0 Testvariabel t, x s n. Lite historia om t-testett. testet. Ett stickprov: Hur räknar r. testet. ett stickprov
|
|
- Linnéa Åkesson
- för 8 år sedan
- Visningar:
Transkript
1 -ee Le hora om -ee ee ude -e "ude," peudom om aväd av Wllam Goe (bld) Jobbade på Gue brggere Dubl börja av 9-ale allmä beecka alla e om aväder - fördelge om -e uwe.mezel@mah.uu.e Defo för f r -fördelge Föruägara: Z N (,) W Z och W oberoede frhegrader Om Z och W har ovaåede fördelgar, å har följade kvoe e -fördelg: Z ( ) W -drbuo med frhegrader De ude -fördelg för olka frhegrader; Jämförele med N(,) ähefuko X 5. df 5 N(,) Avädg dg av -ee ee. Har e ormalfördelg de hpoeka medelvärde µ?... om e är käd [ Oe-ample -e ]. vå oberoede ckprov: µ = µ? [ wo- ample -e ] 3. vå parade ckprov: µ = µ? [ Pared -e ] före/efer behadlg med/ua medkame rökare/cke-rökare gevara eller vk ar ar körd med/ua gödel ov. E ckprov: Hur räkar r ma? ckprove medelvärde ckprove adardavvkele de hpoeka medelvärde för hela populaoe evarabel, e ckprov ckprove orlek
2 E ckprov: Hur räkar r ma? µ =, var hpoe för fördelge medelvärde V og e ckprov med 9 värde om gav medelvärde. och =.7 evarabel, e ckprov: De e, e, e ckprov, vådg.5 = -.6, df=9 kr förkaa H.5.6 De är oaolk a e åda erem värde för kommer ll åd, gve a H gäller Om ckprove medelvärde kljer g gfka frå µ å förkaa ollhpoee H (fördelge har allå rolgv e om väevärde). Krka område för f r olka gfkavåer (vådg e) mera beäge a hålla fa vd H =.5 =. =. Oe-ample -e e. Hpoe H : µ= µ H a : µ µ (vådg). Välj gfkavå: =.5 kr 3. ckprov medelvärde och adardavvkele 4. evarabel värde 5. Förkaa H om lgger de krka område ( rejeco rego ) värdea för de krka område beror ockå på aale frhegrader kr : f med f Hur kommer ma påp dea? (llägformao) Om H är a, då ve v a: X Z N ( ) W, Om X~N(µ,) gäller allmä: luledg e föreläg ormalfördelg ( är ckprov-adardavvkele) evarabel är e pecell fuko av Z och W: X Z X X W ( ) Om H är a... (-) - fördelad X ( )
3 De H är a luledg:.5.5 Drbuo Plo, df=6 Om -värde hamar de röda regoe, å förkaar v ollhpoee (H ). aolkhee a e åda värde kommer ll åd uder H (av re lump) är ämlge le ( 5%). De Kvaler för f r -fördelge (6) = -.5 (6) (mmerk ru ) Drbuo Plo, df=6 V behöver kvalera för a vea vlke värde på -ael llhör vlke area uder ähefukoe (om är ju ).5 (6) OB!: Kvalera beror ockå på f=- (aale frhegrader ) -e.mpj Kvaler för f r - fördelge df 6 N(,) Kvaler för f r - fördelge Graph / Probabl Drbuo Plo / Vew Probabl / Drbuo: / Degree of freedom: 6 / haded area / Probabl =.5 / Rgh al.4, df= f or le kllad ll N(,). örre prdg (al) för pga. örre oäkerhe v ve ju e och måe kaa de (med ) Föruägar: gar: -ample -e e Populaoe är ormalfördelad (eller 3) lumpmäg ckprov Eempel: aroauer (ge) käd fördelg: aale va blodceller per ml blod ho frka vua: µ=75; =5 (mä ho mljoal mäkor, ka därför ae om aa populaoparamerar) ma får. e. e: bara välja bar frå e porgmaekola bara välja bar frå e oradrego ubjekv välja u på ågo ä ckprove måe vara repreeav.... me de här gåge aar v e a adardavvkele är deamma om för jordära mäkor...
