Statistik. Det finns tre sorters lögner: lögn, förbannad lögn och statistik

Save this PDF as:
 WORD  PNG  TXT  JPG

Storlek: px
Starta visningen från sidan:

Download "Statistik. Det finns tre sorters lögner: lögn, förbannad lögn och statistik"

Transkript

1 Statistik Statistik betyder ungefär sifferkunskap om staten Statistik är en gren inom tillämpad matematik som sysslar med insamling, utvärdering, analys och presentation av data eller information. Verkligheten är en kombination av systematik och slump. Råkade Du väga Dig vid olycklig tidpunkt (slumpen), eller har Din vikt förändrats (systematik)? Det finns tre sorters lögner: lögn, förbannad lögn och statistik Vad ska man med verklighet till när det finns statistik? Tillämpad matematik III/Statistik - Sida 1

2 Deskriptiv informera, kartlägga Hypotesprövande Fyra syften med statistik Verifiera eller förkasta ett antagande (hypotes) Utredande kausala samband, orsakssammanhang Prognosticerande vad händer i framtiden?, vad händer om vi gör så här? alltför många försöker spå om framtiden, utan att ens kunna historien Tillämpad matematik III/Statistik - Sida 2

3 Några vanliga begrepp Total undersökning hela populationen studeras Stickprovsundersökning del av populationen studeras Stickprov - en del av populationen Element (individ) - de som information söks om Mängden av dessa element kallas ofta population. Populationen kan vara ändlig eller oändlig. Validitet - mäter vi det vi avser att mäta? Reliabilitet - är de mätningar vi gör tillförlitliga? Tillämpad matematik III/Statistik - Sida 3

4 Fler vanliga begrepp Kvalitativ - icke-numerisk variabel; färg, ogift, god mat, attityd, servicegrad, kundnöjdhet (kan ges siffervärden) Kvantitativ - numerisk variabel Kontinuerlig - alla (oändligt antal) värden inom ett intervall Diskret - vissa (ändligt antal) värden inom ett intervall Tillämpad matematik III/Statistik - Sida 4

5 Något om mätskalor Variabel Kvalitativ (Icke-numerisk) Kvantitativ (Numerisk) Nominalskala (enbart klassificering) Ordinalskala (ordning) Intervallskala (ording + differens) Kvotskala (ordning + differens + kvot) Ex. Betyg Ex. Vikt Ex. Temp ( K) Tillämpad matematik III/Statistik - Sida 5

6 Ett exempel på stickprovsundersökning (icke-experimentell undersökning) En firma tillverkar en typ av mätapparat till vilken det behövs kretskort. Det blir dyrt om man får in för många defekta kretskort i produktionen varför underleverantören av kretskorten lovar högst 0,5% defekta kretskort. Kretskorten ligger i förpackningar med i varje. Man undersöker 200 på måfå utvalda kort ur varje förpackning. I en sändning på 80 förpackningar fick man följande resultat. (Detta är ett exempel på diskret variation) Tillämpad matematik III/Statistik - Sida 6

7 Ett exempel på stickprovsundersökning (icke-experimentell undersökning) Antal defekta kretskort bland 200 utvalda i 80 förpackningar. Grunddata Tillämpad matematik III/Statistik - Sida 7

8 Ett exempel på stickprovsundersökning (icke-experimentell undersökning) Frekvenstabell för antalet defekta kretskort Tillämpad matematik III/Statistik - Sida 8

9 Ett exempel på stickprovsundersökning (icke-experimentell undersökning) Stolpdiagram Tillämpad matematik III/Statistik - Sida 9

10 Ett exempel på stickprovsundersökning (icke-experimentell undersökning) % Stolpdiagram, Relativa frekvenser Tillämpad matematik III/Statistik - Sida 10

11 Ett exempel på stickprovsundersökning (icke-experimentell undersökning) Trappstegskurva för antalet defekta kretskort Kumulativ relativ frekvens % Tillämpad matematik III/Statistik - Sida 11

12 Ett exempel på stickprovsundersökning (icke-experimentell undersökning) Trappstegskurva för antalet defekta kretskort Kumulativ relativ frekvens Tillämpad matematik III/Statistik - Sida 12

13 Ett exempel på stickprovsundersökning (icke-experimentell undersökning) Totalt valdes 200*80 = kretskort ut för undersökning. Stickprovstorlek är på 16000, n = Stickprovet valdes ut bland totalt 80*10000 = kort. Populationsstorleken är på , N = Felkvoten i stickprovet var 168/16000 = = 1.05 % dvs något större än den utlovade. Hur säkra uttalanden kan man göra om felkvoten? Är det statistiskt säkert att felkvoten överstiger 0.5%? För att svara på dessa frågor behövs sannolikhetsteori! Tillämpad matematik III/Statistik - Sida 13

14 Ett exempel till på stickprovsundersökning (Experimentell undersökning) I en järnmalmsgruva gjordes ett fullskaleförsök för att bl.a. studera hur lång tid det tar att fylla en 2 m 3 vagn med malm. Man noterade tiden från det att lastmaskinen började köra in i berghögen tills att lastaren kopplade loss vagnen. Följande resultat erhölls. (Detta är ett exempel på kontinuerlig variation) Tillämpad matematik III/Statistik - Sida 14

15 Ett exempel till på stickprovsundersökning (Experimentell undersökning) Tidsåtgång vid lastning i sek. Grunddata 85,80,85,77,101,109,111,109,148,183,153,78,84,80,94,104,96, ,112,103,122,155,153,128,172,69,84,99,110,112,181,176,79,94 111,111,118,133,140,80,84,100,101,122,129,73,75,111,96,126,147 90,103,100,96,116,128,86,80,97,118,124,150,96,105,83,99,140,79 78,87,107,134,140,79,87,104,153,134,82,91,104,128,76,108, ,117,110,149,119,121,116,114,130,90,97,127,113,96,106,107, 108,128,110,109,85,95,116,118,110,91,126,97,121,107,104,129, 06,112,91,119,118,105 Tillämpad matematik III/Statistik - Sida 15

16 Ett exempel på stickprovsundersökning (icke-experimentell undersökning) Frekvenstabell för tidsåtgång vid lastning, Klassindelat material Tidsåtgång Frekvens Rel.frekvens Kum.frekvens Tillämpad matematik III/Statistik - Sida 16

17 Ett exempel på stickprovsundersökning (icke-experimentell undersökning) Histogram tidsåtgång vid lastning Tillämpad matematik III/Statistik - Sida 17

18 Ett exempel på stickprovsundersökning (icke-experimentell undersökning) Histogram tidsåtgång vid lastning, kumulativ relativ frekvens Tillämpad matematik III/Statistik - Sida 18

19 Ett exempel på stickprovsundersökning (icke-experimentell undersökning) 1) Vad är den genomsnittliga tidsåtgången? Den genomsnittliga tidsåtgången är ) Hur mycket varierar det? Standardavvikelsen i stickprovet är ) Hur stor andel av vagnarna överstiger 2 min? Andelen av vagnarna som överstiger 2 min är 28%. Hur säkra är dessa uttalanden? För att svara på dessa frågor behövs sannolikhetsteori! Tillämpad matematik III/Statistik - Sida 19

20 Beskrivande statistik Lägesmått Medelvärde, Median, m, (2:a kvartil Q 2 ) Typvärde, T Spridningsmått Standardavvikelse, s (Varians, s 2 ) Kvartilavstånd, Q = Q 3 - Q 1 Variationsbredd, R Tillämpad matematik III/Statistik - Sida 20

