Biostatistik II - Hypotesprövning i teori och praktik. Frida Eek
|
|
- Ingeborg Blomqvist
- för 6 år sedan
- Visningar:
Transkript
1 Biostatistik II - Hypotesprövig i teori och praktik Frida Eek frida.eek@med.lu.se 1
2 Viktiga dimesioer vid val av test (och äve val av deskriptiv statistik) Urvalsstorlek Mätivå/skaltyp Fördelig av data Studiedesig 2
3 Studiedesig E grupp (jämfört med referesvärde, eller 0)? Två (eller flera) grupper tvärsittsjämförelse? Oberoede -upaired (idepedet) samples/ observatios Upprepade mätigar-två (eller flera) mätigar på samma idivider? Beroede paired (depedet) samples/ observatios 3
4 Samples size: Stort eller litet urval? Fördelig: Normalfördelat eller sedfördelat? (Symmetriskt eller asymmetriskt) 4
5 Samples size: Stort eller litet urval? Fördelig: Normalfördelat eller sedfördelat? (Symmetriskt eller asymetriskt) 5
6 Variableras mät/skalivå Kategorisk? Biär? Ordialskala? Metrisk/scale? Kombiatioe av oberoede och beroede variabel (expoerig och utfall) avgör test! 6
7 Dimesioer att beakta DV (depedet variable)/ Outcome Metric/scale Nomial/Categorical (biary) IV (idepedet variable)/ Exposure Metric/scale Nomial/Categor ical Och upprepade eller oberoede mätigar? Hur måga mätigar/grupper? 7
8 Parametriska test: Förutsätter ormalfördelig Stora urval/sample Ger både p-värde och effektmått Tex t-test, ANOVA, pearso correlatio 8
9 Icke-parametriska test Kräver ej ormalfördelig Små sample OK Ger p-värde Ex Ma-whitey, spearma correlatio 9
10 Exempel på test (det fis måga fler ) Parametric Depedet variable DV/Outcome No-parametric Depedet variable DV/Outcome Metric/ cot Nomial/Cat egorical (biary) Metric/ cot Nomial/ Categorical (biary) Idepedet variable IV/Exposure Metric/cot Nomial/Cat egorical Correlatio (Pearso r) Liear regressio 2 groups: t- test 2+ gr/adj: ANOVA (Liear regressio) Logistic regressio* Chi 2 -test* Logistic regressio* Paired/repeated observatios : 2 groups: paired sample t-test 2+ groups/factorial: repeated ANOVA Idepedet variable IV/ Exposure Metric/ cot Nomial/ Categoric al Correlatio (Spearma) 2 gr: Mawhitey U # 3+ gr: Kruskal - Wallis # Logistic regressio* Chi 2 -test Logistic regressio* #Paired/repeated observatios, 2 groups: Wilcoxo siged rak test (or sig test) (2+ gr: Friedmas ANOVA) Repeated measures, 2 groups, biary outcome: McNemar *Chi2 is ot actually parametric, but what you ca use i this situatio. Parametric/o-parametric refer more to aalyses icludig metric/scale data. LR is ot either a parametric test, but is just as useful ad ca be used whe sample size is ot too small 10
11 Några valiga test 11
12 Situatio 1: 2 grupper av möss: albio och icke-albio Hur måga har e specifik geetisk mutatio? Vilket är IV resp DV? Vilke typ av variabler (mätivå) är de? 12
13 Chi 2 -test Två kategoriska variabler (biär, omial eller ordial med relativt få kategorier) Icke-parametriskt test Testar om frekvese (adele) av utfallet är de samma mella olika grupper (jämför observerade och förvätade frekveser) Ger p-värde Talar ite om exakt vilka celler som skiljer sig åt, edast att fördelige ite är de samma i alla jämförda grupper. 13
14 Chitvå (Chi 2 ) settig 2 grupper av möss: albio eller icke-albio Hur måga har e specifik ge-mutatio? Både IV och DV är omiala (biära) Oberoede mätigar 14
15 Chitvå (Chi 2 ) 15
16 16
17 17
18 Situatio 2: 2 grupper: ormal diet och restricted caloriesdiet Hur läge lever de? (Hur gamla blir de?) Vilket är IV resp DV? Vilke typ av variabler är de? 18
19 T-test Parametriskt test Jämför två medelvärde Tvärsitt (oberoede mätigar) eller upprepade mätigar (före-efter) olika t-test! Idepedet- eller paired- samples) Ger p-value Ger medelvärdesskillad och CI Nackdel: går ej att justera för potetiella cofouders. Jämför edast två grupper/mättillfälle. 19
20 Idepedet sample t-test: 2 grupper: ormal diet och restricted calories Skillad i livslägd? Två grupper IV biär DV: livslägd metric scale (kvotskala) (symmetrisk/ormalfördelad) 20
21 Två oberoede grupper Ma ka räka ut ett kofidesitervall för skillad i medelvärde SE pooled är ett sammaviktat stadardfel KI = ( x - x ) ± c SE pooled Puktskattige = A s B 2 pooled æ 1 ç è A + SE 1 B ö ø pooled s 2 pooled är e sammaviktad varias 2 pooled ( = atal observatioer; x = medelvärde; s = stadardavvikelse) s = 2 ( A -1) s A + ( B -1) ( -1) + ( -1) A B s 2 B 21
22 Två versioer av t-testet beroede på om ma ka ata att stadardavvikelse är lika i båda gruppera Levee s test: p-värde ( Sig. ) testar H 0 : Varias i A = Varias i B 22
23 Atagade bakom t-testet (idepedet sample t-test) 1. Medelvärdet är ett bra sammafattade mått 2. Oberoede observatioer (t.ex. ige patiet förekommer mer ä e gåg) om beroede mätigar/grupper aväds paired sample t-test! 3. Mätigara är ormalfördelade i båda gruppera eller Båda gruppera är stora 23
24 Situatio 3: 1 grupp: före och efter aabola steroider Förädrig i styrka? (tygdlyftigstest) Förädrig i uthållighet? 1 grupp pre och post Metric/scale outcome. Normalfördelad (differes)? 24
25 Paired sample t-test 1 25
26 Paired sample t-test 2: uthållighet (mi i hjulet) 26
27 Atagade bakom parat t-test 1. Parade stickprov, beroede iom pare, iget beroede mella pare 2. Medelvärde är ett relevat summerade mått: H 0 : Medelvärdesskillade = 0 3. Skilladera mella pare är ormalfördelade eller Det fis så måga par att det ite gör ågot att de ite är ormalfördelade 27
