Mer om Hypotesetesting (kap 5) Student t-fordelingen. Eksamen. Fordelingene blir like ved stor n:
|
|
- Jørn Hovland
- 5 år siden
- Visninger:
Transkript
1 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 v kke har et stort utvalg? Hypotesetest for populasjosvarase p-verder Mer om t- og χ - fordelg Teste populasjosadeler sasylgheter Ved store utvalg ka v ved hjelp av setralgreseteoremet basere e hypotesetest på at Z ~ N, / dvs Z følger altså e stadardormalfordelg uder H ved store utvalg. Ka da fe krtsk verd Z fra Table. sde 586 eller ederste lje sde 587 V atar her at σ er kjet. Dersom σ er ukjet, som de valgvs er, erstatter v σ lgge over med s utvalgs-stadardavvket. Det går bra ved store utvalg og teste vl fremdeles være gyldg. Da bruker v bare lgge slk de står ovefor og v fer krtsk verd fra Table. sde 586 Hvs v vet med skkerhet er ormalfordelt, vl teste også fugere ved små utvalg, dersom v atar at σ er kjet, me da må v være skre på at er ormalfordelt ved lte utvalg og σ er kjet. Dette tlfellet ser v valgvs vekk fra. Dersom σ er ukjet og v må erstatte dee med s uttrykket over, så er testobservatore kke leger stadard-ormalfordelt uder H ved små utvalg V erstatter populasjosvarase σ med utvalgsvarase s. Ved små utvalg vl da TSt ~ t s / hvor testobservatore uder H å følger e Studet s t-fordelg med - frhetsgrader df V fer da krtsk verd fra Table. sde 587, hvor v tar hesy tl atall observasjoer - Studet t-fordelge Det er små yaser mellom stadardormalfordelge N, og t- fordelge, me det er alltd fel å bruke stadard-ormal-fordelge N, gtt tabell. sde 586 ved små utvalg E skal hvert fall aldr bruke z-teste ved < 3. E bør heller aldr bruke z-teste ved < 5, me hvor grese går er ge eksakt vteskap Me, det er aldr fel å bruke t-fordelge ved ltt større utvalg ford krtsk verd ved t-teste vl bl gaske lk krtsk verd ved z-teste for > 5 Krtsk verd for t-teste går mot krtsk verd ved z-teste, for økede atall observasjoer I t-tabelle Table. sde 587 blr det oppgtt krtsk verd for =4, =6 og tl og med =. Helt ederst dee tabelle der hvor det står fer du krsk verd for z-teste Eksame På eksame vl jeg alltd oppg om du skal beytte deg av t- fordelge t-test eller ormalfordelge z-test Testee er veldg lke me bruker ltt forskjellg krtsk verd Fordelgee blr lke ved stor : Skal mer tl for å forkaste H ved Studet s t fordelg
2 Tohaletest, 5% vået Ehaletest, 5% vået Tohaletest, % vået Se Table. på sde 587 Thomas. Noe gager er v teressert å aalysere varas fas, tektsulkhet, etc. Eksempel: Itektsvået og fordelg et område = 9, 3, 8, 97, 68 96, 54, 99, 8, 8 H: μ = 8 H: μ > 8 ehaletest, 5% vået Krtsk verd: TS = t = - μ/s/ TS = t = 88-8/68,6/ =,5 Forkaster kke H: μ = 8 95 % kofdestervall: ± t,5 s/ = 88 ± Hypotesetestg for populasjosvarase σ Kj-kvadrat-fordelt: Har e lag hale lltd postv s ~ Desty I gjetatte trekger har kke dee N,-fordelg eller t-fordelg H: σ = H: σ >..5 s ruker s som estmat Kj-kvadratfordelt fordelg med stt=8 ad st.avvk = 4 3
