Veckoblad 2. Kapitel 2 i Matematisk statistik, Blomqvist U.

Storlek: px
Starta visningen från sidan:

Download "Veckoblad 2. Kapitel 2 i Matematisk statistik, Blomqvist U."

Transkript

1 Vecoblad 2 Kaptel 2 Matemats statst, Blomqvst U. ya begrepp: oberoende händelser, betngad sannolhet, Bayes formel.. är man sall lösa problem, där sntt mellan händelser ngår, an det ofta vara tll hjälp att använda en orstabell. ntag att v har 2 händelser och B. B P( B) P( B) P(B) B P( B ) P( B ) P(B ) P() P( ).00 är man fyller ovanstående fyrfältstabell så använder man sg av sambanden att margnalsannolheterna P(B) och P(B ) är summan av sannolheterna respetve rad, d.v.s. P(B)=P( B)+P( B) och P(B )=P( B )+P( B ). 2. Slj på stuatoner med oberoende och beroende: Man väljer ut 5 element slumpmässgt från en låda med 20 stycen. För varje element avgörs om det är defet eller helt. Hur många bland de fem är defeta? - Om man väljer ut elementen utan återläggnng så har man beroende. - Om man väljer ut elementen med återläggnng så har man oberoende. Om man väljer ut 5 element slumpmässgt från en stor produton så antar man att man har oberoende. P( B) = P() P(B) vd oberoende P( B) = P( B) P(B) vd beroende 3. Om man har oberoende så används alltså formeln P( B) = P() P(B) Övnngar att räna: , 2.30, Om man har beroende så används betngade sannolheter. Följande formler används P( B) = P( B) P(B) P( B) P(B ) P() Bayes sats: P( B) = = P(B) P(B) Övnngar att räna: 2.38, 2.40, 2.44, 2.46

2 5. Sannolheter an åsådlggöras med träddagram.. B D. D 2 B P(B) = P(B D ) P(D ) + P(B D ) P( D ) + P(B D ) P( ) D 3. B D3 Gammalt tentamenstal (Data/Eletro 07037) En man astar 2 symmetrsa tärnngar, en vt och en svart. Betrata följande händelser: : Den svarta tärnngen ommer upp med 6 ögon. B: Den vta tärnngen ommer upp med 6 ögon. : Summan av antal ögon på den svarta och den vta tärnngen är udda. a) Är händelserna och B oberoende eller beroende? b) Är händelserna och oberoende eller beroende? c) Är de tre händelserna, B och oberoende eller beroende av varandra? För att få poäng på ovanstående deluppgfter måste du motvera dtt svar med hjälp av beränngar. Gammalt tentamenstal (Bygg 99022): nta att v har 00 stycen en-ronor. Ett av mynten är felatgt på så sätt att båda sdorna är lavar. nta att v slumpmässgt väljer ut en en-rona ur högen. V astar upp myntet luften tre gånger. Varje gång ommer en lave upp. a) Vad är sannolheten att v erhållt det felatga myntet? b) nta att man fortsätter att asta myntet och att lave ommer upp varje gång. Hur många ast måste man göra för att sannolheten att man har fått det felatga myntet sall bl större än Kaptel 3 Matemats statst, Blomqvst U. ya begrepp: Dsret stoasts varabel. Sannolhetsfördelnngen besrvs av sannolhetsfuntonen P(ξ=x) eller fördelnngsfuntonen P(ξ x) väntevärde [ E(ξ) eller µ ], varans [ Var(ξ) eller σ 2 ] eller standardavvelse [ S(ξ), Var( ξ ) eller σ ]. lformg fördelnng, hypergeometers fördelnng, Hyp(, n, p), bnomalfördelnngen, Bn(n, p), och Possonfördelnngen, Po(λ).

3 Snabbrepetton:. En sannolhetsfördelnng besrver hur totala sannolhetsmassan har fördelats ut över ett antal punter (ändlgt eller uppränelgt oändlgt antal det dsreta fallet) 2. För en allmän dsret fördelnng gäller att Sannolhet: P(ξ = x ) Fördelnngsfunton: F( x ) = P(ξ x ) = P ( ξ = x ) 3. Väntevärdet är det samma som tyngdpunten fördelnngen. Och beränas med hjälp av formeln n E(ξ) = x P( ξ = x ) Om fördelnngen är symmetrs lgger den mtten. Ex. vs är vd ast med tärnng väntevärdet Varansen (eller standardavvelsen) är ett mått på sannolhetsmassans sprdnng. En s.v. som bara an anta ett värde har varansen noll. Ju större del av sannolhetsmassan som fördelnngen har förlagd långt bort från väntevärdet, desto större varans. 5. Enl. sats 3.2 på sd 73 gäller att varansberänas enlgt [ ] = E [( ξ µ ) ] = E[ ξ ] Var ξ µ = n x 2 2 P( ξ = x) [E( ξ)] (Steners sats). 6. Om ξ är en dsret stoasts varabel med sannolhetsfuntonen p(ξ = x) på utfallsrummet Ω, då gäller för varje reellvärd funton g att E[g(ξ)] = Ω Övnngar att räna: 3., 3.2, 3.7, 3.0, 3. g (x) p(x) Gammalt tentamenstal (Masn ): Ett flygbolag vet att 0.5% av deras passagerare blr av med stt bagage. Detta ostar flygbolaget genomsntt 600 dollar per förlorat bagage. a) Hur mycet bör man höja flygavgften (per passagerare) för att täca denna ostnad? b) Vlen sannolhetsfördelnng har du använt?

