Deskriptiv statistikk for sentrum og spredning i fordelingen. Gjennomsnitt og standardavvik. eller
|
|
- Ingolf Birkeland
- 7 år siden
- Visninger:
Transkript
1 Eksempel : tall dager i sykehus. Ikke-parametriske tester versus parametriske tester Stia Lyderse Presetert på Regioal forskigskoferase for psykiatri og rusfeltet Ålesud 4 jui 03 Behadlig : 6, 5, 37,, 3, 0, 7,, 3, 38 0,, 3, 5, 7,, 6, 37, 38, 3 Behadlig B 4, 3, 5,, 6,, 03, 65, 40, 5, 3, 49, 43, 5,, 6, 3, 3, 40, 49, 65, 5, 4, 03, Example : EORTC Quality of life questioaire do you feel depressed? * performace Crosstabulatio Cout do you feel depressed? Total : ot at all : a little 3: partly 4: very much performace who 0- who -4 Total Deskriptiv statistikk for setrum og spredig i fordelige Gjeomsitt og stadardavvik eller Data: x, x,..., x Lettere å rege ut Gjeomsitt: x ( x x... x ) x i i ( ) (Empirisk) varias: s ( x x ) x x i i i i Media og kvartiler (iterkvartilbredde = avstad mellom edre og øvre kvartil) (Empirisk) stadardavvik: s ( xi x) ( ) i
2 7 Normalfordelige I e del situasjoer er skalavariable (tilærmet) ormalfordelt, dvs symmetrisk og med e spesiell klokkeformet fasog. x f ( x) e Når data er ormalfordelt: Ca 68% ligger ie stadardavvik fra gjeomsittet Ca 95% ligger ie stadardavvik fra gjeomsittet Visse metoder forutsetter at data er (tilærmet) ormalfordelt. F.eks Studet s t-test, valig regresjosaalyse 8 Data sortert: x() x()... x( ) Media: x( )/ hvis er oddetall ( x( /) x( /) ) / hvis er partall Mediae deler tallmaterialet på midte. Like mage observasjoer uder som over mediae. Nedre kvartil, media, øvre kvartil: Deler tallmaterialet i fire like store deler. 9 0 Eksempel : tall dager i sykehus. Behadlig : 6, 5, 37,, 3, 0, 7,, 3, 38 0,, 3, 5, 7,, 6, 37, 38, 3 Behadlig B 4, 3, 5,, 6,, 03, 65, 40, 5, 3, 49, 43, 5,, 6, 3, 3, 40, 49, 65, 5, 4, 03, 43 Hvilke(t) mål vil du bruke på setrum og spredig i fordeligee? Hva blir media og kvartiler for behadlig? Eksempel - EORTC data Performace status who 0- who -4 Gjeomsitt.73.4 Stadardavvik media
3 3 4 Valg av deskriptiv statisikk for setrum og spredig i fordelige Gjeomsitt og stadardavvik ELLER media og kvartiler ELLER begge deler? vheger av målsettige med aalyse. Hvis data er symmetrisk fordelt (for eksempel ormalfordelt): Media = gjeomsitt Hvis data ikke er ormalfordelt: Gaske valig å oppgi media og kvartiler. OK å oppgi gjeomsitt og stadardaavvik. Med stadardavviket har ikke samme ekle tolkig som i ormalfordelige. OK å ata ormalforeldig i små datasett? J, hvis rimelig atakelse basert på ae kuskap eller ispeksjo av data. Sammelike to grupper: Studet s t-test (parametrisk metode) eller Wilcoxo-Ma-Whitey s test (ikkeparametrisk metode)? 5 6 Sammelike to grupper Studet s t-test Sammeliker gjeomsitt i fordeligee Forutsetter at data er (tilærmet) ormalfordelt Robust mot avvik fra ormalfordelig såfremt ikke ekstremt store eller ekstremt små observasjoer Ka også berege kofidesitervall for differase Wilcoxo-Ma-Whiteys test Er observasjoee i de ee gruppe høyere e i de adre (ikke bare om mediaee er forskjellige) Baserer seg på ragordig av observasjoee, glemmer deretter verdiee av de opprielige observasjoee Gjør INGEN forutsetig om ormalfordelig (eller ae parametrisk fordelig) Kjært bar har mage av: Wilcoxo s rak sum test Wilcoxo s two sample test Ma-Whitey s U test Wilcoxo-Ma-Whitey s test 7 8 Hvorda sjekke om data avviker fra ormalfordelige? Hvis media avviker mye fra gjeomsitt, så er data ikke symmetrisk fordelt (og dermed ikke ormalfordelt). (Me ikke omvedt!) Statistisk test: Kolmogorov-Smiroff mye brukt me lite eget. Shapiro-Wilk oe bedre eget. Histogram med ormalfordeligskurve: Vaskelig å vurdere Q-Q plott: Veleget! Eksempel: tall dager i sykehus. Behadlig : 6, 5, 37,, 3, 0, 7,, 3, 38 x 3.90, s 36.4, media = 9 Behadlig B 4, 3, 5,, 6,, 03, 65, 40, 5, 3, 49, 43 x 76.54, s 75.86, media = 40 B Hva ka vi si om forskjell mellom og B i populasjoe? 3
4 9 0 tall dager forutsatt (tilærmet) ormalfordelt Ikke-parametriske metoder: Forutsetter ige parametrisk fordelig: Basert på ragordige av observasjoee, glemmer origialdata Behadlig sortert: 0,, 3, 5, 7,, 6, 37, 38, 3 Rag:,, 4, 5.5, 7, 8, 0.5, 4, 5, 0 Gjeomsittsrag: 8.7 ltså: tall dager er ikke ormalfordelt. Behadlig B sortert:, 5,, 6, 3, 3, 40, 49, 65, 5, 4, 03, 43 Rag: 3, 5.5, 9, 0.5,.5,.5, 6, 7, 8, 9,,, 3 Gjeomsittsrag: 4.54 Wilcoxo-Ma-Whitey s test for to uavhegige utvalg: P= Example: EORTC Quality of life questioaire do you feel depressed? * performace Crosstabulatio Cout do you feel depressed? Total : ot at all : a little 3: partly 4: very much performace who 0- who -4 Total
