Sandsynlighedsregning og statistisk

Størrelse: px
Starte visningen fra side:

Download "Sandsynlighedsregning og statistisk"

Transkript

1 Figur : J. C. F. Guss Sdsylighedsregig og sttistisk Peter Hremoës Niels Brock 6. pril

2 Idledig Dette hæfte er lvet som supplemet til. udgve f boge Mt B. Der er lgt vægt på t give e bedre forståelse for de metoder der beyttes i deskriptiv sttistik på Mt C iveu. Edvidere er der lgt vægt på t teorie for kotiuerte fordeliger k ses som e vedelse f B- og A-iveuets differetil- og itegrlregig. Itegrler over ubegræsede itervller I det itegrlregig vi stiftede bekedtskb med i Mt A-boge blev lle bestemte itegrler tget over begræsedede itervller. M k imidlertid ofte også tge itegrler over ubegræsede itervller. Eksempel Ld t > være et reelt tl. D et t x dx = = - x - t ]t = t. Vi ser t t er e voksede fuktio og t t derfor dx =. x - for t. Vi skriver Defiitio Ld f være e kotiuert fuktio. Hvis b f x dx hr e græseværdi for b gåede mod uedelig, så beteges dee græseværdi f x dx. Tilsvrede defieres b - f x dx som de evetuelle græseværdi f b f x dx for gåede mod -. Hvis b f x dx er defieret og hr e græsevær for - b gåede mod uedelig, så beteges dee græseværdi med f x dx. - 3 Kotiuerte fordeliger Defiitio 3 Ld X være e stokstisk vribel. D er fordeligsfuktioe F for X defieret ved F x = P X x. Fordeligsfuktioe svrer til de sumkurver vi hr teget i deskriptiv sttistik. Tilfældige tl k geereres ved t tste MATH] 7:Probbility 4:rd Returerer et tilfældigt helt tl hvis e størsteværdi gives eller et ligefordelt decimltl fr hvis itet rgumet itstes. Sytx: rd rdstørste tl 6:rdNorm Returerer et tl tilfældige ormlfordelte tl. Sytx: rdnormtl tilfældige tl, middelværdi, spredig 6.3 TI-spire I beregigsdele trykkes på meukppe. Her k bldt det vælges: 5: Sdsylighed 5: Fordeliger : Norml Pdf Et vidue kommer frem, hvor m idtster x-værdi, middelværdi og σ spredig. Et yt vidue kommer frem med givelse f værdie f tæthedsfuktioe. 5: Sdsylighed \blcktrigleright 5: Fordeliger \blcktrigleright : Norml Cdf Et vidue kommer frem, hvor m idtster Nedre græse og Øvre græse itervledepukter, smt middelværdi og σ spredig. Uedelig k idtstes ved t hete teget fr liste f specilteg. Et yt vidue kommer frem med givelse f sdsylighede for t e ormlfordelt vribel med de give prmetre ligger i itervllet. 5: Sdsylighed \blcktrigleright 5: Fordeliger \blcktrigleright 3: Ivers orml Et vidue kommer frem, hvor m idtster Arel sdsylighed, middelværdi og σ spredig. Et yt vidue kommer frem med givelse f de tilsvrede frktil. 5: Sdsylighed \blcktrigleright 4: Tilfældig \blcktrigleright : Tl Returerer kommdoe rd som fugerer som på TI-89. 5: Sdsylighed \blcktrigleright 4: Tilfældig \blcktrigleright : Heltl Returerer kommdoe rdit som fugerer som på TI-89. 5: Sdsylighed \blcktrigleright 4: Tilfældig \blcktrigleright 4: Norml Returerer kommdoe rdnorm som fugerer som på TI-89.

