34% 34% 13.5% 68% 13.5% 2.35% 95% 2.35% 0.15% 99.7% 0.15% -3 SD -2 SD -1 SD M +1 SD +2 SD +3 SD

Storlek: px
Starta visningen från sidan:

Download "34% 34% 13.5% 68% 13.5% 2.35% 95% 2.35% 0.15% 99.7% 0.15% -3 SD -2 SD -1 SD M +1 SD +2 SD +3 SD"

Transkript

1 6.4 Att dra slutsatser på basis av statistisk analys en kort inledning - Man har ett stickprov, men man vill med hjälp av det få veta något om hela populationen => för att kunna dra slutsatser som gäller den, behöver man utvärdera möjligheten av fel som betingats av det att man i st f hela populationen endast undersökt en del av den. Därefter kan man ta ställning till vilka resultat som har betydelse = statistisk signifikans * om man undersökt hela populationen (t ex alla anställda i ett företag) behöver man inte undersöka resultatens statistiska signifikans vi vet hur hela populationen ser ut - I andra fall kan problemet uttryckas så här: hur mycket av de resultat som vi fått kan bero på slumpen? 1) Om vi samlat in data från ett stickprov som gjorts med hjälp av sannolikhetsurval, kan vi försöka utvärdera sannolikheten av att resultaten inte stämmer i hela populationen. Detta när man gör univariat analys 2) Om stickprovet uppvisar skillnader mellan sina olika delar (t ex män/kvinnor, människor i olika ålder, respondenter som är olika med avseende på andra variabler), gäller frågan om skillnaderna är verkliga eller förorsakade av slumpen. Dvs: är de statistiskt signifikanta? Det här gäller i bivariat och multivariat analys - Den sk. normalfördelningen (Gauss kurva) upptäcktes redan tidigare, men användes t ex när astronomen Carl Friedrich Gauss ( ) undersökte fel, som man gjorde när man skulle bestämma stjärnornas läge. * kurvan har klockform och är fullständigt symmetrisk. M = Me = Mo. Grafiskt kan den framställas på olika sätt, men proportionerna består. # fördelningen av de olika värdena kan jämföras med standardavvikelsen s (= SD) (Rowntree 70): 34% 34% 13.5% 68% 13.5% 2.35% 95% 2.35% 0.15% 99.7% 0.15% -3 SD -2 SD -1 SD M +1 SD +2 SD +3 SD - OBS: benämningen normalfördelning betyder inte, att de flesta variablerna skulle fördelas enligt den. Den beskriver en slumpmässig fördelning. (Men många gånger stämmer den ganska bra t ex människornas längd, skonummer, vissa attitydfrågor (inte alla)... (?)) 1

2 - En tomte uppenbarar sig (Rowntree 83-86). Den är 10 cm lång. Eftersom vi inte sett några andra exemplar, är urvalets storlek 1 st. Vad kan vi säga om populationens medellängd? * Det säkraste antagandet är 10 cm. Men hur säkert är det? - Om vi börjar med antagandet, att tomtarnas längd varierar som normalfördelningen, skulle det vara osannolikt med en fördelning (i bilden: A) där medellängden M = 6 cm och standardavvikelsen SD = 1 cm. Då skulle värdet 10 cm vara mer är 3 SD över medellängden, och endast 0.15% av tomtarna skulle vara så långa. Det skulle också vara osannolikt med en fördelning (i bilden: B) där M = 30 cm och SD = 10 cm då skulle det exemplar som vi såg höra till den kortaste 2.5% inom populationen. Bättre gissning: M = 10 (i bilden: C1-C3) men vi vet fortfarande ingenting om variationen. A B C1 C C3 - om ytterligare 4 tomtar visar sig, kan vi göra en ny estimering av deras medellängd. De fyra nya fallen är 9.2, 9.6, 10.3 och 10.5 cm långa medellängden blir 9.9 cm och N = 5. Standardavvikelsen (s eller SD) blir ca. 0.5 cm, vilket betyder att endast en liten andel (0.3%) tomtar kan förväntas vara längre än 11.5 cm eller kortare än 8.5 cm (dvs att deras längd inte ryms inom gränserna för M + 3SD). - idén med exemplet: när urvalet blir större, växer vår kunskap om egenskaperna hos populationen, men vi kan fortfarande inte vara säkra på hur bra urvalet motsvarar den. Vi kan emellertid estimera hur stort det möjliga felet kan vara. Om någon annan skulle träffa och mäta 5 andra tomtar, hur sannolikt skulle det vara att deras medellängd skulle vara just 9.9 cm? * dvs, om vi hade flera olika urval att jämföra emellan, hur stor kunde variationen vara mellan deras medelvärden? - Om vi tänker att man gör ett stort antal mätningar som alla gäller samma variabel i samma population, kan man anta, att medelvärden blir något olika, men samtidigt att de fördelas på ett sätt som påminner om normalfördelningen eftersom skillnaderna antas bero på slumpmässiga faktorer, inte på några systematiska skillnader mellan urvalen: 2

3 - Vi behöver alltså räkna standardavvikelsen av olika medelvärden. Namnet för denna indikator är standardfelet (standard error, SF) M som beräknas som standardavvikelse (s) dividerad med kvadratroten av urvalets storlek: s N (OBS: egentligen borde man använda standardavvikelsen hos hela populationen ( ) som vi kanske inte vet, men om antalet observationer är större än ca 30 kan man använda urvalets standardavvikelse (s) i stället). * standardfelet beror alltså på tre faktorer: 1) standardavvikelsen i urvalet. Ju mera variabeln varierar inom det, desto större möjlighet finns det för att även medelvärdet hos de olika urvalen avviker sig från varandra; 2) ju större urval vi har, desto närmare borde dess medelvärde stå för populationens verkliga medelvärde, dvs desto mindre blir standardfelet; 3) MEN eftersom vi i våra kalkyler använder kvadratroten av N, har urvalets storlek ändå överraskande liten betydelse! # t ex: vi undersöker resultat som elever i vissa skolor får i något visst test. Vi har ett urval av 100 observationer, standardavvikelsen är 15 poäng. M = => M = 15 = 15 = 1.5 poäng Men för att halvera standardfelet, borde vi ha ett fyrdubbelt antal mätningar: M = 15 = 15 = 0.75 poäng % av normalfördelningen faller inom M + 1 SD. Vi kan alltså säga, att 68% av medelvärden hos de olika tänkbara urvalen faller inom M + 1 M. På motsvarande sätt faller 32% utanför. * Vi återgår till det första exemplet om skolelevernas testresultat (N = 100). Om medelvärdet var 50.0 poäng, kan vi säga att populationens medelvärde med en sannolikhet av 68% faller inom gränserna för M, eller , dvs. mellan 48.5 och # det här kallas för konfidensintervall. Den är förknippad med viss signifikansnivå, som uttrycks i % eller som decimaltal (t ex 5% eller 0.05) - Vanligtvis använder man signifikansnivåerna 5% och 1%. De motsvaras av konfidensintervallen + 2 M samt M (närmare sagt 1.96 och 2.58 M ). - Många frågor som vi undersöker gäller skillnader mellan olika grupper i vårt urval. Man ritar korstabeller och ser, att medelvärden för olika grupper inom vårt urval blir olika. Det kan vara att vår hypotes gäller just dessa skillnader. Vi vill veta om de är slumpmässiga => även här behövs normalfördelningen. 3

