Stokastisk modellering av smittspridning
|
|
- Jan Hermansson
- för 4 år sedan
- Visningar:
Transkript
1 Stokastisk modellering av smittspridning inom ishockey Axel Åström Kandidatuppsats i matematisk statistik Bachelor Thesis in Mathematical Statistics
2 Kandidatuppsats 2017:19 Matematisk statistik Juni Matematisk statistik Matematiska institutionen Stockholms universitet Stockholm Matematiska institutionen
3 Matematisk statistik Stockholms universitet Kandidatuppsats 2017:19 Stokastisk modellering av smittspridning inom ishockey Axel Åström Juni 2017 Sammanfattning I denna rapport undersöks smittspridningen inom ishockey med hjälp av en stokastisk modell definierad i diskret tid. I modellen kan individer ha kontakter på en lokal nivå respektive en global nivå. Där den lokala nivån syftar på kontakter inom lag medan kontakter på den globala nivån sker när individer inom ett lag har kontakter med personer från ett annat lag i samband med att lagen spelar match mot varandra. Huvudfrågeställningen i arbetet är således att upptäcka om epidemins slutstorlek skiljer sig mellan två olika typer av spelscheman genom att utföra diverse simuleringar. Där de båda spelscheman som används utgår från att lagen spelar match var tredje dag. Skillnaden är att i det slumpmässiga schemat lottas spelordningen mellan lagen för varje matchdag medan det verkliga schemat utgår från ett spelschema som användes i den svenska ishockeyligan SHL under säsongen Resultatet blev då att slutstorleken verkade vara oberoende av vilket av de två spelscheman som användes. Däremot visade det sig att under vissa förutsättningar kunde epidemins slutstorlek minska samtidigt som smittsannolikheten inom lag ökade. Postadress: Matematisk statistik, Stockholms universitet, , Sverige. E-post: axel_eik95(at)msn.com. Handledare: Mia Deijfen och Pieter Trappman.
4 R 0
5
6
7
8
9 S S E E I I R R R R R t = 1, 2,..., 156
10 π L π G P (t) SE P (t) SE M P EI P IR S t E t I t R t S ti E ti I ti R ti SE EI IR SE i EI i IR i S S S E t S E t E I I R S t E t I t R t S t i E t i I t i R t i S E t E I t I R t i S E t i E I t i I R t i = 1, 2,..., n n n n n n S t = S ti E t = E ti I t = I ti R t = i=1 SE = n i=1 SE i i=1 EI = n i=1 EI i i=1 IR = n i=1 R ti i=1 IR i
11 N t N = S t +E t +I t +R t i M M = S ti + E ti + I ti + R ti i t N M t = 0 I N 1 S t = 0 S 0 = N 1 E 0 = 0 I 0 = 1 R 0 = 0 t = 1 t = 2 t = 3 S t = N k E t = 0 I t = 0 R t = k 1 k N k E I E I E I R t
12 S E I S 1 π L i t 1 P (t) SE = (1 π L) I ti P (t) SE = 1 (1 π L) I ti S t S E t i SE i Bin(S ti, P (t) SE ) i i j 1 P (t) SE M = (1 π L ) I ti (1 π G ) I tj i i j P (t) SE M = 1 (1 π L ) I ti (1 π G ) I tj S E t i SE i Bin(S ti, P (t) SE M )
13 E I E I P EI E (1 P EI ) P EI t P EI t D E D E Geo(P EI ) E[D E ] = 1 P EI E I t i EI i Bin(E ti, P EI ) I R t I R I P IR (1 P IR ) t P IR I D I Geo(P IR ) E[D I ] = 1 P IR I R t i IR Bin(I ti, P IR )
14 R 0 R 0 R 0 R 0 R 0 R0 L n = 30 R R0 L π L R L 0 = (n 1)P (A) P (A) P (A) = t=1 (1 P IR ) t 1 P IR P (A B t ) B t t P (A B t ) = 1 (1 π L ) t R L 0 R0 L = (n 1) (1 P IR ) t 1 P IR (1 (1 π L ) t ) t=1 = n 1 1 P IR (1 P IR ) t P IR (1 (1 π L ) t ) t=1 = n 1 P IR [1 1 P IR 1 (1 P IR )(1 π L ) ] = n 1 π L (1 P IR ) [ 1 P IR P IR + π L (1 P IR ) ]
15 R 0 R 0 R 0 ρ ρ ρ ρ π L π G
16 i t X U(0, 1) P (t) SE P EI P IR P EI P IR P (t) SE P (t) SE M P (t) SE
17 π L π G P EI P IR π L π G P EI = 1 P IR = 0.2 π G = 0.002
18 P EI = 1 P IR = 0.2 π G = π L P IR
19 P EI = 1 P IR = 0.5 π G = π L R E P EI = 0.2 P IR = 0.2 π G = 0.002
20 P EI = 0.2 P IR = 0.5 π G = π L R 0 R 0
21 P EI = 1 P IR = 0.5 π L = 0.02 π L π G P EI = 1 P IR = 0.5 π L = 0.02 π G R L 0 = P EI = 1 P IR = 0.5 π L = 0.02 π G = 0.005
22 π L = 0.02 π G = P IR = 0.5 P EI = 1 R0 L = P EI = 1 P IR = 0.2 π L = 0.1 π G = P EI = 0.5 P IR = 0.5 π L = 0.05 π G = 0.005
23 π L = 0.1 π G = P IR = 0.2 P EI = 1 π L = 0.05 π G = P IR = 0.5 P EI = 0.5 R0 L = RL 0 =
