ECON240 Statistikk og økonometri. Arild Aakvik, professor Institutt for økonomi
|
|
- Merethe Berg
- 5 år siden
- Visninger:
Transkript
1 ECON240 Statistikk og økonometri Arild Aakvik, professor Institutt for økonomi 1
2 Oversikt 1. forelesning Hva er statistikk og økonometri? Hvorfor studerer vi fagområdet? Statistikk Metoder, teknikker og verktøy til å produsere lettfattelig informasjon ut av komplekse datasett: «Big data» (nettransaksjoner, kunderegistrering, (nett)overvåkning, børskurser, Google, Amazon, Machine Learning/algoritmer, etc.) Komplekse data (registerdata, spørreundersøkelser, etc.) Dynamiske prosesser (makrodata) Markedsdata (tilbud og etterspørsel), beslutningsdata, adferd, eksperiment, etc. Skille mellom informasjon og støy Økonometri Anvendelse på samfunnsøkonomiske problemstillinger Hvordan kan vi forstå «verden» (samfunnsøkonomien)? Kan vi predikere hendelser? Hvordan kan vi knytte sammen økonomisk teori og data? 3
3 Valutasvingninger i prosent over tid Systematikk eller tilfeldigheter? 4
4 Støy/variasjon 5
5 Visuell/grafisk presentasjon av data Kan vi presentere data på en måte som gir oss mer informasjon? Stolpediagram Sentraltendenser (gjennomsnitt, median, typetall) Variasjon (standardavvik, varians, skjevhet) Menti.com Stolpediagram (1a) Enkle stolpediagram Stolpediagram for undergrupper (betinga analyse)
6 Datainnsamling; utdanning og inntekt Hypotese: Vi tror det er en positiv sammenheng mellom utdanning og lønn. Lønner det seg å ta en mastergrad i forhold til bachelorgrad? La oss anta at vi går rundt på gata og spør hver enkelt person hvilket utdanningsnivå de har og hvilken årsinntekt de har: 1. observasjon: 16 års utdanning, kr i inntekt, kvinne 2. observasjon: 13 års utdanning, kr i inntekt, mann 3. observasjon: 18 års utdanning, kr i inntekt, mann 4. observasjon: 15 års utdanning, kr i inntekt, kvinne.. La oss plotte data i et figur 7
7 lønn Utdanning og lønn kr ett individ sin observasjon av utdanningsnivå og lønn 18 års utdanning utdanning 8
8 Forskning Hva kan vi lære av denne figuren? 1. Det ser ut som at det er en positiv sammenheng mellom utdanning og lønn De som har høyere utdanning ser ut til også å ha høyere inntekt 2. Det er ingen superklar tendens (dvs det er mye støy i data) Noen har høy utdanning og lav inntekt, og noen har lav utdanning og høy inntekt, selv om det ikke er hovedtendensen 3. Er det alt vi kan si? 9
9 Statistikk og økonometri Formålet er å trekke ut så mye informasjon fra dette datasettet som mulig Rapportere resultatene på en lettfattelig måte (i hvert fall for de som kan faget) Sentraltendenser (gjennomsnitt, andel, median, typetall, estimat, etc.) Variasjon (standardavvik, standardfeil, varians, skjevhet, volatilitet, etc.) Sammenhenger/samvariasjon (korrelasjon, kovarians, etc.) Regresjonsanalyse (regresjonskoeffisient, kausale effekter mellom variabler) Hypotesetesting/inferens (hvilke konklusjoner kan vi trekke fra analysen?) Økonomisk signifikans? Er effektene store? Statistisk signifikans? Kan vi konkludere med at effektene er forskjellig fra null? 10
10 lønn Utdanning og lønn kr Regresjonslinje (rett linje som i størst mulig grad representerer/beskriver datapunktene) 18 års utdanning utdanning 12
11 lønn Utdanning og lønn kr Δlønn β 1 = = kr Δutdanning kr Datapunkt Modell Analyse Antakelser 17 år 18 år utdanning 13
12 Statistikk og økonometri Vi bruker statistikk og økonometri som grunnlag for beslutninger (både på individ- og samfunnsnivå) til å forstå verden (økonomien) til å test og (utvikle) økonomisk teori Økonometri Kvantitativ metode og estimering i samfunnsøkonomifaget Viktige spørsmål Hvilke problem skal vi analysere? Hvilke data vi skal samle inn? Hvordan trekker vi ut informasjon fra et datasett? Hvordan skal vi formulere problemstillingene empirisk? Hvordan skal vi estimere effekten av økonomisk politikk på best mulig måte (kausalestimering) Hvordan kan vi bruke modellene og resultatene til å si noe om framtidig økonomisk politikk 14
13 Mange ulike problemstillinger Makroøkonometri Estimere sammenhenger mellom størrelser som rente, inflasjon, arbeidsledighet, valutakurs, inntektsulikhet, etc. «Dynamisk stokastiske likevektsmodeller» Hvordan beveger makroøkonomiske størrelser seg sammen? Mikroøkonometri Estimere effekten av ulike intervensjoner (tiltaksevaluering) Hvordan påvirkes folk av insentiver? Atferdsrelasjoner (beslutningsmodeller) 15
14 Eksempler Teste og estimere empirisk regularitet Konsumtilbøyelighet i makro Rentefølsomhet Tilbuds- og etterspørselskurver Effekter av utdanning, arbeidsmarkedstiltak, helsetiltak, etc på inntekt og jobbmuligheter Familiebakgrunn og suksess på arbeidsmarkedet Generasjonsmobilitet Effekt av økt timelønn på arbeidstilbud Substitusjons- og inntektseffekt Effekt av ulike sosioøkonomiske karakteristika på tilpasning og atferd 16
15 Viktige begrep Datatyper Målenivå: Nominal, ordinal, intervall, skala/forholdstall Alle typer variabler kan analyseres med økonometrisk metode Sentraltendenser gjennomsnitt, andel, median, typetall, estimat, etc. Variasjon standardavvik, varians, skjevhet, etc. Sammenhenger korrelasjon, kovarians, etc. Regresjonsanalyse regresjonskoeffisient, kausale effekter mellom variabler Hypotesetesting/inferens hvilke konklusjoner kan vi trekke fra analysen mhp økonomisk og statistisk signifikans? 17
16 Hovedformål med statistikk og økonometri Trekke ut informasjon fra komplekse sammenhenger (økonomien) og data på en effektiv måte for å besvare politikkrelevante spørsmål 21
17 Viktige begrep og definisjoner Populasjon alle tenkelige observasjoner en komplett mengde av elementer lønna til alle i Norge som har en utdanning alle samf.øk.studenter i Norge Utvalg/sample en undermengde av hele populasjonen helst et tilfeldig trukket utvalg fra populasjonen helst mer enn 30 observasjoner dere som sitter her er en undermengde av alle samf.øk.studenter i Norge (men kanskje ikke et tilfeldig utvalg) Karakteristika/kjennetegn variabler som sier noe om utvalget eller populasjonen variabel 1: utdanning x 1 =utdanning variabel 2: lønn/inntekt x 2 =inntekt Variabel 3: kjønn x 3 =kjønn Data/datasett samling av alle observasjon som har blitt samlet inn (blitt registrert) 22
