BIOSTATISTISK GRUNDKURS, MASB11 ÖVNING 6 ( ) OCH INFÖR ÖVNING 7 ( )
|
|
- Sara Bengtsson
- för 8 år sedan
- Visningar:
Transkript
1 LUNDS UNIVERSITET, MATEMATIKCENTRUM, MATEMATISK STATISTIK BIOSTATISTISK GRUNDKURS, MASB11 ÖVNING 6 ( ) OCH INFÖR ÖVNING 7 ( ) Aktuella avsnitt i boken: Kap Lektionens mål: Du ska förstå begreppet skattning av en parameter, kunna redogöra för vilka egenskaper en bra skattning bör ha, förstå begreppet konfidensintervall för en parameter, kunna beräkna tvåsidiga och ensidiga konfidensintervall för μ i en normalfördelning, både i fallen känt eller okäntσ 1 Studera figur 61 och gör er bekanta med beteckningarna i tabell 61 Det är viktigt att ni har helt klart för er skillnaden mellan storheter i populationen och storheter i stickprovet, tex skillnaden mellan populationsmedelvärdet (väntevärdet)μoch stickprovsmedelvärdet x 2 Det första steget när man vill dra slutsatser från data är ofta att man vill uppskatta värdet på en okänd populationsparameter tex ett okänt populationsmedelvärde μ Då använder man observationer i stickprovet, x 1,,x n, och bildar en estimator (ibland säger man skattning) tex är medelvärdet x är en bra estimator avμ För att skatta populationsvariansenσ 2 används oftast stickprovsvariansen s 2, gå tillbaka till s om ni har glömt hur s 2 beräknades Gör uppgift 162(a) i studiematerialet och utnyttja de färdiga rutiner för beräkning av x och s som finns på de flesta miniräknare 3 Det är viktigt att inse att värdet på estimatorn tex ˆμ = x ändrar sig från stickprov till stickprov och alltså själv kan betraktas som en slumpvariabel Då kan vi, genom att använda resultat från sannolikhetsteorin, göra beräkningar på hur estimatorn kommer att variera och vad som är troliga resultat på estimatorn Gör uppgift 162(b)-(c); kommentar: medelfelet d(μ ) betecknas i boken som standard error of mean 4 En bra estimator ska vara väntevärdesriktig (unbiased) dvs i genomsnitt verkligen skatta rätt sak Den ska dessutom variera så lite som möjligt, dvs vi eftersträvar att variansen för estimatorn ska vara låg Studera figur 62 på s 129 i boken vilken estimator är bäst? Gör uppgift 164(a)-(b) Om du hinner gör du även (c)-uppgiften och fundera gärna på hur konstanterna c 1 och c 2 bör väljas 5 Oftast är man inte nöjd med att bara ange en estimator för en okänd populationsparameter I stället vill man hitta gränser där man, med viss säkerhet, kan stänga in parametern man gör ett konfidensintervall I dag ska vi koncentrera oss på att göra konfidensintervall för μ i en normalfördelning Studera hur intervallet ser ut då standardavvikelsenσantas vara känd på s Gör uppgift 175 i studiematerialet 6 Läs om tolkning av konfidensintervall på s 135 figuren på s 136 är bra att ha som minnesbild när man tänker på begreppet konfidensintervall Gör uppgiften Dig1 i bifogade blad samt uppgift 181 i studiematerialet Fortsätter på nästa sida! VÄND!
2 Biostatistisk grundkurs, VT-15, VT2 2 7 På s 133 anges hur konfidensintervall förμska bildas dåσär okänd i intervallet bytsσut mot estimatorn ˆσ = s samtidigt som kvantilen i normalfördelningen, z 1 α/2 byts mot t-fördelningens kvantil t 1 α/2,n 1 Gör uppgifterna 179 och 180 i studiematerialet samt Dig6 8 Ibland vill man ha intervall som bara är begränsade åt ett håll läs om ensidiga konfidensintervall på s 134 Gör uppgift 184 i stuiematerialet samt Dig9 Om du vill träna mer på detta avsnitt eller när du repeterar är följande uppgifter lämpliga att titta på: 176, 197, 198, 201 samt övriga Dig-uppgifter i bifogade blad Inför övning 7 ( ): Aktuella avsnitt i boken är A B C D Teoriavsnittet om hypotestest finns också presenterat med ett antal inspelningar som du kan hitta via kurshemsidan Börja med att se filmen Hypotestest I med frågan Ska vi döma Kalle för rattfylleri? Avsnitt 66 är i särklass viktigast inför nästa lektion Läs det noga speciellt exempel 613 och avsnitt 661 där alla viktiga begrepp inom hypotesprövning introduceras Styrkan hos ett test (avsnitt 67) är visserligen viktigt men kan med fördel läsas mer kursivt vid en första genomläsning vi återkommer till detta senare Avsnitt 69 behandlar hur man gör intervall och hypotestest kringσ 2 i en normalfördelning Läs mer översiktligt, vi kommer att stöta på metoderna vid datorlaborationerna DIGITALA UPPGIFTER, konfidensintervall förμ 1 Väntetiden (min) i ett sjukhus akutrum en tisdag förmiddag anses vara normalfördelat med väntevärde μ Baserat på 25 oberoende väntetider beräknas ett 95 % konfidensintervall förμ, I μ = (23, 55) Avgör om följande påståenden är falska eller sanna: (a) Sannolikheten är 095 att en patients väntetid ligger i intervallet (b) Intervallet ger oss en uppfattning om hur stor den förväntade väntetiden är (c) 95 % av alla patienter har en väntetid som ligger i intervallet (d) Medelvärdet av de 25 väntetiderna var 39 minuter (e) Det är inte speciellt troligt att påståendet Patienterna får i genomsnitt vänta 20 minuter är korrekt 2 Avståndsmätningar med ett instrument är normalfördelade med väntevärdeμ Baserat på 7 mätningar beräknas ett 95 % konfidensintervall förμ, I μ = (25, 27) Avgör om följande påståenden är falska eller sanna: (a) Intervallets bredd påverkas av variationen hos mätningarna (b) Om du ökar konfidensgraden till 099 blir intervallet smalare (c) Ett 95 % ensidigt, nedåt begränsat, intervall förμär (25, ) (d) Om du ökar antalet observationer till 10 kommer intervallet att bli smalare
