Intro Info Data Slh
Matematisk statistik f ¨or B, K, N, BME och Kemister
F ¨orel ¨asning 1 Johan Lindstr ¨om
28 augusti 2017
Johan Lindstr¨om - johanl@maths.lth.se FMSF70/MASB02 F1 2/18
IntroInfo Data Slh Till¨ampningar
Matematisk statistik – slumpens matematik
Sannolikhetsteori: Hur beskriver man slumpen?
Statistikteori: Vilka slutsatser kan man dra av ett datamaterial?
Johan Lindstr¨om - johanl@maths.lth.se FMSF70/MASB02 F1 3/18
IntroInfo Data Slh Till¨ampningar
Beskriva Data — Florence Nightingale
IntroInfo Data Slh Till¨ampningar
Oversv¨amningar — S¨odra Nederl¨anderna 1953 ¨
Johan Lindstr¨om - johanl@maths.lth.se FMSF70/MASB02 F1 6/18
IntroInfo Data Slh Till¨ampningar
Till¨ampningar f¨or matematisk statistik
I Medicin & H ¨alsa
I Milj ¨o
I Processindustri
I Biologi
I F ¨ors ¨akringar
I Spel/Lotterier
I Geologi
I osv
“The best thing about being a statistician is that you get to play in everyone’s
backyard.” — John Wilder Tukey.
Johan Lindstr¨om - johanl@maths.lth.se FMSF70/MASB02 F1 7/18
IntroInfo Data Slh Ovningar F¨ardighetstest Projekt¨
Praktiska detaljer
I Kursen g ˚ar ¨over 1 l ¨asperiod
I 1-2 f ¨orel ¨asningar i veckan
I 1 r ¨akne ¨ovning i veckan
I Examination:
I 3 Godk ¨anda f ¨ardighetstest,2017-09-11,2017-09-18och 2017-10-13.
I Godk ¨ant projektarbete (inl ¨amning2017-09-29)
I Tentamin2017-10-24
I Kurshemsida:
www.maths.lth.se/matstat/kurser/fmsf70
IntroInfo Data Slh Ovningar F¨ardighetstest Projekt¨
F¨orkunskapskrav
F ¨or att f ˚a l ¨asa kursen m ˚aste man ha klarat6 h¨ogskolepo¨ang inom:
I Endimensionell analys (FMA410, FMAA01, FMAA05)
I Flerdimensionell analys (FMA430, FMA435, FMA025) innan kursen startar.
Johan Lindstr¨om - johanl@maths.lth.se FMSF70/MASB02 F1 9/18
IntroInfo Data Slh Ovningar¨ F¨ardighetstest Projekt
Ovningar ¨
I Blandning av dator ¨ovningar, paper-och-penna
¨ovningar, samtMATLAB ¨ovningar.
I R ¨akna hemma och kom med fr ˚agor till ¨ovningarna.
I Mycket sj ¨alvstudietid (1512h per vecka).
Dator¨ovningar G ¨or innan ¨ovningen, t ¨acker begreppsf ¨orst ˚aelse och enklare r ¨akningar.
Ovningsuppgifter¨ G ¨or p ˚a ¨ovningen, m ˚anga ¨ar (varianter av) gamla tenta uppgifter.
MATLAB G ¨or efter ¨ovningen, illustrerar teorin och praktiska till ¨ampningar. Stark koppling till projekten.
Johan Lindstr¨om - johanl@maths.lth.se FMSF70/MASB02 F1 10/18
IntroInfo Data Slh Ovningar¨ F¨ardighetstest Projekt
F¨ardighetstest
I F ¨ardighetstest iMozquizto http://quizms.maths.lth.se/
I Logga in medStiL-identitet
I Registrera er p ˚a “Matematisk Statistik BKN & BME”.
