Statistiska metoder för utveckling av innovativa process-teknologier med hög yield för tillverkning av nästa generationens mikroprocessorer
|
|
- Simon Isaksson
- för 6 år sedan
- Visningar:
Transkript
1 Statistiska metoder för utveckling av innovativa process-teknologier med hög yield för tillverkning av nästa generationens mikroprocessorer Martin von Haartman Tekn Dr. Senior Process Engineer, Intel Corp. September Gästföreläsning Ingenjörsmetodik KTH
2 Innehåll Lite om mig själv och Intel Kort om ingenjörsrollen i industrin Översikt om statistiska metoder som används vid utveckling av process-teknologier 2 Gästföreläsning Ingenjörsmetodik KTH
3 Om mig , Elektroteknik 180p, KTH (E96) , Forskarstudent, ICT, KTH Huvudinriktning mikroelektronik Avhandling om karakterisering och modellering av brus i CMOS transistorer , forskare KTH 2006 idag, Senior Process Engineer, Intel Corp., Portland, USA. Jobbar på Yield avdelning med uteckling av framtida halvledarteknologier Ansvarar för metoder och analys av fel och defekter i tillverkningen. Engelskt namn Fault isolation/failure analysis 3 Gästföreläsning Ingenjörsmetodik KTH
4 Om Intel anställda (Dec. 2007) Huvudkontor i Santa Clara, Kalifornien, USA Utvecklingsavdelning för halvledarteknologi i Portland, Oregon, USA. Fabriker bland annat i Oregon, Arizona, Israel, Irland Produkter Mikroprocessorer för stationära och mobila datorer, arbetsstationer, netbook, inbäddade produkter, kommunikation, kosument-elektronik Flash-minnen Chip-set, moderkort, kretsar för kommunikation etc. 4 Gästföreläsning Ingenjörsmetodik KTH
5 Ingenjörsrollen Vanliga uppgifter i mitt jobb Kontakt med service personal för reparation av utrustning Inköp och installation av utrustning Leda projekt Dokumentation Upplärning av nya anställda och övrig personal Hålla presenationer Arbetsledning Programmering I mitt fall utgör rent tekniska uppgifter inom mitt specialområde ca 50% 5 Gästföreläsning Ingenjörsmetodik KTH
6 Nyttan av teknisk utbildning och övrig kompetens Personliga reflektioner (inte KTHs eller Intels allmäna inställning) Viktigt med översikt över många teknikområden (bredd) Också viktigt med specialistkompetens men kanske främst för att söka jobb (?) Språk (främst engelska) Ofta stor direkt nytta av mer tillämpade kurser i utbildningen Teoretiska kurser behövs för förståelsen och svårare att läsa in i efterhand. Viktigt för självförtroende, beslutsfattning och som utgångspunkt för att söka mer information (kunskapsbas). Utbildningen ger också omfattande träning i problemlösning, självständigt och kritiskt tänkande, etc vilket är viktigt i jobbet som ingenjör. 6 Gästföreläsning Ingenjörsmetodik KTH
7 Statistika metoder för utveckling av innovativa processteknologier med hög yield för tillverkning av nästa generationens mikroprocessorer Nya produkter tex atom processorn för minimal effektförbrukning i netbooks etc högre prestanda (fler kärnor, snabbare kretsar) Nya process-teknologier innehåller många innovativa lösningar Mindre & snabbare transistorer (Moore s law) Effekt, pålitlighet, yield, miljöhänsyn, etc. Yield = andel chip som fungerar Processutveckling Ny Produkt Produktion Krets design 7 Gästföreläsning Ingenjörsmetodik KTH
8 Översikt över tillverkningsprocessen Nedskalning av dimensioner med faktor 0.7 vartannat år Senaste process-teknologin (32nm) har transistorer vars gatelängd är 30nm. Vissa skikt är så tunna att de innehåller ett fåtal atomlager. 32nm SRAM test-chip innehåller 1.9 miljarder transistorer Kisel-skiva Process steg: Deponering Etsning Mönstring (litografi) Dopning Skiva med färdiga chip 8 Gästföreläsning Ingenjörsmetodik KTH
9 Variationer och defekter SRAM cell används i cache minnet För stabil design bör T3 > T1 > T2 (maximal ström genom transistorn) Variationer i framförallt tröskelspänningen gör att cellen kan bli defekt Det finns en specifikation för medelvärde och standardavvikelse T1 T2 T3 Ledningarna som kopplar samman transistorerna får inte ha en kortslutning eller ha en öppen krets någonstans Små dimensioner ytterst små partiklar eller process-variationer kan leda till en icke fungerande krets Interconnect stack 9 Gästföreläsning Ingenjörsmetodik KTH
10 Statistiska metoder Hur ska man uteckla en process med hög yield? Totala variationen beror av bidragen Minimera variationen i process-moduler med stort bidrag Minimera systematiska fel För komplicerade samband teoretiskt allting bestäms experimentellt mha statistik 10 Gästföreläsning Ingenjörsmetodik KTH
11 Kontroll-gränser Varje process-modul tar mätdata från sin process Kan sampla olika nivåer (batch-batch, skiva-skiva, inom skiva) Kontrollerar att medelvärde och standardavvikelse ligger inom uppsatta gränser Konfidens-intervall Försöker uppskatta okänt medelvärd μ från en population med standardavvikelse σ 95% säkerhet att μ är i intervallet X ± 2σ/ n där X är medelvärdet av n datapunkter Kan sätta kontroll-gränser utifrån specifikationen för en viss maskin och konfidens-intervall 11 Gästföreläsning Ingenjörsmetodik KTH
