Matematisk statistik

Storlek: px
Starta visningen från sidan:

Download "Matematisk statistik"

Transkript

1 HF, repetitionsblad Mateatis statisti Uppgift Fördelningsfuntionen för en ontinuerlig stoastis variabel X är F ( x) cx x < x x > Bestä värdet på onstanten c, edianen och täthetsfuntionen för X a) Enligt antagandet är F(x) ontinuerligt i alla punter, däred i punten x Detta utnyttjar vi för att bestäa c: Alltså li F( x) li F( x) (*) x x + Vi har li F( x) x li cx c x edan li F( x) li x + x + Från (*) har vi c c / Anärning: Däred blir F ( x) x x < x x > b) Medianen bestäs geno att lösa evationen F ( x) 5 ( allternativt an vi lösa evationen f ( dt 5 o f(x) är änd) I vårt fall från F ( x) x x < x x > x ( lägg äre till att 5 och 5) får vi x 5 ger x Alltså edianen är c) Täthetsfuntionen får vi geno att derivera F ( x) x x < x x >

2 Alltså x < < x < x > Svar: c /, edianen, x < < x < x > C C Uppgift Låt P( A ) 7, P( B ) 6 och P( B A) 4 a) Är A och B oberoende? Motivera! b) Bestä P( A c) Bestä P ( A a) Anärning: A och B oberoende o och endast o P( A P( A) P( Först P( A C ) 7 P( A) sat P( B C ) 6 P( 4 P( A Enligt definitionen P( B A) Vi substituerar P ( B A) 4 och får P( A) P( A 4 P( A Efterso P ( A) P( 4 har vi att P( A P( A) P( ; ed andra ord är A och B oberoende b) P ( A P( A) + P( P( A P( A c) P ( A P( 4 Svar: a) ja b) 58 c) Uppgift Koponenterna K,,K6 i nedanstående syste fungerar oberoende av varandra ed följande sannoliheter 4, 5, 6, 7,8, och 9 Bestä sannoliheten att systeet fungerar ( Vi anser att systeet fungerar o det finns inst en fungerande väg ellan punterna A och

3 K K K A K K K4 B K5 K6 Vägen V, so består av K oc K, fungerar o både K och K fungerar Sannoliheten att V fungerar är däred v *4*5 På saa sätt V so består av K oc K4 fungerar ed sannoliheten v *46*74 och v 5*68*97 Systeet fungerar o inst en av vägarna V,V,V fungerar ( parallell oppling) Först beränar vi sannoliheten att ingen väg fungerar: P(ingen väg fungerar) (-v)(-v)(-v) 99 P( inst än väg fungerar) - P(ingen väg fungerar) Svar 878 Uppgift 4 En ontinuerlig stoastis variabel X har täthetsfuntionen ( x) o x för övrigt Bestä a) b) edianen och c) väntevärdet till sv X Area x dx ( x) dx [x ] Area Däred är ( x) o x för övrigt Medianen bestäer vi ur evationen F() 5 Men vi har inte given fördelningsfuntion F(x) utan f(x)

4 x Först F ( x) dx Därfor F ( ) 5 är saa evation so dx 5 Medianen bestäer vi ur evationen dx 5 ( Vi an ocså först bestäa fördelningsfuntionen och därefter lösa evationen F(x)5 ) dx Evationen x ( x) dx [x ] [ ] dx 5 dvs [ ] 4 + har två lösningar där endast ligger i intervallet [,], ± Medianen är alltså c) Väntevärdet E(X) x dx x( x) dx ( Svar: a), b) edianen är c) väntevärdet är / x x ) dx [ x x ] Uppgift 5 Man har två reläer so är inställda för utlösning respetive 4 seunder efter en ipuls Utlösningstiderna är ej onstanta utan an betratas so N(, 4) respetive N(4,5) och är oberoende Bestä sannoliheten att det andra reläet utlöses förre det första o de satidigt utsätts för en ipuls Betecning: X utlösningstiden för det första reläet X utlösningstiden för det andra reläet Efterso P(X < X ) P(X X < ), an vi betrata en ny sv YX X och bestäa P(Y<) E(Y)E(X X )4 Variansen: V(Y) 5 + ( ) 4 4 standardavvielsen : D(Y) 4 64 Alltså Y N(; 64) Nu har vi P(X < X ) P(Y<) F() Φ ( ) Φ( ) Φ( 567) 59 σ 64

5 Svar: P(X < X )59 Uppgift 6 En stoastis variabel X har frevensfuntionen 5/ cx, < x < för övrigt Bestä variansen till X Area dx cx 5 / 7 / x dx c[ ] 7 / c 7 Area 7 c c och däred 7 7 x 5/, < x < för övrigt Variansen x dx (forelblad, där är väntevärde Först väntevärde: x dx x x 5/ dx 7 / x dx och därefter 9 x dx 7 7 x 9 / dx 7 Härav variansen x dx Svar Variansen 4 89 Uppgift 7 Låt Y vara suan av noralfördelade sv Y X + + X + X so har väntevärdet µ E(X ) 5 och standard avvielsen σ D(X ) a) Beräna sannoliheten P(48< Y < 5) b) Bestä talet x så att P( Y > x)4 Y N( µ ; σ ) (se forelblad, sida, forel S) Alltså Y N(5 ;)

6 a) P(48< Y < 5) F(5) F(48) Φ ( ) Φ( ) Φ() Φ( ) x 5 b) P( Y > x)4 P( Y x) 96 Φ ( x) 96 Φ( ) 96 x 5,757 x 5 +, Svar a) 686 b) 5 Uppgift 8 Man vill jäföra produter från två fabrier A och B ed avseende på en viss valitetsvariabel hos de tillverade enheterna För båda fabrier an denna variabel antas vara noralfördelade ed oänd standardavvielse Man har testat 5 produter från A och fått följande observationer A Från fabrien B har vi fått följande observationer B Ange ett 95% onfidensintervall för A B där A och B är edelvärdena för valitetsvariabeln hos de båda fabrierna Kan an ed 95% sannolihet påstå att det finns sillnad ellan produter från A och B? 47 s 58 α / 4657 s 5 * ( n ) s + ( n ) s s 54 n + n 5% r antal frihets grader n + n Konfidensintervall: t α / ( n + n * ) σ +, n n + t α / ( n + n * ) σ + n n

