oktober, 2010 2 Norske hoppdommere og Janne Ahonen Janne

Detaljer

2. Å R S B E R E T N I N G O G R E G N S K A P F O R A ) Å r s b e r e t n i n g o g r e g n s k a p f o r

2. Å R S B E R E T N I N G O G R E G N S K A P F O R A ) Å r s b e r e t n i n g o g r e g n s k a p f o r I N N K A L L I N G T I L O R D I N Æ R G E N E R A L F O R S A M L I N G 2 0 1 0 O r d i n æ r g e n e r a l f o r s a m l i n g i, a v h o l d e s m a n d a g 3. m ai 2 0 1 0, k l. 1 8 0 0 p å T r e

Detaljer

Norske hoppdommere og Janne Ahonen

Norske hoppdommere og Janne Ahonen TMA440 Statistikk H010 9.8: To uvalg (siste del) 9.9: Parvise observasjoner 9.10-9.11: Andelser 9.1: Varians Mette Langaas Foreleses onsdag 0.oktober, 010 Norske hoppdommere og Janne Ahonen Janne Ahonen

Detaljer

ÅMA110 Sannsynlighetsregning med statistikk, våren 2007 Kp. 6, del 4. Hypotesetesting, del 4

ÅMA110 Sannsynlighetsregning med statistikk, våren 2007 Kp. 6, del 4. Hypotesetesting, del 4 ÅMA11 Sasylighetsregig med statistikk, våre 27 Kp. 6, del 4 Bjør H. Auestad Istitutt for matematikk og aturviteskap Uiversitetet i Stavager 19. mars Bjør H. Auestad Kp. 6: Hypotesetestig del 4 1/ 27 Bjør

Detaljer

KRAVFIL TIL KREDITORFORENINGEN [Spesialrapport]

KRAVFIL TIL KREDITORFORENINGEN [Spesialrapport] KRAVFIL TIL KREDITORFORENINGEN [Spsialrapport] - Sid 1 / 5 IS Doc. Sit Bildr Rapportr Ordlist R124 KRAVFIL TIL KREDITORFORENINGEN [Spsialrapport] Bskrivls sist rvidrt: År: 2008. Månd: 10. Dag: 01. KRAVFIL

Detaljer

KRAVFIL TIL KREDINOR [Spesialrapport]

KRAVFIL TIL KREDINOR [Spesialrapport] KRAVFIL TIL KREDINOR [Spsialrapport] - Sid 1 / 5 IS Doc. Sit Bildr Rapportr Ordlist R104 KRAVFIL TIL KREDINOR [Spsialrapport] Bskrivls sist rvidrt: År: 2009. Månd: 10. Dag: 05. KRAVFIL TIL KREDINOR [Spsialrapport]

Detaljer

TMA4245 Statistikk. Innlevering 3. Norges teknisk-naturvitenskapelige universitet Institutt for matematiske fag

TMA4245 Statistikk. Innlevering 3. Norges teknisk-naturvitenskapelige universitet Institutt for matematiske fag TMA4245 Statistikk Vår 2017 Norges teknisk-naturvitenskapelige universitet Institutt for matematiske fag Innlevering 3 Dette er den første av to innleveringer i blokk 2 Denne øvingen skal oppsummere pensum

Detaljer

Oversiktskart. Figur 1 Oversiktskart [6] Ullensaker Kirkelige Fellesråd / Ullensaker kirke / 14086 Rapport 1 / RMV

Oversiktskart. Figur 1 Oversiktskart [6] Ullensaker Kirkelige Fellesråd / Ullensaker kirke / 14086 Rapport 1 / RMV 2 Ovrsitsart Figur 1 Ovrsitsart [6] Ullsar Kirlig Fllsråd / Ullsar ir / 1486 Rapport 1 / RMV 3 Bilag Situasjosplar og borput- /oordiatlistr A Situasjospla m/ bordybdr A1 Borput- og oordiatlist A2 Borrsultatr

Detaljer

n 2 +1) hvis n er et partall.

n 2 +1) hvis n er et partall. TMA445 Statistikk Vår 04 Norges tekisk-aturviteskapelige uiversitet Istitutt for matematiske fag Øvig ummer, blokk II Oppgave Mediae til et datasett, X, er de midterste verdie. Hvis vi har stokastiske

Detaljer

https://sandefjord.ist-asp.com/sandefjordpub/login.htm

https://sandefjord.ist-asp.com/sandefjordpub/login.htm Søknad om plass i barnehage eller SFO i Sandefjord kommune Application for a place in kindergarten or day care facilities for school children, this will be referred to as SFO. Søknad om plass skal legges