12 Hypotes-test Avgöra om två maskiner är matchade Avgöra om ett nytt process-steg är en förbättring Antag att ny typ av filmdeponeringsteknik utvecklats som ska ge lägre resistans Kan vi säga om vi säga om metoden är bättre? Historiskt medelvärde Nytt medelvärde 12 Gästföreläsning Ingenjörsmetodik KTH
13 Hypotes-test forts. Anätt en hypotes μ = μ 0, alternativ hypotes (ex. μ μ 0 ) och signifikans-värde α I de flesta fall kan normal-fördelning användas Beräkna z test = (X μ 0 )/(σ/ n) Kolla tabell eller formel för normal-fördelning sannolikhet p för att Z > z test (dubbel-sidig) Om p α avslå hypotesen α/2 α/2 -z α/2 z α/2 13 Gästföreläsning Ingenjörsmetodik KTH
14 Design av experiment (DOE) Effektiv metod för stastisk analys Anger hur många experiment som behöver göras för att ta beslut vid viss risk och upplösningsförmåga En batch delas upp i skivor som genomgår standard process och skivor som genomgår ny process Batch Standard process Ny process 14 Gästföreläsning Ingenjörsmetodik KTH
15 Analyser av samband Antag att ett stort yield problem upptäckts. Hur indentifierar man felkällan? Teknisk kunskap (karakteristiska egenskaper, fellokalisering och felanalys) Trender Korrelationer 15 Gästföreläsning Ingenjörsmetodik KTH
16 Trender Studera variabel över tid eller i sekvens Förändring kan härledas tex till införandet av ett visst process-steg eller service tidpunkt av en viss maskin Om datat innehåller mycket brus kan filtrering/utjämningstekniker användas tex rullande medelvärde 16 Gästföreläsning Ingenjörsmetodik KTH
17 Korrelationer Korrelation mellan två variabler innebär att en variation in den ena variabeln är kopplad till en variation i den andra R = S XY /S X S Y R = R = 0.99 Jämförelse mellan två processer 17 Gästföreläsning Ingenjörsmetodik KTH
18 Korrelation i 2D Fel kan uppträda en hög täthet i vissa regioner på skivan Varje område kan analyseras separat Fel Test-struktur data visar tex problem i samma område Process 1 Process 1 Process 2 18 Gästföreläsning Ingenjörsmetodik KTH
19 Felanalys (Failure Analysis) Statistisk analys är användbart för att identifiera orsaker till yield problem men inte alltid I många fall kan ingen korrelation enkelt hittas Den statistiska analysen ger bara en indikation Behöver metoder för att fysiskt identifiera defekter Verifiera elektriskt (tex kortslutning mellan två ledare). Finns prob-tekniker för att utföra IV-mätningar även på 32nm transistorer Fotografera defekter med SEM (scanning electron microscopy) eller TEM (transmission electron microscopy) 19 Gästföreläsning Ingenjörsmetodik KTH
20 Fellokalisering (fault isolation) I många fall är det ett kluster av minnesceller som har fel Hur vet man var man ska mäta? Var finns defekten? Elektrisk karakterisering av felet (DC-mätningar, funktionella mätningar). Bestämma bla område för felet och tid/spänningsberoende Logisk-fysisk analys mha krets-design och CAD program Studera IR-ljus från kretsarna Laser-stimulering 20 Gästföreläsning Ingenjörsmetodik KTH
21 Sammanfattning Statistiska metoder är viktiga verktyg för att ta beslut baserat på tillgängligt data Speciellt viktigt vid extremt komplicerade processer som kräver strikt kontroll, tex yield vid tillverkning av mikroprocessorer Orientering av olika statistiska metoder som används vid utveckling av process-teknologier har presenterats Frågor? 21 Gästföreläsning Ingenjörsmetodik KTH
22 22 Gästföreläsning Ingenjörsmetodik KTH
Vetenskaplig metod och statistik
Vetenskaplig metod och statistik Innehåll Vetenskaplighet Hur ska man lägga upp ett experiment? Hur hanterar man felkällor? Hur ska man tolka resultatet från experimentet? Experimentlogg Att fundera på
Läs merExtrauppgifter i matematisk statistik
Extrauppgifter i matematisk statistik BT 2014 1. Mängden A är dubbelt så sannolik som B. Hur förhåller sig P(A B) till P(B A)? 2. Två händelser A och B har sannolikheter skilda från noll. (a) A och B är
Läs merExtrauppgifter - Statistik
Extrauppgifter - Statistik Uppgifter 1. Den stokastiska variabeln Y t 10 ). Bestäm c så att P ( c < Y < c) = 2. Vid tillverkning av en viss sorts färg tillsätts färgpigmentet med hjälp av en doseringsapparat,
Läs merDigital IC konstruktion
Digital IC konstruktion Viktor Öwall Transistorn: en förstärkare Power Supply Korrekt? gate drain source En transistor kan användas på många olika sätt, t.ex. för att förstärka en elektrisk signal. Ground
Läs merIngenjörsmetodik IT & ME 2011 Föreläsning 11
Ingenjörsmetodik IT & ME 011 Föreläsning 11 Sammansatt fel (Gauss regel) Felanalys och noggrannhetsanalys Mätvärden och mätfel Medelvärde, standardavvikelse och standardosäkerher (statistik) 1 Läsanvisningar
Läs merExperimentella metoder 2014, Räkneövning 1
Experimentella metoder 04, Räkneövning Problem : Tio mätningar av en resistans gav följande resultat: Mätning no. Resistans (Ω) Mätning no Resistans (Ω) 0.3 6 0.0 00.5 7 99.98 3 00.0 8 99.80 4 99.95 9
