Del A Begrepp och grundläggande förståelse.

Save this PDF as:
 WORD  PNG  TXT  JPG

Storlek: px
Starta visningen från sidan:

Download "Del A Begrepp och grundläggande förståelse."

Transkript

1 STOCKHOLMS UIVERSITET FYSIKUM Tentamensskrivning i Experimentella metoder, 1 hp, för kandidatprogrammet, år 1 Fredagen den 9 maj 008 kl S.H./K.H./K.J.-A./B.S. Införda beteckningar bör förklaras och uppställda ekvationer motiveras. Resonemang, ekvationslösningar och uträkningar får inte vara så knapphändiga att de blir svåra att följa. Figurer skall ritas stora och tydliga med linjal. Var noga med vektorbeteckningar. På varje problem skall anges ett tydligt understruket eller inramat svar. är så är möjligt skall svaret bestå av siffror med rätt enheter. Antalet värdesiffror skall stå i rimlig proportion till i texten angivna värdesiffror. För godkända betyg (A-E) krävs minst 5 poäng på del A. För betyg E krävs minst 15 poäng sammanlagt. Hjälpmedel : PHYSICS HADBOOK, RÄKEDOSA, TEFYMA Del A Begrepp och grundläggande förståelse. 1. CDF kollaborationen vid Tevatron-acceleratorn vid Fermilab, USA, presenterade nu i mars ett antal sinsemellan oberoende mätningar av massan hos den tyngsta kända elementarpartikeln - topp-kvarken. ågra av deras resultat redovisas i tabellen nedan. Typ av mätning Massa (GeV/c ) Massa (GeV/c ) Period 1: hadroniska sönderfall 186,0 10,0 Period 1: -lepton sönderfall 167,4 10,3 Period 1: lepton och jet sönderfall 176,1 5,1 Period : hadroniska sönderfall 177,0 3,3 Period : -lepton sönderfall 171,,7 Period : lepton och jet sönderfall 17,7 1, Använd dessa data för att beräkna den bästa möjliga uppskattningen av topp-kvarkens massa, ange även osäkerheten i den uppskattningen. (p) Förslag till lösning: Beräkna det viktade medelvärdet: Typ av mätning Massa Massa vikt vikt massa Period 1: hadroniska sönderfall 186,0 10,0 0,01 1,860 Period 1: -lepton sönderfall 167,4 10,3 0,0094 1,574 Period 1: lepton och jet sönderfall 176,1 5,1 0,0384 6,76 Period : hadroniska sönderfall 177,0 3,3 0, ,49 Period : -lepton sönderfall 171,,7 0,137 3,489 Period : lepton och jet sönderfall 17,7 1, 0, ,93 Summa 0, ,857 Vi får då: m = 169,857,981 = 171, 3, med en osäkerhet som ges av M = 1,981 =1, 01. Den bästa uppskattningen av massan blir då: M top = 171 ± 1 GeV/c.. Vid en mätning av radonhalten i en fastighet mättes antalet registrerade sönderfall per tio-sekundersperiod. Efter att ha mätt under sammanlagt 15 sådana perioder hade man sammanlagt registrerat 4 sönderfall. Uppskatta sannolikheten att man vid en sextonde mätning skulle mäta exakt 3 sönderfall. Du kan anta att antalet registrerade sönderfall under en tio-sekundersperiod är Poissonfördelat. (p)

2 Förslag till lösning: Medelvärdet för hur många sönderfall som registreras under en tiosekundersperiod ges av 4/15 = 1,6. Sannolikeheten att erhälla tre sönderfall ges då av P(3;1,6) = e ! = 0, 138. Sannolikheten är alltså 14%. 3. Tyngdaccelerationen g kan bestämmas genom att mäta hur lång tid, T, det tar för en kropp att falla sträckan L. Tyngdaccelerationen ges då av g = L T Vid ett försök lät man en kula falla en sträcka som mättes till 1, ± 0, m, falltiden mättes då till 1,6 ± 0,1 s. Beräkna ett värde, med osäkerhet, på tyngdaccelerationen. Förslag till lösning: Värdet på g fås genom insättning: g = 1, =9.5(3) ms 1,6. (p) Osäkerheten fås genom felfortplantning: g = och dg dl = T, vi har alltså: g = ( 4 1, 1,6 3 ) 0, 1 + ( ) dg dt T + ( dg dl ) L, där dg dt ( 1,6 ) 0, = 1, ms. = 4L T 3 4. Skrivhastigheten hos personer som dagligen skriver text på tangentbord följer en normalfördelning centrerad kring 60 ord per minut, med en standardavvikelse om 15 ord per minut. Hur stor är sannolikheten att skrivhastigheten för en slumpvis vald person ur denna grupp ligger mellan 45 och 90 ord per minut? Antag att man vill erbjuda speciell träning för de personer som tillhör de mest långsamma 0%, vid vilken hastighet går gränsen för vilka som skall erbjudas denna träning? (p) Förslag till lösning: Intervallet 45 till 90 ord per minut svarar mot intervallet µ 1 < x < µ +. Enlig tabell B är sannolikhetsinnehållet för intervallet µ 1 < x < µ = 34,13% och för intervallet µ < x < µ + = 47,7%. Sammantaget blir alltså sannolikheten att hitta en person med skrivhastighet i intervallet ord per minut 81,85%. Fortfarande enligt tabell B så svarar svansen som har 0% sannolikhetsinnehåll mot intervallet µ t < x < µ med t = 0,84 (man får slå upp komplementet med 30% sannolikhetsinnehåll). Gränsen fås alltså ur 60-15*0,84 = 47,4 ord per minut eller mindre 5. I en artikel publicerad i Inernational Review for Sociology of Sport (199)77-88 undersöktes hur födelsedatum för de spelare som deltog i VM-slutspelet i manlig fotboll 1990 fördelades. De redovisade följande tabell: Födelsemånad Antal Augusti-Oktober 150 ovember-januari 138 Februari-April 140 Maj-Juli 100 Kan man i data finna stöd för påståendet att födelsetiden kan påverka chanserna att lyckas som fotbollsspelare? (p) Förslag till lösning: Vi testar om data är förenliga med att alla årets dagar är lika sannolika som födelsedagar för fotbollsspelarna. Sammanlagt har vi födelsedata för 58 spelare. Tar vi hänsyn till att kvartalet Februari-April har 89 dagar och de övriga 9 (vi kan också bortse från detta och förvänta oss 13 spelare i varje kvartal, räkningarna blir i övrig identiska) så får vi följande tabell:

