LÖSNINGAR TILL. Räkningar: (z i z) 2 = , Δ = z = 1 n. n 1. Konfidensintervall:
|
|
- Simon Åberg
- för 8 år sedan
- Visningar:
Transkript
1 LÖSNINGAR TILL Matematisk statistik Tetame: kl Matematikcetrum FMS 086 Matematisk statistik för B, K, N och BME, 7.5 hp Luds tekiska högskola MASB02 Matematisk statistik för kemister, 7.5 hp Luds uiversitet 1. Modell: Stickprov i par, dvs X i = tid före hos perso i, EX i = m i, Y i = tid efter hos perso i, EY i = m i + Δ, där Δ = geomsittliga skillade i reaktiostid, Räkigar: Z i = Y i X i N Δ, σ 2, i = 1,...,, = 8, oberoede. Δ = z = 1 z i = 0.29, s = 1 1 Δ N Δ, σ 2 /. Kofidesitervall: z i z 2 = , I Δ = Δ ± t s/ = 0.29 ± / 8 = , a Låt X i N μ, vara sockerhalte i e slumpmässigt vald beta. För att udersöka om sockerhalte är för låg vill vi testa H 0 : μ = 17 mot H 1 : μ < 17 på sigifikasivå α = E skattig av μ ges av μ = x = 16.68, Det esidiga testet ka göras med: μ N μ, Kofidesitervall: Ett uppåt begräsat itervall ger [ ] [ ] I μ =, μ λ 0.01 =, = [, ] Vi ka ite förkasta H 0 eftersom μ 0 = 17 fis i itervallet I μ. Teststorhet: T = μ μ 0 0.5/ = 0.5/ = Vi ka ite förkasta H 0 eftersom T λ 0.01 = b Att med 99.9% säkerhet upptäcka om μ 16 svarar mot Pförkasta H 0 om μ 16 = Eftersom det är lättare att upptäcka större avvikelser räcker det att studera gräsfallet Pförkasta H 0 om μ = 16 = 0.999
2 Styrkefuktioe ges av hμ = Pförkasta H 0 om μ är rätt värde = P μ μ 0 = P 0.5/ < λ 0.01 = P }{{} T μ μ = P 0.5/ < λ μ 0 μ 0.5/ = Φ }{{} N 0,1 Vilkoret hμ = ger att Φ λ μ 0 μ 0.5/ = λ μ 0 μ 0.5/ = λ μ 0 μ 0.5 Och vi behöver = 8 mätigar. = λ λ 0.01 = λ λ 0.01 μ 0 μ T < λ 0.01 μ N μ < λ μ = = = a Vi asätter e model där observatioera är λ μ 0 μ 0.5/ μ, = y ijk = μ ij + ε ijk, i = 1, 2; j = 1, 2; k = 1,..., med oberoede och ormalfördelade fel, ε ijk N 0, σ 2. Skattig av huvud- och samspelseffekter är  = μ 11 + μ 21 μ 12 + μ = 0.58, B = μ 11 μ 21 + μ 12 + μ = 0.19, ÂB = μ 11 μ 21 μ 12 + μ = 0.185, de poolade variasskattige är s 2 = s s s s = 1.23 med f = = 16 frihetsgrader, och medelfelet för respektive effekt är deffekt = s 2 2 = = Ett kofidesitervall för respektive effekt ges av I effekt = êffekt ± t f deffekt = êffekt ± = êffekt ± , och effektera är sigifikata om êffekt > itervaller kommer då ite att iehålla 0. Edast huvudeffekt A är sigifikat.
3 b Pumpora bör odlas på lerjord uta kostgödsel eftersom effekte av kostgödsel ite är sigifikat. 4. a I residualera frå Model 1 fis ett resterade beroede med x i form av e kvadratisk fuktio. Residualera för Model 2 har iget lika uppebart beroede på x, däremot är variase ite kostat ökar med ökade x. b För Model 3 blir parameterskattigara: β = S xy = α = x β ȳ = S 2 xy β N β, σ2 1 α N α, σ 2 + x2 s 2 = σ 2 = Q 0 2 = S yy 2 = s = = Medelfel för skattigara är dα = s dβ = 1 + x2 = s = = , Sxx Och 95%-iga kofidesitervall för α och β ges av = I α = α ± t dα = ± = [ , ] I β = β ± t dβ = ± = [ , ] c Eftersom T = l 2/β så ka vi få ett 95% kofidesitervall för T geom att trasformera itervallet för β. Notera dock att vi behöver byta plats på gräsera I T = l 2 = [ l 2 I , ] [ ] l = , β 5. Om X är atalet skrämda besökare uta falska spidelät och Y är atalet skrämda besökare med falska spidelät så är e lämplig model: X Bi 1, p 1, 1 = 75, Y Bi 2, p 2, 2 = 100. Vi vill u testa H 0 : p 1 = p 2 mot H 1 : p 1 < p 2 fler skrämda besökare. Skattigar av saolikhetera är p 1 = x/ 1 = 50/75 = 2/3, p 2 = y/ 2 = 80/100 = 0.8, och uder H o p = x + y = = Eftersom p 1 p 1 = 14.3 > 10 och p 1 p 1 = 19.1 > 10 ka både X och Y ormalapproximeras. Medelfelet för skillade i saolikhet uder H 0 är dp 2 p V Y 1 = + V X = p 1 p p 1 p = p 1 p + 1 = =
