Oversikt over tester i Econ 2130
|
|
- Rikard Aase
- 7 år siden
- Visninger:
Transkript
1 1 HG Revdert aprl 213 Overskt ver tester Ec 213 La θ være e ukjet parameter (ppulasjs-størrelse) e statstsk mdell. Uttrykket ukjet parameter betyr at de sae verde av θ ppulasje er ukjet. Når v setter pp e statstsk mdell (sm represeterer ppulasje v trekker data fra), atar v utgagspuktet at mdelle er sa fr e vss (ukjet) verd av parametere θ g usa fr alle adre verder. Aførselstegee rudt sa vefr skyldes at begrepet sa parameterverd ku gr gd meg dersm frutsetgee sm er fretatt mdelle er realstske frutsetger m ppulasje. I dette kurset har de hyptesee v tester m (de sae ukjete verde av) θ tre alteratve frmer beskrevet tabelle uder. Merk at θ står fr e kjet (!) hyptetsk verd sm er bestemt av de uderlggede prblemstllge: De sae verde av θ ka gdt være lk θ, me behøver slett kke være det! rblemet er ettpp at v kke vet hvr de sae verde av θ befer seg. Alteratv H H 1 Type 1 θ θ θ > θ Esdg prblem 2 θ θ θ < θ Esdg prblem θ θ θ θ Tsdg prblem 3 = La ˆ θ være e passede estmatr fr θ, slk at W = er tlærmet (evetuelt eksakt) N(, 1) -frdelt ( e tlfeller t-frdelt), g der er e eller ae estmert versj av stadardfele tl ˆ θ. Vår testbservatr, = får v da ved å bytte ut θ med θ W. ka brukes sm testbservatr alle de tre alteratve prblemee. Merk (NB!) frskjelle mellm g W: W er e kke-bserverbar stkastsk varabel med samme (tlærmet) kjete frdelg uasett hva de sae verde av θ er (dvs W er e såkalt pvtal)., dermt, er e bserverbar (sde θ er e kjet verd bestemt av prblemet)
2 2 stkastsk varabel sm er (tlærmet) N(, 1) -frdelt (eller t-frdelt) bare hvs θ = θ (fr så fall, g bare da, er = W ). Hvs de sae verde θ er frskjellg fra θ, har e ae sasylghetsfrdelg. Sde ˆ θ er e estmatr fr de ukjete (sae) verde av θ, har v ˆ θ θ θ θ, hvrav sm er > hvs θ > θ g < hvs θ < θ. Derfr bør v frkaste H prblem-alteratv 1 hvs er tlstrekkelg str pstv ( > c1 ). I alteratv 2 bør v frkaste H hvs er tlstrekkelg str egatv ( < c2 ), g alteratv 3 bør v frkaste H hvs ete er tlstrekkelg str egatv eller tlstrekkelg str pstv ( < c3 eller > c4 ). c1, c2, c3, c 4 er passede krtske verder. Sm det beste kmprmss mellm t mtstrdede krav tl ktrll av sasylghete fr fel av type I g fel av type II, vser det seg at de krtske verdee c1, c2, c3, c 4 alle de tre alteratvee ekelt ka bestemmes sm løsge av lgge θ= θ(frkast H ) =, der er det valgte sgfkasvået.. Merk at sasylghete lgge utvkles det speselle tlfellet at θ = θ der er (tlærmet) N(, 1) -frdelt. Fr eksempel alteratv 3 får v = θ= θ(frkast H ) = θ= θ( < c 3) + θ= θ( > c 4). Velger v 2 fr begge sasylghetee (sm ka vses er det beste valget) får v c3 = z 2 g c4 = z 2.. Tabell 1 Strukture av -tester (Jfr. stuasj 1 g 3 tabell 2 g alle tre stuasjer tabell 3) Alteratv H H 1 1 θ θ θ > θ 2 θ θ θ < θ 3 θ = θ θ θ -vå test: verd Testbservatr Frkast H hvs ( z er bservert verd av ) = > z ( z ) θ= θ > = < z ( ) θ= θ < z = < z 2 eller > z 2 2 θ= θ( > z )
3 3 Mer kkret skrver v ut edefr hvrda -testee ser ut fr alteratv 1 frskjellge mdell-stuasjer tabell 2 g 3. Alle testee er såkalte -tester. Eeste utak er stuasj 2 tabell 2 (t-test) der eeste frskjell er at N(, 1) -frdelge er byttet ut med t 1 -frdelge. Tabell 2 Tester fr H : µ µ mt H 1: µ > µ (alteratv 1) år (*): 1, 2,, er uavh. g detsk frdelte med E ( ) = µ g 2 var( ) = σ (Jfr. regel 6.15 g Tlsvarede fr alteratv 2 g 3 med samme testbservatr.) Testbservatr Frkastgkrterum Sgfkas- ( z, t verd Stuasj Frutsetger (mdell) σ vtal (W) ( ) er = vå bservert verd av T), 1 (*) samme med: Vlkårlg Kjet µ µ > z ~ N( µσ, ), = 1, 2,, ~ N(, 1) = Eksakt ( ) > z σ σ 2 (*) samme med: Vlkårlg Ukjet µ µ T > t Eksakt ~ N( µσ, ), = 1, 2,, ~ t 1, 1 T = ( ) T > t S S 3 Bare (*) der str, Ukjet µ tlærmet µ > z er vlkårlg frdelt 3 ~ N(, 1) = Tlærmet ( ) > z S S (tl ød 2) 4 Bare (*) der lte Ukjet Ikke pesum er vlkårlg frdelt Merkad 1. I prakss er atakelg stuasj 3 de vktgste/valgste. Løvås er dessverre ltt kapp mtale av dee. Ha ever de ku e bsetg (etter eller de sste setge regel 6.16).
