MSG830 Statistisk analys och experimentplanering

Transkript

1 MSG830 Statistisk analys och experimentplanering Tentamen 8 juni 2015, 8:30-12:30 Examinator: Staan Nilsson, telefon , kommer till tentamenslokalen 9:30 och 11:30 Tillåtna hjälpmedel: Valfri kalkylator Antal poäng totalt: 30. För betyget godkänd krävs minst 12 poäng, för väl godkänd 22 poäng 1. I en studie bland gifta kvinnor i åldern 16 till 49 i distriktet Amppipal i Nepal fann man att var sjätte kvinna var steriliserad. Var tredje steriliserad kvinna var analfabet och var femte analfabet var steriliserad. Hur stor andel av kvinnorna var analfabeter? 2. Ett lag i superettan utlovades segerpremier på 2000 kronor för bortaseger och 1000 kronor för hemmaseger. Man spelar 15 bortamatcher och 15 hemmamatcher. En av spelarna med Chalmersanknyning bedömde, baserat på förra årets resulatat, att chansen att vinna en hemmamatch var 60% och att vinna en bortamatch var 40% (a) Bestäm med denna utgångspunkt den förväntade totala summan av segerpremier. (b) Nu skulle Chalmersspelaren göra sig märkvärdig och även beräkna variansen av den förväntade segerpremien. Han antog då att antalet vunna matcher var binomialfördelat bin(15,0.6) för hemmamatcherna och bin(15,0.4) för bortamatcherna. Kritisera detta antagande. 3. Ett företag marknadsför två latexfärger: en reguljär och en ny dyrare snabbtorkande. En konsumenttidning beslutar sig för att testa om det verkligen är någon skillnad i torktid. De målar då 10 ytor av respektive färg. De reguljära färgen torkade i genomsnitt på 2.1 timmar, med en standardavvikelse på 12 minuter. Motsvarande värden för den nya färgen var 1.6 timmar resp 15 minuter. Bestäm ett 99%igt kondensintervall för skillnaden i torktid. 4. Två analysmetoder, A och B, för att bestämma föroreningar i stållegeringar jämfördes på 9 olika prover A B Testa på signikansnivå 0.05 om det är någon systematisk skillnad mellan metoderna. 5. Vid en rockfestival observerades hur 100 personer tog hand om sina sopor. Testa med signi- kansnivå 0.05 om det nns ett samband mellan kön och beteende. Städar upp Skräpar ner Kvinnor 18 7 (4p) Män I en undersökning av relationen mellan reekterad ljusstyrka (L*) och organisk kolhalt i n=13 prover fann man sambandet med förklaringsgraden 43 procent. (a) Vad var korrelationen? Kolhalt = 0.06 L* (b) Testa om sambandet var signikant. Använd signikansnivå (4p) (3p) (4p) (4p) 1

2 7. Tjugo studenter randomiserades till 5 grupper med 4 i varje. De skulle bedriva självstudier under en vecka och skillnaden mellan grupperna var hur många timmar per dag de skulle studera: 4,5,6,7 el 8. Därefter ck det genomföra ett test och de 5 gruppernas resultat jämfördes med en ANOVA. (a) Vad var värdet på kvoten av variansskattningarna mellan grupperna och inom grupperna? (b) Var var p-värdet för test av H 0 : alla grupper lika? (c) Man drog slutsatsen att tiden inte hade någon betydelse, men det beror på att man gjort en dålig analys. Hur skulle man gjort istället? 8. Med vill utföra ett experiment med 5 råttor för att testa råttornas minne. Då testet går ut på att välja en av två tunnlar är chansen 1/2 att råttan väljer rätt av en slump. Som teststatistika används antal lyckade försök S av totalt 5. Hypoteserna är alltså H 0 : p = 1/2 mot H a : p > 1/2 (a) Vad behöver S vara för att man ska kunna förkasta H 0 på en signikansnivå 0.05? (b) Vid vilket värde på p är styrkan 50%? (3p) (4p) 2

3 Formler och tabeller till kursen MSG830 Deskriptiva mått För ett datamängd x 1,, x n denieras medelvärde standardavvikelse standardfelet (SEM) Sannolikheter x = 1 n n i=1 = x x n n s = 1 n (x i x) n 1 2 i=1 SEM = s/ n För två händelser A och B är gäller Betingade sannolikheter P (A B) = P (A) + P (B) P (A B) Lagen om total sannolikhet P (A B) = P (A B) P (B) Om utfallsrummet indelas i disjunkta händelser A 1,, A k, vars union är hela utfallsrummet, så gäller för varje händelse B P (B) = k P (B A i )P (A i ) i=1 Om P (A B) = P (A) säges A och B vara oberoende. Detta medför också att A och B är oberoende om och endast om P (A B) = P (A)P (B) Stokastiska variabler En diskret stokastisk variabel X kan anta ett ändigt (eller uppräkneligt) antal värden. Sannolikeheten för varje värde bestäms av en sannolikhetsfunktion p p(x) = P (X = x) Väntevärdet av en diskret stokastisk variabel är µ = E[X] = x xp(x) 1