21 Medelvärde: Lägesmått Summan av alla värden delat med antalet värden Mathematica: Mean[Data] Median: En storleksordnad datamängd kan delas in i 4 kvartiler, 25% av materialet är, % är och 75% är eller 25% är Matematica: Median[Data], Quartiles[Data] Typvärde, T Det värde som förekommer flest gånger. Mathematica: Commonest[Data] Tillämpad matematik III/Statistik - Sida 21

22 Standardavvikelse: Spridningsmått Genomsnittliga kvadratiska skillnaden mot medelvärdet Varians: Mathmatica: Standarddeviation[Data], Variance[Data] Kvartilavstånd: 50% av materialet mellan och Mathmatica: Quantile[Data,0.75] - Quantile[Data,0.25] Variationsbred: Mathematica: Max[Data]-Min[Data] Tillämpad matematik III/Statistik - Sida 22

23 Resultat, kretskort Medelvärdet,. Varje förpackning innehåller 2.1 defekta kretskort. Varians och standardavvikelse.. Medianen, m = 2 50% av förpackningarna innehåller 2 eller fler defekta kretskort. Typvärdet, T = 1 En typisk förpackning innehåller ett defekt kretskort. Tillämpad matematik III/Statistik - Sida 23

24 Resultat, lastning Medelvärdet,. I genomsnitt tog det s. att lasta vagnen. Varians och standardavvikelse.. Medianen, m = 108 s. 50% av ggr. tog det 108 s. att lasta vagnen 1:a kvartil,., 25% av ggr tog det högst 94 s. att lasta vagnen. 3:e kvartil,.., 75% av ggr tog det högst s. att lasta vagnen Tillämpad matematik III/Statistik - Sida 24

25 Liten statistisk ordlista Individ Undersökningsobjekt i en statistisk undersökning. Population En definierad grupp individer med någon gemensam egenskap. Variabel En egenskap man studerar hos en individ. Kvantitativ variabel En variabel som mäts med numeriska mätvärden. Kvalitativ variabel En icke-numerisk variabel. Innebär klassificering. Tillämpad matematik III/Statistik - Sida 25

26 Diskret variabel Kvantitativ variabel som endast kan anta vissa värden, ofta heltalsvärden. Kontinuerlig variabel Kvantitativ variabel som i princip kan anta alla värden i ett intervall. Nominalskala Lägsta datanivån, klassificering av den studerade variabeln Ordinalskala Föreligger då mätvärden kan rangordnas Intervallskala Förutom rangordning av data är skillnader mellan mätvärden meningsfulla Kvotskala Liten statistisk ordlista fortsätter Har intervallskalans egenskaper och en absolut nollpunkt. Tillämpad matematik III/Statistik - Sida 26

27 Sannolikhetsteori Sannolikhetsteorin kan ses som teorin om slumpmässiga försök Def: Med ett slumpmässigt försök menas ett försök vars resultat inte säkert kan förutsägas. Klassiska exempel: Slå en tärning, drag 5 kort ur en kortlek, ta en lott Men det kan också vara: Antalet defekta kretskort i en förpackning, Tidsåtgång vid lastning Tillämpad matematik III/Statistik - Sida 27

28 Utfallsrum, händelse och komplement Definitioner: Resultatet av ett slumpmässigt försök kallas utfall. Mängden av alla möjliga utfall av ett slumpmässigt försök kallas utfallsrum (Ω) En samling utfall kallas händelse (A, B, C,.) Grundmängd Delmängd Komplementet till A Utfallsrummet, Ω Komplementhändelse A C Händelsen A Händelsen A Tillämpad matematik III/Statistik - Sida 28

29 Unions-, snitt- och disjunkta händelser Då man undersöker händelser kan man med fördel använda mängdlärans symboler. Unionshändelse, A B Snitthändelse, A B Disjunkta händelser Minst en av händelserna A och B inträffar A eller B inträffar både A och B inträffar A och B kan ej inträffa samtidigt, A B = ( = tomma mängden) Unionshändelse Snitthändelse Disjunkta händelser Händelsen A Händelsen B Händelsen A Händelsen B Händelsen A Händelsen B Tillämpad matematik III/Statistik - Sida 29

30 Definition av sannolikhet Klassiska definitionen, sid 41 i Vännman Det finns m möjliga utfall med lika sannolikhet. Om händelse A innefattar g av utfallen blir sannolikheten för händelsen A Tillämpad matematik III/Statistik - Sida 30

31 Definition av sannolikhet Matematisk definition, s.48 i Vännman En funktion P, som till varje händelse A i utfallsrummet Ω, ordnar ett reellt tal P(A), är ett sannolikhetsmått, [P(A) kallas sannolikheten för A], om P har följande egenskaper (Kolmogorovs axiomsystem): 1. 0 b P(A) b 1, för alla A 2. P(Ω) = 1 3. P(A B) = P(A) + P(B), om A och B är disjunkta Tillämpad matematik III/Statistik - Sida 31

32 Sannolikhet som relativ frekvens Tillämpad matematik III/Statistik - Sida 32

33 Räkneregler för sannolikheter Sats 2 B (Komplementsatsen) P(A C ) = 1 - P(A) Sats 2 C (Additionssatsen 2 händelser) P(A Β) = P(A) + P(B) - P(A B) (Kan utvidgas till flera händelser) ex 3 händelser P(A Β C) = = P(A) + P(B) + P(C) - P(A B) - P(A C) - P(B C) + P(A B C) Tillämpad matematik III/Statistik - Sida 33

34 Kombinatorik - Multiplikationsprincipen Om N stycken operationer (moment) utföras. Den första operationen kan utföras på n 1 sätt, den andra på n 2 sätt och den N:te på n N sätt. Då kan de N operationerna kan utföras på n 1 n 2... n N olika sätt. Operation 1 n 1 olika sätt Operation 2 n 2 olika sätt... Operation k n k olika sätt Tillämpad matematik III/Statistik - Sida 34

35 Kombinatorik - Urval utan återlägg Välj n element bland N st Med hänsyn till ordningen: Antalet möjliga Permutationer är Med Mathematica:!/( )! Utan hänsyn till ordningen: Antalet möjliga Kombinationer är! Med Mathematica: Binomial[N,n]!!!!! Tillämpad matematik III/Statistik - Sida 35

36 Kombinatorik - Urval med återlägg Välj n element bland N st Med hänsyn till ordningen: Antalet möjliga Permutationer är Utan hänsyn till ordningen: Antalet möjliga Kombinationer är Tillämpad matematik III/Statistik - Sida 36

37 Betingad sannolikhet Med den betingade sannolikheten,, menas sannolikheten för händelsen A givet att händelsen B Inträffat och definieras som Det ger följande nyttiga omskrivning: Tillämpad matematik III/Statistik - Sida 37

38 Betingad sannolikhet Tillämpad matematik III/Statistik - Sida 38

39 Satsen om total sannolikhet och Bayes sats (står inte i boken) Om händelserna tillsammans fyller hela Ω dvs H i = Φ och då gäller för varje händelse A att P(A) = H n i= 1 j P(H i H,H 1 2 n U i= 1 )P(A H i,..., H H i n = Ω är parvis oförenliga och ) (total sannolikhet) P(H A) i = n j= 1 P(H i P(H )P(A H j i ) )P(A H j ) (Bayessats) Tillämpad matematik III/Statistik - Sida 39