4 4 Merkad 2. Styrkefuksje er hs Løvås bare agtt stuasj 1. De ka aturlgvs gså bestemmes de adre stuasjee, me er ltt mer kmplserte g kke pesum. Merkad 3. Når det gjelder de t regresjsparametree, g β, regresjsmdelle, EY ( ) = + βx, er møsteret fr testg det samme sm vefr. Hvs θ står fr e av dsse t parametree g ˆ θ er (mste kvadraters) estmatr, blr pvtale, W = ( ˆ θ θ)/ ( ˆ θ) t- frdelt med 2 frhetsgrader (merk 2-tallet!) fr små ( < 3), g tlærmet N(, 1) frdelt hvs er str ( 3 ). Det sste gjelder selv m Y -ee kke er rmalfrdelte. Av dette ka v lage kfdestervall fr θ, ˆ θ ± t ˆ 2, 2 ( θ), (kke samme sm regresjslja), g lage testbservatr = ( ˆ θ θ ˆ )/ ( θ), sm brukes på samme måte sm vefr. Fr eksempel, hvs H : θ θ, H1: θ > θ, frkastes H på vå (kke samme sm regresjslja) hvs > t 2, (eller > z hvs 3 sm gr tlærmet vå ). Detaljer m beregg av ˆ θ g ( ˆ θ ) ka fes regresj II tatet på ettet.
5 5 Tabell 3 -tester fr alteratv 1 basert på regel 5.2 (rmaltlærmg fr bmsk, hypergemetrsk g pss frdelg). Sgfkasvå tlærmet. (Tlsvarede fr alteratv 2 g 3 sm tabell 1) Mdell Estmatr ˆ θ vtal (W) (følger av regel 5.2) Testbservatr ( ) = Betgelse fr rmaltlærmelse Frkastgkrterum verd ( z er bservert verd av ) ~ b( p, ) = var( ) 5 ( p(1 ) 5 p(1 p) tlærmet ~ N(,1) = p(1 ) > ( z ) z p= p > ~ hypergem. ( M,, N) ( p = M N) = var( ) 5 p(1 ) N N 1 tlærmet ~ N (,1) = p(1 ) N N 1 > ( z ) z p= p > ~ ps( tλ) 1 ˆ λ = t var( ) 5 ( tλ 5 ) ˆ λ λ tlærmet λ λ λ t ~ N(, 1) ˆ = > z λ t ( z ) λ= λ > Merkad 4 Merk at v (sm Løvås) har brukt p g λ stedet fr g ˆ λ evere på. Dette er fr å frbedre tlærmelse tl rmalfrdelge lgge θ= θ(frkast H ) = tl bestemmelse av de krtske verde. (Derfr treger v kke å estmere pvtale her.) E alteratv test (kke evt pesum) er å bruke g ˆ λ stedefr. De test-varate har tlærmet de samme egeskapee sm de freslåtte g dukker fte pp ltterature. 1 Husk at tasje ~ ps( m ) er valgt slk at det sm står på m s plass alltd er lk E ( ) (sm gså er lk var( ) e ppgave fremgår at ~ ps(3,7), følger autmatsk at E ( ) = var( ) = 3,7. Av mdelle tabelle følger således at E ( ) = var( ) = tλ. pss-frdelge). Hvs det fr eksempel
Oversikt over tester i Econ 2130
HG Revdert aprl 2 Overskt over tester Eco 23 La θ være e ukjet parameter (populasjos-størrelse e statstsk modell. Uttrykket ukjet parameter betyr at de sae verde av θ populasjoe er ukjet. Når v setter
DetaljerOversikt over tester i Econ 2130
1 HG Revdert aprl 217 Overskt over tester Eco 213 La være e ukjet parameter (populasjos-størrelse) e statstsk modell. Uttrykket ukjet parameter betyr at de sae verde av populasjoe er ukjet. Når v setter
DetaljerEcon 2130 uke 19 (HG) Inferens i enkel regresjon og diskrete modeller
Eco 3 uke 9 (HG) Iferes ekel regresjo og dskrete modeller De ekle regresjosmodelle. Resultater fra 5m og 5m for me fra EM på skøyter Heerevee 4. ( er 5m-tde og y 5m-tde sekuder for løper.) Spredgdagram