4 och variansen är σ 2 = V [X] = x (x µ) 2 p(x) = E[X 2 ] µ 2 Kontinuerliga stokastiska variabler beskrivs med en täthetsfunktion f(x) 0 för alla x och f(x) = 1 För en kontinuerlig stokastisk variabel X är P (X = x) = 0 för varje x, men P (a X b) = b a f(x) X och Y är oberoende (dvs P (X x Y y) = P (X x)p (Y y) för alla x, y Regler för väntevärden och varians Om a, b är konstanter och X, Y är stokastiska variabler gäller E[X + Y ] = E[X] + E[Y ] E[a + bx] = a + be[x] V [a + bx] = b 2 V [X] om dessutom X och Y är oberoende så gäller E[XY ] = E[X]E[Y ] och V [X + Y ] = V [X] + V [Y ] Binomialfördelning S bin(n, p) ( ) n P (S = k) = p k (1 p) n k för k = 1, 2,, n k Normalfördelning X N(µ, σ) E[S] = np, V [S] = np(1 p) f(x) = 1 σ 2π e (x µ) 2 2σ E[X] = µ, V [X] = σ 2 2

5 Fördelningen med µ = 0 och σ = 1 kallas standard (el standardiserad) normalfördelning Om X N(µ, σ) så är Z = X µ σ N(0, 1) och om vi har ett stickprov X 1, X 2,, X n så är Z = X µ σ/ n N(0, 1) Ett stickprov X 1, X 2,, X n där varje X i N(µ, σ) Testa H 0 : µ = µ 0 på signikansnivå α med T = x µ 0 s/ n t n 1 (t-fördelning med n 1 frihetsgrader) Förkasta H 0 om T t α/2,n 1 då H a : µ µ 0 Förkasta H 0 om T t α,n 1 då H a : µ > µ 0 Förkasta H 0 om T t α,n 1 då H a : µ < µ 0 Bilda ett tvåsidigt 100(1 α)% kondensintervall med x ± t α/2,n 1 s/ n Om σ av någon anledning råkar vara känt, ersätt s med σ och använd z α/2 i st f t α/2,n 1 Om X i inte är normalfördelad, men stickprovet stort kan vi anta att T ovan är approximativt standard normalfördelad. Parade data (X 1, Y 1 ), (X 2, Y 2 ),, (X n, Y n ) där varje D i = X i Y i N(δ, σ) Testa H 0 : δ = δ 0 (oftast δ 0 = 0) genom att betrakta alla D i som ett stickprov på dierenser och följ anvisningar för ett stickprov. T = x δ 0 s/ n Två stickprov X 1, X 2,, X m och Y 1, Y 2,, Y n Anta X i N(µ 1, σ) och Y i N(µ 2, σ) Poola de två variansskattningarna s 2 1 och s2 2 för X resp Y. 3

6 s 2 p = (m 1)s2 1 + (n 1)s 2 2 m + n 2 och testa H 0 : µ 1 µ 2 = 0 (oftast 0 = 0) på signikansnivå α med T = x ȳ 0 s p 1/m + 1/n t n+m 2 (t-fördelning med n + m 2 frihetsgrader) Förkasta H 0 om T t α/2,n+m 2 då H a : µ 1 µ 2 0 Förkasta H 0 om T t α,n+m 2 då H a : µ 1 µ 2 > 0 Förkasta H 0 om T t α,n+m 2 då H a : µ 1 µ 2 < 0 Bilda ett tvåsidigt 100(1 α)% kondensintervall med x ȳ ± t α/2,m+n 2 s p 1/m + 1/n ANOVA - Fler än två stickprov (k>2) Anta att de olika grupperna är normalfördelade N(µ i, σ), dvs eventuellt olika medelvärden, men samma varians. Man kan då testa H 0 : µ 1 = µ 2 = = µ k mot med H a : någon skillnad mellan medelvärdena F = ˆσ2 B ˆσ 2 W där ˆσ W 2 är den poolade variansen analogt med tvåstickprovsfallet och ˆσ2 B skattning av σ baserad på medelvärdena. är en Förkasta H 0 för stora värden på teststatistikan Test av samband mellan två kategoriska variabler Samla antalen av varje kategoripar i en kontingenstabell med r rader och c kolumner 4

