Tentamen i matematisk statistik, Statistisk Kvalitetsstyrning, MSN320/TMS070
|
|
- Mattias Lind
- för 6 år sedan
- Visningar:
Transkript
1 entamen i matematisk statistik, Statistisk Kvalitetsstyrning, MSN0/MS070 isdag , klockan Examinator: Holger Rootzén elefonjour: Jan Rohlén, tfn: Betygsgränser G: G: -.5, VG: -0 Betygsgränser CH: : -7.5, 4: 8-, 5: 4-0 Hjälmedel ugift -: Inga. Lämna in dessa searat. Hjälmedel ugift -8: Boken Introduction to Statistical Quality Control av Douglas C. Montgomery, tabeller (Beta-boken eller motsvarande) och Chalmersgodkänd räknare. gift (4.5) Styrdiagram. a. Vad är huvudsyftet med ett styrdiagram? (0.5) a. Att utäcka systematiska felkällor (och förbättra rocessens kaabilitet). (sidan 48) b. Data är normalfördelade (, ) N µ σ och ett Shewhartdiagram med larmgränser µ ± σ används. Om rocessen är i kontroll, vad är då risken för falsklarm? (0.5) a. 0.7% (sidan 54) c. Vad står ARL för och vad blir ARL i ugift b? (0.5) a. ARL = Average Run Length, dvs antalet rov, i medel, innan styrdiagrammet larmar. ARL = 70 = 0.7%.(sidan 60) d. Vad står OCAP för och vad används den till? (0.5) a. OCAP = Out-of-Control-Action Plan. Det är en lan för att hantera ett larm från styrdiagram. (sidan 54) e. Varför vill man ta ut rovgruer (om det är möjligt) istället för enstaka rov med jämna tidsintervall? (0.5) a. Idén är att inom gruen skall bara slummässig variation finnas och variationen mellan gruerna kan även ha systematiska källor. Provgruens medelvärde har varians som minskar med rovgruens storlek. Centrala gränsvärdessatsen kan användas. f. Om man tar ut stickrov av storlek n från en rocess med normalfördelade data N ( µ, σ ), hur stor är då stickrovets standardavvikelse? (0.5) σ σ = X n a. Den blir (Frågan är lite luddig. Jag menade egentligen n s = ( X i X ) n i= stickrovets medelvärdes standardavvikelse, men Jag acceterar bägge svaren)
2 g. Vid konstruktion av SPS talar man om fas I och fas II. I din verktygslåda har du både Shewhart och EWMA-diagram. Vad innebär dessa faser och vilka diagram rekommenderar du för vardera fasen? Motivera ditt svar! () a. I Fas I försöker man bringa rocessen i kontroll. Man utgår från ett antal rov och sätter rovstyrgränser. nder den här fasen försöker man eliminera så många systematiska källor som möjligt. Shewhart är ett bra diagram eftersom det utäcker stora förändringar snabbt. b. I Fas II övervakas rocessen. Ofta är de stora variationskällorna borta och för att utäcka mindre ändringar t.ex. i medelvärdet så kan ett EWMA fungera bra. (sidan 68) h. Varför skall man alltid rita både ett medelvärdes och ett sridningsdiagram vid variabelkontroll? (0.5) a. Det är viktigt eftersom både medelvärdes- och sridningsförändring kan orsaka att defekta enheter tillverkas. Om variationen är ur kontroll så kan man t.ex. ej styra rocessen i kontroll genom att enbart styra å medelvärdesdiagramet. (sidan 95) gift (.5) a. Vad är systematisk variation och vad är slummässig variation? (0.5) ill systematisk variation kan man hitta direkta orsaker. Om alla källor till systematisk variation har eliminerats så återstår endas slummässig variation. (sidor 48-49) b. Vilka verktyg används för att kontrollera dessa tyer av variation? ().ex. styrdiagram och kaabilitetsanalys. (Kaitel 4-5) c. Vad står G R&R för och vad innebär detta? Hur kan man mäta G R&R? () Gauge Reetability & Reroducibility. Reeterbarhet är den inneboende variationen hos mätinstrumentet och reroducerbarhet är variationen som kommer från att man återskaar mätningen med annan ersonal, annan mätutrustning et.c. Man kan använda ANOVA för analys av GR&R. (sidor 57-6) gift (5) a. Styrgränser Vi antar att vi använder oss av standard σ-gränser. Beräkna medelvärdet av standardavvikelserna och det totala medelvärdet: m s = si = 7 =.44 m 50 m x = xi = 000 = 0 m i= 50 Läs av konstanterna A, B och B4 i tabell VI i bokens aendix: A =.47 Styrgränserna blir då för s-diagrammet: i= B B 4 = 0 =.089
3 CL = B4s = CL = s =.44 LCL = Bs = 0 och styrgränserna för x-diagramet blir CL = x + A s = CL = x = 0 LCL = x + A s = b. Naturliga toleransgränser Frågans första del Antag att alla unkter å bägge diagramen är inom styrgränserna är till för att förvirra. Styrgränser och naturliga toleransgränser har inget med varandra att göra. De naturliga toleransgränserna definieras som NL = µ + σ LNL = µ σ Eftersom vi ej vet µ och σ så får vi skatta dessa från våra 50 stickrov. ˆ µ = x = 0 s.44 ˆ σ = =.5 c De naturliga toleransgränserna kan skattas till NL = ˆ µ + ˆ σ = = 4.60 LNL = ˆ µ ˆ σ = 0.5 = 5.40 c. ARL 0 Average Run Length (ARL) är medeltiden till ett falskt larm om rocessen är i kontroll, dvs variationen kommer enbart från slummässiga källor. = 70 P( LARM Processen är i kontroll) = P( X ) = N (0,) d. AS AS står för Average ime to Signal. Eftersom vi tar ut ett rov tre gånger er timme blir då AS = ARL h Vi behöver nu bara räkna ut ARL när rocessens medelvärde har ökat med gram (och sridningen oförändrad) X.05 = P(7.95 X.05) = P ARL = 5.95 AS = ARL 5.h e. Parametern σ.
