f(x)dx = F(x) = f(u)du. 1 (4u + 1) du = 3 0 for x < 0, 2 + for x [0,1], 1 for x > 1. = 1 F 4 = P ( X > 1 2 X > 1 ) 4 X > 1 ) =

Save this PDF as:
 WORD  PNG  TXT  JPG

Størrelse: px
Begynne med side:

Download "f(x)dx = F(x) = f(u)du. 1 (4u + 1) du = 3 0 for x < 0, 2 + for x [0,1], 1 for x > 1. = 1 F 4 = P ( X > 1 2 X > 1 ) 4 X > 1 ) ="

Transkript

1 TMA Statistikk Norges tekisk-aturviteskapelige uiversitet Istitutt for ateatiske fag Løsigsforslag - Eksae deseber 9 Oppgave a Besteer k ved å kreve fxdx =, fxdx = De kuulative fordeligsfuksjoe Fx er gitt ved kx + dx = k x + x ] = k + = k =. Fx = Hvis x < blir Fx =, for x,] får vi Fx = x fudu = x x fudu. u + du = u + u ] x og for x > får vi Fx =. Dvs. for x <, Fx = x +x for x,], for x >. Videre får vi da P X > = P X = F = = x + x, + =.875 og P X > X > = P X > X > P X > = P X > P X > = P X P X > = F P + X > = = eksdes9l Deceber, 9 Side

2 TMA Statistikk b Siulta sasylighetstetthet er gitt so fx,y = fxfy x = x + y x + x + = x + y for x,y,], og fx,y = ellers. Margial sasylighetstetthet for Y fies ved å itegrere over x, dvs. for y,] fy = fx,ydx = x + ydx = x + yx ] x= x= = + y = y +. For y,] får vi åpebart fy =. Til slutt reger vi ut PY X = x xy + ] y=x y dx = y= Oppgave fx,ydydx = x x + x dx = x + ydydx ] 5 5 x dx = 9 x = 5 9. a For at X i ee skal være egativt bioisk fordelt å det være uavhegighet ello hver gag e studet riger til firaet. Dette ka oppås ved at studetee riger til firaet på tilfeldige tidspukter. Det fugerer for eksepel ikke at e studet riger til firaet flere gager like etter hveradre. Dessute har studetee atatt at X,X,...,X er uavhegige. For at dette skal være oppfylt å studetee rige på tilfeldige tidspukt uavhegig av hveradre. Flere studeter ka ikke rige på sae tidspukt. For k = og p =. får vi PX = =.. =. =. og PX X > = PX X > = PX = X = PX > PX = = PX. = + PX =. +.. = PX =. = =.7. eksdes9l Deceber, 9 Side

3 TMA Statistikk b Rielighetsfuksjoe blir Tar logarite og får Lp = lp = l Lp = fx i = ] xi p k p x i k k ] xi l + k lp + x k i kl p ] xi = l + k lp + l p k Deriverer ed hesy på p og setter lik ull for å fie aksiu x i k. l p = + k p p x i k = k p x i k p k p = x i k p k kp = p x i kp p = Sasylighetsaksierigsestiatore for p blir dered k x. i = p = k X. i c Studetee øsker å teste H : p =. ot H : p <.. So testobservator ka a beytte e adre valg fies også V = X i = k p og forkaste H hvis V > k, for e kritisk verdi k. eksdes9l Deceber, 9 Side

4 TMA Statistikk Fra setralgreseteore følger det at V/ = X er tilæret oralfordelt. Dered vil også V være tilæret oralfordelt. Vi har EV ] = EX i ] = k p = k p og, side X i ee er uavhegige, VarV ] = VarX i ] = k p k p p = p. Når H er riktig har vi dered at V z; k p, Isatt studetees observasjoer får vi at Tilhørede p-verdi blir dered v = p = P V > 779 H riktig = P k p p. x i = 779. V k p k p p > PZ. =.99 =.99. H riktig Derso H er riktig er altså sasylighete for å observere det studetee har observert eller oe er ekstret så stor so.99. Det er dered itet grulag for å hevde at firaets påstad er feil. Oppgave a Forvetigsverdie for µ blir a E µ] = E X i + b ] ] Y i = a E X i + b ] E Y i = a E X i ] + b E Y i ] = a µ + b µ = aµ + bµ = µ. eksdes9l Deceber, 9 Side