40 Definition Oberoende händelser Två händelser sägs vara oberoende av varandra om Om A och B är oberoende gäller Om B har inträffat påverkar detta inte sannolikheten för att A ska inträffa. OBS!! Förväxla inte oberoende och disjunkta händelser!! Exempel på oberoende händelser: flera kast med en tärning. Tillämpad matematik III/Statistik - Sida 40

41 Oberoende upprepade försök - Sats 2D Ett försök upprepas n oberoende gånger. A är en händelse som inträffar med sannolikheten p i ett försök. Sannolikheten att händelsen A inträffar k gånger under de n försöken är P(A inträffar k gånger) = Med Mathematica: PDF[BinomialDistribution[n,p],k] P(A) = p P(A) = p P(A) = p 1 2 n A A... A Tillämpad matematik III/Statistik - Sida 41

Föreläsning 1, Matematisk statistik Π + E

Föreläsning 1, Matematisk statistik Π + E Introduktion Sannolikhetsteori Beroende Föreläsning 1, Matematisk statistik Π + E Sören Vang Andersen 4 november 2014 Sören Vang Andersen - sva@maths.lth.se FMS012 F1 1/26 Introduktion Sannolikhetsteori

Läs mer

Matematisk statistik 9 hp för I, Pi, C, D och fysiker Föreläsning 1: Introduktion och Sannolikhet

Matematisk statistik 9 hp för I, Pi, C, D och fysiker Föreläsning 1: Introduktion och Sannolikhet Matematisk statistik 9 hp för I, Pi, C, D och fysiker Föreläsning 1: Introduktion och Sannolikhet Anna Lindgren 30+31 augusti 2016 Anna Lindgren anna@maths.lth.se FMS012/MASB03 F1: Sannolikhet 1/27 Praktiska

Läs mer

Föreläsning 1, Matematisk statistik för M

Föreläsning 1, Matematisk statistik för M Föreläsning 1, Matematisk statistik för M Erik Lindström 23 mars 2015 Erik Lindström - erikl@maths.lth.se FMS035 F1 1/30 Tillämpningar Praktiska detaljer Matematisk statistik slumpens matematik Sannolikhetsteori:

Läs mer

Statistikens grunder HT, dagtid Statistiska institutionen

Statistikens grunder HT, dagtid Statistiska institutionen Statistikens grunder 1 2013 HT, dagtid Statistiska institutionen Orsak och verkan N Kap 2 forts. Annat ord: kausalitet Något av det viktigaste för varje vetenskap. Varför? Orsakssamband ger oss möjlighet

Läs mer

Matematisk statistik - Slumpens matematik

Matematisk statistik - Slumpens matematik Matematisk Statistik Matematisk statistik är slumpens matematik. Började som en beskrivning av spel, chansen att få olika utfall. Brevväxling mellan Fermat och Pascal 1654. Modern matematisk statistik

Läs mer

Statistik 1 för biologer, logopeder och psykologer

Statistik 1 för biologer, logopeder och psykologer Innehåll 1 2 Diskreta observationer Kontinuerliga observationer 3 Centralmått Spridningsmått Innehåll 1 2 Diskreta observationer Kontinuerliga observationer 3 Centralmått Spridningsmått Vad är statistik?

Läs mer

732G70, 732G01 Statistik A 7hp

732G70, 732G01 Statistik A 7hp 732G70, 732G01 Statistik A 7hp Linda Wänström (linda.wanstrom@liu.se) Tommy Schyman (tommy.schyman@liu.se) Föreläsningsunderlagen är baserade på underlag skrivna av Karl Wahlin 1 Statistik är en gren inom

Läs mer

SF1901: SANNOLIKHETSTEORI OCH STATISTIK GRUNDLÄGGANDE SANNOLIKHETSTEORI, BETINGAD SANNOLIKHETER, OBEROENDE. Tatjana Pavlenko.

SF1901: SANNOLIKHETSTEORI OCH STATISTIK GRUNDLÄGGANDE SANNOLIKHETSTEORI, BETINGAD SANNOLIKHETER, OBEROENDE. Tatjana Pavlenko. SF1901: SANNOLIKHETSTEORI OCH STATISTIK FÖRELÄSNING 2 GRUNDLÄGGANDE SANNOLIKHETSTEORI, BETINGAD SANNOLIKHETER, OBEROENDE HÄNDELSER Tatjana Pavlenko 26 mars, 2015 SANNOLIKHETSGRUNDER (REPETITION) Slumpförsöket

Läs mer

Utfall, Utfallsrummet, Händelse. Sannolikhet och statistik. Utfall, Utfallsrummet, Händelse. Utfall, Utfallsrummet, Händelse

Utfall, Utfallsrummet, Händelse. Sannolikhet och statistik. Utfall, Utfallsrummet, Händelse. Utfall, Utfallsrummet, Händelse Utfall, Utfallsrummet, Händelse Sannolikhet och statistik Sannolikhetsteorins grunder HT 2008 Uwe.Menzel@math.uu.se http://www.math.uu.se/ uwe/ Denition 2.1 Resultatet av ett slumpmässigt försök kallas

Läs mer

Sannolikhetsteori. Måns Thulin. Uppsala universitet Statistik för ingenjörer 23/ /14

Sannolikhetsteori. Måns Thulin. Uppsala universitet Statistik för ingenjörer 23/ /14 1/14 Sannolikhetsteori Måns Thulin Uppsala universitet thulin@math.uu.se Statistik för ingenjörer 23/1 2013 2/14 Dagens föreläsning Relativa frekvenser Matematik för händelser Definition av sannolikhet

Läs mer

Typvärde. Mest frekventa värdet Används framförallt vid nominalskala Ex: typvärdet. Kemi 250. Ekon 570. Psyk 120. Mate 195.

Typvärde. Mest frekventa värdet Används framförallt vid nominalskala Ex: typvärdet. Kemi 250. Ekon 570. Psyk 120. Mate 195. Lägesmått Det kan ibland räcka med ett lägesmått för att beskriva datamaterial Lägesmåttet kan vara bra att använda då olika datamaterial skall jämföras Vilket lägesmått som skall användas: Typvärde Median

Läs mer

Föreläsning 1. 732G60 Statistiska metoder

Föreläsning 1. 732G60 Statistiska metoder Föreläsning 1 Statistiska metoder 1 Kursens uppbyggnad o 10 föreläsningar Teori blandas med exempel Läggs ut några dagar innan på kurshemsidan o 5 räknestugor Tillfälle för individuella frågor Viktigt

Läs mer

Sannolikhetsbegreppet

Sannolikhetsbegreppet Kapitel 3 Sannolikhetsbegreppet Betrakta följande försök: Ett symmetriskt mynt kastas 100 gånger och antalet krona observeras. Antal kast 10 20 30 40 50 60 70 80 90 100 Antal krona 6 12 16 21 25 30 34

Läs mer

Kolmogorovs Axiomsystem Kolmogorovs Axiomsystem Varje händelse A tilldelas ett tal : slh att A inträar Sannolikheten måste uppfylla vissa krav: Kolmog

Kolmogorovs Axiomsystem Kolmogorovs Axiomsystem Varje händelse A tilldelas ett tal : slh att A inträar Sannolikheten måste uppfylla vissa krav: Kolmog Slumpvariabel (Stokastisk variabel) Resultat av ett slumpförsök - utgången kann inte kontrolleras Sannolikhet och statistik Sannolikhetsteorins grunder VT 2009 Resultatet kan inte förutspås, men vi vet

Läs mer

SF1901: SANNOLIKHETSTEORI OCH STATISTIK GRUNDLÄGGANDE SANNOLIKHETSTEORI, KORT OM BESKRIVANDE STATISTIK. Tatjana Pavlenko.

