Hvorfor statistikk? Innhold (9 og 12 desember 2013): Litteratur. Læringsmål statistikk (9 og 12 desember 2013)
|
|
- Lisa Samuelsen
- 7 år siden
- Visninger:
Transkript
1 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 9 og desember redegjøre for følgede begreper iefor beskrivede statistikk: gjeomsitt (mea, media, percetiler, stadardavvik (SD, stadardfeil (SEM, frekvestabell og krysstabell, og tolke hva disse forklarer om ekle eksempeldatasett 8..6 redegjøre for hva som fremstilles i graftypee histogram, stolpediagram, Box-plott og spredigsplott redegjøre for begrepee kofidesitervall, ullhypotese, p-verdi, teststyrke, type I og type II-feil redegjøre for ormalfordelig og biomisk fordelig, og velge eget metode mellom uparet og paret T-test, uparet og paret ikke-paramterisk test, kjikvadrat-test, og tilhørede kofidesitervaller. 3 4 Ihold (9 og desember 3: Hvorfor statistikk? Deskriptiv statistikk Ekel sasylighetsregig Populasjo og tilfeldige utvalg Statistisk iferes: Estimerig, hypotesetestig og kofidesitervaller For å kue lese medisisk litteratur ikl viteskapelige artikler For å kue utføre ekle statistiske aalyser ifm hovedoppgave 5 Litteratur Bowers, D: Medical Statistics from Scratch. ed, Wiley 8. Aale, Odd. m.fl.: Statistiske metoder i medisi og helsefag. Gyldedal, 6. Veierød, M. B., Lyderse, S, Laake, P (eds: Medical Statistics i Cliical ad Epidemiological Research. Gyldedal,. Goick, L ad Wollcott, S: The Cartoo Guide to Statistics Harper Collis, Editorial, NEJM, Jauary : Lookig Back o the Milleium i Medicie. The most importat medical developmets of the past milleium: Elucidatio of Huma Aatomy ad Physiology Elucidatio of the Chemistry of Life Applicatio of Statistics to Medicie Developmet of Aesthesia Discovery of the Relatio of Microbes to Disease Elucidatio of Iheritace ad Geetics Kowledge of the Immue System Developmet of Body Imagig Discovery of Atimicrobial Agets Developmet of Molecular Pharmacotherapy
2 7 8 Ay serious ivestigator i biological ad medical scieces must have a grasp of the basic priciples (of statistics. With moder computer facilities there is little eed for familiarity with the techical detail of statistical calculatios. However, a physicia should uderstad whe such calculatios are valid, whe they are ot, ad how they should be iterpreted. (Campbell ad Machi, 7 Statistikk : Forskjellige betydiger:. E samlig tall f.eks Statistisk årbok fra Statistisk setralbyrå. Egelsk: Statistic, orsk observator eller testobservator : E fuksjo av data som f.eks gjeomsitt, maksimumsverdi eller Studet s t observator. 3. (Matematisk statistikk: E gre av matematikke med ege termiologi og metoder. Det viteskapelige redskap for å trekke koklusjoer basert på data med elemeter av usikkerhet. 9 Tre typer statistikk: Deskriptiv Grafer Oppsummerede tall Bekreftede Hypotesetestig Kofidesitervall Prediktiv Deskriptiv statistikk: Grafer og oppsummerigstall Typer data: Skalavariabel (kotiuerlig variabel - f.eks høyde i cm Kategorisk variabel (diskret variabel Ordial, f.eks Føler du deg deprimert? = Ikke i det hele tatt, = Litt, 3 = Edel, 4 = Svært mye Nomial, f.eks Sivilstad: = ugift, = gift, 3 = samboer, 4 = skilt, 5 = eke(ma Kosetrasjo av serum IgM (g/l hos 98 friske bar, 6 md - 6 år gamle (Altma, 99,8,,7,5,5,5,9,7,4,7,5 4,5,,4,8,8,7,6,6,8,,5,,7,,,7,5,6,6,9,5,4,,7,,,5,4,3,6,8,4,7,,7,,,5,3,5,6,,8,,8,3,,,8,6,3,5,6,6,4,5,5,9,8,4,5,4,4,4,,4,5,,9,7,9,5,7,5,7,5,9,5,,4,7,4,6,4,4,,4,4,3,7,,6,6,6,7,7,,4,9,8,6,,6,,4,3,7,9,7,8,6,9,9,9,5,5,7,,5,,,3,5,8,8,8,,6,,3,7,,8,6,4,,5,3,3,8,4,3,,3,8,8,,4,6,5,4,7,7,9,,8,5,8,8,,9,6,7,4,4,6,,3,8,3,3,5,7,,5,7,5,7,,,,,8,,5,5,3,5,7,4,9,4,6,8,7,7,8,,7,8,8,9,4,6,7,,7,8,7,4,,8,5,6,7,8,3,8,6,8,4,8,7,6,5,9,8,9,4,8,5,,8,,5,9,4,3,4,9,5,,5,4,,4,7,3,5,7,7,6,6,8,6,7,6,6,6,8,3,,3,4,,8,3,8,6,7,,8,3,3,,9,3,6,7,9,6,6,,3,7,6,9
