0.1 Eksamenskartet: slik testes STK1110

Eksamensformen, de tre likevektede søylene, temafrekvensene, sjangerkatalogen A–P og lesestrategien som styrer hele boka — og hva som bevisst er utelatt.

30 min

4 oppgaver

Eksamenskartetslik testes STK1110

Din fremgang i kapitlet

0 / 4 oppgaver

Dette kapitlet er selve kartet — les det først, og kom tilbake til det underveis. Det gir deg ingen regnepoeng direkte, men det avgjør hvor du bruker tiden din, og det er der de fleste taper karakter: på å øve på feil ting.

- Eksamen er usedvanlig forutsigbar. Fire timer, skriftlig, med kalkulator og formelsamling for STK1110 som eneste hjelpemidler. Nesten hvert sett er to–tre store oppgaver, hver en kjede av 4–7 punktdelte deloppgaver (a, b, c, …) i samme kontekst. Ingen kortsvars- eller flervalgsdel.
- Tre likevektede søyler bærer alt: estimeringsteori, hypotesetesting + konfidensintervall, og lineær regresjon. Hver dukker opp i rundt 90 % av settene. Ingen kan velges bort.
- Sensor belønner utledning og valg, ikke pugging — formelsamlingen ligger på pulten. Boka er bygd som målrettet drill mot nettopp de tre kjedene.

Bruk dette kapitlet til å legge en realistisk leseplan (se «Lite tid?»-boksen), og kap. 0.2 hvis du er rusten på sannsynlighet fra STK1100.

Forkunnskaper: Dette kapitlet kan leses uten forkunnskaper — det er en orientering, ikke en regneleksjon. Du trenger verken STK1100 eller kalkulator for å komme gjennom det. Symbolene du møter nedenfor er bare pekere framover; hver enkelt forklares grundig når vi kommer dit.

Slik leser du denne boka

Før vi går løs på faget, tre ting du trenger for å lese resten uten å snuble.

Karakterskalaen A–F

Eksamen gir bokstavkarakter fra A (best) til F (stryk); E er laveste ståkarakter. Den avsluttende eksamenen teller 100 %, og to obligatoriske innleveringer må være godkjent for at du får gå opp. Et nyttig utgangspunkt: C er en god og vanlig karakter — den betyr at du behersker kjernestoffet solid. Du trenger ikke være feilfri for å gjøre det bra; du trenger å treffe de tre søylene sikkert.

Sjangerkodene A–P — oppgavetypene som går igjen

Gjennom hele boka viser vi til sjangre med en bokstav. Dette er ganske enkelt de oppgavetypene som faktisk dukker opp, samlet i en sjekkliste. Her er hele lista i klarspråk (du møter hver enkelt igjen der den hører hjemme):

- A — moment- og ML-estimator: finn en formel for en ukjent parameter ut fra data.
- B — forventningsretthet, varians og sammenligning: er estimatoren «treffsikker», og hvilken av to er best?
- C — Fisher-informasjon og MLE-fordeling: hvor presis er estimatoren i store utvalg?
- D — konfidensintervall: et intervall vi er f.eks. 95 % sikre på fanger den sanne verdien.
- E — hypotesetest, hele pakken: kan vi slå fast en effekt, med fullt oppsett?
- F — styrke og dimensjonering: hvor mange målinger trengs for å oppdage en effekt?
- G — to utvalg og parvise data: sammenlign to grupper riktig.
- H — enkel lineær regresjon: én forklaringsvariabel, rett linje.
- I — multippel regresjon: flere forklaringsvariabler samtidig.
- J — modelldiagnostikk: sjekk om regresjonsmodellen holder (residualplott).
- K — prediksjonsintervall: usikkerheten i en ny observasjon, ikke bare i snittet.
- L — bayesiansk inferens: kombiner forhåndskunnskap med data.
- M — enveis ANOVA: sammenlign flere grupper på én gang.
- N — eksakt fordelingsteori: bygg et intervall/test fra en transformasjon.
- O — ikke-parametrikk: robuste metoder når normalantakelsen svikter.
- P — logistisk regresjon: når svaret er ja/nei i stedet for et tall.