3 Biostatistisk grundkurs, VT-15, VT2 3 (e) Det är inte så troligt attμär 29 (f) Om man vill halvera intervallets bredd måste man ta ungefär 4 gånger så många mätningar 3 Ett 99 % konfidensintervall förμien normalfördelning beräknades och man fick I μ = (45, 75) Vad är x, medelvärdet av mätningarna? 4 Med hjälp av n observationer vill man beräkna ett tvåsidigt 95 % konfidensintervall förμien normalfördelning därσanses vara känd Intervallet ska byggas upp enligt principen I μ = (A±kvantil B) Två av följande påståenden är felaktiga, vilka? (a) A är medelvärdet av mätningarna (b) A är en väntevärdesriktig skattning avμ (c) kvantilen ärλ 0025 (d) kvantilen är t 0025 (n 1) (e) B är medelfelet avμ (f) B är σ n (g) B är s n 5 Med hjälp av n observationer vill man beräkna ett tvåsidigt 95 % konfidensintervall förμien normalfördelning därσär känd Intervallet ska byggas upp enligt principen I μ = (A±kvantil B) Två av följande påståenden är felaktiga, vilka? (a) A är medelvärdet av mätningarna (b) A är en väntevärdesriktig skattning avμ (c) kvantilen ärλ 0025 (d) kvantilen är t 0025 (n 1) (e) B är medelfelet avμ (f) B är σ n (g) B är s n 6 Mätningar av kopparhalten i trä anses vara normalfördelade Man ville ha information om μ, den verkliga halten av koppar i träbiten Baserat på 9 mätningar beräknas x = 35, s = 07 och det s 95 % intervallet ( x ± t 0025 (9 1) 9 ) = (35 ± ) = (296, 404) Sedan insåg man att mätinstrumentet hade ett systematiskt fel påδ = 01 enheter Para ihop nedanstående storheter med rätt numeriska värden 1 Konfidensintervall för μ + Δ 2 Konfidensintervall förμ 3 Skattad standardavvikelse för mätningar utan systematiskt fel 4 Skattning av μ + Δ 5 Skattning avμ Numeriska värden: (a) 35 (b) (296, 404)
4 Biostatistisk grundkurs, VT-15, VT2 4 (c) 34 (d) 07 (e) (286, 394) 7 Ett konfidensintervall för μ, avståndet i meter mellan två punkter är beräknat till (027, 034) Man ville uttrycka konfidensintervallet i mm i stället, ange detta intervalls (a) undre gräns (b) övre gräns (c) Vilket av alternativen nedan uttrycker vad det nya intervallet ett konfidensintervall för? i 1000 μ ii 0001 μ iii μ På en rivningsarbetsplats gjordes 5 mätningar av mängden asbestfibrer (fibrer/cm 3 ) som är tunnare än tre mikrometer i diameter Från mätningarna fick man x = 009 och s = 002 Ett uppåt begränsat 95 % konfidensintervall förμ, förväntad halt, blev (0, 011) Gränsvärdet för asbest är 010 fibrer/cm 3, vilken slutsats drar du från ditt ensidiga intervall? (a) Genomsnittlig asbetshalt är troligen för hög på arbetsplatsen (b) Med dessa data har vi inte kunnat påvisa att genomsnittlig asbetshalt understiger gränsvärdet (c) Genomsnittlig asbetshalt är troligen under gränsvärdet på arbetsplatsen (d) Gränsvärdet är understiget eftersom x = 009 < Avgör i följande situationer vilken typ av intervall som är lämpligt att beräkna för respektive parameter: ett nedåt begränsat intervall, ett tvåsidigt intervall eller ett uppåt begränsat intervall Lösningar (a) Parameternμär förväntad blyhalt på ett daghem nära en trafikled Man vill förvissa sig om attμ understiger ett gränsvärde (b) Parametern μ är förväntad effekt efter en medicinsk behandling Man vill förvissa sig om att behandlingen ger positiv effekt som överstiger ett visst värde (c) Parametern Δ uttrycker det systematiska felet hos ett instrument Man vill undersöka om det existerar ett systematisk fel, dvs omδär 0 (d) Parametern μ är den förväntade längden hos fyraåriga flickor Man vill ha en uppfattning om vad μ är (e) Parametern p är andelen pojkar som föds med klumpfot Man vill påvisa att pojkar har större tendens än flickor att ha denna medfödda defekt 1 (a) Falskt, ett konfidensintervall talar inte om vad en enstaka mätning kommer att hamna 2 (a) Sant (b) Falskt
5 Biostatistisk grundkurs, VT-15, VT2 5 (f) Sant 3 Medelvärdet ligger mitt i intervallet och är = 6 4 (a) Sant (c) Sant (d) Falskt (f) Sant (g) Falskt 5 (a) Sant (f) Falskt (g) Sant 6 1 Konfidensintervall för μ + Δ ges av (296, 404) 2 Konfidensintervall förμges av (296, 404) 3 Skattad standardavvikelse för mätningar utan systematiskt fel är 07 4 Skattning av μ + Δ är 35 5 Skattning avμär 34 7 (a) Undre gräns är 270 (b) Övre gräns är 340 (c) 1000 μ 8 Korrekt slutsats är: Med dessa data har vi inte kunnat påvisa att genomsnittlig asbetshalt understiger gränsvärdet 9 (a) Uppåt begränsat intervall (b) Nedåt begränsat intervall (c) Tvåsidigt intervall (d) Tvåsidigt intervall (e) Nedåt begränsat intervall
BIOSTATISTISK GRUNDKURS, MASB11 ÖVNING 7 (2015-04-29) OCH INFÖR ÖVNING 8 (2015-05-04)
LUNDS UNIVERSITET, MATEMATIKCENTRUM, MATEMATISK STATISTIK BIOSTATISTISK GRUNDKURS, MASB ÖVNING 7 (25-4-29) OCH INFÖR ÖVNING 8 (25-5-4) Aktuella avsnitt i boken: 6.6 6.8. Lektionens mål: Du ska kunna sätta
Läs merBIOSTATISTISK GRUNDKURS, MASB11 ÖVNING 8 (2016-05-02) OCH INFÖR ÖVNING 9 (2016-05-09)
LUNDS UNIVERSITET, MATEMATIKCENTRUM, MATEMATISK STATISTIK BIOSTATISTISK GRUNDKURS, MASB11 ÖVNING 8 (2016-05-02) OCH INFÖR ÖVNING 9 (2016-05-09) Aktuella avsnitt i boken är Kapitel 7. Lektionens mål: Du
Läs merEXEMPEL PÅ FRÅGESTÄLLNINGAR INOM STATISTIKTE- ORIN (INFERENSTEORIN):
Lunds tekniska högskola Matematikcentrum Matematisk statistik Matematisk statistik AK för ekosystemteknik, FMSF75 OH-bilder 2018-09-19 EXEMPEL PÅ FRÅGESTÄLLNINGAR INOM STATISTIKTE- ORIN (INFERENSTEORIN):
Läs merSF1901: SANNOLIKHETSTEORI OCH STATISTIKTEORI KONSTEN ATT DRA INTERVALLSKATTNING. STATISTIK SLUTSATSER. Tatjana Pavlenko.