DetaljerRegler om normalfordelingen
1 HG Revdert mars 013 Notat tl kapttel 5 Løvås Regler om ormalfordelge Kjeskap tl reglee for ormalfordelge er gruleggede for de statstske aalyse kapttel 6 Løvås, og studetee må kue beherske dsse skkkelg
DetaljerEcon 2130 uke 15 (HG)
Eco 130 uke 15 (HG) Kofdestervall Løvås: 6.1., 6.3.1 3. (Avstt 6.3.4 6 leses på ege håd. Se også overskt over kofdestercvall ekstra otat på ettet.) 1 Defsjo av kofdestervall La θ være e ukjet parameter
DetaljerOm enkel lineær regresjon II
ECON 3 HG, aprl Notat tl kapttel 7 Løvås Om ekel leær regresjo II Merk: Det ka løe seg først å lese avstt 4 regresjo-i-otatet på ytt. Regresjosmodelle. La Y være e stokastsk varabel som v kaller resposvarabele
DetaljerOm enkel lineær regresjon II
ECON 3 HG, revdert aprl Notat tl kapttel 7 Løvås Om ekel leær regresjo II Merk: Det ka løe seg først å lese avstt 4 regresjo-i-otatet på ytt. Regresjosmodelle. La Y være e stokastsk varabel (som v kaller
DetaljerRegler om normalfordelingen
1 HG mars 2009 Notat tl kapttel 5 Løvås Regler om ormalfordelge Kjeskap tl reglee for ormalfordelge er gruleggede for de statstske aalyse kapttel 6 Løvås, og studetee må kue beherske dsse skkkelg dette
DetaljerRegler om normalfordelingen
HG mars 0 Notat tl kapttel 5 Løvås Regler om ormalfordelge Kjeskap tl reglee for ormalfordelge er gruleggede for de statstske aalyse kapttel 6 Løvås, og studetee må kue beherske dsse skkkelg dette kurset.
DetaljerOm enkel lineær regresjon II
1 ECON 13 HG, revdert aprl 17 Notat tl kapttel 7 Løvås Om ekel leær regresjo II Merk: Det ka løe seg først å lese avstt 4 regresjo-i-otatet på ytt. Regresjosmodelle. La Y være e stokastsk varabel (som
DetaljerSTK desember 2007
Løsnngsfrslag tl eksamen STK0 5. desember 2007 Oppgave a V antar at slaktevektene tl kalkunene fra Vrgna er bserverte verder av stkastske varabler X, X 2, X, X 4 sm er uavhengge g Nµ, σ 2 -frdelte, g at
DetaljerDet anbefales at de 9 deloppgavene merket med A, B, teller likt uansett variasjon i vanskelighetsgrad. Svarene er gitt i << >>.
ECON 3 EKSAMEN VÅR TALLSVAR Det abefales at de 9 deloppgavee merket med A, B, teller lkt uasett varasjo vaskelghetsgrad. Svaree er gtt
DetaljerLøsningsforslag Eksamen i Statistikk Nov 2001 Oppgave 1 a) Det fins 8 mulige kombinasjoner. Disse finnes ved å utelate ett og ett tall.
Løsgsforslag Eksame Statstkk Nov 00 Oppgave a) Det fs 8 mulge kombasjoer. Dsse fes ved å utelate ett og ett tall. Atall utvalg av størrelse 7 blat m er ( m 7 ). b) Prs Atall Rekker 3 kr. ( 7 ) 3 kr....
DetaljerLøsningskisse seminaroppgaver uke 17 ( april)
HG Aprl 14 Løsgsksse semaroppgaver uke 17 (.-5. aprl) Oppg. 5.6 (begge utgaver) La X = atall bar utvalget som har lærevasker. Adel bar med lærevasker populasjoe av bar atas å være p.15. Utvalgsstørrelse
DetaljerEksempel 1 - Er gjennomsnittshøyden for kvinner i Norge økende?