3 Födelsemånad Observerat Förväntat (O-F) /F Augusti-Oktober ,1,15 ovember-januari ,1 0,18 Februari-April ,7 0,99 Maj-Juli ,1 8,3 Summa 11,55 Chikvadratsumman blir alltså 11,55. Vi har tre frihetsgrader, eftersom vi har bestämt Förväntat från det totala antalet fotbollspelare som ju är input från data. Reducerad chi-kvadrat blir 3,85 för 3 frihetsgrader. Tabell D ger oss då en sannolikhet att erhålla så hög reducerad chi-kvadrat om ca 0,9 %. Det är alltså inte speciellt troligt att födelsetid på året inte påverkar möjligheten att bli fotbollsspelare på elit-nivå. Del B: Fördjupande uppgifter. 6. I tabellen nedan ges det kvinnliga rekordet i löpning för distanserna mellan 400 och meter. Antag att det råder ett linjärt samband mellan sträckan och världsrekordet och uppskatta utifrån detta vilken tid Junxia Wang från Kina hade när hon satte världsrekordet Uppskatta även osäkerheten i förutsägelsen (du kan bortse från korrelationen mellan osäkerheten i de bägge anpassade parametrarna). Distans (m) Världsrekord (s) Innehavare Satt år ,6 Marita Koch ,8 Jarmila Kratochvílová ,38 Svetlana Masterkova ,46 Yunxia Qu ,56 Svetlana Masterkova ,36 Sonia O Sullivan ,11 Junxia Wang ,03 Meseret Defar Junxia Wang 1993 Ledning: Eftersom alla tidsmätningar kan anses ha samma osäkerhet kan alla rekord ges samma vikt vid anpassningen. Förslag till lösning: Vi gör en anpassning till en rät linje. Eftersom alla mätningar har samma osäkerhet så kan vi välja en lämplig gemensam vikt. Det enklaste är att välja vikten 1 för alla mätningar, vi får då tillbaks formeln för en oviktad anpassning ( i 1 = ). Vi har då för y = A + Bx: A = (Σx i )(Σy i) (Σx i )(Σx i y i ) B = (Σx iy i ) (Σx i )(Σy i ) Vilket ger x y x xy , , , , , , , , , och = (Σx i ) (Σx i ) vi har

4 = = , A= , = 8.3 och B= , =0, Vi kan nu förutsäga världsrekordet på m: y(10000) = A + B = 8, 3+ 0, = 177, 7 sekunder. Σx Osäkerheterna i parametrarna ges av A = = =0, 6 och B = = = Osäkerheten i vår uppskattning av världsrekordet på meter ges då av = ( dy da) A + ( dy db ) B = A + y B = 0, =, 6 Vår förutsägelse blir alltså 177,7±,6 sekunder. Detta kan vi jämföra med Junxias Wangs rekord satt 1993 som lyder på 9 min 31,8 sekunder, dvs 1771,8 sekunder. Vi ser att vår förutsägelse inte faller inom felmarginalen, vilket kanske inte är så konstigt eftersom antagandet om ett linjärt samband mellan tid och distans förutsätter att man orkar springa i samma hastighet oberoende av hur lång distansen är. Sett mot detta kan man tycka att vår förutsägelse är oväntad bra. 7. En variabel kan antas vara normalfördelad med medelvärde x och standardavvikelse. Visa att medelvärdets standardavvikelse ges av x =, där är det antal värden som används för att beräkna medelvärdet. 1 Förslag till lösning: Vi har x = ( ) d x i dx i. Eftersom d x dx i = 1 får vi x = i x i. Felfortplantningsformeln ger då: x = 1 i = = v.s.v. 8. Flykthastigheten för en raket från en himlakropps yta (den hastighet man behöver uppnå, vid ytan, för att kunna lämna himlakroppen) beror (om vi bortser från påverkan på himlakroppen från raketen) av en dimensionslös konstant, ewtons gravitationskonstant, himlakroppens radie och dess massa. Härled genom dimensionsanalys ett uttryck för detta beroende. Använd sedan data i tabellen för att gissa värdet på den dimensionslösa konstanten. Himlakropp flykthastighet (m/s) radie (m) massa (kg) Merkurius 4 50, , Venus , , Jorden , , Mars , , Jupiter , , Gravitationskonstantens numeriska värde i SI-enheter är 6, , dimensionen kan du härleda ur gravitationslagen. Förslag till lösning: Ur gravitationslagen F = G m 1 m r1 är m 3 kg 1 s. Ur v flykt = K G α r β m γ får vi då (1) m: 1 = 3α + β får vi att dimensionen för G 1 Här döljer sig en oavsiktlig subtilitet: Om vi antar att alla mätningar har samma osäkerhet så så kommer inte värdet på parametrarna A och B att bero av exakt vilken vikt vi antar. Felen däremot kommer att bli proportionella mot det fel vi antar när vi beräknar den gemensamma vikten, proportionalitetsfaktorn ges av uttrycken för A och B ovan. är jag rättat denna uppgift har jag inte begärt att ni skall ta hänsyn till det, eftersom vi inte har diskuterat det under kursen.

