F1 Deskription. Statistikens grunder 2 dagtid. Databildning Kap 9. Mätning 1. Att beskriva, illustrera och sammanfatta en uppsättning observationer
|
|
- Birgitta Vikström
- för 5 år sedan
- Visningar:
Transkript
1 22--5 F Deskripio Saisikes gruder 2 dagid HT 22 A beskriva, illusrera och sammafaa e uppsäig observaioer Me förs ågo kor om Daabildig (Nyquis kap 9) Daabildig Kap 9 Mäig Daa: Mäigar, observaioer ex. 22 M Meadaa: Iformaio om daa, förklarar vad rade ova sår för, vad värdea beyder, ufallsrum mm. Paradaa (SCB och adra): uppgifer om daaisamlige: Ex. 4 T 62 Meaparadaa : beräar vad paradaa sår för Validie: Mäprocesses förmåga a represeera de suderade egeskape. Predikiv validie = förmåga a förusäga observaioer Reliabilie: Mäprocesses förmåga a ge ugefär samma resula vid upprepade mäigar. Tillförlilighe, slumpfel.
2 22--5 Mäig 2 Empiriska sudier Bias: E sysemaisk fel som iroduceras av mäprocesse. Slumpfel: E sokasisk fel som iroduceras av mäprocesse. Observera värde Y = μ + b + ε Sa värde Bias Slumpfel Syfe: a på ågo sä avgöra om e modell är e rimlig beskrivig av de verklighe vi suderar. Experimeella sudier: Objek usäs för olika behadligar för sudera effeker (respos) Radomiserad (slumpmässig) allokerig av objek ill olika behadligar Korollgrupper (placebo) Ofa för a sudera orsakssambad (kausaliie) Eik? Empiriska sudier 2 Empiriska sudier 3 Observaiossudier: Objek väljs u ur e populaio och suderas (mäs) Dessa får represeera hela populaioe Sudera egeskaper i populaioe och/eller jämförelser mella olika grupper iom populaioe Usäs ie för e behadlig, passiv observerade Svår (omöjlig?) a dra absolua slusaser om kausalie Eik? Urvalsudersökigar: Kosadsskäl billigare udersöka e fåal jmfr med alla Tidsskäl går forare (kosad och akualie) Mer pegar över mäprocesse ka förfias, bäre resula jmfr med oaludersökig Prakisk omöjlig.ex. oädliga populaioer Försörade mäigar 2
3 22--5 Empiriska sudier 4 Deskripio Kap -2 Slumpmässiga urval: Represeaiva urval vad meas med de? Akiv välja urvalsobjek som ma aser vara represeaiva medför problem (kap 9 sid 2) varför? Vad ma aser behöver ie vara hela saige ie es delvis Slumpmässiga urval garaerar (om de görs rä) vad ma kallar väevärdesrikiga skaigar med bra precisio. A preseera och sammafaa empiriska observaioer (empirisk fördelig). Exploraiv aalys! A jämföra med e eoreisk modell (saolikhesfördelig). Tabeller Grafisk framsällig Me äve Sammafaade må medelvärde, media, adelar, sadardavvikelse i e uppsäig empiriska observaioer, daa Variabler Kvaiaiva variabler Aar umeriska värde Kvaliaiva variabler Aar icke-umeriska värde Koiuerliga variabler Ka aa samliga värde iom e iervall Ka vara ädlig eller oädlig Diskrea variabler Ka aa edas vissa värde Skalor Värdea som e variabel ka aa ages på olika skalyper: Nomialskala icke-umerisk, lai ome = am Ex. bilmärke, yrke m.m. Ordialskala Icke-umerisk me ka ordas Ex. bra, bäre, bäs Iervallskala Numeriska värde där avsåde är väldefiierade me ie kvoer Ex. Celsiusskala Kvoskala 2 är vå ggr sörre ä 3
4 Ordial Diskre Nomial Sammafaig Frekvesabeller Variabelyp Skalyp Diskre Koiuerlig Nomial X - Ordial X - Iervall X X Kvo X X Kvaliaiv Kvaiaiv Kvaliaiva omial och ordial Kvaiaiva diskre och klassidelad koiuerlig Räka aale som faller iom varje defiierad kaegori Olika variabelyper och skalor kräver olika abellyper och diagramyper! Glassmak Frekves Rel. frekv. Choklad 7 35, % Vailj 5 25, % Sörs förs! Jordgubb 45 22,5% Hallo 3 5, % Lakris 5 2,5 % Mis sis! Summa 2 % Frekvesabeller 2 Klassidelig Beyg Frekves Rel. frekv. Säms 3 5, % Dålig 55 22,5 % OK 8 4,% God 2, % Bäs 5 7,5 % Summa 2 % Aal fel Frekves Rel. frekv. 5 2,5 % 2 3 5, % ,% ,5 % , % Summa 2 % Orda efer ragordige på skala! Orda efer sorleksordig! När e variabel är koiuerlig eller äsa koiuerlig (hur måga decimalers oggrahe?) Gruppera ärliggade ill samma klass. Klassbredd måse defiieras Ex. -4,99; 5,-9,99;,-4,99 Samma klassbredd eller olika? Ex. åldersgrupper ka variera iblad Frekvesera ka sammasällas klassvis i e abell. 4
