Innhold: Hvorfor statistikk? Læringsmål statistikk (3 og 7 januar 2013) Litteratur. For å kunne lese medisinsk litteratur inkl vitenskapelige artikler
|
|
- Ingvild Bjørnstad
- 7 år siden
- Visninger:
Transkript
1 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 3 jauar 3 Oppdatert jauar 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: Hvorfor statistikk? Deskriptiv statistikk Ekel sasylighetsregig Radomiserte kotrollerte studier: Radomiserig Populasjo og tilfeldige ldi utvalg Statistisk iferes: 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 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 - f.eks høyde i cm Kategorisk 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 8,8 6,6 9,9 9,9 9,9 5,5 5,5 7,7, 5,5,, 3,3 5,5 8,8,8,8,,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? d? 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 k 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) 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 ( ) i i (Empirisk) varias: s ( x ) i x xi x (Empirisk) stadardavvik: 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... x r r Gjeomsitt totalt: xtotal... r ( ) s ( ) s... ( r ) sr Varias totalt: stotal... 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 lue, Expected Normal Val,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 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): lt) 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 PA ( ) PA ( ) A 8 7 B 89 Regel 3.3 Addisjosregele: For disjukte A og B har vi PA ( B) PA ( ) PB ( ) Regel 3.4 De geerelle addisjosregel: PA ( B) PA ( ) PB ( ) PA ( B) A = Pasiete har positiv uritest PA ( ) 8/ 757.7% B= Pasiete er syk PB ( ) 89 / 757.8% PAB ( ) 7 / % 7 / 757 PA ( B) PAB ( ) 89 / 757 PB ( ) 7
8 43 44 Defiisjo av betiget sasylighet for A gitt B: PA ( B) PAB ( ) PB ( ) Regel 3.5 De geerelle multiplikasjosregele PA ( B) PABPB ( ) ( ) P( B A) P( A) A og B er stokastisk uavhegige hvis PAB ( ) PA ( ) Regel 3.6 mm: A og B er stokastisk uavhegige hvis og bare hvis PA ( B ) PAPB ( ) ( ) Regel 3.7: Hvis A, A,, A er stokastisk uavhegige så er PA ( A... A) PAPA ( ) ( ) PA ( ) Eksempel: Sasylighet for to gutter i to ekeltfødsler: PG ( G) PG ( ) PG ( ) 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 4) 3 85/79 8 (75 to 4) 4 6/8 93 (4 to 4) /5 3 (94 to 3) 8/4 (8 to ) 3 64/3 6 (43 to 8) 4 /33 36 ( to 6) /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 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. 9
Innhold: 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
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,,
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
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
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
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
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
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
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
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
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
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
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.
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
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 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
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
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
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
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
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
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 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 11 Løsigsskisse Oppgave 1 a) E rimelig estimator for forvetigsverdie µ er gjeomsittet X = 1 X i, som vil være ormalfordelt
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
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
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
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
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 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 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 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
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
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
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
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
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
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
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.
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,
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
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
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 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
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
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
DetaljerUkeoppgaver i BtG207 Statistikk, uke 4 : Binomisk fordeling. 1
Ukeoppgaver i BtG20 Statistikk, uke 4 : Biomisk fordelig. 1 Høgskole i Gjøvik Avdelig for tekologi, økoomi og ledelse. Statistikk Ukeoppgaver uke 4 Biomisk fordelig. Oppgave 1 La de stokastiske variable
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
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)
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)
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
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
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
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
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
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
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
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,
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
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
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
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
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.
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:
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
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 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 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
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
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
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
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
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
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.
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
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,.
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
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 >
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,
DetaljerUlike typer utvalg. MAT0100V Sannsynlighetsregning og kombinatorikk. Ordnet utvalg uten tilbakelegging. Ordnet utvalg med tilbakelegging.
MAT0100V Sasylighetsregig og kombiatorikk Ordet utvalg med og ute tilbakeleggig (repetisjo) Uordet utvalg ute tilbakeleggig (repetisjo) Tilfeldige variabler og sasylighetsfordeliger Hypergeometrisk fordelig
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
DetaljerSTK1100: Kombinatorikk og sannsynlighet
ST1100: ombiatorikk og sasylighet Jauar 201 Ørulf Borga/Geir Storvik Matematisk istitutt Uiversitetet i Oslo 1 Uiform sasylighetsmodell: Et stokastisk forsøk har N utfall Det er de mulige utfallee for
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
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
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
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,
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
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,
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
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
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
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).
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
DetaljerEKSAMENSOPPGAVE. Mat-1060 Beregningsorientert programmering og statistikk
Fakultet for aturviteskap og tekologi EKSAMENSOPPGAVE Eksame i: (Kode og av) Dato: 05.1.017 Klokkeslett: 09:00-13:00 Sted: Åsgårdv 9 Mat-1060 Beregigsorietert programmerig og statistikk Tillatte hjelpemidler:
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
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
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
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
Detaljer