Løsningskisse seminaroppgaver uke 17 ( april)

Like dokumenter
Regler om normalfordelingen

Oversikt over tester i Econ 2130

Regler om normalfordelingen

Oversikt over tester i Econ 2130

Regler om normalfordelingen

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

som vi ønsker å si noe om basert på data Eksempel. Uid-modellen: X1, X ,,,

Om enkel lineær regresjon II

Om enkel lineær regresjon II

Om enkel lineær regresjon II

Econ 2130 uke 19 (HG) Inferens i enkel regresjon og diskrete modeller

TMA4245 Statistikk Eksamen mai 2016

TMA4245 Statistikk Eksamen august 2014

Forelesning Enveis ANOVA

Løsningsforslag (ST1201/ST , kontinuasjonseksamen) ln L. X i = 2n.

Econ 2130 uke 15 (HG)

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

Eksempel 1 - Er gjennomsnittshøyden for kvinner i Norge økende?

Oversikt over konfidensintervall i Econ 2130

Løsningsforslag Eksamen i Statistikk Nov 2001 Oppgave 1 a) Det fins 8 mulige kombinasjoner. Disse finnes ved å utelate ett og ett tall.

Statistikk med anvendelse i økonomi

1. Konfidens intervall for

Oppgave 1 Det er oppgitt i oppgaveteksten at estimatoren er forventningsrett, så vi vet allerede at E(ˆµ) = µ. Variansen til ˆµ er 2 2 ( )

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

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

TMA4245 Statistikk Eksamen 21. mai 2013

ÅMA110 Sannsynlighetsregning med statistikk, våren 2007

Seminaroppgaver for uke 13

OBLIGATORISK OPPGAVE 1 INF 3340/4340/9340 HØSTEN 2005

Forelesning 21 og 22 Goodness of fit test and contingency table ( 2 test og krysstabell)

STK1100 våren Konfidensintevaller

Avdeling for estetiske fag, folkekultur og lærerutdanning BOKMÅL 29. mai 2007

Seminaroppgaver for uke 13 (Oppgave (1), (2), og (3))

Avdeling for estetiske fag, folkekultur og lærerutdanning BOKMÅL

Formler og regler i statistikk ifølge lærebok Gunnar Løvås: Statistikk for universiteter og høgskoler

Oversikt over tester i Econ 2130

TMA4240 Statistikk Høst 2016

Det ble orientert i plenum under eksamensdagen om følgende endringer i forhold til oppgaven:

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

Forelesning Ordnings observatorer

Mer om Hypotesetesting (kap 5) Student t-fordelingen. Eksamen. Fordelingene blir like ved stor n:

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

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

EKSAMEN løsningsforslag

Forelesning 25 og 26 Introduksjon til Bayesiansk statistikk

(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) ).

STK1100 våren Estimering. Politisk meningsmåling. Svarer til sidene i læreboka. The German tank problem. Måling av lungefunksjon

UNIVERSITETET I OSLO ØKONOMISK INSTITUTT. Innleveringssted: Ekspedisjonen i 12. etasje (mellom ) OG Fronter (innen klokken 15).

Forelesning 19 og 20 Regresjon og korrelasjons (II)

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

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

Notat 1: Grunnleggende statistikk og introduksjon til økonometri

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

Forelesning Z-, t-test, test for forventningsdifferanser

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

Forelesning Punktestimering

Oppgave 1 ECON 2130 EKSAMEN 2011 VÅR

Forelesning 3 MET3592 Økonometri ved David Kreiberg Vår 2011

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

TMA4245 Statistikk Eksamen mai 2017

STK1110 høsten Lineær regresjon. Svarer til avsnittene i læreboka (med unntak av stoffet om logistisk regresjon)

Kap. 9: Inferens om én populasjon

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

Econ 2130 Forelesning uke 11 (HG)

Høgskolen i Telemark Avdeling for estetiske fag, folkekultur og lærerutdanning BOKMÅL 12. desember 2008

Løsningskisse for oppgaver til uke 15 ( april)

Oversikt 1. forelesning. ECON240 Statistikk og økonometri. Visuell/grafisk presentasjon av data. Datainnsamling; utdanning og inntekt

Mer om utvalgsundersøkelser

Oppgaven består av 9 delspørsmål som anbefales å veie like mye, Kommentarer og tallsvar er skrevet inn mellom <<, >>, Oppgave 1

Econ 2130 uke 13 (HG)

Analyse av sammenhenger

Statistikk og økonomi, våren 2017

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

UNIVERSITETET I OSLO ØKONOMISK INSTITUTT

Positive rekker. Forelest: 3. Sept, 2004

Estimering 1 -Punktestimering

Løsning TALM1005 (statistikkdel) juni 2017

Illustrasjon av regel 5.19 om sentralgrenseteoremet og litt om heltallskorreksjon (som i eksempel 5.18).

