Sannsynligheten for det usannsynlige kan vi bestemme sannsynligheten for usannsynlige hendelser?
|
|
- Anette Borge
- 5 år siden
- Visninger:
Transkript
1 Sannsynligheten for det usannsynlige an vi bestemme sannsynligheten for usannsynlige hendelser? Ørnulf Borgan Landsurs i matemati Gardermoen 6. mars 2017 H. Aschehoug & Co Sehesteds gate 3, 0102 Oslo Tlf:
2 Disposisjon: Lotto Sannsynligheten for å vinne Antall vinnere og Poissonfordelingen Myten om Værdal En ommentar om hypotesetesting Opphopning av refttilfeller Sømnasaen Sannynligheter i rettssalen Lucia de Ber Landåssaen Avsluttende ommentarer 2
3 Vinnersjansen i Lotto Sannsynligheten for å vinne førstepremie på én lottoree: , Denne sannsynligheten er så liten at det er vanselig å forestille seg et så lite tall. 3
4 Jernbanestreningen fra Stavanger til Bodø er omtrent 1900 m. Ten deg at det et sted på streningen er plassert en baseturv (diameter 45 cm). Du reiser Stavanger Bodø og slipper på et tilfeldig valgt sted en lineule ut av vinduet. Sannsynligheten for at du treffer urven er 0, , Det er omtrent det samme som sannsynligheten for å vinne førstepremie i Lotto. 4
5 Antall vinnere i Lotto Selv om sannsynligheten for å vinne førstepremie i Lotto er uhyre liten, er det noen som vinner (nesten) hver ue. Fordelingen av antall vinnere i siden mars 2015: Andel uer Antall spillere med førstepremie (Uer med omsetning over 85 millioner ronerer ie tatt med) 5
6 Siden mars 2015 har det blitt tippet omtrent millioner lottoreer hver ue. Hvis reene hadde vunnet uavhengig av hverandre, ville antall reer som vinner en gitt ue ha vært binomis fordelt med n = og p = 0, P ( vinnere) 0, , For så stor verdi av n og liten verdi av p som vi har her er det pratis å regne med Poisson fordelingen i stedet for den binomise. 6
7 Poissonfordelingen Hvis vi i den binomise fordelingen lar n og på en sli måte at np får vi at ( = 0, 1, 2,.) p 0 n p (1 p ) n n! 1!( n )! n n n n ( n 1) ( n 2)... n 1 1! n n n e! Dette resultatet ble først vist i 1838 av den franse matematien Siméon Denis Poisson. 7 7
8 Sett l = np. Når n er stor og p er liten har vi at: Illustrasjon: (1 ) n p p n e! ( Binomis Poisson ) Poisson Binomis Binomis Binomis n = 500 n = 50 n = 5 l = 0.50 p = p = 0.01 p = ,6065 0,6064 0,6050 0, ,3033 0,3035 0,3056 0, ,0758 0,0758 0,0756 0, ,0126 0,0126 0,0122 0,0081 8
9 Antall vinnere i Lotto (forts) Hvis Lotto reene hadde vunnet uavhengig av hverandre, ville vi hatt at: Siden n = er veldig stor og p = er veldig liten, an vi regne med Poisson fordelingen med i stedet for binomis fordeling: np 2, P ( vinnere) 0, , ,79 P e! 2,79 ( vinnere) ( 0,1,2,3,...) Selv om reene i vireligheten ie vinner uavhengig av hverandre, gir Poisson fordelingen lievel en god besrivelse av antall lottovinnere en gitt ue. 9
10 Fordeling av antall vinnere siden mars 2015 Poisson fordelingen med 2,79 (røde stjerner) Andel uer Antall spillere med førstepremie 10
11 Hva er det med Verdal? (Dagbladets nettutgave 5. otober 2003) 11
12 Er det merelig at en ommune Verdal fi 11 lottovinnere i perioden 1986 til 2003? Fra Lotto startet i april 1986 og til utgangen av 2003 var det 920 lottotreninger. Anta (som et regneesempel) at det blir spilt 10 millioner reer hver ue i 920 uer og at 3 promille av reene blir spillt i en bestemt ommune (av størrelse som Verdal). Hva er sannsynligheten for at ommunen får minst 11 lottovinnere? 12
13 Antall førstepremier i ommunen vil være (tilnærmet) Poisson fordelt med , ,13 Det gir: P(minst 11 vinnere) 11 5,13! e 5,13 0,016 Det er usannsynlig at en ommune av Verdals størrelse sal få minst 11 førstepremievinnere. Dette er bagrunnen for «myten om Verdal». 13
14 «Myten om Verdal» oppstod fordi det var mange førstepremier i ommunen. Hvis det hadde vært en annen ommune som hadde fått så mange førstepremier (i forhold til foletallet), hadde det oppstått en myte om den ommunen i stedet. La oss som et esempel se på 50 ommuner av størrelse med Verdal. Hva er sannsynligheten for at det i minst én av de 50 ommunene blir vunnet førstepremie 11 eller flere ganger i løpet av 920 uer? P(minst én ommune får minst 11 vinnere) 50 1 (1 0,016) 0,554 Det er sannsynlig at en eller annen ommune av Verdals størrelse får minst 11 førstepremievinnere. 14
15 Hva har sjedd i Verdal siden 2004? Kilde: storvinnerdata.no 15
16 Siden 2004 har det vært sju lottovinnere fra Verdal. Berefter det «myten om Verdal»? Siden 2004 har det vært 686 lottotreninger. Anta (som et regneesempel) at det blir spilt 15 millioner reer hver ue i 686 uer og at 3 promille av reene blir spillt i en bestemt ommune (av størrelse som Verdal). Hva er sannsynligheten for at ommunen får minst 7 førstepremier? 16
17 Antall førstepremier i ommunen vil være (tilnærmet) Poisson fordelt med forventningsverdi Det gir: , ,74 P(minst 7 vinnere) 7 5,74! e 5, Det er ie merelig at vi siden 2004 har fått sju lottovinnere i Verdal. 17
