HØGSKOLEN I SØR-TRØNDELAG Avdeling for teknologi

Like dokumenter
HØGSKOLEN I SØR-TRØNDELAG Avdeling for teknologi

HØGSKOLEN I SØR-TRØNDELAG Avdeling for teknologi

HØGSKOLEN I SØR-TRØNDELAG Avdeling for teknologi

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

Emnenavn: Metode 1, statistikk deleksamen. Eksamenstid: 4 timer. Faglærer: Bjørnar Karlsen Kivedal

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

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

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

Løsning TALM1005 (statistikkdel) juni 2017

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

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

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

MOT310 Statistiske metoder 1, høsten 2011

ÅMA110 Sannsynlighetsregning med statistikk, våren 2007 Oppsummering

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

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

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.

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

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

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

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

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

TMA4245 Statistikk Eksamen mai 2017

EKSAMENSOPPGAVE. Mat-1060 Beregningsorientert programmering og statistikk

TMA4240 Statistikk Høst 2015

TMA4240 Statistikk Høst 2016

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 =

Statistikk og økonomi, våren 2017

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

Kap. 9: Inferens om én populasjon

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

KLMED8004 Medisinsk statistikk. Del I, høst Estimering. Tidligere sett på. Eksempel hypertensjon

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

ÅMA110 Sannsynlighetsregning med statistikk, våren 2007

Kapittel 7: Noen viktige sannsynlighetsfordelinger

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

Estimering 1 -Punktestimering

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

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

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

Econ 2130 Forelesning uke 11 (HG)

Kapittel 7: Noen viktige sannsynlighetsfordelinger

Kap. 9: Inferens om én populasjon

Hypotesetesting, del 4

ÅMA110 Sannsynlighetsregning med statistikk, våren 2007

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

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

Estimering 1 -Punktestimering

ÅMA110 Sannsynlighetsregning med statistikk, våren 2006

ECON240 Statistikk og økonometri

2. Hypotesetesting i ulike sitausjoner: i. for forventingen, μ, i målemodellen med normalantakelse og kjent varians, σ 2.

Løsningsforslag ST1101/ST6101 kontinuasjonseksamen 2018

Noen vanlige. Indikatorfordeling: 1, dersom suksess. I mange situasjoner kan fenomenet vi ser på. 0, dersom ikke suksess

TMA4240 Statistikk Høst 2009

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)

HØGSKOLEN I SØR-TRØNDELAG Avdeling for teknologi

LØSNINGSFORSLAG TIL EKSAMEN I FAG TMA4240 STATISTIKK 5.august 2004

Kort repetisjon fra kapittel 4. Oppsummering kapittel ST0202 Statistikk for samfunnsvitere. Betinget sannsynlighet og trediagram

Eksempeloppgave REA3028 Matematikk S2 Eksempel på eksamen våren 2015 etter ny ordning. Ny eksamensordning. Del 1: 3 timer (uten hjelpemidler)

Løsningsforslag for andre obligatoriske oppgave i STK1100 Våren 2007 Av Ingunn Fride Tvete og Ørnulf Borgan

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

LØSNINGSFORSLAG TIL EKSAMEN I FAG TMA4245 STATISTIKK 6.august 2004

AVDELING FOR INGENIØRUTDANNING EKSAMENSOPPGAVE

Oversikt over konfidensintervall i Econ 2130

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

Løsningsforsalg til første sett med obligatoriske oppgaver i STK1110 høsten 2018

Rep.: generelle begrep og definisjoner Kp. 10.1, 10.2 og 10.3

Løsningsforslag Oppgave 1

Introduksjon. Hypotesetesting / inferens (kap 3) Populasjon og utvalg. Populasjon og utvalg. Populasjonsvarians

TMA4240 Statistikk H2010

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

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

TMA4240 Statistikk Høst 2016

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

Oversikt over konfidensintervall i Econ 2130

UNIVERSITETET I OSLO ØKONOMISK INSTITUTT

Kapittel 8: Estimering

Forventningsverdi. MAT0100V Sannsynlighetsregning og kombinatorikk

Konfidensintervall. Notat til STK1110. Ørnulf Borgan, Ingrid K. Glad og Anders Rygh Swensen Matematisk institutt, Universitetet i Oslo.

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

Estimering 2. -Konfidensintervall

TMA4240 Statistikk Høst 2016

TMA4245 Statistikk Eksamen 9. desember 2013

Oppgaver fra boka: X 2 X n 1

LØSNING: Eksamen 28. mai 2015

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

TMA4245 Statistikk Eksamen august 2015

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

Oversikt, del 5. Vi har sett på styrkefunksjon for ensidige tester. Eksempler (styrke, dimensjonering,...) Eksempler fra slutten av forrige uke

Sammendrag i statistikk

TMA4240 Statistikk Eksamen desember 2015

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

Løsningsforsalg til første sett med obligatoriske oppgaver i STK1110 høsten 2015

ÅMA110 Sannsynlighetsregning med statistikk, våren 2011

TMA4245 Statistikk Vår 2015

UNIVERSITETET I OSLO

MOT310 Statistiske metoder 1, høsten 2012

Eksamen REA3028 S2, Våren 2010

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

Transkript:

HØGSKOLEN I SØR-TRØNDELAG Avdelig for tekologi Målform: Bokmål Eksamesdato: Tirsdag 3. desember 03 Varighet/eksamestid: 5 timer Emekode: TALM005-A Emeav: Statistikk og Økoomi Klasse(r): Kjemi, Material, Logistikk Bygg Elektro, Forybar eergi Maski Studiepoeg: 0 studiepoeg Faglærer(e): (av og telefor på eksamesdage) Kotaktperso(adm.) (fylles ut ved behov ku ved kursemer) Hjelpemidler: Oppgavesettet består av: (atall oppgaver og atall sider ikl. forside) Kjetil Liestøl Nielse (970 85 486), Perille Friis, Lars Egvik Audu Grøm (986 45 59), Eirik Spets Kalkulator gruppe C, formelark (statistikk) på 5 sider, tabeller (statistikk) på 9 sider, formelark (økoomi) på sider, retetabeller med forklarig. 7 oppgaver (totalt 5 deloppgaver), 6 sider (ikl dee forside) + vedlegg. Vedlegg består av: (atall sider) Formelark (statistikk) på 5 sider, tabeller (statistikk) på 9 sider, formelark (økoomi) på sider og retetabeller. Merkader: Oppgavetekste ka beholdes av studeter som sitter eksamestide ut. Studetee skal levere statistikkdele (oppg. -4) og økoomidele (oppg. 5-7) separat i hvert sitt omslagsark. NB! Les gjeom hele oppgavesettet før du begyer arbeidet, og dispoer tide. Statistikkdele og økoomidele teller 50% hver (gitt at lærigsmålee er tilfredsstillede oppfylt). Beregigsmetode(r) skal vises og svar skal begrues tilstrekkelig. Ved bruk av tabell skal det refereres til de aktuelle tabelle. Dersom oe virker uklart i oppgavsettet, skal du gjøre die ege atagelser og forklare dette i besvarelse. Lykke til!

