StaM-Bladet. Informationsblad för medlemmar i StaM (Statistisk Metodik), sektion inom SFK, Svenska Förbundet för Kvalitet
|
|
- Ellinor Blomqvist
- för 8 år sedan
- Visningar:
Transkript
1 StaM-Blaet Iformatiosbla för melemmar i StaM (Statistisk Metoik), sektio iom SFK, Sveska Förbuet för Kvalitet Jui 997 årgåg 7 ummer 3 Trettoe umret I etta trettoe StaM-Blaet har vi återige samlat ågra olika artiklar. E såa iskuterar ågra egeskaper hos e populära måtte "mi" och "ma" och sammahägae variatiosvi. Sture Ryi frå Stora Cell svarar på fråga "Hur ofta skall ma mäta?" och Mats Frazé på Ericsso Cables hjälper oss att hitta på iteret. Vi skriver också ågra raer om Tjebysjevs olikhet, e av måga bra grejer att ha å ma stuerar statistisk metoik. De yfike bör slå upp ea, och ara olikheter och tumregler, i ågo bok om statistik. Orföraes ruta Jag heter Susaa Weiberger och är y orförae i SFK-StaM och tillika bergsigejör. Jag kom i kotakt me SFK-StaM i börja på 90- talet är jag letae efter bättre sätt att geomföra försök i prouktioe. Via Taguchis metoer kom jag att gå viare till gruera i statistisk försöksplaerig och ärme Bo Bergmas grupp i Liköpig och SFK-StaM:s semiarieagar. I mitt uvarae arbete som riftsigejör på Ovako Steel i Hofors har jag äu ite huit ta iitiativ till ågra statistiskt plaerae försök, me et kommer säkert att bli tillfälle till et. SFK-StaM är e lite iéell orgaisatio me vi blev till vår förvåig äå kotaktae set i höstas av Royal Statistical Society i Egla. I brevet uttrycker e sitt itresse att orgaisera e semiarievecka tillsammas me oss uer 998 eller 999 i Sverige! Vi hoppas att vi me ara orgaisatioer, uiversitet och högskolor i Sverige skall kua få till e kommitté som ka ta sig a etta. Jag har tittat igeom alla StaM-Blaet som vi har givit ut. Det fis mycket matyttigt i em och måga fuerigar och tips som äve persoer uta statistisk eame ka ta till sig. Vi kommer äve i fortsättig att balasera viare på kate mella populärstatistik och lite svårare ilägg. Vissa ummer väger över åt eera hållet me målet är som tiigare att itressera er melemmar för olika typer av statistisk metoik. Tala gära om för oss om i har speciellt itresse iom ett områe. Vi ka kopiera upp åt er om et fis ilägg i tiigare StaM-blaet som i själva ite har. Till sist: Låa ut era StaM-Blaet, låt em gå på cirkulatio till kollegor som ka ha ytta av em! Hälsigar Susaa Weiberger, Ovako Steel AB Översta figure är ite e parabel vs e aragraskurva, uta resultatet å ma plottar f() mot F() för e ormalförelig N[0, ]. Om ma apassar e aragraskurva me regressiosaalys till kurva och sea plottar resiualera, erhålles e ure kurva. Förteckig över styrelse fis på sista sia
2 StaM-Blaet r 3, jui -97 De valigaste uppgifte är ma sammafattar ett atamaterial är ataglige meelväret, och e flesta mäiskor har iga svårigheter att vare sig beräka eller förstå ess egeskaper. Dock har ma ofta lättare att framhäva ess egativa sior (jfr eemplet me frysboe och kokplatta) ä ess positiva sior (väteväresriktighet m.m.). De som arbetar me umeriska ata käer ock sart behovet av ågot slags spriigsmått, t.e. variatiosvie som efiieras som skillae mella atamäges ma- och mi-väre och beteckas ofta me R (Rage) Mi, meel och ma frå e ormalförelig N(50; 5) stickprov me 50 väre Väre frå e ormalförela variabel N(50; 5) Figur. Diagrammet visar 0 simulerae stickprov frå e ormalförelig. I varje stickprov har mi-, meel- och maväret markerats me ett vertikalt streck. Alla essa har sea sammaförts på iagrammets X-ael. Det framgår tyligt att mi- och maväret har e mycket större spriig ä meelväret. Eftersom mi- och mavärea är gaska praktiska och lätta att förstå, aväs e ofta å ma iskuterar eller aalyserar spriige hos e eller flera atamäger. Ma bör å ha e viss förståelse för figur och. Figur. Diagrammet visar förelige för mi-, meel- samt maväret om ma tar 50 väre ur e ormalförelig me väteväre 50 och staaravvikelse 5. Förelige för mi- respektive maväret är skeva (vs ej symmetriska). Resultate frå figur är också iritae i figur. Något om spriige hos mi och ma Vi skall här ite iskutera variatiosvies olika egeskaper uta sarare titta på ma- och mivärea, eras spriig och eras förhållae till staaravvikelse (s). Detta väre, som tiigare iskuterats ett atal gåger i StaM-Blaet, är ett valigt mått på spriige i ett atamaterial. Nackele me R är att väret ökar å atalet mätväre () ökar. Föräras ite staaravvikelse me ökat? Nej, bara skattiges oggrahet föräras, vs ju fler mätväre esto bättre skattar s et saa väret σ (Se figur 3-4 eller StaM-Blaet r ). Vaå variatio? Hos mi och ma?
3 3 StaM-Blaet r 3, jui 'Staaravvikelse' () och 'variatiosvi' () Stickprovstorlekar frå N(50; 5). 50 väre per pukt Kvote 'variatiosvi' / 'staaravvikelse' Stickprovstorlekar frå N(50; 5). 50 väre per pukt. Figur 3. Diagrammet visar simulerae väre frå e ormalförelig me stickprovstorlekar väre. Varje stickprov storlek har simulerats 50 gåger. Det framgår tyligt av figure att variatiosvie R ökar å ökar. Speciellt är etta tyligt å ökar frå 5 till t.e. 80. Staaravvikelse visar ige såa tees. Dock ser ma att variatioe hos e beräkae staaravvikelse miskar. Figur 4. Ibla aväs tumregel att förhållaet mella variatiosvie och staaravvikelse är ugefär 6. Figure visar att ea tumregel ka aväas å är ågorlua stort t.e. > 50 väre. Diagrammet visar simulerae väre frå e ormalförelig me stickprovstorlekar väre. Varje stickprov storlek har simulerats 50 gåger. Därefter har kvote beräkats. Se också e matematiska behalige av förhållaet mella mi, ma och meelväret. Något om variatiosvie Atag att vår ata kommer frå e förelig som vi beteckar me f(). Dess föreligsfuktio kallar vi F(). Då ka vi beräka förelige för mista, största, äst mista etc i stickprov me väre. Detta brukar reovisas uer Orer statistics i läroböckera i statistik. Vi aväer bokstave k för att betecka et väre vi är itresserae av: f k k f F F k k k ( )! ( )! ( )! ( ) ( ) ( ) = [ ] [ ] Om vi är itresserae av mista väret (mi) vs vi sätter k =, får vi följae uttryck: f f F ( ) ( ) ( ( )) = Om vi är itresserae av största väret (ma) vs vi sätter k =, får vi i stället följae uttryck: f f F ( ) ( ) ( ) = [ ] Observera att et ite är lätt (eller es allti möjligt) att ge ett uttryck för f k (). I figur har vi avät e ator för att beräka kurvora för mi- respektive maväret me ågot eskilt uttryck för kurvora har vi ite. Något mer om ma och mi och staaravvikelse På e följae siora fis et ytterligare e betraktelse av förhållaet mella mi-, ma och staaravvikelse.
