FORDELINGER: HYPERGEOMETRISK FORDELING, BINOMIALFORDELING MIDDELVÆRDI DEFINITION. X er en stokastisk variabel på et endeligt sandsynlighedsfelt ( )
|
|
- Sten Ludvigsen
- 7 år siden
- Visninger:
Transkript
1 FORDELINGER: HYERGEOMETRIS FORDELING, BINOMIALFORDELING MIDDELVÆRDI Mddelværd MIDDELVÆRDI (TYS: ERWARTUNGSWERT ) DEFINITION X er e stokastsk varabel på et edelgt sadsylghedsfelt U, ( ) Mddelværde af X beteges ( X ) bare µ V deferer: E ( X ) = X ( u) ( u) u U E eller kort µ X eller Bemærk, at dette altså også gælder for kke-symmetrske, edelge U, sadsylghedsfelter ( ) SÆTNING 1 For X og Y, der er stokastske varable på et edelgt sadsylghedsfelt ( ) for c R gælder: E ( c) = c E( c X ) = c E( X ) E ( X + Y ) = E( X ) + E( Y ) U, og c R skal dee sammehæg forstås som e kort skrvemåde for e stokastsk varabel Y, deferet ved følgede forskrft, u U : Y ( u) = c Øvelse 1 Bevs sætg 1 12g mat (JL) ovember 2009 s 1
2 SÆTNING 2 X er e stokastsk varabel på et edelgt sadsylghedsfelt ( U, ) Lad Vm ( X ) { x x, } Der gælder så: =,, 1 2 x E( X ) = x ( X = ) = 1 x Bevs For = 1,2,, fastlægger v følgede hædelser, det vl sge delmægder af H = u U X u = udfaldsrummet U ved { ( ) } x Hædelsere H, H, 1 2, H udgør da e klassedelg af U, det vl som bekedt sge, at H, H, 1 2, H er dsjukte, kke tomme hædelser udfaldsrummet U og U = H H 1 2 H For de ekelte = 1,2,, gælder åbebart: u H ( u) ( u) = x ( u) = x ( u) = x ( H ) X Hermed får v: E u H ( X ) = X ( u) ( u) = = = u U u H1 u H ( u) ( u) + X ( u) ( u) + + X ( u) ( u) X = 1 u H = 1 X x u H 2 ( u) ( u) ( X = ) x Hermed er sætge bevst u H 12g mat (JL) ovember 2009 s 2
3 Stokastsk varabel, fordelgsfukto og sadsylghedsfordelg V ka bruge e stokastsk varabel tl at defere hædelser (delmægder) det U,, som X er deferet på udfaldsrum U, der hører tl det sadsylghedsfelt ( ) For s, t R bruger v ( X t) = som e kort skrvemåde for ({ u U X ( u) = t }) Der gælder { u U X ( u) = t } U ( U, ) og dermed er dee mægde e hædelse Tlsvarede bemærkger gælder for ( X t) = ( { u U X ( u) t }), ( X < t) = ( { u U X ( u) < t }), ( X t) = ( { u U X ( u) t }), ( X > t) = ( { u U X ( u) > t }), ( s X t) = ( { u U s X ( u) t }) osv, osv Specelt teresserer v os for og gver specelle ave tl ( X = t) og ( X t) X er e stokastsk varabel, deferet på et U, sadsylghedsfelt ( ) FORDELINGSFUNTION (TYS: WAHRSCHEINLICHEITSFUNTION) DEFINTION Fuktoe F ( t) = ( X t) med Dm( F ) = R og Vm ( F ) [ 0,1] kaldes fordelgsfuktoe for X For at uderstrege sammehæge skrver v ofte F X F X ( t) kaldes også de kumulerede sadsylghed for t Det ses umddelbart, at e fordelgsfukto ( t) følgede egeskaber: F X for e stokastsk varabel X har F er aldrg aftagede, lm ( t) = 0 X F X t og lm ( t) = 1 F X t 12g mat (JL) ovember 2009 s 3
4 X er e dskret stokastsk varabel, deferet på et edelgt U, eller tællelgt sadsylghedsfelt ( ) SANDSYNLIGHEDSFORDELING, FREVENSFUNTION (TYS: WAHRSCHEINLICHEITSVERTEILUNG) DEFINTION Fuktoe ( t) = ( X t) f = med Dm( f ) = R og Vm ( f ) [ 0,1] kaldes sadsylghedsfordelge eller frekvesfuktoe for X For at uderstrege sammehæge skrver v ofte f X Øvelse 2 Betragt det stokastske ekspermet, der består at kaste e far møt 3 gage Lad X være de stokastske varabel, der tæller atallet af gage, møte vser tal -sde Teg samme koordatsystem e graf for F og et stolpedagram for f Betragt det stokastske ekspermet, der består at kaste e terg Lad Y være de stokastske varabel, der agver atallet af øje, som terge vser Teg samme koordatsystem e graf for F Y og et stolpedagram for f Y Beskrv sammehæge mellem grafe for fordelgsfuktoe og stolpedagrammet for sadsylghedsfordelge X X Hypergeometrsk fordelg, stkprøve ude tlbagelægg Lad os først se på et eksempel Eksempel: pger og drege på et matematkhold å et matematkhold med 13 elever er der 4 pger og 9 drege Der skal tlfældgt (ved lodtrækg eller adet) sammesættes e (kke-ordet) gruppe, beståede af 5 elever alt 13 elever, heraf 4 p 9 d 5 12g mat (JL) ovember 2009 s 4
5 Øvelse 3 De 4 pger er Aa, Berta, Chrste og Dors De 9 drege er Erk, Fdo, Gert, Has, Ib, Jes, laus, Ludwg og Mads (v ka forkorte deres ave tl A, B, C,, M) Hvorda ser det stokastske ekspermet dee sammehæg? Hvorda udfaldsrummet? Gv et eksempel på et mulgt udfald! Er udfaldsrummet edelgt? Er det symmetrsk? Lad os se på e stokastsk varabel X, deferet så ( u) udvalget X agver atallet af pger Udfra prcppet for beregg af hædelses-sadsylgheder edelge, symmetrske udfaldsrum ka v berege feks ( X = 3) atal = udfald hædelse atal udfald U { X = 3} = 4,3 13,5 9, = = ,1119 { = 3} { X = 3} er e kort skrvemåde for hædelse u U X ( u) Med e sadsylghed på ca 0,1119 deholder gruppe altså etop 3 pger V ka umddelbart geeralsere vores eksempel tl type A alt N elemeter, heraf q X : atal type A bladt de q N type kke-a Sktse skal llustrere, at v ser på e mægde med N elemeter, hvoraf er af type A Bladt de N elemeter udtager v et udvalg på q elemeter og tæller ved hjælp af vores stokastske varabel X atallet af type-a-elemeter bladt de q udvalget V taler også om at v har udtaget e stkprøve på q elemeter ude tlbagelægg Dermed meer v, at v har udtaget de q elemeter ete på é gag eller é efter é, me ude at lægge de udtage tlbage buke de udtagg af det æste elemet stkprøve Et elemet ka altså højst optræde é gag stkprøve 12g mat (JL) ovember 2009 s 5
