Benyttede bøger: Statistisk fysik 1, uredigerede noter, Per Hedegård, 2007.

Save this PDF as:
 WORD  PNG  TXT  JPG

Størrelse: px
Starte visningen fra side:

Download "Benyttede bøger: Statistisk fysik 1, uredigerede noter, Per Hedegård, 2007."

Transkript

1 Formelsamling Noter til Fysik 3 You can know the name of a bird in all the languages of the world, but when you re finished, you ll know absolutely nothing whatever about the bird... So let s look at the bird and see what it s doing that s what counts. I learned very early the difference between knowing the name of something and knowing something. Richard P. Feynman Benyttede bøger: Statistisk fysik 1, uredigerede noter, Per Hedegård, Kapitelnumrene i denne formelsamling svarer til de behandlede kapitler i noterne Statistisk fysik 1. Sammensat af Kristoffer Stensbo-Smidt 10. april 2007

2 INDHOLD Indhold 1 Indledning Regneregler Sandsynlighedsfordelinger Binomialfordeling Tilstandssum Multinomialfordeling Normalfordeling Parameterbestemmelser Gentagne uafhængige målinger af usikker størrelse Prior sandsynligheder Entropi og information Maximal entropi Termodynamik Det kanoniske ensemble Den ideale gas Tryk-ensemblet Opsummering af vigtige formler 9 8 Diverse konstanter 9 Indeks 10 Side 2 af 10

3 1 Indledning 1 Indledning 1.1 Regneregler S P (AB) = P (A + B) P (A + B) = P (A B) P (A I) + P (A I) = 1 P (AB I) = P (A I)P (B AI) = P (B I)P (A BI) P (A + B I) = P (A I) + P (B I) P (AB I) P (A BI) = P (A I) P (B AI) P (B I) (Sumregel) (Produktregel) (Generel sumregel) (Bayes formel) 2 Sandsynlighedsfordelinger 2.1 Binomialfordeling S. 20. N kast med en mønt, hvor netop M giver krone: ( ) N k M (1 k) N M M P (A M I) = ( ) N = M N! M!(N M)! (Binomialfordelingen) (Binomialkoefficienten) hvor k er sandsynligheden for krone. S. 21. Middelværdi: M = M M i P (A M I) i=0 Dvs. summen af produkterne af antal krone og den tilhørende sandsynlighed fundet med binomialfordelingen. Varians: σ 2 = M (M i M ) 2 P (A M I) i=0 Desuden gælder, at σ 2 = M 2 M 2, hvor M 2 = M i=0 M 2 i P (A M I). 2.2 Tilstandssum S. 22. Tilstandssummen er givet ved Z(λ) = e λm = N e λm P (A M I) M=0 F.eks. kan vi finde tilstandssummen for to terninger. Disse terninger kan have samme eller forkellige antal øjne det er i princippet ligegyldigt. Der kan nu være to situationer: Side 3 af 10

4 2.2 Tilstandssum Enten vil vi analysere hver enkelt terning for sig, eller vi kan se på summen af øjnene. I det første tilfælde skal vi bruge to λ er, dvs. λ 1, λ 2, og derfor tilstandssummen for en multinomialfordeling. I det sidste tilfælde skal vi kun bruge ét λ, idet vi kun kigger på summen af øjnene. I begge tilfælde vil M angive antal øjne. Specielt for binomialfordelingen gælder: Z(λ) = N ( ) N e λm k M (1 k) N M = (ke λ + (1 k)) N M M=0 M = Nk σ 2 = Nk(1 k) (Tilstandssum) (Middelværdi) (Varians) Eksempel 2.1 (Beregning af tilstandssum, middelværdi og varians for et tetraeder) Pænt, symmetrisk tetraeder, én side med 0 øjne, to sider med 1 øje, én side med 2 øjne vi får følgende sandsynligheder: P (antal øjne er 0) = 1 4 P (antal øjne er 1) = 1 2 P (antal øjne er 2) = 1 4 Vi er interesserede i antal øjne i hvert slag altså benytter vi tilstandssummen for en binomialfordeling: Hurtigt tjek: Generelt: Z(λ) = 2 p i øjne e i λ i=0 Altså er det korrekt. Middelværdien og varians beregnes: Vi har: = 1 4 eλ eλ eλ 2 Z(0) = = 1 antal øjne = Z (λ) λ=0 = 1 2 eλ λ=0 e2λ = 1 Og: Z (λ) = 1 2 eλ + e 2λ Z (0) = 3 2 = (antal øjne)2 σ 2 = (antal øjne) 2 antal øjne 2 = = 1 2 Side 4 af 10

5 2.3 Multinomialfordeling S. 23. Stirlings formel: N! 2πN ( ) N N e 2.3 Multinomialfordeling S. 24. Multinomialkoefficienten er givet ved B(n 1,..., n k ) = N! n 1! n k! Denne angiver antal forskellige kombinationer af N ting. S. 25. Multinomialfordelingen er givet som Tilstandssummen er givet ved P (A(n 1,..., n k ) I) = Z(λ 1,..., λ k ) = Der gælder desuden for det i te udfald: 2.4 Normalfordeling N! n 1! n k! pn 1 1 pn k k n 1,...,n k e λ1n1+ +λ kn k P (A(n 1,..., n k ) I) = (p 1 e λ p k e λ k ) N Z(0,..., 0) = 1 S. 26. Også kaldet Gauss-fordeling. n i = Np i (Middelværdi) σ 2 i = n 2 i n i 2 = Np i (1 p i ) p(x µ, σ) = 1 2πσ exp ( ) (x µ)2 2σ 2 hvor µ er middelværdien, σ er spredningen og < x <. Tilstandssummen kan skrives som Z(λ) = 4 Parameterbestemmelser S. 43. Bayes formel: P (T i DI) = } {{ } ➀ e λx p(x µ, σ)dx ( (µ + λσ 2 ) 2 µ 2 ) = exp 2σ 2 P (D T i I) j P (D T ji)p (T j I) } {{ } ➁ P (T i I) } {{ } ➂ (Varians) hvor ➀ kaldes posterior sandsynlighed eller efter-sandsynlighed, ➁ kaldes likelihood, mens ➂ kaldes apriori sandsynlighed eller før-sandsynlighed. Side 5 af 10

6 4.1 Gentagne uafhængige målinger af usikker størrelse 4.1 Gentagne uafhængige målinger af usikker størrelse S. 49. Ved virkelige målinger er µ og σ ukendte. Antager vi, at vi kender σ, kan µ bestemmes ved 5 Prior sandsynligheder 5.1 Entropi og information S. 69. Entropien er defineret som: µ = x ± σ N, x = 1 N N k=1 x k S(p) = i p i ln p i 5.2 Maximal entropi S. 72. Bonusfact: Maximal entropi opnås, når et system er i ligevægt. Eksempel 5.1 (Bestemmelse af maximal entropi) Vi kender middelværdi µ og varians σ 2 af en fordeling af en kontinuert variabel x. Fordelingen med maximal entropi skal bestemmes. Maximum for følgende funktion skal findes: L(p) = S(p) λ k f k (x i )p i λ 0 p i (5.1) k i i = p i ln p i λ k f k (x i )p i λ 0 p i i k i i f k er informationer, vi har om systemet. Disse bestemmes senere. Ved differentiation fås: p i = e 1 λ 0 e P k λ kf k (x i ) = exp( 1 λ o ) exp( (λ 1 f 1 (x i ) + λ 2 f 2 (x i ))) Dette er en standardomskrivning, som kan ses på side 72. Idet vi har to informationer om systemet (µ og σ 2 ), skal vi bruge to Lagrange-multiplikatorer, λ 1 og λ 2. λ 0 er altid med, da dette er en normeringsfaktor! Nu skal vi finde f 1 og f 2. Vi ved fra teorien, at µ x = i x i p i σ 2 = x µ 2 = i (x i µ) 2 p i Vi kan se fra leddet i f k(x i )p i i (5.1), at der må gælde, at disse f k er må være x i og (x i µ) 2. Vi får da: p i = exp( 1 λ o ) exp( λ 1 x i λ 2 (x i µ) 2 ) = Z 1 exp( λ 1 x i λ 2 (x i µ) 2 ) (5.2) Side 6 af 10

