Tentamen i Statistik, STA A11/A14 (8 poäng) 24 augusti 2005, klockan

Storlek: px
Starta visningen från sidan:

Download "Tentamen i Statistik, STA A11/A14 (8 poäng) 24 augusti 2005, klockan"

Transkript

1 Karlstads uvrstt Isttuto för formatostkolog vdlg för Statstk Ttam Statstk, ST /4 (8 poäg) 4 august 5, klocka Tllåta hjälpmdl: Bfogad formlsamlg (md approxmatosschma) och tabllsamlg (dssa skall rturras) Eg mräkar svarg lärar: Ja Rudadr, tlfo Övrgt: För att få maxmala poäg på uppgft krävs att atagad och motvrgar oga ags samt att lösg äv övrgt är så utförlg att d uta svårght ka följas! För btygt Godkäd krävs mst 4 poäg, för btygt Väl Godkäd krävs mst 6 poäg Uppgft I tabll da rdovsas ladt Lågtbortstas totala kostadr för utbldg (agtt mljor kroor) tllsammas md KPI (kosumtprsdx) för ladt, år 995, och 5 år KPI 5 3 utbldgskostadra a KPI ova har 99 som basår Byt basår tll 995 b Rdovsa utbldgskostadra som dxsr md 995 som basår c Rdovsa utbldgskostadra 995 års pgvärd d Ta fram dxsr övr utbldgskostadra fasta prsr väd 995 som basår Uppgft NIKE har stt uvarad sortmt tt köksskåp (modll ) av som d tyckr god kvaltt Blad aat har ma på 5 slumpmässgt utvalda skåp tstat hur måga gågr d går att öppa och stäga uta att gågjär llr ågot aat skadas V kallar dt följad dtta atal för rspktv skåps lvslägd a Vd tstt kud skåp öppas gomstt 5 7 gågr a ågot gck södr Stadardavvkls stckprovt blv 4 Gör tt kofdstrvall för µ, d gomsttlga lvslägd för skåp av modll väd kofdsgrad 95 % g oga alla atagad du bhövr göra b D har äv tt dyrar skåp (modll B) stt sortmt vlkt d tror har äu bättr kvaltt När d tstad lvslägd på skåp av modll B fck d gomsttlg lvslägd på 3 och stadardavvkls på 6 Ka ma därmd as dt bvsat att modll B har högr gomsttlg lvslägd? Gomför tt lämplgt tst md 5 % sgfkasvå (g alla yttrlgar atagad du bhövr göra)

2 Uppgft 3 E kauppfödar vll s om dt är ågo skllad mlla hur myckt 3 olka dttllskott påvrkar vktökg hos kar Ha br s mdhjälpar välja ut 5 kar på måfå och sda slumpmässgt fördla kara på d tr dtra så att dt blr fm kar på vardra dt Eftr td får ha rapport om karas vktökg, s tabll da Du ska u tsta om dt är ågo skllad på hur dtra påvrkar vktökg väd 5 % sgfkasvå dt dt B dt C a g förutsättgara för tstt 3b Formulra hypotsra 3c Formulra bslutsrgl och räka fram tstvarabls värd 3d Uttryck rsultatt av tstt dls statstska trmr m äv så att dt ka förstås av prso som t läst statstk Uppgft 4 Ldg på tt myckt stort förtag har plar på att föra tt boussystm för d aställda och är trssrad av att höra vlkt av d två aktulla boussystm, systm rspktv systm B, som d aställda fördrar Ma tyckr sg t ha td att trvjua alla aställda uta ma gomför ställt stckprovsudrsökg Förtagt har tr avdlgar och ma bstämmr sg för att ta tt stckprov frå vardra avdlg Rsultatt frå udrsökg framgår av tabll da tllsammas md hur dt totala atalt aställda fördlar sg proct mlla avdlgara vdlg 3 Proct av dt totala atalt 3 5 aställda stckprovsstorlkar atalt som fördrar systm 6 7 atalt som fördrar systm B a Skatta adl på d olka avdlgara som fördrar systm 4b Skatta adl på förtagt som fördrar systm 4c Gör tt 95 %-kofdstrvall för adl på förtagt som fördrar systm Gav udrsökg svar på fråga om vlkt systm d aställda fördrar?

3 Uppgft 5 Går dt utfrå udrsökg förgåd uppgft, att dra slutsats att adl aställda som fördrar systm är olka på d olka avdlgara Sätt upp hypotsr och gomför tt lämplgt statstskt tst Uppgft 6 På tt sjukhus har ma för pattr som kom för vss typ av bbrott, rgstrrat åldr ( år) och läkgstd ( dagar) Rsultatt framgår av daståd tabll åldr läkgstd a passa ljär rgrssosmodll tll matralt 6b ta att dt dag kommr 43-årg, Kall Karlsso, md da typ av bbrott Prdktra hur låg läkgstd ha kommr att få 6c g tt trvall som md 95 % säkrht hållr Kalls läkgstd 6d Gör tt 95 % -kofdstrvall för d gomsttlga läkgstd som 43- årgar md da typ av bbrott har Uppgft 7 Nda rdovsas måadslö för 8 slumpmässgt valda aställda frå förtag, B rspktv C : B: C: a Börja md att rdovsa matralt tt lämplgt dagram 7b Gomför tt lämplgt tst på 5 % sgfkasvå om dt förlggr ågo skllad lövå mlla d tr förtag Uppgft 8 För förtagar vss brasch fs dt trssförg md 8 mdlmsförtag Nu vll ma skatta d sammalagda omsättg för dssa 8 mdlmsförtag Ett stckprov omfattad 5 förtag gav följad rsultat (mljor kroor): 4, 5, 7, 5, 5 8a Skatta d sammalagda omsättg för förtag 8b För d valda förtag tog ma också rda på atalt aställda: omsättg: atal aställda: Sda tdgar vt ma att totalt har d 8 förtag 87 aställda Da hjälpformato ka ma utyttja tll att ta fram altratv skattg Gör dtta! 8c Förklara varför skattgara skljr sg så pass myckt åt och välj ut d som du tyckr vrkar bäst Motvra också varför du asr d vara bäst 3

4 Karlstads uvrstt Isttuto för formatostkolog vdlg för Statstk Lösgar/svar tll Ttam Statstk, ST /4 (8 poäg), 4 august 5 Uppgft år KPI 5 3 utbldgskostadra a, KPI, basår b, utbldgskostadr, dxsr, basår 995 c, utbldgskostadr, 995 års pgvärd d, utbldgskostadr, dxsr, fasta prsr, basår Uppgft a 5 I µ ltt, måst ata att N( µ,σ ) x ± t s b ta att N( µ, σ ) Kofdstrvall 4 57 ± 78 5 ( 57 ± 74) ( 396,744) B B Eftrsom s 4 och sb 6 är gaska lka är dt rmlgt att ataσ σ B σ Tsta H : µ B µ mot H : µ B > µ Bslutsrgl: Förkasta ollhypots om tstvarabls obsrvrad värd, xb x t, är störr ä d krtska gräs t 5( 3) 77 (klsdgt tst) s p B V får t xb x s 54 p 5 5 B , 844 dvs H : µ B µ förkastas V ka alltså ( md 95 % säkrht) säga att skåp av modll B har högr lvslägd 4