Du trenger ikke huske bokstavene — de er bare en rask måte å si «denne oppgavetypen» på. Hele katalogen samles igjen i kap. 4.1.

Typiske feil har et samlet register

Hvert kapittel har en «Typiske feil»-boks med de tabbene sensor faktisk trekker for — z der det skal være t, glemt maksimums-bekreftelse i ML, P-verdi tolket feil,

R^2

i stedet for justert

R^2

, og flere. De er ikke tilfeldige: de er destillert fra løsningsforslagene. Les dem som en tsjekkliste før eksamen.

Tunge symboler du vil møte — men ikke ennå

Lenger inn i boka dukker det opp uttrykk som ser skremmende ut ved første blikk:

$\hat{\theta}, \quad \ell''(\hat{\theta}) < 0, \quad I(\theta) = -E\!\left[\tfrac{\partial^2 \log f}{\partial\theta^2}\right], \quad \hat{\beta} = (X^TX)^{-1}X^TY, \quad 2\sum X_i/\theta \sim \chi^2_{2n}.$

Du trenger ikke forstå disse ennå. Hvert av dem bygges opp fra grunnen der det hører hjemme — Fisher-informasjonen i kap. 1.3, hatmatrisen i kap. 3.4, pivoten i kap. 2.5. Ta dem som et løfte om hva du snart kommer til å kunne lese.

Notasjonen i hele boka følger eksamenssettenes egen: store bokstaver for stokastiske variable ( $X$ ), hatt for estimatorer ( $\hat{\theta}$ ), og $X \sim N(\mu, \sigma^2)$ der andre argument er variansen — aldri standardavviket.

Eksamensformen og de tre søylene

STK1110 har en av de mest stabile eksamensformene du finner. Formen har knapt endret seg på tjue år, og det er godt nytt: det betyr at du kan trene målrettet.

Den kjededelte storoppgaven

Eksamensformatet: to-tre store oppgaver, hver en kjede av 4-7 punktdelte deloppgaver (a, b, c, \dots) i samme kontekst, der tidlige svar gjenbrukes senere. Det finnes ingen kortsvars- eller flervalgsdel. Nødvendige kvantiler (z, t, χ², F) legges ofte rett i oppgaveteksten. Nøkkelgrep: står du fast på ett deltrinn, hopper du ikke av — senere punkter kan løses med et oppgitt mellomresultat.

De tre likevektede søylene

Nesten hvert sett har én storoppgave per søyle: (1) estimeringsteori (Oppgave 1), (2) hypotesetesting + konfidensintervall (Oppgave 2) og (3) lineær regresjon (Oppgave 3, den tunge). Hver søyle forekommer i rundt 90 % av settene — de er likevektede, og bredden er selve poenget. Ingen enkeltferdighet dominerer, og ingen søyle kan velges bort.

Hvor tallene kommer fra

Frekvenstallene i dette kapitlet er ikke gjetning. De er talt opp fra 22 avsluttende skoleeksamener 2004–2025 i UiOs STK1110-arkiv. Av disse er 11 sett (2015–2025) lest grundig sammen med de offisielle løsningsforslagene, som er den beste kilden til hva sensor faktisk belønner.

Et par ærlige forbehold: settene 2007–2014 er skumlest sammen med løsningsforslagene, og 2004–2006 er kun lest på oppgavenivå (arkivet har ikke løsningsforslag for dem). Settet fra 2004 forelå bare som skannet bilde og er registrert med lav vekt. Der en prosent bygger på få eller eldre sett, skal du lese den som et omtrentlig signal, ikke en eksakt måling. Tallene er avrundet og oppgitt som «andel av 22 sett».

(Merk: arkivet inneholder løsningsforslag (faglærerskrevne fasitforslag), ikke offisielle rettemerknader fra sensor — slike foreligger ikke i materialet. Modellbesvarelsene i denne boka er dessuten nyskrevne, ikke gjengitte studentbesvarelser.)

