Projekt 9.8 Betingede sandsynligheder og paradokser i sandsynlighedsregningen
|
|
- Stine Jepsen
- 5 år siden
- Visninger:
Transkript
1 Projekt 9.8 Betigede sadsyligheder og paradokser i sadsylighedsregige Et forløb om betigede sadsyligheder ka itroduceres via et selvstædigt elevarbejde med materialet i projekt 9.7 Testet positiv? samme med eller i stedet for de idledede case om at scae for terrorisme. 1. Case: Potetielle terrorister og paradokset om de falsk positive (Elevere arbejder selv dette eksempel igeem som e opvarmig til emet. Eksempel er låt fra de caadiske forfatter Cory Doctorow, der diskuterer paradokset i si bog Little Brother) Atag ma har opdaget e y og meget sjælde sygdom, som får avet Super-AIDS. Sygdomme optræder med e hyppighed på ca 1 tilfælde ud af e millio. Der udvikles e test der 99% sikker, hvormed mees, at de giver det korrekte resultat 99 ud af 100 gage sadt, hvis ma faktisk er smittet og falsk hvis ma ikke er smittet. Eller sagt omvedt: De giver et falsk resultat i 1% af tilfældee. Sygdomme ases for ekstremt farlig, så det besluttes at give teste til 1 millio idbyggere. a) Udfyld e tabel som de følgede (med afrudede tal, det er jo hele meesker): test \ tilstad har super-aids har ikke super-aids I alt positivt udslag 1 ikke positivt udslag 0 I alt Et rimeligt mål for, hvor præcis teste er, kue være at agive hvor stor e procetadel af de positivt testede, der faktisk er syg. b) Hvor præcis er dee test? c) Sammehold dette tal med, at teste blev præseteret som 99% sikker. Hvori ligger forklarige på dette paradox? Når vi måler på meget små størrelser, skal vores måleudstyr også være meget fitmasket, eller være idrettet på at kue registrere oget meget småt. Vil ma pege på e ekelt pixel på si skærm, ka e spids blyat godt bruges. Me blyate er ikke avedelig, hvis ma skulle pege på et ekelt atom. Lad os trække e parallel fra de sjælde sygdom super-aids til de aktuelle debat om overvågig af potetielle terrorister. Ka ma ved at sammekøre store datamægder fra mobiltelefoi, baktrasaktioer, rejsemøstre, aktiviteter på sociale medier som fx Facebook mv fide potetielle terrorister? Lad os atage, at efterretigsvæseet har gode argumeter for at hævde, at hvis bestemte idikatorer er tilstede hos e perso, så er der e vis sadsylighed for, at vedkommede er potetiel terrorist. Og omvedt: Hvis e perso faktisk er terrorist, så fages de i filtret med 99% sikkerhed. Det afgørede i første omgag er ikke, om vi tror på sådae idikatorer. Vi atager det er korrekt og aalyserer metode ud fra dee atagelse. Da vi ikke ka have sikker vide, me taler om sadsyligheder, og da vi taler om potetielle terrorister må ma acceptere, at der også spottes oge, der faktisk ikke er terrorister.
2 Lad os atage, at e orgaisatio som det amerikaske efterretigsvæse, NSA har skaffet sig adgag til alle bakkoti, til overvågig af alle mobilsamtaler i bye, til at kue scae alle facebookprofiler mv. De har lagt filtre id, der frikeder 99,9%, mes 0,1% af befolkige matcher NSA s defiitio af potetielle terrorister. Rigtige terrorister, der eksempelvis er villige til at optræde i selvmordsagreb, er sjælde. I e by som New York på 20 millioer idbyggere aslås der at være højst 10 sådae terrorister. Det betyder midre for det følgede, om dette tal er fx e faktor 10 større, me der er i vestlige lade trods alt ku set gaske få tilfælde af dee type, selv om det ville være e ret ekel sag at udføre. a) Aved de give oplysiger til at færdigudfylde følgede tabel over scaige af New York for potetielle terrorister: test \ tilstad er terrorist er ikke terrorist I alt positivt udslag 10 ikke positivt udslag 0 I alt De potetielle terrorister opsamles på e liste, og e whistle-blower lækker liste til presse. Det viser sig di abo figurerer op liste. b) Diskuter i gruppe, hvorda I ville reagere på e såda oplysig. c) Hvad er sadsylighede for at e tilfældig perso på liste faktisk er terrorist? d) Diskuter i gruppe de beskreve metode til at spotte potetielle terrorister. E test giver aldrig sikker vide. Derfor opererer ma i statistik med følgede fire begreber: falsk positiv, falsk egativ, sad positiv, sad egativ e) Placer de fire begreber i de fire rubrikker i tabelle og argumeter for hvorda du placerer dem.
3 2 Betigede sadsyligheder Betigede sadsyligheder er sadsyligheder, der bereges ud fra e eller ade give betigelse. Hvis ma kaster med to teriger, så er sadsylighede for at få e øje-sum på 10 lig med , fordi der 36 kombiatioer af to teriger og præcis kombiatioere (6,4), (5,5) og (4,6) giver summe 10. Hvis ma u ved, at e af terigere er e 6 er, så er der i alt 11 kombiatioer, hvoraf de to, emlig (6,4) og (4,6) giver summe 10. Dvs med de ye vide er sadsylighede ædret til Dette ka vi udtrykke i et formelsprog, der viser sig yttigt, på følgede måde: Defiitioer og otatio vedr sadsylighedsfelter 1. De samlede mægde af kombiatioer kalder vi udfaldsrummet og beteger det U: U={(1,1), (1,2),..(1,6), (2,1), (2,2),.., (2,6), (6,1), (6,2),.. (6,6)} Geerelt beteger et udfald og mægde af alle udfald kaldes for udfaldsrummet: 2. Hædelser er delmægder af udfaldsrummet, og beteges ofte med store bogstaver: A = alle kombiatioer, der giver øje-summe 10: A = {(6,4), (5,5), 4,6)} B = alle kombiatioer, hvor e af terigere viser 6: B= {(1,6), (2,6),.. (6,6), (6,1), (6,2),..(6,5)} 3. Sadsyligheder agives med e sadsylighedsfuktio P, således: Geerelt gælder, at,,,, samt at 4. Hvis alle udfald har samme sadsylighed, som det er tilfældet med terigekast med é terig eller med to teriger (sort og rød fx), så siger vi, at vi har et symmetrisk sadsylighedsfelt. I et symmetrisk sadsylighedsfelt ka vi udrege sadsylighede af e hædelse, som fx A, ved formle: 5. Symbolet agiver, at to hædelser som A og B begge idtræffer. Det læses af og til: både A og B. kaldes også fællesmægde af A og B. I vort eksempel er. 6. Når vi reger ud fra e give betigelse, som fx at vi ved at e af terigere viser 6, dvs at B er idtruffet, så agiver vi det således:. Dette betyder: sadsylighede for A år vi ved B er idtruffet. Det kaldes også de betigede sadsylighed for A givet B Hvorda udreges så P( A B )? Når vi ved, at B er idtruffet, så er de mulige udfald altså ikke hele U, me alee B. Og år vi ved, at B er idtruffet, så er de hædelse, vi spørger om, ikke hele A, me A B. Derfor ka vi i symmetriske sadsylighedsfelter, som eksemplet med kast med to teriger, udrege: atal udfald i AB 2 P( A B) samlede atal udfald i B 11 Dee formel ka vi omskrive lidt (forkort brøke, dvs divider både tæller og æver med samme tal): (atal udfald i AB) / (atal udfald i U) P( AB) P( A B) (samlede atal udfald i B) / (atal udfald i U) P( B)
