Slumpvariabler (Stokastiska variabler)
|
|
- Anders Åström
- för 4 år sedan
- Visningar:
Transkript
1 Slumpvarabler Väntevärden F0 Slutsatser från urval tll populaton Slumpvarabler (Stokastska varabler) En slumpvarabel är en funkton från utfallsrummet tll tallnjen Ex kast med ett mynt ggr =antalet krona ={0,,} kr, kr kr, kl U = kl, kr kl, kl 0 x x
2 Sannolkhetsfördelnng för en dskret varabel Ex =antalet prckar vd kast med tärnng ={,,3,4,5,} är en dskret slumpvarabel Sannolkhetsfördelnn gen för x P(=x) P( x)=f x (x) / / / / 3 / 3/ 4 / 4/ 5 / 5/ / /= Sannolkhetsfördelnng för en dskret varabel P(=x) / 3 4 5
3 Väntevärde Väntevärdet för (Expectaton, expected value) Vd oändlgt många upprepnngar av försöket E()=µ ( x ) k E ( ) = x P = = k=antalet varabelvärden Jmfr medelvärdet ett grupperat materal Exempel:kast med tärnng Förväntat antal prckar vd kast med tärnng: E( ) = = 3,5 3
4 Varans [( ) ] ( ) ( ) k V ( ) = σ = E µ = x µ P = x = Ex µ =3,5 V + ( ) = ( 3,5) + ( 3,5) + ( 3 3,5) + ( 4 3,5) + ( 5 3,5) ( 3,5) 35 = σ =standardavvkelsen för σ = V ) = σ ( + σ = 35,7 Urval från en populaton µ en populaton Ex µ =medellängd Urval från en populaton Bestäm en skattnng av µ Använd medelvärdet urvalet som skattnng n x = = n Det skattade medelvärdet -bar är en slumpvarabel 4
5 Kontnuerlg slumpvarabel kan anta oändlgt många värden ett ntervall Då kan anta ett oändlgt antal värden ett ntervall säger v att sannolkheten att antar ett specfkt värde är noll. V tttar stället på sannolkheten att antar värden nom ett ntervall Ex sannolkheten att en slumpmässgt utvald person är 90 cm lång? V tttar nte på sannolkheten att en person är exakt 90 cm, utan på sannolkheten att personen är mellan 89,5 och 90,5. Sannolkhetsfördelnng för en kontnuerlg varabel En kontnuerlg normalfördelad slumpvarabel. Här: längd, µ x =75,σ =4 5
6 P(79,5 80,5)=? Ytan under kurvan=. Hur stor del av ytan utgör vårt markerade område? Normalfördelnng Vktgaste sannolkhetsfördelnngen för en kontnuerlg varabel Kurvan beräknas med formeln (behöver ej kunna denna formel!): f ( x) = x µ σ e πσ Kurvan bestäms av medelvärdet och standardavvkelsen Det fnns alltså ett oändlgt antal normalfördelnngar N ( µ, σ )
7 Varför behöver v kunna något om normalfördelnngen? Ex längd: N( 75,4) Dvs är normalfördelad med medelvärde 75 och standardavvkelse 4 34,3% 34,3% 3,59% 3,59%,8%,8% Slumpmässgt urval Slumpmässgt urval Populaton: N st elemet Urval (stckprov): n st element Varje element populatonen ska ha en känd sannlkhet >0 att bl utvald. Populatonen har ett okänt medelvärde µ Urvalet: n x = = n 7
8 Exempel En populaton består av N = 4 personer och varabeln = vkt. Observatonerna är 77, 83, 90 och 90 kg. Populatonsmedelvärdet µ blr 85 kg. V drar nu ett obundet slumpmässgt urval (OSU) med återläggnng om n = personer. Det fnns då 4 x 4 = olka urval som alla har samma sannolkhet, /. V antar nu att v nte vet populatonsmedelvärdet utan v vll skatta det från den nformaton v får från urvalet. V väljer stckprovsmedelvärdet som en skattnng för µ. Denna skattnng är en slumpvarabel och v kan nu bestämma alla tänkbara värden på denna varabel utfrån de olka möjlga urvalen. Sannolkhetsfördelnngen för -bar Vad vet v om sannolkhetsfördelnngen för -bar? Hur ser fördelnngen för -bar ut? 8
9 Väntevärdesrktg skattnng V kan för varje urval också bestämma urvalsfelet µ dvs avvkelsen mellan medelvärdet stckprovet och populatonen Om urvalsfelet genomsntt är 0 så är skattnngen väntevärdesrktg, v har nget systematskt fel Centrala gränsvärdesatsen, CGV Oavsett hur populatonen ser ut gäller att fördelnngen för -bar närmar sg en normalfördelnng om v drar ett tllräcklgt stort stckprov av n oberoende observatoner Tllräcklgt stort. Tumregel: n>30 Kravet på stckprovsstorleken är beroende av hur populatonen ser ut: ju mer symmetrsk, desto bättre kan fördelnngen för -bar approxmeras med en normalfördelnng för en gven stckprovsstorlek. Om populatonen är normalfördelad är också fördelnngen för -bar normalfördelad för alla storlekar på n, även om n är mycket ltet. 9
