Tryckfel i K. Vännman, Matematisk Statistik, upplaga 2:13
|
|
- Julia Hermansson
- för 5 år sedan
- Visningar:
Transkript
1 Tryckfel i K. Vännman, Matematisk Statistik, upplaga 2:13 Kasper K. S. Andersen 11 oktober 2018 s. 10, b, l. 8: s. 25, Tabell 1.13, linje 1, kolonn 7: s. 26, Figur 1.19 b, l. 3: s. 26, Figur 1.19 b, l. 6: s. 27, Figur 1.20, l. 4: s. 34, a, l. -2: 24, 29 24, 49 s. 67, c, l. -1: Mer precis beräkning ger (C = 0.11, inte 0.12 s. 74, Lösning till Exempel 3.2, l. 8: Formlen för (ξ = 3 kan forenklas till s. 80, Lösning till Exempel 3.6, l. 4: = 0.69 s. 80, Lösning till Exempel 3.6, l. -3: = 0.69 s. 82, l. -1: N = 20. Np = 4 N = 20, Np = 4 s. 83, l. 7: antalet motstånd antalet felmärkta motstånd s. 86, Lösning till Exempel 3.9, l. 6: sannolikhetarna. (η = x sannolikhetarna (η = x s. 87, Figur 3.7: p + n N < 0.1 p, n N < 0.1 s. 87, Lösning till Exempel 3.10, l. 6: 1 (ξ 2 = 1 1 (ξ x=0 2 x=0 1 ( x x x ( x x x
2 s. 87, Lösning till Exempel 3.10, l. 10: 1 (ξ 2 = 1 2 x=0 e 2 2 x x! 1 (ξ x=0 e 2 2 x x! s. 88, Lösning till Exempel 3.10, l. -3: tabell 1.1. sida 2 tabell 1.10, sida 11 s. 99, Lösning till Exempel 3.15, l. 9: = 1.1 s. 99, Lösning till Exempel 3.15, l. 18: = 2.9 s. 101, Övning 3.34, l. 4 5: övning 3.25 a, sida 90. övning 3.28 a, sida 96. s. 104, l. -3: Figur 1.8 är bättra än figur 4.2 s. 108, Formel (4.1: a+ a f(x dx af(a a f(x dx = a f(θ a f(a a+ a a ( 5 2 s. 111, Övning 4.5, l. 3: 1 e x2 /2 1 e x2 /2 s. 113, Exempel 4.4, l. 3: < ξ ξ s. 114, Lösning till Exempel 4.6 a, l. 3: e e 2 = s. 114, Lösning till Exempel 4.6 b l. 4: ( 5 2 (e 2 2 (1 e ( e 2 2 ( 1 e 2 3 = s. 115, Lösning till Exempel 4.7, l. 2: 1 e 11/2 / 10 = e 11/2 / ( e 11/2 / 10 = e 11/2 / 10 = 0.73 s. 119, Lösning till Exempel 4.9 a, l. 3: = 0.84 s. 119, Lösning till Exempel 4.9 b, l. 2: = 0.31 s. 119, Lösning till Exempel 4.9 c, l. 5: = 0.87 s. 125, Övning 4.20 (3 gångar: för övrigt. för övrigt. s. 125, l. -5: V (ξ = E(ξ µ 2 V (ξ = E ( (ξ µ 2 s. 126, Definition, l. 3: V (ξ = E(ξ µ 2 V (ξ = E ( (ξ µ 2 s. 127, Lösning till Exempel 4.13, l. 4: =
3 s. 129, Definition, l. 2: I kapitel 1 används md för medianen i stället för m. s. 129, Lösning till Exempel 4.15, l. 6: ( 10 ln ( 10 ln 2 2 = 4.8 s. 131, Lösning till Exempel 4.16, l. -1: 10 ln (ln = 0.11 s. 132, Lösning till Exempel 4.17, l. -4: L 25 = 10 ln L 25 = 10 (ln s. 132, Lösning till Exempel 4.17, l. -3: L 75 = 10 ln L 75 = 10 (ln ( s. 132, Lösning till Exempel 4.17, l. -1: 10(ln ln (ln (ln = 18.4 s. 138, Lösning till Exempel 5.2, l. -1: = 0.34 s. 140, Lösning till Exempel 5.5, l. 3: 1 3 3θ 1 3 3θ = θ 14 s. 146, Lösning till Exempel 5.7 a, l. -1: 9 σ 1.25σ 14 9 σ = 1.25σ s. 146, Lösning till Exempel 5.7 b, l. -1: σ 0.86σ σ = 0.86σ s. 146, l. -1: Intuitionen är inte helt rätt, annars borde 1 ξ ξ ξ 3 ge ett bättra resultat än b. π 6 π s. 149, Lösning till Exempel 5.9, l. 5: 6 (d3 + 2σ 2 d = V + σ2 dπ 3 ( d 3 + 3σ 2 d = V + σ2 dπ 2 Normalfördelningen och rektangelfördelningen ger alltså samma resultat. Detta gäller allmänt om fördelningen är symmetrisk eller även mer allmänt om E ( (ξ µ 3 = 0. s. 150, Bevis för Sats 5D, l. -2: Det är enklara att använda Sats 5A direkt: V (g(µ + g (µ 2 V (ξ µ g (µ 2 V (ξ µ s. 151, Lösning till Exempel 5.11, l. 6: s. 152, Övning 5.16, l. 2: E(ξ och V (ξ E(g(ξ och V (g(ξ s. 156, Lösning till Exempel 6.1, l. 5: Mer precis beräkning ger , inte
4 s. 157, l. 2: s. 158, Övning 6.5, l. 3: C : ξ 55 C : ξ > 55 s. 158, Övning 6.6, l. 3: mm. mm. s. 158, Övning 6.7, l. 3: loppet 5% loppet högst 5% s. 159, Sats 6B, l. 2: ξ 1, och ξ 2 ξ 1 och ξ 2 s. 160, Lösning till Exempel 6.4, l. 4: s. 160, Lösning till Exempel 6.4, l. 7 (2 gångar: s. 161, Lösning till Exempel 6.5, l. -3: Mer precis beräkning ger = , inte = s. 162, Exempel 6.6, l. 4: ξ.vad ξ. Vad s. 162, Lösning till Exempel 6.6, l. -2: Mer precis beräkning ger = , inte = s. 167, Exempel 6.8, l. 11: σ = V (ξ 1 + V (ξ 2 σ = V (ξ 1 + ξ 2 s. 168, Sats 6E, l. 2 3: standardavvikelsen σ standardavvikelsen σ > 0 s. 169, Lösning till Exempel 6.9, l. 9: 100 i=1 ξ i ζ = 100 i=1 ξ i s. 169, Lösning till Exempel 6.9, l. -5: = η N(0, 1 η N(0, 1 s. 171, Lösning till Exempel 6.10, l. -3: Mer precis beräkning ger , inte s. 172, Figur 6.6: p + n N < 0.1 p, n N < 0.1 s. 172, Exempel 6.11, l. 3: Mer precis beräkning ger , inte s. 172, Exempel 6.11, l. 4: Mer precis beräkning ger , inte s. 177, Exempel 7.2, l. 4: 1 e λ100 1 e 100λ s. 184, l. -6: exempel 7.8 exempel 7.7 s. 185, l. 5: Ta bort snabbt, det gällar att c n = 1 1 4n +O ( n 2 för n om stickprovet kommer från en normalfördelning. s. 186, Lösning till Exempel 7.8 b, l. -1: =