Detaljer

ÅMA110 Sannsynlighetsregning med statistikk, våren 2006

ÅMA110 Sannsynlighetsregning med statistikk, våren 2006 ÅMA110 Sasylighetsregig med statistikk, våre 2006 Kp. 6, del 2 Bjør H. Auestad Kp. 6: Hypotesetesig del 2 1/ 38 Bjør H. Auestad Kp. 6: Hypotesetesig del 2 2/ 38 Oversikt 1. Hva er hypotesetestig? 2. Hypotesetestig

Detaljer

0:7 0:2 0:1 0:3 0:5 0:2 0:1 0:4 0:5 P = 0:56 0:28 0:16 0:38 0:39 0:23

0:7 0:2 0:1 0:3 0:5 0:2 0:1 0:4 0:5 P = 0:56 0:28 0:16 0:38 0:39 0:23 UTKAST ENGLISH VERSION EKSAMEN I: MOT100A STOKASTISKE PROSESSER VARIGHET: 4 TIMER DATO: 16. februar 2006 TILLATTE HJELPEMIDLER: Kalkulator; Tabeller og formler i statistikk (Tapir forlag): Rottman: Matematisk

Detaljer

Asker 17.03.12. Kaare Granheim: Askers rolle i den regionale utviklingen. Konsekvenser for befolkning og boligmarked i Asker

Asker 17.03.12. Kaare Granheim: Askers rolle i den regionale utviklingen. Konsekvenser for befolkning og boligmarked i Asker Askr 17.03.12 Kaar Grahim: Askrs roll i d rgioal utviklig. Koskvsr for bfolkig og boligmarkd i Askr Kaar Grahim Vidrgåd (KG) NTH bygigsigiør md økoomi for kraftkommur som ksamsoppgav Aspla 1970 md kommual

Detaljer

Utvidet løsningsforslag Eksamen i TMA4100 Matematikk 1, 16/12 2008

Utvidet løsningsforslag Eksamen i TMA4100 Matematikk 1, 16/12 2008 Utvidet løsigsforslag Eksame i TMA4 Matematikk, 6/ 8 Oppgave i) Vi gjør substitusjoe u = si θ og får π/ [ u si θ cos θ dθ = u du = E ae løsigsmetode er π/ si θ cos θ dθ = π/ ] si θ dθ = 4 = 4 ( ( ) ( ))

Detaljer

DATARAPPORT FRA GRUNNUNDERSØKELSE

DATARAPPORT FRA GRUNNUNDERSØKELSE F UUØKL Walsth&Øya idmsutvikli åv 5 - uudsøkls ppda : 5686 appt at: 424 J & MLJØ, Ø Ø Fylk kshus Kmmu s td Ås UM: (uf 89, s 2) 64 6666 Byh ppdasiv Walsth&Øya idmsutvikli v/ds Walsth ppda fmidlt av ppdasfas

Detaljer

TMA4240 Statistikk Høst 2015

TMA4240 Statistikk Høst 2015 TMA4240 Statistikk Høst 2015 Norges tekisk-aturviteskapelige uiversitet Istitutt for matematiske fag Øvig ummer 12, blokk II I dee siste øvige fokuserer vi på lieær regresjo, der vi har kjete kovariater

Detaljer

2. Hypotesetesting i ulike sitausjoner: i. for forventingen, μ, i målemodellen med normalantakelse og kjent varians, σ 2.

2. Hypotesetesting i ulike sitausjoner: i. for forventingen, μ, i målemodellen med normalantakelse og kjent varians, σ 2. Oversikt 1. Hva er hypotesetestig? 2. i ulike sitausjoer: i. for forvetige, μ, med ormalatakelse og kjet varias, σ 2. ii. for forvetige, μ, med stor og ormaltilærmig (variase, σ 2, ukjet). iii. for suksessasylighete,

Detaljer

UNIVERSITETET I OSLO

UNIVERSITETET I OSLO UNIVERSITETET I OSLO Dt matmatisk-natuvitnskaplig fakultt Eksamn i MAT-INF 00 Modlling og bgning. Eksamnsdag: Fdag 6. dsmb 0. Tid fo ksamn: 9:00 :00. Oppgavsttt på 8 sid. Vdlgg: Tillatt hjlpmidl: Fomlak.