4 ckprov: 73, 6845, 755, 735, 7, 745, 775, 795, 734, 75 N populao : aroauer! amma µ?. Nollhpoe: H : µ =75 (ge förädrg) H a : µ 75 (vådg). gfkavå: =.5 3. ckprove medelvärde och adardavvkele 4. evarabel 5. kr (krka område) förkaa H -.85 kr ; ; ;.6.85 De Rejeco Rego (RR) -.6 Drbuo Plo, df= kr 9.5 ; 9 ; -e.mpj vådg e! ; gäller bara för =: Eempel - Mab Nollhpoe: µ =75 ckprov: 73, 6845, 755, 735, 7, 745, 775, 795, 734, 75 a / Bac ac -ample ample colum C Perform hpohe e Hpohezed mea: 75 Oe-ample : blod e of mu = 75 v o = 75 Varable N Mea Dev E Mea 95% CI P blod (774, 7547) De Drbuo Plo, df= e.mpj evarabel (aka) Beräkg av e evarabel de fördelg är hel käd.e. ~ (-) evarabel var oll () om ckprove ämde eak övere med ollhpoee. Ju arkare evarabel avvker frå oll, deo mdre rovärdg blr de a ollhpoee ämmer. Om evarabel överkrder e krk värde, å förkaa ollhpoee. Olka e ujar bara olka evarabler, e äa da... () Värde för evarabel ka ockå vara ågo aa ä oll,.e e för F-ee Wackerl, p. 49 wo-ample -e, e, amma varaer H : µ=µ -µ (e oll) X N(, ) Y N(, ) H : p X Y p f amma, okäd pooled varace aka ; ( f ) fördelad ( om H a) lower al: H a : < aale frhegrader Värde av äger o om ka vara (f)-fördelad... och därmed om H är rovärdg...
5 hp:// wo-ample -e, e, olka varaer (Welch e, mh-aerhwae e) När är r muklera fara? X N(, ) H Y N(, ) : uder H f f rouded dow f o eger Värde av äger o om ka vara (f)-fördelad... och därmed om H är rovärdg. Grupp (ka L - ) Grupp(ka L - ) 4,,9 3,8 3,83,66,9 3,63 4,4 3,8,9 4,64,37 3,7,88 3,5 3,8,,69 3,5 3,43 3,,6 3,73 3,8,45,58 5,53 4,5,49 3,3,94,9 3,8 3,39 3,35 3,38,73,9 5,,58 3,7 3,33,85,65,89,4 3,37 3,4,4,9 4,47 µ = µ? wo-ample -e, e, Mab wo-ample for G v G Mab - reula a / Bac ac / -ample... Muklera.MPJ Om ma reda har medelvärde och för båda ckprov eller Beäm: edg, vådg, (ka vara ) N Mea Dev E Mea G G Dfferece = mu (G) - mu (G) Emae for dfferece: % CI for dfferece: (-.49, -.574) -e of dfferece = (v o =): -Value = P-Value =. DF = 49 Boh ue Pooled Dev =.7384 wo-ample for G v G N Mea Dev E Mea G G Aume equal varace (fel ka uppå om de e ämmer! - ma får e aa de ua käl) Uequal varace (CI blr le bredare) Dfferece = mu (G) - mu (G) Emae for dfferece: % CI for dfferece: (-.4, -.563) -e of dfferece = (v o =): -Value = P-Value =. DF = 4 Föruägar gar för f r - -e e Båda ckprov frå ormalfördelg ckprov är oberoede Är ma e äker a båda populaoer har amma vara måe ma köra Welch-ee (Mab: ma får e välja Aume equal varace ) Oberoede och parade obervaoer Kroppvke före och efer juldagara: Oberoede ckprov: Grupp, före Grupp, efer Parade ckprov: pero A B C D E F G H före efer
6 -e, e, pared ample -e, e, pared ample A B C D E F G H före efer z dffere z är ormalfördelad A B C D E F G H före efer z X N (, ) H : z z z z f och Y N(, ) ge kllad mella väevärde aka ; ( f ) fördelad ( om H a) aale frhegrader... ea om medelvärde för z är oll (om - -e) z z z z z z.966 z z f 7 kr Pared -e e f ; f.5 7; ;.365 Mab: -e e för f r parade obervaoer a / Bac ac / Pared... muklera.mpj Om ma reda har medelvärde för z och z Parv! Kofdegrad = edg el. vådg hpoe för Pared for före - efer Mab: -e e för f r parade obervaoer N Mea Dev E Mea före 8 75,4 7,5,66 efer 8 76, 7,8,76 Dfferece 8 -,76,96,34 Förecke beror på vad om ubrahera av vad ovkg för -dg e 95% CI for mea dfferece: (-,566;,4) -e of mea dfferece = (v o = ): -Value = -,5 P-Value =,6 Ie gfka på 5% gfkavå ckprov H : ude p -e Oberoede ckprov ckprov H : = Welch Parade ckprov e e för:, z,,, p och f z z uwe.mezel@mah.uu.e
SOS HT10. Punktskattning. Inferens för medelvärde ( ) och varians (σ 2 ) för ett stickprov. Punktskattningen räcker inte!