7 1 j c 1 n 11 n 1j n 1c n 1. i n i1 n ij n ij n i. r n r1 n rj n rc n r. n.1 n.j n.c n n i. = c n ij och n.j = j=1 Anta att följande sannolikheter gäller för cellerna och marginalerna 1 j c 1 p 11 n 1j p 1c p 1. i p i1 p ij p ij p i. r p r1 p rj p rc p r. p.1 p.j p.c 1 r i=1 Testa H 0 : p ij = p i. p.j för alla par i, j (dvs oberoende) med n ij χ 2 = (n ij ê ij ) 2 som är approximativt χ 2 fördelad med (r 1)(c 1) frihetsgrader och där ê ij = ni.n.j n. För att approximationen ska vara god bör ê ij 5 för minst 80% av cellerna. ê ij Förkasta H 0 för stora värden på teststatistikan Goodness of t För att testa om en kategorisk variabel med k kategorier följer förutbestämda proportioner p 1, p 2,, p k används ett chi2-test. χ 2 = (n i np i ) 2 np i som är approximativt χ 2 fördelad med k 1 frihetsgrader. För att approximationen ska vara god bör np i 5 för varje i. H 0 förkastas för stora värden på χ 2. Regression Vid linjär regression med n observationspar (x i, y i ) skattar man en linje mha modellen y = β 0 + β 1 x + ɛ där ɛ N(0, σ) är bruset. Skattningar får man genom ˆβ 1 = (xi x)(y i ȳ) (xi x) 2 5

8 ˆβ 0 = ȳ ˆβ 1 x Test av H 0 : β 1 = 0 testas med en teststatistika av typen T = ˆβ 1 se( ˆβ 1 ) som är t fördelad med n 2 frihetsgrader Förklaringsgraden R 2 är den andel av variansen hos Y som förklaras av regressionsmodellen. I enkel linjär regression är R 2 = r 2, där r är Pearsons korrelationskoecient. Korrelation Pearsons korrelationskoecient r är ett mått mellan 1 och 1. (xi x)(y i ȳ) r = (xi x) 2 (y i ȳ) 2 som skattar en motsvarande populationsstorhet ρ. Om X och Y är oberoende så är ρ = 0. Man kan testa H 0 : ρ = 0 med T = r n 2 1 r 2 som är t fördelad med n 2 frihetsgrader och identisk med teststatistikan för H 0 : β 1 = 0 från regressionsanalysen. 6

9 A-6 Appendix Tables Table A.3 Standard Normal Curve Areas Φ(z) P(Z z) Standard normal density curve Shaded area = Φ(z) 0 z z (continued) Copyright 2010 Cengage Learning. All Rights Reserved. May not be copied, scanned, or duplicated, in whole or in part. Due to electronic rights, some third party content may be suppressed from the ebook and/or echapter(s). Editorial review has deemed that any suppressed content does not materially affect the overall learning experience. Cengage Learning reserves the right to remove additional content at any time if subsequent rights restrictions require it.

10 Appendix Tables A-7 Table A.3 Standard Normal Curve Areas (cont.) (z) 5 P(Z # z) z Copyright 2010 Cengage Learning. All Rights Reserved. May not be copied, scanned, or duplicated, in whole or in part. Due to electronic rights, some third party content may be suppressed from the ebook and/or echapter(s). Editorial review has deemed that any suppressed content does not materially affect the overall learning experience. Cengage Learning reserves the right to remove additional content at any time if subsequent rights restrictions require it.

11 Appendix Tables A-9 Table A.5 Critical Values for t Distributions t density curve Shaded area = 0 t, v Copyright 2010 Cengage Learning. All Rights Reserved. May not be copied, scanned, or duplicated, in whole or in part. Due to electronic rights, some third party content may be suppressed from the ebook and/or echapter(s). Editorial review has deemed that any suppressed content does not materially affect the overall learning experience. Cengage Learning reserves the right to remove additional content at any time if subsequent rights restrictions require it.

12 Appendix Tables A-11 Table A.7 Critical Values for Chi-Squared Distributions 2 density curve Shaded area = α 0 α, For v. 40, x 2 a,v, va v 1 z 2 a B9v b Copyright 2010 Cengage Learning. All Rights Reserved. May not be copied, scanned, or duplicated, in whole or in part. Due to electronic rights, some third party content may be suppressed from the ebook and/or echapter(s). Editorial review has deemed that any suppressed content does not materially affect the overall learning experience. Cengage Learning reserves the right to remove additional content at any time if subsequent rights restrictions require it.

13 A-12 Appendix Tables Table A.8 t Curve Tail Areas t curve Area to the right of t 0 t t (continued) Copyright 2010 Cengage Learning. All Rights Reserved. May not be copied, scanned, or duplicated, in whole or in part. Due to electronic rights, some third party content may be suppressed from the ebook and/or echapter(s). Editorial review has deemed that any suppressed content does not materially affect the overall learning experience. Cengage Learning reserves the right to remove additional content at any time if subsequent rights restrictions require it.

14 Appendix Tables A-13 Table A.8 t Curve Tail Areas (cont.) t curve Area to the right of t 0 t t `( 5z) Copyright 2010 Cengage Learning. All Rights Reserved. May not be copied, scanned, or duplicated, in whole or in part. Due to electronic rights, some third party content may be suppressed from the ebook and/or echapter(s). Editorial review has deemed that any suppressed content does not materially affect the overall learning experience. Cengage Learning reserves the right to remove additional content at any time if subsequent rights restrictions require it.