Oppfriskning av blokk 1 i TMA4240

Save this PDF as:
 WORD  PNG  TXT  JPG

Størrelse: px
Begynne med side:

Download "Oppfriskning av blokk 1 i TMA4240"

Transkript

1 Oppfriskning av blokk 1 i TMA4240 Geir-Arne Fuglstad November 21, 2016

2 2 Hva har vi gjort i dette kurset? Vi har studert to sterkt relaterte grener av matematikk Sannsynlighetsteori: matematisk teori for å beskrive stokastiske variabler og deres fordelinger [Kapitler 2 7] Statistikk: innsamling, beskrivelse, analyse, tolkning og presentasjon av data [Kapitler 1 og 8 11] Sannsynlighetsteori er et essensielt verktøy i statistikk

3 3 Pensum Walpole, Myers, Myers and Ye (2012): Probability and Statistics for engineers (9. utgave), Pearson / Prentice Hall. Kap 1 3. Hele. Kap 4: (til What if the function is nonlinear?) Kap 5: Hele. Kap 6: Kap 7: 7.1, 7.2: Teorem 1 og Teorem 3, 7.3. Kap 8: , 8.8. Kap 9: , 9.8 (unntatt avsnittet Variances Unknown But Equal), , Kap 10: , 10.5 (unntatt avsnittet Unknown But Equal Variances), Kap 11: Notat om ordningsvariabler ~mettela/tma4240h2016/ordningekstremh2016.pdf

4 4 Eksamen Onsdag 21. desember kl :00 Tillatte hjelpemidler: Gult A5 ark med egne håndskrevne notater (stemplet av Institutt for matematiske fag). Fås på Instituttkontoret, 7. etg., Sentralbygg 2. IKKE planlegg å hente det tirsdag kveld før eksamen. Da er 7. etg. stengt! Bestemt enkel kalkulator. VIKTIG! Tabeller og former i statistikk (Akademika). VIKTIG! Rottman.

5 5 Veiledning før eksamen Fredag 2. desember kl i S1. Fredag 9. desember kl i S1. Mandag 12. desember kl i S1. Torsdag 15. desember kl i S1. Fredag 16. desember kl i S1. Mandag 19. desember kl S2. Tirsdag 20. desember kl i S2 Se

6 6 Plan for i dag Vi skal repetere viktige begrep fra Kapittel 1 7 gjøre utvalgte eksamensoppgaver fra ulike temaer jeg vil ikke fortelle hva som kommer eller ikke kommer på eksamen Dvs du kommer antageligvis ikke til å lære noe nytt hvis du kan alt i pensum men forhåpentligvis kommer du til å se hvilke deler av pensum du trenger å jobbe mer med

7 7 Kapittel 1: Deskriptiv statistikk Oppsummert: Hvordan beskrive en samling av observasjoner x 1, x 2,..., x n gjennom informative figurer og tall?

8 8 Kapittel 1: Deskriptiv statistikk Observasjonene kan oppsummeres med et sentralmål og et variasjonsmål Det viktigste sentralmålet er empirisk middelverdi x = 1 n n i=1 x i De viktigste variasjonsmålene er empirisk varians og empirisk standardavvik s 2 = 1 1 (x i x) 2 og s = (x i x) n 1 n 1 2 i=1 i=1

9 9 Kapittel 1: Deskriptiv statistikk Observasjonene kan også oppsummeres i figurer Et kryssplott viser to størrelser plottet mot hverandre: høyde mot kjønn, lønn mot alder, osv. Et boksplott viser empirisk median og kvantiler Et histogram viser en tilnærming av punktsannsynligheten for diskret størrelser og en tilnærming av sannsynlighetstettheten for kontinuerlige størrelser

10 10 Eksamen juni 2015

11 11 Kapittel 2: Sannsynlighet Oppsummert: Matematisk definisjon av sannynlighet og betinget sannsynlighet

12 12 Kapittel 2: Sannsynlighet Et stokastisk forsøk er et eksperiment der resultatet er underlagt tilfeldigheter Utfallsrommet S er mengden av alle mulige utfall e S av forsøket En hendelse A er en delmengde av S Komplementet av A i S skrives A og inneholder alle utfall i S som ikke er inneholdt i A Unionen av A og B skrives A B og inneholder alle utfall enten i A og i B Snittet av A og B skrives A B og inneholder alle utfall både i A og i B

13 13 Kapittel 2: Sannsynlighet Viktig: Definisjon av sannsynlighet Betinget sannsynlighet Regneregler for sannsynlighet Lov om total sannsynlighet Bayes teorem Uavhengighet

14 14 Eksamen mai 2012

15 15 Kapittel 3: Stokastiske variabler Oppsummert: Hvordan beskrive variabler som tar verdier basert på utfallet av et stokastisk forsøk?

16 16 Kapittel 3: Stokastiske variabler Definition En stokastisk variabel X på utfallsrommet S er en funksjon X : S R Definition En diskret stokastisk variabel kan oppnå et endelig eller tellbart uendelig antall verdier. En kontinuerlig stokastisk variabel kan oppnå verdier i et intervall på tallinjen.

17 17 Kapittel 3: Stokastiske variabler En stokastisk variabel blir beskrevet av en sannsynlighetsfordeling Diskret X: bruker en punktsannsynlighet f f (x) 0 for all x x f (x) = 1 For en delmengde av de mulige realiseringene A er P(X A) = x A f (x) Kontinuerlig X: bruker en sannsynlighetstetthet f f (x) 0 for all x R f (x)dx = 1 For en delmengde av de mulige realiseringene A R er P(X A) = f (x)dx x A

18 18 Kapittel 3: Stokastiske variabler Kumulativ sannsynlighetsfordeling F for X er Diskret: F(x) = P(X x) = t x f (t), der f er en punktsannsynlighet Kontinuerlig: F(x) = P(X x) = x f (t), der f er en sannsynlighetstetthet f (x) = d dx F (x)

19 19 Kapittel 3: Stokastiske variabler Viktig: Simultanfordeling Marginal fordeling Betinget fordeling Hva betyr uavhengighet for simultanfordeling?

20 20 Eksamen August 2014

21 21 Kapittel 4: Forventningsverdi og varians Oppsummert: Hvordan oppsummere en stokastisk variabel?

22 22 Kapittel 4: Forventningsverdi og varians Forventningsverdi til X Diskret X: E[g(X)] = x g(x)f (x) Kontinuerlig X: E[g(X)] = g(x)f (x)dx Varians til X Diskret X: Var[X] = x (x E(X))2 f (x) Kontinuerlig X: E[g(X)] = (x E(X))2 f (x)dx Standardavviket til X er SD[X] = Var[X]

23 23 Kapittel 4: Forventningsverdi og varians Kovariansen til X og Y er Cov[X, Y ] = E[(X µ X )(Y µ Y )] Korrelasjonen mellom X og Y er Corr = Cov[X, Y ] Var[X]Var[Y ]

24 24 Kapittel 4: Forventningsverdi og varians Veldig viktig: Regneregler E[a 0 + a 1 X a n X n ] = a 0 + a 1 E[X 1 ] a n E[X n ] Hvis X 1, X 2,..., X n er uavhengige Var[a 0 + a 1 X a n X n ] = a1 2 Var[X 1] anvar[x 2 n ]

25 25 Eksamen desember 2010

26 26 Kapittel 5: Diskret fordelinger Oppsummert: Hvilke kjente diskret fordelinger kan vi benytte?

