Anslag for usikkerhet av et sammensatt resultat basert på anslått usikkerhet ( feilmarginer ) for måleverdiene.
|
|
- Ingebrigt Espeland
- 6 år siden
- Visninger:
Transkript
1 KJ053/gen. / 004/013 / S. 1 av 8 Anslag for usikkerhet av et sammensatt resultat basert på anslått usikkerhet ( feilmarginer ) for måleverdiene. (Pluss, kort, litt om statistisk usikkerhet - normalfordelt og ikke-parametrisk) Innen analytisk kjemi, inkludert kromatografi, skal alltid "påliteligheten"/ usikkerheten av resultatene bestemmes og rapporteres sammen med resultatene. Så langt som mulig gjøres det ved å kontrollere - nøyaktigheten (nærheten til "den sanne verdien") v.h.a. ulike kontroll-eksperimenter og - presisjonen (omfang av tilfeldige variasjoner av måleresultatene) v.h.a. gjentatte analyser som evalueres statistisk. For eksperimenter hvor resultatene ikke kan vurderes på grunnlag av gjentatte målinger er vanlige statistiske metoder ikke anvendbare. Derfor finnes ikke et skikkelig statistisk mål for data'enes presisjon. For resultatenes "pålitelighet" / usikkerhet må man da gi et anslag som, forhåpentligvis, er realistisk - på "godt og vondt". F.eks.: lengdemåling: usikkerhet for nøyaktigheten (korrekt lengdeskala av linjalen el.lign. i forhold til definisjonen på enheten (f.eks. ur-meteren i Paris, el. bedre), og usikkerheten ved avlesning (cm-, mm- el. 0,1-mm-skala, blott øye, forstørrelsesglass, mikrometer etc.). Situasjonen blir mer komplisert når et endelig resultat (et "sammensatt resultat"), Z, må beregnes ut fra flere ulike måleresultater, som det kun er utført enkelt-målinger for (f.eks. kan hastighetsmålingers pålitelighet være avhengig av usikkerheter i både lengde- og tids-målingene). Men det finnes metoder for å beregne et anslag for usikkerheten, Z, av et "sammensatt resultat". De bestemmer gjerne et slags "verste tenkbare tilfelle" for usikkerheten. år Z = Z(A,B,C,...) beregnes ut fra de forskjellige måledataene A, B, C... kan Z beregnes ut fra anslag for usikkerhetene (A, B, C,...) for disse måledata. Det sammensatte resultatet kan da rapporteres som Z ± Z. F.eks.: volum-måling ved bruk av formelen V = l x b x h. Estimeringen kan kompliseres, når ulike måleutstyr og -prosedyre må brukes til lengdemåling av gjenstandens ulike dimensjoner. Man er altså nødt til å anslå usikkerhetene A, B, C,... av de avleste ("ikke sammensatte") måledata ut fra det man synes om nøyaktigheten av målemetodene og -utstyr. Resultatet av denne vurderingen blir f. eks. A ± A, hvor A er den avleste verdien, A + A og A - A er henholdsvis den øvre og den nedre grensen for det man får, når mulige feil og usikkerheter legges til eller trekkes fra A. I praksis brukes både - absolutte feil (absolute errors) A, B, C,... Z og - relative feil (relative errors) A, B, C,.. Z. A B C Z (år relative feil rapporteres, oppgis de ofte som prosenttall).
2 KJ053/gen. / 004/013 / S. av 8 "Feilforplantingen" som skjer ved at del-målingenes usikkerheter "smitter over" på det sammensatte (slutt-) resultatet kan beregnes, og den samlede usikkerheten blir som følger : Z = ± { Z. A + Z. B + Z. C +...} (1) A B C Metoden er basert på partiell derivering m.h.t. de målbare parametrene A, B, C... av formelen Z = f (A, B, C,...) som brukes til beregningen av det sammensatte resultatet Z. Som nevnt blir da Z det verste tenkbare tilfelle", hvor alle antatte feil har slått ut i samme retning i resultatet Z. Utledning av ligning (1), med tilhørende partiell derivering, kan i en del tilfeller være litt komplisert. Men i mange tilfeller, der formelen for utregning av Z bare bruker de mest vanlige matematiske operasjonene, kan man anvende noen (rel. enkle) regler for å regne ut Z. Her gis regler for : - multiplikasjon og divisjon (inkl. regning med potenser), - addisjon og subtraksjon og kombinasjonen av disse. Multiplikasjon og divisjon : For multiplikasjon og divisjon beregnes den relative feilen av det sammensatte resultatet Z ved å addere de relative feilene til de enkelte faktorene: C...} () C F.eks.: Både for Z = A B og for Z = A / B blir Den relative feilen av Z blir like stor for begge operasjonene : summen av absolutt-verdiene til de relative feilene av h.h.v A og B. For regning med enkle eksponenter kan man vurdere saken som en multiplikasjon av like faktorer (jfr.eksempelet nedenfor). Mer generelt formulert kan man si at oppskriften er : å gange den relative feilen med absolutt-verdien til eksponenten. Det holder for multiplikasjon, regning med eksponent, ulike røtter, og til og med divisjon (eksponent = -1) :
3 KJ053/gen. / 004/013 / S. 3 av 8 For Z = A 3 (= A A A) blir For Z = = B ½ blir ½ For eksempel : for en ligning som: g = 4 L ( = 4 p L +1 T - ) T blir den relative usikkerheten for g : g = L + T g L T (4-tallet "eier" ikke usikkerhet, og antas å være brukt med det nødvendige antall sifre, slik at dens "unøyaktighet" blir neglisjerbar.) Addisjon og subtraksjon : år summer og differanser inngår i beregningen av Z benyttes Z, som er Z' s absolutte feil. Z er summen av de (absolutte) usikkerhetene av A, B, C,... Z = I A I + I B I + I C I +... (3) Den relative feilen til Z blir da : Z = I A I + I B I + I C I +... (4) Z For eksempel for en enkel sum eller differanse, A + B eller A - B, blir de absolutte feilene: Z = I A I + I B I. De relative feilene for henholdsvis sum og differanse blir som følger : Z A+B A B og Z (A + B) (A + B) Z (A-B) AB Z (A - B) (A - B) Legg merke til at relative feil for differanser blir større enn for summer av termer med sammenlignbar størrelse og usikkerhet : Summen av de absolutte feilene, som er lik for begge operasjonene, deles med en nevner, Z, som er mindre når den er en differanse enn når den er en sum. For differanser kan feilgrensen bli større en selve resultatet av subtraksjonen. Den nedre grensen av usikkerhets-intervallet blir da negativ, noe som enkelte ganger kan gi "meningsløse" resultater.