3 3 4 Histogram - IgM data: Example: EORTC Quality of life questioaire 4 do you feel depressed? * performace Crosstabulatio 3 Cout do you feel depressed? Total : ot at all : a little 3: partly 4: very much performace who - who -4 Total Atall,,5,,5,,5 3, 3,5 4, 4,5 5, IgM (g/l 5 6 Noe yttige grafer É kategorisk variabel: Bar chart (stolpediagram Pie chart (kakediagram To kategoriske variable: Clustered bar chart (klyget stolpediagram 7 8 Noe yttige grafer (forts. É skalavariabel: Histogram Sammelike data med ormalfordelig: Q-Q plot lettere å lese og tolke e ormal curve overlay i histogram To skalavariable: Scatterplot Noe yttige grafer (forts. É skalavariabel og é kategorisk variabel (sammelike skalavariabele i to eller flere grupper: Dot plot eller scatter plot (ved få observasjoer Box plot (ved mage observasjoer 3
4 9 Beskrivelse av fordelige Skalavariable, evt også ordiale variable: setrum og spredig: Gjeomsitt og stadardavvik Media og kvartiler Kategoriske data: Frekvestabell Krysstabell 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 (Empirisk stadardavvik: i i s ( xi x ( i 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. Eksempel: Atall dager i sykehus. Behadlig A: 6, 5, 37,, 3,, 7,, 3, 38 Sortert:,, 3, 5, 7,, 6, 37, 38, 3 Behadlig B 4, 3, 5,, 6,, 3, 65, 4, 5, 3, 49, 43 Sortert:, 5,, 6, 3, 3, 4, 49, 65, 5, 4, 3, 43 Hva blir media og kvartiler for behadlig A? 3 4 Hvilke(t mål vil du bruke på setrum og spredig i fordeligee? Gjeomsitt og stadardavvik har gustige matematiske egeskaper. Eks: Hvis gjeomsitt og stadardavvik for hvert av r utvalg er gitt, ka ma berege dem for det totale tallmaterialet: x x... r xr Gjeomsitt totalt: xtotal... Varias totalt: s r ( s ( s... ( r sr total... r r Stadardavvik totalt: s total s total 4
5 5 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 Studets t-test, valig regresjosaalyse 6 Histogram m/ormalfordeligskurve IgM data Atall 4 3 -, -, IgM (g/l,,, 3, 4, 5, 7 8 Normal Q-Q Plot of IgM (g/l,5,,5 Expected Normal Value,,5, -, Observed Value 9 3 Box plot Box plot - eksempel 5 Sum score equivalet Ekstreme observasjoer Outliers Øvre kvartil 4 Media IgM (g/l N = 98 Nedre kvartil N = NHP FAI MADRS BI ESUS OSUS NHP FAI MMS 5
6 3 3 Eksempel - IgM data: Eksempel - EORTC data Gjeomsitt:,83 Stadardavvik:,47 Media (5% uder:,7 Nedre kvartil (5% uder:,5 Øvre kvartil (75% uder:, Performace status who - who -4 Gjeomsitt.73.4 Stadardavvik media Valg av deskriptiv statisikk for setrum og spredig i fordelige Gjeomsitt og stadardavvik ELLER media og kvartiler ELLER begge deler? Avheger 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? JA, hvis rimelig atakelse basert på ae kuskap eller ispeksjo av data. 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 - postoperativ kvalme Behadlig * Kvalmeklasse Krysstabell Behadlig Total Nei Ja Atall % Atall % Atall % Kvalme lite eller ige betydelig Total 8 3 6,% 4,%,% ,8% 7,%,% ,% 8,8%,% Ekel sasylighetsregig Risikoreduksjo i dette utvalget: 8,8% - 6,% =,8% Hva ka vi si om effekt av behadlig i e populasjo av aktuelle pasieter? 6
