Tentamen i Matematisk statistik, S0001M, del 1,
|
|
- Rut Gunnarsson
- för 5 år sedan
- Visningar:
Transkript
1 Tentamen i Matematisk statistik, S000M, del, Längs en väg in mot centrum av Luleå finns 3 trafikljus. Trafikljusen fungerar oberoende av varandra. En Luleåbo som ofta kör längs den vägen har uppskattat att sannolikheten för att tvingas stanna vid de olika trafikljusen är 0.3, 0.5 respektive 0.4. Vid en bilfärd längs denna väg in mot Luleå, vad är sannolikheten för att trafikljusen ger upphov till a) minst ett stopp? Ange ditt svar i procent utan decimaler. b) exakt ett stopp? Ange ditt svar i procent utan decimaler. Antidepressiv medicin kan som biverkning ge illamående, speciellt i början av behandlingen. Tillverkaren av en ny typ av antidepressiv medicin anser att 5% av de som behandlas med den blir illamående under den första veckan av behandlingen. Anta att en behandlad patient mår illa oberoende av om någon annan behandlad patient gör det. I en studie ska 0 patienter behandlas med den aktuella medicinen. a) Vad är det förväntade antalet patienter som blir illamående av medicinen under den första veckan av behandlingen? Ange ditt svar med decimals noggrannhet. (p) b) Hur stor är sannolikheten att minst av patienterna blir illamående av medicinen under den första veckan av behandlingen? Ange ditt svar i procent med två decimaler. 3. Cairnterriern Sofie får gå lös vid skogspromenader. Hon kommer oftast snabbt till matte vid inkallning. Men om hon nosat upp något som är intressant, t ex en mus, en sork eller något ätbart, så kan det dröja innan hon kommer. Den statistikintresserade matten har funnit att tiden (i minuter) tills Sofie kommit efter inkallning kan beskrivas av en Weibullfördelning med α = 0.8 och β = 0.5. Då blir fördelningsfunktionen för tiden i minuter tills Sofie kommer efter inkallning F( x) x /0.8 = e. a) Bestäm sannolikheten att matte får vänta i mer än 5 minuter på att Sofie ska komma efter inkallning. Ange ditt svar i procent med två decimaler. b) Bestäm mediantiden som matte får vänta efter inkallning. Ange ditt svar i minuter med två decimalers noggrannhet. (p) 4. De passerande bilarnas hastighet mäts vid ett ställe på väg E4, mellan Antäs och Ersnäs. Det visar sig att bilarnas hastigheter i km/tim är normalfördelade N(05,7). Hastighetsbegränsningen på vägsträckan är 0 km/tim. a) Vad är sannolikheten att en slumpvis vald bil har högre hastighet än den högsta tillåtna? Ange ditt svar i procent med en decimals noggrannhet. b) Lastbilarna på samma vägsträcka kör med en hastighet (km/tim) som är normalfördelad N(85,0). Vad är sannolikheten att en slumpvis vald bil kör långsammare än en slumpvis vald lastbil? Ange ditt svar i procent med en decimals noggrannhet. - -
2 Tentamen i Matematisk statistik, S000M, del, Bensbybonden Birger abonnerar på en bredbandsuppkoppling via ADSL på 8 Mbit. Han tycker dock att nerladdningshastigheten inte motsvarar förväntningarna och bestämmer sig för att kontrollera om internetleverantören verkligen levererar vad han betalar för. Full nerladdningshastighet vid 8 Mbit är 700 Kbyte/s. Birger genomför en serie med 0 försök, med nedladdning från en närliggande server. Medelvärdet av nerladdningshastigheterna för dessa försök är x = 650 Kbyte/s, och den skattade standardavvikelsen är s = 90 Kbyte/s. Antag att nerladdningshastigheten är normalfördelad med samma fördelning för varje nerladdningstillfälle. a) Bestäm ett dubbelsidigt konfidensintervall med konfidensgrad 90% för väntevärdet av nerladdningshastigheten. Redovisa den övre gränsen för konfidensintervallet med en decimals noggrannhet. b) Birger bestämmer sig för att använda hypotesprövning istället. Han använder hypoteserna H : µ = 700 och 0 H : 700 µ < och formulerar beslutsregeln: Förkasta om x 700 s/ 0 < a Bestäm värdet på a så att testet får signifikansnivå 0%. Ange ditt svar med tre decimalers noggrannhet. (p) 6. En flygplanskonstruktör företar vindtunnelprov med en prototyp till en ny flygplanstyp. Speciellt intresserar hon sig för ett par små extravingar som väntas ge flygplanet goda flygegenskaper inom ett visst fartområde. Modellen är byggd så att två vinklar hos nämnda vingpar kan varieras. Vinklarna kallas Vinkel A respektive Vinkel B (enhet: grader). Konstruktören mäter luftmotståndet (enhet: kp) vid en viss hastighet för några olika värden på vinklarna och får totalt 8 observationer. Sedan görs en regressionsanalys med Vinkel A och Vinkel B som förklarande variabler. Delar av resultatet framgår av tabell. Tabell The regression equation is Luftmotstånd = Vinkel A +.44 Vinkel B Predictor Coef SE Coef T P Constant Vinkel A Vinkel B Analysis of Variance Source DF SS Regression Residual Error Total a) Bestäm residualspridningen. Ange ditt svar med två decimalers noggrannhet. (p) - -
