ÅMA110 Sannsynlighetsregning med statistikk, våren 2007 Kp. 6, del 5. Hypotesetesting, del 5
|
|
- Stina Ada Olafsen
- 7 år siden
- Visninger:
Transkript
1 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 H. Auestad Kp. 6: Hypotesetestig del 5 2/ 59 Oversikt, del 5 Kofidesitervall p-verdi Bjør H. Auestad Kp. 6: Hypotesetestig del 5 3/ 59
2 Kofidesitervall E tosidig test ka gjeomføres vha. av et kofidesitervall. For eksempel, dersom vi i målemodell 1 vil teste: H : μ = μ mot H 1 : μ μ, ka vi bruke: Test sig.ivå α: Forkast H dersom X μ σ 2 z α/2 eller X μ σ 2 z α/2 Vi skal se at dette er det samme som: Forkast H dersom μ ikke er ikludert i kofidesitervallet for μ. Bjør H. Auestad Kp. 6: Hypotesetestig del 5 4/ 59 Kofidesitervall Eksempel: Vi skal kjøpe smolt av e smoltoppdretter. Det hevdes at gjeomsittsvekte til smolte i merde er 8 gram. Vekt av i tilfeldig valgte smolt: gj.s.-vekt: gram. Vi er iteressert i om vekte gjeomsittsvekt for alle smolt i merde ka være ulik 8 gram. Tyder resultatee på at vekte ka er ulik 8 gram? Målemodell med ormalatakelse; kjet varias, σ 2 =. Forvetige, μ: vektgjeomsittsvekt for alle smolt i merde Vil teste: H : μ =8 mot H 1 : μ 8 Bjør H. Auestad Kp. 6: Hypotesetestig del 5 5/ 59 Kofidesitervall Vil teste: H : μ = 8 mot H 1 : μ 8 Test sig.ivå α =.1: Forkast H dersom X 8 9 z.5 eller Er det samme som: Forkast H dersom X 8 9 z.5 1 X 8 z eller X 8 + z Er det samme som: Behold H dersom 1 8 z.5 9 X 8 + z Bjør H. Auestad Kp. 6: Hypotesetestig del 5 6/ 59
3 Kofidesitervall Behold H dersom 8 z.5 9 X 8 + z.5 9 Er det samme som: behold H dersom X z X + z.5 9 Dette siste betyr: behold H dersom μ =8 9% kofidesitervall for μ. Bjør H. Auestad Kp. 6: Hypotesetestig del 5 7/ 59 Kofidesitervall Gjeomførig / koklusjo: 9% α =.1 z α/2 = z.5 =1.645 Et 9% kofidesitervall for vekte, μ, er isatt data, gj.s. = 76.87: , = 71.4, 82.4 Dvs.: side μ =8 71.4, 82.4, beholdes H. Dataee gir ikke grulag for å hevde at μ 8. Bjør H. Auestad Kp. 6: Hypotesetestig del 5 8/ 59 Kofidesitervall Geerelt: La L, U være et ev. tilærmet 11 α% kofidesitervall for parametere θ. Vi vil teste H : θ = θ mot H 1 : θ θ Test: Forkast H dersom θ L, U. Teste har sigifikasivå α ev. tilærmet. Veldig god måte å gjeomføre tosidige tester på! Obs.: dersom dette blir brukt for esidig test får vi e ae sammeheg mellom itervallets kofidesgrad og sig.ivået til teste. Bjør H. Auestad Kp. 6: Hypotesetestig del 5 9/ 59
