Väntevärde för stokastiska variabler (Blom Kapitel 6 och 7)
|
|
- Per-Olof Strömberg
- för 5 år sedan
- Visningar:
Transkript
1 Matemats statst för STS vt Begt Rosé Vätevärde för stoastsa varabler (Blom Kaptel 6 och 7 1 Vätevärde för e dsret stoasts varabel Låt vara e dsret s.v. med saolhetsfuto p ( elgt eda. Saolhetera p (0, p (1, p (, a oretseras så här. Om slumpförsöet, som häför sg tll, utförs ett stort atal, säg, gåger (oberoede av varadra, så gäller följade ; atar värdet 0 ugefär p (0 gåger, atar värdet 1 ugefär p (1 gåger, atar värdet ugefär p ( gåger, osv. Geomsttet av de värde som atar de försöe blr då, åtm. ugefär ; 0 p (0 1 p (1 p ( 3 p (3... p (. (1 Ju större är, desto mdre ugefärlgt är resoemaget ova, och det blr "perfet" är. Storhete (1 allas vätevärdet för de s.v., och betecas E( ; 0 E ( p (. ( E( har alltså tolge "geomsttet för de värde som atar vd måga utförade av slumpförsöet". Formel ( gäller är de dsreta s.v. bara a ata heltalsvärde. I det allmäa fallet är de dsreta s.v. a ata värde x 1, x, x 3,, som te ödvädgt är heltalsvärde leder ovaståede resoemag tll edaståede formel för vätevärdet ; E ( x p (x. (' Vätevärde för e otuerlg stoasts varabel Nu betratas e otuerlg s.v. med täthetsfuto f (x, - < x <. Ett sätt att se på e såda varabel är (se Blom sda 64 samt Avstt 3.8 att de för små värde på uppför sg approxmatvt som de dsreta s.v. med möjlga värde 0,,, 3, och med saolhetsfuto ; p ( P( f (. (3 1
2 Elgt ( ' är vätevärdet för (de dsreta s.v. ; E ( ( p ( ( f (. (4 Vd ltet eftertae ses att summa (4 är e "approxmerade summa" för tegrale (5 eda. När 0 overgerar summa mot de tegrale. E( x f (x dx. (5 Itegrale (5 deferar vätevärdet E( för e otuerlg s.v. vars fördelg har täthetsfuto f (x. Äve detta fall har E( tolge "geomsttet av de värde som atar måga utförade av slumpförsöet". DEFINITION av vätevärde (Blom sda 116 : E( p x f ( är har dsret fördelg, (x dx är har otuerlg fördelg. Kommetar : Alteratva betecgar för vätevärdet för är m eller bara m. (6 3 Vätevärde för futoer av stoasts varabler Låt vara e s.v. med äd fördelg, vle är atge dsret med saolhetsfuto p eller otuerlg med täthetsfuto f. Vdare, låt g( vara e "valg" futo ( = e reellvärd futo av e reell varabel. Itresset gäller de "ya" stoastsa varabel Y = g(. Mer precst betratar v följade problem. Problem : Hur beräas vätevärdet E(Y? E möjlghet att beräa E(Y är att först beräa fördelge för Y, dvs. beräa de tllämplga av p Y (är har dsret fördelg eller f Y (y (är Y har otuerlg fördelg, på sätt som dsuteras Bloms Kaptel 5. Därefter aväder ma de tllämplga av formlera (6, dvs. edera av E (Y p Y ( eller E(Y yf Y (y dy. Att ta sg fram de väge är prcp möjlgt, me leder valge tll omplcerade rägar, därför att det är råglgt att beräa p Y eller f Y (y Ma a oftast slppa avsevärt ldrgare uda med hjälp av resultatet Sats 1 på sda 118 Blom. Det säger att de tllämplga av formlera (7 ger vätevärdet för e s.v. Y = g( som är e futo av e s.v. med äd fördelg ; E(Y E(g( g( p g(x f ( (xdx är har dsret fördelg, är har otuerlg fördelg. För e s.v. Z = g(,y som är e futo av två smultafördelade s.v. och Y med äd tvådmesoell fördelg har formel (7 edaståede motsvarghet, vle formuleras Sats 1' på sda 11 Blom ; (7
3 g( j, p,y ( j,, j, E(Z E(g(, Y g(x, y f,y (x, y dxdy. Med hjälp av (8 a följade vtga resultat bevsas (se Bloms Avstt 7.. (8 SATS (Blom Sats 1, sda 149 : För oberoede s.v. och Y gäller ; E( Y = E( E(Y. (9 Kommetar : Formel (9 gäller oavsett vle typ fördelgara för och Y har. T.ex. gäller de om har dsret och Y otuerlg fördelg. 4 Läges / vå - mått och sprdgsmått för s.v. De "fullstädga" besrvge av fördelge för e s.v. ges av atge fördelgsfutoe F (x - < x < eller edera av saolhetsfutoe p och täthetsfutoe f. Ofta a det doc vara svårt (för att te säga omöjlgt att beräa fördelge fråga exat. Då får ma öja sg med att besrva fördelge sa "stora drag". Det hadlar då främst om att ge så formatva svar som möjlgt på framför allt edaståede frågor. a Vle är vå för de värde som atar? b Hur mycet varerar successva - värde rg geomsttsvå? c För smultafördelade och Y är ma ocså tresserad av : På vlet sätt, och hur start, samvar erar de värde som och Y atar? Storheter som ger svar på fråga a allas lägesmått eller våmått. Sådaa som ger svar på b - fråga allas sprdgsmått eller varatosmått, och sådaa som ger svar på c - fråga allas sambadsmått eller beroedemått. Att vätevärdet E( är ett aturlgt våmått har förhoppgsvs reda framgått. Ett aat våmått är medae (se Blom sda 11. Det främsta sprdgsmåttet är de s.. stadardavvelse. De betecas D( (blad ocså med ågo av, eller ( och deferas elgt eda ; D( E( E( V(. (10 Storhete uder vadratrote allas för varase för. De beräas elgt (11 eda, där ortsrvge m för E( aväds ; V( = E[( - m ] = ( m (x m p f (, (x dx. Notera att (11 aväds formel (8 för beräg av vätevärdet för e futo av de s.v.. Följade berägsformel för varas fs Sats på sda 14 Blom. V( = E( - (E( = E( - m. (1 (11 3
