søndag 7. september 14

Størrelse: px
Begynne med side:

Download "søndag 7. september 14"

Transkript

1

2

3 3 Mål Få en førståelse for: Hvordan bruker bruker man sin kunnskap på en vitenskaplig måte? Hvordan man arbeider rasjonellt med åpen problemstilling Hvordan fysikk/eksperiment er viktigt i de sammanhangen.

4 4 Modell Modell Empiri Analyse Empiri Analyse Brahe -> Kepler -> Newton

5 5 «Den naturvitenskaplige metoden» Modell Empiri Analyse

6 6 Den tekniske revolusjonen Modell Ingeniørskunst Empiri Analyse

7 7 Grunnkurs i fysikk Modell Ingeniørskunst Fysikk Empiri Analyse

8 8 Problemløsning Ex 1 Ex 2 Lab Utgangspunkt Gitt Gitt Ukjent Metode Gitt Ukjent Ukjent Mål Gitt Gitt Kjent

9 Grunnoppgave

10 10 Polyas strategi for problemløsning Formulert 1945 i «How to solve it» Understand Plan Carry Out Look back

11 Experimentell problemløsning Understand Analyser og planlegg - bruk din kunnskap -Vad er problemet? Rita figur!!!! -Variabler og konstanter som påvirker systemet. -Måleoppstilling, vad er mulig å måle? Plan Test -Optimer måle-oppsett, vad er grensene, hvordan måle på en effektivt måte? Systematisere formulere hypotese og målestrategi, forbered måleserier. Carry Out Gjennomfør eksperiment Look back Analyser data Se til att data svarer til problemet.

12 Journal - dokumentasjon Man arbeider mer systematisk når man skriver vad som skjer Man kan få oversikt over data, tankemåter etc Man kan kontrollere att man gjort rett. Spårbarhet - man har dokumentasjon på att man gjort saker rett! Man kan dele informasjonen, og reprodusere eksperiment!

13 Oppgave 1 Lab+1-2+Mekanikk%2C+grunnoppgave

14 Opplegg Tid Obligatoriskt moment Forberedelse Lab 1 Lab 2 Veiledning (2 team max 60 min) Lab 3 Lab 4 Plan for lab og Journal godkjent Plan for lab og Journal godkjent Gjenomgang vanliga feil, og rapporter Plan for lab og Journal godkjent Plan for lab og Journal godkjent Se på Øving Planlegg lab Gå igjenom journal, gør ny plan 1:a versjon av rapport + lest en rapport Planlegg lab Gå igjenom journal, gør ny plan

15 Opplegg Oppmøte: Oppmøte er obligatorisk, og bokes gjennom fysikks bokningsystem, Rapport: Labkurset inneholder krav om levering av rapport på to stadier, først som skisse til medstudenter til veildedningstilfelle 2, sedan til assistent for slutgiltigt godkjennande. Planlegging: Innen var labøkt så skall laborasjonen planegges, med en plan som diskuteres med labassistent i begynnelsen av labøkten (se fremst kapitel 4.1 i heftet om problemløsning). Kursmateriel: Ligger på fysikklabwikin. Arbeidsform: Labberna gjenomførs i grupper om to personer, journal føres av begge personer, rapport skrives i par om 2 personer.

16 Informasjon Øvingssystemet - godkjenninger, labtider Fysikklabwiki

17 Krav til studenten: 1) Det kreves ikke at man må bli ferdige med alle oppgaver! 2) Plan 3) Labjournal 4) Godkjenning av labøkt 5) Rapport 6) Ryddighet!!!!

18 Ryddighet! Lab fra 8-20!!!!!!!!! ca 1000 studenter Labplassen må vara i bedre stand enn då du kom Spising/drikking skjer på assistentrom/anvisad sal

19 Krav på assistenten: Assistentens rolle er å svare på spørsmål om og kontrollerer: mål, resultat og bakomliggande fysikk samt ta sig an feil i labutstyret. Skall ikke: ge direkte veiledning om utstyr og eksperiment - bruk wikin! Men: ge indirekt veiledning, peke på vad som kan behøva justeres for å nå satte mål (de har en sjekkliste). Se till att ikke studenter og ustyr skades!

20 Labplasser totalt 24 plasser 1 assistentrom Faste plasser 1 PC per 2 plasser! Bruk egen PC om muligt! Kamerastativ er store - var ryddige

21 Rapport: Skriv utfyllende rapport på oppgave 1 Team kan levere felles rapport. Skriv da i forordet hvem som har skrevet hva. Rapporten skal: Være øvelse i å skrive vitenskapelig rapport. Være skrevet på PC, inkludere figurer. Inneholde kvantitativ usikkerhetsanalyse. Være utfyllende.

22

23 Forslag til oppbygning: - Forord - Sammendrag -Innholdsfortegnelse 1.Innledning 2.Teoretisk grunnlag 3.Beskrivelse av eksperiment 4.Resultater og diskusjon 5.Konklusjon - Litteraturhenvisninger

24 Figurer

25

26 Praktiskt: Ta med: Egen dator, penal, plastmappe for journal. Fravær: Avtal med assistent om bytte/ny tid. Lab fra innen: Lab Innen samme kurs skall vare registrert. Lab fra TFY4102-TFY4125 kan ofte tilgoderegnes, kontakte mig Bytte av labtid: Bytt med annen grupp, kan og finnes tider for andre kurs.

