TMA4240 Statistikk Høst 2013

Størrelse: px
Begynne med side:

Download "TMA4240 Statistikk Høst 2013"

Transkript

1 TMA44 Statistikk Høst Norgs tkisk-aturvitskaplig uivrsitt Istitutt for matmatisk fag Øvig ummr, blokk II Løsigsskiss Oppgav a) Th probability is R.9.5 6x( x) dx = R.9.5 (6x 6x ) dx =[x x ].9.5 =.47. b) Th liklihood fuctio is giv by Y L( )= ( + )x i ( x i ) ad th log liklihood which has drivativ l L( )= l + l( + ) + (l L) ( )= +! Y Y = ( + ) x i ( x i ) l x i +( ) l( x i ), + + l( x i ). (l L) is dcrasig o (, ) ad th sum of two first trms tds to wh! + ad to wh!, so that (l L) will hav a sigl ro (th third trm is gativ) for > ad b positiv lft of th ro ad gativ right of th ro. This mas that L has its maximum at this ro. Solvig for th ro, l( x i )+ + l( x i ) + =, w gt = l( x i) ± p 4 +( l( x i)) l( x i) = l( x i) s ± l( x i), + 4. W choos th largr ro sic (l L) has oly o ro for positiv argumts (th othr w foud must b gativ), ad gt th maximum liklihood stimator s s + l( X P i) 4 l( X i) = l( X) + 4 l( X). ov-lsf-b. oktobr Sid

2 TMA44 Statistikk Høst For = ad l( x i)= 4. th stimat is p /.4 +/4+/.4 / =.545. (Th discussio of actual attaimt of maximum at th ro ad of which ro to b chos, is ot rquird.) Oppgav a) Ataglsr for at X r biomisk fordlt: Gjør forsøk: Spør prsor. Rgistrrr suksss llr fiasko i hvrt forsøk: Får svart JA llr ikk JA (i llr vt ikk) i hvrt forsøk. P (suksss) lik i all forsøk: Sasylight for JA r p for all som blir spurt. Forsøka r uavhgig: Rimlig å ata at d som blir spurt svarr uavhgig av hvradr. P (X 8) = P (X <8) = P (X appl 7) tabll =.965 =.5. P ( <X<5) = P (X appl 4) b) E( ˆP )=p og Var( ˆP )= 4 ( + )p( p). P (X appl ) tabll = =.56 E(P )=p og Var(P )= + p( p). Egskapr for god stimator: forvtigsrtt og lit varias. Bgg stimator r forvtigsrtt, m P har mist varias, vi vlgr drfor P. La =.5. Sid P ˆP q ˆP p ˆP ( ˆP ) r ˆP ( r tilærmt stadardormalfordlt får vi: ( < q ˆP p ˆP ) <p< ˆP + < A ˆP )! r ˆP ( ˆP ) Et tilærmt 95% kofidsitrvall for p blir da: " r r ˆp.5 ˆp( ˆp), ˆp +.5 ˆp( ˆp) #. c) Vi har at Y = X ˆP = X X + X = X X X. Sid r stor og p ikk ær og, vil vi ha at p > 5 og ( p) > 5, slik at vi ka bruk ormaltilærmig til biomisk fordlig. Vi ka drmd ata at X, X og X all r tilærmt ormalfordlt, d r uavhgig, og liærkombiasjo Y r drmd også tilærmt ormalfordlt. ov-lsf-b. oktobr Sid

3 TMA44 Statistikk Høst Var(Y ) = Var(X p( p). Har da at ˆP ) uavh. = Var(X )+ Var( ˆP ) = b) p( p) + p( p) = X ˆP r tilærmt ormalfordlt Var(X ˆP )= p( p) E(X ˆP )=E(X ) E( ˆP )=p p = Vi får da t prdiksjositrvall vd: ˆP < X q ˆP < A p( p)! r r p( p) <X <ˆP + p( p) Sid r stor, vil varias til ˆP vær lit, og ˆP vær god stimator for p. Vi ka drfor rstatt p md stimatt ˆp i uttrykkt for itrvallgrs. q q Itrvallt blir: [ˆp.5 ˆp( ˆp),ˆp +.5 ˆp( ˆp)] Isatt vrdir blir itrvallt [6, 74]. Oppgav a) T ksp( ) E(T )= =, =. P (T appl ) = R x dx = R P (T appl ) =.5, =.5 =.5, = l.5 =.69 =., =. P (T T )=? Fir simultafordlig til T og T : 5 x 5 dx =[ x 5 ] = =.86 f(t,t )= t t sid T og T r uavhgig. P (T T )= Z Z Z = = [ Z f(t,t )dt dt = t [ Z t t t ] t dt = Z t + ( + )t ] = + =..+. = t dt dt t t dt ov-lsf-b. oktobr Sid

4 TMA44 Statistikk Høst b) SME for : f(t,...,t ;,,..., )= Q i i t i L(; t,...,t,,..., )= Q l() =ll() = = = t i + t i = i t i t i = t i Drmd r SME b = T i. E(b) =E( T i )= E(T i )= = = Dvs. stimator r forvtigsrtt. Var(ˆ) = Var( = T i )= i i = Var( T i )= = i Var(T i ) c) MGF for T i : M Ti (t) = V = b = T i M i (t) = T i = t (Fut i tabll.) T i t =( t) (Brukr at M ax (t) =M X (at)) M V (t) = Q ( t) =( t) (Brukr at M X (t) =Q i M X i (t)) ( t) r MGF for kji-kvadratfordlig md frihtsgradr. V har samm MGF som kji-kvadratfordlig md frihtsgradr, drfor r V. d) ( )% kofidsitrvall for : Brukr at V = b. P ( /, appl V appl /, )= P ( P ( b Dt gir kofidsitrvallt [ /, appl b appl /,) = /, P ( b /, appl appl appl appl /, b appl )= b b, /, ] /, b /, )= ov-lsf-b. oktobr Sid 4

5 =., =, b = 7.8 /, =.95, =.85, /, =.5, =.4 Isatt diss tallvrdi blir kofidsitrvallt [88.9, 4.7] TMA44 Statistikk Høst ov-lsf-b. oktobr Sid 5