18 Datatyper Kvalitative data (kategoriske data) Data som ikke kan måles eller tallfestes (kjønn, hårfarge, blodtype, religion, utdanningstype, transportmåte, etc.) Obs! Vi kan ikke måle disse variablene langs en tall-akse, men vi kan analysere dem Kvantitative data (numeriske data) Data som kan måles (høyde, vekt, inntekt, pris, utgift, temperatur, etc) Kontinuerlige variabler (inntekt, ulikhetsmål (Gini-koeffisient), etc) Diskrete variabler (begrenset mengde med utfall/verdier, for eksempel antall barn, transportmiddel, etc). 23
19 Datatyper I eksempelet med «gå til UiB» og «husleie» er den første variabelen kvalitativ (vi kan dele alternativene inn i ulike kategorier) og den andre kvantitativ (vi kan sette en verdi på husleien) 24
20 Data Kategorisk Numerisk Eksempel: Kjønn Sivil status (Definerte kategorier eller grupper) Eksempel: Diskret Antall barn Antall øyne på terning (Begrenset tellbart) Kontinuerlig Eksempel: Inntekt Kommunestørrelse (Nøyaktig målbare karakteristika) 25
21 Deskriptiv versus modellbasert analyse Statistikk utføres gjerne i to blokker Deskriptiv/beskrivende/summerende statistikk Gjennomsnittsverdi, median, standardavvik/varians, min-maks-verdi, etc., av variabler som inkluderes i analysen Graf, plot, etc. Betinget beskrivende statistikk Menti.com (1b): Fordeling av en variabel for ulike undergrupper i datasettet Modellbasert analyse/regresjonsanalyse Tar hensyn til at variablene påvirker hverandre på kompliserte måter Betinget analyse (conditional analysis) Hva er forskjellen i inntekt mellom menn og kvinner med samme utdanning og yrke? 26
22 Hvor presise er svarene vi gir? Menti.com 1b 27
23 Litt algebra: summasjon Hva er lønnen til arbeiderne i en bedrift? n=1000 (antall arbeidere i bedrifter) Totale lønnsutbetalinger en måned = lønn til person 1 + lønn til person 2 + lønn til person lønn til person 1000 X i = lønn og X tot = totale lønnsutbetalinger en måned X tot X X i1 X i 1000 i1 X X i
24 Egenskaper til summasjon Hva skjer dersom alle får en lønnsøkning på 10%? Da kan vi gange lønnen deres med 1,1=α X tot X X i1 X i X
25 31
26 Summasjon Hva hvis arbeiderne får α=1,1 på fast lønn (lønnsøkning på 10%) og β=1,05 (lønnsøkning på overtidslønn er bare 5%)? 32 N i i N i i N i i N i i N i i i Y X Y X Y X ) (
27 Redusere notasjon der vi kan n i1 n i1 i betyr det samme 33
28 Summe-notasjonen går igjen over alt Når vi samler inn data legger vi disse vanligvis inn i et regneark (Excel/Stata) Da vil data være organisert på en spesiell måte Anta at vi samler inn 10 observasjoner hvor vi spør om personen sin alder (A), inntekt (Y) og utdanningsnivå (E) Vi vil da lage et regneark som ser slik ut 34
29 A = Alder Y = Årsinntekt E = Utdanning i antall år 35
30 Summerer over alle observasjonene 36
31 Gjennomsnitt (mean/average) X X 1 X 2 X... X10 i1 10 n n i A Y E 42, ,7 37
32 Slik ser det ut i Stata-regnearket: Sorterer slik at yngste kommer først, etc 38
33 39
34 Median Medianen (M) er det midterste tallet når variabelen er rangert fra den minste verdien til den største I dette tilfellet eksisterer det ikke noe «midterste tall» (ved n=partall). Må ta snitt av de to midterste tallene: M A = A (5+6)/2 = (35+40)/2=37,5 40
35 Hva er medianen til E, dvs M E? 41
36 42
37 Typetall/modalverdi (mode) Det tallet som går oftest igjen, dvs mest vanlige observasjon Hva er typetallet til E? 43
38 Frekvenstabell/histogram 44
39 Oppsummert så langt Sentraltendens Gj.snitt Median Mode x n i1 n x Aritmetisk gjennomsnitt i Midtpunkt for rangerte verdier Mest gjentatte verdi 45
40 Huspriser: Sum Gj.snitt: ( /5) = kr Median: middelverdi for rangerte data = kr Mode/typetall: mest gjentatte verdi = kr
41 47
42 Eksempel En investering på økte til på slutten av første året og til på slutten av år to X X X % økning 20% økning Hva er gjennomsnittlig avkastning over tid? X (50%) (20%) 2 35% Feil! r g (x 1 x 2 ) 1/n 1 [(50) (20)] 1/2 1 Riktig! (1000) 1/ %
43 Varians Varians = summen kvadrerte avvik rundt gjennomsnittet, delt på n: Varians 1 ( X X) 2 n i i v 2 49
44 Varians = 163,96 50
45 Varians Hva mener vi egentlig med varians og hvordan kan vi bruke estimatene? Standardavvik: St. dev. 1 n 2 ) ( X X v i i 2 v Standard avvik viser gjennomsnittlig avvik fra gjennomsnittet, dvs hvor mye en observasjon i gjennomsnitt avviker fra gjennomsnittet Standard avvik = 12,8 51
46 52 X gj.snittet av X gj.snitt gj.snitt ) ( ) ( ) ( X X X X X X X n X X n X X X X n X n X X n X n X X n i i i i i i i i i i i i i i Varians: Kvadratsetning: (a-b) 2 = a 2-2ab + b 2
47 2 1 ( X n i i X) 2 X 2 ( X) ,8 42,2 42,2 163,96 53
48 Mean absolute deviation mdev 1 X X ( X i i n 42,2) 54
49 Mål på variasjon Varians viser hvor mye variabelen varierer rundt en størrelse (gjennomsnitt, median, estimat, etc) Mange varianter av disse målene brukes i analyse av ulikhet og fattigdom (f.eks. Ginikoeffisienten) Viktig størrelse ved hypotesetesting (kap 3) 55
50 Oppsummering så langt Hva er statistikk og økonometri og hvorfor studerer vi fagområdet? Terminologi: populasjon, utvalg, kvalitative data, kvantitative data, diskrete og kontinuerlige variabler Mål på sentraltendenser (gjennomsnitt, modaltall, median) Mål på variasjon (varians, standardavvik) 56
51 Frekvenstabeller Mål med empirisk analyse Analysere komplekse data Presentere resultatene på en lettfattelig måte Være politikkrelevante Gjennomsnitt og varians sier litt om variablene vi analyserer, men kanskje vi kan gjøre enda mer Inntektsfordelingen i Norge: Gjennomsnittsinntekt = kr Median = kr Mer relevant: For eksempel, hvor mange har inntekt under ? Eller frekvenstabeller 57
52 Frekvenstabell/histogram Frekvenstabell for E: 58
53 Frekvenstabell/Histogram Ved svært mange observasjoner (her n=1000) blir histogrammet (ofte) lignende på en symmetrisk fordeling