4 Parametern skattades i ugift.b till.5. gift 4 () a. Processens standardavvikelse Processens standardavvikelse skattas från det glidande medelvärdet. 448 MR = = b. EWMA-diagram Styrgränserna för EWMA-diagramet blir λ CL = µ 0 + Lσ ( λ ) λ CL = µ 0 λ i LCL = µ 0 Lσ ( λ ) λ Vi väljer att räkna med λ = 0. och L=.7. MR 789 ˆ σ = = 0.90 d.8 i z = λx + ( λ ) z, z = µ i i i 0 0 i z CL CL LCL i gift 4.b EWMA styrdiagram, L=.7 och λ= Vi ser att vi får ett larm vid tiden i=! (abellen visar avrundade värden).
5 gift 5 (4) a. Hotellings -diagram styrgränser för fas. Vi har m=0 reliminära stickrov med stickrovsstorlek n=0 å en variabel med = dimensioner. För Fas- diagram använder vi formel 0- å sidan 496 i Mongomery 5 ed. ( m + )( n ) CL = Fα,, mnm mn m + LCL = 0 (Kommentar: Eleverna saknade detta F-värde i Montgomerys bok. Om inte detta värde inte finns i din formelsamling kunde du ha frågat telefonronden, eller använt t.ex. α = 0.0istället. Om eleven ej fått fram korrekt värde å F gavs, och allt var korrekt i övrigt, så gavs inget oängavdrag.) b. Hotellings -styrdiagram Det här blir lite jobbigt, men ugiften är konstruerad för att larma tidigt eststatistikan är = n x x S x x ( ) ( ) och de tre första värdena i diagramet blir: = [ ] = = = [ ] = = = [ ] = = 9 4 > CL LAR M!! Resten av diagrammet återfinns i Figur 5 gift 5.b Figur Styrdiagram ugift 5.b c. Ansvar?
6 Diagrammet ger oss att vi har ett larm i unkt, men vilken variabel kan vara ansvarig? Ett sätt att börja undersöka detta är att studera bidraget från varje variabel. Låt beteckna bidraget då man har tagit bort variabel nummer i. () () ( i). = 0[. 0.8] = = 0[.4 0.8] = () = 0[.4.] = Vi beräknar nu det relativa bidraget d = d d i = 4.8 = ( i) d =.60 Vi bör alltså undersöka variabel nummer först för att söka ansvar. gift 6 () a. Provlaner Från tabell 4-4 i Montgomery ser vi att för General insection Level II lus batchstorlek 6000 så får vi kodbokstav N. Eftersom inget annat är sagt i ugiften så antar vi att vi skall använda enkelrovtagning. abeller 4-5, 4-6 och 4-7 ger för AQL=0.5% Provstorlek Accet Reject Normal Insection ightened Insection 500 Reduced Insection 00 4 Naturligtvis skall övergångsreglerna mellan de olika lanerna följas såsom det är beskrivet i standarden. b. När bör accetansrovning ske och när bör allkontroll ske? Här kan man resonera kring Destruktiva rov kräver accetansrovning. (Man kan ej sränga alla fyrverkerijäser innan man säljer dem) Allkontroll är bäst om den kan ske automatiserat. Allkontroll om konsekvenserna av fel är oaccetabelt. Accetansrov om rovkostnaden är hög och allkontroll därför blir för dyr. Accetansrov om roducenten har relativt bra roduktkvalitet, men man kan ej lita å roducentens rocesskontroll. Risk för att skicka tillbaka hela artiet driver å kvaliteten. Det är ett hanteringssteg mindre vid statistisk accetansrovning och därmed minskar risken för hanteringsskador.
7 Et.c. gift 7 (4) a. Kaabilitetsindexen Vi vet i ugiften att data är oberoende och normalfördelade och att rocessen är stabil (i kontroll). Detta innebär att vi får använda indexen C och C. Eftersom stickrovet är stort så kan vi skatta arametern σ med s. ˆ SL LSL C = =.9 6s 6. ˆ SL ˆ µ ˆ µ LSL 05 0 C k = min, =. s s. b. Härled konfidensintervall för C. tgår från chi- fördelningen. Vi vet att ( n ) S χ n σ Ett -α konfidensintervall blir då ( n ) S χα χ, n α, n σ χα,, χ n α n S n σ S n ( SL LSL) χα n ( SL LSL) ( SL LSL) χ α n 6S n 6σ 6S n χ χ Cˆ C C n n α, n α, n ˆ c. Andelen utanför toleransgräns. Räkna direkt ˆ σ s =. ˆ µ = x = 0,, k P(tanför toleransgränserna) = P(95 X 05) = 05 ˆ µ ˆ µ 95 = Φ Φ = sˆ sˆ gift 8 (5)
8 a. Medelvärde och varians för strömmen I. Varje civilingenjör vet från grundläggande elektricitetslära att = RI. Här är två resistorer seriekolade och då blir den resulterande resistansen R = R + R. Strömmen blir då I = g(, R, R ) = R + R aylorutveckla kring µ, µ, µ och använd formlerna i avsnitt 7-7. µ 00 µ I g( µ, µ, µ ) = = = 0A µ + µ + σ g I σ i i= x i µ, µ, µ g = R R + R g = R R + R g = R + R ( ) ( ) µ µ σ σ σ σ I = A ( µ + µ ) ( µ + µ ) ( R + R ) Frågan är hur bra modellen egentligen är. Man bör nog analysera residualen lite mer b. Är strömkretsen kaabel? Vi antar att I är normalfördelad. (Visar ej detta). Väljer att studera C. ˆ SL LSL C = =.9 6 ˆ σ Eftersom detta värde är större än. så anser jag strömkretsen vara kaabel. (I det här fallet. Vissa kunder inom mobiltelefonindustrin, t.ex. Motorola, Nokia et.c. anser att.0 är ett bättre krav. Allt beror å situationen.)
