HØGSKOLEN I SØR-TRØNDELAG Avdeling for teknologi
|
|
- Ferdinand Markussen
- 6 år siden
- Visninger:
Transkript
1 HØGSKOLEN I SØR-TRØNDELAG Avdelig for tekologi Målform: Bokmål Eksamesdato: Tirsdag 3. desember 03 Varighet/eksamestid: 5 timer Emekode: TALM005-A Emeav: Statistikk og Økoomi Klasse(r): Kjemi, Material, Logistikk Bygg Elektro, Forybar eergi Maski Studiepoeg: 0 studiepoeg Faglærer(e): (av og telefor på eksamesdage) Kotaktperso(adm.) (fylles ut ved behov ku ved kursemer) Hjelpemidler: Oppgavesettet består av: (atall oppgaver og atall sider ikl. forside) Kjetil Liestøl Nielse ( ), Perille Friis, Lars Egvik Audu Grøm ( ), Eirik Spets Kalkulator gruppe C, formelark (statistikk) på 5 sider, tabeller (statistikk) på 9 sider, formelark (økoomi) på sider, retetabeller med forklarig. 7 oppgaver (totalt 5 deloppgaver), 6 sider (ikl dee forside) + vedlegg. Vedlegg består av: (atall sider) Formelark (statistikk) på 5 sider, tabeller (statistikk) på 9 sider, formelark (økoomi) på sider og retetabeller. Merkader: Oppgavetekste ka beholdes av studeter som sitter eksamestide ut. Studetee skal levere statistikkdele (oppg. -4) og økoomidele (oppg. 5-7) separat i hvert sitt omslagsark. NB! Les gjeom hele oppgavesettet før du begyer arbeidet, og dispoer tide. Statistikkdele og økoomidele teller 50% hver (gitt at lærigsmålee er tilfredsstillede oppfylt). Beregigsmetode(r) skal vises og svar skal begrues tilstrekkelig. Ved bruk av tabell skal det refereres til de aktuelle tabelle. Dersom oe virker uklart i oppgavsettet, skal du gjøre die ege atagelser og forklare dette i besvarelse. Lykke til!
2 Del - Statistikk Oppgave Hva er mest sasylig av å få mist é sekser på 6 terigkast eller mist to seksere på terigkast? Reg ut begge sasylighetee. Oppgave Det atas at e test for e bestemt sykdom gir feil utslag i 5 % av tilfellee for persoer som ikke har sykdomme, og i % av tilfellee for persoer som har sykdomme. 3 % av befolkige atas å ha sykdomme. Fi sasylighete for at e tilfeldig perso ikke har sykdomme, gitt at teste idikerer sykdom. Oppgave 3 Atall utrykiger fra e legevakt ka beskrives med e Poisso-fordelig med e itesitet på.5 utrykiger per dag. a) Reg ut sasylighete for at det skjer mer e tre utrykiger i løpet av e dag. b) Reg ut sasylighete for at det skjer mist 0 utrykiger i løpet av e periode på fire dager. c) Bereg (tilærmet) sasylighete (ute bruk av statistikkverktøyee på kalkulator) for at gjeomsittlig atall utrykiger per dag i løpet av år (365 dager) er høyst.4. Oppgave 4 (NB: I dee oppgave skal sasyligheter bereges ute bruk av statistikkverktøyee på kalkulator. E maski aalyserer jordprøver ved et laboratorium. Ata at tide maskie bruker på å aalysere e tilfeldig prøve, X, er ormalfordelt med µ = 50 sekuder og σ = 36 sekuder. a) Hva er sasylighete for at maskie bruker mer e 00 sekuder på å aalysere e jordprøve? b) Ata at maskie bruker mer e 00 sekuder på å aalysere e bestemt jordprøve. Hva er da sasylighete for at dee aalysetide er høyst 50 sekuder? (oppgave 4 fortsetter på este side)
