Problemlösning. Måns Thulin. Uppsala universitet Statistik för ingenjörer 30/ /16
|
|
- Rut Magnusson
- för 6 år sedan
- Visningar:
Transkript
1 1/16 Problemlösning Måns Thulin Uppsala universitet Statistik för ingenjörer 30/1 2013
2 Kursinformation: diskussionsuppgifter Under kursens gång kommer vi att ha 12 diskussionsproblem på lektionerna. Många av problemen har mer än en lösning. Problemen kan laddas ned från kurshemsidan statistikkurs.se och löses individuellt innan respektive lektion. Vid lektionerna delas studenterna in i små grupper, i vilka man får presentera sina lösningar och diskutera problemen med varandra. Studenter som deltar aktivt i de presentationerna/diskussionerna kan få bonuspoäng till tentamen. Den som deltagit aktivt i diskussionerna om minst 7 problem får 1 bonuspoäng. Den som deltagit aktivt i diskussionerna om minst 10 problem får istället 2 bonuspoäng. 2/16
3 3/16 Kursinformation: datorövningarna Syftet med datorövningarna är att vi ska se hur man kan använda ett statistikprogram för att undersöka data och köra datorsimuleringar. Simuleringarna används dels för att ge en ökad förståelse för slumpen och dels för att lösa komplexa problem. Instruktionerna är utformade så att det ska gå att arbeta med övningarna på egen hand. Under de schemalagda övningarna i datorsal finns möjlighet att ställa frågor till läraren medan man arbetar med datorövningen. Till varje datorövning hör också en skriftlig inlämningsuppgift. Tillfredställande lösningar på dessa kan ge 1 bonuspoäng per inlämningsuppgift till tentamen. Datorövningarna ingår i ett pedagogiskt utvecklingsprojekt och vi kommer därför att dela ut ett litet frågeformulär om hur ni upplevde datorövningen.
4 4/16 Sannolikhetslära Låt A och B vara två händelser. P(A B) = P(både A och B inträffar) P(A B) = P(minst en av A och B inträffar) = P(A) + P(B) - P(A B) P(A ) = P(A inte inträffar) = 1 - P(A) Om A och B inte kan inträffa samtidigt så är de oförenliga: P(A B)=0. Om A och B är oberoende så är P(A B) = P(A) P(B) Oberoende och oförenliga är inte samma sak! Allmänt gäller att P(A B) = P(A) P(B A) Betingad sannolikhet: P(B A) = P(A B)/P(A)
5 5/16 Diskreta slumpvariabler En diskret slumpvariabel X beskrivs av sannolikhetsfunktionen p(k) = P(X = k). X är binomialfördelad, X Bin(n, p) om X är antalet gånger som händelsen A inträffar då man utför n oberoende försök i vilka händelsen A inträffar med sannolikhet p. X är Poissonfördelad, X Po(m) om X är antalet gånger som en sällsynt händelse inträffar under ett visst tidsintervall där händelsen i genomsnitt inträffar m gånger.
6 6/16 Problem från del A på tentan (a) För händelserna A och B gäller P(A) = 0.25, P(B) = 0.5, P(A B) = Beräkna den betingade sannolikheten P(A B). (b) En slumpvariabel X har följande sannolikhetsfunktion: x p(x) Beräkna sannolikheten P(X < 4).
7 7/16 Problem från del A på tentan (c) För tre datamaterial, vart och ett med 20 observationer, har man ritat histogram och lådagram (se figuren nedan). Para ihop rätt histogram (1-3) med rätt lådagram (A-C). Histogram 1 Histogram 2 Histogram 3 Frequency Frequency Frequency x y z Lådagram A Lådagram B Lådagram C (e) Låt X Bin(4, 0.40). Beräkna P(X 1).
8 Giftiga frukter Per och Pål har elva frukter av vilka tre är giftiga. Per äter fyra på måfå valda frukter och Pål äter sex; hunden får den återstående. Beräkna (a) Sannolikheten att hunden klarar sig. (b) Den betingade sannolikheten att både Per och Pål blir förgiftade om hunden klarar sig. 8/16
9 9/16 Problem från tentan Ett elektroniskt system består av två komponenter, A och B. Komponent A kan ha 0-2 fel medan komponenten B kan ha 0-3 fel, oberoende av A. Antalet fel är slumpmässigt och beskrivs av de respektive sannolikhetsfunktionerna p A (k) och p B (k). Antal fel k Komponent A, p A (k) 95/100 3/100 2/100 0 Komponent B, p B (k) 9/10 6/100 3/100 1/100 (a) Vad är sannolikheten att det inte finns några fel i systemet? (1p) (b) Vad är sannolikheten att det finns exakt två fel i systemet?(2p)
10 10/16 Kvalitetskontroll Ett företag får en leverans av ett mycket stort antal komponenter. De vill utföra en kvalitetskontroll och beslutar sig för att skicka tillbaka leveransen om den innehåller minst 10% defekta komponenter. De väljer ut 10 komponenter på måfå och skickar tillbaka leveransen om minst 1 av de valda komponenterna är defekt. (a) Vad är sannolikheten att leveransen skickas tillbaka om 10% av de levererade komponenterna är defekta? (b) Vad är sannolikheten att leveransen skickas tillbaka om 20% av de levererade komponenterna är defekta?
