Bioberegninger, ST1301 Onsdag 1. juni 2005 Løsningsforslag

Like dokumenter
UNIVERSITETET I OSLO

Bioberegninger, ST1301 Onsdag 1. juni 2005 Kl Hjelpemidler: Alle trykte og skrevne hjelpemidler, lommeregner. Sensur: 22.

UNIVERSITETET I OSLO

Løsningsforslag STK1110-h11: Andre obligatoriske oppgave.

UNIVERSITETET I OSLO

UNIVERSITETET I OSLO

Bioberegninger, ST november 2006 Kl. 913 Hjelpemidler: Alle trykte og skrevne hjelpemidler, lommeregner.

Forelesning 7 STK3100

Eksamensoppgåve i TMA4267 Lineære statistiske modellar

ST0202 Statistikk for samfunnsvitere Kapittel 13: Lineær regresjon og korrelasjon

Løsningsforslag øving 9, ST1301

EKSAMENSOPPGAVE. B154 «Tabeller og formler i statistikk» av Kvaløy og Tjelmeland. To A4-ark (4 sider) med egne notater. Godkjent kalkulator.

EKSAMENSOPPGAVE STA «Tabeller og formler i statistikk» av Kvaløy og Tjelmeland. To A4-ark/ 4 sider med egne notater. Godkjent kalkulator. Rute.

Notat 3 - ST februar 2005

Tilleggsoppgaver for STK1110 Høst 2015

Øving 12, ST1301 A: B:

Notat 2, ST Sammensatte uttrykk. 27. januar 2006

EKSAMENSOPPGAVER STAT100 Vår 2011

Notat 2, ST januar 2005

Programmering i R - del 2

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

Fra boka: 10.32, 10.33, 10.34, 10.35, 10.3 og (alle er basert på samme datasett).

Eksamensoppgave i TMA4267 Lineære statistiske modeller

Notat 4 - ST februar 2005

Notat 6 - ST februar 2005

Eksamensoppgave i TMA4267 Lineære statistiske modeller

Eksamensoppgave i TMA4267 Lineære statistiske modeller

Forelesning 3 STK3100

EKSAMEN I FAG TMA4315 GENERALISERTE LINEÆRE MODELLER Torsdag 14. desember 2006 Tid: 09:0013:00

vekt. vol bruk

Bioberegninger - notat 4: Mer om sannsynlighetsmaksimering

Eksamen i : STA-1002 Statistikk og. Eksamensdato : 26. september Sted : Administrasjonsbygget. Tillatte hjelpemidler : - Godkjent kalkulator

TMA4240 Statistikk 2014

Løsningsforslag til andre sett med obligatoriske oppgaver i STK1110 høsten 2010

TMA4240 Statistikk Høst 2007

Oppgave 1. Vi må forutsette at dataene kommer fra uavhengige og normalfordelte tilfeldige variable,

Eksamen i: STA-1002 Statistikk og sannsynlighet 2 Dato: Fredag 31. mai 2013 Tid: Kl 09:00 13:00 Sted: Administrasjonsbygget

UNIVERSITETET I OSLO Det matematisk-naturvitenskapelige fakultet

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

EKSAMENSOPPGAVE STA «Tabeller og formler i statistikk» av Kvaløy og Tjelmeland. To A4-ark/ 4 sider med egne notater. Godkjent kalkulator. Rute.

UNIVERSITETET I OSLO

Eksamensoppgave i TMA4267 Lineære statistiske modeller

Løsningsforslag øving 12, ST1301

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

TMA4240 Statistikk 2014

TMA4240 Statistikk Høst 2016

UNIVERSITETET I OSLO

STK juni 2016

Forelesning 7 STK3100/4100

BST Anvendt Makroøkonomi

MOT310 Statistiske metoder 1, høsten 2011 Løsninger til regneøving nr. 7 (s. 1) Oppgaver fra boka: n + (x 0 x) 2 1. n + (x 0 x) 1 2 ) = 1 γ

TMA4245 Statistikk Eksamen desember 2016

EKSAMENSOPPGAVE STA-2004.

Prosjektoppgaver om diusjonsprosesser og diusjonstilnærmelse

Forelesning 8 STK3100/4100

Løsningsforslag. n X. n X 1 i=1 (X i X) 2 og SY 2 = 1 ny S 2 X + S2 Y

TMA4240 Statistikk Høst 2009

EKSAMENSOPPGAVE STA-1001.

Oppgave 1. . Vi baserer oss på at p 47 1 og p 2 er tilnærmet normalfordelte (brukbar tilnærming). Vi har tilnærmet at (n 1 = n 2 = 47)

Forelesning 8 STK3100

Eksamensoppgave i ST2304 Statistisk modellering for biologer og bioteknologer

TMA4240 Statistikk Høst 2009

Eksamen i : STA-1002 Statistikk og. Eksamensdato : 3. juni Sted : Administrasjonsbygget. Tillatte hjelpemidler : - Godkjent kalkulator

Løsningsforslag: STK2120-v15.