5 5 6 Eksempel - EORTC data Studet s t-test eller ikke-parametrisk metode? Er du Performace status deprimert? who 0- who -4 Gjeomsitt.73.4 Stadardavvik media Observert differase:.4.73 = 0.4 Er det forskjell på forvetet depresjos-skåre mellom de to gruppee? Hvis data er ormalfordelt: Ikke-parametriske metoder har tilærmet (dvs este) like høy teststyrke som t-teste i middels store og store datasett Ikke-paramteriske metoder er vesetlig svakere e t-teste i små datasett. Hvis data ikke er ormalfordelt: T-teste OK hvis ikke ekstreme observasjoer Bruke t-teste på trasformerte data? Bruk e ikke-parametrisk test Studet s T-test: 95% KI (0.3, 0.59), p-verdi < 0.00 Wilcoxo-Ma-Whitey (Ikke-parametrisk test): p-verdi < 0.00 Studet s t-test: Ka også berege tilhørede kofidesitervall. Ka geeraliseres til regresjosaalyse med justerig for adre variable 7 Fra Vacouver-retigslijee : Statistics Whe possible, quatify fidigs ad preset them with appropriate idicators of measuremet error or ucertaity (such as cofidece itervals). void relyig solely o statistical hypothesis testig, such as the use of P values, which fails to covey importat iformatio about effect size. 8 Bruk t-teste hvis mulig: Høyere statistisk styrke (i små datasett) Ka også berege kofidesitervall Ka geeraliseres til lieær regresjo for å ikludere adre kovariater ICMJE Iteratioal Committe of Medical Joural Editors jauar 03 9 Refereces: ltma, D. G. & Blad, J. M. 009, "Practice Statistics Notes Parametric v o-parametric methods for data aalysis", British Medical Joural, vol Blad, J. M. & ltma, D. G. 009, "Practice Statistics Notes alysis of cotiuous data from small samples", British Medical Joural, vol
Innhold: 4.1 Sannsynlighetsfordeling (for tellevariabler) Læringsmål statistikk (3 og 7 januar 2013) Eksempel - postoperativ kvalme
Medisisk statistikk, termi IC av Stia Lyderse, professor i medisisk statistikk Regioalt kuskapsseter for bar og uge - Psykisk helse og barever (RKBU Midt-Norge Forelesig 7 jauar 03 Oppdatert 7 jauar 03
DetaljerInnhold: Hvorfor statistikk? Læringsmål statistikk (3 og 7 januar 2013) Litteratur. For å kunne lese medisinsk litteratur inkl vitenskapelige artikler
Lærigsmål statistikk (3 og 7 jauar 3) Medisisk statistikk, termi IC av Stia Lyderse, professor i medisisk statistikk Regioalt kuskapsseter for bar og uge - Psykisk helse og barever (RKBU Midt-Norge) Forelesig
DetaljerInnhold: Hvorfor statistikk? Litteratur
1 Ihold: Medisisk statistikk, termi IC av Stia Lyderse, professor i medisisk statistikk Regioseter for bar og uges psykiske helse (RBUP) Midt-Norge Deskriptiv statistikk Ekel sasylighetsregig og diagostiske
DetaljerInnhold. Eksempel: Fig. 5.16a. Kovarians. Medisinsk statistikk Del II Forelesning 25 februar 2009 Korrelasjon. Korrelasjon
Medisisk statistikk Del II Forelesig 25 februar 2009 Korrelasjo av Stia Lyderse og Eirik Skogvoll Ihold Kovarias og korrelasjo (5.6.) Pearso s r (.7) T-test og z-test for korrelasjoskoeffisiet (.8) Kofidesitervall
DetaljerIntroduksjon. Hypotesetesting / inferens (kap 3) Populasjon og utvalg. Populasjon og utvalg. Populasjonsvarians
Hypotesetestig / iferes (kap ) Itroduksjo Populasjo og utvalg Statistisk iferes Utvalgsfordelig (samplig distributio) Utvalgsfordelige til gjeomsittet Itroduksjo Vi øsker å få iformasjo om størrelsee i
DetaljerHvorfor statistikk? Innhold (9 og 12 desember 2013): Litteratur. Læringsmål statistikk (9 og 12 desember 2013)
Lærigsmål statistikk (9 og desember 3 Medisisk statistikk, termi IC av Stia Lyderse, professor i medisisk statistikk Regioalt kuskapsseter for bar og uge - Psykisk helse og barever (RKBU Midt-Norge Forelesig
DetaljerKort repetisjon fra kapittel 4. Oppsummering kapittel ST0202 Statistikk for samfunnsvitere. Betinget sannsynlighet og trediagram
2 Kort reetisjo fra kaittel 4 Betiget sasylighet og trediagram Eksemel: Fra e oulasjo av idrettsfolk trekkes e erso tilfeldig og testes for doig. De iteressate hedelsee er D=ersoe er doet, A=teste er ositiv.
DetaljerTMA4240/4245 Statistikk 11. august 2012
Norges tekisk-aturviteskapelige uiversitet Istitutt for matematiske fag TMA424/4245 Statistikk. august 22 Eksame - løsigsforslag Oppgave Vi har N Nµ,σ 2, µ 85 og X > 88. a X µ X > 88 σ > 88 µ Z > 88 85
DetaljerMOT310 Statistiske metoder 1, høsten 2011
MOT310 Statistiske metoder 1, høste 2011 Bjør H. Auestad Istitutt for matematikk og aturviteskap Uiversitetet i Stavager 24. august, 2011 Bjør H. Auestad Itroduksjo og repetisjo 1 / 32 Repetisjo; 9.1,
DetaljerTo-utvalgstest (def 8.1) vs ettutvalgstest: Hypotesetesting, to utvalg (Kapitel 8) Longitudinell studie (oppfølgingsstudie) - eqn 8.1. Eksempel 8.
