Leseforståelse og matematikk

Save this PDF as:
 WORD  PNG  TXT  JPG

Størrelse: px
Begynne med side:

Download "Leseforståelse og matematikk"

Transkript

1 Leseforståelse og matematikk av guri a. ortvedt To studier av sammehege mellom leseforståelse og løsig av tekstoppgaver viser at ekelte elever ka mislykkes i oppgaveløsige fordi de tolker språket i oppgavee feil og dermed ikke oppfatter hva oppgave faktisk går ut på. Disse elevee vil ha stor fordel av å arbeide bevisst med lesig i matematikk og få hjelp til å bygge opp et repertoar av oppgaveformater som de ka kjee igje. 1 Matematikk er et fag mage elever opplever som skremmede og mage har erfart ederlag år de skal løse oppgaver iefor faget. Når elever sliter med matematikke, ka dette også ha med adre ferdigheter å gjøre e det vi valigvis teker på som matematikk. Elevee leser også i matematikktimee, for eksempel år de løser tekstoppgaver. Me hva er egetlig e tekstoppgave? Vi ka grovt dele matematikkoppgavee elevee møter i opplærigssituasjoer i i to grupper: Oppstilte oppgaver der regemåte er gitt og tekstoppgaver 2 der elevee selv med utgagspukt i tekste må fie frem til hvorda oppgave ka løses. I skoles matematikkudervisig brukes tekstoppgaver med flere ulike formål. Dels brukes disse oppgavee for å øve på iøvde regetekikker, dels for å øve på problemløsig og modellerig og dels for å utforske matematiske sammeheger år ytt stoff skal ilæres (Nortvedt, 2012). Uavhegig av hvilket av de tre formålee eller bruksområdee e lærer har år ha eller hu gir elevee tekstoppgaver, må elevee lese og forstå tekste i oppgave før de ka løses. Elevee trekker veksler på både matematisk kompetase og geerelle lesestrategier år de leser tekstoppgaver. Å forstå e oppgave vil si at eleve gjeom lesige daer seg e metal modell av det matematiske problemet som ligger ibakt i tekste. Dee metale modelle ieholder eleves matematiske modell som eleve bruker år ha eller hu løser oppgave (Nortvedt, 2008). Eleves metale matematiske modell ka ieholde de itederte oppgave, me dersom eleve ikke har lykkes med å forstå tekste, vil eleves modell ieholde feil. Oppgaver som ieholder skjult eller irrelevat iformasjo, ka for eksempel være utfordrede. Deretter må eleve forme e pla, bevisst eller ubevisst, for hvorda oppgave ka løses før ha/hu gjeomfører de beregiger som er ødvedige (Verschaffel, De Corte, & Greer, 2000). Helt til slutt bør eleve vurdere om svaret som ha/hu har kommet frem Bedre Skole r

2 TEMA: matematikk til er rimelig, ut fra de beregigee som er gjort og ut fra situasjoe som beskrives i tekste. Ofte observeres det at elever ikke vurderer svar eller at elever aksepterer meigsløse svar (Nortvedt, 2010; Verschaffel et al., 2000). Når elever ser bort fra realistisk iformasjo eller begresiger som det er opplyst om i oppgavetekste, ka dette ha sammeheg med hva elevee oppfatter som hesikte med skolematematikke (Ioue, 2005; Palm, 2008). Kaskje teker mage elever at realistiske vurderiger som bygger på ege erfariger er ugyldige i matematikkudervisige. Studie To studier av sammeheger mellom leseforståelse og løsig av tekstoppgaver ble gjeomført i 2007 på e slik måte at elever som liger hveradre, ka idetifiseres i de to studiee. Studie 1 var e storskalastudie der resultater fra asjoale prøver i lesig og regig for et represetativt utvalg (N = 1264) ble brukt for å studere sammeheger mellom lesig og regig for ulike grupper elever. I Studie 2 ble det gjeomført oppgavebaserte itervjuer med totalt 19 elever fra to ulike skoler. Elevee ble bedt om å løse åtte flerstegs 3 tekstoppgaver fra aritmetikkområdet. I tillegg ble resultatee deres fra de asjoale prøvee samlet i. Studie 1 I de asjoale prøvee er lesig delt i i tre aspekter: 1) fie iformasjo i tekster, 2) tolke og 3) reflektere over iholdet i tekster. I de asjoale prøve i regig måles elevees kompetase iefor områdee tall, målig og statistikk. For dee studie ble det idetifisert tre grupper av oppgaver blat oppgavee som ble gitt iefor området tall: tekstoppgaver som ka løses i ett steg (ettstegsoppgaver) tekstoppgaver som ka løses med to eller flere operasjoer (flerstegsoppgaver) oppstilte oppgaver som krever e viss regetekisk beherskelse som for eksempel å kue utføre subtraksjo med desimaltall (verktøykassa). For hver elev ble resultatee på leseprøve koblet med resultatee på regeprøve. Studie 2 Det oppgavebaserte itervjuet ble gjeomført med é og é elev på eleves skole og iefor elevees skoletid. Nitte elever med ulik grad av mestrig i matematikk, fra å ha store problemer med matematikk til å ligge godt fora jevaldrede med hesy til matematisk kompetase, ble valgt ut ved hjelp av klassees matematikklærer og ved hjelp av observasjo eller på bakgru av resultater fra asjoale prøver. De åtte oppgavee elevee skulle løse, ble trykket på A4-ark og samlet i et hefte med é oppgave per side. Elevee oterte svar og regestykker i heftet. Oppgavee var valgt ut slik at alle elevee møtte utfordrede oppgaver der de opplevde å stå fast. Når elevee sto fast, fikk de hit og støtte fra itervjuere. Itervjuer grep ikke i for å korrigere feil elevee gjorde i oppgaveløsige. Itervjuet ble tatt opp på lydbåd, og heftee ble samlet i. Elevee ble bedt om å teke høyt år de arbeidet med oppgavee. De valgte selv om de ville løse oppgavee på papir eller ved hoderegig, me de fikk ikke bruke kalkulator. Itervjuee ga isikt i hvilke vasker elevee møtte både med å forstå og med å løse de åtte tekstoppgavee. Aalyser Det er i hovedsak gjeomført ulike statistiske aalyser med dataee fra Studie 1 som sammeligig av fordelig og gjeomsitt, i tillegg til å studere korrelasjoer og ragorde. Mer kvalitative studier av svarmøstre ble også foretatt. I Studie 2 ble elevees forståelse (matematisk modell) av hver oppgave aalysert ved å lytte til hvorda eleve løste oppgave samt ved å studere elevees otater. Elevees feil ble aalysert for å studere om årsake til feil var forståelse av oppgave, maglede regetekiske ferdigheter, (maglede) begrepsforståelse, eller maglede tallfakta. Noe feil var også tilfeldige feil som å skrive av feil tall. Dialogee mellom elev og itervjuer ble aalysert for å se på turtakig, ivå på støtte, og hva støtte førte til av matematisk aktivitet. 28 Bedre Skole r