Tentamen i matematisk statistik, Statistisk Kvalitetsstyrning, MSN320/TMS070 Lördag , klockan Lärare: Jan Rohlén
FACIT Tetame i matematisk statistik, Statistisk Kvalitetsstyrig, MSN3/TMS7 Lördag 6-1-16, klocka 14.-18. Lärare: Ja Rohlé Ugift 1 (3.5 ) Se boke! Ugift (3.5) Se boke! Ugift 3 (3) a-ugifte Partistorlek:
Läs merKontrolldiagram hjälper oss att skilja mellan två olika typer variation, nämligen akut och kronisk variation.
5. Kontrolldiagram Variation Tillverkade produkter uppvisar variation. Kvalitetsökning en minskning av dessa variationer. Kontrolldiagram hjälper oss att skilja mellan två olika typer variation, nämligen
Läs mer7,5 högskolepoäng. Statistisk försöksplanering och kvalitetsstyrning. TentamensKod: Tentamensdatum: 30 oktober 2015 Tid: 9-13:00
Statistisk försöksplanering och kvalitetsstyrning Provmoment: Ladokkod: Tentamen ges för: TentamensKod: Tentamen 5Hp 41I12B KINAF13, KINAR13, KINLO13,KMASK13 7,5 högskolepoäng Tentamensdatum: 30 oktober
Läs mer7,5 högskolepoäng. Statistisk försöksplanering och kvalitetsstyrning. TentamensKod: Tentamensdatum: 28 oktober 2016 Tid: 9.
Statistisk försöksplanering och kvalitetsstyrning Provmoment: Ladokkod: Tentamen ges för: TentamensKod: Tentamen 4I2B KINAF4, KINAR4, KINLO4, KMASK4 7,5 högskolepoäng Tentamensdatum: 28 oktober 206 Tid:
Läs merStyr- och kontrolldiagram ( )
Styr- och kontrolldiagram (8.3-8.5) När vi nu skall konstruera kontrolldiagram eller styrdiagram är det viktigt att vi har en process som är under kontroll! Iden med styrdiagram är att med jämna tidsmellanrum
Läs merUr en kortlek på 52 kort väljer man ( utan återläggning och utan hänsyn till ordning) slumpvis 5 kort. Vad är sannolikheten för att få
Tentamen TEN, HF, aug 9 Matematisk statistik Kurskod HF Skrivtid: 8:-: Lärare och examinator : Armin Halilovic Hjälmedel: Bifogat formelhäfte ("Formler och tabeller i statistik ") och miniräknare av vilken
Läs merLMA522: Statistisk kvalitetsstyrning
Föreläsning 5 Föregående föreläsningar Acceptanskontroll: Konsten att kontrollera producerade enheter så att man kan garantera kvalitet samtidigt som kontrollen inte blir för kostsam att genomföra Dagens
Läs mer1. För tiden mellan två besök gäller. V(X i ) = 1 λ 2 = 25. X i Exp (λ) E(X i ) = 1 λ = 5s λ = 1 5
LÖSNINGAR TILL Matematisk statistik Tentamen: 29 7 kl 8 3 Matematikcentrum FMSF45 Matematisk statistik AK för D,I,Pi,F, 9 h Lunds universitet MASB3 Matematisk statistik AK för fysiker, 9 h. För tiden mellan
Läs merTentamen i matematisk statistik, Statistisk Kvalitetsstyrning, MSN320/TMS070 Lördag , klockan
Tentamen i matematisk statistik, Statistisk Kvalitetsstyning, MSN320/TMS070 Lödag 2006-12-16, klockan 14.00-18.00 Examinato: Holge Rootzén Jou: Jan Rolén, tfn: 0708-57 95 48 Betygsgänse GU: G: 12-21.5,
Läs merFöreläsning 11: Mer om jämförelser och inferens
Föreläsning 11: Mer om jämförelser och inferens Matematisk statistik David Bolin Chalmers University of Technology Maj 12, 2014 Oberoende stickprov Vi antar att vi har två oberoende stickprov n 1 observationer
Läs merMatematisk statistik TMS064/TMS063 Tentamen
Matematisk statistik TMS64/TMS63 Tentamen 29-8-2 Tid: 4:-8: Tentamensplats: SB Hjälpmedel: Bifogad formelsamling och tabell samt Chalmersgodkänd räknare. Kursansvarig: Olof Elias Telefonvakt/jour: Olof
Läs merLMA521: Statistisk kvalitetsstyrning
Föreläsning 5 Föregående föreläsningar Acceptanskontroll: Konsten att kontrollera producerade enheter så att man kan garantera kvalitet samtidigt som kontrollen inte blir för kostsam att genomföra Dagens
Läs merTentamentsskrivning: Matematisk Statistik med Metoder MVE490 1
Tentamentsskrivning: Matematisk Statistik med Metoder MVE490 1 Tentamentsskrivning i Matematisk Statistik med Metoder MVE490 Tid: den 16 augusti, 2017 Examinatorer: Kerstin Wiklander och Erik Broman. Jour:
Läs merLMA521: Statistisk kvalitetsstyrning
Föreläsning: Kapabilitet Föregående material Acceptanskontroll: Enkel provtagningsplan Dubbel provtagningsplan Kontrollomfattning Styrande kontroll: Medelvärdesdiagram R-diagram/ s-diagram Felantalsdiagram
Läs merUppgift 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 merLMA521: Statistisk kvalitetsstyrning
