TAMS38 Försöksplanering och biostatistik, 4 p / 6 hp Tentamen tisdagen den 12 januari 2016 kl
|
|
- Rut Ek
- för 5 år sedan
- Visningar:
Transkript
1 Kurskod: TAMS38 - Provkod: TEN1 TAMS38 Försöksplanering och biostatistik, 4 p / 6 hp Tentamen tisdagen den 12 januari 2016 kl Hjälpmedel: Formelsamling i matematisk statistik utgiven av matematiska institutionen samt miniräknare med tömda minnen. Inga anteckningar i formelsamlingen är tillåtet. Betygsgränser: 7-9 poäng ger betyg 3, ger betyg 4 och ger betyg 5. Examinator: Martin Singull Resultatet meddelas normalt via LADOK inom 12 arbetsdagar. Tydliga svar och motiveringar krävs till varje uppgift. 1) Vi vill undersöka storleken på skörden av olika tomater (två sorter: Körsbärs/Gul oval) och hur den beror på planteringstid (tre nivåer: tidig/medeltidig/sen). Tid Tidig Medeltidig Sen Körsbärs Gul oval En analys av datamaterialet har genomförts med hjälp av Minitab. Analysis of Variance for y Source DF SS MS Sort 1 77,400 77,400 Tid 2 99,872 49,936 Sort*Tid 2 44,106 22,053 Error 18 21,998 1,222 Total ,376 S = 1,10548 R-Sq = 90,96% R-Sq(adj) = 88,45% Means Sort N y Tid N y , , , , ,425 1
2 Sort Tid N y , , , , , ,625 a) Ställ upp modellen. Kom ihåg skriva alla bivillikoren. b) Undersök med lämpligt test på nivån 0.05 om det finns något samspel mellan sort och planteringstid. Välja för att göra uppgift c ) eller c ) (ej båda). c ) Vilken planteringstid är bäst för respektive tomatsort? Motivera ditt svar med lämpliga konfidensintervall med simultan konfidensgrad cirka 90%. Vi vill ha stora värden på skörden. (2p) c ) Vilken kombination av planteringstid och tomatsort är bäst? Motivera ditt svar med lämpliga konfidensintervall med simultan konfidensgrad cirka 90%. Vi vill ha stora värden på skörden. 2) Smittskyddsinstitutet, Livsmedelsverket och Svenskt Vatten har tillsammans tagit fram rekommendationer för att minska riskerna för parasitsmitta efter utbrottet i Östersund. Om inte reningsverken är utrustade med rätt sorts filter kan Cryptosporidiumparasiten passera ut med avloppsvattnet i det som ska bli dricksvatten. Man vill därför undersöka hur tre olika reningsmetoder R i, i = 1, 2, 3, av dricksvatten fungerar. Följande mätningar har gjorts. y ij ȳ i s i R R R Modell: Behandling i ger observationer y ij där de sv. Y ij N(µ i, σ i ) och är oberoende. a) Pröva med lämpliga test vart och ett på nivån 0.01 om standardavvikelserna är lika. Det räcker att du skriver ut ett av testen som låt dig dra general slutsats. b) Anta att data är inte normalfördelad. Kolla med hjälp av ett lämpligt ickeparameteriskt test om det finns skillnader i de olika reningsmetoderna. Ange också vilken hypotes som du testar. 3) I en studie vill vi undersöka bakterietillväxten i en viss sorts livsmedel. Vi har därför varierat sex faktorer A, B, C, D, E och F och sedan genomfört ett försök, där vi har applicerat faktorn E och F enligt E=ABC och F=BCD. Efter försöket har vi mätt upp följande bakteriehalter: 2
3 (1) 167 df 171 ae 145 adef 135 bef 184 bde 178 abf 132 abd 189 cef 234 cde 197 acf 142 acd 179 bc 227 bcdf 198 abce 171 abcdef 177 Vi analyser först datamaterialet enligt en modell med sexton tänkbara parametrar. a) Vilka är de tre viktigaste effekterna? Ange de intressanta parameterskattningarna och samtliga överlagringar på dessa. Minitabanalys 1. MTB > copy c1-c16 m1 MTB > copy c17 m2 MTB > trans m1 m3 MTB > mult m3 m2 m4 MTB > copy m4 c18 MTB > let c19 = c18/16 MTB > set c20 DATA> 1:16 DATA> end MTB > sort c19 c20 c21 c22; SUBC> by c19. MTB > let c23 = 16*c21**2 MTB > print c21-c23 Data Display Row C21 C22 C , , , , , , , , , , , , , , , ,
4 MTB > copy c21 c24; SUBC> omit 16. MTB > nscores c24 c25 MTB > plot c25*c24 b) Givet resultatet i a) görs ytterligare en Minitabanalys. Minitabanalys 2. MTB > ANOVA Y = A D C; SUBC> Means A D C. ANOVA: Y versus A; D; C Analysis of Variance for Y Source DF SS MS F P A ,3 5112,3 17,81 0,001 D 1 30,3 30,3 0,11 0,752 A*D ,3 1560,3 5,44 0,040 C ,0 3136,0 10,93 0,007 Error ,0 287,0 Total ,8 S = 16,9411 R-Sq = 75,71% R-Sq(adj) = 66,87% Means A N Y D N Y C N Y , , , , , ,63 A D N Y , , , ,00 Vilken modell har använts i den andra Minitabanalysen? Kan man med hjälp av den andra analysen hitta en sämsta (stora värden) kombination av faktorerna i modellen? Motivera ditt svar med hjälp av konfidensintervall med den simultana konfidensgraden minst 88%. (2p) 4
5 4) Mätningar har genomförts enligt ett 2 2 -försök med en mätning för varje nivå kombination och fyra mätningar i centrumpunkten. Faktorer Låg nivå (-1) Hög nivå (1) tjocklek, A grad av transparens, B Nivåerna har som vanligt kodats -1 och 1. För responsvariabeln har man fått följande observationer och följande Minitabanalys. Factorial Fit: C7 versus A; B Original Coded Response A B A B y Factorial Centre Estimated Effects and Coefficients for C7 (coded units) Term Effect Coef SE Coef Constant 35,000 1,109 A 9,000 4,500 1,109 B 10,000 5,000 1,109 A*B 15,000 7,500 1,109 Ct Pt 1,250 1,568 Analysis of Variance for C7 (coded units) Source DF Seq SS Adj SS Adj MS Main Effects 2 181, ,000 90,500 2-Way Interactions 1 225, , ,000 Curvature 1 3,125 3,125 3,125 Residual Error 3 14,750 14,750 4,917 Pure Error 3 14,750 14,750 4,917 Total 7 423,875 a) Undersök med hjälp av ett lämpligt test eller konfidensintervall på nivån 0.05 om responsytan i det aktuella området är krökt. 5