7 37 38 Sasylighet for gutt: Atall Atall gutter Adel gutter levedefødsler 8,8 55,55 55,55 539,539 57, , , ,568 Sasylighet (Def 3. Et forsøk gjeomføres gager. Begivehete A itreffer A av gagee. De relative hyppighete A / tederer mot et tall år atall forsøk tederer mot uedelig. Dette tallet, P(A, kalles sasylighete for A. Egelsk: Probability 39 4 Sasylighetsmodell: Forsøk, utfallsrom, sasylighete til hvert ekeltutfall a Terigkast: P( = P( = P(3 = P(4 = P(5 = P(6 = /6 b Barefødsel. P(jete =.487, P(gutt =.53 c Behadlig med peicilli. Realistisk for ekelte pasietgrupper: P(frisk =.6377, P(forblir syk =.36, P(aafylaktisk sjokk =. Aale et al (6, side 49: Det er for eksempel meesker som har kastet e terig svært mage gager, og da har fuet ut at hvert av utfallee opptrer i omtret /6 av tilfellee Regeregler for sasylighet Positiv uritest Syk (Chalmydia thractomatis 757 Regel 3. Komplemetregele P( A P( A A 8 7 B 89 Regel 3.3 Addisjosregele: For disjukte A og B har vi P( A B P( A P( B Regel 3.4 De geerelle addisjosregel: P( A B P( A P( B P( A B A = Pasiete har positiv uritest P( A 8/ 757.7% B= Pasiete er syk P( B 89 / 757.8% P( A B 7 / % 7 / 757 P( A B P( A B 89 / 757 P( B 7
8 43 44 Defiisjo av betiget sasylighet for A gitt B: P( A B P( A B P( B Regel 3.5 De geerelle multiplikasjosregele P( A B P( A B P( B P( B A P( A A og B er stokastisk uavhegige hvis P( A B P( A Regel 3.6 mm: A og B er stokastisk uavhegige hvis og bare hvis P( A B P( A P( B Regel 3.7: Hvis A, A,, A er stokastisk uavhegige så er P( A A... A P( A P( A P( A Eksempel: Sasylighet for to gutter i to ekeltfødsler: P( G G P( G P( G Aale et al, eksempel 3.4 s 56: Vi atar da uavhegighet mellom hver fødsel med hesy til barets kjø. Egetlig ka e ikke bare gå ut fra at det er avhegighet i dette tilfellet. Det bør udersøkes om e slik atakelse stemmer med virkelighete. Det fies flere udersøkelser om dette, og det viser seg at det ikke er full stokastisk uavhegighet med hesy til bars kjø i e familie. Ekelte familier har e tedes til å få jeter og adre e tedes til å få gutter Lippert, T, Skjærve, R, Salvese, K. Å: Hvorfor får oe bare gutter eller bare jeter? Tidsskr Nor Lægefore 5; 5: Studie basert på kvier som har født to, tre og fire bar i periode (Norsk fødselsregister: kvier og fødsler. Adel gutter 5.33%. Lippert et al (5: Det er ikke holdepukter for at sasylighete for å få gutt eller jete avviker fra populasjosgjeomsittet hos oe spesielle foreldrepar. De viktigste forklarige på at det er flere ree gutte- og jetesøskeflokker e statistisk fordelig forutsier, er at e del mødre med bare gutter eller bare jeter føder flere bar, i hva vi tror er et forsøk på å få et bar av motsatt kjø. 8
9 49 5 Altså: Barets kjø (ved ekeltfødsler er uavhegig av kjøsfordelig på eldre søske, Norge Me: Sigh, N., Pripp, A. H., Brekke, T., & Stray- Pederse, B., "Differet sex ratios of childre bor to Idia ad Pakistai immigrats i Norway", BMC Pregacy ad Childbirth, vol.. Sigh et al (. Idia populatios livig i Norway Time period Birth order of child Female / male Female sex ratio, % (95% cofidece iterval /97 87 (73 to 97/7 95 (77 to /79 8 (75 to 4 4 6/8 93 (4 to /5 3 (94 to 3 8/4 (8 to 3 64/3 6 (43 to 8 4 /33 36 ( to /35 6 (96 to 36 /37 85 (69 to 3 68/99 69 (47 to 9 4 8/7 47 (8 to 87 Natural female sex ratio: (-.53/.53 = 95% 5 5 Sigh et al (: Our fidigs idicate that the female-to-male ratio of higher birth order childre seems to have declied amog Idia immigrats, but ot amog Pakistai immigrats, after the itroductio of ultrasoud scaig techology i Norway i 987. Lower proportios of female births tha expected were ot foud i the pre-ultrasoud era. This imbalace could reflect the selective abortio of female fetuses due to preatal sex determiatio by ultrasoud. Tilfeldige variable (stokastiske variable Sasylighetsfordelig Forvetigsverdi Varias og Stadardavvik Sasylighetsfordelig Stokastisk forsøk: Vet ikke utfallet på forhåd. Me vet megde mulige utfall på forhåd. Stokastisk variabel (tilfeldig variabel Tallstørrelse kyttet til utfallet. Vet ikke verdie på de før forsøket er utført. Sasylighetsfordelig (for kategoriske variable: Sasylighetee for de mulige verdiee. Forvetige til X Forvetigsverdie (expectatio, expected value, mea E( X x P( X x alle xi tygdepuktet i i 9