28 Situatio 4: 3 groups: Normal diet, restricted cal, LCHF Skillad i livslägd? DV/IV? Variabeltyper/mätivå? 28
29 ANOVA (ANalysis Of VAriace) Parametriskt test Jämför medelvärde mella 2 eller flera grupper (egetlige, varias iom/mella gruppera!) Tvärsittsjämförelse/oberoede mätigar ( valig ANOVA) eller upprepade mätigar (repeated measures ANOVA) Ger p-value Parvisa post hoc test-möjligheter Ger medelvärde med CI Möjligt att ikludera flera olika IV/covariat justera för cofouders Möjligt att testa iteraktioer (effect modificatio) (ANCOVA, MANOVA..) 29
30 ANOVA: 3 grupper: Normal diet, restricted cal, LCHF Skillad i livslägd? 3 grupper DV/outcome: scale/metrisk variabel 30
31 ANOVA 31
32 Post-hoc test 32
33 När ska icke-parametriska test avädas? Icke-parametriska test aväds är förutsättigara för parametriska test ite uppfylls. Vid små urval, eller skeva fördeligar (eller ordial(?)/omialdata) q q Då aväds icke-parametriska test. De ställer ite samma krav på ormalfördelig, mätivå etc. 33
34 Icke-parametriska gruppjämförelser T ex Ma-whitey, Wilcoxo, McNemar, Kruskal Wallis, Friedmas ANOVA Modelle ages i SPSS (atal grupper, paired eller idepedet samples, etc). SPSS ka välja exakt test me det är såklart bra att veta vad som häder! Ger p-värde Jämförelser baseras geerellt på ragordig istället för exakta värde 34
35 Situatio: 8 albioråttor och 8 icke-albioråttor Skillad i serum-vitami D? (g/ml) IV/DV? Små grupper, och/eller asymmetriska data 35
36 Ma-Whiteys U test Ragorda alla observatioera frå de lägsta till de högsta Beräka summa av ragera i grupp A (W A ) respektive grupp B (W B ) Ju större skillad i medelrag, W A / A och W B / B, ju lägre p-värde fås 36
37 Ma-whitey U 37
38 Presetera resultat frå Ma-Whitey U test Deskriptiv statistik för de två gruppera q q Media Mi och Max (eller lämpliga percetiler) P-värde Mediakofidesitervall fis me aväds ite så ofta 38
39 Situatio: 8 möss, före och efter vitami D-tillskott Förädrig i serum-vitami D? IV/DV? 39
40 Parade data Icke-parametriskt test Wilcoxos teckeragtest H 0 : Mediadifferesera mella metodera är oll, och positiva och egativa differeser har samma fördelig H 1 : Mediadifferesera mella metodera är ite oll, eller positiva och egativa differeser har ite samma fördelig 40
41 Wilcoxo siged rak 41
42 Fler icke-parametriska gruppjämförelser: Tvärsittsjämförelse av mer ä 2 grupper: Kurskal- Wallis (med post-hoc) Samma logik som för Ma-whitey U Biär/dikotom (yes/o) variabel, upprepade mätigar (t ex adele av ågotig före och efter e itervetio): McNemar Vad du primärt får ut: p-värde. 42
43 Situatio: 32 möss, olika solljusexpoerig. Olika ivåer av serum vitami D Fis det ågot sambad mella solljusexpoerig och vitami D-ivåer? Vilke typ av variabler? 43
44 Associatio? 44
45 Korrelatio Parametrisk (pearso) eller icke-parametrisk (spearma) Beskriver associatio (lijär samvariatio) mella två metriska variabler Ger p-värde Ger korrelatioskoefficiet ( r ) (Ger därmed äve förklarad varias (r 2 )) 45
46 Korrelatio Parametrisk (baserad på faktiska värde) eller icke-parametrisk (baserad på ragordig)? 46
47 What to report from a correlatio aalysis? r, or rho p-value r 2? 47
48 Lijär regressio Om ma atar att e variabel påverkar de adra, ka sambadet beskrivas geom lijär regressio (OBS regressioe ka dock aldrig vare sig testa eller bevisa faktisk kausalitet) Om y alltid är samma som x ka ma säga att y = x Om y alltid är dubbelt så mycket som x ka ma säga y = 2x y är beroede variabel x är oberoede variabel 48
49 Lijär regressio formel 1 y = bx β är lutige, the slope Tolkige av b är: q q q För varje ehet ökig i x, ökar y med b eheter E idivid med e ehet högre x, har b eheter högre (predicted) y β (beta) är stadardiserad slope: för e sd ökig i x, ökar y med β sd β/b ca ka vara egativ = y miskar för varje ökig i x Y=a + bx ikluderar itercept (a) 49
50 Liear regressio Parametriskt test Testar lijärt sambad mella två metriska/scale variabler eller e biär (oberoede/iv) och e metrisk/scale variabel (som beroede/dv) Y= a + bx Ger p-värde Ger regressios coefficiet ( b/β ) Ger förklarad varias (r 2 ) Flera prediktorvariabler/iv ka ikluderas (multipel lijär regressio), ökar förklarad varias/förbättrar prediktio Tolkas som kausal påverka frå x på y, me bevisar ige kausalitet! 50
51 Lijär regressio Ex: Maratho och VO 2 Påverkar VO 2 max maratho-tid? Marathotid = depedet/beroede variabel (de som påverkas) = y VO2max= idepedet /oberoede variabel (de som påverkar) = x 51
52 52
53 Y=a + bx Lijär regressio ger y = x Vad säger iterceptet? Vad är y, är x=0 där lije skär y-axel Negativ associatio= ät X ökar, så miskar y! If VO2max icreases with 1 ml/kg/mi, the maratho fiishig time decreases with 4.5 miutes b= % CI:-4,91; -4,02 53
54 Variatio 54
55 Lie with best fit 55
56 Variatio goodess of fit Ju bättre modell, desto midre residualer De adel av variase som förklaras av modelle: (R 2 ) Ju fler förklarade variabler(factors) i modelle, desto högre R 2 56
57 57
58 VO 2 max förklarar 45% av variatioe I marathotid (obs! Fiktivt exempel) 55% är fortfarade oförklarat! Viss adel av variase kommer alltid att förbli oförklarad (idividuella variatioer). Modelle ka dock förbättras geom ikluderig av fler prediktiva/förklarade variabler! 58