6 Hvs v vl betoe dette aspekt, ka v otere det vores sktse: type A alt N elemeter, heraf stkprøve ude tlbagelægg: q X : atal type A bladt de q N type kke-a For = 0,1, 2,3,, m, hvor m = m( {, q }), gælder derefter:, N, q = = ( X ) De stokastske varabel X sges at være hypergeometrsk fordelt og skrver kort: N, q X ~ h ( q, N ), De hypergeometrske fordelg bestemmes altså af tre parametre; q : atal elemeter stkprøve, : atal af type-a-elemeter de samlede mægde og N : atal elemeter de samlede mægde De stokastske varabel X fra overvejelse med vores matematkhold på s 4 er h 5, 4,13 altså fordelt X ~ ( ) SÆTNING 3: HYERGEOMETRIS FORDELING Med e beskrvelse som ovefor gælder for e hypergeometrsk fordelt stokastsk h q,, N, for 0,1, 2,3,, m m = m, q : varabel X ~ ( ) ( X ), N, q = = N, q =, hvor ({ }) Bevs Se ovefor 12g mat (JL) ovember 2009 s 6
7 V ka altså beskrve sadsylghedsfordelge for de hypergeometrsk fordelte h q,, N : stokastske varabel X ~ ( ) f X ( t) =, t N 0 N, q t, q for t = 0,1,2,3,, m, hvor ellers m = m ({, q }) De tlhørede fordelgsfukto ka bereges ved ( t) = ( X t) = ( X t] ) = ( X = 0) + ( X = 1) + ( X = 2) + + ( X ) m( {[ t], q }) F X [ =, hvor =, ESURS GAUSS TRAEFUNTION ( x) = x] = for x < + og G [ 1 Z G ( 9 ) = 9, G ( 1,7) = 1, G ( 3) = 3, ( 1,2) = 2 ( x) G G er altså det største hele tal, der er mdre ed eller lg med x Heruder er der teget stolpedagram for de hypergeometrske stokastske varabels sadsylghedsfordelg f X ( ) = ( X = ) og fordelgsfukto = X for 0,1, 2,3,, m m = m, q : F X ( ) ( ) =, hvor ({ }) X~h(q,, N), sere 1: (X=), sere 2: (X<=) 1,2000 1,0000 0,8000 0,6000 0,4000 0,2000 0, (X=) (X<=) X ~ h ( q, N ), med parametree q = 10, = 70, N = g mat (JL) ovember 2009 s 7
8 SÆTNING 4: HYERGEOMETRIS FORDELING, MIDDELVÆRDI For e hypergeometrsk fordelt stokastsk varabel X ~ h ( q, N ) E ( X ) = q N, gælder: I eksemplet med matematkholdet fra s 4 gælder altså: 4 20 E ( X ) = 5 = 1, 54 Læg mærke tl, at mddelværde (vores Erwartugswert ) her atager e værd, som de stokastske varabel slet kke ka atage Hvs v laver mage forskellge grupper med 5 elever bladt de 13 på holdet, vl der geemst altså være 1,54 pger gruppere Øvelse 4 Bereg ( X ) E for de stokastske varabel X fra beskrvelse af matematkholdet på s 4 drekte ved hjælp af sætg 2 Bemærkg For e stokastsk varabel X ~ h ( q,, N ) med E( X ) j og j N 0, hvor j fremkommer ved ormal afrudg af E ( X ), gælder kke ødvedgvs, at ( X = j) er de størst mulge værd af f X ( t) For X ~ h ( 30, 45,100) gælder feks E ( X ) =13,5 14, me samtdgt ( X = 13 ) 0,1696 > 0,1690 ( X = 14) Bomalfordelg, stkprøve med tlbagelægg Lad os først se på et eksempel Eksempel: pger og drege på et matematkhold å et matematkhold med 13 elever er der 4 pger og 9 drege (det er det samme hold som beskrevet på s 4) De 4 pger er som ævt Aa, Berta, Chrste og Dors De 9 drege er Erk, Fdo, Gert, Has, Ib, Jes, laus, Ludwg og Mads (v ka forkorte deres ave tl A, B, C,, M) Lærere er ldt glemsom og starter hver tme med at spørge e tlfældgt udvalgt elev, hvad holdet har arbejdet med de foregåede tme Lærere er faktsk ret glemsom, så valget falder helt tlfældgt på é af de 13 elever og altså også fuldstædg ude 12g mat (JL) ovember 2009 s 8
9 hesy tl, om de valgte elev også blev spurgt om det samme de foregåede tme V ka altså sktsere de grudlæggede stuatoe således: alt 13 elever, heraf 4 p 9 d 1 Hvs hver af elevere har samme sadsylghed for at blve spurgt og v deferer e hædelse Q = { A, B, C, D} (Q er altså de hædelse, at de adspurgte er e pge), 4 har v altså p = ( Q) = Dee sadsylghed kalder v prmærsadsylghede 13 E af elevere Berta, der er holdets lgeberettgelsesasvarlge begyder at teressere sg for, hvem der spørges, og laver over e perode på 20 tmer e lste over de adspurgte, det hu dog ku oterer, om lærere har stllet spørgsmålet tl e pge eller tl e dreg alt 13 elever, heraf 4 p 9 d 1 oteres: p eller d getages: 20 gage X : atal p bladt de 20 V taler også om at v har udtaget e stkprøve på 20 elemeter med tlbagelægg Dermed meer v, at v har udtaget de 20 elemeter é efter é, og såda, at de udtage er lagt tlbage buke de udtagg af det æste elemet stkprøve Et elemet ka altså ude vdere optræde mere ed é gag stkprøve Atallet af getagelser, her altså de 20, kalder v også lægde Dee formulerg kue v sktsere: alt 13 elever, heraf 4 p 9 d 1 oteres: p eller d getages: 20 gage stkprøve med tlbagelægg: 20 X : atal p bladt de 20 12g mat (JL) ovember 2009 s 9