Föreläsning 6 Tidigare Styrande kontroll enligt variabelmetoden: Medelvärdesdiagram R-diagram/ s-diagram Dagens innehåll 1 Styrande kontroll enligt attributmetoden 2 Felkvotsdiagram 3 Felantalsdiagram
Läs merTentamen TEN1, HF1012, 29 maj Matematisk statistik Kurskod HF1012 Skrivtid: 14:00-18:00 Lärare och examinator : Armin Halilovic
Tentamen TEN, HF, 9 maj 9 Matematisk statistik Kurskod HF Skrivtid: 4:-8: Lärare och examinator : Armin Halilovic Hjälmedel: Bifogat formelhäfte ("Formler och tabeller i statistik ") och miniräknare av
Läs merTENTAMEN I MATEMATIK MED MATEMATISK STATISTIK HF1004, TEN
TENTAMEN I MATEMATIK MED MATEMATISK STATISTIK HF004, TEN 06-06-0 Hjälpmedel: Formler oh tabeller i statistik, räknedosa Fullständiga lösningar erfordras till samtliga uppgifter. Lösningarna skall vara
Läs merLMA522: Statistisk kvalitetsstyrning
Föreläsning 6 Tidigare Styrande kontroll enligt variabelmetoden: Medelvärdesdiagram R-diagram/ s-diagram Dagens innehåll 1 Styrande kontroll enligt attributmetoden 2 Felkvotsdiagram 3 Felantalsdiagram
Läs merStatistical Quality Control Statistisk kvalitetsstyrning. 7,5 högskolepoäng. Ladok code: 41T05A, Name: Personal number:
Statistical Quality Control Statistisk kvalitetsstyrning 7,5 högskolepoäng Ladok code: 41T05A, The exam is given to: 41I02B IBE11, Pu2, Af2-ma Name: Personal number: Date of exam: 1 June Time: 9-13 Hjälpmedel
Läs merMatematisk statistik KTH. Formelsamling i matematisk statistik
Matematisk statistik KTH Formelsamling i matematisk statistik Vårterminen 2017 1 Kombinatorik ) n n! = k k! n k)!. Tolkning: mängd med n element. ) n = antalet delmängder av storlek k ur en k 2 Stokastiska
Läs merRättningstiden 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 merLycka till!
Avd. Matematisk statistik TENTAMEN I 5B1503 STATISTIK MED FÖRSÖKSPLANERING FÖR K OCH B MÅNDAGEN DEN 25 AUGUSTI 2003 KL 14.00 19.00. Examinator: Gunnar Englund, 790 7416. Tillåtna hjälpmedel: Formel- och
Läs mer9. Konfidensintervall vid normalfördelning
TNG006 F9 09-05-016 Konfidensintervall 9. Konfidensintervall vid normalfördelning Låt x 1, x,..., x n vara ett observerat stickprov av oberoende s.v. X 1, X,..., X n var och en med fördelning F. Antag
Läs merLMA521: Statistisk kvalitetsstyrning
Föreläsning 7 Föregående föreläsningar Acceptanskontroll: Enkel provtagningsplan Dubbel provtagningsplan Kontrollomfattning Styrande kontroll: Medelvärdesdiagram R-diagram/ s-diagram Felantalsdiagram Dagens
Läs merUppgift 1. f(x) = 2x om 0 x 1
Avd. Matematisk statistik TENTAMEN I Matematisk statistik SF1907, SF1908 OCH SF1913 TORSDAGEN DEN 30 MAJ 2013 KL 14.00 19.00. Examinator: Gunnar Englund, 073 321 3745 Tillåtna hjälpmedel: Formel- och tabellsamling
Läs merF9 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 merTENTAMEN Datum: 14 feb 2011
TENTAMEN Datum: 14 feb 011 Kurs: KÖTEORI OCH MATEMATISK STATISTIK HF1001 TEN 1 (Matematisk statistik ) Ten1 i kursen HF1001 ( Tidigare kn 6H301), KÖTEORI OCH MATEMATISK STATISTIK, Skrivtid: 13:15-17:15
Läs merTMS136: Dataanalys och statistik Tentamen
TMS136: Dataanalys och statistik Tentamen 013-08-7 Examinator och jour: Mattias Sunden, tel. 0730 79 9 79 Hjälpmedel: Chalmersgodkänd räknare och formelsamling (formelsamling delas ut med tentan). Betygsgränser:
Läs merTENTAMEN I MATEMATISK STATISTIK 19 nov 07
TENTAMEN I MATEMATISK STATISTIK 9 nov 7 Ten i kursen HF ( Tidigare kn 6H3), KÖTEORI OCH MATEMATISK STATISTIK, Ten i kursen 6H3, 6L3 MATEMATIK OCH MATEMATISK STATISTIK, Skrivtid: 3:5-7:5 Lärare: Armin Halilovic
Läs merIntroduktion till statistik för statsvetare
"Det finns inget så praktiskt som en bra teori" November 2011 Repetition Vad vi gjort hitills Vi har börjat med att studera olika typer av mätningar och sedan successivt tagit fram olika beskrivande mått
Läs merStatistisk försöksplanering
Statistisk försöksplanering Provmoment: Ladokkod: Tentamen ges för: TentamensKod: Skriftlig tentamen 3 hp 51SF01 Textilingenjörsutbildningen Tentamensdatum: 2 November Tid: 09:00-13 Hjälpmedel: Miniräknare
Läs merMatematisk statistik för B, K, N, BME och Kemister
Matematisk statistik för B, K, N, BME och Kemister Föreläsning 5 Johan Lindström 12 september 216 Johan Lindström - johanl@maths.lth.se FMS86/MASB2 F5 1/23 Repetition Gauss approximation Delta metoden
Läs merVi har en ursprungspopulation/-fördelning med medelvärde µ.
