Avdeling for estetiske fag, folkekultur og lærerutdanning BOKMÅL 29. mai 2007



Like dokumenter
Avdeling for estetiske fag, folkekultur og lærerutdanning BOKMÅL

Høgskolen i Telemark Avdeling for estetiske fag, folkekultur og lærerutdanning BOKMÅL 12. desember 2008

Formler og regler i statistikk ifølge lærebok Gunnar Løvås: Statistikk for universiteter og høgskoler

Høgskolen i Telemark Avdeling for estetiske fag, folkekultur og lærerutdanning BOKMÅL 20. mai 2008

TMA4245 Statistikk Eksamen august 2014

Oversikt over tester i Econ 2130

LØSNINGSFORSLAG TIL EKSAMEN I FAG TMA4245 STATISTIKK 6.august 2004

TMA4245 Statistikk Eksamen mai 2016

Econ 2130 uke 19 (HG) Inferens i enkel regresjon og diskrete modeller

Regler om normalfordelingen

Løsningsforslag Eksamen i Statistikk Nov 2001 Oppgave 1 a) Det fins 8 mulige kombinasjoner. Disse finnes ved å utelate ett og ett tall.

Løsningskisse seminaroppgaver uke 17 ( april)

Det anbefales at de 9 deloppgavene merket med A, B, teller likt uansett variasjon i vanskelighetsgrad. Svarene er gitt i << >>.

Regler om normalfordelingen

Oversikt over tester i Econ 2130

som vi ønsker å si noe om basert på data Eksempel. Uid-modellen: X1, X ,,,

Regler om normalfordelingen

Statistikk, FO242N, AMMT, HiST 2. årskurs, 30. mai 2007 side 1 ( av 8) LØSNINGSFORSLAG HØGSKOLEN I SØR-TRØNDELAG

Forelesning Enveis ANOVA

STK1100 våren Konfidensintevaller

OBLIGATORISK OPPGAVE 1 INF 3340/4340/9340 HØSTEN 2005

Løsningsforslag (ST1201/ST , kontinuasjonseksamen) ln L. X i = 2n.

Forelesning 21 og 22 Goodness of fit test and contingency table ( 2 test og krysstabell)

Statistikk med anvendelse i økonomi

Om enkel lineær regresjon II

1. Konfidens intervall for

Forelesning 19 og 20 Regresjon og korrelasjons (II)

ÅMA110 Sannsynlighetsregning med statistikk, våren 2007

TMA4240 Statistikk Høst 2016

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

TMA4245 Statistikk Eksamen 21. mai 2013

Forelesning 25 og 26 Introduksjon til Bayesiansk statistikk

Analyse av sammenhenger

STK1110 høsten Lineær regresjon. Svarer til avsnittene i læreboka (med unntak av stoffet om logistisk regresjon)

Econ 2130 uke 15 (HG)

Dekkes av pensumsidene i kap. lesingsnotatene. Hypotesetesting er en systematisk fremgangsmåte

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

Estimering og hypotesetesting. Estimering og hypotesetesting. Estimering og hypotesetesting. Kapittel 10. Ett- og toutvalgs hypotesetesting

Oppgave 1. (i) Hva er sannsynligheten for at det øverste kortet i bunken er et JA-kort?

ÅMA110 Sannsynlighetsregning med statistikk, våren 2007 Kp. 6, del 4. Hypotesetesting, del 4

Om enkel lineær regresjon II

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

TALLSVAR. Det anbefales at de 9 deloppgavene merket med A, B, teller likt uansett variasjon i vanskelighetsgrad. Svarene er gitt i << >>.