3 ormlcdfx, middelværdi, spredig ormlormlcdf edre græse, øvre græse, middelværdi, spredig 3: ivnorm Returerer frktile svrede til et et tl mellem og. Sytx: ivnormsdsylighed ivnormsdsylighed, middelværdi, spredig Der er følgede kommdoer til t geerere tilfældige tl. Tst MATH > PRB : rd Returere et ligefordelt tl mellem i ; ] Sytx: rd rdnorm Returerer et tilfældige ormlfordelte tl. Sytx: rdnormmiddelværdi, spredig, tl tilfældige tl rdit Returerer et tilfældigt helt tl. Sytks: rditmidste tl, største tl 6. TI-89/Voyge M k klde kommdoer svrede til kommdoere i TI-83+/TI-84+ ved hete dem fr ktloget eller skrive heholdsvis: tistt.ormpdf tistt.ormcdf tistt.ivnorm Altertivt k m strte pplictioe list/stt og vælge F5 Distr :Shde :Shde Norml Et vidue kommer frem, hvor m idtster Upper vlue og Lower vlue itervledepuktere, middelværdi og σ spredig. E grf bliver vist med e mrkerig f det rel uder kurve m hr givet. :Iverse \blcktrigleright :Iverse Norml... Et vidue kommer frem, hvor m idtster Are sdsylighed, middelværdi og σ spredig. Et yt vidue kommer frem med givelse f de tilsvrede frktil. 3:Norml Pdf... Et vidue kommer frem, hvor m idtster x, middelværdi og σ spredig. Et yt vidue kommer frem med givelse f værdie f tæthedsfuktioe. 4:Norml Cdf... Et vidue kommer frem, hvor m idtster Upper vlue og Lower vlue itervledepuktere, middelværdi og σ spredig. I stedet for og k m bruge - 99 og 99. Et yt vidue kommer frem med givelse f sdsylighede for t e ormlfordelt vribel med de give prmetre ligger i itervllet. 9 Eksempel 4 E stokstisk vribel X siges t være ekspoetilfordelt med middelværdi λ dersom des fordeligsfuktio er givet ved { for x, F x = e -x/λ for x >. E såd ekspoetilfordelig giver f.eks. e god beskrivelse for vetetide for et rdioktivt hefld f et tom. Vi lægger mærke til t fordeligsfuktioe er e voksede fuktio og t lim F x =, x lim F x =. x Hvis vi keder fordeligsfuktioe for e stokstisk vribel, k vi berege sdsylighede for t de stokstiske vribel ligger i et vilkårligt itervl idet der gælder t P < X b = F b F. Defiitio 5 Hvis fordeligsfuktioe F for e stokstisk vribel X er e kotiuert fuktio, så siges X t være e kotiuert vribel. Hvis F er differetibel, så kldes fuktioe f x = F x for de stokstiske vribels tæthedsfuktio. Tæthedsfuktioe svrer til de pide- og søjledigrmmer vi hr teget i deskriptiv sttistik. Eksempel 6 Tæthedsfuktioe for e ekspoetilfordelig er givet ved fx f x = F x { for x, = λ e x/λ for x >. Hvis f er tæthed for e stokstisk vribel med for delig F, så er F stmfuktio til f og der gælder t F t = t 4 f x dx. 6 8

