Formelsamling i statistik
|
|
- Bernt Larsson
- för 7 år sedan
- Visningar:
Transkript
1 Formelamlg tattk Vero
2 Ittutoe för formatotekolog och meder Iehåll: eteckgar... 3 ekrvade tattk CETRL- OCH SPRIDIGSMÅTT STDRDVÄGIG ORRELTIO OCH REGRESSIO Saolkhetteor RÄ MED SOLIHETER OMITORI STOSTIS VRILER (SLUMPVRILER SOLIHETSFÖRDELIGR PPROIMTIOSREGLER STICPROVSFÖRDELIGR... 4 Stattk lutledg OFIDESITERVLL HPOTESPRÖVIG TEST TEST V ORRELTIO ICE PRMETRIS TEST... 7
3 Ittutoe för formatotekolog och meder eteckgar Stora boktäver,, etc, beteckar lumpvarabler. Små boktäver, x, etc, beteckar faktka värde på obervatoer. Populatotorleke betecka med. Stckprovtorleke betecka med. Grekka boktäver beteckar populatoe parameter. Ex σ, om beteckar populatoe tadardavvkele Udatag: adele, proportoe betecka va böcker med p rep $p Latka boktäver beteckar kattge av parameter. De katta utfrå tckprovet. Ex, om beteckar tckprovet tadardavvkele. Parameter Parameterkattg (tattka ( populatoe/ ao- ( tckprovet lkhetfördelge Medelvärde μ x Vara σ del, proporto p (alt π $p (alt p orrelato ρ r Geerellt θ $ θ 3
4 Ittutoe för formatotekolog och meder ekrvade tattk. Cetral- och prdgmått Meda: alt Värdet av de mtterta obervatoe vd udda atal obervatoer + Ob r torlekordg medelvärdet av de båda mtterta obervatoera vd jämt atal obervatoer + Obervatoera: och Tpvärde: Det valgate, met förekommade värdet ett materal Stckprovmedelvärde: x x + x + + x x x Populatomedelvärde: μ Varatovdd: Dfferee mella det törta och det mta värdet, max-m vartlavtåd: vtådet mella övre och udre kvartle, Q 3 - Q vartlavvkele: Geomttlgt avtåd frå kvartlera tll medae, Q3 Q Stckprovtadardavvkele: x x x x ( ( x x Populatotadardavvkele: σ ( x μ x μ 4
5 Ittutoe för formatotekolog och meder Om materalet age e frekvetabell: tal olka oberverade värde/olka klaer f abolut frekve; f abolut frekve; f (tckprov f (populato Stckprovmedelvärdet: fx x fx Populatomedelvärdet: μ Stckprovtadardavvkele: f ( ( f x x x f x f x x Populatotadardavvkele: σ f ( x μ f x μ Fraktlmått vd kladelade materal: ( / 00 P x w kf 0 + f de efterökta percetle P varabelvärdet för de ökta percetle x 0 de edre klagräe där de ökta percetle f w klabredd kf 0 kumulerad frekve för x 0 (/00 kumulerad frekve för P f frekve klae 0 5
6 Ittutoe för formatotekolog och meder Stadardvägg Problem: E varabel,, har olka medelvärde eller olka adelar mella kategorera och. Detta dataambad ka kotrollera för e uppdelg klaer/ kategorer efter e tredje varabel. Stadardpopulatometode: Välj e tadardpopulato och aväd de vkter geomgåede. På å ätt ka v drekt jämföra tadardvägda medelvärde. w tadardpopulatoe vkter, tratamedelvärde alt p, p trataadelar v w w alt p SV w p w v w w alt p SV w p w apactetmetode: Geom att beräka hpotetka medelvärde för de olka populatoera, utfrå e törre populato medelvärde, och därefter beräka dextal mella de aa och de hpotetka medelvärdea ka populatoera på ett mer rättvt ätt jämföra. z tratamedelvärde för tadardpopulatoe (e törre populato tratamedelvärde w frekveer, atal, vkter hp w w z I 00 at hp hp w z w I 00 at hp 6
7 Ittutoe för formatotekolog och meder orrelato och regreo ovarae tckprovet: Cov[,] ( x x( orrelatokoeffcete tckprovet: Cov[, ] r ( x x( ( x x( ( x x ( x x x x ( ( ( x ( x ( ( x x orrelatokoeffcete populatoe: Cov[, ] ρ σ σ Regreolje ˆ ˆ ˆ x β + β alteratvt $ a+ b x 0 ˆ β r ( x x( x x ( x x x ( x ˆ β 0 ˆ x ˆ β βx 7
8 Ittutoe för formatotekolog och meder Saolkhetteor 3. Räka med aolkheter, atal elemet med egekape pr( alt pr( omplemetet tll (cke- pr( pr( pr( pr ( pr( eller pr( + pr( pr( och ddtoate pr( och pr( pr( eller pr( pr ( Multplkatoate Sate om total aolkhet pr( pr( E och pr( E pr( E pr( E och pr( E pr( pr( E pr( E pr( E pre ( ae at Oberoede hädeler Hädelera och ka betrakta om oberoede hädeler om: pr( P ( Detta leder tll att ttet mella två oberoede hädeler ka beräka elgt: pr( och pr( P( Om och är oberoede hädeler, å är äve och cke-, cke- och amt cke- och cke- oberoede hädeler. Djukta hädeler Två hädeler äg vara djukta om de är varadra utelutade, dv de ka te träffa amtdgt. pr( ad 0 3. ombatork Permutatoer (ordge är av betdele E ordad följd av x objekt valda frå objekt tal permutatoer: Px! ( x! 8
