søndag 7. september 14
|
|
- Martine Larssen
- 7 år siden
- Visninger:
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.
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
DetaljerPraktiske 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
DetaljerTFY4108. 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
DetaljerTFY4108. 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
DetaljerEN 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
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
DetaljerTMA4240 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
DetaljerEksamensoppgave 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
DetaljerKort 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
DetaljerHØGSKOLEN 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
DetaljerST0202 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
DetaljerStatistisk 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
DetaljerTMA4245 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
DetaljerST0202 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
DetaljerUNIVERSITETET 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
DetaljerTMA4240 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
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
DetaljerTMA4245 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
DetaljerFasit 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
DetaljerFra 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
DetaljerBESTEMMELSE 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
DetaljerAngivelse 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
DetaljerMedisinsk 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
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
DetaljerRapportskrivning, 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
DetaljerHøgskolen i Telemark. Institutt for økonomi og informatikk FORMELSAMLING Statistikk I. Til bruk ved eksamen. Per Chr. Hagen
Høgskolen i Telemark Institutt for økonomi og informatikk FORMELSAMLING 6005 Statistikk I Til bruk ved eksamen Per Chr. Hagen . Sannsynlighetsregning. Regneregler Komplementsetningen: Addisjonssetningen:
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
DetaljerEksamensoppgave 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
DetaljerTMA4240 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
DetaljerIntroduksjon 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 =
DetaljerInferens 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
DetaljerOppgave 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
DetaljerST0103 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
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
DetaljerPilkast 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
DetaljerUNIVERSITETET 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
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
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: Å analysere en utvalgsobservator for å trekke slutninger
DetaljerFordelinger, 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
DetaljerÅMA110 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
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
Detaljerfor 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
DetaljerSnøtetthet. 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
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
DetaljerKap. 8: Utvalsfordelingar og databeskrivelse
Kap. 8: Utvalsfordelingar og databeskrivelse Utvalsfordelingar Utvalsfordeling for gjennomsnitt (med kjent varians) ( X ) Sentralgrenseteoremet (SGT) Utvalsfordeling for varians (normalfordeling) Utvalfordeling
DetaljerOppgaven 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
DetaljerUNIVERSITETET 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
DetaljerIllustrasjon 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
DetaljerOppgaven 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
DetaljerMOT310 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,
DetaljerI 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
Detaljeri 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
DetaljerOPPGAVESETTET 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
DetaljerÅMA110 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
DetaljerTMA4240 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
DetaljerTMA4240 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
DetaljerST0202 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,
DetaljerKapittel 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
DetaljerNotat 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
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
DetaljerSTK 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
DetaljerST0202 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
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,
DetaljerFormelsamling 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
DetaljerOPPGAVEHEFTE 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
DetaljerVeiledning 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
DetaljerSeksjon 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
DetaljerSKOLEEKSAMEN 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
DetaljerUNIVERSITETET 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
DetaljerForslag 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
DetaljerInnsamling. 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
Detaljer10.1 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
DetaljerDa 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)
DetaljerKan 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,
DetaljerEksamensoppgåve 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
DetaljerTMA4240 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
DetaljerForelesning 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
DetaljerLøsningsforslag 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
DetaljerVeiledningshefte 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...................................
DetaljerMal 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
DetaljerMOT310 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
DetaljerUNIVERSITETET 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
DetaljerSTK Oppsummering
STK1110 - Oppsummering Geir Storvik 11. November 2015 STK1110 To hovedtemaer Introduksjon til inferensmetoder Punktestimering Konfidensintervall Hypotesetesting Inferens innen spesifikke modeller/problemer
DetaljerST0202 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
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:
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
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
DetaljerEKSAMEN 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
DetaljerI 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
Detaljern 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
DetaljerLøsningsforsalg 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.
DetaljerNotasjon 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
DetaljerOppgave 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
DetaljerST0202 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
DetaljerInnsamling. 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
DetaljerUtforsking 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
DetaljerUNIVERSITETET 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
DetaljerLøsningsforslag 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
DetaljerUtvalgsfordelinger. 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
DetaljerTMA4240 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