Kurskod: TAMS24 / Provkod: TEN (8:00-12:00) English Version
|
|
- Bo Lundgren
- för 5 år sedan
- Visningar:
Transkript
1 Kurskod: TAMS24 / Provkod: TEN (8: - 2:) Examinator/Examiner: Xiangfeng Yang (Tel: ). Please answer in ENGLISH if you can. a. You are permitted to bring: a calculator; formel -och tabellsamling i matematisk statistik (from MAI); TAMS24: Notations and Formulas (by Xiangfeng Yang) b. Scores rating: 8- points giving rate 3; points giving rate 4; 5-8 points giving rate 5.. (3 points) English English Version The surface roughness was determined for four different materials used for encapsulation. Results are: Material surface roughness x i s i Type Type Type Type Assume that these four samples are from independent normal distributions with a same variance σ 2. (.). (.5p) Construct a confidence interval for σ 2 with confidence coefficient.95. (.2). (.5p) If we assume that σ is known and σ =., then is it reasonable to conclude that µ > µ 4? Answer the question by constructing an appropriate confidence interval with confidence coefficient.95. Solution. (.). s 2 = (n )s (n 4 )s 2 4 n n 4 4 ( ) (n n 4 4)s 2 I σ 2 = χ 2 α/2 (n n 4 4), (n n 4 4)s 2 χ 2 α/2 (n = n 4 4) =.6. ( ) ,.6 = (.83,.462). 3.8 (.2). There are two ways to solve the problem. The first one is: I µ µ 4 = ( x x 4 ) λ α/2 σ + n n 4 = (.49.3) =.36.7 = (.9,.53). 2 The second one (which is better) is one-sided CI: Both ways suggest µ > µ 4. I µ µ 4 = (, ( x x 4 ) + λ α σ n + n 4 ) = (3 points) English The random variable X is Rayleigh-distributed if it has a probability density function f X (x) = x a e x2 2a, for x, where a is an unknown positive parameter. One has a sample {x,..., x n } from this distribution. (2.). (p) Find a point estimate â ML of a using Maximum Likelihood-method. (2.2). (p) Is â ML unbiased? (2.3). (p) Find a point estimate â MM of a using method of moments. Page /4
2 Solution. (2.). L(a) = x a x 2 e x n 2a... a x 2 e n 2a = x... x n a n e x x2 n 2a. Thus = ln L(a) gives We can then solve for a and obtain ln L(a) = ln(x... x n ) n ln(a) x x 2 n. 2a n/a + x x 2 n 2a 2 =. â ML = x x 2 n. 2n The second derivative test can prove that this is indeed a maximum. (2.2). We can compute Thus that is, â ML is unbiased. (2.3). E(X 2 ) = x 2 x a 2 e x /(2a) dx =... = 2a. E(ÂML) = E( X Xn 2 ) = n 2a/(2n) = a, 2n E(X) = It now follows from E(X) = x that â MM = 2 x 2 /π. x x a 2 e x /(2a) dx =... = πa/2. 3. (3 points) English Extensive experience shows that if a certain disease is treated in the traditional way, then the probability p that the patient recovers is only.6. Now there is a new medicine against the disease. In a treatment experiment, there were 68 recovered out of patients using this new medicine. (3.). (2p) Is H rejected with a significance level α =.5? H : p =.6 versus H : p >.6. (3.2). (p) For the test in (3.), what is the power if p =.8? Solution. (3.). Since T S / C, don t reject H. (3.2). T S = ˆp p p ( p )/n = 68/.6 =.63..6(.6)/ C = (λ α, + ) = (.645, + ). h(.8) = P (reject H when H is wrong and p =.8) ˆp p = P ( >.645 when p =.8) p ( p )/n ˆp p (need to change p ( p )/n to ˆp p ˆp p since N(, )) p( p)/n p( p)/n = P ( ˆp p + p p p( p)/n ˆp p = P ( >.645 p( p)/n p( p) >.645 when p =.8) p ( p ) p ( p ) p( p) p p p( p)/n when p =.8) = P (Z > 2.985) = Page 2/4
3 4. (3 points) English Assume that X, X 2 and X 3 are independent standard normal random variables N(, ). The random vector Y = Y Y 2 Y 3 is defined as Y = X + X 2, Y 2 = X + X 3, Y 3 = X 2 + X 3. (4.). (2p) Determine the mean vector and the covariance matrix for Y (4.2). (p) Find P (2Y > Y 2 + 2). Solution. (4.). It is known that Thus for Y = AX with we have (4.2). X X = X 2, µ X =, C X =. X 3 µ Y = Aµ Y = A =,, C Y = AC Y A T = P (2Y > Y 2 + 2) = P (2X + 2X 2 > X + X 3 + 2) = P (X + 2X 2 X 3 > 2) = P (N(, 6) > 2) = P (N(, ) > 2/ 6) =.7939 = (3 points) English In a study, one observes the time (y) until a stimulus causes a reaction of the nerve fibers in a muscle. One suspect that the reaction time depends on the age (x ) and possibly also the gender (x 2 = for woman and x 2 = for man). Now we have 2 observations, and the data has be analyzed by two models Modell : Y = β + β x + β 2 x 2 + ε, Modell 2 : Y = β + β x + β 2 x 2 + β 3 x 2 + ε, where ε and ε are independent N(, σ) with the following results. Note that the parameters β i and are different in these two models. Model : Estimated regression line: y = x 3.85x Degrees of freedom Sum of squares REGR RES TOT Modell 2: Estimated regression line: y = x.x 2.3x Degrees of freedom Sum of squares REGR RES TOT (5.). (.5p) In Model, is there any useful explanatory variable? or both variables are useless? Perform appropriate tests with a level.5. (5.2). (.5p) Does Model 2 give a better description of the data than Model? Perform appropriate tests or confidence intervals with a level.5. Page 3/4