3 Tentamen i Matematisk statistik, S000M, del, b) Bestäm den justerade föklaringsgraden. Ange ditt svar i procent med en decimals noggrannhet c) Bestäm ett tvåsidigt 95% konfidensintervall för regressionsparametern som hör till Vinkel A. Ange övre gränsen med två decimalers noggrannhet. 7. Ett 4 -försök gjordes i en kemisk process som producerar en polymer för att hitta vilka av fyra faktorer som påverkar molekulärvikten. De faktorer som studerades och deras nivåer ges i tabell. Skattningarna av huvudeffekterna och samtliga samspelseffekter framgår ges i tabell 3. Tabell. Faktor Låg ( ) Hög (+) A Temperatur (ºC) 00 0 B Katalysatorkoncentration (%) 4 8 C Tid (min) D Tryck (psi) Tabell 3 Estimated Effects and Coefficients for Molekulärvikt Term Effect Coef Constant A B C D A*B A*C A*D B*C B*D C*D A*B*C A*B*D A*C*D B*C*D A*B*C*D a) Bestäm standardavvikelsen för en effekt, s effekt, under antagandet att samspelseffekterna av ordning 3 och 4 är försumbara. Ange ditt svar med två decimalers noggrannhet. b) En effekt bedöms vara signifikant skild från 0 om effekt s effekt > c. Bestäm värdet på c som ger ovanstående beslutsregel 5% signifikansnivå. Ange ditt svar med tre decimalers noggrannhet. Slut på del. Glöm inte att bifoga svarsbladet med tentan! (p) - 3 -
4 Tentamen i Matematisk statistik, S000M, del, Tabell för svar till del. Riv ut och lägg svarsbladet först i tentamen! Namn... Personnummer... Fråga Svar Poäng a Sannolikhet 79 b Sannolikhet 44 a Väntevärde 3.0 b Sannolikheten a Sannolikhet 6. b Mediantid a Sannolikhet 38.6 b Sannolikhet a Övre gräns 70. b Kritiskt värde a Residualspridning 9.4 b Justerad förklaringsgrad 86. c Övre gräns a Standardavvikelse 5.89 b Kritiskt värde.57 Totalt antal poäng 5 Lycka till! - 4 -
5 Tentamen i Matematisk statistik, S000M, del (för överbetyg), Vid bedömningen av lösningarna av uppgifterna i del läggs stor vikt vid hur lösningarna är motiverade och redovisade. Tänk på att noga redovisa införda beteckningar och eventuella antaganden. 8. Ett tåg ska enligt tidtabellen anlända till Station A klockan 9.00 dagligen. Tåget är dock sällan exakt i tid utan ofta något försenat vid ankomsten och den verkliga ankomsttidens variation, i minuter, från tidtabellen kan beskrivas av N(3, )- fördelningen. Då tåget anlänt så måste det gå igenom obligatoriska kontroller som startar omedelbart efter ankomst till Station A. Tiden, i minuter, det tar att utföra dessa kan antas vara normalfördelad N(9, 3). Tåget avgår omedelbart då kontrollerna är avslutade. Tåget skall enligt tidtabell anlända till Station B klockan 0.30 varje dag. Tiden, i minuter, det tar att åka mellan stationerna kan antas vara N(75, 4)-fördelad. Hur stor är sannolikheten att tåget under en period på 0 dagar anländer försenat till Station B minst två gånger? Införda stokastiska variabler och eventuella antaganden ska vara tydligt beskrivna. (8p) 9. Ett försök har gjorts för att undersöka om två olika metoder för att bestämma oktantalet i bensin ger olika resultat. Båda metoderna användes på 3 olika bensinblandningar som täckte in en stor variation av olika oktantal. Varje blandning delades i två delar så att varje blandning kunde undersökas med båda metoderna och slumpen fick avgöra vilken metod som användes på vilken del. Resultatet framgår av tabell 4. Kan man utifrån resultaten i tabell 4 påvisa att de två metoderna i genomsnitt ger olika resultat? I så fall, hur stor är skillnaden? Besvara frågorna genom att beräkna och i ord tolka ett lämpligt 99% konfidensintervall under rimliga normalfördelningsantaganden. För full poäng ska resultatet av intervallet tolkas i ord och det ska tydligt framgå vilka antaganden som görs för den stokastiska modell som intervallet förutsätter. Till din hjälp finns också beräkningar från Minitab i tabell 5. (8p) Tabell 4. Blandning Metod Metod Blandning Metod Metod