11 11/16 Kvalitetskontroll n=10 Sannolikhet för retur Skicka tillbaka om: X 1 X 2 X p=p(en komponent är defekt)
12 12/16 Kvalitetskontroll n=20 Sannolikhet för retur Skicka tillbaka om: X 1 X 2 X p=p(en komponent är defekt)
13 13/16 Arbetsledaren En arbetsledare på en stor arbetsplats har observerat att antalet vikarier X som måste hyras in under en vecka tycks följa en Po(2)-fördelning. (a) Vad är sannolikheten att ingen vikarie behövs en given vecka? (b) Vad är sannolikheten att det behövs minst 8 vikarier någon vecka det kommande året? (c) Vad är sannolikheten att de behöver hyra in vikarier minst 100 gånger under det kommande året?
14 14/16 Problem från tentan I en digital kommunikationskanal skickas 16 miljoner databitar i form av 0:or och 1:or. Sannolikheten att en skickad databit tas emot som fel siffra är Vad är sannolikheten för mer än 150 fel? Vilka antaganden behöver du göra för att beräkna sannolikheten? abrakadabra (6p)
15 Problem från tentan : digital signal Sändarenheten i ett elektroniskt signalsystem är trasig och sänder bara brus med 0:or och 1:or. Varje sekund så skickas antingen en nolla eller en etta, båda med sannolikhet 1/2. Mottagarenheten samlar de skickade siffrorna i en följd och ger larm om de två senaste siffrorna som skickades är antingen 1 1 eller 0 1 (i den ordningen). Några exempel på följder som kan observeras är alltså Efter varje larm raderas följden som mottagarenheten registrerat, så att systemet nollställs. (a) Beräkna sannolikheten för en följd där systemet ger larm för 0 1. Ledning: svaret är inte 1/2. (b) Antag nu att systemet inte nollställs vid det första larmet utan istället bara fortsätter och ger larm även nästa gång som antingen mönstret 0 1 eller 1 1 uppstår i följden. Vad är då sannolikheten att båda larmen som ges av en följd är för 1 1? 15/16
16 16/16 Vilken dörr? I ett amerikanskt tävlingsprogram på TV fick deltagarna spela spelet bilen och getterna. I spelet finns tre dörrar. Bakom en finns en bil och bakom de andra två finns getter. Programledaren vet vilken dörr som bilen finns bakom, men inte deltagaren. Deltagaren vinner bilen om hon gissar rätt dörr. Spelet går till så att deltagaren gissar en dörr, varefter programledaren öppnar en av dörrarna som deltagaren inte valt. Bakom den öppnade dörren finns en get. Programledaren erbjuder sedan deltagaren att ändra sitt val till den andra kvarvarande dörren. Ska deltagaren behålla den dörr hon först gissade på eller byta dörr?