7 Efterso n 5, n 7 4 α / 5% α / 975 och t α / ( n + n ) t α / (),8 får vi * t α / () σ Härav får vi för ξ η följande onfidensintervall: [ 58, 44] Svar Konfidensintervall: [ 58, 44] Efterso intervallet innehåller an an INTE ed 95% onfidensgrad påstå att det finns sillnaden ellan A och B Uppgift 9 Låt X vara en sv a) Ange definitionen för väntevärdet av X (dvs definitionen för E(X)) o X är en disret sv b) Ange definitionen för väntevärdet av X o X är en ontinuerlig sv c) Låt X vara en disret sv Bevisa att E(aX+b)aE(X)+b Lösning a) DISKRETA STOKASTISKA VARIABLER Låt X vara en disret sv : X xx xx xx PP(XX xx) pp pp pp pp Väntevärdet för X ( Betecnas, µ eller E(X))definieras enligt följande E ( X ) x p

8 b) Låt X vara en ontinuerlig sv ed täthetsfuntionen f (x) Väntevärdet för X ( Betecnas, µ eller E(X))definieras so E ( X ) x dx c) Låt X vara en disret sv Enligt definitionen gäller E( ax + b) ( ax + b) p ( ax p + bp ) a x p + b p ae( X ) + b * (Vs,b) (Anärning: Vi har använt i * att p och att enligt definitionen x p E(X ) Uppgift Ett syste har i genosnitt 5 fel per år Avståndet ellan två fel är exponentialfördelad Reparationstid är exponentialfördelad och systeets reparationstid är i genosnitt ånad Vid t är systeet ur funtion (dvs fungerar inte vid Vi betecnar p ( t ) sannoliheten för att syste fungerar vid tidpunten t och p ( t ) sannoliheten för att syste inte fungerar vid tidpunten t a) Rita grafen ed övergångsintensiteter ( tidsenhet år) b) Bestä Q-atrisen (so visar övergångsintensiteter) c) Bestä den stationära sannolihetsvetorn, dvs lös evationen p Q d) Bestä den transienta sannolihetsvetorn, dvs lös systeet p ( p( Q, ed avseende på p ( ( p(, p( ) e) Beräna sannoliheten att systeet fungerar vid tidsoent t 5 år Vi betecnar ed E tillståndet "syste fungerar" och ed E tillståndet "syste fungerar inte " dvs systeet är under reparationen Då har vi 5 övergångar från E till E per år Efterso en reparation an göras per en ånad har vi reparations intensitet reparationer per år a) Grafen ed övergångsintensiteter:

9 5 5 b) Från grafen har vi Q-atrisen: Q c) Den stationära sannolihetsvetorn geno att lösa evationen p Q Låt p ( x, y) Då gäller x+y Från p Q 5 5 dvs ( x, y) (,) får vi två evationer 5 x + y (ev) 5 x y (ev) Den andra ev är uppenbart beroende av första För att bestäa x och y löser vi systeet 5 x + y (ev) x + y (ev) (noreringsevation för en sannolihetsvetor) och får x/7 och y 5/7 5 Svar c) p (, ) 7 7 Den stationära sannolihetsvetorn är p ( x, y) ( /7, 5/7) d) Vi bestä den transienta (dvs tidsberoende) sannolihetsvetorn geno att lösa systeet p ( p( Q, ed avseende på p ( ( p(, p( ) 5 5 Från p ( p( Q dvs ( p (, p( ) ( p(, p( ) har vi p 5p ( + p ( ) (ev ) ( t och p 5p ( p ( ) (ev ) ( t Dessuto gäller p + p ( (ev ) ( Ur ev löser vi ut p p ( ), substituerar i ev och får en diff ev ed en obeant: p ( t 5p ( + ( p ( )) ( t eller p + 7 p ( (

10 Hoogena delen p + 7 p ( har arateristisa ev ( 7t r + 7 r 7 och därför Y H Ce Ansats för en partiulär lösning 7t Däred p ( Ce / 7 + Y p A ger A/7 Vid t är systeet ur funtion (dvs fungerar inte vid visar att systeet är i tillstånd E ed sannoliheten ( %) alltså p ) ( p (), p ()) (,) och däred p () Nu an vi bestäa C, ( 7t p ( Ce /7 och p () ger C / 7 + 7t Därför p ( /7e / 7 + 7t 7t Därefter p ( p ( ( /7e + /7) /7e 5/ 7 + 7t 7t 5 och p ( ( p(, p( ) ( e + ; e + ) t 7t 5 Svar d) ( e + ; e + ) e) p (5) 6958 Uppgift a) Bestä en stationär sannolihetsvetor för en Marovedja i disret tid 8 vars övergångsatris är P 4 6 b) Bestä en stationär sannolihetsvetor för en Marovedja i ontinuerlig tid vars intensitetsatris är Q 7 7 a)för att bestäa en stationär sannolihetsvetor för en disret Marovedja löser vi evationen p pp I vårt fall, ed p ( x, y ) har vi 8 ( x, y) ( x, y) 4 6 Härav x x + 4y (ev)

11 y 8x + 6y (ev) eller efter förenling : 8x 4 y (ev) 8x + 4y (ev) Dessuto gäller x + y (ev) (efterso p ( x, y) är en sannolihetsvetor) Från ev får vi y x Detta substitueras i ev och fås x Därefter y x Svar a) p (, ) b) För att bestäa en stationär sannolihetsvetor för en ontinuerlig Marovedja löser vi evationen p Q I vårt fall, ed p ( x, y) har vi ( x, y) (,) 7 7 får vi två evationer x + 7y (ev) x 7 y (ev) dessuto gäller x + y (ev) (noreringsevation för en sannolihetsvetor) Från ev får vi y x Detta substitueras i ev och fås 7 x Därefter y x 7 Svar b) p (, )

Uppgift 2. För två händelser A och B gäller P(A B)=0.5, P ( A ) = 0. 4 och P ( B

Uppgift 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 mer

2 x dx = [ x ] 1 = 1 ( 1 (1 0.9) ) 100 = /

2 x dx = [ x ] 1 = 1 ( 1 (1 0.9) ) 100 = / Föreläsning 5: Matstat AK för I, HT-8 MATEMATISK STATISTIK AK FÖR I HT-8 FÖRELÄSNING 5: KAPITEL 4.6 7: SUMMOR, MAXIMA OCH ANDRA FUNKTIONER AV S.V. KAPITEL 5. : VÄNTEVÄRDEN, LÄGES- OCH SPRIDNINGSMÅTT EXEMPEL

