Pålitelighet og ytelse i informasjons- og kommunikasjonssystem
|
|
- Brynjulf Carlson
- 6 år siden
- Visninger:
Transkript
1 Pålitelighet og ytelse i informasjons- og kommunikasjonssystem Grunnlag Peder J. Emstad Poul E. Heegaard Bjarne E. Helvik Komplett utgave pr Institutt for telematikk NTNU
2 Innhold Forord... ii Revisjonshistorie... ii 1 Introduksjon Hva det hele dreier seg om System Brukere og omgivelser Begreper og terminologi Tjenestekvalitet Pålitelighet Ytelse Totalegenskaper Bruk av modellering i utvikling og dimensjonering Kravsetting, spesifisering Metodevalg Konstruksjon-vurderingssyklus Statistisk grunnlag Sannsynlighetsregning Sannsynlighet Snitt og union av hendelser Stokastisk avhengighet og uavhengighet Betinget sannsynlighet Fordeling av tilfeldige variable Tilfeldig variabel Sannsynlighetsfordeling og -tetthet til tilfeldig variabel Aktuelle fordelinger Karakteristika ved fordelinger Momenter Forventning og varians Sum av uavhengige stokastiske variable Betinget forventning Fordelingen til ekstremverdier av tilfeldige variable Karakteristika ved avhengige variable Kovarians Korrelasjonskoeffisient Fordeling av observerte tider...61
3 2.5.1 Restlevetid Restlevetid R på et tilfeldig tidspunkt Grunnleggende om prosesser Typer prosesser Prosesser i tid og rom Punktprosesser Stasjonaritet og transiens Avhengighet og uavhengighet Markovprosesser Kovarians og autokorrelasjon Regenerering Observasjoner av en prosess Variasjoner i intensiteten Observasjonsform Estimering av mål Littles formel Enkel utledning Anvendelseseksempler Korolyuks teorem Simulering Hvorfor simulere? Hva brukes simulering til? Hvordan simulere? Steg i simueringsprosessen Trekning av tilfeldige variable Slumptall generator Trekning fra generelle fordelinger Diskret hendelsessimulering Tids- og hendelsesdrevet simulering Modelleringsbegreper Samspill mellom entitet Modelleringsstil Simuleringsverktøy Type simuleringsverktøy Kriteria for valg Simuleringseksperimenter...123
4 4.6.1 Type eksperiment Transientsimuleringer Stasjonærsimuleringer Organisering av simuleringseksperiment Poisson- og Markovprosesser Poissonprosessen Tiden mellom hendelser for Poissonprosessen-n. e. d. fordelingen Negativ eksponensialfordelingen er hukommelsesløs Egenskaper hos Poissonprosessen Sammenføring og splitting av Poissonstrømmer Sannsynligheten for at en gitt prosess genererer en hendelse først Poissonprosessen som basis for modellering med tidskontinuerlig Markovprosess Markovprosess med to tilstander-transient og stasjonær løsning Tilstandsdiagrammet for en Markovprosess Stasjonærløsningen fra tilstandsdiagrammet Rekurrenstid Trafikkmodeller Betjeningssystem med antall organer Trafikkbegrepet Trafikken ut fra målinger Trafikkbegreper for regnemodeller Snitt for å finne stasjonærløsningen for M/M/ Erlangs tapssystem Engsets modell, kvasitilfeldig input Ankomstfordelingen sett fra en Poissonkilde Køsystem med ett betjeningsorgan Et generelt resultat under stasjonære forhold Erlangs ventetidssystem med ett betjeningsorgan Tider i systemet Fordeling på ventetiden Erlangs ventetidssystem Jackson kønett Pålitelighetsmodeller Bakgrunn...171