27 27 Kapittel 5: Diskret fordelinger En Bernoulliprosess har følgende egenskaper 1. Består av n forsøk 2. Hvert forsøk resulterer i suksess eller fiasko 3. Suksess-sannsynligheten p er konstant 4. Forsøkene er uavhengige

28 28 Kapittel 5: Diskret fordelinger Antall suksess X i en Bernoulliprosses med n forsøk og suksess-sannsynlighet p har en binomisk fordeling ( ) n P(X = x) = p x (1 p) n x, x = 0, 1,..., n. x

29 29 Kapittel 5: Diskret fordelinger Antall suksess X når n kuler trekkes fra en urne med N kuler der k av kulene er suksess og N k av kulene er fiasko har en hypergeometrisk fordeling ( k N k ) P(X = x) = x)( n x ( N, max{0, n + k N} x min{n, k}. m)

30 30 Kapittel 5: Diskret fordelinger Hvis en Bernoulliprosess modifiseres slik at vi gjentar forsøket til vi oppnår k suksesser og X er antall forsøk til og med suksess nummer k har X en negativ binomisk fordeling ( ) x 1 P(X = x) = p k (1 p) x k, x = k, k + 1, k + 2,.... k 1

31 31 Kapittel 5: Diskret fordelinger En negativ binomisk fordeling med k = 1 suksesser kalles en geometrisk fordeling P(X = x) = p(1 p) x 1, x = 1, 2,....

32 32 Kapittel 5: Diskret fordelinger En Poissonprosess kjennetegnes ved at Antall hendelser i disjunkte tidsintervaller er uavhengige Sannsynligheten for at en hendelse intreffer i et lite tidsintervall er proposjonalt med lengden av tidsintervallet Sannsynligheten for at mer enn en hendelse intreffer i et lite tidsintervall er neglisjerbar

33 33 Kapittel 5: Diskret fordelinger Antall hendelser i et tidsintervall av lengde t for en Poissonprosess har en Poissonfordeling λt (λt)x P(X = x) = e. x!

34 34 Oppslag i tabell La X ha en binomisk fordeling med n = 20 og p = 0.6 og regn ut a) P(X = 5) b) P(X < 10) c) P(X > 15)

35 35 Kapittel 6: Kontinuerlige fordelinger Oppsummert: Hvilke kjente kontinuerlige fordelinger kan vi benytte?

36 36 Kapittel 6: Kontinuerlige fordelinger En uniform fordeling på (A, B) er beskrevet av en sannsynlighetstetthet { 1 f (x) = B A, A < x < B,. 0, ellers

37 37 Kapittel 6: Kontinuerlige fordelinger En normalfordeling er beskrevet av en sannsynlighetstettheten f (x) = 1 2πσ e (x µ)/(2σ2), x R, der µ er forventningsverdien og σ er standardavviket.

38 38 Kapittel 6: Kontinuerlige fordelinger En eksponentialfordeling er beskrevet av en sannsynlighetstettheten f (x) = λe λx, x > 0, der λ er rate-parameteren. Kan også parametriseres med β = 1/λ.

39 39 Kapittel 6: Kontinuerlige fordelinger En gammafordeling er beskrevet av en sannsynlighetstettheten f (x) = βα Γ(α) x α 1 e βx, x > 0, der α er shape -parameter og β er rate-parameter.

40 40 Kapittel 6: Kontinuerlige fordelinger En χ 2 -fordeling er beskrevet av en sannsynlighetstettheten f (x) = der ν er antall frihetsgrader. 1 2 ν/2 Γ(ν/2) x ν/2 1 e x/2

41 41 Oppslag i tabell La X være normalfordelt med forventningsverdi µ = 2 og σ = 2, og regn ut P(1 < X < 5)

42 42 Kapittel 7: Transformasjoner Oppsummert: Hva skjer med fordelingen til en stokatisk variabel når vi transformerer den?

43 43 Kapittel 7: Transformasjoner Viktig Transformasjon av kontinuerlige stokastiske variabler Transformasjon av diskret stokastiske variabler Momentgenerende funksjon Fordeling av maksimum og minimum [Beskrevet i notat]

44 44 Eksamen august 2010

TMA4240 Statistikk Høst 2008

TMA4240 Statistikk Høst 2008 TMA4240 Statistikk Høst 2008 Norges teknisk-naturvitenskapelige universitet Institutt for matematiske fag Øving nummer 7 Oppgave 1 Tippekonkurranse Denne oppgaven er ment som en kjapp test på hva du har

Detaljer

Kap. 6, Kontinuerlege Sannsynsfordelingar

Kap. 6, Kontinuerlege Sannsynsfordelingar Kapittel 6, Kontinuerlege Sannsynsfordelingar Sjå på eit utval av ofte brukte kontinuerlege sannsynsfordelingar Uniform I går Normal I går Eksponensial I dag Gamma I dag Kji-kvadrat I dag Nokre eigenskapar

Detaljer

Eksamensoppgave i TMA4240 Statistikk

Eksamensoppgave i TMA4240 Statistikk Institutt for matematiske fag Eksamensoppgave i TMA4240 Statistikk Faglig kontakt under eksamen: Mette Langaas a, Ingelin Steinsland b, Geir-Arne Fuglstad c Tlf: a 988 47 649, b 926 63 096, c 452 70 806

Detaljer

Kap. 6, Kontinuerlege Sannsynsfordelingar

Kap. 6, Kontinuerlege Sannsynsfordelingar Kapittel 6, Kontinuerlege Sannsynsfordelingar Sjå på eit utval av ofte brukte kontinuerlege sannsynsfordelingar Uniform I går Normal I går Eksponensial I dag Gamma I dag Kji-kvadrat I dag Nokre eigenskapar

Detaljer

FORMELSAMLING TIL STK1100 OG STK1110

FORMELSAMLING TIL STK1100 OG STK1110 FORMELSAMLING TIL STK1100 OG STK1110 (Versjon av 16. november 2009) 1. Sannsynlighet La A, B, A 1, A 2,...,B 1, B 2,... være begivenheter, dvs. delmengder av et utfallsrom Ω. a) Aksiomene: Et sannsynlighetsmål

Detaljer

TMA4245 Statistikk Eksamen desember 2016

TMA4245 Statistikk Eksamen desember 2016 Norges teknisk-naturvitenskapelige universitet Institutt for matematiske fag TMA4245 Statistikk Eksamen desember 2016 Oppgave 1 En bedrift produserer elektriske komponenter. Komponentene kan ha to typer

Detaljer

TMA4240 Statistikk H2015

TMA4240 Statistikk H2015 TMA4240 Statistikk H2015 Kapittel 5: Noen diskrete sannsynlighetsfordelinger 5.4 Geometrisk og negativ binomisk fordeling 5.5 Poisson-prosess og -fordeling Mette Langaas Institutt for matematiske fag,

Detaljer

Om eksamen. Never, never, never give up!

