Statistik för bioteknik SF1911 // KTH Matematisk statistik // Formler och tabeller. 1 Numeriska sammanfattningar (statistikor)
|
|
- Susanne Fredriksson
- för 4 år sedan
- Visningar:
Transkript
1 Statistik för biotekik SF9 // KTH Matematisk statistik // Formler och tabeller Ht 206 Numeriska sammafattigar (statistikor) För ett datamaterial x, x 2,..., x beräkas Stickprovsmedelvärde x = i= x i = Stickprovsvarias s 2 = i= (x i x) 2 = ( i= x2 i x 2 ) Om a och b kostater och y i = a x i + b, i =,..., så är y = a x + b s 2 y = a 2 s 2 x För grupperade data där värdea {a 0, a, a 2,...} har relativ frekves {p 0, p, p 2,...} beräkas µ = i a i p i σ 2 = i (a i µ) 2 p i. Tjebychovs olikhet I ett datamaterial x,..., x är åtmistoe /k 2 av observatioer iom k stadardavvikelser frå medelvärdet. 2 Grudläggade saolikhetsteori 2. De Morgas lagar 2.2 Kombiatorik (A B) c = A c B c (A B) c = A c B c Atalet sätt som ma ka välja k elemet av distikta Med återläggig återläggig Uta Med Ordigshäsy k! ( ( k)! Uta Ordigshäsy + k ) ( ) k k =! 2.3 Räkeregler för saolikheter ( k)!k! P (A c ) = P A P (A B) = P (A) + P (B) P (A B)
2 2 Betigade saolikheter P (A B) P (A B) = (defiitio) P (B) P (A B) = P (A)P (B A) = P (B)P (A B) P (B) = P (B A)P (A) + P (B A c )P (A c ) (lage om total saolikhet) Om A och B är oberoede så är P (A B) = P (A)P (B) (defiitio) P (A B) = P (A) P (B A) = P (B) 3 Saolikhetsfördeligar 3. Discrete Distributios Beroulli Distributio Let X Ber (p). X has two values, usually umerically coded as 0 ad. The p.m.f. is p x = p X (x) = () q = p x = 0. E [X] = p, Var [X] = p( p). Discrete Uiform Distributio X U (, 2,..., ), where >. The p.m.f. is x =, 2,..., p X (x) = 0 else. (2) E [X] = +, Var [X] = Geometric Distributio 0 < p <, q = p. The p.m.f. of X Ge(p) is p X (x) = q x p, x = 0,, 2,... E [X] = q p, Var [X] = q p 2. First Success Distributio X Geom(p), 0 < p <, q = p. The p.m.f. is p X (x) = q x p, x =, 2,.... E [X] = p, Var [X] = q p 2.
3 3 Biomial Distributio X Bi (, p), 0 p, q = p, ad the p.m.f. is ( ) p X (x) = p x q x, x = 0,,...,. x E [X] = p, Var [X] = qp. Hypergeometric Distributio X HG(m, k, ), the hypergeometric distributio with parameters (m, k, ) ad x {o,..., mi(, k)} ( k m k ) p X (x) = x)( x ( m ) E[X] = k m Varias Var[X] = k m k m m m m Poisso Distributio X Poi(λ), λ > 0, the its p.m.f. is p X (x) = e λ λx, x = 0,, 2,... (3) x! E [X] = λ, Var [X] = λ. Negative Biomial Distributio X is said to follow the Negative Biomial distributio, X N B(, p), 0 < p <, q = p, if its p.m.f. is ( ) + x p X (x) = p q x, x = 0,, 2,... (4) x Obs! Ge(p) = N B(, p). E [X] = q p, Var [X] = q p Cotiuous Distributios Uiform Distributio X U(a, b), a < b is a radom variable with the p.d.f. a x b, b a f X (x) = 0 elsewhere. (5) E [X] = a + b 2 (b a)2, Var [X] =. 2 Normal Distributio a.k.a. Gaussia Distributio X N (µ, σ 2 ), µ is a real umber, σ > 0 meas that the p.d.f. of X is f X (x) = σ /2σ2 e (x µ)2, < x < +. (6) 2π We say that X has a ormal distributio or a Gaussia distributio with the parameters µ ad σ 2, where E [X] = µ, Var [X] = σ 2.