4 Atag m = 5.3 och s = 0.34 och =. Va blir å största möjliga variatiosvi? Va blir mista möjliga variatiosvi? Atag att vi har beräkat meelväret och staaravikelse i ett atamaterial. Va ka vi säga om storleke på mi- respektive maväret? Me east e två atauppgiftera ova, och uta e eskila mätvärea, ka vi aturligtvis ite säga eakt va miimum eller maimum är. Vi ka ock ge ett itervall som stäger i essa båa väre. Vi utgår ifrå uttrycket stickprovsvariase och omvalar et ågot (summa kallas ofta kvaratsumma eller kvaratavvikelsesumma): Vi ka här skriva e totala kvaratsumma på följae sätt och få ett uttryck av : = ( ) s = s vilket ger mista möjliga variatiosvi (R mi ): ± s R = s mi s Σ( i ) = Σ( i ) = ( ) s Största möjliga variatiosvi erhålles om atapuktera förelas eligt följae figur: Här har vi ett ua atal atapukter. Det ger ågot mer komplicerae uttryck. Me följae två formler, e första är uttrycket för kvaratsumma och e ara visar e "jämviktsformel" rut meelväret (meelväret är allti atamäges tygpukt), får vi ett uttryck för och ett aat för (vi visar ite etaljera): Formel ova ka å skrivas på följae sätt: ( ) + ( ) + + ( ) = ( ) ( ) ( ) ( ) s K är () och () är mista respektive största väret. Vi ka u beräka väret på avstået : vilket ger = ( ) s = s Största möjliga variatiosvi (R ma ) blir u: ± s Mista möjliga variatiosvi. Mista möjliga variatiosvi erhålles å atapuktera förelas eligt följae figur: R = s ma Här har vi ett jämt atal atapukter. Hälfte vi mi- och hälfte vi maväret. s = ( ) =.. = s = s ( ) ( + ) + Dessa två uttryck gäller å vi har ett ua atal atapukter. Ett räkeeempel. Atag att = 5.3, s = 0.34 och = vs ua. Största möjliga variatiosvi blir: 53. ± =. 506 Mista möjliga variatiosvi (R mi ) å är ua: ( ) mi = = ( + ) + ma = = R mi = = StaM-Blaet r 3, jui -97 4
5 Kommetarer Om ma matar i , 9 st 5.3-väre (vs ) samt erhålles = 5.3 och s = Hela variatioe består alltså av e två etrempuktera eligt figur och största möjliga variatiosvi blir.506. Om ma matar i 6 stycke väre och 5 stycke väre, erhålles = 5.3 och s = 0.34 och mista möjliga variatiosvi blir Självklart ka e atapuktera förelas på e oäligt måga sätt och äå ge = 5.3 och s = Beräkigara ova ger bara gräsväre. Observera att vi ite har blaat i ågo iskussio av typ av förelig. De som vill lära sig mer om ovaståee resoemag och itilliggae teorier bör stuera ågo bok i matematisk statistik och å bl.a. slå upp Tjebysjovs olikhet (se också sia 9). Ytterligare kommetarer Om vi låter bli stort är et ibla lättare att se va formlera ger. Vi ersätter ( ) och ( + ) me bara i formlera (felet blir litet). Största möjliga variatiosvi, givet ett visst väre på staaravvikelse, blir: ± s Mista variatiosvi blir = = = s och vi får: ± s Eempel. Låt som tiigare = 5.3, s = 0.34, = 300. Vi matar i 50 väre = 4.96 och 50 väre = 5.64 i ator. E beräkig av meelväre och staaravvikelse ger värea 5.3 respektive Det är ite ofta som StaM-Blaet preseterar verk frå e Nobelpristagare. Nea fis ock ett Birag till statistike Av hura mäiskor är e som vet bäst mist femtiotvå, e som me tveka tar ett steg ästa hela reste, e som är reo att hjälp till, bara et ite tar för mycket ti, så måga som fyrtioio, e som allti är sälla, för e ka ite aat, fyra eller kaske fem, e som ka beura e uta avu arto stycke, e som har förts vilse av si ugom som förgått setio, setiofem, e som ite är att leka me fyrtio plus fyra, e som lever i stäig ågest för ågo eller ågotig hela sjuttiosju, e begåvae för lycka ite fler ä tjugofem, e harmlösa e och e, som förvilas i hop, säkert över hälfte, e grymma, å läget tvigar em ärtill, lika bra att ite veta es på ett ugefär, e visa av skaa ite måga fler ä e som var kloka förut, e som ite får ut åtig av livet utom tige trettio stycke, fast jag öskar att jag hae fel, e hopkurae och piae, uta lyse ute i mörkret, räkas till åttiotre förr eller seare e rättfäriga gaska måga, trettiofem, me om et raget ska häga ihop me e sträva att förstå tre, e som är vära att tyckas sy om ittioio av hura, e öliga hura av hura E siffra som hittills har stått sig. Wislava Szymborska Övers. Aers Boegår 5 StaM-Blaet r 3, jui -97
6 Hur ofta ska ma mäta? I alla tillverkigsprocesser förekommer itermittet provig och aalys. Detta är kaske speciellt valigt iom pappers och massaiustri, är e mäg storheter mäts i processflöet för att kua säkerställa processivåer och i slutäa, kvalite på e färiga proukte. Helst skulle ma vilja kua mäta alla itressata storheter olie me hjälp av smarta istrumet me så är äu icke fallet, åtmistoe ite iom skogsiustri. När ma iom processiustri gör upp schema över provtagigsfrekvese för olika storheter, så sker et i e flesta fall på basis av sletria eller va ma tror sig hia me att aalysera och rapportera. Problemet togs upp iom STORA CORPO- RATE RESEARCH av två persoer (Joha Wieslaer och Mats Hierter) som utvecklae e meto att bestämma et totala mätfelet vi itermittet provig och aalys, som beskrivs ea. Metoe har me framgåg aväts iom STORAkoceres massafabriker och pappersbruk i syfte att få klarhet i om rätt provtagigsfrekves aväts. I samba me metoes utyttjae är följae två frågor av cetral betyelse:. Ka ma me et vala provtagigsitervallet följa processes variatioer tillräckligt väl?. Hur stor är osäkerhete i mätige i förhållae till processes variatio till ästa mättipukt? Eftersom mätigara syftar till att ge e go beskrivig av e störig, så rekommeeras, att tie mella mätigara väljs eligt et iealiserae sätt, som visas i figur. /fma Figur. Regel för val av mätfrekves. Dt bör vara hälfte av tie mella e sabbast käa förärigara hos storhete (Nyquists sampligsteorem). Dt Dt Meto Metoe bygger på ett atagae om, att ma ka ela upp e totala variatioera i mätata i lågsamma variatioer, eller treer och brus. Me brus avses här:. e variatioer, som är så sabba, att e me et vala provtagigsitervallet ej sys i två på varara följae mätigar. e variatioer, som beror på osäkerhete i själva mätige. StaM-Blaet r 3, jui -97 6