18 En ommentar om hypotesetesting Lottotallene trees ut tilfeldig, så vi vet at sannsynligheten for å vinnne på en lottoupong fra Verdal er den samme som for andre lottouponger. Vi an lievel brue esemplet til å få fram et vitig poeng om hypotesetesting. For hypotesetesting har vi en nullhypotese (H 0 ) og en alternativ hypotese (H A ). For å teste nullhypotesen observerer vi resultatet av et tilfeldig forsø, og på grunnlag av det avgjør vi om H 0 sal forastes eller ie. (Hvis vi foraster H 0, an vi være rimelig sire på at H A er sann.) Mer at vi må bestemme H 0 og H A før vi gjør forsøet. 18
19 For esemplet er H 0 at vinnersjansen i Verdal er den samme som for andre steder, mens H A er at den er større. I utgangspuntet var den ingen som hadde noen hypotese om at sannsynligheten for å vinne på en lottoupong fra Verdal var større enn for andre lottouponger. Vi an derfor ie brue hypotesetesting for antall lottovinnere fra Verdal i perioden Men det store antallet vinnere fra Verdal genererte en hypotese om at vinnersjansen der var større enn andre steder. Så for perioden an vi brue hypotesetesting (og da ble ie H 0 forastet, rimelig no). 19
20 Opphopning av refttilfeller: Sømnasaen (Dagbladet 10. januar 1993) (Dagbladet 11. januar 1993) 20
21 Det ble observert tre tilfeller av hjernesvulst i Sømna ommune i Det var uvanlig mange i en så liten ommune. Sømna Saen vate stor oppsit i media og blant politiere. Ble sett i sammenheng med Tsjernobyl ulyen 26. april
22 Etter Kreftregisterets statisti vil det for en ommune av Sømnas størrelse og befolningssammensetning i gjennomsnitt være ett tilfelle av hjernesvulst hvert sjette år hvis reftrisioen er som i resten av landet. Mer presist: Hvis reftrisioen i Sømna var som ellers i landet, vil antall tilfeller av hjernesvulst i løpet av ett år være Poisson fordelt med Det gir: P(minst 3 tillfeller av hjernesvulst) 3 0,16! e 0,16 0,0006 Det som sjedde i Sømna var svært usannsynlig hvis ommunen hadde samme reftriso som landet forøvrig.
23 (Aftenposten 20. otober 1993) 23
24 Hvordan an vi forlare at refttilfellene i Sømna syldes en ren tilfeldighet? Må da være oppmersom på hvorfor refttilfellene i Sømna vate oppsit. Det sjedde nettopp fordi det ble registrert uvanlig mange refttilfeller i denne ene ommunen i dette ene året. Alle de ommunene og alle de årene der det ie sjer noe oppsitsveende, er det ingen som bryr seg om. Vi må derfor spørre: Hva er sannsynligheten for at vi en gang i blant i en eller annen ommune vil observere noe så påfallende som det en gjorde i Sømna i 1992 ved en ren tilfeldighet. 24
25 Regneesempel: Vi tener oss at vi har 100 ommuner med samme størrelse og befolningsstrutur som Sømna, og at vi observerer antall refttilfeller i disse ommunene i en tiårs periode. Sannsynligheten for at vi i minst én av ommunene vil oppleve minst tre tilfeller av hjernesvulst i løpet av ett år ved en ren tilfeldighet er: (1 0,0006) 0,45 Det er sannsynlig at noe så usannsynlig som det som hendte i Sømna vil sje en gang i blant ved en ren tilfeldighet. 25
26 /Tema/Clusterreftopphopning/ 26
27
28 De Ber ble dømt til fengsel på livstid for sju mord og tre mordforsø. 28
29 Saen vate stor oppsit og flere ledende statistiere ritiserte Elffers sannsynlighetsberegninger. Etter flere anesaer og sju år i fengsel ble Lucia de Ber frifunnet i april 2010.
30 30
31 Landåssaen Ved Landås Menighets Eldresenter i Bergen ble det i observert uvanlig mange dødsfall på vatene til en av hjelpepleierne. På denne bagrunn ble hjelpepleieren sitet for drap på 10 pasienter og varetesfengslet for tolv uer med brev- og besøsforbud. (VG 29. april 1995) 31
32 Saen vate enorm oppmersomhet. (VG 30. april 1995) (VG 2. mai 1995)
33 (VG 3. mai 1995) (VG 4. mai 1995)
34 Professor Odd Aalen ved Det Medisinse faultet ved Universitetet i Oslo ble oppnevnt som sayndig. Etter å ha satt seg nøye inn i saen onluderte han med at opphopningen av dødsfall på hjelpepleierens vater unne syldes tilfeldig variasjon. (3. august 1995) 34
35 Hvordan an dødsfallene på hjelpepleierne vater syldes tilfeldigheter? Argumentet er tilsvarende som for Verdal og Sømna: Det er mange syehjem i Norge, og de drives år etter år. Derfor er det ie så usannsynlig at noe så uvanlig som det en observerte på Landås an inntreffe en sjelden gang ved ren tilfeldighet. Sitede ble løslatt 26. august Saen ble henlagt av Risadvoaten 20. november 1995 «etter bevisets stilling» i det han tilføyde at «hun er med dette å anse som frifunnet». 35
36 Avsluttende ommentarer Det er sannsynlig at en «usannsynlige hendelse» inntreffer «en gang i blant» ved en ren tilfeldighet. Noen ganger an vi være sire på at den «usannsynlige hendelsen» syldes en ren tilfeldighet (Verdal). Ofte an vi ie være sire på om en «usannsynlig hendelse» syldes en ren tilfeldighet eller en om den har en virelig årsa (Sømna, de Ber, Landås). Da må en undersøe saen nøye for å finne mulige årsaer. Men samtidig må en være lar over at den «usannsynlige hendelsen» an syldes en ren tilfeldighet. Hvis det er mulig å gjøre flere observasjoner, an en i ettertid få avgjort om den «usannsynlige hendelsen» syldes en ren tilfeldighet eller ie. (I Sømna har det ie vært unormalt mange tilfeller av hjernesvulst i årene etter 1992.)