4 4 Stadard Normal Distributio or Stadard Gaussia Distributio The special case X N (0, ) of (6) is the stadard ormal distributio or the stadard Gaussia distributio. φ(x) def = e x2 /2, < x < +. (7) 2π The correspodig distributio fuctio is desigated by Φ(x), i.e., Φ(x) def = x φ(t)dt, < x < +. (8) It follows readily that Φ( x) = Φ(x), (9) Φ (0) = 2. (0) Expoetial Distributio X E (λ), λ > 0, ad the p.d.f. is λe λx 0 x f X (x) = 0 x < 0. () E [X] = λ, Var [X] = λ 2. Double expoetial Distributio X DE (a), a > 0. f X (x) = 2a e x /a, < x < +. (2) E [X] = 0, Var [X] = 2a 2. χ 2 (f)- Distributio with f Degrees of Freedom The p.d.f. for f =, 2,... x f 2 e x/2 if x > 0 f X (x) = Γ(f/2)2 f/2 0 if x 0, the X is said to be χ 2 (f)- distributed with f degrees of freedom. X χ 2 (f). Note that χ 2 (f) = Γ (f/2, 2). E [X] = f, Var [X] = 2f 2. Studet s t-distributio If the radom variable X has the p.d.f. for =, 2,... f X (x) = Γ ( ) + 2 ( πγ ) ( ) 2 + x 2 (+)/2, < x <, the X is said to be t()- distributed with degrees of freedom. We write X t(). E [X] = 0, Var [X] = + 2.
5 5 Beta Distributio The Beta fuctio B (x, y) is defied for real r > 0 ad s > 0 as B (r, s) = 0 Γ(r + s) Γ(r)Γ(s) x r ( x) s dx = Γ(r)Γ(s) Γ(r + s). (3) 0 x r ( x) s dx =. (4) f X (x) = { Γ(r+s) Γ(r)Γ(s) xr ( x) s 0 x 0 elsewhere, (5) is a p.d.f. to be called the Beta desity. We write X Be (r, s), if X is a radom variable that has a Beta desity. This p.d.f. plays a importat role i Bayesia statistics. E [X] = r rs, Var [X] = r + s (r + s) 2 (r + s + ). Pareto Distributio A cotiuous radom variable X has the p.d.f. f X (x) = { αk α x α+ x > k, 0 x k, (6) where k > 0, α > 0, which is called a Pareto desity with parameters k ad α. X Pa(k, α). E [X] = 4 Normalfördelig αk α, Var [X] = αk 2 (α 2)(α ) 2, α > 2. Om X är N (µ, σ 2 ) är X µ N (0, ). σ Om X är N (µ, σ 2 ) så är Y = ax + b N aµ + b, a 2 σ 2 ) Om X är N (µ x, σ 2 x) och Y är N (µ y, σ 2 y) så är X + Y N (µ x + µ y, σ 2 x + σ 2 y) om X och Y är oberoede. Om X är N (µ x, σ 2 x) och Y är N (µ y, σ 2 y) så är X Y N (µ x µ y, σ 2 x + σ 2 y) om X och Y är oberoede. Om X, X 2,..., X är oberoede, alla ormalfördelade N (µ, σ 2 ) och X = X + X X, så är X N (µ, σ 2 /).
6 6 5 Approximatioer HG(N,, p) N N p( p) 0 {}}{ N (p, pq) /N 0. {}}{ Bi(, p) pq 0 {}}{ N (p, pq) p 0. {}}{ Poi( p }{{} =µ µ 5 {}}{ ) N (µ, µ) 6 Statistiska skattigar 6. Maximum likelihood metode Låt x i vara oberoede observatioer på X i, i =, 2,...,, där fördelige för X i beror på e okäd parameter θ. Det värde θ mle som maximerar likeihoodfuktioe L(θ) (diskreta data) L(θ) = p X (x ; θ) p X (x ; θ) (kotiuerliga data) L(θ) = f X (x ; θ) f X (x ; θ) kallas maximum likelihood skattige (ML skattige) av θ. 6.2 Mometmetod Mometmetode är e metod för estimerig av θ. Vi behöver e ekvatio som relaterar ett populatiosmomet (t.ex., vätevärde) till θ, som vi vill skatta, t.ex E[X] = g(θ) Med observatioera tar ett stickprovsmomet de okäda populatiosmometets plats och ekvatioe löses m.a.p. θ, x = g(θ) θ mm = g ( x). vilket ger mometskattige θ mm. 7 Valiga kofidesitervall och test 7. Normalfördelad populatio. Okäd µ, käd σ Kofidesitervall σ σ x z α/2 µ x + z α/2