aa O HT0 ervallkag uwe@mah.uu.e h://www.mah.uu.e/uwe/o_ht0 ervallkag rouko ere ör meelväre () och vara (σ ) ör e ckrov kag av är är kä kag av är är okä me or kag av är är okä och e heller or *A kaa e aaravvkele
Formler, grundläggande statistik
Formler, grudläggade aiik Medelvärde N X μ σ Sadardavvikele, populaio Sadardavvikele, ickprov Sadardavvikele, räkevälig z Z-poäg z z r Pearo korrelaio, urpruglig r Pearo korrelaio, räkeväligare Oe ample
Z-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
F15 ENKEL LINJÄR REGRESSION (NCT )
Stat. teor gk, ht 006, JW F5 ENKEL LINJÄR REGRESSION (NCT.-.4) Ordlta tll NCT Scatter plot Depedet/depedet Leat quare Sum of quare Redual Ft Predct Radom error Aal of varace Sprdgdagram Beroede/oberoede
Väntevärde, standardavvikelse och varians Ett statistiskt material kan sammanfattas med medelvärde och standardavvikelse (varians), och s.
Vätevärde, stadardavvkelse och varas Ett statstskt materal ka sammafattas med medelvärde och stadardavvkelse (varas, och s. På lkade sätt ka e saolkhetsfördelg med käda förutsättgar sammafattas med vätevärde,,
4.2.3 Normalfördelningen
4..3 Normalfördelge Bomal- och Possofördelge är två exempel på fördelgar för slumpvarabler som ka ata ädlgt eller uppräkelgt måga olka värde. Sådaa fördelgar sägs vara dskreta. Ofta är ett resultat X frå
Fördelningen för populationen som stickprovet togs ifrån är känd så nära som på ett antal parametrar, t.ex: N med okända
we Mezel, 7 we.mezel@sl.se; we.mezel@matstat.de www.matstat.de Parametrska metoder Fördelge för poplatoe som stckprovet togs frå är käd så ära som på ett atal parametrar, t.ex: N med okäda Icke-parametrska
Sensorer, effektorer och fysik. Analys av mätdata
Sesorer, effektorer och fysk Aalys av mätdata Iehåll Mätfel Noggrahet och precso Några begrepp om saolkhetslära Läges- och sprdgsmått Kofdestervall Ljär regresso Mätosäkerhetsaalys Mätfel Alla mätgar är
Sannolikhetslära statistisk inferens F10 ESTIMATION (NCT )
Stat. teori gk, vt 2006, JW F10 ESTIMATION (NCT 8.1-8.3) Ordlita till NCT Iferece Slutledig, ifere Parameter Parameter Saolikhetlära tatitik ifere Hittill har vi ylat med aolikhetlära. Problem av type:
Sensorer och elektronik. Analys av mätdata
Sesorer och elektrok Aalys av mätdata Iehåll Mätfel Några begrepp om saolkhetslära Läges- och sprdgsmått Kofdestervall Ljär regresso Mätosäkerhetsaalys Mätfel Alla mätresultat är behäftade med e vss osäkerhet
D 45. Orderkvantiteter i kanbansystem. 1 Kanbansystem med två kort. Handbok i materialstyrning - Del D Bestämning av orderkvantiteter
Hadbok materalstyrg - Del D Bestämg av orderkvatteter D 45 Orderkvatteter kabasystem grupp av materalstyrgsmetoder karakterseras av att behov av materal som uppstår hos e förbrukade ehet mer eller mdre
Korrelationens betydelse vid GUM-analyser
Korrelatoes betydelse vd GUM-aalyser Hela koceptet GUM geomsyras av atagadet att gåede mätgar är okorrelerade. Gude betoar och för sg att ev. korrelato spelar, me ger te mycket vägledg för hur ma då ska
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
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
Sammanfattning formler och begrepp, första delen av två
Ekoomsk sask, del kurs 6 ael agwall;, vårerme 5 ockholm chool of Ecoomcs ammafag formler och begre, försa dele av vå amle sckrov objek,,,...,, av oulaoes N. Om Varje objek har lka sor saolkhe a väljas
2009-11-20. Prognoser
29--2 Progoser Progoser i idsserier: Gissa e framida värde i idsserie killad geemo progoser i regressio: De framida värde illhör ie daaområde. fe med e progosmodell är a göra progos, ie a förklara de hisoriska
SOS HT Punktskattningar. Skattning från stickprovet. 2. Intuitiva skattningar. 3. Skattning som slumpvariabel. slump.