4 Vi räkar se ut teststorhete för det esidiga hypotestestet: T = p 2 p /3 dp 2 p 1 = = Vi ka förkasta H 0 eftersom T > λ 0.05 = a Atalet gåger e godtycklig besökare skriker beskrivs med e stokastisk variabel X. Saolikhetera i uppgifte ger saolikhetsfuktioe till X : Vätevärde och varias via EX 2 blir EX = k k p X k kp X k = = 1.1 EX 2 = k k 2 p X k = = 1.7 V X = EX 2 EX 2 = = 0.49 b Saolikhete att e svamp är ätlig är p = 4/5. Saolikhete att alla tolv svampar är ätliga blir då p 12 = 4/ Alterativt ka ma låta X vara atalet ätliga svampar, dvs X Bi12, p, och räka ut PX = 12. c Sambadet mella fördeligsfuktio och saolikhets- eller täthetsfuktio ges av: { k x PX x = F X x = p X k, diskret fördelig x f X t dt, kotiuerlig fördelig och vi behöver para ihop fuktioera i A,B,C med deras derivator i I,II,III. i A-III, B-II och C-I. Eftersom fuktioera i C och I gäller e diskret variabel och fördeligsfuktioe i B är oll om x 0, vilket stämmer med täthete i II. ii PX 0 = 1 PX 0 = 1 F X = 0.75, där vi läst av F X i figure. d Låt X i betecka vikte av e pumpa med EX i = 5.5 och V X i = Vikte av 100 pumpor är då approximativt ormalfördelad eligt CGS summa av måga likafördelade och oberoede variabler med Y = X i EY = E X i = EX i = 550 V Y = V DY = 144 = X i = V X i = = 144 och de sökta saolikhete blir P 540 Y 600 = P Y 12 = Φ Φ = e Styrkefuktioe ger saolikhete att förkasta H 0 för olika värde på μ = P Y = 12
5 i Eftersom styrkefuktioe är stor för små värde på μ så är testet kostruerat att upptäcka avvikelser edåt frå oll-hypotse, dvs om μ < μ 0. Alltså är mot-hypotese H 1 : μ < 1. ii Testets sigifikasivå ges av hμ 0 = h1 = 0.10, dvs α = iii Testets styrka då μ = 0.5 ges av h
1. (a) Eftersom X och Y har samma fördelning så har de även samma väntevärde och standardavvikelse. E(X 2 ) = k
LÖSNINGAR TILL Matematisk statistik, Matematikcetrum Tetame: 5 kl 8 Luds tekiska högskola FMS, FMS, FMS, FMS 5, MAS 9 Matematisk statistik för ED, F, I, FED och fysiker. a Eftersom X och Y har samma fördelig
Uppsala Universitet Matematiska institutionen Matematisk Statistik. Formel- och tabellsamling. Sannolikhetsteori och Statistik
Uppsala Uiversitet Matematiska istitutioe Matematisk Statistik Formel- och tabellsamlig Saolikhetsteori och Statistik IT2-2004 Formelsamlig, Saolikhetsteori och Statistik IT-2004 1 Saolikhetsteori 1.1
För att skatta väntevärdet för en fördelning är det lämpligt att använda Medelvärdet. E(ξ) =... = µ
1 February 1, 2018 1 Förel. VII Puktskattigar av parametrar i fördeligar 1.1 Puktskattig För att skatta vätevärdet för e fördelig är det lämpligt att aväda Medelvärdet ξ = 1 ξ j. Vi tar u vätevärdet av
θx θ 1 om 0 x 1 f(x) = 0 annars
Avd. Matematisk statistik TENTAMEN I SF903 SANNOLIKHETSLÄRA OCH STATISTIK FÖR 3-ÅRIG Media TIMEH TORSDAGEN DEN TREDJE JUNI 200 KL 4.00 9.00. Examiator: Guar Eglud, tel. 790 74 06 Tillåta hjälpmedel: Läroboke.
Sannolikhetsteori FORMELSAMLING MATEMATISK STATISTIK, AK FÖR I, FMS 120, HT-00. Kap 2: Sannolikhetsteorins grunder
LUNDS TEKNISKA HÖGSKOLA MATEMATIKCENTRUM MATEMATISK STATISTIK FORMELSAMLING MATEMATISK STATISTIK, AK FÖR I, FMS 10, HT-00 Saolikhetsteori Kap : Saolikhetsteoris gruder Följade gäller för saolikheter: 0
a) Beräkna E (W ). (2 p)
Avd. Matematisk statistik TENTAMEN I SF19 och SF191 SANNOLIKHETSTEORI OCH STATISTIK, TISDAGEN DEN 13:E MARS 18 KL 8. 13.. Examiator: Björ-Olof Skytt, 8 79 86 49. Tillåta hjälpmedel: Formel- och tabellsamlig
Intervallskattning. c 2005 Eric Järpe Högskolan i Halmstad. Antag att vi har ett stickprov x 1,..., x n på X som vi vet är N(µ, σ) men vi vet ej
Itervallskattig c 005 Eric Järpe Högskola i Halmstad Atag att vi har ett stickprov x,..., x på X som vi vet är Nµ, σ me vi vet ej värdet av µ = EX. Då ka vi beräka x, vvr skattig av µ. För att få reda
Statistisk analys. Vilka slutsatser kan dras om populationen med resultatet i stickprovet som grund? Hur säkra uttalande kan göras om resultatet?