7 7 Test av µ = µ 0 utyttjar z = x µ 0 σ/. Alterativhypotes Förkastelseområde µ < µ 0 z z α µ > µ 0 z z α µ µ 0 z z α/2 eller z z α/2 7.2 Normalfördelad populatio. Okäd µ, okäd σ Kofidesitervall s s x t α/2 µ x + t α/2 med t-kvatiler ur t( )-fördelige. Test av µ = µ 0 utyttjar t = x µ 0 s/. Kofidesitervall för σ Alterativhypotes Förkastelseområde µ < µ 0 t t α µ > µ 0 t t α µ µ 0 t t α/2 eller t t α/2 ( )s 2 χ 2 α/2 σ ( )s 2 χ 2 α/2 med χ 2 -kvatiler ur χ 2 ( )-fördelige. Test av σ = σ 0 utyttjar χ 2 = ( )s2 σ 2 0 Alterativhypotes Förkastelseområde σ < σ 0 χ 2 χ 2 α σ > σ 0 χ 2 χ 2 α σ σ 0 χ 2 χ 2 α/2 eller χ2 χ 2 α/2 För stora fis ett approximativt kofidesitervall s + z σ α/2 2 s z α/2 2 och tillhörade stadardormalfördelade teststorhet z = s σ 0 σ 0 / Normalfördelade populatioer. Okäda µ, µ 2, käda σ, σ 2 Kofidesitervall för skillader µ µ 2 σ 2 (x x 2 ) z α/2 + σ2 2 Test av µ µ 2 = δ utyttjar 2 µ µ 2 (x x 2 ) + z α/2 σ 2 + σ2 2 2 z = x x 2 δ. σ 2 + σ2 2 2 Alterativhypotes Förkastelseområde µ µ 2 < δ z z α µ µ 2 > δ z z α µ µ 2 δ z z α/2 eller z z α/2
8 8 7.4 Normalfördelade populatioer. Okäda µ, µ 2, okäd σ = σ = σ 2 Kofidesitervall för skillader µ µ 2 (x x 2 ) t α/2 s p + 2 µ µ 2 (x x 2 ) + t α/2 s p + 2 med t-kvatiler ur t( + 2 2)-fördelige. Test av µ µ 2 = δ utyttjar t = x x 2 δ, s 2 s p + p = 2 ( )s 2 + ( 2 )s Alterativhypotes Förkastelseområde µ µ 2 < δ t t α µ µ 2 > δ t t α µ µ 2 δ t t α/2 eller t t α/2 7.5 Två stickprov x, x 2,..., x frå N (µ, σ 2 ) respektive y, y 2,..., y 2 frå N (µ 2, σ 2 2), kofidesitervall för µ µ 2, kofidesgrad α. x ȳ ± z α σ 2 / + σ 2 2/ 2, om σ, σ 2 käda x ȳ ± t (α, + 2 2)s / + / 2 om σ, σ 2 okäda me lika och där s 2 och s 2 2 är stickprovsvariasera i de två stick- där s 2 = ( )s 2 + ( 2 )s prove. 7.6 Stickprov i par Atag att ma vill jämföra två metoder på ett atal prov som har helt olika värde. På varje prov görs e aalys med var och e av metodera. Vi atar att skillade mella de två metoderas resultat har samma förvätade värde, oavsett prov. Data: Prov Metod x x 2 x 3... x Metod 2 y y 2 y 3... y Skillad z z 2 z 3... z Här är alltså z i = x i y i, i =, 2,...,. Atag att de kostata förvätade skillade är. Det är då ite så svårt att visa att z-observatioera är ormalfördelade med förvätat värde, och att testa om metodera är likvärdiga, d.v.s. om = 0, ka vi göra utgåede frå z-data. Vi har återfört problemet till fallet ett stickprov. Hypotese = 0 förkastas om 0 ite tillhör itervallet z ± t α, s/ eller om t > t α, där t = z s. z/
9 9 7.7 Normalfördelade populatioer. Okäda µ, µ 2, okäda σ, σ 2 Test av σ = σ 2 utyttjar Alterativhypotes Teststorhet, F Förkastelseområde σ < σ 2 s 2 2/s 2 F F α ( 2, ) σ > σ 2 s 2 /s 2 2 F F α (, 2 ) σ σ 2 max( s2 2, s2 s 2 ) F F s 2 α/ Adelar i oädliga populatioer Approximativt kofidesitervall för p utyttjar ˆp = x/ och Test av p = p 0 utyttjar z = ˆp p 0 ˆp z α/2 ˆp( ˆp) p 0 ( p 0 ). p ˆp + z α/2 ˆp( ˆp) Alterativhypotes Förkastelseområde p < p 0 z z α p > p 0 z z α p p 0 z z α/2 eller z z α/2 Approximativt kofidesitervall för skillad p p 2 utyttjar ˆp ( ˆp ) ˆp ˆp 2 z α/2 + ˆp 2( ˆp 2 ) p p 2 ˆp ˆp 2 + z α/2 2 Test av p = p 2 utyttjar ˆp ( ˆp ) + ˆp 2( ˆp 2 ) 2 z = ˆp ˆp 2 ( ), ˆp = ˆp( ˆp) + 2 x + x Alterativhypotes Förkastelseområde p < p 2 z z α p > p 2 z z α p p 2 z z α/2 eller z z α/2 8 Kotigestabeller, Homogeitetstest, χ 2 -test av fördelig Med observatioer x ij på tabellform Radsumma x x 2 x r x 2 x 22 x 2r 2. x s x s2 x sr s Kolumsumma m m 2 m r N 8. Homogeitetstest... χ 2 = i,j (x ij im j N )2 i m j N E hypotes om samma kolumfördelig över s kategorier i r mätserier förkastas om χ 2 > χ 2 α med χ 2 α frå χ 2 ((r )(s ))-fördelig.
