STK1100 Sannsynlighetsregning og statistisk modelleringTilbake

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

Komplett sett etter V2020/V2024-malen: full kjørbar Python, regresjon (nykommeren), binormal og en eksplisitt eksakt-vs-Wald-dekningsstudie.

240 min

0 oppgaver

Øvingseksamen 3V2024-malen (Python-tungregresjondekningsstudie)

Din fremgang i kapitlet

0 / 0 oppgaver

Kapitlets plass i kurset

Bygger på

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

Forkunnskaper: Et komplett firetimers sett etter de nyeste, Python-tunge malene. Det trekker på kap. 1.3 (binomisk/CLT), kap. 2.1–2.3 (eksotisk tetthet og median), kap. 5.2 og 6.1–6.2 (ML og eksakt KI), kap. 7.2 (dekningsstudie), og regresjon i kap. 8.3 med modellvalg i kap. 8.2 (verifiser — bygges i Del 8). Se sjangeroversikten i kap. 9.1 ved tvil.

Øvingseksamen 3 — den Python-tunge malen

Dette settet speiler de nyeste ordinære eksamenene, med full kjørbar Python, regresjon (nykommeren) og en eksplisitt eksakt-vs-Wald-dekningsstudie. Fire oppgaver à cirka 25 poeng. Alle tall og kontekster er nyskrevne.

Kjør Python-koden faktisk mens du løser settet — det er en del av det som testes. Åpne hver oppgave, løs den selv, og fell så ut løsningsforslaget.

240 minutter, fire oppgaver à ~25 poeng — cirka 55 minutter hver, pluss buffer.

- Oppgave 1 (binomisk + CLT-KI): ~40 min.
- Oppgave 2 (lognormal: median, ML, eksakt KI): ~55 min.
- Oppgave 3 (dekningsstudie i Python): ~55 min.
- Oppgave 4 (regresjon fra binormal): ~65 min.
- ~25 min buffer til tallsvar, tolkning og å kjøre koden.

Settet kan trygt deles over flere kvelder — én oppgave per økt. Tre av fire oppgaver har Python-innslag; ikke la koden stå ukjørt.

Oppgave 1 — Binomisk modell og CLT-KI

Oppgave 2 — Lognormal: median, ML og eksakt KI

Oppgave 3 — Dekningsstudie i Python

Oppgave 4 — Enkel lineær regresjon

Symbol- og formelliste

Dette kapitlet er skrevet av Anthropics toppmodeller (Claude Opus og Claude Fable) og er foreløpig ikke manuelt gjennomgått — kvalitetskontrollen gjøres av uavhengige KI-agenter, og innmeldte feil rettes fortløpende. Funnet en feil? Meld fra, så retter vi den. Les mer om hvordan innholdet lages.

Skolesaga er en uavhengig læringsressurs og er ikke tilknyttet eller godkjent av Universitetet i Oslo. Dette er ikke offisielt studiemateriell. Les mer.