5 Uppgft 3 3a Krävs att för gv dt skall vktökgara vara ormalfördlad Krävs vdar att sprdg för dssa ormalfördlgar är samma för alla tr dtra Krävs också att alla obsrvator är obrod 3b Nollhypots är att alla tr dtra gr samma gomsttlga vktökg, H : µ µ B µ C Mothypots är att åtmsto ågo av dtra gr aa gomsttsökg, H : j H 3c Krtsk gräs är tabllvärdt F 5 (,) 3 89 MST SST /( k ) tstvarabls värd, F MSE SSE /( k) Förkasta ollhypots om, är störr ä d krtska gräs Eftr dl räkad (s da) får ma fram kvadratsummora och ka fylla NOV-tabll da (där p-värdt har räkats fram SPSS): orsak SS df MS F p-värd Bhadlg 73,33 85,67 4,7,39 Error 7 8,83 Totalt 3873,33 4 ( Σx) Σx Numrskt: Om v jämför d två formlra ( x x) s och s som ma avädr för att räka ut valg stckprovsvaras, sr v att ( ) ( Σx) x x Σx Da omskrvg av kvadratsumma ka avädas dls för SS tot och dls för var och av dtra SSE Först bhövr v dock räka fram alla summor och summor av kvadratr: x-värd B C popc c x Σx 745 x x 6 33 G 5

6 x -värd B C popc x Σx Nu får v SS ( x x ) SSE ( Σx) tot G Σx, ( x x ) ( x x ) x x popc Σ popc x x 5 c 5 c c c popc c popc och SST SStot SSE d V ka förkasta ollhypots, ftrsom tstvarabls värd, F47, är störr ä tabllvärdt F 5 (,) 3 89 V ka, md 95 % säkrht, säga att karas gomsttlga vktökgar påvrkas av vlk av d tr dtra v väljr Uppgft 4 Dt är tt stratfrat urval vdlg 3 summa W x 6 7 x a p W p b p W p 49 p ( p ) Vˆ ( p ) W V V ˆ ( p ) 76 ( ) p 6

7 4c Elgt tumrgl för bomalfördlg är alla tr stckprov tllräcklgt stora x för att v ska kua as att alla x, och därmd alla p, är approxmatvt ormalfördlad Då vt v att äv p W p är ugfär ormalfördlad V ka därför aväda d valga typ av kofdstrvall som aväds vd ormalfördlg Varasskattg är ˆ V ( p) W ˆ V ( p ) 76 lgt tabll Ett trvall md approxmatvt 95 % kofdsgrad blr därmd ( ) ( 49± 96 76) ( 49± 8) ( 49,573) p ± z V ˆ p Eftrsom 5 fs trvallt går dt t att avgöra vlkt systm som majortt fördrar Uppgft 5 Nollhypots är att adl som fördrar systm är samma på alla avdlgar, dvs H : π π π 3 Mothypots är att åtmsto ågo av adlara skljr sg frå övrga, H : j H V ka aväda tt chtvåtst för tst av obrod Tstvarabl är χ ( f f ) o f df ( r )( c ) ( )( 3 ) är ( ) 5 99 χ 5 talt frhtsgradr är Krtsk gräs, om v väljr 5 % sgfkasvå, Bslutsrgl: Förkasta ollhypots om tstvarabls värd är störr ä d krtska gräs Tabll md obsrvrad värd f o samt rad-, kolum- och totalsummor: vdlg 3 summa Fördrar Fördrar B Summa Förvätad värd fås lgt f radsumma kolumsumma : totalsumma vdlg 3 summa Fördrar Fördrar B Summa

8 Sklladra mlla obsrvrad och förvätad värd, vdlg 3 summa Fördrar -3 Fördrar B Summa f o f, blr Tll slut räkar v fram ( f ) o f f -värda: vdlg 3 summa Fördrar Fördrar B Summa ( f f ) χ o f 8 ( ) f o f Obsrvrat värd χ 8 är t störr ä d krtska gräs så v f ka t förkasta ollhypots Md adra ord är dt myckt möjlgt att dt är samma adl som fördrar systm på alla avdlgar trots att motsvarad skattgar stckprovt, 55, 5 rspktv 45 (s uppgft 4a) skljr sg ag åt Tumrglskotroll: lla f 5 md brd margal, dvs approxmato md chtvå-fördlg bör fugra bra Uppgft y x 6 8 8

9 Elgt sprdgsdagrammt ova vrkar dt rmlgt att asätta d ljära modll y a bx 6a Skattg av paramtrara: Σxy ΣxΣy b Σx ( Σx) x 534 / 445, y / 75833, a y bx , Rgrssoslj y a bx x 6b Prdktrad läkgstd: ( 43) y ˆ dagar 6c Ett prdktostrvall söks, s forml [3-8] formlsamlg Tll dt bhövs ( ) ( ) 8 / 5 t tα t, s y x Σy aσy bσxy samt ( x) ( Σx) 534 x Σx Prdktostrvallt blr y' ± t s y x 789 ± 597 ( x x) ( x x) (,4) 789 ± 8 45 ( ) d väd forml [3-8] formlsamlg Kofdstrvallt blr y' ± t s y x 789 ± 444 ( x x) ( x x) ( 57,86) 789 ± 8 45 ( )

10 Uppgft 7 7a E dotplot ka vara lämplg för att jämföra hur löra är fördlad på förtag: 3,5 förtag,5 5 lö b Löstatstk följr ofta fördlgar som är skva åt högr vlkt också vrkar vara fallt md fördlgara på våra tr förtag lgt dagrammt ova Därmd är förutsättg för d valga varasaalys, att populatora ska vara ormalfördlad, t uppfylld varför v bör aväda d ckparamtrska motsvarght Kruskal-Walls tst H : Löfördlg är lka på d tr förtag H : Löfördlgara är t alla tr lka Tstvarabl H ( ΣR ) ( ΣR ) ( ΣR ) 3 3 ( ) 3 ( ) är approxmatvt χ -fördlad md k 3 frhtsgradr om ollhypots är sa Ma bör också kotrollra hur bra tumrgl för god approxmato är uppfylld: alla 5 bör gälla vlkt dt gör vårt fall Bslutsrgl: Förkasta ollhypots om obsrvrat värd är störr ä d krtska gräs χ ( )

11 Numrskt: Sortra stckprov storlksordg, tlldla ragr och summra ragra: : Rag R 99 : B: Rag R 83 B: C: Rag R 3 8 C: Obsrvrat värd blr ( ΣR ) ( ΣR ) ( ΣR ) 3 H 3 ( ) ( 4 ) ( ) ( 4 ) 535 V ka alltså t förkasta ollhypots Stckprovt motsägr därmd t atagadt löfördlg är lka på d tr förtag tllräcklgt myckt för att v ska as atagadt vara ormlgt Uppgft 8 8a D sammalagda omsättg för förtag, τ N µ, skattas md Σx 76 ˆ τ ˆ N µ N x N mljor kroor 5 τ µ 8b väd kvotskattg Total ka skrvas om lgtτ τ τ τ µ ˆ µ x 5 Skattas md ˆ τ τ τ mljor kroor ˆ µ y 8 8c Dt vrkar rmlgt att atalt aställda och omsättg är gaska starkt postvt korrlrad Dtta udrstöds också av stckprovt Gomsttlga atalt aställda τ 87 populato av förtag är µ 875 mda v stckprovt fått tt N 8 myckt lägr värd y 8 Eftrsom x- och y- varablra vrkar vara gaska starkt postvt korrlrad, ka v og räka md att äv x är klart lägr ä µ Skattg 8a tar t häsy tll dtta mda kvotskattg 8b gör dt Md adra ord har og kvotskattg hamat ärmr dt rktga värdt τ ä vad skattg 8a gjort

om X har följande sannolikhetsfunktion λ λ . Då gäller a) väntevärdet E(X) = λ b) variansen σ = λ och därmed c) standardavvikelsen σ = λ

om X har följande sannolikhetsfunktion λ λ . Då gäller a) väntevärdet E(X) = λ b) variansen σ = λ och därmed c) standardavvikelsen σ = λ Arm Hallovc: ETRA ÖVNINGAR ossofördlg OISSONFÖRDELNING ossofördlg aväds oftast för att bsrva atalt hädlsr som träffar obrod av varadra udr tt gvt tdstrvall E ossofördlad stoasts varabl a ata av fölad värd,,,