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

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

Detaljer

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

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

Detaljer

MA1102 Grunnkurs i analyse II Vår 2014

MA1102 Grunnkurs i analyse II Vår 2014 Norgs tkiskaturvitskaplig uivrsitt Istitutt for matmatisk fag MA Grukurs i aalys II Vår 4 Løsigsforslag Øvig 8.8. a) Vi har fuksjo f(). Vi skal taylorrkk til f i puktt, kovrgsitrvallt til d rkk, og vis

Detaljer

TMA4240 Statistikk Høst 2015

TMA4240 Statistikk Høst 2015 Norges teknisk-naturvitenskapelige universitet Institutt for matematiske fag Øving nummer 9, blokk II Løsningsskisse Oppgave X er kontinuerlig fordelt med sannsynlighetstetthet f X (x) = { x exp( x ) x

Detaljer

TMA4240 Statistikk Høst 2015

TMA4240 Statistikk Høst 2015 Norges teknisk-naturvitenskapelige universitet Institutt for matematiske fag Øving nummer 0, blokk II Løsningsskisse Oppgave Surhetsgrad i ferskvann Eksamen august 00, oppgave av 3 a) En god estimator

Detaljer

TMA4240 Statistikk Høst 2009

TMA4240 Statistikk Høst 2009 TMA440 Statistikk Høst 009 Norges tekisk-aturviteskapelige uiversitet Istitutt for matematiske fag Øvig ummer b4 Løsigsskisse Oppgave Øsker å fie 99% kofidesitervall for µ µ år vi atar ormalfordeliger

Detaljer

TMA4240 Statistikk Høst 2015

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

Detaljer

TMA4240 Statistikk Høst 2016

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

Detaljer

H 1 : µ 1 µ 2 > 0. t = ( x 1 x 2 ) (µ 1 µ 2 ) s p. s 2 p = s2 1 (n 1 1) + s 2 2 (n 2 1) n 1 + n 2 2

H 1 : µ 1 µ 2 > 0. t = ( x 1 x 2 ) (µ 1 µ 2 ) s p. s 2 p = s2 1 (n 1 1) + s 2 2 (n 2 1) n 1 + n 2 2 TMA4245 Statistikk Norges tekisk-aturviteskapelige uiversitet Istitutt for matematiske fag Øvig ummer b4 Løsigsskisse Oppgave 1 Vi øsker å fie ut om et ytt serum ka stase leukemi. 5 mus får serumet, 4

Detaljer

TMA4245 Statistikk Eksamen mai 2017

TMA4245 Statistikk Eksamen mai 2017 TMA445 Statistikk Eksame mai 07 Norges tekisk-aturviteskapelige uiversitet Istitutt for matematiske fag Løsigsskisse Oppgave a Når vi reger ut disse tre sasylighetee må ma huske på at de mulige verdiee

Detaljer

) = P(Z > 0.555) = > ) = P(Z > 2.22) = 0.013

) = P(Z > 0.555) = > ) = P(Z > 2.22) = 0.013 TMA4240 Statistikk Vår 2008 Norges tekisk-aturviteskapelige uiversitet Istitutt for matematiske fag Øvig ummer b5 Løsigsskisse Oppgave 1 a) X 1,...,X 16 er u.i.f. N(80,18 2 ). Setter Y = X. i) P(X 1 >

Detaljer

Løsningsforslag ST2301 øving 3

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

Detaljer

TMA4240 Statistikk 2014

TMA4240 Statistikk 2014 Norges tekisk-aturviteskapelige uiversitet Istitutt for matematiske fag Øvig ummer 2, blokk II Løsigsskisse Oppgave a µ populasjosgjeomsitt, dvs. eit gjeomsitt for alle bilae som køyrer på vegstrekige

Detaljer

TMA4245 Statistikk Eksamen 20. desember 2012

TMA4245 Statistikk Eksamen 20. desember 2012 Norges tekisk-aturviteskapelige uiversitet Istitutt for matematiske fag TMA4245 Statistikk Eksame 20. desember 202 Løsigsskisse Oppgave a Sasylighete for å få 5 kro er P 5 kro = = /32 = 0.03. 25 Sasylighete

Detaljer

TMA4240/4245 Statistikk 11. august 2012

TMA4240/4245 Statistikk 11. august 2012 Norges tekisk-aturviteskapelige uiversitet Istitutt for matematiske fag TMA424/4245 Statistikk. august 22 Eksame - løsigsforslag Oppgave Vi har N Nµ,σ 2, µ 85 og X > 88. a X µ X > 88 σ > 88 µ Z > 88 85

Detaljer

5 y y! e 5 = = y=0 P (Y < 5) = P (Y 4) = 0.44,

5 y y! e 5 = = y=0 P (Y < 5) = P (Y 4) = 0.44, Norges tekisk-aturviteskapelige uiversitet Istitutt for matematiske fag Abefalte oppgaver 9, blokk II Løsigsskisse Oppgave a) Vi lar her Y være atall fugler som kolliderer med vidmølla i løpet av de gitte

Detaljer

TMA4240 Statistikk Høst 2015

TMA4240 Statistikk Høst 2015 Høst 205 Norges tekisk-aturviteskapelige uiversitet Istitutt for matematiske fag Øvig ummer, blokk II Løsigsskisse Oppgave a) X bi(, p) fordi: Udersøker uavhegige delar av DNA-strukture. Fi for kvar del

Detaljer

Gir vi de resterende 2 oppgavene til én prosess vil alle sitte å vente på de to potensielt tidskrevende prosessene.