4 Standardfördelnngarna för en dsret stoasts varabel är Lformg fördelnng: ξ är Lf() = antal möjlga utfall med la sannolheter. Sannolhet: P(ξ = x) = Exempel: ntal ögon vd ett tärnngsast. Hypergeometrs fördelnng: ξ är Hyp(, n, p) = begränsad mängd. p = antal element av ett vsst slag. p = andel element av ett vsst slag. n = antal slumpmässgt utvalda element ur mängden. p p Sannolhet: P(ξ = x) = x n x n Väntevärde: E(ξ) = n p n Varans: Var(ξ) = n p ( p) Exempel: Ploca ulor ur en urna utan återläggnng. Övnngar att räna: 3.3, 3.5, 3.7 Bnomalfördelnngen: ξ är Bn(n, p) n = antal oberoende upprepnngar av ett försö. p = sannolheten att händelsen (eller ) nträffar ett sådant försö. n x n x Sannolhet: P(ξ = x) = p ( p) x Väntevärde: E(ξ) = n p Varans: Var(ξ) = n p ( p) Exempel: ntal lavar vd 20 oberoende ast av ett mynt. Övnngar att räna: 3.4, 3.23 Gammalt tentamenstal (Bygg 99022): I Monte arlo:s casno an man spela ola tärnngsspel. Ett spel går tll så att en spelare,, satsar pengar och väljer en sffra mellan och 6. En crouper, som söter banen, astar tre tärnngar. Om en, två eller tre av tärnngarna vsar den valda sffran så får två, tre respetve fyra gånger nsatsen av banen. Om ngen av tärnngarna vsar det valda numret förlorar. nta att satsar 50 franc. a) Beräna förväntad vnst för. b) Beräna standardavvelsen för :s förväntade vnst.

5 Possonfördelnngen: ξ är Po(λ) λ = genomsnttlgt antal händelser ett ntervall. Sannolhet: P(ξ = x) = e λ x λ x! Väntevärde: E(ξ) = λ Varans: Var(ξ) = λ Exempel: ntal båtar som anlägger en hamn under ett dygn. Övnngar att räna: 3.24, 3.27 Gammalt tentamenstal (Masn ): I en vägorsnng an antal blar som passerar antas vara Possonfördelat med en genomsnttlg passerngsfrevens av 5 blar på 5 mnuter. Vad är sannolheten att det ommer mnst 2 blar tll orsnngen under en 5-mnuters perod? (3 poäng) 7. I en s.. Possonprocess med ntensteten c är antalet blar som ommer ett ntervall av längden t Po(ct) och antalet blar dsjunta ntervall oberoende. Intervallen mellan anomsterna är exponentalfördelade. (V ommer tll denna fördelnng ap.4) 8. Summan av två varabler som är oberoende och Possonfördelade med parametrarna λ resp. λ 2 är Po(λ +λ 2 ) 9. Lägg märe tll vlloren vd approxmatonerna mellan de ola fördelnngarna sd 89. Väntevärdet bbehålls doc alltd. Övnngar att räna: 3.25, 3.26 Hyp(, n, p) n>0 n n < p+ 0. <0. n>0 p<0. Bn(n, p) Po( λ )

Veckoblad 3. Kapitel 3 i Matematisk statistik, Blomqvist U.

Veckoblad 3. Kapitel 3 i Matematisk statistik, Blomqvist U. Veckoblad 3 Kapitel 3 i Matematisk statistik, Blomqvist U. ya begrepp: likformig fördelning, hypergeometerisk fördelning, Hyp(, n, p), binomialfördelningen, Bin(n, p), och Poissonfördelningen, Po(λ). Standardfördelningarna

Läs mer

Slumpvariabler (Stokastiska variabler)

Slumpvariabler (Stokastiska variabler) Slumpvarabler Väntevärden F0 Slutsatser från urval tll populaton Slumpvarabler (Stokastska varabler) En slumpvarabel är en funkton från utfallsrummet tll tallnjen Ex kast med ett mynt ggr =antalet krona

Läs mer

Svar till gamla tentamenstal på veckobladen

Svar till gamla tentamenstal på veckobladen Svar till gamla tentamenstal på veckobladen Veckoblad : Data/Eletro 54 A = Patienten är ett allvarligt fall B = Patienten är under 4 år C= Någon av patientens föräldrar har diabetes 8 + + + 5 + 5 + 8 +

Läs mer

Veckoblad 3. Kapitel 3 i Matematisk statistik, Dahlbom, U.

Veckoblad 3. Kapitel 3 i Matematisk statistik, Dahlbom, U. Veckoblad 3 Kapitel 3 i Matematisk statistik, Dahlbom, U. Poissonfördelningen: ξ är Po(λ) λ = genomsnittligt antal händelser i ett intervall. Sannolikhet: P(ξ = ) = e λ λ! Väntevärde: E(ξ) = λ Varians:

Läs mer

DEL I. Matematiska Institutionen KTH

DEL I. Matematiska Institutionen KTH 1 Matematsa Insttutonen KTH Lösnngar tll tentamenssrvnng på ursen Dsret Matemat, moment A, för D och F, SF1631 och SF1630, den 4 jun 009 l 08.00-13.00. Hjälpmedel: Inga hjälpmedel är tllåtna på tentamenssrvnngen.