5 () kg: 0 = α + γ (3) s: 1 = α (3) α = 1 vilket insatt i () ger γ = 1 och insatt i (1) ger β = 1, alltså är v flykt = K Gm r För att gissa värdet på K löser vi ut den: K = v flykt r GM ur de givna värdena: Himlakropp flykthastighet (m/s) radie (m) massa (kg) v r flykt GM Merkurius 4 50, , ,46 Venus , , Jorden , , Mars , , ,399 Jupiter , , Alla dessa värden ligger nära så en gissning är att formeln lyder: v flykt = Gm r. 9. En variabel ν är Poissonfördelad med medelvärde µ. Visa att medelvärdet av (ν ) ges av µ 3µ + 4 Förslag till lösning: Medelvärdet av en funktion f(ν) av en diskret variabel med sannolikhetsfördelningsfunktion P(ν) får vi genom uttrycket f = 0 f(ν)p (ν). Vi får (ν ) = 0 (ν 4ν+4)P (ν) = 0 ν P (ν)+ 0 ( 4)νP(ν)+ 0 4P (ν) = 0 ν(ν 1)P (ν) + 0 νp (ν) 4 0 νp (ν) +4 0 P (ν) = (som i beviset för att ν = µ )= µ + µ 4µ + 4 = µ 3µ + 4 v.s.v.

Del A Begrepp och grundläggande förståelse.

Del 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 mer

STOCKHOLMS UNIVERSITET FYSIKUM

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

Läs mer

Del A: Begrepp och grundläggande förståelse

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

Läs mer

Del A: Begrepp och grundläggande förståelse

Del 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 mer

Experimentella metoder 2013, Räkneövning 3

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 mer

Del A: Begrepp och grundläggande förståelse

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

Läs mer

Kort om mätosäkerhet

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

Läs mer

Lösningar 15 december 2004

Lösningar 15 december 2004 Lösningar 15 december 004 Tentamensskrivning i Fysikexperiment, 5p, för Fy1100 Onsdagen den 15 december 004 kl. 9-13(14). B.S. 1. En behållare för förvaring av bensin har formen av en liggande cylinder

Läs mer

Uppgift 1 (a) För två händelser, A och B, är följande sannolikheter kända

Uppgift 1 (a) För två händelser, A och B, är följande sannolikheter kända Avd. Matematisk statistik TENTAMEN I SF90, SANNOLIKHETSTEORI OCH STATISTIK, TISDAGEN DEN 9:E JUNI 205 KL 4.00 9.00. Kursledare: Tatjana Pavlenko, 08-790 84 66 Tillåtna hjälpmedel: Formel- och tabellsamling

Läs mer

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

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

Läs mer

Experimentella metoder, FK3001. Datorövning: Finn ett samband

Experimentella 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 mer

3. Om ett objekt accelereras mot en punkt kommer det alltid närmare den punkten.

3. Om ett objekt accelereras mot en punkt kommer det alltid närmare den punkten. Tentamen 1, Mekanik KF HT2011 26:e November. Hjälpmedel: Physics handbook alt. Formelblad, Beta mathematics handbook, pennor, linjal, miniräknare. Skrivtid: 5 timmmar. För godkänt krävs minst 18/36 på

Läs mer

Experimentella metoder 2014, Räkneövning 1

Experimentella 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 mer

Fysikaliska modeller. Skapa modeller av en fysikalisk verklighet med hjälp av experiment. Peter Andersson IFM fysik, adjunkt

Fysikaliska modeller. Skapa modeller av en fysikalisk verklighet med hjälp av experiment. Peter Andersson IFM fysik, adjunkt Fysikaliska modeller Skapa modeller av en fysikalisk verklighet med hjälp av experiment Peter Andersson IFM fysik, adjunkt På denna föreläsning Vad är en fysikalisk modell? Linjärisering med hjälp av logaritmer

Läs mer

Experimentella metoder 2014, Räkneövning 4

Experimentella metoder 2014, Räkneövning 4 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

Läs mer

EXPERIMENTELLA METODER LABORATION 2 UPPTÄCK ETT SAMBAND BALKEN

EXPERIMENTELLA METODER LABORATION 2 UPPTÄCK ETT SAMBAND BALKEN FYSIKUM Fysikum 21 mars 2005 Stockholms universitet EXPERIMENTELLA METODER LABORATION 2 UPPTÄCK ETT SAMBAND BALKEN FYSIKLINJEN ÅK1 Vårterminen 2005 Mål I den här laborationen skall du börja med att ställa

Läs mer

Sammanfattning av räkneövning 1 i Ingenjörsmetodik för ME1 och IT1. SI-enheter (MKSA)

Sammanfattning av räkneövning 1 i Ingenjörsmetodik för ME1 och IT1. SI-enheter (MKSA) Sammanfattning av räkneövning 1 i Ingenjörsmetodik för ME1 och IT1 Torsdagen den 3/9 2009 SI-enheter (MKSA) 7 grundenheter Längd: meter (m), dimensionssymbol L. Massa: kilogram (kg), dimensionssymbol M.

Läs mer

Appendix i instruktionen

Appendix i instruktionen Appendix i instruktionen Läs även Appendix A och Appendix B i instruktionerna till laboration 2 2010-10-05 Fysikexperiment, 7.5 hp 1 1 Linearisering genom logaritmering Ofta förekommer samband av typen:

Läs mer

Sammanfattning av räkneövning 1 i Ingenjörsmetodik för ME1 och IT1. SI-enheter (MKSA)

Sammanfattning av räkneövning 1 i Ingenjörsmetodik för ME1 och IT1. SI-enheter (MKSA) Sammanfattning av räkneövning 1 i Ingenjörsmetodik för ME1 och IT1 Torsdagen den 4/9 2008 SI-enheter (MKSA) 7 grundenheter Längd: meter (m), dimensionssymbol L. Massa: kilogram (kg), dimensionssymbol M.

Läs mer

Finns det över huvud taget anledning att förvänta sig något speciellt? Finns det en generell fördelning som beskriver en mätning?

