Väntevärde för stokastiska variabler (Blom Kapitel 6 och 7)

Storlek: px
Starta visningen från sidan:

Download "Väntevärde för stokastiska variabler (Blom Kapitel 6 och 7)"

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.

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 mer

KONFIDENSINTERVALL FÖR MEDIANEN (=TECKENINTERVALL )

KONFIDENSINTERVALL 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 mer

Korrelationens betydelse vid GUM-analyser

Korrelationens 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 mer

Sensorer, effektorer och fysik. Analys av mätdata

Sensorer, 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 mer

Medelvärde. Repetition. Median. Standardavvikelse. Frekvens. Normerat värde. z = x x

Medelvärde. 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 mer

F4 Matematikrep. Summatecken. Summatecken, forts. Summatecken, forts. Summatecknet. Potensräkning. Logaritmer. Kombinatorik

F4 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 mer

Sensorer och elektronik. Analys av mätdata

Sensorer 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 mer

Induktion och Binomialsatsen. Vi fortsätter att visa hur matematiska påståenden bevisas med induktion.

Induktion 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 mer

4.2.3 Normalfördelningen

4.2.3 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 mer

Föreläsningsanteckningar till Linjär Regression

Föreläsningsanteckningar 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 mer

Orderkvantiteter vid begränsningar av antal order per år

Orderkvantiteter 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 mer

Normalfördelningar (Blom Kapitel 8)

Normalfördelningar (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 mer

D 45. Orderkvantiteter i kanbansystem. 1 Kanbansystem med två kort. Handbok i materialstyrning - Del D Bestämning av orderkvantiteter

D 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 mer

Kontingenstabell (Korstabell) 2. Oberoende-test. Stickprov beror av slumpen. Vad vi förvf. är r oberoende: kriterier är r oberoende: kriterier

Kontingenstabell (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 mer

Borel-Cantellis sats och stora talens lag

Borel-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 mer

Fyra typer av förstärkare

Fyra 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 mer

Uppsala Universitet Matematiska Institutionen Bo Styf. Att repetera.

Uppsala 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 mer

Orderkvantiteter i kanbansystem

Orderkvantiteter 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 mer

Stokastiska variabler

Stokastiska 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 mer

Något om beskrivande statistik

Något 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 mer

Veckoblad 2. Kapitel 2 i Matematisk statistik, Blomqvist U.

Veckoblad 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 mer

Följande begrepp används ofta vid beskrivning av ett statistiskt material:

Följande 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 mer

Uppsala Universitet Matematiska Institutionen Thomas Erlandsson

Uppsala 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 mer

KINESISKA RESTSATSEN och STRUKTURSATSER

KINESISKA 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 mer

Parametriska metoder. Icke-parametriska metoder. parametriska test. Icke-parametriska test. Location Shift. Vilket test ersätts med vilket?

Parametriska 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 mer

SAMMANFATTNING AV KURS 602 STATISTIK (Newbold kapitel [7], 8, 9, 10, 13, 14)

SAMMANFATTNING 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 mer

Postadress: Internet: Matematisk statistik Matematiska institutionen Stockholms universitet 106 91 Stockholm Sverige. http://www.math.su.

Postadress: 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 mer

Ekvationen (ekv1) kan beskriva vågutbredning, transversella svängningar i en sträng och andra fysikaliska förlopp.

Ekvationen (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 mer

En utvärdering av två olika sätt att skatta fördelningen till stickprovsmedelvärden från olikfördelade data - normalapproximation kontra resampling

En 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 mer

TENTAMEN I MATEMATISK STATISTIK. Statistik för lärare, 5 poäng

TENTAMEN 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 mer

Armin Halilovic: EXTRA ÖVNINGAR. ) De Moivres formel ==================================================== 2 = 1

Armin 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 mer

c 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.