3 Eksempel s TS ~ Varase tl e ormalfordelt varabel blr påstått å være større e. Et tlfeldg utvalg beståede av 5 regstrerte verder på gr et stadardavvk på 5. Test om påstade er korrekt. TS krtsk verd ForkastH Se Table.3 på sde 588 Thomas. Forvetg og varas tl populasjosadel sasylghet {, } fasko, suksess E p Pr Pr Pr π se sde 8 Var E E p p π π Testobservatore tl sasylghet p TS ~ N, p Forkast H dersom TS > krtsk verd 5%, tohaletest: krtsk verd=,96 μ E π populasjo sadel σ V π π p utvalgsad el π π σ σp sesde 69 7 p-verd Nvå på sgfkasverde α som må tl for at v akkurat kke skal forkaste H «Sasylghete for å fe de observerte størrelse, gtt at H er sa» Dersom estmatet vårt er lagt fra p-verd er lte, så er det mye som tyder på at H kke er sa ereget p-verd=, for TS forkast H på 5% vået α=,5 ereget p-verd=, for TS forkast H på 5% vået α=,5 ereget p-verd=, for TS kke forkast H på 5% vået α=,5 Hva blr rapportert emprske aalyser? Estmat Med ete Stadardfel tl estmat: s = s / Testobservator evt med krtsk verd p-verd Kofdestervall Stjerer for å dkere sgfkasvå: * = sgfkat på % vå, ** = sgfkat på 5% vå. *** = sgfkat på % «V estmer effekte av y meds på helse tl å være 3 prosetpoeg p-verd=,3» 3
4 Oppgaver Kort oppsummerg av kap 5 Små utvalg og Studet s t-fordelg t-test lltd bruke t-test ved <3 Helst bruke t-test ved <5 Ka bruke t-test ved <6 Hypotesetestg om populasjosvarase kj-kvadrat-fordelge Hypotesetestg om adeler/sasylghet p-verd Oppgr ofte effekt pluss p-verd: = p=, Mer om sasylgheter kap Effekte av tltak på jobbsasylghet, =8 Overskt T = hvs deltatt på Nav-tltak mes arbedsledg 4 persoer T = hvs kke deltatt på Nav-tltak 4 persoer N=8 Smulta jot og margal sasylghet Forvetgsverd expected value, jfr. populasjosgjeomstt Varas, kovaras, korrelasjo Jobber med to tlfeldge varabler samtdg Hva er sammehege mellom utdag og tekt Y = hvs persoe kom jobb etter 6 md. 36 persoer Y = hvs kke jobb 44 persoer Regoal vekst v de 4 som kke var på tltak T= kom 6 jobb Y= v de 4 som var på tltak T= kom jobb Y= Forholdet mellom MI og helseutfall La oss presetere tallee e hyppghetstabell: Korrelasjo, kovaras, regresjoskoeffset, kausaleffekt, Itektsutvklge to byer/dstrkt Hyppghetstabell ad smultae sasylgheter Smultae, margale og betga sasylgheter PrY y,t t smulta sasylg het PrY y margal sasylg het py PrT t margal sasylg het pt tall totalt sett var 8 tall som kom jobb Y= var 36 tall på tltak T= var 4 tall som kke var på tltak T= og som kom jobb Y= var 6 PrY y T t betga sasylg het Pr 𝑌 = 𝑦 𝑇 = 𝑡 = Pr𝑌 = 𝑦, 𝑇 = 𝑡 Pr𝑇 = 𝑡 4
5 Tlfelle med 4 utfall, PrY, Y Y=frst roll, Y={,,3,4} Y=secod roll, Y={,,3,4} 6 smultae sasylgheter 8 margale sasylgheter Med lk sasylghet: PrY=y, Y=y = /6 = produktet av tallee som dukker opp, Sx={,,3,4,6,8,9,,6} Y = absoluttverde av dfferase av tallee, SY={,,,3} Utfallsrommet, Table 6. sde 8: Roll,,,3,4,,,3,4 3, 3, 3,3 3,4 4, 4, 4,3 4, Y 3 3 Smulta sasylghetsfordelg: Ka kke ha Y= og = samtdg. = ka bare skje dersom det ee utfallet er og det adre og da ka kke dfferaser være. =6 og Y= ka skje ved to tlfeller, x3 eller 3x. Derfor er Pr=6,Y==/6. Summe av sasylgheter er alltd lk! Margale sasylgheter Notasjo: Pr 6,Y py 6, p6, 6,,Y Utfallee tl og Y samme med sasylghetee gr smulta pdf; p,y Table 6. sde 8: 6 Opplstg av alle mulge kombasjoer av verder to varabler ka ta Smultae sasylgheter for hver mulg kombasjo PrY= = g = 4/6 PrY= = PrY=, = + PrY=, = + PrY=, =3 + + PrY=, =6 = 6/6 PrY= = Pr Y =, = x = 4/6 PrY=3 = Pr Y = 3, = x PrY=y = gy 5