27 Verktøy for sammenligning med modell 1) Undvike og estimere feil i en variabel 2) Estimere hvor stort feil en feil i en variabel gir på slutresultatet (Gauss feilfortplantningslov) 3) Kurvetilpassning Info/eksempler ligger på wikin Empiri Modell Fysikkk Analyse

28 Vad er en måling?

29 Måleusikkerhet Måling: tallfeste en egenskap (hvor langt, tungt, tyktflytende noe er). Måling: Verdi og enhet (2m, 4.5 kg, 1.2 Pa s) Alle målinger har en viss grad av usikkerhet! L = 193 ± 2 mm Hvor stor usikkerhet vi kan tolerere avhenger av situasjonen

30 Ulike typer av feil Grove feil: Noterer at spenningen var 2.4 V når den egentlig var 2.4 mv Botemiddel: Gjør dem ikke! Definisjonsusikkerhet: Hva er lengden til en sau? Botemiddel: Klare og spesifiserte definisjoner. Systematiske feil: Mer om dette snart Statistiske feil: Mer om dette snart

31 Systematiske feil Blant annet: - Feil kalibrert måleinstrument/for tidlig måling - Måler utenfor instrumentets tiltenkte måleområde - Menneskelig egenskap - Andre forsøksbetingelser enn antatt Eksempel: Linjalen er ikke eksakt 30 cm, men cm Botemiddel: -Tenk kritisk igjennom utføring av måling - Sjekk nøyaktighet og måleområde for instrument - Kalibrer måleutstyr - Anslå fornuftig grense for ukorrigerbare systematiske feil

32 Statistisk usikkerhet Gjentatte målinger gir forskjellige verdier Eksempel: Vi måler lengden av et bord flere ganger. Bruker meterstokk med fin gradering. Vi får: x 1 = 3.12 m x 2 = 3.07 m x 3 = 3.10 m Botemiddel: Mål mange ganger, beregn middelverdi Variasjonen i målingene angir usikkerheten som betegnes

33 Fordelinger av målinger Middelverdi Verdi

34 Fordelinger av målinger Middelverdi Verdi

35 Fordelinger av målinger

36 Normalfordeling f(x) = sannsynlighet for å måle verdien x µ = middelverdi σ = standardavvik 95% sannsynlighet ved 2 σ

37 37 Eksempel:

38 Eksempel: Data Histogram

39 Estimater for µ og σ : σ Middelverdi µ estimeres med: µ Standardavvik σ estimeres med: Usikkerhet i enkeltmåling! Estimat for usikkerhet i middelverdi:

40 2) Feilforplantning Vi beregner en fysisk størrelse f(x,y,z,...) ut fra målinger av de individuelle fysiske størrelsene x, y, z,... Anta at x, y, z,... er uavhengige. Da er usikkerheten i f : 2 y ! 1/2 Dersom en har målt middelverdier for x, y, z,... bruker vi: og i uttrykket for usikkerheten

41 Feilforplantning Eksempel: Tips: Lettere å regne med relativ usikkerhet: f f @x f! 2 f y! A 1/2 Som gir: f f = x x y 2 + y 3 z z 2! 1/2

42 3 Kurvetilpassning Ulike rutiner finnes baserer sig ofte på minste kvadratens metode Optimerer kvadraten av avvik fra modell (residual):

43 I analyseprogram MSR (mean square root): 0.15 og

44 Residual

45 Oppsummering - Måledata har alltid verdi, enhet og usikkerhet. - Redusér systematiske feil ved å tenke kritisk på utførelse av måling. - Redusér statistisk usikkerhet ved å repetere målinger. Oppgi estimert usikkerhet. - Måledata er ofte normalfordelt rundt middelverdien. Middelverdi: Standardavvik for enkeltmåling: Standardavvik for middelverdi: Feilforplantningsloven: x y ! 1/2

46 Velkommen til Lab! Ta med: Egen dator, penal og en første plan!

TFY4120. Trening i eksperimentelt arbeid Demonstrere fysiske fenomener Opplæring i usikkerhetsanalyse og rapportskriving. søndag 8.

TFY4120. Trening i eksperimentelt arbeid Demonstrere fysiske fenomener Opplæring i usikkerhetsanalyse og rapportskriving. søndag 8. 1 TFY4120 Trening i eksperimentelt arbeid Demonstrere fysiske fenomener Opplæring i usikkerhetsanalyse og rapportskriving 2 Fysikklab Fysikklab Grunnleggande labarbeid og feilanalyse er det samme!! 4 Hvordan

Detaljer

Praktiske labøvinger TFY4106

Praktiske labøvinger TFY4106 Praktiske labøvinger TFY4106 Introduksjon Prof. A. van Helvoort Labsansvarlig a.helvoort@ntnu.no Innhalt Hvorfor? Hvordan? (Praktiske informasjon) Kort om feilanalyse Sammendrag 2 Eksempel Modell Modell

Detaljer

TFY4108. Trening i eksperimentelt arbeid Demonstrere fysiske fenomener Opplæring i usikkerhetsanalyse. søndag 8. september 13

TFY4108. Trening i eksperimentelt arbeid Demonstrere fysiske fenomener Opplæring i usikkerhetsanalyse. søndag 8. september 13 1 TFY4108 Trening i eksperimentelt arbeid Demonstrere fysiske fenomener Opplæring i usikkerhetsanalyse Fysikk lab Fysikk lab Elektron og ionelaboratorium fs-laserspektroskopilaboratorium Lysspredningslaboratium

Detaljer

TFY4108. Trening i eksperimentelt arbeid Demonstrere fysiske fenomener Opplæring i usikkerhetsanalyse