10 Bertas otat ka altså feks se såda ud: ppddp dppdd pdppd ddddp Sadsylghede for at otatet ser etop sådat ud (altså vser p er og d er etop dee rækkefølge) må være: ( Q) ( Q) ( 1 ( Q) ) ( 1 ( Q) ) ( Q) ( 1 ( Q) ) ( Q) ( Q) ( 1 ( Q) ) ( 1 ( Q) ) ( Q) ( 1 ( Q) ) ( Q) ( Q) ( 1 ( Q) ) ( 1 ( Q) ) ( 1 ( Q) ) ( 1 ( Q) ) ( 1 ( Q) ) ( Q) = p p ( 1 p) ( 1 p) p ( 1 p) p p ( 1 p) ( 1 p) p ( 1 p) p p ( 1 p) ( 1 p) ( 1 p) ( 1 p) ( 1 p) p = p 9 ( 1 p ) = 4, = De rækkefølge, som Berta har oteret: ppddp dppdd pdppd ddddp deholder etop 9 p er I alt fdes der 20, 9 forskellge mulge rækkefølger af 9 p er og 11 d er Hver af dsse forskellge rækkefølger må have samme sadsylghed, emlg de etop fude = 4, Der må altså gælde: ( X = 9) = 20, , , V sger, at de stokastske varabel X er bomalfordelt med prmærsadsylghed 4 p = og lægde q = g mat (JL) ovember 2009 s 10
11 V ka umddelbart geeralsere vores eksempel tl type A alt N elemeter, heraf 1 oteres: A eller kke-a getages q gage stkprøve med tlbagelægg: q X : atal type A bladt de q N type kke-a Sadsylghede for udtagge af ét elemet at få e type A er p = ( A) =, N hvor A er de hædelse, at det udtage elemet er af type A Dee sadsylghed kalder v prmærsadsylghede V taler også om at v har udtaget e stkprøve på q elemeter med tlbagelægg Dermed meer v, at v har udtaget de q elemeter é efter é, og såda, at de udtage er lagt tlbage buke de udtagg af det æste elemet stkprøve Et elemet ka altså ude vdere optræde mere ed é gag stkprøve Atallet af getagelser, her altså de q, kalder v også lægde V behøver mdlertd kke at se på det som e udtagg af e stkprøve V ka også bare tæke på det som q getagelser af det samme stokastske ekspermet (feks kast med e terg), hvor v ser på om v får et resultat A eller resultatetet kke-a (feks at få e 6 er eller kke at få e 6 er) E såda getagelses-sere kaldes på tysk e Beroull-ette rmærekspermetet, der getages e såda kæde, kaldes på tysk et Beroull-Expermet efter matematkere Jakob Beroull ( ) Et Beroull-Expermet er kedeteget ved at have etop 2 mulge udfald De stokastske varabel X er så bomalfordelt med lægde q og b q, p prmærsadsylghed p: X ~ ( ) For = 0,1, 2,3,, q gælder der q ( X = ) = p ( 1 p) q, 12g mat (JL) ovember 2009 s 11
12 SÆTNING 8: BINOMIALFORDELING Med e beskrvelse som ovefor gælder for e bomalfordelt stokastsk varabel b q, p, for = 0,1, 2,3,, q : X ~ ( ) q ( X = ) = p ( 1 p) q, Med p = ka dette formuleres: N ( X ) q q, = = 1 N N Bevs Se ovefor Øvelse 5 E far møt kastes 12 gage Hvad er sadsylghede for, at møte etop 4 gage vser tal? E terg kastes 9 gage Hvad er sadsylghede for, at møte etop 3 gage vser ete 1 eller 2? Et medkamet, der atages at vrke på 3 1 af patetere, testes på 200 pateter Hvad er sadsylghede for, at medkametet vrker på etop 67 af patetere? V ka altså beskrve sadsylghedsfordelge for de bomalfordelte stokastske b q, p : varabel X ~ ( ) f X ( t) ( 1 p) t q t q, t p for t = 0,1,2,3,, q = 0 ellers De tlhørede fordelgsfukto ka bereges ved ( t) = ( X t) = ( X t] ) = ( X = 0) + ( X = 1) + ( X = 2) + + ( X ) m( {[ t] q }) F X [ =, hvor =, 12g mat (JL) ovember 2009 s 12
13 Heruder er der teget stolpedagram for de bomalfordelte stokastske varabels sadsylghedsfordelg f X ( ) = ( X = ) og fordelgsfukto F X ( ) = ( X ) for = 0,1, 2,3,,q X~b(q, p), sere 1: (X=), sere 2: (X<=) 1, , , , , , , X ~ ( q p) b, med parametree q = 10 og = 0, 7 (X=) (X<=) Hvs v ser på Bertas ekspermet fra matematkholdets udervsg på s 9 har v altså: 4 80 E ( X ) = 20 = 6, 1538 Læg mærke tl, at mddelværde (vores Erwartugswert ) her ge atager e værd, som de stokastske varabel slet kke ka atage Hvs Berta mage forskellge gage observerer forløbet over 20 tmer, vl hu geemst altså regstrere 6,15 pger bladt de 20 adspurgte Bemærkg For e stokastsk varabel X ~ b ( q, p ) med E( X ) j og j N 0, hvor j fremkommer ved ormal afrudg af E ( X ), gælder kke ødvedgvs, at ( X = j) er de størst mulge værd af f X ( t) For X ~ b ( 30;0,45 ) gælder feks E ( X ) =13,5 14, me samtdgt ( X = 13 ) 0,1433 > 0,1422 ( X = 14) 12g mat (JL) ovember 2009 s 13