6 b) På grund av resultatet i a) gör vi en vanlig linjär regression och låter A x 1 och B x 2. Vi får då y = x x 2. Vi vill ha höga värden och ska stega i den brantaste riktningen. Vilken blir den första punkten i stegningen från (0, 0) om nästa värde på x 1 ska vara 0.5? Svaret: (0, 0) (0.5,...) Vilken punkt blir det i de okodade värdena? 5) Under äggindustrins högsäsonger jul, nyår och påsk ökar försäljningen av ägg med cirka 25% i Sverige. Ägg innehåller olika vitaminer såsom A, D, B2, B12 och folat och en hel del andra nyttiga ämnen som protein och selen. För att jämföra ägg från olika hönsgårdar valde man ut slumpmässigt fyra gårdar i Östergötland och undersökte tio ägg från varje gård. Man bestämde sedan att totalt mått på hur mycket nyttigheter varje ägg innehöll och fick följande resultat: där Gård, i y ij ȳ i s i SS T REAT = och SS E = a) Ställ upp en varianskomponent modell och svara med ett mening varför väljar vi varianskomponenet model, ej enfaktormodell (One-Way ANOVA). b) Undersök med F-test på α = 5% om det finns signifikant skillnader mellan ägg från olika hönsgårdar. Ange också vilken hypotes som du testar. 6
7 Kurskod: TAMS38 - Provkod: TEN1 TAMS38 Experimental Design and Biostatistics, 4 p / 6 hp Examination on 12 January 2016 kl The collection of the formulas in mathematical statistics prepared by Department of Mathematics LiU and calculator with empty memory are allowed on the exam. No extra notes in the formula collection is allowed. Score limits: 7-9 points gives 3, gives 4 and gives 5. Examinator: Martin Singull The result will be normally published via LADOK within 12 working days. Clear answers and justifications are required for each task. 1) We want to examine the size of the harvest of various tomatoes types (two varieties: Cherry/yellow oval) and how it depends on the planting time (three levels: early/medium early/late). Time early medium early late cherry yellow oval An analysis of data material have been done using Minitab. Analysis of Variance for y Source DF SS MS Sort 1 77,400 77,400 Time 2 99,872 49,936 Sort*Time 2 44,106 22,053 Error 18 21,998 1,222 Total ,376 S = 1,10548 R-Sq = 90,96% R-Sq(adj) = 88,45% Means Sort N y Time N y , , , , ,425 7
8 Sort Time N y , , , , , ,625 a) Write the model together with all constrains. b) Examine with the appropriate test on the level 0.05 if there is any interaction between sort of tomatoes and planting time. Choosing to do one of the tasks: c ) or c ) (not both). c ) What planting time is the best for each tomato sort? Justify your answer with appropriate confidence intervals with the simultaneous confidence level about 90%. We want to have large values of the harvest. (2p) c ) Which combination of planting time and tomato sort is the best? Justify your answer with appropriate confidence intervals with the simultaneous confidence level about 90%. We want to have large values of the harvest. 2) Infectious Diseases Institute, National Food Administration and the Swedish Water Authority have jointly developed recommendations to reduce the risks of parasitic infection after the outbreak in Östersund. Unless plants are equipped with the right kind of filter can parasitic pass out with the effluent in what will become drinking water. Therefore one wishes to investigate how three different purification methods R i, i = 1, 2, 3, of drinking water works. The following measurements were made. y ij ȳ i s i R R R Model: Treatment i gives observations y ij where the random variables Y ij N(µ i, σ i ) and are independent. a) Investigate using appropriate test each at the level 0.01 if the standard deviations are equal. It is enough that you write one of the tests that let you derive proper general conclusion. b) Assume that data are not normally distributed. Check with the help of a suitable non-parametric test whether there are differences in the various treatment methods. Indicate which hypothesis you are testing. 3) In a study we want to investigate the bacterial growth in a certain kind of food. We have therefore fluctuated six factors A, B, C, D, E and F, and then used design, where we have applied the factor E and F in form E=ABC and F=BCD. After the experiment, we measured the following levels of bacteria: 8
9 (1) 167 df 171 ae 145 adef 135 bef 184 bde 178 abf 132 abd 189 cef 234 cde 197 acf 142 acd 179 bc 227 bcdf 198 abce 171 abcdef 177 We first analyze the data according to a model with sixteen possible parameters. a) What are the three most significant effects? Give the corresponding parameter estimates and all their aliases. Minitab analysis 1. MTB > copy c1-c16 m1 MTB > copy c17 m2 MTB > trans m1 m3 MTB > mult m3 m2 m4 MTB > copy m4 c18 MTB > let c19 = c18/16 MTB > set c20 DATA> 1:16 DATA> end MTB > sort c19 c20 c21 c22; SUBC> by c19. MTB > let c23 = 16*c21**2 MTB > print c21-c23 Data Display Row C21 C22 C , , , , , , , , , , , , , , , ,
10 MTB > copy c21 c24; SUBC> omit 16. MTB > nscores c24 c25 MTB > plot c25*c24 b) Given the result in a) the another Minitab analysis was made. Minitab analysis 2. MTB > ANOVA Y = A D C; SUBC> Means A D C. ANOVA: Y versus A; D; C Analysis of Variance for Y Source DF SS MS F P A ,3 5112,3 17,81 0,001 D 1 30,3 30,3 0,11 0,752 A*D ,3 1560,3 5,44 0,040 C ,0 3136,0 10,93 0,007 Error ,0 287,0 Total ,8 S = 16,9411 R-Sq = 75,71% R-Sq(adj) = 66,87% Means A N Y D N Y C N Y , , , , , ,63 A D N Y , , , ,00 Which model has been used in the second Minitab analysis? Can one use the second analysis to find a worst (great value) combination of factors in the model? Justify your answer using confidence intervals with the simultaneous confidence level of at least 88%. (2p) 10
11 4) Measurements have been carried out according to a 2 2 -design with the a measurement for each level combination and with four measurements at center point. Faktors Low level (-1) High level (1) thickness, A transparency level, B Levels are as usually encoded -1 and 1. For the response variable one have obtained the following observations and the following Minitab analysis. Factorial Fit: C7 versus A; B Original Coded Response A B A B y Factorial Centre Estimated Effects and Coefficients for C7 (coded units) Term Effect Coef SE Coef Constant 35,000 1,109 A 9,000 4,500 1,109 B 10,000 5,000 1,109 A*B 15,000 7,500 1,109 Ct Pt 1,250 1,568 Analysis of Variance for C7 (coded units) Source DF Seq SS Adj SS Adj MS Main Effects 2 181, ,000 90,500 2-Way Interactions 1 225, , ,000 Curvature 1 3,125 3,125 3,125 Residual Error 3 14,750 14,750 4,917 Pure Error 3 14,750 14,750 4,917 Total 7 423,875 a) Examine with the help of a suitable test or confidence interval at level 0.05 if response surface in the considered area is curved. 11