4 Solution. (5.). H : β = β 2 =, H : at least one β i, i =, 2. T S = SS R/2 SS E /8 = 25.26, C = (F.5(2, 8), + ) = (3.55, + ). Since T S C, reject H. Yes, there must be some useful explanatory variable! (5.2). H : β 2 =, H : β 2. Method (F -test): T S = (SS() E SS(2) E )/ Since T S C, reject H, namely, Model 2 is better. Method 2 (t-test): SS (2) E /7 = 5.7, C = (F.5 (, 7), + ) = (4.45, + ). T S = ˆβ 2 d( ˆβ 2 ) = 2.27, C = (, t α/2(7)) (t α/2 (7), + ) = (, 2.) (2., + ). Since T S C, reject H, namely, Model 2 is better. 6. (3 points) English The random variable X takes values,, 2, 3. One did 496 independent observations of X and got Observation 2 3 Antal Test the hypothesis with a significance level % that X is a Binomial distribution Bin(3, 4 ). Solution. p = P (Bin(3, 4 ) = ) = 27/64,..., p 4 = P (Bin(3, ) = 3) = / (N i np i ) 2 T S = =.5, C = (χ 2 np α(4 ), + ) = (.35, + ). i i= Since T S C, reject H, namely, it is not Binomial distribution Bin(3, 4 ). Page 4/4
5 . (3 poäng) Svenska Svensk Version Ytojämnheten har bestämts fär fyra olika material som används för inkapsling. Resultat är: Material Ytojämnhet x i s i Typ Typ Typ Typ Anta att datamaterialet härrör från oberoende normalfördelning med samma varians σ 2. (.). (.5p) konstruera ett konfidensintervall för σ 2 och med konfidensgraden.95. (.). (.5p) Om vi antar att σ är känd och σ =., förefaller det troligt att µ > µ 4? Besvara frågan genom att konstruera ett lämpligt konfidensintervall med konfidensgraden (3 poäng) Svenska Den s.v. X ä Rayleigh-fördelad med täthetsfunktionen f X (x) = x a e x2 2a, för x, där a är okänd positiv parameter. Man har ett stickprov {x,..., x n } från denna fördelning. (2.). (p) Hitta en punktskattning â ML av a genom att använda Maximum Likelihood-metoden. (2.2). (p) Är â ML väntevärdesriktig? (2.3). (p) Hitta en punktskattning â MM av a genom att använda momentmetoden. 3. (3 poäng) Svenska Lång erfarenhet visar att om en viss sjukdom behandlas på traditionellt sätt, så är sannolikheten p att patienten tillfrisknar bara.6. I en inledande studie för en ny medicin mot den aktuella sjukdomen har man behandlat patienter och 68 av dem blev friska. (3.). (2p) Förkasta H på nivån α =.5? (3.2). (p) Vilken styrka har testet i (3.) för p =.8? H : p =.6 mot H : p > (3 poäng) Svenska Antag att X, X 2 och X 3 är oberoende standard normalfördelad N(, ). Den stokastiska variabeln Y = Y är Y = X + X 2, Y 2 = X + X 3, Y 3 = X 2 + X 3. (4.). (2p) Bestäm väntevärdesmatris och kovariansmatris för Y (4.2). (p) Beräkna P (2Y > Y 2 + 2). 5. (3 poäng) Svenska Vid en studie undersökte man tiden (y) tills en stimulans åstadkommer en reaktion hos nervtrådarna i en muskel. Man misstänker att reaktionstiden beror på försökspersonens ålder (x ) och möjligen också kön (x 2 = för kvinna och x 2 = för man). Nu har vi 2 observationer, och data har analyserats enligt två modeller Modell : Y = β + β x + β 2 x 2 + ε, Modell 2 : Y = β + β x + β 2 x 2 + β 3 x 2 + ε, där ε och ε är oberoende N(, σ) med följande resultat. Observera att det är olika parametrar β i och i de två modellerna. Y 2 Y 3 Page /2
6 Modell : Skattad regressionslinje: y = x 3.85x Frihetsgrader Kvadratsumma REGR RES TOT Modell 2: Skattad regressionslinje: y = x.x 2.3x Frihetsgrader Kvadratsumma REGR RES TOT (5.). (.5p) I Modell, gör någon förklaringsvariabel nytta eller är båda meningslösa? Genomför lämpligt test på nivån.5. (5.2). (.5p) Ger Modell 2 en bättre beskrivning av datamaterialet än Modell? Genomför lämpligt test eller konfidensintervall på nivån (3 poäng) Svenska Den s.v. X antar värdena,, 2, 3. Man gjorde 496 oberoende observationer av X och fick Observation 2 3 Antal Pröva på signifikansnivån % hypotesen att X är Binomial fördelning Bin(3, 4 ). Page 2/2
Kurskod: TAMS28 MATEMATISK STATISTIK Provkod: TEN1 05 June 2017, 14:00-18:00. English Version
Kurskod: TAMS28 MATEMATISK STATISTIK Provkod: TEN1 5 June 217, 14:-18: Examiner: Zhenxia Liu (Tel: 7 89528). Please answer in ENGLISH if you can. a. You are allowed to use a calculator, the formula and
Läs merKurskod: TAMS11 Provkod: TENB 12 January 2015, 08:00-12:00. English Version
Kurskod: TAMS Provkod: TENB 2 January 205, 08:00-2:00 Examiner: Xiangfeng Yang (Tel: 070 2234765). Please answer in ENGLISH if you can. a. You are allowed to use: a calculator; formel -och tabellsamling
Läs merEnglish Version. Number of sold cakes Number of days
Kurskod: TAMS24 (Statistisk teori / Provkod: TEN 206-0-04 (kl. 8-2 Examinator/Examiner: Xiangfeng Yang (Tel: 070 089666. Please answer in ENGLISH if you can. a. You are permitted to bring: a calculator;
Läs merKurskod: TAMS11 Provkod: TENB 07 April 2015, 14:00-18:00. English Version
