Följande begrepp används ofta vid beskrivning av ett statistiskt material:

Relevanta dokument
Matematisk statistik

vara ett polynom där a 0, då kallas n för polynomets grad och ibland betecknas n = grad( P(

NEWTON-RAPHSONS METOD (en metod för numerisk lösning av ekvationer)

NEWTON-RAPHSONS METOD (en metod för numerisk lösning av ekvationer)

UPPSKATTNING AV INTEGRALER MED HJÄLP AV TVÅ RIEMANNSUMMOR. Med andra ord: Vi kan approximera integralen från båda sidor

Induktion och Binomialsatsen. Vi fortsätter att visa hur matematiska påståenden bevisas med induktion.

Statistisk analys. Vilka slutsatser kan dras om populationen med resultatet i stickprovet som grund? Hur säkra uttalande kan göras om resultatet?

Betygsgränser: För (betyg Fx).

vara ett polynom där a 0, då kallas n för polynomets grad och ibland betecknas n grad( P(

NEWTON-RAPHSONS METOD (en metod för numerisk lösning av ekvationer)

Finansiell Statistik (GN, 7,5 hp,, HT 2008) Föreläsning 4 (del 2)

TENTAMEN I MATEMATISK STATISTIK Datum: 13 mars 08

APPROXIMATION AV SERIENS SUMMA MED EN DELSUMMA OCH EN INTEGRAL

Statistik för ingenjörer 1MS008

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

Föreläsning G04: Surveymetodik

Uppgifter 3: Talföljder och induktionsbevis

Kontrollskrivning 2 till Diskret Matematik SF1610, för CINTE1, vt 2019 Examinator: Armin Halilovic Datum: To Σ p P/F Extra Bonus

Övningstentamen i MA2018 Tillämpad Matematik III-Statistik, 7.5hp

Uppsala Universitet Matematiska Institutionen Thomas Erlandsson

1. Test av anpassning.

Grundläggande matematisk statistik

Antalet sätt att välja ut r objekt bland n stycken med hänsyn till ordning är np r = n(n 1) (n r + 1).

2. Konfidensintervall för skillnaden mellan två proportioner.

Datorövning 2 Fördelningar inom säkerhetsanalys

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

TMS136: Dataanalys och statistik Tentamen med lösningar

EGENRUM, ALGEBRAISK- OCH GEOMETRISK MULTIPLICITET

Stokastiska variabler

θx θ 1 om 0 x 1 f(x) = 0 annars

F10 ESTIMATION (NCT )

Multiplikationsprincipen

ENDIMENSIONELL ANALYS B1 FÖRELÄSNING VI. Föreläsning VI. Mikael P. Sundqvist

SANNOLIKHETER. Exempel. ( Tärningskast) Vi har sex möjliga utfall 1, 2, 3, 4, 5 och 6. Därför är utfallsrummet Ω = {1, 2, 3, 4, 5,6}.

Ekvationen (ekv1) kan beskriva en s.k. stationär tillstånd (steady-state) för en fysikalisk process.

Föreläsning G70 Statistik A

1. BERÄKNING AV GRÄNSVÄRDEN ( då x 0 ) MED HJÄLP AV MACLAURINUTVECKLING. n x

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

Analys av polynomfunktioner

TENTAMEN I MATEMATIK MED MATEMATISK STATISTIK HF1004 TEN kl

H1009, Introduktionskurs i matematik Armin Halilovic POLYNOM, POLYNOMDIVISION, ALGEBRAISKA EKVATIONER, PARTIALBRÅKSUPPDELNING. vara ett polynom där a

Tentamen i Statistik, STA A13 Deltentamen 2, 5p 20 januari 2007, kl

Introduktion till statistik för statsvetare

Binomialsatsen och lite kombinatorik

3-fastransformatorn 1

TENTAMEN I MATEMATISK STATISTIK

Tentamen i Statistik STG A01 (12 hp) 5 mars 2010, kl

x 1 x 2 x 3 x 4 x 5 x 6 HL Z x x x

Borel-Cantellis sats och stora talens lag

= (1 1) + (1 1) + (1 1) +... = = 0

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

Sannolikheten. met. A 3 = {2, 4, 6 }, 1 av 11

. Mängden av alla möjliga tillstånd E k kallas tillståndsrummet.