Läs mer

Svar till gamla tentamenstal på veckobladen

Svar till gamla tentamenstal på veckobladen Svar till gamla tentamenstal på veckobladen Data/Eletro 4 A Patienten är ett allvarligt fall B Patienten är under 4 år C Någon av patientens föräldrar har diabetes 8 + + + + + 8 + a) P(A).4 och P(C).8

Läs mer

Tentamen i Dataanalys och statistik för I den 5 jan 2016

Tentamen i Dataanalys och statistik för I den 5 jan 2016 Tentamen Dataanalys och statstk för I den 5 jan 06 Tentamen består av åtta uppgfter om totalt 50 poäng. Det krävs mnst 0 poäng för betyg, mnst 0 poäng för och mnst 0 för 5. Eamnator: Ulla Blomqvst Hjälpmedel:

Läs mer

1 Föreläsning IV; Stokastisk variabel

1 Föreläsning IV; Stokastisk variabel 1 FÖRELÄSNING IV; STOKASTISK VARIABEL 1 Föreläsning IV; Stoastis variabel Vi har tidigare srivit P (1, 2, 3, 4, 5) = P (C) för sannoliheten för att få 1, 2, 3, 4 eller 5 vid ett tärningsast. Vi sall använda

Läs mer

Matematisk statistik, LMA 200, för DAI och EI den 25 aug 2011

Matematisk 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 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

Tentamen i MATEMATISK STATISTIK Datum: 8 Juni 07

Tentamen i MATEMATISK STATISTIK Datum: 8 Juni 07 Tentamen MATEMATISK STATISTIK Datum: 8 Jun 0 Kurser: MATEMATIK OCH MATEMATISK STATISTIK 6H3000 (TEN2), 6L3000 (TEN2), MATEMATIK2 MED MATEMATISK STATISTIK 6H2208 (TEN2) MATEMATISK STATISTIK 6A2111 (TEN1);

Läs mer

Väntevärde för stokastiska variabler (Blom Kapitel 6 och 7)

Väntevärde för stokastiska variabler (Blom Kapitel 6 och 7) Matemats statst för STS vt 004 004-04 - 0 Begt Rosé Vätevärde för stoastsa varabler (Blom Kaptel 6 och 7 1 Vätevärde för e dsret stoasts varabel Låt vara e dsret s.v. med saolhetsfuto p ( elgt eda. Saolhetera

Läs mer

Förklaring:

Förklaring: rmn Hallovc: EXTR ÖVNINR ETIND SNNOLIKHET TOTL SNNOLIKHET OEROENDE HÄNDELSER ETIND SNNOLIKHET Defnton ntag att 0 Sannolkheten för om har nträffat betecknas, kallas den betngade sannolkheten och beräknas

Läs mer

FORMELSAMLING HT-15 MATEMATISK STATISTIK FÖR B, K, N, BME OCH KEMISTER; FMS086 & MASB02. Sannolikhetsteori. Beskrivning av data

FORMELSAMLING HT-15 MATEMATISK STATISTIK FÖR B, K, N, BME OCH KEMISTER; FMS086 & MASB02. Sannolikhetsteori. Beskrivning av data LUNDS TEKNISKA HÖGSKOLA MATEMATIKCENTRUM MATEMATISK STATISTIK FORMELSAMLING HT-15 MATEMATISK STATISTIK FÖR B, K, N, BME OCH KEMISTER; FMS086 & MASB0 Sannolkhetsteor Följande gäller för sannolkheter: 0

Läs mer

Resultat till ett försök är ofta ett tal. Talet kallas en stokastisk variabel (kortare s. v.).

Resultat till ett försök är ofta ett tal. Talet kallas en stokastisk variabel (kortare s. v.). STOKASTISKA VARIABLER Resultat till ett försök är ofta ett tal. Talet kallas en stokastisk variabel (kortare s. v.). Definition 1. En reellvärd funktion definierad på ett utfallsrum Ω kallas en (endimensionell)

Läs mer

Tentamen LMA 200 Matematisk statistik,

Tentamen 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 mer

Övningstentamen 1. c) Beräkna sannolikheten att exakt en av A eller B inträffar (6 poäng)

Övningstentamen 1. c) Beräkna sannolikheten att exakt en av A eller B inträffar (6 poäng) Övningstentamen Uppgift : Vid ett experiment kan en händelse A, en händelse B eller både A och B inträffa. I en serie om 00 försök har man sammanställt följande statistik: i 90 fall har minst en av A eller

Läs mer

Tentamen i Tillämpad matematisk statistik för MI3 och EPI2 den 15 december 2010

Tentamen i Tillämpad matematisk statistik för MI3 och EPI2 den 15 december 2010 Tentamen Tllämpad matematsk statstk för MI och EPI den december Uppgft : Ett företag som tllverkar batterer av en vss typ har tllverknng förlagd tll två olka fabrker. Fabrk A står för 7% av tllverknngen

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

1. Anpassningstest. Chi-Square test. Multinomial experiment. Multinomial experiment. Vad gör g r ett anpassningstest?

1. Anpassningstest. Chi-Square test. Multinomial experiment. Multinomial experiment. Vad gör g r ett anpassningstest? Ch-Square test 1. Anpassnngstest 1. Anpassnngstest (Goodness of Ft). Oberoendetest (Independence Test) uwe.menzel@genpat.uu.se Vad gör g r ett anpassnngstest? Hur bra passar en statsts modell tll observerade