Kurskod: TAMS11 Provkod: TENB 07 April 2015, 14:00-18:00 Examiner: Xiangfeng Yang (Tel: 070 2234765). Please answer in ENGLISH if you can. a. You are allowed to use: a calculator; formel -och tabellsamling
Läs merKurskod: TAIU06 MATEMATISK STATISTIK Provkod: TENA 17 August 2015, 8:00-12:00. English Version
Kurskod: TAIU06 MATEMATISK STATISTIK Provkod: TENA 17 August 2015, 8:00-12:00 Examiner: Xiangfeng Yang (Tel: 070 2234765). Please answer in ENGLISH if you can. a. Allowed to use: a calculator, Formelsamling
Läs merKurskod: TAMS11 Provkod: TENB 28 August 2014, 08:00-12:00. English Version
Kurskod: TAMS11 Provkod: TENB 28 August 2014, 08:00-12:00 Examinator/Examiner: Xiangfeng Yang (Tel: 070 2234765) a. You are permitted to bring: a calculator; formel -och tabellsamling i matematisk statistik
Läs merEnglish Version. 1 x 4x 3 dx = 0.8. = P (N(0, 1) < 3.47) = =
TAMS11: Probability and Statistics Provkod: TENB 11 June 2015, 14:00-18:00 Examiner: Xiangfeng Yang (Tel: 070 2234765). Please answer in ENGLISH if you can. a. You are allowed to use: a calculator; formel
Läs merKurskod: TAMS28 MATEMATISK STATISTIK Provkod: TEN1 08 June 2015, 14:00-18:00. English Version
Kurskod: TAMS28 MATEMATISK STATISTIK Provkod: TEN1 08 June 2015, 14:00-18:00 Examiner: Xiangfeng Yang (Tel: 070 2234765). Please answer in ENGLISH if you can. a. You are allowed to use a calculator, the
Läs merEnglish Version. 1 f(x) = if 0 x θ; 0 otherwise, ) = V (X) = E(X2 ) (E(X)) 2 =
Kurskod: TAMS24 (Statistisk teori) / Provkod: TEN1 2017-01-03 14:00-18:00 Examinator/Examiner: Zhenxia Liu (Tel: 070 0895208). Please answer in ENGLISH if you can. a. You are permitted to bring: a calculator;
Läs merEnglish Version. + 1 n 2. n 1
Kurskod: TAMS24 (Statistisk teori) / Provkod: TEN 205-0-23 (kl. 4-8) Examinator/Examiner: Xiangfeng Yang (Tel: 070 2234765). Please answer in ENGLISH if you can. a. You are permitted to bring: a calculator;
Läs merKurskod: TAIU06 MATEMATISK STATISTIK Provkod: TENA 31 May 2016, 8:00-12:00. English Version
Kurskod: TAIU06 MATEMATISK STATISTIK Provkod: TENA 31 May 2016, 8:00-12:00 Examiner: Xiangfeng Yang (Tel: 070 0896661). Please answer in ENGLISH if you can. a. Allowed to use: a calculator, Formelsamling
Läs merKurskod: TAMS28 MATEMATISK STATISTIK Provkod: TEN1 20 August 2014, English Version
Kurskod: TAMS28 MATEMATISK STATISTIK Provkod: TEN1 20 August 2014, 14-18 Examinator/Examiner: Xiangfeng Yang (Tel: 070 2234765) a. You are permitted to bring a calculator, the formula and table collection
Läs merThis exam consists of four problems. The maximum sum of points is 20. The marks 3, 4 and 5 require a minimum
Examiner Linus Carlsson 016-01-07 3 hours In English Exam (TEN) Probability theory and statistical inference MAA137 Aids: Collection of Formulas, Concepts and Tables Pocket calculator This exam consists
Läs merKurskod: TAMS28 MATEMATISK STATISTIK Provkod: TEN1 16 January 2015, 8:00-12:00. English Version
Kurskod: TAMS28 MATEMATISK STATISTIK Provkod: TEN 6 January 205, 8:00-2:00 Examiner: Xiangfeng Yang (Tel: 070 2234765). Please answer in ENGLISH if you can. a. You are allowed to use a calculator, the
Läs merKurskod: TAIU06 MATEMATISK STATISTIK Provkod: TENA 15 August 2016, 8:00-12:00. English Version
Kurskod: TAIU06 MATEMATISK STATISTIK Provkod: TENA 15 August 2016, 8:00-12:00 Examiner: Xiangfeng Yang (Tel: 070 0896661). Please answer in ENGLISH if you can. a. Allowed to use: a calculator, Formelsamling
Läs merKurskod: TAMS11 Provkod: TENB 22 April 2014, 14:00am-18:00noon. English Version
Kurskod: TAMS11 Provkod: TENB 22 April 2014, 14:00am-18:00noon Examinator/Examiner: Xiangfeng Yang (Tel: 070 2234765) a. You are permitted to bring: a calculator; formel -och tabellsamling i matematisk
Läs merExam MVE265 Mathematical Statistics,
Exam MVE65 Mathematical Statistics, 016-05-31 The exam consists of eight exercises with a total of 50 points. You need as least 0 points to get a 3, at least 30 points for a 4 and at least 40 points for
Läs merTentamen MVE301 Sannolikhet, statistik och risk
Tentamen MVE301 Sannolikhet, statistik och risk 2018-05-31 kl. 8:30-13:30 Examinator: Johan Jonasson, Matematiska vetenskaper, Chalmers Telefonvakt: Ivar Simonsson, telefon: 031-7725325 Hjälpmedel: Valfri
Läs merTentamen MVE301 Sannolikhet, statistik och risk
Tentamen MVE301 Sannolikhet, statistik och risk 2018-10-12 kl. 8:30-13:30 Examinator: Johan Jonasson, Matematiska vetenskaper, Chalmers Telefonvakt: Olof Elias, telefon: 031-7725325 Hjälpmedel: Valfri
Läs merTentamen MVE302 Sannolikhet och statistik
Tentamen MVE302 Sannolikhet och statistik 2019-06-05 kl. 8:30-12:30 Examinator: Johan Jonasson, Matematiska vetenskaper, Chalmers Telefonvakt: Oskar Allerbo, telefon: 031-7725325 Hjälpmedel: Valfri miniräknare.
