Skillnad mellan versioner av "TAMS65 - Matematisk statistik I, fortsättningskurs"
Matda994 (Diskussion | bidrag) (→Introduktion till statistikteori) |
Matda994 (Diskussion | bidrag) |
||
| Rad 33: | Rad 33: | ||
Hypotesprövning resulterar antingen i (I) att vi med en vald felrisk (ofta 0.05 %) kan förkasta Ho till förmån för en alternativ hypotes eller att vi (II) inte kan förkasta Ho. En bra hypotesprövning förkastar Ho med stor sannolikhet om den alternativa hypotesen är sann. | Hypotesprövning resulterar antingen i (I) att vi med en vald felrisk (ofta 0.05 %) kan förkasta Ho till förmån för en alternativ hypotes eller att vi (II) inte kan förkasta Ho. En bra hypotesprövning förkastar Ho med stor sannolikhet om den alternativa hypotesen är sann. | ||
H(täta)=P(Förkasta Ho | H1 är sann) | H(täta)=P(Förkasta Ho | H1 är sann) | ||
| + | |||
| + | <br> | ||
| + | |||
| + | = Föreläsningar = | ||
| + | <b> Föreläsning 1 </b> <br> | ||
| + | [http://studieboken.se/TDDC30_-_Programmering_i_Java,_datastrukturer_och_algoritmer Kursinformation] <br> | ||
| + | [http://studieboken.se/TDDC30_-_Programmering_i_Java,_datastrukturer_och_algoritmer#Java Java] <br> | ||
| + | [http://studieboken.se/TDDC30_-_Programmering_i_Java,_datastrukturer_och_algoritmer#Loopar Loopar] <br> | ||
| + | [http://studieboken.se/TDDC30_-_Programmering_i_Java,_datastrukturer_och_algoritmer#Objektorientering Objektorientering] <br> | ||
| + | <br> | ||
| + | <b> Föreläsning 2 </b> <br> | ||
| + | [http://studieboken.se/TDDC30_-_Programmering_i_Java,_datastrukturer_och_algoritmer#Konstruktorer Konstruktorer] <br> | ||
| + | [http://studieboken.se/TDDC30_-_Programmering_i_Java,_datastrukturer_och_algoritmer#Statiska_metoder_och_attribut Statiska metoder och attribut] <br> | ||
| + | [http://studieboken.se/TDDC30_-_Programmering_i_Java,_datastrukturer_och_algoritmer#Synlighet Synlighet] <br> | ||
| + | [http://studieboken.se/TDDC30_-_Programmering_i_Java,_datastrukturer_och_algoritmer#Arv_och_polymorfism Arv och polymorfism] <br> | ||
| + | [http://studieboken.se/TDDC30_-_Programmering_i_Java,_datastrukturer_och_algoritmer#Unified_Modelling_Language_.28UML.29 Unified Modelling Language (UML)] <br> | ||
| + | <br> | ||
| + | <b> Föreläsning 3 </b> <br> | ||
| + | [http://studieboken.se/TDDC30_-_Programmering_i_Java,_datastrukturer_och_algoritmer#Abstrakta_datatyper Abstrakta datatyper] <br> | ||
| + | [http://studieboken.se/TDDC30_-_Programmering_i_Java,_datastrukturer_och_algoritmer#Listor Listor] <br> | ||
| + | [http://studieboken.se/TDDC30_-_Programmering_i_Java,_datastrukturer_och_algoritmer#Stack Stack] <br> | ||
| + | [http://studieboken.se/TDDC30_-_Programmering_i_Java,_datastrukturer_och_algoritmer#K.C3.B6_.28Queue.29 Kö (Queue)] <br> | ||
| + | <br> | ||
| + | <b> Föreläsning 4 </b> <br> | ||
| + | [http://studieboken.se/TDDC30_-_Programmering_i_Java,_datastrukturer_och_algoritmer#Interface Interface] <br> | ||
| + | [http://studieboken.se/TDDC30_-_Programmering_i_Java,_datastrukturer_och_algoritmer#Generiska_klasser Generiska klasser] <br> | ||
| + | [http://studieboken.se/TDDC30_-_Programmering_i_Java,_datastrukturer_och_algoritmer#Undantag Undantag] <br> | ||
| + | <br> | ||
| + | <b> Föreläsning 5 </b> <br> | ||