Summor av slumpvariabler
1/18 Summor av slumpvariabler Måns Thulin Uppsala universitet thulin@math.uu.se Statistik för ingenjörer 9/2 2011 2/18 Dagens föreläsning Parkeringsplatsproblemet Räkneregler för väntevärden Räkneregler
Diskreta slumpvariabler
1/20 Diskreta slumpvariabler Måns Thulin Uppsala universitet thulin@math.uu.se Statistik för ingenjörer 28/1 2013 2/20 Dagens föreläsning En maskin gör fel ibland! En man berättar att han har minst en
Diskussionsproblem 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
Mer om slumpvariabler
1/20 Mer om slumpvariabler Måns Thulin Uppsala universitet thulin@math.uu.se Statistik för ingenjörer 4/2 2013 2/20 Dagens föreläsning Diskreta slumpvariabler Vilket kretskort ska man välja? Väntevärde
FÖRELÄSNING 3:
FÖRELÄSNING 3: 26-4-3 LÄRANDEMÅL Fördelningsfunktion Empirisk fördelningsfunktion Likformig fördelning Bernoullifördelning Binomialfördelning Varför alla dessa fördelningar? Samla in data Sammanställ data
4.1 Grundläggande sannolikhetslära
4.1 Grundläggande sannolikhetslära När osäkerhet förekommer kan man aldrig uttala sig tvärsäkert. Istället använder vi sannolikheter, väntevärden, standardavvikelser osv. Sannolikhet är ett tal mellan
Sannolikhetsteori. Måns Thulin. Uppsala universitet Statistik för ingenjörer 23/ /14
1/14 Sannolikhetsteori Måns Thulin Uppsala universitet thulin@math.uu.se Statistik för ingenjörer 23/1 2013 2/14 Dagens föreläsning Relativa frekvenser Matematik för händelser Definition av sannolikhet
F9 Konfidensintervall
1/16 F9 Konfidensintervall Måns Thulin Uppsala universitet thulin@math.uu.se Statistik för ingenjörer 18/2 2013 2/16 Kursinformation och repetition Första inlämningsuppgiften rättas nu i veckan. För att
Diskussionsproblem för Statistik för ingenjörer
Diskussionsproblem för Statistik för ingenjörer Måns Thulin Rolf Larsson rolf.larsson@math.uu.se Jesper Rydén jesper.ryden@math.uu.se Senast uppdaterad 27 januari 2016 Diskussionsproblem till Lektion 3
F14 Repetition. Måns Thulin. Uppsala universitet thulin@math.uu.se. Statistik för ingenjörer 6/3 2013 1/15
1/15 F14 Repetition Måns Thulin Uppsala universitet thulin@math.uu.se Statistik för ingenjörer 6/3 2013 2/15 Dagens föreläsning Tentamensinformation Exempel på tentaproblem På kurshemsidan finns sex gamla
F10 Problemlösning och mer om konfidensintervall
1/13 F10 Problemlösning och mer om konfidensintervall Måns Thulin Uppsala universitet thulin@math.uu.se Statistik för ingenjörer 22/2 2013 2/13 Dagens föreläsning Problemlösning Skattningar Konfidensintervall
SF1922/SF1923: SANNOLIKHETSTEORI OCH DISKRETA STOKASTISKA VARIABLER STATISTIK. Tatjana Pavlenko. 23 mars, 2018
SF1922/SF1923: SANNOLIKHETSTEORI OCH STATISTIK FÖRELÄSNING 3 DISKRETA STOKASTISKA VARIABLER Tatjana Pavlenko 23 mars, 2018 PLAN FÖR DAGENSFÖRELÄSNING Repetition av betingade sannolikheter, användbara satser
DATORÖVNING 2: SIMULERING
UPPSALA UNIVERSITET Matematiska institutionen Måns Thulin - thulin@math.uu.se Matematisk statistik Statistik för ingenjörer VT 2013 DATORÖVNING 2: SIMULERING Innehåll 1 Inledning 1 2 Inledande exempel
SF1901 Sannolikhetsteori och statistik I
SF1901 Sannolikhetsteori och statistik I Jimmy Olsson Föreläsning 3 4 november 2016 1 / 28 Idag Förra gången Stokastiska variabler (Kap. 3.2) Diskret stokastisk variabel (Kap. 3.3 3.4) Kontinuerlig stokastisk
BIOSTATISTISK GRUNDKURS, MASB11, VT-16, VT2 ÖVNING 3, OCH INFÖR ÖVNING 4
LUNDS UNIVERSITET, MATEMATIKCENTRUM, MATEMATISK STATISTIK BIOSTATISTISK GRUNDKURS, MASB11, VT-16, VT2 ÖVNING 3, 216-4-6 OCH INFÖR ÖVNING 4 Övningens mål: Du ska förstå begreppet slumpvariabel och skilja
Föreläsning 3. Sannolikhetsfördelningar
Föreläsning 3. Sannolikhetsfördelningar Jesper Rydén Matematiska institutionen, Uppsala universitet jesper.ryden@math.uu.se 1MS008, 1MS777 vt 2016 Slumpvariabel? Resultatet av ett slumpmässigt försök utgörs
F8 Skattningar. Måns Thulin. Uppsala universitet Statistik för ingenjörer 14/ /17
1/17 F8 Skattningar Måns Thulin Uppsala universitet thulin@math.uu.se Statistik för ingenjörer 14/2 2013 Inledande exempel: kullager Antag att diametern på kullager av en viss typ är normalfördelad N(µ,
4.2.1 Binomialfördelning
Ex. Kasta en tärning. 1. Vad är sannolikheten att få en 6:a? 2. Vad är sannolikheten att inte få en 6:a? 3. Vad är sannolikheten att få en 5:a eller 6:a? 4. Om vi kastar två gånger, vad är då sannolikheten
BIOSTATISTISK GRUNDKURS, MASB11, VT-16, VT2 ÖVNING 1, OCH ÖVNING 2, SAMT INFÖR ÖVNING 3
LUNDS UNIVERSITET, MATEMATIKCENTRUM, MATEMATISK STATISTIK BIOSTATISTISK GRUNDKURS, MASB11, VT-16, VT2 ÖVNING 1, 2016-04-01 OCH ÖVNING 2, 2016-04-04 SAMT INFÖR ÖVNING 3 Övningarnas mål: Du ska förstå grundläggande
F6 STOKASTISKA VARIABLER (NCT ) Används som modell i situation av följande slag: Slh för A är densamma varje gång, P(A) = P.
