a. Nej, eftersom alla utfall inte har samma sannolikhet. Förutsättningarna enligt första stycket på sida 12 är inte uppfyllda.

Storlek: px
Starta visningen från sidan:

Download "a. Nej, eftersom alla utfall inte har samma sannolikhet. Förutsättningarna enligt första stycket på sida 12 är inte uppfyllda."

Transkript

1 Seaste uppdaterig, stressad och med risk för slarvfel October, 007 Det här är ite superkotrollerat och bör INTE betraktas som kompletta demostratioslösigar uta sarare som ett försök att ge er hjälp och tips. Det står måga gåger åt i stil med aväd formel X på sida Y me take är att du också ska kolla texte rut omkrig, bl.a. vilka förutsättigar som ska gälla för att metodvalet ska vara giltigt. Några av er kaske tycker att det här är dåligt och ite uppmutrar till ega studier. Adra kaske tycker det är bra. Ni som tror att i kommer tycka att det ite uppmutrar till ega studier ka sluta läsa här. Det fis svar till e massa uppgifter som ite står på lista över rekommederade uppgifter för di kurs. Vissa frågor har ädrats lite eftersom jag vet att de tabeller jag delar ut ite alltid räcker till. Eftersom boke kommit i y utgåva så har jag fått korrigera massor i de här skrife, och det är högst saolikt att jag gjort fel åstas. Hojta sabbt om du ser åt skumt! Om det står slumpmässigt urval eller vald på måfå eller likade i uppgifte så atar jag att det är oberoede mella obsara och i förekommade fall mella stickprove om det är möjligt och kommeterar ite att det är ett krav i lösigara om det reda ka ases uppfyllt. Till måga av uppgiftera fis kommetarer och hävisigar till teori eller exempel i boke, skriva med kursiv stil. Hävisigara fis ite med varje gåg de är avädbara eftersom det blir väldigt tjatigt. Det som visas här är e lösig me iblad ka det fis adra lika bra sätt att lösa probleme. Det här är avsett för 73G0, 73G0-A, 73G90-A, ht007 och om å aväder det på å aa kurs som jag ite har kotroll över så tar jag iget som helst asvar för bra, rätt och lämpligt det är. Ö0 sida 3 Se de klassiska saolikhetsdefiitioe sida Ö03 sida 3 a. 4 b. c. Se komplemetregel sida a. Nej, eftersom alla utfall ite har samma saolikhet. Förutsättigara eligt första stycket på sida är ite uppfyllda. b. Du ka utföra försöket själv, aars är det här åt som passar sig bra som datorsimulerig och kommer kaske med på å labb. c. Det fis 4 utfall, kroa,kroa, kroa,klave, klave,kroa och klave,klave. Vart och ett av dem har samma saolikhet P E kroa = ga N = 4 = 0.5. Se de klassiska saolikhetsdefiitioe sida. Ö04 sida 3 Det är ekelt att sätta upp det som e tabell. De första rade visar utfallet på de gula tärige, och tyvärr ka trycket se lite blekt ut om du skriver ut det. De första kolume visar utfallet på de blå tärige. I tabellcellera visas summa. Varje cell har samma saolikhet a. De möljliga gul,blå-utfalle är,,,3,4,5,,... och,. b. Ma ser i tabelle att summa ka ata alla heltal. c. 4 3 = 9 d. 3 = 30 e. 3 = 5 Ö05 sida 8 Se de klassiska saolikhetsdefiitioe sida. eligt de klassiska saolikhetsdefiitioe. geom de klassiska saolikhetsdefiitioe eller sabbare? geom att aväda komplemetregel Se komplemetregel sida tillsammas med svaret på delfråga d. f. P Summa 4 + P Summa > 4 =, Jfr t.ex. med svaret frå Ö0c sida 3. a. Du ka utföra försöket själv, aars är det här åt som passar sig bra som datorsimulerig och det kommer kaske med på å labb. Jfr bilde och texte sida 4. I figure på sida 4 sväger de relativa frekvese sabbt i rut 0.5, me iformatioe kommer ju bara frå e försöksserie och det fis ige garati att det ska bli lika syggt om ma kör e y serie. Det är yttigt att utföra såa försöka ågra gåger för att få e uppfattig om hur mycket variatio ma egetlige ka få av e slump.

2 b. Se texte sida 4 Ö0 sida 8 Kepig uppgift. Vi vet t.ex. ite om atalet födda bar ädras frå år till år och om vi därför borde sätt olika vikt på de olika åre. E uppskattig ka vara , me jag påstår ite att det är de bästa skattige. Ö30 sida 78 Kepig fråga. Ka det vara så att vilja att att skaffa ett tredje bar är större hos dem som har två flickor eller två pojkar ä hos dem som har e pojke och e flicka? Då blir kosekvese att..., ja vad blir det egetlige? Förädras eller förädras ite fördelige? Det fis fler frågor vars svar ka påverka modelles giltighet. Jämförelse mot verklighete gör ma väl geom att mäta verklighete. Ö30 sida 78 Om X är atal borgerliga sympatisörer i urvalet så tycker jag att saolikhetsmodelle för atalet borgerliga sympatisörer, alltså saolikhetsmodelle för X, är P X = k = 3 k 0.4 k k. I bokes facit har de valt att räka ut det och skriva det som e tabell istället Se facit sida 449. Ma förutsätter att dragige sker med återläggig eller att ädlighetsprobleme ka igoreras samt att det råder oberoede mellad de valda idividera. Ö304 sida 8 Ö305 sida 8 a. Se vätevärde sida 79 E[x] = x px = = 0.. b. Se beräkigsformel för varias sida 8 V [x] = x px µ = = 0.79 Lite lurigt att se etydligt i formel hur lågt summatecket sträcker sig, me det ska tolkas som att µ ite igår i summa d.v.s. som x px µ. a. x px b. Se vätevärde sida 79. Om X är brutto-viste så... E[X] = = 3. Se Beräkigsformel för varias sida 8, V [X] = = och = V [X] = Ö30 sida 85 Se Lijära variabelrasformatioer sida 83 och sätt a = 3 och b =.8. µ F = 3 +.8µ C = 53. och F =.8 C =.3 Ö307 sida 89 OBS att jag här räkar med = 0 och att jag slagit upp saolikhetera i tabelle. Jag visar lite utförligt hur jag gjorde här me kommer ie göra det i alla följade likade uppgifter. a. F = b. P X < = P X 5 = F 5 = c. P X = = P X P X 5 = F F 5 = = 0. d. P X > = P X = F = Ö308 sida 89 Se bokes facit sida 449. Det går sabbt att lösa uppgifte geom att slå upp saolikheter i tabelle. Ö309 sida 90 Se bokes facit sida 449. Det går sabbt att lösa uppgifte geom att slå upp saolikheter i tabelle eller geom att räka Ö30 sida 90 a eligt tabelle b. Se ruta sida 89 E[X] = π = 0 5 = och X = V [X] = π π = Ö3 sida 90 Här räkar jag på 5 samtal a eligt tabelle b eligt tabelle Ö3 sida 90 Se ruta sida 89 E[X] = π = = 40 och V [X] = π π = = 8 Ö33 sida 90 X är det atal som dyker upp. X Bi0 ; 0.7 och P X > 7 = P X 7 = 0.95 = 0.035

3 Ö3 sida 98 a Ö3 sida 98 b eligt tabelle, me de är lite avrudad. Om ma räkar exakt blir det = Här räkar jag på att ho riger 5 ggr. Då blir svaret eligt tabelle. Ö33 sida 98 Går ej att slå i tabelle, måste råräkas. Atal gåger ho blir istägd uder dagar kallas X och om det är slumpmässig och oberoede så gäller X Bi ; 4. P X = P X = P X = 0 P X = = = I bokes facit Se sida 450 har de gjort e approximatio och därför ite fått samma svar. Ö35 sida 99 Jag delar upp i två steg och kallar dem a och b. Obs att författara i sitt svar gör e approximatio i steg a och ite får exakt samma svar. a. X är atalet defekta i e förpackig. X Bi00 ; 0.03 P X 3 = P X = k=0 P X = k = 00 k=0 k π k π 00 k = = = = = 0.49 b. Y är atalet askar med 3 eller fler defekta eheter om ma slumpar 0. Y Bi0 ; 0.49 P Y = k=0 P Y = k = 0 k=0 k π k π 0 k = = = Ö3 sida 99 Om ige kompoet är skadad blir reparatioskostade 0. X är atal skadade kompoeter. X Bi4 ; 0.0 P X = 0 = 0.5 och P X = 0.99 eligt tabelle. Självklart är P X 4 =. Ur detta beräkar ma P X = 0 = 0.5, P X = och P 3 X 4 = Y är reparatioskostade E[Y ] = = 38. Svaret 37.7 eligt bokes facit får ma om ma räkar saolikhetera med högre oggrahet ä vad jag har tagit med i tabelle. Ö405 sida 0 a. Jag skriver dehär som e a- och e b-uppgift äve om ite de ite är formulerad exakt så. 0 0 Vätevärdet är 7 och variase är b. 0 0 Vätevärdet är 7 och variase är Jag gör reflektioe att variase blir dubbelt så stor i b som de blev i a vilket stämmer bra med räkereglera Se sida 83 och 08. Om ma låte X vara atal ögo vid slag med e tärig så får ma E[X] = 3.5 och V [X] = 35 härleds ej här. I b bildar ma Y = X + X vars egeskaper ka sabbräkas med formlera på sida 08. I a bildar ma Y = 0 + X vars egeskaper ka sabbräkas med formlera på sida 83. Ö40 sida 0 Summa plakar jag direkt frå Ö405a. Differese följer här:

4 Vätevärdet är 0 och variase är som ska jämföras med svaret i Ö405a. Jag gör reflektioe att summa och differese har samma varias vilket stämer bra med räkereglera Se sida 07. Om ma låter X vara atal ögo vid slag med e tärig så får ma E[X] = 3.5 och V [X] = 35 härleds ej här. I a räkar ma Y = X + X + 0 och i b räkar ma Y = X + X + 0. Variasera blir V [X ] + V [X ] respektive V [X ] + V [X ] som blir samma sak. Ö407 sida 0 För e slumpmässigt vald sida är atal fel, X, e slumpvariabel med E[x] == 0. och V [x] = 0.79, se lösige till Ö304. Atalet fel på två slumpmässigt valda sidor, Y är e summa och räkereglera Se Summor av slumpvariabler sida 08ger E[Y ] = 0. och V [Y ] = Egetlige ka ma göra det lite lättare. Eftersom X och X har samma fördelig fis det sabb hjälp i boke Se ruta sida 9. Ö408 sida 0 Om X är atal pesioärer valda ur A och Y atal ur B så gäller, uder förutsättig att ma drar oberoede och igorerar ädlighetsprobleme: E[X] = 4.0, V [X] = 3.3, E[Y ] = 8.4 och V [Y ] =.3. Varför, jo, både X och Y är biomialfördelade kolla förutsättigara och se aväder jag räkereglera Se sida 89. Nästa steg är att beräka vätevärde och varias för X + Y och då aväder jag reglera för e summa Se sida 08 och får E[X + Y ] =.4 och V [X + Y ] = Ö409 sida 0 X är atal fel i e förpackig. E[X] = 5 och V [X] = = 4. Y är atal fel i tolv förpackigar. Jag atar oberoede mella förpackigara, aars blir stadardavvikelse olöslig. Se summor av slumpvariabler sida 08. E[Y ] = = 5 = 0 och Y = V [Y ] = = Äve här ka ma kaske se e sabbare lösig Se sida 9 för att bestämma egeskapera för Y efter att ha bestämt egeskapera för X. Ö40 sida 0 Ledige som ges i boke är smart. Se tvåpuktsfördelad slumpvariabel sida 85 och Se summor av slumpvariabler sida 08 X = om första försöket lyckas, aars 0. X och X 3 defiieras på motsvarade sätt. E[X ] = 0.5 och V [X ] = = 0.5 E[X ] = 3 och V [X ] = 3 3 = 9 E[X 3 ] = 0.75 och V [X 3 ] = = Y = X + X + X 3, E[Y ] = E[X ] + E[X ] + E[X 3 ].97 och V [Y ] = V [X ] + V [X ] + V [X 3 ] Ö4 sida 0 När ma blir slägd i haterige av slumpvariabler ser ma e ekel sabb lösig som går ut på att bara räka på atalet som kommer frå ort B. Låt X vara atal persoer frå B och kostatera att reseerättige blir X eftersom det kostar mist 300 om alla kommer frå A och dessutom ökar det med 00 för varje A som byts mot ett B. E[ X] = E[X] Se sida 83 P X = 3 = Se t.ex. exempel 0 sida 53 P X = = P X = = P X = 0 = Kotollera att summa är : OK! E[X] = Alla utfall x P X = x = =.7485 E[ X] = E[X] = De här uppgifte kaske stryks ur lista med rekommederade uppgifter. Jag måste kolla om det är rimligt att i ska kua käcka saolikhetera med take på vilka kapitel jag har sagt ska igå i kurse. Ö44 sida E[S] = π och V [S] = π π. Det här hadlar bara om att förstå att summa är biomialfördelad och att ma ka aväda räkereglera för biomial me att beräkigara ska göra med symboler istället för med siffror. Ö45 sida X är försäljige uder e vecka. E[X] = 7.9 och V [X] =. =.44 Y är summa av 30 X. Uppgifte är ej helt lösbar med tillgägliga data om ite veckora är oberoede. Se reglera i ruta sida 08. Vid oberoede gäller E[Y ] = 30 E[X] = = 37 och V [Y ] = 30 V [X] = = 43. S är viste. S = 50 Y E[S] = 50 E[Y ] = och V [S] = 50 V [Y ] = S = V [S] Ö5XX sida 38 Om du har ett värde z och vill veta P Z < z om Z N 0 ; så beräkas eller kollas det geom Φz. Om du har de omväda situatioe att du vet att ΦZ < z = α för ett fixt α och du söker z så ska du lösa ut z ur ekvatioe Φz = α. Jag skriver det som z = Φ α. Ö50 sida Ite mycket att säga här. Det är bara att slå upp i tabelle. 4