F13. Förra gången (F12) Konfidensintervall och hypotesprövning Chi-tvåtest. Stratifierat urval
Konfdensntervall och hypotesprövnng Ch-tvåtest F3 Förra gången (F) Stratferat urval Dela n populatonen homogena ata med avseende på atferngsvarabeln Välj atferngsvarabel som har ett samband med undersöknngsvarabeln
Läs merFöreläsning G70 Statistik A
Föreläsnng -2 732G70 Statstk A Kaptel 2 Populatoner, stckprov och varabler Sd -46 2 Populaton Den samlng enheter (exempelvs ndvder) som v vll dra slutsatser om. Populatonen defneras på logsk väg med utgångspunkt
Läs merTest av anpassning, homogenitet och oberoende med χ 2 - metod
Matematsk statstk för STS vt 00 00-05 - Bengt Rosén Test av anpassnng, homogentet och oberoende med χ - metod Det stoff som behandlas det fölande återfnns Blom Avsntt 7 b sdorna 6-9 och Avsntt 85 sdorna
Läs mer732G70 Statistik A. Föreläsningsunderlag skapad av Karl Wahlin Föreläsningsslides uppdaterade av Bertil Wegmann
732G70 Statstk A Föreläsnngsunderlag skapad av Karl Wahln Föreläsnngssldes uppdaterade av Bertl Wegmann Insttutonen för datavetenskap (IDA) Lnköpngs unverstet vt 2016 Kaptel 2 Populatoner, stckprov och
Läs merCentrala Gränsvärdessatsen:
Föreläsnng V såg föreläsnng ett, att om v känner den förväntade asymptotska fördelnngen en gven stuaton så kan v med utgångspunkt från våra mätdata med hjälp av mnsta kvadrat-metoden fnna vlka parametrar
Läs merFORMELSAMLING HT-15 MATEMATISK STATISTIK FÖR B, K, N, BME OCH KEMISTER; FMS086 & MASB02. Sannolikhetsteori. Beskrivning av data
LUNDS TEKNISKA HÖGSKOLA MATEMATIKCENTRUM MATEMATISK STATISTIK FORMELSAMLING HT-15 MATEMATISK STATISTIK FÖR B, K, N, BME OCH KEMISTER; FMS086 & MASB0 Sannolkhetsteor Följande gäller för sannolkheter: 0
Läs merVeckoblad 2. Kapitel 2 i Matematisk statistik, Blomqvist U.
Vecoblad 2 Kaptel 2 Matemats statst, Blomqvst U. ya begrepp: oberoende händelser, betngad sannolhet, Bayes formel.. är man sall lösa problem, där sntt mellan händelser ngår, an det ofta vara tll hjälp
Läs mera) B är oberoende av A. (1p) b) P (A B) = 1 2. (1p) c) P (A B) = 1 och P (A B) = 1 6. (1p) Lösningar: = P (A) P (A B) = 1
Lösnngar tll tentamen: Matematsk statstk och sgnalbehandlng (ESS0), 4.00-8.00 den 4/-009 Examnator: Serk Sagtov (Kursansvarg: Ottmar Crone) Tllåtna hjälpmedel: Tabell "Beta", utdelad formelsamlng, valfr
Läs merFinansiell Statistik (GN, 7,5 hp,, HT 2008) Föreläsning 6. Regression & Korrelation. (LLL Kap 13-14) Inledning till Regressionsanalys
Fnansell Statstk (GN, 7,5 hp,, HT 8) Föreläsnng 6 Regresson & Korrelaton (LLL Kap 3-4) Department of Statstcs (Gebrenegus Ghlagaber, PhD, Assocate Professor) Fnancal Statstcs (Basc-level course, 7,5 ECTS,
Läs merMätfelsbehandling. Lars Engström
Mätfelsbehandlng Lars Engström I alla fyskalska försök har de värden man erhåller mer eller mndre hög noggrannhet. Ibland är osäkerheten en mätnng fullständgt försumbar förhållande tll den precson man
Läs merDel A Begrepp och grundläggande förståelse.
STOCKHOLMS UNIVERSITET FYSIKUM Tentamensskrvnng Expermentella metoder, 12 hp, för kanddatprogrammet, år 1 Onsdagen den 17 jun 2009 kl 9-1. S.H./K.H./K.J.-A./B.S. Införda betecknngar bör förklaras och uppställda
Läs merFlode. I figuren har vi också lagt in en rät linje som någorlunda väl bör spegla den nedåtgående tendensen i medelhastighet för ökande flöden.
