Experimentella metoder 2014, Räkneövning 4
|
|
- Katarina Ivarsson
- för 7 år sedan
- Visningar:
Transkript
1 Experimentella metoder, Räkneövning Problem : På polisstationen i Slottshult är man missnöjd med att polisdistriktet utvidgats till att också omfatta grankommunen Järvsprånget Innan utvidningen hade man i genomsnitt en dag under veckan (måndag-fredag då man inte behövde göra någon utryckning, men nu krävs därutöver i genomsnitt en utryckning per dag till Järvsprånget Förutsätt att antalet utryckningar per dag kan beräknas genom poissonstatistik och bestäm sannolikheten för att dagen ska bli utryckningsfri med nuvarande arbetsbelastning (p Tentamensuppgift, -6- Problem : En storhet y antas bero av en variabel x enligt funktionssambandet y = Ax + B sin x Följande värden på y (med fel mättes upp: x y y,,7,,,3,,6,53,,8,59,,,37, Bestäm den bästa uppskattningen av parametrarna A och B Problem 3: För en minsta kvadratanpassning av en rät linje y = a + bx till N punkter (x i, y i, där felen i y-värdena är normalfördelade med standardavvikelser σ i, ges lösningen för b av b = ( w( wxy ( wx( wy Här är = ( w ( wx ( wx och w i = Använd matrisekvationen för en allmän linjär minsta kvadratanpassning, A = (X T V X X T V Y, för att härleda motsvarande uttryck för b vid en anpassning av en rät linje genom origo (dvs utan konstantterm: y = bx Visa också hur du genom att använda viktat medelvärde kan få fram samma uttryck för b Tentamensuppgift, -5-7 Problem : Vid ett primitivt experiment för att bestämma tvärsnittet för en kärnreaktion (hur sannolik den är bestrålar man ett material genom att en kort stund föra in det i närheten av en väl kalibrerad strålkälla Ett antal kärnor av en välkänd isotop bildas då i materialet Medellivstiden för isotopen är 57, s Sedan tar man ut materialet och för in det i en räknare som kan räkna antalet sönderfall per fem sekunder Räknaren avläses (vilket är lite komplicerat, och startas på nytt På så sätt får man mätningar i fem olika femsekundersinterval olika tider efter att preparatet bestrålats, se tabell
2 intervall (s Antal sönderfall Tanken var att fortsätta att mäta för att ta fram bakgrundsnivån som råder då den radioaktiva isotopen sönderfallit till en försumbar nivå Olyckligtvis gick den primitiva räknaren sönder, och några mätningar av enbart bakgrund kan inte göras Istället får vi till ovanstående data anpassa en funktion på formen n(t = n exp( t/τ + n b, där n(t är räknehastigheten (antalet sönderfall per sekund vid tiden t efter aktiveringen, och τ = 57, s är medellivstiden De anpassade parametrarna är n (räknehastigheten vid t = och n b (bakgrundsräknehastigheten Genomför anpassningen, dvs bestäm n och n b med fel! Problem 5: Kalle på Flötskär är ute och fiskar Han hade hoppats få ihop tre abborrar, vilket är vad han behöver för att laga middag till sig själv Nu har han varit ute i en timme och inte fått en enda fisk Han kan stanna i en timme till, men undrar om det är mödan värt Kalle på Flötskär är inte statistiker, men han tycker det säger sig självt att poissonfördelningen är tillämplig på fisk Under antagandet att antalet fiskar som fångas under en timme är poissonfördelat på samma sätt oberoende av vad som fångats tidigare, vill han lura ut hur sannolikt det är att inte få någon fisk den första timmen, och sedan minst tre fiskar timmen därpå Vilket är det största möjliga värdet på denna sannolikhet? Tentamensuppgift, -5-7
3 Problem, lösning: Man har i genomsnitt en dag i veckan utan utryckning inom Slottshult Sannolikheten för att inte behöva rycka ut är alltså 5 = % Om vi antar poissonstatistik med medelvärdet µ S för antalet utryckningar per dag kan vi skriva sannolikheten för noll utryckningar som P ( µ S = e µ S Sätter vi denna sannolikhet till, får vi att ln, = µ S, µ S =,6 Detta är medelvärdet av antalet utryckningar per dag till Slottshult Nu tillkommer utryckningar til Järvsprånget med i medeltal µ J = per dag Det totala antalet utryckningar blir summan av två poissonfördelade variabler Den blir också poissonfördelad med µ = µ S +µ J =,6 Vi kan nu beräkna sannolikheten för en utryckningsfri dag till P ( µ = e,6 = 7% Vi kan undvika att beräkna µ S och µ och bara säga att sannolikheten för att ingen utryckning skall behövas till Järsvprånget är e µ J = e Sannolikheten för att dagen ska bli utryckningsfri både för Slottshult och Järsvprånget blir produkten av sannolikheterna, dvs, e Problem, lösning: För att använda minsta kvadratmetoden på matrisformen sätter vi upp matriserna Y =,7,3,53,59,37 och beräknar V = ( A B,,, = (X T V X X T V Y X =, sin(,, sin(,,6 sin(,6,8 sin(,8, sin(, Vi kan göra detta med matrishantering på en dator, eller också kan vi utföra följande beräkning Med σ y =, får vi X T V X = ( x x sin x σy x sin x sin x Vi har också att X T V Y = σ y ( yx y sin x så att (X T V X X T V Y = ( x x sin x x sin x sin x ( yx y sin x = ( sin x sin x ( x x sin x x sin x x sin x x ( yx y sin x = 3
