Tillåtna hjälpmedel: Eget handskrivet formelblad (A4), utdelad tabellsamling, miniräknare med tömt minne Studenterna får behålla tentamensuppgifterna

Save this PDF as:
 WORD  PNG  TXT  JPG

Storlek: px
Starta visningen från sidan:

Download "Tillåtna hjälpmedel: Eget handskrivet formelblad (A4), utdelad tabellsamling, miniräknare med tömt minne Studenterna får behålla tentamensuppgifterna"

Transkript

1 UMEÅ UNIVERSITET Ititutioe för matematik tatitik Statitik för lärare, MSTA8 PA LÖSNINGSFÖRSLAG LÖSNINGSFÖRSLAG TILL TENTAMEN I MATEMATISK STATISTIK Statitik för lärare, poäg Tillåta hjälpmedel: Eget hadkrivet formelblad (A4), utdelad tabellamlig, miiräkare med tömt mie Studetera får behålla tetameuppgiftera. E mmetrik tärig kata e gåger. Betäm aolikhete för att ma får a) mit e ea. Låt X = atal eor på e kat X Bi(6, /6). P(X ) = P(X = 0) = (/6) 6 = 0,66. b) eakt två eor, varav de adra ea i det jätte katet. Låt A = ea i det jätte katet. P(X = A) = P( e ea på de fem förta kate A) = 4 (/ 6) ( / 6) (/ 6) = 0,067.. E lumpvariabel X har utfallrummet Ω = { -3, -, 0, }. Ma vet att P(X = -3) = P(X = -) = p och att P(X = ) = p. a) Betäm E(X). E(X) = -3p + (-)p +0P(X=0) + (p) = 0. b) Vilket värde på p maimerar V(X)? Täk på att p måte välja å att X får e aolikhetfördelig. V(X) = E((X-E(X)) ) = E(X ) = (-3) p + (-) p + 0 P(X=0) + (p) = 8p. Vi kall alltå välja p å tor om möjligt, me vi vet att 0 < p < och p + p +P(X=0) + p =. Vi får alltå att p = ( - P(X=0))/4. Störta täkbara värdet på p får vi om P(X=0) = 0. Då blir p = /4 och V(X) = 4,. Svaret blir ålede p = /4.

2 3. Vid kjutig med artilleri vill ma att pridige i idled ite kall vara för tor me ite heller för lite. Atag att pridige krig de avedda träffpukte (ehet: meter) är N(0, ) och att olika kott är oberoede av varadra. Ma kjuter två kott. Beräka aolikhete att avtådet i idled mella de två edlage är mer ä 0 me midre ä 30 meter. Avtådet i idled mella de två kotte: X X. P(0 < X X < 30) = P(0 < (X X ) < 30) + P(-30 < (X X ) < -0) = P(0 < (X X ) < 30) av mmetrikäl (Rita e bild!) (X X ) N(0 0, + ), dv N(0,,3). 0 0 X X P(0 < (X X ) < 30) = P( < < ) = P(0,47 < Z <,4) = (Φ(,4) - Φ(0,47)),3,3,3 = (0,907 0,6808) = 0, På e vi kur fi 0 plater. Ma vet eda tidigare år att aolikhete att e atage tudet verklige går kure är 0,3. Atag att ma atar 40 tudeter till kure. a) Vad är aolikhete att kure ite blir full, dv atalet tudeter blir färre ä 0? Låt X = atal ataga tudeter om går kure X Bi(40, 0,3). p = 40(0,3) = 3. ( p) = 40(0,7) = 3. Båda > 0 Normalapproimatio OK. X ~ N(3, 9,7) X 3 + 0, , P(X < 0) = P(X 49) = P( ) P( Z,49) = Φ(,49) = 0,93. 9,7 9,7 b) Vad är det högta atal elever ma får ata om ma vill att aolikhete att kure ite blir full kall vara mit 0,99? X 0,3 + 0, 49 0,3 + 0, 49, 0,3 P(X 49) 0,99 P( ) 0,99 Φ( ) 0,99 (0,3)(0,7) (0,3)(0,7) 0, 49, 0,3 λ 0, 0,0 49, 0,3 (,363)(0,) / 30, 89,7 + 0,09, , , 0 4, efterom måte vara midre ä båda röttera till ekvatioe.

