Lycka till och trevlig sommar!

Relevanta dokument
TENTAMEN I MATEMATISK STATISTIK. Statistik för lärare, 5 poäng

Formler och tabeller i statistik

4.2.3 Normalfördelningen

Sensorer, effektorer och fysik. Analys av mätdata

Sensorer och elektronik. Analys av mätdata

Föreläsningsanteckningar till Linjär Regression

Väntevärde, standardavvikelse och varians Ett statistiskt material kan sammanfattas med medelvärde och standardavvikelse (varians), och s.

b) Om du nu hade oturen att du köpt en trasig dator, vad är sannolikheten att den skulle ha tillverkats i Litauen?

Tentamen STA A15 delkurs 1 (10 poäng): Sannolikhetslära och statistisk slutledning 3 november, 2005 kl

Föreläsning G04 Surveymetodik 732G19 Utredningskunskap I

SOS HT Punktskattningar. Skattning från stickprovet. 2. Intuitiva skattningar. 3. Skattning som slumpvariabel. slump.

F15 ENKEL LINJÄR REGRESSION (NCT )

En utvärdering av två olika sätt att skatta fördelningen till stickprovsmedelvärden från olikfördelade data - normalapproximation kontra resampling

TENTAMEN I MATEMATISK STATISTIK

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

Tentamen i Matematisk statistik för V2 den 28 maj 2010

Repetition DMI, m.m. Några begrepp. egenskap d. egenskap1

D 45. Orderkvantiteter i kanbansystem. 1 Kanbansystem med två kort. Handbok i materialstyrning - Del D Bestämning av orderkvantiteter

Parametriska metoder. Icke-parametriska metoder. parametriska test. Icke-parametriska test. Location Shift. Vilket test ersätts med vilket?

θx θ 1 om 0 x 1 f(x) = 0 annars

Centrala gränsvärdessatsen

F9 Hypotesprövning. Statistikens grunder 2 dagtid. p-värden. Övning 1 från F8

TENTAMEN I MATEMATISK STATISTIK Datum: 13 mars 08

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

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

Något om beskrivande statistik

TENTAMEN Datum: 16 okt 09

REGRESSIONSANALYS S0001M

Slumpvariabler (Stokastiska variabler)

Matematisk statistik TMS063 Tentamen

Jag läser kursen på. Halvfart Helfart

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

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

Orderkvantiteter i kanbansystem

= α. β = α = ( ) D (β )= = 0 + β. = α 0 + β. E (β )=β. V (β )= σ2. β N β, = σ2

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

MA2018 Tillämpad Matematik III-Statistik, 3.5hp,

SAMMANFATTNING TAMS79 Matematisk statistik, grundkurs

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

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

Korrelationens betydelse vid GUM-analyser

Normalfördelningar (Blom Kapitel 8)

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

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

1. Test av anpassning.

Höftledsdysplasi hos dansk-svensk gårdshund - Exempel på tavlan

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

FÖRSÖKSPLANERING. och utvärdering av försöksresultat med den matematiska statistikens metoder. av Jarl Ahlbeck

F10 ESTIMATION (NCT )

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

S0005M V18, Föreläsning 10

Kontrollskrivning 3 i SF1676, Differentialekvationer med tillämpningar. Tisdag kl 8:15-10

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

TENTAMEN I MATEMATIK MED MATEMATISK STATISTIK HF1004 TEN kl

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

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

Avd. Matematisk statistik

FORMELSAMLING MATEMATISK STATISTIK, FMS601. Fördelning Väntevärde Varians. p x (1 p) n x x = 0, 1,..., n np np(1 p) ) x = 0, 1,..., n np.

2. Konfidensintervall för skillnaden mellan två proportioner.

Medelvärde. Repetition. Median. Standardavvikelse. Frekvens. Normerat värde. z = x x

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

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

4.2.3 Normalfördelningen

Grundläggande matematisk statistik

Lösningsförslag till tentamen i 732G71 Statistik B,

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

a) Beräkna E (W ). (2 p)

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

MA2018 Tillämpad Matematik III-Statistik, 3.5hp,

Tentamen i matematisk statistik

Föreläsning G04: Surveymetodik

FORMELSAMLING HT-15 MATEMATISK STATISTIK FÖR B, K, N, BME OCH KEMISTER; FMS086 & MASB02. Sannolikhetsteori. Beskrivning av data

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

Jag läser kursen på. Halvfart Helfart

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

Introduktion till statistik för statsvetare

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

Tentamen i MATEMATISK STATISTIK Datum: 8 Juni 07

En kvalitetskontroll - Snustillverkaren Fiedler & Lundgren kvalitetstestas Av: Andreas Timglas

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

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

Datorövning 2 Fördelningar inom säkerhetsanalys

Formelblad Sannolikhetsteori 1

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

Tentamen Metod C vid Uppsala universitet, , kl

TMS136: Dataanalys och statistik Tentamen med lösningar

MA2018 Tillämpad Matematik III-Statistik, 3.5hp,

Orderkvantiteter vid begränsningar av antal order per år

Sannolikhetsteori FORMELSAMLING MATEMATISK STATISTIK, AK FÖR I, FMS 120, HT-00. Kap 2: Sannolikhetsteorins grunder