5 s. 186, Lösning till Exempel 7.8 c, l. -1: σobs = s = 36 σobs = = = = s. 187, tabell, n = 3, kolonn δ n /γ n : s. 187, tabell, n = 4, kolonn δ n /γ n : s. 187, tabell, n = 5, kolonn δ n /γ n : s. 187, tabell, n = 10, kolonn δ n /γ n : s. 187, tabell, n = 11, kolonn δ n : s. 187, tabell, n = 11, kolonn δ n /γ n : s. 187, tabell, n = 12, kolonn δ n : s. 187, tabell, n = 12, kolonn δ n /γ n : s. 187, tabell, n = 14, kolonn δ n /γ n : s. 187, tabell, n = 15, kolonn δ n : s. 187, tabell, n = 15, kolonn γ n : s. 187, tabell, n = 15, kolonn δ n /γ n : s. 188, Övning 7.3, l. 1: E(ξ = µ och V (ξ = σ 2 E(ξ = µ 0 och V (ξ = σ 2 > 0 s. 188, Övning 7.4, l. 2: p µ s. 191, Övning 7.10, l. 3: exempel 7.2, 177 exempel 7.2, sida 177 s. 191, Övning 7.10 a, l. 2: E(λ = 1/λ E(ξ = 1/λ s. 192, Ledning till övning 7.13 c, l. -3: (ξ 1 x, ξ 2 x,..., ξ 1 x (ξ 1 x, ξ 2 x,..., ξ n x s. 195, l. 9: [ ξ(1, ξ(5 ] [ x(1, x(5 ] s. 195, Exempel 8.2, l. 2: enhet Ma : enhet Ma: s. 196, Exempel 8.3, l. 4: [8.1, 9.31] [8.1, 9.3] s. 196, Exempel 8.3, l. -1: [8.1, 9.31] [8.1, 9.3] s. 199, 8.2.1, l. 11: alla ξ N(µ, 12 alla ξ i N(µ, 12 s. 201, Lösning till Exempel 8.4 a, l. 1: x = x =
6 s. 201, Lösning till Exempel 8.4 a, l. 5 (2 gångar: s. 201, Lösning till Exempel 8.4 a, l. 7: [ , ] [ , ] s. 202, l. 6: [78.9, 84.2] [78.5, 83.9] s. 202, Lösning till Exempel 8.4 b, l. 4 (2 gångar: s. 202, Lösning till Exempel 8.4 b, l. 6: [78.094, ] [77.727, ] s. 202, Lösning till Exempel 8.4 b, l. -1: [78.0, 85.1] [77.7, 84.7] s. 202, 8.2.1, l. -11: [78.0, 85.1] [77.7, 84.7] s. 203, l. -4: kring origo kring y-axeln s. 206, l. 2: ( = ± ( = ± 0.23 s. 212, l. 12: Mer precis beräkning ger [ 0.29, 0.32], inte [ 0.29, 0.31] s. 214, Lösning till Exempel 8.8, l. 8: s 2 1 och s 2 1 s 2 1 och s 2 2 s. 214, Lösning till Exempel 8.8, l. 11: Mer precis beräkning ger , inte s. 214, Lösning till Exempel 8.8, l. 13: s. 216, l. 6: t (12 = 2.18 t (12 = s. 216, l. 8 9 (2 gångar: s. 216, 1:a box (två stickprov, l. 3: η 1, η 2,..., η n1 η 1, η 2,..., η n2 s. 218, Övning 8.25 a: I denne uppgift krävs värdet t α/2 (73 = som inte finns i tabellen sida 311. s. 219, Övning 8.28, l. -1: µ 1 µ 2 µ A µ B s. 220, Övning 8.29, l. 3: s. 223, Lösning till Exempel 8.10, l. 5: Mer precis beräkning ger [0, 0.98], inte [0, 0.97] s. 228, Lösning till Exempel 8.13, l. -5: [0.498, 0.836] [0.49, 0.84] [0.497, 0.836] = [0.49, 0.84] s. 231, Lösning till Exempel 9.1, l. 5: ( svarar mot (svarar mot 6
7 s. 233, l. 8: ( ξ / 9 > k / 9 ξ N(100, 15/ 9 ( ξ / 9 > k / 9 ξ N(100, 15/ 9 s. 233, l. -12: µ- värdet µ-värdet s. 234, l. -16: siginifikansnivån signifikansnivån s. 235, Lösning till Exempel 9.2, l. 2: ξ N(110, 15/ 9 ξ N(110, 15/ 9 s. 235, Lösning till Exempel 9.2, l. 6: Φ( Φ(0.36 = s. 237, Lösning till Exempel 9.3, l. 15: förkastas inte H 0 förkastas inte H 0. s. 238, l. 3: som förkasta H 0 givet som sannolikheten för att förkasta H 0 givet s. 238, Lösning till Exempel 9.4, l. 6: ( ξ / > 9 15/ µ = ( ξ / 9 > / 9 µ = 105 s. 238, Lösning till Exempel 9.4, l. 13: ( ξ / > 9 15/ µ = ( ξ / 9 > / 9 µ = 110 s. 239, l. 4: ( ξ / > 9 15/ 9 ( ξ / 9 > / 9 µ = 115 µ = 115 7
8 s. 240, l. 7: µ =5.20 µ = 5.20 s. 240, Figur 9.7, l. 2: förkastas H 0. förkastas H 0. s. 241, l. 3: ( ξ / 25 < k / 25 µ = 5.20 ( ξ / 25 < k / 25 µ = 5.20 s. 241, Figur 9.8: µ = 5.20 µ = s. 242, l. 4: ( ξ / 25 ( ξ / 25 < / 25 < / 25 µ = 5.00 µ = 5.00 s. 242, l. 5: Mer precis beräkning ger Φ(2.674, inte Φ( s. 242, Exempel 9.7, l. 13: vara 5% Bestäm vara 5%. Bestäm s. 243, l. 2: ( ξ / 5 < k / µ = ( ξ / 5 < k / 5 µ = s. 243, l. 8: ( ξ / 5 > k / µ = ( ξ / 5 > k / 5 µ = 63.0 s. 245, l. -1: ( ξ 55 σ / 12 < k 1 µ = 55 8
9 ( ξ 55 σ / 12 < k 1 µ = 55 s. 246, l. 4: ( ξ 55 σ / 12 > k 2 µ = 55 ( ξ 55 σ / 12 > k 2 µ = 55 s. 246, l. 13: 2.20 < t < t 2.20 s. 247, l. 4: ( ξ 55 σ / 12 < k µ = 55 ( ξ 55 σ / 12 < k µ = 55 s. 247, l. 16: H 0 : µ = 110 mot H 1 : µ > 110 H 0 : µ = µ 0 mot H 1 : µ > µ 0 s. 251, Övning 9.16, l. 6: s. 252, l. -13: ( ξ λ α σ/ n < µ < = ( ξ µ σ/ n < λ α ( ξ λα σ/ n µ < = ( ξ µ σ/ n λ α s. 254, l. 10: α 0 förkastas H 0 förkastas s. 254, l. 16: förkastas förkastas. s. 255, Lösning till Exempel 9.10, l. -5: = p. 256, l. 5: (ξ 5 H 0 sann = (ξ 5 H 0 sann = s. 256, Lösning till Exempel 9.12, l (2 gångar: ξ o(3 η o(3 9
10 s. 256, Lösning till Exempel 9.12, l. -3: = s. 260, Lösning till Exempel 9.14, l. 4: inte hållfastheten inte hållfastheten, s. 264, Lösning till Exempel 9.16, l. 3: och typ 2. och typ 2, s. 264, Lösning till Exempel 9.16, l. -5: T =... = 65 T =... = 65. s. 265, Tabell 9.2, l. 2: T < T l eller T > T r T T l eller T T r s. 265, Tabell 9.2, n 1 = 10, n 2 = 8: s. 267, l. -2: a < x b a < x < b s. 269, Exempel 10.2, l. 5 15: I första kolonnen skal x < byttas till x på alla ställen. s. 270, l. -3: 1 F (x = e λx 1 F (x = e λx s. 270, l. -1: (0, 100 (0, 100% s. 272, l. 4: (0, 100 (0, 100% s. 272, l. 11: (0, 100 (0, 100% s. 272, l. 16: e e 1 = s. 272, l. 19: λ obs = 1/x λ obs = 1/x 1 s. 272, Lösning till Exempel 10.4, tabell. Första kolonn: x < x (som s Tallen i kolonnan 1 kumulativ relativ frekvens (% är fel: l. 2: 18 32, l. 3: 15 17, l. 4: 7 10, l. 5: 3 7, l. 6: 2 5, l. 7: 1 4, l. 8: 1 3, l. 9: 1 2, l. 11: 1 0 s. 272, Lösning till Exempel 10.4, l. -1: (0, 100 (0, 100% s. 276, l. 7: (y = 50 (y = 50% s. 276, l. 8: (y = 2.3 (y = 2.3% s. 276, l. 9: (y = 97.7 (y = 97.7% 10