Hypotesetestig, to utvalg (Kapitel 8) Medisisk statistikk 009 http://folk.tu.o/slyderse/medstat/medstati_h09.html To-utvalgstest (def 8.) vs ettutvalgstest: To-utvalgstest: Sammelike de uderliggede parameter
DetaljerTALLSVAR. Det anbefales at de 9 deloppgavene merket med A, B, teller likt uansett variasjon i vanskelighetsgrad. Svarene er gitt i << >>.
1 ECON130: EKSAMEN 013 VÅR - UTSATT PRØVE TALLSVAR. Det abefales at de 9 deloppgavee merket med A, B, teller likt uasett variasjo i vaskelighetsgrad. Svaree er gitt i
DetaljerRepetisjon; 9.1, 9.2, 9.3, 9.4, 9.5, og Repetisjon; 9.1, 9.2, 9.3, 9.4, 9.5, og 9.10
Repetisjo; 9.1, 9.2, 9.3, 9.4, 9.5, og 9.10 og Geerell defiisjo av : Situasjo: Data x 1,...,x ;utfallav:x 1,...,X ; u.i.f. tilfeldige variable Ukjet parameter i fordelige til X i ee: θ Dersom L og U L
DetaljerEcon 2130 uke 15 (HG) Poissonfordelingen og innføring i estimering
Eco 130 uke 15 (HG) Poissofordelige og iførig i estimerig 1 Poissofordelige (i) Tilærmig til biomialfordelige. Regel. ( Poissotilærmelse ) Ata Y ~ bi(, p) E( Y ) = p og var( Y ) = p(1 p). Hvis er stor
DetaljerLØSNINGSFORSLAG TIL EKSAMEN I FAG TMA4245 STATISTIKK 6.august 2004
Norges tekisk aturviteskapelige uiversitet Istitutt for matematiske fag Side av 0 LØSNINGSFORSLAG TIL EKSAMEN I FAG TMA4245 STATISTIKK 6.august 2004 Oppgave Midtveiseksame a) X er e stokastisk variabel
DetaljerÅMA110 Sannsynlighetsregning med statistikk, våren Estimering. Målemodellen. Konfidensintervall, innledning. Kp. 5 Estimering.
ÅMA0 Sasylighetsregig med statistikk våre 006 Kp. 5 Estimerig Estimerig. Målemodelle. Ihold:. (Pukt)Estimerig i biomisk modell (kp. 5.). Målemodelle... (kp. 5.3) 3. (Pukt)Estimerig i målemodelle (kp. 5.3)
DetaljerKLMED8004 Medisinsk statistikk. Del I, høst Estimering. Tidligere sett på. Eksempel hypertensjon
Tidligere sett på KLMED8004 Medisisk statistikk Del I, høst 008 Estimerig Hvorda kjete sasylighetsfordeliger (biomialfordelig, ormalfordelig) med kjete populasjosparametrer (forvetig, varias osv.) ka gi
DetaljerECON240 Statistikk og økonometri
ECON240 Statistikk og økoometri Arild Aakvik, Istitutt for økoomi 1 Mellomregig MKM Model: Y i = a i + bx i + e i MKM-estimator for b: b = = Xi Y i 1 Xi Yi Xi 1 ( X i ) 2 (Xi X)(Y i Ȳi) (Xi X) 2 hvor vi
DetaljerKap. 9: Inferens om én populasjon. Egenskaper ved t-fordelingen. ST0202 Statistikk for samfunnsvitere. I Kapittel 8 brukte vi observatoren
2 Kap. 9: Iferes om é populasjo I Kapittel 8 brukte vi observatore z = x μ σ/ for å trekke koklusjoer om μ. Dette krever kjet σ (urealistisk). ST0202 Statistikk for samfusvitere Bo Lidqvist Istitutt for
DetaljerEcon 2130 Forelesning uke 11 (HG)
Eco 130 Forelesig uke 11 (HG) Mer om ormalfordelige og setralgreseteoremet Uke 1 1 Fra forrige gag ~ betyr er fordelt som. ~ N( µσ, ) E( ) = µ, og var( ) = σ Normalfordelige er symmetrisk om μ og kotiuerlig
DetaljerMer om utvalgsundersøkelser
Mer om utvalgsudersøkelser I uderkapittel 3.6 i læreboka gir vi e kort iførig i takegage ved utvalgsudersøkelser. Vi gir her e grudigere framstillig av temaet. Populasjo og utvalg Ved e utvalgsudersøkelse
Detaljer211.7% 2.2% 53.0% 160.5% 30.8% 46.8% 17.2% 11.3% 38.7% 0.8%
Prøve-eksame II MET 1190 Statistikk Dato 31. mai 2019 kl 1100-1400 Alle svar skal begrues. Når besvarelse evalueres, blir det lagt vekt på at framgagsmåte og resultat preseteres så klart, presist og kortfattet
DetaljerÅMA110 Sannsynlighetsregning med statistikk, våren 2010 Kp. 6, del 5
ÅMA110 Sasylighetsregig med statistikk, våre 2010 Kp. 6, del 5 Bjør H. Auestad Istitutt for matematikk og aturviteskap Uiversitetet i Stavager 12. april Bjør H. Auestad Kp. 6: Hypotesetestig del 4 1/ 59
DetaljerLøsningsforsalg til første sett med obligatoriske oppgaver i STK1110 høsten 2015
Løsigsforsalg til første sett med obligatoriske oppgaver i STK1110 høste 2015 Oppgave 1 (a Et 100(1 α% kofidesitervall for forvetigsverdie µ er gitt ved formel (8.15 på side 403 i læreboka. For situasjoe
Detaljer8 (inkludert forsiden og formelsamling) Tegne- og skrivesaker, kalkulator, formelsamling (se vedlagt).
