Ingenjörsmetodik IT & ME 2011 Föreläsning 11

Save this PDF as:
 WORD  PNG  TXT  JPG

Storlek: px
Starta visningen från sidan:

Download "Ingenjörsmetodik IT & ME 2011 Föreläsning 11"

Transkript

1 Ingenjörsmetodik IT & ME 011 Föreläsning 11 Sammansatt fel (Gauss regel) Felanalys och noggrannhetsanalys Mätvärden och mätfel Medelvärde, standardavvikelse och standardosäkerher (statistik) 1

2 Läsanvisningar till böckerna MATLAB delar av kap 3 (3.4 & 3.5) Grimvall Kap 11.

3 Mål enligt böckerna Grimvall att kunna beskriva vilka begrepp som används inom mätdatabehandling att förstå hur dessa begrepp relaterar till givna mätvärden kunna utföra statistiska beräkningar mha formelsamling MATLAB use statistical functions, generate uniform and Gaussian random sequences 3

4 Frågor från förra gången? 4

5 Förra (F10) föreläsningens mål Ni ska nu kunna: perform linear and cubic spline interpolation calculate the best-fit straight line and polynomial to a set of data points use the basic fitting tool Kunna analysera enkla potensfunktioner med hjälp av linjär anpassning Förstå matematiken bakom detta På samma sätt kunna analysera exponentialfunktionen, relevant för en av labuppgifterna! 5

6 Statistik som tekniskt hjälpmedel Ingenjörer tittat på fördelningar och avvikelser inte torra tabeller! 6

7 Kopplingen till gymnasiematten Dagens föreläsning Gauss formel för sammanlagda mätosäkerheter använder partiella derivator för att studera inverkan av olika variablers osäkerhet på slutresultatet EXEMPEL om både hastigheten och körsträckan är okända är det svårt att beräkna tiden att nå målet! 8

8 9 Exempel Gauss formel Formeln beskriver: ett litet fel i funktionen F p.g.a osäkerhet i de uppmätta värdena x och y Osäkerheten betecknas Det värde vi sätter in är oftast det uppskattade mätfelet standardosäkerheten u som fås genom statistisk behandling av många uppmätta värden F F x y x y F + x y, ( ) ( ) ( ) y u y f x u x f f u y y x x c

9 Exempel Gauss formel I vårt exempel är F restiden t, x vägsträckan s och y bilens hastighet v Dvs: s vt t t s v (, ) t( sv, ) (, ) (, ) t sv 1 t sv s, s v v v t sv s + v s v 10

10 Exempel Gauss formel Vi kanske kör med 70 km/h med en osäkerhet på 0 km/h Sträckan kanske är 30 km med en osäkerhet på 5km Fråga: bör vi gå över till grundenheter i SIsystemet för kommande beräkning? v 70 km / h v 0 km / h s 30km s 5km 11

11 Exempel Gauss formel 1 s t s + v v v h 8min 30s t v s , min, 16.7 min, min Minsta värde Medelvärde Största värde 16.7 min 5.7 min 4 min 1

12 Alternativ metod Lägg ihop de relativa osäkerheterna t t t v s lös ut t v s t min 13

13 Exempel Gauss formel Finns två formler som är användbara om man är osäker på partiella derivator, funkar nästan alltid! För en summa av potenser För en produkt av potenser ( a 1 ) ( b 1 Aax ) 1 x1 Bbx x F + F F x 1 x a + b x 1 x Definition av relativt fel, enhetslöst men procent % ger ett lätthanterligt svar 14

14 15 Exempel Gauss formel Vilken av formlerna fungerar på det exemplet vi just visade? SVAR: produkt av potenser ( ) v v s v s v v t s s t t v v s s v v s s t t v s v s t

15 Hur kan Gauss formel användas För en ingenjör gäller att kraven på produkten måste uppfyllas Detta ska göras på ett sätt som är pålitligt och inte för komplicerat 16

16 Hur kan Gauss formel användas f 1 π LC Tag en radiomottagarkrets i en mobiltelefon som exempel I 3G gäller det att ställa in rätt frekvens, med hjälp av en induktans (spole) och en kapacitans (kondensator) Värdet på L och C bestäms av kretsens layout och varierar något and MHz Frequency Division Duplex (FDD, W-CDMA, channel spacing is 5 MHz and raster is 00 khz. 17

17 Hur kan Gauss formel användas Spolar VCC Kondensatorer Layout och kretsschema 18

18 Hur kan Gauss formel användas Givna värden för frekvensen L 0.6 ± 0.1nH C 10.0 ± 0.1pF ger Δf f f π 1 L L C + C eller GHz MHz 9 Detta kan uttryckas som 8% variation och är inte tillräckligt bra eftersom kanalseparationen ska vara bara 5 MHz! 9 Hz 19

19 Mätvärden och mätfel Vad mäter vi? Fysikaliska storheter: Strömmar, spänningar, temperaturer Mer komplicerade storheter som överföringshastighet, bit error rate En ingenjör vill oftast testa sin konstruktion, fungerar enligt kraven eller inte? Se radiokretsexemplet ovan! I produktion vill man undersöka kvaliteten 0

20 Mätvärden och mätfel Nu går vi in på hur man behandlar resultaten från många mätningar med statistik 1. Grunden är att man använder medelvärden för att uppskatta ett så kallat sant värde. Standardavvikelsen talar om hur mätvärdet varierar 3. Standardosäkerheten talar om hur medelvärdet varierar 1

21 Mätvärden och mätfel Tre möjliga typer av mätfel 1. Grova fel, felavläsning. Systematiska fel, ex.vis något med mätutrustningen som varierar med temperatur 3. Slumpmässiga fel, kortvariga variationer

22 Mätvärden och mätfel Skillnaden mellan precision och noggrannhet illustrerar konceptet med medelvärde och sant värde 3

23 Mätvärden och mätfel Medelvärde (aritmetiskt) x Sant värde µ Standardavvikelse s σ Variansen σ Standardosäkerhet u För n st mätningar s n 4

24 Mätvärden och mätfel Grunden är att man använder medelvärden för att uppskatta ett så kallat sant värde µ Man säger att är en skattning av µ x 5