11 s. 276, Lösning till Exempel 10.6, l. -1: ( /4 ( /4 s. 280, Exempel 10.7, l. 17: Totala antalet observationer är 104, inte 100. Lösningen måste modificieras på passande sätt. s. 282, l. 2 (2 gångar: χ 2 (9 χ (9 s. 284, l. 5: s. 284, l. -2: Men tas inte ta upp här. Men detta tas inte upp här. s. 287, Övning 11.12, l. 10: z = i=1 z z = i=1 z i s. 289, Övning a, l. 3: x = i x x = i=1 x i s. 289, Övning 11.18, l. 2: (d v s väntavärdet ξ(1 = min(ξ 1, ξ 2. (d v s väntavärdet E(ξ i = µ = 1/λ. Låt ξ(1 = min(ξ 1, ξ 2. s. 290, Övning b, l. 2: µ = cξ(1 µ = c ξ(1 s. 291, l. 4: s. 302, l. 4: (ξ x = 1.0 skrivs (ξ x = 1.0 för alla p, skrivs s. 302, n = 6, x = 0, p = 0.25: s. 302, n = 7, x = 0, p = 0.35: s. 303, n = 10, x = 9, p = 0.5: s. 303, n = 11, x = 1, p = 0.3: s. 303, n = 11, x = 6, p = 0.2: s. 305, n = 17: x = 0 x = 10 s. 307, l. 2: x,där x, där s. 307, x = 0, λ = 1.6: s. 307, x = 1, λ = 1.1: s. 307, x = 5, λ = 1.1: s. 307, x = 3, λ = 2.6: s. 307, x = 0, λ = 4.2: s. 307, x = 1, λ = 4.2:
12 s. 308, x = 6, λ = 4.6: s. 308, x = 9, λ = 3.6: s. 308, x = 11, λ = 4.8: s. 308, x = 11, λ = 9: s. 309, x = 0.81: s. 309, x = 2.75: s. 312, f = 1, α = 0.975: s. 312, f = 2, α = 0.975: s. 312, f = 5, α = 0.05: s. 312, f = 8, α = 0.99: s. 312, f = 9, α = 0.01: s. 312, f = 15, α = 0.05: s. 312, f = 22, α = 0.90: s. 312, f = 23, α = 0.05: s. 312, f = 25, α = 0.05: s. 312, f = 25, α = 0.025: s. 312, f = 26, α = 0.95: s. 312, f = 28, α = 0.025: s. 312, f = 29, α = 0.99: s. 312, f = 29, α = 0.10: s. 312, f = 30, α = 0.99: s. 312, f = 40, α = 0.90: s. 312, f = 50, α = 0.99: s. 312, f = 60, α = 0.99: s. 312, f = 70, α = 0.99: s. 312, f = 70, α = 0.01:
13 s. 312, f = 80, α = 0.95: s. 312, f = 90, α = 0.10: s. 312, f = 90, α = 0.05: s. 312, f = 100, α = 0.99: s. 312, f = 100, α = 0.975: s. 312, f = 100, α = 0.90: s. 312, f = 100, α = 0.10: s. 312, f = 100, α = 0.01: s. 313, Svar till Övning 1.1, l. 5: Varians Varians s. 314, Svar till Övning 2.8 a: i N i N s. 315, Svar till Övning 2.16 a: s. 315, Svar till Övning 2.16 b: s. 316, Svar till Övning 3.1: Linjen för 2 x < 3 är på fel nivå. s. 317, Svar till Övning 3.12: Bin(5, 0.6b Bin(5, 0.6 b s. 317, Svar till Övning 3.17: Bin(10, 0.02 Bin(10, 0.2 s. 318, Svar till Övning 3.31: Bin(13, 0.2b 2.6 Bin(13, 0.2 b 2.6 s. 319, Svar till Övning 4.3: 2. F (3 = b F (3 = s. 320, Svar till Övning 4.7 b, l. 2: 0 < x 1 0 < x 10 s. 320, Svar till Övning 4.7 b, l. 3: x > 1 x > 10 s. 320, Svar till Övning 4.7 c, l. 1: 0 x 10 0 < x < 10 s. 320, Svar till Övning 4.7 c, graf: Vanligtvis definieras f(10 = 0, inte 0.1. Figuran kan skaleras bättra. s. 320, Svar till Övning 4.14 c, l. 2: s. 320, Svar till Övning 4.20 a, graf: Vanligtvis definieras f(2 = 0, inte 0.5. Ta bort 0.1 på f(x-axeln och ersätt med 0.5 (på högra nivå. s. 321, Svar till Övning 4.20 b, graf: Ta bort 0.1 på f(x-axeln. Figuren kan skaleras bättra. 13
14 s. 321, Svar till Övning 4.20 c, graf: Vanligtvis definieras f(6 = 0, inte 0.5. Ta bort punkten ved f(0 = 0 och markeringen 0.1 på f(x-axeln. s. 321, Svar till Övning 4.25 a, graf: Vanligtvis definieras f(2 = 0, inte 0.5. Ta bort 0.1 på f(x-axeln och ersätt med 0.5 (på högra nivå. s. 321, Svar till Övning 4.25 b, graf: Ta bort 0.1 på f(x-axeln. Figuren kan skaleras bättra. Dessutom: µ + σ = 9.03 µ + σ = 9.02 s. 321, Svar till Övning 4.25 c, graf: Vanligtvis definieras f(6 = 0, inte 0.5. Vanligtvis definieras f(6 = 0, inte 0.5. Ta bort punkten ved f(0 = 0 och 0.1 på f(x-axeln. s. 322, Svar till Övning 4.32 a, graf: Ta bort 0.1 på f(x-axeln. Figuren kan skaleras bättra. s. 322, Svar till Övning 4.32 b, graf: Ta bort 0.1 på f(x-axeln. Figuren kan skaleras bättra. s. 322, Svar till Övning 5.4: V (η = 0.88 V (η = 0.89 s. 323, Svar till Övning 6.2 b: 99.74% 99.73% s. 323, Svar till Övning 6.3, l. 1: ]b ] b s. 323, Svar till Övning 6.5: 28.8, 50.9 respektive , 50.8 respektive 20.2 s. 323, Svar till Övning 6.6: µ = µ = s. 323, Svar till Övning 6.9 c: N(10, 153 N(10, 3 17 s. 323, Svar till Övning 6.9 d: N( 1, 160 N( 1, 4 10 s. 324, Svar till Övning 6.25: 4.6% 4.5% s. 324, Svar till Övning 7.2 a: Ta bort σ 2 obs = s2 = (ingår inte i uppgiften s. 325, Svar till Övning 7.14, l. 3: b c s. 325, Svar till Övning 7.14, l. 4: c d s. 326, Svar till Övning 8.17 a: ], ] ], ] s. 326, Svar till Övning 8.17 b: [1663.9, ] [1664.0, ] s. 327, Svar till Övning 8.25 b, l. -2: [1.24, 2.56] [1.23, 2.57] s. 327, Svar till Övning 8.27 b: [ 0.023, 0.268] [ 0.024, 0.268] 14
15 s. 327, Svar till Övning 8.38: konfidensgrad approximativ konfidensgrad s. 327, Svar till Övning 8.39: konfidensgrad approximativ konfidensgrad s. 328, Svar till Övning 9.11 a: s. 331, Svar till Övning b: H 0 kan ej förkastas H 0 förkastas 15
Föreläsningsanteckningar till kapitel 8, del 2
Föreläsningsanteckningar till kapitel 8, del 2 Kasper K. S. Andersen 4 oktober 208 Jämförelse av två väntevärden Ofte vil man jämföra två eller fler) produkter, behandlingar, processer etc. med varandra.