TFY4108. Trening i eksperimentelt arbeid Demonstrere fysiske fenomener Opplæring i usikkerhetsanalyse !1 TFY4108 Trening i eksperimentelt arbeid Demonstrere fysiske fenomener Opplæring i usikkerhetsanalyse Fysikk lab Fysikk lab Elektron og ionelaboratorium fs-laserspektroskopilaboratorium Lysspredningslaboratium

Detaljer

EN LITEN INNFØRING I USIKKERHETSANALYSE

EN LITEN INNFØRING I USIKKERHETSANALYSE EN LITEN INNFØRING I USIKKERHETSANALYSE 1. Forskjellige typer feil: a) Definisjonsusikkerhet Eksempel: Tenk deg at du skal måle lengden av et noe ullent legeme, f.eks. en sau. Botemiddel: Legg vekt på

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 Høst 2018

TMA4240 Statistikk Høst 2018 TMA4240 Statistikk Høst 2018 Norges teknisk-naturvitenskapelige universitet Institutt for matematiske fag Innlevering 5 Dette er andre av tre innleveringer i blokk 2. Denne øvingen skal oppsummere pensum

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

Kort overblikk over kurset sålangt

Kort overblikk over kurset sålangt Kort overblikk over kurset sålangt Kapittel 1: Deskriptiv statististikk for en variabel Kapittel 2: Deskriptiv statistikk for samvariasjon mellom to variable (regresjon) Kapittel 3: Metoder for å innhente

Detaljer

HØGSKOLEN I STAVANGER

HØGSKOLEN I STAVANGER EKSAMEN I: MOT0 STATISTISKE METODER VARIGHET: TIMER DATO:. NOVEMBER 00 TILLATTE HJELPEMIDLER: KALKULATOR, TABELLER OG FORMLER I STATISTIKK (TAPIR FORLAG) OPPGAVESETTET BESTÅR AV OPPGAVER PÅ 7 SIDER HØGSKOLEN

Detaljer

ST0202 Statistikk for samfunnsvitere

ST0202 Statistikk for samfunnsvitere ST0202 Statistikk for samfunnsvitere Kapittel 7: Utvalgsfordeling Bo Lindqvist Institutt for matematiske fag 2 Fra kapittel 1: Populasjon Den mengden av individer/objekter som vi ønsker å analysere. Utvalg

Detaljer

Statistisk behandling av kalibreringsresultatene Del 1. v/ Rune Øverland, Trainor Elsikkerhet AS

Statistisk behandling av kalibreringsresultatene Del 1. v/ Rune Øverland, Trainor Elsikkerhet AS Statistisk behandling av kalibreringsresultatene Del 1. v/ Rune Øverland, Trainor Elsikkerhet AS Denne artikkelserien handler om statistisk behandling av kalibreringsresultatene. I de fleste tilfeller

Detaljer

TMA4245 Statistikk Eksamen august 2014

TMA4245 Statistikk Eksamen august 2014 TMA4245 Statistikk Eksamen august 2014 Norges teknisk-naturvitenskapelige universitet Institutt for matematiske fag Oppgave 1 En bedrift produserer en type medisin i pulverform Medisinen selges på flasker

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

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

TMA4240 Statistikk Høst 2009

TMA4240 Statistikk Høst 2009 TMA4240 Statistikk Høst 2009 Norges teknisk-naturvitenskapelige universitet Institutt for matematiske fag Øving nummer b6 Oppgave 1 Oppgave 11.5 fra læreboka. Oppgave 2 Oppgave 11.21 fra læreboka. Oppgave

Detaljer

ST0202 Statistikk for samfunnsvitere

ST0202 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

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

Fasit for tilleggsoppgaver

Fasit for tilleggsoppgaver Fasit for tilleggsoppgaver Uke 5 Oppgave: Gitt en rekke med observasjoner x i (i = 1,, 3,, n), definerer vi variansen til x i som gjennomsnittlig kvadratavvik fra gjennomsnittet, m.a.o. Var(x i ) = (x

Detaljer

Fra første forelesning:

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

Detaljer

BESTEMMELSE AV TYNGDENS AKSELERASJON VED FYSISK PENDEL

BESTEMMELSE AV TYNGDENS AKSELERASJON VED FYSISK PENDEL Labratorieøvelse i FYSIKK Høst 1994 Institutt for fysisk, NTH BESTEMMELSE AV TYNGDENS AKSELERASJON VED FYSISK PENDEL av Ola Olsen En lett revidert og anonymisert versjon til eksempel for skriving av lab.-rapport

Detaljer

Angivelse av usikkerhet i måleinstrumenter og beregning av total usikkerhet ved målinger.

Angivelse av usikkerhet i måleinstrumenter og beregning av total usikkerhet ved målinger. Vedlegg A Usikkerhet ved målinger. Stikkord: Målefeil, absolutt usikkerhet, relativ usikkerhet, følsomhet og total usikkerhet. Angivelse av usikkerhet i måleinstrumenter og beregning av total usikkerhet

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

Krysstabellanalyse (forts.) SOS1120 Kvantitativ metode. 4. Statistisk generalisering. Forelesningsnotater 9. forelesning høsten 2005.

Krysstabellanalyse (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

Detaljer

Rapportskrivning, eller Hvordan ser en god labrapport* ut?