Oversikt over tester i Econ 2130

Om enkel lineær regresjon II

Forelesning Punktestimering

STK1100 våren Estimering. Politisk meningsmåling. Svarer til sidene i læreboka. The German tank problem. Måling av lungefunksjon

Mer om utvalgsundersøkelser

Notat 1: Grunnleggende statistikk og introduksjon til økonometri

UNIVERSITETET I OSLO ØKONOMISK INSTITUTT

Statistikk og økonomi, våren 2017

Forelesning Ordnings observatorer

211.7% 2.2% 53.0% 160.5% 30.8% 46.8% 17.2% 11.3% 38.7% 0.8%

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

Det ble orientert i plenum under eksamensdagen om følgende endringer i forhold til oppgaven:

8 (inkludert forsiden og formelsamling) Tegne- og skrivesaker, kalkulator, formelsamling (se vedlagt).

Illustrasjon av regel 5.19 om sentralgrenseteoremet og litt om heltallskorreksjon (som i eksempel 5.18).

Eksempel 1 - Er gjennomsnittshøyden for kvinner i Norge økende?

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 ( )

Positive rekker. Forelest: 3. Sept, 2004

HØGSKOLEN I SØR-TRØNDELAG Avdeling for lærer- og tolkeutdanning

HØGSKOLEN I SØR-TRØNDELAG Avdeling for teknologi

EKSAMEN. Oppgavesettet består av 5 oppgaver, hvor vekten til hver oppgave er angitt i prosent i oppgaveteksten. Alle oppgavene skal besvares.

UNIVERSITETET I OSLO ØKONOMISK INSTITUTT

Seminaroppgaver for uke 13 (Oppgave (1), (2), og (3))

EKSAMEN løsningsforslag

TALLSVAR. Det anbefales at de 9 deloppgavene merket med A, B, teller likt uansett variasjon i vanskelighetsgrad. Svarene er gitt i <<< >>>.

ÅMA110 Sannsynlighetsregning med statistikk, våren 2010 Kp. 6, del 5

(ii) Anta vi vet om en observasjon av X at den ikke er større enn 5. Hva er da sannsynligheten for at den er lik 5? (Hint: Finn PX ( = 5 X 5) ).

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

Høgskolen i Telemark Avdeling for estetiske fag, folkekultur og lærerutdanning BOKMÅL 16. mai 2008

TMA4240/4245 Statistikk Eksamen august 2016

Seminaroppgaver for uke 13

Oversikt over konfidensintervall i Econ 2130

TALLSVAR. Det anbefales at de 9 deloppgavene merket med A, B, teller likt uansett variasjon i vanskelighetsgrad. Svarene er gitt i << >>.

Løsningsforslag til obligatorisk innlevering 3.

ST0202 Statistikk for samfunnsvitere Kapittel 9: Inferens om én populasjon

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

> 6 7 ) = 1 Φ( 1) = = P (X < 7 X < 8) P (X < 8) < ) < ) = Φ(2) =

ST0202 Statistikk for samfunnsvitere Kapittel 10: Inferens om to populasjoner

MASTER I IDRETTSVITENSKAP 2012/2014. Individuell skriftlig eksamen. MAS 402- Statistikk. Tirsdag 9. oktober 2012 kl

Econ 2130 uke 15 (HG) Poissonfordelingen og innføring i estimering

TALLSVAR. Det anbefales at de 9 deloppgavene merket med A, B, teller likt uansett variasjon i vanskelighetsgrad. Svarene er gitt i <<< >>>.

MAT4010 PROSJEKTOPPGAVE: Statistikk i S2. Olai Sveine Johannessen, Vegar Klem Hafnor & Torstein Mellem

Kap. 9: Inferens om én populasjon. Egenskaper ved t-fordelingen. ST0202 Statistikk for samfunnsvitere. I Kapittel 8 brukte vi observatoren

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

TALLSVAR. Det anbefales at de 9 deloppgavene merket med A, B, teller likt uansett variasjon i vanskelighetsgrad. Svarene er gitt i << >>.

ST0202 Statistikk for samfunnsvitere Kapittel 6: Normalfordelingen

UNIVERSITETET I OSLO

UNIVERSITETET I OSLO ØKONOMISK INSTITUTT. Innleveringssted: Ekspedisjonen i 12. etasje (mellom ) OG Fronter (innen klokken 15).

