SANNOLIKHETER. Exempel. ( Tärningskast) Vi har sex möjliga utfall 1, 2, 3, 4, 5 och 6. Därför är utfallsrummet Ω = {1, 2, 3, 4, 5,6}.

Save this PDF as:
 WORD  PNG  TXT  JPG

Storlek: px
Starta visningen från sidan:

Download "SANNOLIKHETER. Exempel. ( Tärningskast) Vi har sex möjliga utfall 1, 2, 3, 4, 5 och 6. Därför är utfallsrummet Ω = {1, 2, 3, 4, 5,6}."

Transkript

1 rmi Halilovic: EXTR ÖVIGR SOLIKHETER GRUDLÄGGDE BEGRE OH BETEKIGR Utfall Resultat av ett slumpmässigt försök. Utfallsrummet ägde av alla utfall (beteckas oftast med Ω ). Hädelse E delmägd av utfallsrummet. Exempel. ( Tärigskast) Vi har sex möjliga utfall,, 3, 4, 5 och 6. Därför är utfallsrummet Ω {,, 3, 4, 5,6}. ågra exempel på hädelser: {,, 3}, {3}, 3 {, 4, 6 }, 4 {} (de tomma mägde är också e hädelse), 5 {,, 3, 4, 5, 6} Ω,( hela utfallsrummet är också e hädelse ) De klassiska SOLIKHETSDEFIITIO tag att utfallsrummet Ω består av lika saolika utfall och e hädelse med g elemet (g atalet gysamma fall ). Saolikhete för hädelse är () gg De geometriska tolkige av saolikhete Saolikhete för hädelse är () () (ΩΩ) Relatioer mella hädelser ka åskådliggöras med hjälp av mägddiagram.. Komplemet till. av

2 rmi Halilovic: EXTR ÖVIGR. uio B. eller B eller båda iträffar. 3. sitt B. Både och B iträffar. 4. Differese \ BB BB. iträffar me ite B. 5. BB Disjukta ( oföreliga) hädelser. De ka ite iträffa samtidig. Symmetrisk differes. 6. Exakt e av, B iträffar. 7. är delmägd till B beteckas B ( iträffar) (B iträffar) av

3 rmi Halilovic: EXTR ÖVIGR Sambadet mella mägdoperatioer och hädelser. Operatio ägdbeteckig Beskrivig Komplemet cc iträffar ite Sittet BB Både och B iträffar Uioe BB eller B eller båda iträffar Differese \ BB BB me ite B iträffar Symmetrisk differes BB ( BB ) (BB cc ) VIKTIG EGESKER Exakt e av, B iträffar Kolmogorovs axiom: xiom ( ) 0 xiom (ΩΩ), xiom 3 Om och B är disjukta hädelser dvs BB då ( B ) () + ( Frå axiom,, 3 följer följade egeskaper: i) ( ) 0 ii) 0 ( ) iii) B ( ) ( mootoi iv) ( ) ( ) saolikhete för komplemethädelse Viktig: Om och B ite är disjukta då beräkas saolikhete för uioe eligt följade ( B ) () + ( ( 3 av

4 rmi Halilovic: EXTR ÖVIGR DE ORGS LGR De orgas lagar är två regler som iom logike formuleras eligt följade:. ite( och Q) (ite ) eller (ite Q), ite( eller Q) (ite ) och (ite Q) otsvarade lager iom mägdlära är:. ( ) ( ) Detta ka geeraliseras till De orgas lagar: L. Komplemet till uioe: ( ) L. Komplemet till sittet: ( ) Geom att aväda komplemet på båda sidora i L får vi följade yttiga formel för uioe: ( Vi skriver uioe som ett komplemet till sittet) L3. ( ) och frå L får vi L4 ( ) ( I L4 uttrycker vi sittet som ett komplemet till uioe.) ÖVIGR: Uppgift. För hädelsera och B gäller ( ) 0. 6, och ( 0. 3 och ( 0.. a) Bestäm ( B ). b) Bestäm ([ B ] ) c) Bestäm ([ B ] ) d) vgör om och B är oberoede hädelser. Lösig: 4 av

5 rmi Halilovic: EXTR ÖVIGR a) ( ( ( ( B ) ( ) ( b) ([ B ] ) c) ([ B ] ) ( ( ) + ( ( 0. 8 d) Två hädelser och B är oberoede om och edast om ( ) ( (. ( ) ( ( 0. Svard d) och B är ite oberoede eftersom ( ) ( ( Uppgift. E bilverkstad har kommit fram till att bilar av ett visst märke ka ha följade motorfel. Saolikhete för att e slumpmässigt vald bil har feltyp resp. B är 0,6 och 0,3. Saolikhete att e bil har feltyp, me ite feltyp B är 0,36. Beräka saolikhete för att e slumpmässigt vald bil av märket ifråga har båda feltypera. Lösig. a) ( ( ) ( B ) 0,6 0,36 0, 4 Uppgift 3. För två hädelser och B gäller: ()0,6, och ( 0, 7. (0,5 a) Beräka p(. 5 av

6 rmi Halilovic: EXTR ÖVIGR b) Beräka p( B ). Svar. a) ( 0, b) ( B ) 0, 3 Uppgift 4. I e stad med ivåare fis det 3 lokala tidigar, B och. Vid e udersökig får ma att ivåare ( totalt) läser tidige läser både och B läser B läser både och läser läser både B och 000 läser alla tre:, B och Hur stor är saolikhete att e slumpmässigt vald ivåare i stade läser a) tidigara och me ite B? b) mist e av tidigara, B,? c) ige av tidigara, B,. Lösig: Vi aväder följade mägddiagram: a) och me ite B läser ivåare. Därför a3000/ % b) mist e av tidigara, B, läser ivåare. Därför b6000/ % c) ivåare läser ite ågo av tidigara, B, lltså c74000/ % Svar: a) 3% b )6% c) 74% 6 av