4 Med de give talværdier ville de sidste udregig give: P( AB) 2 / 36 2 P( A B) 11 / altså aturligvis det samme som ovefor. Me årsage til, at vi foretager dee omskrivig er, at i de sidste formel har vi sluppet optællige af atal, som er kyttet til symmetriske sadsylighedsfeter. Dee formel ka vi derfor avede som de geerelle defiitio af de betigede sadsylighed for A givet B: Defiitio: Betiget sadsylighed De betigede sadsylighed for A givet B beteges og er givet ved: Udtrykket fortolkes som: Sadsylighede for A år vi ved B er idtruffet. ovefor fortæller, at dette er e geeraliserig af tællemetode fra symmetriske felter. Argumetatioe Bemærkig om uafhægighed: Betigede sadsyligheder giver aledig til at give e formel defiitio på et cetralt begreb i sadsylighedsregig, emlig begrebet uafhægige hædelser: Hædelsere A og B kaldes uafhægige, hvis der gælder, at P( A B) P( A). Dvs de ekstra oplysig om, at B er idtruffet påvirker ikke sadsylighede for at A idtræffer. Hvis A og B er uafhægige ser vi af formle, at der gælder: P( AB) P( B) P( A) Nogle lærebøger bruger faktisk de sidste formel som e defiitio af uafhægighed. Me dermed mister ma ituitioe om uafhægighed. Det er imidlertid vigtigt at holde fast i, at det er e formel defiitio. Begrebet idgår jo også i daglig sproget, og her skal ma passe på ikke ku at forlade sig på si ituitio. Begrebet uafhægige hædelser er helt cetral i behadlige af de såkaldte biomialmodeller, der er behadlet i B-boges kapitel 9. Vi vil ikke gå yderligere id i dette her. E af de stærke sider ved betigede sadsyligheder er, at ma ka rege baglæs Sætig: At rege forlæs og baglæs med betigede sadsyligheder Hvis A og B er to hædelser i et udfaldsrum U, så gælder: Beviset overlades til læsere. Bemærk, at de tredje formel veder betigelse om, og dermed giver os mulighed for at rege baglæs. I de følgede eksempler vil vi både arbejde med formlere og med tabelopstilligere, der ofte er et redskab til forholdsvis ekle løsiger.
5 Øvelse 1. Hvilket kø har det adet bar? (Farvige edefor ka du ophæve, og se svaree) (Vi atager i dette eksempel, at der fødes lige mage piger og drege i Damark) I et abohus flytter et par id, som har to bør. Hvad er sadsylighede for at begge er drege? Hvad er sadsylighede for, at midst é er e dreg? Udfaldsrummet her er U1 {( P, P),( P, D),( D, P),( D, D)}, hvor rækkefølge i talparree agiver i hvilke rækkefølge børee blev født. P og D står for pige og dreg. Svaree er aturligvis: 3 1 P(to drege) 4 25% P(midst é dreg) 75% 4 Du møder parret, der er ude at gå. De har det ee bar med sig. Det er e dreg. Hvilket kø har det adet bar? Hvad er sadsylighede for, at det adet bar også er e dreg? 25%? 50%? Et helt adet tal? Umiddelbart vil mage svare det første er det adet bar også e dreg er der jo to, og vi har lige udreget, at sadsylighede for to drege er 25%. Adre hælder måske til 50%: Når vi ikke keder køet, så må det være fifty-fifty for dreg-pige. Me begge svar er forkert. De tager ikke hesy til at vi har fået e vide i og med vi u ved, at det ee bar er e dreg. Udreget ved tællemetode: Udfaldsrummet er u U2 {( P, D),( D, P),( D, D)}. Så sadsylighede for, at de ade også er e dreg er således: 1 P(to drege e dreg)= 33,3%. 3 Da du kommer hjem fortæller du, at du mødte de ye aboer, og at du så, de har e dreg. Ja, og så har e mere, der ligger i barevog, lød svaret. Ædrer de ye oplysig på svaret på spørgsmålet: Hvad er sadsylighede for, at det adet bar også er e dreg? Mage vil ok svare, at det ikke ædrer oget. Me oplysige rummer faktisk e y iformatio. Nu ved vi ikke blot, at de ee af de to bør er e dreg, me også at det er de ældste. Dvs udfaldsrummet er u U3 {( D, P),( D, D)}. Så sadsylighede for, at de ade også er e dreg er således: 1 P(to drege de ældste er e dreg)= 2 50% Læg mærke til, at sadsylighede for at hædelse idtræffer (her: to drege) stiger med de iformatio vi får. Øvelse 2. Testet positiv - er du syg? Atag vi har e test for HIV, der er rimelig effektiv, idet de fager 90% af alle der er smittede. Teste har således e falsk egativ rate på 10%. Me teste fager ikke ku de syge, de har også e falsk positiv rate på 5%. Vi har e samlet populatio på 1000, hvoraf i alt 2% er smittede. Du testes positiv. Hvad er sadsylighede for at du faktisk er smittet? Når ma skal svare på sådae spørgsmål, ka det være e fordel at stille oplysigere op i e tabel som følger: test \ tilstad HIV smittet ikke HIV smittet I alt positivt udslag ikke positivt udslag I alt
6 a) Løs opgave ved simpel optællig b) Hvorda vil du defiere mægdere A og B, omtalt i defiitioe på betigede sadsyligheder? Hvad udgør mægde A B? c) Hvad er PA ( ), og P( AB) P( AB) d) Udyt u formle P( A B) til at løse opgave.? I et tilfælde hvor vi har givet absolutte tal, som i øvelse ovefor, er det klart lettere at optælle. Tabelle er et yttigt redskab til at skabe overblik, så vi ser, at vi ku behøver at rege i de øverste række. Hvis vi ikke har absolutte tal, ku %-tal., så kue vi aturligvis geemrege med et taleksempel, me kue vi ikke klare os ude? Det hadler æste eksempel om. Eksempel. Klassikere fra Harvard Medical School Mage amerikaske lærebøger om statistik ideholder følgede eksempel på, hvor let det er at slutte forkert i statistik: Cosider the followig problem A particular heart disease has a prevalece of 1/1000 people. A test to detect this disease has a false positive rate of 5%. Assume that the test diagoses correctly every perso who has the disease. What is the chace that a radomly selected perso foud to have a positive result actually has the disease? This questio was put to 60 studets ad staff at Harvard Medical School. Almost half gave the respose 95%. The average aswer was 56%. The correct aswer was give by just 11 participats. 1. løsigsmetode Sygdomme rammer e ud af Derfor opstiller vi e atalstabel baseret på e populatio på Det grøe felt (falsk egativ) rummer 0, da testet fager alle der faktisk er syg. Da der er e syg, er der 999 ikke-syge. Atal falsk positive er så 5% af 999. Dette er fudet lig med 50, så i alt testes 51 positivt. Betragt u tabelle. E perso er testet positiv og er altså bladt de 51. I dee gruppe er der 1 syg. Så sadsylighede for at vedkommede har sygdomme er: 1 P(syg testet positiv) 1,96% 2% 51 test \ tilstad syg ikke syg I alt positivt udslag ikke positivt udslag I alt