Om eksamen. Never, never, never give up! Plan vidare Onsdag Gjere ferdig kap 11 + repetisjon Fredag Rekning av eksamensoppgåver Eksamen Mai 2014, oppgåve 2 (inkl normal fordeling, lin.reg. og deskriptiv statistikk) Eksamen August 2012, oppgåve

Detaljer

Kapittel 2: Hendelser

Kapittel 2: Hendelser Kapittel 2: Hendelser FENOMEN Eksperiment Utfall Utfallsrom Eksperiment. Utfall. Eksperiment Utfall Hendelse Sannsynlighet: egenskaper, gunstige vs. mulige, relativ frekvens Sannsynlighet for mer enn en

Detaljer

Kontinuerlige sannsynlighetsfordelinger.

Kontinuerlige sannsynlighetsfordelinger. Kontinuerlige sannsynlighetsfordelinger. Dekkes av kap. 6 og deler av kap. 8.5 i boka. Husk: f(x) er sannsynlighetstettheten til en kontinuerlig X dersom: 1. f(x) 0 for alle x R 2. f(x)dx =1 3. P (a

Detaljer

6.1 Kontinuerlig uniform fordeling

6.1 Kontinuerlig uniform fordeling Kapittel 6 Noen kontinuerlige sannsynlighetsfordelinger TMA4240 H2006: Eirik Mo 2 6.1 Kontinuerlig uniform fordeling Kontinuerlig uniform fordeling: Sannsynlighetstettheten til den kontinuerlige uniforme

Detaljer

TMA4240/TMA4245 Statistikk Oppsummering diskrete sannsynlighetsfordelinger

TMA4240/TMA4245 Statistikk Oppsummering diskrete sannsynlighetsfordelinger TMA4240/TMA4245 Statistikk Oppsummering diskrete sannsynlighetsfordelinger Binomisk fordeling* ( ) n b(x; n, p) = p x (1 p) n x = x ( ) n p x q n x, x x = 0, 1, 2,..., n Fenomén: i) n forsøk. ii) Suksess/fiasko

Detaljer

Denne veka. Kap 7: Funksjonar av stokastiske variable Transformasjon av variable Moment Momentgenererande funksjon

Denne veka. Kap 7: Funksjonar av stokastiske variable Transformasjon av variable Moment Momentgenererande funksjon Denne veka Kap 7: Funksjonar av stokastiske variable Transformasjon av variable Moment Momentgenererande funksjon Notat: Ordningsvariable og ekstremvariable Ordnings variable Maksimum Minumum Transformasjon

Detaljer

Foreleses onsdag 8. september 2010

Foreleses onsdag 8. september 2010 TMA4240 Statistikk H200 4.2: Varians (univariat del) 4.4: Chebyshevs teorem 3.4: Simultanfordelinger Mette Langaas Foreleses onsdag 8. september 200 Mette.Langaas@math.ntnu.no, TMA4240H200 2 4.2 Varians

Detaljer

STK1100 våren Kontinuerlige stokastiske variabler Forventning og varians Momentgenererende funksjoner

STK1100 våren Kontinuerlige stokastiske variabler Forventning og varians Momentgenererende funksjoner STK1100 våren 2017 Kontinuerlige stokastiske variabler Forventning og varians Momentgenererende funksjoner Svarer til avsnittene 4.1 og 4.2 i læreboka Ørnulf Borgan Matematisk institutt Universitetet i

Detaljer

for x 0 F X (x) = 0 ellers Figur 1: Parallellsystem med to komponenter Figur 2: Seriesystem med n komponenter

for x 0 F X (x) = 0 ellers Figur 1: Parallellsystem med to komponenter Figur 2: Seriesystem med n komponenter TMA4245 Statistikk Vår 2016 Norges teknisk-naturvitenskapelige universitet Institutt for matematiske fag Innlevering 3, blokk II Dette er den første av to innleveringer i blokk 2. Denne øvingen skal oppsummere

Detaljer

STK Oppsummering

STK Oppsummering STK1100 - Oppsummering Geir Storvik 6. Mai 2014 STK1100 Tre temaer Deskriptiv/beskrivende statistikk Sannsynlighetsteori Statistisk inferens Sannsynlighetsregning Hva Matematisk verktøy for å studere tilfeldigheter

Detaljer

TMA4240 Statistikk H2010

TMA4240 Statistikk H2010 TMA4240 Statistikk H2010 Kapittel 5: Diskrete sannsynlighetsfordelinger 5.5-5.6: Negativ binomisk, geometrisk, Poisson Mette Langaas Foreleses mandag 20. september 2010 2 Kabel En kabel består av mange

Detaljer

Binomisk sannsynlighetsfunksjon

Binomisk sannsynlighetsfunksjon ST0202 Statistikk for samfunnsvitere Bo Lindqvist Institutt for matematiske fag 2 Binomisk sannsynlighetsfunksjon La det være n forsøk, sannsynlighet p for suksess og sannsynlighet q for fiasko. Den tilfeldige

Detaljer

Siden vi her har brukt første momentet i fordelingen (EX = EX 1 ) til å konstruere estimatoren kalles denne metoden for momentmetoden.

Siden vi her har brukt første momentet i fordelingen (EX = EX 1 ) til å konstruere estimatoren kalles denne metoden for momentmetoden. Estimeringsmetoder Momentmetoden La X, X 2,..., X n være uavhengige variable som er rektangulært fordelte på intervallet [0, θ]. Vi vet da at forventningsverdiene til hver observasjon og forventningen

Detaljer

A) B) 400 C) 120 D) 60 E) 10. Rett svar: C. Fasit: ( 5 6 = 60. Hvis A, B, C er en partisjon av utfallsrommet S, så er P (A B) lik.