4 med ( yx sin x x sin x y sin x x y sin x yx x sin x = x ( sin x x sin x Vi kan sätta upp en tabell med kolumner för yx, sin x, x sin x, y sin x och x, summera kolumnerna och beräkna A och B från summorna Detta ger A =,98 B = 3,98 (Det frågades inte efter felen i A och B Problem 3, lösning: Uppskattningen av b ges av matrisen A (en -matris, medan X = x y σ x, Y = y och V σ = Vi får de två x N y N σn -matriserna X T V X = i x i X T V Y = i x i y i σ i, och uttrycket för A, med σ i = w i, ger slutligen att uppskattningen för b blir b = wxy wx Vi kan också uppskatta b genom att beräkna b i = y i /x i för de olika punkterna och bilda ett viktat medelvärde Osäkerheten i b i blir σ bi = σ i /x i, och det viktade medelvärdet blir Insättning av b i = y i /x i och av en linje genom origo, vsb Problem, lösning: b wa = x i x i σ i b i = w i ger samma uttryck som för anpassningen Antalet sönderfall i de olika femsekundersintervallen är poissonfördelat Om n(t är sönderfallshastigheten vid tiden t kan vi approximera poissonmedelvärdet av antalet sönderfall i intervall nummer k, med mittpunkten t k, som N k = n(t k 5 s Det enklaste är att anpassa en funktion av tiden som beskriver poissonmedelvärdet av antalet pulser per fem sekunder: N k = N exp( t k /τ + N b
5 När vi väl bestämt N och N b kan vi dividera med 5 s för att få de efterfrågade n och n b i uttrycket för räknehastigheten Antalet räknade pulser i ett intervall kan vi betrakta som en uppskattning av poissonmedelvärdet N k Vi kan kalla antalet pulser för y k, och eftersom det är poissonfördelat uppskattar vi variansen som σk = y k (detta är anledningen till att det är enklare att räkna med antalet pulser än med räknehastigheten Eftersom modellen är linjär i parametrarna N och N b kan vi använda matrisvarianten av minsta kvadratmetoden De anpassade parametrarna blir ( N = (X T V X X T V Y = V N a X T V Y b Här är Y = V = 8, eftersom V är diagonal med mätningarnas varianser på diagonalen Matrisen X beskriver det linjära sambandet mellan parametrarna N och N b och funktionsvärdena N k, enligt Den blir alltså N N 5 X = = X ( N N b e (7,5 s/τ e (,5 s/τ e (6,5 s/τ e (9,5 s/τ e (7,5 s/τ, där τ = 57, s Variansmatrisen för de anpassade parametrarna ingår i uttrycket för parametrarna själva: V a = (X T V X Beräkningarna blir ganska enkla med Comsol, MATLAB eller octave Följande kod löser problemet: tau=57; Y = [ 56 8 ] ; Vinv = diag(/y; col = [ exp(-75/tau exp(-5/tau exp(-65/tau exp(-95/tau exp(-75/tau ] ; col = ones(5,; X = [ col col ]; Va = inv(x * Vinv * X; par = Va * X * Vinv * Y; nvalue = sprintf("n = %f +- %f",par(/5,sqrt(va(/5; nbvalue = sprintf("nb = %f +- %f",par(/5,sqrt(va(/5; disp(nvalue; disp(nbvalue; 5
6 Notera divisionen med fem för att vi ska få fram parametrarna för räknehastigheten uttryckt i enheten sönderfall per sekund Utskriften blir n = nb = och de anpassade värden är alltså n = ( ± 5 s n b = (,5 ±,8 s Problem 5, lösning: Sannolikheten att få ν fiskar under en timme om medeltalet per timme är µ µ µν ges av poissonfördelningen: P (ν = e ν! Sannolikheten att få noll är alltså P ( = e µ Sannolikheten att få tre eller fler beräknas enklast som P ( P ( P (, eftersom P (ν = Eftersom vi antar att antalet under den andra timmen är oberoende av antalet under den första blir sannolikheten att först få noll fiskar och sedan minst tre: p = [ P ( P ( P (]P ( = ( e µ µe µ µ e µ e µ Genom att beräkna p för olika µ, med allt finare steg mellan µ-värdena, eller på grafisk väg, finner vi att det största värde p kan anta är,5%, vilket svarar mot µ =,79 Alternativt kan vi derivera p med avseende på µ Det ger dp dµ = (e µ e µ + µe µ µe µ + µ e µ som efter förenkling kan skrivas dp dµ = ( + µ + µ e µ e µ e µ ( e µ µe µ µ Vi söker sedan det µ som ger derivatan noll, dvs uppfyller att µ = ln( + µ + µ e µ Återigen måste vi bestämma lösningen numeriskt Vi kan prova oss fram med olika µ-värden För µ =,7 är tex ln( + µ + µ =,7 och för µ =,8 får vi ln( + µ + µ =,798 Vi kan också välja ett startvärde (tex µ =,8 och sätta in det i logaritmuttrycket Vi får då ett nytt µ-värde som vi återigen kan sätta in i uttrycket, och så vidare Serien µ-värden konvergerar mot µ =,7933, vilket ger p =,53% e µ, 6
Experimentella metoder 2013, Räkneövning 3
Experimentella metoder 2013, Räkneövning 3 Problem 1: Fem studenter mätte längden av ett rum, deras resultat blev 3,30 m, 2,90 m, 3,70 m, 3,50 m, och 3,10 m. Inga uppgifter om mätnoggrannheten är kända.