ECON 3 HG a 3 Supplemet tl sste forelesg 3 vår 4 eksempler på test-dskusjoer klusve ltt om p-verder Eksempel - Er gjeomsttshøyde for kver Norge økede? et er velkjet at gjeomsttshøyde for meesker Europa
Detaljersom vi ønsker å si noe om basert på data Eksempel. Uid-modellen: X1, X ,,,
HG Eco30 07 9/3-07 Supplemet tl forelesg uke 0 (6 mars) (Det jeg kke rakk å ta på forelesg) Termolog (estmerg) Data (kokrete tall), x, x, er ervasjoer av stokastske varable, X, X, De statstske modelle
DetaljerTMA4245 Statistikk Eksamen august 2014
Norges teksk-aturvteskapelge uverstet Isttutt for matematske fag Løsgssksse Oppgave a) Y 5 PY > 53) PY 53) P ) 53 5 Φ5) 933 668 Vekte av e fylt flaske, X + Y, er e leærkombasjo av uavhegge ormalfordelte
DetaljerOppgave 1 Det er oppgitt i oppgaveteksten at estimatoren er forventningsrett, så vi vet allerede at E(ˆµ) = µ. Variansen til ˆµ er 2 2 ( )
Norges teksk-aturvteskapelge uverstet Isttutt for matematske fag Abefalt øvg Løsgssksse Oppgave Det er oppgtt oppgavetekste at estmatore er forvetgsrett, så v vet allerede at Eˆµ µ. Varase tl ˆµ er τ Varˆµ
DetaljerForelesning 3 MET3592 Økonometri ved David Kreiberg Vår 2011
Forelesg 3 MET359 Økoometr ved Davd Kreberg Vår 0 Dverse oppgaver Oppgave. E vestor samler følgede formasjo om markedsavkastge og avkastge på det som ser ut tl å være et attraktvt aksjefod År Aksjefodets
DetaljerTMA4240 Statistikk Høst 2016
TMA440 Statstkk Høst 06 Norges teksk-aturvteskapelge uverstet Isttutt for matematske fag Abefalt øvg 0 Løsgssksse Oppgave a Estmatore for avstade a er gjeomsttet av uavhegge detsk fordelte målger, x; a,
DetaljerForelesning 25 og 26 Introduksjon til Bayesiansk statistikk
Yushu.@hh.o Forelesg 5 og 6 Itroduksjo tl Bayesask statstkk 1. Itroduksjo Fortsatt atar v har stokastsk varabel X (X ka være stokastsk varabel vektor) kommer fra e fordelg med parametere ( ka være parameter
DetaljerOversikt over konfidensintervall i Econ 2130
1 HG Mars 017 Overskt over kofdestervall Eco 130 Merk at dee overskte kke er met å leses stedefor framstllge Løvås, me som et supplemet. De eholder tabeller med formler for kofdestervaller for stuasjoer
DetaljerTMA4245 Statistikk Eksamen mai 2016
Norges teksk-aturvteskapelge uverstet Isttutt for matematske fag Løsgssksse Oppgave a) Lar X være kvadratprse. Har da at X N(µ, σ 2 ), med µ 30 og σ 2 2, 5 2. P (X < 30) P (X < µ) 0.5 ( X 30 P (X > 25)
DetaljerSeminaroppgaver for uke 13
1 ECON 2130 2016 vår Semarpla fra og med uke 13 Semaroppgaver for uke 13 1) Fra eksame Eco 2130, 2004 høst: Oppgave 3: (Fel oppgave på ststuttets overskt over gamle eksamesoppgaver) La X og Y være to uavhegge
DetaljerAvdeling for estetiske fag, folkekultur og lærerutdanning BOKMÅL 29. mai 2007
Høgskole Telemark Avdelg for estetske fag, folkekultur og lærerutdag BOKMÅL 9. ma 7 EKSAMEN I MATEMATIKK, Modul 5 studepoeg Td: 5 tmer Hjelpemdler: Kalkulator og vedlagt formelsamlg (bakerst oppgavesettet).
DetaljerSeminaroppgaver for uke 13 (Oppgave (1), (2), og (3))
1 ECON 2130 2017 vår Semarpla fra og med uke 13 Semaroppgaver for uke 13 (Oppgave (1), (2), og (3)) (1) Fra eksame Eco 2130, 2004 høst: Oppgave 3: (Fel oppgave på ststuttets overskt over gamle eksamesoppgaver)
DetaljerSTK1100 våren Konfidensintevaller
STK00 våre 07 Kofdestevaller Svarer tl avstt 8. læreboka Ørulf Borga Matematsk sttutt Uverstetet Oslo Eksempel E kjemker er teressert å bestemme kosetrasjoe µ av et stoff e løsg Hu måler kosetrasjoe fem
DetaljerÅMA110 Sannsynlighetsregning med statistikk, våren Estimering. Målemodellen. Estimering. Målemodellen. Kp. 5 Estimering. Målemodellen.
ÅMA0 Sasylghetsregg med statstkk, våre 006 Kp. 5 Estmerg. Målemodelle. Estmerg. Målemodelle. Ihold:. (Pukt)Estmerg bomsk modell (kp. 5.). Målemodelle... (kp. 5.). (kp. 5.) 4. Estmere, estmat, estmator
DetaljerÅMA110 Sannsynlighetsregning med statistikk, våren Estimering. Målemodellen. Sannsynlighetsregning med statistikk
ÅMA0 Sasylghetsregg med statstkk, våre 00 Kp. 5 Estmerg. Målemodelle. Estmerg. Målemodelle. Ihold:. (Pukt)Estmerg bomsk modell (kp. 5.). Målemodelle... (kp. 5.3) 3. (Pukt)Estmerg målemodelle (kp. 5.3)
DetaljerTALLSVAR. Det anbefales at de 9 deloppgavene merket med A, B, teller likt uansett variasjon i vanskelighetsgrad. Svarene er gitt i << >>.
ECON: EKAMEN TALLVAR. et abefales at de 9 deloppgavee merket med A, B, teller lkt uasett varasjo vaskelghetsgrad. varee er gtt
DetaljerLøsningsforslag (ST1201/ST , kontinuasjonseksamen) ln L. X i = 2n.