3 Etter e kalibrerig av maskie, vil ma udersøke om maskie fortsatt har e forvetet aalysetid på 50 sekuder. Det blir tatt 5 måliger, og gjeomsittlig aalysetid blir målt til 30 sekuder. Vi atar at aalysetide på e tilfeldig valgt jordprøve fortsatt er ormalfordelt med σ = 36 og at måligee er uavhegige av hveradre. c) Bereg et 95% kofidesitervall for forvetet aalysetid etter kalibrerig. d) Still opp e hypotesetest med sigifikasivå 5 % for å avgjøre om vi ka påstå at forvetet aalysetid for maskie etter kalibrerig er ulik 50 sekuder. Gjeomfør hypoteseteste med måligee etter kalibrerig. e) Grafe over viser styrkefuksjoe for hypoteseteste i oppgave d). i. Hva er sasylighete for å kokludere rett ved hypoteseteste i d) hvis vi atar at maskies forvetede aalysetid ikke har edret seg etter kalibrerig? ii. Gitt at maskie faktisk hadde e forvetet aalysetid på 30 sekuder etter kalibrerig, hva er da sasylighete for at vi kommer til å kokludere feil ved hypoteseteste i d)? 3
4 Del - Økoomi Oppgave 5 Vakraft AS øsker å bygge e kraftstasjo. Kraftstasjoe vil koste 4.8 millioer kroer. Kraftstasjoe har e levetid på fem år, og de vil i gjeomsitt produsere strøm til e bereget salgspris på, millioer kroer i året. Kraftstasjoe vil være verdiløs etter fem år. Avkastigskravet er satt til 7 %. Lø og vedlikeholdskostader vil beløpe seg på millio kroer i året. a) Bereg ivesteriges åverdi. Er ivesterige løsom? b) Vakraft AS vurderer å søke om støtte fra state side de produserer grø eergi. Hvor mye må de få i støtte i året for at prosjektet skal bli løsomt? c) Nev de ulike risikofaktoree til dette prosjektet? Kom med e kort begruelse hvorfor det er satt et avkastigskrav på 7 %. d) Vakraft AS vurderer å ta opp et lå. De vil låe kroer som de plalegger å ha i 3 år. Lået er avdragsfritt i 3 år. Rete på 7 % skal betales etterskuddsvis hvert år. På låetidspuktet betales et gebyr på kr Dessute må de betale et termigebyr på kroer 500 ved hvert betaligstidspukt. Reg ut de effektive rete for lået. e) Normalt vil e betale reter på et lå etterskuddsvis, i hvilke retig ville de effektive rete bevege seg om retee + gebyr ble krevd forskuddsvis? Hvorfor? 4
5 Oppgave 6 To dyktige igeiørstudeter vurderer å starte opp e ege bedrift i starte av 03. De har spart opp kr hver, me har ikke råd til å tape oe utover dette. Side det er mage aktører som driver på med det samme, og at itrede i markedet krever store ivesteriger vil dette være ivesterig med høy risiko. a) Hvilket type foretak bør de to studetee opprette og hvorfor? De plalegger å kjøpe i e maski til kr som skal lage et helt ytt og revolusjoerede produkt. Kalkyle for produktet ser slik ut: Direkte materiale Direkte lø i produksjosavdelig Betalbare salgs - og admiistrasjoskostader Sum betalbare kostader 5 kr kr 3 kr 0 kr Vi reger med at salgsprise per ehet vil ligge på 5 kr. De kommer til å produsere stykk hvert år. Materialee settes i med e gag, mes løskostadee påløper jevt uder produksjo. Bedrifte vil operere med følgede fakta: Råvarelager: Tilvirkigsprossese tar: Omløpshastighet for ferdigvarelager: Kredittid til kuder: Likviditetsreserve: Kredittid til leveradører: måeder uke 60 gager per år måed kr måed b) Bereg det totale kapitalbehovet. c) Hva går forsiktighetsprisippet ut på? Trodheim IgStud AS hadde i fjor e gjeomsittlig dekigsgrad på 40 %. Bedriftes faste kostader var på kroer per år. Overskuddet beløp seg til kroer. d) Bereg dekigspuktsomsetig og sikkerhetsmargi i proset. e) For å øke salget plalegger bedrifte å redusere de gjeomsittlige prise med 0 %. Bereg de ye dekigsgrade. 5