7 rmi Halilovic: EXTR ÖVIGR Uppgift 5. I Estad som har ivåare görs e tittarudersökig för yhetsprogram i TV: 4000 ser Rapport 4000 ser både Rapport och ktuellt 6000 ser ktuellt 9000 ser både Rapport och yhetera 000 ser yhetera 000 ser både ktuellt och yhetera 000 ser alla tre programme Hur stor är saolikhete att e slumpmässigt vald ivåare i Estad ser mist e av de tre yhetsprogramme? Lösig: : Ser Rapport, B Ser ktuellt, : Ser yhetera Sökt : ( B ) ( B ) ( ) + ( + ( ) ( ( ) ( B ) + ( B ) , Uppgift 6. De sex sidora på e tärig är märkta med,,3,4,5 och 6. a kastar två tärigar samtidigt och beräkar summa av resultat. Bestäm saolikhete att a) summa är 8. b) summa är midre ä 5. Lösig: är ma kastar två tärigar samtidigt ka ma få följade 36 fall: (,), (,), (,3), (,4), (,5), (,6) (,), (,), (,3), (,4), (,5), (,6) (3,), (3,), (3,3), (3,4), (3,5), (3,6) (4,), (4,), (4,3), (4,4), (4,5), (4,6) (5,), (5,), (5,3), (5,4), (5,5), (5,6) (6,), (6,), (6,3), (6,4), (6,5), (6,6) a) Summa är 8 i följade 5 fall (6,), (5,3), (4,4), (3,5), och (,6) Saolikhete a g/ 5/36 b) Summa är midre ä 5 i följade 6 fall (,), (,), (,3), (,), (,), (3,), Saolikhete b g/ 6/36/6 Svar a) 5/36 b) /6 DE ORGS LGR: 7 av

8 rmi Halilovic: EXTR ÖVIGR Uppgift 7. väd De orgas lagar L. Komplemet till uioe: ( ) L. Komplemet till sittet: ( ) L3. ( ) och förekla a) ( ) D B b) ( ) Lösig: a) ( ) ( ) ( ) D B D B D B b) ( ) ( ) ( ) Svar: a) D B b) Uppgift 8. väd De orgas lag L3 och skriv följade uioer som sitt a) Q b) R Q Lösig: a) ( ) ( ) ( ) Q Q (eligt L3) ( ) Q Svar b) ( ) R Q DRGIG ED HÄSY TILL ORDIG Uppgift 9. Vi har 0 produkter, 5 av typ, 6 av typ B och 9 av typ och väljer 4 av de på måfå uta återläggig. Hur stor saolikhete är att vi får produkter a) i ordige, B,, B? b) i ordige,,, Lösig: Dragig: Saolikhete att få i första dragige är 5/0. Dragig: [otera att vi har kvar 9 produkter (dragig uta återläggig) ; 6 av dem är av typ B]. Saolikhete att få B i adra dragige är 6/9 Dragig 3: [otera att vi har kvar 8 produkter (dragig uta återläggig) ; 4 av dem är av typ ]. Saolikhete att få i tredje dragige är 4/8 Dragig 4: [otera att vi har kvar 7 produkter (dragig uta återläggig) ; 5 av dem är av typ B]. Saolikhete att få B i fjärde dragige är 5/7 8 av

9 rmi Halilovic: EXTR ÖVIGR lltså (, B,, (med häsy till ordig uta återläggig) Svar: a) (, B,, (med häsy till ordig uta återläggig) b) (,,,) Uppgift 0. Vi har 0 produkter, 5 av typ, 6 av typ B och 9 av typ och väljer 4 av de på måfå med återläggig. Hur stor saolikhete är att vi får produkter a) i ordige, B,, B? b) i ordige,,, Lösig: Dragig: Saolikhete att få i första dragige är 5/0. Dragig: [otera att vi lämar tillbaka så att vi har samma situatio ige dvs vi har med 0 produkter (dragig med återläggig) ; 6 av dem är av typ B]. Saolikhete att få B i adra dragige är 6/0 Dragig 3: Saolikhete att få i tredje dragige är 5/0 Dragig 4: Saolikhete att få B i fjärde dragige är 6/0 lltså (, B,, (med häsy till ordig och med återläggig) Svar: a) (, B,, (med häsy till ordig och med återläggig) b) (,,,) DRGIG UT HÄSY TILL ORDIG Uppgift. Blad 0 produkter fis 6 defekta. a tar 5 produkter på måfå uta återläggig och uta häsy till ordig. Vad är saolikhet att få a) exakt 3 korrekta (och därmed defekta) i vilke ordig som helst? b) alla 5 defekta? Lösig a) talet gysamma fall: Vi ka välja 3 korrekta blad 4 och samtidigt defekta blad 6 på g talet alla möjliga fall: Vi ka välja 5 produkter blad 0 på 0 sätt sätt 9 av

10 rmi Halilovic: EXTR ÖVIGR Därmed blir de sökta saolikhete g Svar: 4 6 a) b) (0.35) ( ) Uppgift. Vi placerar slumpvis 9 idetiska bollar i 4 stora lådor, B, och D. (Ett exempel på placerig) a) å hur måga olika sätt ka ma göra det? b) Bestäm saolikhete att ige låda är tom. Lösig a) Vi betraktar ett ekvivalet problem: ermutatioer av 5 bokstäver I och 9 bokstäver O (se bilde). T ex: ermutatioe IOOIOOOOIIOOOI svarar mot ovaståede exempel. Varje permutatio måste börja och sluta med I (aars hamar ite bolle i ågo låda) Därför permuterar vi 3 bokstäver I och 9 bokstäver O.! 0 a) Det fis 0 sådaa permutatioer. Svar a) 0 b) 3!9! 3 0 av

11 rmi Halilovic: EXTR ÖVIGR Ige låda är tom om det fis mist e boll i varje låda. Reste, d v s 5 bollar, ka placeras på godtyckligt sätt. Detta betyder att vi permuterar fritt 3 bokstäver I och 5 bokstäver O. 8! Det fis k 56 sådaa permutatioer. 3!5! 3 Om vi atar att alla placerigar är lika saolika då gäller: k 56 4 Saolikhete att ige låda är tom Svar b) p 55 av

Sannolikheten. met. A 3 = {2, 4, 6 }, 1 av 11

Sannolikheten. met. A 3 = {2, 4, 6 }, 1 av 11 rmi Halilovic: EXTR ÖVIGR SOLIKHETER GRUDLÄGGDE EGRE OH ETEKIGR Utfall Resultat av ett slumpmässigt försök. Utfallsrummet ägde av alla utfall (beteckas oftast medd Ω ). Hädelse E delmägd av utfallsrumm