Eksamesoppgave våre 011 Ordiær eksame Bokmål Fag: Matematikk Eksamesdato: 10.06.011 Studium/klasse: GLU 5-10 Emekode: MGK00 Eksamesform: Skriftlig Atall sider: 8 (ikludert forside og formelsamlig) Eksamestid:
DetaljerLøsningsforslag for andre obligatoriske oppgave i STK1100 Våren 2007 Av Ingunn Fride Tvete og Ørnulf Borgan
Løsigsforslag for adre obligatoriske oppgave i STK11 Våre 27 Av Igu Fride Tvete (ift@math..uio.o) og Ørulf Borga (borga@math.uio.o). NB! Feil ka forekomme. NB! Sed gjere e mail hvis du fier e feil! Oppgave
DetaljerX = 1 5. X i, i=1. som vil være normalfordelt med forventningsverdi E( X) = µ og varians Var( X) = σ 2 /5. En rimelig estimator for variansen er
Norges tekisk-aturviteskapelige uiversitet Istitutt for matematiske fag Abefalte oppgaver 11, blokk II Løsigsskisse Oppgave 1 a) E rimelig estimator for forvetigsverdie µ er gjeomsittet X = 1 X i, som
DetaljerLineær regresjonsanalyse (13.4)
2 Kap. 13: Lieær korrelasjos- og regresjosaalyse ST0202 Statistikk for samfusvitere Bo Lidqvist Istitutt for matematiske fag Kap. 13.1-13.3: Lieær korrelasjosaalyse. Disse avsitt er ikke pesum, me de lieære
DetaljerÅMA110 Sannsynlighetsregning med statistikk, våren 2007
ÅMA0 Sasylighetsregig med statistikk, våre 007 Kp. 4 Kotiuerlige tilfeldige variable; Normalfordelig Kotiuerlige tilfeldige variable, itro. (eller: Kotiuerlige sasylighetsfordeliger) Vi har til å sett
DetaljerEKSAMEN. Oppgavesettet består av 5 oppgaver, hvor vekten til hver oppgave er angitt i prosent i oppgaveteksten. Alle oppgavene skal besvares.
EKSAMEN Emekode: SFB12003 Eme: Metodekurs II: Samfusviteskapelig metode og avedt statistikk Dato: 2.6.2014 Eksamestid: kl. 09.00 til kl. 13.00 Hjelpemidler: Kalkulator Faglærer: Bjørar Karlse Kivedal Eksamesoppgave:
DetaljerÅMA110 Sannsynlighetsregning med statistikk, våren Estimering. Målemodellen. Sannsynlighetsregning med statistikk. Kp. 5 Estimering.
ÅMA asylighetsregig med statistikk våre 008 Kp. 5 Estimerig Estimerig. Målemodelle. Ihold:. (ukt)estimerig i biomisk modell (kp. 5.). Målemodelle... (kp. 5.3) 3. (ukt)estimerig i målemodelle (kp. 5.3)
DetaljerTMA4240 Statistikk Høst 2016
Norges tekisk-aturviteskapelige uiversitet Istitutt for matematiske fag Abefalt øvig 8 Løsigsskisse Oppgave 1 a) Simuler 1000 datasett i MATLAB. Hvert datasett skal bestå av 100 utfall fra e ormalfordelig
DetaljerHøgskolen i Telemark Avdeling for estetiske fag, folkekultur og lærerutdanning BOKMÅL 12. desember 2008
Høgskole i Telemark Avdelig for estetiske fag, folkekultur og lærerutdaig BOKMÅL. desember 8 EKSAMEN I MATEMATIKK, Utsatt røve Modul 5 studieoeg Tid: 5 timer Ogavesettet er å sider (ikludert formelsamlig).
DetaljerÅMA110 Sannsynlighetsregning med statistikk, våren 2011
ÅMA0 Sasylighetsregig statistikk våre 0 Kp. 4 Kotiulige tilfeldige variable; Normalfordelig Kotiulige tilfeldige variable itro. (ell: Kotiulige sasylighetsfordelig Vi har til å sett på diskrete fordelig
DetaljerStatistikk og økonomi, våren 2017
Statistikk og økoomi, våre 07 Obligatorisk oppgave 6 Løsigsforslag Oppgave E terig kastes 0 gager, og det registreres hvor mage 6-ere som oppås i løpet av disse 0 kastee. Vi ka kalle atall 6-ere i løpet
DetaljerSTK1100 våren 2017 Estimering
STK1100 våre 017 Estimerig Svarer til sidee 331-339 i læreboka Ørulf Borga Matematisk istitutt Uiversitetet i Oslo 1 Politisk meigsmålig Spør et tilfeldig utvalg på 1000 persoer hva de ville ha stemt hvis
DetaljerKonfidensintervall. Notat til STK1110. Ørnulf Borgan, Ingrid K. Glad og Anders Rygh Swensen Matematisk institutt, Universitetet i Oslo.
Kofidesitervall Notat til STK1110 Ørulf Borga, Igrid K. Glad og Aders Rygh Swese Matematisk istitutt, Uiversitetet i Oslo August 2007 Formål E valig metode for å agi usikkerhete til et estimat er å berege
DetaljerÅMA110 Sannsynlighetsregning med statistikk, våren Kontinuerlige tilfeldige variable, intro. Kontinuerlige tilfeldige variable, intro.
ÅMA Sasylighetsregig med statistikk, våre Kp. 4 Kotiuerlige tilfeldige variable; Normalfordelig Kotiuerlige tilfeldige variable, itro. (eller: Kotiuerlige sasylighetsfordeliger) Vi har til å sett på diskrete
DetaljerTMA4245 Statistikk Eksamen mai 2017
TMA445 Statistikk Eksame mai 07 Norges tekisk-aturviteskapelige uiversitet Istitutt for matematiske fag Løsigsskisse Oppgave a Når vi reger ut disse tre sasylighetee må ma huske på at de mulige verdiee
DetaljerÅMA110 Sannsynlighetsregning med statistikk, våren Kontinuerlige tilfeldige variable, intro. Kontinuerlige tilfeldige variable, intro.