7 I e lågsamma variatioera fis i regel e korrelatio mella uväre och föregåee mätig. Geom att beräka mätseries autokovariasfuktio, ka ma också erhålla e öskae uppelige i processvarias och mätosäkerhet. E förutsättig är att ata atas vara geererae av e autoregressiv process av första orige eligt följae statistiska moell som också visas schematiskt i figur : y t = k t + ( k) y t Filter y + ε v Figur. Data atas geereras av e autoregressiv process av första orige, vs AR(). = vitt brus, som tillsammas me ett filter aväs för att beskriva processe y = processes väre k = filterkostat ε = brus v = uppmätt väre Uer förutsättig, att t är e oberoee, stokastisk variabel me meelväret µ och staaravikelse σ, så blir meelväret för y t (om t är tillräckligt stort): k µ y = µ och variase för y t blir σy = σ k Autokovariase, A, för y är kovariase mella e två tiseriera y t och y t-, är T är tisförskjutige, vs k( k) AT ( ) = k T σ Eftersom ( k) < får vi å T > k AT ( ) = σ e k T/ τ τ = processes tiskostat. Processes tiskostat är e ti, som processe aväer för att återhämta sig frå e störig. Det är alltså e sabbaste förärige i processe, som är etekterbar me et mätitervall, som har valts. Autokovariase för v är summa av autokovariase för y och ε. Detta baseras på atagae att båe och ε är oberoee. Autokovariasfuktioes utseee framgår av figur 3. σ matig Osäkerhet om processes väre σ total σ process Figur 3. Autokovariasfuktio - pricipbil. Dt = ti mella mätigara Tisförskjutig 7 StaM-Blaet r 3, jui -97
8 E tumregel för e bra mätig av e ostyr variabel är att förhållaet mella mätosäkerhet och totalvarias bör vara < Om variabel äremot är e styr ito, ska mätosäkerhete, eller bruset, omiera. Några praktiska eempel Neaståee eempel är hämtae frå e svesk massafabrik. De variabel, som valts att stueras är e färiga massas ljushet (Eg. Brightess ), som mäts geom itermittet provtagig och aalys var 45:e miut. Figur 4 visar e tiserie på ea storhet. 9 Plot of variable: BRIGHTNESS 9 (%) Figur 4. Tiskurva för ljushet på pappersmassa. E mätig var 45:e miut Time ( hours) Motsvarae föreligskurva för e igåee observatioera ges i figur Histogram; variable: BRIGHTNESS No of 0obs Figur 5. Föreligskurva för tiserie i figur , 87,6 88,0 88,4 88,8 89, 89,6 90,0 90,4 90,8 9, 9,6 9,0 Upper Bouaries (<=bouary) Epecte Normal StaM-Blaet r 3, jui -97 8
9 Mätseries autokovariasfuktio me e öskae, beräkae osäkerhetsmåtte samt me processes tiskostat visas i figur 6. 0,5 0, Total varias: 0.4 Mätosäkerhet: 0.08 Processosäkerhet: 0.6 Mätosäkerhet/Total varias: 0.33 Tiskostat: 00 mi Autokovarias 0,5 0, 0,05 0 A( T) = 06. e T / 00 Figur 6. Autokovariasfuktio för ljushet Tisförskjutig, T De observatioer på ljushet, som reovisas i et här eemplet, mäts i processes slutkeja och är i e ele av tillverkigsprocesse att ase som e ostyr variabel. Kvote mella mätosäkerhet och totalvarias ligger på 0.33, vilket är på gräse till att vara acceptabelt. De sabbast etekterbara förärig, som ka mätas me et mätitervall som aväs, är 00 miuter. Också etta är på gräse till va som ka ases som acceptabelt. De agiva metoe utyttjas iom STORA-kocere för att å och å trimma i ya provtagigs och aalysfrekveser, vilket i regel blir fallet å ya aalyser iförs i processe eller å et har gjorts e större om- eller tillbygga i prouktiosaläggige. Sture Ryi, Stora Cell AB Tjebysjevs olikhet På siora 4 och 5 visar vi att givet meelväre, staaravvikelse och atal mätväre, ka vi beräka största möjliga variatiosvi. Resoemaget är allmägiltigt och geomföres uta referes till ågo speciell statistisk förelig. När ma lär sig att hatera ormalförelige lär ma sig ofta att iom ± staaravvikelse fis cirka 68 % av alla väre, iom ± staaravvikelse fis cirka 95 % osv. Me hjälp av Tjebysjevs olikhet (eg. Chebyshev's iequality) ka ma göra likae uttalae me å gällae för alla föreligar. Så här ka ma skriva olikhete (obs att stavige av amet varierar mella olika böcker): Låt X vara e slumpvariabel me väteväre µ och staaravvikelse σ. Då gäller följae: P( X µ t σ) t "Saolikhete att vi får ett väre på slumpvariabel som avviker mer ä t staaravvikelser frå meelväret, är mire eller lika me /t ". Saolikhete att få ett väre som ligger mer ä staaravvikelser frå meelväret är mire ä eller lika me 5 % (för t = 3 gäller 9 %). Olikhete aväs ofta för att bevisa ara viktiga teoretiska aspekter av statistisk teori me är också e 'bra-att-ha'-grej i et praktiska arbetet. Pröva teori på ågo ovalig förelig m.hj.a. simulerig! 9 StaM-Blaet r 3, jui -97
10 Statistik på Iteret Då et iag talas mycket om Iteret, ka et vara på si plats att visa eempel på e resurser som erbjus iom områet statistik. Alla som rea har erfarehet av att surfa på Iteret vet att et fis bra sökverktyg för att fia e iformatio ma söker. Det gäller ofta att fia e igåg till ett äme och efter att e är fue hittar ma ofta e mäg iformatio. Nea visar jag ågra igågar iom ämet statistik. Aressera är skriva me kursiv stil. Aresser till bibliotek Det fis översiktliga samligar me bl a aresser till ara resurser iom ämet. Frå eaståee aresser ka ma hitta mycket av itresse. Juha Purae, Dep of Statistics, Uiversity of Helsiki: WWW virtual library of statistics: stat.ufl.eu/vlib/statistics.html Statlib: lib.stat.cmu.eu/ För e vetgirige fis e elektroisk lärobok i gruläggae statistik: Aresser till programvara De flesta valiga statistikprogram har hemsior på Iteret t.e. Miitab, Statistica, SPSS m.fl. Demostratiosprogram brukar ibla fias att kopiera för utvärerig. Det fis aa programvara att hämta hem via Iteret båe för Mac, DOS och Wiows. Vissa är gratis, ara skall ma betala för. E aress till samlig av programvara för bl.a. statistik: archives.math.utk.eu/software.html Tre PC-program (DOS) vära att pröva EPI-ifo (ver 6.04b) är ett gratis programpaket utvecklat av bl a WHO. Paketet är främst täkt för isamlig och aalys vi meiciska uersökigar, me är fleibelt och ypperligt för bl.a. ekätuersökigar (imatig och korstabulerigar och aalyser) samt eklare statistisk aalys. Data ka importeras och eporteras frå/till olika ataformat och me bra fleibilitet. EPI-ifo program: Olie maual: SSS (ver ) är ett gratis program för aalys av tisserier, t e skattig av ARIMA-moeller. Det ka hatera atafiler frå bl a EPI-ifo. SSS program: SPCEX är ett s.k. shareware program, utvecklat av Mark Shewhart. Efteramet är bekat, eller hur? Programmet är mycket lätt att aväa. Det preseterar och aalyserar ata me bl.a. styriagram, histogram, paretoiagram, uglighetsie m m. Uer samma aress som SPCEX fis mycket aat att pröva. SPCEX hittas uer aress: emig.eg.clemso.eu/pub/tqmbbs/software/ Lycka till och mycket öje!! Mats Frazé, Ericsso Cables StaM-Blaet r 3, jui -97 0