4 Kofidesitervall Eksempel: Hardhet til et spesielt stål blir udersøkt; seks måliger i kg/mm 2 : 351, 322, 297, 291, 354, 322. Gjeomsitt: 322.8; estimert varias empirisk varias: Ma er iteressert i om hardhete er forskjelig fra 3 kg/mm 2. Tyder resultatee på at hardhete er ulik 3? Målemodell med ormalatakelse; ukjet varias. Estimator for variase: = σ 2 = 1 1 i=1 Xi X 2 Forvetige, μ: virkelig hardhet Vil teste: H : μ = 3 mot H 1 : μ 3 Bjør H. Auestad Kp. 6: Hypotesetestig del 5 1 / 59 Kofidesitervall Øsker å bruke 5% sigifikasivå. Gjeomfører test vha. kofidesitervall; dvs., teste er: Forkast H dersom et 95% kofidesitervall for μ ikke ieholder 3. Et 95% kofidesitervall for μ er gitt ved: S X t 2.25,5 6, X + t.25,5 6 Bjør H. Auestad Kp. 6: Hypotesetestig del 5 11 / 59 Kofidesitervall Et 95% kofidesitervall for μ er gitt ved: S X t 2.25,5 6, X + t.25,5 6 Isatt data Gj.s. = 322.8, emp. varias = 689.4, t.25,5 =2.571, blir utreget itervall: , = 295.2, 35.4 Koklusjo: Behold H side μ = , 35.4 side μ = 3 er ieholdt i kofidesitervallet. Bjør H. Auestad Kp. 6: Hypotesetestig del 5 12 / 59
5 Kofidesitervall Eksempel: Sammelige meigsmåliger Forrige meigsmålig: 28% oppslutig Dee meigsmålig: 31% oppslutig Er det edrig i virkelig oppslutig? Obs.: Sammeliger resultater fra to grupper; ikke stadardmetode i dette kurset. Bjør H. Auestad Kp. 6: Hypotesetestig del 5 13 / 59 Kofidesitervall Modell: Forrige meigsmålig: X 1 B 1,p 1 Dee meigsmålig: X 2 B 2,p 2 X 1 og X 2 atas å være statistisk uavhegige. Vi vil teste H : p 1 = p 2 mot H 1 : p 1 p 2 Vi vil teste H : p 1 p 2 = mot H 1 : p 1 p 2 Det vil være best å lage et kofidesitervall for p 1 p 2,og bruke dette til teste. p 1 p 2 estimeres med: p 1 p 2 = X 1 1 X 2 2 Bjør H. Auestad Kp. 6: Hypotesetestig del 5 14 / 59 Kofidesitervall p 1 = X 1 1, p 2 = X 2 2 E p 1 p 2 = E p1 E p2 = p1 p 2 Var p 1 p 2 = Var p1 + Var p2 = p 11 p p21 p2 2 p 1 og p 2 er begge tilærmet ormalfordelte og de uavhegige. Vi ka da slutte at også p 1 p 2 er tilærmet ormalfordelt. Bjør H. Auestad Kp. 6: Hypotesetestig del 5 15 / 59
6 Kofidesitervall p 1 p 2 er tilærmet ormalfordelt. Altså: p 1 p 2 p 1 p 2 p11 p p21 p2 2 N, 1, tilærmet Nevere stadardavviket til p 1 p 2 ka tilærmes med: p1 1 p 1 + p 21 p Bruker symbolet ŜD p 1 p 2 for dee. Vi har: p 1 p 2 p 1 p 2 N, 1, ŜD p 1 p 2 tilærmet Bjør H. Auestad Kp. 6: Hypotesetestig del 5 16 / 59 Kofidesitervall Vi har: p 1 p 2 p 1 p 2 N, 1, ŜD p 1 p 2 tilærmet Medfører: P z α/2 p 1 p 2 p 1 p 2 z α/2 1 α ŜD p 1 p 2 Derfor: { L }} { P p 1 p 2 z α/2 ŜD p 1 p 2 p 1 p 2 p 1 p 2 + z α/2 ŜD p 1 p 2 }{{} U 1 α Bjør H. Auestad Kp. 6: Hypotesetestig del 5 17 / 59 Kofidesitervall Vi har altså at L, U er et tilærmet 1 α1% kofidesitervall for differase p 1 p 2. Data: 1 = 112, 2 = 15; α =.5 α/2 =.25 og z.25 =1.96 Utfall av p 1 p 2 :8.31 =.3 Utfall av ŜD p p1 1 p 1 1 p 2 = + p 21 p 2 : =.1959 Derfor, kofidesitervall: , =.8,.68 Bjør H. Auestad Kp. 6: Hypotesetestig del 5 18 / 59