Läs merExperimentella metoder, FK3001. Datorövning: Finn ett samband
Experimentella metoder, FK3001 Datorövning: Finn ett samband 1 Inledning Den här övningen går ut på att belysa hur man kan utnyttja dimensionsanalys tillsammans med mätningar för att bestämma fysikaliska
Läs merDel 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 merDel A Begrepp och grundläggande förståelse.
STOCKHOLMS UNIVERSITET FYSIKUM Tentamensskrivning i Experimentella metoder, 1 hp, för kandidatprogrammet, år 1 Onsdagen den 18 juni 008 kl 9-15. S.H./K.H./K.J.-A./B.S. Införda beteckningar bör förklaras
Läs merExperimentella metoder 2014, Räkneövning 1
Experimentella metoder 04, Räkneövning Problem : Tio mätningar av en resistans gav följande resultat: Mätning no. Resistans (Ω) Mätning no Resistans (Ω) 0.3 6 0.0 00.5 7 99.98 3 00.0 8 99.80 4 99.95 9
Läs merLektionsanteckningar 11-12: Normalfördelningen
Lektionsanteckningar 11-12: Normalfördelningen När utfallsrummet för en slumpvariabel kan anta vilket värde som helst i ett givet intervall är variabeln kontinuerlig. Det är väsentligt att utfallsrummet
Läs merDel A: Begrepp och grundläggande förståelse
STOCKHOLMS UNIVERSITET FYSIKUM K.H Tentamensskrivning i Experimentella metoder, 12p, för kandidatprogrammet i fysik, 9/6 2015, 9-14. Införda beteckningar skall förklaras och uppställda ekvationer motiveras.
Läs merDel 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 merFinansiell Statistik (GN, 7,5 hp,, HT 2008) Föreläsning 3
Finansiell Statistik (GN, 7,5 hp,, HT 2008) Föreläsning 3 Kontinuerliga sannolikhetsfördelningar (LLL Kap 7 & 9) Department of Statistics (Gebrenegus Ghilagaber, PhD, Associate Professor) Financial Statistics
Läs merFinns det över huvud taget anledning att förvänta sig något speciellt? Finns det en generell fördelning som beskriver en mätning?
När vi nu lärt oss olika sätt att karaktärisera en fördelning av mätvärden, kan vi börja fundera över vad vi förväntar oss t ex för fördelningen av mätdata när vi mätte längden av en parkeringsficka. Finns
Läs merSTOCKHOLMS 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 merLösningar till tentamensskrivning för kursen Linjära statistiska modeller. 14 januari
STOCKHOLMS UNIVERSITET MATEMATISK STATISTIK Lösningar till tentamensskrivning för kursen Linjära statistiska modeller 14 januari 2010 9 14 Examinator: Anders Björkström, tel. 16 45 54, bjorks@math.su.se
Läs merF12 Regression. Måns Thulin. Uppsala universitet Statistik för ingenjörer 28/ /24
1/24 F12 Regression Måns Thulin Uppsala universitet thulin@math.uu.se Statistik för ingenjörer 28/2 2013 2/24 Dagens föreläsning Linjära regressionsmodeller Stokastisk modell Linjeanpassning och skattningar
Läs merLaboration 4: Stora talens lag, Centrala gränsvärdessatsen och enkla punktskattningar
LUNDS TEKNISKA HÖGSKOLA MATEMATIKCENTRUM MATEMATISK STATISTIK DATORLABORATION 4 MATEMATISK STATISTIK, FÖR I/PI, FMS 121/2, HT-3 Laboration 4: Stora talens lag, Centrala gränsvärdessatsen och enkla punktskattningar
Läs merÖvning 1. Vad du ska kunna efter denna övning. Problem, nivå A
Övning 1 Vad du ska kunna efter denna övning Redogöra för begreppen diskret och kontinuerlig stokastisk variabel. Definiera fördelningsfunktionen för en stokastisk variabel. Definiera frekvensfunktionen
Läs merKort 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 mer4 Diskret stokastisk variabel
4 Diskret stokastisk variabel En stokastisk variabel är en variabel vars värde bestäms av utfallet av ett slumpmässigt försök. En stokastisk variabel betecknas ofta med X, Y eller Z (i läroboken används
Läs merLaboration 4: Stora talens lag, Centrala gränsvärdessatsen och enkla punktskattningar
LUNDS TEKNISKA HÖGSKOLA MATEMATIKCENTRUM MATEMATISK STATISTIK DATORLABORATION 4 MATEMATISK STATISTIK, AK FÖR I, FMS 120, HT-00 Laboration 4: Stora talens lag, Centrala gränsvärdessatsen och enkla punktskattningar
Läs merMS-A0509 Grundkurs i sannolikhetskalkyl och statistik Övning 3 Vecka 4, 19 23.1.2015
MS-A0509 Grundkurs i sannolikhetskalkyl och statistik Övning 3 Vecka 4, 19 23.1.2015 Gripenberg I1. Vi antar att antalet telefonsamtal som kommer till ett servicenummer under en tidsperiod med längden
Läs merForskningsmetodik 2006 lektion 2
Forskningsmetodik 6 lektion Per Olof Hulth hulth@physto.se Slumpmässiga och systematiska mätfel Man skiljer på två typer av fel (osäkerheter) vid mätningar:.slumpmässiga fel Positiva fel lika vanliga som
Läs merFöreläsning 8, Matematisk statistik 7.5 hp för E Punktskattningar
Föreläsning 8, Matematisk statistik 7.5 hp för E Punktskattningar Stas Volkov Stanislav Volkov s.volkov@maths.lth.se FMSF20 F8: Statistikteori 1/20 Översikt Exempel Repetition Exempel Matematisk statistik
Läs merApproximation av funktioner
Vetenskapliga beräkningar III 8 Kapitel Approximation av funktioner Vi skall nu övergå till att beskriva, hur man i praktiken numeriskt beräknar funktioner I allmänhet kan inte ens elementära funktioner
Läs merÖvning 1(a) Vad du ska kunna efter denna övning. Problem, nivå A. Redogöra för begreppen diskret och kontinuerlig stokastisk variabel.