SF1901: SANNOLIKHETSTEORI OCH STATISTIK GRUNDLÄGGANDE SANNOLIKHETSTEORI, KORT OM BESKRIVANDE STATISTIK. Tatjana Pavlenko. SF1901: SANNOLIKHETSTEORI OCH STATISTIK FÖRELÄSNING 1 GRUNDLÄGGANDE SANNOLIKHETSTEORI, KORT OM BESKRIVANDE STATISTIK Tatjana Pavlenko 23 mars, 2015 KURSINFORMATION Blom m.fl. Sannolokhetsteori och statistikteori

Läs mer

Statistiska undersökningar

Statistiska undersökningar Arbetsgång vid statistiska undersökningar Problemformulering, målsättning Statistiska undersökningar Arbetsgången mm Definition av målpopulation Framställning av urvalsram Urval Utformning av mätinstrument

Läs mer

2 Dataanalys och beskrivande statistik

2 Dataanalys och beskrivande statistik 2 Dataanalys och beskrivande statistik Vad är data, och vad är statistik? Data är en samling fakta ur vilken man kan erhålla information. Statistik är vetenskapen (vissa skulle kalla det konst) om att

Läs mer

SF1901: Sannolikhetslära och statistik

SF1901: Sannolikhetslära och statistik SF1901: Sannolikhetslära och statistik Föreläsning 1. Jan Grandell & Timo Koski 19.01.2016 Jan Grandell & Timo Koski Matematisk statistik 19.01.2016 1 / 65 Många tänker på tabeller 1 när de hör ordet statistik.

Läs mer

Beskrivande statistik Kapitel 19. (totalt 12 sidor)

Beskrivande statistik Kapitel 19. (totalt 12 sidor) Beskrivande statistik Kapitel 19. (totalt 12 sidor) För att åskådliggöra insamlat material från en undersökning används mått, tabeller och diagram vid sammanställningen. Det är därför viktigt med en grundläggande

Läs mer

SF1901: SANNOLIKHETSTEORI OCH GRUNDLÄGGANDE SANNOLIKHETSTEORI, STATISTIK BETINGADE SANNOLIKHETER, OBEROENDE. Tatjana Pavlenko.

SF1901: SANNOLIKHETSTEORI OCH GRUNDLÄGGANDE SANNOLIKHETSTEORI, STATISTIK BETINGADE SANNOLIKHETER, OBEROENDE. Tatjana Pavlenko. SF1901: SANNOLIKHETSTEORI OCH STATISTIK FÖRELÄSNING 2 GRUNDLÄGGANDE SANNOLIKHETSTEORI, BETINGADE SANNOLIKHETER, OBEROENDE HÄNDELSER Tatjana Pavlenko 30 augusti, 2016 SANNOLIKHETSGRUNDER (REPETITION) Slumpförsöket

Läs mer

Kvantitativ forskning C2. Viktiga begrepp och univariat analys

Kvantitativ forskning C2. Viktiga begrepp och univariat analys + Kvantitativ forskning C2 Viktiga begrepp och univariat analys + Delkursen mål n Ni har grundläggande kunskaper över statistiska analyser (univariat, bivariat) n Ni kan använda olika programvaror för

Läs mer

TMS136. Föreläsning 1

TMS136. Föreläsning 1 TMS136 Föreläsning 1 Varför? Om vi gör mätningar vill vi kunna modellera och kvantifiera de osäkerheter som obönhörligen finns Om vi handlar med värdepapper vill kunna modellera och kvantifiera de risker

Läs mer

F2 SANNOLIKHETSLÄRA (NCT )

F2 SANNOLIKHETSLÄRA (NCT ) Stat. teori gk, ht 2006, JW F2 SANNOLIKHETSLÄRA (NCT 4.1-4.2) Ordlista till NCT Random experiment Outcome Sample space Event Set Subset Union Intersection Complement Mutually exclusive Collectively exhaustive

Läs mer

3 Grundläggande sannolikhetsteori

3 Grundläggande sannolikhetsteori 3 Grundläggande sannolikhetsteori Ämnet sannolikhetsteori har sin grund i studier av hasardspel utförda under 1500- och 1600-talen av bland andra Gerolamo Cardano, Pierre de Fermat och Blaise Pascal. Mycket

Läs mer

732G01/732G40 Grundläggande statistik (7.5hp)

732G01/732G40 Grundläggande statistik (7.5hp) 732G01/732G40 Grundläggande statistik (7.5hp) 2 Grundläggande statistik, 7.5 hp Mål: Kursens mål är att den studerande ska tillägna sig en översikt över centrala begrepp och betraktelsesätt inom statistik.

Läs mer

FMS012/MASB03: Matematisk statistik 9.0 hp för F+fysiker Föreläsning 1: Sannolikhet

FMS012/MASB03: Matematisk statistik 9.0 hp för F+fysiker Föreläsning 1: Sannolikhet FMS012/MASB03: Matematisk statistik 9.0 hp för F+fysiker Föreläsning 1: Sannolikhet Anna Lindgren 18 januari 2016 Anna Lindgren anna@maths.lth.se FMS012/MASB03 F1: Sannolikhet 1/27 Tillämpningar Praktiska

Läs mer

Kap 2: Några grundläggande begrepp

Kap 2: Några grundläggande begrepp Kap 2: Några grundläggande begrepp Varför sannolikhetslära är viktigt? Vad menar vi med sannolikhetslära? Träddiagram? Vad är den klassiska, empiriska och subjektiva sannolikheten? Vad menar vi med de

Läs mer

Beskrivande statistik

Beskrivande statistik Beskrivande statistik Sorina Barza Department of Mathematics, Karlstad University, Sweden October 5, 2010 Vad är beskrivande statistik? Sammanställning av statistiska material Vad är beskrivande statistik?

Läs mer

Två innebörder av begreppet statistik. Grundläggande tankegångar i statistik. Vad är ett stickprov? Stickprov och urval

Två innebörder av begreppet statistik. Grundläggande tankegångar i statistik. Vad är ett stickprov? Stickprov och urval Två innebörder av begreppet statistik Grundläggande tankegångar i statistik Matematik och statistik för biologer, 10 hp Informationshantering. Insamling, ordningsskapande, presentation och grundläggande

Läs mer

Statistisk slutledning (statistisk inferens): Sannolikhetslära: GRUNDLÄGGANDE SANNOLIKHETSLÄRA. Med utgångspunkt från ett stickprov

Statistisk slutledning (statistisk inferens): Sannolikhetslära: GRUNDLÄGGANDE SANNOLIKHETSLÄRA. Med utgångspunkt från ett stickprov OSÄKERHET Sannolikhetslära: Om det i ett område finns 32 % med universitetsexamen, vad är sannolikheten att ett stickprov kommer att innehålla 31-33 % med universitetsexamen? Om medelåldern i en population

Läs mer

Biostatistik: Begrepp & verktyg. Kvantitativa Metoder II: teori och tillämpning.

Biostatistik: Begrepp & verktyg. Kvantitativa Metoder II: teori och tillämpning. Biostatistik: Begrepp & verktyg Kvantitativa Metoder II: teori och tillämpning Lovisa.Syden@ki.se BIOSTATISTIK att hantera slumpmässiga variationer! BIO datat handlar om levande saker STATISTIK beskriva

Läs mer

Institutionen för lingvistik och filologi VT 2014 (Marco Kuhlmann 2013, tillägg och redaktion Mats Dahllöf 2014).