25 Mätvärden och mätfel Standardavvikelsen talar om hur mätvärdet varierar Jämförelsen görs med medelvärdet eller det sanna värdet µ Vi ser från formeln att det spelat stor roll hur många (antalet n) mätningar vi gjort σ 1 n n i 1 ( x x ) n 1 s σ xi x n 1 1 ( ) 6

26 Mätvärden och mätfel Om vi vill veta hur medelvärdet varierar kan vi också använda standardavvikelsen Vi definierar ett nytt samband som kallas standardosäkerheten Även här spelar antalet n mätningar roll u s n där s beräknas på samma sätt som tidigare 7

27 Normalfördelningen f(x) Figur Gaussfördelningen σ0.5 σ0.5 µ x Visar förväntad spridning för två värden på standardavvikelsen Kan uttryckas med välkänd formel, kallas normalfördelning f ( x) σ ( x µ ) 1 σ e π 8

28 Normalfördelningen Figur Gaussfördelningen µ f(x) µ-σ µ+σ 0. µ-σ µ-3σ x µ+σ µ+3σ Man kan dela in området (arean) under kurvan och ange procenttal för deras respektive sannolikhet 9

29 Normalfördelningen Sannolikheten att hitta µ i intervallet zσ (ett sigma) är: µ + σ µ + σ ( µ σ, µ σ ) f ( x) dx f ( x) dx P + (4.8) µ σ Detta kan jämföras med sannolikheten att hitta ett sant värde i intervallet ( µ σ ) < < ( µ + σ ) x (två sigma) som är: percentage within CI 1σ % 1.645σ 90% 1.960σ 95% σ %.576σ 99% 3σ % P µ + σ µ + σ ( µ σ, µ σ ) f ( x) dx f ( x) dx µ σ σ 99.9% 4σ % 5σ % 6σ % 7σ % 30

30 Exempel på mätvärdesbehandling Exempel Vid vägning av ett antal personer erhölls följande resultat: Massa (kg) Antal

31 Exempel på mätvärdesbehandling Antal personer Massa (kg) 3

32 Exempel på mätvärdesbehandling Standardavvikelsen s kan beräknas enligt: s m j 1 k ( x) j ξ j n 1 8 j 1 k j v n 1 j ( kg) Svar blir: medelvärdet73.7 kg, standardavvikelsen6.3 kg. 33

33 Exempel på mätvärdebehandling Histogram Frequency Medel: 33,1 Standardavvikelse: 5, ,05 0,045 0,04 0,035 0,03 0,05 0,0 0,015 0,01 0,005 0 Bin Verkligt material gamla tentaresultat, följer inte gaussfördelning helt och hållet Flera resultat ligger utanför 1σ intervallet 34

34 Sammanfattning Grimvall att kunna beskriva vilka begrepp som används inom mätdatabehandling att förstå hur dessa begrepp relaterar till givna mätvärden kunna utföra statistiska beräkningar mha formelsamling MATLAB use statistical functions, generate uniform and Gaussian random sequences 35

35 Nästa föreläsning Fortsättning på mätvärdesbehandling Använder MATLAB för att titta på begreppet fördelning Exemplifierar MATLAB funktioner mha statistikens formler Använder symbolisk matematik i MATLAB för att hantera sammansatt fel 36

STOCKHOLMS UNIVERSITET FYSIKUM

STOCKHOLMS UNIVERSITET FYSIKUM STOCKHOLMS UNIVERSITET FYSIKUM Tentamensskrivning i Fysikexperiment, 7,5 hp, för FK2002 Onsdagen den 15 december 2010 kl. 9-14. Skrivningen består av två delar A och B. Del A innehåller enkla frågor och

Läs mer

Kort om mätosäkerhet

Kort om mätosäkerhet Kort om mätosäkerhet Henrik Åkerstedt 14 oktober 2014 Introduktion När man gör en mätning, oavsett hur noggrann man är, så får man inte exakt rätt värde. Alla mätningar har en viss osäkerhet. Detta kan

Läs mer

a n β n + a n 1 β n a 0 + a 1 β 1 + a 2 β , x = r β e ; 0.1 r < 1; e = heltal.

a n β n + a n 1 β n a 0 + a 1 β 1 + a 2 β , x = r β e ; 0.1 r < 1; e = heltal. De iakttagna fenomenen beror på avrundningsfel, och vi skall därför studera talframställningen i datorer. Vid beräkningar för hand är det vanligt att man uttrycker tal i tiopotensframställningen, men i

Läs mer

1 Mätdata och statistik

1 Mätdata och statistik Matematikcentrum Matematik NF Mätdata och statistik Betrakta frågeställningen Hur mycket väger en nyfödd bebis?. Frågan verkar naturlig, men samtidigt mycket svår att besvara. För att ge ett fullständigt

Läs mer

Vetenskaplig metod och Statistik

Vetenskaplig metod och Statistik Vetenskaplig metod och Statistik Innehåll Hur ska man lägga upp ett experiment? Hur hanterar man felkällor? Hur ska man tolka resultatet från experimentet? Experimentlogg Att fundera på Experiment NE:

Läs mer

Introduktion. Konfidensintervall. Parade observationer Sammanfattning Minitab. Oberoende stickprov. Konfidensintervall. Minitab

Introduktion. Konfidensintervall. Parade observationer Sammanfattning Minitab. Oberoende stickprov. Konfidensintervall. Minitab Uppfödning av kyckling och fiskleveroljor Statistiska jämförelser: parvisa observationer och oberoende stickprov Matematik och statistik för biologer, 10 hp Fredrik Jonsson vt 2012 Fiskleverolja tillsätts

Läs mer

Mer om slumpvariabler

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

Läs mer

Avkoppla rätt en kvantitativ undersökning av parasitinduktans hos olika layoutalternativ

Avkoppla rätt en kvantitativ undersökning av parasitinduktans hos olika layoutalternativ Avkoppla rätt en kvantitativ undersökning av parasitinduktans hos olika layoutalternativ Per Magnusson, Signal Processing Devices Sweden AB, per.magnusson@spdevices.com Gunnar Karlström, BK Services, gunnar@bkd.se

Läs mer

Stockholms Universitet Fysikum Tentamensskrivning i Experimentell fysik för lärare 7.5 hp, för FK2004. Onsdagen den 14 december 2011 kl 9-14.