7 2. Løsigsmetode Vi formaliserer oplysigere: A: Mægde af syge PA ( ) 0,001 ot A: Mægde af raske P(ot A) 0,999 B: Mægde der testes positiv. P( B A) 1 P( B ot A) 0.05 E perso er testet positiv og øsker at kede sadsylighede for at vedkommede faktisk er syg. Dvs. i formelsproget øsker vi at berege. P( A B) PA ( ) Udyt formle: P( A B) P( B A) (*) Vi ka se, at vi her magler kedskab til = P (positiv test). Da alle idivider ete er syg eller rask, dvs ete ligger i A eller i ot A, så ka vi opdele B i dem der ligger i A, dvs og dem der ligger i ot A, dvs. Dermed ka vi udrege således: P( B) P( B A) P( B ot A) B A Bot A Udyt sætige om at rege baglæs til omskrivige: P( B) P( B A) P( Bot A) P( B A) P( A) P( B ot A) P(ot A) 10,001 0,050,999 Idsæt u tallee i formle (*): PA ( ) 0,001 1 P( A B) P( B A) 1 2% 10,001 0,050, ,5 Så sadsylighede for at vedkommede er ca 2%. Øvelse 3. Elisa teste for screeig af blod I e rapport om udviklige i bestræbelsere på at bekæmpe AIDS-epidemie ka ma læse følgede: The ELISA test was itroduced i the mid 1980 s to scree doated blood for the presece of AIDS atibodies. Whe atibodies are preset, ELISA is positive with a probability of about 0.98; whe the blood tested is ot cotamiated with atibodies, the test gives a positive result with a probability of These umbers are coditioal probabilities. If oe i a thousad of the uits of blood screeed by ELISA cotai atibodies, the (??) of all positive resposes will be false positive. (kilde: Ly Arthur Stee (red.), New approaches to Numeracy) Hvad skal der stå på de tomme plads markeret med (??) (dvs. hvor stor e adel falsk positive er det?)
8 Øvelse 4. Medicisk forsøg Et medicialfirma tilrettelægger e test af e y allergimedici testpersoer deltager og opdeles i 3 grupper med 500 i hver. De ee gruppe får det klassiske produkt, firmaet læge har haft på si liste. De ade får et placebo-præparat. Og edelig får de tredje gruppe det ye betydeligt stærkere præparat. De ekelte deltagere ved aturligvis ikke hvilke præparater de får. forbedrig ige virkig forværrrig I alt Gruppe Gruppe Gruppe I alt Lad os atage, at stikprøve er repræsetativ for de relevate populatio. a) Hvilke koklusio i form af abefaliger til firmaet - vil du umiddelbart drage om det ye stærkere præparat? b) E tilfældig valgt perso bladt de 1500 får det værre. Hvad er sadsylighede for at ha har fået det ye præparat? c) E tilfældig valgt perso bladt de 1500 får det bedre. Hvad er sadsylighede for at ha har fået det ye præparat? d) Vil du ædre die abefaliger? Øvelse 5. Hvad vej veder betigelse? Bayesiaske metoder har i stor udstrækig fudet vej til især amerikaske retssale. Det gives vi e kort itroduktio til i æste afsit. I e af de artikler vi heviser til gives følgede eksempel: Suppose a crime has bee committed ad that the crimial has left some physical evidece, such as some of their blood at the scee. Suppose the blood type is such that oly 1 i every 1000 people has the matchig type. A suspect, let's call him Fred, who matches the blood type is put o trial. The prosecutor claims that the probability that a iocet perso has the matchig blood type is 1 i a 1000 (that's a probability of 0.001). Fred has the matchig blood type ad therefore the probability that Fred is iocet is just 1 i a Aalyser aklageres påstad ved hjælp af betigede sadsyligheder. De to cetrale spørgsmål hadler om blodtype og om Fred er uskyldig, som ha påstår. Idfør to hædelser A og B, og opstil et udtryk for, hvad aklagere bereger. Hvad er di koklusio? Du ka evt avede æste øvelse, som et hit Øvelse 6 P( A B ) eller P( B A )? Du får et billede af e kvide, der er attraktiv og smukt klædt, og bliver spurgt om sadsylighede for at hu er fotomodel. Hvad er det egetlig for e betiget sadsylighed vi spørger om? Du ka evt løse opgave ved først at defiere følgede hædelser: A: Kvide er attraktiv og forstår at klæde sig smukt. B: Kvide er fotomodel. Spørger vi om P( A B ) eller P( B A )?
9 3. De geerelle udgave af Bayes formel I aalyse af klassikere fra Harvard avedte vi følgede formel: P( B) P( B A) P( B ot A) Formle bygger på de ekle iagttagelse, at ete idtræffer hædelse A eller også gør de ikke, dvs. de to situatioer BA og B ot A udtømmer alle muligheder. Me dette ka vi geeralisere til situatioer, hvor alle muligheder ka opdeles i adskilte mægder A1, A2,..., A. Det ka fx være situatioe, hvor vi opdeler befolkige i idkomstgrupper, svarede til A1, A2,..., A, og hvor hædelse B kue være holdige til om vi i Damark skal gå over til Euroe. Da er: P( B) P( BA1) P( BA2)... P( B A ) (*) Hvis vi u øsker at berege B ), så ka vi tage udgagspukt i defiitioe: B) B) Heri idføres u først (*): B) B) P( B A ) P( B A )... P( B A ) 1 2 Ofte har vi situatioer, hvor vi keder sadsyligheder for de omvedte betigelser, fx de tidligere formler, ka vi u omskrive til følgede P( B Ak) ) B) P( B A ) P( A ) P( B A ) P( A )... P( B A ) P( A ) P( B A k ), og ved at avede Sætig: Bayes formel Hvis hædelsere A og B er to hædelser i et udfaldsrum U og hædelse A ka opdeles i adskilte hædelser / delmægder,, så gælder: Øvelse 7. Bliver der reg på bryllupsdage E amerikask kvide Marie skal giftes ved e spektakulær udedørs ceremoi i et ørkeområde ude for Las Vegas. De seere år har det ku reget 5 dage om året. Uheldigvis har e af TV statioeres meteorologer forudsagt, at det bliver reg, etop på bryllupsdage. Når det faktisk reger, har meteorologe forudsagt dette i 90 % af tilfældee. Me også i 10% af de dage, hvor det ikke reger, har ha forudsagt reg. Hvad er sadsylighede for at det vil rege på bryllupsdage?