10 55 56 Variase til X Var X x E X P X x ( ( i ( ( i alle xi x P( X x ( E( X alle xi i i De store talls lov: Når atall observasjoer vokser (mot uedelig, vil: A / P(A x E( X Stadardavviket til X (Stadard deviatio SD( X Var( X Lettest ved hådregig s Var( X 57 Biomisk forsøksrekke. Defiisjo: De ekelte forsøk er uavhegige av hveradre I hvert forsøk registreres hvorvidt hedelse A itreffer eller ikke Sasylighete for A, p=p(a, er de samme i hvert forsøk. 58 Biomisk forsøksrekke - eksempler Barefødsler: Kjø på etterfølgede ekeltfødsler ved et sykehus Terigkast. P(sekser=/6. Behadlig av e bestemt sykdom: Pasiete blir frisk Biomisk fordelig: X suksesser blat forsøk, P(suksess=p i hvert forsøk: X bi(, p x P( X x p ( p x E( X p Var( X p( p x Eksempel: X=atall gutter blat 4 ekeltfødsler: p=.53 E( X P X 4 4 (.53 (
11 6 6 Populasjo og tilfeldige utvalg Statistisk modell og utvalg Atall gutter blat 4 uavhegige fødsler Statistisk iferes SAMPLE The last 3 low-birthweight babies bor i these three materity uits Represetativt(? Tilfeldig(? I oe studier er målpopulasjoe og studiepopulasjoe de samme (ideelt Figur fra Bowers( Populasjo Tilfeldig Utvalg Statistisk iferes Populasjo Utvalg Tilfeldig (stokastisk variabel Observasjoer x,..., x X Forvetigsverdi E( X Gjeomsitt x Varias (Utvalgsvarias, empirisk varias s Stadardavvik (Utvalgsstadardavvik, empirisk stadardavvik s Sasylighetsfordelig: F.eks Normalfordelig: X N(, Biomisk fordelig X bi(, p
12 67 68 Statistisk iferes (bekreftede statistikk Eksempel - postoperativ kvalme Behadlig * Kvalmeklasse Krysstabell Trekke slutiger om (e eller flere parameter(e i e populasjo basert på aalyse av et tilfeldig utvalg: Estimat Kofidesitervall Hypotesetestig / P-verdi Behadlig Total Nei Ja Atall % Atall % Atall % Kvalme lite eller ige betydelig Total 8 3 6,% 4,%,% ,8% 7,%,% ,% 8,8%,% Differase i suksessasylighet i dette utvalget: 8,8% - 6,% =,8% Hva ka vi si om effekt av behadlig i e populasjo av aktuelle pasieter? 69 7 Estimert sasylighet for suksess: kotrollgruppe: pˆ 8 / 3 6% behadligsgruppe: pˆ 4 / 9 83% Hvis vi behadler pasieter vil vi forvete hhv x6%=6 og x83%=83 suksesser. Forvetet differase: 83-6=3 NNT - Number eeded to treat (=NNTB Number eeded to beefit The umber of patiets that a physicia would have to treat with a ew treatmet i order to avoid oe evet that would otherwise have occurred with a stadard treatmet. (Simo Day: Dictioary for cliical trials, d editio, Wiley, NNT bereges som delt på differase mellom sasylighetee i de to gruppee: NNT 4.4 pˆ pˆ.83.6 Hvis vi behadler 4.4 pasieter vil vi forvete hhv 4.4x6% =.6 suksesser 4.4x83% = 3.6 suksesser Forvetet differase = Hypotesetestig Sett opp ullhypotese og alterativ hypotese. Eksempel: H : Sasylighete for suksess er lik i gruppee H : Sasylighete for suksess er forskjellig
13 73 74 Hypotesetestig: Sahete Nullhypotese: H : p = p Alterativ hypotese H : p p (tosidig eller H : p < p (esidig Esidige alterativ hypoteser brukes este aldri i medisisk forskig. Beslutig Aksepter H Forkast H (påstå H H H OK P( Type I feil H = P( Type II feil H = P( OK H =- =testes styrke(fuksjo P(Type I feil = P(Forkaste H H = kalles testes sigifikasivå P(Type II feil = P(Akseptere H H = P(Forkaste H H =- kalles testes styrke (power Varierede otasjo: Noe lærebøker bruker for styrke og (- for P(Type II feil Hypotesetestig og p-verdi P-verdie (sigifikassasylighet, sig. er sasylighete for å få de observerte verdier eller oe mer ekstremt, gitt at H er sa. P-verdie er ikke sasylighete for at H er sa! Forkast H hvis p-verdi Dette garaterer P(Type I feil Kryssede iteresser: Øsker lav og lav. MEN: Desto lavere, desto lavere teststyrke (høy I praksis: Sett til et lavt tall, valigvis.5 eller.. H og H er ikke likeverdige. Hvis vi er i tvil, aksepteres H. I rettsveseet: H : Tiltalte er uskyldig H : Tiltalte er skyldig 3