59 59
60 AB
61 Lijär regressio villkor För varje värde på x måste y vara ormalfördelad Samtliga observatioer måste vara oberoede Variase ska vara kostat Dessa villkor måste vallideras! 61
62 Modellvalliderig Residualera ska vara q q q ormalfördelade oberoede ha kostat varias Detta udersöks med lämpliga figurer 62
63 Exempel på test-orieterig (fis fler test!!) Parametric No-parametric Depedet variable DV/Outcome Depedet variable DV/Outcome Metric/ cot Nomial/Cat egorical (biary) Metric/ cot Nomial/ Categorical (biary) Idepedet variable IV/Exposure Metric/cot Nomial/Cat egorical Correlatio (Pearso r) Liear regressio 2 groups: t- test 2+ gr/adj: ANOVA (Liear regressio) Logistic regressio* Chi 2 -test* Logistic regressio* Paired/repeated observatios : 2 groups: paired sample t-test 2+ groups/factorial: repeated ANOVA Idepedet variable IV/ Exposure Metric/ cot Nomial/ Categoric al Correlatio (Spearma) 2 gr: Mawhitey U # 3+ gr: Kruskal - Wallis # Logistic regressio* Chi 2 -test Logistic regressio* #Paired/repeated observatios, 2 groups: Wilcoxo siged rak test (or sig test) (2+ gr: Friedmas ANOVA) Repeated measures, 2 groups, biary outcome: McNemar *Chi2 is ot actually parametric, but what you ca use i this situatio. Parametric/oparametric refer more to aalyses icludig metric/scale data. LR is ot either a parametric test, but is just as useful ad ca be used whe sample size is ot too small 63
64 KORT SAMMANFATTNING AV VANLIGA TEST: Observera: till viss del föreklad och ofullstädig geomgåg! 64
65 Chi 2 -test Två kategoriska variabler (biära, omial eller ev ordialskala med få kategorier) Icke-parametriskt Testar om det fis skillad i frekvesfördelige mella de olika gruppera/kategoriera (eg: jämför observerade och förvätade frekveser) Ger p-värde Säger ite VILKA celler som skiljer sig åt, bara att/om det fis ågo skillad. 65
66 T-test Parametriskt test Jämför medelvärde mella två grupper Tvärsittsjämförelse eller upprepade mätigar (olika t-test! Idepedet- eller paired-) Ger p-värde Ger medelvärdesskillad med CI Nackdel: går ej att justera för ev cofouders 66
67 ANOVA (aalysis of variace) Parametriskt test Jämför medelvärde mella två eller fler grupper (egetlige olika former av varias!) Tvärsittsjämförelse ( valig ANOVA) eller upprepade mätigar (repeated measures ANOVA) observatioer Ger p-värde Möjlighet till parvisa post hoc test Ger medelvärdesskillader med CI Flera faktorer/covariat ka ikluderas medger justerig för cofouders Möjligt att testa iteraktio/effektmodifierig 67
68 Ickeparametriska gruppjämförelser Ex Ma-whitey, Wilcoxo, Kruskal Wallis, Friedmas ANOVA I SPSS preciseras modelle (hur måga grupper, parade eller oparade observatioer, etc). Ma måste ite välja exakt test (me självklart bra att veta vilket som passar bäst!) Ger p-värde Jämförelse ofta baserad på ragordig istället för exakta värde 68
69 Korrelatio Parametrisk (pearso) eller icke-parametrisk (spearma) Udersöker lijärt sambad mella två metriska/skalvariabler Ger p-värde Ger korrelatioskoefficiet ( r ) (Ger förklarad varias (r 2 )) 69
70 Lijär regressio Parametriskt test Testar lijärt sambad mella atige två metriska/skalvariabler eller e (biär eller) ordialskala (som oberoede) och metrisk/skalvariabel (som beroede variabel) Y= a + bx Ger p-värde Ger regressioskoefficiet (med CI) Ger förklarad varias Flera olika faktorer/coviariat ka ikluderas samtidigt 70
71 Logistisk regressio Kategorisk oberoede variabel och biärt/dikotomt utfall (beroede variabel) Ger p-värde Ger Oddskvot (OR) med CI Tolkas ugefär (me ite exakt) som relativ risk 71
Viktiga dimensioner vid val av test (och även val av deskriptiv statistik) Biostatistik II - Hypotesprövning i teori och praktik.
Viktiga dimensioner vid val av test (och även val av deskriptiv statistik) Biostatistik II - Hypotesprövning i teori och praktik Urvalsstorlek Mätnivå/skaltyp Fördelning av data Studiedesign Frida Eek
Läs merHöftledsdysplasi hos dansk-svensk gårdshund - Exempel på tavlan
Höftledsdysplasi hos dask-svesk gårdshud - Exempel på tavla Sjö A Sjö B Förekomst av parasitdrabbad örig i olika sjöar Exempel på tavla Sjö C Jämföra medelvärde hos kopplade stickprov Tio elitlöpare spriger
Läs merStatistik en introduktion
Varför? Statistik e itroduktio Frida Eek frida.eek@med.lu.se Framtida forskig? Projektarbete? Förståelse! Tolkig! Kritisk graskig/utvärderig! Statistik 1 2 Upplägg Föreläsig 1 q Datatyper q Lägesmått och
Läs merHögskoleutbildad 0,90*0,70=0,63 0,80*0,30=0,24 0,87 Ej högskoleutbildad 0,07 0,06 0,13 0,70 0,30 1,00
Lösigsförslag UPPGIFT 1 Kvia Ma Högskoleutbildad 0,90*0,70=0,63 0,80*0,30=0,24 0,87 Ej högskoleutbildad 0,07 0,06 0,13 0,70 0,30 1,00 Pr(ej högskoleutbildad kvi=0,07=7% Pr(högskoleutbildad)=0,87 c) Pr(Kvi*Pr(Högskoleutbildad)=0,70*0,87=0,609
Läs merF19 HYPOTESPRÖVNING (NCT ) Hypotesprövning för en differens mellan två medelvärden
Stat. teori gk, ht 006, JW F19 HPOTESPRÖVNING (NCT 11.1-11.) Hypotesprövig för e differes mella två medelvärde Samma beteckigar som vid kofidesitervall för differes mella två populatiosmedelvärde: Medelvärde
Läs merStatistisk analys. Vilka slutsatser kan dras om populationen med resultatet i stickprovet som grund? Hur säkra uttalande kan göras om resultatet?