7 6 Termodynamik Lad os nu tænke tilbage på normalfordelingen. Denne var givet som p(x µ, σ) = 1 ) (x µ)2 exp ( 2πσ 2σ 2 (5.3) hvor netop µ og σ er givet. Giver det nogle gode idéer? Ved at sammenligne (5.2) og (5.3) ses det altså, at Z = e 1+λ 0 = 2πσ 1 + λ 0 = ln( 2πσ) λ 0 = ln( 2πσ) 1 Det ses desuden fra (5.3), at λ 1 = 0, da leddet slet ikke eksisterer i normalfordelingen, og at λ 2 = 1. 2σ 2 S. 73. Entropien kan også udtrykkes som: S = ln Z + k λ k F k, F k = i f k (x i )p i Metode 5.2 (Bestemmelse af maksimum for funktion under bibetingelse) Situation 1: Funktionen, f(x, y), indeholder kun adskilte led med x og y, altså ingen xy-led. Det samme gælder for bibetingelsen g(x, y). 1. Der må gælde, at maximum indtræder, når f(x, y) = λ g(x, y). λ inkluderes, da gradienterne ( kan have forskellige længder og fortegn. Bestem gradienterne og isolér x ) y. 2. Indsæt de fundne x- og y-udtryk i en af ligningerne. Isolér λ. 3. Indsæt dette λ i ( x y) fra før. Dette er maksimum. Situation 2: f(x, y) indholder et xy-led. Bibetingelsen er givet på formen y = ax + b. 1. Indsæt bibetingelsen i f(x, y). Kald denne funktion for g(x). 2. Bestem g (x) = 0. Dette er x-værdien til maksimum. y-værdien findes ved at indsætte x-værdien i bibetingelsen. 6 Termodynamik S. 80. Ensemblerne: Det kanoniske ensemble. Energiens middelværdi, E = U, er kendt. Volumen, V, og partikeltal, N, er konstant. Lagrangemultiplikator: Temperatur, 1/β. Tryk-ensemblet. Middelværdi af energi, E = U, og volumen, V, er kendt. Partikeltal, N, er konstant. Lagrangemultiplikatorer: Temperatur, 1/β, og tryk, p. Store-kanonisk ensemble. Middelværdi af energi, E = U, og partikeltal, N, er kendt. Volumen, V, er konstant. Lagrangemultiplikatorer: Temperatur, 1/β, og kemisk potentiale, µ. Side 7 af 10

8 6.1 Det kanoniske ensemble 6.1 Det kanoniske ensemble Den ideale gas S. 82. Vigtigt: Ideale gasser har ingen potentiel energi, da de er i ligevægt! Tilstandssummen er givet som: ( ) 3N 2πm Z = V N 2 h 2 β hvor m er en partikels masse og h er Plancks konstant. Den gennemsnitlige energi er givet ved U = 3N 1 2 β = 3 2 NT Entropien er givet ved S = ln Z + βu = N ln S. 87. Termodynamikkens 1. hovedsætning: S. 88. Arbejdet er givet som: S. 89. Varmekapacitet: S. 90. Helmholtz frie energi: 6.2 Tryk-ensemblet ( V ( 2πm h 2 β du = dw + dq dw = pdv C = 3N 2 F = 1 β ln Z = U T S df = S dt dw ) 3 ) 2 + 3N 2 S. 91. Entropi: S. 93. Entalpien er givet ved: S. 95. Varmefylde: S = ln Z + β(u + pv ) H = U + pv dh = T ds + V dp C p = 5N 2 C V = 3N 2 (Tryk konstant) (Volumen konstant) Bemærk: Tælleren angiver antal frihedsgrader. Disse formler gælder kun ved temperaturer omkring stuetemperatur. S. 97. Gibbs frie energi: G(T, p) = 1 ln Z = U + pv T S β dg = SdT + V dp dw Side 8 af 10

9 7 Opsummering af vigtige formler 7 Opsummering af vigtige formler Termodynamikkens 1. hovedsætning: du = dw + dq. du er energitilvæksten i systemet, dw er arbejdet, systemet udfører på omgivelserne, og dq er den tilførte varme til systemet. Termodynamikkens 2. hovedsætning: ds 0. Dette er den samlede entropi for system + omgivelser. Idealgasligningen (tilstandsligningen): pv = NT J = Nk B T K = nn A k B T K = nrt K. T J og T K er temperaturen i hhv. joule og kelvin. Indre (kinetisk) energi: U = 3 2 NT J = 3 2 nrt K = 3 2pV. Bemærk! Dette er for en monatomig gas havde det været en diatomig ved normal temperatur, ville det være 5 2 i stedet for 3 2. (Tælleren angiver antal frihedsgrader). Varme: dq = T ds. Desuden: Q = nrt ln V 2 V 1 og S = N ln ( V ( 2πm h 2 β ) 3 ) 2 + 3N 2 (erstat 3/2 med 5/2 for en diatomig gas). Arbejde: dw = pdv. Isoterm proces: P V = konstant. Adiabatisk proces: du = p dv, idet systemet er varmeisoleret fra omgivelserne. Oftere benyttes: P V γ = konstant, hvor γ = Cp C V. Også: V T 1 γ 1 = T V γ 1 = konstant. Husk: γ = 5 3 (monatomig) og γ = 7 5 (diatomig). 8 Diverse konstanter k B = 1, J/K N A = 6, mol 1 (Boltzmanns konstant) (Avogadros tal) Side 9 af 10

10 Indeks arbejde, 8 Bayes formel, 3, 5 bestemmelse af maksimum, 7 binomialfordeling, 3 middelværdi, 3 varians, 3 binomialkoefficient, 3 efter-sandsynlighed, 5 entalpi, 8 entropi, 6 før-sandsynlighed, 5 Gauss-fordeling, 5 Gibbs frie energi, 8 Helmholtz frie energi, 8 ideal gas, 8 kanoniske ensemble, det, 7 likelihood, 5 multinomialfordeling, 5 multinomialkoefficient, 5 normalfordeling, 5 produktregel, 3 Stirlings formel, 5 store-kanonisk ensemble, 7 sumregel, 3 termodynamikkens 1. hovedsætning, 8 tilstandssum, 3 multinomialfordeling, 5 normalfordeling, 5 tryk-ensemblet, 7 varmekapacitet, 8 10

Fysik 7 - Statistisk fysik Formelsamling til eksamen

Fysik 7 - Statistisk fysik Formelsamling til eksamen Fysik 7 - Statistisk fysik Formelsamling til eksamen Sebastian B. Simonsen og Lykke Pedersen 18. januar 2006 Indhold 1 Kapitel 1 - Indledning 2 2 Kapitel 2 - Sandsynlighedsfordelinger 3 2.1 Binomial fordeling........................