Rapportskrivning, eller Hvordan ser en god labrapport* ut? FYS2150 - våren 2019 Rapportskrivning, eller Hvordan ser en god labrapport* ut? Alex Read Universitetet i Oslo Fysisk institutt *En labrapport er et eksempel på et skriftlig vitenskapelig arbeid Essensen

Detaljer

Høgskolen i Telemark. Institutt for økonomi og informatikk FORMELSAMLING Statistikk I. Til bruk ved eksamen. Per Chr. Hagen

Høgskolen i Telemark. Institutt for økonomi og informatikk FORMELSAMLING Statistikk I. Til bruk ved eksamen. Per Chr. Hagen Høgskolen i Telemark Institutt for økonomi og informatikk FORMELSAMLING 6005 Statistikk I Til bruk ved eksamen Per Chr. Hagen . Sannsynlighetsregning. Regneregler Komplementsetningen: Addisjonssetningen:

Detaljer

Statistisk inferens (kap. 8) Hovedtyper av statistisk inferens. ST0202 Statistikk for samfunnsvitere

Statistisk 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

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

TMA4240 Statistikk Høst 2016

TMA4240 Statistikk Høst 2016 TMA4240 Statistikk Høst 2016 Norges teknisk-naturvitenskapelige universitet Institutt for matematiske fag Anbefalt øving 12 Denne øvingen består av oppgaver om enkel lineær regresjon. De handler blant

Detaljer

Introduksjon til inferens

Introduksjon til inferens Introduksjon til inferens Hittil: Populasjon der verdien til et individ/enhet beskrives med en fordeling. Her inngår vanligvis ukjente parametre, μ, p,... Enkelt tilfeldig utvalg (SRS), observator p =

Detaljer

Inferens i fordelinger

Inferens i fordelinger Inferens i fordelinger Modifiserer antagelsen om at standardavviket i populasjonen σ er kjent Mer kompleks systematisk del ( her forventningen i populasjonen). Skal se på en situasjon der populasjonsfordelingen

Detaljer

Oppgave 1. X 1 B(n 1, p 1 ) X 2. Vi er interessert i forskjellen i andeler p 1 p 2, som vi estimerer med. p 1 p 2 = X 1. n 1 n 2.

Oppgave 1. X 1 B(n 1, p 1 ) X 2. Vi er interessert i forskjellen i andeler p 1 p 2, som vi estimerer med. p 1 p 2 = X 1. n 1 n 2. Løsningsforslag til eksamen i MOT310 STATISTISKE METODER 1 VARIGHET: 4 TIMER DATO: 17 november 2008 TILLATTE HJELPEMIDLER: Kalkulator: HP30S, Casio FX82 eller TI-30 Tabeller og formler i statistikk Tapir

Detaljer

ST0103 Brukerkurs i statistikk Forelesning 26, 18. november 2016 Kapittel 8: Sammenligning av grupper

ST0103 Brukerkurs i statistikk Forelesning 26, 18. november 2016 Kapittel 8: Sammenligning av grupper ST0103 Brukerkurs i statistikk Forelesning 26, 18. november 2016 Kapittel 8: Sammenligning av grupper Bo Lindqvist Institutt for matematiske fag 2 Kapittel 8: Sammenligning av grupper Situasjon: Vi ønsker

Detaljer

ST0202 Statistikk for samfunnsvitere

ST0202 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

Detaljer

Pilkast og kjikvadrat fordelingen

Pilkast og kjikvadrat fordelingen Pilkast og kjikvadrat fordelingen Halvor Aarnes, IBV, 014 Innhold Pilkast... 1 Simulering av pilkast... Kjikvadratfordelingen og gammafordelingen... 3 Rayleigh-fordelingen... 5 Pilkast brukt til å estimere

Detaljer

UNIVERSITETET I OSLO

UNIVERSITETET I OSLO UNIVERSITETET I OSLO Det matematisk-naturvitenskapelige fakultet Eksamen i: STK1110 Statistiske metoder og dataanalyse 1. Eksamensdag: Mandag 1. desember 2014. Tid for eksamen: 14.30 18.30. Oppgavesettet

Detaljer

Hypotesetest: generell fremgangsmåte

Hypotesetest: 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

Detaljer

Statistisk inferens (kap. 8) Hovedtyper av statistisk inferens. ST0202 Statistikk for samfunnsvitere

Statistisk 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: Å analysere en utvalgsobservator for å trekke slutninger

Detaljer

Fordelinger, mer om sentralmål og variasjonsmål. Tron Anders Moger

Fordelinger, mer om sentralmål og variasjonsmål. Tron Anders Moger Fordelinger, mer om sentralmål og variasjonsmål Tron Anders Moger 20. april 2005 1 Forrige gang: Så på et eksempel med data over medisinerstudenter Lærte hvordan man skulle få oversikt over dataene ved

Detaljer

ÅMA110 Sannsynlighetsregning med statistikk, våren 2006 Kp. 6, del 4

ÅMA110 Sannsynlighetsregning med statistikk, våren 2006 Kp. 6, del 4 ÅMA110 Sannsynlighetsregning med statistikk, våren 2006 Kp. 6, del 4 Bjørn H. Auestad Institutt for matematikk og naturvitenskap Universitetet i Stavanger 27. mars Bjørn H. Auestad Kp. 6: Hypotesetesting

Detaljer

Eksamensoppgave i TMA4240 Statistikk

Eksamensoppgave 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

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

Snøtetthet. Institutt for matematiske fag, NTNU 15. august Notat for TMA4240/TMA4245 Statistikk