Statistisk aalys Vilka slutsatser ka dras om populatioe med resultatet i stickprovet som grud? Hur säkra uttalade ka göras om resultatet? Mats Guarsso Tillämpad matematik III/Statistik - Sida 83 Exempel
Läs merVid mer än 30 frihetsgrader approximeras t-fördelningen med N(0; 1). Konfidensintervallet blir då
Stat. teori gk, ht 006, JW F7 ENKEL LINJÄR REGRESSION, FORTS. (NCT.5-.7) Statistisk iferes rörade β Vi vet reda att b är e vätevärdesriktig skattig av modellparameter β. Vi vet också att skattige b har
Läs merFinansiell Statistik (GN, 7,5 hp,, HT 2008) Föreläsning 4 (del 1)
Fiasiell Statistik (GN, 7,5 hp,, HT 008) Föreläsig 4 (del 1) Sampligfördeligar (LLL Kap 8) Departmet of Statistics (Gebreegus Ghilagaber, PhD, Associate Professor) Fiacial Statistics (Basic-level course,
Läs merStat. teori gk, ht 2006, JW F13 HYPOTESPRÖVNING (NCT ) Ordlista till NCT
Stat. teori gk, ht 2006, JW F13 HYPOTESPRÖVNING (NCT 10.1-10.3) Ordlista till NCT Hypothesis testig Null hypothesis Alterative hypothesis Simple / composite Oe-sided /two-sided Reject Test statistic Type
Läs merFöreläsning 3. 732G04: Surveymetodik
Föreläsig 3 732G04: Surveymetodik Dages föreläsig Obudet slumpmässigt urval (OSU) Populatiosparametrar och stickprovsstatistikor Vätevärdesriktighet Ädliga och oädliga populatioer Medelvärde, adel Kofidesitervall
Läs merS0005M V18, Föreläsning 10
S0005M V18, Föreläsig 10 Mykola Shykula LTU 2018-04-19 Mykola Shykula (LTU) S0005M V18, Föreläsig 10 2018-04-19 1 / 15 Hypotesprövig ett stickprov, σ okäd. Stadardiserig av stickprovsmedelvärdet då σ är
Läs merTentamen i Statistik, STA A13 Deltentamen 2, 5p 20 januari 2007, kl. 09.00-13.00
0.01.007 Tetame i Statistik, STA A13 Deltetame, 5p 0 jauari 007, kl. 09.00-13.00 Tillåta hjälpmedel: Bifogad formel- och tabellsamlig (skall retureras) samt miiräkare. Asvarig lärare: Haah Hall Övrigt:
Läs merFinansiell Statistik (GN, 7,5 hp,, HT 2008) Föreläsning 4 (del 2)
Fiasiell Statistik (GN, 7,5 hp,, HT 008) Föreläsig 4 (del ) Pukt- och itervallskattig (LLL Kap 10) Departmet of Statistics (Gebreegus Ghilagaber, PhD, Associate Professor) Fiacial Statistics (Basic-level
Läs merMinsta kvadrat-metoden, MK. Maximum likelihood-metoden, ML. Medelfel. E(X i ) = µ i (θ) MK-skattningen av θ fås genom att minimera
Matematisk statistik slumpes matematik Saolikhetsteori hur beskriver ma slumpe? Statistikteori vilka slutsatser ka ma dra av ett datamaterial? Statistikteori översikt Puktskattig Hur gör ma e bra gissig
Läs merAntalet sätt att välja ut r objekt bland n stycken med hänsyn till ordning är np r = n(n 1) (n r + 1).
Harald Lag Formelsamlig och Tabeller i Statistik och Saolikhetsteori (15/11-10) Datareducerig Om x 1,..., x är ett stickprov ur e populatio så defiieras medelvärdet x x = 1 k=1 x k och stadardavvikelse
Läs mer================================================
rmi Halilovic: ETR ÖVNINGR TVÅ STICKPROV Vi betraktar två oberoede ormalfördelade sv och Låt x, x,, x vara ett observerat stickprov, av storleke, på N (, ) och låt y, y,, y vara ett observerat stickprov,
Läs mer4.2.3 Normalfördelningen
4.2.3 Normalfördelige Biomial- och Poissofördelige är två exempel på fördeligar för slumpvariabler som ka ata ädligt eller uppräkeligt måga olika värde. Sådaa fördeligar sägs vara diskreta. Ofta är ett
Läs merFormelblad Sannolikhetsteori 1
Formelblad Saolikhetsteori Bayes formel: Låt A och D vara två hädelser Då gäller P A D = P D AP A P D Chebyshevs olikhet: Låt X vara e stokastisk variabel med vätevärde µ och varias Då gäller för alla
Läs merGrundläggande matematisk statistik
Grudläggade matematisk statistik Puktskattig Uwe Mezel, 2018 uwe.mezel@slu.se; uwe.mezel@matstat.de www.matstat.de Saolikhetsteori: Saolikhetsteori och statistikteori vad vi gjorde t.o.m. u vi hade e give
Läs merDatorövning 2 Fördelningar inom säkerhetsanalys
Luds tekiska högskola Matematikcetrum Matematisk statistik STATISTISKA METODER FÖR SÄKERHETSANALYS FMS065, HT-15 Datorövig 2 Fördeligar iom säkerhetsaalys I dea datorövig ska vi studera ågra grudläggade
Läs mer1. Test av anpassning.
χ -metode. χ -metode ka avädas för prövig av hypoteser i flera olika slag av problem: om e stokastisk variabel följer e viss saolikhetsfördelig med käda eller okäda parametrar. om två stokastiska variabler
Läs merSkattning / Inferens. Sannolikhet och statistik. Skattning / Inferens. Vad är det som skattas?
Skattig / Iferes Saolikhet och statistik Puktskattig Försöket att beskriva e hel populatio pga ågra få mätvärde! Oberservatio = Populatio HT 2008 UweMezel@mathuuse http://wwwmathuuse/ uwe/ Populatio har
Läs merIntervallskattning. c 2005 Eric Järpe Högskolan i Halmstad. Antag att vi har ett stickprov x 1,..., x n på X som vi vet är N(µ, σ) men vi vet ej
Itervallskattig c 005 Eric Järpe Högskola i Halmstad Atag att vi har ett stickprov x,..., x på X som vi vet är Nµ, σ me vi vet ej värdet av µ = EX. Då ka vi beräka x, vvr skattig av µ. För att få reda
Läs merViktigt! Glöm inte att skriva Tentamenskod på alla blad du lämnar in.
Statistisk försöksplaerig Provmomet: Ladokkod: Tetame ges för: Skriftlig tetame 3,0 hp 51SF01 DTEIN14h 4,5 högskolepoäg TetamesKod: Tetamesdatum: 5 ovember 015 Tid: 9.00-13.00 Hjälpmedel: Miiräkare Totalt
Läs merF10 ESTIMATION (NCT )
Stat. teori gk, ht 2006, JW F10 ESTIMATION (NCT 8.1-8.3) Ordlista till NCT Iferece Parameter Estimator Estimate Ubiased Bias Efficiecy Cofidece iterval Cofidece level (Studet s) t distributio Slutledig,
Läs mer2. Konfidensintervall för skillnaden mellan två proportioner.