5 TMA Statistikk Ved å beytte at alle X i ee og Y i ee er uavhegige av hveradre får vi at variase til µ blir ] a Var µ] = Var X i + b a ] b ] Y i = Var X i + Var Y i a b = Var X i ] + a b Var Y i ] = σa + σ B = a σ A + b σ B. b For at estiatore skal bli best ulig å de være forvetigsrett og variase å være ist ulig. Kravet o forvetigsretthet gir at E µ] = µ = µ = b = a. Setter vi dette i i uttrykket for variase får vi at Var µ] = a σ A + a σb. Må iiere dette uttrykket ed hesy på a. Gjør dette ved å derivere ed hesy på a og sette lik ull: a Var µ] = aσ A + a σ B = aσ A = aσ B aσ A + σ B = σ B a = σ B σ A + σ B = σ B σ A + σ B. og dered også b = a = σ A σ A + σ B. c µ er e lieærkobiasjo av uavhegige oralfordelte variabler X i ee og Y i ee og er derfor også selv oralfordelt. Dered har vi at µ µ;µ, a σ A + b σ B. eksdes9l Deceber, 9 Side 5

6 TMA Statistikk Dered får vi også og dered P z α µ µ z;, a σa + b σb µ µ a σ A + b σ B z α = α Løser vi hver av de to ulikhetee ed hesy på µ og setter de så sae igje får vi P µ z a σ + b σb µ µ + z a σ + b σb. α %-kofidesitervall for µ er dered µ z a σ + b σb, µ + z a σ + b σb. d Legde av kofidesitervallet blir L = µ + z a σ + b σb µ z α a σa + b σb = z α a σa + b σb og dette uttrykket å følgelig iieres ed hesy på a og b. For å få eklere regig deriverer vi ll ed hesy på a og b og setter lik ull. Deriverer først ed hesy på a ll a = a Dette gir videre lz α + a l σa + b σb ] l = a σ A aσ A + b σ B = = a σ B / σ A / b a = σ A / σ B /. Tilsvarede fås ved å derivere ed hesy på b at ll b = b lz α + a l σa + b σb ] l = a σ A a σ A aσ A + b σ B bσ B + b σ B = = eksdes9l Deceber, 9 Side 6

7 TMA Statistikk so ved tilsvarede regig so over gir a σ A bσ B + b σ B = = a b σ A / σ B / + b b a = σ A / σ B / so er det sae uttrykket so vi fat over. Legde av kofidesitervallet er dered iiert ved å velge b a = σ A / σb /. Vi ka legge erke til at de optiale verdiee vi fat for a og b i pukt b også gir sae verdi for forholdet b/a. eksdes9l Deceber, 9 Side 7

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

ST1201 Statistiske metoder

ST1201 Statistiske metoder ST Statistiske metoder Norges tekisk-aturviteskapelige uiversitet Istitutt for matematiske fag Løsigsforslag - Eksame desember Oppgave a) Dette er e ANOVA-tabell for k-utvalg med k 4 og j 6 for j,,3,4.

Detaljer

TMA4240 Statistikk Eksamen desember 2015

TMA4240 Statistikk Eksamen desember 2015 Norges tekisk-aturviteskapelige uiversitet Istitutt for matematiske fag TMA20 Statistikk Eksame desember 205 Løsigsskisse Oppgave a) De kumulative fordeligsfuksjoe til X, F (x) P (X x): F (x) P (X x) x

Detaljer

LØSNINGSFORSLAG TILEKSAMEN I FAG TMA4240/TMA4245 STATISTIKK 10. august 2005

LØSNINGSFORSLAG TILEKSAMEN I FAG TMA4240/TMA4245 STATISTIKK 10. august 2005 Norges tekisk aturviteskapelige uiversitet Istitutt for matematiske fag Side av 8 LØSNINGSFORSLAG TILEKSAMEN I FAG TMA440/TMA445 STATISTIKK 0. august 005 Oppgave Smeltepuktsbestemmelse a) Vi jobber i dette