9 Ittutoe för formatotekolog och meder ombatoer (ordge akar betdele Ett urval av x objekt valda frå objekt (uta hä tll ordge tal kombatoer: (! x!( x! Skrv ockå x x C 3. Stokatka varabler (lumpvarabler pr( x pr( x Vätevärdet E [ ] μ x prx ( Varae ( ( ( Var [ ] σ E ( x μ ( x μ prx ( x prx ( μ E E [ ] Stadardavvkele: d ( σ E ( μ Ljära kombatoer av e lumpvarabel Om a + b, där a och b är kotater å är : E(a+b ae( + b dv μ aμ + b Var[] a Var( dv σ a σ σ a σ Stadarderg av lumpvarabel Om är e lumpvarabel med medelvärdet μ och tadardavvkele σ, μ å har medelvärdet och tadardavvkele 0. σ Summor och dffereer För emella oberoede lumpvarabler, etc gäller: ( + E( E( ( + ( d( ( d( E + d + E ( E( E( ( ( d( ( d( d + Medelvärde och tadardavvkele för umma av obervatoer draga lumpmägt ur e fördelg med medelvärde μ och tadardavvkele σ: μ Sum μ σ Sum σ 9
10 Ittutoe för formatotekolog och meder Saolkhetfördelgar Dkreta aolkhetfördelgar omalfördelge, (, p. tal förök, aolkhete för att lcka p, varabel atal lckade av förök. Saolkhetera (mafuktoe:! pr( x p ( p p ( p x x!( x! x x x x x 0,,,..., Vätevärde: Vara: E( μ p Var( σ p (-p Stadardavvkele: σ p( p Hpergeometrka fördelge, Hp(,,S populatoe torlek, tckprovet torlek, S atalet populatoe av e v kategor, varabel atal tckprovet påträffade av kategor. p S Saolkhetera (mafuktoe: S S ( ( ( Cx C x pr( x x 0,,,..., C Vätevärde: E( μ p Vara: Var( σ p ( p Stadardavvkele: σ σ otuerlga aolkhetfördelgar Lkformga fördelge, U(a,b a x b Saolkhettäthet: f(x b a Vätevärde: E( μ a + b Vara: Var( σ ( b a ormalfördelge, f(μ, σ - x Täthetfukto: f( x e πσ ( x μ σ 0
11 Ittutoe för formatotekolog och meder Vätevärde: E( μ Vara: Var( σ 3.4 pproxmatoregler pproxmera de hpergeometrka fördelge med bomalfördelge är urvalfraktoe udertger 0,. (/ 0, omalfördelge får approxmera med ormalfördelge är p(-p 9. ( tort och p ltet otutetkorrekto förbättrar approxmatoe efterom omalfördelge är dkret och ormalfördelge är kotuerlg. e dkret fördelg motvarar tervallet 0,5<<,5 e kotuerlg fördelg. (Ex > 0 0,5 och 0 0,5 3.5 Stckprovfördelgar tckprovet torlek Saolkhetfördelge för tckprovadele pˆ p( p Medelvärdet (vätevärdet för pˆ är p och tadardavvkele är. Fördelge för är bomal me ka då p p > 9 ( ca approxmera med ormalfördelge. pˆ (. Saolkhetfördelge för tckprovmedelvärdet tag att v har e kvattatv varabel med medelvärdet μ och tadardavvkele σ populatoe. Om mätvarabel är ormalfördelad å är ormalfördelad. Om > 30 (ca. å är approxmatvt ormalfördelad äve om te är det (elgt cetrala grävärdeate. har vätevärdet μ och tadardavvkele σ
12 Ittutoe för formatotekolog och meder Stattk lutledg De tattka feree bgger ofta på att v ka aväda o av ormalfördelge. tge ka v förutätta ormalfördelade varabler, vlket garaterar att tckprovmedelvärdet är ormalfördelat, eller ockå ka v utttja CGS om äger att tckprovmedelvärdet är ormalfördelat är v har tora tckprov. Om v har e käd populatovara ka v aväda z-fördelge, me då v te käer populatovarae ka v ofta aväda t-fördelge. Dea fördelg bekrv av ett atal frhetgrader, df, beroede på hur tora tckprove är. är atalet frhetgrader ökar tederar t-fördelge att bl allt mera lk z-fördelge. Ma ka aväda z-fördelge är atalet frhetgrader övertger 00 uta att felet blr av törre betdele. Har v urval frå ädlga populatoer och urvalfraktoe är törre ä 0%, (/ > 0, aväder v ädlghetkorrekto, e da ofdetervall ofdetervall är uppbggda på följade ätt: Puktkattg ± kofdegrad tadardfel; Där tadardfelet (e är puktkattge tadardavvkele ofdetervall för μ: σ x ± zα e( x x ± zα Fall : är F, σ är käd / / Fall : är F, σ är okäd x ± t e( x x± t df Fall 3: Fördelge är okäd me x ± t e( x x± t df Fall 4: Fördelge är okäd och är tort x ± z e( x x α /. ± α / z x ofdetervall för parva obervatoer, matchg: d t e d d t df Matchade par, och är F ± ( ± d t e d d t df Matchade par, 30 ± ( ± d d ofdetervall för μ - μ, två oberoede tckprov: σ σ Fall : och är F, σ och σ är käda ( x ± zα/ +