6 Margale sasylgheter og berega størrelser Forvetgsverder m E j p j j E Y Y py V har sett på størrelser som forvetg populasjosgjeomstt, varas, etc. Dsse er basert på margale sasylgheter Hvs v får oppgtt bare de smultae sasylghetee, må dsse gjøres om tl margale sasylgheter E Y forvetge tl produktet E Y forvetge tl Y betga på ulke verder av betget forvetg m E Y Y j p Y j j Utfallsrom og smultae sasylgheter: Hyppghetstabell ad smultae sasylgheter m E Y Y j p Y j j EYT =,3 +,5 +, +,5 =,5 Forvetgsverde tl produktet av de to varablee Hvorda beveger størrelser/varabler seg samme? Noe forhold å ta betraktg EY E EY Har at EY = Y p,y E[h,Y] = h,y p,y Hvs så h,y = a + by leær addtv fuksjo E[h,Y] = ae + bey hvor E og EY bereges basert på margale sasylgheter Kovaras og korrelasjo er mål på samvarasjo mellom to varabler og Y I dette tlfellet ser det ut tl å være et møster, me sammehegee er kke perfekte 6
7 Postv kovaras: Store verder av y er assosert med kommer ofte samme med store verder av x Cov,Y E [ E ][Y E Y ] [ E ][Y E Y ] p,y Negatv kovaras: Små verder av y er assosert med kommer ofte samme med store verder av x E Y E E Y Ige kovaras samvarasjo 6,75 6,5,5,65 Varas av fuksjo ta h,y = a + by F EY, ET, VarY, VarT, EYT, CovY,T med dette ekle datasettet: leær addtv fuksjo avar Vara + by = + bvary + abcov,y Vara - by = avar + bvary abcov,y Var + Y = Var + VarY + Cov,Y Var - Y = Var + VarY - Cov,Y Vktg å huske på seere! Eksempel på beregg av kovaras fra tabell med smultae sasylgheter: EY =,55 +,45 =,45 ET =,5 +,5 =,5 EYT=,3 +,5 +, +,5 =,5 VarY =,55-,45 +,45-,45 =,475 VarT =,5-,5 +,5-,5 =,5 CovY,T = -,45-,5,3 + -,45-,5,5 + -,45-,5, + -,45-,5,5 =,675 -,565 -,55 +,6875 =,5 Cov Y,T E [Y E Y ][T E T ] [Y EY ][T E T ] py,t 𝐶𝑜𝑟𝑟 𝑌, 𝑋 = 𝐶𝑜𝑣𝑋, 𝑌 𝑉𝑎𝑟𝑋 𝑉𝑎𝑟𝑌 =,,589,5 =, =,,548 7
8 Oppsummerg Korrelasjo: Kap 6.3 og 6.4 Smultae og margale sasylgheter Forvetg ved to varabler; EY Kovaras, Cov,Y Varas av fuksjo Korrelasjo og uavhegghet Hypotesetestg av to populasjoer Er populasjoee og størrelsee v bereger fra de to populasjoee lke? Neste: Korrelasjo Korrelasjoskoeffsete: - < Corr < Korrelasjo Ser oe om «styrke» sammehege mellom to varabler Corr, Y Cov, Y Cov, Y Corr, Y Var Var Y SD SD Y Cov, Y SD SD Y Korrelasjoskoeffsete ρ lgger mellom - og Ka derfor sammelges for ulke sammeheger/problemstllger Margale sasylgheter og berega størrelser Uavhegghet Cov, Y E Y E E Y Corr, Y Var Var Y SD SD Y Uavhegghet : E Y E E Y Cov, Y E Y E E Y 6,75 6,5,5,65,65,6 7,9,94 Uavhegghet : p, Y f g Y Vka teste for om varablee er uavhegge 8
9 Uavhegghet Legg merke tl dee tabelle at p,y=f g gjelder for alle kombasjoer av og Y For uavhegghet, se også lgg P.a på sde 7 Eksempel: p4,5 =,4, samt f4 g5 =,, =,4 Korrelasjo et datasett ρ = populasjoskorrelasjoskoeffset R = utvalgskorrelasjoskoeffset R Y Y Treger kke å teke på atall frhetsgrader sde det samme uttrykket går gje over som uder brøkstreke Y Y Uavhegge varabler => ρ=, me kke omvedt Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y lteratve måter å skrve uttrykkee formele for varase på: Y Y Y Y Y Y Y For å berege kovarase bruker v oe gager Y Y stedefor Y Y = produktet av tallee som dukker opp Y = absoluttverde av dfferase av tallee Korrelasjoskoeffsete mellom varabler: R Y Y Y Y Treger kke å teke på atall frhetsgrader her ford samme over som uder brøkstreke 58 /, Y 3/ Y Y Y Y Y Y 7 5,8,3 3, ,8,6 Y 5,3 8, R Y Y Y Y 9