6 Tentamen i Matematisk statistik, S000M, del (för överbetyg), Tabell 5. Beräkningar gjorda på data från tabell 4 N Mean StDev SE Mean Metod Metod Difference En nickel-titan legering används till vissa komponenter i jetmotorer och sprickbildning i dessa komponenter är potentiellt farligt. Ett fullständigt 4 -försök med två replikat på varje faktorkombination utfördes för att undersöka den eventuella effekt som fyra olika faktorer har på sprickbildningen. De fyra faktorerna som studerades var temperatur (A), titanhalt (B), värmebehandlingsmetod (C) och mängden av en tillsatt kemikalie (D). Resultatvariabeln var spricklängd (i 0.0 mm) hos en komponent utsatt för ett visst standardtest. Försökets resultat framgår av tabell 6. Delar av resultatet av analysen ges i tabell 7. a) Eftersom två replikat gjordes i försöket så kan man beräkna spridningen för en effekt utan att behöva göra något antagande om försumbara effekter. Beräkna spridningen för en effekt och bestäm vilka effekter som är signifikant skilda från 0 på % signifikansnivå. b) Nedan finns ett antal diagram i Figur -4 som man fick vid analysen. Använd dessa för att tolka vilken av de fyra faktorerna som ger upphov till störst effekt när man tar hänsyn till att det finns eventuella signifikanta samspel. Det ska tydligt framgå hur stor den skattade effekten är, vilket tecken den har och om den gäller givet vissa andra faktorers nivåer. Redovisa vilken/vilka figurer som tolkats. Bestäm även vilka nivåer de fyra faktorerna ska sättas på för att få så korta sprickor som möjligt. c) Ange den skattade modellen samt motsvarande modellantagandet. Bestäm en skattning av den förväntade spricklängden för de nivåer på faktorerna som ger kortast förväntad spricklängd. d) I figur 5-6 finns två residualplotter. Tolka dessa och ange tydligt vilka delar av modellantagandet som man undersöker med dessa. (6p) (3p) (3p) - 6 -
7 Tentamen i Matematisk statistik, S000M, del (för överbetyg), Tabell 6. Resultaten i standardordning nr 3 4 Spricklängd Replikat Replikat Medelspricklängd Standardavvikelse Tabell 7 Estimated Effects and Coefficients for Spricklängd (coded units) Term Effect Coef Constant.988 A B C D A*B A*C A*D B*C B*D C*D A*B*C A*B*D A*C*D B*C*D A*B*C*D S = R-Sq = 99.77% R-Sq(adj) = 99.56% Analysis of Variance for Spricklängd (coded units) Source DF Seq SS Adj SS Adj MS F P Main Effects Way Interactions Way Interactions Way Interactions Residual Error Pure Error Total
8 Tentamen i Matematisk statistik, S000M, del (för överbetyg), Main Effects Plot (data means) for Spricklängd Interaction Plot (data means) for Spricklängd 4 3 A B A - Mean of Spricklängd C - - D Mean C Figur Figur Cube Plot (data means) for Spricklängd Interaction Plot (data means) for Spricklängd A Mean 3 B A C B Figur 3 Figur 4 Normal Probability Plot of the Residuals (response is Spricklängd) Residuals Versus A (response is Spricklängd) Percent Residual Residual A Figur 5 Figur 6-8 -
9 Tentamen i Matematisk statistik, S000M, del (för överbetyg), Lösningar till del i tentamen i Matematisk statistik, Uppgift 8 Sätt ξ = variation, i minuter, från tidtabellen för tåget när det anländer till Station A. Då gäller att ξ N(3, ). Sätt ξ = tiden, i minuter, det tar att utföra de obligatoriska kontrollerna som startar omedelbart efter ankomst till Station A. Då gäller att ξ N(9, 3). Sätt ξ 3 = tiden, i minuter, det tar att åka mellan stationerna. Då gäller att ξ3 N(75, 4). Ingen information finns angiven om det kan finnas något beroende mellan de tre stokastiska variablerna. Man skulle ju kunna tänka sig att om tåget var mycket försenat från Station A så skulle det kunna påverka tiden att köra till Station B. Men eftersom vi inte vet något om detta så antas att ξ, ξ och ξ 3 är oberoende stokastiska variabler. Tåget från Station A till Station B blir försenat om ξ + ξ + ξ 3 > 90. För att kunna bestämma den sannolikheten bestämmer vi fördelningen för ξ + ξ + ξ 3. Eftersom de tre stokastiska variablerna är normalfördelade och antagits vara oberoende gäller att ξ+ ξ + ξ3 N( , ), d v s ς = ξ+ ξ + ξ3 N(87, 9). Då fås ς ς 87 P( ς > 90) = P > = P > 0.58 = Φ (0.58) = = Sätt η = antal dagar bland 0 som tåget anländer försenat till Station B Ingen information finns angiven om förseningen en dag kan påverka förseningen en annan dag. Eftersom vi inte vet något om detta så antas att tågets försening en dag är oberoende av tågets förseningen en annan dag. Eftersom dessutom sannolikheten för försening P( ς > 90) = 0.8 är densamma för varje dag så gäller att η är binomialfördelad Bin(0, 0.8). Den efterfrågade sannolikheten blir därmed P( η ) = P( η ) = 0.8 ( 0.8) 0.8 ( 0.8) = 0 = 0.8 = Uppgift 9 Detta är en typisk stickprov-i-par-situation, där vi har parvisa observationer ( ξi, η i), i =,,...,3, där ξ i = oktantalet enligt metod och η i = oktantalet enligt metod. Vi antar att ξ i N( µ i, σ) och η i N ( µ i +, σ), i =,,..., 3 och att paren ( ξi, η i), i =,,...,3 är oberoende. Låt vidare ( xi, yi), i =,,...,3 beteckna de observerade värdena av ( ξi, η i), i =,,...,3. För att undersöka om de två metoderna i genomsnitt ger olika resultat så bildas ett konfidensintervall för med konfidensgrad 99%. Om det konfidensintervallet inte innehåller 0 så har vi påvisat att metoderna ger olika resultat med 99% säkerhet.