P-värde P=probability Sannolikhetsvärde som är resultat av en statistisk test. Anger sannolikheten för att göra den observation vi har gjort eller ett sämre / mer extremt utfall om H 0 är sann. Vi har
Läs merProvmoment: Tentamen 6,5 hp Ladokkod: A144TG Tentamen ges för: TGMAI17h, Maskiningenjör - Produktutveckling. Tentamensdatum: 28 maj 2018 Tid: 9-13
Matematisk Statistik 7,5 högskolepoäng Provmoment: Tentamen 6,5 hp Ladokkod: A144TG Tentamen ges för: TGMAI17h, Maskiningenjör - Produktutveckling Tentamensdatum: 28 maj 2018 Tid: 9-13 Hjälpmedel: Miniräknare
Läs mer5. Kontrolldiagram. I Chart of T-bolt. Observation UCL=0, , , ,74825 _ X=0, , , ,74750 LCL=0,747479
5. Kontrolldiagram Om man är delaktig i en produktionsprocess (kanske mitt i), hur kan man då veta att det man gör inte bidrar till en kvalitetsbrist hos slutprodukten? Genom att specificera nödvändiga
Läs merDel I. Uppgift 1 För händelserna A och B gäller att P (A) = 1/4, P (B A) = 1/3 och P (B A ) = 1/2. Beräkna P (A B). Svar:...
Avd. Matematisk statistik TENTAMEN I SF9/SF94/SF95/SF96 SANNOLIKHETSTEORI OCH STATISTIK, ONSDAGEN DEN 4:E OKTOBER 08 KL 8.00 3.00. Examinator för SF94/SF96: Tatjana Pavlenko, 08-790 84 66 Examinator för
Läs merTentamen för kursen. Linjära statistiska modeller. 13 januari
STOCKHOLMS UNIVERSITET MATEMATISK STATISTIK Tentamen för kursen Linjära statistiska modeller 13 januari 2017 9 14 Examinator: Ola Hössjer, tel. 070/672 12 18, ola@math.su.se Återlämning: Meddelas via kurshemsida
Läs mercx 5 om 2 x 8 f X (x) = 0 annars Uppgift 4
Avd. Matematisk statistik TENTAMEN I SF1902 SANNOLIKHETSTEORI OCH STATISTIK ONSDAGEN DEN 1:A JUNI 201 KL 8.00 13.00. Kursledare och examinator : Björn-Olof Skytt, tel 790 849. Tillåtna hjälpmedel: miniräknare,
Läs mer(a) på hur många sätt kan man permutera ordet OSANNOLIK? (b) hur många unika 3-bokstavskombinationer kan man bilda av OSANNO-
Tentamenskrivning för TMS6, Matematisk Statistik. Onsdag fm den 1 maj, 217. Examinator: Marina Axelson-Fisk. Tel: 1-7724996 Tillåtna hjälpmedel: typgodkänd miniräknare, tabell- och formelhäfte (bifogas).
Läs merTillämpad matematisk statistik LMA522 (maskin/mekatroniks kurs) Tentamen
Tillämpad matematisk statistik LMA522 (maskin/mekatroniks kurs) Tentamen 2019-03-18 Tid: 8.30-12.30. Tentamensplats: Lindholmen Hjälpmedel: Kursboken Matematisk Statistik av Ulla Dahlbom. Formelsamlingen
Läs merUppgift 1. P (A) och P (B) samt avgör om A och B är oberoende. (5 p)
Avd. Matematisk statistik TENTAMEN I SF90, SF905, SANNOLIKHETSTEORI OCH STATISTIK, MÅNDAGEN DEN 8:E AUGSTI 204 KL 08.00 3.00. Kursledare: Tatjana Pavlenko, 08-790 84 66 Tillåtna hjälpmedel: Formel- och
Läs merTentamen i Matematisk Statistik, 7.5 hp
Tentamen i Matematisk Statistik, 7.5 hp Distanskurs 15 januari, 2011 kl. 9.00 13.00 Maxpoäng: 30p. Betygsgränser: 12p: betyg G, 21p: betyg VG. Hjälpmedel: Miniräknare samt formelsamling som medföljer tentamenstexten.
Läs merLösningsförslag till Tillämpad matematisk statistik LMA521, Tentamen
Lösningsförslag till Tillämpad matematisk statistik LMA21, Tentamen 201801 Betygsgränser: för betyg krävs minst 20 poäng, för betyg 4 krävs minst 0 poäng, för betyg krävs minst 40 poäng. 1. Vid en kvalitetskontroll
Läs merFöreläsning 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 merMVE051/MSG Föreläsning 7
MVE051/MSG810 2016 Föreläsning 7 Petter Mostad Chalmers November 23, 2016 Överblick Deskriptiv statistik Grafiska sammanfattningar. Numeriska sammanfattningar. Estimering (skattning) Teori Några exempel
Läs merStatistisk försöksplanering
Statistisk försöksplanering Provmoment: Ladokkod: Tentamen ges för: TentamensKod: Skriftlig tentamen 3 hp 51SF01 Textilingenjörsutbildningen Tentamensdatum: 25 Oktober 2017 Tid: 09:00-13 Hjälpmedel: Miniräknare
Läs merUppgift 3 Vid en simuleringsstudie drar man 1200 oberoende slumptal,x i. Varje X i är likformigt fördelat mellan 0 och 1. Dessa tal adderas.