Del - Statistikk Oppgave Hva er mest sasylig av å få mist é sekser på 6 terigkast eller mist to seksere på terigkast? Reg ut begge sasylighetee. Oppgave Det atas at e test for e bestemt sykdom gir feil utslag i 5 % av tilfellee for persoer som ikke har sykdomme, og i % av tilfellee for persoer som har sykdomme. 3 % av befolkige atas å ha sykdomme. Fi sasylighete for at e tilfeldig perso ikke har sykdomme, gitt at teste idikerer sykdom. Oppgave 3 Atall utrykiger fra e legevakt ka beskrives med e Poisso-fordelig med e itesitet på.5 utrykiger per dag. a) Reg ut sasylighete for at det skjer mer e tre utrykiger i løpet av e dag. b) Reg ut sasylighete for at det skjer mist 0 utrykiger i løpet av e periode på fire dager. c) Bereg (tilærmet) sasylighete (ute bruk av statistikkverktøyee på kalkulator) for at gjeomsittlig atall utrykiger per dag i løpet av år (365 dager) er høyst.4. Oppgave 4 (NB: I dee oppgave skal sasyligheter bereges ute bruk av statistikkverktøyee på kalkulator. E maski aalyserer jordprøver ved et laboratorium. Ata at tide maskie bruker på å aalysere e tilfeldig prøve, X, er ormalfordelt med µ = 50 sekuder og σ = 36 sekuder. a) Hva er sasylighete for at maskie bruker mer e 00 sekuder på å aalysere e jordprøve? b) Ata at maskie bruker mer e 00 sekuder på å aalysere e bestemt jordprøve. Hva er da sasylighete for at dee aalysetide er høyst 50 sekuder? (oppgave 4 fortsetter på este side)

Etter e kalibrerig av maskie, vil ma udersøke om maskie fortsatt har e forvetet aalysetid på 50 sekuder. Det blir tatt 5 måliger, og gjeomsittlig aalysetid blir målt til 30 sekuder. Vi atar at aalysetide på e tilfeldig valgt jordprøve fortsatt er ormalfordelt med σ = 36 og at måligee er uavhegige av hveradre. c) Bereg et 95% kofidesitervall for forvetet aalysetid etter kalibrerig. d) Still opp e hypotesetest med sigifikasivå 5 % for å avgjøre om vi ka påstå at forvetet aalysetid for maskie etter kalibrerig er ulik 50 sekuder. Gjeomfør hypoteseteste med måligee etter kalibrerig. e) Grafe over viser styrkefuksjoe for hypoteseteste i oppgave d). i. Hva er sasylighete for å kokludere rett ved hypoteseteste i d) hvis vi atar at maskies forvetede aalysetid ikke har edret seg etter kalibrerig? ii. Gitt at maskie faktisk hadde e forvetet aalysetid på 30 sekuder etter kalibrerig, hva er da sasylighete for at vi kommer til å kokludere feil ved hypoteseteste i d)? 3

Del - Økoomi Oppgave 5 Vakraft AS øsker å bygge e kraftstasjo. Kraftstasjoe vil koste 4.8 millioer kroer. Kraftstasjoe har e levetid på fem år, og de vil i gjeomsitt produsere strøm til e bereget salgspris på, millioer kroer i året. Kraftstasjoe vil være verdiløs etter fem år. Avkastigskravet er satt til 7 %. Lø og vedlikeholdskostader vil beløpe seg på millio kroer i året. a) Bereg ivesteriges åverdi. Er ivesterige løsom? b) Vakraft AS vurderer å søke om støtte fra state side de produserer grø eergi. Hvor mye må de få i støtte i året for at prosjektet skal bli løsomt? c) Nev de ulike risikofaktoree til dette prosjektet? Kom med e kort begruelse hvorfor det er satt et avkastigskrav på 7 %. d) Vakraft AS vurderer å ta opp et lå. De vil låe 00 000 kroer som de plalegger å ha i 3 år. Lået er avdragsfritt i 3 år. Rete på 7 % skal betales etterskuddsvis hvert år. På låetidspuktet betales et gebyr på kr 3000. Dessute må de betale et termigebyr på kroer 500 ved hvert betaligstidspukt. Reg ut de effektive rete for lået. e) Normalt vil e betale reter på et lå etterskuddsvis, i hvilke retig ville de effektive rete bevege seg om retee + gebyr ble krevd forskuddsvis? Hvorfor? 4

Oppgave 6 To dyktige igeiørstudeter vurderer å starte opp e ege bedrift i starte av 03. De har spart opp 50 000 kr hver, me har ikke råd til å tape oe utover dette. Side det er mage aktører som driver på med det samme, og at itrede i markedet krever store ivesteriger vil dette være ivesterig med høy risiko. a) Hvilket type foretak bør de to studetee opprette og hvorfor? De plalegger å kjøpe i e maski til 5 000 000 kr som skal lage et helt ytt og revolusjoerede produkt. Kalkyle for produktet ser slik ut: Direkte materiale Direkte lø i produksjosavdelig Betalbare salgs - og admiistrasjoskostader Sum betalbare kostader 5 kr kr 3 kr 0 kr Vi reger med at salgsprise per ehet vil ligge på 5 kr. De kommer til å produsere 700 000 stykk hvert år. Materialee settes i med e gag, mes løskostadee påløper jevt uder produksjo. Bedrifte vil operere med følgede fakta: Råvarelager: Tilvirkigsprossese tar: Omløpshastighet for ferdigvarelager: Kredittid til kuder: Likviditetsreserve: Kredittid til leveradører: måeder uke 60 gager per år måed 300 000 kr måed b) Bereg det totale kapitalbehovet. c) Hva går forsiktighetsprisippet ut på? Trodheim IgStud AS hadde i fjor e gjeomsittlig dekigsgrad på 40 %. Bedriftes faste kostader var på kroer 000 000 per år. Overskuddet beløp seg til 400 000 kroer. d) Bereg dekigspuktsomsetig og sikkerhetsmargi i proset. e) For å øke salget plalegger bedrifte å redusere de gjeomsittlige prise med 0 %. Bereg de ye dekigsgrade. 5