Detaljer

) = 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

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

0.5 (6x 6x2 ) dx = [3x 2 2x 3 ] 0.9. n n. = n. ln x i + (β 1) i=1. n i=1

0.5 (6x 6x2 ) dx = [3x 2 2x 3 ] 0.9. n n. = n. ln x i + (β 1) i=1. n i=1 Norges tekisk-aturviteskapelige uiversitet Istitutt for matematiske fag Øvig ummer 9, blokk II Løsigsskisse Oppgave a The probability is.9.5 6x( x dx.9.5 (6x 6x dx [3x x 3 ].9.5.47. b The likelihood fuctio

Detaljer

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

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

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

TMA4240 Statistikk Høst 2016

TMA4240 Statistikk Høst 2016 Norges tekisk-aturviteskapelige uiversitet Istitutt for matematiske fag Abefalt øvig 8 Løsigsskisse Oppgave 1 a) Simuler 1000 datasett i MATLAB. Hvert datasett skal bestå av 100 utfall fra e ormalfordelig

Detaljer

TMA4240 Statistikk Høst 2016

TMA4240 Statistikk Høst 2016 Norges tekisk-aturviteskapelige uiversitet Istitutt for matematiske fag Abefalt øvig 11 Løsigsskisse Oppgave 1 a) E rimelig estimator for forvetigsverdie µ er gjeomsittet X = 1 X i, som vil være ormalfordelt

Detaljer

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

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

Løsningsforsalg til første sett med obligatoriske oppgaver i STK1110 høsten 2015

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

Detaljer

LØSNINGSFORSLAG TIL EKSAMEN I FAG TMA4240 STATISTIKK 5.august 2004

LØSNINGSFORSLAG TIL EKSAMEN I FAG TMA4240 STATISTIKK 5.august 2004 Norges tekisk aturviteskapelige uiversitet Istitutt for matematiske fag Side av 0 LØSNINGSFORSLAG TIL EKSAMEN I FAG TMA4240 STATISTIKK 5.august 2004 Oppgave Foruresig X er e stokastisk variabel som agir

Detaljer

HØGSKOLEN I SØR-TRØNDELAG Avdeling for teknologi

HØGSKOLEN I SØR-TRØNDELAG Avdeling for teknologi HØGSKOLEN I SØR-TRØNDELAG Avdelig for tekologi Målform: Bokmål Eksamesdato: 5 jui 2015 Varighet/eksamestid: Emekode: 3 timer TALM1005 Emeav: Statistikk og Økoomi statistikkdele Klasser: Logistikk 1 Kjemi

Detaljer

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

ÅMA110 Sannsynlighetsregning med statistikk, våren Kontinuerlige tilfeldige variable, intro. Kontinuerlige tilfeldige variable, intro.

ÅMA110 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

Detaljer

TMA4240 Statistikk Høst 2016

TMA4240 Statistikk Høst 2016 TMA44 Statistikk Høst 16 Nrges tekisk-aturviteskapelige uiversitet Istitutt fr matematiske fag Abefalt øvig 7 Løsigsskisse Oppgave 1 a) Reger først ut de kumulative frdeligsfuksje til X: F X (x) = Z x

Detaljer

ÅMA110 Sannsynlighetsregning med statistikk, våren Kontinuerlige tilfeldige variable, intro. Kontinuerlige tilfeldige variable, intro.

ÅMA110 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

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

TMA4240 Statistikk Høst 2016

TMA4240 Statistikk Høst 2016 Norges tekisk-aturviteskapelige uiversitet Istitutt for matematiske fag Abefalt øvig 2 Løsigsskisse Oppgave a Miste kvadraters metode tilpasser e lije til puktee ved å velge de lija som miimerer kvadratsumme

Detaljer

Tentative solutions to TMA4240 Statistics, December 18, 2010

Tentative solutions to TMA4240 Statistics, December 18, 2010 Norwegia Uiversity of Sciece ad Techology Departmet of Mathematical Scieces Page of 9 Tetative solutios to TMA440 Statistics, December 8, 00 Problem Hay fever ad eczema a) If E ad H are idepedet evets,