54 Denne variabelen er tilnærmet «normalfordelt» Normalfordelingen er en funksjon: f(x) «Data blir til fordeling» 60
55 Histogram kan ta mange forskjellige former Kan hende utdanningsvariabelen ser slik ut 61
56 Gjennomsnitt versus median Dersom gjennomsnitt og median er like vil det indikere at fordelingen til variabelen er symmetrisk (har like haler) Gjennomsnitt=0 Median=0 Modalverdi=0 62
57 Høyreskjev fordeling (hale langt mot høyre). Hva kan vi si om forholdet mellom gjennomsnitt, median og typetall (modalverdi)? 63
58 Høyreskjeve fordelinger Mange fordelinger ser slik ut Inntektsfordelingen i Norge Pris på bil Gjennomsnitt > Median > Typetall 64
59 Menti.com: 1c 65
60 Uniform fordeling Summen av prosentene = 100% Summen av andelene = 1 «Arealet under kurven/fordelingen er 1» 66
61 Arealet under kurva er 1, dvs 100% 67
62 Varians Hvor mye varierer observasjonene rundt sitt gjennomsnitt? To fordelinger med samme gjennomsnitt (200) (gjennomsnitt = median = typetall) Ulik varians Samme «areal» 68
63 Relativ frekvens - Mest vanlig med relativ frekvens. - Da kan ulike datasett sammenlignes uten at antall observasjoner er lik. - Fordelinger bruker relativ frekvens (arealet under kurven er lik 1). - Relativ frekvens = andel - Andel = sannsynlighet (ved store utvalg) 69
64 Kumulativ frekvens 70
65 71
66 Anvendelse (valuta-volatilitet) 0 72
67 P.3 Sannsynlighet (side 19) Andel frekvens Relativ frekvens = andel Relativ frekvensfordeling Sannsynlighet = relav frekvens når n 73
68 Andel og sannsynlighet Kaster en mynt 10 ganger, og teller opp antall «krone» (siden med bilde av kongen) og antall «mynt» (siden med tallverdi på mynten) Antall mynt = 4, antall krone = 6 Hvis jeg gjør dette 1000 ganger (n=1000) vil andel mynt være ganske lik 0,5 Hva om n = 1 mill kast? 74
69 Teori (side 20) Pr( mynt) lim n ( f / n) 0,5 f n f antallmynt antallkast / n relativ frekvens 75
70 NRK-program I et NRK-program viste de et opptak av en person som kastet myntsiden opp 10 ganger på rad (uten å jukse/klippe) Hva er sannsynligheten for det? 0,5 0,5 0,5 0,5 0,5 0,5 0,5 0,5 0,5 0,5 = 0, (=0,5 10 ) I snitt må en da prøve ca ganger for å få 10 mynt på rad (sannsynlighet = 0,1 prosent) Programlederen brukte ca. 1 dag på å få til klippet 76
71 Kaster to terninger Utfallsrom - 36 mulige utfall - Hvert utfall har like sannsynlighet, dvs 1/36 = 0, Hva er sannsynligheten for a summen på terningene er 10? 77
72 Hendelser (events) E 1 : summen av terningene er 10 E 2 : en av terningene viser 2 Pr(E 1 )=3/36 = 1/12 Pr(E 2 )=11/36 E 1 og E 2 kan ikke skje samtidig Hendelsene er gjensidig utelukkende (mutually exclusive) 78
73 E 2 E 1 79
74 Hendelser Sannsynligheten for at begge skjer samtidig kan skrives som: Pr(E 1 og E 2 ) = Pr(E 1 E 2 ) = 0 Sannsynligheten for at vi enten får E1 eller E2 kan skrives som Pr(E 1 eller E 2 ) = Pr(E 1 U E 2 ) = 3/ /36 = 14/36 «U» er union og er snitt (intersection) 81
75 Venn-diagram Boksen = utfallsrommet = «36» E 1 E 2 82
76 Hendelser E 1 : summen av terningene er 10 E 3 : en av terningene viser 6 Pr(E 1 )=3/36, Pr(E 3 )=11/36 Pr(E 1 eller E 3 ) = Pr(E 1 U E 3 ) = 12/36 Pr(E 1 og E 3 ) = Pr(E 1 E 3 ) = 2/36 E 1 og E 3 er ikke gjensidig utelukkende 83
77 84
78 E 1 E 3 85
79 Generell regel i mengdelære Pr(E 1 eller E 3 ) = Pr(E 1 ) + Pr(E 3 ) - Pr(E 1 og E 3 ) 86
80 Venn-diagram Pr(E 1 ) + Pr(E 3 ) = 14/36 E E
81 Summen av to terninger (E 1 =10) Det er som regel struktur i alle type data 3/36 = 0,083 88
82 Betinga sannsynlighet (side 24) Sannsynlighet for en hendelse gitt at en annen hendelse allerede har inntruffet E 1 = summen av to terninger er 10 E 2 = en av terningene viser 6 Pr(E 1 E 2 ) hvor er gitt Pr( E 1 E 2 ) Pr( E1 E Pr( E ) 2 2 ) 2 / 36 11/ 36 2 /11 Pr( E Pr( E Pr( E ) 3/12 9 / 36 ) 11/ 36 E ) Pr( E ) 2 1 Pr( E 2 ) Pr( E 1 E 2 ) 20 / 36 18/ 36 2 / 36 89
83 Uavhengige hendelser E 1 =få en 6 på første terning E 2 =få en 6 på andre terning Pr(E 2 E 1 ) = (1/36)/(1/6) = (1/36)/(6/36) = 1/6 I dette tilfellet er Pr(E 2 E 1 )=Pr(E 2 ) fordi hendelsene er uavhengige 90
84 Uavhengighet Pr( E 1 E 2 ) Pr( E 1 E 2 ) Pr( E 2 ) Pr( E 1 E 2 ) Pr( E 1 ) Pr( E 2 ) ved uavhengighet Skrivemåte: E 1 =4 på første terning E 2 =3 på andre terning Pr(E 1 og E 2 ) = Pr(E 1 E 2 ) = Pr(4,3) = 1/6 1/6 91
85 Oppgave: 92
86 Oppsummering så lang (side 1-30) Frekvenstabeller og histogram Relativ frekvens (andel) og sannsynlighet Venn-diagram, gjensidig utelukkende hendelser, betinga sannsynligheter, uavhengighet 1d) (Menti.com) 94
Statistikk 1. Nico Keilman. ECON 2130 Vår 2014
Statistikk 1 Nico Keilman ECON 2130 Vår 2014 Pensum Kap 1-7.3.6 fra Løvås «Statistikk for universiteter og høgskoler» 3. utgave 2013 (eventuelt 2. utgave) Se overspringelsesliste på emnesiden Supplerende
DetaljerLærebok Robert Johnson og Patricia Kuby: Elementary Statistics, 10. utgave. Pensumoversikt. Forelesninger og øvinger
2 Lærebok Robert Johnson og Patricia Kuby: Elementary Statistics, 10. utgave ST0202 Statistikk for samfunnsvitere Bo Lindqvist Institutt for matematiske fag 3 4 Pensumoversikt Forelesninger og øvinger
DetaljerST0202 Statistikk for samfunnsvitere. Bo Lindqvist Institutt for matematiske fag
ST0202 Statistikk for samfunnsvitere Bo Lindqvist Institutt for matematiske fag 2 Lærebok Robert Johnson og Patricia Kuby: Elementary Statistics, 10. utgave 3 Pensumoversikt Kap. 2 Beskrivende statistikk,
DetaljerECON240 Vår 2018 Oppgaveseminar 1 (uke 6)
ECON240 Vår 2018 Oppgaveseminar 1 (uke 6) Oppgaver til prerequisites og kapittel 1 fra læreboken Example P.1, P.5, P.6, P.7, P.8, P.9, P.11, P.12, P.13, og P.14 Example 1.1, 1.2, 1.3, 1.4, 1.6, 1.7, 1.9,
DetaljerTerningkast. Utfallsrommet S for et terningskast med en vanlig spillterning med 6 sider er veldefinert 1, 2, 3, 4, 5, 6
Terningkast Halvor Aarnes, UiO, 2014 Innhold Ett terningkast og utfallsrom... 1 Union og snitt... 4 Betinget sannsynlighet... 5 Forventningsverdi E(X) og varianse Var(X)... 5 Konfidensintervall for proporsjoner...
