Løsningsforslag STK1110-h11: Andre obligatoriske oppgave.
|
|
- Jorunn Mikalsen
- 6 år siden
- Visninger:
Transkript
1 Løsningsforslag STK1110-h11: Andre obligatoriske oppgave. Oppgave 1 a) Legg merke til at X er gamma-fordelt med formparameter 1 og skalaparameter λ. Da er E[X] = 1/λ. Små verdier av X tyder derfor på at λ er stor. Siden vi skal teste H 0 : λ = λ 0 H 1 : λ > λ 0, er det rimelig å tro at H 0 er gal og derfor forkaste H 0 hvis X er liten. Forkastningsområdet har derfor formen {x : x < k} b) Kravet om at nivået til testen er 0.05 betyr at P (forkaste H 0 H 0 sann) = P (X < k λ = λ 0 ) som betyr at eller = k 0 λ 0 exp( λ 0 x)dx = 1 exp( λ 0 k) 0.05 exp( λ 0 k) 0.95 k log(0.95)/λ 0. Alle valg av k som tilfredstiller dette kravet gir en test med riktig nivå. I tillegg ønsker vi stor styrke, nemlig at P (forkaste H 0 H 1 sann) = P (X < k λ > λ 0 ) skal være størst mulig. Siden styrken er voksende i k for alle λ (λ 0, ), velges den verdien av k blant de tillate verdiene som er størst mulig, nemlig k = log(0.95)/λ 0. Det gir testen F orkast H 0 hvis X < log(0.95)/λ 0. c) Styrkefunksjonen er definert som sannsynligheten for å forkaste H 0. Den er definert for alle parameterverdier og er derfor mindre enn nivået for parameterverdier som svarer til H 0. For parameterverdier under alternativet angir den styrken, altså 1 - sannsynligheten for å begå feil av type II. Styrkefunksjonen er altså γ(λ) = P (forkaste H 0 λ) = P (X < k λ) = log(0.95)/λ0 0 λ exp( λx)dx = 1 exp( λ( log(0.95)/λ 0 )) = 1 (0.95) λ/λ 0 1
2 Siden E[X] = 1/λ, er det rimelig at jo større λ blir, jo større er sannsynligheten for at X < log(0.95)/λ 0, som er det samme som å forkaste H 0. Denne sannsynligheten er som funksjon av λ det samme som styrkefunksjonen, som det derfor er rimelig vokser og nærmer seg 1 når λ vokser. Av uttrykket γ(λ) = 1 (0.95) λ/λ 0 ser vi at det også er tilfelle. d) Feil av type II er sannsynligheten for ikke å forkaste hypotesen nr den er gal. Med andre ord finnes sannsynligheten som 1γ(λ) for verdier av λ under alternativet. Spesielt blir 1 γ(4λ 0 ) = = e) Fra utledningen i punkt b) følger det at sannsynligheten for å forkaste H 0 når H 0 er sann, dvs. når λ = λ 0, er lik nivået Sannsynligheten for å forkaste H 0 er lik styrkefunksjonen, som vi altså da vet er 0.05 for λ = λ 0. I punkt c) ble det vist at styrkefunksjonen er voksende. Den er altså mindre eller lik enn 0.05 når λ λ 0. Dette betyr at sannsynligheten for å forkaste H 0 når λ λ 0, er mindre eller lik nivået 0.05, altså at testen også har nivå 0.05 for H 0 : λ λ 0. Vi ser også dette direkte fra formen på styrkefunksjonen γ(λ) = 1 (0.95) λ/λ 0. Her er γ(λ 0 ) = 0.05, og γ(λ) 0.05 for λ λ 0. f) Pr. definisjon er P-verdien sannsynligheten under hypotesen for observere noe som er like eller mer ekstremt enn det som er realisert, altså P (X 2 λ 0 = 4) = 1 exp( 4 2) = 1 exp( 8). Dette er også rimelig. E[X] = 1/4 for λ 0 = 4, slik at realisasjonen er mye større enn forventningsverdien, noe som svarer til en stor p-verdi. Oppgave 2 a > krtemp<-read.table(" STK1110/h11/undervisningsmateriale/kroppstemp.txt",header=F,row.names=NULL) # object "data frame", often called "data matrix". > colnames(krtemp)<-c("menn","kvinner") > #a) > postscript((file="fig_opgv2_1.eps")) > boxplot(krtemp$menn,krtemp$kvinner) > dev.off() Boksplottet i figur 4 viser at verdiene gjennomgående er høyere for kvinner, og at fordelingen virker skjevere. Men her skal man huske på at ni observasjoner er lite. 2
3 Figure 1: Boxplott, menn til venstre, kvinner til hyre 3
4 b) > postscript((file="fig_opgv2_2.eps")) > par(mfrow=c(2,1)) > qqnorm(krtemp$menn) > qqnorm(krtemp$kvinner) > dev.off() Begge linjene i figur 5 ser forholsvis rette ut, noe som indikerer at antagelsen om normalfordeling kan være rimelig. At de i tillegg er nokså paralelle, kan tyde på at variansen er den samme i de to utvalgene. Normal Q Q Plot Sample Quantiles Theoretical Quantiles Normal Q Q Plot Sample Quantiles Theoretical Quantiles Figure 2: Normalfordelingsplott, menn øverst c) La x 1,..., x n være målingene for kvinner og y 1,..., y n være målingene for menn. t-observatoren er x ȳ s p 1 n + 1 m 4
5 der s 2 p = [(n 1)s 2 x + (m 1)s 2 y]/(n + m 2). > # frst bruk av formlene direkte > k<-krtemp$kvinner > m<-krtemp$menn > xk<-mean(k); > xm<-mean(m); > vark<-var(k); > varm<-var(m); > spsq<-((length(k)-1)*var(k)+(length(m)-1)*var(m))/(length(k)+ length(m)-2); > sp<-sqrt(spsq); > stediff=sp*sqrt((1/length(k))+(1/length(m))); > t1=(xk-xm)/stediff # t-observator, varianser antatt like > t1 [1] > krv1<-qt(0.975,(length(k)+length(m)-2)) > krv1 [1] > ( t1 < -krv1 t1 > krv1)# Forkast H_0? [1] TRUE dvs. forkastning med nivå 95%. p-verdien er2p (t n+m 2 > tobs ) > 2*(1-pt(abs(t1),(length(k)+length(m)-2)))# P-verdi [1] som altså er mindre enn Et 95% konfidensintervall er gitt ved ( x ȳ t s p 1 n + 1 m, x ȳ + t 0.975s p 1 n + 1 m ) > lb<-xk-xm-qt(0.975,(length(k)+length(m)-2))*stediff;# nedre grense 95% konfi > ub<-xk-xm+qt(0.975,(length(k)+length(m)-2))*stediff;# vre grense 95% konfint > c(lb,ub)# 95% konf. int [1] som altså ikke inneholder 0. Utskrift fra t.test() 5