Finns 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 mer

Rättningstiden är i normalfall 15 arbetsdagar, till detta tillkommer upp till 5 arbetsdagar för administration, annars är det detta datum som gäller:

Rättningstiden är i normalfall 15 arbetsdagar, till detta tillkommer upp till 5 arbetsdagar för administration, annars är det detta datum som gäller: Matematisk Statistik Provmoment: Ladokkod: Tentamen ges för: Tentamen TT091A TGMAS15h 7,5 högskolepoäng TentamensKod: Tentamensdatum: 30 Maj Tid: 9-13 Hjälpmedel: Miniräknare (nollställd) samt allmänspråklig

Läs mer

Tips 1. Skolverkets svar 14

Tips 1. Skolverkets svar 14 JENSEN vux utbildning Np Mac vt01 1(0) Kursprov Mac Innehåll Förord 1 Tips 1 Kursprov Mac vt01 Del B: Digitala verktyg är inte tillåtna. Endast svar krävs. #1 10...... 3 Del C: Digitala verktyg är inte

Läs mer

SF1901: SANNOLIKHETSTEORI OCH STATISTIKTEORI KONSTEN ATT DRA INTERVALLSKATTNING. STATISTIK SLUTSATSER. Tatjana Pavlenko.

SF1901: 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 mer

EXAMINATION KVANTITATIV METOD vt-11 (110319)

EXAMINATION KVANTITATIV METOD vt-11 (110319) ÖREBRO UNIVERSITET Hälsoakademin Idrott B Vetenskaplig metod EXAMINATION KVANTITATIV METOD vt-11 (110319) Examinationen består av 10 frågor, flera med tillhörande följdfrågor. Besvara alla frågor i direkt

Läs mer

Prediktera. Statistik för modellval och prediktion. Trend? - Syrehalt beroende på kovariater. Sambands- och trendanalys

Prediktera. 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 mer

NATIONELLT PROV I MATEMATIK KURS E VÅREN Tidsbunden del

NATIONELLT PROV I MATEMATIK KURS E VÅREN Tidsbunden del Skolverket hänvisar generellt beträffande provmaterial till bestämmelsen om sekretess i 4 kap. 3 sekretesslagen. För detta material gäller sekretessen till och med utgången av november 1997. NATIONELLT

Läs mer

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

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

Läs mer

(Eftersom kraften p. g. a. jordens gravitation är lite jämfört med inbromsningskraften kan du försumma gravitationen i din beräkning).

(Eftersom kraften p. g. a. jordens gravitation är lite jämfört med inbromsningskraften kan du försumma gravitationen i din beräkning). STOCHOLMS UNIVERSITET FYSIKUM Tentamensskrivning i Mekanik FyU01 och FyU03 Måndag 3 oktober 2005 kl. 9-15 Införda beteckningar skall definieras och uppställda ekvationer motiveras, detta gäller även när

Läs mer

i medelvärdet

i 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 mer

Hur måttsätta osäkerheter?

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

Läs mer

a3 bc 5 a 5 b 7 c 3 3 a2 b 4 c 4. Förklara vad ekvationen (2y + 3x) = 16(x + 1)(x 1) beskriver, och skissa grafen.

a3 bc 5 a 5 b 7 c 3 3 a2 b 4 c 4. Förklara vad ekvationen (2y + 3x) = 16(x + 1)(x 1) beskriver, och skissa grafen. MMA Matematisk grundkurs TEN Datum: 4 juni Skrivtid: timmar Hjälpmedel: Penna, linjal och radermedel Denna tentamen TEN består av nio stycken om varannat slumpmässigt ordnade uppgifter som vardera kan

Läs mer

NFYA02: Svar och lösningar till tentamen 140115 Del A Till dessa uppgifter behöver endast svar anges.

NFYA02: Svar och lösningar till tentamen 140115 Del A Till dessa uppgifter behöver endast svar anges. 1 NFYA: Svar och lösningar till tentamen 14115 Del A Till dessa uppgifter behöver endast svar anges. Uppgift 1 a) Vi utnyttjar att: l Cx dx = C 3 l3 = M, och ser att C = 3M/l 3. Dimensionen blir alltså

Läs mer

Tentamen i Modern fysik, TFYA11/TENA

Tentamen i Modern fysik, TFYA11/TENA IFM - Institutionen för Fysik, Kemi och Biologi Linköpings universitet Tentamen i Modern fysik, TFYA11/TENA Fredagen den 21/12 2012 kl. 14.00-18.00 i TER2 och TER3 Tentamen består av 2 A4-blad (inklusive

Läs mer

log(6). 405 så mycket som möjligt. 675

log(6). 405 så mycket som möjligt. 675 MMA Matematisk grundkurs TEN Datum: 8 augusti Skrivtid: timmar Hjälpmedel: Penna, linjal och radermedel Denna tentamen TEN består av nio stycken om varannat slumpmässigt ordnade uppgifter som vardera kan

Läs mer

EXAMINATION KVANTITATIV METOD vt-11 (110204)

EXAMINATION KVANTITATIV METOD vt-11 (110204) ÖREBRO UNIVERSITET Hälsoakademin Idrott B Vetenskaplig metod EXAMINATION KVANTITATIV METOD vt-11 (110204) Examinationen består av 11 frågor, flera med tillhörande följdfrågor. Besvara alla frågor i direkt

Läs mer

Provet består av Del I, Del II, Del III samt en muntlig del och ger totalt 76 poäng varav 28 E-, 24 C- och 24 A-poäng.

Provet består av Del I, Del II, Del III samt en muntlig del och ger totalt 76 poäng varav 28 E-, 24 C- och 24 A-poäng. NpMac vt 01 Del I Del II Provtid Hjälpmedel Uppgift 1-10. Endast svar krävs. Uppgift 11-15. Fullständiga lösningar krävs. 10 minuter för del I och del II tillsammans. Formelblad och linjal. Kravgränser

Läs mer

Finansiell Statistik (GN, 7,5 hp,, HT 2008) Föreläsning 3

Finansiell 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 mer

Del A: Digitala verktyg är inte tillåtna. Endast svar krävs. Skriv dina svar direkt på provpappret.