EKSAMEN. Oppgavesettet består av 5 oppgaver, hvor vekten til hver oppgave er angitt i prosent i oppgaveteksten. Alle oppgavene skal besvares.

Oppgave 1: Feil på mobiltelefoner

UNIVERSITETET I OSLO ØKONOMISK INSTITUTT

Mer om Hypotesetesting (kap 5) Student t-fordelingen. Eksamen. Fordelingene blir like ved stor n:

MASTER I IDRETTSVITENSKAP 2014/2016. Utsatt individuell skriftlig eksamen. STA 400- Statistikk. Mandag 24. august 2015 kl

Makroøkonomi - B1. Innledning. Begrep. B. Makroøkonomi. Mundells trilemma går ut på følgende:

HØGSKOLEN I SØR-TRØNDELAG Avdeling for teknologi

Oppgave 1 ECON 2130 EKSAMEN 2011 VÅR

TMA4245 Statistikk Vår 2015

Transkript:

Høgskole Telemark Avdelg for estetske fag, folkekultur og lærerutdag BOKMÅL 9. ma 7 EKSAMEN I MATEMATIKK, Modul 5 studepoeg Td: 5 tmer Hjelpemdler: Kalkulator og vedlagt formelsamlg (bakerst oppgavesettet). Oppgavesettet er på sder kl.formelsamlg. Kotroller at du har fått alle arkee. Les oppgavetekstee øye. Bruk ege ark på hver oppgave. Begru alle svar. OPPGAVE Vektg av oppgavee: Oppgave : % Oppgave : % Oppgave 3: 5 % Oppgave 4: % Oppgave 5: 5 % Oppgave 6: % E teresseorgasasjo for persoer med e spesell egeskap reger med at % av befolkge over 5 år har dee egeskape. Orgasasjoe reger dessute med at 8% av dem som har dee egeskape, har høyere utdag, mes av dem som kke har dee egeskape, har 3% høyere utdag. V teker oss at v trekker ut e tlfeldg perso over 5 år. E er utfallet at persoe har dee egeskape og U er utfallet at persoe har høyere utdag. a) Formuler opplusgee tekste over som sasylgheter (ubetgede og betgede) for E og U. Reg ut P(U). b) Reg ut P(E U) og forklar hva dee sasylghete uttrykker. c) Hva er sasylghete for at e perso som kke har høyere utdag, har dee egeskape? d) Hva er sasylghete for at det et utvalg på persoer over 5 år er mst persoer som verke har høyere utdag eller dee speselle egeskape? OPPGAVE I flg. Statstska Cetralbyrå (SCB) Sverge var de forvetede lvslegde 8 år 99 med et stadardavvk på år. a) Hvor stor er sasylghete for at e yfødt jete skal få oppleve s -års dag? b) Hva er sasylghete for at e kve som er 7 år skal bl 8 år eller eldre?

OPPGAVE 3 V atar at vaholdet Y (proset) e vss type kyllgfleter kjøpt på Rm er ormalfordelt med forvetg µ og varas σ. Vaholdet forskjellge kyllgfleter er uavhegge varabler. V atat at µ = 5, og varas σ = 6,. a) Hva er sasylghete for at e kyllgflet eholder mer e 7,5% va? F også sasylghete for at vaholdet lgger mellom,5% og 7,5%. b) Hva er sasylghete for at e pakke med kyllgfleter har et gjeomsttlg vahold på mer e 7%? OPPGAVE 4 E kyllgproduset har over 7 kyllger e stor produksjoshall. Ha vl estmere gjeomsttsvekta for kyllgee og veer av dem. Vektee hg ble målt tl: 8,5 7,6 8, 7,9, 9, 8,4 8,7 9,5 9, 7,9 8,6 9,3 8,8 8,6 8,4 9,3 7,9 8, 9,4 De målte vektee atas å være uavhegge og detsk fordelte stokastske varable med ukjet forvetg og varas. a) Estmer på bakgru av målgee gjeomsttsvekta og stadardavvket. b) F et 9% kofdestervall for gjeomsttsvekta. Etter plae skulle kyllgee på tdspuktet for vege skulle kyllgees vekt ha et gjeomstt på 9, hg, mes produsete hadde e mstake om at gjeomsttsvekta var oe lavere. c) Sett opp e hypotesetest på bakgru av dsse opplysgee, og avgjør med et sgfkasvå på 5% om produsete har rett s påstad. OPPGAVE 5 Du spller Yatzy med 5 terger. a) Hva er sasylghete for at alle tergee vser forskjellg atall øye? b) Hva er sasylghete for å få 4 lke?