10 Tentamen i Matematisk statistik, S000M, del (för överbetyg), För att bilda konfidensintervallet bildar vi skillnaden ς i = ηi ξi, i =,,...,3. Då gäller att ς N(, σ ), där standardavvikelsen σ är okänd. Vi utgår då från i ( ς i ς ) ς, som är t-fördelad med 3 frihetsgrader, där * i= σ σ * ς = / 3 3 ς n. Detta medför att ς P t0.005(3) < < t * 0.005(3) = σς / 3 Detta ger oss följande konfidensintervall för med 99% konfidensgrad. s z z ± t (3) 0.005, där zi = yi xi, 3 z 3 = zi och 3 i= n i= s z = ( x x) i 3. Från tabell 5 fås att z = och s z = Ur t-fördelningstabellen t (3) =.7454 med hjälp av linjär interpolation eftersom 3 frihetsgarder inte står i tabellen. Alltså blir konfidensintervallet s z z ± t0.005(3) = 7.033±.7454 = 7.033± Det efterfrågade 99% konfidensintervallet blir då [ 5.6,8.58 ]. Eftersom 0 inte ingår i intervallet kan vi säga att med 99% säkerhet ger metoderna i genomsnitt olika resultat. Vi kan dessutom säga med 99% säkerhet att metod ger i genomsnitt mellan 5.6 och 8.58 högre värden på oktantalet jämfört med metod. Uppgift 0 Här är faktor A = temperatur, faktor B = titanhalt, faktor C = värmebehandlingsmetod och faktor D = mängden av en tillsatt kemikalie. Resultatvariabeln är Y = spricklängd (i 0.0 mm) hos en komponent. Försöket är ett 4 -försök med två replikat. Det innebär att en skattning av effektens spridning, seffekt, kan beräknas. Låt Yij beteckna spricklängden vid försök i och replikat j, i =,,..6 och j =,. Antag att
11 Tentamen i Matematisk statistik, S000M, del (för överbetyg), Y = µ + ε, i =,,...,6, j =,, där ε N(0, σ) och ij i ij ij ε, i =,,...,8, j =,, är oberoende stokastiska variabler. ij a) Variansen σ är okänd men kan skattas med s + s s =. 6 6 sp s p kan beräknas från tabell 6 som = = s p Alternativt kan man få värdet på s p från variansanalystabellen på raden Residual error och kolonnen Adj MS. Där finns värdet Att det skiljer något från ovanstående beror på avrundningsfel eftersom Minitab har räknat med fler decimaler. Varje effekt beräknas som effekt = Y ( + ) Y ( ). Medelvärdena Y ( + ) respektive Y ( ) har beräknats med hjälp av 8 = 6 ursprungsobservationer Y ij, som är oberoende stokastiska variabler och alla med samma varians σ Det innebär i sin tur att variansen för en effekt blir ( ) ( ) ( ) σ effekt ( + ) ( ) ( + ) ( ) σ σ σ = V(effekt) = V Y Y = V Y + V Y = + = Genom att skatta σ med s p fås sp 0.08 s effekt = = = För att avgöra vilka effekter som är signifikant skilda från 0 på % signifikansnivå görs ett test av H 0 : µ effekt = 0 mot H : µ effekt 0. H 0 förkastas om effekt 0 s effekt < t α/ (f) eller effekt 0 s effekt > t α/ (f). Här är f = 6 och α = 0.0 vilket ger oss t α/ (f) = t (6) =.9. Beslutsregeln kan då skrivas som: förkasta H 0 om effekt > t0,005(6) seffekt, dvs om effekt > = 0.94.
12 Tentamen i Matematisk statistik, S000M, del (för överbetyg), Från tabell 7 fås då att för följande effekter gäller att effekt > 0.94 : A, B, C, D, AB, AC och ABC, d v s dessa är signifikant skilda från 0 på % signifikansnivå. Observera att ett tre-faktorsamspel är signifikant skilt från 0. b) Faktor D är inte inblandat i något samspel och dess huvudeffekt kan då tolkas separat. Den är.958 enligt tabell 7. Det betyder att om faktor D ändras från låg till hög nivå, givet alla andra faktorer hålls konstanta, så ökar den genomsnittliga spricklängden med.958 i enheten 0.0 mm. Inga andra huvudeffekter kan tolkas separat eftersom de ingår i signifikanta samspel. Eftersom tre-faktorsamspel ABC är signifikant skilt från 0 så kan inte tvåfaktorsamspelen AB och AC tolkas separat utan man måste tolka effekterna utgående från kuben i figur 3. Vi får att A-effekten beror på vilken nivå B och C hålls, o s v för B-effekt resp C-effekt. Genom att studer kuben i figur 3 framgår att den största A- effekten är = 8.3 och fås både B och C hålls på låg nivå. B- effekten är störst då både A och C är på hög nivå och är = C-effekten är störst då både A är på hög nivå och B är på låg nivå och är = Av de fyra faktorerna har alltså C störst effekt och den är och uppkommer då A är på hög nivå och B är på låg nivå. Det betyder att om faktor C ändras från låg till hög nivå, givet att faktor A är på hög nivå, faktor B är på låg nivå och faktor D hålls konstant, så ökar den genomsnittliga spricklängden med i enheten 0.0 mm. Från kuben framgår att kortast spricklängden fås då A hålls på hög nivå, B på låg nivå och C på hög nivå. Från figur framgår att samtidigt ska D hållas på låg nivå. Att detta stämmer kan verifieras från den skattade modellen. c) Från tabell 7 fås den skattade modellen Y ˆ = X X.798 X X X X.004 X X X X X där X j = om faktor j på låg nivå + om faktor j på hög nivå j =,, 3, 4. Modellantagandet är Y = β + β X + β X β X + β X + β X X β X X + ε , där ε N(0, σ) och ε, i =,,...,8, j =,, är oberoende stokastiska variabler ij X j = om faktor j på låg nivå + om faktor j på hög nivå j =,, 3, 4. Skattning av den kortaste förväntade spricklängden fås genom att i den skattade modellen sätta X =, X =, X 3 = och X 4 =. Den blir Y ˆ = 4.9.