6 Oppgave 7 Ved slutte av året har e bedrift følgede balaseposter: Fiaskostader Varelager Maski Itekter Egekapital Patelå Løskostader Kudefordriger Leveradørgjeld Kortsiktig lå Fiasitekter Bakiskudd Varekostader kr kr kr kr kr kr kr kr kr kr kr kr kr Evetuelt overskudd eller uderskudd er lagt til/trukket fra egekapitale. a) Utarbeid balase og resultatkoto for dee bedrifte. b) Bereg totalretabilitete og kommeter de. Hvorda ka de forbedre de? c) Kommeter soliditete til bedrifte ved slutte av året. d) Maskie ble kjøpt i ved slutte av året. Maskie har e lieær avskrivig på 0 år med e utragerigsverdi på kr. Bereg årlig avskrivig este år og vis hvorda dette ville blitt ført regskapsmessig ved bruk av t-koto. I tillegg kommeter om dette vil påvirke resultatet for este år. e) E bedrift har et lå i e bak. Bake setter opp retee, oe som medfører høyere retekostader for bedrifte. Hvorda påvirker de økte retekostader totalretabilitete for bedrifte? 6
7 ALM00M STATISTIKK FORMELSAMLING [/3] Gruleggede formler i sasylighetsregige Geerell addisjossetig P(A B) = P(A) + P(B) P(A B) Betiget sasylighet P(A B) P(A B) = P(B) Ge. multiplikasjosregel P(A B) = P(B) P(A B) eller P(A B) = P(A) P(B A) Total sasylighet r P(B) P(A B) P(A) = P(B i) P(A B i) Bayes lov P(B A) = i= P(A) A og B uavhegige P(A B) = P(A) P(B) P(A B) = P(A) P(B A) = P(B) Kombiatorikk Atall forskjellige utvalg år s eheter trekkes fra e populasjo på N eheter: Ordet utvalg, med tilbakeleggig! Ordet utvalg, ute tilbakeleggig ( N) = N( N N ) ( N s + ) = s ( N s)! N (N) s N! Uordet utvalg, ute tilbakeleggig ( ) s = s! = s!(n s)! N s Geerelt om sasylighetsfordeliger for variabel Fordeligsfuksjo F(x) = P(X x) Forvetig Varias P(a < X b) = F(b) F(a) Stadardavvik σ= SD(X) = Var(X) x x F(x) = f (u) du f(x) = F'(x) µ= E(X) = x P(X = x) µ= E(X) = x f(x) dx E [g(x)] = g ( x ) P ( X = x ) E [g(x)] = g(x) f (x) dx x σ = Var(X) = E[(X µ ) ] = E(X ) µ = ( x P(X = x)) µ x Geerelt om sasylighetsfordeliger for variable Simultafordelig for X og Y P[(X = x) (Y = y)] Forvetig E[g(X, Y)] = g(x, y) P[(X = x) (Y = y)] Kovarias Cov(X,Y) = E[(X µ )(Y µ )] = E(X Y) µ µ Korrelasjoskoeffisiet Cov(X, Y) ρ (X,Y) = σ σ x y
8 Spesielle diskrete sasylighetsfordeliger Biomisk fordelig X ~ bi(, p): x = ( ) x x P(X = x) p ( p) E(X) = p Var(X) = p ( p) Hypergeometrisk fordelig X ~ hypergeom(n, M, ): P ( X = x ) = ( M x ) ( N M x ( N ) ) E(X) = θ N Var(X) = θ( θ) N der θ= M N Poissofordelig X ~ Po(λ): Her er λ = α t eller α v eller α f x λ P(X = x) = e x! E(X) = λ λ Var(X) = λ Spesielle kotiuerlige sasylighetsfordeliger Ekspoesialfordelig T ~ eksp(α): f(t) = α e αt for t > 0 F(t) = e αt for t > 0 E(T) = Var(T) = α α Rektagulær fordelig X R(a, b): f(x) = b a for a < x < b a+ b E(X) = Var(X) = (b a) Stadard ormalfordelig U N(0,): P(U u) = G(u) G( u) = G(u) Geerell ormalfordelig X N(µ, σ ): x µ F(x) = P(X x) = G σ