Läs mer

Sannolikhetslära. c 2015 Eric Järpe Högskolan i Halmstad

Sannolikhetslära. c 2015 Eric Järpe Högskolan i Halmstad Saolikhetslära c 201 Eric Järpe Högskola i Halmstad Saolikhetslära hadlar om att mäta hur saolikt (dvs hur ofta ) ma ka förväta sig att ågot iträffar. Därför sorterar saolikhetslära uder de matematiska

Läs mer

SAMMANFATTNING TAMS79 Matematisk statistik, grundkurs

SAMMANFATTNING 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 mer

Tolkning av sannolikhet. Statistikens grunder, 15p dagtid. Lite mängdlära. Lite mängdlära, forts. Frekventistisk n A /n P(A) då n

Tolkning av sannolikhet. Statistikens grunder, 15p dagtid. Lite mängdlära. Lite mängdlära, forts. Frekventistisk n A /n P(A) då n Tolkig av saolikhet Statistikes gruder, 15p dagtid HT 01 Föreläsigar F4-F6 Frekvetistisk A / A) då Klassisk atal(a) / atal(ω) = A) storlek(a) / storlek(ω) = A) Subjektiv (persolig) isats/total vist = A)

Läs mer

Föreläsning 3. 732G04: Surveymetodik

Föreläsning 3. 732G04: Surveymetodik Föreläsig 3 732G04: Surveymetodik Dages föreläsig Obudet slumpmässigt urval (OSU) Populatiosparametrar och stickprovsstatistikor Vätevärdesriktighet Ädliga och oädliga populatioer Medelvärde, adel Kofidesitervall

Läs mer

TENTAMEN I MATEMATISK STATISTIK Datum: 13 mars 08

TENTAMEN 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 mer

Borel-Cantellis sats och stora talens lag

Borel-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 mer

Antalet sätt att välja ut r objekt bland n stycken med hänsyn till ordning är np r = n(n 1) (n r + 1).

Antalet 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 mer

MS-A0409 Grundkurs i diskret matematik Sammanfattning, del I

MS-A0409 Grundkurs i diskret matematik Sammanfattning, del I MS-A0409 Grudkurs i diskret matematik Sammafattig, del I G. Gripeberg Aalto-uiversitetet 2 oktober 2013 G. Gripeberg (Aalto-uiversitetet) MS-A0409 Grudkurs i diskret matematiksammafattig, del 2Ioktober

Läs mer

ÖPPNA OCH SLUTNA MÄNGDER. KOMPAKTA MÄNGDER. DEFINITIONSMÄNGD. INLEDNING. Några viktiga andragradskurvor: Cirkel, ellips, hyperbel och parabel.

ÖPPNA OCH SLUTNA MÄNGDER. KOMPAKTA MÄNGDER. DEFINITIONSMÄNGD. INLEDNING. Några viktiga andragradskurvor: Cirkel, ellips, hyperbel och parabel. ÖPPNA OH SLUTNA MÄNGDER. KOMPAKTA MÄNGDER. DEFINITIONSMÄNGD. INLEDNING. Någr viktig drgrdskurvor: irkel ellips hyperbel och prbel.. irkels ekvtio irkel med cetrum i och rdie hr ekvtioe pq O Amärkig. Edst

Läs mer

Linjär Algebra (lp 1, 2016) Lösningar till skrivuppgiften Julia Brandes

Linjär Algebra (lp 1, 2016) Lösningar till skrivuppgiften Julia Brandes Lijär Algebra (lp 1, 2016) Lösigar till skrivuppgifte Julia Brades Uppgift 1. Betecka mägde av alla matriser med M(). Vi har e elemetvist defiierad additio av två matriser A, B M(). De är defiierad geom

Läs mer

Genomsnittligt sökdjup i binära sökträd

Genomsnittligt 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 mer

MS-A0409 Grundkurs i diskret matematik I

MS-A0409 Grundkurs i diskret matematik I MS-A0409 Grudkurs i diskret matematik I G. Gripeberg Mägder och logik Relatioer och fuktioer Aalto-uiversitetet oktober 04 Kombiatorik etc. G. Gripeberg (Aalto-uiversitetet MS-A0409 Grudkurs i diskret

Läs mer

Sannolikheter 0 < P < 1. Definition sannolikhet: Definition sannolikhet: En sannolikhet kan anta värden från 0 till 1

Sannolikheter 0 < P < 1. Definition sannolikhet: Definition sannolikhet: En sannolikhet kan anta värden från 0 till 1 Saolikheter E saolikhet ka ata värde frå 0 till 1 0 < P < 1 Beteckas: P Pr Prob Saolikhete för e hädelse Hädelse A P(A) Pr(A) Prob(A) Defiitio saolikhet: De frekves med vilke hädelse av itresse iträffar

Läs mer

Armin Halilovic: EXTRA ÖVNINGAR

Armin Halilovic: EXTRA ÖVNINGAR Stokastiska rocesser Defiitio E stokastisk rocess är e mägd (familj) av stokastiska variabler X(t) arameter t är oftast (me ite alltid) e tidsvariabel rocesse kallas diskret om X(t) är e diskret s v för

Läs mer

Induktion och Binomialsatsen. Vi fortsätter att visa hur matematiska påståenden bevisas med induktion.

Induktion och Binomialsatsen. Vi fortsätter att visa hur matematiska påståenden bevisas med induktion. Idutio och Biomialsatse Vi fortsätter att visa hur matematisa påståede bevisas med idutio. Defiitio. ( )! = ( över ).!( )! Betydelse av talet studeras seare. Med idutio a vi u visa SATS (Biomialsatse).

Läs mer

Statistisk analys. Vilka slutsatser kan dras om populationen med resultatet i stickprovet som grund? Hur säkra uttalande kan göras om resultatet?