4 KJ053/gen. / 004/013 / S. 4 av 8 år utregningen av Z(A,B,C,...) krever både addisjon og/eller subtraksjon og multiplikasjon og/eller divisjon så "nøstes ligningen opp" innenfra (jfr. derivering, eller computer-programmering av formler): I eksempelet som er gitt nedenfor : Z = (A + B) + C (A - B) beregnes først de absolutte feilmarginene til summen og differansen av A og B. Disse regnes om i relative feil (av henholdsvis summen P og differansen Q). De benyttes videre for å finne usikkerheten av brøken (P/Q) ved oppsummering av relative feil. For beregningen av (den absolutte) usikkerheten Z i det endelige, sammensatte resultatet, Z, som igjen er en sum, omformes de relative usikkerhetene av h.h.v. denne brøken og C -termen til absolutte usikkerheter, som summeres. Eksempel: Utgangspunkt er en ligning som inneholder både multiplikasjon/divisjon og addisjon/ subtraksjon : Z = (A + B) + C (A - B) Først beregnes de absolutte feil til henholdsvis summen og differansen i den første termen (A + B) = (A - B) = A + B deretter beregnes de relative feilene P/ P og Q/ Q for henholdsvis teller P og nevner Q: P A+B A B P (A + B) (A + B) Q (A-B) AB Q (A - B) (A- B) Usikkerheten i brøket fås nå ved å summere de relative feilene av teller og nevner : ( P / Q ) = A B + AB = P + Q ( P / Q ) (A + B) (A - B) P Q Til slutt adderes de absolutte feilene av de to summandene "P/Q" og C : Z = ( P / Q ). (P/Q) + ( C C ) ( P / Q ) C Ønskes den relative feilen, deles Z med Z.
5 KJ053/gen. / 004/013 / S. 5 av 8 I løpet av kromatografikurset er det flere oppgaver hvor et anslag for usikkerheten av et endelig (sammensatt) resultat kan, bør eller må finnes ved hjelp av disse reglene. De data man har målt vurderes da med hensyn til antatt nøyaktighet, og så å bestemmes/utregnes "påliteligheten" av sluttresultatet. F. eks. : - RF-verdier i tynnsjikt- og papir-kromatografi, - utbyttene i søylekromatografi, - fordelingskoeffisientene i gelfiltreringen, - retensjonstider ved kvalitative analyser (identifisering). - høyde- og/eller areal-målinger ved integrering /kvantifisering. B. : For beregning av feilforplanting av statistisk sikrede malinger benyttes "delvis lignende" formler. Der benyttes da bl.a. varians, eller standardavvik, som mål for presisjonen - jfr. f.eks. lærebøker i analytisk kjemi eller statistisk analyse / behandling av data. øyaktigheten estimeres/bestemmes (helst) eksperimentell med kontroll-eksperimenter (kvalitetskontroll / kvalitetssikring).
6 KJ053/gen. / 004/013 / S. 6 av 8 oen enkle betraktninger om usikkerhet ( feilmarginer ) av resultat basert på gjentatte målinger. år statistisk signifikante antall uavhengige målinger kan skaffes er dette praktisk talt alltid å foretrekke framfor usikkerhets-estimering som beskrevet ovenfor. Usikkerheten av enkeltmålingen består da av de to komponentene presisjon (repeterbarhet, reproduserbarhet) og nøyaktighet (den siste omtales ikke videre her). Reproduserbarhet 1 1. omalfordelte data Et mål for presisjonen fås fra gjentatte uavhengige målinger av samme egenskap. Som det best mulige måleresultat brukes så den aritmetiske middelverdien (gjennomsnittet) av målingene x : x i 1 x i x i = i-te (analyse-)resultat, = antall data (målinger, resultater) Ofte brukes Standardavvik og dermed forbundne begrep (relativ standardavvik, varians, konfidensintervall) for å uttrykke presisjonen (eller målingens/egenskapens statistiske usikkerhet). Bruk av aritmetisk middelverdi og standardavvik forutsetter at enkeltmålingers tilfeldige variasjon følger et mønstre som tilsvarer (statistisk) en normalfordeling. Da beregnes standardavviket som følger : s i1 1 x x x = middelverdi av dataene x i, eller (litt omformet) i 1 Kort elementær innføring : f.eks. F.J. Langmyhr Elementære statistiske metoder for kjemisk analyse, Universitetsforlaget AS, Oslo Formelen som er oppgitt for standardavviket her, gjelder for tilfeller der vi bare har et utvalg av data (eller målinger) til å regne på og må bruke det begrensede antall for å anslå hva standardavviket ville blitt om vi kunne ha regnet med (målt på) alle data som inngår i den datamengden vi ønsker å beskrive.
7 KJ053/gen. / 004/013 / S. 7 av 8 x x 1 og relativ standardavvik: (som oftest i %) s r s 100 x år standardavvik beregnes ut fra et begrenset antall måling, så blir også verdien av standardavviket usikker. Dette kan tas hensyn ved bruk av konfidens-intervaller (jfr. litteratur om det emnet). Alternativ minimal-løsning (obligatorisk minstekrav) er å oppgi antall data/målinger som ligger til grunn for standardavvik-beregningen. Et resultatet bør da rapporteres som : x (s, ). Det gir uttrykk for hvor (statistisk) usikker én enkel måling er/blir. Som regel er også selve middelverdien usikker 3 : fordi det også er tilfeldig hvilket utvalg av enkelt-tall en har fått i et begrenset antall målinger for å utregne middelverdien ut fra. Usikkerheten av middelverdien er lavere enn for enkeltmålingene, og den blir også mindre jo flere data vi kan bygge gjennomsnitsberegningen på. Middelverdiens standardavvik er : s s M i1 x x i 1 (Også her kan / bør konfidensgrenser/-områder være alternativer.) For diskusjon av forplanting av tilfeldige feil / presisjon i sammensatte resultater jfr. litteratur (f.eks. J.C.Miller & J..Miller, Statistics for analytical chemistry, Ellis Horwood Ltd., Chichester 1993 (3. utg.). I den, men f.eks. også i referansen i fotnote 1, diskuteres også de viktige vurderingene av feil-/usikkerhets-forplanting i forbindelse med regresjonsregning (spesielt lineær regresjon). 3 Unntaket er når middelverdien utregnes av alle (nøyaktige) tall som utgjør datamengden, og vi ikke bruker et begrenset (forhåpentligvis (men ikke sikkert) representativt) utvalg av data til å anslå middelverdien for Den store helheten.
