Medisinsk statistikk del I KLMED 8004, Høst 2008
|
|
- Kjell Løkken
- 7 år siden
- Visninger:
Transkript
1 Medisinsk statistikk del I KLMED 8004, Høst 008 Eirik Skogvoll Overlege/.amanuensis dr.med. Det medisinske fakultet, NTNU Klinikk for anestesi og akuttmedisin, St. Olavs Hospital Trondheim Innføring i medisinsk statistikk Del I - en variabel Deskriptiv statistikk Grafisk fremstilling Sannsynlighet Tilfeldig variabel Sannsynlighetsfordeling Hypotesetesting Konfidensintervall Ett- og to-utvalgsproblem Ikke-parametriske metoder Del II flervariabel Tabellanalyse Korrelasjonsanalyse Regresjon ANOVA Epidemiologiske metoder Overlevelsesanalyse Logistisk regresjon
2 Statistikk-kurs ved DMF KLMED8004 Medisinsk statistikk del I. Høst - Dr. grads studenter, master helsevitenskap KLMED8005 Medisinsk statistikk del II. Vår - Dr. grads studenter KLMED8006 Anvendt medisinsk statistikk. Vår Seminarserie. - Dr. grads studenter. Enkeltforelesninger kan følges med utbytte. 3 Hva kursene ikke handler om... Registrering, håndtering og manipulering av data generelt Oppbygging av databaser, kobling mot diagnoseregistre Utforming og tolkning av spørreskjema Epidemiologi 4
3 Dag Praktisk om kurset Hva er statistikk? Statistisk terminologi og notasjon Deskriptiv statistikk Grafisk fremstilling 5 Praktisk... Kursets hjemmeside: Forelesning onsdager kl Sted: vanligvis 90 bygget. Sjekk hjemmesiden. Tillegg: Innføring i R (5.08), Stata (7.08), SPSS (0.09) Se hjemmesiden for detaljer og litteraturforslag. Kursleder:.am Eirik Skogvoll, AKF, tlf Kurssekretær: Inger Ådnøy, IKM, tlf
4 Praktisk... 3 obligatoriske øvinger, hver med 8 deloppgaver anvendelse av teori (referanse for senere bruk). sikrer jevnt arbeid underveis gruppevis samarbeid og innlevering Grupper á ca 7 personer: Gruppen arbeider selvstendig med oppgaven før veiledning (min. samlinger anbefales) Veiledning ca. hver 3 uke (39, 44 og 47). Felles veiledning for to og to grupper: +: Mandag : Onsdag (In English) 5+6: Onsdag : Onsdag : Onsdag Obligatorisk oppmøte! Skal avklare problemer som ennå ikke er løst 7 Praktisk... Veileder vil... notere oppmøte, motta gruppens øvinger, rette, godkjenne og returnere til gruppekontakt. Hver deltaker skal sikre seg en (godkjent) kopi. 8 4
5 Evaluering Ingen egentlig eksamen. Øvingene danner grunnlag for godkjent kurs! Framlegg av oppgaver (5 min, faglærer og sensor): Komplett øvingssett skal legges fram Én oppgave (blant 4) trekkes ut og presenteres... 9 Hva er statistikk? Statistics (eng.) betyr: Statistikk i vanlig forstand (tabeller, tellinger, statistisk årbok ) En gren av matematikken med egen terminologi og metode Tallstørrelser beregnet fra et utvalg (middelverdi, median, empirisk varians, rekkevidde etc. ikke noe helt godt norsk ord for dette: observator ) 0 5
6 Hva er statistikk? «Generelt er statistikk det vitenskapelige verktøy som brukes for å trekke slutninger ( ) basert på data som er beheftet med usikkerhet.» Årsberetning, Institutt for matematikk og statistikk, Universitetet i Trondheim, 994 Hva er statistikk? «Data have no meaning in themselves; they are meaningful only in relation to a conceptual model of the phenomenon studied.» Box, Hunter & Hunter: Statistics for experimenters, Wiley 978 6