11 Multivariat ataaalys 8 oktober 997 i Göteborg Varför? Jo, vi skall vi vår årliga koferes försöka förklara va som meas me multivariat ataaalys och va e ka aväas till. Uer e seaste åre har itresset för att aalysera sitt ata me multivariata metoer ökat. Me multivariata metoer mear ma å allt frå multipel regressio till iskrimiataalys, pricipalkompoetaalys, PLS eller kaoisk aalys. E forskargrupp iom kemometri vi Umeå uiversitet har uer måga år avät multivariata metoer för att aalysera kemiska processer är ma mätt måga variabler me ite så måga replikat. Ite mist e moera aalysistrumete har hjälpt till me e utvecklige. Detta har visat sig vara e mycket framgågsrikt varför itresset för metoera har vuit iom t e skogsiustri och ara verksamheter me kemilaboratorier. Som följ av ökat itresse har flera mycket bra programvaror för såaa aalyser kommit ut på markae varför tillgäglighete för gemee ma är stor. Därför har et uppstått ett stort behov av utbilig. Dea koferes får ses som e börja på e utbilige är i bl a får stifta kotakt me arbetsplatser som rea börjat aväa essa tekiker och ta lärom av eras erfareheter. Plaerige för koferese har just börjat varför i har stora möjligheter att påverka iehållet. Om i vill biraga me ett ilägg eller har ett bra förslag på förerag hör av er till Susaa Weiberger eller Leart Nilsso, Matematisk statistik, Umeå uiversitet, Umeå, tel , e-post l@matstat.umu.se StaM-Blaet r 3, jui -97
12 Styrelse Orförae: Sekreterare: Kassör: Susaa Weiberger Clas Mellby Aers Hyé Ovako Steel AB IVF ABB Corporate Research 83 8 Hofors Argogata 30 av R Mölal 7 78 Västerås Leamöter: A Bräström-Steberg Leart Nilsso Göra Lae Högskola i Karlsta Matematisk statistik Ericsso Raio Systems AB Istitutioe för tekik Uiversitetet Karlsta Umeå Sture Ryi Mats Frazé Reaktioskommitté: Stora Cell AB Ericsso Cables AB Leart Nilsso 84 8 Skutskär 84 8 Huiksvall Igemar Sjöström Susaa Weiberger Birag accepteras gära via 3.5"-iskett me tetmäge i format WorPerfect, Wor e.. Ma blir melem i SFK StaM geom att kotakta Sveska Förbuet för Kvalitet telefo eller (fa ). Kaslisekreterare är Berit Wisjö. SFKs iteret-aress är aresse till Sveska Förbuet för Kvalitet Som valigt välkomar vi birag frå läsara! StaM-Blaet r 3, jui -97
Föreläsning 3. 732G04: Surveymetodik
Föreläsig 3 732G04: Surveymetodik Dages föreläsig Obudet slumpmässigt urval (OSU) Populatiosparametrar och stickprovsstatistikor Vätevärdesriktighet Ädliga och oädliga populatioer Medelvärde, adel Kofidesitervall
Läs merTentamen i Statistik, STA A13 Deltentamen 2, 5p 20 januari 2007, kl. 09.00-13.00
0.01.007 Tetame i Statistik, STA A13 Deltetame, 5p 0 jauari 007, kl. 09.00-13.00 Tillåta hjälpmedel: Bifogad formel- och tabellsamlig (skall retureras) samt miiräkare. Asvarig lärare: Haah Hall Övrigt:
Läs merStatistisk analys. Vilka slutsatser kan dras om populationen med resultatet i stickprovet som grund? Hur säkra uttalande kan göras om resultatet?
Statistisk aalys Vilka slutsatser ka dras om populatioe med resultatet i stickprovet som grud? Hur säkra uttalade ka göras om resultatet? Mats Guarsso Tillämpad matematik III/Statistik - Sida 83 Exempel
Läs merDatorövning 2 Fördelningar inom säkerhetsanalys
Luds tekiska högskola Matematikcetrum Matematisk statistik STATISTISKA METODER FÖR SÄKERHETSANALYS FMS065, HT-15 Datorövig 2 Fördeligar iom säkerhetsaalys I dea datorövig ska vi studera ågra grudläggade
Läs merLösningar och kommentarer till uppgifter i 1.1
Lösigar och kommetarer till uppgifter i. 407 d) 408 d) 40 a) 3 /5 5) 5 3 0 ) 0) 3 5 5 4 0 6 5 x 5 x) 5 x + 5 x 5 x 5 x 5 x + 5 x 40 Om det u är eklare så här a x a 3x + a x) a 4x + 43 a) 43 45 5 3 5 )
Läs mer1. Hur gammalt är ditt barn?
Förskoleekät 2017 Filtrerigsvillkor: Villkor: 1: Svarsalterativ Björkduge (Fråga: Vilke förskola går ditt bar i?) 1. Hur gammalt är ditt bar? 0% 5% 10% 15% 20% 25% 30% 35% 40% 45% 50% 1-2 22% 3-4 50% 5-6
Läs merIntervallskattning. c 2005 Eric Järpe Högskolan i Halmstad. Antag att vi har ett stickprov x 1,..., x n på X som vi vet är N(µ, σ) men vi vet ej
Itervallskattig c 005 Eric Järpe Högskola i Halmstad Atag att vi har ett stickprov x,..., x på X som vi vet är Nµ, σ me vi vet ej värdet av µ = EX. Då ka vi beräka x, vvr skattig av µ. För att få reda
Läs merFinansiell Statistik (GN, 7,5 hp,, HT 2008) Föreläsning 4 (del 1)
Fiasiell Statistik (GN, 7,5 hp,, HT 008) Föreläsig 4 (del 1) Sampligfördeligar (LLL Kap 8) Departmet of Statistics (Gebreegus Ghilagaber, PhD, Associate Professor) Fiacial Statistics (Basic-level course,
Läs mer95%-igt konfidensintervall för andel kalsongbärare i populationen: Slutsats: Med 95% säkerhet finns andelen kalsongbärare i intervallet 38-48%
UPPGIFT 1 Vi slumpmässigt urval har varje iivi e kä saolikhet att komma me i urvalet Resultatet går att geeralisera till populatioe är ma gjort slumpmässigt urval UPPGIFT A) Kostatterme: De som ite får
Läs merTentamen 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 merGrundläggande matematisk statistik
Grudläggade matematisk statistik Puktskattig Uwe Mezel, 2018 uwe.mezel@slu.se; uwe.mezel@matstat.de www.matstat.de Saolikhetsteori: Saolikhetsteori och statistikteori vad vi gjorde t.o.m. u vi hade e give
Läs merVad är det okända som efterfrågas? Vilka data är givna? Vilka är villkoren?
Problemlösig. G. Polya ger i si utmärkta lilla bok How to solve it (Priceto Uiversity press, 946) ett schema att följa vid problemlösig. I de flod av böcker om problemlösig som har följt på Polyas bok
Läs merBorel-Cantellis sats och stora talens lag
Borel-Catellis sats och stora tales lag Guar Eglud Matematisk statistik KTH Vt 2005 Iledig Borel-Catellis sats är e itressat och avädbar sats framför allt för att bevisa stora tales lag i stark form. Vi
Läs merTentamen i Statistik, STA A13 Deltentamen 2, 5p 5 juni 2004, kl
Karlstads uiversitet Istitutioe för iformatiostekologi Avdelige för statistik Tetame i Statistik, STA A13 Deltetame, 5p 5 jui 004, kl. 09.00-13.00 Tillåta hjälpmedel: Asvarig lärare: Övrigt: Bifogad formel-
Läs merF10 ESTIMATION (NCT )
Stat. teori gk, ht 2006, JW F10 ESTIMATION (NCT 8.1-8.3) Ordlista till NCT Iferece Parameter Estimator Estimate Ubiased Bias Efficiecy Cofidece iterval Cofidece level (Studet s) t distributio Slutledig,
Läs merKorrelationens betydelse vid GUM-analyser
Korrelatoes betydelse vd GUM-aalyser Hela koceptet GUM geomsyras av atagadet att gåede mätgar är okorrelerade. Gude betoar och för sg att ev. korrelato spelar, me ger te mycket vägledg för hur ma då ska
Läs mer1. Test av anpassning.