8 KJ053/gen. / 004/013 / S. 8 av 8 Det finnes ofte andre enn normalfordelte data; da er en mulig metode å unngå feilaktig forhåndsinntatte analyser (d.v.s. feilaktig forutsatt normalfordelte data) ved å bruke følgende:. Ikke-parametriske analyser Som et alternativ - som ikke forutsetter et bestemt mønster i dataene (som f.eks. normalfordeling o.l.) - er bruk av såkalte ikke-parametriske uttrykk for presisjon økende, spesielt for initial data analysis (= foreløpig (?) dataanalyse ) i tall eller grafisk (og godt hjulpet av datamaskinen) ): Alternativ til gjennomsnitt : Istedenfor den aritmetiske middelverdien fra normalfordelingen brukes Medianen: Dataene ordnes etter størrelse, og medianen er verdien av den midterste målingen (for oddetalls antall data) eller gjennomsnittet av de to midterste tallene (for like-talls antall data). For dispersjon (spredning) Som erstatning for standardavviket brukes i de ikke-parametriske statistiske metodene det såkalte interkvartil-område (interquartile range): år hver halvparten av de ordnede data, som er delt opp av medianen deles igjen i to deler etter de samme reglene blir de nye delings-punktene kalt for øvre og nedre kvartiler (upper & lower quartiles) og området mellom dem interkvartil-området (interquartile range). Data blir ofte presentert som five-number summary ( fem talls -sammendrag): Laveste verdi - nedre kvartil - median - øvre kvartil - høyeste verdi. eller grafisk som Box and whisker plot : Laveste nedre - median øvre høyeste. verdi kvartil kvartil verdi Metoden er meget enkelt å bruke, den er robust mot utbryter -målinger ( outliers, som ofte kan bli et stort problem i parametriske metoder) og det er lett å oppdage om det foreligger symmetriske (normale) eller asymmetriske (f.eks. log-normale) fordelinger. (Figuren ovenfor antyder en viss asymmetri, som ikke villes vises ved normalfordelings-analyse - som forutsetter symmetrisk fordeling). En kort innføring i ikke-parametriske metoder finnes også i, bl.a., J.C.Miller & J..Miller, Statistics for Analytical Chemistry, Ellis Horwood Ltd., Chichester 1993 (3. utg.).
EN LITEN INNFØRING I USIKKERHETSANALYSE
EN LITEN INNFØRING I USIKKERHETSANALYSE 1. Forskjellige typer feil: a) Definisjonsusikkerhet Eksempel: Tenk deg at du skal måle lengden av et noe ullent legeme, f.eks. en sau. Botemiddel: Legg vekt på
DetaljerST0202 Statistikk for samfunnsvitere
ST0202 Statistikk for samfunnsvitere Kapittel 2: Beskrivende analyse og presentasjon av data for én variabel Bo Lindqvist Institutt for matematiske fag http://wiki.math.ntnu.no/st0202/2012h/start 2 Grafisk
DetaljerST0202 Statistikk for samfunnsvitere. Bo Lindqvist Institutt for matematiske fag
ST0202 Statistikk for samfunnsvitere Bo Lindqvist Institutt for matematiske fag 2 Lærebok Robert Johnson og Patricia Kuby: Elementary Statistics, 10. utgave 3 Pensumoversikt Kap. 2 Beskrivende statistikk,
DetaljerST0202 Statistikk for samfunnsvitere. Bo Lindqvist Institutt for matematiske fag
ST0202 Statistikk for samfunnsvitere Bo Lindqvist Institutt for matematiske fag 2 Lærebok Robert Johnson og Patricia Kuby: Elementary Statistics, 10. utgave 3 Pensumoversikt Kap. 2 Beskrivende statistikk,
DetaljerLærebok Robert Johnson og Patricia Kuby: Elementary Statistics, 10. utgave. Pensumoversikt. Forelesninger og øvinger
2 Lærebok Robert Johnson og Patricia Kuby: Elementary Statistics, 10. utgave ST0202 Statistikk for samfunnsvitere Bo Lindqvist Institutt for matematiske fag 3 4 Pensumoversikt Forelesninger og øvinger
DetaljerStatistisk beskrivelse av enkeltvariabler. SOS1120 Kvantitativ metode. Disposisjon. Datamatrisen. Forelesningsnotater 6. forelesning høsten 2005
SOS110 Kvantitativ metode Forelesningsnotater 6 forelesning høsten 005 Statistisk beskrivelse av enkeltvariabler (Univariat analyse) Per Arne Tufte Disposisjon Datamatrisen Variabler Datamatrisen Frekvensfordelinger
DetaljerOppgave 1. Bestemmelse av partielle molare volum
Oppgave 1 Rom C2-107 Gruppe 45 Anders Leirpoll & Kasper Linnestad andersty@stud.ntnu.no kasperjo@stud.ntnu.no 22.02.2012 i Sammendrag Hensikten med dette forsøket var å bestemme de partielle molare volum
DetaljerFordelinger, mer om sentralmål og variasjonsmål. Tron Anders Moger
Fordelinger, mer om sentralmål og variasjonsmål Tron Anders Moger 20. april 2005 1 Forrige gang: Så på et eksempel med data over medisinerstudenter Lærte hvordan man skulle få oversikt over dataene ved
DetaljerIntroduksjon til statistikk og dataanalyse. Arild Brandrud Næss TMA4240 Statistikk NTNU, høsten 2013
Introduksjon til statistikk og dataanalyse Arild Brandrud Næss TMA4240 Statistikk NTNU, høsten 2013 Introduksjon til statistikk og dataanalyse Hollywood-filmer fra 2011 135 filmer Samla budsjett: $ 7 166
DetaljerForelesning 23 og 24 Wilcoxon test, Bivariate Normal fordeling
Forelesning 23 og 24 Wilcoxon test, Bivariate Normal fordeling Wilcoxon Signed-Rank Test I uke, bruker vi Z test eller t-test for hypotesen H:, og begge tester er basert på forutsetningen om normalfordeling
DetaljerKapittel 1: Data og fordelinger
STK Innføring i anvendt statistikk Mandag 8. august 8 Ingrid K. lad I løpet av dette kurset skal dere bli fortrolig med statistisk tenkemåte forstå teori og metoder som ligger bak knappene/menyene i vanlige
DetaljerStatistikk og dataanalyse
Njål Foldnes, Steffen Grønneberg og Gudmund Horn Hermansen Statistikk og dataanalyse En moderne innføring Kapitteloversikt del 1 INTRODUKSJON TIL STATISTIKK Kapittel 1 Populasjon og utvalg 19 Kapittel
DetaljerLæreplan, nivå 1. Innhold / tema. Hovedområde Kompetansemål Elevene skal kunne: Tall og algebra:
Kartlegging / vurdering av nivå Begynn året med et kort kurs i tall-lære og matematiske symboler. Deretter kartlegging som plasserer elevene i nivågruppe. De som kan dette, jobber med tekstoppgaver / problemløsning.