10 Ltt om Stata Istallerg av Stata på ege PC/Mac: Stata har mage korte vdeoer: Tour of the Stata 5 terface Stata bascs Descrptve statstcs Oe-sample t test Classcal hypothess testg Stata Tre måter å jobbe med Stata på: Mey-systemet Kommado-lje Do-fl-edtor alyse Laste data Deskrptv statstkk gjeomstt, varas, kovaras, korrelasjo, etc Hypotesetestg t-test Regresjosaalyse Testg av to gjeomstt mot hveradre del 6.4 Er lk lk hvor er e by ad er e ae by? La μ og μ være populasjosverdee H : μ = μ H : μ < μ ta at v har mage observasjoer fra hver by N N, ~, ~ N Var SE V V Var E E E, ~ Setralgreseteoremet :, ~ N TS, , ~ 8 73,, 655, 486, TS N TS TS er forkastgsområdet: Populasjosstørrelsee er kke lke de to byee. Test for lk gjeomsttstekt de to byee:
11 z-test Stata sde 4: Er gjeomsttsløe tl me høyre E gjeomsttsløe tl kver? Summary statstcs: mea, sd, varace, semea, N by categores of: ma = hvs ma, = hvs kve ma stmer lo grad Total TS ~ N, z - test 45,36 464,953 TS, ,4 4756, dsplay /sqrt7467.4/ /43 gr z-verd: TS = Ved z-test Stata må e skrve verdee for stadardavvkee: ztest lo f grad==, byma sd sd Two-sample z test Group Obs Mea Std. Err. Std. Dev. [95% Cof. Iterval] dff dff = mea - mea z = Ho: dff = Ha: dff < Ha: dff!= Ha: dff > PrZ < z =.8 Pr Z > z =.65 PrZ > z =.998 Hva gjør v med små utvalg og hvor σ må estmeres? V må å estmere varase samlet: s s s hvor s og s TS ~ s lgg 6.3 sde 6 er estmert varas fra gruppee t lgg 6.34 sde 7 Stata: ttest,bygruppe Ved mage observasjoer blr s s s lk estmert varas basert på hele utvalget sde justerg for frhetsgrader betyr mdre år øker t-test Stata: Summary statstcs: mea, sd, varace, semea, N by categores of: ma = hvs ma, = hvs kve ma stmer lo grad Total ttest lo f grad==, byma Two-sample t test wth equal varaces Group Obs Mea Std. Err. Std. Dev. [95% Cof. Iterval] combed dff dff = mea - mea t = dff = freedom = 87 Ho: degrees of Ha: dff Ha: dff < Ha: dff!= > PrT < t =.97 Pr T > t =.95 PrT > t =.993 * ereger først s lgg 6.3 med kalkulator Stata: dsplay sqrt45*86.446* * * / * ereger så TS med lgg 6.34: dsplay / *sqrt/46 + /
12 Test for om σ= σ teller - over brøkstreke Varas er alltd et postvt tall Forkast H om lk populasjosvaras Numerator teller, over brøkstreke v TS s ~ F s F,5,53 F,975 F,5 lgg 6.36 sde 9 ved 6 og se sde Krtsk verd Test av to adeler TS p p F-teste ved sammelgg av varas fra to utvalg: Fordelge for F-teste har ge egatve tall. De begyer på helt tl vestre fordelge og så øker de verd. Det betyr at det kke gr oe meg dee teste å ta absoluttverde. For e tohaletest vl det derfor være to krtske verder du må fe fram tl. I Fgur 6.4 er dsse krtske verdee merket med F,5 og F,975. Du forkaster H dersom TS > F,5 eller TS < F,975, dvs. du forkaster H dersom bereget testobservator TS er lagt ut e av halee det som blr kalt «rejecto rego» Fgure forkastgsområde. Krtsk verd for F,5 fer du på sde 59 boke. Krtsk verd vestre ede av fordelge fer du ved følgede formel: F,975 = /F,5. Krtsk verd vl være avhegg av hva som er varase utvalg over brøkstreke teller/umerator og hva som er varase utvalg uder brøkstreke ever/deumerator. Oppsummerg av kap 6 ~ N, Korrelasjo og uavhegghet Test for om to populasjosstørrelser er lke forvetgsverd og varas må estmeres med p : p p p Eksempel : To kommuer; 346 med p,3 og 37 med p,5 Neste kapttel: ØKONOMETRI p p 346,3 37,5, p p,3,5 TS,6,94, p