Stockholms Universitet Fysikum Tentamensskrivning i Experimentell fysik för lärare 7.5 hp, för FK2004. Onsdagen den 14 december 2011 kl 9-14. Stockholms Universitet Fysikum Tentamensskrivning i Experimentell fysik för lärare 7.5 hp, för FK2004. Onsdagen den 14 december 2011 kl 9-14. Skrivningen består av tre delar: A, B och C. Del A innehåller

Läs mer

Tenta i Statistisk analys, 15 december 2004

Tenta i Statistisk analys, 15 december 2004 STOCKHOLMS UNIVERSITET MATEMATISKA INSTITUTIONEN LÖSNINGAR Avd. Matematisk statistik, ML 15 december 004 Lösningar Tenta i Statistisk analys, 15 december 004 Uppgift 1 Vi har två stickprov med n = 5 st.

Läs mer

LÖSNINGSFÖRSLAG TILL TENTAMEN I MATEMATISK STATISTIK 2007-08-29

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

Läs mer

Del A: Begrepp och grundläggande förståelse

Del A: Begrepp och grundläggande förståelse STOCKHOLMS UNIVERSITET FYSIKUM K.H./C.F./C.W. Tentamensskrivning i Experimentella metoder, 1p, för kandidatprogrammet i fysik, 18/6 013, 9-14. Införda beteckningar skall förklaras och uppställda ekvationer

Läs mer

medelvärdet för tid svarar mot medelvärdet för hastighet

medelvärdet för tid svarar mot medelvärdet för hastighet Felkalkyl Ofta mäter man inte direkt den storet som är den intressanta, utan en grundläggande variael som sedan används för att eräkna det som man är intresserad av. Se till exempel på ur det går till

Läs mer

Del A: Begrepp och grundläggande förståelse

Del A: Begrepp och grundläggande förståelse STOCKHOLMS UNIVERSITET FYSIKUM KH/CW/SS Tentamensskrivning i Experimentella metoder, 1p, för kandidatprogrammet i fysik, /5 01, 9-14 Införda beteckningar skall förklaras och uppställda ekvationer motiveras

Läs mer

Tentamen i Statistik, STG A01 och STG A06 (13,5 hp) Torsdag 5 juni 2008, Kl

Tentamen i Statistik, STG A01 och STG A06 (13,5 hp) Torsdag 5 juni 2008, Kl Karlstads Universitet Avdelningen för Nationalekonomi och Statistik Tentamen i Statistik, STG A0 och STG A06 (3,5 hp) Torsdag 5 juni 008, Kl 4.00-9.00 Tillåtna hjälpmedel: Bifogad formelsamling, approximationsschema

Läs mer

2010-08-30 Fysikexperiment, 7.5 hp 1

2010-08-30 Fysikexperiment, 7.5 hp 1 Presentation av data Medelvärde av grupperade data Slumptal Gränsvärdesfunktioner Normalfördelningsfunktionen Parameterbestämning Minsta kvadratmetoden 010-08-30 Fysikexperiment, 7.5 hp 1 1 Presentation

Läs mer

Hur måttsätta osäkerheter?

Hur måttsätta osäkerheter? Geotekniska osäkerheter och deras hantering Hur måttsätta osäkerheter? Lars Olsson Geostatistik AB 11-04-07 Hur måttsätta osäkerheter _LO 1 Sannolikheter Vi måste kunna sätta mått på osäkerheterna för

Läs mer

Vetenskaplig Metod och Statistik. Maja Llena Garde Fysikum, SU Vetenskapens Hus

Vetenskaplig Metod och Statistik. Maja Llena Garde Fysikum, SU Vetenskapens Hus Vetenskaplig Metod och Statistik Maja Llena Garde Fysikum, SU Vetenskapens Hus 2010 10 20 Innehåll Hur ska man lägga upp ett experiment? Hur hanterar man felkällor? Hur ska man tolka resultatet från experimentet?

Läs mer

Tentamen i Statistik, STA A13 Deltentamen 1, 4p 27 mars 2004, kl

Tentamen i Statistik, STA A13 Deltentamen 1, 4p 27 mars 2004, kl Karlstads universitet Institutionen för informationsteknologi Avdelningen för statistik Tentamen i Statistik, STA A13 Deltentamen 1, 4p 7 mars 004, kl. 09.00-13.00 Tillåtna hjälpmedel: Ansvarig lärare:

Läs mer

Bengt Ringnér. October 30, 2006

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

Läs mer

Övningstentamen i kursen Statistik och sannolikhetslära (LMA120)

Övningstentamen i kursen Statistik och sannolikhetslära (LMA120) Övningstentamen i kursen Statistik sannolikhetslära (LMA0). Beräkna ( ) 04.. Malin har precis yttat, ska skruva ihop sitt rektangulära skrivbord igen. Bordet har ett ben i varje hörn, har två långsidor

Läs mer

Tentamen för kursen. Linjära statistiska modeller. 16 augusti 2007 9 14

Tentamen för kursen. Linjära statistiska modeller. 16 augusti 2007 9 14 STOCKHOLMS UNIVERSITET MATEMATISK STATISTIK Tentamen för kursen Linjära statistiska modeller 16 augusti 2007 9 14 Examinator: Anders Björkström, tel. 16 45 54, bjorks@math.su.se Återlämning: Rum 312, hus

Läs mer

Forskningsmetodik 2006 Lektion 3

Forskningsmetodik 2006 Lektion 3 Forskningsmetodik 6 Lektion Att tänka på i en mätsituation Per Olof Hulth Längden hos studenterna på forskningsmetodik : 76 8 6 6 7 6 7 67 7 8 7 7 7 6 6 77 8 6 6 7 Det blir litet överskådligare om vi ordnar