13 Ittutoe för formatotekolog och meder x ± t e x x ± t + Fall : och är F, σ σ me okäda, ( ( ( eller < 30, ( + ( + Fall 3 : och är F, σ σ me okäda, ( ( ( eller 30 (( / + ( / df + - x ± t e x x ± t + ([ ] [ ] df alteratvt M, ( / ( / + Fall 4 : och är ej F, me och 30 ( ( ( x ± z e x x ± z + ofdetervall för proportotal: pˆ ± z e pˆ pˆ ± z p(-p 9 ( pˆ( pˆ ofdetervall för kllade mella två proportotal: pˆ ( pˆ pˆ ( pˆ pˆ ˆ ˆ ˆ ˆ ˆ p ± z e p p p p ± z + p (-p och p (-p 9 ( ( ( Hur ma beräkar erforderlg tckprovtorlek: m tllåte felmargal (halva kofdetervallet lägd z är beroede av kofdevå p* ämta värde på p de gva tuatoe z σ > m z m För proportoer gäller: > p* ( p * väd ädlghetkorrekto får formlera följade uteede: > m z σ z σ + För proportoer gäller: > m ( z p p * * + z p *( p* 3
14 Ittutoe för formatotekolog och meder Hpoteprövg α Saolkhete att förkata e a ollhpote ; Saolkhete för tp fel β Saolkhete att acceptera e falk ollhpote ; Saolkhete för tp fel tetvarabel aktuell puktkattg (etmator - hpotetk värde tadardfel (e $ θ θ $ e( θ Populatomedelvärdet μ: Fall : är F, σ är käd Tetvarabel Z μ σ / Fall : är F, σ är okäd Tetvarabel: t μ / μ Fall 3 : är ej F, me 30 Tetvarabel: t / df - df - Fall 4 : är ej F, och är mcket tort Tetvarabel: Z μ Skllad mella två medelvärde vd parva obervatoer, matchg: Matchade par, och är F Matchade par, och är ej F me > 30 Tetvarabel: t Tetvarabel: t d d d d 0 D / 0 D / df - df - Skllad mella två populatomedelvärde, μ - μ, två oberoede tckprov: Fall : och är F, σ och σ är käda: ( (μ μ Z σ σ + Fall : och är F, σ σ me okäda : Tetvarabel: ( ( μ μ t + där ( + ( + df + 4
15 Ittutoe för formatotekolog och meder Fall 3: och är F, σ σ me okäda, eller 30: t ( (μ μ + (( / + ( / ([ ] [ ] df alteratvt df M, ( / ( / + Fall 4: och är ej F, me och 30 Z ( ( μ + μ Populatoproportoe, p: p(-p 9 Tetvarabel Z pˆ p p( p Skllad mella två populatoproportoer, p p : p (-p 9 och p (-p 9 Tetvarabel Z pˆ pˆ pˆ ˆ 0( p0 + där pˆ 0 pˆ + pˆ + Ädlghetkorrekto: Om v har e ädlg populato och tar ett tckprov om är mer ä ca. 0 % av populatoe, dv. urvalkvote >0,, å aväd ädlghetkorrekto. V får e äkrare kattg och korrgerar därför medelfelet å att det mkar med faktor Ex på ädlghetkorrekto: I för μ: x x± z x± z Hpoteprövg för p: Tetvarabel Z p p p( p 5
16 Ittutoe för formatotekolog och meder x - tet 4.3. Goode of Ft (hur väl aluter g oberverade värde tll e gve fördelg? Jämföreler mella oberverade (O och förvätade (E frekveer. Iga förvätade frekveer får udertga 5 Tetvarabel ( O E χ tal frhetgrader (r- E Tet av oberoede Jämföreler mella oberverade (O och förvätade (E frekveer. Iga förvätade frekveer får udertga 5 Var Var... c Totalt O O... O c R O O... O c R r O r O r... O rc R r Totalt C C... C c tckprovtorlek O j oberverad frekve cell,j R radumma för rad C j kolumumma för kolum j r atal rader c atal kolumer E j förvätad frekve cell,j R C j Tetvarabel ( Oj Ej χ E j tal frhetgrader (r-(c- 4.4 Tet av korrelato r är korrelatokoeffcete mella två ormalfördelade varabler. r Tetvarabel t tal frhetgrader - r /( ( 6
17 Ittutoe för formatotekolog och meder Icke parametrka tet Icke parametrka tet aväd är v har må tckprov och te ka ata att materalet är ormalfördelat. V aväder då k fördelgfra tet. Tecketet väd är v har parva obervatoer, k matchg. ge för varje par om dfferee är potv eller egatv. orte frå de fall där dfferee 0. Räka atalet plu- och mu-tecke. Tetfukto: Det atal tecke om förekommer mt. V tetar hpotee att adele plutecke 0,5 Utttja bomalfördelge för att fa gfkavå. Wlcoxo tet väd är v har parva obervatoer, k matchg. lda dffereer för varje par. Ragorda dffereera efter torleke på dera abolutbelopp. Mta dfferee får ragtalet ov. Vd flera lka dffereer, beräka medelvärdet av ragtale. orte frå de fall där dfferee 0. eräka ragumma för de potva och egatva dffereera. Tetfukto: De lägre ragumma av de båda. V tetar hpotee att medae för de bldade dffereera 0. Ttta ärkld tabell efter krtka värde. 7
F15 ENKEL LINJÄR REGRESSION (NCT )
Stat. teor gk, ht 006, JW F5 ENKEL LINJÄR REGRESSION (NCT.-.4) Ordlta tll NCT Scatter plot Depedet/depedet Leat quare Sum of quare Redual Ft Predct Radom error Aal of varace Sprdgdagram Beroede/oberoede
Läs mer4.2.3 Normalfördelningen
4..3 Normalfördelge Bomal- och Possofördelge är två exempel på fördelgar för slumpvarabler som ka ata ädlgt eller uppräkelgt måga olka värde. Sådaa fördelgar sägs vara dskreta. Ofta är ett resultat X frå
Läs merVäntevärde, standardavvikelse och varians Ett statistiskt material kan sammanfattas med medelvärde och standardavvikelse (varians), och s.