10 0 8.2 Kotigestabell E hypotes om oberoede mella rader och koloer förkastas om χ 2 > χ 2 α med χ 2 α frå χ 2 ((r )(s ))-fördelig. 8.3 χ 2 -test av fördelig E hypotes om fördelige p, p 2,..., p s över s kategorier i r mätserier förkastas om χ 2 > χ 2 α där (x ij m j p i ) 2 χ 2 = i,j m j p i och χ 2 α hämtas ur frå χ 2 ((s )r)-fördelig. 9 Korrelatio Datamaterial (x, y ),..., (x, y ). Korrelatioskoefficiet för stickprov beteckas r och för populatioer med ρ. Båda beräkas eligt r xy def = s xy sxx s yy där s xx = (x i x) 2 s yy = (y i y) 2 s xy = i= i= Ett approximativt test av ρ = ρ 0 utyttjar (x i x)(y i y). i= z = ( ) 3 ( + r)( ρ0 ) l. 2 ( r)( + ρ 0 ) Alterativhypotes Förkastelseområde ρ < ρ 0 z z α ρ > ρ 0 z z α ρ ρ 0 z z α/2 eller z z α/2 0 Regressio Modell: Y = α + βx + ε, ε N (0, σ 2 ). Datapukter (x, y ), (x 2, y 2 ),..., (x, y ). Skattigar: β = i= (x i x)y i i= (x i x) 2, α = ȳ β x σ 2 = s 2 = i= (y i ŷ) 2 2 = i= (y i ȳ) 2 ( i= (x i x)y i ) 2 / i= (x i x) 2 2 där ŷ = α + βx i. t-kvatiler ur t( 2)-fördelige. Följade algebraiska likhet gäller: i= (x i x)y i = i= (x i x)(y i ȳ) = i= x i(y i ȳ) = i= x iy i xȳ
11 Test av α = α 0 utyttjar t = s α α 0 + x 2 i= (x i x) 2. Alterativhypotes Förkastelseområde α < α 0 t t α α > α 0 t t α α α 0 t t α/2 eller t t α/2 med t-kvatiler ur t( 2)-fördelige. Test av β = β 0 utyttjar t = β β 0 s. i= (x i x) 2 Alterativhypotes Förkastelseområde β < β 0 t t α β > β 0 t t α β β 0 t t α/2 eller t t α/2 Kofidesitervall med kofidesgrad p: α : α ± t (p, 2) s + x 2 i= (x i x), β : β ± t(p, 2) s / (x 2 i x) 2 i= α + βx 0 : α + βx 0 ± t (p, 2) s + (x 0 x) 2 i= (x i x) 2 Kofidesitervall för okät x 0 vid observerat y 0 (kofidesgrad approximativt lika med p): s x 0 ± t (p, 2) + β + ( x 0 x) 2 i (x i x) 2 där x 0 = (y 0 α)/ β. Kofidesitervall för α + βx 0 α + βx 0 t α/2 s + (x 0 x) 2 i= (x i x) α + βx 2 0 α + βx 0 + t α/2 s + (x 0 x) 2 i= (x i x) 2 med t-kvatiler ur t( 2)-fördelige. Test av α + βx 0 = µ 0 utyttjar t = α + βx 0 µ 0 s + (x 0 x) 2 Kofidesitervall för σ i= (x i x) 2. ( 2)s 2 χ 2 α/2 Alterativhypotes Förkastelseområde α + βx 0 < µ 0 t t α α + βx 0 > µ 0 t t α α + βx 0 µ 0 t t α/2 eller t t α/2 σ ( 2)s 2 χ 2 α/2 med χ 2 -kvatiler ur χ 2 ( 2)-fördelige. Test av σ = σ 0 utyttjar χ 2 = ( 2)s2 σ 2 0 Alterativhypotes Förkastelseområde σ < σ 0 χ 2 χ 2 α σ > σ 0 χ 2 χ 2 α σ σ 0 χ 2 χ 2 α/2 eller χ2 χ 2 α/2
