Storräkneövning: Sannolikhetslära

Save this PDF as:
 WORD  PNG  TXT  JPG

Storlek: px
Starta visningen från sidan:

Download "Storräkneövning: Sannolikhetslära"

Transkript

1 UPPSALA UNIVERSITET Matematiska institutionen Jakob Björnberg Sannolikhet och statistik Storräkneövning: Sannolikhetslära 1. (Tentamen, april 2009.) Man har efter studier av beredskapen hos en deltidsbrandkår funnit att sannolikheten att den är på väg fem minuter efter ett larm är 0.95 (måndag till fredag) respektive 0.90 (lördag eller söndag). Beräkna sannolikheten att den är på väg inom fem minuter en slumpvis vald veckodag. 2. (Tentamen, april 2009.) I en produktspecifikation skall anges den diametertjocklek x 0.90 sådan att i genomsnitt 90% av enheterna har en diameter mindre än denna. Variationen av diametrar hos produkten kan beskrivas av täthetsfunktionen 0 för övrigt. Bestäm a och x f X (x) = ax, 90 < x < 100, 3. (Tentamen, april 2009.) I ett betjäningssystem är tiden som åtgår för betjäning exponentialfördelad med väntevärdet 20 minuter. Alla tider kan anses vara oberoende. (a) Beräkna sannolikheten att en given kund får en betjäningstid längre än 40 minuter. (b) Beräkna sannolikheten att minst 4 av 5 inkomna kunder får en betjäningstid, som för var och en överstiger 40 minuter. 4. (Tentamen, april 2009.) I ett bostadsområde planeras för 1000 hushåll. Sannolikheten för att ett slumpmässigt valt hushåll skall ha ingen, en respektive två bilar är 0.4, 0.5 respektive 0.1. Man tänker bygga 725 parkeringsplatser. Beräkna sannolikheten att detta antal är tillräckligt. Antag oberoende mellan hushåll. 5. (Tentamen, april 2009.) Om standardavvikelsen vid en viss längdmätning är 0.01 mm, hur många gånger måste man då mäta för att få standardavvikelsen mm för medelvärdet av mätningarna? Antag oberoende mätningar. 6. (Tentamen, oktober 2010.) Ett företag producerar elektroniska reläer. Deras responstider är oberoende, normalfördelade med väntevärde 8 ms och standardavvikelse σ ms. Om responstiden för ett relä överstiger 9 ms anses det för trögt och skrotas. (a) Om σ = 0.5, hur stor är sannolikheten att ett givet relä skrotas? (b) Företaget vill reducera andelen för tröga reläer till maximalt 1% genom att förbättra precisionen i tillverkningen. Till vilket värde måste σ reduceras för att uppnå detta? (c) Antag att företaget lyckats reducera andelen reläer som skrotas till 1%. En månad plockas 50 reläer ut. Hur stor är sannolikheten att minst 3 av dessa är tröga? (d) Under samma antaganden, om 2000 reläer tillverkas vad är sannolikheten att minst 25 av dessa är tröga? 7. (Tentamen, oktober 2011.) Låt X 1,...,X 5 samt Y 1,...,Y 4 vara oberoende slumpvariabler, sådana att alla X i N(1,2) och alla Y i N( 2,1). Beräkna följande sannolikhet: P(X 1 + +X 5 > Y 1 + +Y 4 ).

2 8. (Tentamen, oktober 2011.) Vi har 10 oberoende, symmetriska slantar, och utför följande. Först singlar vi alla slantar en gång; sedan singlar vi på nytt alla de som visade krona efter första singlingen. Beräkna väntevärdet för det totala antalet klave man ser. 9. (Grimmett Stirzaker ) (a) Låt X ha fördelning Exp(λ). Visa att P(X > t+s X > t) = P(X > s). (b) Låt Y ha fördelning ffg(p). Visa att P(Y = n+k Y > n) = P(Y = k). 10. (Grimmett Stirzaker 4.5.4) Låt X och Y vara oberoendere[0,1] och låt U = min{x,y} och V = max{x,y}. Finn E(U) och E(V) och beräkna således C(U,V).

3 LÖSNINGAR 1. Inför händelserna A = Vald dag är helgdag, B = På väg inom fem minuter. Från texten följer P(A) = 2/7, P(B A) = 0.90, P(B A ) = 0.95). Sökt är P(B), vilken följer ur satsen om total sannolikhet: P(B) = P(B A)P(A)+P(B A c )P(A c ) = = Först måste täthetsfunktionen normeras så den verkligen blir en täthet, dvs. vi bestämmer a: 1 = f X(x)dx = axdx = [ ax2 2 ] = 950a a = 1/950. Integrering ger 0.90 = x f X (x)dx x 0.90 = (a) Inför X = Betjäningstid (minuter) för en kund, med täthetsfunktionen Det följer att P(X > 40) = 1 P(X 40) = 1 f X (x) = 1 20 e x/20, x > e x/20 dx = 1 (1 e 2 ) = (b) Låt Y = Antal inkomna kunder vars betjäningstid överstiger 40 minuter. Då gäller Y Bin(5,p) med p = enligt (a). Sökt sannolikhet: P(Y 4) = P(Y = 4)+P(Y = 5) = Låt X = Antal bilar i ett hushåll. Sannolikhetsfunktionen ges av x p(x) Man finner E[X] = = 0.7, V[X] = E[X 2 ] (E[X]) 2 ) = = Inför totala antalet bilar Y = Y 1 + +Y 1000, där E[Y] = = 700, V[Y] = = 410. Centrala gränsvärdessatsen ger att approximativt Y N(700, 410) och den sökta sannolikheten följer som P(Y 725) = Φ(( )/ 410) = Φ(1.23) = För oberoende s.v. X 1,...,X n med D[X] = σ gäller för X = 1 n (X 1 + +X n ) det välkända resultatet V[ X] = σ 2 /n, dvs. D[ X] = σ/ n. Vi skall alltså lösa = 0.01/ n, vilket ger n = Låt X i vara responstiden hos relä nr i. (a) Vi har att X i N(8,0.5 2 ) så Z i = (X i 8)/0.5 N(0,1); vidare är P(X i > 9) = P(Z i > 2) = 1 Φ(2) = (b) Vi har att X i N(8,σ 2 ) så Z i = (X i 8)/σ N(0,1). Vill ha 0.01 = P(X i > 9) = P(Z i > 1/σ). Så 1/σ = λ 0.01 = och därför krävs σ = (c) Om X betecknar antal tröga bland de 50 så är X Bin(50,0.01). Eftersom både p < 0.1 ochnp(1 p) < 0.5såanvändervi Poissonapproximation. DvsX Po(0.5). Så P(X 3) = 1 P(X = 0) P(X = 1) P(X = 2) 1 e 0.5 (0.375)