Läs mer

TENTAMEN I MATEMATISK STATISTIK. Statistik för lärare, 5 poäng

TENTAMEN I MATEMATISK STATISTIK. Statistik för lärare, 5 poäng UMEÅ UNIVERSITET Isttutoe för matematsk statstk Statstk för lärare, MSTA38 Lef Nlsso TENTAMEN 04--6 TENTAMEN I MATEMATISK STATISTIK Statstk för lärare, 5 poäg Skrvtd: 9.00-15.00 Tllåta hjälpmedel: Utdelad

Läs mer

Har du sett till att du:

Har du sett till att du: jua b r t t u a lr r l a r r a å l g P rä t r g u s p u m h a c tt val? t bo s F Rock w S Du har tt stort asvar! Som fastghtsägar m hyra gästr llr campg trägår är u otrolgt vktg aktör! Självklart för att

Läs mer

Investering = uppoffring av konsumtion i dag för högre konsumtion i framtiden

Investering = uppoffring av konsumtion i dag för högre konsumtion i framtiden Ivstrg = uppoffrg av osumto dag för högr osumto framtd Vad är förtagsooms vstrg? Rsurs som a aväds udr låg td. Asaffgar udr tdsprod som mdför btalgar udr flra tdsprodr framåt. Ivstrgar förtagsprsptv. Dl

Läs mer

Statistisk mekanik (forts) Kanonisk ensemble. E men. p 1. Inledande statistisk mekanik:

Statistisk mekanik (forts) Kanonisk ensemble. E men. p 1. Inledande statistisk mekanik: Förläsg 4 Förra gåg: Dt totala rörlsmägdsmomtt J = L+S är ocså vatsrat. J j( j där j s, s,..., s, s J z m j där m j j, j,..., j, j Foto som utsäds(absorbras vd övrgågar har sp= gör att j att ädras. Ildad

Läs mer

Tentamen STA A15 delkurs 1 (10 poäng): Sannolikhetslära och statistisk slutledning 3 november, 2005 kl

Tentamen STA A15 delkurs 1 (10 poäng): Sannolikhetslära och statistisk slutledning 3 november, 2005 kl Tetame STA A5 delkurs ( poäg): Saolkhetslära och statstsk slutledg 3 ovember 5 kl. 8.5-3.5 Tllåta hjälpmedel: Räkedosa bfogade formel- och tabellsamlgar vlka skall retureras. Asvarg lärare: Ja Rudader

Läs mer

Definition 1a: En talföljd är en reell (eller komplex) funktion vars definitionsmängd är mängden av naturliga tal {0,1,2,3,4, }.

Definition 1a: En talföljd är en reell (eller komplex) funktion vars definitionsmängd är mängden av naturliga tal {0,1,2,3,4, }. Armi Halilovic: EXTRA ÖVNINGAR TALFÖLJDER Dfiitio a: E talföljd är rll (llr koml) fuktio vars dfiitiosmägd är mägd av aturliga tal {0,,,,4, } Eml f ( ) = +, = 0,,,, är talföljd + Ma brukar utvidga dfiitio

Läs mer

D 45. Orderkvantiteter i kanbansystem. 1 Kanbansystem med två kort. Handbok i materialstyrning - Del D Bestämning av orderkvantiteter

D 45. Orderkvantiteter i kanbansystem. 1 Kanbansystem med två kort. Handbok i materialstyrning - Del D Bestämning av orderkvantiteter Hadbok materalstyrg - Del D Bestämg av orderkvatteter D 45 Orderkvatteter kabasystem grupp av materalstyrgsmetoder karakterseras av att behov av materal som uppstår hos e förbrukade ehet mer eller mdre

Läs mer

Lycka till och trevlig sommar!

Lycka till och trevlig sommar! UMEÅ UNIVERSITET Isttutoe för matematsk statstk Statstk för lärare, MSTA38 Lef Nlsso TENTAMEN 07-05-3 TENTAMEN I MATEMATISK STATISTIK Statstk för lärare, 5 poäg Skrvtd: 09.00-5.00 Tllåta hjälpmedel: Tabellsamlg,

Läs mer

Digital signalbehandling Sampling och vikning på nytt

Digital signalbehandling Sampling och vikning på nytt Ititutio ör data- och lktrotkik Digital igalbhadlig Samplig och vikig på ytt 00-0-6 Bgrpp amplig och vikig har viat ig lit våra att hatra å till vida att dt har kät vårt att tolka vad om hädr md igal om

Läs mer

Föreläsning G04 Surveymetodik 732G19 Utredningskunskap I

Föreläsning G04 Surveymetodik 732G19 Utredningskunskap I Föreläsg 6 73G04 urveymetodk 73G9 Utredgskuska I Dages föreläsg ortfall Totalbortfall Partellt bortfall Hur hatera bortfall? ortfallsstratumasatse (tvåfasurval) ubsttuto Imuterg Reettosquz ortfall och

Läs mer

Korrelationens betydelse vid GUM-analyser

Korrelationens betydelse vid GUM-analyser Korrelatoes betydelse vd GUM-aalyser Hela koceptet GUM geomsyras av atagadet att gåede mätgar är okorrelerade. Gude betoar och för sg att ev. korrelato spelar, me ger te mycket vägledg för hur ma då ska

Läs mer

Parametriska metoder. Icke-parametriska metoder. parametriska test. Icke-parametriska test. Location Shift. Vilket test ersätts med vilket?

Parametriska metoder. Icke-parametriska metoder. parametriska test. Icke-parametriska test. Location Shift. Vilket test ersätts med vilket? Icke-parametrska test Icke-parametrska metoder Parametrska metoder Fördelge för populatoe som stckprovet togs frå är käd så ära som på ett atal parametrar, t.ex: N med okäda och Icke-parametrska metoder

Läs mer

F13. Förra gången (F12) Konfidensintervall och hypotesprövning Chi-tvåtest. Stratifierat urval

F13. Förra gången (F12) Konfidensintervall och hypotesprövning Chi-tvåtest. Stratifierat urval Konfdensntervall och hypotesprövnng Ch-tvåtest F3 Förra gången (F) Stratferat urval Dela n populatonen homogena ata med avseende på atferngsvarabeln Välj atferngsvarabel som har ett samband med undersöknngsvarabeln

Läs mer

Föreläsningsanteckningar till Linjär Regression

Föreläsningsanteckningar till Linjär Regression Föreläsgsateckgar tll Ljär Regresso Kasper K S Aderse 3 oktober 08 Statstsk modell Ofta söks ett sambad y fx mella e förklarade eller oberoede varabel x och e resposvarabel eller beroede varabel y V betrakter