Föreläsig 12 LV1, Torsdag 12/10 Upplägg 1. Kofidesitervall för proportioer. 2. Kofidesitervall för skillade mella två proportioer. 3. Grafteori Kofidesitervall för proportioer Atag att vi vill skatta adele
Läs merDatorövning 2 Fördelningar inom säkerhetsanalys
Luds tekiska högskola Matematikcetrum Matematisk statistik STATISTISKA METODER FÖR SÄKERHETSANALYS FMS065 Datorövig 2 Fördeligar iom säkerhetsaalys I dea datorövig ska vi studera ågra grudläggade frå saolikhetsteori:
Läs merLÖSNINGAR TILL. Räkningar: (z i z) 2 = , Δ = z = 1 n. n 1. Konfidensintervall:
LÖSNINGAR TILL Matematisk statistik Tetame: 2014 10 28 kl 14 00 19 00 Matematikcetrum FMS 086 Matematisk statistik för B, K, N och BME, 7.5 hp Luds tekiska högskola MASB02 Matematisk statistik för kemister,
Läs merTentamen i Statistik, STA A10 och STA A13 (9 poäng) 26 mars 2004, klockan
Karlstads uiversitet Istitutioe för iformatiostekologi Avdelige för Statistik Tetame i Statistik, STA A10 och STA A13 (9 poäg) 6 mars 004, klocka 14.00-19.00 Tillåta hjälpmedel: Bifogad formelsamlig (med
Läs merNormalfördelningens betydelse. Sannolikhet och statistik. Täthetsfunktion, väntevärde och varians för N (µ, σ)
Normalfördeliges betydelse Empirisktse gur: måga storheter approximativt ormalfördelade Summa av måga ugefär oberoede och ugefär likafördelade s.v. är approximativt ormalfördelad CGS Exempel: mätfel =
Läs merFöreläsning 2: Punktskattningar
Föreläsig : Puktskattigar Joha Thim joha.thim@liu.se 7 augusti 08 Repetitio Stickprov Defiitio. Låt de stokastiska variablera X, X,..., X vara oberoede och ha samma fördeligsfuktio F. Ett stickprov x,
Läs merStatistik. Språkligt och historiskt betyder statistik ungefär sifferkunskap om staten
Statistik Språkligt och historiskt betyder statistik ugefär sifferkuskap om state E Statistisk udersökig består av fyra delar: Plaerig Dataisamlig Bearbetig Beskrivade statistik (kap 1) Statistisk aalys
Läs merTentamen i Statistik, STA A13 Deltentamen 2, 5p 5 juni 2004, kl
Karlstads uiversitet Istitutioe för iformatiostekologi Avdelige för statistik Tetame i Statistik, STA A13 Deltetame, 5p 5 jui 004, kl. 09.00-13.00 Tillåta hjälpmedel: Asvarig lärare: Övrigt: Bifogad formel-
Läs merZ-Testet. Idè. Repetition normalfördelning. rdelning. Testvariabel z
Repetitio ormalfördelig rdelig Z-Testet X i. Medelvärdets fördelig:.stadardiserad ormalfördelig: N (, ) X N, X X N (, ) N (,) X N, X N(,) 3. Kvatiler: uwe.meel@math.uu.se Vad gör g r Z-testetZ? H : e ormalfördelad
Läs merb) Bestäm det genomsnittliga antalet testade enheter, E (X), samt även D (X). (5 p)
Avd Matematisk statistik TENTAMEN I SF922, SF923 och SF924 SANNOLIKHETSTEORI OCH STATISTIK, TISDAGEN DEN 29:E MAJ 208 KL 0800 300 Examiator för SF922/SF923: Tatjaa Pavleko, 08-790 84 66 Examiator för SF924:
Läs merDigital signalbehandling Fönsterfunktioner
Istitutioe för data- och elektrotekik Digital sigalbehadlig Fösterfuktioer 2-2-7 Fösterfuktioer aväds för att apassa mätserie vid frekvesaalys via DFT och FFT samt vid dimesioerig av FIR-filter via ivers
Läs merSTATISTIK FÖR LÄKARSTUDENTER
2015-04-05 STATISTIK FÖR LÄKARSTUDENTER Nils Karlsso läkarstudet.se INDEX INTRODUKTION...2 Att skriva saolikheter...2 Saolikhetslagar...2 Fakulteter...3 Odds och oddskvot...3 Typer av data...4 Diagram...5
Läs merTentamen Metod C vid Uppsala universitet, , kl
Tetame Metod C vid Uppsala uiversitet, 160331, kl. 08.00 12.00 Avisigar Av rättigspraktiska skäl skall var och e av de tre huvudfrågora besvaras på separata pappersark. Börja alltså på ett ytt pappersark
Läs mer(a) Skissa täthets-/frekvensfunktionen och fördelningsfunktionen för X. Glöm inte att ange värden på axlarna.
1 0,5 0 LÖSNINGAR till tetame: Statistik och saolikhetslära (LMA120) Tid och plats: 08:30-12:30 de 6 april 2016 Hjälpmedel: Typgodkäd miiräkare, formelblad Betygsgräser: 3: 12 poäg, 4: 18 poäg, 5: 24 poäg.
Läs merFöreläsning G70, 732G01 Statistik A. Föreläsningsunderlagen är baserade på underlag skrivna av Karl Wahlin
Föreläsig 6 732G70, 732G01 Statistik A Föreläsigsuderlage är baserade på uderlag skriva av Karl Wahli Kapitel 6 Iferes om e populatio Sid 151-185 Puktskattig och itervallskattig Statistisk iferes om populatiosmedelvärde
Läs merLycka till! I(X i t) 1 om A 0 annars I(A) =
Avd Matematisk statistik TENTAMEN I SF955 f d 5B555 DATORINTENSIVA METODER ONSDAGEN DEN AUGUSTI 008 KL 400 900 Examiator: Guar Eglud, tel 790746 Email: guare@mathkthse Tillåta hjälpmedel: Formel- och tabellsamlig
Läs merSANNOLIKHETER. Exempel. ( Tärningskast) Vi har sex möjliga utfall 1, 2, 3, 4, 5 och 6. Därför är utfallsrummet Ω = {1, 2, 3, 4, 5,6}.
rmi Halilovic: EXTR ÖVIGR SOLIKHETER GRUDLÄGGDE BEGRE OH BETEKIGR Utfall Resultat av ett slumpmässigt försök. Utfallsrummet ägde av alla utfall (beteckas oftast med Ω ). Hädelse E delmägd av utfallsrummet.
Läs merENDIMENSIONELL ANALYS B1 FÖRELÄSNING VI. Föreläsning VI. Mikael P. Sundqvist
Föreläsig VI Mikael P. Sudqvist Aritmetisk summa, exempel Exempel I ett sällskap på 100 persoer skakar alla persoer had med varadra (precis e gåg). Hur måga hadskakigar sker? Defiitio I e aritmetisk summa
Läs merLÖSNINGSFÖRSLAG TILL TENTAMEN I MATEMATISK STATISTIK
UMEÅ UNIVERSITET Istitutioe för matematisk statistisk Statistiska metoder, 5 poäg MSTA36 Peter Ato LÖSNINGSFÖRSLAG 005-10-6 LÖSNINGSFÖRSLAG TILL TENTAMEN I MATEMATISK STATISTIK Statistiska metoder, 5 poäg
Läs merTentamentsskrivning: Tillämpad Statistik 1MS026 1
Tetametsskrivig: Tillämpad Statistik 1MS026 1 Tetamesskrivig i Tillämpad Statistik 1MS026 Tid: de 7 mars, 2012 kl 8:00-13:00 Examiator och jour: Erik Broma, mob. 073 7320791, Hjälpmedel: miiräkare, formelsamlig
Läs merFör att skatta väntevärdet för en fördelning är det lämpligt att använda Medelvärdet. E(ξ) =... = µ
1 February 1, 2018 1 Förel. VII Puktskattigar av parametrar i fördeligar 1.1 Puktskattig För att skatta vätevärdet för e fördelig är det lämpligt att aväda Medelvärdet ξ = 1 ξ j. Vi tar u vätevärdet av
Läs merBorel-Cantellis sats och stora talens lag
Borel-Catellis sats och stora tales lag Guar Eglud Matematisk statistik KTH Vt 2005 Iledig Borel-Catellis sats är e itressat och avädbar sats framför allt för att bevisa stora tales lag i stark form. Vi
Läs merFöreläsning G70 Statistik A
Föreläsig 5 732G70 Statistik A Egeskaper hos stickprovsstatistikora Stickprovsmedelvärde Stickprovssumma Stickprovsadel Lägesmått Spridig Medelfel EX VarX 2 2 E X Var X E P Var P X X 1 1 P Eftersom respektive
Läs merθx θ 1 om 0 x 1 f(x) = 0 annars
Avd. Matematisk statistik TENTAMEN I SF903 SANNOLIKHETSLÄRA OCH STATISTIK FÖR 3-ÅRIG Media TIMEH TORSDAGEN DEN TREDJE JUNI 200 KL 4.00 9.00. Examiator: Guar Eglud, tel. 790 74 06 Tillåta hjälpmedel: Läroboke.