6 > t.test(k,m,alternative="two.sided",var.equal=t)# antatt lik varians Two Sample t-test data: k and m t = , df = 16, p-value = alternative hypothesis: true difference in means is not equal to 0 95 percent confidence interval: sample estimates: mean of x mean of y det vil si: Samme resultat som tidligere. d) test-observatoren er for dette tilfellet x ȳ s 2 x + s2 y n m Når µ X = µ Y, dvs. under nullhypotesen, er den tilnærmet χ 2 fordelt med frihetsgrader gitt ved nærmeste heltall til [ s2 x n + s2 y m ]2 ( s2 x n ) 2 + ( s 2 y n )2 n 1 m 1 > # d) > t2<-(xk-xm)/sqrt((vark/length(k))+(varm/length(m))) > t2 [1] > df2<-((vark/length(k))+(varm/length(m)))^2; > df2<-df2/(((vark/length(k))^2/(length(k)-1))+((varm/length(m))^2/(length(m)- > df2 [1] > krv2<-qt(0.975,df2) > krv2 [1] > ( t2 < -krv2 t2 > krv2)# Forkast H_0 [1] TRUE > 2*pt(-abs(t2), df2)#p-verdi [1]
7 slik at også i dette tilfellet forkastes H 0. p-verdien er > 2*pt(-abs(t2), df2)#p-verdi [1] Bruk av t.test() gir nå > t.test(k,m,alternative="two.sided",var.equal=f)# ikke antatt lik varians Welch Two Sample t-test data: k and m t = , df = , p-value = alternative hypothesis: true difference in means is not equal to 0 95 percent confidence interval: sample estimates: mean of x mean of y Oppgave 3 a) ˆβ 1 = n (x i x)y i n (x i x) 2, ˆβ0 = ȳ ˆβ 1 x > > snake<-read.table(" STK1110/h11/undervisningsmateriale/snake.txt",header=F,row.names=NULL) # object "data frame", often called "data matrix". > colnames(snake)<-c("sninnhold","vannstand") > n<-length(snake[,2]) > x<-snake[,1]# kovariat > y<-snake[,2]# respons > mod<-lm(vannstand~ Sninnhold, data=snake) > summary(mod) Call: lm(formula = Vannstand ~ Sninnhold, data = snake) 7
8 Residuals: Min 1Q Median 3Q Max Coefficients: Estimate Std. Error t value Pr(> t ) (Intercept) Sninnhold e-08 *** --- Signif. codes: 0 *** ** 0.01 * Residual standard error: on 16 degrees of freedom Multiple R-squared: , Adjusted R-squared: F-statistic: on 1 and 16 DF, p-value: 8.913e-08 > plot(x,y,xlab="sninnhold",ylab="vannstand") > abline(mod$coeff[1],mod$coeff[2]) Koeffesientene virker rimelige, vannstanden øker med snøinnholdet, og konstantleddet er ikke svært stort. Tilpassningen ser også bra ut i figur 6. b) Residualplott: postscript((file="fig_opgv3_1.eps")) par(mfrow=c(2,1)) plot(x,mod$res,xlab="sninnhold",ylab="residualer") plot(mod$fitted,mod$res,xlab="tilpasset",ylab="residualer") dev.off() Normalfordel- Ikke noen spesielle tegn på avvik i residualene i figur 7. ingsplott: > postscript((file="fig_opgv3_3.eps")) > par(mfrow=c(1,1)) > qqnorm(mod$res) > dev.off() Også normalfordelingsplottet i figur 8 virker OK. c) Residualene definert som y i ˆβ o ˆβ 1 x i. En estimator for variansen er S 2 = n (y i ˆβ o ˆβ 1 x i ) 2 /(n 2). Siden V ar( ˆβ 1 ) = σ/ n (x i x) 2 er s ˆβ1 = S/ n (x i x) 2. Et 95% konfidensintervall er derfor ( ˆβ 1 t 0.975,n 2 s ˆβ1, ˆβ 1 t 0.975,n 2 s ˆβ1 ) 8
9 Vannstand Snøinnhold Figure 3: Observasjoner og tilpasset regresjonslinje 9
10 residualer Snøinnhold residualer Tilpasset Figure 4: Residualplott: residualet mot uavhengig variabel øverst, mot tilpasset verdi nederst > res<-mod$res > sigmahatsq<-sum(res*res)/(n-2) > sigmahatsq [1] > esebeta1hat<-sqrt(sigmahatsq/sum((x-mean(x))*(x-mean(x))))# standardfeil > esebeta1hat [1] > # beta1hat > beta1hat<-mod$coeff[2] > lb<- beta1hat + qt(0.025,(n-2))*esebeta1hat > ub<- beta1hat + qt(0.975,(n-2))*esebeta1hat 10
11 Normal Q Q Plot Sample Quantiles Theoretical Quantiles Figure 5: Normalfordelingsplott residualer > c(lb,ub) # 95% konfidensintervall for beta d) Siden vi antar at feilleddene er normalfordelte, er også ˆβ 0 normalfordelt. Fra formelsamling STK1100/STK1110 følger at E( ˆβ 0 ) = β 0 og at V ar( ˆβ 0 ) = σ 2 n /n n (x i x) 2 slik at standardfeilen til ˆβ 0 er σ ˆβ0 = V ar( ˆβ 0 ). Hadde σ 2 vært kjent, ville en naturlig testobservator vært ˆβ 0 /σ ˆβ0, og det ville være rimelig å forkaste H 0 for store verdier av denne. Siden σ 2 må estimeres, benytter vi i stedet testobservatoren ˆβ 0 /s ˆβ0, der s ˆβ0 er den estimerte standardfeilen til ˆβ 0. Vi vet at ˆσ 2 og ˆβ 0 er uavhengige, og at (n 2)S 2 /σ 2 χ 2 n 2. Derfor er 11