13 Tentamen i Matematisk statistik, S000M, del (för överbetyg), d) Figur 5 visar en normalfördelningsplot över rsidualerna. Den används för att undersöka om normalfördelningsantagndet är rimligt. I detta fall ligger residualerna väl samlade runt en linje och inget konstigt mönster syns. Det betyder att normalfördelninsgantagandet är rimligt. Figur 6 visar residualerna plottade mot faktor A:s nivåer. Här undersöks om residualspridningen är konstant på A:s två nivåer. Plotten visar att residualerna sprider ut sig ungefär lika på A:s låga respektive höga nivå. Residualspridningen kan tycks alltså inte bero på A:s nivåer.
a) Bestäm sannolikheten att en slumpmässigt vald komponent är defekt.
Tentamen i Matematisk statistik, S0001M, del 1, 007-10-30 1. En viss typ av komponenter tillverkas av en maskin A med sannolikheten 60 % och av en maskin B med sannolikheten 40 %. För de komponenter som
Läs merTentamen i Matematisk statistik Ämneskod-linje S0001M. Tentamensdatum Poäng totalt för del 2 30 (3 uppgifter) Skrivtid
Tentamen i Matematisk statistik Ämneskod-linje S000M Poäng totalt för del 25 (8 uppgifter) Poäng totalt för del 2 30 (3 uppgifter) Tentamensdatum 2009-06-02 Kerstin Vännman Lärare: Ove Edlund Hans Johansson
Läs merTentamen i Matematisk statistik Kurskod S0001M
Tentamen i Matematisk statistik Kurskod S0001M Poäng totalt för del 1: 25 (10 uppgifter) Tentamensdatum 2013-10-29 Poäng totalt för del 2: 30 (3 uppgifter) Skrivtid 09.00 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 2014-06-05 Poäng totalt för del 2: 30 (3 uppgifter) Skrivtid 09.00 14.00 Lärare: Adam Jonsson, Jesper
Läs merTentamen i Matematisk statistik Kurskod S0001M
Tentamen i Matematisk statistik Kurskod S0001M Poäng totalt för del 1: 25 (9 uppgifter) Tentamensdatum 2013-08-27 Poäng totalt för del 2: 30 (3 uppgifter) Skrivtid 09.00 14.00 Lärare: Adam Jonsson och
Läs merTentamen i Matematisk statistik Kurskod S0001M
Tentamen i Matematisk statistik Kurskod S0001M Poäng totalt för del 1: 25 (10 uppgifter) Tentamensdatum 2012-10-30 Poäng totalt för del 2: 30 (3 uppgifter) Skrivtid 09.00 14.00 Lärare: Adam Jonsson och
Läs merTentamen i Matematisk statistik Kurskod S0001M
Tentamen i Matematisk statistik Kurskod S0001M Poäng totalt för del 1: 25 (10 uppgifter) Tentamensdatum 2014-01-17 Poäng totalt för del 2: 30 (3 uppgifter) Skrivtid 15.00 20.00 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 2013-03-28 Poäng totalt för del 2: 30 (3 uppgifter) Skrivtid 09.00 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 (8 uppgifter) Tentamensdatum 2011-03-25 Poäng totalt för del 2: 30 (3 uppgifter) Skrivtid 09.00 14.00 Lärare: Adam Jonsson, Erland
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 mera) Vad är sannolikheten att det tar mer än 6 sekunder för programmet att starta?
Tentamen i Matematisk statistik, S0001M, del 1, 2008-01-18 1. Ett företag som köper enheter från en underleverantör vet av erfarenhet att en viss andel av enheterna kommer att vara felaktiga. Sannolikheten
Läs merTentamen i Matematisk statistik Kurskod S0001M
Tentamen i Matematisk statistik Kurskod S0001M Poäng totalt för del 1: 25 (10 uppgifter) Tentamensdatum 2015-01-16 Poäng totalt för del 2: 30 (3 uppgifter) Skrivtid 09.00 14.00 Lärare: A. Jonsson, M. Shykula,
Läs merKompletterande kursmaterial till kursen Matematisk statistik.
