Föreläsning G60 Statistiska metoder
|
|
- Johan Hermansson
- för 7 år sedan
- Visningar:
Transkript
1 Föreläsning 5 Statistiska metoder 1
2 Dagens föreläsning o Konfidensintervall För andelar För medelvärden Vid jämförelser o Den statistiska felmarginalen o Stickprovsstorlek 2
3 Introduktion När man beräknar medelvärden och andelar utifrån stickprov så gör man enbart punktskattningar av populationens värden. Dessa punktskattningar varierar så klart från stickprov till stickprov och de träffar väldigt sällan populationens sanna värden. För att hantera den osäkerhet som uppstår kan konfidensintervall skapas. Dessa intervall täcker med en viss säkerhet populationens sanna värden, och denna säkerhet kallas för konfidensgrad. Konfidensgraden brukar vara 90, 95 eller 99 %. Två viktiga egenskaper för konfidensintervall: o Högre konfidensgrad (säkerhet) leder till bredare intervall o Större stickprov leder till smalare intervall 3
4 Andel När ett konfidensintervall för populationsandelen (π) ska skapas så måste man först undersöka om stickprovet är tillräckligt stort, vilket det är om: n p 1 p > 5 Där p är stickprovsandelen och n är stickprovsstorleken. Därefter beräknas ett intervall enligt detta uttryck: p ± z p(1 p) n z bestäms av den valda konfidensnivån och hämtas från tabell 2 (sida 193 i kursboken). 4
5 Andel, exempel Man vill undersöka (den vuxna) befolkningens inställning till det svenska medlemskapet i EU. Bland 120 tillfrågade slumpmässigt utvalda personer uppger 48 att de är negativa till det svenska medlemskapet. o Bilda ett 95% konfidensintervall för andelen i hela populationen som är negativa till det svenska medlemskapet i EU. o Om man i stället valt 1200 personer och 480 sagt sig vara negativa till det svenska medlemskapet, hur påverkas då konfidensintervallet? 5
6 Medelvärde När konfidensintervall för populationsmedelvärdet (μ) ska beräknas kan två formler användas. Om stickprovet är stort (n > 30) används: x ± z s n Om stickprovet är litet (n < 30) används: x ± t s n Där värdet på t har n-1 frihetsgrader (fg) och hämtas från tabell 3. s är stickprovets standardavvikelse och n är stickprovsstorleken. 6
7 Medelvärde, exempel En vintillverkare vill undersöka hur bra den vuxna svenska befolkningen tycker om ett visst vin. Tio slumpmässigt utvalda personer får provsmaka vinet och sätta betyg på en skala 1 20, där 1 motsvarar uselt och 20 motsvarar utsökt. Betygen finns sammanställda i tabellen nedan. Person Betyg Beräkna ett konfidensintervall med 95 % konfidensgrad för den vuxna svenska befolkningens medelbetyg. 7
8 Vid jämförelser, andel Ibland kan det vara intressant att undersöka skillnader mellan två olika populationer. Vi börjar med jämförelse av andelar. Beteckningar: o π 1 och π 2 är populationsandelarna för population 1 respektive 2. o p 1 och p 2 är stickprovsandelarna för population 1 respektive 2. o n 1 och n 2 är stickprovsstorlekarna för de två populationerna. Populationsandelarna är okända, så differensen (π 1 π 2 ) mellan dessa skattas med hjälp av p 1 p 2. 8
9 Vid jämförelser, andel Givet att de två stickproven är tillräckligt stora (np 1 p > 5) så kan konfidensintervall för differensen π 1 π 2 skapas med hjälp av följande uttryck: p 1 p 2 ± z p 1 (1 p 1 ) n 1 + p 2(1 p 2 ) n 2 Värdet på z hämtas från tabell 2. 9