3 . Koumetpriide har utvecklat på följade ätt uder åre 996 till och med 003. År KPI 6,0 7,3 7,0 8, 60,7 67, 7,8 78, a) Bilda e ideerie av KPI-erie ova med 996 år pri om ba. År Ide 00,0 00, 00,4 00,8 0,8 04,3 06,6 08,6 b) Vad kulle e vara kota 003 om de med hä taget till KPI kulle kota lika mcket om e vara om 996 kotade 0 kroor? 0,08638 kr =,73 kr. c) Hur tor har de geomittliga årliga iflatioe varit i Sverige mella 996 och 003 eligt KPI? Totalt ökade KPI 8, 638% på de 7 åre, dv 00p 7 = 08,638 och vi får att p = (,08638) /7 =,09. De geomittliga årliga iflatioe mella 996 och 003 har eligt KPI varit,9%. 6. I e artikel i New York Time 988 preeterade reultatet av ett förök där ma tuderade om apiri hade ågo effekt mot hjärt- och kärljukdomar. Förökgruppe betod av 39 maliga läkare i Storbritaie. 349 lumpmäigt utvalda läkare tog daglige e apiri-tablett, meda de övriga 70 ite åt apiri. Efter e år oberverade ma att i de förta gruppe (om åt tabletter) hade 48 tcke avlidit i hjärt- och kärlrelaterade jukdomar. Motvarade iffra i de adra gruppe var 79 tcke. Ger tudie tatitikt äkertällda belägg för att apiri har effekt mot hjärt- och kärljukdomar? Låt p A = P( läkare om äter apiri varje dag dör av hjärt- och kärlrelaterad jukdom iom e år ) och P B = P( läkare om ite äter apiri varje dag dör av hjärt- och kärlrelaterad jukdom iom e år ). Bilda ett 9% kofideitervall för p A p B och avgör om itervallet täcker olla eller ite. A = 349 och B = 70 är å tora att A p A och B p B är törre ä 0 äve om p A och p B är mcket må. Vi ka alltå aväda ormalapproimatio och får itervallet A A B B ˆ A pˆ B ± λ 0, 0 + ) = A B ( p pˆ ( pˆ ) pˆ ( pˆ ) (0,0436)(0,9684) (0,0460)(0,9380) = (0,0436 0,0460 ±,96 + ) = (-0,00304 ± 0,00) = = (-0,0, 0,009). Efterom itervallet iehåller värdet oll är det ite utelutet att apiri ej har effekt. Vi har alltå iga tatitikt äkertällda belägg för apiri-effekt mot hjärt- och kärljukdomar. 7. De viltvårdade mdighete i Florida vill kua katta alligatorera vikt i dera aturliga miljö. Ma fågade därför tcke alligatorer och mätte dera olägder och vikter för att utröa om ågot ambad mella dea variabler föreligger. Take är att det är lättare att mäta olägde på e alligator i Florida träkmarker ä att väga deamma. För de alligatorera erhöll följade tabell (i lämpliga alligatoreheter): Nolägd

4 Vikt Nolägd Vikt Atag e lijär modell där vikte ho alligatorer ka bekriva lijärt av olägde, och där lumpfele täk vara oberoede och ormalfördelade med kotat varia. När ma aväder mita kvadratmetode fick ma följade kattade modell: Förklariggrade R betämde till 98,%. = - 8,48 + 3,43 a) Verkar det vettigt att mäta olägde ho alligatorer är ma i jälva verket är itreerad av de vikt? Motivera. Det verkar kua vara vettigt. Förklariggrade är hög och ett pridigdiagram viar att ett lijärt ambad verkar rimligt. 6, Scatterplot of v 6,0,,0 4, 4,0 3, 3,0 3,4 3, 3,6 3,7 3,8 3,9 4,0 4, 4, 4,3 b) Betäm korrelatiokoefficiete r. r = R = 0,990. Tecket är poitivt efterom lije har poitiv lutig. c) Vad är förklariggrade ett mått på? Det mäter hur tor del av de urprugliga variatioe i alligatorvikt om ka förklara av ett lijärt ambad med olägd. d) Vid ett mätigtillfälle lckade ma mäta e olägd på 3.7 på e alligator, vad kulle du gia dea alligator vikt till? Vi ätter i olägde = 3,7 I de kattade modelle och får - 8,48 + 3,43 3,7 = 4, vikteheter.