Läs mer

Föreläsning 12: Regression

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

Läs mer

34% 34% 13.5% 68% 13.5% 2.35% 95% 2.35% 0.15% 99.7% 0.15% -3 SD -2 SD -1 SD M +1 SD +2 SD +3 SD

34% 34% 13.5% 68% 13.5% 2.35% 95% 2.35% 0.15% 99.7% 0.15% -3 SD -2 SD -1 SD M +1 SD +2 SD +3 SD 6.4 Att dra slutsatser på basis av statistisk analys en kort inledning - Man har ett stickprov, men man vill med hjälp av det få veta något om hela populationen => för att kunna dra slutsatser som gäller

Läs mer

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

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

Läs mer

Beräkningar och diagram i EQUALIS resultatsammanställningar. P016 v

Beräkningar och diagram i EQUALIS resultatsammanställningar. P016 v Innehåll Introduktion... 2 EQUALIS resultatsammanställningar... 3 Diagram i EQUALIS resultatrapporter... 4 Statistiska grundbegrepp... 6 Referenser... 7 Introduktion EQUALIS arrangerar program för extern

Läs mer

Laboration 1: Grundläggande sannolikhetsteori, simulering och dataanalys

Laboration 1: Grundläggande sannolikhetsteori, simulering och dataanalys LUNDS TEKNISKA HÖGSKOLA MATEMATIKCENTRUM MATEMATISK STATISTIK LABORATION 1 MATEMATISK STATISTIK AK FÖR F OCH FYSIKER, FMS012/MASB03, VT15 Laboration 1: Grundläggande sannolikhetsteori, simulering och dataanalys

Läs mer

Mäta rakhet Scanning med M7005

Mäta rakhet Scanning med M7005 Matematikföretaget jz M7005.metem.se 141121/150411/150704/SJn Mäta rakhet Scanning med M7005 Mätgivare Detalj Mäta rakhet - Scanning 1 (12) Innehåll 1 Ett exempel... 3 2 Beskrivning... 6 2.1 Scanna in

Läs mer

TAMS28 DATORÖVNING 1-2015 VT1

TAMS28 DATORÖVNING 1-2015 VT1 TAMS28 DATORÖVNING 1-2015 VT1 Datorövningen behandlar simulering av observationer från diskreta och kontinuerliga fördelningar med hjälp av dator, illustration av skattningars osäkerhet, analys vid parvisa

Läs mer

LINKÖPINGS UNIVERSITET EXAM TAMS 79 / TEN 1

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

Läs mer

Tentamen i Matematisk statistik Kurskod S0001M

Tentamen i Matematisk statistik Kurskod S0001M Tentamen i Matematisk statistik Kurskod S0001M Poäng totalt för del 1: 25 (10 uppgifter) Tentamensdatum 2014-06-05 Poäng totalt för del 2: 30 (3 uppgifter) Skrivtid 09.00 14.00 Lärare: Adam Jonsson, Jesper

Läs mer

3.4 RLC kretsen. 3.4.1 Impedans, Z

3.4 RLC kretsen. 3.4.1 Impedans, Z 3.4 RLC kretsen L 11 Växelströmskretsar kan ha olika utsende, men en av de mest använda är RLC kretsen. Den heter så eftersom den har ett motstånd, en spole och en kondensator i serie. De tre komponenterna

Läs mer

January 3, Statistiska metoder vid kvantitativa. undersökningar. Jan-Olof Johansson

January 3, Statistiska metoder vid kvantitativa. undersökningar. Jan-Olof Johansson January 3, 2017 January 3, 2017 1 / 84 January 3, 2017 2 / 84 Part I Lärandemål Kvantitativ undersökning Insamling av kvantitativa data Inledning January 3, 2017 3 / 84 Lärandemål Lärandemål definiera

Läs mer

Sannolikheter och kombinatorik

Sannolikheter och kombinatorik Sannolikheter och kombinatorik En sannolikhet är ett tal mellan 0 och 1 som anger hur frekvent en händelse sker, där 0 betyder att det aldrig sker och 1 att det alltid sker. När vi talar om sannolikheter

Läs mer

Analys av elektriska nät med numeriska metoder i MATLAB

Analys av elektriska nät med numeriska metoder i MATLAB Analys av elektriska nät med numeriska metoder i MATLAB Joel Nilsson Martin Axelsson Fredrik Lundgren 28-2-12 Kurs DN1215 - Numeriska metoder för ME Moment Laboration 1 - Bli bekväm med MATLAB Handledare

Läs mer

F19, (Multipel linjär regression forts) och F20, Chi-två test.

F19, (Multipel linjär regression forts) och F20, Chi-två test. Partiella t-test F19, (Multipel linjär regression forts) och F20, Chi-två test. Christian Tallberg Statistiska institutionen Stockholms universitet Då man testar om en enskild variabel X i skall vara med

Läs mer

Helsingfors universitet, Agrikultur-forstvetenskapliga fakulteten Skoglig ekologi och resurshushållning

Helsingfors universitet, Agrikultur-forstvetenskapliga fakulteten Skoglig ekologi och resurshushållning Helsingfors universitet, 18.5.2015 Agrikultur-forstvetenskapliga fakulteten Skoglig ekologi och resurshushållning DEL 2 Matematik (max 0 p.) 7. a) Matti och Maija börjar vandra från samma punkt i motsatta

Läs mer

Statistik och epidemiologi T5

Statistik och epidemiologi T5 Statistik och epidemiologi T5 Anna Axmon Biostatistiker Yrkes- och miljömedicin Biostatistik kursmål Dra slutsatser utifrån basala statistiska begrepp och analyser och själva kunna använda sådana metoder.

Läs mer

Tentamen i Statistik, STA A10 och STA A13 (9 poäng) 26 april 2004, klockan 08.15-13.15

Tentamen i Statistik, STA A10 och STA A13 (9 poäng) 26 april 2004, klockan 08.15-13.15 Karlstads universitet Institutionen för informationsteknologi Avdelningen för Statistik Tentamen i Statistik, STA A10 och STA A13 (9 poäng) 6 april 004, klockan 08.15-13.15 Tillåtna hjälpmedel: Bifogad

Läs mer

(x) = F X. och kvantiler

(x) = F X. och kvantiler Föreläsning 5: Matstat AK för M, HT-8 MATEMATISK STATISTIK AK FÖR M HT-8 FÖRELÄSNING 5: KAPITEL 6: NORMALFÖRDELNINGEN EXEMPEL FORTKÖRARE Man har mätt hastigheten på 8 bilar som passerade en korsning i

Läs mer

Att köra fortare än 320 km/h

Att köra fortare än 320 km/h Att köra fortare än 320 km/h Ett konstruktivistiskt sätt att undervisa i matematik har Magnus Engdahl, matematiker vid Göteborgs universitet, intresserat sig för. I den här artikeln ger han idéer till

Läs mer

0 om x < 0, F X (x) = x. 3 om 0 x 1, 1 om x > 1.