Puktskattgar SOS HT10 Puktskattg uwe@math.uu.se http://www.math.uu.se/~uwe/sos_ht10 1. Vad är e puktskattg och varför behövs de? 1. Jämförelse: saolkhetstoer statstkteor 2. Itutva ( aturlga ) skattgar
Parametriska metoder. Icke-parametriska metoder. parametriska test. Icke-parametriska test. Location Shift. Vilket test ersätts med vilket?
Icke-parametrska test Icke-parametrska metoder Parametrska metoder Fördelge för populatoe som stckprovet togs frå är käd så ära som på ett atal parametrar, t.ex: N med okäda och Icke-parametrska metoder
Föreläsningsanteckningar till Linjär Regression
Föreläsgsateckgar tll Ljär Regresso Kasper K S Aderse 3 oktober 08 Statstsk modell Ofta söks ett sambad y fx mella e förklarade eller oberoede varabel x och e resposvarabel eller beroede varabel y V betrakter
Bilaga 6.1 Låt oss studera ett generellt andra ordningens tidsdiskreta system
Bilaga 6. Lå oss sudea e geeell ada odiges idsdiskea sysem [] [] [ ] [ ] [ ] [ ] y y x x x y Vi besämme öveföigsfukioe i -plae Figu B6.. Tidsdiske sysem på gudfom,, blockschema [ ] [ ] Lå oss fomulea om
Föreläsning G70 Statistik A
Föreläsig 7 73G70 Statistik A Hypotesprövig för jämförelse av populatiosadelar Krav: vi har dragit två OSU p( p) > 5 för båda stickprove Steg : Välj sigifikasivå och formulera hypoteser H 0 : π - π = d
Fyra typer av förstärkare
1 Föreläsg 1, Ht2 Hambley astt 11.6 11.8, 11.11, 12.1, 12.3 Fyra tyer a förstärkare s 0 s ut s A ut L s L 0 ägsförstärkare ägströmförstärkare (trasadmttasförst.) 0 ut s s ut L s s A 0 L trömsägsförstärkare
Formelsamling Ljud i byggnad och samhälle
Formelsamlg jud bggad oh samhälle Några räkeregler för logarmer: log log log log log log log log log log log log Några grudläggade akusska defoer oh räkeregler -dmesoell la ljudåg som ubreder sg os -rkg:
Interpolation. Interpolation. Teknisk-vetenskapliga beräkningar 1. Några tillämpningar. Interpolation. Basfunktioner. Definitioner. Kvadratiskt system
Ierpolao Några llämpgar Ierpolao odelluoer som saserar gva puer Amerg rörelser,.e. ead lm Blder ärger salg Gra Dsre represeao -> ouerlg Peder Joasso Ierpolao V äer puer,.., V söer e uo P så a P P erpolerar
================================================
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,
Orderkvantiteter i kanbansystem
Hadbok materalstyrg - Del D Bestämg av orderkvatteter D 45 Orderkvatteter kabasystem E grupp av materalstyrgsmetoder karakterseras av att behov av materal som uppstår hos e förbrukade ehet mer eller mdre
UNDERRUM. LINJÄRA KOMBINATIONER. BASER. LINJÄRT SPANN (eller linjärt hölje) Definition 1. (LINJÄR KOMBINATION) Exempel 1.
LINJÄRA KOMBINATIONER. BASER. LINJÄRT SPANN (eller linjär hölje Definiion. (LINJÄR KOMBINATION Lå V ara e ekorrm. En ekor w är linjär kombinaion a,,, nn om de finn kalärer (al,,, nn å a ww nn nn Eempel.
