Repetition och förberedelse. Sannolikhet och sta.s.k (1MS005)

Relevanta dokument
Repetition och förberedelse. Sannolikhet och sta.s.k (1MS005)

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

Formel- och tabellsamling i matematisk statistik

Föreläsning 11: Mer om jämförelser och inferens

Mer om konfidensintervall + repetition

9. Konfidensintervall vid normalfördelning

Repetitionsföreläsning

Föreläsning 7: Punktskattningar

Uppgift 1 a) En kontinuerlig stokastisk variabel X har fördelningsfunktion

Tentamen i Matematisk statistik Kurskod S0001M

F9 Konfidensintervall

Tentamen i matematisk statistik (9MA241/9MA341, STN2) kl 08-12

Provmoment: Tentamen 6,5 hp Ladokkod: A144TG Tentamen ges för: TGMAI17h, Maskiningenjör - Produktutveckling. Tentamensdatum: 28 maj 2018 Tid: 9-13

10. Konfidensintervall vid två oberoende stickprov

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

FORMELSAMLING MATEMATISK STATISTIK FÖR W; FMSF75 UPPDATERAD Sannolikhetsteori. Beskrivning av data. Läges-, spridnings- och beroendemått

Föreläsning 7: Punktskattningar

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

Föreläsning 8, Matematisk statistik 7.5 hp för E Punktskattningar

Tentamen i Matematisk Statistik, 7.5 hp

FORMELSAMLING HT-18 MATEMATISK STATISTIK FÖR B, K, N, BME OCH KEMISTER; FMSF70 & MASB02. Sannolikhetsteori. Beskrivning av data

Föreläsning 12, FMSF45 Hypotesprövning

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

Föreläsningsanteckningar till kapitel 8, del 2

Tillåtna hjälpmedel: Räknedosa. Formel- och tabellsamling i matematisk statistik.

Tentamen för kursen. Linjära statistiska modeller. 22 augusti

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

Två parametrar: µ (väntevärdet) och σ (standardavvikelsen) µ bestämmer normalfördelningens läge

F13 Regression och problemlösning

Föreläsning 7: Punktskattningar

Veckoblad 3. Kapitel 3 i Matematisk statistik, Dahlbom, U.

TENTAMEN MÅNDAGEN DEN 22 OKTOBER 2012 KL a) Bestäm P(ingen av händelserna inträffar). b) Bestäm P(exakt två av händelserna inträffar).

Avd. Matematisk statistik

EXEMPEL PÅ FRÅGESTÄLLNINGAR INOM STATISTIK- TEORIN (INFERENSTEORIN):

Lufttorkat trä Ugnstorkat trä

Föreläsning 8, FMSF45 Binomial- och Poissonfördelning, Poissonprocess

Föreläsning 5. Funktioner av slumpvariabler. Ett centralt resultat.

Introduktion till statistik för statsvetare

4.1 Grundläggande sannolikhetslära

Lektionsanteckningar 11-12: Normalfördelningen

EXEMPEL PÅ FRÅGESTÄLLNINGAR INOM STATISTIKTE- ORIN (INFERENSTEORIN):

Tentamen i Matematisk statistik Kurskod S0001M

Diskussionsproblem för Statistik för ingenjörer

Tentamen i matematisk statistik (9MA241/9MA341, STN2) kl 14 18

Föreläsning 12: Repetition

FACIT: Tentamen L9MA30, LGMA30

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

F10 Problemlösning och mer om konfidensintervall

TMS136. Föreläsning 7

Tentamen i Matematisk statistik Kurskod S0001M

Del I. Uppgift 1 För händelserna A och B gäller att P (A) = 1/4, P (B A) = 1/3 och P (B A ) = 1/2. Beräkna P (A B). Svar:...