7 Hva er statistikk? «I am dismayed by how often my clients ask whether a particular approach would be "legal" or "against the rules" rather than "accurate" or "misleading." This misunderstanding of statistics as a body of seemingly arbitrary dogma leads many ( ) to perceive violations even when the research has not actually been harmed.» Professor Peter Bacchetti, Dept. of Epidemiology and Biostatistics, University of California (BMJ, 00) 3 Statistisk terminologi Populasjon Utvalg Variabel Sannsynlighetsfordeling Parameter 4 7
8 Populasjon og utvalg (sample) Populasjon Fenomen Utvalg Observasjoner (datainnsamling) Tolkning (inferens) Måling Modell statistisk analyse 5 Variabel Definisjon: En observasjon (en størrelse) som ikke er konstant, men kan ta forskjelluge verdier Numerisk variabel Kontinuerlig: kan anta alle verdier på tallinjen Eksempler: Vekt (g) Høyde (cm) inntekt (kr) Diskret: kun hele tall er mulig Eksempler: Celler pr. synsfelt Antall døde Resultat av terningkast 6 8
9 Variabel Numerisk variabel Andre aspekter. Naturlig nullpunkt? Eksempel: 00 K er dobbelt av 00 K, mens 30 C ikke er dobbelt så varmt som 5 C Sensurert observasjon? Vet bare om den er over eller under en viss grenseverdi. Eksempler: CRP < 5 mg/l (deteksjonsgrense) Overlevelsestid > 0 dager (siste kontroll) 7 Variabel Kategorisk variabel Ordinal: rangorden, men ikke definert avstand ( 3 er mer enn, men hvor mye mer? ) Eksempler: APGAR score (0-0), NYHA-klassifisering (I-IV) Nominal: ingen ordning Eksempler: livssyn (jøde, muslim, kristen, ateist, buddhist) kjønn (gutt, jente) bosted (by, tettsted, landsbygd) 8 9
10 Variabel Stokastisk (tilfeldig) variabel kan anta forskjellige verdier. Beskrives matematisk med sannsynlighetsfordeling (normal-, χ, etc.) Avhengig variabel, utfallsvariabel stokastisk, den vi måler og er interessert i Uavhengig variabel kjent, determinert, vanligvis ikke stokastisk, evt. grupperingsvariabel. 9 Sannsynlighetsfordeling En beskrivelse av hvilke verdier en tilfeldig variabel kan ta, og sannsynligheten for hver enkelt verdi teoretisk 0,5 0,4 0,3 0, 0, Et histogram beskriver empirisk (observert) hyppighet 0, Z
11 Parameter En fast tallstørrelse, en konstant Bestemmer form og egenskaper til en sannsynlighetsfordeling Eksempel: variabelen høyde er normalfordelt med to parametre: forventningsverdi (μ) og varians (σ ) Estimeres (beregnes) som regel fra data Parameter variabel! Variabel vs. parameter Likning for en rett linje: Y = α + βx.5 Y = X.5 Y Avhengig og uavhengig variabel? Parameter (e)? X
12 Deskriptiv statistikk Spredningsmål (variasjon, form, shape ) Oppsummere datamaterialet v.hj.a. noen få, meningsfylte størrelser (tall): Sentraltendens (ofte middelverdi) Spredningsmål (ofte standard avvik) Sentraltendens (gjennomsnitt, tyngdepunkt, posisjon, location ) 3 Mål på sentraltendens Aritmetisk middelverdi Justert (trimmet) middelverdi Median Mode (Midrange) (Geometrisk middelverdi) Sentraltendens (gjennomsnitt, tyngdepunkt, posisjon, location ) 4
13 Aritmetisk middelverdi Synonymer Gjennomsnitt Middelverdi Mean value Sample mean Utvalgsmiddelverdi Empirisk middelverdi Definisjon (Rosner def.., s. 9) x x + x x n n = = xi n n i = 5 Aritmetisk middelverdi Egenskaper Alle observasjoner må være kjent Observasjonene trenger ikke ordnes etter størrelse Matematisk gunstig Følsom for outliers : ekstreme, utypiske observasjoner Definisjon (Rosner def.., s. 9) x x + x x n n = = xi n n i = 6 3
14 Eksempel (Rosner expl..4, s.) (fra Rosner table., s.0) 365 g g g x = = 366,9 g 0 Hvis x = 500 g istedet for 365 g g g g x = = 308,7 g 0... en rel.stor endring på grunn av en enkelt observasjon 7 Aritmetisk middelverdi Egenskaper Ikke definert for sensurerte observasjoner Middelverdi fra flere utvalg kan kombineres: x = k n x n x + n x j n j j= n n = k n + n n j j= n x n k k nk I det lange løp vil middelverdien konvergere mot forventningsverdien til den tilfeldige variabel E( X ) = μ = lim n n xi n i= 8 4