14 79 8 Kofidesitervall: Et mål på usikkerhet i estimatet Et ( kofidesitervall (, for e parameter (for eksempel p p har egeskape l h P( l h ( kalles kofideskoeffisiete. Valigvis er (.95 8 Hva betyr et ( kofidesitervall? Hvis det bereges 95% kofidesitervall for mage forsøk, vil i det lage løp 95% av itervallee dekke de sae verdie Det er IKKE 95% sasylighet for at kofidesitervallet dekker de sae verdie Sammeheg mellom kofidesitervall og hypotesetest: Hvis ( kofidesitervallet for ieholder, vil vi ikke forkaste H : på sigifikasivå 8 Fra Vacouver-retigslijee : Statistics Whe possible, quatify fidigs ad preset them with appropriate idicators of measuremet error or ucertaity (such as cofidece itervals. Avoid relyig solely o statistical hypothesis testig, such as the use of P values, which fails to covey importat iformatio about effect size. (Geerelt: Kofidesitervallet består av de verdier som ikke ville blitt forkastet ved hypotesetestig på ivå ICMJE Iteratioal Committe of Medical Joural Editors jauar Kaasbøll J, Lyderse S, Idredavik M: (Pai, Psychological symptoms i childre of parets with chroic pai the HUNT study Eksempel - postoperativ kvalme Results adjusted for age Parets with chroic pai Number of Risk for coduct problems: Odds ratio (OR childre estimate Cof. it. P-value Noe 8 (ref. Oly mother to Oly father to.3.93 Both parets to Behadlig Total Behadlig * Kvalmeklasse Krysstabell Nei Ja Atall % Atall % Atall % Kvalme lite eller ige betydelig Total 8 3 6,% 4,%,% ,8% 7,%,% ,% 8,8%,% Pearso s kjikvadrattest, tosidig alterativ: p-verdi =.54 4
15 85 86 To grupper av størrelse og. Observerer X bi(, p og X bi(, p H : p =p (eller p -p = mot H : p p. Estimatorer for p og p : pˆ X og p ˆ X Forkaster H hvis pˆ ˆ p avviker mye fra. pˆ pˆ Uder H er z tilærmet stadard ormalfordelt. Var( pˆ pˆ pga uavh. Var( pˆ pˆ Var( pˆ ( Var( pˆ Uder H p ( p p( p p( p Dermed fås z pˆ pˆ pˆ ( pˆ X X hvor pˆ Geerelt: pˆ pˆ ( p p z er tilærmet stadard ormalfordelt. Var( pˆ pˆ p ( p p ( p pga uavh. Var( pˆ pˆ Var( pˆ ( Var( pˆ Dermed fås Så Pr( z z z / / pˆ pˆ ( p p Pr( z pˆ ( pˆ pˆ ( pˆ / z / z pˆ pˆ ( p ˆ ˆ p p p ( p p p ( p p ( p pˆ ( pˆ pˆ ( pˆ Løser de mhp p p og får et tilærmet - kofidesitervall for p p 89 9 Tilærmet - kofidesitervall for p p (Wald itervallet pˆ pˆ z ˆ ˆ ˆ ˆ / p( p p( p Tilærmige er OK bare hvis og er store Agresti & Caffo ( kofidesitervall for p -p : Bereg estimert risikodifferase som før: X X pˆ pˆ Legg til i hver celle i x tabelle før du bereger valig asymptotisk kofidesitervall: X X X X p, p Bedre tilærmet kofidesitervall: p p z p ( p p ( p / 5
16 9 9 Agresti & Caffo ( itervallet: Lett å berege Legg til 4 observasjoer ( suksess og fiasko i hver av gruppee og bereg Wald itervallet som om dette var observasjoee Gode egeskaper (dekigsgrad Abefalt i yere iførigsbøker i statistikk Eksempel: Postoperativ kvalme x x 4 8 pˆ pˆ p x x 4 9 p x x % Agresti-Caffo kofidesitervall: p p z p ( p p ( p.5/ (.864.6(.6 (.7, (95% Wald kofidesitervall: (.5,.45 Er kofidesitervallet kosistet med hypoteseteste (p=.54? Eksempel: Atall dager i sykehus. Behadlig A: 6, 5, 37,, 3,, 7,, 3, 38 x 3.9, s 36.4, media = 9 A A Behadlig B 4, 3, 5,, 6,, 3, 65, 4, 5, 3, 49, 43 x 76.54, s 75.86, media = 4 B A Hva ka vi si om forskjell mellom A og B i populasjoe? Studet s t-test og kofidesitervall for to uavhegige utvalg. Estimator for : X X ~ N, observasjoer, atas uavh. N(, observasjoer, atas uavh. N(, H : = mot H : Ekvivalet: H : - = mot H : - Atar foreløpig lik varias, = = Ikke brukbar ved observasjoer som avviker mye mer fra gjeomsittet e forvetet I ormalfodelige. X X ( ~, Altså: N Hvis X X ( ~, så er N