12 ( ˆβ 0 β 0 )/s ˆβ0 t n 2 fordelt. En 95% test bestå derfor i forkaste hvis ˆβ 0 /s ˆβ0 < t eller ˆβ 0 /s ˆβ0 > t Signifikansnivået er P (forkasteh 0 H 0 riktig) = P (( ˆβ 0 β 0 )/s ˆβ0 < t β 0 = 0) + P (( ˆβ 0 β 0 )/s ˆβ0 > t β 0 = 0) = = 0.05 og P-verien 2 P (t n 2 < t obs ) e) > beta1hat<- sum((x-mean(x))*y)/sum((x-mean(x))*(x-mean(x))) > beta0hat<-mean(y)-beta1hat*mean(x) > beta0hat [1] > esebeta0hat<-sqrt((sum(x*x)/n)*sigmahatsq/sum((x-mean(x))*(x-mean(x))))# sta > esebeta0hat [1] > t_obs<-beta0hat/esebeta0hat > t_obs # observert t [1] > qt(0.025,(n-2))# kritisk verdi [1] > (t_obs < qt(0.025,(n-2)) t_obs > qt(0.975,(n-2)))# forkastning [1] FALSE > 2*(1 -pt(abs(t_obs),n-2))# P-verdi [1] P-verdien er svært høy, så det er ingen grunn til å forkaste hypotesen. Oppgave 4 a) Minste kvadraters estimatet finnes ved å minimere (Y i x i β) 2 I=1 med hensyn på β. Dette er et 2 re grads polynom i β, og verdien av β som gir minimum finnes fra første ordens betingelsen som har løsning n I=1 x i y i / n I=1. ( 2) x i (y i x i β) = 0 I=1 b) Forventningen finnes ved E( ˆβ) ni=1 x i Y i = E( ) = x i E(Y i ) = x i βx i = β = β 12
13 og siden variablene Y i i = 1,..., n er uavhengige er variansen V ( ˆβ) ni=1 x i Y i = V ( ) = c) Fra andre kvadratsetning er Men V (Y i ) ( n I=1 ) 2 = σ 2 ( n I=1 ) 2 = σ 2 (Y i ˆβx i ) 2 = (Yi 2 2 ˆβY i x i + ˆβ 2 ). 2 ˆβ Y i x i = 2 ˆβ n Y i x i n slik at n (Y i ˆβx i ) 2 = n Y 2 i ˆβ 2 n. = 2 ˆβ 2 n For finne forventningen bruker man for det første at E( Y 2 i ) = E(Y 2 i ) = {V (Y i )+[E(Y i )] 2 } = {σ 2 +β 2 } = nσ 2 +β 2 n. Dessuten er E( ˆβ ni=1 2 x i Y ni=1 i ) = E[( n ) 2 Yi 2 + i j x i Y i x j Y j ] = E[( ( n ]. ) 2 Siden variablene Y i i = 1,..., n er uavhengige, er dette lik n E(Y 2 i ) + i j x i x j E(Y i )E(Y j ) ( n ) 2 = σ 2 n + β 2 ( n x 4 i + i j x 2 j) ( n ) 2 = σ2 n noe som gir n (σ 2 + β 2 ) + i j x i x j (βx i )(βx j ) ( n ) 2 = + β2 ( n ) 2 ( n ) 2 = σ2 n (Y i ˆβx i ) 2 = E( Yi 2 ) E( ˆβ 2 ) = nσ 2 +β 2 n σ 2 β 2 n = (n 1)σ 2 slik at S 2 er forventningerett. + β 2, d) Skriv ˆβ β n = S ˆβ β n x 2 σ i (n 1)S 2 (n 1). 13
14 Telleren er en lineærkombinasjon av normalfordelte variable og er derfor normalfordelt under antagelsen T2. Fra punkt a) følger at den er normalfordelt med forventning 0 og varians 1. Fra opplysningene etter punkt c), er derfor de tre kravene i definisjonen av en t-fordelt variabel med n 1 frihetsgrader oppfylt: Nevneren er en standard-normalfordelt tilfeldig variabel, telleren er en roten av en χ 2 -fordelt tilfeldig variabel med n 1 frihetsgrader og fordelingen til telleren og nevneren er uavhengige. e) Siden ˆβ er en forventningsrett estimator for β, er det rimelig å forkate for små og store verdier av ˆβ β 0. Dette svarer til små og store verdier av t = ˆβ β 0 n x 2 S i. Siden t er t-fordelt med n 1 frihetsgrader under H 0 : β = β 0, betyr det at testen med forkastningsområde t > t α/2,n 1 har nivå α fordi P H0 (forkaste H 0 ) = P H0 ( t > t α/2,n 1 ) = P H0 (t < t α/2,n 1 ) + P H0 (t > t α/2,n 1 ) = α/2 + α/2 = α 14
UNIVERSITETET I OSLO
UNIVERSITETET I OSLO Det matematisk-naturvitenskapelige fakultet Eksamen i: STK1110 Statistiske metoder og dataanalyse 1. Eksamensdag: Mandag 1. desember 2014. Tid for eksamen: 14.30 18.30. Oppgavesettet
DetaljerLøsningsforslag til andre sett med obligatoriske oppgaver i STK1110 høsten 2010
Løsningsforslag til andre sett med obligatoriske oppgaver i STK1110 høsten 2010 Oppgave 1 a Forventet antall dødsulykker i år i er E(X i λ i. Dermed er θ i λ i E(X i forventet antall dødsulykker per 100
DetaljerUNIVERSITETET I OSLO
UNIVERSITETET I OSLO Det matematisk-naturvitenskapelige fakultet Eksamen i: STK1110 Statistiske metoder og dataanalyse 1. Eksamensdag: Tirsdag 11. desember 2012. Tid for eksamen: 14.30 18.30. Oppgavesettet
DetaljerUNIVERSITETET I OSLO
UNIVERSITETET I OSLO Det matematisk-naturvitenskapelige fakultet Eksamen i: STK1110 Løsningsforslag: Statistiske metoder og dataanalys Eksamensdag: Fredag 9. desember 2011 Tid for eksamen: 14.30 18.30
DetaljerUNIVERSITETET I OSLO
Eksamen i: UNIVERSITETET I OSLO Det matematisk-naturvitenskapelige fakultet STK1110 FASIT. Eksamensdag: Tirsdag 11. desember 2012. Tid for eksamen: 14.30 18.30. Oppgavesettet er på 5 sider. Vedlegg: Tillatte
DetaljerUNIVERSITETET I OSLO
Eksamen i: UNIVERSITETET I OSLO Det matematisk-naturvitenskapelige fakultet STK1000 Innføring i anvendt statistikk Eksamensdag: Mandag 3. desember 2018. Tid for eksamen: 14.30 18.30. Oppgavesettet er på
DetaljerUNIVERSITETET I OSLO
UNIVERSITETET I OSLO Det matematisk-naturvitenskapelige fakultet Eksamen i: STK1110 Statistiske metoder og dataanalyse 1 Eksamensdag: Mandag 30. november 2015. Tid for eksamen: 14.30 18.00. Oppgavesettet
DetaljerLøsningsforslag eksamen 27. februar 2004
MOT30 Statistiske metoder Løsningsforslag eksamen 7 februar 004 Oppgave a) Y ij = µ i + ε ij, der ε ij uavh N(0, σ ) der µ i er forventa kopperinnhold for legering i og ε ij er feilleddet (tilfeldig variasjon)
DetaljerEKSAMENSOPPGAVER STAT100 Vår 2011
EKSAMENSOPPGAVER STAT100 Vår 2011 Løsningsforslag Oppgave 1 (Med referanse til Tabell 1) a) De 3 fiskene på 2 år hadde lengder på henholdsvis 48, 46 og 35 cm. Finn de manglende tallene i Tabell 1. Test
DetaljerLøsningsforslag: STK2120-v15.