A) B) 400 C) 120 D) 60 E) 10. Rett svar: C. Fasit: ( 5 6 = 60. Hvis A, B, C er en partisjon av utfallsrommet S, så er P (A B) lik. Oppgave 1 Det skal velges en komité bestående av 2 menn og 1 kvinne. Komitéen skal velges fra totalt 5 menn og 6 kvinner. Hvor mange ulike komitéer kan dannes? A) 86400 B) 400 C) 120 D) 60 E) 10 Rett svar:

Detaljer

1.1.1 Rekke med konstante ledd. En rekke med konstante ledd er gitt som. a n (1) n=m

1.1.1 Rekke med konstante ledd. En rekke med konstante ledd er gitt som. a n (1) n=m Formelsamling og tabeller FO020E Matte 2000 for elektroprogrammet 1 Matematikk 1.1 Denisjoner av ulike typer polynomer og rekker 1.1.1 Rekke med konstante ledd En rekke med konstante ledd er gitt som a

Detaljer

To-dimensjonale kontinuerlige fordelinger

To-dimensjonale kontinuerlige fordelinger To-dimensjonale kontinuerlige fordelinger Noen resultater for diskrete fordelinger Vi har tidligere definert punktsannsynligheten p(x, y) for en todimensjonal variabel (X, Y ) som p(x, y) = P ({X = x}

Detaljer

Eksamensoppgåve i TMA4240 Statistikk

Eksamensoppgåve i TMA4240 Statistikk Institutt for matematiske fag Eksamensoppgåve i TMA4240 Statistikk Fagleg kontakt under eksamen: Mette Langaas a, Ingelin Steinsland b, Geir-Arne Fuglstad c Tlf: a 988 47 649, b 926 63 096, c 452 70 806

Detaljer

Formelsamling V-2014 MAT110. Statistikk 1. Per Kristian Rekdal

Formelsamling V-2014 MAT110. Statistikk 1. Per Kristian Rekdal Formelsamling V-2014 MAT110 Statistikk 1 Per Kristian Rekdal 2 Forord Dette er formelsamlingen i emnet MAT110 Statistikk 1 ved høgskolen i Molde. Formlene i denne formelsamlingen er stort sett de formlene

Detaljer

Utvalgsfordelinger; utvalg, populasjon, grafiske metoder, X, S 2, t-fordeling, χ 2 -fordeling

Utvalgsfordelinger; utvalg, populasjon, grafiske metoder, X, S 2, t-fordeling, χ 2 -fordeling Kapittel 8 Utvalgsfordelinger; utvalg, populasjon, grafiske metoder, X, S 2, t-fordeling, χ 2 -fordeling TMA4240 H2006: Eirik Mo 2 Til nå... Definert sannsynlighet og stokastiske variabler (kap. 2 & 3).

Detaljer

Kapittel 6: Kontinuerlige sannsynlighetsfordelinger 6.4-5.7: Normalfordelingen, normalapproksimasjon, eksponensial og gamma.

Kapittel 6: Kontinuerlige sannsynlighetsfordelinger 6.4-5.7: Normalfordelingen, normalapproksimasjon, eksponensial og gamma. TMA4240 Statistikk H2010 Kapittel 6: Kontinuerlige sannsynlighetsfordelinger 6.4-5.7: Normalfordelingen, normalapproksimasjon, eksponensial og gamma. Mette Langaas Foreleses mandag 27. september 2010 2

Detaljer

Forslag til endringar

Forslag til endringar Forslag til endringar Bakgrunn: Vi har ingen forelesningar veka etter påske. Eg skal bort 18. og 19. april. Eksamen er 30.mai Forslag til endringar: Ekstra forelesningar onsdag 16.mars og onsdag 30 mars

Detaljer

TMA4240 Statistikk H2015

TMA4240 Statistikk H2015 TMA4240 Statistikk H2015 Funksjoner av stokastiske variabler (kapittel 7+notat) Fokus på start med kumulativ fordeling 7.2 Funksjon av en SV (inkludert en-entydighet). Fordeling til max/min (fra notat).

Detaljer

TMA4240 Statistikk Høst 2015

TMA4240 Statistikk Høst 2015 TMA4240 Statistikk Høst 2015 Norges teknisk-naturvitenskapelige universitet Institutt for matematiske fag Øving nummer 9, blokk II Oppgave 1 X er kontinuerlig fordelt med sannsynlighetstetthet f(x) = 2xe

Detaljer

UNIVERSITETET I OSLO

UNIVERSITETET I OSLO UNIVERSITETET I OSLO Det matematisk-naturvitenskapelige fakultet Deleksamen i: STK Sannsynlighetsregning og statistisk modellering Eksamensdag: Mandag 4. mars 26 Tid for eksamen: 5. 7. Oppgavesettet er

Detaljer

TMA4240 Statistikk H2010 Kapittel 5: Diskrete sannsynlighetsfordelinger : Uniform, binomisk, hypergeometrisk fordeling

TMA4240 Statistikk H2010 Kapittel 5: Diskrete sannsynlighetsfordelinger : Uniform, binomisk, hypergeometrisk fordeling TMA4240 Statistikk H2010 Kapittel 5: Diskrete sannsynlighetsfordelinger 5.1-5.4: Uniform, binomisk, hypergeometrisk fordeling Mette Langaas 2 Arbeidshverdag etter endt studium Studere et fenomen (f.eks.

Detaljer

TMA4240 Statistikk. Øving nummer 7. Norges teknisk-naturvitenskapelige universitet Institutt for matematiske fag

TMA4240 Statistikk. Øving nummer 7. Norges teknisk-naturvitenskapelige universitet Institutt for matematiske fag TMA4240 Statistikk Vår 2008 Norges teknisk-naturvitenskapelige universitet Institutt for matematiske fag Øving nummer 7 Oppgave Blandet drops a) Tippekupong På en tippekupong er det gitt 2 fotballkamper.

Detaljer

6.5 Normalapproksimasjon til. binomisk fordeling

6.5 Normalapproksimasjon til. binomisk fordeling ....3.4.5..5..5..5...4.6.8....4.6.8....3.4..5..5 Kaittel 6: Kontinuerlige sannsynsfordelingar TMA445 Statistikk Ka 6.5-6.8. 6.5: Normal aroksimasjon til binomisk fordeling, 6.6-6.8: Eksonensialfordeling,

Detaljer

TMA4240 Statistikk Høst 2009

TMA4240 Statistikk Høst 2009 TMA4240 Statistikk Høst 2009 Norges teknisk-naturvitenskapelige universitet Institutt for matematiske fag Øving nummer 5 Løsningsskisse Oppgave 1 En lottorekke kan oppfattes som et ikke-ordnet utvalg på

Detaljer

x λe λt dt = 1 e λx for x > 0 uavh = P (X 1 v)p (X 2 v) = F X (v) 2 = (1 e λv ) 2 = 1 2e λv + e 2λv = 2 1 λ 1 2λ = 3

x λe λt dt = 1 e λx for x > 0 uavh = P (X 1 v)p (X 2 v) = F X (v) 2 = (1 e λv ) 2 = 1 2e λv + e 2λv = 2 1 λ 1 2λ = 3 Norges teknisk-naturvitenskapelige universitet Institutt for matematiske fag Anbefalt øving 7 Løsningsskisse Oppgave 1 a) Regner først ut den kumulative fordelingsfunksjonen til X: F X (x) = x λe λt dt