Statistisk aalys Vilka slutsatser ka dras om populatioe med resultatet i stickprovet som grud? Hur säkra uttalade ka göras om resultatet? Mats Guarsso Tillämpad matematik III/Statistik - Sida 83 Exempel
Minsta kvadrat-metoden, MK. Maximum likelihood-metoden, ML. Medelfel. E(X i ) = µ i (θ) MK-skattningen av θ fås genom att minimera
Matematisk statistik slumpes matematik Saolikhetsteori hur beskriver ma slumpe? Statistikteori vilka slutsatser ka ma dra av ett datamaterial? Statistikteori översikt Puktskattig Hur gör ma e bra gissig
(a) Skissa täthets-/frekvensfunktionen och fördelningsfunktionen för X. Glöm inte att ange värden på axlarna.
1 0,5 0 LÖSNINGAR till tetame: Statistik och saolikhetslära (LMA120) Tid och plats: 08:30-12:30 de 6 april 2016 Hjälpmedel: Typgodkäd miiräkare, formelblad Betygsgräser: 3: 12 poäg, 4: 18 poäg, 5: 24 poäg.
P (A) = k A P (A ) = 1 P (A) P (A B) P (B) P (M i ) = 1 P (A) P (X = k) = p X (k) p X (k) = 1 P (A B) p X (k)
SVERIGES LANTBRUKSUNIVERSITET Istitutioe för eergi och tekik Uwe Mezel e-post: uwe.mezel@matstat.de Formelsamlig Grudläggade matematiskt statistik 2080822 Saolikhetslära Klassisk saolikhetsdeitio: P A
Statistik. Språkligt och historiskt betyder statistik ungefär sifferkunskap om staten
Statistik Språkligt och historiskt betyder statistik ugefär sifferkuskap om state E Statistisk udersökig består av fyra delar: Plaerig Dataisamlig Bearbetig Beskrivade statistik (kap 1) Statistisk aalys
Normalfördelningens betydelse. Sannolikhet och statistik. Täthetsfunktion, väntevärde och varians för N (µ, σ)
Normalfördeliges betydelse Empirisktse gur: måga storheter approximativt ormalfördelade Summa av måga ugefär oberoede och ugefär likafördelade s.v. är approximativt ormalfördelad CGS Exempel: mätfel =
Lycka till! I(X i t) 1 om A 0 annars I(A) =
Avd Matematisk statistik TENTAMEN I SF955 f d 5B555 DATORINTENSIVA METODER ONSDAGEN DEN AUGUSTI 008 KL 400 900 Examiator: Guar Eglud, tel 790746 Email: guare@mathkthse Tillåta hjälpmedel: Formel- och tabellsamlig
LÖSNINGAR 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
FORMELSAMLING MATEMATISK STATISTIK, FMS601. Fördelning Väntevärde Varians. p x (1 p) n x x = 0, 1,..., n np np(1 p) ) x = 0, 1,..., n np.
LUNDS TEKNISKA HÖGSKOLA MATEMATIKCENTRUM MATEMATISK STATISTIK FORMELSAMLING MATEMATISK STATISTIK, FMS601 Valiga fördeligar Fördelig Vätevärde Varias Biomialfördelig, Bi (, p ) P (X = x) = ( x) p x (1 p)
Viktigt! Glöm inte att skriva Tentamenskod på alla blad du lämnar in.
Statistisk försöksplaerig Provmomet: Ladokkod: Tetame ges för: Skriftlig tetame 3,0 hp 51SF01 DTEIN14h 4,5 högskolepoäg TetamesKod: Tetamesdatum: 5 ovember 015 Tid: 9.00-13.00 Hjälpmedel: Miiräkare Totalt
Antalet sätt att välja ut r objekt bland n stycken med hänsyn till ordning är np r = n(n 1) (n r + 1).
Harald Lag Formelsamlig och Tabeller i Statistik och Saolikhetsteori (15/11-10) Datareducerig Om x 1,..., x är ett stickprov ur e populatio så defiieras medelvärdet x x = 1 k=1 x k och stadardavvikelse
b) Bestäm det genomsnittliga antalet testade enheter, E (X), samt även D (X). (5 p)
Avd Matematisk statistik TENTAMEN I SF922, SF923 och SF924 SANNOLIKHETSTEORI OCH STATISTIK, TISDAGEN DEN 29:E MAJ 208 KL 0800 300 Examiator för SF922/SF923: Tatjaa Pavleko, 08-790 84 66 Examiator för SF924:
SAMMANFATTNING TAMS65
SAMMANFATTNING TAMS65 Matematisk statistik, fortsättigskurs LÄST SOM EN DEL AV CIVILINGENJÖRSPROGRAMMET I INDUSTRIELL EKONOMI VID LITH, VT 016 Seast reviderad: 016-06-01 Författare: Viktor Cheg Iehållsförteckig
2. Konfidensintervall för skillnaden mellan två proportioner.
Föreläsig 12 LV1, Torsdag 12/10 Upplägg 1. Kofidesitervall för proportioer. 2. Kofidesitervall för skillade mella två proportioer. 3. Grafteori Kofidesitervall för proportioer Atag att vi vill skatta adele
SAMMANFATTNING TAMS79 Matematisk statistik, grundkurs
SAMMANFATTNING TAMS79 Matematisk statistik, grudkurs LÄST SOM EN DEL AV CIVILINGENJÖRSPROGRAMMET I INDUSTRIELL EKONOMI VID LITH, HT 2015 Versio: 1.0 Seast reviderad: 2016-02-01 Författare: Viktor Cheg
TMS136: Dataanalys och statistik Tentamen 2013-10-26 med lösningar
TMS36: Dataaalys och statistik Tetame 03-0-6 med lösigar Examiator och jour: Mattias Sude, tel. 0730 79 9 79 Hjälpmedel: Chalmersgodkäd räkare och formelsamlig formelsamlig delas ut med teta). Betygsgräser:
Föreläsning 2: Punktskattningar
Föreläsig : Puktskattigar Joha Thim joha.thim@liu.se 7 augusti 08 Repetitio Stickprov Defiitio. Låt de stokastiska variablera X, X,..., X vara oberoede och ha samma fördeligsfuktio F. Ett stickprov x,
S0005M V18, Föreläsning 10
S0005M V18, Föreläsig 10 Mykola Shykula LTU 2018-04-19 Mykola Shykula (LTU) S0005M V18, Föreläsig 10 2018-04-19 1 / 15 Hypotesprövig ett stickprov, σ okäd. Stadardiserig av stickprovsmedelvärdet då σ är
4.2.3 Normalfördelningen
4.2.3 Normalfördelige Biomial- och Poissofördelige är två exempel på fördeligar för slumpvariabler som ka ata ädligt eller uppräkeligt måga olika värde. Sådaa fördeligar sägs vara diskreta. Ofta är ett