4 * De slumpmässiga skillnaderna mellan de olika mätningarna följer alltså normalfördelningen: Urval A och B har samma medelvärde Urval A har större medelvärde Urval B har större medelvärde stor skillnad mindre skillnad 0 mindre skillnad. stor skillnad - Vår fråga blir alltså: utgående från det vi vet om egenskaperna (variabelns medelvärde, storlek, varians) hos urvalen A och B, hur stor är möjligheten att skillnaden i den undersökta variabelns medelvärde beror på en slump? * i det här fallet beräknar man standardfelet för skillnaderna i variabelns medelvärde i de olika urvalen (SF diff ): SF diff = (SF A ) 2 + (SF B ) 2 => ALLTSÅ: om skillnaden i variabelns medelvärde i de två urvalen är t ex större än + 2 SF diff, finns det en sannolikhet på 5%, att den beror på slumpen. - den statistiska signifikansen av skillnader mellan olika medelvärden utges i %. Vanligtvis hänvisar man till sannolikheter av 1% (eller 0.01) eller 5% (0.05), som betyder möjligheten för att skillnaden kunde vara slumpmässig. - Det här testet kallas för z-test. Det finns andra tester där man inte använder normalfördelningen, pga att urvalet är för litet (<30) (t ex Students t-test, t-testet ). - om man har tre eller flera grupper som man jämför emellan, används den s k. F-testet - När man jämför procent, används oftast det sk. 2 (chi-kvadrat) (chi-square) testet. Där behöver variabeln inte vara metrisk man kan använda testet för signifikansprövning av t ex skillnaderna i hur en variabel på nominalskala fördelar sig i de olika delarna av urvalet dvs cellerna i en korstabell. En av de mest använda testerna för statistisk signifikans. * i princip jämför man den faktiska fördelningen med den fördelning som skulle vara att förväntas, om fördelningen skulle vara oberoende av den variabel som vi tror vara orsaken till skillnaderna. 4

5 - Några anmärkningar till slut: a) statistisk signifikans är inte samma som teoretisk signifikans: teoretiskt signifikant teoretiskt icke signifikant statistiskt signifikant (1) (2) statistiskt icke signifikant (3) (4) (1) är bra: man har hittat en statistiskt signifikant skillnad som har teoretisk betydelse. (4) är bra. (2) är ett trivialt resultat eller en tautologi (t ex de som tycker om konst i allmänhet tycker också om modern konst mer än de andra). (3) betyder att man inte hittade de skillnader man var ute efter. Man kan förkasta hypotesen; eller det fanns ett fel i metoden (reliabiliteten är så låg att de verkliga skillnaderna inte blir statistiskt signifikanta); eller det finns någon samverkande variabel som blandar bort skillnaderna. I det senare fallet kan man ännu undersöka mindre delar av urvalet (t ex män och kvinnor i åldern 21-35) och kontrollera, om skillnaden man var ute efter (t ex mellan män och kvinnor) skulle bli statistiskt signifikant inom den. Eller man kan göra ett nytt försök med större urval. b) man har inget objektivt sätt att bestämma, hur hög statistisk signifikans (hurdan signifikansnivå) som krävs * man kan fundera på de möjliga följderna av att man drar fel slutsatser. Hurdan risk av felbedömning kan man stå ut med? * ofta presenterar man resultaten på så sätt, att man t ex med hjälp av ett varierande antal asterisker (*, **, ***...) i tabellen visar vilka skillnader som är signifikanta på vilka nivåer c) ett statistiskt test säger ingenting om kausalitet, och kan inte heller bevisa att en teori är sann. 5

Algebra & Ekvationer. Svar: Sammanfattning Matematik 2

Algebra & Ekvationer. Svar: Sammanfattning Matematik 2 Algebra & Ekvationer Algebra & Ekvationer Parenteser En parentes När man multiplicerar en term med en parentes måste man multiplicera båda talen i parentesen. Förenkla uttrycket 42 9. 42 9 4 2 4 9 8 36

Läs mer

SF1901: SANNOLIKHETSTEORI OCH HYPOTESPRÖVNING. STATISTIK. Tatjana Pavlenko. 13 maj 2015

SF1901: SANNOLIKHETSTEORI OCH HYPOTESPRÖVNING. STATISTIK. Tatjana Pavlenko. 13 maj 2015 SF1901: SANNOLIKHETSTEORI OCH STATISTIK FÖRELÄSNING 13 HYPOTESPRÖVNING. Tatjana Pavlenko 13 maj 2015 PLAN FÖR DAGENS FÖRELÄSNING Begrepp inom hypotesprövning (rep.) Tre metoder för att avgöra om H 0 ska

Läs mer

Tentamen i Statistik, STA A13 Deltentamen 2, 5p 4 mars 2006, kl. 09.00-13.00

Tentamen i Statistik, STA A13 Deltentamen 2, 5p 4 mars 2006, kl. 09.00-13.00 Karlstads universitet Avdelningen för statistik Tentamen i Statistik, STA A13 Deltentamen, 5p 4 mars 006, kl. 09.00-13.00 Tillåtna hjälpmedel: Bifogad formel- och tabellsamling (skall returneras) samt

Läs mer

Föreläsning 12: Regression

Föreläsning 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 mer

BIOSTATISTISK GRUNDKURS, MASB11 ÖVNING 7 (2015-04-29) OCH INFÖR ÖVNING 8 (2015-05-04)

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 mer

Stockholms Universitet Statistiska institutionen Termeh Shafie

Stockholms 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 mer

TENTAMEN I MATEMATISK STATISTIK

TENTAMEN I MATEMATISK STATISTIK UMEÅ UNIVERSITET Institutionen för matematisk statistik Statistik för Teknologer, 5 poäng MSTA33 Ingrid Svensson TENTAMEN 2004-01-13 TENTAMEN I MATEMATISK STATISTIK Statistik för Teknologer, 5 poäng Tillåtna

Läs mer

Tentamen för kursen. Linjära statistiska modeller. 20 mars 2015 9 14

Tentamen för kursen. Linjära statistiska modeller. 20 mars 2015 9 14 STOCKHOLMS UNIVERSITET MATEMATISK STATISTIK Tentamen för kursen Linjära statistiska modeller 20 mars 2015 9 14 Examinator: Anders Björkström, bjorks@math.su.se Återlämning: Fredag 27/3 kl 12.00, Hus 5,

Läs mer

Mata in data i Excel och bearbeta i SPSS

Mata in data i Excel och bearbeta i SPSS Mata in data i Excel och bearbeta i SPSS I filen enkät.pdf finns svar från fyra män taget från en stor undersökning som gjordes i början av 70- talet. Ni skall mata in dessa uppgifter på att sätt som är

Läs mer

Säsongrensning i tidsserier.