4 Edvidere gælder der t P < X b = F b F = b f x dx. Sdsylighede for t < X b svrer derfor til relet uder grfe for f mellem og b. For t e fuktio f k være e tæthedsfuktio skl der gælde, t f x og t f x dx =. De fleste kotiuerte fordeliger er defieret ud fr deres tæthedsfuktio. Eksempel 7 Ved e ligefordelig i itervllet ; b] forstå e fordelig med tæthed { for x / ; b], f x = b for x ; b]. Vi checker t der ret fktisk er tle om e sdsylighedsfordelig ved t udrege b b dx = x b ]b =. Når vi teger søjledigrmmet for grupperede dt, tger vi fktisk t dt er ligefordelt i hvert delitervl. Ligesom for diskrete vrible k m berege middelværdi og vris for kotiuert fordeliger. Dette sker ved t ersttte summer med itegrler. Defiitio 8 Ld X være e stokstisk vribel med tæthedsfuktio f. D defieres middelværdie f X ved E X] = x f x dx. Hvis de stokstiske vribel X hr middelværdi, så er vrise f X defieret ved Spredige er givet ved V r X = x f x dx. σ X = V r X /. Eksempel 9 Ekspoetilfouktioe med tæthed e x/ for x hr middelværdi x f x dx = = + x dx + x e x/ x e x/ dx. dx Bevis Vi vil tge t ormlfordelige hr middelværdi og vris σ. D gælder X i X ] X E X ] X + X X X ] ] E X ] + E X E X X ]. Vi beytter u t E ] X = σ og E X = σ / smt t X = X i til t få ] ] X] E Xi] σ + σ ] E X X = E i = = E = ] E X ] + E X E X X ] = σ + σ E X Xi = σ + σ E XXi] = σ + σ E X ] + E i= = σ + σ σ = = σ. 6 Normlfordeliger og tilfældige tl på lommeregere 6. TI-83+/84+ Meue for ormlfordeliger k fides uder DISTR d VARS. Bemærk t middelværdi og spredig hr defultværdier og svrede til e stdrdormlfordelig. : ormlpdf Returerer sdsylighedstæthede i et givet pukt. Sytx: ormlpdfx ormlpdf x, middelværdi, spredig : ormlcdf Returerer værdie f fordeligsfuktioe i et givet pukt. M k vælge både t give e edre og e øvre græse. I stedet for - og k m bruge 99 og 99 Sytx: ormlcdfx 3 8

5 og E ] X] = E X i = E X i ] = =. Her lves substitutio t = x/, hvilket ved brug f prtiel itegrtio giver x e x/ dx = = = t e t dt t t ] + = t] =. e t dt t dt Vi k udrege vrise f geemsittet. Atg t de stokstiske vribel hr middelværdi. Så gælder t V r X i = V r X i = V r X i = σ = σ. Derfor er geemsittets spredig σ/ /. Det k vises t stikprøves geemsit er det estimt som hr de midste vris. Derfor vil geemsittet være vores foretruke estimt for middelværdie. Som estimt f e ormlfordeligs vris kue m tge stikprøves vris Xi X, me det viser sig t dette er et skævt estimt, som er systemtisk for lille. Hvis stikprøvestørrelse f.eks. er =, så vil X = X og så bliver Xi X = X X =. Sætig 6 Et cetrlt estimt f vrise f e ormlfordelig er givet ved for. Xi X For t berege vrise lves ige substitutioe t = x/, hvilket giver x e x/ dx = t e t dt = t e t dt. Det sidste itegrl bereges ved t lve prtiel itegrtio gge: t e t dt = t t] = + = = t e t dt t t ] + e t dt = + t] = + = 4. Derfor er vrise 4 og spredige er. t t dt t dt Øvelse Bereg middelværdi, vris og spredig f e ligefordelig. Eksempel E stoktisk vribel med sdsylighedstæthed xe x for x siges t hve e Gmmfordelt. fx