12 b) Because of the result in a) we do a standard linear regression and let A x 1 and B x 2. Hence, we obtain y = x x 2. We want to have high values of response and hence will look at move (step) in the steepest direction. What will be the new central point that we go to from (0, 0) if the next value of x 1 is 0.5? Answer: (0, 0) (0.5,...) Translate the coded point into uncoded values. 5) During the egg industry peak periods Christmas, New Year and Easter sales of eggs in Sweden will increase with about 25%. Eggs contain various vitamins such as A, D, B2, B12 and B9 and a lot of other useful substances like protein and selenium. To compare eggs of different poultry farms four farms in Östergötland were chosen at random and ten eggs from each farm were examined. Then, the total measure of vitamins for each egg was determined. We obtained the following results: where Farm, i y ij ȳ i s i SS T REAT = and SS E = a) Write the corresponding variance component model and answer with one sentence why we the variance component model have been chosen instead of One-Way ANOVA. b) Examine with the F-test on α = 5% if there are significant differences between eggs of different poultry farms. Remember to indicate which H 0 och H 1 you are testing. 12
13 Some extra formulas: nonparametric tests The Wilcoxon signed rank test Let r i be the rank for the observations y i 0, i = 1,..., n. Let T + = {y r i>0} i and T = ( ) {y r i<0} i. When H 0 is true and n > 15 us that T + and T N n(n+1) 4, n(n+1)(2n+1) 24. For n 15 us table for Wilcoxons signed rank distribution. For confidence interval us the N = n(n+1)/2 ordered pairwise means A i and P (A (k) < µ < A (N k+1) ) = 1 2P (W S k 1), where W S is Wilcoxons signed rank distributed. The Wilcoxon-Mann-Whitney test Let d ij be the differences d ij = x i y j, i = 1,..., n 1, j = 1,..., n 2 and d (k), k = 1,..., n 1 n 2, the ordered differences. The confidence interval for the difference in mean/median is given by I = ( d (c+1), d (n1n 2 c)), where c = T l n1(n1+1) 2 and T l is from the Wilcoxon table for the rank sum test. The Kruskal-Wallis test Assume a treatments. Let r ij be the rank for the observation y ij. Test statistic 12S a 3(N + 1), if no ties, N(N + 1) T = (N 1)(S a C), if ties, S r C where s i = n i j=1 r ij, S a = a s 2 i i=1 n i, S r = a ni i=1 j=1 r2 ij, C = 1 4 N(N + 1)2 and N = a i=1 n i. For small values of n 1,..., n a (a 3 and n i 5) use table and for large values of n 1,..., n a use that T χ 2 (a 1) when there is no treatmet effect. The Friedman test Assume t treatments and b blocks. Let r ij be the rank of y ij within each block, i.e., for each j, r ij = 1,..., t. Test statistic for the treatments is given by 12S t 3b(t + 1), if no ties, t(t + 1) T = b(t 1)(S t C), if ties, S r C where s i = b j=1 r ij, S t = 1 t b i=1 s2 i, S r = t b i=1 j=1 r2 ij and C = 1 4 bt(t + 1)2. For small values of b and t (t = 3, b 15 and t = 4, b 8) use table and for large values of b and t use that T χ 2 (t 1) when there is no treatmet effect. 13
8.1 General factorial experiments
Exempel: Vid ett tillfälle ville man på ett laboratorium jämföra fyra olika metoder att bestämma kopparhalten i malmprover. Man är även intresserad av hur laboratoriets tre laboranter genomför sina uppgifter.
Läs merKurskod: TAMS28 MATEMATISK STATISTIK Provkod: TEN1 05 June 2017, 14:00-18:00. English Version
Kurskod: TAMS28 MATEMATISK STATISTIK Provkod: TEN1 5 June 217, 14:-18: Examiner: Zhenxia Liu (Tel: 7 89528). Please answer in ENGLISH if you can. a. You are allowed to use a calculator, the formula and
Läs mer7.5 Experiment with a single factor having more than two levels
7.5 Experiment with a single factor having more than two levels Exempel: Antag att vi vill jämföra dragstyrkan i en syntetisk fiber som blandats ut med bomull. Man vet att inblandningen påverkar dragstyrkan
Läs merKurskod: TAIU06 MATEMATISK STATISTIK Provkod: TENA 17 August 2015, 8:00-12:00. English Version
Kurskod: TAIU06 MATEMATISK STATISTIK Provkod: TENA 17 August 2015, 8:00-12:00 Examiner: Xiangfeng Yang (Tel: 070 2234765). Please answer in ENGLISH if you can. a. Allowed to use: a calculator, Formelsamling
Läs merThis exam consists of four problems. The maximum sum of points is 20. The marks 3, 4 and 5 require a minimum
Examiner Linus Carlsson 016-01-07 3 hours In English Exam (TEN) Probability theory and statistical inference MAA137 Aids: Collection of Formulas, Concepts and Tables Pocket calculator This exam consists
Läs merKurskod: TAIU06 MATEMATISK STATISTIK Provkod: TENA 31 May 2016, 8:00-12:00. English Version
Kurskod: TAIU06 MATEMATISK STATISTIK Provkod: TENA 31 May 2016, 8:00-12:00 Examiner: Xiangfeng Yang (Tel: 070 0896661). Please answer in ENGLISH if you can. a. Allowed to use: a calculator, Formelsamling
Läs merKurskod: TAIU06 MATEMATISK STATISTIK Provkod: TENA 15 August 2016, 8:00-12:00. English Version
Kurskod: TAIU06 MATEMATISK STATISTIK Provkod: TENA 15 August 2016, 8:00-12:00 Examiner: Xiangfeng Yang (Tel: 070 0896661). Please answer in ENGLISH if you can. a. Allowed to use: a calculator, Formelsamling
Läs merKurskod: TAMS28 MATEMATISK STATISTIK Provkod: TEN1 08 June 2015, 14:00-18:00. English Version
Kurskod: TAMS28 MATEMATISK STATISTIK Provkod: TEN1 08 June 2015, 14:00-18:00 Examiner: Xiangfeng Yang (Tel: 070 2234765). Please answer in ENGLISH if you can. a. You are allowed to use a calculator, the
Läs merGrundläggande Statistik och Försöksplanering Provmoment: TEN1 & TEN2 Ladokkod: TT2311 Tentamen ges för: Bt2, En2, Bt4, En4.