Gir vi de resterende 2 oppgavene til én prosess vil alle sitte å vente på de to potensielt tidskrevende prosessene. Figure over viser 5 arbeidsoppgaver som hver tar 0 miutter å utføre av e arbeider. (E oppgave ka ku utføres av é arbeider.) Hver pil i figure betyr at oppgave som blir pekt på ikke ka starte før oppgave

Detaljer

TMA4240 Statistikk Eksamen desember 2015

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

Detaljer

Estimering 1 -Punktestimering

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

Detaljer

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

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

Detaljer

MOT310 Statistiske metoder 1, høsten 2011

MOT310 Statistiske metoder 1, høsten 2011 MOT310 Statistiske metoder 1, høste 2011 Bjør H. Auestad Istitutt for matematikk og aturviteskap Uiversitetet i Stavager 24. august, 2011 Bjør H. Auestad Itroduksjo og repetisjo 1 / 32 Repetisjo; 9.1,

Detaljer

TMA4240 Statistikk H2010

TMA4240 Statistikk H2010 TMA440 Statistikk H00 9.8: To uvalg (siste del) 9.9: Parvise observasjoer 9.0-9.: Adelser 9.: Varias Mette Lagaas Foreleses oag 0.oktober, 00 Norske hoppdommere og Jae Ahoe Jae Ahoe er e fisk skihopper,

Detaljer

Continuity. Subtopics

Continuity. Subtopics 0 Cotiuity Chapter 0: Cotiuity Subtopics.0 Itroductio (Revisio). Cotiuity of a Fuctio at a Poit. Discotiuity of a Fuctio. Types of Discotiuity.4 Algebra of Cotiuous Fuctios.5 Cotiuity i a Iterval.6 Cotiuity

Detaljer

Estimering 1 -Punktestimering

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

Detaljer

TMA4240 Statistikk Høst 2016

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

Detaljer

X = 1 5. X i, i=1. som vil være normalfordelt med forventningsverdi E( X) = µ og varians Var( X) = σ 2 /5. En rimelig estimator for variansen er

X = 1 5. X i, i=1. som vil være normalfordelt med forventningsverdi E( X) = µ og varians Var( X) = σ 2 /5. En rimelig estimator for variansen er Norges tekisk-aturviteskapelige uiversitet Istitutt for matematiske fag Abefalte oppgaver 11, blokk II Løsigsskisse Oppgave 1 a) E rimelig estimator for forvetigsverdie µ er gjeomsittet X = 1 X i, som

Detaljer

TMA4245 Statistikk Eksamen august 2015

TMA4245 Statistikk Eksamen august 2015 Eksame august 15 Norges tekisk-aturviteskapelige uiversitet Istitutt for matematiske fag Løsigsskisse Oppgave 1 a asylighetee blir og X > Z > 1 1 Z 1 Φ.3,.5 W > 5 X + Y > 5 b Forvetet samfuskostad blir

Detaljer

Oppgaver fra boka: X 2 X n 1

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

Detaljer

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

ÅMA110 Sannsynlighetsregning med statistikk, våren Kontinuerlige tilfeldige variable, intro. Kontinuerlige tilfeldige variable, intro. ÅMA0 Sasylighetsregig med statistikk, våre 008 Kp. 4 Kotiuerlige tilfeldige variable; Normalfordelig Kotiuerlige tilfeldige variable, itro. (eller: Kotiuerlige sasylighetsfordeliger) Vi har til å sett

Detaljer

Repetisjon; 9.1, 9.2, 9.3, 9.4, 9.5, og Repetisjon; 9.1, 9.2, 9.3, 9.4, 9.5, og 9.10

Repetisjon; 9.1, 9.2, 9.3, 9.4, 9.5, og Repetisjon; 9.1, 9.2, 9.3, 9.4, 9.5, og 9.10 Repetisjo; 9.1, 9.2, 9.3, 9.4, 9.5, og 9.10 og Geerell defiisjo av : Situasjo: Data x 1,...,x ;utfallav:x 1,...,X ; u.i.f. tilfeldige variable Ukjet parameter i fordelige til X i ee: θ Dersom L og U L

Detaljer

Løsningsforslag til eksamen i MAT 1100, 8/12-04 Del 1

Løsningsforslag til eksamen i MAT 1100, 8/12-04 Del 1 Løsningsforslag til ksamn i MAT, 8/- Dl. (3 pong) Intgralt x x dx r lik: x x x + C x x + C x 3 3 x + C x / + C x x x3 3 x + C Riktig svar: a) x x x + C. Bgrunnls: Brukr dlvis intgrasjon md u = x, v = x.

Detaljer

TMA4240 Statistikk Høst 2016

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

Detaljer

Oppgave 1 Hardheten til en bestemt legering er undersøkt med åtte målinger og resultatene ble (i kg/mm 2 ) som i tabellen til høyre.

Oppgave 1 Hardheten til en bestemt legering er undersøkt med åtte målinger og resultatene ble (i kg/mm 2 ) som i tabellen til høyre. EKSAMEN I: ÅMA110 SANNSYNLIGHETSREGNING MED STATISTIKK VARIGHET: 4 TIMER DATO: 28. AUGUST 2010 BOKMÅL TILLATTE HJELPEMIDLER: KALKULATOR: HP30S, Casio FX82 eller TI-30 OPPGAVESETTET BESTÅR AV 3 OPPGAVER

Detaljer

Oppgave 1 a) Minste kvadraters metode tilpasser en linje til punktene ved å velge den linja som minimerer kvadratsummen. x i (y i α βx i ) = 0, SSE =

Oppgave 1 a) Minste kvadraters metode tilpasser en linje til punktene ved å velge den linja som minimerer kvadratsummen. x i (y i α βx i ) = 0, SSE = Norges tekisk-aturviteskapelige uiversitet Istitutt for matematiske fag Abefalte oppgaver 2, blokk II Løsigsskisse Oppgave a Miste kvadraters metode tilpasser e lije til puktee ved å velge de lija som

Detaljer

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

ÅMA110 Sannsynlighetsregning med statistikk, våren Kontinuerlige tilfeldige variable, intro. Kontinuerlige tilfeldige variable, intro. ÅMA Sasylighetsregig med statistikk, våre Kp. 4 Kotiuerlige tilfeldige variable; Normalfordelig Kotiuerlige tilfeldige variable, itro. (eller: Kotiuerlige sasylighetsfordeliger) Vi har til å sett på diskrete

Detaljer

TMA4240 Statistikk Høst 2012

TMA4240 Statistikk Høst 2012 TMA424 Statistikk Høst 212 Norges teknisk-naturvitenskapelige universitet Institutt for matematiske fag Øving 5 blokk I Løsningsskisse Oppgave 1 X N(18,2.5 2 ) P(X < 15) = P ( X 18 < 15 18 ) = P(Z < 1.2)

Detaljer

110 e = 106.75. = 0.9705 R = ln 0.9705. R = 0.03, dvs. spotrenten for 1 år er 3 % = 0.9324 R = 0.035 dvs. spotrenten for 2 år er 3.

