Ukenummeret viser til hvilken uke det er tiltenkt at man kan f? hjelp til ? gj?re de respektive ukesoppgavene i gruppetimene. Legg merke til at det er fem mulige gruppetimer tirsdag - fredag (se Timeplan).
Alle ukesoppgaver som ikke er gjengitt i sin helhet er oppgitt som oppgavenummer i l?reboka (10de utgave).
Uka 46
Fra l?reboka, l?s for h?nd:
Section 11.1: Check-in 11.1, 11.2 (side 566-567)
Fra kapittelet om logistisk regresjon (lenke kap 14):
14.11,14.13, 14.14 (side 14-19 og 14-20)
Tidligere eksamensoppgaver:
Eksamen 2009 oppgave 2
Eksamen 2015 oppgave 3
Uka 45
Fra l?reboka, l?s for h?nd:
Section 10.1: Check-in 10.6, 10.7 (side 531)
Tidligere eksamensoppgaver:
H?st 2012 oppgave 3 og H?st 2018 oppgave 4
Uka 44
Fra l?reboka, l?s ved hjelp av R:
Section 7.3: Exercise 7.86 og 7.87 (side 444-445)
Fra l?reboka, l?s for h?nd:
Section 10.1: Check-in 10.3, 10.4, 10.5 (side 523 og 528)
Tidligere eksamensoppgaver:
Oppgave 2 - V-2008 og Oppgave 3 a,b,c - 2015
Uka 43
Fra l?reboka, l?s for h?nd:
Section 6.3: Exercises 6.62, 6.76 (side 373-374)
Section 7.1: Exercise 7.6 (side 405-406)
Fra l?reboka, l?s ved hjelp av R:
Section 7.1: Exercise 7.19 (side 407-408)
Tidligere eksamensoppgaver:
Oppgave 2 - 2015 og Oppgave 1 - 2014
Uka 42
L?s oppgaven ved hjelp av R:
Oppgave 6.30 fra 9de utgave av boka: En datamaskin i en bil har m?lt hvor langt bilen har kj?rt per enhet drivstoff [m?lt i miles per gallon (mpg)] mellom hver gang tanken ble fylt. Anta at standardavviket til hver m?ling er kjent og har verdi σ = 3.5 mpg. M?lingene var
41.5, 50.7, 36.6, 37.3, 34.2, 45, 48, 43.2, 47.7, 42.2, 43.2, 44.6, 48.4, 46.4, 46.8, 39.2, 37.3, 43.5, 44.3, 43.3
a) Hva er standardavviket til utvalgsgjennomsnittet?
b) Inspiser m?lingene for skjevheter og eventuelle andre tegn p? at dataene ikke er normalfordelt. Hva er dine tanker rundt ? konstruere et konfidensintervall basert p? formler for normalfordelinga?
c) Konstruer et 95% konfidensintervall for forventningsverdien μ, gjennomsnittlig kj?relengde per drivstoff-enhet for denne bilen.
Hint: Bruk f?lgende R-funksjon til ? l?se c)
konfidens_intervall = function(x, sigma, level) {
n = length(x)
z = qnorm(1 - (1 - level) / 2)
return(c(mean(x) - (z * sigma / sqrt(n)), mean(x) + (z * sigma / sqrt(n))))
}
L?s oppgavene for h?nd:
Section 6.1: Exercises 6.5, 6.9, 6.10, 6.21, 6.24 (side 344-346)
Uka 40
L?s disse oppgavene for h?nd:
Oppgaver 1, 2, 4-8 og 10 fra midtveis h?sten 2009
Section 5.2: Exercises 5.16, 5.17, 5.24 (side 296-297)
Section 5.3: Exercises 5.30, 5.43 (side 320-322)
Chapter 5 Exercises 5.47, 5.63, 5.72, 5.74, 5.76 (side 322-327)
L?s oppgaven ved hjelp av R og forklar resultatene:
Section 5.2: Exercise 5.15 (side 295-296), pluss tilleggs-deloppgave 'e': gjenta b)-d) for n=100 og noter kommentarene dine
Uka 39
L?s disse oppgavene for h?nd:
Oppgave 5 fra midtveis h?sten 2008, oppgavene 9, 10 og 17 fra midtveis h?sten 2011 og oppgavene 11-12 og 14-15 fra midtveis h?sten 2012
Section 4.3: Exercises 4.46, 4.51, 4.54 (side 234-235)
Section 4.4: Exercises 4.58, 4.63, 4.65, 4.67, 4.73, 4.76, 4.77 (side 251-252)
Section 4.5: Exercises 4.90 og 4.91 (l?s sammen), 4.94, 4.97, 4.98 (side 266)
Section 5.2: Exercise 5.6 (side 280).