Läs mer

KONTROLLSKRIVNING 2 Kurs: HF1012 Matematisk statistik Lärare: Armin Halilovic Datum: 14 apr 2014 Skrivtid: 13:15-15:00

KONTROLLSKRIVNING 2 Kurs: HF1012 Matematisk statistik Lärare: Armin Halilovic Datum: 14 apr 2014 Skrivtid: 13:15-15:00 KONTROLLSKRIVNING Kurs: HF atematis statisti Lärare: Armin Halilovic Datum: ar Srivtid: :-: Tillåtna hjälmedel: iniränare av vilen ty som helst. Förbjudna hjälmedel: Telefon lato och alla eletronisa medel

Läs mer

Lösningsförslag, v0.4

Lösningsförslag, v0.4 , v.4 Preliinär version, 6 februari 28, reservation för fel! Högsolan i Sövde Tentaen i ateati Kurs: MA52G Mateatis analys MA23G Mateatis analys för ingenjörer Tentaensdag: 27-5-2 l 8:3-3:3 Hjälpedel :

Läs mer

Centrala gränsvärdessatsen (CGS). Approximationer

Centrala gränsvärdessatsen (CGS). Approximationer TNG006 F7 25-04-2016 Centrala gränsvärdessatsen (CGS. Approximationer 7.1. Centrala gränsvärdessatsen Vi formulerade i Sats 6.10 i FÖ6 en vitig egensap hos normalfördelningen som säger att en linjär ombination

Läs mer

LINKÖPINGS UNIVERSITET EXAM TAMS 27 / TEN 2

LINKÖPINGS UNIVERSITET EXAM TAMS 27 / TEN 2 LINKÖPINGS UNIVERSITET Matematiska institutionen EXAM TAMS 27 / TEN 2 augusti 218, klockan 8.-12. Examinator: Jörg-Uwe Löbus (Tel: 79-62827) Tillåtna hjälpmedel är en räknare, formelsamling i matematisk

Läs mer

1 Föreläsning IV; Stokastisk variabel

1 Föreläsning IV; Stokastisk variabel 1 FÖRELÄSNING IV; STOKASTISK VARIABEL 1 Föreläsning IV; Stoastis variabel Vi har tidigare srivit P (1, 2, 3, 4, 5) = P (C) för sannoliheten för att få 1, 2, 3, 4 eller 5 vid ett tärningsast. Vi sall använda

Läs mer

Sannolikhetsteori FORMELSAMLING MATEMATISK STATISTIK, AK 9HP, FMS012 [UPPDATERAD ] Sannolikhetsteorins grunder

Sannolikhetsteori FORMELSAMLING MATEMATISK STATISTIK, AK 9HP, FMS012 [UPPDATERAD ] Sannolikhetsteorins grunder LUNDS TEKNISKA HÖGSKOLA MATEMATIKCENTRUM MATEMATISK STATISTIK FORMELSAMLING MATEMATISK STATISTIK, AK 9HP, FMS02 [UPPDATERAD 2007-09-2] Sannolihetsteori Sannolihetsteorins grunder Följande gäller för sannoliheter:

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

Matematisk statistik 9hp Föreläsning 7: Normalfördelning

Matematisk statistik 9hp Föreläsning 7: Normalfördelning Matematisk statistik 9hp Föreläsning 7: Normalfördelning Anna Lindgren 29+3 september 216 Anna Lindgren anna@maths.lth.se FMS12/MASB3 F7: normalfördelning 1/18 Kovarians, C(X, Y) Repetition Normalfördelning

Läs mer

Resultat till ett försök är ofta ett tal. Talet kallas en stokastisk variabel (kortare s. v.).

Resultat till ett försök är ofta ett tal. Talet kallas en stokastisk variabel (kortare s. v.). STOKASTISKA VARIABLER Resultat till ett försök är ofta ett tal. Talet kallas en stokastisk variabel (kortare s. v.). Definition 1. En reellvärld funktion definierad på ett utfallsrum Ω kallas en (endimensionell)

Läs mer

Matematisk statistik för D, I, Π och Fysiker

Matematisk statistik för D, I, Π och Fysiker max/min Matematisk statistik för D, I, Π och Fysiker Föreläsning 5 Johan Lindström 25 september 218 Johan Lindström - johanl@maths.lth.se FMSF45/MASB3 F5 1/25 max/min Johan Lindström - johanl@maths.lth.se

Läs mer

Ett M/M/1 betjäningssystem har följande egenskaper: 1. Systemet har en betjänare. Betjäningstiderna är exponentialfördelade med medelvärde 1 μ

Ett M/M/1 betjäningssystem har följande egenskaper: 1. Systemet har en betjänare. Betjäningstiderna är exponentialfördelade med medelvärde 1 μ M/M/ ösystem M/M/ ösystem Ett M/M/ betjäningssystem har följande egensaper:. Systemet har en betjänare. Betjäningstiderna är exponentialfördelade med medelvärde x =.. Kunder anommer enligt Poissonprocess

Läs mer

SF1920/SF1921 Sannolikhetsteori och statistik 6,0 hp Föreläsning 6 Väntevärden Korrelation och kovarians Stora talens lag. Jörgen Säve-Söderbergh

SF1920/SF1921 Sannolikhetsteori och statistik 6,0 hp Föreläsning 6 Väntevärden Korrelation och kovarians Stora talens lag. Jörgen Säve-Söderbergh SF1920/SF1921 Sannolikhetsteori och statistik 6,0 hp Föreläsning 6 Väntevärden Korrelation och kovarians Stora talens lag Jörgen Säve-Söderbergh Väntevärde för en funktion av en stokastisk variabel Om

Läs mer

Tentamen i matematisk statistik (9MA241/9MA341, STN2) kl 08-12

Tentamen i matematisk statistik (9MA241/9MA341, STN2) kl 08-12 LINKÖPINGS UNIVERSITET MAI Johan Thim Tentamen i matematisk statistik (9MA21/9MA31, STN2) 212-8-2 kl 8-12 Hjälpmedel är: miniräknare med tömda minnen och formelbladet bifogat. Varje uppgift är värd 6 poäng.