7 Kofidesitervall Derfor, kofidesitervall: , =.8,.68 Koklusjo: Side er ieholdt i itervallet ka vi ikke forkaste H. Det er ikke grulag for å påstå at virkelig oppslutig er edret. Bjør H. Auestad Kp. 6: Hypotesetestig del 5 19 / 59 Kofidesitervall Hva er problemet med å gjeomføre esidige tester på dee måte? Det er ikke oe problem dersom vi er øye!! Illustrer med eksempelet med smoltdata: Bjør H. Auestad Kp. 6: Hypotesetestig del 5 2 / 59 Kofidesitervall Eksempel: Vi skal kjøpe smolt av e smoltoppdretter. Det hevdes at gjeomsittsvekte til smolte i merde er mist 8 gram. Vekt av i tilfeldig valgte smolt: gj.s.-vekt: gram. Vi er iteressert i om vekte gjeomsittsvekt for alle smolt i merde er midre e 8 gram. Tyder resultatee på at vekte er midre e 8 gram? Målemodell med ormalatakelse; kjet varias, σ 2 =. Forvetige, μ: vektgjeomsittsvekt for alle smolt i merde Vil teste: H : μ =8 mot H 1 : μ<8 Bjør H. Auestad Kp. 6: Hypotesetestig del 5 21 / 59
8 Kofidesitervall Vil teste: H : μ = 8 mot H 1 : μ<8 Ata at vi øsker å bruke sig.ivå α =.1, og at vi vil bruke kofidesitervall for å gjeomføre teste. 9% kofidesitervall for μ: X z.5, X + z.5 }{{ 9 }}{{ 9 } L U Dersom hele itervallet er edfor til vestre for μ =8, idikerer dette at H 1 er riktig. Mao., Teste er: Forkast H dersom U<μ =8. Sig.ivå til dee teste? Bjør H. Auestad Kp. 6: Hypotesetestig del 5 22 / 59 Kofidesitervall Forkast H dersom U<μ =8. Dette er det samme som: Forkast H dersom: U = X + z.5 9 X 8 9 < 8 < z.5 Dvs. E slik måte å gjeomføre teste på svarer til e test med sigifikasivå på 5% α/2. Bjør H. Auestad Kp. 6: Hypotesetestig del 5 23 / 59 Oversikt, del 5 p-verdi Eksempler Eksempler styrke,,... Bjør H. Auestad Kp. 6: Hypotesetestig del 5 24 / 59
9 p-verdi Tester ka gjeomføres vha. p-verdi. Svært mye brukt. Kombiasjo av p-verdi og kofidesitervall er ideell! Obs: Vi sakker ikke om suksessasylighete i e biomisk modell. Itroduserer vha. eksempel: Bjør H. Auestad Kp. 6: Hypotesetestig del 5 25 / 59 p-verdi Eksempel: Vi har gjort 2 kast med et pegestykke; 5 gav kro. Vi er iteressert i p = P kro. Vi betrakter resultatet 5 kro av 2 kast som utfall av e tilfeldig variabel Y, der Y B, p, =2, p: ukjet. Vil teste H : p =.5 mot H 1 : p<.5; Øsker å bruke sigifikasivå.5. Bjør H. Auestad Kp. 6: Hypotesetestig del 5 26 / 59 p-verdi Vi vil teste H : p =.5mot H 1 : p<.5 Teststørrelse: Y ; ullfordelig: Y B2,.5: Dette beskriver hva som er tekelige utfall uder H Små verdier av Y idikerer at H 1 er riktig. Rødt: sasylighete for å få 5 eller et utfall som i eda sterkere grad peker i retig av at H 1 er riktig. Bjør H. Auestad Kp. 6: Hypotesetestig del 5 27 / 59
10 p-verdi H : p =.5 mot H 1 : p<.5 Nullfordelig: Y B2,.5: B2,.5-fordelig; p-verdi farget. p-verdie for resultatet er sasylighete som svarer til rødt areal. Dvs.: Sasylighete i ullfordelige for å få 5 eller midre. Lite p idikerer at H 1 er riktig. Lite sasylig å få et slikt resultat som vi har fått, dersom H skal forutettes å være sa. Bjør H. Auestad Kp. 6: Hypotesetestig del 5 28 / 59 p-verdi Fra biomisk tabell =2,p =.5: y P Y y Beregig av p-verdi: Her: p-verdi = P Y 5 p =.5 Her: p-verdi = P Y 5 p =.5 =.27 Bjør H. Auestad Kp. 6: Hypotesetestig del 5 29 / B2,.5-fordelig; p-verdi farget. p-verdi Tosidig test, biomisk, lite Gjeomførig/koklusjo: Side p-verdie er midre e.5, forkastes H. Obs.1: Dette er øyaktig det samme som å gjeomføre e test med kritiske verdier på 5% sigifikasivå. Bjør H. Auestad Kp. 6: Hypotesetestig del 5 3 / 59