Løsningsforslag: STK2120-v15 Oppgave 1 a) Den statistiske modellen er: X ij = µ i + ϵ ij, j = 1,, J, i = 1,, I Her indekserer i = 1,, I gruppene og j = 1,, J observasjone innen hver gruppe Feilleddene
DetaljerLøsningsforsalg til andre sett med obligatoriske oppgaver i STK1110 høsten 2015
Løsningsforsalg til andre sett med obligatoriske oppgaver i STK1110 høsten 2015 R-kode for alle oppgaver er gitt bakerst. Oppgave 1 (a) Boksplottet antyder at verdiene er høyere for kvinner enn for menn.
DetaljerEKSAMENSOPPGAVE STA «Tabeller og formler i statistikk» av Kvaløy og Tjelmeland. To A4-ark/ 4 sider med egne notater. Godkjent kalkulator. Rute.
Fakultet for naturvitenskap og teknologi EKSAMENSOPPGAVE Eksamen i: STA-1001. Dato: Tirsdag 26. september 2017. Klokkeslett: 09 13. Sted: Åsgårdvegen 9. Tillatte hjelpemidler: «Tabeller og formler i statistikk»
DetaljerEKSAMENSOPPGAVE STA «Tabeller og formler i statistikk» av Kvaløy og Tjelmeland. To A4-ark/ 4 sider med egne notater. Godkjent kalkulator. Rute.
Fakultet for naturvitenskap og teknologi EKSAMENSOPPGAVE Eksamen i: STA-2004. Dato: Mandag 24. september 2018. Klokkeslett: 09-13. Sted: Administrasjonsbygget K1.04 Tillatte hjelpemidler: «Tabeller og
DetaljerMOT310 Statistiske metoder 1, høsten 2011 Løsninger til regneøving nr. 7 (s. 1) Oppgaver fra boka: n + (x 0 x) 2 1. n + (x 0 x) 1 2 ) = 1 γ
MOT310 Statistiske metoder 1, høsten 2011 Løsninger til regneøving nr. 7 (s. 1) Oppgaver fra boka: Oppgave 11.25 (11.27, 11.6:13) Modell: Y i = α + βx i + ε i der ε 1,..., ε n u.i.f. N(0, σ 2 ). Skal nne
DetaljerFasit 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
DetaljerEksamensoppgave i TMA4267 Lineære statistiske modeller
Institutt for matematiske fag Eksamensoppgave i TMA4267 Lineære statistiske modeller Faglig kontakt under eksamen: Mette Langaas Tlf: 988 47 649 Eksamensdato: 22. mai 2014 Eksamenstid (fra til): 09.00-13.00
DetaljerFasit og løsningsforslag STK 1110
Fasit og løsningsforslag STK 1110 Uke 36: Eercise 8.4: a) (57.1, 59.5), b) (57.7, 58, 9), c) (57.5, 59.1), d) (57.9, 58.7) og e) n 239. (Hint: l(n) = 1 = 2z 1 α/2 σ/n 1/2 ). Eercise 8.10: a) (2.7, 7.5),
DetaljerEksamensoppgave i TMA4267 Lineære statistiske modeller
Institutt for matematiske fag Eksamensoppgave i TMA4267 Lineære statistiske modeller Faglig kontakt under eksamen: Tlf: Eksamensdato: August 2014 Eksamenstid (fra til): Hjelpemiddelkode/Tillatte hjelpemidler:
DetaljerEKSAMENSOPPGAVE STA-1001.
Fakultet for naturvitenskap og teknologi EKSAMENSOPPGAVE Eksamen i: STA-1001. Dato: Mandag 28. mai 2018. Klokkeslett: 09-13. Sted: Tillatte hjelpemidler: Administrasjonsbygget B154/AUDMAX. «Tabeller og
DetaljerEksamensoppgave i TMA4267 Lineære statistiske modeller
Institutt for matematiske fag Eksamensoppgave i TMA4267 Lineære statistiske modeller Faglig kontakt under eksamen: Mette Langaas Tlf: 988 47 649 Eksamensdato: 4. juni 2016 Eksamenstid (fra til): 09.00
DetaljerOppgave 1. . Vi baserer oss på at p 47 1 og p 2 er tilnærmet normalfordelte (brukbar tilnærming). Vi har tilnærmet at (n 1 = n 2 = 47)
MOT310 tatistiske metoder 1 Løsningsforslag til eksamen vår 006, s. 1 Oppgave 1 a) En tilfeldig utvalgt besvarelse får F av sensor 1 med sannsynlighet p 1 ; resultatene for ulike besvarelser er uavhengige.