5 Ö50 sida Ite mycket att säga här. Det är bara att slå upp i tabelle. Ö503 sida 3 Jag visar a för att visa stadardiserige. När de sitter blir det likadat som Ö50 P X < 5 = P Z < där Z N 0 ; = P Z < = Φ = eligt tabelle. Ma ka kaske få förklarige att flyta bättre om ma gör lite fler steg på väge. Om ma har e olikhet så får ma addera kostater till både höger- och västerled och ma får multiplicera med positiva kostaet i både höger- och västerled, det påverkar ite hur ma ska skriva olikhetstecket. Om jag försöker lösa fråga ige och skriver ut fler steg så blir det P X < 5 = P X µ < 5 µ = P X 0.5 < = P Z < = P Z < = Φ eftersom jag har gjort såa saker som jag får göra med olikhete och jag har då valt att göra såa saker så att västerledet i olikhete blir e stadardiserad ormalfördelig. Ö504 sida 3 a. P Z > z 0 = 0.05 ger z 0 =.9 och se ger z 0 = x att x 0 = 3.7 b. P Z < z 0 = 0.05 ger z 0 =.45 och se ger z 0 = x att x 0 = Ö505 sida 3 a. X är iköpet hos e kud. P X < 70 = P Z < = Φ b. X är iköpet hos e kud. P X > 0 = P X 0 = P Z Φ 0.33 = = 0.93 c. X är iköpet hos e kud. P 0 X 55 = P X 55 P X < 0 = = 0.90 där de överhoppade stege följer samma schema som deluppgift a. d. Y är atalet kuder som hadlar för mer ä 0 och Y Bi3 ; P Y = P Y = 0 = Ö50 sida 3 Jag sätter z g = z vg och P z g < Z < z vg = 0.70 som ger z g =.04 och z vg =.04. Lite mer utförligt måste det ju vara så att Φz g = 0.5 och Φz vg = 0.85 d.v.s. z g = Φ 0.5 =.04 och z vg = Φ 0.85 =.04. Betygsgräsera för G och VG blir u de trasformerade värdea z g = xg µ och z vg = xvg µ och ma ka sätta i siffervärdea.04 = xg 80 0 och.04 = xvg 80 0 och lösa ut x g = 9. och x vg = Ö507 sida 3 Uppgifte bladar ågra olika svårigheter och det gäller som valigt att hacka upp de i småbitar som var för sig har lösigar som vi ka hatera med de metoder som igår i kurse. Jämför med t.ex. Ö503a. Där har ma X N 0 ; 5 och får fråga att beräka P X < 5. Om ma hackar upp de i steg så får vi åt i stil med... a. Gör om gräse 5 till e gräs i de stadardiserade ormalfördelige geom att aväda stadardiserige sida 0 eller 83. b. Slå upp saolikhete i ormalfördeligstabelle. I Ö507 har vi fått saolikhete och ska göra om det till e gräs, och metode ka beskrivas m.h.a. av de två stege ova fast i omväd ordig. Vi har ju fått saolikhete me söker gräse, så om ma ska lika det vid det som står ova fullt ut så har vi fått svaret me har ite fått fråga i detalj. JAg löser de med åt i stil med... a. Bestäm de gräs som skär av 5% i de edre svase i e stadard-ormalfördelig. b. Aväd stadardiserige bakläges för att få gräse uttryckt i ormal500;80 Kolla också exempel sida. Livslägdera är ormalfördelade och jag ska leta rätt på e gräs som skär av där 5% av lampora har gått söder. Aväd ormalfördeligstabelle och leta efter 0.05 iuti tabelle och läs av margialera du kommer att välja -.4 eller -.5. Jag har sagt att i ite behöver iterpolera i tabelle me jag väljer att sätta gräse till -.45 i de fortsatta lösige. Nu har jag klarat pkt i de adra umrerade lista ova. z=-.45 gäller för de stadardiserade fördelige, me det var ju ite vad som efterfrågades. Däremot ka jag stadardiserige ruta sida 0 som e ekvatio och räka de bakläges. Vi har ju att Z = X µ me har bara avät de för att beräka Z vid giva X, µ,, me det är iget som hidrar oss frå att se det som e ekvatio där Z är give och X är obekat. Lös ekvatioe z = x µ efter att ha satt i käda värde, alltså.45 = x Lösige på ekvatioe, och på hela problemet, är avrudigsvis 38. Ma ka täka sig att låta vilke som helst av x, z, µ, vara obekat, eller ma ka ha flera obekata om ma har flera ekvatioer. Om ma t.ex. säger såhär; glödlampor har e ormalfördelad livslägd med okät vätevärde och stadardavvikelse 50. Vi vet att efter 300 timmar har 0% gått söder. Bestäm vätevärdet. Kör med de två puktera i de adra lista ova. Du får z =.8 och se ekvatioe.8 = 300 µ 50 med lösige 49. 5

6 Ö508 sida 4 De här är lite lattjo jämfört med tidigare uppgifter eftersom ma har ett x och tillåts mickla med µ. z = Φ 0.0 =.33 och ekvatioe z = x µ med isatta värde.33 = 750 µ 0 har lösige µ = 79. Ö509 sida 3 a. X N 00 ; 3 med = 4 ger X N 00 ;.5 eligt uppgiftera om ett medelvärde Se ruta på sida 9. P X > 03 = P Z > = P Z > = P Z = Φ = = 0.8 b. Det är ju samma sak som i a me om ma vill ka ma köra eligt uppgiftera om e summa Se ruta på sida 9 och då blir det: Y är summa av 4 oberoede ljus. Y N 800 ; och P Y > 8 = P Z > = P Z > = P Z = Φ = = 0.8 Ö50 sida 3 a. X är medelvärdet i e klass. X N 00 ; 5 30 och P X > 05 = P X 05 = Φ Φ.83 = 0.94 = b. Atal klasser med medeliq över 05 är biomialfördelat med vätevärde π = = 33. c. Fattar ej fråga Ö5 sida 33 X är vikte hos e perso med µ X = 75 och X = 0. Y är summa av 0 persoers vikt. E[Y ] = 500 och om viktera är oberoede så är Y = 0 0. Egeskapera µ Y och Y ges av räkereglera och Y bör vara ära NF om X är sällt fördelad. Saolikhete att krascha hisse är P Y > 00 = Φ Φ.4 = = Ö5 sida 33 X är tide för att fatta ett beslut med µ X = 3 och X =. Y är tids-summa för att fatta 4 beslut. E[Y ] = och om tidera är oberoede så är Y = 4 där vätevärde och stadardavvikelse beräkas med räkereglera och fördeliges form ges av C.G.S. 4 duger om X ite är väldigt taskigt fördelad. Här ka ma i.o.f.s. misstäka att X är lite högerskev, me det ska og fuka ädå. Saolikhete att det är klart iom timmar är P Y < 0 = Φ 0 4 Φ 0.93 = 0.7 Ö53 sida 35 X Bi400 ; 80 och eligt räkereglera Se ruta sida 89 så är µ = 30 och = 4 och därmed = 8. Lämplig approximatio diskuteras i boke, Se kapitel 5.4 sida 33. a. Jag betraktar alla de tre följade lösigara som rätt. a P X 340 Φ = Φ.5 = b P X 340 Φ Φ c P X 340 = P X < 34 Φ = Φ.3 = eller så avrudar ma till. och slår upp beroede på vilka avrudigsregler ma har lärt sig. b. c. I boke verkar de köra med de adra av de tre lösigara ova. Jag kommer ite att skriva ut alla variater i fortsättige i de följade deluppgiftera och i de följade huvuduppgiftera, så om du ite får exakt samma svar som jag så får du själv kolla om det beror på att vi har valt lite olika variater. Ö54 sida 35 X är atal över 70 år och X Bi00 ; 0.0, me det blir jobbigt att räka på så sätt att X N 0 ; 4 approximativt eligt reglera Se sida 30. P X 5 Φ = Φ.5 = Ö55 sida 35 Pope är så stor att ädlighetsprobleme ka igoreras a. X är atal mä och X Bi0 ; 0.5. P fler mä ä kvior = P X = P X 5 = 0.3 = eligt tabelle. b. Y är atal mä och det är biomialfördelat, me det blir för jobbigt så approximera med Y N 50 ; 5 och P fler mä ä kvior = P X 5 = Φ = Φ0. = = Ö5 sida 35 X är atal persoer som dyker upp och X Bi70 ; 0.8 me det blir jobbigt. Approximera med X N 5 ;. och saolikhete att platsera räcker beräkas med P X 70 = Φ 0 5. Φ Ö57 sida 3 X är atal hushåll som tackar ja. Exakt gäller X Bi0 ; 0.5 och approximativt gäller X N 0 ; 5. a. Exakt: P X 8 = 0.5 eligt tabelle. Approximativt: P X 8 Φ = Φ 0.89 = 0.87

7 b = 5.9% me här ka ma miska felet rejält geom kotiuitetskorrektio. Jfr bokes facit sida 45. Ö58 sida 3 X är det atal ma år och X Bi00 ; 0.5 om persoera är oberoede me det blir jobbigt. Med NF-approximatio blir det P X < 90 P Z < 90 µ X X = Φ 50 Φ 0.8 = 0.0 Ö59 sida 3 X är felet i ett glas där µ X = 0.05 och X = 0.. Y är summa av 00 oberoede fel där Y N 5 ; där vätevärde och stadardavvikelse beräkas med räkereglera och fördeliges form ges av C.G.S. P Y < 0 = Φ = Φ.5 = Ö50 sida 3 X är atal bilar per hushåll. Vätevärde och varias beräkas, Se formlera sida 79 och 8. E[X] = =. V [X] = = 0.9 Y är atal bilar på 000 slumpmässigt oberoede valda hushåll. E[Y ] = 000. = 00 V [Y ] = = 90 eligt reglera för e summa Se sida 9. Y har e fördelig som är beräkigstug om ma ska räka exakt, me här verkar det vara OK att NF-approximera. y är atalet platser som ska byggas. Lös ekvatioe P Y < y = 0.95 med Φ 0.95 =.45 som efter reskrivig ger y µ Y Y =.45. Med isatta värde blir det y =.45 och lösige är y 8. B5 sida 3 X är livslägde för ett batteri. E[X] = 300 och V [X] = 5 = 5 Saolikhete att ett slumpmässigt valt batteri fukar efter 30 timmar är P X > 30 = P X < 30 = Φ = Φ0.4 = = Y är atal fugerade batterier av 4 efter 30 timmar, Y Bi4 ; P Y = P Y = k=0 P Y = k = 4 k=0 k k k = = 0.57 = B5 sida 3 Jag har ite lagt å tug vikt vid kvartiler i saolikhetsläradele, äve om de har ämts som mått i dele som hadlar om beskrivade statistik. Det vi ska göra är att bestämma tre värde som är sådaa att 5% har e lägd som är kortare ä det första sökta värdet, 5% har e lägd mella det första och det adra sökta värdet, 5% har e lägd mella det adra och det tredje sökta värdet. Därmed följer att 5% har e lägd som är lägre ä det tredje sökta värdet. Första gräse: lös ut de obekata q ur P X < q = 0.5. Ma ka t.ex. täka sig att först ta reda på vad som skär av 5% i e stadardormal och geom tabelle kolla att det blir -0.7 avrudat. Därefter kör ma stadardiserige som e ekvatio q 8 = 0.7 med lösige 7.98 som ka avrudas lämpligt. OM ma öskar sig e mer formeltug beskrivig steg för steg ka ma täka sig P X < q = 0.5 q 8 Φ = 0.5 q 8 = Φ 0.5 q 8 = 0.7 q = De två adra gräsera beräkas med exakt samma upplägg och visas ej här. B54 sida 37 X är volyme vid e eskild drickig E[X] = och V [X] = 0. = 0.04 Y är summa av 3 drickigar. Uppgifte är ite lösbar med tillgägliga data om ite drickigara är oberoede. E[Y ] = 3 E[X] = 7 och V [Y ] = 3 V [X] =.44 P Y < 75 = Φ = Φ.5 = B55 sida 37 X är betjäigstide för e kud. E[X] = 4 och V [X] = = Y är tide för 9 oberoede kuder. E[Y ] = 9 E[X] = 3 och V [Y ] = 9 V [X] = 9 Det återstår 30 miuter. P Y < 30 = Φ = Φ =