5 7.1.1 Feilårsaker Hvordan få systemer pålitelige Tilstandsmodeller Enkel modell av en enhet Et sammensatt system Noen generelle resultat Regulære strukturer Strukturmodeller Strukturfuksjonen Pålitelighetsblokkskjema Feiltrær Noen sammenhenger Strukturmodeller koblet med tilstandsdiagram Målinger Observasjoner av en måleprosess Punktprøver Tidsmiddel Akkumulert statistikk Estimatorer Generelt Punktestimator Estimert varians og standardavvik Estimetert sannsynlighet for en hendelse eller tilstand Konfidenskoeffisient og konfidensintervall Generelt Kjent varians Ukjent varians Effekt av autokorrelasjon Organisering av eksperimentet Replikasjonsmetode Seksjonering (Sectioning eller Batch-means) Litteraturreferanser Indeks...249
EKSAMEN I EMNE TTM4110 PÅLITELIGHET OG YTELSE MED SIMULERING. Mandag 14. desember 2005 Tid: 09:00 13:00
Norges teknisk naturvitenskapelige universitet Institutt for telematikk Side 1 av 12 Faglig kontakt under eksamen: Poul Heegaard (73 594321) EKSAMEN I EMNE TTM4110 PÅLITELIGHET OG YTELSE MED SIMULERING
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
DetaljerEKSAMEN I EMNE TTM4110 PÅLITELIGHET OG YTELSE MED SIMULERING LØSNINGSFORSLAG. Mandag 14. desember 2005 Tid: 09:00 13:00
Norges teknisk naturvitenskapelige universitet Institutt for telematikk Side 1 av 10 Faglig kontakt under eksamen: Poul Heegaard (73 594321) EKSAMEN I EMNE TTM4110 PÅLITELIGHET OG YTELSE MED SIMULERING
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:
DetaljerTMA4240 Statistikk H2010
TMA4240 Statistikk H2010 Statistisk inferens: 8.1: Tilfeldig utvalg 9.1-9.3: Estimering Mette Langaas Foreleses uke 40, 2010 2 Utfordring Ved en bedrift produseres en elektrisk komponent. Komponenten må
DetaljerUtfordring. TMA4240 Statistikk H2010. Mette Langaas. Foreleses uke 40, 2010
TMA4240 Statistikk H2010 Statistisk inferens: 8.1: Tilfeldig utvalg 9.1-9.3: Estimering Mette Langaas Foreleses uke 40, 2010 2 Utfordring Ved en bedrift produseres en elektrisk komponent. Komponenten må
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
DetaljerDEL 1 GRUNNLEGGENDE STATISTIKK
INNHOLD 1 INNLEDNING 15 1.1 Parallelle verdener........................... 18 1.2 Telle gunstige.............................. 20 1.3 Regneverktøy og webstøtte....................... 22 1.4 Oppgaver................................
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
DetaljerÅMA110 Sannsynlighetsregning med statistikk, våren
ÅMA110 Sannsynlighetsregning med statistikk, våren 2006 Oppsummering Bjørn H. Auestad Institutt for matematikk og naturvitenskap Universitetet i Stavanger 24. april Bjørn H. Auestad Oppsummering våren
DetaljerStatistikk og dataanalyse
Njål Foldnes, Steffen Grønneberg og Gudmund Horn Hermansen Statistikk og dataanalyse En moderne innføring Kapitteloversikt del 1 INTRODUKSJON TIL STATISTIKK Kapittel 1 Populasjon og utvalg 19 Kapittel
DetaljerSTK1100 våren Generell introduksjon. Omhandler delvis stoffet i avsnitt 1.1 i læreboka (resten av kapittel 1 blir gjennomgått ved behov)
STK1100 våren 2017 Generell introduksjon Omhandler delvis stoffet i avsnitt 1.1 i læreboka (resten av kapittel 1 blir gjennomgått ved behov) Ørnulf Borgan Matematisk institutt Universitetet i Oslo 1 «Overalt»
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:
DetaljerÅMA110 Sannsynlighetsregning med statistikk, våren 2010 Oppsummering
ÅMA110 Sannsynlighetsregning med statistikk, våren 2010 Oppsummering Bjørn H. Auestad Institutt for matematikk og naturvitenskap Universitetet i Stavanger 21. april Bjørn H. Auestad Oppsummering våren
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