14 Sammelgg: hypergeometrsk og bomalfordelg Lad os starte med at se på et eksempel med udtagg af e stkprøve Eksempel: artsbestemmelse af e flok hjorte 70 rådyr (Rehe) alt 100 hjorte, heraf stkprøve: 10 ude tlbagelægg: X : atal rådyr bladt de 10 med tlbagelægg: Y : atal rådyr bladt de dådyr (Damhrsche) V ka forestlle os e stkprøveudtagg ude tlbagelægg (10 hjorte samles feks e fold på é gag) eller med tlbagelægg (de 10 hjorte dfages é efter é, udersøges og slppes så fr ge, før de æste dfages e hjort ka således dfages og optræde stkprøve mere ed e gag) Ude e ærmere beskrvelse, af om stkprøve udtages ude eller med tlbagelægg, ka v kke komme vdere Lad os derfor se på begge stuatoer X er de ovefor fastlagte stokastske varabel, deferet udfra e stkprøveudtagg ude tlbagelægg, og Y er de tlsvarede stokastske varabel, deferet udfra e stuato med tlbagelægg V har så med betegelsere fra s 11 og s 17: q = 10 (stkprøves størrelse), = 70 (atal rådyr [type A] de samlede populato), N = 100 (de samlede populatos størrelse) og dermed: X ~ h ( 10,70,100 ) Y ~ b 10, 7 10, det prmærsadsylghede er 70 7 p = = = N g mat (JL) ovember 2009 s 14
15 V ka u (feks) berege følgede størrelser: X, stkprøve ude tlbagelægg Y, stkprøve med tlbagelægg jf s 11 7 X ~ h ( 10,70,100 ) Y ~ b 10, 10 det jf sætg p = = ved hjælp af sætg 3 70,7 ( X = 7) = 70,7 = 100,10 30, , , , ,2812 ved hjælp af sætg 6 70 E ( X ) = 10 = ved hjælp af sætg 8 7 = = 10, = 120 0,7 0,3 0,2668 ( Y 7) ved hjælp af sætg 9 7 E ( Y ) = 10 = Hvs v udreger alle relevate sadsylgheder lgesom ( X = 7) og ( Y = 7) ovefor, det vl sge ( X = ) og ( Y = ) for = 0,1,2,, 10, og dteger dsse sadsylgheder et stolpedagram, ka v umddelbart sammelge fordelgere: 12g mat (JL) ovember 2009 s 15
16 sslh for stkprøve med rådyr - Y med (sere 1) og X ude (sere 2) tlbagelægg 0,3000 0,2500 0,2000 0,1500 Sere1 Sere2 0,1000 0,0500 0, hjorte, heraf 70 rådyr stkprøve på 10 hjorte Det ses såvel af bereggere som af stolpedagrammet ovefor, at forskelle mellem de to fordelger dette tlfælde er beskede Såda forholder det sg mdlertd kke altd De fælles parametre for de følgede sammelgg er q = 10 (stkprøves størrelse), = 2 (atal rådyr [type A] de samlede populato), N = 20 (de samlede populatos størrelse) og dermed 2 1 p = = = (prmærsadsylghede for bomalfordelge) N sslh for stkprøve med rådyr - Y med (sere 1) og X ude (sere 2) tlbagelægg 0,6000 0,5000 0,4000 0,3000 0,2000 0,1000 0, Sere1 Sere2 20 hjorte, heraf 2 rådyr stkprøve på 10 hjorte 12g mat (JL) ovember 2009 s 16
17 Her ses væsetlg større afvgelser mellem de to fordelger Det er jo feks klart, at X (dteget som sere 2) her slet kke ka atage værder, der er større ed 2, mes dette er mulgt for Y (her dteget som sere 1) Sammelgg: hypergeometrsk og bomalfordelg geerelt Med de fælles parametre type A alt N elemeter, heraf stkprøve: q ude tlbagelægg: X : atal type A bladt de q med tlbagelægg: Y : atal type A bladt de q N type kke-a ser v på stkprøver ude tlbagelægg med de hypergeometrsk fordelte stokastske varabel X ~ h ( q,, N ) og med tlbagelægg med de bomalfordelte stokastske varabel Y ~ b ( q, p ) jf sktse I begge tlfælde agver de stokastske varable atallet af type-a-elemeter stkprøve V ka så (med de samme hevsger som ovefor, s 23) stlle de to stokastske varable overfor hade X, stkprøve ude tlbagelægg X ~ h ( q,, N ) Y ~ b ( q, p ) E Y, stkprøve med tlbagelægg p = N, N, q ( X = ) = ( Y ) N N, q = = q, 1 N E Y = q = q N ( X ) = q ( ) p N q Det ses umddelbart, at med fælles parametre gælder: E ( X ) = E( Y ) 12g mat (JL) ovember 2009 s 17
18 V ka sammefatte: Med de ovefor sktserede forstad samme parametre har e hypergeometrsk fordelt stokastsk varabel samme mddelværd som e bomalfordelt stokastsk varabel E hypergeometrsk fordelt stokastsk varabels værder lgger dog tættere omkrg mddelværde ed e bomalfordelt stokastsk varabel, forudsat selvfølgelg, at de to varable har samme parametre Hvs stkprøve er meget mdre ed de samlede populato, så er de to forskellge fordelger stort set es Dette svarer tl e umddelbar forståelse af de to stuatoer, for hvs stkprøve er meget llle forhold tl de samlede populato, er det vel ret lgegyldgt, om v lægger de udtage elemeter tlbage eller ej 12g mat (JL) ovember 2009 s 18
IKKE-KONTINUERTE (DISKRETE) STOKASTISKE VARIABLE MIDDELVÆRDI, VARIANS, SPREDNING FORDELINGER: HYPERGEOMETRISK, BINOMIAL, POISSON
IE-ONTINUERTE (DISRETE) STOASTISE VARIABLE MIDDELVÆRDI, VARIANS, SPREDNING FORDELINGER: HYPERGEOMETRIS, BINOMIAL, POISSON Edelgt sadsylghedsfelt V reeterer: Et sadsylghedsfelt ( P ) U, kaldes edelgt, hvs
Læs mereBEVISER TIL KAPITEL 7
BEVISER TIL KAPITEL 7 A. Komplemetærhædelse Det er klart, at e hædelse A og de komplemetære hædelse A udgør hele udfaldsrummet U, dvs. A A = Da fås P(U = U P(A A = P (A + P(A = da de to hædelser er dsjukte
Læs mereHvorfor n-1 i stikprøvevariansen?