OPPGAVE 6 Uerfare sopp-plukkere ka forveksle sjampjog med adre sopper, for eksempel med hvt fluesopp, som er meget gftg. V teker oss at år e tlfeldg sopp-plukker tror at e sopp er e sjampjog,så er det 95% skkert at de vrkelg er det. E sopp-plukker plukker 5 sopper som vedkommede meer er sjampjoger. La X være det atallet av dsse soppee som vrkelg er sjampjoger. G e kort begruelse for svaree tl spørsmålee edefor. a) Hvlke fordelg har X og hva er forvetge og stadardavvket for X? b) Hva er sasylghete for at alle soppee er sjampjoger? c) Hva er sasylghete for at det er eller gftge sopper blat de 5 soppee? d) Hva er sasylghete for at det er akkurat gftge sopper blat de 5? atall sjampjoger(x) kumulatv sasylghet,p(x x),,, 3, 4, 5, 6, 7, 8, 9,,,, 3, 4, 5, 6, 7, 8,69 9,3,765,349,76 3,35764 4,76 5, E sopp-plukker er svært uskker tar de 5 soppee med seg tl e soppekspert, som straks og med skkerhet slår fast at det er 5 gftge sopper blat dem. 3

Sopp-plukkere vet kke hvlke sopper som er gftge, me får mulghete tl å velge sopper. e) Hva er sasylghete for at vedkommede velger sjampjoger? f) Hva er sasylghete for at det er gftge sopper blat de? NB! Soppeksperte hjelper plukkere med å velge rktg tl slutt. 4

Høgskole Telemark Avdelg for estetske fag, folkekultur og lærerutdag Formelark for Matematkk, modul Statstkk og sasylghetsregg BINOMIALKOEFFISIENTEN:! = k ( k)! k! ADDISJONSSETNINGEN: P( A B) = P( A) + P( B) P( A B) DEFINISJON AV BETINGET SANNSYNLIGHET: P( A B) = P( A B) P( B) MULTIPLIKASJONSREGELEN: P( A B) = P( A) P( B A) = P( B) P( A B) BAYES FORMEL: P( B A) = P( A B) P( B) P( A) STANDARDAVVIK La x, x, x3,..., x være observasjoee et datasett, og x gjeomsttet av dem. Nedefor er det gtt tre formler:. Teoretsk stadardavvk.. Teoretsk stadardavvk formulert ved hjelp av stokastske varabler.. ( x x) ( X ) X = =. FORVENTNING, VARIANS OG STANDARDAVVIK FOR EN STOKASTISK VARIABEL X E( X ) = x P( X = x ) alle x Var( X ) = E ( X E( X )) = E( X ) ( E( X )) σ = Var( X ) = E ( X E( X )) BINOMISK FORDELING 5