4 (d) Nu är X Bin(2000, 0.01) och eftersom np(1 p) > 5 så använder vi normalapproximation, dvs X N(np,np(1 p)) = N(20,19.8). Vi får att ( X 20 P(X 25) = P 5 ) 1 Φ(1.12) Vi har att X 1 + +X 5 N(5,10), Y 1 + +Y 4 N( 8,4) (linjärkombinationer av oberoende normalfördelade variabler blir normalfördelade). Det följer att Z = X 1 + +X 5 (Y 1 + +Y 4 ) N(13,14) (samma motivering som ovan), och därmed att Sökt sannolikhet: Z = Z N(0;1). P(Z > 0) = P(Z > 13/ 14) = Φ(3.47) Låt Y beteckna det totala antalet klave. Lösning 1: Ett mynt visar krona efter båda omgångarna med sannolikhet , och då mynten är oberoende betyder detta att Y Bin(10, ). Därför är E(Y) = 10 4 = 7.5. Lösning 2: Låt X 1 vara antal klave efter första kastet, och låt X 2 vara antal nya klave efter den andra kastomgången. Då är Y = X 1 +X 2 och X 1 Bin(10, 1 2 ). För varje utfall av X 1 är X 2 Bin(10 X 1, 1 2 ) med väntevärde 1 2 (10 X 1). Genom att summera över alla möjliga utfall för X 1 får vi att E(Y) = E(X 1 )+E(X 2 ) = 5+E( 1 2 (10 X 1)) = = 7.5. Obs! I lösning 2 är det inte korrekt att säga att X 2 Bin(5, 1 2 ), dvs man kan inte byta ut slumpvariabeln 10 X 1 mot dess väntevärde 5. Att man får rätt svar är ett sammanträffande. Att denna l sningsmetod är felaktig kan man se genom att betrakta fallet med 11 mynt, då man skulle fått X 2 Bin(5.5, 1 2 ), vilket är nonsense. Kommentar: väntevärdet av en diskret slumpvariabel behöver inte vara ett heltal. 9. (a) (b) Vi har att P(X > s+t X > t) = e λ(s+t) e λ(t) = e λs = P(X > s). P(Y = n+k Y > n) = P(Y = n+k) P(Y > n) = p(1 p)n+k 1. P(Y > n) Vi ser att P(Y > n) = P(Y = n+j) = p(1 p) n+j 1 j 1 j 1 = p(1 p) n (1 p) j = p(1 p)n 1 (1 p) = (1 p)n. j 0 Så P(Y = n+k Y > n) = (p(1 p) n+k 1 )((1 p) n ) = p(1 p) k 1 = P(Y = k).

5 10. Vi har att P(U > t) = P(X > t,y > t) = P(X > t)p(y > t) = 1 2t+t 2. Så U har fördelningsfunktion 2t t 2 (för 0 t 1) och därför täthet 2 2t (för 0 t 1). Så E(U) = 1 0 t(2 2t)dt = 1/3. Vidare är U +V = X +Y så E(V) = 1 E(U) = 2/3. Dessutom gäller UV = XY så E(UV) = E(XY) = E(X)E(Y) = 1/4 och därför är C(U,V) = E(UV) E(U)E(V) = 1/4 2/9 = 1/36.

Summor av slumpvariabler

Summor av slumpvariabler 1/22 Summor av slumpvariabler Måns Thulin Uppsala universitet thulin@math.uu.se Statistik för ingenjörer 8/2 2013 2/22 Dagens föreläsning Väntevärde och varians Vanliga kontinuerliga fördelningar Parkeringsplatsproblemet

Läs mer

Tentamen i Statistik, STA A13 Deltentamen 2, 5p 24 januari 2004, kl. 09.00-13.00

Tentamen i Statistik, STA A13 Deltentamen 2, 5p 24 januari 2004, kl. 09.00-13.00 Karlstads universitet Institutionen för informationsteknologi Avdelningen för statistik Tentamen i Statistik, STA A13 Deltentamen, 5p 4 januari 004, kl. 09.00-13.00 Tillåtna hjälpmedel: Ansvarig lärare:

Läs mer

Industriell matematik och statistik, LMA136 2013/14

Industriell matematik och statistik, LMA136 2013/14 Industriell matematik och statistik, LMA136 2013/14 14 Februari 2014 Disposition ion Funktioner av stokastiska variabler E[aX + b] = ae[x ] + b Var(aX + b) = a 2 Var(X ) E[g(X { )] = x i Ω g(x i)p(x =

Läs mer

F14 Repetition. Måns Thulin. Uppsala universitet thulin@math.uu.se. Statistik för ingenjörer 6/3 2013 1/15

F14 Repetition. Måns Thulin. Uppsala universitet thulin@math.uu.se. Statistik för ingenjörer 6/3 2013 1/15 1/15 F14 Repetition Måns Thulin Uppsala universitet thulin@math.uu.se Statistik för ingenjörer 6/3 2013 2/15 Dagens föreläsning Tentamensinformation Exempel på tentaproblem På kurshemsidan finns sex gamla

Läs mer

Avd. Matematisk statistik

Avd. Matematisk statistik Avd. Matematisk statistik TENTAMEN I SF1902 SANNOLIKHETSTEORI OCH STATISTIK, TORSDAGEN DEN 23:E MAJ 2013 KL 14.00 19.00. Kursledare och examinator : Björn-Olof Skytt Tillåtna hjälpmedel: miniräknare, lathund

Läs mer

Tentamen MVE265 Matematisk statistik för V, 2013-01-19

Tentamen MVE265 Matematisk statistik för V, 2013-01-19 Tentamen MVE6 Matematisk statistik V, 03-0-9 Tentamen består av åtta uppgifter om totalt 0 poäng. Det krävs minst 0 poäng betyg 3, minst 30 poäng 4 och minst 40. Examinator: Ulla Blomqvist Hjälpmedel:

Läs mer

Tentamen i Sannolikhetslära och statistik (lärarprogrammet) 12 februari 2011

Tentamen 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 mer

k x om 0 x 1, f X (x) = 0 annars. Om Du inte klarar (i)-delen, så får konstanten k ingå i svaret. (5 p)

k x om 0 x 1, f X (x) = 0 annars. Om Du inte klarar (i)-delen, så får konstanten k ingå i svaret. (5 p) Avd. Matematisk statistik TENTAMEN I SF1901 SANNOLIKHETSLÄRA OCH STATISTIK MÅNDAGEN DEN 17 AUGUSTI 2009 KL 08.00 13.00. Examinator: Gunnar Englund, tel. 790 74 16. Tillåtna hjälpmedel: Formel- och tabellsamling

Läs mer

Kap 2. Sannolikhetsteorins grunder

Kap 2. Sannolikhetsteorins grunder Kap 2. Sannolikhetsteorins grunder Olika händelser och deras mängbetäckningar Sats 2.7 Dragning utan återläggning av k element ur n (utan hänsyn till ordning) kan ske på ( n ) olika sätt k För två händelser

Läs mer

LINKÖPINGS UNIVERSITET EXAM TAMS 27 / TEN 2

LINKÖPINGS UNIVERSITET EXAM TAMS 27 / TEN 2 LINKÖPINGS UNIVERSITET Matematiska institutionen EXAM TAMS 27 / TEN 2 2 augusti 217, klockan 8-12 Examinator: Jörg-Uwe Löbus (Tel: 79-62827 Tillåtna hjälpmedel är en räknare, formelsamling i matematisk

Läs mer

Tentamen i Matematisk statistik Kurskod S0001M

Tentamen i Matematisk statistik Kurskod S0001M Tentamen i Matematisk statistik Kurskod S0001M Poäng totalt för del 1: 25 (8 uppgifter) Tentamensdatum 2012-01-13 Poäng totalt för del 2: 30 (3 uppgifter) Skrivtid 09.00 14.00 Lärare: Adam Jonsson, Ove

Läs mer

Tentamen i Matematisk statistik, LKT325, 2010-08-26

Tentamen i Matematisk statistik, LKT325, 2010-08-26 Tentamen i Matematisk statistik, LKT35, 010-08-6 Uppgift 1: Beräkna sannolikheten P(A B) om P(A C B) = 0.3 och P(B C ) = 0.6 Uppgift : Sannolikheten för att behöva kassera en balk p.g.a. dålig hållfasthet

Läs mer

Tentamen MVE300 Sannolikhet, statistik och risk

Tentamen MVE300 Sannolikhet, statistik och risk Tentamen MVE3 Sannolihet, statisti och ris 215-6-4 l. 8.3-13.3 Examinator: Johan Jonasson, Matematisa vetensaper, Chalmers Telefonvat: Johan Jonasson, telefon: 76-985223 31-7723546 Hjälpmedel: Typgodänd

Läs mer

Tentamen i Statistik, STA A10 och STA A13 (9 poäng) 23 februari 2004, klockan 8.15-13.15

Tentamen i Statistik, STA A10 och STA A13 (9 poäng) 23 februari 2004, klockan 8.15-13.15 Karlstads universitet Institutionen för informationsteknologi Avdelningen för Statistik Tentamen i Statistik, STA A och STA A3 (9 poäng) 3 februari 4, klockan 85-35 Tillåtna hjälpmedel: Bifogad formelsamling

Läs mer

9. Beräkna volymen av det område som begränsas av planet z = 1 och paraboloiden z = 5 x 2 y 2.

9. 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 mer

SF1901: Sannolikhetslära och statistik

SF1901: Sannolikhetslära och statistik SF1901: Sannolikhetslära och statistik Föreläsning 6. Kovarians, korrelation, väntevärde och varians för summor av s.v.:er, De stora talens lag Jan Grandell & Timo Koski 04.02.2016 Jan Grandell & Timo

Läs mer

Tentamen STA A10 och STA A13, 9 poäng 19 januari 2006, kl. 8.15-13.15

Tentamen STA A10 och STA A13, 9 poäng 19 januari 2006, kl. 8.15-13.15 Tentamen STA A10 och STA A13, 9 poäng 19 januari 2006, kl. 8.15-13.15 Tillåtna hjälpmedel: Ansvarig lärare: Räknedosa, bifogade formel- och tabellsamlingar, vilka skall returneras. Christian Tallberg Telnr:

Läs mer

5 Kontinuerliga stokastiska variabler

5 Kontinuerliga stokastiska variabler 5 Kontinuerliga stokastiska variabler Ex: X är livslängden av en glödlampa. Utfallsrummet är S = x : x 0}. X kan anta överuppräkneligt oändligt många olika värden. X är en kontinuerlig stokastisk variabel.

Läs mer

Mer om slumpvariabler

Mer om slumpvariabler 1/20 Mer om slumpvariabler Måns Thulin Uppsala universitet thulin@math.uu.se Statistik för ingenjörer 4/2 2013 2/20 Dagens föreläsning Diskreta slumpvariabler Vilket kretskort ska man välja? Väntevärde

Läs mer

Föreläsning 5. Funktioner av slumpvariabler. Ett centralt resultat.

Föreläsning 5. Funktioner av slumpvariabler. Ett centralt resultat. Föreläsning 5. Funktioner av slumpvariabler. Ett centralt resultat. Jesper Rydén Matematiska institutionen, Uppsala universitet jesper.ryden@math.uu.se 1MS008, 1MS777 vt 2016 Ytterligare begrepp Viktiga

Läs mer

TMS136. Föreläsning 1

TMS136. Föreläsning 1 TMS136 Föreläsning 1 Varför? Om vi gör mätningar vill vi modellera och kvantifiera de osäkerheter som obönhörligen finns Om vi handlar med värdepapper vill vi modellera och kvantifiera de risker som finns

Läs mer

Föreläsning 5, FMSF45 Summor och väntevärden

Föreläsning 5, FMSF45 Summor och väntevärden Föreläsning 5, FMSF45 Summor och väntevärden Stas Volkov 2017-09-19 Stanislav Volkov s.volkov@maths.lth.se FMSFF45 F5: väntevärden 1/18 2D stokastisk variabel Tvådimensionella stokastisk variabel (X, Y)

Läs mer

b) Beräkna väntevärde och varians för produkten X 1 X 2 X 10 där alla X i :na är oberoende och R(0,2). (5 p)

b) Beräkna väntevärde och varians för produkten X 1 X 2 X 10 där alla X i :na är oberoende och R(0,2). (5 p) Avd. Matematisk statistik TENTAMEN I SF190 (f d 5B2501 ) SANNOLIKHETSLÄRA OCH STATISTIK FÖR - ÅRIG MEDIA MÅNDAGEN DEN 1 AUGUSTI 2012 KL 08.00 1.00. Examinator: Gunnar Englund, tel. 07 21 7 45 Tillåtna