DetaljerObservatorar og utvalsfordeling. Torstein Fjeldstad Institutt for matematiske fag, NTNU
Observatorar og utvalsfordeling Torstein Fjeldstad Institutt for matematiske fag, NTNU 08.10.2018 I dag Til no i emnet Observatorar Utvalsfordelingar Sentralgrenseteoremet 2 Til no i emnet definisjon av
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
DetaljerTMA4240 Statistikk H2017 [15]
TMA4240 Statistikk H207 [5] Del 2: Statistisk inferens Populasjon og utvalg [8.] Observatorer og utvalgsfordelinger [8.2-8.3] Fordeling til gjennomsnittet og sentralgrenseteoremet [8.4] Normalplott [8.8]
DetaljerEmnenavn: Eksamenstid: 4 timer. Faglærer: Hans Kristian Bekkevard
EKSAMEN Emnekode: SFB107111 Emnenavn: Metode 1, statistikk deleksamen Dato: 16. mai 2017 Hjelpemidler: Godkjent kalkulator og vedlagt formelsamling m/tabeller Eksamenstid: 4 timer Faglærer: Hans Kristian
DetaljerKapittel 2: Hendelser
Kapittel 2: Hendelser FENOMEN Eksperiment Utfall Utfallsrom Eksperiment. Utfall. Eksperiment Utfall Hendelse Sannsynlighet: egenskaper, gunstige vs. mulige, relativ frekvens Sannsynlighet for mer enn en
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
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
DetaljerAntall i I/O-minnet (merk! her er denne lik antall i systemet ettersom pakken ligger i minnet både mens den betjenes og venter på betjening).
Løsningsskisse a) Anta først at sentralenhetens betjeningstid av pakker er konstant med forventning. På grunn av sanntids-trafikk settes det som krav at maksimal forsinkelse gjennom ruteren skal være 0
DetaljerUNIVERSITETET I OSLO ØKONOMISK INSTITUTT
Utsatt eksamen i: ECON2130 - Statistikk 1 Eksamensdag: 19.06.2014 Tid for eksamen: kl. 09:00 12:00 Oppgavesettet er på 4 sider UNIVERSITETET I OSLO ØKONOMISK INSTITUTT Tillatte hjelpemidler: Alle trykte
DetaljerTogforsinkelsen (Eksamen Des2003.1a) I denne oppgaven kan du bruke uten å vise det at
Kapittel 4 Forventningsverdi, varians, kovarians for én stokastisk variabel og funksjoner av stokastiske variabler TMA4245 V2007: Eirik Mo 2 4.1 Forventing til en stokastisk variabel DEF 4.1: La X være
DetaljerTyngdepunkt. Togforsinkelsen (Eksamen Des2003.1a) I denne oppgaven kan du bruke uten å vise det at. Kapittel 4
3 Tyngdepunkt Kapittel 4 Forventningsverdi, varians, kovarians for én stokastisk variabel og funksjoner av stokastiske variabler TMA4240 H2006: Eirik Mo 2 4.1 Forventing til en stokastisk variabel DEF
DetaljerØving 7: Statistikk for trafikkingeniører
NTNU Veg og samferdsel EVU kurs Trafikkteknikk Oslo / høsten 2007 Øving 7: Statistikk for trafikkingeniører Det anbefales generelt å arbeide i grupper med 2-3 studenter i hver gruppe. Bruk gjerne Excel
DetaljerEKSAMEN I EMNE SIF5072 STOKASTISKE PROSESSER Onsdag 31. juli 2002 Tid: 09:00 14:00
Norges teknisk naturvitenskapelige universitet Institutt for matematiske fag Side 1 av 6 Bokmål Faglig kontakt under eksamen: Bo Lindqvist 73 59 35 32 EKSAMEN I EMNE SIF5072 STOKASTISKE PROSESSER Onsdag
DetaljerKapittel 4.4: Forventning og varians til stokastiske variable
Kapittel 4.4: Forventning og varians til stokastiske variable Forventning og varians til stokastiske variable Histogrammer for observerte data: Sannsynlighets-histogrammer og tetthetskurver for stokastiske
DetaljerÅMA110 Sannsynlighetsregning med statistikk, våren Kp. 3 Diskrete tilfeldige variable. Diskrete tilfeldige variable, varians (kp. 3.