Snøtetthet. Institutt for matematiske fag, NTNU 15. august Notat for TMA4240/TMA4245 Statistikk Snøtetthet Notat for TMA424/TMA4245 Statistikk Institutt for matematiske fag, NTNU 5. august 22 I forbindelse med varsling av om, klimaforskning og særlig kraftproduksjon er det viktig å kunne anslå hvor

Detaljer

Denne uken: kap : Introduksjon til statistisk inferens. - Konfidensintervall - Hypotesetesting - P-verdier - Statistisk signifikans

Denne 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

Detaljer

Kap. 8: Utvalsfordelingar og databeskrivelse

Kap. 8: Utvalsfordelingar og databeskrivelse Kap. 8: Utvalsfordelingar og databeskrivelse Utvalsfordelingar Utvalsfordeling for gjennomsnitt (med kjent varians) ( X ) Sentralgrenseteoremet (SGT) Utvalsfordeling for varians (normalfordeling) Utvalfordeling

Detaljer

Oppgaven består av 10 delspørsmål som anbefales å veie like mye. Kommentarer og tallsvar er skrevet inn mellom <<. >>. Oppgave 1

Oppgaven består av 10 delspørsmål som anbefales å veie like mye. Kommentarer og tallsvar er skrevet inn mellom <<. >>. Oppgave 1 ECON 0 EKSAMEN 004 VÅR SENSORVEILEDNING Oppgaven består av 0 delspørsmål som anbefales å veie like mye. Kommentarer og tallsvar er skrevet inn mellom

Detaljer

UNIVERSITETET I OSLO

UNIVERSITETET I OSLO UNIVERSITETET I OSLO Det matematisk-naturvitenskapelige fakultet Eksamen i: STK1110 Løsningsforslag: Statistiske metoder og dataanalys Eksamensdag: Fredag 9. desember 2011 Tid for eksamen: 14.30 18.30

Detaljer

Illustrasjon av regel 5.19 om sentralgrenseteoremet og litt om heltallskorreksjon (som i eksempel 5.20).

Illustrasjon av regel 5.19 om sentralgrenseteoremet og litt om heltallskorreksjon (som i eksempel 5.20). Econ 130 HG mars 017 Supplement til forelesningen 7. februar Illustrasjon av regel 5.19 om sentralgrenseteoremet og litt om heltallskorreksjon (som i eksempel 5.0). Regel 5.19 sier at summer, Y X1 X X

Detaljer

Oppgaven består av 9 delspørsmål som anbefales å veie like mye. Kommentarer og tallsvar er skrevet inn mellom << >>. Oppgave 1

Oppgaven består av 9 delspørsmål som anbefales å veie like mye. Kommentarer og tallsvar er skrevet inn mellom << >>. Oppgave 1 ECON 0 EKSMEN 007 VÅR SENSORVEILEDNING Oppgaven består av 9 delspørsmål som anbefales å veie like mye. Kommentarer og tallsvar er skrevet inn mellom >. Oppgave. La begivenhetene BC,, være slik at og

Detaljer

MOT310 Statistiske metoder 1, høsten 2006 Løsninger til regneøving nr. 8 (s. 1) Oppgaver fra boka:

MOT310 Statistiske metoder 1, høsten 2006 Løsninger til regneøving nr. 8 (s. 1) Oppgaver fra boka: MOT30 Statistiske metoder, høsten 2006 Løsninger til regneøving nr. 8 (s. ) Oppgaver fra boka: Oppgave.5 (.3:5) ) Først om tolking av datautskriften. Sammendrag gir følgende informasjon: Multippel R =R,

Detaljer

I enkel lineær regresjon beskrev linja. μ y = β 0 + β 1 x

I enkel lineær regresjon beskrev linja. μ y = β 0 + β 1 x Multiple regresjon Her utvider vi perspektivet for enkel lineær regresjon til også å omfatte flere forklaringsvariable.det er fortsatt en responsvariabel. Måten dette gjøre på er nokså naturlig. Prediktoren

Detaljer

i x i

i x i TMA4245 Statistikk Vår 2016 Norges teknisk-naturvitenskapelige universitet Institutt for matematiske fag Anbefalte oppgaver 11, blokk II Oppgavene i denne øvingen dreier seg om hypotesetesting og sentrale

Detaljer

OPPGAVESETTET BESTÅR AV 3 OPPGAVER PÅ 6 SIDER MERKNADER: Alle deloppgaver vektlegges likt.

OPPGAVESETTET BESTÅR AV 3 OPPGAVER PÅ 6 SIDER MERKNADER: Alle deloppgaver vektlegges likt. EKSAMEN I: MOT310 STATISTISKE METODER 1 VARIGHET: 4 TIMER DATO: 08. mai 2008 TILLATTE HJELPEMIDLER: Kalkulator: HP30S, Casio FX82 eller TI-30 Tabeller og formler i statistikk (Tapir forlag) OPPGAVESETTET

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

TMA4240 Statistikk Eksamen desember 2015

TMA4240 Statistikk Eksamen desember 2015 Norges teknisk-naturvitenskapelige universitet Institutt for matematiske fag TMA4240 Statistikk Eksamen desember 15 Oppgave 1 La den kontinuerlige stokastiske variabelen X ha fordelingsfunksjon (sannsynlighetstetthet

Detaljer

TMA4240 Statistikk 2014

TMA4240 Statistikk 2014 TMA4240 Statistikk 2014 Norges teknisk-naturvitenskapelige universitet Institutt for matematiske fag Øving nummer 12, blokk II Oppgave 1 På ein av vegane inn til Trondheim er UP interessert i å måle effekten