Løsgsforslag ST20/ST620 205, kotuasjoseksame. a Rmelghetsfuksjoe blr Logartme Derverer Løser lgge Løsge er SME: L = 2 e l L = 2 l X X. X + l X. l L = 2 + 2 X = 2. ˆ = 2 X. X. b Her ka ma beytte trasformasjosformele,
DetaljerSTK1110 høsten Lineær regresjon. Svarer til avsnittene i læreboka (med unntak av stoffet om logistisk regresjon)
TK høste 9 Eksempel.5 (CO og vekst av furutrær Leær regreso varer tl avsttee..4 læreboka (med utak av stoffet om logstsk regreso Ørulf Borga Matematsk sttutt Uverstetet Oslo V vl bestemme sammehege mellom
DetaljerStatistikk med anvendelse i økonomi
A-6 og A-6-G, 6. ma 08 Emekode: Emeav: A-6 og A-6-G tatstkk med avedelse økoom Dato: 6. ma 08 Varghet: 0900-300 Atall sder kl. forsde 0 Tllatte hjelpemdler: erkader: Kalkulator med tømt me og ute kommukasjosmulgheter.
DetaljerSTK1100 våren Estimering. Politisk meningsmåling. Svarer til sidene i læreboka. The German tank problem. Måling av lungefunksjon
STK00 våre 07 Estmerg Svarer tl sdee 33-339 læreboka Poltsk megsmålg Sør et tlfeldg utvalg å 000 ersoer hva de vlle ha stemt hvs det hadde vært valg 305 vlle ha stemt A A's oslutg er Ørulf Borga Matematsk
DetaljerForelesning 19 og 20 Regresjon og korrelasjons (II)
STAT111 Statstkk Metoder Yushu.L@ub.o Forelesg 19 og 0 Regresjo og korrelasjos (II) 1. Kofdestervall (CI) og predksjostervall (PI) I uka 14, brukte v leær regresjo for å fage leær sammehege mellom Y og
DetaljerOBLIGATORISK OPPGAVE 1 INF 3340/4340/9340 HØSTEN 2005
OBLIGATORISK OPPGAVE INF 0/0/90 HØSTEN 005 Levergsfrst: 0. september 005 Arbedsform: Løses dvduelt Ileverg tl: Aja Bråthe Krstofferse (ajab@f.uo.o Levergskrav: Det forutsettes at du er kjet med holdet
DetaljerNotat 1: Grunnleggende statistikk og introduksjon til økonometri
Notat : Gruleggede statstkk og troduksjo tl økoometr Gruleggede statstkk Populasjo vs. utvalg Statstsk feres gjør bruk av formasjoe et utvalg tl å trekke koklusjoer (el. slutger) om populasjoe som utvalget
DetaljerFormler og regler i statistikk ifølge lærebok Gunnar Løvås: Statistikk for universiteter og høgskoler
Formler og regler statstkk følge lærebok Guar Løvås: tatstkk for uversteter og høgskoler Kap. Hva er fakta om utvalget etralmål Meda: mdterste verd etter sorterg Modus: hyppgst forekommede verd Gjeomstt:
DetaljerForelesning Enveis ANOVA
STAT111 Statstkk Metoder ushu.l@ub.o Forelesg 14 + 15 Eves ANOVA 1. troduksjo a. Z-, t- test Uka 1: tester for forvetgsdfferase to populasjoer (grupper) b. ANOVA (aalyss of varace): tester om det er forskjeller
Detaljer(ii) Anta vi vet om en observasjon av X at den ikke er større enn 5. Hva er da sannsynligheten for at den er lik 5? (Hint: Finn PX ( = 5 X 5) ).
ECON3: EKSAMEN VÅR - UTSATT PRØVE Oppgave Ata er possofordelt med parameter λ = 5 (skrevet kort, ~ pos(5), jfr. defsjo 5.8 Løvås med t = ). A. () F P= ( 5) og P ( 5), for eksempel basert på tabell D. Løvås.
DetaljerForelesning 21 og 22 Goodness of fit test and contingency table ( 2 test og krysstabell)
STAT111 Statstkk Metoder Yushu.L@ub.o Forelesg 1 Goodess of ft test ad cotgecy table ( test krysstabell 1.Goodess of ft test ( test Ata at v har et utvalg med observasjoee fra e stokastsk varabel X. Goodess-of-ft
DetaljerForelesning Ordnings observatorer
Yushu.L@ub.o Forelesg 6 + 7 Ordgs observatorer. Oppsummerg tl Forelesg 4 og 5.) Fuksjoer (trasformasjoer) av flere S.V...) Smultafordelg tl to ye S.V. Ata at v har to S.V., med smultafordelg f ( x, x )
Detaljer1. Konfidens intervall for
Forelesg 0 + Yushu.@ub.o Kofdes tervall og Bootstrap. Kofdes tervall for ) Kofdes tervall [ ˆ, ˆ ] dekker de ukjete parametere med høy grad av skkerhet (kofdesvå): P( ˆ ˆ ), er f.eks 0.0 eller 0.05, eller
DetaljerIllustrasjon av regel 5.19 om sentralgrenseteoremet og litt om heltallskorreksjon (som i eksempel 5.18).