11 p-verdi Geerelt: Dersom p-verdie er lavere e fastlagt sigifikasivå, forkastes H. Da har teststørrelse verdi i forkastigsområdet. Geerell defiisjo av p-verdi: Def.: p-verdie til et resultat er sasylighete bereget uder H for å få det observerte resultatet eller et som i eda sterkere grad peker i retig av at H 1 er riktig. Bjør H. Auestad Kp. 6: Hypotesetestig del 5 31 / 59 p-verdi Eksempel: Vi skal kjøpe smolt av e smoltoppdretter. Det hevdes at gjeomsittsvekte til smolte i merde er mist 8 gram. Vekt av i tilfeldig valgte smolt: gj.s.-vekt: gram. Vi er iteressert i om vekte gjeomsittsvekt for alle smolt i merde er midre e 8 gram. Tyder resultatee på at vekte er midre e 8 gram? Målemodell med ormalatakelse; kjet varias, σ 2 =. Forvetige, μ: vektgjeomsittsvekt for alle smolt i merde Vil teste: H : μ =8 mot H 1 : μ<8 Bjør H. Auestad Kp. 6: Hypotesetestig del 5 32 / 59 p-verdi Vil teste: H : μ =8 mot H 1 : μ<8 Øsker å bruke sig.ivå α =.1 Teststørrelse og ullfordelig: Z = X 8 N, 1 / Data, utfall av teststørrelse: /9 = Null-fordelig; p-verdi fargelagt. Bjør H. Auestad Kp. 6: Hypotesetestig del 5 33 / 59
12 p-verdi Teststørrelse og ullfordelig: Z = X 8 N, 1 /9 Data, utfall av teststørrelse: /9 = Null-fordelig; p-verdi fargelagt. H 1 : μ<8; små verdier av Z tyder på at H 1 er riktig. Derfor: p-verdi = P Z<.94 H riktig =.1736 >α=.1 Dvs.: Behold H. Det er klart at: p-verdi <α=.1 er øyaktig det samme som: Z< z α = z.1 = Bjør H. Auestad Kp. 6: Hypotesetestig del 5 34 / 59 p-verdi Eksempel: Vi vil udersøke et tilsettigsstoff si ivirkig på herdetide til betog. Normal betog herder på 12 timer ved e gitt temperatur. Med tilsettigsstoffet ble 4 blokker laget og herdetide registrert: gjeomsitt = timer; emp.stadardavvik = Tyder resultatee på at virkelig herdetid m/tils.stoff er aerledes e for ormal betog? Målemodell med ormaltilærmig; dataee x 1,...,x 4 utfalll av =4u.i.f. tilf.var. X 1,...,X 4. Forvetige, μ = EX i : virkelig herdetid m/tils.stoff Vil teste: H : μ = 12 mot H 1 : μ 12 Bjør H. Auestad Kp. 6: Hypotesetestig del 5 35 / 59 p-verdi H : μ = 12 mot H 1 : μ 12 Øsker å bruke sig.ivå α =.5 Teststørrelse og ullfordelig: Z = X 12 N, 1, /4 til. Data, utfall av teststørrelse: /4 = Null-fordelig; p-verdi fargelagt. Bjør H. Auestad Kp. 6: Hypotesetestig del 5 36 / 59