SF1901: SANNOLIKHETSTEORI OCH STATISTIK FÖRELÄSNING 10 STATISTIKTEORI KONSTEN ATT DRA SLUTSATSER. INTERVALLSKATTNING. Tatjana Pavlenko 25 april 2017 PLAN FÖR DAGENS FÖRELÄSNING Statistisk inferens oversikt
Läs merThomas Önskog 28/
Föreläsning 0 Thomas Önskog 8/ 07 Konfidensintervall På förra föreläsningen undersökte vi hur vi från ett stickprov x,, x n från en fördelning med okända parametrar kan uppskatta parametrarnas värden Detta
Läs merEXEMPEL PÅ FRÅGESTÄLLNINGAR INOM STATISTIK- TEORIN (INFERENSTEORIN):
Lunds tekniska högskola Matematikcentrum Matematisk statistik FMSF50: Matematisk statistik för L och V OH-bilder på föreläsning 7, 2017-11-20 EXEMPEL PÅ FRÅGESTÄLLNINGAR INOM STATISTIK- TEORIN (INFERENSTEORIN):
Läs merF9 Konfidensintervall
1/16 F9 Konfidensintervall Måns Thulin Uppsala universitet thulin@math.uu.se Statistik för ingenjörer 18/2 2013 2/16 Kursinformation och repetition Första inlämningsuppgiften rättas nu i veckan. För att
Läs merF8 Skattningar. Måns Thulin. Uppsala universitet Statistik för ingenjörer 14/ /17
1/17 F8 Skattningar Måns Thulin Uppsala universitet thulin@math.uu.se Statistik för ingenjörer 14/2 2013 Inledande exempel: kullager Antag att diametern på kullager av en viss typ är normalfördelad N(µ,
Läs merLektionsanteckningar 11-12: Normalfördelningen
Lektionsanteckningar 11-12: Normalfördelningen När utfallsrummet för en slumpvariabel kan anta vilket värde som helst i ett givet intervall är variabeln kontinuerlig. Det är väsentligt att utfallsrummet
Läs merLÖSNINGAR TILL. Matematisk statistik, Tentamen: kl FMS 086, Matematisk statistik för K och B, 7.5 hp
LÖSNINGAR TILL Matematisk statistik, Tentamen: 011 10 1 kl 14 00 19 00 Matematikcentrum FMS 086, Matematisk statistik för K och B, 7.5 hp Lunds tekniska högskola MASB0, Matematisk statistik kemister, 7.5
Läs merFöreläsning 11: Mer om jämförelser och inferens
Föreläsning 11: Mer om jämförelser och inferens Matematisk statistik David Bolin Chalmers University of Technology Maj 12, 2014 Oberoende stickprov Vi antar att vi har två oberoende stickprov n 1 observationer
Läs mer9. Konfidensintervall vid normalfördelning
TNG006 F9 09-05-016 Konfidensintervall 9. Konfidensintervall vid normalfördelning Låt x 1, x,..., x n vara ett observerat stickprov av oberoende s.v. X 1, X,..., X n var och en med fördelning F. Antag
Läs merTMS136. Föreläsning 11
TMS136 Föreläsning 11 Andra intervallskattningar Vi har sett att vi givet ett stickprov och under vissa antaganden kan göra intervallskattningar för väntevärden Man kan även gör intervallskattningar för
Läs merBetrakta kopparutbytet från malm från en viss gruva. För att kontrollera detta tar man ut n =16 prover och mäter kopparhalten i dessa.