Matematikk S2 kapittel 5 Sannsynlighet Utvalgte løsninger oppgavesamlingen
Matemati S2 apittel 5 Sannsynlighet Utvalgte løsninger oppgavesamlingen 508 a Utfall: 1 og 2, 1 og 3, 1 og 4, 2 og 3, 2 og 4, 3 og 4. De ses utfallene er lie sannsynlige, så de har hver sannsynlighet 1
DetaljerSTK1100 våren Betinget sannsynlighet og uavhengighet. Vi trenger en definisjon av betinget sannsynlighet! Eksempel 1
STK00 våren 07 Betinget sannsynlighet og uavhengighet Esempel Vi vil først ved hjelp av et esempel se intuitivt på hva betinget sannsynlighet betyr. Vi legger fire røde ort og to svarte ort i en bune.
DetaljerHypotesetesting. Hvorfor og hvordan? Gardermoen 21. april 2016 Ørnulf Borgan. H. Aschehoug & Co Sehesteds gate 3, 0102 Oslo Tlf:
Hypotesetesting Hvorfor og hvordan? Gardermoen 21. april 2016 Ørnulf Borgan H. Aschehoug & Co Sehesteds gate 3, 0102 Oslo Tlf: 22 400 400 www.aschehoug.no 1 Oversikt Sannsynlighetsregning og statistikk
DetaljerMer om hypotesetesting
Mer om hypotesetesting I underkapittel 36 i læreboka gir vi en kort innføring i tankegangen ved hypotesetesting Vi gir her en grundigere framstilling av temaet Problemstilling Vi forklarer problemstillingen
DetaljerPlan. MAT1030 Diskret matematikk. Eksamen 12/6-06 Oppgave 2. Noen tips til eksamen
Plan MAT1030 Disret matemati Plenumsregning 12: Diverse oppgaver Roger Antonsen Matematis Institutt, Universitetet i Oslo 22. mai 2008 Dette er siste plenumsregning. Vi regner stort sett esamensoppgaver.
DetaljerOppgave 1. Oppgave 2. 3MX eksamen Privatister Løsningsskisse Ikke kontrollert og dobbeltsjekket! Kan være feil her...
MX esamen.5.5 - Privatister Løsningssisse Ie ontrollert og dobbeltsjeet! Kan være feil her... Oppgave a) sin cos,, sin cos sin,tan sin.588.588.588 L.588 b) f lncos f fu lnu,u cos, i vadrant f f u u u sin
DetaljerNormalfordeling. Høgskolen i Gjøvik Avdeling for teknologi, økonomi og ledelse. Statistikk Ukeoppgaver uke 7
Ueoppgaver i BtG207 Statisti, ue 7 : Normalfordeling. 1 Høgsolen i Gjøvi Avdeling for tenologi, øonomi og ledelse. Statisti Ueoppgaver ue 7 Normalfordeling. Oppgave 1 Anta Z N(0, 1), dvs. Z er standard
Detaljer3 Sannsynlighet, Quiz
3 Sannsynlighet, Quiz Innhold 3.1 Begreper i sannsynlighetsregning... 1 3.2 Addisjon av sannsynligheter... 3.3 Produtsetningen for sannsynlighet... 11 3. Binomis sannsynlighet... 17 3.1 Begreper i sannsynlighetsregning
DetaljerÅpenhet, lojalitet og karrieremuligheter
Åpenhet, lojalitet og arrieremuligheter søelse blant barnehagestyrere 2. 9. otober 2012 Oppdragsgiver: Utdanningsforbundet Prosjetinformasjon Formål: Dato for gjennomføring: 2. 9. otober 2012 Datainnsamlingsmetode:
DetaljerTest, 3 Sannsynlighet
Test, Sannsynlighet Innhold. Pascals talltreant... 2.2 Kombinatori g sannsynlighetsberegning... 7. Sannsynlighetsberegninger.... Hypergeometris sannsynlighetsmodell....5 Binomis sannsynlighetsmodell...
DetaljerKapittel 9 og 10: Hypotesetesting
Kapittel 9 og 1: Hypotesetesting Hypotesetesting er en standard vitenskapelig fremgangsmåte for å sjekke påstander. Generell problemstilling: Basert på informasjonen i data fra et tilfeldig utvalg ønsker
DetaljerObligatorisk oppgave 4 i INF4400 for Jan Erik Ramstad
Obligatoris oppgave i INF for Jan Eri Ramstad Jan Eri Ramstad Institutt for Informati Universitetet i Oslo janera@fys.uio.no. Mars6 6. april Bagrunn Worst case transient simulering NAND port Oppgave I
DetaljerKapittel 4: Betinget sannsynlighet
Kapittel 4: Betinget sannsynlighet Ofte vil kunnskap om at en hendelse har inntruffet påvirke sannsynligheten for en annen hendelse. Terningkast. ={1,2,3,4,5,6}. A= odde ={1,3,5}. B= mindre enn 4 = {1,2,3}.
DetaljerHypotesetesting. mot. mot. mot. ˆ x
Kapittel 6.4-6.5: ypotesetesting ypotesetesting er en standard vitenskapelig fremgangsmåte for å sjekke påstander. Generell problemstilling: Basert på informasjonen i data fra et tilfeldig utvalg ønsker
Detaljerb) Hva er sannsynligheten for at re tilfeldig utvalgte bilmotorer alle har en levetid på minst 17 år?