5 8. På e löig med det okäda ph-värdet µ har ma gjort fra ph-betämigar: 4,3 4, 4,3 4,37. Vidare har ma med amma mätare gjort e betämigar på e löig med det käda ph-värdet 4,84: 4,7 4,63 4,69 4,76 4,8 4,83. Modell: ph-mätare har ett tematikt fel δ (lika tort vid varje mätig) amt ett lumpmäigt fel (varierar frå mätig till mätig) om är N(0, σ)-fördelat. δ och σ är okäda. a) Aväd amtliga mätvärde för att få e å bra puktkattig om möjligt av µ. Kalla de förta fra mätvärdea för,, 3 och 4. Dea är oberoede obervatioer frå N(µ + δ, σ). De adra mäterie beteckar vi,, De är oberoede obervatioer frå N((4,84 + δ, σ). Vi ka katta δ med ˆ δ = 4, 84 = 4,70-4,84 = -0,4. Vi ka u katta µ med ˆ µ = ˆ δ = 4,8 - (-0,4) = 4,4. b) Aväd amtliga mätvärde för att få ett å kort 9 %-igt kofideitervall för µ om möjligt. ˆ µ N ( E( X ) E( ˆ), δ V ( X ) + V ( ˆ)) δ ). E ( X ) E( ˆ) δ = µ + δ δ = µ. σ σ V ( X ) +V ( ˆ)) δ = + = σ. 4 6 ˆ µ µ N(0,) ( ˆ µ ± λ 0, 0σ ) är ett 9% kofideitervall för µ om σ är käd. σ Nu måte vi katta σ. Frå det förta tickprovet ka vi bilda adra tickprovet ka vi bilda gemeam σ kattig: = i= = 3 4 i= ( i ) = 0,008 och frå det 6 = ( i ) = 0, Dea kattigar ka väga ihop till e ( ) + ( + ) det tår ite i boke. Jag kommer därför att rätta liberalt ) = 0,0069. (Detta teg har vi ite gått igeom och Om vi bter ut σ mot och λ 0,0 mot t 0,0 ( + -) =,306 i kofideitervallet ova får vi: (4,4 ± (,306)(0,0834)(0,64) ) = (4,4 ± 0,4) = (4,30, 4,49).

HYPOTESPRÖVNING. De statistiska metoderna som används för att fatta denna typ av beslut baseras på två komplementära antaganden om populationen.

HYPOTESPRÖVNING. De statistiska metoderna som används för att fatta denna typ av beslut baseras på två komplementära antaganden om populationen. HPOTESPRÖVNING De tatitika metodera om aväd för att fatta dea typ av belut baera på två komplemetära atagade om populatioe. Partiet produkter har atige de utlovade kvalitete eller å har de de ite. Atige

Läs mer

Matematisk statistik KTH. Formelsamling i matematisk statistik

Matematisk statistik KTH. Formelsamling i matematisk statistik Matematik tatitik KTH Formelamlig i matematik tatitik Vårtermie 07 Kombiatorik! = k k! ( k)!. Tolkig: mägd med elemet. = atalet delmägder av torlek k ur e k Stokatika variabler V (X) = E X (E (X)) C (X;

Läs mer

KTH/ICT IX1501:F7 IX1305:F2 Göran Andersson Statistik: Skattningar

KTH/ICT IX1501:F7 IX1305:F2 Göran Andersson Statistik: Skattningar KTH/ICT IX50:F7 IX305:F Göra Adero goera@th.e Statiti: Sattigar Statiti Vi all u tudera obervatioer av toatia variabler. Vad blev det för värde? Dea obervatioer alla ett ticprov (ample). Iom tatitie fi