Läs merIntroduktion. Konfidensintervall. Parade observationer Sammanfattning Minitab. Oberoende stickprov. Konfidensintervall. Minitab
Uppfödning av kyckling och fiskleveroljor Statistiska jämförelser: parvisa observationer och oberoende stickprov Matematik och statistik för biologer, 10 hp Fredrik Jonsson vt 2012 Fiskleverolja tillsätts
Läs merVetenskaplig metod och statistik
Vetenskaplig metod och statistik Innehåll Vetenskaplighet Hur ska man lägga upp ett experiment? Hur hanterar man felkällor? Hur ska man tolka resultatet från experimentet? Experimentlogg Att fundera på
Läs merF3 Introduktion Stickprov
Utrotningshotad tandnoting i arktiska vatten Inferens om väntevärde baserat på medelvärde och standardavvikelse Matematik och statistik för biologer, 10 hp Tandnoting är en torskliknande fisk som lever
Läs merProvmoment: Tentamen 6,5 hp Ladokkod: A144TG Tentamen ges för: TGMAI17h, Maskiningenjör - Produktutveckling. Tentamensdatum: 28 maj 2018 Tid: 9-13
Matematisk Statistik 7,5 högskolepoäng Provmoment: Tentamen 6,5 hp Ladokkod: A144TG Tentamen ges för: TGMAI17h, Maskiningenjör - Produktutveckling Tentamensdatum: 28 maj 2018 Tid: 9-13 Hjälpmedel: Miniräknare
Läs merDigital IC konstruktion
Digital IC konstruktion Viktor Öwall Transistorn: en förstärkare Power Supply Korrekt? gate drain source En transistor kan användas på många olika sätt, t.ex. för att förstärka en elektrisk signal. Ground
Läs merPROGRAMFÖRKLARING I. Statistik för modellval och prediktion. Ett exempel: vågriktning och våghöjd
Statistik för modellval och prediktion att beskriva, förklara och förutsäga Georg Lindgren PROGRAMFÖRKLARING I Matematisk statistik, Lunds universitet stik för modellval och prediktion p.1/4 Statistik
Läs merBild 1. Bild 2 Sammanfattning Statistik I. Bild 3 Hypotesprövning. Medicinsk statistik II
Bild 1 Medicinsk statistik II Läkarprogrammet T5 HT 2014 Anna Jöud Arbets- och miljömedicin, Lunds universitet ERC Syd, Skånes Universitetssjukhus anna.joud@med.lu.se Bild 2 Sammanfattning Statistik I
Läs merExaminationsuppgift 2014
Matematik och matematisk statistik 5MS031 Statistik för farmaceuter Per Arnqvist Examinationsuppgift 2014-10-09 Sid 1 (5) Examinationsuppgift 2014 Hemtenta Statistik för farmaceuter 3 hp LYCKA TILL! Sid
Läs merBeskrivande statistik. Tony Pansell, Leg optiker Docent, Universitetslektor
Beskrivande statistik Tony Pansell, Leg optiker Docent, Universitetslektor Beskrivande statistik Grunden för all analys är ordning och reda! Beskrivande statistik hjälper oss att överskådligt sammanfatta
Läs merGrundläggande matematisk statistik
Grundläggande matematisk statistik Linjär Regression Uwe Menzel, 2018 uwe.menzel@slu.se; uwe.menzel@matstat.de www.matstat.de Linjär Regression y i y 5 y 3 mätvärden x i, y i y 1 x 1 x 2 x 3 x 4 x 6 x
Läs merDigital IC konstruktion
Digital IC konstruktion Viktor Öwall Transistorn: en förstärkare Power Supply Korrekt? gate drain source En transistor kan användas på många olika sätt, t.ex. för att förstärka en elektrisk signal. Ground
Läs merHypotestestning och repetition
Hypotestestning och repetition Statistisk inferens Vid inferens använder man urvalet för att uttala sig om populationen Centralmått Medelvärde: x= Σx i / n Median Typvärde Spridningsmått Används för att
Läs merIngenjörsmetodik IT & ME 2010 Föreläsning 5
Ingenjörsmetodik IT & ME 010 Föreläsning 5 Sammansatt fel (Gauss regel) Felanalys och noggrannhetsanalys Mätvärden och mätfel Medelvärde, standardavvikelse och standardosäkerher (statistik) 1 Frågor från
Läs merUppgift 1 (a) För två händelser, A och B, är följande sannolikheter kända
Avd. Matematisk statistik TENTAMEN I SF90, SANNOLIKHETSTEORI OCH STATISTIK, TISDAGEN DEN 9:E JUNI 205 KL 4.00 9.00. Kursledare: Tatjana Pavlenko, 08-790 84 66 Tillåtna hjälpmedel: Formel- och tabellsamling
Läs merNy teknik slår igenom när den är gammal
Januari 2007 Ny teknik slår igenom när den är gammal Tekniska genombrott tar mycket längre tid än man tror. Och för att de ska få någon effekt krävs en rad följduppfinningar. Ångkraften, elektriciteten
Läs merFöreläsning G60 Statistiska metoder
Föreläsning 4 Statistiska metoder 1 Dagens föreläsning o Sannolikhet Vad är sannolikhet? o Slumpvariabel o Sannolikhetsfördelningar Binomialfördelning Normalfördelning o Stickprov och population o Centrala
Läs mer34% 34% 13.5% 68% 13.5% 2.35% 95% 2.35% 0.15% 99.7% 0.15% -3 SD -2 SD -1 SD M +1 SD +2 SD +3 SD
6.4 Att dra slutsatser på basis av statistisk analys en kort inledning - Man har ett stickprov, men man vill med hjälp av det få veta något om hela populationen => för att kunna dra slutsatser som gäller
Läs merGrindar och transistorer
Föreläsningsanteckningar Föreläsning 17 - Digitalteknik I boken: nns ej med Grindar och transistorer Vi ska kort beskriva lite om hur vi kan bygga upp olika typer av grindar med hjälp av transistorer.