13 Stata Laste ed datafl fra MttU Edre mappe hvor flee skal lgge Stata Åpe e Log-fl Stata, med edelse «.log» Gjøre aalyse Stata vslutte log-fle Importere log-fle Word For de dele som gjelder Stata, bruk fot = «New Curer» og fotstørrelse = 9 Skrve rapporte 3
TMA4245 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)
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
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
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
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
DetaljerOversikt over tester i Econ 2130
HG Revdert aprl 2 Overskt over tester Eco 23 La θ være e ukjet parameter (populasjos-størrelse e statstsk modell. Uttrykket ukjet parameter betyr at de sae verde av θ populasjoe er ukjet. Når v setter
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.
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
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
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:
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,
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:
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
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
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
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
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
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
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
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
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 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 )
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
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....
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
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
DetaljerOversikt over tester i Econ 2130
1 HG Revdert aprl 217 Overskt over tester Eco 213 La være e ukjet parameter (populasjos-størrelse) e statstsk modell. Uttrykket ukjet parameter betyr at de sae verde av populasjoe er ukjet. Når v setter
DetaljerEcon 2130 uke 19 (HG) Inferens i enkel regresjon og diskrete modeller
Eco 3 uke 9 (HG) Iferes ekel regresjo og dskrete modeller De ekle regresjosmodelle. Resultater fra 5m og 5m for me fra EM på skøyter Heerevee 4. ( er 5m-tde og y 5m-tde sekuder for løper.) Spredgdagram
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
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)
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
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).
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
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.