Läs mer

Tentamen i Matematisk statistik Kurskod S0001M

Tentamen i Matematisk statistik Kurskod S0001M Tentamen i Matematisk statistik Kurskod S0001M Poäng totalt för del 1: 25 (10 uppgifter) Tentamensdatum 2013-01-18 Poäng totalt för del 2: 30 (3 uppgifter) Skrivtid 09.00 14.00 Lärare: Adam Jonsson, Ove

Läs mer

Tillämpad Matematik III Övningar i Statistik

Tillämpad Matematik III Övningar i Statistik Tillämpad Matematik III Övningar i Statistik (Med reservation för eventuella tryckfel.) Kap. Grundläggande sannolikhetsteori.. Drag utan återlägg gör att det nns 4 = (= m) möjliga och lika troliga utfall

Läs mer

4.1 Grundläggande sannolikhetslära

4.1 Grundläggande sannolikhetslära 4.1 Grundläggande sannolikhetslära När osäkerhet förekommer kan man aldrig uttala sig tvärsäkert. Istället använder vi sannolikheter, väntevärden, standardavvikelser osv. Sannolikhet är ett tal mellan

Läs mer

Väntevärde och varians

Väntevärde och varians TNG6 F5 19-4-216 Väntevärde och varians Exempel 5.1. En grupp teknologer vid ITN slår sig ihop för att starta ett företag som utvecklar datorspel. Man vet att det är 8% chans för ett felfritt spel som

Läs mer

F2 Introduktion. Sannolikheter Standardavvikelse Normalapproximation Sammanfattning Minitab. F2 Introduktion

F2 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 mer

1.5 Vad är sannolikheten för att ett slumpvis draget spelkort ska vara femma eller lägre eller knekt, dam, kung eller äss?

1.5 Vad är sannolikheten för att ett slumpvis draget spelkort ska vara femma eller lägre eller knekt, dam, kung eller äss? 1 ÖVNINGAR I INDUKTIV LOGIK 1.1 En tärning kastas. Ange sannolikheten för att antalet ögon är a) 3 b) inte 3 c) 3 eller 5 d) jämnt e) mindre än 4 f) jämnt och mindre än 4 g) jämnt eller mindre än 4 h)

Läs mer

Uppgift 2 Betrakta vädret under en följd av dagar som en Markovkedja med de enda möjliga tillstånden. 0 = solig dag och 1 = regnig dag

Uppgift 2 Betrakta vädret under en följd av dagar som en Markovkedja med de enda möjliga tillstånden. 0 = solig dag och 1 = regnig dag Avd. Matematisk statistik TENTAMEN I SF904 MARKOVPROCESSER MÅNDAGEN DEN 26 AUGUSTI 203 KL 08.00 3.00. Examinator: Gunnar Englund tel. 073 32 37 45 Tillåtna hjälpmedel: Formel- och tabellsamling i Matematisk

Läs mer

Repetition och förberedelse. Sannolikhet och sta.s.k (1MS005)

Repetition och förberedelse. Sannolikhet och sta.s.k (1MS005) Repetition och förberedelse Sannolikhet och sta.s.k (1MS005) Formellsamling och teori Nästa varje ekva.on som vi använder under kursen finns I samlingen. Tricket i examen är hica räc metod/fördelning.ll

Läs mer

BIOSTATISTISK GRUNDKURS, MASB11, VT-16, VT2 ÖVNING 3, OCH INFÖR ÖVNING 4

BIOSTATISTISK GRUNDKURS, MASB11, VT-16, VT2 ÖVNING 3, OCH INFÖR ÖVNING 4 LUNDS UNIVERSITET, MATEMATIKCENTRUM, MATEMATISK STATISTIK BIOSTATISTISK GRUNDKURS, MASB11, VT-16, VT2 ÖVNING 3, 216-4-6 OCH INFÖR ÖVNING 4 Övningens mål: Du ska förstå begreppet slumpvariabel och skilja

Läs mer

SF1901: Sannolikhetslära och statistik. Väntevärde; Väntevärde för funktioner av s.v:er; Varians; Tjebysjovs olikhet. Jan Grandell & Timo Koski

SF1901: Sannolikhetslära och statistik. Väntevärde; Väntevärde för funktioner av s.v:er; Varians; Tjebysjovs olikhet. Jan Grandell & Timo Koski SF1901: Sannolikhetslära och statistik Föreläsning 5. Väntevärde; Väntevärde för funktioner av s.v:er; Varians; Tjebysjovs olikhet. Jan Grandell & Timo Koski 28.01.2015 Jan Grandell & Timo Koski () Matematisk

Läs mer

Diskreta slumpvariabler

Diskreta slumpvariabler 1/20 Diskreta slumpvariabler Måns Thulin Uppsala universitet thulin@math.uu.se Statistik för ingenjörer 28/1 2013 2/20 Dagens föreläsning En maskin gör fel ibland! En man berättar att han har minst en

Läs mer

Kapitel 5 Multivariata sannolikhetsfördelningar

Kapitel 5 Multivariata sannolikhetsfördelningar Sannolikhetslära och inferens II Kapitel 5 Multivariata sannolikhetsfördelningar 1 Multivariata sannolikhetsfördelningar En slumpvariabel som, när slumpförsöket utförs, antar exakt ett värde sägs vara

Läs mer

Lösningar till Tentamen i Matematisk Statistik, 5p 22 mars, 2001. Beräkna medelvärdet, standardavvikelsen, medianen och tredje kvartilen?

Lösningar till Tentamen i Matematisk Statistik, 5p 22 mars, 2001. Beräkna medelvärdet, standardavvikelsen, medianen och tredje kvartilen? Lösningar till Tentamen i Matematisk Statistik, 5p 22 mars, 2001 1. Månadslönerna för 10 lärare vid en viss skola är 1 17 700 19 800 19 900 20 200 20 800 16 100 17 000 23 500 19 700 21 100 Beräkna medelvärdet,

Läs mer

Kapitel 3 Diskreta slumpvariabler och deras sannolikhetsfördelningar

Kapitel 3 Diskreta slumpvariabler och deras sannolikhetsfördelningar Sannolikhetslära och inferens II Kapitel 3 Diskreta slumpvariabler och deras sannolikhetsfördelningar 1 Diskreta slumpvariabler En slumpvariabel tilldelar tal till samtliga utfall i ett slumpförsök. Vi

Läs mer

SF1901: Övningshäfte

SF1901: Övningshäfte SF1901: Övningshäfte 5 september 2013 Uppgifterna under rubriken Övning kommer att gås igenom under övningstillfällena. Uppgifterna under rubriken Hemtal är starkt rekommenderade och motsvarar nivån på

Läs mer

(a) Hur stor är sannolikheten att en slumpvist vald person tror att den är laktosintolerant?