Erk Vestergaard www.matematkfysk.dk Hvorfor - stkprøvevarase? Lad os sge, at e fabrk producerer e bestemt type halogepærer. Det vser sg, at levetde for e såda elpære varerer efter e ormalfordelg. Nogle
Læs mereElementær Matematik. Sandsynlighedsregning
lemetær Matematk Sadsylghedsregg Ole Wtt-Hase Køge Gymasum 008 INDHOLD KAP. KOMBINATORIK.... MULTIPLIKATIONS- OG ADDTIONSPRINCIPPT.... PRMUTATIONR... 3. KOMBINATIONR...3 KAP. NDLIGT SANDSYNLIGHDSFLT...7.
Læs merex-klasserne Gammel Hellerup Gymnasium
SANDSYNLIGHEDSREGNING OG KOMBINATORIK x-klassere Gammel Hellerup Gymasum Idholdsfortegelse SANDSYNLIGHEDSREGNING... 3 Sadsylghedsfelt... 3 Edelge sadsylghedsfelter (sadsylghedsfordelger):... 3 Uedelge
Læs mereInduktionsbevis og sum af række side 1/7
Iduktosbevs og sum af række sde /7 Skrver ma,,,...,,..., =, 2, 3,... 2 3 taler ma om e talfølge, eller blot e følge. Adre eksempler på følger er, -,, -,, -,..., (-) +,..., =, 2, 3,..., 2, 3, 4,...,,...,
Læs mereKvalitet af indsendte måledata
Notat ELT2004-112 Aktørafregg Dato: 23. aprl 2004 Sagsr.: 5584 Dok.r.: 185972 v1 Referece: NIF/AFJ Kvaltet af dsedte måledata I Damark er det etvrksomhederes opgave at måle slutforbrug, produkto og udvekslg
Læs mereStatistisk analyse. Vurdering af usikkerhed i forbindelse med statistiske opgørelser forudsætter:
Statstsk aalyse Vurderg af uskkerhed forbdelse med statstske opgørelser forudsætter: Kvattatve mål for varato og spredg forbdelse med statstske opgørelser varas og stadardafvgelse Kvattatve mål for tlfældgheder
Læs mereEksempel: PEFR. Epidemiologi og biostatistik. Uge 1, tirsdag. Erik Parner, Institut for Biostatistik.
Epdemolog og bostatstk. Uge, trsdag. Erk Parer, Isttut for Bostatstk. Geerelt om statstk Dataaalyse - Deskrptv statstk - Statstsk feres Sammelgg af to grupper med kotuerte data - Geemst og spredg - Parametre
Læs mereVi ønsker også at teste hypoteser om parametrene. F.eks: Kan µ tænkes at være 0 (eller anden fast, kendt værdi)? Eksempel: dollarkurser
Uge 37 I Teoretsk Statstk, 9.sept. 003. Fordelger kyttet tl N-ford. Gvet: uafhægge observatoer af samme N(µ,σ )-fordelte stokastske varabel. Formelt: X,X,,X uafhægge, alle N(µ,σ )-fordelt. Mddelværd µ
Læs mereMen tilbage til regression og Chi-i-anden. test. Begge begreber refererer til normalfordelingen med middelværdi μ og spredning σ.
χ test matematkudervsge χ - test gymasets matematkudervsg I jauar ummeret 8 af LMFK bladet havde jeg e artkel, hvor jeg harcelerede ldt over, at regresso og sær χ fordelg havde fudet dpas matematkudervsge
Læs merePearsons formel for χ 2 test. Den teoretiske forklaring
Pearsos formel for χ test De teoretse forlarg Ole Wtt-Hase 04 Idhold. Normalfordelge og χ.... Pearsos formel for χ test... 3. Forlarg på Pearsos formel....4 Pearsos formel for χ test. Normalfordelge og
Læs mereSpørgsmål 1 (5 %) Bestem sandsynligheden for at batteriet kan anvendes i mere end 5 timer.
TATITIK krftlg evaluerg, 3. semester, fredag de 4. jauar 3 kl. 9.-3.. Alle hjælpemdler er tlladt. Opgaveløsge forsyes med av og CR-r. OGAVE Et batter har e levetd tmer med de tlkyttede tæthedsfukto f (
Læs mereScorer FCK "for mange" mål i det sidste kvarter?