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
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 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,
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)
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 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)
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
DetaljerOversikt 1. forelesning. ECON240 Statistikk og økonometri. Visuell/grafisk presentasjon av data. Datainnsamling; utdanning og inntekt
Overskt. forelesg ECON40 Statstkk og økoometr Arld Aakvk, professor Isttutt for økoom Hva er statstkk og økoometr? Hvorfor studerer v fagområdet? Statstkk Metoder, tekkker og verktøy tl å produsere lettfattelg
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
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
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
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
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
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).
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
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
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
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
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
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
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
DetaljerForelesning Z-, t-test, test for forventningsdifferanser
STAT Sttstkk Metoder ushu.l@ub.o Forelesg + 3 Z-, t-test, test for forvetgsdfferser. Sttstsk hypotesetestg ullhypotese): ypotese so først ttt å være st *Forålet ed e test er å udersøke o dtterlet gr grulg
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.
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
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
DetaljerTMA4240/4245 Statistikk Eksamen august 2016
Norges teknsk-naturvtenskapelge unverstet Insttutt for matematske fag TMA44/445 Statstkk Eksamen august 6 Løsnngssksse Oppgave a) Ved kast av to ternnger er det 36 mulge utfall: (, ),..., (6, 6). La Y
DetaljerMedisinsk statistikk, del II, vår 2008 KLMED Lineær regresjon, Rosner Regresjon?
Medssk statstkk, del II, vår 008 KLMED 8005 Erk Skogvoll Førsteamauess dr. med. Ehet for Avedt klsk forskg Det medsske fakultet Leær regresjo, Roser..6 Bakgru (.) Modell (.) Estmerg av parametre modelle
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.
DetaljerMedisinsk statistikk, del II, vår 2009 KLMED 8005
Medssk statstkk, del II, vår 009 KLMED 8005 Erk Skogvoll Førsteamauess dr. med. Ehet for Avedt klsk forskg Det medsske fakultet Leær regresjo, Roser..6 Bakgru (.) Modell (.) Estmerg av parametre modelle
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
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.
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
DetaljerØVINGER 2017 Løsninger til oppgaver
ØVINGER 017 Løsnnger tl oppgaver Øvng 1 7.1. Med utgangspunkt de n 5 observasjonsparene (x 1, y 1 ), (x, y ),..., (x 5, y 5 ) beregner v først mddelverdene x 1 5 Estmert kovarans blr x 3. ȳ 1 5 s XY 1
DetaljerUNIVERSITETET I OSLO
UNIVERSITETET I OSLO Det matematsk-naturvtenskapelge fakultet Eksamen : STK1000 Innførng anvendt statstkk Eksamensdag: Trsdag 12. desember 2017 Td for eksamen: 14.30 18.30 Oppgavesettet er på 5 sder Tllatte
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
DetaljerLØSNING, EKSAMEN I STATISTIKK, TMA4240, DESEMBER Anta at sann porøsitet er r. Måling med utstyret gir da X n(x; r, 0,03).