Läs merChapter 2: Random Variables
Chapter 2: Random Variables Experiment: Procedure + Observations Observation is an outcome Assign a number to each outcome: Random variable 1 Three ways to get an rv: Random Variables The rv is the observation
Läs mer12.6 Heat equation, Wave equation
12.6 Heat equation, 12.2-3 Wave equation Eugenia Malinnikova, NTNU September 26, 2017 1 Heat equation in higher dimensions The heat equation in higher dimensions (two or three) is u t ( = c 2 2 ) u x 2
Läs mer7.5 Experiment with a single factor having more than two levels
7.5 Experiment with a single factor having more than two levels Exempel: Antag att vi vill jämföra dragstyrkan i en syntetisk fiber som blandats ut med bomull. Man vet att inblandningen påverkar dragstyrkan
Läs merMatematisk statistik KTH. Formel- och tabellsamling i matematisk statistik
Matematisk statistik KTH Formel- och tabellsamling i matematisk statistik Varterminen 2005 . Kombinatorik n = k n! k!n k!. Tolkning: n k mängd med n element. 2. Stokastiska variabler V X = EX 2 EX 2 =
Läs merTentamen MVE302 Sannolikhet och statistik
Tentamen MVE32 Sannolikhet och statistik 219-6-5 kl. 8:3-12:3 Examinator: Johan Jonasson, Matematiska vetenskaper, Chalmers Telefonvakt: Oskar Allerbo, telefon: 31-7725325 Hjälpmedel: Valfri miniräknare.
Läs merTentamen MVE300 Sannolikhet, statistik och risk
Tentamen MVE300 Sannolikhet, statistik och risk 205-08-8 kl. 8.30-3.30 Examinator: Johan Jonasson, Matematiska vetenskaper, Chalmers Telefonvakt: Johan Jonasson, telefon: 0706-985223 03-7723546 Hjälpmedel:
Läs merTentamen MVE301 Sannolikhet, statistik och risk
Tentamen MVE301 Sannolikhet, statistik och risk 2017-08-15 kl. 8:30-13:30 Examinator: Johan Jonasson, Matematiska vetenskaper, Chalmers Telefonvakt: Olof Elias, telefon: 031-7725325 Hjälpmedel: Valfri
Läs merTentamen MVE301 Sannolikhet, statistik och risk
Tentamen MVE301 Sannolikhet, statistik och risk 2017-06-01 kl. 8:30-13:30 Examinator: Johan Jonasson, Matematiska vetenskaper, Chalmers Telefonvakt: Ivar Simonsson, telefon: 031-7725325 Hjälpmedel: Valfri
Läs merKurskod: TAIU06 MATEMATISK STATISTIK Provkod: TENA 01 June 2015, 8:00-12:00. English Version
Kurskod: TAIU06 MATEMATISK STATISTIK Provkod: TENA 01 June 2015, 8:00-12:00 Examiner: Xiangfeng Yang (Tel: 070 2234765). Please answer in ENGLISH if you can. a. Allowed to use: a calculator, Formelsamling
Läs merF ξ (x) = f(y, x)dydx = 1. We say that a random variable ξ has a distribution F (x), if. F (x) =
Problems for the Basic Course in Probability (Fall 00) Discrete Probability. Die A has 4 red and white faces, whereas die B has red and 4 white faces. A fair coin is flipped once. If it lands on heads,
Läs merMatematisk statistik KTH. Formelsamling i matematisk statistik
Matematisk statistik KTH Formelsamling i matematisk statistik Vårterminen 2017 1 Kombinatorik ) n n! = k k! n k)!. Tolkning: mängd med n element. ) n = antalet delmängder av storlek k ur en k 2 Stokastiska
Läs merMVE051/MSG810 Matematisk statistik och diskret matematik
Nancy Abdallah Chalmers tekniska högskola - Göteborgs universitet Datum: 190607 kl. 14.00 18.00 Tentamen Telefonvakt: Andreas Petersson 5325 MVE051/MSG810 Matematisk statistik och diskret matematik Hjälpmedel:
Läs merTentamen MVE300 Sannolikhet, statistik och risk
Tentamen MVE300 Sannolikhet, statistik och risk 2015-08-18 kl. 8.30-13.30 Examinator: Johan Jonasson, Matematiska vetenskaper, Chalmers Telefonvakt: Johan Jonasson, telefon: 0706-985223 031-7723546 Hjälpmedel:
Läs merFormel- och tabellsamling i matematisk statistik
Formel- och tabellsamling i matematisk statistik 1. Sannolikhetsteori för lärarprogrammet Sannolikhetsformler P (A ) = 1 P (A) P (A B) = P (A) + P (B) P (A B) P (A B) = P (A B) P (B) P (A B) = P (A B)P
Läs merMälardalens Högskola. Formelsamling. Statistik, grundkurs
Mälardalens Högskola Formelsamling Statistik, grundkurs Höstterminen 2015 Deskriptiv statistik Populationens medelvärde (population mean): μ = X N Urvalets medelvärde (sample mean): X = X n Där N är storleken
Läs merTentamen i Matematik 2: M0030M.
Tentamen i Matematik 2: M0030M. Datum: 203-0-5 Skrivtid: 09:00 4:00 Antal uppgifter: 2 ( 30 poäng ). Examinator: Norbert Euler Tel: 0920-492878 Tillåtna hjälpmedel: Inga Betygsgränser: 4p 9p = 3; 20p 24p
Läs merTAMS65 - Föreläsning 2 Parameterskattningar - olika metoder
TAMS65 - Föreläsning 2 Parameterskattningar - olika metoder Martin Singull Matematisk statistik Matematiska institutionen Innehåll Fö2 Punktskattningar Egenskaper Väntevärdesriktig Effektiv Konsistent
Läs merKurskod: TAMS11 Provkod: TENB 12 June 2014, 14:00-18:00. English Version
Kurskod: TAMS Provkod: TENB 2 June 204, 4:00-8:00 Exmintor/Exminer: Xingfeng Yng (Tel: 070 2234765). You re permitted to bring: clcultor; formel -och tbellsmling i mtemtisk sttistik (from MAI); TAMS :
Läs merPre-Test 1: M0030M - Linear Algebra.