Uge 7 I Teoretsk Statstk, 9. aprl 2004. Hvor er v? Hvor var v: opstllg af statstske modeller Hvor skal v he: tro om estmato og test 2. Eksempel: FCK Estmato (tutvt) Test Maksmum lkelhood estmato Scorer
Læs mereKombinatorik. 1 Kombinationer. Indhold
Kombator, marts 04, Krste Roselde Georg Mohr-Kourrece Kombator Kombator går ud på at tælle atallet af ombatoer af et eller adet, og for at ue tælle atallet af ombatoer smart har ma brug for forsellge tællestrateger
Læs mereSupplement til sandsynlighedsregning og matematisk statistik
Supplemet tl sadsylghedsregg og matematsk statstk 1. Bevs for lgg (4b) 22.4 ( 23.3) 8. (7.) udgave. Teorem 3 (4): Atallet af forskellge kombatoer med k elemeter, der ka daes ud af forskellge elemeter,
Læs mereØkonometri 1. Funktionel form. Funktionel form (fortsat) Dagens program. Den simple regressionsmodel 14. september 2005
Dages program Økoometr De smple regressosmodel 4. september 5 Dee forelæsg drejer sg stadg om de smple regressosmodel (Wooldrdge kap.4-.6) Fuktoel form Hvorår er OLS mddelret? Varase på OLS estmatore Regressosmodelle
Læs mereStatistik Lektion 14 Simpel Lineær Regression. Simpel lineær regression Mindste kvadraters metode Kovarians og Korrelation
Statstk Lekto 4 Smpel Leær Regresso Smpel leær regresso Mdste kvadraters metode Kovaras og Korrelato Scatterplot Scatterplot kf Advertsg Epedtures ( ad Sales ( Et scatterplot vser par (, af observatoer.
Læs mereØkonometri 1. For mange variable i modellen. For få variable. Dagens program. Den multiple regressionsmodel 21. september 2004
Dages program Økoometr De multple regressosmodel. september 004 Emet for dee forelæsg er stadg de multple regressosmodel (Wooldrdge kap. 3.4-3.5) Praktske bemærkg Opsamlg fra sdst Irrelevate varable og
Læs mereRepetition. Forårets højdepunkter
Repetto Forårets højdepukter Forårets højdepukter Smpel Leær Regresso Smpel leær regresso: Mdste kvadraters metode Kovaras og Korrelato Scatterplot Scatterplot kf Advertsg Epedtures (X ad Sales (Y Et scatterplot
Læs mereLøsningsforslag 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 merebestemmes. kendes ( ) A i Subjektiv information + objektiv information Bayesiansk statistik (gang 10) Bayes sætning
Statstk. gag BAYESIANSKE METOER Objektv formato f.eks. forsøgs resultater klasssk statstk gag -9 Subjektv formato objektv formato Bayesask statstk gag Bayes sætg E E A A E A A... E A A A E A E E E A A
Læs mereØkonometri 1. Instrumentvariabelestimation 26. november Plan for IV gennemgang. Exogenitetsantagelsen. Exogenitetsantagelsen for OLS
y = cy ( c 0 ) Pla for IV geemgag Økoometr Istrumetvarabelestmato 6. ovember 004 F9: Hvad er IV estmato: Bvarat model, et strumet: Kap.5. + afst -4 ote. F0: IV estmato det multple tlfælde (eksakt detfceret):
Læs mereNotato: k grupper observeret tl tdspuktere (logartmerede) t1;t2;:::;t k. Tl tdspukt observeres et atal ( ) ph-vρrder, 1 ; 2 ;:::;. V opfatter dem som
Statstk 1, torsdag de 15. marts Leρr regressosaalyse, afst 5.2.1 ffl Problemstllg ffl Data Model Estmato og test Dages program: Hvad ka v? 1 V ka sammelge grupper af observatoer, hvor data hver gruppe
Læs mereBinomialfordelingen. Erik Vestergaard
Bnomalfordelngen Erk Vestergaard Erk Vestergaard www.matematkfysk.dk Erk Vestergaard,. Blleder: Forsde: Stock.com/gnevre Sde : Stock.com/jaroon Sde : Stock.com/pod Desuden egne fotos og llustratoner. Erk
Læs mereVideregående Algoritmik. David Pisinger, DIKU. Reeksamen, April 2005
Vderegåede Algortmk Davd Psger, DIKU Reeksame, Aprl 5 Bsecto problemet Gvet e uvægtet graf G = (V, E) samt et heltal k. E bsecto af grafe G er e opdelg af kudere V to lge store mægder S og T. MAX-BISECTION
Læs mereKombinatorik. Indhold. Georg Mohr-Konkurrencen. 1 Kombinationer 2
Kombator Kombator går ud på at tælle atallet af ombatoer af et eller adet, og for at ue tælle atallet af ombatoer smart har ma brug for forsellge tællestrateger I otere troduceres helt grudlæggede måder
Læs mereFordelingen af gentagne observationer (målinger) kan beskrives ved hjælp af et histogram, der viser antallet af målinger i et givet interval.
