TMA4240 Statistikk H2010

Like dokumenter
TMA4240 Statistikk H2010

Norske hoppdommere og Janne Ahonen

Estimering og hypotesetesting. Estimering og hypotesetesting. Estimering og hypotesetesting. Kapittel 10. Ett- og toutvalgs hypotesetesting

ÅMA110 Sannsynlighetsregning med statistikk, våren Estimering. Målemodellen. Konfidensintervall, innledning. Kp. 5 Estimering.

H 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

Kapittel 8: Estimering

Oppgaver fra boka: X 2 X n 1

) = P(Z > 0.555) = > ) = P(Z > 2.22) = 0.013

Løsningsforslag ST2301 øving 3

KLMED8004 Medisinsk statistikk. Del I, høst Estimering. Tidligere sett på. Eksempel hypertensjon

Repetisjon; 9.1, 9.2, 9.3, 9.4, 9.5, og Repetisjon; 9.1, 9.2, 9.3, 9.4, 9.5, og 9.10

MOT310 Statistiske metoder 1, høsten 2011

TMA4240 Statistikk Høst 2009

TMA4240/4245 Statistikk 11. august 2012

Kap. 9: Inferens om én populasjon. Egenskaper ved t-fordelingen. ST0202 Statistikk for samfunnsvitere. I Kapittel 8 brukte vi observatoren

X = 1 5. X i, i=1. som vil være normalfordelt med forventningsverdi E( X) = µ og varians Var( X) = σ 2 /5. En rimelig estimator for variansen er

ÅMA110 Sannsynlighetsregning med statistikk, våren Estimering. Målemodellen. Sannsynlighetsregning med statistikk. Kp. 5 Estimering.

Estimering 1 -Punktestimering

Kap. 9: Inferens om én populasjon

TMA4240 Statistikk Høst 2016

Estimering 1 -Punktestimering

Introduksjon. Hypotesetesting / inferens (kap 3) Populasjon og utvalg. Populasjon og utvalg. Populasjonsvarians

Kap. 9: Inferens om én populasjon

Oppgave 1. (i) Hva er sannsynligheten for at det øverste kortet i bunken er et JA-kort?

Estimering og hypotesetesting. Estimering og hypotesetesting. Estimering og hypotesetesting. Kapittel 10. Ett- og toutvalgs hypotesetesting

TMA4240 Statistikk Høst 2015

LØSNING, EKSAMEN I STATISTIKK, TMA4240, DESEMBER Anta at sann porøsitet er r. Måling med utstyret gir da X n(x; r, 0,03).

LØSNINGSFORSLAG TIL EKSAMEN I FAG TMA4240 STATISTIKK 5.august 2004

HØGSKOLEN I SØR-TRØNDELAG Avdeling for teknologi

211.7% 2.2% 53.0% 160.5% 30.8% 46.8% 17.2% 11.3% 38.7% 0.8%

HØGSKOLEN I SØR-TRØNDELAG Avdeling for teknologi

TMA4240 Statistikk Eksamen desember 2015

Oppgave 1 Hardheten til en bestemt legering er undersøkt med åtte målinger og resultatene ble (i kg/mm 2 ) som i tabellen til høyre.

TMA4240 Statistikk Høst 2016

5 y y! e 5 = = y=0 P (Y < 5) = P (Y 4) = 0.44,

LØSNINGSFORSLAG TIL EKSAMEN I FAG TMA4245 STATISTIKK 6.august 2004

Løsningsforslag Oppgave 1

Emnenavn: Eksamenstid: 4 timer. Faglærer: Hans Kristian Bekkevard

Kort repetisjon fra kapittel 4. Oppsummering kapittel ST0202 Statistikk for samfunnsvitere. Betinget sannsynlighet og trediagram

TMA4245 Statistikk Eksamen mai 2017

Emnenavn: Metode 1, statistikk deleksamen. Eksamenstid: 4 timer. Faglærer: Bjørnar Karlsen Kivedal

Mer om utvalgsundersøkelser

Statistikk og økonomi, våren 2017

Oppgave 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 =

Forventningsverdi. MAT0100V Sannsynlighetsregning og kombinatorikk

ÅMA110 Sannsynlighetsregning med statistikk, våren 2006

ECON240 Statistikk og økonometri

TALLSVAR. Det anbefales at de 9 deloppgavene merket med A, B, teller likt uansett variasjon i vanskelighetsgrad. Svarene er gitt i << >>.