Läs mer

1.1 Diskret (Sannolikhets-)fördelning

1.1 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 mer

Thomas Macks beräkning av standardfelet för reservavsättningar

Thomas Macks beräkning av standardfelet för reservavsättningar Thomas Macs beränng av standardfelet för reservavsättnngar Eva-Lena Tolstoy Rauto 008-05-09 1 Innehållsförtecnng 1. Inlednng...5. Teor...5.1 Resdualplottar...6. Thomas Macs modell...6.3 Svansfator...8.4

Läs mer

Variansanalys ANOVA. Idé. Experiment med flera populationer. Beteckningar. Beteckningar. ANOVA - ANalysis

Variansanalys ANOVA. Idé. Experiment med flera populationer. Beteckningar. Beteckningar. ANOVA - ANalysis Varansanalys ANOVA ANOVA - ANalyss Of VArance Stcprov från flera populatoner ( ) analyserar varansen (sprdnngen) varje stcprov för att dra slutsatser om medelvärden Har alla populatoner samma medelvärden?

Läs mer

Trafikljus stresstest för försäkrings- och driftskostnadsrisker inom livförsäkring

Trafikljus stresstest för försäkrings- och driftskostnadsrisker inom livförsäkring PROMEMORIA Datum 007-07-0 FI Dnr 07-1171-30 Fnansnspetonen Författare Bengt von Bahr, Göran Ronge P.O. Box 6750 SE-113 85 Stocholm [Sveavägen 167] Tel +46 8 787 80 00 Fax +46 8 4 13 35 fnansnspetonen@f.se

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

Kap 6: Normalfördelningen. Normalfördelningen Normalfördelningen som approximation till binomialfördelningen

Kap 6: Normalfördelningen. Normalfördelningen Normalfördelningen som approximation till binomialfördelningen Kap 6: Normalfördelningen Normalfördelningen Normalfördelningen som approximation till binomialfördelningen σ μ 1 Sats 6 A Om vi ändrar läge och/eller skala på en normalfördelning så har vi fortfarande

Läs mer

Resultat till ett försök är ofta ett tal. Talet kallas en stokastisk variabel (kortare s. v.).

Resultat till ett försök är ofta ett tal. Talet kallas en stokastisk variabel (kortare s. v.). STOKASTISKA VARIABLER Resultat till ett försök är ofta ett tal. Talet kallas en stokastisk variabel (kortare s. v.). Definition 1. En reellvärld funktion definierad på ett utfallsrum Ω kallas en (endimensionell)

Läs mer

Tentamen i Dataanalys och statistik för I den 28 okt 2015

Tentamen i Dataanalys och statistik för I den 28 okt 2015 Tentamen i Dataanalys och statistik för I den 8 okt Tentamen består av åtta uppgifter om totalt poäng. Det krävs minst poäng för betyg, minst poäng för och minst för. Eaminator: Ulla lomqvist Hjälpmedel:

Läs mer

Föreläsning G70 Statistik A

Föreläsning G70 Statistik A Föreläsnng -2 732G70 Statstk A Kaptel 2 Populatoner, stckprov och varabler Sd -46 2 Populaton Den samlng enheter (exempelvs ndvder) som v vll dra slutsatser om. Populatonen defneras på logsk väg med utgångspunkt

Läs mer

Del A Begrepp och grundläggande förståelse.

Del A Begrepp och grundläggande förståelse. STOCKHOLMS UNIVERSITET FYSIKUM Tentamensskrvnng Expermentella metoder, 12 hp, för kanddatprogrammet, år 1 Onsdagen den 17 jun 2009 kl 9-1. S.H./K.H./K.J.-A./B.S. Införda betecknngar bör förklaras och uppställda

Läs mer

Tentamen i statistik och sannolikhetslära för BI2 den 27 maj 2010

Tentamen i statistik och sannolikhetslära för BI2 den 27 maj 2010 Tentamen i statistik och sannolikhetslära för BI den 7 maj 010 Uppgift 1: rik och Simon har gått till puben tillsammans. De beslutar sig för att spela dart (vilket innebär att man kastar pil mot en tavla).

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

Trafikljus utvidgat med stresstest för försäkrings- och driftskostnadsrisker inom livförsäkring

Trafikljus utvidgat med stresstest för försäkrings- och driftskostnadsrisker inom livförsäkring PROMEMORIA Datum 007-03-01 FI Dnr 07-1171-30 Fnansnspetonen Författare Bengt von Bahr, Göran Ronge P.O. Box 6750 SE-113 85 Stocholm [Sveavägen 167] Tel +46 8 787 80 00 Fax +46 8 4 13 35 fnansnspetonen@f.se

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

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

Centrala gränsvärdessatsen (CGS). Approximationer

Centrala gränsvärdessatsen (CGS). Approximationer TNG006 F7 25-04-2016 Centrala gränsvärdessatsen (CGS. Approximationer 7.1. Centrala gränsvärdessatsen Vi formulerade i Sats 6.10 i FÖ6 en vitig egensap hos normalfördelningen som säger att en linjär ombination

Läs mer

Tentamen LMA 200 Matematisk statistik, data/elektro

Tentamen 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 mer

Tentamen den 11 april 2007 i Statistik och sannolikhetslära för BI2

Tentamen den 11 april 2007 i Statistik och sannolikhetslära för BI2 Tentamen den april 7 i Statistik och sannolikhetslära för BI Uppgift : Låt händelserna A, B, C och D vara händelser i samband med ett försök. a) Anta att P(A)., P(A B)., P(A B).6. Beräkna sannolikheten