| + | [http://studieboken.se/TDDC30_-_Programmering_i_Java,_datastrukturer_och_algoritmer#Tidskomplexitet Algoritmanalys (Ordo)] <br> | ||
| + | [http://studieboken.se/TDDC30_-_Programmering_i_Java,_datastrukturer_och_algoritmer#Insertionsort Insertionsort] <br> | ||
| + | [http://studieboken.se/TDDC30_-_Programmering_i_Java,_datastrukturer_och_algoritmer#Grafiska_komponenter Grafiska komponenter] <br> | ||
| + | <br> | ||
| + | <b> Föreläsning 6 </b> <br> | ||
| + | [http://studieboken.se/TDDC30_-_Programmering_i_Java,_datastrukturer_och_algoritmer#Bubblesort Bubblesort] <br> | ||
| + | [http://studieboken.se/TDDC30_-_Programmering_i_Java,_datastrukturer_och_algoritmer#Shakersort Shakersort] <br> | ||
| + | [http://studieboken.se/TDDC30_-_Programmering_i_Java,_datastrukturer_och_algoritmer#Mergesort Mergesort] <br> | ||
| + | [http://studieboken.se/TDDC30_-_Programmering_i_Java,_datastrukturer_och_algoritmer#Strommar] <br> | ||
| + | [http://studieboken.se/TDDC30_-_Programmering_i_Java,_datastrukturer_och_algoritmer#Datum] <br> | ||
| + | [http://studieboken.se/TDDC30_-_Programmering_i_Java,_datastrukturer_och_algoritmer#Formatering] <br> | ||
| + | <br> | ||
| + | <b> Föreläsning 7 </b> <br> | ||
| + | [http://studieboken.se/TDDC30_-_Programmering_i_Java,_datastrukturer_och_algoritmer#Selectionsort Selectionsort] <br> | ||
| + | [http://studieboken.se/TDDC30_-_Programmering_i_Java,_datastrukturer_och_algoritmer#Shellsort Shellsort] <br> | ||
| + | [http://studieboken.se/TDDC30_-_Programmering_i_Java,_datastrukturer_och_algoritmer#Quicksort Quicksort] <br> | ||
| + | [http://studieboken.se/TDDC30_-_Programmering_i_Java,_datastrukturer_och_algoritmer#Grafiska_användargranssnitt Grafiska användargränssnitt] <br> | ||
| + | [http://studieboken.se/TDDC30_-_Programmering_i_Java,_datastrukturer_och_algoritmer#Swing Swing] <br> | ||
| + | [http://studieboken.se/TDDC30_-_Programmering_i_Java,_datastrukturer_och_algoritmer#Layout] <br> | ||
| + | <br> | ||
| + | <b> Föreläsning 8 </b> <br> | ||
| + | [http://studieboken.se/TDDC30_-_Programmering_i_Java,_datastrukturer_och_algoritmer#Träd Träd] <br> | ||
| + | [http://studieboken.se/TDDC30_-_Programmering_i_Java,_datastrukturer_och_algoritmer#Traversering Traversering] <br> | ||
| + | <br> | ||
| + | |||
| + | = Annat material = | ||
| + | |||
| + | == Lösningsgång == | ||
| + | == Sammanfattningar == | ||
| + | == Fuskpapper == | ||
| + | == Länkar == | ||
| + | [http://kdb-5.liu.se/liu/lith/studiehandboken/svkursplan.lasso?&k_budget_year=2016&k_kurskod=TAMS65]<br> | ||
| + | [http://www4.student.liu.se/tentaresult/?kurskod=Tams65&provkod=&datum=&kursnamn=&sort=0&search=S%F6k]<br> | ||
| + | [http://courses.mai.liu.se/GU/TAMS65/]<br> | ||
Versionen från 17 maj 2016 kl. 11.49
Matematisk statistik I, fortsättningskurs (TAMS65) är en kurs som omfattar 6 hp. Det är en fortsättning naturlig fortsättning på Matematisk statistik I, grundkurs (TAMS79) som behandlar sannolikhetsmodeller. Kursen examineras genom en tenta (5 hp) och ett obligatoriskt laborationsmoment (1 hp). Laborationsmomentet innehåller omfattande uppgifter på ämnesområdet regressionsanalys. Det kan komma tentafrågor som anknyter till laborationen. En stor utmaning i kursen är att lära sig och förstå teorin (de matematiska beräkningarna är ofta triviala när man förstår den bakomliggande teorin).