Læs mere

Termodynamik. Esben Mølgaard. 5. april N! (N t)!t! Når to systemer sættes sammen bliver fordelingsfunktionen for det samlede system

Termodynamik. Esben Mølgaard. 5. april N! (N t)!t! Når to systemer sættes sammen bliver fordelingsfunktionen for det samlede system Termodynamik Esben Mølgaard 5. april 2006 1 Statistik Hvis man har N elementer hvoraf t er defekte, eller N elementer i to grupper hvor forskydningen fra 50/50 (spin excess) er 2s, vil antallet af mulige

Læs mere

Statitisk fysik Minilex

Statitisk fysik Minilex Statitisk fysik Minilex Henrik Dahl 15. januar 006 Indhold 1 Sandsynlighedsteori Fordelinger 3 Eksperimentelle usikkerheder 3 4 Parameterbestemmelse 3 5 Priors, entropi 3 6 Termodynamik 4 6.1 Kanonisk

Læs mere

Tilstandssummen. Ifølge udtryk (4.28) kan MB-fordelingen skrives , (5.1) og da = N, (5.2) . (5.3) Indføres tilstandssummen 1 , (5.

Tilstandssummen. Ifølge udtryk (4.28) kan MB-fordelingen skrives , (5.1) og da = N, (5.2) . (5.3) Indføres tilstandssummen 1 , (5. Statistisk mekanik 5 Side 1 af 10 ilstandssummen Ifølge udtryk (4.28) kan M-fordelingen skrives og da er μ N e e k = N g ε k, (5.1) N = N, (5.2) μ k N Ne g = e ε k. (5.3) Indføres tilstandssummen 1 Z g

Læs mere

Termodynamikkens første hovedsætning

Termodynamikkens første hovedsætning Statistisk mekanik 2 Side 1 af 13 Termodynamikkens første hovedsætning Inden for termodynamikken kan energi overføres på to måder: I form af varme Q: Overførsel af atomar/molekylær bevægelsesenergi på

Læs mere

Kombinatorik. Eksempel 2: En mand har 7 par bukser og 10 skjorter. Skal han både vælge en skjorte og et par bukser, så har han 10. 7=70 mulige valg.

Kombinatorik. Eksempel 2: En mand har 7 par bukser og 10 skjorter. Skal han både vælge en skjorte og et par bukser, så har han 10. 7=70 mulige valg. Noter til Biomat, 005. Kombinatorik. - eller kunsten at tælle. Alle tal i kombinatorik-afsnittet er hele og ikke-negative. Additionsprincippet enten - eller : Antag vi enten skal lave et valg med m muligheder

Læs mere

Formelsamling og noter. Statistisk fysik

Formelsamling og noter. Statistisk fysik Formelsamling og noter. Statistisk fysik 19. juni 01 Dennis Hansen P A BI P B AI P B I P A I ρλ BI P B λi P B I ρλ I ρλ BI ρb λi ρb I ρλ I P AB I P A BIP B I P A + B I P A I + P B I P AB I P A I 1 P A

Læs mere

Vi kalder nu antal prøverør blandt de 20, hvor der ikke ses vækst for X.

Vi kalder nu antal prøverør blandt de 20, hvor der ikke ses vækst for X. Opgave I I en undersøgelse af et potentielt antibiotikum har man dyrket en kultur af en bestemt mikroorganisme og tilført prøver af organismen til 20 prøverør med et vækstmedium og samtidig har man tilført

Læs mere

Statistisk mekanik 2 Side 1 af 10 Entropi, Helmholtz- og Gibbs-funktionen og enthalpi. Entropi

Statistisk mekanik 2 Side 1 af 10 Entropi, Helmholtz- og Gibbs-funktionen og enthalpi. Entropi Statistisk mekanik 2 Side 1 af 10 Entropi Entropi er en tilstandsvariabel 1, der løst formuleret udtrykker graden af uorden i et system. Da der er mange flere uordnede (tilfældigt ordnede) mikrotilstande

Læs mere

Statistisk mekanik 2 Side 1 af 10 Entropi, Helmholtz- og Gibbs-funktionen og enthalpi. Entropi

Statistisk mekanik 2 Side 1 af 10 Entropi, Helmholtz- og Gibbs-funktionen og enthalpi. Entropi Statistisk mekanik 2 Side 1 af 10 Entropi Entropi er en tilstandsvariabel 1, der løst formuleret udtrykker graden af uorden. Entropien er det centrale begreb i termodynamikkens anden hovedsætning (TII):

Læs mere

Elementær sandsynlighedsregning

Elementær sandsynlighedsregning Elementær sandsynlighedsregning Sandsynlighedsbegrebet Et udfaldsrum S er mængden af alle de mulige udfald af et eksperiment. En hændelse A er en delmængde af udfaldsrummet S. Den hændelse, der ikke indeholder

Læs mere

Monotoniforhold Der gælder følgende sætninger om en differentiabel funktions monotoniforhold:

Monotoniforhold Der gælder følgende sætninger om en differentiabel funktions monotoniforhold: Side 21 Oversigt over undervisningen i matematik - 2x 05/06 Der undervises efter: Claus Jessen, Peter Møller og Flemming Mørk : Tal, Geometri og funktioner. Gyldendal 1997 Claus Jessen, Peter Møller og

Læs mere

Nanotermodynamik formelsamling

Nanotermodynamik formelsamling Nanotermodynamik formelsamling Af Asmus Ougaard Dohn & Sune Klamer Jørgensen 2. november 2005 ndhold 1 Kombinatorik 2 2 Termodynamik 3 3 deal gasser: 5 4 Entropi og temp.: 7 5 Kemisk potential: 7 6 Gibbs

Læs mere

Kursus 02402 Introduktion til Statistik. Forelæsning 7: Kapitel 7 og 8: Statistik for to gennemsnit, (7.7-7.8,8.1-8.5) Per Bruun Brockhoff

Kursus 02402 Introduktion til Statistik. Forelæsning 7: Kapitel 7 og 8: Statistik for to gennemsnit, (7.7-7.8,8.1-8.5) Per Bruun Brockhoff Kursus 02402 Introduktion til Statistik Forelæsning 7: Kapitel 7 og 8: Statistik for to gennemsnit, (7.7-7.8,8.1-8.5) Per Bruun Brockhoff DTU Compute, Statistik og Dataanalyse Bygning 324, Rum 220 Danmarks

Læs mere

Oversigt. Course 02402/02323 Introducerende Statistik. Forelæsning 3: Kontinuerte fordelinger. Per Bruun Brockhoff

Oversigt. Course 02402/02323 Introducerende Statistik. Forelæsning 3: Kontinuerte fordelinger. Per Bruun Brockhoff Course 242/2323 Introducerende Statistik Forelæsning 3: Kontinuerte fordelinger Per Bruun Brockhoff DTU Compute, Statistik og Dataanalyse Bygning 324, Rum 22 Danmarks Tekniske Universitet 28 Lyngby Danmark

Læs mere

Sandsynlighedsregning: endeligt udfaldsrum (repetition)

Sandsynlighedsregning: endeligt udfaldsrum (repetition) Program: 1. Repetition: sandsynlighedsregning 2. Sandsynlighedsregning fortsat: stokastisk variabel, sandsynlighedsfunktion/tæthed, fordelingsfunktion. 1/16 Sandsynlighedsregning: endeligt udfaldsrum (repetition)