Avd. Matematisk statistik TENTAMEN I SF1902 SANNOLIKHETSTEORI OCH STATISTIK, MÅNDAGEN DEN 17:E AUGUSTI 2015 KL 8.00 13.00. Kursledare och examinator : Björn-Olof Skytt, tel 790 8649. Tillåtna hjälpmedel:
Läs merSF1901: Sannolikhetslära och statistik. Statistik: Intervallskattning (konfidensintervall)
SF1901: Sannolikhetslära och statistik Föreläsning 9. Statistik: Intervallskattning (konfidensintervall) Jan Grandell & Timo Koski 21.02.2012 Jan Grandell & Timo Koski () Matematisk statistik 21.02.2012
Läs merRättningstiden 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 6.5 hp AT1MS1 DTEIN16h 7,5 högskolepoäng TentamensKod: Tentamensdatum: 1 juni 2017 Tid: 14-18 Hjälpmedel: Miniräknare Totalt antal
Läs merTentamen i Tillämpad matematisk statistik för MI3 den 1 april 2005
Tentamen i Tillämpad matematisk statistik för MI3 den 1 april 005 Uppgift 1: Från ett register över manliga patienter med diabetes fick man följande statistik i procent: Lindrigt fall Allvarligt fall Patientens
Läs merSF1922/SF1923: SANNOLIKHETSTEORI OCH INTERVALLSKATTNING. STATISTIK. Tatjana Pavlenko. 24 april 2018
SF1922/SF1923: SANNOLIKHETSTEORI OCH STATISTIK FÖRELÄSNING 11 INTERVALLSKATTNING. Tatjana Pavlenko 24 april 2018 PLAN FÖR DAGENS FÖRELÄSNING Vad är en intervallskattning? (rep.) Den allmänna metoden för
Läs merFöreläsningsanteckningar till kapitel 8, del 2
Föreläsningsanteckningar till kapitel 8, del 2 Kasper K. S. Andersen 4 oktober 208 Jämförelse av två väntevärden Ofte vil man jämföra två eller fler) produkter, behandlingar, processer etc. med varandra.
Läs merAvd. Matematisk statistik
Avd. Matematisk statistik TENTAMEN I SF1913 MATEMATISK STATISTIK FÖR IT OCH ME ONSDAGEN DEN 12 JANUARI 2011 KL 14.00 19.00. Examinator: Camilla Landén, tel. 7908466. Tillåtna hjälpmedel: Formel- och tabellsamling
Läs merSF1901: Sannolikhetslära och statistik. Statistik: Intervallskattning (konfidensintervall) Jan Grandell & Timo Koski
SF1901: Sannolikhetslära och statistik Föreläsning 10. Statistik: Intervallskattning (konfidensintervall) Jan Grandell & Timo Koski 18.02.2016 Jan Grandell & Timo Koski Matematisk statistik 18.02.2016
Läs merVåra vanligaste fördelningar
Sida Våra vanligaste fördelningar Matematisk statistik för D3, VT Geometrisk fördelning X är geometriskt fördelad med parameter p, X Geo(p), om P (X = k) = ( p) k p P (X k) = ( p) k för k =,,... Beskriver
Läs merFormel- och tabellsamling i matematisk statistik
Formel- och tabellsamling i matematisk statistik 1. Sannolikhetsteori för lärarprogrammet Sannolikhetsformler P (A ) = 1 P (A) P (A B) = P (A) + P (B) P (A B) P (A B) = P (A B) P (B) P (A B) = P (A B)P
Läs merEnvägs 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 merUppgift 2. För två händelser A och B gäller P(A B)=0.5, P ( A ) = 0. 4 och P ( B
TENTAMEN I MATEMATISK STATISTIK Datum: 3 juni 8 Ten i ursen HF3, 6H3, 6L3 MATEMATIK OH MATEMATISK STATISTIK, Ten i ursen HF ( Tidigare n 6H3), KÖTEORI OH MATEMATISK STATISTIK, Ten i ursen HF4, (Tidigare
Läs merMer om konfidensintervall + repetition
1/14 Mer om konfidensintervall + repetition Måns Thulin Uppsala universitet thulin@math.uu.se Statistik för ingenjörer 23/2 2011 2/14 Dagens föreläsning Skattningar som slumpvariabler Väntevärde Varians
Läs merLö sningsfö rslag till tentamen i matematisk statistik Statistik öch kvalitetsteknik 7,5 hp
Sid (7) Lö sningsfö rslag till tentamen i matematisk statistik Statistik öch kvalitetsteknik 7,5 hp Uppgift Nedanstående beräkningar från Minitab är gjorda för en Poissonfördelning med väntevärde λ = 4.