3 Resultater fra Studie 1 asjoale prøver I figur 1 edefor gjegis resultatee på leseprøve og regeprøve for hver elev som deltok i Studie 1. Lesig Regig Figur 1. Resultater på asjoale prøver i lesig og regig. I gjeomsitt fikk elevee 39,4 poeg av 76 (SD = 15,9), det vil si 52, på regeprøve og 26,6 poeg av 42 (SD = 8,2), det vil si 62, på leseprøve. Mes guttee skåret sigifikat bedre e jetee på de asjoale prøve i regig, skåret jetee sigifikat bedre e guttee i lesig, se tabell 1. Tabell 1. Resultater på asjoale prøver i lesig og regig for gutter og jeter Gruppe Gutter Jeter Nasjoal prøve i regig 2007 Nasjoal prøve i lesig ,95 (SD = 16,7) 37,86 (SD = 14,9) 25,63 (SD = 8,1) 27,6 (SD = 8,2) Fra figur 1 ka det observeres at det er sterk sammeheg mellom lesig og regig. Tedese er at dersom eleve var svak i lesig, var eleve også mest sasylig svak i regig. Sterke lesere var mest sasylig sterke regere. Dersom ma ser hele elevgruppe uder ett, ka det observeres at leseforståelse korrelerte høyt med regeferdigheter geerelt (r =.859, p =.01) og med flerstegsoppgaver spesielt (r =.631, p =.01). Leseforståelse ka forklare 44 av variase i elevees skåre på flerstegsoppgaver F(1, 1262) = 836,950, p <.001. Tilsvarede fu er gjort i mage iterasjoale studier (se for eksempel Roe & Taube, 2006; Vileius-Tuohimaa, Auola, & Nurmi, 2008). Det atas at de høye korrelasjoe mellom ferdigheter i lesig og regig skyldes e «usylig» tredje faktor: e geerell eve til problemløsig. Både det å lese ukjet tekst og det å løse e tekstoppgave ka sees på som problemløsig. Dersom lesig deles opp i de tre leseaspektee fie, tolke og reflektere, korrelerte fie høyest med flerstegs tekstoppgaver. Dee observasjoe ka kaskje forklares med at elevee må fie iformasjo i alle tekstoppgaver, me ikke alle oppgaver krever at elevee må tolke og reflektere over iholdet i tekstee. Noe oppgaveformater er typiske eller stereotype, og mage elever vil kjee dem igje. Imidlertid viste aalysee i Studie 2 at elevee ofte arbeidet med tekstee på et overflateivå (Nortvedt, 2011b). Det vil si at de da raskt leste gjeom tekste ute å reflektere over sammeheger i tekste, eller at de leste økkelord som sigalord. Dette vil vi komme tilbake til. Noe elever hadde imidlertid et aet møster e det som var hovedtedese. Disse elevee lyktes bedre på de ee prøve e de adre. Dersom ma deler elevee i i fire grupper ut fra om skåret over eller uder middels på hver av de to asjoale prøvee, fremkommer møsteret som er gjegitt i tabell 2 edefor. Tabell 2. Fordelig i grupper etter resultater på asjoale prøver i lesig og regig. Gruppe Gutter Jeter Alle Uder middels regig Uder middels lesig Uder middels regig Over middels lesig Over middels regig Uder middels lesig Over middels regig Over middels lesig N Note: bereget for hver koloe Bedre Skole r

4 TEMA: matematikk De fleste elevee (76 ) skåret ete uder middels eller over middels på begge prøvee. I begge disse gruppee var det like store adeler jeter og gutter. De siste firedele av elevee viste et aet møster. De skåret over middels på e prøve og uder middels på de adre prøve, og her fremkommer et helt aet møster med hesy til adele jeter og gutter i hver gruppe: Sigifikat flere gutter skåret over middels i regig og uder middels i lesig, mes sigifikat flere jeter skåret uder middels i lesig og over middels i regig, χ² (df = 3) = 57,237, p <.001. Gruppe med over middels resultater i regig og uder middels resultater i lesig er spesielt iteressat. Mage av disse elevee måtte sasyligvis kompesere for dårlige leseferdigheter år de løste regeprøve. E studie av resultatee deres viste at de gjorde flere feil på gru av mistolkig av økkelord (som vi kommer tilbake til), me samtidig også i større grad e elever med gode ferdigheter i både lesig og regig, kjete igje stereotype oppgaver (Nortvedt, 2011a). Resultater fra Studie 2 oppgavebaserte itervjuer Aalyse av de oppgavebaserte itervjuee viste at mage av elevee leste oppgavetekstee overflatisk (Nortvedt, 2010). De fokuserte i større grad på at de skulle rege, det vil si løse oppgave, e på å forstå hva oppgave hadlet om. Dette er i tråd med ae forskig på problemløsig (se for eksempel Schoefelds forskig på studeter, 1992). Når elevee leste oppgavee, reduserte de ofte problemet som skulle løses til oe som lå iefor ege matematisk kompetase slik som Abraham i eksempelet edefor. Tor, Terje og Eva tjete til samme kroer på å gå med reklame. Tor skulle ha 3400 kroer midre e Terje, og Eva skulle ha 1600 kroer mer e Terje. Hvor mye fikk hver av dem utbetalt? Figur 2. Oppgave 8 fra det oppgavebaserte itervjuet. Abraham: (leser oppgave høyt). OK. Tre delt på (uklart, mumler). E tituse hver (skriver kr). Eh. Pluss e firehuder hver (skriver 400 uder ). Så hver fikk (pause) Kroer. Figur 3. Traskript av Abrahams arbeid med oppgave 8. Oppgave 8 var e krevede oppgave for elever på 8. tri. De ka løses på mage ulike måter. De fleste elevee løste oppgave ved å prøve og feile, me det var også elever som teget peger som de «delte ut». Abrahams foreklig av oppgave resulterte i e matematisk modell som ieholdt et aet problem e det som står i oppgavetekste. Tilsvarede forekliger ble gjort av mage av de 19 elevee på e eller flere oppgaver. De elevee som gjorde slike feil, hadde alle uder middels resultater på de asjoale prøve i regig. Mage strevde også mye med å gjeomføre de ødvedige beregigee fordi de ikke mestret de fire regigsartee. Disse elevee hadde varierede ferdigheter i lesig. Mes oe hadde svært svake resultater i lesig, var adre dyktige lesere. Ofte var foreklige et resultat av at økkelord som «hver», «til samme» eller «mer e» ble brukt som operasjosord. Disse ordee forteller ofte hvilke operasjo som skal gjeomføres i ettstegsoppgaver der for eksempel ordet «hver» ka fortelle at oe skal fordeles likt på et atall persoer. Når økkelordee opptrer i flerstegsoppgaver, forteller de sarere om relasjoer mellom megder og persoer. Hvis elevee leser dem som operasjosord, fører dette til feil i de matematiske modelle, dermed blir resultatet av oppgaveløsige også feil. 30 Bedre Skole r

