STK1100 Sannsynlighetsregning og statistisk modellering | Interaktiv Matematikkbok | Skolesaga

STK1100 Sannsynlighetsregning og statistisk modellering

Bygget på 10 eksamenssett fra 2015 til 2024 — hvert kapittel er kalibrert mot det som faktisk gis til eksamen.

sannsynlighetsregningkontinuerlige fordelingersimultanfordelingertransformasjonermaksimum likelihoodlineær regresjon

Se læringsmål Flashcards (505 definisjoner)Eksamenstrening

Kapittel 0: Eksamenskart

1 delkapittel · ca. 30 min

0.1Eksamenskartet: slik testes STK1100

Kapittel 1: Sannsynlighet, betingning og diskrete modeller

4 delkapitler · ca. 4 t 50 min

1.1Betinget sannsynlighet, total sannsynlighet og Bayes

1.2Stokastiske variable, forventning og varians

1.3Diskrete fordelinger og Poisson-prosessen

1.PPrøver til del 1: Sannsynlighet, betingning og diskrete modeller

Kapittel 2: Kontinuerlige fordelinger og gamma-apparatet

4 delkapitler · ca. 5 t 25 min

2.1Kontinuerlige fordelinger: tetthet, CDF, median og eksponensial

2.2Gammafordelingen, kjikvadrat og Γ-verktøyet

2.3Drill: den egendefinerte og «eksotiske» tettheten (sjanger C)

2.PPrøver til del 2: Kontinuerlige fordelinger og gamma-apparatet

Kapittel 3: Simultanfordeling og uavhengighet

3 delkapitler · ca. 4 t 10 min

3.1Simultantetthet: marginaler, betinget tetthet og område-sannsynligheter

3.2Drill: uavhengighet ved faktorisering (eget drillmål)

3.PPrøver til del 3: Simultanfordeling og uavhengighet

Kapittel 4: Transformasjon: broen til pivotalen

4 delkapitler · ca. 5 t 20 min

4.1Momentgenererende funksjoner

4.2Transformasjonsteknikkene: CDF-metoden og Jacobi

4.3Drill: transformasjon til gamma/χ² — pivot-fabrikken (eget drillmål)

4.PPrøver til del 4: Transformasjon: broen til pivotalen

Kapittel 5: Punktestimering

4 delkapitler · ca. 5 t 20 min

5.1Estimatorer og egenskaper: forventningsretthet, varians og skjevhet

5.2Maximum likelihood og momentmetoden

5.3Drill: estimatoren fra fordeling til egenskaper (sjanger G)

5.PPrøver til del 5: Punktestimering

Kapittel 6: Konfidensintervall: eksakt pivotal og CLT

4 delkapitler · ca. 5 t 40 min

6.1Eksakt pivotal-KI via gamma/χ²

6.2CLT-tilnærmet KI og eksakt-vs-Wald-dekningen

6.3Drill: hele kjeden — fordeling → estimator → pivot → eksakt KI (+ CLT + bootstrap-SE)

6.PPrøver til del 6: Konfidensintervall: eksakt pivotal og CLT

Kapittel 7: Simulering, bootstrap og Python

3 delkapitler · ca. 4 t

7.1Inversjonsmetoden og numpy-verktøykassen

7.2Bootstrap for standardfeil og simulert dekning

7.PPrøver til del 7: Simulering, bootstrap og Python

Kapittel 8: Samvariasjon, binormal og regresjon

4 delkapitler · ca. 4 t 40 min

8.1Kovarians, korrelasjon og binormalfordelingen

8.2Betinget forventning, prediksjon og MSE-minimering

8.3Enkel lineær regresjon (nykommer, elementær)

8.PPrøver til del 8: Samvariasjon, binormal og regresjon

Kapittel 9: Eksamenstrening

4 delkapitler · ca. 13 t

9.1Sjangerguiden og fortellingsoppgavens anatomi

9.2Øvingseksamen 1: fire fortellingsoppgaver med full kjede

9.3Øvingseksamen 2: tre store oppgaver (V2015–V2017/V2021-malen)

9.4Øvingseksamen 3: V2024-malen (Python-tung, regresjon, dekningsstudie)

Uavhengig læringsressurs: Skolesaga er ikke tilknyttet, godkjent av eller utarbeidet i samarbeid med Universitetet i Oslo. Emnekoden brukes kun for å identifisere hvilket emne stoffet er rettet mot. Dette er ikke offisielt studiemateriell — pensum og eksamensordning kan endres, så sjekk alltid emnets offisielle sider.

Les mer i vilkårene.