6 Vis t dette er e sdsylighedstæthed. b Bestem middelværdie f dee Gmmfordelig. c Bestem vrise og spredige f dee Gmmfordelig. Det k vises t e x dx = π /. Derfor er φ x = e x π / e tæthedsfuktio. De tilsvrede fordelig kldes e stdrd-ormlfordelig. Det k vises t de hr middelværdi og vris. Fordeligsfuktioe for stdrd ormlfordelige beteges Φ. D det ikke er muligt t opskrive et beregigsudtryk for Φ, k værdier f Φ ku bereges ved umerisk itegrtio. Hvis tæthedsfuktioe i stedet er e x σ π / σ så er der tle om e ormlfordelig med middelværdi og spredig σ. D X er ufhægig f X er X ufhægig f X og der gælder t Derfor er E X X = E X E X V r X + X = E 5 Estimtio = E X E E X E = =. X + E = V r X + V r X. X Atg f vi om ogle dt e stikprøve ved t de er ormlfordelte med spredig me vi ikke keder ormlfordeliges middelværdi. Opgve er ud fr dt t give et bud på værdie f ormlfordeliges middelværdi. y y.3 Defiitio 3 Et estimt er e fuktio, der til e vilkårlig stikprøve kytter et reelt tl. Et estimt er med dre ord e stokstisk vribel defieret ud fr e stikprøve. 4 Middelværdi og vris Ude bevis æver vi t hvis X og X er to stokstiske vrible så gælder der t E X + X = E X + E X. Hvis edvidere X og X er ufhægige så gælder E X X = E X E X. Sætig Ld X og X være ufhægige stokstiske vrible. D gælder t V r X + X = V r X + V r X. Bevis Ld og betege middelværdiere f X og X. D er middelværdie f X + X lig +. Derfor gælder V r X + X = E X + X +.5 x 5 Om et estimt er godt eller skidt er e de sg. Hvis vi f.eks. skl estimere middelværdie f e ormlfordelig, k vi bruge stikprøves medi. Hvis stikprøve ellers er stor, vil medie ligge tæt på middelværdie, så medie er e udemærket estimtor for middelværdie. I stedet for medie kue m tge de største værdi i stikprøve. Dee vil oplgt give et dårligt estimt f middelværdie, og jo større stikprøve er jo dårligere vil estimtet være. Defiitio 4 Et estimt siges t være cetrlt dersom middelværdie f estimtet er de sde værdi. Hvis et estimt ikke er cetrlt, siges det t være skævt. Medie er et cetrlt estimt f middelværdie, mes mksimum er et skævt estmt, idet mksimum i middel giver e for høj værdi. Sætig 5 Stikprøves geemsit giver et cetrlt estimt f ormlfordeliges middelværdi. Bevis Ld X, X,..., X betege e stikprøve. D er X = Xi = E = E = E X + X X + X + X X X + E X + E X X. 5 6

Matematik A. Højere handelseksamen. Formelsamling

Matematik A. Højere handelseksamen. Formelsamling Mtemtik A Højere hdelseksme Formelsmlig Mtemtik A Højere hdelseksme Formelsmlig Forfttere: Jytte Meli og Ole Dlsgrd April 09 ISBN: 978-87-603-339-5 (web udgve) Dee udgve f Mtemtisk formelsmlig htx A-iveu

Læs mere

Opgave 1. a) f : [a, b] R er en begrænset funktion for hvilken. A ε = {x [a + ε, b] f(x) 0}

Opgave 1. a) f : [a, b] R er en begrænset funktion for hvilken. A ε = {x [a + ε, b] f(x) 0} Opgve ) f : [, b] R er e begræset fuktio for hvilke er edelig for ethvert < ε < b. Vi skl vise t f er itegrbel og t A ε = { [ + ε, b] } d =. Vi bemærker først t f er itegrbel på [, b] hvis og ku hvis de

Læs mere

Analyse 1, Prøve maj Lemma 2. Enhver konstant funktion f : R R, hvor f(x) = a, a R, er kontinuert.

Analyse 1, Prøve maj Lemma 2. Enhver konstant funktion f : R R, hvor f(x) = a, a R, er kontinuert. Alyse, Prøve. mj 9 Alle hevisiger til TL er hevisiger til Klkulus 6, Tom Lidstrøm. Direkte opgvehevisiger til Klkulus er givet med TLO, ellers er lle hevisiger til steder i de overordede fsit. Hevises

Læs mere

Matematikkens mysterier - på et højt niveau. 1. Integralregning

Matematikkens mysterier - på et højt niveau. 1. Integralregning Mtemtikkes mysterier - på et højt iveu f Keeth Hse. Itegrlregig Hvd er relet f de skrverede puktmægde? . Itegrlregig Idhold. Stmfuktioer og det uestemte itegrl. Regeregler for det uestemte itegrl 7 Prtiel

Læs mere

Kap. 1: Integralregning byggende på stamfunktioner.