Läs mer

re (potensform eller exponentialform)

re (potensform eller exponentialform) Armn Hallovc: EXTRA ÖVNINGAR Kompla tal. Polär form och potnsform KOMPLEXA TAL I POLÄR FORM och KOMPLEXA TAL I POTENSFORM, där, R (rktangulär form r(cos sn (polär form n n r (cosn sn n D Movrs forml r

Läs mer

Orderkvantiteter vid begränsningar av antal order per år

Orderkvantiteter vid begränsningar av antal order per år Hadbok materalstyrg - Del D Bestämg av orderkvatteter D 64 Orderkvatteter vd begräsgar av atal order per år Olka så kallade partformgsmetoder aväds som uderlag för beslut rörade val av lämplg orderkvattet

Läs mer

Transformkodning. Transformkodning. Transformkodning. Transformkodning Grundläggande idé. Linjära transformer. Linjära transformer ( ) ( ) ( )

Transformkodning. Transformkodning. Transformkodning. Transformkodning Grundläggande idé. Linjära transformer. Linjära transformer ( ) ( ) ( ) 6 8 6 Grudläggad idé Atag att vi parar ihop lmt i bild i bloc om två Om vi väljr att aat oordiatsystm, t.x rotrar gradr 8 6 6 och plottar dssa par som xy oordiatr i graf 6 ( rad frå Labild) 8 6 8 6 8 så

Läs mer

Väntevärde, standardavvikelse och varians Ett statistiskt material kan sammanfattas med medelvärde och standardavvikelse (varians), och s.

Väntevärde, standardavvikelse och varians Ett statistiskt material kan sammanfattas med medelvärde och standardavvikelse (varians), och s. Vätevärde, stadardavvkelse och varas Ett statstskt materal ka sammafattas med medelvärde och stadardavvkelse (varas, och s. På lkade sätt ka e saolkhetsfördelg med käda förutsättgar sammafattas med vätevärde,,

Läs mer

Sensorer, effektorer och fysik. Analys av mätdata

Sensorer, effektorer och fysik. Analys av mätdata Sesorer, effektorer och fysk Aalys av mätdata Iehåll Mätfel Noggrahet och precso Några begrepp om saolkhetslära Läges- och sprdgsmått Kofdestervall Ljär regresso Mätosäkerhetsaalys Mätfel Alla mätgar är

Läs mer

Orderkvantiteter i kanbansystem

Orderkvantiteter i kanbansystem Hadbok materalstyrg - Del D Bestämg av orderkvatteter D 45 Orderkvatteter kabasystem E grupp av materalstyrgsmetoder karakterseras av att behov av materal som uppstår hos e förbrukade ehet mer eller mdre

Läs mer

Stat. teori gk, ht 2006, JW F13 HYPOTESPRÖVNING (NCT ) Ordlista till NCT

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

Läs mer

Sensorer och elektronik. Analys av mätdata

Sensorer och elektronik. Analys av mätdata Sesorer och elektrok Aalys av mätdata Iehåll Mätfel Några begrepp om saolkhetslära Läges- och sprdgsmått Kofdestervall Ljär regresso Mätosäkerhetsaalys Mätfel Alla mätresultat är behäftade med e vss osäkerhet

Läs mer

F9 Hypotesprövning. Statistikens grunder 2 dagtid. p-värden. Övning 1 från F8

F9 Hypotesprövning. Statistikens grunder 2 dagtid. p-värden. Övning 1 från F8 01-10-5 F9 Hypotesprövg Statstkes gruder dagtd HT 01 Behöver komma håg alla formler? Ne, kolla formelbladet Me vlka som behövs eller te beror på stuatoe Det som ska läras är är behöver Z eller T och hur

Läs mer

Fyr-fältingen, utvidgad. Signal- och Bildbehandling FÖRELÄSNING 6. Ex) på användning av z-transform: En avancerad hörapparat

Fyr-fältingen, utvidgad. Signal- och Bildbehandling FÖRELÄSNING 6. Ex) på användning av z-transform: En avancerad hörapparat Sigal- och Bildbhadlig FÖREÄSNING 6 -trasform - varför tar vi upp d? Aväds ofta vid dsig av tidsdiskrta systm. Vi ska s hur d hägr ihop md TDFT och DFT. D tas upp i alla grudkursr/böckr i sigal-bhadlig.

Läs mer

Centrala gränsvärdessatsen

Centrala gränsvärdessatsen Arm Hallovc: EXTRA ÖVNINGAR Cetrala gräsvärdessatse Cetrala gräsvärdessatse Vätevärdet och varase för e ljär kombato av stokastska varabler beräkas elgt följade: S Låt c, c,, c vara kostater,,,, stokastska

Läs mer

Tentamen i Statistik, STA A13 Deltentamen 2, 5p 5 juni 2004, kl

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-

Läs mer

Föreläsning 7. Signalbehandling i multimedia - ETI265. Kapitel 5. LTI system Signaler genom linjära system

Föreläsning 7. Signalbehandling i multimedia - ETI265. Kapitel 5. LTI system Signaler genom linjära system Sigalbhadlig i multimdia - ETI65 Förläsig 7 Sigalbhadlig i multimdia - ETI65 Kapitl 5 LTI systm Sigalr gom lijära systm LTH 5 dlko Grbic (mtrl. frå Bgt adrsso Dpartmt of Elctrical ad Iformatio Tchology

Läs mer

F15 ENKEL LINJÄR REGRESSION (NCT )

F15 ENKEL LINJÄR REGRESSION (NCT ) Stat. teor gk, ht 006, JW F5 ENKEL LINJÄR REGRESSION (NCT.-.4) Ordlta tll NCT Scatter plot Depedet/depedet Leat quare Sum of quare Redual Ft Predct Radom error Aal of varace Sprdgdagram Beroede/oberoede

Läs mer

Något om beskrivande statistik

Något om beskrivande statistik Något om beskrvade statstk. Iledg I de flesta sammahag krävs fakta som uderlag för att komma tll rmlga slutsatser eller fatta vettga beslut. Exempelvs ka det på ett företag ha uppstått dskussoer om att

Läs mer

Visst är det skönt med lite varmare

Visst är det skönt med lite varmare HELA DENNA SIDA ÄR EN ANNONS FRÅN ENERGI- OCH KLIMATRÅDGIVARNA I HÄLSINGLAND Iformatio om rgi och miljö frå Ergi- och klimatrådgivara i Hälsiglad Valt md ffktr lägr ä fyra år Har du frågor krig rgi och

Läs mer

Regressionsanalys. Föreläsningsanteckningar till: F10 regressionsanalys F11 regressionsanalys F12 regressionsanalys F13 regressionsanalys

Regressionsanalys. Föreläsningsanteckningar till: F10 regressionsanalys F11 regressionsanalys F12 regressionsanalys F13 regressionsanalys 014-11-3 Förläsgstckgr tll: F10 rgrssosls F11 rgrssosls F1 rgrssosls F13 rgrssosls Rgrssosls Httlls kurs hr v lärt oss hur m k udrsök hur ågotg är. V hr mplvs gjort kofdstrvll rut mdlvärd llr dlr. Nu sk

Läs mer

Lektionsuppgifter i regressionsanalys

Lektionsuppgifter i regressionsanalys LUNDS UNIVERSITET STATISTISKA INSTITUTIONEN Lktionsuppgiftr i rgrssionsanalys A A ENKEL LINJÄR REGRESSION Från n undrsökning av vilka faktorr som påvrkar prist på villor i n sydsvnsk ort insamlads n dl