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

Tentamen L9MA30, LGMA30

4.2.1 Binomialfördelning

Föreläsning 12: Regression

Avd. Matematisk statistik

TMS136. Föreläsning 4

Tentamen i Matematisk statistik Kurskod S0001M

Föreläsning 8, Matematisk statistik Π + E

Föreläsning 12: Linjär regression

SF1901 Sannolikhetsteori och statistik I

Lösningsförslag till Matematisk statistik LKT325 Tentamen

Tentamen i Matematisk statistik Kurskod S0001M

Del I. Uppgift 1 Låt X och Y vara stokastiska variabler med följande simultana sannolikhetsfunktion: p X,Y ( 2, 1) = 1

Avd. Matematisk statistik

FÖRELÄSNING 7:

TAMS65. Formel- och tabellsamling i matematisk statistik TAMS65. Martin Singull TAMS65 TAMS65

Avd. Matematisk statistik

Tentamen i Tillämpad Matematik och statistik för IT-forensik. Del 2: Statistik 7.5 hp

Tentamen i Matematisk statistik Kurskod S0001M

Föreläsning 6 (kap 6.1, 6.3, ): Punktskattningar

Jörgen Säve-Söderbergh

Tentamen i Matematisk statistik Kurskod S0001M

Uppgift 1 (a) För två händelser, A och B, är följande sannolikheter kända

Formler och tabeller till kursen MSG830

STOCKHOLMS UNIVERSITET Statistiska institutionen Michael Carlson,

Matematisk statistik KTH. Formelsamling i matematisk statistik

Tentamen i Matematisk statistik Kurskod S0001M

Resultat till ett försök är ofta ett tal. Talet kallas en stokastisk variabel (kortare s. v.).

(b) Bestäm sannolikheten att minst tre tåg är försenade under högst tre dagar en given vecka.

Avd. Matematisk statistik

Föreläsning 4. Kapitel 5, sid Stickprovsteori

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

Resultat till ett försök är ofta ett tal. Talet kallas en stokastisk variabel (kortare s. v.).

F3 Introduktion Stickprov

Föreläsning 7. Statistikens grunder.

SF1901: Sannolikhetslära och statistik. Statistik: Intervallskattning (konfidensintervall)

Föreläsning 6, Repetition Sannolikhetslära

Tentamen i Statistik, STA A10 och STA A13 (9 poäng) Måndag 14 maj 2007, Kl

Summor av slumpvariabler

Matematisk statistik, LMA 200, för DAI och EI den 25 aug 2011

Kapitel 5 Multivariata sannolikhetsfördelningar

Matematisk statistik 9.5 hp, HT-16 Föreläsning 11: Konfidensintervall

Grundläggande matematisk statistik

Föreläsning 9, Matematisk statistik 7.5 hp för E Konfidensintervall

Föreläsning 11, FMSF45 Konfidensintervall

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

Tentamen i Statistik, STA A10 samt STA A13 9p 24 augusti 2005, kl

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

faderns blodgrupp sannolikheten att barnet skall få blodgrupp A0 A0 1/2 AA 1 AB 1/2 Övriga 0

Transkript:

Repetition och förberedelse Sannolikhet och sta.s.k (1MS005)

F8.1 Kvantiler (3)

F8.1 Kvantiler (3)

F8.2 Räkna regler för väntevärdet (3)

F8.3 Olikheter (X)

F8.4 Sannolikgenererande funktioner (X)

F8.5 Centrala gränsvärdessats (4)

F11.1 Egenskaper hos normal fördelningen (3)

Exempel av frågor i tentamen 4. En kaffemaskin säljer kaffe för 13kr per kopp. Antalet sålda koppar kaffe per dag anses vara Poissonfördelat med väntevärde 100. Att hålla maskinen i drift en dag kostar 900 + 3k kronor, där k anger antalet koppar sålda under dagen. Vad är sannolikheten att kaffemaskinen en given dag drar in en vinst? 4. Antalet bilar som passerar Berras Mack i byn Nedre Snålvattnet under ett dygn kan beskrivas av en slumpvariabel X Po(10). Vi kan också anta att antalet bilar som passerar under olika dygn är oberoende av varandra. (a) Beräkna sannolikheten för att det passerar minst 12 bilar under ett dygn. (b) Beräkna sannolikheten för att det passerar minst 84 bilar under en vecka. (c) Beräkna sannolikheten för att det passerar minst 12 bilar under minst 2 dygn under en vecka.