10 Vid jämförelser, andel, exempel Vi anknyter till det tidigare exemplet, där inställningen till det svenska EU-medlemskapet undersöktes. Bland 120 slumpmässigt utvalda uppgav 48 att de var negativa till det svenska medlemskapet. En opinionsundersökning riktad till ett slumpmässigt urval om 1080 personer för ett år sedan visade att andelen som då var negativa till det svenska medlemskapet var 35.5%. o Bilda ett konfidensintervall med 95 % konfidensgrad för skillnaden i andelen EU-negativa i dag jämfört med för ett år sedan. 10
11 Vid jämförelser, medelvärden Det brukar också vara av intresse att jämföra medelvärden mellan två populationer (μ 1 μ 2 ). Åter igen kan två olika uttryck användas. Vid stora stickprov (båda n > 30): x 1 x 2 Vid mindre stickprov (n < 30): ± z s n 1 + s 2 n 2 x 1 x 2 ± t s p 2 1 n n 2 s p 2 = n 1 1 s (n 2 1)s 2 2 n 1 + n 2 2 När t hämtas används n 1 + n 2 2 frihetsgrader. 11
12 Vid jämförelser, medelvärden, exempel Vintillverkaren vi stötte på tidigare vill undersöka hur stor skillnad det är i betyg mellan två av sina viner. Tio slumpmässigt utvalda personer fick provsmaka vin A och nio andra slumpmässigt utvalda personer provsmakade vin B. Betygen syns i tabellen nedan. Vin A Vin B o Beräkna ett konfidensintervall med 95 % konfidensgrad för skillnaden i betyg mellan de två vinerna. 12
13 Den statistiska felmarginalen Vad är det? På nyheter hörs ofta meningen: men detta ligger inom den statistiska felmarginalen. Förenklat innebär detta att det inte skett någon statistiskt säkerställd skillnad från tidigare mätningar eller mellan olika grupper. Vi kommer att diskutera detta mer när vi kommer in på hypotesprövning. Rent matematiskt så är det som finns till höger om ± i ett intervalluttryck den statistiska felmarginalen. Den statistiska felmarginalen är alltså halva intervallbredden. 13
14 Stickprovsstorlek Andelar Innan en undersökning görs så kan man undersöka hur stort stickprov som bör dras för att en viss intervallbredd (d) ska uppnås. När andelar analyseras kan stickprovsstorleken bestämmas med hjälp av följande uttryck: n = 2 z 2 p(1 p) Punktskattningen (p) kan hämtas från tidigare undersökningar, eller så används p = 0.50, vilket ger största stickprovsstorleken. d 2 14
15 Stickprovsstorlek Medelvärden När medelvärden analyseras kan stickprovsstorleken bestämmas med hjälp av: n = 2 z 2 s2 d 2 Där stickprovsstandardavvikelsen s hämtas från tidigare liknande undersökningar, eller beräknas enligt exempel i boken. Stickprovsstorlekar avrundas alltid uppåt, och vi går inte in på beräkningar för stickprovsstorlekar vid jämförelser. 15
16 Stickprovsstorlek Exempel Vi återgår till undersökningen gällande andelen EU-negativa i den svenska befolkningen. Man vill nu beräkna ett konfidensintervall med 95 % konfidensgrad, där intervallbredden får vara högst 4 %. Hur många personer bör ingå i undersökningen? Vintillverkan vill återigen undersöka vad den vuxna svenska befolkningen tycker om vin A. Intervallets bredd ska vara högst 1 och konfidensgraden 95 %. Hur många personer bör provsmaka och betygssätta vinet? 16
17 Tack för idag! Nästa tillfälle: Laboration 3, onsdag 6/ , PC1-2 17
Föreläsning G60 Statistiska metoder