8 B5 sida 37 låt X vara atal aställda/företag a. Se räkereglera sida 79 och 8 E[X] = Alla utfall xp X = x = =.5 V [X] = Alla utfall x P X = x E[X] = =.975 b. Y ar summa av 00 oberoede X. X är ej NF me urvalet är stort. Se C.G.S. sida 3 E[Y ] = 00 E[X] = 00.5 = 5 och V [Y ] = 00 V [X] = P Y 40 = P Y 39 Φ Φ.7 = = om ma räkar uta kotiuitetskorrektio. Med korrektio blir det B57 sida 38 X är atal passagerare som aläder. X Bi43 ; 0.85 E[X] = =.55 och V [X] = P X 30 Φ 8.35 Φ.98 = 0.97 om ma räkar uta kotiuiteskorrektio. Med korrektio blir det Exakt blir det 0.98 B58 sida 38 Om X är simmad distas vid ett besök så E[X] = 800 och V [X] = 00 = Om Y är summa av 3 5 simigar så är E[Y ] = 75Y E[X] = = och vid oberoede simigar V [Y ] = 75 V [X] = P Y > = P Y = Φ Φ.89 = = B59 sida 38 Om X är atal våfflor/perso så gäller P X = = 0.8 och P X = = 0. E[X] = =. och V [X] = = 0. Y är summa av 90 obsar på X. Uppgifte är ej lösbar med tillgägliga data om ite besökara käkar oberoede. E[Y ] = 90 E[X] = 08 och V [Y ] = 90 V [X] = 4.4 Saolikhete för mist e över med ormalapproximatio uta kotiuitetskorrektio P Y 4 Φ Φ.58 = Med korrektio blir det ugefär Exakt blir det Vadå exakt? Jo, ma ka ju ekelt räka på atalet som vill ha. Om S är atalet som vill ha så kommer det att gå åt 90+S, och S Bi90 ; 0.. Det kommer att bli mist e över om S är högst 4. P S 4 beräkas exakt geom att aväda formler för biomialsaolikhet. Ö530 sida 38 a. X är atal persoer som dyker upp och X Bi0 ; 0.8 me det blir jobbigt, så approximera med X N 48 ; 9. och saolikhete att platsera ite räcker beräkas med P X 5 = P X 50 = Φ Φ0.5 = 0.74 = Φ b. Ma har ett tillåtet högsta värde, x = 50, och e saolikhet för alädade π = 0.80 och e saolikhet 5% att ite för måga får aläda. Problemet skrivs exakt som e biomialfördeligsekvatio me de har ige vettig aalytisk lösig uta får stuket välj det högsta så att saolikhete... är högst 5%. Jag har lagt i e exakt x E[X] lösig eda. Problemet skrivs approximativt som e ormalfördeligsekvatio Φ = 0.95, eller x E[X] = V [X] V [X].45 och betraktar det som trillar ut som det högsta tillåta. Här föreslår jag att ma kotiuitetkorrigerar. Om ett icke-heltal trillar ut ska svaret avrudas edåt. π = 0.80 och π π = 0. E[X] = π = 0.8 och V [X] = π π = 0.. Lös ekvatioe = = = = = ±.543 där e lösig är falsk de ger saolikhete 95% att det ska aläda för måga. = Exakt lösig, Ö50b sida 3 Det fis iget rimligt sätt att lösa det här exakt för had. Det skulle vara ekelt om er biomialtabell hade alla etals-steg av N och sträckte sig upp mot N = 0, me de tabelle skulle ju lika e telefokatalog i tjocklek. Allright, jag vet att det rätta svaret är ugefär 5 frå de approximativa beräkige. Jag provar med 55, 5, 57, 58 i Miitab. Utskrifte har klippts ed rätt hårt för att spara plats. MTB > cdf 50; SUBC> bio

9 Cumulative Distributio Fuctio Biomial with = 55 ad p = x P X <= x MTB > cdf 50; SUBC> bio MTB > cdf 50; SUBC> bio MTB > cdf 50; SUBC> bio Jag ska välja ett så stort som möjligt uta att P X 50 går uder Det exakta svaret är alltså 57. Ö53 sida 38 Uppgifte är, liksom måga adra, bara e fråga om hur ma hackar upp problemet i olika räkeregler. Mitt förslag: Helst skulle jag räka på fördelige för R = X + X + X 3 + X 4 + Y + Y + där alla X är vikter hos mä och Y är vikter hos kvior. Tyvärr har jag ige vettig regel för det, jo det har jag, me jag har det ite iom rame för de här kurse. Går det att lösa ädå? Ja, med lite tragglade med olika regler. Sätt t.ex. Att summa av de 4 mäes vikt kallas M och summa av de kvioras vikt kallas K. Egeskapera för M och K beräkas med reglera Se sida 9. Se beräkar jag R som e summa av delsummor, alltså R = M +K, med hjälp av adra regler Se sida 07. Se behöver vi e uppgift som säger att R är ormalfördelad, och de fis i boke Se första rade sida 9. Jag kör u e lösig eligt de steg och formler som jag föreslagit ova. M N 300 ; 4 eligt regler som fis i boke Se sida 9 K N ;.34 eligt regler som fis i boke Se sida 9 R N 4 ;.533 eligt regler som fis i boke Se sida 07 Nu ka jag slutlige beräka svaret på fråga. P R > 400 = P R < 400 = Φ Φ 0.0 = = ÖXX, 7XX och 8XX sida 4 3 Se beräkigar av stickprovsvarias sida 4 Jag föreslår äve ett tredje sätt. Formel eligt boke: S = i= X i X Formel eligt boke: S = i= X i X Formel 3 eligt mig: S = i= X i i= X i jag uppfa de ite, me i får de av mig Ö0 sida 55 Popmedelvärdet är. Tabelle eda ger alla möjliga urval ja, ma ka ju ta med ordige också, och då blir de fler, me svaret kommer bli detsamma och alla urval har samma saolikhet urval media 0,5,5 5 0,5,35 5 0,5,45 5 0,5,35 5 0,5,45 5 0,35, ,5,35 5 5,5,45 5 5,35, ,35,45 35 Mediaes vätevärde är = så mediae är e v.v.r. skattig. Ö0 sida 55 a. Se sida 47 µ skattas med x = = 0 och skattas med s = = 4.5. b. Se sida 5 s = s = = c. Se sida 5 Felmargiale är =

10 Ö03 sida 55 a. a = 50. Jag täker mig X = µ + F där F är felet och att felet i skattige blir större ä kas krivas som F > d.v.s. vi kollar på felet storlek me igorerar dess tecke. Vi söker P X > µ + + P X < µ Båda saolikhetera beräkas med samma sorts beräkigar som förekommit i kapitel 5, alltså, P X > µ + + P X < µ = P X < µ + + P X < µ = Φ µ+ µ Φ φ.77 + φ = b Med = 50 och = 300 blir uppställige likada som ova och jag skippar beräkigara här. µ µ 8 50 b. Nu söker vi ett sådat att P X > µ + + P X < µ = Eftersom X har e symmetrisk fördelig krig µ så ka vi beräka så att P X µ µ < µ = Lös ekvatioe Φ 8 = Det blir 8 =.9 med lösig =.45. Ö04 sida 5 π skattas med P = = Medelfelet är Se sida 5 sida 5 avrudigsvis Ö0 sida 57 Det fis färdiga formler för E[X ] och E[ X ]. Se mitt på sida 4 a. E [ X+X b. E [ x +x ] ] = E X = E[ X] + X = µ + = E[X ]+E[X ] = µ + +µ + = µ + P P = 0.0. Felmargiale är Se Ige av dem är vätevärdesriktig det blir ju ite µ och biase är lägre i de första skattige. Ö70 sida 4 x ± z 5 ger 40 ±.9 00 d.v.s. 40 ±.94 me läs kapitlet stora stickprov Se sida och framåt och kolla om du håller med om att förutsättigara är uppfyllda. s Ö70 sida 5 x = 3.9 och s 0.. Om ho häller upp ormalfördelat och oberoede så fukar x ± t som ger 3.9 ± med t 3 = 3.8. Se små stickprov, ormalfördelad variabel sida och framåt och kolla att du är helt med på otera. p p Ö703 sida Om π s är adele S-sympatisörer i hela stora väljarkåre så ger p ± z [s] ± 00 som efter beräkig blir ± Motsvarade beräkig för KD har exakt samma struktur. Ö704 sida 70 Jfr exempel 5 sida 8 = z p p 0.0 = = 703 Ö705 sida 70 Samma uppställig som i Ö704 med två små ädrigar. Här har ma givit felmargiale istället för itervallets hela bredd, me täk på att itervallets bredd ite är åt aat ä *felmargiale. Här har ma i deluppgift b trixat med att ite asätta åt förhadsifo om adele. a. = som ska avrudas lämpligt. b. Samma som ova me sätt p = 0.5 istället för 4, Se de avslutade diskussioe i exempel 5 sida 9 OBS att dethär svaret ite stämmer med bokes facit. Författara har kommeterat det på bokes webbsida. Ö70 sida 79 a. Se Små stickprov, ormalfördelad variabel sida. Om förutsättigara håller så blir det x ± t s med isatta värde 78 ±.0 98 sqrt8 o.s.v. Är det rimligt att tro att vi dragit stickprovet ur e ormalfördelig? Är det rimligt att tro att observatioera är oberoede? b. Samma stuk som i deluppgift-a, visas ej här. c. Om förutsätigara för deluppguftera a och b är OK och dessutom att stadardavvikelsera är åtmistoe s approximativt lika så ka vi aväda x N x D ± t N N + s D D. Håller du med? Se edre ruta sida 73. I så fall blir det 08 ± 3 med s p = och t 30 =.04. pm p m Ö707 sida 79 p m p k ± z ger itervallgräsera för skillade mä kvior. Verkar förutsättigara OK? Se ruta sida 7. m + p k p k k 0