Detaljer

ST0202 Statistikk for samfunnsvitere

ST0202 Statistikk for samfunnsvitere ST0202 Statistikk for samfunnsvitere Bo Lindqvist Institutt for matematiske fag 2 Kap. 13: Lineær korrelasjons- og regresjonsanalyse Kap. 13.1-13.3: Lineær korrelasjonsanalyse. Disse avsnitt er ikke pensum,

Detaljer

Kapittel 3: Studieopplegg

Kapittel 3: Studieopplegg Oversikt over pensum Kapittel 1: Empirisk fordeling for en variabel o Begrepet fordeling o Mål for senter (gj.snitt, median) + persentiler/kvartiler o Mål for spredning (Standardavvik s, IQR) o Outliere

Detaljer

Notat 3 - ST februar 2005

Notat 3 - ST februar 2005 Notat 3 - ST1301 1. februar 2005 1 Simulering fra modell Når vi skal analysere et gitt konkret innsamlet datasett vil vi gjøre dette med utgangspunkt i en statistisk modell. Vi kan si at en slik statistisk

Detaljer

Kapittel 9 og 10: Hypotesetesting

Kapittel 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

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

ST0202 Statistikk for samfunnsvitere

ST0202 Statistikk for samfunnsvitere ST0202 Statistikk for samfunnsvitere Bo Lindqvist Institutt for matematiske fag 2 Inferens om varians og standardavvik for ett normalfordelt utvalg (9.4) Inferens om variansen til en normalfordelt populasjon

Detaljer

Løsningskisse for oppgaver til undervisningsfri uke 14 (6.-9. april)

Løsningskisse 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,

Detaljer

Formelsamling i medisinsk statistikk

Formelsamling i medisinsk statistikk Formelsamling i medisinsk statistikk Versjon av 6. mai 208 Dette er en formelsamling til O. O. Aalen (red.): Statistiske metoder i medisin og helsefag, Gyldendal, 208. Gjennomsnitt x = n (x + x 2 + x 3

Detaljer

OPPGAVEHEFTE I STK1000 TIL KAPITTEL Regneoppgaver til kapittel 7. X 1,i, X 2 = 1 n 2. D = X 1 X 2. På onsdagsforelesningen påstod jeg at da må

OPPGAVEHEFTE I STK1000 TIL KAPITTEL Regneoppgaver til kapittel 7. X 1,i, X 2 = 1 n 2. D = X 1 X 2. På onsdagsforelesningen påstod jeg at da må OPPGAVEHEFTE I STK000 TIL KAPITTEL 7 Regneoppgaver til kapittel 7 Oppgave Anta at man har resultatet av et randomisert forsøk med to grupper, og observerer fra gruppe, mens man observerer X,, X,2,, X,n

Detaljer

Veiledning i journalføring for elektrostudenter

Veiledning i journalføring for elektrostudenter Veiledning i journalføring for elektrostudenter Norsk versjon Morten Pedersen 29. mars 2017 Morten Pedersen 29.03.17 1 2 10 Innledning Hensikten med dette dokumentet er å gi elektrostudenter ved Høgskolen

Detaljer

Seksjon 1.3 Tetthetskurver og normalfordelingen

Seksjon 1.3 Tetthetskurver og normalfordelingen Seksjon 1.3 Tetthetskurver og normalfordelingen Har sett på ulike metoder for å plotte eller oppsummere data ved tall Vil nå starte på hvordan beskrive data ved modeller Hovedmetode er tetthetskurver Tetthetskurver

Detaljer

SKOLEEKSAMEN 29. september 2006 (4 timer)

SKOLEEKSAMEN 29. september 2006 (4 timer) EKSAMEN I SOS400 KVANTITATIV METODE SKOLEEKSAMEN 9. september 006 (4 timer) Ikke-programmerbar kalkulator er tillatt under eksamen. Ingen andre hjelpemidler er tillatt. Sensuren faller fredag 0. oktober

Detaljer

UNIVERSITETET I OSLO

UNIVERSITETET I OSLO UNIVERSITETET I OSLO Det matematisk-naturvitenskapelige fakultet Eksamen i: STK1000 Innføring i anvendt statistikk Eksamensdag: Onsdag 12. oktober 2016 Tid for eksamen: 10.00 12.00 Oppgavesettet er på

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

Innsamling. Hypoteser. Utforskning. Konklusjoner. Formidling. Figur01.01

Innsamling. Hypoteser. Utforskning. Konklusjoner. Formidling. Figur01.01 Figur s. 9??? Innsamling Hypoteser Utforskning Konklusjoner Formidling Figur01.01 Det ligger mye og nøyaktig naturvitenskapelig arbeid bak den kunnskapen vi har om verden omkring oss. Figur s. 10 Endrede

Detaljer

10.1 Enkel lineær regresjon Multippel regresjon

10.1 Enkel lineær regresjon Multippel regresjon Inferens for regresjon 10.1 Enkel lineær regresjon 11.1-11.2 Multippel regresjon 2012 W.H. Freeman and Company Denne uken: Enkel lineær regresjon Litt repetisjon fra kapittel 2 Statistisk modell for enkel

Detaljer

Da vil summen og gjennomsnittet være tilnærmet normalfordelte : Summen: X 1 +X X n ~N(nµ,nσ 2 ) Gjennomsnittet: X 1 +X

Da vil summen og gjennomsnittet være tilnærmet normalfordelte : Summen: X 1 +X X n ~N(nµ,nσ 2 ) Gjennomsnittet: X 1 +X Me me me me metallic hvit 4.4: Tilnærming til normalfordeling Tilnærming til normalfordeling: binomisk og Poisson kan tilnærmes v.h.a. normalfordeling under bestemte forhold (ved "mange" delforsøk/hendelser)

Detaljer

Kan vi forutse en pendels bevegelse, før vi har satt den i sving?