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

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

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

Løsningsforslag til eksamen i STK desember 2010

Løsningsforslag til eksamen i STK desember 2010 Løsigsforslag til eksame i STK0 0. desember 200 Løsigsforslaget har med flere detaljer e det vil bli krevd til eksame. Oppgave a Det er tilpasset e multippel lieær regresjosmodell av forme β 0 + β x i

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

UNIVERSITETET I OSLO

UNIVERSITETET 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

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

TMA4240 Statistikk Høst 2015

TMA4240 Statistikk Høst 2015 TMA4240 Statistikk Høst 2015 Norges tekisk-aturviteskapelige uiversitet Istitutt for matematiske fag Øvig ummer 12, blokk II I dee siste øvige fokuserer vi på lieær regresjo, der vi har kjete kovariater

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

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

HØGSKOLEN I SØR-TRØNDELAG Avdeling for teknologi

HØGSKOLEN I SØR-TRØNDELAG Avdeling for teknologi HØGSKOLEN I SØR-TRØNDELAG Avdelig for tekologi Målform: Bokmål Eksamesdato: 19 des. 2014 Varighet/eksamestid: Emekode: 3 timer TALM1005 Emeav: Statistikk og Økoomi statistikkdele Klasser: Logistikk 1 Kjemi

Detaljer

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

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

Hypotesetesting, del 4

Hypotesetesting, 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

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

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 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

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

TMA4100 Matematikk 1 Høst 2014

TMA4100 Matematikk 1 Høst 2014 Norges tekisk aturviteskapelige uiversitet Istitutt for matematiske fag TMA400 Matematikk Høst 04 Løsigsforslag Øvig 3 Review Exercises, side 454 Vi starter med å tege e figur av e skål med va: z A(z)

Detaljer

Oppgaver fra boka: X 2 X n 1

Oppgaver fra boka: X 2 X n 1 MOT30 Statistiske metoder, høste 00 Løsiger til regeøvig r 3 (s ) Oppgaver fra boka: 94 (99:7) X,, X uif N(µ, σ ) og X,, X uif N(µ, σ ) og alle variable er uavhegige Atar videre at σ = σ = σ og ukjet Kodesitervall

Detaljer

TMA4240 Statistikk Høst 2015

TMA4240 Statistikk Høst 2015 Høst 205 Norges tekisk-aturviteskapelige uiversitet Istitutt for matematiske fag Øvig ummer 2, blokk II Løsigsskisse Oppgave a - β agir biles besiforbruk i liter/mil - Rimelig med α 0 fordi med x 0 ige

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

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 ST2301 øving 3

Løsningsforslag ST2301 øving 3 Løsigsforslag ST2301 øvig 3 Kapittel 1 Exercise 11 Et utvalg på 100 idivider trekkes fra e populasjo med tilfeldig parrig. Det ble observert AA 63 idivider av geotype AA, Aa 27, og aa 10. Lag et 95 % kofidesitervall

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

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

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

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

Estimering 1 -Punktestimering

Estimering 1 -Punktestimering Estimerig 1 -Puktestimerig Dekkes av kap. 8, 9.1-9.3 og 9.15/9.14. Vi har til å settpå e rekke forskjellige sasylighetsfordeliger og sett hvorda disse ka brukes til å modellere mage forskjellige typer

Detaljer

ÅMA110 Sannsynlighetsregning med statistikk, våren 2007 Oppsummering

ÅMA110 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

Detaljer

Lineær regresjonsanalyse (13.4)

Lineær regresjonsanalyse (13.4) 2 Kap. 13: Lieær korrelasjos- og regresjosaalyse ST0202 Statistikk for samfusvitere Bo Lidqvist Istitutt for matematiske fag Kap. 13.1-13.3: Lieær korrelasjosaalyse. Disse avsitt er ikke pesum, me de lieære

Detaljer

UNIVERSITETET I OSLO

UNIVERSITETET I OSLO UNIVERSITETET I OSLO Det matematisk-aturviteskapelige fakultet Eksame i STK2120 Statistiske metoder og dataaalyse 2 Eksamesdag: Madag 6. jui 2011. Tid for eksame: 09.00 13.00. Oppgavesettet er på 5 sider.