Säsongrensning i tidsserier. Senast ändrad 200-03-23. Säsongrensning i tidsserier. Kompletterande text till kapitel.5 i Tamhane och Dunlop. Inledning. Syftet med säsongrensning är att dela upp en tidsserie i en trend u t, en säsongkomponent

Läs mer

I. Grundläggande begrepp II. Deskriptiv statistik III. Statistisk inferens Parametriska Icke-parametriska

I. Grundläggande begrepp II. Deskriptiv statistik III. Statistisk inferens Parametriska Icke-parametriska Innehåll I. Grundläggande begrepp II. Deskriptiv statistik III. Statistisk inferens Hypotesprövnig Statistiska analyser Parametriska analyser Icke-parametriska analyser Univariata analyser Univariata analyser

Läs mer

D. Samtliga beräknade mått skall följas av en verbal slutsats för full poäng.

D. Samtliga beräknade mått skall följas av en verbal slutsats för full poäng. 1 Att tänka på (obligatorisk läsning) A. Redovisa Dina lösningar i en form som gör det lätt att följa Din tankegång. (Rättaren förutsätter att det dunkelt skrivna är dunkelt tänkt.). Motivera alla väsentliga

Läs mer

TAMS28 DATORÖVNING 1-2015 VT1

TAMS28 DATORÖVNING 1-2015 VT1 TAMS28 DATORÖVNING 1-2015 VT1 Datorövningen behandlar simulering av observationer från diskreta och kontinuerliga fördelningar med hjälp av dator, illustration av skattningars osäkerhet, analys vid parvisa

Läs mer

GRUNDLÄGGANDE STATISTIK FÖR EKONOMER

GRUNDLÄGGANDE STATISTIK FÖR EKONOMER Statistiska institutionen Annika Tillander TENTAMEN GRUNDLÄGGANDE STATISTIK FÖR EKONOMER 2015-04-23 Skrivtid: 16.00-21.00 Hjälpmedel: Godkänd miniräknare utan lagrade formler eller text, samt bifogade

Läs mer

Nedan redovisas resultatet med hjälp av ett antal olika diagram (pkt 1-6):

Nedan redovisas resultatet med hjälp av ett antal olika diagram (pkt 1-6): EM-fotboll 2012 några grafer Sport är en verksamhet som genererar mängder av numerisk information som följs med stort intresse EM i fotboll är inget undantag och detta dokument visar några grafer med kommentarer

Läs mer

Tentamen består av 14 frågor, totalt 40 poäng. Det krävs minst 24 poäng för att få godkänt och minst 32 poäng för att få väl godkänt.

Tentamen består av 14 frågor, totalt 40 poäng. Det krävs minst 24 poäng för att få godkänt och minst 32 poäng för att få väl godkänt. KOD: Kurskod: PC1244 Kursnamn: Kognitiv psykologi och utvecklingspsykologi Provmoment: Metod Ansvarig lärare: Sandra Buratti Tentamensdatum: 2015-09-24 Tillåtna hjälpmedel: Miniräknare Tentamen består

Läs mer

Aktivitetsuppgifter i kurs 602 Ekonomisk statistik, del 2, våren 2006

Aktivitetsuppgifter i kurs 602 Ekonomisk statistik, del 2, våren 2006 Handelshögskolan i Stockholm Anders Sjöqvist 2087@student.hhs.se Aktivitetsuppgifter i kurs 602 Ekonomisk statistik, del 2, våren 2006 Efter förra kursen hörde några av sig och ville gärna se mina aktivitetsuppgifter

Läs mer

LULEÅ 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 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 mer

Tentamen i matematisk statistik för BI2 den 16 januari 2009

Tentamen i matematisk statistik för BI2 den 16 januari 2009 Tentamen i matematisk statistik för BI den 6 januari 9 Uppgift : Ett graviditetstest att använda i hemmet är inte helt tillförlitligt. Ett speciellt test visar positivt resultat för kvinnor, som inte är

Läs mer

SF1901: Övningshäfte

SF1901: Övningshäfte SF1901: Övningshäfte 13 oktober 2013 Uppgifterna under rubriken Övning kommer att gås igenom under övningstillfällena. Uppgifterna under rubriken Hemtal är starkt rekommenderade och motsvarar nivån på

Läs mer

TT091A, TVJ22A, NVJA02 Pu, Ti. 50 poäng

TT091A, TVJ22A, NVJA02 Pu, Ti. 50 poäng Matematisk statistik Provmoment: Ladokkod: Tentamen ges för: TT091A, TVJ22A, NVJA02 Pu, Ti 7,5 högskolepoäng Namn: (Ifylles av student) Personnummer: (Ifylles av student) Tentamensdatum: 2012-05-29 Tid:

Läs mer

KVANTITATIV FORSKNING

KVANTITATIV FORSKNING KVANTITATIV FORSKNING Teorier innehåller begrepp som byggstenar. Ofta är kvantitativa forskare intresserade av att mäta företeelser i verkligheten och att koppla denna kvantitativa information till begrepp

Läs mer

Gamla tentauppgifter i kursen Statistik och sannolikhetslära (LMA120)

Gamla tentauppgifter i kursen Statistik och sannolikhetslära (LMA120) Gamla tentauppgifter i kursen Statistik och sannolikhetslära (LMA120) Lärandemål I uppgiftena nedan anger L1, L2 respektive L3 vilket lärandemål de olika uppgifterna testar: L1 Ta risker som i förväg är

Läs mer

Uppgift 1 (14p) lika stor eller mindre än den förväntade poängen som efterfrågades i deluppgift d? Endast svar krävs, ingen motivering.