1 av 12. (sys1) ELEMENTERA OPERATIONER Vi får göra följande elementära operationer med ekvationer utan att ändra systemets lösningsmängd:
Armi Hlilovic: EXTRA ÖVNINGAR v Lijär ekvioem Guelimiio LINJÄRA EKVATIONSSYSTEM GAUSSELIMINATION Vi erkr e lijär ekvioem med oek m m m m () m ekvioer: E lföljd (-ippel) är e löig ill eme om uiuioe ifierr
Väntevärde för stokastiska variabler (Blom Kapitel 6 och 7)
Matemats statst för STS vt 004 004-04 - 0 Begt Rosé Vätevärde för stoastsa varabler (Blom Kaptel 6 och 7 1 Vätevärde för e dsret stoasts varabel Låt vara e dsret s.v. med saolhetsfuto p ( elgt eda. Saolhetera
Medelvärde. Repetition. Median. Standardavvikelse. Frekvens. Normerat värde. z = x x
Medelvärde Reetto mb9 Medelvärdet är summa av alla observatoer dvderat med deras atal. x 873+85+8385+83+8+83+8087+808+80 = 70 70 = 89 9 Meda Medae är de mttersta observatoe. = 8 Eller medelvärdet av de
Borel-Cantellis sats och stora talens lag
Borel-Catellis sats och stora tales lag Guar Eglud Matematisk statistik KTH Vt 2005 Iledig Borel-Catellis sats är e itressat och avädbar sats framför allt för att bevisa stora tales lag i stark form. Vi
Grundläggande matematisk statistik
Grudläggade matematik tatitik Hypotetet I Uwe Mezel, 2018 uwe.mezel@lu.e; uwe.mezel@mattat.de www.mattat.de Syfte: Hypotetet o vi tetar på grudval av ett tickprov om e fördeligparameter (μ, σ, λ, ) har
Finansiell 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,
Tillåtna hjälpmedel: Eget handskrivet formelblad (A4), utdelad tabellsamling, miniräknare med tömt minne Studenterna får behålla tentamensuppgifterna
UMEÅ UNIVERSITET Ititutioe för matematik tatitik Statitik för lärare, MSTA8 PA LÖSNINGSFÖRSLAG 004-0-8 LÖSNINGSFÖRSLAG TILL TENTAMEN I MATEMATISK STATISTIK Statitik för lärare, poäg Tillåta hjälpmedel:
Skattning / 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
Grundläggande 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
1. 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
Matematisk 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;
Föreläsning G04 Surveymetodik 732G19 Utredningskunskap I
Föreläsg 6 73G04 urveymetodk 73G9 Utredgskuska I Dages föreläsg ortfall Totalbortfall Partellt bortfall Hur hatera bortfall? ortfallsstratumasatse (tvåfasurval) ubsttuto Imuterg Reettosquz ortfall och
Minsta 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
Antalet 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
= α. β = α = ( ) D (β )= = 0 + β. = α 0 + β. E (β )=β. V (β )= σ2. β N β, = σ2
Ljär regresso aolkhet och statstk Regressosaalys VT 2009 Uwe.Mezel@math.uu.se http://www.math.uu.se/ uwe/ Fgur: Mätpukter: x, y Ljär regresso - kalbrerg av e våg Modell för ljär regresso Modell: y α +
Begreppet rörelsemängd (eng. momentum)
Begreppe rörelsemägd (eg. momeum) Två fra parklar med massora m och m och hasgheera v och v påverkar varadra de skuggade område. Efer a ha påverka varadra har de hasgheera v och v. Hasghesförädrge Dv och
101. och sista termen 1
Lektio, Evariabelaalys de ovember 999 5.. Uttryck summa j uta summasymbole. j + Termera är idexerade frå j = till j = och varje term är blir j j+. Summa Skriver vi upp summa uta summasymbole blir de +
4.2.3 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
S0005M 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
Orderkvantiteter vid begränsningar av antal order per år
Hadbok materalstyrg - Del D Bestämg av orderkvatteter D 64 Orderkvatteter vd begräsgar av atal order per år Olka så kallade partformgsmetoder aväds som uderlag för beslut rörade val av lämplg orderkvattet
Statistisk 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
F19 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
(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.