0 om x < 0, F X (x) = x. 3 om 0 x 1, 1 om x > 1. Avd. Matematisk statistik TENTAMEN I SF9, SF95 SANNOLIKHETSTEORI OCH STATISTIK, MÅNDAGEN DEN 2:E JANUARI 25 KL 4. 9.. Kursledare: Gunnar Englund, 73 32 37 45 Tillåtna hjälpmedel: Formel- och tabellsamling

Läs mer

2 Dataanalys och beskrivande statistik

2 Dataanalys och beskrivande statistik 2 Dataanalys och beskrivande statistik Vad är data, och vad är statistik? Data är en samling fakta ur vilken man kan erhålla information. Statistik är vetenskapen (vissa skulle kalla det konst) om att

Läs mer

SF1905 Sannolikhetsteori och statistik: Lab 2 ht 2011

SF1905 Sannolikhetsteori och statistik: Lab 2 ht 2011 Avd. Matematisk statistik Tobias Rydén 2011-09-30 SF1905 Sannolikhetsteori och statistik: Lab 2 ht 2011 Förberedelser. Innan du går till laborationen, läs igenom den här handledningen. Repetera också i

Läs mer

Blandade problem från elektro- och datateknik

Blandade problem från elektro- och datateknik Blandade problem från elektro- och datateknik Sannolikhetsteori (Kapitel 1-10) E1. En viss typ av elektroniska komponenter anses ha exponentialfördelade livslängder. Efter 3000 timmar brukar 90 % av komponenterna

Läs mer

Algebra & Ekvationer. Svar: Sammanfattning Matematik 2

Algebra & Ekvationer. Svar: Sammanfattning Matematik 2 Algebra & Ekvationer Algebra & Ekvationer Parenteser En parentes När man multiplicerar en term med en parentes måste man multiplicera båda talen i parentesen. Förenkla uttrycket 42 9. 42 9 4 2 4 9 8 36

Läs mer

Laboration 1 Nedslagskratrar

Laboration 1 Nedslagskratrar Laboration 1 Nedslagskratrar Den här laborationen är uppdelad i två försök, där man i båda försöken ska släppa stålkulor på en sandbädd, vilket kan ses som en mycket enkel simulering av ett meteoritnedslag.

Läs mer

STATISTISK ANALYS AV KOMPLEXA DATA

STATISTISK ANALYS AV KOMPLEXA DATA STATISTISK ANALYS AV KOMPLEXA DATA LONGITUDINELLA DATA Linda Wänström Linköpings universitet 12 December Linda Wänström (Linköpings universitet) LONGITUDINELLA DATA 12 December 1 / 12 Explorativ Faktoranalys

Läs mer

Tentamen i Sannolikhetslära och statistik Kurskod S0008M

Tentamen i Sannolikhetslära och statistik Kurskod S0008M Tentamen i Sannolikhetslära och statistik Kurskod S0008M Poäng totalt för del 1: 25 (12 uppgifter) Tentamensdatum 2012-12-19 Poäng totalt för del 2: 30 (3 uppgifter) Skrivtid 09.00 14.00 Lärare: Adam Jonsson

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

Statistik 1 för biologer, logopeder och psykologer

Statistik 1 för biologer, logopeder och psykologer Innehåll 1 2 Diskreta observationer Kontinuerliga observationer 3 Centralmått Spridningsmått Innehåll 1 2 Diskreta observationer Kontinuerliga observationer 3 Centralmått Spridningsmått Vad är statistik?

Läs mer

7.5 Experiment with a single factor having more than two levels

7.5 Experiment with a single factor having more than two levels Exempel: Antag att vi vill jämföra dragstyrkan i en syntetisk fiber som blandats ut med bomull. Man vet att inblandningen påverkar dragstyrkan och att en inblandning mellan 10% och 40% är bra. För att

Läs mer

TENTAMEN I MATEMATISK STATISTIK

TENTAMEN I MATEMATISK STATISTIK UMEÅ UNIVERSITET Institutionen för matematisk statistik Statistik för Teknologer, 5 poäng MSTA33 Ingrid Svensson TENTAMEN 2004-01-13 TENTAMEN I MATEMATISK STATISTIK Statistik för Teknologer, 5 poäng Tillåtna

Läs mer

Jesper Rydén. Matematiska institutionen, Uppsala universitet Tillämpad statistik 1MS026 vt 2014

Jesper Rydén. Matematiska institutionen, Uppsala universitet Tillämpad statistik 1MS026 vt 2014 Föreläsning 1. Jesper Rydén Matematiska institutionen, Uppsala universitet jesper@math.uu.se Tillämpad statistik 1MS026 vt 2014 Varför tillämpad statistik? Användningsområden i medicin, naturvetenskap

Läs mer

Laboration 1 Mekanik baskurs

Laboration 1 Mekanik baskurs Laboration 1 Mekanik baskurs Utförs av: William Sjöström Oskar Keskitalo Uppsala 2014 11 27 Introduktion När man placerar ett föremål på ett lutande plan så kommer föremålet att börja glida längs med planet,

Läs mer

Matematik 2b 1 Uttryck och ekvationer

Matematik 2b 1 Uttryck och ekvationer Matematik 2b 1 Uttryck och ekvationer Repetera grunderna i ekvationslösning Lära dig parentesmultiplikation, kvadreringsreglerna och konjugatregeln Lära dig lösa fullständiga andragradsekvationer Få en