1. Test av anpassning.
χ -metode. χ -metode ka avädas för prövig av hypoteser i flera olika slag av problem: om e stokastisk variabel följer e viss saolikhetsfördelig med käda eller okäda parametrar. om två stokastiska variabler
Avd. Matematisk statistik
Avd. Matematisk statistik TENTAMEN I SF1917/SF1918/SF1919 SANNOLIKHETSTEORI OCH STATISTIK, TISDAG 8 JANUARI 2019 KL 8.00 13.00. Examiator för SF1917/1919: Jörge Säve-Söderbergh, 08-790 65 85. Examiator
Tentamen i Statistik, STA A13 Deltentamen 2, 5p 5 juni 2004, kl
Karlstads uiversitet Istitutioe för iformatiostekologi Avdelige för statistik Tetame i Statistik, STA A13 Deltetame, 5p 5 jui 004, kl. 09.00-13.00 Tillåta hjälpmedel: Asvarig lärare: Övrigt: Bifogad formel-
TAMS79: Föreläsning 9 Approximationer och stokastiska processer
TAMS79: Föreläsig 9 Approximatioer och stokastiska processer Joha Thim 18 ovember 2018 9.1 Biomialfördelig Vi har reda stött på dea fördelig flera gåger. Situatioe är att ett slumpförsök har två möjliga
MS-A0509 Grundkurs i sannolikhetskalkyl och statistik Exempel, del II
MS-A0509 Grudkurs i saolikhetskalkyl och statistik Exempel, del II Estimerig 2 Kofidesitervall G. Gripeberg Aalto-uiversitetet 3 februari 205 3 Hypotesprövig 4 Korrelatio och regressio G. Gripeberg Aalto-uiversitetet
Matematisk statistik TMS063 Tentamen
Matematisk statistik TMS063 Tetame 208-05-30 Tid: 8:30-2:30 Tetamesplats: SB Hjälpmedel: Bifogad formelsamlig och tabell samt Chalmersgodkäd räkare. Kursasvarig: Olof Elias Telefovakt/jour: Olof Elias,
MA2018 Tillämpad Matematik III-Statistik, 3.5hp,
MA08 Tillämpad Matematik III-Statistik, 3.5hp, 08-05-3 Hjälpmedel: Pea, radergummi och lijal. Räkedosa och medföljade formelsamlig är tillåte! Tetame består av 0 frågor! Edast Svarsblakette ska lämas i!
MA2018 Tillämpad Matematik III-Statistik, 3.5hp,
MA018 Tillämpad Matematik III-Statistik,.hp, 018-0-1 Hjälpmedel: Pea, radergummi och lijal. Räkedosa och medföljade formelsamlig är tillåte! Tetame består av 0 frågor! Edast Svarsblakette ska lämas i!
Högskoleutbildad 0,90*0,70=0,63 0,80*0,30=0,24 0,87 Ej högskoleutbildad 0,07 0,06 0,13 0,70 0,30 1,00
Lösigsförslag UPPGIFT 1 Kvia Ma Högskoleutbildad 0,90*0,70=0,63 0,80*0,30=0,24 0,87 Ej högskoleutbildad 0,07 0,06 0,13 0,70 0,30 1,00 Pr(ej högskoleutbildad kvi=0,07=7% Pr(högskoleutbildad)=0,87 c) Pr(Kvi*Pr(Högskoleutbildad)=0,70*0,87=0,609
Grundläggande matematisk statistik
Grudläggade matematisk statistik Puktskattig Uwe Mezel, 2018 uwe.mezel@slu.se; uwe.mezel@matstat.de www.matstat.de Saolikhetsteori: Saolikhetsteori och statistikteori vad vi gjorde t.o.m. u vi hade e give
MA2018 Tillämpad Matematik III-Statistik, 3.5hp,
MA2018 Tillämpad Matematik III-Statistik, 3.hp, 2018-08- Hjälpmedel: Pea, radergummi och lijal. Räkedosa och medföljade formelsamlig är tillåte! Tetame består av 20 frågor! Edast Svarsblakette ska lämas
Skattning / Inferens. Sannolikhet och statistik. Skattning / Inferens. Vad är det som skattas?