Detaljer

2. Hypotesetesting i ulike sitausjoner: i. for forventingen, μ, i målemodellen med normalantakelse og kjent varians, σ 2.

2. 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,

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

TMA4245 Statistikk. Øving nummer 12, blokk II Løsningsskisse. Norges teknisk-naturvitenskapelige universitet Institutt for matematiske fag

TMA4245 Statistikk. Øving nummer 12, blokk II Løsningsskisse. Norges teknisk-naturvitenskapelige universitet Institutt for matematiske fag Vår 205 Norges tekisk-aturviteskapelige uiversitet Istitutt for matematiske fag Øvig ummer 2, blokk II Løsigsskisse Oppgave a - β agir biles besiforbruk i liter/mil - Rimelig med α 0 fordi med x 0 ige

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

ÅMA110 Sannsynlighetsregning med statistikk, våren 2007 Kp. 6, del 4. Hypotesetesting, del 4

ÅMA110 Sannsynlighetsregning med statistikk, våren 2007 Kp. 6, del 4. Hypotesetesting, del 4 ÅMA11 Sasylighetsregig med statistikk, våre 27 Kp. 6, del 4 Bjør H. Auestad Istitutt for matematikk og aturviteskap Uiversitetet i Stavager 19. mars Bjør H. Auestad Kp. 6: Hypotesetestig del 4 1/ 27 Bjør

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

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

TMA4240 Statistikk H2010

TMA4240 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,

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

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

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

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

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

LØSNING: Eksamen 28. mai 2015

LØSNING: 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

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

Utvidet løsningsforslag Eksamen i TMA4100 Matematikk 1, 16/12 2008

Utvidet løsningsforslag Eksamen i TMA4100 Matematikk 1, 16/12 2008 Utvidet løsigsforslag Eksame i TMA4 Matematikk, 6/ 8 Oppgave i) Vi gjør substitusjoe u = si θ og får π/ [ u si θ cos θ dθ = u du = E ae løsigsmetode er π/ si θ cos θ dθ = π/ ] si θ dθ = 4 = 4 ( ( ) ( ))

Detaljer

EKSAMEN I TMA4245 Statistikk

EKSAMEN I TMA4245 Statistikk Noregs tekisk aturvitskaplege uiversitet Istitutt for matematiske fag Side 1 av 5 Fagleg kotakt uder eksame: Turid Follestad (98 06 68 80/73 59 35 37) Hugo Hammer (45 21 01 84/73 59 77 74) Eirik Mo (41

Detaljer

UNIVERSITETET I OSLO Det matematisk-naturvitenskapelige fakultet

UNIVERSITETET I OSLO Det matematisk-naturvitenskapelige fakultet UNIVERSITETET I OSLO Det ateatisk-aturviteskapelige fakultet Eksae i: FY 105 - Svigiger og bølger Eksaesdag: 11. jui 003 Tid for eksae: Kl. 0900-1500 Tillatte hjelpeidler: Øgri og Lia: Størrelser og eheter

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

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

Forelesning Moment og Momentgenererende funksjoner

Forelesning Moment og Momentgenererende funksjoner ushu.li@uib.o Forelesig + 3 Momet og Mometgeererede fuksjoer 1. Oppsummerig til Forelesig 1 1.1) Fuksjoe av S.V: hvis variabele er e fuksjo (trasformasjo) av S.V. : g( ), da er også e S.V.: til ethvert

Detaljer

Oversikt, del 5. Vi har sett på styrkefunksjon for ensidige tester. Eksempler (styrke, dimensjonering,...) Eksempler fra slutten av forrige uke

Oversikt, 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,...