Detaljer

TMA4240 Statistikk Høst 2016

TMA4240 Statistikk Høst 2016 Norges teknisk-naturvitenskapelige universitet Institutt for matematiske fag Anbefalt øving 9 Løsningsskisse Oppgave 1 a) Vi lar her Y være antall fugler som kolliderer med vindmølla i løpet av den gitte

Detaljer

ÅMA110 Sannsynlighetsregning med statistikk, våren 2010 Oppsummering

ÅMA110 Sannsynlighetsregning med statistikk, våren 2010 Oppsummering ÅMA110 Sannsynlighetsregning med statistikk, våren 2010 Oppsummering Bjørn H. Auestad Institutt for matematikk og naturvitenskap Universitetet i Stavanger 21. april Bjørn H. Auestad Oppsummering våren

Detaljer

TMA4245 Statistikk Vår 2007

TMA4245 Statistikk Vår 2007 TMA4245 Statistikk Vår 2007 Norges teknisk-naturvitenskapelige universitet Institutt for matematiske fag Øving nummer 7 Oppgave Tippekonkurranse Denne oppgaven er ment som en kjapp test på hva du har lært.

Detaljer

Oppgave 1 Vi lar X være antall tankskip som ankommer havnen i løpet av en dag. Vi har fått oppgitt at X poisson(λ) med

Oppgave 1 Vi lar X være antall tankskip som ankommer havnen i løpet av en dag. Vi har fått oppgitt at X poisson(λ) med Norges teknisk-naturvitenskapelige universitet Institutt for matematiske fag Anbefalte oppgaver 5, blokk I Løsningsskisse Oppgave 1 Vi lar X være antall tankskip som ankommer havnen i løpet av en dag.

Detaljer

6 x P (X = x) = x=1 = P (X 2 = 6)P (X 2 = 6)P (X 3 = 6) =

6 x P (X = x) = x=1 = P (X 2 = 6)P (X 2 = 6)P (X 3 = 6) = Norges teknisk-naturvitenskapelige universitet Institutt for matematiske fag Anbefalte oppgaver 4, blokk I Løsningsskisse Oppgave 1 a) Utfallsrommet til X 1 er {1, 2,, 4, 5, }. Sannsynlighetsfordelingen

Detaljer

Gammafordelingen og χ 2 -fordelingen

Gammafordelingen og χ 2 -fordelingen Gammafordelingen og χ 2 -fordelingen Gammafunksjonen Gammafunksjonen er en funksjon som brukes ofte i sannsynlighetsregning. I mange fordelinger dukker den opp i konstantleddet. Hvis man plotter n-fakultet

Detaljer

Løsning på Dårlige egg med bruk av Tabell 2 i Appendix B

Løsning på Dårlige egg med bruk av Tabell 2 i Appendix B Situasjonen er som i quiz-eksempelet: n = 4, p = 1/3 ( suksess betyr å gjette riktig alternativ), q = 2/3. Oppgave: Finn P(x), x=0,1,2,3,4 fra den generelle formelen for binomisk sannsynlighetsfordeling

Detaljer

Eksamensoppgave i TMA4245 Statistikk

Eksamensoppgave i TMA4245 Statistikk Institutt for matematiske fag Eksamensoppgave i TMA4245 Statistikk Faglig kontakt under eksamen: Håkon Tjelmeland Tlf: 48 22 18 96 Eksamensdato:??. august 2014 Eksamenstid (fra til): 09:00 13:00 Hjelpemiddelkode/Tillatte

Detaljer

5.2 Diskret uniform fordeling. Midtveiseksamen (forts.) Kapittel 5. Noen diskrete sannsynlighetsfordelinger. TMA4245 V2007: Eirik Mo

5.2 Diskret uniform fordeling. Midtveiseksamen (forts.) Kapittel 5. Noen diskrete sannsynlighetsfordelinger. TMA4245 V2007: Eirik Mo Histogram of x 1 2 3 4 5 6 x 0 1 2 3 4 5 6 3 Midtveiseksamen oppg. 1a eksamen 06.08.2004 Kapittel 5 Noen diskrete sannsynlighetsfordelinger TMA4245 V2007: Eirik Mo Høsten 2004 ble det i TMA4240 bli innført

Detaljer

Noen diskrete sannsynlighetsfordelinger. (utarbeidet av Mette Langaas), TMA4245 V2007

Noen diskrete sannsynlighetsfordelinger. (utarbeidet av Mette Langaas), TMA4245 V2007 Kapittel 5 Noen diskrete sannsynlighetsfordelinger TMA4245 V2007: Eirik Mo 2 5.2 Diskret uniform fordeling Diskret uniform fordeling: Hvis den stokastiske variabelen X antar verdiene x 1, x 2,..., x k

Detaljer

TMA4245 Statistikk Eksamen desember 2016

TMA4245 Statistikk Eksamen desember 2016 Norges teknisk-naturvitenskapelige universitet Institutt for matematiske fag TMA4245 Statistikk Eksamen desember 2016 Oppgave 1 Ei bedrift produserer elektriske komponentar. Komponentane kan ha to typar

Detaljer

TMA4240 Statistikk Høst 2007

TMA4240 Statistikk Høst 2007 TMA4240 Statistikk Høst 2007 Norges teknisk-naturvitenskapelige universitet Institutt for matematiske fag Øving nummer b4 Løsningsskisse Oppgave 1 Eksamen juni 1999, oppgave 3 av 3 a) µ populasjonsgjennomsnitt,

Detaljer

Medisinsk statistikk Del I høsten 2009:

Medisinsk statistikk Del I høsten 2009: Medisinsk statistikk Del I høsten 2009: Kontinuerlige sannsynlighetsfordelinger Pål Romundstad Beregning av sannsynlighet i en binomisk forsøksrekke generelt Sannsynligheten for at suksess intreffer X

Detaljer

TMA4245 Statistikk. Innlevering 3. Norges teknisk-naturvitenskapelige universitet Institutt for matematiske fag

TMA4245 Statistikk. Innlevering 3. Norges teknisk-naturvitenskapelige universitet Institutt for matematiske fag TMA4245 Statistikk Vår 2017 Norges teknisk-naturvitenskapelige universitet Institutt for matematiske fag Innlevering 3 Dette er den første av to innleveringer i blokk 2 Denne øvingen skal oppsummere pensum

Detaljer

TMA4240 Statistikk H2015

TMA4240 Statistikk H2015 TMA4240 Statistikk H2015 Kapittel 4: Matematisk forventning [4.1+start 4.3] Quiz kjørt med Kahoot! fra kahoot.it. Mette Langaas wiki.math.ntnu.no/emner/tma4240/2015h/start/ 2 Høyde, kvinner Frequency

Detaljer

TMA4240 Statistikk 2014

TMA4240 Statistikk 2014 Norges teknisk-naturvitenskapelige universitet Institutt for matematiske fag Øving nummer 5, blokk I Løsningsskisse Oppgave 1 X og Y er uavhengige Poisson-fordelte stokastiske variable, X p(x;5 og Y p(y;1.