Läs meren observerad punktskattning av µ, ett tal. x = µ obs = 49.5.
February 6, 2018 1 Föreläsning VIII 1.1 Punktskattning Punktskattning av µ Vi låter {ξ 1, ξ 2,..., ξ n } vara oberoende likafördelade stokastiska variabler (med ett gemensamt µ). ξ =: µ är en punktskattning
Läs mer9. Konfidensintervall vid normalfördelning
TNG006 F9 09-05-016 Konfidensintervall 9. Konfidensintervall vid normalfördelning Låt x 1, x,..., x n vara ett observerat stickprov av oberoende s.v. X 1, X,..., X n var och en med fördelning F. Antag
Läs merFORMELSAMLING MATEMATISK STATISTIK FÖR W; FMSF75 UPPDATERAD Sannolikhetsteori. Beskrivning av data. Läges-, spridnings- och beroendemått
LUNDS TEKNISKA HÖGSKOLA MATEMATIKCENTRUM MATEMATISK STATISTIK FORMELSAMLING MATEMATISK STATISTIK FÖR W; FMSF75 UPPDATERAD 208-08-26 Sannolikhetsteori Följande gäller för sannolikheter: 0 P(A P(Ω = P(A
Läs merFöreläsningsanteckningar till kapitel 9, del 2
Föreläsningsanteckningar till kapitel 9, del 2 Kasper K. S. Andersen 17 oktober 2018 1 Hur väljar man hypotes och mothypotes? Allmänt finns två möjliga resultat av en statistik test: Nollhypotesen H 0
Läs merThomas Önskog 28/
Föreläsning 0 Thomas Önskog 8/ 07 Konfidensintervall På förra föreläsningen undersökte vi hur vi från ett stickprov x,, x n från en fördelning med okända parametrar kan uppskatta parametrarnas värden Detta
Läs merTentamen i Sannolikhetslära och statistik Kurskod S0008M
Tentamen i Sannolikhetslära och statistik Kurskod S0008M Poäng totalt för del 1: 25 (12 uppgifter) Tentamensdatum 2012-12-19 Poäng totalt för del 2: 30 (3 uppgifter) Skrivtid 09.00 14.00 Lärare: Adam Jonsson
Läs merFORMELSAMLING HT-18 MATEMATISK STATISTIK FÖR B, K, N, BME OCH KEMISTER; FMSF70 & MASB02. Sannolikhetsteori. Beskrivning av data
LUNDS TEKNISKA HÖGSKOLA MATEMATIKCENTRUM MATEMATISK STATISTIK FORMELSAMLING HT-18 MATEMATISK STATISTIK FÖR B, K, N, BME OCH KEMISTER; FMSF70 & MASB02 Sannolikhetsteori Följande gäller för sannolikheter:
Läs merFormel- och tabellsamling i matematisk statistik
Formel- och tabellsamling i matematisk statistik 1. Sannolikhetsteori för lärarprogrammet Sannolikhetsformler P (A ) = 1 P (A) P (A B) = P (A) + P (B) P (A B) P (A B) = P (A B) P (B) P (A B) = P (A B)P
Läs merTentamen i Matematisk statistik Kurskod S0001M
Tentamen i Matematisk statistik Kurskod S0001M Poäng totalt för del 1: 25 ( uppgifter) Tentamensdatum 2018-08-28 Poäng totalt för del 2: 30 (3 uppgifter) Skrivtid 9.00 14.00 Lärare: Niklas Grip Jourhavande
Läs merTentamen i Matematisk statistik Kurskod S0001M
Tentamen i Matematisk statistik Kurskod S0001M Poäng totalt för del 1: 25 (10 uppgifter) Tentamensdatum 2016-06-03 Poäng totalt för del 2: 30 (3 uppgifter) Skrivtid 9.00 14.00 Lärare: Adam Jonsson Jourhavande
Läs merSF1901: Sannolikhetslära och statistik. Statistik: Intervallskattning (konfidensintervall)
SF1901: Sannolikhetslära och statistik Föreläsning 9. Statistik: Intervallskattning (konfidensintervall) Jan Grandell & Timo Koski 21.02.2012 Jan Grandell & Timo Koski () Matematisk statistik 21.02.2012
Läs merTentamen i Matematisk statistik Kurskod S0001M
Tentamen i Matematisk statistik Kurskod S0001M Poäng totalt för del 1: 25 (10 uppgifter) Tentamensdatum 2015-10-23 Poäng totalt för del 2: 30 (3 uppgifter) Skrivtid 09.00 14.00 Lärare: Jesper Martinsson,
Läs merKap 6: Normalfördelningen. Normalfördelningen Normalfördelningen som approximation till binomialfördelningen
Kap 6: Normalfördelningen Normalfördelningen Normalfördelningen som approximation till binomialfördelningen σ μ 1 Sats 6 A Om vi ändrar läge och/eller skala på en normalfördelning så har vi fortfarande
Läs merTentamen i Matematisk statistik Kurskod S0001M
Tentamen i Matematisk statistik Kurskod S0001M Poäng totalt för del 1: 25 (10 uppgifter) Tentamensdatum 2019-06-07 Poäng totalt för del 2: 30 (3 uppgifter) Skrivtid 9.00 14.00 Lärare: Adam Jonsson Jourhavande
Läs merFöreläsning 4: Konfidensintervall (forts.)