9 Regler for forvetig og varias E(aX + b) = a E(X) + b E(X + X ) = E(X ) + E(X ) Var(aX + b) = a Var(X) Var(X + X ) = Var(X ) + Var(X ) år X og X er uavhegige. Puktestimerig av forvetig µ og varias σ i målemodelle Puktestimator for forvetig: Puktestimator for varias: µ= ˆ X= Xi i = σ E( µ ɵ ) = µ Var( µ ɵ ) = S = (X X) = ( X X ) i i= i= i ES ( ) =σ Tilærmiger Setralgresesetige (gjelder alle fordeliger): Dersom X, X,, X er uavhegige og idetisk fordelte stokastiske variable med forvetig µ og varias σ, så er for store verdier av ( 30): X + X + + X N ( µ, σ ) og σ X = (X+ X+ + X ) N µ, Sammeheg mellom spesielle fordeliger: hypergeom(n, M, ) N , θ ( θ ) 0 N N(µ, σ ) p( p) 0 λ 0 bi(, p) 50 p 0.05 Po(λ) 3
10 Itervallestimerig og hypotesetestig i målemodelle σ kjet, ormalfordelte observasjoer eller stort atall observasjoer ( 30): ( α) 00 % kofidesitervall for forvetige µ: u α σ Utvalgsstørrelse: = d X± u α σ der d er kofidesitervallets feilmargi. X µ 0 µ µ 0 Testobservator for H 0 : µ = µ 0 : U 0 = ~ N, σ σ σ ukjet, ormalfordelte observasjoer: ( α) 00 % kofidesitervall for forvetige µ: X± t S α, X µ 0 Testobservator for H 0 : µ = µ 0 : T0 = S Når H 0 er sa, er T 0 t-fordelt med ( ) frihetsgrader. Itervallestimerig og hypotesetestig i Poissomodell, vha. ormaltilærmig Tilærmet ( α) 00 % kofidesitervall for λ: λ λ ˆ 0 Testobservator for H 0 : λ = λ 0 : U0 = λ 0 λ± ˆ λ ˆ der λ ˆ = X u α Itervallestimerig og hypotesetestig i biomisk modell, vha. ormaltilærmig Tilærmet ( α) 00 % kofidesitervall for p: p( ˆ p) ˆ ˆp± uα der ɵp = Testobservator for H 0 : p = p 0 : U0 = ˆp p0 p( 0 p) 0 Itervallestimerig og hypotesetestig i hypergeometrisk modell, vha. ormaltilærmig Tilærmet ( α) 00 % kofidesitervall for Testobservator for H 0 : θ = θ 0 : X M θ= : Aalogt med biomisk modell. N Aalogt med biomisk modell. 4
11 Korrelasjo = X i i = i= i= S (X X) ( X ) X S = (X X)(Y Y) = ( X Y) X Y XY i i i i i= i= SXY Empirisk korrelasjoskoeffisiet: R = S S X = Y i i = i= i= S (Y Y) ( Y ) Y Y Regresjosmodelle par observasjoer av x og Y: (x,y ), (x,y ),, (x,y ) Y, Y,, er uavhegige og ormalfordelte stokastiske variable. Y E(Y i ) = β 0 + β x i Var(Y i ) = σ i =,,, der x, x,, x er kjete tall. i =,,, Miste kvadraters estimatorer: ˆ β = (xi x) Yi = xiyi x Y M i= M i= β ˆ = Y ˆ 0 β der x ˆ σ β ~ N ( β, ) ˆ σ β 0 ~ N ( β0, x i ) M M Estimert regresjoslije: Ŷ=β ˆ ˆ 0 +β x i i i= i= M = (x x) = ( x ) x i = Itervallestimerig og hypotesetestig i regresjosmodelle σ kjet: Kofidesitervall for β : ˆ σ β± u α M Testobservator for H 0 : 0 β =β 0 0 β β ˆ β β U 0 = ~ N, σ σ M M σ ukjet: Ikke pesum 5
12 N(0, )-FORDELINGEN : G(x) = P(X x) Eksempel: x =.04 gir P(X.04) = G(.04) = For egative verdier beyttes formele: G( x) = G(x). x Kvatiltabell: α u α
13 KVANTILTABELL FOR t-fordelingen Tabelle gir t α, m som er α-kvatile i t-fordelige med m frihetsgrader. P(T > t α, m) = α der T ~ t m Eksempel: t 0.0, =.356. Det betyr at P(T >.356) = 0.0 år T ~ t. m α
14 BINOMISK FORDELING : P(X x) Lijer der alle sasylighetee er lik.000 er ikke tatt med i tabelle. x p
15 BINOMISK FORDELING : P(X x) Lijer der alle sasylighetee er lik.000 er ikke tatt med i tabelle. x p
16 BINOMISK FORDELING : P(X x) Lijer der alle sasylighetee er lik.000 er ikke tatt med i tabelle. x p
17 BINOMISK FORDELING : P(X x) Lijer der alle sasylighetee er lik.000 er ikke tatt med i tabelle. x p
18 BINOMISK FORDELING : P(X x) Lijer der alle sasylighetee er lik.000 er ikke tatt med i tabelle. x p
19 POISSON FORDELING : P(X x) x λ x λ x λ