Oppgave 7 Ved slutte av året har e bedrift følgede balaseposter: Fiaskostader Varelager Maski Itekter Egekapital Patelå Løskostader Kudefordriger Leveradørgjeld Kortsiktig lå Fiasitekter Bakiskudd Varekostader 300 000 kr 300 000 kr 800 000 kr 300 000 kr 00 000 kr 00 000 kr 350 000 kr 00 000 kr 700 000 kr 300 000 kr 50 000 kr 00 000 kr 00 000 kr Evetuelt overskudd eller uderskudd er lagt til/trukket fra egekapitale. a) Utarbeid balase og resultatkoto for dee bedrifte. b) Bereg totalretabilitete og kommeter de. Hvorda ka de forbedre de? c) Kommeter soliditete til bedrifte ved slutte av året. d) Maskie ble kjøpt i ved slutte av året. Maskie har e lieær avskrivig på 0 år med e utragerigsverdi på 00 000 kr. Bereg årlig avskrivig este år og vis hvorda dette ville blitt ført regskapsmessig ved bruk av t-koto. I tillegg kommeter om dette vil påvirke resultatet for este år. e) E bedrift har et lå i e bak. Bake setter opp retee, oe som medfører høyere retekostader for bedrifte. Hvorda påvirker de økte retekostader totalretabilitete for bedrifte? 6

ALM00M STATISTIKK FORMELSAMLING [/3] Gruleggede formler i sasylighetsregige Geerell addisjossetig P(A B) = P(A) + P(B) P(A B) Betiget sasylighet P(A B) P(A B) = P(B) Ge. multiplikasjosregel P(A B) = P(B) P(A B) eller P(A B) = P(A) P(B A) Total sasylighet r P(B) P(A B) P(A) = P(B i) P(A B i) Bayes lov P(B A) = i= P(A) A og B uavhegige P(A B) = P(A) P(B) P(A B) = P(A) P(B A) = P(B) Kombiatorikk Atall forskjellige utvalg år s eheter trekkes fra e populasjo på N eheter: Ordet utvalg, med tilbakeleggig! Ordet utvalg, ute tilbakeleggig ( N) = N( N N ) ( N s + ) = s ( N s)! N (N) s N! Uordet utvalg, ute tilbakeleggig ( ) s = s! = s!(n s)! N s Geerelt om sasylighetsfordeliger for variabel Fordeligsfuksjo F(x) = P(X x) Forvetig Varias P(a < X b) = F(b) F(a) Stadardavvik σ= SD(X) = Var(X) x x F(x) = f (u) du f(x) = F'(x) µ= E(X) = x P(X = x) µ= E(X) = x f(x) dx E [g(x)] = g ( x ) P ( X = x ) E [g(x)] = g(x) f (x) dx x σ = Var(X) = E[(X µ ) ] = E(X ) µ = ( x P(X = x)) µ x Geerelt om sasylighetsfordeliger for variable Simultafordelig for X og Y P[(X = x) (Y = y)] Forvetig E[g(X, Y)] = g(x, y) P[(X = x) (Y = y)] Kovarias Cov(X,Y) = E[(X µ )(Y µ )] = E(X Y) µ µ Korrelasjoskoeffisiet Cov(X, Y) ρ (X,Y) = σ σ x y

Spesielle diskrete sasylighetsfordeliger Biomisk fordelig X ~ bi(, p): x = ( ) x x P(X = x) p ( p) E(X) = p Var(X) = p ( p) Hypergeometrisk fordelig X ~ hypergeom(n, M, ): P ( X = x ) = ( M x ) ( N M x ( N ) ) E(X) = θ N Var(X) = θ( θ) N der θ= M N Poissofordelig X ~ Po(λ): Her er λ = α t eller α v eller α f x λ P(X = x) = e x! E(X) = λ λ Var(X) = λ Spesielle kotiuerlige sasylighetsfordeliger Ekspoesialfordelig T ~ eksp(α): f(t) = α e αt for t > 0 F(t) = e αt for t > 0 E(T) = Var(T) = α α Rektagulær fordelig X R(a, b): f(x) = b a for a < x < b a+ b E(X) = Var(X) = (b a) Stadard ormalfordelig U N(0,): P(U u) = G(u) G( u) = G(u) Geerell ormalfordelig X N(µ, σ ): x µ F(x) = P(X x) = G σ

Regler for forvetig og varias E(aX + b) = a E(X) + b E(X + X ) = E(X ) + E(X ) Var(aX + b) = a Var(X) Var(X + X ) = Var(X ) + Var(X ) år X og X er uavhegige. Puktestimerig av forvetig µ og varias σ i målemodelle Puktestimator for forvetig: Puktestimator for varias: µ= ˆ X= Xi i = σ E( µ ɵ ) = µ Var( µ ɵ ) = S = (X X) = ( X X ) i i= i= i ES ( ) =σ Tilærmiger Setralgresesetige (gjelder alle fordeliger): Dersom X, X,, X er uavhegige og idetisk fordelte stokastiske variable med forvetig µ og varias σ, så er for store verdier av ( 30): X + X + + X N ( µ, σ ) og σ X = (X+ X+ + X ) N µ, Sammeheg mellom spesielle fordeliger: hypergeom(n, M, ) N 00. 00., θ ( θ ) 0 N N(µ, σ ) p( p) 0 λ 0 bi(, p) 50 p 0.05 Po(λ) 3

Itervallestimerig og hypotesetestig i målemodelle σ kjet, ormalfordelte observasjoer eller stort atall observasjoer ( 30): ( α) 00 % kofidesitervall for forvetige µ: u α σ Utvalgsstørrelse: = d X± u α σ der d er kofidesitervallets feilmargi. X µ 0 µ µ 0 Testobservator for H 0 : µ = µ 0 : U 0 = ~ N, σ σ σ ukjet, ormalfordelte observasjoer: ( α) 00 % kofidesitervall for forvetige µ: X± t S α, X µ 0 Testobservator for H 0 : µ = µ 0 : T0 = S Når H 0 er sa, er T 0 t-fordelt med ( ) frihetsgrader. Itervallestimerig og hypotesetestig i Poissomodell, vha. ormaltilærmig Tilærmet ( α) 00 % kofidesitervall for λ: λ λ ˆ 0 Testobservator for H 0 : λ = λ 0 : U0 = λ 0 λ± ˆ λ ˆ der λ ˆ = X u α Itervallestimerig og hypotesetestig i biomisk modell, vha. ormaltilærmig Tilærmet ( α) 00 % kofidesitervall for p: p( ˆ p) ˆ ˆp± uα der ɵp = Testobservator for H 0 : p = p 0 : U0 = ˆp p0 p( 0 p) 0 Itervallestimerig og hypotesetestig i hypergeometrisk modell, vha. ormaltilærmig Tilærmet ( α) 00 % kofidesitervall for Testobservator for H 0 : θ = θ 0 : X M θ= : Aalogt med biomisk modell. N Aalogt med biomisk modell. 4

