Oppgave 13.1 (13.4:1)
|
|
- Roy Danielsen
- 8 år siden
- Visninger:
Transkript
1 MOT310 Statistiske metoder 1, høsten 2006 Løsninger til regneøving nr. 11 (s. 1) Modell: Oppgave 13.1 (13.4:1) Y ij = µ i + ε ij, der ε ij uavh. N(0, σ 2 ) Boka opererer her med spesialtilfellet der man har like mange observasjoner i hver gruppe (dvs totalt antall observasjoner er N = nk), men dette resultatet er like lett å vise i det generelle tilfellet hvor man kan ha ulikt antall observasjoner i hver gruppe (N = k n i ): der S 2 = SSE = 1 k n i (Y ij Ȳi ) 2 = σ2 k j=1 n i 1 σ 2 V i = 1 (Y σ 2 ij Ȳi ) 2 j=1 n i (Y ij Ȳi ) 2 = σ2 k V i, j=1 Vi har fra teorem 8.4/tabell side 27 at V i χ 2 n i 1, dvs E(V i ) = n i 1 og vi får: E(S 2 ) = σ2 k E(V i ) = σ2 k (n i 1) = σ2 k ( n i k) = σ 2 Oppgave 14.8 (14.4:8) Målingene: y ijk = måling nr k for nikkelmengde i og ph j; i = 1, 2, j = 1, 2, 3 og k = 1, 2, 3. Målingene betraktes som utfall av tilfeldige variable Y ijk, der Modell: Y ijk = µ + α i + β j + (αβ) ij + ε ijk, der ε ijk uavh. N(0, σ 2 ). Her er µ er gjennomsnittseffekten, α i er effekt av nikkelmengde, β j er effekt av ph, (αβ) ij er samspillseffekten og ε ijk er feilleddet (tilfeldig variasjon). 2 α i = 0, 3 j=1 β j = 0, 2 (αβ) ij = 0, 3 j=1 (αβ) ij = 0. ANOVA-tabellen gitt i oppgaven viser resultater av: Kilde SS df M S F p verdi kritisk verdi Nikkel SSA a 1 SSA/(a 1) MSA/MSE P (F f obs ) f α,a 1,ab(n 1) ph SSB b 1 SSB/(b 1) MSB/MSE P (F f obs ) f α,b 1,ab(n 1) Samspill SS(AB) (a 1)(b 1) SS(AB)/(a 1)(b 1) MS(AB)/MSE P (F f obs ) f α,(a 1)(b 1),ab(n 1) Feil SSE ab(n 1) SSE/ab(n 1) = S 2 Total SST abn 1 Her er (a = 2, b = 3): SST = a b j=1 n k=1 (Y ijk Ȳ ) 2, SSA = bn a (Ȳi Ȳ ) 2, SSB = an b j=1 (Ȳ j Ȳ ) 2, SS(AB) = n a b j=1 (Ȳij Ȳi Ȳ j + Ȳ ) 2, og SSE = a b j=1 n k=1 (Y ijk Ȳij ) 2, og SST = SSA + SSB + SS(AB) + SSE.
2 MOT310 Statistiske metoder 1, høsten 2006 Løsninger til regneøving nr. 11 (s. 2) Test for ev. samspill: H 0 : (αβ) 11 = = (αβ) 23 = 0 mot H 1 : minst en 0 Vi forkaster H 0 dersom kvadratsummen for samspill er stor i forhold til den tilfeldige feilen, mer presist dersom: SS(AB)/(a 1)(b 1) SSE/ab(n 1) = MS(AB) MSE f α,(a 1)(b 1),ab(n 1) = f 0.05,2,12 = 3.89 Fra datautskriften ser vi at f obs = 0.48, dvs vi forkaster ikke H 0 på 5% nivå. (Dette ser vi også fra at p-verdien = 0.63>0.05.) Det er ingen samspillseffekt. Test for ev. hovedeffekt av nikkelmengde (A): H 0 : α 1 = α 2 = 0 mot H 1 : minst en α i 0 Vi forkaster H 0 dersom forskjellene i gjennomsnittsverdi for hvert nivå av nikkelmengde er store i forhold til den tilfeldige feilen, mer presist dersom: SSA/(a 1) SSE/ab(n 1) = MSA MSE f α,a 1,ab(n 1) = f 0.05,1,12 = 4.75 Fra datautskriften ser vi at f obs = 44.52, dvs vi forkaster H 0 på 5% nivå. (Dette ser vi også fra at p-verdien= <0.05.) Nikkelmengde har betydning for tjukkelsen. Test for ev. hovedeffekt av ph (B): H 0 : β 1 = β 2 = β 3 = 0 mot H 1 : minst en β i 0 Vi forkaster H 0 dersom forskjellene i gjennomsnittsverdi for hvert ph-nivå er store i forhold til den tilfeldige feilen, mer presist dersom: SSB/(b 1) SSE/ab(n 1) = MSB MSE f α,b 1,ab(n 1) = f 0.05,2,12 = 3.89 Fra datautskriften ser vi at f obs = 4.71, dvs vi forkaster H 0 på 5% nivå. (Dette ser vi også fra at p-verdien=0.03<0.05.) Surhetsgrad, ph, har betydning for tjukkelsen.
3 MOT310 Statistiske metoder 1, høsten 2006 Løsninger til regneøving nr. 11 (s. 3) 250,0 200,0 150,0 18 g nikkel 10 g nikkel 100,0 50,0 ph=5,0 ph=5,5 ph=6,0 Gjennomsnittstjukkelse for alle tre målinger ph=5,0 ph=5,5 ph=6,0 18 g 211,0 182,7 180,3 10 g 140,7 102,7 80,7 Plott av gjennomsnittene y ij : Blå linje viser y 1j for j = 1, 2, 3: resultat med 18g nikkel når ph endres fra 5 til 5.5 til 6. Rød linje er tilsvarende for 10g nikkel, y 2j for j = 1, 2, 3. Vi ser at når ph øker, blir tjukkelsen mindre, og vi ser at stor nikkelmengde gjør at tjukkelsen øker. Endringen som nikkelmengde forårsaker er omtrent den samme enten ph er 5, 5.5 eller 6. Endringen økende ph forårsaker er omtrent den samme enten det er 10 eller 18 g nikkel. Dette betyr at ph og nikkel ikke samspiller. Det viser seg i figuren ved omtrent parallelle linjer.