5 22--5 Grafisk framsällig Hisogram Frekveser (absolua el. relaiva) Sapeldiagram Kvaliaiva, omial och ordial Orda på mosvarade sä som med frekvesabeller Uppdelade saplar Cirkeldiagram Kvaliaiva, omial Solpdiagram Kvaiaiva, diskre Hisogram Kvaiaiva, klassidelad koiuerlig Hisogram aväds är ma har koiuerlig variabel. Samma som med abeller, klassbreddera måse defiieras. Frekvese i e klass ska avspeglas i sapels area, ie dess höjd! Om lika klassbredd kommer höjde bli proporioell mo frekvese. Öppa klasser (ex. >65) markeras med sreckade lijer Efersom vi ie ve var de sluar ka vi ie vea vad area är! Lägesmå Lägesmå 2 Empiriska lägesmå Arimeisk medelvärde x x i i Käslig för exrema värde Ex. 2, 3, 4, 5 x 3,5 Ex. 2, 3, 4, 25 x 8,5 Sickprovsmedelvärde mosvaras av de eoreiska och absraka väevärde Mediae delar e daa maerial i mie, dvs. 5 % av observaioera ligger på vara sida om mediae Ragorda observaioera udda media = miersa jäm media = medelvärde av de vå ärmas mie Ex. 2, 3, 4, 5 media = 3,5 Ex. 2, 3, 4, 25 media = 3,5 5
6 22--5 Spridigsmå Tchebysheffs olikhe Sickprovsvariase (Näsa) samma defiiio som de eoreiska fördeliges varias Geomsilig kvadrera avsåd ill medelvärde s 2 - i ( x i x) Obs! - isf Medför bäre egeskaper 2 k är e al s.a. k För alla empiriska fördeligar gäller a adele observaioer som ligger i iervalle Ex. ( x ks, x ks) är mis /k 2 k = adele > / 2 = k = 2 adele > /2 2 =,75 k = 3 adele > /3 2 =,8889 k = 4 adele > /4 2 =,9735 Spridigsmå 2 Boxploar Kvariler och kvarilavsåd q = :a kvarile 25 % edaför, 75 % ovaför q 3 = 3:e kvarile 75 % edaför, 25 % ovaför Beräkas elig samma möser som mediae (se kap sid 7) IRQ = Kvarilavsåd = q 3 q (eg. ierquarile rage) Behöver misa och sörsa värde media, försa och redje kvariler defiiera ev. exremvärde Ouliers: elig e defiiio (Tukey) värde som ligger mer ä,5 ggr IRQ ill väser om q eller ill höger om q 3. Exrema ouliers: om avsåde är sörre 3 ggr IRQ 6
7 22--5 Boxploar 2 Flera variabler Exempel Varför ia på flera samidig? Mi Media q q ,5 ggr IRQ IRQ Sörsa värde som ej är exrem,5 ggr IRQ Exremvärde Max Sambadsaalys Fis de söd eller ie i daa för e sambad (beroede) mella olika variabler? Sudera korsabeller och olika grafer/diagram Frekvesabeller Beskrivade må Korsabeller, ma korsar vå eller fler variabler. Absolua eller relaiva frekveser Me u ka vi välja: - simulaa relaiva frekv. - beigade relaiva frekv. Vi suderade beigade fördeligar och dessas väevärde och variaser. De ka vi givevis göra med empiriska daa. Jämföra vå eller flera grupper map läge och spridig. Med de seare är de ofare läare a uppäcka sambad. Se ex. kap 2 sid 5. 7
8 22--5 Kvoabeller Kvoabeller 2 Besläka begrepp (SCB): magiudabeller Isf medelvärde praar ma ofa (på SCB) om oaler Dvs. de uppsummerade eller aggregerade värde för e variabel y beiga på värde på e aa x Ma ka försås korsa flera förklarigsvariabler och aggregera e resposvariabel Se.ex. abell 2.6 sid För e redovisigsgrupp g: Kvo: medelvärde Toal: Adel: specialfall av medelvärde. p där Ag g x i x g g xig x g i x xig g x i g xig, omi haregeskapa, aars x i F2 Deskripio fors Saplade yor Grafisk framsällig flera variabler Varia av sapeldiagram Saplade saplar (kaegoriska daa) Absolua frekveser per grupp (simula fördelig) Serie3 Serie2 Serie Absolua frekveser per grupp (simula fördelig) Serie3 Serie2 Serie Relaiva frekveser per grupp (beigad fördelig) % 8% 6% 4% 2% % Serie3 Serie2 Serie Relaiva % frekveser 8% per grupp 6% 4% (beigad för- 2% delig) % Serie3 Serie2 Serie 8
9 22--5 Sapeldiagram Boxploar ige Grupperade saplar Jämföra grupper * * * * Serie Serie2 Serie3 * * Pukploar Pukploar 2 Varje alpar represeeras av e puk: Oerhör vikig isrume är ma suderar sambad mella (koiuerliga) variabler! Vad lear ma efer? Sarka eller svaga sambad Posiiva eller egaiva sambad Lijära eller icke-lijära sambad Avvikade och exrema värde huvudsaklige vå yper me mer om de på äsa kurs! 9
