TMA4240 Statistikk Høst 2016

Størrelse: px
Begynne med side:

Download "TMA4240 Statistikk Høst 2016"

Transkript

1 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, σ G. Eâ Varâ EX a a. VarX σ G σ G. Estmatore er e leærkombasjo av Gaussske Normalfordelte tlfeldge varable, og er derfor Gausssk; â; a, σg. b Sde stadardavvket σ G er ukjet, er T â a Dermed er S G / Pr t,0.05 < T < t, Pr t,0.05 < t-fordelt med frhetsgrader. â a S G / < t, Prâ t,0.05 S G < a < â + t,0.05 S G Da er et 95% kofdestervall for a gtt ved [ â t,0.05 S G, â + t,0.05 S G ]. Oppgave Det er oppgtt oppgavetekste at estmatore er forvetgsrett, så v vet allerede at Eˆµ µ. Varase tl ˆµ er τ Varˆµ 0 σ τ0 + VarX + 0 σ 0 τ0 + VarY σ 0 τ 0 4σ 0 + σ4 0 τ 0 τ0 + τ 0 + σ 0 τ 0 σ 0 σ 0 τ0 + σ 0 τ 0 σ 0 τ0 +, σ 0 ab0-lsf-b 7. oktober 06 Sde

2 TMA440 Statstkk Høst 06 og ford ˆµ er e leærkombasjo av ormalfordelte varable, er de ormalfordelt. Altså har v Z ˆµ µ N0,, σ0 τ 0 τ0 +σ 0 slk at v får et 00% kofdestervall fra P ˆµ z / σ 0 τ 0 τ 0 + σ 0 P z / Z z / σ0 µ ˆµ + z τ 0 / τ0 +. σ 0 Itervallet er altså ] σ0 [ˆµ τ 0 σ0 z/ τ0 +, ˆµ + z τ 0 / σ 0 τ0 +. σ 0 Oppgave 3 a For å fe sasylghetstetthete tl Z ka v bruke trasformasjosformele fra teorem 7.3 læreboka Walpole, Myers, Myers og Ye. La Z λt ut, som er e stregt mooto og derverbar fuksjo for alle T. V har T Z/λ wz og w Z /λ. Dette gr g Z z fwz w z λe λz/λ /λ { e z/, z > 0 0, ellers b V har λt χ. Dersom levetde tl kompooetee T er uavhegg, ka v bruke følgede resultat λt χ λ T χ V fer et kofdestervall fra P χ /, < λ t < χ /, χ /, P t < λ < χ /, t c V ka evaluere sasylghetsmaksmergsestmatore som oppgtt oppgave, ˆλ 500/ 500 T, på følgede måte Matlab: t load levetder.txt ; % laste data legtht; % atall observasjoer ab0-lsf-b 7. oktober 06 Sde

3 lambdahat / sumt; % rege ut SME fprtf SME %.4f\,lambdahat % skrve SME tl kosoll TMA440 Statstkk Høst 06 V får at ˆλ Alteratvt kue v ha brukt de ebygde Matlab-fuksjoe expftt - merk at dee fer SME tl forvetgsverde /λ, kke rate λ som v bruker her. Fra oppgave b har v at λ 500 T χ 000. V ka derfor rege ut kofdestervallet som følger: alpha.; % df *; % atall frhetsgrader sum_t sumt; % Berege greser edre_grese chvalpha/, df / * sum_t; ovre_grese chv-alpha/, df / * sum_t; kof_t [edre_grese, ovre_grese]; kof_tsprtf %d, kof_t; fprtf Kofdestervall: %s\, kof_t V får følgede 90% kofdestervall for λ: [0.0090, 0.004]. Oppgave 4 a Kumulatv fordelg: Bruk substtusjoe u s med du sds: P X x x 0 x 0 e x fsds x 0 s e s [ e u du e u ds ] x 0 Betget fordelg: V har at P X > x P X x e x. P X > 5 X > 0 P X > 5 X > 0 P X > 0 5 e 5 e P X > 5 P X > 0 ab0-lsf-b 7. oktober 06 Sde 3

4 TMA440 Statstkk Høst 06 b Rmelghetsfuksjoe er gtt ved: Tar logartme: L; x,..., x fx,..., x ; fx ; fx ; x x e x e x x x e x. l; x,..., x l [L] l + lx x x l l + lx x x. F maksmumspukt ved å dervere l-rmelghetsfuksjoe og sette lk 0. l ˆ SME for blr da ˆ X. Vser at ˆ er forvetgsrett: x. x 0 E[ˆ] E[ X ] E[X ]. For å rege ut varase tl ˆ treger v først varase tl X. La Y X. Bruker at Var[Y ] E[Y ] E[Y ]. Dermed er Var[X ] Var[Y ] E[Y ] E[Y ] E[X 4 ] E[X ]. Da får v: Var[ˆ] Var[ X ] Var[X ]. ab0-lsf-b 7. oktober 06 Sde 4

5 TMA440 Statstkk Høst 06 c Setralgreseteoremet ser at hvs Y,..., Y er uavhegge og detsk fordelte, så er gjeomsttet tlærmet ormalfordelt. Mer presst er Z Ȳ E[Ȳ ] Var[ Ȳ ] tlærmet stadard ormalfordelt år er stor 30. I vårt tlfelle er Y X uavhegge og Ȳ X ˆ. Vdere er som fuet forrge pukt 3b, EȲ og VarȲ. Dermed blr Z tlærmet ormalfordelt år er stor. X V fer så et 95% kofdestervall med Sett Ȳ X. Bruker at Pr z Z z Pr z Ȳ z Pr z Pr z Pr + z Pr Et tlærmet 95% kofdestervall for blr da [ X Ȳ z Ȳ + z Ȳ z Ȳ Ȳ + z z + z, 0.05 X z 0.05 ] Sde p e 00 er e mootot stgede fuksjo av, har v at Pr X + z X z Et tlærmet 95% kofdestervall for e 00 Pr e 00 ˆ L e 00 e 00 ˆ U blr da [ ] e 00 ˆ L, e 00 ˆ U ab0-lsf-b 7. oktober 06 Sde 5