Detaljer

Observatorer. STK Observatorer - Kap 6. Utgangspunkt. Eksempel høyde Oxford studenter

Observatorer. STK Observatorer - Kap 6. Utgangspunkt. Eksempel høyde Oxford studenter Observatorer STK00 - Observatorer - Kap 6 Geir Storvik 4. april 206 Så langt: Sannsynlighetsteori Stokastiske modeller Nå: Data Knytte data til stokastiske modeller Utgangspunkt Eksempel høyde Oxford studenter

Detaljer

TMA4240 Statistikk H2010

TMA4240 Statistikk H2010 TMA4240 Statistikk H2010 Statistisk inferens: 8.1: Tilfeldig utvalg 9.1-9.3: Estimering Mette Langaas Foreleses uke 40, 2010 2 Utfordring Ved en bedrift produseres en elektrisk komponent. Komponenten må

Detaljer

Denne veka. Kap 7: Funksjonar av stokastiske variable Transformasjon av variable Moment Momentgenererande funksjon

Denne veka. Kap 7: Funksjonar av stokastiske variable Transformasjon av variable Moment Momentgenererande funksjon Denne veka Kap 7: Funksjonar av stokastiske variable Transformasjon av variable Moment Momentgenererande funksjon Notat: Ordningsvariable og ekstremvariable Ordnings variable Maksimum Minumum Transformasjon

Detaljer

ST0202 Statistikk for samfunnsvitere Kapittel 6: Normalfordelingen

ST0202 Statistikk for samfunnsvitere Kapittel 6: Normalfordelingen ST0202 Statistikk for samfunnsvitere Kapittel 6: Normalfordelingen Bo Lindqvist Institutt for matematiske fag 2 Kap. 6: Normalfordelingen Normalfordelingen regnes som den viktigste statistiske fordelingen!

Detaljer

TMA4240 Statistikk Høst 2015

TMA4240 Statistikk Høst 2015 Norges teknisk-naturvitenskapelige universitet Institutt for matematiske fag Øving nummer 6, blokk I Løsningsskisse Oppgave 1 Vi antar X er normalfordelt, X N(3315, 55 2. Ved bruk av formelheftet finner

Detaljer

Econ 2130 Forelesning uke 10 (HG) Geometrisk og normal fordeling

Econ 2130 Forelesning uke 10 (HG) Geometrisk og normal fordeling Econ 2130 Forelesning uke 10 (HG) Geometrisk og normal fordeling 1 Geometrisk fordeling Binomisk forsøks-serie En serie likeartete forsøk med to mulige utfall, S og F, i hvert. (Modell) forutsetninger

Detaljer

Diskrete sannsynlighetsfordelinger.

Diskrete sannsynlighetsfordelinger. Diskrete sannsynlighetsfordelinger. Dekkes av kapittel 5 i læreboka. Husk: f(x) er punktsannsynligheten til en diskret X dersom: 1. f(x) 0 2. x f(x) =1 3. f(x) =P (X = x) Vi skal nå sepå situasjoner der

Detaljer

Eksamensoppgave i ST1201/ST6201 Statistiske metoder

Eksamensoppgave i ST1201/ST6201 Statistiske metoder Institutt for matematiske fag Eksamensoppgave i ST1201/ST6201 Statistiske metoder Faglig kontakt under eksamen: Nikolai Ushakov Tlf: 45128897 Eksamensdato: 04. desember 2015 Eksamenstid (fra til): 09:00

Detaljer

TMA4245 Statistikk Høst 2016

TMA4245 Statistikk Høst 2016 TMA5 Statistikk Høst 6 Norges teknisk-naturvitenskapelige universitet Institutt for matematiske fag Anbefalt øving Løsningsskisse Oppgave a) Den tilfeldige variabelen X er kontinuerlig fordelt med sannsynlighetstetthet

Detaljer

Tyngdepunkt. Togforsinkelsen (Eksamen Des2003.1a) I denne oppgaven kan du bruke uten å vise det at. Kapittel 4

Tyngdepunkt. Togforsinkelsen (Eksamen Des2003.1a) I denne oppgaven kan du bruke uten å vise det at. Kapittel 4 3 Tyngdepunkt Kapittel 4 Forventningsverdi, varians, kovarians for én stokastisk variabel og funksjoner av stokastiske variabler TMA4240 H2006: Eirik Mo 2 4.1 Forventing til en stokastisk variabel DEF

Detaljer

Forventning og varians.

Forventning og varians. Forventning og varians. Dekkes av kapittel 4 i læreboka. Forventning (4.) Forventningsverdi gjennomsnitt i det lange løp. Defininsjon: Forventningsverdien til en stokastisk variabel X er: E(X) f(),x diskret

Detaljer

UNIVERSITETET I OSLO Matematisk Institutt

UNIVERSITETET I OSLO Matematisk Institutt UNIVERSITETET I OSLO Matematisk Institutt Midtveiseksamen i: STK 1000: Innføring i anvendt statistikk Tid for eksamen: Onsdag 9. oktober 2013, 11:00 13:00 Hjelpemidler: Lærebok, ordliste for STK1000, godkjent

Detaljer

UNIVERSITETET I OSLO

UNIVERSITETET I OSLO UNIVERSITETET I OSLO Det matematisk-naturvitenskapelige fakultet Eksamen i: ST0 Innføring i statistikk og sannsynlighetsregning. Eksamensdag: Torsdag 9. mai 994. Tid for eksamen: 09.00 5.00. Oppgavesettet

Detaljer

Kapittel 8: Tilfeldige utvalg, databeskrivelse og fordeling til observatorar, Kapittel 9: Estimering

Kapittel 8: Tilfeldige utvalg, databeskrivelse og fordeling til observatorar, Kapittel 9: Estimering Kapittel 8: Tilfeldige utvalg, databeskrivelse og fordeling til observatorar, Kapittel 9: Estimering TMA4245 Statistikk Kapittel 8.1-8.5. Kapittel 9.1-9.3+9.15 Turid.Follestad@math.ntnu.no p.1/21 Har sett

Detaljer

6.2 Normalfordeling. Høyde kvinner og menn. 6.1 Kontinuerlig uniform fordeling. Kapittel 6

6.2 Normalfordeling. Høyde kvinner og menn. 6.1 Kontinuerlig uniform fordeling. Kapittel 6 3 6.2 Normalfordeling Kapittel 6 Noen kontinuerlige sannsynlighetsfordelinger TMA4245 V2007: Eirik Mo Normalfordeling: Sannsynlighetstettheten til en normalfordelt stokastisk variabel, X, med forventning

Detaljer

Forelening 1, kapittel 4 Stokastiske variable

Forelening 1, kapittel 4 Stokastiske variable Forelening 1, kapittel 4 Stokastiske variable Eksempel X = "antall kron på kast med to mynter (før de er kastet)" Uniformt utfallsrom {MM, MK, KM, KK}. X = x beskriver hendelsen "antall kron på kast med