4 MOT310 Statistiske metoder 1, høsten 2006 Løsninger til regneøving nr. 11 (s. 4) Oppgave 14.9 (14.4:9) Målingene: y ijk = måling nr k for verktøygeometri i og kuttehastighet j; i = 1, 2, j = 1, 2 og k = 1, 2, 3. Målingene betraktes som utfall av tilfeldige variable Y ijk, der Modell: Y ijk = µ + α i + β j + (αβ) ij + ε ijk, der ε ijk uavh. N(0, σ 2 ). Her er µ er gjennomsnittseffekten, α i er effekt av verktøygeometri, β j er effekt av kuttehastighet, (αβ) ij er samspillseffekten og ε ijk er feilleddet (tilfeldig variasjon). 2 α i = 0, 2 j=1 β j = 0, 2 (αβ) ij = 0, 2 j=1 (αβ) ij = 0. ANOVA-tabellen gitt i oppgaven viser resultater av: Kilde SS df M S F p verdi kritisk verdi Geometr. SSA a 1 SSA/(a 1) MSA/MSE P (F f obs ) f α,a 1,ab(n 1) Hastighet SSB b 1 SSB/(b 1) MSB/MSE P (F f obs ) f α,b 1,ab(n 1) Samspill SS(AB) (a 1)(b 1) SS(AB)/(a 1)(b 1) MS(AB)/MSE P (F f obs ) f α,(a 1)(b 1),ab(n 1) Feil SSE ab(n 1) SSE/ab(n 1) = S 2 Total SST abn 1 Her er (a = 2, b = 2): SST = a b j=1 n k=1 (Y ijk Ȳ ) 2, SSA = bn a (Ȳi Ȳ ) 2, SSB = an b j=1 (Ȳ j Ȳ ) 2, SS(AB) = n a b j=1 (Ȳij Ȳi Ȳ j + Ȳ ) 2, og SSE = a b j=1 n k=1 (Y ijk Ȳij ) 2, og SST = SSA + SSB + SS(AB) + SSE. Test for ev. samspill: H 0 : (αβ) 11 = = (αβ) 22 = 0 mot H 1 : minst en 0 Vi forkaster H 0 dersom kvadratsummen for samspill er stor i forhold til den tilfeldige feilen, mer presist dersom: SS(AB)/(a 1)(b 1) SSE/ab(n 1) = MS(AB) MSE f α,(a 1)(b 1),ab(n 1) = f 0.05,1,8 = 5.32 Fra datautskriften ser vi at f obs = 21.14, dvs vi forkaster H 0 på 5% nivå. (Dette ser vi også fra at p-verdien = <0.05.) Det er sammspillseffekt mellom faktorene verktøygeometri og kuttehastighet som i virkeligheten påvirker levetiden til verktøyet.
5 MOT310 Statistiske metoder 1, høsten 2006 Løsninger til regneøving nr. 11 (s. 5) Test for ev. hovedeffekt av verktøygeometri (A): H 0 : α 1 = α 2 = 0 mot H 1 : minst en α i 0 Vi forkaster H 0 dersom forskjellene i gjennomsnittsverdi for hver verktøygeometri er store i forhold til den tilfeldige feilen, mer presist dersom: SSA/(a 1) SSE/ab(n 1) = MSA MSE f α,a 1,ab(n 1) = f 0.05,1,8 = 5.32 Fra datautskriften ser vi at f obs = 74.31, dvs vi forkaster H 0 på 5% nivå. (Dette ser vi også fra at p-verdien= <0.05.) verktøygeometri har betydning for levetiden til verktøyet. Test for ev. hovedeffekt av kuttehastighet (B): H 0 : β 1 = β 2 = β 3 = 0 mot H 1 : minst en β i 0 Vi forkaster H 0 dersom forskjellene i gjennomsnittsverdi for hver kuttehastighet er store i forhold til den tilfeldige feilen, mer presist dersom: SSB/(b 1) SSE/ab(n 1) = MSB MSE f α,b 1,ab(n 1) = f 0.05,1,8 = 5.32 Fra datautskriften ser vi at f obs = 1.32, dvs vi forkaster ikke H 0 på 5% nivå. (Dette ser vi også fra at p-verdien=0.28>0.05.). Men faktor B, kuttehastigeht, har likevel betydning for levetiden fordi den påvirker gjennom samspillet. Figuren under illustrerer. 35,0 30,0 25,0 20,0 15,0 geom. 1 geom. 2 10,0 5,0 0,0 lav høy Gjennomsnitts levetid for alle tre målinger lav høy geom. 1 23,3 33,3 geom. 2 16,3 10,3 Plott av gjennomsnittene y ij : Blå linje viser y 1j for j = 1, 2: resultat med verktøygeometri 1 når kuttehastighet endres fra lav til høy. Rød linje er tilsvarende for verktøygeometri 2, y 2j for j = 1, 2.
6 MOT310 Statistiske metoder 1, høsten 2006 Løsninger til regneøving nr. 11 (s. 6) Vi ser at geometri 1 alltid har gjennomsnittlig lengre levetid. Men effekten av å endre kuttehastigheten er veldig ulik avhengig av om det er geometri 1 eller 2. Levetiden blir kortere når hastigheten økes med geometri 2 (rød linje synker), mens levetiden blir lengre når hastigheten økes med geometri 1 (blå linje stiger). Effekten kuttehastighet har, avhenger av hvilken verktøygeometri som brukes. (Eller: Effekten verktøygeometri har, avhenger av hvilken kuttehastighet som brukes.) Dette betyr at verktøygeometri og kuttehastighet samspiller. Det viser seg i figuren ved klart ikke-parallelle linjer. Oppgave 14.2 (14.4:2) Samme type modell og oppsett som i forrige oppgave. Responsen er nå vitamin C innhold og faktorene er merke og lagringstid. Vi har a = b = 3 og n = 4. a) H 0 : α 1 = α 2 = α 3 = 0 mot H 1 : minst en α i 0 Vi forkaster H 0 dersom forskjellene i gjennomsnittsverdi for hvert merke er store i forhold til den tilfeldige feilen, mer presist dersom: SSA/(a 1) SSE/ab(n 1) = MSA MSE f α,a 1,ab(n 1) = f 0.05,2,27 = 3.35 Fra datautskriften ser vi at f obs = 1.736, dvs vi forkaster ikke H 0 på 5% nivå. Dette ser vi også fra at p-verdien=0.195>0.05. Merke har ikke betydning for vitamin C innholdet. b) H 0 : β 1 = β 2 = β 3 = 0 mot H 1 : minst en β i 0 Vi forkaster H 0 dersom forskjellene i gjennomsnittsverdi for hver lagringstid er store i forhold til den tilfeldige feilen, mer presist dersom: SSB/(b 1) SSE/ab(n 1) = MSB MSE f α,b 1,ab(n 1) = f 0.05,2,27 = 3.35 Fra datautskriften ser vi at f obs = , dvs vi forkaster H 0 på 5% nivå. Dette ser vi også fra at p-verdien= <0.05. Lagringstid har betydning for vitamin C innholdet. c) H 0 : (αβ) 11 = = (αβ) 33 = 0 mot H 1 : minst en 0 Vi forkaster H 0 dersom kvadratsummen for samspill er stor i forhold til den tilfeldige feilen, mer presist dersom: SS(AB)/(a 1)(b 1) SSE/ab(n 1) = MS(AB) MSE f α,(a 1)(b 1),ab(n 1) = f 0.05,4,27 = 2.73 Fra datautskriften ser vi at f obs = 0.459, dvs vi forkaster ikke H 0 på 5% nivå. Dette ser vi også fra at p-verdien=0.765>0.05. Det er ingen samspillseffekt. Kommentar: Vi burde strengt tatt sjekket ev. samspill før vi gjorde testet for hovedeffektene!
