Statistik i samhälle och vetenskap - Versionshistorik

Hakan den 4 december 2019 kl. 14.06

2019-12-04T14:06:14Z

← Äldre version		Versionen från 4 december 2019 kl. 14.06
Rad 1:		Rad 1:
			__NOTOC__
	= Teori =		= Teori =
	{{malruta \| Statistiska undersökningar		{{malruta \| Statistiska undersökningar

2018-10-01T19:37:31Z

Gapminder - övning

← Äldre version		Versionen från 1 oktober 2018 kl. 19.37
Rad 97:		Rad 97:

	= Gapminder - övning =		= Gapminder - övning =

			== Film ==

			* https://www.youtube.com/watch?v=BZoKfap4g4w
			* https://www.youtube.com/watch?v=usdJgEwMinM

	{{#ev:youtube\|BZoKfap4g4w\|400\|right}}		{{#ev:youtube\|BZoKfap4g4w\|400\|right}}
	{{#ev:youtube\|usdJgEwMinM \|400\|right}}		{{#ev:youtube\|usdJgEwMinM \|400\|right}}

2018-10-01T19:35:17Z

Ett Pythonprogram

@@ Rad 140: / Rad 140: @@
 = Ett Pythonprogram =
-{{Python|[[Medelvärde Python]]}}
+[[Kategori:Python]] [[Kategori:Ma1c]] [[Kategori:Statistik]]   [[Kategori:Årskurs 7-9]]
 Här har du ett program som beräknar medelvärdet av ett antal tal.
 {{clear}}
 = Lär mer =

2018-10-01T19:33:52Z

Excel

2018-10-01T19:32:28Z

@@ Rad 1: / Rad 1: @@
-{|
+= Teori =
-|-
+{{malruta | Statistiska undersökningar
 Du lär dig en mängd begrepp och tillvägagångssätt för statisktiska undersökningar.
-}} |
+}}
 === Statistiska undersökningar ===
@@ Rad 44: / Rad 37: @@
 }}
-== Aktivitet ==
+= Aktivitet =
 === Meritvärde ===
@@ Rad 107: / Rad 94: @@
 {{clear}}
-=== TedEd ===
+= Gapminder - övning =
 {{#ev:youtube|BZoKfap4g4w|400|right}}
 {{#ev:youtube|usdJgEwMinM |400|right}}
@@ Rad 153: / Rad 136: @@
 }}
-== Lär mer ==
+= Ett Pythonprogram =
 === Klimatet ===
@@ Rad 176: / Rad 177: @@
 == Exit ticket ==

2018-08-21T07:19:44Z

Lär mer

← Äldre version		Versionen från 21 augusti 2018 kl. 07.19
Rad 154:		Rad 154:

	== Lär mer ==		== Lär mer ==

			=== Klimatet ===

	[[Intro till Global uppvärmning]]		[[Intro till Global uppvärmning]]
Rad 164:		Rad 166:

	Denna sida behandlar [[Statistik_2C\|statistik i Ma2c]] och visar hur du använder kalkylarket i GeoGEbra.		Denna sida behandlar [[Statistik_2C\|statistik i Ma2c]] och visar hur du använder kalkylarket i GeoGEbra.

			=== Wikipedia ===

			{{svwp\|Histogram}}

	=== Engelsk litteratur ===		=== Engelsk litteratur ===

2018-08-10T12:51:49Z

Medelvärde och standardavvikelse

← Äldre version		Versionen från 10 augusti 2018 kl. 12.51
Rad 31:		Rad 31:
	{{defruta \|'''Medelvärde, variationsbredd och standardavvikelse'''		{{defruta \|'''Medelvärde, variationsbredd och standardavvikelse'''

	: Aritmetiskt '''medelvärde''': <math>\, M(x) =\mu = \frac{x_1 + x_2 + \cdots + x_n}{n} = \frac{1}{n}\sum_{i=1}^n x_i</math>		: Aritmetiskt '''medelvärde''': <math>\, M(x) =\mu = \overline{x} = \frac{x_1 + x_2 + \cdots + x_n}{n} = \frac{1}{n}\sum_{i=1}^n x_i</math>

2018-05-02T08:50:28Z

Medelvärde och standardavvikelse

← Äldre version		Versionen från 2 maj 2018 kl. 08.50
Rad 39:		Rad 39:
	: '''Standardavvikelse''' för ett stickprov kan skrivas:		: '''Standardavvikelse''' för ett stickprov kan skrivas:

	:<math>s = \frac{~~1}{n~~-1} \~~sqrt~~{\~~sum_~~{~~i=1~~}^n (~~x_i~~ - \mu)^2};\~~qquad~~</math>		:<math>s = \sqrt{\frac{ (x_1 - \overline{x})^2 + (x_2 - \overline{x})^2 + ... + (x_n - \overline{x})^2}{n-1} }.</math>

			där s är standardavvikelsen, <math> \overline{x} </math> är medlevärdet och n är antalet värden.
	}}		}}

2018-04-27T14:27:05Z

Medelvärde och standardavvikelse

← Äldre version		Versionen från 27 april 2018 kl. 14.27
Rad 39:		Rad 39:
	: '''Standardavvikelse''' för ett stickprov kan skrivas:		: '''Standardavvikelse''' för ett stickprov kan skrivas:

	:<math>~~\sigma~~ = \frac{1}{n-1} \sqrt{\sum_{i=1}^n (x_i - \mu)^2};\qquad</math>		:<math>s = \frac{1}{n-1} \sqrt{\sum_{i=1}^n (x_i - \mu)^2};\qquad</math>
	}}		}}

2018-04-27T13:15:00Z

Medelvärde och standardavvikelse

← Äldre version		Versionen från 27 april 2018 kl. 13.15
Rad 37:		Rad 37:


	: '''Standardavvikelse''' kan skrivas:		: '''Standardavvikelse''' för ett stickprov kan skrivas:

	:<math>\sigma = \frac{1}{n} \sqrt{\sum_{i=1}^n (x_i - \mu)^2};\qquad</math>		:<math>\sigma = \frac{1}{n-1} \sqrt{\sum_{i=1}^n (x_i - \mu)^2};\qquad</math>
	}}		}}