c 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 mer

Föreläsning G04 Surveymetodik 732G19 Utredningskunskap I

Föreläsning 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 mer

Minsta kvadrat-metoden, MK. Maximum likelihood-metoden, ML. Medelfel. E(X i ) = µ i (θ) MK-skattningen av θ fås genom att minimera

Minsta 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

= (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 mer

vara ett polynom där a 0, då kallas n för polynomets grad och ibland betecknas n = grad( P(

vara 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 mer

F4 Matematikrep. Summatecken. Summatecken, forts. Summatecken, forts. Summatecknet. Potensräkning. Logaritmer. Kombinatorik

F4 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 mer

3-fastransformatorn 1

3-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 mer

Lösning till till tentamen i EIEF10 Elmaskiner och drivsystem

Lösning 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 mer

Genomsnittligt sökdjup i binära sökträd

Genomsnittligt 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 mer

APPROXIMATION AV SERIENS SUMMA MED EN DELSUMMA OCH EN INTEGRAL

APPROXIMATION 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 mer

NEWTON-RAPHSONS METOD (en metod för numerisk lösning av ekvationer)

NEWTON-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 mer

Begreppet rörelsemängd (eng. momentum) (YF kap. 8.1)

Begreppet 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 mer

NEWTON-RAPHSONS METOD (en metod för numerisk lösning av ekvationer)

NEWTON-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 mer

Fördelningen för populationen som stickprovet togs ifrån är känd så nära som på ett antal parametrar, t.ex: N med okända

Fördelningen 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 mer

1. (a) Eftersom X och Y har samma fördelning så har de även samma väntevärde och standardavvikelse. E(X 2 ) = k

1. (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 mer

Formler och tabeller i statistik

Formler 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 mer

UPPSKATTNING AV INTEGRALER MED HJÄLP AV TVÅ RIEMANNSUMMOR. Med andra ord: Vi kan approximera integralen från båda sidor

UPPSKATTNING 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 mer

F15 ENKEL LINJÄR REGRESSION (NCT )

F15 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 mer

SOS HT Punktskattningar. Skattning från stickprovet. 2. Intuitiva skattningar. 3. Skattning som slumpvariabel. slump.

SOS 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 mer

Intervallskattningar, synonymt konfidensintervall eller statistiska osäkerhetsgränser

Intervallskattningar, 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 mer

Uppsala Universitet Matematiska Institutionen Bo Styf. Genomgånget på föreläsningarna Föreläsning 26, 9/2 2011: y + ay + by = h(x)

Uppsala 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 mer

Vad är det okända som efterfrågas? Vilka data är givna? Vilka är villkoren?

Vad 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 mer

Lösningsförslag till tentamen i 732G71 Statistik B, 2009-12-04

Lösningsförslag 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 mer

Grundläggande matematisk statistik

Grundläggande 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 mer

Normalfördelningens betydelse. Sannolikhet och statistik. Täthetsfunktion, väntevärde och varians för N (µ, σ)

Normalfördelningens 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 mer

Kap. 1. Gaser Ideala gaser. Ideal gas: För en ideal gas gäller: Allmänna gaslagen. kraft yta

Kap. 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 mer

NEWTON-RAPHSONS METOD (en metod för numerisk lösning av ekvationer)

NEWTON-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 mer

Tentamen i Envariabelanalys 1

Tentamen 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 mer

Lösningar till tentamensskrivning i kompletteringskurs Linjär Algebra, SF1605, den 10 januari 2011,kl m(m + 1) =

Lösningar 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 mer

DEL I. Matematiska Institutionen KTH

DEL 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 mer

Prisuppdateringar på elementär indexnivå - jämförelser mot ett superlativt index

Prisuppdateringar 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 mer

Föreläsning 10: Kombinatorik

Föreläsning 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 mer

Föreläsning 3. Signalbehandling i multimedia - ETI265. Kapitel 3. Z-transformen. LTH 2015 Nedelko Grbic (mtrl. från Bengt Mandersson)