6 TMA440 Statstkk Høst 06 Oppgave 5 a De kumulatve fordelgsfuksjoe F x P X x bereger v ved å tegrere sasylghetstetthete fx. Dvs. F x x ftdt x βt β dt β [t β] x [ ] β x β x β. Sasylghete for at det går mer e uker mellom to påfølgede fel, år β 3, er P X > P X F β Sasylghete for at ettet svkter før det er gått 3.5 uker, gtt at det har gått mst uker sde sste fel, er med β 3 P X 3.5 X > P X 3.5 X > P X > F 3.5 F F P X 3.5 P X P X > b Sasylghetsmaksmergsestmatore, SME for β: Smultatetthete for X,..., X er fx,..., x ; β uavh. fx ; β βx β. Rmelghetsfuksjoe er smultafordelge sett på som fuksjo av β, og ka skrves som Lx,..., x ; β β x β. SME er de verde for β som maksmerer Lx,..., x ; β. Dee verde fer v ved først å ta logartme, så dervere og sette lk 0: lx,..., x ; β l Lx,..., x ; β l dlx,..., x ; β dβ β lβ + l lβ + x β β x β β + lx lβ β + β lx 0 lx lx Dette gr at SME for β er ˆβ ˆβ l X. Når v setter de observerte verdee får v følgede estmat for β: ab0-lsf-b 7. oktober 06 Sde 6

7 TMA440 Statstkk Høst 06 ˆβ ˆβ l x c V skal først vse at β lx er kjkvadratfordelt med frhetsgrader som er det samme som e ekspoesalfordelg. La Y β lx. V ka fe sasylghetsfordelge tl Y ved å bruke trasformasjosformele v ser her bort fra dekse utledge. La y ux β lx, slk at x wy exp y β. La f Y y være sasylghetstetthete tl Y. Trasformasjosformele ser da at f Y y f X wy w y. V derverer wy og får w y β exp y. Sasylghetstetthete tl Y blr da β f Y y f X wy w y βexp y β β β exp y β exp β y β exp y β exp β y β y β + y β exp y. Uttrykket for f Y y ka skrves f Y y / Γ/ y/ exp y, sde Γ/ Γ. Dette er sasylghetstetthete for e kjkvadratfordelt stokastsk varabel med frhetsgrader. Dermed har v vst at Y β lx er kjkvadratfordelt med frhetsgrader, dvs. Y χ. La Z β lx. Med Y β lx har v at Z β lx β lx Y. V har vst at Y χ, og sde e sum av uavhegge kjkvadratfordelte stokastske varabler er kjkvadratfordelt, med summe av frhetsgradee, er Z β lx kjkvadratfordelt med frhetsgrader. Kofdestervall for β: V bruker at Z β lx χ. La V får da at P χ /, < Z < χ /, P χ /, < β lx < χ /, χ /, P lx < β < χ /, lx ab0-lsf-b 7. oktober 06 Sde 7

8 TMA440 Statstkk Høst 06 Et 95% kofdestervall for β blr da [ ] χ 0.05, lx < β < χ 0.05, lx Isatt observerte verder får v [ < β < ] [.4, 5.04] Oppgave 6 Dekgssasylghet for kofdestervall a Utvalgsgjeomsttet X er ormalfordelt, Vdere er S kjkvadratfordelt, S X N µ, σ. X X χ. V får dermed e t-fordelt tlfeldg varabel ved å ta T X EX VarX X µ S / t. V ka da skrve P t,0.05 T t, P t,0.05 X µ S / t, S S P X t,0.05 µ X + t, b Trekker e vektor med uavhegge, ormalfordelte elemeter x,..., x ved hjelp av ormrd. Reger så ut x og s. Reger tl slutt ut L og U. mu 3; sg ; 0; x ormrdmu,sg,[,]; xbar sumx/; ssq sumx-xbar.^/-; qt cdf t,0.95,-; L xbar - qt*sqrtssq/; U xbar + qt*sqrtssq/; ab0-lsf-b 7. oktober 06 Sde 8

9 Sjekker om µ er eholdt tervallet ved å evaluere følgede uttrykk. L < mu & mu < U TMA440 Statstkk Høst 06 c Setter kode fra pukt a e for-løkke som går fra tl 0 000, og kremeterer tellevarabele Cout år et kofdestervall eholder µ. B 0000; Cout 0; for b :B x ormrdmu,sg,[,]; xbar sumx/; ssq sumx-xbar.^/-; qt cdf t,0.95,-; L xbar - qt*sqrtssq/; U xbar + qt*sqrtssq/; f L < mu & mu < U Cout Cout + ; ed ed Skrver ut de emprske dekgssasylghete med følgede kommado. fprtf Emprsk dekgssasylghet: %.4f\\,Cout/B Dee blr ær 0.9. ab0-lsf-b 7. oktober 06 Sde 9

Oppgave 1 Det er oppgitt i oppgaveteksten at estimatoren er forventningsrett, så vi vet allerede at E(ˆµ) = µ. Variansen til ˆµ er 2 2 ( )

Oppgave 1 Det er oppgitt i oppgaveteksten at estimatoren er forventningsrett, så vi vet allerede at E(ˆµ) = µ. Variansen til ˆµ er 2 2 ( ) Norges teksk-aturvteskapelge uverstet Isttutt for matematske fag Abefalt øvg Løsgssksse Oppgave Det er oppgtt oppgavetekste at estmatore er forvetgsrett, så v vet allerede at Eˆµ µ. Varase tl ˆµ er τ Varˆµ