H:\excerc\geodstat.doc, sdste ædrg: ov. 5, 3.. 3. Geodætsk statstk og mdste kvadraters metode. 3.. Statstske grudbegreber. 3.. Fordelger. Fordelge af getage observatoer (målger ka beskrves ved hælp af
Læs mereKombinatoriknoter 2012, Kirsten Rosenkilde 1
Kombatoroter 0, Krste Roselde Kombator Kombator går ud på at tælle atallet af ombatoer af et eller adet, og for at ue tælle atallet af ombatoer smart har ma brug for forsellge tællestrateger. I otere troduceres
Læs mereØkonometri 1. Definition og motivation. Definition og motivation. Dagens program. Den multiple regressionsmodel 21. september 2005
Dages program Økoometr De multple regressosmodel. september 005 Emet for dee forelæsg er de multple regressosmodel (Wooldrdge kap 3.-3.3+appedx E.-E.) Defto og motvato Fortolkg af parametree de multple
Læs mereBinomialfordelingen: april 09 GJ
Bnomalfordelngen: aprl 09 GJ Spm A 14: Sandsynlghedsregnng og statstk. Efter en kort ntrodukton af grundlæggende begreber sandsynlghedsregnng og statstk skal du skal ntroducere bnomalfordelngsmodellen
Læs mereVariansanalyse. på normalfordelte observationer af Jens Friis
Varasaalyse på ormalfordelte observatoer af Jes Frs Esdg varasaalyse Model eelt ormalfordelt observatosræe Lad X, X, X er dbyrdes uafhægge N(μ, σ ) - fordelt stoastse varable Det tlhørede observatossæt
Læs mereRettevejledning til Økonomisk Kandidateksamen 2006I, Økonometri 1
Rettevejledg tl Økoomsk Kaddateksame 6I, Økoometr Vurdergsgrudlaget er selve opgavebesvarelse og blaget. Programmer og data, som er afleveret på dskette/cd, bedømmes som såda kke, me er avedt f.eks. tl
Læs mereBetænkning om kommunernes udgiftsbehov. Bilag (med metodediskussion af professor Anders Milhøj)
Betækg om kommueres udgftsbehov Blag (med metodedskusso af professor Aders Mlhøj) Betækg r. 36 Oktober 998 Kommueres Udgftsbehov Betækg om kommueres udgftsbehov - Redegørelse fra arbejdsgruppe uder Idergsmsterets
Læs mereKombinatorik. Indhold. Georg Mohr-Konkurrencen. 1 Kombinationer 2
Kombator Kombator går ud på at tælle atallet af ombatoer af et eller adet, og for at ue tælle atallet af ombatoer smart har ma brug for forsellge tællestrateger I otere troduceres helt grudlæggede måder
Læs mereIndeks over udviklingen i biltrafikken i Danmark
Ideks over udvklge bltrafkke Damark Afdelgsgeør Alla Crstese, Vejdrektoratet, og cvlgeør, p.d. Crsta Overgård ase, TetraPla A/S. Baggrud og formål. Baggrud Vejdrektoratet ar sde 978 regelmæssgt udgvet
Læs mereStatistik 9. gang 1 REGRESSIONSANALYSE. Korrelation (kontrol af model) Regression (tilpasning af model)
Statstk 9. gag REGRESSIONSANALYSE Korrelato kotrol af model Regresso tlpasg af model Statstk 9. gag KORRELATIONS ANALYSE. Grad af fælles varato mellem X og Y. Område og fordelg af sample data 3. Optræde
Læs mere1 Løsning og mindste kvadraters løsninger af lineære ligningssystemer
Løsg og mdste kadraters løsger af leære lggssystemer Def. Lære lggssystemer Et leært lggssystem er et system af m lgger ubekedte, hor dsse ka skres som: a a... a b 2 2... a a... a b m m2 2 m m Dsse systemer
Læs mereFACITLISTE TIL KOMPLEKSE TAL
FACITLISTE TIL KOMPLEKSE TAL Kaptel Opgave Opgave Opgave Det emmeste check af lgge er at opløfte begge sder tl. potes. Bombells metode gver følgede lgger: a a b = 5 ( ) b a b = 09 = 7. Løs dem med et CAS
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 mereKontrol af udledninger ved produktion af ørred til havbrugsfisk
Kotrol af udledger ved produto af ørred tl havbrugsfs Notat fra DCE - Natoalt Ceter for Mljø og Eerg Dato: 19. december 013 Rettet: 4. jauar 014 og de 8. marts 014 Søre Er Larse 1 & Lars M. Svedse 1 Isttut
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 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 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 mereKvantitative metoder 2
Program for dag: Kvattatve metoder Iferes de leære regressosmodel 9. marts 007 Opsamlg vedr. feres e leær regressosmodel uder Gauss-Markov atagelser (W.4-5) Eksempel med flere restrktoer (F-test) Lagrage
Læs mereL komponent produceret i linie 1
Statstk. gag BAYESIANSKE METOER Obektv ormato (.eks. orsøgs resultater klasssk statstk (gag -9 Subektv ormato + obektv ormato Bayesask statstk (gag Bayes sætg ( E ( E A ( A + ( E A ( A +... ( E A ( + (
Læs mereFY01 Obligatorisk laboratorieøvelse. O p t i k. Jacob Christiansen Afleveringsdato: 3. april 2003 Morten Olesen Andreas Lyder
FY0 Oblgatorsk laboratoreøvelse O p t k Hold E: Hold: D Jacob Chrstase Alevergsdato: 3. aprl 003 Morte Olese Adreas Lyder Idholdsortegelse Idholdsortegelse Forål...3 Måleresultater...4. Salelser...4. Spredelse...5.3
Læs mereSUPPLEMENT til Anvendt statistik
SUPPLEMET tl Avedt statstk IDHOLD A BEVISER VEDRØREDE ORMALFORDELIGE 3A χ - FORDELIE 3 3B t - FORDELIGE 6 3C F - FORDELIGE 7 4A DEFIITIOER OG EKSEMPLER PÅ CETRALE OG EFFEKTIVE ESTIMATORER 9 4B BEVISER
Læs mereBrugen af R 2 i gymnasiet
Bruge af R gymaset Per Bruu Brockhoff, DTU Compute, Erst Hase, KU Matematk og Claus Thor Ekstrøm, KU Bostatstk Der lader tl at være e vs forvrrg bladt og ueghed mellem forskellge faggrupper omkrg R værde,
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 mereLineære Normale Modeller
Note tl Leære Normale Modeller Bo Rosbjerg. marts 009 Tegger udført af Herk Ve Chrstese Idhold E smpel leær ormal model 5. Modelbestemmelse........................... 5. Mdste kvadraters estmat......................
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 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 mereSandsynlighedsregning og statistik med binomialfordelingen
Sandsynlghedsregnng og statstk med bnomalfordelngen Katja Kofod Svan og Olav Lyndrup Januar 09 Indhold Stokastske varable... 3 Mddelværd og sprednng... 6 Bnomalfordelngen... Andre sandsynlghedsfordelnger...