Stat. teori gk, ht 2006, JW F6 STOKASTISKA VARIABLER (NCT 5.4-5.6) Binomialfördelningen Används som modell i situation av följande slag: Ett slumpförsök upprepas n gånger (oberoende upprepningar). Varje
Föreläsning 5. Funktioner av slumpvariabler. Ett centralt resultat.
Föreläsning 5. Funktioner av slumpvariabler. Ett centralt resultat. Jesper Rydén Matematiska institutionen, Uppsala universitet jesper.ryden@math.uu.se 1MS008, 1MS777 vt 2016 Ytterligare begrepp Viktiga
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)
Sannolikhet och statistik 1MS005
UPPSALA UNIVERSITET Matematiska institutionen Jesper Rydén Matematisk statistik Sannolikhet och statistik 1MS005 2013 08 28 Sannolikhet och statistik 1MS005 Kurshemsida: http://www2.math.uu.se/ jesper/sos13.html
bli bekant med summor av stokastiska variabler.
LUNDS TEKNISKA HÖGSKOLA MATEMATIKCENTRUM MATEMATISK STATISTIK DATORÖVNING 2 MATEMATISK STATISTIK FÖR E FMSF20 Syfte: Syftet med dagens laborationen är att du skall: få förståelse för diskreta, bivariate
DATORÖVNING 2 MATEMATISK STATISTIK FÖR D, I, PI OCH FYSIKER; FMSF45 & MASB03. bli bekant med summor av stokastiska variabler.
LUNDS TEKNISKA HÖGSKOLA MATEMATIKCENTRUM MATEMATISK STATISTIK DATORÖVNING 2 MATEMATISK STATISTIK FÖR D, I, PI OCH FYSIKER; FMSF45 & MASB03 Syfte: Syftet med dagens laborationen är att du skall: få förståelse
Tentamen i Statistik, STA A13 Deltentamen 1, 4p 12 november 2005, kl
Karlstads universitet Institutionen för informationsteknologi Avdelningen för statistik Tentamen i Statistik, STA A13 Deltentamen 1, 4p 1 november 005, kl. 09.00-13.00 Tillåtna hjälpmedel: Bifogad formel-
SF1901: Sannolikhetslära och statistik
SF9: Sannolikhetslära och statistik Föreläsning 3. Stokastiska variabler, diskreta och kontinuerliga Jan Grandell & Timo Koski 25..26 Jan Grandell & Timo Koski Matematisk statistik 25..26 / 44 Stokastiska
Grundläggande matematisk statistik
Grundläggande matematisk statistik Diskreta fördelningar Uwe Menzel, 2018 www.matstat.de Begrepp fördelning Hur beter sig en variabel slumpmässigt? En slumpvariabel (s.v.) har en viss fördelning, d.v.s.
Datorövning 2 Betingad fördelning och Centrala gränsvärdessatsen
Lunds tekniska högskola Matematikcentrum Matematisk statistik FMS012/MASB03: MATEMATISK STATISTIK, 9 HP, HT-16 Datorövning 2 Betingad fördelning och Centrala gränsvärdessatsen Syftet med den här laborationen
Föreläsning 2, Matematisk statistik för M
Repetition Stok. Var. Diskret Kont. Fördelningsfnk. Föreläsning 2, Matematisk statistik för M Erik Lindström 25 mars 2015 Erik Lindström - erikl@maths.lth.se FMS012 F2 1/16 Repetition Stok. Var. Diskret
Några extra övningsuppgifter i Statistisk teori
Statistiska institutionen Några extra övningsuppgifter i Statistisk teori 23 JANUARI 2009 2 Sannolikhetsteorins grunder 1. Tre vanliga symmetriska tärningar kastas. Om inte alla tre tärningarna visar sexa,
Tentamen i Statistik, STA A13 (4 poäng) Lördag 11 november 2006, Kl
Tentamen i Statistik, STA A13 ( poäng) Lördag 11 november 00, Kl 09.00-13.00 Tillåtna hjälpmedel: Bifogad formelsamling, approximationsschema och tabellsamling (dessa skall returneras). Egen miniräknare.