15 Eksempel. Kombinasjon av flere middelverdier : x = 8,4 x = 7,9 x = 9,5 3 x = 5, 4 x = k j= k j= x n j n j n = n = n = 6 3 n = 5 4 nx = n + n x n + n n (dvs. k = 4) n x n 8,4 + 7, , , = ,8 + 96, ,5 89, = = = 5, k k nk 9 Justert (trimmet) middelverdi Aritmetisk middelverdi basert på de sentrale % av observasjonene; halene (5-0 %) er trimmet bort Mindre følsom for ekstreme observasjoner 30 5
16 Median Synonym 50 percentil empirisk median Egenskaper Observasjonene ordnes i stigende rekkefølge Median = den verdien som deler materialet i to Ufølsom for ekstreme observasjoner Transformasjon : x x i ordnes ( i) 3 Eksempel (Rosner expl..5, s. ) (fra Rosner table., s. 0) x = 365 x = 360 x3 = 345 x = Ordnet i stigende rekkefølge: x x x () () (3) (4) = 069 = 58 = 759 x =
17 Median Egenskaper Inntil halvparten av observasjonene kan være sensurerte Ugunstig matematisk! Median fra flere utvalg kan ikke kombineres Definisjon (Rosner def.., s. ) () Hvis ulike antall observasjoner ( n = 3, 5, 7...) x = x n+ () Hvis like antall observasjoner ( n =, 4, 6...) x = x + x n n+ (andre definisjoner kan forekomme) 33 Median Eksempel (Rosner expl..6, s.) (fra Rosner table., s. ) n = 9, så definisjon () benyttes: x = x = x = x = x = 8 n ( 5) 34 7
18 Median Eksempel (Rosner expl..5, s.) (fra Rosner table., s. 0) n = 0, så definisjon () benyttes: x + x x + x n n x ( 0) + x ( ) 345 g g x = = = = = 346,5 g 35 Mode Rosner def..3 Den observasjon som forekommer hyppigst. Rosner eks..7, s. 3 Mode =
19 Mode Lite i bruk. Ugunstig matematisk. Mer abstrakt: unimodal fordeling (en topp ), bimodal (to topper) osv. Eksempel på bimodal sannsynlighetsfordeling (Zar 999, fig. 3. b) 37 Mål på sentral tendens - sammenstilling Unimodal, symmetrisk Bimodal, symmetrisk Unimodal, høyre (pos.) -skjev Unimodal, venstre (neg.) -skjev 38 9
20 Spredningsmål Rekkevidde (range) Kvantiler, percentiler: interkvartil avstand Varians Standard avvik Variasjonskoeffisient Spredningsmål (variasjon, form, shape ) Rekkevidde Synonym Range Variasjonsbredde Egenskaper Samme enhet som observasjonene Benytter bare to av dem Følsom for ekstreme observasjoner Øker med utvalgsstørrelsen n Definisjon (BR def..5, s. 8) Range = X X ( n) () Eksempel (BR expl..4, s. 8) (fra BR table., s. 0) Range = x x = 446 g 069 g = 077 g (0) () 40 0
21 Rekkevidde (range) Eksempel (BR expl..5, s. 8) (fra BR Fig.4, s. 8) Range (auto-) = x x = 6 mg/dl 77 mg/dl = 49 mg/dl (5) () Range (micro-) = x x = 09 mg/dl 9 mg/dl = 7 mg/dl (5) () 4 Kvantiler og percentiler Definisjon (Rosner def.6) Den tallverdi V p som har p andel av (de ordnede) observasjonene under seg, 0 < p < (En observasjon teller omtrent /n -del. Hvis n = 00 teller hver observasjon %. Observasjon nr. 0 svarer da til 0- percentilen.) Formelt n ordnede observasjoner : X () V () V p p = X X = (k+ ) ( np) når np ikke er et heltall ("integer"), k + X ( np+ ) (), X (), X (3) når np er et heltall,..., X ( k ), X ( k + ),..., X ( n) < np < k + 4
22 Kvantiler og percentiler Eksempel (Rosner, expl..6) Finn V 0, og V 0,9 (0- og 90 percentilene) basert på fødselsvekt-data i table.. p = 0, og np = (et heltall) så vi bruker () og får x() + x(3) V 0, = = = 670g p = 0,9 og np = 8 (et heltall fortsatt), vi bruker () og får x(8) + x(9) V 0, 9 = = = 369g De sentrale 80 % av barna veide altså mellom 670 g og 369 g, dvs. en spredning på ca 000 g. 43 Kvantiler og percentiler V 0,5 = median = 50-percentil. Definisjonene må stemme overens. Eksempel (fra Rosner table., s.0) np = 0, så definisjon.6 () benyttes : ~ x + x 345 g g V ( 0) ( ) 0,5 = x = = = 346,5 g 44
