FMSF 30/35/40 Matematisk statistik Grundläggande sannolikhetsteori Sannolikhetsteori och diskret matematik

Relevanta dokument
Mer om konfidensintervall + repetition

ÄMAD04, Matematik 4, 30 högskolepoäng Mathematics 4, 30 credits Grundnivå / First Cycle

KURSPROGRAM HT-18 MATEMATISK STATISTIK FÖR B, K, N, BME OCH KEMISTER, FMSF70 & MASB02

Mer om slumpvariabler

F11 Två stickprov. Måns Thulin. Uppsala universitet Statistik för ingenjörer 26/ /11

KURSPROGRAM HT-18 MATEMATISK STATISTIK AK FÖR D, I OCH PI, FMSF45 & MASB03

Välkommen till Matematik 3 för lärare!

Sannolikhetslära och statistik, grundkurs

Sannolikhet och statistik 1MS005

Föreläsning 8, Matematisk statistik 7.5 hp för E, HT-15 Punktskattningar

Föreläsning 8, Matematisk statistik 7.5 hp för E Punktskattningar

Studiehandledning S0001M Matematisk statistik Läsperiod 2, Ht 2013

Studiehandledning S0001M Matematisk statistik Läsperiod 2, HT 2017

TNIU66: Statistik och sannolikhetslära

KURSPROGRAM HT-10 MATEMATISK STATISTIK AK FÖR CDI, FMS 012

Studiehandledning S0008M Sannolikhetslära och statistik Läsperiod 1, HT 2017

Studiehandledning S0001M Matematisk statistik Läsperiod 4, VT 2017

Introduktion till statistik för ingenjörer

BERÄKNING AV KARAKTERISTISKA VÄRDEN laster, hållfasthet, öden (frekvensanalys)

FMS032: MATEMATISK STATISTIK AK FÖR V OCH L KURSPROGRAM HT 2015

Kursbeskrivning för Statistisk teori med tillämpningar, 15 hp

Summor av slumpvariabler

Föreläsning 7: Punktskattningar

Två innebörder av begreppet statistik. Grundläggande tankegångar i statistik. Vad är ett stickprov? Stickprov och urval

Förslagen har förankrats inom avdelningen. Vid ett internseminarium diskuterades MMTarbetet. Med vänlig hälsning. Jan Enger studierektor

Föreläsning 7: Punktskattningar

Matematisk statistik 9 hp, HT-16 Föreläsning 10: Punktskattningar

TNIU66: Statistik och sannolikhetslära

histogram över 1000 observerade väntetider minuter 0.06 f(x) täthetsfkn x väntetid

F2 Introduktion. Sannolikheter Standardavvikelse Normalapproximation Sammanfattning Minitab. F2 Introduktion

Föreläsning 7. Statistikens grunder.

Kursbeskrivning för Statistisk teori med tillämpningar, 15 hp

Föreläsning 7: Punktskattningar

Kursbeskrivning för Statistisk teori med tillämpningar, Moment 1, 7,5 hp

Kurser inom profilen Teknisk matematik (Y)

Beskrivning av och preliminära läsanvisningar till Fortsättningskurs i statistik, moment 1, Statistisk Teori, 10 poäng.

Tentamen i Matematisk statistik Kurskod S0001M

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

Sannolikhetsteori. Måns Thulin. Uppsala universitet Statistik för ingenjörer 23/ /14

Statistiska Institutionen Gebrenegus Ghilagaber (docent)

1.1.1 Innehåll Momentet består av 24 föreläsningar som behandlar: Beskrivande statistik, Grundläggande sannolikhetslära. Stokastiska variabler.

Kursbeskrivning för statistisk teori med tillämpningar I + II, 15 hp

STAA30, Statistik: Grundkurs, 30 högskolepoäng Statistics: Basic Course, 30 credits Grundnivå / First Cycle

LÖSNINGSFÖRSLAG TILL TENTAMEN I MATEMATISK STATISTIK

histogram över 1000 observerade väntetider minuter 0.06 f(x) täthetsfkn x väntetid 1

Efter att ha genomgått momentet Statistisk teori III, grundnivå, 7,5 högskolepoäng,

Finansiell statistik, vt-05. Allmän information. Johan Koskinen. F1(a) Allmän information

Introföreläsning i S0001M Matematisk statistik Läsperiod 2, HT 2018

Matematik och statistik NV1, 10 poäng

732G01/732G40 Grundläggande statistik (7.5hp)

EXEMPEL PÅ FRÅGESTÄLLNINGAR INOM STATISTIK- TEORIN (INFERENSTEORIN):

0 om x < 0, F X (x) = x. 3 om 0 x 1, 1 om x > 1.

Statistisk försöksplanering

FMSF55: 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.