Institutionen för lingvistik och filologi VT 2014 (Marco Kuhlmann 2013, tillägg och redaktion Mats Dahllöf 2014). UPPSALA UNIVERSITET Matematik för språkteknologer (5LN445) Institutionen för lingvistik och filologi VT 2014 (Marco Kuhlmann 2013, tillägg och redaktion Mats Dahllöf 2014). 9 Sannolikhet Detta kapitel

Läs mer

Statistik 1 för biologer, logopeder och psykologer

Statistik 1 för biologer, logopeder och psykologer Innehåll 1 Grunderna i sannolikhetslära 2 Innehåll 1 Grunderna i sannolikhetslära 2 Satistik och sannolikhetslära Statistik handlar om att utvinna information från data. I praktiken inhehåller de data

Läs mer

Provmoment: Tentamen 2 Ladokkod: 61ST01 Tentamen ges för: SSK06 VHB. TentamensKod: Tentamensdatum: Tid:

Provmoment: Tentamen 2 Ladokkod: 61ST01 Tentamen ges för: SSK06 VHB. TentamensKod: Tentamensdatum: Tid: Vetenskaplig teori och metod Provmoment: Tentamen 2 Ladokkod: 61ST01 Tentamen ges för: SSK06 VHB 7,5 högskolepoäng TentamensKod: Tentamensdatum: 2012-11-09 Tid: 09.00-11.00 Hjälpmedel: Inga hjälpmedel

Läs mer

TMS136. Föreläsning 1

TMS136. Föreläsning 1 TMS136 Föreläsning 1 Varför? Om vi gör mätningar vill vi modellera och kvantifiera de osäkerheter som obönhörligen finns Om vi handlar med värdepapper vill vi modellera och kvantifiera de risker som finns

Läs mer

Bearbetning och Presentation

Bearbetning och Presentation Bearbetning och Presentation Vid en bottenfaunaundersökning i Nydalasjön räknade man antalet ringmaskar i 5 vattenprover. Följande värden erhölls:,,,4,,,5,,8,4,,,0,3, Det verkar vara diskreta observationer.

Läs mer

Föreläsning G70, 732G01 Statistik A

Föreläsning G70, 732G01 Statistik A Föreläsning 3 732G70, 732G01 Statistik A Introduktion till sannolikhetslära Sannolikhetslära: område inom statistiken där vi studerar experiment vars utfall beror av slumpen Sannolikhet: numeriskt värde

Läs mer

Föreläsning 2, Matematisk statistik för M

Föreläsning 2, Matematisk statistik för M Repetition Stok. Var. Diskret Kont. Fördelningsfnk. Föreläsning 2, Matematisk statistik för M Erik Lindström 25 mars 2015 Erik Lindström - erikl@maths.lth.se FMS012 F2 1/16 Repetition Stok. Var. Diskret

Läs mer

Föreläsning 1. NDAB02 Statistik; teori och tillämpning i biologi

Föreläsning 1. NDAB02 Statistik; teori och tillämpning i biologi Föreläsning 1 Statistik; teori och tillämpning i biologi 1 Kursens uppbyggnad 9 föreläsningar Föreläsningsunderlag läggs ut på kurshemsidan 5 lektioner Uppgifter från kursboken enligt planering 5 laborationer

Läs mer

STOCKHOLMS UNIVERSITET VT 2009 Statistiska institutionen Jörgen Säve-Söderbergh

STOCKHOLMS UNIVERSITET VT 2009 Statistiska institutionen Jörgen Säve-Söderbergh STOCKHOLMS UNIVERSITET VT 2009 Statistiska institutionen Jörgen Säve-Söderbergh Skriftlig tentamen på momentet Statistisk dataanalys I (SDA l), 3 högskolepoäng ingående i kursen Undersökningsmetodik och

Läs mer

Föreläsning G70 Statistik A

Föreläsning G70 Statistik A Föreläsning 2 732G70 Statistik A Introduktion till sannolikhetslära Sannolikhetslära: område inom statistiken där vi studerar experiment vars utfall beror av slumpen Sannolikhet: numeriskt värde (mellan

Läs mer

Innehåll. Frekvenstabell. II. Beskrivande statistik, sid 53 i E

Innehåll. Frekvenstabell. II. Beskrivande statistik, sid 53 i E Innehåll I. Grundläggande begrepp II. Deskriptiv statistik (sid 53 i E) III. Statistisk inferens Hypotesprövnig Statistiska analyser Parametriska analyser Icke-parametriska analyser 1 II. Beskrivande statistik,

Läs mer

SF1901: Sannolikhetslära och statistik Föreläsning 2. Betingad sannolikhet & Oberoende

SF1901: Sannolikhetslära och statistik Föreläsning 2. Betingad sannolikhet & Oberoende SF1901: Sannolikhetslära och statistik Föreläsning 2. Betingad sannolikhet & Oberoende Jan Grandell & Timo Koski 14.01.2013 Jan Grandell & Timo Koski () Matematisk statistik 14.01.2013 1 / 25 Repetition:

Läs mer

händelsen som alltid inträffar. Den tomma mängden representerar händelsen som aldrig inträffar.

händelsen som alltid inträffar. Den tomma mängden representerar händelsen som aldrig inträffar. Marco Kuhlmann Detta är en kompakt sammanfattning av momentet sannolikhetslära som ingår i kurserna Matematik 1b och 1c på gymnasiet. 1 Grundläggande begrepp 1.01 När vi singlar slant eller kastar tärning

Läs mer

Finansiell Statistik (GN, 7,5 hp,, HT 2008) Föreläsning 1

Finansiell Statistik (GN, 7,5 hp,, HT 2008) Föreläsning 1 Finansiell Statistik (GN, 7,5 hp,, HT 2008) Föreläsning 1 Sannolikhetslära (LLL Kap 5) Department of Statistics (Gebrenegus Ghilagaber, PhD, Associate Professor) Financial Statistics (Basic-level course,

Läs mer

Matematisk statistik for B, K, N, BME och Kemister. Matematisk statistik slumpens matematik. Beskriva Data Florence Nightingale. Forel.

Matematisk statistik for B, K, N, BME och Kemister. Matematisk statistik slumpens matematik. Beskriva Data Florence Nightingale. Forel. Matematisk statistik for B, K, N, BME och Kemister asning Forel 1 Johan Lindstrom 29 augusti 2016 Johan Lindstr om - johanl@maths.lth.se FMS086/MASB02 F1 2/21 Till ampningar Matematisk statistik slumpens

Läs mer

Beskrivande statistik

Beskrivande statistik Beskrivande statistik Tabellen ovan visar antalet allvarliga olyckor på en vägsträcka under 15 år. år Antal olyckor 1995 36 1996 20 1997 18 1998 26 1999 30 2000 20 2001 30 2002 27 2003 19 2004 24 2005

Läs mer

Sannolikhetslära. 1 Enkel sannolikhet. Grunder i matematik och logik (2015) 1.1 Sannolikhet och relativ frekvens. Marco Kuhlmann

Sannolikhetslära. 1 Enkel sannolikhet. Grunder i matematik och logik (2015) 1.1 Sannolikhet och relativ frekvens. Marco Kuhlmann Marco Kuhlmann Detta kapitel behandlar grundläggande begrepp i sannolikhetsteori: enkel sannolikhet, betingad sannolikhet, lagen om total sannolikhet och Bayes lag. 1 Enkel sannolikhet Den klassiska sannolikhetsteorin,

