Tentamen i matematisk statistik, Statistisk Kvalitetsstyrning, MSN320/TMS070 Lördag , klockan Lärare: Jan Rohlén

Relevanta dokument
Tentamen i matematisk statistik, Statistisk Kvalitetsstyrning, MSN320/TMS070

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

θx θ 1 om 0 x 1 f(x) = 0 annars

TENTAMEN I MATEMATIK MED MATEMATISK STATISTIK HF1004 TEN kl

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

Matematisk statistik TMS063 Tentamen

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

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

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

TENTAMEN I MATEMATISK STATISTIK

TENTAMEN I MATEMATISK STATISTIK Datum: 13 mars 08

Introduktion till statistik för statsvetare

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

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

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

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

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

Normalfördelningens betydelse. Sannolikhet och statistik. Täthetsfunktion, väntevärde och varians för N (µ, σ)

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

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

4.2.3 Normalfördelningen

Grundläggande matematisk statistik

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

Föreläsning G04: Surveymetodik

c n x n, där c 0, c 1, c 2,... är givna (reella eller n=0 c n x n n=0 absolutkonvergent om x < R divergent om x > R n n lim = 1 R.

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

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

1. (a) Eftersom X och Y har samma fördelning så har de även samma väntevärde och standardavvikelse. E(X 2 ) = k

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

Matematisk statistik

Tentamen i matematisk statistik

Föreläsning G70 Statistik A

F10 ESTIMATION (NCT )

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

Tentamenskrivning, , kl SF1625, Envariabelanalys för CINTE1(IT) och CMIEL1(ME ) (7,5hp)

Rättningstiden är i normalfall 15 arbetsdagar, annars är det detta datum som gäller:

S0005M V18, Föreläsning 10

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

TENTAMEN Datum: 16 okt 09

Tentamen i Linjär Algebra, SF december, Del I. Kursexaminator: Sandra Di Rocco. Matematiska Institutionen KTH

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

Lösning till tentamen för kursen Log-linjära statistiska modeller 29 maj 2007

TAMS79: Föreläsning 9 Approximationer och stokastiska processer

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

Tentamen i matematisk statistik

a) Beräkna E (W ). (2 p)

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

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

MA2018 Tillämpad Matematik III-Statistik, 3.5hp,

Tentamen i Matematisk statistik för V2 den 28 maj 2010

Borel-Cantellis sats och stora talens lag

Avd. Matematisk statistik

MA2018 Tillämpad Matematik III-Statistik, 3.5hp,

F3 Lite till om tidsserier. Statistikens grunder 2 dagtid. Sammansatta index 4. Deflatering HT Laspeyres index: Paasche index: Index.

KOM IHÅG ATT NOTERA DITT TENTAMENSNUMMER NEDAN OCH TA MED DIG TALONGEN INNAN DU LÄMNAR IN TENTAN!!

MA2018 Tillämpad Matematik III-Statistik, 3.5hp,

Tentamentsskrivning: Tillämpad Statistik 1MS026 1

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

Föreläsning G04 Surveymetodik 732G19 Utredningskunskap I

b 1 och har för olika värden på den reella konstanten a.

Lösningar och kommentarer till uppgifter i 1.1

. Mängden av alla möjliga tillstånd E k kallas tillståndsrummet.

Armin Halilovic: EXTRA ÖVNINGAR

SAMMANFATTNING TAMS79 Matematisk statistik, grundkurs

Z-Testet. Idè. Repetition normalfördelning. rdelning. Testvariabel z

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

101. och sista termen 1

Genomsnittligt sökdjup i binära sökträd

2. Konfidensintervall för skillnaden mellan två proportioner.

Övningstentamen i MA2018 Tillämpad Matematik III-Statistik, 3.5hp

Föreläsning G70 Statistik A

1. Test av anpassning.

HYPOTESPRÖVNING. De statistiska metoderna som används för att fatta denna typ av beslut baseras på två komplementära antaganden om populationen.

Tillåtna hjälpmedel: Eget handskrivet formelblad (A4), utdelad tabellsamling, miniräknare med tömt minne Studenterna får behålla tentamensuppgifterna

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

Sannolikhetslära statistisk inferens F10 ESTIMATION (NCT )

LÖSNINGSFÖRSLAG TILL TENTAMEN I MATEMATISK STATISTIK

Problem 2 löses endast om Du hade färre än 15 poäng på duggan som gavs arctanx sin x. x(1 cosx) lim. cost.