Detaljer

TMA4245 Statistikk Eksamen mai 2016

TMA4245 Statistikk Eksamen mai 2016 Norges teksk-aturvteskapelge uverstet Isttutt for matematske fag Løsgssksse Oppgave a) Lar X være kvadratprse. Har da at X N(µ, σ 2 ), med µ 30 og σ 2 2, 5 2. P (X < 30) P (X < µ) 0.5 ( X 30 P (X > 25)

Detaljer

TMA4245 Statistikk Eksamen august 2014

TMA4245 Statistikk Eksamen august 2014 Norges teksk-aturvteskapelge uverstet Isttutt for matematske fag Løsgssksse Oppgave a) Y 5 PY > 53) PY 53) P ) 53 5 Φ5) 933 668 Vekte av e fylt flaske, X + Y, er e leærkombasjo av uavhegge ormalfordelte

Detaljer

TMA4245 Statistikk Eksamen 21. mai 2013

TMA4245 Statistikk Eksamen 21. mai 2013 TMA445 Statstkk Eksame ma 03 Korrgert 0 ju 03 Norges teksk-aturvteskapelge uverstet Isttutt for matematske fag Løsgssksse Oppgave Et plott av sasylghetstetthee er gtt fgur Vdere har v og PX = Φ = 08849

Detaljer

Løsningsforslag Eksamen i Statistikk Nov 2001 Oppgave 1 a) Det fins 8 mulige kombinasjoner. Disse finnes ved å utelate ett og ett tall.

Løsningsforslag Eksamen i Statistikk Nov 2001 Oppgave 1 a) Det fins 8 mulige kombinasjoner. Disse finnes ved å utelate ett og ett tall. Løsgsforslag Eksame Statstkk Nov 00 Oppgave a) Det fs 8 mulge kombasjoer. Dsse fes ved å utelate ett og ett tall. Atall utvalg av størrelse 7 blat m er ( m 7 ). b) Prs Atall Rekker 3 kr. ( 7 ) 3 kr....

Detaljer

Løsningsforslag (ST1201/ST , kontinuasjonseksamen) ln L. X i = 2n.

Løsningsforslag (ST1201/ST , kontinuasjonseksamen) ln L. X i = 2n. Løsgsforslag ST20/ST620 205, kotuasjoseksame. a Rmelghetsfuksjoe blr Logartme Derverer Løser lgge Løsge er SME: L = 2 e l L = 2 l X X. X + l X. l L = 2 + 2 X = 2. ˆ = 2 X. X. b Her ka ma beytte trasformasjosformele,

Detaljer

STK1100 våren Konfidensintevaller

STK1100 våren Konfidensintevaller STK00 våre 07 Kofdestevaller Svarer tl avstt 8. læreboka Ørulf Borga Matematsk sttutt Uverstetet Oslo Eksempel E kjemker er teressert å bestemme kosetrasjoe µ av et stoff e løsg Hu måler kosetrasjoe fem

Detaljer

Regler om normalfordelingen

Regler om normalfordelingen 1 HG Revdert mars 013 Notat tl kapttel 5 Løvås Regler om ormalfordelge Kjeskap tl reglee for ormalfordelge er gruleggede for de statstske aalyse kapttel 6 Løvås, og studetee må kue beherske dsse skkkelg

Detaljer

Econ 2130 uke 19 (HG) Inferens i enkel regresjon og diskrete modeller

Econ 2130 uke 19 (HG) Inferens i enkel regresjon og diskrete modeller Eco 3 uke 9 (HG) Iferes ekel regresjo og dskrete modeller De ekle regresjosmodelle. Resultater fra 5m og 5m for me fra EM på skøyter Heerevee 4. ( er 5m-tde og y 5m-tde sekuder for løper.) Spredgdagram

Detaljer

Regler om normalfordelingen

Regler om normalfordelingen 1 HG mars 2009 Notat tl kapttel 5 Løvås Regler om ormalfordelge Kjeskap tl reglee for ormalfordelge er gruleggede for de statstske aalyse kapttel 6 Løvås, og studetee må kue beherske dsse skkkelg dette

Detaljer

1. Konfidens intervall for

1. Konfidens intervall for Forelesg 0 + Yushu.@ub.o Kofdes tervall og Bootstrap. Kofdes tervall for ) Kofdes tervall [ ˆ, ˆ ] dekker de ukjete parametere med høy grad av skkerhet (kofdesvå): P( ˆ ˆ ), er f.eks 0.0 eller 0.05, eller

Detaljer

Regler om normalfordelingen

Regler om normalfordelingen HG mars 0 Notat tl kapttel 5 Løvås Regler om ormalfordelge Kjeskap tl reglee for ormalfordelge er gruleggede for de statstske aalyse kapttel 6 Løvås, og studetee må kue beherske dsse skkkelg dette kurset.

Detaljer

som vi ønsker å si noe om basert på data Eksempel. Uid-modellen: X1, X ,,,

som vi ønsker å si noe om basert på data Eksempel. Uid-modellen: X1, X ,,, HG Eco30 07 9/3-07 Supplemet tl forelesg uke 0 (6 mars) (Det jeg kke rakk å ta på forelesg) Termolog (estmerg) Data (kokrete tall), x, x, er ervasjoer av stokastske varable, X, X, De statstske modelle

Detaljer

Econ 2130 uke 15 (HG)

Econ 2130 uke 15 (HG) Eco 130 uke 15 (HG) Kofdestervall Løvås: 6.1., 6.3.1 3. (Avstt 6.3.4 6 leses på ege håd. Se også overskt over kofdestercvall ekstra otat på ettet.) 1 Defsjo av kofdestervall La θ være e ukjet parameter

Detaljer

Forelesning 19 og 20 Regresjon og korrelasjons (II)