Läs mera) Beräkna E (W ). (2 p)
Avd. Matematisk statistik TENTAMEN I SF19 och SF191 SANNOLIKHETSTEORI OCH STATISTIK, TISDAGEN DEN 13:E MARS 18 KL 8. 13.. Examiator: Björ-Olof Skytt, 8 79 86 49. Tillåta hjälpmedel: Formel- och tabellsamlig
Läs merSannolikheten. met. A 3 = {2, 4, 6 }, 1 av 11
rmi Halilovic: EXTR ÖVIGR SOLIKHETER GRUDLÄGGDE EGRE OH ETEKIGR Utfall Resultat av ett slumpmässigt försök. Utfallsrummet ägde av alla utfall (beteckas oftast medd Ω ). Hädelse E delmägd av utfallsrumm
Läs merTentamen i Statistik STG A01 (12 hp) 5 mars 2010, kl. 08.15 13.15
Karlstads uiversitet Fakultete för ekoomi, kommuikatio och IT Statistik Tetame i Statistik STG A0 ( hp) 5 mars 00, kl. 08.5 3.5 Tillåta hjälpmedel: Bifogad formel- och tabellsamlig (skall retureras) samt
Läs merKOM IHÅG ATT NOTERA DITT TENTAMENSNUMMER NEDAN OCH TA MED DIG TALONGEN INNAN DU LÄMNAR IN TENTAN!!
Göteborgs uiversitet Psykologiska istitutioe Tetame Psykologi kurskod PC106, Kurs 6: Idivide i ett socialt sammahag (15 hp) och PC 145. Tid för tetame: 6/5-01. Hel och halvfart VT 1. Provmomet: Socialpsykologi
Läs merJag läser kursen på. Halvfart Helfart
KOD: Kurskod: PC106/PC145 Kurs 6: Persolighet, hälsa och socialpsykologi (15 hp) Datum: 3/8 014 Hel- och halvfart VT 14 Provmomet: Socialpsykologi + Metod Tillåta hjälpmedel: Miiräkare Asvarig lärare:
Läs merRättningstiden är i normalfall 15 arbetsdagar, annars är det detta datum som gäller:
Matematisk Statistik Provmomet: Ladokkod: Tetame ges för: Tetame TT091A KMASK14H 7,5 högskolepoäg Nam: (Ifylles av studet) Persoummer: (Ifylles av studet) Tetamesdatum: 2 jui 2015 Tid: 9:00-13:00 Hjälpmedel:
Läs merTMS136: Dataanalys och statistik Tentamen 2013-10-26 med lösningar
TMS36: Dataaalys och statistik Tetame 03-0-6 med lösigar Examiator och jour: Mattias Sude, tel. 0730 79 9 79 Hjälpmedel: Chalmersgodkäd räkare och formelsamlig formelsamlig delas ut med teta). Betygsgräser:
Läs merF3 Lite till om tidsserier. Statistikens grunder 2 dagtid. Sammansatta index 4. Deflatering HT Laspeyres index: Paasche index: Index.
F3 Lite till om tidsserier Deflaterig, att justera för iflatioe tatistikes gruder dagtid 4 3,5 3,5,5 Mjölk ockerdricka HT,5 975 976 977 978 979 98 98 98 Löpade priser År Mjölk ockerdricka KPI 945 = 975,34,
Läs merMS-A0509 Grundkurs i sannolikhetskalkyl och statistik Exempel, del II
MS-A0509 Grudkurs i saolikhetskalkyl och statistik Exempel, del II Estimerig 2 Kofidesitervall G. Gripeberg Aalto-uiversitetet 3 februari 205 3 Hypotesprövig 4 Korrelatio och regressio G. Gripeberg Aalto-uiversitetet
Läs merSannolikheter 0 < P < 1. Definition sannolikhet: Definition sannolikhet: En sannolikhet kan anta värden från 0 till 1
Saolikheter E saolikhet ka ata värde frå 0 till 1 0 < P < 1 Beteckas: P Pr Prob Saolikhete för e hädelse Hädelse A P(A) Pr(A) Prob(A) Defiitio saolikhet: De frekves med vilke hädelse av itresse iträffar
Läs merIntroduktion till statistik för statsvetare
"Det fis iget så praktiskt som e bra teori" November 2011 Bakgrud Stadardiserig E saolikhetsekvatio Kosekves av stora tales lag Stora tales lag ger att är slumpvariablera X i är oberoede, med e och samma
Läs merSAMMANFATTNING TAMS79 Matematisk statistik, grundkurs
SAMMANFATTNING TAMS79 Matematisk statistik, grudkurs LÄST SOM EN DEL AV CIVILINGENJÖRSPROGRAMMET I INDUSTRIELL EKONOMI VID LITH, HT 2015 Versio: 1.0 Seast reviderad: 2016-02-01 Författare: Viktor Cheg
Läs merGenomsnittligt sökdjup i binära sökträd
Iformatiostekologi Tom Smedsaas 10 augusti 016 Geomsittligt sökdjup i biära sökträd Detta papper visar att biära sökträd som byggs upp av slumpmässiga data är bra. Beteckigar och defiitioer Defiitio De
Läs merF4 Enkel linjär regression.
Lijär regressio F4 Ekel lijär regressio. Christia Tallberg Avdelige för Natioalekoomi och Statistik Karlstads uiversitet Hittills har vi försökt beskriva data som utgjorts av observatioer frå e variabel.
Läs merTentamen Metod C vid Uppsala universitet, , kl
Tetame Metod C vid Uppsala uiversitet, 160928, kl. 14.00 18.00 Avisigar Av rättigspraktiska skäl skall var och e av de tre huvudfrågora besvaras på separata pappersark. Börja alltså på ett ytt pappersark
Läs merFORMELSAMLING MATEMATISK STATISTIK, FMS601. Fördelning Väntevärde Varians. p x (1 p) n x x = 0, 1,..., n np np(1 p) ) x = 0, 1,..., n np.