DetaljerAnalyse av kontinuerlige data. Intro til hypotesetesting. 21. april 2005. Seksjon for medisinsk statistikk, UIO. Tron Anders Moger
Intro til hypotesetesting Analyse av kontinuerlige data 21. april 2005 Tron Anders Moger Seksjon for medisinsk statistikk, UIO 1 Repetisjon fra i går: Normalfordelingen Variasjon i målinger kan ofte beskrives
Detaljer1 Sec 3-2: Hvordan beskrive senteret i dataene. 2 Sec 3-3: Hvordan beskrive spredningen i dataene
1 Sec 3-2: Hvordan beskrive senteret i dataene 2 Sec 3-3: Hvordan beskrive spredningen i dataene Todeling av statistikk Deskriptiv statistikk Oppsummering og beskrivelse av den stikkprøven du har. Statistisk
DetaljerLærebok Robert Johnson og Patricia Kuby: Elementary Statistics, 10. utgave. Pensumoversikt. Oversikt. ST0202 Statistikk for samfunnsvitere
2 Lærebok Robert Johnson og Patricia Kuby: Elementary Statistics, 10. utgave ST0202 Statistikk for samfunnsvitere Bo Lindqvist Institutt for matematiske fag 3 4 Pensumoversikt Oversikt Kap. 2 Beskrivende
DetaljerDataens tidsalder. Hvorfor data? Data, data, data. STK1000 Innføring i anvendt statistikk. Tirsdag 24. august 2010
STK1000 Innføring i anvendt statistikk Tirsdag 24. august 2010 Geir Storvik (modifisert etter I. Glad s tidligere presentasjon) 1 Data, data, data Genetiske data World Wide Web Overvåkning Medisinske bilder
DetaljerAngivelse av usikkerhet i måleinstrumenter og beregning av total usikkerhet ved målinger.
Vedlegg A Usikkerhet ved målinger. Stikkord: Målefeil, absolutt usikkerhet, relativ usikkerhet, følsomhet og total usikkerhet. Angivelse av usikkerhet i måleinstrumenter og beregning av total usikkerhet
DetaljerLoven om total sannsynlighet. Bayes formel. Testing for sykdom. ST0202 Statistikk for samfunnsvitere
2 Loven om total sannsynlighet La A og Ā være komplementære hendelser, mens B er en annen hendelse. Da er: P(B) P(B oga)+p(b ogā) P(B A)P(A)+P(B Ā)P(Ā) ST0202 Statistikk for samfunnsvitere Bo Lindqvist
DetaljerST0202 Statistikk for samfunnsvitere
ST0202 Statistikk for samfunnsvitere Introduksjon til ST0202 Kapittel 1: Statistikk Kapittel 2: Beskrivende analyse og presentasjon av data for én variabel Bo Lindqvist Institutt for matematiske fag http://wiki.math.ntnu.no/st0202/2012h/start
DetaljerUncertainty of the Uncertainty? Del 3 av 6
Uncertainty of the Uncertainty? Del 3 av 6 v/rune Øverland, Trainor Elsikkerhet AS Dette er del tre i artikkelserien om «Uncertainty of the Uncertainty». I dag skal jeg vise deg hvorledes man bestemmer
DetaljerKjennetegn på måloppnåelse TALL OG ALGEBRA. Kunne plassverdisystemet for hele- og desimaltall
MATEMATIKK 6.trinn KOMPETANSEMÅL Mål for opplæringen er at eleven skal kunne: VURDERINGSKRITERIER Kjennetegn på måloppnåelse TALL OG ALGEBRA Elevene skal: Beskrive og bruke plassverdisystemet for desimaltall.
DetaljerEt lite notat om og rundt normalfordelingen.
Et lite notat om og rundt normalfordelingen. Anta at vi har kontinuerlige data. Hva er likt og ulikt for histogrammer og fordelingskurver? Observasjoner Histogram Viser fordelingen av faktiske observerte
DetaljerSAMMENDRAG OG FORMLER
SAMMENDRAG OG FORMLER SAMMENDRAG OG FORMLER Nye Mega 8A Kapittel A GEOMETRI LINJE, LINJESTYKKE OG STRÅLE linje stråle linjestykke VINKLER VINKELBEIN OG TOPPUNKT En vinkel har et toppunkt. Denne vinkelen
DetaljerStatistikk. Forkurs 2018
Statistikk Forkurs 2018 Hva er statistikk? Undersøke Registrere Lage oversikt Presentasjon av informasjon Formidle Arbeidet med statistikk kan vi dele inn i to hovedområder: Samle inn og ordne opplysninger
DetaljerSTK1000 Uke 36, Studentene forventes å lese Ch 1.4 ( ) i læreboka (MMC). Tetthetskurver. Eksempel: Drivstofforbruk hos 32 biler
STK1000 Uke 36, 2016. Studentene forventes å lese Ch 1.4 (+ 3.1-3.3 + 3.5) i læreboka (MMC). Tetthetskurver Eksempel: Drivstofforbruk hos 32 biler Fra histogram til tetthetskurver Anta at vi har kontinuerlige
DetaljerDenne uken: kap. 6.1-6.2-6.3: Introduksjon til statistisk inferens. - Konfidensintervall - Hypotesetesting - P-verdier - Statistisk signifikans
Denne uken: kap. 6.1-6.2-6.3: Introduksjon til statistisk inferens - Konfidensintervall - Hypotesetesting - P-verdier - Statistisk signifikans VG 25/9 2011 Statistisk inferens Mål: Trekke konklusjoner
DetaljerEt lite notat om og rundt normalfordelingen.
