Sannolikhetsfördelningar

Relevanta dokument
Sannolikhetslära. Uppdaterad:

Föreläsning 3. Kapitel 4, sid Sannolikhetsfördelningar

Föreläsning G60 Statistiska metoder

Lektionsanteckningar 11-12: Normalfördelningen

F5 STOKASTISKA VARIABLER (NCT , samt del av 5.4)

Föreläsning 1. Repetition av sannolikhetsteori. Patrik Zetterberg. 6 december 2012

TT091A, TVJ22A, NVJA02 Pu, Ti. 50 poäng

Stat. teori gk, ht 2006, JW F7 STOKASTISKA VARIABLER (NCT 5.7) Ordlista till NCT

Kapitel 4 Sannolikhetsfördelningar Sid Föreläsningsunderlagen är baserade på underlag skrivna av Karl Wahlin

Stokastiska signaler. Mediesignaler

Demonstration av laboration 2, SF1901

Finansiell statistik, vt-05. Kontinuerliga s.v. variabler. Kontinuerliga s.v. F7 Kontinuerliga variabler

Statistik 1 för biologer, logopeder och psykologer

Introduktion till sannolikhetslära. Människor talar om sannolikheter :

F9 SAMPLINGFÖRDELNINGAR (NCT

Tentamen MVE301 Sannolikhet, statistik och risk

Föreläsning 7: Punktskattningar

LINKÖPINGS UNIVERSITET EXAM TAMS 79 / TEN 1

Finns det över huvud taget anledning att förvänta sig något speciellt? Finns det en generell fördelning som beskriver en mätning?

Tentamen MVE301 Sannolikhet, statistik och risk

Finansiell Statistik (GN, 7,5 hp,, VT 2009) Föreläsning 2. Diskreta Sannolikhetsfördelningar. (LLL Kap 6) Stokastisk Variabel

Några extra övningsuppgifter i Statistisk teori

SF1901: SANNOLIKHETSTEORI OCH KONTINUERLIGA STOKASTISKA VARIABLER STATISTIK. Tatjana Pavlenko. 7 september 2016

STA101, Statistik och kvantitativa undersökningar, A 15 p Vårterminen 2017

SF1901 Sannolikhetsteori och statistik I

Finansiell Statistik (GN, 7,5 hp,, HT 2008) Föreläsning 3

SF1901 Sannolikhetsteori och statistik I

Kap 2. Sannolikhetsteorins grunder

FÖRELÄSNING 8:

4.2.1 Binomialfördelning

Mälardalens Högskola. Formelsamling. Statistik, grundkurs

Storräkneövning: Sannolikhetslära

Grundläggande matematisk statistik

Envägs variansanalys (ANOVA) för test av olika väntevärde i flera grupper

Föreläsning 7: Punktskattningar

Tentamen i Statistik, STA A13 Deltentamen 1, 4p 12 november 2005, kl

Hur måttsätta osäkerheter?

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

Lösningsförslag till tentamen på. Statistik och kvantitativa undersökningar STA100, 15 hp. Fredagen den 13 e mars 2015

Exempel för diskreta och kontinuerliga stokastiska variabler

Föresläsningsanteckningar Sanno II

Exempel. Kontinuerliga stokastiska variabler. Integraler i stället för summor. Integraler i stället för summor

STA101, Statistik och kvantitativa undersökningar, A 15 p Vårterminen 2017

Kap 3: Diskreta fördelningar

SF1901: Sannolikhetslära och statistik. Statistik: Intervallskattning (konfidensintervall) Jan Grandell & Timo Koski

Tentamen MVE301 Sannolikhet, statistik och risk

LÖSNINGAR TILL. Matematisk statistik, Tentamen: kl FMS 086, Matematisk statistik för K och B, 7.5 hp

SF1901: Sannolikhetslära och statistik

EXTRA ÖVNINGSUPPGIFTER MED SVAR

FACIT: Tentamen L9MA30, LGMA30

Betrakta kopparutbytet från malm från en viss gruva. För att kontrollera detta tar man ut n =16 prover och mäter kopparhalten i dessa.