20 POISSON FORDELING : P(X x) x λ x λ
21 Formelark Totalretabilitete: (Ordiært resultat før skattekostad + fiaskostader) * 00% Gjeomsittlig totalkapital eller (Driftsresultat + fiasitekter) * 00% Gjeomsittlig totalkapital Egekapitalretabilitete før skatt: Ordiært resultat før skattekostad * 00% Gjeomsittlig egekapital Egekapitalretabilitete etter skatt: Ordiært resultat * 00% Gjeomsittlig egekapital Egekapitalproset: Egekapital * 00% Totalkapital Resultatgrade: (Driftsresultat + fiasitekter) * 00% Driftsitekter Kapitales omløpshastighet: Driftsitekter Gjeomsittlig totalkapital Likviditetsgrad : Omløpsmidler Kortsiktig gjeld Likviditetsgrad : Omløpsmidler varebeholdigee Kortsiktig gjeld Varelagerets lagrigstid: Gjeomsittlig varelager * 360 dager Varer solgt i året Kredittid til kuder: Beholdig av kudefordriger * 360 dager Ibetalt fra kuder i året Kredittid til leveradører: Beholdig av leveradører * 360 dager Betalt til leveradøree i året
22 Optimal ikjøpsmegde per gag: M= * Å * O P * L Hvor Å= Årsforbruk i eheter P= Pris per ehet O= Ordrekostader per gag L= Lagrigskostader i proset M= Megde per ikjøp ep: Edrig i megde : Edrig i pris Gjeomsittlig megde Gjeomsittlig pris Sikkerhetsmargi: Forskjell fra dekigspukt * 00% Periodes salg Dekigsgrad: Totalt dekigsbidrag * 00% evt. Dekigsbidrag per ehet * 00% Periodes salg Pris per ehet Dekigspuktet: Faste kostader * 00% Dekigsgrade Tilleggssats: Idirekte kostader * 00% Fordeligsgrulaget
23
24
25
26
27
28
29
30
HØGSKOLEN I SØR-TRØNDELAG Avdeling for teknologi
HØGSKOLEN I SØR-TRØNDELAG Avdelig for tekologi Målform: Bokmål Eksamesdato: Fredag 6. Jui 04 Varighet/eksamestid: 5 timer Emekode: TALM005-A Emeav: Statistikk og Økoomi Klasse(r): Kjemi, Material, Logistikk
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
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
DetaljerEmnenavn: Eksamenstid: 4 timer. Faglærer: Hans Kristian Bekkevard
EKSAMEN Emekode: SFB107111 Emeav: Metode 1, statistikk deleksame Dato: 7. mai 2018 Hjelpemidler: Godkjet kalkulator og vedlagt formelsamlig m/tabeller Eksamestid: 4 timer Faglærer: Has Kristia Bekkevard
DetaljerEmnenavn: Metode 1, statistikk deleksamen. Eksamenstid: 4 timer. Faglærer: Bjørnar Karlsen Kivedal
EKSAMEN Emekode: SFB10711 Emeav: Metode 1, statistikk deleksame Dato: 10. oktober 2018 Hjelpemidler: Godkjet kalkulator og vedlagt formelsamlig m/tabeller Eksamestid: 4 timer Faglærer: Bjørar Karlse Kivedal
Detaljer211.7% 2.2% 53.0% 160.5% 30.8% 46.8% 17.2% 11.3% 38.7% 0.8%
Prøve-eksame II MET 1190 Statistikk Dato 31. mai 2019 kl 1100-1400 Alle svar skal begrues. Når besvarelse evalueres, blir det lagt vekt på at framgagsmåte og resultat preseteres så klart, presist og kortfattet
DetaljerÅMA110 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
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 TALM1005 (statistikkdel) juni 2017
Løsig TALM1005 statistikkdel jui 2017 Oppgave 1 a Har oppgitt at sasyligte for at é harddisk svikter er p = 0, 037. Ifører hedelsee A : harddisk 1 svikter B : harddisk 2 svikter C : harddisk 3 svikter
DetaljerEKSAMEN. Oppgavesettet består av 5 oppgaver, hvor vekten til hver oppgave er angitt i prosent i oppgaveteksten. Alle oppgavene skal besvares.