11 Ö708 sida 79 E blad flera täkbara lösigar är : Kör med xä x y ± t s p ä + y där svaret blir 5.4 ± 8.38 med s p och t 99 t 00 =.984. Itervallskattige avser hur mycket lägre reaktiostid äldre har vid jämförelse med ygre. Håller du med om att förutsättigara för de här metode verkar vara uppfyllda? Ö709 sida 80 Se Parvisa observatioer sida 7 d s ± t d ger.0 ± 4.93 med d =.0, s d = och t 7 =.35. Kolla förutsättigara! Ö70 sida 80 a. Se ruta sida 5. P = = och itervallskattige blir ± b. Se ruta sida 5. P = och itervallskattige blir ± 0.05 med z =.575. c. Se ruta sida 7. Kofidesitervall för mä-kvior med p m p k ± z Ö7 sida 80 a. x ± t s ger 4.9 ± 0.85 med t 7 t 70 =.994. Verkar förutsättigara OK? pm p m m + p k p k k ger ± b. Uppgifte är ite alls lätt att svara på, me om ma gissar att de två s jag har/kommer att få är ära varadra, och helst ära också, så får ma Se sida att = = 7.49 som bör avrudas lämpligt. Vilket håll bör ma avruda åt? B7 sida 8 Om de första kallas A och de adra kallas B och det är oberoede stickprov så 95% K.I. för π A π B vid oberoede urval Se sida 8 p p A p B ± z A p A A + p B p B B, p A = = 0.37 och p B = ± , ± B73 sida 8 Jag skippar de t.v. eftersom de är så lik Ö705. Säg tillom du har åt problem med de här uppgifte. B74 sida 8 µ = = 5 a. Urval x x 3 Slukar µ? ˆµ = x +x 3,,4 4 ej.5,,3 3 ja 7.0,4,3 3 ja 7.0,4,3 3 ja 7.5 Kofidesgrade är 75% eftersom 3 itervall av 4 slukar µ b. E[ˆµ] = = så ˆµ är ej v.v.r. B75 sida 8 Som kofidesitervall betraktat är de lite udda, som saolikhetsuppift betraktad är de bra. Kofidesgrad är detsamma som saolikhete att itervallet ska sluka µ P Sluka µ = P Missa µ = P Alla obs > µ P Alla obs < µ = = 5 Ö80 sida 90 De tidigare uppgifte 9% betraktas som e saig eftersom de kommer frå ett val meda deluppgifteras ya adelar betraktas som osäkra eftersom de kommer frå urval. Fråga gäller om sympatiera har ädrats me ige riktig ages. Testa H 0 : π = 0.9. Författara har ite agett å riskivå. Jag väljer 5% i de här lösige. H : π 0.9 Det fis ledtrådar i boke Se exempel 5 sida 8, me egetlige kommer de riktiga diskussioe först seare Se kapitel 8.5 sida 5 och jag kommer här att aväda beräkige som fis där Se sida 7. a. p = 33 p π , z = q som ger z.57 efter att ha satt i p = , π = 0.9 och = 847. π π Förkasta EJ H 0 eftersom z <.9. Ö80 sida 90 b. Samma uppställig som ova, visas ej i detalj här, z =.495, förkasta H 0. a. Om ma köper 0 aktier slumpmässigt och sätter att X är det atal som stiger i värde så gäller att X Bi0 ; 0.4. Repetera biomialfördelig och dess förutsättigar vid behov Se sida 8. P X 8 = P X 7 = = 0.0 eligt tabelle.

12 b. De verkar vara skickliga. Saolikhete att få 8 eller fler av e slump är ju väldigt låg. Ö803 sida 9 Atal trasiga ka räkas som biomialfördelat om partiera är stora och lampora dras oberoede, våda villkore ka ases uppfyllda eligt uppgifte. a. P X = 0 = 0.0 eligt tabelle b. P Y = P Y = 0 = där råräkig måste avädas eftersom du ite har saolikhete 0.05 i di tabell. Ö804 sida 9 Lite trassligt beroede på om ma ska eller ite ska ta med kotiuitetskorrektio. Här fis ett atal svar som jag skulle acceptera. Jag ger här ett svar uta kotiuitetskorrektio. Vätevärdet är π = 0 och variase är 9 0 π π = 9 Se ruta sida 89. P 8 X 9 = P X 9 P X 80 = Φ Φ 9 Φ.0 Φ = Ö805 sida 95 a. H 0 : µ = 0 H : µ > 0 b. Z = X µ c. Z N 0 ; d. Förkasta H 0 om Z > e. z = 0 =.90 >.45, förkasta H Ö80 sida 07 a. Se facit sida 453 b. H 0 förkastas om x 30 4 >.33 fast i boke aväder de ett tabelltal med högre upplösig och de olikhete är 4 uppfylld för alla x > 3.5 c. Se ruta sida 9. X N 3 ; 0.5 d. P X <.33 = P X < 3.5 = Φ = Φ.7 = Ö807 sida 0 e. I d beräkades β d.v.s. saolikhete att göra ett typ-ii-fel ite förkasta H 0 trots att de är falsk. Styrka är β = populatioe är µ. Populatioe är hela de mägd av tillverkade batterier som stickprovet har dragits ur, och medelvärdet i H 0 : µ = 50 N 0 ; om H H : µ > 50 0 är sa. Med 5% riskivå framgår ej av uppgifte så X µ q förkastas H 0 om q x µ 5 50 > =.5 så H 0 förkastas. Det är egetlige ite svar på fråga eftersom författara 00 bett oss beräka P-värdet. P-värdet är Φ.5 = Därefter ka vi dra slutsatse att H 0 ska förkastas. Ö808 sida 4 µ är de förvätade tide för att rätta e teta. Det verkar som att författara har täkt sig att stickprovet ska betraktas som stort, aars blir der hopplöst att beräka P-värdet om ma ite har datorstöd. Ma måste också lita på att CGS Se sida 3 eftersom vi ite har å ifo om ursprugsfördelige me måste asätta att X är åtmistoe approximativt ormalfördelad. Sätt H 0 : µ = 0 H : µ > 0. z = q x µ = Φ Det är og rimligt att förkasta H 0, det är oklart vilke riskivå som öskas =.5 och P-värdet är Φ Slutsatse måste begräsas rätt hårt. Vi har bara observatioer på e perso och ka bara yttra oss om de eda persoe. Är det tetor på flera olika kurser som rättats eller kommer alla frå samma kurs, som dessutom ka vara e kurs med ovaligt trasslig teta? Hur är det med oberoede mella olika tetor ka det t.ex. vara så att om e tar låg tid så sabbar ma omedvetet på är ma rättar ästa, eller ka det vara tvärt om? Jag tycker INTE ma ska försöka geeralisera dethär resultatet! Ö809 sida 4 Jfr uppgifte ova och fudera på om du ska se stickprovet som stort eller ite. De har ite frågat efter åt P-värde här och jag kör med t, vilket ite blir fel bara för att stickorvet är stort, jag bara avstår frå att göra e föreklig som författara aser är tillåte. Jag bestämmer riskivå till 0%, i verklighete måste de bestämmas i samråd med uppdragsgivare. x = = 9.75, s = = 9.0Se sida 9 i mia lösigar till boke, som du bläddrar i just u, t = q x µ = s = 0.53 > t 39 =.304, förkasta EJ H 0. Vi har ej fått ett tecke på att de ya maskie har kortare iställigstid ä 0 miuter per arbetstimma.

13 0 Ö8 sida 9 Normalt borde adele pojkar vara Jag ska testa om det fis e avvikelse, me det ges H ige riktig på avvikelse och sätter 0 : π = Jag betraktar det som ett allvarligt äme och skruvar ed H : π riskivå till % för att udvika att vräka ur mig falska påståede. Det straffar sig med att jag löper e större risk att göra ett typ-ii-fel. Jag tror att jag har e bra metod Se sida 07. Håller du med? Jag ka äve köra exakt med biomialfördelig, me det blir räketugt. qp π π π = q Om H 0 är sa så är approximativt och p π q π π N 0 ;, och jag förkastar H 0 om och det är P Z <.4 + P Z >.4 = Φ.4 = = Ö8 sida 8 q p π π π >.575. p = =.3.4 så H 0 förkastas. Författara har bett mig beräka P-värdet Frågeställige avser om det ya programmet är bättre, alltså kör jag ekelsidigt test. xg x µg µ r med s p g + g s g + s g+ ger s p =.45 och t =.797, Se sida och fudera på förutsättigara. Med take på hur jag vät tecket i differese så ska slutsatse vara att förkasta H 0 om t >.70, 8 f.g. och jag har valt 5% riskivå. Förkasta H 0. Ö83 sida 8 Jfr och so s p frå Ö708. Sätt H 0 : µä µ y. E blad flera täkbara metoder är: H : µä > µ y Kostatera att Xä Xy µä µy s Sp ä + y «t 98 t 00 H 0 om ma samplar ur ormalfördeligar med samma varias. Förkasta H 0 om x ä xy µ ä µy s «>.0 ekelsidigt och ataget att 5% riskivå blir bra. x ä xy µ ä µy s s p ä + y.8 så H 0 förkastas ite. Ö84 sida 8 Se Jämförelse av proportiostal sida. p = p+p + riskivå ka H 0 ej förkastas då z <.9. s p ä + y = 0.47, z = r p p π π p p «= q På 5% Ö85 sida 8 Parvisa data, räka på differesera Jfr exempel 8 sida 5 H Om D = X A X B så blir det 0 : µ = 0 H : µ > 0. Om H 0 är sa och D är ormalfördelad så blir T = d 0 7 f.g. Förkasta H 0 om t >.894, t = / = Förkast ite H 8 0. s d / t-fördelad med H Ö87 sida 34 Sätt 0 : µ = 450 H : µ > 450 ur e ormalfördelig. Förkasta H 0 om q x µ s så H 0 förkastas. B88 sida 34 B89 sida 34 a. z = q p π π π b. z = q p π π π X µ och aväd att q är t-fördelad med 5 f.g. om H 0 är sa, förutsatt att ma samplat Jag kör här teste på 5% riskivå.0 >.45, förkasta H <.45, förkasta ej H 0 c. z = r p p π π.9 <.9 där p = =p=+0p0 p p + = förkasta ej H 0 S >.753 Jag chasar på 5% riskivå, ej givet i uppgifte a. Sigifikasivå är detsamma som riske att förkasta H 0 om H 0 är sa. Sätt att X är atalet pesioärer i urvalet. I dethär fallet blir riskivå då riske att få X > om adele i populatioe är 0.. Om H 0 är sa så gäller att X Bi00 ; 0. och riskivå beräkas efter ormalfördeligsapproximatio med P X > 0 Φ = Φ.5 = = Approximatioe ka förbättras geom kotiuitetskorrektio. 3

14 b. Styrka är saolikhete att dra slutsatse att H 0 är falsk förutsatt att H 0 är falsk. I dethär fallet P X > 5 om X Bi00 ; 5 som efter ormalfördeligsapproximatioblir Φ = Φ0.3 = = Approximatioe ka förbättras geom kotiuitetskorrektio. Ö80 sida 34 Varje skrivig blir rättad av två persoer, och det fis ett starkt beroede mella vilke poäg e skrivig får av e rättare och vad samma skrivig får av de adra rättare. Aväd tekike med parvisa observatioer, Se exempel 8 sida 5. Beräka differesera för DocetKet-ProfessorW och sammaställ. Det blir d =.5, d µ 4.984, = 8. =.45. Ekelsidigt test med hypotetiskt värde µ d = 0. På 5% riskivå förkastas H 0 om s d q s t <.895. Förkasta ej H 0. B8 sida 35 a. Så som fråga är ställd måste det höra till tidigare kapitel, Se små stickprov ormalfördelad variabel sida. s x ± t 3 ger 4 ±.0 b. Svår bedömig av förutsättigara. Om ma tror att, åtmistoe approximativt, båda datamägdera samplats ur ormalfördeligar med samma varias så ka vi aväda x f x h µ f µ h r f + h s h och förkasta s p + f h med f s f + h H 0 om t >.740 ekelsidigt, 7 f.g. och ataget 5% riskivå. Med isatta siffror blir det s p.05, t =.973, förkasta H 0. B8 sida 35 Om π är de adel som tycker bäst om Dolt Hot, och ma förytsätetr att ige tycker att båda är exakt lika bra, så ska vi testa H 0 : π = 0.5 H : π 0.5 och jag klipper till med modiga 5% riskivå. Om H 0 är sa så gäller för atalet som tycker mer om Dolt Hot, X, att X Bi0 ; 0.5. Det blir jobbigt att räka exakt uta datorstöd så jag aväder ormalfördeligsapproximatio. Aväd och förkasta H 0 om z >.9. π = 39 0 = 0.5 ger z.338, förkasta H 0. p π q π π Det är ite helt ovaligt att studeter uppfattar det här som att de ska jämföra två adelar, Se jämförelse av proportiostal sida, me det är fel. Vi har ETT stickprov, problemet går att uttrycka som e adel och det råder ett stehårt beroede mella adele som tycker bäst om Dolt Hot och adele som tycker bäst om The Costat Gardeer adelelara måste summeras till så det här är INTE ett problem med att jämföra e adel i e populatio med motsvarade adel i e aa populatio. B83 sida 3 a. Hm, jag gissar att de testat på 5% riskivå att de satte hypotesera som H 0 : π = 0.04 där π är adele i H : π > 0.04 väljarkåre som uppger att de ska rösta på mådagspartiet. Förkasta H 0 om >.45. Då måste vara det mista heltal som uppfyller olikhete q p π q π π >.45 som har lösige =. Stämmer ej perfekt med bokes facit och jag tror att de satt gräse till.4 meda jag satt de till.45. b. Det blir samma ekvatiostake me med e aa obekat. Sätt q p >.45 och lös ut mista p som uppfyller olikhete. Det blir p så mist 4.93% måste rösta på mådagspartiet. Egetlige borde jag og avruda lite uppåt. B84 sida 3 Små stickoprov, ite speciellt kostig fördelig, ugefär lika stor variatio. x G = 5.7, s G = , G = 0, x R = 3.5, s R =.9547, R = 8, G s G + R s R x G + R = 8.475, G x R µ G µ R r =.774, f.g., H 0 s p + G R förkastas om t >.74 ataget ekelsidigt test på 5% riskivå. Se är väl kappast dethär världes mest geomtäka jämförelser av löer äve om de fukar som e övigsuppgift. Det borde fias mer data, ma kaske ska justera för vilka sorters utbildigar som ges och hur måga studeter ma har o.s.v. me det beror såklart på hur de täkta frågeställige är exakt formulerad. B85 sida 3 a. X Bi47 ; 0.05 eftersom ma kör 47 oberoede försök och eftersom saolikhete är 0.05 att förkasta H 0 i varje försök och försöke är oberoede. b. X N 3.8 ; approximativt. Φ 0.95 =.45. x 0 = = Om ma räkar exakt med biomialfördelig så blir svaret 3, me det är praktiskt överjobbigt att göra uta datorstöd. 4