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

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

betegne begivenheten at det trekkes et billedkort i trekning j (for j=1,2,3), og komplementet til

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

Kap. 9: Inferens om én populasjon

Løsningsforslag ST2301 øving 3

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

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

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

UNIVERSITETET I OSLO ØKONOMISK INSTITUTT

LØSNINGSFORSLAG TIL EKSAMEN I FAG TMA4245 STATISTIKK 6.august 2004

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

Estimering 1 -Punktestimering

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

(iii) Når 5 er blitt trukket ut, er det tre igjen som kan blir trukket ut til den siste plassen, altså:

ARBEIDSNOTAT ARBEIDSNOTAT

ÅMA110 Sannsynlighetsregning med statistikk, våren 2010 Kp. 6, del 5

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

ECON240 Statistikk og økonometri

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

TMA4240 Statistikk Høst 2015

Transkript:

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 er 9. Utvalget atas å være et ret tlfeldg utvalg trukket fra populasjoe. I så fall er X egetlg hypergeometrsk fordelt, me sde populasjoe er stor, ka v ute vesetlg tap av realsme ata e bomsk modell for X: Modell: X ~ b(, p) b(9;.15) V skal fe P(115 X 15). Betgelsee regel 5. er opplagt oppfylt, og v ka utytte at X er tlærmet ormalfordelt: tlærmet ~ ( ), var( ), (1 ) 135; 1.7114 X N E X X N p p p N Sde X bare ka ata hele verder, er begvehete ( X 115) ekvvalet med ( X 114), og v får (ved hjelp av G( z) P( Z z) der Z ~ N (,1) ): P(115 X 15) P(114 X 15) P( X 15) P( X 114) tabell E.3 (D.3) 15 135 114 135 G G G(1.4) G( 1.96).919.5 1.7114 1.7114.894 Oppg. 6. (6.18 utg. ) X er % fett kjøttprøve. Modell: X, X,, X, der 9, er ud og ormalfordelte, X ~ N(, ). 1 3 atas kjet, mes er ukjet.

Skal teste H: 14 mot H1: 14. Valgt sgfkasvå.5. Testobservator: X X 14 Z X 14, som er N(,1) hvs (og bare hvs) de sae er lk 14. 9 3 9 Hvs 14, vl Z ha tedes tl å få større verder e det som er valg N(,1)- fordelge. Skal derfor (åpebart) forkaste H hvs Z blr tlstrekkelg stor, dvs. hvs Z k, der k er e krtsk verd som bestemmes av lgge P (forkast H ) P ( Z k) k z 1.645 14 14.5 sde Z ~ N(,1) hvs =14. Testkrterum for e test med vå 5%: Forkast H hvs X 14 1.645 - dvs. hvs X 15.645 Data gr Xobs 15.444. Koklusjo: Ikke forkast H - (dvs., det er kke sterk ok evdes data for å hevde at 14 ). Styrkefuksjoe: ( ) P (forkast H) P ( X z.5 14) P ( X 15.465) For vlkårlg er 3 X ~ N, N(,1) X ~ N(,1) uasett. 9 kotuerlg fordelg ( ) P ( X 15.645) P( X 15.645 ) 1 G(15.645 ) Med NORM.DIST fuksjoe Excel fat jeg: 15.645 - ( ) 13.645.41 14 1.645.5 15.645.595 16 -.355.6387 17-1.355.913