13 p-verdi Teststørrelse og ullfordelig: Z = X 12 N, 1, /4 til. Data, utfall av teststørrelse: /4 = Null-fordelig; p-verdi fargelagt. H 1 : μ 12; Z-utfalll lagt fra positive eller egative tyder på at H 1 er riktig. Derfor: p-verdi = P Z< 2.2 H riktig + P Z>2.2 H riktig =2 P Z< 2.2 H riktig =2.139 =.278 <α=.5 Dvs.: Forkast H. Bjør H. Auestad Kp. 6: Hypotesetestig del 5 37 / 59 p-verdi p-verdi = P Z< 2.2 H riktig +P Z> 2.2 H riktig =2 P Z< 2.2 H riktig =2.139 =.278 <α=.5 Det er klart at: p-verdi <α= Null-fordelig; p-verdi fargelagt. er øyaktig det samme som: Z< z α/2 = z.25 = 1.96 eller Z>z α/2. Bjør H. Auestad Kp. 6: Hypotesetestig del 5 38 / 59 Oversikt, del 5 p-verdi Eksempler Eksempler styrke,,... Bjør H. Auestad Kp. 6: Hypotesetestig del 5 39 / 59
14 Eksempel; styrke, Styrke Vi har sett på styrkefuksjo for esidige tester. Nå: Styrkefuksjo for tosidige tester. Først litt repetisjo! Bjør H. Auestad Kp. 6: Hypotesetestig del 5 4 / 59 Eksempel; styrke, Repetisjo av: Geerell defiisjo av styrke/styrkefuksjo Situasjo og modell fastlagt; test ag. parametere θ Følgede er også fastlagt: H og H 1 Teststørrelse, sig.ivå og forkastigsområde / kritisk verdi Def.: Styrkefuksjoe, γ, er defiert ved: γθ =P forkaste H θ. For e bestemt verdi θ 1 slik at H 1 er riktig, kalles sasylighete γθ 1 for styrke i alterativet θ 1. Bjør H. Auestad Kp. 6: Hypotesetestig del 5 41 / 59 Eksempel; styrke, Eksempel: Herdetider til betog. Forvetige, μ = EX i : virkelig herdetid m/tils.stoff Vil teste : H : μ = 12 mot H 1 : μ 12 Teststørrelse: Z = X 12, Nullfordelig: N, 1, til. Test tilærmet sig.ivå α =.5:.5.4 Forkast H dersom.3 Z z.25 }{{} 1.96 eller Z z.25 }{{} N, 1 tetthet.1 Bjør H. Auestad Kp. 6: Hypotesetestig del 5 42 / 59
15 Eksempel; styrke, Styrkefuksjo til dee teste; Betrakt μ 1 slik at H 1 er riktig: γμ 1 = P forkaste H μ = μ 1 = P Z z.25 μ = μ 1 +P Z z.25 μ = μ 1 Vi ser på et av leddee om gage, først P Z z.25 μ = μ 1 Bjør H. Auestad Kp. 6: Hypotesetestig del 5 43 / 59 Eksempel; styrke, P Z z.25 μ = μ 1 Z : teststørrelse X 12 = P z.25 μ = μ 1 X μ1 = P P z.25 μ 1 Z z μ μ = μ 1, der Z N, 1 Bjør H. Auestad Kp. 6: Hypotesetestig del 5 44 / 59 Eksempel; styrke, Det adre leddet, P Z z.25 μ = μ 1 : P Z z.25 μ = μ 1 Z : teststørrelse X 12 = P z.25 μ = μ1 X μ1 = P P = 1 P z.25 μ 1 Z z μ Z z μ 1 μ = μ 1, der Z N, 1 Bjør H. Auestad Kp. 6: Hypotesetestig del 5 45 / 59
16 Eksempel; styrke, Berege styrke: γμ 1 = P forkaste H μ = μ 1 = P Z z.25 μ = μ 1 +PZ z.25 μ = μ 1 P Z z μ 1 +1 P Z z μ 1 =4, :18.7 2, z.25 =1.96 Uttrykkee på siste lije ka vi berege vha., N, 1-tabelle: γ115 P Z P Z 3.65 = γ125 P Z P Z 7 = Bjør H. Auestad Kp. 6: Hypotesetestig del 5 46 / 59 Eksempel; styrke, Plott av styrkefuksjoe: γμ 1 P Z z μ 1 =4, :18.7 2, z.25 = P Z z μ γμ 1 mot μ 1 på x-akse. Bjør H. Auestad Kp. 6: Hypotesetestig del 5 47 / 59 Eksempel; styrke, Vi skal se på problemet: Hvor mage data måliger må vi ha for å få e gitt øsket styrke? Dimesjoerig av forsøk Svært viktig fordi ihetig av data ka være resurskrevede. Tar utgagspukt i eksempel med utprøvig av y medisi. Bjør H. Auestad Kp. 6: Hypotesetestig del 5 48 / 59