DetaljerTMA4240 Statistikk 2014
TMA4240 Statistikk 2014 Norges teknisk-naturvitenskapelige universitet Institutt for matematiske fag Øving nummer 12, blokk II Oppgave 1 På ein av vegane inn til Trondheim er UP interessert i å måle effekten
DetaljerMOT310 Statistiske metoder 1, høsten 2006 Løsninger til regneøving nr. 8 (s. 1) Oppgaver fra boka:
MOT30 Statistiske metoder, høsten 2006 Løsninger til regneøving nr. 8 (s. ) Oppgaver fra boka: Oppgave.5 (.3:5) ) Først om tolking av datautskriften. Sammendrag gir følgende informasjon: Multippel R =R,
DetaljerEksamensoppgave i ST1201/ST6201 Statistiske metoder
Institutt for matematiske fag Eksamensoppgave i ST1201/ST6201 Statistiske metoder Faglig kontakt under eksamen: Nikolai Ushakov Tlf: 45128897 Eksamensdato: 20. desember 2016 Eksamenstid (fra til): 09:00
Detaljervekt. vol bruk
UNIVERSITETET I OSLO Det matematisk-naturvitenskapelige fakultet Eksamen i: STK1110 Statistiske metoder og dataanalyse 1. Eksamensdag: 10. desember 2010. Tid for eksamen: 14.30 18.30. Oppgavesettet er
DetaljerBioberegninger, ST1301 Onsdag 1. juni 2005 Løsningsforslag
Norges teknisk-naturvitenskapelige universitet Institutt for matematiske fag Side 1 av 5 Bioberegninger, ST1301 Onsdag 1. juni 2005 Løsningsforslag Oppgave 1 a) Verdien av uttrykkene blir som følger: >
DetaljerLøsningsforslag. n X. n X 1 i=1 (X i X) 2 og SY 2 = 1 ny S 2 X + S2 Y
Statistiske metoder 1 høsten 004. Løsningsforslag Oppgave 1: a) Begge normalplottene gir punkter som ligger omtrent på ei rett linje så antagelsen om normalfordeling ser ut til å holde. Konfidensintervall
DetaljerMOT310 Statistiske metoder 1, høsten 2006 Løsninger til regneøving nr. 7 (s. 1) Oppgaver fra boka: n + (x 0 x) 2 σ2
MOT310 Statistiske metoder 1, høsten 2006 Løsninger til regneøving nr. 7 (s. 1) Oppgaver fra boka: Oppgave 11.27 (11.6:13) Modell: Y i = α + βx i + ε i der ε 1,..., ε n u.i.f. N(0, σ 2 ). Skal finne konfidensintervall
DetaljerTilleggsoppgaver for STK1110 Høst 2015
Tilleggsoppgaver for STK0 Høst 205 Geir Storvik 22. november 205 Tilleggsoppgave Anta X,..., X n N(µ, σ) der σ er kjent. Vi ønsker å teste H 0 : µ = µ 0 mot H a : µ µ 0 (a) Formuler hypotesene som H 0
DetaljerEKSAMENSOPPGAVE. B154 «Tabeller og formler i statistikk» av Kvaløy og Tjelmeland. To A4-ark (4 sider) med egne notater. Godkjent kalkulator.
Fakultet for naturvitenskap og teknologi EKSAMENSOPPGAVE Eksamen i: STA-2004 Dato: 29.september 2016 Klokkeslett: 09 13 Sted: Tillatte hjelpemidler: B154 «Tabeller og formler i statistikk» av Kvaløy og
DetaljerOppgave 1. X 1 B(n 1, p 1 ) X 2. Vi er interessert i forskjellen i andeler p 1 p 2, som vi estimerer med. p 1 p 2 = X 1. n 1 n 2.
Løsningsforslag til eksamen i MOT310 STATISTISKE METODER 1 VARIGHET: 4 TIMER DATO: 17 november 2008 TILLATTE HJELPEMIDLER: Kalkulator: HP30S, Casio FX82 eller TI-30 Tabeller og formler i statistikk Tapir
DetaljerSimulering med Applet fra boken, av z og t basert på en rekke utvalg av en gitt størrelse n fra N(μ,σ). Illustrerer hvordan estimering av variansen
Simulering med Applet fra boken, av z og t basert på en rekke utvalg av en gitt størrelse n fra N(μ,σ). Illustrerer hvordan estimering av variansen gir testobservatoren t mer spredning enn testobservatoren
DetaljerSTK juni 2016
Løsningsforslag til eksamen i STK220 3 juni 206 Oppgave a N i er binomisk fordelt og EN i np i, der n 204 Hvis H 0 er sann, er forventningen lik E i n 204/6 34 for i, 2,, 6 6 Hvis H 0 er sann er χ 2 6
DetaljerTMA4240 Statistikk Høst 2009
TMA440 Statistikk Høst 009 Norges teknisk-naturvitenskapelige universitet Institutt for matematiske fag Øving nummer b6 Løsningsskisse Oppgave a) n 8, i x i 675, x 37.5, i y i 488, i x i 375, i x iy i
DetaljerST0202 Statistikk for samfunnsvitere Kapittel 13: Lineær regresjon og korrelasjon
ST0202 Statistikk for samfunnsvitere Kapittel 13: Lineær regresjon og korrelasjon Bo Lindqvist Institutt for matematiske fag http://wiki.math.ntnu.no/st0202/2012h/start 2 Kap. 13: Lineær korrelasjons-
DetaljerLøsningsforslag, 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.
DetaljerUNIVERSITETET I OSLO Det matematisk-naturvitenskapelige fakultet
UNIVERSITETET I OSLO Det matematisk-naturvitenskapelige fakultet Eksamen i: STK1120 Statistiske metoder og dataanalyse 2 Eksamensdag: Mandag 4. juni 2007. Tid for eksamen: 14.30 17.30. Oppgavesettet er
DetaljerUNIVERSITETET I OSLO
UNIVERSITETET I OSLO Det matematisk-naturvitenskapelige fakultet Eksamen i: STK1100 Statistiske metoder og dataanalyse 1 - Løsningsforslag Eksamensdag: Mandag 30. november 2015. Tid for eksamen: 14.30
DetaljerKort overblikk over kurset sålangt
Kort overblikk over kurset sålangt Kapittel 1: Deskriptiv statististikk for en variabel Kapittel 2: Deskriptiv statistikk for samvariasjon mellom to variable (regresjon) Kapittel 3: Metoder for å innhente
DetaljerKapittel 3: Studieopplegg
Oversikt over pensum Kapittel 1: Empirisk fordeling for en variabel o Begrepet fordeling o Mål for senter (gj.snitt, median) + persentiler/kvartiler o Mål for spredning (Standardavvik s, IQR) o Outliere
DetaljerECON240 VÅR / 2016 BOKMÅL
ECON240 VÅR / 2016 BOKMÅL UNIVERSITETET I BERGEN EKSAMEN UNDER SAMFUNNSVITENSKAPELIG GRAD [ DATO og KLOKKESLETT FOR EKSAMEN (START OG SLUTT) ] Tillatte hjelpemidler: Matematisk formelsamling av K. Sydsæter,
DetaljerEksamensoppgave i TMA4245 Statistikk
Institutt for matematiske fag Eksamensoppgave i TMA4245 Statistikk Faglig kontakt under eksamen: Ingelin Steinsland a, Øyvind Bakke b Tlf: a 73 59 02 39, 926 63 096, b 73 59 81 26, 990 41 673 Eksamensdato:
DetaljerFra boka: 10.32, 10.33, 10.34, 10.35, 10.3 og (alle er basert på samme datasett).