Forelesning 19 og 20 Regresjon og korrelasjons (II) STAT111 Statstkk Metoder Yushu.L@ub.o Forelesg 19 og 0 Regresjo og korrelasjos (II) 1. Kofdestervall (CI) og predksjostervall (PI) I uka 14, brukte v leær regresjo for å fage leær sammehege mellom Y og

Detaljer

STK1110 høsten Lineær regresjon. Svarer til avsnittene i læreboka (med unntak av stoffet om logistisk regresjon)

STK1110 høsten Lineær regresjon. Svarer til avsnittene i læreboka (med unntak av stoffet om logistisk regresjon) TK høste 9 Eksempel.5 (CO og vekst av furutrær Leær regreso varer tl avsttee..4 læreboka (med utak av stoffet om logstsk regreso Ørulf Borga Matematsk sttutt Uverstetet Oslo V vl bestemme sammehege mellom

Detaljer

Forelesning 25 og 26 Introduksjon til Bayesiansk statistikk

Forelesning 25 og 26 Introduksjon til Bayesiansk statistikk Yushu.@hh.o Forelesg 5 og 6 Itroduksjo tl Bayesask statstkk 1. Itroduksjo Fortsatt atar v har stokastsk varabel X (X ka være stokastsk varabel vektor) kommer fra e fordelg med parametere ( ka være parameter

Detaljer

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

ÅMA110 Sannsynlighetsregning med statistikk, våren Estimering. Målemodellen. Sannsynlighetsregning med statistikk ÅMA0 Sasylghetsregg med statstkk, våre 00 Kp. 5 Estmerg. Målemodelle. Estmerg. Målemodelle. Ihold:. (Pukt)Estmerg bomsk modell (kp. 5.). Målemodelle... (kp. 5.3) 3. (Pukt)Estmerg målemodelle (kp. 5.3)

Detaljer

OBLIGATORISK OPPGAVE 1 INF 3340/4340/9340 HØSTEN 2005

OBLIGATORISK OPPGAVE 1 INF 3340/4340/9340 HØSTEN 2005 OBLIGATORISK OPPGAVE INF 0/0/90 HØSTEN 005 Levergsfrst: 0. september 005 Arbedsform: Løses dvduelt Ileverg tl: Aja Bråthe Krstofferse (ajab@f.uo.o Levergskrav: Det forutsettes at du er kjet med holdet

Detaljer

Om enkel lineær regresjon II

Om enkel lineær regresjon II ECON 3 HG, aprl Notat tl kapttel 7 Løvås Om ekel leær regresjo II Merk: Det ka løe seg først å lese avstt 4 regresjo-i-otatet på ytt. Regresjosmodelle. La Y være e stokastsk varabel som v kaller resposvarabele

Detaljer

Oversikt over tester i Econ 2130

Oversikt over tester i Econ 2130 HG Revdert aprl 2 Overskt over tester Eco 23 La θ være e ukjet parameter (populasjos-størrelse e statstsk modell. Uttrykket ukjet parameter betyr at de sae verde av θ populasjoe er ukjet. Når v setter

Detaljer

Forelesning Ordnings observatorer

Forelesning Ordnings observatorer Yushu.L@ub.o Forelesg 6 + 7 Ordgs observatorer. Oppsummerg tl Forelesg 4 og 5.) Fuksjoer (trasformasjoer) av flere S.V...) Smultafordelg tl to ye S.V. Ata at v har to S.V., med smultafordelg f ( x, x )

Detaljer

Det anbefales at de 9 deloppgavene merket med A, B, teller likt uansett variasjon i vanskelighetsgrad. Svarene er gitt i << >>.

Det anbefales at de 9 deloppgavene merket med A, B, teller likt uansett variasjon i vanskelighetsgrad. Svarene er gitt i << >>. ECON 3 EKSAMEN VÅR TALLSVAR Det abefales at de 9 deloppgavee merket med A, B, teller lkt uasett varasjo vaskelghetsgrad. Svaree er gtt

Detaljer

Forelesning Enveis ANOVA

Forelesning Enveis ANOVA STAT111 Statstkk Metoder ushu.l@ub.o Forelesg 14 + 15 Eves ANOVA 1. troduksjo a. Z-, t- test Uka 1: tester for forvetgsdfferase to populasjoer (grupper) b. ANOVA (aalyss of varace): tester om det er forskjeller

Detaljer

Løsningskisse seminaroppgaver uke 17 ( april)

Løsningskisse seminaroppgaver uke 17 ( april) HG Aprl 14 Løsgsksse semaroppgaver uke 17 (.-5. aprl) Oppg. 5.6 (begge utgaver) La X = atall bar utvalget som har lærevasker. Adel bar med lærevasker populasjoe av bar atas å være p.15. Utvalgsstørrelse

Detaljer

5 y y! e 5 = = y=0 P (Y < 5) = P (Y 4) = 0.44,

5 y y! e 5 = = y=0 P (Y < 5) = P (Y 4) = 0.44, Norges tekisk-aturviteskapelige uiversitet Istitutt for matematiske fag Abefalte oppgaver 9, blokk II Løsigsskisse Oppgave a) Vi lar her Y være atall fugler som kolliderer med vidmølla i løpet av de gitte

Detaljer

Analyse av sammenhenger

Analyse av sammenhenger Kapttel 7.-7.3: Aalyse av sammeheger Korrelasjo og regresjo E vktg avedelse av statstkk er å studere sammeheger mellom varabler: Avgjøre om det er sammeheger. Beskrve hvorda evetuelle sammeheger er. Eksempler:

Detaljer

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

ÅMA110 Sannsynlighetsregning med statistikk, våren Estimering. Målemodellen. Estimering. Målemodellen. Kp. 5 Estimering. Målemodellen. ÅMA0 Sasylghetsregg med statstkk, våre 006 Kp. 5 Estmerg. Målemodelle. Estmerg. Målemodelle. Ihold:. (Pukt)Estmerg bomsk modell (kp. 5.). Målemodelle... (kp. 5.). (kp. 5.) 4. Estmere, estmat, estmator

Detaljer

STK1100 våren Estimering. Politisk meningsmåling. Svarer til sidene i læreboka. The German tank problem. Måling av lungefunksjon

STK1100 våren Estimering. Politisk meningsmåling. Svarer til sidene i læreboka. The German tank problem. Måling av lungefunksjon STK00 våre 07 Estmerg Svarer tl sdee 33-339 læreboka Poltsk megsmålg Sør et tlfeldg utvalg å 000 ersoer hva de vlle ha stemt hvs det hadde vært valg 305 vlle ha stemt A A's oslutg er Ørulf Borga Matematsk

Detaljer

Det ble orientert i plenum under eksamensdagen om følgende endringer i forhold til oppgaven:

Det ble orientert i plenum under eksamensdagen om følgende endringer i forhold til oppgaven: LØSNINGSFORSLAG EKSAMEN 4 MAI 007 MET00 STATISTIKK GRUNNKURS Det ble oretert pleum uder eksamesdage om følgede edrger forhold tl oppgave: Oppgave b går ut. Det vl da bl 9 oppgaver og alle oppgaver teller

Detaljer

Statistikk med anvendelse i økonomi

Statistikk med anvendelse i økonomi A-6 og A-6-G, 6. ma 08 Emekode: Emeav: A-6 og A-6-G tatstkk med avedelse økoom Dato: 6. ma 08 Varghet: 0900-300 Atall sder kl. forsde 0 Tllatte hjelpemdler: erkader: Kalkulator med tømt me og ute kommukasjosmulgheter.

Detaljer

Oversikt over tester i Econ 2130

Oversikt over tester i Econ 2130 1 HG Revdert aprl 217 Overskt over tester Eco 213 La være e ukjet parameter (populasjos-størrelse) e statstsk modell. Uttrykket ukjet parameter betyr at de sae verde av populasjoe er ukjet. Når v setter

Detaljer

Om enkel lineær regresjon II

Om enkel lineær regresjon II ECON 3 HG, revdert aprl Notat tl kapttel 7 Løvås Om ekel leær regresjo II Merk: Det ka løe seg først å lese avstt 4 regresjo-i-otatet på ytt. Regresjosmodelle. La Y være e stokastsk varabel (som v kaller

Detaljer

Forelesning 3 MET3592 Økonometri ved David Kreiberg Vår 2011

Forelesning 3 MET3592 Økonometri ved David Kreiberg Vår 2011 Forelesg 3 MET359 Økoometr ved Davd Kreberg Vår 0 Dverse oppgaver Oppgave. E vestor samler følgede formasjo om markedsavkastge og avkastge på det som ser ut tl å være et attraktvt aksjefod År Aksjefodets

Detaljer

Om enkel lineær regresjon II

Om enkel lineær regresjon II 1 ECON 13 HG, revdert aprl 17 Notat tl kapttel 7 Løvås Om ekel leær regresjo II Merk: Det ka løe seg først å lese avstt 4 regresjo-i-otatet på ytt. Regresjosmodelle. La Y være e stokastsk varabel (som

Detaljer

Avdeling for estetiske fag, folkekultur og lærerutdanning BOKMÅL 29. mai 2007

Avdeling for estetiske fag, folkekultur og lærerutdanning BOKMÅL 29. mai 2007 Høgskole Telemark Avdelg for estetske fag, folkekultur og lærerutdag BOKMÅL 9. ma 7 EKSAMEN I MATEMATIKK, Modul 5 studepoeg Td: 5 tmer Hjelpemdler: Kalkulator og vedlagt formelsamlg (bakerst oppgavesettet).

Detaljer

Oversikt over konfidensintervall i Econ 2130

Oversikt over konfidensintervall i Econ 2130 1 HG Mars 017 Overskt over kofdestervall Eco 130 Merk at dee overskte kke er met å leses stedefor framstllge Løvås, me som et supplemet. De eholder tabeller med formler for kofdestervaller for stuasjoer

Detaljer

TMA4240/4245 Statistikk Eksamen august 2016

TMA4240/4245 Statistikk Eksamen august 2016 Norges teknsk-naturvtenskapelge unverstet Insttutt for matematske fag TMA44/445 Statstkk Eksamen august 6 Løsnngssksse Oppgave a) Ved kast av to ternnger er det 36 mulge utfall: (, ),..., (6, 6). La Y

Detaljer

Mer om Hypotesetesting (kap 5) Student t-fordelingen. Eksamen. Fordelingene blir like ved stor n:

Mer om Hypotesetesting (kap 5) Student t-fordelingen. Eksamen. Fordelingene blir like ved stor n: Mer om Hypotesetestg kap 5 Overskt: Små utvalg og Studet s t-fordelg Hypotesetestg for populasjosgjeomsttet, μ Med tlfeldg og stort utvalg er fordelge tl testobservatore motvert av SGT Hva skjer dersom

Detaljer

EKSAMEN løsningsforslag

EKSAMEN løsningsforslag 5. aprl 017 EKSAMEN løsgsforslag Emekode: ITD0106 Emeav: Statstkk og økoom Dato:. ma 016 Eksamestd: 09.00 13.00 Hjelpemdler: - Alle trykte og skreve. - Kalkulator. Faglærer: Chrsta F Hede Om eksamesoppgave

Detaljer

Oversikt over tester i Econ 2130

Oversikt over tester i Econ 2130 1 HG Revdert aprl 213 Overskt ver tester Ec 213 La θ være e ukjet parameter (ppulasjs-størrelse) e statstsk mdell. Uttrykket ukjet parameter betyr at de sae verde av θ ppulasje er ukjet. Når v setter pp