Fördelningen för populationen som stickprovet togs ifrån är känd så nära som på ett antal parametrar, t.ex: N med okända

MA2018 Tillämpad Matematik III-Statistik, 3.5hp,

Tentamen i Sannolikhetsteori III 13 januari 2000

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

Matematisk statistik

Att testa normalitet och heteroskedasticitet i en linjär regressionsmodell

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

TNA001 Matematisk grundkurs Övningsuppgifter

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

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

Datorövning 2 Fördelningar inom säkerhetsanalys

Transkript:

UMEÅ UNIVERSITET Isttutoe för matematsk statstk Statstk för lärare, MSTA38 Lef Nlsso TENTAMEN 07-05-3 TENTAMEN I MATEMATISK STATISTIK Statstk för lärare, 5 poäg Skrvtd: 09.00-5.00 Tllåta hjälpmedel: Tabellsamlg, ege mräkare och kluderad formelsamlg. Egelsk-leko för egelsktalade Studetera får behålla tetamesuppgftera. Tabellera återlämas efter tetame. poäg ger godkät och 8 poäg ger väl godkät. Lösgsförslag kommer att läggas ut på hemsda. Om vll ha resultatet va mal, age maladresse på försättsbladet. Lycka tll och trevlg sommar!. Gymaselärare Bertl udervsar e klass med fyra elever. I kurse är övgstmmara frvllga. För att udersöka om övgstmmara har ågo effekt på tetamesresultatet vll ha göra e ekel ljär regresso där de beroede varabel är tetamesresultatet och de oberoede varabel är ärvarotd tmmar. Följade resultat erhölls: Nam Klas Eva Pär Adam Medelvärde Stckprovsstadardavvkelse Närvaro 3 7 7 7.0.0 Resultat 7 5 6.0 4.63333 a) Apassa e regressos lje, y = a + b. (p) b) Bestäm korrelatoskoeffcete. (p) c) Tolka verbalt betydelse av parametrara a och b detta fall. Vad ka det bero på att resultatet blev som det blev? (p). Atag att det kommer att aläda totalt 3 blar tll e rockkosert. Av erfarehet vet ma att saolkhete att två persoer färdas e bl är 5 %. Saolkhete att tre persoer färdas e bl är 50 % och saolkhete att fyra persoer färdas e bl är 5 %. Ugefär hur stor är saolkhete att mst 385 blbura åskådare såg koserte? (3p)

3. Tllstådet hos persoer som aläder tll e akutmottagg klassfceras som krtskt, allvarlgt eller stablt. Av erfarehet vet ma att de tre tllståde förekommer proportoera ::7. Blad dem som har krtskt tllståd avlder 30% a de her skrvas ut frå sjukhuset. Motsvarade sffror för de med allvarlgt och stablt tllståd är 0% respektve %. a) Gvet att e perso som alät tll akutmottagge avlder a utskrvg, vad är saolkhete att persoes tllståd klassfcerades som krtskt? (.5) b) Vad är saolkhete att e godtycklg perso som aläder tll akutmottagge avlder a ha/ho skrvs ut frå sjukhuset? (.5) 4. Följade tabell över mjölkprser 93 00 ka ma fa SCB:s statstska årsbok. De ager löpade prser och fasta prser med 00 som basår. a) Årsmedeltalet för KPI (kosumetprsde) år 99 (basår 980) är 7.. Vad är årsmedeltalet för KPI år 00? (p) b) Uppskatta de geomsttlga procetuella prsökge (löpade) frå 93 tll 00 på mjölk. (p) c) Uppskatta mjölkprset (fasta) 006 med de geomsttlga procetuella prsökge som bestämdes b och med utgågspukt frå mjölkprset (löpade) 93. Räka seda om detta löpade prs tll 00 års prs (fast). Årsmedeltalet för KPI år 006 är 84.. (p) 5. Ma drar på måfå ett kort ur e kortlek. a) Är hädelsera det draga kortet är e hjärter och det draga kortet är ess oberoede? (.5p) b) Ur kortleke plockar ma seda bort följade kort: spader, 3, 4 och 5. Ma drar på måfå ett kort blad de återståede 48. Eftersom de bortplockade korte varke är hjärter eller ess, ka ma msstäka att samma resultat som a) gäller. Udersök om så är fallet. (.5p)