Uppgift 1 (14p) lika stor eller mindre än den förväntade poängen som efterfrågades i deluppgift d? Endast svar krävs, ingen motivering. Uppgift 1 (14p) I en hockeymatch mellan lag A och lag B leder lag A med 4-3 när det är en kvart kvar av ordinarie matchtid. En oddssättare på ett spelbolag behöver bestämma sannolikheten för de tre matchutfallen

Läs mer

Föreläsning 4. 732G19 Utredningskunskap I. Föreläsningsunderlagen bygger på underlag skapade av Kalle Wahlin

Föreläsning 4. 732G19 Utredningskunskap I. Föreläsningsunderlagen bygger på underlag skapade av Kalle Wahlin Föreläsning 4 732G19 Utredningskunskap I Föreläsningsunderlagen bygger på underlag skapade av Kalle Wahlin Dagens föreläsning Systematiskt urval Väntevärdesriktiga skattningar Jämförelse med OSU Stratifierat

Läs mer

FÅ FRAM INDATA. När inga data finns!? Beslutsfattarens dilemma är att det är svårt att spå! Särskilt om framtiden!

FÅ FRAM INDATA. När inga data finns!? Beslutsfattarens dilemma är att det är svårt att spå! Särskilt om framtiden! FÅ FRAM INDATA När inga data finns!? Beslutsfattarens dilemma är att det är svårt att spå! Särskilt om framtiden! (Falstaff Fakir) Svårigheter att få fram bra information - en liten konversation Ge mig

Läs mer

Richard Öhrvall, http://richardohrvall.com/ 1

Richard Öhrvall, http://richardohrvall.com/ 1 Läsa in data (1/4) Välj File>Open>Data Läsa in data (2/4) Leta reda på rätt fil, Markera den, välj Open http://richardohrvall.com/ 1 Läsa in data (3/4) Nu ska data vara inläst. Variable View Variabelvärden

Läs mer

Introduktion till SPSS

Introduktion till SPSS Introduktion till SPSS.. Innehåll 1 Introduktion till SPSS 1 1.1 Data Editor 1 1.2 Viewer 1 2 Variabler och Mätskalor 2 2.1 Kvantitativa variabler (Numeriska variabler) 2 2.2 Kategoriska variabler (Kvalitativa

Läs mer

Föreläsning 7 och 8: Regressionsanalys

Föreläsning 7 och 8: Regressionsanalys Föreläsning 7 och 8: Regressionsanalys Pär Nyman 12 september 2014 Det här är anteckningar till föreläsning 7 och 8. Båda föreläsningarna handlar om regressionsanalys, så jag slog ihop dem till ett gemensamt

Läs mer

Föreläsning 7 och 8: Regressionsanalys

Föreläsning 7 och 8: Regressionsanalys Föreläsning 7 och 8: Regressionsanalys Pär Nyman 3 februari 2014 Det här är anteckningar till föreläsning 7 och 8. Båda föreläsningarna handlar om regressionsanalys, så jag slog ihop dem till ett gemensamt

Läs mer

a) Bestäm sannolikheten att en slumpmässigt vald komponent är defekt.

a) Bestäm sannolikheten att en slumpmässigt vald komponent är defekt. Tentamen i Matematisk statistik, S0001M, del 1, 007-10-30 1. En viss typ av komponenter tillverkas av en maskin A med sannolikheten 60 % och av en maskin B med sannolikheten 40 %. För de komponenter som

Läs mer

Tentamen i Statistik, STA A11/STA A14 (8 poäng) 25 augusti 2004, klockan 08.15-13.15

Tentamen i Statistik, STA A11/STA A14 (8 poäng) 25 augusti 2004, klockan 08.15-13.15 Karlstads universitet Institutionen för informationsteknologi Avdelningen för Statistik Tentamen i Statistik, STA A/STA A4 (8 poäng) 5 augusti 4, klokan 8.5-3.5 Tillåtna hjälpmedel: Bifogad formelsamling

Läs mer

TENTAMEN I STATISTIKENS GRUNDER 2

TENTAMEN I STATISTIKENS GRUNDER 2 STOCKHOLMS UNIVERSITET Statistiska institutionen Michael Carlson HT2012 TENTAMEN I STATISTIKENS GRUNDER 2 2012-11-20 Skrivtid: kl 9.00-14.00 Godkända hjälpmedel: Miniräknare, språklexikon Bifogade hjälpmedel:

Läs mer

Introduktion till PAST

Introduktion till PAST Introduktion till PAST Robert Szulkin robert.szulkin@sll.se Innehållsförteckning Innehållsförteckning... - 2 - PAST - Introduktion... - 3 - Introduktion... - 3 - Hjälpmanual... - 3 - Installation... -

Läs mer

Grundläggande statistiska begrepp vid psykologisk forskning och personbedömning - ett kort utbildningspm

Grundläggande statistiska begrepp vid psykologisk forskning och personbedömning - ett kort utbildningspm Grundläggande statistiska begrepp vid psykologisk forskning och personbedömning - ett kort utbildningspm Bo Edvardsson Örebro universitet Akademin för juridik, psykologi och socialt arbete 2009 Sammanfattning.

Läs mer

Sannolikhetslära. 19 februari 2009. Vad är sannolikheten att vinna om jag köper en lott?

Sannolikhetslära. 19 februari 2009. Vad är sannolikheten att vinna om jag köper en lott? Sannolikhetslära 19 februari 009 Vad är en sannolikhet? I vardagen: Vad är sannolikheten att vinna om jag köper en lott? Borde jag ta paraply med mig till jobbet idag? Vad är sannolikheten att det kommer

Läs mer

Institutionen för beteendevetenskap Tel: 0733-633 266 013-27 45 57/28 21 03. Tentamen i kvantitativ metod Psykologi 2 HPSB05

Institutionen för beteendevetenskap Tel: 0733-633 266 013-27 45 57/28 21 03. Tentamen i kvantitativ metod Psykologi 2 HPSB05 Linköpings Universitet Jour; Ulf Andersson Institutionen för beteendevetenskap Tel: 0733-633 266 013-27 45 57/28 21 03 Tentamen i kvantitativ metod Psykologi 2 HPSB05 Torsdagen den 3/5 2007, kl. 14.00-18.00

Läs mer

1) FRÅGOR OM RESPONDENTENS SOCIAL-DEMOGRAFISKA DATA: - Hur gammal är du?... år (= öppen fråga)

1) FRÅGOR OM RESPONDENTENS SOCIAL-DEMOGRAFISKA DATA: - Hur gammal är du?... år (= öppen fråga) 1. Typer av enkätfrågor - När man gör en frågeformulär, vill man gärna få den att påminna om vanlig interaktion dvs man frågar inte svåra och/eller delikata frågor i början, utan först efter att ha samtalat