10 22--5 Pukploar 3 Kovarias och korrelaio Ex. Ascomb s daa se Sickprovsmosvarigheera ill kovarias och korrelaio i e simula bivaria fördelig s xy - - i ( x x)( y i i i y) xiyi xy r xy sxy s s x y A jämföra med pukploara! Jämföra empiri och modell Jämföra e empirisk fördelig med e eoreisk fördelig Forsa läsig Avsi 2.5 Samspelseffek Avsi 2.6 Sadardpopulaiosmeode Läs själva me särskil 2.5 fis aledig a åerkomma ill är i läser Regressiosaalys De empiriska visas i e hisogram, de eoreiska som e graf
11 22--5 Tidsserier Tidsserier När vi suderar e variabel över id Beeckas ofa X Sor X för a är sokasisk Idex för id Vad umärker idsserieaalys jmfr med värsisdaa? Upprepade mäigar över id Beroede observaioer Två sä beskrivs i Nyquis Dekompoerig, uppdelig i kompoeer Sokasisk process Frågesälligara kua ill series uvecklig över id,.e.x förädrigar, reder och säsogsmässiga variaioer mm. (Se Kap 3 sid 4) Grafisk framsällig Kompoeer Kurvdiagram, ide på x-axel och observaioera mo y-axel. Pukera förbids med lijer. 4 3,5 3 2,5 2,5, Mjölk Sockerdricka År Mjölk Sockerdricka 975,34,2 976,43,33 977,63,38 978,92, ,7,5 98 2,4, ,87, ,38 2, Ma äker sig a varje observaio besår av fyra delar Tred Kojukur Säsog Slump X Tr K S ε Hur sor del var och bidrar med varierar Dels kompoeeras uvecklig över och sorlek
12 22--5 Dekompoerig Sokasiska processer Eklase variae: :a ordiges auoregressiv process, eller AR() X μ ρ( X μ) ε Ofa me ie allid fimpar ma lägesparameer geom a isälle ia på Y = X μ Muliplikaiv modell: X = Tr C S ε Y ρy ε Sokasiska processer 2 Ekla idex ρ =,9 Mjukare, små förädrigara, slumpfele midre Välj e basidpuk ( = ) Jämför samliga observaioer mo dea idpuk Idex X X ρ =,4 Taggigare, hoppar mer, slumpfele slår igeom mer Visar edas förädrig, ie ivåer Edas jämföra mo basåre År X Idex 975,6, 976,72 6,7 977,96 2, ,3 43, ,48 54,5 98 2,89 79,9 98 3,44 24, ,6 252,2 2
13 22--5 Ekla idex 2 Sammasaa idex I grafisk form: Origial Idex 4,5 4, 3,5 3, 2,5 2,,5,,5, , 25, 2, 5,, Mjölk Sockerdricka Mjölk Sockerdricka När ma vill mäa.ex. de allmäa prisivå och dess förädrigar (iflaio). Ska edas mäa prisivås förädrigar och ie påverkas av förädrigar i kosumees levadsivå. E prisidex ska mäa prisivås förädrigar vid oförädrad levadsivå. 5,, Sammasaa idex 2 Sammasaa idex 3 Ex. priser på ågra varor: Kosym Skjora 2 7 Herrsockor 7 9 Förädrig? Summera prisera och jämför summora? Jämför varje vara för sig och a arimeisk medelvärde av förädrigara? Väg varje vara mo kvaieera, dvs. aale sålda av var och e Idex PQ Vilka kvaieer ska ma välja? År = eller år? P Q 3
14 22--5 Sammasaa idex 4 Sammasaa idex 5 Laspeyres idex: Kvaieer vid basåre = Idex L PQ Paasche idex: Kvaieer ievarade år Idex P P Q PQ P Q Edgeworh idex: Sie av kvaieer vid basåre = och PQ, E Idex P Q, Fishers idealidex: Geomerisk medelvärde av Laspeyres och Paasches Idex Idex Idex L P 4
Ekvationen (ekv1) kan bl. annat beskriva värmeledningen i en tunn stav där u( x, betecknar temperaturen i punkten x vid tiden t.
Armi Halilovi: EXRA ÖVNINGAR Värmeledigsekvaioe VÄRMEEDNINGSEKVAIONEN Vi berakar följade PDE u x u x k (, ) (, ), < x (ekv), där k> är e kosa Ekvaioe (ekv) ka bl aa beskriva värmeledige i e u sav
Läs mer2009-11-20. Prognoser
29--2 Progoser Progoser i idsserier: Gissa e framida värde i idsserie killad geemo progoser i regressio: De framida värde illhör ie daaområde. fe med e progosmodell är a göra progos, ie a förklara de hisoriska
Läs merFöreläsning 3. 732G04: Surveymetodik
Föreläsig 3 732G04: Surveymetodik Dages föreläsig Obudet slumpmässigt urval (OSU) Populatiosparametrar och stickprovsstatistikor Vätevärdesriktighet Ädliga och oädliga populatioer Medelvärde, adel Kofidesitervall
Läs merKvinnors arbetsmiljö. Rapport 2012:11. Tillsynsaktivitet 2012 inom regeringsuppdraget om kvinnors arbetsmiljö. Delrapport
Kviors arbesmiljö Tillsysakivie 12 iom regerigsuppdrage om kviors arbesmiljö Delrappor Rappor 12:11 12-5-9 1 (9) Ehee för mäiska och omgivig Chrisia Josso, 8-73 94 18 arbesmiljoverke@av.se Delrappor Tillsysakivie
Läs merProgrammering Emme-makro rvinst_ic.mac version 2
