TMA4240 Statistikk Høst 2016
|
|
- Martine Øverland
- 7 år siden
- Visninger:
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 ( )
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
DetaljerTMA4245 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)
DetaljerTMA4245 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
DetaljerTMA4245 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
DetaljerLøsningsforslag 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....
DetaljerLøsningsforslag (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,
DetaljerSTK1100 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
DetaljerRegler 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
DetaljerEcon 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
DetaljerRegler 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
Detaljer1. 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
DetaljerRegler 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.
Detaljersom 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
DetaljerEcon 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
DetaljerForelesning 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
DetaljerSTK1110 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
DetaljerForelesning 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
DetaljerÅMA110 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)
DetaljerOBLIGATORISK 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
DetaljerOm 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
DetaljerOversikt 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
DetaljerForelesning 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 )
DetaljerDet 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
DetaljerForelesning 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
DetaljerLøsningskisse 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
Detaljer5 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
DetaljerAnalyse 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:
DetaljerÅMA110 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
DetaljerSTK1100 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
DetaljerDet 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
DetaljerStatistikk 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.
DetaljerOversikt 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
DetaljerOm 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
DetaljerForelesning 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
DetaljerOm 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
DetaljerAvdeling 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).
DetaljerOversikt 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
DetaljerTMA4240/4245 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
DetaljerMer 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
DetaljerEKSAMEN 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
DetaljerOversikt 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
DetaljerLØSNINGSFORSLAG 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
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
DetaljerSTK 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
DetaljerForelesning 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,
DetaljerX 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
DetaljerTALLSVAR. 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
DetaljerEstimering 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
DetaljerFormler 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:
DetaljerAvdeling 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).
DetaljerTMA4240 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
DetaljerNotat 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
DetaljerForelesning 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
DetaljerTMA4300 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
DetaljerSeminaroppgaver 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
DetaljerEstimering 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
DetaljerÅMA110 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)
DetaljerSeminaroppgaver 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) ).
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.
Detaljer0.5 (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
DetaljerOppgave 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
DetaljerTMA4245 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
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
DetaljerEstimering 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
DetaljerOppgaver 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.
DetaljerLØSNINGSFORSLAG 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
DetaljerUNIVERSITETET 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).
DetaljerTMA4240/4245 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
DetaljerLøsningsforsalg 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:
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:
DetaljerIntroduksjon 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
DetaljerTMA4240 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
DetaljerTMA4240 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
DetaljerTMA4240 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
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
DetaljerLøsningsforslag 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
DetaljerHØGSKOLEN 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
DetaljerEksempel 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
DetaljerForelesning 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
DetaljerEcon 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.
DetaljerH 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
DetaljerHØGSKOLEN 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
DetaljerTALLSVAR. 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
DetaljerTMA4240 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
DetaljerTMA4240 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
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 >
DetaljerTMA4240 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
DetaljerOppgaver 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
DetaljerTMA4240 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
DetaljerPositive 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
DetaljerØVINGER 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
DetaljerStatistikk 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
DetaljerLøsningsforsalg 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
DetaljerTMA4240 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
DetaljerUNIVERSITETET 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:
DetaljerX = 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
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,
DetaljerRepetisjon; 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
DetaljerLØSNING, 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