Hast Något om enkel lnjär regressonsanalys 1. Inlednng V har tdgare pratat om hur man anpassar en rät lnje tll observerade talpar med hjälp av den s.k. mnsta kvadratmetoden. V har också berört hur man
Läs merBeräkna standardavvikelser för efterfrågevariationer
Handbok materalstyrnng - Del B Parametrar och varabler B 41 Beräkna standardavvkelser för efterfrågevaratoner och prognosfel En standardavvkelse är ett sprdnngsmått som anger hur mycket en storhet varerar.
Läs merPrimär- och sekundärdata. Undersökningsmetodik. Olika slag av undersökningar. Beskrivande forts. Beskrivande forts. 2012-11-08
Prmär- och sekundärdata Undersöknngsmetodk Prmärdataundersöknng: användnng av data som samlas n för första gången Sekundärdata: användnng av redan nsamlad data Termeh Shafe ht01 F1-F KD kap 1-3 Olka slag
Läs merFK2002,FK2004. Föreläsning 5
FK00,FK004 Föreläsnng 5 Föreläsnng 5 Labbrapporter Korrelatoner Dmensonsanalys Denna föreläsnng svarar mot kap. 9 (Taylor) Labbrapporter Feedback+betyg skckas morgon. Några tps ett dagram hjälper alltd
Läs merTentamen i MATEMATISK STATISTIK Datum: 8 Juni 07
Tentamen MATEMATISK STATISTIK Datum: 8 Jun 0 Kurser: MATEMATIK OCH MATEMATISK STATISTIK 6H3000 (TEN2), 6L3000 (TEN2), MATEMATIK2 MED MATEMATISK STATISTIK 6H2208 (TEN2) MATEMATISK STATISTIK 6A2111 (TEN1);
Läs merENKEL LINJÄR REGRESSION
Fnansell statstk, vt 0 ENKEL LINJÄR REGRESSION Ordlsta tll NCT Scatter plot Dependent/ndependent Least squares Sum of squares Resdual Ft Predct Random error Analyss of varance Sprdnngsdagram Beroende/oberoende
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 mer4.2.3 Normalfördelningen
4..3 Normalfördelge Bomal- och Possofördelge är två exempel på fördelgar för slumpvarabler som ka ata ädlgt eller uppräkelgt måga olka värde. Sådaa fördelgar sägs vara dskreta. Ofta är ett resultat X frå
Läs merTentamen i Dataanalys och statistik för I den 5 jan 2016
Tentamen Dataanalys och statstk för I den 5 jan 06 Tentamen består av åtta uppgfter om totalt 50 poäng. Det krävs mnst 0 poäng för betyg, mnst 0 poäng för och mnst 0 för 5. Eamnator: Ulla Blomqvst Hjälpmedel:
Läs merExperimentella metoder 2014, Räkneövning 5
Expermentella metoder 04, Räkneövnng 5 Problem : Två stokastska varabler, x och y, är defnerade som x = u + z y = v + z, där u, v och z är tre oberoende stokastska varabler med varanserna σ u, σ v och
Läs merFöreläsning G60 Statistiska metoder
Föreläsning 4 Statistiska metoder 1 Dagens föreläsning o Sannolikhet Vad är sannolikhet? o Slumpvariabel o Sannolikhetsfördelningar Binomialfördelning Normalfördelning o Stickprov och population o Centrala
Läs merRepetition. Repetition. Repetition. X: slumpvariabel (s.v.) betraktas innan ett försök är genomfört. x: observerat värde efter försöket är genomfört.
X: slumpvrel (s.v.) etrkts nnn ett försök är genomfört. : oservert värde efter försöket är genomfört. En s.v. är kontnuerlg om den kn nt ll tänkr värden ett ntervll. Fördelnngsfunkton (cdf): F () = P(X
Läs merNär vi räknade ut regressionsekvationen sa vi att denna beskriver förhållandet mellan flera variabler. Man försöker hitta det bästa möjliga sättet
Korrelaton När v räknade ut regressonsekvatonen sa v att denna beskrver förhållandet mellan flera varabler. Man försöker htta det bästa möjlga sättet att med en formel beskrva hur x och y förhåller sg
Läs merVäntevärde, standardavvikelse och varians Ett statistiskt material kan sammanfattas med medelvärde och standardavvikelse (varians), och s.
Vätevärde, stadardavvkelse och varas Ett statstskt materal ka sammafattas med medelvärde och stadardavvkelse (varas, och s. På lkade sätt ka e saolkhetsfördelg med käda förutsättgar sammafattas med vätevärde,,
Läs merKvalitetssäkring med individen i centrum
Kvaltetssäkrng med ndvden centrum TENA har tllsammans med äldreboenden Sverge utvecklat en enkel process genom vlken varje enskld ndvd får en ndvduell kontnensplan baserad på hans eller hennes unka möjlgheter
Läs merSOS HT Punktskattningar. Skattning från stickprovet. 2. Intuitiva skattningar. 3. Skattning som slumpvariabel. slump.