Uka 38
L?s disse oppgavene for h?nd med mindre annet er angitt:
Oppgave 10 fra midtveis v?ren 2006 og oppgavene 1-4 og 6-10 fra midtveis h?sten 2008
Section 3.2: Exercises 3.16, 3.23 (bruk R for ? l?se (b)), 3.24 (side 176-178)
Section 3.3: Exercises 3.26, 3.32, 3.36 (bruk R for ? trekke tilfeldig utvalg) (side 189-190)
Section 4.1: Exercises 4.6 (side 209)
Section 4.2: Exercises 4.17, 4.18, 4.23, 4.27 (side 222-223)
R-hint: Funksjonen ?sample(x,n)? trekker et utvalg av n unike enheter fra vektoren x (uten tilbakelegging).
Uka 37
L?s disse oppgavene for h?nd:
Oppgave 1-8 fra Midtveiseksamen V?ren 2006
Section 2.1: Exercises: 2.2 (side 76)
L?s disse oppgavene ved hjelp av R og forklar resultatene:
Section 2.2: Exercises: 2.11, 2.12, 2.13 (side 88-89)
Section 2.3: Exercises: 2.32, 2.33 (side 96-97)
Section 2.4: Exercises: 2.50, 2.51 (side 109)
R-hint:
- Funksjonen ?plot(x,y)? kan blant annet brukes til ? lage spredningsplott for x og y
- Funksjonen ?cor(x,y)? returnerer korrelasjonen mellom x og y
- Funksjonen ?lm(y~x)? tilpasser linjen y=a+b*x ved minste kvadraters regresjon
- Funksjonen ?summary()? er ofte nyttig for ? oppsummere resultatene fra en funksjon, for eksempel vil ?summary( lm( y~x ) )? gi en nyttig oppsummering av resultatene for tilpasningen av minste kvadraters regresjons-linjen y=a+b*x
Uka 36
L?s disse oppgavene ved hjelp av R og forklar resultatene:
Section 1.2 Exercises: 1.15 (side 22)
Section 1.3 Exercises: 1.33, 1.44, 1.45, 1.56, 1.60 (side 43-46)
Section 1.4 Exercises: 1.103 (side 66)
- Se gjerne hjelp for ? laste inn datasettene tilh?rende boka
- Noen nyttige R-kommandoer:
barplot(), pie(), mean(), sd(), hist(), summary(), stem(), hist(), boxplot(), qqnorm(), qqline() - Du kan ogs? sl? opp i manualen med help(), feks help(barplot)
Uka 35
L?s disse oppgavene for h?nd:
Section 1.1 Exercises: 1.8 (side 8)
"Tidligere erfaringer med et gitt innf?ringsemne i statistikk antyder at poengsummene i faget kommer fra en fordeling som er tiln?rmet normal med forventning 72 og standardavvik 10. Ti av studentene i faget fikk poengsummene 62, 93, 54, 76, 73, 98, 64, 55, 80 og 71, hhv, p? eksamen.
poengsummene til hver av disse 10 studentene.
b) Retningslinja er ? gi karakter A til de studentene med poengsummer i topp 15%
basert p? normalfordelinga med forventning 72 og standardavvik 10. Hva er
da grensa for karakter A i form av en standardisert poengsum?
c) Hvilke av de 10 studentene fikk karakter A i dette emnet?"
Section 1.4 Exercises: 1.62, 1.63, 1.64, 1.71, 1.73, 1.75, 1.79, 1.82, 1.95 (sider 63-66)