Föreläsning 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 mer

Centrala gränsvärdessatsen

Centrala 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 mer

4.2.3 Normalfördelningen

4.2.3 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 mer

Multiplikationsprincipen

Multiplikationsprincipen 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 mer

EGENRUM, ALGEBRAISK- OCH GEOMETRISK MULTIPLICITET

EGENRUM, 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 mer

För att skatta väntevärdet för en fördelning är det lämpligt att använda Medelvärdet. E(ξ) =... = µ

För 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 mer

Lösningar och kommentarer till uppgifter i 1.1

Lösningar 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 mer

REGRESSIONSANALYS S0001M

REGRESSIONSANALYS 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 mer

Variansberäkningar KPI

Variansberäkningar 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 mer

Antalet sätt att välja ut r objekt bland n stycken med hänsyn till ordning är np r = n(n 1) (n r + 1).

Antalet 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 mer

H1009, Introduktionskurs i matematik Armin Halilovic POLYNOM, POLYNOMDIVISION, ALGEBRAISKA EKVATIONER, PARTIALBRÅKSUPPDELNING. vara ett polynom där a

H1009, 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 mer

Kontrollskrivning 2 till Diskret Matematik SF1610, för CINTE1, vt 2019 Examinator: Armin Halilovic Datum: To Σ p P/F Extra Bonus

Kontrollskrivning 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 mer

101. och sista termen 1

101. 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 mer

Betygsgränser: För (betyg Fx).

Betygsgränser: 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 mer

θx θ 1 om 0 x 1 f(x) = 0 annars

θx 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 mer

Flexibel konkursriskestimering med logistisk spline-regression

Flexibel 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 mer

Matematisk statistik

Matematisk 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

= 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 mer

a) Beräkna E (W ). (2 p)

a) 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 mer

SANNOLIKHETER. Exempel. ( Tärningskast) Vi har sex möjliga utfall 1, 2, 3, 4, 5 och 6. Därför är utfallsrummet Ω = {1, 2, 3, 4, 5,6}.

SANNOLIKHETER. 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 mer

ENDIMENSIONELL ANALYS B1 FÖRELÄSNING VI. Föreläsning VI. Mikael P. Sundqvist

ENDIMENSIONELL 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 mer

Tentamen i matematisk statistik

Tentamen 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 mer

Sannolikheten. met. A 3 = {2, 4, 6 }, 1 av 11

Sannolikheten. 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 mer

F10: Strömreglering (PE-Kap 3)

F10: 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.

= 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 mer

FÖRSÖKSPLANERING. och utvärdering av försöksresultat med den matematiska statistikens metoder. av Jarl Ahlbeck

FÖRSÖKSPLANERING. 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 mer

c k P ), eller R n max{ x k b dx def lim max n f ( def definition. [a,b] om

c 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 mer

1. BERÄKNING AV GRÄNSVÄRDEN ( då x 0 ) MED HJÄLP AV MACLAURINUTVECKLING. n x

1. 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 mer

b) Bestäm det genomsnittliga antalet testade enheter, E (X), samt även D (X). (5 p)

b) 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 mer

TENTAMEN I MATEMATISK STATISTIK Datum: 13 mars 08

TENTAMEN 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 mer

Statistisk analys. Vilka slutsatser kan dras om populationen med resultatet i stickprovet som grund? Hur säkra uttalande kan göras om resultatet?

Statistisk 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 mer

Induktion LCB Rekursion och induktion; enkla fall. Ersätter Grimaldi 4.1

Induktion 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 mer

KTH/ICT IX1501:F7 IX1305:F2 Göran Andersson Statistik: Skattningar

KTH/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 mer

TATM79: Föreläsning 2 Absolutbelopp, olikheter och binomialkoefficienter

TATM79: 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 mer

Tentamen i Matematisk statistik för V2 den 28 maj 2010

Tentamen 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 mer

b 1 och har för olika värden på den reella konstanten a.

b 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 mer

1. Hur gammalt är ditt barn?

1. 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