17 97 98 Me er ukjet og estimeres ved pooled estimate of the variace : Atall dager forutsatt (tilærmet ormalfordelt S ( X i X ( X i X i i S S Vi bruker at X X ( ~ t S Atall dager er ikke ormalfordelt. Logaritme til atall dager er tilærmet ormalfordelt Logaritme (l til atall dager Tolkig: l( MediaA l( MediaB.7789 MediaA l.7789 MediaB MediaA e MediaB.5353,5 95% kofidesitervall: ( e, e (.5,.978 7
18 3 Ikke-parametriske metoder: Forutsetter ige parametrisk fordelig: Basert på ragordige av observasjoee, glemmer origialdata 4 Example: EORTC Quality of life questioaire Behadlig A sortert:,, 3, 5, 7,, 6, 37, 38, 3 Rag:,, 4, 5.5, 7, 8,.5, 4, 5, Gjeomsittsrag: 8.7 Behadlig B sortert:, 5,, 6, 3, 3, 4, 49, 65, 5, 4, 3, 43 Rag: 3, 5.5, 9,.5,.5,.5, 6, 7, 8, 9,,, 3 Gjeomsittsrag: 4.54 Cout do you feel depressed? * performace Crosstabulatio do you feel depressed? Total : ot at all : a little 3: partly 4: very much performace who - who -4 Total Wilcoxo-Ma-Whitey s test for to uavhegige utvalg: P= Eksempel - EORTC data Er du Performace status deprimert? who - who -4 Gjeomsitt.73.4 Stadardavvik media Observert differase:.4.73 =.4 Er det forskjell på forvetet depresjos-skåre mellom de to gruppee? Studet s T-test: 95% KI (.3,.59, p-verdi <. Wilcoxo-Ma-Whitey (Ikke-parametrisk test: p-verdi <. 7 8 Matchede par. Eksempel fra Box, Huter & Huter: Statistics for Experimeters d ed. (5 Metodee vi har sett på, forutsetter uavhegige observasjoer i gruppee. Hva med matchede par? 8 8
19 9 Matchede par - eksempler fra medisisk forskig: Overkrysigsstudier Kotralateral desig Matchede par: Skalavariable: Reg ut differase for hvert idivid. Bruk e ettutvalgsmetode for å teste om forvetet differase er : Studet s ettutvalgs t-test Ekvivalet: paired samples t-test programvare reger ut differasee. eller Wilcoxo s siged rak ikkeparamertrisk test Ekvivalet: Related samples Dikotome variable (to mulige utfall: McNemar s test Newcombe s metode for kofidesitervall Studet t t-test eller ikke-parametrisk metode? Oppsummerig - valg av metode: 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: Ka også berege tilhørede kofidesitervall. Type variabel To uavhegige utvalg Matchede par Normalfordelt (evt etter trasformasjo, eller data ute ekstreme observasjoer Studet s toutvalgs t-test: To versjoer: Ata lik varias Ikke ata lik varias Studet s ettutvalgstest på differasee Ekvivalet: Paret t-test Vilkårlig fordelt skalavariabel eller ordial variabel Dikotom (to mulige utfall (Wilcoxo- Ma- Whitey s test Pearso s kjikvadrattest hvis forvetet atall i alle celler >5. Agresti-Caffo kofidesitervall Wilcoxo s siged rak test på differasee McNemar s test Newcombes kofidesitervall for differase i suksessasylighet 9
Innhold: 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: 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
DetaljerDeskriptiv statistikk for sentrum og spredning i fordelingen. Gjennomsnitt og standardavvik. eller
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,,
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
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
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
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
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
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
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
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
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.