5 Avsluttede kommetarer Dee studie viser klare sammeheger mellom leseforståelse og regeferdigheter samtidig som oe elever viser avvikede møstre. Det er viktig å arbeide bevisst med lesig i matematikk, særlig med elever med maglede leseferdigheter. For dee gruppe ka det være klokt å arbeide mye med hvorda økkelord brukes eller ikke brukes som operasjosord i matematikktekster. Det ka også være e fordel for disse elevee å bygge seg opp et repertoar av oppgaveformater de kjeer igje, formater som ka opptre som stereotyper. Mest sasylig vil det å arbeide bevisst med disse to aspektee ved å lese og forstå matematikkoppgaver være gustig for mage flere elever, kaskje alle. Det å lete bevisst etter økkelordee ka være e god strategi dersom eleve reflekterer over om økkelordet refererer til e direkte hadlig, det vil si løsigsmetode, eller om det refererer til relasjoer mellom persoer og megder. Slik bevissthet krever ok mye isats og treig samme med klassekamerater og lærer i å lese og tolke tekste i tekstoppgavee. På tilsvarede vis ka ma kaskje arbeide med foreklig. Foreklig er e god strategi år oppgave forekles til e oppgave med samme matematiske struktur, me som er eklere å løse. Når ma som Abraham reduserer oppgave fra e flerstegs- til e ettstegsoppgave, er foreklig e svært uheldig strategi. I og med at elevee da ofte forekler til oe som ligger iefor deres ege matematiske kompetase, ka det være vaskelig for dem å se at det er det de gjør. Igje vil det være ødvedig å arbeide med aalyse av oppgavetekste i samarbeid med lærer. NOTER 1 Dee artikkele bygger på følgede viteskapelige produksjoer: (Nortvedt, 2009, 2010, 2011a) 2 Tekst omfatter også figurer, tabeller, illustrasjoer og tegiger. 3 Flerstegsoppgaver er oppgaver som ka løses ved hjelp av e kombiasjo av de fire regigsartee. litteratur Ioue, N. (2005). The realistic reasos behid urealistic solutios: The role of iterpretive activity i word problem solvig. Learig ad Istructio, 15, Nortvedt, G.A. (2008). Readig word problems. I: C. Bergste, B. Grevholm og T. Ligefjärd (red.), Perspectives o mathematical kowledge. Proceedigs of MADIF 6, the 6th Swedish Mathematics Educatio Research Semiar. Stockholm, Jauary 29-30, Liköpig, Swede: SMDF. Nortvedt, G.A. (2009). The relatioship betwee readig comprehesio ad umeracy amog Norwegia grade 8 studets. I: M. Tzekaki, M. Kaldrimidou og C. Sakoidis (red.), Proceedigs of the 33rd Coferece of the Iteratioal Group for the Psychology of Mathematics Educatio (Vol. 4, s ). Thessaloiki, Greece: PME. Nortvedt, G.A. (2010). Uderstadig ad solvig multistep arithmetic word problems. Nordic Studies i Mathematics Educatio, 15(3), Nortvedt, G.A. (2011a). Copig strategies applied to comprehed multistep arithmetic word problems by studets with above-average umeracy skills ad below-average readig skills. Joural for Mathematical Behavior, 30(3), Nortvedt, G.A. (2011b). Norwegia Grade 8 studets competece for uderstadig ad solvig multistep arithmetic word problems. PhD, Uiversitetet i Oslo, Oslo. Nortvedt, G.A. (2012). Bruk av tekstoppgaver på matematikktester og -prøver: et kort review. I: T.H. Hopfebeck, M. Kjærsli & R.V. Olse (red.), Kvalitet i orsk skole. Iterasjoale og asjoale udersøkelser av lærigsutbytte og udervisig (s ). Oslo: Uiversitetsforlaget. Palm, T. (2008). Impact of autheticity o sese makig i word problem solvig. Educatioal Studies i Mathematics, 67(1), Roe, A. og Taube, K. (2006). How ca readig abilities explai differeces i math performace? I: J. Mejdig & A. Roe (red.), Norther lights o PISA 2003: A reflectio from the Nordic coutries (s ). Oslo: Nordic Coucil of Miisters. Schoefeld, A.H. (1992). Learig to thik mathematically: Problem solvig, metacogitio, ad sese-makig i mathematics. I: D.A. Grouws (red.), Hadbook of research o mathematics teachig ad learig (s ). New York: MacMilla. Verschaffel, L., De Corte, E. og Greer, B. (2000). Makig sese of word problems. Lisse, Netherlad: Swets & Zeitliger. Vileius-Tuohimaa, P.M., Auola, K. og Nurmi, J.-E. (2008). The associatio betwee mathematical word problems ad readig comprehesio. Educatioal Psychology, 28(4), Guri A. Nortvedt arbeider som forsker ved Istitutt for lærerutdaig og skoleforskig, Uiversitetet i Oslo. Hu har studert matematikk og matematikkdidaktikk og har e doktorgrad i spesialpedagogikk. Nortvedt er i si forskig særlig opptatt av sammeheger mellom språk, matematikkuskaper og vurderig. Bedre Skole r

Påliteligheten til en stikkprøve

Påliteligheten til en stikkprøve Pålitelighete til e stikkprøve Om origiale... 1 Beskrivelse... 2 Oppgaver... 4 Løsigsforslag... 4 Didaktisk bakgru... 5 Om origiale "Zuverlässigkeit eier Stichprobe" på http://www.mathe-olie.at/galerie/wstat2/stichprobe/dee

Detaljer

Kapittel 8: Estimering

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

Detaljer

Mer om utvalgsundersøkelser

Mer om utvalgsundersøkelser Mer om utvalgsudersøkelser I uderkapittel 3.6 i læreboka gir vi e kort iførig i takegage ved utvalgsudersøkelser. Vi gir her e grudigere framstillig av temaet. Populasjo og utvalg Ved e utvalgsudersøkelse

Detaljer

Eksempeloppgave 2014. REA3028 Matematikk S2 Eksempel på eksamen våren 2015 etter ny ordning. Ny eksamensordning. Del 1: 3 timer (uten hjelpemidler)

Eksempeloppgave 2014. REA3028 Matematikk S2 Eksempel på eksamen våren 2015 etter ny ordning. Ny eksamensordning. Del 1: 3 timer (uten hjelpemidler) Eksempeloppgave 2014 REA3028 Matematikk S2 Eksempel på eksame våre 2015 etter y ordig Ny eksamesordig Del 1: 3 timer (ute hjelpemidler) Del 2: 2 timer (med hjelpemidler) Mistekrav til digitale verktøy

Detaljer

Ukeoppgaver i BtG207 Statistikk, uke 4 : Binomisk fordeling. 1

Ukeoppgaver i BtG207 Statistikk, uke 4 : Binomisk fordeling. 1 Ukeoppgaver i BtG20 Statistikk, uke 4 : Biomisk fordelig. 1 Høgskole i Gjøvik Avdelig for tekologi, økoomi og ledelse. Statistikk Ukeoppgaver uke 4 Biomisk fordelig. Oppgave 1 La de stokastiske variable

Detaljer

8 (inkludert forsiden og formelsamling) Tegne- og skrivesaker, kalkulator, formelsamling (se vedlagt).