Oppgave 1 Levetiden T til en bestemt type bilmotor er normalfordelt med forventning µ = 15 år og standardavvik σ = 3 år. a) Vis at sannsynligheten for at en tilfeldig utvalgt bilmotor har en levetid på
DetaljerRekursjon og induksjon. MAT1030 Diskret matematikk. Induksjonsbevis. Induksjonsbevis. Eksempel (Fortsatt) Eksempel
Reursjon og indusjon MAT1030 Disret matemati Forelesning 15: Indusjon og reursjon, reurenslininger Dag Normann Matematis Institutt, Universitetet i Oslo 3 mars 008 Onsdag ga vi endel esempler på reursive
DetaljerTilfeldige variabler. MAT0100V Sannsynlighetsregning og kombinatorikk
MAT0100V Sannsynlighetsregning og kombinatorikk Forventning, varians og standardavvik Tilnærming av binomiske sannsynligheter Konfidensintervall Ørnulf Borgan Matematisk institutt Universitetet i Oslo
DetaljerForelesning 20. Kombinatorikk. Roger Antonsen - 7. april 2008
orelesning Kombinatori Roger Antonsen - 7. april 8 Kombinatori Kombinatori er studiet av opptellinger, ombinasjoner og permutasjoner. Vi finner svar på spørsmål Hvor mange måter...? uten å telle. Vitig
DetaljerSTK1100 våren 2017 Kombinatorikk
STK1100 våren 2017 Kombinatorikk Svarer til avsnitt 2.3 i læreboka Ørnulf Borgan Matematisk institutt Universitetet i Oslo 1 Uniform sannsynlighetsmodell Et stokastisk forsøk har N utfall. Det er de mulige
DetaljerHypotesetesting av λ og p. p verdi.
Forelesning 7, kapittel 6 Hypotesetesting av λ og p. p verdi. Det som gjøres i denne forelesningen er nær opptil det vi gjorde da vi konstruerte z test for µ, og styrkefunksjon for denne. I tillegg til
DetaljerOppgaver i kapittel 1 - Løsningsskisser og kommentarer Lærebok:
Oppgaver i apittel - Løsningssisser og ommentarer Lærebo:.6 Vitig oppgave, viser hvordan ree-summer an tilnærmes med integraler. Atuelt hvis vi har formelen for n te ledd, men ie har noen summeformel.
DetaljerSTK1100 våren Kombinatorikk = = Uniform sannsynlighetsmodell. Et stokastisk forsøk har N utfall. Det er de mulige utfallene for forsøket.
ST1100 våren 2017 ombinatorikk Uniform sannsynlighetsmodell Et stokastisk forsøk har N utfall. Det er de mulige utfallene for forsøket. Vi antar at de N utfallene er like sannsynlige. Svarer til avsnitt
DetaljerDenne uken: kap. 6.1-6.2-6.3: Introduksjon til statistisk inferens. - Konfidensintervall - Hypotesetesting - P-verdier - Statistisk signifikans
Denne uken: kap. 6.1-6.2-6.3: Introduksjon til statistisk inferens - Konfidensintervall - Hypotesetesting - P-verdier - Statistisk signifikans VG 25/9 2011 Statistisk inferens Mål: Trekke konklusjoner
DetaljerDenne uken: kap : Introduksjon til statistisk inferens. - Konfidensintervall - Hypotesetesting - P-verdier - Statistisk signifikans
Denne uken: kap. 6.1-6.2-6.3: Introduksjon til statistisk inferens - Konfidensintervall - Hypotesetesting - P-verdier - Statistisk signifikans VG 25/9 2011 Statistisk inferens Mål: Trekke konklusjoner
DetaljerKapittel 9 og 10: Hypotesetesting
Kapittel 9 og 1: ypotesetesting ypotesetesting er en standard vitenskapelig fremgangsmåte for å sjekke påstander. Generell problemstilling: Basert på informasjonen i data fra et tilfeldig utvalg ønsker
DetaljerTest, 3 Sannsynlighet og statistikk
Test, 3 Sannsynlighet og statistikk Innhold 3. Stokastiske variabler og sannsynlighetsfordelinger... 3. Forventningsverdi, varians og standardavvik... 5 3.3 Normalfordelingen... 4 3.4 Sentralgrensesetningen...
Detaljerd) Poenget er å regne ut terskeltrykket til kappebergarten og omgjøre dette til en tilsvarende høyde av en oljekolonne i vann.
Sisse til løsning Esamen i Reservoarteni 3. juni, 999 Oppgave a) Kapillartry er differansen i try mellom to faser på hver side av den infinitesimale overflaten som siller fasene. Det følger av en minimalisering
DetaljerMAT1030 Forelesning 21
MAT00 Forelesning Mer ombinatori Roger Antonsen - 5. april 009 (Sist oppdatert: 009-0-5 00:05) Kapittel 9: Mer ombinatori Plan for dagen Mer om permutasjoner og ordnet utvalg ) Mer om ombinasjoner n velg
DetaljerLøsningskisse for oppgaver til undervisningsfri uke 14 (6.-9. april)
HG April 010 Løsningskisse for oppgaver til undervisningsfri uke 14 (6.-9. april) Innledende merknad. De fleste oppgavene denne uka er øvelser i bruk av den viktige regel 5.0, som er sentral i dette kurset,
DetaljerUNIVERSITETET I OSLO
UNIVERSITETET I OSLO Det matematisk-naturvitenskapelige fakultet Eksamen i: ST 101 Innføring i statistikk og sannsynlighetsregning. Eksamensdag: Mandag 30. november 1992. Tid for eksamen: 09.00 15.00.
DetaljerFire kort. Mål. Gjennomføring. Film. Problemløsing Fire kort
Fire kort Mål Generelt: Søke etter mønster og sammenhenger. Gjennomføre undersøkelse og begrunne resultat. Utfordre elevene på å resonnere og kommunisere. Spesielt: Finne alle kombinasjoner når de adderer
DetaljerFire kort. Mål. Gjennomføring. Film. Problemløsing Fire kort
Fire kort Mål Generelt: Søke etter mønster og sammenhenger. Gjennomføre undersøkelse og begrunne resultat. Utfordre elevene på å resonnere og kommunisere. Spesielt: Finne alle kombinasjoner når de adderer
DetaljerSTK1100 våren 2015 P A B P B A. Betinget sannsynlighet. Vi trenger en definisjon av betinget sannsynlighet! Eksemplet motiverer definisjonen:
STK00 våren 05 etnget sannsynlghet Svarer tl avsntt.4 læreboa Esempel V vl først ved help av et esempel se ntutvt på hva betnget sannsynlghet betyr V legger fre røde ort og to svarte ort en bune Ørnulf
DetaljerKrysstabellanalyse (forts.) SOS1120 Kvantitativ metode. 4. Statistisk generalisering. Forelesningsnotater 9. forelesning høsten 2005.