EKSAMEN Emekode: SFB12003 Eme: Metodekurs II: Samfusviteskapelig metode og avedt statistikk Dato: 2.6.2014 Eksamestid: kl. 09.00 til kl. 13.00 Hjelpemidler: Kalkulator Faglærer: Bjørar Karlse Kivedal Eksamesoppgave:
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
DetaljerÅMA110 Sannsynlighetsregning med statistikk, våren Estimering. Målemodellen. Konfidensintervall, innledning. Kp. 5 Estimering.
ÅMA0 Sasylighetsregig med statistikk våre 006 Kp. 5 Estimerig Estimerig. Målemodelle. Ihold:. (Pukt)Estimerig i biomisk modell (kp. 5.). Målemodelle... (kp. 5.3) 3. (Pukt)Estimerig i målemodelle (kp. 5.3)
DetaljerMOT310 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,
DetaljerÅMA110 Sannsynlighetsregning med statistikk, våren 2007 Oppsummering
ÅMA110 Sasylighetsregig med statistikk, våre 2007 Oppsummerig Bjør H. Auestad Istitutt for matematikk og aturviteskap Uiversitetet i Stavager 19. april Bjør H. Auestad Oppsummerig våre 2006 1 / 37 Oversikt
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
DetaljerOppgave 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
DetaljerÅMA110 Sannsynlighetsregning med statistikk, våren Kontinuerlige tilfeldige variable, intro. Kontinuerlige tilfeldige variable, intro.
ÅMA Sasylighetsregig med statistikk, våre Kp. 4 Kotiuerlige tilfeldige variable; Normalfordelig Kotiuerlige tilfeldige variable, itro. (eller: Kotiuerlige sasylighetsfordeliger) Vi har til å sett på diskrete
DetaljerÅMA110 Sannsynlighetsregning med statistikk, våren Kontinuerlige tilfeldige variable, intro. Kontinuerlige tilfeldige variable, intro.
ÅMA0 Sasylighetsregig med statistikk, våre 008 Kp. 4 Kotiuerlige tilfeldige variable; Normalfordelig Kotiuerlige tilfeldige variable, itro. (eller: Kotiuerlige sasylighetsfordeliger) Vi har til å sett
DetaljerÅMA110 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
DetaljerÅMA110 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
DetaljerÅMA110 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
DetaljerÅMA110 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
DetaljerOppgave 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
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
DetaljerEKSAMENSOPPGAVE. Mat-1060 Beregningsorientert programmering og statistikk
Fakultet for aturviteskap og tekologi EKSAMENSOPPGAVE Eksame i: (Kode og av) Dato: 05.1.017 Klokkeslett: 09:00-13:00 Sted: Åsgårdv 9 Mat-1060 Beregigsorietert programmerig og statistikk Tillatte hjelpemidler:
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 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
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
DetaljerStatistikk 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
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
DetaljerKap. 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)
DetaljerÅMA110 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
DetaljerKLMED8004 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
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
DetaljerÅMA110 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
DetaljerKapittel 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
DetaljerTALLSVAR. Det anbefales at de 9 deloppgavene merket med A, B, teller likt uansett variasjon i vanskelighetsgrad. Svarene er gitt i << >>.
1 ECON130: EKSAMEN 013 VÅR - UTSATT PRØVE TALLSVAR. Det abefales at de 9 deloppgavee merket med A, B, teller likt uasett variasjo i vaskelighetsgrad. Svaree er gitt i
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
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 >
DetaljerKap. 9: Inferens om én populasjon. Egenskaper ved t-fordelingen. ST0202 Statistikk for samfunnsvitere. I Kapittel 8 brukte vi observatoren
2 Kap. 9: Iferes om é populasjo I Kapittel 8 brukte vi observatore z = x μ σ/ for å trekke koklusjoer om μ. Dette krever kjet σ (urealistisk). ST0202 Statistikk for samfusvitere Bo Lidqvist Istitutt for
DetaljerOppgaven består av 9 delspørsmål, A,B,C,., som anbefales å veie like mye, Kommentarer og tallsvar er skrevet inn mellom <<.. >>.