Betrakta kopparutbytet från malm från en viss gruva. Anta att budgeten för utbytet är beräknad på att kopparhalten ligger på 70 %. För att kontrollera detta tar man ut n =16 prover och mäter kopparhalten
Läs merMatematisk statistik för D, I, Π och Fysiker
Matematisk statistik för D, I, Π och Fysiker Föreläsning 11 Johan Lindström 13 november 2018 Johan Lindström - johanl@maths.lth.se FMSF45/MASB03 F11 1/25 Repetition Stickprov & Skattning Maximum likelihood
Läs merFöreläsning 5. Kapitel 6, sid Inferens om en population
Föreläsning 5 Kapitel 6, sid 153-185 Inferens om en population 2 Agenda Statistisk inferens om populationsmedelvärde Statistisk inferens om populationsandel Punktskattning Konfidensintervall Hypotesprövning
Läs merTMS136. Föreläsning 13
TMS136 Föreläsning 13 Jämförelser mellan två populationer Hittills har vi gjort konfidensintervall och tester kring parametrar i EN population I praktiska sammanhang är man ofta intresserad av att jämföra
Läs merBIOSTATISTISK GRUNDKURS, MASB11, VT-16, VT2 ÖVNING 1, OCH ÖVNING 2, SAMT INFÖR ÖVNING 3
LUNDS UNIVERSITET, MATEMATIKCENTRUM, MATEMATISK STATISTIK BIOSTATISTISK GRUNDKURS, MASB11, VT-16, VT2 ÖVNING 1, 2016-04-01 OCH ÖVNING 2, 2016-04-04 SAMT INFÖR ÖVNING 3 Övningarnas mål: Du ska förstå grundläggande
Läs merSF1901 Sannolikhetsteori och statistik I
SF1901 Sannolikhetsteori och statistik I Jimmy Olsson Föreläsning 10 27 november 2017 1 / 28 Idag Mer om punktskattningar Minsta-kvadrat-metoden (Kap. 11.6) Intervallskattning (Kap. 12.2) Tillämpning på
Läs merRättningstiden är i normalfall 15 arbetsdagar, till detta tillkommer upp till 5 arbetsdagar för administration, annars är det detta datum som gäller:
Matematisk Statistik Provmoment: Ladokkod: Tentamen ges för: Tentamen 6.5 hp AT1MS1 DTEIN16h 7,5 högskolepoäng TentamensKod: Tentamensdatum: 1 juni 2017 Tid: 14-18 Hjälpmedel: Miniräknare Totalt antal
Läs merMatematisk statistik för B, K, N, BME och Kemister
Matematisk statistik för B, K, N, BME och Kemister Föreläsning 6 Johan Lindström 13 september 2017 Johan Lindström - johanl@maths.lth.se FMSF70/MASB02 F6 1/22 : Rattonykterhet Johan Lindström - johanl@maths.lth.se
Läs merF10 Problemlösning och mer om konfidensintervall
1/13 F10 Problemlösning och mer om konfidensintervall Måns Thulin Uppsala universitet thulin@math.uu.se Statistik för ingenjörer 22/2 2013 2/13 Dagens föreläsning Problemlösning Skattningar Konfidensintervall
Läs merF3 Introduktion Stickprov
Utrotningshotad tandnoting i arktiska vatten Inferens om väntevärde baserat på medelvärde och standardavvikelse Matematik och statistik för biologer, 10 hp Tandnoting är en torskliknande fisk som lever
Läs merVi har en ursprungspopulation/-fördelning med medelvärde µ.
P-värde P=probability Sannolikhetsvärde som är resultat av en statistisk test. Anger sannolikheten för att göra den observation vi har gjort eller ett sämre / mer extremt utfall om H 0 är sann. Vi har
Läs merF14 HYPOTESPRÖVNING (NCT 10.2, , 11.5) Hypotesprövning för en proportion. Med hjälp av data från ett stickprov vill vi pröva
Stat. teori gk, ht 006, JW F14 HYPOTESPRÖVNING (NCT 10., 10.4-10.5, 11.5) Hypotesprövning för en proportion Med hjälp av data från ett stickprov vill vi pröva H 0 : P = P 0 mot någon av H 1 : P P 0 ; H
Läs merFöreläsning 12, FMSF45 Hypotesprövning
Föreläsning 12, FMSF45 Hypotesprövning Stas Volkov 2017-11-14 Stanislav Volkov s.volkov@maths.lth.se FMSF45 F12: Hypotestest 1/1 Konfidensintervall Ett konfidensintervall för en parameter θ täcker rätt
Läs merSF1905 Sannolikhetsteori och statistik: Lab 2 ht 2011
Avd. Matematisk statistik Tobias Rydén 2011-09-30 SF1905 Sannolikhetsteori och statistik: Lab 2 ht 2011 Förberedelser. Innan du går till laborationen, läs igenom den här handledningen. Repetera också i
Läs merTentamen i Matematisk statistik Kurskod S0001M
Tentamen i Matematisk statistik Kurskod S0001M Poäng totalt för del 1: 25 (10 uppgifter) Tentamensdatum 2017-08-22 Poäng totalt för del 2: 30 (3 uppgifter) Skrivtid 9.00 14.00 Jourhavande lärare: Mykola
Läs merAnalys av medelvärden. Jenny Selander , plan 3, Norrbacka, ingång via den Samhällsmedicinska kliniken
Analys av medelvärden Jenny Selander jenny.selander@ki.se 524 800 29, plan 3, Norrbacka, ingång via den Samhällsmedicinska kliniken Jenny Selander, Kvant. metoder, FHV T1 december 20111 Innehåll Normalfördelningen
Läs merTMS136. Föreläsning 10
TMS136 Föreläsning 10 Intervallskattningar Vi har sett att vi givet ett stickprov kan göra punktskattningar för fördelnings-/populationsparametrar En punkskattning är som vi minns ett tal som är en (förhoppningsvis
Läs merFöreläsning 6 (kap 6.1, 6.3, ): Punktskattningar
Föreläsning 6 (kap 6.1, 6.3, 7.1-7.3): Punktskattningar Marina Axelson-Fisk 4 maj, 2016 Stickprov (sample) Idag: Stickprovsmedelvärde och varians Statistika (statistic) Punktskattning (point estimation)
Läs merSF1901: Sannolikhetslära och statistik. Statistik: Intervallskattning (konfidensintervall)
SF1901: Sannolikhetslära och statistik Föreläsning 9. Statistik: Intervallskattning (konfidensintervall) Jan Grandell & Timo Koski 21.02.2012 Jan Grandell & Timo Koski () Matematisk statistik 21.02.2012
Läs merDel I. Uppgift 1 För händelserna A och B gäller att P (A) = 1/4, P (B A) = 1/3 och P (B A ) = 1/2. Beräkna P (A B). Svar:...
Avd. Matematisk statistik TENTAMEN I SF9/SF94/SF95/SF96 SANNOLIKHETSTEORI OCH STATISTIK, ONSDAGEN DEN 4:E OKTOBER 08 KL 8.00 3.00. Examinator för SF94/SF96: Tatjana Pavlenko, 08-790 84 66 Examinator för
Läs meren observerad punktskattning av µ, ett tal. x = µ obs = 49.5.