SOS112 Kvantitativ metode Krysstabellanalyse (forts.) Forelesningsnotater 9. forelesning høsten 25 4. Statistisk generalisering Per Arne Tufte Eksempel: Hypoteser Eksempel: observerte frekvenser (O) Hvordan
DetaljerForkunnskaper i matematikk for fysikkstudenter. Integrasjon.
De grunnleggende definisjonene L oss strte med følgende prolem: Gitt en ontinuerlig funsjon y = f der f for [, ] Beregn relet A som er vgrenset v grfen til f, -sen, og de to vertile linjene = og = Vi n
DetaljerTALLSVAR. Det anbefales at de 9 deloppgavene merket med A, B, teller likt uansett variasjon i vanskelighetsgrad. Svarene er gitt i <<< >>>.
1 ECON213: EKSAMEN 217 VÅR - UTSATT PRØVE TALLSVAR. Det anbefales at de 9 deloppgavene merket med A, B, teller likt uansett variasjon i vanskelighetsgrad. Svarene er gitt i
DetaljerCct LLV STYR ESAK # 16/13 PROFESSOR I KUNST MED HOVEDFOKUS Å GRAFIKK: BETENKNING STYREMØTET DEN 12.02.13. Ved rørende: Forslag til vedtak: Vedlegg:
Ved rørende: STYREMØTET DEN 12.02.13 STYR ESAK # 16/13 A: Strømgaten 1, 5015 Bergen, Norway T: 4-47 8 73 oof: 4-47 55 58 73 10 E: hib@hib.no W: www.hib.no KunsthøgsoLen i Bergen, Bergen National Academy
DetaljerMAT1030 Forelesning 16
MAT1030 Forelesning 16 Reursjon og indusjon Roger Antonsen - 17 mars 009 (Sist oppdatert: 009-03-17 11:4 Forelesning 16 Reursjon og indusjon Forrige gang ga vi endel esempler på reursive definisjoner og
DetaljerSTK1100 våren 2019 Mere om konfidensintevaller
STK1100 våren 2019 Mere om konfidensintevaller Svarer til avsnitt 8.2 i læreboka Ørnulf Borgan Matematisk institutt Universitetet i Oslo 1 Konfidensintervall for µ i store utvalg Anta at de stokastiske
DetaljerFørsteordens lineære differensiallikninger
Førsteordens lineære differensiallininger Begrepet førsteordens lineære differensiallininger er ie sielig definert i Sinus R. Denne artielen omhandler det temaet. En førsteordens lineær differensiallining
DetaljerREKT Random Events Knowledge Test
REKT Random Events Knowledge Test Dette instrumentet er utarbeidet av psykolog og forsker Nigel Turner, ved Center for Addiction and Mental Health i Toronto, Canada. Instrumentet har både klinisk og forskningsmessig
DetaljerDenne uken: kap : Introduksjon til statistisk inferens. - Konfidensintervall - Hypotesetesting - P-verdier - Statistisk signifikans
Denne uken: kap. 6.1-6.2-6.3: Introduksjon til statistisk inferens - Konfidensintervall - Hypotesetesting - P-verdier - Statistisk signifikans VG 25/9 2011 Statistisk inferens Mål: Trekke konklusjoner
DetaljerÅMA110 Sannsynlighetsregning med statistikk, våren 2011
ÅMA0 Sannsynlighetsregning med statistikk, våren 0 Kp. 3 Diskrete tilfeldige variable Noen viktige sannsynlighetsmodeller Noen viktige sannsynlighetsmodeller ( Sanns.modell : nå betyr det klasse/type sanns.fordeling.
DetaljerTilfeldige variabler. MAT0100V Sannsynlighetsregning og kombinatorikk
MAT000V Sannsynlighetsregning og kombinatorikk Tilfeldige variabler og sannsynlighetsfordelinger (repetisjon) Hypergeometrisk fordeling (repetisjon) Binomisk fordeling Forventningsverdi Tilfeldige variabler
DetaljerAndre sett med obligatoriske oppgaver i STK1110 høsten 2010
Andre sett med obligatoriske oppgaver i STK1110 høsten 2010 Dette er det andre settet med obligatoriske oppgaver i STK1110 høsten 2010. Oppgavesettet består av fire oppgaver. Det er valgfritt om du vil
DetaljerEksamen S2 høsten 2010 Løsning
Eksamen S høsten 010 Løsning Del 1 Oppgave 1 (4 poeng) a) Deriver funksjonene f x x 3x 4 1) 3 3 3 4 3 3 3 1 1 f x x x f x x f x x x g x 6x e ) x x 6x e x x 6 6 x 6 1 g x g x e x e g x e x P x x 6x 8x 4
DetaljerKapittel 9: Mer kombinatorikk
MAT3 Disret Matemati orelesning : Mer ombinatori Dag Normann Matematis Institutt, Universitetet i Oslo Kapittel 9: Mer ombinatori 3. april (Sist oppdatert: -4-3 4:4) MAT3 Disret Matemati 3. april Oppsummering
DetaljerEksempel på symmetrisk feil: trefase kortslutning på kraftlinje.