Föreläsning 7 Statistiska metoder 1 Dagens föreläsning o Hypotesprövning för två populationer Populationsandelar Populationsmedelvärden Parvisa observationer Relation mellan hypotesprövning och konfidensintervall
Läs merFöreläsning G60 Statistiska metoder
Föreläsning 6 Statistiska metoder 1 Dagens föreläsning o Kort om projektet o Hypotesprövning Populationsandel Populationsmedelvärde p-värdet 2 Kort om projektet Syftet med projektet i denna kurs är att
Läs merFöreläsning 5. Kapitel 6, sid Inferens om en population
Föreläsning 5 Kapitel 6, sid 153-185 Inferens om en population 2 Agenda Statistisk inferens om populationsmedelvärde Statistisk inferens om populationsandel Punktskattning Konfidensintervall Hypotesprövning
Läs merFöreläsning 2. NDAB01 Statistik; teori och tillämpning i biologi
Föreläsning 2 Statistik; teori och tillämpning i biologi 1 Normalfördelning Samplingfördelningar och CGS Fördelning för en stickprovsstatistika (t.ex. medelvärde) kallas samplingfördelning. I teorin är
Läs merTMS136. Föreläsning 10
TMS136 Föreläsning 10 Intervallskattningar Vi har sett att vi givet ett stickprov kan göra punktskattningar för fördelnings-/populationsparametrar En punkskattning är som vi minns ett tal som är en (förhoppningsvis
Läs merFöreläsning 3. NDAB02 Statistik; teori och tillämpning i biologi
Föreläsning 3 Statistik; teori och tillämpning i biologi 1 Dagens föreläsning o Inferens om två populationer (kap 8.1 8.) o Parvisa observationer (kap 9.1 9.) o p-värde (kap 6.3) o Feltyper, styrka, stickprovsstorlek
Läs merTMS136. Föreläsning 13
TMS136 Föreläsning 13 Jämförelser mellan två populationer Hittills har vi gjort konfidensintervall och tester kring parametrar i EN population I praktiska sammanhang är man ofta intresserad av att jämföra
Läs merF3 Introduktion Stickprov
Utrotningshotad tandnoting i arktiska vatten Inferens om väntevärde baserat på medelvärde och standardavvikelse Matematik och statistik för biologer, 10 hp Tandnoting är en torskliknande fisk som lever
Läs merVi har en ursprungspopulation/-fördelning med medelvärde µ.
P-värde P=probability Sannolikhetsvärde som är resultat av en statistisk test. Anger sannolikheten för att göra den observation vi har gjort eller ett sämre / mer extremt utfall om H 0 är sann. Vi har
Läs merThomas Önskog 28/
Föreläsning 0 Thomas Önskog 8/ 07 Konfidensintervall På förra föreläsningen undersökte vi hur vi från ett stickprov x,, x n från en fördelning med okända parametrar kan uppskatta parametrarnas värden Detta
Läs merFöreläsning G60 Statistiska metoder
Föreläsning 8 Statistiska metoder 1 Dagens föreläsning o Chi-två-test Analys av enkla frekvenstabeller Analys av korstabeller (tvåvägs-tabeller) Problem med detta test o Fishers exakta test 2 Analys av
Läs merStudietyper, inferens och konfidensintervall
Studietyper, inferens och konfidensintervall Andrew Hooker Division of Pharmacokinetics and Drug Therapy Department of Pharmaceutical Biosciences Uppsala University Studietyper Experimentella studier Innebär
Läs merHypotesprövning. Andrew Hooker. Division of Pharmacokinetics and Drug Therapy Department of Pharmaceutical Biosciences Uppsala University
Hypotesprövning Andrew Hooker Division of Pharmacokinetics and Drug Therapy Department of Pharmaceutical Biosciences Uppsala University Hypotesprövning Liksom konfidensintervall ett hjälpmedel för att
Läs merTMS136. Föreläsning 11