Grundläggande Statistik och Försöksplanering Provmoment: TEN1 & TEN2 Ladokkod: TT2311 Tentamen ges för: Bt2, En2, Bt4, En4 7,5 högskolepoäng Namn: (Ifylles av student) Personnummer: (Ifylles av student)
Läs merTentamen i matematisk statistik
Sid 1 (7) i matematisk statistik Statistik och kvalitetsteknik 7,5 hp Tillåtna hjälpmedel: Miniräknare. Studenterna får behålla tentamensuppgifterna. Skrivtid: 9.00-12.00 ger maximalt 24 poäng. Betygsgränser:
Läs merTentamen i matematisk statistik
Sid 1 (9) i matematisk statistik Statistik och kvalitetsteknik 7,5 hp Tillåtna hjälpmedel: Miniräknare. Studenterna får behålla tentamensuppgifterna. Skrivtid: 9.00-12.00 ger maximalt 24 poäng. Betygsgränser:
Läs merKurskod: TAMS11 Provkod: TENB 12 January 2015, 08:00-12:00. English Version
Kurskod: TAMS Provkod: TENB 2 January 205, 08:00-2:00 Examiner: Xiangfeng Yang (Tel: 070 2234765). Please answer in ENGLISH if you can. a. You are allowed to use: a calculator; formel -och tabellsamling
Läs merKurskod: TAMS24 / Provkod: TEN (8:00-12:00) English Version
Kurskod: TAMS24 / Provkod: TEN 25-8-7 (8: - 2:) Examinator/Examiner: Xiangfeng Yang (Tel: 7 2234765). Please answer in ENGLISH if you can. a. You are permitted to bring: a calculator; formel -och tabellsamling
Läs merEnkel linjär regression. Enkel linjär regression. Enkel linjär regression
Enkel linjär regression Exempel.7 i boken (sida 31). Hur mycket dragkraft behövs för att en halvledare skall lossna från sin sockel vid olika längder på halvledarens ben och höjder på sockeln. De halvledare
Läs merEn scatterplot gjordes, och linjär regression utfördes därefter med följande hypoteser:
1 Uppgiftsbeskrivning Syftet med denna laboration var att utifrån uppmätt data avgöra: (i) Om något samband finnes mellan kroppstemperatur och hjärtfrekvens. (ii) Om någon signifikant skillnad i sockerhalt
Läs merTentamen i matematisk statistik
Sid (7) i matematisk statistik Statistik och kvalitetsteknik 7,5 hp Tillåtna hjälpmedel: Miniräknare. Studenterna får behålla tentamensuppgifterna. Skrivtid: 4.00-7.00 ger maximalt 24 poäng. Betygsgränser:
Läs merTENTAMEN I MATEMATISK STATISTIK
UMEÅ UNIVERSITET Institutionen för matematisk statistik Regressions- och variansanalys, 5 poäng MSTA35 Leif Nilsson TENTAMEN 2003-01-10 TENTAMEN I MATEMATISK STATISTIK Regressions- och variansanalys, 5
Läs merMetod och teori. Statistik för naturvetare Umeå universitet
Statistik för naturvetare -6-8 Metod och teori Uppgift Uppgiften är att undersöka hur hjärtfrekvensen hos en person påverkas av dennes kroppstemperatur. Detta görs genom enkel linjär regression. Låt signifikansnivån
Läs merKurskod: TAMS11 Provkod: TENB 28 August 2014, 08:00-12:00. English Version
Kurskod: TAMS11 Provkod: TENB 28 August 2014, 08:00-12:00 Examinator/Examiner: Xiangfeng Yang (Tel: 070 2234765) a. You are permitted to bring: a calculator; formel -och tabellsamling i matematisk statistik
Läs mer1. Compute the following matrix: (2 p) 2. Compute the determinant of the following matrix: (2 p)
UMEÅ UNIVERSITY Department of Mathematics and Mathematical Statistics Pre-exam in mathematics Linear algebra 2012-02-07 1. Compute the following matrix: (2 p 3 1 2 3 2 2 7 ( 4 3 5 2 2. Compute the determinant
Läs merKurskod: TAMS28 MATEMATISK STATISTIK Provkod: TEN1 20 August 2014, English Version
Kurskod: TAMS28 MATEMATISK STATISTIK Provkod: TEN1 20 August 2014, 14-18 Examinator/Examiner: Xiangfeng Yang (Tel: 070 2234765) a. You are permitted to bring a calculator, the formula and table collection
Läs merKurskod: TAMS11 Provkod: TENB 07 April 2015, 14:00-18:00. English Version
Kurskod: TAMS11 Provkod: TENB 07 April 2015, 14:00-18:00 Examiner: Xiangfeng Yang (Tel: 070 2234765). Please answer in ENGLISH if you can. a. You are allowed to use: a calculator; formel -och tabellsamling
Läs merEnglish Version. 1 x 4x 3 dx = 0.8. = P (N(0, 1) < 3.47) = =
TAMS11: Probability and Statistics Provkod: TENB 11 June 2015, 14:00-18:00 Examiner: Xiangfeng Yang (Tel: 070 2234765). Please answer in ENGLISH if you can. a. You are allowed to use: a calculator; formel
Läs merLö sningsfö rslag till tentamen i matematisk statistik Statistik öch kvalitetsteknik 7,5 hp
Sid 1 (10) Lö sningsfö rslag till tentamen i matematisk statistik Statistik öch kvalitetsteknik 7,5 hp Uppgift 1 Betrakta nedanstående täthetsfunktion för en normalfördelad slumpvariabel X med väntevärde
Läs merStatistical Quality Control Statistisk kvalitetsstyrning. 7,5 högskolepoäng. Ladok code: 41T05A, Name: Personal number:
Statistical Quality Control Statistisk kvalitetsstyrning 7,5 högskolepoäng Ladok code: 41T05A, The exam is given to: 41I02B IBE11, Pu2, Af2-ma Name: Personal number: Date of exam: 1 June Time: 9-13 Hjälpmedel
Läs merKroppstemperaturen hos människa anses i regel vara 37,0 C/ 98,6 F. För att beräkna och rita grafer har programmet Minitab använts.
Syfte: Bestämma normal kroppstemperatur med tillgång till data från försök. Avgöra eventuell skillnad mellan män och kvinnor. Utforska ett eventuellt samband mellan kroppstemperatur och hjärtfrekvens.
Läs mer8 < x 1 + x 2 x 3 = 1, x 1 +2x 2 + x 4 = 0, x 1 +2x 3 + x 4 = 2. x 1 2x 12 1A är inverterbar, och bestäm i så fall dess invers.
