Løsninger til kapitel 7

Størrelse: px
Starte visningen fra side:

Download "Løsninger til kapitel 7"

Transkript

1 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 har de ekelte bil kørt mellem 49,87 og 58,93 km. Me der spørges om det samlede atal kørte kilometer. Her skal vi gage op med N = 800, vogparkes samlede størrelse. Resultatet bliver, at der er kørt estimeret km, og med 95% sikkerhed ligger dette mellem km og km. (Udtter ma, at populatioes størrelse kedes, så ka et smallere kofidesiterval opås) b) Stikprøvestørrelse bestemmes ved idsættelse: σ σ Zα / μ + Zα / Dvs. e stikprøve på midst 186 biler Opgave 7. a) Ja, det er det. Atal gage er umiddelbart e biomialfordelig, me de ka tilærmes med e ormalfordelig, hvis middelværdie er tilpas stor. Alterativt ka ma geemføre e empirisk udersøgelse og teste, om ormalitetsbetigelse er opfldt. b) HpoStat giver: X forudsættes Normalfordelt 0,95 7, , = 0 s 15,44 ( 1) s χ 1, α / σ ( 1) s χ 1,(1 α / )

2 Løsiger til kapitel 7 Ved at tage kvadratrødder fås et KI for spredige. Med 95% ligger spredige i itervallet 8,5 < σ < 16, 36. c) HpoStat giver: Pop. varias er ukedt og X er ormalfordelt, så studet t bruges = 34,300 s 15,440 = s0,000 t, α / μ + t 0,95 9,058 39,54 1 1, α / s Med 95% sikkerhed ligger middelværdie mellem 9,06 < μ < 39, 54. d) Smallere. Opgave 7.3 I løsige edefor igoreres det, at populatioes størrelse kedes. Ma ka aturligvis avede dee oplsig og opå margialt smallere kofidesitervaller. a) HpoStat giver: Pop. varias er ukedt, me 30, så Normalf. bruges approksimativt 0,95 10,01 10,788 = 10,400 s 7,840 = 00,000 Zα / μ + Z Med 95% sikkerhed ligger det geemsitlige årlig forbrug pr., husstad af pasta på Sodor 10,01 kg og 10,788 kg. b) Gager vi oveævte kofidesitervals græser med atallet af husstade på Sodor, så ses, at det forvetede samlede årlige forbrug på Sodor er 574.9,4 kg, og med 95% sikkerhed ligger dette forbrug mellem ,7 kg og ,95 kg. c) Ved idsættelse i formle edefor fås σ α / σ

3 Løsiger til kapitel 7 Der skal altså avedes e stikprøve på midst 753 husstade. d) HpoStat giver: 40 eller p 5 og (1 p) 5 = 00 P^ = 0,14 0,95 0, , (1 ) Z P α / + Zα / (1 ) Det ses, at med 95% sikkerhed ligger adele af husstade, som aldrig køber pasta, mellem 9,19% og 18,8%. e) Vi har et estimat på 14% for adele af husstade, som aldrig spiser pasta. Ved idsættelse i formle edefor fås Der skal altså avedes e stikprøve på midst 466 husstade. Opgave 7.4 a) HpoStat giver 40 eller p 5 og (1 p) 5 = 100 P^ = 0,53 0,95 0, ,678 (1 ) Z P α / + Zα / (1 ) 3

4 Løsiger til kapitel 7 Adele af ja-sigere ligger med 95% sikkerhed mellem 43% og 63%. b) Nej - vi varierer mellem 43% og 63% ja-sigere, så resultatet er tvivlsomt - vi ved ikke om der er flertal for ja eller ej. c) Vi har et estimat på 53% for adele af ja-sigere. Ved idsættelse i formle edefor fås Der skal altså avedes e stikprøve på midst 1064 husstade. Opgave 7.5 a) Et ormalfraktildiagram for det ormale salg kostrueres: Da datapuktere ligger jævt fordelt omkrig de rette lije i ormalfraktildiagrammet, så ka det ikke afvises, at det ormale salg af Guff-flakes følger e ormalfordelig. b) HpoStat giver: Pop. varias er ukedt og X er ormalfordelt, så studet t bruges = 3,300 s 3.793,063 = s0,000 t, α / μ + t 0,95 194,476 5,14 1 1, α / s 4 Det ses, at med 95% sikkerhed ligger middelværdie for det ormale salg mellem 194,48 og 5,1 pakker. c) Her er det fristede at berege et kofidesiterval for forskelle mellem de to middelværdier. HpoStat giver for dette kofidesiterval:

5 Løsiger til kapitel 7 Begge variaser er ikke kedte og og er ikke begge > 30 t fordelige bruges.σ =σ atages. X og Y er ormalfordelte og uafhægige = 0 = 3,3 s 3793,063 = 0 = 34,75 s = 407,355 0,95 141,481 61,4191 s e = ( ) ± t, α / 3910,09 S + e + Det ses, at med 95% sikkerhed ligger forskelle på middelværdiere mellem -141,48 og -61,4 pakker. Idet dette kofidesiterval ideholder værdier både uder og over -100, så ka ma her ikke kokludere, at kampages salgsmål er ået. Me dette er imidlertid forkert, idet der jo er tale om parvise observatioer ("matched pairs"). Det korrekte kofidesiterval bliver derfor Matched Pairs ~N(μ,σ ), ~N(μ,σ ) d = 101,45 s d 57,4184 s = d d t, α / 0,95 104,996 97, μ μ d + t 1 1, α / s d Med 95% sikkerhed ligger forskelle på middelværdiere mellem -105,00 og -97,90, og da alle tal i dette kofidesiterval er over -90, så ka vi kokludere, at forskelle er på midst 90, og kampage har derfor ået sit mål. Poite er, at der er e eorm spredig på størrelsere af butikkere (målt i salget af pakker), og at e evetuel forskel i middelværdiere før og efter kampage vil druke i dee eorme spredig, med midre ma elimierer dee. Dette gøres ved at avede parvise observatioer. 5

6 Løsiger til kapitel 7 Opgave 7.6 a) Vi har i alt 4 timer, og de 15 kuder giver i geemsit. HpoStat giver: 0,95 4,435 5,803 ± Zα / Med 95% sikkerhed ligger itesitete mellem 4,435 og 5,803. b) Vi har tilsvarede 63 eftermiddagstimer med i alt 345 kuder, givede i geemsit. HpoStat giver u: 0,95 1,56 0,53860 ) ± Z / + ( α Med 95% sikkerhed ligger forskelle på de to itesiteter mellem -1,53 og 0,539. Idet der idgår både positive og egative værdier i dette kofidesiterval, så ka vi ikke kokludere, at itesitete af kuder om eftermiddage er større ed om formiddage. Opgave 7.7 a) Vi har spurgt 437 persoer, og af disse er iteresserede. Dette giver estimatet HpoStat giver u: for adele af iteresserede persoer. 40 eller p 5 og (1 p) 5 = 437 P^ = 0,31 0,9 0, ,64163 (1 ) Z P α / + Zα / (1 ) Med 90% sikkerhed ligger adele af iteresserede persoer mellem 19,78% og 6,4% 6

7 Løsiger til kapitel 7 b) Vi har u 13 mæd, hvoraf der er 47 eller,06%, og 4 kvider, hvoraf der er 54 eller 4,10%, som er iteresserede. HpoStat giver u: ˆ ˆ p0 5, (1 p0) 5 5, (1 ) = 13 = 4 P^ = 0,06 ( ) + ( ) 0 P^ = = 0, ,31108 σ^ σ^ 0,90 0, , , , σ^ = (P^ (1-P^) )/ σ^ = (P^ ( (1-P^) ˆ ˆ ˆ ˆ ˆ ˆ ˆ p ) Zα / σ + σ ( P P ) ( p p ) + Zα / σ + σ )/ Med 90% sikkerhed ligger forskelle på de to adele mellem -8,68% og 4,58%, og da dette kofidesiterval ideholder både positive og egative værdier, så ka vi ikke kokludere, at der er oge forskel på adele af iteresserede mæd og iteresserede kvider. Opgave 7.8 Det er vigtigt her at kostatere, at der er tale om parvise observatioer. Vi skal derfor kocetrere os om differecere i bruttosalgee før og efter for de ekelte perso: 7 Sælger Bruttosalg før kurset Bruttosalg efter kurset Differece Adres Aderse Bet Blom Camilla Christese Da Derig Esther Eskildse Frede Frederikse Gudru Gohrm Has Hase