Kap. 1: Integralregning byggende på stamfunktioner. - - Kp. : Itegrlregig yggede på stmfuktioer... Specielle egesker ved fuktioer. Defiitio... E fuktio f siges t være egræset i et itervl I, hvis f er defieret i itervllet, og hvis der fides to tl k og K,

Læs mere

Kap 1. Procent og Rentesregning

Kap 1. Procent og Rentesregning Idhold Kp. Procet og Retesregig.... Regig med proceter.... Reteformle.... Geemsitlig retefod (vækstrte)... Kp Opsprigs- og gældsuiteter...5. Auiteter...5. Sumformel for e kvotietrække...5. Opsprigsuitet...6.

Læs mere

MATEMATISK FORMELSAMLING

MATEMATISK FORMELSAMLING MATEMATISK FORMELSAMLING GUX Grøld Mtemtisk formelsmlig til C-iveu, GUX Grøld Deprtemetet for uddelse 05 Redktio: Rsmus Aderse, Jes Thostrup MtemtiskformelsmligtilC-iveu GUX Grøld FORORD Dee formelsmlig

Læs mere

Komplekse tal Matematik og naturfag i verdensklasse, 2004. Komplekse tal

Komplekse tal Matematik og naturfag i verdensklasse, 2004. Komplekse tal Komplekse tl Mtemtik og turfg i verdesklsse, 004 Komplekse tl Dette mterile er ereget til udervisig i mtemtik i gymsiet. Der forudsættes kedsk til løsig f degrdsligiger, trigoometri og e lille smule vektorregig.

Læs mere

Differentiation af potensfunktioner

Differentiation af potensfunktioner Hvd er mtemti? B, i-bog ISBN 978 87 766 494 3 Hjemmesideevisig: Differetitio f potesfutioer, Kpitel 4, side 76 Differetitio f potesfutioer. Pscls tret og biomilformle Vi strter med t mide om t poteser

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

Matematisk formelsamling. stx A-niveau

Matematisk formelsamling. stx A-niveau Mtemtisk formelsmlig st A-iveu mj 08 Dee udgve f Mtemtisk formelsmlig st A-iveu er udgivet f Udervisigsmiisteriet og gjort tilgægelig på uvm.dk. Formelsmlige er udrejdet i et smrejde mellem Mtemtiklærerforeige

Læs mere

Sandsynlighedsregning og statistisk

Sandsynlighedsregning og statistisk Sadsylighedsregig og statistisk J. C. F. Gauss 777 855) Peter Haremoës Niels Brock 2. april 23 Idledig Dette hæfte er lavet som supplemet til 2. udgave af boge Mat B. Der er lagt vægt på at give e bedre

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

Bogstavregning - supplerende eksempler. Reduktion... 54 b Ligninger... 54 d

Bogstavregning - supplerende eksempler. Reduktion... 54 b Ligninger... 54 d Mtetik på AVU Eksepler til iveu F, E og D Bogstvregig - supplerede eksepler Reduktio... Ligiger... d Bogstvregig Side Mtetik på AVU Eksepler til iveu F, E og D Reduktio M gger to preteser ed hide ved -

Læs mere

Lidt Om Fibonacci tal

Lidt Om Fibonacci tal Lidt om Fioi tl Lidt Om Fioi tl Idhold. Defiitio f Fioi tllee.... Kivl... 3. Telefokæder....3 4. E formel for Fioi tllee...4 Ole Witt-Hse 008 Lidt om Fioi tl. Defiitio f Fioi tllee Fioi tllee er opkldt

Læs mere

Grundlæggende matematiske begreber del 1 Mængdelære Talmængder Tal og regneregler Potensregneregler Numerisk værdi Gennemsnit

Grundlæggende matematiske begreber del 1 Mængdelære Talmængder Tal og regneregler Potensregneregler Numerisk værdi Gennemsnit Grudlæggede mtemtiske begreber del 1 Mægdelære Tlmægder Tl og regeregler Potesregeregler Numerisk værdi Geemsit x-klssere Gmmel Hellerup Gymsium 1 Idholdsfortegelse MÆNGDELÆRE... 3 TAL... 9 De turlige