4 Några ytterlgare räeregler för vätevärde och varaser ges Sats 3 på sda 14 Blom. Med för e s.v. och a och b för ostater gäller ; E(a + b = a E( + b, (13 V(a + b = a V(, (14 D(a + b = a D(. (15 Att stadardavvelse V( ger formato om hur mycet e s.v. varerar rg stt geomsttsvärde m = E( framgår av edaståede resultat. Tjebyshovs olhet (Blom sda 155. För e s.v. med vätevärde m och stadardavvelse gäller ; 1 P( - m, för varje > 1. (16 Exempel : För = säger (16 att P( - m 0.5, dvs. att saolhete att atar ett värde som avver med dubbla stadardavvelse eller mer frå vätevärdet är högst 5 %. De begräsge gäller alltså oavsett vle fördelg har, me ebär oftast rätt stor översattg av saolhete fråga. För det flesta s.v. gäller att P( - m är 90 à 95 %. E operato som ommer att avädas måge gåg framöver är stadardserg av e s.v. Med de stadardserade versoe av de s.v. avses edaståede s.v. Y; E( m Y. (17 D( Vd eftertae ses att Y är stadardserad såtllvda att ; E(Y = 0 och V(Y = D(Y = 1. (18 V går u tll de tdgare c - fråga, som gäller arte och grade av samvarato mella två stoastsa varabler och Y. E cetral storhet det sammahaget är ovarase för och Y. De betecas C(,Y och deferas elgt eda (Blom sda 134 ; C(,Y = E[( - E( (Y - E(Y] = E[( - m (Y - m Y ]. (19 Följade räeregel gäller (Sats 5 Blom på sda 134 ; C(,Y = E ( Y - E( E(Y = E( Y - m m Y. (0 Vd eftertae ses att tecet på ovarase ger följade formato (vlet dsuteras mer utförlgt på sdora 134 och 135 Blom. C(,Y > 0 träffar om "huvudtedese" är att är atar ett värde över stt geomsttsvärde m så atar ocså Y ett värde över stt geomsttsvärde m Y eller tvärtom, är atar ett värde uder stt geomsttsvärde m så atar ocså Y ett värde uder stt geomsttsvärde m Y. (I dessa fallfall har fatorera ( - E( och (Y - E(Y samma tece, varvd deras produt blr postv. Här talar ma om postv samvarato mella och Y. C(,Y < 0 träffar är "huvudtedese" är de motsatta, dvs. är stora värde på ( förhållade tll m ommer tllsammas med små värde på Y ( förhållade tll m Y. Då förelgger egatv samvarato mella och Y. När C(,Y = 0 sägs och Y vara oorrelerade. Det träffar omm ; 4
5 E( Y = E( E(Y. (1 C(,Y "ltet" derar svag eller ge samvarato mella och Y. V har tdgare peat på att (1 gäller är och Y är oberoede stoastsa varabler. Som e oseves av detta gäller följade. SATS (Blom sda 113 : Oberoede stoastsa varabler är oorrelerade. Kommetar : Ma a doc te väda på stee satse ova. Två smultafördelade s.v. och Y a vara oorrelerade uta att vara oberoede. Kovarase C(,Y a stadardseras tll orrelatosoeffcete (,Y ; C(, Y (, Y. ( D( D(Y Värdet på e orrelatosoeffcet lgger mella - 1 och + 1, dvs Tecet på ager type av sambad mella och Y elgt vad som sägs ova för ovarase C(,Y. Absolutvärdet har följade ebörd. Ju ärmare 1 det lgger, desto starare sambad råder mella och Y, meda ära 0 ebär att sambadet är svagt eller obeftlgt. 5 Räeregler för vätevärde, varaser och ovaraser SATS (Blom sdor 149, 150 : För smultafördelade stoastsa varabler och Y gäller allmät (= oavsett om varablera är oorrelerade eller ej ; E( + Y = E( + E(Y, (3 V( + Y = V( + V(Y + C(,Y. (4 Om och Y är är oorrelerade, vlet de är bl.a. om de är oberoede, gäller C(,Y = 0, och (4 förelar sg tll ; V( + Y = V( + V(Y. (5 Geom att ombera (3, (4 och (5 med formlera (13 - (15 fås räregler för vätevärde och varas för stoastsa varabler som är ljärombatoer av adra stoastsa varabler. Se sdora 151 och 15 Blom. SATS (Blom Sats 3 på sda 151 : För s.v. 1,,, och ostater c 1, c,, c gäller allmät ; 1 c E( 1 E ( c, (6 1 c1 V( c1 C(, j 1 j V ( c. (7 Om 1,,, är oorrelerade, vlet de är bl.a. om de är oberoede, förelar sg (7 tll ; 1 c1 V( 1 V ( c. (8 5
6 SATS (Blom sda 15 : Låt 1,,, vara oberoede s.v. som alla har samma fördelg, och därmed samma vätevärde m och stadardavvelse. Sätt ; 1..., (ofta allat stcprovsmedelvärdet (9 Då gäller ; a E( = m, (30 b V( =, (31 D( =, (3 E ( m, V(, D(. (33 6
Väntevärde, standardavvikelse och varians Ett statistiskt material kan sammanfattas med medelvärde och standardavvikelse (varians), och s.
