Oversikt over tester i Econ 2130
|
|
- Rebecca Eggen
- 7 år siden
- Visninger:
Transkript
1 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 opp e statstsk modell (som represeterer populasjoe v trekker data fra, atar v utgagspuktet at modelle er sa for e vss (ukjet verd av parametere θ og usa for alle adre verder. Aførselstegee rudt sa ovefor skyldes at begrepet sa parameterverd ku gr god meg dersom forutsetgee som er foretatt modelle er realstske forutsetger om populasjoe. I dette kurset har de hypotesee v tester om (de sae ukjete verde av θ tre alteratve former beskrevet tabelle uder. Merk at θ står for e kjet (! hypotetsk verd som er bestemt av de uderlggede problemstllge: De sae verde av θ ka godt være lk θ, me behøver slett kke være det! roblemet er ettopp at v kke vet hvor de sae verde av θ befer seg. Alteratv H H Type θ θ θ > θ Esdg problem 2 θ θ θ θ 3 θ = θ θ θ < Esdg problem Tosdg problem La ˆ θ være e aktuell estmator for θ, slk at W = er tlærmet (oe få gager eksakt N(, -fordelt (uasett hva de sae verde av θ måtte være, og der = ( ˆ θ er e eller ae estmert versjo av stadardfele tl ˆ θ. Vår testobservator, = får v da ved å bytte ut θ med θ W. ka brukes som testobservator alle de tre alteratve problemee. Merk (NB! forskjelle mellom og W: W er e kke-observerbar stokastsk varabel med samme (tlærmet kjete fordelg uasett hva de sae verde av θ er (dvs W er e såkalt pvotal., dermot, er e observerbar stokastsk varabel som er (tlærmet N(, -
2 2 fordelt bare hvs θ = θ (for så fall, og bare da, er = W. Hvs de sae verde θ er forskjellg fra θ, har e ae sasylghetsfordelg som kke er N(,! Sde ˆ θ er e estmator for de ukjete (sae verde av θ, har v ˆ θ θ θ θ, hvorav som er > hvs θ > θ og < hvs θ < θ. Derfor bør v forkaste H problem-alteratv hvs er tlstrekkelg stor postv ( > c. I alteratv 2 bør v forkaste H hvs er tlstrekkelg stor egatv ( < c 2, og alteratv 3 bør v forkaste H hvs ete er tlstrekkelg stor egatv eller tlstrekkelg stor postv ( < c 3 eller > c4. c, c2, c3, c4 er passede krtske verder. Som det beste kompromss mellom to motstrdede krav tl kotroll av sasylghete for fel av type I og fel av type II, vser det seg at de krtske verdee c, c, c, c alle de tre alteratvee ekelt ka bestemmes som løsge av lgge θ= θ(forkast H =, der er det valgte sgfkasvået.. Merk at sasylghete lgge utvkles det speselle tlfellet at θ = θ der er (tlærmet N(, -fordelt. For eksempel alteratv 3 får v = (Forkast H = ( < c + ( > c. Velger v 2 for begge sasylghetee (som ka vses er det beste valget får v θ= θ θ= θ 3 θ= θ 4 c3 = z 2 og c4 = z 2, der z 2 er 2 -kvatle N(,. 2 3 Tabell Strukture av -tester (Jfr. stuasjo og 3 tabell 2 og alle tre stuasjoer tabell 3 Alteratv H H θ θ θ > θ 2 θ θ θ < θ 3 θ = θ θ θ -vå test: Forkast hvs H verd ( er observert verd av = > z ( θ= θ > z o = < z ( θ= θ < z o = < z 2 eller > z 2 2 θ= θ( > z o z o 4
3 3 Mer kokret skrver v ut edefor hvorda -testee ser ut for alteratv forskjellge modell-stuasjoer tabell 2 og 3. Alle testee er såkalte -tester. Eeste utak er stuasjo 2 tabell 2 (t-test der eeste forskjell er at N(, -fordelge er byttet ut med t -fordelge. Tabell 2 Tester for H : μ μ mot H : μ > μ (alteratv år modell er (*:, 2,, er uavh. og detsk fordelte med 2 E ( = μ og var( = σ (Jfr. regel 6.5 og 6.6. Tlsvarede for alteratv 2 og 3 med samme testobservator. Stuasjo Forutsetger (modell σ votal ( W = ( = Modell (* samme med: ~ N(, σ, =,2,, Vlkårlg Kjet μ μ ~ N(, = > z μ σ σ Modell (* samme med: ~ N( μ, σ, =,2,, Vlkårlg Ukjet μ μ ~ t T = T > t, S S stor, Bare modell (* der 3 μ tlærmet μ har vlkårlg fordelg Ukjet ~ N(, = > z (tl ød S S 2 Bare modell (* der har vlkårlg fordelg lte Ukjet Ikke pesum Forkastgkrterum Sgfkasvå verd ( z, er o to observert verd av, T Eksakt ( z Eksakt ( T t Tlærmet ( z Merkad. I prakss er atakelg stuasjo 3 de vktgste/valgste. Løvås er dessverre ltt kapp omtale av dee. Ha ever de ku e bsetg (etter eller de sste setge regel 6.6. Merkad 2. Styrkefuksjoe er hos Løvås bare agtt stuasjo. De ka aturlgvs også bestemmes de adre stuasjoee, me er ltt mer komplserte og kke pesum.