ÅMA Sannsynlighetsregning med statistikk, våren 8 Kp. Diskrete tilfeldige variable Kp. Diskrete tilfeldige variable Har sett på (tidligere: begrep/definisjoner; tilfeldig (stokastisk variabel sannsynlighetsfordeling
DetaljerEKSAMEN I ST2101 STOKASTISK MODELLERING OG SIMULERING Onsdag 1. juni 2005 Tid: 09:00 14:00
Norges teknisk naturvitenskapelige universitet Institutt for matematiske fag Side 1 av 6 Bokmål Faglig kontakt under eksamen: Håkon Tjelmeland 73 59 35 38 EKSAMEN I ST2101 STOKASTISK MODELLERING OG SIMULERING
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
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
DetaljerObservatorer. STK Observatorer - Kap 6. Utgangspunkt. Eksempel høyde Oxford studenter
Observatorer STK00 - Observatorer - Kap 6 Geir Storvik 4. april 206 Så langt: Sannsynlighetsteori Stokastiske modeller Nå: Data Knytte data til stokastiske modeller Utgangspunkt Eksempel høyde Oxford studenter
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
DetaljerEksamensoppgave i ST0103 Brukerkurs i statistikk
Institutt for matematiske fag Eksamensoppgave i ST0103 Brukerkurs i statistikk Faglig kontakt under eksamen: Jarle Tufto Tlf: 99 70 55 19 Eksamensdato: 3. desember 2016 Eksamenstid (fra til): 09:00-13:00
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
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
DetaljerKræsjkurs i STAT101. Noen anbefalinger Regn mange(5-10) oppgavesett til eksamen:
Kræsjkurs i STAT101 Noen anbefalinger Regn mange(5-10) oppgavesett til eksamen: Legg vekt på å forstå hva formlene brukes til, det vil si når, og hvordan? Lær sammenhengen mellom fordelingene og tema i
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
DetaljerSTK Oppsummering
STK1110 - Oppsummering Geir Storvik 11. November 2015 STK1110 To hovedtemaer Introduksjon til inferensmetoder Punktestimering Konfidensintervall Hypotesetesting Inferens innen spesifikke modeller/problemer
DetaljerEKSAMEN I EMNE TMA4265/SIF5072 STOKASTISKE PROSESSER Onsdag 10. august 2005 Tid: 09:00 13:00
Norges teknisk naturvitenskapelige universitet Institutt for matematiske fag Side 1 av 6 Bokmål Faglig kontakt under eksamen: Håkon Tjelmeland 73 59 35 38 EKSAMEN I EMNE TMA4265/SIF5072 STOKASTISKE PROSESSER
DetaljerEksamensoppgave i ST0103 Brukerkurs i statistikk
Institutt for matematiske fag Eksamensoppgave i ST0103 Brukerkurs i statistikk Faglig kontakt under eksamen: Nikolai Ushakov Tlf: 45128897 Eksamensdato: August 2018 Eksamenstid (fra til): 09:00 13:00 Hjelpemiddelkode/Tillatte
DetaljerForelesing 27 Oppsummering. Torstein Fjeldstad Institutt for matematiske fag, NTNU
Forelesing 27 Oppsummering Torstein Fjeldstad Institutt for matematiske fag, NTNU 18.04.2018 I dag Lineær regresjon (sjekk av modellantagelser) Praktisk informasjon Andre statistikk-kurs Oversikt over