DetaljerStatistikk og dataanalyse
Njål Foldnes, Steffen Grønneberg og Gudmund Horn Hermansen Statistikk og dataanalyse En moderne innføring Kapitteloversikt del 1 INTRODUKSJON TIL STATISTIKK Kapittel 1 Populasjon og utvalg 19 Kapittel
DetaljerECON240 Høst 2017 Oppgaveseminar 1 (uke 35)
ECON40 Høst 017 Oppgaveseminar 1 (uke 35) Oppgaver til prerequisites og kapittel 1 fra læreboken Example P.1, P.5, P.6, P.7, P.8, P.9, P.11, P.1, P.13, og P.14 Example 1.1, 1., 1.3, 1.4, 1.6, 1.7, 1.9,
DetaljerStatistisk beskrivelse av enkeltvariabler. SOS1120 Kvantitativ metode. Disposisjon. Datamatrisen. Forelesningsnotater 6. forelesning høsten 2005
SOS110 Kvantitativ metode Forelesningsnotater 6 forelesning høsten 005 Statistisk beskrivelse av enkeltvariabler (Univariat analyse) Per Arne Tufte Disposisjon Datamatrisen Variabler Datamatrisen Frekvensfordelinger
DetaljerDiskrete sannsynlighetsfordelinger som histogram. Varians. Histogram og kumulativ sannsynlighet. Forventning (gjennomsnitt) (X=antall mynt i tre kast)
Diskret sannsynlighetsfordeling (kap 1.1-1.6) Oversikt Utfallsrom (sample space) Sannsynlighetsfordeling Forventning (expectation), E(X), populasjonsgjennomsnitt Bruk av figurer og histogram Binomialfordelingen
DetaljerST0202 Statistikk for samfunnsvitere
ST0202 Statistikk for samfunnsvitere Bo Lindqvist Institutt for matematiske fag 2 Fra første forelesning: Populasjon Den mengden av individer/objekter som vi ønsker å analysere. Utvalg En delmengde av
DetaljerForkurs i kvantitative metoder ILP 2019
Forkurs i kvantitative metoder ILP 2019 Dag 2. Forkurs som arbeidskrav for kvantitativ deler av PED-3055 Gregor Maxwell og Bent-Cato Hustad Førsteamanuensis i spesialpedagogikk Hva lærte vi i går? Hva
DetaljerFra første forelesning:
2 Fra første forelesning: ST0202 Statistikk for samfunnsvitere Bo Lindqvist Institutt for matematiske fag opulasjon Den mengden av individer/objekter som vi ønsker å analysere. Utvalg En delmengde av populasjonen
DetaljerDiskrete sannsynlighetsfordelinger som histogram. Varians. Histogram og kumulativ sannsynlighet. Binomial-fordelingen
Diskret sannsynlighetsfordeling (kap 1.1-1.6) Oversikt Utfallsrom (sample space) Sannsynlighetsfordeling Forventning (expectation), E(, populasjonsgjennomsnitt Bruk av figurer og histogram Binomialfordelingen
DetaljerST0202 Statistikk for samfunnsvitere. Bo Lindqvist Institutt for matematiske fag
ST0202 Statistikk for samfunnsvitere Bo Lindqvist Institutt for matematiske fag 2 Lærebok Robert Johnson og Patricia Kuby: Elementary Statistics, 10. utgave 3 Pensumoversikt Kap. 2 Beskrivende statistikk,
DetaljerST0103 Brukerkurs i statistikk Høst 2014
Norges teknisk naturvitenskapelige universitet Institutt for matematiske fag ST0103 Brukerkurs i statistikk Høst 2014 Løsningsforslag Øving 1 2.1 Frekvenstabell For å lage en frekvenstabell må vi telle
DetaljerST0202 Statistikk for samfunnsvitere
ST0202 Statistikk for samfunnsvitere Kapittel 7: Utvalgsfordeling Bo Lindqvist Institutt for matematiske fag 2 Fra kapittel 1: Populasjon Den mengden av individer/objekter som vi ønsker å analysere. Utvalg
DetaljerUNIVERSITETET I OSLO
UNIVERSITETET I OSLO Det matematisk-naturvitenskapelige fakultet Eksamen i STK1000 Innføring i anvendt statistikk. Eksamensdag: Torsdag 9. oktober 2008. Tid for eksamen: 15:00 17:00. Oppgavesettet er på
DetaljerStatistikk. Forkurs 2017
Statistikk Forkurs 2017 Hva er statistikk? Undersøke Registrere Lage oversikt Presentasjon av informasjon Formidle Arbeidet med statistikk kan vi dele inn i to hovedområder: Samle inn og ordne opplysninger
DetaljerKapittel 3: Stokastiske variable og sannsynlighetsfordelinger
Kapittel 3: Stokastiske variable og sannsynlighetsfordelinger TMA4245 Statistikk (B, K1, I) 3.1, 3.2, 3.3 foreleses torsdag 15.januar 0.00 0.02 0.04 0.06 0.08 160 170 180 190 hoyde i cm Mette.Langaas@math.ntnu.no
DetaljerKapittel 1: Data og fordelinger
STK Innføring i anvendt statistikk Mandag 8. august 8 Ingrid K. lad I løpet av dette kurset skal dere bli fortrolig med statistisk tenkemåte forstå teori og metoder som ligger bak knappene/menyene i vanlige
DetaljerStatistikk. Forkurs 2018
Statistikk Forkurs 2018 Hva er statistikk? Undersøke Registrere Lage oversikt Presentasjon av informasjon Formidle Arbeidet med statistikk kan vi dele inn i to hovedområder: Samle inn og ordne opplysninger
DetaljerEt lite notat om og rundt normalfordelingen.