Uppdragsr: 10109320 2008-08-27 Seh Svalgård PM Programmerig Emme-makro rvis_ic.mac versio 2 Iehållsföreckig Förusäigar...2 Beräkigsuryck...2 Daabaser...4 Marisplaser...4 Aropsparamerar...6 Udaa...6 L:\705x\_SAMSAM\3_Dokume\36_PM\PM
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 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 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 merKURV- OCH YTAPPROXIMATION MED POLYNOM
KURV- OCH YTAPPROXIMATION MED POLYNOM Magus Bodesso Isiuioe för Daaveeskap 999-02-04, 200-02-0 (red), 2003-02-05 (red) Allmä om kurvapproximaio med polyom Dea papper ersäer framsällige i HB: 35-354, FvD:
Läs merFinansiell Statistik (GN, 7,5 hp,, HT 2008) Föreläsning 4 (del 1)
Fiasiell Statistik (GN, 7,5 hp,, HT 008) Föreläsig 4 (del 1) Sampligfördeligar (LLL Kap 8) Departmet of Statistics (Gebreegus Ghilagaber, PhD, Associate Professor) Fiacial Statistics (Basic-level course,
Läs merLycka till! I(X i t) 1 om A 0 annars I(A) =
Avd Matematisk statistik TENTAMEN I SF955 f d 5B555 DATORINTENSIVA METODER ONSDAGEN DEN AUGUSTI 008 KL 400 900 Examiator: Guar Eglud, tel 790746 Email: guare@mathkthse Tillåta hjälpmedel: Formel- och tabellsamlig
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 merKorrelatio n : Korrelation Korrelation är samma sak som faltning med. Signal- och Bildbehandling FÖRELÄSNING 12
Sigal- oc Bildbeadlig FÖELÄSNING Korrelaio (D) Korskorrelaio (ofa kalla bara korrelaio) Auokorrelaio oc effekspekrum Brus Lijära ssem LTI-ssem (Lijär idsivaria ssem) Differeial- oc differes-ekvaioer (kursiv)
Läs merModellering och prediktion av tidsserier gällande sjukförmåner inom socialförsäkringen
Maemaisk saisik Sockholms uiversie Modellerig och predikio av idsserier gällade sukförmåer iom socialförsäkrige Per Johasso Examesarbee 6:8 Posal address: Maemaisk saisik Dep. of Mahemaics Sockholms uiversie
Läs mer1. Test av anpassning.
χ -metode. χ -metode ka avädas för prövig av hypoteser i flera olika slag av problem: om e stokastisk variabel följer e viss saolikhetsfördelig med käda eller okäda parametrar. om två stokastiska variabler
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 merF3 Lite till om tidsserier. Statistikens grunder 2 dagtid. Sammansatta index 4. Deflatering HT Laspeyres index: Paasche index: Index.
F3 Lite till om tidsserier Deflaterig, att justera för iflatioe tatistikes gruder dagtid 4 3,5 3,5,5 Mjölk ockerdricka HT,5 975 976 977 978 979 98 98 98 Löpade priser År Mjölk ockerdricka KPI 945 = 975,34,
Läs merDatorövning 2 Fördelningar inom säkerhetsanalys
Luds tekiska högskola Matematikcetrum Matematisk statistik STATISTISKA METODER FÖR SÄKERHETSANALYS FMS065, HT-15 Datorövig 2 Fördeligar iom säkerhetsaalys I dea datorövig ska vi studera ågra grudläggade
Läs mer2. Konfidensintervall för skillnaden mellan två proportioner.
Föreläsig 12 LV1, Torsdag 12/10 Upplägg 1. Kofidesitervall för proportioer. 2. Kofidesitervall för skillade mella två proportioer. 3. Grafteori Kofidesitervall för proportioer Atag att vi vill skatta adele
Läs merAutokorrelationens inverkan på signifikansnivån för Jarque-Beras normalitetstest för regressionsresidualer en Monte Carlo-studie
UPPSALA UNIVERSITET 999-9-6 Isiuioe för iformaiosveeskap Avdelige för saisik Saisik C Arkivversio Pol. Mag.-programme VT 999 Auokorrelaioes iverka på sigifikasivå för Jarque-Beras ormalieses för regressiosresidualer
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 merF10 ESTIMATION (NCT )
Stat. teori gk, ht 2006, JW F10 ESTIMATION (NCT 8.1-8.3) Ordlista till NCT Iferece Parameter Estimator Estimate Ubiased Bias Efficiecy Cofidece iterval Cofidece level (Studet s) t distributio Slutledig,
Läs merhelst. poäng. (betyg Fx). Vem som Komplettering sker c:a Uppgift Uppgift Uppgift veta hur vänd! Var god
Teme i TEN, HF, Memisk sisik Dum -8-7 Kurskod HF Skrivid: 5-75 Lärre: Armi Hlilovi Hjälmedel: Bifog formelhäfe (" Formler oh beller i sisik ") oh miiräkre v vilke y som hels De är INTE TILLÅTET väd miilo,
Läs merbättre säljprognoser med hjälp av matematiska prognosmodeller!