Läs mer

Väntevärde för stokastiska variabler (Blom Kapitel 6 och 7)

Väntevärde för stokastiska variabler (Blom Kapitel 6 och 7) Matemats statst för STS vt 004 004-04 - 0 Begt Rosé Vätevärde för stoastsa varabler (Blom Kaptel 6 och 7 1 Vätevärde för e dsret stoasts varabel Låt vara e dsret s.v. med saolhetsfuto p ( elgt eda. Saolhetera

Läs mer

i) exakt en lösning ii) oändligt många lösningar iii) ingen lösning.

i) exakt en lösning ii) oändligt många lösningar iii) ingen lösning. TENTAMEN -Dc-9, HF och HF8 Momnt: TEN (Lnjär algbra, hp, srftlg tntamn Kursr: Analys och lnjär algbra, HF8, Lnjär algbra och analys HF Klassr: TIELA, TIMEL, TIDAA Td: -7, Plats: Campus Flmngsbrg Lärar:

Läs mer

1. Test av anpassning.

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

Läs mer

1 (3k 2)(3k + 1) k=1. 3k 2 + B 3k(A + B)+A 2B =1. A = B 3A =1. 3 (3k 2) 1. k=1 = 1. k=1. = (3k + 1) (n 1) 2 1

1 (3k 2)(3k + 1) k=1. 3k 2 + B 3k(A + B)+A 2B =1. A = B 3A =1. 3 (3k 2) 1. k=1 = 1. k=1. = (3k + 1) (n 1) 2 1 Uppgift Visa att srin (3k 2)(3k + ) konvrgrar och bstäm summan Lösning Vi har att a k = (3k 2)(3k+) Vi kan använda partialbråksuppdlning för att skriva om a k : a k = (3k 2)(3k + ) = A 3k 2 + B 3k(A +

Läs mer

F4 Matematikrep. Summatecken. Summatecken, forts. Summatecken, forts. Summatecknet. Potensräkning. Logaritmer. Kombinatorik

F4 Matematikrep. Summatecken. Summatecken, forts. Summatecken, forts. Summatecknet. Potensräkning. Logaritmer. Kombinatorik 0-0-5 F Matematrep Summateet Potesräg Logartmer Kombator Summatee Säg att v har ste tal,, Summa av dessa tal (alltså + + ) srvs ortfattat med hälp av summatee: summa då går fr.o.m. t.o.m. Summatee, forts.

Läs mer

Kommentarer till övningen om Jespers glasögon

Kommentarer till övningen om Jespers glasögon r t v ö E m f m o st o ö s a s r p s J 14 omm a 20 r t a m as stud Lärarh ajb M t add Evmatrat kommr md färda struktor t vra. Övara är avsdda att få vra att ära s om och rfktra kr ämt koomsk utsattht om

Läs mer

Variansberäkningar KPI

Variansberäkningar KPI STATISTISKA CENTRALBYRÅN Slutrapport (9) Varasberäkgar KPI Varasberäkgar KPI Iledg Grov varasskattg Detaljerade varasskattgar av tuga produktgrupper 5 Rätekostader 5 Charter 6 Böcker 8 Utrkesflyg 0 Iträdesbljetter

Läs mer

Lösning till TENTAMEN

Lösning till TENTAMEN Isttutoe för Sjöfart oh Mar Tekk ös tll TENTAMEN 0706 KURSNAMN Termodyamk oh strömslära ROGRAM: am Sjöejörsrorammet åk / läserod KURSBETECKNING //auusterode SJO050 005 el A Strömslära EXAMINATOR Mats Jarlros

Läs mer

En utvärdering av två olika sätt att skatta fördelningen till stickprovsmedelvärden från olikfördelade data - normalapproximation kontra resampling

En utvärdering av två olika sätt att skatta fördelningen till stickprovsmedelvärden från olikfördelade data - normalapproximation kontra resampling utvärderg av två olka sätt att skatta fördelge tll stckprovsmedelvärde frå olkfördelade data - ormalapproxmato kotra resamplg av Adreas Holmström xamesarbete matematsk statstk Umeå uverstet, Hadledare:

Läs mer

Fördelningen för populationen som stickprovet togs ifrån är känd så nära som på ett antal parametrar, t.ex: N med okända

Fördelningen för populationen som stickprovet togs ifrån är känd så nära som på ett antal parametrar, t.ex: N med okända we Mezel, 7 we.mezel@sl.se; we.mezel@matstat.de www.matstat.de Parametrska metoder Fördelge för poplatoe som stckprovet togs frå är käd så ära som på ett atal parametrar, t.ex: N med okäda Icke-parametrska

Läs mer

Formelsamling. Enkel linjär regressionsananalys: Modell: y i = β 0 + β 1 x i + ε i. Anpassad regressionslinje: ŷ = b 0 + b 1 x. (x i x) (y i ȳ) ( x)2

Formelsamling. Enkel linjär regressionsananalys: Modell: y i = β 0 + β 1 x i + ε i. Anpassad regressionslinje: ŷ = b 0 + b 1 x. (x i x) (y i ȳ) ( x)2 LINKÖPINGS UNIVERSITET Matematiska istitutioe Statistik, ANd Formelsamlig Ekel lijär regressiosaaalys: Modell: y i β 0 + β x i + ε i ε N(0,σ. Apassad regressioslije: ŷ b 0 + b x b (x i x (y i ȳ (x i x

Läs mer

Institutionen för data- och elektroteknik 1999-11-30. samplingsvillkoret f. Den diskreta fouriertransformen ges av

Institutionen för data- och elektroteknik 1999-11-30. samplingsvillkoret f. Den diskreta fouriertransformen ges av Istitutio för data- och ltroti 999--3 Digital sigalbhadlig f Implmtrig av FFT- och IFFT-rutir Vi har här tidigar i digital sigalbhadlig studrat tidsdisrt fourirtrasform, DFT och mölightra att aväda Fast

Läs mer

4.2.3 Normalfördelningen

4.2.3 Normalfördelningen 4..3 Normalfördelge Bomal- och Possofördelge är två exempel på fördelgar för slumpvarabler som ka ata ädlgt eller uppräkelgt måga olka värde. Sådaa fördelgar sägs vara dskreta. Ofta är ett resultat X frå

Läs mer

Begreppet rörelsemängd (eng. momentum) (YF kap. 8.1)

Begreppet rörelsemängd (eng. momentum) (YF kap. 8.1) Begreppet rörelsemägd (eg. mometum) (YF kap. 8.1) Defto (Newto!): E partkel med massa m och hastghet ഥv har rörelsemägd ഥp = m ഥv. Vektor med samma rktg som hastghete! Newto II: ሜF = m dvlj = d dt dt d

Läs mer

FÖRELÄSNING 13: Analoga o Digitala filter. Kausalitet. Stabilitet. Ex) på användning av analoga filter = tidskontinuerliga filter

FÖRELÄSNING 13: Analoga o Digitala filter. Kausalitet. Stabilitet. Ex) på användning av analoga filter = tidskontinuerliga filter FÖRELÄSNING 3: Aaloga o Digitala filtr. Kausalitt. Stabilitt. Aaloga filtr Idala filtr Buttrworthfiltr (kursivt här, kommr it på tta, m gaska bra för förståls) Kausalitt t och Stabilitt t Digitala filtr

Läs mer

Prisuppdateringar på elementär indexnivå - jämförelser mot ett superlativt index

Prisuppdateringar på elementär indexnivå - jämförelser mot ett superlativt index PM tll Nämde för KPI Sammaträde r 3 ES/PR 2017-10-25 Olva Ståhl och Ulf Jostad Prsuppdatergar på elemetär dexvå - jämförelser mot ett superlatvt dex För formato Idex på elemetär vå KPI eräkas de flesta

Läs mer

Revisionsrapport 7/2010. Åstorps kommun. Granskning av intern kontroll

Revisionsrapport 7/2010. Åstorps kommun. Granskning av intern kontroll Rvisionsrapport 7/2010 Åstorps kommun Granskning av intrn kontroll Bngt Sbring, ordf Tord Stursson, 1: v ordf. Bngt Johns, 2: v ordf. Stig Andrsson Nils Prsson Rvisorrna Innhållsförtckning SAMMANFATTNING...