4 4 Tabell 3 -tester for alteratv tabell (basert på regel 5.2 (ormaltlærmg for bomsk, hypergeometrsk og posso fordelg. Sgfkasvå tlærmet. (Tlsvarede for alteratv 2 og 3 som tabell Modell Estmator ˆ θ W votal ( ˆ tlærmet = θ θ ~ N(, (uasett θ ( ˆ tlærmet = θ θ ~ N(, (hvs θ = θ Betgelse for ormaltlærmelse Forkastgskrterum verd ( z o er observert verd av ~b( p, = var( 5 ( p( p 5 p p( p tlærmet ~ N(, = p p( p > ( z z p= p > o ~ hypergeom. ( M,, N = var( 5 ( p = M N ~ pos( tλ ˆ var( 5 λ = t ( tλ 5 ˆ tlærmet p p ~ N (, p( p N N ˆ λ λ tlærmet ~ (, λ t N = p p( p N N ˆ λ λ > ( z z p= p > o = > z λ t ( z λ= λ Husk at otasjoe ~ pos( m er valgt slk at det som står på m s plass alltd er lk E( (som også er lk var( e oppgave fremgår at ~ pos(3,7, følger automatsk at E ( = var( = 3,7. Av modelle tabelle følger således at E ( = var( = tλ. posso-fordelge. Hvs det for eksempel
5 5 Merkad 3 Merk at v (som Løvås har brukt p og λ stedet for ormalfordelge lgge (Forkast H og ˆ λ evere på. Dette er for å forbedre tlærmelse tl θ= θ = tl bestemmelse av de krtske verde. Merk at for å løse dee lgge med hesy på de krtske verde treger v bare å kjee fordelge tl det tlfellet at de sae θ skulle være lk θ. Med dee måte å teke på treger v altså kke å estmere pvotale. E alteratv test (kke evt pesum er å bruke og ˆ λ stedefor. De test-varate har tlærmet de samme egeskapee som de foreslåtte og dukker ofte opp ltterature. Regresjosmodelle Tester for ukjete parametre de ekle stadard regresjosmodelle med ormalfordelte restledd følger samme møsteret som stuasjo 2 tabell 2, med eeste forskjell at 2 frhetsgrader beyttes t-fordelge stedefor som stuasjo 2. e har, som ovefor, alle tlfeller forme ( ˆ θ = som er t 2 -fordelt det speselle tlfellet at θ θ =, og sgfkasvået 2 gjelder eksakt for alle 3. Hvs 3, ka t 2 -fordelge byttes ut med N (, og teste vl ha sgfkasvå tlærmet selv om y-observasjoee er trukket fra e vlkårlg ae fordelg e ormalfordelge. 2 Dee alfae må kke forveksles med kostatleddet alfa regresjosfuksjoe μ( x = + βx populasjoe (Løvås otasjo.
Oversikt 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
DetaljerOversikt over tester i Econ 2130
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
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
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
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
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 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
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
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
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.
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
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
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....
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
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
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)
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.
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
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
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).
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
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,
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
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
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)
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
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
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)
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
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
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 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
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 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
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 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
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
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
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
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
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 )
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)
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.
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,
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
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
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).
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
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
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:
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
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
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).