Läs merStudietyper, inferens och konfidensintervall
Studietyper, inferens och konfidensintervall Andrew Hooker Division of Pharmacokinetics and Drug Therapy Department of Pharmaceutical Biosciences Uppsala University Studietyper Experimentella studier Innebär
Läs merF9 SAMPLINGFÖRDELNINGAR (NCT
Stat. teori gk, ht 006, JW F9 SAMPLINGFÖRDELNINGAR (NCT 7.1-7.4) Ordlista till NCT Sample Population Simple random sampling Sampling distribution Sample mean Standard error The central limit theorem Proportion
Läs merLaboration 2. i 5B1512, Grundkurs i matematisk statistik för ekonomer
Laboration 2 i 5B52, Grundkurs i matematisk statistik för ekonomer Namn: Elevnummer: Laborationen syftar till ett ge information och träning i Excels rutiner för statistisk slutledning, konfidensintervall,
Läs merIdag. EDAA35, föreläsning 4. Analys. Kursmeddelanden. Vanliga steg i analysfasen av ett experiment. Exempel: exekveringstid
EDAA35, föreläsning 4 KVANTITATIV ANALYS Idag Kvantitativ analys Slump och slumptal Analys Boxplot Konfidensintervall Experiment och test Kamratgranskning Kursmeddelanden Analys Om laborationer: alla labbar
Läs merRättningstiden är i normalfall 15 arbetsdagar, till detta tillkommer upp till 5 arbetsdagar för administration, annars är det detta datum som gäller:
Matematisk Statistik Provmoment: Ladokkod: Tentamen ges för: Tentamen TT091A TGMAS15h 7,5 högskolepoäng TentamensKod: Tentamensdatum: 30 Maj Tid: 9-13 Hjälpmedel: Miniräknare (nollställd) samt allmänspråklig
Läs merTentamen 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
Läs merVetenskaplig metod och Statistik
Vetenskaplig metod och Statistik Innehåll Hur ska man lägga upp ett experiment? Hur hanterar man felkällor? Hur ska man tolka resultatet från experimentet? Experimentlogg Att fundera på Experiment NE:
Läs merTillämpad statistik (A5), HT15 Föreläsning 6: Några övriga urvalsmetoder
Tillämpad statistik (A5), HT15 Föreläsning 6: Några övriga smetoder Ronnie Pingel Statistiska institutionen Senast uppdaterad: 2015-11-11 Några övriga smetoder OSU-UÅ (med eller utan stratifiering) förutsätter
Läs merF14 HYPOTESPRÖVNING (NCT 10.2, , 11.5) Hypotesprövning för en proportion. Med hjälp av data från ett stickprov vill vi pröva
Stat. teori gk, ht 006, JW F14 HYPOTESPRÖVNING (NCT 10., 10.4-10.5, 11.5) Hypotesprövning för en proportion Med hjälp av data från ett stickprov vill vi pröva H 0 : P = P 0 mot någon av H 1 : P P 0 ; H
Läs merResidualanalys. Finansiell statistik, vt-05. Normalfördelade? Normalfördelade? För modellen
Residualanalys För modellen Johan Koskinen, Statistiska institutionen, Stockholms universitet Finansiell statistik, vt-5 F7 regressionsanalys antog vi att ε, ε,..., ε är oberoende likafördelade N(,σ Då
Läs merIdag. EDAA35, föreläsning 4. Analys. Exempel: exekveringstid. Vanliga steg i analysfasen av ett experiment
EDAA35, föreläsning 4 KVANTITATIV ANALYS Idag Kvantitativ analys Kamratgranskning Analys Exempel: exekveringstid Hur analysera data? Hur vet man om man kan lita på skillnader och mönster som man observerar?