8 (inkludert forsiden og formelsamling) Tegne- og skrivesaker, kalkulator, formelsamling (se vedlagt). Eksamesoppgave våre 011 Ordiær eksame Bokmål Fag: Matematikk Eksamesdato: 10.06.011 Studium/klasse: GLU 5-10 Emekode: MGK00 Eksamesform: Skriftlig Atall sider: 8 (ikludert forside og formelsamlig) Eksamestid:

Detaljer

Kap. 9: Inferens om én populasjon

Kap. 9: Inferens om én populasjon 2 ST0202 Statistikk for samfusvitere Bo Lidqvist Istitutt for matematiske fag Ka. 9: Iferes om é oulasjo Hvis σ er ukjet bytter vi ut σ med s i Ny observator blir t = x μ s/ z = x μ σ/ der s = Σx 2 (Σx)

Detaljer

Eksempeloppgave 2014. REA3026 Matematikk S1 Eksempel på eksamen våren 2015 etter ny ordning. Ny eksamensordning. Del 1: 3 timer (uten hjelpemidler)

Eksempeloppgave 2014. REA3026 Matematikk S1 Eksempel på eksamen våren 2015 etter ny ordning. Ny eksamensordning. Del 1: 3 timer (uten hjelpemidler) Eksempeloppgave 04 REA306 Matematikk S Eksempel på eksame våre 05 etter y ordig Ny eksamesordig Del : 3 timer (ute hjelpemidler) Del : timer (med hjelpemidler) Mistekrav til digitale verktøy på datamaski:

Detaljer

Kap. 9: Inferens om én populasjon

Kap. 9: Inferens om én populasjon 2 ST0202 Statistikk for samfusvitere Bo Lidqvist Istitutt for matematiske fag Ka. 9: Iferes om é oulasjo Hvis σ er ukjet bytter vi ut σ med s i Ny observator blir t = x μ s/ z = x μ σ/ der s = Σx 2 (Σx)

Detaljer

ÅMA110 Sannsynlighetsregning med statistikk, våren 2010 Kp. 6, del 5

ÅMA110 Sannsynlighetsregning med statistikk, våren 2010 Kp. 6, del 5 ÅMA110 Sasylighetsregig med statistikk, våre 2010 Kp. 6, del 5 Bjør H. Auestad Istitutt for matematikk og aturviteskap Uiversitetet i Stavager 12. april Bjør H. Auestad Kp. 6: Hypotesetestig del 4 1/ 59

Detaljer

Forventningsverdi. MAT0100V Sannsynlighetsregning og kombinatorikk

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

Detaljer

Oppgave 1. (i) Hva er sannsynligheten for at det øverste kortet i bunken er et JA-kort?

Oppgave 1. (i) Hva er sannsynligheten for at det øverste kortet i bunken er et JA-kort? ECON EKSAMEN 8 VÅR TALLSVAR Oppgave Vi har e kortstokk beståede av 6 kort. På av disse står det skrevet JA på forside mes det står NEI på forside av de adre kortee. Hvis ma får se kortet med bakside vedt

Detaljer

Metoder for politiske meningsmålinger

Metoder for politiske meningsmålinger Metoder for politiske meigsmåliger AV FORSKER IB THOMSE STATISTISK SETRALBYRÅ Beregigsmetodee som brukes i de forskjellige politiske meigsmåliger har vært gjestad for mye diskusjo i dagspresse det siste

Detaljer

Statistikk og økonomi, våren 2017

Statistikk og økonomi, våren 2017 Statistikk og økoomi, våre 07 Obligatorisk oppgave 6 Løsigsforslag Oppgave E terig kastes 0 gager, og det registreres hvor mage 6-ere som oppås i løpet av disse 0 kastee. Vi ka kalle atall 6-ere i løpet

Detaljer

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

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

Detaljer

FORFATTER(E) Jan-W. Lippestad og Trond Harsvik OPPDRAGSGIVER(E) Rikstrygdeverket. Nanna Stender, Mari K. Rollag og Kristian Munthe

FORFATTER(E) Jan-W. Lippestad og Trond Harsvik OPPDRAGSGIVER(E) Rikstrygdeverket. Nanna Stender, Mari K. Rollag og Kristian Munthe SINTEF RAPPORT TITTEL SINTEF Uimed Postadresse: Boks 124, Blider 0314 Oslo Besøksadresse: Forskigsveie 1 Telefo: 22 06 73 00 Telefaks: 22 06 79 09 Foretaksregisteret: NO 948 007 029 MVA Evaluerig av hevisigsprosjektet

Detaljer

STK1100 våren 2017 Estimering

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

Detaljer

Rapport Brukertilfredshet blant pårørende til beboere ved sykehjem i Oslo kommune 2009

Rapport Brukertilfredshet blant pårørende til beboere ved sykehjem i Oslo kommune 2009 Rapport Brukertilfredshet blat pårørede til beboere ved sykehjem i Oslo kommue Resultater fra e spørreudersøkelse blat pårørede til sykehjemsbeboere februar 2010 Forord Brukerudersøkelser er ett av tre

Detaljer

Konfidensintervall. Notat til STK1110. Ørnulf Borgan, Ingrid K. Glad og Anders Rygh Swensen Matematisk institutt, Universitetet i Oslo.

Konfidensintervall. Notat til STK1110. Ørnulf Borgan, Ingrid K. Glad og Anders Rygh Swensen Matematisk institutt, Universitetet i Oslo. Kofidesitervall Notat til STK1110 Ørulf Borga, Igrid K. Glad og Aders Rygh Swese Matematisk istitutt, Uiversitetet i Oslo August 2007 Formål E valig metode for å agi usikkerhete til et estimat er å berege

Detaljer

Econ 2130 uke 15 (HG) Poissonfordelingen og innføring i estimering

Econ 2130 uke 15 (HG) Poissonfordelingen og innføring i estimering Eco 130 uke 15 (HG) Poissofordelige og iførig i estimerig 1 Poissofordelige (i) Tilærmig til biomialfordelige. Regel. ( Poissotilærmelse ) Ata Y ~ bi(, p) E( Y ) = p og var( Y ) = p(1 p). Hvis er stor

Detaljer

Estimering og hypotesetesting. Estimering og hypotesetesting. Estimering og hypotesetesting. Kapittel 10. Ett- og toutvalgs hypotesetesting