Skattig / Iferes Saolikhet och statistik Puktskattig Försöket att beskriva e hel populatio pga ågra få mätvärde! Oberservatio = Populatio HT 2008 UweMezel@mathuuse http://wwwmathuuse/ uwe/ Populatio har
Sannolikhetsteori FORMELSAMLING MATEMATISK STATISTIK, AK FÖR CDEFI, NANO OCH PI, MAS233, 2004 FMS 012, FMS 022, FMS 121 OCH MAS233
LUNDS TEKNISKA HÖGSKOLA MATEMATIKCENTRUM MATEMATISK STATISTIK FORMELSAMLING MATEMATISK STATISTIK, AK FÖR CDEFI, NANO OCH PI, MAS233, 2004 FMS 012, FMS 022, FMS 121 OCH MAS233 Saolikhetsteori Kap 2: Saolikhetsteoris
Övningstentamen i MA2018 Tillämpad Matematik III-Statistik, 3.5hp
Övigstetame i MA08 Tillämpad Matematik III-Statistik,.hp Hjälpmedel: Pea, radergummi och lijal. Räkedosa och medföljade formelsamlig är tillåte! Tetame består av 0 frågor! Edast Svarsblakette ska lämas
TENTAMEN I MATEMATIK MED MATEMATISK STATISTIK HF1004 TEN kl
TENTAMEN I MATEMATIK MED MATEMATISK STATISTIK HF004 TEN 0-04-5 kl 8.5-.5 Hjälpmedel: Formler och tabeller i statistik, räkedosa Fullstädiga lösigar erfordras till samtliga uppgifter. Lösigara skall vara
LÖSNINGAR TILL. Matematisk statistik, Tentamen: kl FMS 086, Matematisk statistik för K och B, 7.5 hp
LÖSNINGAR TILL Matematisk statistik, Tentamen: 011 10 1 kl 14 00 19 00 Matematikcentrum FMS 086, Matematisk statistik för K och B, 7.5 hp Lunds tekniska högskola MASB0, Matematisk statistik kemister, 7.5
Föreläsning 3. 732G04: Surveymetodik
Föreläsig 3 732G04: Surveymetodik Dages föreläsig Obudet slumpmässigt urval (OSU) Populatiosparametrar och stickprovsstatistikor Vätevärdesriktighet Ädliga och oädliga populatioer Medelvärde, adel Kofidesitervall
Datorövning 2 Fördelningar inom säkerhetsanalys
Luds tekiska högskola Matematikcetrum Matematisk statistik STATISTISKA METODER FÖR SÄKERHETSANALYS FMS065 Datorövig 2 Fördeligar iom säkerhetsaalys I dea datorövig ska vi studera ågra grudläggade frå saolikhetsteori:
Föreläsning G70, 732G01 Statistik A. Föreläsningsunderlagen är baserade på underlag skrivna av Karl Wahlin
Föreläsig 6 732G70, 732G01 Statistik A Föreläsigsuderlage är baserade på uderlag skriva av Karl Wahli Kapitel 6 Iferes om e populatio Sid 151-185 Puktskattig och itervallskattig Statistisk iferes om populatiosmedelvärde
Formelblad Sannolikhetsteori 1
Formelblad Saolikhetsteori Bayes formel: Låt A och D vara två hädelser Då gäller P A D = P D AP A P D Chebyshevs olikhet: Låt X vara e stokastisk variabel med vätevärde µ och varias Då gäller för alla
Lösning till tentamen för kursen Log-linjära statistiska modeller 29 maj 2007
STOCKHOLMS UNIVERSITET MS 3150 MATEMATISKA INSTITUTIONEN TENTAMEN Avd. Matematisk statistik 29 maj 2007 Lösig till tetame för kurse Log-lijära statistiska modeller 29 maj 2007 Uppgift 1 a Modelle uta ågra
Tentamen i Statistik STG A01 (12 hp) 5 mars 2010, kl. 08.15 13.15
Karlstads uiversitet Fakultete för ekoomi, kommuikatio och IT Statistik Tetame i Statistik STG A0 ( hp) 5 mars 00, kl. 08.5 3.5 Tillåta hjälpmedel: Bifogad formel- och tabellsamlig (skall retureras) samt
Finansiell Statistik (GN, 7,5 hp,, HT 2008) Föreläsning 4 (del 2)
Fiasiell Statistik (GN, 7,5 hp,, HT 008) Föreläsig 4 (del ) Pukt- och itervallskattig (LLL Kap 10) Departmet of Statistics (Gebreegus Ghilagaber, PhD, Associate Professor) Fiacial Statistics (Basic-level
Statistik för bioteknik SF1911 // KTH Matematisk statistik // Formler och tabeller. 1 Numeriska sammanfattningar (statistikor)
Statistik för biotekik SF9 // KTH Matematisk statistik // Formler och tabeller Ht 206 Numeriska sammafattigar (statistikor) För ett datamaterial x, x 2,..., x beräkas Stickprovsmedelvärde x = i= x i =
Rättningstiden är i normalfall 15 arbetsdagar, annars är det detta datum som gäller:
Matematisk Statistik Provmomet: Ladokkod: Tetame ges för: Tetame TT091A KMASK14H 7,5 högskolepoäg Nam: (Ifylles av studet) Persoummer: (Ifylles av studet) Tetamesdatum: 2 jui 2015 Tid: 9:00-13:00 Hjälpmedel:
Tentamen i matematisk statistik
MSTA3, Saolikhetsteori A, 5 p 5--7 Tetame i matematisk statistik Saolikhetsteori A, 5 poäg Skrivtid: 9.-5.. Tillåta hjälpmedel: Tabellsamlig, ege miiräkare. Studetera får behålla tetamesuppgiftera. På
Introduktion till statistik för statsvetare
"Det fis iget så praktiskt som e bra teori" November 2011 Bakgrud Stadardiserig E saolikhetsekvatio Kosekves av stora tales lag Stora tales lag ger att är slumpvariablera X i är oberoede, med e och samma