DetaljerEKSAMEN løsningsforslag
5. aprl 017 EKSAMEN løsgsforslag Emekode: ITD0106 Emeav: Statstkk og økoom Dato:. ma 016 Eksamestd: 09.00 13.00 Hjelpemdler: - Alle trykte og skreve. - Kalkulator. Faglærer: Chrsta F Hede Om eksamesoppgave
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
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
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
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:
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
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
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 + +
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
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
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
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
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
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
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
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
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
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
DetaljerSTK1100 våren 2017 Estimering
STK1100 våre 017 Estimerig Svarer til sidee 331-339 i læreboka Ørulf Borga Matematisk istitutt Uiversitetet i Oslo 1 Politisk meigsmålig Spør et tilfeldig utvalg på 1000 persoer hva de ville ha stemt hvis
DetaljerKonfidensintervall. Notat til STK1110. Ørnulf Borgan, Ingrid K. Glad og Anders Rygh Swensen Matematisk institutt, Universitetet i Oslo.
Kofidesitervall Notat til STK1110 Ørulf Borga, Igrid K. Glad og Aders Rygh Swese Matematisk istitutt, Uiversitetet i Oslo August 2007 Formål E valig metode for å agi usikkerhete til et estimat er å berege
DetaljerForelesning 4 og 5 MET3592 Økonometri ved David Kreiberg Vår 2011
Løsnnger lle oppgaver er merket ut fra vanskelghetsgrad på følgende måte: * Enkel ** Mddels vanskelg *** Vanskelg Hypotesetestng testng av enkelthypoteser Oppgave 1.* Når v tester enkelthypoteser ved hjelp
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.
DetaljerEnveis variansanalyse (One-way ANOVA, fixed effects model) (Notat til Kap. 12 i Rosner)
Eves varasaalyse (Oe-way ANOVA, fxed effects model) (Notat tl Kap. Roser) V reaptulerer først t-teste for to uavhegge utvalg. Stuasjoe var at v hadde to grupper, f.es. G og G og et sett uavhegge og dets
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
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
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
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
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
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
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
DetaljerKap. 9: Inferens om én populasjon
2 ST0202 Statistikk for samfusvitere Bo Lidqvist Istitutt for matematiske fag Ka. 9: Iferes om é oulasjo Hvis σ er ukjet bytter vi ut σ med s i Ny observator blir t = x μ s/ z = x μ σ/ der s = Σx 2 (Σx)
DetaljerUNIVERSITETET I OSLO ØKONOMISK INSTITUTT
Utsatt eksamen : ECON130 Statstkk 1 UNIVERSITETET I OSLO ØKONOMISK INSTITUTT Eksamensdag: 15.0.015 Sensur kunngjøres senest: 0.07.015 Td for eksamen: kl. 09:00 1:00 Oppgavesettet er på 4 sder Tllatte hjelpemdler:
DetaljerTALLSVAR. Det anbefales at de 9 deloppgavene merket med A, B, teller likt uansett variasjon i vanskelighetsgrad. Svarene er gitt i <<< >>>.
ECON: EKSAMEN 6 VÅR - UTSATT PRØVE TALLSVAR. Det anbefales at de 9 deloppgavene merket med A, B, teller lkt uansett varasjon vanskelghetsgrad. Svarene er gtt
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
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
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
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
DetaljerOm enkel lineær regresjon I
1 ECON 130 HG, revdert 017 Notat tl kapttel 7.1 7.3.3 Løvås (Jfr. forelesg uke 11) Om ekel leær regresjo I (deskrptv aalse og ltt om regresjosmodelle tl slutt) 1 Iledg Ekel regresjosaalse dreer seg om
DetaljerÅMA110 Sannsynlighetsregning med statistikk, våren 2008 Kp. 6, del 5
ÅMA110 Sasylighetsregig med statistikk, våre 2008 Kp. 6, del 5 Bjør H. Auestad Istitutt for matematikk og aturviteskap Uiversitetet i Stavager 26. mars Bjør H. Auestad Kp. 6: Hypotesetestig del 5 1/ 53
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
DetaljerST1201 Statistiske metoder
ST Statistiske metoder Norges tekisk-aturviteskapelige uiversitet Istitutt for matematiske fag Løsigsforslag - Eksame desember Oppgave a) Dette er e ANOVA-tabell for k-utvalg med k 4 og j 6 for j,,3,4.
DetaljerOm enkel lineær regresjon I
ECON 30 HG, revdert 0 Notat tl kapttel 4 Løvås Om ekel leær regresjo I Iledg Ekel regresjosaalse dreer seg om å studere sammehege mellom e resposvarabel,, og e forklargsvarabel,, basert på et datamaterale
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
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
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)
Detaljer