Korrelasjo = X i i = i= i= S (X X) ( X ) X S = (X X)(Y Y) = ( X Y) X Y XY i i i i i= i= SXY Empirisk korrelasjoskoeffisiet: R = S S X = Y i i = i= i= S (Y Y) ( Y ) Y Y Regresjosmodelle par observasjoer av x og Y: (x,y ), (x,y ),, (x,y ) Y, Y,, er uavhegige og ormalfordelte stokastiske variable. Y E(Y i ) = β 0 + β x i Var(Y i ) = σ i =,,, der x, x,, x er kjete tall. i =,,, Miste kvadraters estimatorer: ˆ β = (xi x) Yi = xiyi x Y M i= M i= β ˆ = Y ˆ 0 β der x ˆ σ β ~ N ( β, ) ˆ σ β 0 ~ N ( β0, x i ) M M Estimert regresjoslije: Ŷ=β ˆ ˆ 0 +β x i i i= i= M = (x x) = ( x ) x i = Itervallestimerig og hypotesetestig i regresjosmodelle σ kjet: Kofidesitervall for β : ˆ σ β± u α M Testobservator for H 0 : 0 β =β 0 0 β β ˆ β β U 0 = ~ N, σ σ M M σ ukjet: Ikke pesum 5

N(0, )-FORDELINGEN : G(x) = P(X x) Eksempel: x =.04 gir P(X.04) = G(.04) = 0.9793. For egative verdier beyttes formele: G( x) = G(x). x 0.00 0.0 0.0 0.03 0.04 0.05 0.06 0.07 0.08 0.09 0.0.5000.5040.5080.50.560.599.539.579.539.5359 0..5398.5438.5478.557.5557.5596.5636.5675.574.5753 0..5793.583.587.590.5948.5987.606.6064.603.64 0.3.679.67.655.693.633.6368.6406.6443.6480.657 0.4.6554.659.668.6664.6700.6736.677.6808.6844.6879 0.5.695.6950.6985.709.7054.7088.73.757.790.74 0.6.757.79.734.7357.7389.74.7454.7486.757.7549 0.7.7580.76.764.7673.7704.7734.7764.7794.783.785 0.8.788.790.7939.7967.7995.803.805.8078.806.833 0.9.859.886.8.838.864.889.835.8340.8365.8389.0.843.8438.846.8485.8508.853.8554.8577.8599.86..8643.8665.8686.8708.879.8749.8770.8790.880.8830..8849.8869.8888.8907.895.8944.896.8980.8997.905.3.903.9049.9066.908.9099.95.93.947.96.977.4.99.907.9.936.95.965.979.99.9306.939.5.933.9345.9357.9370.938.9394.9406.948.949.944.6.945.9463.9474.9484.9495.9505.955.955.9535.9545.7.9554.9564.9573.958.959.9599.9608.966.965.9633.8.964.9649.9656.9664.967.9678.9686.9693.9699.9706.9.973.979.976.973.9738.9744.9750.9756.976.9767.0.977.9778.9783.9788.9793.9798.9803.9808.98.987..98.986.9830.9834.9838.984.9846.9850.9854.9857..986.9864.9868.987.9875.9878.988.9884.9887.9890.3.9893.9896.9898.990.9904.9906.9909.99.993.996.4.998.990.99.995.997.999.993.993.9934.9936.5.9938.9940.994.9943.9945.9946.9948.9949.995.995.6.9953.9955.9956.9957.9959.9960.996.996.9963.9964.7.9965.9966.9967.9968.9969.9970.997.997.9973.9974.8.9974.9975.9976.9977.9977.9978.9979.9979.9980.998.9.998.998.998.9983.9984.9984.9985.9985.9986.9986 3.0.9987.9987.9987.9988.9988.9989.9989.9989.9990.9990 3..9990.999.999.999.999.999.999.999.9993.9993 3..9993.9993.9994.9994.9994.9994.9994.9995.9995.9995 3.3.9995.9995.9995.9996.9996.9996.9996.9996.9996.9997 3.4.9997.9997.9997.9997.9997.9997.9997.9997.9997.9998 3.5.9998.9998.9998.9998.9998.9998.9998.9998.9998.9998 3.6.9998.9998.9999.9999.9999.9999.9999.9999.9999.9999 3.7.9999.9999.9999.9999.9999.9999.9999.9999.9999.9999 3.8.9999.9999.9999.9999.9999.9999.9999.9999.9999.9999 3.9.0000.0000.0000.0000.0000.0000.0000.0000.0000.0000 Kvatiltabell: α 0.0 0.0 0.05 0.05 0.0 0.0 0.005 0.00 0.00 u α 0.84.8.645.960.054.36.576.878 3.090