23 Interkvartil-avstand Synonym Interquartile range - IQR Egenskaper Definisjon Samme enhet som observasjonene Omfatter de sentrale 50 % IQR =V0,75 V0,5 Mindre følsomt for ekstreme V0,75 - øvre (3.) kvartil observasjoner Definerer boksen i et box plott V0,5 - nedre (.) kvartil 45 Interkvartil-avstand Eksempel (fra Rosner table., s. 9) Finn IQR for fødselsvekt. IQR = V V ( np = 5 og 5, respektive) 0,75 0,5 x( ) + x 5 ( 6) 333 g g V0,75 = = = 3403,5 g x( 5) + x( 6) 838 g + 84 g V0,5 = = = 839,5 g IQR = 3403, 5 839,5 = 564 g 46 3
24 Andre mulige spredningsmål... Observasjoner: -Gjennomsnittlig avvik? n n i = x x i Umulig! Summerer seg til 0 (null). -Gjennomsnittlig, absolutt avvik? n n i = x x i OK, men matematisk ugunstig. x, x,,x n -Gjennomsnittlig, kvadrert n n i = Best! ( x x) i avvik? 47 Empirisk (utvalgs-) varians Definsjon (Rosner Def..7) S = n n i= ( x i x) Kommentar Bruk av (n -) i stedet for n i nevneren skyldes at vi gjør bruk av utregnet middelverdi i beregningen. Dermed har vi «brukt opp» noe av informasjonen (nemlig frihetsgrad ) som lå i utvalget. Resultatet er en noe større verdi for S. For stor n er forskjellen ubetydelig. 48 4
25 Empirisk (utvalgs-) varians Eksempel (Rosner Expl..9, s - ) Auto - analyzer, x = 00 mg/dl n S = ( xi x) n i= = = ( ) = = [(77 00) + (93 00) + (95 00) + (09 00) + (6 00) ] Micro enzymatic (samme x) [(9 00) + (97 00) + (00 00) + (0 00) + (09 00) ] S = 4 58 = ( ) = = 39, Empirisk (utvalgs-) varians n S = ( x i x) Egenskaper n i= Alltid positiv Sterkt avvikende observasjoner bidrar mest (kvadrering) Gunstige matematiske egenskaper Resultatet kan ikke tolkes på original skala (kg kg, mg/dl mg /dl, cm cm osv.) 50 5
26 Empirisk (utvalgs-) standardavvik Definisjon (Rosner Def..8) = n S ( xi x) n i= = S Eksempel (Rosner Expl..9, s. ) Auto - analyzer: S = S = 340 = 8,4 Micro enz : S = S = 39,5 = 6,3 5 Empirisk (utvalgs-) standardavvik n Egenskaper S = ( x i x) n i= Synonym: Standard deviation (SD) Alltid positiv Sterkt avvikende observasjoner bidrar mest (kvadrering) Gunstige matematiske egenskaper Resultatet kan tolkes på opprinnelig skala! 5 6
27 Empirisk (utvalgs-) standardavvik Omtrent 95 % av populasjonen befinner seg innenfor: som altså omtrent tilsvarer,5 og 97,5 percentilene Følger av normalfordelingens egenskaper Forutsetter noenlunde symmetri og unimodalitet quick & dirty : x ± SD SD Range 4 Nyttig f.eks. Hvis man må gjette på SD ved beregning av utvalgsstørrelse 53 Grafisk framstilling Søylediagram Histogram Stem-and-leaf Box-plot En god figur sier mer enn 000 T-tester! 54 7
Medisinsk statistikk Del I høsten 2009:
Medisinsk statistikk Del I høsten 2009: Kontinuerlige sannsynlighetsfordelinger Pål Romundstad Beregning av sannsynlighet i en binomisk forsøksrekke generelt Sannsynligheten for at suksess intreffer X
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,
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,
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
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
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
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
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
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.