Vätevärde, stadardavvkelse och varas Ett statstskt materal ka sammafattas med medelvärde och stadardavvkelse (varas, och s. På lkade sätt ka e saolkhetsfördelg med käda förutsättgar sammafattas med vätevärde,,
Läs merKONFIDENSINTERVALL FÖR MEDIANEN (=TECKENINTERVALL )
Arm Hallovc: EXTRA ÖVNINGAR Tecetervall KONFIDENSINTERVALL FÖR MEDIANEN (TECKENINTERVALL ) För att bestämma ett ofdestervall för medae tll e otuerlg s.v. ξ aväder v ett stcprov ξ ξ ξ3 ξ av storlee som
Läs merKorrelationens betydelse vid GUM-analyser
Korrelatoes betydelse vd GUM-aalyser Hela koceptet GUM geomsyras av atagadet att gåede mätgar är okorrelerade. Gude betoar och för sg att ev. korrelato spelar, me ger te mycket vägledg för hur ma då ska
Läs merSensorer, effektorer och fysik. Analys av mätdata
Sesorer, effektorer och fysk Aalys av mätdata Iehåll Mätfel Noggrahet och precso Några begrepp om saolkhetslära Läges- och sprdgsmått Kofdestervall Ljär regresso Mätosäkerhetsaalys Mätfel Alla mätgar är
Läs merMedelvärde. Repetition. Median. Standardavvikelse. Frekvens. Normerat värde. z = x x
Medelvärde Reetto mb9 Medelvärdet är summa av alla observatoer dvderat med deras atal. x 873+85+8385+83+8+83+8087+808+80 = 70 70 = 89 9 Meda Medae är de mttersta observatoe. = 8 Eller medelvärdet av de
Läs merF4 Matematikrep. Summatecken. Summatecken, forts. Summatecken, forts. Summatecknet. Potensräkning. Logaritmer. Kombinatorik
0-0-5 F Matematrep Summateet Potesräg Logartmer Kombator Summatee Säg att v har ste tal,, Summa av dessa tal (alltså + + ) srvs ortfattat med hälp av summatee: summa då går fr.o.m. t.o.m. Summatee, forts.
Läs merSensorer och elektronik. Analys av mätdata
Sesorer och elektrok Aalys av mätdata Iehåll Mätfel Några begrepp om saolkhetslära Läges- och sprdgsmått Kofdestervall Ljär regresso Mätosäkerhetsaalys Mätfel Alla mätresultat är behäftade med e vss osäkerhet
Läs merInduktion och Binomialsatsen. Vi fortsätter att visa hur matematiska påståenden bevisas med induktion.
Idutio och Biomialsatse Vi fortsätter att visa hur matematisa påståede bevisas med idutio. Defiitio. ( )! = ( över ).!( )! Betydelse av talet studeras seare. Med idutio a vi u visa SATS (Biomialsatse).
Läs mer4.2.3 Normalfördelningen
4..3 Normalfördelge Bomal- och Possofördelge är två exempel på fördelgar för slumpvarabler som ka ata ädlgt eller uppräkelgt måga olka värde. Sådaa fördelgar sägs vara dskreta. Ofta är ett resultat X frå
Läs merFöreläsningsanteckningar till Linjär Regression
Föreläsgsateckgar tll Ljär Regresso Kasper K S Aderse 3 oktober 08 Statstsk modell Ofta söks ett sambad y fx mella e förklarade eller oberoede varabel x och e resposvarabel eller beroede varabel y V betrakter
Läs merOrderkvantiteter vid begränsningar av antal order per år
Hadbok materalstyrg - Del D Bestämg av orderkvatteter D 64 Orderkvatteter vd begräsgar av atal order per år Olka så kallade partformgsmetoder aväds som uderlag för beslut rörade val av lämplg orderkvattet
Läs merNormalfördelningar (Blom Kapitel 8)
Matematsk statstk STS vt 004 004-04 - Begt Rosé Normalördelgar (Blom Kaptel 8 Deto och allmäa egeskaper DEFINITION : E stokastsk varael sägs vara ormalördelad om de har ördelg med täthetsukto med utseede
Läs merD 45. Orderkvantiteter i kanbansystem. 1 Kanbansystem med två kort. Handbok i materialstyrning - Del D Bestämning av orderkvantiteter
Hadbok materalstyrg - Del D Bestämg av orderkvatteter D 45 Orderkvatteter kabasystem grupp av materalstyrgsmetoder karakterseras av att behov av materal som uppstår hos e förbrukade ehet mer eller mdre
Läs merKontingenstabell (Korstabell) 2. Oberoende-test. Stickprov beror av slumpen. Vad vi förvf. är r oberoende: kriterier är r oberoende: kriterier
. Oberoede-test Kotgestabell (Korstabell) Oberoedet av två rterer för lassfato udersöes xempel: V vll veta om röadet är beroede av ö V tar ett stcprov ur befolge (=50) och lassfcera persoera elgt dessa
Läs merBorel-Cantellis sats och stora talens lag
Borel-Catellis sats och stora tales lag Guar Eglud Matematisk statistik KTH Vt 2005 Iledig Borel-Catellis sats är e itressat och avädbar sats framför allt för att bevisa stora tales lag i stark form. Vi
Läs merFyra typer av förstärkare
1 Föreläsg 1, Ht2 Hambley astt 11.6 11.8, 11.11, 12.1, 12.3 Fyra tyer a förstärkare s 0 s ut s A ut L s L 0 ägsförstärkare ägströmförstärkare (trasadmttasförst.) 0 ut s s ut L s s A 0 L trömsägsförstärkare
Läs merUppsala Universitet Matematiska Institutionen Bo Styf. Att repetera.
Uppsala Uiversitet Matematisa Istitutioe Bo Styf rasformmetoder, 5 hp gyl, I, W, X 20-0-26 Att repetera. Vi samlar här e del material frå tidigare urser som a vara avädbart uder urses gåg. Serier. E serie
Läs merOrderkvantiteter i kanbansystem
Hadbok materalstyrg - Del D Bestämg av orderkvatteter D 45 Orderkvatteter kabasystem E grupp av materalstyrgsmetoder karakterseras av att behov av materal som uppstår hos e förbrukade ehet mer eller mdre
Läs merStokastiska variabler
TNG006 F2 11-04-2016 Stoastisa variabler Ett slumpmässigt försö ger ofta upphov till ett tal som bestäms av utfallet av försöet. Talet är ite ät före försöet uta bestäms av vilet utfall som ommer att uppstå,
Läs merNågot om beskrivande statistik
Något om beskrvade statstk. Iledg I de flesta sammahag krävs fakta som uderlag för att komma tll rmlga slutsatser eller fatta vettga beslut. Exempelvs ka det på ett företag ha uppstått dskussoer om att
Läs merVeckoblad 2. Kapitel 2 i Matematisk statistik, Blomqvist U.