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

TMA4240 Statistikk 2014

TMA4240 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

Detaljer

STK desember 2007

STK desember 2007 Løsnngsfrslag tl eksamen STK0 5. desember 2007 Oppgave a V antar at slaktevektene tl kalkunene fra Vrgna er bserverte verder av stkastske varabler X, X 2, X, X 4 sm er uavhengge g Nµ, σ 2 -frdelte, g at

Detaljer

Forelesning Punktestimering

Forelesning Punktestimering STAT Statst Metoder Yushu.L@ub.o Forelesg 8 + 9 Putestmerg. Fra sasylghetsteor tl statst feres ) Sasylghetsberegg sasylghetsteor: v jeer parametere som besrver modellee, f.es. p boms modell, ormal fordelg,

Detaljer

X ijk = µ+α i +β j +γ ij +ǫ ijk ; k = 1,2; j = 1,2,3; i = 1,2,3; i=1 γ ij = 3. i=1 α i = 3. j=1 β j = 3. j=1 γ ij = 0.

X ijk = µ+α i +β j +γ ij +ǫ ijk ; k = 1,2; j = 1,2,3; i = 1,2,3; i=1 γ ij = 3. i=1 α i = 3. j=1 β j = 3. j=1 γ ij = 0. UNIVERSITETET I OSLO Det matematsk-naturvtenskapelge fakultet Eksamen : Eksamensdag: 7. jun 2013. Td for eksamen: 14.30 18.30. Oppgavesettet er på 8 sder. Vedlegg: Tllatte hjelpemdler: STK2120 LØSNINGSFORSLAG

Detaljer

TALLSVAR. Det anbefales at de 9 deloppgavene merket med A, B, teller likt uansett variasjon i vanskelighetsgrad. Svarene er gitt i << >>.

TALLSVAR. Det anbefales at de 9 deloppgavene merket med A, B, teller likt uansett variasjon i vanskelighetsgrad. Svarene er gitt i << >>. ECON: EKAMEN TALLVAR. et abefales at de 9 deloppgavee merket med A, B, teller lkt uasett varasjo vaskelghetsgrad. varee er gtt

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

Formler og regler i statistikk ifølge lærebok Gunnar Løvås: Statistikk for universiteter og høgskoler

Formler og regler i statistikk ifølge lærebok Gunnar Løvås: Statistikk for universiteter og høgskoler Formler og regler statstkk følge lærebok Guar Løvås: tatstkk for uversteter og høgskoler Kap. Hva er fakta om utvalget etralmål Meda: mdterste verd etter sorterg Modus: hyppgst forekommede verd Gjeomstt:

Detaljer

Avdeling for estetiske fag, folkekultur og lærerutdanning BOKMÅL 14.12.2007

Avdeling for estetiske fag, folkekultur og lærerutdanning BOKMÅL 14.12.2007 Høgskole Telemark Avdelg for estetske fag, folkekultur og lærerutdag BOKMÅL 4..7 UTATT PRØVE I MATEMATIKK, Modul 5 studepoeg Td: 5 tmer Hjelpemdler: Kalkulator og vedlagt formelsamlg (bakerst oppgavesettet).

Detaljer

TMA4240 Statistikk Høst 2009

TMA4240 Statistikk Høst 2009 TMA440 Statistikk Høst 009 Norges tekisk-aturviteskapelige uiversitet Istitutt for matematiske fag Øvig ummer b4 Løsigsskisse Oppgave Øsker å fie 99% kofidesitervall for µ µ år vi atar ormalfordeliger

Detaljer

Notat 1: Grunnleggende statistikk og introduksjon til økonometri

Notat 1: Grunnleggende statistikk og introduksjon til økonometri Notat : Gruleggede statstkk og troduksjo tl økoometr Gruleggede statstkk Populasjo vs. utvalg Statstsk feres gjør bruk av formasjoe et utvalg tl å trekke koklusjoer (el. slutger) om populasjoe som utvalget

Detaljer

Forelesning 21 og 22 Goodness of fit test and contingency table ( 2 test og krysstabell)

Forelesning 21 og 22 Goodness of fit test and contingency table ( 2 test og krysstabell) STAT111 Statstkk Metoder Yushu.L@ub.o Forelesg 1 Goodess of ft test ad cotgecy table ( test krysstabell 1.Goodess of ft test ( test Ata at v har et utvalg med observasjoee fra e stokastsk varabel X. Goodess-of-ft

Detaljer

TMA4300 Mod. stat. metoder

TMA4300 Mod. stat. metoder TMA4300 Mod stat metoder Norges teknsk-naturvtenskapelge unverstet Insttutt for matematske fag Løsnngsforslag - Eksamen jun 2007 Oppgave Pseudokode for å evaluere θ: Generer uavhengge realsasjoner x,,x

Detaljer

Seminaroppgaver for uke 13

Seminaroppgaver for uke 13 1 ECON 2130 2016 vår Semarpla fra og med uke 13 Semaroppgaver for uke 13 1) Fra eksame Eco 2130, 2004 høst: Oppgave 3: (Fel oppgave på ststuttets overskt over gamle eksamesoppgaver) La X og Y være to uavhegge

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

ÅMA110 Sannsynlighetsregning med statistikk, våren 2007

ÅMA110 Sannsynlighetsregning med statistikk, våren 2007 ÅMA0 Sasylghetsregg med statstkk, våre 007 Kp. 5 Estmerg. Målemodelle. Estmerg. Målemodelle. Ihold:. (Pukt)Estmerg bomsk modell (kp. 5.). Målemodelle... (kp. 5.3) 3. (Pukt)Estmerg målemodelle (kp. 5.3)

Detaljer

Seminaroppgaver for uke 13 (Oppgave (1), (2), og (3))

Seminaroppgaver for uke 13 (Oppgave (1), (2), og (3)) 1 ECON 2130 2017 vår Semarpla fra og med uke 13 Semaroppgaver for uke 13 (Oppgave (1), (2), og (3)) (1) Fra eksame Eco 2130, 2004 høst: Oppgave 3: (Fel oppgave på ststuttets overskt over gamle eksamesoppgaver)

Detaljer

(ii) Anta vi vet om en observasjon av X at den ikke er større enn 5. Hva er da sannsynligheten for at den er lik 5? (Hint: Finn PX ( = 5 X 5) ).