Läs merExtrauppgifter - Statistik
Extrauppgifter - Statistik Uppgifter 1. Den stokastiska variabeln Y t 10 ). Bestäm c så att P ( c < Y < c) = 2. Vid tillverkning av en viss sorts färg tillsätts färgpigmentet med hjälp av en doseringsapparat,
Läs merLösningar till tentamensskrivning för kursen Linjära statistiska modeller. 14 januari
STOCKHOLMS UNIVERSITET MATEMATISK STATISTIK Lösningar till tentamensskrivning för kursen Linjära statistiska modeller 14 januari 2010 9 14 Examinator: Anders Björkström, tel. 16 45 54, bjorks@math.su.se
Läs merTMS136. Föreläsning 7
TMS136 Föreläsning 7 Stickprov När vi pysslar med statistik handlar det ofta om att baserat på stickprovsinformation göra utlåtanden om den population stickprovet är draget ifrån Situationen skulle kunna
Läs merTentamen 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 merTentamen i Tillämpad Matematik och statistik för IT-forensik. Del 2: Statistik 7.5 hp
Tentamen i Tillämpad Matematik och statistik för IT-forensik. Del 2: Statistik 7.5 hp 15 januari, 2014 kl. 9.00 13.00 Maxpoäng: 30p. Betygsgränser: 12p: betyg G, 21p: betyg VG. Hjälpmedel: Typgodkänd miniräknare
Läs merEXEMPEL PÅ FRÅGESTÄLLNINGAR INOM STATISTIK- TEORIN (INFERENSTEORIN):
Lunds tekniska högskola Matematikcentrum Matematisk statistik FMSF50: Matematisk statistik för L och V OH-bilder på föreläsning 7, 2017-11-20 EXEMPEL PÅ FRÅGESTÄLLNINGAR INOM STATISTIK- TEORIN (INFERENSTEORIN):
Läs mer6.1 Process capability
6.1 Process capability σ LSL µ USL Kapabiliteten eller dugligheten jämför förmågan hos en process (med väntevärde µ och standardavvikelse σ) med de krav vi har på den i form av givna specifikationsgränser
Läs merTentamen MVE301 Sannolikhet, statistik och risk
Tentamen MVE301 Sannolikhet, statistik och risk 2018-05-31 kl. 8:30-13:30 Examinator: Johan Jonasson, Matematiska vetenskaper, Chalmers Telefonvakt: Ivar Simonsson, telefon: 031-7725325 Hjälpmedel: Valfri
Läs merESS011: Matematisk statistik och signalbehandling Tid: 14:00-18:00, Datum:
ESS0: Matematisk statistik och signalbehandling Tid: 4:00-8:00, Datum: 20-0-2 Examinatorer: José Sánchez och Bill Karlström Jour: Bill Karlström, tel. 070 624 44 88. José Sánchez, tel. 03 772 53 77. Hjälpmedel:
Läs merExtrauppgifter i matematisk statistik
Extrauppgifter i matematisk statistik BT 2014 1. Mängden A är dubbelt så sannolik som B. Hur förhåller sig P(A B) till P(B A)? 2. Två händelser A och B har sannolikheter skilda från noll. (a) A och B är
Läs merTentamen i matematisk statistik
Sid (5) i matematisk statistik Statistisk processtyrning 7,5 hp Tillåtna hjälpmedel: Miniräknare. Studenterna får behålla tentamensuppgifterna. Skrivtid: 9.00-3.00 ger maximalt 2 poäng. För godkänt krävs
Läs merTentamen LMA 200 Matematisk statistik,
Tentamen LMA 00 Matematisk statistik, 0 Tentamen består av åtta uppgifter motsvarande totalt 50 poäng. Det krävs minst 0 poäng för betyg, minst 0 poäng för 4 och minst 40 för 5. Examinator: Ulla Blomqvist,
Läs merfaderns blodgrupp sannolikheten att barnet skall få blodgrupp A0 A0 1/2 AA 1 AB 1/2 Övriga 0
Avd. Matematisk statistik TENTAMEN I SF1902 SANNOLIKHETSTEORI OCH STATISTIK, TISDAGEN DEN 9:E JUNI 2015 KL 14.00 19.00. Kursledare och examinator : Björn-Olof Skytt, tel 790 8649. Tillåtna hjälpmedel:
Läs merLösningar till tentamen i Matematisk Statistik, 5p
Lösningar till tentamen i Matematisk Statistik, 5p LGR98 27 oktober, 2001 kl. 9.00 13.00 Kursansvarig: Eric Järpe Maxpoäng: 30 Betygsgränser: 12p: G, 22p: VG Hjälpmedel: Miniräknare samt tabell- och formelsamling
Läs merFACIT: Tentamen L9MA30, LGMA30
Göteborgs Universitetet GU Lärarprogrammet 216 FACIT: Matematik 3 för lärare, åk 7-9, Sannolikhetslära och statistik, Matematik 3 för gymnasielärare, Sannolikhetslära och statistik 216-1-21 kl. 8.3-12.3
Läs merTentamen. TSFS06 Diagnos och övervakning 12 januari, 2012, kl
Tentamen TSFS06 Diagnos och övervakning 12 januari, 2012, kl. 14.00-18.00 Tillåtna hjälpmedel: TeFyMa, Beta, Physics Handbook, Reglerteknik (Glad och Ljung), Formelsamling i statistik och signalteori samt
Läs merTentamen för kursen. Linjära statistiska modeller. 22 februari
STOCKHOLMS UIVERSITET MATEMATISK STATISTIK Tentamen för kursen Linjära statistiska modeller 22 februari 2017 9 14 Examinator: Ola Hössjer, tel. 070/672 12 18, ola@math.su.se Återlämning: Meddelas via kurshemsida
Läs merFöreläsning 4: Konfidensintervall (forts.)
Föreläsning 4: Konfidensintervall forts. Johan Thim johan.thim@liu.se 3 september 8 Skillnad mellan parametrar Vi kommer nu fortsätta med att konstruera konfidensintervall och vi kommer betrakta lite olika
Läs merLösningsförslag till Matematisk statistik LKT325 Tentamen
Lösningsförslag till Matematisk statistik LKT325 Tentamen 20190115 Kursansvarig: Reimond Emanuelsson Betygsgränser: för betyg 3 krävs minst 20 poäng, för betyg 4 krävs minst 30 poäng, för betyg 5 krävs
Läs merAvd. Matematisk statistik
Avd. Matematisk statistik TENTAMEN I SF1902 SANNOLIKHETSTEORI OCH STATISTIK MÅNDAGEN DEN 14:E AUGUSTI 2017 KL 8.00 13.00. Kursledare och examinator : Björn-Olof Skytt, tel 790 8649. Tillåtna hjälpmedel:
Läs merThomas Önskog 28/
Föreläsning 0 Thomas Önskog 8/ 07 Konfidensintervall På förra föreläsningen undersökte vi hur vi från ett stickprov x,, x n från en fördelning med okända parametrar kan uppskatta parametrarnas värden Detta
Läs merTryckfel i K. Vännman, Matematisk Statistik, upplaga 2:13
Tryckfel i K. Vännman, Matematisk Statistik, upplaga 2:13 Kasper K. S. Andersen 11 oktober 2018 s. 10, b, l. 8: 1 4 17.62 1 5 17.62 s. 25, Tabell 1.13, linje 1, kolonn 7: 11 111 s. 26, Figur 1.19 b, l.