Vecoblad 2 Kaptel 2 Matemats statst, Blomqvst U. ya begrepp: oberoende händelser, betngad sannolhet, Bayes formel.. är man sall lösa problem, där sntt mellan händelser ngår, an det ofta vara tll hjälp
Läs merFöljande begrepp används ofta vid beskrivning av ett statistiskt material:
Armi Halilovic: EXTRA ÖVNINGAR Besrivade statisti BESKRIVANDE STATISTIK. GRUNDBEGREPP Följade begrepp aväds ofta vid besrivig av ett statistist material: LÄGESMÅTT (medelvärde, media och typvärde): Låt
Läs merUppsala Universitet Matematiska Institutionen Thomas Erlandsson
Uppsala Uiversitet Matematisa Istitutioe Thomas Erladsso LÄSANVISNINGAR VECKA -5 BINOMIALSATSEN Ett uttryc av forme a + b allas ett biom eftersom det är summa av två moom. För uttrycet (a + b) gäller de
Läs merKINESISKA RESTSATSEN och STRUKTURSATSER
Matematsa Isttutoe, KTH VT 996 Aders Björer KINESISKA RESTSATSEN och STRUKTURSATSER I vssa fall a algebrasa uträgar delas upp på flera mdre uträgar som a utföras parallellt och seda sättas samma för att
Läs merParametriska metoder. Icke-parametriska metoder. parametriska test. Icke-parametriska test. Location Shift. Vilket test ersätts med vilket?
Icke-parametrska test Icke-parametrska metoder Parametrska metoder Fördelge för populatoe som stckprovet togs frå är käd så ära som på ett atal parametrar, t.ex: N med okäda och Icke-parametrska metoder
Läs merSAMMANFATTNING AV KURS 602 STATISTIK (Newbold kapitel [7], 8, 9, 10, 13, 14)
AMMANFATTNING AV KUR 6 TATITIK (Newbold katel [7], 8, 9,, 3, 4) INLEDNING 3 Proortoer 3 Proortoer 4 Poulatosvaras 5 KONFIDENINTERVALL 6 Itutv förklarg 6 Arbetsgåg vd beräkg av kofdestervall 7 Tfall. ök
Läs merPostadress: Internet: Matematisk statistik Matematiska institutionen Stockholms universitet 106 91 Stockholm Sverige. http://www.math.su.
ËØÓ ÓÐÑ ÙÒ Ú Ö Ø Ø Å Ø Ñ Ø Ø Ø Ø ÁÒ Ø ÓÒ Ò ÒÚ Ö ÒÔ ÒÔ ÖÚ ÓÖÖ Ð Ø ÓÒ ÒÑ ÐÐ Ò ØÖ Ò Ð Ö Ð ÒÊÓÓ Ü Ñ Ò Ö Ø ¾¼½½ Postadress: Matemats statst Matematsa sttutoe Stocholms uverstet 06 9 Stocholm Sverge Iteret:
Läs merEkvationen (ekv1) kan beskriva vågutbredning, transversella svängningar i en sträng och andra fysikaliska förlopp.
VÅGEKVATIONEN Vi betratar följade PDE u( u( x t, där > är e ostat, x, t (ev) Evatioe (ev) a besriva vågutbredig, trasversella svägigar i e sträg och adra fysialisa förlopp Radvärdesproblemet består av
Läs merEn utvärdering av två olika sätt att skatta fördelningen till stickprovsmedelvärden från olikfördelade data - normalapproximation kontra resampling
utvärderg av två olka sätt att skatta fördelge tll stckprovsmedelvärde frå olkfördelade data - ormalapproxmato kotra resamplg av Adreas Holmström xamesarbete matematsk statstk Umeå uverstet, Hadledare:
Läs merTENTAMEN I MATEMATISK STATISTIK. Statistik för lärare, 5 poäng
UMEÅ UNIVERSITET Isttutoe för matematsk statstk Statstk för lärare, MSTA38 Lef Nlsso TENTAMEN 04--6 TENTAMEN I MATEMATISK STATISTIK Statstk för lärare, 5 poäg Skrvtd: 9.00-15.00 Tllåta hjälpmedel: Utdelad
Läs merArmin Halilovic: EXTRA ÖVNINGAR. ) De Moivres formel ==================================================== 2 = 1
Arm Hallovc: EXTRA ÖVNINGAR KOMPLEXA TAL x + y, där x, y R (rektagulär form r(cosθ + sθ (polär form r (cos θ + s θ De Movres formel y O x + x y re θ (potesform eller expoetell form θ e cosθ + sθ Eulers
Läs merc n x n, där c 0, c 1, c 2,... är givna (reella eller n=0 c n x n n=0 absolutkonvergent om x < R divergent om x > R n n lim = 1 R.
P Potesserier Med e potesserie mear vi e serie av type c x, där c, c, c,... är giva (reella eller komplexa) kostater, s.k. koefficieter, och där x är e (reell eller komplex) variabel. För varje eskilt
Läs merFöreläsning G04 Surveymetodik 732G19 Utredningskunskap I
Föreläsg 6 73G04 urveymetodk 73G9 Utredgskuska I Dages föreläsg ortfall Totalbortfall Partellt bortfall Hur hatera bortfall? ortfallsstratumasatse (tvåfasurval) ubsttuto Imuterg Reettosquz ortfall och
Läs merMinsta kvadrat-metoden, MK. Maximum likelihood-metoden, ML. Medelfel. E(X i ) = µ i (θ) MK-skattningen av θ fås genom att minimera
Matematisk statistik slumpes matematik Saolikhetsteori hur beskriver ma slumpe? Statistikteori vilka slutsatser ka ma dra av ett datamaterial? Statistikteori översikt Puktskattig Hur gör ma e bra gissig
Läs mer= (1 1) + (1 1) + (1 1) +... = = 0
TALFÖLJDER OCH SERIER Läs avsitte - och 5 Lös övigara, abcd, 4, 5, 7-9, -5, 7-9, -abcd, 4, 5 Läsavisigar Avsitt Defiitioe av talföljd i boe är ågot ryptis, me egetlige är det ågot väldigt eelt: e talföljd
Läs mervara ett polynom där a 0, då kallas n för polynomets grad och ibland betecknas n = grad( P(
Armi Halilovic: EXTRA ÖVNINGAR Polyom POLYNOM OCH ALGEBRAISKA EKVATIONER Defiitio Polyom är uttrycet av type a a a 0, eller ortare a 0, ( där är ett ice-egativt heltal) Defiitio Låt P( a a a0 vara ett
Läs merF4 Matematikrep. Summatecken. Summatecken, forts. Summatecken, forts. Summatecknet. Potensräkning. Logaritmer. Kombinatorik
03-0-4 F4 Matematirep Summatece Summatecet Potesräig Logaritmer Kombiatori Säg att vi har styce tal x,, x Summa av dessa tal (alltså x + + x ) srivs ortfattat med hjälp av summatece: x i i summa x i då
Läs mer3-fastransformatorn 1
-fastrasformator TRANSFORMATORN (-fas) A B C N φa φb φc rimärsida N E -fastrasformator består i pricip av st -fastrasformatorer som är sammaopplade. Seudärsida N YNy trafo. a b c KOLNGSSÄTT rimärsida a
Läs merLösning till till tentamen i EIEF10 Elmaskiner och drivsystem
Lög tll tll tetame EIEF0 Elmaer och drvytem 04 05 30. Ltrömmae, tatoär drft E eletrt mageterad ltrömmotor har följade data agva på märylte: P = 000 W, = 5000 rpm, U a = 0 V, I a = 0 A och I f = 0.5 A.