FORMELSAMLING HT-18 MATEMATISK STATISTIK FÖR B, K, N, BME OCH KEMISTER; FMSF70 & MASB02. Sannolikhetsteori. Beskrivning av data
LUNDS TEKNISKA HÖGSKOLA MATEMATIKCENTRUM MATEMATISK STATISTIK FORMELSAMLING HT-18 MATEMATISK STATISTIK FÖR B, K, N, BME OCH KEMISTER; FMSF70 & MASB02 Sannolikhetsteori Följande gäller för sannolikheter:
TENTAMEN I MATEMATISK STATISTIK
TETAME I MATEMATISK STATISTIK Te i kurse 6H, KÖTEORI OCH MATEMATISK STATISTIK, Te i kurse 6H, 6L MATEMATIK OCH MATEMATISK STATISTIK, Skrivtid: :-7: Lärare: Armi Halilovic Kurskod 6H, 6H, 6L, 6A Hjälpmedel:
F10 ESTIMATION (NCT )
Stat. teori gk, ht 2006, JW F10 ESTIMATION (NCT 8.1-8.3) Ordlista till NCT Iferece Parameter Estimator Estimate Ubiased Bias Efficiecy Cofidece iterval Cofidece level (Studet s) t distributio Slutledig,
MS-A0509 Grundkurs i sannolikhetskalkyl och statistik Sammanfattning, del II
MS-A0509 Grudkurs i saolikhetskalkyl och statistik Sammafattig, del II G. Gripeberg Aalto-uiversitetet 14 februari 014 G. Gripeberg Aalto-uiversitetet) MS-A0509 Grudkurs i saolikhetskalkyl och statistiksammafattig,
Tentamen i Sannolikhetsteori III 13 januari 2000
STOCKHOLMS UNIVERSITET MATEMATISK STATISTIK Louise af Klitberg Lösigar Tetame i Saolikhetsteori III 13 jauari 2000 Uppgift 1 a) Det mest detaljerade utfallsrummet är med uppebara beteckigar Ω = {(B1, B2),
MA2018 Tillämpad Matematik III-Statistik, 7.5hp, 2014-08-23
1 MA018 Tillämpad Matematik III-Statistik, 7.5hp, 014-08-3 Hjälpmedel: Räkedosa och medföljade formelsamlig! Täk på att dia lösigar ska utformas så att det blir lätt för läsare att följa dia takegågar.
MA2018 Tillämpad Matematik III-Statistik, 3.5hp,
MA018 Tillämpad Matematik III-Statistik,.hp, 019-0-1 Hjälpmedel: Pea, radergummi och lijal. Räkedosa och medföljade formelsamlig är tillåte! Tetame består av 0 frågor! Edast Svarsblakette ska lämas i!
Matematisk statistik
Matematisk statistik (Corelia Schiebold) Iehåll:. Saolikhetsteori 2. Diskreta stokastiska variabler 3. Kotiuerliga stokastiska variabler 4. Oberoedemått, summor av stokastiska variabler och cetrala gräsvärdessatse
Tentamen i Statistik, STA A10 och STA A13 (9 poäng) 26 mars 2004, klockan
Karlstads uiversitet Istitutioe för iformatiostekologi Avdelige för Statistik Tetame i Statistik, STA A10 och STA A13 (9 poäg) 6 mars 004, klocka 14.00-19.00 Tillåta hjälpmedel: Bifogad formelsamlig (med
Vid mer än 30 frihetsgrader approximeras t-fördelningen med N(0; 1). Konfidensintervallet blir då
Stat. teori gk, ht 006, JW F7 ENKEL LINJÄR REGRESSION, FORTS. (NCT.5-.7) Statistisk iferes rörade β Vi vet reda att b är e vätevärdesriktig skattig av modellparameter β. Vi vet också att skattige b har
F19 HYPOTESPRÖVNING (NCT ) Hypotesprövning för en differens mellan två medelvärden
Stat. teori gk, ht 006, JW F19 HPOTESPRÖVNING (NCT 11.1-11.) Hypotesprövig för e differes mella två medelvärde Samma beteckigar som vid kofidesitervall för differes mella två populatiosmedelvärde: Medelvärde
MS-A0509 Grundkurs i sannolikhetskalkyl och statistik Sammanfattning, del II
Stickprov MS-A0509 Grudkurs i saolikhetskalkyl och statistik Sammafattig del II G Gripeberg Aalto-uiversitetet 4 februari 04 Estimerig 3 Kofidesitervall 4 Hypotesprövig 5 Korrelatio och regressio G Gripeberg
F6 Uppskattning. Statistikens grunder 2 dagtid. Beteckningar, symboler, notation. Grekiskt-romerskt
01-10-19 F6 Uppskattig Statistikes gruder dagtid HT 01 Vi skattar populatiosparametrar (modellparametrar med olika statistikor: E. stickprovs- -medelvärdet X skattar μ -variase S skattar -adele P skattar
TENTAMEN I MATEMATISK STATISTIK Datum: 13 mars 08
TENTAMEN I MATEMATISK STATISTIK Datum: 3 mars 8 Te i kurse HF3, 6H3, 6L3 MATEMATIK OCH MATEMATISK STATISTIK, Te i kurse HF ( Tidigare k 6H3), KÖTEORI OCH MATEMATISK STATISTIK, Skrivtid: 8:5-:5 Hjälpmedel:
Finansiell Statistik (GN, 7,5 hp,, HT 2008) Föreläsning 4 (del 1)
Fiasiell Statistik (GN, 7,5 hp,, HT 008) Föreläsig 4 (del 1) Sampligfördeligar (LLL Kap 8) Departmet of Statistics (Gebreegus Ghilagaber, PhD, Associate Professor) Fiacial Statistics (Basic-level course,
Övningstentamen i MA2018 Tillämpad Matematik III-Statistik, 7.5hp
Övigstetame i MA08 Tillämpad Matematik III-Statistik, 7.5hp Hjälpmedel: Räkedosa och medföljade formelsamlig! Täk på att dia lösigar ska utformas så att det blir lätt för läsare att följa dia takegågar.