Detaljer

TMA4240 Statistikk Høst 2009

TMA4240 Statistikk Høst 2009 TMA44 Statistikk Høst 9 Norges teknisk-naturvitenskapelige universitet Institutt for matematiske fag Øving nummer b Løsningsskisse Oppgave X er en stokastisk variabel med sannsynlighetstetthet { f(x),

Detaljer

Dagens tekst. Kap 7: Funksjonar av stokastiske variable Transformasjon av variable Moment Momentgenererande funksjon

Dagens tekst. Kap 7: Funksjonar av stokastiske variable Transformasjon av variable Moment Momentgenererande funksjon Dagens tekst Kap 7: Funksjonar av stokastiske variable Transformasjon av variable Moment Momentgenererande funksjon Notat: Ordningsvariable og ekstremvariable Ordnings variable Maksimum Minumum Transformasjon

Detaljer

Notasjon. Løsninger. Problem. Kapittel 7

Notasjon. Løsninger. Problem. Kapittel 7 3 Notasjon Kapittel 7 Funksjoner av stokastiske variabler Har n stokastiske variabler, X 1, X 2,..., X n, med kjent fordeling f( 1, 2,..., n ) og kumulativ fordeling F( 1, 2,..., n ). Ser på Y = u(x 1,

Detaljer

Poissonprosesser og levetidsfordelinger

Poissonprosesser og levetidsfordelinger Poissonprosesser og levetidsfordelinger Poissonfordeling som grensetilfelle for binomisk fordeling La X være binomisk fordelt med fordeling P (X = x) = ( ) n p x (1 p) n x, for x = 0, 1,... n. (1) x Forventningsverdien

Detaljer

Forventning og varians.

Forventning og varians. Forventning og varians. Dekkes av kapittel 4 i læreboka. Forventning (4.1) Forventningsverdi = gjennomsnitt i det lange løp. Defininsjon: Forventningsverdien til en stokastisk variabel X er: x xf(x),x

Detaljer

Eksamensoppgave i ST1201/ST6201 Statistiske metoder

Eksamensoppgave i ST1201/ST6201 Statistiske metoder Institutt for matematiske fag Eksamensoppgave i ST1201/ST6201 Statistiske metoder Faglig kontakt under eksamen: Nikolai Ushakov Tlf: 45128897 Eksamensdato: 20. desember 2016 Eksamenstid (fra til): 09:00

Detaljer

Kontinuerlige sannsynlighetsfordelinger.

Kontinuerlige sannsynlighetsfordelinger. Kontinuerlige sannsynlighetsfordelinger. Dekkes av kap. 6 og deler av kap. 8.5 i boka. Husk: f(x er sannsynlighetstettheten til en kontinuerlig X dersom:. f(x 0 for alle x R 2. f(xdx = 3. P (a

Detaljer

FORMELSAMLING STATISTIKK, HiG

FORMELSAMLING STATISTIKK, HiG Høgskolen i Gjøvik Avdeling for ingeniørfag Versjon fra mai 2007 FORMELSAMLING STATISTIKK, HiG Hans Petter Hornæs hans.hornaes@hig.no ISSN:??????? Innledning. Denne formelsamlingen er skrevet for bruk

Detaljer

Løsningsforslag til eksamen i TMA4245 Statistikk 7. juni 2007

Løsningsforslag til eksamen i TMA4245 Statistikk 7. juni 2007 Løsningsforslag til eksamen i TMA4245 Statistikk 7. juni 2007 Oppgave 1: Pengespill a) For hver deltaker har vi følgende situasjon: Deltakeren får en serie oppgaver. Hver runde har to mulige utfall: Deltakeren

Detaljer

UNIVERSITETET I OSLO

UNIVERSITETET I OSLO Deleksamen i: UNIVERSITETET I OSLO Det matematisk-naturvitenskapelige fakultet STK1000 Innføring i anvendt statistikk. Eksamensdag: Onsdag 13. oktober 2010. Tid for eksamen: 15:00 17:00. Oppgavesettet

Detaljer

Statistikk 1 kapittel 4

Statistikk 1 kapittel 4 Statistikk 1 kapittel 4 Nico Keilman ECON 2130 Vår 2017 Kapittel 4 Stokastiske (tilfeldige) variabler Anta 1) Vi kjenner sannsynligheter for ulike utfall knyttet til et forsøk 2) Hvert utfall har en (meningsfull)

Detaljer

Eksamensoppgåve i TMA4245 Statistikk

Eksamensoppgåve i TMA4245 Statistikk Institutt for matematiske fag Eksamensoppgåve i TMA4245 Statistikk Fagleg kontakt under eksamen: Håkon Tjelmeland Tlf: 48 22 18 96 Eksamensdato:??. august 2014 Eksamenstid (frå til): 09:00 13:00 Hjelpemiddelkode/Tillatne

Detaljer

FORMELSAMLING STATISTIKK, HiG

FORMELSAMLING STATISTIKK, HiG FORMELSAMLING STATISTIKK, HiG Hans Petter Hornæs hans.hornaes@hig.no Versjon per 18. februar 2004 Innhold 1 EMPIRISKE STATISTISKE MÅL 1 1.1 Forventningsverdi, varians og standardavvik.....................

Detaljer

Eksamensoppgåve i ST1201/ST6201 Statistiske metoder

Eksamensoppgåve i ST1201/ST6201 Statistiske metoder Institutt for matematiske fag Eksamensoppgåve i ST1201/ST6201 Statistiske metoder Fagleg kontakt under eksamen: Nikolai Ushakov Tlf: 45128897 Eksamensdato: 04. desember 2015 Eksamenstid (frå til): 09:00

Detaljer

Statistikk og dataanalyse

Statistikk og dataanalyse Njål Foldnes, Steffen Grønneberg og Gudmund Horn Hermansen Statistikk og dataanalyse En moderne innføring Kapitteloversikt del 1 INTRODUKSJON TIL STATISTIKK Kapittel 1 Populasjon og utvalg 19 Kapittel

Detaljer

Togforsinkelsen (Eksamen Des2003.1a) I denne oppgaven kan du bruke uten å vise det at

Togforsinkelsen (Eksamen Des2003.1a) I denne oppgaven kan du bruke uten å vise det at Kapittel 4 Forventningsverdi, varians, kovarians for én stokastisk variabel og funksjoner av stokastiske variabler TMA4245 V2007: Eirik Mo 2 4.1 Forventing til en stokastisk variabel DEF 4.1: La X være

Detaljer

statistikk, våren 2011

statistikk, våren 2011 ÅMA110 Sannsynlighetsregning med statistikk, våren 011 Kp. 3 Diskrete tilfeldige variable 1 Diskrete tilfeldige variable, innledning Hva er en tilfeldig variabel (stokastisk variabel)? Diskret tilfeldig

Detaljer

ÅMA110 Sannsynlighetsregning med statistikk, våren 2010. ÅMA110 Sannsynlighetsregning med statistikk, våren 2010

ÅMA110 Sannsynlighetsregning med statistikk, våren 2010. ÅMA110 Sannsynlighetsregning med statistikk, våren 2010 ÅMA Sannsynlighetsregning med statistikk, våren Kp. Diskrete tilfeldige variable ÅMA Sannsynlighetsregning med statistikk, våren Kp. Diskrete tilfeldige variable Diskrete tilfeldige variable, innledning

Detaljer

EKSAMEN I TMA4240 Statistikk

EKSAMEN I TMA4240 Statistikk Norges teknisk naturvitenskapelige universitet Institutt for matematiske fag Side 1 av 5 Faglig kontakt under eksamen: Henning Omre (909 37848) Mette Langaas (988 47649) EKSAMEN I TMA4240 Statistikk 18.