Del A: Digitala verktyg är inte tillåtna. Endast svar krävs. Skriv dina svar direkt på provpappret. NAN: KLASS: Del A: Digitala verktyg är inte tillåtna. Endast svar krävs. Skriv dina svar direkt på provpappret. 1) a) estäm ekvationen för den räta linjen i figuren. b) ita i koordinatsystemet en rät linje

Läs mer

f(x) = 2 x2, 1 < x < 2.

f(x) = 2 x2, 1 < x < 2. Avd. Matematisk statistik TENTAMEN I SF90,SF907,SF908,SF9 SANNOLIKHETSTEORI OCH STATISTIK TORSDAGEN DEN 7:E JUNI 0 KL 4.00 9.00. Examinator: Gunnar Englund, tel. 07 7 45 Tillåtna hjälpmedel: Formel- och

Läs mer

Tentamensskrivning i Mekanik (FMEA30) Del 1 Statik och partikeldynamik

Tentamensskrivning i Mekanik (FMEA30) Del 1 Statik och partikeldynamik Mekanik, LTH Tentamensskrivning i Mekanik (FMEA30) Del 1 Statik och partikeldynamik Fredagen den 25 oktober 2013, kl. 14-19 Namn(texta):. Personnr: ÅRSKURS M:... Namn(signatur).. Skrivningen består av

Läs mer

Tentamen i Statistik, STA A10 och STA A13 (9 poäng) 16 januari 2004, kl

Tentamen i Statistik, STA A10 och STA A13 (9 poäng) 16 januari 2004, kl Karlstads universitet Institutionen för informationsteknologi Avdelningen för Statistik Tentamen i Statistik, STA A0 och STA A3 (9 poäng) 6 januari 004, kl. 4.00-9.00 Tillåtna hjälpmedel: Bifogade formel-

Läs mer

Del I: Digitala verktyg är inte tillåtna. Endast svar krävs. Skriv dina svar direkt i provhäftet.

Del I: Digitala verktyg är inte tillåtna. Endast svar krävs. Skriv dina svar direkt i provhäftet. Del I: Digitala verktyg är inte tillåtna. Endast svar krävs. Skriv dina svar direkt i provhäftet. 1. a) Bestäm ekvationen för den räta linjen i figuren. (1/0/0) b) Rita i koordinatsystemet en rät linje

Läs mer

Våra vanligaste fördelningar

Våra 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 mer

TENTAMEN I MATEMATISK STATISTIK

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

Läs mer

GÖTEBORGS UNIVERSITET Institutionen för fysik LÖSNINGAR TILL TENTAMEN I MEKANIK B För FYP100, Fysikprogrammet termin 2

GÖTEBORGS UNIVERSITET Institutionen för fysik LÖSNINGAR TILL TENTAMEN I MEKANIK B För FYP100, Fysikprogrammet termin 2 GÖTEBORGS UNIVERSITET Institutionen för fysik LÖSNINGAR TILL TENTAMEN I MEKANIK B För FYP100, Fysikprogrammet termin Tid: Plats: Ansvarig: Hjälpmedel: Tisdag juni 009, kl 8 30 13 30 V-huset Lennart Sjögren,

Läs mer

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

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

Läs mer

TENTAPLUGG.NU AV STUDENTER FÖR STUDENTER. Kursnamn Fysik 1. Datum LP Laboration Balkböjning. Kursexaminator. Betygsgränser.

TENTAPLUGG.NU AV STUDENTER FÖR STUDENTER. Kursnamn Fysik 1. Datum LP Laboration Balkböjning. Kursexaminator. Betygsgränser. TENTAPLUGG.NU AV STUDENTER FÖR STUDENTER Kurskod F0004T Kursnamn Fysik 1 Datum LP2 10-11 Material Laboration Balkböjning Kursexaminator Betygsgränser Tentamenspoäng Övrig kommentar Sammanfattning Denna

Läs mer

PROGRAMFÖRKLARING I. Statistik för modellval och prediktion. Ett exempel: vågriktning och våghöjd

PROGRAMFÖRKLARING I. Statistik för modellval och prediktion. Ett exempel: vågriktning och våghöjd Statistik för modellval och prediktion att beskriva, förklara och förutsäga Georg Lindgren PROGRAMFÖRKLARING I Matematisk statistik, Lunds universitet stik för modellval och prediktion p.1/4 Statistik

Läs mer

Hypotesprövning. Andrew Hooker. Division of Pharmacokinetics and Drug Therapy Department of Pharmaceutical Biosciences Uppsala University

Hypotesprövning. Andrew Hooker. Division of Pharmacokinetics and Drug Therapy Department of Pharmaceutical Biosciences Uppsala University Hypotesprövning Andrew Hooker Division of Pharmacokinetics and Drug Therapy Department of Pharmaceutical Biosciences Uppsala University Hypotesprövning Liksom konfidensintervall ett hjälpmedel för att

Läs mer

Tillåtna hjälpmedel: Physics Handbook, Beta, kalkylator i fickformat, samt en egenhändigt skriven A4- sida med valfritt innehåll.

Tillåtna hjälpmedel: Physics Handbook, Beta, kalkylator i fickformat, samt en egenhändigt skriven A4- sida med valfritt innehåll. Tentamen i Mekanik för F, del B Tisdagen 17 augusti 2004, 8.45-12.45, V-huset Examinator: Martin Cederwall Jour: Ling Bao, tel. 7723184 Tillåtna hjälpmedel: Physics Handbook, Beta, kalkylator i fickformat,

Läs mer

Envägs variansanalys (ANOVA) för test av olika väntevärde i flera grupper

Envägs variansanalys (ANOVA) för test av olika väntevärde i flera grupper Envägs variansanalys (ANOVA) för test av olika väntevärde i flera grupper Tobias Abenius February 21, 2012 Envägs variansanalys (ANOVA) I envägs variansanalys utnyttjas att

Läs mer

PRÖVNINGSANVISNINGAR

PRÖVNINGSANVISNINGAR PRÖVNINGSANVISNINGAR Prövning i Matematik D Kurskod Ma 104 Gymnasiepoäng 100 Läromedel Prov Muntligt prov Inlämningsuppgift Kontakt med examinator Övrigt Valfri aktuell lärobok för kurs Matematik D t.ex.