Läs mer

MATEMATIK ARBETSOMRÅDET LIKABEHANDLING Kränkande handlingar, nätmobbning, rasism och genus

MATEMATIK ARBETSOMRÅDET LIKABEHANDLING Kränkande handlingar, nätmobbning, rasism och genus MATEMATIK ARBETSOMRÅDET LIKABEHANDLING Kränkande handlingar, nätmobbning, rasism och genus STATISTIK/DIAGRAM VAD ÄR STATISTIK? En titt på youtube http://www.youtube.com/watch?v=7civnkawope Statistik omfattar

Läs mer

Introduktion till sannolikhetslära. Människor talar om sannolikheter :

Introduktion till sannolikhetslära. Människor talar om sannolikheter : F9 Introduktion till sannolikhetslära Introduktion till sannolikhetslära Människor talar om sannolikheter : Sannolikheten att få sju rätt på Lotto Sannolikheten att få stege på en pokerhand Sannolikheten

Läs mer

1 Mätdata och statistik

1 Mätdata och statistik Matematikcentrum Matematik NF Mätdata och statistik Betrakta frågeställningen Hur mycket väger en nyfödd bebis?. Frågan verkar naturlig, men samtidigt mycket svår att besvara. För att ge ett fullständigt

Läs mer

F9 SAMPLINGFÖRDELNINGAR (NCT

F9 SAMPLINGFÖRDELNINGAR (NCT Stat. teori gk, ht 006, JW F9 SAMPLINGFÖRDELNINGAR (NCT 7.1-7.4) Ordlista till NCT Sample Population Simple random sampling Sampling distribution Sample mean Standard error The central limit theorem Proportion

Läs mer

Föreläsningsmanus i matematisk statistik för lantmätare, vecka 2 HT07

Föreläsningsmanus i matematisk statistik för lantmätare, vecka 2 HT07 Föreläsningsmanus i matematisk statistik för lantmätare, vecka 2 HT07 Bengt Ringnér August 31, 2007 1 Inledning Detta är preliminärt undervisningsmaterial. Synpunkter är välkomna. 2 Händelser och sannolikheter

Läs mer

STOCKHOLMS UNIVERSITET HT 2006 Statistiska institutionen Johan Andersson

STOCKHOLMS UNIVERSITET HT 2006 Statistiska institutionen Johan Andersson 1 STOCKHOLMS UNIVERSITET HT 2006 Statistiska institutionen Johan Andersson Skriftlig tentamen på momentet Beskrivande statistik SDA l, 2 poäng ingående i kurserna Grundkurs i statistik 20 p samt Undersökningsmetodik

Läs mer

KLEINLEKTION. Område statistik. Lektionens upplägg. Lämplig inom kurserna Matematik 2b och 2c. Engage (Väck intresse) Explore (Upptäck laborera)

KLEINLEKTION. Område statistik. Lektionens upplägg. Lämplig inom kurserna Matematik 2b och 2c. Engage (Väck intresse) Explore (Upptäck laborera) KLEINLEKTION Område statistik. Lämplig inom kurserna Matematik 2b och 2c. Centralt innehåll i Matematik 2b och 2c: Statistiska metoder för rapportering av observationer och mätdata från undersökningar

Läs mer

Satsen om total sannolikhet och Bayes sats

Satsen om total sannolikhet och Bayes sats Satsen om total sannolikhet och Bayes sats Satsen om total sannolikhet Ibland är det svårt att direkt räkna ut en sannolikhet pga att händelsen är komplicerad/komplex. Då kan man ofta använda satsen om

Läs mer

En typisk medianmorot

En typisk medianmorot Karin Landtblom En typisk medianmorot I artikeln Läget? Tja det beror på variablerna! i Nämnaren 1:1 beskrivs en del av problematiken kring lägesmått och variabler med några vanliga missförstånd som lätt

Läs mer

F5 STOKASTISKA VARIABLER (NCT , samt del av 5.4)

F5 STOKASTISKA VARIABLER (NCT , samt del av 5.4) Stat. teori gk, ht 006, JW F5 STOKASTISKA VARIABLER (NCT 5.1-5.3, samt del av 5.4) Ordlista till NCT Random variable Discrete Continuous Probability distribution Probability distribution function Cumulative

Läs mer

Tentamen i Statistik, STA A13 Deltentamen 1, 4p 12 november 2005, kl

Tentamen i Statistik, STA A13 Deltentamen 1, 4p 12 november 2005, kl Karlstads universitet Institutionen för informationsteknologi Avdelningen för statistik Tentamen i Statistik, STA A13 Deltentamen 1, 4p 1 november 005, kl. 09.00-13.00 Tillåtna hjälpmedel: Bifogad formel-

Läs mer

STOCKHOLMS UNIVERSITET HT 2007 Statistiska institutionen Johan Andersson

STOCKHOLMS UNIVERSITET HT 2007 Statistiska institutionen Johan Andersson 1 STOCKHOLMS UNIVERSITET HT 2007 Statistiska institutionen Johan Andersson Skriftlig omtentamen på momentet Statistisk dataanalys I (SDA l, beskrivande statistik) 3 högskolepoäng, ingående i kursen Undersökningsmetodik

Läs mer

Föreläsning 1. Repetition av sannolikhetsteori. Patrik Zetterberg. 6 december 2012

Föreläsning 1. Repetition av sannolikhetsteori. Patrik Zetterberg. 6 december 2012 Föreläsning 1 Repetition av sannolikhetsteori Patrik Zetterberg 6 december 2012 1 / 28 Viktiga statistiska begrepp För att kunna förstå mer avancerade koncept under kursens gång är det viktigt att vi förstår

Läs mer

Valfritt läromedel för kurs Matematik B Exempel: Räkna med Vux B, Gleerups förlag. Tag kontakt med examinator om du har frågor

Valfritt läromedel för kurs Matematik B Exempel: Räkna med Vux B, Gleerups förlag. Tag kontakt med examinator om du har frågor Våren 010 PRÖVNINGSANVISNINGAR Prövning i Matematik B Kurskod MA 10 Gymnasiepoäng 50 Läromedel Prov Muntligt prov Valfritt läromedel för kurs Matematik B Exempel: Räkna med Vux B, Gleerups förlag Skriftligt

Läs mer

Statistik och epidemiologi T5

Statistik och epidemiologi T5 Statistik och epidemiologi T5 Anna Axmon Biostatistiker Yrkes- och miljömedicin Biostatistik kursmål Dra slutsatser utifrån basala statistiska begrepp och analyser och själva kunna använda sådana metoder.

Läs mer

Matematisk statistik

Matematisk statistik Matematisk statistik för STS vt 2004 2004-03 - 23 Bengt Rosén Matematisk statistik Ämnet matematisk statistik omfattar de två delområdena Sannolikhetsteori Statistikteori Bloms A - bok behandlar sannolikhetsteori,

Läs mer

SF1901: Sannolikhetslära och statistik

SF1901: Sannolikhetslära och statistik SF1901: Sannolikhetslära och statistik Föreläsning 1. Jan Grandell & Timo Koski 19.01.2016 Jan Grandell & Timo Koski Matematisk statistik 19.01.2016 1 / 70 Många tänker på tabeller 1 när de hör ordet statistik.

Läs mer

36 poäng. Lägsta poäng för Godkänd 70 % av totalpoängen vilket motsvarar 25 poäng. Varje fråga är värd 2 poäng inga halva poäng delas ut.