MÄLARDALENS HÖGSKOLA Akademin för utbildning, kultur och kommunikation Avdelningen för tillämpad matematik Examinator: Erik Darpö TENTAMEN I MATEMATIK MAA150 Vektoralgebra TEN1 Datum: 9januari2015 Skrivtid:
Läs merFlerfaktorförsök. Blockförsök, randomiserade block. Modell: yij i bj eij. Förutsättningar:
Flerfaktorförsök Blockförsök, randomiserade block Modell: yij i bj eij i 1,,, a j 1,,, b y ij vara en observation för den i:te behandlingen och det j:e blocket gemensamma medelvärdet ( grand mean ) effekt
Läs merEnglish Version. Number of sold cakes Number of days
Kurskod: TAMS24 (Statistisk teori / Provkod: TEN 206-0-04 (kl. 8-2 Examinator/Examiner: Xiangfeng Yang (Tel: 070 089666. Please answer in ENGLISH if you can. a. You are permitted to bring: a calculator;
Läs merSkrivning i ekonometri torsdagen den 8 februari 2007
LUNDS UNIVERSITET STATISTISKA INSTITUTIONEN MATS HAGNELL STA2:3 Skrivning i ekonometri torsdagen den 8 februari 27. Vi vill undersöka hur variationen i lön för 2 belgiska löntagare = WAGE (timlön i euro)
Läs merRäkneövning 3 Variansanalys
Räkneövning 3 Variansanalys Uppgift 1 Fyra sorter av majshybrider har utvecklats för att bli resistenta mot en svampinfektion. Nu vill man också studera deras produktionsegenskaper. Varje hybrid planteras
Läs merTentamen MVE301 Sannolikhet, statistik och risk
Tentamen MVE301 Sannolikhet, statistik och risk 2017-08-15 kl. 8:30-13:30 Examinator: Johan Jonasson, Matematiska vetenskaper, Chalmers Telefonvakt: Olof Elias, telefon: 031-7725325 Hjälpmedel: Valfri
Läs merGrafisk teknik IMCDP IMCDP IMCDP. IMCDP(filter) Sasan Gooran (HT 2006) Assumptions:
IMCDP Grafisk teknik The impact of the placed dot is fed back to the original image by a filter Original Image Binary Image Sasan Gooran (HT 2006) The next dot is placed where the modified image has its
Läs merKurskod: TAMS28 MATEMATISK STATISTIK Provkod: TEN1 16 January 2015, 8:00-12:00. English Version
Kurskod: TAMS28 MATEMATISK STATISTIK Provkod: TEN 6 January 205, 8:00-2:00 Examiner: Xiangfeng Yang (Tel: 070 2234765). Please answer in ENGLISH if you can. a. You are allowed to use a calculator, the
Läs merRegressions- och Tidsserieanalys - F3
Regressions- och Tidsserieanalys - F3 Multipel regressionsanalys kap 4.8-4.10 Linda Wänström Linköpings universitet 7 maj Wänström (Linköpings universitet) F3 7 maj 1 / 26 Lite som vi inte hann med när
Läs merLö sningsfö rslag till tentamen i matematisk statistik Statistik öch kvalitetsteknik 7,5 hp
Sid (7) Lö sningsfö rslag till tentamen i matematisk statistik Statistik öch kvalitetsteknik 7,5 hp Uppgift Nedanstående beräkningar från Minitab är gjorda för en Poissonfördelning med väntevärde λ = 4.
Läs merTentamen MVE301 Sannolikhet, statistik och risk
Tentamen MVE301 Sannolikhet, statistik och risk 2017-06-01 kl. 8:30-13:30 Examinator: Johan Jonasson, Matematiska vetenskaper, Chalmers Telefonvakt: Ivar Simonsson, telefon: 031-7725325 Hjälpmedel: Valfri
Läs merTentamen Tillämpad statistik A5 (15hp)
Uppsala universitet Statistiska institutionen A5 2015-01-13 Tentamen Tillämpad statistik A5 (15hp) 2015-01-13 UPPLYSNINGAR A. Tillåtna hjälpmedel: Miniräknare Formelsamlingar: A4/A8 Tabell- och formelsamling
Läs mer7.5 Experiment with a single factor having more than two levels
Exempel: Antag att vi vill jämföra dragstyrkan i en syntetisk fiber som blandats ut med bomull. Man vet att inblandningen påverkar dragstyrkan och att en inblandning mellan 10% och 40% är bra. För att
Läs merI vår laboration kom vi fram till att kroppstemperaturen påverkar hjärtfrekvensen enligt
Introduktion Vi har fått ta del av 13 mätningar av kroppstemperatur och hjärtfrekvens, varav på hälften män, hälften kvinnor, samt en studie på 77 olika flingsorters hyllplaceringar och sockerhalter. Vi
Läs merEnglish Version. + 1 n 2. n 1
Kurskod: TAMS24 (Statistisk teori) / Provkod: TEN 205-0-23 (kl. 4-8) Examinator/Examiner: Xiangfeng Yang (Tel: 070 2234765). Please answer in ENGLISH if you can. a. You are permitted to bring: a calculator;
Läs merStatistik för teknologer, 5 poäng Skrivtid:
UMEÅ UNIVERSITET Institutionen för matematisk statistik Statistik för teknologer, MSTA33, p Statistik för kemister, MSTA19, p TENTAMEN 2004-06-03 TENTAMEN I MATEMATISK STATISTIK Statistik för teknologer,
Läs mer732G71 Statistik B. Föreläsning 4. Bertil Wegmann. November 11, IDA, Linköpings universitet
732G71 Statistik B Föreläsning 4 Bertil Wegmann IDA, Linköpings universitet November 11, 2016 Bertil Wegmann (IDA, LiU) 732G71, Statistik B November 11, 2016 1 / 34 Kap. 5.1, korrelationsmatris En korrelationsmatris
Läs merGrafisk teknik IMCDP. Sasan Gooran (HT 2006) Assumptions:
Grafisk teknik Sasan Gooran (HT 2006) Iterative Method Controlling Dot Placement (IMCDP) Assumptions: The original continuous-tone image is scaled between 0 and 1 0 and 1 represent white and black respectively
Läs merMiniräknare. Betygsgränser: Maximal poäng är 24. För betyget godkänd krävs 12 poäng och för betyget väl godkänd krävs 18 poäng.
UMEÅ UNIVERSITET Institutionen för matematisk statistisk Statistiska metoder, poäng TENTAMEN -8 Per Arnqvist TENTAMEN I MATEMATISK STATISTIK Statistiska metoder, poäng Tillåtna hjälpmedel: Kursboken med
Läs merEtt A4-blad med egna handskrivna anteckningar (båda sidor) samt räknedosa.