Vätevärde, stadardavvkelse och varas Ett statstskt materal ka sammafattas med medelvärde och stadardavvkelse (varas, och s. På lkade sätt ka e saolkhetsfördelg med käda förutsättgar sammafattas med vätevärde,,
Läs merSensorer, effektorer och fysik. Analys av mätdata
Sesorer, effektorer och fysk Aalys av mätdata Iehåll Mätfel Noggrahet och precso Några begrepp om saolkhetslära Läges- och sprdgsmått Kofdestervall Ljär regresso Mätosäkerhetsaalys Mätfel Alla mätgar är
Läs merSensorer och elektronik. Analys av mätdata
Sesorer och elektrok Aalys av mätdata Iehåll Mätfel Några begrepp om saolkhetslära Läges- och sprdgsmått Kofdestervall Ljär regresso Mätosäkerhetsaalys Mätfel Alla mätresultat är behäftade med e vss osäkerhet
Läs merFormler och tabeller i statistik
KTH STH, Campus Hage Formler och tabeller statstk Arm Hallovc Formler och tabeller statstk Medelvärde och varas = = = ( ) = = = Medelvärde och varas för ett frekvesdelat materal = k = f = k = f ( ) Vätevärde
Läs merSannolikhetslära statistisk inferens F10 ESTIMATION (NCT )
Stat. teori gk, vt 2006, JW F10 ESTIMATION (NCT 8.1-8.3) Ordlita till NCT Iferece Slutledig, ifere Parameter Parameter Saolikhetlära tatitik ifere Hittill har vi ylat med aolikhetlära. Problem av type:
Läs merFöreläsningsanteckningar till Linjär Regression
Föreläsgsateckgar tll Ljär Regresso Kasper K S Aderse 3 oktober 08 Statstsk modell Ofta söks ett sambad y fx mella e förklarade eller oberoede varabel x och e resposvarabel eller beroede varabel y V betrakter
Läs merLycka till och trevlig sommar!
UMEÅ UNIVERSITET Isttutoe för matematsk statstk Statstk för lärare, MSTA38 Lef Nlsso TENTAMEN 07-05-3 TENTAMEN I MATEMATISK STATISTIK Statstk för lärare, 5 poäg Skrvtd: 09.00-5.00 Tllåta hjälpmedel: Tabellsamlg,
Läs merGeodetisk och fotogrammetrisk mätnings- och beräkningsteknik
Formelamlg tll Geodetk och fotogrammetrk mätg- och beräkgtekk Vero 015-03-04 Geodetk och fotogrammetrk mätg- och beräkgtekk by Latmäteret m.fl. lceed uder a Creatve Commo Erkäade-Ickekommerell-Igaearbetgar
Läs merFormelsamling. i= 1. f x. Andelar, medelvärde, standardavvikelse, varians, median. p = Stickprovsandel. Populationsandel
fo m e lam l Fomelaml Adela, medeläde, tadadakele, aa, meda Stckpoadel atal p ehete tckpoet med tudead tckpotolek eekap Populatoadel atal ehete populatoe med tudead populatotolek eekap Stckpomedeläde beäkat
Läs merParametriska metoder. Icke-parametriska metoder. parametriska test. Icke-parametriska test. Location Shift. Vilket test ersätts med vilket?