χ -metode. χ -metode ka avädas för prövig av hypoteser i flera olika slag av problem: om e stokastisk variabel följer e viss saolikhetsfördelig med käda eller okäda parametrar. om två stokastiska variabler
Läs merMinsta kvadrat-metoden, MK. Maximum likelihood-metoden, ML. Medelfel. E(X i ) = µ i (θ) MK-skattningen av θ fås genom att minimera
Matematisk statistik slumpes matematik Saolikhetsteori hur beskriver ma slumpe? Statistikteori vilka slutsatser ka ma dra av ett datamaterial? Statistikteori översikt Puktskattig Hur gör ma e bra gissig
Läs merGenomsnittligt sökdjup i binära sökträd
Iformatiostekologi Tom Smedsaas 10 augusti 016 Geomsittligt sökdjup i biära sökträd Detta papper visar att biära sökträd som byggs upp av slumpmässiga data är bra. Beteckigar och defiitioer Defiitio De
Läs merHöftledsdysplasi hos dansk-svensk gårdshund - Exempel på tavlan
Höftledsdysplasi hos dask-svesk gårdshud - Exempel på tavla Sjö A Sjö B Förekomst av parasitdrabbad örig i olika sjöar Exempel på tavla Sjö C Jämföra medelvärde hos kopplade stickprov Tio elitlöpare spriger
Läs merIntroduktion till statistik för statsvetare
"Det fis iget så praktiskt som e bra teori" November 2011 Bakgrud Stadardiserig E saolikhetsekvatio Kosekves av stora tales lag Stora tales lag ger att är slumpvariablera X i är oberoede, med e och samma
Läs merTENTAMEN I MATEMATISK STATISTIK Datum: 13 mars 08
TENTAMEN I MATEMATISK STATISTIK Datum: 3 mars 8 Te i kurse HF3, 6H3, 6L3 MATEMATIK OCH MATEMATISK STATISTIK, Te i kurse HF ( Tidigare k 6H3), KÖTEORI OCH MATEMATISK STATISTIK, Skrivtid: 8:5-:5 Hjälpmedel:
Läs merFöreläsning G70, 732G01 Statistik A. Föreläsningsunderlagen är baserade på underlag skrivna av Karl Wahlin
Föreläsig 6 732G70, 732G01 Statistik A Föreläsigsuderlage är baserade på uderlag skriva av Karl Wahli Kapitel 6 Iferes om e populatio Sid 151-185 Puktskattig och itervallskattig Statistisk iferes om populatiosmedelvärde
Läs merUppsala Universitet Matematiska Institutionen Thomas Erlandsson
Uppsala Uiversitet Matematisa Istitutioe Thomas Erladsso LÄSANVISNINGAR VECKA -5 BINOMIALSATSEN Ett uttryc av forme a + b allas ett biom eftersom det är summa av två moom. För uttrycet (a + b) gäller de
Läs merInduktion LCB Rekursion och induktion; enkla fall. Ersätter Grimaldi 4.1
duktio LCB 2000 Ersätter Grimaldi 4. Rekursio och iduktio; ekla fall E talföljd a a 0 a a 2 ka aturligtvis defiieras geom att ma ager e explicit formel för uträkig av dess elemet, som till exempel () a
Läs merFinansiell Statistik (GN, 7,5 hp,, HT 2008) Föreläsning 4 (del 2)
Fiasiell Statistik (GN, 7,5 hp,, HT 008) Föreläsig 4 (del ) Pukt- och itervallskattig (LLL Kap 10) Departmet of Statistics (Gebreegus Ghilagaber, PhD, Associate Professor) Fiacial Statistics (Basic-level
Läs mer4.2.3 Normalfördelningen
4.2.3 Normalfördelige Biomial- och Poissofördelige är två exempel på fördeligar för slumpvariabler som ka ata ädligt eller uppräkeligt måga olika värde. Sådaa fördeligar sägs vara diskreta. Ofta är ett
Läs mer1. Hur gammalt är ditt barn?
Förskoleekät 2017 Filtrerigsvillkor: Villkor: 1: Svarsalterativ Käppla (Fråga: Vilke förskola går ditt bar i?) 1. Hur gammalt är ditt bar? Atal svarade: 27 0% 2% 4% 6% 8% 10% 12% 14% 16% 18% 20% 22% 24%
Läs merMARKNADSPLAN Kungälvs kommun 2010-2014
MARKNADSPLAN Kugälvs kommu 2010-2014 Fastställd av KF 2010-06-17 1 Iehåll Varför e markadspla? 3 Mål och syfte 4 Markadsförutsättigar 5 Processer, styrig och orgaisatio 6 Politisk styrig 7 Politisk styrig,
Läs merLinjär regression - kalibrering av en våg
Lijär regressio Saolikhet och statistik Regressiosaalys HT 2008 Uwe.Mezel@math.uu.se http://www.math.uu.se/ uwe/ Samba mella två storheter ofta av itresse:... solarium hucacer... BN växelkurs... rökaet
Läs merVisst kan man faktorisera x 4 + 1
Visst ka ma faktorisera + 1 Per-Eskil Persso Faktoriserig av polyomuttryck har alltid utgjort e svår del av algebra. Reda i slutet av grudskola möter elever i regel dea omvädig till multiplikatio med hjälp
Läs merTENTAMEN I MATEMATISK STATISTIK
TETAME I MATEMATISK STATISTIK Te i kurse 6H, KÖTEORI OCH MATEMATISK STATISTIK, Te i kurse 6H, 6L MATEMATIK OCH MATEMATISK STATISTIK, Skrivtid: :-7: Lärare: Armi Halilovic Kurskod 6H, 6H, 6L, 6A Hjälpmedel:
Läs merc n x n, där c 0, c 1, c 2,... är givna (reella eller n=0 c n x n n=0 absolutkonvergent om x < R divergent om x > R n n lim = 1 R.
P Potesserier Med e potesserie mear vi e serie av type c x, där c, c, c,... är giva (reella eller komplexa) kostater, s.k. koefficieter, och där x är e (reell eller komplex) variabel. För varje eskilt
Läs merFöreläsning G70 Statistik A
Föreläsig 5 732G70 Statistik A Egeskaper hos stickprovsstatistikora Stickprovsmedelvärde Stickprovssumma Stickprovsadel Lägesmått Spridig Medelfel EX VarX 2 2 E X Var X E P Var P X X 1 1 P Eftersom respektive
Läs merJag läser kursen på. Halvfart Helfart
KOD: Kurskod: PC106/PC145 Kurs 6: Persolighet, hälsa och socialpsykologi (15 hp) Datum: 3/8 014 Hel- och halvfart VT 14 Provmomet: Socialpsykologi + Metod Tillåta hjälpmedel: Miiräkare Asvarig lärare:
Läs merInformation om VA-planering i Harnäs Västra
2015-09-15 Fastighetsägare i Haräs Västra Iformatio om VA-plaerig i Haräs Västra Smejebackes kommu har målsättige att alla ievåare ska ha tillgåg till e go VA-försörjig som garaterar hälsa och miljö. Kommues
Läs merF3 Lite till om tidsserier. Statistikens grunder 2 dagtid. Sammansatta index 4. Deflatering HT Laspeyres index: Paasche index: Index.
F3 Lite till om tidsserier Deflaterig, att justera för iflatioe tatistikes gruder dagtid 4 3,5 3,5,5 Mjölk ockerdricka HT,5 975 976 977 978 979 98 98 98 Löpade priser År Mjölk ockerdricka KPI 945 = 975,34,
Läs merθx θ 1 om 0 x 1 f(x) = 0 annars
Avd. Matematisk statistik TENTAMEN I SF903 SANNOLIKHETSLÄRA OCH STATISTIK FÖR 3-ÅRIG Media TIMEH TORSDAGEN DEN TREDJE JUNI 200 KL 4.00 9.00. Examiator: Guar Eglud, tel. 790 74 06 Tillåta hjälpmedel: Läroboke.