Et lite notat om og rundt normalfordelingen. Anta at vi har kontinuerlige data. Hva er likt og ulikt for histogrammer og fordelingskurver? Observasjoner Histogram Viser fordelingen av faktiske observerte
DetaljerSeksjon 1.3 Tetthetskurver og normalfordelingen
Seksjon 1.3 Tetthetskurver og normalfordelingen Har sett på ulike metoder for å plotte eller oppsummere data Vil nå starte på hvordan beskrive data ved modeller Hovedmetode er tetthetskurver Tetthetskurver
DetaljerST0202 Statistikk for samfunnsvitere
ST0202 Statistikk for samfunnsvitere Bo Lindqvist Institutt for matematiske fag 2 Loven om total sannsynlighet La A og Ā være komplementære hendelser, mens B er en annen hendelse. Da er: P(B) =P(B oga)+p(b
DetaljerDenne uken: kap : Introduksjon til statistisk inferens. - Konfidensintervall - Hypotesetesting - P-verdier - Statistisk signifikans
Denne uken: kap. 6.1-6.2-6.3: Introduksjon til statistisk inferens - Konfidensintervall - Hypotesetesting - P-verdier - Statistisk signifikans VG 25/9 2011 Statistisk inferens Mål: Trekke konklusjoner
DetaljerFagplan i matematikk for 9. trinn 2014/15. Faglærer: Terje Tønnessen
Fagplan i matematikk for 9. trinn 2014/15. Faglærer: Terje Tønnessen Standarder (gjennom hele semesteret) : - Å kunne uttrykke seg muntlig. Å forstå og kunne bruke det matematiske språket, implementeres
DetaljerStatistikk. Forkurs 2017
Statistikk Forkurs 2017 Hva er statistikk? Undersøke Registrere Lage oversikt Presentasjon av informasjon Formidle Arbeidet med statistikk kan vi dele inn i to hovedområder: Samle inn og ordne opplysninger
DetaljerEt lite notat om og rundt normalfordelingen. Anta at vi har kontinuerlige data. Hva er likt og ulikt for histogrammer og fordelingskurver?
Et lite notat om og rundt normalfordelingen. Anta at vi har kontinuerlige data. Hva er likt og ulikt for histogrammer og fordelingskurver? Boka (Ch 1.4) motiverer dette ved å gå fra histogrammer til tetthetskurver.
DetaljerLOKAL LÆREPLAN Matte Trinn 5
LOKAL LÆREPLAN Matte Trinn 5 Gol kommune side 1 Kjennetegn på måloppnåelse Læringsmål Mestringsnivå 1 Mestringsnivå 2 Mestringsnivå 3 Eleven skal kunne: Eleven skal kunne: Eleven skal kunne: Eleven skal
DetaljerÅRSPLAN I MATEMATIKK 17/18
Tall KOMPETANSEMÅL PERIODE ARBEIDSMETODE DIGITALT VERKTØY Forstå plassverdisystemet for hele tall og, alt fra tusendeler til millioner og så med brøker og prosent. De skal også forstå utvidelsen til negative
DetaljerTMA4240 Statistikk H2010 (20)
TMA4240 Statistikk H2010 (20) 10.5: Ett normalfordelt utvalg, kjent varians (repetisjon) 10.4: P-verdi 10.6: Konfidensintervall vs. hypotesetest 10.7: Ett normalfordelt utvalg, ukjent varians Mette Langaas
DetaljerStatistikk for språk- og musikkvitere 1
Statistikk for språk- og musikkvitere 1 Mitt navn: Åsne Haaland, Vitenskapelig databehandling USIT Ikke nøl, avbryt med spørsmål! Hva oppnår en med statistikk? Få oversikt over data: typisk verdi, spredning,
DetaljerMatematikk 5., 6. og 7. klasse.
Matematikk 5., 6. og 7. klasse. Kompetansemål 5. 6. 7. Tall og algebra (regnemåter) Beskrive og bruke plassverdisystemet for, regne med positive og negative hele tall,, brøker og prosent, og plassere de
DetaljerÅrsplan i matematikk 2017/ Trinn
Årsplan i matematikk 2017/2018 5. Trinn Antall timer pr. uke: 4 Lærer: Juni Hausken Læreverk:, Multi 5b,, Smart øving Nettsted: http://podium.gyldendal.no/multi?page=elev Period e Kompetansemål fra Kunnskapsløftet
DetaljerÅrsplan i matematikk 2016/2017
Årsplan i matematikk 2016/2017 Antall timer pr. uke: 4 Lærer: Irene Fodnestøl Læreverk:, Multi 5b,, Smart Nettsted: http://podium.gyldendal.no/multi?page=elev Periode Kompetansemål fra Kunnskapsløftet
DetaljerKapittel 3: Studieopplegg
Oversikt over pensum Kapittel 1: Empirisk fordeling for en variabel o Begrepet fordeling o Mål for senter (gj.snitt, median) + persentiler/kvartiler o Mål for spredning (Standardavvik s, IQR) o Outliere
DetaljerDataanalyse. Hva er en dataanalyse og hvordan gå frem for å gjennomføre en dataanalyse av det innsamlede datagrunnlaget fra en feltundersøkelse?
Hva er en dataanalyse og hvordan gå frem for å gjennomføre en dataanalyse av det innsamlede datagrunnlaget fra en feltundersøkelse? Skrevet av: Kjetil Sander Utgitt av: estudie.no Revisjon: 1.0 (Sept.
DetaljerOppgaven består av 10 delspørsmål som anbefales å veie like mye. Kommentarer og tallsvar er skrevet inn mellom <<. >>. Oppgave 1
ECON 0 EKSAMEN 004 VÅR SENSORVEILEDNING Oppgaven består av 0 delspørsmål som anbefales å veie like mye. Kommentarer og tallsvar er skrevet inn mellom
DetaljerPeriode Tema Kompetansemål Læringsaktiviteter Vurdering Uke 34-38
ÅRSPLAN MATEMATIKK FOR 7. TRINN 2018-2019 Periode Tema Kompetansemål Læringsaktiviteter Vurdering 34-38 Hele tall Titallsystemet Addisjon og subtraksjon Multiplikasjon og divisjon Regning med parenteser
DetaljerSannsynlighetsregning og Statistikk.