24 π L = 0.1 π G = P IR = 0.2 P EI = 1 R0 L =
25 π L = 0.05 π G = P IR = 0.5 P EI = 0.5 R0 L =
26
27
28
29 P EI = 1 P IR = 0.5 π G = 0.01 π L
30 P EI = 0.2 P IR = 0.2 π G = 0.01 π L
Erdös-Rényi-grafer. Jiong Cao. Kandidatuppsats i matematisk statistik Bachelor Thesis in Mathematical Statistics
Erdös-Rényi-grafer Jiong Cao Kandidatuppsats i matematisk statistik Bachelor Thesis in Mathematical Statistics Kandidatuppsats 2010:1 Matematisk statistik Januari 2010 www.math.su.se Matematisk statistik
Läs merEn jämförelse av triangelskapande mekanismer hos slumpgrafer
En jämförelse av triangelskapande mekanismer hos slumpgrafer Tobbe Anliot Kandidatuppsats i matematisk statistik Bachelor Thesis in Mathematical Statistics Kandidatuppsats 015:1 Matematisk statistik Juni
Läs merValbara kurser för kandidatexamen i matematisk statistik
1 (5) 2019-03-27 Martin Sköld Studierektor Matematiska institutionen Matematisk statistik Valbara kurser för examina inom huvudområdena matematisk statistik och försäkringsmatematik I de lokala examensbeskrivningarna
Läs mer** a) Vilka värden ska vara istället för * och **? (1 p) b) Ange för de tre tillstånden vilket som svarar mot 0,1,2 i figuren.
Avd. Matematisk statistik TENTAMEN I SF1904 MARKOVPROCESSER FREDAGEN DEN 19 AUGUSTI 2016 KL 08.00 13.00. Examinator: Jimmy Olsson tel. 790 72 01. Tillåtna hjälpmedel: Formel- och tabellsamling i Matematisk
Läs merEffekt av karantän under epidemi i sociala nätverk
Effekt av karantän under epidemi i sociala nätverk Johan Ullsten Kandidatuppsats i matematisk statistik Bachelor Thesis in Mathematical Statistics Kandidatuppsats 25:5 Matematisk statistik Juni 25 www.math.su.se
Läs merEbolas epidemirisk och kontrollstrategier
Ebolas epidemirisk och kontrollstrategier Emil Hellström Kandidatuppsats i matematisk statistik Bachelor Thesis in Mathematical Statistics Kandidatuppsats 2016:26 Matematisk statistik Augusti 2016 www.math.su.se
Läs merStudie av olika strategier för att förhindra spridningen av ett datorvirus inom ett e-postnätverk
Studie av olika strategier för att förhindra spridningen av ett datorvirus inom ett e-postnätverk Carl-Michael Lindblom Berglund Kandidatuppsats i matematisk statistik Bachelor Thesis in Mathematical Statistics
Läs merUtbildningsplan för Matematikprogrammet (N1MAT) Bachelor s Programme in Mathematics Grundnivå
Naturvetenskapliga fakulteten Dnr G 2015/59 Utbildningsplan för Matematikprogrammet (N1MAT) Bachelor s Programme in Mathematics Grundnivå 1. Utbildningsprogrammets benämning och omfattning Programmet benämns
Läs merSF1901 Sannolikhetsteori och statistik I
SF1901 Sannolikhetsteori och statistik I Jimmy Olsson Föreläsning 3 4 november 2016 1 / 28 Idag Förra gången Stokastiska variabler (Kap. 3.2) Diskret stokastisk variabel (Kap. 3.3 3.4) Kontinuerlig stokastisk
Läs merSimultan spridning av HIV och TBC
Simultan spridning av HIV och TBC Lisa Axelsson Kandidatuppsats i matematisk statistik Bachelor Thesis in Mathematical Statistics Kandidatuppsats 2017:20 Matematisk statistik Juni 2017 www.math.su.se Matematisk
Läs merStokastiska Processer och ARIMA. Patrik Zetterberg. 19 december 2012
Föreläsning 7 Stokastiska Processer och ARIMA Patrik Zetterberg 19 december 2012 1 / 22 Stokastiska processer Stokastiska processer är ett samlingsnamn för Sannolikhetsmodeller för olika tidsförlopp. Stokastisk=slumpmässig
Läs merNATURVETENSKAPLIGA FAKULTETEN
NATURVETENSKAPLIGA FAKULTETEN Utbildningsplan Dnr GU 2019/1736 Matematikprogrammet, 180 högskolepoäng Bachelor's Programme in Mathematics, 180 credits Programkod: N1MAT 1. Fastställande Utbildningsplanen
Läs merMatematisk statistik 9 hp Föreläsning 4: Flerdim
Matematisk statistik 9 hp Föreläsning 4: Flerdim Johan Lindström 3+4 september 26 Johan Lindström - johanl@maths.lth.se FMS2 F4: Flerdim /5 Transformer Inversmetoden Transformation av stokastiska variabler
Läs merSF1901: Sannolikhetslära och statistik. Flera stokastiska variabler.