Föreläsning 4: Konfidensintervall forts. Johan Thim johan.thim@liu.se 3 september 8 Skillnad mellan parametrar Vi kommer nu fortsätta med att konstruera konfidensintervall och vi kommer betrakta lite olika
Läs merAvd. Matematisk statistik
Avd. Matematisk statistik TENTAMEN I SF194 SANNOLIKHETSTEORI OCH STATISTIK, MÅNDAG 1 AUGUSTI 019 KL 8.00 13.00. Examinator: Björn-Olof Skytt, 08-790 86 49. Tillåtna hjälpmedel: Formel- och tabellsamling
Läs merFöreläsning 11: Mer om jämförelser och inferens
Föreläsning 11: Mer om jämförelser och inferens Matematisk statistik David Bolin Chalmers University of Technology Maj 12, 2014 Oberoende stickprov Vi antar att vi har två oberoende stickprov n 1 observationer
Läs merTentamen i Matematisk statistik Kurskod S0001M
Tentamen i Matematisk statistik Kurskod S0001M Poäng totalt för del 1: 25 (11 uppgifter) Tentamensdatum 2016-10-25 Poäng totalt för del 2: 30 (3 uppgifter) Skrivtid 9.00 14.00 Lärare: Adam Jonsson och
Läs merMatematisk statistik KTH. Formel- och tabellsamling i matematisk statistik
Matematisk statistik KTH Formel- och tabellsamling i matematisk statistik Varterminen 2005 . Kombinatorik n = k n! k!n k!. Tolkning: n k mängd med n element. 2. Stokastiska variabler V X = EX 2 EX 2 =
Läs merTentamen i Matematisk statistik Kurskod S0001M
Tentamen i Matematisk statistik Kurskod S0001M Poäng totalt för del 1: 25 (10 uppgifter) Tentamensdatum 2017-03-22 Poäng totalt för del 2: 30 (3 uppgifter) Skrivtid 9.00 14.00 Lärare: Adam Jonsson, Niklas
Läs merSF1901: Sannolikhetslära och statistik. Statistik: Intervallskattning (konfidensintervall) Jan Grandell & Timo Koski
SF1901: Sannolikhetslära och statistik Föreläsning 10. Statistik: Intervallskattning (konfidensintervall) Jan Grandell & Timo Koski 18.02.2016 Jan Grandell & Timo Koski Matematisk statistik 18.02.2016
Läs merAvd. Matematisk statistik
Avd. Matematisk statistik TENTAMEN I SF1901 SANNOLIKHETSTEORI OCH STATISTIK, MÅNDAGEN DEN 8:E JANUARI 2018 KL 14.00 19.00. Examinator: Thomas Önskog, 08 790 84 55. Tillåtna hjälpmedel: Formel- och tabellsamling
Läs merTenta i Statistisk analys, 15 december 2004
STOCKHOLMS UNIVERSITET MATEMATISKA INSTITUTIONEN LÖSNINGAR Avd. Matematisk statistik, ML 15 december 004 Lösningar Tenta i Statistisk analys, 15 december 004 Uppgift 1 Vi har två stickprov med n = 5 st.
Läs merFÖRELÄSNING 7:
FÖRELÄSNING 7: 2016-05-10 LÄRANDEMÅL Normalfördelningen Standardnormalfördelning Centrala gränsvärdessatsen Konfidensintervall Konfidensnivå Konfidensintervall för väntevärdet då variansen är känd Samla
Läs merTentamen i Matematisk statistik Kurskod S0001M
Tentamen i Matematisk statistik Kurskod S0001M Poäng totalt för del 1: 25 (10 uppgifter) Tentamensdatum 2014-06-05 Poäng totalt för del 2: 30 (3 uppgifter) Skrivtid 09.00 14.00 Lärare: Adam Jonsson, Jesper
Läs merTENTAMEN I MATEMATIK MED MATEMATISK STATISTIK HF1004, TEN
TENTAMEN I MATEMATIK MED MATEMATISK STATISTIK HF1004, TEN 016-03-1 Hjälpmedel: Formler och tabeller i statistik, räknedosa Fullständiga lösningar erfordras till samtliga uppgifter. Lösningarna skall vara
Läs mer(a) på hur många sätt kan man permutera ordet OSANNOLIK? (b) hur många unika 3-bokstavskombinationer kan man bilda av OSANNO-
Tentamenskrivning för TMS6, Matematisk Statistik. Onsdag fm den 1 maj, 217. Examinator: Marina Axelson-Fisk. Tel: 1-7724996 Tillåtna hjälpmedel: typgodkänd miniräknare, tabell- och formelhäfte (bifogas).
Läs merSF1901: SANNOLIKHETSTEORI OCH STATISTIKTEORI KONSTEN ATT DRA INTERVALLSKATTNING. STATISTIK SLUTSATSER. Tatjana Pavlenko.
SF1901: SANNOLIKHETSTEORI OCH STATISTIK FÖRELÄSNING 10 STATISTIKTEORI KONSTEN ATT DRA SLUTSATSER. INTERVALLSKATTNING. Tatjana Pavlenko 25 april 2017 PLAN FÖR DAGENS FÖRELÄSNING Statistisk inferens oversikt
Läs merSF1922/SF1923: SANNOLIKHETSTEORI OCH INTERVALLSKATTNING. STATISTIK. Tatjana Pavlenko. 24 april 2018
SF1922/SF1923: SANNOLIKHETSTEORI OCH STATISTIK FÖRELÄSNING 11 INTERVALLSKATTNING. Tatjana Pavlenko 24 april 2018 PLAN FÖR DAGENS FÖRELÄSNING Vad är en intervallskattning? (rep.) Den allmänna metoden för
Läs merMatematisk statistik KTH. Formelsamling i matematisk statistik
Matematisk statistik KTH Formelsamling i matematisk statistik Vårterminen 2017 1 Kombinatorik ) n n! = k k! n k)!. Tolkning: mängd med n element. ) n = antalet delmängder av storlek k ur en k 2 Stokastiska
Läs merTentamen i Dataanalys och statistik för I den 28 okt 2015
Tentamen i Dataanalys och statistik för I den 8 okt Tentamen består av åtta uppgifter om totalt poäng. Det krävs minst poäng för betyg, minst poäng för och minst för. Eaminator: Ulla lomqvist Hjälpmedel:
Läs merAvd. Matematisk statistik
Avd. Matematisk statistik TENTAMEN I SF90/SF9 SANNOLIKHETSTEORI OCH STATISTIK, ONSDAG 5 JUNI 09 KL 4.00 9.00. Examinator: Björn-Olof Skytt, 08-790 86 49. Tillåtna hjälpmedel: Formel- och tabellsamling
Läs merEXEMPEL PÅ FRÅGESTÄLLNINGAR INOM STATISTIK- TEORIN (INFERENSTEORIN):
Lunds tekniska högskola Matematikcentrum Matematisk statistik FMSF50: Matematisk statistik för L och V OH-bilder på föreläsning 7, 2017-11-20 EXEMPEL PÅ FRÅGESTÄLLNINGAR INOM STATISTIK- TEORIN (INFERENSTEORIN):
Läs merTentamen i matematisk statistik (9MA241/9MA341, STN2) kl 08-12
LINKÖPINGS UNIVERSITET MAI Johan Thim Tentamen i matematisk statistik (9MA21/9MA31, STN2) 212-8-2 kl 8-12 Hjälpmedel är: miniräknare med tömda minnen och formelbladet bifogat. Varje uppgift är värd 6 poäng.