Läs mer

Kap 2. Sannolikhetsteorins grunder

Kap 2. Sannolikhetsteorins grunder Kap 2. Sannolikhetsteorins grunder Olika händelser och deras mängbetäckningar Sats 2.7 Dragning utan återläggning av k element ur n (utan hänsyn till ordning) kan ske på ( n ) olika sätt k För två händelser

Läs mer

Övning 1 Sannolikhetsteorins grunder

Övning 1 Sannolikhetsteorins grunder Övning 1 Sannolikhetsteorins grunder Två händelser A och B är disjunkta om {A B} =, det vill säga att snittet inte innehåller några element. Om vi har en mängd händelser A 1, A 2, A 3,..., A n, vilka är

Läs mer

SF1901 Sannolikhetsteori och statistik I

SF1901 Sannolikhetsteori och statistik I SF1901 Sannolikhetsteori och statistik I Jimmy Olsson Föreläsning 4 7 november 2017 1 / 29 Idag Förra gången Viktiga kontinuerliga fördelningar (Kap. 3.6) Fördelningsfunktion (Kap. 3.7) Funktioner av stokastiska

Läs mer

SF1901: SANNOLIKHETSTEORI OCH KONTINUERLIGA STOKASTISKA VARIABLER STATISTIK. Tatjana Pavlenko. 7 september 2016

SF1901: SANNOLIKHETSTEORI OCH KONTINUERLIGA STOKASTISKA VARIABLER STATISTIK. Tatjana Pavlenko. 7 september 2016 SF1901: SANNOLIKHETSTEORI OCH STATISTIK FÖRELÄSNING 4 KONTINUERLIGA STOKASTISKA VARIABLER Tatjana Pavlenko 7 september 2016 PLAN FÖR DAGENS FÖRELÄSNING Repetition av diskreta stokastiska variabler. Väntevärde

Läs mer

Tentamen TEN1, HF1012, 29 maj Matematisk statistik Kurskod HF1012 Skrivtid: 14:00-18:00 Lärare och examinator : Armin Halilovic

Tentamen 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 mer

TMS136. Föreläsning 4

TMS136. Föreläsning 4 TMS136 Föreläsning 4 Kontinuerliga stokastiska variabler Kontinuerliga stokastiska variabler är stokastiska variabler som tar värden i intervall av den reella axeln Det kan handla om längder, temperaturer,

Läs mer

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

SF1901: Sannolikhetslära och statistik

SF1901: Sannolikhetslära och statistik SF1901: Sannolikhetslära och statistik Föreläsning 4. Väntevärde och varians, funktioner av s.v:er, flera stokastiska variabler. Jan Grandell & Timo Koski 10.09.2008 Jan Grandell & Timo Koski () Matematisk

Läs mer

dt = x 2 + 4y 1 typ(nod, sadelpunkt, spiral, centrum) och avgöra huruvida de är stabila eller instabila. Lösning.

dt = x 2 + 4y 1 typ(nod, sadelpunkt, spiral, centrum) och avgöra huruvida de är stabila eller instabila. Lösning. Lösningsförslag till tentamenssrivning i SF633 Differentialevationer I Måndagen den 5 otober 0, l 0800-300 Hjälpmedel: BETA, Mathematics Handboo Redovisa lösningarna på ett sådant sätt att beräningar och

Läs mer

TMS136. Föreläsning 5

TMS136. Föreläsning 5 TMS136 Föreläsning 5 Två eller flera stokastiska variabler I många situationer är det av intresse att betrakta fler än en s.v. åt gången Speciellt gör man det i statistik där man nästan alltid jobbar med

Läs mer

SF1901 Sannolikhetsteori och statistik I

SF1901 Sannolikhetsteori och statistik I SF1901 Sannolikhetsteori och statistik I Jimmy Olsson Föreläsning 6 13 november 2017 1 / 29 Idag Förra gången Mer om väntevärden och varianser (Kap. 5.2 5.3) Beroendemått (Kap. 5.4) Summor, linjärkombinationer

Läs 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 06-06-0 Hjälpmedel: Formler oh tabeller i statistik, räknedosa Fullständiga lösningar erfordras till samtliga uppgifter. Lösningarna skall vara

Läs mer

Tentamen den 11 april 2007 i Statistik och sannolikhetslära för BI2

Tentamen den 11 april 2007 i Statistik och sannolikhetslära för BI2 Tentamen den april 7 i Statistik och sannolikhetslära för BI Uppgift : Låt händelserna A, B, C och D vara händelser i samband med ett försök. a) Anta att P(A)., P(A B)., P(A B).6. Beräkna sannolikheten

Läs mer

Oberoende stokastiska variabler

Oberoende stokastiska variabler Kapitel 6 Oberoende stokastiska variabler Betrakta ett försök med ett ändligt (eller högst numrerbart) utfallsrum Ω samt två stokastiska variabler ξ och η med värdemängderna Ω ξ och Ω η. Vi bildar funktionen

Läs mer

Lösningar till Matematisk analys

Lösningar till Matematisk analys Lösningar till Matematis analys 0820. Stationära punter. f (x, y) = 8x(x 2 y), f 2(x, y) = 4(y x 2 )). Vi ar alltså att f (x, y) = f 2(x, y) = 0 { x(x 2 y) = 0 y x 2 = 0. Första evationen ovan är uppfylld

Läs mer

SF1901: Sannolikhetslära och statistik. Flera stokastiska variabler.

SF1901: Sannolikhetslära och statistik. Flera stokastiska variabler. SF1901: Sannolikhetslära och statistik Föreläsning 5. Flera stokastiska variabler. Jan Grandell & Timo Koski 31.01.2012 Jan Grandell & Timo Koski () Matematisk statistik 31.01.2012 1 / 30 Flerdimensionella

Läs mer

betecknas = ( ) Symmetriska egenskaper hos derivator av andra ordningen. (Schwarzs sats)

betecknas = ( ) Symmetriska egenskaper hos derivator av andra ordningen. (Schwarzs sats) PARTIELLA DERIVATOR Partiella derivator deinieras enom ränsvärden Deinition Låt vara en reellvärd untion deinierad på en öppen mänd n n Ω R Den partiella derivatan av i punten Aa a n Ω med avseende på

Läs mer

Exempel. Kontinuerliga stokastiska variabler. Integraler i stället för summor. Integraler i stället för summor

Exempel. Kontinuerliga stokastiska variabler. Integraler i stället för summor. Integraler i stället för summor Kontinuerliga stokastiska variabler Exempel En stokastisk variabel är kontinuerlig om den kan anta vilka värden som helst i ett intervall, men sannolikheten för varje enskilt utfall är noll: P(X = x) =.