(ii) Anta vi vet om en observasjon av X at den ikke er større enn 5. Hva er da sannsynligheten for at den er lik 5? (Hint: Finn PX ( = 5 X 5) ). ECON3: EKSAMEN VÅR - UTSATT PRØVE Oppgave Ata er possofordelt med parameter λ = 5 (skrevet kort, ~ pos(5), jfr. defsjo 5.8 Løvås med t = ). A. () F P= ( 5) og P ( 5), for eksempel basert på tabell D. Løvås.

Detaljer

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

Oppgave 1 a) Minste kvadraters metode tilpasser en linje til punktene ved å velge den linja som minimerer kvadratsummen. x i (y i α βx i ) = 0, SSE =

Oppgave 1 a) Minste kvadraters metode tilpasser en linje til punktene ved å velge den linja som minimerer kvadratsummen. x i (y i α βx i ) = 0, SSE = Norges tekisk-aturviteskapelige uiversitet Istitutt for matematiske fag Abefalte oppgaver 2, blokk II Løsigsskisse Oppgave a Miste kvadraters metode tilpasser e lije til puktee ved å velge de lija som

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 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

Estimering 2. -Konfidensintervall

Estimering 2. -Konfidensintervall Estimerig 2 -Kofidesitervall Dekkes av kap. 9.4-9.5, 9.10, 9.12 og forelesigsotatee. Dersom forsøket gjetas mage gager vil (1 α)100% av itervallee [ ˆΘ L, ˆΘ U ] ieholde de ukjete parametere θ (som er

Detaljer

Oppgaver fra boka: Med lik men ukjent varians antatt har vi fra pensum at. t n1 +n 2 2 under H 0 (12 1) (12 1)

Oppgaver fra boka: Med lik men ukjent varians antatt har vi fra pensum at. t n1 +n 2 2 under H 0 (12 1) (12 1) MOT30 Statistiske metoder, høste00 Løsiger til regeøvig r. 5 (s. ) Oppgaver fra boka: Oppgave 0.36 (0.0:8) Dekkslitasje X,..., X u.i.f. N(µ, σ ) og X,..., X u.i.f. N(µ, σ ) og alle variable er uavhegige.

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

UNIVERSITETET I OSLO ØKONOMISK INSTITUTT. Innleveringssted: Ekspedisjonen i 12. etasje (mellom ) OG Fronter (innen klokken 15).

UNIVERSITETET I OSLO ØKONOMISK INSTITUTT. Innleveringssted: Ekspedisjonen i 12. etasje (mellom ) OG Fronter (innen klokken 15). Øvelsesoppgave : ECON3 Statstkk Dato for utleverg: 4.3.7 UNIVERSITETET I OSLO ØKONOMISK INSTITUTT Dato for leverg: 3.3.7 e kl. 5. Ilevergssted: Ekspedsjoe. etasje (mellom.5-5.) OG Froter (e klokke 5).

Detaljer

TMA4240/4245 Statistikk 11. august 2012

TMA4240/4245 Statistikk 11. august 2012 Norges tekisk-aturviteskapelige uiversitet Istitutt for matematiske fag TMA424/4245 Statistikk. august 22 Eksame - løsigsforslag Oppgave Vi har N Nµ,σ 2, µ 85 og X > 88. a X µ X > 88 σ > 88 µ Z > 88 85

Detaljer

Løsningsforsalg til første sett med obligatoriske oppgaver i STK1110 høsten 2015

Løsningsforsalg til første sett med obligatoriske oppgaver i STK1110 høsten 2015 Løsigsforsalg til første sett med obligatoriske oppgaver i STK1110 høste 2015 Oppgave 1 (a Et 100(1 α% kofidesitervall for forvetigsverdie µ er gitt ved formel (8.15 på side 403 i læreboka. For situasjoe

Detaljer

(iii) Når 5 er blitt trukket ut, er det tre igjen som kan blir trukket ut til den siste plassen, altså:

(iii) Når 5 er blitt trukket ut, er det tre igjen som kan blir trukket ut til den siste plassen, altså: A-besvarelse ECON2130- Statstkk 1 vår 2009 Oppgave 1 A) () Antall kke-ordnede utvalg: () P(Arne nummer 1) = () Når 5 er bltt trukket ut, er det tre gjen som kan blr trukket ut tl den sste plassen, altså:

Detaljer

Introduksjon til økonometri, kap 8, 9.1 og 9.2. Hva er formålet med økonometri? Utvalgskorrelasjoner To-variabel regresjoner

Introduksjon til økonometri, kap 8, 9.1 og 9.2. Hva er formålet med økonometri? Utvalgskorrelasjoner To-variabel regresjoner Itroduksjo tl økoometr, kap 8, 9.1 og 9. Hva er formålet med økoometr? Utvalgskorrelasjoer To-varabel regresjoer Iformasjo fra data Målet med økoometr er å lære oe fra data Øke vår kuskap ved å oppdage

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

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

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 Høst 2009

TMA4240 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

Detaljer

Løsningsforslag Oppgave 1

Løsningsforslag Oppgave 1 Løsigsforslag Oppgave 1 a X i µ 0 σ X i µ 0 2 σ 2, i 1,..., er uavhegige og stadard N0, 1 fordelte. Da er, i 1,..., uavhegige og χ 2 -fordelte med e frihetsgrad. Da er summe χ 2 -fordelt med atall frihetsgrader

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

Eksempel 1 - Er gjennomsnittshøyden for kvinner i Norge økende?