Estimering og hypotesetesting. Estimering og hypotesetesting. Estimering og hypotesetesting. Kapittel 10. Ett- og toutvalgs hypotesetesting 3 Estimerig og hypotesetestig Kapittel 10 Ett- og toutvalgs hypotesetestig TMA445 V007: Eirik Mo Feome Bilkjørig Høyde til studeter Estimator ˆp = X, X atall ˆµ = X gjeomsittlig høyde. som syes de er flikere

Detaljer

Eksamen REA3028 S2, Våren 2012

Eksamen REA3028 S2, Våren 2012 Eksame REA08 S, Våre 0 Del Tid: timer Hjelpemidler: Valige skrivesaker, passer, lijal med cetimetermål og vikelmåler er tillatt. Oppgave (4 poeg) a) Deriver fuksjoee ) f f ) g e 4 4 4 g e e 4 g e e g e

Detaljer

Høgskolen i Telemark Avdeling for estetiske fag, folkekultur og lærerutdanning BOKMÅL 20. mai 2008

Høgskolen i Telemark Avdeling for estetiske fag, folkekultur og lærerutdanning BOKMÅL 20. mai 2008 Høgskole i Telemark Avdelig for estetiske fag, folkekultur og lærerutdaig BOKMÅL. mai 8 EKSAMEN I MATEMATIKK Modul 5 studieoeg Tid: 5 timer Ogavesettet er å sider (ikludert formelsamlig). Hjelemidler:

Detaljer

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

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

Detaljer

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

MOT310 Statistiske metoder 1, høsten 2011

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

Detaljer

EKSAMEN Løsningsforslag

EKSAMEN Løsningsforslag ..4 EKSAMEN Løsigsforslag Emekode: ITF75 Dato: 6. desember Eme: Matematikk for IT Eksamestid: kl 9. til kl. Hjelpemidler: To A4-ark med valgfritt ihold på begge sider. Kalkulator er ikke tillatt. Faglærer:

Detaljer

Forprosjektrapport. I denne rapporten er aktivitet og oppgave ensbetydende. Bruker referer til sluttbrukerne av applikasjonen og ikke administrator.

Forprosjektrapport. I denne rapporten er aktivitet og oppgave ensbetydende. Bruker referer til sluttbrukerne av applikasjonen og ikke administrator. Forprosjektrapport Presetasjo... Itroduksjo... Bakgru... Mål og rammebetigelser... Kravspesifikasjo... Mål... Rammebetigelser... 3 Tekologi... 3 Løsiger/alterativer... 3 Aalyse av virkiger... 7 Presetasjo

Detaljer

Fotball krysser grenser (konfirmanter Ålgård og Gjesdal)

Fotball krysser grenser (konfirmanter Ålgård og Gjesdal) 1 Fotball krysser greser (kofirmater Ålgård og Gjesdal) Øsker du e ide til et praktisk rettet prosjekt/aksjo der kofirmater ka bidra til de fattige dele av verde? Her har du et ferdig opplegg for hvorda

Detaljer

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

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

Detaljer

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

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

Detaljer

Høgskolen i Telemark Avdeling for estetiske fag, folkekultur og lærerutdanning BOKMÅL 12. desember 2008

Høgskolen i Telemark Avdeling for estetiske fag, folkekultur og lærerutdanning BOKMÅL 12. desember 2008 Høgskole i Telemark Avdelig for estetiske fag, folkekultur og lærerutdaig BOKMÅL. desember 8 EKSAMEN I MATEMATIKK, Utsatt røve Modul 5 studieoeg Tid: 5 timer Ogavesettet er å sider (ikludert formelsamlig).

Detaljer

EKSAMEN Løsningsforslag

EKSAMEN Løsningsforslag 7. jauar 7 EKSAMEN Løsigsforslag Emekode: ITF75 Dato: 4. desember 6 Hjelpemidler: - To A4-ark med valgfritt ihold på begge sider. Emeav: Matematikk for IT Eksamestid: 9. 3. Faglærer: Christia F Heide Kalkulator

Detaljer

ÅMA110 Sannsynlighetsregning med statistikk, våren 2010. Noen viktige sannsynlighetsmodeller. Binomisk modell. Kp. 3 Diskrete tilfeldige variable

ÅMA110 Sannsynlighetsregning med statistikk, våren 2010. Noen viktige sannsynlighetsmodeller. Binomisk modell. Kp. 3 Diskrete tilfeldige variable ÅMA Saslighetsregig med statistikk, våre K. 3 Diskrete tilfeldige variable Noe viktige saslighetsmodeller Noe viktige saslighetsmodeller ( Sas.modell : å betr det klasse/te sas.fordelig.) Biomisk modell

Detaljer

H14 - Hjemmeeksamen i statistikk/ped sensurveiledning

H14 - Hjemmeeksamen i statistikk/ped sensurveiledning H14 - Hjemmeeksame i statistikk/ped3008 - sesurveiledig (teller 1/3 av edelig karakter) Dee oppgave bestr av tre deler: i del 1 skal du svare p 5 teorispørsml, i del 2 skal du gjeomføre oe sigifikastester

Detaljer

ÅMA110 Sannsynlighetsregning med statistikk, våren 2007

ÅMA110 Sannsynlighetsregning med statistikk, våren 2007 ÅMA Sasylighetsregig med statistikk, våre 27 Kp. 6 (kp. 6) Tre deler av faget/kurset:. Beskrivede statistikk 2. Sasylighetsteori, sasylighetsregig 3. Statistisk iferes estimerig kofidesitervall hypotesetestig

Detaljer

STK1100: Kombinatorikk

STK1100: Kombinatorikk 1100: ombiatorikk auar 2009 Ørulf orga Matematisk istitutt Uiversitetet i Oslo 1 Uiform sasylighetsmodell: t stokastisk forsøk har N utfall Det er de mulige utfallee for forsøket i atar at de N utfallee

Detaljer

ECON240 Statistikk og økonometri

ECON240 Statistikk og økonometri ECON240 Statistikk og økoometri Arild Aakvik, Istitutt for økoomi 1 Mellomregig MKM Model: Y i = a i + bx i + e i MKM-estimator for b: b = = Xi Y i 1 Xi Yi Xi 1 ( X i ) 2 (Xi X)(Y i Ȳi) (Xi X) 2 hvor vi

Detaljer

Totalt Antall kandidater oppmeldt 1513 Antall møtt til eksamen 1421 Antall bestått 1128 Antall stryk 247 Antall avbrutt 46 % stryk og avbrutt 21%

Totalt Antall kandidater oppmeldt 1513 Antall møtt til eksamen 1421 Antall bestått 1128 Antall stryk 247 Antall avbrutt 46 % stryk og avbrutt 21% TMA4100 Høste 2007 Norges tekisk aturviteskapelige uiversitet Istitutt for matematiske fag Kommetarer til eksame Dette dokumetet er e oppsummerig av erfarigee fra sesure av eksame i TMA4100 Matematikk