15 Ö9XX sida Alla som fis med här har samma stuk, jag visar ite hur ma beräkar χ -summa eftersom det är så stadard, uta sackar bara om vad som jag tror är ka vara problem med hur ma förbereder ia ma hackar själva beräkige. H Ö905 sida 5 0 : Det fis ite ett sambad H : Det fis ett sambad ska testas. Författara har ej gett ågo riskivå, jag tar 5%. Tabelle visar observerat atal förvätat atal χ = och med 4 frihetsgrader är de kritiska gräse Förkasta H Ö905 sida 55 χ =.9098, f.g. 4, kritisk gräs 9.488, förkasta H 0. Det verkar som att författara har slagit ihop första och adra kolume är de räkat ut det svar som preseteras i bokes facit Se sida 454, me jag ser ite att jag ska vara tvuge att göra det, Se ruta sida 40. B90 sida 5 Du måste göra om sifferuppgiftera lite eftersom metode kräver att ma räkar på absoluta frekveser. Härled tabelle och följ samma beräkigsschema som tidigare. Ö9 sida Du måste göra om sifferuppgiftera lite eftersom metode kräver att ma räkar på absoluta frekveser. Härled tabelle Skruvberget Älgkulle Skatvike Turmosse Atal moderater Atal icke-moderater och följ samma beräkigsschema som tidigare. B9 sida Du måste göra om sifferuppgiftera lite eftersom metode kräver att ma räkar på absoluta frekveser. Härled tabelle Föredrar de ea Föredrar de adra Mä 38 Kvior 8 4 och följ samma beräkigsschema som tidigare. Ö93 sida B94a sida Exakt samma upplägg som B9, försök och säg till om det trasslar. Exakt samma upplägg som B9, försök och säg till om det trasslar. 5

Föreläsning 3. 732G04: Surveymetodik

Föreläsning 3. 732G04: Surveymetodik Föreläsig 3 732G04: Surveymetodik Dages föreläsig Obudet slumpmässigt urval (OSU) Populatiosparametrar och stickprovsstatistikor Vätevärdesriktighet Ädliga och oädliga populatioer Medelvärde, adel Kofidesitervall

Läs mer

4.2.3 Normalfördelningen

4.2.3 Normalfördelningen 4.2.3 Normalfördelige Biomial- och Poissofördelige är två exempel på fördeligar för slumpvariabler som ka ata ädligt eller uppräkeligt måga olika värde. Sådaa fördeligar sägs vara diskreta. Ofta är ett

Läs mer

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

Statistisk analys. Vilka slutsatser kan dras om populationen med resultatet i stickprovet som grund? Hur säkra uttalande kan göras om resultatet? Statistisk aalys Vilka slutsatser ka dras om populatioe med resultatet i stickprovet som grud? Hur säkra uttalade ka göras om resultatet? Mats Guarsso Tillämpad matematik III/Statistik - Sida 83 Exempel

Läs mer

Intervallskattning. c 2005 Eric Järpe Högskolan i Halmstad. Antag att vi har ett stickprov x 1,..., x n på X som vi vet är N(µ, σ) men vi vet ej

Intervallskattning. c 2005 Eric Järpe Högskolan i Halmstad. Antag att vi har ett stickprov x 1,..., x n på X som vi vet är N(µ, σ) men vi vet ej Itervallskattig c 005 Eric Järpe Högskola i Halmstad Atag att vi har ett stickprov x,..., x på X som vi vet är Nµ, σ me vi vet ej värdet av µ = EX. Då ka vi beräka x, vvr skattig av µ. För att få reda

Läs mer

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

För att skatta väntevärdet för en fördelning är det lämpligt att använda Medelvärdet. E(ξ) =... = µ 1 February 1, 2018 1 Förel. VII Puktskattigar av parametrar i fördeligar 1.1 Puktskattig För att skatta vätevärdet för e fördelig är det lämpligt att aväda Medelvärdet ξ = 1 ξ j. Vi tar u vätevärdet av

Läs mer

Föreläsning G70, 732G01 Statistik A. Föreläsningsunderlagen är baserade på underlag skrivna av Karl Wahlin

Föreläsning G70, 732G01 Statistik A. Föreläsningsunderlagen är baserade på underlag skrivna av Karl Wahlin Föreläsig 6 732G70, 732G01 Statistik A Föreläsigsuderlage är baserade på uderlag skriva av Karl Wahli Kapitel 6 Iferes om e populatio Sid 151-185 Puktskattig och itervallskattig Statistisk iferes om populatiosmedelvärde

Läs mer

F10 ESTIMATION (NCT )

F10 ESTIMATION (NCT ) Stat. teori gk, ht 2006, JW F10 ESTIMATION (NCT 8.1-8.3) Ordlista till NCT Iferece Parameter Estimator Estimate Ubiased Bias Efficiecy Cofidece iterval Cofidece level (Studet s) t distributio Slutledig,

Läs mer

1. Test av anpassning.

1. Test av anpassning. χ -metode. χ -metode ka avädas för prövig av hypoteser i flera olika slag av problem: om e stokastisk variabel följer e viss saolikhetsfördelig med käda eller okäda parametrar. om två stokastiska variabler

Läs mer

(a) Skissa täthets-/frekvensfunktionen och fördelningsfunktionen för X. Glöm inte att ange värden på axlarna.

(a) Skissa täthets-/frekvensfunktionen och fördelningsfunktionen för X. Glöm inte att ange värden på axlarna. 1 0,5 0 LÖSNINGAR till tetame: Statistik och saolikhetslära (LMA120) Tid och plats: 08:30-12:30 de 6 april 2016 Hjälpmedel: Typgodkäd miiräkare, formelblad Betygsgräser: 3: 12 poäg, 4: 18 poäg, 5: 24 poäg.

Läs mer

Tentamen i Statistik, STA A13 Deltentamen 2, 5p 20 januari 2007, kl. 09.00-13.00

Tentamen i Statistik, STA A13 Deltentamen 2, 5p 20 januari 2007, kl. 09.00-13.00 0.01.007 Tetame i Statistik, STA A13 Deltetame, 5p 0 jauari 007, kl. 09.00-13.00 Tillåta hjälpmedel: Bifogad formel- och tabellsamlig (skall retureras) samt miiräkare. Asvarig lärare: Haah Hall Övrigt:

Läs mer

Finansiell Statistik (GN, 7,5 hp,, HT 2008) Föreläsning 4 (del 2)

Finansiell Statistik (GN, 7,5 hp,, HT 2008) Föreläsning 4 (del 2) Fiasiell Statistik (GN, 7,5 hp,, HT 008) Föreläsig 4 (del ) Pukt- och itervallskattig (LLL Kap 10) Departmet of Statistics (Gebreegus Ghilagaber, PhD, Associate Professor) Fiacial Statistics (Basic-level

Läs mer

Finansiell Statistik (GN, 7,5 hp,, HT 2008) Föreläsning 4 (del 1)

Finansiell Statistik (GN, 7,5 hp,, HT 2008) Föreläsning 4 (del 1) Fiasiell Statistik (GN, 7,5 hp,, HT 008) Föreläsig 4 (del 1) Sampligfördeligar (LLL Kap 8) Departmet of Statistics (Gebreegus Ghilagaber, PhD, Associate Professor) Fiacial Statistics (Basic-level course,

Läs mer

Tentamen i Statistik, STA A13 Deltentamen 2, 5p 5 juni 2004, kl

Tentamen i Statistik, STA A13 Deltentamen 2, 5p 5 juni 2004, kl Karlstads uiversitet Istitutioe för iformatiostekologi Avdelige för statistik Tetame i Statistik, STA A13 Deltetame, 5p 5 jui 004, kl. 09.00-13.00 Tillåta hjälpmedel: Asvarig lärare: Övrigt: Bifogad formel-

Läs mer

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

Antalet sätt att välja ut r objekt bland n stycken med hänsyn till ordning är np r = n(n 1) (n r + 1). Harald Lag Formelsamlig och Tabeller i Statistik och Saolikhetsteori (15/11-10) Datareducerig Om x 1,..., x är ett stickprov ur e populatio så defiieras medelvärdet x x = 1 k=1 x k och stadardavvikelse

Läs mer

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

Minsta kvadrat-metoden, MK. Maximum likelihood-metoden, ML. Medelfel. E(X i ) = µ i (θ) MK-skattningen av θ fås genom att minimera Matematisk statistik slumpes matematik Saolikhetsteori hur beskriver ma slumpe? Statistikteori vilka slutsatser ka ma dra av ett datamaterial? Statistikteori översikt Puktskattig Hur gör ma e bra gissig

Läs mer

Stat. teori gk, ht 2006, JW F13 HYPOTESPRÖVNING (NCT ) Ordlista till NCT

Stat. teori gk, ht 2006, JW F13 HYPOTESPRÖVNING (NCT ) Ordlista till NCT Stat. teori gk, ht 2006, JW F13 HYPOTESPRÖVNING (NCT 10.1-10.3) Ordlista till NCT Hypothesis testig Null hypothesis Alterative hypothesis Simple / composite Oe-sided /two-sided Reject Test statistic Type

Läs mer

a) Beräkna E (W ). (2 p)

a) Beräkna E (W ). (2 p) Avd. Matematisk statistik TENTAMEN I SF19 och SF191 SANNOLIKHETSTEORI OCH STATISTIK, TISDAGEN DEN 13:E MARS 18 KL 8. 13.. Examiator: Björ-Olof Skytt, 8 79 86 49. Tillåta hjälpmedel: Formel- och tabellsamlig

Läs mer

TMS136: Dataanalys och statistik Tentamen 2013-10-26 med lösningar

TMS136: Dataanalys och statistik Tentamen 2013-10-26 med lösningar TMS36: Dataaalys och statistik Tetame 03-0-6 med lösigar Examiator och jour: Mattias Sude, tel. 0730 79 9 79 Hjälpmedel: Chalmersgodkäd räkare och formelsamlig formelsamlig delas ut med teta). Betygsgräser:

Läs mer

Föreläsning G70 Statistik A

Föreläsning G70 Statistik A Föreläsig 5 732G70 Statistik A Egeskaper hos stickprovsstatistikora Stickprovsmedelvärde Stickprovssumma Stickprovsadel Lägesmått Spridig Medelfel EX VarX 2 2 E X Var X E P Var P X X 1 1 P Eftersom respektive

Läs mer

Introduktion till statistik för statsvetare

Introduktion till statistik för statsvetare "Det fis iget så praktiskt som e bra teori" November 2011 Bakgrud Stadardiserig E saolikhetsekvatio Kosekves av stora tales lag Stora tales lag ger att är slumpvariablera X i är oberoede, med e och samma