Whiepaper 24.9.2010 1 / 5 Jobba mindre, men smarare, och uppnå bäre säljprognoser med hjälp av maemaiska prognosmodeller! Förfaare: Johanna Småros Direkör, Skandinavien, D.Sc. (Tech.) johanna.smaros@relexsoluions.com
Läs merFormler, grundläggande statistik
Formler, grudläggade aiik Medelvärde N X μ σ Sadardavvikele, populaio Sadardavvikele, ickprov Sadardavvikele, räkevälig z Z-poäg z z r Pearo korrelaio, urpruglig r Pearo korrelaio, räkeväligare Oe ample
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 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 merHöftledsdysplasi hos dansk-svensk gårdshund - Exempel på tavlan
Höftledsdysplasi hos dask-svesk gårdshud - Exempel på tavla Sjö A Sjö B Förekomst av parasitdrabbad örig i olika sjöar Exempel på tavla Sjö C Jämföra medelvärde hos kopplade stickprov Tio elitlöpare spriger
Läs merF19 HYPOTESPRÖVNING (NCT ) Hypotesprövning för en differens mellan två medelvärden
Stat. teori gk, ht 006, JW F19 HPOTESPRÖVNING (NCT 11.1-11.) Hypotesprövig för e differes mella två medelvärde Samma beteckigar som vid kofidesitervall för differes mella två populatiosmedelvärde: Medelvärde
Läs merFormelsamling. Enkel linjär regressionsananalys: Modell: y i = β 0 + β 1 x i + ε i. Anpassad regressionslinje: ŷ = b 0 + b 1 x. (x i x) (y i ȳ) ( x)2
LINKÖPINGS UNIVERSITET Matematiska istitutioe Statistik, ANd Formelsamlig Ekel lijär regressiosaaalys: Modell: y i β 0 + β x i + ε i ε N(0,σ. Apassad regressioslije: ŷ b 0 + b x b (x i x (y i ȳ (x i x
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 merLaboration D158. Sekvenskretsar. Namn: Datum: Kurs:
UMEÅ UNIVERSITET Tillämpad fysik och elekronik Digialeknik Lars Wållberg/Håkan Joëlson 2001-02-28 v 3.1 ELEKTRONIK Digialeknik Laboraion D158 Sekvenskresar Namn: Daum: Eposadr: Kurs: Sudieprogram: Innehåll
Läs merFinansiell Statistik (GN, 7,5 hp,, HT 2008) Föreläsning 4 (del 2)
Fiasiell Statistik (GN, 7,5 hp,, HT 008) Föreläsig 4 (del ) Pukt- och itervallskattig (LLL Kap 10) Departmet of Statistics (Gebreegus Ghilagaber, PhD, Associate Professor) Fiacial Statistics (Basic-level
Läs merFöreläsning 8. Kap 7,1 7,2
Föreläsning 8 Kap 7,1 7,2 1 Kap 7: Klassisk komponenuppdelning: Denna meod fungerar bra om idsserien uppvisar e saisk mönser. De är fyra komponener i modellen: Muliplikaiv modell: Addiiv modell: där y
Läs merx 1 x 2 x 3 x 4 x 5 x 6 HL Z x x x
Uppgift 1 a) Vi iför slackvariabler x 4, x 5 och x 6 och löser problemet med hjälp av simplexalgoritme. Z -2-1 1 0 0 0 0 x 4 1 1-1 1 0 0 20 x 5 2 1 1 0 1 0 30 x 6 1-1 2 0 0 1 10 x 1 blir igåede basvariabel
Läs merBegreppet rörelsemängd (eng. momentum)
Begreppe rörelsemägd (eg. momeum) Två fra parklar med massora m och m och hasgheera v och v påverkar varadra de skuggade område. Efer a ha påverka varadra har de hasgheera v och v. Hasghesförädrge Dv och
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 merKOM IHÅG ATT NOTERA DITT TENTAMENSNUMMER NEDAN OCH TA MED DIG TALONGEN INNAN DU LÄMNAR IN TENTAN!!
Göteborgs uiversitet Psykologiska istitutioe Tetame Psykologi kurskod PC106, Kurs 6: Idivide i ett socialt sammahag (15 hp) och PC 145. Tid för tetame: 6/5-01. Hel och halvfart VT 1. Provmomet: Socialpsykologi
Läs merSkattning / Inferens. Sannolikhet och statistik. Skattning / Inferens. Vad är det som skattas?
Skattig / Iferes Saolikhet och statistik Puktskattig Försöket att beskriva e hel populatio pga ågra få mätvärde! Oberservatio = Populatio HT 2008 UweMezel@mathuuse http://wwwmathuuse/ uwe/ Populatio har
Läs merLinjär Algebra (lp 1, 2016) Lösningar till skrivuppgiften Julia Brandes
Lijär Algebra (lp 1, 2016) Lösigar till skrivuppgifte Julia Brades Uppgift 1. Betecka mägde av alla matriser med M(). Vi har e elemetvist defiierad additio av två matriser A, B M(). De är defiierad geom
Läs merStat. teori gk, ht 2006, JW F13 HYPOTESPRÖVNING (NCT ) Ordlista till NCT
Stat. teori gk, ht 2006, JW F13 HYPOTESPRÖVNING (NCT 10.1-10.3) Ordlista till NCT Hypothesis testig Null hypothesis Alterative hypothesis Simple / composite Oe-sided /two-sided Reject Test statistic Type
Läs merAnmärkning: I några böcker använder man följande beteckning ]a,b[, [a,b[ och ]a,b] för (a,b), [a,b) och (a,b].
MÄNGDER Stadardtalmägder: N={0,, 2, 3, } mägde av alla aturliga tal (I ågra böcker N={,2,3, }) Z={ 3, 2,,0,, 2, 3, 4, } mägde av alla hela tal m Q={, där m, är hela tal och 0 } mägde av alla ratioella
Läs merJag läser kursen på. Halvfart Helfart
KOD: Kurskod: PC106/PC145 Kurs 6: Persolighet, hälsa och socialpsykologi (15 hp) Datum: 3/8 014 Hel- och halvfart VT 14 Provmomet: Socialpsykologi + Metod Tillåta hjälpmedel: Miiräkare Asvarig lärare:
Läs mer2 Laboration 2. Positionsmätning
2 Laboraion 2. Posiionsmäning 2.1 Laboraionens syfe A sudera olika yper av lägesgivare A sudera givarnas saiska och dynamiska egenskaper 2.2 Förberedelser Läs laboraionshandledningen och mosvarande avsni
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 merTentamen i Elektronik, ESS010, del 2 den 14 dec 2009 klockan 14:00 19:00.