3 Oppg. 6.1 (6.19 utg. ) X er støyvå for rockekosert. Modell: X, X,, X, der 9, er ud og ormalfordelte, X ~ N(, ). 1 Både og er ukjete. Skal teste H: 1 mot H1: 1. Valgt sgfkasvå.5. (Oppgave atyder kke oe vå så da velger v selv.) La 1 1 X X og S ( X X ) 1 1 1 X Teore ser at W ~ t( 1) fordelt, uasett hva og er. S X 1 Testobservator: T ~ t ( 1) hvs (og bare hvs) de sae er lk 1. S 1 Sde T W, ser v at, hvs 1, så har T tedes tl å få store verder S forhold tl det som er valg t ( 1) fordelge. E -vå test blr dermed å forkaste H hvs T ( -kvatle t ( 1)-fordelge) t (De krtske verde t er løsge av lgge P 1 (forkast H ) P 1 ( T k) mhp. k.) Krtsk verd:.5 og 1 8 t.5 1.86 E 5% test: Forkast H hvst 1.86. Observert: Data gr (med Excel): X obs 1 X obs 13.78, Sobs.9486 og Tobs = =3.85 S 9 obs Koklusjo: Forkast H. (Det er sterk (vå 5%) evdes data for å hevde 1.)

4 Oppg. 1 fra utsatt eksame 13v. (Tatt fra sesorveledge.) Oppgave 1 Tabell 1 vser atall talegebesøk løpet av et år for et utvalg av persoer. Tabelle vser for eksempel at 444 persoer kke hadde oe besøk hos talege mes 67 hadde mer e 4 besøk. Utvalget besto av 118 persoer alt. (Tallee stammer fra e udersøkelse fra Nederlad fra 1988.) Tabell 1 Atall besøk Atall persoer ett år 444 1 1719 3337 3 461 4 19 > 4 67 Sum 118 A. Sksser et hstogram for fordelge av atall talegebesøk basert på tallee tabell 1. For ekelthets skyld ka du ata at de 67 persoee som hadde mer e 4 besøk, fordelte seg jevt på 5, 6 og 7 besøk, dvs. med lke mage på hver. Svar: Frekvestabelle blr Atall besøk ett år Atall persoer Relatv frekves 444.4 1 1719.17 3337.33 3 461.5 4 19. 5 89.1 6 89.1 7 89.1 Sum 118 Hstogram =. >>

5 B. La X betege atall talegebesøk løpet av et år for e tlfeldg valgt perso. Ata at sasylghetsfordelge for X er gtt ved f( x ) tabell. (Merk at tallee tabell kke ødvedgvs er de samme som hstogrammet pukt A.) Tabell x 1 3 4 5 6 7 f( x ).4.15.35.5..1.1.1 Bereg sasylghetee ) PX ( 4) ) PX ( 4) ) P( X ) ( X 4) v) P( X 4) ( X 4) ) PX ( 4). ) PX ( 4).5 ) v) P ( X ) ( X 4) P( X ) P( X 4).58 P ( X 4) ( X 4) P( X 4) P( X 4).4 >> C. Bereg forvetge og varase tl X. E( X ) xf ( x) 1.6 >> ( ) x f ( x) 3.4 x E X x var( X ) 3.4 (1.6) 1.834 D. Ata at atall talegebesøk året, X, for e tlfeldg perso har forvetg 1.6 og stadardavvk 1.35. Tek deg at v observerer X for et tlfeldg utvalg på 1 persoer. Hva er sasylghete, tlærmet, for at gjeomsttet av dsse observasjoee skal falle mellom 1.5 og 1.7?

6 Regel 5.18 (setralgreseteoremet) medfører at X er tlærmet ~ 1.35 X 1.6 N 1.6, N(1.6,.135) Z ~ N(,1) 1.135 Hvorav >>.1.1 P(1.5 X 1.7) P Z P(.74 Z.74).135.135 1 PZ (.74) 1 (.96).548 E. La X og Y betege atall talegebesøk løpet av et år for to tlfeldg valgte persoer. Ata at begge følger fordelge tabell. Sde populasjoe er stor ka v ata at X og Y er stokastsk uavhegge. F sasylghetee ) P( X ) ( Y ) ) P( X Y) Ht: Begvehete ( X Y) ka skje ved at både X og Y blr lk eller ved at begge blr lk 1 eller ved at begge blr lk eller osv. ) X og Y uavhegge og detsk fordelte mplserer Dermed P( X ) P( Y ) og P ( X ) ( Y ) P( X ) P( Y ) P( X ) ( ) ( ) ( ) ( ) ( ) ( ) P X P X Y P X P Y P X Y P( X ) ( ) (.55) (.55).7975 ) P( X j) ( Y j) P( X j) P( Y j) P( X j) medfører >> 7 7 ( ) ( ) ( ) ( ).38 P X Y P X j Y j f j j j