Statistisk 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 mer

TMS136: Dataanalys och statistik Tentamen 2013-10-26 med lösningar

TMS136: Dataanalys och statistik Tentamen 2013-10-26 med lösningar TMS36: Dataaalys och statistik Tetame 03-0-6 med lösigar Examiator och jour: Mattias Sude, tel. 0730 79 9 79 Hjälpmedel: Chalmersgodkäd räkare och formelsamlig formelsamlig delas ut med teta). Betygsgräser:

Läs mer

Tentamen i Statistik, STA A13 Deltentamen 2, 5p 20 januari 2007, kl. 09.00-13.00

Tentamen i Statistik, STA A13 Deltentamen 2, 5p 20 januari 2007, kl. 09.00-13.00 0.01.007 Tetame i Statistik, STA A13 Deltetame, 5p 0 jauari 007, kl. 09.00-13.00 Tillåta hjälpmedel: Bifogad formel- och tabellsamlig (skall retureras) samt miiräkare. Asvarig lärare: Haah Hall Övrigt:

Läs mer

Föreläsning G04 Surveymetodik 732G19 Utredningskunskap I

Föreläsning G04 Surveymetodik 732G19 Utredningskunskap I Föreläsig 5 732G04 Surveymetodik 732G19 Utredigskuskap I Dages föreläsig Klusterurval Estegs klusterurval Tvåstegs klusterurval Klusterurval med PPS 2 Klusterurval De urvalsdesiger som diskuterats hittills

Läs mer

Datorövning 2 Fördelningar inom säkerhetsanalys

Datorövning 2 Fördelningar inom säkerhetsanalys Luds tekiska högskola Matematikcetrum Matematisk statistik STATISTISKA METODER FÖR SÄKERHETSANALYS FMS065, HT-15 Datorövig 2 Fördeligar iom säkerhetsaalys I dea datorövig ska vi studera ågra grudläggade

Läs mer

Matematisk statistik

Matematisk statistik Tetame TEN, HF, 8 aug Kursod: HF Srivtid: 8:-: Lärare och examiator: Armi Halilovic Matematis statisti Hjälpmedel: Bifogat formelhäfte ("Formler och tabeller i statisti ") och miiräare av vile typ som

Läs mer

4.2.3 Normalfördelningen

4.2.3 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 mer

Stokastiska variabler

Stokastiska variabler TNG006 F2 11-04-2016 Stoastisa variabler Ett slumpmässigt försö ger ofta upphov till ett tal som bestäms av utfallet av försöet. Talet är ite ät före försöet uta bestäms av vilet utfall som ommer att uppstå,

Läs mer

Normalfördelningens betydelse. Sannolikhet och statistik. Täthetsfunktion, väntevärde och varians för N (µ, σ)

Normalfördelningens 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 mer

Multiplikationsprincipen

Multiplikationsprincipen Kombiatori Kombiatori hadlar oftast om att räa hur måga arragemag det fis av e viss typ. Multipliatiospricipe Atag att vi är på e restaurag för att provsmaa trerättersmåltider. Om det fis fyra förrätter

Läs mer

Föreläsning G70, 732G01 Statistik A. Föreläsningsunderlagen är baserade på underlag skrivna av Karl Wahlin

Föreläsning 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 mer

2. Konfidensintervall för skillnaden mellan två proportioner.

2. 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 mer

Tentamen i Statistik STG A01 (12 hp) 5 mars 2010, kl. 08.15 13.15

Tentamen i Statistik STG A01 (12 hp) 5 mars 2010, kl. 08.15 13.15 Karlstads uiversitet Fakultete för ekoomi, kommuikatio och IT Statistik Tetame i Statistik STG A0 ( hp) 5 mars 00, kl. 08.5 3.5 Tillåta hjälpmedel: Bifogad formel- och tabellsamlig (skall retureras) samt

Läs mer

Intervallskattning. 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

Intervallskattning. 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 mer

Föreläsning G70 Statistik A

Föreläsning 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 mer

Tentamen i Matematisk statistik för V2 den 28 maj 2010

Tentamen i Matematisk statistik för V2 den 28 maj 2010 Tetame i Matematisk statistik för V de 8 maj 00 Uppgift : E kortlek består av 5 kort. Dessa delas i i färger: 3 hjärter, 3 ruter, 3 spader och 3 klöver. Kortleke iehåller damer, e i varje färg. Ata att

Läs mer

LÖSNINGAR TILL. Räkningar: (z i z) 2 = , Δ = z = 1 n. n 1. Konfidensintervall:

LÖSNINGAR 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 mer

vara ett polynom där a 0, då kallas n för polynomets grad och ibland betecknas n = grad( P(

vara ett polynom där a 0, då kallas n för polynomets grad och ibland betecknas n = grad( P( Armi Halilovic: EXTRA ÖVNINGAR Polyom POLYNOM OCH ALGEBRAISKA EKVATIONER Defiitio Polyom är uttrycet av type a a a 0, eller ortare a 0, ( där är ett ice-egativt heltal) Defiitio Låt P( a a a0 vara ett

Läs mer

Finansiell Statistik (GN, 7,5 hp,, HT 2008) Föreläsning 4 (del 1)

Finansiell 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

LÖSNINGSFÖRSLAG TILL UPPGIFTER I PROBLEMSAMLINGEN I MATEMATISK STATISTIK

LÖSNINGSFÖRSLAG TILL UPPGIFTER I PROBLEMSAMLINGEN I MATEMATISK STATISTIK LÖSNINGSFÖRSLAG TILL UPPGIFTER I PROBLEMSAMLINGEN I MATEMATISK STATISTIK Versio 9 december 4 Fel i lösigara mottages tacksamt till mattsso@math.kth.se. Notera att lösigara på vissa ställe utyttjar adra,

Läs mer

1. (a) Eftersom X och Y har samma fördelning så har de även samma väntevärde och standardavvikelse. E(X 2 ) = k

1. (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 mer

E F. pn-övergång. Ferminivåns temperaturberoende i n-dopade halvledare. egen ledning. störledning

E F. pn-övergång. Ferminivåns temperaturberoende i n-dopade halvledare. egen ledning. störledning ÖVRGÅNG De eklaste halvledarkomoete är diode. Diode består av e doad och e doad del. Vid kotaktyta mella och doat område ustår ett ire elektriskt fält.g.a. att elektroer i ledigsbadet å sida diffuderar