Tentamen Linköpings universitet, Institutionen för datavetenskap, Statistik Kurskod och namn: Datum och tid: Jourhavande lärare: Tillåtna hjälpmedel: 732G71 Statistik B 2017-12-08, 8-12 Bertil Wegmann
Läs merLÖSNINGSFÖRSLAG TILL TENTAMEN I MATEMATISK STATISTIK 2007-08-29
UMEÅ UNIVERSITET Institutionen för matematik och matematisk statistik Statistik för Teknologer, 5 poäng (TNK, ET, BTG) Peter Anton, Per Arnqvist Anton Grafström TENTAMEN 7-8-9 LÖSNINGSFÖRSLAG TILL TENTAMEN
Läs mera) Bedöm om villkoren för enkel linjär regression tycks vara uppfyllda! b) Pröva om regressionkoefficienten kan anses vara 1!
LUNDS UNIVERSITET STATISTISKA INSTITUTIONEN MATS HAGNELL STA1:3 Skrivning i ekonometri tisdagen den 1 juni 4 1. Vi vill undersöka hur variationen i brottsligheten i USA:s delstater år 196 = R (i antal
Läs merGrafisk teknik. Sasan Gooran (HT 2006)
Grafisk teknik Sasan Gooran (HT 2006) Iterative Method Controlling Dot Placement (IMCDP) Assumptions: The original continuous-tone image is scaled between 0 and 1 0 and 1 represent white and black respectively
Läs mer12.6 Heat equation, Wave equation
12.6 Heat equation, 12.2-3 Wave equation Eugenia Malinnikova, NTNU September 26, 2017 1 Heat equation in higher dimensions The heat equation in higher dimensions (two or three) is u t ( = c 2 2 ) u x 2
Läs merS 1 11, S 2 9 and S 1 + 2S 2 32 E S 1 11, S 2 9 and 33 S 1 + 2S 2 41 D S 1 11, S 2 9 and 42 S 1 + 2S 2 51 C 52 S 1 + 2S 2 60 B 61 S 1 + 2S 2 A
MÄLARDALEN UNIVERSITY School of Education, Culture and Communication Department of Applied Mathematics Examiner: Lars-Göran Larsson EXAMINATION IN MATHEMATICS MAA151 Single Variable Calculus, TEN1 Date:
Läs merLUNDS TEKNISKA HÖGSKOLA Institutionen för Elektro- och Informationsteknik
LUNDS TEKNISKA HÖGSKOLA Institutionen för Elektro- och Informationsteknik SIGNALBEHANDLING I MULTIMEDIA, EITA50, LP4, 209 Inlämningsuppgift av 2, Assignment out of 2 Inlämningstid: Lämnas in senast kl
Läs merTentamen i matematisk statistik
Sid (5) i matematisk statistik Statistisk processtyrning 7,5 hp Tillåtna hjälpmedel: Miniräknare. Studenterna får behålla tentamensuppgifterna. Skrivtid: 9.00-3.00 ger maximalt 2 poäng. För godkänt krävs
Läs merTentamen MVE301 Sannolikhet, statistik och risk
Tentamen MVE301 Sannolikhet, statistik och risk 2018-05-31 kl. 8:30-13:30 Examinator: Johan Jonasson, Matematiska vetenskaper, Chalmers Telefonvakt: Ivar Simonsson, telefon: 031-7725325 Hjälpmedel: Valfri
Läs merLö sningsfö rslag till tentamen i matematisk statistik Statistik öch kvalitetsteknik 7,5 hp
Sid 1 (9) Lö sningsfö rslag till tentamen i matematisk statistik Statistik öch kvalitetsteknik 7,5 hp Uppgift 1 a) Nämn en kontinuerlig och en diskret fördelning. Exempelvis normalfördelningen respektive
Läs merMälardalens Högskola. Formelsamling. Statistik, grundkurs
Mälardalens Högskola Formelsamling Statistik, grundkurs Höstterminen 2015 Deskriptiv statistik Populationens medelvärde (population mean): μ = X N Urvalets medelvärde (sample mean): X = X n Där N är storleken
Läs merLUNDS UNIVERSITET STATISTISKA INSTITUTIONEN MATS HAGNELL. Skrivning i ekonometri onsdagen den 1 juni 2011
LUNDS UNIVERSITET STATISTISKA INSTITUTIONEN MATS HAGNELL STAB2 Skrivning i ekonometri onsdagen den 1 juni 211 1. Vi vill undersöka hur variationen i försäljningspriset för ett hus (i en liten stad i USA
Läs merTentamen MVE302 Sannolikhet och statistik
Tentamen MVE302 Sannolikhet och statistik 2019-06-05 kl. 8:30-12:30 Examinator: Johan Jonasson, Matematiska vetenskaper, Chalmers Telefonvakt: Oskar Allerbo, telefon: 031-7725325 Hjälpmedel: Valfri miniräknare.
Läs merSkrivning i ekonometri lördagen den 29 mars 2008
LUNDS UNIVERSITET STATISTISKA INSTITUTIONEN MATS HAGNELL STAB, Ekonometri Skrivning i ekonometri lördagen den 9 mars 8.Vi vill undersöka hur variationen i antal arbetande timmar för gifta kvinnor i Michigan
Läs merTentamen MVE301 Sannolikhet, statistik och risk
Tentamen MVE301 Sannolikhet, statistik och risk 2018-10-12 kl. 8:30-13:30 Examinator: Johan Jonasson, Matematiska vetenskaper, Chalmers Telefonvakt: Olof Elias, telefon: 031-7725325 Hjälpmedel: Valfri
Läs merChapter 2: Random Variables
Chapter 2: Random Variables Experiment: Procedure + Observations Observation is an outcome Assign a number to each outcome: Random variable 1 Three ways to get an rv: Random Variables The rv is the observation
Läs merx 2 2(x + 2), f(x) = by utilizing the guidance given by asymptotes and stationary points. γ : 8xy x 2 y 3 = 12 x + 3
MÄLARDALEN UNIVERSITY School of Education, Culture and Communication Department of Applied Mathematics Examiner: Lars-Göran Larsson EXAMINATION IN MATHEMATICS MAA151 Single Variable Calculus, TEN2 Date:
Läs merdenna del en poäng. 1. (Dugga 1.1) och v = (a) Beräkna u (2u 2u v) om u = . (1p) och som är parallell
Kursen bedöms med betyg, 4, 5 eller underänd, där 5 är högsta betyg. För godänt betyg rävs minst 4 poäng från uppgifterna -7. Var och en av dessa sju uppgifter an ge maximalt poäng. För var och en av uppgifterna
Läs merEtt A4-blad med egna handskrivna anteckningar (båda sidor) samt räknedosa.