ÅMA0 Sasylighetsregig med statistikk, våre 008 Kp. 4 Kotiuerlige tilfeldige variable; Normalfordelig Kotiuerlige tilfeldige variable, itro. (eller: Kotiuerlige sasylighetsfordeliger) Vi har til å sett
Detaljern 2 +1) hvis n er et partall.
TMA445 Statistikk Vår 04 Norges tekisk-aturviteskapelige uiversitet Istitutt for matematiske fag Øvig ummer, blokk II Oppgave Mediae til et datasett, X, er de midterste verdie. Hvis vi har stokastiske
DetaljerEstimering og hypotesetesting. Estimering og hypotesetesting. Estimering og hypotesetesting. Kapittel 10. Ett- og toutvalgs hypotesetesting
3 Estimerig og hypotesetestig Kapittel 10 Ett- og toutvalgs hypotesetestig TMA445 V007: Eirik Mo Feome Bilkjørig Høyde til studeter Estimator ˆp = X, X atall ˆµ = X gjeomsittlig høyde. som syes de er flikere
DetaljerMOT310 Statistiske metoder 1, høsten 2012
MOT310 Statistiske metoder 1, høste 2012 Bjør H. Auestad Istitutt for matematikk og aturviteskap Uiversitetet i Stavager 20. august, 2012 Bjør H. Auestad Itroduksjo og repetisjo 1 / 57 Iformasjo Litt om
DetaljerÅMA110 Sannsynlighetsregning med statistikk, våren 2008 Kp. 6, del 5
ÅMA110 Sasylighetsregig med statistikk, våre 2008 Kp. 6, del 5 Bjør H. Auestad Istitutt for matematikk og aturviteskap Uiversitetet i Stavager 26. mars Bjør H. Auestad Kp. 6: Hypotesetestig del 5 1/ 53
DetaljerTMA4245 Statistikk Eksamen 9. desember 2013
Norges tekisk-aturviteskapelige uiversitet Istitutt for matematiske fag TMA4245 Statistikk Eksame 9. desember 2013 Oppgave 1 I kortspillet Blackjack får ma de høyeste geviste hvis de to første kortee ma
DetaljerHøgskolen i Telemark Avdeling for estetiske fag, folkekultur og lærerutdanning BOKMÅL 20. mai 2008
Høgskole i Telemark Avdelig for estetiske fag, folkekultur og lærerutdaig BOKMÅL. mai 8 EKSAMEN I MATEMATIKK Modul 5 studieoeg Tid: 5 timer Ogavesettet er å sider (ikludert formelsamlig). Hjelemidler:
DetaljerTMA4240 Statistikk Høst 2016
Norges tekisk-aturviteskapelige uiversitet Istitutt for matematiske fag Abefalt øvig 2 Løsigsskisse Oppgave a Miste kvadraters metode tilpasser e lije til puktee ved å velge de lija som miimerer kvadratsumme
DetaljerÅMA110 Sannsynlighetsregning med statistikk, våren 2007 Kp. 6, del 5. Hypotesetesting, del 5
ÅMA11 Sasylighetsregig med statistikk, våre 7 Kp. 6, del 5 Bjør H. Auestad Istitutt for matematikk og aturviteskap Uiversitetet i Stavager 26. mars Bjør H. Auestad Kp. 6: Hypotesetestig del 5 1/ 59 Bjør
DetaljerÅMA110 Sannsynlighetsregning med statistikk, våren Kp. 5 Estimering. Målemodellen.
ÅMA0 Sasylighetsregig med statistikk, våre 0 Kp. 5 Estimerig. Målemodelle. Estimerig. Målemodelle. Ihold:. (Pukt)Estimerig i biomisk modell (kp. 5.). Målemodelle... (kp. 5.). (Pukt)Estimerig i målemodelle
DetaljerTMA4245 Statistikk. Øving nummer 12, blokk II Løsningsskisse. Norges teknisk-naturvitenskapelige universitet Institutt for matematiske fag
Vår 205 Norges tekisk-aturviteskapelige uiversitet Istitutt for matematiske fag Øvig ummer 2, blokk II Løsigsskisse Oppgave a - β agir biles besiforbruk i liter/mil - Rimelig med α 0 fordi med x 0 ige
DetaljerLøsningsforsalg til første sett med obligatoriske oppgaver i STK1110 høsten 2018
Løsigsforsalg til første sett med obligatoriske oppgaver i STK1110 høste 2018 Oppgave 1 (a Et 100(1 α% kofidesitervall for forvetigsverdie µ er gitt ved formel (8.15 på side 403 i læreboka. For situasjoe
DetaljerKapittel 8: Estimering
Kaittel 8: Estimerig Estimerig hadler kort sagt om hvorda å aslå verdie å arametre som,, og dersom disse er ukjete. like arametre sier oss oe om oulasjoe vi studerer (dvs om alle måliger av feomeet som
DetaljerOppgave 1 a) Minste kvadraters metode tilpasser en linje til punktene ved å velge den linja som minimerer kvadratsummen. x i (y i α βx i ) = 0, SSE =
Norges tekisk-aturviteskapelige uiversitet Istitutt for matematiske fag Abefalte oppgaver 2, blokk II Løsigsskisse Oppgave a Miste kvadraters metode tilpasser e lije til puktee ved å velge de lija som
DetaljerTMA4240 Statistikk Høst 2015
Høst 205 Norges tekisk-aturviteskapelige uiversitet Istitutt for matematiske fag Øvig ummer 2, blokk II Løsigsskisse Oppgave a - β agir biles besiforbruk i liter/mil - Rimelig med α 0 fordi med x 0 ige
DetaljerForelesning 4 og 5 Transformasjon, Weibull-, lognormal, beta-, kji-kvadrat -, t-, F- fordeling
STAT (V6) Statistikk Metoder Yushu.Li@uib.o Forelesig 4 og 5 Trasformasjo, Weibull-, logormal, beta-, kji-kvadrat -, t-, F- fordelig. Oppsummerig til Forelesig og..) Momet (momet about 0) og setral momet
Detaljer3MX 2007/8 - Kapittel 5: 8. januar 5. februar 2008
3MX 00/8 - Kapittel : 8. jauar. februar 008 Pla for skoleåret 00/008: Kapittel 6: 6/ /. Kapittel : / /3. Prøver på eller skoletime etter hvert kapittel. É heildagsprøve i hver termi. Repetisjo, prøver,
DetaljerEstimering 1 -Punktestimering
Estimerig 1 -Puktestimerig Dekkes av kap. 8, 9.1-9.3 og 9.15/9.14. Vi har til å settpå e rekke forskjellige sasylighetsfordeliger og sett hvorda disse ka brukes til å modellere mage forskjellige typer
DetaljerLØSNINGSFORSLAG TILEKSAMEN I FAG TMA4240/TMA4245 STATISTIKK 10. august 2005
Norges tekisk aturviteskapelige uiversitet Istitutt for matematiske fag Side av 8 LØSNINGSFORSLAG TILEKSAMEN I FAG TMA440/TMA445 STATISTIKK 0. august 005 Oppgave Smeltepuktsbestemmelse a) Vi jobber i dette
DetaljerÅMA110 Sannsynlighetsregning med statistikk, våren Kontinuerlige tilfeldige variable, intro. Kontinuerlige tilfeldige variable, intro.