February 6, 2018 1 Föreläsning VIII 1.1 Punktskattning Punktskattning av µ Vi låter {ξ 1, ξ 2,..., ξ n } vara oberoende likafördelade stokastiska variabler (med ett gemensamt µ). ξ =: µ är en punktskattning
Läs merFöreläsning 11, Matematisk statistik Π + E
Repetition Konfidensintervall I Fördelningar Konfidensintervall II Föreläsning 11, Matematisk statistik Π + E Johan Lindström 27 Januari, 2015 Johan Lindström - johanl@maths.lth.se FMS012 F11 1/19 Repetition
Läs mer1 Grundläggande begrepp vid hypotestestning
Matematikcentrum Matematisk statistik MASB11: Biostatistisk grundkurs Datorlaboration 3, 6 maj 2015 Statistiska test och Miniprojekt II Syfte Syftet med dagens laboration är att du ska träna på de grundläggande
Läs mer1 Bakgrund DATORÖVNING 3 MATEMATISK STATISTIK FÖR E FMSF Något om Radon och Radonmätningar. 1.2 Statistisk modell
LUNDS TEKNISKA HÖGSKOLA MATEMATIKCENTRUM MATEMATISK STATISTIK DATORÖVNING 3 MATEMATISK STATISTIK FÖR E FMSF20 Syfte: Syftet med dagens laborationen är att du skall: få förståelse för punkt- och intervallskattningar.
Läs merSF1901: Sannolikhetslära och statistik. Statistik: Intervallskattning (konfidensintervall) Jan Grandell & Timo Koski
SF1901: Sannolikhetslära och statistik Föreläsning 10. Statistik: Intervallskattning (konfidensintervall) Jan Grandell & Timo Koski 18.02.2016 Jan Grandell & Timo Koski Matematisk statistik 18.02.2016
Läs merBIOSTATISTISK GRUNDKURS, MASB11, VT-16, VT2 ÖVNING 3, OCH INFÖR ÖVNING 4
LUNDS UNIVERSITET, MATEMATIKCENTRUM, MATEMATISK STATISTIK BIOSTATISTISK GRUNDKURS, MASB11, VT-16, VT2 ÖVNING 3, 216-4-6 OCH INFÖR ÖVNING 4 Övningens mål: Du ska förstå begreppet slumpvariabel och skilja
Läs merMatematisk statistik allmän kurs, MASA01:B, HT-14 Laborationer
Lunds universitet Matematikcentrum Matematisk statistik Matematisk statistik allmän kurs, MASA01:B, HT-14 Laborationer Information om laborationerna I andra halvan av MASA01 kursen ingår två laborationer.
Läs merFöreläsning 4. Kapitel 5, sid Stickprovsteori
Föreläsning 4 Kapitel 5, sid 127-152 Stickprovsteori 2 Agenda Stickprovsteori Väntevärdesriktiga skattningar Samplingfördelningar Stora talens lag, Centrala gränsvärdessatsen 3 Statistisk inferens Population:
Läs merMatematisk statistik 9.5 hp, HT-16 Föreläsning 11: Konfidensintervall
Matematisk statistik 9.5 hp, HT-16 Föreläsning 11: Konfidensintervall Anna Lindgren 7+8 november 2016 Anna Lindgren anna@maths.lth.se FMS012/MASB03 F11: Konfidensintervall 1/19 Stickprov & Skattning Ett
Läs merMatematikcentrum 1(6) Matematisk Statistik Lunds Universitet MASB11 - Biostatistisk grundkurs VT2014, lp3. Laboration 2. Fördelningar och simulering
Matematikcentrum 1(6) Matematisk Statistik Lunds Universitet MASB11 - Biostatistisk grundkurs VT2014, lp3 Laboration 2 Fördelningar och simulering Introduktion 2014-02-06 Syftet med laborationen är dels
Läs merKonfidensintervall, Hypotestest
Föreläsning 8 (Kap. 8, 9): Konfidensintervall, Hypotestest Marina Axelson-Fisk 11 maj, 2016 Konfidensintervall För i (, ). Hypotestest Idag: Signifikansnivå och p-värde Test av i (, ) när är känd Test
Läs merSyftet med den här laborationen är att du skall bli mer förtrogen med följande viktiga områden
LUNDS TEKNISKA HÖGSKOLA MATEMATIKCENTRUM MATEMATISK STATISTIK DATORLABORATION 5 MATEMATISK STATISTIK, FÖR I/PI, FMS 121/200, HT-03 Laboration 5: Intervallskattning och hypotesprövning Syftet med den här
Läs merFÖRELÄSNING 7:
FÖRELÄSNING 7: 2016-05-10 LÄRANDEMÅL Normalfördelningen Standardnormalfördelning Centrala gränsvärdessatsen Konfidensintervall Konfidensnivå Konfidensintervall för väntevärdet då variansen är känd Samla
Läs merFöreläsning 9, Matematisk statistik 7.5 hp för E Konfidensintervall
Föreläsning 9, Matematisk statistik 7.5 hp för E Konfidensintervall Stas Volkov Stanislav Volkov s.volkov@maths.lth.se FMSF20 F9: Konfidensintervall 1/19 Stickprov & Skattning Ett stickprov, x 1, x 2,...,
Läs merTentamentsskrivning: Matematisk Statistik med Metoder MVE490 1
Tentamentsskrivning: Matematisk Statistik med Metoder MVE490 1 Tentamentsskrivning i Matematisk Statistik med Metoder MVE490 Tid: den 16 augusti, 2017 Examinatorer: Kerstin Wiklander och Erik Broman. Jour:
Läs merFöreläsning G60 Statistiska metoder