Läs mer

Introduktion till Biostatistik. Hans Stenlund, 2011

Introduktion till Biostatistik. Hans Stenlund, 2011 Introduktion till Biostatistik Hans Stenlund, 2011 Modellbaserad analys Regression Logistisk regression Överlevnadsanalys Hitta misstag Hantera extremvärden Bortfall Hur samlas data in? Formell analys

Läs mer

Bilaga 1. Kvantitativ analys

Bilaga 1. Kvantitativ analys bilaga till granskningsrapport dnr: 31-2013-0200 rir 2014:11 Bilaga 1. Kvantitativ analys Att tillvarata och utveckla nyanländas kompetens rätt insats i rätt tid? (RiR 2014:11) Bilaga 1 Kvantitativ analys

Läs mer

Bortfall Konsekvenser Varför det kan vara allvarligt med bortfall. Ann-Marie Flygare Metodstatistiker, SCB

Bortfall Konsekvenser Varför det kan vara allvarligt med bortfall. Ann-Marie Flygare Metodstatistiker, SCB Bortfall Konsekvenser Varför det kan vara allvarligt med bortfall. Ann-Marie Flygare Metodstatistiker, SCB Konsekvenser av Bortfall Introduktion Illustration av hur bortfall påverkar resultaten i en statistisk

Läs mer

Gasverkstomten Västerås. Statistisk bearbetning av efterbehandlingsåtgärderna VARFÖR STATISTIK? STANDARDAVVIKELSE MEDELVÄRDE OCH MEDELHALT

Gasverkstomten Västerås. Statistisk bearbetning av efterbehandlingsåtgärderna VARFÖR STATISTIK? STANDARDAVVIKELSE MEDELVÄRDE OCH MEDELHALT Gasverkstomten Västerås VARFÖR STATISTIK? Underlag för riskbedömningar Ett mindre subjektivt beslutsunderlag Med vilken säkerhet är det vi tar bort över åtgärdskrav och det vi lämnar rent? Effektivare

Läs mer

SF1901: SANNOLIKHETSTEORI OCH. PASSNING AV FÖRDELNING: χ 2 -METODER. STATISTIK. Tatjana Pavlenko. 12 oktober 2015

SF1901: SANNOLIKHETSTEORI OCH. PASSNING AV FÖRDELNING: χ 2 -METODER. STATISTIK. Tatjana Pavlenko. 12 oktober 2015 SF1901: SANNOLIKHETSTEORI OCH STATISTIK FÖRELÄSNING 14 PASSNING AV FÖRDELNING: χ 2 -METODER. Tatjana Pavlenko 12 oktober 2015 PLAN FÖR DAGENS FÖRELÄSNING Icke-parametsriska metoder. (Kap. 13.10) Det grundläggande

Läs mer

MSG830 Statistisk analys och experimentplanering

MSG830 Statistisk analys och experimentplanering MSG830 Statistisk analys och experimentplanering Tentamen 20 Mars 2015, 8:30-12:30 Examinator: Staan Nilsson, telefon 073 5599 736, kommer till tentamenslokalen 9:30 och 11:30 Tillåtna hjälpmedel: Valfri

Läs mer

Bygga linjära modeller! Didrik Vanhoenacker 2007

Bygga linjära modeller! Didrik Vanhoenacker 2007 Bygga linjära modeller! Didrik Vanhoenacker 2007 1 Bygga enkla modeller Tänk att vi ska försöka förstå vad som styr hur många blommor korsblommiga växter har. T ex hos Lomme och Penningört. Hittills har

Läs mer

1 10 e 1 10 x dx = 0.08 1 e 1 10 T = 0.08. p = P(ξ < 3) = 1 e 1 10 3 0.259. P(η 2) = 1 P(η = 0) P(η = 1) = 1 (1 p) 7 7p(1 p) 6 0.

1 10 e 1 10 x dx = 0.08 1 e 1 10 T = 0.08. p = P(ξ < 3) = 1 e 1 10 3 0.259. P(η 2) = 1 P(η = 0) P(η = 1) = 1 (1 p) 7 7p(1 p) 6 0. Tentamen TMSB18 Matematisk statistik IL 091015 Tid: 08.00-13.00 Telefon: 036-10160 (Abrahamsson, Examinator: F Abrahamsson 1. Livslängden för en viss tvättmaskin är exponentialfördelad med en genomsnittlig

Läs mer

Laboration 5: Regressionsanalys. 1 Förberedelseuppgifter. 2 Enkel linjär regression DATORLABORATION 5 MATEMATISK STATISTIK FÖR I, FMS 012, HT-08

Laboration 5: Regressionsanalys. 1 Förberedelseuppgifter. 2 Enkel linjär regression DATORLABORATION 5 MATEMATISK STATISTIK FÖR I, FMS 012, HT-08 LUNDS TEKNISKA HÖGSKOLA MATEMATIKCENTRUM MATEMATISK STATISTIK Laboration 5: Regressionsanalys DATORLABORATION 5 MATEMATISK STATISTIK FÖR I, FMS 012, HT-08 Syftet med den här laborationen är att du skall

Läs mer

MS-A0509 Grundkurs i sannolikhetskalkyl och statistik Exempel, del II

MS-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 mer

Skrivning i Sociologisk analys, Sociologi I, 7,5hp

Skrivning i Sociologisk analys, Sociologi I, 7,5hp SOCIOLOGISKA INSTITUTIONEN Stockholms universitet Skrivning i Sociologisk analys, Sociologi I, 7,hp Lördagen den 6 februari (Omtenta II för HT) Viktig information läs noga! Denna salstenta består av fyra

Läs mer

Fö relä sning 1, Kö system 2015

Fö relä sning 1, Kö system 2015 Fö relä sning 1, Kö system 2015 Här följer en kort sammanfattning av det viktigaste i Föreläsning 1. Kolla kursens hemsida minst en gång per vecka. Övningar kommer att läggas ut där, skriv ut dem och ha

Läs mer

Kvantitativa (analys) metoder

Kvantitativa (analys) metoder Kvantitativa (analys) metoder Roland Sjöström Statistik, SPSS, analysmetoder Vad är standardavvikelse och varians Vad händer om ni får dubbelt så många svar? Medelfel? Vad innebär 95% sannolikhet Varför

Läs mer

Statistiskt säkerställande av skillnader

Statistiskt säkerställande av skillnader Rapport Statistiskt säkerställande av skillnader Datum: Uppdragsgivare: 2012-10-16 Mindball Status: DokumentID: Slutlig Mindball 2012:2, rev 2 Sammanfattning Totalt 29 personer har tränat med koncentrationshjälpmedlet