Läs mer

1/31 REGRESSIONSANALYS. Statistiska institutionen, Stockholms universitet

1/31 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 mer

F9 SAMPLINGFÖRDELNINGAR (NCT

F9 SAMPLINGFÖRDELNINGAR (NCT Stat. teori gk, ht 006, JW F9 SAMPLINGFÖRDELNINGAR (NCT 7.1-7.4) Ordlista till NCT Sample Population Simple random sampling Sampling distribution Sample mean Standard error The central limit theorem Proportion

Läs mer

Föreläsning G60 Statistiska metoder

Föreläsning G60 Statistiska metoder Föreläsning 4 Statistiska metoder 1 Dagens föreläsning o Sannolikhet Vad är sannolikhet? o Slumpvariabel o Sannolikhetsfördelningar Binomialfördelning Normalfördelning o Stickprov och population o Centrala

Läs mer

FÖRELÄSNING 8:

FÖRELÄSNING 8: FÖRELÄSNING 8: 016-05-17 LÄRANDEMÅL Konfidensintervall för väntevärdet då variansen är okänd T-fördelningen Goodness of fit-test χ -fördelningen Hypotestest Signifikansgrad Samla in data Sammanställ data

Läs mer

= y(0) för vilka lim y(t) är ändligt.

= y(0) för vilka lim y(t) är ändligt. Lösningsförslag till tentamensskrivning i SF633 Differentialekvationer I och SF637 Differentialekvationer och transformer III Lördagen den 4 februari, kl 4-9 Hjälpmedel: BETA, Mathematics Handbook Redovisa

Läs mer

Kursprov i matematik, kurs E ht Del I: Uppgifter utan miniräknare 3. Del II: Uppgifter med miniräknare 5

Kursprov i matematik, kurs E ht Del I: Uppgifter utan miniräknare 3. Del II: Uppgifter med miniräknare 5 freeleaks NpMaE ht1997 för Ma4 1(6) Innehåll Förord 1 Kursprov i matematik, kurs E ht1997 2 Del I: Uppgifter utan miniräknare Del II: Uppgifter med miniräknare 5 Förord Kom ihåg Matematik är att vara tydlig

Läs mer

SF1911: Statistik för bioteknik

SF1911: 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 mer

TENTAMEN I LINJÄR ALGEBRA OCH NUMERISK ANALYS F1, TMA671

TENTAMEN I LINJÄR ALGEBRA OCH NUMERISK ANALYS F1, TMA671 Institutionen för Matematik LINJÄR ALGEBRA OCH NUMERISK ANALYS F Göteborg --9 TENTAMEN I LINJÄR ALGEBRA OCH NUMERISK ANALYS F, TMA67 OBS! NYA KURSEN DAG: Tisdag 9 januari TID: 8.45 -.45 SAL: V Ansvarig:

Läs mer

Linnéuniversitetet Institutionen för datavetenskap, fysik och matematik Per-Anders Svensson

Linnéuniversitetet Institutionen för datavetenskap, fysik och matematik Per-Anders Svensson Linnéuniversitetet Institutionen för datavetenskap, fysik och matematik Per-Anders Svensson Tentamen i Matematikens utveckling, 1MA163, 7,5hp fredagen den 28 maj 2010, klockan 8.00 11.00 Tentamen består

Läs mer

Lösa ekvationer på olika sätt

Lösa ekvationer på olika sätt Lösa ekvationer på olika sätt I denna aktivitet ska titta närmare på hur man kan lösa ekvationer på olika sätt. I kurserna lär du dig att lösa första- och andragradsekvationer exakt med algebraiska metoder.

Läs mer

STOCKHOLMS UNIVERSITET FYSIKUM

STOCKHOLMS UNIVERSITET FYSIKUM STOCKHOLMS UNIVERSITET FYSIKUM Tentamensskrivning i Fysikexperiment, 7,5 hp, för FK2002 Onsdagen den 17 december 2008 kl. 9-14. Skrivningen består av två delar A och B. Del A innehåller enkla frågor och

Läs mer

Kundts rör - ljudhastigheten i luft

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

Läs mer

AMatematiska institutionen avd matematisk statistik

AMatematiska institutionen avd matematisk statistik Kungl Tekniska Högskolan AMatematiska institutionen avd matematisk statistik TENTAMEN I 5B1503 STATISTIK MED FÖRSÖKSPLANERING FÖR B OCH K FREDAGEN DEN 11 JANUARI 2002 KL 14.00 19.00. Examinator: Gunnar

Läs mer

Formler och tabeller till kursen MSG830

Formler och tabeller till kursen MSG830 Formler och tabeller till kursen MSG830 Deskriptiva mått För ett datamängd x 1,, x n denieras medelvärde standardavvikelse standardfelet (SEM) Sannolikheter x = 1 n n i=1 = x 1 + + x n n s = 1 n (x i x)

Läs mer

Lösningar till Matematik 3000 Komvux Kurs D, MA1204. Senaste uppdatering Dennis Jonsson

Lösningar till Matematik 3000 Komvux Kurs D, MA1204. Senaste uppdatering Dennis Jonsson , MA104 Senaste uppdatering 009 04 03 Dennis Jonsson Lösningar till Matematik 3000 Komvu Kurs D, MA104 Fler lösningar kommer fortlöpande. Innehåll 110... 6 111... 6 11... 6 1130... 7 1141... 7 114... 8

Läs mer

FYSIKUM STOCKHOLMS UNIVERSITET Tentamensskrivning i Vågrörelselära och optik, 10,5 hp, FK4009 Torsdagen den 21 augusti 2008 kl 9-15

FYSIKUM STOCKHOLMS UNIVERSITET Tentamensskrivning i Vågrörelselära och optik, 10,5 hp, FK4009 Torsdagen den 21 augusti 2008 kl 9-15 FYSIKUM STOCKHOLMS UNIVERSITET Tentamensskrivning i Vågrörelselära och optik, 10,5 hp, FK4009 Torsdagen den 1 augusti 008 kl 9-15 Hjälpmedel: handbok och räknare. Varje uppgift ger maximalt 4 poäng. Var

Läs mer

Stokastiska processer med diskret tid

Stokastiska processer med diskret tid Stokastiska processer med diskret tid Vi tänker oss en följd av stokastiska variabler X 1, X 2, X 3,.... Talen 1, 2, 3,... räknar upp tidpunkter som förflutit från startpunkten 1. De stokastiska variablerna

Läs mer

SF1901: SANNOLIKHETSTEORI OCH MER ON VÄNTEVÄRDE OCH VARIANS. KOVARIANS OCH KORRELATION. STORA TALENS LAG. STATISTIK.