Läs merGenomsnittligt sökdjup i binära sökträd
Iformatiostekologi Tom Smedsaas 10 augusti 016 Geomsittligt sökdjup i biära sökträd Detta papper visar att biära sökträd som byggs upp av slumpmässiga data är bra. Beteckigar och defiitioer Defiitio De
Läs merAPPROXIMATION AV SERIENS SUMMA MED EN DELSUMMA OCH EN INTEGRAL
Armi Halilovic: EXTRA ÖVNINGAR Approimatio av erie umma med e delumma APPROXIMATION AV SERIENS SUMMA MED EN DELSUMMA OCH EN INTEGRAL Låt vara e poitiv och avtagade utio ör åda att erie overgerar. Vi a
Läs merNEWTON-RAPHSONS METOD (en metod för numerisk lösning av ekvationer)
Armi Halilovic: EXTRA ÖVNINGAR Newto-Raphsos metod NEWTON-RAPHSONS METOD (e metod för umeris lösig av evatioer Måga evatioer är besvärligt och iblad äve omöjligt att lösa eat. Då aväder ma umerisa metoder
Läs merBegreppet rörelsemängd (eng. momentum) (YF kap. 8.1)
Begreppet rörelsemägd (eg. mometum) (YF kap. 8.1) Defto (Newto!): E partkel med massa m och hastghet ഥv har rörelsemägd ഥp = m ഥv. Vektor med samma rktg som hastghete! Newto II: ሜF = m dvlj = d dt dt d
Läs merNEWTON-RAPHSONS METOD (en metod för numerisk lösning av ekvationer)
Armi Halilovic: EXTRA ÖVNINGAR Newto-Raphsos metod NEWTON-RAPHSONS METOD (e metod för umeris lösig av evatioer Måga evatioer är besvärligt och iblad äve omöjligt att lösa eat. Då aväder ma umerisa metoder
Läs merFördelningen för populationen som stickprovet togs ifrån är känd så nära som på ett antal parametrar, t.ex: N med okända
we Mezel, 7 we.mezel@sl.se; we.mezel@matstat.de www.matstat.de Parametrska metoder Fördelge för poplatoe som stckprovet togs frå är käd så ära som på ett atal parametrar, t.ex: N med okäda Icke-parametrska
Läs mer1. (a) Eftersom X och Y har samma fördelning så har de även samma väntevärde och standardavvikelse. E(X 2 ) = k
LÖSNINGAR TILL Matematisk statistik, Matematikcetrum Tetame: 5 kl 8 Luds tekiska högskola FMS, FMS, FMS, FMS 5, MAS 9 Matematisk statistik för ED, F, I, FED och fysiker. a Eftersom X och Y har samma fördelig
Läs merFormler och tabeller i statistik
KTH STH, Campus Hage Formler och tabeller statstk Arm Hallovc Formler och tabeller statstk Medelvärde och varas = = = ( ) = = = Medelvärde och varas för ett frekvesdelat materal = k = f = k = f ( ) Vätevärde
Läs merUPPSKATTNING AV INTEGRALER MED HJÄLP AV TVÅ RIEMANNSUMMOR. Med andra ord: Vi kan approximera integralen från båda sidor
Armi Halilovic: EXTRA ÖVNINGAR Summor och itegraler UPPSKATTNING AV INTEGRALER MED HJÄLP AV TVÅ RIEMANNSUMMOR Om vi betratar e futio ff() som är otiuerlig i itervallet [aa, bb] då atar futioe sitt mista
Läs merF15 ENKEL LINJÄR REGRESSION (NCT )
Stat. teor gk, ht 006, JW F5 ENKEL LINJÄR REGRESSION (NCT.-.4) Ordlta tll NCT Scatter plot Depedet/depedet Leat quare Sum of quare Redual Ft Predct Radom error Aal of varace Sprdgdagram Beroede/oberoede
Läs merSOS HT Punktskattningar. Skattning från stickprovet. 2. Intuitiva skattningar. 3. Skattning som slumpvariabel. slump.
Puktskattgar SOS HT10 Puktskattg uwe@math.uu.se http://www.math.uu.se/~uwe/sos_ht10 1. Vad är e puktskattg och varför behövs de? 1. Jämförelse: saolkhetstoer statstkteor 2. Itutva ( aturlga ) skattgar
Läs merIntervallskattningar, synonymt konfidensintervall eller statistiska osäkerhetsgränser
Matematisk statistik ör STS vt 004 004-05 - 04 Begt Rosé Itervallskattigar, syoymt koidesitervall eller statistiska osäkerhetsgräser Allmät om koidesitervall För att börja kokret återväder vi till det
Läs merUppsala Universitet Matematiska Institutionen Bo Styf. Genomgånget på föreläsningarna Föreläsning 26, 9/2 2011: y + ay + by = h(x)
Uppsala Uiversitet Matematiska Istitutioe Bo Styf Evariabelaalys, 0 hp STS, X 200-0-27 Föreläsig 26, 9/2 20: Geomgåget på föreläsigara 26-30. Att lösa de ihomogea ekvatioe. De ekvatio vi syftar på är förstås
Läs merVad är det okända som efterfrågas? Vilka data är givna? Vilka är villkoren?