Läs mer

Del A: Begrepp och grundläggande förståelse

Del A: Begrepp och grundläggande förståelse STOCKHOLMS UNIVERSITET FYSIKUM K.H./C.F./C.W. Tentamensskrivning i Experimentella metoder, 1p, för kandidatprogrammet i fysik, 18/6 013, 9-14. Införda beteckningar skall förklaras och uppställda ekvationer

Läs mer

Lösningar till tentamen i Matematisk Statistik, 5p

Lösningar till tentamen i Matematisk Statistik, 5p Lösningar till tentamen i Matematisk Statistik, 5p LGR00 6 juni, 200 kl. 9.00 1.00 Kursansvarig: Eric Järpe Maxpoäng: 0 Betygsgränser: 12p: G, 21p: VG Hjälpmedel: Miniräknare samt tabell- och formelsamling

Läs mer

Den gröna påsen i Linköpings kommun

Den gröna påsen i Linköpings kommun Den gröna påsen i Linköpings kommun Metod- PM 4 Thea Eriksson Almgren Problem I Linköping idag används biogas för att driva stadsbussarna. 1 Biogas är ett miljövänligt alternativ till bensin och diesel

Läs mer

MINITAB i korthet. release 16. Jan-Eric Englund. SLU Alnarp Kompendium 2011. Swedish University of Agricultural Sciences Department of Agrosystems

MINITAB i korthet. release 16. Jan-Eric Englund. SLU Alnarp Kompendium 2011. Swedish University of Agricultural Sciences Department of Agrosystems MINITAB i korthet release 16 Jan-Eric Englund SLU Alnarp Kompendium 2011 Område Agrosystem Course notes Swedish University of Agricultural Sciences Department of Agrosystems Jan-Eric Englund är universitetslektor

Läs mer

1) I följande studier a) och b) identifiera populationen, stickprovet, stickprovs egenskap, rådata och populationsegenskap.

1) I följande studier a) och b) identifiera populationen, stickprovet, stickprovs egenskap, rådata och populationsegenskap. 1) I följande studier a) och b) identifiera populationen, stickprovet, stickprovs egenskap, rådata och populationsegenskap. a) Astronomer bestämmer avståndet till en fjäran galax genom att mäta avståndet

Läs mer

LABORATIONER. Det finns en introduktionsfilm till Minitab på http://www.screencast.com/t/izls2cuwl.

LABORATIONER. Det finns en introduktionsfilm till Minitab på http://www.screencast.com/t/izls2cuwl. UMEÅ UNIVERSITET Institutionen för Matematik och Matematisk Statistik Statistiska Metoder 5MS010, 7.5 hp Kadri Meister Rafael Björk LABORATIONER Detta dokument innehåller beskrivningar av de tre laborationerna

Läs mer

Differentiell psykologi

Differentiell psykologi Differentiell psykologi Tisdag 24 september 2013 Confirmatory Factor Analysis CFA Dagens agenda Repetition: Sensitivitet och specificitet Övningsuppgift från idag Confirmatory Factor Analysis Utveckling

Läs mer

Upprepade mätningar och tidsberoende analyser. Stefan Franzén Statistiker Registercentrum Västra Götaland

Upprepade mätningar och tidsberoende analyser. Stefan Franzén Statistiker Registercentrum Västra Götaland Upprepade mätningar och tidsberoende analyser Stefan Franzén Statistiker Registercentrum Västra Götaland Innehåll Stort område Simpsons paradox En mätning per individ Flera mätningar per individ Flera

Läs mer

Analys av data från FIFA med hjälp av korrespondensanalys (Analysis of data from FIFA through correspondence analysis)

Analys av data från FIFA med hjälp av korrespondensanalys (Analysis of data from FIFA through correspondence analysis) STOCKHOLMS UNIVERSITET Statistiska institutionen Analys av data från FIFA med hjälp av korrespondensanalys (Analysis of data from FIFA through correspondence analysis) Ximena Espinoza 15-högskolepoäng

Läs mer

The Deliberation-Without- Attention Effect

The Deliberation-Without- Attention Effect LINKÖPINGS UNIVERSITET The Deliberation-Without- Attention Effect En experimentell studie Julia Holmström Malin Lundström Albin Pettersson Therese Johansson 2010-04-01 Innehållsförteckning 1.1 Sammanfattning...

Läs mer

MSG830 Statistisk analys och experimentplanering

MSG830 Statistisk analys och experimentplanering MSG830 Statistisk analys och experimentplanering Tentamen 16 April 2015, 8:30-12:30 Examinator: Staan Nilsson, telefon 073 5599 736, kommer till tentamenslokalen 9:30 och 11:30 Tillåtna hjälpmedel: Valfri

Läs mer

Örebro universitet Hälsoakademin Sjuksköterskeprogrammet 180 hp

Örebro universitet Hälsoakademin Sjuksköterskeprogrammet 180 hp 2011-11-03 Individuell skriftlig tentamen Vetenskaplig metodik och förbättringskunskap I Omvårdnadsvetenskap A, OM1013, HT2011 Max 70 poäng Frågorna besvaras på avsedd plats. Ange din kod överst på varje

Läs mer

Anvisningar till rapporter i psykologi på B-nivå

Anvisningar till rapporter i psykologi på B-nivå Anvisningar till rapporter i psykologi på B-nivå En rapport i psykologi är det enklaste formatet för att rapportera en vetenskaplig undersökning inom psykologins forskningsfält. Något som kännetecknar

Läs mer

UPPLEVELSER AV TOALETTSTÄDNING

UPPLEVELSER AV TOALETTSTÄDNING UPPLEVELSER AV TOALETTSTÄDNING PM i Sociologi GR (A) Publicerat och inlämnat 2009-01-18 3480 ord inklusive rubriker Peter Axelsson http://www.petera.se Institutionen för samhällsvetenskap Mittuniversitetet

Läs mer

Del A: Begrepp och grundläggande förståelse

Del A: Begrepp och grundläggande förståelse STOCKHOLMS UNIVERSITET FYSIKUM KH/CW/SS Tentamensskrivning i Experimentella metoder, 1p, för kandidatprogrammet i fysik, /5 01, 9-14 Införda beteckningar skall förklaras och uppställda ekvationer motiveras

Läs mer

Tentamensgenomgång och återlämning: Måndagen 9/6 kl12.00 i B413. Därefter kan skrivningarna hämtas på studentexpeditionen, plan 7 i B-huset.