Pre-Test : M3M - Linear Algebra. Test your knowledge on Linear Algebra for the course M3M by solving the problems in this test. It should not take you longer than 9 minutes. M3M Problem : Betrakta fyra
Läs merAvd. Matematisk statistik
Avd. Matematisk statistik EXAM IN 5B50 SANNOLIKHETSTEORI OCH STATISTIK I TUESDAY DECEMBER 20, 2005 08.00AM 0.00PM. Examiner: Dan Mattsson, tel. 790 735. Permissible aids : Formel- och tabellsamling i Matematisk
Läs merTentamen i matematisk statistik
Sid 1 (9) i matematisk statistik Statistik och kvalitetsteknik 7,5 hp Tillåtna hjälpmedel: Miniräknare. Studenterna får behålla tentamensuppgifterna. Skrivtid: 9.00-12.00 ger maximalt 24 poäng. Betygsgränser:
Läs merTAMS65 - Föreläsning 8 Test av fördelning χ 2 -test
TAMS65 - Föreläsning 8 Test av fördelning χ 2 -test Martin Singull Matematisk statistik Matematiska institutionen Innehåll Grundläggande χ 2 -test Test av given fördelning Homogenitetstest TAMS65 - Fö8
Läs merdenna del en poäng. 1. (Dugga 1.1) och v = (a) Beräkna u (2u 2u v) om u = . (1p) och som är parallell
Kursen bedöms med betyg, 4, 5 eller underänd, där 5 är högsta betyg. För godänt betyg rävs minst 4 poäng från uppgifterna -7. Var och en av dessa sju uppgifter an ge maximalt poäng. För var och en av uppgifterna
Läs merEn scatterplot gjordes, och linjär regression utfördes därefter med följande hypoteser:
1 Uppgiftsbeskrivning Syftet med denna laboration var att utifrån uppmätt data avgöra: (i) Om något samband finnes mellan kroppstemperatur och hjärtfrekvens. (ii) Om någon signifikant skillnad i sockerhalt
Läs merMetod och teori. Statistik för naturvetare Umeå universitet
Statistik för naturvetare -6-8 Metod och teori Uppgift Uppgiften är att undersöka hur hjärtfrekvensen hos en person påverkas av dennes kroppstemperatur. Detta görs genom enkel linjär regression. Låt signifikansnivån
Läs merMVE051/MSG810 Matematisk statistik och diskret matematik
Nancy Abdallah Chalmers tekniska högskola - Göteborgs universitet Datum: 190607 kl. 14.00 18.00 Tentamen Telefonvakt: Andreas Petersson 5325 MVE051/MSG810 Matematisk statistik och diskret matematik Hjälpmedel:
Läs merTentamen MVE301 Sannolikhet, statistik och risk
Tentamen MVE30 Sannolikhet, statistik och risk 207-08-5 kl. 8:30-3:30 Examinator: Johan Jonasson, Matematiska vetenskaper, Chalmers Telefonvakt: Olof Elias, telefon: 03-7725325 Hjälpmedel: Valfri miniräknare.
Läs mer9. Konfidensintervall vid normalfördelning
TNG006 F9 09-05-016 Konfidensintervall 9. Konfidensintervall vid normalfördelning Låt x 1, x,..., x n vara ett observerat stickprov av oberoende s.v. X 1, X,..., X n var och en med fördelning F. Antag
Läs merLufttorkat trä Ugnstorkat trä
Avd. Matematisk statistik TENTAMEN I SF1901 och SF1905 SANNOLIKHETSTEORI OCH STATISTIK, TORSDAGEN DEN 18:E OKTOBER 2012 KL 14.00 19.00. Examinator: Tatjana Pavlenko, tel 790 8466. Tillåtna hjälpmedel:
Läs merLINKÖPINGS UNIVERSITET Matematiska Institutionen Matematisk Statistik HT TAMS24
LINKÖPINGS UNIVERSITET Matematiska Institutionen Matematisk Statistik HT1-2015 TAMS24 1. Mean and standard deviation 5.7) Calculate E [ e X] if f X (x) = 2e 2x, x 0. 5.12) The r.v. X has density function
Läs merTAMS65 - Seminarium 4 Regressionsanalys
TAMS65 - Seminarium 4 Regressionsanalys Martin Singull Matematisk statistik Matematiska institutionen Problem 1 PS29 Vid ett test av bromsarna på en bil bromsades bilen upprepade gånger från en hastighet
Läs merTentamen MVE301 Sannolikhet, statistik och risk
Tentamen MVE31 Sannolikhet, statistik och risk 218-1-12 kl. 8:3-13:3 Examinator: Johan Jonasson, Matematiska vetenskaper, Chalmers Telefonvakt: Olof Elias, telefon: 31-7725325 Hjälpmedel: Valfri miniräknare.
Läs merTentamen MVE301 Sannolikhet, statistik och risk
Tentamen MVE31 Sannolikhet, statistik och risk 218-5-31 kl. 8:3-13:3 Examinator: Johan Jonasson, Matematiska vetenskaper, Chalmers Telefonvakt: Ivar Simonsson, telefon: 31-7725325 Hjälpmedel: Valfri miniräknare.