SF1901: Sannolikhetslära och statistik Föreläsning 5. Flera stokastiska variabler. Jan Grandell & Timo Koski 31.01.2012 Jan Grandell & Timo Koski () Matematisk statistik 31.01.2012 1 / 30 Flerdimensionella
Läs merStokastiska processer med diskret tid
Stokastiska processer med diskret tid Vi tänker oss en följd av stokastiska variabler X 1, X 2, X 3,.... Talen 1, 2, 3,... räknar upp tidpunkter som förflutit från startpunkten 1. De stokastiska variablerna
Läs merMatematisk statistik för D, I, Π och Fysiker
Matematisk statistik för D, I, Π och Fysiker Föreläsning 8 Johan Lindström 9 oktober 218 Johan Lindström - johanl@maths.lth.se FMSF45/MASB3 F8 1/26 process Johan Lindström - johanl@maths.lth.se FMSF45/MASB3
Läs merMatematisk statistik 9hp Föreläsning 2: Slumpvariabel
Matematisk statistik 9hp Föreläsning 2: Slumpvariabel Anna Lindgren 6+7 september 2016 Anna Lindgren anna@maths.lth.se FMS012/MASB03 F2: Slumpvariabel 1/23 Begrepp Samband Grundläggande begrepp Utfall
Läs mer1. En kortlek består av 52 kort, med fyra färger och 13 valörer i varje färg.
Tentamenskrivning för TMS63, Matematisk Statistik. Onsdag fm den 1 juni, 16, Eklandagatan 86. Examinator: Marina Axelson-Fisk. Tel: 7-88113. Tillåtna hjälpmedel: typgodkänd miniräknare, tabell- och formelhäfte
Läs merUppgift 3: Den stokastiska variabeln ξ har frekvensfunktionen 0 10 f(x) =
Tentamen i Matematisk statistik för DAI och EI den 3 mars. Tid: kl 4. - 8. Hjälpmedel: Chalmersgodkänd ( typgodkänd ) räknedosa, Tabell- och formelsamling, Håkan Blomqvist, Matematisk statistik, Ulla Dahlbom,
Läs merMatematisk statistik för D, I, Π och Fysiker
max/min Matematisk statistik för D, I, Π och Fysiker Föreläsning 5 Johan Lindström 25 september 218 Johan Lindström - johanl@maths.lth.se FMSF45/MASB3 F5 1/25 max/min Johan Lindström - johanl@maths.lth.se
Läs merTentamen i Statistik, STA A13 Deltentamen 1, 4p 27 mars 2004, kl
Karlstads universitet Institutionen för informationsteknologi Avdelningen för statistik Tentamen i Statistik, STA A13 Deltentamen 1, 4p 7 mars 004, kl. 09.00-13.00 Tillåtna hjälpmedel: Ansvarig lärare:
Läs merMatematisk statistik för D, I, Π och Fysiker
Matematisk statistik för D, I, Π och Fysiker Föreläsning 9 Johan Lindström 16 oktober 2018 Johan Lindström - johanl@maths.lth.se FMSF45/MASB03 F9 1/26 Johan Lindström - johanl@maths.lth.se FMSF45/MASB03
Läs merStokastiska processer med diskret tid
Stokastiska processer med diskret tid Vi tänker oss en följd av stokastiska variabler X 1, X 2, X 3,.... Talen 1, 2, 3,... räknar upp tidpunkter som förflutit från startpunkten 1. De stokastiska variablerna
Läs merFöreläsning 2, Matematisk statistik för M
Repetition Stok. Var. Diskret Kont. Fördelningsfnk. Föreläsning 2, Matematisk statistik för M Erik Lindström 25 mars 2015 Erik Lindström - erikl@maths.lth.se FMS012 F2 1/16 Repetition Stok. Var. Diskret
Läs mer1.1 Diskret (Sannolikhets-)fördelning
Föreläsning III. Diskret (Sannolikhets-)fördelning Med diskret menas i matematik, att något antar ett ändligt antal värden eller uppräkneligt oändligt med värden e.vis {, 2, 3,...}. Med fördelning menas
Läs merMatematisk statistik KTH. Formelsamling i matematisk statistik
Matematisk statistik KTH Formelsamling i matematisk statistik Vårterminen 2017 1 Kombinatorik ) n n! = k k! n k)!. Tolkning: mängd med n element. ) n = antalet delmängder av storlek k ur en k 2 Stokastiska
Läs merSF1901 Sannolikhetsteori och statistik I
SF1901 Sannolikhetsteori och statistik I Jimmy Olsson Föreläsning 4 7 november 2017 1 / 29 Idag Förra gången Viktiga kontinuerliga fördelningar (Kap. 3.6) Fördelningsfunktion (Kap. 3.7) Funktioner av stokastiska
Läs merTentamen LMA 200 Matematisk statistik,
Tentamen LMA 00 Matematisk statistik, 0 Tentamen består av åtta uppgifter motsvarande totalt 50 poäng. Det krävs minst 0 poäng för betyg, minst 0 poäng för 4 och minst 40 för 5. Examinator: Ulla Blomqvist,
Läs merUtbildningsplan för Matematiska vetenskaper, masterprogram (N2MAT), 120 hp
Dnr G 2015/309 NATURVETENSKAPLIGA FAKULTETEN Utbildningsplan för Matematiska vetenskaper, masterprogram (N2MAT), 120 hp 1. Utbildningsprogrammets benämning och omfattning Matematiska vetenskaper, masterprogram,
Läs merAvd. Matematisk statistik