TMS136 Föreläsning 11 Andra intervallskattningar Vi har sett att vi givet ett stickprov och under vissa antaganden kan göra intervallskattningar för väntevärden Man kan även gör intervallskattningar för
Läs merSF1901: Sannolikhetslära och statistik. Statistik: Intervallskattning (konfidensintervall)
SF1901: Sannolikhetslära och statistik Föreläsning 9. Statistik: Intervallskattning (konfidensintervall) Jan Grandell & Timo Koski 21.02.2012 Jan Grandell & Timo Koski () Matematisk statistik 21.02.2012
Läs merIntroduktion. Konfidensintervall. Parade observationer Sammanfattning Minitab. Oberoende stickprov. Konfidensintervall. Minitab
Uppfödning av kyckling och fiskleveroljor Statistiska jämförelser: parvisa observationer och oberoende stickprov Matematik och statistik för biologer, 10 hp Fredrik Jonsson vt 2012 Fiskleverolja tillsätts
Läs merFöreläsning 4. 732G19 Utredningskunskap I. Föreläsningsunderlagen bygger på underlag skapade av Kalle Wahlin
Föreläsning 4 732G19 Utredningskunskap I Föreläsningsunderlagen bygger på underlag skapade av Kalle Wahlin Dagens föreläsning Systematiskt urval Väntevärdesriktiga skattningar Jämförelse med OSU Stratifierat
Läs merSF1901: SANNOLIKHETSTEORI OCH STATISTIKTEORI KONSTEN ATT DRA INTERVALLSKATTNING. STATISTIK SLUTSATSER. Tatjana Pavlenko.
SF1901: SANNOLIKHETSTEORI OCH STATISTIK FÖRELÄSNING 10 STATISTIKTEORI KONSTEN ATT DRA SLUTSATSER. INTERVALLSKATTNING. Tatjana Pavlenko 25 april 2017 PLAN FÖR DAGENS FÖRELÄSNING Statistisk inferens oversikt
Läs merFöreläsning 4. Kapitel 5, sid Stickprovsteori
Föreläsning 4 Kapitel 5, sid 127-152 Stickprovsteori 2 Agenda Stickprovsteori Väntevärdesriktiga skattningar Samplingfördelningar Stora talens lag, Centrala gränsvärdessatsen 3 Statistisk inferens Population:
Läs merAnalys av medelvärden. Jenny Selander , plan 3, Norrbacka, ingång via den Samhällsmedicinska kliniken
Analys av medelvärden Jenny Selander jenny.selander@ki.se 524 800 29, plan 3, Norrbacka, ingång via den Samhällsmedicinska kliniken Jenny Selander, Kvant. metoder, FHV T1 december 20111 Innehåll Normalfördelningen
Läs merSF1901: Sannolikhetslära och statistik. Statistik: Intervallskattning (konfidensintervall) Jan Grandell & Timo Koski
SF1901: Sannolikhetslära och statistik Föreläsning 10. Statistik: Intervallskattning (konfidensintervall) Jan Grandell & Timo Koski 18.02.2016 Jan Grandell & Timo Koski Matematisk statistik 18.02.2016
Läs mer10. Konfidensintervall vid två oberoende stickprov
TNG006 F0-05-06 Konfidensintervall för linjärkombinationer 0. Konfidensintervall vid två oberoende stikprov Antag att X, X,..., X m är ett stikprov på N(µ, σ ) oh att Y, Y,..., Y n är ett stikprov på N(µ,
Läs merF14 HYPOTESPRÖVNING (NCT 10.2, , 11.5) Hypotesprövning för en proportion. Med hjälp av data från ett stickprov vill vi pröva
Stat. teori gk, ht 006, JW F14 HYPOTESPRÖVNING (NCT 10., 10.4-10.5, 11.5) Hypotesprövning för en proportion Med hjälp av data från ett stickprov vill vi pröva H 0 : P = P 0 mot någon av H 1 : P P 0 ; H
Läs merExempel i stickprovsteori
Exempel i stickprovsteori p. 1/26 Exempel i stickprovsteori Göran Arnoldsson Umeå universitet Exempel i stickprovsteori p. 2/26 1. Audit sampling En bank vill göra en snabb uppskattning av den totala behållningen
Läs merTillämpad statistik (A5), HT15 Föreläsning 5: Stratifierat urval