Sannsynlighetsregning og Statistikk. Leksjon Velkommen til dette kurset i sannsynlighetsregning og statistikk! Vi vil som lærebok benytte Gunnar G. Løvås:Statistikk for universiteter og høyskoler. I den
DetaljerForberedelseskurs i matematikk
Forberedelseskurs i matematikk Formålet med kurset er å friske opp matematikkunnskapene før et år med realfag. Temaene for kurset er grunnleggende algebra med regneregler, regnerekkefølgen, brøk, ligninger
DetaljerForelesning 5: Kontinuerlige fordelinger, normalfordelingen. Jo Thori Lind
Forelesning 5: Kontinuerlige fordelinger, normalfordelingen Jo Thori Lind j.t.lind@econ.uio.no Oversikt 1. Kontinuerlige fordelinger 2. Uniform fordeling 3. Normal-fordelingen 1. Kontinuerlige fordelinger
DetaljerUNIVERSITETET I OSLO
UNIVERSITETET I OSLO Det matematisk-naturvitenskapelige fakultet Eksamen i STK1000 Innføring i anvendt statistikk Eksamensdag: Torsdag 2. desember 2010. Tid for eksamen: 09.00 13.00. Oppgavesettet er på
DetaljerTMA4240 Statistikk Høst 2018
TMA4240 Statistikk Høst 2018 Norges teknisk-naturvitenskapelige universitet Institutt for matematiske fag Innlevering 5 Dette er andre av tre innleveringer i blokk 2. Denne øvingen skal oppsummere pensum
DetaljerReelle tall på datamaskin
Reelle tall på datamaskin Knut Mørken 5. september 2007 1 Innledning Tirsdag 4/9 var tema for forelesningen hvordan reelle tall representeres på datamaskin og noen konsekvenser av dette, særlig med tanke
DetaljerOppgaver til Studentveiledning 4 MET 3431 Statistikk
Oppgaver til Studentveiledning 4 MET 3431 Statistikk 8. mai 2012 kl 17.15-20.15 i B2 Handelshøyskolen BI 2 Oppgaver 1. Eksamensoppgaver: Eksamen 22/11/2011: Oppgave 1-7. Eksamensoppgaven fra 11/2011 er
DetaljerHALVÅRSPLAN I MATEMATIKK. VÅREN 2019 TRINN: 5
UKE TEMA KUNNSKAPSLØFTET LÆRINGSMÅL METODER VURDERING 3 Geometri Todimensjonale figurer Egenskaper ved trekanter 4 Egenskaper ved firkanter Sammensatte figurer 5 Måle og tegne vinkler 6 Regne ut størrelse
DetaljerForkurs i kvantitative metoder ILP 2019
Forkurs i kvantitative metoder ILP 2019 Dag 2. Forkurs som arbeidskrav for kvantitativ deler av PED-3055 Gregor Maxwell og Bent-Cato Hustad Førsteamanuensis i spesialpedagogikk Hva lærte vi i går? Hva
DetaljerHARALDSVANG SKOLE Årsplan 8.trinn FAG: Matematikk
HARALDSVANG SKOLE Årsplan 8.trinn 2017-18 FAG: Matematikk Uke Kompetansemål Emne Arbeidsmåte Læremidler Annet Uke 34 40 Tal og algebra samanlikne og rekne om heile tal, desimaltal, brøkar, prosent og tal
DetaljerMålenheter for vekt: tonn, kg, hg, g. Måling med omgjøring i km, m, dm, cm, mm. Måling med volum.
Årsplan i matematikk 6.trinn 2015-16 Læreverk: MULTI Uk Kompetansemål i Tema Delmål Arbeidsmåte Vurdering e kunnskapsløftet. 34-37 Repetisjon Målenheter for vekt: tonn, kg, hg, g - De fire regneartene.
DetaljerPage 1 EN DAG PÅ HELSESTASJONEN. Lises klassevenninnner. Formelen: Du har en hypotese om vanlig høyde
1 E DAG PÅ HELSESTASJOE Lises klassevenninnner Lise er veldig liten Hva gjør at du sier at hun er liten? Du har en hypotese om vanlig høyde Du har en hypotese om vanlig høyde Du sammenligner Lises høyde
DetaljerSupplement til power-point presentasjonen i medisinsk statistikk, forelesning 7 januar 2013. Skrevet av Stian Lydersen 16 januar 2013
1 Supplement til power-point presentasjonen i medisinsk statistikk, forelesning 7 januar 013. Skrevet av Stian Lydersen 16 januar 013 Vi antar at vårt utvalg er et tilfeldig og representativt utvalg for
DetaljerÅrsplan i matematikk 6.trinn Læreverk: MULTI Uke Kompetansemål i Tema Delmål Arbeidsmåte Vurdering
Årsplan i matematikk 6.trinn 2016-17 Læreverk: MULTI Uke Kompetansemål i Tema Delmål Arbeidsmåte Vurdering kunnskapsløftet. 33-38 beskrive og Tall og regning Jeg kan plassere tallene på Innføring bruke
DetaljerSe hvordan Hovseter ungdomsskole arbeidet før, under og etter gjennomføring av prøven.
Hva måler nasjonal prøve i regning? Prøven skal måle i hvilken grad elevenes regneferdigheter er i samsvar med beskrivelsene av regning som grunnleggende ferdighet i læreplanen til hvert fag. Prøven er
DetaljerKJ2050 Analytisk kjemi, GK
KJ2050 Analytisk kjemi, GK Kromatografi (Analytiske separasjoner og kromatografi) 1. Innledning (og noe terminologi) 2. Noe generell teori A. Retensjonsparametre B. Sonespredning C. Sonespredningsmekanismer
DetaljerMålenheter for vekt: tonn, kg, hg, g. Måling med omgjøring i km, m, dm, cm, mm. Måling med volum.
Årsplan i matematikk 6.trinn 2015-16 Læreverk: MULTI Uk Kompetansemål i Tema Delmål Arbeidsmåte Vurdering e kunnskapsløftet. 34-37 Repetisjon Målenheter for vekt: tonn, kg, hg, g - De fire regneartene.