Övning 1(a) Vad du ska kunna efter denna övning Redogöra för begreppen diskret och kontinuerlig stokastisk variabel. Definiera fördelningsfunktionen för en stokastisk variabel. Definiera frekvensfunktionen
Läs merx f (x) dx 1/8. Kan likhet gälla i sistnämnda relation. (Torgny Lindvall.) f är en kontinuerlig funktion på 1 x sådan att lim a
Elementa Årgång 50, 967 Årgång 50, 967 Första häftet 2603. Låt ξ, ξ 2,..., ξ n vara stokastiska variabler med väntevärden E[ξ i ], i =, 2,..., n. Visa att E[max(ξ, ξ 2,..., ξ n )] max(e[ξ ], E[ξ 2 ],...,
Läs mer1/31 REGRESSIONSANALYS. Statistiska institutionen, Stockholms universitet
1/31 REGRESSIONSANALYS F1 Linda Wänström Statistiska institutionen, Stockholms universitet 2/31 Kap 4: Introduktion till regressionsanalys. Introduktion Regressionsanalys är en statistisk teknik för att
Läs merGrundläggande matematisk statistik
Grundläggande matematisk statistik Kontinuerliga fördelningar Uwe Menzel, 8 www.matstat.de Begrepp fördelning Hur beter sig en variabel slumpmässigt? En slumpvariabel (s.v.) har en viss fördelning, d.v.s.
Läs merMatematikcentrum 1(7) Matematisk Statistik Lunds Universitet Per-Erik Isberg. Laboration 1. Simulering
Matematikcentrum (7) Matematisk Statistik Lunds Universitet Per-Erik Isberg Laboration Simulering HT 006 Introduktion Syftet med laborationen är dels att vi skall bekanta oss med lite av de olika funktioner
Läs merDel I. Uppgift 1 För händelserna A och B gäller att P (A) = 1/4, P (B A) = 1/3 och P (B A ) = 1/2. Beräkna P (A B). Svar:...
Avd. Matematisk statistik TENTAMEN I SF9/SF94/SF95/SF96 SANNOLIKHETSTEORI OCH STATISTIK, ONSDAGEN DEN 4:E OKTOBER 08 KL 8.00 3.00. Examinator för SF94/SF96: Tatjana Pavlenko, 08-790 84 66 Examinator för
Läs merMatematisk statistik 9hp Föreläsning 7: Normalfördelning
Matematisk statistik 9hp Föreläsning 7: Normalfördelning Anna Lindgren 29+3 september 216 Anna Lindgren anna@maths.lth.se FMS12/MASB3 F7: normalfördelning 1/18 Kovarians, C(X, Y) Repetition Normalfördelning
Läs merAttila Szabo Niclas Larson Gunilla Viklund Mikael Marklund Daniel Dufåker. GeoGebraexempel
matematik Attila Szabo Niclas Larson Gunilla Viklund Mikael Marklund Daniel Dufåker 2c GeoGebraexempel Till läsaren I elevböckerna i serien Matematik Origo finns uppgifter där vi rekommenderar användning
Läs merTAMS79: Föreläsning 6. Normalfördelning
TAMS79: Föreläsning 6 Normalfördelningen Johan Thim (johan.thim@liu.se 3 november 018 Normalfördelning Definition. Låt µ R och > 0. Om X är en stokastisk variabel med täthetsfunktion f X ( = 1 ( ep ( µ,
Läs merDel A Begrepp och grundläggande förståelse.
STOCKHOLMS UIVERSITET FYSIKUM Tentamensskrivning i Experimentella metoder, 1 hp, för kandidatprogrammet, år 1 Fredagen den 9 maj 008 kl 9-15. S.H./K.H./K.J.-A./B.S. Införda beteckningar bör förklaras och
Läs merKonvergens för iterativa metoder
Konvergens för iterativa metoder 1 Terminologi Iterativa metoder används för att lösa olinjära (och ibland linjära) ekvationssystem numeriskt. De utgår från en startgissning x 0 och ger sedan en följd
Läs merFöreläsning 1. Repetition av sannolikhetsteori. Patrik Zetterberg. 6 december 2012
Föreläsning 1 Repetition av sannolikhetsteori Patrik Zetterberg 6 december 2012 1 / 28 Viktiga statistiska begrepp För att kunna förstå mer avancerade koncept under kursens gång är det viktigt att vi förstår
Läs merSF1901: SANNOLIKHETSTEORI OCH STATISTIKTEORI KONSTEN ATT DRA INTERVALLSKATTNING. STATISTIK SLUTSATSER. Tatjana Pavlenko.