Læs mere

KOMPENDIUM TIL STATISTISK FYSIK

KOMPENDIUM TIL STATISTISK FYSIK KOMPENDIUM TIL STATISTISK FYSIK 3. UDGAVE REVIDERET: 18. APRIL 2011 UDARBEJDET AF SØREN RIIS AARHUS SCHOOL OF ENGINEERING Ö Ô Ý º Ùº DETTE VÆRK ER TRYKT MED ADOBE UTOPIA 10PT LAYOUT OG TYPOGRAFI AF FORFATTEREN

Læs mere

Sandsynlighedsregning

Sandsynlighedsregning Mogens Bladt www2.imm.dtu.dk/courses/02405 21. September, 2007 Lidt om binomialkoefficienter n størrelsen af en mængde/population. Vi ønsker at udtage en sub population af størrelse r. To sub populationer

Læs mere

Sandsynlighedsregning Stokastisk variabel

Sandsynlighedsregning Stokastisk variabel Sandsynlighedsregning Stokastisk variabel I eksperimenter knyttes ofte en talværdi til hvert udfald. S s X(s) R Definition: En stokastisk variabel X er en funktion defineret på S, der antager værdier på

Læs mere

Elementær termodynamik og kalorimetri

Elementær termodynamik og kalorimetri Elementær termodynamik og kalorimetri 1/14 Elementær termodynamik og kalorimetri Indhold 1. Indre og ydre energi...2 2. Varmeteoriens (termodynamikkens) 1. hovedsætning...2 3. Stempelarbejde...4 4. Isoterm

Læs mere

AALBORG UNIVERSITET DET INGENIØR-, NATUR- OG SUNDHEDSVIDENSKABELIGE BASISÅR SE - KURSUS TERMODYNAMIK 2. SEMESTER NANOTEKNOLOGI

AALBORG UNIVERSITET DET INGENIØR-, NATUR- OG SUNDHEDSVIDENSKABELIGE BASISÅR SE - KURSUS TERMODYNAMIK 2. SEMESTER NANOTEKNOLOGI AALBORG UNIVERSITET DET INGENIØR-, NATUR- OG SUNDHEDSVIDENSKABELIGE BASISÅR SE - KURSUS TERMODYNAMIK 2. SEMESTER NANOTEKNOLOGI FORÅR 2008 Indholdsfortegnelse TERMODYNAMIK LEK. 1...4 VARMELÆRER...4 Hvorfor

Læs mere

Elementær sandsynlighedsregning

Elementær sandsynlighedsregning Elementær sandsynlighedsregning Sandsynlighedsbegrebet Et udfaldsrum S er mængden af alle de mulige udfald af et eksperiment. En hændelse A er en delmængde af udfaldsrummet S. Et sandsynlighedsmål er en

Læs mere

t a l e n t c a m p d k Matematik Intro Mads Friis, stud.scient 27. oktober 2014 Slide 1/25

t a l e n t c a m p d k Matematik Intro Mads Friis, stud.scient 27. oktober 2014 Slide 1/25 Slide 1/25 Indhold 1 2 3 4 5 6 7 8 Slide 2/25 Om undervisningen Hvorfor er vi her? Hvad kommer der til at ske? 1) Teoretisk gennemgang ved tavlen. 2) Instruktion i eksempler. 3) Opgaveregning. 4) Opsamling.

Læs mere

Definition. Definitioner

Definition. Definitioner Definition Landmålingens fejlteori Lektion Diskrete stokastiske variable En reel funktion defineret på et udfaldsrum (med sandsynlighedsfordeling) kaldes en stokastisk variabel. - kkb@math.aau.dk http://people.math.aau.dk/

Læs mere

FYSIK 3 / TERMODYNAMIK Københavns Universitet, 13. april, 2016, Skriftlig prøve

FYSIK 3 / TERMODYNAMIK Københavns Universitet, 13. april, 2016, Skriftlig prøve FYSIK 3 / TERMODYNAMIK Københavns Universitet, 13. april, 2016, Skriftlig prøve Benyttelse af medbragt litteratur, noter, lommeregner og computer uden internetadgang er tilladt. Der må skrives med blyant.

Læs mere

Regneregler for middelværdier M(X+Y) = M X +M Y. Spredning varians og standardafvigelse. 1 n VAR(X) Y = a + bx VAR(Y) = VAR(a+bX) = b²var(x)

Regneregler for middelværdier M(X+Y) = M X +M Y. Spredning varians og standardafvigelse. 1 n VAR(X) Y = a + bx VAR(Y) = VAR(a+bX) = b²var(x) Formelsamlingen 1 Regneregler for middelværdier M(a + bx) a + bm X M(X+Y) M X +M Y Spredning varians og standardafvigelse VAR(X) 1 n n i1 ( X i - M x ) 2 Y a + bx VAR(Y) VAR(a+bX) b²var(x) 2 Kovariansen

Læs mere

Billedbehandling og mønstergenkendelse: Lidt elementær statistik (version 1)

Billedbehandling og mønstergenkendelse: Lidt elementær statistik (version 1) ; C ED 6 > Billedbehandling og mønstergenkendelse Lidt elementær statistik (version 1) Klaus Hansen 24 september 2003 1 Elementære empiriske mål Hvis vi har observationer kan vi udregne gennemsnit og varians

Læs mere

Kursusindhold: X i : tilfældig værdi af ite eksperiment. Antag X i kun antager værdierne 1, 2,..., M.

Kursusindhold: X i : tilfældig værdi af ite eksperiment. Antag X i kun antager værdierne 1, 2,..., M. Kursusindhold: Produkt og marked - matematiske og statistiske metoder Rasmus Waagepetersen Institut for Matematiske Fag Aalborg Universitet February 9, 2015 Sandsynlighedsregning og lagerstyring Normalfordelingen

Læs mere

En oversigt over udvalgte kontinuerte sandsynlighedsfordelinger

En oversigt over udvalgte kontinuerte sandsynlighedsfordelinger Institut for Økonomi Aarhus Universitet Statistik 1, Forår 2001 Allan Würtz 4. April, 2001 En oversigt over udvalgte kontinuerte sandsynlighedsfordelinger Uniform fordeling Benyttes som model for situationer,

Læs mere

Sandsynlighedsregning & Statistik

Sandsynlighedsregning & Statistik Jørgen Larsen Sandsynlighedsregning & Statistik for matematikstuderende 2006 Indhold Forord 5 Del I Sandsynlighedsregning 7 Indledning 9 Endelige udfaldsrum. Grundlæggende definitioner.....................