Avd. Matematisk statistik TENTAMEN I SF1902 SANNOLIKHETSTEORI OCH STATISTIK MÅNDAGEN DEN 14:E AUGUSTI 2017 KL 8.00 13.00. Kursledare och examinator : Björn-Olof Skytt, tel 790 8649. Tillåtna hjälpmedel:
Läs merFöreläsning 8, Matematisk statistik Π + E
Repetition Binomial Poisson Stokastisk process Föreläsning 8, Matematisk statistik Π + E Sören Vang Andersen 9 december 214 Sören Vang Andersen - sva@maths.lth.se FMS12 F8 1/23 Repetition Binomial Poisson
Läs merSF1901: Sannolikhetslära och statistik
SF1901: Sannolikhetslära och statistik Föreläsning 5. Kovarians, korrelation, väntevärde och varians för summor av s.v.:er, normalfördelning (del 1) Jan Grandell & Timo Koski 15.09.2008 Jan Grandell &
Läs merMatematisk statistik för D, I, Π och Fysiker
Matematisk statistik för D, I, Π och Fysiker Föreläsning 6 Johan Lindström oktober 8 Johan Lindström - johanl@maths.lth.se FMSF45/MASB F6 /9 Johan Lindström - johanl@maths.lth.se FMSF45/MASB F6 /9 Summa
Läs merMatematisk statistik 9 hp Föreläsning 8: Binomial- och Poissonfördelning, Poissonprocess
Matematisk statistik 9 hp Föreläsning 8: Binomial- och Poissonfördelning, Poissonprocess Anna Lindgren 4+5 oktober 216 Anna Lindgren anna@maths.lth.se FMS12/MASB3 F8: Binomial och Poisson 1/18 N(μ, σ)
Läs merb) Vad är sannolikheten att personen somnar i lägenheten? (4 p) c) Hur många gånger förväntas personen byta rum? (4 p)
Avd. Matematisk statistik TENTAMEN I SF904 MARKOVPROCESSER TISDAGEN DEN 9 JUNI 05 KL 4.00 9.00. Examinator: Boualem Djehiche tel. 790 78 75. Tillåtna hjälpmedel: Formel- och tabellsamling i Matematisk
Läs merTentamen LMA 200 Matematisk statistik, data/elektro
Tentamen LMA 00 Matematisk statistik, data/elektro 039 Tentamen består av åtta uppgiter motsvarande totalt 50 poäng. Det krävs minst 0 poäng ör betyg 3, minst 30 poäng ör 4 och minst 40 ör 5. Examinator:
Läs merNAMAS, Masterprogram i matematisk statistik, 120 högskolepoäng Master Programme in Mathematical Statistics, 120 credits
Naturvetenskapliga fakulteten NAMAS, Masterprogram i matematisk statistik, 120 högskolepoäng Master Programme in Program med akademiska förkunskapskrav och med slutlig examen på avancerad nivå / Second
Läs merLINKÖPINGS UNIVERSITET EXAM TAMS 27 / TEN 2
LINKÖPINGS UNIVERSITET Matematiska institutionen EXAM TAMS 27 / TEN 2 augusti 218, klockan 8.-12. Examinator: Jörg-Uwe Löbus (Tel: 79-62827) Tillåtna hjälpmedel är en räknare, formelsamling i matematisk
Läs merFinansiell Statistik (GN, 7,5 hp,, HT 2008) Föreläsning 3
Finansiell Statistik (GN, 7,5 hp,, HT 2008) Föreläsning 3 Kontinuerliga sannolikhetsfördelningar (LLL Kap 7 & 9) Department of Statistics (Gebrenegus Ghilagaber, PhD, Associate Professor) Financial Statistics
Läs merMatematisk statistik 9 hp Föreläsning 3: Transformation och simulering
Matematisk statistik 9 hp Föreläsning 3: Transformation och simulering Anna Lindgren 8+9 september 216 Anna Lindgren - anna@maths.lth.se FMS12/MASB3: transform 1/11 Stokastisk variabel Kvantil Stokastisk
Läs merInnehåll
Innehåll... 2... 2... 2... 2... 3... 3... 3... 3... 3... 4... 4... 4... 4... 4... 4... 4... 5... 5... 5... 5... 6... 6... 6... 7 1 Sölvesborg Padel League (SPL) är öppen för alla. Matcherna spelas på House
Läs merSF1901: Sannolikhetslära och statistik. Mer om Approximationer
SF1901: Sannolikhetslära och statistik Föreläsning 7.A Mer om Approximationer Jan Grandell & Timo Koski 10.02.2012 Jan Grandell & Timo Koski () Matematisk statistik 10.02.2012 1 / 21 Repetition CGS Ofta
Läs merSchellings segregationsmodell - en simuleringsstudie
Schellings segregationsmodell - en simuleringsstudie Jessika Djäknegård Kandidatuppsats i matematisk statistik Bachelor Thesis in Mathematical Statistics Kandidatuppsats 2015:23 Matematisk statistik September
Läs mer4 Diskret stokastisk variabel
4 Diskret stokastisk variabel En stokastisk variabel är en variabel vars värde bestäms av utfallet av ett slumpmässigt försök. En stokastisk variabel betecknas ofta med X, Y eller Z (i läroboken används
Läs merAvd. Matematisk statistik
Avd. Matematisk statistik TENTAMEN I SF1901 SANNOLIKHETSTEORI OCH STATISTIK, MÅNDAGEN DEN 14:E AUGUSTI 2017 KL 08.00 13.00. Examinator: Thomas Önskog, 08 790 84 55. Tillåtna hjälpmedel: Formel- och tabellsamling
Läs mera) Beräkna sannolikheten att en följd avkodas fel, det vill säga en ursprungliga 1:a tolkas som en 0:a eller omvänt, i fallet N = 3.