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

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

Econ 2130 Forelesning uke 11 (HG)

Econ 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

Detaljer

Løsningsforslag Eksamen MAT112 vår 2011

Løsningsforslag Eksamen MAT112 vår 2011 Løsigsforslag Eksame MAT vår OPPGAVE Gitt følge {a } defiert rekursivt ved a = 5, a + = a + 6, =,,, 3,.... (a) Vis (for eksempel ved iduksjo) at {a } er stregt avtagede og edtil begreset. (b) Avgjør om

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

ÅMA110 Sannsynlighetsregning med statistikk, våren 2006 Kp. 6, del 3

ÅMA110 Sannsynlighetsregning med statistikk, våren 2006 Kp. 6, del 3 ÅMA110 Sannsynlighetsregning med statistikk, våren 2006 Kp. 6, del 3 Bjørn H. Auestad Institutt for matematikk og naturvitenskap Universitetet i Stavanger 20. mars Bjørn H. Auestad Kp. 6: Hypotesetesting

Detaljer

Skrivne og trykte hjelpemiddel samt kalkulator er tillate. Ta med all mellomrekning som trengst for å grunngje svaret.

Skrivne og trykte hjelpemiddel samt kalkulator er tillate. Ta med all mellomrekning som trengst for å grunngje svaret. Eksame 11. mai 2015 Eksamestid 4 timar IR201812 Statistikk og Simulerig Skrive og trykte hjelpemiddel samt kalkulator er tillate. Ta med all mellomrekig som tregst for å grugje svaret. Oppgåve 1......................................................................................

Detaljer

STATISTIKK :D INNHOLD

STATISTIKK :D INNHOLD STATISTIKK :D INNHOLD Et par tig som ka bli yttige.... Sasylighetsregig... 3. Stokastiske variable og sasylighetsfordeliger.... 4. Forvetig og varias... 3 5. Diskrete fordeliger... 4 Diskret uiform fordelig...

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

UNIVERSITETET I OSLO

UNIVERSITETET I OSLO UNIVERSITETET I OSLO Det matematisk-aturviteskapelige fakultet Eksame i MAT00 Matematikk I Eksamesdag: Fredag 4 jui 00 Tid for eksame: 0900 00 Oppgavesettet er på sider Vedlegg: Tillatte hjelpemidler:

Detaljer

Løsningsforslag R2 Eksamen 04.06.2012. Nebuchadnezzar Matematikk.net Øistein Søvik

Løsningsforslag R2 Eksamen 04.06.2012. Nebuchadnezzar Matematikk.net Øistein Søvik Løsigsforslag R2 Eksame 6 Vår 04.06.202 Nebuchadezzar Matematikk.et Øistei Søvik Sammedrag De fleste forlagee som gir ut lærebøker til de videregåede skole, gir ut løsigsforslag til tidligere gitte eksameer.

Detaljer

TMA4245 Statistikk. Øving nummer b5. Norges teknisk-naturvitenskapelige universitet Institutt for matematiske fag

TMA4245 Statistikk. Øving nummer b5. Norges teknisk-naturvitenskapelige universitet Institutt for matematiske fag TMA4245 Statistikk Norges tekisk-aturviteskapelige uiversitet Istitutt for matematiske fag Øvig ummer b5 Oppgave 1 Eksame mai 2001, oppgave 1 av 4 Vi ser på kosetrasjoe av et giftstoff i havbue like utefor

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

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

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

Q-Q plott. Insitutt for matematiske fag, NTNU 15. august Notat for TMA4240/TMA4245 Statistikk. Kvantiler fra sannsynlighetsfordeling

Q-Q plott. Insitutt for matematiske fag, NTNU 15. august Notat for TMA4240/TMA4245 Statistikk. Kvantiler fra sannsynlighetsfordeling Q-Q plott Notat for TMA/TMA Statistikk Insitutt for ateatiske fag, NTNU. august En ønsker ofte å trekke slutninger o populasjonen til en stokastisk variabel basert på et forholdsvis lite antall observasjoner,

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

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

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

Forelesning 3 mandag den 25. august

Forelesning 3 mandag den 25. august Forelesg adag de 5 august Merkad 171 For å bevse e propossjo o heltall so volverer to eller flere varabler, er det typsk ye lettere å beytte duksjo på e av varablee e duksjo på oe av de adre Det er for

Detaljer

TMA4240 Statistikk Høst 2015

TMA4240 Statistikk Høst 2015 Norges teknisk-naturvitenskapelige universitet Institutt for ateatiske fag Øving nuer, blokk I Løsningsskisse Oppgave a X kan eksepelvis være resultatet av en flervalgsoppgave ed 0 sp og svaralternativ

Detaljer

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

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

Detaljer