Læs mere

Produkt og marked - matematiske og statistiske metoder

Produkt og marked - matematiske og statistiske metoder Produkt og marked - matematiske og statistiske metoder Rasmus Waagepetersen Institut for Matematiske Fag Aalborg Universitet February 11, 2016 1/22 Kursusindhold: Sandsynlighedsregning og lagerstyring

Læs mere

Kursusindhold: Produkt og marked - matematiske og statistiske metoder. Monte Carlo

Kursusindhold: Produkt og marked - matematiske og statistiske metoder. Monte Carlo Kursusindhold: Produkt og marked - matematiske og statistiske metoder Rasmus Waagepetersen Institut for Matematiske Fag Aalborg Universitet Sandsynlighedsregning og lagerstyring Normalfordelingen og Monte

Læs mere

Statistiske modeller

Statistiske modeller Statistiske modeller Statistisk model Datamatrice Variabelmatrice Hændelse Sandsynligheder Data Statistiske modeller indeholder: Variable Hændelser defineret ved mulige variabel værdier Sandsynligheder

Læs mere

Uge 48 II Teoretisk Statistik 27. november 2003. Numerisk modelkontrol af diskrete fordelinger: intro

Uge 48 II Teoretisk Statistik 27. november 2003. Numerisk modelkontrol af diskrete fordelinger: intro Uge 48 II Teoretisk Statistik 7. november 003 Numerisk modelkontrol af diskrete fordelinger: intro Eksempel: kvalitetskontrol Goodness-of-fit test: generel teori Endeligt udfaldsrum Udfaldsrum uden øvre

Læs mere

Løsningsforslag til fysik A eksamenssæt, 23. maj 2008

Løsningsforslag til fysik A eksamenssæt, 23. maj 2008 Løsningsforslag til fysik A eksamenssæt, 23. maj 2008 Kristian Jerslev 22. marts 2009 Geotermisk anlæg Det geotermiske anlæg Nesjavellir leverer varme til forbrugerne med effekten 300MW og elektrisk energi

Læs mere

Produkt og marked - matematiske og statistiske metoder

Produkt og marked - matematiske og statistiske metoder Produkt og marked - matematiske og statistiske metoder Rasmus Waagepetersen Institut for Matematiske Fag Aalborg Universitet February 19, 2016 1/26 Kursusindhold: Sandsynlighedsregning og lagerstyring

Læs mere

Danmarks Tekniske Universitet

Danmarks Tekniske Universitet Danmarks Tekniske Universitet Side 1 af 8 sider Skriftlig prøve, den 24. maj 2005 Kursus navn: Fysik 1 Kursus nr.: 10022 Tilladte hjælpemidler: Alle hjælpemidler tilladt. "Vægtning": Besvarelsen vægtes

Læs mere

Repetition Stokastisk variabel

Repetition Stokastisk variabel Repetition Stokastisk variabel Diskret stokastisk variabel Udfaldsrum endelige eller tællelige mange antal elementer Sandsynlighedsfunktion f(x) er ofte tabellagt Udregning af sandsynligheder P( a < X

Læs mere

INSTITUT FOR MATEMATISKE FAG c

INSTITUT FOR MATEMATISKE FAG c INSTITUT FOR MATEMATISKE FAG c AALBORG UNIVERSITET FREDRIK BAJERS VEJ 7 G 9220 AALBORG ØST Tlf.: 96 35 89 27 URL: www.math.aau.dk Fax: 98 15 81 29 E-mail: bjh@math.aau.dk Dataanalyse Sandsynlighed og stokastiske

Læs mere

Nanostatistik: Middelværdi og varians

Nanostatistik: Middelværdi og varians Nanostatistik: Middelværdi og varians JLJ Nanostatistik: Middelværdi og varians p. 1/28 Repetition Stokastisk variabel: funktion fra udfaldsrum over i de hele tal eller over i de reelle tal Ex: Ω = alle

Læs mere

Middelværdi og varians. Kovarians. korrelation = 0.02 korrelation = 0.7 korrelation = 1.0

Middelværdi og varians. Kovarians. korrelation = 0.02 korrelation = 0.7 korrelation = 1.0 Middelværdi og varians Middelværdien af en diskret skalarfunktion f(x), for x = 0, N er: µ = N f(x) N x=0 For vektorfuktioner er middelværdivektoren tilsvarende: µ = N f(x) N x=0 Middelværdien er en af

Læs mere

Sandsynlighedsregning

Sandsynlighedsregning Mogens Bladt www2.imm.dtu.dk/courses/02405 28. September, 2007 Stokastiske variable Betragt 3 kast med en mønt. Så er udfaldsrummet Ω = {(p, p, p), (p, p, k), (p, k, p), (p, k, k), (k, p, p), (k, p, k),

Læs mere

Deskriptiv statistik. Version 2.1. Noterne er et supplement til Vejen til matematik AB1. Henrik S. Hansen, Sct. Knuds Gymnasium

Deskriptiv statistik. Version 2.1. Noterne er et supplement til Vejen til matematik AB1. Henrik S. Hansen, Sct. Knuds Gymnasium Deskriptiv (beskrivende) statistik er den disciplin, der trækker de væsentligste oplysninger ud af et ofte uoverskueligt materiale. Det sker f.eks. ved at konstruere forskellige deskriptorer, d.v.s. regnestørrelser,

Læs mere

Statistik Lektion 1. Introduktion Grundlæggende statistiske begreber Deskriptiv statistik Sandsynlighedsregning

Statistik Lektion 1. Introduktion Grundlæggende statistiske begreber Deskriptiv statistik Sandsynlighedsregning Statistik Lektion 1 Introduktion Grundlæggende statistiske begreber Deskriptiv statistik Sandsynlighedsregning Introduktion Kasper K. Berthelsen, Inst f. Matematiske Fag Omfang: 8 Kursusgang I fremtiden

Læs mere

Undervisningsbeskrivelse

Undervisningsbeskrivelse Undervisningsbeskrivelse Stamoplysninger til brug ved prøver til gymnasiale uddannelser Termin Institution Uddannelse Fag og niveau Lærer(e) Hold Termin hvori undervisningen afsluttes: Juni 2013 Roskilde

Læs mere

Note til styrkefunktionen

Note til styrkefunktionen Teoretisk Statistik. årsprøve Note til styrkefunktionen Først er det vigtigt at gøre sig klart, at når man laver statistiske test, så kan man begå to forskellige typer af fejl: Type fejl: At forkaste H

Læs mere

Matematik A, vejledende opgave 2, ny ordning. Vejledende løsninger, Peter B. Delprøven uden hjælpemidler. Opgave 1. a) A= 6x 2 +12xdx = 2x 3 + 6x 2 2

Matematik A, vejledende opgave 2, ny ordning. Vejledende løsninger, Peter B. Delprøven uden hjælpemidler. Opgave 1. a) A= 6x 2 +12xdx = 2x 3 + 6x 2 2 Delprøven uden hjælpemidler Opgave 1 a) A= 6x 2 +12xdx = 2x 3 + 6x 2 2 0 = 8 0 = 8 0 2 Opgave 2 a) Først differentierer vi løsningen: y = 10x. Dernæst indsættes løsningen y i y og vi får: y = 2 5x2 x =

Læs mere

Danmarks Tekniske Universitet

Danmarks Tekniske Universitet Danmarks Tekniske Universitet Side 1 af 11 Skriftlig prøve, torsdag den 8 maj, 009, kl 9:00-13:00 Kursus navn: Fysik 1 Kursus nr 100 Tilladte hjælpemidler: Alle hjælpemidler er tilladt "Vægtning": Besvarelsen

Læs mere

Vejledende løsninger til opgaver i kapitel 6

Vejledende løsninger til opgaver i kapitel 6 Vejledende løsninger til opgaver i kapitel Opgave 1: a) Den stokastiske variabel, X, der angiver, om en elev består, X = 1, eller dumper, X =, sin eksamen i statistik. b) En binomialfordelt variabel fremkommer

Læs mere

Hvad skal vi lave i dag?

Hvad skal vi lave i dag? p. 1/2 Hvad skal vi lave i dag? Eksempler på stokastiske variable. Ventetid på krone ved møntkast. Antal plat ved n kast. Antal radioaktive henfald. Ventetiden på en flyulykke. Udtrækning af tal i et interval.