Temafrekvens — hva som faktisk testes

Andelen av de 22 settene der temaet forekommer som minst én deloppgave:

Tema	Andel av 22 sett
Konfidensintervall (t/z/χ²/Wald/pivot)	≈ 95 %
Punktestimering (ML og/eller moment)	≈ 95 %
Enkel lineær regresjon	≈ 91 %
Hypotesetesting (oppsett → konklusjon)	≈ 91 %
Forventningsretthet + varians av estimator	≈ 91 %
ML-utledning (L → ℓ → score → løs → bekreft maks)	≈ 82 %
Tolkning av R-utskrift (lm-sammendrag)	≈ 68 %
P-verdi (definere + beregne)	≈ 64 %
Momentestimator	≈ 50 %
Multippel regresjon	≈ 50 %
Fisher-informasjon + MLE-fordeling	≈ 45 % (stigende)
Residualdiagnostikk	≈ 41 %
R² / justert R² + modellvalg	≈ 36 %
To-utvalgs t / pooled varians	≈ 36 %
Minste kvadraters utledning	≈ 36 %
Andelstest / to-utvalgsandeler	≈ 23 %
Poisson-modell / Poisson-test	≈ 23 %
Styrke / dimensjonering	≈ 23 %
Eksakt/transformasjons-pivot	≈ 18 %
Prediksjonsintervall	≈ 18 %
Bayes / konjugering	≈ 9 % (nytt fra 2022)
ANOVA	≈ 9 %
Ikke-parametrikk (bootstrap, rang)	≈ 9 %
Logistisk regresjon	≈ 5 %
Ren sannsynlighetsregning (MGF, Jacobi, kombinatorikk)	≈ 0 % (ligger i STK1100)
Python-koding	0 % (STK1110 tolker R-utskrift)

Les tabellen slik: alt øverst må sitte, midten skiller C fra B, og bunnen (Bayes, ANOVA, eksakt pivot, ikke-parametrikk) er A-differensiatorene som roterer inn.

De tre kjedene som ryggrad

Hver søyle har en fast «kjede» — en rekkefølge av grep du går gjennom, ledd for ledd. Lærer du kjedene som en refleks, åpner du nesten hvilken som helst oppgave riktig. Dette er ryggraden i hele boka.

Estimeringskjeden (Oppgave 1)

Den faste rekkefølgen i estimeringsoppgaven: moment/ML \to bekreft maksimum \to forventningsretthet \to varians \to Fisher-informasjon \to Wald-konfidensintervall . Du starter med en fordeling og en parameter, finner en estimator, viser at den er «treffsikker», måler presisjonen og bygger et intervall. Bæres av Del 1 (kap. 1.1 - 1.5).

Testritualet (Oppgave 2)

H_0/H_a

Regresjonskjeden (Oppgave 3)

R^2

Sjangerkatalogen A–P

Studentens sjekkliste over de 16 oppgavetypene som går igjen, gruppert etter søyle: estimering (A moment/ML, B forventningsretthet/varians, C Fisher/MLE, L Bayes), test+KI (D KI, E ritualet, F styrke, G to-utvalg/parvis, M ANOVA, N eksakt pivot, O ikke-param) og regresjon (H enkel, I multippel, J diagnostikk, K prediksjon, P logistisk). Full oversikt i kap. 4.1.

Formelsamlingsprinsippet

E

Sensorens elleve krav

R^2

Hva som skiller karakterene

Løsningsforslagene og oppgavestrukturen tegner et ganske tydelig bilde av hva som løfter en besvarelse fra ståkarakter til topp.

Karakterskillene: bestått, C–B og A

Bestått sikres av åpningsdelene: definer modellen, en enkel estimator, et standard t-intervall, og å lese en R-utskrift. C-B krever at du behersker full ML-utledning (med bekreftet maksimum), det komplette testritualet og standard regresjonsinferens. A skiller seg på det tyngste: Fisher-info \to Wald-KI med Cramér-Rao, eksakt/pivot-utledninger, matriseregresjon (hatmatrise), konfunderingsargumentet, konjugering/Bayes og de ikke-parametriske alternativene.

Det bevisst utelatte

To ting testes så godt som aldri, og du skal ikke bruke forberedelsestid på dem: ren sannsynlighetsregning (simultantetthet, MGF, Jacobi, kombinatorikk, ordningsvariable) — det er STK1100s domene, kort oppfrisket i kap. 0.2 — og Python-koding . STK1110 tolker R-utskrift, den skriver ingen kode. En vanlig tabbe er å pugge feil emne.