Föreläsning G70 Statistik A
Föreläsig 7 73G70 Statistik A Hypotesprövig för jämförelse av populatiosadelar Krav: vi har dragit två OSU p( p) > 5 för båda stickprove Steg : Välj sigifikasivå och formulera hypoteser H 0 : π - π = d
Stat. teori gk, ht 2006, JW F13 HYPOTESPRÖVNING (NCT ) Ordlista till NCT
Stat. teori gk, ht 2006, JW F13 HYPOTESPRÖVNING (NCT 10.1-10.3) Ordlista till NCT Hypothesis testig Null hypothesis Alterative hypothesis Simple / composite Oe-sided /two-sided Reject Test statistic Type
MS-A0509 Grundkurs i sannolikhetskalkyl och statistik Sammanfattning, del II
MS-A0509 Grudkurs i saolikhetskalkyl och statistik Sammafattig, del II G. Gripeberg Aalto-uiversitetet 13 februari 015 G. Gripeberg (Aalto-uiversitetet) MS-A0509 Grudkurs i saolikhetskalkyl och statistik
Tentamen i Statistik, STA A13 Deltentamen 2, 5p 20 januari 2007, kl. 09.00-13.00
0.01.007 Tetame i Statistik, STA A13 Deltetame, 5p 0 jauari 007, kl. 09.00-13.00 Tillåta hjälpmedel: Bifogad formel- och tabellsamlig (skall retureras) samt miiräkare. Asvarig lärare: Haah Hall Övrigt:
MS-A0509 Grundkurs i sannolikhetskalkyl och statistik Sammanfattning och exempel, del II
MS-A0509 Grudkurs i saolikhetskalkyl och statistik Sammafattig och exempel, del II G. Gripeberg Aalto-uiversitetet 13 februari 015 G. Gripeberg (Aalto-uiversitetet MS-A0509 Grudkurs i saolikhetskalkyl
Datorövning 2 Fördelningar inom säkerhetsanalys
Luds tekiska högskola Matematikcetrum Matematisk statistik STATISTISKA METODER FÖR SÄKERHETSANALYS FMS065, HT-15 Datorövig 2 Fördeligar iom säkerhetsaalys I dea datorövig ska vi studera ågra grudläggade
Tentamen i Matematisk statistik för V2 den 28 maj 2010
Tetame i Matematisk statistik för V de 8 maj 00 Uppgift : E kortlek består av 5 kort. Dessa delas i i färger: 3 hjärter, 3 ruter, 3 spader och 3 klöver. Kortleke iehåller damer, e i varje färg. Ata att
95%-igt konfidensintervall för andel kalsongbärare i populationen: Slutsats: Med 95% säkerhet finns andelen kalsongbärare i intervallet 38-48%
UPPGIFT 1 Vi slumpmässigt urval har varje iivi e kä saolikhet att komma me i urvalet Resultatet går att geeralisera till populatioe är ma gjort slumpmässigt urval UPPGIFT A) Kostatterme: De som ite får
MS-A0509 Grundkurs i sannolikhetskalkyl och statistik Sammanfattning och exempel, del II
MS-A0509 Grudkurs i saolikhetskalkyl och statistik Sammafattig och exempel, del II Stickprov Två yttiga fördeligar Estimerig G. Gripeberg 3 Kofidesitervall Aalto-uiversitetet 3 februari 05 4 Hypotesprövig
F3 Lite till om tidsserier. Statistikens grunder 2 dagtid. Sammansatta index 4. Deflatering HT Laspeyres index: Paasche index: Index.
F3 Lite till om tidsserier Deflaterig, att justera för iflatioe tatistikes gruder dagtid 4 3,5 3,5,5 Mjölk ockerdricka HT,5 975 976 977 978 979 98 98 98 Löpade priser År Mjölk ockerdricka KPI 945 = 975,34,
Föreläsning G70 Statistik A
Föreläsig 5 732G70 Statistik A Egeskaper hos stickprovsstatistikora Stickprovsmedelvärde Stickprovssumma Stickprovsadel Lägesmått Spridig Medelfel EX VarX 2 2 E X Var X E P Var P X X 1 1 P Eftersom respektive
Sannolikheter 0 < P < 1. Definition sannolikhet: Definition sannolikhet: En sannolikhet kan anta värden från 0 till 1
Saolikheter E saolikhet ka ata värde frå 0 till 1 0 < P < 1 Beteckas: P Pr Prob Saolikhete för e hädelse Hädelse A P(A) Pr(A) Prob(A) Defiitio saolikhet: De frekves med vilke hädelse av itresse iträffar
Matematisk statistik för B, K, N, BME och Kemister
Matematisk statistik för B, K, N, BME och Kemister Johan Lindström Repetition Johan Lindström - johanl@maths.lth.se FMS86/MASB2 1/44 Begrepp S.V. Fördelning Väntevärde Gauss CGS Grundläggande begrepp (Kap.