Puktskattgar SOS HT10 Puktskattg uwe@math.uu.se http://www.math.uu.se/~uwe/sos_ht10 1. Vad är e puktskattg och varför behövs de? 1. Jämförelse: saolkhetstoer statstkteor 2. Itutva ( aturlga ) skattgar
Läs merF9 SAMPLINGFÖRDELNINGAR (NCT
Stat. teori gk, ht 006, JW F9 SAMPLINGFÖRDELNINGAR (NCT 7.1-7.4) Ordlista till NCT Sample Population Simple random sampling Sampling distribution Sample mean Standard error The central limit theorem Proportion
Läs merSensorer, effektorer och fysik. Analys av mätdata
Sesorer, effektorer och fysk Aalys av mätdata Iehåll Mätfel Noggrahet och precso Några begrepp om saolkhetslära Läges- och sprdgsmått Kofdestervall Ljär regresso Mätosäkerhetsaalys Mätfel Alla mätgar är
Läs merKap 6: Normalfördelningen. Normalfördelningen Normalfördelningen som approximation till binomialfördelningen
Kap 6: Normalfördelningen Normalfördelningen Normalfördelningen som approximation till binomialfördelningen σ μ 1 Sats 6 A Om vi ändrar läge och/eller skala på en normalfördelning så har vi fortfarande
Läs merBeställningsintervall i periodbeställningssystem
Handbok materalstyrnng - Del D Bestämnng av orderkvantteter D 41 Beställnngsntervall perodbeställnngssystem Ett perodbeställnngssystem är ett med beställnngspunktssystem besläktat system för materalstyrnng.
Läs merBeräkna standardavvikelser för efterfrågevariationer
Handbok materalstyrnng - Del B Parametrar och varabler B 41 Beräkna standardavvkelser för efterfrågevaratoner och prognosfel En standardavvkelse är ett sprdnngsmått som anger hur mycket en storhet varerar.
Läs merInnehåll: har missbrukat jämfört med om man inte har. missbrukat. Risk 1 Odds Risk. Odds 1 Risk. Odds
22 5 Innehåll:. Rsk & Odds. Rsk Rato.2 Odds Rato 2. Logstsk Regresson 2. Ln Odds 2.2 SPSS Output 2.3 Estmerng (ML) 2.4 Multpel 3. Survval Analys 3. vs. Logstsk 3.2 Censurerade data 3.3 Data, SPSS 3.4 Parametrskt
Läs mer1. a Vad menas med medianen för en kontinuerligt fördelad stokastisk variabel?
Tentamenskrvnng: TMS45 - Grundkurs matematsk statstk och bonformatk, 7,5 hp. Td: Onsdag den 9 august 2009, kl 08:30-2:30 Väg och vatten Tesen korrgerad enlgt anvsngar under tentamenstllfället. Examnator:
Läs merFaradays lag. ger. Låt oss nu bestämma den magnetiska energin för N st kopplade kretsar. Arbetet som kretsarnas batterier utför är
9. Magnetsk energ Faradays lag [RM] ger E dφ dt (9.5) dw k IdΦ + RI dt (9.6) Batterets arbete går alltså tll att bygga upp ett magnetskt flöde Φ och därmed motverka den bromsande nducerade spännngen, och
Läs merFörklaring:
rmn Hallovc: EXTR ÖVNINR ETIND SNNOLIKHET TOTL SNNOLIKHET OEROENDE HÄNDELSER ETIND SNNOLIKHET Defnton ntag att 0 Sannolkheten för om har nträffat betecknas, kallas den betngade sannolkheten och beräknas
Läs merFinansiell statistik, vt-05. Kontinuerliga s.v. variabler. Kontinuerliga s.v. F7 Kontinuerliga variabler
5 45 4 5 5 5 5 Öppningskurs 5 9 7 5 9 7 4 45 49 5 57 6 65 abb Johan Koskinen, Statistiska institutionen, Stockholms universitet Finansiell statistik, vt-5 F7 Kontinuerliga variabler Kontinuerliga s.v.