LUNDS TEKNISKA HÖGSKOLA MATEMATIKCENTRUM MATEMATISK STATISTIK FORMELSAMLING MATEMATISK STATISTIK, FMS601 Valiga fördeligar Fördelig Vätevärde Varias Biomialfördelig, Bi (, p ) P (X = x) = ( x) p x (1 p)
Läs merMS-A0509 Grundkurs i sannolikhetskalkyl och statistik Exempel etc., del II
MS-A0509 Grudkurs i saolikhetskalkyl och statistik Exempel etc., del II G. Gripeberg Aalto-uiversitetet 11 februari 014 G. Gripeberg Aalto-uiversitetet) MS-A0509 Grudkurs i saolikhetskalkyl och statistikexempel
Läs merTENTAMEN I MATEMATIK MED MATEMATISK STATISTIK HF1004 TEN kl
TENTAMEN I MATEMATIK MED MATEMATISK STATISTIK HF004 TEN 0-04-5 kl 8.5-.5 Hjälpmedel: Formler och tabeller i statistik, räkedosa Fullstädiga lösigar erfordras till samtliga uppgifter. Lösigara skall vara
Läs merFöljande begrepp används ofta vid beskrivning av ett statistiskt material:
Armi Halilovic: EXTRA ÖVNINGAR Besrivade statisti BESKRIVANDE STATISTIK. GRUNDBEGREPP Följade begrepp aväds ofta vid besrivig av ett statistist material: LÄGESMÅTT (medelvärde, media och typvärde): Låt
Läs merMS-A0509 Grundkurs i sannolikhetskalkyl och statistik Sammanfattning, del II
MS-A0509 Grudkurs i saolikhetskalkyl och statistik Sammafattig, del II G. Gripeberg Aalto-uiversitetet 14 februari 014 G. Gripeberg Aalto-uiversitetet) MS-A0509 Grudkurs i saolikhetskalkyl och statistiksammafattig,
Läs merSmärtlindring vid medicinsk abort
Smärtlidrig vid medicisk abort EN JÄMFÖRANDE STUDIE VETENSKAPLIGT ARBETE UNDER ST ELIN SJÖLANDER HANDLEDARE MARIE BOLIN Itroduktio Smärta vid medicisk abort valig, smärtlidrig vid medicisk abort dåligt
Läs mer1. (a) Eftersom X och Y har samma fördelning så har de även samma väntevärde och standardavvikelse. E(X 2 ) = k
LÖSNINGAR TILL Matematisk statistik, Matematikcetrum Tetame: 5 kl 8 Luds tekiska högskola FMS, FMS, FMS, FMS 5, MAS 9 Matematisk statistik för ED, F, I, FED och fysiker. a Eftersom X och Y har samma fördelig
Läs merP (A) = k A P (A ) = 1 P (A) P (A B) P (B) P (M i ) = 1 P (A) P (X = k) = p X (k) p X (k) = 1 P (A B) p X (k)
SVERIGES LANTBRUKSUNIVERSITET Istitutioe för eergi och tekik Uwe Mezel e-post: uwe.mezel@matstat.de Formelsamlig Grudläggade matematiskt statistik 2080822 Saolikhetslära Klassisk saolikhetsdeitio: P A
Läs merF6 Uppskattning. Statistikens grunder 2 dagtid. Beteckningar, symboler, notation. Grekiskt-romerskt
01-10-19 F6 Uppskattig Statistikes gruder dagtid HT 01 Vi skattar populatiosparametrar (modellparametrar med olika statistikor: E. stickprovs- -medelvärdet X skattar μ -variase S skattar -adele P skattar
Läs merJag läser kursen på. Halvfart Helfart
KOD: Tetame Psykologi Kurskod: PC106, Kurs 6: Idivide i ett socialt sammahag (15 hp) och PC145 Datum: 5/5-013 Hel- och halvfart VT 13 Provmomet: Socialpsykologi + Metod Tillåta hjälpmedel: Miiräkare Asvarig
Läs merMS-A0509 Grundkurs i sannolikhetskalkyl och statistik Exempel etc., del II
MS-A0509 Grudkurs i saolikhetskalkyl och statistik Exempel etc., del II G. Gripeberg Aalto-uiversitetet 14 februari 014 G. Gripeberg (Aalto-uiversitetet) MS-A0509 Grudkurs i saolikhetskalkyl och statistikexempel
Läs merCirkulära data och dess statistiska tillämpningar
U.U.D.M. Project Report 2017:5 Cirkulära data och dess statistiska tillämpigar Erik Persso Examesarbete i matematik, 15 hp Hadledare: Jesper Rydé Examiator: Jörge Östesso April 2017 Departmet of Mathematics
Läs merTentamen i statistik för STA A13, 1-10 poäng Deltentamen II, 5p Lördag 9 juni 2007 kl
Avdelige för atioalekoomi och Tetame i för STA A13, 1-10 poäg Deltetame II, 5p Lördag 9 jui 007 kl. 09.00-13.00 Tillåta hjälpmedel: Bifogad formel- och tabellsamlig (skall retureras) samt miiräkare. Asvarig
Läs merFöreläsning G70, 732G01 Statistik A. Föreläsningsunderlagen är baserade på underlag skrivna av Karl Wahlin
Föreläsig 5 73G70, 73G01 Statistik A Föreläsigsuderlage är baserade på uderlag skriva av Karl Wahli Kapitel 5 Stickprovsteori Sid 15-150 Statistisk iferes Populatio (äve målpopulatio) = de (på logisk väg
Läs merFormelsamling. Enkel linjär regressionsananalys: Modell: y i = β 0 + β 1 x i + ε i. Anpassad regressionslinje: ŷ = b 0 + b 1 x. (x i x) (y i ȳ) ( x)2
LINKÖPINGS UNIVERSITET Matematiska istitutioe Statistik, ANd Formelsamlig Ekel lijär regressiosaaalys: Modell: y i β 0 + β x i + ε i ε N(0,σ. Apassad regressioslije: ŷ b 0 + b x b (x i x (y i ȳ (x i x
Läs merAvd. Matematisk statistik
Avd. Matematisk statistik TENTAMEN I SF1917/SF1918/SF1919 SANNOLIKHETSTEORI OCH STATISTIK, TISDAG 8 JANUARI 2019 KL 8.00 13.00. Examiator för SF1917/1919: Jörge Säve-Söderbergh, 08-790 65 85. Examiator
Läs merLösningsförslag 081106
Lösigsförslag 86 Uppgift Trädslag: kvalitativ, omialskala (diskret) Diameter: kvatitativ, kvotskala, kotiuerlig Höjd: kvatitativ, kvotskala, kotiuerlig Ålder: kvatitativ, kvotskala, kotiuerlig Trädslag:
Läs merUppgifter 3: Talföljder och induktionsbevis
Gruder i matematik och logik (017) Uppgifter 3: Talföljder och iduktiosbevis Ur Matematik Origo 5 Talföljder och summor 3.01 101. E talföljd defiieras geom formel a 8 + 6. a) Är det e rekursiv eller e
Läs merTentamen 19 mars, 8:00 12:00, Q22, Q26
Avdelige för elektriska eergisystem EG225 DRIFT OCH PLANERING AV ELPRODUKTION Vårtermie 25 Tetame 9 mars, 8: 2:, Q22, Q26 Istruktioer Skriv alla svar på det bifogade svarsbladet. Det är valfritt att också
Läs merKonsoliderad version av. Styrelsens för ackreditering och teknisk kontroll föreskrifter (STAFS 1993:18) om EEG-märkning av färdigförpackade varor
Kosoliderad versio av Styrelses för ackrediterig och tekisk kotroll föreskrifter (STAFS 1993:18) om EEG-märkig av färdigförpackade varor Rubrike har dea lydelse geom (STAFS 2008:11) Ädrig iförd: t.o.m.