Detaljer

KLMED8004 Medisinsk statistikk. Del I, høst Estimering. Tidligere sett på. Eksempel hypertensjon

KLMED8004 Medisinsk statistikk. Del I, høst Estimering. Tidligere sett på. Eksempel hypertensjon Tidligere sett på KLMED8004 Medisisk statistikk Del I, høst 008 Estimerig Hvorda kjete sasylighetsfordeliger (biomialfordelig, ormalfordelig) med kjete populasjosparametrer (forvetig, varias osv.) ka gi

Detaljer

Eksamen 21.05.2013. REA3024 Matematikk R2. Nynorsk/Bokmål

Eksamen 21.05.2013. REA3024 Matematikk R2. Nynorsk/Bokmål Eksame 21.05.2013 REA3024 Matematikk R2 Nyorsk/Bokmål Nyorsk Eksamesiformasjo Eksamestid: Hjelpemiddel på Del 1: Hjelpemiddel på Del 2: 5 timar: Del 1 skal leverast i etter 2 timar. Del 2 skal leverast

Detaljer

UNIVERSITETET I OSLO. De forskningsintensive universitetenes rolle. UiOs innspill til Forskningsmeldingen 2009

UNIVERSITETET I OSLO. De forskningsintensive universitetenes rolle. UiOs innspill til Forskningsmeldingen 2009 UNIVERSITETET I OSLO Kuskapsdepartemetet Postboks 8119 Dep Postboks 1072, Blider 0032 Oslo 0316 OSLO Dato: 02.01.2009 Vår ref.: 2008/20593 Deres ref.: Telefo: 22 85 63 01 Telefaks: 22 85 44 42 E-post:

Detaljer

Kort repetisjon fra kapittel 4. Oppsummering kapittel ST0202 Statistikk for samfunnsvitere. Betinget sannsynlighet og trediagram

Kort repetisjon fra kapittel 4. Oppsummering kapittel ST0202 Statistikk for samfunnsvitere. Betinget sannsynlighet og trediagram 2 Kort reetisjo fra kaittel 4 Betiget sasylighet og trediagram Eksemel: Fra e oulasjo av idrettsfolk trekkes e erso tilfeldig og testes for doig. De iteressate hedelsee er D=ersoe er doet, A=teste er ositiv.

Detaljer

Eksamen 20.05.2009. REA3024 Matematikk R2. Nynorsk/Bokmål

Eksamen 20.05.2009. REA3024 Matematikk R2. Nynorsk/Bokmål Eksame 20052009 REA3024 Matematikk R2 Nyorsk/Bokmål Nyorsk Eksamesiformasjo Eksamestid: Hjelpemiddel på Del 1: Hjelpemiddel på Del 2: Bruk av kjelder: Vedlegg: Framgagsmåte: Rettleiig om vurderiga: 5 timar:

Detaljer

B Bakgrunnsinformasjon om ROS-analysen.

B Bakgrunnsinformasjon om ROS-analysen. RI SI KO- O G SÅRBARH ET SANALYSE (RO S) A Hva som skal utredes Beredskapog ulykkesrisiko(ros) vurderesut fra sjekklistefra Direktoratetfor samfussikkerhetog beredskap.aalyse blir utført ved vurderigav

Detaljer

3MX 2007/8 - Kapittel 5: 8. januar 5. februar 2008

3MX 2007/8 - Kapittel 5: 8. januar 5. februar 2008 3MX 00/8 - Kapittel : 8. jauar. februar 008 Pla for skoleåret 00/008: Kapittel 6: 6/ /. Kapittel : / /3. Prøver på eller skoletime etter hvert kapittel. É heildagsprøve i hver termi. Repetisjo, prøver,

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

) = 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

Kapittel 7: Noen viktige sannsynlighetsfordelinger

Kapittel 7: Noen viktige sannsynlighetsfordelinger Kapittel 7: Noe viktige sasylighetsfordeliger I mage situasjoer ka feomeet vi ser på beskrives med e bestemt type sasylighetsfordelig e sasylighetsfordelig gitt ved e bestemt formel. Vi skal se på oe av

Detaljer

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

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

Detaljer

ERP-implementering: Shakedown-fasen

ERP-implementering: Shakedown-fasen ERP-implemeterig: Shakedow-fase «Hvilke faktorer asees som viktige i shakedow-fase ved implemeterig av ERP i orske virksomheter?» Frak Erik Strømlad Veiledere Maug Kyaw Sei Stig Nordheim Masteroppgave

Detaljer

AVDELING FOR INGENIØRUTDANNING EKSAMENSOPPGAVE

AVDELING FOR INGENIØRUTDANNING EKSAMENSOPPGAVE AVDELING FOR INGENIØRUTDANNING EKSAMENSOPPGAVE Eme: Statistikk Gruppe(r): Alle ( 2. årskull) Eksamesoppgav Atall sider (ikl. e består av: forside): 5 Tillatte hjelpemidler: Emekode: LO070A Dato: 11.06.2004

Detaljer

FØLGER, REKKER OG GJENNOMSNITT

FØLGER, REKKER OG GJENNOMSNITT FØLGER, REKKER OG GJENNOMSNITT Espe B. Lagelad realfagshjoret.wordpress.com espebl@hotmail.com 9.mars 06 Iledig E tallfølge er e serie med tall som kommer etter hveradre i e bestemt rekkefølge. Kvadrattallee

Detaljer

Årsplan i norsk - 2. klasse 2015-2016

Årsplan i norsk - 2. klasse 2015-2016 Årspla i orsk - 2. klasse 2015-2016 Atall timer pr uke: 8 timer Lærere: Elise Gjerpe Solberg og Gro Åkerlud Læreverk: Tuba Luba C og D hefter Arbeidsbok: «Jeg ka» og «ABC2 Elle» av Ae Lise Gjerdrum Nettsted:

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

Eksamen REA3024 Matematikk R2. Nynorsk/Bokmål

Eksamen REA3024 Matematikk R2. Nynorsk/Bokmål Eksame 6.05.010 REA304 Matematikk R Nyorsk/Bokmål Bokmål Eksamesiformasjo Eksamestid: Hjelpemidler på Del 1: Hjelpemidler på Del : Vedlegg: Framgagsmåte: Veiledig om vurderige: 5 timer: Del 1 skal leveres

Detaljer

Plan for fagdag 3. Plan: Litt om differanse- og summefølger. Sammenhengen a n a 1 n 1 i 1

Plan for fagdag 3. Plan: Litt om differanse- og summefølger. Sammenhengen a n a 1 n 1 i 1 Pla for fagdag 3 R2-18.11.10 Pla: Litt om differase- og summefølger. Sammehege a a 1 1 i 1 d i. Geometriske resoemet. Arbeidsoppgaver. Differase- og summefølger Regresjo med lommereger Differaser er ofte

Detaljer

Kommentarer til oppgaver;

Kommentarer til oppgaver; Kapittel - Algebra Versjo: 11.09.1 - Rettet feil i 0, 1 og 70 og lagt i litt om GeoGebra-bruk Kommetarer til oppgaver; 0, 05, 10, 13, 15, 5, 9, 37, 5,, 5, 59, 1, 70, 7, 78, 80,81 0 a) Trykkfeil i D-koloe

Detaljer

Dette foredraget om Barn, fysisk aktivitet & helse er utarbeidet av professor Roald Bahr på oppdrag av NFFs faggruppe for idrettsfysioterapi, FFI.