12 2 0. Variasaalys 0.2 Variasaalystabell, esidig idelig y ij är j:te data frå stickprov ummer i, i =, 2,..., k, j =, 2,..., i. Totala atalet data är N = k. Variatioskälla Frihetsgrader Kvadratsumma Medelkvadratsumma Mella stickprov k k i= i(ȳ i. ȳ.. ) 2 kvs/fg Iom stickprov N k k i i= j= (y ij ȳ i. ) 2 σ 2 =kvs/fg Totalt N k i i= j= (y ij ȳ.. ) 2 σ 2 ka beräkas som viktat medelvärde av stickprovsvariasera, σ 2 = ( )s 2 +( 2 )s ( k )s 2 k N k. 0.3 Variasaalystabell, tvåsidig idelig, r A-ivåer och s B- ivåer e obs/cell y ij, i =, 2,..., r, j =, 2,..., s, är observatio frå ivåkombiatio A i B j som atas vara N(a i + b j, σ 2 ), additiv modell. Variatioskälla Frihetsgrader Kvadratsumma Mkvs Mella rader (A) r s r i= (ȳ i. ȳ.. ) 2 kvs/fg Mella kolumer (B) s r s j= (ȳ.j ȳ.. ) 2 kvs/fg Residual (r )(s ) i j (y ij ȳ i. ȳ.j + ȳ.. ) 2 σ 2 =kvs/fg Totalt rs r s i= j= (y ij ȳ.. ) 2
13 3 Variasaalystabell, tvåsidig idelig, obs/cell y ijk, i =, 2,..., r, j =, 2,..., s, k =, 2,...,, är k:te observatioe frå ivåkombiatio A i B j som atas vara N(µ ij, σ 2 ). Variatioskälla Frihetsgrader Kvadratsumma Mkvs Mella rader r s r i= (ȳ i.. ȳ... ) 2 kvs/fg Mella kolumer s r s j= (ȳ.j. ȳ... ) 2 kvs/fg Samspel (r )(s ) r s i= j= (ȳ ij. ȳ i.. ȳ.j. + ȳ... ) 2 kvs/fg Iom celler=residual rs( ) r s i= j= k= (y ijk ȳ ij. ) 2 σ 2 =kvs/fg Totalt rs s j= k= (y ijk ȳ... ) 2 r i= σ 2 ka beräkas som medelvärdet av stickprovsvariasera iom celler. Variasaalystabell, 2 2 -försök, observatioer per cell Variatioskälla Frihetsgrader Kvadratsumma Mkvs Huvudeffekt T 2 2 T 2 =Kvs Huvudeffekt K 2 2 K 2 =Kvs Samspel T K 2 2 T K 2 =Kvs Iom celler=residual 2 2 ( ) i j k (y ijk ȳ ij. ) 2 σ 2 =Kvs/fg Totalt 2 2 k (y ijk ȳ... ) 2 i j σ 2 ka beräkas som medelvärdet av stickprovsvariasera för försökspuktera. Om = försvier residualrade. Variasaalystabell, 2 3 -försök, observatioer per cell Variatioskälla Frihetsgrader Kvadratsumma Mkvs Huvudeffekt A 2 3Â2 =Kvs Huvudeffekt B 2 3 B 2 =Kvs Huvudeffekt C 2 3Ĉ2 =Kvs Samspel AB 2 3 ÂB2 =Kvs Samspel AC 2 3 ÂC2 =Kvs Samspel BC 2 3 BC 2 =Kvs Samspel ABC 2 3 ÂBC 2 =Kvs Iom celler=residual 2 3 ( ) (yijkl ȳ ijk. ) 2 σ 2 =Kvs/fg Totalt 2 3 i j k r (y ijkl ȳ... ) 2 Om = försvier residualrade. σ 2 ka beräkas som medelvärde av stickprovsvariasera för försökspuktera. I 2 k -försök ka kvadratsummor för försumbara effekter avädas för σ 2 -skattige: Addera kvadratsummor för försumbara effekter och residualkvadratsumma samt dividera med summa av atalet frihetsgrader. Kofidesitervall för effekt: effektskattig ±t (α,f) σ/ 2 k där f är atalet frihetsgrader i σ 2 -skattige. Variasaalystabell för 2 k -försök och reducerade försök fås på aalogt sätt. I reducerade försök blir effektera kopplade.