36 poäng. Lägsta poäng för Godkänd 70 % av totalpoängen vilket motsvarar 25 poäng. Varje fråga är värd 2 poäng inga halva poäng delas ut. Vetenskaplig teori och metod Provmoment: Tentamen 3 Ladokkod: VVT012 Tentamen ges för: SSK05 VHB 7,5 högskolepoäng TentamensKod: Tentamensdatum: 2012-04-27 Tid: 09.00-11.00 Hjälpmedel: Inga hjälpmedel

Läs mer

S0007M Statistik2: Slumpmodeller och inferens. Inge Söderkvist

S0007M Statistik2: Slumpmodeller och inferens. Inge Söderkvist Föreläsning 1 4.1 Slumpässighet 4.2 Sannolikhetsmodeller Viktiga grundbegrepp Slumpmässig (eng: random) Ett fenomen är slumpmässigt om individuella resultat är osäkra, men resultat alltid förekommer med

Läs mer

Statistik 1 för biologer, logopeder och psykologer

Statistik 1 för biologer, logopeder och psykologer Statistik 1 för biologer, logopeder och psykologer Paul Blomstedt Innehåll 1 Inledning 2 2 Deskriptiv statistik 2 2.1 Variabler och datamaterial...................... 2 2.2 Tabulering och grask beskrivning.................

Läs mer

Sannolikheter och kombinatorik

Sannolikheter och kombinatorik Sannolikheter och kombinatorik En sannolikhet är ett tal mellan 0 och 1 som anger hur frekvent en händelse sker, där 0 betyder att det aldrig sker och 1 att det alltid sker. När vi talar om sannolikheter

Läs mer

Deskription (Kapitel 2 i Howell) Moment 1: Statistik, 3 poäng

Deskription (Kapitel 2 i Howell) Moment 1: Statistik, 3 poäng Kognitiv psykologi Moment 1: Statistik, 3 poäng VT 27 Lärare: Maria Karlsson Deskription (Kapitel 2 i Howell) Beskrivande mått, tabeller och diagram 1 2 Tabeller Tabell- och kolumnrubriker bör vara fullständiga

Läs mer

Kvantitativ strategi Univariat analys 2. Wieland Wermke

Kvantitativ strategi Univariat analys 2. Wieland Wermke + Kvantitativ strategi Univariat analys 2 Wieland Wermke + Sammanfattande mått: centralmått n Beroende på skalnivån finns det olika mått, som betecknar variablernas fördelning n Typvärde eller modalvärde

Läs mer

Agenda. Statistik Termin 11, Läkarprogrammet, VT14. Forskningsprocessen. Agenda (forts.) Data - skalnivåer. Den heliga treenigheten

Agenda. Statistik Termin 11, Läkarprogrammet, VT14. Forskningsprocessen. Agenda (forts.) Data - skalnivåer. Den heliga treenigheten Agenda Statistik Termin 11, Läkarprogrammet, VT14 I: Grundläggande begrepp och beskrivande statistik II: Exempel på typisk forskning III. Frågestund Martin Cernvall martin.cernvall@pubcare.uu.se Grundläggande

Läs mer

Kap 3: Diskreta fördelningar

Kap 3: Diskreta fördelningar Kap 3: Diskreta fördelningar Sannolikhetsfördelningar Slumpvariabler Fördelningsfunktion Diskreta fördelningar Likformiga fördelningen Binomialfördelningen Hypergeometriska fördelningen Poisson fördelningen

Läs mer

Reliability analysis in engineering applications

Reliability analysis in engineering applications Reliability analysis in engineering applications Fredrik Carlsson Sannolikhetsteorins grunder Fördelningar och stokastiska variabler Extremvärdesfördelningar Simulering Structural Engineering - Lund University

Läs mer

TMS136. Föreläsning 2

TMS136. Föreläsning 2 TMS136 Föreläsning 2 Sannolikheter För en händelse E skriver vi sannolikheten att E inträffar som P(E) För en händelse E skriver vi sannolikheten att E inte inträffar som P(E ) Exempel Låt E vara händelsen

Läs mer

STOCKHOLMS UNIVERSITET HT 2007 Statistiska institutionen Johan Andersson

STOCKHOLMS UNIVERSITET HT 2007 Statistiska institutionen Johan Andersson 1 STOCKHOLMS UNIVERSITET HT 2007 Statistiska institutionen Johan Andersson Skriftlig tentamen på momentet Statistisk dataanalys I (SDA l, beskrivande statistik) 3 högskolepoäng, ingående i kursen Undersökningsmetodik

Läs mer

Statistik. Statistik. Statistik. Lars Walter Fil.lic. Statistik

Statistik. Statistik. Statistik. Lars Walter Fil.lic. Statistik Statistik Lars Walter Fil.lic. Statistik Linköping universitet Stockholms universitet Karolinska sjukhuset Sveriges Lantbruksuniversitet Linköpings universitet Folkhälsocentrum, LiÖ FoU-enheten, LiÖ Statistik

Läs mer

Tabell- och formelsamling. A4 Grundläggande Statistik A8 Statistik för ekonomer

Tabell- och formelsamling. A4 Grundläggande Statistik A8 Statistik för ekonomer Tabell- och formelsamling A4 Grundläggande Statistik A8 Statistik för ekonomer Observera att inga anteckningar får finnas i formelsamlingen vid tentamenstillfället Thommy Perlinger 17 september 2015 Innehåll

Läs mer

MS-A0509 Grundkurs i sannolikhetskalkyl och statistik Sammanfattning, del I

MS-A0509 Grundkurs i sannolikhetskalkyl och statistik Sammanfattning, del I MS-A0509 Grundkurs i sannolikhetskalkyl och statistik Sammanfattning, del I G. Gripenberg Aalto-universitetet 28 januari 2014 G. Gripenberg (Aalto-universitetet) MS-A0509 Grundkurs i sannolikhetskalkyl

Läs mer

MS-A0509 Grundkurs i sannolikhetskalkyl och statistik Sammanfattning, del I

MS-A0509 Grundkurs i sannolikhetskalkyl och statistik Sammanfattning, del I MS-A0509 Grundkurs i sannolikhetskalkyl och statistik Sammanfattning, del I G. Gripenberg Sannolikheter Slumpvariabler Centrala gränsvärdessatsen Aalto-universitetet 8 januari 04 3 Tvådimensionella slumpvariabler

Läs mer

ÖVNINGSUPPGIFTER KAPITEL 2

ÖVNINGSUPPGIFTER KAPITEL 2 ÖVNINGSUPPGIFTER KAPITEL 2 DATAMATRISEN 1. Datamatrisen nedan visar ett utdrag av ett datamaterial för USA:s 50 stater. Stat Befolkningsmängd Inkomst Marijuana Procent män (miljoner) per person lagligt?

Läs mer

Välkommen till Matematik 3 för lärare!

Välkommen till Matematik 3 för lärare! Välkommen till Matematik 3 för lärare! Nu: Statistik för lärare + Linjär algebra + datorlabbar Antagen? Registrerad? För er som läser första ämnet nu (MAxx eller FYMA): Hållbar Utveckling med Människan

Läs mer

Kapitel 1. betecknas detta antal med n(a). element i B; bet. A B. Den tomma mängden är enligt överenskommelsen en delmängd. lika; bet. A = B.