KVANTILTABELL FOR t-fordelingen Tabelle gir t α, m som er α-kvatile i t-fordelige med m frihetsgrader. P(T > t α, m) = α der T ~ t m Eksempel: t 0.0, =.356. Det betyr at P(T >.356) = 0.0 år T ~ t. m α 0.0 0.0 0.05 0.05 0.0 0.0 0.005.376 3.078 6.34.706 5.894 3.8 63.656.06.886.90 4.303 4.849 6.965 9.95 3 0.978.638.353 3.8 3.48 4.54 5.84 4 0.94.533.3.776.999 3.747 4.604 5 0.90.476.05.57.757 3.365 4.03 6 0.906.440.943.447.6 3.43 3.707 7 0.896.45.895.365.57.998 3.499 8 0.889.397.860.306.449.896 3.355 9 0.883.383.833.6.398.8 3.50 0 0.879.37.8.8.359.764 3.69 0.876.363.796.0.38.78 3.06 0.873.356.78.79.303.68 3.055 3 0.870.350.77.60.8.650 3.0 4 0.868.345.76.45.64.64.977 5 0.866.34.753.3.49.60.947 6 0.865.337.746.0.35.583.9 7 0.863.333.740.0.4.567.898 8 0.86.330.734.0.4.55.878 9 0.86.38.79.093.05.539.86 0 0.860.35.75.086.97.58.845 0.859.33.7.080.89.58.83 0.858.3.77.074.83.508.89 3 0.858.39.74.069.77.500.807 4 0.857.38.7.064.7.49.797 5 0.856.36.708.060.67.485.787 6 0.856.35.706.056.6.479.779 7 0.855.34.703.05.58.473.77 8 0.855.33.70.048.54.467.763 9 0.854.3.699.045.50.46.756 30 0.854.30.697.04.47.457.750 3 0.853.309.696.040.44.453.744 3 0.853.309.694.037.4.449.738 33 0.853.308.69.035.38.445.733 34 0.85.307.69.03.36.44.78 35 0.85.306.690.030.33.438.74 36 0.85.306.688.08.3.434.79 37 0.85.305.687.06.9.43.75 38 0.85.304.686.04.7.49.7 39 0.85.304.685.03.5.46.708 40 0.85.303.684.0.3.43.704 50 0.849.99.676.009.09.403.678 60 0.848.96.67.000.099.390.660 70 0.847.94.667.994.093.38.648 80 0.846.9.664.990.088.374.639 0.84.8.645.960.054.36.576

BINOMISK FORDELING : P(X x) Lijer der alle sasylighetee er lik.000 er ikke tatt med i tabelle. x p 0.05 0.0 0.5 0.0 0.5 0.30 0.40 0.50 0 0.903 0.80 0.73 0.640 0.563 0.490 0.360 0.50 0.998 0.990 0.978 0.960 0.938 0.90 0.840 0.750 3 0 0.857 0.79 0.64 0.5 0.4 0.343 0.6 0.5 0.993 0.97 0.939 0.896 0.844 0.784 0.648 0.500.000 0.999 0.997 0.99 0.984 0.973 0.936 0.875 4 0 0.85 0.656 0.5 0.40 0.36 0.40 0.30 0.063 0.986 0.948 0.890 0.89 0.738 0.65 0.475 0.33.000 0.996 0.988 0.973 0.949 0.96 0.8 0.688 3.000.000 0.999 0.998 0.996 0.99 0.974 0.938 5 0 0.774 0.590 0.444 0.38 0.37 0.68 0.078 0.03 0.977 0.99 0.835 0.737 0.633 0.58 0.337 0.88 0.999 0.99 0.973 0.94 0.896 0.837 0.683 0.500 3.000.000 0.998 0.993 0.984 0.969 0.93 0.83 4.000.000.000.000 0.999 0.998 0.990 0.969 6 0 0.735 0.53 0.377 0.6 0.78 0.8 0.047 0.06 0.967 0.886 0.776 0.655 0.534 0.40 0.33 0.09 0.998 0.984 0.953 0.90 0.83 0.744 0.544 0.344 3.000 0.999 0.994 0.983 0.96 0.930 0.8 0.656 4.000.000.000 0.998 0.995 0.989 0.959 0.89 5.000.000.000.000.000 0.999 0.996 0.984 7 0 0.698 0.478 0.3 0.0 0.33 0.08 0.08 0.008 0.956 0.850 0.77 0.577 0.445 0.39 0.59 0.063 0.996 0.974 0.96 0.85 0.756 0.647 0.40 0.7 3.000 0.997 0.988 0.967 0.99 0.874 0.70 0.500 4.000.000 0.999 0.995 0.987 0.97 0.904 0.773 5.000.000.000.000 0.999 0.996 0.98 0.938 6.000.000.000.000.000.000 0.998 0.99 8 0 0.663 0.430 0.7 0.68 0.00 0.058 0.07 0.004 0.943 0.83 0.657 0.503 0.367 0.55 0.06 0.035 0.994 0.96 0.895 0.797 0.679 0.55 0.35 0.45 3.000 0.995 0.979 0.944 0.886 0.806 0.594 0.363 4.000.000 0.997 0.990 0.973 0.94 0.86 0.637 5.000.000.000 0.999 0.996 0.989 0.950 0.855 6.000.000.000.000.000 0.999 0.99 0.965 7.000.000.000.000.000.000 0.999 0.996

BINOMISK FORDELING : P(X x) Lijer der alle sasylighetee er lik.000 er ikke tatt med i tabelle. x p 0.05 0.0 0.5 0.0 0.5 0.30 0.40 0.50 9 0 0.630 0.387 0.3 0.34 0.075 0.040 0.00 0.00 0.99 0.775 0.599 0.436 0.300 0.96 0.07 0.00 0.99 0.947 0.859 0.738 0.60 0.463 0.3 0.090 3 0.999 0.99 0.966 0.94 0.834 0.730 0.483 0.54 4.000 0.999 0.994 0.980 0.95 0.90 0.733 0.500 5.000.000 0.999 0.997 0.990 0.975 0.90 0.746 6.000.000.000.000 0.999 0.996 0.975 0.90 7.000.000.000.000.000.000 0.996 0.980 8.000.000.000.000.000.000.000 0.998 0 0 0.599 0.349 0.97 0.07 0.056 0.08 0.006 0.00 0.94 0.736 0.544 0.376 0.44 0.49 0.046 0.0 0.988 0.930 0.80 0.678 0.56 0.383 0.67 0.055 3 0.999 0.987 0.950 0.879 0.776 0.650 0.38 0.7 4.000 0.998 0.990 0.967 0.9 0.850 0.633 0.377 5.000.000 0.999 0.994 0.980 0.953 0.834 0.63 6.000.000.000 0.999 0.996 0.989 0.945 0.88 7.000.000.000.000.000 0.998 0.988 0.945 8.000.000.000.000.000.000 0.998 0.989 9.000.000.000.000.000.000.000 0.999 0 0.569 0.34 0.67 0.086 0.04 0.00 0.004 0.000 0.898 0.697 0.49 0.3 0.97 0.3 0.030 0.006 0.985 0.90 0.779 0.67 0.455 0.33 0.9 0.033 3 0.998 0.98 0.93 0.839 0.73 0.570 0.96 0.3 4.000 0.997 0.984 0.950 0.885 0.790 0.533 0.74 5.000.000 0.997 0.988 0.966 0.9 0.753 0.500 6.000.000.000 0.998 0.99 0.978 0.90 0.76 7.000.000.000.000 0.999 0.996 0.97 0.887 8.000.000.000.000.000 0.999 0.994 0.967 9.000.000.000.000.000.000 0.999 0.994 0 0.540 0.8 0.4 0.069 0.03 0.04 0.00 0.000 0.88 0.659 0.443 0.75 0.58 0.085 0.00 0.003 0.980 0.889 0.736 0.558 0.39 0.53 0.083 0.09 3 0.998 0.974 0.908 0.795 0.649 0.493 0.5 0.073 4.000 0.996 0.976 0.97 0.84 0.74 0.438 0.94 5.000 0.999 0.995 0.98 0.946 0.88 0.665 0.387 6.000.000 0.999 0.996 0.986 0.96 0.84 0.63 7.000.000.000 0.999 0.997 0.99 0.943 0.806 8.000.000.000.000.000 0.998 0.985 0.97 9.000.000.000.000.000.000 0.997 0.98 0.000.000.000.000.000.000.000 0.997