Läs merMatematisk statistik för B, K, N, BME och Kemister
Matematisk statistik för B, K, N, BME och Kemister Föreläsning 9 Joakim Lübeck (Johan Lindström 25 september 217 Johan Lindström - johanl@maths.lth.se FMSF7/MASB2 F9 1/23 Repetition Inferens för diskret
Läs mer4.3 Stokastiska variabler (slumpmässiga variabler) 4.4 Väntevärde och varians till stokastiska variabler
Föreläsning 2 4.3 Stokastiska variabler (slumpmässiga variabler) 4.4 Väntevärde och varians till stokastiska variabler Stokastiskavariabler Stokastisk variabel (eng: random variable) En variabel vars värde
Läs merSF1901: Sannolikhetslära och statistik. Statistik: Intervallskattning (konfidensintervall)
SF1901: Sannolikhetslära och statistik Föreläsning 9. Statistik: Intervallskattning (konfidensintervall) Jan Grandell & Timo Koski 21.02.2012 Jan Grandell & Timo Koski () Matematisk statistik 21.02.2012
Läs merKroppstemperaturen hos människa anses i regel vara 37,0 C/ 98,6 F. För att beräkna och rita grafer har programmet Minitab använts.
Syfte: Bestämma normal kroppstemperatur med tillgång till data från försök. Avgöra eventuell skillnad mellan män och kvinnor. Utforska ett eventuellt samband mellan kroppstemperatur och hjärtfrekvens.
Läs merSF1901: Sannolikhetslära och statistik. Statistik: Intervallskattning (konfidensintervall) Jan Grandell & Timo Koski
SF1901: Sannolikhetslära och statistik Föreläsning 10. Statistik: Intervallskattning (konfidensintervall) Jan Grandell & Timo Koski 18.02.2016 Jan Grandell & Timo Koski Matematisk statistik 18.02.2016
Läs merTAMS65 - Föreläsning 12 Test av fördelning
TAMS65 - Föreläsning 12 Test av fördelning Martin Singull Matematisk statistik Matematiska institutionen Innehåll Grundläggande χ 2 -test Test av given fördelning Homogenitetstest TAMS65 - Fö12 1/37 Det
Läs merTAMS65 - Föreläsning 12 Test av fördelning
TAMS65 - Föreläsning 12 Test av fördelning Martin Singull Matematisk statistik Matematiska institutionen Innehåll Grundläggande χ 2 -test Test av given fördelning Homogenitetstest TAMS65 - Fö12 1/37 Det
Läs mer1. Compute the following matrix: (2 p) 2. Compute the determinant of the following matrix: (2 p)
UMEÅ UNIVERSITY Department of Mathematics and Mathematical Statistics Pre-exam in mathematics Linear algebra 2012-02-07 1. Compute the following matrix: (2 p 3 1 2 3 2 2 7 ( 4 3 5 2 2. Compute the determinant
Läs merb) antalet timmar Lukas måste arbeta för att sannolikheten att han ska hinna med alla 112 datorerna ska bli minst (3 p)
Avd. Matematisk statistik TENTAMEN I SF1901, SANNOLIKHETSTEORI OCH STATISTIK, MÅNDAGEN DEN 27:E OKTOBER 2014 KL 08.00 13.00. Kursledare: Tatjana Pavlenko, 08-790 84 66, Björn-Olof Skytt, 08-790 86 49.
Läs mer1. För tiden mellan två besök gäller. V(X i ) = 1 λ 2 = 25. X i Exp (λ) E(X i ) = 1 λ = 5s λ = 1 5
LÖSNINGAR TILL Matematisk statistik Tentamen: 29 7 kl 8 3 Matematikcentrum FMSF45 Matematisk statistik AK för D,I,Pi,F, 9 h Lunds universitet MASB3 Matematisk statistik AK för fysiker, 9 h. För tiden mellan
Läs merMatematisk statistik för D, I, Π och Fysiker
Matematisk statistik för D, I, Π och Fysiker Föreläsning 15 Johan Lindström 4 december 218 Johan Lindström - johanl@maths.lth.se FMSF45/MASB3 F15 1/28 Repetition Linjär regression Modell Parameterskattningar
Läs merTentamenskrivning: TMS145 - Grundkurs i matematisk statistik och bioinformatik,
Tentamenskrivning: TMS145 - Grundkurs i matematisk statistik och bioinformatik, 7,5 hp. Tid: Lördag den 18 april 2009, kl 14:00-18:00 Väg och vatten Examinator: Olle Nerman, tel 7723565. Jour: Frank Eriksson,
Läs merTAMS65 - Föreläsning 1 Introduktion till Statistisk Teori och Repetition av Sannolikhetslära
TAMS65 - Föreläsning 1 Introduktion till Statistisk Teori och Repetition av Sannolikhetslära Martin Singull Matematisk statistik Matematiska institutionen TAMS65 - Mål Kursens övergripande mål är att ge
Läs merSvar till övningar med jämna nummer i Milton & Arnold, ht 2010
Svar till övningar med jämna nummer i Milton & Arnold, ht 2010 Kapitel 1 8b) Ja c)s = {h, mh, mmh, mmmh, mmmmh, mmmmm} d) A 1 = {mh}; A 2 = {h, mh}; Nej, A 1 A 2 = {mh} = 10 a)12 b) 60 c) 360 14 a) 2 4
Läs merTentamen MVE301 Sannolikhet, statistik och risk
Tentamen MVE30 Sannolikhet, statistik och risk 207-06-0 kl. 8:30-3:30 Examinator: Johan Jonasson, Matematiska vetenskaper, Chalmers Telefonvakt: Ivar Simonsson, telefon: 03-7725348 Hjälpmedel: Valfri miniräknare.