Läs merGrundläggande matematisk statistik
Grundläggande matematisk statistik Linjär Regression Uwe Menzel, 2018 uwe.menzel@slu.se; uwe.menzel@matstat.de www.matstat.de Linjär Regression y i y 5 y 3 mätvärden x i, y i y 1 x 1 x 2 x 3 x 4 x 6 x
Läs merLektionsanteckningar 11-12: Normalfördelningen
Lektionsanteckningar 11-12: Normalfördelningen När utfallsrummet för en slumpvariabel kan anta vilket värde som helst i ett givet intervall är variabeln kontinuerlig. Det är väsentligt att utfallsrummet
Läs merDiskussionsproblem för Statistik för ingenjörer
Diskussionsproblem för Statistik för ingenjörer Måns Thulin thulin@math.uu.se Senast uppdaterad 20 februari 2013 Diskussionsproblem till Lektion 3 1. En projektledare i ett byggföretaget ska undersöka
Läs merLINKÖPINGS UNIVERSITET TENTA 92MA31, 92MA37, 93MA31, 93MA37 / STN 2 9GMA05 / STN 1
LINKÖPINGS UNIVERSITET Matematiska institutionen TENTA 9MA31, 9MA37, 93MA31, 93MA37 / STN 9GMA5 / STN 1 1 juni 16, klockan 8.-1. Jour: Jörg-Uwe Löbus Tel: 79-687) Tillåtna hjälpmedel är en räknare, formelsamling
Läs merPrediktera. Statistik för modellval och prediktion. Trend? - Syrehalt beroende på kovariater. Sambands- och trendanalys
Statistik för modellval och prediktion att beskriva, förklara och förutsäga Georg Lindgren Prediktera Matematisk statistik, Lunds universitet stik för modellval och prediktion p.1/28 Statistik för modellval
Läs merMatematisk statistik, LMA 200, för DAI och EI den 25 aug 2011
Matematisk statistik, LMA, för DAI och EI den 5 aug Tentamen består av åtta uppgifter om totalt 5 poäng. Det krävs minst poäng för betyg, minst poäng för och minst för 5. Examinator: Ulla Blomqvist Hjälpmedel:
Läs merMatematisk statistik KTH. Formel- och tabellsamling i matematisk statistik
Matematisk statistik KTH Formel- och tabellsamling i matematisk statistik Varterminen 2005 . Kombinatorik n = k n! k!n k!. Tolkning: n k mängd med n element. 2. Stokastiska variabler V X = EX 2 EX 2 =
Läs merb) 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 merLÖSNINGAR TILL P(A) = P(B) = P(C) = 1 3. (a) Satsen om total sannolikhet ger P(A M) 3. (b) Bayes formel ger
LÖSNINGAR TILL Matematisk statistik Tentamen: 2015 08 18 kl 8 00 13 00 Matematikcentrum FMS 086 Matematisk statistik för B, K, N och BME, 7.5 hp Lunds tekniska högskola MASB02 Matematisk statistik för
Läs mer6.1 Process capability
6.1 Process capability Produktkvalitet: Två produkter som har samma användning men som är utformade på olika sätt kan vara av olika specifikationskvalitet. Om enheter överensstämmer väl med specifikationerna
Läs merAvd. Matematisk statistik
Avd. Matematisk statistik TENTAMEN I SF1902 SANNOLIKHETSTEORI OCH STATISTIK MÅNDAGEN DEN 15:E AUGUSTI 201 KL 8.00 13.00. Kursledare och examinator : Björn-Olof Skytt, tel 790 849. Tillåtna hjälpmedel:
Läs merResidualanalys. Finansiell statistik, vt-05. Normalfördelade? Normalfördelade? För modellen
Residualanalys För modellen Johan Koskinen, Statistiska institutionen, Stockholms universitet Finansiell statistik, vt-5 F7 regressionsanalys antog vi att ε, ε,..., ε är oberoende likafördelade N(,σ Då
Läs merb) Beräkna sannolikheten att en mottagen nolla har sänts som en nolla. (7 p)
Avd. Matematisk statistik TENTAMEN I SF90 OCH SF905 SANNOLIKHETSTEORI OCH STATISTIK, FREDAGEN DEN 4:E MARS 204 KL 4.00 9.00. Kursledare: För D och Media: Gunnar Englund, 073 32 37 45 Kursledare: För F:
Läs merf(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 merσ 12 = 3.81± σ n = 0.12 n = = 0.12
TMSK17 Matematisk statistik 181020 Lösningsförslag Tid: 9.00-14.00 Telefon: hos tentavakten Examinator: F Abrahamsson 1. För att bestämma den genomsnittliga halten µ av dioxin (lämplig enhet) i sik från
Läs mer(a) sannolikheten för att läkaren ställer rätt diagnos. (b) sannolikheten för att en person med diagnosen ej sjukdom S ändå har sjukdomen, dvs.
Avd. Matematisk statistik TENTAMEN I SF1901 SANNOLIKHETSTEORI OCH STATISTIK, TORSDAGEN DEN 31:E MAJ 2012 KL 08.00 13.00. Examinator: Tobias Rydén, tel 790 8469. Kursledare: Tatjana Pavlenko, tel 790 8466.
Läs merTillämpad matematisk statistik LMA521 Tentamen
Tillämpad matematisk statistik LMA521 Tentamen 20190115 Tid: 8.30-12.30 Hjälpmedel: Kursboken Matematisk Statistik av Ulla Dahlbom. Formelsamlingen Tabell- och formelsamling i matematisk statistik, försöksplanering
Läs mer