Econ 2130 HG mars 2012 Supplement tl forelesnngen 19. mars Illustrasjon av regel 5.19 om sentralgrenseteoremet og ltt om heltallskorreksjon (som eksempel 5.18). Regel 5.19 ser at summer, Y = X1+ X2 + +
DetaljerLøsningskisse for oppgaver til uke 15 ( april)
HG Aprl 01 Løsnngsksse for oppgaver tl uke 15 (10.-13. aprl) Innledende merknad. Flere oppgaver denne uka er øvelser bruk av den vktge regel 5.0, som er sentral dette kurset, og som det forventes at studentene
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
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.
DetaljerPositive rekker. Forelest: 3. Sept, 2004
Postve rekker Forelest: 3. Sept, 004 V skal tde utover fokusere på å teste om e rekke kovergerer, og skyve formler for summerg bakgrue. Dette er gje ford det første målet vårt er å lære hvorda v ka fe
DetaljerDet ble orientert i plenum under eksamensdagen om følgende endringer i forhold til oppgaven:
LØSNINGSFORSLAG EKSAMEN 4 MAI 007 MET00 STATISTIKK GRUNNKURS Det ble oretert pleum uder eksamesdage om følgede edrger forhold tl oppgave: Oppgave b går ut. Det vl da bl 9 oppgaver og alle oppgaver teller
DetaljerÅMA110 Sannsynlighetsregning med statistikk, våren 2007
ÅMA0 Sasylghetsregg med statstkk, våre 007 Kp. 5 Estmerg. Målemodelle. Estmerg. Målemodelle. Ihold:. (Pukt)Estmerg bomsk modell (kp. 5.). Målemodelle... (kp. 5.3) 3. (Pukt)Estmerg målemodelle (kp. 5.3)
DetaljerMer om Hypotesetesting (kap 5) Student t-fordelingen. Eksamen. Fordelingene blir like ved stor n:
Mer om Hypotesetestg kap 5 Overskt: Små utvalg og Studet s t-fordelg Hypotesetestg for populasjosgjeomsttet, μ Med tlfeldg og stort utvalg er fordelge tl testobservatore motvert av SGT Hva skjer dersom
DetaljerAnalyse av sammenhenger
Kapttel 7.-7.3: Aalyse av sammeheger Korrelasjo og regresjo E vktg avedelse av statstkk er å studere sammeheger mellom varabler: Avgjøre om det er sammeheger. Beskrve hvorda evetuelle sammeheger er. Eksempler:
DetaljerEcon 2130 uke 18 (HG) Hypotesetesting II P-verdi
Ecn 213 uke 18 (HG) Hyptesetesting II P-verdi Testing av µ i uid- mdellen (Z-test) MODELL (Situasjn I) : X1, X2,, Xn uavhengige g identisk nrmalfrdelte ( N ( µσ, ) ) E X X i n n MODELL (Situasjn II): 2
DetaljerAvdeling for estetiske fag, folkekultur og lærerutdanning BOKMÅL 14.12.2007
Høgskole Telemark Avdelg for estetske fag, folkekultur og lærerutdag BOKMÅL 4..7 UTATT PRØVE I MATEMATIKK, Modul 5 studepoeg Td: 5 tmer Hjelpemdler: Kalkulator og vedlagt formelsamlg (bakerst oppgavesettet).
Detaljeri B maksimal b Fundamentalteoremet for lineærprogrammering Den leksikografiske metode Blands pivoteringregel MoD233 - Geir Hasle - Leksjon 4 2
Lekso 4 ( k ) a ( k ) I ( k ) U ( k) B maksmal ( k ) b Sste spesaltlfelle - valg av utgåede Degeerert basstabell, degeererert pvoterg Degeerert pvoterg ka g syklsk pvoterg Eeste tlfelle der Smpleksmetode
DetaljerX ijk = µ+α i +β j +γ ij +ǫ ijk ; k = 1,2; j = 1,2,3; i = 1,2,3; i=1 γ ij = 3. i=1 α i = 3. j=1 β j = 3. j=1 γ ij = 0.
UNIVERSITETET I OSLO Det matematsk-naturvtenskapelge fakultet Eksamen : Eksamensdag: 7. jun 2013. Td for eksamen: 14.30 18.30. Oppgavesettet er på 8 sder. Vedlegg: Tllatte hjelpemdler: STK2120 LØSNINGSFORSLAG
DetaljerTALLSVAR. Det anbefales at de 9 deloppgavene merket med A, B, teller likt uansett variasjon i vanskelighetsgrad. Svarene er gitt i <<< >>>.
ECON30: EKSAMEN 05 VÅR - UTSATT PRØVE TALLSVAR. Det anbefales at de 9 deloppgavene merket med A, B, teller lkt uansett varasjon vanskelghetsgrad. Svarene er gtt
DetaljerTMA4245 Statistikk Eksamen 21. mai 2013
TMA445 Statstkk Eksame ma 03 Korrgert 0 ju 03 Norges teksk-aturvteskapelge uverstet Isttutt for matematske fag Løsgssksse Oppgave Et plott av sasylghetstetthee er gtt fgur Vdere har v og PX = Φ = 08849
DetaljerForelesning Punktestimering
STAT Statst Metoder Yushu.L@ub.o Forelesg 8 + 9 Putestmerg. Fra sasylghetsteor tl statst feres ) Sasylghetsberegg sasylghetsteor: v jeer parametere som besrver modellee, f.es. p boms modell, ormal fordelg,
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
DetaljerEcon 2130 uke 13 (HG)
Eco 30 uke 3 (HG) Iførg regresjo I deskrptv aalse (Løvås kap. 7. 7.3.3) DATA: Resultater fra 500m og 5000m for me fra EM på skøter Heerevee 004. Obs 5000m 500m Obs 5000m 500m r. Td Sekuder Td Sekuder r.