HØGSKOLE AGDER Faule for enoloi Elrafeni 1, løsninsforsla øvin 9 høs 004 Oppave 1 En feil i rafsyseme er enhver ilsand som forsyrrer den normale drifen av syseme. Esempler på dee an være refase orslunin
DetaljerÅMA110 Sannsynlighetsregning med statistikk, våren 2007
ÅMA0 Sannsnlighetsregning med statistikk, våren 007 Kp. 3 Diskrete tilfeldige variable Noen viktige sannsnlighetsmodeller Noen viktige sannsnlighetsmodeller Binomisk modell (kp. 3.6) (kp. 3.7) (notater)
DetaljerUNIVERSITETET I OSLO ØKONOMISK INSTITUTT
Utsatt eksamen i: ECON130 Statistikk 1 UNIVERSITETET I OSLO ØKONOMISK INSTITUTT Eksamensdag: 1306017 Sensur kunngjøres senest: 3006017 Tid for eksamen: kl 09:00 1:00 Oppgavesettet er på 5 sider Tillatte
DetaljerFire kort. Mål. Gjennomføring. Film. Problemløsing Fire kort Planleggingsdokument
Fire kort Mål Generelt: Søke etter mønster og sammenhenger. Gjennomføre undersøkelse og begrunne resultat. Utfordre elevene på å resonnere og kommunisere. Spesielt: Finne alle kombinasjoner når de adderer
DetaljerLottotrekningen i Excel
Peer Andersen Lottotrekningen i Excel Mange leverer ukentlig inn sin lottokupong i håp om å vinne den store gevinsten. Men for de aller fleste blir den store gevinsten bare en uoppnåelig drøm. En kan regne
DetaljerBetinget sannsynlighet, total sannsynlighet og Bayes setning Kapittel 4.5
Betinget sannsynlighet, total sannsynlighet og Bayes setning Kapittel 4.5 På bakgrunn av materiale fra Ørnulf Borgan Matematisk institutt Universitetet i Oslo 1 Vi vil først ved hjelp av et eksempel se
DetaljerMAT1030 Forelesning 21
MAT orelesning Mer ombinatori Dag Normann -. april (Sist oppdatert: -4-4:5) Kapittel 9: Mer ombinatori Oppsummering orrige ue startet vi på apitlet om ombinatori. Vi så på hvordan vi an finne antall måter
DetaljerSTK1100 våren Forventningsverdi. Forventning, varians og standardavvik
STK00 våren 0 Forventning, varians og standardavvik Svarer til avsnitt 3.3 i læreboka Geir Storvik (Ørnulf Borgan) Matematisk institutt Universitetet i Oslo Forventningsverdi Punktsannsynligheten px (
DetaljerGeogebra hjelp - S2. Funksjonsanalyse. Innhold. Kommando. Funksjonsanalyse 1. Undersøke om dataene er normalfordelt 1.
Geogebra hjelp - 4. mai 2012 Innhold Funksjonsanalyse 1 Komandoer 1 Undersøke om dataene er normalfordelt 1 Finne sannsynlighetsfordeling 2 Binomisk fordeling...........................................
DetaljerST0202 Statistikk for samfunnsvitere
ST0202 Statistikk for samfunnsvitere Bo Lindqvist Institutt for matematiske fag 2 Statistisk inferens (kap. 8) Statistisk inferens er å tolke/analysere resultater fra utvalget for å finne ut mest mulig
DetaljerST0202 Statistikk for samfunnsvitere Kapittel 9: Inferens om én populasjon
ST0202 Statistikk for samfunnsvitere Kapittel 9: Inferens om én populasjon Bo Lindqvist Institutt for matematiske fag 2 Kap. 9: Inferens om én populasjon Statistisk inferens har som mål å tolke/analysere
DetaljerEksamensoppgave i TMA4240 Statistikk
Institutt for matematiske fag Eksamensoppgave i TMA4240 Statistikk Faglig kontakt under eksamen: Sara Martino a, Torstein Fjeldstad b Tlf: a 994 03 330, b 962 09 710 Eksamensdato: 28. november 2018 Eksamenstid
DetaljerTMA4240 Statistikk H2010 (20)
TMA4240 Statistikk H2010 (20) 10.5: Ett normalfordelt utvalg, kjent varians (repetisjon) 10.4: P-verdi 10.6: Konfidensintervall vs. hypotesetest 10.7: Ett normalfordelt utvalg, ukjent varians Mette Langaas
Detaljer1 8-1: Oversikt. 2 8-2: Grunnleggende hypotesetesting. 3 Section 8-3: Å teste påstander om andeler. 4 Section 8-5: Teste en påstand om gjennomsnittet
1 8-1: Oversikt 2 8-2: Grunnleggende hypotesetesting 3 Section 8-3: Å teste påstander om andeler 4 Section 8-5: Teste en påstand om gjennomsnittet Definisjoner Hypotese En hypotese er en påstand om noe
DetaljerInnledning. Grafisk fremstilling
1 2 Innledning Dette notatet omhandler en del viktig ting som ofte ikke nevnes eksplisitt i lærebøker i statistikk, men som det er viktig å være oppmerksom på når man bruker statistikk i praksis. Notatet