Løsningsforslag til skriftlig eksamen i Kombinatorik, sandsynlighed og randomiserede algoritmer (DM528)
Løsigsforslag til skriftlig eksame i Kombiatorik, sadsylighed og radomiserede algoritmer (DM58) Istitut for Matematik & Datalogi Syddask Uiversitet Madag de 3 Jauar 011, kl. 9 13 Alle sædvalige hjælpemidler
Læs mereRenteformlen. Erik Vestergaard
Reteformle Erik Vestergaard 2 Erik Vestergaard www.matematikfysik.dk Erik Vestergaard, 2010. Billeder: Forside: istock.com/ilbusca Side 4: istock.com/adresrimagig Desude ege illustratioer. Erik Vestergaard
Læs mereProjekt 9.1 Regneregler for stokastiske variable middelværdi, varians og spredning
Hvad er matematik? Projekter: Kaitel 9 Projekt 9 Regeregler for stokastiske variable middelværdi, varias og sredig Projekt 9 Regeregler for stokastiske variable middelværdi, varias og sredig Sætig : Regeregler
Læs mereElementær Matematik. Polynomier
Elemetær Matematik Polyomier Ole Witt-Hase 2008 Køge Gymasium Idhold 1. Geerelle polyomier...1 2. Divisio med hele tal....1 3. Polyomiers divisio...2 4. Polyomiers rødder....4 5. Bestemmelse af røddere
Læs mereMeningsmålinger KLADDE. Thomas Heide-Jørgensen, Rosborg Gymnasium & HF, 2017
Meigsmåliger KLADDE Thomas Heide-Jørgese, Rosborg Gymasium & HF, 2017 Idhold 1 Meigsmåliger 2 1.1 Idledig................................. 2 1.2 Hvorda skal usikkerhede forstås?................... 3 1.3
Læs mereMatematik A. Studentereksamen. Forberedelsesmateriale. Forsøg med digitale eksamensopgaver med adgang til internettet.
Matematik A Studetereksame Forsøg med digitale eksamesopgaver med adgag til iterettet Forberedelsesmateriale Vejledede opgave Forår 0 til stx-a-net MATEMATIK Der skal afsættes 6 timer af holdets sædvalige
Læs mereNoter om kombinatorik, Kirsten Rosenkilde, februar 2008 1. Kombinatorik
Noter om ombiatori, Kirste Roseilde, februar 008 Kombiatori Disse oter er e itrodutio til ombiatori og starter helt fra bude, så e del af det idledede er siert edt for dig allerede, me der ommer også hurtigt
Læs mereStatistik ved Bachelor-uddannelsen i folkesundhedsvidenskab
Statistik ved Bachelor-uddaelse i folkesudhedsvideskab Græseværdisætiger Det hadler om geemsit Statistikere elsker geemsit Det er oplagt e god ide at tage geemsit. Hvis jeg f.eks skal gætte på vægte af
Læs merex-klasserne Gammel Hellerup Gymnasium
SANDSYNLIGHEDSREGNING OG KOMBINATORIK x-klassere Gammel Hellerup Gymasium Idholdsfortegelse SANDSYNLIGHEDSREGNING... 3 SANDSYNLIGHEDSFELT... 3 DE STORE TALS LOV... 4 Sadsyligheder og frekveser:... 4 STOKASTISK
Læs mereUge 37 opgaver. Opgave 1. Svar : Starter med at definere sup (M) og inf (M) :
Uge 37 opgaver Opgave Svar : a) Starter med at defiere sup (M) og if (M) : Kigge u på side 3 i kompedie og aveder aksiom (.3) Kotiuitetsaksiomet A = x i x 2 < 2 Note til mig selv : Har søgt på ordet (iequalities)
Læs mereSandsynlighedsregning i biologi
Om begrebet sadsylighed Sadsylighedsregig i biologi Hvis vi kaster e almidelig, symmetrisk terig, er det klart for de fleste af os, hvad vi meer, år vi siger, at sadsylighede for at få e femmer er 1/6.
Læs mereNoter om kombinatorik, Kirsten Rosenkilde, februar Kombinatorik
Noter om ombiatori, Kirste Roseilde, februar 008 Kombiatori Disse oter er e itrodutio til ombiatori og starter helt fra bude, så e del af det idledede er siert edt for dig allerede, me der ommer også hurtigt
Læs mereProjekt 9.10 St. Petersborg paradokset
Hvad er matematik? ISBN 978877066879 Projekt 9.0 St. Petersborg paradokset. De store tals lov & viderchacer I grudboges kapitel 9 omtales de store tals lov, som ka formuleres således: Hvis e spiller i
Læs merevejer (med fortegn). Det vil vi illustrere visuelt og geometrisk for (2 2)-matricer og (3 3)-matricer i enote 6.
enote 5 enote 5 Determiater I dee enote ser vi på kvadratiske matricer. Deres type er altså for 2, se enote 4. Det er e fordel, me ikke absolut ødvedigt, at kede determiatbegrebet for (2 2)-matricer på
Læs mereog Fermats lille sætning
Projekter: Kaitel 0. Projekt 0. Modulo-regig, restklassegruer og Fermats lille sætig Projekt 0. Modulo-regig, restklassegruere ( { 0 }, ) og Fermats lille sætig Vi aveder moduloregig og restklasser mage
Læs mereFormelskrivning i Word 2. Sådan kommer du i gang 4. Eksempel med skrivning af brøker 5. Brøker skrevet med småt 6. Hævet og sænket skrift 6
Dee udgave er til geemkig på ettet. Boge ka købes for kr. 5 hos EH-Mat. E y og udvidet udgave med title»symbol- og formelskrivig«er udkommet september 00. Se mere om de her. Idholdsfortegelse Formelskrivig
Læs merePraktisk info. Statistisk analyse af en enkelt stikprøve: kendt eller ukendt varians Sandsynlighedsregning og Statistik (SaSt) I tirsdags.