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
DetaljerÅMA110 Sannsynlighetsregning med statistikk, våren 2007 Oppsummering
ÅMA110 Sasylighetsregig med statistikk, våre 2007 Oppsummerig Bjør H. Auestad Istitutt for matematikk og aturviteskap Uiversitetet i Stavager 19. april Bjør H. Auestad Oppsummerig våre 2006 1 / 37 Oversikt
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 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
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
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)
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
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
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
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
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
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)
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
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
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
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 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
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
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
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
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
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
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
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,
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
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
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 TMA4240 H2006: Eirik Mo Feome Bilkjørig Høyde til studeter Estimator ˆp = X, X atall ˆµ = X gjeomsittlig høyde. som syes de er
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
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 >
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)
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
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.
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
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
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
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
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
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
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)
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
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
DetaljerForventningsverdi. MAT0100V Sannsynlighetsregning og kombinatorikk
MAT0100V Sasylighetsregig og kombiatorikk Forvetigsverdi Sasylighetsfordelige til e tilfeldig variabel X gir sasylighete for de ulike verdiee X ka ata Forvetig, varias og stadardavvik Tilærmig av biomiske
DetaljerLøsningsforslag ST1101/ST6101 kontinuasjonseksamen 2018
Løsigsforslag ST/ST6 kotiuasjoseksame Oppgave a Defier hedelsee R, B, B rød kule i første trekig, blå kule i adre trekig, blå kule i tredje trekig. Vi skal fie PR B B for to ulike situasjoer. Geerelt vet
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
DetaljerEmnenavn: Eksamenstid: 4 timer. Faglærer: Hans Kristian Bekkevard
EKSAMEN Emekode: SFB107111 Emeav: Metode 1, statistikk deleksame Dato: 7. mai 2018 Hjelpemidler: Godkjet kalkulator og vedlagt formelsamlig m/tabeller Eksamestid: 4 timer Faglærer: Has Kristia Bekkevard
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
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
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
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
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
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
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
DetaljerOppgaven består av 9 delspørsmål, A,B,C,., som anbefales å veie like mye, Kommentarer og tallsvar er skrevet inn mellom <<.. >>.
ECON 130 EKSAMEN 008 VÅR - UTSATT PRØVE SENSORVEILEDNING Oppgave består av 9 delspørsmål, A,B,C,., som abefales å veie like mye, Kommetarer og tallsvar er skrevet i mellom . Oppgave 1 Ved e spørreudersøkelse
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
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.
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
DetaljerLøsningsforslag Oppgave 1
Løsigsforslag Oppgave 1 a X i µ 0 σ X i µ 0 2 σ 2, i 1,..., er uavhegige og stadard N0, 1 fordelte. Da er, i 1,..., uavhegige og χ 2 -fordelte med e frihetsgrad. Da er summe χ 2 -fordelt med atall frihetsgrader
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
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
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.
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).
DetaljerHypotesetesting, del 4
Oversikt, del 4 t-fordelig t-test t-itervall Del 5 Kofidesitervall vs. test p-verdi t-fordelig Rett på defiisjo: Utgagspuktet er målemodelle med ormalatakelse: X 1,...,X,u.i.f.tilf.var.derX i Nμ, σ 2 ).La
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
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
DetaljerEmnenavn: Metode 1, statistikk deleksamen. Eksamenstid: 4 timer. Faglærer: Bjørnar Karlsen Kivedal
EKSAMEN Emekode: SFB10711 Emeav: Metode 1, statistikk deleksame Dato: 10. oktober 2018 Hjelpemidler: Godkjet kalkulator og vedlagt formelsamlig m/tabeller Eksamestid: 4 timer Faglærer: Bjørar Karlse Kivedal
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
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 TIL EKSAMEN I FAG TMA4240 STATISTIKK 5.august 2004
Norges tekisk aturviteskapelige uiversitet Istitutt for matematiske fag Side av 0 LØSNINGSFORSLAG TIL EKSAMEN I FAG TMA4240 STATISTIKK 5.august 2004 Oppgave Foruresig X er e stokastisk variabel som agir
DetaljerKapittel 5: Tilfeldige variable, forventning og varians.