Avd. Matematisk statistik TENTAMEN I SF1901 SANNOLIKHETSTEORI OCH STATISTIK, TISDAGEN DEN 14:E MARS 017 KL 08.00 13.00. Examinator: Thomas Önskog, 08 790 84 55. Tillåtna hjälpmedel: Formel- och tabellsamling
Läs merFöreläsning 5, Matematisk statistik Π + E
Repetition Summor max/min Väntevärde Varians Föreläsning 5, Matematisk statistik Π + E Sören Vang Andersen 25 november 2014 Sören Vang Andersen - sva@maths.lth.se FMS012 F5 1/16 Repetition Summor max/min
Läs merFACIT: Tentamen L9MA30, LGMA30
Göteborgs Universitetet GU Lärarprogrammet 216 FACIT: Matematik 3 för lärare, åk 7-9, Sannolikhetslära och statistik, Matematik 3 för gymnasielärare, Sannolikhetslära och statistik 216-1-21 kl. 8.3-12.3
Läs merMatematisk statistik, LMA 200, för DAI och EI den 25 aug 2011
Matematisk statistik, LMA, för DAI och EI den 5 aug Tentamen består av åtta uppgifter om totalt 5 poäng. Det krävs minst poäng för betyg, minst poäng för och minst för 5. Examinator: Ulla Blomqvist Hjälpmedel:
Läs merF2 Introduktion. Sannolikheter Standardavvikelse Normalapproximation Sammanfattning Minitab. F2 Introduktion
Gnuer i skyddade/oskyddade områden, binära utfall och binomialfördelningar Matematik och statistik för biologer, 10 hp Fredrik Jonsson Januari 2012 I vissa områden i Afrika har man observerat att förekomsten
Läs merFöreläsning 7: Punktskattningar
Föreläsning 7: Punktskattningar Matematisk statistik Chalmers University of Technology September 21, 2015 Tvådimensionella fördelningar Definition En två dimensionell slumpvariabel (X, Y ) tillordnar två
Läs merMarkovprocesser SF1904
Markovprocesser SF1904 Johan Westerborn johawes@kth.se Föreläsning 5 Markovprocesser 2 Maj 2016 Johan Westerborn Markovprocesser (1) Föreläsning 5 Föreläsningsplan 1 Förra Föreläsningen 2 Poissonprocessen
Läs merSF1901: Sannolikhetslära och statistik
SF1901: Sannolikhetslära och statistik Föreläsning 8. Approximationer av sannolikhetsfördelningar Jan Grandell & Timo Koski 11.02.2016 Jan Grandell & Timo Koski Matematisk statistik 11.02.2016 1 / 40 Centrala
Läs merGÖTEBORGS UNIVERSITET Naturvetenskapliga fakultetsnämnden. Utbildningsplan för Matematikprogrammet (N1MAT) 1. Beslut om fastställande. 2.