SF1901: SANNOLIKHETSTEORI OCH STATISTIK FÖRELÄSNING 10 STATISTIKTEORI KONSTEN ATT DRA SLUTSATSER. INTERVALLSKATTNING. Tatjana Pavlenko 25 april 2017 PLAN FÖR DAGENS FÖRELÄSNING Statistisk inferens oversikt
Läs merStatistisk precision vid radioaktivitetsmätning och Aktivitetsbestämning ur uppmätt räknehastighet
Institutionen för medicin och vård Avdelningen för radiofysik Hälsouniversitetet Statistisk precision vid radioaktivitetsmätning och Aktivitetsbestämning ur uppmätt räknehastighet Gudrun Alm Carlsson och
Läs merVåra vanligaste fördelningar
Sida Våra vanligaste fördelningar Matematisk statistik för D3, VT Geometrisk fördelning X är geometriskt fördelad med parameter p, X Geo(p), om P (X = k) = ( p) k p P (X k) = ( p) k för k =,,... Beskriver
Läs mer1.1 Diskret (Sannolikhets-)fördelning
Föreläsning III. Diskret (Sannolikhets-)fördelning Med diskret menas i matematik, att något antar ett ändligt antal värden eller uppräkneligt oändligt med värden e.vis {, 2, 3,...}. Med fördelning menas
Läs merSVAR: Det är modell 1 som är rimlig för en avsvalningsprocess. Föremålets temperatur efter lång tid är 20 grader Celsius.
Lösningsförslag till tentamensskrivning i SF633 Differentialekvationer I Onsdagen den maj 03, kl 0800-300 Hjälpmedel: BETA, Mathematics Handbook Redovisa lösningarna på ett sådant sätt att beräkningar
Läs merEnvariabelanalys 5B1147 MATLAB-laboration Derivator
Envariabelanalys 5B1147 MATLAB-laboration Derivator Sanna Eskelinen eskelinen.sanna@gmail.com Sonja Hiltunen sonya@gmail.com Handledare: Karim Dao Uppgift 15 Problem: Beräkna numeriskt derivatan till arctan
Läs merTMS136. Föreläsning 7
TMS136 Föreläsning 7 Stickprov När vi pysslar med statistik handlar det ofta om att baserat på stickprovsinformation göra utlåtanden om den population stickprovet är draget ifrån Situationen skulle kunna
Läs merGrundläggande matematisk statistik
Grundläggande matematisk statistik Linjär Regression Uwe Menzel, 2018 uwe.menzel@slu.se; uwe.menzel@matstat.de www.matstat.de Linjär Regression y i y 5 y 3 mätvärden x i, y i y 1 x 1 x 2 x 3 x 4 x 6 x
Läs merKapitel 4 Sannolikhetsfördelningar Sid Föreläsningsunderlagen är baserade på underlag skrivna av Karl Wahlin
Kapitel 4 Sannolikhetsfördelningar Sid 79-14 Föreläsningsunderlagen är baserade på underlag skrivna av Karl Wahlin Slumpvariabel En variabel för vilken slumpen bestämmer utfallet. Slantsingling, tärningskast,
Läs merF8 Skattningar. Måns Thulin. Uppsala universitet Statistik för ingenjörer 14/ /17
1/17 F8 Skattningar Måns Thulin Uppsala universitet thulin@math.uu.se Statistik för ingenjörer 14/2 2013 Inledande exempel: kullager Antag att diametern på kullager av en viss typ är normalfördelad N(µ,
Läs merKap 2. Sannolikhetsteorins grunder
Kap 2. Sannolikhetsteorins grunder Olika händelser och deras mängbetäckningar Sats 2.7 Dragning utan återläggning av k element ur n (utan hänsyn till ordning) kan ske på ( n ) olika sätt k För två händelser
Läs merSannolikheten för att barnet skall få blodgrupp A0 A0 1/2 AA 1 AB 1/2 Övriga 0
Avd. Matematisk statistik TENTAMEN I SF191, SANNOLIKHETSTEORI OCH STATISTIK, ONSDAGEN DEN 1:A JUNI 216 KL 8. 13.. Kursledare: Thomas Önskog, 8-79 84 55 Tillåtna hjälpmedel: Formel- och tabellsamling i
Läs mera = a a a a a a ± ± ± ±500
4.1 Felanalys Vill man hårddra det hela, kan man påstå att det inte finns några tal i den tillämpade matematiken, bara intervall. Man anger till exempel inte ett uppmätt värde till 134.78 meter utan att
Läs mer7 Extremvärden med bivillkor, obegränsade områden
Nr 7, 1 mars -5, Amelia 7 Extremvärden med bivillkor, obegränsade områden Största och minsta värden handlar om en funktions värdemängd. Värdemängden ligger givetvis mellan det största och minsta värdet,
Läs merSF1905 Sannolikhetsteori och statistik: Lab 2 ht 2010
Avd. Matematisk statistik SF1905 Sannolikhetsteori och statistik: Lab 2 ht 2010 0 Allmänna anvisningar Arbeta med handledningen, och skriv rapport, i grupper om två eller tre personer. Närvaro vid laborationstiden
Läs mer2 x dx = [ x ] 1 = 1 ( 1 (1 0.9) ) 100 = /
Föreläsning 5: Matstat AK för I, HT-8 MATEMATISK STATISTIK AK FÖR I HT-8 FÖRELÄSNING 5: KAPITEL 4.6 7: SUMMOR, MAXIMA OCH ANDRA FUNKTIONER AV S.V. KAPITEL 5. : VÄNTEVÄRDEN, LÄGES- OCH SPRIDNINGSMÅTT EXEMPEL
Läs merMatematikcentrum 1(7) Matematisk Statistik Lunds Universitet MASB11 - Biostatistisk grundkurs HT2007. Laboration. Simulering
Matematikcentrum 1(7) Matematisk Statistik Lunds Universitet MASB11 - Biostatistisk grundkurs HT007 Laboration Simulering Grupp A: 007-11-1, 8.15-.00 Grupp B: 007-11-1, 13.15-15.00 Introduktion Syftet
Läs mer1 Bakgrund DATORÖVNING 3 MATEMATISK STATISTIK FÖR E FMSF Något om Radon och Radonmätningar. 1.2 Statistisk modell
LUNDS TEKNISKA HÖGSKOLA MATEMATIKCENTRUM MATEMATISK STATISTIK DATORÖVNING 3 MATEMATISK STATISTIK FÖR E FMSF20 Syfte: Syftet med dagens laborationen är att du skall: få förståelse för punkt- och intervallskattningar.