Läs 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

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

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

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

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

LÖSNINGSFÖRSLAG TILL TENTAMEN I MATEMATISK STATISTIK

LÖSNINGSFÖRSLAG TILL TENTAMEN I MATEMATISK STATISTIK UMEÅ UNIVERSITET Istitutioe för matematisk statistisk Statistiska metoder, 5 poäg MSTA36 Peter Ato LÖSNINGSFÖRSLAG 005-10-6 LÖSNINGSFÖRSLAG TILL TENTAMEN I MATEMATISK STATISTIK Statistiska metoder, 5 poäg

Läs 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

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

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

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

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

Viktigt! Glöm inte att skriva Tentamenskod på alla blad du lämnar in.

Viktigt! Glöm inte att skriva Tentamenskod på alla blad du lämnar in. Statistisk försöksplaerig Provmomet: Ladokkod: Tetame ges för: Skriftlig tetame 3,0 hp 51SF01 DTEIN14h 4,5 högskolepoäg TetamesKod: Tetamesdatum: 5 ovember 015 Tid: 9.00-13.00 Hjälpmedel: Miiräkare Totalt

Läs mer

Försöket med trängselskatt

Försöket med trängselskatt STATISTISKA CENTRALBYRÅN m 1(5). Nilo Trägelkatt Förlag frå Ehete för pritatitik Ehete för pritatitik förelår att å kallad trägelkatt ka täcka i KI frå och med idex aveede jauari 26. Trägelkatte ave då

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

Tentamen 1 i Matematik 1, HF1903, Fredag 14 september 2012, kl

Tentamen 1 i Matematik 1, HF1903, Fredag 14 september 2012, kl TEN HF9 Tetame i Matematik, HF9, Fredag september, kl. 8.. Udervisade lärare: Fredrik ergholm, Elias Said, Joas Steholm Eamiator: rmi Halilovic Hjälpmedel: Edast utdelat formelblad miiräkare är ite tillåte

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

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

TENTAMEN I MATEMATISK STATISTIK. Statistik för lärare, 5 poäng

TENTAMEN I MATEMATISK STATISTIK. Statistik för lärare, 5 poäng UMEÅ UNIVERSITET Isttutoe för matematsk statstk Statstk för lärare, MSTA38 Lef Nlsso TENTAMEN 04--6 TENTAMEN I MATEMATISK STATISTIK Statstk för lärare, 5 poäg Skrvtd: 9.00-15.00 Tllåta hjälpmedel: Utdelad

Läs 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

Tentamen del 2 i kursen Elinstallation, begränsad behörighet ET1020 2014-08-29

Tentamen del 2 i kursen Elinstallation, begränsad behörighet ET1020 2014-08-29 Tetame del 2 i kure Elitallatio, begräad behörighet ET1020 2014-08-29 Tetame omfattar 60 poäg. För godkäd tetame kräv 30 poäg. Tillåta hjälpmedel är räkedoa amt bifogad formelamlig Beräkigar behöver bara

Läs mer

Uppsala Universitet Matematiska institutionen Matematisk Statistik. Formel- och tabellsamling. Sannolikhetsteori och Statistik

Uppsala Universitet Matematiska institutionen Matematisk Statistik. Formel- och tabellsamling. Sannolikhetsteori och Statistik Uppsala Uiversitet Matematiska istitutioe Matematisk Statistik Formel- och tabellsamlig Saolikhetsteori och Statistik IT2-2004 Formelsamlig, Saolikhetsteori och Statistik IT-2004 1 Saolikhetsteori 1.1

Läs 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

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

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

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

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

(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

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

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

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

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

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

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

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

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

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

INGENJÖRSMATEMATISK FORMELSAMLING

INGENJÖRSMATEMATISK FORMELSAMLING Sätyck u femte upplaga av fomle och tabelle fö aolikhetläa och tatitik, idoa 89-4. Toe Gutafo 004. INGENJÖRSMATEMATISK FORMELSAMLING Toe K. Gutafo Kombiatoik 89 90 Kombiatoik 6 KOMBINATORIK Atal pemutatioe