8 Løsiger til kapitel 7 Disse differecer skal være ormalfordelte, hvorfor der kostrueres et ormalfraktildiagram for differecere: Idet datapuktere ligger jævt fordelte omkrig de rette lije, så ka vi ikke afvise, at der er tale om e ormalfordelig. HpoStat giver u for kofidesitervallet af differecere: Pop. varias er ukedt og X er ormalfordelt, så studet t bruges = 4,500 s 6,000 = s 8,000 t, α / μ + t 0,95 0,37 8, , α / s Med 95% sikkerhed ligger de geemsitlige salgsforbedrig mellem 0,37 og 8,763. Da alle tal i dette kofidesiterval er positive, så ka det kokluderes, at middelværdie for differece er positiv og at kurset derfor faktisk forbedrer salget. 8

9 Løsiger til kapitel 7 (Havde ma været så aiv at tro, at der var tale om uafhægige observatioer, så ville kofidesitervallet blive: Begge variaser er ikke kedte og og er ikke begge > 30 t fordelige bruges.σ =σ atages. X og Y er ormalfordelte og uafhægige = 8 = 96,875 s 08,6964 = 8 = 9,375 s = 173,6964 0,95 ) ± t 10,384 19,3839 s e = 191,1964 S ( +, α / e + og e evetuel forbedrig af salgstallee ville druke i variatioe fra de ekelte sælgeres salg, altså ige koklusio). 9

Statistik Lektion 8. Parrede test Test for forskel i andele Test for ens varians Gensyn med flyskræk!

Statistik 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 mere

hvor i er observationsnummeret, som løber fra 1 til stikprøvestørrelsen n, X i

hvor 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 mere

Stikprøvefordelinger og konfidensintervaller

Stikprøvefordelinger 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 mere

9. Binomialfordelingen

9. 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 mere

Statistik 8. gang 1 KONFIDENSINTERVALLER. Konfidensintervaller: kapitel 11. Valg og test af fordelingsfunktion

Statistik 8. gang 1 KONFIDENSINTERVALLER. Konfidensintervaller: kapitel 11. Valg og test af fordelingsfunktion Statistik 8. gag 1 KONIDENSINTERVALLER Kofidesitervaller: kapitel 11 Valg og test af fordeligsfuktio Statistik 8. gag 11. KONIDENS INTERVALLER Et kofides iterval udtrykker itervallet hvori de rigtige værdi

Læs mere

Anvendt Statistik Lektion 3. Punkt- og intervalestimater Konfidensintervaller Valg af stikprøvestørrelse

Anvendt 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 mere

Estimation ved momentmetoden. Estimation af middelværdiparameter

Estimation ved momentmetoden. Estimation af middelværdiparameter Statistik og Sadsylighedsregig 1 STAT kapitel 4.2 4.3 Susae Ditlevse Istitut for Matematiske Fag Email: [email protected] http://math.ku.dk/ susae Estimatio ved mometmetode Idimellem ka det være svært (eller

Læs mere

1 Punkt- og intervalestimation Punktestimatorer: Centralitet(bias) og efficiens... 2

1 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 mere

Praktisk info. Statistisk analyse af en enkelt stikprøve: kendt eller ukendt varians Sandsynlighedsregning og Statistik (SaSt) I tirsdags.

Praktisk 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 mere

Definition: Normalfordelingen. siges at være normalfordelt med middelværdi µ og varians σ 2, hvor µ og σ er reelle tal og σ > 0.

Definition: 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 - [email protected] http://people.math.aau.dk/ kkb/udervisig/lf13 Istitut for Matematiske Fag Aalborg Uiversitet

Læs mere

Sammenligning af to grupper

Sammenligning af to grupper Sammeligig af to gruer Reetitio, heruder om kritiske værdier Sammeligig af to gruer Sammeligig af to middelværdier Sammeligig af to adele Sammeligig af to variaser yoteser og hyotesetest. E hyotese er

Læs mere

Sætning: Middelværdi og varians for linearkombinationer. Lad X 1,X 2,...,X n være stokastiske variable. Da gælder. Var ( a 0 + a 1 X a n X n

Sætning: Middelværdi og varians for linearkombinationer. Lad X 1,X 2,...,X n være stokastiske variable. Da gælder. Var ( a 0 + a 1 X a n X n Ladmåliges fejlteori Lektio 3 Estimatio af σ Dobbeltmåliger Geometrisk ivellemet Lieariserig - [email protected] Istitut for Matematiske Fag Aalborg Uiversitet Repetitio: Middelværdi og Varias Sætig: Middelværdi