DetaljerSTK1100 våren Betinget sannsynlighet og uavhengighet. Svarer til avsnittene 2.4 og 2.5 i læreboka
STK1100 våren 2017 Betinget sannsynlighet og uavhengighet Svarer til avsnittene 2.4 og 2.5 i læreboka Ørnulf Borgan Matematisk institutt Universitetet i Oslo 1 Eksempel 1 Vi vil først ved hjelp av et eksempel
DetaljerInnledning. Grafisk fremstilling
1 2 Innledning Dette notatet omhandler en del viktig ting som ofte ikke nevnes eksplisitt i lærebøker i statistikk, men som det er viktig å være oppmerksom på når man bruker statistikk i praksis. Notatet
DetaljerStatistisk inferens (kap. 8) Hovedtyper av statistisk inferens. ST0202 Statistikk for samfunnsvitere
2 Statistisk inferens (kap. 8) Statistisk inferens er å tolke/analysere resultater fra utvalget for å finne ut mest mulig om populasjonen. Konkret: Analysere en observator for å finne ut noe om korresponderende
DetaljerSensorveiledning eksamen ECON 3610/4610 Høst 2004
1 Jon Vislie; november 2004 Sensorveiledning esamen ECO 3610/4610 Høst 2004 Modellen har fem lininger og sju variable (,n,m,,k,x og c); med to frihetsgrader i utgangspuntet og som an brues til å masimere
Detaljer2 Om å lære matematikk og litt om vurdering av måloppnåelse/kompetanse
Fagdag 5-3MX Innhold: 1. Tilbakemelding på første termin 2. Om å lære matematikk og vurdering 3. Sannsynlighetsfordelinger (7.2), forventning og varians (7.3, 7.4): Gjennomgåelse 4. Oppgaver 1 Tilbakemelding
DetaljerEksamen S2, Høsten 2013
Eksamen S, Høsten 0 Tid: timer Hjelpemidler: Vanlige skrivesaker, passer, linjal med centimetermål og vinkelmåler. Oppgave (4 poeng) Deriver funksjonene x a) fx f x x x x b) 5 g x 5 x 5 5 5 4 4 g x x x
DetaljerUNIVERSITETET I OSLO ØKONOMISK INSTITUTT
Eksamen i: ECON30 Statistikk UNIVERSITETET I OSLO ØKONOMISK INSTITUTT Eksamensdag: 03.06.06 Sensur kunngjøres: 4.06.06 Tid for eksamen: kl. 09:00 :00 Oppgavesettet er på 5 sider Tillatte hjelpemidler:
DetaljerBetingede sannsynligheter Fra spøkefull Monty Hall til alvorsfull kreftdiagnostikk
Betingede sannsynligheter Fra spøkefull Monty Hall til alvorsfull kreftdiagnostikk Solve Sæbø IKBM, UMB Innhold The Monty Hall game Vinner du bilen eller geita? Den statistiske begrunnelsen for riktig
DetaljerKapittel 10: Hypotesetesting
Kapittel 10: Hypotesetesting TMA445 Statistikk 10.1, 10., 10.3: Introduksjon, 10.5, 10.6, 10.7: Test for µ i normalfordeling, 10.4: p-verdi Turid.Follestad@math.ntnu.no p.1/19 Estimering og hypotesetesting
DetaljerFørste sett med obligatoriske oppgaver i STK1110 høsten 2015
Første sett med obligatoriske oppgaver i STK1110 høsten 2015 Dette er det første obligatoriske oppgavesettet i STK1110 høsten 2015. Oppgavesettet består av fire oppgaver. Du må bruke Matematisk institutts
DetaljerOppgave 13.1 (13.4:1)
MOT310 Statistiske metoder 1, høsten 2006 Løsninger til regneøving nr. 11 (s. 1) Modell: Oppgave 13.1 (13.4:1) Y ij = µ i + ε ij, der ε ij uavh. N(0, σ 2 ) Boka opererer her med spesialtilfellet der man
DetaljerKapittel Praktiske eksempler på førsteordens differensialligninger
Kapittel 6.5 - Pratise esempler på førsteordens differensialligninger Versjon: 2.04.203 (En del tryfeil og direte feil er rettet.) De vanligste pratise esemplene på anvendelser av førsteordens differensialligninger
DetaljerUlike typer utvalg. MAT0100V Sannsynlighetsregning og kombinatorikk. Ordnet utvalg uten tilbakelegging 29 (29 1) (29 2) (29 3) =
MAT000V Sasylighetsregig og kombiatorikk Urdede utvalg ute tilbakeleggig Pascals talltrekat og biomialkoeffisietee Ørulf Borga Matematisk istitutt Uiversitetet i Oslo Ulike typer utvalg Eksempel 6.: Vi
DetaljerMA1301/MA6301 Tallteori Høst 2016
Norges tenis naturvitensapelige universitet Institutt for ateatise fag MA/MA6 Tallteori Høst 6 a Vi starter ed å sjee at liheten steer for n. Vi har at i. Heldigvis er (, så vi ser at påstanden steer i
DetaljerArbeidsplan 8. klasse BLÅ
Arbeidsplan 8. lasse BLÅ LÆRINGSSTRATEGI Taneart og personart Ue 42 Mandag Tirsdag Onsdag Torsdag Fredag 08:20-09:05 1. 09:05-09:50 10:30-11:15 2. 11:15-12:00 12:25-13:10 13:15-14:00 3. 4. 14-15 5. Jobbsygging
DetaljerKan vi stole på resultater fra «liten N»?