Läs mer

Följande uttryck används ofta i olika problem som leder till differentialekvationer: Formell beskrivning det finns ett tal k så att A=kB

Följande uttryck används ofta i olika problem som leder till differentialekvationer: Formell beskrivning det finns ett tal k så att A=kB MATEMATISK MODELLERING Att ställa upp en differentialevation som besriver ett förlopp Följande uttryc används ofta i olia problem som leder till differentialevationer: Text A är proportionell mot B (A

Läs mer

Föreläsning 8, FMSF45 Binomial- och Poissonfördelning, Poissonprocess

Föreläsning 8, FMSF45 Binomial- och Poissonfördelning, Poissonprocess Repetition Binomial Poisson Stokastisk process Föreläsning 8, FMSF45 Binomial- och Poissonfördelning, Poissonprocess Stas Volkov 217-1-3 Stanislav Volkov s.volkov@maths.lth.se FMSF45 F8: Binomial- och

Läs mer

Svar till tentan

Svar till tentan UPPSALA UNIVERSITET Matematisa institutionen Sigstam, Styf Prov i matemati Alla program o frist urs ENVARIABELANALYS 0-08- Svar till tentan 0-08-. Del A Bestäm alla punter P 0 på urvan y = x + sådana att

Läs mer

Kovarians och kriging

Kovarians och kriging Kovarians och kriging Bengt Ringnér November 2, 2007 Inledning Detta är föreläsningsmanus på lantmätarprogrammet vid LTH. 2 Kovarianser Sedan tidigare har vi, för oberoende X och Y, att VX + Y ) = VX)

Läs mer

P =

P = Avd. Matematisk statistik TENTAMEN I SF297 (f d 5B157) TILLFÖRLITLIGHETSTEORI LÖRDAGEN DEN 2 OKTOBER 21 KL 1. 18.. Examinator: Gunnar Englund, tel. 79716, e-postadress: gunnare@math.kth.se Tillåtna hjälpmedel:

Läs mer

IV. Ekvationslösning och inversa funktioner

IV. Ekvationslösning och inversa funktioner Analys 360 En webbaserad analysurs Grundbo IV. Evationslösning och inversa funtioner Anders Källén MatematiCentrum LTH andersallen@gmail.com IV. Evationslösning och inversa funtioner 1 (11) Introdution

Läs mer

(a) på hur många sätt kan man permutera ordet OSANNOLIK? (b) hur många unika 3-bokstavskombinationer kan man bilda av OSANNO-

(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 mer

Föreläsningsanteckningar till kapitel 8, del 2

Föreläsningsanteckningar 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 mer

Prov i matematik Fristående kurs Analys MN1 distans UPPSALA UNIVERSITET Matematiska institutionen Anders Källström

Prov i matematik Fristående kurs Analys MN1 distans UPPSALA UNIVERSITET Matematiska institutionen Anders Källström UPPSALA UNIVERSITET Matematisa institutionen Anders Källström Prov i matemati Fristående urs Analys MN1 distans 6 11 Srivtid: 1-15. Hjälpmedel: Gymnasieformelsamling. Lösningarna sall åtföljas av förlarande

Läs mer

Föreläsning 5, Matematisk statistik Π + E

Föreläsning 5, Matematisk statistik Π + E Repetition Summor max/min Väntevärde Varians Föreläsning 5, Matematisk statistik Π + E Sören Vang Andersen 25 november 2014 Sören Vang Andersen - sva@maths.lth.se FMS012 F5 1/16 Repetition Summor max/min

Läs mer

19.1 Funktioner av stokastiska variabler

19.1 Funktioner av stokastiska variabler 9. Funktioner av stokastiska variabler 9.. Oberoende stokastiska variabler Som vi minns innebär P(A B) = P(A) P(B) att händelserna A och B är oberoende. Låt A vara händelsen att X < x och B vara händelsen

Läs mer

TMS136. Föreläsning 5

TMS136. Föreläsning 5 TMS136 Föreläsning 5 Två eller flera stokastiska variabler I många situationer är det av intresse att betrakta fler än en s.v. åt gången Speciellt gör man det i statistik där man nästan alltid jobbar med

Läs mer

Harmonisk oscillator Ulf Torkelsson

Harmonisk oscillator Ulf Torkelsson 1 Haronisk rörelse Föreläsning 13/9 Haronisk oscillator Ulf Torkelsson Betrakta en potentiell energi, V (x), so har ett iniu vid x, och studera rörelsen i närheten av detta iniu. O vi släpper en partikel

Läs mer

Uppgift 1 a) En kontinuerlig stokastisk variabel X har fördelningsfunktion

Uppgift 1 a) En kontinuerlig stokastisk variabel X har fördelningsfunktion Avd. Matematisk statistik TENTAMEN I 5B57 MATEMATISK STATISTIK FÖR T och M ONSDAGEN DEN 9 OKTOBER 25 KL 8. 3.. Examinator: Jan Enger, tel. 79 734. Tillåtna hjälpmedel: Formel- och tabellsamling i Matematisk

Läs mer

L HOSPITALS REGEL OCH MACLAURINSERIER.

L HOSPITALS REGEL OCH MACLAURINSERIER. L HOSPITALS REGEL OCH MACLAURINSERIER Läs avsnitten 73 och 8-82 Lös övningarna 78-75, 82, 84a,b, 85a,c, 89, 80 samt 8 Avsnitt 73 L Hospitals regel an ibland vara till en viss nytta, men de flesta gränsvärden

Läs mer

TENTAMEN I MATEMATISK STATISTIK 19 nov 07

TENTAMEN 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 mer

Resultat till ett försök är ofta ett tal. Talet kallas en stokastisk variabel (kortare s. v.).