Läs merHärledning av Black-Littermans formel mha allmänna linjära modellen
Härledning av Black-Littermans formel mha allmänna linjära modellen Ett sätt att få fram Black-Littermans formel är att formulera problemet att hitta lämpliga justerade avkastningar som ett skattningsproblem
Läs mer1/23 REGRESSIONSANALYS. Statistiska institutionen, Stockholms universitet
1/23 REGRESSIONSANALYS F4 Linda Wänström Statistiska institutionen, Stockholms universitet 2/23 Multipel regressionsanalys Multipel regressionsanalys kan ses som en utvidgning av enkel linjär regressionsanalys.
Läs merFör startpopulationer lika med de stationära lösningarna kommer populationerna att förbli konstant.
Lösningsförslag till tentamensskrivning i Differentialekvationer I, SF633(5B6) Tisdagen den 6 augusti, kl -9 Hjälpmedel: BETA, Mathematics Handbook Redovisa lösningarna på ett sådant sätt att beräkningar
Läs merMatematisk statistik 9 hp Föreläsning 6: Linjärkombinationer
Matematisk statistik 9 hp Föreläsning 6: Linjärkombinationer Anna Lindgren 27+28 september 2016 Anna Lindgren anna@maths.lth.se FMS012/MASB03 F6: linjärkombinationer 1/21 sum/max/min V.v./var Summa av
Läs merLektion 7. Radioaktivt sönderfall Bakgrundsräkning Vad är en hypotes? χ 2 -test (chi-kvadrattest) Fysikexperiment, 7.
Lektion 7 Radioaktivt sönderfall Bakgrundsräkning Vad är en hypotes? χ 2 -test (chi-kvadrattest) 2010-11-15 Fysikexperiment, 7.5 hp 1 1 Radioaktivt sönderfall För varje specifik isotop gäller att sannolikheten
Läs merFöreläsningsmanus i matematisk statistik för lantmätare, vecka 5 HT06
Föreläsningsmanus i matematisk statistik för lantmätare, vecka 5 HT06 Bengt Ringnér September 20, 2006 Inledning Detta är preliminärt undervisningsmaterial. Synpunkter är välkomna. 2 Väntevärde standardavvikelse
Läs merFöreläsning 8 för TNIU23 Integraler och statistik
Föreläsning 8 för TNIU Integraler och statistik Krzysztof Marciniak ITN, Campus Norrköping, krzma@itn.liu.se www.itn.liu.se/ krzma ver. - 9--6 Inledning - lite om statistik Statistik är en gren av tillämpad
Läs merTentamen i TMA321 Matematisk Statistik, Chalmers Tekniska Högskola.
Tentamen i TMA321 Matematisk Statistik, Chalmers Tekniska Högskola. Tid: Måndagen den 2015-06-01, 8.30-12.30. Examinator och Jour: Olle Nerman, tel. 7723565, rum 3056, MV, Chalmers. Hjälpmedel: Valfri
Läs merTANA17 Matematiska beräkningar med MATLAB för M, DPU. Fredrik Berntsson, Linköpings Universitet. 26 november 2015 Sida 1 / 28
TANA17 Matematiska beräkningar med MATLAB för M, DPU Fredrik Berntsson, Linköpings Universitet 26 november 2015 Sida 1 / 28 Föreläsning 6 Minsta kvadrat problem. Polynom. Interpolation. Rötter. Tillämpningar:
Läs merKapitel 4: SAMBANDET MELLAN VARIABLER: REGRESSIONSLINJEN
Kapitel 4: SAMBANDET MELLAN VARIABLER: REGRESSIONSLINJEN Spridningsdiagrammen nedan representerar samma korrelationskoefficient, r = 0,8. 80 80 60 60 40 40 20 20 0 0 20 40 0 0 20 40 Det finns dock två
Läs merFöreläsning 5, FMSF45 Summor och väntevärden
Föreläsning 5, FMSF45 Summor och väntevärden Stas Volkov 2017-09-19 Stanislav Volkov s.volkov@maths.lth.se FMSFF45 F5: väntevärden 1/18 2D stokastisk variabel Tvådimensionella stokastisk variabel (X, Y)
Läs merDemonstration av laboration 2, SF1901
KTH 29 November 2017 Laboration 2 Målet med dagens föreläsning är att repetera några viktiga begrepp från kursen och illustrera dem med hjälp av MATLAB. Laboration 2 har följande delar Fördelningsfunktion
Läs merFöreläsning 5, Matematisk statistik Π + E
Repetition Summor max/min Väntevärde Varians Föreläsning 5, Matematisk statistik Π + E Sören Vang Andersen 25 november 2014 Sören Vang Andersen - sva@maths.lth.se FMS012 F5 1/16 Repetition Summor max/min
Läs merFöreläsning 4: Konfidensintervall (forts.)