Läs mer

LÖSNINGAR TILL. Räkningar: (z i z) 2 = , Δ = z = 1 n. n 1. Konfidensintervall:

LÖSNINGAR TILL. Räkningar: (z i z) 2 = , Δ = z = 1 n. n 1. Konfidensintervall: LÖSNINGAR TILL Matematisk statistik Tetame: 2014 10 28 kl 14 00 19 00 Matematikcetrum FMS 086 Matematisk statistik för B, K, N och BME, 7.5 hp Luds tekiska högskola MASB02 Matematisk statistik för kemister,

Läs mer

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

Normalfördelningens betydelse. Sannolikhet och statistik. Täthetsfunktion, väntevärde och varians för N (µ, σ) Normalfördeliges betydelse Empirisktse gur: måga storheter approximativt ormalfördelade Summa av måga ugefär oberoede och ugefär likafördelade s.v. är approximativt ormalfördelad CGS Exempel: mätfel =

Läs mer

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

b) Bestäm det genomsnittliga antalet testade enheter, E (X), samt även D (X). (5 p) Avd Matematisk statistik TENTAMEN I SF922, SF923 och SF924 SANNOLIKHETSTEORI OCH STATISTIK, TISDAGEN DEN 29:E MAJ 208 KL 0800 300 Examiator för SF922/SF923: Tatjaa Pavleko, 08-790 84 66 Examiator för SF924:

Läs mer

Grundläggande matematisk statistik

Grundläggande matematisk statistik Grudläggade matematisk statistik Puktskattig Uwe Mezel, 2018 uwe.mezel@slu.se; uwe.mezel@matstat.de www.matstat.de Saolikhetsteori: Saolikhetsteori och statistikteori vad vi gjorde t.o.m. u vi hade e give

Läs mer

F19 HYPOTESPRÖVNING (NCT ) Hypotesprövning för en differens mellan två medelvärden

F19 HYPOTESPRÖVNING (NCT ) Hypotesprövning för en differens mellan två medelvärden Stat. teori gk, ht 006, JW F19 HPOTESPRÖVNING (NCT 11.1-11.) Hypotesprövig för e differes mella två medelvärde Samma beteckigar som vid kofidesitervall för differes mella två populatiosmedelvärde: Medelvärde

Läs mer

θx θ 1 om 0 x 1 f(x) = 0 annars

θx θ 1 om 0 x 1 f(x) = 0 annars Avd. Matematisk statistik TENTAMEN I SF903 SANNOLIKHETSLÄRA OCH STATISTIK FÖR 3-ÅRIG Media TIMEH TORSDAGEN DEN TREDJE JUNI 200 KL 4.00 9.00. Examiator: Guar Eglud, tel. 790 74 06 Tillåta hjälpmedel: Läroboke.

Läs mer

Skattning / Inferens. Sannolikhet och statistik. Skattning / Inferens. Vad är det som skattas?

Skattning / Inferens. Sannolikhet och statistik. Skattning / Inferens. Vad är det som skattas? Skattig / Iferes Saolikhet och statistik Puktskattig Försöket att beskriva e hel populatio pga ågra få mätvärde! Oberservatio = Populatio HT 2008 UweMezel@mathuuse http://wwwmathuuse/ uwe/ Populatio har

Läs mer

F3 Lite till om tidsserier. Statistikens grunder 2 dagtid. Sammansatta index 4. Deflatering HT Laspeyres index: Paasche index: Index.

F3 Lite till om tidsserier. Statistikens grunder 2 dagtid. Sammansatta index 4. Deflatering HT Laspeyres index: Paasche index: Index. F3 Lite till om tidsserier Deflaterig, att justera för iflatioe tatistikes gruder dagtid 4 3,5 3,5,5 Mjölk ockerdricka HT,5 975 976 977 978 979 98 98 98 Löpade priser År Mjölk ockerdricka KPI 945 = 975,34,

Läs mer

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

1. (a) Eftersom X och Y har samma fördelning så har de även samma väntevärde och standardavvikelse. E(X 2 ) = k LÖSNINGAR TILL Matematisk statistik, Matematikcetrum Tetame: 5 kl 8 Luds tekiska högskola FMS, FMS, FMS, FMS 5, MAS 9 Matematisk statistik för ED, F, I, FED och fysiker. a Eftersom X och Y har samma fördelig

Läs mer

Formelblad Sannolikhetsteori 1

Formelblad Sannolikhetsteori 1 Formelblad Saolikhetsteori Bayes formel: Låt A och D vara två hädelser Då gäller P A D = P D AP A P D Chebyshevs olikhet: Låt X vara e stokastisk variabel med vätevärde µ och varias Då gäller för alla

Läs mer

MA2018 Tillämpad Matematik III-Statistik, 3.5hp,

MA2018 Tillämpad Matematik III-Statistik, 3.5hp, MA2018 Tillämpad Matematik III-Statistik, 3.hp, 2018-08- Hjälpmedel: Pea, radergummi och lijal. Räkedosa och medföljade formelsamlig är tillåte! Tetame består av 20 frågor! Edast Svarsblakette ska lämas

Läs mer

Föreläsning G70, 732G01 Statistik A. Föreläsningsunderlagen är baserade på underlag skrivna av Karl Wahlin

Föreläsning G70, 732G01 Statistik A. Föreläsningsunderlagen är baserade på underlag skrivna av Karl Wahlin Föreläsig 5 73G70, 73G01 Statistik A Föreläsigsuderlage är baserade på uderlag skriva av Karl Wahli Kapitel 5 Stickprovsteori Sid 15-150 Statistisk iferes Populatio (äve målpopulatio) = de (på logisk väg

Läs mer

Högskoleutbildad 0,90*0,70=0,63 0,80*0,30=0,24 0,87 Ej högskoleutbildad 0,07 0,06 0,13 0,70 0,30 1,00

Högskoleutbildad 0,90*0,70=0,63 0,80*0,30=0,24 0,87 Ej högskoleutbildad 0,07 0,06 0,13 0,70 0,30 1,00 Lösigsförslag UPPGIFT 1 Kvia Ma Högskoleutbildad 0,90*0,70=0,63 0,80*0,30=0,24 0,87 Ej högskoleutbildad 0,07 0,06 0,13 0,70 0,30 1,00 Pr(ej högskoleutbildad kvi=0,07=7% Pr(högskoleutbildad)=0,87 c) Pr(Kvi*Pr(Högskoleutbildad)=0,70*0,87=0,609

Läs mer

Tentamen i Statistik STG A01 (12 hp) 5 mars 2010, kl. 08.15 13.15

Tentamen i Statistik STG A01 (12 hp) 5 mars 2010, kl. 08.15 13.15 Karlstads uiversitet Fakultete för ekoomi, kommuikatio och IT Statistik Tetame i Statistik STG A0 ( hp) 5 mars 00, kl. 08.5 3.5 Tillåta hjälpmedel: Bifogad formel- och tabellsamlig (skall retureras) samt

Läs mer

S0005M V18, Föreläsning 10

S0005M V18, Föreläsning 10 S0005M V18, Föreläsig 10 Mykola Shykula LTU 2018-04-19 Mykola Shykula (LTU) S0005M V18, Föreläsig 10 2018-04-19 1 / 15 Hypotesprövig ett stickprov, σ okäd. Stadardiserig av stickprovsmedelvärdet då σ är

Läs mer

Tentamen i Statistik, STA A10 och STA A13 (9 poäng) 26 mars 2004, klockan

Tentamen i Statistik, STA A10 och STA A13 (9 poäng) 26 mars 2004, klockan Karlstads uiversitet Istitutioe för iformatiostekologi Avdelige för Statistik Tetame i Statistik, STA A10 och STA A13 (9 poäg) 6 mars 004, klocka 14.00-19.00 Tillåta hjälpmedel: Bifogad formelsamlig (med

Läs mer

Lycka till! I(X i t) 1 om A 0 annars I(A) =

Lycka till! I(X i t) 1 om A 0 annars I(A) = Avd Matematisk statistik TENTAMEN I SF955 f d 5B555 DATORINTENSIVA METODER ONSDAGEN DEN AUGUSTI 008 KL 400 900 Examiator: Guar Eglud, tel 790746 Email: guare@mathkthse Tillåta hjälpmedel: Formel- och tabellsamlig

Läs mer

MS-A0509 Grundkurs i sannolikhetskalkyl och statistik Exempel, del II

MS-A0509 Grundkurs i sannolikhetskalkyl och statistik Exempel, del II MS-A0509 Grudkurs i saolikhetskalkyl och statistik Exempel, del II Estimerig 2 Kofidesitervall G. Gripeberg Aalto-uiversitetet 3 februari 205 3 Hypotesprövig 4 Korrelatio och regressio G. Gripeberg Aalto-uiversitetet

Läs mer

Borel-Cantellis sats och stora talens lag

Borel-Cantellis sats och stora talens lag Borel-Catellis sats och stora tales lag Guar Eglud Matematisk statistik KTH Vt 2005 Iledig Borel-Catellis sats är e itressat och avädbar sats framför allt för att bevisa stora tales lag i stark form. Vi

Läs mer

Statistik. Språkligt och historiskt betyder statistik ungefär sifferkunskap om staten

Statistik. Språkligt och historiskt betyder statistik ungefär sifferkunskap om staten Statistik Språkligt och historiskt betyder statistik ugefär sifferkuskap om state E Statistisk udersökig består av fyra delar: Plaerig Dataisamlig Bearbetig Beskrivade statistik (kap 1) Statistisk aalys

Läs mer

TENTAMEN I MATEMATIK MED MATEMATISK STATISTIK HF1004 TEN kl

TENTAMEN I MATEMATIK MED MATEMATISK STATISTIK HF1004 TEN kl TENTAMEN I MATEMATIK MED MATEMATISK STATISTIK HF004 TEN 0-04-5 kl 8.5-.5 Hjälpmedel: Formler och tabeller i statistik, räkedosa Fullstädiga lösigar erfordras till samtliga uppgifter. Lösigara skall vara

Läs mer

Avd. Matematisk statistik

Avd. Matematisk statistik Avd. Matematisk statistik TENTAMEN I SF1917/SF1918/SF1919 SANNOLIKHETSTEORI OCH STATISTIK, TISDAG 8 JANUARI 2019 KL 8.00 13.00. Examiator för SF1917/1919: Jörge Säve-Söderbergh, 08-790 65 85. Examiator

Läs mer

Övningstentamen i MA2018 Tillämpad Matematik III-Statistik, 7.5hp

Övningstentamen i MA2018 Tillämpad Matematik III-Statistik, 7.5hp Övigstetame i MA08 Tillämpad Matematik III-Statistik, 7.5hp Hjälpmedel: Räkedosa och medföljade formelsamlig! Täk på att dia lösigar ska utformas så att det blir lätt för läsare att följa dia takegågar.

Läs mer

TENTAMEN I MATEMATISK STATISTIK Datum: 13 mars 08

TENTAMEN I MATEMATISK STATISTIK Datum: 13 mars 08 TENTAMEN I MATEMATISK STATISTIK Datum: 3 mars 8 Te i kurse HF3, 6H3, 6L3 MATEMATIK OCH MATEMATISK STATISTIK, Te i kurse HF ( Tidigare k 6H3), KÖTEORI OCH MATEMATISK STATISTIK, Skrivtid: 8:5-:5 Hjälpmedel:

Läs mer

Sannolikheter 0 < P < 1. Definition sannolikhet: Definition sannolikhet: En sannolikhet kan anta värden från 0 till 1

Sannolikheter 0 < P < 1. Definition sannolikhet: Definition sannolikhet: En sannolikhet kan anta värden från 0 till 1 Saolikheter E saolikhet ka ata värde frå 0 till 1 0 < P < 1 Beteckas: P Pr Prob Saolikhete för e hädelse Hädelse A P(A) Pr(A) Prob(A) Defiitio saolikhet: De frekves med vilke hädelse av itresse iträffar

Läs mer

MA2018 Tillämpad Matematik III-Statistik, 3.5hp,

MA2018 Tillämpad Matematik III-Statistik, 3.5hp, MA018 Tillämpad Matematik III-Statistik,.hp, 018-0-1 Hjälpmedel: Pea, radergummi och lijal. Räkedosa och medföljade formelsamlig är tillåte! Tetame består av 0 frågor! Edast Svarsblakette ska lämas i!