Tidsbudsjett på selve eksamen

Fire timer og to–tre oppgaver gir grovt 80–120 minutter per oppgave. En fornuftig strategi:

- Ta de tidlige, sikre deltrinnene i hver oppgave først — de gir trygge poeng og varmer deg opp.
- Hopp aldri av en kjede fordi ett deltrinn stopper. Skriv «anta resultatet fra (b) er …» og gå videre; senere punkter poengsettes for seg.
- Prioriter at regresjonsoppgaven (den tunge) faktisk får tid — den bærer mest poeng, og det er lett å bli sittende for lenge i estimeringen.
- Hold av 10–15 minutter til slutt for gjennomlesing: rett kvantil, rett frihetsgrad, rett enhet.

Under følger noen refleksjonsoppgaver som lar deg øve nettopp denne planleggingen — det finnes ingen regneoppgaver i dette kapitlet.

📝Oppgave 1

(Strategi — tidsbudsjett.) Et sett har tre kjededelte storoppgaver — én estimering, én test/KI og én regresjon — og du har fire timer (240 minutter). Sett opp et grovt tidsbudsjett og en rekkefølge, og begrunn valget.

📝Oppgave 2

(Strategi — kjeden.) I en oppgave med deltrinn (a)–(f) står du helt fast på (b). Forklar hvorfor det likevel er feil å hoppe over resten av oppgaven, og hva du konkret gjør.

📝Oppgave 3

(Strategi — sjangergjenkjenning.) Klassifiser hvert deltrinn etter søyle og sjanger (A–P):

a) utled ML-estimatoren og bekreft maksimum
b) finn Fisher-informasjonen og angi et Wald-intervall
c) test $H_0: \theta = \theta_0$ med fullstendig rituale
d) tolk stigningstallet i et lm-sammendrag og angi et 95 % KI

📝Oppgave 4

(Strategi — leseplan.) Du har to uker igjen til eksamen og føler deg trygg på estimering, men usikker på regresjon. Sett opp en prioritert leseplan.

Har du bare noen dager? Her er to ruter, begge bygd på bokas egne tidsanslag: summen av alle kapitlene er ≈ 1 485 minutter ≈ 25 timers lesetid.

Hurtigrute (3–5 dager, ~2–3 t/dag):
- Dag 1: Del 0 (dette kartet + STK1100-broen), og start estimeringssøylen (kap. 1.1–1.2).
- Dag 2: fullfør Del 1, med drillkapitlet 1.5 som hovedtrening.
- Dag 3: test/KI-søylen — kap. 2.1–2.2 + drill 2.7 (testritualet).
- Dag 4: regresjonssøylen — kap. 3.1–3.2 (lær å lese R-utskrift!) + drill 3.7.
- Dag 5: én øvingseksamen (kap. 4.2) under tidspress, med fasit som selvretting.

Ukeplan (én uke, jevnt tempo): ~5 timer × 5 dager, fordelt som hurtigruta over, med de tre drillkapitlene (1.5, 2.7, 3.7) og én øvingseksamen som ryggrad.

Anslagene er lesetid; regn ×1,5 ved håndskriving — du lærer statistikk med penn, ikke bare med øyet, så sett av ekstra tid til å faktisk regne oppgavene.

Deltidsrute (10–12 uker, ~2–3 t/uke): ta én søyle om gangen. Del 1 over uke 1–3, Del 2 over uke 4–7 (den er størst, sju kapitler), Del 3 over uke 8–11. Legg de tre generalprøvene jevnt utover mot slutten i stedet for alt til slutt: øvingseksamen 4.2 etter uke 6, 4.3 etter uke 9, 4.4 etter uke 11. Da prøver du deg selv underveis og oppdager hullene mens det ennå er tid.

Lese mye, skrive lite: les gjerne bredt, men tren smalt og aktivt. Det er langt mer verdt å regne ett drillsett med penn enn å lese tre kapitler passivt. Et enkelt knep: ved hver formel du møter, lukk boka og prøv å gjenskape utledningen selv før du leser videre. Det er den eneste måten kjedene fester seg som en refleks til eksamen.

Formlene du må kunne utenat — og resten kan du slå opp

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.