(a) Hur stor är sannolikheten att en slumpvist vald person tror att den är laktosintolerant? LÖSNINGAR till tentamen: Statistik och sannolikhetslära (LMA12) Tid och plats: 8.3-12.3 den 24 augusti 215 Hjälpmedel: Typgodkänd miniräknare, formelblad Betygsgränser: 3: 12 poäng, 4: 18 poäng, 5: 24

Läs mer

Kursombud sökes! Kursens syfte är att ge en introduktion till metoder för att förutsäga realtidsegenskaper hos betjäningssystem, i synnerhet för data- och telekommunikationssystem. Såväl enkla betjäningssystem,

Läs mer

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

MS-A0509 Grundkurs i sannolikhetskalkyl och statistik Sammanfattning, del I MS-A0509 Grundkurs i sannolikhetskalkyl och statistik Sammanfattning, del I G. Gripenberg Aalto-universitetet 28 januari 2014 G. Gripenberg (Aalto-universitetet) MS-A0509 Grundkurs i sannolikhetskalkyl

Läs mer

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

MS-A0509 Grundkurs i sannolikhetskalkyl och statistik Sammanfattning, del I MS-A0509 Grundkurs i sannolikhetskalkyl och statistik Sammanfattning, del I G. Gripenberg Sannolikheter Slumpvariabler Centrala gränsvärdessatsen Aalto-universitetet 8 januari 04 3 Tvådimensionella slumpvariabler

Läs mer

SF1901: Övningshäfte

SF1901: Övningshäfte SF1901: Övningshäfte 24 september 2013 Uppgifterna under rubriken Övning kommer att gås igenom under övningstillfällena. Uppgifterna under rubriken Hemtal är starkt rekommenderade och motsvarar nivån på

Läs mer

Tabell- och formelsamling. A4 Grundläggande Statistik A8 Statistik för ekonomer. Thommy Perlinger

Tabell- och formelsamling. A4 Grundläggande Statistik A8 Statistik för ekonomer. Thommy Perlinger Tabell- och formelsamling A4 Grundläggande Statistik A8 Statistik för ekonomer Thommy erlinger Innehåll 1 Beskrivande statistik 3 1.1 Medelvärdeochstandardavvikelse... 3 1.2 Chebyshevsregel... 3 1.3 Empiriskaregeln(normalfördelningsregeln)...

Läs mer

Antal ögon Vinst (kr) Detta leder till följande uttryck E(x) = x x p X(x) x f X(x)dx

Antal ögon Vinst (kr) Detta leder till följande uttryck E(x) = x x p X(x) x f X(x)dx 8. Väntevärde Exempel. Banken ordnar ett tärningsspel där de spelande erlägger en insats på 5 kr/kast. Vinsten är beroende på hur många ögon tärningen visar: Antal ögon 3 4 5 6 Vinst (kr) 3 4 5 6 7 8 Hur

Läs mer

Tentamen i matematisk statistik (9MA241/9MA341/LIMAB6, STN2) 2012-01-09 kl 08-13

Tentamen i matematisk statistik (9MA241/9MA341/LIMAB6, STN2) 2012-01-09 kl 08-13 LINKÖPINGS UNIVERSITET MAI Johan Thim Tentamen i matematisk statistik (9MA241/9MA341/LIMAB6, STN2) 212-1-9 kl 8-13 Hjälpmedel är: miniräknare med tömda minnen och formelbladet bifogat. Varje uppgift är

Läs mer

LINKÖPINGS UNIVERSITET EXAM TAMS 79 / TEN 1

LINKÖPINGS UNIVERSITET EXAM TAMS 79 / TEN 1 LINKÖPINGS UNIVERSITET Matematiska institutionen EXAM TAMS 79 / TEN 1 augusti 14, klockan 8.00-12.00 Examinator: Jörg-Uwe Löbus Tel: 28-1474) Tillåtna hjälpmedel är en räknare, formelsamling i matematisk

Läs mer

Statistisk undersökningsmetodik (Pol. kand.)

Statistisk undersökningsmetodik (Pol. kand.) TENTAMEN Tentamensdatum 2008-10-02 Statistisk undersökningsmetodik (Pol. kand.) Namn:.. Personnr:.. Tentakod: Obs! Var noga med att skriva din tentakod på varje lösningsblad som du lämnar in. Skrivtid

Läs mer

Statistik 1 för biologer, logopeder och psykologer

Statistik 1 för biologer, logopeder och psykologer Innehåll 1 Grunderna i sannolikhetslära 2 Innehåll 1 Grunderna i sannolikhetslära 2 Satistik och sannolikhetslära Statistik handlar om att utvinna information från data. I praktiken inhehåller de data

Läs mer

Flera kvantifierare Bevis Direkt bevis Motsägelse bevis Kontrapositivt bevis Fall bevis Induktionsprincipen. x y (x > 0) (y > 0) xy > 0 Domän D = R

Flera kvantifierare Bevis Direkt bevis Motsägelse bevis Kontrapositivt bevis Fall bevis Induktionsprincipen. x y (x > 0) (y > 0) xy > 0 Domän D = R Föreläsning Flera kvantifierare Bevis Direkt bevis Motsägelse bevis Kontrapositivt bevis Fall bevis Induktionsprincipen För att göra ett påstående av en öppen utsaga med flera variabler behövs flera kvantifierare.

Läs mer

Samverkande Expertnät

Samverkande Expertnät 1 Samverkande Expertnät 2 3 1 2 3 Parallella nätverk Sammanvägning av svaren Två olika fördelar Utjämna egenheter hos nätverken Låt nätverken specialisera sig Egenskaper hos ett enkelt nätverk Överträning

Läs mer

Tentamen i Statistik, STA A10 och STA A13 (9 poäng) Onsdag 1 november 2006, Kl 08.15-13.15

Tentamen i Statistik, STA A10 och STA A13 (9 poäng) Onsdag 1 november 2006, Kl 08.15-13.15 Tentamen i Statistik, STA A och STA A13 (9 poäng) Onsdag 1 november 00, Kl 0.15-13.15 Tillåtna hjälpmedel: Bifogad formelsamling, approximationsschema och tabellsamling (dessa skall returneras). Egen miniräknare.

