0.1 Eksamenskartet: slik testes STK1100

Et kart hjelper ikke fordi det viser hver stein i terrenget, men fordi det viser hvor du skal gå — og hvor du ikke trenger å gå. Dette kapitlet er kartet over STK1100-eksamen. Det svarer på tre spørsmål før du åpner en eneste oppgave: Hvordan ser eksamen ut? Hva blir du testet i — og hvor ofte? Hvordan bruker du tiden din best?

STK1100 (Sannsynlighetsregning og statistisk modellering ved UiO) har en påfallende forutsigbar eksamen. Siden 2015 gjentar den samme fortellingen seg i praktisk talt hvert sett: du får en fordeling, lager en estimator, undersøker egenskapene dens, transformerer til en kjent fordeling, og bygger et konfidensintervall. Kjenner du den kjeden — og de tre–fire teknikkene rundt den — har du dekket 60–70 % av poengene. Denne boka er bygget rundt nettopp den kjeden, og dette kapitlet viser deg hvor hvert kapittel hører hjemme.

Bruk 30 minutter her nå, og kom tilbake når du planlegger lesingen. Alt du leser her, blir konkret i kapitlene som følger — ingenting av det tunge maskineriet forventes forstått ennå.

Slik ser eksamen ut

Formen er stabil. STK1100 avsluttes med en skriftlig skoleeksamen på fire timer (vanligvis 09:00–13:00). Tillatte hjelpemidler er godkjent kalkulator og «Formelsamling for STK1100/STK1110». Eksamen gis bokstavkarakter A–F. Emnet vurderes samlet: en midtveiseksamen teller 1/3 (flervalg — ligger ikke i oppgavearkivet vårt) og den avsluttende skoleeksamenen teller 2/3. Det er den avsluttende dette kartet gjelder.

Oppgavene er få og store. Settet består av tre til fire store fortellingsoppgaver, hver med 3–7 deloppgaver (a, b, c, …) i samme kontekst. Det finnes ingen kortsvars- eller flervalgsdel på selve skoleeksamen — den korte formen ligger i midtveiseksamenen. Du skriver altså sammenhengende utledninger, ikke enkeltsvar.

To ting å merke seg. Under koronaåret (V2020) var eksamen digital hjemmeeksamen, og da kom kjørbar Python-kode for fullt inn i fasiten — den formen henger igjen. Og i V2024 var formelsamlingen begrenset til STK1100 alene; da la settet selv ved de hjelperesultatene som trengtes (normalkvantiltabell og gammaintegralet). Poenget: eksamen tester bruk og utledning, ikke pugging — det viktige verktøyet er alltid på pulten.

> Hvor tallene i dette kapitlet kommer fra. Frekvensene og sjangrene bygger på UiOs STK1100-arkiv: 10 avsluttende skoleeksamener 2015–2024, hvorav 7 er lest grundig med offisielle løsningsforslag (2018–2024) og 3 (2015–2017) er lest på oppgavenivå uten løsningsforslag. Løsningsforslagene er skrevet av faglærer og viser hva en fullgod besvarelse skal inneholde. (Det finnes ingen egne sensorveiledninger i arkivet — «sensorens krav» nedenfor er destillert fra disse faglærer-løsningsforslagene.) Alle oppgaver og tall i boka er nyskrevne.

Den typiske firedelingen

Settene er slående stabile i hva de tre–fire oppgavene dekker. Kjenner du mønsteret, vet du omtrent hva som venter:

1. Sannsynlighet / diskret modell — enten en Bayes-/totalsannsynlighetsoppgave, eller en diskret fordeling (Poisson, geometrisk) med forventning og varians, ofte via MGF.
2. Kontinuerlig fordeling / simultantetthet — en egendefinert eller «navngitt» tetthet: marginaler, uavhengighetssjekk, kumulativ fordeling, median, forventning og varians, ofte med en transformasjon.
3. Estimering + konfidensintervall — den tunge. Kjernen i hele emnet: fra fordeling til estimator til egenskaper til en gamma/kjikvadrat-pivot til et eksakt konfidensintervall, ofte med bootstrap for standardfeilen.
4. Transformasjon / simultanfordeling / regresjon — en Jacobi-transformasjon av $(X,Y)$, binormalfordelingen, eller (fra 2022) enkel lineær regresjon, og/eller et simulerings-/Python-innslag.

Oppgave 3 er nesten alltid den tyngste og mest poenggivende. Legg planen din deretter.

Temafrekvens: hva blir testet, og hvor ofte

Tabellen viser hvor mange av de 10 settene (2015–2024) hvert tema forekommer i — «gjenganger-scoren». Bruk den som prioriteringsliste: øverst er det du må beherske, nederst det du bare bør kjenne til.

Kjeden som ryggrad

Hvis du bare skal lære én ting av dette kartet, er det denne: STK1100-eksamen har én lang fortelling som gjentas nesten hvert år, og den bærer 60–70 % av poengene. Kjeden går slik:

$$\text{fordeling} \;\to\; \text{estimator} \;\to\; \text{forventningsretthet/varians} \;\to\; \text{transformasjon til gamma/}\chi^2 \;\to\; \text{eksakt pivotal-KI} \;(+\ \text{CLT-KI}) \;\to\; \text{bootstrap-SE}$$

Ledd for ledd betyr det:

- Fordeling: oppgaven gir deg en modell for dataene (ofte en «eksotisk» kontinuerlig fordeling med en ukjent parameter).
- Estimator: du bygger en regel — som regel maximum likelihood ($\hat\theta$) — for å anslå parameteren fra $n$ observasjoner.
- Forventningsretthet/varians: du sjekker om estimatoren treffer riktig i snitt ($E(\hat\theta) = \theta$), og hvor mye den varierer.
- Transformasjon til gamma/$\chi^2$: du finner en størrelse (en pivot) som har en kjent fordeling — typisk $\chi^2_{2n}$ eller gamma.
- Eksakt pivotal-KI: du snører kvantiler rundt pivoten og løser ut et konfidensintervall for parameteren.
- CLT-KI og bootstrap-SE: som alternativ / tillegg lager du et tilnærmet intervall (sentralgrenseteoremet) og anslår standardfeilen ved simulering.