Formelblad Sannolikhetsteori 1

MA2018 Tillämpad Matematik III-Statistik, 3.5hp,

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

Digital signalbehandling Fönsterfunktioner

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

TMS136: Dataanalys och statistik Tentamen med lösningar

P (A) = k A P (A ) = 1 P (A) P (A B) P (B) P (M i ) = 1 P (A) P (X = k) = p X (k) p X (k) = 1 P (A B) p X (k)

Tillämpad biomekanik, 5 poäng Plan rörelse, kinematik och kinetik

Betygsgränser: För (betyg Fx).

Studentens personnummer: Giltig legitimation/pass är obligatoriskt att ha med sig. Tentamensvakt kontrollerar detta.

Stort massflöde Liten volym och vikt Hög verkningsgrad. Utföranden Kolv (7) Skruv (4) Ving (4) Roots (1,5) Radial (2-4) Axial (1,3) Diagonal.

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

Styr- och kontrolldiagram ( )

Tentamen i matematisk statistik, Statistisk Kvalitetsstyrning, MSN320/TMS070 Lördag , klockan

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

Datorövning 2 Fördelningar inom säkerhetsanalys

Tentamen i Sannolikhetsteori III 13 januari 2000

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

Stången: Cylindern: G :

REGULJÄRA SPRÅK (8p + 6p) 1. DFA och reguljära uttryck (6 p) Problem. För följande NFA över alfabetet {0,1}:

Föreläsning 2: Punktskattningar

TAMS15: SS1 Markovprocesser

Transkript:

FACIT Tetame i matematisk statistik, Statistisk Kvalitetsstyrig, MSN3/TMS7 Lördag 6-1-16, klocka 14.-18. Lärare: Ja Rohlé Ugift 1 (3.5 ) Se boke! Ugift (3.5) Se boke! Ugift 3 (3) a-ugifte Partistorlek: N=1 AQL=.5% Geeral Isectio Level II Tabell 14-4 ger för N=1 kodbokstav M Frå tabeller 14-5 till 14-6 får vi följade rovlaer: Normal: =315, acc=, re = 3 Tighteed: =315, acc=1, re= Reduced: =15, acc=1, re=3 Stadard övergågsregler skall följas. b-ugifte Se t.ex. Mogomery s.65 och 651. Det beror å hur mycket du ka lita å di leveratör och hur moge och stabil tillverkigsrocesse är. c-ugifte Fördele med zero-defect las är edagogiskt. Iga fel är tillåta. Nackdele är att det ka vara mycket tufft mot roducete, brat OC-kurva. = 1 k k P( X = ) = ö ( 1 ö ) = ( 1 ö ) =.5 k = k Lös ut : ö ö 1 = 1.5 =.3 (1.1)

Ett 95% övre kofidesitervall är.3. 1 Ugift 3. OC-kurva.9.8.7 P(X=, =1, ).6.5.4.3..1.5 1 1.5.5 3 3.5 4 4.5 5 x 1-3 (Det fis e tumregel som gäller geerellt för olllaer och 95% övre itervall: ö 3 ) Ugift 4 (3) a-ugifte Det ka vara flera hål å e duk. Det är räkedata. Jag kommer aväda ett diagram som bygger å Poissofördelige. Jag atar att atalet hål X, er rov är Poi( λ ). Jag skattar λ frå roduktiosdata: 1 1 84 xk k = 1 ˆ λ = = = 4 1 1 Väljer α =.. α Poissotabelle ger att P( X 11 λ = 4) =.9998 > 1 =.999. Väljer därför UCL = 11. α Poissotabelle ger att P( X λ = 4) =.183 > =.1. Väljer därför LCL =. 5 15 1 5 5 1 15 5 Vi ser att vi får ett larm för rov ummer 13. Texte ger oss att detta rov togs klocka 13.3 och att klocka 13.1 gick e säkrig. Vi har e förklarig till de udda ukte och tar bort dea frå styrdiagrammet och räkar ut ya gräser. ˆ* 1 * 6 λ = xk = = 3 k = 1 1 α * Poissotabelle ger att P( X 1 λ = 3) =.99971 > 1 =.999. Väljer därför UCL = 1.