ÅMA Sasylighetsregig med statistikk, våre 6 Kp. 4 Kotiuerlige tilfeldige variable og ormaldelige Kotiuerlige tilfeldige variable, itro. (eller: Kotiuerlige sasylighetsdeliger) Vi har til å sett på diskrete
DetaljerKapittel 7: Noen viktige sannsynlighetsfordelinger
Kapittel 7: Noe viktige sasylighetsfordeliger I mage situasjoer ka feomeet vi ser på beskrives med e bestemt type sasylighetsfordelig e sasylighetsfordelig gitt ved e bestemt formel. Vi skal se på oe av
DetaljerEstimering 1 -Punktestimering
Estimerig 1 -Puktestimerig Dekkes av kap. 8, 9.1-9.3 og 9.15/9.14. Vi har til å settpå e rekke forskjellige sasylighetsfordeliger og sett hvorda disse ka brukes til å modellere mage forskjellige typer
DetaljerLøsning TALM1005 (statistikkdel) juni 2017
Løsig TALM1005 statistikkdel jui 2017 Oppgave 1 a Har oppgitt at sasyligte for at é harddisk svikter er p = 0, 037. Ifører hedelsee A : harddisk 1 svikter B : harddisk 2 svikter C : harddisk 3 svikter
DetaljerTMA4240 Statistikk Høst 2016
Norges tekisk-aturviteskapelige uiversitet Istitutt for matematiske fag Abefalt øvig 11 Løsigsskisse Oppgave 1 a) E rimelig estimator for forvetigsverdie µ er gjeomsittet X = 1 X i, som vil være ormalfordelt
DetaljerTMA4240 Statistikk Høst 2009
TMA440 Statistikk Høst 009 Norges tekisk-aturviteskapelige uiversitet Istitutt for matematiske fag Øvig ummer b4 Løsigsskisse Oppgave Øsker å fie 99% kofidesitervall for µ µ år vi atar ormalfordeliger
DetaljerIntroduksjon. Hypotesetesting / inferens (kap 3) Populasjon og utvalg. Populasjon og utvalg. Populasjonsvarians
Hypotesetestig / iferes (kap ) Itroduksjo Populasjo og utvalg Statistisk iferes Utvalgsfordelig (samplig distributio) Utvalgsfordelige til gjeomsittet «The hardest thig to teach i ay itroductory statistics
DetaljerTMA4240 Statistikk H2010
TMA440 Statistikk H00 9.8: To uvalg (siste del) 9.9: Parvise observasjoer 9.0-9.: Adelser 9.: Varias Mette Lagaas Foreleses oag 0.oktober, 00 Norske hoppdommere og Jae Ahoe Jae Ahoe er e fisk skihopper,
DetaljerÅMA110 Sannsynlighetsregning med statistikk, våren 2007
ÅMA Sasylighetsregig med statistikk, våre 27 Kp. 6 (kp. 6) Tre deler av faget/kurset:. Beskrivede statistikk 2. Sasylighetsteori, sasylighetsregig 3. Statistisk iferes estimerig kofidesitervall hypotesetestig
DetaljerLøsningsforslag til eksamen i STK desember 2010
Løsigsforslag til eksame i STK0 0. desember 200 Løsigsforslaget har med flere detaljer e det vil bli krevd til eksame. Oppgave a Det er tilpasset e multippel lieær regresjosmodell av forme β 0 + β x i
DetaljerÅMA110 Sannsynlighetsregning med statistikk, våren 2006
ÅMA110 Sasylighetsregig med statistikk, våre 2006 Kp. 6, del 2 Bjør H. Auestad Kp. 6: Hypotesetesig del 2 1/ 38 Bjør H. Auestad Kp. 6: Hypotesetesig del 2 2/ 38 Oversikt 1. Hva er hypotesetestig? 2. Hypotesetestig
DetaljerLikningssystem for maksimum likelihood løsning
Maksimum likelihood metode Likigssystem for maksimum likelihood løsig Treig av klassifikator ute merket treigssett. Atakelser (i første omgag): Atall klasser c er kjet, ÁpriorisasyligheteeP(w i ), i =
DetaljerTema. Statistikk og prøvetakning. Hvorfor måle mer enn en gang? Fordelinger en innledning. Hvorfor måle mer enn en gang
Tema Statistikk og prøvetakig Marti Veel Svedse Trodheim, 31. jauar 017 Hvorfor måle mer e e gag praktisk tilærmig til statistikk Basis statistiske begreper Best. r 450 krav/veiledig til måliger Eksempler
DetaljerÅMA110 Sannsynlighetsregning med statistikk, våren 2010. Noen viktige sannsynlighetsmodeller. Binomisk modell. Kp. 3 Diskrete tilfeldige variable
ÅMA Saslighetsregig med statistikk, våre K. 3 Diskrete tilfeldige variable Noe viktige saslighetsmodeller Noe viktige saslighetsmodeller ( Sas.modell : å betr det klasse/te sas.fordelig.) Biomisk modell
Detaljer«Uncertainty of the Uncertainty» Del 4 av 6
«Ucertaity of the Ucertaity» Del 4 av 6 v/rue Øverlad, Traior Elsikkerhet AS Iledig Dette er del fire i artikkelserie om «Ucertaity of the Ucertaity». I dag skal jeg vise deg utledige av formele: σ m s,
DetaljerOppgave 1. (i) Hva er sannsynligheten for at det øverste kortet i bunken er et JA-kort?