BINOMISK FORDELING : P(X x) Lijer der alle sasylighetee er lik.000 er ikke tatt med i tabelle. x p 0.05 0.0 0.5 0.0 0.5 0.30 0.40 0.50 3 0 0.53 0.54 0. 0.055 0.04 0.00 0.00 0.000 0.865 0.6 0.398 0.34 0.7 0.064 0.03 0.00 0.975 0.866 0.69 0.50 0.333 0.0 0.058 0.0 3 0.997 0.966 0.88 0.747 0.584 0.4 0.69 0.046 4.000 0.994 0.966 0.90 0.794 0.654 0.353 0.33 5.000 0.999 0.99 0.970 0.90 0.835 0.574 0.9 6.000.000 0.999 0.993 0.976 0.938 0.77 0.500 7.000.000.000 0.999 0.994 0.98 0.90 0.709 8.000.000.000.000 0.999 0.996 0.968 0.867 9.000.000.000.000.000 0.999 0.99 0.954 0.000.000.000.000.000.000 0.999 0.989.000.000.000.000.000.000.000 0.998 4 0 0.488 0.9 0.03 0.044 0.08 0.007 0.00 0.000 0.847 0.585 0.357 0.98 0.0 0.047 0.008 0.00 0.970 0.84 0.648 0.448 0.8 0.6 0.040 0.006 3 0.996 0.956 0.853 0.698 0.5 0.355 0.4 0.09 4.000 0.99 0.953 0.870 0.74 0.584 0.79 0.090 5.000 0.999 0.988 0.956 0.888 0.78 0.486 0. 6.000.000 0.998 0.988 0.96 0.907 0.69 0.395 7.000.000.000 0.998 0.990 0.969 0.850 0.605 8.000.000.000.000 0.998 0.99 0.94 0.788 9.000.000.000.000.000 0.998 0.98 0.90 0.000.000.000.000.000.000 0.996 0.97.000.000.000.000.000.000 0.999 0.994.000.000.000.000.000.000.000 0.999 5 0 0.463 0.06 0.087 0.035 0.03 0.005 0.000 0.000 0.89 0.549 0.39 0.67 0.080 0.035 0.005 0.000 0.964 0.86 0.604 0.398 0.36 0.7 0.07 0.004 3 0.995 0.944 0.83 0.648 0.46 0.97 0.09 0.08 4 0.999 0.987 0.938 0.836 0.686 0.55 0.7 0.059 5.000 0.998 0.983 0.939 0.85 0.7 0.403 0.5 6.000.000 0.996 0.98 0.943 0.869 0.60 0.304 7.000.000 0.999 0.996 0.983 0.950 0.787 0.500 8.000.000.000 0.999 0.996 0.985 0.905 0.696 9.000.000.000.000 0.999 0.996 0.966 0.849 0.000.000.000.000.000 0.999 0.99 0.94.000.000.000.000.000.000 0.998 0.98.000.000.000.000.000.000.000 0.996

BINOMISK FORDELING : P(X x) Lijer der alle sasylighetee er lik.000 er ikke tatt med i tabelle. x p 0.05 0.0 0.5 0.0 0.5 0.30 0.40 0.50 6 0 0.440 0.85 0.074 0.08 0.00 0.003 0.000 0.000 0.8 0.55 0.84 0.4 0.063 0.06 0.003 0.000 0.957 0.789 0.56 0.35 0.97 0.099 0.08 0.00 3 0.993 0.93 0.790 0.598 0.405 0.46 0.065 0.0 4 0.999 0.983 0.9 0.798 0.630 0.450 0.67 0.038 5.000 0.997 0.976 0.98 0.80 0.660 0.39 0.05 6.000 0.999 0.994 0.973 0.90 0.85 0.57 0.7 7.000.000 0.999 0.993 0.973 0.96 0.76 0.40 8.000.000.000 0.999 0.993 0.974 0.858 0.598 9.000.000.000.000 0.998 0.993 0.94 0.773 0.000.000.000.000.000 0.998 0.98 0.895.000.000.000.000.000.000 0.995 0.96.000.000.000.000.000.000 0.999 0.989 3.000.000.000.000.000.000.000 0.998 7 0 0.48 0.67 0.063 0.03 0.008 0.00 0.000 0.000 0.79 0.48 0.5 0.8 0.050 0.09 0.00 0.000 0.950 0.76 0.50 0.30 0.64 0.077 0.0 0.00 3 0.99 0.97 0.756 0.549 0.353 0.0 0.046 0.006 4 0.999 0.978 0.90 0.758 0.574 0.389 0.6 0.05 5.000 0.995 0.968 0.894 0.765 0.597 0.64 0.07 6.000 0.999 0.99 0.96 0.893 0.775 0.448 0.66 7.000.000 0.998 0.989 0.960 0.895 0.64 0.35 8.000.000.000 0.997 0.988 0.960 0.80 0.500 9.000.000.000.000 0.997 0.987 0.908 0.685 0.000.000.000.000 0.999 0.997 0.965 0.834.000.000.000.000.000 0.999 0.989 0.98.000.000.000.000.000.000 0.997 0.975 3.000.000.000.000.000.000.000 0.994 4.000.000.000.000.000.000.000 0.999 8 0 0.397 0.50 0.054 0.08 0.006 0.00 0.000 0.000 0.774 0.450 0.4 0.099 0.039 0.04 0.00 0.000 0.94 0.734 0.480 0.7 0.35 0.060 0.008 0.00 3 0.989 0.90 0.70 0.50 0.306 0.65 0.033 0.004 4 0.998 0.97 0.879 0.76 0.59 0.333 0.094 0.05 5.000 0.994 0.958 0.867 0.77 0.534 0.09 0.048 6.000 0.999 0.988 0.949 0.86 0.7 0.374 0.9 7.000.000 0.997 0.984 0.943 0.859 0.563 0.40 8.000.000 0.999 0.996 0.98 0.940 0.737 0.407 9.000.000.000 0.999 0.995 0.979 0.865 0.593 0.000.000.000.000 0.999 0.994 0.94 0.760.000.000.000.000.000 0.999 0.980 0.88