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
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
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
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
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
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
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
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
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
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
DetaljerUNIVERSITETET I OSLO
UNIVERSITETET I OSLO Det matematisk-naturvitenskapelige fakultet Eksamen i: STK1000 Innføring i anvendt statistikk Eksamensdag: Fredag 28. oktober 2016 Tid for eksamen: 14.00 16.00 Oppgavesettet er på
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
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 Vil nå starte på hvordan beskrive data ved modeller Hovedmetode er tetthetskurver Tetthetskurver
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
DetaljerUNIVERSITETET I OSLO
UNIVERSITETET I OSLO Det matematisk-naturvitenskapelige fakultet Eksamen i: STK1000 Innføring i anvendt statistikk Eksamensdag: Onsdag 12. oktober 2016 Tid for eksamen: 10.00 12.00 Oppgavesettet er på
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
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,
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
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
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
DetaljerMedisinsk statistikk Del I høsten 2008:
Medisinsk statistikk Del I høsten 2008: Kontinuerlige sannsynlighetsfordelinger Pål Romundstad Noen tips Boka Summary etter hvert kapittel forteller hvor dere har vært og hva som er sentralt Øvingene Overdriv
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
DetaljerUNIVERSITETET I OSLO Matematisk Institutt
UNIVERSITETET I OSLO Matematisk Institutt Midtveiseksamen i: STK 1000: Innføring i anvendt statistikk Tid for eksamen: Onsdag 9. oktober 2013, 11:00 13:00 Hjelpemidler: Lærebok, ordliste for STK1000, godkjent
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
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
DetaljerST0202 Statistikk for samfunnsvitere Kapittel 6: Normalfordelingen
ST0202 Statistikk for samfunnsvitere Kapittel 6: Normalfordelingen Bo Lindqvist Institutt for matematiske fag 2 Kap. 6: Normalfordelingen Normalfordelingen regnes som den viktigste statistiske fordelingen!
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
DetaljerÅMA110 Sannsynlighetsregning med statistikk, våren 2010
ÅMA0 Sannsynlighetsregning med statistikk, våren 00 ÅMA0 Sannsynlighetsregning med statistikk våren 00 Praktisk om kurset Foreleser og faglig ansvarlig: Bjørn H. Auestad (kontor: E-536). Undervisningstider:
DetaljerForslag til endringar
Forslag til endringar Bakgrunn: Vi har ingen forelesningar veka etter påske. Eg skal bort 18. og 19. april. Eksamen er 30.mai Forslag til endringar: Ekstra forelesningar onsdag 16.mars og onsdag 30 mars
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).
DetaljerAnvendt medisinsk statistikk, vår Repeterte målinger, del II
Anvendt medisinsk statistikk, vår 009 Repeterte målinger, del II Eirik Skogvoll Overlege, Klinikk for anestesi og akuttmedisin 1. amanuensis, Enhet for anvendt klinisk forskning (med bidrag fra Harald
DetaljerStatistikk 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
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
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
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
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
DetaljerUNIVERSITETET I OSLO Det matematisk-naturvitenskapelige fakultet
UNIVERSITETET I OSLO Det matematisk-naturvitenskapelige fakultet Underveiseksamen i: STK1000 Innføring i anvendt statistikk. Eksamensdag: Onsdag 22/3, 2006. Tid for eksamen: Kl. 09.00 11.00. Tillatte hjelpemidler:
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
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.