Dette foredraget om Barn, fysisk aktivitet & helse er utarbeidet av professor Roald Bahr på oppdrag av NFFs faggruppe for idrettsfysioterapi, FFI. Dette foredraget om Bar, fysisk aktivitet & helse er utarbeidet av professor Roald Bahr på oppdrag av NFFs faggruppe for idrettsfysioterapi, FFI. Foredraget er utarbeidet som et ledd i FFIs strategi for

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

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

LØSNINGSFORSLAG TIL EKSAMEN I FAG TMA4245 STATISTIKK 6.august 2004

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

Detaljer

Reglement for fagskolestudier

Reglement for fagskolestudier Reglemet for fagskolestudier Ved Høyskole Kristiaia R Fra og med studieåret 2015/16 Ihold INNHOLD 3 Kapittel 1 Geerelle bestemmelser 4 Kapittel 2 - Studiereglemet 6 Kapittel 3 - Opptaksreglemet 8 Kapittel

Detaljer

Fagdag 2-3mx 24.09.07

Fagdag 2-3mx 24.09.07 Fagdag 2-3mx 24.09.07 Jeg beklager at jeg ikke har fuet oe ye morsomme spill vi ka studere, til gjegjeld skal dere slippe prøve/test dee gage. Istruks: Vi arbeider som valig med 3 persoer på hver gruppe.

Detaljer

Der oppgaveteksten ikke sier noe annet, kan du fritt velge framgangsmåte.

Der oppgaveteksten ikke sier noe annet, kan du fritt velge framgangsmåte. Eksame 20052009 REA3024 Matematikk R2 Nyorsk/Bokmål Bokmål Eksamesiformasjo Eksamestid: Hjelpemidler på Del 1: Hjelpemidler på Del 2: Bruk av kilder: Vedlegg: Framgagsmåte: Veiledig om vurderige: 5 timer:

Detaljer

UNIVERSITETET I OSLO ØKONOMISK INSTITUTT

UNIVERSITETET I OSLO ØKONOMISK INSTITUTT UNIVERSITETET I OSLO ØKONOMISK INSTITUTT Øvelsesoppgave i: ECON30 Statistikk HØST 004 Dato for utleverig: Fredag 5. oktober 004 Frist for ileverig: Osdag 7. oktober 004, seest kl. 5.00 Ileverigssted: Ekspedisjoskotoret,.

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

Eksamen REA3028 S2, Våren 2011

Eksamen REA3028 S2, Våren 2011 Eksame REA08 S, Våre 0 Del Tid: timer Hjelpemidler: Valige skrivesaker, passer, lijal med cetimetermål og vikelmåler er tillatt. Oppgave (8 poeg) a) Deriver fuksjoee ) f 5 f 6 5 ) g g ) h l 9 9 6 4 h l

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

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

Eksamen REA3028 S2, Våren 2010

Eksamen REA3028 S2, Våren 2010 Eksame REA308 S, Våre 010 Del 1 Tid: timer Hjelpemidler: Valige skrivesaker, passer, lijal med cetimetermål og vikelmåler er tillatt. Oppgave 1 (6 poeg) a) Deriver fuksjoee: 1) f x x lx f x x lx x x f

Detaljer

TMA4245 Statistikk Vår 2015

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

Detaljer

Rapport GPS prosjekt - Ryggeheimen sykehjem, Rygge

Rapport GPS prosjekt - Ryggeheimen sykehjem, Rygge Rapport GPS prosjekt - Ryggeheime sykehjem, Rygge Bruk av GPS på sykehjem Elisabeth Refses/ Siv Skaldstad Tidspla:1/3 10 1/10 10. Orgaiserig: Styrigsgruppe: Åse Nilsse, Ove Keeth Kvige, Elisabeth Breistei,

Detaljer

H T. Amundsen INNHOLD

H T. Amundsen INNHOLD Itere otater STATISTISK SENTRALBYRÅ. oktober 1980 KORRELASJONSKOEFFISIENTEN - ENDA ENGANG Av H T. Amudse INNHOLD 1. Iledig *****..... * 0 1. Produktmametkorrelasjoskoeffisiete og sammehege med lieær regresjo.

Detaljer

Ø^ h ^ c^ c^ ST. OLAVS HOSPITAL 0 UNIVERSITETSSYKEHUSET I TRONDHEIM. St. OLAVS HOSPITAL HF. SAMARBEIDSAVTALE på institusjonsnivå mellom

Ø^ h ^ c^ c^ ST. OLAVS HOSPITAL 0 UNIVERSITETSSYKEHUSET I TRONDHEIM. St. OLAVS HOSPITAL HF. SAMARBEIDSAVTALE på institusjonsnivå mellom ST. OLAVS HOSPITAL 0 UNIVERSITETSSYKEHUSET I TRONDHEIM SAMARBEIDSAVTALE på istitusjosivå mellom HØGSKOLEN I SØR-TRØNDELAG (HiST) og St. OLAVS HOSPITAL HF Trodheim Dato : 6. mai 2010 Ø^ h ^ c^ c^ Høgskole

Detaljer

Introduksjon. Hypotesetesting / inferens (kap 3) Populasjon og utvalg. Populasjon og utvalg. Populasjonsvarians

Introduksjon. Hypotesetesting / inferens (kap 3) Populasjon og utvalg. Populasjon og utvalg. Populasjonsvarians Hypotesetestig / iferes (kap ) Itroduksjo Populasjo og utvalg Statistisk iferes Utvalgsfordelig (samplig distributio) Utvalgsfordelige til gjeomsittet Itroduksjo Vi øsker å få iformasjo om størrelsee i

Detaljer

TMA4245 Statistikk Eksamen 9. desember 2013

TMA4245 Statistikk Eksamen 9. desember 2013 Norges tekisk-aturviteskapelige uiversitet Istitutt for matematiske fag TMA4245 Statistikk Eksame 9. desember 2013 Oppgave 1 I kortspillet Blackjack får ma de høyeste geviste hvis de to første kortee ma

Detaljer

Luktrisikovurdering fra legemiddelproduksjon på Fikkjebakke Screening

Luktrisikovurdering fra legemiddelproduksjon på Fikkjebakke Screening Luktrisikovurderig fra legemiddelproduksjo på Fikkjebakke Screeig Aquateam COWI AS Rapport r: 14-046 Prosjekt r: O-14062 Prosjektleder: Liv B. Heige Medarbeidere: Lie Diaa Blytt Karia Ødegård (Molab AS)

Detaljer

Høgskolen i Telemark Avdeling for estetiske fag, folkekultur og lærerutdanning BOKMÅL 16. mai 2008

Høgskolen i Telemark Avdeling for estetiske fag, folkekultur og lærerutdanning BOKMÅL 16. mai 2008 Høgskole i Telemark Avdelig for estetiske fag, folkekultur og lærerutdaig BOKMÅL 6. mai 008 EKSAMEN I MATEMATIKK Modul 5 studiepoeg Tid: 5 timer Oppgavesettet er på 8 sider (ikludert formelsamlig). Hjelpemidler:

Detaljer

Hva er matematisk kompetanse?