Läs mer

TRANSPORT. 3:an. Låt dom inte fortsätta slita isär vårt land. För solidaritet och en gemensam välfärd den14 september!

TRANSPORT. 3:an. Låt dom inte fortsätta slita isär vårt land. För solidaritet och en gemensam välfärd den14 september! TRANSPORT 3:a Mdlmstidig för Svska Trasportarbtarförbudt avdlig 3 Nr 3 2014 Låt dom it fortsätta slita isär vårt lad För solidaritt och gmsam välfärd d14 sptmbr! Ordförad har ordt sid 2 Mötskalllsr sid

Läs mer

HOMOGENA LINJÄRA DIFFERENTIALEKVATIONER MED KONSTANTA KOEFFICIENTER

HOMOGENA LINJÄRA DIFFERENTIALEKVATIONER MED KONSTANTA KOEFFICIENTER Armi alilovi: EXTRA ÖVNINGAR omoga lijära diffrtialkvatior OMOGENA LINJÄRA DIFFERENTIALEKVATIONER MED KONSTANTA KOEFFICIENTER Lijär diffrtialkvatio (DE) md kostata koffiitr är kvatio av följad tp ( ) (

Läs mer

Tentamen i Statistik, STA A10 och STA A13 (9 poäng) 26 mars 2004, klockan

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

Läs mer

S0005M V18, Föreläsning 10

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

Läs mer

Tentamen i Matematisk statistik för V2 den 28 maj 2010

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

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 05-06- Hjälpmdl: Formlblad och räkndosa. Fullständiga lösningar rfordras till samtliga uppgiftr. Lösningarna skall vara väl motivrad och så utförliga

Läs mer

Formelsamling Ljud i byggnad och samhälle

Formelsamling Ljud i byggnad och samhälle ormlsamlg jd bggad oh samhäll Några räkrglr för logarmr: log log log log log log log log log log log log Några grdläggad aksska dfor oh räkrglr -dmsoll la ljdfäl: Aos Effkärd rms för ljdrk k: ~ d jdrkså

Läs mer

Borel-Cantellis sats och stora talens lag

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

Läs mer

Viktigt! Glöm inte att skriva Tentamenskod på alla blad du lämnar in.

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

Läs mer

Tunnling. Förra gången: Spridning mot potentialbarriär. B T T + R = 1. Föreläsning 9. Potentialmodell (idealiserad): U = U B U = 0

Tunnling. Förra gången: Spridning mot potentialbarriär. B T T + R = 1. Föreläsning 9. Potentialmodell (idealiserad): U = U B U = 0 Förläsig 9. Förra gåg: Sridig ot ottialarriär. Pottialodll (idalisrad): U U ( ) 0, 0 L, för övrigt ψ( ) ik ik ifallad U = U ψ( ) F trasittrad ik rflktrad U = 0 0 L Iuti arriär 0 < < L: ( fall) ) E U ψ

Läs mer

Fyra typer av förstärkare

Fyra typer av förstärkare 1 Föreläsg 1, Ht2 Hambley astt 11.6 11.8, 11.11, 12.1, 12.3 Fyra tyer a förstärkare s 0 s ut s A ut L s L 0 ägsförstärkare ägströmförstärkare (trasadmttasförst.) 0 ut s s ut L s s A 0 L trömsägsförstärkare

Läs mer

som gör formeln (*) om vi flyttar första integralen till vänsterledet.

som gör formeln (*) om vi flyttar första integralen till vänsterledet. Armi Hlilovic: EXTRA ÖVNNGAR Prtill itgrtio PARTELL NTEGRATON uu(vv ( dddd uu(vv( uu (vv(dddd ( ), (pppppppppppppppp iiiiiiiiiiiiiiiiiiiiii) KKKKKKKKKKKKKK: uuuu dddd uuuu uu vv dddd Förklrig: Eligt produktrgl

Läs mer

Uppgift 1. (4p) (Student som är godkänd på KS1 hoppar över uppgift 1.) b) Bestäm volymen av parallellepipeden som spänns upp av vektorerna

Uppgift 1. (4p) (Student som är godkänd på KS1 hoppar över uppgift 1.) b) Bestäm volymen av parallellepipeden som spänns upp av vektorerna TENTAMEN 5-Okt-6, HF6 och HF8 Momnt: TEN (Lnjär algbra), hp, skrftlg tntamn Kursr: Analys och lnjär algbra, HF8, Lnjär algbra och analys HF6 Klassr: TIELA, TIMEL, TIDAA Td:.5-7.5, Plats: Campus Hanng Lärar:

Läs mer

2. Bestäm en ON-bas i det linjära underrummet [1 + x, 1 x] till P 2 utrustat med skalärprodukten

2. Bestäm en ON-bas i det linjära underrummet [1 + x, 1 x] till P 2 utrustat med skalärprodukten MÄLARDALENS HÖGSKOLA Akadmin för utbildning, kultur och kommunikation Avdlningn för tillämpad matmatik Examinator: Lars-Göran Larsson TENTAMEN I MATEMATIK MMA9 Linjär algbra Datum: 6 januari 03 Skrivtid:

Läs mer

Tentamenn. som har. del II. Handbook av Råde. Del I. Modul 1. fasporträttt. x 2 är en 0, x. Sida 1 av 25

Tentamenn. som har. del II. Handbook av Råde. Del I. Modul 1. fasporträttt. x 2 är en 0, x. Sida 1 av 25 SF676, am 5 aug 7 Isiuio för mamaik, KH SF676, Diffrialkvaior md illämpigar am isdag 5 aug 7 Skrivid: 8:-: Eamiaor: Krisia Bjrklöv För godkä (bg E krävs r godkäda modulrr frå dl I Varj moduluppgif bsår

Läs mer

TENTAMEN I MATEMATISK STATISTIK Datum: 13 mars 08

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:

Läs mer

SAMMANFATTNING AV KURS 602 STATISTIK (Newbold kapitel [7], 8, 9, 10, 13, 14)

SAMMANFATTNING AV KURS 602 STATISTIK (Newbold kapitel [7], 8, 9, 10, 13, 14) AMMANFATTNING AV KUR 6 TATITIK (Newbold katel [7], 8, 9,, 3, 4) INLEDNING 3 Proortoer 3 Proortoer 4 Poulatosvaras 5 KONFIDENINTERVALL 6 Itutv förklarg 6 Arbetsgåg vd beräkg av kofdestervall 7 Tfall. ök