SF1901: Sannolikhetslära och statistik
SF9: Sannolikhetslära och statistik Föreläsning 3. Stokastiska variabler, diskreta och kontinuerliga Jan Grandell & Timo Koski 8.9.28 Jan Grandell & Timo Koski () Matematisk statistik 8.9.28 / 45 Stokastiska
1. Du slår en tärning två gånger. Låt A vara händelsen att det första kastet blir en sexa och låt B vara händelsen att summan av kasten blir sju.
Projekt MVE49 Del 1 Det är tillåtet att sammarbeta, men alla lösningar skall lämnas in individuellt. Sista inlämningsdag är 4de oktober på föreläsningen. Det är ok att lämna in elektroniskt genom att maila
Föreläsning 6, Repetition Sannolikhetslära
Föreläsning 6, Repetition Sannolikhetslära kap 4 Sannolikhetslära och slumpvariabler kap 5 Stickprov, medelvärden, CGS, binomialfördelning Viktiga grundbegrepp utfall, händelse, sannolikheter, betingad
Repetition och förberedelse. Sannolikhet och sta.s.k (1MS005)
Repetition och förberedelse Sannolikhet och sta.s.k (1MS005) Formellsamling och teori Nästa varje ekva.on som vi använder under kursen finns I samlingen. Tricket i examen är hica räc metod/fördelning.ll
Storräkneövning: Sannolikhetslära
UPPSALA UNIVERSITET Matematiska institutionen Jakob Björnberg Sannolikhet och statistik 2012 09 28 Storräkneövning: Sannolikhetslära 1. (Tentamen, april 2009.) Man har efter studier av beredskapen hos
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)
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 6.5 hp AT1MS1 DTEIN16h 7,5 högskolepoäng TentamensKod: Tentamensdatum: 1 juni 2017 Tid: 14-18 Hjälpmedel: Miniräknare Totalt antal
LÖSNINGSFÖRSLAG TILL TENTAMEN I MATEMATISK STATISTIK 2007-08-29
UMEÅ UNIVERSITET Institutionen för matematik och matematisk statistik Statistik för Teknologer, 5 poäng (TNK, ET, BTG) Peter Anton, Per Arnqvist Anton Grafström TENTAMEN 7-8-9 LÖSNINGSFÖRSLAG TILL TENTAMEN
Summor av slumpvariabler
1/22 Summor av slumpvariabler Måns Thulin Uppsala universitet thulin@math.uu.se Statistik för ingenjörer 8/2 2013 2/22 Dagens föreläsning Väntevärde och varians Vanliga kontinuerliga fördelningar Parkeringsplatsproblemet
1.1 Diskret (Sannolikhets-)fördelning
Föreläsning III. Diskret (Sannolikhets-)fördelning Med diskret menas i matematik, att något antar ett ändligt antal värden eller uppräkneligt oändligt med värden e.vis {, 2, 3,...}. Med fördelning menas
Tentamen i Sannolikhetslära och statistik (lärarprogrammet) 12 februari 2011
STOCKHOLMS UNIVERSITET MATEMATISK STATISTIK Louise af Klintberg Lösningar Tentamen i Sannolikhetslära och statistik (lärarprogrammet) 12 februari 2011 Uppgift 1 a) För att få hög validitet borde mätningarna
Introduktion 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
Tentamen i Statistik, STA A13 Deltentamen 1, 4p 24 april 2004, kl
Karlstads universitet Institutionen för informationsteknologi Avdelningen för statistik Tentamen i Statistik, STA A13 Deltentamen 1, 4p 4 april 004, kl. 09.00-13.00 Tillåtna hjälpmedel: Ansvarig lärare:
732G01/732G40 Grundläggande statistik (7.5hp)
732G01/732G40 Grundläggande statistik (7.5hp) 2 Grundläggande statistik, 7.5 hp Mål: Kursens mål är att den studerande ska tillägna sig en översikt över centrala begrepp och betraktelsesätt inom statistik.