ECON EKSAMEN 8 VÅR TALLSVAR Oppgave Vi har e kortstokk beståede av 6 kort. På av disse står det skrevet JA på forside mes det står NEI på forside av de adre kortee. Hvis ma får se kortet med bakside vedt
DetaljerÅMA110 Sannsynlighetsregning med statistikk, våren 2008 Kp. 6, del 5
ÅMA110 Sasylighetsregig med statistikk, våre 2008 Kp. 6, del 5 Bjør H. Auestad Istitutt for matematikk og aturviteskap Uiversitetet i Stavager 3. april Bjør H. Auestad Kp. 6: Hypotesetestig del 5 1/ 56
DetaljerÅMA110 Sannsynlighetsregning med statistikk, våren 2006 Kp. 6, del 5
ÅMA110 Sasylighetsregig med statistikk, våre 2006 Kp. 6, del 5 Bjør H. Auestad Istitutt for matematikk og aturviteskap Uiversitetet i Stavager 3. april Bjør H. Auestad Kp. 6: Hypotesetestig del 5 1 / 56
DetaljerKap. 9: Inferens om én populasjon
2 ST0202 Statistikk for samfusvitere Bo Lidqvist Istitutt for matematiske fag Ka. 9: Iferes om é oulasjo Hvis σ er ukjet bytter vi ut σ med s i Ny observator blir t = x μ s/ z = x μ σ/ der s = Σx 2 (Σx)
DetaljerUNIVERSITETET I OSLO ØKONOMISK INSTITUTT
Eksame i: ECON130 Statistikk 1 UNIVERSITETET I OSLO ØKONOMISK INSTITUTT Eksamesdag: 6.05.017 Sesur kugøres: 16.06.017 Tid for eksame: kl. 14:30 17:30 Oppgavesettet er på 6 sider Tillatte helpemidler: Alle
DetaljerH 1 : µ 1 µ 2 > 0. t = ( x 1 x 2 ) (µ 1 µ 2 ) s p. s 2 p = s2 1 (n 1 1) + s 2 2 (n 2 1) n 1 + n 2 2
TMA4245 Statistikk Norges tekisk-aturviteskapelige uiversitet Istitutt for matematiske fag Øvig ummer b4 Løsigsskisse Oppgave 1 Vi øsker å fie ut om et ytt serum ka stase leukemi. 5 mus får serumet, 4
DetaljerTMA4240 Statistikk Høst 2015
Høst 205 Norges tekisk-aturviteskapelige uiversitet Istitutt for matematiske fag Øvig ummer, blokk II Løsigsskisse Oppgave a) X bi(, p) fordi: Udersøker uavhegige delar av DNA-strukture. Fi for kvar del
DetaljerKap. 9: Inferens om én populasjon
2 ST0202 Statistikk for samfusvitere Bo Lidqvist Istitutt for matematiske fag Ka. 9: Iferes om é oulasjo Hvis σ er ukjet bytter vi ut σ med s i Ny observator blir t = x μ s/ z = x μ σ/ der s = Σx 2 (Σx)
DetaljerRep.: generelle begrep og definisjoner Kp. 10.1, 10.2 og 10.3
Kp. 1, oversikt ; oversikt, t- ; oversikt ; stor ; Hypoteseig; ett- og to-utvalg Rep.: geerelle begrep og defiisjoer Kp. 1.1, 1.2 og 1.3 Rep.: ett-utvalgser for μ (...), p Kp. 1 og 1.8 Nytt: ett-utvalgs
DetaljerOversikt over konfidensintervall i Econ 2130
HG April 00 Oversikt over kofidesitervall i Eco 30 Merk at dee oversikte ikke er met å leses istedefor framstillige i Løvås, me som et supplemet. Løvås ieholder mage verdifulle kommetarer og eksempler.
DetaljerTMA4245 Statistikk Vår 2015
TMA4245 Statistikk Vår 2015 Norges tekisk-aturviteskapelige uiversitet Istitutt for matematiske fag Øvig ummer 12, blokk II Oppgave 1 Kari har ylig kjøpt seg e y bil. Nå øsker hu å udersøke biles besiforbruk
DetaljerKapittel 7: Noen viktige sannsynlighetsfordelinger
Kapittel 7: Noe viktige sasylighetsfordeliger I mage situasjoer ka feomeet vi ser på beskrives med e bestemt type sasylighetsfordelig (e sasylighetsfordelig gitt ved e bestemt formel. Vi skal se på oe
DetaljerTMA4240 Statistikk Høst 2015
TMA4240 Statistikk Høst 2015 Norges tekisk-aturviteskapelige uiversitet Istitutt for matematiske fag Øvig ummer 12, blokk II I dee siste øvige fokuserer vi på lieær regresjo, der vi har kjete kovariater
Detaljer5 y y! e 5 = = y=0 P (Y < 5) = P (Y 4) = 0.44,
Norges tekisk-aturviteskapelige uiversitet Istitutt for matematiske fag Abefalte oppgaver 9, blokk II Løsigsskisse Oppgave a) Vi lar her Y være atall fugler som kolliderer med vidmølla i løpet av de gitte
DetaljerUNIVERSITETET I OSLO ØKONOMISK INSTITUTT
UNIVERSITETET I OSLO ØKONOMISK INSTITUTT Øvelsesoppgave i: ECON30 Statistikk HØST 004 Dato for utleverig: Fredag 5. oktober 004 Frist for ileverig: Osdag 7. oktober 004, seest kl. 5.00 Ileverigssted: Ekspedisjoskotoret,.