Resultat till ett försök är ofta ett tal. Talet kallas en stokastisk variabel (kortare s. v.). STOKASTISKA VARIABLER Resultat till ett försök är ofta ett tal. Talet kallas en stokastisk variabel (kortare s. v.). Definition 1. En reellvärd funktion definierad på ett utfallsrum Ω kallas en (endimensionell)

Läs mer

MVE051/MSG Föreläsning 14

MVE051/MSG Föreläsning 14 MVE051/MSG810 2016 Föreläsning 14 Petter Mostad Chalmers December 14, 2016 Beroende och oberoende variabler Hittills i kursen har vi tittat på modeller där alla observationer representeras av stokastiska

Läs mer

Tentamen i matematisk statistik (9MA241/9MA341, STN2) kl 14 18

Tentamen i matematisk statistik (9MA241/9MA341, STN2) kl 14 18 LINKÖPINGS UNIVERSITET MAI Johan Thim Tentamen i matematisk statistik (9MA241/9MA341, STN2) 213-1-11 kl 14 18 Hjälpmedel är: miniräknare med tömda minnen och formelbladet bifogat. Varje uppgift är värd

Läs mer

9. Konfidensintervall vid normalfördelning

9. 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 mer

Lösningsförslag till tentamen MVE465, Linjär algebra och analys fortsättning K/Bt/Kf

Lösningsförslag till tentamen MVE465, Linjär algebra och analys fortsättning K/Bt/Kf Lösningsförslag till tentamen MVE4, Linjär algebra och analys fortsättning K/Bt/Kf 64 l. 8.3.3 Examinator: Thomas Wernstål, Matematisa vetensaper, Chalmers Telefonvat:, telefon: Hjälpmedel: Inga hjälpmedel

Läs mer

Föreläsning 5, FMSF45 Summor och väntevärden

Föreläsning 5, FMSF45 Summor och väntevärden Föreläsning 5, FMSF45 Summor och väntevärden Stas Volkov 2017-09-19 Stanislav Volkov s.volkov@maths.lth.se FMSFF45 F5: väntevärden 1/18 2D stokastisk variabel Tvådimensionella stokastisk variabel (X, Y)

Läs mer

SF1901: SANNOLIKHETSTEORI OCH FLERDIMENSIONELLA STOKASTISKA STATISTIK VARIABLER. Tatjana Pavlenko. 8 september 2017

SF1901: SANNOLIKHETSTEORI OCH FLERDIMENSIONELLA STOKASTISKA STATISTIK VARIABLER. Tatjana Pavlenko. 8 september 2017 SF1901: SANNOLIKHETSTEORI OCH STATISTIK FÖRELÄSNING 5 FLERDIMENSIONELLA STOKASTISKA VARIABLER Tatjana Pavlenko 8 september 2017 PLAN FÖR DAGENS FÖRELÄSNING Repetition av de viktiga begreppen diskret/kontinuerlig

Läs mer

Matematisk statistik 9hp Föreläsning 5: Summor och väntevärden

Matematisk statistik 9hp Föreläsning 5: Summor och väntevärden Matematisk statistik 9hp Föreläsning 5: Summor och väntevärden Anna Lindgren 20+21 september 2016 Anna Lindgren anna@maths.lth.se FMS012/MASB03 F5: väntevärden 1/18 2D stokastisk variabel Tvådim. stokastisk

Läs mer

FÖRELÄSNING 7:

FÖRELÄSNING 7: FÖRELÄSNING 7: 2016-05-10 LÄRANDEMÅL Normalfördelningen Standardnormalfördelning Centrala gränsvärdessatsen Konfidensintervall Konfidensnivå Konfidensintervall för väntevärdet då variansen är känd Samla

Läs mer

TENTAMEN I KOTEORI 20 dec 07 Ten2 i kursen HF1001 ( Tidigare kn 6H3012), KÖTEORI OCH MATEMATISK STATISTIK,

TENTAMEN I KOTEORI 20 dec 07 Ten2 i kursen HF1001 ( Tidigare kn 6H3012), KÖTEORI OCH MATEMATISK STATISTIK, TENTAMEN I KOTEORI dec 7 Ten i ursen HF Tidigare n 6H), KÖTEORI OH MATEMATISK STATISTIK, och TEN i 6H7, Dataommuniation och nätver, ) Srivtid: :-7: Lärare: Armin Halilovic Kursod HF Hjälmedel: Miniränare

Läs mer

Tentamen MVE300 Sannolikhet, statistik och risk

Tentamen MVE300 Sannolikhet, statistik och risk Tentamen MVE3 Sannolihet, statisti och ris 215-6-4 l. 8.3-13.3 Examinator: Johan Jonasson, Matematisa vetensaper, Chalmers Telefonvat: Johan Jonasson, telefon: 76-985223 31-7723546 Hjälpmedel: Typgodänd

Läs mer

TENTAMEN MÅNDAGEN DEN 22 OKTOBER 2012 KL a) Bestäm P(ingen av händelserna inträffar). b) Bestäm P(exakt två av händelserna inträffar).

TENTAMEN MÅNDAGEN DEN 22 OKTOBER 2012 KL a) Bestäm P(ingen av händelserna inträffar). b) Bestäm P(exakt två av händelserna inträffar). Tekniska högskolan i Linköping Matematiska institutionen Matematisk statistik,jan Olheim MATEMATIK:Statistik 9MA31 STN, 9MA37 STN TENTAMEN MÅNDAGEN DEN OKTOBER 01 KL 14.00-18.00. Hjälpmedel:Formler och

Läs mer

Matematisk statistik för D, I, Π och Fysiker

Matematisk statistik för D, I, Π och Fysiker Matematisk statistik för D, I, Π och Fysiker Föreläsning 8 Johan Lindström 9 oktober 218 Johan Lindström - johanl@maths.lth.se FMSF45/MASB3 F8 1/26 process Johan Lindström - johanl@maths.lth.se FMSF45/MASB3

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

aug 2017 Kurskod HF1012 Halilovic internet. Betygsgränser: För (betyg Fx). Sida 1 av 13

aug 2017 Kurskod HF1012 Halilovic internet. Betygsgränser: För (betyg Fx). Sida 1 av 13 Tentamen TEN, HF, aug 7 Matematisk statistik Kurskod HF Skrivtid: :-: Lärare och examinator : Armin Halilovic Hjälpmedel: Bifogat formelhäfte ("Formler och tabeller i statistik ") och miniräknare av vilken

Läs mer

Kurssammanfattning MVE055

Kurssammanfattning MVE055 Obs: Detta är enbart tänkt som en översikt och innehåller långt ifrån allt som ingår i kursen (vilket anges exakt på hemsidan). Fullständiga antaganden i satser kan saknas och fel kan förekomma så kontrollera

Läs mer

Tentamen del 2 SF1511, , kl , Numeriska metoder och grundläggande programmering

Tentamen del 2 SF1511, , kl , Numeriska metoder och grundläggande programmering KTH Matemati Tentamen del 2 SF1511, 2017-03-16, l 800-1100, Numerisa metoder och grundläggande programmering Del 2, Max 50p + bonuspoäng (max 4p) Inga hjälpmedel Rättas endast om del 1 är godänd Betygsgränser