Praktisk ifo Liste med rettelser og meigsforstyrrede trykfejl i DS på Absalo. Statistisk aalyse af e ekelt stikprøve: kedt eller ukedt varias Sadsylighedsregig og Statistik (SaSt) Helle Sørese Projekt
Læs mereMaja Tarp AARHUS UNIVERSITET
AARHUS UNIVERSITET Maja Tarp AARHUS UNIVERSITET HVEM ER JEG? Maja Tarp, 4 år Folkeskole i Ulsted i Nordjyllad Studet år 005 fra Droiglud Gymasium Efter gymasiet: Militæret Australie Startede på matematik
Læs mereProjekt 4.8 De reelle tal og 1. hovedsætning om kontinuerte funktioner
Projekter: Kapitel 4 Projekt 48 De reelle tal og hovedsætig om kotiuerte fuktioer Projekt 48 De reelle tal og hovedsætig om kotiuerte fuktioer Kotiuitet og kotiuerte fuktioer Ord som kotiuert og kotiuerlig
Læs mereLys og gitterligningen
Fysik rapport: Lys og gitterligige Forfatter: Bastia Emil Jørgese.z Øvelse blev udført osdag de 25. jauar 202 samme med Lise Kjærgaard Paulse 2 - Bastia Emil Jørgese Fysik rapport (4 elevtimer), februar
Læs mereog Fermats lille Projekt 0.4 Modulo-regning, restklassegrupperne sætning ..., 44, 20,4,28,52,... Hvad er matematik? 3 ISBN
Projekt 0.4 Modulo-regig, restklassegruppere sætig ( p 0, ) og Fermats lille Vi aveder moduloregig og restklasser mage gage om dage, emlig år vi taler om tid, om hvad klokke er, om hvor lag tid der er
Læs mereAnvendt Statistik Lektion 3. Punkt- og intervalestimater Konfidensintervaller Valg af stikprøvestørrelse
Avedt Statistik Lektio 3 Pukt- og itervalestimater Kofidesitervaller Valg af stikprøvestørrelse Pukt- og itervalestimater: Motivatio Motiverede eksempel: I e udersøgelse er adele af rygere 0.27. Det aslås
Læs mereTankegangskompetence. Kapitel 9 Algebraiske strukturer i skolen 353
Takegagskompetece Hesigte med de følgede afsit er først og fremmest at skabe klarhed over de mere avacerede regeregler i skole og give resultatet i de almee form, der er karakteristisk for algebra. Vi
Læs mereantal gange krone sker i første n kast = n
1 Uge 15 Teoretisk Statistik, 5. april 004 1. Store tals lov Eksempel: møtkast Koverges i sadsylighed Tchebychevs ulighed Sætig: Store tals lov. De cetrale græseværdisætig 3. Approksimatio af sadsyligheder
Læs mereSandsynlighedsregning
Sadsylighedsregig E ote om sadsylighedsregig. Via basal sadsylighedsregig gøres læsere klar til forstå biomialfordelige. Herik S. Hase, Sct. Kud Versio 5.0 Opgaver til hæftet ka hetes her. PDF Facit til
Læs mereClaus Munk. kap. 1-3
Claus Muk kap. 1-3 1 Dages forelæsig Grudlæggede itroduktio til obligatioer Betaligsrækker og låeformer Det daske obligatiosmarked Pris og kurs Effektive reter 2 1 Obligatioer Grudlæggede Itro Debitor
Læs mereDagens forelæsning. Claus Munk. kap. 1-3. Obligationer Grundlæggende Intro. Obligationer Grundlæggende Intro. Obligationer Grundlæggende Intro
Dages forelæsig Grudlæggede itroduktio til obligatioer Claus Muk kap. - 3 Betaligsrækker og låeformer Det daske obligatiosmarked Effektive reter 2 Obligatioer Grudlæggede Itro Obligatioer Grudlæggede Itro
Læs mereNoter om Kombinatorik 2, Kirsten Rosenkilde, februar
Noter om Kombiatori, Kirste Roseilde, februar 008 1 Kombiatori Disse oter itroducerer ogle cetrale metoder som ofte beyttes i ombiatoriopgaver, og ræver et grudlæggede edsab til ombiatori (se fx Kombiatori
Læs mereDATV: Introduktion til optimering og operationsanalyse, 2007. Bin Packing Problemet
DATV: Itroduktio til optimerig og operatiosaalyse, 2007 Bi Packig Problemet David Pisiger, Projektopgave 2 Dette er de ade obligatoriske projektopgave på kurset DATV: Itroduktio til optimerig og operatiosaalyse.
Læs merehvor i er observationsnummeret, som løber fra 1 til stikprøvestørrelsen n, X i
Normalfordeliger For at e stokastisk variabel X ka være ormalfordelt, skal X agive værdie af e eller ade målig, f.eks. tid, lægde, vægt, beløb osv. Notatioe er: Xi ~ N( μ, σ hvor i er observatiosummeret,
Læs mereBegreber og definitioner
Begreber og defiitioer Daske husstades forbrug på de medierelaterede udgiftsposter stiger og udgør i 2012*) 11,3 % af husstadees samlede forbrug mod 5,5 % i 1994. For husstade med de laveste idkomster
Læs mere9. Binomialfordelingen
9. Biomialfordelige 9.. Gekedelse Hvert forsøg ka ku resultere i to mulige udfald; succes og fiasko. I modsætig til poissofordelige er atallet af forsøg edeligt. 9.. Model X : Stokastisk variabel, der
Læs mereMatematikkens mysterier - på et obligatorisk niveau. 7. Ligninger, polynomier og asymptoter
Matematikkes mysterier - på et obligatorisk iveau af Keeth Hase 7. Ligiger, polyomier og asymptoter Hvad er e asymotote? Og hvorda fides de? 7. Ligiger, polyomier og asymptoter Idhold 7.0 Idledig 7.1 Udsag
Læs mere29. januar Epidemiologi og biostatistik Forelæsning 2 Uge 1, torsdag 2. februar 2006 Michael Væth, Afdeling for Biostatistik.
Epidemiologi og biostatistik Forelæsig Uge 1, torsdag. februar 006 ichael Væth, Afdelig for Biostatistik. Sammeligig af to middelværdier sikkerhedsitervaller statistisk test Sammeligig af to proportioer
Læs mereProjekt 3.2 Anlægsøkonomien i Storebæltsforbindelsen. Indhold. Hvad er matematik? 1 ISBN
Projekt 3.2 Alægsøkoomie i Storebæltsforbidelse Dette projekt hadler, hvorda økoomie var skruet samme, da ma byggede storebæltsforbidelse. Store alægsprojekter er æste altid helt eller delvist låefiasieret.
Læs mereIntroduktion til uligheder
Itroduktio til uligheder Dette er e itroduktio til ogle basale uligheder om det aritmetiske geemsit, det geometriske geemsit, det harmoiske geemsit og det kvadratiske geemsit. Først skal vi ved fælles
Læs mereDagens program. Estimation: Kapitel Eksempler på middelrette og/eller konsistente estimator (de sidste fra sidste forelæsning)
Dages program Estimatio: Kapitel 9.4-9.7 Eksempler på middelrette og/eller kosistete estimator (de sidste fra sidste forelæsig) Ko desiterval for store datasæt kap. 9.4 Ko desiterval for små datasæt kap.