110 e = 106.75. = 0.9705 R = ln 0.9705. R = 0.03, dvs. spotrenten for 1 år er 3 % = 0.9324 R = 0.035 dvs. spotrenten for 2 år er 3. Oppgav 1 (5 %) Vi har følgnd: Pålydnd Gjnværnd løptid (år) Kupong Kurs 1 1 1 16,75 1 1 11,7 1 8 111,1 1 4 6 15,8 a) Vi finnr nullkupongrntn slik: R 11 = 16.75 R. 1 + 11 = 11.7 =.975 R = ln.975 R =. R =.,

Detaljer

LØSNINGSFORSLAG TIL EKSAMEN I FAG TMA4245 STATISTIKK 6.august 2004

LØSNINGSFORSLAG TIL EKSAMEN I FAG TMA4245 STATISTIKK 6.august 2004 Norges tekisk aturviteskapelige uiversitet Istitutt for matematiske fag Side av 0 LØSNINGSFORSLAG TIL EKSAMEN I FAG TMA4245 STATISTIKK 6.august 2004 Oppgave Midtveiseksame a) X er e stokastisk variabel

Detaljer

TMA4245 Statistikk Eksamen 21. mai 2013

TMA4245 Statistikk Eksamen 21. mai 2013 TMA445 Statstkk Eksame ma 03 Korrgert 0 ju 03 Norges teksk-aturvteskapelge uverstet Isttutt for matematske fag Løsgssksse Oppgave Et plott av sasylghetstetthee er gtt fgur Vdere har v og PX = Φ = 08849

Detaljer

Oppgaver fra boka: Med lik men ukjent varians antatt har vi fra pensum at. t n1 +n 2 2 under H 0 (12 1) (12 1)

Oppgaver fra boka: Med lik men ukjent varians antatt har vi fra pensum at. t n1 +n 2 2 under H 0 (12 1) (12 1) MOT30 Statistiske metoder, høste00 Løsiger til regeøvig r. 5 (s. ) Oppgaver fra boka: Oppgave 0.36 (0.0:8) Dekkslitasje X,..., X u.i.f. N(µ, σ ) og X,..., X u.i.f. N(µ, σ ) og alle variable er uavhegige.

Detaljer

Oppgave 1 (25 %) 100 e = 98.02. = 0.9802 R = ln 0.9802. R = 0.020, dvs. spotrenten for 1 år er 2,0 % 100 e = 95.89. e e

Oppgave 1 (25 %) 100 e = 98.02. = 0.9802 R = ln 0.9802. R = 0.020, dvs. spotrenten for 1 år er 2,0 % 100 e = 95.89. e e Oppgav 1 (5 %) Vi har følgnd: Obligasjon Pålydnd Tid til forfall Kupong Kurs A 1 1 % 98, B 1 % 95,89 C 1 3 5 % 17,99 D 1 4 6 % 113,93 a) Vi finnr nullkupongrntn slik: R 1 = 98. R 1 = 95.89 =.98 R = ln.98

Detaljer

TMA4240 Statistikk 2014

TMA4240 Statistikk 2014 Norges teknisk-naturvitenskapelige universitet Institutt for matematiske fag Øving nummer 6, blokk I Løsningsskisse Oppgave 1 Fremgangsmetode: P X 1 < 6.8 Denne kan finnes ved å sette opp integralet over

Detaljer

Oppgave 1 (25 %) 100 e = 97.53. = 0.9753 R = ln 0.9753. R = 0.025, dvs. spotrenten for 1 år er 2,5 % e e. 100 e = 94.74

Oppgave 1 (25 %) 100 e = 97.53. = 0.9753 R = ln 0.9753. R = 0.025, dvs. spotrenten for 1 år er 2,5 % e e. 100 e = 94.74 Oppgav 1 (5 %) Vi har følgnd: Obligasjon Pålydnd Tid til forfall Kupong Kurs A 1 1 % 97,53 B 1 % 94,74 C 1 3 3 % 1,19 D 1 4 4 % 13,3 a) Vi finnr nullkupongrntn slik: R 1 = 97.53 R 1 = 94.74 =.9753 R =

Detaljer

TMA4240 Statistikk Høst 2016

TMA4240 Statistikk Høst 2016 TMA440 Statstkk Høst 06 Norges teksk-aturvteskapelge uverstet Isttutt for matematske fag Abefalt øvg 0 Løsgssksse Oppgave a Estmatore for avstade a er gjeomsttet av uavhegge detsk fordelte målger, x; a,

Detaljer

Trigonometric Substitution

Trigonometric Substitution Trigonometric Substitution Alvin Lin Calculus II: August 06 - December 06 Trigonometric Substitution sin 4 (x) cos (x) dx When you have a product of sin and cos of different powers, you have three different

Detaljer

ÅMA110 Sannsynlighetsregning med statistikk, våren Estimering. Målemodellen. Konfidensintervall, innledning. Kp. 5 Estimering.

ÅMA110 Sannsynlighetsregning med statistikk, våren Estimering. Målemodellen. Konfidensintervall, innledning. Kp. 5 Estimering. ÅMA0 Sasylighetsregig med statistikk våre 006 Kp. 5 Estimerig Estimerig. Målemodelle. Ihold:. (Pukt)Estimerig i biomisk modell (kp. 5.). Målemodelle... (kp. 5.3) 3. (Pukt)Estimerig i målemodelle (kp. 5.3)

Detaljer

Oppgave 1 Det er oppgitt i oppgaveteksten at estimatoren er forventningsrett, så vi vet allerede at E(ˆµ) = µ. Variansen til ˆµ er 2 2 ( )

Oppgave 1 Det er oppgitt i oppgaveteksten at estimatoren er forventningsrett, så vi vet allerede at E(ˆµ) = µ. Variansen til ˆµ er 2 2 ( ) Norges teksk-aturvteskapelge uverstet Isttutt for matematske fag Abefalt øvg Løsgssksse Oppgave Det er oppgtt oppgavetekste at estmatore er forvetgsrett, så v vet allerede at Eˆµ µ. Varase tl ˆµ er τ Varˆµ

Detaljer

TMA4240 Statistikk Høst 2009

TMA4240 Statistikk Høst 2009 TMA4240 Statistikk Høst 2009 Norges teknisk-naturvitenskapelige universitet Institutt for matematiske fag Øving nummer b5 Løsningsskisse Oppgave 1 Vi ønsker å finne ut om et nytt serum kan stanse leukemi.