Tentamensgenomgång och återlämning: Måndagen 9/6 kl12.00 i B413. Därefter kan skrivningarna hämtas på studentexpeditionen, plan 7 i B-huset. Statistiska institutionen Nicklas Pettersson Skriftlig tentamen i Finansiell Statistik Grundnivå 7.5hp, VT2014 2014-05-26 Skrivtid: 9.00-14.00 Hjälpmedel: Godkänd miniräknare utan lagrade formler eller

Läs mer

Lektionsanteckningar 1: Introduktion

Lektionsanteckningar 1: Introduktion Lektionsanteckningar 1: Introduktion 1.1 Vad är statistik? Statistik används som hjälpmedel när vi ska fatta beslut i situationer då något är oförutsägbart eller slumpartat. Vi känner flera möjliga konsekvenser,

Läs mer

Påbyggnad/utveckling av lagen om ett pris Effektiv marknad: Priserna på en finansiell marknad avspeglar all relevant information

Påbyggnad/utveckling av lagen om ett pris Effektiv marknad: Priserna på en finansiell marknad avspeglar all relevant information Föreläsning 4 ffektiva marknader Påbyggnad/utveckling av lagen om ett pris ffektiv marknad: Priserna på en finansiell marknad avspeglar all relevant information Konsekvens: ndast ny information påverkar

Läs mer

Övningstentamen i matematisk statistik för kemi

Övningstentamen i matematisk statistik för kemi Övningstentamen i matematisk statistik för kemi Uppgift 1: Bill och Georg har gått till puben tillsammans. De beslutar sig för att spela dart (vilket betyder kasta pil mot en tavla). Sedan gammalt vet

Läs mer

Tillämpad statistik Naprapathögskolan. Henrik Källberg www.henrikkallberg.com Henrik.Kallberg@ki.se Tel. 08-5248 74 82

Tillämpad statistik Naprapathögskolan. Henrik Källberg www.henrikkallberg.com Henrik.Kallberg@ki.se Tel. 08-5248 74 82 Tillämpad statistik Naprapathögskolan Henrik Källberg www.henrikkallberg.com Henrik.Kallberg@ki.se Tel. 08-5248 74 82 Mål! Introducera deskriptiv statistik Förklara grundläggande begrepp inom statistik

Läs mer

TENTAMEN I SF1906 (f d 5B1506) MATEMATISK STATISTIK GRUNDKURS,

TENTAMEN I SF1906 (f d 5B1506) MATEMATISK STATISTIK GRUNDKURS, Avd. Matematisk statistik TENTAMEN I SF1906 (f d 5B1506) MATEMATISK STATISTIK GRUNDKURS, TORSDAGEN DEN 7 JUNI 2012 KL 14.00 19.00 Examinator:Gunnar Englund, 073 3213745 Tillåtna hjälpmedel: Formel- och

Läs mer

Del 2: Hantering och bedömning av data och osäkerheter

Del 2: Hantering och bedömning av data och osäkerheter Del 2: Hantering och bedömning av data och osäkerheter Praktikfall: Kv. Verkstaden 14 Teori: Representativ halt, referenshalt, stickprov & beskrivande statistik, konfidensintervall & UCLM95 Diskussion:

Läs mer

Metodologier Forskningsdesign

Metodologier Forskningsdesign Metodologier Forskningsdesign 1 Vetenskapsideal Paradigm Ansats Forskningsperspek6v Metodologi Metodik, även metod används Creswell Worldviews Postposi'vist Construc'vist Transforma've Pragma'c Research

Läs mer

En introduktion till och första övning i @Risk5 for Excel

En introduktion till och första övning i @Risk5 for Excel LUNDS UNIVERSITET 1(6) STATISTISKA INSTITUTIONEN Per-Erik Isberg / Lars Wahlgren VT2012 En introduktion till och första övning i @Risk5 for Excel Vi har redan under kursen stiftat bekantskap med Minitab

Läs mer

Laboration 1. i 5B1512, Grundkurs i matematisk statistik för ekonomer

Laboration 1. i 5B1512, Grundkurs i matematisk statistik för ekonomer Laboration 1 i 5B1512, Grundkurs i matematisk statistik för ekonomer Namn:........................................................ Elevnummer:.............. Laborationen syftar till ett ge information

Läs mer

Statistik för biologi

Statistik för biologi Statistik för biologi (och andra ämnen) Pär Leijonhufvud 1 8 december 2010 1 Mikael Elias Teoretiska Gymnasium, Sundsvall, par.leijonhufvud@teoretiska.se, $\ par@leijonhufvud.org. CC BY: 2010. Får fritt

Läs mer

Del 1 Volatilitet. Strukturakademin

Del 1 Volatilitet. Strukturakademin Del 1 Volatilitet Strukturakademin Innehåll 1. Implicita tillgångar 2. Vad är volatilitet? 3. Volatility trading 4. Historisk volatilitet 5. Hur beräknas volatiliteten? 6. Implicit volatilitet 7. Smile

Läs mer

ATTITYDUNDERSÖKNING SÖDERTÄLJE OKTOBER 2014

ATTITYDUNDERSÖKNING SÖDERTÄLJE OKTOBER 2014 ATTITYDUNDERSÖKNING SÖDERTÄLJE OKTOBER 2014 Om undersökningen Under oktober 2014 fick 700 personer via en webbpanel svara på vad de förknippar med platsen Södertälje. Respondenterna var mellan 18 och 65

Läs mer

SF1901 Sannolikhetsteori och statistik: HT 2014 Lab 1 för CSAMHS, CINEKI, och CL

SF1901 Sannolikhetsteori och statistik: HT 2014 Lab 1 för CSAMHS, CINEKI, och CL Matematisk Statistik SF1901 Sannolikhetsteori och statistik: HT 2014 Lab 1 för CSAMHS, CINEKI, och CL Introduktion Detta är handledningen till Laboration 1, ta med en en utskriven kopia av den till laborationen.

Läs mer

Övningshäfte till kursen Regressionsanalys och tidsserieanalys

Övningshäfte till kursen Regressionsanalys och tidsserieanalys Övningshäfte till kursen Regressionsanalys och tidsserieanalys Linda Wänström October 31, 2010 1 Enkel linjär regressionsanalys (baserad på uppgift 2.3 i Andersson, Jorner, Ågren (2009)) Antag att följande

Läs mer

Statistikens betydelse och nytta för samhället

Statistikens betydelse och nytta för samhället Statistikens betydelse och nytta för samhället SCB i Varför är SCB i Almedalen? Utveckla, framställa och sprida statlig statistik Förse våra användare med statistik som underlag för beslutsfattande, debatt

Läs mer

Krogar mot Knark Attitydundersökning ATTITYD I KARLSTAD AB 2013

Krogar mot Knark Attitydundersökning ATTITYD I KARLSTAD AB 2013 Krogar mot Knark Attitydundersökning ATTITYD I KARLSTAD AB 2013 Innehållsförteckning Bakgrund... 4 Syfte... 4 Genomförande... 4 Statistikbeskrivning... 4 Bakgrundsvariabler... 5 Resultat... 8 Narkotika

Läs mer

Är icke-sannolikhetsurval aldrig representativa?