P(X =x) = p x ( p) -x, E(X) = p, x Var(X) = p(-p) HYPERGEOMETRISK FORDELING M N M k k P ( X = k ) = N M N E( X ) = Var( X ) = p( p) N N POISSONFORDELING Med t mees td, legde, areal, volum. λ er atall forekomster per tdsehet av e bestemt hedelse A. λ λ x ( t) t P( X = x) = e E( X ) x! = λt Var( X ) = λt NORMALFORDELING X µ Hvs X N ( µ, σ ), så er Z = N(,). Dersom x er e verd verdmegde σ x µ tl e ormalfordelt stokastsk varabel X, og v skrver z =, så bereges σ F( x) = P( X x) = G z (se tabell over sasylgheter sasylgheter for X ved ( ) stadardormalfordelg) SENTRALGRENSETEOREMET Hvs X er e stokastsk varabel, med E( X ) = µ stadardavvk S, og X, X,..., X er koper av X, så er X = ( X + X + L + X ) tlærmet ormalfordelt for, med forvetg E ( X ) = µ og stadardavvk ( ) σ X = S. KONFIDENSINTERVALLER Et tlærmet ( α) % kofdestervall for p e bomsk stuasjo, basert på ˆ( ˆ) ˆ( ˆ) estmatore pˆ = X / er gtt ved ˆ p p ˆ /, p p z p z p α + α / V fer et tlærmet( α) % kofdestervall for forholdet M / N e x x hypergeometrsk stuasjo ved tervallet: z ˆ ˆ α / Var( p), + zα / Var( p) hvor x / er de observerte verde av estmatore pˆ = X / og N x x Var( pˆ ) = N.. 6

Et ( α) % Z-tervall for gjeomsttet µ e ormalfordelt stuasjo er gtt σ σ ved: X zα /, X + zα / Slke tervaller brukes år stadardavvket σ er kjet. Et ( α) % T-tervall for gjeomsttet µ e ormalfordelt stuasjo er gtt ved X tα /, X + tα / Her er S = ( X X ) = ukjet. S S. Slke tervaller brukes år stadardavvket σ er KRITISKE VERDIER. Hvs H forkastes år X blr påfallede lte, er k er de største verd slk at P( X k) α (esdg test). V forkaster H dersom X k.. Hvs H forkastes år X blr påfallede stor, er k er de mste verd slk at P( X k) α (esdg test). V forkaster H dersom X k. 3. Hvs H forkastes år X blr påfallede lte eller X blr påfallede stor, er P( X k) α / og P( X k) α / (tosdg test). V forkaster H dersom X k eller X k. TEST AV BINOMISK p Heskte med teste er å avsløre om de samlede data atyder e p, kalt ˆp, som avvker sgfkat fra e bestemt verd, kalt p. V beytter testobservatore pˆ p X p Z = =. V har følgede alteratver: p( p) p( p). H : p p og H : p > p hvs Z > z α H : p p og H : p < p hvs Z < z α H : p = p og H : p p hvs Z > z α /. 3. Z-TEST (NÅR STANDARDAVVIKET ER KJENT) 7

Her testes det om samlede data atyder at gjeomsttet µ lgger ær ok e X µ kjet verd µ. V beytter testobservatore Z =. V har følgede ( σ / ) alteratver:. : H µ µ og H > µ hvs Z > z α H µ og H < µ hvs Z < z α H = µ og H µ hvs Z > z α /. 3. T-TEST (NÅR STANDARDAVVIKET IKKE ER KJENT) X µ V beytter testobservatore T =, hvor S alteratver: S = ( x x). V har følgede =. : H µ µ og H > µ hvs T>z α H µ og H < µ hvs T< - z α H = µ og H µ hvs T > z α/. 3. UPARET T-TEST V beytter testobservatore T = S p X Y +, hvor S p = ( ) S ( ) S x y + Det som er kalt S x her er stadardavvket for x-verdee, og S y er stadardavvket for y-verdee. og står for atall observasjoer hver gruppe.. : H µ µ og H > µ hvs T>z α H µ og H < µ hvs T< - z α H = µ og H µ hvs T > z α/. 3. PARET T-TEST 8

D V beytter testobservatore D =, hvor D er gjeomsttet av dfferesee, S D / S D er stadardavvket for dfferesee, og er atallet observasjospar.. : H µ µ og H > µ hvs T>z α H µ og H < µ hvs T< - z α H = µ og H µ hvs T > z α/. 3. KORRELASJONSKOEFFISIENTEN R = = ( x x)( y y) ( x x) ( y y) = = TABELLER 9