Detaljer

TMA4240 Statistikk Høst 2009

TMA4240 Statistikk Høst 2009 TMA44 Statistikk Høst 9 Norges teknisk-naturvitenskapelige universitet Institutt for matematiske fag Øving nummer b Løsningsskisse Oppgave X er en stokastisk variabel med sannsynlighetstetthet { f(x),

Detaljer

HØGSKOLEN I SØR-TRØNDELAG Avdeling for teknologi

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

Detaljer

MOT310 Statistiske metoder 1, høsten 2012

MOT310 Statistiske metoder 1, høsten 2012 MOT310 Statistiske metoder 1, høste 2012 Bjør H. Auestad Istitutt for matematikk og aturviteskap Uiversitetet i Stavager 20. august, 2012 Bjør H. Auestad Itroduksjo og repetisjo 1 / 57 Iformasjo Litt om

Detaljer

Grafer og trær. MAT1030 Diskret matematikk. Eksempel. Eksempel. Forelesning 28: Grafer og trær, eksempler

Grafer og trær. MAT1030 Diskret matematikk. Eksempel. Eksempel. Forelesning 28: Grafer og trær, eksempler MAT1030 Diskrt matmatikk Forlsning 28:, ksmplr Dag Normann Matmatisk Institutt, Univrsittt i Oslo 5. mai 2008 I dag skal vi s på n rkk ksmploppgavr, og gjnnomgå løsningn på tavla. All ksmpln r oppgavr

Detaljer

HØGSKOLEN I SØR-TRØNDELAG Avdeling for teknologi

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

Detaljer

ÅMA110 Sannsynlighetsregning med statistikk, våren 2007 Kp. 6, del 2

ÅMA110 Sannsynlighetsregning med statistikk, våren 2007 Kp. 6, del 2 ÅMA11 Sasylighetsregig med statistikk, våre 27 Kp. 6, del 2 Bjør H. Auestad Istitutt for matematikk og aturviteskap 5. mars 21 Bjør H. Auestad Kp. 6: del 1/2 1/ 42 Bjør H. Auestad Kp. 6: del 1/2 2/ 42

Detaljer

LØSNINGSFORSLAG TIL EKSAMEN I FAG TMA4240 STATISTIKK 5.august 2004

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

Detaljer

ÅMA110 Sannsynlighetsregning med statistikk, våren 2007

ÅMA110 Sannsynlighetsregning med statistikk, våren 2007 ÅMA0 Sasylighetsregig med statistikk, våre 007 Kp. 4 Kotiuerlige tilfeldige variable; Normalfordelig Kotiuerlige tilfeldige variable, itro. (eller: Kotiuerlige sasylighetsfordeliger) Vi har til å sett

Detaljer

LØSNING, EKSAMEN I STATISTIKK, TMA4240, DESEMBER Anta at sann porøsitet er r. Måling med utstyret gir da X n(x; r, 0,03).

LØSNING, EKSAMEN I STATISTIKK, TMA4240, DESEMBER Anta at sann porøsitet er r. Måling med utstyret gir da X n(x; r, 0,03). LØSNING, EKSAMEN I STATISTIKK, TMA440, DESEMBER 006 OPPGAVE 1 Ata at sa porøsitet er r. Målig med utstyret gir da X (x; r, 0,03). a) ( ) X r P(X > r) P 0,03 > 0 P(Z > 0) 0,5. ( X r P(X r > 0,05) P 0,03

Detaljer

Slope-Intercept Formula

Slope-Intercept Formula LESSON 7 Slope Intercept Formula LESSON 7 Slope-Intercept Formula Here are two new words that describe lines slope and intercept. The slope is given by m (a mountain has slope and starts with m), and intercept

Detaljer

TMA4240 Statistikk Høst 2015

TMA4240 Statistikk Høst 2015 Norges teknisk-naturvitenskapelige universitet Institutt for matematiske fag Øving nummer 8, blokk II Løsningsskisse Oppgave 1 Da komponentene danner et parallellsystem, vil systemet fungere dersom minst

Detaljer

ÅMA110 Sannsynlighetsregning med statistikk, våren 2007 Kp. 6, del 5. Hypotesetesting, del 5

ÅMA110 Sannsynlighetsregning med statistikk, våren 2007 Kp. 6, del 5. Hypotesetesting, del 5 ÅMA11 Sasylighetsregig med statistikk, våre 7 Kp. 6, del 5 Bjør H. Auestad Istitutt for matematikk og aturviteskap Uiversitetet i Stavager 26. mars Bjør H. Auestad Kp. 6: Hypotesetestig del 5 1/ 59 Bjør

Detaljer

TMA4240 Statistikk Høst 2015

TMA4240 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

Detaljer

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

ÅMA110 Sannsynlighetsregning med statistikk, våren Kontinuerlige tilfeldige variable, intro. Kontinuerlige tilfeldige variable, intro. ÅMA Sasylighetsregig med statistikk, våre 6 Kp. 4 Kotiuerlige tilfeldige variable og ormaldelige Kotiuerlige tilfeldige variable, itro. (eller: Kotiuerlige sasylighetsdeliger) Vi har til å sett på diskrete

Detaljer

LØSNINGSFORSLAG EKSAMEN TEP 4115 TERMODYNAMIKK 1 Mandag 30. mai 2005 Tid: kl. 09:00-13:00