Boka bygger denne kjeden ledd for ledd: du møter leddene i kap. 5.2 og kap. 5.1 (estimator + egenskaper), kap. 4.3 (transformasjon til gamma/$\chi^2$), kap. 6.1 (eksakt KI) og kap. 6.2 / kap. 7.2 (CLT-KI og bootstrap). Et eget drillspor — kap. 4.3 → kap. 5.3 → kap. 6.3 — setter hele kjeden sammen under ett.

Sensorens elleve krav

Løsningsforslagene (faglærers) er konsise og utledningsdrevne: vis regnekjeden kompakt, ikke lange ord. De samme elleve kravene går igjen. Ta dem som en sjekkliste for hver besvarelse:

1. Definer variable og hendelser eksplisitt før du regner («La $X$ = antall …, da er $X \sim \ldots$»). Uten definert modell regnes svaret som ufullstendig.
2. Uavhengighet bevises ved faktorisering, ikke intuisjon: vis $f(x,y) = f_X(x)f_Y(y)$ for alle $(x,y)$ — også der begge er 0. Ett moteksempel er nok til å motbevise.
3. Tegn integrasjonsområdet for dobbeltintegral — feil grenser er den vanligste tabben her.
4. MGF-utledninger skal ha konvergenskravet med ($t$ innenfor et intervall), og $E$/Var hentes som $M'(0)$ og $M''(0)$.
5. Maximum likelihood med alle trinn: $L(\theta) \to \ell(\theta) \to$ derivér $\to$ løs.
6. Forventningsretthet og varians vises fullstendig; skjevhet skal kvantifiseres og korrigeres når det bes om det. Skill konsekvent mellom estimator (stor bokstav, tilfeldig) og estimat (et tall).
7. Eksakt pivotal-KI foretrekkes framfor Wald når standardfeilen avhenger av parameteren; et asymmetrisk eksakt intervall er riktig, ikke en feil.
8. Sentralgrenseteoremet nevnes eksplisitt når du bruker normaltilnærming.
9. Transformasjoner gjennomføres med metode (CDF-metoden, Jacobi eller MGF), ikke ved å gjette tettheten.
10. Bootstrap-algoritmen beskrives presist, og Python-koden skal være kjørbar og bruke ddof=1 der empirisk varians/standardfeil kreves.
11. Tallsvar oppgis med enhet og tolkning, med mellomregning og oppgitte kvantiler/persentiler.

Hva skiller karakterene?

Oppgavestrukturen forteller hvor karaktergrensene ligger:

- Bestått (E–D): du behersker åpningsdelene — Bayes-regning, standardisering, enkle sannsynligheter, marginaltettheter og median.
- God (C–B): du klarer i tillegg ML-utledningen, viser forventningsretthet og varians, og setter opp et standard konfidensintervall. Husk: C er en god og vanlig karakter — dette nivået er fullt oppnåelig med jevn øving.
- Fremragende (A): du mestrer de eksakte pivotal-utledningene og gamma/$\chi^2$-identifikasjonene, transformasjonsbevisene (Jacobi, MGF), skjevhetskorreksjon via $\Gamma$-funksjonen, og simulering/bootstrap med korrekt Python-kode.

Legg merke til at hele sprikene fra C til A ligger i estimerings-kjeden og transformasjonsapparatet — nettopp det denne boka drillser mest.

Det som bevisst er utelatt (avgrensningen mot STK1110)

STK1100 er UiOs modellerings-emne. Tre temaer som mange forbinder med statistikk, er helt fraværende på STK1100-skoleeksamen (0 av 10 sett) og hører hjemme i oppfølgeremnet STK1110 (statistisk inferens):

- Hypotesetesting (nullhypoteser, p-verdier, teststyrke).
- Kombinatorikk som telleoppgave (uordnede/ordnede utvalg).
- Ordningsvariable (fordelingen til minimum/maksimum, serie- og parallellsystemer).

Også klassisk deskriptiv/grafisk statistikk (boksplott, histogram, Q-Q-plott) er fraværende — kun tolkning av simulerte fordelinger forekommer (Del 7). Inferens-kjeden i STK1100 ender ved konfidensintervallet — aldri ved en test.

Dette er den skarpeste kontrasten til NTNUs søsteremne TMA4245, som har full hypotesetesting. Bruk derfor ikke tid på disse temaene til STK1100. Dette er eneste gang boka nevner dem — møter du dem senere i studiet, er det i STK1110.

Studieløp: to ruter

Boka har ni deler (0–9). Anbefalt progresjon følger den faglige avhengigheten: Del 0 → 1 → 2 → 3 → 4 (broen) → 5 → 6 (kjeden bygges og drilles) → 7 → 8, med prøver underveis og de tre øvingseksamenene helt til slutt.

10-ukers deltidsrute (en jevn semesterplan ved siden av annet):

Sjangerkortet A–L (én side)

Ett kort med alle tolv oppgavetypene: hva den ber om, hvor ofte den kommer, og det første grepet du gjør. Klipp det ut og ha det ved siden av deg når du øver.