DetaljerKapittel 1 Koordinatsystemet. godt Kommentarer. Kan. ganske godt. Kan. Kan litt. Kompetanseoversikt i matematikk, 4. trinn for: Klasse/gruppe:
Kapittel 1 Koordinatsystemet Kommentarer finne rutehenvisningen til en rute i et rutenett, og finne ruta til en oppgitt rutehenvisning finne koordinatene til et punkt i et koordinatsystem i første kvadrant,
DetaljerDenne uken: kap : Introduksjon til statistisk inferens. - Konfidensintervall - Hypotesetesting - P-verdier - Statistisk signifikans
Denne uken: kap. 6.1-6.2-6.3: Introduksjon til statistisk inferens - Konfidensintervall - Hypotesetesting - P-verdier - Statistisk signifikans VG 25/9 2011 Statistisk inferens Mål: Trekke konklusjoner
DetaljerÅrsplan i matematikk 6.trinn Læreverk: MULTI Uke Kompetansemål Tema Delmål Arbeidsmåte Vurdering
Årsplan i matematikk 6.trinn 2016-17 Læreverk: MULTI Uke Kompetansemål Tema Delmål Arbeidsmåte Vurdering i kunnskapsløftet. 33-38 beskrive og plassverdisystem et for regne med positive og brøker og prosent,
DetaljerÅrsplan i matematikk 6.trinn Læreverk: MULTI Uke Kompetansemål i Tema Delmål Arbeidsmåte Vurdering
Årsplan i matematikk 6.trinn 2016-17 Læreverk: MULTI Uke Kompetansemål i Tema Delmål Arbeidsmåte Vurdering kunnskapsløftet. 33-38 beskrive og bruke plassverdisystem et for desimaltall, regne med positive
DetaljerSentralmål og spredningsmål
Sentralmål og spredningsmål av Peer Andersen Peer Andersen 2014 Sentralmål og spredningsmål i statistikk I dette notatet skal vi se på de viktigste momentene om sentralmål og spredningsmål slik de blir
DetaljerStatistikk 1. Nico Keilman. ECON 2130 Vår 2014
Statistikk 1 Nico Keilman ECON 2130 Vår 2014 Pensum Kap 1-7.3.6 fra Løvås «Statistikk for universiteter og høgskoler» 3. utgave 2013 (eventuelt 2. utgave) Se overspringelsesliste på emnesiden Supplerende
DetaljerForelesning 7 Statistiske beskrivelser av enkeltvariabler. Mål for sentraltendens
Forelesning 7 Statistiske beskrivelser av enkeltvariabler Statistiske mål for univariate fordelinger: Sentraltendens Verdien for fordelingens tyngdepunkt Spredning Hvor nært opp til tyngdepunktet ligger
DetaljerKJ1042 Termodynamikk laboratoriekurs Oppgave 1. Partielle molare volum
KJ1042 Termodynamikk laboratoriekurs Oppgave 1. Partielle molare volum Kjetil F. Veium kjetilve@stud.ntnu.no Audun F. Buene audunfor@stud.ntnu.no Gruppe 21 Utført 14. februar 2012 Innhold 1 Innledning
DetaljerMåleusikkerhet, bruk av kontrollkort og deltakelse i sammenliknende laboratorieprøvinger innen kjemisk prøving
Måleusikkerhet, bruk av kontrollkort og deltakelse i sammenliknende laboratorieprøvinger innen kjemisk prøving Håvard Hovind MÅLEUSIKKERHET, NS-EN ISO 17025 Punkt 5.4.6.2: Prøvningslaboratorier skal ha
Detaljer2.3 Delelighetsregler
2.3 Delelighetsregler Begrepene multiplikasjon og divisjon og regneferdigheter med disse operasjonene utgjør sentralt lærestoff på barnetrinnet. Det er mange tabellfakta å huske og operasjonene skal kunne
DetaljerSide 1 Versjon
Side 1 BEHANDLING AV AVVIKENDE EKV-RESULTAT Ekstern kvalitetsvurdering (EKV) er en viktig del av kvalitetssikringen ved medisinske laboratorier fordi resultatene herfra kontinuerlig forteller noe om kvaliteten
DetaljerLæreplan i matematikk for samfunnsfag - programfag i studiespesialiserende program
Læreplan i matematikk for samfunnsfag - programfag i studiespesialiserende program Fastsatt som forskrift av Utdanningsdirektoratet 27. mars 2006 etter delegasjon i brev 26. september 2005 fra Utdannings-
Detaljerplassere negative hele tall på tallinje
Kompetansemål etter 7. trinn Tall og algebra: 1. beskrive plassverdisystemet for desimaltall, regne med positive og negative hele tall, desimaltall, brøker og prosent, og plassere dem på tallinje 2. finne
DetaljerLokal læreplan Sokndal skole. Fag: Matematikk Trinn: 5.trinn Lærebok: Grunntall 5A og 5B
Lokal læreplan Sokndal skole Fag: Matematikk Trinn: 5.trinn Lærebok: Grunntall 5A og 5B Uke Tema Komp.mål (direkte fra læreplanen) Læringsmål Uke 34 42? Uke 42-46 Repetisj on tidligere tema. Forbere dende
DetaljerÅrsplan i matematikk, 5. klasse : Elevene bør øve/pugge lille og store addisjonsstabellen og multiplikasjonstabellen hver uke.
Årsplan i matematikk, 5. klasse 2018-19: Elevene bør øve/pugge lille og store addisjonsstabellen og multiplikasjonstabellen hver uke. Uke Tema/fagemne Kompetansemål (eleven skal kunne) 33 Repetisjon/ tallsystem
DetaljerÅrsplan i matematikk Trinn 9 Skoleåret Haumyrheia skole
Årsplan i matematikk Trinn 9 Skoleåret 2016-2017 Tids rom 3 Kompetansemål Hva skal vi lære? (Læringsmål) Hvordan jobber vi? (Metoder) sammenligne og regne tall på standardform og uttrykke slike tall på
DetaljerOppgavesett med fasit
TIL ENT3R ELEVENE Oppgavesett med fasit Tommy Odland Sist oppdatert: 1. november 2013 http://is.gd/ent3rknarvik http://tommyodland.com/ent3r 1 INNHOLD 1 Om dette dokumentet 3 1.1 Formål og oppbygging..................................