Læs mereStatistik Lektion 7. Hypotesetest og kritiske værdier Type I og Type II fejl Styrken af en test Sammenligning af to populationer
Statistik Lektio 7 Hpotesetest og kritiske værdier Tpe I og Tpe II fejl Strke af e test Sammeligig af to populatioer 1 Tri I e Hpotesetest E hpotesetest består af 5 elemeter: I. Atagelser Primært hvilke
Læs mereVejledende besvarelser til opgaver i kapitel 15
Vejledede besvarelser til opgaver i apitel 5 Opgave a) De teststatistier, ma aveder til at teste om to middelværdier er es, består af et estimat på forselle mellem middelværdiere,, divideret med et udtry
Læs mereTalfølger og -rækker
Da Beltoft og Klaus Thomse Aarhus Uiversitet 2009 Talfølger og -rækker Itroduktio til Matematisk Aalyse Zeos paradoks om Achilleus og skildpadde Achilleus løber om kap med e skildpadde. Achilleus løber
Læs mereGamle eksamensopgaver. Diskret Matematik med Anvendelser (DM72) & Diskrete Strukturer(DM504)
Gamle eksamesopgaver Diskret Matematik med Avedelser (DM72) & Diskrete Strukturer(DM504) Istitut for Matematik& Datalogi Syddask Uiversitet, Odese Alle sædvalige hjælpemidler(lærebøger, otater etc.), samt
Læs mereMikroøkonomi, matematik og statistik Eksamenshjemmeopgave 14. 20. december 2007
Mikroøkoomi, matematik og statistik Eksameshjemmeopgave 14. 20. december 2007 Helle Buzel, Tom Egsted og Michael H.J. Stæhr 14. december 2007 R E T N I N G S L I N I E R F O R E K S A M E N S H J E M M
Læs mereBeregning af prisindeks for ejendomssalg
Damarks Saisik, Priser og Forbrug 2. april 203 Ejedomssalg JHO/- Beregig af prisideks for ejedomssalg Baggrud: e radiioel prisideks, fx forbrugerprisidekse, ka ma ofe følge e ideisk produk over id og sammelige
Læs mereLøsninger til kapitel 7
Løsiger til kapitel 7 Opgave 7.1 a) HpoStat giver resultatet: Pop. varias er ukedt, me 30, så Normalf. bruges approksimativt = 54,400 s 1.069,90 = 00,000 0,95 49,868 58,93 Dette betder, at med 95% sikkerhed
Læs mereYngre Lægers medlemsundersøgelse om det lægelige arbejdsmarked, 2016
Ygre Læger, 23. maj 216 Ygre Lægers medlemsudersøgelse om det lægelige arbejdsmarked, 216 - svarfordeliger på ladspla Idholdsfortegelse 1. Idledig... 2 2. Baggrudsvariable... 2 3. Vide om arbejdspladse
Læs mereIntroduktion til uligheder
Itroduktio til uligheder, marts 0, Kirste Rosekilde Itroduktio til uligheder Dette er e itroduktio til ogle basale uligheder om det aritmetiske geemsit, det geometriske geemsit, det harmoiske geemsit og
Læs mereBjørn Grøn. Analysens grundlag
Bjør Grø Aalyses grudlag Aalyses grudlag Side af 4 Idholdsfortegelse Kotiuerte og differetiable fuktioer 3 Differetial- og itegralregiges udviklig 5 3 Hovedsætiger om differetiable fuktioer 8 Opgaver til
Læs mereDATV: Introduktion til optimering og operationsanalyse, 2007. Følsomhed af Knapsack Problemet
DATV: Itroduktio til optimerig og operatiosaalyse, 2007 Følsomhed af Kapsack Problemet David Pisiger, Projektopgave 1 Dette er de første obligatoriske projektopgave på kurset DATV: Itroduktio til optimerig
Læs mereProjekt 2.3 Det gyldne snit og Fibonaccitallene
Projekter: Kapitel Projekt.3 Det glde sit og Fiboaccitallee Forslag til hvorda klasses arbejde med projektet ka tilrettelægges: Forløbet:. Præsetatio af emet med vægt på det glde sit.. Grppere arbejder
Læs mere24. januar Epidemiologi og biostatistik. Forelæsning 1 Uge 1, tirsdag. Niels Trolle Andersen, Afdelingen for Biostatistik.
Epidemiologi og biostatistik. Forelæsig Uge, tirsdag. Niels Trolle Aderse, Afdelige for Biostatistik. Geerelt om kurset: - Formål - Forelæsiger - Øvelser - Forelæsigsoter - Bøger - EpiBasic: http://www.biostat.au.dk/teachig/software
Læs mereProjekt 1.3 Brydningsloven
Projekt 1.3 Brydigslove Når e bølge, fx e lysbølge, rammer e græseflade mellem to stoffer, vil bølge ormalt blive spaltet i to: Noget af bølge kastes tilbage (spejlig), hvor udfaldsvikle u er de samme
Læs mereDen flerdimensionale normalfordeling
De flerdimesioale ormalfordelig Stokastiske vektorer Ved e stokastisk vektor skal vi forstå e vektor, hvor de ekelte kompoeter er sædvalige stokastiske variable. For de stokastiske vektor Y = Y,..., Y
Læs mereDiskrete og kontinuerte stokastiske variable
Diskrete og kotiuerte stokastiske variable Beroulli Biomial fordelig Negativ biomial fordelig Hypergeometrisk fordelig Poisso fordelig Kotiuerte stokastiske variable Uiform fordelig Ekspoetial fordelig
Læs mere1 Punkt- og intervalestimation Punktestimatorer: Centralitet(bias) og efficiens... 2
Idhold 1 Pukt- og itervalestimatio 2 1.1 Puktestimatorer: Cetralitet(bias) og efficies.................... 2 2 Kofidesiterval 3 2.1 Kofidesiterval for adel................................ 4 2.2 Kofidesiterval
Læs mereHvis man vil lægge 15% til 600, så kan det gøres ved at udregne, hvor meget 15% af 600 er lig med og lægge det til det oprindelige beløb:
0BRetesegig BTæk i femskivigsfaktoe! I dette tillæg skal vi se, at begebet femskivigsfaktoe e yttigt til at fostå og løse foskellige poblemstillige idefo pocet- og etesegig. 3B. Lægge pocet til elle tække
Læs mereMotivation. En tegning
Motivatio Scatter-plot at det mådelige salg mod det måedlige reklamebudget. R: plot(salg ~ budget, data = salg) Økoometri Lektio Simpel Lieær Regressio salg 400 450 500 550 20 25 30 35 40 45 50 budget
Læs mereFacilitering ITU 15. maj 2012
Faciliterig ITU 15. maj 2012 Facilitatio is like movig with the elemets ad sailig the sea Vejvisere Velkomst de gode idflyvig Hvad er faciliterig? Kedeteg ved rolle som facilitator Facilitatores drejebog
Læs mereModul 14: Goodness-of-fit test og krydstabelanalyse
Forskigsehede for Statistik ST01: Elemetær Statistik Bet Jørgese Modul 14: Goodess-of-fit test og krydstabelaalyse 14.1 Idledig....................................... 1 14.2 χ 2 -test i e r c krydstabel.............................
Læs mereFUNKTIONER del 1 Funktionsbegrebet Lineære funktioner Eksponentialfunktioner Logaritmefunktioner Rentesregning Indekstal
FUNKTIONER del Fuktiosbegrebet Lieære fuktioer Ekspoetialfuktioer Logaritmefuktioer Retesregig Idekstal -klassere Gammel Hellerup Gymasium November 08 ; Michael Szymaski ; mz@ghg.dk Idholdsfortegelse FUNKTIONSBEGREBET...
Læs mereDefinition: Normalfordelingen. siges at være normalfordelt med middelværdi µ og varians σ 2, hvor µ og σ er reelle tal og σ > 0.