TMA4240 Statistikk Høst 2009

Tillatte hjelpemidler: C3: alle typer kalkulator, alle andre hjelpemidler

Matematisk evolusjonær genetikk, ST2301 Onsdag 15. desember 2004 Løsningsforslag

Oppgave 1: Forslag til løsning Bjørn Høyland 1/23/2019

Eksamen i: STAT100 Statistikk. Tid: Tirsdag (3.5 timer)

Variansanalyse og lineær regresjon notat til STK2120

EKSAMEN I FAG TMA4260 INDUSTRIELL STATISTIKK

UNIVERSITETET I OSLO

TMA4240 Statistikk Høst 2016

TMA4240 Statistikk Eksamen desember 2015

EKSAMENSOPPGAVE STA «Tabeller og formler i statistikk» av Kvaløy og Tjelmeland. To A4-ark/ 4 sider med egne notater. Godkjent kalkulator. Rute.

UNIVERSITETET I OSLO

Fasit og løsningsforslag STK 1110

Løsningsforslag øving 8, ST1301

Kp. 12 Multippel regresjon

Kp. 11 Enkel lineær regresjon (og korrelasjon) Kp. 11 Regresjonsanalyse; oversikt

UNIVERSITETET I OSLO

Gruvedrift. Institutt for matematiske fag, NTNU. Notat for TMA4240/TMA4245 Statistikk

Til nå, og så videre... TMA4240 Statistikk H2010 (25) Mette Langaas. Foreleses mandag 15.november, 2010

Eksamensoppgave i TMA4240 Statistikk

ECON240 VÅR / 2016 BOKMÅL

Løsningsforslag, eksamen MA1101/MA6101 Grunnkurs i analyse I, vår 2009

Løsningsforslag eksamen 27. februar 2004

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

MASTER I IDRETTSVITENSKAP 2018/2020. Individuell skriftlig eksamen. STA 400- Statistikk. Mandag 18. mars 2019 kl

Eksamensoppgave i ST1201/ST6201 Statistiske metoder

Fasit for tilleggsoppgaver

UNIVERSITETET I OSLO

LØSNINGSFORSLAG TIL EKSAMEN I FAG TMA4240 STATISTIKK Mandag 12. desember 2011

EKSAMEN I TMA4255 ANVENDT STATISTIKK

Tillatte hjelpemidler: C3: alle typer kalkulator, alle andre hjelpemidler

Forelesning 11 STK3100/4100

Ridge regresjon og lasso notat til STK2120

Generelle lineære modeller i praksis

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

Transkript:

Norges teknisk-naturvitenskapelige universitet Institutt for matematiske fag Side 1 av 5 Bioberegninger, ST1301 Onsdag 1. juni 2005 Løsningsforslag Oppgave 1 a) Verdien av uttrykkene blir som følger: > kjonn==1 [1] TRUE TRUE TRUE FALSE FALSE FALSE TRUE > kjonn==1 & tronder [1] FALSE TRUE TRUE FALSE FALSE FALSE FALSE > hoyde[kjonn==1 & tronder] [1] 1.80 1.84 > mean(hoyde[kjonn==1 & tronder]) [1] 1.82 De to første uttrykken blir logiske vektorer (den logiske operatoren & virker elementvis). Når den logiske vektoren i andre uttrykk brukes som indeks i uttrykk 3 velges andre og tredje element av vektoren hoyde ut. I siste linje beregnes gjennomsnittshøyden til trøndere av det ene kjønnet. b) 1:5*2 1:(5*2) Uttrykkene har forskjellig verdi fordi operatoren : har høyere prioritet enn operatoren *. Dermed vil deluttrykket 1:5 beregnes først (en vektor med element 1,2,3,4,5) og så multipliseres elementene i denne vektoren med tallet 2. Dermed blir verdien av første uttrykk vektoren (2, 4, 6, 8, 10) mens det andre uttrykket får verdi (1, 2, 3,..., 10) fordi uttrykket 5 2 her beregnes først på grunn av parantes. c) xxx <- function(x) { n <- length(x) z <- x[1] for (i in 2:n) { if (x[i]>z) {

ST1301, 1. juni 2005 Løsningsforslag Side 2 av 5 z z <- x[i] Gjør vi funksjonskallet xxx(c(1,2,5,-1,2,6,2,-3)) vil n først få verdien 8, og z verdien av første element til argumentet x, altså 1. Så ser vi på de restrende elementene av x og tester om ett gitt element er større enn z; hvis det er tilfelle tilordnes verdien til z. Dermed vil z til slutt inneholde største verdi av x, nemlig tallet 6 som returneres som funksjonsverdi. Oppgave 2 Coefficients: Estimate Std. Error t value Pr(> t ) (Intercept) 8.3102269 1.8215891 4.562 0.0103 * areal 0.0027429 0.0007245 3.786 0.0193 * --- Signif. codes: 0 *** 0.001 ** 0.01 * 0.05. 0.1 1 Residual standard error: 3.057 on 4 degrees of freedom Multiple R-Squared: 0.7818, Adjusted R-squared: 0.7273 F-statistic: 14.33 on 1 and 4 DF, p-value: 0.01934 a) Modellen kan skrives på formen y = a + bx + ɛ, (1) hvor y er antall arter og x er arealet av et gitt reservat. Parameterne i modellen er a, b, og variansen til ɛ, σ 2 = Var(ɛ). Estimatene av a og b er â = 8.31 og ˆb = 0.0027. Estimatet av σ er ˆσ = 3.05. Dersom arealet i et gitt reservat er x = 5000 blir forventet antall arter 8.31 + 0.0027 5000 = 21.8. b) I tabellen over Coefficients finner vi at p-verdien for testen av H 0 : a = 0 vs. H 1 : a 0 er 0.0193 som betyr at H 0 kan forkastes for signikansnivå valgt lik α = 0.05. Altså kan vi konkludere med at arealet påvirker antall arter i et gitt reservat. c) Hvis antall arter y skal gå mot null når arealet x går mot null må parameteren a = 0. p- verdien for denne testen er 0.0103 slik at også denne nullhypotesen kan forkastes. Dersom vi tror på modellen som er tilpasset kan vi altså konkludere med at forventet antall arter