7 MOT310 Statistiske metoder 1, høsten 2006 Løsninger til regneøving nr. 11 (s. 7) Oppgave 1 a) Populasjonen er alle studenter ved Høgskolen i Stavanger, og utvalget er de (ca 100) studentene hun velger ut i undersøkelsen sin. b) Fordelen med metode 1 er at den er lett og rask å utføre, ulempen er at den gir et svært lite representativt utvalg - kun studenter som har møtt på en bestemt forelesing i ett bestemt kurs blir spurte, disse trenger slett ikke være representative for hva studentene generelt på Høgskolen mener om de aktuelle spørsmålene. Metode 2 er ikke så raskt utført som metode 1, men er klart raskere og lettere å utføre enn metode 3. Metode 2 vil gi et mer korrekt resultat enn metode 1 da et bredere spekter av studenter vil bli spurt, dvs utvalget blir mer representativ. Utvalget vil imidlertid fremdeles ikke være helt representativt da studenter som sjelden eller aldri er på Høgskoleområdet har liten sannsynlighet for å bli spurt (og det godt kan tenkes at disse har en annen mening om de aktuelle spørsmålene enn de som ofte er på Høgskolen). Metode 3 er den klart mest tidkrevenede å utføre, men fordelen er at man her velger ut studentene som blir spurt helt tilfeldig blant alle studenter ved Høgskolen (tilfeldig utvalg) og vi vil dermed få en undersøkelse basert på et representativt utvalg av studentene. Metode 3 er derfor den beste. (Grunnen til at metode 3 er den beste er at man her ønsker å finne ut noe om hva alle studentene ved HiS mener, da må man utføre undersøkelsen slik at alle studenter har like stor sannsynlighet for å bli spurte. Dersom man f.eks. kun er interesserte i hva de studentene som er aktive brukere av Høgskoleområdet mener kan metode 2 være en god fremgangsmåte.) Oppgave 2 a) Når man ser på så mange hypotesetester samtidig som man gjør her må man være oppmerksom på den såkalte fisketur -problematikken. Jo flere tester man utfører jo større er sannsynligheten for å gjøre en type-i feil (feilaktig forkaste nullhypotesen) i minst en av testene. Dersom man utfører en hypotesetest på et standard α = 5% signifikansnivå betyr det at sannsynligheten for å forkaste nullhypotesen når nullhypotesen er korrekt (feilaktig forkastning/type-i feil) er 5%. Dersom man gjør mange tester på 5% nivå vil denne sannsynligheten for feilaktig forkastning i minst en av testene bli mye større enn 5%. Dersom man for eksempel gjør 15 uavhengige tester hvor nullhypotesen er korrekt i alle testene er sannsynligheten for at minst en av testene likevel gir forkastning på 5% nivå lik P (forkaste minst en av 15 uavh. tester alle H 0 holder) = 1 P (forkaste ingen) = = dvs ca 54% sannsynlighet for minst en feilaktig forkastning. En enkel måte å kompansere for dette problemet på er ved å gjøre en såkalt Bonferronikorreksjon. Det man gjør da er rett og slett å redusere nivået α man bruker til α/k der k er antall tester. F.eks. dersom man her med 15 tester har som utgangspunkt et ønsket nivå på α = 0.05 bruker man nivået α = 0.05/15 = for å sikre at den totale sannsynligheten for å gjøre en type-i feil ikke overskrider 0.05.
8 MOT310 Statistiske metoder 1, høsten 2006 Løsninger til regneøving nr. 11 (s. 8) b) Dersom vi tar utgangspunkt i α = ser vi at det kun er for aldersgruppene 5 og 6 år at testen gir en p-verdi på under dvs vi forkaster nullhypotesen og påstår at det er en reell forskjell kun for disse to aldersgruppene. De andre stedene vi har fått en p-verdi på under 0.05 (7, 12 og 17 år) kan vi ikke utelukke at det skyldes tilfeldigheter. For å kunne vurdere resultatene av sammenligningene skikkelig burde man i tillegg ha informasjon om størrelsene på de estimerte forskjellene - for eksempel i form av et konfidensintervaller for forskjellene i forventningsverdi mellom gruppene. En p-verdi alene sier oss her bare om en forskjell er påvisbar eller ikke, men gir oss ikke noen informasjon om størrelsen på en eventuell forskjell. Har man mange målinger eller liten varians kan man påvise forskjeller som er veldig små (kanskje så små at de er uinteressante). Har man få målinger og/eller stor varians men likevel klarer å påvise en forskjell betyr det at forskjellen er stor.
MOT310 Statistiske metoder 1, høsten 2010 Løsninger til regneøving nr. 11 (s. 1) der
MOT310 Statistiske metoder 1, høsten 2010 Løsninger til regneøving nr. 11 (s. 1) Oppgave 13.1 Modell: Y ij = µ i + ε ij, der ε ij uavh. N(0, σ 2 ) Boka opererer her med spesialtilfellet der man har like
DetaljerOppgave 14.1 (14.4:1)
MOT30 Statistiske metoder, høste006 Løsninger til regneøving nr. 0 (s. ) Modell: Oppgave 4. (4.4:) Y ijk = µ + α i + β j + (αβ) ij + ε ijk, der ε ijk uavh. N(0, σ ) der µ er gjennomsnittseffekten, α i
DetaljerMOT 310 Statistiske metoder 1 Løsningsforslag til eksamen høst 2006, s. 1. Oppgave 1
MOT 310 Statistiske metoder 1 Løsningsforslag til eksamen høst 2006, s. 1 Oppgave 1 a) Normalantakelse: Målingene x 1,..., x 21 og y 1,..., y 8 betraktes som utfall av tilfeldige variable X 1,..., X 21
DetaljerKandidatene 4507, 4542, 4545 og 4569 har meget gode besvarelser supert!