Læs mere

Anvendt BioKemi: MM2. Anvendt BioKemi: Struktur. 1) MM2- Opsummering. Aminosyrer og proteiner som buffere

Anvendt BioKemi: MM2. Anvendt BioKemi: Struktur. 1) MM2- Opsummering. Aminosyrer og proteiner som buffere Anvendt BioKemi: Struktur 1) MM1 Intro: Terminologi, Enheder Math/ biokemi : Kemiske ligninger, syre, baser, buffer Små / Store molekyler: Aminosyre, proteiner 2) MM2 Anvendelse: blod som et kemisk system

Læs mere

Overheads til forelæsninger, mandag 5. uge På E har vi en mængde af mulige sandsynlighedsfordelinger for X, (P θ ) θ Θ.

Overheads til forelæsninger, mandag 5. uge På E har vi en mængde af mulige sandsynlighedsfordelinger for X, (P θ ) θ Θ. Statistiske modeller (Definitioner) Statistik og Sandsynlighedsregning 2 IH kapitel 0 og En observation er en vektor af tal x (x,..., x n ) E, der repræsenterer udfaldet af et (eller flere) eksperimenter.

Læs mere

MATEMATIK B. Videooversigt

MATEMATIK B. Videooversigt MATEMATIK B Videooversigt 2. grads ligninger.... 2 CAS værktøj... 3 Differentialregning... 3 Eksamen... 5 Funktionsbegrebet... 5 Integralregning... 5 Statistik... 6 Vilkårlige trekanter... 7 71 videoer.

Læs mere

Introduktion til Statistik. Forelæsning 3: Kontinuerte fordelinger. Peder Bacher

Introduktion til Statistik. Forelæsning 3: Kontinuerte fordelinger. Peder Bacher Introduktion til Statistik Forelæsning 3: Kontinuerte fordelinger Peder Bacher DTU Compute, Dynamiske Systemer Bygning 303B, Rum 009 Danmarks Tekniske Universitet 2800 Lyngby Danmark e-mail: pbac@dtu.dk

Læs mere

4. september 2003. π B = Lungefunktions data fra tirsdags Gennemsnit l/min

4. september 2003. π B = Lungefunktions data fra tirsdags Gennemsnit l/min Epidemiologi og biostatistik Uge, torsdag 28. august 2003 Morten Frydenberg, Institut for Biostatistik. og hoste estimation sikkerhedsintervaller antagelr Normalfordelingen Prædiktion Statistisk test (udfra

Læs mere

Undervisningsbeskrivelse

Undervisningsbeskrivelse Undervisningsbeskrivelse Stamoplysninger til brug ved prøver til gymnasiale uddannelser Termin Maj-juni, 2015/16 Institution Vid Gymnasier Uddannelse Fag og niveau Lærer(e) Hold hhx Matematik B Hasse Rasmussen

Læs mere

Højere Teknisk Eksamen maj 2008. Matematik A. Forberedelsesmateriale til 5 timers skriftlig prøve NY ORDNING. Undervisningsministeriet

Højere Teknisk Eksamen maj 2008. Matematik A. Forberedelsesmateriale til 5 timers skriftlig prøve NY ORDNING. Undervisningsministeriet Højere Teknisk Eksamen maj 2008 HTX081-MAA Matematik A Forberedelsesmateriale til 5 timers skriftlig prøve NY ORDNING Undervisningsministeriet Fra onsdag den 28. maj til torsdag den 29. maj 2008 Forord

Læs mere

PhD-kursus i Basal Biostatistik, efterår 2006 Dag 2, onsdag den 13. september 2006

PhD-kursus i Basal Biostatistik, efterår 2006 Dag 2, onsdag den 13. september 2006 PhD-kursus i Basal Biostatistik, efterår 2006 Dag 2, onsdag den 13. september 2006 I dag: To stikprøver fra en normalfordeling, ikke-parametriske metoder og beregning af stikprøvestørrelse Eksempel: Fiskeolie

Læs mere

Modul 7: Eksempler. 7.1 Beskrivende dataanalyse. 7.1.1 Diagrammer. Bent Jørgensen. Forskningsenheden for Statistik ST501: Science Statistik

Modul 7: Eksempler. 7.1 Beskrivende dataanalyse. 7.1.1 Diagrammer. Bent Jørgensen. Forskningsenheden for Statistik ST501: Science Statistik Forskningsenheden for Statistik ST501: Science Statistik Bent Jørgensen Modul 7: Eksempler 7.1 Beskrivende dataanalyse............................... 1 7.1.1 Diagrammer.................................

Læs mere

Kvantitative Metoder 1 - Forår 2007

Kvantitative Metoder 1 - Forår 2007 Dagens program Kapitel 8.7, 8.8 og 8.10 Momenter af gennemsnit og andele kap. 8.7 Eksempel med simulationer Den centrale grænseværdisætning (Central Limit Theorem) kap. 8.8 Simulationer Normalfordelte

Læs mere

Statistik i basketball

Statistik i basketball En note til opgaveskrivning jerome@falconbasket.dk 4. marts 200 Indledning I Falcon og andre klubber er der en del gymnasieelever, der på et tidspunkt i løbet af deres gymnasietid skal skrive en større

Læs mere

Billedbehandling og mønstergenkendelse: Lidt elementær statistik (version 2)

Billedbehandling og mønstergenkendelse: Lidt elementær statistik (version 2) Billedbehandling og mønstergenkendelse: Lidt elementær statistik (version 2) Klaus Hansen 4. november 23 Indhold 1 Elementære empiriske mål 1 2 Lidt sandsynlighedsregning 3 3 Fordelinger 3 3.1 Grundlæggende

Læs mere

1 Kapitel 5: Forbrugervalg

1 Kapitel 5: Forbrugervalg 1 Kapitel 5: Forbrugervalg Vi har set på: 1. budgetbegrænsninger 2. præferencer og nyttefunktioner. Nu stykker vi det hele sammen og studerer forbrugerens optimale valg. 2 Optimalt forbrug - grafisk fremstilling

Læs mere

2. Ved et roulettespil kan man vinde 0,10,100, 500 og 1000 kr. Sandsynligheden for gevinsterne ses af følgende skema:

2. Ved et roulettespil kan man vinde 0,10,100, 500 og 1000 kr. Sandsynligheden for gevinsterne ses af følgende skema: Der er hjælp til opgaver med # og facit på side 6 1. Et eksperiment kan beskrives med følgende skema: u 1 2 3 4 5 P(u) 0,3 0,2 0,1 0,2 x Bestem x og sandsynligheden for at udfaldet er et lige tal.. 2.