Läs merElektronik. MOS-transistorn. Översikt. Då och nu. MOS-teknologi. Lite historik nmosfet Arbetsområden pmosfet CMOS-inverterare NOR- och NAND-grindar
Översikt Pietro Andreani Institutionen för elektro- och informationsteknik unds universitet ite historik nmofet Arbetsområden pmofet CMO-inverterare NOR- och NAN-grindar MO-teknologi å och nu Metal-e-silicon
Läs merSTATISTISK POWER OCH STICKPROVSDIMENSIONERING
STATISTISK POWER OCH STICKPROVSDIMENSIONERING Teori UPPLÄGG Gemensam diskussion Individuella frågor Efter detta pass hoppas jag att: ni ska veta vad man ska tänka på vilka verktyg som finns vilket stöd
Läs merAnalys av medelvärden. Jenny Selander , plan 3, Norrbacka, ingång via den Samhällsmedicinska kliniken
Analys av medelvärden Jenny Selander jenny.selander@ki.se 524 800 29, plan 3, Norrbacka, ingång via den Samhällsmedicinska kliniken Jenny Selander, Kvant. metoder, FHV T1 december 20111 Innehåll Normalfördelningen
Läs merAvd. Matematisk statistik
Avd. Matematisk statistik TENTAMEN I SF1913 MATEMATISK STATISTIK FÖR IT OCH ME ONSDAGEN DEN 12 JANUARI 2011 KL 14.00 19.00. Examinator: Camilla Landén, tel. 7908466. Tillåtna hjälpmedel: Formel- och tabellsamling
Läs merUppgift a b c d e Vet inte Poäng
TENTAMEN: Dataanalys och statistik för I2, TMS135 Fredagen den 12 mars kl. 8:45-11:45 på V. Jour: Jenny Andersson, ankn 8294 (mobil:070 3597858) Hjälpmedel: Utdelad formelsamling med tabeller, BETA, på
Läs merDigital IC konstruktion
Digital IC konstruktion iktor Öwall Transistorn: en förstärkare Power Supply Transistorn: en förstärkare Power Supply Korrekt? gate drain gate drain source source En transistor kan användas på många olika
Läs merDataanalys kopplat till undersökningar
Dataanalys kopplat till undersökningar Seminarium om undersökningsmetoder för förorenade områden, Malmö 6-7 maj Jenny Norrman, SGI, Chalmers FRIST På säker grund för hållbar utveckling Innehåll Inledning
Läs merFöreläsning 8. NDAB02 Statistik; teori och tillämpning i biologi
Föreläsning 8 Statistik; teori och tillämpning i biologi 1 Dagens föreläsning o Enkel linjär regression (kap 17.1 17.5) o Skatta regressionslinje (kap 17.2) o Signifikant lutning? (kap 17.3, 17.5a) o Förklaringsgrad
Läs merInnehåll. Frekvenstabell. II. Beskrivande statistik, sid 53 i E
Innehåll I. Grundläggande begrepp II. Deskriptiv statistik (sid 53 i E) III. Statistisk inferens Hypotesprövnig Statistiska analyser Parametriska analyser Icke-parametriska analyser 1 II. Beskrivande statistik,
Läs merF1 Introduktion och ingenjörsrollen EDAA05 Datorer i system! Roger Henriksson!
F1 Introduktion och ingenjörsrollen EDAA05 Roger Henriksson I kursen får du en introduktion till de frågeställningar och problemområden som omfattas av D-programmet och ämnet datavetenskap och underlättar
Läs merFöreläsning 11: Mer om jämförelser och inferens
Föreläsning 11: Mer om jämförelser och inferens Matematisk statistik David Bolin Chalmers University of Technology Maj 12, 2014 Oberoende stickprov Vi antar att vi har två oberoende stickprov n 1 observationer
Läs merSF1901: SANNOLIKHETSTEORI OCH STATISTIKTEORI KONSTEN ATT DRA INTERVALLSKATTNING. STATISTIK SLUTSATSER. Tatjana Pavlenko.
SF1901: SANNOLIKHETSTEORI OCH STATISTIK FÖRELÄSNING 10 STATISTIKTEORI KONSTEN ATT DRA SLUTSATSER. INTERVALLSKATTNING. Tatjana Pavlenko 25 april 2017 PLAN FÖR DAGENS FÖRELÄSNING Statistisk inferens oversikt
Läs merTentamen i statistik (delkurs C) på kursen MAR103: Marina Undersökningar - redskap och metoder.
Tentamen 2014-12-05 i statistik (delkurs C) på kursen MAR103: Marina Undersökningar - redskap och metoder. Tillåtna hjälpmedel: Miniräknare och utdelad formelsamling med tabeller. C1. (6 poäng) Ange för
Läs merF1 Introduktion och ingenjörsrollen
F1 Introduktion och ingenjörsrollen EDAA05 Roger Henriksson Jonas Wisbrant I kursen får du en introduktion till de frågeställningar och problemområden som omfattas av D-programmet och ämnet datavetenskap
Läs merGiltig legitimation/pass är obligatoriskt att ha med sig. Tentamensvakt kontrollerar detta. Tentamensresultaten anslås med hjälp av kodnummer.
KOD: Kurskod: PC1244 Kursnamn: Metod Provmoment: Metod Ansvarig lärare: Sandra Buratti Tentamensdatum: 2014-11-08 Tillåtna hjälpmedel: Miniräknare Tentan består av 13 frågor, totalt 40 poäng. Det krävs
Läs merStatistik 1 för biologer, logopeder och psykologer
Innehåll 1 Analys av korstabeller 2 Innehåll 1 Analys av korstabeller 2 Korstabeller Vi har tidigare under kursen redan bekantat oss med korstabeller. I en korstabell redovisar man fördelningen på två
Läs merAnvisningar till rapporter i psykologi på B-nivå
Anvisningar till rapporter i psykologi på B-nivå En rapport i psykologi är det enklaste formatet för att rapportera en vetenskaplig undersökning inom psykologins forskningsfält. Något som kännetecknar
Läs mer7,5 högskolepoäng. Statistisk försöksplanering och kvalitetsstyrning. TentamensKod: Tentamensdatum: 30 oktober 2015 Tid: 9-13:00
Statistisk försöksplanering och kvalitetsstyrning Provmoment: Ladokkod: Tentamen ges för: TentamensKod: Tentamen 5Hp 41I12B KINAF13, KINAR13, KINLO13,KMASK13 7,5 högskolepoäng Tentamensdatum: 30 oktober
Läs merTentamen i Statistik, STG A01 och STG A06 (13,5 hp) Torsdag 5 juni 2008, Kl
Karlstads Universitet Avdelningen för Nationalekonomi och Statistik Tentamen i Statistik, STG A0 och STG A06 (3,5 hp) Torsdag 5 juni 008, Kl 4.00-9.00 Tillåtna hjälpmedel: Bifogad formelsamling, approximationsschema
Läs merTentamentsskrivning: Matematisk Statistik med Metoder MVE490 1
Tentamentsskrivning: Matematisk Statistik med Metoder MVE490 1 Tentamentsskrivning i Matematisk Statistik med Metoder MVE490 Tid: den 16 augusti, 2017 Examinatorer: Kerstin Wiklander och Erik Broman. Jour:
Läs merLedtrådar till utvalda uppgifter för NDAB01, vt2011, 17 januari 2011.