Icke-parametrska test Icke-parametrska metoder Parametrska metoder Fördelge för populatoe som stckprovet togs frå är käd så ära som på ett atal parametrar, t.ex: N med okäda och Icke-parametrska metoder
Läs merF9 Hypotesprövning. Statistikens grunder 2 dagtid. p-värden. Övning 1 från F8
01-10-5 F9 Hypotesprövg Statstkes gruder dagtd HT 01 Behöver komma håg alla formler? Ne, kolla formelbladet Me vlka som behövs eller te beror på stuatoe Det som ska läras är är behöver Z eller T och hur
Läs merGeodetisk och fotogrammetrisk mätnings- och beräkningsteknik
Formelamlg tll Geodetk och fotogrammetrk mätg- och beräkgtekk Vero 015-03-04 Tllägg 018-10- Geodetk och fotogrammetrk mätg- och beräkgtekk by Latmäteret m.fl. lceed uder a Creatve Commo Erkäade-Ickekommerell-IgaBearbetgar
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 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 merEn utvärdering av två olika sätt att skatta fördelningen till stickprovsmedelvärden från olikfördelade data - normalapproximation kontra resampling
utvärderg av två olka sätt att skatta fördelge tll stckprovsmedelvärde frå olkfördelade data - ormalapproxmato kotra resamplg av Adreas Holmström xamesarbete matematsk statstk Umeå uverstet, Hadledare:
Läs merHYPOTESPRÖVNING. De statistiska metoderna som används för att fatta denna typ av beslut baseras på två komplementära antaganden om populationen.
HPOTESPRÖVNING De tatitika metodera om aväd för att fatta dea typ av belut baera på två komplemetära atagade om populatioe. Partiet produkter har atige de utlovade kvalitete eller å har de de ite. Atige
Läs merMatematisk statistik KTH. Formelsamling i matematisk statistik
Matematik tatitik KTH Formelamlig i matematik tatitik Vårtermie 07 Kombiatorik! = k k! ( k)!. Tolkig: mägd med elemet. = atalet delmägder av torlek k ur e k Stokatika variabler V (X) = E X (E (X)) C (X;
Läs merMedelvärde. 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 merVäntevärde 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 merNågot om beskrivande statistik
Något om beskrvade statstk. Iledg I de flesta sammahag krävs fakta som uderlag för att komma tll rmlga slutsatser eller fatta vettga beslut. Exempelvs ka det på ett företag ha uppstått dskussoer om att
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 merTillåtna hjälpmedel: Eget handskrivet formelblad (A4), utdelad tabellsamling, miniräknare med tömt minne Studenterna får behålla tentamensuppgifterna
UMEÅ UNIVERSITET Ititutioe för matematik tatitik Statitik för lärare, MSTA8 PA LÖSNINGSFÖRSLAG 004-0-8 LÖSNINGSFÖRSLAG TILL TENTAMEN I MATEMATISK STATISTIK Statitik för lärare, poäg Tillåta hjälpmedel:
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 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 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 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 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 merCentrala gränsvärdessatsen
Arm Hallovc: EXTRA ÖVNINGAR Cetrala gräsvärdessatse Cetrala gräsvärdessatse Vätevärdet och varase för e ljär kombato av stokastska varabler beräkas elgt följade: S Låt c, c,, c vara kostater,,,, stokastska
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 merFormelblad Sannolikhetsteori 1
Formelblad Saolikhetsteori Bayes formel: Låt A och D vara två hädelser Då gäller P A D = P D AP A P D Chebyshevs olikhet: Låt X vara e stokastisk variabel med vätevärde µ och varias Då gäller för alla
Läs merTENTAMEN I MATEMATISK STATISTIK. Statistik för lärare, 5 poäng
UMEÅ UNIVERSITET Isttutoe för matematsk statstk Statstk för lärare, MSTA38 Lef Nlsso TENTAMEN 04--6 TENTAMEN I MATEMATISK STATISTIK Statstk för lärare, 5 poäg Skrvtd: 9.00-15.00 Tllåta hjälpmedel: Utdelad
Läs merViktigt! Glöm inte att skriva Tentamenskod på alla blad du lämnar in.
Statistisk försöksplaerig Provmomet: Ladokkod: Tetame ges för: Skriftlig tetame 3,0 hp 51SF01 DTEIN14h 4,5 högskolepoäg TetamesKod: Tetamesdatum: 5 ovember 015 Tid: 9.00-13.00 Hjälpmedel: Miiräkare Totalt