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
DetaljerNTNU Norges teknisk-naturvitenskapelige universitet Institutt for telematikk
NTNU Norges teknisk-naturvitenskapelige universitet Institutt for telematikk Side 1 av 23 Oppgavetekst sidene 2 til 9 Formelsamling 10 til 23 Faglig kontakt under eksamen: Navn: Poul E. Heegaard Tlf: 94321
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
DetaljerEksamensoppgave i TMA4245 Statistikk
Institutt for matematiske fag Eksamensoppgave i TMA4245 Statistikk Faglig kontakt under eksamen: Håkon Tjelmeland Tlf: 48 22 18 96 Eksamensdato:??. august 2014 Eksamenstid (fra til): 09:00 13:00 Hjelpemiddelkode/Tillatte
DetaljerEKSAMEN I FAG 75510/75515 STATISTIKK 1 Tirsdag 20. mai 1997 Tid: 09:00 14:00
Norges teknisk naturvitenskapelige universitet Institutt for matematiske fag Side 1 av 5 Faglig kontakt under eksamen: Håvard Rue 73 59 35 20 Håkon Tjelmeland 73 59 35 20 Bjørn Kåre Hegstad 73 59 35 20
DetaljerIntroduksjon til statistikk og dataanalyse. Arild Brandrud Næss TMA4240 Statistikk NTNU, høsten 2013
Introduksjon til statistikk og dataanalyse Arild Brandrud Næss TMA4240 Statistikk NTNU, høsten 2013 Introduksjon til statistikk og dataanalyse Hollywood-filmer fra 2011 135 filmer Samla budsjett: $ 7 166
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
DetaljerForeleses onsdag 8. september 2010
TMA4240 Statistikk H200 4.2: Varians (univariat del) 4.4: Chebyshevs teorem 3.4: Simultanfordelinger Mette Langaas Foreleses onsdag 8. september 200 Mette.Langaas@math.ntnu.no, TMA4240H200 2 4.2 Varians
DetaljerUtvalgsfordelinger (Kapittel 5)
Utvalgsfordelinger (Kapittel 5) Oversikt pensum, fortid og fremtid Eksplorativ data-analyse (Kap 1, 2) Hvordan produsere data (Kap 3) Sannsynlighetsteori (Kap 4) Utvalgsfordelinger til observatorer (Kap
DetaljerOppgavesett nr. 5. MAT110 Statistikk 1, Et transportfirma har et varemottak for lastebiler med spesialgods, se figur 1.
Innleveringsfrist: mandag 19. mars kl. 16:00 (version 01) Oppgavesett nr. 5 MAT110 Statistikk 1, 2018 Oppgave 1: ( logistikk ) Et transportfirma har et varemottak for lastebiler med spesialgods, se figur
DetaljerPunktestimator. STK Bootstrapping og simulering - Kap 7 og eget notat. Bootstrapping - eksempel Hovedide: Siden λ er ukjent, bruk ˆλ:
Punktestimator STK00 - Bootstrapping og simulering - Kap 7 og eget notat Geir Storvik 8. april 206 Trekke ut informasjon om parametre fra data x,..., x n Parameter av interesse: θ Punktestimator: Observator,
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
DetaljerEKSAMEN I TMA4240 Statistikk
Norges teknisk naturvitenskapelige universitet Institutt for matematiske fag Side 1 av 5 Faglig kontakt under eksamen: Henning Omre (909 37848) Mette Langaas (988 47649) EKSAMEN I TMA4240 Statistikk 18.