Minsta kvadrat-metoden, MK. Maximum likelihood-metoden, ML. Medelfel. E(X i ) = µ i (θ) MK-skattningen av θ fås genom att minimera

LINJÄRA DIFFERENTIALEKVATIONER AV HÖGRE ORDNINGEN

Armin Halilovic: EXTRA ÖVNINGAR

För att skatta väntevärdet för en fördelning är det lämpligt att använda Medelvärdet. E(ξ) =... = µ

4.2.3 Normalfördelningen

Tentamen i matematisk statistik

Skattning / Inferens. Sannolikhet och statistik. Skattning / Inferens. Vad är det som skattas?

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

. Om man har n stycken valsituationer med k valmöjligheter var, är det totala antalet valmöjligheter k.

Ekvationen (ekv1) kan beskriva vågutbredning, transversella svängningar i en sträng och andra fysikaliska förlopp.


Konsoliderad version av. Styrelsens för ackreditering och teknisk kontroll föreskrifter (STAFS 1993:18) om EEG-märkning av färdigförpackade varor

MS-A0409 Grundkurs i diskret matematik Sammanfattning, del 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

Föreläsning G04 Surveymetodik 732G19 Utredningskunskap I

Uppsala Universitet Matematiska Institutionen Bo Styf. Att repetera.

Genomsnittligt sökdjup i binära sökträd

DIAGONALISERING AV EN MATRIS

DEL I. Matematiska Institutionen KTH

101. och sista termen 1

Formelblad Sannolikhetsteori 1

Föreläsning G70 Statistik A

================================================

Inledande matematisk analys. 1. Utred med bevis vilket eller vilka av följande påståenden är sana:

F19 HYPOTESPRÖVNING (NCT ) Hypotesprövning för en differens mellan två medelvärden

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

Följande begrepp används ofta vid beskrivning av ett statistiskt material:

Datorövning 2 Fördelningar inom säkerhetsanalys

Anmärkning: I några böcker använder man följande beteckning ]a,b[, [a,b[ och ]a,b] för (a,b), [a,b) och (a,b].

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

b) Bestäm det genomsnittliga antalet testade enheter, E (X), samt även D (X). (5 p)

Tentamen Metod C vid Uppsala universitet, , kl

TENTAMEN Datum: 16 okt 09

Linjär Algebra (lp 1, 2016) Lösningar till skrivuppgiften Julia Brandes

a) Beräkna E (W ). (2 p)

Föreläsning 10: Kombinatorik

Lösningar och kommentarer till uppgifter i 1.1

S0005M V18, Föreläsning 10

KTH/ICT IX1501:F7 IX1305:F2 Göran Andersson Statistik: Skattningar

13.1 Matematisk statistik

Tentamen Metod C vid Uppsala universitet, , kl

Lycka till! I(X i t) 1 om A 0 annars I(A) =

KONFIDENSINTERVALL FÖR MEDIANEN (=TECKENINTERVALL )

Uppsala Universitet Matematiska institutionen Matematisk Statistik. Formel- och tabellsamling. Sannolikhetsteori och Statistik

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

LÖSNINGAR TILL. Räkningar: (z i z) 2 = , Δ = z = 1 n. n 1. Konfidensintervall:

Sannolikheter 0 < P < 1. Definition sannolikhet: Definition sannolikhet: En sannolikhet kan anta värden från 0 till 1

Transkript:

Armi Halilovic: EXTRA ÖVNINGAR Besrivade statisti BESKRIVANDE STATISTIK. GRUNDBEGREPP Följade begrepp aväds ofta vid besrivig av ett statistist material: LÄGESMÅTT (medelvärde, media och typvärde): Låt D[,,..., ] vara e tallista som besriver ett statistist material. i) Medelvärdet (mer precis "det aritmetisa medelvärdet") betecas oftast med µ eller och defiieras som i i + + + ii) Media: För att bestämma mediae sorterar vi tallista. Om mägde har udda atal elemet väljer vi det mittersta elemet i de sorterade tabelle. Om atalet elemet är jämt då är mediae medelvärdet av två mittersta elemet i de sorterade tabelle. iii) Typvärde i e tallista är det värde som föreommer flest gåger.. SPRIDNINGSMÅTT: iv) Varias och stadardavvielse är statistisa mått som visar hur mycet de olia värdea i ett statistist material avvier frå medelvärdet. Om värdea ligger ära medelvärdet blir stadardavvielse lite; om värdea är spridda lågt över och uder medelvärdet blir stadardavvielse stor. Följade två typer av stadardavvielse aväds i statistie: Typ. Om datatabell D[,,..., ] besriver hela populatioe då defiieras variase och stadardavvielse eligt följade: Variase s i ( i ) Stadardavvielse Variase s i ( i ) Typ. Om vi ite har data för hela populatioe, uta ett sticprov, då aväds så allade sticprovets varias och sticprovets stadardavvielse. I detta fall aväder vi följade formel ("- formel") av 5

