Formler och tabeller till kursen MSG830

Transkript

1 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 k P (B) = P (B A i )P (A i ) i=1 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

2 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

3 Fördelningen med µ = 0 och σ = 1 kallas standard (el standardiserad) normalfördelning 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 standard normalfördelning i st f t fördelning. 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 m Anta X i N(µ 1, σ) och Y i N(µ 2, σ) Poola de två variansskattningarna 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 3

4 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,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 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 n ij 4

5 Testa H 0 : p ij = p i. p.j för alla par i, j (dvs oberoende) med χ 2 = n ij ê ij ê ij som är χ 2 fördelad med (r 1)(c 1) frihetsgrader och där ê ij = ni.n.i n Förkasta H 0 för stora värden på teststatistikan 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 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 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. 5

6 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)

7 Appendix Tables A-7 Table A.3 Standard Normal Curve Areas (cont.) (z) 5 P(Z # z) z

8 Appendix Tables A-9 Table A.5 Critical Values for t Distributions t density curve Shaded area = 0 t, v

9 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

10 A-12 Appendix Tables Table A.8 t Curve Tail Areas t curve Area to the right of t 0 t t (continued)

11 Appendix Tables A-13 Table A.8 t Curve Tail Areas (cont.) t curve Area to the right of t 0 t t `( 5z)