Tentamen i Statistik, STA A13 Deltentamen 1, 4p 27 mars 2004, kl
Karlstads universitet Institutionen för informationsteknologi Avdelningen för statistik Tentamen i Statistik, STA A13 Deltentamen 1, 4p 7 mars 004, kl. 09.00-13.00 Tillåtna hjälpmedel: Ansvarig lärare:
Tentamen i Matematisk statistik Kurskod S0001M
Tentamen i Matematisk statistik Kurskod S0001M Poäng totalt för del 1: 25 (10 uppgifter) Tentamensdatum 2017-08-22 Poäng totalt för del 2: 30 (3 uppgifter) Skrivtid 9.00 14.00 Jourhavande lärare: Mykola
SF1901: Övningshäfte
SF1901: Övningshäfte 5 september 2013 Uppgifterna under rubriken Övning kommer att gås igenom under övningstillfällena. Uppgifterna under rubriken Hemtal är starkt rekommenderade och motsvarar nivån på
Mer 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
SF1920/SF1921 Sannolikhetsteori och statistik 6,0 hp Föreläsning 3 Diskreta stokastiska variabler. Jörgen Säve-Söderbergh
SF1920/SF1921 Sannolikhetsteori och statistik 6,0 hp Föreläsning 3 Diskreta stokastiska variabler Jörgen Säve-Söderbergh Stokastisk variabel Singla en slant två gånger. Ω = {Kr Kr, Kr Kl, Kl Kr, Kl Kl}
Matematisk statistik for B, K, N, BME och Kemister. Matematisk statistik slumpens matematik. Beskriva Data Florence Nightingale. Forel.
Matematisk statistik for B, K, N, BME och Kemister asning Forel 1 Johan Lindstrom 29 augusti 2016 Johan Lindstr om - johanl@maths.lth.se FMS086/MASB02 F1 2/21 Till ampningar Matematisk statistik slumpens
histogram över 1000 observerade väntetider minuter 0.06 f(x) täthetsfkn x väntetid 1
Lunds tekniska högskola Matematikcentrum Matematisk statistik FMSF5: Matematisk statistik för L och V OH-bilder på föreläsning 4, 27--8 EXEMPEL: buss. Från en busshållplats avgår en buss var 2 min (inga
I den här datorövningen ser vi hur R kan utnyttjas för att kontrollera modellantaganden och beräkna konfidensintervall.
UPPSALA UNIVERSITET Matematiska institutionen Måns Thulin Statistik för ingenjörer 1MS008 VT 2011 DATORÖVNING 2: SKATTNINGAR OCH KONFIDENSINTERVALL 1 Inledning I den här datorövningen ser vi hur R kan
Matematisk statistik 9hp Föreläsning 2: Slumpvariabel
Matematisk statistik 9hp Föreläsning 2: Slumpvariabel Anna Lindgren 6+7 september 2016 Anna Lindgren anna@maths.lth.se FMS012/MASB03 F2: Slumpvariabel 1/23 Begrepp Samband Grundläggande begrepp Utfall
Välkommen till Matematik 3 för lärare!
Välkommen till Matematik 3 för lärare! Nu: Statistik för lärare + Linjär algebra + datorlabbar Antagen? Registrerad? För er som läser första ämnet nu (MAxx eller FYMA): Hållbar Utveckling med Människan
STA101, Statistik och kvantitativa undersökningar, A 15 p Vårterminen 2017
MÄLARDALENS HÖGSKOLA Akademin för ekonomi, samhälle och teknik STA101, Statistik och kvantitativa undersökningar, A 15 p Vårterminen 2017 Räknestuga 2 Förberedelser: Lyssna på föreläsningarna F4, F5 och
Tentamen L9MA30, LGMA30
Göteborgs Universitetet GU Lärarprogrammet 017 Matematik 3 för lärare, åk 7-9, Sannolikhetslära och statistik, Matematik 3 för gymnasielärare, Sannolikhetslära och statistik 017-10-0 kl. 08:30-1:30 Examinator:
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
4 Diskret stokastisk variabel
4 Diskret stokastisk variabel En stokastisk variabel är en variabel vars värde bestäms av utfallet av ett slumpmässigt försök. En stokastisk variabel betecknas ofta med X, Y eller Z (i läroboken används
Tentamen i Sannolikhetslära och statistik Kurskod S0008M
Tentamen i Sannolikhetslära och statistik Kurskod S0008M Poäng totalt för del 1: 25 (9 uppgifter) Tentamensdatum 2011-06-04 Poäng totalt för del 2: 30 (3 uppgifter) Skrivtid 09.00 14.00 Lärare: Adam Jonsson,
Problemdel 1: Uppgift 1
STOCKHOLMS UNIVERSITET MT 00 MATEMATISKA INSTITUTIONEN LÖSNINGAR Avd. Matematisk statistik, CH 8 februari 0 LÖSNINGAR 8 februari 0 Problemdel : Uppgift Rätt svar är: a) X och X är oberoende och Y och Y
Tentamen i Statistik, STA A10 och STA A13 (9 poäng) Fredag 8 december 2006, Kl