Läs merStokastisk reservsättning med Tweedie-modeller och bootstrap-simulering
Matematsk statstk Stockholms unverstet Stokastsk reservsättnng med Tweede-modeller och bootstrap-smulerng Totte Pkanen Examensarbete 2005:4 Postadress: Matematsk statstk Matematska nsttutonen Stockholms
Läs merFormler och tabeller i statistik
KTH STH, Campus Hage Formler och tabeller statstk Arm Hallovc Formler och tabeller statstk Medelvärde och varas = = = ( ) = = = Medelvärde och varas för ett frekvesdelat materal = k = f = k = f ( ) Vätevärde
Läs mer4.2.1 Binomialfördelning
Ex. Kasta en tärning. 1. Vad är sannolikheten att få en 6:a? 2. Vad är sannolikheten att inte få en 6:a? 3. Vad är sannolikheten att få en 5:a eller 6:a? 4. Om vi kastar två gånger, vad är då sannolikheten
Läs merStatistik 1 för biologer, logopeder och psykologer
Innehåll 1 Grunderna i sannolikhetslära 2 Innehåll 1 Grunderna i sannolikhetslära 2 Satistik och sannolikhetslära Statistik handlar om att utvinna information från data. I praktiken inhehåller de data
Läs merIntroduktion till statistik för statsvetare
"Det finns inget så praktiskt som en bra teori" November 2011 Repetition Vad vi gjort hitills Vi har börjat med att studera olika typer av mätningar och sedan successivt tagit fram olika beskrivande mått
Läs merProjekt i transformetoder. Rikke Apelfröjd Signaler och System rikke.apelfrojd@signal.uu.se Rum 72126
Projekt transformetoder Rkke Apelfröjd Sgnaler och System rkke.apelfrojd@sgnal.uu.se Rum 72126 Målsättnng Ur kursplanen: För godkänt betyg på kursen skall studenten kunna använda transformmetoder nom något
Läs merSensorer och elektronik. Analys av mätdata
Sesorer och elektrok Aalys av mätdata Iehåll Mätfel Några begrepp om saolkhetslära Läges- och sprdgsmått Kofdestervall Ljär regresso Mätosäkerhetsaalys Mätfel Alla mätresultat är behäftade med e vss osäkerhet
Läs merF5 STOKASTISKA VARIABLER (NCT , samt del av 5.4)
Stat. teori gk, ht 006, JW F5 STOKASTISKA VARIABLER (NCT 5.1-5.3, samt del av 5.4) Ordlista till NCT Random variable Discrete Continuous Probability distribution Probability distribution function Cumulative
Läs merVinst (k) 1 1.5 2 4 10 Sannolikhet 0.4 0.2 0.2 0.1 0.1 ( )
Tentamen Matematsk statstk Ämneskod-lnje S1M Poäng totalt för del 1 5 (8 uppgfter) Poäng totalt för del 3 (3 uppgfter) Tentamensdatum 9-3-5 Kerstn Vännman Lärare: Robert Lundqvst Mkael Stenlund Skrvtd
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 merArbetslivsinriktad rehabilitering för sjukskrivna arbetslösa funkar det?
NATIONALEKONOMISKA INSTITUTIONEN Uppsala Unverstet Uppsats fortsättnngskurs C Författare: Johan Bjerkesjö och Martn Nlsson Handledare: Patrk Hesselus Termn och år: HT 2005 Arbetslvsnrktad rehablterng för
Läs mer1. Anpassningstest. Chi-Square test. Multinomial experiment. Multinomial experiment. Vad gör g r ett anpassningstest?
Ch-Square test 1. Anpassnngstest 1. Anpassnngstest (Goodness of Ft). Oberoendetest (Independence Test) uwe.menzel@genpat.uu.se Vad gör g r ett anpassnngstest? Hur bra passar en statsts modell tll observerade
Läs merKomplettering av felfortplantningsformeln
Kompletterng av felfortplantnngsformeln Varansen och kovaransen Quck Check Eempel med abs. nollpkt. Kompletterng av lnftw funktonen Possonfördelnngen 00-0-0 Fskeperment, 7.5 hp 00-0-0 Fskeperment, 7.5
Läs merTMS136. Föreläsning 4
TMS136 Föreläsning 4 Kontinuerliga stokastiska variabler Kontinuerliga stokastiska variabler är stokastiska variabler som tar värden i intervall av den reella axeln Det kan handla om längder, temperaturer,
Läs merEn utvärdering av två olika sätt att skatta fördelningen till stickprovsmedelvärden från olikfördelade data - normalapproximation kontra resampling
utvärderg av två olka sätt att skatta fördelge tll stckprovsmedelvärde frå olkfördelade data - ormalapproxmato kotra resamplg av Adreas Holmström xamesarbete matematsk statstk Umeå uverstet, Hadledare:
Läs merÖvningstentamen i kursen Statistik och sannolikhetslära (LMA120)
Övningstentamen i kursen Statistik sannolikhetslära (LMA0). Beräkna ( ) 04.. Malin har precis yttat, ska skruva ihop sitt rektangulära skrivbord igen. Bordet har ett ben i varje hörn, har två långsidor
Läs merExempel. Kontinuerliga stokastiska variabler. Integraler i stället för summor. Integraler i stället för summor
Kontinuerliga stokastiska variabler Exempel En stokastisk variabel är kontinuerlig om den kan anta vilka värden som helst i ett intervall, men sannolikheten för varje enskilt utfall är noll: P(X = x) =.