Läs mer

Stokastiska Processer F2 Föreläsning 1: Repetition från grundkursen

Stokastiska Processer F2 Föreläsning 1: Repetition från grundkursen Stokastiska Processer F2 Föreläsning 1: Repetition från grundkursen Denna föreläsning kommer mest att vara en repetition av stoff från grundkursen. Längden på detta dokument kan tyckas vara oproportionerligt

Läs mer

Beräkna standardavvikelser för efterfrågevariationer

Beräkna standardavvikelser för efterfrågevariationer Handbok materalstyrnng - Del B Parametrar och varabler B 41 Beräkna standardavvkelser för efterfrågevaratoner och prognosfel En standardavvkelse är ett sprdnngsmått som anger hur mycket en storhet varerar.

Läs mer

Övning 1 Sannolikhetsteorins grunder

Övning 1 Sannolikhetsteorins grunder Övning 1 Sannolikhetsteorins grunder Två händelser A och B är disjunkta om {A B} =, det vill säga att snittet inte innehåller några element. Om vi har en mängd händelser A 1, A 2, A 3,..., A n, vilka är

Läs mer

SF1920/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 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 mer

732G70 Statistik A. Föreläsningsunderlag skapad av Karl Wahlin Föreläsningsslides uppdaterade av Bertil Wegmann

732G70 Statistik A. Föreläsningsunderlag skapad av Karl Wahlin Föreläsningsslides uppdaterade av Bertil Wegmann 732G70 Statstk A Föreläsnngsunderlag skapad av Karl Wahln Föreläsnngssldes uppdaterade av Bertl Wegmann Insttutonen för datavetenskap (IDA) Lnköpngs unverstet vt 2016 Kaptel 2 Populatoner, stckprov och

Läs mer

Upphandlingsbarometern

Upphandlingsbarometern Upphandlngsbarometern 2017 www.opc.com/upphandlngsbarometer Vsma Upphandlngsbarometern 2017 Sd 1 Förord Som Nordens största leverantör av nöps-, upphandlngs- och anbudstjänster änner v ansvar att vera

Läs mer

a) B är oberoende av A. (1p) b) P (A B) = 1 2. (1p) c) P (A B) = 1 och P (A B) = 1 6. (1p) Lösningar: = P (A) P (A B) = 1

a) B är oberoende av A. (1p) b) P (A B) = 1 2. (1p) c) P (A B) = 1 och P (A B) = 1 6. (1p) Lösningar: = P (A) P (A B) = 1 Lösnngar tll tentamen: Matematsk statstk och sgnalbehandlng (ESS0), 4.00-8.00 den 4/-009 Examnator: Serk Sagtov (Kursansvarg: Ottmar Crone) Tllåtna hjälpmedel: Tabell "Beta", utdelad formelsamlng, valfr

Läs mer

Oberoende stokastiska variabler

Oberoende stokastiska variabler Kapitel 6 Oberoende stokastiska variabler Betrakta ett försök med ett ändligt (eller högst numrerbart) utfallsrum Ω samt två stokastiska variabler ξ och η med värdemängderna Ω ξ och Ω η. Vi bildar funktionen

Läs mer

Experimentella metoder 2014, Räkneövning 5

Experimentella metoder 2014, Räkneövning 5 Expermentella metoder 04, Räkneövnng 5 Problem : Två stokastska varabler, x och y, är defnerade som x = u + z y = v + z, där u, v och z är tre oberoende stokastska varabler med varanserna σ u, σ v och

Läs mer

Övningstentamen 3. Uppgift 5: Anta att ξ är en kontinuerlig stokastisk variabel med följande frekvensfunktion: f(x) = 0

Övningstentamen 3. Uppgift 5: Anta att ξ är en kontinuerlig stokastisk variabel med följande frekvensfunktion: f(x) = 0 Övningstentamen Uppgift 1: Bill och Georg har gått till puben tillsammans. De beslutar sig för att spela dart (vilket betyder kasta pil mot en tavla). Sedan gammalt vet de att Bill träffar tavlan med sannolikheten.7

Läs mer

1.1 Diskret (Sannolikhets-)fördelning

1.1 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 mer

Konvergens och Kontinuitet

Konvergens och Kontinuitet Kapitel 7 Konvergens och Kontinuitet Gränsvärdesbegreppet är väldigt centralt inom matematik. Som du förhoppningsvis kommer ihåg från matematisk analys så definieras tex derivatan av en funktion f : R

Läs mer

FK2002,FK2004. Föreläsning 5

FK2002,FK2004. Föreläsning 5 FK00,FK004 Föreläsnng 5 Föreläsnng 5 Labbrapporter Korrelatoner Dmensonsanalys Denna föreläsnng svarar mot kap. 9 (Taylor) Labbrapporter Feedback+betyg skckas morgon. Några tps ett dagram hjälper alltd

Läs mer

Uppgift 2. För två händelser A och B gäller P(A B)=0.5, P ( A ) = 0. 4 och P ( B

Uppgift 2. För två händelser A och B gäller P(A B)=0.5, P ( A ) = 0. 4 och P ( B TENTAMEN I MATEMATISK STATISTIK Datum: 3 juni 8 Ten i ursen HF3, 6H3, 6L3 MATEMATIK OH MATEMATISK STATISTIK, Ten i ursen HF ( Tidigare n 6H3), KÖTEORI OH MATEMATISK STATISTIK, Ten i ursen HF4, (Tidigare