Fra boka: 10.32, 10.33, 10.34, 10.35, 10.3 og 10.37 (alle er basert på samme datasett). ############ OPPGAVE 10.32 # Vannkvalitet. n=49 målinger i ulike områder. # Forutsetter at datasettene til boka (i
DetaljerEKSAMENSOPPGAVE Georg Elvebakk NB! Det er ikke tillatt å levere inn kladd sammen med besvarelsen
Fakultet for naturvitenskap og teknologi EKSAMENSOPPGAVE Eksamen i: STA-1001. Dato: 30.mai 2016. Klokkeslett: 09 13. Sted: Tillatte hjelpemidler: Teorifagbygget, «Tabeller og formler i statistikk» av Kvaløy
DetaljerLøsningsforslag øving 9, ST1301
Løsningsforslag øving 9, ST1301 Oppgave 1 Regresjon. Estimering av arvbarhet. a) Legg inn din egen høyde, din mors høyde, din fars høyde, og ditt kjønn via linken på fagets hjemmeside 1. Last så ned dataene
DetaljerForelesning 3 STK3100
Eks. Fødselsvekt mot svangerskapslengde og kjønn Forelesning 3 STK3100 8. september 2008 S. O. Samuelsen Plan for forelesning: 1. Generelt om lineære modeller 2. Variansanalyse - Kategoriske kovariater
DetaljerForelesning 7 STK3100
( % - -! " stimering: MK = ML Forelesning 7 STK3100 1 oktober 2007 S O Samuelsen Plan for forelesning: 1 Generelt om lineære modeller 2 Variansanalyse - Kategoriske kovariater 3 Koding av kategoriske kovariater
DetaljerTillatte hjelpemidler: C3: alle typer kalkulator, alle andre hjelpemidler
EKSAMENSOPPGAVER Institutt: Eksamen i: Tid: IKBM STAT100 Torsdag 13.des 2012 STATISTIKK 09.00-12.30 (3.5 timer) Emneansvarlig: Solve Sæbø ( 90065281) Tillatte hjelpemidler: C3: alle typer kalkulator, alle
DetaljerTMA4240 Statistikk Høst 2009
TMA4240 Statistikk Høst 2009 Norges teknisk-naturvitenskapelige universitet Institutt for matematiske fag Øving nummer b6 Oppgave 1 Oppgave 11.5 fra læreboka. Oppgave 2 Oppgave 11.21 fra læreboka. Oppgave
DetaljerOppgave 1. Kilde SS df M S F Legering Feil Total
MOT30 Statistiske metoder, høste0 Løsninger til regneøving nr. 0 (s. ) Oppgave Y ij = µ i + ε ij, der ε ij uavh. N(0, σ ) der µ i er forventa kopperinnhold for legering i og ε ij er feilleddet (tilfeldig
DetaljerTMA4245 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
DetaljerTMA4240 Statistikk Eksamen desember 2015
Norges teknisk-naturvitenskapelige universitet Institutt for matematiske fag TMA4240 Statistikk Eksamen desember 15 Oppgave 1 La den kontinuerlige stokastiske variabelen X ha fordelingsfunksjon (sannsynlighetstetthet
DetaljerLøsningsforslag eksamen 25. november 2003
MOT310 Statistiske metoder 1 Løsningsforslag eksamen 25. november 2003 Oppgave 1 a) Vi har µ D = µ X µ Y. Sangere bruker generelt trapesius-muskelen mindre etter biofeedback dersom forventet bruk av trapesius
DetaljerST0202 Statistikk for samfunnsvitere
ST0202 Statistikk for samfunnsvitere Bo Lindqvist Institutt for matematiske fag 2 Statistisk inferens (kap. 8) Statistisk inferens er å tolke/analysere resultater fra utvalget for å finne ut mest mulig
DetaljerAndre 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
DetaljerLøsningsforslag til eksamen i TMA4245 Statistikk 7. juni 2007
Løsningsforslag til eksamen i TMA4245 Statistikk 7. juni 2007 Oppgave 1: Pengespill a) For hver deltaker har vi følgende situasjon: Deltakeren får en serie oppgaver. Hver runde har to mulige utfall: Deltakeren
DetaljerTMA4240 Statistikk 2014
Norges teknisk-naturvitenskapelige universitet Institutt for matematiske fag Øving nummer 9, blokk II Løsningsskisse Oppgave Scriptet run confds.m simulerer n data x,..., x n fra en normalfordeling med
DetaljerEksamensoppgave i TMA4267 Lineære statistiske modeller
Institutt for matematiske fag Eksamensoppgave i TMA4267 Lineære statistiske modeller Faglig kontakt under eksamen: Mette Langaas Tlf: 988 47 649 Eksamensdato: 19. mai 2017 Eksamenstid (fra til): 09.00
DetaljerÅMA110 Sannsynlighetsregning med statistikk, våren 2006 Kp. 6, del 4
ÅMA110 Sannsynlighetsregning med statistikk, våren 2006 Kp. 6, del 4 Bjørn H. Auestad Institutt for matematikk og naturvitenskap Universitetet i Stavanger 27. mars Bjørn H. Auestad Kp. 6: Hypotesetesting
DetaljerEksamensoppgåve i TMA4267 Lineære statistiske modellar
Institutt for matematiske fag Eksamensoppgåve i TMA4267 Lineære statistiske modellar Fagleg kontakt under eksamen: Øyvind Bakke Tlf: 73 59 81 26, 990 41 673 Eksamensdato: 22. mai 2015 Eksamenstid (frå
DetaljerTMA4240 Statistikk Høst 2007
TMA4240 Statistikk Høst 2007 Norges teknisk-naturvitenskapelige universitet Institutt for matematiske fag Øving nummer b4 Løsningsskisse Oppgave 1 Eksamen juni 1999, oppgave 3 av 3 a) µ populasjonsgjennomsnitt,
Detaljerår 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
DetaljerEksamen i : STA-1002 Statistikk og. Eksamensdato : 3. juni Sted : Administrasjonsbygget. Tillatte hjelpemidler : - Godkjent kalkulator
Side 1 av 11 sider EKSAMENSOPPGAVE I STA-1002 Eksamen i : STA-1002 Statistikk og sannsynlighet 2 Eksamensdato : 3. juni 2011. Tid : 09-13. Sted : Administrasjonsbygget. Tillatte hjelpemidler : - Godkjent
DetaljerDekkes av kap , 9.10, 9.12 og forelesingsnotatene.