ÅMA110 Sannsynlighetsregning med statistikk, våren 2007

Oppgaver fra boka: Med lik men ukjent varians antatt har vi fra pensum at. t n1 +n 2 2 under H 0 (12 1) (12 1)

Hypotesetesting, del 4

Løsningsforsalg til første sett med obligatoriske oppgaver i STK1110 høsten 2018

Løsningsforslag ST1101/ST6101 kontinuasjonseksamen 2018

ÅMA110 Sannsynlighetsregning med statistikk, våren 2008 Kp. 6, del 5

ÅMA110 Sannsynlighetsregning med statistikk, våren Kp. 5 Estimering. Målemodellen.

TMA4245 Statistikk Eksamen august 2015

ÅMA110 Sannsynlighetsregning med statistikk, våren 2007 Kp. 6, del 2

2. Hypotesetesting i ulike sitausjoner: i. for forventingen, μ, i målemodellen med normalantakelse og kjent varians, σ 2.

Estimering 2. -Konfidensintervall

ÅMA110 Sannsynlighetsregning med statistikk, våren 2010 Kp. 6, del 4

Modeller og parametre. STK Punktestimering - Kap 7. Eksempel støtfangere. Statistisk inferens. Binomisk fordeling. p X (x) = p x (1 p) n x

TMA4240 Statistikk H2010 (22)

STK1100 våren 2017 Estimering

Oppgaven består av 9 delspørsmål, A,B,C,., som anbefales å veie like mye, Kommentarer og tallsvar er skrevet inn mellom <<.. >>.

Oversikt over konfidensintervall i Econ 2130

TMA4245 Statistikk Eksamen 9. desember 2013

Konfidensintervall. Notat til STK1110. Ørnulf Borgan, Ingrid K. Glad og Anders Rygh Swensen Matematisk institutt, Universitetet i Oslo.

MOT310 Statistiske metoder 1, høsten 2012

EKSAMEN. Oppgavesettet består av 5 oppgaver, hvor vekten til hver oppgave er angitt i prosent i oppgaveteksten. Alle oppgavene skal besvares.

Econ 2130 uke 15 (HG) Poissonfordelingen og innføring i estimering

LØSNINGSFORSLAG TILEKSAMEN I FAG TMA4240/TMA4245 STATISTIKK 10. august 2005

Econ 2130 Forelesning uke 11 (HG)

Løsningsforsalg til første sett med obligatoriske oppgaver i STK1110 høsten 2015

ÅMA110 Sannsynlighetsregning med statistikk, våren 2007 Kp. 6, del 5. Hypotesetesting, del 5

EKSAMENSOPPGAVE. Mat-1060 Beregningsorientert programmering og statistikk

0.5 (6x 6x2 ) dx = [3x 2 2x 3 ] 0.9. n n. = n. ln x i + (β 1) i=1. n i=1

Oversikt over konfidensintervall i Econ 2130

ÅMA110 Sannsynlighetsregning med statistikk, våren 2008 Kp. 6, del 5

ÅMA110 Sannsynlighetsregning med statistikk, våren 2006 Kp. 6, del 5

ST1201 Statistiske metoder

TMA4240 Statistikk H2010

Lineær regresjonsanalyse (13.4)

n 2 +1) hvis n er et partall.

UNIVERSITETET I OSLO ØKONOMISK INSTITUTT

HØGSKOLEN I SØR-TRØNDELAG Avdeling for teknologi

8 (inkludert forsiden og formelsamling) Tegne- og skrivesaker, kalkulator, formelsamling (se vedlagt).