Läs merFöreläsning 7: Punktskattningar
Föreläsning 7: Punktskattningar Matematisk statistik Chalmers University of Technology April 27, 2015 Tvådimensionella fördelningar Definition En två dimensionell slumpvariabel (X, Y ) tillordnar två numeriska
Läs merLycka till och trevlig sommar!
UMEÅ UNIVERSITET Isttutoe för matematsk statstk Statstk för lärare, MSTA38 Lef Nlsso TENTAMEN 07-05-3 TENTAMEN I MATEMATISK STATISTIK Statstk för lärare, 5 poäg Skrvtd: 09.00-5.00 Tllåta hjälpmedel: Tabellsamlg,
Läs merKurssammanfattning MVE055
Obs: Detta är enbart tänkt som en översikt och innehåller långt ifrån allt som ingår i kursen (vilket anges exakt på hemsidan). Fullständiga antaganden i satser kan saknas och fel kan förekomma så kontrollera
Läs merParametriska metoder. Icke-parametriska metoder. parametriska test. Icke-parametriska test. Location Shift. Vilket test ersätts med vilket?
Icke-parametrska test Icke-parametrska metoder Parametrska metoder Fördelge för populatoe som stckprovet togs frå är käd så ära som på ett atal parametrar, t.ex: N med okäda och Icke-parametrska metoder
Läs merForskningsmetodik 2006 lektion 2
Forskningsmetodik 6 lektion Per Olof Hulth hulth@physto.se Slumpmässiga och systematiska mätfel Man skiljer på två typer av fel (osäkerheter) vid mätningar:.slumpmässiga fel Positiva fel lika vanliga som
Läs merFöreläsningsanteckningar till kapitel 8, del 2
Föreläsningsanteckningar till kapitel 8, del 2 Kasper K. S. Andersen 4 oktober 208 Jämförelse av två väntevärden Ofte vil man jämföra två eller fler) produkter, behandlingar, processer etc. med varandra.
Läs merHypotesprövning. Andrew Hooker. Division of Pharmacokinetics and Drug Therapy Department of Pharmaceutical Biosciences Uppsala University
Hypotesprövning Andrew Hooker Division of Pharmacokinetics and Drug Therapy Department of Pharmaceutical Biosciences Uppsala University Hypotesprövning Liksom konfidensintervall ett hjälpmedel för att
Läs merKvalitetsjustering av ICT-produkter
Kvaltetsjusterng av ICT-produkter - Metoder och tllämpnngar svenska Prsndex Producent- och Importled - Enheten för prsstatstk, Makroekonom och prser, SCB December 2006 STATISTISKA CENTRALBYRÅN 2(55) Kontaktnformaton
Läs merFACIT: Tentamen L9MA30, LGMA30
Göteborgs Universitetet GU Lärarprogrammet 06 FACIT: Matematik för lärare, åk 7-9, Sannolikhetslära och statistik, Matematik för gymnasielärare, Sannolikhetslära och statistik 07-0-04 kl..0-.0 Examinator
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 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 merGrundläggande matematisk statistik
Grundläggande matematisk statistik Kontinuerliga fördelningar Uwe Menzel, 8 www.matstat.de Begrepp fördelning Hur beter sig en variabel slumpmässigt? En slumpvariabel (s.v.) har en viss fördelning, d.v.s.
Läs merSF1920/SF1921 Sannolikhetsteori och statistik 6,0 hp Föreläsning 3 Diskreta stokastiska variabler. Jörgen Säve-Söderbergh
SF1920/SF1921 Sannolikhetsteori och statistik 6,0 hp Föreläsning 3 Diskreta stokastiska variabler Jörgen Säve-Söderbergh Stokastisk variabel Singla en slant två gånger. Ω = {Kr Kr, Kr Kl, Kl Kr, Kl Kl}
Läs merTentamen MVE301 Sannolikhet, statistik och risk
Tentamen MVE301 Sannolikhet, statistik och risk 2017-08-15 kl. 8:30-13:30 Examinator: Johan Jonasson, Matematiska vetenskaper, Chalmers Telefonvakt: Olof Elias, telefon: 031-7725325 Hjälpmedel: Valfri
Läs merVariansanalys ANOVA. Idé. Experiment med flera populationer. Beteckningar. Beteckningar. ANOVA - ANalysis
Varansanalys ANOVA ANOVA - ANalyss Of VArance Stcprov från flera populatoner ( ) analyserar varansen (sprdnngen) varje stcprov för att dra slutsatser om medelvärden Har alla populatoner samma medelvärden?