Et lite notat om og rundt normalfordelingen. Anta at vi har kontinuerlige data. Hva er likt og ulikt for histogrammer og fordelingskurver? Observasjoner Histogram Viser fordelingen av faktiske observerte
DetaljerUNIVERSITETET I OSLO
Deleksamen i: UNIVERSITETET I OSLO Det matematisk-naturvitenskapelige fakultet STK1000 Innføring i anvendt statistikk. Eksamensdag: Onsdag 10. oktober 2012. Tid for eksamen: 15:00 17:00. Oppgavesettet
DetaljerStatistikk er begripelig
Statistikk er begripelig men man må begynne med ABC ANOVA ANOVA er brukt til å sammenligne gjennomsnittsverdier Slik er det, selv om det er Analysis of Variance man sier BIVARIAT Bivariat analyse er godt
DetaljerBruk data fra tabellen over (utvalget) og opplysninger som blir gitt i oppgavene og svar på følgende spørsmål:
Frafall fra videregende skole (VGS) er et stort problem. Bare ca 70% av elevene som begynner p VGS fullfører og bestr i løpet av 5 r. For noen elever er skolen s lite attraktiv at de velger slutte før
DetaljerDataanalyse. Hva er en dataanalyse og hvordan gå frem for å gjennomføre en dataanalyse av det innsamlede datagrunnlaget fra en feltundersøkelse?
Hva er en dataanalyse og hvordan gå frem for å gjennomføre en dataanalyse av det innsamlede datagrunnlaget fra en feltundersøkelse? Skrevet av: Kjetil Sander Utgitt av: estudie.no Revisjon: 1.0 (Sept.
DetaljerEt lite notat om og rundt normalfordelingen. Anta at vi har kontinuerlige data. Hva er likt og ulikt for histogrammer og fordelingskurver?
Et lite notat om og rundt normalfordelingen. Anta at vi har kontinuerlige data. Hva er likt og ulikt for histogrammer og fordelingskurver? Boka (Ch 1.4) motiverer dette ved å gå fra histogrammer til tetthetskurver.
DetaljerOppfriskning av blokk 1 i TMA4240
Oppfriskning av blokk 1 i TMA4240 Geir-Arne Fuglstad November 21, 2016 2 Hva har vi gjort i dette kurset? Vi har studert to sterkt relaterte grener av matematikk Sannsynlighetsteori: matematisk teori for
DetaljerSannsynlighetsregning og Statistikk.
Sannsynlighetsregning og Statistikk. Leksjon Velkommen til dette kurset i sannsynlighetsregning og statistikk! Vi vil som lærebok benytte Gunnar G. Løvås:Statistikk for universiteter og høyskoler. I den
DetaljerEt lite notat om og rundt normalfordelingen.
Et lite notat om og rundt normalfordelingen. Anta at vi har kontinuerlige data. Hva er likt og ulikt for histogrammer og fordelingskurver? Observasjoner Histogram Viser fordelingen av faktiske observerte
DetaljerÅMA110 Sannsynlighetsregning med statistikk, våren
ÅMA110 Sannsynlighetsregning med statistikk, våren 2006 Oppsummering Bjørn H. Auestad Institutt for matematikk og naturvitenskap Universitetet i Stavanger 24. april Bjørn H. Auestad Oppsummering våren
DetaljerTMA4245 Statistikk Eksamen desember 2016
Norges teknisk-naturvitenskapelige universitet Institutt for matematiske fag TMA4245 Statistikk Eksamen desember 2016 Oppgave 1 En bedrift produserer elektriske komponenter. Komponentene kan ha to typer
DetaljerSTK1000 Uke 36, Studentene forventes å lese Ch 1.4 ( ) i læreboka (MMC). Tetthetskurver. Eksempel: Drivstofforbruk hos 32 biler
STK1000 Uke 36, 2016. Studentene forventes å lese Ch 1.4 (+ 3.1-3.3 + 3.5) i læreboka (MMC). Tetthetskurver Eksempel: Drivstofforbruk hos 32 biler Fra histogram til tetthetskurver Anta at vi har kontinuerlige
DetaljerInnhold. Innledning. Del I
Del I Innledning 1 Hva er statistikk?... 19 1.1 Bokas innhold 20 1.1.1 Noen eksempler 20 1.1.2 Historie 23 1.1.3 Bokas oppbygning 25 1.2 Noen viktige begreper 26 1.2.1 Populasjon og utvalg 26 1.2.2 Variasjon
DetaljerDeskriptiv statistikk., Introduksjon til dataanalyse
Introduksjon til dataanalyse Deskriptiv statistikk 2 Kapittel 1 Denne timen og delvis forrige time er inspirert av Kapittel 1, men vi kommer ikke til å gå igjennom alt fra dette kapittelet i forelesning.
DetaljerDeskriptiv statistikk., Introduksjon til dataanalyse
Introduksjon til dataanalyse Deskriptiv statistikk 2 Kapittel 1 Denne timen og delvis forrige time er inspirert av Kapittel 1, men vi kommer ikke til å gå igjennom alt fra dette kapittelet i forelesning.
DetaljerKapittel 4.4: Forventning og varians til stokastiske variable
Kapittel 4.4: Forventning og varians til stokastiske variable Forventning og varians til stokastiske variable Histogrammer for observerte data: Sannsynlighets-histogrammer og tetthetskurver for stokastiske
DetaljerEksamensoppgave i TMA4240 Statistikk
Institutt for matematiske fag Eksamensoppgave i TMA4240 Statistikk Faglig kontakt under eksamen: Mette Langaas a, Ingelin Steinsland b, Geir-Arne Fuglstad c Tlf: a 988 47 649, b 926 63 096, c 452 70 806
DetaljerUNIVERSITETET I OSLO
Deleksamen i: UNIVERSITETET I OSLO Det matematisk-naturvitenskapelige fakultet STK1000 Innføring i anvendt statistikk. Eksamensdag: Onsdag 13. oktober 2010. Tid for eksamen: 15:00 17:00. Oppgavesettet
DetaljerIllustrasjon av regel 5.19 om sentralgrenseteoremet og litt om heltallskorreksjon (som i eksempel 5.20).