Tentamen i Statistik, STA A10 och STA A13 (9 poäng) Fredag 8 december 2006, Kl 08.15-13.15 Tillåtna hjälpmedel: Bifogad formelsamling, approximationsschema och tabellsamling (dessa skall returneras). Egen
Slumpvariabler och sannolikhetsfördelningar
och sannolikhetsfördelningar Föreläsning 4 Sannolikhet och Statistik 5 hp Fredrik Jonsson April 2010 Översikt 1. Verklighetsanknutna exempel. Definition relativt utfallsrum. 2. Sannolikhetsfördelningar
Kapitel 5 Multivariata sannolikhetsfördelningar
Sannolikhetslära och inferens II Kapitel 5 Multivariata sannolikhetsfördelningar 1 Multivariata sannolikhetsfördelningar En slumpvariabel som, när slumpförsöket utförs, antar exakt ett värde sägs vara
Tentamen LMA 200 Matematisk statistik,
Tentamen LMA Matematisk statistik, Tentamen består av åtta uppgifter motsvarande totalt poäng. Det krävs minst poäng för betyg, minst poäng för 4 och minst 4 poäng för. Examinator: Ulla Blomqvist, ankn
Föreläsning 2, FMSF45 Slumpvariabel
Föreläsning 2, FMSF45 Slumpvariabel Stas Volkov 2017-09-05 Stanislav Volkov s.volkov@maths.lth.se FMSF45 F2: Slumpvariabel 1/23 Begrepp Samband Grundläggande begrepp och beteckningar Utfall resultatet
Tentamen i Matematisk statistik Kurskod S0001M
Tentamen i Matematisk statistik Kurskod S0001M Poäng totalt för del 1: 25 (10 uppgifter) Tentamensdatum 2019-01-18 Poäng totalt för del 2: 30 (3 uppgifter) Skrivtid 9.00 14.00 Lärare: Adam Jonsson, Mykola
Finansiell statistik, vt-05. Slumpvariabler, stokastiska variabler. Stokastiska variabler. F4 Diskreta variabler
Johan Koskinen, Statistiska institutionen, Stockholms universitet Finansiell statistik, vt-05 F4 Diskreta variabler Slumpvariabler, stokastiska variabler Stokastiska variabler diskreta variabler kontinuerliga
Datorövning 1: Fördelningar
Lunds tekniska högskola Matematikcentrum Matematisk statistik FMS012/MASB03: MATEMATISK STATISTIK, 9 HP, VT-17 Datorövning 1: Fördelningar I denna datorövning ska du utforska begreppen sannolikhet och
15.1 Mer om betingad sannolikhet
15.1 Mer om betingad sannolikhet Exempel 1. En vanlig tärning kastas Låt A tärningen visar 1 Låt B tärningen visar ett udda poängantal Bestäm P(A). Bestäm P(A B), det vill säga: Hur stor är sannolikheten
Sannolikhetslära. 19 februari 2009. Vad är sannolikheten att vinna om jag köper en lott?
Sannolikhetslära 19 februari 009 Vad är en sannolikhet? I vardagen: Vad är sannolikheten att vinna om jag köper en lott? Borde jag ta paraply med mig till jobbet idag? Vad är sannolikheten att det kommer
Föreläsning 4. NDAB01 Statistik; teori och tillämpning i biologi
Föreläsning 4 Statistik; teori och tillämpning i biologi 1 Dagens föreläsning o Icke-parametriska test Mann-Whitneys test (kap 8.10 8.11) Wilcoxons test (kap 9.5) o Transformationer (kap 13) o Ev. Andelar
FÖRELÄSNING 4:
FÖRELÄSNING 4: 26-4-9 LÄRANDEMÅL Poissonfördelning Kontinuerliga slumpvariabler Kontinuerlig uniform fördelning Exponentialfördelning Samla in data Sammanställ data Gissa modell för datan Testa modellen
STA101, Statistik och kvantitativa undersökningar, A 15 p Vårterminen 2017
MÄLARDALENS HÖGSKOLA Akademin för ekonomi, samhälle och teknik STA101, Statistik och kvantitativa undersökningar, A 15 p Vårterminen 2017 Räknestuga 2 Förberedelser: Lyssna på föreläsningarna F4, F5 och
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
Tentamen i Matematisk statistik Kurskod S0001M
Tentamen i Matematisk statistik Kurskod S0001M Poäng totalt för del 1: 25 (10 uppgifter) Tentamensdatum 2019-06-07 Poäng totalt för del 2: 30 (3 uppgifter) Skrivtid 9.00 14.00 Lärare: Adam Jonsson Jourhavande
Tentamen i Statistik, STA A10 och STA A13 (9 poäng) Onsdag 1 november 2006, Kl 08.15-13.15
Tentamen i Statistik, STA A och STA A13 (9 poäng) Onsdag 1 november 00, Kl 0.15-13.15 Tillåtna hjälpmedel: Bifogad formelsamling, approximationsschema och tabellsamling (dessa skall returneras). Egen miniräknare.