DetaljerSTK1100 våren Kontinuerlige stokastiske variabler Forventning og varians Momentgenererende funksjoner
STK1100 våren 2017 Kontinuerlige stokastiske variabler Forventning og varians Momentgenererende funksjoner Svarer til avsnittene 4.1 og 4.2 i læreboka Ørnulf Borgan Matematisk institutt Universitetet i
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
DetaljerTMA4240 Statistikk H2010
TMA4240 Statistikk H2010 Statistisk inferens: 8.1: Tilfeldig utvalg 9.1-9.3: Estimering Mette Langaas Foreleses uke 40, 2010 2 Utfordring Ved en bedrift produseres en elektrisk komponent. Komponenten må
DetaljerUtfordring. TMA4240 Statistikk H2010. Mette Langaas. Foreleses uke 40, 2010
TMA4240 Statistikk H2010 Statistisk inferens: 8.1: Tilfeldig utvalg 9.1-9.3: Estimering Mette Langaas Foreleses uke 40, 2010 2 Utfordring Ved en bedrift produseres en elektrisk komponent. Komponenten må
DetaljerSupplement til power-point presentasjonen i medisinsk statistikk, forelesning 7 januar 2013. Skrevet av Stian Lydersen 16 januar 2013
1 Supplement til power-point presentasjonen i medisinsk statistikk, forelesning 7 januar 013. Skrevet av Stian Lydersen 16 januar 013 Vi antar at vårt utvalg er et tilfeldig og representativt utvalg for
DetaljerSimulering med Applet fra boken, av z og t basert på en rekke utvalg av en gitt størrelse n fra N(μ,σ). Illustrerer hvordan estimering av variansen
Simulering med Applet fra boken, av z og t basert på en rekke utvalg av en gitt størrelse n fra N(μ,σ). Illustrerer hvordan estimering av variansen gir testobservatoren t mer spredning enn testobservatoren
DetaljerST0202 Statistikk for samfunnsvitere [1]
ST0202 Statistikk for samfunnsvitere [1] Introduksjon til ST0202 Kapittel 1: Statistikk Kapittel 2: Deskriptiv analyse og presentasjon av en variabel Mette Langaas Institutt for matematiske fag http://wiki.math.ntnu.no/st0202/2011h/start
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................................
DetaljerForelesning 6: Punktestimering, usikkerhet i estimering. Jo Thori Lind
Forelesning 6: Punktestimering, usikkerhet i estimering Jo Thori Lind j.t.lind@econ.uio.no Oversikt 1. Trekke utvalg 2. Estimatorer og observatorer som stokastiske variable 3. Egenskapene til en estimator
DetaljerHØGSKOLEN I STAVANGER
EKSAMEN I: MOT0 STATISTISKE METODER VARIGHET: TIMER DATO:. NOVEMBER 00 TILLATTE HJELPEMIDLER: KALKULATOR, TABELLER OG FORMLER I STATISTIKK (TAPIR FORLAG) OPPGAVESETTET BESTÅR AV OPPGAVER PÅ 7 SIDER HØGSKOLEN
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
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
DetaljerST0202 Statistikk for samfunnsvitere
ST0202 Statistikk for samfunnsvitere 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 2 Grafisk
DetaljerTMA4245 Statistikk: MTBYGG, MTING
TMA4245 Statistikk: MTBYGG, MTING Hjemmeside: https://wiki.math.ntnu.no/tma4245/2015v/ Faglærer: Arvid Næss vikar 06.01: Håkon Tjelmeland Lærebøker: Walpole, Myers, Myers og Ye (2012). Probability & Statistics
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.
DetaljerStatistisk inferens: 9.14: Sannsynlighetsmaksimeringsestimatoren 8.5: Fordeling til gjennomsnittet 9.4: Konfidensintervall for µ (σ kjent)
TMA440 Statistikk H010 Statistisk inferens: 9.14: Sannsynlighetsmaksimeringsestimatoren 8.5: Fordeling til gjennomsnittet 9.4: Konfidensintervall for µ (σ kjent) Mette Langaas Foreleses mandag 11.oktober,
DetaljerST0202 Statistikk for samfunnsvitere Kapittel 9: Inferens om én populasjon