Tekiska Högskola i Lud Istitutioe för Elektroveteskap Tetame i Elektroik, ESS010, del 2 de 14 dec 2009 klocka 14:00 19:00. Uppgiftera i tetame ger totalt 60p. Uppgiftera är ite ordade på ågot speciellt
Läs merTentamen i Statistik, STA A13 Deltentamen 2, 5p 20 januari 2007, kl. 09.00-13.00
0.01.007 Tetame i Statistik, STA A13 Deltetame, 5p 0 jauari 007, kl. 09.00-13.00 Tillåta hjälpmedel: Bifogad formel- och tabellsamlig (skall retureras) samt miiräkare. Asvarig lärare: Haah Hall Övrigt:
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 merDigital signalbehandling Fönsterfunktioner
Istitutioe för data- och elektrotekik Digital sigalbehadlig Fösterfuktioer 2-2-7 Fösterfuktioer aväds för att apassa mätserie vid frekvesaalys via DFT och FFT samt vid dimesioerig av FIR-filter via ivers
Läs merFöreläsning 2: Punktskattningar
Föreläsig : Puktskattigar Joha Thim joha.thim@liu.se 7 augusti 08 Repetitio Stickprov Defiitio. Låt de stokastiska variablera X, X,..., X vara oberoede och ha samma fördeligsfuktio F. Ett stickprov x,
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 merFinansiell Statistik (GN, 7,5 hp,, HT 2008) Föreläsning 9. Analys av Tidsserier (LLL kap 18) Tidsserie data
Finansiell Saisik (GN, 7,5 hp,, HT 008) Föreläsning 9 Analys av Tidsserier (LLL kap 8) Deparmen of Saisics (Gebrenegus Ghilagaber, PhD, Associae Professor) Financial Saisics (Basic-level course, 7,5 ECTS,
Läs mer1 av 10. (sys1) ELEMENTERA OPERATIONER Vi får göra följande elementära operationer med ekvationer utan att ändra systemets lösningsmängd:
Armi Hlilovic: EXTRA ÖVNINGAR v Lijär ekviosssem. Gusselimiio LINJÄRA EKVATIONSSYSTEM GAUSSELIMINATION Vi erkr e lijär ekviosssem med oek m m m m ss) och m ekvioer: E lföljd -ippel) s s s är e lösig ill
Läs merHögskoleutbildad 0,90*0,70=0,63 0,80*0,30=0,24 0,87 Ej högskoleutbildad 0,07 0,06 0,13 0,70 0,30 1,00
Lösigsförslag UPPGIFT 1 Kvia Ma Högskoleutbildad 0,90*0,70=0,63 0,80*0,30=0,24 0,87 Ej högskoleutbildad 0,07 0,06 0,13 0,70 0,30 1,00 Pr(ej högskoleutbildad kvi=0,07=7% Pr(högskoleutbildad)=0,87 c) Pr(Kvi*Pr(Högskoleutbildad)=0,70*0,87=0,609
Läs merTjänsteprisindex för detektiv- och bevakningstjänster; säkerhetstjänster
Tjänseprisindex för deekiv- och bevakningsjänser; säkerhesjänser Branschbeskrivning för SNI-grupp 74.60 TPI- rappor nr 17 Camilla Andersson/Kamala Krishnan Tjänseprisindex, Prisprogramme, Ekonomisk saisik,
Läs merDatorövning 2 Fördelningar inom säkerhetsanalys
Luds tekiska högskola Matematikcetrum Matematisk statistik STATISTISKA METODER FÖR SÄKERHETSANALYS FMS065 Datorövig 2 Fördeligar iom säkerhetsaalys I dea datorövig ska vi studera ågra grudläggade frå saolikhetsteori:
Läs merTrigonometriska polynom
Trigoometriska polyom Itroduktio Iga strägistrumet eller blåsistrumet ka producera estaka siustoer, blott lieära kombiatioer av dem, där de med lägsta frekvese kallas för grudtoe, och de övriga för övertoer.
Läs merFÖRDJUPNINGS-PM. Nr 4. 2010. Räntekostnaders bidrag till KPI-inflationen. Av Marcus Widén
FÖRDJUPNNGS-PM Nr 4. 2010 Ränekosnaders bidrag ill KP-inflaionen Av Marcus Widén 1 Ränekosnaders bidrag ill KP-inflaionen dea fördjupnings-pm redovisas a en ofa använd approximaiv meod för beräkning av
Läs mer( ) ( θ( n) 1. Ett kausalt tidskontinuerligt filter F har tillståndsekvationen
gamla eor maem me E, fk, del B () CTH&GU, maemaik Teame i maemaiska meoder fk, del B, TMA98, -8-, kl 85-5 Hjälpmedel: Formelsamlig (delas u, lämas illbaka efer skrivige) Bea Ej räkedosa Telefo: Rolf Liljedal,
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 merIntroduktion till statistik för statsvetare
"Det fis iget så praktiskt som e bra teori" November 2011 Bakgrud Stadardiserig E saolikhetsekvatio Kosekves av stora tales lag Stora tales lag ger att är slumpvariablera X i är oberoede, med e och samma
Läs merMS-A0409 Grundkurs i diskret matematik Sammanfattning, del I
MS-A0409 Grudkurs i diskret matematik Sammafattig, del I G. Gripeberg Aalto-uiversitetet 2 oktober 2013 G. Gripeberg (Aalto-uiversitetet) MS-A0409 Grudkurs i diskret matematiksammafattig, del 2Ioktober
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 merAndra ordningens lineära differensekvationer
Adra ordiges lieära differesekvatioer Differese Differese f H + L - f HL mäter hur mycket f :s värde förädras då argumetet förädras med de mista ehete. Låt oss betecka ämda differes med H Df L HL. Eftersom
Läs merFöreläsning G70, 732G01 Statistik A. Föreläsningsunderlagen är baserade på underlag skrivna av Karl Wahlin
Föreläsig 5 73G70, 73G01 Statistik A Föreläsigsuderlage är baserade på uderlag skriva av Karl Wahli Kapitel 5 Stickprovsteori Sid 15-150 Statistisk iferes Populatio (äve målpopulatio) = de (på logisk väg
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 merViktigt! Glöm inte att skriva Tentamenskod på alla blad du lämnar in.