Hva er matematisk kompetanse? Moa Røsselad Hva er matematisk kompetase? Norge har ok e gag kommet dårlig ut i udersøkelser som viser elevers kompetase i matematikk. Vi leter etter årsaker, og vi prøver å fie de riktige veie framover.

Detaljer

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

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

Detaljer

Ulike typer utvalg. MAT0100V Sannsynlighetsregning og kombinatorikk. Ordnet utvalg uten tilbakelegging. Ordnet utvalg med tilbakelegging.

Ulike typer utvalg. MAT0100V Sannsynlighetsregning og kombinatorikk. Ordnet utvalg uten tilbakelegging. Ordnet utvalg med tilbakelegging. MAT0100V Sasylighetsregig og kombiatorikk Ordet utvalg med og ute tilbakeleggig (repetisjo) Uordet utvalg ute tilbakeleggig (repetisjo) Tilfeldige variabler og sasylighetsfordeliger Hypergeometrisk fordelig

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

n 2 +1) hvis n er et partall.

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

Detaljer

MOT310 Statistiske metoder 1, høsten 2012

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

Detaljer

ÅMA110 Sannsynlighetsregning med statistikk, våren 2011

ÅMA110 Sannsynlighetsregning med statistikk, våren 2011 ÅMA110 asylighetsregig med statistikk våre 011 Kp. 5 Estimerig 1 Estimerig. Målemodelle. Ihold: 1. (ukt)estimerig i biomisk modell (kp. 5.). Målemodelle... (kp. 5.3) 3. (ukt)estimerig i målemodelle (kp.

Detaljer

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

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

Detaljer

Oversikt over konfidensintervall i Econ 2130

Oversikt over konfidensintervall i Econ 2130 HG April 00 Oversikt over kofidesitervall i Eco 30 Merk at dee oversikte ikke er met å leses istedefor framstillige i Løvås, me som et supplemet. Løvås ieholder mage verdifulle kommetarer og eksempler.

Detaljer

ÅMA110 Sannsynlighetsregning med statistikk, våren 2006

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

Detaljer

1 TIGRIS Tidlig intervensjon i forhold til rusmiddelbruk i graviditet og småbarnsperiode

1 TIGRIS Tidlig intervensjon i forhold til rusmiddelbruk i graviditet og småbarnsperiode 1 TIGRIS Tidlig itervesjo i forhold til rusmiddelbruk i graviditet og småbarsperiode 1 - TIGRIS 1 Ihold 1 Bakgru for prosjektet........................................... 5 2 Prosjektkommuer....................................................

Detaljer

Estimering og hypotesetesting. Estimering og hypotesetesting. Estimering og hypotesetesting. Kapittel 10. Ett- og toutvalgs hypotesetesting

Estimering og hypotesetesting. Estimering og hypotesetesting. Estimering og hypotesetesting. Kapittel 10. Ett- og toutvalgs hypotesetesting 3 Estimerig og hypotesetestig Kapittel 10 Ett- og toutvalgs hypotesetestig TMA4240 H2006: Eirik Mo Feome Bilkjørig Høyde til studeter Estimator ˆp = X, X atall ˆµ = X gjeomsittlig høyde. som syes de er

Detaljer

OM TAYLOR POLYNOMER. f x K f a x K a. f ' a = lim x/ a. f ' a z

OM TAYLOR POLYNOMER. f x K f a x K a. f ' a = lim x/ a. f ' a z OM TAYLOR POLYNOMER I dette otatet, som utfyller avsitt 6. i Gullikses bok, skal vi se på Taylor polyomer og illustrere hvorfor disse er yttige. Det å berege Taylor polyomer for håd er i prisippet ikke

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

Løsningsforslag for andre obligatoriske oppgave i STK1100 Våren 2007 Av Ingunn Fride Tvete og Ørnulf Borgan

Løsningsforslag for andre obligatoriske oppgave i STK1100 Våren 2007 Av Ingunn Fride Tvete og Ørnulf Borgan Løsigsforslag for adre obligatoriske oppgave i STK11 Våre 27 Av Igu Fride Tvete (ift@math..uio.o) og Ørulf Borga (borga@math.uio.o). NB! Feil ka forekomme. NB! Sed gjere e mail hvis du fier e feil! Oppgave

Detaljer

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

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

Detaljer

UNIVERSITETET I OSLO

UNIVERSITETET I OSLO UIVERSITETET I OSLO Det matematisk-aturviteskapelige fakultet Eksame i: ST 105 - Iførig i pålitelighetsaalyse Eksamesdag: 8. desember 1992 Tid til eksame: 0900-1500 Tillatte hjelpemidler: Rottma: "Matematische

Detaljer

Oversikt over konfidensintervall i Econ 2130

Oversikt over konfidensintervall i Econ 2130 1 HG Revidert april 011 Oversikt over kofidesitervall i Eco 130 Merk at dee oversikte ikke er met å leses istedefor framstillige i Løvås, me som et supplemet. Løvås ieholder mage verdifulle kommetarer

Detaljer

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

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

Detaljer

IO 77/45 29. november 1977 ESTIMERING AV ENGELDERIVERTE PA DATA MED MALEFEIL. Odd Skarstad 1) INNHOLD

IO 77/45 29. november 1977 ESTIMERING AV ENGELDERIVERTE PA DATA MED MALEFEIL. Odd Skarstad 1) INNHOLD IO 77/45 29. ovember 977 ESTIMERING V ENGELDERIVERTE P DT MED MLEFEIL av Odd Skarstad ) INNHOLD I. Data fra forbruksudersøkelse II. Estimerig ved målefeil. Iledig 2. Systematiske målefeil 2 3. Tilfeldige

Detaljer

Rep.: generelle begrep og definisjoner Kp. 10.1, 10.2 og 10.3

Rep.: generelle begrep og definisjoner Kp. 10.1, 10.2 og 10.3 Kp. 1, oversikt ; oversikt, t- ; oversikt ; stor ; Hypoteseig; ett- og to-utvalg Rep.: geerelle begrep og defiisjoer Kp. 1.1, 1.2 og 1.3 Rep.: ett-utvalgser for μ (...), p Kp. 1 og 1.8 Nytt: ett-utvalgs

Detaljer