Armi Halilovic: EXTRA ÖVNINGAR Besrivade statisti Variase s i ( i ) Stadardavvielse Variase s i ( i ) där i i + + + ( Amärig: I ågra böcer aväder ma betecig µ och σ för medelvärde och stadardavvielse edast om materialet täcer hela populatioe, meda och s (eller stadardavvielse i fall det hadlar om ett sticprov.) µ obs och s obs ) betecar medelvärde och v) Variatiosbredde är sillade mella ma- och mi-värdet i e datatabell Uppgift. Beräa a) mediae b) medelvärdet c) typvärde d) sticprovets varias, ( dvs (-)-formel) e) sticprovets stadardavvielse, ( dvs (-)-formel) f) största, mista värde och variatiosbredde för följade data: D [5,, 4,,, 3, 34, 5,, 33]. Lösig a) Först sorterar vi datatabell: D(sort)[,,,, 3, 4, 5, 5, 33, 34]. Notera att tabelle har jämt atal (0) elemet Mediae (3+4)/3.5 Svar: a) mediae3.5 b) medelvärdet 5. c) typvärde d) variase.43 e) stadardavvielse 4.63 f) största värdet 34, mista värde variatiosbredde 3 Uppgift. Beräa a) mediae b) medelvärdet c) typvärde d) sticprovets varias, dvs (-)-formel) e) sticprovets stadardavvielse, dvs (-)-formel) f) största, mista värde och variatiosbredde för följade data: D [3, 34, 3,38, 33]. av 5

Armi Halilovic: EXTRA ÖVNINGAR Besrivade statisti a) mediae 33 b) medelvärdet 33.8 c) typvärde 3 d) sticprovets varias 6. e) sticprovets stadardavvielse.49 f) största 38, mista värde 3 och variatiosbredde 6. GRUPPERAT DATAMATERIAL Ata att vi har ett sticprov med följade observatioer D [, 3, 3,,, 3, 4,,, 3,, 4, 3,,, 3, 4,,, 3]. I ovaståede datamägder har vi 0 observatioer där ågra upprepas så att vi har 4 olia resultat. Vi ser att föreommer gåger i datamägder och säger att tillhörade freves är. I allmät är frevese f i lia med atalet gåger elemetet i föreommer blad observerade eheter. De umulativa frevese till i visar atalet observatioer som är i. De får ma geom att successivt addera freveser. De relativa frevese är vote f i / (ages iblad i procet) De umulativa relativa frevese är vote (umulativa frevese)/ (ages iblad i procet) Vi a besriva ovaståede observatioer med följade tabell: ( i ) freveser (f i ) umulativa freveser relativa freveser umulativa relativa freveser 0. 0. 8 +80 0.4 0.5 (0.+0.4) 3 3 7 +8+77 0.35 0.85 (0.+0.4+0.35) 4 4 3 +8+7+30 0.5 4 f i 0 i Vi a åsådligt göra freveser, relativa freveser, umulativa freveser med hjälp av stolpdiagram. Här har vi ett stolpdiagram för freveser i D. 0 Stolpdiagram 5 0 8 7 3 3 4 freveser 3 av 5

Armi Halilovic: EXTRA ÖVNINGAR Besrivade statisti Medelvärde och varias för ett frevesidelat material a beräas med följade formler. i f i i Här bestämmer vi sticprovets varias (- formel) Variase s fi( i ). i Vi har f i i i ( 0 + 8 + 7 3 + 3 4) 5.55 0 och Variase s fi( i ( (.55) + 8 (.55) + 7 (3.55) + 3 (4.55) ) 9 99/380 0.78684 i ) Stadardavvielse σ Var 0.887 Uppgift 3. Bestäm medelvärdet, variase och stadardavvielse för följade lassidelat statistist material. Rita stolpdiagram. ( i ) freveser (f i ) 30 3 0 3 4 5 4 5 55 f i 00 i Svar: Medelvärdet 3.85, variase.84596, stadardavvielse.35866 4 av 5

Armi Halilovic: EXTRA ÖVNINGAR Besrivade statisti 60 50 40 30 0 0 0 Stolpdiagram 55 30 0 5 3 4 5 Freveser 5 av 5