TNIU66: Statistik och sannolikhetslära

Kursbeskrivning för statistisk teori med tillämpningar I + II, 15 hp

TNIU66: Statistik och sannolikhetslära

Matematisk statistik kompletterande projekt, FMSF25 Övning om regression

Introföreläsning i S0001M, Matematisk statistik LP3 VT18

Tentamen i Sannolikhetslära och statistik Kurskod S0008M

Varför statistik? det finns inga dumma frågor, bara dumma svar! Serik Sagitov

Statistisk försöksplanering

Statistik och sannolikhetslära

Matematisk statistik för B, K, N, BME och Kemister

Statistik för farmaceuter 3 hp

SF1901 Sannolikhetsteori och statistik I

BIOSTATISTISK GRUNDKURS, MASB11, VT-16, VT2 ÖVNING 1, OCH ÖVNING 2, SAMT INFÖR ÖVNING 3

Statistikens grunder (an, 7,5 hsp) Tatjana Nahtman Statistiska institutionen, SU

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

Uppgift 3 Vid en simuleringsstudie drar man 1200 oberoende slumptal,x i. Varje X i är likformigt fördelat mellan 0 och 1. Dessa tal adderas.

Matematisk statistik. Programkurs 6 hp Statistics TNG006 Gäller från: 2017 VT. Fastställd av. Fastställandedatum

Kursplan för Sociologisk Analys VT 09, 7,5 högskolepoäng. (Syllabus for Quantitative Sociological Methods, 7.5 ECTS)

SF1901: SANNOLIKHETSTEORI OCH STATISTIK GRUNDLÄGGANDE SANNOLIKHETSTEORI, KORT OM BESKRIVANDE STATISTIK. Tatjana Pavlenko.

Tentamen i Matematisk statistik Kurskod S0001M

Tentamen i Matematisk statistik Kurskod S0001M

Formel- och tabellsamling i matematisk statistik

Föreläsning 12: Repetition

Matematisk statistik för B, K, N, BME och Kemister

Kursbeskrivning för Statistikens grunder, 15 högskolepoäng

SF1922/SF1923: SANNOLIKHETSTEORI OCH DISKRETA STOKASTISKA VARIABLER STATISTIK. Tatjana Pavlenko. 23 mars, 2018

F8 Skattningar. Måns Thulin. Uppsala universitet Statistik för ingenjörer 14/ /17

Kursbeskrivning för Statistikens grunder, 15 högskolepoäng

EXEMPEL PÅ FRÅGESTÄLLNINGAR INOM STATISTIKTE- ORIN (INFERENSTEORIN):

Tentamen i Matematisk statistik Kurskod S0001M

SF1922/SF1923: SANNOLIKHETSTEORI OCH INTERVALLSKATTNING. STATISTIK. Tatjana Pavlenko. 24 april 2018

Stockholms Universitet Statistiska institutionen Termeh Shafie

Kursbeskrivning för Statistikens grunder, 15 högskolepoäng (kvällskurs)

Tentamen i Sannolikhetslära och statistik Kurskod S0008M

Föreläsning 1: Introduktion

Föreläsning 12: Regression

Matematisk statistik allmän kurs, MASA01:B, HT-14 Laborationer

LMA201/LMA521: Faktorförsök

Föreläsning 3. NDAB02 Statistik; teori och tillämpning i biologi

Rättningstiden är i normalfall 15 arbetsdagar, till detta tillkommer upp till 5 arbetsdagar för administration, annars är det detta datum som gäller:

F9 Konfidensintervall

Föreläsningsanteckningar till kapitel 9, del 2

Matematisk statistik 9hp för: C,D,I, Pi

Avd. Matematisk statistik

Kursinformation. Statistik och geometri, 7 hp. inom kursen 973G10, 15 hp för Lärare i årskurs 4-6

Transkript:

FMSF 30/35/40 Matematisk statistik Grundläggande sannolikhetsteori Sannolikhetsteori och diskret matematik Kursansvarig (FMSF 30/35): Fredrik Olsson, fredrik.olsson@matstat.lu.se TeknDr, Universitetslektor, ETP Avd för Matematisk statistik Matematikcentrum Lunds universitet

Vad handlar denna kurs om? Sannolikhetslära Statistik

Sannolikhetslära och statistik Sannolikhetslära: att beräkna sannolikheter för olika händelser där slumpen är inblandad Statistik: att dra slutsatser om var omvärld utifrån insamlade data som på något sätt påverkats av slumpen

Kursdesign Schema Del 1 (sannolikhetsteori): 9 föreläsningar 8 övningar (FMSF35 10 övningar) Schema Del 2 (statistik, endast FMSF30): 6 föreläsningar 9 övningar Examination: Skriftlig tentamen, 5 timmar. Betyg: (U, 3, 4 eller 5)