Læs mere

Taylorudvikling I. 1 Taylorpolynomier. Preben Alsholm 3. november Definition af Taylorpolynomium

Taylorudvikling I. 1 Taylorpolynomier. Preben Alsholm 3. november Definition af Taylorpolynomium Taylorudvikling I Preben Alsholm 3. november 008 Taylorpolynomier. Definition af Taylorpolynomium Definition af Taylorpolynomium Givet en funktion f : I R! R og et udviklingspunkt x 0 I. Find et polynomium

Læs mere

Statistik ved Bachelor-uddannelsen i folkesundhedsvidenskab. Statistisk Model

Statistik ved Bachelor-uddannelsen i folkesundhedsvidenskab. Statistisk Model Statistik ved Bachelor-uddannelsen i folkesundhedsvidenskab Statistisk Model Indhold Binomialfordeling Sandsynlighedsfunktion Middelværdi og spredning 1 Aalen: Innføring i statistik med medisinske eksempler

Læs mere

Sandsynlighedsregning 2. forelæsning Bo Friis Nielsen

Sandsynlighedsregning 2. forelæsning Bo Friis Nielsen Vigtigste nye emner i.,. og.5 Sandsynlighedsregning. forelæsning Bo Friis Nielsen Anvendt Matematik og Computer Siene Danmarks Tekniske Universitet 800 Kgs. Lyngby Danmark Email: bfni@dtu.dk Binomialfordelingen

Læs mere

Normalfordelingen. Statistik og Sandsynlighedsregning 2

Normalfordelingen. Statistik og Sandsynlighedsregning 2 Normalfordelingen Statistik og Sandsynlighedsregning 2 Repetition og eksamen Erfaringsmæssigt er normalfordelingen velegnet til at beskrive variationen i mange variable, blandt andet tilfældige fejl på

Læs mere

Sandsynlighedsregning

Sandsynlighedsregning Mogens Bladt www2.imm.dtu.dk/courses/02405 12. Oktober, 2007 Kontinuerte fordelinger Vi har hidtil set på fordelinger af stokastiske variable der højst kan antage tælleligt mange værdier (diskrete stokastiske

Læs mere

Sandsynlighedsregning Oversigt over begreber og fordelinger

Sandsynlighedsregning Oversigt over begreber og fordelinger Tue Tjur Marts 2007 Sandsynlighedsregning Oversigt over begreber og fordelinger Stat. MØK 2. år Kapitel : Sandsynlighedsfordelinger og stokastiske variable En sandsynlighedsfunktion på en mængde E (udfaldsrummet)

Læs mere

Maple 11 - Chi-i-anden test

Maple 11 - Chi-i-anden test Maple 11 - Chi-i-anden test Erik Vestergaard 2014 Indledning I dette dokument skal vi se hvordan Maple kan bruges til at løse opgaver indenfor χ 2 tests: χ 2 - Goodness of fit test samt χ 2 -uafhængighedstest.

Læs mere

Kapitel 4 Sandsynlighed og statistiske modeller

Kapitel 4 Sandsynlighed og statistiske modeller Kapitel 4 Sandsynlighed og statistiske modeller Peter Tibert Stoltze stat@peterstoltze.dk Elementær statistik F2011 1 Indledning 2 Sandsynlighed i binomialfordelingen 3 Normalfordelingen 4 Modelkontrol

Læs mere

Teoretisk Statistik, 16. februar Generel teori,repetition

Teoretisk Statistik, 16. februar Generel teori,repetition 1 Uge 8 Teoretisk Statistik, 16. februar 2004 1. Generel teori, repetition 2. Diskret udfaldsrum punktssh. 3. Fordelingsfunktionen 4. Tæthed 5. Transformationer 6. Diskrete vs. Kontinuerte stokastiske

Læs mere

Hypotese test. Repetition fra sidst Hypoteser Test af middelværdi Test af andel Test af varians Type 1 og type 2 fejl Signifikansniveau

Hypotese test. Repetition fra sidst Hypoteser Test af middelværdi Test af andel Test af varians Type 1 og type 2 fejl Signifikansniveau ypotese test Repetition fra sidst ypoteser Test af middelværdi Test af andel Test af varians Type 1 og type fejl Signifikansniveau Konfidens intervaller Et konfidens interval er et interval, der estimerer

Læs mere

Kvantitative Metoder 1 - Forår 2007. Dagens program

Kvantitative Metoder 1 - Forår 2007. Dagens program Dagens program Hypoteser: kap: 10.1-10.2 Eksempler på Maximum likelihood analyser kap 9.10 Test Hypoteser kap. 10.1 Testprocedure kap 10.2 Teststørrelsen Testsandsynlighed 1 Estimationsmetoder Kvantitative

Læs mere

Hvad skal vi lave i dag?

Hvad skal vi lave i dag? p. 1/1 Hvad skal vi lave i dag? Repeterer lidt om diskrete sv. Standardfordelinger (binomial, Poisson, geometrisk) Stokastiske vektorer Diskrete stokastiske vektorer p. 2/1 Repetition Heltallige sv er

Læs mere

Kapitel 4 Sandsynlighed og statistiske modeller

Kapitel 4 Sandsynlighed og statistiske modeller Kapitel 4 Sandsynlighed og statistiske modeller Peter Tibert Stoltze stat@peterstoltze.dk Elementær statistik F2011 1 / 22 Generalisering fra stikprøve til population Idé: Opstil en model for populationen

Læs mere

Kvantitative Metoder 1 - Forår 2007. Dagens program

Kvantitative Metoder 1 - Forår 2007. Dagens program Dagens program Approksimation af binomialsandsynligheder, Afsnit 4.5 Poisson fordeling og Poisson process, Afsnit 4.6 Kontinuerte fordelinger, Afsnit 5.1-5.2: - Fordelingsfunktion - Tæthedsfunktion - Eksempel:

Læs mere

Entropibegrebet Jacob Nielsen 1

Entropibegrebet Jacob Nielsen 1 Entropibegrebet Jacob Nielsen 1 I 1871 introducerede Maxwell dæmonen, der ved hjælp af molekylær information tilsyneladende kan krænke termodynamikkens 2. hovedsætning. Centralt i termodynamikken står

Læs mere

Dansk Fysikolympiade 2007 Landsprøve. Prøven afholdes en af dagene tirsdag den 9. fredag den 12. januar. Prøvetid: 3 timer

Dansk Fysikolympiade 2007 Landsprøve. Prøven afholdes en af dagene tirsdag den 9. fredag den 12. januar. Prøvetid: 3 timer Dansk Fysikolympiade 2007 Landsprøve Prøven afholdes en af dagene tirsdag den 9. fredag den 12. januar Prøvetid: 3 timer Opgavesættet består af 6 opgaver med tilsammen 17 spørgsmål. Svarene på de stillede

Læs mere

Bernoulli og binomial fordelingerne Kontinuerte stokastiske variable Normalfordelingen

Bernoulli og binomial fordelingerne Kontinuerte stokastiske variable Normalfordelingen Bernoulli og binomial fordelingerne Kontinuerte stokastiske variable Normalfordelingen Repetition Lov om total sandsynlighed Bayes sætning P( B A) = P(A) = P(AI B) + P(AI P( A B) P( B) P( A B) P( B) +

Læs mere

Matematisk Modellering 1 Cheat Sheet

Matematisk Modellering 1 Cheat Sheet By a team of brave computer scientists: Mads P. Buch, Tobias Brixen, Troels Thorsen, Peder Detlefsen, Mark Gottenborg, Peter Krogshede - 1 Contents 1 Basalt 3 1.1 Varianser...............................