Läs merFördelningen för populationen som stickprovet togs ifrån är känd så nära som på ett antal parametrar, t.ex: N med okända
we Mezel, 7 we.mezel@sl.se; we.mezel@matstat.de www.matstat.de Parametrska metoder Fördelge för poplatoe som stckprovet togs frå är käd så ära som på ett atal parametrar, t.ex: N med okäda Icke-parametrska
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 merNormalfördelningens betydelse. Sannolikhet och statistik. Täthetsfunktion, väntevärde och varians för N (µ, σ)
Normalfördeliges betydelse Empirisktse gur: måga storheter approximativt ormalfördelade Summa av måga ugefär oberoede och ugefär likafördelade s.v. är approximativt ormalfördelad CGS Exempel: mätfel =
Läs merMS-A0509 Grundkurs i sannolikhetskalkyl och statistik Exempel etc., del II
MS-A0509 Grudkurs i saolikhetskalkyl och statistik Exempel etc., del II G. Gripeberg Aalto-uiversitetet 11 februari 014 G. Gripeberg Aalto-uiversitetet) MS-A0509 Grudkurs i saolikhetskalkyl och statistikexempel
Läs merTentamen i matematisk statistik, Statistisk Kvalitetsstyrning, MSN320/TMS070 Lördag , klockan Lärare: Jan Rohlén
FACIT Tetame i matematisk statistik, Statistisk Kvalitetsstyrig, MSN3/TMS7 Lördag 6-1-16, klocka 14.-18. Lärare: Ja Rohlé Ugift 1 (3.5 ) Se boke! Ugift (3.5) Se boke! Ugift 3 (3) a-ugifte Partistorlek:
Läs merTENTAMEN I MATEMATIK MED MATEMATISK STATISTIK HF1004 TEN kl
TENTAMEN I MATEMATIK MED MATEMATISK STATISTIK HF004 TEN 0-04-5 kl 8.5-.5 Hjälpmedel: Formler och tabeller i statistik, räkedosa Fullstädiga lösigar erfordras till samtliga uppgifter. Lösigara skall vara
Läs merGrundläggande matematisk statistik
Grudläggade matematik tatitik Hypotetet I Uwe Mezel, 2018 uwe.mezel@lu.e; uwe.mezel@mattat.de www.mattat.de Syfte: Hypotetet o vi tetar på grudval av ett tickprov om e fördeligparameter (μ, σ, λ, ) har
Läs merUppsala Universitet Matematiska institutionen Matematisk Statistik. Formel- och tabellsamling. Sannolikhetsteori och Statistik
Uppsala Uiversitet Matematiska istitutioe Matematisk Statistik Formel- och tabellsamlig Saolikhetsteori och Statistik IT2-2004 Formelsamlig, Saolikhetsteori och Statistik IT-2004 1 Saolikhetsteori 1.1
Läs merSAMMANFATTNING TAMS79 Matematisk statistik, grundkurs
SAMMANFATTNING TAMS79 Matematisk statistik, grudkurs LÄST SOM EN DEL AV CIVILINGENJÖRSPROGRAMMET I INDUSTRIELL EKONOMI VID LITH, HT 2015 Versio: 1.0 Seast reviderad: 2016-02-01 Författare: Viktor Cheg
Läs 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 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 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 mer= α. β = α = ( ) D (β )= = 0 + β. = α 0 + β. E (β )=β. V (β )= σ2. β N β, = σ2
Ljär regresso aolkhet och statstk Regressosaalys VT 2009 Uwe.Mezel@math.uu.se http://www.math.uu.se/ uwe/ Fgur: Mätpukter: x, y Ljär regresso - kalbrerg av e våg Modell för ljär regresso Modell: y α +
Läs merSAMMANFATTNING AV KURS 602 STATISTIK (Newbold kapitel [7], 8, 9, 10, 13, 14)
AMMANFATTNING AV KUR 6 TATITIK (Newbold katel [7], 8, 9,, 3, 4) INLEDNING 3 Proortoer 3 Proortoer 4 Poulatosvaras 5 KONFIDENINTERVALL 6 Itutv förklarg 6 Arbetsgåg vd beräkg av kofdestervall 7 Tfall. ök
Läs merTentamen STA A15 delkurs 1 (10 poäng): Sannolikhetslära och statistisk slutledning 3 november, 2005 kl
Tetame STA A5 delkurs ( poäg): Saolkhetslära och statstsk slutledg 3 ovember 5 kl. 8.5-3.5 Tllåta hjälpmedel: Räkedosa bfogade formel- och tabellsamlgar vlka skall retureras. Asvarg lärare: Ja Rudader
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 merMS-A0509 Grundkurs i sannolikhetskalkyl och statistik Sammanfattning, del II
MS-A0509 Grudkurs i saolikhetskalkyl och statistik Sammafattig, del II G. Gripeberg Aalto-uiversitetet 14 februari 014 G. Gripeberg Aalto-uiversitetet) MS-A0509 Grudkurs i saolikhetskalkyl och statistiksammafattig,
Läs merSOS HT Punktskattningar. Skattning från stickprovet. 2. Intuitiva skattningar. 3. Skattning som slumpvariabel. slump.