ST0202 Statistikk for samfunnsvitere Kapittel 9: Inferens om én populasjon Bo Lindqvist Institutt for matematiske fag 2 Kap. 9: Inferens om én populasjon Statistisk inferens har som mål å tolke/analysere
DetaljerEksamensoppgave i ST3001
Det medisinske fakultet Institutt for kreftforskning og molekylær medisin Eksamensoppgave i ST3001 Onsdag 16. desember 2010, kl. 9.00 13:00 ntall studiepoeng: 7.5 Tillatte hjelpemidler: Kalkulator og alle
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
DetaljerHøgskolen i Telemark. Institutt for økonomi og informatikk FORMELSAMLING Statistikk I. Til bruk ved eksamen. Per Chr. Hagen
Høgskolen i Telemark Institutt for økonomi og informatikk FORMELSAMLING 6005 Statistikk I Til bruk ved eksamen Per Chr. Hagen . Sannsynlighetsregning. Regneregler Komplementsetningen: Addisjonssetningen:
DetaljerTMA4240 Statistikk Høst 2018
TMA4240 Statistikk Høst 2018 Norges teknisk-naturvitenskapelige universitet Institutt for matematiske fag Innlevering 5 Dette er andre av tre innleveringer i blokk 2. Denne øvingen skal oppsummere pensum
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
DetaljerVelkommen til TMA4240. Velkommen til TMA / 18
Velkommen til TMA4240 Velkommen til TMA4240 1 / 18 Kort om kurset TMA4240 Statistikk Jeg er Sara Martino Dere er MTDT, MTKJ, MTNANO, MTPETR Vi had forelesning: Tirsdager kl 14.15-16.00 i F1 Torsdager kl
DetaljerST0103 Brukerkurs i statistikk Forelesning 26, 18. november 2016 Kapittel 8: Sammenligning av grupper
ST0103 Brukerkurs i statistikk Forelesning 26, 18. november 2016 Kapittel 8: Sammenligning av grupper Bo Lindqvist Institutt for matematiske fag 2 Kapittel 8: Sammenligning av grupper Situasjon: Vi ønsker
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
DetaljerUtvalgsfordelinger (Kapittel 5)
Utvalgsfordelinger (Kapittel 5) Oversikt pensum, fortid og fremtid Eksplorativ data-analyse (Kap 1, 2) Hvordan produsere data (Kap 3) Sannsynlighetsteori (Kap 4) Utvalgsfordelinger til observatorer (Kap
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
DetaljerTMA4240 Statistikk H2017 [15]
TMA4240 Statistikk H207 [5] Del 2: Statistisk inferens Populasjon og utvalg [8.] Observatorer og utvalgsfordelinger [8.2-8.3] Fordeling til gjennomsnittet og sentralgrenseteoremet [8.4] Normalplott [8.8]
DetaljerAkkurat den samme begrunnelsen som vi brukte med variabelen X 2. "Jeg bruker internett mye mer på i-phone nå enn det jeg gjorde før på mobilen.
1 Øving 1 Oppgave 1.5 (Leie av studentbolig) Et datasett gir oversikt over ledige studentboliger til leie. Opplysninger om boligene er angitt. Hensikten med denne oppgave er å bestemme hva slags type variablene
DetaljerFasit for tilleggsoppgaver
Fasit for tilleggsoppgaver Uke 5 Oppgave: Gitt en rekke med observasjoner x i (i = 1,, 3,, n), definerer vi variansen til x i som gjennomsnittlig kvadratavvik fra gjennomsnittet, m.a.o. Var(x i ) = (x
DetaljerTMA4240 Statistikk H2010
TMA4240 Statistikk H2010 Statistisk inferens: 9.14: Sannsynlighetsmaksimeringsestimatoren 8.5: Fordeling til gjennomsnittet 9.4: Konfidensintervall for µ (σ kjent) Mette Langaas Foreleses mandag 11.oktober,
DetaljerMASTER I IDRETTSVITENSKAP 2014/2016. Individuell skriftlig eksamen. STA 400- Statistikk. Fredag 13. mars 2015 kl. 10.00-12.00
MASTER I IDRETTSVITENSKAP 2014/2016 Individuell skriftlig eksamen i STA 400- Statistikk Fredag 13. mars 2015 kl. 10.00-12.00 Hjelpemidler: kalkulator Eksamensoppgaven består av 10 sider inkludert forsiden
DetaljerMASTER I IDRETTSVITENSKAP 2014/2016. Utsatt individuell skriftlig eksamen. STA 400- Statistikk. Mandag 24. august 2015 kl. 10.00-12.