Læs mere

Meningsmålinger KLADDE. Thomas Heide-Jørgensen, Rosborg Gymnasium & HF, 2017

Meningsmålinger 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 mere

Konfidens intervaller

Konfidens 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 mere

Vejledende besvarelser til opgaver i kapitel 15

Vejledende 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 mere

Hypotesetest. Hypotesetest og kritiske værdier Type 1 og Type 2 fejl Styrken af en test Sammenligning af to populationer

Hypotesetest. Hypotesetest og kritiske værdier Type 1 og Type 2 fejl Styrken af en test Sammenligning af to populationer Hypoteetet Hypoteetet og kritike værdier Type og Type fejl Styrke af e tet Sammeligig af to populatioer Kofideiterval for σ tore tikprøver. Hvi X følger e χ -fordelig med frihedgrader, dv. X~χ (), gælder

Læs mere

Spørgsmål 3 (5 %) Bestem sandsynligheden for at et tilfældigt valgt vindue har en fejl ved listerne, når man ved at der er fejl i glasset.

Spørgsmål 3 (5 %) Bestem sandsynligheden for at et tilfældigt valgt vindue har en fejl ved listerne, når man ved at der er fejl i glasset. STATISTIK Skriftlig evaluerig, 3. semester, madag de 30. auar 006 kl. 9.00-3.00. Alle hælpemidler er tilladt. Opgaveløsige forsyes med av og CPR-r. OPGAVE Ved e produktio af viduer er der mulighed for,

Læs mere

Simpel Lineær Regression. Opsplitning af variationen Determinations koefficient Variansanalyse F-test Model-kontrol

Simpel Lineær Regression. Opsplitning af variationen Determinations koefficient Variansanalyse F-test Model-kontrol Simpel Lieær Regressio Opsplitig af variatioe Determiatios koefficiet Variasaalse F-test Model-kotrol Opbgig af statistisk model Specificer model Ligiger og atagelser Estimer parametre Modelkotrol Er modelle

Læs mere

Maja Tarp AARHUS UNIVERSITET

Maja 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 mere

Indholdsfortegnelse Generelt Diskrete stokastiske variable: Kontinuerte stokastiske variable: Regneregler for stokastiske variable

Indholdsfortegnelse Generelt Diskrete stokastiske variable: Kontinuerte stokastiske variable: Regneregler for stokastiske variable Idholdsfortegelse Geerelt:...3 Stokastisk variabel:...3 Tæthedsfuktio/sadsylighedsfuktio for stokastisk variabel:...3 Fordeligsfuktio/sumfuktio for stokastisk variabel:...3 Middelværdi:...4 Geemsit:...4

Læs mere

Motivation. En tegning

Motivation. 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 mere

Økonometri 1. Inferens i den lineære regressionsmodel 29. september Økonometri 1: F7 1

Økonometri 1. Inferens i den lineære regressionsmodel 29. september Økonometri 1: F7 1 Økoometri 1 Iferes i de lieære regressiosmodel 9. september 006 Økoometri 1: F7 1 Dages program Opsamlig af hemmeopgave om Mote Carlo eksperimeter Mere om hypotesetest: Ekelt lieær restriktio på koefficieter

Læs mere

Program. Ensidet variansanalyse Normalfordelingen. Antibiotika og nedbrydning af organisk materiale. Tegninger

Program. Ensidet variansanalyse Normalfordelingen. Antibiotika og nedbrydning af organisk materiale. Tegninger Faculty of Life Scieces Program Esidet variasaalyse Normalfordelige Claus Ekstrøm E-mail: [email protected] Esidet variasaalyse (oe-way ANOVA) Hvilke type data? Hvad er problemstillige? Variatio mellem

Læs mere

Løsninger til kapitel 9

Løsninger til kapitel 9 Opgave 9.1 a) test for spredning, ensidet b) test for middelværdi, ensidet c) test for andel, ensidet d) test for to andele, ensidet e) test for spredning, tosidet f) test for middelværdi, ensidet g) test

Læs mere

Mikroøkonomi, matematik og statistik Eksamenshjemmeopgave 14. 20. december 2007

Mikroøkonomi, 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 mere

Morten Frydenberg version dato:

Morten Frydenberg version dato: Morte Frdeberg versio dato: 4--4 Itroduktio til kurset Statistik Forelæsig Morte Frdeberg, Sektio for Biostatistik af Biostatistik dele af. semester kurset. Statistiske modeller Biomialfordelige Normalfordelige