14 4 Effektskattigara i fullstådiga och reducerade 2 k -försök beräkas utifrå data och teckeschema och med divisor 2 k eller utifrå cellmedelvärdea och teckeschema med divisor 2 k. Tecketabell 3 faktorer I A B AB C AC BC ABC Skattigar av effekter fås geom att bilda medelvärde av data med tecke eligt tabell.
15 F -fördeliges kvatiler 5 % sigifikasivå 5
16 6 f 2 /f f 2 /f
17 F -fördeliges kvatiler % sigifikasivå 7
18 8 f 2 /f f 2 /f
19 9
Uppsala 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 merEnglish Version P (A) = P (B) = 0.5.
TAMS11: Probability ad Statistics Provkod: TENB 23 March 2016, 14:00-18:00 Examier: iagfeg Yag Tel: 070 0896661 Please aswer i ENGLISH if you ca a You are allowed to use: a calculator; formel -och tabellsamlig
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 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 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 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 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 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 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 merMatematisk statistik TMS063 Tentamen
Matematisk statistik TMS063 Tetame 208-05-30 Tid: 8:30-2:30 Tetamesplats: SB Hjälpmedel: Bifogad formelsamlig och tabell samt Chalmersgodkäd räkare. Kursasvarig: Olof Elias Telefovakt/jour: Olof Elias,
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 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 merMS-A0509 Grundkurs i sannolikhetskalkyl och statistik Sammanfattning och exempel, del II
MS-A0509 Grudkurs i saolikhetskalkyl och statistik Sammafattig och exempel, del II G. Gripeberg Aalto-uiversitetet 13 februari 015 G. Gripeberg (Aalto-uiversitetet MS-A0509 Grudkurs i saolikhetskalkyl
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 merMS-A0509 Grundkurs i sannolikhetskalkyl och statistik Sammanfattning och exempel, del II
MS-A0509 Grudkurs i saolikhetskalkyl och statistik Sammafattig och exempel, del II Stickprov Två yttiga fördeligar Estimerig G. Gripeberg 3 Kofidesitervall Aalto-uiversitetet 3 februari 05 4 Hypotesprövig
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 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 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 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 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 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 merSannolikhetsteori FORMELSAMLING MATEMATISK STATISTIK, AK FÖR CDEFI, NANO OCH PI, MAS233, 2004 FMS 012, FMS 022, FMS 121 OCH MAS233
LUNDS TEKNISKA HÖGSKOLA MATEMATIKCENTRUM MATEMATISK STATISTIK FORMELSAMLING MATEMATISK STATISTIK, AK FÖR CDEFI, NANO OCH PI, MAS233, 2004 FMS 012, FMS 022, FMS 121 OCH MAS233 Saolikhetsteori Kap 2: Saolikhetsteoris
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 merMatematisk statistik KTH. Formelsamling i matematisk statistik
Matematisk statistik KTH Formelsamling i matematisk statistik Vårterminen 2017 1 Kombinatorik ) n n! = k k! n k)!. Tolkning: mängd med n element. ) n = antalet delmängder av storlek k ur en k 2 Stokastiska
Läs merMatematisk statistik KTH. Formel- och tabellsamling i matematisk statistik
Matematisk statistik KTH Formel- och tabellsamling i matematisk statistik Varterminen 2005 . Kombinatorik n = k n! k!n k!. Tolkning: n k mängd med n element. 2. Stokastiska variabler V X = EX 2 EX 2 =
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 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 merLösning till tentamen för kursen Log-linjära statistiska modeller 29 maj 2007
STOCKHOLMS UNIVERSITET MS 3150 MATEMATISKA INSTITUTIONEN TENTAMEN Avd. Matematisk statistik 29 maj 2007 Lösig till tetame för kurse Log-lijära statistiska modeller 29 maj 2007 Uppgift 1 a Modelle uta ågra
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 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 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 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 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 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 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 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 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 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 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 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 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 merTENTAMEN I MATEMATISK STATISTIK
TETAME I MATEMATISK STATISTIK Te i kurse 6H, KÖTEORI OCH MATEMATISK STATISTIK, Te i kurse 6H, 6L MATEMATIK OCH MATEMATISK STATISTIK, Skrivtid: :-7: Lärare: Armi Halilovic Kurskod 6H, 6H, 6L, 6A Hjälpmedel:
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 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 merFormel- och tabellsamling i matematisk statistik
Formel- och tabellsamling i matematisk statistik 1. Sannolikhetsteori för lärarprogrammet Sannolikhetsformler P (A ) = 1 P (A) P (A B) = P (A) + P (B) P (A B) P (A B) = P (A B) P (B) P (A B) = P (A B)P
Läs merTENTAMEN I SF2950 (F D 5B1550) TILLÄMPAD MATEMATISK STATISTIK, TORSDAGEN DEN 3 JUNI 2010 KL
TENTAMEN I SF950 (F D 5B1550) TILLÄMPAD MATEMATISK STATISTIK, TORSDAGEN DEN 3 JUNI 010 KL 14.00 19.00 Examinator : Gunnar Englund, tel. 790 7416, epost: gunnare@math.kth.se Tillåtna hjälpmedel: Formel-
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 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 merFöreläsning 15: Faktorförsök
Föreläsning 15: Faktorförsök Matematisk statistik Chalmers University of Technology Oktober 17, 2016 Ensidig variansanalys Vi vill studera om en faktor A påverkar en responsvariabel. Vi gör totalt N =
Läs merLycka till!