LØSNINGSFORSLAG EKSAMEN TEP 4115 TERMODYNAMIKK 1 Mandag 30. mai 2005 Tid: kl. 09:00-13:00 Sid 1 a 8 NORGES TEKNISK-NATURVITENSKAPELIGE UNIVERSITET (NTNU) - TRONDHEIM INSTITUTT FOR ENERGI OG PROSESSTEKNIKK LØSNINGSFORSLAG EKSAMEN TEP 4115 TERMODYNAMIKK 1 Mandag 0. mai 005 Tid: kl. 09:00-1:00

Detaljer

EKSAMEN I FAG SIF 4014 FYSIKK 3 Fredag 17 desember 1999 kl Bokmål

EKSAMEN I FAG SIF 4014 FYSIKK 3 Fredag 17 desember 1999 kl Bokmål Sid av 7 NORGES TEKNISK- NATURVITENSKAPELIGE UNIVERSITET INSTITUTT FOR FYSIKK Faglig otat udr a: Førtaaui Kut Ar Strad Tlfo: 73 59 34 6 EKSAMEN I FAG SIF 44 FYSIKK 3 Frdag 7 dbr 999 l. 9-3 Boål Hjlpidlr:

Detaljer

Eksamensoppgave i TMA4320 Introduksjon til vitenskapelige beregninger

Eksamensoppgave i TMA4320 Introduksjon til vitenskapelige beregninger Institutt for matematiske fag Eksamensoppgave i TMA432 Introduksjon til vitenskapelige beregninger Faglig kontakt under eksamen: Anton Evgrafov Tlf: 453 163 Eksamensdato: 8. august 217 Eksamenstid (fra

Detaljer

Løsningsforslag ST1101/ST6101 kontinuasjonseksamen 2018

Løsningsforslag ST1101/ST6101 kontinuasjonseksamen 2018 Løsigsforslag ST/ST6 kotiuasjoseksame Oppgave a Defier hedelsee R, B, B rød kule i første trekig, blå kule i adre trekig, blå kule i tredje trekig. Vi skal fie PR B B for to ulike situasjoer. Geerelt vet

Detaljer

Løsningsforslag til den obligatoriske oppgaven fra seminarlederne

Løsningsforslag til den obligatoriske oppgaven fra seminarlederne Løsigsforslag til d oligatorisk ogav fra siarldr Totalt og r ulig dt krvs 65 og for å få stått drso du ikk har lvrt o ogavr i Frotr. tallt og so krvs for å få stått ogav rdusrs d atall og oådd for å svar

Detaljer

ÅMA110 Sannsynlighetsregning med statistikk, våren Kp. 5 Estimering. Målemodellen.

ÅMA110 Sannsynlighetsregning med statistikk, våren Kp. 5 Estimering. Målemodellen. ÅMA0 Sasylighetsregig med statistikk, våre 0 Kp. 5 Estimerig. Målemodelle. Estimerig. Målemodelle. Ihold:. (Pukt)Estimerig i biomisk modell (kp. 5.). Målemodelle... (kp. 5.). (Pukt)Estimerig i målemodelle

Detaljer

MDG Bergen - alternativt bybudsjett 2015 Revisjon av budsjettforlik mellom Høyre, Frp og støttepartiene

MDG Bergen - alternativt bybudsjett 2015 Revisjon av budsjettforlik mellom Høyre, Frp og støttepartiene MDG Brg - altrativt bybudsjtt 2015 Rvisjo av budsjttforlik mllom Høyr, Frp og støttparti Økt itktr og midrutgiftr Eidomsskatt Rdusr kosultbruk Møthoorar Kutt i studiturr for politikr Rdusr politikrlø Bruk

Detaljer

Forventningsverdi. MAT0100V Sannsynlighetsregning og kombinatorikk

Forventningsverdi. MAT0100V Sannsynlighetsregning og kombinatorikk MAT0100V Sasylighetsregig og kombiatorikk Forvetigsverdi Sasylighetsfordelige til e tilfeldig variabel X gir sasylighete for de ulike verdiee X ka ata Forvetig, varias og stadardavvik Tilærmig av biomiske

Detaljer

TMA4245 Statistikk Vår 2015

TMA4245 Statistikk Vår 2015 Norges teknisk-naturvitenskapelige universitet Institutt for ateatiske fag Øving nuer, blokk I Løsningsskisse Oppgave X er hypergeoetrisk fordelt ed N 000 turer, k turer kjører transportfiraet gjenno sentru

Detaljer

TMA4240 Statistikk Høst 2013

TMA4240 Statistikk Høst 2013 Norges teknisk-naturvitenskapelige universitet Institutt for matematiske fag Øving nummer 6, blokk I Løsningsskisse Oppgave 1 Vi antar X er normalfordelt, X N(3315, 575 2 ). Ved bruk av tabell A.3 finner

Detaljer

Universitetet i Bergen Det matematisk-naturvitenskapelige fakultet Eksamen i emnet Mat131 - Differensiallikningar I Onsdag 25. mai 2016, kl.

Universitetet i Bergen Det matematisk-naturvitenskapelige fakultet Eksamen i emnet Mat131 - Differensiallikningar I Onsdag 25. mai 2016, kl. 1 MAT131 Bokmål Universitetet i Bergen Det matematisk-naturvitenskapelige fakultet Eksamen i emnet Mat131 - Differensiallikningar I Onsdag 25. mai 2016, kl. 09-14 Oppgavesettet er 4 oppgaver fordelt på

Detaljer

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

f(x)dx = F(x) = f(u)du. 1 (4u + 1) du = 3 0 for x < 0, 2 + for x [0,1], 1 for x > 1. = 1 F 4 = P ( X > 1 2 X > 1 ) 4 X > 1 ) = TMA Statistikk Norges tekisk-aturviteskapelige uiversitet Istitutt for ateatiske fag Løsigsforslag - Eksae deseber 9 Oppgave a Besteer k ved å kreve fxdx =, fxdx = De kuulative fordeligsfuksjoe Fx er gitt

Detaljer

Mathematics 114Q Integration Practice Problems SOLUTIONS. = 1 8 (x2 +5x) 8 + C. [u = x 2 +5x] = 1 11 (3 x)11 + C. [u =3 x] = 2 (7x + 9)3/2