DetaljerRegning med tall og bokstaver
Regning med tall og bokstaver M L N r du har lest dette kapitlet, skal du kunne ^ bruke reglene for br kregning ^ trekke sammen, faktorisere og forenkle bokstavuttrykk ^ regne med potenser ^ l se likninger
DetaljerTall. Posisjons-tallsystemer. Representasjon av heltall. Tall positive, negative heltall, flytende tall. Tekst ASCII, UNICODE XML, CSS
Tall jfr. Cyganski & Orr 3..3, 3..5 se også http://courses.cs.vt.edu/~csonline/numbersystems/lessons/index.html Tekst ASCII, UNICODE XML, CSS Konverteringsrutiner Tall positive, negative heltall, flytende
DetaljerRENDALEN KOMMUNE Fagertun skole. Årsplan i matematikk for 5., 6. og 7. trinn 2018/19
RENDALEN KOMMUNE Fagertun skole Årsplan i matematikk for 5., 6. og 7. trinn 2018/19 Lekser: Elevene får hver uke et lekseark som skal gjøres i lekseboka. Dette leksearket er trening på de fire regneartene,
DetaljerEksempel på data: Karakterer i «Stat class» Introduksjon
Eksempel på data: Karakterer i «Stat class» Introduksjon Viktige begreper for å beskrive data: Enheter som er objektene i datasettet «label» som av og til brukes for å skille enhetene En variabel er en
DetaljerMal for rapportskriving i FYS2150
Mal for rapportskriving i FYS2150 Ditt navn January 21, 2011 Abstract Dette dokumentet viser hovedtrekkene i hvordan vi ønsker at en rapport skal se ut. De aller viktigste punktene kommer i en sjekkliste
DetaljerST0202 Statistikk for samfunnsvitere
ST0202 Statistikk for samfunnsvitere Bo Lindqvist Institutt for matematiske fag 2 Statistisk inferens (kap. 8) Statistisk inferens er å tolke/analysere resultater fra utvalget for å finne ut mest mulig
DetaljerBeskrivende statistikk.
Obligatorisk oppgave i Statistikk, uke : Beskrivende statistikk. 1 Høgskolen i Gjøvik Avdeling for teknologi, økonomi og ledelse. Statistikk Ukeoppgaver uke I løpet av uken blir løsningsforslag lagt ut
DetaljerKJ2050 Analytisk kjemi, GK
KJ2050 Analytisk kjemi, GK Kromatografi (Analytiske separasjoner og kromatografi) 1. Innledning (og noe terminologi) 2. Noe generell teori A. Retensjonsparametre B. Sonespredning C. Sonespredningsmekanismer
DetaljerHARALDSVANG SKOLE Årsplan 8.trinn FAG: Matematikk
HARALDSVANG SKOLE Årsplan 8.trinn 2018-19 FAG: Matematikk Uke Kompetansemål Emne Arbeidsmåte Læremidler Annet 33-41 Tal og talforståelse: Mål for opplæringa er at eleven skal kunne: Tall og tallforståelse:
DetaljerIntroduksjon til statistikk og dataanalyse
Introduksjon til statistikk og dataanalyse Hollywood-filmer fra 2011 135 filmer Samla budsjett: $ 7 166 500 000 Samla billettsalg: $ 20 199 000 000 2 Datasettet vårt Filmene er delt i 8 sjangere: Action
DetaljerHva måler nasjonal prøve i regning?
Hva måler nasjonal prøve i regning? Prøven skal måle i hvilken grad elevenes regneferdigheter er i samsvar med beskrivelsene av regning som grunnleggende ferdighet i læreplanen til hvert fag. Prøven er
DetaljerMatriser. Kapittel 4. Definisjoner og notasjon
Kapittel Matriser Vi har lært å løse et lineært ligningssystem ved å sette opp totalmatrisen til systemet gausseliminere den ved hjelp av radoperasjoner på matrisen Vi skal nå se nærmere på egenskaper
DetaljerUNIVERSITETET I OSLO
UNIVERSITETET I OSLO Det matematisk-naturvitenskapelige fakultet Eksamen i STK1000 Innføring i anvendt statistikk. Eksamensdag: Torsdag 9. oktober 2008. Tid for eksamen: 15:00 17:00. Oppgavesettet er på
DetaljerMATEMATIKK. September
MATEMATIKK Periode Hovedområde Kompetansemål Innhold / metode August Tall og algebra Sette sammen og dele opp tiergrupper Gjenkjenne, samtale om og videreføre September strukturer i enkle tallmønstre Bruke
DetaljerStatistisk inferens (kap. 8) Hovedtyper av statistisk inferens. ST0202 Statistikk for samfunnsvitere
2 Statistisk inferens (kap. 8) Statistisk inferens er å tolke/analysere resultater fra utvalget for å finne ut mest mulig om populasjonen. Konkret: Analysere en observator for å finne ut noe om korresponderende
DetaljerLøsningsforslag ECON 2130 Obligatorisk semesteroppgave 2017 vår
Løsningsforslag ECON 130 Obligatorisk semesteroppgave 017 vår Andreas Myhre Oppgave 1 1. (i) Siden X og Z er uavhengige, vil den simultane fordelingen mellom X og Z kunne skrives som: f(x, z) = P(X = x
DetaljerKapittel 1. Tallregning
Kapittel 1. Tallregning Regning med tall er grunnlaget for mer avansert matematikk. I dette kapitlet repeteres følgende fra grunnskolen: Brøkregning Desimaltall Regning med positive og negative tall Potenser
DetaljerTRINN 1A: Tallene 0-10
TRINN 1A: Tallene 0-10 1 Bli kjent med tallene Utforske tallene 0,1,2,3,4,5 i praktiske situasjoner. Telle til 5 forover og bakover. Utforske tallene 6, 7, 8, 9 og 10 i praktiske situasjoner. Telle til
DetaljerOppgave 2. Bestemmelse av partielle molare entalpier
Oppgave 2 Rom C2-107 Gruppe 45 Kasper Linnestad & Anders Leirpoll kasper1301@gmail.com anders.leirpoll@gmail.com 15.02.2012 1 Sammendrag Hensikten med dette forsøket var å bestemme den molare blandingsentalpien
Detaljer