SF1901: SANNOLIKHETSTEORI OCH MER ON VÄNTEVÄRDE OCH VARIANS. KOVARIANS OCH KORRELATION. STORA TALENS LAG. STATISTIK. SF1901: SANNOLIKHETSTEORI OCH STATISTIK FÖRELÄSNING 6 MER ON VÄNTEVÄRDE OCH VARIANS. KOVARIANS OCH KORRELATION. STORA TALENS LAG. Tatjana Pavlenko 12 september 2017 PLAN FÖR DAGENS FÖRELÄSNING Repetition

Läs mer

8-1 Formler och uttryck. Namn:.

8-1 Formler och uttryck. Namn:. 8-1 Formler och uttryck. Namn:. Inledning Ibland vill du lösa lite mer komplexa problem. Till exempel: Kalle är dubbelt så gammal som Stina, och tillsammans är de 33 år. Hur gammal är Kalle och Stina?

Läs mer

SF1625 Envariabelanalys Tentamen Måndagen den 11 januari 2016

SF1625 Envariabelanalys Tentamen Måndagen den 11 januari 2016 SF625 Envariabelanalys Tentamen Måndagen den januari 206 Skrivtid: 08:00-3:00 Tillåtna hjälpmedel: inga Examinator: Lars Filipsson Tentamen består av nio uppgifter som vardera ger maximalt fyra poäng.

Läs mer

Studietyper, inferens och konfidensintervall

Studietyper, inferens och konfidensintervall Studietyper, inferens och konfidensintervall Andrew Hooker Division of Pharmacokinetics and Drug Therapy Department of Pharmaceutical Biosciences Uppsala University Studietyper Experimentella studier Innebär

Läs mer

Svar: Inbromsningssträckan ökar med 10 m eller som Sören Törnkvist formulerar svaret på s 88 i sin bok Fysik per vers :

Svar: Inbromsningssträckan ökar med 10 m eller som Sören Törnkvist formulerar svaret på s 88 i sin bok Fysik per vers : FYSIKTÄVLINGEN KVALIFICERINGS- OCH LAGTÄVLING 1 februari 001 LÖSNINGSFÖRSLAG SVENSKA FYSIKERSAMFNDET 1. Enligt energiprincipen är det rörelseenergin som bromsas bort i friktionsarbetet. Detta ger mv sambandet

Läs mer

Föreläsning 1. Repetition av sannolikhetsteori. Patrik Zetterberg. 6 december 2012

Föreläsning 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 mer

Föreläsning G60 Statistiska metoder

Föreläsning G60 Statistiska metoder Föreläsning 9 Statistiska metoder 1 Dagens föreläsning o Regression Regressionsmodell Signifikant lutning? Prognoser Konfidensintervall Prediktionsintervall Tolka Minitab-utskrifter o Sammanfattning Exempel

Läs mer

Laboration 2. i 5B1512, Grundkurs i matematisk statistik för ekonomer

Laboration 2. i 5B1512, Grundkurs i matematisk statistik för ekonomer Laboration 2 i 5B52, Grundkurs i matematisk statistik för ekonomer Namn: Elevnummer: Laborationen syftar till ett ge information och träning i Excels rutiner för statistisk slutledning, konfidensintervall,

Läs mer

En pendels svängningstid

En pendels svängningstid Använd denna exempelrapport som mall för din rapport. Mer detaljer hittar du i Lathund för rapportskrivning av Merkel, Andersson, Lundquist och Önnegren. Notera att denna exempelrapport beskriver ett mycket

Läs mer

SF1669 Matematisk och numerisk analys II Bedömningskriterier till tentamen Måndagen den 16 mars 2015

SF1669 Matematisk och numerisk analys II Bedömningskriterier till tentamen Måndagen den 16 mars 2015 SF1669 Matematisk och numerisk analys II Bedömningskriterier till tentamen Måndagen den 16 mars 2015 Allmänt gäller följande: För full poäng på en uppgift krävs att lösningen är väl presenterad och lätt

Läs mer

TENTAMEN. Matematik och matematisk statistik 6H3000/6L3000

TENTAMEN. Matematik och matematisk statistik 6H3000/6L3000 Namn: ersonnummer: Klass: Kurs: Kursnummer: Moment: rogram: Åk: Examinator: Rättande lärare: Datum: Tid: Hjälpmedel: Omfattning och betygsgränser: TENTMEN Matematik och matematisk statistik H/L TEN DD/DE/D/MT

Läs mer

Lektionsanteckningar 11-12: Normalfördelningen

Lektionsanteckningar 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 mer

Statistik 1 för biologer, logopeder och psykologer

Statistik 1 för biologer, logopeder och psykologer Innehåll 1 Grunderna i sannolikhetslära 2 Innehåll 1 Grunderna i sannolikhetslära 2 Satistik och sannolikhetslära Statistik handlar om att utvinna information från data. I praktiken inhehåller de data

Läs mer

NATIONELLT PROV I MATEMATIK KURS E HÖSTEN 1996

NATIONELLT PROV I MATEMATIK KURS E HÖSTEN 1996 Skolverket hänvisar generellt beträffande provmaterial till bestämmelsen om sekretess i 4 kap. 3 sekretesslagen. För detta material gäller sekretessen till och med utgången av mars 1997. NATIONELLT PROV