Læs mere

Matematik A. Højere handelseksamen. Tirsdag den 26. maj 2015 kl hhx151-mat/a

Matematik 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 mere

Program. Middelværdi af Y = t(x ) Transformationssætningen

Program. Middelværdi af Y = t(x ) Transformationssætningen Program Statistik og Sadsylighedsregig 2 Trasformatio af kotiuerte fordeliger på R, flerdimesioale kotiuerte fordeliger, mere om ormalfordelige Helle Sørese Uge 7, osdag I formiddag: Opfølgig på trasformatiossætige

Læs mere

Vejledende opgavebesvarelser

Vejledende opgavebesvarelser Vejledede opgavebesvarelser 1. Atal hæder er lig med K(52,5), altså 2598960. Ved brug af multiplikatiospricippet ka atal hæder med 3 ruder og 2 spar udreges som K(13, 3) K(13, 2), hvilket giver 22308.

Læs mere

STATISTISKE GRUNDBEGREBER

STATISTISKE GRUNDBEGREBER MOGENS ODDERSHEDE LARSEN STATISTISKE GRUNDBEGREBER med avedelse af TI 89 og Excel 8 5 9 6 3 0 Histogram for ph 6,9 7, 7,3 7,5 7,7 7,9 ph. udgave 0 FORORD Der er i dee bog søgt at give letlæst og askuelig

Læs mere

Teoretisk Statistik, 9. februar Beskrivende statistik

Teoretisk Statistik, 9. februar Beskrivende statistik Uge 7 I Teoretisk Statistik, 9 februar 004 Beskrivede statistik Kategoriserede variable 3 Kvatitative variable 4 Fraktiler for ugrupperede observatioer 5 Fraktiler for grupperede observatioer 6 Beliggeheds-

Læs mere

STATISTISKE GRUNDBEGREBER

STATISTISKE GRUNDBEGREBER MOGENS ODDERSHEDE LARSEN STATISTISKE GRUNDBEGREBER 18 15 1 9 6 3 0 Histogram for ph 6,9 7,1 7,3 7,5 7,7 7,9 ph 13 udgave 013 FORORD Der er i dee bog søgt at give letlæst og askuelig fremstillig af de statistiske

Læs mere

Estimation og test i normalfordelingen

Estimation 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 mere

Introduktion til Statistik

Introduktion til Statistik Itroduktio til Statistik 4. udgave Susae Ditlevse og Helle Sørese Susae Ditlevse, [email protected] Helle Sørese, [email protected] Istitut for Matematiske Fag Købehavs Uiversitet Uiversitetsparke 5 2100

Læs mere

Den flerdimensionale normalfordeling

Den 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 mere

Elementær Matematik. Polynomier

Elementær 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 mere

Modul 14: Goodness-of-fit test og krydstabelanalyse

Modul 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 mere

Program. Statistisk inferens En enkelt stikprøve og lineær regression Stat. modeller, estimation og konfidensintervaller. Fordeling af gennemsnit

Program. Statistisk inferens En enkelt stikprøve og lineær regression Stat. modeller, estimation og konfidensintervaller. Fordeling af gennemsnit Faculty of Life Sciece Program Statitik ifere E ekelt tikprøve og lieær regreio Stat. modeller, etimatio og kofideitervaller Clau Ektrøm E-mail: [email protected] Fordelig af geemit Statitik ifere for

Læs mere

Renteformlen. Erik Vestergaard

Renteformlen. 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 mere

STATISTIK x-klasserne Gammel Hellerup Gymnasium

STATISTIK x-klasserne Gammel Hellerup Gymnasium STATISTIK x-klassere Gammel Hellerup Gymasium Jui 209 ; Michael Szymaski ; [email protected] Idholdsfortegelse INDLEDNING...3 DESKRIPTIV STATISTIK...4 Skemaer...5 Diagrammer...8 Statistiske deskriptorer... 0 Typetal

Læs mere

STATISTIKNOTER Simple normalfordelingsmodeller

STATISTIKNOTER 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 mere

(VIDENSKABSTEORI) STATISTIK (EKSPERIMENTELT ARBEJDE)

(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 mere

Løsningsforslag til skriftlig eksamen i Kombinatorik, sandsynlighed og randomiserede algoritmer (DM528)

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 mere

Statistik Lektion 8. Test for ens varians

Statistik Lektion 8. Test for ens varians Statitik Lektio 8 Tet for e varia ra tidligere Hvi populatioe er ormalfordelt med varia, å gælder ( ) S ~ χ hvor er tikprøve tørrele og S er tikprøvevariae. χ -fordelig med - frihedgrader χ Tet af Variae