Tillämpad statistik (A5), HT15 Föreläsning 5: Stratifierat Ronnie Pingel Statistiska institutionen Senast uppdaterad: 2015-11-06 En stratifierad sundersökning: NTU2014 Från NTU2014 Från NTU2014 Dellens
Läs merTabell- 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 merFöreläsning 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 merFöreläsning 5. NDAB02 Statistik; teori och tillämpning i biologi
Föreläsning 5 Statistik; teori och tillämpning i biologi 1 Dagens föreläsning o Andelar (kap 24) o Binomialfördelning (kap 24.1) o Test och konfidensintervall för en andel (kap 24.5, 24.6, 24.8) o Test
Läs mer, s a. , s b. personer från Alingsås och n b
Skillnader i medelvärden, väntevärden, mellan två populationer I kapitel 8 testades hypoteser typ : µ=µ 0 där µ 0 var något visst intresserant värde Då användes testfunktionen där µ hämtas från, s är populationsstandardavvikelsen
Läs merF9 Konfidensintervall
1/16 F9 Konfidensintervall Måns Thulin Uppsala universitet thulin@math.uu.se Statistik för ingenjörer 18/2 2013 2/16 Kursinformation och repetition Första inlämningsuppgiften rättas nu i veckan. För att
Läs merFöreläsning 6. NDAB01 Statistik; teori och tillämpning i biologi
Föreläsning 6 Statistik; teori och tillämpning i biologi 1 Analysis of Variance (ANOVA) (GB s. 202-218, BB s. 190-206) ANOVA är en metod som används när man ska undersöka skillnader mellan flera olika
Läs merFöreläsning 6. Kapitel 7, sid Jämförelse av två populationer
Föreläsning 6 Kapitel 7, sid 186-209 Jämförelse av två populationer 2 Agenda Jämförelse av medelvärden för två populationer Jämförelse av populationsandelar för två populationer Konfidensintervall och
Läs merFÖRELÄSNING 7:
FÖRELÄSNING 7: 2016-05-10 LÄRANDEMÅL Normalfördelningen Standardnormalfördelning Centrala gränsvärdessatsen Konfidensintervall Konfidensnivå Konfidensintervall för väntevärdet då variansen är känd Samla
Läs merDatorlaboration 8/5 Jobba i grupper om 2-3 personer Vi jobbar i Minitab Lämna in rapport via fronter senast 22/5 Förbered er genom att läsa och se
Föreläsning 10 Datorlaboration 8/5 Jobba i grupper om 2-3 personer Vi jobbar i Minitab Lämna in rapport via fronter senast 22/5 Förbered er genom att läsa och se vad som skall göras Föreläsning 10 Inferens
Läs merFöreläsning G60 Statistiska metoder
Föreläsning 4 Statistiska metoder 1 Dagens föreläsning o Sannolikhet Vad är sannolikhet? o Slumpvariabel o Sannolikhetsfördelningar Binomialfördelning Normalfördelning o Stickprov och population o Centrala
Läs merEXEMPEL PÅ FRÅGESTÄLLNINGAR INOM STATISTIK- TEORIN (INFERENSTEORIN):
Lunds tekniska högskola Matematikcentrum Matematisk statistik FMSF50: Matematisk statistik för L och V OH-bilder på föreläsning 7, 2017-11-20 EXEMPEL PÅ FRÅGESTÄLLNINGAR INOM STATISTIK- TEORIN (INFERENSTEORIN):
Läs mer9. Konfidensintervall vid normalfördelning
TNG006 F9 09-05-016 Konfidensintervall 9. Konfidensintervall vid normalfördelning Låt x 1, x,..., x n vara ett observerat stickprov av oberoende s.v. X 1, X,..., X n var och en med fördelning F. Antag
Läs merInledning till statistikteorin. Skattningar och konfidensintervall för μ och σ
Inledning till statistikteorin Skattningar och konfidensintervall för μ och σ Punktskattningar Stickprov från en population - - - Vi vill undersöka bollhavet men får bara göra det genom att ta en boll