Tentamen i Matematisk statistik Ämneskod-linje S000M Poäng totalt för del 5 (8 uppgifter) Poäng totalt för del 30 (3 uppgifter) Tentamensdatum 008-0-7 Robert Lundqvist Lärare: Ove Edlund Skrivtid 09.00-4.00
Läs merKursboken Vännman: Matematisk statistik Kompletterande kursmaterial till kursen Matematisk statistik (formelblad och kompendiet Regressionsanalys.
Tentamen i Matematisk statistik Ämneskod-linje S0001M Poäng totalt för del 1 5 (8 uppgifter) Poäng totalt för del 0 ( uppgifter) Tentamensdatum 009-10-6 Adam Jonsson Lärare: Lennart Karlberg Robert Lundqvist
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 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 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 merF18 MULTIPEL LINJÄR REGRESSION, FORTS. (NCT
Stat. teori gk, ht 006, JW F18 MULTIPEL LINJÄR REGRESSION, FORTS. (NCT 1.1, 13.1-13.6, 13.8-13.9) Modell för multipel linjär regression Modellantaganden: 1) x-värdena är fixa. ) Varje y i (i = 1,, n) är
Läs merAntal P(ξ = x)
Tentamen i Matematisk statistik, S0001M, del 1, 2008-03-31 1. I USA s primärval har den demokratiske presidentkandidaten Barack Obama lyckats samla in stora mängder pengar till sin kampanj, där antalet
Läs merTENTAMEN I SF2950 (F D 5B1550) TILLÄMPAD MATEMATISK STATISTIK, TORSDAGEN DEN 3 JUNI 2010 KL
TENTAMEN I SF950 (F D 5B1550) TILLÄMPAD MATEMATISK STATISTIK, TORSDAGEN DEN 3 JUNI 010 KL 14.00 19.00 Examinator : Gunnar Englund, tel. 790 7416, epost: gunnare@math.kth.se Tillåtna hjälpmedel: Formel-
Läs merTentamen i Matematisk statistik Ämneskod-linje S0001M. Tentamensdatum Poäng totalt för del 2 30 (3 uppgifter) Skrivtid
Tentamen i Matematisk statistik Ämneskod-linje S0001M Poäng totalt för del 1 5 (8 uppgifter) Poäng totalt för del 30 (3 uppgifter) Tentamensdatum 010-03-6 Erland Gadde Lärare: Adam Jonsson Lennart Karlberg
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 merTentamen i Matematisk statistik Kurskod S0001M
Tentamen i Matematisk statistik Kurskod SM Poäng totalt för del : 5 (9 uppgifter) Tentamensdatum -3-3 Poäng totalt för del : 3 (3 uppgifter) Skrivtid 9. 4. Lärare: Adam Jonsson och Inge Söderkvist Jourhavande
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 merTentamen i Matematisk statistik Kurskod S0001M
Tentamen i Matematisk statistik Kurskod S0001M Poäng totalt för del 1: 25 (10 uppgifter) Tentamensdatum 2012-06-02 Poäng totalt för del 2: 30 (3 uppgifter) Skrivtid 09.00 14.00 Lärare: Ove Edlund och Inge
Läs merTentamen i Matematisk statistik Kurskod S0001M
Tentamen i Matematisk statistik Kurskod S0001M Poäng totalt för del 1: 25 (11 uppgifter) Tentamensdatum 2014-03-28 Poäng totalt för del 2: 30 (3 uppgifter) Skrivtid 09.00 14.00 Lärare: Adam Jonsson, Inge
Läs merTentamen i Matematisk statistik Kurskod S0001M
Tentamen i Matematisk statistik Kurskod S0001M Poäng totalt för del 1: 25 (10 uppgifter) Tentamensdatum 2019-01-18 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 2015-10-23 Poäng totalt för del 2: 30 (3 uppgifter) Skrivtid 09.00 14.00 Lärare: Jesper Martinsson,
Läs merMatematisk statistik, Föreläsning 5
Matematisk statistik, Föreläsning 5 Ove Edlund LTU 2011-12-09 Ove Edlund (LTU) Matematisk statistik, Föreläsning 5 2011-12-09 1 / 25 Laboration 4 Jobba i grupper med storlek 2 Ove Edlund (LTU) Matematisk
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 merTentamen i Matematisk statistik Kurskod S0001M
Tentamen i Matematisk statistik Kurskod S0001M Poäng totalt för del 1: 25 (8 uppgifter) Tentamensdatum 2012-01-13 Poäng totalt för del 2: 30 (3 uppgifter) Skrivtid 09.00 14.00 Lärare: Adam Jonsson, Ove
Läs merTentamen i Matematisk statistik Kurskod S0001M
Tentamen i Matematisk statistik Kurskod S0001M Poäng totalt för del 1: 25 (7 uppgifter) Tentamensdatum 2011-01-14 Poäng totalt för del 2: 30 (3 uppgifter) Skrivtid 09.00 14.00 Lärare: Adam Jonsson och
Läs merTentamen i Matematisk statistik Kurskod S0001M
Tentamen i Matematisk statistik Kurskod S0001M Poäng totalt för del 1: 25 (10 uppgifter) Tentamensdatum 2017-10-25 Poäng totalt för del 2: 30 (3 uppgifter) Skrivtid 9.00 14.00 Lärare: Mykola Shykula, Lennart
Läs merExaminationsuppgifter del 2
UMEÅ UNIVERSITET Institutionen för Matematik och Matematisk statistisk Statistik för ingenjörer, poäng, Anders Lundquist 7-- Examinationsuppgifter del Redovisas muntligt den / (Ö-vik) samt / (Lycksele).