Problemlösig. G. Polya ger i si utmärkta lilla bok How to solve it (Priceto Uiversity press, 946) ett schema att följa vid problemlösig. I de flod av böcker om problemlösig som har följt på Polyas bok
Läs merLösningsförslag till tentamen i 732G71 Statistik B, 2009-12-04
Prs Lösgsförslag tll tetame 73G7 Statstk B, 009--04. a) 340 30 300 80 60 40 0 0.5.0.5.0 Avståd.5 3.0 3.5 b) r y y y y 4985.75 7.7 830 0 39.335 7.7 0 80300-830 0 3.35 0.085 74.475 c) b y y 4985.75 7.7 830
Läs merGrundläggande matematisk statistik
Grudläggade matematisk statistik Puktskattig Uwe Mezel, 2018 uwe.mezel@slu.se; uwe.mezel@matstat.de www.matstat.de Saolikhetsteori: Saolikhetsteori och statistikteori vad vi gjorde t.o.m. u vi hade e give
Läs merNormalfördelningens betydelse. Sannolikhet och statistik. Täthetsfunktion, väntevärde och varians för N (µ, σ)
Normalfördeliges betydelse Empirisktse gur: måga storheter approximativt ormalfördelade Summa av måga ugefär oberoede och ugefär likafördelade s.v. är approximativt ormalfördelad CGS Exempel: mätfel =
Läs merKap. 1. Gaser Ideala gaser. Ideal gas: För en ideal gas gäller: Allmänna gaslagen. kraft yta
Termodyamk - ärmets rörelse - Jämvkt - Relatoer mella olka kemska tllståd - Hur mycket t.ex. eerg eller rodukter som bldas e kemsk reakto - arför kemska reaktoer sker Ka. 1. Gaser 1.1-2 Ideala gaser Ideal
Läs merNEWTON-RAPHSONS METOD (en metod för numerisk lösning av ekvationer)
Armi Halilovic: EXTRA ÖVNINGAR Newto Raphsos metod NEWTON-RAPHSONS METOD (e metod ör umeris lösig av evatioer Måga evatioer är besvärligt och iblad äve omöjligt att lösa eat. Då aväder ma umerisa metoder
Läs merTentamen i Envariabelanalys 1
Liöpigs uiversitet Matematisa istitutioe Matemati och tillämpad matemati Kursod: TATA4 Provod: TEN Iga hjälpmedel är tillåta. Tetame i Evariabelaalys 4-4-3 l 4 9 Lösigara sall vara fullstädiga, välmotiverade,
Läs merLösningar till tentamensskrivning i kompletteringskurs Linjär Algebra, SF1605, den 10 januari 2011,kl m(m + 1) =
Lösigar till tetamesskrivig i kompletterigskurs Lijär Algebra, SF605, de 0 jauari 20,kl 4.00-9.00. 3p Visa med hjälp av ett iduktiosbevis att m= mm + = +. Lösig: Formel är uppebarlige sa är = eftersom
Läs merDEL I. Matematiska Institutionen KTH
1 Matematiska Istitutioe KTH Lösig till tetamesskrivig på kurse Diskret Matematik, momet A, för D2 och F, SF1631 och SF1630, de 5 jui 2009 kl 08.00-13.00. DEL I 1. (3p) Bestäm e lösig till de diofatiska
Läs merPrisuppdateringar på elementär indexnivå - jämförelser mot ett superlativt index
PM tll Nämde för KPI Sammaträde r 3 ES/PR 2017-10-25 Olva Ståhl och Ulf Jostad Prsuppdatergar på elemetär dexvå - jämförelser mot ett superlatvt dex För formato Idex på elemetär vå KPI eräkas de flesta
Läs merFöreläsning 10: Kombinatorik
DD2458, Problemlösig och programmerig uder press Föreläsig 10: Kombiatorik Datum: 2009-11-18 Skribeter: Cecilia Roes, A-Soe Lidblom, Ollata Cuba Gylleste Föreläsare: Fredrik Niemelä 1 Delmägder E delmägd
Läs merFöreläsning 3. Signalbehandling i multimedia - ETI265. Kapitel 3. Z-transformen. LTH 2015 Nedelko Grbic (mtrl. från Bengt Mandersson)
Sigalbeadlig i multimedia - ETI65 Föreläsig 3 Sigalbeadlig i multimedia - ETI65 Kapitel 3 Z-trasforme LT 5 Nedelo Grbic mtrl. frå Begt Madersso Departmet of Electrical ad Iformatio Tecolog Lud Uiversit
Läs merCentrala gränsvärdessatsen
Arm Hallovc: EXTRA ÖVNINGAR Cetrala gräsvärdessatse Cetrala gräsvärdessatse Vätevärdet och varase för e ljär kombato av stokastska varabler beräkas elgt följade: S Låt c, c,, c vara kostater,,,, stokastska
Läs mer4.2.3 Normalfördelningen
4.2.3 Normalfördelige Biomial- och Poissofördelige är två exempel på fördeligar för slumpvariabler som ka ata ädligt eller uppräkeligt måga olika värde. Sådaa fördeligar sägs vara diskreta. Ofta är ett
Läs merMultiplikationsprincipen
Kombiatori Kombiatori hadlar oftast om att räa hur måga arragemag det fis av e viss typ. Multipliatiospricipe Atag att vi är på e restaurag för att provsmaa trerättersmåltider. Om det fis fyra förrätter
Läs merEGENRUM, ALGEBRAISK- OCH GEOMETRISK MULTIPLICITET
EGENRUM, ALGEBRAISK- OCH GEOMETRISK MULTIPLICITET INLEDNING Ett polyom ( i variabel λ ) av grad är ett uttryc på forme P( λ) a λ + aλ + aλ + a, där a Polyomets ollställe är lösigar ( rötter) till evatioe
Läs merFör att skatta väntevärdet för en fördelning är det lämpligt att använda Medelvärdet. E(ξ) =... = µ
1 February 1, 2018 1 Förel. VII Puktskattigar av parametrar i fördeligar 1.1 Puktskattig För att skatta vätevärdet för e fördelig är det lämpligt att aväda Medelvärdet ξ = 1 ξ j. Vi tar u vätevärdet av
Läs merLösningar och kommentarer till uppgifter i 1.1
Lösigar och kommetarer till uppgifter i. 407 d) 408 d) 40 a) 3 /5 5) 5 3 0 ) 0) 3 5 5 4 0 6 5 x 5 x) 5 x + 5 x 5 x 5 x 5 x + 5 x 40 Om det u är eklare så här a x a 3x + a x) a 4x + 43 a) 43 45 5 3 5 )
Läs merREGRESSIONSANALYS S0001M
Matematk Kerst Väma 9--4 REGRESSIONSANALYS SM INNEHÅLL. Iledg.... Ekel regressosaalys... 3. Udersökg av modellatagadea...7 4. Korrelatoskoeffcet.... Kofdestervall för förvätat Y-värde...3 6. Progostervall...4
Läs merVariansberäkningar KPI
STATISTISKA CENTRALBYRÅN Slutrapport (9) Varasberäkgar KPI Varasberäkgar KPI Iledg Grov varasskattg Detaljerade varasskattgar av tuga produktgrupper 5 Rätekostader 5 Charter 6 Böcker 8 Utrkesflyg 0 Iträdesbljetter
Läs merAntalet sätt att välja ut r objekt bland n stycken med hänsyn till ordning är np r = n(n 1) (n r + 1).