Estimering 2 -Konfidensintervall Dekkes av kap. 9.4-9.5, 9.10, 9.12 og forelesingsnotatene. En (punkt-)estimator ˆΘ gir oss et anslag på en ukjent parameterverdi, men gir oss ikke noen direkte informasjon
DetaljerTMA4240 Statistikk Høst 2015
Norges teknisk-naturvitenskapelige universitet Institutt for matematiske fag Øving nummer 0, blokk II Løsningsskisse Oppgave Surhetsgrad i ferskvann Eksamen august 00, oppgave av 3 a) En god estimator
Detaljer+ 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:
DetaljerStatistisk inferens (kap. 8) Hovedtyper av statistisk inferens. ST0202 Statistikk for samfunnsvitere
2 Statistisk inferens (kap. 8) Statistisk inferens er å tolke/analysere resultater fra utvalget for å finne ut mest mulig om populasjonen. Konkret: Å analysere en utvalgsobservator for å trekke slutninger
DetaljerLøsningsforslag Eksamen i Statistikk SIF5060 Aug 2002
Løsningsforslag Eksamen i Statistikk SIF5060 Aug 2002 Oppgave 1 a) En god estimator er forventningsrett og har liten varians. Vi tester forventningsretthet: E[ˆµ] E[Y ] µ E[ µ] E[ 1 2 X + 1 2 Y ] 1 2 E[X]
DetaljerUNIVERSITETET I OSLO
Eksamen i: UNIVERSITETET I OSLO Det matematisk-naturvitenskapelige fakultet STK2120 Skisse til løsning/fasit. Eksamensdag: Torsdag 5. juni 2014. Tid for eksamen: 14.30 18.30. Oppgavesettet er på 5 sider.
Detaljerα =P(type I feil) = P(forkast H 0 H 0 er sann) =1 P(220 < X < 260 p = 0.6)
TMA4245 Statistikk Vår 212 Norges teknisk-naturvitenskapelige universitet Institutt for matematiske fag Øving 4 blokk II Løsningsskisse Oppgave 1 4 personer spurt. Hvis mellom 22 og 26 personer svarer
DetaljerST0202 Statistikk for samfunnsvitere
ST0202 Statistikk for samfunnsvitere Bo Lindqvist Institutt for matematiske fag 2 Statistisk inferens (kap. 8) Statistisk inferens er å tolke/analysere resultater fra utvalget for å finne ut mest mulig
DetaljerTidspunkt: Fredag 18. mai (3.5 timer) Tillatte hjelpemidler: C3. Alle typer kalkulatorer, alle andre hjelpemidler.
Fakultet: KBM Eksamen i: STAT100 STATISTIKK Tidspunkt: Fredag 18. mai 2018 14.00 17.30 (3.5 timer) Kursansvarlig: Trygve Almøy 95141344 Tillatte hjelpemidler: C3. Alle typer kalkulatorer, alle andre hjelpemidler.
DetaljerST0202 Statistikk for samfunnsvitere
ST0202 Statistikk for samfunnsvitere Bo Lindqvist Institutt for matematiske fag 2 Kap. 10: Inferens om to populasjoner Situasjon: Vi ønsker å sammenligne to populasjoner med populasjonsgjennomsnitt henholdsvis
DetaljerST0202 Statistikk for samfunnsvitere
ST0202 Statistikk for samfunnsvitere Bo Lindqvist Institutt for matematiske fag 2 Kap. 10: Inferens om to populasjoner Situasjon: Det er to populasjoner som vi ønsker å sammenligne. Vi trekker da et utvalg
DetaljerOppgave 1. a) Anlysetype: enveis variansanalyse (ANOVA). Modell for y ij = ekspedisjonstid nr. j for skrankeansatt nr. i:
MOT310 tatistiske metoder 1 Løsningsforslag til eksamen høst 010, s 1 Oppgave 1 a) Anlysetype: enveis variansanalyse (ANOVA) Modell for y ij ekspedisjonstid nr j for skrankeansatt nr i: Y ij µ i + ε ij,
DetaljerInferens. STK Repetisjon av relevant stoff fra STK1100. Eksempler. Punktestimering - "Fornuftig verdi"
Inferens STK1110 - Repetisjon av relevant stoff fra STK1100 Geir Storvik 12. august 2015 Data x 1,..., x n evt også y 1,..., y n Ukjente parametre θ kan være flere Vi ønsker å si noe om θ basert på data.