Id: statistik.tex :48:29Z joa
UTDRAG UR FÖRELÄSNINGSANTECKNINGAR I STATISTIKTEORI PUNKT- OCH INTERVALLSKATTNINGAR SAMT HYPOTESTEST MATEMATISK STATISTIK AK FÖR F, E, D, I, C, È; FMS 012 JOAKIM LÜBECK, SEPTEMBER 2008 Iehåll 1 Puktskattigar
TENTAMEN Datum: 16 okt 09
TENTAMEN Datum: 6 okt 09 Kurs: KÖTEORI OCH MATEMATISK STATISTIK HF00 TEN (Matematisk statistik ) Te i kurse HF00 ( Tidigare k 6H0), KÖTEORI OCH MATEMATISK STATISTIK, Te i kurse HF00, 6H000, 6L000 MATEMATIK
Borel-Cantellis sats och stora talens lag
Borel-Catellis sats och stora tales lag Guar Eglud Matematisk statistik KTH Vt 2005 Iledig Borel-Catellis sats är e itressat och avädbar sats framför allt för att bevisa stora tales lag i stark form. Vi
Föreläsning G04 Surveymetodik 732G19 Utredningskunskap I
Föreläsig 5 732G04 Surveymetodik 732G19 Utredigskuskap I Dages föreläsig Klusterurval Estegs klusterurval Tvåstegs klusterurval Klusterurval med PPS 2 Klusterurval De urvalsdesiger som diskuterats hittills
Tentamentsskrivning: Tillämpad Statistik 1MS026 1
Tetametsskrivig: Tillämpad Statistik 1MS026 1 Tetamesskrivig i Tillämpad Statistik 1MS026 Tid: de 7 mars, 2012 kl 8:00-13:00 Examiator och jour: Erik Broma, mob. 073 7320791, Hjälpmedel: miiräkare, formelsamlig
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
Z-Testet. Idè. Repetition normalfördelning. rdelning. Testvariabel z
Repetitio ormalfördelig rdelig Z-Testet X i. Medelvärdets fördelig:.stadardiserad ormalfördelig: N (, ) X N, X X N (, ) N (,) X N, X N(,) 3. Kvatiler: uwe.meel@math.uu.se Vad gör g r Z-testetZ? H : e ormalfördelad
Matematisk statistik KTH. Formelsamling i matematisk statistik
Matematik tatitik KTH Formelamlig i matematik tatitik Vårtermie 07 Kombiatorik! = k k! ( k)!. Tolkig: mägd med elemet. = atalet delmägder av torlek k ur e k Stokatika variabler V (X) = E X (E (X)) C (X;
================================================
rmi Halilovic: ETR ÖVNINGR TVÅ STICKPROV Vi betraktar två oberoede ormalfördelade sv och Låt x, x,, x vara ett observerat stickprov, av storleke, på N (, ) och låt y, y,, y vara ett observerat stickprov,
KOM IHÅG ATT NOTERA DITT TENTAMENSNUMMER NEDAN OCH TA MED DIG TALONGEN INNAN DU LÄMNAR IN TENTAN!!
Göteborgs uiversitet Psykologiska istitutioe Tetame Psykologi kurskod PC106, Kurs 6: Idivide i ett socialt sammahag (15 hp) och PC 145. Tid för tetame: 6/5-01. Hel och halvfart VT 1. Provmomet: Socialpsykologi
Anmärkning: I några böcker använder man följande beteckning ]a,b[, [a,b[ och ]a,b] för (a,b), [a,b) och (a,b].
MÄNGDER Stadardtalmägder: N={0,, 2, 3, } mägde av alla aturliga tal (I ågra böcker N={,2,3, }) Z={ 3, 2,,0,, 2, 3, 4, } mägde av alla hela tal m Q={, där m, är hela tal och 0 } mägde av alla ratioella
1. 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
MS-A0509 Grundkurs i sannolikhetskalkyl och statistik Exempel etc., del II
MS-A0509 Grudkurs i saolikhetskalkyl och statistik Exempel etc., del II G. Gripeberg Aalto-uiversitetet 11 februari 014 G. Gripeberg Aalto-uiversitetet) MS-A0509 Grudkurs i saolikhetskalkyl och statistikexempel
TAMS15: SS1 Markovprocesser
TAMS15: SS1 Markovprocesser Joha Thim (joha.thim@liu.se) 21 ovember 218 Vad häder om vi i e Markovkedja har kotiuerlig tid istället för diskreta steg? Detta är ett specialfall av e kategori stokastiska
. Mängden av alla möjliga tillstånd E k kallas tillståndsrummet.
Stokastiska rocesser Defiitio E stokastisk rocess är e mägd familj av stokastiska variabler Xt arameter t är oftast me ite alltid e tidsvariabel rocesse kallas diskret om Xt är e diskret s v för varje
Matematisk statistik för B, K, N, BME och Kemister
Matematisk statistik för B, K, N, BME och Kemister Föreläsning 6 Johan Lindström 13 september 2017 Johan Lindström - johanl@maths.lth.se FMSF70/MASB02 F6 1/22 : Rattonykterhet Johan Lindström - johanl@maths.lth.se
Tolkning av sannolikhet. Statistikens grunder, 15p dagtid. Lite mängdlära. Lite mängdlära, forts. Frekventistisk n A /n P(A) då n
Tolkig av saolikhet Statistikes gruder, 15p dagtid HT 01 Föreläsigar F4-F6 Frekvetistisk A / A) då Klassisk atal(a) / atal(ω) = A) storlek(a) / storlek(ω) = A) Subjektiv (persolig) isats/total vist = A)
Armin Halilovic: EXTRA ÖVNINGAR
Stokastiska rocesser Defiitio E stokastisk rocess är e mägd (familj) av stokastiska variabler X(t) arameter t är oftast (me ite alltid) e tidsvariabel rocesse kallas diskret om X(t) är e diskret s v för