Statistisk försöksplaerig Provmomet: Ladokkod: Tetame ges för: Skriftlig tetame 3,0 hp 51SF01 DTEIN14h 4,5 högskolepoäg TetamesKod: Tetamesdatum: 5 ovember 015 Tid: 9.00-13.00 Hjälpmedel: Miiräkare Totalt
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 merBilaga 6.1 Låt oss studera ett generellt andra ordningens tidsdiskreta system
Bilaga 6. Lå oss sudea e geeell ada odiges idsdiskea sysem [] [] [ ] [ ] [ ] [ ] y y x x x y Vi besämme öveföigsfukioe i -plae Figu B6.. Tidsdiske sysem på gudfom,, blockschema [ ] [ ] Lå oss fomulea om
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 merDIGITALTEKNIK. Laboration D171. Grindar och vippor
UMEÅ UNIVERSITET Tillämpad fysik och elekronik Digialeknik Håkan Joëlson 2006-01-19 v 1.3 DIGITALTEKNIK Laboraion D171 Grindar och vippor Innehåll Uppgif 1...Grundläggande logiska grindar Uppgif 2...NAND-grindens
Läs merUppgifter 3: Talföljder och induktionsbevis
Gruder i matematik och logik (017) Uppgifter 3: Talföljder och iduktiosbevis Ur Matematik Origo 5 Talföljder och summor 3.01 101. E talföljd defiieras geom formel a 8 + 6. a) Är det e rekursiv eller e
Läs merIntervallskattning. c 2005 Eric Järpe Högskolan i Halmstad. Antag att vi har ett stickprov x 1,..., x n på X som vi vet är N(µ, σ) men vi vet ej
Itervallskattig c 005 Eric Järpe Högskola i Halmstad Atag att vi har ett stickprov x,..., x på X som vi vet är Nµ, σ me vi vet ej värdet av µ = EX. Då ka vi beräka x, vvr skattig av µ. För att få reda
Läs merTentamen i Statistik, STA A10 och STA A13 (9 poäng) 26 mars 2004, klockan
Karlstads uiversitet Istitutioe för iformatiostekologi Avdelige för Statistik Tetame i Statistik, STA A10 och STA A13 (9 poäg) 6 mars 004, klocka 14.00-19.00 Tillåta hjälpmedel: Bifogad formelsamlig (med
Läs merFOURIERSERIER. Definition 1. (Trigonometrisk serie) Ett utryck av följande form. är en trigonometrisk serie.
Armi Hlilovic: EXRA ÖVNINGAR FOURIERSERIER Deiiio. rigoomerisk serie E uryck v öljde orm [ cos x b si x ] är e rigoomerisk serie. Amärkig: Förs erme skriver vi som v prkisk skäl som vi örklrr ed. Deiiio.
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 merFöreläsning G70, 732G01 Statistik A. Föreläsningsunderlagen är baserade på underlag skrivna av Karl Wahlin
Föreläsig 6 732G70, 732G01 Statistik A Föreläsigsuderlage är baserade på uderlag skriva av Karl Wahli Kapitel 6 Iferes om e populatio Sid 151-185 Puktskattig och itervallskattig Statistisk iferes om populatiosmedelvärde
Läs merStatistik för ingenjörer 1MS008
Statistik för igejörer MS8 Föreläsig Kursmål: För godkät betyg på kurse skall studete käa till ett flertal metoder och tekiker för visualiserig av datamaterial; kua geomföra ekla beräkigar av saolikheter;
Läs merFrån kap. 25: Man får alltid ett spänningsfall i strömmens riktning i ett motstånd.
Från kap. 5: Ohm s lag Hög poenial på den sida där srömmen går in Låg poenial på den sida där srömmen går u Man får allid e spänningsfall i srömmens rikning i e mosånd. Från kap. 5: Poenialskillnaden över
Läs merDiskussion om rörelse på banan (ändras hastigheten, behövs någon kraft för att upprätthålla hastigheten, spelar massan på skytteln någon roll?