ST1301, 1. juni 2005 Løsningsforslag Side 3 av 5 i et område med areal lik 0 vil være større enn null. A priori vet vi at dette ikke kan være tilfelle fordi et individ av en gitt art jo nødvendigvis ikke kan få plass i et punkt i planet. Derfor er det rimelig å anta at parameteren a = 0 på tross av det signifikante test-resultatet. Det kan stilles spørsmål ved om sammenhengen er linjær, en alternativ modell ville være å anta E(y) = ax b hvor a og b igjen er ukjente konstanter. Dessuten virker det urimelige å anta at y er normalfordelt og kontinuerlig fordelt; dette innebærer y vil kunne ta negative og ikke-heltallige verdier. Oppgave 3 a) Ved den nye likevekten vil dn/dt = 0 slik at N = N oppfyller ligningen ( rn 1 ln N ) c = 0. (2) ln K b) Vi lar f(n) = rn(1 ln N/ ln K) c. Da får vi at slik at iterasjonsligningen blir f (N) = r(1 1 (ln N + 1)), (3) ln K N i+1 = N i f(n i) f (N i ) = N i rn i(1 ln N i / ln K) c r(1 (ln N i + 1)/ ln K). (4) (5) c) Kontrakt: flyttall, flyttall, flyttall -> flyttall Hensikt: Å beregne likevektspopulasjonsstørrelsen i modell med gompertz tetthetsregulering og konstant høstingsrate c gitt parameterne r, K, og c. Eksempel: likevekt(.5,100,0) skal returnere 100 siden N* er lik K når c=0. Definisjon: likevekt <- function(r,k,c) { N <- K Dette er antakelig en fornuftig startverdi... repeat { forrige.n <- N

ST1301, 1. juni 2005 Løsningsforslag Side 4 av 5 N N <- N - (r*n*(1-log(n)/log(k)-c))/ (r*(1-(log(n)+1)/log(k))) if (abs(n-forrige.n)<1e-6) break() d) Bare i ett tilfelle vet vi det eksakte svaret, nemlig når c = 0. Da oppfyller N = N rn(1 ln N ln K ) = 0 (6) som har løsning N = K. Altså skal funksjonen returnere tallet vi oppgir som K hvis argumentet c = 0. For eksempel skal funksjonkallet likevekt(.5,100,0) gi 100 som verdi. Oppgave 4 a) Hvis T 1, T 2,..., T 5 tar verdiene 220, 70, 79, 85 og 160 betyr det at alle artene (hele samfunnet) har utdødd ved tidpunktet W = 220. Vi har altså at W er en bestemt funksjon av T i ene, nemlig funksjonen W = max(t 1, T 2,..., T n ). b) Siden W er en funksjon av T i ene kan vi simulere en realisajon av W ved først å simulere en realisajon av T 1, T 2,..., T n (ved bruk av rexp) og så beregne tilhørende verdi av W ved bruk av funksjonen max i R. Gjentar vi dette 1000 ganger kan E(W ) estimeres ved snittet av alle de simulerte verdiene av W. Merk vi har brukt parameteriseringen f(t) = 1 exp( t ) (da er E(T ) = β) mens R bruker β β parameteriseringen f(t) = λ exp( λt) slik at λ uttrykkt ved vår β blir λ = 1/β. forventet.levetid.samfunn : heltall, flyttall -> flyttall Hensikt: Beregne forventet levetid til et samfunn bestående av n arter, hver med uavhengig eksponentiellt fordelte levetider med forventinger lik beta. Eksempel: forventet.levetid(1,100) bør gi 100 som svar forventet.levetid(2,100) bør gi et tall større enn 100 som svar

ST1301, 1. juni 2005 Løsningsforslag Side 5 av 5 Definisjon: forventet.levetid.samfunn <- function(n,beta) { W <- rep(na,1000) for (i in 1:1000) { T <- rexp(n=n,rate=1/beta) én realisasjon av levetidene til de n artene W[i] <- max(t) tilhørende realisasjon av levetiden til samfunnet mean(w) snittet av alle de 1000 realisasjonen av W blir estimatet av E(W)