Föreläsning 5 Statistiska metoder 1 Dagens föreläsning o Konfidensintervall För andelar För medelvärden Vid jämförelser o Den statistiska felmarginalen o Stickprovsstorlek 2 Introduktion När man beräknar
Läs merUppgift a b c d e Vet inte Poäng
TENTAMEN: Dataanalys och statistik för I2, TMS135 Fredagen den 12 mars kl. 8:45-11:45 på V. Jour: Jenny Andersson, ankn 8294 (mobil:070 3597858) Hjälpmedel: Utdelad formelsamling med tabeller, BETA, på
Läs merFÖRELÄSNING 8:
FÖRELÄSNING 8: 016-05-17 LÄRANDEMÅL Konfidensintervall för väntevärdet då variansen är okänd T-fördelningen Goodness of fit-test χ -fördelningen Hypotestest Signifikansgrad Samla in data Sammanställ data
Läs mer, s a. , s b. personer från Alingsås och n b
Skillnader i medelvärden, väntevärden, mellan två populationer I kapitel 8 testades hypoteser typ : µ=µ 0 där µ 0 var något visst intresserant värde Då användes testfunktionen där µ hämtas från, s är populationsstandardavvikelsen
Läs merProvmoment: Tentamen 6,5 hp Ladokkod: A144TG Tentamen ges för: TGMAI17h, Maskiningenjör - Produktutveckling. Tentamensdatum: 28 maj 2018 Tid: 9-13
Matematisk Statistik 7,5 högskolepoäng Provmoment: Tentamen 6,5 hp Ladokkod: A144TG Tentamen ges för: TGMAI17h, Maskiningenjör - Produktutveckling Tentamensdatum: 28 maj 2018 Tid: 9-13 Hjälpmedel: Miniräknare
Läs merStandardfel (Standard error, SE) SD eller SE. Intervallskattning MSG Staffan Nilsson, Chalmers 1
Standardfel (Standard error, SE) Anta vi har ett stickprov X 1,,X n där varje X i has medel = µ och std.dev = σ. Då är Det sista kalls standardfel (eng:standard error of mean (SEM) eller (SE) och skattas
Läs merFöreläsning 12: Repetition
Föreläsning 12: Repetition Marina Axelson-Fisk 25 maj, 2016 GRUNDLÄGGANDE SANNOLIKHETSTEORI Grundläggande sannolikhetsteori Utfall = resultatet av ett försök Utfallsrum S = mängden av alla utfall Händelse
Läs merFöreläsning 7. Statistikens grunder.
Föreläsning 7. Statistikens grunder. Jesper Rydén Matematiska institutionen, Uppsala universitet jesper.ryden@math.uu.se 1MS008, 1MS777 vt 2016 Föreläsningens innehåll Översikt, dagens föreläsning: Inledande
Läs merFöreläsning 11, FMSF45 Konfidensintervall
Repetition Konfidensintervall I Fördelningar Konfidensintervall II Föreläsning 11, FMSF45 Konfidensintervall Stas Volkov 2017-11-7 Stanislav Volkov s.volkov@maths.lth.se FMSF45 F11: Konfidensintervall
Läs merLösningsförslag till Matematisk statistik LKT325 Tentamen
Lösningsförslag till Matematisk statistik LKT325 Tentamen 20190115 Kursansvarig: Reimond Emanuelsson Betygsgränser: för betyg 3 krävs minst 20 poäng, för betyg 4 krävs minst 30 poäng, för betyg 5 krävs
Läs merDatorlaboration 8/5 Jobba i grupper om 2-3 personer Vi jobbar i Minitab Lämna in rapport via fronter senast 22/5 Förbered er genom att läsa och se
Föreläsning 10 Datorlaboration 8/5 Jobba i grupper om 2-3 personer Vi jobbar i Minitab Lämna in rapport via fronter senast 22/5 Förbered er genom att läsa och se vad som skall göras Föreläsning 10 Inferens
Läs merTentamen i Statistik, STA A10 och STA A13 (9 poäng) 4 juni 2004, kl 14.00-19.00
Tentamen i Statistik, STA A10 och STA A13 (9 poäng) 4 juni 004, kl 14.00-19.00 Tillåtna hjälpmedel: Bifogad formelsamling, approimationsschema och tabellsamling (dessa skall returneras). Egen miniräknare.
Läs mer27,5 27,6 24,8 29,2 27,7 26,6 26,2 28,0 (Pa s)
TENTAMEN: Statistik och sannolikhetslära (LMA120) Tid och plats: 08:0-12:0 den 7 oktober 2016, Samhällsbyggnad Hjälpmedel: Typgodkänd miniräknare, formelblad Betygsgränser: : 12 poäng, 4: 18 poäng, 5:
Läs merIntroduktion. Konfidensintervall. Parade observationer Sammanfattning Minitab. Oberoende stickprov. Konfidensintervall. Minitab
Uppfödning av kyckling och fiskleveroljor Statistiska jämförelser: parvisa observationer och oberoende stickprov Matematik och statistik för biologer, 10 hp Fredrik Jonsson vt 2012 Fiskleverolja tillsätts
Läs merMatematisk statistik för B, K, N, BME och Kemister
Matematisk statistik för B, K, N, BME och Kemister Föreläsning 5 Johan Lindström 12 september 216 Johan Lindström - johanl@maths.lth.se FMS86/MASB2 F5 1/23 Repetition Gauss approximation Delta metoden
Läs merHur man tolkar statistiska resultat
Hur man tolkar statistiska resultat Andrew Hooker Division of Pharmacokinetics and Drug Therapy Department of Pharmaceutical Biosciences Uppsala University Varför använder vi oss av statistiska tester?