Kan vi stole på resultater fra «liten N»? Olav M. Kvalheim Universitetet i Bergen Plan for dette foredraget Hypotesetesting og p-verdier for å undersøke en variabel p-verdier når det er mange variabler
Detaljerikke Stikka Tema: PÅRØRENDE NR
ie Stia VI TRENGER HVERANDRE NR. 01 2009 UTGITT AV STØTTESENTER MOT INCEST OSLO WWW.SENTERMOTINCEST.NO Tema: PÅRØRENDE Innhold Tema: PÅRØRENDE Redatører Av Trude Barstad og Hanne K. Helland Hva med meg
DetaljerLøsningsforslag til andre sett med obligatoriske oppgaver i STK1110 høsten 2010
Løsningsforslag til andre sett med obligatoriske oppgaver i STK1110 høsten 2010 Oppgave 1 a Forventet antall dødsulykker i år i er E(X i λ i. Dermed er θ i λ i E(X i forventet antall dødsulykker per 100
DetaljerHØGSKOLEN I STAVANGER
HØGSKOLEN I STAVANGER Avdeling for TEKNISK NATURVITEN- EKSAMEN I: TE199 SANNSYNLIGHETSREGNING MED STATISTIKK SKAPELIGE FAG VARIGHET: 4 TIMER DATO: 5. JUNI 2003 TILLATTE HJELPEMIDLER: KALKULATOR OPPGAVESETTET
DetaljerFY1006/TFY Øving 4 1 ØVING 4
FY1006/TFY4215 - Øving 4 1 Oppgave 13 ØVING 4 Vibrerende to-partiel-system Som disutert side 110 i boa, er det et vitig poeng både i lassis meani og i vantemeani at et to-partiel-problem essensielt an
DetaljerModell for befolkningsprojeksjoner for norske regioner. av Eivind Giij e x )
IO 68/15 Oslo, 23. juli 1968 Modell for befolningsprojesjoner for norse regioner av Eivind Giij e ) Arbeidsdoument til Nordis demografis symposium i Mattby, Finland, 14. - 16. august 1968. INNHOLD I. Innledning
DetaljerTMA4240 Statistikk Høst 2015
TMA4240 Statistikk Høst 2015 Norges teknisk-naturvitenskapelige universitet Institutt for matematiske fag Øving nummer 11, blokk II I denne øvingen skal vi fokusere på hypotesetesting. Vi ønsker å gi dere
Detaljer8 + AVSLUTTE SPILLET Handelsenheten forteller deg når spillet er over, etter 1 time. BATTERY INFORMATION
AVSLUTTE SPILLET andelsenheten forteller deg når spillet er over, etter 1 time. BRAND Regn ut hva du er god for ved å følge disse trinnene: hvis hun eller han landet på dette feltet. (Se side 13.) 1. Tell
DetaljerAnalyse med uavhengige variabler på nominal- /ordinalnivå
Analyse med uavhengige varialer på nominal- /ordinalnivå Hvordan rue varialer på nominalnivå (eventuelt ordinalnivå) som har flere enn to verdier i en regresjonsanalyse? Svar: omoder til dummyvarialer
DetaljerKapittel 9: Mer kombinatorikk
MAT00 Disret Matemati Forelesig : Mer ombiatori Roger Atose Istitutt for iformati, Uiversitetet i Oslo Kapittel 9: Mer ombiatori 5. april 009 (Sist oppdatert: 009-04-5 00:06) MAT00 Disret Matemati 5. april
DetaljerHypotesetest: generell fremgangsmåte
TMA4240 Statistikk H2010 (21) 10.8, 10.10: To normalfordelte utvalg 10.9: Teststyrke og antall observasjoner Mette Langaas Foreleses mandag 1.november, 2010 2 Hypotesetest: generell fremgangsmåte Generell
DetaljerST0202 Statistikk for samfunnsvitere
ST0202 Statistikk for samfunnsvitere Bo Lindqvist Institutt for matematiske fag 2 Statistisk inferens (kap. 8) Statistisk inferens er å tolke/analysere resultater fra utvalget for å finne ut mest mulig
DetaljerFra i går Signifikanssannsynlighet (p verdi) vs. signifikansnivå Utgangspunkt for begge: Signifikansnivå α. evt.
Fra i går Signifikanssannsynlighet (p verdi) vs. signifikansnivå Utgangspunkt for begge: H 0 : µ = µ 0 H 1 : µ < µ 0 eller µ > µ 0 Signifikanssannsynlighet p Angir sannsynligheten for å få en X som er
DetaljerTMA4245 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
DetaljerKapittel 3: Kombinatorikk
Kapittel 3: Kombinatorikk Kombinatorikk handler om å telle opp antall muligheter i ulike situasjoner (for eksempel telle opp antall gunstige og antall mulige i forbindelse med sannsynlighetsberegninger.
DetaljerBetinget sannsynlighet, total sannsynlighet og Bayes setning Kap. 4.5 STK1000 H11
Betinget sannsynlighet, total sannsynlighet og Bayes setning Kap. 4.5 STK1000 H11 På bakgrunn av materiale fra Ørnulf Borgan Matematisk institutt Universitetet i Oslo 1 Vi vil først ved hjelp av et eksempel
DetaljerØving 9. Oppgave 1. E t0 = 2. Her er
FY00/TFY460 Bølgefysi. Institutt for fysi, NTNU. Høsten 03. Veiledning: Mandag. og 8 og fredag 6. otober. Innleveringsfrist: tirsdag 9. otober l :00. Øving 9 Tema: Dipol-Ståling, reflesjon og transmisjon
DetaljerHypotesetesting. Notat til STK1110. Ørnulf Borgan Matematisk institutt Universitetet i Oslo. September 2007
Hypotesetesting Notat til STK1110 Ørnulf Borgan Matematisk institutt Universitetet i Oslo September 2007 Teorien for hypotesetesting er beskrevet i kapittel 9 læreboka til Rice. I STK1110 tar vi bare for
DetaljerKapittel Praktiske eksempler på førsteordens differensialligninger
Kapittel 6.5 - Pratise esempler på førsteordens differensialligninger De vanligste pratise esemplene på anvendelser av førsteordens differensialligninger Versjon: 7.02.7 Har lagt inn henvisninger til 206-utgaven
DetaljerDiskrete 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(b) På slutten av dagen legger sekretæren inn all innsamlet informasjon i en ny JMP datafil. Hvor mange rader og søyler(kolonner) har datafila?
Institutt for samfunnsøkonomi Skriftlig eksamen i: MET 34311 Statistikk Eksamensdato: 01.06.11, kl. 09.00-14.00 Tillatte hjelpemidler: Alle + BI-definert eksamenskalkulator : TEXAS INTRUMENTS BA II Plus
DetaljerNotasjoner, gjennomsnitt og kvadratsummer. Enveis ANOVA, modell. Flere enn to grupper. Enveis variansanalyse (One-way ANOVA, fixed effects model)
Enves varansanalyse (One-way ANOVA, fxed effects model Reaptulerng av t-testen for uavhengge utvalg fra to grupper, G og G : Observasjoner fra G : Y N(, σ j, j=,,...,n Observasjoner fra G : Y N(, σ, j=,,...,n
DetaljerTotal sannsynlighet. MAT0100V Sannsynlighetsregning og kombinatorikk = Vi kan skrive en hendelse B som en disjunkt
MAT000V Sannsynlighetsregning og kombinatorikk Total sannsynlighet Vi kan skrive en hendelse B som en disjunkt union av A B og A B Total sannsynlighet og Bayes' setning Kombinatorikk Ordnede utvalg med
Detaljer