Harald Lag Formelsamlig och Tabeller i Statistik och Saolikhetsteori (15/11-10) Datareducerig Om x 1,..., x är ett stickprov ur e populatio så defiieras medelvärdet x x = 1 k=1 x k och stadardavvikelse
Läs merH1009, Introduktionskurs i matematik Armin Halilovic POLYNOM, POLYNOMDIVISION, ALGEBRAISKA EKVATIONER, PARTIALBRÅKSUPPDELNING. vara ett polynom där a
POLYNOM, POLYNOMDIVISION, ALGEBRAISKA EKVATIONER, PARTIALBRÅKSUPPDELNING Defiitio Polyom är ett uttryck av följade typ P( ) a a a, där är ett icke-egativt heltal (Kortare 0 P k ( ) a a 0 k ) k Defiitio
Läs merKontrollskrivning 2 till Diskret Matematik SF1610, för CINTE1, vt 2019 Examinator: Armin Halilovic Datum: To Σ p P/F Extra Bonus
Kotrollsrivig till Disret Matemati SF60, för CINTE, vt 09 Eamiator: Armi Halilovic Datum: To 09-04-5 Versio B Resultat: Σ p P/F Etra Bous Iga hjälpmedel tillåta Mist 8 poäg ger godät Godäd KS r medför
Läs mer101. och sista termen 1
Lektio, Evariabelaalys de ovember 999 5.. Uttryck summa j uta summasymbole. j + Termera är idexerade frå j = till j = och varje term är blir j j+. Summa Skriver vi upp summa uta summasymbole blir de +
Läs merBetygsgränser: För (betyg Fx).
Tetame TEN, HF2, 4 jui 2 Matematis statisti Kursod HF2 Srivtid: 3:-7: : Lärare och examiator : Armi Halilovic Hjälmedel: Bifogat formelhäfte ("Formler och tabeller i statisti ") och miiräare av vile ty
Läs merθx θ 1 om 0 x 1 f(x) = 0 annars
Avd. Matematisk statistik TENTAMEN I SF903 SANNOLIKHETSLÄRA OCH STATISTIK FÖR 3-ÅRIG Media TIMEH TORSDAGEN DEN TREDJE JUNI 200 KL 4.00 9.00. Examiator: Guar Eglud, tel. 790 74 06 Tillåta hjälpmedel: Läroboke.
Läs merFlexibel konkursriskestimering med logistisk spline-regression
Matematsk statstk Stockholms uverstet Flexbel kokursrskestmerg med logstsk sple-regresso Erk vo Schedv Examesarbete 8: Postadress: Matematsk statstk Matematska sttutoe Stockholms uverstet 6 9 Stockholm
Läs merMatematisk statistik
Tetame TEN, HF, 8 aug Kursod: HF Srivtid: 8:-: Lärare och examiator: Armi Halilovic Matematis statisti Hjälpmedel: Bifogat formelhäfte ("Formler och tabeller i statisti ") och miiräare av vile typ som
Läs mer= α. β = α = ( ) D (β )= = 0 + β. = α 0 + β. E (β )=β. V (β )= σ2. β N β, = σ2
Ljär regresso aolkhet och statstk Regressosaalys VT 2009 Uwe.Mezel@math.uu.se http://www.math.uu.se/ uwe/ Fgur: Mätpukter: x, y Ljär regresso - kalbrerg av e våg Modell för ljär regresso Modell: y α +
Läs mera) Beräkna E (W ). (2 p)
Avd. Matematisk statistik TENTAMEN I SF19 och SF191 SANNOLIKHETSTEORI OCH STATISTIK, TISDAGEN DEN 13:E MARS 18 KL 8. 13.. Examiator: Björ-Olof Skytt, 8 79 86 49. Tillåta hjälpmedel: Formel- och tabellsamlig
Läs merSANNOLIKHETER. Exempel. ( Tärningskast) Vi har sex möjliga utfall 1, 2, 3, 4, 5 och 6. Därför är utfallsrummet Ω = {1, 2, 3, 4, 5,6}.
rmi Halilovic: EXTR ÖVIGR SOLIKHETER GRUDLÄGGDE BEGRE OH BETEKIGR Utfall Resultat av ett slumpmässigt försök. Utfallsrummet ägde av alla utfall (beteckas oftast med Ω ). Hädelse E delmägd av utfallsrummet.