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 mereKorrelation (kontrol af model) Regression (tilpasning af model) 1. Grad af fælles variation mellem X og Y. 2. Område og fordeling af sample data
tatstk 9. gag GIONANAL Korrelato (kotrol af model egresso (tlpasg af model tatstk 9. gag KOLATION ANAL. Grad af fælles varato mellem X og. Område og fordelg af sample data 3. Optræde af ekstrem-værder
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 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 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 mereLineær regressionsanalyse8
Lneær regressonsanalyse8 336 8. Lneær regressonsanalyse Lneær regressonsanalyse Fra kaptel 4 Mat C-bogen ved v, at man kan ndtegne en række punkter et koordnatsystem, for at afgøre, hvor tæt på en ret
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 merePension PO1 PO2 FO1 FO2 GRL 7) Arbejds markeds pension 5) ATPbidrag
Løbehadlgsoversgt De 4 koloer 'opsamlg tl løatk' vser, hvorda lødele/-feltet dgår løatkkere. Neder oversgte fder du e forklarg tl opsamlge af de ævte ILtyper Lødele/-feltet ka bruges eidkom med/: pegegvede
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 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 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 mere1.0 FORSIKRINGSFORMER
eam Lv forskrgsakteselskab Bereggsgrudlaget sgrp217 tl præmeberegg for gruppeforskrg e-am Lv forskrgsakteselskab 1. FORIKRINGFORMER 1.1 Oblgatorske ordger Alle gruppeforskrgsordger teget på dette grudlag
Læs mereOverlappende stationsoplande: Bestemmelse af passagerpotentialer
Resumé Overlappede statosoplade: Bestemmelse af passagerpotetaler Valdemar Warburg, stud.polyt., valde@post.com Ibe Rue, stud.polyt., berue@hotmal.com Ceter for Trafk og Trasport (CTT), Damarks Tekske
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 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 mereKvantitative metoder 2
Program for dag: Kvanttatve metoder Den smple regressonsmodel 9. februar 007 Regressonsmodel med en forklarende varabel (W..3-5) Varansanalyse og goodness of ft Enheder og funktonel form af varabler modellen
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 mereSimpel Lineær Regression - repetition
Smpel Leær Regresso - repetto Spørgsmål: Afhæger leært af?. Model: β + β + ε ε d N(0, σ 0 ) Sstematsk kompoet + Stokastsk kompoet Estmato - repetto Vha. Mdste Kvadraters Metode fder v regressosle hvor
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 mereNote til Spilteori Mikro 2. år 2. semester Erik Bennike. Note til Spilteori
Note tl Splteor Mkro. år. semester Erk Beke Note tl Splteor Gos s. - Splteor eskæftger sg med sttoer hvor der er strtegsk fhægghed geter mellem. Nytte for de ekelte get fhæger således kke lee f ege hdlger
Læs mereBranchevejledning. ulykker indenfor. godschauffør. området. Branchearbejdsmiljørådet for transport og engros
Brachevejledig ulykker idefor godschauffør området Brachearbejdsmiljørådet for trasport og egros Baggrud Udersøgelser på lager- og trasportområdet har vist, at beskrivelse af hædelsesforløbet ved udfyldelse
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 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 mereLineær regression lidt mere tekniske betragtninger om R^2 og et godt alternativ
Dowloaded from orbt.dtu.dk o: Dec 0, 08 Leær regresso ldt mere tekske betragtger om R^ og et godt alteratv Brockhoff, Per B.; Ekstrøm, Claus Thor; Hase, Erst Publshed : LMFK-Bladet Publcato date: 07 Documet
Læs mereχ 2 -fordelte variable
χ -fordelte varable Defnton af χ -fordelngen Kvadratsummen V n af n uafhængge standardserede normalfordelte stokastske varable sges at være χ -fordelt med n frhedsgrader. V n fremkommer altså som V n =
Læs mere6. SEMESTER Epidemiologi og Biostatistik Opgaver til 3. uge, fredag
Afdelng for Epdemolog Afdelng for Bostatstk 6. SEESTER Epdemolog og Bostatstk Opgaver tl 3. uge, fredag Data tl denne opgave stammer fra. Bland: An Introducton to edcal Statstcs (Exercse 11E ). V har hentet
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 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 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 mereDen stokastiske variabel X angiver levetiden i timer for en elektrisk komponent. Tæthedsfunktionen for den stokastiske variabel er givet ved
STATISTIK Skrtlg evaluerg, 3. emeter, madag de 3. jauar 5 kl. 9.-3.. Alle hjælpemdler er tlladt. Opgaveløge orye med av og CPR-r. OPGAVE De tokatke varabel agver levetde tmer or e elektrk kompoet. Tætheduktoe
Læs mereIkke-parametriske tests af forskel i central tendens. Tests for forskel i central tendens for data på ordinal- og intervalskala
Statstk for bologer 5-6, moul 7: Tests for forskel cetral tees for ata på oral- og tervalskala Ikke-parametrske tests af forskel cetral tees Vægter forskel mea ve hjælp af ragtal Data skal være på mst
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 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 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 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 mereFormelsamling for matematik niveau B og A på højere handelseksamen
Frmelsmlg fr mtemtk veu B g A på højere hdelseksme Udervsgsmsteret Erhvervssklefdelge 997 Frmelsmlg fr mtemtk veu B g A på højere hdelseksme Udgvet f Udervsgsmsteret, Erhvervssklefdelge 997. udgve,. plg.
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 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 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 mereKogebog: 5. Beregn F d
tattk 8. gag KONFIDENINERVALLER Kofdetervaller: kaptel Valg og tet af fordelgfukto tattk 8. gag. KONFIDEN INERVALLER Et kofde terval udtrykker tervallet hvor de rgtge værd af parametere K, med γ % adylghed
Læs mereForberedelse til den obligatoriske selvvalgte opgave
MnFremtd tl OSO 10. klasse Forberedelse tl den oblgatorske selvvalgte opgave Emnet for dn oblgatorske selvvalgte opgave (OSO) skal tage udgangspunkt dn uddannelsesplan og dt valg af ungdomsuddannelse.
Læs mereMorten Frydenberg Biostatistik version dato:
Morten Frydenberg Bostatstk verson dato: -4- Bostatstk uge mandag Morten Frydenberg, Afdelng for Bostatstk Resume: Hvad har v været gennem ndtl nu Lneær (normal) regresson en kontnuert forklarende varabel
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 mereRegressions modeller Hvad regresserer vi på og hvorfor? Anders Stockmarr Axelborg statistikgruppe 6/
Regressos modeller Hvad regresserer v på og hvorfor? Aders Sockmarr Aelborg saskgruppe 6/ 0 Geerel Regresso Y f( ) ε f er e UKENDT fuko der beskrver relaoe mellem de uafhægge varabel og de afhægge varabel
Læs mere