Föreläsning 4: Konfidensintervall forts. Johan Thim johan.thim@liu.se 3 september 8 Skillnad mellan parametrar Vi kommer nu fortsätta med att konstruera konfidensintervall och vi kommer betrakta lite olika
Läs merInlämningsuppgift-VT lösningar
Inlämningsuppgift-VT lösningar A 1. En van Oddset-spelare har under lång tid studerat hur många mål ett visst lag gör i ishockeymatcher och vet att sannolikheterna beskrivs av följande tabell: Mål 0 1
Läs merHur 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 merMatematisk statistik 9hp Föreläsning 5: Summor och väntevärden
Matematisk statistik 9hp Föreläsning 5: Summor och väntevärden Anna Lindgren 20+21 september 2016 Anna Lindgren anna@maths.lth.se FMS012/MASB03 F5: väntevärden 1/18 2D stokastisk variabel Tvådim. stokastisk
Läs merKovarians och kriging
Kovarians och kriging Bengt Ringnér November 2, 2007 Inledning Detta är föreläsningsmanus på lantmätarprogrammet vid LTH. 2 Kovarianser Sedan tidigare har vi, för oberoende X och Y, att VX + Y ) = VX)
Läs merTMS136. Föreläsning 4
TMS136 Föreläsning 4 Kontinuerliga stokastiska variabler Kontinuerliga stokastiska variabler är stokastiska variabler som tar värden i intervall av den reella axeln Det kan handla om längder, temperaturer,
Läs mer= = i K = 0, K =
ösningsförslag till tentamensskrivning i SF1633, Differentialekvationer I Tisdagen den 14 augusti 212, kl 14-19 Hjälpmedel: BETA, Mathematics Handbook Redovisa lösningarna på ett sådant sätt att beräkningar
Läs merMatematisk statistik 9 hp, HT-16 Föreläsning 10: Punktskattningar
Matematisk statistik 9 hp, HT-16 Föreläsning 10: Punktskattningar Anna Lindgren (Stanislav Volkov) 31 oktober + 1 november 2016 Anna Lindgren anna@maths.lth.se FMS012/MASB03 F10: Punktskattning 1/18 Matematisk
Läs merFördelningsfunktionen för en kontinuerlig stokastisk variabel. Täthetsfunktionen för en kontinuerlig och en diskret stokastisk variabel.
Övning 1 Vad du ska kunna efter denna övning Diskret och kontinuerlig stokastisk variabel. Fördelningsfunktionen för en kontinuerlig stokastisk variabel. Täthetsfunktionen för en kontinuerlig och en diskret
Läs mer1. Mätning av gammaspektra
1. Mätning av gammaspektra 1.1 Laborationens syfte Att undersöka några egenskaper hos en NaI-detektor. Att bestämma energin för okänd gammastrålning. Att bestämma den isotop som ger upphov till gammastrålningen.
Läs merMatematik 3c Kap 2 Förändringshastighet och derivator
Matematik 3c Kap 2 Förändringshastighet och derivator Inledning Konkretisering av ämnesplan (länk) http://www.ioprog.se/public_html/ämnesplan_matematik/struktur_äm nesplan_matematik/struktur_ämnesplan_matematik.html
Läs merSF1911: Statistik för bioteknik
SF1911: Statistik för bioteknik Föreläsning 6. TK 14.11.2016 TK Matematisk statistik 14.11.2016 1 / 38 Lärandemål Stokastiska modeller för kontinuerliga datatyper Fördelningsfunktion (cdf) Sannolikhetstäthetsfunktion
Läs merSF1901 Sannolikhetsteori och statistik I
SF1901 Sannolikhetsteori och statistik I Jimmy Olsson Föreläsning 6 13 november 2017 1 / 29 Idag Förra gången Mer om väntevärden och varianser (Kap. 5.2 5.3) Beroendemått (Kap. 5.4) Summor, linjärkombinationer
Läs merSF1669 Matematisk och numerisk analys II Lösningsförslag till tentamen DEL A
SF1669 Matematisk och numerisk analys II Lösningsförslag till tentamen 16-8-18 DEL A 1. Låt D vara det område ovanför x-axeln i xy-planet som begränsas av cirkeln x + y = 1 samt linjerna y = x och y =
Läs merLösningar och kommentarer till uppgifter i 2.2
Lösningar och kommentarer till uppgifter i 2.2 2202 Beräkna Detta ger f(3 + h) f(3) då f(x) x 2 (3 + h) 2 3 2 h 2 + 6h 6 + h 6 h 0 Vi har därmed bestämt riktningskoefficienten (k-värdet) för tangenten
Läs merSF1922/SF1923: SANNOLIKHETSTEORI OCH INTERVALLSKATTNING. STATISTIK. Tatjana Pavlenko. 24 april 2018
SF1922/SF1923: SANNOLIKHETSTEORI OCH STATISTIK FÖRELÄSNING 11 INTERVALLSKATTNING. Tatjana Pavlenko 24 april 2018 PLAN FÖR DAGENS FÖRELÄSNING Vad är en intervallskattning? (rep.) Den allmänna metoden för
Läs merTENTAMEN 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 merMVE051/MSG Föreläsning 7
MVE051/MSG810 2016 Föreläsning 7 Petter Mostad Chalmers November 23, 2016 Överblick Deskriptiv statistik Grafiska sammanfattningar. Numeriska sammanfattningar. Estimering (skattning) Teori Några exempel
Läs merPrediktera. Statistik för modellval och prediktion. Trend? - Syrehalt beroende på kovariater. Sambands- och trendanalys
Statistik för modellval och prediktion att beskriva, förklara och förutsäga Georg Lindgren Prediktera Matematisk statistik, Lunds universitet stik för modellval och prediktion p.1/28 Statistik för modellval
Läs meri medelvärdet
1. Medelvärde, standardavvikelse och felet i medelvärdet Antag att vi har N mätningar x 1,x,...,x N av en och samma storhet x. Under antagandet att alla avvikelser från medelvärdet är statistiska och små
Läs merKunna definiera laplacetransformen för en kontinuerlig stokastisk variabel. Kunna definiera z-transformen för en diskret stokastisk variabel.