DetaljerTMA4300 Mod. stat. metoder
TMA4300 Mod stat metoder Norges teknsk-naturvtenskapelge unverstet Insttutt for matematske fag Løsnngsforslag - Eksamen jun 2007 Oppgave Pseudokode for å evaluere θ: Generer uavhengge realsasjoner x,,x
DetaljerForelesning Z-, t-test, test for forventningsdifferanser
STAT Sttstkk Metoder ushu.l@ub.o Forelesg + 3 Z-, t-test, test for forvetgsdfferser. Sttstsk hypotesetestg ullhypotese): ypotese so først ttt å være st *Forålet ed e test er å udersøke o dtterlet gr grulg
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
DetaljerTALLSVAR. Det anbefales at de 9 deloppgavene merket med A, B, teller likt uansett variasjon i vanskelighetsgrad. Svarene er gitt i << >>.
ECON13: EKSAMEN 14V TALLSVAR. Det anbefales at de 9 deloppgavene merket med A, B, teller lkt uansett varasjon vanskelghetsgrad. Svarene er gtt >. Oppgave 1 Innlednng. Rulett splles på en rekke kasnoer
DetaljerUNIVERSITETET I OSLO ØKONOMISK INSTITUTT. Innleveringssted: Ekspedisjonen i 12. etasje (mellom ) OG Fronter (innen klokken 15).
Øvelsesoppgave : ECON3 Statstkk Dato for utleverg: 4.3.7 UNIVERSITETET I OSLO ØKONOMISK INSTITUTT Dato for leverg: 3.3.7 e kl. 5. Ilevergssted: Ekspedsjoe. etasje (mellom.5-5.) OG Froter (e klokke 5).
DetaljerOppgaver. Multiple regresjon. Forelesning 3 MET3592 Økonometri ved David Kreiberg Vår 2011
Forelesnng 3 MET359 Økonometr ved Davd Kreberg Vår 0 Oppgaver Alle oppgaver er merket ut fra vanskelghetsgrad på følgende måte: * Enkel ** Mddels vanskelg *** Vanskelg Multple regresjon Oppgave.* Ta utgangspunkt
DetaljerGråtonehistogrammer. Histogrammer. Hvordan endre kontrasten i et bilde?
INF 3 råtoe-trasforasjoer Hovedsakelg fra ka. 3.-3. DIP Hstograer Leære gråtoetrasforer Stadardserg av blder ed leær trasfor Ikke-leære, araetrske trasforer Hvorda edre kotraste et blde?? Neste uke: Hstograbaserte
DetaljerOppgave 1 ECON 2130 EKSAMEN 2011 VÅR
ECON 30 EKSAMEN 0 VÅR Oppgave E bedrf øsker å fordele koraker e vesergsprosjek hel lfeldg på 3 frmaer, A, B og C. Uvelgelse skjer ved loddrekg. Loddrekge er slk a hver av frmaee A, B og C, har e mulghe
Detaljers = 0, b) H0: d = 0 mot H1: d 0. T = D 0,81 s 10 SE(μˆ ) =
Stat0 Løsning eksamen vår 2016 Oppgave 1 a) d er gjennmsnittlig differanse mellm sann temperatur g varslet temperatur ver en lang tidsperide. μˆ = D = 0,5 (grader). Gjennmsnittlig differanse fr de målingene.