17 Eksempel; styrke, Eksempel: E y medisi for e bestemt sykdom skal prøves ut. Gammel medisi for dee sykdomme helbreder i 6% av tilfellee fastslått etter lag tids erfarig. Forsøk for å prøve ut de ye: 2 tilfeldig valgte idivid med sykdomme får medisie og det blir registrert at 14 blir helbredet; 14 av 2 er 7%. Tyder dette resultatet på at de ye er bedre e de gamle? Bjør H. Auestad Kp. 6: Hypotesetestig del 5 49 / 59 Eksempel; styrke, Vi betrakter resultatet 14 av 2 helbredet som utfall av e tilfeldig variabel Y, der Y B, p, =2, p: ukjet. Vi vil teste H : p =.6 mot H 1 : p>.6 Teststørrelse: Y ; ullfordelig: Y B2,.6.15 Test sig.ivå ca..5:.1.5 Forkast H dersom Y Y B2,.6-fordelig Bjør H. Auestad Kp. 6: Hypotesetestig del 5 5 / 59 Eksempel; styrke, Styrkefuksjo til dee teste; Betrakt p 1 slik at H 1 er riktig p 1 >.6: γp 1 = P forkaste H p = p 1 = P Y 16 p = p 1 =1 P Y 15 p = p1 Ka bereges vha. biomiske tabeller. p γp Bjør H. Auestad Kp. 6: Hypotesetestig del 5 51 / 59
18 Eksempel; styrke, Hvor mye forbedres styrke dersom vi hadde hatt = idivid med i utprøvige? Test med ormaltilærmig til. 5% sig.ivå: Forkast H dersom p z.5 =1.645 Bjør H. Auestad Kp. 6: Hypotesetestig del 5 52 / 59 Eksempel; styrke, Styrkefuksjo: γp 1 = P forkaste H p = p 1 p.6 = P.61.6 z.5 p = p 1 Obs: år p = p 1,er p p 1 p 11 p 1 N, 1, tilærmet Bjør H. Auestad Kp. 6: Hypotesetestig del 5 53 / 59 Eksempel; styrke, Styrkefuksjo: p.6 γp 1 = P z.5 p = p = P p z p = p 1 p p1 = P p 11 p 1 1 P Z z.5 z p 1 p 11 p p 1 p 11 p 1, p = p 1 der Z N, 1 Bjør H. Auestad Kp. 6: Hypotesetestig del 5 54 / 59
19 Eksempel; styrke, Beregiger, for p 1 =.7: γ.7 1 P Z = 1 P Z 1.33 = =.978 Med =2var styrke 375 i alterativet p 1 =.7. Bjør H. Auestad Kp. 6: Hypotesetestig del 5 55 / 59 Eksempel; styrke, Dimesjoerig; Eksempel på problemstillig: Hvor mage pasieter måtte vi hatt med i forsøket for å få styrke mist.9 i alterativet p 1 =.8? Test med ormaltilærmig til. 5% sig.ivå: Forkast H dersom p z.5 =1.645 Bjør H. Auestad Kp. 6: Hypotesetestig del 5 56 / 59 Eksempel; styrke, Styrke: p p1 γp 1 = P p 11 p 1 z.5 P Z.61.6 z p 1 p = p 1 p 11 p p 1 p 11 p 1, der Z N, 1 Bjør H. Auestad Kp. 6: Hypotesetestig del 5 57 / 59
20 Eksempel; styrke, Styrke for p 1 =.8 lik.9: γ.8.9 z.5 γ.8 P Z dersom.61.6 z =.9, = z.1 = N, 1 tetthet Bjør H. Auestad Kp. 6: Hypotesetestig del 5 58 / 59 Eksempel; styrke,.61.6 z = z = z = z.1 z =6.59 = Bjør H. Auestad Kp. 6: Hypotesetestig del 5 59 / 59
ÅMA110 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
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
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,...