Läs mer

1 Dimensionsanalys och π-satsen.

1 Dimensionsanalys och π-satsen. Dimensionsanalys och π-satsen. Då man örsöker ställa upp en matematisk modell ör något ysikaliskt enomen skall man alltid göra dimensionsanalys. Dimensionsanalys handlar om att undersöka hur givna ysikaliska

Läs mer

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

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

Läs mer

LABORATION 2 UPPTÄCK ETT SAMBAND

LABORATION 2 UPPTÄCK ETT SAMBAND Fysikum FK2002 - Fysikexperiment FK2004 - Exp. fysik för lärare Laborationsinstruktion (28 september 2010) LABORATION 2 UPPTÄCK ETT SAMBAND TÖMNING Mål Idenhärlaborationenskalldubörjamedattställauppenhypotes

Läs mer

Några vanliga fördelningar från ett GUM-perspektiv

Några vanliga fördelningar från ett GUM-perspektiv Några vanliga fördelningar från ett GUM-perspektiv I denna PM redovisas några av de vanligaste statistiska fördelningarna och deras hantering inom ramen för GUM: Guide to the Expression of Uncertainty

Läs mer

Tentamen i Sannolikhetslära och statistik Kurskod S0008M

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

Läs mer

MATEMATIK FÖR KURS B (hela kursen)

MATEMATIK FÖR KURS B (hela kursen) N ATUR OCH K ULTURS P ROV VÅRTERMINEN 1998 MATEMATIK FÖR KURS B (hela kursen) PROVET BESTÅR AV TVÅ DELAR Del 1 testar huvudsakligen enkla rutinuppgifter på godkändnivå. Del 2 omfattar dessutom begreppsförståelse

Läs mer

Tentamen i statistik (delkurs C) på kursen MAR103: Marina Undersökningar - redskap och metoder.

Tentamen i statistik (delkurs C) på kursen MAR103: Marina Undersökningar - redskap och metoder. Tentamen 2014-12-05 i statistik (delkurs C) på kursen MAR103: Marina Undersökningar - redskap och metoder. Tillåtna hjälpmedel: Miniräknare och utdelad formelsamling med tabeller. C1. (6 poäng) Ange för

Läs mer

Samtliga deluppgifter i denna uppgift använder följande differentialekvation. Deluppgift a görs för hand

Samtliga deluppgifter i denna uppgift använder följande differentialekvation. Deluppgift a görs för hand Numeriska Metoder för SU, HT010. Laboration 4: Ickelinjära ekvationssystem och differentialekvationer Sista redovisningsdag för bonuspoäng: 011-01-04 (L19) Obs! Skriftliga delen skall denna gång vara en

Läs mer

Sekantens riktningskoefficient (lutning) kan vi enkelt bestämma genom. k = Men hur ska vi kunna bestämma tangentens riktningskoefficient (lutning)?

Sekantens riktningskoefficient (lutning) kan vi enkelt bestämma genom. k = Men hur ska vi kunna bestämma tangentens riktningskoefficient (lutning)? I figuren ser vi grafen till funktionen f(x) x + Inritad finns dels en sekant, som skär kurvan i punkterna ( 1, 7) oc (4, ). Dessutom finns en tangent som tangerar kurvan i (, 10) Sekantens riktningskoefficient

Läs mer

TT091A, TVJ22A, NVJA02 Pu, Ti. 50 poäng

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

Läs mer

Tentamen Statistik och dataanalys 1, 5p Institutionen för matematik, natur- och datavetenskap, Högskolan i Gävle

Tentamen Statistik och dataanalys 1, 5p Institutionen för matematik, natur- och datavetenskap, Högskolan i Gävle Tentamen Statistik och dataanalys 1, 5p Institutionen för matematik, natur- och datavetenskap, Högskolan i Gävle Lärare: Mikael Elenius, 2006-08-25, kl:9-14 Betygsgränser: 65 poäng Väl Godkänt, 50 poäng

Läs mer

Matematikuppgifter del II, FYTA11

Matematikuppgifter del II, FYTA11 Matematikuppgifter del II, FYTA11 51. Lös uppgift 10.1 i boken. 52. Lös uppgift 10.2 i boken. 53. Lös uppgift 10.3 i boken. 54. Lös uppgift 10.4 i boken. 55. Låt en kurva i rummet vara given i parametrisk

Läs mer

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

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

Läs mer

Väntevärde och varians

Väntevärde och varians TNG6 F5 19-4-216 Väntevärde och varians Exempel 5.1. En grupp teknologer vid ITN slår sig ihop för att starta ett företag som utvecklar datorspel. Man vet att det är 8% chans för ett felfritt spel som

Läs mer

Trappist-1-systemet Den bruna dvärgen och de sju kloten

Trappist-1-systemet Den bruna dvärgen och de sju kloten Trappist--systemet Den bruna dvärgen och de sju kloten Trappist- är en sval dvärgstjärna, en brun dvärg, som man nyligen upptäckte flera planeter kring. För tillfället känner man till sju planeter i omloppsbana

Läs mer

Tentamen för kursen TME135 Programmering i Matlab för M1

Tentamen för kursen TME135 Programmering i Matlab för M1 Tentamen för kursen TME135 Programmering i Matlab för M1 Tid: 18 oktober 2011 kl 8:30-12:30 Lärare: Håkan Johansson, mobil: 0739-678 219, kontor: 772 8575 Tillåtna hjälpmedel: P. Jönsson: MATLAB-beräkningar

Läs mer

Betygskriterier Matematik E MA1205 50p. Respektive programmål gäller över kurskriterierna

Betygskriterier Matematik E MA1205 50p. Respektive programmål gäller över kurskriterierna Betygskriterier Matematik E MA105 50p Respektive programmål gäller över kurskriterierna MA105 är en nationell kurs och skolverkets kurs- och betygskriterier finns på http://www3.skolverket.se/ Detta är

Läs mer