Läs mer

Föreläsning G70, 732G01 Statistik A. Föreläsningsunderlagen är baserade på underlag skrivna av Karl Wahlin

Föreläsning G70, 732G01 Statistik A. Föreläsningsunderlagen är baserade på underlag skrivna av Karl Wahlin Föreläsig 6 732G70, 732G01 Statistik A Föreläsigsuderlage är baserade på uderlag skriva av Karl Wahli Kapitel 6 Iferes om e populatio Sid 151-185 Puktskattig och itervallskattig Statistisk iferes om populatiosmedelvärde

Läs mer

Databaser - Design och programmering. Databasdesign. Kravspecifikation. Begrepps-modellering. Design processen. ER-modellering

Databaser - Design och programmering. Databasdesign. Kravspecifikation. Begrepps-modellering. Design processen. ER-modellering Databaser desig och programmerig Desig processe Databasdesig Förstudie, behovsaalys ER-modellerig Kravspecifikatio För att formulera e kravspecifikatio: Idetifiera avädare Studera existerade system Vad

Läs mer

NEWTON-RAPHSONS METOD (en metod för numerisk lösning av ekvationer)

NEWTON-RAPHSONS METOD (en metod för numerisk lösning av ekvationer) Armi Halilovic: EXTRA ÖVNINGAR Newto-Raphsos metod NEWTON-RAPHSONS METOD (e metod för umeris lösig av evatioer Måga evatioer är besvärligt och iblad äve omöjligt att lösa eat. Då aväder ma umerisa metoder

Läs mer

Tentamen i Statistik, STA A13 Deltentamen 2, 5p 5 juni 2004, kl

Tentamen 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 mer

Övningstentamen i MA2018 Tillämpad Matematik III-Statistik, 7.5hp

Övningstentamen i MA2018 Tillämpad Matematik III-Statistik, 7.5hp Övigstetame i MA08 Tillämpad Matematik III-Statistik, 7.5hp Hjälpmedel: Räkedosa och medföljade formelsamlig! Täk på att dia lösigar ska utformas så att det blir lätt för läsare att följa dia takegågar.

Läs mer

Inledande matematisk analys (TATA79) Höstterminen 2016 Föreläsnings- och lekionsplan

Inledande matematisk analys (TATA79) Höstterminen 2016 Föreläsnings- och lekionsplan Iledade matematisk aalys TATA79) Hösttermie 016 Föreläsigs- och lekiospla Föreläsig 1 Logik, axiom och argumet iom matematik, talbeteckigssystem för hetal, ratioella tal, heltalspoteser. Lektio 1 och Hadledigstillfälle

Läs mer

REGULJÄRA SPRÅK (8p + 6p) 1. DFA och reguljära uttryck (6 p) Problem. För följande NFA över alfabetet {0,1}:

REGULJÄRA SPRÅK (8p + 6p) 1. DFA och reguljära uttryck (6 p) Problem. För följande NFA över alfabetet {0,1}: CD58 FOMEA SPÅK, AUTOMATE, OCH BEÄKNINGSTEOI, 5 p JUNI 25 ÖSNINGA EGUJÄA SPÅK (8p + 6p). DFA och reguljära uttryck (6 p) Problem. För följade NFA över alfabetet {,}:, a) kovertera ovaståede till e miimal

Läs mer

Z-Testet. Idè. Repetition normalfördelning. rdelning. Testvariabel z

Z-Testet. Idè. Repetition normalfördelning. rdelning. Testvariabel z Repetitio ormalfördelig rdelig Z-Testet X i. Medelvärdets fördelig:.stadardiserad ormalfördelig: N (, ) X N, X X N (, ) N (,) X N, X N(,) 3. Kvatiler: uwe.meel@math.uu.se Vad gör g r Z-testetZ? H : e ormalfördelad

Läs mer

LINJÄR ALGEBRA II LEKTION 4

LINJÄR ALGEBRA II LEKTION 4 LINJÄR ALGEBRA II LEKTION 4 JOHAN ASPLUND Iehåll Egevärde, egevektorer och egerum 2 Diagoaliserig 3 Uppgifter 2 5:4-5a) 2 Extrauppgift frå dugga 2 52:8 4 52:3 4 Extrauppgift frå teta 4 Egevärde, egevektorer

Läs mer

Webprogrammering och databaser. Begrepps-modellering. Exempel: universitetsstudier Kravspec. ER-modellen. Exempel: kravspec forts:

Webprogrammering och databaser. Begrepps-modellering. Exempel: universitetsstudier Kravspec. ER-modellen. Exempel: kravspec forts: Webprogrammerig och databaser Koceptuell datamodellerig med Etitets-Relatiosmodelle Begrepps-modellerig Mål: skapa e högivå-specifikatio iformatiosiehållet i database Koceptuell modell är oberoede DBMS

Läs mer

Stat. teori gk, ht 2006, JW F13 HYPOTESPRÖVNING (NCT ) Ordlista till NCT

Stat. teori gk, ht 2006, JW F13 HYPOTESPRÖVNING (NCT ) Ordlista till NCT Stat. teori gk, ht 2006, JW F13 HYPOTESPRÖVNING (NCT 10.1-10.3) Ordlista till NCT Hypothesis testig Null hypothesis Alterative hypothesis Simple / composite Oe-sided /two-sided Reject Test statistic Type

Läs mer

Lösning till tentamen för kursen Log-linjära statistiska modeller 29 maj 2007

Lösning 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 mer

Jag läser kursen på. Halvfart Helfart

Jag läser kursen på. Halvfart Helfart KOD: Kurskod: PC106/PC145 Kurs 6: Persolighet, hälsa och socialpsykologi (15 hp) Datum: 3/8 014 Hel- och halvfart VT 14 Provmomet: Socialpsykologi + Metod Tillåta hjälpmedel: Miiräkare Asvarig lärare:

Läs mer

Introduktion till statistik för statsvetare

Introduktion 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 mer

Konsoliderad version av. Styrelsens för ackreditering och teknisk kontroll föreskrifter (STAFS 1993:18) om EEG-märkning av färdigförpackade varor

Konsoliderad version av. Styrelsens för ackreditering och teknisk kontroll föreskrifter (STAFS 1993:18) om EEG-märkning av färdigförpackade varor Kosoliderad versio av Styrelses för ackrediterig och tekisk kotroll föreskrifter (STAFS 1993:18) om EEG-märkig av färdigförpackade varor Rubrike har dea lydelse geom (STAFS 2008:11) Ädrig iförd: t.o.m.