Läs mer

MA2018 Tillämpad Matematik III-Statistik, 3.5hp,

MA2018 Tillämpad Matematik III-Statistik, 3.5hp, MA08 Tillämpad Matematik III-Statistik, 3.5hp, 08-05-3 Hjälpmedel: Pea, radergummi och lijal. Räkedosa och medföljade formelsamlig är tillåte! Tetame består av 0 frågor! Edast Svarsblakette ska lämas i!

Läs mer

Föreläsning 2: Punktskattningar

Föreläsning 2: Punktskattningar Föreläsig : Puktskattigar Joha Thim joha.thim@liu.se 7 augusti 08 Repetitio Stickprov Defiitio. Låt de stokastiska variablera X, X,..., X vara oberoede och ha samma fördeligsfuktio F. Ett stickprov x,

Läs mer

TENTAMEN I MATEMATISK STATISTIK

TENTAMEN I MATEMATISK STATISTIK TETAME I MATEMATISK STATISTIK Te i kurse 6H, KÖTEORI OCH MATEMATISK STATISTIK, Te i kurse 6H, 6L MATEMATIK OCH MATEMATISK STATISTIK, Skrivtid: :-7: Lärare: Armi Halilovic Kurskod 6H, 6H, 6L, 6A Hjälpmedel:

Läs mer

Lösningar och kommentarer till uppgifter i 1.1

Lösningar och kommentarer till uppgifter i 1.1 Lösigar och kommetarer till uppgifter i. 407 d) 408 d) 40 a) 3 /5 5) 5 3 0 ) 0) 3 5 5 4 0 6 5 x 5 x) 5 x + 5 x 5 x 5 x 5 x + 5 x 40 Om det u är eklare så här a x a 3x + a x) a 4x + 43 a) 43 45 5 3 5 )

Läs mer

Vid mer än 30 frihetsgrader approximeras t-fördelningen med N(0; 1). Konfidensintervallet blir då

Vid mer än 30 frihetsgrader approximeras t-fördelningen med N(0; 1). Konfidensintervallet blir då Stat. teori gk, ht 006, JW F7 ENKEL LINJÄR REGRESSION, FORTS. (NCT.5-.7) Statistisk iferes rörade β Vi vet reda att b är e vätevärdesriktig skattig av modellparameter β. Vi vet också att skattige b har

Läs mer

2. Konfidensintervall för skillnaden mellan två proportioner.

2. Konfidensintervall för skillnaden mellan två proportioner. Föreläsig 12 LV1, Torsdag 12/10 Upplägg 1. Kofidesitervall för proportioer. 2. Kofidesitervall för skillade mella två proportioer. 3. Grafteori Kofidesitervall för proportioer Atag att vi vill skatta adele

Läs mer

F6 Uppskattning. Statistikens grunder 2 dagtid. Beteckningar, symboler, notation. Grekiskt-romerskt

F6 Uppskattning. Statistikens grunder 2 dagtid. Beteckningar, symboler, notation. Grekiskt-romerskt 01-10-19 F6 Uppskattig Statistikes gruder dagtid HT 01 Vi skattar populatiosparametrar (modellparametrar med olika statistikor: E. stickprovs- -medelvärdet X skattar μ -variase S skattar -adele P skattar

Läs mer

Z-Testet. Idè. Repetition normalfördelning. rdelning. Testvariabel z

Z-Testet. Idè. Repetition normalfördelning. rdelning. Testvariabel z Repetitio ormalfördelig rdelig Z-Testet X i. Medelvärdets fördelig:.stadardiserad ormalfördelig: N (, ) X N, X X N (, ) N (,) X N, X N(,) 3. Kvatiler: uwe.meel@math.uu.se Vad gör g r Z-testetZ? H : e ormalfördelad

Läs mer

SAMMANFATTNING TAMS79 Matematisk statistik, grundkurs

SAMMANFATTNING TAMS79 Matematisk statistik, grundkurs SAMMANFATTNING TAMS79 Matematisk statistik, grudkurs LÄST SOM EN DEL AV CIVILINGENJÖRSPROGRAMMET I INDUSTRIELL EKONOMI VID LITH, HT 2015 Versio: 1.0 Seast reviderad: 2016-02-01 Författare: Viktor Cheg

Läs mer

Viktigt! Glöm inte att skriva Tentamenskod på alla blad du lämnar in.

Viktigt! Glöm inte att skriva Tentamenskod på alla blad du lämnar in. Statistisk försöksplaerig Provmomet: Ladokkod: Tetame ges för: Skriftlig tetame 3,0 hp 51SF01 DTEIN14h 4,5 högskolepoäg TetamesKod: Tetamesdatum: 5 ovember 015 Tid: 9.00-13.00 Hjälpmedel: Miiräkare Totalt

Läs mer

Tentamen i matematisk statistik

Tentamen i matematisk statistik MSTA3, Saolikhetsteori A, 5 p 5--7 Tetame i matematisk statistik Saolikhetsteori A, 5 poäg Skrivtid: 9.-5.. Tillåta hjälpmedel: Tabellsamlig, ege miiräkare. Studetera får behålla tetamesuppgiftera. På

Läs mer

Stokastiska variabler

Stokastiska variabler TNG006 F2 11-04-2016 Stoastisa variabler Ett slumpmässigt försö ger ofta upphov till ett tal som bestäms av utfallet av försöet. Talet är ite ät före försöet uta bestäms av vilet utfall som ommer att uppstå,

Läs mer

Föreläsning G70 Statistik A

Föreläsning G70 Statistik A Föreläsig 7 73G70 Statistik A Hypotesprövig för jämförelse av populatiosadelar Krav: vi har dragit två OSU p( p) > 5 för båda stickprove Steg : Välj sigifikasivå och formulera hypoteser H 0 : π - π = d

Läs mer

Föreläsning G04 Surveymetodik 732G19 Utredningskunskap I

Föreläsning G04 Surveymetodik 732G19 Utredningskunskap I Föreläsig 5 732G04 Surveymetodik 732G19 Utredigskuskap I Dages föreläsig Klusterurval Estegs klusterurval Tvåstegs klusterurval Klusterurval med PPS 2 Klusterurval De urvalsdesiger som diskuterats hittills

Läs mer

Uppsala Universitet Matematiska institutionen Matematisk Statistik. Formel- och tabellsamling. Sannolikhetsteori och Statistik

Uppsala Universitet Matematiska institutionen Matematisk Statistik. Formel- och tabellsamling. Sannolikhetsteori och Statistik Uppsala Uiversitet Matematiska istitutioe Matematisk Statistik Formel- och tabellsamlig Saolikhetsteori och Statistik IT2-2004 Formelsamlig, Saolikhetsteori och Statistik IT-2004 1 Saolikhetsteori 1.1

Läs mer

Datorövning 2 Fördelningar inom säkerhetsanalys

Datorövning 2 Fördelningar inom säkerhetsanalys Luds tekiska högskola Matematikcetrum Matematisk statistik STATISTISKA METODER FÖR SÄKERHETSANALYS FMS065, HT-15 Datorövig 2 Fördeligar iom säkerhetsaalys I dea datorövig ska vi studera ågra grudläggade

Läs mer

Övningstentamen i MA2018 Tillämpad Matematik III-Statistik, 3.5hp

Övningstentamen i MA2018 Tillämpad Matematik III-Statistik, 3.5hp Övigstetame i MA08 Tillämpad Matematik III-Statistik,.hp Hjälpmedel: Pea, radergummi och lijal. Räkedosa och medföljade formelsamlig är tillåte! Tetame består av 0 frågor! Edast Svarsblakette ska lämas

Läs mer

Tentamen i statistik för STA A13, 1-10 poäng Deltentamen II, 5p Lördag 9 juni 2007 kl

Tentamen i statistik för STA A13, 1-10 poäng Deltentamen II, 5p Lördag 9 juni 2007 kl Avdelige för atioalekoomi och Tetame i för STA A13, 1-10 poäg Deltetame II, 5p Lördag 9 jui 007 kl. 09.00-13.00 Tillåta hjälpmedel: Bifogad formel- och tabellsamlig (skall retureras) samt miiräkare. Asvarig

Läs mer

MA2018 Tillämpad Matematik III-Statistik, 3.5hp,

MA2018 Tillämpad Matematik III-Statistik, 3.5hp, MA018 Tillämpad Matematik III-Statistik,.hp, 019-0-1 Hjälpmedel: Pea, radergummi och lijal. Räkedosa och medföljade formelsamlig är tillåte! Tetame består av 0 frågor! Edast Svarsblakette ska lämas i!

Läs mer

KOM IHÅG ATT NOTERA DITT TENTAMENSNUMMER NEDAN OCH TA MED DIG TALONGEN INNAN DU LÄMNAR IN TENTAN!!

KOM IHÅG ATT NOTERA DITT TENTAMENSNUMMER NEDAN OCH TA MED DIG TALONGEN INNAN DU LÄMNAR IN TENTAN!! Göteborgs uiversitet Psykologiska istitutioe Tetame Psykologi kurskod PC106, Kurs 6: Idivide i ett socialt sammahag (15 hp) och PC 145. Tid för tetame: 6/5-01. Hel och halvfart VT 1. Provmomet: Socialpsykologi

Läs mer

Datorövning 2 Fördelningar inom säkerhetsanalys

Datorövning 2 Fördelningar inom säkerhetsanalys Luds tekiska högskola Matematikcetrum Matematisk statistik STATISTISKA METODER FÖR SÄKERHETSANALYS FMS065 Datorövig 2 Fördeligar iom säkerhetsaalys I dea datorövig ska vi studera ågra grudläggade frå saolikhetsteori:

Läs mer

TAMS79: Föreläsning 9 Approximationer och stokastiska processer

TAMS79: Föreläsning 9 Approximationer och stokastiska processer TAMS79: Föreläsig 9 Approximatioer och stokastiska processer Joha Thim 18 ovember 2018 9.1 Biomialfördelig Vi har reda stött på dea fördelig flera gåger. Situatioe är att ett slumpförsök har två möjliga

Läs mer

Sannolikhetsteori FORMELSAMLING MATEMATISK STATISTIK, AK FÖR I, FMS 120, HT-00. Kap 2: Sannolikhetsteorins grunder

Sannolikhetsteori FORMELSAMLING MATEMATISK STATISTIK, AK FÖR I, FMS 120, HT-00. Kap 2: Sannolikhetsteorins grunder LUNDS TEKNISKA HÖGSKOLA MATEMATIKCENTRUM MATEMATISK STATISTIK FORMELSAMLING MATEMATISK STATISTIK, AK FÖR I, FMS 10, HT-00 Saolikhetsteori Kap : Saolikhetsteoris gruder Följade gäller för saolikheter: 0

Läs mer

LÖSNINGSFÖRSLAG TILL TENTAMEN I MATEMATISK STATISTIK

LÖSNINGSFÖRSLAG TILL TENTAMEN I MATEMATISK STATISTIK UMEÅ UNIVERSITET Istitutioe för matematisk statistisk Statistiska metoder, 5 poäg MSTA36 Peter Ato LÖSNINGSFÖRSLAG 005-10-6 LÖSNINGSFÖRSLAG TILL TENTAMEN I MATEMATISK STATISTIK Statistiska metoder, 5 poäg

Läs mer

Tentamen i Matematisk statistik för V2 den 28 maj 2010

Tentamen i Matematisk statistik för V2 den 28 maj 2010 Tetame i Matematisk statistik för V de 8 maj 00 Uppgift : E kortlek består av 5 kort. Dessa delas i i färger: 3 hjärter, 3 ruter, 3 spader och 3 klöver. Kortleke iehåller damer, e i varje färg. Ata att

Läs mer

TENTAMEN Datum: 16 okt 09

TENTAMEN Datum: 16 okt 09 TENTAMEN Datum: 6 okt 09 Kurs: KÖTEORI OCH MATEMATISK STATISTIK HF00 TEN (Matematisk statistik ) Te i kurse HF00 ( Tidigare k 6H0), KÖTEORI OCH MATEMATISK STATISTIK, Te i kurse HF00, 6H000, 6L000 MATEMATIK

Läs mer

MS-A0509 Grundkurs i sannolikhetskalkyl och statistik Sammanfattning, del II

MS-A0509 Grundkurs i sannolikhetskalkyl och statistik Sammanfattning, del II MS-A0509 Grudkurs i saolikhetskalkyl och statistik Sammafattig, del II G. Gripeberg Aalto-uiversitetet 14 februari 014 G. Gripeberg Aalto-uiversitetet) MS-A0509 Grudkurs i saolikhetskalkyl och statistiksammafattig,