Läs mer

Formel- och tabellsamling i matematisk statistik

Formel- 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 mer

Föreläsning 6, Matematisk statistik Π + E

Föreläsning 6, Matematisk statistik Π + E Repetition Kovarians Stora talens lag Gauss Föreläsning 6, Matematisk statistik Π + E Sören Vang Andersen 2 december 2014 Sören Vang Andersen - sva@maths.lth.se FMS012 F6 1/20 Repetition Kovarians Stora

Läs mer

STYRNING AV PORTFÖLJER MED FLERA TILLGÅNGAR

STYRNING AV PORTFÖLJER MED FLERA TILLGÅNGAR 1 STOCKHOLMS UNIVERSITET MATEMATISKA INSTITUTIONEN Avd. för Matematisk statistik Thomas Höglund FINANSMATEMATIK I. KOMPLEMENT DAG 13. STYRNING AV PORTFÖLJER MED FLERA TILLGÅNGAR Hittills har vi betraktat

Läs mer

4.2.1 Binomialfördelning

4.2.1 Binomialfördelning Ex. Kasta en tärning. 1. Vad är sannolikheten att få en 6:a? 2. Vad är sannolikheten att inte få en 6:a? 3. Vad är sannolikheten att få en 5:a eller 6:a? 4. Om vi kastar två gånger, vad är då sannolikheten

Läs mer

Problemdel 1: Uppgift 1

Problemdel 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 mer

Tentamen i Matematisk Statistik, 7.5 hp

Tentamen i Matematisk Statistik, 7.5 hp Tentamen i Matematisk Statistik, 7.5 hp Distanskurs 15 januari, 2011 kl. 9.00 13.00 Maxpoäng: 30p. Betygsgränser: 12p: betyg G, 21p: betyg VG. Hjälpmedel: Miniräknare samt formelsamling som medföljer tentamenstexten.

Läs mer

Tentamen LMA 200 Matematisk statistik,

Tentamen 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 mer

Tentamen'i'TMA321'Matematisk'Statistik,'Chalmers'Tekniska'Högskola.''

Tentamen'i'TMA321'Matematisk'Statistik,'Chalmers'Tekniska'Högskola.'' Tentamen'i'TMA321'Matematisk'Statistik,'Chalmers'Tekniska'Högskola.'' Hjälpmedel:'Valfri'räknare,'egenhändigt'handskriven'formelsamling'(4''A4Esidor'på'2'blad)' och'till'skrivningen'medhörande'tabeller.''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''

Läs mer

Lär lätt! Statistik - Kompendium

Lär lätt! Statistik - Kompendium Björn Lantz Lär lätt! Statistik - Kompendium Studentia 006 Björn Lantz och Studentia Ladda ner kompendiet gratis på ISBN 87-7681-080-1 Studentia Innehållsförteckning Innehållsförteckning 1. Introduktion

Läs mer

LULEÅ TEKNISKA UNIVERSITET Ämneskod S0006M Institutionen för matematik Datum 2009-12-17 Skrivtid 0900 1400

LULEÅ TEKNISKA UNIVERSITET Ämneskod S0006M Institutionen för matematik Datum 2009-12-17 Skrivtid 0900 1400 LULEÅ TEKNISKA UNIVERSITET Ämneskod S0006M Institutionen för matematik Datum 2009-12-17 Skrivtid 0900 1400 Tentamen i: Statistik 1, 7.5 hp Antal uppgifter: 5 Krav för G: 11 Lärare: Robert Lundqvist, tel

Läs mer

Tentamen i Matematisk statistik Kurskod S0001M

Tentamen i Matematisk statistik Kurskod S0001M Tentamen i Matematisk statistik Kurskod S0001M Poäng totalt för del 1: 25 (9 uppgifter) Tentamensdatum 2011-10-25 Poäng totalt för del 2: 30 (3 uppgifter) Skrivtid 09.00 14.00 Lärare: Adam Jonsson, Lennart

Läs mer

Syftet med den här laborationen är att du skall bli mer förtrogen med följande viktiga områden inom matematisk statistik

Syftet med den här laborationen är att du skall bli mer förtrogen med följande viktiga områden inom matematisk statistik LUNDS TEKNISKA HÖGSKOLA MATEMATIKCENTRUM MATEMATISK STATISTIK DATORLABORATION 4 MATEMATISK STATISTIK, AK FÖR I, FMS 01, HT-07 Laboration 4: Stora talens lag, Centrala gränsvärdessatsen, enkla punktskattningar

Läs mer

Matematisk statistik KTH. Formel- och tabellsamling i matematisk statistik

Matematisk statistik KTH. Formel- och tabellsamling i matematisk statistik Matematisk statistik KTH Formel- och tabellsamling i matematisk statistik Varterminen 2005 . Kombinatorik n = k n! k!n k!. Tolkning: n k mängd med n element. 2. Stokastiska variabler V X = EX 2 EX 2 =

Läs mer

Räkna med variation - Digitala uppgifter Studiematerial i sannolikhetslära och statistisk inferens. Lena Zetterqvist och Johan Lindström

Räkna med variation - Digitala uppgifter Studiematerial i sannolikhetslära och statistisk inferens. Lena Zetterqvist och Johan Lindström Räkna med variation - Digitala uppgifter Studiematerial i sannolikhetslära och statistisk inferens Lena Zetterqvist och Johan Lindström 29 oktober 25 Innehåll Beskrivning av data 5 2 Grundläggande sannolikhetsteori

Läs mer

Slumpvariabler och sannolikhetsfördelningar

Slumpvariabler och sannolikhetsfördelningar och sannolikhetsfördelningar Föreläsning 4 Sannolikhet och Statistik 5 hp Fredrik Jonsson April 2010 Översikt 1. Verklighetsanknutna exempel. Definition relativt utfallsrum. 2. Sannolikhetsfördelningar

Läs mer

Föreläsning 12: Regression

Föreläsning 12: Regression Föreläsning 12: Regression Matematisk statistik David Bolin Chalmers University of Technology Maj 15, 2014 Binomialfördelningen Låt X Bin(n, p). Vi observerar x och vill ha information om p. p = x/n är

Läs mer

Tentamen i Sannolikhetslära och statistik, TNK069, , kl 8 13.