Är icke-sannolikhetsurval aldrig representativa? Surveyföreningens webbpanelseminarium 2011-02-03 Är icke-sannolikhetsurval aldrig representativa? Jan Wretman Webbpanelkommittén 1 Det kommer att handla om: Begreppet representativitet. Bedömning av skattningars

Läs mer

Krogar mot Knark Attitydundersökning ATTITYD I KARLSTAD AB 2014

Krogar mot Knark Attitydundersökning ATTITYD I KARLSTAD AB 2014 Krogar mot Knark Attitydundersökning ATTITYD I KARLSTAD AB 2014 Innehållsförteckning Bakgrund... 5 Syfte... 5 Genomförande... 5 Statistikbeskrivning... 5 Bakgrundsvariabler... 6 Resultat... 9 Narkotika

Läs mer

DELTÄVLING - Grupptentamen

DELTÄVLING - Grupptentamen DELTÄVLING - Grupptentamen Utskickat av Linköpings Universitet för att användas perioden 16:e-18:e mars 2004. Skrivningstiden uppgår till minst tre timmar från det att lagen erhållit tentamen. Rättning

Läs mer

Genetisk programmering i Othello

Genetisk programmering i Othello LINKÖPINGS UNIVERSITET Första versionen Fördjupningsuppgift i kursen 729G11 2009-10-09 Genetisk programmering i Othello Kerstin Johansson kerjo104@student.liu.se Innehållsförteckning 1. Inledning... 1

Läs mer

Histogram, pivottabeller och tabell med beskrivande statistik i Excel

Histogram, pivottabeller och tabell med beskrivande statistik i Excel Histogram, pivottabeller och tabell med beskrivande statistik i Excel 1 Histogram är bra för att dem på ett visuellt sätt ger oss mycket information. Att göra ett histogram i Excel är dock rätt så bökigt.

Läs mer

Kvantitativa metoder och datainsamling

Kvantitativa metoder och datainsamling Kvantitativa metoder och datainsamling Kurs i forskningsmetodik med fokus på patientsäkerhet 2015-09-23, Peter Garvin FoU-enheten för närsjukvården Kvantitativ och kvalitativ metodik Diskborsten, enkronan

Läs mer

Arvodesenkät. Resultat 2014. Egenföretagare. www.dik.se/lonestatistik

Arvodesenkät. Resultat 2014. Egenföretagare. www.dik.se/lonestatistik Resultat 2014 Egenföretagare Arvodesenkät www.dik.se/lonestatistik DIK:s arvodesstatistik för egenföretagare baseras på en årlig enkät som vänder sig till förbundets medlemmar som angett att de bedriver

Läs mer

Kompendium med extra övningsuppgifter

Kompendium med extra övningsuppgifter Tillämpad statistik Uppgifter sammanställda av Eva Leander, Claudia Libiseller, Stig Danielsson och Karl Wahlin Institutionen för Datavetenskap Avdelningen för statistik Linköpings universitet Kompendium

Läs mer

Datoro vning 1-2 Statistisk analys av kodade svar

Datoro vning 1-2 Statistisk analys av kodade svar Datoro vning 1-2 Statistisk analys av kodade svar 732G19 Utredningskunskap I Denna datorövning utförs i grupper om 2-4 personer och ska ses som en instruktion i att analysera resultaten av en enkät. Ingen

Läs mer

Riskbegreppet kopplat till långsiktigt sparande

Riskbegreppet kopplat till långsiktigt sparande Riskbegreppet kopplat till långsiktigt sparande Vad är risk? På de finansiella marknaderna är en vedertagen och accepterad definition av risk att den definieras som variation i placeringens avkastning.

Läs mer

RÖRELSE. - Mätningar och mätinstrument och hur de kan kombineras för att mäta storheter, till exempel fart, tryck och effekt.

RÖRELSE. - Mätningar och mätinstrument och hur de kan kombineras för att mäta storheter, till exempel fart, tryck och effekt. RÖRELSE Inledning När vi går, springer, cyklar etc. förflyttar vi oss en viss sträcka på en viss tid. Ibland, speciellt när vi har bråttom, tänker vi på hur fort det går. I det här experimentet undersöker

Läs mer

Tandhälsodata 2008. Landstinget Gävleborg

Tandhälsodata 2008. Landstinget Gävleborg Tandhälsodata 2008 Landstinget Gävleborg Barn- och ungdomstandvård Landstinget Gävleborgs Beställarenhet för Tandvård Upphandling och avtal Ledning och Verksamhetsstöd 2 Inledning Via insamlade uppgifter

Läs mer

Datakvalitet. Hva duger data til? Jonas Ranstam jonas.ranstam@med.lu.se

Datakvalitet. Hva duger data til? Jonas Ranstam jonas.ranstam@med.lu.se Hva duger data til? Jonas Ranstam jonas.ranstam@med.lu.se Registercentrum Syd, Skånes Universitetssjukhus och Inst. f. kliniska vetenskaper, Lunds Universitet, Klinikgatan 22, 22185 Lund, Sverige 15 Jan

Läs mer

Urval till högre utbildning Utveckling och erfarenheter av högskoleprovet

Urval till högre utbildning Utveckling och erfarenheter av högskoleprovet Urval till högre utbildning Utveckling och erfarenheter av högskoleprovet Per-Erik Lyrén Institutionen för tillämpad utbildningsvetenskap Umeå universitet Testdagen 2014 HP genom åren 1977: Högskoleprovet

Läs mer

Nyheter Tillväxtkurva

Nyheter Tillväxtkurva 2015-03-09 Servicecentrum IT-avd Gun Ulfves Nyheter Tillväxtkurva Många fler kurvor Endast mindre justeringar i de vanliga kurvorna Nya mätvärden för sitthöjd, armspann, fotlängd och midjeomfång Nya beräknade

Läs mer

MSG830 Statistisk analys och experimentplanering

MSG830 Statistisk analys och experimentplanering MSG830 Statistisk analys och experimentplanering Tentamen 20 Mars 2015, 8:30-12:30 Examinator: Staan Nilsson, telefon 073 5599 736, kommer till tentamenslokalen 9:30 och 11:30 Tillåtna hjälpmedel: Valfri

Läs mer