Övning 2 Vad du ska kunna efter denna övning Kunna definiera laplacetransformen för en kontinuerlig stokastisk variabel. Kunna definiera z-transformen för en diskret stokastisk variabel. Kunna beräkna
Läs merFöreläsning 5. Funktioner av slumpvariabler. Ett centralt resultat.
Föreläsning 5. Funktioner av slumpvariabler. Ett centralt resultat. Jesper Rydén Matematiska institutionen, Uppsala universitet jesper.ryden@math.uu.se 1MS008, 1MS777 vt 2016 Ytterligare begrepp Viktiga
Läs merLÖSNINGAR TILL. Matematisk statistik, Tentamen: kl FMS 086, Matematisk statistik för K och B, 7.5 hp
LÖSNINGAR TILL Matematisk statistik, Tentamen: 011 10 1 kl 14 00 19 00 Matematikcentrum FMS 086, Matematisk statistik för K och B, 7.5 hp Lunds tekniska högskola MASB0, Matematisk statistik kemister, 7.5
Läs merSTATISTISK 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 merWeibullanalys. Maximum-likelihoodskattning
1 Weibullanalys Jan Enger Matematisk statistik KTH Weibull-fördelningen är en mycket viktig fördelning inom tillförlitlighetsanalysen. Den används ofta för att modellera mekaniska komponenters livslängder.
Läs merEXEMPEL PÅ FRÅGESTÄLLNINGAR INOM STATISTIKTE- ORIN (INFERENSTEORIN):
Lunds tekniska högskola Matematikcentrum Matematisk statistik Matematisk statistik AK för ekosystemteknik, FMSF75 OH-bilder 2018-09-19 EXEMPEL PÅ FRÅGESTÄLLNINGAR INOM STATISTIKTE- ORIN (INFERENSTEORIN):
Läs merKTH Matematik SF1633 Differentialekvationer I, för I1 Kontrollskrivning nr 2, Måndag den 31 mars 2008, kl Version: A Namn:... Personnr:...
KTH Matematik SF1633 Differentialekvationer I, för I1 Kontrollskrivning nr 2, Måndag den 31 mars 2008, kl. 8.00-10.00 Version: A Namn:... Personnr:... Inga hjälpmedel är tillåtna. Kontrollskrivningen har
Läs merTATA42: Föreläsning 7 Differentialekvationer av första ordningen och integralekvationer
TATA42: Föreläsning 7 Differentialekvationer av första ordningen och integralekvationer Johan Thim 0 januari 207 Introduktion En differentialekvation (DE) i en variabel är en ekvation som innehåller både
Läs merRIEMANNSUMMOR. Den bestämda integralen definieras med hjälp av Riemannsummor. Låt vara en begränsad funktion,, reella tal och. lim.
RIEMANNSUMMOR Låt vara en begränsad funktion,, reella tal och. Den bestämda integralen definieras med hjälp av ä ä, ; lim. Om funktionen har en elementär primitivfunktion då är insättningsformeln (Newton-
Läs merExperimentella metoder 2014, Räkneövning 5
Expermentella metoder 04, Räkneövnng 5 Problem : Två stokastska varabler, x och y, är defnerade som x = u + z y = v + z, där u, v och z är tre oberoende stokastska varabler med varanserna σ u, σ v och
Läs merLaboration 3: Stora talens lag, centrala gränsvärdessatsen och enkla punktskattningar
Lunds tekniska högskola Matematikcentrum Matematisk statistik Laboration 3 Matematisk statistik AK för CDIFysiker, FMS012/MASB03, HT15 Laboration 3: Stora talens lag, centrala gränsvärdessatsen och enkla
Läs merKapitel 3 Diskreta slumpvariabler och deras sannolikhetsfördelningar
Sannolikhetslära och inferens II Kapitel 3 Diskreta slumpvariabler och deras sannolikhetsfördelningar 1 Diskreta slumpvariabler En slumpvariabel tilldelar tal till samtliga utfall i ett slumpförsök. Vi
Läs mer4.1 Grundläggande sannolikhetslära
4.1 Grundläggande sannolikhetslära När osäkerhet förekommer kan man aldrig uttala sig tvärsäkert. Istället använder vi sannolikheter, väntevärden, standardavvikelser osv. Sannolikhet är ett tal mellan
Läs merMatematikcentrum 1(4) Matematisk Statistik Lunds Universitet MASB11 HT10. Laboration. Regressionsanalys (Sambandsanalys)
Matematikcentrum 1(4) Matematisk Statistik Lunds Universitet MASB11 HT10 Laboration Regressionsanalys (Sambandsanalys) Grupp A: 2010-11-24, 13.15 15.00 Grupp B: 2010-11-24, 15.15 17.00 Grupp C: 2010-11-25,
Läs merSVÄNGNINGSTIDEN FÖR EN PENDEL
Institutionen för fysik 2012-05-21 Umeå universitet SVÄNGNINGSTIDEN FÖR EN PENDEL SAMMANFATTNING Ändamålet med experimentet är att undersöka den matematiska modellen för en fysikalisk pendel. Vi har mätt
Läs mer