Econ 130 HG mars 017 Supplement til forelesningen 7. februar Illustrasjon av regel 5.19 om sentralgrenseteoremet og litt om heltallskorreksjon (som i eksempel 5.0). Regel 5.19 sier at summer, Y X1 X X
DetaljerØVINGER 2017 Løsninger til oppgaver. Øving 1
ØVINGER 017 Løsninger til oppgaver Øving 1.1. Frekvenstabell For å lage en frekvenstabell må vi telle antall observasjoner av hvert antall henvendelser. Siden antall henvendelser på en gitt dag alltid
DetaljerOppgaver til Studentveiledning 4 MET 3431 Statistikk
Oppgaver til Studentveiledning 4 MET 3431 Statistikk 8. mai 2012 kl 17.15-20.15 i B2 Handelshøyskolen BI 2 Oppgaver 1. Eksamensoppgaver: Eksamen 22/11/2011: Oppgave 1-7. Eksamensoppgaven fra 11/2011 er
DetaljerTMA4240 Statistikk H2010
TMA4240 Statistikk H2010 2.8: Bayes regel 3.1: Stokastisk variabel 3.2: Diskrete sannsynlighetsfordelinger 3.3: Kontinuerlige sannsynlighetsfordelinger Mette Langaas Foreleses onsdag 1. september 2010
Detaljer1 Sec 3-2: Hvordan beskrive senteret i dataene. 2 Sec 3-3: Hvordan beskrive spredningen i dataene
1 Sec 3-2: Hvordan beskrive senteret i dataene 2 Sec 3-3: Hvordan beskrive spredningen i dataene Todeling av statistikk Deskriptiv statistikk Oppsummering og beskrivelse av den stikkprøven du har. Statistisk
DetaljerForelesning 5: Kontinuerlige fordelinger, normalfordelingen. Jo Thori Lind
Forelesning 5: Kontinuerlige fordelinger, normalfordelingen Jo Thori Lind j.t.lind@econ.uio.no Oversikt 1. Kontinuerlige fordelinger 2. Uniform fordeling 3. Normal-fordelingen 1. Kontinuerlige fordelinger
DetaljerST0202 Statistikk for samfunnsvitere
ST0202 Statistikk for samfunnsvitere Introduksjon til ST0202 Kapittel 1: Statistikk Kapittel 2: Beskrivende analyse og presentasjon av data for én variabel Bo Lindqvist Institutt for matematiske fag http://wiki.math.ntnu.no/st0202/2012h/start
DetaljerUtvalgsfordelinger; utvalg, populasjon, grafiske metoder, X, S 2, t-fordeling, χ 2 -fordeling
Kapittel 8 Utvalgsfordelinger; utvalg, populasjon, grafiske metoder, X, S 2, t-fordeling, χ 2 -fordeling TMA4240 H2006: Eirik Mo 2 Til nå... Definert sannsynlighet og stokastiske variabler (kap. 2 & 3).
DetaljerDataens tidsalder. Hvorfor data? Data, data, data. STK1000 Innføring i anvendt statistikk. Tirsdag 24. august 2010
STK1000 Innføring i anvendt statistikk Tirsdag 24. august 2010 Geir Storvik (modifisert etter I. Glad s tidligere presentasjon) 1 Data, data, data Genetiske data World Wide Web Overvåkning Medisinske bilder
DetaljerLøsningsforslag ECON 2130 Obligatorisk semesteroppgave 2017 vår
Løsningsforslag ECON 130 Obligatorisk semesteroppgave 017 vår Andreas Myhre Oppgave 1 1. (i) Siden X og Z er uavhengige, vil den simultane fordelingen mellom X og Z kunne skrives som: f(x, z) = P(X = x
DetaljerKort overblikk over kurset sålangt
Kort overblikk over kurset sålangt Kapittel 1: Deskriptiv statististikk for en variabel Kapittel 2: Deskriptiv statistikk for samvariasjon mellom to variable (regresjon) Kapittel 3: Metoder for å innhente
DetaljerLoven om total sannsynlighet. Bayes formel. Testing for sykdom. ST0202 Statistikk for samfunnsvitere
2 Loven om total sannsynlighet La A og Ā være komplementære hendelser, mens B er en annen hendelse. Da er: P(B) P(B oga)+p(b ogā) P(B A)P(A)+P(B Ā)P(Ā) ST0202 Statistikk for samfunnsvitere Bo Lindqvist
DetaljerForelening 1, kapittel 4 Stokastiske variable
Forelening 1, kapittel 4 Stokastiske variable Eksempel X = "antall kron på kast med to mynter (før de er kastet)" Uniformt utfallsrom {MM, MK, KM, KK}. X = x beskriver hendelsen "antall kron på kast med
DetaljerFordelinger, mer om sentralmål og variasjonsmål. Tron Anders Moger
Fordelinger, mer om sentralmål og variasjonsmål Tron Anders Moger 20. april 2005 1 Forrige gang: Så på et eksempel med data over medisinerstudenter Lærte hvordan man skulle få oversikt over dataene ved
DetaljerLøsningskisse for oppgaver til undervisningsfri uke 8 ( februar 2012)
1 ECON 130 HG - februar 01 Løsningskisse for oppgaver til undervisningsfri uke 8 (0.-. februar 01) Oppg..1. Variabel: x = antall kundehenvendelser pr. dag 1. Antall observasjoner: n = 100 dager. I Excel
DetaljerIntroduksjon til statistikk og dataanalyse. Arild Brandrud Næss TMA4240 Statistikk NTNU, høsten 2013
Introduksjon til statistikk og dataanalyse Arild Brandrud Næss TMA4240 Statistikk NTNU, høsten 2013 Introduksjon til statistikk og dataanalyse Hollywood-filmer fra 2011 135 filmer Samla budsjett: $ 7 166
DetaljerForelesning 7 Statistiske beskrivelser av enkeltvariabler. Mål for sentraltendens
Forelesning 7 Statistiske beskrivelser av enkeltvariabler Statistiske mål for univariate fordelinger: Sentraltendens Verdien for fordelingens tyngdepunkt Spredning Hvor nært opp til tyngdepunktet ligger
Detaljerting å gjøre å prøve å oppsummere informasjonen i Hva som er hensiktsmessig måter å beskrive dataene på en hensiktsmessig måte.
Kapittel : Beskrivende statistikk Etter at vi har samlet inn data er en naturlig første ting å gjøre å prøve å oppsummere informasjonen i dataene på en hensiktsmessig måte. Hva som er hensiktsmessig måter
DetaljerKapittel 3: Studieopplegg
Oversikt over pensum Kapittel 1: Empirisk fordeling for en variabel o Begrepet fordeling o Mål for senter (gj.snitt, median) + persentiler/kvartiler o Mål for spredning (Standardavvik s, IQR) o Outliere
DetaljerSensorveiledning: skoleeksamen i SOS Kvantitativ metode
Sensorveiledning: skoleeksamen i SOS1120 - Kvantitativ metode Tirsdag 30. mai 2016 (4 timer) Poenggivning og karakter I del 1 gis det ett poeng for hvert riktige svar. Ubesvart eller feil svar gis 0 poeng.