Läs mer

Kundts rör - ljudhastigheten i luft

Kundts rör - ljudhastigheten i luft Kundts rör - ljudhastigheten i luft Laboration 4, FyL VT00 Sten Hellman FyL 3 00-03-1 Laborationen utförd 00-03-0 i par med Sune Svensson Assisten: Jörgen Sjölin 1. Inledning Syftet med försöket är att

Läs mer

Prov 3 2014-10-13. (b) Hur stor är kraften som verkar på en elektron mellan plattorna? [1/0/0]

Prov 3 2014-10-13. (b) Hur stor är kraften som verkar på en elektron mellan plattorna? [1/0/0] Namn: Område: Elektromagnetism Datum: 13 Oktober 2014 Tid: 100 minuter Hjälpmedel: Räknare och formelsamling. Betyg: E: 25. C: 35, 10 på A/C-nivå. A: 45, 14 på C-nivå, 2 på A-nivå. Tot: 60 (34/21/5). Instruktioner:

Läs mer

Laboration 2: 1 Syfte. 2 Väntevärde och varians hos en s.v. X med fördelningen F X (x) MATEMATISK STATISTIK, AK FÖR BYGG, FMS 601, HT-08

Laboration 2: 1 Syfte. 2 Väntevärde och varians hos en s.v. X med fördelningen F X (x) MATEMATISK STATISTIK, AK FÖR BYGG, FMS 601, HT-08 LUNDS TEKNISKA HÖGSKOLA MATEMATIKCENTRUM MATEMATISK STATISTIK MATEMATISK STATISTIK, AK FÖR BYGG, FMS 601, HT-08 Laboration 2: Om väntevärden och fördelningar 1 Syfte I denna laboration skall vi försöka

Läs mer

Lektion 1: Fördelningar och deskriptiv analys

Lektion 1: Fördelningar och deskriptiv analys Density Lektion 1: Fördelningar och deskriptiv analys 1.,3 Uniform; Lower=1; Upper=6,3,2,2,1,, 1 2 3 X 4 6 7 Figuren ovan visar täthetsfunktionen för en likformig fördelning. Kurvan antar värdet.2 över

Läs mer

Tentamen i Statistik, STA A10 samt STA A13 9p 24 augusti 2005, kl

Tentamen i Statistik, STA A10 samt STA A13 9p 24 augusti 2005, kl Karlstads universitet Institutionen för informationsteknologi Avdelningen för statistik Tentamen i Statistik, STA A0 samt STA A3 9p 4 augusti 005, kl. 08.5-3.5 Tillåtna hjälpmedel: Ansvarig lärare: Övrigt:

Läs mer

Uppgift 1. Deskripitiv statistik. Lön

Uppgift 1. Deskripitiv statistik. Lön Uppgift 1 Deskripitiv statistik Lön Variabeln Lön är en kvotvariabel, även om vi knappast kommer att uppleva några negativa värden. Det är sannolikt vår intressantaste variabel i undersökningen, och mot

Läs mer

Statistik 1 för biologer, logopeder och psykologer

Statistik 1 för biologer, logopeder och psykologer Innehåll 1 Analys av korstabeller 2 Innehåll 1 Analys av korstabeller 2 Korstabeller Vi har tidigare under kursen redan bekantat oss med korstabeller. I en korstabell redovisar man fördelningen på två

Läs mer

DATORÖVNING 2: SIMULERING

DATORÖVNING 2: SIMULERING UPPSALA UNIVERSITET Matematiska institutionen Måns Thulin - thulin@math.uu.se Matematisk statistik Statistik för ingenjörer VT 2013 DATORÖVNING 2: SIMULERING Innehåll 1 Inledning 1 2 Inledande exempel

Läs mer

Systemkonstruktion Z3 (Kurs nr: SSY-046)

Systemkonstruktion Z3 (Kurs nr: SSY-046) Systemkonstruktion Z3 (Kurs nr: SSY-046) Tentamen 23 oktober 2008 em 14:00-18:00 Tid: 4 timmar. Lokal: "Väg och vatten"-salar. Lärare: Nikolce Murgovski, 772 4800 Tentamenssalarna besöks efter ca 1 timme

Läs mer

Filtrering av matningsspänningar för. känsliga analoga tillämpningar

Filtrering av matningsspänningar för. känsliga analoga tillämpningar 1-1 Filtrering av matningsspänningar för -5-6 -7-8 känsliga analoga tillämpningar SP Devices -9 215-2-25-1 1 4 1 5 1 6 1 7 1 8 1 Problemet Ibland behöver man en matningsspänning som har extra lite störningar

Läs mer

Föreläsning 1. 732G60 Statistiska metoder

Föreläsning 1. 732G60 Statistiska metoder Föreläsning 1 Statistiska metoder 1 Kursens uppbyggnad o 10 föreläsningar Teori blandas med exempel Läggs ut några dagar innan på kurshemsidan o 5 räknestugor Tillfälle för individuella frågor Viktigt

Läs mer

Tal Räknelagar. Sammanfattning Ma1

Tal Räknelagar. Sammanfattning Ma1 Tal Räknelagar Prioriteringsregler I uttryck med flera räknesätt beräknas uttrycket i följande ordning: 1. Parenteser 2. Potenser. Multiplikation och division. Addition och subtraktion Exempel: 5 22 1.

Läs mer

b) antalet timmar Lukas måste arbeta för att sannolikheten att han ska hinna med alla 112 datorerna ska bli minst (3 p)

b) antalet timmar Lukas måste arbeta för att sannolikheten att han ska hinna med alla 112 datorerna ska bli minst (3 p) Avd. Matematisk statistik TENTAMEN I SF1901, SANNOLIKHETSTEORI OCH STATISTIK, MÅNDAGEN DEN 27:E OKTOBER 2014 KL 08.00 13.00. Kursledare: Tatjana Pavlenko, 08-790 84 66, Björn-Olof Skytt, 08-790 86 49.