Läs mer

Rättningstiden är i normalfall 15 arbetsdagar, annars är det detta datum som gäller:

Rättningstiden är i normalfall 15 arbetsdagar, annars är det detta datum som gäller: Matematisk Statistik Provmomet: Ladokkod: Tetame ges för: Tetame TT091A KMASK14H 7,5 högskolepoäg Nam: (Ifylles av studet) Persoummer: (Ifylles av studet) Tetamesdatum: 2 jui 2015 Tid: 9:00-13:00 Hjälpmedel:

Läs mer

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

ENDIMENSIONELL ANALYS B1 FÖRELÄSNING VI. Föreläsning VI. Mikael P. Sundqvist Föreläsig VI Mikael P. Sudqvist Aritmetisk summa, exempel Exempel I ett sällskap på 100 persoer skakar alla persoer had med varadra (precis e gåg). Hur måga hadskakigar sker? Defiitio I e aritmetisk summa

Läs mer

================================================

================================================ rmi Halilovic: ETR ÖVNINGR TVÅ STICKPROV Vi betraktar två oberoede ormalfördelade sv och Låt x, x,, x vara ett observerat stickprov, av storleke, på N (, ) och låt y, y,, y vara ett observerat stickprov,

Läs mer

P (A) = k A P (A ) = 1 P (A) P (A B) P (B) P (M i ) = 1 P (A) P (X = k) = p X (k) p X (k) = 1 P (A B) p X (k)

P (A) = k A P (A ) = 1 P (A) P (A B) P (B) P (M i ) = 1 P (A) P (X = k) = p X (k) p X (k) = 1 P (A B) p X (k) SVERIGES LANTBRUKSUNIVERSITET Istitutioe för eergi och tekik Uwe Mezel e-post: uwe.mezel@matstat.de Formelsamlig Grudläggade matematiskt statistik 2080822 Saolikhetslära Klassisk saolikhetsdeitio: P A

Läs mer

Följande begrepp används ofta vid beskrivning av ett statistiskt material:

Följande begrepp används ofta vid beskrivning av ett statistiskt material: Armi Halilovic: EXTRA ÖVNINGAR Besrivade statisti BESKRIVANDE STATISTIK. GRUNDBEGREPP Följade begrepp aväds ofta vid besrivig av ett statistist material: LÄGESMÅTT (medelvärde, media och typvärde): Låt

Läs mer

MS-A0509 Grundkurs i sannolikhetskalkyl och statistik Exempel etc., del II

MS-A0509 Grundkurs i sannolikhetskalkyl och statistik Exempel etc., del II MS-A0509 Grudkurs i saolikhetskalkyl och statistik Exempel etc., del II G. Gripeberg Aalto-uiversitetet 11 februari 014 G. Gripeberg Aalto-uiversitetet) MS-A0509 Grudkurs i saolikhetskalkyl och statistikexempel

Läs mer

MA2018 Tillämpad Matematik III-Statistik, 7.5hp, 2014-08-23

MA2018 Tillämpad Matematik III-Statistik, 7.5hp, 2014-08-23 1 MA018 Tillämpad Matematik III-Statistik, 7.5hp, 014-08-3 Hjälpmedel: Räkedosa och medföljade formelsamlig! Täk på att dia lösigar ska utformas så att det blir lätt för läsare att följa dia takegågar.

Läs mer

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

b 1 och har för olika värden på den reella konstanten a. Första häftet 649. a) A och B spelar cigarr, vilket som bekat tillgår på följade sätt. Omväxlade placerar de ibördes lika, jämtjocka cigarrer på ett rektagulärt bord, varvid varje y cigarr måste placeras

Läs mer

Sannolikhetslära statistisk inferens F10 ESTIMATION (NCT )

Sannolikhetslära statistisk inferens F10 ESTIMATION (NCT ) Stat. teori gk, vt 2006, JW F10 ESTIMATION (NCT 8.1-8.3) Ordlita till NCT Iferece Slutledig, ifere Parameter Parameter Saolikhetlära tatitik ifere Hittill har vi ylat med aolikhetlära. Problem av type:

Läs mer

DEL I. Matematiska Institutionen KTH

DEL I. Matematiska Institutionen KTH 1 Matematiska Istitutioe KTH Lösig till tetamesskrivig på kurse Diskret Matematik, momet A, för D2 och F, SF1631 och SF1630, de 5 jui 2009 kl 08.00-13.00. DEL I 1. (3p) Bestäm e lösig till de diofatiska

Läs mer

101. och sista termen 1

101. och sista termen 1 Lektio, Evariabelaalys de ovember 999 5.. Uttryck summa j uta summasymbole. j + Termera är idexerade frå j = till j = och varje term är blir j j+. Summa Skriver vi upp summa uta summasymbole blir de +

Läs mer

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

SANNOLIKHETER. Exempel. ( Tärningskast) Vi har sex möjliga utfall 1, 2, 3, 4, 5 och 6. Därför är utfallsrummet Ω = {1, 2, 3, 4, 5,6}. rmi Halilovic: EXTR ÖVIGR SOLIKHETER GRUDLÄGGDE BEGRE OH BETEKIGR Utfall Resultat av ett slumpmässigt försök. Utfallsrummet ägde av alla utfall (beteckas oftast med Ω ). Hädelse E delmägd av utfallsrummet.

Läs mer

Höftledsdysplasi hos dansk-svensk gårdshund - Exempel på tavlan

Höftledsdysplasi hos dansk-svensk gårdshund - Exempel på tavlan Höftledsdysplasi hos dask-svesk gårdshud - Exempel på tavla Sjö A Sjö B Förekomst av parasitdrabbad örig i olika sjöar Exempel på tavla Sjö C Jämföra medelvärde hos kopplade stickprov Tio elitlöpare spriger

Läs mer

Tentamen i matematisk statistik, Statistisk Kvalitetsstyrning, MSN320/TMS070 Lördag , klockan Lärare: Jan Rohlén

Tentamen i matematisk statistik, Statistisk Kvalitetsstyrning, MSN320/TMS070 Lördag , klockan Lärare: Jan Rohlén FACIT Tetame i matematisk statistik, Statistisk Kvalitetsstyrig, MSN3/TMS7 Lördag 6-1-16, klocka 14.-18. Lärare: Ja Rohlé Ugift 1 (3.5 ) Se boke! Ugift (3.5) Se boke! Ugift 3 (3) a-ugifte Partistorlek:

Läs mer

MS-A0509 Grundkurs i sannolikhetskalkyl och statistik Sammanfattning, del II

MS-A0509 Grundkurs i sannolikhetskalkyl och statistik Sammanfattning, del II Stickprov MS-A0509 Grudkurs i saolikhetskalkyl och statistik Sammafattig del II G Gripeberg Aalto-uiversitetet 4 februari 04 Estimerig 3 Kofidesitervall 4 Hypotesprövig 5 Korrelatio och regressio G Gripeberg

Läs mer

Genomsnittligt sökdjup i binära sökträd

Genomsnittligt sökdjup i binära sökträd Iformatiostekologi Tom Smedsaas 10 augusti 016 Geomsittligt sökdjup i biära sökträd Detta papper visar att biära sökträd som byggs upp av slumpmässiga data är bra. Beteckigar och defiitioer Defiitio De

Läs mer

Matematisk statistik TMS063 Tentamen

Matematisk statistik TMS063 Tentamen Matematisk statistik TMS063 Tetame 208-05-30 Tid: 8:30-2:30 Tetamesplats: SB Hjälpmedel: Bifogad formelsamlig och tabell samt Chalmersgodkäd räkare. Kursasvarig: Olof Elias Telefovakt/jour: Olof Elias,

Läs mer

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

Vad är det okända som efterfrågas? Vilka data är givna? Vilka är villkoren? Problemlösig. G. Polya ger i si utmärkta lilla bok How to solve it (Priceto Uiversity press, 946) ett schema att följa vid problemlösig. I de flod av böcker om problemlösig som har följt på Polyas bok

Läs mer

Tentamen 19 mars, 8:00 12:00, Q22, Q26

Tentamen 19 mars, 8:00 12:00, Q22, Q26 Avdelige för elektriska eergisystem EG225 DRIFT OCH PLANERING AV ELPRODUKTION Vårtermie 25 Tetame 9 mars, 8: 2:, Q22, Q26 Istruktioer Skriv alla svar på det bifogade svarsbladet. Det är valfritt att också

Läs mer

c n x n, där c 0, c 1, c 2,... är givna (reella eller n=0 c n x n n=0 absolutkonvergent om x < R divergent om x > R n n lim = 1 R.

c n x n, där c 0, c 1, c 2,... är givna (reella eller n=0 c n x n n=0 absolutkonvergent om x < R divergent om x > R n n lim = 1 R. P Potesserier Med e potesserie mear vi e serie av type c x, där c, c, c,... är giva (reella eller komplexa) kostater, s.k. koefficieter, och där x är e (reell eller komplex) variabel. För varje eskilt

Läs mer

Uppgifter 3: Talföljder och induktionsbevis

Uppgifter 3: Talföljder och induktionsbevis Gruder i matematik och logik (017) Uppgifter 3: Talföljder och iduktiosbevis Ur Matematik Origo 5 Talföljder och summor 3.01 101. E talföljd defiieras geom formel a 8 + 6. a) Är det e rekursiv eller e

Läs mer

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

Sannolikheten. met. A 3 = {2, 4, 6 }, 1 av 11 rmi Halilovic: EXTR ÖVIGR SOLIKHETER GRUDLÄGGDE EGRE OH ETEKIGR Utfall Resultat av ett slumpmässigt försök. Utfallsrummet ägde av alla utfall (beteckas oftast medd Ω ). Hädelse E delmägd av utfallsrumm

Läs mer

Webprogrammering och databaser. Begrepps-modellering. Exempel: universitetsstudier Kravspec. ER-modellen. Exempel: kravspec forts:

Webprogrammering och databaser. Begrepps-modellering. Exempel: universitetsstudier Kravspec. ER-modellen. Exempel: kravspec forts: Webprogrammerig och databaser Koceptuell datamodellerig med Etitets-Relatiosmodelle Begrepps-modellerig Mål: skapa e högivå-specifikatio iformatiosiehållet i database Koceptuell modell är oberoede DBMS

Läs mer

MS-A0509 Grundkurs i sannolikhetskalkyl och statistik Exempel etc., del II

MS-A0509 Grundkurs i sannolikhetskalkyl och statistik Exempel etc., del II MS-A0509 Grudkurs i saolikhetskalkyl och statistik Exempel etc., del II G. Gripeberg Aalto-uiversitetet 14 februari 014 G. Gripeberg (Aalto-uiversitetet) MS-A0509 Grudkurs i saolikhetskalkyl och statistikexempel

Läs mer

95%-igt konfidensintervall för andel kalsongbärare i populationen: Slutsats: Med 95% säkerhet finns andelen kalsongbärare i intervallet 38-48%

95%-igt konfidensintervall för andel kalsongbärare i populationen: Slutsats: Med 95% säkerhet finns andelen kalsongbärare i intervallet 38-48% UPPGIFT 1 Vi slumpmässigt urval har varje iivi e kä saolikhet att komma me i urvalet Resultatet går att geeralisera till populatioe är ma gjort slumpmässigt urval UPPGIFT A) Kostatterme: De som ite får

Läs mer

Konsoliderad version av. Styrelsens för ackreditering och teknisk kontroll föreskrifter (STAFS 1993:18) om EEG-märkning av färdigförpackade varor

Konsoliderad version av. Styrelsens för ackreditering och teknisk kontroll föreskrifter (STAFS 1993:18) om EEG-märkning av färdigförpackade varor Kosoliderad versio av Styrelses för ackrediterig och tekisk kotroll föreskrifter (STAFS 1993:18) om EEG-märkig av färdigförpackade varor Rubrike har dea lydelse geom (STAFS 2008:11) Ädrig iförd: t.o.m.

Läs mer

Databaser - Design och programmering. Programutveckling. Programdesign, databasdesign. Kravspecifikation. ER-modellen. Begrepps-modellering

Databaser - Design och programmering. Programutveckling. Programdesign, databasdesign. Kravspecifikation. ER-modellen. Begrepps-modellering Databaser desig och programmerig Desig processe ER-modellerig Programutvecklig Förstudie, behovsaalys Programdesig, databasdesig Implemetatio Programdesig, databasdesig Databasdesig Koceptuell desig Koceptuell

Läs mer