MOT 310 Statistiske metoder 1 Løsningsforslag til eksamen høst 2006, s. 1 Flott! Samlet sett leverer dere gode resultater. Kandidatene 4507, 4542, 4545 og 4569 har meget gode besvarelser supert! Totalt
DetaljerKp. 14 Flerfaktoreksperiment. Kp. 14: Flerfaktor-eksperiment; oversikt
uten med Kp 14 Flerfaktor-eksperiment Bjørn H Auestad Kp 14: To-faktor eksperiment 1 / 20 Kp 14: Flerfaktor-eksperiment; oversikt uten med 141 Introduction 142 Interaction in the Two-Factor Experiment
DetaljerOppgave 1. T = 9 Hypotesetest for å teste om kolesterolnivået har endret seg etter dietten: T observert = 2.16 0
Løsningsforslag til eksamen i MOT310 STATISTISKE METODER 1 VARIGHET: 4 TIMER DATO: 08. mai 2008 TILLATTE HJELPEMIDLER: Kalkulator: HP30S, Casio FX82 eller TI-30 Tabeller og formler i statistikk (Tapir
DetaljerLøsningsforslag. n X. n X 1 i=1 (X i X) 2 og SY 2 = 1 ny S 2 X + S2 Y
Statistiske metoder 1 høsten 004. Løsningsforslag Oppgave 1: a) Begge normalplottene gir punkter som ligger omtrent på ei rett linje så antagelsen om normalfordeling ser ut til å holde. Konfidensintervall
DetaljerOppgave 1. Kilde SS df M S F Legering Feil Total
MOT30 Statistiske metoder, høste0 Løsninger til regneøving nr. 0 (s. ) Oppgave Y ij = µ i + ε ij, der ε ij uavh. N(0, σ ) der µ i er forventa kopperinnhold for legering i og ε ij er feilleddet (tilfeldig
DetaljerOppgave 1. Vi må forutsette at dataene kommer fra uavhengige og normalfordelte tilfeldige variable,
MOT30 Statistiske metoder Løsningsforslag til eksamen vår 0 s. Oppgave a Vi har x = 6. og x i x = 4.6. Herav s x = n Et 90% kondensintervall er gitt ved x i x = 4.6 = 0.89 6 SX X t 0.056 X + t S X 0.056
DetaljerLøsningsforslag eksamen 25. november 2003
MOT310 Statistiske metoder 1 Løsningsforslag eksamen 25. november 2003 Oppgave 1 a) Vi har µ D = µ X µ Y. Sangere bruker generelt trapesius-muskelen mindre etter biofeedback dersom forventet bruk av trapesius
DetaljerOppgave 1. og t α/2,n 1 = 2.262, så er et 95% konfidensintervall for µ D (se kap 9.9 i læreboka): = ( 0.12, 3.32).
Løsningsforslag til eksamen i MOT310 STATISTISKE METODER 1 VARIGHET: 4 TIMER DATO: 16. november 2009 TILLATTE HJELPEMIDLER: Kalkulator: HP30S, Casio FX82 eller TI-30 Tabeller og formler i statistikk (Tapir
DetaljerLøsningsforslag eksamen 27. februar 2004
MOT30 Statistiske metoder Løsningsforslag eksamen 7 februar 004 Oppgave a) Y ij = µ i + ε ij, der ε ij uavh N(0, σ ) der µ i er forventa kopperinnhold for legering i og ε ij er feilleddet (tilfeldig variasjon)
DetaljerOppgave N(0, 1) under H 0. S t n 3
MOT310 Statistiske metoder 1, høsten 2011 Løsninger til regneøving nr 9 (s 1) Oppgave 1 Modell: Y i β 0 + β 1 x i + β 2 x 2 i + ε i der ε 1,, ε n uif N(0, σ 2 ) e) Y Xβ + ε der Y Y 1 Y n, X 1 x 1 x 2 1
DetaljerMOT310 Statistiske metoder 1, høsten 2011
MOT310 Statistiske metoder 1, høsten 2011 Bjørn H. Auestad Institutt for matematikk og naturvitenskap Universitetet i Stavanger 30. oktober, 2011 Bjørn H. Auestad Kp. 13: Én-faktor eksperiment 1 / 15 -tabell
DetaljerOppgave 1. Det oppgis at dersom y ij er observasjon nummer j fra laboratorium i så er SSA = (y ij ȳ i ) 2 = 3.6080.
EKSAMEN I: MOT310 STATISTISKE METODER 1 VARIGHET: 4 TIMER DATO: 28. FEBRUAR 2005 TILLATTE HJELPEMIDLER: KALKULATOR, TABELLER OG FORMLER I STATISTIKK (TAPIR FORLAG) OPPGAVESETTET BESTÅR AV 4 OPPGAVER PÅ
DetaljerKp. 13. Enveis ANOVA
-tabell Bjørn H. Auestad Kp. 13: Én-faktor eksperiment 1 / 13 Kp. 13: Én-faktor -tabell 13.1 Analysis-of-Variance Technique 13.2 The Strategy of Experimental Design 13.3 One-Way Analysis of Variance: Completely
DetaljerOppgave 1. X 1 B(n 1, p 1 ) X 2. Vi er interessert i forskjellen i andeler p 1 p 2, som vi estimerer med. p 1 p 2 = X 1. n 1 n 2.
Løsningsforslag til eksamen i MOT310 STATISTISKE METODER 1 VARIGHET: 4 TIMER DATO: 17 november 2008 TILLATTE HJELPEMIDLER: Kalkulator: HP30S, Casio FX82 eller TI-30 Tabeller og formler i statistikk Tapir
DetaljerMOT310 Statistiske metoder 1, høsten 2006 Løsninger til regneøving nr. 7 (s. 1) Oppgaver fra boka: n + (x 0 x) 2 σ2
MOT310 Statistiske metoder 1, høsten 2006 Løsninger til regneøving nr. 7 (s. 1) Oppgaver fra boka: Oppgave 11.27 (11.6:13) Modell: Y i = α + βx i + ε i der ε 1,..., ε n u.i.f. N(0, σ 2 ). Skal finne konfidensintervall
DetaljerHypotesetesting. mot. mot. mot. ˆ x
Kapittel 6.4-6.5: ypotesetesting ypotesetesting er en standard vitenskapelig fremgangsmåte for å sjekke påstander. Generell problemstilling: Basert på informasjonen i data fra et tilfeldig utvalg ønsker
DetaljerOPPGAVESETTET BESTÅR AV 3 OPPGAVER PÅ 6 SIDER MERKNADER: Alle deloppgaver vektlegges likt.