Läs merInledning till statistikteorin. Skattningar och konfidensintervall för μ och σ
Inledning till statistikteorin Skattningar och konfidensintervall för μ och σ Punktskattningar Stickprov från en population - - - Vi vill undersöka bollhavet men får bara göra det genom att ta en boll
Läs merSF1922/SF1923: SANNOLIKHETSTEORI OCH INTERVALLSKATTNING. STATISTIK. Tatjana Pavlenko. 24 april 2018
SF1922/SF1923: SANNOLIKHETSTEORI OCH STATISTIK FÖRELÄSNING 11 INTERVALLSKATTNING. Tatjana Pavlenko 24 april 2018 PLAN FÖR DAGENS FÖRELÄSNING Vad är en intervallskattning? (rep.) Den allmänna metoden för
Läs merFöreläsning 12: Regression
Föreläsning 12: Regression Matematisk statistik David Bolin Chalmers University of Technology Maj 15, 2014 Binomialfördelningen Låt X Bin(n, p). Vi observerar x och vill ha information om p. p = x/n är
Läs merFöreläsning 2. NDAB01 Statistik; teori och tillämpning i biologi
Föreläsning 2 Statistik; teori och tillämpning i biologi 1 Normalfördelning Samplingfördelningar och CGS Fördelning för en stickprovsstatistika (t.ex. medelvärde) kallas samplingfördelning. I teorin är
Läs merSamplingfördelningar 1
Samplingfördelningar 1 Parametrar och statistikor En parameter är en konstant som karakteriserar en population eller en modell. Exempel: Populationsmedelvärdet Parametern p i binomialfördelningen 2 Vi
Läs merMS-A0509 Grundkurs i sannolikhetskalkyl och statistik Exempel, del II
MS-A0509 Grundkurs i sannolikhetskalkyl och statistik Exempel, del II G. Gripenberg Aalto-universitetet 13 februari 2015 G. Gripenberg (Aalto-universitetet) MS-A0509 Grundkurs i sannolikhetskalkyl och
Läs merRättningstiden är i normalfall 15 arbetsdagar, till detta tillkommer upp till 5 arbetsdagar för administration, annars är det detta datum som gäller:
Matematisk Statistik Provmoment: Ladokkod: Tentamen ges för: Tentamen TT091A TGMAS15h 7,5 högskolepoäng TentamensKod: Tentamensdatum: 30 Maj Tid: 9-13 Hjälpmedel: Miniräknare (nollställd) samt allmänspråklig
Läs merLaboration 4: Hypotesprövning och styrkefunktion
LUNDS TEKNISKA HÖGSKOLA MATEMATIKCENTRUM MATEMATISK STATISTIK DATORLABORATION 4 MATEMATISK STATISTIK, AK FÖR L, FMS 032, HT-07 Laboration 4: Hypotesprövning och styrkefunktion 1 Syfte I denna laboration
Läs merträna på att använda olika grafiska metoder för att undersöka vilka fördelningar ett datamaterial kan komma från
Matematikcentrum Matematisk statistik MASB11: BIOSTATISTISK GRUNDKURS DATORLABORATION 1, 1 APRIL 215 FÖRDELNINGAR, SIMULERING OCH FÖRDELNINGSANPASSNING Syfte Syftet med dagens laboration är att du ska
Läs merTENTAMEN I SF2950 (F D 5B1550) TILLÄMPAD MATEMATISK STATISTIK, TORSDAGEN DEN 3 JUNI 2010 KL
TENTAMEN I SF950 (F D 5B1550) TILLÄMPAD MATEMATISK STATISTIK, TORSDAGEN DEN 3 JUNI 010 KL 14.00 19.00 Examinator : Gunnar Englund, tel. 790 7416, epost: gunnare@math.kth.se Tillåtna hjälpmedel: Formel-
Läs merTMS136. Föreläsning 7
TMS136 Föreläsning 7 Stickprov När vi pysslar med statistik handlar det ofta om att baserat på stickprovsinformation göra utlåtanden om den population stickprovet är draget ifrån Situationen skulle kunna
Läs merMatematisk statistik för B, K, N, BME och Kemister
Matematisk statistik för B, K, N, BME och Kemister Föreläsning 8 Johan Lindström 20 september 2017 Johan Lindström - johanl@maths.lth.se FMS086/MASB02 F8 1/20 : Poisson & Binomial för diskret data Johan
Läs merStatistik 1 för biologer, logopeder och psykologer
Innehåll 1 Hypotesprövning Innehåll Hypotesprövning 1 Hypotesprövning Inledande exempel Hypotesprövning Exempel. Vi är intresserade av en variabel X om vilken vi kan anta att den är (approximativt) normalfördelad
Läs mer1. För tiden mellan två besök gäller. V(X i ) = 1 λ 2 = 25. X i Exp (λ) E(X i ) = 1 λ = 5s λ = 1 5
LÖSNINGAR TILL Matematisk statistik Tentamen: 29 7 kl 8 3 Matematikcentrum FMSF45 Matematisk statistik AK för D,I,Pi,F, 9 h Lunds universitet MASB3 Matematisk statistik AK för fysiker, 9 h. För tiden mellan
Läs merTentamen i Matematisk statistik Kurskod S0001M
Tentamen i Matematisk statistik Kurskod S0001M Poäng totalt för del 1: 25 (10 uppgifter) Tentamensdatum 2017-06-02 Poäng totalt för del 2: 30 (3 uppgifter) Skrivtid 9.00 14.00 Lärare: Mikael Stenlund Examinator:
Läs merMatematisk statistik för B, K, N, BME och Kemister
Matematisk statistik för B, K, N, BME och Kemister Föreläsning 8 Johan Lindström 21 september 2016 Johan Lindström - johanl@maths.lth.se FMS086/MASB02 F8 1/21 för diskret data : Poisson & Binomial för
Läs merLÖSNINGSFÖRSLAG TILL TENTAMEN I MATEMATISK STATISTIK 2007-08-29
UMEÅ UNIVERSITET Institutionen för matematik och matematisk statistik Statistik för Teknologer, 5 poäng (TNK, ET, BTG) Peter Anton, Per Arnqvist Anton Grafström TENTAMEN 7-8-9 LÖSNINGSFÖRSLAG TILL TENTAMEN
Läs merLULEÅ TEKNISKA UNIVERSITET Ämneskod S0002M, MAM801, IEK600,IEK309 Institutionen för matematik Datum 2009-12-17 Skrivtid 0900 1400
LULEÅ TEKNISKA UNIVERSITET Ämneskod S0002M, MAM801, IEK600,IEK309 Institutionen för matematik Datum 2009-12-17 Skrivtid 0900 1400 Tentamen i: Statistik A1, 15 hp Antal uppgifter: 6 Krav för G: 13 Lärare:
Läs merTentamen i statistik (delkurs C) på kursen MAR103: Marina Undersökningar - redskap och metoder.