Repetitio: Normalfordelige Ladmåliges fejlteori Lektio Trasformatio af stokastiske variable - kkb@math.aau.dk http://people.math.aau.dk/ kkb/udervisig/lf13 Istitut for Matematiske Fag Aalborg Uiversitet
Læs mereForslag til besvarelser af opgaver m.m. i ε-bogen, Matematik for lærerstuderende
Forslag til besvarelser af opgaver m.m. i ε-boge, Matematik for lærerstuderede Dette er førsteudgave af opgavebesvarelser udarbejdet i sommere 008. Dokumetet ideholder forslag til besvarelser af de fleste
Læs mere13. februar Resumé: En statistisk analyse resulterer ofte i : Et estimat ˆ θ med en tilhørende se( ˆ θ )
3. februar 003 Epidemiologi og biostatistik. Uge, torag d. 3. februar 003 Morte Frydeberg, Istitut for Biostatistik. Type og type fejl Nogle specielle metoder: Test i RxC tabeller Test i x tabeller Fishers
Læs mere6 Populære fordelinger
6 Populære fordeliger I apitel 4 itroducerede vi stoastise variabler so e åde at repræsetere udfald af et esperiet på. De stoastise variabler ue være både disrete (fx terigslag) og otiuerte (fx vareægder).
Læs mereHvordan hjælper trøster vi hinanden, når livet er svært?
Hvorda hjælper trøster vi hiade, år livet er svært? - at være magtesløs med de magtesløse Dask Myelomatoseforeig Temadag, Hotel Scadic, Aalborg Lørdag de 2. april 2016 kl. 14.00-15.30 Ole Raakjær, præst
Læs mereStatistik Lektion 8. Parrede test Test for forskel i andele Test for ens varians Gensyn med flyskræk!
Statistik Lektio 8 Parrede test Test for forskel i adele Test for es varias Gesy med flyskræk! Afhægige og uafhægige stikprøver Ved e uafhægig stikprøve udtages e stikprøve fra hver gruppe.. Mæd og kviders
Læs mereSandsynlighedsfordelinger for kontinuerte data på interval/ratioskala
Statistik for biologer 005-6, modul 5: Sadsylighedsfordeliger for kotiuerte data på iterval/ratioskala M6, slide Gægse matematiske sadsylighedsfordeliger: Diskrete data: De positive biomialfordelig Poisso-fordelige
Læs mereAsymptotisk optimalitet af MLE
Kapitel 4 Asymptotisk optimalitet af MLE Lad Y 1, Y 2,... være uafhægige, idetisk fordelte variable med værdier i et rum (Y,K). Vi har givet e model (ν θ ) θ Θ for fordelige af Y 1 (og dermed også for
Læs mereDu skal redegøre for løsning af ligninger og herunder behandle omformningsreglerne for ligninger.
Eksamesspørgsmål mac7100 maj/jui 013. Spørgsmål 1: Ligiger Du skal redegøre for løsig af ligiger og heruder behadle omformigsreglere for ligiger. Giv eksempler på hvorda forskellige ligigstyper (lieære,
Læs mereBranchevejledning. ulykker indenfor. lager. området. Branchearbejdsmiljørådet for transport og engros
Brachevejledig ulykker idefor lager området Brachearbejdsmiljørådet for trasport og egros Baggrud Udersøgelser på lager- og trasportområdet har vist, at beskrivelse af hædelsesforløbet ved udfyldelse
Læs mere30. august Epidemiologi og biostatistik. Forelæsning 3 Uge 2, torsdag d. 8. september 2005 Michael Væth, Afdeling for Biostatistik.
30. august 005 Epidemiologi og biostatistik. Forelæsig 3 Uge, torag d. 8. september 005 Michael Væth, Afdelig for Biostatistik. Mere om kategoriske data Test for uafhægighed I RxC tabeller Test for uafhægighed
Læs mereEstimation ved momentmetoden. Estimation af middelværdiparameter
Statistik og Sadsylighedsregig 1 STAT kapitel 4.2 4.3 Susae Ditlevse Istitut for Matematiske Fag Email: susae@math.ku.dk http://math.ku.dk/ susae Estimatio ved mometmetode Idimellem ka det være svært (eller
Læs mereBlisterpakninger i det daglige arbejde
Bettia Carlse Marts 2013 Blisterpakiger i det daglige arbejde I paeludersøgelse 35 1 har 1.708 beskæftigede sygeplejersker besvaret e række spørgsmål om (hådterige af) blisterpakiger i det daglige arbejde.
Læs mereTest i to populationer. Hypotesetest for parrede observationer Test for ens varians Gensyn med flyskræk!
Test i to populatioer Hypotesetest for parrede observatioer Test for es varias Gesy med flyskræk! Afhægige og uafhægige stikprøver Ved e uafhægig stikprøve udtages e stikprøve fra hver gruppe.. Mæd og
Læs mereGenerelle lineære modeller
Geerelle lieære modeller Regressiosmodeller med é uafhægig itervalskala variabel: Y e eller flere uafhægige variable: X,..,X k De betigede fordelig af Y givet X,..,X k atages at være ormal med e middelværdi,
Læs mereTermodynamik. Indhold. Termodynamik. Første og anden hovedsætning 1/18
ermodyamik. Første og ade hovedsætig /8 ermodyamik Idhold. Isoterme og adiabatiske tilstadsædriger for gasser...3 3. ermodyamikkes. hovedsætig....5 4. Reversibilitet...6 5. Reversibel maskie og maksimalt
Læs mereØkonometri 1. Definition og motivation. Definition og motivation. Dagens program. Den multiple regressionsmodel 15. februar 2006
Dages program Økoometri De multiple regressiosmodel 5. februar 006 Emet for dee forelæsig er de multiple regressiosmodel (Wooldridge kap 3.-3.3+appedix E.-E.) Defiitio og motivatio Fortolkig af parametree
Læs mereNoter om polynomier, Kirsten Rosenkilde, Marts Polynomier
Noter om polyomier, Kirste Rosekilde, Marts 2006 1 Polyomier Disse oter giver e kort itroduktio til polyomier, og de fleste sætiger æves ude bevis. Udervejs er der forholdsvis emme opgaver, mes der til
Læs mereAnalyse 1, Prøve maj 2009
Aalyse, Prøve 5. maj 009 Alle hevisiger til TL er hevisiger til Kalkulus (006, Tom Lidstrøm). Direkte opgavehevisiger til Kalkulus er agivet med TLO, ellers er alle hevisiger til steder i de overordede
Læs mereKonfidens intervaller
Kofides itervaller Kofides itervaller for: Kofides iterval for middelværdi, varias kedt Kofides iterval for middelværdi, varias ukedt Kofides iterval for adel Kofides iterval for varias Bestemmelse af
Læs mereIntroduktion til Statistik
Itroduktio til Statistik 4. udgave Susae Ditlevse og Helle Sørese Susae Ditlevse, susae@math.ku.dk Helle Sørese, helle@math.ku.dk Istitut for Matematiske Fag Købehavs Uiversitet Uiversitetsparke 5 2100
Læs mereTil - donationsansvarlige nøglepersoner og afdelings- og afsnitsledelser
Til - doatiosasvarlige øglepersoer og afdeligs- og afsitsledelser Såda læser og bruger I jeres kvartalsrapport Orgadoatiosdatabase blev etableret som e atioal kliisk kvalitetsdatabase 1. april 2010. Data
Læs merecos(t), v(t) = , w(t) = e t, z(t) = e t.