α Poissotabelle ger att P( X λ = 3) =.4979 > =.1. Väljer därför De ya grafe blir: * LCL =. 5 15 1 5 4 6 8 1 1 14 16 18 b-ugifte Processe verkar u vara i kotroll! Ugift 5 (3) ( ) Svar: = Φ( 3C k ) + Φ 3( C C k ) Härledig: LSL µ x µ USL µ = 1 P( LSL X USL) = 1 P = σ σ σ N (,1) LSL µ USL µ = Φ + 1 Φ σ σ USL + LSL Om µ ka de första dele skrivas som LSL µ µ LSL µ LSL Φ = Φ = Φ 3 = Φ ( 3C k ) 3 σ σ σ och de adra dele ka skrivas som USL µ µ USL µ LSL µ USL µ LSL 1 Φ = Φ = Φ + = σ σ σ σ σ µ LSL USL LSL µ LSL USL LSL Φ = Φ 3 6 3 C C 3 = Φ 6 σ σ σ σ Ck C USL + LSL Symmetri ger samma resultat för µ >. Adele utaför tolerasgräsera blir då: ( ) ( ) ( ) ( k ) ( k ) 5 ( 3.99) ( 6.3) 1.99997 3 1 ( ) = Φ 3C + Φ 3 C C = Φ 3 1.33 + Φ 3 1.67 1.33 = Φ + Φ + = ( ( k ))

Ugift 6 (5) Ugift a: Processes stadardavvikelse ka beräkas frå 19 MR d i 1 ˆ σ i = = = = =.9 MR 1 1 448 d 19 1.18 19 Ugift b: Som det var sagt vid tetatillfället är det tillåtet att räka med σ = istället. H = hσ = 5 = 1 K = kσ =.5 = 1 Cusumtabelle blir 35 Ugift 6: Tabell-CuSum 3 5 CuSum 15 1 Larm! 5-5 -1 4 6 8 1 1 14 16 18 Provummer Processe är ej i kotroll. Vi får ett larm för rov 13!

Ugift c: Förädrige har iträffat vid tidukte 13-8=5. Det ya medelvärdet ka skattas till: + C 311 ˆ µ = µ + K + = 5 + 1 + = 53.7 N + 15 Ugift 7 (4) Ugift a: Parametrara skattas 445.7 ˆ µ = x = 17.81 5 s 1 7.95 ˆ σ = =.99 c4.9754 5 Observera att vi aväder s-metode och ej R-metode eftersom stickrovsstorleke =11 är stor och vi taar i effektivitet om R aväds. Ugift b: Ett lämligt styrdiagram är x s Shewhart diagram. (Ma ka äve välja t.ex. Cusum eller EWMA också om ma vill utäcka små ädrigar i medevärdet.) Väljer α =.7% Styrgräser för x-diagramet: ˆ σ.99 UCL = ˆ µ + 3 = 17.81+ 3 =.51 11 CL = ˆ µ = 17.81 ˆ σ.99 LCL = ˆ µ 3 = 17.81 3 = 15.11 11 Styrgräser för s-diagramet: 7.95 UCL = B4s = 1.679 = 4.9 5 CL = s =.9 7.95 LCL = B3s =.31 =.94 5

x-diagram 18 16 14 5 1 15 5 6 s-diagram 4 5 1 15 5 Vi har iga larm! Ugift c: Secifikatiosgräsera är 18 ± 1. Är rocesse kaabel? Bägge styrdiagrame idikerar att rocesse är stabil. I ugiftstexte ages att data är ormalfördelade och oberoede. Vi ka därför aväda följade kaabilitetsidex: ˆ USL LSL C = = 1.1 6 ˆ σ 6.99 ˆ USL ˆ µ ˆ µ LSL 17.81 8 C k = mi, 1.9 3 ˆ σ 3 ˆ = σ 3.99 Processe är ite helt kaabel. Ofta kräver ma idex å 1.33 eller högre. Ugift 8 (5) Ugift a: Volyme för cylider är V = π r h V V V µ r, µ h r µ r, µ h h σ σ + σ = r h ( πµ rµ h ) σ r ( πµ r ) σ h ( π ) ( π ) = + = V = 1..5.1 + 1..1 =.566 σ = σ =.566 1.6 V Ugift b: 9.8 5.8 C =.4 6 1.6 Processe är ej duglig. (Normalaoximatioe är fugerar gaska bra ädå. Lite utaför teta, me Figur 1 visar att modelle fugerar hyggligt).

Normal Probability Plot Probability.999.997.99.98.95.9.75.5.5.1.5..1.3.1 4 6 8 1 1 14 16 Data Figur 1 Normalfördeligslot Ugift c: Hur skall ma förbättra rocesse? Studera bidrage frå varje maski för sig: ( ) ( r ) r h r Svarve (radie): πµ µ σ =.47 h Såge (höjde) : πµ σ =.98 Det är uebart att vi bör byta ut svarve före såge.