Puktskattgar SOS HT10 Puktskattg uwe@math.uu.se http://www.math.uu.se/~uwe/sos_ht10 1. Vad är e puktskattg och varför behövs de? 1. Jämförelse: saolkhetstoer statstkteor 2. Itutva ( aturlga ) skattgar
Läs merTentamen i Sannolikhetsteori III 13 januari 2000
STOCKHOLMS UNIVERSITET MATEMATISK STATISTIK Louise af Klitberg Lösigar Tetame i Saolikhetsteori III 13 jauari 2000 Uppgift 1 a) Det mest detaljerade utfallsrummet är med uppebara beteckigar Ω = {(B1, B2),
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 mer================================================
rmi Halilovic: ETR ÖVNINGR TVÅ STICKPROV Vi betraktar två oberoede ormalfördelade sv och Låt x, x,, x vara ett observerat stickprov, av storleke, på N (, ) och låt y, y,, y vara ett observerat stickprov,
Läs merLÖSNINGAR TILL. Räkningar: (z i z) 2 = , Δ = z = 1 n. n 1. Konfidensintervall:
LÖSNINGAR TILL Matematisk statistik Tetame: 2014 10 28 kl 14 00 19 00 Matematikcetrum FMS 086 Matematisk statistik för B, K, N och BME, 7.5 hp Luds tekiska högskola MASB02 Matematisk statistik för kemister,
Läs 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 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 merD 45. Orderkvantiteter i kanbansystem. 1 Kanbansystem med två kort. Handbok i materialstyrning - Del D Bestämning av orderkvantiteter
Hadbok materalstyrg - Del D Bestämg av orderkvatteter D 45 Orderkvatteter kabasystem grupp av materalstyrgsmetoder karakterseras av att behov av materal som uppstår hos e förbrukade ehet mer eller mdre
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 merKTH/ICT IX1501:F7 IX1305:F2 Göran Andersson Statistik: Skattningar
KTH/ICT IX50:F7 IX305:F Göra Adero goera@th.e Statiti: Sattigar Statiti Vi all u tudera obervatioer av toatia variabler. Vad blev det för värde? Dea obervatioer alla ett ticprov (ample). Iom tatitie fi
Läs merMS-A0509 Grundkurs i sannolikhetskalkyl och statistik Sammanfattning, del II
Stickprov MS-A0509 Grudkurs i saolikhetskalkyl och statistik Sammafattig del II G Gripeberg Aalto-uiversitetet 4 februari 04 Estimerig 3 Kofidesitervall 4 Hypotesprövig 5 Korrelatio och regressio G Gripeberg
Läs 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 merTentamen 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 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 mer1. (a) Eftersom X och Y har samma fördelning så har de även samma väntevärde och standardavvikelse. E(X 2 ) = k
LÖSNINGAR TILL Matematisk statistik, Matematikcetrum Tetame: 5 kl 8 Luds tekiska högskola FMS, FMS, FMS, FMS 5, MAS 9 Matematisk statistik för ED, F, I, FED och fysiker. a Eftersom X och Y har samma fördelig
Läs merOrderkvantiteter vid begränsningar av antal order per år
Hadbok materalstyrg - Del D Bestämg av orderkvatteter D 64 Orderkvatteter vd begräsgar av atal order per år Olka så kallade partformgsmetoder aväds som uderlag för beslut rörade val av lämplg orderkvattet
Läs merRättningstiden är i normalfall 15 arbetsdagar, annars är det detta datum som gäller:
Matematisk Statistik Provmomet: Ladokkod: Tetame ges för: Tetame TT091A KMASK14H 7,5 högskolepoäg Nam: (Ifylles av studet) Persoummer: (Ifylles av studet) Tetamesdatum: 2 jui 2015 Tid: 9:00-13:00 Hjälpmedel:
Läs merF19 HYPOTESPRÖVNING (NCT ) Hypotesprövning för en differens mellan två medelvärden
Stat. teori gk, ht 006, JW F19 HPOTESPRÖVNING (NCT 11.1-11.) Hypotesprövig för e differes mella två medelvärde Samma beteckigar som vid kofidesitervall för differes mella två populatiosmedelvärde: Medelvärde
Läs merLösning till tentamen för kursen Log-linjära statistiska modeller 29 maj 2007
STOCKHOLMS UNIVERSITET MS 3150 MATEMATISKA INSTITUTIONEN TENTAMEN Avd. Matematisk statistik 29 maj 2007 Lösig till tetame för kurse Log-lijära statistiska modeller 29 maj 2007 Uppgift 1 a Modelle uta ågra
Läs mer0 Testvariabel t, x s n. Lite historia om t-testett. testet. Ett stickprov: Hur räknar r. testet. ett stickprov
-ee Le hora om -ee ee ude -e "ude," peudom om aväd av Wllam Goe (bld) Jobbade på Gue brggere Dubl börja av 9-ale allmä beecka alla e om aväder - fördelge om -e uwe.mezel@mah.uu.e Defo för f r -fördelge
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 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 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 G04 Surveymetodik 732G19 Utredningskunskap I
Föreläsg 6 73G04 urveymetodk 73G9 Utredgskuska I Dages föreläsg ortfall Totalbortfall Partellt bortfall Hur hatera bortfall? ortfallsstratumasatse (tvåfasurval) ubsttuto Imuterg Reettosquz ortfall och
Läs merSOS HT10. Punktskattning. Inferens för medelvärde ( ) och varians (σ 2 ) för ett stickprov. Punktskattningen räcker inte!