Läs merENDIMENSIONELL ANALYS B1 FÖRELÄSNING VI. Föreläsning VI. Mikael P. Sundqvist
Föreläsig VI Mikael P. Sudqvist Aritmetisk summa, exempel Exempel I ett sällskap på 100 persoer skakar alla persoer had med varadra (precis e gåg). Hur måga hadskakigar sker? Defiitio I e aritmetisk summa
Läs merTentamen i matematisk statistik
MSTA3, Saolikhetsteori A, 5 p 5--7 Tetame i matematisk statistik Saolikhetsteori A, 5 poäg Skrivtid: 9.-5.. Tillåta hjälpmedel: Tabellsamlig, ege miiräkare. Studetera får behålla tetamesuppgiftera. På
Läs merSannolikheten. met. A 3 = {2, 4, 6 }, 1 av 11
rmi Halilovic: EXTR ÖVIGR SOLIKHETER GRUDLÄGGDE EGRE OH ETEKIGR Utfall Resultat av ett slumpmässigt försök. Utfallsrummet ägde av alla utfall (beteckas oftast medd Ω ). Hädelse E delmägd av utfallsrumm
Läs merF10: Strömreglering (PE-Kap 3)
F10: Strömreglerg PE-Kap 3 Allmät om trömreglerg V har tgare tttat om hatgat på trömreglerg och lte mer etalj på varvtalreglerg. Varvtalreglerg av eletra maer bygger tor omfattg på valg reglerteor och
Läs mer= x 1. Integration med avseende på x ger: x 4 z = ln x + C. Vi återsubstituerar: x 4 y 1 = ln x + C. Villkoret ger C = 1.
Lösigsförslag till tetamesskrivig i Matematik IV, 5B0 Torsdage de 6 maj 005, kl 0800-00 Hjälpmedel: BETA, Mathematics Hadbook Redovisa lösigara på ett sådat sätt att beräkigar och resoemag är lätta att
Läs merFÖRSÖKSPLANERING. och utvärdering av försöksresultat med den matematiska statistikens metoder. av Jarl Ahlbeck
FÖRSÖKSPLNERING och utvärderg av försöksresultat med de matematska statstkes metoder av Jarl hlbeck Åbo kadem Laboratoret för alägggstekk I a sstem whch varable quattes chage, t s of terest to eame the
Läs merc k P ), eller R n max{ x k b dx def lim max n f ( def definition. [a,b] om
RIEMANNSUMMOR OCH DEFINITIO ONEN AV INTEGRALI LEN f ( x) dx Låt f ( Låt P={xx 0,x 1,...,x } där = x 0 x 1,..., x = =, vr e idelig vv itervllet [,]. I vrje delitervll [x -1, x ] väljer och e put c. Alltså
Läs mer1. BERÄKNING AV GRÄNSVÄRDEN ( då x 0 ) MED HJÄLP AV MACLAURINUTVECKLING. n x
BERÄKNING AV GRÄNSVÄRDEN ( då ) MED HJÄLP AV MACLAURINUTVECKLING a) Maclauris formel ( ) f () f () f () f ( ) f () + f () + + + +!!! ( ) f ( c) där R och c är tal som ligger mella och ( + )! Amärkig Eftersom
Läs merb) Bestäm det genomsnittliga antalet testade enheter, E (X), samt även D (X). (5 p)
Avd Matematisk statistik TENTAMEN I SF922, SF923 och SF924 SANNOLIKHETSTEORI OCH STATISTIK, TISDAGEN DEN 29:E MAJ 208 KL 0800 300 Examiator för SF922/SF923: Tatjaa Pavleko, 08-790 84 66 Examiator för SF924:
Läs merTENTAMEN I MATEMATISK STATISTIK Datum: 13 mars 08
TENTAMEN I MATEMATISK STATISTIK Datum: 3 mars 8 Te i kurse HF3, 6H3, 6L3 MATEMATIK OCH MATEMATISK STATISTIK, Te i kurse HF ( Tidigare k 6H3), KÖTEORI OCH MATEMATISK STATISTIK, Skrivtid: 8:5-:5 Hjälpmedel:
Läs merStatistisk analys. Vilka slutsatser kan dras om populationen med resultatet i stickprovet som grund? Hur säkra uttalande kan göras om resultatet?
Statistisk aalys Vilka slutsatser ka dras om populatioe med resultatet i stickprovet som grud? Hur säkra uttalade ka göras om resultatet? Mats Guarsso Tillämpad matematik III/Statistik - Sida 83 Exempel
Läs merInduktion LCB Rekursion och induktion; enkla fall. Ersätter Grimaldi 4.1
duktio LCB 2000 Ersätter Grimaldi 4. Rekursio och iduktio; ekla fall E talföljd a a 0 a a 2 ka aturligtvis defiieras geom att ma ager e explicit formel för uträkig av dess elemet, som till exempel () a
Läs merKTH/ICT IX1501:F7 IX1305:F2 Göran Andersson Statistik: Skattningar
KTH/ICT IX50:F7 IX305:F Göra Adero goera@th.e Statiti: Sattigar Statiti Vi all u tudera obervatioer av toatia variabler. Vad blev det för värde? Dea obervatioer alla ett ticprov (ample). Iom tatitie fi
Läs merTATM79: Föreläsning 2 Absolutbelopp, olikheter och binomialkoefficienter
TATM79: Föreläsig Absolutbelopp, oliheter och biomialoefficieter Joha Thim augusti 018 1 Absolutbelopp Absolutbelopp Defiitio. För varje reellt x defiieras absolutbeloppet x eligt { x, x 0 x x, x < 0.
Läs merTentamen i Matematisk statistik för V2 den 28 maj 2010
Tetame i Matematisk statistik för V de 8 maj 00 Uppgift : E kortlek består av 5 kort. Dessa delas i i färger: 3 hjärter, 3 ruter, 3 spader och 3 klöver. Kortleke iehåller damer, e i varje färg. Ata att
Läs merb 1 och har för olika värden på den reella konstanten a.
Första häftet 649. a) A och B spelar cigarr, vilket som bekat tillgår på följade sätt. Omväxlade placerar de ibördes lika, jämtjocka cigarrer på ett rektagulärt bord, varvid varje y cigarr måste placeras
Läs mer1. Hur gammalt är ditt barn?
Förskoleekät 2017 Filtrerigsvillkor: Villkor: 1: Svarsalterativ Björkduge (Fråga: Vilke förskola går ditt bar i?) 1. Hur gammalt är ditt bar? 0% 5% 10% 15% 20% 25% 30% 35% 40% 45% 50% 1-2 22% 3-4 50% 5-6
Läs mer