Innehåll
Introduktion till statistikteori
Matematisk statistik kan indelas i det praktiska arbetet att utföra statistiska undersökningar och presentera data och en teoretisk del i att konstruera slumpmodeller och göra en statistisk analys. Den senare delen inkluderar en stor del matematiskt arbete och är vad den här kursen behandlar.
Slumpen spelar en stor roll i många vardagliga händelser och påverkar även vetenskapligt arbete. Det kan vara farligt att uttala sig om den verkliga världen utan att betänka slumpens inverkan. Därför är gedigna kunskaper i matematisk statistik en viktig del i din civilingenjörsutbildning. Matematisk statistik kan indelas i sannolikhetslära och statistisk interferensteori. Sannolikhetslära (TAMS79) handlar om att konstruera modeller som kan beskriva frekvensen av en viss slumphändelse eller variationen i mätvärden. I statistisk interferensteori är målet att kunna dra slutsatser "med någon viss säkerhet" om intressanta parametrar. Uppgiftslösning i matematisk interferensteori förutsätter att man behärskar de modeller och den terminologi som används. Vad som kan uppfattas som små skillnader i uttryckssätt kan ha avsevärd betydelse för den teoretiska modellen.
Viktiga begrepp
Stokastisk variabel - En stokastisk variabel (s.v.) definieras matematiskt som en reellvärd funktion med något utfallsrum som definitionsmängd. Stokastiska variabler betecknas med versaler, vanligtvis X,Y,Z osv. Vi är typiskt intresserade för en stokastisk variabels sannolikhetsfördelning eller sannolikheten att den antar ett visst värde. Det finns en subtil men viktig typografisk skillnad mellan X (den stokastiska variabeln) X och x (en observation av den stokastiska variabeln X). Ett illustrerande exempel är ett tärningskast där X kan definieras som "utfallet av ett tärningskast" medan x motsvarar "det blev en 5:a".
Normalfördelning - Normalfördelning är en viktig fördelning i sannolikhetsteorin. En normalfördelad stokastisk variabel karaktäriseras av dess täthetsfunktion är en symmetrisk kulle kring dess väntevärde. Att normalfördelningen är ett viktigt verktyg förklaras av centrala gränsvärdessatsen som beskrivs kortfattat nedan.
Två viktiga resultat från TAMS79 är P(|X|<lamda
Centrala gränsvärdessatsen -
Stickprov/observation -
Parameter -
Punktskattning -
Aritmetiskt medelvärde -
Stickprovsvariansen -
Inerferensteori
Interferensteori omfattar punktskattning, intervallskattning (konfidensintervall) och hypotesprövning.
Punktskattning
Intervallskattning
Hypotesprövning
Styrkefunktionen
Hypotesprövning resulterar antingen i (I) att vi med en vald felrisk (ofta 0.05 %) kan förkasta Ho till förmån för en alternativ hypotes eller att vi (II) inte kan förkasta Ho. En bra hypotesprövning förkastar Ho med stor sannolikhet om den alternativa hypotesen är sann. H(täta)=P(Förkasta Ho | H1 är sann)
Föreläsningar
Föreläsning 1
Kursinformation
Java
Loopar
Objektorientering
Föreläsning 2
Konstruktorer
Statiska metoder och attribut
Synlighet
Arv och polymorfism
Unified Modelling Language (UML)
Föreläsning 3
Abstrakta datatyper
Listor
Stack
Kö (Queue)
Föreläsning 4
Interface
Generiska klasser
Undantag
Föreläsning 5
Algoritmanalys (Ordo)
Insertionsort
Grafiska komponenter
Föreläsning 6
Bubblesort
Shakersort
Mergesort
[1]
[2]
[3]
Föreläsning 7
Selectionsort
Shellsort
Quicksort
Grafiska användargränssnitt
Swing
[4]
Föreläsning 8
Träd
Traversering