Läs mer

Centrala Gränsvärdessatsen:

Centrala Gränsvärdessatsen: Föreläsnng V såg föreläsnng ett, att om v känner den förväntade asymptotska fördelnngen en gven stuaton så kan v med utgångspunkt från våra mätdata med hjälp av mnsta kvadrat-metoden fnna vlka parametrar

Läs mer

Övningstentamen 2 5.44 5.39 5.41 5.35 5.41 5.46 5.40 5.37 5.39 5.43

Övningstentamen 2 5.44 5.39 5.41 5.35 5.41 5.46 5.40 5.37 5.39 5.43 Övningstentamen Uppgift 1: Företaget Holly Suger Co tillverkar sockerbitar. Med hjälp av kvalitetskontrollerna upptäcker man att 1% av sockerbitarna är defekta. Anta att man väljer ut 3 sockerbitar från

Läs mer

SF1901 Sannolikhetsteori och statistik I

SF1901 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 mer

SVÄNGNINGAR Odämpad svängning för ett diskret system med en frihetsgrad.

SVÄNGNINGAR Odämpad svängning för ett diskret system med en frihetsgrad. SVÄNGNINGA Odäpad svängnng för e dsre sse ed en frhesgrad. r svängnng jäder [N/] Sas jävsläge. [g ] [ ] & & : & & & So har lösnngen; Bsn C cos Lösnngen nnebär; Vnelhasgheen rad/s och svängnngsfrevensen

Läs mer

TENTAMEN I MATEMATIK MED MATEMATISK STATISTIK HF1004 TEN

TENTAMEN I MATEMATIK MED MATEMATISK STATISTIK HF1004 TEN TENTAMEN I MATEMATIK MED MATEMATISK STATISTIK HF00 TEN 0-0- Hjälpmedel: Formelblad och ränedosa Fullständga lösnngar erfordras tll samtlga uppgfter Lösnngarna sall vara väl motverade och så utförlga att

Läs mer

Test av anpassning, homogenitet och oberoende med χ 2 - metod

Test av anpassning, homogenitet och oberoende med χ 2 - metod Matematsk statstk för STS vt 00 00-05 - Bengt Rosén Test av anpassnng, homogentet och oberoende med χ - metod Det stoff som behandlas det fölande återfnns Blom Avsntt 7 b sdorna 6-9 och Avsntt 85 sdorna

Läs mer

KONFIDENSINTERVALL FÖR MEDIANEN (=TECKENINTERVALL )

KONFIDENSINTERVALL FÖR MEDIANEN (=TECKENINTERVALL ) Arm Hallovc: EXTRA ÖVNINGAR Tecetervall KONFIDENSINTERVALL FÖR MEDIANEN (TECKENINTERVALL ) För att bestämma ett ofdestervall för medae tll e otuerlg s.v. ξ aväder v ett stcprov ξ ξ ξ3 ξ av storlee som

Läs mer

Övningstentamen 1. A 2 c

Övningstentamen 1. A 2 c Övningstentamen Uppgift : På en arbetsplats skadades % av personalen under ett år. 6% av alla skadade var män. % av alla anställda var kvinnor. Är det manliga eller kvinnliga anställda som löper störst

Läs mer

SF1901: Sannolikhetslära och statistik

SF1901: 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 mer

Komplettering av felfortplantningsformeln

Komplettering av felfortplantningsformeln Kompletterng av felfortplantnngsformeln Varansen och kovaransen Quck Check Eempel med abs. nollpkt. Kompletterng av lnftw funktonen Possonfördelnngen 00-0-0 Fskeperment, 7.5 hp 00-0-0 Fskeperment, 7.5

Läs mer

Uppgift 2) Datum: 23 okt TENTAMEN I MATEMATIK OCH MATEMATISK STATISTIK, kurskod 6H3000

Uppgift 2) Datum: 23 okt TENTAMEN I MATEMATIK OCH MATEMATISK STATISTIK, kurskod 6H3000 Datum: okt TENTAMEN I MATEMATIK OCH MATEMATISK STATISTIK, kurskod 6H Moment: TEN ( Matematisk Statistik ) Lärare: Armin Halilovic Skrivtid: 8:5-:5 Införda beteckningar skall förklaras och definieras. Resonemang

Läs mer

SF1922/SF1923: SANNOLIKHETSTEORI OCH DISKRETA STOKASTISKA VARIABLER STATISTIK. Tatjana Pavlenko. 23 mars, 2018

SF1922/SF1923: SANNOLIKHETSTEORI OCH DISKRETA STOKASTISKA VARIABLER STATISTIK. Tatjana Pavlenko. 23 mars, 2018 SF1922/SF1923: SANNOLIKHETSTEORI OCH STATISTIK FÖRELÄSNING 3 DISKRETA STOKASTISKA VARIABLER Tatjana Pavlenko 23 mars, 2018 PLAN FÖR DAGENSFÖRELÄSNING Repetition av betingade sannolikheter, användbara satser