TMA4240 Statistikk Høst 2016

TMA4240 Statistikk 2014

Rep.: generelle begrep og definisjoner Kp. 10.1, 10.2 og 10.3

ÅMA110 Sannsynlighetsregning med statistikk, våren Kontinuerlige tilfeldige variable, intro. Kontinuerlige tilfeldige variable, intro.

Løsningsforslag til eksamen i STK desember 2010

Kapittel 7: Noen viktige sannsynlighetsfordelinger

ÅMA110 Sannsynlighetsregning med statistikk, våren 2007 Kp. 6, del 4. Hypotesetesting, del 4

Oversikt over konfidensintervall i Econ 2130

Introduksjon. Hypotesetesting / inferens (kap 3) Populasjon og utvalg. Populasjon og utvalg. Populasjonsvarians

ÅMA110 Sannsynlighetsregning med statistikk, våren Kontinuerlige tilfeldige variable, intro. Kontinuerlige tilfeldige variable, intro.

Kapittel 7: Noen viktige sannsynlighetsfordelinger

«Uncertainty of the Uncertainty» Del 4 av 6

Sammendrag i statistikk

TMA4245 Statistikk Eksamen 21. mai 2013

Transkript:

TMA440 Statistikk H00 9.8: To uvalg (siste del) 9.9: Parvise observasjoer 9.0-9.: Adelser 9.: Varias Mette Lagaas Foreleses oag 0.oktober, 00 Norske hoppdommere og Jae Ahoe Jae Ahoe er e fisk skihopper, som har vuet hoppuka 5 gager. Ha la opp i 008, me gjorde et come-back for OL i 00. Åge Aleksaderse har laget sag om smilet til Ahoe. Me, før OL i 006 i Torio - så gikk treere til Jae Ahoe ut i presse og mete at orske hoppdommere kosekvet gir Jae Ahoe lavere stilkarakterer e adre dommere. Norsk Regesetral kikket på tallee fra sesogee 004-006 (t.o.m. OL) og fat at de var eig med Ahoes treer. Vi ser på tall fra 36 hoppre, gjeomsittlig karakter til Ahoe fra orske dommere og fra iterasjoale dommere (ikke orske og fiske) Hvorda skal vi rege på dette? 3 To utvalg: estimatorer (REPETISJON) A, X A,..., X A er et tilfeldig utvalg fra e populasjo som beskrives av e ormalfordelig med forvetig µa og varias σ A. B, X B,..., X B er et tilfeldig utvalg fra e populasjo som beskrives av e ormalfordelig med forvetig µb og varias σ B. Estimator for µa µb: ˆµA ˆµB = X A X B = A i= X A i B j= X B j (ituitiv og SME). A X B er ormalfordelt med E(X A X B) = µa µb Var(X A X B) = σ A + σ B 4 To uavhegige utvalg: kofidesitervall ( α)00% kofidesitervall for µa µb : år σ A og σ B er kjet: [(x A x B) ± z α σ A + σ B år σ A = σ B = σ, me ukjete:,( A+ )sp + år σ A og σ B er ukjete (ikke like): der,ν s A + s B (s A ν = / A + s B / B) [(s A / A) /( A ) + [(s B / B) /( B )

5 Ahoe: to uavhegige utvalg A, X A,..., X A er et tilfeldig utvalg fra e populasjo av stilkarakterer til Ahoe fra orske dommere. Atar ormalfordelt med forvetig µa og varias σ A = σ. B, X B,..., X B er et tilfeldig utvalg fra e populasjo av stilkarakterer til Ahoe fra iterasjoale dommere (ikke orske og fiske). Atar ormalfordelt med forvetig µb og varias σ B = σ. Atar A-utvalget er uavhegig av B-utvalget! Lik, me ukjet varias: Estimator S p. Kofidesitervall,( A+ )sp + 6 To utvalg: σ A = σ B, me ukjete Defier: S A = i= (X A i X A) og S B = (X j B X B) j= Hvis vi vet at σ A = σ B = σ så ka vi lage e estimator S p (pooled) basert på summe av kvadratavvikee i de to utvalgee: S p = + [ (X i A X A) + (X j B X B) i= j= = ( A )S A + ( B )S B + der X A = A i= X A i og X B = B j= X B j. Ahoe-data fra 36 re Ahoe-data som differaser fra 36 re