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 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 merKursboken Vännman: Matematisk statistik Kompletterande kursmaterial till kursen Matematisk statistik (formelblad och kompendiet Regressionsanalys).
Tentamen i Matematisk statistik Ämneskod-linje S000M Poäng totalt för del 25 (8 uppgifter) Poäng totalt för del 2 0 ( uppgifter) Tentamensdatum 200-0-5 Ove Edlund Lärare: Adam Jonsson Robert Lundqvist
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 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 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 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 merTentamen i Matematisk statistik Kurskod S0001M
Tentamen i Matematisk statistik Kurskod S0001M Poäng totalt för del 1: 25 (10 uppgifter) Tentamensdatum 2013-01-18 Poäng totalt för del 2: 30 (3 uppgifter) Skrivtid 09.00 14.00 Lärare: Adam Jonsson, Ove
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 mer8.1 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 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 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 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 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 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 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 merTentamen i Matematisk statistik Kurskod S0001M
Tentamen i Matematisk statistik Kurskod S0001M Poäng totalt för del 1: 25 (9 uppgifter) Tentamensdatum 2011-10-25 Poäng totalt för del 2: 30 (3 uppgifter) Skrivtid 09.00 14.00 Lärare: Adam Jonsson, Lennart
Läs merLösningar till tentamensskrivning för kursen Linjära statistiska modeller. 14 januari
STOCKHOLMS UNIVERSITET MATEMATISK STATISTIK Lösningar till tentamensskrivning för kursen Linjära statistiska modeller 14 januari 2010 9 14 Examinator: Anders Björkström, tel. 16 45 54, bjorks@math.su.se
Läs merTentamen i Matematisk statistik Kurskod S0001M
Tentamen i Matematisk statistik Kurskod S0001M Poäng totalt för del 1: 25 (10 uppgifter) Tentamensdatum 2017-08-22 Poäng totalt för del 2: 30 (3 uppgifter) Skrivtid 9.00 14.00 Jourhavande lärare: Mykola
Läs merTT091A, TVJ22A, NVJA02 Pu, Ti. 50 poäng
Matematisk statistik Provmoment: Ladokkod: Tentamen ges för: TT091A, TVJ22A, NVJA02 Pu, Ti 7,5 högskolepoäng Namn: (Ifylles av student) Personnummer: (Ifylles av student) Tentamensdatum: 2012-05-29 Tid:
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 merTentamen i Matematisk statistik Kurskod S0001M
Tentamen i Matematisk statistik Kurskod S0001M Poäng totalt för del 1: 25 (9 uppgifter) Tentamensdatum 2010-10-27 Poäng totalt för del 2: 30 (3 uppgifter) Skrivtid 09.00 14.00 Lärare: Adam Jonsson, Erland
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 i Sannolikhetslära och statistik Kurskod S0008M
Tentamen i Sannolikhetslära och statistik Kurskod S0008M Poäng totalt för del 1: 25 (10 uppgifter) Tentamensdatum 2017-10-27 Poäng totalt för del 2: 30 (3 uppgifter) Skrivtid 9.00 14.00 Lärare: Mykola
Läs merTentamen i Matematisk statistik Kurskod S0001M
Tentamen i Matematisk statistik Kurskod S0001M Poäng totalt för del 1: 25 (10 uppgifter) Tentamensdatum 2017-06-02 Poäng totalt för del 2: 30 (3 uppgifter) Skrivtid 9.00 14.00 Lärare: Mikael Stenlund Examinator:
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 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 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 SF2950 (F D 5B1550) TILLÄMPAD MATEMATISK STATISTIK, ONSDAGEN DEN 17 MARS 2010 KL
TENTAMEN I SF2950 (F D 5B1550 TILLÄMPAD MATEMATISK STATISTIK, ONSDAGEN DEN 17 MARS 2010 KL 14.00 19.00 Examinator : Gunnar Englund, tel. 790 7416, epost: gunnare@math.kth.se Tillåtna hjälpmedel: Formel-
Läs merProvmoment: Tentamen 6,5 hp Ladokkod: A144TG Tentamen ges för: TGMAI17h, Maskiningenjör - Produktutveckling. Tentamensdatum: 28 maj 2018 Tid: 9-13
Matematisk Statistik 7,5 högskolepoäng Provmoment: Tentamen 6,5 hp Ladokkod: A144TG Tentamen ges för: TGMAI17h, Maskiningenjör - Produktutveckling Tentamensdatum: 28 maj 2018 Tid: 9-13 Hjälpmedel: Miniräknare
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 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 mer732G71 Statistik B. Föreläsning 1, kap Bertil Wegmann. IDA, Linköpings universitet. Bertil Wegmann (IDA, LiU) 732G71, Statistik B 1 / 20
732G71 Statistik B Föreläsning 1, kap. 3.1-3.7 Bertil Wegmann IDA, Linköpings universitet Bertil Wegmann (IDA, LiU) 732G71, Statistik B 1 / 20 Exempel, enkel linjär regressionsanalys Ett företag vill veta
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 merTentamen i Tillämpad matematisk statistik för MI3 den 1 april 2005