Datorlaboration 8/5 Jobba i grupper om 2-3 personer Vi jobbar i Minitab Lämna in rapport via fronter senast 22/5 Förbered er genom att läsa och se

Kort om mätosäkerhet

7.1 Hypotesprövning. Nollhypotes: H 0 : µ = 3.9, Alternativ hypotes: H 1 : µ < 3.9.

SF1901: Sannolikhetslära och statistik. Flera stokastiska variabler.

LINKÖPINGS UNIVERSITET EXAM TAMS 27 / TEN 2

Formler och tabeller till kursen MSG830

import totalt, mkr index 85,23 100,00 107,36 103,76

Tentamen MVE301 Sannolikhet, statistik och risk

Övningstentamen i kursen Statistik och sannolikhetslära (LMA120)

Sannolikhetslära. 19 februari Vad är sannolikheten att vinna om jag köper en lott?

Transportplan för postnummer LULEÅ

Transportplan för postnummer KALMAR

Matematisk statistik 9hp Föreläsning 7: Normalfördelning

Kap 6: Normalfördelningen. Normalfördelningen Normalfördelningen som approximation till binomialfördelningen

1 Mätdata och statistik

4.3 Stokastiska variabler (slumpmässiga variabler) 4.4 Väntevärde och varians till stokastiska variabler

Statistik för teknologer, 5 poäng Skrivtid:

FACIT för Förberedelseuppgifter: SF1911 STATISTIK FÖR BI0TEKNIK inför tentan MÅDAGEN DEN 9 DECEMBER 2016 KL Examinator: Timo Koski

För logitmodellen ges G (=F) av den logistiska funktionen: (= exp(z)/(1+ exp(z))

Grundläggande matematisk statistik

F6 STOKASTISKA VARIABLER (NCT ) Används som modell i situation av följande slag: Slh för A är densamma varje gång, P(A) = P.

Föreläsning 5. Funktioner av slumpvariabler. Ett centralt resultat.

Uppdaterade uppgifter 1-10 till Krzysztofs häfte

BIOSTATISTISK GRUNDKURS, MASB11, VT-16, VT2 ÖVNING 3, OCH INFÖR ÖVNING 4

Grundläggande matematisk statistik

Thomas Önskog 28/

19.1 Funktioner av stokastiska variabler

För logitmodellen ges G (=F) av den logistiska funktionen: (= exp(z)/(1+ exp(z))

FÖRELÄSNING 7:

Föreläsning 7: Punktskattningar

Kap 2: Några grundläggande begrepp

SF1901 Sannolikhetsteori och statistik I

Tentamen MVE301 Sannolikhet, statistik och risk

TMS136. Föreläsning 10

Vidare får vi S 10 = 8, = 76, Och då är 76

Föreläsning 3. Sannolikhetsfördelningar

Experimentella metoder 2014, Räkneövning 1

TMS136. Föreläsning 4

Något om sannolikheter, slumpvariabler och slumpmässiga urval

Monte Carlo-metoder. Bild från Monte Carlo

SF1901: Sannolikhetslära och statistik

SF1901: SANNOLIKHETSTEORI OCH STATISTIKTEORI KONSTEN ATT DRA INTERVALLSKATTNING. STATISTIK SLUTSATSER. Tatjana Pavlenko.

SF1901: SANNOLIKHETSLÄRA OCH STATISTIK. MER HYPOTESPRÖVNING. χ 2 -TEST. Jan Grandell & Timo Koski

1.1 Diskret (Sannolikhets-)fördelning

Tentamen i Matematisk statistik Kurskod S0001M

Datorövning Power curve 0,0305 0, Kvantiler, kritiska regioner

Normalfördelning. Modeller Vi har alla stött på modeller i olika sammanhang. Ex:

0,22 m. 45 cm. 56 cm. 153 cm 115 cm. 204 cm. 52 cm. 38 cm. 93 cm 22 cm. 140 cm 93 cm. 325 cm

Statistiska metoder för säkerhetsanalys

Transkript:

Sannolikhetsfördelningar Uppdaterad: 171205 Har jag använt någon bild som jag inte får använda? Låt mig veta så tar jag bort den. christian.karlsson@ckfysik.se [1] Olika slags slumpförsök [2] Sannolikhetsfördelningar [3] Exempel på sannolikhetsfördelningar [4] Normalfördelningsberäkningar med Casio [0]

Olika slags slumpförsök [1] 1 Exempel på... [2] Slumpförsök... utfall... händelse... sannolikhet Kasta en tärning fyra minst tre P(minst tre) Kasta två mynt krona, krona minst en krona P(minst en krona) Mät längden x cm av en slumpmässigt vald handbollsspelare x =174 170 x 180 P(170 x 180) Mät tiden x timmar till sönderfall av en slumpmässigt vald atomkärna av något slag x = 4, 67 x 20 P(x 20) Hur beräkna?

Sannolikhetsfördelningar 2 Betrakta slumpförsök där utfallen är av typen x har värdet... (x kan t.ex. vara längden av en slumpmässigt vald handbollsspelare ) och där... kan vara vilket reellt tal som helst (ev. på ett intervall). För att beräkna sannolikheter (av typen P(a x b) ) behövs en täthetsfunktion f (x) som beskriver sannolikhetsfördelningen för x. Allmänt gäller b a f (x)dx = P(a x b) grafen till täthetsfunktionen

Exempel på sannolikhetsfördelningar 3 3l vl >t \5 ill st'l F F q)l E] hrl.j q \) t,:f \s, E ạjt SD 3t J q, rel 6] s+ sl ->6 J t/ if \, V7, s Ti r fis Jt. -68 \) ts ))- =v) =-b :n :[j b rl+ {t b, _..\,b, \ -9 (c Ar x.-{t t, c()_ fr a k 3.-:tJ o) t=t lst - b r t-[- -9 Jr x.[r \) E ld -lj fr \-J a d u <s C /^o r (l au \--l qb7.i4 -/.} -5 q/ "r.,? tt g H F ḏf \) x s.,, ij v, J \) d \l 5 N wl \, Xlsl v c t; t

Normalfördelningsberäkningar med Casio 4 Om x är normalfördelad med medelvärdet µ och standardavvikelsen s kan sannolikheten P(C apple x apple D) beräknas. 1. Slå på räknaren eller gå till huvudmenyn genom att trycka MENU. Tryck 2 (för att välja STAT). 2. Tryck F5 (DST) och sedan F1 (NORM) samt F2 (Ncd). 3. Om det inte redan står Variable efter Data, tryck F2 (VAR). 4. Skriv in värdet på C efter Lower, värdet på D efter Upper, standardavvikelsen efter s och medelvärdet efter µ. Tryck EXE. Räknaren kan också göra det omvända, det vill säga givet en sannolikhet P 1 kan X 1 bestämmas så att P(x apple X 1 )=P 1. 1. Slå på räknaren eller gå till huvudmenyn genom att trycka MENU. Tryck 2 (för att välja STAT). 2. Tryck F5 (DST) och sedan F1 (NORM) samt F3 (nvn). 3. Om det inte redan står Variable efter Data, tryck F2 (VAR). 4. Gå till raden där det står Tail. Tryck F1 (LEFT) så att det står Left efter Tail. Skriv in värdet på P 1 efter Area, standardavvikelsen efter s och medelvärdet efter µ. Tryck EXE. Om du vill bestämma X 2 så att P(x X 2 )=P 2, där P 2 är en given sannolikhet gör du som ovan men välj istället Right efter Tail. Det går också att bestämma X 1 och X 2 så att P(X 1 apple x apple X 2 )=P 12, X 2 [3] P 1 (given) där P 12 är en given sannolikhet och där X 1 och X 2 är symmetriska kring medelvärdet µ. Gör då som ovan men välj X 1 (sökt) istället Central efter Tail. X 1 X 2

Källor [0] http://www.edusci.umu.se/np/np-2-4/formelblad/ [1] https://sv.wikipedia.org/wiki/tärning [2] https://sv.wikipedia.org/wiki/enkronan [3] https://www.casio-europe.com/se/produkter/skol-och-grafraeknare/grafraeknare/fx-9750g2/