Läs mer

MS-A0409 Grundkurs i diskret matematik Sammanfattning, del I

MS-A0409 Grundkurs i diskret matematik Sammanfattning, del I MS-A0409 Gudkus i disket matematik Sammafattig, del I G. Gipebeg 1 Mägde och logik 2 Relatioe och fuktioe Aalto-uivesitetet 15 maj 2014 3 Kombiatoik etc. G. Gipebeg Aalto-uivesitetet MS-A0409 Gudkus i

Läs mer

Datastrukturer och algoritmer

Datastrukturer och algoritmer Iehåll Föreläsig 6 Asymtotisk aalys usammafattig experimetell aalys uasymtotisk aalys Lite matte Aalysera pseudokode O-otatio ostrikt o Okulärbesiktig 2 Mäta tidsåtgåge uhur ska vi mäta tidsåtgåge? Experimetell

Läs mer

Finansiell Statistik (GN, 7,5 hp,, HT 2008) Föreläsning 4 (del 2)

Finansiell 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 mer

F10 ESTIMATION (NCT )

F10 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

Kompletterande kurslitteratur om serier

Kompletterande kurslitteratur om serier KTH Matematik Has Thuberg 5B47 Evariabelaalys Kompletterade kurslitteratur om serier I Persso & Böiers.5.4 itroduceras serier, och serier diskuteras också i kapitel 7.9. Ia du läser vidare här skall du

Läs mer

Databaser - Design och programmering. Programutveckling. Programdesign, databasdesign. Kravspecifikation. ER-modellen. Begrepps-modellering

Databaser - Design och programmering. Programutveckling. Programdesign, databasdesign. Kravspecifikation. ER-modellen. Begrepps-modellering Databaser desig och programmerig Desig processe ER-modellerig Programutvecklig Förstudie, behovsaalys Programdesig, databasdesig Implemetatio Programdesig, databasdesig Databasdesig Koceptuell desig Koceptuell

Läs mer

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

732G70 Statistik A. Föreläsningsunderlag skapad av Karl Wahlin Föreläsningsslides uppdaterade av Bertil Wegmann 73G70 Statistik A Föreläsigsuderlag skapad av Karl Wahli Föreläsigsslides uppdaterade av Bertil Wegma Istitutioe för dataveteskap (IDA) Liköpigs uiversitet vt 06 Kapitel Populatioer, stickprov och variabler

Läs mer

Tentamen i Statistik, STA A10 och STA A13 (9 poäng) 26 mars 2004, klockan

Tentamen 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 mer

Tentamen Metod C vid Uppsala universitet, , kl

Tentamen 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

Analys av algoritmer. Beräkningsbar/hanterbar. Stora Ordo. O(definition) Datastrukturer och algoritmer. Varför analysera algoritmer?

Analys av algoritmer. Beräkningsbar/hanterbar. Stora Ordo. O(definition) Datastrukturer och algoritmer. Varför analysera algoritmer? Datastrukturer och algoritmer Föreläsig 2 Aalys av Algoritmer Aalys av algoritmer Vad ka aalyseras? - Exekverigstid - Miesåtgåg - Implemetatioskomplexitet - Förstålighet - Korrekthet - - 29 30 Varför aalysera

Läs mer

TNA001 Matematisk grundkurs Övningsuppgifter

TNA001 Matematisk grundkurs Övningsuppgifter TNA00 Matematisk grudkurs Övigsuppgiter Iehåll: Uppgit Uppgit 8 Uppgit 9 6 Uppgit 7 5 Uppgit 55 60 Facit sid. 8-0 Summor, Biomialsatse, Iduktiosbevis Ivers uktio Logaritmer, Expoetialuktioer Trigoometri

Läs mer

Innehåll Grafräknaren och diskret matematik...1 Vad handlar diskret matematik om?...1 Permutationer och kombinationer...3 Något om heltalsräkning...

Innehåll Grafräknaren och diskret matematik...1 Vad handlar diskret matematik om?...1 Permutationer och kombinationer...3 Något om heltalsräkning... Iehåll Grafräkare och diskret matematik...1 Vad hadlar diskret matematik om?...1 Permutatioer och kombiatioer...3 Något om heltalsräkig...4 Modulusoperator...4 Faktoriserig i primfaktorer...5 Talföljder...7

Läs mer

Enkel slumpvandring. Sven Erick Alm. 9 april 2002 (modifierad 8 mars 2006) 2 Apan och stupet 3 2.1 Passagesannolikheter... 3 2.2 Passagetider...

Enkel slumpvandring. Sven Erick Alm. 9 april 2002 (modifierad 8 mars 2006) 2 Apan och stupet 3 2.1 Passagesannolikheter... 3 2.2 Passagetider... Ekel slumpvadrig Sve Erick Alm 9 april 2002 (modifierad 8 mars 2006) Iehåll 1 Iledig 2 2 Apa och stupet 3 2.1 Passagesaolikheter............................... 3 2.2 Passagetider....................................

Läs mer

Inledande kombinatorik LCB 2001

Inledande kombinatorik LCB 2001 Iledade kombiatorik LCB 2001 Ersätter Grimaldi 1.1 1.4, 3.1 (delvis) 1 Additios- och multiplikatiospricipera Kombiatorik hadlar om koste att räka atalet av saker och tig. Hur måga gåger geomlöpes e viss

Läs mer

MA2018 Tillämpad Matematik III-Statistik, 7.5hp, 2014-08-23

MA2018 Tillämpad Matematik III-Statistik, 7.5hp, 2014-08-23 1 MA018 Tillämpad Matematik III-Statistik, 7.5hp, 014-08-3 Hjälpmedel: Räkedosa och medföljade formelsamlig! Täk på att dia lösigar ska utformas så att det blir lätt för läsare att följa dia takegågar.