Läs merTentamen i Sannolikhetslära och statistik Kurskod S0008M
Tentamen i Sannolikhetslära och statistik Kurskod S0008M Poäng totalt för del : 5 uppgifter) Tentamensdatum 08-08-8 Poäng totalt för del : 0 uppgifter) Skrivtid 9.00 4.00 Lärare: Niklas Grip, Adam Jonsson
Läs merMatematisk statistik 9.5 hp, HT-16 Föreläsning 11: Konfidensintervall
Matematisk statistik 9.5 hp, HT-16 Föreläsning 11: Konfidensintervall Anna Lindgren 7+8 november 2016 Anna Lindgren anna@maths.lth.se FMS012/MASB03 F11: Konfidensintervall 1/19 Stickprov & Skattning Ett
Läs merTentamen i matematisk statistik (9MA241/9MA341, STN2) kl 14 18
LINKÖPINGS UNIVERSITET MAI Johan Thim Tentamen i matematisk statistik (9MA241/9MA341, STN2) 213-1-11 kl 14 18 Hjälpmedel är: miniräknare med tömda minnen och formelbladet bifogat. Varje uppgift är värd
Läs merF9 Konfidensintervall
1/16 F9 Konfidensintervall Måns Thulin Uppsala universitet thulin@math.uu.se Statistik för ingenjörer 18/2 2013 2/16 Kursinformation och repetition Första inlämningsuppgiften rättas nu i veckan. För att
Läs merAvd. Matematisk statistik
Avd. Matematisk statistik TENTAMEN I SF1902 SANNOLIKHETSTEORI OCH STATISTIK MÅNDAGEN DEN 15:E AUGUSTI 201 KL 8.00 13.00. Kursledare och examinator : Björn-Olof Skytt, tel 790 849. Tillåtna hjälpmedel:
Läs merSF1911: Statistik för bioteknik
SF1911: Statistik för bioteknik Föreläsning 6. TK 14.11.2016 TK Matematisk statistik 14.11.2016 1 / 38 Lärandemål Stokastiska modeller för kontinuerliga datatyper Fördelningsfunktion (cdf) Sannolikhetstäthetsfunktion
Läs merb) antalet timmar Lukas måste arbeta för att sannolikheten att han ska hinna med alla 112 datorerna ska bli minst (3 p)
Avd. Matematisk statistik TENTAMEN I SF1901, SANNOLIKHETSTEORI OCH STATISTIK, MÅNDAGEN DEN 27:E OKTOBER 2014 KL 08.00 13.00. Kursledare: Tatjana Pavlenko, 08-790 84 66, Björn-Olof Skytt, 08-790 86 49.
Läs merTentamen i Matematisk Statistik, 7.5 hp
Tentamen i Matematisk Statistik, 7.5 hp Distanskurs 15 januari, 2011 kl. 9.00 13.00 Maxpoäng: 30p. Betygsgränser: 12p: betyg G, 21p: betyg VG. Hjälpmedel: Miniräknare samt formelsamling som medföljer tentamenstexten.
Läs merLufttorkat trä Ugnstorkat trä
Avd. Matematisk statistik TENTAMEN I SF1901 och SF1905 SANNOLIKHETSTEORI OCH STATISTIK, TORSDAGEN DEN 18:E OKTOBER 2012 KL 14.00 19.00. Examinator: Tatjana Pavlenko, tel 790 8466. Tillåtna hjälpmedel:
Läs merTentamen den 11 april 2007 i Statistik och sannolikhetslära för BI2
Tentamen den april 7 i Statistik och sannolikhetslära för BI Uppgift : Låt händelserna A, B, C och D vara händelser i samband med ett försök. a) Anta att P(A)., P(A B)., P(A B).6. Beräkna sannolikheten
Läs merTentamen i Matematisk statistik Kurskod S0001M
Tentamen i Matematisk statistik Kurskod S0001M Poäng totalt för del 1: 25 (11 uppgifter) Tentamensdatum 2016-08-23 Poäng totalt för del 2: 30 (3 uppgifter) Skrivtid 9.00 14.00 Lärare: Adam Jonsson Jourhavande
Läs merTentamen i Matematisk statistik Kurskod S0001M
Tentamen i Matematisk statistik Kurskod S0001M Poäng totalt för del 1: 25 (10 uppgifter) Tentamensdatum 2018-10-30 Poäng totalt för del 2: 30 (3 uppgifter) Skrivtid 9.00 14.00 Lärare: Adam Jonsson och
Läs mer1. En kortlek består av 52 kort, med fyra färger och 13 valörer i varje färg.
Tentamenskrivning för TMS63, Matematisk Statistik. Onsdag fm den 1 juni, 16, Eklandagatan 86. Examinator: Marina Axelson-Fisk. Tel: 7-88113. Tillåtna hjälpmedel: typgodkänd miniräknare, tabell- och formelhäfte
Läs merFöreläsning 9, Matematisk statistik 7.5 hp för E Konfidensintervall
Föreläsning 9, Matematisk statistik 7.5 hp för E Konfidensintervall Stas Volkov Stanislav Volkov s.volkov@maths.lth.se FMSF20 F9: Konfidensintervall 1/19 Stickprov & Skattning Ett stickprov, x 1, x 2,...,
Läs merTentamen LMA 200 Matematisk statistik,
Tentamen LMA 00 Matematisk statistik, 0 Tentamen består av åtta uppgifter motsvarande totalt 50 poäng. Det krävs minst 0 poäng för betyg, minst 0 poäng för 4 och minst 40 för 5. Examinator: Ulla Blomqvist,
Läs merFöreläsning 11, Matematisk statistik Π + E
Repetition Konfidensintervall I Fördelningar Konfidensintervall II Föreläsning 11, Matematisk statistik Π + E Johan Lindström 27 Januari, 2015 Johan Lindström - johanl@maths.lth.se FMS012 F11 1/19 Repetition
Läs merVeckoblad 3. Kapitel 3 i Matematisk statistik, Dahlbom, U.
Veckoblad 3 Kapitel 3 i Matematisk statistik, Dahlbom, U. Poissonfördelningen: ξ är Po(λ) λ = genomsnittligt antal händelser i ett intervall. Sannolikhet: P(ξ = ) = e λ λ! Väntevärde: E(ξ) = λ Varians:
Läs merTentamen i Matematisk statistik Kurskod S0001M
Tentamen i Matematisk statistik Kurskod S0001M Poäng totalt för del 1: 25 (10 uppgifter) Tentamensdatum 2017-01-13 Poäng totalt för del 2: 30 (3 uppgifter) Skrivtid 9.00 14.00 Lärare: Adam Jonsson, Niklas
Läs merF14 HYPOTESPRÖVNING (NCT 10.2, , 11.5) Hypotesprövning för en proportion. Med hjälp av data från ett stickprov vill vi pröva
Stat. teori gk, ht 006, JW F14 HYPOTESPRÖVNING (NCT 10., 10.4-10.5, 11.5) Hypotesprövning för en proportion Med hjälp av data från ett stickprov vill vi pröva H 0 : P = P 0 mot någon av H 1 : P P 0 ; H
Läs merAvd. Matematisk statistik
Avd. Matematisk statistik TENTAMEN I SF1922/SF1923/SF1924 SANNOLIKHETSTEORI OCH STATISTIK, TISDAG 28 MAJ 2019 KL 8.00 13.00. Examinator för SF1922/SF1923: Tatjana Pavlekno, 08-790 86 44. Examinator för
Läs merDel I. Uppgift 1 Låt A och B vara två oberoende händelser. Det gäller att P (A) = 0.4 och att P (B) = 0.3. Bestäm P (B A ). Svar:...
Avd. Matematisk statistik EXEMPELTENTAMEN I SANNOLIKHETSTEORI OCH STATISTIK, Tillåtna hjälpmedel: Formel- och tabellsamling i Matematisk statistik (utdelas vid tentamen). Tentamen består av två delar,
Läs merFöreläsning 12, FMSF45 Hypotesprövning
Föreläsning 12, FMSF45 Hypotesprövning Stas Volkov 2017-11-14 Stanislav Volkov s.volkov@maths.lth.se FMSF45 F12: Hypotestest 1/1 Konfidensintervall Ett konfidensintervall för en parameter θ täcker rätt
Läs merAvd. Matematisk statistik
Avd. Matematisk statistik TENTAMEN I SF1901, SANNOLIKHETSTEORI OCH STATISTIK, ONSDAGEN DEN 28:E OKTOBER 2015 KL 8.00 13.00. Kursledare: Tatjana Pavlenko, 08-790 84 66, Björn Olof Skytt 08-790 86 49. Tillåtna
Läs merTentamen i Matematisk statistik Kurskod S0001M
Tentamen i Matematisk statistik Kurskod S0001M Poäng totalt för del 1: 25 (10 uppgifter) Tentamensdatum 2019-03-28 Poäng totalt för del 2: 30 (3 uppgifter) Skrivtid 9.00 14.00 Lärare: Adam Jonsson, Mykola
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 merSF1901 Sannolikhetsteori och statistik I
SF1901 Sannolikhetsteori och statistik I Jimmy Olsson Föreläsning 4 7 november 2017 1 / 29 Idag Förra gången Viktiga kontinuerliga fördelningar (Kap. 3.6) Fördelningsfunktion (Kap. 3.7) Funktioner av stokastiska
Läs merGrundläggande matematisk statistik
Grundläggande matematisk statistik Kontinuerliga fördelningar Uwe Menzel, 8 www.matstat.de Begrepp fördelning Hur beter sig en variabel slumpmässigt? En slumpvariabel (s.v.) har en viss fördelning, d.v.s.