Läs mer732G01/732G40 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 merTentamen Statistik och dataanalys 1, 5p Institutionen för matematik, natur- och datavetenskap, Högskolan i Gävle
Tentamen Statistik och dataanalys 1, 5p Institutionen för matematik, natur- och datavetenskap, Högskolan i Gävle Lärare: Mikael Elenius, 2006-08-25, kl:9-14 Betygsgränser: 65 poäng Väl Godkänt, 50 poäng
Läs merFöreläsning 12, FMSF45 Hypotesprövning
Föreläsning 12, FMSF45 Hypotesprövning Stas Volkov 2017-11-14 Stanislav Volkov s.volkov@maths.lth.se FMSF45 F12: Hypotestest 1/1 Konfidensintervall Ett konfidensintervall för en parameter θ täcker rätt
Läs merBIOSTATISTISK GRUNDKURS, MASB11 ÖVNING 6 (2015-04-22) OCH INFÖR ÖVNING 7 (2015-04-29)
LUNDS UNIVERSITET, MATEMATIKCENTRUM, MATEMATISK STATISTIK BIOSTATISTISK GRUNDKURS, MASB11 ÖVNING 6 (2015-04-22) OCH INFÖR ÖVNING 7 (2015-04-29) Aktuella avsnitt i boken: Kap 61 65 Lektionens mål: Du ska
Läs meren observerad punktskattning av µ, ett tal. x = µ obs = 49.5.
February 6, 2018 1 Föreläsning VIII 1.1 Punktskattning Punktskattning av µ Vi låter {ξ 1, ξ 2,..., ξ n } vara oberoende likafördelade stokastiska variabler (med ett gemensamt µ). ξ =: µ är en punktskattning
Läs merParade och oparade test
Parade och oparade test Andrew Hooker Division of Pharmacokinetics and Drug Therapy Department of Pharmaceutical Biosciences Uppsala University Hypotesprövning: möjliga jämförelser Jämförelser mot ett
Läs merStockholms Universitet Statistiska institutionen Termeh Shafie
Stockholms Universitet Statistiska institutionen Termeh Shafie TENTAMEN I GRUNDLÄGGANDE STATISTIK FÖR EKONOMER 2011-10-28 Skrivtid: 9.00-14.00 Hjälpmedel: Miniräknare utan lagrade formler eller text, bifogade
Läs merLektionsanteckningar 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 merTentamen i Statistik, STA A13 Deltentamen 2, 5p 21 januari 2006, kl
Karlstads universitet Institutionen för informationsteknologi Avdelningen för statistik Tentamen i Statistik, STA A13 Deltentamen, 5p 1 januari 006, kl. 09.00-13.00 Tillåtna hjälpmedel: Bifogad formel-
Läs merFöreläsning 4: Konfidensintervall (forts.)
Föreläsning 4: Konfidensintervall forts. Johan Thim johan.thim@liu.se 3 september 8 Skillnad mellan parametrar Vi kommer nu fortsätta med att konstruera konfidensintervall och vi kommer betrakta lite olika
Läs mer1 Bakgrund DATORÖVNING 3 MATEMATISK STATISTIK FÖR E FMSF Något om Radon och Radonmätningar. 1.2 Statistisk modell
LUNDS TEKNISKA HÖGSKOLA MATEMATIKCENTRUM MATEMATISK STATISTIK DATORÖVNING 3 MATEMATISK STATISTIK FÖR E FMSF20 Syfte: Syftet med dagens laborationen är att du skall: få förståelse för punkt- och intervallskattningar.
Läs merχ 2, chi-två Test av anpassning: sannolikheter specificerade Data: n observationer klassificerade i K olika kategorier:
Stat. teori gk, ht 006, JW F1 χ -TEST (NCT 16.1-16.) Ordlista till NCT Goodness-of-fit-test χ, chi-square Test av anpassning χ, chi-två Test av anpassning: sannolikheter specificerade i förväg Data: n
Läs merHur man tolkar statistiska resultat
Hur man tolkar statistiska resultat Andrew Hooker Division of Pharmacokinetics and Drug Therapy Department of Pharmaceutical Biosciences Uppsala University Varför använder vi oss av statistiska tester?