DetaljerÅMA110 Sannsynlighetsregning med statistikk, våren 2008
ÅMA0 Sannsynlighetsregning med statistikk, våren 008 Kp. Sannsynlighetsregning (sannsynlighetsteori).5 Betinget sannsynlighet Betinget sannsynlighet (kp..5) - innledning Eks.: Et terningkast; {,, 3, 4,
DetaljerÅMA110 Sannsynlighetsregning med statistikk, våren 2010. ÅMA110 Sannsynlighetsregning med statistikk, våren 2010
ÅMA Sannsynlighetsregning med statistikk, våren Kp. Diskrete tilfeldige variable ÅMA Sannsynlighetsregning med statistikk, våren Kp. Diskrete tilfeldige variable Diskrete tilfeldige variable, innledning
DetaljerForelesning 23 og 24 Wilcoxon test, Bivariate Normal fordeling
Forelesning 23 og 24 Wilcoxon test, Bivariate Normal fordeling Wilcoxon Signed-Rank Test I uke, bruker vi Z test eller t-test for hypotesen H:, og begge tester er basert på forutsetningen om normalfordeling
DetaljerUNIVERSITETET I OSLO Det matematisk-naturvitenskapelige fakultet
UNIVERSITETET I OSLO Det matematisk-naturvitenskapelige fakultet Underveiseksamen i: STK1000 Innføring i anvendt statistikk. Eksamensdag: Onsdag 28/3, 2007. Tid for eksamen: Kl. 09.00 11.00. Tillatte hjelpemidler:
DetaljerÅMA110 Sannsynlighetsregning med statistikk, våren 2010 Oppsummering
ÅMA110 Sannsynlighetsregning med statistikk, våren 2010 Oppsummering Bjørn H. Auestad Institutt for matematikk og naturvitenskap Universitetet i Stavanger 21. april Bjørn H. Auestad Oppsummering våren
DetaljerLærebok Robert Johnson og Patricia Kuby: Elementary Statistics, 10. utgave. Pensumoversikt. Oversikt. ST0202 Statistikk for samfunnsvitere
2 Lærebok Robert Johnson og Patricia Kuby: Elementary Statistics, 10. utgave ST0202 Statistikk for samfunnsvitere Bo Lindqvist Institutt for matematiske fag 3 4 Pensumoversikt Oversikt Kap. 2 Beskrivende
DetaljerSeksjon 1.3 Tetthetskurver og normalfordelingen
Seksjon 1.3 Tetthetskurver og normalfordelingen Har sett på ulike metoder for å plotte eller oppsummere data ved tall Vil nå starte på hvordan beskrive data ved modeller Hovedmetode er tetthetskurver Tetthetskurver
DetaljerST0202 Statistikk for samfunnsvitere
ST0202 Statistikk for samfunnsvitere Bo Lindqvist Institutt for matematiske fag 2 Loven om total sannsynlighet La A og Ā være komplementære hendelser, mens B er en annen hendelse. Da er: P(B) =P(B oga)+p(b
DetaljerAnalyseoversikt, Uke 35
Analyseoversikt, Uke 35 STK1000 Uke 35, 2016. Studentene forventes å lese Ch 1.1-1.3 i læreboka (MMC). Avsnittet om Stem-and-leaf-plot er ikke pensum. Ulike typer data Kategoriske data MMC: «Kvalitative
DetaljerStatistikk i klinikken. Arild Vaktskjold 2015
Statistikk i klinikken Arild Vaktskjold 2015 Kvantitativ forskningsmetode Alt tallfestes, selv kvalitative iakttakelser Målenivå Tall kan klassifiseres forskjellig Målte tallverdier kan anvendes med nøyaktighet
DetaljerDEL 1 GRUNNLEGGENDE STATISTIKK
INNHOLD 1 INNLEDNING 15 1.1 Parallelle verdener........................... 18 1.2 Telle gunstige.............................. 20 1.3 Regneverktøy og webstøtte....................... 22 1.4 Oppgaver................................
DetaljerMET 3431: Statistikk (våren 2011) Introduksjon. Genaro Sucarrat. Institutt for samfunnsøkonomi, BI. http://www.sucarrat.net/teaching/met3431/v2011/
MET 3431: Statistikk (våren 2011) Introduksjon Genaro Sucarrat Institutt for samfunnsøkonomi, BI http://www.sucarrat.net/teaching/met3431/v2011/ Sist endret: 11. januar 2011 1 Praktisk info 2 Typer data
DetaljerKan vi stole på resultater fra «liten N»?
Kan vi stole på resultater fra «liten N»? Olav M. Kvalheim Universitetet i Bergen Plan for dette foredraget Hypotesetesting og p-verdier for å undersøke en variabel p-verdier når det er mange variabler
DetaljerSnøtetthet. Institutt for matematiske fag, NTNU 15. august Notat for TMA4240/TMA4245 Statistikk
Snøtetthet Notat for TMA424/TMA4245 Statistikk Institutt for matematiske fag, NTNU 5. august 22 I forbindelse med varsling av om, klimaforskning og særlig kraftproduksjon er det viktig å kunne anslå hvor
DetaljerAnalyse av kontinuerlige data. Intro til hypotesetesting. 21. april 2005. Seksjon for medisinsk statistikk, UIO. Tron Anders Moger
Intro til hypotesetesting Analyse av kontinuerlige data 21. april 2005 Tron Anders Moger Seksjon for medisinsk statistikk, UIO 1 Repetisjon fra i går: Normalfordelingen Variasjon i målinger kan ofte beskrives
DetaljerSOS1120 Kvantitativ metode. Regresjonsanalyse. Lineær sammenheng II. Lineær sammenheng I. Forelesningsnotater 11. forelesning høsten 2005
SOS1120 Kvantitativ metode Regresjonsanalyse Forelesningsnotater 11. forelesning høsten 2005 Per Arne Tufte Lineær sammenheng I Lineær sammenheng II Ukelønn i kroner 4000 3500 3000 2500 2000 1500 1000
DetaljerBetinget sannsynlighet
Betinget sannsynlighet Multiplikasjonsloven for sannsynligheter (s. 49 i bok): P( AB ) = P( A B ) P(B) Veldig viktig verktøy for å finne sannsynligheter for snitt. (Bevises ved rett fram manipulering av
DetaljerOppgaver til Studentveiledning 3 MET 3431 Statistikk
Oppgaver til Studentveiledning 3 MET 3431 Statistikk 24. april 2012 kl 17.15-20.15 i B2 Handelshøyskolen BI 2 Oppgaver 1. Eksamensoppgaver: Eksamen 01/06/2011: Oppgave 1-7. Eksamensoppgaven fra 06/2011
DetaljerSkoleeksamen i SOS Kvantitativ metode
Skoleeksamen i SOS1120 - Kvantitativ metode Hjelpemidler Ordbok Alle typer kalkulatorer Tirsdag 30. mai 2017 (4 timer) Lærerbok (det er mulig mulig å ha med en annen, tilsvarende pensumbok, som erstatning
DetaljerST0202 Statistikk for samfunnsvitere
ST0202 Statistikk for samfunnsvitere Bo Lindqvist Institutt for matematiske fag Situasjonen er som i quiz-eksempelet: n = 4, p = 1/3 ( suksess betyr å gjette riktig alternativ), q = 2/3. Oppgave: Finn
DetaljerTabell 1: Beskrivende statistikker for dataene
Norges teknisk-naturvitenskapelige universitet Institutt for matematiske fag Øving nummer 7, blokk II Løsningsskisse Oppgave 1 a) Utfør en beskrivende analyse av datasettet % Data for Trondheim: TRD_mean=mean(TRD);
DetaljerST1101/ST6101 Sannsynlighetsregning og statistikk Vår 2019
Norges teknisk naturvitenskapelige universitet Institutt for matematiske fag ST/ST Sannsynlighetsregning og statistikk Vår 9 Oppgaver fra boka 3..9 Ved et terningkast anses utfallet antall øyne lik for
DetaljerTest, 3 Sannsynlighet og statistikk
Test, 3 Sannsynlighet og statistikk Innhold 3. Stokastiske variabler og sannsynlighetsfordelinger... 3. Forventningsverdi, varians og standardavvik... 5 3.3 Normalfordelingen... 4 3.4 Sentralgrensesetningen...