Läs 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

Kapitel 4.1. 4101, 4102, 4103, 4104 Exempel som löses i boken. = = = = 1. 4105 a) n a1 + a a a = = = = a a a

Kapitel 4.1. 4101, 4102, 4103, 4104 Exempel som löses i boken. = = = = 1. 4105 a) n a1 + a a a = = = = a a a Kompletterde löigförlg och ledigr, Mtemtik 000 kur C, kpitel Kpitel. 0, 0, 0, 0 Exempel om löe i boke. 0 ) 7 0 + + + 6 + 8 + 06 ) +, + 6 6 + + + 69 69 + +, + + 6 6+ 9 8+ + 07 Se boke ledig. Kotkt di lärre

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

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

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

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

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

Detaljplan Ekedal södra. Behovsbedömning 1/5. Sektor samhällsbyggnad

Detaljplan Ekedal södra. Behovsbedömning 1/5. Sektor samhällsbyggnad 1/5 Sektor samhällsbyggad Datum Beteckig 2015-02-10 PLAN.2014.19 Plaehete Hadläggare Jey Olausso Detaljpla Ekedal södra Behovsbedömig Förslag Geomföradet av plaförslaget bedöms ite medföra ågo betydade

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

4.2.3 Normalfördelningen

4.2.3 Normalfördelningen 4..3 Normalfördelge Bomal- och Possofördelge är två exempel på fördelgar för slumpvarabler som ka ata ädlgt eller uppräkelgt måga olka värde. Sådaa fördelgar sägs vara dskreta. Ofta är ett resultat X frå

Läs 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

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

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

D 45. Orderkvantiteter i kanbansystem. 1 Kanbansystem med två kort. Handbok i materialstyrning - Del D Bestämning av orderkvantiteter

D 45. Orderkvantiteter i kanbansystem. 1 Kanbansystem med två kort. Handbok i materialstyrning - Del D Bestämning av orderkvantiteter Hadbok materalstyrg - Del D Bestämg av orderkvatteter D 45 Orderkvatteter kabasystem grupp av materalstyrgsmetoder karakterseras av att behov av materal som uppstår hos e förbrukade ehet mer eller mdre

Läs mer

Del A. x 0 (1 + x + x 2 /2 + x 3 /6) x x 2 (1 x 2 /2 + O(x 4 )) = x3 /6 + O(x 5 ) (x 3 /6) + O(x 4 )) = 1 + } = 1

Del A. x 0 (1 + x + x 2 /2 + x 3 /6) x x 2 (1 x 2 /2 + O(x 4 )) = x3 /6 + O(x 5 ) (x 3 /6) + O(x 4 )) = 1 + } = 1 UPPSALA UNIVERSITET Matematiska istitutioe Sigstam, Styf Svar till övigsteta ENVARIABELANALYS 0-0- Svar till övigsteta. Del A. Bestäm e ekvatio för tagete till kurva y f x) x 5 i pukte där x. Skissa kurva.

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 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

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

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

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

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

Tentamen i matematisk statistik

Tentamen i matematisk statistik Tetame i matematisk statistik Uppgift : På e arbetsplats skadades % av persoale uder ett år. 60% av alla skadade var mä. 0% av alla aställda var kvior. Är det maliga eller kviliga aställda som löper störst

Läs 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

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

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

Tentamen i Envariabelanalys 1

Tentamen i Envariabelanalys 1 Liöpigs uiversitet Matematisa istitutioe Matemati och tillämpad matemati Kursod: TATA4 Provod: TEN Iga hjälpmedel är tillåta. Tetame i Evariabelaalys 4-4-3 l 4 9 Lösigara sall vara fullstädiga, välmotiverade,

Läs mer

Linköpings tekniska högskola IKP/Mekaniksystem Mekanisk värmeteori och strömningslära. Exempeltentamen 3. strömningslära, miniräknare.