Mathematics 114Q Integration Practice Problems SOLUTIONS. = 1 8 (x2 +5x) 8 + C. [u = x 2 +5x] = 1 11 (3 x)11 + C. [u =3 x] = 2 (7x + 9)3/2 Mathematics 4Q Name: SOLUTIONS. (x + 5)(x +5x) 7 8 (x +5x) 8 + C [u x +5x]. (3 x) (3 x) + C [u 3 x] 3. 7x +9 (7x + 9)3/ [u 7x + 9] 4. x 3 ( + x 4 ) /3 3 8 ( + x4 ) /3 + C [u + x 4 ] 5. e 5x+ 5 e5x+ + C

Detaljer

Forelesning 4 og 5 Transformasjon, Weibull-, lognormal, beta-, kji-kvadrat -, t-, F- fordeling

Forelesning 4 og 5 Transformasjon, Weibull-, lognormal, beta-, kji-kvadrat -, t-, F- fordeling STAT (V6) Statistikk Metoder Yushu.Li@uib.o Forelesig 4 og 5 Trasformasjo, Weibull-, logormal, beta-, kji-kvadrat -, t-, F- fordelig. Oppsummerig til Forelesig og..) Momet (momet about 0) og setral momet

Detaljer

ÅMA110 Sannsynlighetsregning med statistikk, våren 2011

ÅMA110 Sannsynlighetsregning med statistikk, våren 2011 ÅMA0 Sasylighetsregig statistikk våre 0 Kp. 4 Kotiulige tilfeldige variable; Normalfordelig Kotiulige tilfeldige variable itro. (ell: Kotiulige sasylighetsfordelig Vi har til å sett på diskrete fordelig

Detaljer

TMA4245 Statistikk Vår 2015

TMA4245 Statistikk Vår 2015 TMA4245 Statistikk Vår 2015 Norges tekisk-aturviteskapelige uiversitet Istitutt for matematiske fag Øvig ummer 12, blokk II Oppgave 1 Kari har ylig kjøpt seg e y bil. Nå øsker hu å udersøke biles besiforbruk

Detaljer

Søknad om Grønt Flagg på Østbyen skole

Søknad om Grønt Flagg på Østbyen skole Søknad om på Østbyn skol Østbyn skol startt opp md i 2007, og har sidn da vært n Grønt Flagg-skol som r opptatt av miljø Skoln hatt n dl utfordringr dt sist årt, som har gjort dt vansklig å følg opp intnsjonn

Detaljer

Matematikk for IT, høsten 2018

Matematikk for IT, høsten 2018 Mtmtkk for IT, høst 8 Oblg Løsgsforslg 7. sptmbr 8.7. ) for >. 7 b) for >. 7 c) for >. 7 d) ) for >. 8 8 8 8 8 7 8 7 8 .7. ) for >. 7 8 b) for >. 7 ) 7 ) 7) ) 7 ) 7) c) for >..7.8 ) ) ) ) ). Bss:. Rkursjosforml:

Detaljer

Emnenavn: Eksamenstid: 4 timer. Faglærer: Hans Kristian Bekkevard

Emnenavn: Eksamenstid: 4 timer. Faglærer: Hans Kristian Bekkevard EKSAMEN Emekode: SFB107111 Emeav: Metode 1, statistikk deleksame Dato: 7. mai 2018 Hjelpemidler: Godkjet kalkulator og vedlagt formelsamlig m/tabeller Eksamestid: 4 timer Faglærer: Has Kristia Bekkevard

Detaljer

Kapittel 2: Hendelser

Kapittel 2: Hendelser Kapittel 2: Hendelser FENOMEN Eksperiment Utfall Utfallsrom Eksperiment. Utfall. Eksperiment Utfall Hendelse Sannsynlighet: egenskaper, gunstige vs. mulige, relativ frekvens Sannsynlighet for mer enn en

Detaljer

TMA4240 Statistikk H2010

TMA4240 Statistikk H2010 TMA4240 Statistikk H2010 9.8: To uvalg (siste del) 9.9: Parvise observasjoner 9.10-9.11: Andelser 9.12: Varians Mette Langaas Foreleses onsdag 20.oktober, 2010 2 Norske hoppdommere og Janne Ahonen Janne

Detaljer

Norske hoppdommere og Janne Ahonen

Norske hoppdommere og Janne Ahonen TMA440 Statistikk H010 9.8: To uvalg (siste del) 9.9: Parvise observasjoner 9.10-9.11: Andelser 9.1: Varians Mette Langaas Foreleses onsdag 0.oktober, 010 Norske hoppdommere og Janne Ahonen Janne Ahonen

Detaljer

Matematikk 15 V-2008

Matematikk 15 V-2008 Matmati V-8 Løsigsorslag til øvig 7 OPPGVE Liigssttt på matrisorm: t b t y. t z t Et liært og vadratis liigsstt ar tydig løsig vis og bar vis dt Drsom dt må ølglig liigssttt a dlig mag løsigr llr ig løsig.

Detaljer

ÅMA110 Sannsynlighetsregning med statistikk, våren 2010 Kp. 6, del 4

ÅMA110 Sannsynlighetsregning med statistikk, våren 2010 Kp. 6, del 4 ÅMA11 Sasylighetsregig med statistikk, våre 21 Kp. 6, del 4 Bjør H. Auestad Istitutt for matematikk og aturviteskap Uiversitetet i Stavager 22. mars Bjør H. Auestad Kp. 6: Hypotesetestig del 4 1/ 29 Bjør

Detaljer

ÅMA110 Sannsynlighetsregning med statistikk, våren 2008 Kp. 6, del 5

ÅMA110 Sannsynlighetsregning med statistikk, våren 2008 Kp. 6, del 5 ÅMA110 Sasylighetsregig med statistikk, våre 2008 Kp. 6, del 5 Bjør H. Auestad Istitutt for matematikk og aturviteskap Uiversitetet i Stavager 3. april Bjør H. Auestad Kp. 6: Hypotesetestig del 5 1/ 56

Detaljer

ÅMA110 Sannsynlighetsregning med statistikk, våren 2006 Kp. 6, del 5

ÅMA110 Sannsynlighetsregning med statistikk, våren 2006 Kp. 6, del 5 ÅMA110 Sasylighetsregig med statistikk, våre 2006 Kp. 6, del 5 Bjør H. Auestad Istitutt for matematikk og aturviteskap Uiversitetet i Stavager 3. april Bjør H. Auestad Kp. 6: Hypotesetestig del 5 1 / 56

Detaljer

TMA4240 Statistikk Høst 2013

TMA4240 Statistikk Høst 2013 TMA0 Statistikk Høst 0 Norges teknisk-naturvitenskapelige universitet Institutt for matematiske fag Øving nummer, blokk I Løsningsskisse Oppgave Et venn-diagram for (A [ B) 0 = A 0 \ B 0 er vist i figur.