Läs mer

där a och b är koefficienter som är större än noll. Här betecknar i t

där a och b är koefficienter som är större än noll. Här betecknar i t REALRNTAN OCH PENNINGPOLITIKEN Dt finns flra sätt att närma sig frågan om vad som är n långsiktigt önskvärd nivå på dn pnningpolitiska styrräntan. I förliggand ruta diskutras dnna fråga md utgångspunkt

Läs mer

Lösningsförslag till tentamen i 732G71 Statistik B, 2009-12-04

Lösningsförslag till tentamen i 732G71 Statistik B, 2009-12-04 Prs Lösgsförslag tll tetame 73G7 Statstk B, 009--04. a) 340 30 300 80 60 40 0 0.5.0.5.0 Avståd.5 3.0 3.5 b) r y y y y 4985.75 7.7 830 0 39.335 7.7 0 80300-830 0 3.35 0.085 74.475 c) b y y 4985.75 7.7 830

Läs mer

Test av anpassning, homogenitet och oberoende med χ 2 - metod

Test av anpassning, homogenitet och oberoende med χ 2 - metod Matematsk statstk för STS vt 00 00-05 - Bengt Rosén Test av anpassnng, homogentet och oberoende med χ - metod Det stoff som behandlas det fölande återfnns Blom Avsntt 7 b sdorna 6-9 och Avsntt 85 sdorna

Läs mer

Sommarpraktik - Grundskola 2017

Sommarpraktik - Grundskola 2017 Sommarpraktik Grundskola 2017 1. Födlsår 1996 1997 1998 1999 2000 2001 2002 2003 2. Inom vilkt praktikområd har du praktisrat? 0 2 4 6 8 10 12 14 16 18 20 22 24 26 28 30 Förskola/fritidshm Fritid/kultur

Läs mer

Slumpvariabler (Stokastiska variabler)

Slumpvariabler (Stokastiska variabler) Slumpvarabler Väntevärden F0 Slutsatser från urval tll populaton Slumpvarabler (Stokastska varabler) En slumpvarabel är en funkton från utfallsrummet tll tallnjen Ex kast med ett mynt ggr =antalet krona

Läs mer

Formelsamling Ljud i byggnad och samhälle

Formelsamling Ljud i byggnad och samhälle ormlsamlg jud bggad oh samhäll Några räkrglr för logarmr: log log log log log log log log log log log log Några grudläggad akusska dfor oh räkrglr -dmsoll la ljudåg som ubrdr sg os -rkg: Aos Effkärd rms

Läs mer

= α. β = α = ( ) D (β )= = 0 + β. = α 0 + β. E (β )=β. V (β )= σ2. β N β, = σ2

= α. β = α = ( ) D (β )= = 0 + β. = α 0 + β. E (β )=β. V (β )= σ2. β N β, = σ2 Ljär regresso aolkhet och statstk Regressosaalys VT 2009 Uwe.Mezel@math.uu.se http://www.math.uu.se/ uwe/ Fgur: Mätpukter: x, y Ljär regresso - kalbrerg av e våg Modell för ljär regresso Modell: y α +

Läs mer

Föreläsning G70 Statistik A

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

Läs mer

= BERÄKNING AV GRÄNSVÄRDEN ( då x 0 ) MED HJÄLP AV MACLAURINUTVECKLING. a) Maclaurins formel

= BERÄKNING AV GRÄNSVÄRDEN ( då x 0 ) MED HJÄLP AV MACLAURINUTVECKLING. a) Maclaurins formel Tillampigar av Taylor- och Maclauriuvcklig ERÄKNING AV GRÄNSVÄRDEN då MED HJÄLP AV MACLAURINUTVECKLING a Maclauris forml f f f f f f L R!!! f c där R och c är al som liggr mlla och! Amärkig Efrsom c liggr

Läs mer

MS-A0509 Grundkurs i sannolikhetskalkyl och statistik Exempel etc., del II

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

Läs mer

Finansiell Statistik (GN, 7,5 hp,, HT 2008) Föreläsning 4 (del 1)

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,

Läs mer

ÖVERSIKTLIG ANALYS AV OLYCKSRISKER FÖR OMGIVNINGEN FRÅN NY STAMNÄTSTATION

ÖVERSIKTLIG ANALYS AV OLYCKSRISKER FÖR OMGIVNINGEN FRÅN NY STAMNÄTSTATION SVENSKA KRAFTNÄT / ENETJÄRN NATUR AB Riskaalys Stamätstatio Sösätra UPPDRAGSNUMMER 1270858000 ÖVERSIKTLIG ANALYS AV OLYCKSRISKER FÖR OMGIVNINGEN FRÅN NY STAMNÄTSTATION Ikom till Stockholms stadsbyggadskotor

Läs mer

TMS136: Dataanalys och statistik Tentamen 2013-10-26 med lösningar

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:

Läs mer

Tentamen i ETEF05 Elenergiteknik för kl 8:00-13:00 i C525

Tentamen i ETEF05 Elenergiteknik för kl 8:00-13:00 i C525 t EEF5 Elgtkk 7-8-4 ö kl 8:-: C55 llåt älpl: äko, ll, bog ollg t btå v totlt 5 ppgt på lgt 6 poäg. Fö gokät ltt på tt käv p, ö btgt käv 4p oc ö btgt käv 5p. Obv tt tlg bäkg åt ov ö tt åll poäg på pktv

Läs mer

Armin Halilovic: EXTRA ÖVNINGAR. ) De Moivres formel ==================================================== 2 = 1

Armin Halilovic: EXTRA ÖVNINGAR. ) De Moivres formel ==================================================== 2 = 1 Arm Hallovc: EXTRA ÖVNINGAR KOMPLEXA TAL x + y, där x, y R (rektagulär form r(cosθ + sθ (polär form r (cos θ + s θ De Movres formel y O x + x y re θ (potesform eller expoetell form θ e cosθ + sθ Eulers

Läs mer

Formler och tabeller i statistik

Formler och tabeller i statistik KTH STH, Campus Hage Formler och tabeller statstk Arm Hallovc Formler och tabeller statstk Medelvärde och varas = = = ( ) = = = Medelvärde och varas för ett frekvesdelat materal = k = f = k = f ( ) Vätevärde

Läs mer

Handbok. för evenemang och möten i Borås. Framtagen av Säkerhetsnålen Borås välplanerat värdskap

Handbok. för evenemang och möten i Borås. Framtagen av Säkerhetsnålen Borås välplanerat värdskap Hadbok för vmag och möt i Borås Framtag av Säkrhtsål Borås välplarat värdskap hadbok 3 4 20 22 23 24 25 Ildig 1. Chcklista tillståd 2. Mall för säkrhtspla samt xmpl på säkrhtspla 3. Rkommdatior miljö Tillståd

Läs mer

SOS HT Punktskattningar. Skattning från stickprovet. 2. Intuitiva skattningar. 3. Skattning som slumpvariabel. slump.