Tentamen Linköpings Universitet, Institutionen för datavetenskap, Statistik Kurskod och namn: Datum och tid: Jourhavande lärare: Tillåtna hjälpmedel: 732G71 Statistik B 2015-02-06, 8-12 Bertil Wegmann
Läs mer6. a) Visa att följande vektorer är egenvektorer till matrisen A = 0 2 0 0 0 0 1 1, och ange motsvarande
MÄLARDALENS HÖGSKOLA Akademin för utbildning, kultur och kommunikation Avdelningen för tillämpad matematik Examinator: Erik Darpö TENTAMEN I MATEMATIK MAA5 Vektoralgebra TEN2 Datum: juni 25 Skrivtid: 3
Läs merMaterialplanering och styrning på grundnivå. 7,5 högskolepoäng
Materialplanering och styrning på grundnivå Provmoment: Ladokkod: Tentamen ges för: Skriftlig tentamen TI6612 Af3-Ma, Al3, Log3,IBE3 7,5 högskolepoäng Namn: (Ifylles av student) Personnummer: (Ifylles
Läs merTentamen i Matematik 2: M0030M.
Tentamen i Matematik 2: M0030M. Datum: 203-0-5 Skrivtid: 09:00 4:00 Antal uppgifter: 2 ( 30 poäng ). Examinator: Norbert Euler Tel: 0920-492878 Tillåtna hjälpmedel: Inga Betygsgränser: 4p 9p = 3; 20p 24p
Läs merStatistik B Regressions- och tidsserieanalys Föreläsning 1
Statistik B Regressions- och tidsserieanalys Föreläsning Kurskod: 732G7, 8 hp Lärare och examinator: Ann-Charlotte (Lotta) Hallberg Lärare och lektionsledare: Isak Hietala Labassistenter Kap 3,-3,6. Läs
Läs mer7,5 högskolepoäng. Statistisk försöksplanering och kvalitetsstyrning. TentamensKod: Tentamensdatum: 28 oktober 2016 Tid: 9.
Statistisk försöksplanering och kvalitetsstyrning Provmoment: Ladokkod: Tentamen ges för: TentamensKod: Tentamen 4I2B KINAF4, KINAR4, KINLO4, KMASK4 7,5 högskolepoäng Tentamensdatum: 28 oktober 206 Tid:
Läs merStyrteknik: Binära tal, talsystem och koder D3:1
Styrteknik: Binära tal, talsystem och koder D3:1 Digitala kursmoment D1 Boolesk algebra D2 Grundläggande logiska funktioner D3 Binära tal, talsystem och koder Styrteknik :Binära tal, talsystem och koder
Läs merF ξ (x) = f(y, x)dydx = 1. We say that a random variable ξ has a distribution F (x), if. F (x) =
Problems for the Basic Course in Probability (Fall 00) Discrete Probability. Die A has 4 red and white faces, whereas die B has red and 4 white faces. A fair coin is flipped once. If it lands on heads,
Läs merSecond handbook of research on mathematics teaching and learning (NCTM)
Second handbook of research on mathematics teaching and learning (NCTM) The effects of classroom mathematics teaching on students learning. (Hiebert & Grouws, 2007) Inledande observationer Undervisningens
Läs merSannolikhetsteori. Tentamenskrivning: TMS145 - Grundkurs i matematisk statistik och bioinformatik,
Tentamenskrivning: TMS145 - Grundkurs i matematisk statistik och bioinformatik, 5p. Tid: Lördag den 29 mars, 2008 kl 14.00-18.00 i V-huset. Examinator: Olle Nerman, tel 7723565. Jour: Alexandra Jauhiainen,
Läs merFöljande resultat erhålls (enhet: 1000psi):
Variansanalys Exempel Aluminiumstavar utsätts för uppvärmningsbehandlingar enligt fyra olika standardmetoder. Efter behandlingen uppmäts dragstyrkan hos varje stav. Fem upprepningar görs för varje behandling.
Läs merHögskolan i Skövde (SK, JS) Svensk version Tentamen i matematik
Högskolan i Skövde (SK, JS) Svensk version Tentamen i matematik Kurs: MA152G Matematisk Analys MA123G Matematisk analys för ingenjörer Tentamensdag: 2012-03-24 kl 14.30-19.30 Hjälpmedel : Inga hjälpmedel
Läs merTentamenskrivning: TMS145 - Grundkurs i matematisk statistik och bioinformatik,
Tentamenskrivning: TMS145 - Grundkurs i matematisk statistik och bioinformatik, 7,5 hp. Tid: Lördag den 18 april 2009, kl 14:00-18:00 Väg och vatten Examinator: Olle Nerman, tel 7723565. Jour: Frank Eriksson,
Läs mer1. Find the 4-tuples (a, b, c, d) that solves the system of linear equations
MÄLARDALEN UNIVERSITY School of Education, Culture and Communication Department of Applied Mathematics Examiner: Lars-Göran Larsson EXAMINATION IN MATHEMATICS MAA150 Vector Algebra, TEN1 Date: 2018-02-15
Läs merTentamen i matematisk statistik
Sid 1 (7) i matematisk statistik Statistik och kvalitetsteknik 7,5 hp Tillåtna hjälpmedel: Miniräknare. Studenterna får behålla tentamensuppgifterna. Skrivtid: 9.00-12.00 ger maximalt 24 poäng. Betygsgränser:
Läs merValfri räknedosa, kursbok (Kutner m fl) utan anteckningar. Tentamen omfattar totalt 20p. Godkänt från 12p.