EKSAMEN I: MOT310 STATISTISKE METODER 1 VARIGHET: 4 TIMER DATO: 08. mai 2008 TILLATTE HJELPEMIDLER: Kalkulator: HP30S, Casio FX82 eller TI-30 Tabeller og formler i statistikk (Tapir forlag) OPPGAVESETTET
DetaljerST0103 Brukerkurs i statistikk Forelesning 26, 18. november 2016 Kapittel 8: Sammenligning av grupper
ST0103 Brukerkurs i statistikk Forelesning 26, 18. november 2016 Kapittel 8: Sammenligning av grupper Bo Lindqvist Institutt for matematiske fag 2 Kapittel 8: Sammenligning av grupper Situasjon: Vi ønsker
Detaljer+ S2 Y ) 2. = 6.737 6 (avrundet nedover til nærmeste heltall) n Y 1
Løsningsforslag for: MOT10 STATISTISKE METODER 1 VARIGHET: 4 TIMER DATO: 6. november 007 TILLATTE HJELPEMIDLER: Kalkulator: HP0S, Casio FX8 eller TI-0 Tabeller og formler i statistikk (Tapir forlag) MERKNADER:
DetaljerMOT310 Statistiske metoder 1, høsten 2011 Løsninger til regneøving nr. 7 (s. 1) Oppgaver fra boka: n + (x 0 x) 2 1. n + (x 0 x) 1 2 ) = 1 γ
MOT310 Statistiske metoder 1, høsten 2011 Løsninger til regneøving nr. 7 (s. 1) Oppgaver fra boka: Oppgave 11.25 (11.27, 11.6:13) Modell: Y i = α + βx i + ε i der ε 1,..., ε n u.i.f. N(0, σ 2 ). Skal nne
DetaljerHØGSKOLEN I STAVANGER
EKSAMEN I: MOT0 STATISTISKE METODER VARIGHET: TIMER DATO:. NOVEMBER 00 TILLATTE HJELPEMIDLER: KALKULATOR, TABELLER OG FORMLER I STATISTIKK (TAPIR FORLAG) OPPGAVESETTET BESTÅR AV OPPGAVER PÅ 7 SIDER HØGSKOLEN
DetaljerOppgave 1. (x i x)(y i Y ) (Y i A Bx i ) 2 er estimator for σ 2 (A er minstek-
MOT310 Statitike metoder 1 Løningforlag til ekamen vår 010,. 1 Oppgave 1 a) Modell: Y i α + βx i + ε i der ε 1,..., ε n u.i.f. N 0, σ ). b) Vil tete: Tettørrele H 0 : β 0 mot H 1 : β 0 B β T t n under
DetaljerMOT310 Statistiske metoder 1, høsten 2006 Løsninger til regneøving nr. 8 (s. 1) Oppgaver fra boka:
MOT30 Statistiske metoder, høsten 2006 Løsninger til regneøving nr. 8 (s. ) Oppgaver fra boka: Oppgave.5 (.3:5) ) Først om tolking av datautskriften. Sammendrag gir følgende informasjon: Multippel R =R,
DetaljerHØGSKOLEN I STAVANGER
EKSAMEN I: MOT310 STATISTISKE METODER VARIGHET: 4 TIMER DATO: 27. FEBRUAR 2004 TILLATTE HJELPEMIDLER: KALKULATOR, TABELLER OG FORMLER I STATISTIKK (TAPIR FORLAG) OPPGAVESETTET BESTÅR AV 3 OPPGAVER PÅ 5
DetaljerOppgave 1. a) Anlysetype: enveis variansanalyse (ANOVA). Modell for y ij = ekspedisjonstid nr. j for skrankeansatt nr. i:
MOT310 tatistiske metoder 1 Løsningsforslag til eksamen høst 010, s 1 Oppgave 1 a) Anlysetype: enveis variansanalyse (ANOVA) Modell for y ij ekspedisjonstid nr j for skrankeansatt nr i: Y ij µ i + ε ij,
DetaljerKapittel 9 og 10: Hypotesetesting
Kapittel 9 og 1: ypotesetesting ypotesetesting er en standard vitenskapelig fremgangsmåte for å sjekke påstander. Generell problemstilling: Basert på informasjonen i data fra et tilfeldig utvalg ønsker
DetaljerLøsningsforslag: STK2120-v15.
Løsningsforslag: STK2120-v15 Oppgave 1 a) Den statistiske modellen er: X ij = µ i + ϵ ij, j = 1,, J, i = 1,, I Her indekserer i = 1,, I gruppene og j = 1,, J observasjone innen hver gruppe Feilleddene
DetaljerVerdens statistikk-dag. Signifikanstester. Eksempel studentlån. http://unstats.un.org/unsd/wsd/
Verdens statistikk-dag http://unstats.un.org/unsd/wsd/ Signifikanstester Ønsker å teste hypotese om populasjon Bruker data til å teste hypotese Typisk prosedyre Beregn sannsynlighet for utfall av observator
Detaljer6.2 Signifikanstester
6.2 Signifikanstester Konfidensintervaller er nyttige når vi ønsker å estimere en populasjonsparameter Signifikanstester er nyttige dersom vi ønsker å teste en hypotese om en parameter i en populasjon
DetaljerKapittel 9 og 10: Hypotesetesting
Kapittel 9 og 1: Hypotesetesting Hypotesetesting er en standard vitenskapelig fremgangsmåte for å sjekke påstander. Generell problemstilling: Basert på informasjonen i data fra et tilfeldig utvalg ønsker
Detaljer1 10-2: Korrelasjon. 2 10-3: Regresjon
1 10-2: Korrelasjon 2 10-3: Regresjon Example Krysser y-aksen i 1: b 0 = 1 Stiger med 2 hver gang x øker med 1: b 1 = 2 Formelen til linja er derfor y = 1 + 2x Eksempel Example Vi lar fem personer se en
DetaljerLØSNINGSFORSLAG ) = Dvs
LØSNINGSFORSLAG 12 OPPGAVE 1 D j er differansen mellom måling j med metode A og metode B. D j N(µ D, 0.1 2 ). H 0 : µ D = 0 mot alternativet H 1 : µ D > 0. Vi forkaster om ˆµ D > k Under H 0 er ˆµ D =
DetaljerFasit for tilleggsoppgaver
Fasit for tilleggsoppgaver Uke 5 Oppgave: Gitt en rekke med observasjoner x i (i = 1,, 3,, n), definerer vi variansen til x i som gjennomsnittlig kvadratavvik fra gjennomsnittet, m.a.o. Var(x i ) = (x
DetaljerKap. 10: Inferens om to populasjoner. Eksempel. ST0202 Statistikk for samfunnsvitere
Kap. 10: Inferens om to populasjoner Situasjon: Vi ønsker å sammenligne to populasjoner med populasjonsgjennomsnitt henholdsvis μ 1 og μ. Vi trekker da ett utvalg fra hver populasjon. ST00 Statistikk for
DetaljerÅMA110 Sannsynlighetsregning med statistikk, våren 2006 Kp. 6, del 3
ÅMA110 Sannsynlighetsregning med statistikk, våren 2006 Kp. 6, del 3 Bjørn H. Auestad Institutt for matematikk og naturvitenskap Universitetet i Stavanger 20. mars Bjørn H. Auestad Kp. 6: Hypotesetesting
DetaljerEKSAMEN ST0202 STATISTIKK FOR SAMFUNNSVITERE
Norges teknisk naturvitenskapelige universitet Institutt for matematiske fag Side 1 av 7 Bokmål Faglig kontakt under eksamen: Bo Lindqvist, tlf. 97589418 EKSAMEN ST00 STATISTIKK FOR SAMFUNNSVITERE Torsdag
DetaljerTillatte hjelpemidler: C3: alle typer kalkulator, alle andre hjelpemidler
EKSAMENSOPPGAVER Institutt: Eksamen i: Tid: IKBM STAT100 Torsdag 13.des 2012 STATISTIKK 09.00-12.30 (3.5 timer) Emneansvarlig: Solve Sæbø ( 90065281) Tillatte hjelpemidler: C3: alle typer kalkulator, alle
DetaljerEKSAMENSOPPGAVER STAT100 Vår 2011
EKSAMENSOPPGAVER STAT100 Vår 2011 Løsningsforslag Oppgave 1 (Med referanse til Tabell 1) a) De 3 fiskene på 2 år hadde lengder på henholdsvis 48, 46 og 35 cm. Finn de manglende tallene i Tabell 1. Test
DetaljerDatamatrisen: observasjoner, variabler og verdier. Variablers målenivå: Nominal Ordinal Intervall Forholdstall (ratio)
Datamatrisen: observasjoner, variabler og verdier. Variablers målenivå: Nominal Ordinal Intervall Forholdstall (ratio) Beskrive fordelinger (sentraltendens, variasjon og form): Observasjon y i Sentraltendens
DetaljerKrysstabellanalyse (forts.) SOS1120 Kvantitativ metode. 4. Statistisk generalisering. Forelesningsnotater 9. forelesning høsten 2005.