SAMMANFATTNING AV KURS 602 STATISTIK (Newbold kapitel [7], 8, 9, 10, 13, 14)
AMMANFATTNING AV KUR 6 TATITIK (Newbold katel [7], 8, 9,, 3, 4) INLEDNING 3 Proortoer 3 Proortoer 4 Poulatosvaras 5 KONFIDENINTERVALL 6 Itutv förklarg 6 Arbetsgåg vd beräkg av kofdestervall 7 Tfall. ök
KTH/ICT IX1501:F7 IX1305:F2 Göran Andersson Statistik: Skattningar
KTH/ICT IX50:F7 IX305:F Göra Adero goera@th.e Statiti: Sattigar Statiti Vi all u tudera obervatioer av toatia variabler. Vad blev det för värde? Dea obervatioer alla ett ticprov (ample). Iom tatitie fi
Kontingenstabell (Korstabell) 2. Oberoende-test. Stickprov beror av slumpen. Vad vi förvf. är r oberoende: kriterier är r oberoende: kriterier
. Oberoede-test Kotgestabell (Korstabell) Oberoedet av två rterer för lassfato udersöes xempel: V vll veta om röadet är beroede av ö V tar ett stcprov ur befolge (=50) och lassfcera persoera elgt dessa
Kap. 1. Gaser Ideala gaser. Ideal gas: För en ideal gas gäller: Allmänna gaslagen. kraft yta
Termodyamk - ärmets rörelse - Jämvkt - Relatoer mella olka kemska tllståd - Hur mycket t.ex. eerg eller rodukter som bldas e kemsk reakto - arför kemska reaktoer sker Ka. 1. Gaser 1.1-2 Ideala gaser Ideal
Programmering Emme-makro rvinst_ic.mac version 2
Uppdragsr: 10109320 2008-08-27 Seh Svalgård PM Programmerig Emme-makro rvis_ic.mac versio 2 Iehållsföreckig Förusäigar...2 Beräkigsuryck...2 Daabaser...4 Marisplaser...4 Aropsparamerar...6 Udaa...6 L:\705x\_SAMSAM\3_Dokume\36_PM\PM
Idrottsprofilerad utbildning i spåren av en avreglerad skola
GOTHENBURG STUDIES IN EDUCATIONAL SCIENCES 355 Idrottsprofilerad utbildning i spåren av en avreglerad skola Magnus Ferry GOTHENBURG STUDIES IN EDUCATIONAL SCIENCES 355 Idrottsprofilerad utbildning i
För 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
LÖSNINGSFÖRSLAG TILL TENTAMEN I MATEMATISK STATISTIK
UMEÅ UNIVERSITET Istitutioe för matematisk statistisk Statistiska metoder, 5 poäg MSTA36 Peter Ato LÖSNINGSFÖRSLAG 005-10-6 LÖSNINGSFÖRSLAG TILL TENTAMEN I MATEMATISK STATISTIK Statistiska metoder, 5 poäg
helst. poäng. (betyg Fx). Vem som Komplettering sker c:a Uppgift Uppgift Uppgift veta hur vänd! Var god
Teme i TEN, HF, Memisk sisik Dum -8-7 Kurskod HF Skrivid: 5-75 Lärre: Armi Hlilovi Hjälmedel: Bifog formelhäfe (" Formler oh beller i sisik ") oh miiräkre v vilke y som hels De är INTE TILLÅTET väd miilo,
Mening med ditt liv G/H. o n G/H
=132 J f s s Meg ed d v /H s s s Kr-ur Svesso 1.De vr e gåg e - e po so yc-e v - e vr för 2.To-år - e gc så sbb för-b, h ev - de v - e så - so h / s s ss s s s s J J f b J f J p o o o J p o o o b s s s
Föreläsning 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,
Falkö Din«C. Göteborg C.
SltosiÄ 3//V/ [/- 2 -V/J 5 baaaktioe. Förteckig över i huvudspår befitliga med varigsmärke försedda plakoraigar (jämför Kugl. förordige 469/33) vid 1940 års utgåg. Falkö Di«C. Göteborg C. Falköpig C. -
Korrelatio n : Korrelation Korrelation är samma sak som faltning med. Signal- och Bildbehandling FÖRELÄSNING 12
Sigal- oc Bildbeadlig FÖELÄSNING Korrelaio (D) Korskorrelaio (ofa kalla bara korrelaio) Auokorrelaio oc effekspekrum Brus Lijära ssem LTI-ssem (Lijär idsivaria ssem) Differeial- oc differes-ekvaioer (kursiv)
Föreläsning 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
ANOVA I: Kap 14. Åldersgrupper -30 år år 51- år. Totalt n k N = 9 X k X = s k s = 8.
ANOVA I: ap 14 1 Åldersgrupper -30 år 31-50 år 51- år 39 6 6 43 3 0 41 30 Totalt 3 3 3 N = 9 X k.67 41.00 9.33 X = 31.00 s k 3.06.00 3.06 s = 8.38 s k 9.33 4.00 9.33 s = 70.5 Ex. OVERHEAD Åldersgrupper
Fader Bergström, stäm upp och klinga (epistel nr 63)
Fader Bergström, stäm upp klinga (epistel nr 6) ext musik: Carl Michael Bellman Soprano 1 Soprano 2 lto enor.. Berg - ström, stäm upp.. Berg - ström, stäm upp.. Berg - ström, stäm upp kling - a, öpp -
Lycka 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
Vad är det okända som efterfrågas? Vilka data är givna? Vilka är villkoren?
Problemlösig. G. Polya ger i si utmärkta lilla bok How to solve it (Priceto Uiversity press, 946) ett schema att följa vid problemlösig. I de flod av böcker om problemlösig som har följt på Polyas bok
Datorövning 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
Introduktion 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
(sys1) Definition1. Mängden av alla lösningar till ett ekvationssystem kallas systemets lösningsmängd.