Läs mer

KINESISKA RESTSATSEN OCH STRUKTURSATSER

KINESISKA RESTSATSEN OCH STRUKTURSATSER Matematsa Insttutonen, KTH Algebra D2, VT 2002 Anders Björner KINESISKA RESTSATSEN OCH STRUKTURSATSER I vssa fall an algebrasa utränngar delas upp på flera mndre utränngar som an utföras parallellt och

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

Matematisk statistik TMS064/TMS063 Tentamen

Matematisk statistik TMS064/TMS063 Tentamen Matematisk statistik TMS64/TMS63 Tentamen 29-8-2 Tid: 4:-8: Tentamensplats: SB Hjälpmedel: Bifogad formelsamling och tabell samt Chalmersgodkänd räknare. Kursansvarig: Olof Elias Telefonvakt/jour: Olof

Läs mer

Medelvärde. Repetition. Median. Standardavvikelse. Frekvens. Normerat värde. z = x x

Medelvärde. Repetition. Median. Standardavvikelse. Frekvens. Normerat värde. z = x x Medelvärde Reetto mb9 Medelvärdet är summa av alla observatoer dvderat med deras atal. x 873+85+8385+83+8+83+8087+808+80 = 70 70 = 89 9 Meda Medae är de mttersta observatoe. = 8 Eller medelvärdet av de

Läs mer

1. a Vad menas med medianen för en kontinuerligt fördelad stokastisk variabel?

1. a Vad menas med medianen för en kontinuerligt fördelad stokastisk variabel? Tentamenskrvnng: TMS45 - Grundkurs matematsk statstk och bonformatk, 7,5 hp. Td: Onsdag den 9 august 2009, kl 08:30-2:30 Väg och vatten Tesen korrgerad enlgt anvsngar under tentamenstllfället. Examnator:

Läs mer

LÖSNINGAR TILL P(A) = P(B) = P(C) = 1 3. (a) Satsen om total sannolikhet ger P(A M) 3. (b) Bayes formel ger

LÖSNINGAR TILL P(A) = P(B) = P(C) = 1 3. (a) Satsen om total sannolikhet ger P(A M) 3. (b) Bayes formel ger LÖSNINGAR TILL Matematisk statistik Tentamen: 2015 08 18 kl 8 00 13 00 Matematikcentrum FMS 086 Matematisk statistik för B, K, N och BME, 7.5 hp Lunds tekniska högskola MASB02 Matematisk statistik för

Läs mer

Uppgift 3: Den stokastiska variabeln ξ har frekvensfunktionen 0 10 f(x) =

Uppgift 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 mer

Lektionsanteckningar 11-12: Normalfördelningen

Lektionsanteckningar 11-12: Normalfördelningen Lektionsanteckningar 11-12: Normalfördelningen När utfallsrummet för en slumpvariabel kan anta vilket värde som helst i ett givet intervall är variabeln kontinuerlig. Det är väsentligt att utfallsrummet

Läs mer

FACIT: Tentamen L9MA30, LGMA30

FACIT: Tentamen L9MA30, LGMA30 Göteborgs Universitetet GU Lärarprogrammet 06 FACIT: Matematik för lärare, åk 7-9, Sannolikhetslära och statistik, Matematik för gymnasielärare, Sannolikhetslära och statistik 07-0-04 kl..0-.0 Examinator

Läs mer

Stokastiska Processer

Stokastiska Processer Kapitel 3 Stokastiska Processer Karakteristisk funktion: Den karakteristiska funktionen φ ξ : R n C för en R n -värd s.v. definieras för t R n. φ ξ (t) = E{e iπ(t ξ +...+t nξ n) } = E{e iπtt ξ } Den karakteristiska

Läs mer

Mätfelsbehandling. Lars Engström

Mätfelsbehandling. Lars Engström Mätfelsbehandlng Lars Engström I alla fyskalska försök har de värden man erhåller mer eller mndre hög noggrannhet. Ibland är osäkerheten en mätnng fullständgt försumbar förhållande tll den precson man

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

Satsen om total sannolikhet och Bayes sats

Satsen om total sannolikhet och Bayes sats Satsen om total sannolikhet och Bayes sats Satsen om total sannolikhet Ibland är det svårt att direkt räkna ut en sannolikhet pga att händelsen är komplicerad/komplex. Då kan man ofta använda satsen om

Läs mer

F13. Förra gången (F12) Konfidensintervall och hypotesprövning Chi-tvåtest. Stratifierat urval

F13. Förra gången (F12) Konfidensintervall och hypotesprövning Chi-tvåtest. Stratifierat urval Konfdensntervall och hypotesprövnng Ch-tvåtest F3 Förra gången (F) Stratferat urval Dela n populatonen homogena ata med avseende på atferngsvarabeln Välj atferngsvarabel som har ett samband med undersöknngsvarabeln

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

Lösningsförslag till Tillämpad matematisk statistik LMA521, Tentamen

Lösningsförslag till Tillämpad matematisk statistik LMA521, Tentamen Lösningsförslag till Tillämpad matematisk statistik LMA21, Tentamen 201801 Betygsgränser: för betyg krävs minst 20 poäng, för betyg 4 krävs minst 0 poäng, för betyg krävs minst 40 poäng. 1. Vid en kvalitetskontroll

Läs mer

SF1901 Sannolikhetsteori och statistik I

SF1901 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 mer

Primär- och sekundärdata. Undersökningsmetodik. Olika slag av undersökningar. Beskrivande forts. Beskrivande forts. 2012-11-08

Primär- och sekundärdata. Undersökningsmetodik. Olika slag av undersökningar. Beskrivande forts. Beskrivande forts. 2012-11-08 Prmär- och sekundärdata Undersöknngsmetodk Prmärdataundersöknng: användnng av data som samlas n för första gången Sekundärdata: användnng av redan nsamlad data Termeh Shafe ht01 F1-F KD kap 1-3 Olka slag

Läs mer

Grundläggande matematisk statistik

Grundläggande matematisk statistik Grundläggande matematisk statistik Diskreta fördelningar Uwe Menzel, 2018 www.matstat.de Begrepp fördelning Hur beter sig en variabel slumpmässigt? En slumpvariabel (s.v.) har en viss fördelning, d.v.s.