Kan vi forutse en pendels bevegelse, før vi har satt den i sving? Gjør dette hjemme 6 #8 Kan vi forutse en pendels bevegelse, før vi har satt den i sving? Skrevet av: Kristian Sørnes Dette eksperimentet ser på hvordan man finner en matematisk formel fra et eksperiment,

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

TMA4240 Statistikk Høst 2016

TMA4240 Statistikk Høst 2016 TMA4240 Statistikk Høst 2016 Norges teknisk-naturvitenskapelige universitet Institutt for matematiske fag Anbefalt øving 11 Oppgavene i denne øvingen dreier seg om hypotesetesting og sentrale begreper

Detaljer

Forelesning 6: Punktestimering, usikkerhet i estimering. Jo Thori Lind

Forelesning 6: Punktestimering, usikkerhet i estimering. Jo Thori Lind Forelesning 6: Punktestimering, usikkerhet i estimering Jo Thori Lind j.t.lind@econ.uio.no Oversikt 1. Trekke utvalg 2. Estimatorer og observatorer som stokastiske variable 3. Egenskapene til en estimator

Detaljer

Løsningsforslag ECON 2130 Obligatorisk semesteroppgave 2017 vår

Løsningsforslag ECON 2130 Obligatorisk semesteroppgave 2017 vår Løsningsforslag ECON 130 Obligatorisk semesteroppgave 017 vår Andreas Myhre Oppgave 1 1. (i) Siden X og Z er uavhengige, vil den simultane fordelingen mellom X og Z kunne skrives som: f(x, z) = P(X = x

Detaljer

Veiledningshefte for rapportskriving i TFY4102/TFY4104/TFY4106 TFY4115/TFY4120/TFY4125

Veiledningshefte for rapportskriving i TFY4102/TFY4104/TFY4106 TFY4115/TFY4120/TFY4125 Veiledningshefte for rapportskriving i TFY4102/TFY4104/TFY4106 TFY4115/TFY4120/TFY4125 Innhold 1 Generelle retningslinjer for rapportskriving 1 2 Rapportens struktur 2 2.1 Forord...................................

Detaljer

Mal for rapportskriving i FYS2150

Mal for rapportskriving i FYS2150 Mal for rapportskriving i FYS2150 Ditt navn January 21, 2011 Abstract Dette dokumentet viser hovedtrekkene i hvordan vi ønsker at en rapport skal se ut. De aller viktigste punktene kommer i en sjekkliste

Detaljer

MOT310 Statistiske metoder 1, høsten 2006 Løsninger til regneøving nr. 7 (s. 1) Oppgaver fra boka: n + (x 0 x) 2 σ2

MOT310 Statistiske metoder 1, høsten 2006 Løsninger til regneøving nr. 7 (s. 1) Oppgaver fra boka: n + (x 0 x) 2 σ2 MOT310 Statistiske metoder 1, høsten 2006 Løsninger til regneøving nr. 7 (s. 1) Oppgaver fra boka: Oppgave 11.27 (11.6:13) Modell: Y i = α + βx i + ε i der ε 1,..., ε n u.i.f. N(0, σ 2 ). Skal finne konfidensintervall

Detaljer

UNIVERSITETET I OSLO Det matematisk-naturvitenskapelige fakultet

UNIVERSITETET I OSLO Det matematisk-naturvitenskapelige fakultet UNIVERSITETET I OSLO Det matematisk-naturvitenskapelige fakultet Eksamen i: STK1120 Statistiske metoder og dataanalyse 2 Eksamensdag: Mandag 4. juni 2007. Tid for eksamen: 14.30 17.30. Oppgavesettet er

Detaljer

STK Oppsummering

STK Oppsummering STK1110 - Oppsummering Geir Storvik 11. November 2015 STK1110 To hovedtemaer Introduksjon til inferensmetoder Punktestimering Konfidensintervall Hypotesetesting Inferens innen spesifikke modeller/problemer

Detaljer

ST0202 Statistikk for samfunnsvitere

ST0202 Statistikk for samfunnsvitere ST0202 Statistikk for samfunnsvitere Bo Lindqvist Institutt for matematiske fag 2 Kap. 10: Inferens om to populasjoner Situasjon: Vi ønsker å sammenligne to populasjoner med populasjonsgjennomsnitt henholdsvis

Detaljer

+ S2 Y ) 2. = 6.737 6 (avrundet nedover til nærmeste heltall) n Y 1

+ S2 Y ) 2. = 6.737 6 (avrundet nedover til nærmeste heltall) n Y 1 Løsningsforslag for: MOT10 STATISTISKE METODER 1 VARIGHET: 4 TIMER DATO: 6. november 007 TILLATTE HJELPEMIDLER: Kalkulator: HP0S, Casio FX8 eller TI-0 Tabeller og formler i statistikk (Tapir forlag) MERKNADER:

Detaljer

ST0202 Statistikk for samfunnsvitere Kapittel 9: Inferens om én populasjon

ST0202 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

Detaljer

HØGSKOLEN I STAVANGER

HØGSKOLEN 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

Detaljer

EKSAMEN I SOS1120 KVANTITATIV METODE 6. DESEMBER 2007 (4 timer)