Kapitel 1. betecknas detta antal med n(a). element i B; bet. A B. Den tomma mängden är enligt överenskommelsen en delmängd. lika; bet. A = B. Kapitel 1 Mängdlära Begreppet mängd är fundamentalt i vårt tänkande; en mängd är helt allmänt en samling av objekt, vars antal kan vara ändligt eller oändligt. I matematiken kallas dessa objekt mängdens

Läs mer

STOKASTIK Sannolikhetsteori och statistikteori med tillämpningar

STOKASTIK Sannolikhetsteori och statistikteori med tillämpningar 2007-10-08 sida 1 # 1 STOKASTIK Sannolikhetsteori och statistikteori med tillämpningar Sven Erick Alm och Tom Britton Typsatt med liber1ab 2007-10-08 1 2007-10-08 sida 2 # 2 2007-10-08 sida i # 3 Innehåll

Läs mer

Betingad sannolikhet och oberoende händelser

Betingad sannolikhet och oberoende händelser Kapitel 5 Betingad sannolikhet och oberoende händelser Betrakta ett försök med ett ändligt utfallsrum Ω och en händelse A vid detta försök. Definitionsmässigt gäller att A Ω och försökets utfall ligger

Läs mer

Tentamen i Statistik, STA A10 och STA A13 (9 poäng) 4 juni 2004, kl 14.00-19.00

Tentamen i Statistik, STA A10 och STA A13 (9 poäng) 4 juni 2004, kl 14.00-19.00 Tentamen i Statistik, STA A10 och STA A13 (9 poäng) 4 juni 004, kl 14.00-19.00 Tillåtna hjälpmedel: Bifogad formelsamling, approimationsschema och tabellsamling (dessa skall returneras). Egen miniräknare.

Läs mer

Tentamen vetenskaplig teori och metod, Namn/Kod Vetenskaplig teori och metod Provmoment: Tentamen 1

Tentamen vetenskaplig teori och metod, Namn/Kod Vetenskaplig teori och metod Provmoment: Tentamen 1 Namn/Kod Vetenskaplig teori och metod Provmoment: Tentamen 1 Ladokkod: 61ST01 Tentamen ges för: SSK GSJUK13v Tentamenskod: Tentamensdatum: 2015 10 02 Tid: 09:00 12:00 Hjälpmedel: Inga hjälpmedel Totalt

Läs mer

Några extra övningsuppgifter i Statistisk teori

Några extra övningsuppgifter i Statistisk teori Statistiska institutionen Några extra övningsuppgifter i Statistisk teori 23 JANUARI 2009 2 Sannolikhetsteorins grunder 1. Tre vanliga symmetriska tärningar kastas. Om inte alla tre tärningarna visar sexa,

Läs mer

17/10/14. Kvantitativ metod och grundläggande statistik. Varför. Epidemiologi

17/10/14. Kvantitativ metod och grundläggande statistik. Varför. Epidemiologi Kvantitativ metod och grundläggande statistik Varför Sjuksköterskans yrkesutövning skall vila på vetenskaplig grund Kritiskt förhållningssätt, att kunna läsa artiklar och bedöma om slutsatser är rimliga

Läs mer

Idag. EDAA35, föreläsning 4. Analys. Kursmeddelanden. Vanliga steg i analysfasen av ett experiment. Exempel: exekveringstid

Idag. EDAA35, föreläsning 4. Analys. Kursmeddelanden. Vanliga steg i analysfasen av ett experiment. Exempel: exekveringstid EDAA35, föreläsning 4 KVANTITATIV ANALYS Idag Kvantitativ analys Slump och slumptal Analys Boxplot Konfidensintervall Experiment och test Kamratgranskning Kursmeddelanden Analys Om laborationer: alla labbar

Läs mer

Lektion 1: Fördelningar och deskriptiv analys

Lektion 1: Fördelningar och deskriptiv analys Density Lektion 1: Fördelningar och deskriptiv analys 1.,3 Uniform; Lower=1; Upper=6,3,2,2,1,, 1 2 3 X 4 6 7 Figuren ovan visar täthetsfunktionen för en likformig fördelning. Kurvan antar värdet.2 över

Läs mer

January 3, Statistiska metoder vid kvantitativa. undersökningar. Jan-Olof Johansson

January 3, Statistiska metoder vid kvantitativa. undersökningar. Jan-Olof Johansson January 3, 2017 January 3, 2017 1 / 84 January 3, 2017 2 / 84 Part I Lärandemål Kvantitativ undersökning Insamling av kvantitativa data Inledning January 3, 2017 3 / 84 Lärandemål Lärandemål definiera

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

EXAMINATION KVANTITATIV METOD vt-11 (110204)

EXAMINATION KVANTITATIV METOD vt-11 (110204) ÖREBRO UNIVERSITET Hälsoakademin Idrott B Vetenskaplig metod EXAMINATION KVANTITATIV METOD vt-11 (110204) Examinationen består av 11 frågor, flera med tillhörande följdfrågor. Besvara alla frågor i direkt

Läs mer

ÖVNINGSUPPGIFTER KAPITEL 2

ÖVNINGSUPPGIFTER KAPITEL 2 ÖVNINGSUPPGIFTER KAPITEL 2 DATAMATRISEN 1. Datamatrisen nedan visar ett utdrag av ett datamaterial för USA:s 50 stater. Stat Befolkningsmängd Inkomst Marijuana Procent män (miljoner) per person lagligt?

Läs mer

Kapitel 4 Sannolikhetsfördelningar Sid Föreläsningsunderlagen är baserade på underlag skrivna av Karl Wahlin

Kapitel 4 Sannolikhetsfördelningar Sid Föreläsningsunderlagen är baserade på underlag skrivna av Karl Wahlin Kapitel 4 Sannolikhetsfördelningar Sid 79-14 Föreläsningsunderlagen är baserade på underlag skrivna av Karl Wahlin Slumpvariabel En variabel för vilken slumpen bestämmer utfallet. Slantsingling, tärningskast,

Läs mer

Sannolikhetslära. 1 Grundläggande begrepp. 2 Likformiga sannolikhetsfördelningar. Marco Kuhlmann

Sannolikhetslära. 1 Grundläggande begrepp. 2 Likformiga sannolikhetsfördelningar. Marco Kuhlmann Marco Kuhlmann Detta är en kompakt sammanfattning av momentet sannolikhetslära som ingår i kurserna Matematik 1b och 1c på gymnasiet. I slutet av dokumentet hittar du uppgifter med vilka du kan testa om

Läs mer

Lektionsanteckningar 11-12: Normalfördelningen

Lektionsanteckningar 11-12: Normalfördelningen Lektionsanteckningar 11-12: Normalfördelningen När utfallsrummet för en slumpvariabel kan anta vilket värde som helst i ett givet intervall är variabeln kontinuerlig. Det är väsentligt att utfallsrummet

Läs mer

Agenda. Statistik Termin 10, Läkarprogrammet, VT15. Agenda (forts.) Forskningsprocessen. Data - skalnivåer. Den heliga treenigheten

Agenda. Statistik Termin 10, Läkarprogrammet, VT15. Agenda (forts.) Forskningsprocessen. Data - skalnivåer. Den heliga treenigheten Agenda Statistik Termin 10, Läkarprogrammet, VT15 I: Grundläggande begrepp och beskrivande statistik II: Exempel på typisk forskning III. Frågestund Martin Cernvall martin.cernvall@pubcare.uu.se Grundläggande

Läs mer

Repetitionsföreläsning

Repetitionsföreläsning Slumpförsök Repetitionsföreläsning Föreläsning 15 Sannolikhet och Statistik 5 hp Med händelser A B... avses delmängder av ett utfallsrum. Slumpförsök = utfallsrummet + ett sannolikhetsmått P. Fredrik Jonsson

Läs mer