Kapittel 5: Tilfeldige variable, forvetig og varias. Tilfeldige variable Tilfeldige variable kalles også stokastiske variable. Defiisjo: E tilfeldig variabel er e variabel som får si umeriske verdi bestemt
DetaljerÅMA110 Sannsynlighetsregning med statistikk, våren 2007 Kp. 6, del 2
ÅMA11 Sasylighetsregig med statistikk, våre 27 Kp. 6, del 2 Bjør H. Auestad Istitutt for matematikk og aturviteskap 5. mars 21 Bjør H. Auestad Kp. 6: del 1/2 1/ 42 Bjør H. Auestad Kp. 6: del 1/2 2/ 42
DetaljerPopulasjon, utvalg og estimering
Populasjo, utvalg og estimerig (Notat til forelesig i estimerig, Kap. 6.) Populasjo og utvalg Med basalkuskap i sasylighetsregig og sasylighetsfordeliger er vi å i stad til å gå videre med statistisk iferes
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:
DetaljerOversikt, del 5. Vi har sett på styrkefunksjon for ensidige tester. Eksempler (styrke, dimensjonering,...) Eksempler fra slutten av forrige uke
Hypotesetestig, del 4 oppsummerig fra Hypotesetestig, del 5 Kofidesitervall dimesjoerig Oversikt, del 5 Eksempler fra slutte av forrige uke Kofidesitervall p-verdi Eksempler Eksempler styrke, dimesjoerig,...
DetaljerForelesning Moment og Momentgenererende funksjoner
ushu.li@uib.o Forelesig + 3 Momet og Mometgeererede fuksjoer 1. Oppsummerig til Forelesig 1 1.1) Fuksjoe av S.V: hvis variabele er e fuksjo (trasformasjo) av S.V. : g( ), da er også e S.V.: til ethvert
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
Detaljer2. Hypotesetesting i ulike sitausjoner: i. for forventingen, μ, i målemodellen med normalantakelse og kjent varians, σ 2.
Oversikt 1. Hva er hypotesetestig? 2. i ulike sitausjoer: i. for forvetige, μ, med ormalatakelse og kjet varias, σ 2. ii. for forvetige, μ, med stor og ormaltilærmig (variase, σ 2, ukjet). iii. for suksessasylighete,
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
DetaljerOppgaver fra boka: Med lik men ukjent varians antatt har vi fra pensum at. t n1 +n 2 2 under H 0 (12 1) (12 1)
MOT30 Statistiske metoder, høste00 Løsiger til regeøvig r. 5 (s. ) Oppgaver fra boka: Oppgave 0.36 (0.0:8) Dekkslitasje X,..., X u.i.f. N(µ, σ ) og X,..., X u.i.f. N(µ, σ ) og alle variable er uavhegige.
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
DetaljerOppgaver fra boka: X 2 X n 1
MOT30 Statistiske metoder, høste 00 Løsiger til regeøvig r 3 (s ) Oppgaver fra boka: 94 (99:7) X,, X uif N(µ, σ ) og X,, X uif N(µ, σ ) og alle variable er uavhegige Atar videre at σ = σ = σ og ukjet Kodesitervall
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
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:
Detaljerbetegne begivenheten at det trekkes et billedkort i trekning j (for j=1,2,3), og komplementet til
1 ECON1: EKSAMEN 17v SENSORVEILEDNING. Det abefales at de 9 deloppgavee merket med A, B, teller likt uasett variaso i vaskelighetsgrad. Svaree er gitt i
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
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
DetaljerHØGSKOLEN I SØR-TRØNDELAG Avdeling for teknologi
HØGSKOLEN I SØR-TRØNDELAG Avdelig for tekologi Målform: Bokmål Eksamesdato: 5 jui 2015 Varighet/eksamestid: Emekode: 3 timer TALM1005 Emeav: Statistikk og Økoomi statistikkdele Klasser: Logistikk 1 Kjemi
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,
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
Detaljer