Läs mer

SF1901: Sannolikhetslära och statistik. Väntevärde; Väntevärde för funktioner av s.v:er; Varians; Tjebysjovs olikhet. Jan Grandell & Timo Koski

SF1901: Sannolikhetslära och statistik. Väntevärde; Väntevärde för funktioner av s.v:er; Varians; Tjebysjovs olikhet. Jan Grandell & Timo Koski SF1901: Sannolikhetslära och statistik Föreläsning 5. Väntevärde; Väntevärde för funktioner av s.v:er; Varians; Tjebysjovs olikhet. Jan Grandell & Timo Koski 28.01.2015 Jan Grandell & Timo Koski () Matematisk

Läs mer

Tentamen i Matematisk Statistik, 7.5 hp

Tentamen 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 mer

Formel- och tabellsamling i matematisk statistik

Formel- 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 mer

Uppgift 2) Datum: 23 okt TENTAMEN I MATEMATIK OCH MATEMATISK STATISTIK, kurskod 6H3000

Uppgift 2) Datum: 23 okt TENTAMEN I MATEMATIK OCH MATEMATISK STATISTIK, kurskod 6H3000 Datum: okt TENTAMEN I MATEMATIK OCH MATEMATISK STATISTIK, kurskod 6H Moment: TEN ( Matematisk Statistik ) Lärare: Armin Halilovic Skrivtid: 8:5-:5 Införda beteckningar skall förklaras och definieras. Resonemang

Läs mer

Matematisk statistik 9 hp Föreläsning 6: Linjärkombinationer

Matematisk statistik 9 hp Föreläsning 6: Linjärkombinationer Matematisk statistik 9 hp Föreläsning 6: Linjärkombinationer Anna Lindgren 27+28 september 2016 Anna Lindgren anna@maths.lth.se FMS012/MASB03 F6: linjärkombinationer 1/21 sum/max/min V.v./var Summa av

Läs mer

Tentamen LMA 200 Matematisk statistik, data/elektro

Tentamen LMA 200 Matematisk statistik, data/elektro Tentamen LMA 00 Matematisk statistik, data/elektro 039 Tentamen består av åtta uppgiter motsvarande totalt 50 poäng. Det krävs minst 0 poäng ör betyg 3, minst 30 poäng ör 4 och minst 40 ör 5. Examinator:

Läs mer

FACIT för Förberedelseuppgifter: SF1911 STATISTIK FÖR BI0TEKNIK inför tentan MÅDAGEN DEN 9 DECEMBER 2016 KL Examinator: Timo Koski

FACIT för Förberedelseuppgifter: SF1911 STATISTIK FÖR BI0TEKNIK inför tentan MÅDAGEN DEN 9 DECEMBER 2016 KL Examinator: Timo Koski FACIT för Förberedelseuppgifter: SF9 STATISTIK FÖR BI0TEKNIK inför tentan MÅDAGEN DEN 9 DECEMBER 206 KL 4.00 9.00. Examinator: Timo Koski - - - - - - - - - - - - - - - - - - - - - - - - 0. FACIT Problem

Läs mer

Tentamen i mekanik TFYA kl

Tentamen i mekanik TFYA kl TEKISKA ÖGSKOA I IKÖPIG Institutionen för ysi, Kei och Biologi Galia Pozina Tentaen i eani TYA6 -- l. 4-9 Tillåtna jälpedel: Physics andboo eller Tefya utan egna antecningar, avprograerad ränedosa enligt

Läs mer

Matematisk statistik 9 hp Föreläsning 4: Flerdim

Matematisk statistik 9 hp Föreläsning 4: Flerdim Matematisk statistik 9 hp Föreläsning 4: Flerdim Johan Lindström 3+4 september 26 Johan Lindström - johanl@maths.lth.se FMS2 F4: Flerdim /5 Transformer Inversmetoden Transformation av stokastiska variabler

Läs mer

Föreläsningsmanus i matematisk statistik för lantmätare, vecka 5 HT06

Föreläsningsmanus i matematisk statistik för lantmätare, vecka 5 HT06 Föreläsningsmanus i matematisk statistik för lantmätare, vecka 5 HT06 Bengt Ringnér September 20, 2006 Inledning Detta är preliminärt undervisningsmaterial. Synpunkter är välkomna. 2 Väntevärde standardavvikelse

Läs mer

Stokastiska signaler. Mediesignaler

Stokastiska signaler. Mediesignaler Stokastiska signaler Mediesignaler Stokastiska variabler En slumpvariabel är en funktion eller en regel som tilldelar ett nummer till varje resultatet av ett experiment Symbol som representerar resultatet

Läs mer

Föreläsning 4: Konfidensintervall (forts.)

Föreläsning 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 mer

1 Föreläsning V; Kontinuerlig förd.

1 Föreläsning V; Kontinuerlig förd. Föreläsning V; Kontinuerlig förd. Ufallsrummet har hittills varit dsikret, den stokastisk variabeln har endast kunnat anta ett antal värden. Ex.vis Poissonfördeln. är antal observationer inom ett tidsintervall

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 : 5 uppgifter) Tentamensdatum 08-08-8 Poäng totalt för del : 0 uppgifter) Skrivtid 9.00 4.00 Lärare: Niklas Grip, Adam Jonsson

Läs mer

Föreläsning 6, Matematisk statistik Π + E

Föreläsning 6, Matematisk statistik Π + E Repetition Kovarians Stora talens lag Gauss Föreläsning 6, Matematisk statistik Π + E Sören Vang Andersen 2 december 2014 Sören Vang Andersen - sva@maths.lth.se FMS012 F6 1/20 Repetition Kovarians Stora

Läs mer

Grundläggande matematisk statistik

Grundläggande matematisk statistik Grundläggande matematisk statistik Väntevärde, varians, standardavvikelse, kvantiler Uwe Menzel, 28 uwe.menzel@slu.se; uwe.menzel@matstat.de www.matstat.de Väntevärdet X : diskret eller kontinuerlig slumpvariable

Läs mer

Ur en kortlek på 52 kort väljer man ( utan återläggning och utan hänsyn till ordning) slumpvis 5 kort. Vad är sannolikheten för att få