SOS112 Kvantitativ metode Krysstabellanalyse (forts.) Forelesningsnotater 9. forelesning høsten 25 4. Statistisk generalisering Per Arne Tufte Eksempel: Hypoteser Eksempel: observerte frekvenser (O) Hvordan
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
DetaljerEKSAMEN I FAG TMA4260 INDUSTRIELL STATISTIKK
Norges teknisk naturvitenskapelige universitet Institutt for matematiske fag Side 1 av 12 Faglig kontakt under eksamen: Bo Lindqvist Tlf. 975 89 418 EKSAMEN I FAG TMA4260 INDUSTRIELL STATISTIKK Onsdag
DetaljerKan vi stole på resultater fra «liten N»?
Kan vi stole på resultater fra «liten N»? Olav M. Kvalheim Universitetet i Bergen Plan for dette foredraget Hypotesetesting og p-verdier for å undersøke en variabel p-verdier når det er mange variabler
DetaljerECON240 VÅR / 2016 BOKMÅL
ECON240 VÅR / 2016 BOKMÅL UNIVERSITETET I BERGEN EKSAMEN UNDER SAMFUNNSVITENSKAPELIG GRAD [ DATO og KLOKKESLETT FOR EKSAMEN (START OG SLUTT) ] Tillatte hjelpemidler: Matematisk formelsamling av K. Sydsæter,
DetaljerTMA4240 Statistikk Høst 2016
TMA4240 Statistikk Høst 2016 Norges teknisk-naturvitenskapelige universitet Institutt for matematiske fag Anbefalt øving 11 Oppgavene i denne øvingen dreier seg om hypotesetesting og sentrale begreper
DetaljerEksamensoppgave i ST1201/ST6201 Statistiske metoder
Institutt for matematiske fag Eksamensoppgave i ST1201/ST6201 Statistiske metoder Faglig kontakt under eksamen: Nikolai Ushakov Tlf: 45128897 Eksamensdato: 20. desember 2016 Eksamenstid (fra til): 09:00
DetaljerOppgaven består av 10 delspørsmål som anbefales å veie like mye, Kommentarer og tallsvar er skrevet inn mellom <<, >>, Oppgave 1
ECON 130 EKSAMEN 005 VÅR SENSORVEILEDNING Oppgaven består av 10 delspørsmål som anbefales å veie like mye, Kommentarer og tallsvar er skrevet inn mellom , Oppgave 1 I denne oppgaven kan du anta at
DetaljerHØGSKOLEN I STAVANGER
EKSAMEN I: MOT310 STATISTISKE METODER 1 VARIGHET: 4 TIMER DATO: 25. NOVEMBER 2003 TILLATTE HJELPEMIDLER: KALKULATOR, TABELLER OG FORMLER I STATISTIKK (TAPIR FORLAG) OPPGAVESETTET BESTÅR AV 3 OPPGAVER PÅ
DetaljerÅMA110 Sannsynlighetsregning med statistikk, våren 2006 Kp. 6, del 3
ÅMA110 Sannsynlighetsregning med statistikk, våren 2006 Kp. 6, del 3 Bjørn H. Auestad Institutt for matematikk og naturvitenskap Universitetet i Stavanger 20. mars Bjørn H. Auestad Kp. 6: Hypotesetesting
DetaljerInferens i fordelinger
Inferens i fordelinger Modifiserer antagelsen om at standardavviket i populasjonen σ er kjent Mer kompleks systematisk del ( her forventningen i populasjonen). Skal se på en situasjon der populasjonsfordelingen
DetaljerQED 1 7. Matematikk for grunnskolelærerutdanningen. Bind 2. Fasit kapittel 4 Statistikk og kvantitativ metode
QED 1 7 Matematikk for grunnskolelærerutdanningen Bind 2 Fasit kapittel 4 Statistikk og kvantitativ metode Kapittel 4 Oppgave 1 La være antall øyne på terningen. a) Vi får følgende sannsynlighetsfordeling
DetaljerTMA4240 Statistikk Høst 2015
TMA4240 Statistikk Høst 2015 Norges teknisk-naturvitenskapelige universitet Institutt for matematiske fag Øving nummer 11, blokk II I denne øvingen skal vi fokusere på hypotesetesting. Vi ønsker å gi dere
DetaljerST0202 Statistikk for samfunnsvitere
ST0202 Statistikk for samfunnsvitere Bo Lindqvist Institutt for matematiske fag 2 Kap. 10: Inferens om to populasjoner Situasjon: Vi ønsker å sammenligne to populasjoner med populasjonsgjennomsnitt henholdsvis
Detaljerj=1 (Y ij Ȳ ) 2 kan skrives som SST = i=1 (J i 1) frihetsgrader.