BINOMISK FORDELING : P(X x) Lijer der alle sasylighetee er lik.000 er ikke tatt med i tabelle. x p 0.05 0.0 0.5 0.0 0.5 0.30 0.40 0.50 8.000.000.000.000.000.000 0.994 0.95 3.000.000.000.000.000.000 0.999 0.985 4.000.000.000.000.000.000.000 0.996 5.000.000.000.000.000.000.000 0.999 9 0 0.377 0.35 0.046 0.04 0.004 0.00 0.000 0.000 0.755 0.40 0.98 0.083 0.03 0.00 0.00 0.000 0.933 0.705 0.44 0.37 0. 0.046 0.005 0.000 3 0.987 0.885 0.684 0.455 0.63 0.33 0.03 0.00 4 0.998 0.965 0.856 0.673 0.465 0.8 0.070 0.00 5.000 0.99 0.946 0.837 0.668 0.474 0.63 0.03 6.000 0.998 0.984 0.93 0.85 0.666 0.308 0.084 7.000.000 0.996 0.977 0.93 0.88 0.488 0.80 8.000.000 0.999 0.993 0.97 0.96 0.667 0.34 9.000.000.000 0.998 0.99 0.967 0.84 0.500 0.000.000.000.000 0.998 0.989 0.9 0.676.000.000.000.000.000 0.997 0.965 0.80.000.000.000.000.000 0.999 0.988 0.96 3.000.000.000.000.000.000 0.997 0.968 4.000.000.000.000.000.000 0.999 0.990 5.000.000.000.000.000.000.000 0.998 0 0 0.358 0. 0.039 0.0 0.003 0.00 0.000 0.000 0.736 0.39 0.76 0.069 0.04 0.008 0.00 0.000 0.95 0.677 0.405 0.06 0.09 0.035 0.004 0.000 3 0.984 0.867 0.648 0.4 0.5 0.07 0.06 0.00 4 0.997 0.957 0.830 0.630 0.45 0.38 0.05 0.006 5.000 0.989 0.933 0.804 0.67 0.46 0.6 0.0 6.000 0.998 0.978 0.93 0.786 0.608 0.50 0.058 7.000.000 0.994 0.968 0.898 0.77 0.46 0.3 8.000.000 0.999 0.990 0.959 0.887 0.596 0.5 9.000.000.000 0.997 0.986 0.95 0.755 0.4 0.000.000.000 0.999 0.996 0.983 0.87 0.588.000.000.000.000 0.999 0.995 0.943 0.748.000.000.000.000.000 0.999 0.979 0.868 3.000.000.000.000.000.000 0.994 0.94 4.000.000.000.000.000.000 0.998 0.979 5.000.000.000.000.000.000.000 0.994 6.000.000.000.000.000.000.000 0.999

POISSON FORDELING : P(X x) x λ 0. 0.5.0.5.0.5 3.0 0 0.9048 0.6065 0.3679 0.3 0.353 0.08 0.0498 0.9953 0.9098 0.7358 0.5578 0.4060 0.873 0.99 0.9998 0.9856 0.997 0.8088 0.6767 0.5438 0.43 3.0000 0.998 0.980 0.9344 0.857 0.7576 0.647 4.0000 0.9998 0.9963 0.984 0.9473 0.89 0.853 5.0000.0000 0.9994 0.9955 0.9834 0.9580 0.96 6.0000.0000 0.9999 0.999 0.9955 0.9858 0.9665 7.0000.0000.0000 0.9998 0.9989 0.9958 0.988 8.0000.0000.0000.0000 0.9998 0.9989 0.996 9.0000.0000.0000.0000.0000 0.9997 0.9989 0.0000.0000.0000.0000.0000 0.9999 0.9997.0000.0000.0000.0000.0000.0000 0.9999.0000.0000.0000.0000.0000.0000.0000 x λ 3.5 4.0 4.5 5.0 5.5 6.0 6.5 0 0.030 0.083 0.0 0.0067 0.004 0.005 0.005 0.359 0.096 0.06 0.0404 0.066 0.074 0.03 0.308 0.38 0.736 0.47 0.0884 0.060 0.0430 3 0.5366 0.4335 0.343 0.650 0.07 0.5 0.8 4 0.754 0.688 0.53 0.4405 0.3575 0.85 0.37 5 0.8576 0.785 0.709 0.660 0.589 0.4457 0.3690 6 0.9347 0.8893 0.83 0.76 0.6860 0.6063 0.565 7 0.9733 0.9489 0.934 0.8666 0.8095 0.7440 0.678 8 0.990 0.9786 0.9597 0.939 0.8944 0.847 0.796 9 0.9967 0.999 0.989 0.968 0.946 0.96 0.8774 0 0.9990 0.997 0.9933 0.9863 0.9747 0.9574 0.933 0.9997 0.999 0.9976 0.9945 0.9890 0.9799 0.966 0.9999 0.9997 0.999 0.9980 0.9955 0.99 0.9840 3.0000 0.9999 0.9997 0.9993 0.9983 0.9964 0.999 4.0000.0000 0.9999 0.9998 0.9994 0.9986 0.9970 5.0000.0000.0000 0.9999 0.9998 0.9995 0.9988 6.0000.0000.0000.0000 0.9999 0.9998 0.9996 7.0000.0000.0000.0000.0000 0.9999 0.9998 8.0000.0000.0000.0000.0000.0000 0.9999 9.0000.0000.0000.0000.0000.0000.0000 x λ 7.0 7.5 8.0 8.5 9.0 9.5 0.0 0 0.0009 0.0006 0.0003 0.000 0.000 0.000 0.0000 0.0073 0.0047 0.0030 0.009 0.00 0.0008 0.0005 0.096 0.003 0.038 0.0093 0.006 0.004 0.008 3 0.088 0.059 0.044 0.030 0.0 0.049 0.003 4 0.730 0.3 0.0996 0.0744 0.0550 0.0403 0.093 5 0.3007 0.44 0.9 0.496 0.57 0.0885 0.067 6 0.4497 0.378 0.334 0.56 0.068 0.649 0.30 7 0.5987 0.546 0.4530 0.3856 0.339 0.687 0.0 8 0.79 0.660 0.595 0.53 0.4557 0.398 0.338 9 0.8305 0.7764 0.766 0.6530 0.5874 0.58 0.4579 0 0.905 0.86 0.859 0.7634 0.7060 0.6453 0.5830 0.9467 0.908 0.888 0.8487 0.8030 0.750 0.6968 0.9730 0.9573 0.936 0.909 0.8758 0.8364 0.796