Likformig och accelererad rörelse - Fysik 1 för NA11FM under perioden veckorna 35 och 36, 011 Lekion 1 och, Rörelse, 31 augusi och sepember Tema: Likformig rörelse och medelhasighe Sroboskopfoo av likformig-
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 uttrycket av type a a a 0 ( där är ett icke-egativt heltal) Defiitio Låt P( a a a0 vara ett polyom där a 0, då
Läs merInterpolation. Interpolation. Teknisk-vetenskapliga beräkningar 1. Några tillämpningar. Interpolation. Basfunktioner. Definitioner. Kvadratiskt system
Ierpolao Några llämpgar Ierpolao odelluoer som saserar gva puer Amerg rörelser,.e. ead lm Blder ärger salg Gra Dsre represeao -> ouerlg Peder Joasso Ierpolao V äer puer,.., V söer e uo P så a P P erpolerar
Läs merBASiQ. BASiQ. Tryckoberoende elektronisk flödesregulator
Tryckoberoende elekronisk flödesregulaor Beskrivning är en komple produk som besår av e ryckoberoende A-spjäll med mäenhe som är ansluen ill en elekronisk flödesregulaor innehållande en dynamisk differensryckgivare.
Läs merSAMMANFATTNING TAMS79 Matematisk statistik, grundkurs
SAMMANFATTNING TAMS79 Matematisk statistik, grudkurs LÄST SOM EN DEL AV CIVILINGENJÖRSPROGRAMMET I INDUSTRIELL EKONOMI VID LITH, HT 2015 Versio: 1.0 Seast reviderad: 2016-02-01 Författare: Viktor Cheg
Läs merFöreläsning G04 Surveymetodik 732G19 Utredningskunskap I
Föreläsig 5 732G04 Surveymetodik 732G19 Utredigskuskap I Dages föreläsig Klusterurval Estegs klusterurval Tvåstegs klusterurval Klusterurval med PPS 2 Klusterurval De urvalsdesiger som diskuterats hittills
Läs merStatistik. Språkligt och historiskt betyder statistik ungefär sifferkunskap om staten
Statistik Språkligt och historiskt betyder statistik ugefär sifferkuskap om state E Statistisk udersökig består av fyra delar: Plaerig Dataisamlig Bearbetig Beskrivade statistik (kap 1) Statistisk aalys
Läs merBetalningsbalansen. Andra kvartalet 2012
Bealningsbalansen Andra kvarale 2012 Bealningsbalansen Andra kvarale 2012 Saisiska cenralbyrån 2012 Balance of Paymens. Second quarer 2012 Saisics Sweden 2012 Producen Producer Saisiska cenralbyrån, enheen
Läs merHambley avsnitt 12.7 (även 7.3 för den som vill läsa lite mer om grindar)
1 Föreläsig 6, Ht 2 Hambley avsitt 12.7 (äve 7.3 för de som vill läsa lite mer om gridar) Biära tal Vi aväder ormalt det decimala talsystemet, vilket har base 10. Talet 2083 rereseterar då 2 10 3 0 10
Läs merLösningar till Matematisk analys IV,
Lösningar ill Maemaisk anals IV, 85. Vi börjar med kurvinegralen 5 5 dx + 5 x5 + x d. Sä P x, = 5 5 och Qx, = 5 x5 + x. Vi använder Greens formel för a beräkna den givna kurvinegralen. Efersom ine är en
Läs merGlada barnröster kan bli för höga
Glada barnröser kan bli för höga På Silverbäckens förskola är ambiionerna höga. Här vill man mycke, och kanske är de jus därför de blir sressig ibland. De säger Therese Wesin, barnsköare och skyddsombud.
Läs merREGULJÄRA SPRÅK (8p + 6p) 1. DFA och reguljära uttryck (6 p) Problem. För följande NFA över alfabetet {0,1}:
CD58 FOMEA SPÅK, AUTOMATE, OCH BEÄKNINGSTEOI, 5 p JUNI 25 ÖSNINGA EGUJÄA SPÅK (8p + 6p). DFA och reguljära uttryck (6 p) Problem. För följade NFA över alfabetet {,}:, a) kovertera ovaståede till e miimal
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 merJag läser kursen på. Halvfart Helfart
KOD: Tetame Psykologi Kurskod: PC106, Kurs 6: Idivide i ett socialt sammahag (15 hp) och PC145 Datum: 5/5-013 Hel- och halvfart VT 13 Provmomet: Socialpsykologi + Metod Tillåta hjälpmedel: Miiräkare Asvarig
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 merSmärtlindring vid medicinsk abort
Smärtlidrig vid medicisk abort EN JÄMFÖRANDE STUDIE VETENSKAPLIGT ARBETE UNDER ST ELIN SJÖLANDER HANDLEDARE MARIE BOLIN Itroduktio Smärta vid medicisk abort valig, smärtlidrig vid medicisk abort dåligt
Läs merFöreläsning G70 Statistik A
Föreläsig 5 732G70 Statistik A Egeskaper hos stickprovsstatistikora Stickprovsmedelvärde Stickprovssumma Stickprovsadel Lägesmått Spridig Medelfel EX VarX 2 2 E X Var X E P Var P X X 1 1 P Eftersom respektive
Läs merWebprogrammering och databaser. Begrepps-modellering. Exempel: universitetsstudier Kravspec. ER-modellen. Exempel: kravspec forts:
Webprogrammerig och databaser Koceptuell datamodellerig med Etitets-Relatiosmodelle Begrepps-modellerig Mål: skapa e högivå-specifikatio iformatiosiehållet i database Koceptuell modell är oberoede DBMS
Läs merTMS136: Dataanalys och statistik Tentamen 2013-10-26 med lösningar
TMS36: Dataaalys och statistik Tetame 03-0-6 med lösigar Examiator och jour: Mattias Sude, tel. 0730 79 9 79 Hjälpmedel: Chalmersgodkäd räkare och formelsamlig formelsamlig delas ut med teta). Betygsgräser:
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 mer