Läs merHögskolan i Skövde (SK, JS) Svensk version Tentamen i matematik
Högskolan i Skövde (SK, JS) Svensk version Tentamen i matematik Kurs: MA152G Matematisk Analys MA123G Matematisk analys för ingenjörer Tentamensdag: 2012-03-24 kl 14.30-19.30 Hjälpmedel : Inga hjälpmedel
Läs merStatistik för teknologer, 5 poäng Skrivtid:
UMEÅ UNIVERSITET Institutionen för matematisk statistik Statistik för teknologer, MSTA33, p Statistik för kemister, MSTA19, p TENTAMEN 2004-06-03 TENTAMEN I MATEMATISK STATISTIK Statistik för teknologer,
Läs merSannolikheten för att barnet skall få blodgrupp A0 A0 1/2 AA 1 AB 1/2 Övriga 0
Avd. Matematisk statistik TENTAMEN I SF191, SANNOLIKHETSTEORI OCH STATISTIK, ONSDAGEN DEN 1:A JUNI 216 KL 8. 13.. Kursledare: Thomas Önskog, 8-79 84 55 Tillåtna hjälpmedel: Formel- och tabellsamling i
Läs merProvmoment: Tentamen 6,5 hp Ladokkod: A144TG Tentamen ges för: TGMAI17h, Maskiningenjör - Produktutveckling. Tentamensdatum: 28 maj 2018 Tid: 9-13
Matematisk Statistik 7,5 högskolepoäng Provmoment: Tentamen 6,5 hp Ladokkod: A144TG Tentamen ges för: TGMAI17h, Maskiningenjör - Produktutveckling Tentamensdatum: 28 maj 2018 Tid: 9-13 Hjälpmedel: Miniräknare
Läs merTAMS65. Formel- och tabellsamling i matematisk statistik TAMS65. Martin Singull TAMS65 TAMS65
Formel- och tabellsamling i matematisk statistik Martin Singull Innehåll 4.1 Multipel regression.............................. 15 1 Sannolikhetslära 7 1.1 Några diskreta fördelningar.........................
Läs merMatematisk statistik för B, K, N, BME och Kemister
Matematisk statistik för B, K, N, BME och Kemister Föreläsning 8 Johan Lindström 20 september 2017 Johan Lindström - johanl@maths.lth.se FMS086/MASB02 F8 1/20 : Poisson & Binomial för diskret data Johan
Läs merModule 6: Integrals and applications
Department of Mathematics SF65 Calculus Year 5/6 Module 6: Integrals and applications Sections 6. and 6.5 and Chapter 7 in Calculus by Adams and Essex. Three lectures, two tutorials and one seminar. Important
Läs merS0005M. Stokastiska variabler. Notes. Notes. Notes. Stokastisk variabel (slumpvariabel) (eng: random variable) Mykola Shykula
Mykola Shykula LTU Mykola Shykula (LTU) 1 / 18 Föreläsning 2 4.3 Stokastiska variabler (slumpmässiga variabler) 4.4 Väntevärde och varians till stokastiska variabler Mykola Shykula (LTU) 2 / 18 Stokastiska
Läs merUppgift 1. P (A) och P (B) samt avgör om A och B är oberoende. (5 p)
Avd. Matematisk statistik TENTAMEN I SF90, SF905, SANNOLIKHETSTEORI OCH STATISTIK, MÅNDAGEN DEN 8:E AUGSTI 204 KL 08.00 3.00. Kursledare: Tatjana Pavlenko, 08-790 84 66 Tillåtna hjälpmedel: Formel- och
Läs merDel I. Uppgift 1 För händelserna A och B gäller att P (A) = 1/4, P (B A) = 1/3 och P (B A ) = 1/2. Beräkna P (A B). Svar:...
Avd. Matematisk statistik TENTAMEN I SF9/SF94/SF95/SF96 SANNOLIKHETSTEORI OCH STATISTIK, ONSDAGEN DEN 4:E OKTOBER 08 KL 8.00 3.00. Examinator för SF94/SF96: Tatjana Pavlenko, 08-790 84 66 Examinator för
Läs merAvd. Matematisk statistik
Avd. Matematisk statistik TENTAMEN I SF1901 SANNOLIKHETSTEORI OCH STATISTIK, MÅNDAGEN DEN 8:E JANUARI 2018 KL 14.00 19.00. Examinator: Thomas Önskog, 08 790 84 55. Tillåtna hjälpmedel: Formel- och tabellsamling
Läs merMatematisk statistik för D, I, Π och Fysiker
Matematisk statistik för D, I, Π och Fysiker Föreläsning 11 Johan Lindström 13 november 2018 Johan Lindström - johanl@maths.lth.se FMSF45/MASB03 F11 1/25 Repetition Stickprov & Skattning Maximum likelihood
Läs merFöreläsning 11: Mer om jämförelser och inferens
Föreläsning 11: Mer om jämförelser och inferens Matematisk statistik David Bolin Chalmers University of Technology Maj 12, 2014 Oberoende stickprov Vi antar att vi har två oberoende stickprov n 1 observationer
Läs merTAMS65 - Föreläsning 6 Hypotesprövning
TAMS65 - Föreläsning 6 Hypotesprövning Martin Singull Matematisk statistik Matematiska institutionen Innehåll Exempel Allmän beskrivning P-värde Binomialfördelning Normalapproximation TAMS65 - Fö6 1/33
Läs merThomas Önskog 28/
Föreläsning 0 Thomas Önskog 8/ 07 Konfidensintervall På förra föreläsningen undersökte vi hur vi från ett stickprov x,, x n från en fördelning med okända parametrar kan uppskatta parametrarnas värden Detta
Läs mer0 om x < 0, F X (x) = c x. 1 om x 2.
Avd. Matematisk statistik TENTAMEN I SF193 SANNOLIKHETSLÄRA OCH STATISTIK FÖR 3-ÅRIG Media TIMEH MÅNDAGEN DEN 16 AUGUSTI 1 KL 8. 13.. Examinator: Gunnar Englund, tel. 7974 16. Tillåtna hjälpmedel: Läroboken.
Läs mer8 < x 1 + x 2 x 3 = 1, x 1 +2x 2 + x 4 = 0, x 1 +2x 3 + x 4 = 2. x 1 2x 12 1A är inverterbar, och bestäm i så fall dess invers.