SOS HT Punktskattningar. Skattning från stickprovet. 2. Intuitiva skattningar. 3. Skattning som slumpvariabel. slump. Puktskattgar SOS HT10 Puktskattg uwe@math.uu.se http://www.math.uu.se/~uwe/sos_ht10 1. Vad är e puktskattg och varför behövs de? 1. Jämförelse: saolkhetstoer statstkteor 2. Itutva ( aturlga ) skattgar

Läs mer

Föreläsning 6. Kapitel 4. Fouriertransform av analog signal, FT Fouriertransform av digital signal, DTFT fortsättning

Föreläsning 6. Kapitel 4. Fouriertransform av analog signal, FT Fouriertransform av digital signal, DTFT fortsättning Digital sigalbhadlig ESS4 Förläsig 6 Dfiitio: Fourirtrasform av tidsdiskrt sigal DF, sid 5 Digital sigalbhadlig ESS4 Kapitl 4 Fourirtrasform av aalog sigal, F Fourirtrasform av digital sigal, DF fortsättig

Läs mer

Föreläsning G70, 732G01 Statistik A. Föreläsningsunderlagen är baserade på underlag skrivna av Karl Wahlin

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

Läs mer

(a) Skissa täthets-/frekvensfunktionen och fördelningsfunktionen för X. Glöm inte att ange värden på axlarna.

(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.

Läs mer

Finansiell Statistik (GN, 7,5 hp,, HT 2008) Föreläsning 6. Regression & Korrelation. (LLL Kap 13-14) Inledning till Regressionsanalys

Finansiell Statistik (GN, 7,5 hp,, HT 2008) Föreläsning 6. Regression & Korrelation. (LLL Kap 13-14) Inledning till Regressionsanalys Fnansell Statstk (GN, 7,5 hp,, HT 8) Föreläsnng 6 Regresson & Korrelaton (LLL Kap 3-4) Department of Statstcs (Gebrenegus Ghlagaber, PhD, Assocate Professor) Fnancal Statstcs (Basc-level course, 7,5 ECTS,

Läs mer

Kontinuerliga fördelningar. b), dvs. b ). Om vi låter a b. 1 av 12

Kontinuerliga fördelningar. b), dvs. b ). Om vi låter a b. 1 av 12 KONTINUERLIGA STOKASTISKA VARIABLERR Allmänt om kontinurliga sv Dfinition En stokastisk variabl kallas kontinurlig om fördlningsfunktionnn ξ är kontinurlig Egnskar av fördlningsfunktion: Fördlningsfunktionn

Läs mer

BILAGA 1 UTREDDA ALTERNATIV NY KORTEBOVÄGEN OCH ANSLUTNING TILL FALKÖPINGSVÄGEN SAMRÅDSUNDERLAG

BILAGA 1 UTREDDA ALTERNATIV NY KORTEBOVÄGEN OCH ANSLUTNING TILL FALKÖPINGSVÄGEN SAMRÅDSUNDERLAG BILAGA UTREDDA ALTERNATIV NY KRTVÄGEN CH ANSLUTNING TILL FALKÖPINGÄGEN SAMRÅDSUNDERLAG 7--7 SAMMANFATTNING Vättrhm AB vill bya ut bostädr å Stradä, å östra sida om järvä som år mlla Jököi oh Falköi. För

Läs mer

LINJÄRA DIFFERENTIALEKVATIONER AV FÖRSTA ORDNINGEN

LINJÄRA DIFFERENTIALEKVATIONER AV FÖRSTA ORDNINGEN LINJÄRA DIFFERENTIALEKVATIONER AV FÖRSTA ORDNINGEN Linjär diffrntialkvation (DE) av första ordningn är n DE som kan skrivas på följand form Q( () Formn kallas standard form llr normalisrad form Om Q (

Läs mer

Medelvärde. Repetition. Median. Standardavvikelse. Frekvens. Normerat värde. z = x x

Medelvärde. Repetition. Median. Standardavvikelse. Frekvens. Normerat värde. z = x x Medelvärde Reetto mb9 Medelvärdet är summa av alla observatoer dvderat med deras atal. x 873+85+8385+83+8+83+8087+808+80 = 70 70 = 89 9 Meda Medae är de mttersta observatoe. = 8 Eller medelvärdet av de

Läs mer

Slumpjusterat nyckeltal för noggrannhet vid timmerklassningen

Slumpjusterat nyckeltal för noggrannhet vid timmerklassningen Jacob Edlund VMK/VMU 2009-03-10 Slumpjustrat nyckltal för noggrannht vid timmrklassningn Bakgrund När systmt för dn stockvisa klassningn av sågtimmr ändrads från VMR 1-99 till VMR 1-07 år 2008 ändrads

Läs mer

Webprogrammering och databaser. Begrepps-modellering. Exempel: universitetsstudier Kravspec. ER-modellen. Exempel: kravspec forts:

Webprogrammering och databaser. Begrepps-modellering. Exempel: universitetsstudier Kravspec. ER-modellen. Exempel: kravspec forts: Webprogrammerig och databaser Koceptuell datamodellerig med Etitets-Relatiosmodelle Begrepps-modellerig Mål: skapa e högivå-specifikatio iformatiosiehållet i database Koceptuell modell är oberoede DBMS

Läs mer

System med variabel massa

System med variabel massa Sysm m varabl massa Rörlsmängn hos kropp m är: p m mv Anag nu a kroppns massa änras gnom a v llför massor m pr snh, som har hasghn v k. Rörlsmängsföränrngn pr snh hos kroppn blr: pm m( vk v är ( v k v

Läs mer

Tentamen TMV210 Inledande Diskret Matematik, D1/DI2

Tentamen TMV210 Inledande Diskret Matematik, D1/DI2 Tntamn TMV20 Inldand Diskrt Matmatik, D/DI2 207-2-20 kl. 08.30 2.30 Examinator: Ptr Hgarty, Matmatiska vtnskapr, Chalmrs Tlfonvakt: Ivar Simonsson (alt. Ptr Hgarty), tlfon: 037725325 (alt. 0705705475)

Läs mer

TRE KRONOR ISHOCKEY-VM I DANMARK 4 20 MAJ 2018 FÖLJ DOM SVENSKA VÄRLDSMÄSTARNA PÅ PLATS I KÖPENHAMN!

TRE KRONOR ISHOCKEY-VM I DANMARK 4 20 MAJ 2018 FÖLJ DOM SVENSKA VÄRLDSMÄSTARNA PÅ PLATS I KÖPENHAMN! TRE KRONOR ISHOCKEY-VM I DANMARK 4 20 MAJ 2018 FÖLJ DOM SVENSKA VÄRLDSMÄSTARNA PÅ PLATS I KÖPENHAMN! Splortr är Köpham och Hrig. Tr Kroor splar alla sia matchr i d daska huvudstad. Björk & Boström Sportrsor

Läs mer

på fråga 6 i tävlingen för matematiklärare. 'l.

på fråga 6 i tävlingen för matematiklärare. 'l. påståendet nte gäller för alla Betrakta sdan AB och dagonalen D ;~var på fråga 6 tävlngen för matematklärare. 'l. Jag böjar med att vsa att antalet dagonaler en n-hömng är n(n-3)/2.. 2..j ' :., Bevs: Frän

Läs mer

TRE KRONOR ISHOCKEY-VM I DANMARK 4 20 MAJ 2018 FÖLJ DOM SVENSKA VÄRLDSMÄSTARNA PÅ PLATS I KÖPENHAMN!

TRE KRONOR ISHOCKEY-VM I DANMARK 4 20 MAJ 2018 FÖLJ DOM SVENSKA VÄRLDSMÄSTARNA PÅ PLATS I KÖPENHAMN! TRE KRONOR ISHOCKEY-VM I DANMARK 4 20 MAJ 2018 FÖLJ DOM SVENSKA VÄRLDSMÄSTARNA PÅ PLATS I KÖPENHAMN! Splortr är Köpham och Hrig. Tr Kroor splar alla sia matchr i d daska huvudstad. Björk & Boström Sportrsor

Läs mer