Detaljer

Formelsamling V MAT110 Statistikk 1. Per Kristian Rekdal

Formelsamling V MAT110 Statistikk 1. Per Kristian Rekdal Formelsamling V-2016 MAT110 Statistikk 1 Per Kristian Rekdal Figur 1: Statistikk. 3 Innhold 1 Beskrivende statistikk 9 1.1 Populasjon og utvalg.................................. 9 1.2 Statistiske mål

Detaljer

EKSAMEN I EMNE TMA4265/SIF5072 STOKASTISKE PROSESSER Onsdag 10. august 2005 Tid: 09:00 13:00

EKSAMEN I EMNE TMA4265/SIF5072 STOKASTISKE PROSESSER Onsdag 10. august 2005 Tid: 09:00 13:00 Norges teknisk naturvitenskapelige universitet Institutt for matematiske fag Side 1 av 6 Bokmål Faglig kontakt under eksamen: Håkon Tjelmeland 73 59 35 38 EKSAMEN I EMNE TMA4265/SIF5072 STOKASTISKE PROSESSER

Detaljer

Statistikk 1 kapittel 5

Statistikk 1 kapittel 5 Statistikk 1 kapittel 5 Nico Keilman ECON 2130 Vår 2016 Kapittel 5 Sannsynlighetsmodeller I kap. 4 så vi et eksempel med en s.v. X som hadde en uniform sannsynlighetsfordeling: alle verdier av x har like

Detaljer

EKSAMEN KANDIDATNUMMER: EKSAMENSDATO: 10. juni Ingeniørutdanning. TID: kl EMNEANSVARLIG: Hans Petter Hornæs

EKSAMEN KANDIDATNUMMER: EKSAMENSDATO: 10. juni Ingeniørutdanning. TID: kl EMNEANSVARLIG: Hans Petter Hornæs KANDIDATNUMMER: EKSAMEN EMNENAVN: EMNENUMMER: Statistikk. Rea181 EKSAMENSDATO: 1. juni 28 KLASSE: Ingeniørutdanning. TID: kl. 9. 13.. EMNEANSVARLIG: Hans Petter Hornæs ANTALL SIDER UTLEVERT: 3 (innkl.

Detaljer

Eksamensoppgave i TMA4245 Statistikk

Eksamensoppgave i TMA4245 Statistikk Institutt for matematiske fag Eksamensoppgave i TMA4245 Statistikk Faglig kontakt under eksamen: Ingelin Steinsland a, Øyvind Bakke b Tlf: a 73 59 02 39, 926 63 096, b 73 59 81 26, 990 41 673 Eksamensdato:

Detaljer

Diskrete sannsynlighetsfordelinger.

Diskrete sannsynlighetsfordelinger. Diskrete sannsynlighetsfordelinger. Dekkes av kapittel 5 i læreboka. Husk: f() er punktsannsynligheten til en diskret X dersom: 1. f() 0 2. f() =1 3. f() =P (X = ) Vi skal nå sepå situasjoner der vi har

Detaljer

Stokastisk variabel. Eksempel augefarge

Stokastisk variabel. Eksempel augefarge Dagens tekst Kap 3: Stokastiske variable og sannsynsfordelingar Stokastisk variabel: Diskret sannsynsfordeling: Kontinuerleg sannsynsfordeling: Kummulativ sannsynsfordeling: Diskret simultanfordeling Kontinuerleg

Detaljer

ST0202 Statistikk for samfunnsvitere

ST0202 Statistikk for samfunnsvitere ST0202 Statistikk for samfunnsvitere Bo Lindqvist Institutt for matematiske fag 2 Fra første forelesning: Populasjon Den mengden av individer/objekter som vi ønsker å analysere. Utvalg En delmengde av

Detaljer

TMA4240 Statistikk H2015

TMA4240 Statistikk H2015 TMA4240 Statistikk H2015 Kapittel 6: Kontinuerlige sannsynlighetsfordelinger 6.1 Uniform fordeling 6.2-6.3 Normalfordeling Mette Langaas Institutt for matematiske fag, NTNU wiki.math.ntnu.no/emner/tma4240/2015h/start/

Detaljer

EKSAMEN I TMA4245 STATISTIKK Tysdag 21. mai 2013 Tid: 09:00 13:00 (Korrigert )

EKSAMEN I TMA4245 STATISTIKK Tysdag 21. mai 2013 Tid: 09:00 13:00 (Korrigert ) Noregs teknisk naturvitskaplege universitet Institutt for matematiske fag Side 1 av 5 Nynorsk Fagleg kontakt under eksamen: Håkon Tjelmeland 73593538/48221896 Ola Diserud 93218823 EKSAMEN I TMA4245 STATISTIKK

Detaljer

Forelesning 27. mars, 2017

Forelesning 27. mars, 2017 Forelesning 27. mars, 2017 AVSNITT 5.5 Ordningsobservatorene AVSNITT 6.1 Observatorer og deres fordelinger Ordningsobservatorene La X 1,..., X n være n uavhengige stokastiske variable som alle har samme

Detaljer

TMA4240/TMA4245 Statistikk: Oppsummering kontinuerlige sannsynlighetsfordelinger

TMA4240/TMA4245 Statistikk: Oppsummering kontinuerlige sannsynlighetsfordelinger TMA4240/TMA4245 Statistikk: Oppsummering kontinuerlige sannsynlighetsfordelinger Kontinuerlig uniform fordeling f() = B A, A B. En kontinuerlig størrelse (vekt, lengde, tid), som aldri kan bli mindre enn

Detaljer

Statistikk 1 kapittel 5

Statistikk 1 kapittel 5 Statistikk 1 kapittel 5 Nico Keilman ECON 2130 Vår 2017 Kapittel 5 Sannsynlighetsmodeller I kap. 4 så vi et eksempel med en s.v. X som hadde en uniform sannsynlighetsfordeling: alle verdier av x har like

Detaljer