Læs mere

Projekt 9.1 Regneregler for stokastiske variable middelværdi, varians og spredning

Projekt 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 mere

Matematisk Modellering 1 Hjælpeark

Matematisk Modellering 1 Hjælpeark Matematisk Modellerig Hjælpeark Kaare B. Mikkelse 2005090 3. september 2007 Idhold Formler 2 2 Aalyse af k ormalfordelte prøver 2 2. Modelcheck............................................ 2 2.2 Test af

Læs mere

Projekt 9.10 St. Petersborg paradokset

Projekt 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 mere

STATISTISKE GRUNDBEGREBER

STATISTISKE GRUNDBEGREBER MOGENS ODDERSHEDE LARSEN STATISTISKE GRUNDBEGREBER 18 15 1 9 6 3 0 Histogram for ph 6,9 7,1 7,3 7,5 7,7 7,9 ph 14 udgave 014 FORORD Der er i dee bog søgt at give letlæst og askuelig fremstillig af de statistiske

Læs mere

Kapitel 10 KALIBRERING AF STRØMNINGSMODEL

Kapitel 10 KALIBRERING AF STRØMNINGSMODEL Kapitel 0 KALIBRERING AF STRØMNINGSMODEL Torbe Obel Soeborg Hydrologisk afdelig, GEUS Nøglebegreber: Kalibrerigsprotokol, observatiosdata, kalibrerigskriterier, idetificerbarhed, etydighed, parameterestimatio,

Læs mere

Dagens forelæsning. Claus Munk. kap. 1-3. Obligationer Grundlæggende Intro. Obligationer Grundlæggende Intro. Obligationer Grundlæggende Intro

Dagens 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 mere

Claus Munk. kap. 1-3

Claus 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 mere

STATISTISKE GRUNDBEGREBER

STATISTISKE GRUNDBEGREBER MOGENS ODDERSHEDE LARSEN STATISTISKE GRUNDBEGREBER 18 15 1 9 6 3 0 Histogram for ph 6,9 7,1 7,3 7,5 7,7 7,9 ph 17. udgave 016 FORORD Der er i dee bog søgt at give letlæst og askuelig fremstillig af de

Læs mere

Teoretisk Statistik, 18. november Stikprøveteori: hvor er vi, og hvor skal vi hen? Proportional allokering Optimal allokering

Teoretisk Statistik, 18. november Stikprøveteori: hvor er vi, og hvor skal vi hen? Proportional allokering Optimal allokering Uge 47 I Teoretisk Statistik, 8. oveber 003 Stikprøveteori: hvor er vi, og hvor skal vi he? Proportioal allokerig Optial allokerig Heruder: Saeligig af variaser og ødvedige stikprøvestørrelser for de forskellige

Læs mere

Supplement til Kreyszig

Supplement til Kreyszig Supplemet til Kreyszig Forelæsigsoter til Matematik F Idholdsfortegelse side 1. Numerisk itegratio. Fejlvurderig af trapez og Simpso algoritmere 1. Dekompoerig af brøker (Laplace trasformatio) 3. Permutatioer

Læs mere

HASTIGHEDSKORT FOR DANMARK VHA. GPS

HASTIGHEDSKORT FOR DANMARK VHA. GPS HASTIGHEDSKORT FOR DANMARK VHA. GPS Ove Aderse [email protected] Istitut for Datalogi Aalborg Uiversitet Harry Lahrma [email protected] Trafikforskigsgruppe Aalborg Uiversitet Kristia Torp [email protected]

Læs mere

Projekt 2.3 Det gyldne snit og Fibonaccitallene

Projekt 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 mere

Formelskrivning 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

Formelskrivning 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 mere

Matematikkens mysterier - på et obligatorisk niveau. 7. Ligninger, polynomier og asymptoter

Matematikkens 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 mere

6 Populære fordelinger

6 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 mere

Lys og gitterligningen

Lys 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 mere

x-klasserne Gammel Hellerup Gymnasium

x-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 mere

DATV: Introduktion til optimering og operationsanalyse, 2007. Bin Packing Problemet

DATV: 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 mere

Gamle eksamensopgaver. Diskret Matematik med Anvendelser (DM72) & Diskrete Strukturer(DM504)

Gamle 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 mere