Tentamen Linköpings Universitet, Institutionen för datavetenskap, Statistik Kurskod och namn: Datum och tid: Jourhavande lärare: Tillåtna hjälpmedel: Betygsgränser: 732G21 Sambandsmodeller 2009-01-14,
Läs merFöreläsning 2. Kap 3,7-3,8 4,1-4,6 5,2 5,3
Föreläsning Kap 3,7-3,8 4,1-4,6 5, 5,3 1 Kap 3,7 och 3,8 Hur bra är modellen som vi har anpassat? Vi bedömer modellen med hjälp av ett antal kriterier: visuell bedömning, om möjligt F-test, signifikanstest
Läs merSamhällsvetenskaplig metod, 7,5 hp
Samhällsvetenskaplig metod, 7,5 hp Provmoment: Individuell skriftlig tentamen kvantitativ metod, 2,0 hp Ladokkod: 11OA63 Tentamen ges för: OPUS kull H13 termin 6 TentamensKod: Tentamensdatum: Fredag 24
Läs merResidualanalys. Finansiell statistik, vt-05. Normalfördelade? Normalfördelade? För modellen
Residualanalys För modellen Johan Koskinen, Statistiska institutionen, Stockholms universitet Finansiell statistik, vt-5 F7 regressionsanalys antog vi att ε, ε,..., ε är oberoende likafördelade N(,σ Då
Läs mer10.1 Enkel linjär regression
Exempel: Hur mycket dragkraft behövs för att en halvledare skall lossna från sin sockel vid olika längder på halvledarens ben. De halvledare vi betraktar är av samma storlek (bortsett benlängden). 70 Scatterplot
Läs merNormalfördelning. Modeller Vi har alla stött på modeller i olika sammanhang. Ex:
Normalfördelning 1 Modeller Vi har alla stött på modeller i olika sammanhang. Ex: Leksaksbilar Modelljärnvägar Dockskåp 2 En leksaksbil är i vissa avseenden en kopia av en riktig bil. Men den skiljer sig
Läs merStatistisk försöksplanering
Statistisk försöksplanering Provmoment: Ladokkod: Tentamen ges för: TentamensKod: Skriftlig tentamen 3 hp 51SF01 Textilingenjörsutbildningen Tentamensdatum: 2 November Tid: 09:00-13 Hjälpmedel: Miniräknare
Läs merStatistisk försöksplanering
Statistisk försöksplanering Provmoment: Ladokkod: Tentamen ges för: TentamensKod: Skriftlig tentamen 3 hp 51SF01 Textilingenjörsutbildningen Tentamensdatum: 25 Oktober 2017 Tid: 09:00-13 Hjälpmedel: Miniräknare
Läs merIsometries of the plane
Isometries of the plane Mikael Forsberg August 23, 2011 Abstract Här följer del av ett dokument om Tesselering som jag skrivit för en annan kurs. Denna del handlar om isometrier och innehåller bevis för
Läs merTentamen del 2 SF1511, , kl , Numeriska metoder och grundläggande programmering
KTH Matematik Tentamen del 2 SF1511, 2018-03-16, kl 8.00-11.00, Numeriska metoder och grundläggande programmering Del 2, Max 50p + bonuspoäng (max 4p). Rättas ast om del 1 är godkänd. Betygsgränser inkl
Läs merEnglish Version. 1 f(x) = if 0 x θ; 0 otherwise, ) = V (X) = E(X2 ) (E(X)) 2 =
Kurskod: TAMS24 (Statistisk teori) / Provkod: TEN1 2017-01-03 14:00-18:00 Examinator/Examiner: Zhenxia Liu (Tel: 070 0895208). Please answer in ENGLISH if you can. a. You are permitted to bring: a calculator;
Läs merTENTAMEN I REGRESSIONS- OCH TIDSSERIEANALYS,
TENTAMEN I REGRESSIONS- OCH TIDSSERIEANALYS, 204-0-3 Skrivtid: kl 8-2 Hjälpmedel: Räknedosa. Bowerman, B.J., O'Connell, R, Koehler, A.: Forecasting, Time Series and Regression. 4th ed. Duxbury, 2005 som
Läs merTentamen i Matematisk statistik Kurskod S0001M
Tentamen i Matematisk statistik Kurskod S0001M Poäng totalt för del 1: 25 (10 uppgifter) Tentamensdatum 2018-01-12 Poäng totalt för del 2: 30 (3 uppgifter) Skrivtid 9.00 14.00 Lärare: Mykola Shykula, Niklas
Läs mer2(x + 1) x f(x) = 3. Find the area of the surface generated by rotating the curve. y = x 3, 0 x 1,
MÄLARDALEN UNIVERSITY School of Education, Culture and Communication Department of Applied Mathematics Examiner: Lars-Göran Larsson EXAMINATION IN MATHEMATICS MAA5 Single Variable Calculus, TEN Date: 06--0
Läs merTENTAMEN I STATISTIK B,
732G7 Tentamen. hp TENTAMEN I STATISTIK B, 24-2- Skrivtid: kl: -2 Tillåtna hjälpmedel: Ett A4-blad med egna handskrivna anteckningar samt räknedosa Jourhavande lärare: Lotta Hallberg Betygsgränser: Tentamen
Läs merS 1 11, S 2 9 and S 1 + 2S 2 32 E S 1 11, S 2 9 and 33 S 1 + 2S 2 41 D S 1 11, S 2 9 and 42 S 1 + 2S 2 51 C 52 S 1 + 2S 2 60 B 61 S 1 + 2S 2 A
MÄLARDALEN UNIVERSITY School of Education, Culture and Communication Department of Applied Mathematics Examiner: Lars-Göran Larsson EXAMINATION IN MATHEMATICS MAA151 Single Variable Calculus, TEN Date:
Läs merRegressions- och Tidsserieanalys - F7
Regressions- och Tidsserieanalys - F7 Tidsserieregression, kap 6.1-6.4 Linda Wänström Linköpings universitet November 25 Wänström (Linköpings universitet) F7 November 25 1 / 28 Tidsserieregressionsanalys
Läs merPreschool Kindergarten
Preschool Kindergarten Objectives CCSS Reading: Foundational Skills RF.K.1.D: Recognize and name all upper- and lowercase letters of the alphabet. RF.K.3.A: Demonstrate basic knowledge of one-toone letter-sound
Läs merLÖSNINGSFÖRSLAG TILL TENTAMEN I MATEMATISK STATISTIK
UMEÅ UNIVERSITET Institutionen för matematisk statistik MSTA16, Statistik för tekniska fysiker A Peter Anton TENTAMEN 2004-08-23 LÖSNINGSFÖRSLAG TILL TENTAMEN I MATEMATISK STATISTIK Statistik för tekniska
Läs merEtt A4-blad med egna handskrivna anteckningar (båda sidor) samt räknedosa.
Tentamen Linköpings Universitet, Institutionen för datavetenskap, Statistik Kurskod och namn: Datum och tid: Jourhavande lärare: Tillåtna hjälpmedel: 732G71 Statistik B 2015-12-09, 8-12 Bertil Wegmann
Läs merf(x) = x2 + 4x + 6 x 2 4 by utilizing the guidance given by asymptotes and stationary points.
MÄLARDALEN UNIVERSITY School of Education, Culture and Communication Department of Applied Mathematics Examiner: Lars-Göran Larsson EXAMINATION IN MATHEMATICS MAA5 Single Variable Calculus, TEN2 Date:
Läs merF16 MULTIPEL LINJÄR REGRESSION (NCT , 13.9) Anpassning av linjär funktion till givna data
Stat. teori gk, ht 006, JW F16 MULTIPEL LINJÄR REGRESSION (NCT 13.1-13.3, 13.9) Anpassning av linjär funktion till givna data Data med en beroende variabel (y) och K stycken (potentiellt) förklarande variabler
Läs mer