Detaljer

ØVING 2: DIMENSJONERING MHT KNEKKING. Likevekt: Momentlikevekt om punkt C (venstre del av figur (b)): M +Hx - Fy = 0 M = Fy - Hx. Fy EI. Hx EI.

ØVING 2: DIMENSJONERING MHT KNEKKING. Likevekt: Momentlikevekt om punkt C (venstre del av figur (b)): M +Hx - Fy = 0 M = Fy - Hx. Fy EI. Hx EI. MSK0 Masiosrusjo ØSNINGSOSG TI ØVINGSOPPGV Kap. Oppgav.5.8 ØVING : DIMNSJONING MT KNKKING Oppgav.5 a) Uldig av ulr ilfll III iv: Momliv om pu C (vsr dl av figur ()): M +x - y 0 M y - x Vi v fra fashslær

Detaljer

KRAVFIL TIL KREDITORFORENINGEN [Spesialrapport]

KRAVFIL TIL KREDITORFORENINGEN [Spesialrapport] KRAVFIL TIL KREDITORFORENINGEN [Spsialrapport] - Sid 1 / 5 IS Doc. Sit Bildr Rapportr Ordlist R124 KRAVFIL TIL KREDITORFORENINGEN [Spsialrapport] Bskrivls sist rvidrt: År: 2008. Månd: 10. Dag: 01. KRAVFIL

Detaljer

KRAVFIL TIL KREDINOR [Spesialrapport]

KRAVFIL TIL KREDINOR [Spesialrapport] KRAVFIL TIL KREDINOR [Spsialrapport] - Sid 1 / 5 IS Doc. Sit Bildr Rapportr Ordlist R104 KRAVFIL TIL KREDINOR [Spsialrapport] Bskrivls sist rvidrt: År: 2009. Månd: 10. Dag: 05. KRAVFIL TIL KREDINOR [Spsialrapport]

Detaljer

Oppgaven består av 9 delspørsmål, A,B,C,., som anbefales å veie like mye, Kommentarer og tallsvar er skrevet inn mellom <<.. >>.

Oppgaven består av 9 delspørsmål, A,B,C,., som anbefales å veie like mye, Kommentarer og tallsvar er skrevet inn mellom <<.. >>. ECON 130 EKSAMEN 008 VÅR - UTSATT PRØVE SENSORVEILEDNING Oppgave består av 9 delspørsmål, A,B,C,., som abefales å veie like mye, Kommetarer og tallsvar er skrevet i mellom . Oppgave 1 Ved e spørreudersøkelse

Detaljer

TMA4245 Statistikk. Innlevering 3. Norges teknisk-naturvitenskapelige universitet Institutt for matematiske fag

TMA4245 Statistikk. Innlevering 3. Norges teknisk-naturvitenskapelige universitet Institutt for matematiske fag TMA4245 Statistikk Vår 2017 Norges teknisk-naturvitenskapelige universitet Institutt for matematiske fag Innlevering 3 Dette er den første av to innleveringer i blokk 2 Denne øvingen skal oppsummere pensum

Detaljer

Kapittel 5: Diskrete sannsynsfordelingar TMA4245 Statistikk. 5.2 Diskret uniform fordeling NTNU NTNU NTNU

Kapittel 5: Diskrete sannsynsfordelingar TMA4245 Statistikk. 5.2 Diskret uniform fordeling NTNU NTNU NTNU Kapittel 5: Disrete sasysfordeligar TMA4245 Statisti Rep.: Forvetig, varias og ovarias Forvetig (tygdeput, geeraliserig av empiris gjeomsitt): < P x µ = E(X) = R xf(x) (Xdisret) : xf(x)dx (Xotiuerlig)

Detaljer

Ø K S N E V A D P O R T E N E I E N D O M A S

Ø K S N E V A D P O R T E N E I E N D O M A S Ø K V D T I D M.. I U T J T I D T J G U I G F K V Æ D Æ I G K. V F B V F V a n d b l å st g l a s s F i l n a v n : -. p l n / U t s k r i f t s d a t o :.. / / / / / / / / / / / / / / / / / / / / / T

Detaljer

DATARAPPORT FRA GRUNNUNDERSØKELSE

DATARAPPORT FRA GRUNNUNDERSØKELSE F UUØKL Walsth&Øya idmsutvikli åv 5 - uudsøkls ppda : 5686 appt at: 424 J & MLJØ, Ø Ø Fylk kshus Kmmu s td Ås UM: (uf 89, s 2) 64 6666 Byh ppdasiv Walsth&Øya idmsutvikli v/ds Walsth ppda fmidlt av ppdasfas

Detaljer

0:7 0:2 0:1 0:3 0:5 0:2 0:1 0:4 0:5 P = 0:56 0:28 0:16 0:38 0:39 0:23

0:7 0:2 0:1 0:3 0:5 0:2 0:1 0:4 0:5 P = 0:56 0:28 0:16 0:38 0:39 0:23 UTKAST ENGLISH VERSION EKSAMEN I: MOT100A STOKASTISKE PROSESSER VARIGHET: 4 TIMER DATO: 16. februar 2006 TILLATTE HJELPEMIDLER: Kalkulator; Tabeller og formler i statistikk (Tapir forlag): Rottman: Matematisk

Detaljer