ECON 130 EKSAMEN 008 VÅR - UTSATT PRØVE SENSORVEILEDNING Oppgave består av 9 delspørsmål, A,B,C,., som abefales å veie like mye, Kommetarer og tallsvar er skrevet i mellom . Oppgave 1 Ved e spørreudersøkelse
DetaljerEcon 2130 Forelesning uke 11 (HG)
Eco 130 Forelesig uke 11 (HG) Mer om ormalfordelige og setralgreseteoremet Uke 1 1 Fra forrige gag ~ betyr er fordelt som. ~ N( µσ, ) E( ) = µ, og var( ) = σ Normalfordelige er symmetrisk om μ og kotiuerlig
DetaljerKapittel 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
DetaljerKap. 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)
DetaljerHypotesetesting, del 4
Oversikt, del 4 t-fordelig t-test t-itervall Del 5 Kofidesitervall vs. test p-verdi t-fordelig Rett på defiisjo: Utgagspuktet er målemodelle med ormalatakelse: X 1,...,X,u.i.f.tilf.var.derX i Nμ, σ 2 ).La
DetaljerÅMA110 Sannsynlighetsregning med statistikk, våren 2007
ÅMA0 Sasylighetsregig med statistikk, våre 007 Kp. 4 Kotiuerlige tilfeldige variable; Normalfordelig Kotiuerlige tilfeldige variable, itro. (eller: Kotiuerlige sasylighetsfordeliger) Vi har til å sett
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
DetaljerÅMA110 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
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 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
DetaljerECON240 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
Detaljer2. Hypotesetesting i ulike sitausjoner: i. for forventingen, μ, i målemodellen med normalantakelse og kjent varians, σ 2.
Oversikt 1. Hva er hypotesetestig? 2. i ulike sitausjoer: i. for forvetige, μ, med ormalatakelse og kjet varias, σ 2. ii. for forvetige, μ, med stor og ormaltilærmig (variase, σ 2, ukjet). iii. for suksessasylighete,
DetaljerLøsningsforslag ST1101/ST6101 kontinuasjonseksamen 2018
Løsigsforslag ST/ST6 kotiuasjoseksame Oppgave a Defier hedelsee R, B, B rød kule i første trekig, blå kule i adre trekig, blå kule i tredje trekig. Vi skal fie PR B B for to ulike situasjoer. Geerelt vet
DetaljerNoen vanlige. Indikatorfordeling: 1, dersom suksess. I mange situasjoner kan fenomenet vi ser på. 0, dersom ikke suksess
Kapittel 5: Noe valige sasylighetsfordeliger I mage situasjoer ka feomeet vi ser på beskrives med e bestemt type sasylighets- fordelig (e sasylighetsfordelig gitt ved e bestemt formel. Vi skal se på oe
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
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.
DetaljerHØGSKOLEN I SØR-TRØNDELAG Avdeling for teknologi
HØGSKOLEN I SØR-TRØNDELAG Avdeling for teknologi Målform: Bokmål Eksamensdato: Onsdag 5. desember 2012 Varighet/eksamenstid: Emnekode: Emnenavn: Klasse(r): Studiepoeng: Faglærer(e): (navn og telefonnr
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
DetaljerKort 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.
DetaljerEksempeloppgave 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
DetaljerLøsningsforslag 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
DetaljerÅMA110 Sannsynlighetsregning med statistikk, våren Estimering. Målemodellen. Sannsynlighetsregning med statistikk. Kp. 5 Estimering.
ÅMA asylighetsregig med statistikk våre 008 Kp. 5 Estimerig Estimerig. Målemodelle. Ihold:. (ukt)estimerig i biomisk modell (kp. 5.). Målemodelle... (kp. 5.3) 3. (ukt)estimerig i målemodelle (kp. 5.3)
DetaljerLØSNINGSFORSLAG 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
DetaljerAVDELING 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
DetaljerOversikt 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
DetaljerHøgskolen 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:
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
DetaljerRep.: 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
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
DetaljerIntroduksjon. 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
DetaljerTMA4240 Statistikk H2010
TMA440 Statistikk H00 9.8: To uvalg (siste del) 9.9: Parvise observasjoer 9.0-9.: Adelser 9.: Varias Mette Lagaas Foreleses oag 0.oktober, 00 Norske hoppdommere og Jae Ahoe Jae Ahoe er e fisk skihopper,
DetaljerHøgskolen i Telemark. Institutt for økonomi og informatikk FORMELSAMLING Statistikk I. Til bruk ved eksamen. Per Chr. Hagen
Høgskolen i Telemark Institutt for økonomi og informatikk FORMELSAMLING 6005 Statistikk I Til bruk ved eksamen Per Chr. Hagen . Sannsynlighetsregning. Regneregler Komplementsetningen: Addisjonssetningen:
DetaljerEstimering 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
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
DetaljerÅMA110 Sannsynlighetsregning med statistikk, våren Kontinuerlige tilfeldige variable, intro. Kontinuerlige tilfeldige variable, intro.