Läs mer

Grundläggande matematisk statistik

Grundläggande matematisk statistik Grundläggande matematisk statistik Kontinuerliga fördelningar Uwe Menzel, 8 www.matstat.de Begrepp fördelning Hur beter sig en variabel slumpmässigt? En slumpvariabel (s.v.) har en viss fördelning, d.v.s.

Läs 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

Tentamen i matematisk statistik för BI2 den 16 januari 2009

Tentamen i matematisk statistik för BI2 den 16 januari 2009 Tentamen i matematisk statistik för BI den 6 januari 9 Uppgift : Ett graviditetstest att använda i hemmet är inte helt tillförlitligt. Ett speciellt test visar positivt resultat för kvinnor, som inte är

Läs mer

Introduktion till statistik för statsvetare

Introduktion till statistik för statsvetare "Det finns inget så praktiskt som en bra teori" November 2011 Repetition Vad vi gjort hitills Vi har börjat med att studera olika typer av mätningar och sedan successivt tagit fram olika beskrivande mått

Läs mer

Två parametrar: µ (väntevärdet) och σ (standardavvikelsen) µ bestämmer normalfördelningens läge

Två parametrar: µ (väntevärdet) och σ (standardavvikelsen) µ bestämmer normalfördelningens läge Lunds tekniska högskola Matematikcentrum Matematisk statistik Matematisk statistik AK för ekosystemteknik, FMSF75 OH-bilder 28-9-3 Normalfördelningen, X N(µ, σ) f(x) = e (x µ)2 2σ 2, < x < 2π σ.4 N(2,).35.3.25.2.5..5

Läs mer

Matematisk statistik för D, I, Π och Fysiker

Matematisk 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 mer

Jörgen Säve-Söderbergh

Jörgen Säve-Söderbergh SF1920/SF1921 Sannolikhetsteori och statistik 6,0 hp Föreläsning 8 Binomial-, hypergeometrisk- och Poissonfördelning Exakta egenskaper Approximativa egenskaper Jörgen Säve-Söderbergh Binomialfördelningen

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

SF1901: Sannolikhetslära och statistik

SF1901: Sannolikhetslära och statistik SF9: Sannolikhetslära och statistik Föreläsning 3. Stokastiska variabler, diskreta och kontinuerliga Jan Grandell & Timo Koski 25..26 Jan Grandell & Timo Koski Matematisk statistik 25..26 / 44 Stokastiska

Läs mer

1 Föreläsning V; Kontinuerlig förd.

1 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 mer

Övningstentamen i matematisk statistik

Övningstentamen 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 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

Matematisk statistik 9 hp, HT-16 Föreläsning 10: Punktskattningar

Matematisk statistik 9 hp, HT-16 Föreläsning 10: Punktskattningar Matematisk statistik 9 hp, HT-16 Föreläsning 10: Punktskattningar Anna Lindgren (Stanislav Volkov) 31 oktober + 1 november 2016 Anna Lindgren anna@maths.lth.se FMS012/MASB03 F10: Punktskattning 1/18 Matematisk

Läs mer

Tentamen i FEM för ingenjörstillämpningar (SE1025) den 5 juni 2009 kl

Tentamen i FEM för ingenjörstillämpningar (SE1025) den 5 juni 2009 kl KH HÅFASHESÄRA entamen FE för ngenjörstllämpnngar (SE5) den 5 jun 9 l. 8-. Resultat ommer att fnnas tllgänglgt senast den jun. Klagomål på rättnngen sall vara framförda senast en månad därefter. OBS! entand

Läs mer

F7 forts. Kap 6. Statistikens grunder, 15p dagtid. Stokastiska variabler. Stokastiska variabler. Lite repetition + lite utveckling av HT 2012.

F7 forts. Kap 6. Statistikens grunder, 15p dagtid. Stokastiska variabler. Stokastiska variabler. Lite repetition + lite utveckling av HT 2012. F7 forts. Kap 6 Statistikens grunder, 15p dagtid HT 01 Lite repetition + lite utveckling av Stokastisk variabel Diskreta och kontinuerliga sv Frekvensfunktion (diskr.), Täthetsfunktion (kont.) Fördelningsfunktion

Läs mer

modell Finansiell statistik, vt-05 Modeller F5 Diskreta variabler beskriva/analysera data Kursens mål verktyg strukturera omvärlden formellt

modell Finansiell statistik, vt-05 Modeller F5 Diskreta variabler beskriva/analysera data Kursens mål verktyg strukturera omvärlden formellt Johan Koskinen, Statistiska institutionen, Stockholms universitet Finansiell statistik, vt-5 F5 Diskreta variabler Kursens mål beskriva/analysera data formellt verktyg strukturera omvärlden innehåll osäkerhet

Läs mer