Avd. Matematisk statistik TENTAMEN I 5B1503 STATISTIK MED FÖRSÖKSPLANERING FÖR K OCH B MÅNDAGEN DEN 25 AUGUSTI 2003 KL 14.00 19.00. Examinator: Gunnar Englund, 790 7416. Tillåtna hjälpmedel: Formel- och
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 merMatematisk statistik KTH. Formelsamling i matematisk statistik
Matematik tatitik KTH Formelamlig i matematik tatitik Vårtermie 07 Kombiatorik! = k k! ( k)!. Tolkig: mägd med elemet. = atalet delmägder av torlek k ur e k Stokatika variabler V (X) = E X (E (X)) C (X;
Läs merINGENJÖRSMATEMATISK FORMELSAMLING
Sätyck u femte upplaga av fomle och tabelle fö aolikhetläa och tatitik, idoa 89-4. Toe Gutafo 004. INGENJÖRSMATEMATISK FORMELSAMLING Toe K. Gutafo Kombiatoik 89 90 Kombiatoik 6 KOMBINATORIK Atal pemutatioe
Läs merTAMS65. Formel- och tabellsamling i matematisk statistik TAMS65. Martin Singull TAMS65 TAMS65
Formel- och tabellsamling i matematisk statistik Martin Singull Innehåll 4.1 Multipel regression.............................. 15 1 Sannolikhetslära 7 1.1 Några diskreta fördelningar.........................
Läs merTentamen i Tillämpad Matematik och statistik för IT-forensik. Del 1: Matematik 7.5 hp
Tetame i Tillämpad Matematik och statistik för IT-foresik. Del 1: Matematik 7.5 hp 1 jui, 2017 Maxpoäg: 30p. Betygsgräser: 12p: betyg 3, 18p: betyg 4, 24p: betyg 5. Hjälpmedel: Typgodkäd miiräkare samt
Läs merFORMELSAMLING HT-18 MATEMATISK STATISTIK FÖR B, K, N, BME OCH KEMISTER; FMSF70 & MASB02. Sannolikhetsteori. Beskrivning av data
LUNDS TEKNISKA HÖGSKOLA MATEMATIKCENTRUM MATEMATISK STATISTIK FORMELSAMLING HT-18 MATEMATISK STATISTIK FÖR B, K, N, BME OCH KEMISTER; FMSF70 & MASB02 Sannolikhetsteori Följande gäller för sannolikheter:
Läs merÖvningstentamen i MA2018 Tillämpad Matematik III-Statistik, 3.5hp
Övigstetame i MA08 Tillämpad Matematik III-Statistik,.hp Hjälpmedel: Pea, radergummi och lijal. Räkedosa och medföljade formelsamlig är tillåte! Tetame består av 0 frågor! Edast Svarsblakette ska lämas
Läs merMatematisk statistik
Matematisk statistik (Corelia Schiebold) Iehåll:. Saolikhetsteori 2. Diskreta stokastiska variabler 3. Kotiuerliga stokastiska variabler 4. Oberoedemått, summor av stokastiska variabler och cetrala gräsvärdessatse
Läs merFORMELSAMLING MATEMATISK STATISTIK FÖR W; FMSF75 UPPDATERAD Sannolikhetsteori. Beskrivning av data. Läges-, spridnings- och beroendemått
LUNDS TEKNISKA HÖGSKOLA MATEMATIKCENTRUM MATEMATISK STATISTIK FORMELSAMLING MATEMATISK STATISTIK FÖR W; FMSF75 UPPDATERAD 208-08-26 Sannolikhetsteori Följande gäller för sannolikheter: 0 P(A P(Ω = P(A
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 merSAMMANFATTNING TAMS65
SAMMANFATTNING TAMS65 Matematisk statistik, fortsättigskurs LÄST SOM EN DEL AV CIVILINGENJÖRSPROGRAMMET I INDUSTRIELL EKONOMI VID LITH, VT 016 Seast reviderad: 016-06-01 Författare: Viktor Cheg Iehållsförteckig
Läs merTAMS79: Föreläsning 9 Approximationer och stokastiska processer
TAMS79: Föreläsig 9 Approximatioer och stokastiska processer Joha Thim 18 ovember 2018 9.1 Biomialfördelig Vi har reda stött på dea fördelig flera gåger. Situatioe är att ett slumpförsök har två möjliga
Läs merFormelsamling Tillämpad statistik, A5
Formelsamlig Tillämpad statistik, A5 Statistiska istitutioe, Uppsala uiversitet 016-01-11 Nödvädiga tabeller fis i Tabell- och formelsamlig för A4/A8. Observera att iga ateckigar får fias i formelsamlige
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 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 merb 1 och har för olika värden på den reella konstanten a.