Approximationer npq N n N 1 > 5 Bin(n, p) npq > 5 N(µ, σ 2 ) (E(X) =µ, V (X) =σ 2 ) n N < 0.1 p <0.1 λ > 15 Hyp(N,n,p) p + n N < 0.1 Po(λ) (λ = np)

F10.2 Väntevärdesriktig och effektivare (3)

Exempel av frågor i tentamen 5. Man har ett stickprov x 1,x 2,x 3 från en slumpvariabel X som har väntevärde µ och varians 1. Tre skattningar av µ är föreslagna, µ 1 = 1 3 x 1 + 1 3 x 2 + 1 3 x 3 µ 2 = 1 6 x 1 + 2 6 x 2 + 3 6 x 3 µ 3 = 1 8 x 1 + 2 8 x 2 + 3 8 x 3 (a) Två av de tre föreslagna skattningarna är väntevärdesriktiga. Vilka? (b) Vilken av de väntevärdesriktiga skattningarna är effektivast?

F11.1 KonNidens intervall: känd varians (3)

F11.2 KonNidens intervall: exponential med ett observation (4)

F11.3 KonNidens intervall: normal med okänd variansen (3)

F11.4 KonNidens intervall: exponential (4)

Exempel av frågor i tentamen 99% 99%

F12.1 Räknar regler för normala fördelning (X)

F12.2 Hypotesproving: känd varians (3)

F12.3 Hypotesproving: okänd varians (3)

Exempel av frågor i tentamen 6. En liten solfångare kan ges två olika konfigurationer, A och B. För att utreda vilken som är effektivast användes A och B varannan dag under en 12-dagarsperiod, vars dagar bedömdes vädermässigt ekvivalenta. (Solen sken från en, i stort sett, molnfri himmel alla försöksdagarna.) Energiutbytet (i kwh) under försöksdagarna redovisas nedan: Konfiguration A 10.0, 10.2, 12.1, 12.7, 11.5, 10.7 Konfiguration B 13.7, 11.5, 10.7, 14.4, 12.3, 13.8 Utgående från mätvärdena, kan (med 5% felrisk) någon av A och B anses vara bättre än den andra? (Antaganden om normalfördelning och lika varianser må göras.) 95%

12.4 Stickprov i par (3)

12.5 Teckentestet (4)

Exempel av frågor i tentamen 6. Utvärdering skall ske av två radarsystem, ett äldre och ett nyutvecklat. Dessa skall användas för att upptäcka inflygande flygplan. Mätvärdet för respektive system (i km) är avståndet till flygplanet när detta detekteras; värden för det äldre systemet ses som observationer av en slumpvariabel X, medan observationerna från det nyare systemet ses som observationer av Y.Syftet är att undersöka en eventuell systematisk avvikelse för medelavstånd för detektion mellan systemen. Vid tio tillfällen har man funnit följande observationer: Tillfälle 1 2 3 4 5 6 7 8 9 10 Äldre system 72 65 120 77 60 80 63 82 75 90 Nyare system 70 70 125 175 62 90 65 75 81 90 Man antar att systemen inte påverkar varandra när de används vid mättillfällena. Inför en lämplig statistisk modell och utred om en systematisk avvikelse är statistiskt säkerställd (signifikansnivå 0.95). S.ckprov I par och teckentestet!

14 Kovarians och korrelation (X)

14 Linjärregression (X)

14 Linjärregression (3)

Exempel av frågor i tentamen y x 15P i=1 x = 1616.7 ȳ =4.92 (x i x)(y i ȳ) = 14487.6 15 P i=1 (x i x) 2 P = 1561481.3 15 (y i ȳ) 2 = 202.224 y i = + x i + i i N(0, 2 ) i=1

Tack!