Läs merTentamen i matematisk statistik (92MA31, STN2) kl 08 12
LINKÖPINGS UNIVERSITET MAI Johan Thim Tentamen i matematisk statistik (92MA1, STN2) 21-1-16 kl 8 12 Hjälpmedel är: miniräknare med tömda minnen och formelbladet bifogat. Varje uppgift är värd 6 poäng.
Läs mer0 om x < 0, F X (x) = x. 3 om 0 x 1, 1 om x > 1.
Avd. Matematisk statistik TENTAMEN I SF9, SF95 SANNOLIKHETSTEORI OCH STATISTIK, MÅNDAGEN DEN 2:E JANUARI 25 KL 4. 9.. Kursledare: Gunnar Englund, 73 32 37 45 Tillåtna hjälpmedel: Formel- och tabellsamling
Läs merMatematisk statistik för B, K, N, BME och Kemister
Matematisk statistik för B, K, N, BME och Kemister Föreläsning 5 Johan Lindström 12 september 216 Johan Lindström - johanl@maths.lth.se FMS86/MASB2 F5 1/23 Repetition Gauss approximation Delta metoden
Läs mer1 Föreläsning V; Kontinuerlig förd.
Föreläsning V; Kontinuerlig förd. Ufallsrummet har hittills varit dsikret, den stokastisk variabeln har endast kunnat anta ett antal värden. Ex.vis Poissonfördeln. är antal observationer inom ett tidsintervall
Läs merLösningsförslag till Tillämpad matematisk statistik LMA521, Tentamen
Lösningsförslag till Tillämpad matematisk statistik LMA21, Tentamen 201801 Betygsgränser: för betyg krävs minst 20 poäng, för betyg 4 krävs minst 0 poäng, för betyg krävs minst 40 poäng. 1. Vid en kvalitetskontroll
Läs merUppgift 1 (a) För två händelser, A och B, är följande sannolikheter kända
Avd. Matematisk statistik TENTAMEN I SF90, SANNOLIKHETSTEORI OCH STATISTIK, TISDAGEN DEN 9:E JUNI 205 KL 4.00 9.00. Kursledare: Tatjana Pavlenko, 08-790 84 66 Tillåtna hjälpmedel: Formel- och tabellsamling
Läs merTentamen i Matematisk statistik Kurskod S0001M
Tentamen i Matematisk statistik Kurskod S0001M Poäng totalt för del 1: 25 (10 uppgifter) Tentamensdatum 2018-03-21 Poäng totalt för del 2: 30 (3 uppgifter) Skrivtid 9.00 14.00 Lärare: Mykola Shykula, Inge
Läs merTentamen i Matematisk statistik Kurskod S0001M
Tentamen i Matematisk statistik Kurskod S0001M Poäng totalt för del 1: 25 (10 uppgifter) Tentamensdatum 2014-10-28 Poäng totalt för del 2: 30 (3 uppgifter) Skrivtid 09.00 14.00 Lärare: A. Jonsson, M. Shykula,
Läs merLaborationsuppgift om Hertzsprung-Russell-diagrammet
Laborationsuppgift om Hertzsprung-Russell-diagrammet I denna uppgift kommer du att tillverka ett HR-diagram för stjrärnorna i Orions stjärnbild och dra slutsatser om stjärnornas egenskaper. HR-diagrammet
Läs merDel I. Uppgift 1 För händelserna A och B gäller att P (A) = 1/4, P (B A) = 1/3 och P (B A ) = 1/2. Beräkna P (A B). Svar:...
Avd. Matematisk statistik TENTAMEN I SF9/SF94/SF95/SF96 SANNOLIKHETSTEORI OCH STATISTIK, ONSDAGEN DEN 4:E OKTOBER 08 KL 8.00 3.00. Examinator för SF94/SF96: Tatjana Pavlenko, 08-790 84 66 Examinator för
Läs merMatematisk statistik, LMA 200, för DAI och EI den 25 aug 2011
Matematisk statistik, LMA, för DAI och EI den 5 aug Tentamen består av åtta uppgifter om totalt 5 poäng. Det krävs minst poäng för betyg, minst poäng för och minst för 5. Examinator: Ulla Blomqvist Hjälpmedel:
Läs merFöreläsning 8, Matematisk statistik 7.5 hp för E Punktskattningar
Föreläsning 8, Matematisk statistik 7.5 hp för E Punktskattningar Stas Volkov Stanislav Volkov s.volkov@maths.lth.se FMSF20 F8: Statistikteori 1/20 Översikt Exempel Repetition Exempel Matematisk statistik
Läs merMatematisk statistik för D, I, Π och Fysiker
Matematisk statistik för D, I, Π och Fysiker Föreläsning 11 Johan Lindström 13 november 2018 Johan Lindström - johanl@maths.lth.se FMSF45/MASB03 F11 1/25 Repetition Stickprov & Skattning Maximum likelihood
Läs merUppgift 3 Vid en simuleringsstudie drar man 1200 oberoende slumptal,x i. Varje X i är likformigt fördelat mellan 0 och 1. Dessa tal adderas.