Læs mere

Differentialligninger. Ib Michelsen

Differentialligninger. Ib Michelsen Differentialligninger Ib Michelsen Ikast 203 2 Indholdsfortegnelse Indholdsfortegnelse Indholdsfortegnelse...2 Ligninger og løsninger...3 Indledning...3 Lineære differentialligninger af første orden...3

Læs mere

Forelæsning 6: Kapitel 7: Hypotesetest for gennemsnit (one-sample setup). 7.4-7.6

Forelæsning 6: Kapitel 7: Hypotesetest for gennemsnit (one-sample setup). 7.4-7.6 Kursus 02402 Introduktion til Statistik Forelæsning 6: Kapitel 7: Hypotesetest for gennemsnit (one-sample setup). 7.4-7.6 Per Bruun Brockhoff DTU Compute, Statistik og Dataanalyse Bygning 324, Rum 220

Læs mere

Diodespektra og bestemmelse af Plancks konstant

Diodespektra og bestemmelse af Plancks konstant Diodespektra og bestemmelse af Plancks konstant Fysik 5 - kvantemekanik 1 Joachim Mortensen, Rune Helligsø Gjermundbo, Jeanette Frieda Jensen, Edin Ikanović 12. oktober 28 1 Indledning Formålet med denne

Læs mere

Landmålingens fejlteori - Repetition - Kontinuerte stokastiske variable - Lektion 3

Landmålingens fejlteori - Repetition - Kontinuerte stokastiske variable - Lektion 3 Landmålingens fejlteori Repetition - Kontinuerte stokastiske variable Lektion 4 - kkb@math.aau.dk http://people.math.aau.dk/ kkb/undervisning/lf10 Institut for Matematiske Fag Aalborg Universitet 29. april

Læs mere

Ekstra termodynamikopgaver i Fysik 1, 10022/24 F12

Ekstra termodynamikopgaver i Fysik 1, 10022/24 F12 Ekstra termodynamikopgaver i Fysik, 00/4 F Opgave Tre opfindere, A, B og C, fortæller dig at de hver har designet en varmemaskine A s maskine kan udføre et arejde på 0 J ved tilførsel af 50 J med en spildvarme

Læs mere

Opgaver til Maple kursus 2012

Opgaver til Maple kursus 2012 Opgaver til Maple kursus 2012 Jonas Camillus Jeppesen, jojep07@student.sdu.dk Martin Gyde Poulsen, gyde@nqrd.dk October 7, 2012 1 1 Indledende opgaver Opgave 1 Udregn følgende regnestykker: (a) 2342 +

Læs mere

Uafhængighed af hændelser

Uafhængighed af hændelser Uafhængighed af hændelser Uafhængighed af to hændelser A og B kaldes uafhængige hændelser hvis P A B P A P B Kaldes også den specielle multiplikationsregel. Så gælder både P A B P A og P B A P B. Bemærk

Læs mere

Nanostatistik: Opgaver

Nanostatistik: Opgaver Nanostatistik: Opgaver Jens Ledet Jensen, 19/01/05 Opgaver 1 Opgaver fra Indblik i Statistik 5 Eksamensopgaver fra tidligere år 11 i ii NANOSTATISTIK: OPGAVER Opgaver Opgave 1 God opgaveskik: Når I regner

Læs mere

Undervisningsbeskrivelse

Undervisningsbeskrivelse Undervisningsbeskrivelse Stamoplysninger til brug ved prøver til gymnasiale uddannelser Termin Sommer 2015 Institution Campus Vejle Uddannelse HHX Fag og niveau Matematik B ( Valghold ) Lærer(e) Hold LTN

Læs mere

Eksempler fra bogen Statistiske Grundbegreber løst ved anvendelse af Excel.

Eksempler fra bogen Statistiske Grundbegreber løst ved anvendelse af Excel. Eksempler fra bogen Statistiske Grundbegreber løst ved anvendelse af Excel. Kapitel Deskriptiv statistik Indhold 1. Generelle forhold... 1 Kapitel : Deskriptiv Statistik... 1 Kapitel 4: Normalfordelingen...

Læs mere

Oversigt. Kursus 02402 Introduktion til Statistik. Forelæsning 4: Kapitel 5: Kontinuerte fordelinger. Per Bruun Brockhoff. Eksponential fordelingen

Oversigt. Kursus 02402 Introduktion til Statistik. Forelæsning 4: Kapitel 5: Kontinuerte fordelinger. Per Bruun Brockhoff. Eksponential fordelingen Kursus 02402 Introduktion til Statistik Forelæsning 4: Kapitel 5: Kontinuerte fordelinger Per Bruun Brockhoff DTU Compute, Statistik Bygning 305/324 Danmarks Tekniske Universitet 2800 Lyngby Danmark e-mail:

Læs mere

Gennemsnit og normalfordeling illustreret med terningkast, simulering og SLUMP()

Gennemsnit og normalfordeling illustreret med terningkast, simulering og SLUMP() Gennemsnit og normalfordeling illustreret med terningkast, simulering og SLUMP() John Andersen, Læreruddannelsen i Aarhus, VIA Et kast med 10 terninger gav følgende udfald Fig. 1 Result of rolling 10 dices

Læs mere

Sandsynlighedsregning 6. forelæsning Bo Friis Nielsen

Sandsynlighedsregning 6. forelæsning Bo Friis Nielsen Sandsynlighedsregning 6. forelæsning Bo Friis Nielsen Matematik og Computer Science Danmarks Tekniske Universitet 2800 Kgs. Lyngby Danmark Email: bfn@dtu.dk Dagens emner: Afsnit 4.2, 4.3 og 4.4 Poissonprocessen/eksponentialfordelingen

Læs mere

1 Ligninger. 2 Ligninger. 3 Polynomier. 4 Polynomier. 7 Vækstmodeller

1 Ligninger. 2 Ligninger. 3 Polynomier. 4 Polynomier. 7 Vækstmodeller 1 Ligninger a. Fortæl om algebraisk og grafisk løsning af ligninger ud fra ét eller flere eksempler. b. Gør rede for algebraisk løsning af andengradsligningen ax 2 + bx + c = 0. 2 Ligninger a. Fortæl om

Læs mere

GEOMETRI-TØ, UGE 11. Opvarmningsopgave 2, [P] 6.1.1 (i,ii,iv). Udregn første fundamentalform af følgende flader

GEOMETRI-TØ, UGE 11. Opvarmningsopgave 2, [P] 6.1.1 (i,ii,iv). Udregn første fundamentalform af følgende flader GEOMETRI-TØ, UGE Hvis I falder over tryk- eller regne-fejl i nedenstående, må I meget gerne sende rettelser til fuglede@imf.au.dk. Opvarmningsopgave, [P] 5... Find parametriseringer af de kvadratiske flader

Læs mere

Sandsynlighedsregning 4. forelæsning Bo Friis Nielsen

Sandsynlighedsregning 4. forelæsning Bo Friis Nielsen Sandsynlighedsregning 4. forelæsning Bo Friis Nielsen Anvendt Matematik og Computer Science Danmarks Tekniske Universitet 2800 Kgs. Lyngby Danmark Email: bfni@dtu.dk Dagens emner: Afsnit 3.3 og 3.4 Varians/standardafvigelse

Læs mere

Aalborg Universitet. Skriftlig eksamen i Grundlæggende Mekanik og Termodynamik. Tirsdag d. 27. maj 2014 kl

Aalborg Universitet. Skriftlig eksamen i Grundlæggende Mekanik og Termodynamik. Tirsdag d. 27. maj 2014 kl Aalborg Universitet Skriftlig eksamen i Grundlæggende Mekanik og Termodynamik Tirsdag d. 27. maj 2014 kl. 9 00-13 00 Ved bedømmelsen vil der blive lagt vægt på argumentationen (som bør være kort og præcis),

Læs mere

Billedbehandling og mønstergenkendelse: Lidt elementær statistik (version 2)

Billedbehandling og mønstergenkendelse: Lidt elementær statistik (version 2) Billedbehandling og mønstergenkendelse: Lidt elementær statistik (version 2) Klaus Hansen 23 september 24 Indhold Elementære empiriske mål 2 Lidt sandsynlighedsregning 3 3 Fordelinger 3 3 Grundlæggende

Læs mere