Armi Hlilovic: EXTRA ÖVNINGAR Lijär ekvioem. Guelimiio LINJÄRA EKVATIONSSYSTEM GAUSSELIMINATION Vi erkr e lijär ekvioem med oek m m m m () och m ekvioer: E lföljd (-ippel) är e löig ill eme om uiuioe ifierr
HYPOTESPRÖVNING. De statistiska metoderna som används för att fatta denna typ av beslut baseras på två komplementära antaganden om populationen.
HPOTESPRÖVNING De tatitika metodera om aväd för att fatta dea typ av belut baera på två komplemetära atagade om populatioe. Partiet produkter har atige de utlovade kvalitete eller å har de de ite. Atige
θx 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.
Tentamen i Matematisk statistik för V2 den 28 maj 2010
Tetame i Matematisk statistik för V de 8 maj 00 Uppgift : E kortlek består av 5 kort. Dessa delas i i färger: 3 hjärter, 3 ruter, 3 spader och 3 klöver. Kortleke iehåller damer, e i varje färg. Ata att
Stat. 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
Ekvationen (ekv1) kan bl. annat beskriva värmeledningen i en tunn stav där u( x, betecknar temperaturen i punkten x vid tiden t.
Armi Halilovi: EXRA ÖVNINGAR Värmeledigsekvaioe VÄRMEEDNINGSEKVAIONEN Vi berakar följade PDE u x u x k (, ) (, ), < x (ekv), där k> är e kosa Ekvaioe (ekv) ka bl aa beskriva värmeledige i e u sav
"#$%&&'()!*%++!,-!&*)./*.)!*%++!&/-00!12)!$34&/+%5(!)3**%56#*#)!789:!;<=<>?<@!
"#$ &'(')+(,-.+,/'0 1)2'0,3.)-+.4,4'5.)0'3'+0'0 6777809:-;9/3 809:-;9/3
Omtentamen med lösningar i IE1304 Reglerteknik Fredag 12/
Omeme me löigr i IE Reglerekik Freg /6 5.-. Allmä iformio Emior: Willim Sqvi. Avrig lärre: Willim Sqvi, el -79 7 mpu i, Temeuppgifer ehöver ie åerläm är u lämr i i krivig. Hjälpmeel: Räkre/rfräkre. ure
Tentamen i matematisk statistik, Statistisk Kvalitetsstyrning, MSN320/TMS070 Lördag , klockan Lärare: Jan Rohlén
FACIT Tetame i matematisk statistik, Statistisk Kvalitetsstyrig, MSN3/TMS7 Lördag 6-1-16, klocka 14.-18. Lärare: Ja Rohlé Ugift 1 (3.5 ) Se boke! Ugift (3.5) Se boke! Ugift 3 (3) a-ugifte Partistorlek:
TENTAMEN Datum: 16 okt 09
TENTAMEN Datum: 6 okt 09 Kurs: KÖTEORI OCH MATEMATISK STATISTIK HF00 TEN (Matematisk statistik ) Te i kurse HF00 ( Tidigare k 6H0), KÖTEORI OCH MATEMATISK STATISTIK, Te i kurse HF00, 6H000, 6L000 MATEMATIK
Repetition DMI, m.m. Några begrepp. egenskap d. egenskap1
Repetto DMI, m.m. I. ermolog och Grudproblem II. Ljär algebra III. Optmerg IV. Saolkhetslära V. Parameterestmerg Några begrepp Möstervektor (egeskapsvektor/data) lsta med umerska värde som beskrver möstret.
Linjär Algebra (lp 1, 2016) Lösningar till skrivuppgiften Julia Brandes
Lijär Algebra (lp 1, 2016) Lösigar till skrivuppgifte Julia Brades Uppgift 1. Betecka mägde av alla matriser med M(). Vi har e elemetvist defiierad additio av två matriser A, B M(). De är defiierad geom
Finansiell 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
Tentamen 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-
Viktigt! 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
27. NATURLJUD. o k k o k k k. p k k k kz k k o k k k k k k n k k k. k o k. a f4 Fredrik: kk k. k dk. a f4 4 j. k n. k n k k. k n k n k n.