GÖTEBORGS UNIVERSITET Naturvetenskapliga fakultetsnämnden Utbildningsplan för Matematikprogrammet (N1MAT) 180 högskolepoäng Grundnivå Bachelor Program in Mathematics 1. Beslut om fastställande Utbildningsplanen
Läs merMarkovprocesser SF1904
Markovprocesser SF1904 Johan Westerborn johawes@kth.se Föreläsning 5 Markovprocesser 24 April 2015 Johan Westerborn Markovprocesser (1) Föreläsning 5 Föreläsningsplan 1 Förra Föreläsningen 2 Poissonprocessen
Läs merSF1920/SF1921 Sannolikhetsteori och statistik 6,0 hp Föreläsning 6 Väntevärden Korrelation och kovarians Stora talens lag. Jörgen Säve-Söderbergh
SF1920/SF1921 Sannolikhetsteori och statistik 6,0 hp Föreläsning 6 Väntevärden Korrelation och kovarians Stora talens lag Jörgen Säve-Söderbergh Väntevärde för en funktion av en stokastisk variabel Om
Läs merSF1901: Sannolikhetslära och statistik
SF1901: Sannolikhetslära och statistik Föreläsning 4. Väntevärde och varians, funktioner av s.v:er, flera stokastiska variabler. Jan Grandell & Timo Koski 10.09.2008 Jan Grandell & Timo Koski () Matematisk
Läs merÖvningstentamen i matematisk statistik
Övningstentamen i matematisk statistik Uppgift : Från ett register över manliga patienter med diabetes fick man följande statistik i procent: Lindrigt fall Allvarligt fall Patientens Någon förälder med
Läs merTentamen LMA 200 Matematisk statistik,
Tentamen LMA Matematisk statistik, Tentamen består av åtta uppgifter motsvarande totalt poäng. Det krävs minst poäng för betyg, minst poäng för 4 och minst 4 poäng för. Examinator: Ulla Blomqvist, ankn
Läs merTentamen i Sannolikhetslära och statistik (lärarprogrammet) 12 februari 2011
STOCKHOLMS UNIVERSITET MATEMATISK STATISTIK Louise af Klintberg Lösningar Tentamen i Sannolikhetslära och statistik (lärarprogrammet) 12 februari 2011 Uppgift 1 a) För att få hög validitet borde mätningarna
Läs merSF1920/SF1921 Sannolikhetsteori och statistik 6,0 hp Föreläsning 3 Diskreta stokastiska variabler. Jörgen Säve-Söderbergh
SF1920/SF1921 Sannolikhetsteori och statistik 6,0 hp Föreläsning 3 Diskreta stokastiska variabler Jörgen Säve-Söderbergh Stokastisk variabel Singla en slant två gånger. Ω = {Kr Kr, Kr Kl, Kl Kr, Kl Kl}
Läs merSF1901: Sannolikhetslära och statistik
SF1901: Sannolikhetslära och statistik Föreläsning 4. Funktioner av s.v:er, Flera stokastiska variabler. Marginell sannolikhetsfunktion och -täthetsfunktion. Oberoende sv:er, Maximum och minimum av oberoende
Läs mer(a) Avgör om A och B är beroende händelser. (5 p) (b) Bestäm sannolikheten att A inträffat givet att någon av händelserna A och B inträffat.
Avd. Matematisk statistik TENTAMEN I SF1901, SANNOLIKHETSLÄRA OCH STATISTIK I, MÅNDAGEN DEN 15 AUGUSTI 2016 KL 08.00 13.00. Examinator: Tatjana Pavlenko, 08 790 84 66. Kursledare: Thomas Önskog, 08 790
Läs merKursbeskrivning för Statistisk teori med tillämpningar, 15 hp
Statistiska institutionen HT 2014 Kursbeskrivning för Statistisk teori med tillämpningar, 15 hp Kursen består av fyra moment: 1. Statistisk teori med tillämpningar I, tentamen, 6 hp 2. Inlämningsuppgift
Läs merVåra vanligaste fördelningar
Sida Våra vanligaste fördelningar Matematisk statistik för D3, VT Geometrisk fördelning X är geometriskt fördelad med parameter p, X Geo(p), om P (X = k) = ( p) k p P (X k) = ( p) k för k =,,... Beskriver
Läs merFöreläsning 7: Punktskattningar
Föreläsning 7: Punktskattningar Matematisk statistik Chalmers University of Technology April 27, 2015 Tvådimensionella fördelningar Definition En två dimensionell slumpvariabel (X, Y ) tillordnar två numeriska
Läs merSF1915 Sannolikhetsteori och statistik 6 hp. χ 2 -test
SF1915 Sannolikhetsteori och statistik 6 hp Föreläsning 12 χ 2 -test Jörgen Säve-Söderbergh Anpassningstest test av given fördelning n oberoende försök med r möjliga olika utfall Händelse A 1 A 2... A
Läs merTransportplan för postnummer 97345 LULEÅ
100 12 STOCKHOLM ON TO FR MÅ TI F TO FR MÅ TI ON Stockholm 100 26 STOCKHOLM ON TO FR MÅ TI F TO FR MÅ TI ON Stockholm 100 27 STOCKHOLM ON TO FR MÅ TI F TO FR MÅ TI ON Stockholm 100 28 STOCKHOLM ON TO FR
Läs merTransportplan för postnummer 39239 KALMAR
100 12 STOCKHOLM TI ON TO FR MÅ F FR MÅ TI ON TO Stockholm 100 26 STOCKHOLM TI ON TO FR MÅ F FR MÅ TI ON TO Stockholm 100 27 STOCKHOLM TI ON TO FR MÅ F FR MÅ TI ON TO Stockholm 100 28 STOCKHOLM TI ON TO
Läs merDRICKS. Projektprogram för FoU inom dricksvattenområdet i Sverige från råvatten till tappkran (projekt nr. 12-104, för DRICKS 2012-2014)
DRICKS Projektprogram för FoU inom dricksvattenområdet i Sverige från råvatten till tappkran (projekt nr. 12-104, för DRICKS 2012-2014) (huvudprojektledare - DRICKS) VA-mässan, Göteborg 20 september 2012
Läs merUppgift 1 (a) För två händelser, A och B, är följande sannolikheter kända
Avd. Matematisk statistik TENTAMEN I SF90, SANNOLIKHETSTEORI OCH STATISTIK, TISDAGEN DEN 9:E JUNI 205 KL 4.00 9.00. Kursledare: Tatjana Pavlenko, 08-790 84 66 Tillåtna hjälpmedel: Formel- och tabellsamling
Läs merÖVNINGSUPPGIFTER KAPITEL 9
ÖVNINGSUPPGIFTER KAPITEL 9 STOKASTISKA VARIABLER 1. Ange om följande stokastiska variabler är diskreta eller kontinuerliga: a. X = En slumpmässigt utvald person ur populationen är arbetslös, där x antar
Läs mere x/1000 för x 0 0 annars
VK Matematiska institutionen avd matematisk statistik TENTAMEN I 5B506 MATEMATISK STATISTIK GRUNDKURRS FÖR D OCH F, 5B504 MATEMATISK STATISTIK GRUNDKURS FÖR ÄLDRE OCH 5B50 MARKOVPROCESSER ONSDAGEN DEN
Läs merUndervisningsprogram 2015-2016 Uppdaterat 30.12.2015. Matematik
Undervisningsprogram 2015-2016 Uppdaterat 30.12.2015 Matematik Notera att utbildningen är planerad enligt ingången matematik/fysik. Se närmare information i studiehandboken. Tutorer: Oscar Granlund och
Läs merKristianstad Padel League (KPL) är öppen för alla. Matcherna spelas i Lindabhallen i Kristianstad enligt ett fastställt spelschema.