Läs mer

BIOSTATISTISK GRUNDKURS, MASB11 ÖVNING 6 (2015-04-22) OCH INFÖR ÖVNING 7 (2015-04-29)

BIOSTATISTISK GRUNDKURS, MASB11 ÖVNING 6 (2015-04-22) OCH INFÖR ÖVNING 7 (2015-04-29) LUNDS UNIVERSITET, MATEMATIKCENTRUM, MATEMATISK STATISTIK BIOSTATISTISK GRUNDKURS, MASB11 ÖVNING 6 (2015-04-22) OCH INFÖR ÖVNING 7 (2015-04-29) Aktuella avsnitt i boken: Kap 61 65 Lektionens mål: Du ska

Läs mer

Lektionsanteckningar 2: Matematikrepetition, tabeller och diagram

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

Läs mer

Studieplan och bedömningsgrunder i Matematik för åk 7 Moment Bedömningsgrunder för uppnåendemålen Begreppsbildning Tal och räkning

Studieplan och bedömningsgrunder i Matematik för åk 7 Moment Bedömningsgrunder för uppnåendemålen Begreppsbildning Tal och räkning Moment Begreppsbildning Mätningar och enheter Algebra och ekvationer Studieplan och bedömningsgrunder i Matematik för åk 7 Bedömningsgrunder för uppnåendemålen känna igen naturliga tal kunna positiva heltal:

Läs mer

Matematik CD för TB = 5 +

Matematik CD för TB = 5 + Föreläsning 4 70 a) Vi delar figuren i två delar, en triangel (på toppen) och en rektangel. Summan av dessa två figurers area ger den eftersökta. Vi behöver följande formler: A R = b h A T = b h Svar:

Läs mer

Extrauppgifter - Statistik

Extrauppgifter - Statistik Extrauppgifter - Statistik Uppgifter 1. Den stokastiska variabeln Y t 10 ). Bestäm c så att P ( c < Y < c) = 2. Vid tillverkning av en viss sorts färg tillsätts färgpigmentet med hjälp av en doseringsapparat,

Läs mer

Något om Dimensionsanalys och Mathematica. Assume period T Cm Α g Β L Γ s 1 kg Α m Β m Γ s 1 kg Α m Β. Identify exponents VL HL kg 0 Α m 0 Β Γ s 1 2 Β

Något om Dimensionsanalys och Mathematica. Assume period T Cm Α g Β L Γ s 1 kg Α m Β m Γ s 1 kg Α m Β. Identify exponents VL HL kg 0 Α m 0 Β Γ s 1 2 Β HH/ITE/BN Dimensionsanalys och Mathematica 1 Något om Dimensionsanalys och Mathematica Bertil Nilsson 2016-08-15 Assume period T Cm Α g Β Γ s 1 kg Α m Β m Γ s 2 s 1 kg Α m Β s 2Β m Γ Identify exponents

Läs mer

Föreläsning 11, Matematisk statistik Π + E

Föreläsning 11, Matematisk statistik Π + E Repetition Konfidensintervall I Fördelningar Konfidensintervall II Föreläsning 11, Matematisk statistik Π + E Johan Lindström 27 Januari, 2015 Johan Lindström - johanl@maths.lth.se FMS012 F11 1/19 Repetition

Läs mer

Tentamen den 21 oktober TEL102 Inledande elektronik och mätteknik. TEL108 Introduktion till EDI-programmet. Del 1

Tentamen den 21 oktober TEL102 Inledande elektronik och mätteknik. TEL108 Introduktion till EDI-programmet. Del 1 Karlstads universitet / lektroteknik / TL108 / Tentamen 021021 / BHä & PRö 1 (1) Tentamen den 21 oktober 2002 TL102 Inledande elektronik och mätteknik TL108 Introduktion till DI-programmet Del 1 xaminator:

Läs mer

Sammanfattning av likströmsläran

Sammanfattning av likströmsläran Innehåll Sammanfattning av likströmsläran... Testa-dig-själv-likströmsläran...9 Felsökning.11 Mätinstrument...13 Varför har vi växelström..17 Växelspännings- och växelströmsbegrepp..18 Vektorräknig..0

Läs mer

TT091A, TVJ22A, NVJA02 Pu, Ti. 50 poäng

TT091A, TVJ22A, NVJA02 Pu, Ti. 50 poäng Matematisk statistik Provmoment: Ladokkod: Tentamen ges för: TT091A, TVJ22A, NVJA02 Pu, Ti 7,5 högskolepoäng Namn: (Ifylles av student) Personnummer: (Ifylles av student) Tentamensdatum: 2012-08-31 Tid:

Läs mer

DATORÖVNING 6: CENTRALA GRÄNSVÄRDES-

DATORÖVNING 6: CENTRALA GRÄNSVÄRDES- DATORÖVNING 6: CENTRALA GRÄNSVÄRDES- SATSEN OCH FELMARGINALER I denna datorövning ska du använda Minitab för att empiriskt studera hur den centrala gränsvärdessatsen fungerar, samt empiriskt utvärdera

Läs mer

Tentamen i Statistik, STA A10 och STA A13 (9 poäng) 4 juni 2004, kl 14.00-19.00

Tentamen i Statistik, STA A10 och STA A13 (9 poäng) 4 juni 2004, kl 14.00-19.00 Tentamen i Statistik, STA A10 och STA A13 (9 poäng) 4 juni 004, kl 14.00-19.00 Tillåtna hjälpmedel: Bifogad formelsamling, approimationsschema och tabellsamling (dessa skall returneras). Egen miniräknare.

Läs mer

SF1901: Övningshäfte

SF1901: Övningshäfte SF1901: Övningshäfte 13 oktober 2013 Uppgifterna under rubriken Övning kommer att gås igenom under övningstillfällena. Uppgifterna under rubriken Hemtal är starkt rekommenderade och motsvarar nivån på

Läs mer

Laboration 5: Regressionsanalys. 1 Förberedelseuppgifter. 2 Enkel linjär regression DATORLABORATION 5 MATEMATISK STATISTIK FÖR I, FMS 012, HT-08

Laboration 5: Regressionsanalys. 1 Förberedelseuppgifter. 2 Enkel linjär regression DATORLABORATION 5 MATEMATISK STATISTIK FÖR I, FMS 012, HT-08 LUNDS TEKNISKA HÖGSKOLA MATEMATIKCENTRUM MATEMATISK STATISTIK Laboration 5: Regressionsanalys DATORLABORATION 5 MATEMATISK STATISTIK FÖR I, FMS 012, HT-08 Syftet med den här laborationen är att du skall