Tentamen i Sannolikhetslära och statistik, TNK069, , kl 8 13. LINKÖPINGS UNIVERSITET ITN, Campus Norrköping Univ lekt George Baravdish Tentamen i Sannolikhetslära och statistik, TNK69, 26--7, kl 8 3. Hjälpmedel är räknare med tömda minnen samt formelsamling utgiven

Läs mer

Sannolikheten för att barnet skall få blodgrupp A0 A0 1/2 AA 1 AB 1/2 Övriga 0

Sannolikheten för att barnet skall få blodgrupp A0 A0 1/2 AA 1 AB 1/2 Övriga 0 Avd. Matematisk statistik TENTAMEN I SF191, SANNOLIKHETSTEORI OCH STATISTIK, ONSDAGEN DEN 1:A JUNI 216 KL 8. 13.. Kursledare: Thomas Önskog, 8-79 84 55 Tillåtna hjälpmedel: Formel- och tabellsamling i

Läs mer

LÖSNINGSFÖRSLAG TILL TENTAMEN I MATEMATISK STATISTIK 2007-08-29

LÖSNINGSFÖRSLAG TILL TENTAMEN I MATEMATISK STATISTIK 2007-08-29 UMEÅ UNIVERSITET Institutionen för matematik och matematisk statistik Statistik för Teknologer, 5 poäng (TNK, ET, BTG) Peter Anton, Per Arnqvist Anton Grafström TENTAMEN 7-8-9 LÖSNINGSFÖRSLAG TILL TENTAMEN

Läs mer

SOS HT Slumpvariabler Diskreta slumpvariabler Binomialfördelning. Sannolikhetsfunktion. Slumpförsök.

SOS HT Slumpvariabler Diskreta slumpvariabler Binomialfördelning. Sannolikhetsfunktion. Slumpförsök. Probability 21-9-24 SOS HT1 Slumpvariabler Slumpvariabler Ett slumpmässigt försök ger ofta upphov till ett tal som bestäms av utfallet av försöket. Talet är alltså inte känt före försöket; det bestäms

Läs mer

Lär lätt! Statistik - Kompendium

Lär lätt! Statistik - Kompendium Björn Lantz Lär lätt! Statistik - Kompendium Studentia 006 Björn Lantz och Studentia Ladda ner kompendiet gratis på ISBN 87-7681-080-1 Studentia Innehållsförteckning Innehållsförteckning 1. Introduktion

Läs mer

Frågorna 1 till 6 ska svaras med sant eller falskt och ger vardera 1

Frågorna 1 till 6 ska svaras med sant eller falskt och ger vardera 1 ATM-Matematik Mikael Forsberg 6-64 89 6 Matematik med datalogi, mfl. Skrivtid:. Inga hjälpmedel. Lösningarna skall vara fullständiga och lätta att följa. Börja varje ny uppgift på ny sida. Använd ej baksidor.

Läs mer

1. En kontinuerlig slumpvariabel X har följande täthetsfunktion (för någon konstant k). f.ö.

1. En kontinuerlig slumpvariabel X har följande täthetsfunktion (för någon konstant k). f.ö. UMEÅ UNIVERSITET Institutionen för matematik och matematisk statistik Statistik för tekniska fysiker, MSTA6, 4p Peter Anton Per Arnqvist LÖSNINGSFÖRSLAG TILL TENTAMEN 7-- LÖSNINGSFÖRSLAG TILL TENTAMEN

Läs mer

Diskussionsproblem för Statistik för ingenjörer

Diskussionsproblem för Statistik för ingenjörer Diskussionsproblem för Statistik för ingenjörer Måns Thulin Rolf Larsson rolf.larsson@math.uu.se Jesper Rydén jesper.ryden@math.uu.se Senast uppdaterad 27 januari 2016 Diskussionsproblem till Lektion 3

Läs mer

Lektionsanteckningar 2: Matematikrepetition, tabeller och diagram

Lektionsanteckningar 2: Matematikrepetition, tabeller och diagram Lektionsanteckningar 2: Matematikrepetition, tabeller och diagram 2.1 Grundläggande matematik 2.1.1 Potensfunktioner xmxn xm n x x x x 3 4 34 7 x x m n x mn x x 4 3 x4 3 x1 x x n 1 x n x 3 1 x 3 x0 1 1

Läs mer

5. BERÄKNING AV SANNOLIKHETER

5. BERÄKNING AV SANNOLIKHETER 5. BERÄKNING V SNNOLIKHETER 5.1 dditionssatsen Viharnukommitframtilldetstegdärvikanbörjaatträknapraktisktmed sannolikheter. Vi skall utveckla olika regler och begrepp som är nödvändiga för att praktiskt

Läs mer

4 Diskret stokastisk variabel

4 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 mer

Statistiska metoder för säkerhetsanalys

Statistiska metoder för säkerhetsanalys F3: Slumpvariaber och fördelningar Diskret Kontinuerlig Slumpvariabler Slumpvariabler = stokastiska variabler = random variables = s.v. Heter ofta X, Y, T. Diskreta kan anta ändligt eller uppräkneligt

Läs mer

Datorövning 2 Betingad fördelning och Centrala gränsvärdessatsen

Datorövning 2 Betingad fördelning och Centrala gränsvärdessatsen Lunds tekniska högskola Matematikcentrum Matematisk statistik FMS012/MASB03: MATEMATISK STATISTIK, 9 HP, HT-16 Datorövning 2 Betingad fördelning och Centrala gränsvärdessatsen Syftet med den här laborationen

Läs mer

Kap 3: Diskreta fördelningar

Kap 3: Diskreta fördelningar Kap 3: Diskreta fördelningar Sannolikhetsfördelningar Slumpvariabler Fördelningsfunktion Diskreta fördelningar Likformiga fördelningen Binomialfördelningen Hypergeometriska fördelningen Poisson fördelningen

Läs mer

Bengt Ringnér. October 30, 2006

Bengt Ringnér. October 30, 2006 Väntevärden Bengt Ringnér October 0, 2006 1 Inledning 2 Väntevärden Låt X vara en stokastisk variabel som representerar ett slumpmässigt försök, t ex att mäta en viss storhet. Antag att man kan göra, eller

Läs mer

Allmän information... sid 3 BM-Mattan... sid 3 Sparstöd... sid 5

Allmän information... sid 3 BM-Mattan... sid 3 Sparstöd... sid 5 Överkantsarmering Innehållsförteckning Allmän information... sid 3 BM-Mattan... sid 3 Teknisk information Dimensioneringsdiagram Sparstöd... sid 5 Överkantsarmering med sparstöd Överkantsarmering Att använda