Aalyse Øvelser Rasmus Sylvester Bryder. og. oktober 3 Bevis for Cotiuity lemma Theorem. Geemgås af Michael Staal-Olse. Bevis for Lemma.8 Dee har vi faktisk allerede vist; se Opgave 9.5 fra Uge. Det er
Læs mereMatematik A. Højere handelseksamen. Tirsdag den 26. maj 2015 kl hhx151-mat/a
Matematik A Højere hadelseksame hhx151-mat/a-26052015 Tirsdag de 26. maj 2015 kl. 9.00-14.00 Matematik A Prøve består af to delprøver. Delprøve ude hjælpemidler består af opgave 1 til 5 med i alt 5 spørgsmål.
Læs mereSupplerende noter II til MM04
Supplerede oter II til MM4 N.J. Nielse 1 Uiform koverges af følger af fuktioer Vi starter med følgede defiitio: Defiitio 1.1 Lad S være e vilkårlig mægde og (X, d et metrisk rum. E følge (f af fuktioer
Læs mereStikprøvefordelinger og konfidensintervaller
Stikprøvefordeliger og kofidesitervaller Stikprøvefordelige for middelværdi De Cetrale Græseværdi Sætig Egeskaber Ved Estimatore Kofidesitervaller t-fordelige Estimator og estimat E stikprøve statistik
Læs mereSTATISTIKNOTER Simple normalfordelingsmodeller
STATISTIKNOTER Simple ormalfordeligsmodeller Jørge Larse IMFUFA Roskilde Uiversitetsceter Februar 1999 IMFUFA, Roskilde Uiversitetsceter, Postboks 260, DK-4000 Roskilde. Jørge Larse: STATISTIKNOTER: Simple
Læs mereTIMEGLASSETS FASER: Introen er et foto og nogle spørgsmål til hele kapitlet. Meningen med introen er, at du og
TIMEGLASSETS FASER: INTRO Itroe er et foto og ogle spørgsmål til hele kapitlet. Meige med itroe er, at du og di klasse skal få e ide om, hvad kapitlet hadler om, og hvad I skal lære. Prøv at svare på spørgsmålee
Læs mereEstimation og test i normalfordelingen
af Birger Stjerholm Made Samfudlitteratur 07 Etimatio og tet i ormalfordelige Dee tekt ideholder et overblik over ogle grudlæggede pricipper for etimatio og tet i ormalfordelige i hyppigt forekommede ituatioer:
Læs mereNanomaterialer Anvendelser og arbejdsmiljøforhold
F O A F A G O G A R B E J D E Naomaterialer Avedelser og arbejdsmiljøforhold Dee Kort & Godt pjece heveder sig til dig, som er medlem af FOA. Pjece giver iformatio om: Hvad er et aomateriale? Eksempler
Læs mereOversigt. Kursus 02402/02323 Introducerende Statistik. Forelæsning 12: Inferens for andele. Klaus K. Andersen og Per Bruun Brockhoff
Kursus 02402/02323 Itroducerede Statistik Forelæsig 12: Iferes for adele Klaus K. Aderse og Per Bruu Brockhoff DTU Compute, Statistik og Dataaalyse Damarks Tekiske Uiversitet 2800 Lygby Damark e-mail:
Læs mereNOTAT Det daglige arbejde med blisterpakninger
Sige Friis Christiase 7. maj 2015 NOTAT Det daglige arbejde med blisterpakiger I paeludersøgelse 55 i DSRs medlemspael blev deltagere stillet e række spørgsmål om deres arbejde med blisterpakiger. Afrapporterige
Læs mereSandsynlighedsteori 1.2 og 2 Uge 5.
Istitut for Matematiske Fag Aarhus Uiversitet De 27. jauar 25. Sadsylighedsteori.2 og 2 Uge 5. Forelæsiger: Geemgage af emere karakteristiske fuktioer og Mometproblemet afsluttes, og vi starter på afsittet
Læs mere(VIDENSKABSTEORI) STATISTIK (EKSPERIMENTELT ARBEJDE)
(VIDENSKABSTEORI) STATISTIK (EKSPERIMENTELT ARBEJDE) x-klassere Gammel Hellerup Gymasium Idholdsfortegelse INDLEDNING... 3 DESKRIPTIV STATISTIK... 3 Eksempler ide for deskriptiv statistik... 12 Normalfordeligskurver...
Læs mereProjekt 0.4 Modulo-regning, restklassegrupperne ( lille sætning. {} 0, ) og Fermats { } ...,-44,-20,4,28,52,...
Projekter: Kaitel 0. Projekt 0. Modulo-regig, restklassegruer og Fermats lille sætig Projekt 0. Modulo-regig, restklassegruere ( {} 0, ) og Fermats lille sætig Vi aveder moduloregig og restklasser mage
Læs mereBekendtgørelse om takstændringer i offentlig servicetrafik i trafikselskaber og hos jernbanevirksomheder m.v. (takststigningsloftet)
Oversigt (idholdsfortegelse) Bilag 1 Bilag 2 Bilag 3 De fulde tekst Bekedtgørelse om takstædriger i offetlig servicetrafik i trafikselskaber og hos jerbaevirksomheder m.v. (takststigigsloftet) I medfør
Læs mereUddannelsesparathed. Vejledning om processerne ved vurdering af uddannelsesparathed (UPV) og ansøgning til ungdomsuddannelserne
Uddaelsesparathed Vejledig om processere ved vurderig af uddaelsesparathed (UPV) og asøgig til ugdomsuddaelsere Uddaelsesparathed Vejledig om processere ved vurderig af uddaelsesparathed (UPV) og asøgig
Læs mereVelkommen. Program. Statistik og Sandsynlighedsregning 2 Sandsynlighedstætheder og kontinuerte fordelinger på R. Praktiske ting og sager
Program Statistik og Sadsylighedsregig 2 Sadsylighedstætheder og kotiuerte fordeliger på R Helle Sørese Uge 6, madag Velkomme I dag: Praktiske bemærkiger Hvad skal vi lave på SaSt2? Sadsylighedstætheder
Læs mereDe reelle tal. Morten Grud Rasmussen 5. november Se Sætning 3.6 og 3.7 for forskellige formuleringer af egenskaben og dens negation.
De reelle tal Morte Grud Rasmusse 5. ovember 2015 Ordede mægder Defiitio 3.1 (Ordet mægde). pm, ăq kaldes e ordet mægde såfremt: For alle x, y P M gælder etop ét af følgede: x ă y, x y, y ă x @x, y, z
Læs mereIMFUFA TEKST NR TEKSTER fra ROSKILDE UNIVERSITETSCENTER. Jørgen Larsen
TEKST NR 435 2004 Basisstatistik 2. udgave Jørge Larse August 2006 TEKSTER fra IMFUFA INSTITUT ROSKILDE UNIVERSITETSCENTER FOR STUDIET AF MATEMATIK OG FYSIK SAMT DERES FUNKTIONER I UNDERVISNING, FORSKNING
Læs mereAugust 2012 AKTIVERING. for dig under 30 F O A S A R B E J D S L Ø S H E D S K A S S E
F O A S A R B E J D S L Ø S H E D S K A S S E August 2012 AKTIVERING for dig uder 30 INDHOLD 1. Du er uder 25 år er ude uddaelse og har ige bør side 4 2. Du er uder 25 år er ude uddaelse og har bør side
Læs mere