Tentamen i Tillämpad matematisk statistik för MI3 den 1 april 005 Uppgift 1: Från ett register över manliga patienter med diabetes fick man följande statistik i procent: Lindrigt fall Allvarligt fall Patientens
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 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 merRättningstiden är i normalfall 15 arbetsdagar, till detta tillkommer upp till 5 arbetsdagar för administration, annars är det detta datum som gäller:
Matematisk Statistik Provmoment: Ladokkod: Tentamen ges för: Tentamen 6.5 hp AT1MS1 DTEIN16h 7,5 högskolepoäng TentamensKod: Tentamensdatum: 1 juni 2017 Tid: 14-18 Hjälpmedel: Miniräknare Totalt antal
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
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 merRegressions- och Tidsserieanalys - F4
Regressions- och Tidsserieanalys - F4 Modellbygge och residualanalys. Kap 5.1-5.4 (t.o.m. halva s 257), ej C-statistic s 23. Linda Wänström Linköpings universitet Wänström (Linköpings universitet) F4 1
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 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 merRegressions- och Tidsserieanalys - F1
Regressions- och Tidsserieanalys - F1 Kap 3: Enkel linjär regression Linda Wänström Linköpings universitet November 4, 2013 Wänström (Linköpings universitet) F1 November 4, 2013 1 / 25 Statistik B, 8 hp
Läs merTentamen i Matematisk statistik Kurskod S0001M
Tentamen i Matematisk statistik Kurskod S0001M Poäng totalt för del 1: 25 (10 uppgifter) Tentamensdatum 2015-06-05 Poäng totalt för del 2: 30 (3 uppgifter) Skrivtid 09.00 14.00 Lärare: Adam Jonsson, Jesper
Läs mertentaplugg.nu av studenter för studenter
tentaplugg.nu av studenter för studenter Kurskod Kursnamn SM Matematisk statistik Datum LP - Material Laboration Kursexaminator Adam Betygsgränser Tentamenspoäng Övrig kommentar Försättsblad inlämningsuppgift
Läs merTentamen i Matematisk statistik Kurskod S0001M
Tentamen i Matematisk statistik Kurskod S0001M Poäng totalt för del 1: 25 (8 uppgifter) Tentamensdatum 2015-08-25 Poäng totalt för del 2: 30 (3 uppgifter) Skrivtid 09.00 14.00 Lärare: Jesper Martinsson,
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 merTentamen i Matematisk statistik Kurskod S0001M
Tentamen i Matematisk statistik Kurskod S0001M Poäng totalt för del 1: 25 (6 uppgifter) Tentamensdatum 2010-06-04 Poäng totalt för del 2: 30 (3 uppgifter) Skrivtid 09.00 14.00 Lärare: Ove Edlund Adam Jonsson
Läs merInstitutionen för teknikvetenskap och matematik, S0001M LABORATION 2
Institutionen för teknikvetenskap och matematik, S0001M LABORATION 2 Laborationen avser att illustrera användandet av normalfördelningsdiagram, konfidensintervall vid jämförelser samt teckentest. En viktig
Läs merLycka till!
Avd. Matematisk statistik TENTAMEN I 5B1503 STATISTIK MED FÖRSÖKSPLANERING FÖR K OCH B MÅNDAGEN DEN 25 AUGUSTI 2003 KL 14.00 19.00. Examinator: Gunnar Englund, 790 7416. Tillåtna hjälpmedel: Formel- och
Läs merUppgift 1. f(x) = 2x om 0 x 1
Avd. Matematisk statistik TENTAMEN I Matematisk statistik SF1907, SF1908 OCH SF1913 TORSDAGEN DEN 30 MAJ 2013 KL 14.00 19.00. Examinator: Gunnar Englund, 073 321 3745 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 2017-01-13 Poäng totalt för del 2: 30 (3 uppgifter) Skrivtid 9.00 14.00 Lärare: Adam Jonsson, Niklas
Läs mer7,5 högskolepoäng. Statistisk försöksplanering och kvalitetsstyrning. TentamensKod: Tentamensdatum: 30 oktober 2015 Tid: 9-13:00
Statistisk försöksplanering och kvalitetsstyrning Provmoment: Ladokkod: Tentamen ges för: TentamensKod: Tentamen 5Hp 41I12B KINAF13, KINAR13, KINLO13,KMASK13 7,5 högskolepoäng Tentamensdatum: 30 oktober
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 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 mer732G71 Statistik B. Föreläsning 7. Bertil Wegmann. IDA, Linköpings universitet. Bertil Wegmann (IDA, LiU) 732G71, Statistik B 1 / 29
732G71 Statistik B Föreläsning 7 Bertil Wegmann IDA, Linköpings universitet Bertil Wegmann (IDA, LiU) 732G71, Statistik B 1 / 29 Detaljhandelns försäljning (fasta priser, kalenderkorrigerat) Bertil Wegmann
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 merLösningsförslag till Matematisk statistik LKT325 Tentamen
Lösningsförslag till Matematisk statistik LKT325 Tentamen 20190115 Kursansvarig: Reimond Emanuelsson Betygsgränser: för betyg 3 krävs minst 20 poäng, för betyg 4 krävs minst 30 poäng, för betyg 5 krävs
Läs merFöreläsningsanteckningar 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 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 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 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 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 mer