FORMELSAMLING TIL STK2120 (Versjon av 30. mai 2012) 1 Enveis variansanalyse Anta at Y ij = µ + α i + ɛ ij ; j = 1, 2,..., J i ; i = 1, 2,..., I ; der ɛ ij -ene er uavhengige og N(0, σ 2 )-fordelte. Da
DetaljerÅMA110 Sannsynlighetsregning med statistikk, våren 2006 Kp. 6, del 4
ÅMA110 Sannsynlighetsregning med statistikk, våren 2006 Kp. 6, del 4 Bjørn H. Auestad Institutt for matematikk og naturvitenskap Universitetet i Stavanger 27. mars Bjørn H. Auestad Kp. 6: Hypotesetesting
DetaljerEksamen i : STA-1002 Statistikk og. Eksamensdato : 26. september 2011. Sted : Administrasjonsbygget. Tillatte hjelpemidler : - Godkjent kalkulator
Side 1 av 11 sider EKSAMENSOPPGAVE I STA-1002 Eksamen i : STA-1002 Statistikk og sannsynlighet 2 Eksamensdato : 26. september 2011. Tid : 09-13. Sted : Administrasjonsbygget. Tillatte hjelpemidler : -
Detaljeri x i
TMA4245 Statistikk Vår 2016 Norges teknisk-naturvitenskapelige universitet Institutt for matematiske fag Anbefalte oppgaver 11, blokk II Oppgavene i denne øvingen dreier seg om hypotesetesting og sentrale
DetaljerEKSAMEN I FAG TMA4255 FORSØKSPLANLEGGING OG ANVENDTE STATISTISKE METODER
Norges teknisk naturvitenskapelige universitet Institutt for matematiske fag Side 1 av 8 Faglig kontakt under eksamen: Bo Lindqvist Tlf. 975 89 418 EKSAMEN I FAG TMA4255 FORSØKSPLANLEGGING OG ANVENDTE
DetaljerTid: 29. mai (3.5 timer) Ved alle hypotesetester skal både nullhypotese og alternativ hypotese skrives ned.
EKSAMENSOPPGAVE, bokmål Institutt: IKBM Eksamen i: STAT100 STATISTIKK Tid: 29. mai 2012 09.00-12.30 (3.5 timer) Emneansvarlig: Trygve Almøy (Tlf: 95141344) Tillatte hjelpemidler: C3: alle typer kalkulator,
DetaljerTestobservator for kjikvadrattester
ST0202 Statistikk for samfunnsvitere Bo Lindqvist Institutt for matematiske fag 2 Kap. 11: Anvendelser av kjikvadratfordelingen: Kjikvadrattester Situasjon: Et tilfeldig utvalg av n individer er trukket
DetaljerEKSAMEN I FAG TMA4255 FORSØKSPLANLEGGING OG ANVENDTE STATISTISKE METODER
Norges teknisk naturvitenskapelige universitet Institutt for matematiske fag Side 1 av 7 Faglig kontakt under eksamen: Bo Lindqvist Tlf. 975 89 418 BOKMÅL EKSAMEN I FAG TMA4255 FORSØKSPLANLEGGING OG ANVENDTE
DetaljerEksamensoppgave i ST1201/ST6201 Statistiske metoder
Institutt for matematiske fag Eksamensoppgave i ST1201/ST6201 Statistiske metoder Faglig kontakt under eksamen: Tlf: Eksamensdato: august 2015 Eksamenstid (fra til): Hjelpemiddelkode/Tillatte hjelpemidler:
DetaljerSTK juni 2016
Løsningsforslag til eksamen i STK220 3 juni 206 Oppgave a N i er binomisk fordelt og EN i np i, der n 204 Hvis H 0 er sann, er forventningen lik E i n 204/6 34 for i, 2,, 6 6 Hvis H 0 er sann er χ 2 6
DetaljerOppgaver til Studentveiledning I MET 3431 Statistikk
Oppgaver til Studentveiledning I MET 3431 Statistikk 20. mars 2012 kl 17.15-20.15 i B2 Handelshøyskolen BI 2 Oppgaver 1. Konfidensintervaller Vi ser på inntekten til en tilfeldig valgt person (i tusen
DetaljerStatistisk analyse av data fra planlagte forsøk
Statistisk analyse av data fra planlagte forsøk 19. mars 2019 9.00 10.30 Skypemøte 2 i NLR s kurs i forsøksarbeid 2019 Torfinn Torp Temaer Noen sentrale begreper, framgangsmåte etc., via et eksempel. Noen
Detaljer2. Hva er en sampelfordeling? Nevn tre eksempler på sampelfordelinger.
H12 - Semesteroppgave i statistikk - sensurveiledning Del 1 - teori 1. Gjør rede for resonnementet bak ANOVA. Enveis ANOVA tester om det er forskjeller mellom gjennomsnittene i tre eller flere populasjoner.
DetaljerEKSAMEN I FAG TMA4255 ANVENDT STATISTIKK
Norges teknisk naturvitenskapelige universitet Institutt for matematiske fag Side 1 av 5 Faglig kontakt under eksamen: Bo Lindqvist Tlf. 975 89 418 BOKMÅL EKSAMEN I FAG TMA4255 ANVENDT STATISTIKK Onsdag
DetaljerLøsningsforslag til obligatorisk innlevering 3.
svar3.nb 1 Løsningsforslag til obligatorisk innlevering 3. Oppgave 1 * Vi skal sammenlikne to sensoere A og B. Begge har rettet den samme oppgaven. Hvis populasjonen er eksamensoppgavene, har vi altså
DetaljerAndre sett med obligatoriske oppgaver i STK1110 høsten 2010
Andre sett med obligatoriske oppgaver i STK1110 høsten 2010 Dette er det andre settet med obligatoriske oppgaver i STK1110 høsten 2010. Oppgavesettet består av fire oppgaver. Det er valgfritt om du vil
DetaljerEksamensoppgave i PSY1011/PSYPRO4111 Psykologiens metodologi
Psykologisk institutt Eksamensoppgave i PSY1011/PSYPRO4111 Psykologiens metodologi Faglig kontakt under eksamen: Ingvild Saksvik-Lehouillier Tlf.: 73 59 19 60 Eksamensdato: 30. mai 2016 Eksamenstid (fra-til):
DetaljerTillatte hjelpemidler: C3: alle typer kalkulator, alle andre hjelpemidler
EKSAMENSOPPGAVER Institutt: Eksamen i: Tid: Emneansvarlig: IKBM STAT100 Tirsdag 28.mai 2013 Solve Sæbø STATISTIKK 09.00-12.30 (3.5 timer) Tillatte hjelpemidler: C3: alle typer kalkulator, alle andre hjelpemidler
DetaljerHypotesetesting. Formulere en hypotesetest: Når vi skal test om en parameter θ kan påstås å være større enn en verdi θ 0 skriver vi dette som:
Hypotesetesting. 10 og fore- Dekkes av pensumsidene i kap. lesingsnotatene. Hypotesetesting er en systematisk fremgangsmåte for å undersøke hypoteser (påstander) knyttet til parametre i sannsynlighetsfordelinger.
DetaljerEksamensoppgave i TMA4245 Statistikk
Institutt for matematiske fag Eksamensoppgave i TMA4245 Statistikk Faglig kontakt under eksamen: Håkon Tjelmeland Tlf: 48 22 18 96 Eksamensdato:??. august 2014 Eksamenstid (fra til): 09:00 13:00 Hjelpemiddelkode/Tillatte
DetaljerST0202 Statistikk for samfunnsvitere Kapittel 9: Inferens om én populasjon
ST0202 Statistikk for samfunnsvitere Kapittel 9: Inferens om én populasjon Bo Lindqvist Institutt for matematiske fag 2 Kap. 9: Inferens om én populasjon Statistisk inferens har som mål å tolke/analysere
DetaljerVerdens statistikk-dag.