Första häftet 649. a) A och B spelar cigarr, vilket som bekat tillgår på följade sätt. Omväxlade placerar de ibördes lika, jämtjocka cigarrer på ett rektagulärt bord, varvid varje y cigarr måste placeras
Läs merTentamen i Krypteringsmetoder och Säkring av Datasystem 7.5 hp
Tetame i Krypterigsmetoder och Säkrig av Datasystem 7.5 hp 2 jui, 2017 Maxpoäg: 30p. Betygsgräser: 12p: betyg G, 21p: betyg VG. Hjälpmedel: Miiräkare samt formelsamlig som medföljer tetamestexte. Kursasvarig:
Läs merMA2018 Tillämpad Matematik III-Statistik, 3.5hp,
MA08 Tillämpad Matematik III-Statistik, 3.5hp, 08-05-3 Hjälpmedel: Pea, radergummi och lijal. Räkedosa och medföljade formelsamlig är tillåte! Tetame består av 0 frågor! Edast Svarsblakette ska lämas i!
Läs merFöreläsning 11: Mer om jämförelser och inferens
Föreläsning 11: Mer om jämförelser och inferens Matematisk statistik David Bolin Chalmers University of Technology Maj 12, 2014 Oberoende stickprov Vi antar att vi har två oberoende stickprov n 1 observationer
Läs merMA2018 Tillämpad Matematik III-Statistik, 3.5hp,
MA2018 Tillämpad Matematik III-Statistik, 3.hp, 2018-08- Hjälpmedel: Pea, radergummi och lijal. Räkedosa och medföljade formelsamlig är tillåte! Tetame består av 20 frågor! Edast Svarsblakette ska lämas
Läs merAMatematiska institutionen avd matematisk statistik
Kungl Tekniska Högskolan AMatematiska institutionen avd matematisk statistik TENTAMEN I 5B1503 STATISTIK MED FÖRSÖKSPLANERING FÖR B OCH K FREDAGEN DEN 11 JANUARI 2002 KL 14.00 19.00. Examinator: Gunnar
Läs merMA2018 Tillämpad Matematik III-Statistik, 3.5hp,
MA018 Tillämpad Matematik III-Statistik,.hp, 018-0-1 Hjälpmedel: Pea, radergummi och lijal. Räkedosa och medföljade formelsamlig är tillåte! Tetame består av 0 frågor! Edast Svarsblakette ska lämas i!
Läs merTENTAMEN I MATEMATISK STATISTIK Datum: 13 mars 08
TENTAMEN I MATEMATISK STATISTIK Datum: 3 mars 8 Te i kurse HF3, 6H3, 6L3 MATEMATIK OCH MATEMATISK STATISTIK, Te i kurse HF ( Tidigare k 6H3), KÖTEORI OCH MATEMATISK STATISTIK, Skrivtid: 8:5-:5 Hjälpmedel:
Läs merMatematisk statistik för D, I, Π och Fysiker
Matematisk statistik för D, I, Π och Fysiker Föreläsning 11 Johan Lindström 13 november 2018 Johan Lindström - johanl@maths.lth.se FMSF45/MASB03 F11 1/25 Repetition Stickprov & Skattning Maximum likelihood
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 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 merTentamen i matematisk statistik
MSTA3, Saolikhetsteori A, 5 p 5--7 Tetame i matematisk statistik Saolikhetsteori A, 5 poäg Skrivtid: 9.-5.. Tillåta hjälpmedel: Tabellsamlig, ege miiräkare. Studetera får behålla tetamesuppgiftera. På
Läs merMA2018 Tillämpad Matematik III-Statistik, 3.5hp,
MA018 Tillämpad Matematik III-Statistik,.hp, 019-0-1 Hjälpmedel: Pea, radergummi och lijal. Räkedosa och medföljade formelsamlig är tillåte! Tetame består av 0 frågor! Edast Svarsblakette ska lämas i!
Läs mer