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
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
DetaljerEksempler fra slutten av forrige uke. Eksempler (styrke, dimensjonering,...) Eksempler fra slutten av forrige uke
Oversikt, del 5 Hypotesetestig, del 4 (oppsummerig fra Hypotesetestig, del 5 Kofidesitervall dimesjoerig Eksempler fra slutte av forrige uke Kofidesitervall p-verdi Eksempler Eksempler (styrke, dimesjoerig,...
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
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
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
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 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
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,
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
ÅMA110 Sannsynlighetsregning med statistikk, våren 2006 Kp. 6, del 4 Bjørn H. Auestad Institutt for matematikk og naturvitenskap Universitetet i Stavanger 3. april Bjørn H. Auestad Kp. 6: Hypotesetesting
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
DetaljerÅMA110 Sannsynlighetsregning med statistikk, våren 2007 Kp. 6, del 4. Hypotesetesting, del 4
ÅMA11 Sasylighetsregig med statistikk, våre 27 Kp. 6, del 4 Bjør H. Auestad Istitutt for matematikk og aturviteskap Uiversitetet i Stavager 19. mars Bjør H. Auestad Kp. 6: Hypotesetestig del 4 1/ 27 Bjør
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,
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)
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
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)
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
DetaljerMOT310 Statistiske metoder 1, høsten 2012
MOT310 Statistiske metoder 1, høste 2012 Bjør H. Auestad Istitutt for matematikk og aturviteskap Uiversitetet i Stavager 20. august, 2012 Bjør H. Auestad Itroduksjo og repetisjo 1 / 57 Iformasjo Litt om
DetaljerÅMA110 Sannsynlighetsregning med statistikk, våren 2006 Kp. 6, del 3
ÅMA110 Sannsynlighetsregning med statistikk, våren 2006 Kp. 6, del 3 Bjørn H. Auestad Institutt for matematikk og naturvitenskap Universitetet i Stavanger 20. mars Bjørn H. Auestad Kp. 6: Hypotesetesting
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.
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
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
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
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 2006 Kp. 6, del 3
ÅMA110 Sannsynlighetsregning med statistikk, våren 2006 Kp. 6, del 3 Bjørn H. Auestad Institutt for matematikk og naturvitenskap Universitetet i Stavanger 20. mars Bjørn H. Auestad Kp. 6: Hypotesetesting
DetaljerÅMA110 Sannsynlighetsregning med statistikk, våren 2006 Kp. 6, del 4
ÅMA110 Sannsynlighetsregning med statistikk, våren 2006 Kp. 6, del 4 Bjørn H. Auestad Institutt for matematikk og naturvitenskap Universitetet i Stavanger 27. mars Bjørn H. Auestad Kp. 6: Hypotesetesting
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
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
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
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 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
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
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
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 >
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
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
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
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
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
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)
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 6 Kp. 4 Kotiuerlige tilfeldige variable og ormaldelige Kotiuerlige tilfeldige variable, itro. (eller: Kotiuerlige sasylighetsdeliger) Vi har til å sett på diskrete
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
DetaljerEstimering 2. -Konfidensintervall
Estimerig 2 -Kofidesitervall Dekkes av kap. 9.4-9.5, 9.10, 9.12 og forelesigsotatee. Dersom forsøket gjetas mage gager vil (1 α)100% av itervallee [ ˆΘ L, ˆΘ U ] ieholde de ukjete parametere θ (som er
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
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
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
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 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
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
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)
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
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
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
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
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
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
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 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
DetaljerTMA4245 Statistikk Eksamen august 2015
Eksame august 15 Norges tekisk-aturviteskapelige uiversitet Istitutt for matematiske fag Løsigsskisse Oppgave 1 a asylighetee blir og X > Z > 1 1 Z 1 Φ.3,.5 W > 5 X + Y > 5 b Forvetet samfuskostad blir
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
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
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
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
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.