Verdens statistikk-dag http://unstats.un.org/unsd/wsd/ Signifikanstester Ønsker å teste hypotese om populasjon Bruker data til å teste hypotese Typisk prosedyre Beregn sannsynlighet for utfall av observator
DetaljerÅMA110 Sannsynlighetsregning med statistikk, våren Hypotesetesting (kp. 6) Hypotesetesting. Kp. 6 Hypotesetesting ...
ÅMA Sannsynlighetsregning med statistikk, våren 6 Kp. 6 (kp. 6)... Begrep: nullhypotese alternativhypotese ensidig, tosidig teststørrelse (testobservator) nullfordeling kritisk verdi, forkastningsområde
DetaljerLøsningsforslag til andre sett med obligatoriske oppgaver i STK1110 høsten 2010
Løsningsforslag til andre sett med obligatoriske oppgaver i STK1110 høsten 2010 Oppgave 1 a Forventet antall dødsulykker i år i er E(X i λ i. Dermed er θ i λ i E(X i forventet antall dødsulykker per 100
DetaljerHypotesetesting av λ og p. p verdi.
Forelesning 7, kapittel 6 Hypotesetesting av λ og p. p verdi. Det som gjøres i denne forelesningen er nær opptil det vi gjorde da vi konstruerte z test for µ, og styrkefunksjon for denne. I tillegg til
DetaljerEksamen i emnet Stat111 - Statistiske metoder 28. mai 2014, kl
UNIVERSITETET I BERGEN Det matematisk-naturvitenskapelige fakultet Eksamen i emnet Stat111 - Statistiske metoder 28. mai 2014, kl. 09-13 BOKMAL Tillatt hjelpemiddel: Kalkulator med tomt minne i samsvar
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
DetaljerKp. 9.8 Forskjell mellom to forventninger
andeler I analysene skal vi se på situasjonene der σx og σ Y er kjente; normalantakelse a σx og σ Y er ukjente men σ X = σ Y ; normalantakelse og b σx og σ Y er ukjente og σ X σ Y ; normalantakelse 3 og
DetaljerOppgave 1 (25 %) Resultater fra QM: a) Maximin = 0 ved ikke å lansere. b) Maximax = 27000000 for produkt 2.
Oppgave 1 (25 %) Resultater fra QM: a) Maximin = 0 ved ikke å lansere. b) Maximax = 27000000 for produkt 2. c) EMV max = 1000000 * 0.8 + 27000000 * 0.2 = 4600000 for produkt 2. d) 0.2 * 27000000 4600000
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
DetaljerQED 5 10. Matematikk for grunnskolelærerutdanningen. Bind 2. Fasit kapittel 4 Statistikk og kvantitativ metode
QED 5 10 Matematikk for grunnskolelærerutdanningen Bind 2 Fasit kapittel 4 Statistikk og kvantitativ metode Kapittel 4 Oppgave 1. La x være antall øyne på terningen. a) Vi får følgende sannsynlighetsfordeling
DetaljerBruk data fra tabellen over (utvalget) og opplysninger som blir gitt i oppgavene og svar på følgende spørsmål:
Frafall fra videregende skole (VGS) er et stort problem. Bare ca 70% av elevene som begynner p VGS fullfører og bestr i løpet av 5 r. For noen elever er skolen s lite attraktiv at de velger slutte før
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
DetaljerUNIVERSITETET I OSLO
Eksamen i: UNIVERSITETET I OSLO Det matematisk-naturvitenskapelige fakultet STK2120 Skisse til løsning/fasit. Eksamensdag: Torsdag 5. juni 2014. Tid for eksamen: 14.30 18.30. Oppgavesettet er på 5 sider.
DetaljerST0202 Statistikk for samfunnsvitere
ST0202 Statistikk for samfunnsvitere Bo Lindqvist Institutt for matematiske fag 2 Inferens om varians og standardavvik for ett normalfordelt utvalg (9.4) Inferens om variansen til en normalfordelt populasjon
DetaljerFasit og løsningsforslag STK 1110
Fasit og løsningsforslag STK 1110 Uke 36: Eercise 8.4: a) (57.1, 59.5), b) (57.7, 58, 9), c) (57.5, 59.1), d) (57.9, 58.7) og e) n 239. (Hint: l(n) = 1 = 2z 1 α/2 σ/n 1/2 ). Eercise 8.10: a) (2.7, 7.5),
DetaljerAnvendt medisinsk statistikk, vår Repeterte målinger, del II
Anvendt medisinsk statistikk, vår 009 Repeterte målinger, del II Eirik Skogvoll Overlege, Klinikk for anestesi og akuttmedisin 1. amanuensis, Enhet for anvendt klinisk forskning (med bidrag fra Harald
DetaljerHypotesetesting (kp. 6) ÅMA110 Sannsynlighetsregning med statistikk, våren Tre deler av faget/kurset: 1. Beskrivende statistikk
ÅMA Sannsynlighetsregning med statistikk, våren 2 Kp. 6 Hypotesetesting Hypotesetesting (kp. 6) Tre deler av faget/kurset:. Beskrivende statistikk 2. Sannsynlighetsteori, sannsynlighetsregning 3. Statistisk
DetaljerKlassisk ANOVA/ lineær modell
Anvendt medisinsk statistikk, vår 008: - Varianskomponenter - Sammensatt lineær modell med faste og tilfeldige effekter - Evt. faktoriell design Eirik Skogvoll Overlege, Klinikk for anestesi og akuttmedisin
DetaljerST0202 Statistikk for samfunnsvitere
ST0202 Statistikk for samfunnsvitere Bo Lindqvist Institutt for matematiske fag 2 Kap. 11: Anvendelser av kjikvadratfordelingen: Kjikvadrattester Situasjon: Et tilfeldig utvalg av n individer er trukket
DetaljerKvinne Antall Tabell 1a. Antall migreneanfall i året før kvinnene fikk medisin.
Eksamen STAT100, Høst 2011 (lettere revidert). Tillatte hjelpemidler: C3: alle typer kalkulator, alle andre hjelpemidler Ved alle hypotesetester skal både nullhypotese og alternativ hypotese skrives ned.
DetaljerRepeated Measures Anova.
Repeated Measures Anova. Vi bruker oppgave-5 som eksempel. I en evalueringsstudie av en terapeutisk intervensjon valgte man et pre-post med kontrollgruppe design. Alle personer ble undersøkt tre ganger
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
DetaljerTestobservator for kjikvadrattester
ST0202 Statistikk for samfunnsvitere Bo Lindqvist Institutt for matematiske fag 2 Kap. 11: Anvendelser av kjikvadratfordelingen: Kjikvadrattester Situasjon: t tilfeldig utvalg av n individer er trukket
Detaljer