Läs mer

Att beräkna t i l l v ä x t takter i Excel

Att beräkna t i l l v ä x t takter i Excel Att beräkna t i l l v ä x t takter i Excel Detta kapitel är en liten matematisk vägledning om att beräkna tillväxttakten i Excel. Här visas exempel på potenser och logaritmer och hur dessa funktioner beräknas

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

6-2 Medelvärde och median. Namn:

6-2 Medelvärde och median. Namn: 6-2 Medelvärde och median. Namn: Inledning Du har nu lärt dig en hel del om datainsamling och presentation av data i olika sorters diagram. I det här kapitlet skall du studera hur man kan karaktärisera

Läs mer

FK2002- FK2004 (HT2011)

FK2002- FK2004 (HT2011) FK2002- FK2004 (HT2011) Datorövning 2 - Självständigt arbete med assistent Under denna dataövning arbetar vi med histogram i OpenOffice Cal och undersöker effekten av olika binstorlekar. I slutet lägger

Läs mer

Mätning av fokallängd hos okänd lins

Mätning av fokallängd hos okänd lins Mätning av fokallängd hos okänd lins Syfte Labbens syfte är i första hand att lära sig hantera mätfel och uppnå god noggrannhet, även med systematiska fel. I andra hand är syftet att hantera linser och

Läs mer

Skrivning/skriftlig eksamen till statistikdelen av kursen i forskningsmetodik maj 2002

Skrivning/skriftlig eksamen till statistikdelen av kursen i forskningsmetodik maj 2002 Skrivning/skriftlig eksamen till statistikdelen av kursen i forskningsmetodik maj 2002 Skriv läsligt! Utrymmet/pladsen på pappret bör räcka att svara på. Om du fortsätter på något annat ställe, ange detta

Läs mer

Dagens föreläsning (F15)

Dagens föreläsning (F15) Dagens föreläsning (F15) Problemlösning med datorer Carl-Mikael Zetterling bellman@kth.se KP2+EKM http://www.ict.kth.se/courses/2b1116/ 1 Innehåll Programmering i Matlab kap 5 EKM Mer om labben bla Deluppgift

Läs mer

Bestämning av noggrannhet och precision på några olika kärl samt Statistiska undersökningar

Bestämning av noggrannhet och precision på några olika kärl samt Statistiska undersökningar Umeå Universitet Biomedicinsk analytikerprogrammet Bestämning av noggrannhet och precision på några olika kärl samt Statistiska undersökningar Kurs: BMA 11 Laborationsrapport i kursen: Grundläggande laboratorievetenskap

Läs mer

Matematiska Institutionen Silvelyn Zwanzig 13 mar, 2006

Matematiska Institutionen Silvelyn Zwanzig 13 mar, 2006 UPPSALA UNIVERSITET Sannolikhetslära och Statistik Matematiska Institutionen F Silvelyn Zwanzig 3 mar, 006 Tillåtna hjälpmedel: Miniräknare, Formel- och Tabellsamling med egna handskrivna tillägg Skrivtid:5-0.

Läs mer

L/C-meter 2007 Byggbeskrivning v 10.3.2007

L/C-meter 2007 Byggbeskrivning v 10.3.2007 LC-Meter 2007 bygginstruktion (Ändringar med rött!) Montera alla ytmonterade komponenter först, men det lönar sig att lämna C2 och C3 omonterade, eftersom det kan hända att mätarens kalibrering inte kräver

Läs mer

Matematik 4 Kap 3 Derivator och integraler

Matematik 4 Kap 3 Derivator och integraler Matematik 4 Kap 3 Derivator och integraler Konkretisering av ämnesplan (länk) http://www.ioprog.se/public_html/ämnesplan_matematik/struktur_ämnesp lan_matematik/struktur_ämnesplan_matematik.html Inledande

Läs mer

DET ÄR INGEN KONST ATT MÄTA SPÄNNING OCH STRÖM

DET ÄR INGEN KONST ATT MÄTA SPÄNNING OCH STRÖM DE ÄR INGEN KONS A MÄA SPÄNNING OCH SRÖM OM MAN VE HR DE FNGERAR! lite grundläggande el-mätteknik 010 INNEHÅLL Inledning 3 Grunder 3 Växelspänning 4 Effektivvärde 5 Likriktat medelvärde 6 Överlagrad spänning

Läs mer

I den här datorövningen ser vi hur R kan utnyttjas för att kontrollera modellantaganden och beräkna konfidensintervall.

I den här datorövningen ser vi hur R kan utnyttjas för att kontrollera modellantaganden och beräkna konfidensintervall. UPPSALA UNIVERSITET Matematiska institutionen Måns Thulin Statistik för ingenjörer 1MS008 VT 2011 DATORÖVNING 2: SKATTNINGAR OCH KONFIDENSINTERVALL 1 Inledning I den här datorövningen ser vi hur R kan

Läs mer

Forskningsmetodik Lektion 8 Systematiska och statistiska fel

Forskningsmetodik Lektion 8 Systematiska och statistiska fel 1 Forskningsmetodik Lektion 8 Systematiska och statistiska fel Per Olof Hulth hulth@physto.se Föreläsning 8 Forskningsmetodik 2005 1 Noggrannhet och precision http://kurslab.physics.kth.se/klab/fysik_5a1201/measure/noggrannhet_och_precision.pdf

Läs mer

Elektricitetslära och magnetism - 1FY808

Elektricitetslära och magnetism - 1FY808 Linnéuniversitetet Institutionen för datavetenskap, fysik och matematik Laborationshäfte för kursen Elektricitetslära och magnetism - 1FY808 Ditt namn:... eftersom labhäften far runt i labsalen. 1 1. Instrumentjämförelse

Läs mer

Ekvationer & Funktioner Ekvationer

Ekvationer & Funktioner Ekvationer Ekvationer & Funktioner Ekvationer Ekvationstyp : Ekvationer av första graden När vi löser ekvationer av första graden använder vi oss av de fyra grundläggande räknesätten för att beräkna x. Vid minus

Läs mer