27. NATURLJUD 171 a f4 Fredri: 4 o o p z o o Hysch-hysch! Tys-ta u! Ett ljus som är-mar sej! O ja, det är di-tör. Göm er på stört! Å Pirater: a f4 4 j m 4 j j m l l d d u om-mer visst di - tör! Å ej, u
R app o r t T A n a l y s a v f as t p r o v. Ut f ä r dad P e r S a mu el s s on
S i da 1 (14 ) A n k o m s tdatum 2018-07 - 09 M R M K on s u l t AB Ut f ä r dad 2018-07 - 16 P e r S a mu el s s on T a v as tg a t a n 34 118 24 S to ck ho lm S w e d en P r o j e kt B e s tnr S p å
a) 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
Finansiell 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,
En utvärdering av två olika sätt att skatta fördelningen till stickprovsmedelvärden från olikfördelade data - normalapproximation kontra resampling
utvärderg av två olka sätt att skatta fördelge tll stckprovsmedelvärde frå olkfördelade data - ormalapproxmato kotra resamplg av Adreas Holmström xamesarbete matematsk statstk Umeå uverstet, Hadledare:
Försöket med trängselskatt
STATISTISKA CENTRALBYRÅN m 1(5). Nilo Trägelkatt Förlag frå Ehete för pritatitik Ehete för pritatitik förelår att å kallad trägelkatt ka täcka i KI frå och med idex aveede jauari 26. Trägelkatte ave då
1. (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
Ur KB:s samlingar Digitaliserad år 2013
Ur KB:s samlgar Dgtalserad år 2013 v Te/egrafadrfeás ré%dr/(sos LÖöfe?I org,i,u I 1-1 A1 1 r m I 1 j»»l m rl 5% m» se GÖTEB0RG, å, Om lmstgjorda,?gödslgsäme m 111 L Sveske _ L Ladthshållares, Å 0C Säüer
REGULJÄRA SPRÅK (8p + 6p) 1. DFA och reguljära uttryck (6 p) Problem. För följande NFA över alfabetet {0,1}:
CD58 FOMEA SPÅK, AUTOMATE, OCH BEÄKNINGSTEOI, 5 p JUNI 25 ÖSNINGA EGUJÄA SPÅK (8p + 6p). DFA och reguljära uttryck (6 p) Problem. För följade NFA över alfabetet {,}:, a) kovertera ovaståede till e miimal
Louise. Hayde. Nadja. kommer Förbandet är ju nästan klara showen börjar snart och vi har inte ens kommit in än
l v M Tl på v ll omp T OP Mo D m k u f. lo k o oc gg f å y l T J, m h mobl vg! D lk h komm å ho kk? V gå! Jg h US 7 gåg föu på fvl, m å o jg mglåg få c, u vll jg å lg fm, jj! Och h jg u kk jg få uogf Hy
Lösning till TENTAMEN
Isttutoe för Sjöfart oh Mar Tekk ös tll TENTAMEN 0706 KURSNAMN Termodyamk oh strömslära ROGRAM: am Sjöejörsrorammet åk / läserod KURSBETECKNING //auusterode SJO050 005 el A Strömslära EXAMINATOR Mats Jarlros
TENTAMEN I MATEMATISK STATISTIK. Statistik för lärare, 5 poäng
UMEÅ UNIVERSITET Isttutoe för matematsk statstk Statstk för lärare, MSTA38 Lef Nlsso TENTAMEN 04--6 TENTAMEN I MATEMATISK STATISTIK Statstk för lärare, 5 poäg Skrvtd: 9.00-15.00 Tllåta hjälpmedel: Utdelad
F3 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,
x 1 x 2 x 3 x 4 x 5 x 6 HL Z x x x
Uppgift 1 a) Vi iför slackvariabler x 4, x 5 och x 6 och löser problemet med hjälp av simplexalgoritme. Z -2-1 1 0 0 0 0 x 4 1 1-1 1 0 0 20 x 5 2 1 1 0 1 0 30 x 6 1-1 2 0 0 1 10 x 1 blir igåede basvariabel
Föreläsning 3: Fler grafalgoritmer. Kortaste vägar mellan alla noder
Föreläning 3: Fler grafalgorimer Korae vägar mellan alla noder Maximal flöde i graf Bipari machning Korae vägar mellan alla noder Dijkra och Bellman-Ford algorimer beräknar korae avånd från en nod ill
Kvinnors arbetsmiljö. Rapport 2012:11. Tillsynsaktivitet 2012 inom regeringsuppdraget om kvinnors arbetsmiljö. Delrapport
Kviors arbesmiljö Tillsysakivie 12 iom regerigsuppdrage om kviors arbesmiljö Delrappor Rappor 12:11 12-5-9 1 (9) Ehee för mäiska och omgivig Chrisia Josso, 8-73 94 18 arbesmiljoverke@av.se Delrappor Tillsysakivie