POISSON FORDELING : P(X x) x λ 7.0 7.5 8.0 8.5 9.0 9.5 0.0 3 0.987 0.9784 0.9658 0.9486 0.96 0.898 0.8645 4 0.9943 0.9897 0.987 0.976 0.9585 0.9400 0.965 5 0.9976 0.9954 0.998 0.986 0.9780 0.9665 0.953 6 0.9990 0.9980 0.9963 0.9934 0.9889 0.983 0.9730 7 0.9996 0.999 0.9984 0.9970 0.9947 0.99 0.9857 8 0.9999 0.9997 0.9993 0.9987 0.9976 0.9957 0.998 9.0000 0.9999 0.9997 0.9995 0.9989 0.9980 0.9965 0.0000.0000 0.9999 0.9998 0.9996 0.999 0.9984.0000.0000.0000 0.9999 0.9998 0.9996 0.9993.0000.0000.0000.0000 0.9999 0.9999 0.9997 3.0000.0000.0000.0000.0000 0.9999 0.9999 4.0000.0000.0000.0000.0000.0000.0000 x λ.0.0 3.0 4.0 5.0 6.0 7.0 0 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.000 0.000 0.0000 0.0000 0.0000 0.0000 0.0000 0.00 0.0005 0.000 0.000 0.0000 0.0000 0.0000 3 0.0049 0.003 0.00 0.0005 0.000 0.000 0.0000 4 0.05 0.0076 0.0037 0.008 0.0009 0.0004 0.000 5 0.0375 0.003 0.007 0.0055 0.008 0.004 0.0007 6 0.0786 0.0458 0.059 0.04 0.0076 0.0040 0.00 7 0.43 0.0895 0.0540 0.036 0.080 0.000 0.0054 8 0.30 0.550 0.0998 0.06 0.0374 0.00 0.06 9 0.3405 0.44 0.658 0.094 0.0699 0.0433 0.06 0 0.4599 0.347 0.57 0.757 0.85 0.0774 0.049 0.5793 0.466 0.353 0.600 0.848 0.70 0.0847 0.6887 0.5760 0.463 0.3585 0.676 0.93 0.350 3 0.783 0.685 0.5730 0.4644 0.363 0.745 0.009 4 0.8540 0.770 0.675 0.5704 0.4657 0.3675 0.808 5 0.9074 0.8444 0.7636 0.6694 0.568 0.4667 0.375 6 0.944 0.8987 0.8355 0.7559 0.664 0.5660 0.4677 7 0.9678 0.9370 0.8905 0.87 0.7489 0.6593 0.5640 8 0.983 0.966 0.930 0.886 0.895 0.743 0.6550 9 0.9907 0.9787 0.9573 0.935 0.875 0.8 0.7363 0 0.9953 0.9884 0.9750 0.95 0.970 0.868 0.8055 0.9977 0.9939 0.9859 0.97 0.9469 0.908 0.865 0.9990 0.9970 0.994 0.9833 0.9673 0.948 0.9047 3 0.9995 0.9985 0.9960 0.9907 0.9805 0.9633 0.9367 4 0.9998 0.9993 0.9980 0.9950 0.9888 0.9777 0.9594 5 0.9999 0.9997 0.9990 0.9974 0.9938 0.9869 0.9748 6.0000 0.9999 0.9995 0.9987 0.9967 0.995 0.9848 7.0000 0.9999 0.9998 0.9994 0.9983 0.9959 0.99 8.0000.0000 0.9999 0.9997 0.999 0.9978 0.9950 9.0000.0000.0000 0.9999 0.9996 0.9989 0.9973 30.0000.0000.0000 0.9999 0.9998 0.9994 0.9986 3.0000.0000.0000.0000 0.9999 0.9997 0.9993 3.0000.0000.0000.0000.0000 0.9999 0.9996 33.0000.0000.0000.0000.0000 0.9999 0.9998 34.0000.0000.0000.0000.0000.0000 0.9999 35.0000.0000.0000.0000.0000.0000.0000

Formelark Totalretabilitete: (Ordiært resultat før skattekostad + fiaskostader) * 00% Gjeomsittlig totalkapital eller (Driftsresultat + fiasitekter) * 00% Gjeomsittlig totalkapital Egekapitalretabilitete før skatt: Ordiært resultat før skattekostad * 00% Gjeomsittlig egekapital Egekapitalretabilitete etter skatt: Ordiært resultat * 00% Gjeomsittlig egekapital Egekapitalproset: Egekapital * 00% Totalkapital Resultatgrade: (Driftsresultat + fiasitekter) * 00% Driftsitekter Kapitales omløpshastighet: Driftsitekter Gjeomsittlig totalkapital Likviditetsgrad : Omløpsmidler Kortsiktig gjeld Likviditetsgrad : Omløpsmidler varebeholdigee Kortsiktig gjeld Varelagerets lagrigstid: Gjeomsittlig varelager * 360 dager Varer solgt i året Kredittid til kuder: Beholdig av kudefordriger * 360 dager Ibetalt fra kuder i året Kredittid til leveradører: Beholdig av leveradører * 360 dager Betalt til leveradøree i året

Optimal ikjøpsmegde per gag: M= * Å * O P * L Hvor Å= Årsforbruk i eheter P= Pris per ehet O= Ordrekostader per gag L= Lagrigskostader i proset M= Megde per ikjøp ep: Edrig i megde : Edrig i pris Gjeomsittlig megde Gjeomsittlig pris Sikkerhetsmargi: Forskjell fra dekigspukt * 00% Periodes salg Dekigsgrad: Totalt dekigsbidrag * 00% evt. Dekigsbidrag per ehet * 00% Periodes salg Pris per ehet Dekigspuktet: Faste kostader * 00% Dekigsgrade Tilleggssats: Idirekte kostader * 00% Fordeligsgrulaget