Linköpings tekniska högskola IKP/Mekaniksystem Mekanisk värmeteori och strömningslära. Exempeltentamen 3. strömningslära, miniräknare. Exempeltetame 3 (OBS! De a te ta m e ga vs i a ku rse delvis bytte i eh å ll. Vis s a u ppgifter s om i te lä gre ä r a ktu ella h a r dä rför ta gits bort, vilket m edför a tt poä gs u m m a ä r < 50.

Läs mer

Sensorer, effektorer och fysik. Analys av mätdata

Sensorer, effektorer och fysik. Analys av mätdata Sesorer, effektorer och fysk Aalys av mätdata Iehåll Mätfel Noggrahet och precso Några begrepp om saolkhetslära Läges- och sprdgsmått Kofdestervall Ljär regresso Mätosäkerhetsaalys Mätfel Alla mätgar är

Läs mer

Sida 1 av 12. vara ett inkonsistent system (= olösbart system dvs. ett system som saknar lösning). b =.

Sida 1 av 12. vara ett inkonsistent system (= olösbart system dvs. ett system som saknar lösning). b =. Sida av MINSAKVADRAMEODEN Låt a a a a a a a a a vara ett ikosistet sste ( olösart sste dvs. ett sste so sakar lösig). Vi ka skriva ssteet på fore A (ss ) där a a... a a a... a A, och............. a p a

Läs mer

Färgscheman Bengal [by Jez]

Färgscheman Bengal [by Jez] Vilke färg har egale? Färgchema Begal [y Jez] 24 24 33 24 32 24 31 vartpotted (ru) eal lyxpoit potted eal mik potted eal epia potted 22 22 33 22 32 22 31 vartmarle (ru) eal lyxpoit marle eal mik marle

Läs mer

Funktionsteori Datorlaboration 1

Funktionsteori Datorlaboration 1 Fuktiosteori Datorlaboratio 1 Fuktiosteori vt1 2013 Rekursiosekvatioer och komplex aalys Syftet med datorövige Öviges ädamål är att ge ett smakprov på hur ett datoralgebrasystem ka avädas för att att lösa

Läs mer

Efter tentamen För kurser med fler än 60 examinerande meddelas resultatet SENAST 20 arbetsdagar efter examinationen annars 15 arbetsdagar.

Efter tentamen För kurser med fler än 60 examinerande meddelas resultatet SENAST 20 arbetsdagar efter examinationen annars 15 arbetsdagar. Luleå tekiska uiversitet TENTAMEN Kurskod: R0009N Kursam: Modeller för iter styrig Tetamesdatum: 2015-03-16 Skrivtid: 4 timmar Tillåta hjälpmedel: Räkare. Rätetabeller bifogas lägst bak i dea teta. Jourhavade

Läs mer

Id: statistik.tex :48:29Z joa

Id: statistik.tex :48:29Z joa UTDRAG UR FÖRELÄSNINGSANTECKNINGAR I STATISTIKTEORI PUNKT- OCH INTERVALLSKATTNINGAR SAMT HYPOTESTEST MATEMATISK STATISTIK AK FÖR F, E, D, I, C, È; FMS 012 JOAKIM LÜBECK, SEPTEMBER 2008 Iehåll 1 Puktskattigar

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

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

Sensorer och elektronik. Analys av mätdata

Sensorer och elektronik. Analys av mätdata Sesorer och elektrok Aalys av mätdata Iehåll Mätfel Några begrepp om saolkhetslära Läges- och sprdgsmått Kofdestervall Ljär regresso Mätosäkerhetsaalys Mätfel Alla mätresultat är behäftade med e vss osäkerhet

Läs mer

Studentens personnummer: Giltig legitimation/pass är obligatoriskt att ha med sig. Tentamensvakt kontrollerar detta.