9 Kofidesitervall for µa µb for parvise observasjoer Hvis d og er gjeomsittet og stadardavviket til ormalfordelte differaser av par av tilfeldige observasjoer, så er et (-α)00% kofidesitervall for µd = µa µb d t α,( ) < µd < d + t α,( ) hvor t α,( ) er verdie i t-fordelige med frihetsgrader som har areal α til høyre, dvs. P(T > t α,( ) ) = α. Ser at dette er i tråd med ett utvalg, kofidesitervall for µ: x t α,( ) s < µ < x + t α,( ) s 0 Kofidesitervall for µa µb for parvise observasjoer Hvis d og er gjeomsittet og stadardavviket til ormalfordelte differaser av par av tilfeldige observasjoer, så er et (-α)00% kofidesitervall for µd = µa µb d t α,( ) < µd < d + t α,( ) hvor t α,( ) er verdie i t-fordelige med frihetsgrader som har areal α til høyre, dvs. P(T > t α,( ) ) = α. Ser at dette er i tråd med ett utvalg, kofidesitervall for µ: x t α,( ) s < µ < x + t α,( ) s 9.: Kofidesitervall for varias La X, X,..., X være et tilfeldig utvalg fra e populasjo som beskrives av e ormalfordelig med forvetig µ og varias σ. S = i= (X i X) er e estimator for σ (forvetigsrett, me ikke SME). Størrelse V = ( )S σ er kjikvadrat-fordelt med frihetsgrader. 9.: Kofidesitervall for varias Et ( α)00% kofidesitervall for σ er ( )S χ α,( ) < σ < ( )S χ α,( ) hvor χ α,( ) er verdie i kjikvadrat-fordelige med frihetsgrader som har areal α til høyre, dvs. P(V > χ α,( )) = α, og χ α,( ) er verdie i kjikvadrat-fordelige med frihetsgrader som har areal α til vestre, dvs. P(V < χ α,( )) = α.

3 Studeter og bilkjørig Følgede tabell er tatt fra TMA440 spørreudersøkelse i 00. Her agir atall studeter i utvalget som hadde sertifikat, og x atall studeter som svarte at de er bedre e gjeomsittet av Norges befolkig til å kjøre bil. Talle i paretes er fra 006. 35 (37) (9) 0.0 (0.4) 56 (39) 8 (59) 0.3 (0.4) x x Me (0) 6 (50) 0.46 (0.49) Kvier Alle a) Fi puktestimat og 99% kofidesitervall for adele av studeter som syes sie kjøreegeskaper er bedre e gjeomsittet. b) Fi puktestimat og 99% kofidesitervall for differese mellom adele av malige studeter og kvilige studeter som syes sie kjøreegeskaper er bedre e gjeomsittet. 4 Estimerig av adel: ett utvalg er atall suksesser i et biomisk forsøk med parametere atallet og adele p. Vi vil estimere p. ( er kjet.) Estimator ˆp = X (ituitiv og SME). E(ˆp) = p og Var(ˆp) = p( p). Tilærmet ( α)00% kofidesitervall for p (ormaltilærmig): [ˆp ± z α ˆp( ˆp) 5 Estimerig av adel: to utvalg A er atall suksesser i et biomisk forsøk med parametere atallet og adele pa. B er atall suksesser i et biomisk forsøk med parametere atallet og adele pb. Vi vil estimere pa pb. Estimator ˆpA ˆpB = X A X B. E(ˆpA ˆpB) = pa pb og Var(ˆpA ˆpB) = p A( pa) + p B( pb). Tilærmet ( α)00% kofidesitervall for pa pb (ormaltilærmig): [(ˆpA ˆpB) ± z α ˆpA( ˆpA) + ˆp B( ˆpB)

Forsikrigsselskapee sluttet i 006 med å føre detaljert statistikk over kvier og mes skaderisiko i bil. Da ble det forbudt å gi kvier og me forskjellig priser på si bilforsikrig.