Läs mer

F19 HYPOTESPRÖVNING (NCT ) Hypotesprövning för en differens mellan två medelvärden

F19 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 mer

Tentamen 19 mars, 8:00 12:00, Q22, Q26

Tentamen 19 mars, 8:00 12:00, Q22, Q26 Avdelige för elektriska eergisystem EG225 DRIFT OCH PLANERING AV ELPRODUKTION Vårtermie 25 Tetame 9 mars, 8: 2:, Q22, Q26 Istruktioer Skriv alla svar på det bifogade svarsbladet. Det är valfritt att också

Läs mer

Hambley avsnitt 12.7 (även 7.3 för den som vill läsa lite mer om grindar)

Hambley avsnitt 12.7 (även 7.3 för den som vill läsa lite mer om grindar) 1 Föreläsig 6, Ht 2 Hambley avsitt 12.7 (äve 7.3 för de som vill läsa lite mer om gridar) Biära tal Vi aväder ormalt det decimala talsystemet, vilket har base 10. Talet 2083 rereseterar då 2 10 3 0 10

Läs mer

MS-A0509 Grundkurs i sannolikhetskalkyl och statistik Sammanfattning, del II

MS-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 mer

Inklusion och exklusion Dennie G 2003

Inklusion och exklusion Dennie G 2003 Ilusio - Exlusio Ilusio och exlusio Deie G 23 Proble: Tio ä lägger ifrå sig sia hattar vid ett besö på e restaurag. På hur åga sätt a alla äe läa restaurage ed fel hatt. Detta proble a lösas ed ägdläras

Läs mer

(a) om vi kan välja helt fritt? (b) om vi vill ha minst en fisk av varje art? (c) om vi vill ha precis 3 olika arter?

(a) om vi kan välja helt fritt? (b) om vi vill ha minst en fisk av varje art? (c) om vi vill ha precis 3 olika arter? Lösigar Grudläggade Diskret matematik 11054 Tid: 1.00-17.00 Telefo: 036-10160, Examiator: F Abrahamsso 1. I de lokala zoo-affäre fis 15 olika fiskarter med mist 0 fiskar utav varje art). På hur måga sätt

Läs mer

Tentamen Metod C vid Uppsala universitet, , kl

Tentamen Metod C vid Uppsala universitet, , kl Tetame Metod C vid Uppsala uiversitet, 160928, kl. 14.00 18.00 Avisigar Av rättigspraktiska skäl skall var och e av de tre huvudfrågora besvaras på separata pappersark. Börja alltså på ett ytt pappersark

Läs mer

a utsöndring b upptagning c matspjälkning d cirkulation

a utsöndring b upptagning c matspjälkning d cirkulation I levade varelser bryts stora och sammasatta molekyler ed till små och ekla molekyler. Vad kallas dea process? S02_01 a utsödrig b upptagig c matspjälkig d cirkulatio S042009 Kalle hade ifluesa. Ha spelade

Läs mer

Digital signalbehandling Fönsterfunktioner

Digital signalbehandling Fönsterfunktioner Istitutioe för data- och elektrotekik Digital sigalbehadlig Fösterfuktioer 2-2-7 Fösterfuktioer aväds för att apassa mätserie vid frekvesaalys via DFT och FFT samt vid dimesioerig av FIR-filter via ivers

Läs mer

Rättningstiden är i normalfall 15 arbetsdagar, annars är det detta datum som gäller:

Rättningstiden 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 mer

Uppsala Universitet Matematiska Institutionen Bo Styf. Genomgånget på föreläsningarna Föreläsning 26, 9/2 2011: y + ay + by = h(x)

Uppsala Universitet Matematiska Institutionen Bo Styf. Genomgånget på föreläsningarna Föreläsning 26, 9/2 2011: y + ay + by = h(x) Uppsala Uiversitet Matematiska Istitutioe Bo Styf Evariabelaalys, 0 hp STS, X 200-0-27 Föreläsig 26, 9/2 20: Geomgåget på föreläsigara 26-30. Att lösa de ihomogea ekvatioe. De ekvatio vi syftar på är förstås

Läs mer

Hur månfa indianer...? och andra gåtor Lärarmaterial. Vad handlar boken om? Mål från Lgr 11: Att arbeta med gåtor. Lek med ord och bokstäver

Hur månfa indianer...? och andra gåtor Lärarmaterial. Vad handlar boken om? Mål från Lgr 11: Att arbeta med gåtor. Lek med ord och bokstäver Lärarmaterial sida 1 Författare: Keld Peterse Vad hadlar boke om? Här får ma täka till! Ka du lösa gåtora? Mål frå Lgr 11: Lässtrategier för att förstå och tolka texter samt för att apassa läsige efter

Läs mer

Lösningsförslag 081106

Lösningsförslag 081106 Lösigsförslag 86 Uppgift Trädslag: kvalitativ, omialskala (diskret) Diameter: kvatitativ, kvotskala, kotiuerlig Höjd: kvatitativ, kvotskala, kotiuerlig Ålder: kvatitativ, kvotskala, kotiuerlig Trädslag:

Läs mer

= (1 1) + (1 1) + (1 1) +... = = 0

= (1 1) + (1 1) + (1 1) +... = = 0 TALFÖLJDER OCH SERIER Läs avsitte - och 5 Lös övigara, abcd, 4, 5, 7-9, -5, 7-9, -abcd, 4, 5 Läsavisigar Avsitt Defiitioe av talföljd i boe är ågot ryptis, me egetlige är det ågot väldigt eelt: e talföljd

Läs mer

Formelblad Sannolikhetsteori 1

Formelblad 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 mer

MS-A0509 Grundkurs i sannolikhetskalkyl och statistik Sammanfattning, del II

MS-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 mer

Design mönster. n n n n n n. Command Active object Template method Strategy Facade Mediator

Design mönster. n n n n n n. Command Active object Template method Strategy Facade Mediator Desig möster Desig möster Commad Active object Template method Strategy Facade Mediator Commad Ett av de eklaste desig möstre Me också mycket avädbart Ett grässitt med e metod Comm ad do()

Läs mer

Tentamen i Tillämpad Matematik och statistik för IT-forensik. Del 1: Matematik 7.5 hp

Tentamen i Tillämpad Matematik och statistik för IT-forensik. Del 1: Matematik 7.5 hp Tetame i Tillämpa Matematik och statistik för IT-foresik. Del 1: Matematik 7.5 hp 2015 kl. 9.00 13.00 Maxpoäg: 30p. Betygsgräser: 12p: betyg 3, 18p: betyg 4, 24p: betyg 5. Hjälpmeel: Typgokä miiräkare

Läs mer

Bertrands postulat. Kjell Elfström

Bertrands postulat. Kjell Elfström F r å g a L u d o m m a t e m a t i k Matematikcetrum Matematik NF Bertrads ostulat Kjell Elfström Bertrads ostulat är satse, som säger, att om > är ett heltal, så fis det ett rimtal, sådat att < < 2 2.