DetaljerGruppe 1 Gruppe 2 Gruppe a) Finn aritmetisk gjennomsnitt, median, modus og standardavvik for gruppe 2.
Sensurveiledning Ped 3001 h12 Oppgave 1 Er det sammenheng mellom støtte fra venner og selvaktelse hos ungdom? Dette spørsmålet ønsket en forsker å undersøke. Han samlet data på 9. klassingers opplevde
DetaljerInnhold. Innledning. Del I
Innhold Del I Innledning 1 Hva er statistikk?...17 1.1 Bokas innhold 18 1.1.1 Noen eksempler 18 1.1.2 Historie 21 1.1.3 Bokas oppbygning 22 1.2 Noen viktige begreper 23 1.2.1 Populasjon og utvalg 23 1.2.2
DetaljerØving 1 TMA4245 - Grunnleggende dataanalyse i Matlab
Øving 1 TMA4245 - Grunnleggende dataanalyse i Matlab For grunnleggende bruk av Matlab vises til slides fra basisintroduksjon til Matlab som finnes på kursets hjemmeside. I denne øvingen skal vi analysere
DetaljerST0202 Statistikk for samfunnsvitere Introduksjon til ST0202 høsten 2012 Kapittel 1: Statistikk
ST0202 Statistikk for samfunnsvitere Introduksjon til ST0202 høsten 2012 Kapittel 1: Statistikk Bo Lindqvist Institutt for matematiske fag http://wiki.math.ntnu.no/st0202/2012h/start 2 Lærebok Robert Johnson
DetaljerSTUDIEÅRET 2016/2017. Individuell skriftlig eksamen i STA 200- Statistikk. Torsdag 27. april 2017 kl
STUDIEÅRET 2016/2017 Individuell skriftlig eksamen i STA 200- Statistikk Torsdag 27. april 2017 kl. 10.00-12.00 Hjelpemidler: Kalkulator og formelsamling som blir delt ut på eksamen Eksamensoppgaven består
Detaljerstatistikk, våren 2011
ÅMA110 Sannsynlighetsregning med statistikk, våren 011 Kp. 3 Diskrete tilfeldige variable 1 Diskrete tilfeldige variable, innledning Hva er en tilfeldig variabel (stokastisk variabel)? Diskret tilfeldig
DetaljerUNIVERSITETET I OSLO
UNIVERSITETET I OSLO Det matematisk-naturvitenskapelige fakultet Eksamen i STK1000 Innføring i anvendt statistikk. Eksamensdag: Onsdag 7. oktober 2009. Tid for eksamen: 15:00 17:00. Oppgavesettet er på
DetaljerBeskrivende statistikk.
Obligatorisk oppgave i Statistikk, uke : Beskrivende statistikk. 1 Høgskolen i Gjøvik Avdeling for teknologi, økonomi og ledelse. Statistikk Ukeoppgaver uke I løpet av uken blir løsningsforslag lagt ut
DetaljerUNIVERSITETET I OSLO
UNIVERSITETET I OSLO Det matematisk-naturvitenskapelige fakultet Deleksamen i: STK1000 Innføring i avvendt statistikk Eksamensdag: Onsdag 7. oktober 2015 Tid for eksamen: 11.00 13.00 Oppgavesettet er på
DetaljerSannsynlighet og statistikk
Sannsynlighet og statistikk Innhold Kompetansemål Sannsynlighet og statistikk, S... 3. Stokastiske variabler og sannsynlighetsfordelinger... 3 Stokastisk forsøk... 3 Definisjon av sannsynlighet og sannsynlighetsmodell...
DetaljerUtvalgsfordelinger. Utvalg er en tilfeldig mekanisme. Sannsynlighetsregning dreier seg om tilfeldige mekanismer.
Utvalgsfordelinger Vi har sett at utvalgsfordelinger til en statistikk (observator) er fordelingen av verdiene statistikken tar ved mange gjenttatte utvalg av samme størrelse fra samme populasjon. Utvalg
DetaljerKapittel 4.3: Tilfeldige/stokastiske variable
Kapittel 4.3: Tilfeldige/stokastiske variable Litt repetisjon: Sannsynlighetsteori Stokastisk forsøk og sannsynlighet Tilfeldig fenomen Individuelle utfall er usikre, men likevel et regulært mønster for
DetaljerÅMA110 Sannsylighetsregning og statistikk Løsningsforslag til eksamen høst 2010, s. 1. Oppgave 1. Histogram over frekvenser.
ÅMA1 Sannsylighetsregning og statistikk Løsningsforslag til eksamen høst 0, s. 1 (Det tas forbehold om feil i løsningsforslaget.) a) Gjennomsnitt: x = 1 Emp. standardavvik: Median: 1 (1.33 + 1.) = 1.35
DetaljerØving 1 TMA4240 - Grunnleggende dataanalyse i Matlab
Øving 1 TMA4240 - Grunnleggende dataanalyse i Matlab For grunnleggende introduksjon til Matlab, se kursets hjemmeside https://wiki.math.ntnu.no/tma4240/2015h/matlab. I denne øvingen skal vi analysere to
DetaljerUNIVERSITETET I OSLO
Deleksamen i: UNIVERSITETET I OSLO Det matematisk-naturvitenskapelige fakultet STK1000 Innføring i anvendt statistikk. Eksamensdag: Onsdag 12. oktober 2011. Tid for eksamen: 15:00 17:00. Oppgavesettet
DetaljerECON Statistikk 1 Forelesning 4: Stokastiske variable, fordelinger. Jo Thori Lind
ECON2130 - Statistikk 1 Forelesning 4: Stokastiske variable, fordelinger Jo Thori Lind j.t.lind@econ.uio.no Oversikt 1. Betinget sannsynlighet 2. Stokastiske variable 3. Forventning og varians 4. Regneregler
DetaljerST0202 Statistikk for samfunnsvitere
ST0202 Statistikk for samfunnsvitere Bo Lindqvist Institutt for matematiske fag 2 Tilfeldige variable (5.2) Dersom vi til hvert utfall av eksperimentet tilordner et tall, har vi laget en tilfeldig variabel.
DetaljerStatistikk for språk- og musikkvitere 1
Statistikk for språk- og musikkvitere 1 Mitt navn: Åsne Haaland, Vitenskapelig databehandling USIT Ikke nøl, avbryt med spørsmål! Hva oppnår en med statistikk? Få oversikt over data: typisk verdi, spredning,
Detaljer