Ur 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 mer

FORMELSAMLING MATEMATISK STATISTIK FÖR W; FMSF75 UPPDATERAD Sannolikhetsteori. Beskrivning av data. Läges-, spridnings- och beroendemått

FORMELSAMLING MATEMATISK STATISTIK FÖR W; FMSF75 UPPDATERAD Sannolikhetsteori. Beskrivning av data. Läges-, spridnings- och beroendemått LUNDS TEKNISKA HÖGSKOLA MATEMATIKCENTRUM MATEMATISK STATISTIK FORMELSAMLING MATEMATISK STATISTIK FÖR W; FMSF75 UPPDATERAD 208-08-26 Sannolikhetsteori Följande gäller för sannolikheter: 0 P(A P(Ω = P(A

Läs mer

SF1901: Övningshäfte

SF1901: Övningshäfte SF1901: Övningshäfte 24 september 2013 Uppgifterna under rubriken Övning kommer att gås igenom under övningstillfällena. Uppgifterna under rubriken Hemtal är starkt rekommenderade och motsvarar nivån på

Läs mer

Tentamen MVE301 Sannolikhet, statistik och risk

Tentamen MVE301 Sannolikhet, statistik och risk Tentamen MVE30 Sannolikhet, statistik och risk 207-08-5 kl. 8:30-3:30 Examinator: Johan Jonasson, Matematiska vetenskaper, Chalmers Telefonvakt: Olof Elias, telefon: 03-7725325 Hjälpmedel: Valfri miniräknare.

Läs mer

5 Kontinuerliga stokastiska variabler

5 Kontinuerliga stokastiska variabler 5 Kontinuerliga stokastiska variabler Ex: X är livslängden av en glödlampa. Utfallsrummet är S = x : x 0}. X kan anta överuppräkneligt oändligt många olika värden. X är en kontinuerlig stokastisk variabel.

Läs mer

TENTAMEN I MATEMATIK MED MATEMATISK STATISTIK HF1004, TEN

TENTAMEN I MATEMATIK MED MATEMATISK STATISTIK HF1004, TEN TENTAMEN I MATEMATIK MED MATEMATISK STATISTIK HF1004, TEN 016-03-1 Hjälpmedel: Formler och tabeller i statistik, räknedosa Fullständiga lösningar erfordras till samtliga uppgifter. Lösningarna skall vara

Läs mer

Betygsgränser: För (betyg Fx).

Betygsgränser: För (betyg Fx). Tetame TEN, HF2, 4 jui 2 Matematis statisti Kursod HF2 Srivtid: 3:-7: : Lärare och examiator : Armi Halilovic Hjälmedel: Bifogat formelhäfte ("Formler och tabeller i statisti ") och miiräare av vile ty

Läs mer

Lösningsförslag envariabelanalys

Lösningsförslag envariabelanalys Lösningsförslag envariabelanalys 09-06-05. Ekvationen är linjär och har det karakteristiska polynomet pr) = r 4 + r 3 + 5r = r r + r + 5) = r r + i)r + + i). Således ges lösningarna till den homogena ekvationen

Läs mer

Teori för flervariabelsanalys

Teori för flervariabelsanalys Teori för flervariabelsanalys Robin Andersson 28 otober 2013 1 Innehåll 1 Differentierbarhet 3 2 Kedjeregeln 4 3 Formel för beräning av ritningsderivatan av en differentierbar funtion 5 4 Taylors formel

Läs mer

Stokastiska vektorer

Stokastiska vektorer TNG006 F2 9-05-206 Stokastiska vektorer 2 Kovarians och korrelation Definition 2 Antag att de sv X och Y har väntevärde och standardavvikelse µ X och σ X resp µ Y och σ Y Då kallas för kovariansen mellan

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

Komplettering: 9 poäng på tentamen ger rätt till komplettering (betyg Fx).

Komplettering: 9 poäng på tentamen ger rätt till komplettering (betyg Fx). TENTAMEN 9 jan 5, HF6 och HF8 Moment: TEN (Linjär algebra), hp, Kurser: Anals och linjär algebra, HF8, Linjär algebra och anals HF6 Klasser: TIELA, TIMEL, TIDAA Tid: 8.5-.5, Plats: Campus Haninge Eaminator:

Läs mer

SF1901: Sannolikhetslära och statistik

SF1901: Sannolikhetslära och statistik SF1901: Sannolikhetslära och statistik Föreläsning 5. Kovarians, korrelation, väntevärde och varians för summor av s.v.:er, normalfördelning (del 1) Jan Grandell & Timo Koski 15.09.2008 Jan Grandell &

Läs mer

Tentamen MVE302 Sannolikhet och statistik

Tentamen MVE302 Sannolikhet och statistik Tentamen MVE32 Sannolikhet och statistik 219-6-5 kl. 8:3-12:3 Examinator: Johan Jonasson, Matematiska vetenskaper, Chalmers Telefonvakt: Oskar Allerbo, telefon: 31-7725325 Hjälpmedel: Valfri miniräknare.

Läs mer

Studietips inför kommande tentamen TEN1 inom kursen TNIU23

Studietips inför kommande tentamen TEN1 inom kursen TNIU23 Studietips inför kommande tentamen TEN1 inom kursen TNIU23 Lämplig ordning på sammanfattande studier inom denna kurs: Inled med att grundligt studera föreläsningsanteckningarna Därefter läs tillhörande

Läs mer

Matematisk statistik för D, I, Π och Fysiker

Matematisk statistik för D, I, Π och Fysiker Matematisk statistik för D, I, Π och Fysiker Föreläsning 15 Johan Lindström 4 december 218 Johan Lindström - johanl@maths.lth.se FMSF45/MASB3 F15 1/28 Repetition Linjär regression Modell Parameterskattningar

Läs mer

Grundläggande matematisk statistik

Grundläggande matematisk statistik Grundläggande matematisk statistik Kontinuerliga fördelningar Uwe Menzel, 8 www.matstat.de Begrepp fördelning Hur beter sig en variabel slumpmässigt? En slumpvariabel (s.v.) har en viss fördelning, d.v.s.

Läs mer

Lösningsförslag envariabelanalys

Lösningsförslag envariabelanalys Lösningsförslag envariabelanalys 2 28-8-3. Evationen är linjär och har det arateristisa polynomet p(r) r 3 r 2 + 4r 4 (r 2 + 4)(r ). Således ges lösningarna till den homogena evationen p(d)y h av y h C

Läs mer