Læs mere

Kommentarer til VARIABLE

Kommentarer til VARIABLE Kommetrer til Fglige mål Kpitlet lægger op til, t elevere lærer vribelbegrebet t kede som et effektivt værktøj til t skbe sig overblik over komplekse problemstilliger. k udpege kostter og vrible med tilhørede

Læs mere

FUNKTIONER del 2 Rentesregning Eksponentielle udviklinger Trigonometriske funktioner Potensfunktioner Polynomier

FUNKTIONER del 2 Rentesregning Eksponentielle udviklinger Trigonometriske funktioner Potensfunktioner Polynomier FUNKTIONER del Retesregig Ekspoetielle udvikliger Trigoometriske fuktioer Potesfuktioer Polyomier -klssere Gmmel Hellerup Gymsium Idhold RENTESREGNING... 3 Kotiuert rete... EKSPONENTIELLE UDVIKLINGER...

Læs mere

Grundlæggende matematiske begreber del 1 Mængdelære Talmængder Tal og regneregler Potensregneregler Numerisk værdi

Grundlæggende matematiske begreber del 1 Mængdelære Talmængder Tal og regneregler Potensregneregler Numerisk værdi Grudlæggede mtemtiske begreber del Mægdelære Tlmægder Tl og regeregler Potesregeregler Numerisk værdi x-klssere Gmmel Hellerup Gymsium Idholdsfortegelse MÆNGDELÆRE... 3 TAL... 9 De turlige tl... 9 De hele

Læs mere

Potens regression med TI-Nspire

Potens regression med TI-Nspire Potensvækst og modellering - Mt-B/A 2.b 2007-08 Potens regression med TI-Nspire Vi tger her udgngspunkt i et eksempel med tovværk, hvor mn får oplyst en tbel over smmenhængen mellem dimeteren (xdt) i millimeter

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

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

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

Grundlæggende matematiske begreber del 1 Mængdelære Talmængder Tal og regneregler Potensregneregler Numerisk værdi Gennemsnit

Grundlæggende matematiske begreber del 1 Mængdelære Talmængder Tal og regneregler Potensregneregler Numerisk værdi Gennemsnit Grudlæggede mtemtiske begreber del Mægdelære Tlmægder Tl og regeregler Potesregeregler Numerisk værdi Geemsit x-klssere Gmmel Hellerup Gymsium Idholdsfortegelse MÆNGDELÆRE... 3 TAL... 9 De turlige tl...

Læs mere

Hvordan Leibniz opfandt integralregningen

Hvordan Leibniz opfandt integralregningen Hvord Leiiz opdt itegrlregige 0 Krste Juul EglÄdere Isc Newto (6-) opdt i 66 itegrlregige. Tskere Gottried Wilhelm Leiiz (66-6) opdt i 6 itegrlregige. Ige dem oetliggjorde deres opidelse med det smme.

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

Matematisk modellering og numeriske metoder. Lektion 17

Matematisk modellering og numeriske metoder. Lektion 17 Mtemtisk modellering og numeriske metoder Lektion 1 Morten Grud Rsmussen 8. november, 1 1 Numerisk integrtion og differentition [Bogens fsnit 19. side 84] 1.1 Grundlæggende om numerisk integrtion Vi vil

Læs mere

DATV: Introduktion til optimering og operationsanalyse, 2007. Følsomhed af Knapsack Problemet

DATV: 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 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

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

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

Integralregning. 2. del. 2006 Karsten Juul

Integralregning. 2. del. 2006 Karsten Juul Integrlregning del ( ( 6 Krsten Juul Indhold 6 Uestemt integrl8 6 Sætning om eksistens stmunktioner 8 6 Oplæg til "regneregler or integrl"8 6 Regneregler or uestemt integrl 9 68 Foreredelse til "integrtion

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

Projekt 4.8 De reelle tal og 1. hovedsætning om kontinuerte funktioner

Projekt 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 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

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

Matematik A. Studentereksamen. Forberedelsesmateriale. Forsøg med digitale eksamensopgaver med adgang til internettet.