Läs merVid mer än 30 frihetsgrader approximeras t-fördelningen med N(0; 1). Konfidensintervallet blir då
Stat. teori gk, ht 006, JW F7 ENKEL LINJÄR REGRESSION, FORTS. (NCT.5-.7) Statistisk iferes rörade β Vi vet reda att b är e vätevärdesriktig skattig av modellparameter β. Vi vet också att skattige b har
Läs merLycka till! I(X i t) 1 om A 0 annars I(A) =
Avd Matematisk statistik TENTAMEN I SF955 f d 5B555 DATORINTENSIVA METODER ONSDAGEN DEN AUGUSTI 008 KL 400 900 Examiator: Guar Eglud, tel 790746 Email: guare@mathkthse Tillåta hjälpmedel: Formel- och tabellsamlig
Läs merENDIMENSIONELL ANALYS B1 FÖRELÄSNING VI. Föreläsning VI. Mikael P. Sundqvist
Föreläsig VI Mikael P. Sudqvist Aritmetisk summa, exempel Exempel I ett sällskap på 100 persoer skakar alla persoer had med varadra (precis e gåg). Hur måga hadskakigar sker? Defiitio I e aritmetisk summa
Läs merNEWTON-RAPHSONS METOD (en metod för numerisk lösning av ekvationer)
Armi Halilovic: EXTRA ÖVNINGAR Newto-Raphsos metod NEWTON-RAPHSONS METOD (e metod för umeris lösig av evatioer Måga evatioer är besvärligt och iblad äve omöjligt att lösa eat. Då aväder ma umerisa metoder
Läs merKonsoliderad version av. Styrelsens för ackreditering och teknisk kontroll föreskrifter (STAFS 1993:18) om EEG-märkning av färdigförpackade varor
Kosoliderad versio av Styrelses för ackrediterig och tekisk kotroll föreskrifter (STAFS 1993:18) om EEG-märkig av färdigförpackade varor Rubrike har dea lydelse geom (STAFS 2008:11) Ädrig iförd: t.o.m.
Läs mer2. Konfidensintervall för skillnaden mellan två proportioner.
Föreläsig 12 LV1, Torsdag 12/10 Upplägg 1. Kofidesitervall för proportioer. 2. Kofidesitervall för skillade mella två proportioer. 3. Grafteori Kofidesitervall för proportioer Atag att vi vill skatta adele
Läs merDigital signalbehandling Fönsterfunktioner
Istitutioe för data- och elektrotekik Digital sigalbehadlig Fösterfuktioer 2-2-7 Fösterfuktioer aväds för att apassa mätserie vid frekvesaalys via DFT och FFT samt vid dimesioerig av FIR-filter via ivers
Läs merTentamen i Statistik, STA A10 och STA A13 (9 poäng) 26 mars 2004, klockan
Karlstads uiversitet Istitutioe för iformatiostekologi Avdelige för Statistik Tetame i Statistik, STA A10 och STA A13 (9 poäg) 6 mars 004, klocka 14.00-19.00 Tillåta hjälpmedel: Bifogad formelsamlig (med
Läs merHögskoleutbildad 0,90*0,70=0,63 0,80*0,30=0,24 0,87 Ej högskoleutbildad 0,07 0,06 0,13 0,70 0,30 1,00
Lösigsförslag UPPGIFT 1 Kvia Ma Högskoleutbildad 0,90*0,70=0,63 0,80*0,30=0,24 0,87 Ej högskoleutbildad 0,07 0,06 0,13 0,70 0,30 1,00 Pr(ej högskoleutbildad kvi=0,07=7% Pr(högskoleutbildad)=0,87 c) Pr(Kvi*Pr(Högskoleutbildad)=0,70*0,87=0,609
Läs merKompletterande kurslitteratur om serier
KTH Matematik Has Thuberg 5B47 Evariabelaalys Kompletterade kurslitteratur om serier I Persso & Böiers.5.4 itroduceras serier, och serier diskuteras också i kapitel 7.9. Ia du läser vidare här skall du
Läs merRäkning med potensserier
Räkig med potesserier Serier (termiologi fis i [P,4-4]!) av type P + + + + 4 +... k ( om < ) k + + + + P 4 4 +... k k! ( e för alla ) k och de i [P, sid.9, formler 7-] som ärmast skulle kua beskrivas som
Läs merDatorövning 2 Fördelningar inom säkerhetsanalys
Luds tekiska högskola Matematikcetrum Matematisk statistik STATISTISKA METODER FÖR SÄKERHETSANALYS FMS065 Datorövig 2 Fördeligar iom säkerhetsaalys I dea datorövig ska vi studera ågra grudläggade frå saolikhetsteori:
Läs merTentamen 19 mars, 8:00 12:00, Q22, Q26
Avdelige för elektriska eergisystem EG225 DRIFT OCH PLANERING AV ELPRODUKTION Vårtermie 25 Tetame 9 mars, 8: 2:, Q22, Q26 Istruktioer Skriv alla svar på det bifogade svarsbladet. Det är valfritt att också
Läs merFöreläsning G70, 732G01 Statistik A. Föreläsningsunderlagen är baserade på underlag skrivna av Karl Wahlin
Föreläsig 5 73G70, 73G01 Statistik A Föreläsigsuderlage är baserade på uderlag skriva av Karl Wahli Kapitel 5 Stickprovsteori Sid 15-150 Statistisk iferes Populatio (äve målpopulatio) = de (på logisk väg
Läs merb) Bestäm det genomsnittliga antalet testade enheter, E (X), samt även D (X). (5 p)
Avd Matematisk statistik TENTAMEN I SF922, SF923 och SF924 SANNOLIKHETSTEORI OCH STATISTIK, TISDAGEN DEN 29:E MAJ 208 KL 0800 300 Examiator för SF922/SF923: Tatjaa Pavleko, 08-790 84 66 Examiator för SF924:
Läs merMultiplikationsprincipen
Kombiatori Kombiatori hadlar oftast om att räa hur måga arragemag det fis av e viss typ. Multipliatiospricipe Atag att vi är på e restaurag för att provsmaa trerättersmåltider. Om det fis fyra förrätter
Läs merSamtal med Karl-Erik Nilsson
Samtal med Karl-Erik Nilsso,er Ert av Svesk Tidskrifts redaktörer, Rolf. Ertglud, itejuar här Karl-Erik Nilsso, ar kaslichej på TCO och TCO:s represetat ed i litagarfodsutredige. er e t or så å g. ). r
Läs merSveTys. Affärskultur i Tyskland. Vad är det? Och vad ska jag tänka på?
SveTys Affärskultur i Tysklad Vad är det? Och vad ska jag täka på? 2 Affärskultur i Tysklad Vad är det? Och vad ska jag täka på? 2008 SveTys, Uta Schulz, Reibek 3 Iledig När ma gör affärer i Tysklad eller
Läs merTentamen i Flervariabelanalys F/TM, MVE035
Tetame i Flervariabelaalys F/TM, MV35 8 3 kl. 8.3.3. Hjälpmedel: Iga, ej räkedosa. Telefo: Oskar Hamlet tel 73-8834 För godkät krävs mist 4 poäg. Betyg 3: 4-35 poäg, betyg 4: 36-47 poäg, betyg 5: 48 poäg
Läs merDoktorandernas uppfattningar om sin forskarutbildning vid Uppsala universitet
Doktoraderas uppfattigar om si forskarutbildig vid Uppsala uiversitet Resultat frå e uiversitetsövergripade ekätudersökig: Språkveteskapliga fakultete Ehete för kvalitet och utvärderig Maria Wolters Maj
Läs merWebprogrammering och databaser. Begrepps-modellering. Exempel: universitetsstudier Kravspec. ER-modellen. Exempel: kravspec forts:
Webprogrammerig och databaser Koceptuell datamodellerig med Etitets-Relatiosmodelle Begrepps-modellerig Mål: skapa e högivå-specifikatio iformatiosiehållet i database Koceptuell modell är oberoede DBMS
Läs merUppgifter 3: Talföljder och induktionsbevis
Gruder i matematik och logik (017) Uppgifter 3: Talföljder och iduktiosbevis Ur Matematik Origo 5 Talföljder och summor 3.01 101. E talföljd defiieras geom formel a 8 + 6. a) Är det e rekursiv eller e
Läs mer(a) Skissa täthets-/frekvensfunktionen och fördelningsfunktionen för X. Glöm inte att ange värden på axlarna.