DetaljerEstimatorar. Torstein Fjeldstad Institutt for matematiske fag, NTNU
Estimatorar Torstein Fjeldstad Institutt for matematiske fag, NTNU 11.10.2018 I dag Repetisjon Er dataa mine normalfordelt? Estimatorar Eigenskapar til S 2 Kahoot 2 Repetisjon Obervator Ein observator
DetaljerTMA4240 Statistikk H2010
TMA4240 Statistikk H2010 Statistisk inferens: 9.6: Prediksjonsintervall 9.8: To utvalg, differanse µ 1 µ 2 Mette Langaas Foreleses mandag 18.oktober, 2010 2 Prediksjonsintervall for fremtidig observasjon,
DetaljerÅMA110 Sannsynlighetsregning med statistikk, våren 2010. ÅMA110 Sannsynlighetsregning med statistikk, våren 2010
ÅMA Sannsynlighetsregning med statistikk, våren Kp. Diskrete tilfeldige variable ÅMA Sannsynlighetsregning med statistikk, våren Kp. Diskrete tilfeldige variable Diskrete tilfeldige variable, innledning
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
DetaljerUNIVERSITETET I OSLO ØKONOMISK INSTITUTT
Eksamen: ECON2130 Statistikk 1 UNIVERSITETET I OSLO ØKONOMISK INSTITUTT Eksamensdag: 29.05.2019 Sensur kunngjøres: 19.06.2019 Tid for eksamen: kl. 09:00 12:00 Oppgavesettet er på 5 sider Tillatte hjelpemidler:
DetaljerEksponensielle klasser og GLM
!! 3 ksponensielle klasser, Dobson, Kap 3 ksponensielle klasser GLM n stokastisk variabel sies å ha fordeling i den eksponensielle fordelingsklasse som tettheten pktsannsh til kan skrives på formen STK3-3
DetaljerEKSAMEN I FAG TMA4260 INDUSTRIELL STATISTIKK
Norges teknisk naturvitenskapelige universitet Institutt for matematiske fag Side 1 av 12 Faglig kontakt under eksamen: Bo Lindqvist Tlf. 975 89 418 EKSAMEN I FAG TMA4260 INDUSTRIELL STATISTIKK Onsdag
DetaljerEksamensoppgave i TMA4295 Statistisk inferens
Institutt for matematiske fag Eksamensoppgave i TMA4295 Statistisk inferens Faglig kontakt under eksamen: Vaclav Slimacek Tlf: 942 96 313 Eksamensdato: Tirsdag 2. desember 2014 Eksamenstid (fra til): 09:00-13:00
DetaljerL12-Dataanalyse. Introduksjon. Nelson Aalen plott. Page 76 of Introduksjon til dataanalyse. Levetider og sensurerte tider
Page 76 of 80 L12-Dataanalyse Introduksjon Introduksjon til dataanalyse Presentasjonen her fokuserer på dataanalyseteknikker med formål å estimere parametere (MTTF,, osv) i modeller vi benytter for vedlikeholdsoptimering
DetaljerOppfriskning av blokk 1 i TMA4240
Oppfriskning av blokk 1 i TMA4240 Geir-Arne Fuglstad November 21, 2016 2 Hva har vi gjort i dette kurset? Vi har studert to sterkt relaterte grener av matematikk Sannsynlighetsteori: matematisk teori for
Detaljerbetyr begivenheten at det blir trukket en rød kule i første trekning og en hvit i andre, mens B1 B2
ECON30: EKSAMEN 06v SENSORVEILEDNING. Det anbefales at de 9 deloppgavene merket med A, B, teller likt uansett variasjon i vanskelighetsgrad. Svarene er gitt i
Detaljerstatistikk, våren 2011
ÅMA110 Sannsynlighetsregning med statistikk, våren 011 Kp. 3 Diskrete tilfeldige variable 1 Diskrete tilfeldige variable, innledning Hva er en tilfeldig variabel (stokastisk variabel)? Diskret tilfeldig
DetaljerFerdig før tiden 4 7 Ferdig til avtalt tid 12 7 Forsinket 1 måned 2 6 Forsinket 2 måneder 4 4 Forsinket 3 måneder 6 2 Forsinket 4 måneder 0 2
Besvar alle oppgavene. Hver deloppgave har lik vekt. Oppgave I En kommune skal bygge ny idrettshall og vurderer to entreprenører, A og B. Begge gir samme pristilbud, men kommunen er bekymret for forsinkelser.