INNEHÅLL ALLMÄN INFORMATION... 1 DAM, HERR OCH MIX... 1 ANMÄLAN NYTT LAG... 1 SÄSONG... 1 SERIE... 2 LAG... 2 SPELDAG OCH TID... 2 FLYTT AV MATCH... 2 WALKOVER... 3 UTEBLIVANDE FRÅN MATCH... 3 DISKVALIFIKATION...
Läs merKursnamn Omf. Kod Lärare Vecka Tid Auditorium
Information om studieorienteringsveckan hittas på http://www.abo.fi/student/studieorientering Tutorer: Joni Järvinen och Karin Karppi Kursnamn Omf. Kod Lärare Vecka Tid Auditorium ÅRSKURS 1 Studieorientering
Läs merProblemsamling i Sannolikhetsteori
Problemsamling i Sannolikhetsteori till An Intermediate Course in Probability av Allan Gut Sammanställd av Harald Lang 22/5-05 Kapitel 0 (Introduction) Man har ett seriesystem med två enheter som går sönder
Läs merSF1901: Sannolikhetslära och statistik
SF9: Sannolikhetslära och statistik Föreläsning 3. Stokastiska variabler, diskreta och kontinuerliga Jan Grandell & Timo Koski 8.9.28 Jan Grandell & Timo Koski () Matematisk statistik 8.9.28 / 45 Stokastiska
Läs merProblemdel 1: Uppgift 1
STOCKHOLMS UNIVERSITET MT 00 MATEMATISKA INSTITUTIONEN LÖSNINGAR Avd. Matematisk statistik, CH 8 februari 0 LÖSNINGAR 8 februari 0 Problemdel : Uppgift Rätt svar är: a) X och X är oberoende och Y och Y
Läs merFöreläsning 2 (kap 3): Diskreta stokastiska variabler
Föreläsning 2 (kap 3): Diskreta stokastiska variabler Marina Axelson-Fisk 20 april, 2016 Idag: Diskreta stokastiska (random) variabler Frekvensfunktion och fördelningsfunktion Väntevärde Varians Några
Läs merLaboration 2: Sannolikhetsteori och simulering
Lunds tekniska högskola Matematikcentrum Matematisk statistik Laboration 2 Matematisk statistik AK för Π och E, FMS012, HT14/VT15 Laboration 2: Sannolikhetsteori och simulering Syftet med den här laborationen
Läs merMatematisk statistik 9hp Föreläsning 7: Normalfördelning
Matematisk statistik 9hp Föreläsning 7: Normalfördelning Anna Lindgren 29+3 september 216 Anna Lindgren anna@maths.lth.se FMS12/MASB3 F7: normalfördelning 1/18 Kovarians, C(X, Y) Repetition Normalfördelning
Läs merFormel- och tabellsamling i matematisk statistik
Formel- och tabellsamling i matematisk statistik 1. Sannolikhetsteori för lärarprogrammet Sannolikhetsformler P (A ) = 1 P (A) P (A B) = P (A) + P (B) P (A B) P (A B) = P (A B) P (B) P (A B) = P (A B)P
Läs merFMSF55: Matematisk statistik för C och M OH-bilder på föreläsning 5, a 2 e x2 /a 2, x > 0 där a antas vara 0.6.
Lunds tekniska högskola Matematikcentrum Matematisk statistik FMSF55: Matematisk statistik för C och M OH-bilder på föreläsning 5, 28-4-6 EXEMPEL (max och min): Ett instrument består av tre komponenter.
Läs merExempel. Kontinuerliga stokastiska variabler. Integraler i stället för summor. Integraler i stället för summor
Kontinuerliga stokastiska variabler Exempel En stokastisk variabel är kontinuerlig om den kan anta vilka värden som helst i ett intervall, men sannolikheten för varje enskilt utfall är noll: P(X = x) =.