Läs merMatematisk statistik 9hp Föreläsning 7: Normalfördelning
Matematisk statistik 9hp Föreläsning 7: Normalfördelning Anna Lindgren 29+3 september 216 Anna Lindgren anna@maths.lth.se FMS12/MASB3 F7: normalfördelning 1/18 Kovarians, C(X, Y) Repetition Normalfördelning
Läs merUtbildningsavkastning i Sverige
NATIONALEKONOMISKA INSTITUTIONEN Uppsala Unverstet Examensarbete D Författare: Markus Barth Handledare: Bertl Holmlund Vårtermnen 2006 Utbldnngsavkastnng Sverge Sammandrag I denna uppsats kommer två olka
Läs merSF1901 Sannolikhetsteori och statistik I
SF1901 Sannolikhetsteori och statistik I Jimmy Olsson Föreläsning 6 13 november 2017 1 / 29 Idag Förra gången Mer om väntevärden och varianser (Kap. 5.2 5.3) Beroendemått (Kap. 5.4) Summor, linjärkombinationer
Läs merLMA521: Statistisk kvalitetsstyrning
Föreläsning: Kapabilitet Föregående material Acceptanskontroll: Enkel provtagningsplan Dubbel provtagningsplan Kontrollomfattning Styrande kontroll: Medelvärdesdiagram R-diagram/ s-diagram Felantalsdiagram
Läs merDödlighetsundersökningar på KPA:s
Matematsk statstk Stockholms unverstet Dödlghetsundersöknngar på KPA:s bestånd av förmånsbestämda pensoner Sven-Erk Larsson Eamensarbete 6: Postal address: Matematsk statstk Dept. of Mathematcs Stockholms
Läs merBilligaste väg: Matematisk modell i vektor/matrisform. Billigaste väg: Matematisk modell i vektor/matrisform
Vägar: Bllgaste väg Bllgaste väg s t Indata: Rktad graf med bågkostnader c, start/slutnod s, t. Bllgaste väg-problemet: Fnn en väg från s tll t med mnmal kostnad. Kostnaden för en väg är summan av kostnaderna
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 mer4.1 Grundläggande sannolikhetslära
4.1 Grundläggande sannolikhetslära När osäkerhet förekommer kan man aldrig uttala sig tvärsäkert. Istället använder vi sannolikheter, väntevärden, standardavvikelser osv. Sannolikhet är ett tal mellan
Läs merFÖRDJUPNINGS-PM. Nr 6. 2010. Kommunalt finansierad sysselsättning och arbetade timmar i privat sektor. Av Jenny von Greiff
FÖRDJUPNINGS-PM Nr 6. 2010 Kommunalt fnanserad sysselsättnng och arbetade tmmar prvat sektor Av Jenny von Greff Dnr 13-15-10 Kommunalt fnanserad sysselsättnng och arbetade tmmar prvat sektor Inlednng Utförsäljnng
Läs merCiteringsstudie av natur och samhällsvetenskapliga institutioner vid Stockholms universitet,
Cterngsstude av natur och samhällsvetenskaplga nsttutoner vd Stockholms unverstet, 2008 2010 Per Ahlgren, Stockholms unverstetsbblotek 1 Inlednng I förelggande rapport redogörs för en bblometrsk stude,
Läs merFÖRDJUPNINGS-PM. Nr 6. 2010. Kommunalt finansierad sysselsättning och arbetade timmar i privat sektor. Av Jenny von Greiff
FÖRDJUPNINGS-PM Nr 6. 20 Kommunalt fnanserad sysselsättnng och arbetade tmmar prvat sektor Av Jenny von Greff Dnr 13-15- Kommunalt fnanserad sysselsättnng och arbetade tmmar prvat sektor Inlednng Utförsäljnng
Läs merMatematisk statistik TMS063 Tentamen
Matematisk statistik TMS63 Tentamen 8-8- Tid: 4:-8: Tentamensplats: SB Hjälpmedel: Bifogad formelsamling och tabell samt Chalmersgodkänd räknare. Kursansvarig: Olof Elias Telefonvakt/jour: Olof Elias,
Läs merMatrismodellen vs Two-part regressionsmodeller -effekter på Region Skånes resursfördelning-
Statstska nsttutonen Matrsmodellen vs Two-part regressonsmodeller -effekter på Regon Skånes resursfördelnng- Av: Jennfer Ercsson Uppsats Statstk 15 hp Nvå 61-90 poäng September 2007 Handledare: Mats Hagnell
Läs merMätfelsbehandling. Medelvärde och standardavvikelse
Mätfelsbehandlng I alla fskalska försök har de värden an erhåller er eller ndre hög noggrannhet. Ibland är osäkerheten en ätnng fullständgt försubar förhållande tll den precson an vll ha. Andra gånger
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 mer4. Stokastiska variabler
4. Stokastiska variabler En stokastisk variabel (s.v.) är en funktion som definieras i utfallsrummet. Varje stokastisk variabel har en viss sannolikhetsstruktur. Ex: Man kastar två tärningar. Låt X = summan