DetaljerKap. 6.1: Fordelingen til en observator og stok. simulering
Kap. 6.1: Fordelingen til en observator og stok. simulering Data, observatorer og relaterte fordelinger. Stokastisk simulering. Illustrasjon: - Sammenligning av jury bedømmelser i idrett. Fra data til
DetaljerA. i) Sett opp en frekvenstabell over de fire mulige kombinasjonene av kjønn og røykestatus. Dvs. fyll inn. Ikke - røyker Sum Jente Gutt Sum 25
1 ECON21: ESAEN 215v SENSORVEILEDNING. Det anbefales at de 9 deloppgavene merket med A, B, teller likt uansett variasjon i vanskelighetsgrad. Svarene er gitt i > Grensen til bestått bør ligge på ca
DetaljerMATEMATIKK 1 (for 8. 10. trinn) Emnebeskrivelser for studieåret 2014/2015
MATEMATIKK 1 (for 8. 10. trinn) Emnebeskrivelser for studieåret 2014/2015 Emnenavn Grunnleggende matematikk Precalculus MA6001 Undervisningssemester Høst 2014 Professor Petter Bergh petter.bergh@math.ntnu.no
DetaljerEKSAMEN I EMNE TTM4110 PÅLITELIGHET OG YTELSE MED SIMULERING
Norges teknisknaturvitenskapelige universitet Institutt for telematikk Side 1 av 6 Faglig kontakt under eksamen: Bjarne Helvik (73 592667) EKSAMEN I EMNE TTM4110 PÅLITELIGHET OG YTELSE MED SIMULERING Løsningsskisse
DetaljerKontinuerlige sannsynlighetsfordelinger.
Kontinuerlige sannsynlighetsfordelinger. Dekkes av kap. 6 og deler av kap. 8.5 i boka. Husk: f(x er sannsynlighetstettheten til en kontinuerlig X dersom:. f(x 0 for alle x R 2. f(xdx = 3. P (a
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
DetaljerTMA4240 Statistikk H2010
TMA4240 Statistikk H2010 Statistisk inferens: 9.4: Konfidensintervall for µ 8.7: Student-t fordeling 8.6: Fordeling til S 2 Mette Langaas Foreleses onsdag 13.oktober, 2010 2 Estimering Mål: finne sannheten
DetaljerUtvalgsfordelinger; utvalg, populasjon, grafiske metoder, X, S 2, t-fordeling, χ 2 -fordeling
Kapittel 8 Utvalgsfordelinger; utvalg, populasjon, grafiske metoder, X, S 2, t-fordeling, χ 2 -fordeling TMA4240 H2006: Eirik Mo 2 Til nå... Definert sannsynlighet og stokastiske variabler (kap. 2 & 3).
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
DetaljerTMA4240 Statistikk H2015
TMA4240 Statistikk H2015 Kapittel 5: Noen diskrete sannsynlighetsfordelinger 5.4 Geometrisk og negativ binomisk fordeling 5.5 Poisson-prosess og -fordeling Mette Langaas Institutt for matematiske fag,
DetaljerForeleses onsdag 13.oktober, 2010
TMA440 Statistikk H010 Statistisk inferens: 9.4: Konfidensintervall for µ 8.7: Student-t fordeling 8.6: Fordeling til S Mette Langaas Foreleses onsdag 13.oktober, 010 Estimering Mål: finne sannheten om
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
DetaljerRepeated Measures Anova.
Repeated Measures Anova. Vi bruker oppgave-5 som eksempel. I en evalueringsstudie av en terapeutisk intervensjon valgte man et pre-post med kontrollgruppe design. Alle personer ble undersøkt tre ganger
DetaljerTALLSVAR. Det anbefales at de 9 deloppgavene merket med A, B, teller likt uansett variasjon i vanskelighetsgrad. Svarene er gitt i << >>.