Läs merFöreläsning G60 Statistiska metoder
Föreläsning 9 Statistiska metoder 1 Dagens föreläsning o Regression Regressionsmodell Signifikant lutning? Prognoser Konfidensintervall Prediktionsintervall Tolka Minitab-utskrifter o Sammanfattning Exempel
Läs merFöreläsning 7: Punktskattningar
Föreläsning 7: Punktskattningar Matematisk statistik Chalmers University of Technology April 27, 2015 Tvådimensionella fördelningar Definition En två dimensionell slumpvariabel (X, Y ) tillordnar två numeriska
Läs merEXEMPEL PÅ FRÅGESTÄLLNINGAR INOM STATISTIKTE- ORIN (INFERENSTEORIN):
Lunds tekniska högskola Matematikcentrum Matematisk statistik Matematisk statistik AK för ekosystemteknik, FMSF75 OH-bilder 2018-09-19 EXEMPEL PÅ FRÅGESTÄLLNINGAR INOM STATISTIKTE- ORIN (INFERENSTEORIN):
Läs merFöreläsning G70 Statistik A
Föreläsning 1 732G70 Statistik A 1 Population och stickprov Population = den samling enheter (exempelvis individer) som vi vill dra slutsatser om. Populationen definieras på logisk väg med utgångspunkt
Läs merFöreläsning 7: Punktskattningar
Föreläsning 7: Punktskattningar Matematisk statistik Chalmers University of Technology September 21, 2015 Tvådimensionella fördelningar Definition En två dimensionell slumpvariabel (X, Y ) tillordnar två
Läs merPreliminära lösningar för Tentamen Tillämpad statistik A5 (15hp) Statistiska institutionen, Uppsala universitet
Preliminära lösningar för Tentamen Tillämpad statistik A5 (15hp) 2016-01-13 Statistiska institutionen, Uppsala universitet Uppgift 1 (20 poäng) A) (4p) Om kommunens befolkning i den lokala arbetsmarknaden
Läs merFöreläsning 7: Punktskattningar
Föreläsning 7: Punktskattningar Matematisk statistik David Bolin Chalmers University of Technology April 7, 2014 Projektuppgift Projektet går ut på att genomföra ett statistiskt försök och analysera resultaten.
Läs merTAMS65 - Föreläsning 6 Hypotesprövning
TAMS65 - Föreläsning 6 Hypotesprövning Martin Singull Matematisk statistik Matematiska institutionen Innehåll Exempel Allmän beskrivning p-värde Binomialfördelning Normalapproximation TAMS65 - Fö6 1/36
Läs merHur skriver man statistikavsnittet i en ansökan?