LØSNING, EKSAMEN I STATISTIKK, TMA440, DESEMBER 006 OPPGAVE 1 Ata at sa porøsitet er r. Målig med utstyret gir da X (x; r, 0,03). a) ( ) X r P(X > r) P 0,03 > 0 P(Z > 0) 0,5. ( X r P(X r > 0,05) P 0,03
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
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
DetaljerForelesning 2 MET3592 Økonometri ved David Kreiberg Vår 2011
Forelesg MET359 Økoomer ved Davd Kreberg Vår 0 Dverse oppgaver Oppgave. Aa følgede o varabler: gpa: (Grade Po Average) Gjeomsskaraker for amerkaske sudeer. gpa fes ervalle [0;4], hvor 0 er lavese gjeomsskaraker
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
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
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
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
DetaljerTMA4240 Statistikk Høst 2015
Høst 205 Norges tekisk-aturviteskapelige uiversitet Istitutt for matematiske fag Øvig ummer, blokk II Løsigsskisse Oppgave a) X bi(, p) fordi: Udersøker uavhegige delar av DNA-strukture. Fi for kvar del
DetaljerKapittel 1: Beskrivende statistikk
Kapttel : Bekrvede tattkk Defjoer: Populajo og utvalg Populajo: Alle mulge obervajoer v ka gjøre (,,, N ). Utvalg: Delmegde av populajoe (,,, der
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
DetaljerAppendiks 1: Organisering av Riksdagsdata i SPSS. Sannerstedt- og Sjölins data er klargjort for logitanalyse i SPSS filen på følgende måte:
Appendks 1: Organserng av Rksdagsdata SPSS Sannerstedt- og Sjölns data er klargjort for logtanalyse SPSS flen på følgende måte: Enhet År SKJEBNE BASIS ANTALL FARGE 1 1972 1 0 47 1 0 2 1972 1 0 47 1 0 67
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
DetaljerST0202 Statistikk for samfunnsvitere
ST0202 Statistikk for samfunnsvitere Bo Lindqvist Institutt for matematiske fag 2 Kap. 9: Inferens om én populasjon I Kapittel 8 brukte vi observatoren z = x µ σ/ n for å trekke konklusjoner om µ. Dette
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
DetaljerGråtonehistogrammer. Histogrammer. Hvordan endre kontrasten i et bilde?
INF 3 råtoe-trasforasjoer Hovedsakelg fra ka. 3.-3. DIP Hstograer Leære gråtoetrasforer Stadardserg av blder ed leær trasfor Ikke-leære, araetrske trasforer Hvorda edre kotraste et blde?? Neste uke: Hstograbaserte
DetaljerOppgave 1 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
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
DetaljerTors eminente Statistikk notater Revisjon 6
Tors emete Statstkk otater Revsjo 6 Tor Pederse V03 t.e.ederse@studmed.uo.o Kattel : Hvorda forstå og beskrve tall Setralmål Gjeomstt: x x Påvrkes stor grad av ekstreme verder Meda: Order observasjoee
DetaljerSTK desember 2007
Løsnngsfrslag tl eksamen STK0 5. desember 2007 Oppgave a V antar at slaktevektene tl kalkunene fra Vrgna er bserverte verder av stkastske varabler X, X 2, X, X 4 sm er uavhengge g Nµ, σ 2 -frdelte, g at
DetaljerAlternerende rekker og absolutt konvergens
Alternerende rekker og absolutt konvergens Forelest: 0. Sept, 2004 Sst forelesnng så v på rekker der alle termene var postve. Mange av de kraftgste metodene er utvklet for akkurat den typen rekker. I denne
DetaljerHØGSKOLEN I SØR-TRØNDELAG Avdeling for teknologi
HØGSKOLEN I SØR-TRØNDELAG Avdelig for tekologi Målform: Bokmål Eksamesdato: 5 jui 2015 Varighet/eksamestid: Emekode: 3 timer TALM1005 Emeav: Statistikk og Økoomi statistikkdele Klasser: Logistikk 1 Kjemi
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:
Detaljer) = P(Z > 0.555) = > ) = P(Z > 2.22) = 0.013
TMA4240 Statistikk Vår 2008 Norges tekisk-aturviteskapelige uiversitet Istitutt for matematiske fag Øvig ummer b5 Løsigsskisse Oppgave 1 a) X 1,...,X 16 er u.i.f. N(80,18 2 ). Setter Y = X. i) P(X 1 >
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
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
DetaljerDeskriptiv statistikk for sentrum og spredning i fordelingen. Gjennomsnitt og standardavvik. eller
Eksempel : tall dager i sykehus. Ikke-parametriske tester versus parametriske tester Stia Lyderse Presetert på Regioal forskigskoferase for psykiatri og rusfeltet Ålesud 4 jui 03 Behadlig : 6, 5, 37,,
Detaljer