1 0,5 0 LÖSNINGAR till tetame: Statistik och saolikhetslära (LMA120) Tid och plats: 08:30-12:30 de 6 april 2016 Hjälpmedel: Typgodkäd miiräkare, formelblad Betygsgräser: 3: 12 poäg, 4: 18 poäg, 5: 24 poäg.
Läs merStat. teori gk, ht 2006, JW F13 HYPOTESPRÖVNING (NCT ) Ordlista till NCT
Stat. teori gk, ht 2006, JW F13 HYPOTESPRÖVNING (NCT 10.1-10.3) Ordlista till NCT Hypothesis testig Null hypothesis Alterative hypothesis Simple / composite Oe-sided /two-sided Reject Test statistic Type
Läs merAnvisningar för inrättande av utbildningsprogram vid Humanistiska fakulteten
Humaistiska fakultete BESLUT 1 / 5 2013-12-19 dr G 2013/558 Avisigar för irättade av utbildigsprogram vid Humaistiska fakultete Beslutsgåg Irättade av utbildigsprogram beslutas av fakultetsstyrelse efter
Läs mer1. Hur gammalt är ditt barn?
Förskoleekät 2017 Filtrerigsvillkor: Villkor: 1: Svarsalterativ Skogshydda (Fråga: Vilke förskola går ditt bar i?) 1. Hur gammalt är ditt bar? Atal svarade: 21 0% 10% 1 20% 2 30% 3 40% 4 50% 5 1-2 19%
Läs mer101. och sista termen 1
Lektio, Evariabelaalys de ovember 999 5.. Uttryck summa j uta summasymbole. j + Termera är idexerade frå j = till j = och varje term är blir j j+. Summa Skriver vi upp summa uta summasymbole blir de +
Läs merKundundersökning Kommuninfo/ Kuntainfo: Enkät om kommunens informationsverksamhet
Kududersökig 2017 Kommuifo/ Kutaifo: Ekät om kommues iformatiosverksamhet 1. Udersökiges bakgrud och syfte Eligt Larsmos budget för år 2017 skall kommue årlige rikta e ekät till kuder eller kommuivåare
Läs merTentamen i Envariabelanalys 1
Liöpigs uiversitet Matematisa istitutioe Matemati och tillämpad matemati Kursod: TATA4 Provod: TEN Iga hjälpmedel är tillåta. Tetame i Evariabelaalys 4-4-3 l 4 9 Lösigara sall vara fullstädiga, välmotiverade,
Läs merDatabaser - Design och programmering. Programutveckling. Programdesign, databasdesign. Kravspecifikation. ER-modellen. Begrepps-modellering
Databaser desig och programmerig Desig processe ER-modellerig Programutvecklig Förstudie, behovsaalys Programdesig, databasdesig Implemetatio Programdesig, databasdesig Databasdesig Koceptuell desig Koceptuell
Läs merFöreläsning 2: Punktskattningar
Föreläsig : Puktskattigar Joha Thim joha.thim@liu.se 7 augusti 08 Repetitio Stickprov Defiitio. Låt de stokastiska variablera X, X,..., X vara oberoede och ha samma fördeligsfuktio F. Ett stickprov x,
Läs merF4 Matematikrep. Summatecken. Summatecken, forts. Summatecken, forts. Summatecknet. Potensräkning. Logaritmer. Kombinatorik
03-0-4 F4 Matematirep Summatece Summatecet Potesräig Logaritmer Kombiatori Säg att vi har styce tal x,, x Summa av dessa tal (alltså x + + x ) srivs ortfattat med hjälp av summatece: x i i summa x i då
Läs merMS-A0409 Grundkurs i diskret matematik Sammanfattning, del I
MS-A0409 Grudkurs i diskret matematik Sammafattig, del I G. Gripeberg Aalto-uiversitetet 2 oktober 2013 G. Gripeberg (Aalto-uiversitetet) MS-A0409 Grudkurs i diskret matematiksammafattig, del 2Ioktober
Läs merSå här kommer byggherren och entreprenören överens om energianvändningen
Så här kommer byggherre och etrepreöre överes om eergiavädige Så här kommer byggherre och etrepreöre överes om eergiavädige Sveby står för Stadardisera och verifiera eergiprestada i byggader och är ett
Läs merFör att skatta väntevärdet för en fördelning är det lämpligt att använda Medelvärdet. E(ξ) =... = µ
1 February 1, 2018 1 Förel. VII Puktskattigar av parametrar i fördeligar 1.1 Puktskattig För att skatta vätevärdet för e fördelig är det lämpligt att aväda Medelvärdet ξ = 1 ξ j. Vi tar u vätevärdet av
Läs mera) Beräkna E (W ). (2 p)
Avd. Matematisk statistik TENTAMEN I SF19 och SF191 SANNOLIKHETSTEORI OCH STATISTIK, TISDAGEN DEN 13:E MARS 18 KL 8. 13.. Examiator: Björ-Olof Skytt, 8 79 86 49. Tillåta hjälpmedel: Formel- och tabellsamlig
Läs merInnehåll Grafräknaren och diskret matematik...1 Vad handlar diskret matematik om?...1 Permutationer och kombinationer...3 Något om heltalsräkning...
Iehåll Grafräkare och diskret matematik...1 Vad hadlar diskret matematik om?...1 Permutatioer och kombiatioer...3 Något om heltalsräkig...4 Modulusoperator...4 Faktoriserig i primfaktorer...5 Talföljder...7
Läs merE ( X ) = (här ska ni skriva en viss bokstav! Vilken? Varför)
STOCKHOLMS UNIVERSITET HT 2005 Statistiska istitutioe 2005-09-9 MC Istruktioer till DATORÖVNING Fortsättigskurs i statistik, momet, Statistisk Teori, 0 poäg. Saolikhetsteori - Cetrala gräsvärdessatse.
Läs mervara ett polynom där a 0, då kallas n för polynomets grad och ibland betecknas n grad( P(
Armi Halilovic: EXTRA ÖVNINGAR Polyom POLYNOM OCH ALGEBRAISKA EKVATIONER Defiitio Polyom är uttrycket av type a a a 0 ( där är ett icke-egativt heltal) Defiitio Låt P( a a a0 vara ett polyom där a 0, då
Läs merFourierserien. fortsättning. Ortogonalitetsrelationerna och Parsevals formel. f HtL g HtL t, där T W ã 2 p, PARSEVALS FORMEL
Fourierserie fortsättig Ortogoalitetsrelatioera och Parsevals formel Med hjälp av ortogoalitetsrelatioera Y Â m W t, Â W t ] =, m ¹, m = () där Xf, g\ = Ÿ T f HtL g HtL, där W ã p, ka ma bevisa följade
Läs merNEWTON-RAPHSONS METOD (en metod för numerisk lösning av ekvationer)
Armi Halilovic: EXTRA ÖVNINGAR Newto-Raphsos metod NEWTON-RAPHSONS METOD (e metod för umeris lösig av evatioer Måga evatioer är besvärligt och iblad äve omöjligt att lösa eat. Då aväder ma umerisa metoder
Läs merSkattning / Inferens. Sannolikhet och statistik. Skattning / Inferens. Vad är det som skattas?
Skattig / Iferes Saolikhet och statistik Puktskattig Försöket att beskriva e hel populatio pga ågra få mätvärde! Oberservatio = Populatio HT 2008 UweMezel@mathuuse http://wwwmathuuse/ uwe/ Populatio har
Läs merEnkel slumpvandring. Sven Erick Alm. 9 april 2002 (modifierad 8 mars 2006) 2 Apan och stupet 3 2.1 Passagesannolikheter... 3 2.2 Passagetider...
Ekel slumpvadrig Sve Erick Alm 9 april 2002 (modifierad 8 mars 2006) Iehåll 1 Iledig 2 2 Apa och stupet 3 2.1 Passagesaolikheter............................... 3 2.2 Passagetider....................................