DetaljerOversikt over konfidensintervall i Econ 2130
1 HG Revidert april 011 Oversikt over kofidesitervall i Eco 130 Merk at dee oversikte ikke er met å leses istedefor framstillige i Løvås, me som et supplemet. Løvås ieholder mage verdifulle kommetarer
DetaljerLØSNING, EKSAMEN I STATISTIKK, TMA4240, DESEMBER Anta at sann porøsitet er r. Måling med utstyret gir da X n(x; r, 0,03).
LØSNING, EKSAMEN I STATISTIKK, TMA440, DESEMBER 006 OPPGAVE 1 Ata at sa porøsitet er r. Målig med utstyret gir da X (x; r, 0,03). a) ( ) X r P(X > r) P 0,03 > 0 P(Z > 0) 0,5. ( X r P(X r > 0,05) P 0,03
DetaljerHypotesetesting, del 5
Oversikt, del 5 Kofidesitervall p-verdi Kofidesitervall E (tosidig test ka gjeomføres vha. av et kofidesitervall. For eksempel, dersom vi i målemodell 1 vil teste: H 0 : μ = μ 0 mot H 1 : μ μ 0, ka vi
DetaljerTMA4240 Statistikk 2014
Norges tekisk-aturviteskapelige uiversitet Istitutt for matematiske fag Øvig ummer 2, blokk II Løsigsskisse Oppgave a µ populasjosgjeomsitt, dvs. eit gjeomsitt for alle bilae som køyrer på vegstrekige
DetaljerTMA4240 Statistikk Eksamen desember 2015
Norges tekisk-aturviteskapelige uiversitet Istitutt for matematiske fag TMA20 Statistikk Eksame desember 205 Løsigsskisse Oppgave a) De kumulative fordeligsfuksjoe til X, F (x) P (X x): F (x) P (X x) x
DetaljerModeller og parametre. STK Punktestimering - Kap 7. Eksempel støtfangere. Statistisk inferens. Binomisk fordeling. p X (x) = p x (1 p) n x
STK1100 - Puktestimerig - Kap 7 Geir Storvik Modeller og parametre Biomisk fordelig ( ) p X (x) = p x (1 p) x x Parameter: p Normalfordelig f X (x) = 1 2πσ e 1 2σ 2 (x µ) 2 11. april 2016 Parametre: µ,
DetaljerOppgave 1 Hardheten til en bestemt legering er undersøkt med åtte målinger og resultatene ble (i kg/mm 2 ) som i tabellen til høyre.
EKSAMEN I: ÅMA110 SANNSYNLIGHETSREGNING MED STATISTIKK VARIGHET: 4 TIMER DATO: 28. AUGUST 2010 BOKMÅL TILLATTE HJELPEMIDLER: KALKULATOR: HP30S, Casio FX82 eller TI-30 OPPGAVESETTET BESTÅR AV 3 OPPGAVER
DetaljerNoen vanlige. Indikatorfordeling: 1, dersom suksess. I mange situasjoner kan fenomenet vi ser på. 0, dersom ikke suksess
Kapittel 5: Noe valige sasylighetsfordeliger I mage situasjoer ka feomeet vi ser på beskrives med e bestemt type sasylighets- fordelig (e sasylighetsfordelig gitt ved e bestemt formel. Vi skal se på oe
DetaljerHØGSKOLEN I SØR-TRØNDELAG Avdeling for teknologi
HØGSKOLEN I SØR-TRØNDELAG Avdelig for tekologi Målform: Bokmål Eksamesdato: 19 des. 2014 Varighet/eksamestid: Emekode: 3 timer TALM1005 Emeav: Statistikk og Økoomi statistikkdele Klasser: Logistikk 1 Kjemi
Detaljer) = P(Z > 0.555) = > ) = P(Z > 2.22) = 0.013
TMA4240 Statistikk Vår 2008 Norges tekisk-aturviteskapelige uiversitet Istitutt for matematiske fag Øvig ummer b5 Løsigsskisse Oppgave 1 a) X 1,...,X 16 er u.i.f. N(80,18 2 ). Setter Y = X. i) P(X 1 >
DetaljerH T. Amundsen INNHOLD
Itere otater STATISTISK SENTRALBYRÅ. oktober 1980 KORRELASJONSKOEFFISIENTEN - ENDA ENGANG Av H T. Amudse INNHOLD 1. Iledig *****..... * 0 1. Produktmametkorrelasjoskoeffisiete og sammehege med lieær regresjo.
DetaljerÅMA110 Sannsynlighetsregning med statistikk, våren 2010 Kp. 6, del 4
ÅMA11 Sasylighetsregig med statistikk, våre 21 Kp. 6, del 4 Bjør H. Auestad Istitutt for matematikk og aturviteskap Uiversitetet i Stavager 22. mars Bjør H. Auestad Kp. 6: Hypotesetestig del 4 1/ 29 Bjør
DetaljerÅMA110 Sannsynlighetsregning med statistikk, våren 2011
ÅMA110 asylighetsregig med statistikk våre 011 Kp. 5 Estimerig 1 Estimerig. Målemodelle. Ihold: 1. (ukt)estimerig i biomisk modell (kp. 5.). Målemodelle... (kp. 5.3) 3. (ukt)estimerig i målemodelle (kp.
Detaljer