ÅMA Sasylighetsregig med statistikk, våre 6 Kp. 4 Kotiuerlige tilfeldige variable og ormaldelige Kotiuerlige tilfeldige variable, itro. (eller: Kotiuerlige sasylighetsdeliger) Vi har til å sett på diskrete
DetaljerOversikt 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.
DetaljerUNIVERSITETET I OSLO ØKONOMISK INSTITUTT
Eksame i: ECON130 Statistikk 1 UNIVERSITETET I OSLO ØKONOMISK INSTITUTT Eksamesdag: 6.05.017 Sesur kugøres: 16.06.017 Tid for eksame: kl. 14:30 17:30 Oppgavesettet er på 6 sider Tillatte helpemidler: Alle
DetaljerKapittel 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
DetaljerForventningsverdi. 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
DetaljerKonfidensintervall. 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
DetaljerHøgskolen 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).
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
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
DetaljerTMA4245 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
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
DetaljerLØSNING: Eksamen 28. mai 2015
LØSNING: Eksame 28. mai 2015 MAT110 Statistikk 1, vår 2015 Oppgave 1: revisjo ) a) Situasjoe som beskrives i oppgave ka modelleres med e ure. I dee ure er fordelige kjet, M atall bilag med feil og N 100
DetaljerÅMA110 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
DetaljerTMA4245 Statistikk Eksamen august 2015
Eksame august 15 Norges tekisk-aturviteskapelige uiversitet Istitutt for matematiske fag Løsigsskisse Oppgave 1 a asylighetee blir og X > Z > 1 1 Z 1 Φ.3,.5 W > 5 X + Y > 5 b Forvetet samfuskostad blir
Detaljer8 (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:
DetaljerOversikt, del 5. Vi har sett på styrkefunksjon for ensidige tester. Eksempler (styrke, dimensjonering,...) Eksempler fra slutten av forrige uke
Hypotesetestig, del 4 oppsummerig fra Hypotesetestig, del 5 Kofidesitervall dimesjoerig Oversikt, del 5 Eksempler fra slutte av forrige uke Kofidesitervall p-verdi Eksempler Eksempler styrke, dimesjoerig,...
DetaljerSammendrag i statistikk
Sammedrag i statistikk Sammedrag Dette dokumetet er et sammedrag av pesum i faget ST0103 ved NTNU høste 2014. Notatet er derfor ikke tekt å være komplett eller spesielt grudig gjeomlest for feil, me det
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
DetaljerForelesning 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
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
DetaljerÅMA110 Sannsynlighetsregning med statistikk, våren 2011
ÅMA0 Sasylighetsregig statistikk våre 0 Kp. 4 Kotiulige tilfeldige variable; Normalfordelig Kotiulige tilfeldige variable itro. (ell: Kotiulige sasylighetsfordelig Vi har til å sett på diskrete fordelig
DetaljerTMA4245 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
DetaljerUNIVERSITETET I OSLO
UNIVERSITETET I OSLO Det matematisk-aturviteskapelige fakultet Eksame i: STK11 Sasylighetsregig og statistisk modellerig. LØSNINGSFORSLAG Eksamesdag: Fredag 9. jui 217. Tid for eksame: 9. 13.. Oppgavesettet
DetaljerMOT310 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
DetaljerEksamen 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
DetaljerEKSAMEN. Oppgavesettet består av 5 oppgaver, hvor vekten til hver oppgave er angitt i prosent i oppgaveteksten. Alle oppgavene skal besvares.
EKSAMEN Emekode: SFB12003 Eme: Metodekurs II: Samfusviteskapelig metode og avedt statistikk Dato: 10.12.2014 Eksamestid: kl. 09.00 til kl. 13.00 Hjelpemidler: Kalkulator Faglærer: Bjørar Karlse Kivedal
Detaljer