Studentens personnummer: Giltig legitimation/pass är obligatoriskt att ha med sig. Tentamensvakt kontrollerar detta. KOD: Kurskod: PC106/PC145 Persolighet, hälsa och socialpsykologi (15 hp) Datum: 4/5 014 Hel- och halvfart VT14 Provmomet: Socialpsykologi + Metod Tillåta hjälpmedel: Miiräkare Asvarig lärare: Niklas Frasso

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

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

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

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

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

Systemdesign fortsättningskurs

Systemdesign fortsättningskurs Systemdesig fortsättigskurs Orgaisatio Föreläsare Potus Boström Assistet? Tider mådagar och tisdagar kl. 8-10 Börjar 3.9 och slutar 16.10 Rum B3040 Orgaisatio Iga föreläsigar 24.9, 25.9, 1.10 och 2.10

Läs mer

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}.

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}. 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.

Läs mer

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

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

Formler, grundläggande statistik

Formler, grundläggande statistik Formler, grudläggade aiik Medelvärde N X μ σ Sadardavvikele, populaio Sadardavvikele, ickprov Sadardavvikele, räkevälig z Z-poäg z z r Pearo korrelaio, urpruglig r Pearo korrelaio, räkeväligare Oe ample

Läs mer

TENTAMEN I MATEMATIK MED MATEMATISK STATISTIK HF1004 TEN

TENTAMEN I MATEMATIK MED MATEMATISK STATISTIK HF1004 TEN TENTAMEN I MATEMATIK MED MATEMATISK STATISTIK HF004 TEN 0-0-7 Hjälpmedel: Fomelsamlig med tabelle i statistik oc äkedosa Fullstädiga lösiga efodas till samtliga uppgifte. Lösigaa skall vaa väl motiveade

Läs mer

Tentamen i statistik för STA A13, 1-10 poäng Deltentamen II, 5p Lördag 9 juni 2007 kl

Tentamen i statistik för STA A13, 1-10 poäng Deltentamen II, 5p Lördag 9 juni 2007 kl Avdelige för atioalekoomi och Tetame i för STA A13, 1-10 poäg Deltetame II, 5p Lördag 9 jui 007 kl. 09.00-13.00 Tillåta hjälpmedel: Bifogad formel- och tabellsamlig (skall retureras) samt miiräkare. Asvarig

Läs mer

Slutrapport Bättre vård i livets slutskede

Slutrapport Bättre vård i livets slutskede Team : Stadsvikes VC Syfte med deltagadet i Geombrott Att öka tillite och trygghete till de vård som bedrivs i det ega hemmet för de palliativa patiete. Teammedlemmar Eva Lidström eva.lidstrom@ll.se Viktoria

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

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

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

5. Linjer och plan Linjer 48 5 LINJER OCH PLAN

5. Linjer och plan Linjer 48 5 LINJER OCH PLAN 48 5 LINJER OCH PLAN 5. Lijer och pla 5.. Lijer Eempel 5.. Låt L ara e lije i rummet. Atag att P är e pukt på L och att L är parallell med e ektor, lijes riktigsektor. Då gäller att e pukt P ligger på

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

2. Optimering Linjär programmering

2. Optimering Linjär programmering . Optimering Linjär programmering Ett optimeringprolem etår av: En målfunktion, f(), var maimum, eller minimum ka öka. En eller flera -varialer (elutvarialer om man tr över). Normalt okå ett antal ivillkor

Läs mer

Massa, densitet och hastighet

Massa, densitet och hastighet Detta är en något omarbetad verion av Studiehandledningen om använde i tryckta kuren på SSVN. Sidhänviningar hänför ig till Quanta A 000, ISBN 91-7-60500-0 Där det har varit möjligt har motvarande aker

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

Mätbar vetskap om nuläget och tydliga målbilder om framtiden. Genomför en INDICATOR självvärdering och nulägesanalys inom tre veckor

Mätbar vetskap om nuläget och tydliga målbilder om framtiden. Genomför en INDICATOR självvärdering och nulägesanalys inom tre veckor Mätbar vetskap om uläget och tydliga målbilder om framtide Geomför e INDICATOR självvärderig och ulägesaalys iom tre veckor Självvärderig e del av dokumetatioskravet i ya skollage Skollage ställer också

Läs 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