Läs mer

2015-10-22. Ca 415.000m 3 = 600.000 ton. Masshantering Sven Brodin. Dessa mängder ska Stockholms Stad transportera varje månad.

2015-10-22. Ca 415.000m 3 = 600.000 ton. Masshantering Sven Brodin. Dessa mängder ska Stockholms Stad transportera varje månad. Masshaterig Ca 415.000m 3 = 600.000 to Dessa mägder ska Stockholms Stad trasportera varje måad. The Capital of Scadiavia Sida 2 Till varje km väg som ska byggas behövs ytor på ca 4000m 2 för: Etablerig

Läs mer

Universitetet: ER-diagram e-namn

Universitetet: ER-diagram e-namn Databaser Desig och programmerig Fortsättig på relatiosmodelle: Normaliserig fuktioella beroede ormalformer iformatiosbevarade relatiosschemauppdelig Varför ormalisera? Metod att skydda oss frå dum desig

Läs mer

Räkning med potensserier

Räkning med potensserier Räkig med potesserier Serier (termiologi fis i [P,4-4]!) av type P + + + + 4 +... k ( om < ) k + + + + P 4 4 +... k k! ( e för alla ) k och de i [P, sid.9, formler 7-] som ärmast skulle kua beskrivas som

Läs mer

Lektion 3 Kärnan Bindningsenergi och massdefekt

Lektion 3 Kärnan Bindningsenergi och massdefekt Lektio 3 Kära Bidigseergi och assdefekt Några begre och beteckigar Nuklid Nukleo Isotoer Isobarer Masstal A Atouer Z E ato ed ett bestät atal rotoer och eutroer. Beteckas ofta A ed skrivsättet Z Xx där

Läs mer

Tentamen i EG2050/2C1118 Systemplanering, 14 mars 2009, 8:00 13:00, Q21, Q22

Tentamen i EG2050/2C1118 Systemplanering, 14 mars 2009, 8:00 13:00, Q21, Q22 Tetame i EG2050/2C1118 Systemplaerig, 14 mars 2009, 8:00 13:00, Q21, Q22 Tillåta hjälpmedel Vid dea tetame får följade hjälpmedel avädas: Miiräkare uta iformatio med akytig till kurse. E hadskrive, ekelsidig

Läs mer

Universitetet: ER-diagram e-namn

Universitetet: ER-diagram e-namn Databaser Desig och programmerig Fortsättig på relatiosmodelle: Normaliserig fuktioella beroede ormalformer iformatiosbevarade relatiosschemauppdelig Varför ormalisera? Metod att skydda oss frå dum desig

Läs mer

Geometriska summor. Aritmetiska summor. Aritmetiska talföljder kallar vi talföljder som. Geometriska talföljder kallar vi talföljder som

Geometriska summor. Aritmetiska summor. Aritmetiska talföljder kallar vi talföljder som. Geometriska talföljder kallar vi talföljder som Aritmetiska summor Aritmetiska talföljder kallar vi talföljder som, 4, 6, 8, 10, 1, 14, 000, 1996, 199, 1988, 0.1, 0., 0.3, 0.4, för vilka differese mella på varadra följade tal kostat. Aritmetiska summor

Läs mer

MS-A0509 Grundkurs i sannolikhetskalkyl och statistik Exempel etc., del II

MS-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 mer

Föreskrift. om publicering av nyckeltal för elnätsverksamheten. Utfärdad i Helsingfors den 2. december 2005

Föreskrift. om publicering av nyckeltal för elnätsverksamheten. Utfärdad i Helsingfors den 2. december 2005 Dr 1345/01/2005 Föreskrift om publicerig av yckeltal för elätsverksamhete Utfärdad i Helsigfors de 2. december 2005 Eergimarkadsverket har med stöd av 3 kap. 12 3 mom. i elmarkadslage (386/1995) av de

Läs mer

För att minimera de negativa hälsokonsekvenserna av tunnelluft finns i dagsläget tre metoder;

För att minimera de negativa hälsokonsekvenserna av tunnelluft finns i dagsläget tre metoder; MKB till detaljpla Förbifart Stockholm Hälsoeffekter av tuelluft Studier idikerar att oöskade korttidseffekter, blad aat ökat atal iflammatiosmarkörer, börjar uppstå vid e expoerig som motsvaras av tuelluft

Läs mer

Föreläsning F3 Patrik Eriksson 2000

Föreläsning F3 Patrik Eriksson 2000 Föreläsig F Patrik riksso 000 Y/D trasformatio Det fis ytterligare ett par koppligar som är värda att käa till och kua hatera, ite mist är ma har att göra med trefasät. Dessa kallas stjärkopplig respektive

Läs mer

RÄKNESTUGA 2. Rumsakustik

RÄKNESTUGA 2. Rumsakustik RÄKNESTUGA Rumsakustik 1. Beräka efterklagstidera vid 15, 500 och 000 Hz i ett rektagulärt rum med tegelväggar och med betog i tak och golv. Rummets dimesioer är l x 3,0 l y 4,7 l z,5 [m].. E tom sal med

Läs mer

Operativsystem - Baklås

Operativsystem - Baklås Operativsystem - Baklås Mats Björkma 2017-02-01 Lärademål Vad är baklås? Villkor för baklås Strategier för att hatera baklås Operativsystem, Mats Björkma, MDH 2 Defiitio av baklås (boke 6.2) A set of processes

Läs mer