MASTR I IDRTTSVITNSKAP 2014/2016 Utsatt individuell skriftlig eksamen i STA 400- Statistikk Mandag 24. august 2015 kl. 10.00-12.00 Hjelpemidler: kalkulator ksamensoppgaven består av 10 sider inkludert
DetaljerEksempel på data: Karakterer i «Stat class» Introduksjon
Eksempel på data: Karakterer i «Stat class» Introduksjon Viktige begreper for å beskrive data: Enheter som er objektene i datasettet «label» som av og til brukes for å skille enhetene En variabel er en
DetaljerKapittel 8: Tilfeldige utvalg, databeskrivelse og fordeling til observatorar, Kapittel 9: Estimering
Kapittel 8: Tilfeldige utvalg, databeskrivelse og fordeling til observatorar, Kapittel 9: Estimering TMA4245 Statistikk Kapittel 8.1-8.5. Kapittel 9.1-9.3+9.15 Turid.Follestad@math.ntnu.no p.1/21 Har sett
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
DetaljerÅMA110 Sannsynlighetsregning med statistikk, våren 2007
ÅMA0 Sannsynlighetsregning med statistikk, våren 007 ÅMA0 Sannsynlighetsregning med statistikk våren 007 Praktisk om kurset Foreleser og faglig ansvarlig: Bjørn H. Auestad (kontor: E-536). Undervisningstider:
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
DetaljerST0202 Statistikk for samfunnsvitere
ST0202 Statistikk for samfunnsvitere Bo Lindqvist Institutt for matematiske fag 2 Kap. 10: Inferens om to populasjoner Situasjon: Vi ønsker å sammenligne to populasjoner med populasjonsgjennomsnitt henholdsvis
DetaljerBEGYNNERKURS I SPSS. Anne Schad Bergsaker 24. november 2017
BEGYNNERKURS I SPSS Anne Schad Bergsaker 24. november 2017 FORRIGE UKE Blitt kjent med de ulike vinduene i SPSS Skrive inn data Import av datafiler Sette samme og dele opp filer og datasett Velge/velge
DetaljerLøsningsforslag Eksamen S2, våren 2017 Laget av Tommy O. Sist oppdatert: 25. mai 2017
Løsningsforslag Eksamen S, våren 17 Laget av Tommy O. Sist oppdatert: 5. mai 17 Del 1 - uten hjelpemidler Oppgave 1 a) Vi skal derivere f(x) = x /x = x x 1. Den eneste regelen vi trenger her er (kx n )
DetaljerSTK Oppsummering
STK1100 - Oppsummering Geir Storvik 6. Mai 2014 STK1100 Tre temaer Deskriptiv/beskrivende statistikk Sannsynlighetsteori Statistisk inferens Sannsynlighetsregning Hva Matematisk verktøy for å studere tilfeldigheter
DetaljerST0202 Statistikk for samfunnsvitere
ST0202 Statistikk for samfunnsvitere Bo Lindqvist Institutt for matematiske fag 2 Mål på beliggenhet (2.6) Kvartiler: Deler de ordnede dataene inn i fire like store deler: 1. kvartil Q 1 : 25% av dataene
DetaljerÅMA110 Sannsynlighetsregning med statistikk, våren 2006 Kp. 6, del 4
ÅMA110 Sannsynlighetsregning med statistikk, våren 2006 Kp. 6, del 4 Bjørn H. Auestad Institutt for matematikk og naturvitenskap Universitetet i Stavanger 27. mars Bjørn H. Auestad Kp. 6: Hypotesetesting
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.
DetaljerKap. 8: Utvalsfordelingar og databeskrivelse
Kap. 8: Utvalsfordelingar og databeskrivelse Utvalsfordelingar Utvalsfordeling for gjennomsnitt (med kjent varians) ( X ) Sentralgrenseteoremet (SGT) Utvalsfordeling for varians (normalfordeling) Utvalfordeling
DetaljerKrysstabellanalyse (forts.) SOS1120 Kvantitativ metode. 4. Statistisk generalisering. Forelesningsnotater 9. forelesning høsten 2005.
SOS112 Kvantitativ metode Krysstabellanalyse (forts.) Forelesningsnotater 9. forelesning høsten 25 4. Statistisk generalisering Per Arne Tufte Eksempel: Hypoteser Eksempel: observerte frekvenser (O) Hvordan
DetaljerFormelsamling i medisinsk statistikk
Formelsamling i medisinsk statistikk Versjon av 6. mai 208 Dette er en formelsamling til O. O. Aalen (red.): Statistiske metoder i medisin og helsefag, Gyldendal, 208. Gjennomsnitt x = n (x + x 2 + x 3
DetaljerLøsning på Dårlige egg med bruk av Tabell 2 i Appendix B
Situasjonen er som i quiz-eksempelet: n = 4, p = 1/3 ( suksess betyr å gjette riktig alternativ), q = 2/3. Oppgave: Finn P(x), x=0,1,2,3,4 fra den generelle formelen for binomisk sannsynlighetsfordeling
DetaljerBinomisk sannsynlighetsfunksjon
ST0202 Statistikk for samfunnsvitere Bo Lindqvist Institutt for matematiske fag 2 Binomisk sannsynlighetsfunksjon La det være n forsøk, sannsynlighet p for suksess og sannsynlighet q for fiasko. Den tilfeldige
Detaljer