aa O HT0 ervallkag uwe@mah.uu.e h://www.mah.uu.e/uwe/o_ht0 ervallkag rouko ere ör meelväre () och vara (σ ) ör e ckrov kag av är är kä kag av är är okä me or kag av är är okä och e heller or *A kaa e aaravvkele
Läs merFÖRSÖKSPLANERING. och utvärdering av försöksresultat med den matematiska statistikens metoder. av Jarl Ahlbeck
FÖRSÖKSPLNERING och utvärderg av försöksresultat med de matematska statstkes metoder av Jarl hlbeck Åbo kadem Laboratoret för alägggstekk I a sstem whch varable quattes chage, t s of terest to eame the
Läs merFöreläsning 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 merStatistik för bioteknik SF1911 // KTH Matematisk statistik // Formler och tabeller. 1 Numeriska sammanfattningar (statistikor)
Statistik för biotekik SF9 // KTH Matematisk statistik // Formler och tabeller Ht 206 Numeriska sammafattigar (statistikor) För ett datamaterial x, x 2,..., x beräkas Stickprovsmedelvärde x = i= x i =
Läs merAvd. Matematisk statistik
Avd. Matematisk statistik TENTAMEN I SF1917/SF1918/SF1919 SANNOLIKHETSTEORI OCH STATISTIK, TISDAG 8 JANUARI 2019 KL 8.00 13.00. Examiator för SF1917/1919: Jörge Säve-Söderbergh, 08-790 65 85. Examiator
Läs merMS-A0509 Grundkurs i sannolikhetskalkyl och statistik Exempel, del II
MS-A0509 Grudkurs i saolikhetskalkyl och statistik Exempel, del II Estimerig 2 Kofidesitervall G. Gripeberg Aalto-uiversitetet 3 februari 205 3 Hypotesprövig 4 Korrelatio och regressio G. Gripeberg Aalto-uiversitetet
Läs 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 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 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 merP (A) = k A P (A ) = 1 P (A) P (A B) P (B) P (M i ) = 1 P (A) P (X = k) = p X (k) p X (k) = 1 P (A B) p X (k)
SVERIGES LANTBRUKSUNIVERSITET Istitutioe för eergi och tekik Uwe Mezel e-post: uwe.mezel@matstat.de Formelsamlig Grudläggade matematiskt statistik 2080822 Saolikhetslära Klassisk saolikhetsdeitio: P A
Läs 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 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 merb) Om du nu hade oturen att du köpt en trasig dator, vad är sannolikheten att den skulle ha tillverkats i Litauen?
UMEÅ UNIVERSITET Isttutoe för matematk och matematsk statstk MSTA, Statstk för tekska fysker A Peter Ato TENTAMEN 005-0-03 ÖSNINGSFÖRSAGTENTAMEN I MATEMATISK STATISTIK Statstk för tekska fysker, 4 oäg.
Läs merArmin Halilovic: EXTRA ÖVNINGAR. ) De Moivres formel ==================================================== 2 = 1
Arm Hallovc: EXTRA ÖVNINGAR KOMPLEXA TAL x + y, där x, y R (rektagulär form r(cosθ + sθ (polär form r (cos θ + s θ De Movres formel y O x + x y re θ (potesform eller expoetell form θ e cosθ + sθ Eulers
Läs merMA2018 Tillämpad Matematik III-Statistik, 3.5hp,
MA2018 Tillämpad Matematik III-Statistik, 3.hp, 2018-08- Hjälpmedel: Pea, radergummi och lijal. Räkedosa och medföljade formelsamlig är tillåte! Tetame består av 20 frågor! Edast Svarsblakette ska lämas
Läs merEn jämförande studie av GLM, Jungs metod och Tweedie-modell för premiesättning av multiplikativ tariff.
atematk tattk Stockholm uvertet E ämförade tude av GL, Jug metod och Teede-modell för premeättg av multplkatv tarff. El Laro Eamearete 4: Potal addre: atematk tattk Dept. of athematc Stockholm uvertet
Läs merBegreppet rörelsemängd (eng. momentum) (YF kap. 8.1)
Begreppet rörelsemägd (eg. mometum) (YF kap. 8.1) Defto (Newto!): E partkel med massa m och hastghet ഥv har rörelsemägd ഥp = m ഥv. Vektor med samma rktg som hastghete! Newto II: ሜF = m dvlj = d dt dt d
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 merINGENJÖRSMATEMATISK FORMELSAMLING
Sätyck u femte upplaga av fomle och tabelle fö aolikhetläa och tatitik, idoa 89-4. Toe Gutafo 004. INGENJÖRSMATEMATISK FORMELSAMLING Toe K. Gutafo Kombiatoik 89 90 Kombiatoik 6 KOMBINATORIK Atal pemutatioe
Läs merMS-A0509 Grundkurs i sannolikhetskalkyl och statistik Exempel etc., del II
MS-A0509 Grudkurs i saolikhetskalkyl och statistik Exempel etc., del II G. Gripeberg Aalto-uiversitetet 14 februari 014 G. Gripeberg (Aalto-uiversitetet) MS-A0509 Grudkurs i saolikhetskalkyl och statistikexempel
Läs 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 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 merTentamen del 2 i kursen Elinstallation, begränsad behörighet ET
Tetame del 2 i kure Elitallatio, begräad behörighet ET1013 2013-06-03 Tetame omfattar 60 poäg. För godkäd tetame kräv 30 poäg. Tillåta hjälpmedel är räkedoa amt bifogad formelamlig Beräkigar behöver bara
Läs merPrisuppdateringar på elementär indexnivå - jämförelser mot ett superlativt index
PM tll Nämde för KPI Sammaträde r 3 ES/PR 2017-10-25 Olva Ståhl och Ulf Jostad Prsuppdatergar på elemetär dexvå - jämförelser mot ett superlatvt dex För formato Idex på elemetär vå KPI eräkas de flesta
Läs merTentamen Metod C vid Uppsala universitet, , kl
Tetame Metod C vid Uppsala uiversitet, 160331, kl. 08.00 12.00 Avisigar Av rättigspraktiska skäl skall var och e av de tre huvudfrågora besvaras på separata pappersark. Börja alltså på ett ytt pappersark
Läs mer