Ledtrådar till utvalda uppgifter för DAB01, vt011, 17 januari 011. 3.1cd sida 3 Summatecknet antas vara känt för er. Övningen avser mer att kolla på skrivsättet X i som förklaras i boken ungefär mitt på
Läs merHur skriver man statistikavsnittet i en ansökan?
Hur skriver man statistikavsnittet i en ansökan? Val av metod och stickprovsdimensionering Registercentrum Norr http://www.registercentrumnorr.vll.se/ statistik.rcnorr@vll.se 11 Oktober, 2018 1 / 52 Det
Läs merLösningsförslag till tentamen på. Statistik och kvantitativa undersökningar STA100, 15 hp. Fredagen den 13 e mars 2015
MÄLARDALENS HÖGSKOLA Akademin för ekonomi, samhälle och teknik Statistik Lösningsförslag till tentamen på Statistik och kvantitativa undersökningar STA100, 15 hp Fredagen den 13 e mars 015 1 a 13 och 14
Läs mer12. Kort om modern halvledarteknologi
12. Kort om modern halvledarteknologi Kursen i halvledarfysik behandlar i detalj halvledarkomponenter. På denna kurs går vi igenom bara den allra viktigaste av dem, MOSFET-transistorn som ger grunden till
Läs mer12. Kort om modern halvledarteknologi
12. Kort om modern halvledarteknologi Kursen i halvledarfysik behandlar i detalj halvledarkomponenter. På denna kurs går vi igenom bara den allra viktigaste av dem, MOSFET-transistorn som ger grunden till
Läs merElektronik 2017 EITA35
Elektronik 2017 EITA35 OP-Amp Komplex Återkoppling. Klippning. Maximal spänning/ström. Gain-bandwidthproduct. Offset. Slewrate Avkopplingskondensator Transistorer - MOSFETs Lab 4 Anmälan på hemsidan Projektnummer
Läs merKap 6: Normalfördelningen. Normalfördelningen Normalfördelningen som approximation till binomialfördelningen
Kap 6: Normalfördelningen Normalfördelningen Normalfördelningen som approximation till binomialfördelningen σ μ 1 Sats 6 A Om vi ändrar läge och/eller skala på en normalfördelning så har vi fortfarande
Läs merMatematisk statistik för B, K, N, BME och Kemister
Matematisk statistik för B, K, N, BME och Kemister Föreläsning 10 Johan Lindström 27 september 2017 Johan Lindström - johanl@maths.lth.se FMSF70/MASB02 F10 1/26 Repetition Linjär regression Modell Parameterskattningar
Läs merForskningsmetodik 2006 lektion 2
Forskningsmetodik 6 lektion Per Olof Hulth hulth@physto.se Slumpmässiga och systematiska mätfel Man skiljer på två typer av fel (osäkerheter) vid mätningar:.slumpmässiga fel Positiva fel lika vanliga som
Läs merFormler och tabeller till kursen MSG830
Formler och tabeller till kursen MSG830 Deskriptiva mått För ett datamängd x 1,, x n denieras medelvärde standardavvikelse standardfelet (SEM) Sannolikheter x = 1 n n i=1 = x 1 + + x n n s = 1 n (x i x)
Läs merTENTAMEN Datum: 14 feb 2011
TENTAMEN Datum: 14 feb 011 Kurs: KÖTEORI OCH MATEMATISK STATISTIK HF1001 TEN 1 (Matematisk statistik ) Ten1 i kursen HF1001 ( Tidigare kn 6H301), KÖTEORI OCH MATEMATISK STATISTIK, Skrivtid: 13:15-17:15
Läs merDigital- och datorteknik
Digital- och datorteknik Föreläsning #21 Biträdande professor Jan Jonsson Institutionen för data- och informationsteknik Chalmers tekniska högskola Teknologier och hierarkier Minnestyper Vi har hittills
Läs merLösningar till tentamensskrivning för kursen Linjära statistiska modeller. 14 januari
STOCKHOLMS UNIVERSITET MATEMATISK STATISTIK Lösningar till tentamensskrivning för kursen Linjära statistiska modeller 14 januari 2010 9 14 Examinator: Anders Björkström, tel. 16 45 54, bjorks@math.su.se
Läs merEXEMPEL PÅ FRÅGESTÄLLNINGAR INOM STATISTIK- TEORIN (INFERENSTEORIN):
Lunds tekniska högskola Matematikcentrum Matematisk statistik FMSF50: Matematisk statistik för L och V OH-bilder på föreläsning 7, 2017-11-20 EXEMPEL PÅ FRÅGESTÄLLNINGAR INOM STATISTIK- TEORIN (INFERENSTEORIN):
Läs merIntroduktion till statistik för statsvetare
och enkäter "Det finns inget så praktiskt som en bra teori" September 2011 och enkäter Inledning Inledning Om vi vill mäta en egenskap hos en population individer (individer kan vara personer, företag
Läs merLektionsanteckningar 11-12: Normalfördelningen
Lektionsanteckningar 11-12: Normalfördelningen När utfallsrummet för en slumpvariabel kan anta vilket värde som helst i ett givet intervall är variabeln kontinuerlig. Det är väsentligt att utfallsrummet
Läs merTentamentsskrivning: Matematisk Statistik med Metoder MVE490 1
Tentamentsskrivning: Matematisk Statistik med Metoder MVE490 1 Tentamentsskrivning i Matematisk Statistik med Metoder MVE490 Tid: den 22 december, 2016 Examinatorer: Kerstin Wiklander och Erik Broman.