Läs merKap 2. Sannolikhetsteorins grunder
Kap 2. Sannolikhetsteorins grunder Olika händelser och deras mängbetäckningar Sats 2.7 Dragning utan återläggning av k element ur n (utan hänsyn till ordning) kan ske på ( n ) olika sätt k För två händelser
Läs mer7.5 Experiment with a single factor having more than two levels
7.5 Experiment with a single factor having more than two levels Exempel: Antag att vi vill jämföra dragstyrkan i en syntetisk fiber som blandats ut med bomull. Man vet att inblandningen påverkar dragstyrkan
Läs merKapitel 4 Sannolikhetsfördelningar Sid Föreläsningsunderlagen är baserade på underlag skrivna av Karl Wahlin
Kapitel 4 Sannolikhetsfördelningar Sid 79-14 Föreläsningsunderlagen är baserade på underlag skrivna av Karl Wahlin Slumpvariabel En variabel för vilken slumpen bestämmer utfallet. Slantsingling, tärningskast,
Läs merEn reservberäkningsmetodik baserad på enskilda skador
Matematsk statstk Stockholms unverstet En reservberäknngsmetodk baserad på ensklda skador Elze Wästanfors Eamensarbete 005:3 Postadress: Matematsk statstk Matematska nsttutonen Stockholms unverstet 06
Läs merRinganalys VTI notat VTI notat Analys av bindemedel
VTI notat 4 004 Rnganalys 00 Analys av bndemedel Författare Lef Vman FoU-enhet Väg- och banteknk Projektnummer 601 Projektnamn Rnganalyser Uppdragsgvare FAS Metodgrupp Förord Rnganalysen har utförts av
Läs merFöreläsning 1. NDAB02 Statistik; teori och tillämpning i biologi
Föreläsning 1 Statistik; teori och tillämpning i biologi 1 Kursens uppbyggnad 9 föreläsningar Föreläsningsunderlag läggs ut på kurshemsidan 5 lektioner Uppgifter från kursboken enligt planering 5 laborationer
Läs merBlixtkurs i komplex integration
Blxtkurs komplex ntegraton Sven Spanne 7 oktober 998 Komplex ntegraton Vad är en komplex kurvntegral? Antag att f z är en komplex funkton och att är en kurva det komplexa talplanet. Man kan då beräkna
Läs merUtbildningsdepartementet Stockholm 1 (6) Dnr 2013:5253
Skolnspektonen Utbldnngsdepartementet 2013-11-06 103 33 Stockholm 1 (6) Yttrande över betänkandet Kommunal vuxenutbldnng på grundläggande nvå - en översyn för ökad ndvdanpassnng och effektvtet (SOU 2013:20)
Läs merFond-i-fonder. med global placeringsinriktning. Ett konkurrenskraftigt alternativ till globalfonder? En jämförelse med fokus på risk och avkastning.
Uppsala Unverstet Företagsekonomska nsttutonen Magsteruppsats HT 2009 Fond--fonder med global placerngsnrktnng Ett konkurrenskraftgt alternatv tll globalfonder? En jämförelse med fokus på rsk och avkastnng.
Läs mer4 Diskret stokastisk variabel
4 Diskret stokastisk variabel En stokastisk variabel är en variabel vars värde bestäms av utfallet av ett slumpmässigt försök. En stokastisk variabel betecknas ofta med X, Y eller Z (i läroboken används
Läs merModellering av antal resor och destinationsval
UMEÅ UNIVERSITET Statstska nsttutonen C-uppsats, vt- 2005 Handledare: Erlng Lundevaller Modellerng av antal resor och destnatonsval Aron Arvdsson Salh Vošanovć Sammanfattnng V har denna uppsats analyserat
Läs merLINKÖPINGS UNIVERSITET TENTA 92MA31, 92MA37, 93MA31, 93MA37 / STN 2 9GMA05 / STN 1
LINKÖPINGS UNIVERSITET Matematiska institutionen TENTA 9MA31, 9MA37, 93MA31, 93MA37 / STN 9GMA5 / STN 1 1 juni 16, klockan 8.-1. Jour: Jörg-Uwe Löbus Tel: 79-687) Tillåtna hjälpmedel är en räknare, formelsamling
Läs mer1. Inledning s Teori bakom reversionspendeln s. 3
Abstract In ths master's thess the problem of determnn the uncertanty for an estmator of an unknown parameter s consdered. The case we study s the estmaton of ravty usn a reversble pendulum. Ths nvolves
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 merMatematisk statistik för B, K, N, BME och Kemister
Mtemtisk sttistik för B, K, N, BME och Kemister Föreläsning 2 John Lindström 3 ugusti 217 John Lindström - johnl@mths.lth.se FMSF7/MASB2 F1 1/22 Grundläggnde begrepp Stokstisk vribel Snnolikhetsfunktion
Läs mer