Matematikcentrum 1(6) Matematisk Statistik Lunds Universitet MASB11 - Biostatistisk grundkurs VT2014, lp3. Laboration 2. Fördelningar och simulering
Matematikcentrum 1(6) Matematisk Statistik Lunds Universitet MASB11 - Biostatistisk grundkurs VT2014, lp3 Laboration 2 Fördelningar och simulering Introduktion 2014-02-06 Syftet med laborationen är dels
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
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
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: 2012-05-29 Tid:
F11 Två stickprov. Måns Thulin. Uppsala universitet thulin@math.uu.se. Statistik för ingenjörer 26/2 2013 1/11
1/11 F11 Två stickprov Måns Thulin Uppsala universitet thulin@math.uu.se Statistik för ingenjörer 26/2 2013 2/11 Dagens föreläsning Konfidensintervall när man har ihopparade stickprov Att väga samman skattningar
Extrauppgifter 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
Tentamen i matematisk statistik för BI2 den 16 januari 2009
Tentamen i matematisk statistik för BI den 6 januari 9 Uppgift : Ett graviditetstest att använda i hemmet är inte helt tillförlitligt. Ett speciellt test visar positivt resultat för kvinnor, som inte är
Matematisk statistik 9 hp för I, Pi, C, D och fysiker Föreläsning 1: Introduktion och Sannolikhet
Matematisk statistik 9 hp för I, Pi, C, D och fysiker Föreläsning 1: Introduktion och Sannolikhet Anna Lindgren 30+31 augusti 2016 Anna Lindgren anna@maths.lth.se FMS012/MASB03 F1: Sannolikhet 1/27 Praktiska
Tentamen i Statistik, STA A10 och STA A13 (9 poäng) Måndag 14 maj 2007, Kl
Karlstads universitet Avdelningen för nationalekonomi och statistik Tentamen i Statistik, STA A10 och STA A13 (9 poäng) Måndag 14 maj 2007, Kl 08.15-13.15 Tillåtna hjälpmedel: Bifogad formelsamling, approximationsschema
Tentamen i statistik och sannolikhetslära för BI2 den 27 maj 2010
Tentamen i statistik och sannolikhetslära för BI den 7 maj 010 Uppgift 1: rik och Simon har gått till puben tillsammans. De beslutar sig för att spela dart (vilket innebär att man kastar pil mot en tavla).
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
Föreläsning 7. Statistikens grunder.
Föreläsning 7. Statistikens grunder. Jesper Rydén Matematiska institutionen, Uppsala universitet jesper.ryden@math.uu.se 1MS008, 1MS777 vt 2016 Föreläsningens innehåll Översikt, dagens föreläsning: Inledande
Tentamentsskrivning: 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:
Matematisk statistik 9hp för: C,D,I, Pi
Matematisk statistik 9hp för: C,D,I, Pi Föreläsning 1, Sannolikhet Stas Volkov September 12, 2017 Stanislav Volkov s.volkov@maths.lth.se FMSF45 F1: Sannolikhet 1/27 Tillämpningar Praktiska detaljer Matematisk
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
Övningstentamen 1. c) Beräkna sannolikheten att exakt en av A eller B inträffar (6 poäng)
Övningstentamen Uppgift : Vid ett experiment kan en händelse A, en händelse B eller både A och B inträffa. I en serie om 00 försök har man sammanställt följande statistik: i 90 fall har minst en av A eller
Föreläsning G70 Statistik A
Föreläsning 2 732G70 Statistik A Introduktion till sannolikhetslära Sannolikhetslära: område inom statistiken där vi studerar experiment vars utfall beror av slumpen Sannolikhet: numeriskt värde (mellan
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
Laboration 1: Grundläggande sannolikhetsteori, simulering och dataanalys
LUNDS TEKNISKA HÖGSKOLA MATEMATIKCENTRUM MATEMATISK STATISTIK LABORATION 1 MATEMATISK STATISTIK AK FÖR F OCH FYSIKER, FMS012/MASB03, VT15 Laboration 1: Grundläggande sannolikhetsteori, simulering och dataanalys
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
Studiehandledning S0001M Matematisk statistik Läsperiod 2, HT 2017
Studiehandledning S0001M Matematisk statistik Läsperiod 2, HT 2017 Innehåll 1 Kursöversikt, mål och litteratur 2 2 Kursupplägg 3 2.1 Lektionsundervisning i samarbetsgrupper........... 3 2.2 Webbuppgifter..........................