EKSAMEN I SOS1120 KVANTITATIV METODE 6. DESEMBER 2007 (4 timer) EKSAMEN I SOS1120 KVANTITATIV METODE 6. DESEMBER 2007 (4 timer) Bruk av ikke-programmerbar kalkulator er tillatt under eksamen. Utover det er ingen hjelpemidler tillatt. Sensur faller torsdag 3. Januar

Detaljer

I dag. Konfidensintervall og hypotesetes4ng ukjent standardavvik (kap. 7.1) t-fordelingen

I dag. Konfidensintervall og hypotesetes4ng ukjent standardavvik (kap. 7.1) t-fordelingen I dag Konfidensintervall og hypotesetes4ng ukjent standardavvik (kap. 7.1) t-fordelingen Inferens for forventningen 4l en populasjon (7.1) Kapi@el 6: En antagelse om kjent standardavvik s i populasjonen

Detaljer

n n i=1 x2 i n x2 n i=1 Y i og x = 1 n i=1 (x i x)y i = 5942 og n T = i=1 (x i x) 2 t n 2

n n i=1 x2 i n x2 n i=1 Y i og x = 1 n i=1 (x i x)y i = 5942 og n T = i=1 (x i x) 2 t n 2 TMA4245 Statistikk Vår 2016 Norges teknisk-naturvitenskapelige universitet Institutt for matematiske fag Anbefalte oppgaver 12, blokk II Denne øvingen består av oppgaver om enkel lineær regresjon. De handler

Detaljer

Løsningsforsalg til andre sett med obligatoriske oppgaver i STK1110 høsten 2015

Løsningsforsalg til andre sett med obligatoriske oppgaver i STK1110 høsten 2015 Løsningsforsalg til andre sett med obligatoriske oppgaver i STK1110 høsten 2015 R-kode for alle oppgaver er gitt bakerst. Oppgave 1 (a) Boksplottet antyder at verdiene er høyere for kvinner enn for menn.

Detaljer

Notasjon og Tabell 8. ST0202 Statistikk for samfunnsvitere

Notasjon og Tabell 8. ST0202 Statistikk for samfunnsvitere 2 Inferens om varians og standardavvik for ett normalfordelt utvalg (9.4) Inferens om variansen til en normalfordelt populasjon bruker kjikvadrat-fordelingen ( chi-square distribution ) (der kji er den

Detaljer

Oppgave 1. T = 9 Hypotesetest for å teste om kolesterolnivået har endret seg etter dietten: T observert = 2.16 0

Oppgave 1. T = 9 Hypotesetest for å teste om kolesterolnivået har endret seg etter dietten: T observert = 2.16 0 Løsningsforslag til eksamen i MOT310 STATISTISKE METODER 1 VARIGHET: 4 TIMER DATO: 08. mai 2008 TILLATTE HJELPEMIDLER: Kalkulator: HP30S, Casio FX82 eller TI-30 Tabeller og formler i statistikk (Tapir

Detaljer

ST0202 Statistikk for samfunnsvitere

ST0202 Statistikk for samfunnsvitere ST0202 Statistikk for samfunnsvitere Bo Lindqvist Institutt for matematiske fag Situasjonen er som i quiz-eksempelet: n = 4, p = 1/3 ( suksess betyr å gjette riktig alternativ), q = 2/3. Oppgave: Finn

Detaljer

Innsamling. Hypoteser. Utforskning. Konklusjoner. Formidling. Figur01.01

Innsamling. Hypoteser. Utforskning. Konklusjoner. Formidling. Figur01.01 1: Utforskingen av vår verden Figur side 9??? Innsamling Hypoteser Utforskning Konklusjoner Formidling Figur01.01 Det ligger mye og nøyaktig naturvitenskapelig arbeid bak den kunnskapen vi har om verden

Detaljer

Utforsking av funksjonsuttrykk og de tilhørende grafene ved hjelp av GeoGebra

Utforsking av funksjonsuttrykk og de tilhørende grafene ved hjelp av GeoGebra Anne-Mari Jensen Utforsking av funksjonsuttrykk og de tilhørende grafene ved hjelp av GeoGebra Innledning I ungdomsskolen kommer funksjoner inn som et av hovedområdene i læreplanen i matematikk. Arbeidet

Detaljer

UNIVERSITETET I OSLO

UNIVERSITETET I OSLO Eksamen i: UNIVERSITETET I OSLO Det matematisk-naturvitenskapelige fakultet STK1000 Innføring i anvendt statistikk Eksamensdag: Mandag 3. desember 2018. Tid for eksamen: 14.30 18.30. Oppgavesettet er på

Detaljer

Løsningsforslag eksamen 25. november 2003

Løsningsforslag eksamen 25. november 2003 MOT310 Statistiske metoder 1 Løsningsforslag eksamen 25. november 2003 Oppgave 1 a) Vi har µ D = µ X µ Y. Sangere bruker generelt trapesius-muskelen mindre etter biofeedback dersom forventet bruk av trapesius

Detaljer

Utvalgsfordelinger. Utvalg er en tilfeldig mekanisme. Sannsynlighetsregning dreier seg om tilfeldige mekanismer.

Utvalgsfordelinger. Utvalg er en tilfeldig mekanisme. Sannsynlighetsregning dreier seg om tilfeldige mekanismer. Utvalgsfordelinger Vi har sett at utvalgsfordelinger til en statistikk (observator) er fordelingen av verdiene statistikken tar ved mange gjenttatte utvalg av samme størrelse fra samme populasjon. Utvalg

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