Avd. Matematisk statistik TENTAMEN I SF1902 SANNOLIKHETSTEORI OCH STATISTIK, MÅNDAGEN DEN 17:E AUGUSTI 2015 KL 8.00 13.00. Kursledare och examinator : Björn-Olof Skytt, tel 790 8649. Tillåtna hjälpmedel:
Läs merFöreläsning 11, FMSF45 Konfidensintervall
Repetition Konfidensintervall I Fördelningar Konfidensintervall II Föreläsning 11, FMSF45 Konfidensintervall Stas Volkov 2017-11-7 Stanislav Volkov s.volkov@maths.lth.se FMSF45 F11: Konfidensintervall
Läs merÖvningstentamen 2 Uppgift 1: Uppgift 2: Uppgift 3: Uppgift 4: Uppgift 5: Uppgift 6: i ord
Övningstentamen Uppgift : I en kvalitetskontroll är det fyra olika fel A, B, C och D som kan förekomma oberoende av varandra där P(A) 0.03, P(B) 0.05, P(C) 0.07 och P(D) 0.. a. Beräkna sannolikheten att
Läs merTMS136. Föreläsning 10
TMS136 Föreläsning 10 Intervallskattningar Vi har sett att vi givet ett stickprov kan göra punktskattningar för fördelnings-/populationsparametrar En punkskattning är som vi minns ett tal som är en (förhoppningsvis
Läs merSF1901 Sannolikhetsteori och statistik I
SF1901 Sannolikhetsteori och statistik I Jimmy Olsson Föreläsning 10 27 november 2017 1 / 28 Idag Mer om punktskattningar Minsta-kvadrat-metoden (Kap. 11.6) Intervallskattning (Kap. 12.2) Tillämpning på
Läs merSannolikheten för att barnet skall få blodgrupp A0 A0 1/2 AA 1 AB 1/2 Övriga 0
Avd. Matematisk statistik TENTAMEN I SF191, SANNOLIKHETSTEORI OCH STATISTIK, ONSDAGEN DEN 1:A JUNI 216 KL 8. 13.. Kursledare: Thomas Önskog, 8-79 84 55 Tillåtna hjälpmedel: Formel- och tabellsamling i
Läs merMatematisk statistik för B, K, N, BME och Kemister
Matematisk statistik för B, K, N, BME och Kemister Föreläsning 3 Johan Lindström 4 september 7 Johan Lindström - johanl@maths.lth.se FMSF7/MASB F3 /3 fördelningsplot log- Johan Lindström - johanl@maths.lth.se
Läs merEXEMPEL PÅ FRÅGESTÄLLNINGAR INOM STATISTIKTE- ORIN (INFERENSTEORIN):
Lunds tekniska högskola Matematikcentrum Matematisk statistik Matematisk statistik AK för ekosystemteknik, FMSF75 OH-bilder 2018-09-19 EXEMPEL PÅ FRÅGESTÄLLNINGAR INOM STATISTIKTE- ORIN (INFERENSTEORIN):
Läs merTentamen i Tillämpad Matematik och statistik för IT-forensik. Del 2: Statistik 7.5 hp
Tentamen i Tillämpad Matematik och statistik för IT-forensik. Del 2: Statistik 7.5 hp 15 januari, 2014 kl. 9.00 13.00 Maxpoäng: 30p. Betygsgränser: 12p: betyg G, 21p: betyg VG. Hjälpmedel: Typgodkänd miniräknare
Läs merSvar till gamla tentamenstal på veckobladen
Svar till gamla tentamenstal på veckobladen Data/Eletro 4 A Patienten är ett allvarligt fall B Patienten är under 4 år C Någon av patientens föräldrar har diabetes 8 + + + + + 8 + a) P(A).4 och P(C).8
Läs merSF1915 Sannolikhetsteori och statistik 6 hp. χ 2 -test
SF1915 Sannolikhetsteori och statistik 6 hp Föreläsning 12 χ 2 -test Jörgen Säve-Söderbergh Anpassningstest test av given fördelning n oberoende försök med r möjliga olika utfall Händelse A 1 A 2... A
Läs merTENTAMEN Datum: 14 feb 2011
TENTAMEN Datum: 14 feb 011 Kurs: KÖTEORI OCH MATEMATISK STATISTIK HF1001 TEN 1 (Matematisk statistik ) Ten1 i kursen HF1001 ( Tidigare kn 6H301), KÖTEORI OCH MATEMATISK STATISTIK, Skrivtid: 13:15-17:15
Läs merF9 SAMPLINGFÖRDELNINGAR (NCT
Stat. teori gk, ht 006, JW F9 SAMPLINGFÖRDELNINGAR (NCT 7.1-7.4) Ordlista till NCT Sample Population Simple random sampling Sampling distribution Sample mean Standard error The central limit theorem Proportion
Läs merKompendium om flerdimensionella fördelningar för kursen S0008M Sannolikhetslära och statistik
Adam Jonsson och Jesper Martinsson Kompendium om flerdimensionella fördelningar för kursen S0008M Sannolikhetslära och statistik TVM-Matematik, Luleå Tekniska Universitet 8 mars 2016 Kompendiet avser
Läs mer4 Diskret stokastisk variabel
4 Diskret stokastisk variabel En stokastisk variabel är en variabel vars värde bestäms av utfallet av ett slumpmässigt försök. En stokastisk variabel betecknas ofta med X, Y eller Z (i läroboken används
Läs merFör att skatta väntevärdet för en fördelning är det lämpligt att använda Medelvärdet. E(ξ) =... = µ
1 February 1, 2018 1 Förel. VII Puktskattigar av parametrar i fördeligar 1.1 Puktskattig För att skatta vätevärdet för e fördelig är det lämpligt att aväda Medelvärdet ξ = 1 ξ j. Vi tar u vätevärdet av
Läs merTentamen i Matematisk statistik Kurskod S0001M
Tentamen i Matematisk statistik Kurskod S0001M Poäng totalt för del 1: 25 (10 uppgifter) Tentamensdatum 2016-01-15 Poäng totalt för del 2: 30 (3 uppgifter) Skrivtid 15.00 20.00 Lärare: A Jonsson, J Martinsson,
Läs merTentamen MVE302 Sannolikhet och statistik
Tentamen MVE32 Sannolikhet och statistik 219-6-5 kl. 8:3-12:3 Examinator: Johan Jonasson, Matematiska vetenskaper, Chalmers Telefonvakt: Oskar Allerbo, telefon: 31-7725325 Hjälpmedel: Valfri miniräknare.
Läs merhistogram över 1000 observerade väntetider minuter 0.06 f(x) täthetsfkn x väntetid 1
Lunds tekniska högskola Matematikcentrum Matematisk statistik FMSF5: Matematisk statistik för L och V OH-bilder på föreläsning 4, 27--8 EXEMPEL: buss. Från en busshållplats avgår en buss var 2 min (inga
Läs mera) Beräkna sannolikheten att en följd avkodas fel, det vill säga en ursprungliga 1:a tolkas som en 0:a eller omvänt, i fallet N = 3.
Avd. Matematisk statistik TENTAMEN I SF1901 SANNOLIKHETSTEORI OCH STATISTIK, TISDAGEN DEN 14:E MARS 017 KL 08.00 13.00. Examinator: Thomas Önskog, 08 790 84 55. Tillåtna hjälpmedel: Formel- och tabellsamling
Läs merUppgift 1 a) En kontinuerlig stokastisk variabel X har fördelningsfunktion
Avd. Matematisk statistik TENTAMEN I 5B57 MATEMATISK STATISTIK FÖR T och M ONSDAGEN DEN 9 OKTOBER 25 KL 8. 3.. Examinator: Jan Enger, tel. 79 734. Tillåtna hjälpmedel: Formel- och tabellsamling i Matematisk
Läs merAvd. Matematisk statistik
Avd. Matematisk statistik TENTAMEN I SF90 SANNOLIKHETSTEORI OCH STATISTIK, ONSDAGEN DEN 26:E OKTOBER 206 KL 8.00 3.00. Examinator: Thomas Önskog, 08 790 84 55. Tillåtna hjälpmedel: Formel- och tabellsamling
Läs merTentamen TEN1, HF1012, 29 maj Matematisk statistik Kurskod HF1012 Skrivtid: 14:00-18:00 Lärare och examinator : Armin Halilovic
Tentamen TEN, HF, 9 maj 9 Matematisk statistik Kurskod HF Skrivtid: 4:-8: Lärare och examinator : Armin Halilovic Hjälmedel: Bifogat formelhäfte ("Formler och tabeller i statistik ") och miniräknare av
Läs merRepetitionsföreläsning
Slumpförsök Repetitionsföreläsning Föreläsning 15 Sannolikhet och Statistik 5 hp Med händelser A B... avses delmängder av ett utfallsrum. Slumpförsök = utfallsrummet + ett sannolikhetsmått P. Fredrik Jonsson
Läs merKap 3: Diskreta fördelningar
Kap 3: Diskreta fördelningar Sannolikhetsfördelningar Slumpvariabler Fördelningsfunktion Diskreta fördelningar Likformiga fördelningen Binomialfördelningen Hypergeometriska fördelningen Poisson fördelningen
Läs mer