Läs mer1. BERÄKNING AV GRÄNSVÄRDEN ( då x 0 ) MED HJÄLP AV MACLAURINUTVECKLING. n x
BERÄKNING AV GRÄNSVÄRDEN ( då ) MED HJÄLP AV MACLAURINUTVECKLING a) Maclauris formel ( ) f () f () f () f ( ) f () + f () + + + +!!! ( ) f ( c) där R och c är tal som ligger mella och ( + )! Amärkig Eftersom
Läs merAntalet sätt att välja ut r objekt bland n stycken med hänsyn till ordning är np r = n(n 1) (n r + 1).
Harald Lag Formelsamlig och Tabeller i Statistik och Saolikhetsteori (15/11-10) Datareducerig Om x 1,..., x är ett stickprov ur e populatio så defiieras medelvärdet x x = 1 k=1 x k och stadardavvikelse
Läs merTentamen i matematisk statistik
Tetame i matematisk statistik Uppgift : På e arbetsplats skadades % av persoale uder ett år. 60% av alla skadade var mä. 0% av alla aställda var kvior. Är det maliga eller kviliga aställda som löper störst
Läs merSaltsjötunneln. Saltsjötunneln i korthet. Bil- och tunnelbanelänken för östra Östra Stockholm
Saltsjötuel i korthet uelbaa till Nacka geom att Blå lije förlägs frå Kugsträdgårde. Norra läke och Södra läke kyts ihop med e tuel uder Saltsjö. Ett sammahållet projekt ger samordigsvister och stordriftsfördelar
Läs merInledande matematisk analys (TATA79) Höstterminen 2016 Föreläsnings- och lekionsplan
Iledade matematisk aalys TATA79) Hösttermie 016 Föreläsigs- och lekiospla Föreläsig 1 Logik, axiom och argumet iom matematik, talbeteckigssystem för hetal, ratioella tal, heltalspoteser. Lektio 1 och Hadledigstillfälle
Läs merKOM IHÅG ATT NOTERA DITT TENTAMENSNUMMER NEDAN OCH TA MED DIG TALONGEN INNAN DU LÄMNAR IN TENTAN!!
Göteborgs uiversitet Psykologiska istitutioe Tetame Psykologi kurskod PC106, Kurs 6: Idivide i ett socialt sammahag (15 hp) och PC 145. Tid för tetame: 6/5-01. Hel och halvfart VT 1. Provmomet: Socialpsykologi
Läs mer1. Hur gammalt är ditt barn?
Förskoleekät 2017 Filtrerigsvillkor: Villkor: 1: Svarsalterativ Hammar (Fråga: Vilke förskola går ditt bar i?) 1. Hur gammalt är ditt bar? 0% 5% 10% 20% 25% 30% 35% 40% 45% 50% 55% 60% 65% 1-2 3-4 5-6
Läs merGeometriska summor. Aritmetiska summor. Aritmetiska talföljder kallar vi talföljder som. Geometriska talföljder kallar vi talföljder som
Aritmetiska summor Aritmetiska talföljder kallar vi talföljder som, 4, 6, 8, 10, 1, 14, 000, 1996, 199, 1988, 0.1, 0., 0.3, 0.4, för vilka differese mella på varadra följade tal kostat. Aritmetiska summor
Läs merSannolikheter 0 < P < 1. Definition sannolikhet: Definition sannolikhet: En sannolikhet kan anta värden från 0 till 1
Saolikheter E saolikhet ka ata värde frå 0 till 1 0 < P < 1 Beteckas: P Pr Prob Saolikhete för e hädelse Hädelse A P(A) Pr(A) Prob(A) Defiitio saolikhet: De frekves med vilke hädelse av itresse iträffar
Läs mer1. Hur gammalt är ditt barn?
Förskoleekät 2017 Filtrerigsvillkor: Villkor: 1: Svarsalterativ Fågelbo (Fråga: Vilke förskola går ditt bar i?) 1. Hur gammalt är ditt bar? 0% 2% 4% 6% 8% 10% 12% 14% 16% 18% 20% 24% 26% 28% 30% 32% 34%
Läs merArbetsmiljöuppföljning IFO-FH enhet: Kontakt- och familjehemsenheten
Arbetsmiljöuppföljig 2013 IFO-FH ehet: Kotakt- och familjehemsehete Iehållsförteckig 1 Uppföljig vår... 3 1.1 Arbetsskad, otillåte påverka och tillbud... 3 1.2 Sjukfråvaro... 3 1.3 Lågtidsfriska... 3 1.4
Läs merStatistik. Språkligt och historiskt betyder statistik ungefär sifferkunskap om staten
Statistik Språkligt och historiskt betyder statistik ugefär sifferkuskap om state E Statistisk udersökig består av fyra delar: Plaerig Dataisamlig Bearbetig Beskrivade statistik (kap 1) Statistisk aalys
Läs merMätbar vetskap om nuläget och tydliga målbilder om framtiden. Genomför en INDICATOR självvärdering och nulägesanalys inom tre veckor
Mätbar vetskap om uläget och tydliga målbilder om framtide Geomför e INDICATOR självvärderig och ulägesaalys iom tre veckor Självvärderig e del av dokumetatioskravet i ya skollage Skollage ställer också
Läs merDatabaser - Design och programmering. Databasdesign. Kravspecifikation. Begrepps-modellering. Design processen. ER-modellering
Databaser desig och programmerig Desig processe Databasdesig Förstudie, behovsaalys ER-modellerig Kravspecifikatio För att formulera e kravspecifikatio: Idetifiera avädare Studera existerade system Vad
Läs merFöreläsning G04 Surveymetodik 732G19 Utredningskunskap I
Föreläsig 5 732G04 Surveymetodik 732G19 Utredigskuskap I Dages föreläsig Klusterurval Estegs klusterurval Tvåstegs klusterurval Klusterurval med PPS 2 Klusterurval De urvalsdesiger som diskuterats hittills
Läs merH1009, Introduktionskurs i matematik Armin Halilovic POLYNOM, POLYNOMDIVISION, ALGEBRAISKA EKVATIONER, PARTIALBRÅKSUPPDELNING. vara ett polynom där a
POLYNOM, POLYNOMDIVISION, ALGEBRAISKA EKVATIONER, PARTIALBRÅKSUPPDELNING Defiitio Polyom är ett uttryck av följade typ P( ) a a a, där är ett icke-egativt heltal (Kortare 0 P k ( ) a a 0 k ) k Defiitio
Läs merHambley avsnitt 12.7 (även 7.3 för den som vill läsa lite mer om grindar)
1 Föreläsig 5/11 Hambley avsitt 12.7 (äve 7.3 för de som vill läsa lite mer om gridar) Biära tal Vi aväder ormalt det decimala talsystemet, vilket har base 10. Talet 2083 rereseterar då 2 10 3 0 10 2 8
Läs merLÖSNINGSFÖRSLAG TILL TENTAMEN I MATEMATISK STATISTIK
UMEÅ UNIVERSITET Istitutioe för matematisk statistisk Statistiska metoder, 5 poäg MSTA36 Peter Ato LÖSNINGSFÖRSLAG 005-10-6 LÖSNINGSFÖRSLAG TILL TENTAMEN I MATEMATISK STATISTIK Statistiska metoder, 5 poäg
Läs merREGULJÄRA SPRÅK (8p + 6p) 1. DFA och reguljära uttryck (6 p) Problem. För följande NFA över alfabetet {0,1}:
CD58 FOMEA SPÅK, AUTOMATE, OCH BEÄKNINGSTEOI, 5 p JUNI 25 ÖSNINGA EGUJÄA SPÅK (8p + 6p). DFA och reguljära uttryck (6 p) Problem. För följade NFA över alfabetet {,}:, a) kovertera ovaståede till e miimal
Läs mer