Tentamen 2014-12-05 i statistik (delkurs C) på kursen MAR103: Marina Undersökningar - redskap och metoder. Tillåtna hjälpmedel: Miniräknare och utdelad formelsamling med tabeller. C1. (6 poäng) Ange för
Läs merTentamen i Statistik, STG A01 och STG A06 (13,5 hp) Torsdag 5 juni 2008, Kl
Karlstads Universitet Avdelningen för Nationalekonomi och Statistik Tentamen i Statistik, STG A0 och STG A06 (3,5 hp) Torsdag 5 juni 008, Kl 4.00-9.00 Tillåtna hjälpmedel: Bifogad formelsamling, approximationsschema
Läs merStudietyper, inferens och konfidensintervall
Studietyper, inferens och konfidensintervall Andrew Hooker Division of Pharmacokinetics and Drug Therapy Department of Pharmaceutical Biosciences Uppsala University Studietyper Experimentella studier Innebär
Läs merStockholms Universitet Statistiska institutionen Termeh Shafie
Stockholms Universitet Statistiska institutionen Termeh Shafie TENTAMEN I GRUNDLÄGGANDE STATISTIK FÖR EKONOMER 2011-10-28 Skrivtid: 9.00-14.00 Hjälpmedel: Miniräknare utan lagrade formler eller text, bifogade
Läs merGrundläggande matematisk statistik
Grundläggande matematisk statistik Linjär Regression Uwe Menzel, 2018 uwe.menzel@slu.se; uwe.menzel@matstat.de www.matstat.de Linjär Regression y i y 5 y 3 mätvärden x i, y i y 1 x 1 x 2 x 3 x 4 x 6 x
Läs merI den här datorövningen ser vi hur R kan utnyttjas för att kontrollera modellantaganden och beräkna konfidensintervall.
UPPSALA UNIVERSITET Matematiska institutionen Måns Thulin Statistik för ingenjörer 1MS008 VT 2011 DATORÖVNING 2: SKATTNINGAR OCH KONFIDENSINTERVALL 1 Inledning I den här datorövningen ser vi hur R kan
Läs merLaboration 5: Intervallskattning och hypotesprövning
LUNDS TEKNISKA HÖGSKOLA MATEMATIKCENTRUM MATEMATISK STATISTIK DATORLABORATION 5 MATEMATISK STATISTIK, AK FÖR I, FMS 10, HT-01 Laboration 5: Intervallskattning och hypotesprövning Syftet med den här laborationen
Läs merLaboration 4: Intervallskattning och hypotesprövning
Lunds tekniska högskola Matematikcentrum Matematisk statistik Laboration 4 Matematisk statistik AK för CDIFysiker, FMS012/MASB03, HT14 Laboration 4: Intervallskattning och hypotesprövning Syftet med den
Läs merTentamen i Statistik, STA A10 och STA A13 (9 poäng) 26 april 2004, klockan 08.15-13.15
Karlstads universitet Institutionen för informationsteknologi Avdelningen för Statistik Tentamen i Statistik, STA A10 och STA A13 (9 poäng) 6 april 004, klockan 08.15-13.15 Tillåtna hjälpmedel: Bifogad
Läs merFöreläsning 8: Konfidensintervall
Föreläsning 8: Konfidensintervall Matematisk statistik Chalmers University of Technology Maj 4, 2015 Projektuppgift Projektet går ut på att studera frisättningen av dopamin hos nervceller och de två huvudsakliga
Läs mer7,5 högskolepoäng. Statistisk försöksplanering och kvalitetsstyrning. TentamensKod: Tentamensdatum: 28 oktober 2016 Tid: 9.
Statistisk försöksplanering och kvalitetsstyrning Provmoment: Ladokkod: Tentamen ges för: TentamensKod: Tentamen 4I2B KINAF4, KINAR4, KINLO4, KMASK4 7,5 högskolepoäng Tentamensdatum: 28 oktober 206 Tid:
Läs merFöreläsning 4: Konfidensintervall (forts.)
Föreläsning 4: Konfidensintervall forts. Johan Thim johan.thim@liu.se 3 september 8 Skillnad mellan parametrar Vi kommer nu fortsätta med att konstruera konfidensintervall och vi kommer betrakta lite olika
Läs merUppgift a b c d e Vet inte Poäng 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15
TENTAMEN: Dataanalys och statistik för I, TMS136 Onsdagen den 5 oktober kl. 8.30-13.30 på M. Jour: Jenny Andersson, ankn 5317 Hjälpmedel: Utdelad formelsamling med tabeller, BETA, på kursen använd ordlista
Läs merMer om konfidensintervall + repetition
1/14 Mer om konfidensintervall + repetition Måns Thulin Uppsala universitet thulin@math.uu.se Statistik för ingenjörer 23/2 2011 2/14 Dagens föreläsning Skattningar som slumpvariabler Väntevärde Varians
Läs merEXAMINATION KVANTITATIV METOD vt-11 (110204)
ÖREBRO UNIVERSITET Hälsoakademin Idrott B Vetenskaplig metod EXAMINATION KVANTITATIV METOD vt-11 (110204) Examinationen består av 11 frågor, flera med tillhörande följdfrågor. Besvara alla frågor i direkt
Läs merGör uppgift 6.10 i arbetsmaterialet (ingår på övningen 16 maj). För 10 torskar har vi värden på variablerna Längd (cm) och Ålder (år).
Matematikcentrum Matematisk statistik MASB11: BIOSTATISTISK GRUNDKURS DATORLABORATION 4, 21 MAJ 2018 REGRESSION OCH FORTSÄTTNING PÅ MINIPROJEKT II Syfte Syftet med dagens laboration är att du ska bekanta
Läs merLaboration 4: Intervallskattning och hypotesprövning
LUNDS TEKNISKA HÖGSKOLA MATEMATIKCENTRUM MATEMATISK STATISTIK LABORATION 4 MATEMATISK STATISTIK AK FÖR CDIFYSIKER, FMS012/MASB03, HT12 Laboration 4: Intervallskattning och hypotesprövning Syftet med den
Läs merInstitutionen för teknikvetenskap och matematik, S0001M LABORATION 2
Institutionen för teknikvetenskap och matematik, S0001M LABORATION 2 Laborationen avser att illustrera användandet av normalfördelningsdiagram, konfidensintervall vid jämförelser samt teckentest. En viktig
Läs mer