Eksempel 1 - Er gjennomsnittshøyden for kvinner i Norge økende? ECON 3 HG a 3 Supplemet tl sste forelesg 3 vår 4 eksempler på test-dskusjoer klusve ltt om p-verder Eksempel - Er gjeomsttshøyde for kver Norge økede? et er velkjet at gjeomsttshøyde for meesker Europa

Detaljer

Forelesning 2 MET3592 Økonometri ved David Kreiberg Vår 2011

Forelesning 2 MET3592 Økonometri ved David Kreiberg Vår 2011 Forelesg MET359 Økoomer ved Davd Kreberg Vår 0 Dverse oppgaver Oppgave. Aa følgede o varabler: gpa: (Grade Po Average) Gjeomsskaraker for amerkaske sudeer. gpa fes ervalle [0;4], hvor 0 er lavese gjeomsskaraker

Detaljer

Econ 2130 uke 13 (HG)

Econ 2130 uke 13 (HG) Eco 30 uke 3 (HG) Iførg regresjo I deskrptv aalse (Løvås kap. 7. 7.3.3) DATA: Resultater fra 500m og 5000m for me fra EM på skøter Heerevee 004. Obs 5000m 500m Obs 5000m 500m r. Td Sekuder Td Sekuder r.

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

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

TALLSVAR. Det anbefales at de 9 deloppgavene merket med A, B, teller likt uansett variasjon i vanskelighetsgrad. Svarene er gitt i <<< >>>.

TALLSVAR. Det anbefales at de 9 deloppgavene merket med A, B, teller likt uansett variasjon i vanskelighetsgrad. Svarene er gitt i <<< >>>. ECON30: EKSAMEN 05 VÅR - UTSATT PRØVE TALLSVAR. Det anbefales at de 9 deloppgavene merket med A, B, teller lkt uansett varasjon vanskelghetsgrad. Svarene er gtt

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

TMA4240 Statistikk H2010

TMA4240 Statistikk H2010 TMA440 Statstkk H00 Statstsk nferens: 9.6: Predksjonsntervall 9.8: To utvalg, dfferanse µ µ Mette Langaas Foreleses mandag 8.oktober, 00 Predksjonsntervall for fremtdg observasjon, normalfordelng For en

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

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

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 2014

TMA4240 Statistikk 2014 Norges tekisk-aturviteskapelige uiversitet Istitutt for matematiske fag Øvig ummer 2, blokk II Løsigsskisse Oppgave a µ populasjosgjeomsitt, dvs. eit gjeomsitt for alle bilae som køyrer på vegstrekige

Detaljer

Positive rekker. Forelest: 3. Sept, 2004

Positive rekker. Forelest: 3. Sept, 2004 Postve rekker Forelest: 3. Sept, 004 V skal tde utover fokusere på å teste om e rekke kovergerer, og skyve formler for summerg bakgrue. Dette er gje ford det første målet vårt er å lære hvorda v ka fe

Detaljer

ØVINGER 2017 Løsninger til oppgaver

ØVINGER 2017 Løsninger til oppgaver ØVINGER 017 Løsnnger tl oppgaver Øvng 1 7.1. Med utgangspunkt de n 5 observasjonsparene (x 1, y 1 ), (x, y ),..., (x 5, y 5 ) beregner v først mddelverdene x 1 5 Estmert kovarans blr x 3. ȳ 1 5 s XY 1

Detaljer

Statistikk og økonomi, våren 2017

Statistikk og økonomi, våren 2017 Statstkk og økonom, våren 7 Oblgatorsk oppgave Løsnngsforslag Oppgave Anta at forbruket av ntrogen norsk landbruk årene 987 99 var følgende målt tonn: 987: 9 87 988: 8 989: 8 99: 8 99: 79 99: 87 99: 9

Detaljer

Løsningsforsalg til første sett med obligatoriske oppgaver i STK1110 høsten 2018

Løsningsforsalg til første sett med obligatoriske oppgaver i STK1110 høsten 2018 Løsigsforsalg til første sett med obligatoriske oppgaver i STK1110 høste 2018 Oppgave 1 (a Et 100(1 α% kofidesitervall for forvetigsverdie µ er gitt ved formel (8.15 på side 403 i læreboka. For situasjoe

Detaljer

TMA4240 Statistikk Høst 2015

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

Detaljer

UNIVERSITETET I OSLO ØKONOMISK INSTITUTT

UNIVERSITETET I OSLO ØKONOMISK INSTITUTT Utsatt eksamen : ECON130 Statstkk 1 UNIVERSITETET I OSLO ØKONOMISK INSTITUTT Eksamensdag: 15.0.015 Sensur kunngjøres senest: 0.07.015 Td for eksamen: kl. 09:00 1:00 Oppgavesettet er på 4 sder Tllatte hjelpemdler:

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

TMA4240 Statistikk Høst 2007

TMA4240 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,

Detaljer

Repetisjon; 9.1, 9.2, 9.3, 9.4, 9.5, og Repetisjon; 9.1, 9.2, 9.3, 9.4, 9.5, og 9.10

Repetisjon; 9.1, 9.2, 9.3, 9.4, 9.5, og Repetisjon; 9.1, 9.2, 9.3, 9.4, 9.5, og 9.10 Repetisjo; 9.1, 9.2, 9.3, 9.4, 9.5, og 9.10 og Geerell defiisjo av : Situasjo: Data x 1,...,x ;utfallav:x 1,...,X ; u.i.f. tilfeldige variable Ukjet parameter i fordelige til X i ee: θ Dersom L og U L

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