Läs merFöreläsning 10: Kombinatorik
DD2458, Problemlösig och programmerig uder press Föreläsig 10: Kombiatorik Datum: 2009-11-18 Skribeter: Cecilia Roes, A-Soe Lidblom, Ollata Cuba Gylleste Föreläsare: Fredrik Niemelä 1 Delmägder E delmägd
Läs merTentamen i matematisk statistik, Statistisk Kvalitetsstyrning, MSN320/TMS070 Lördag , klockan Lärare: Jan Rohlén
FACIT Tetame i matematisk statistik, Statistisk Kvalitetsstyrig, MSN3/TMS7 Lördag 6-1-16, klocka 14.-18. Lärare: Ja Rohlé Ugift 1 (3.5 ) Se boke! Ugift (3.5) Se boke! Ugift 3 (3) a-ugifte Partistorlek:
Läs merz Teori z Hypotesgenerering z Observation (empirisk test) z Bara sanningen : Inga falska teser z Hela sanningen : Täcker alla sanna teser
Teoribildig Översikt forskigsmetodik Mål för veteskape: Att kostruera bättre och bättre teorier De veteskapliga processe z Teori z Hypotesgeererig z Observatio (empirisk test) z Abduktio (det observerade
Läs merHYPOTESPRÖVNING. De statistiska metoderna som används för att fatta denna typ av beslut baseras på två komplementära antaganden om populationen.
HPOTESPRÖVNING De tatitika metodera om aväd för att fatta dea typ av belut baera på två komplemetära atagade om populatioe. Partiet produkter har atige de utlovade kvalitete eller å har de de ite. Atige
Läs merLinjär Algebra (lp 1, 2016) Lösningar till skrivuppgiften Julia Brandes
Lijär Algebra (lp 1, 2016) Lösigar till skrivuppgifte Julia Brades Uppgift 1. Betecka mägde av alla matriser med M(). Vi har e elemetvist defiierad additio av två matriser A, B M(). De är defiierad geom
Läs merSannolikhetsteori FORMELSAMLING MATEMATISK STATISTIK, AK FÖR I, FMS 120, HT-00. Kap 2: Sannolikhetsteorins grunder
LUNDS TEKNISKA HÖGSKOLA MATEMATIKCENTRUM MATEMATISK STATISTIK FORMELSAMLING MATEMATISK STATISTIK, AK FÖR I, FMS 10, HT-00 Saolikhetsteori Kap : Saolikhetsteoris gruder Följade gäller för saolikheter: 0
Läs merMS-A0509 Grundkurs i sannolikhetskalkyl och statistik Sammanfattning, del II
Stickprov MS-A0509 Grudkurs i saolikhetskalkyl och statistik Sammafattig del II G Gripeberg Aalto-uiversitetet 4 februari 04 Estimerig 3 Kofidesitervall 4 Hypotesprövig 5 Korrelatio och regressio G Gripeberg
Läs merFöreläsning G04 Surveymetodik 732G19 Utredningskunskap I
Föreläsig 5 732G04 Surveymetodik 732G19 Utredigskuskap I Dages föreläsig Klusterurval Estegs klusterurval Tvåstegs klusterurval Klusterurval med PPS 2 Klusterurval De urvalsdesiger som diskuterats hittills
Läs merMS-A0509 Grundkurs i sannolikhetskalkyl och statistik Sammanfattning, del II
MS-A0509 Grudkurs i saolikhetskalkyl och statistik Sammafattig, del II G. Gripeberg Aalto-uiversitetet 13 februari 015 G. Gripeberg (Aalto-uiversitetet) MS-A0509 Grudkurs i saolikhetskalkyl och statistik
Läs merTentamen i Matematisk statistik för V2 den 28 maj 2010
Tetame i Matematisk statistik för V de 8 maj 00 Uppgift : E kortlek består av 5 kort. Dessa delas i i färger: 3 hjärter, 3 ruter, 3 spader och 3 klöver. Kortleke iehåller damer, e i varje färg. Ata att
Läs merLösningar och kommentarer till uppgifter i 1.1
Lösigar och kommetarer till uppgifter i. 407 d) 408 d) 40 a) 3 /5 5) 5 3 0 ) 0) 3 5 5 4 0 6 5 x 5 x) 5 x + 5 x 5 x 5 x 5 x + 5 x 40 Om det u är eklare så här a x a 3x + a x) a 4x + 43 a) 43 45 5 3 5 )
Läs merUppsala Universitet Matematiska institutionen Matematisk Statistik. Formel- och tabellsamling. Sannolikhetsteori och Statistik
Uppsala Uiversitet Matematiska istitutioe Matematisk Statistik Formel- och tabellsamlig Saolikhetsteori och Statistik IT2-2004 Formelsamlig, Saolikhetsteori och Statistik IT-2004 1 Saolikhetsteori 1.1
Läs merFinansiell Statistik (GN, 7,5 hp,, HT 2008) Föreläsning 5
Fiasiell Statistik (GN, 7,5 hp,, HT 8) Föreläsig 5 HYPOTESPRÖVNING (LLL Kap 11) Departmet of Statistics (Gebreegus Ghilagaber, PhD, Associate Professor) Fiacial Statistics (Basic-level course, 7,5 ECTS,
Läs mervara ett polynom där a 0, då kallas n för polynomets grad och ibland betecknas n grad( P(
Armi Halilovic: EXTRA ÖVNINGAR Polyom POLYNOM OCH ALGEBRAISKA EKVATIONER Defiitio Polyom är uttrycket av type a a a 0 ( där är ett icke-egativt heltal) Defiitio Låt P( a a a0 vara ett polyom där a 0, då
Läs mer95%-igt konfidensintervall för andel kalsongbärare i populationen: Slutsats: Med 95% säkerhet finns andelen kalsongbärare i intervallet 38-48%
UPPGIFT 1 Vi slumpmässigt urval har varje iivi e kä saolikhet att komma me i urvalet Resultatet går att geeralisera till populatioe är ma gjort slumpmässigt urval UPPGIFT A) Kostatterme: De som ite får
Läs merST-fredag i Biostatistik & Epidemiologi När ska jag använda vilket test?
ST-fredag i Biostatistik & Epidemiologi När ska jag använda vilket test? Mikael Eriksson Specialistläkare CIVA Karolinska Universitetssjukhuset, Solna Grund för hypotestestning 1. Definiera noll- och alternativhypotes,
Läs mer