Läs mer

Föreläsningsmanus i matematisk statistik för lantmätare, vecka 5 HT06

Föreläsningsmanus i matematisk statistik för lantmätare, vecka 5 HT06 Föreläsningsmanus i matematisk statistik för lantmätare, vecka 5 HT06 Bengt Ringnér September 20, 2006 Inledning Detta är preliminärt undervisningsmaterial. Synpunkter är välkomna. 2 Väntevärde standardavvikelse

Läs mer

SF1901: Sannolikhetslära och statistik

SF1901: 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

Tentamensskrivning i stokastik MAGB64, 7.5 ECTS den 8 juni 2012 kl 14 19

Tentamensskrivning i stokastik MAGB64, 7.5 ECTS den 8 juni 2012 kl 14 19 Karlstads universitet matematik Peter Mogensen Tentamensskrivning i stokastik MAGB64, 7.5 ECTS den 8 juni 2012 kl 14 19 Hjälpmedel: Godkänd räknare och Mathematics Handbook Beta. Jourtelefon: 0733141592

Läs mer

Repetitionsuppgifter i Matematik inför Basår. Matematiska institutionen Linköpings universitet 2014

Repetitionsuppgifter i Matematik inför Basår. Matematiska institutionen Linköpings universitet 2014 Repetitionsuppgifter i Matematik inför Basår Matematiska institutionen Linköpings universitet 04 Innehåll De fyra räknesätten Potenser och rötter 7 Algebra 0 4 Funktioner 7 Logaritmer 9 6 Facit 0 Repetitionsuppgifter

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

Föreläsning G60 Statistiska metoder

Föreläsning G60 Statistiska metoder Föreläsning 4 Statistiska metoder 1 Dagens föreläsning o Sannolikhet Vad är sannolikhet? o Slumpvariabel o Sannolikhetsfördelningar Binomialfördelning Normalfördelning o Stickprov och population o Centrala

Läs mer

Datorövning 2 Diskret fördelning och betingning

Datorövning 2 Diskret fördelning och betingning Lunds tekniska högskola Matematikcentrum Matematisk statistik FMSF20: MATEMATISK STATISTIK, ALLMÄN KURS, 7.5HP FÖR E, HT-15 Datorövning 2 Diskret fördelning och betingning Syftet med den här laborationen

Läs mer

INLÄMNINGSUPPGIFT 2 (Del 2, MATEMATISK STATISTIK) Kurs: MATEMATIK OCH MATEMATISK STATISTIK 6H3000

INLÄMNINGSUPPGIFT 2 (Del 2, MATEMATISK STATISTIK) Kurs: MATEMATIK OCH MATEMATISK STATISTIK 6H3000 INLÄMNINGSUPPGIFT 2 (Del 2, MATEMATISK STATISTIK) Kurs: MATEMATIK OCH MATEMATISK STATISTIK 6H3000 Lärare: Armin Halilovic armin@syd.kth.se www.syd.kth.se/armin tel 08 790 4810 Inlämningsuppgift 2 består

Läs mer

Problem: BOW Bowling. Regler för Bowling. swedish. BOI 2015, dag 1. Tillgängligt minne: 256 MB. 30.04.2015

Problem: BOW Bowling. Regler för Bowling. swedish. BOI 2015, dag 1. Tillgängligt minne: 256 MB. 30.04.2015 Problem: BOW Bowling swedish BOI 0, dag. Tillgängligt minne: 6 MB. 30.04.0 Byteasar tycker om både bowling och statistik. Han har skrivit ner resultatet från några tidigare bowlingspel. Tyvärr är några

Läs mer

Exempel för diskreta och kontinuerliga stokastiska variabler

Exempel för diskreta och kontinuerliga stokastiska variabler Stokastisk variabel ( slumpvariabel) Sannolikhet och statistik Stokastiska variabler HT 2008 Uwe.Menzel@math.uu.se http://www.math.uu.se/ uwe/ Stokastisk variabel, slumpvariabel (s.v.): Funktion: Resultat

Läs mer

Några extra övningsuppgifter i Statistisk teori

Några extra övningsuppgifter i Statistisk teori Statistiska institutionen Några extra övningsuppgifter i Statistisk teori 23 JANUARI 2009 2 Sannolikhetsteorins grunder 1. Tre vanliga symmetriska tärningar kastas. Om inte alla tre tärningarna visar sexa,

Läs mer

Föreläsning 1. Repetition av sannolikhetsteori. Patrik Zetterberg. 6 december 2012

Föreläsning 1. Repetition av sannolikhetsteori. Patrik Zetterberg. 6 december 2012 Föreläsning 1 Repetition av sannolikhetsteori Patrik Zetterberg 6 december 2012 1 / 28 Viktiga statistiska begrepp För att kunna förstå mer avancerade koncept under kursens gång är det viktigt att vi förstår

Läs mer

SF1901: SANNOLIKHETSTEORI OCH KONTINUERLIGA STOKASTISKA VARIABLER STATISTIK. Tatjana Pavlenko. 7 september 2016

SF1901: SANNOLIKHETSTEORI OCH KONTINUERLIGA STOKASTISKA VARIABLER STATISTIK. Tatjana Pavlenko. 7 september 2016 SF1901: SANNOLIKHETSTEORI OCH STATISTIK FÖRELÄSNING 4 KONTINUERLIGA STOKASTISKA VARIABLER Tatjana Pavlenko 7 september 2016 PLAN FÖR DAGENS FÖRELÄSNING Repetition av diskreta stokastiska variabler. Väntevärde

Läs mer

Uppgift 1 (a) För två händelser, A och B, är följande sannolikheter kända

Uppgift 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 mer

Statistik 1 för biologer, logopeder och psykologer

Statistik 1 för biologer, logopeder och psykologer Statistik 1 för biologer, logopeder och psykologer Paul Blomstedt Innehåll 1 Inledning 2 2 Deskriptiv statistik 2 2.1 Variabler och datamaterial...................... 2 2.2 Tabulering och grask beskrivning.................

Läs mer

Sannolikhetslära. 1 Grundläggande begrepp. 2 Likformiga sannolikhetsfördelningar. Marco Kuhlmann

Sannolikhetslära. 1 Grundläggande begrepp. 2 Likformiga sannolikhetsfördelningar. Marco Kuhlmann Marco Kuhlmann Detta är en kompakt sammanfattning av momentet sannolikhetslära som ingår i kurserna Matematik 1b och 1c på gymnasiet. I slutet av dokumentet hittar du uppgifter med vilka du kan testa om

Läs mer