Matematik 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 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

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

MOGENS ODDERSHEDE LARSEN. Fourieranalyse

MOGENS ODDERSHEDE LARSEN. Fourieranalyse MOGENS ODDERSHEDE LARSEN Fourieraalyse. udgave 7 FORORD Dette otat giver e kort idførig i teorie for fourierrækker og fouriertrasformatio. Det forudsættes i dette otat, at ma har rådighed over matematiklommeregere

Læs mere

Rettevejledning til Økonomisk Kandidateksamen 2004II, Økonometri 1

Rettevejledning til Økonomisk Kandidateksamen 2004II, Økonometri 1 Rettevejledig til Økoomisk Kdidteksme 2004II, Økoometri Vurderigsgrudlget er selve opgvebesvrelse og bilget, iklusive det fleverede SAS progrm. Mterilet som er fleveret på diskette/cd bedømmes som såd

Læs mere

Introduktion til uligheder

Introduktion 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 mere

StudyGuide til Matematik B.

StudyGuide til Matematik B. StudyGuide til Matematik B. OVERSIGT. Dee study guide ideholder følgede afsit Geerel itroduktio. Emeliste. Eksame. Bilag 1: Udervisigsmiisteriets bekedtgørelse for matematik B. Bilag 2: Bilag 3: Uddrag

Læs mere

Dæmonen. Efterbehandlingsark C. Spørgsmål til grafen over højden.

Dæmonen. Efterbehandlingsark C. Spørgsmål til grafen over højden. Efterbehndlingsrk C Dæmonen Nedenfor er vist to grfer for bevægelsen i Dæmonen. Den første grf viser hvor mnge gnge du vejer mere eller mindre end din normle vægt. Den nden grf viser højden. Spørgsmål

Læs mere

Udtrykkelige mængder og Cantorrækker

Udtrykkelige mængder og Cantorrækker Udtrykkelige mægder og Catorrækker Expressible sets ad Cator series Matematisk speciale Simo Bruo Aderse 20303870 Vejleder: Simo Kristese Istitut for Matematik Aarhus Uiversitet 208 Abstract This thesis

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

Formelsamling for matematik niveau B og A på højere handelseksamen

Formelsamling 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 mere

Fejlforplantning. Landmålingens fejlteori - Lektion 9 - Repetition - Fejlforplantning. Kovariansmatrix. Kovariansmatrix

Fejlforplantning. Landmålingens fejlteori - Lektion 9 - Repetition - Fejlforplantning. Kovariansmatrix. Kovariansmatrix Fejlforplntning Lndmålingens fejlteori Lektion 9 Repetition - Fejlforplntning Ksper K Berthelsen - kk@mthudk http://peoplemthudk/ kk/undervisning/lf11 Institut for Mtemtiske Fg Alorg Universitet Lndmåling

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

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

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

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

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

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

Introduktion til uligheder

Introduktion 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 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

Matematik B-A. Trigonometri og Geometri. Niels Junge

Matematik B-A. Trigonometri og Geometri. Niels Junge Mtemtik B-A Trigonometri og Geometri Niels Junge Indholdsfortegnelse Indledning...3 Trigonometri...3 Sinusreltionen:...6 Cosinusreltionen...7 Dobbeltydighed...7 Smmendrg...8 Retvinklede treknter...8 Ikke

Læs mere

... ... ... ... ... ... ... b > 0 og x > 0, vil vi kalde en potensfunktion. 492 10. Potensfunktioner

... ... ... ... ... ... ... b > 0 og x > 0, vil vi kalde en potensfunktion. 492 10. Potensfunktioner POTENSFUNKTIONER 0 49 0. Potensfunktioner POTENSFUNKTIONER DEFINITION En funktion med forskriften f( )= b hvor b > 0 og > 0 vil vi klde en potensfunktion. I MAT C kpitel så vi t hvis skl være et vilkårligt

Læs mere