Läs merFöreläsning 3. Kapitel 4, sid Sannolikhetsfördelningar
Föreläsning 3 Kapitel 4, sid 79-124 Sannolikhetsfördelningar 2 Agenda Slumpvariabel Sannolikhetsfördelning 3 Slumpvariabel (Stokastisk variabel) En variabel som beror av slumpen Ex: Tärningskast, längden
Läs merSannolikhetslära och statistik, grundkurs
DNR LIU-2018-02499 1(5) Sannolikhetslära och statistik, grundkurs Programkurs 6 hp Probability and Statistics, First Course TAMS42 Gäller från: 2019 VT Fastställd av Programnämnden för data- och medieteknik,
Läs mercx 5 om 2 x 8 f X (x) = 0 annars Uppgift 4
Avd. Matematisk statistik TENTAMEN I SF1902 SANNOLIKHETSTEORI OCH STATISTIK ONSDAGEN DEN 1:A JUNI 201 KL 8.00 13.00. Kursledare och examinator : Björn-Olof Skytt, tel 790 849. Tillåtna hjälpmedel: miniräknare,
Läs merIndivid nr Första testet Sista testet
Avd. Matematisk statistik TENTAMEN I SF1902 SANNOLIKHETSTEORI OCH STATISTIK ONSDAGEN DEN 7:E JUNI 2017 KL 14.00 19.00. Kursledare och examinator : Björn-Olof Skytt, tel 790 8649. Tillåtna hjälpmedel: miniräknare,
Läs mer40 5! = 1, ! = 1, Om man drar utan återläggning så kan sannolikheten beräknas som 8 19
Petter Mostad Tillämpad matematik och statistik Matematiska Vetenskaper, Chalmers Lösninngsförslag för MVE/MSG8 Matematisk statistik och diskret matematik Tenta Januari 27, 8: - 2:. Frågan är formulerat
Läs mer9. Beräkna volymen av det område som begränsas av planet z = 1 och paraboloiden z = 5 x 2 y 2.
Tentamenskrivning för TMS63, Matematisk Statistik. Onsdag fm den 3 juni, 15, V-huset. Examinator: Marina Axelson-Fisk. Tel: 7-88113 Tillåtna hjälpmedel: typgodkänd miniräknare, tabell- och formelhäfte
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: 2012-08-31 Tid:
Läs merUtbildningsplan. Utbildningens mål. Utbildningens omfattning och innehåll. Kunskap och förståelse. Färdigheter och förmågor
Utbildningsplan Magisterprogram, projektledning och verksamhetsutveckling Master's Programme, Project Management and Operational Development, 60 credits 60,0 högskolepoäng Gäller för antagna till utbildningen
Läs mer1 Föreläsning V; Kontinuerlig förd.
Föreläsning V; Kontinuerlig förd. Ufallsrummet har hittills varit dsikret, den stokastisk variabeln har endast kunnat anta ett antal värden. Ex.vis Poissonfördeln. är antal observationer inom ett tidsintervall
Läs merAvd. Matematisk statistik
Avd. Matematisk statistik TENTAMEN I SF1902 SANNOLIKHETSTEORI OCH STATISTIK MÅNDAGEN DEN 15:E AUGUSTI 201 KL 8.00 13.00. Kursledare och examinator : Björn-Olof Skytt, tel 790 849. Tillåtna hjälpmedel:
Läs merSannolikhet och statistik XI
April 219 Betingade väntevärden. Vi ska säga att E[Y X = x] är väntevärdet av den sv som samma förd som Y givet X = x. Definition: Y diskret: E[Y X = x] = y k V Y y k p Y X (y k x), Y kont: E[Y X = x]
Läs merbli bekant med summor av stokastiska variabler.
LUNDS TEKNISKA HÖGSKOLA MATEMATIKCENTRUM MATEMATISK STATISTIK DATORÖVNING 2 MATEMATISK STATISTIK FÖR E FMSF20 Syfte: Syftet med dagens laborationen är att du skall: få förståelse för diskreta, bivariate
Läs merFöreläsning 3, Matematisk statistik Π + E
Repetition Kvantil Presentation Slumptal Transformer Inversmetoden Föreläsning 3, Matematisk statistik Π + E Sören Vang Andersen 13 november 2014 Sören Vang Andersen - sva@maths.lth.se FMS012 F3 1/19 Repetition
Läs merOptimering och simulering: Hur fungerar det och vad är skillnaden?
Optimering och simulering: Hur fungerar det och vad är skillnaden? Anders Peterson, Linköpings universitet Andreas Tapani, VTI med inspel från Sara Gestrelius, RIS-SIS n titt i KAJTs verktygslåda Agenda
Läs merTENTAMEN I SF1904 MARKOVPROCESSER FREDAGEN DEN 17 AUGUSTI 2018 KL
Avd. Matematisk statistik TENTAMEN I SF1904 MARKOVPROCESSER FREDAGEN DEN 17 AUGUSTI 2018 KL 8.00 13.00. Examinator: Björn-Olof Skytt tel. 790 86 49 Kursansvarig: Björn-Olof Skytt tel. 790 86 49 Tillåtna
Läs mer