1 ECON130: EKSAMEN 014 VÅR - UTSATT PRØVE TALLSVAR. Det anbefales at de 9 deloppgavene merket med A, B, teller likt uansett variason i vanskelighetsgrad. Svarene er gitt i >. Oppgave 1 Fra en eldre
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.
DetaljerTMA4240 Statistikk Høst 2015
TMA4240 Statistikk Høst 2015 Norges teknisk-naturvitenskapelige universitet Institutt for matematiske fag Øving nummer 9, blokk II Oppgave 1 X er kontinuerlig fordelt med sannsynlighetstetthet f(x) = 2xe
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 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
DetaljerLøsning eksamen desember 2016
Løsning eksamen desember 016 Oppgave 1 a) En drone har to uavhengige motorer. Vi innfører hendelsene A: motor 1 svikter B: motor svikter Dronen er avhengig av at begge virker, slik at sannsynligheten for
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
DetaljerA) B) 400 C) 120 D) 60 E) 10. Rett svar: C. Fasit: ( 5 6 = 60. Hvis A, B, C er en partisjon av utfallsrommet S, så er P (A B) lik.
Oppgave 1 Det skal velges en komité bestående av 2 menn og 1 kvinne. Komitéen skal velges fra totalt 5 menn og 6 kvinner. Hvor mange ulike komitéer kan dannes? A) 86400 B) 400 C) 120 D) 60 E) 10 Rett svar:
DetaljerBernoulli forsøksrekke og binomisk fordeling
Bernoulli forsøksrekke og binomisk fordeling Bernoulli forsøksrekke i) gjentar et forsøk n ganger ii) hvert forsøk gir enten suksess eller fiasko iii) sannsynligheten for suksess er p i alle forsøkene
DetaljerTMA4240 Statistikk H2010
TMA4240 Statistikk H2010 Statistisk inferens: 9.14: Sannsynlighetsmaksimeringsestimatoren 8.5: Fordeling til gjennomsnittet 9.4: Konfidensintervall for µ (σ kjent) Mette Langaas Foreleses mandag 11.oktober,
DetaljerInferens i regresjon
Strategi som er fulgt hittil: Inferens i regresjon Deskriptiv analyse og dataanalyse først. Analyse av en variabel før studie av samvariasjon. Emne for dette kapittel er inferens når det er en respons
DetaljerHogskoleni Østfold EKSAMEN. Eksamenstid: kl til k
Hogskoleni Østfold EKSAMEN Emnekode: SFB10711 Dato: 5. jan 2015 Hjelpemidler: Kalkulator Utlevert formelsamling Emne: Metodekurs I: Grunnleggende matematikk og statistikk (Statistikk, ny og utsatt eksamen)
DetaljerStatistisk inferens: 9.14: Sannsynlighetsmaksimeringsestimatoren 8.5: Fordeling til gjennomsnittet 9.4: Konfidensintervall for µ (σ kjent)
TMA440 Statistikk H010 Statistisk inferens: 9.14: Sannsynlighetsmaksimeringsestimatoren 8.5: Fordeling til gjennomsnittet 9.4: Konfidensintervall for µ (σ kjent) Mette Langaas Foreleses mandag 11.oktober,
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
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
DetaljerUNIVERSITETET I OSLO ØKONOMISK INSTITUTT
Eksamen i: ECON2130 Statistikk 1 UNIVERSITETET I OSLO ØONOIS INSTITUTT Eksamensdag: 01.06.2015 Sensur kunngjøres: 22.06.2015 Tid for eksamen: kl. 09:00 12:00 Oppgavesettet er på 4 sider Tillatte hjelpemidler:
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: 04. desember 2015 Eksamenstid (fra til): 09:00
Detaljer