DetaljerNotasjon og Tabell 8. ST0202 Statistikk for samfunnsvitere
2 Inferens om varians og standardavvik for ett normalfordelt utvalg (9.4) Inferens om variansen til en normalfordelt populasjon bruker kjikvadrat-fordelingen ( chi-square distribution ) (der kji er den
DetaljerST0103 Brukerkurs i statistikk Forelesning 26, 18. november 2016 Kapittel 8: Sammenligning av grupper
ST0103 Brukerkurs i statistikk Forelesning 26, 18. november 2016 Kapittel 8: Sammenligning av grupper Bo Lindqvist Institutt for matematiske fag 2 Kapittel 8: Sammenligning av grupper Situasjon: Vi ønsker
DetaljerEksamensoppgave i ST1201/ST6201 Statistiske metoder
Institutt for matematiske fag Eksamensoppgave i ST1201/ST6201 Statistiske metoder Faglig kontakt under eksamen: Nikolai Ushakov Tlf: 45128897 Eksamensdato: 04. desember 2015 Eksamenstid (fra til): 09:00
DetaljerStatistisk inferens (kap. 8) Hovedtyper av statistisk inferens. ST0202 Statistikk for samfunnsvitere
2 Statistisk inferens (kap. 8) Statistisk inferens er å tolke/analysere resultater fra utvalget for å finne ut mest mulig om populasjonen. Konkret: Analysere en observator for å finne ut noe om korresponderende
DetaljerST0202 Statistikk for samfunnsvitere
ST0202 Statistikk for samfunnsvitere Bo Lindqvist Institutt for matematiske fag 2 Inferens om varians og standardavvik for ett normalfordelt utvalg (9.4) Inferens om variansen til en normalfordelt populasjon
Detaljer10.1 Enkel lineær regresjon Multippel regresjon
Inferens for regresjon 10.1 Enkel lineær regresjon 11.1-11.2 Multippel regresjon 2012 W.H. Freeman and Company Denne uken: Enkel lineær regresjon Litt repetisjon fra kapittel 2 Statistisk modell for enkel
DetaljerEksamensoppgave 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
DetaljerSnøtetthet. Institutt for matematiske fag, NTNU 15. august Notat for TMA4240/TMA4245 Statistikk
Snøtetthet Notat for TMA424/TMA4245 Statistikk Institutt for matematiske fag, NTNU 5. august 22 I forbindelse med varsling av om, klimaforskning og særlig kraftproduksjon er det viktig å kunne anslå hvor
DetaljerTMA4240 Statistikk Høst 2009
TMA4240 Statistikk Høst 2009 Norges teknisk-naturvitenskapelige universitet Institutt for matematiske fag Øving nummer b5 Løsningsskisse Oppgave 1 Vi ønsker å finne ut om et nytt serum kan stanse leukemi.
DetaljerOppgave 1. T = 9 Hypotesetest for å teste om kolesterolnivået har endret seg etter dietten: T observert = 2.16 0
Løsningsforslag til eksamen i MOT310 STATISTISKE METODER 1 VARIGHET: 4 TIMER DATO: 08. mai 2008 TILLATTE HJELPEMIDLER: Kalkulator: HP30S, Casio FX82 eller TI-30 Tabeller og formler i statistikk (Tapir
DetaljerAnalyse av kontinuerlige data. Intro til hypotesetesting. 21. april 2005. Seksjon for medisinsk statistikk, UIO. Tron Anders Moger
Intro til hypotesetesting Analyse av kontinuerlige data 21. april 2005 Tron Anders Moger Seksjon for medisinsk statistikk, UIO 1 Repetisjon fra i går: Normalfordelingen Variasjon i målinger kan ofte beskrives
DetaljerTMA4240 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
DetaljerOppgave N(0, 1) under H 0. S t n 3
MOT310 Statistiske metoder 1, høsten 2011 Løsninger til regneøving nr 9 (s 1) Oppgave 1 Modell: Y i β 0 + β 1 x i + β 2 x 2 i + ε i der ε 1,, ε n uif N(0, σ 2 ) e) Y Xβ + ε der Y Y 1 Y n, X 1 x 1 x 2 1
DetaljerHypotesetesting. Formulere en hypotesetest: Når vi skal test om en parameter θ kan påstås å være større enn en verdi θ 0 skriver vi dette som:
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.
DetaljerEKSAMEN I TMA4255 ANVENDT STATISTIKK
Norges teknisk naturvitenskapelige universitet Institutt for matematiske fag Side 1 av 7 Faglig kontakt under eksamen: Mette Langaas (988 47 649) BOKMÅL EKSAMEN I TMA4255 ANVENDT STATISTIKK Fredag 25.
DetaljerLØSNINGSFORSLAG 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
DetaljerEKSAMENSOPPGAVE. «Tabeller og formler i statistikk» av Kvaløy og Tjelmeland. To A4-ark/ 4 sider med egne notater. Godkjent kalkulator.
Fakultet for naturvitenskap og teknologi EKSAMENSOPPGAVE Eksamen i: STA-1001. Dato: Mandag 9. mai 017. Klokkeslett: 09 13. Sted: Åsgårdvegen 9. Tillatte hjelpemidler: «Tabeller og formler i statistikk»
DetaljerForelesning 8 STK3100/4100
Forelesning STK300/400 Plan for forelesning: 0. oktober 0 Geir Storvik. Lineære blandede modeller. Eksempler - data og modeller 3. lme 4. Indusert korrelasjonsstruktur. Marginale modeller. Estimering -
DetaljerEksamensoppgave i ST0103 Brukerkurs i statistikk
Institutt for matematiske fag Eksamensoppgave i ST0103 Brukerkurs i statistikk Faglig kontakt under eksamen: Nikolai Ushakov Tlf: 45128897 Eksamensdato: August 2018 Eksamenstid (fra til): 09:00 13:00 Hjelpemiddelkode/Tillatte
DetaljerVerdens statistikk-dag.
Verdens statistikk-dag http://unstats.un.org/unsd/wsd/ Signifikanstester Ønsker å teste hypotese om populasjon Bruker data til å teste hypotese Typisk prosedyre Beregn sannsynlighet for utfall av observator
DetaljerOppgaven består av 9 delspørsmål som anbefales å veie like mye. Kommentarer og tallsvar er skrevet inn mellom << >>. Oppgave 1
ECON 0 EKSMEN 007 VÅR SENSORVEILEDNING Oppgaven består av 9 delspørsmål som anbefales å veie like mye. Kommentarer og tallsvar er skrevet inn mellom >. Oppgave. La begivenhetene BC,, være slik at og
DetaljerKp. 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
DetaljerEKSAMEN I FAG TMA4260 INDUSTRIELL STATISTIKK
Norges teknisk naturvitenskapelige universitet Institutt for matematiske fag Side 1 av 12 Faglig kontakt under eksamen: Bo Lindqvist Tlf. 975 89 418 EKSAMEN I FAG TMA4260 INDUSTRIELL STATISTIKK Onsdag
DetaljerÅMA110 Sannsylighetsregning og statistikk Løsningsforslag til eksamen høst 2010, s. 1. Oppgave 1. Histogram over frekvenser.
ÅMA1 Sannsylighetsregning og statistikk Løsningsforslag til eksamen høst 0, s. 1 (Det tas forbehold om feil i løsningsforslaget.) a) Gjennomsnitt: x = 1 Emp. standardavvik: Median: 1 (1.33 + 1.) = 1.35
Detaljer