Litteratur Vännman, K., Matematisk statistik, Studentlitteratur, 2002

Mål och pedagogisk idé Från kursplanen: kunna relatera frågeställningar om slumpmässig variation och observerade data, så som de uppträder i tillämpningar, till begreppen slumpvariabler, fördelningar och samband mellan variabler kunna förklara begreppen oberoende, sannolikhet, fördelning, väntevärde och varians kunna beräkna sannolikheten för en händelse samt väntevärde och varians utifrån en given fördelning kunna beskriva grundläggande tekniker för statistisk slutledning och kunna använda dem på enklare statistiska modeller Pedagogiska aspekter: Förståelse för matematisk modellering av slumpmässiga fenomen/system. Till vad och hur kan matematisk statistik användas i verkligheten? Kunna avgöra vilka problem som är svåra respektive enkla

Sannolikhetsteori - exempel Ett företag ska bygga 100 nya lägenheter. Utifrån erfarenhet från liknande områden vet man att sannolikheten är 25% att ett hushåll inte har någon bil, 50% att ett hushåll har en bil och 25% att ett hushåll har två bilar Hur många bilar kan man förvänta sig att hushållen har tillsammans? Hur många parkeringsplatser ska man bygga vid bostäderna för att sannolikheten att alla hushålls bilar får plats ska vara 95%? Antag att man av utrymmesskäl inte får plats med er än 75 parkeringsplatser. Hur stor är då sannolikheten att hushållens bilar får plats?

Sannolikhetsteori - exempel I ett digitalt kommunikationssystem skickas antingen en 0:a (ingen spänning) eller en 1:a (spänning) I systemet finns dessutom bakgrundsbrus som får den uppmätta spänningen att på ett slumpmässigt vis avvika från den tänkta spänningen Om systemet registrerar en spänning på 0.9 volt eller mer som en 1:a, vad är då sannolikheten att en skickad 0:a registreras som en 1:a?

Sannolikhetsteori - exempel Ett betongblock (av en viss typ) innehåller i genomsnitt 0.1 sprickor per Hur stor är sannolikheten att ett 5 stort block innehåller minst 2 sprickor?

Sannolikhetsteori - exempel - Supply Chain Management Efterfrågan för en speciell och dyr reservdel till en förpackningsmaskin följer ett slumpmässigt mönster. Kostnaden för att lagerhålla denna reservdel är kr per enhet och vecka. Bristkostnaden är kr per enhet och vecka Hur ska man utforma en optimal beställningsregel? Hur många enheter bör man lagerhålla i medeltal?

Sannolikhetsteori exempel - Köteori Applikationer: Väntetidsminimering på flygplatser Resursoptimering på akutmottagningar Logistik och produktion Dockning vid hamnar Resursutnyttjande av servers (telekommunikationsteori) ETC

Statistik - exempel Ett svenskt företag utvecklar gruvborrar och vill jämföra två olika material för hårdmetallstift på borrkronor. Man gör provborrningar i en gruva, dels med det material som används idag och dels med det nya testmaterialet som man utvecklat Vid provborrningarna mäter man dels hur långt man lyckas borra (borrmeter) och dels nötningen på stiften (i mikrometer) Borrar man längre med det nya materialet än med det gamla? Är nötningen på det nya material mindre än på det gamla? Hur ska man avgöra vilket material som är bäst?

Statistik exempel Online Marketing Today, online controlled experiments are used to great extent across the industry to improve online services. Technology giants such as Amazon, Facebook and Google conduct more than 10.000 experiments annually and has reported large gains from the experiments For instance, in 2008 Microsoft conducted a test where users would be redirected to a new window/tab when clicking on the Hotmail link on the MSN home page instead of staying in the same window. Initial tests conned to 900.000 UK users showed a user engagement increase measured by number of clicks made on the MSN home page by 8.9%

Statistik Exempel - Försöksplanering För att försöka minska slitaget i en rörlig komponent i en pump önskade man studera hur detta påverkades av materialval, ytjämnhet och belastning. I försöksserien förekom varje försöksbetingelse 2 ggr (omg. 1 resp 2). Försöken genomfördes i slumpmässig ordning. Analysera resultatet nedan:

Kursinnehåll Del 1 Sannolikhetsteori: Grundläggande begrepp (utfallsrum, oberoende, betingning) [Kap. 2] Diskreta fördelningar [Kap. 3] Kontinuerliga fördelningar [Kap. 4] Väntevärde och varians för slumpvariabler [Kap. 5] Normalfördelningen [Kap. 6] Del 2 Statistik (endast FMSF30): Punktskattningar [Kap. 7] Konfidensintervall [Kap. 8] Hypotesprövning [Kap. 9] Regression (finns ej i kursbok, utdelat mtrl)