6. För att jämföra två olka odlgsmetoder av gra aväds totalt 400 plator. E metod A tllämpas på 35 slumpmässgt utvalda plator och resterade 65 odlas elg metod B. Låt X och Y vara två slumpvarabler som beskrver tllvätera för metod A respektve metod B. Ige specell fördelg förutsätts för X och Y, uta edast att vätevärdea µ och µ samt att stadardavvkelsera σ och σ esterar. Låt de observerade värdea på medelvärdea och stadardavvkelsera vara: = 344., y = 353., s = 6.5 resp. s y = 75.9 Udersök om det fs ågo systematsk skllad mella odlgsmetodera A och B med ett 99%-gt kofdestervall. (3p) 7. Två skolor (A och B) tllämpar olka pedagogska metoder. I skola A går det 00 elever och skola B går det 50 elever. För att jämföra de pedagogska metodera valdes slumpmässgt 30 elever ut frå vardera skola. Dessa elever fck geomföra ett test och 80 % av elevera frå skola A blev godkäda meda 60% av elevera frå skola B blev godkäda. Skapa ett 90%-gt kofdestervall för skllade av adele godkäda. Fs det ågot belägg för säga att de ea metoder är bättre ä de adra? (3p) 8. Ata att slumpmässgt valda mäs vkter följer e ormalfördelg med vätevärde 77 kg och stadardavvkelse 8 kg, meda slumpmässgt valda kvors vkter är ormalfördelade med vätevärde 66 kg och stadardavvkelse 7 kg. Olka persoers vkter är oberoede. a) Beräka saolkhete för att kvor totalt väger mer ä 0 mä. (.5p) b) Beräka saolkhete för att medelvärdet av kvors vkter är större ä medelvärdet av 0 mäs vkter. (.5p)

UMEÅ UNIVERSITET Isttutoe för matematk och matematsk statstsk MSTA38, Statstk för lärare Lef Nlsso 006-0-4 Formelsamlg Räkelagar för saolkheter Låt A och B vara två hädelser addtossats P(A B) = P(A) + P(B) - P(A B) oberoede hädelser P(A B) = P(A) P(B) P(B A) betgade saolkheter P(B A) = P(A) P(B A) P(A B) P(B) Bayes sats P(B A) = = P(A) P(A B) P(B) + P(A B C C ) P(B ) Räkelagar för vätevärde och varas Om a är e kostat och X e slumpvarabel (s.v) gäller följade E[a X] = a µ V[a X] = a σ E[a + X] = a+µ V[a + X] = σ Om a, a,...,a är kostater och X, X,..., X är oberoede slumpvarabler har v att E[ a X ] = = a µ + a µ +... + a µ V[ a X ] = a σ + a σ +... + a σ = Dskreta fördelgar bomalfördelg : P(X = k) = k p k (-p) -k, Np N(- p) k -k hypergeometrsk fördelg: P(X = k) = N Posso fördelg: P(X = k) = e - λ k λ. k!,

Vätevärde och varas µ = E(X) = P( X = ) σ = V(X) = ( µ ) P( X = ) = ( P( X = ) )- µ Beteckg vätevärde varas Bomalfördelg B(,p) p p(-p) Hypergeometrsk Hypgeo(N,,p) p p(-p)(-/n) fördelg Posso fördelg Po(λ) λ λ Normalfördelg N(µ,σ) µ σ Cetrala gräsvärdessatse (CGS) Om X,X,...,X är lkafördelade, samt om 30 gäller att X-µ N(0,) σ samt X µ N(0,) σ Appromatoer Po(p) ka appromera B(,p) om >0 och p<0.. Po(p) ka appromera Hypgeo(N,,p) om >0 och p+ N < 0.. B(,p) ka appromera Hypgeo(N,,p) om N < 0.. N(p, p(- p) ) ka appromera B(,p) om p>0 och (-p)>0. Appromatoe blr bättre om ma utyttjar halvkorrekto. Puktskattgar Atag att v har observatoer,,..., frå e fördelg. Om v vll puktskatta populatosstorheter är följade lämplga att aväda. ˆµ = = = ˆ σ = s = ( ( ) ) ) = = = - - $ σ = s $p = = relatva frekvese.

Kofdestervall Puktskattg, $ θ Stadardavvkelse, D (θˆ ) Puktskattg, D$ ( θ $) σ s σ σ - + s + s $p p$ p$ p( p) p$( p$) p( p) p( p) p$ ( $ ) $ ( $ p p p) + + Atag att ma skattar e parameter θ med skattge $ θ, där stadardavvkelse tll skattge är D( θ $). Ett 00(-α )%-gt kofdestervall för θ är θ$ ± λ D α / ( θ$) - om D( θ $) är käd, och ormalfördelad populato eller - för stora stckprov ( 30) elgt CGS eller - för adelar om ormalappromato uppfyllt. θ$ ± t $ α / D( θ$) - om D( θ $) är okäd, och små stckprov frå ormalfördelade populatoer. Om ma plockar stycke frå e ädlg populato med N dvder så ska ma ta med ädlghetskorrektoe, (-/N). Ma ersätter då / på respektve ställe med. N Kovaras Kov(, y) = ( )(y y) ( y ) y) = = = - - Korrelato Regressosaalys Korr(, y) = = ( )(y y) = ( ) (y y) = Om ma söker ljärt sambad mella två varabler, dvs y = α+β och utyttjar mk-skattg blr skattgara av α och β α $ =a=y-b respektve β $ =b= = ( )(y y) ( ) =