MÄLARDALENS HÖGSKOLA Akademin för utbildning, kultur och kommunikation Avdelningen för tillämpad matematik Examinator: Erik Darpö TENTAMEN I MATEMATIK MAA150 Vektoralgebra TEN1 Datum: 9januari2015 Skrivtid:
Läs merSF1901: SANNOLIKHETSLÄRA OCH STATISTIK. MER HYPOTESPRÖVNING. χ 2 -TEST. Jan Grandell & Timo Koski
SF1901: SANNOLIKHETSLÄRA OCH STATISTIK FÖRELÄSNING 12. MER HYPOTESPRÖVNING. χ 2 -TEST Jan Grandell & Timo Koski 25.02.2016 Jan Grandell & Timo Koski Matematisk statistik 25.02.2016 1 / 46 INNEHÅLL Hypotesprövning
Läs merMatematisk statistik för B, K, N, BME och Kemister
Matematisk statistik för B, K, N, BME och Kemister Föreläsning 6 Johan Lindström 13 september 2017 Johan Lindström - johanl@maths.lth.se FMSF70/MASB02 F6 1/22 : Rattonykterhet Johan Lindström - johanl@maths.lth.se
Läs merSF1901 Sannolikhetsteori och statistik I
SF1901 Sannolikhetsteori och statistik I Jimmy Olsson Föreläsning 10 27 november 2017 1 / 28 Idag Mer om punktskattningar Minsta-kvadrat-metoden (Kap. 11.6) Intervallskattning (Kap. 12.2) Tillämpning på
Läs merLö sningsfö rslag till tentamen i matematisk statistik Statistik öch kvalitetsteknik 7,5 hp
Sid 1 (10) Lö sningsfö rslag till tentamen i matematisk statistik Statistik öch kvalitetsteknik 7,5 hp Uppgift 1 Betrakta nedanstående täthetsfunktion för en normalfördelad slumpvariabel X med väntevärde
Läs merTAMS65 - Föreläsning 6 Hypotesprövning
TAMS65 - Föreläsning 6 Hypotesprövning Martin Singull Matematisk statistik Matematiska institutionen Innehåll Exempel Allmän beskrivning p-värde Binomialfördelning Normalapproximation TAMS65 - Fö6 1/36
Läs merS0005M, Föreläsning 2
S0005M, Föreläsning 2 Mykola Shykula LTU Mykola Shykula (LTU) S0005M, Föreläsning 2 1 / 18 Föreläsning 2 4.3 Stokastiska variabler (slumpmässiga variabler) 4.4 Väntevärde och varians till stokastiska variabler
Läs merFöreläsning 8, Matematisk statistik 7.5 hp för E Punktskattningar
Föreläsning 8, Matematisk statistik 7.5 hp för E Punktskattningar Stas Volkov Stanislav Volkov s.volkov@maths.lth.se FMSF20 F8: Statistikteori 1/20 Översikt Exempel Repetition Exempel Matematisk statistik
Läs merESS011: Matematisk statistik och signalbehandling Tid: 14:00-18:00, Datum:
ESS0: Matematisk statistik och signalbehandling Tid: 4:00-8:00, Datum: 20-0-2 Examinatorer: José Sánchez och Bill Karlström Jour: Bill Karlström, tel. 070 624 44 88. José Sánchez, tel. 03 772 53 77. Hjälpmedel:
Läs merTAMS65 - Föreläsning 2 Parameterskattningar - olika metoder
TAMS65 - Föreläsning 2 Parameterskattningar - olika metoder Martin Singull Matematisk statistik Matematiska institutionen Innehåll Fö2 I Punktskattningar I Egenskaper I Väntevärdesriktig I E ektiv I Konsistent
Läs merSF1922/SF1923: SANNOLIKHETSTEORI OCH INTERVALLSKATTNING. STATISTIK. Tatjana Pavlenko. 24 april 2018
SF1922/SF1923: SANNOLIKHETSTEORI OCH STATISTIK FÖRELÄSNING 11 INTERVALLSKATTNING. Tatjana Pavlenko 24 april 2018 PLAN FÖR DAGENS FÖRELÄSNING Vad är en intervallskattning? (rep.) Den allmänna metoden för
Läs merBestäm med hjälp av en lämplig och välmotiverad approximation P (X > 50). (10 p)
Avd. Matematisk statistik TENTAMEN I SF1901, SF1905, SANNOLIKHETSTEORI OCH STATISTIK, MÅNDAGEN DEN 17:E AUGUSTI 2015 KL 8.00 13.00. Kursledare: Tatjana Pavlenko, 08-790 84 66 Tillåtna hjälpmedel: Formel-
Läs merTillåtna hjälpmedel: Räknedosa. Formel- och tabellsamling i matematisk statistik.
UPPSALA UNIVERSITET Matematiska institutionen Erik Broman, Jesper Rydén TENTAMEN I MATEMATISK STATISTIK Sannolikhet och statistik 1MS5 214-1-11 Skrivtid: 8.-13.. För betygen 3, 4 resp. 5 krävs 18, 25 resp.
Läs merTentamen i Matematik 2: M0030M.
Tentamen i Matematik 2: M0030M. Datum: 2010-01-12 Skrivtid: 09:00 14:00 Antal uppgifter: 6 ( 30 poäng ). Jourhavande lärare: Norbert Euler Telefon: 0920-492878 Tillåtna hjälpmedel: Inga Till alla uppgifterna
Läs merGrundläggande matematisk statistik
Grundläggande matematisk statistik Linjär Regression Uwe Menzel, 2018 uwe.menzel@slu.se; uwe.menzel@matstat.de www.matstat.de Linjär Regression y i y 5 y 3 mätvärden x i, y i y 1 x 1 x 2 x 3 x 4 x 6 x
Läs merFöreläsning 4: Konfidensintervall (forts.)
Föreläsning 4: Konfidensintervall forts. Johan Thim johan.thim@liu.se 3 september 8 Skillnad mellan parametrar Vi kommer nu fortsätta med att konstruera konfidensintervall och vi kommer betrakta lite olika
Läs mer