I Testen skall klaras (6 av 10) senast:
I 2017-09-11, M ˚andag lv 3
I 2017-09-18, M ˚andag lv 4
I 2017-10-13, Fredag lv 7
IntroInfo Data Slh Ovningar F¨ardighetstest¨ Projekt
Projekt
I L ¨oses i grupper om2.
I Handledning p ˚a ¨ovningarna.
I Anm ¨alning via matstat.sam.cs.lth.se/Labs
I Inl ¨amning senast2017-09-29(onsdag l ¨asvecka 5)
I R ¨attas under vecka 5–6.
I Eventuella anm ¨arkningar korrigeras under l ¨asvecka 7–8.
Johan Lindstr¨om - johanl@maths.lth.se FMSF70/MASB02 F1 12/18
Intro Info Data Slh Exempel
Data (Kap. 2.1)
Olika typer avvariabler(observationer) Diskreta Antar distinkta v ¨arden, ex:
Bin¨ara variabler: Antar endast 2 v ¨arden:
defekt/hel, ja/nej.
Kvalitativa variabler: Klasstilh ¨orighet:
f ¨arg, partisympati, etc.
Heltalsvariabler: Antal
Kontinuerliga Antar godtyckliga reella v ¨arden (m ¨ojligen i ett intervall).
I Fosfor-halten i H ¨oje ˚a
I Temperatur
Johan Lindstr¨om - johanl@maths.lth.se FMSF70/MASB02 F1 13/18
Intro Info Data Slh Exempel
Medelv¨arde & Varians (Kap. 2.2)
Givet observationer:
−1.21; −0.79; −0.30; 0.29; 0.49; 0.67; 0.72; 0.73; 1.03; 1.63 Ber ¨akna:
1. Medelv ¨arde 2. Median 3. Varians
4. Standardavvikelse
Intro Info Data Slh Frekvens Kolmogorov Ex
Frekvenstolkning av sannolikhet (Kap. 3.1–3.2)
Upprepa ett slumpm ¨assigt f ¨ors ¨okng ˚anger Antal ggr A intr ¨affar
n → P(A), d ˚a n v ¨axer.
100 101 102 103 104 105
0 0.2 0.4 0.6 0.8 1
Relativa frekvensen av antal treor
Antal tärningskast
Relativ frekvens 1/6?
Johan Lindstr¨om - johanl@maths.lth.se FMSF70/MASB02 F1 15/18
Intro Info Data Slh Frekvens Kolmogorov Ex
Sannolikhet (Kap. 3.2.2)
Sannolikheten att en h ¨andelseAskall intr ¨affa bet.P(A) En sannolikhet m ˚aste uppfylla f ¨oljande,
Kolmogorovs axiomsystem:
• 0 ≤ P(A) ≤ 1 En sannolikhet ¨ar ett tal mellan 0 och 1
• P(Ω) = 1 Sannolikheten att n ˚agot skall h ¨anda ¨ar 1
• P(A ∪ B) = P(A) + P(B) Om och endast om A och B ¨ar of ¨orenliga
Johan Lindstr¨om - johanl@maths.lth.se FMSF70/MASB02 F1 16/18
Intro Info Data Slh Frekvens Kolmogorov Ex
Exempel I
Kasta en t ¨arning och definera h ¨andelserna
I A : ”Minst 4:a” = {4:a, 5:a, 6:a}
I B : ”H ¨ogst 5:a” = {1:a, 2:a, 3:a, 4:a, 5:a}
I C : ”3:a” = {3:a}
Vad ¨ar:
1. P(A ∩ B)? 2. P(A ∪ B)? 3. P(A ∩ C)?
Intro Info Data Slh Frekvens Kolmogorov Ex
Exempel II
Kasta3t ¨arningar vad ¨ar sannolikheten att f ˚a:
1. Alla (3stycken)3:or?
2. Inga5:or?
3. Minst ett udda (1:a, 3:a, 5:a) nummer?
Johan Lindstr¨om - johanl@maths.lth.se FMSF70/MASB02 F1 18/18