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
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
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
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
DetaljerTMA4240/4245 Statistikk 11. august 2012
Norges tekisk-aturviteskapelige uiversitet Istitutt for matematiske fag TMA424/4245 Statistikk. august 22 Eksame - løsigsforslag Oppgave Vi har N Nµ,σ 2, µ 85 og X > 88. a X µ X > 88 σ > 88 µ Z > 88 85
DetaljerUNIVERSITETET I OSLO
UNIVERSITETET I OSLO Det matematisk-aturviteskapelige fakultet Eksame i STK2120 Statistiske metoder og dataaalyse 2 Eksamesdag: Madag 6. jui 2011. Tid for eksame: 09.00 13.00. Oppgavesettet er på 5 sider.
DetaljerTMA4240 Statistikk Høst 2015
TMA4240 Statistikk Høst 2015 Norges tekisk-aturviteskapelige uiversitet Istitutt for matematiske fag Øvig ummer 12, blokk II I dee siste øvige fokuserer vi på lieær regresjo, der vi har kjete kovariater
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 Høst 2009
TMA440 Statistikk Høst 009 Norges tekisk-aturviteskapelige uiversitet Istitutt for matematiske fag Øvig ummer b4 Løsigsskisse Oppgave Øsker å fie 99% kofidesitervall for µ µ år vi atar ormalfordeliger
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
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
DetaljerTMA4240 Statistikk Høst 2016
Norges tekisk-aturviteskapelige uiversitet Istitutt for matematiske fag Abefalt øvig 8 Løsigsskisse Oppgave 1 a) Simuler 1000 datasett i MATLAB. Hvert datasett skal bestå av 100 utfall fra e ormalfordelig
DetaljerHøgskolen i Telemark Avdeling for estetiske fag, folkekultur og lærerutdanning BOKMÅL 12. desember 2008
Høgskole i Telemark Avdelig for estetiske fag, folkekultur og lærerutdaig BOKMÅL. desember 8 EKSAMEN I MATEMATIKK, Utsatt røve Modul 5 studieoeg Tid: 5 timer Ogavesettet er å sider (ikludert formelsamlig).
DetaljerÅMA110 Sannsynlighetsregning med statistikk, våren 2011
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 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
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
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:
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 til eksamen i STK desember 2010
Løsigsforslag til eksame i STK0 0. desember 200 Løsigsforslaget har med flere detaljer e det vil bli krevd til eksame. Oppgave a Det er tilpasset e multippel lieær regresjosmodell av forme β 0 + β x i
DetaljerÅMA110 Sannsynlighetsregning med statistikk, våren 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
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
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
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 ST2301 øving 3
Løsigsforslag ST2301 øvig 3 Kapittel 1 Exercise 11 Et utvalg på 100 idivider trekkes fra e populasjo med tilfeldig parrig. Det ble observert AA 63 idivider av geotype AA, Aa 27, og aa 10. Lag et 95 % kofidesitervall
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:
DetaljerEKSAMEN I TMA4245 Statistikk
Noregs tekisk aturvitskaplege uiversitet Istitutt for matematiske fag Side 1 av 5 Fagleg kotakt uder eksame: Turid Follestad (98 06 68 80/73 59 35 37) Hugo Hammer (45 21 01 84/73 59 77 74) Eirik Mo (41
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.
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
DetaljerHøgskolen i Telemark Avdeling for estetiske fag, folkekultur og lærerutdanning BOKMÅL 20. mai 2008
Høgskole i Telemark Avdelig for estetiske fag, folkekultur og lærerutdaig BOKMÅL. mai 8 EKSAMEN I MATEMATIKK Modul 5 studieoeg Tid: 5 timer Ogavesettet er å sider (ikludert formelsamlig). Hjelemidler:
Detaljer