Läs merOBS! Vi har nya rutiner.
KOD: Kurskod: PC1203 och PC1244 Kursnamn: Kognitiv psykologi och metod och Kognitiv psykologi och utvecklingspsykologi Provmoment: Metod Ansvarig lärare: Linda Hassing Tentamensdatum: 2012-09-28 Tillåtna
Läs merVad är KiselGermanium?
Vad är KiselGermanium? Kiselgermanium, eller SiGe, får nog sägas vara den nya teknologin på modet inom området integrerade kretsar för radiofrekvenser, RF-ASIC. Det kan vara på sin plats med en genomgång
Läs merTentamen i Sannolikhetslära och statistik Kurskod S0008M
Tentamen i Sannolikhetslära och statistik Kurskod S0008M Poäng totalt för del 1: 25 (12 uppgifter) Tentamensdatum 2012-12-19 Poäng totalt för del 2: 30 (3 uppgifter) Skrivtid 09.00 14.00 Lärare: Adam Jonsson
Läs merAnalytisk statistik. 1. Estimering. Statistisk interferens. Statistisk interferens
Analytisk statistik Tony Pansell, Leg optiker Docent, Universitetslektor Analytisk statistik Att dra slutsatser från den insamlade datan. Två metoder:. att generalisera från en mindre grupp mot en större
Läs merFinns det över huvud taget anledning att förvänta sig något speciellt? Finns det en generell fördelning som beskriver en mätning?
När vi nu lärt oss olika sätt att karaktärisera en fördelning av mätvärden, kan vi börja fundera över vad vi förväntar oss t ex för fördelningen av mätdata när vi mätte längden av en parkeringsficka. Finns
Läs merFinansiell Statistik (GN, 7,5 hp,, HT 2008) Föreläsning 3
Finansiell Statistik (GN, 7,5 hp,, HT 2008) Föreläsning 3 Kontinuerliga sannolikhetsfördelningar (LLL Kap 7 & 9) Department of Statistics (Gebrenegus Ghilagaber, PhD, Associate Professor) Financial Statistics
Läs merb) Beräkna sannolikheten att en mottagen nolla har sänts som en nolla. (7 p)
Avd. Matematisk statistik TENTAMEN I SF90 OCH SF905 SANNOLIKHETSTEORI OCH STATISTIK, FREDAGEN DEN 4:E MARS 204 KL 4.00 9.00. Kursledare: För D och Media: Gunnar Englund, 073 32 37 45 Kursledare: För F:
Läs merLärare 1. Lärare 1 Binomial och normalfördelning Fel i statistiska undersökningar Att tolka undersökningar Falska samband Jämföra i tid och rum
Lärare 1 Lärare 1 Binomial och normalfördelning Fel i statistiska undersökningar Att tolka undersökningar Falska samband Jämföra i tid och rum Lärare 2 Att utföra undersökningar Sneda statistiska underlag
Läs merErfarenheter Mina arbetserfarenheter listas som i en blogg med det senaste upptill.
Tillåt mig presentera mig. Jag heter och ser mig själv som en elektronikutvecklare efter totalt 22 år på Philips och Thermometric AB. Att omsätta idéer och möjligheter till nya lönsamma produkter är min
Läs merFöreläsning 1. Repetition av sannolikhetsteori. Patrik Zetterberg. 6 december 2012
Föreläsning 1 Repetition av sannolikhetsteori Patrik Zetterberg 6 december 2012 1 / 28 Viktiga statistiska begrepp För att kunna förstå mer avancerade koncept under kursens gång är det viktigt att vi förstår
Läs merKandidatprogram, informations- och kommunikationsteknik Bachelor's Programme in Information and Communication Technology 180,0 högskolepoäng
Utbildningsplan Kandidatprogram, informations- och kommunikationsteknik Bachelor's Programme in Information and Communication Technology 180,0 högskolepoäng Gäller för antagna till utbildningen fr o m
Läs merOBS! Vi har nya rutiner.