DetaljerEcon 2130 uke 15 (HG) Poissonfordelingen og innføring i estimering
Eco 130 uke 15 (HG) Poissofordelige og iførig i estimerig 1 Poissofordelige (i) Tilærmig til biomialfordelige. Regel. ( Poissotilærmelse ) Ata Y ~ bi(, p) E( Y ) = p og var( Y ) = p(1 p). Hvis er stor
DetaljerLøsningsforslag øving 5, ST1301
Løsningsfrslag øving 5, ST1301 ppgave 1 Newtn's metde Prgrammer en funksjn sm nner løsningen på ligningen e x 5 + x = 0; (1) ved hjelp av Newtn's metde g sm returner løsningen sm funksjnsverdi Stpp iterasjnene
DetaljerMakroøkonomi - B1. Innledning. Begrep. B. Makroøkonomi. Mundells trilemma går ut på følgende:
B. Makroøkoom Oppgave: Forklar påstades hold og drøft hvlke alteratv v står overfor: Fast valutakurs, selvstedg retepoltkk og fre kaptalbevegelser er kke forelg på samme td. Makroøkoom Iledg Mudells trlemma
Detaljer(iii) Når 5 er blitt trukket ut, er det tre igjen som kan blir trukket ut til den siste plassen, altså:
A-besvarelse ECON2130- Statstkk 1 vår 2009 Oppgave 1 A) () Antall kke-ordnede utvalg: () P(Arne nummer 1) = () Når 5 er bltt trukket ut, er det tre gjen som kan blr trukket ut tl den sste plassen, altså:
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
DetaljerKapittel 1: Beskrivende statistikk
Kapttel : Bekrvede tattkk Defjoer: Populajo og utvalg Populajo: Alle mulge obervajoer v ka gjøre (,,, N ). Utvalg: Delmegde av populajoe (,,, der
DetaljerOppgaven består av 9 delspørsmål som anbefales å veie like mye, Kommentarer og tallsvar er skrevet inn mellom <<, >>, Oppgave 1
ECON 213 EKSAMEN 26 VÅR SENSORVEILEDNING Oppgaven består av 9 delspørsmål som anbefales å vee lke mye, Kommentarer og tallsvar er skrevet nn mellom , Oppgave 1 I en by med 1 stemmeberettgete nnbyggere
DetaljerForelesning 3 mandag den 25. august
Forelesg adag de 5 august Merkad 171 For å bevse e propossjo o heltall so volverer to eller flere varabler, er det typsk ye lettere å beytte duksjo på e av varablee e duksjo på oe av de adre Det er for
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
DetaljerØVINGER 2017 Løsninger til oppgaver
ØVINGER 017 Løsnnger tl oppgaver Øvng 1 7.1. Med utgangspunkt de n 5 observasjonsparene (x 1, y 1 ), (x, y ),..., (x 5, y 5 ) beregner v først mddelverdene x 1 5 Estmert kovarans blr x 3. ȳ 1 5 s XY 1
DetaljerKapittel 9 ALGEBRA. Hva er algebra?
Kpttel 9 ALGEBRA Hv er lger? Kpttel 9 ALGEBRA Alger Ekelt k v s t lger er å rege me okstver steet for tll. Når v løser lgger, står okstve (vlgvs for et estemt tll. Når v ruker lger tl å utlee formler eller
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
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
DetaljerAlle deloppgaver teller likt i vurderingen av besvarelsen.
STK H-26 Løsnngsforslag Alle deloppgaver teller lkt vurderngen av besvarelsen. Oppgave a) De normalfordelte: x og sd for hver gruppe. De skjevfordelte og de ekstremt skjevfordelte: Medan og kvartler for
DetaljerSimpleksmetoden. Initiell basistabell Fase I for å skaffe initiell, brukbar løsning. Fase II: Iterativ prosess for å finne optimal løsning Pivotering
Lekson 3 Smpleksmetoden generell metode for å løse LP utgangspunkt: LP på standardform Intell basstabell Fase I for å skaffe ntell, brukbar løsnng løse helpeproblem hvs optmale løsnng gr brukbar løsnng
DetaljerTILLITSVALGTE: Intervjuguide
TILLITSVALGTE: Intervjuguide 1. Om prsjektet, annymitet 2. Bakgrunnsinfrmasjn Erfaring sm tillitsvalgt antall år i vervet, ppgaver Ansatte rganisasjnsgrad, frhld til eventuelle andre klubber i virksmheten
DetaljerAlternerende rekker og absolutt konvergens
Alternerende rekker og absolutt konvergens Forelest: 0. Sept, 2004 Sst forelesnng så v på rekker der alle termene var postve. Mange av de kraftgste metodene er utvklet for akkurat den typen rekker. I denne
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
DetaljerAnvendelser. Kapittel 12. Minste kvadraters metode
Kapttel Anvendelser I dette kaptlet skal v se på forskjellge anvendelser av teknkke v har utvklet løpet av de sste ukene Avsnttene og eksemplene v skal se på er derfor forholdsvs uavhengge Mnste kvadraters
DetaljerOversikt over konfidensintervall i Econ 2130
1 HG Revidert april 014 Oversikt over kofidesitervall i Eco 130 Merk at dee oversikte ikke er met å leses istedefor framstillige i Løvås, me som et supplemet. De ieholder tabeller med formler for kofidesitervaller
DetaljerTMA4240/4245 Statistikk Eksamen august 2016
Norges teknsk-naturvtenskapelge unverstet Insttutt for matematske fag TMA44/445 Statstkk Eksamen august 6 Løsnngssksse Oppgave a) Ved kast av to ternnger er det 36 mulge utfall: (, ),..., (6, 6). La Y
DetaljerIntroduksjon til økonometri, kap 8, 9.1 og 9.2. Hva er formålet med økonometri? Utvalgskorrelasjoner To-variabel regresjoner
Itroduksjo tl økoometr, kap 8, 9.1 og 9. Hva er formålet med økoometr? Utvalgskorrelasjoer To-varabel regresjoer Iformasjo fra data Målet med økoometr er å lære oe fra data Øke vår kuskap ved å oppdage
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
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
DetaljerTMA4265 Stokastiske prosesser
Norges teknsk-naturvtenskapelge unverstet Insttutt for matematske fag TMA65 Stokastske prosesser Våren Løsnngsforslag - Øvng Oppgaver fra læreboka.6 P er dobbelt stokastsk P j j La en slk kjede være rredusbel,
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 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
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
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
Detaljer