Detaljer

Christiania Spigerverk AS, Postboks 4397 Nydalen, 0402 Oslo BYGNINGSBESLAG

Christiania Spigerverk AS, Postboks 4397 Nydalen, 0402 Oslo BYGNINGSBESLAG Christiania Spigrvrk AS, Postboks 4397 Nydaln, 0402 Oslo BYGNINGSBESLAG www.spigrvrkt.no www.gunnbofastning.com Bygningsbslag fra Christiania Spigrvrk AS Dimnsjonringsundrlag Bygningsbslag r produsrt av

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

Intervjuet. Bergen kino. Svømmetilbud

Intervjuet. Bergen kino. Svømmetilbud Nr. 2 Fbruar 2016 21. årgag Itrvjut Brg kio Svømmtilbud I o h ld Kjær lsr! Vil du vær md å das? Ellr dra på diskotk? Ellr kaskj du vil svømm? io k Brg Daskamp Faa og Ytrbygda Dt r litt av hvrt å dlta på,

Detaljer

Appendix B, not for publication, with screenshots for Fairness and family background

Appendix B, not for publication, with screenshots for Fairness and family background Appendix B, not for publication, with screenshots for Fairness and family background Ingvild Almås Alexander W. Cappelen Kjell G. Salvanes Erik Ø. Sørensen Bertil Tungodden This document shows screenshots

Detaljer

UNIVERSITETET I OSLO ØKONOMISK INSTITUTT

UNIVERSITETET I OSLO ØKONOMISK INSTITUTT UNIVERSITETET I OSLO ØKONOMISK INSTITUTT Eksamen i: ECON30/40 Matematikk : Matematisk analyse og lineær algebra Exam: ECON30/40 Mathematics : Calculus and Linear Algebra Eksamensdag: Tirsdag 0. desember

Detaljer

122-13 Vedlegg 3 Rapportskjema

122-13 Vedlegg 3 Rapportskjema Spsifikasjon 122-13 Vdlgg 3 Rapportskjma Dok. ansvarlig: Jan-Erik Dlbck Dok. godkjnnr: Asgir Mjlv Gyldig fra: 2013-01-22 Distribusjon: Åpn Sid 1 av 6 INNHOLDSFORTEGNELSE SIDE 1 Gnrlt... 1 2 Tittlflt...

Detaljer

TMA4240 Statistikk Høst 2016

TMA4240 Statistikk Høst 2016 Norges tekisk-aturviteskapelige uiversitet Istitutt for matematiske fag Abefalt øvig 2 Løsigsskisse Oppgave a Miste kvadraters metode tilpasser e lije til puktee ved å velge de lija som miimerer kvadratsumme

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

EKSAMEN I TMA4245 Statistikk

EKSAMEN I TMA4245 Statistikk Noregs tekisk aturvitskaplege uiversitet Istitutt for matematiske fag Side 1 av 5 Fagleg kotakt uder eksame: Turid Follestad (98 06 68 80/73 59 35 37) Hugo Hammer (45 21 01 84/73 59 77 74) Eirik Mo (41

Detaljer

PLASTIC FLOW. Sammenheng mellom spenninger og tøyninger i det plastiske området

PLASTIC FLOW. Sammenheng mellom spenninger og tøyninger i det plastiske området Plasticity Thory 006 Lctur 4 Plastic flow PLASTIC FLOW Sanhng llo spnningr og tøyningr i dt plastisk orådt Fundantals I dt lastisk orådt gir Hook s lov forholdt llo spnning og tøyning = ν + E = ν + E =

Detaljer

TMA4240 Statistikk 2014

TMA4240 Statistikk 2014 TMA0 Statistikk 0 Norges teknisk-naturvitenskapelige universitet Institutt for matematiske fag Øving nummer, blokk I Løsningsskisse Oppgave Hendelsene A og B er ikke disjunkte, det vil si at de kan ha

Detaljer

ÅMA110 Sannsynlighetsregning med statistikk, våren 2008 Kp. 6, del 5

ÅMA110 Sannsynlighetsregning med statistikk, våren 2008 Kp. 6, del 5 ÅMA110 Sasylighetsregig med statistikk, våre 2008 Kp. 6, del 5 Bjør H. Auestad Istitutt for matematikk og aturviteskap Uiversitetet i Stavager 26. mars Bjør H. Auestad Kp. 6: Hypotesetestig del 5 1/ 53

Detaljer

Kapittel 8: Estimering

Kapittel 8: Estimering Kaittel 8: Estimerig Estimerig hadler kort sagt om hvorda å aslå verdie å arametre som,, og dersom disse er ukjete. like arametre sier oss oe om oulasjoe vi studerer (dvs om alle måliger av feomeet som

Detaljer