KOD: Kurskod: PC1203 och PC1244 Kursnamn: Kognitiv psykologi och metod och Kognitiv psykologi och utvecklingspsykologi Provmoment: Metod Ansvarig lärare: Linda Hassing Tentamensdatum: 2012-11-17 Tillåtna
Läs merUppgift 1. P (A) och P (B) samt avgör om A och B är oberoende. (5 p)
Avd. Matematisk statistik TENTAMEN I SF90, SF905, SANNOLIKHETSTEORI OCH STATISTIK, MÅNDAGEN DEN 8:E AUGSTI 204 KL 08.00 3.00. Kursledare: Tatjana Pavlenko, 08-790 84 66 Tillåtna hjälpmedel: Formel- och
Läs merLULEÅ TEKNISKA UNIVERSITET Ämneskod S0002M MAM801 IEK309 Institutionen för matematik Datum Skrivtid
LULEÅ TEKNISKA UNIVERSITET Ämneskod S0002M MAM801 IEK309 Institutionen för matematik Datum 2008-01-19 Skrivtid 0900 1400 Tentamen i: Statistik AI, 10p Antal uppgifter: 6 Krav för G: 11 Lärare: Robert Lundqvist,
Läs merFöreläsning 7 FK2002
Föreläsning 7 FK2002 Föreläsning 7 Binomialfördelning Poissonfördelning Att testa en hypotes Binomialfördelningen Betrakta ett experiment som består av n försök varav ν är lyckade försök. Mätningar har
Läs merKapitel 4 Sannolikhetsfördelningar Sid Föreläsningsunderlagen är baserade på underlag skrivna av Karl Wahlin
Kapitel 4 Sannolikhetsfördelningar Sid 79-14 Föreläsningsunderlagen är baserade på underlag skrivna av Karl Wahlin Slumpvariabel En variabel för vilken slumpen bestämmer utfallet. Slantsingling, tärningskast,
Läs merStokastiska processer med diskret tid
Stokastiska processer med diskret tid Vi tänker oss en följd av stokastiska variabler X 1, X 2, X 3,.... Talen 1, 2, 3,... räknar upp tidpunkter som förflutit från startpunkten 1. De stokastiska variablerna
Läs merHambley avsnitt 12.7 (7.3 för den som vill läsa lite mer om grindar) sann 1 falsk 0
1 Föreläsning 2 ht2 Hambley avsnitt 12.7 (7.3 för den som vill läsa lite mer om grindar) Lite om logiska operationer Logiska variabler är storheter som kan anta två värden; sann 1 falsk 0 De logiska variabler
Läs merTentamen i matematisk statistik (9MA241/9MA341, STN2) kl 14 18
LINKÖPINGS UNIVERSITET MAI Johan Thim Tentamen i matematisk statistik (9MA241/9MA341, STN2) 213-1-11 kl 14 18 Hjälpmedel är: miniräknare med tömda minnen och formelbladet bifogat. Varje uppgift är värd
Läs mer2.1 Minitab-introduktion
2.1 Minitab-introduktion Betrakta följande mätvärden (observationer): 9.07 11.83 9.56 7.85 10.44 12.69 9.39 10.36 11.90 10.15 9.35 10.11 11.31 8.88 10.94 10.37 11.52 8.26 11.91 11.61 10.72 9.84 11.89 7.46
Läs merAnalytisk statistik. Mattias Nilsson Benfatto, PhD.
Analytisk statistik Mattias Nilsson Benfatto, PhD Mattias.nilsson@ki.se Beskrivande statistik kort repetition Centralmått Spridningsmått Normalfördelning Konfidensintervall Korrelation Analytisk statistik
Läs merKalibreringsfel 0.01V 0.01V -0.02V V 0.005V 0V -0.01V 0.02V. Sant värde. Medeloperatör. Karl. Maria Linn Annika Bo Peter Thomas.
Mätutrustning Elektriskt brus 0mV -2mV 2mV 1mV 5mV 4mV 2mV -3mV e 9 e 2 e 8 e e 2 3 e 5 e=0 e 7 e 1 e e 4 6 e 10 Okända felkällor Matarspänning 10.2V 10.1V 9.8V 9.7V 9.9V 10V 10.1V 9.6V Sant värde Kalibreringsfel
Läs merFMSF55: Matematisk statistik för C och M OH-bilder på föreläsning 5, a 2 e x2 /a 2, x > 0 där a antas vara 0.6.
Lunds tekniska högskola Matematikcentrum Matematisk statistik FMSF55: Matematisk statistik för C och M OH-bilder på föreläsning 5, 28-4-6 EXEMPEL (max och min): Ett instrument består av tre komponenter.
Läs mer7,5 högskolepoäng. Statistisk försöksplanering och kvalitetsstyrning. TentamensKod: Tentamensdatum: 28 oktober 2016 Tid: 9.
Statistisk försöksplanering och kvalitetsstyrning Provmoment: Ladokkod: Tentamen ges för: TentamensKod: Tentamen 4I2B KINAF4, KINAR4, KINLO4, KMASK4 7,5 högskolepoäng Tentamensdatum: 28 oktober 206 Tid:
Läs merMoment 2 Digital elektronik. Föreläsning Inbyggda system, introduktion
Moment 2 Digital elektronik Föreläsning Inbyggda system, introduktion Jan Thim 1 Inbyggda system, introduktion Innehåll: Historia Introduktion Arkitekturer Mikrokontrollerns delar 2 1 Varför lär vi oss
Läs merVi har en ursprungspopulation/-fördelning med medelvärde µ.
P-värde P=probability Sannolikhetsvärde som är resultat av en statistisk test. Anger sannolikheten för att göra den observation vi har gjort eller ett sämre / mer extremt utfall om H 0 är sann. Vi har
Läs merför att komma fram till resultat och slutsatser
för att komma fram till resultat och slutsatser Bearbetning & kvalitetssäkring 6:1 E. Bearbetning av materialet Analys och tolkning inleds med sortering och kodning av materialet 1) Kvalitativ hermeneutisk
Läs merTDDC74 Programmering: Abstraktion och modellering Dugga 3, kl 8 10, 7 april 2016
TDDC74 Programmering: Abstraktion och modellering Dugga 3, kl 8 10, 7 april 2016 Läs alla frågorna först och bestäm dig för i vilken ordning du vill lösa uppgifterna. Uppgifterna är inte ordnade i någon
Läs mer