Hur skriver man statistikavsnittet i en ansökan? Val av metod och stickprovsdimensionering Registercentrum Norr http://www.registercentrumnorr.vll.se/ statistik.rcnorr@vll.se 11 Oktober, 2018 1 / 52 Det
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 merVarför statistik? det finns inga dumma frågor, bara dumma svar! Serik Sagitov
Summer Science Camp, Tjärnö, 8 August 2012 Varför statistik? Serik Sagitov http://www.math.chalmers.se/ serik/ Avdelningen för matematisk statistik Matematiska Vetenskaper Chalmers Tekniska Högskola och
Läs merExtrauppgifter - Statistik
Extrauppgifter - Statistik Uppgifter 1. Den stokastiska variabeln Y t 10 ). Bestäm c så att P ( c < Y < c) = 2. Vid tillverkning av en viss sorts färg tillsätts färgpigmentet med hjälp av en doseringsapparat,
Läs merRepetitionsföreläsning
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 merUrval. Slumpmässiga urval (sannolikhetsurval) Fördelar med slumpmässiga urval
Urval F3 Urvalsmetoder: Sannolikhetsurval resp. icke-sannolikhetsurval, OSU (kap 9.1-9.4) Ursprung: Linda Wänström Anta att vi ska göra en urvalsunderökning och samla in primärdata Totalundersökning ofta
Läs merFöreläsning 5. NDAB02 Statistik; teori och tillämpning i biologi
Föreläsning 5 Statistik; teori och tillämpning i biologi 1 Dagens föreläsning o Andelar (kap 24) o Test och konfidensintervall för en andel (kap 24.5, 24.6, 24.8) o Test och konfidensintervall för två
Läs merTAMS65 - Föreläsning 6 Hypotesprövning
TAMS65 - Föreläsning 6 Hypotesprövning Martin Singull Matematisk statistik Matematiska institutionen Innehåll Exempel Allmän beskrivning P-värde Binomialfördelning Normalapproximation TAMS65 - Fö6 1/33
Läs merFöreläsningsanteckningar till kapitel 9, del 2
Föreläsningsanteckningar till kapitel 9, del 2 Kasper K. S. Andersen 17 oktober 2018 1 Hur väljar man hypotes och mothypotes? Allmänt finns två möjliga resultat av en statistik test: Nollhypotesen H 0
Läs merUrvalsmetoder: Sannolikhetsurval resp. icke-sannolikhetsurval, OSU (kap )
F3 Urvalsmetoder: Sannolikhetsurval resp. icke-sannolikhetsurval, OSU (kap 9.1-9.4) Urval Anta att vi ska göra en urvalsunderökning och samla in primärdata Totalundersökning ofta inte möjlig För dyrt Tar
Läs merSF1905 Sannolikhetsteori och statistik: Lab 2 ht 2011
Avd. Matematisk statistik Tobias Rydén 2011-09-30 SF1905 Sannolikhetsteori och statistik: Lab 2 ht 2011 Förberedelser. Innan du går till laborationen, läs igenom den här handledningen. Repetera också i
Läs merUrvalsmetoder: Stratifierat urval (kap 9.5)
F4 Urvalsmetoder: Stratifierat urval (kap 9.5) Tidigare exempel Vi undersökte tidigare medellönen i ett företag med N = 500 anställda. Vi fick ett konfidensintervall: Vi vet att några förklaringsvariabler
Läs merMedicinsk statistik II
Medicinsk statistik II Läkarprogrammet termin 5 VT 2013 Susanna Lövdahl, Msc, doktorand Klinisk koagulationsforskning, Lunds universitet E-post: susanna.lovdahl@med.lu.se Dagens föreläsning Fördjupning
Läs merTENTAMEN I STATISTIKENS GRUNDER 2
STOCKHOLMS UNIVERSITET Statistiska institutionen Michael Carlson HT2012 TENTAMEN I STATISTIKENS GRUNDER 2 2012-11-20 Skrivtid: kl 9.00-14.00 Godkända hjälpmedel: Miniräknare, språklexikon Bifogade hjälpmedel:
Läs merTentamen i TMA321 Matematisk Statistik, Chalmers Tekniska Högskola.
Tentamen i TMA321 Matematisk Statistik, Chalmers Tekniska Högskola. Tid: Måndagen den 2015-06-01, 8.30-12.30. Examinator och Jour: Olle Nerman, tel. 7723565, rum 3056, MV, Chalmers. Hjälpmedel: Valfri
Läs merTillämpad statistik (A5), HT15 Föreläsning 6: Några övriga urvalsmetoder
Tillämpad statistik (A5), HT15 Föreläsning 6: Några övriga smetoder Ronnie Pingel Statistiska institutionen Senast uppdaterad: 2015-11-11 Några övriga smetoder OSU-UÅ (med eller utan stratifiering) förutsätter
Läs merTryckfel i K. Vännman, Matematisk Statistik, upplaga 2:13
Tryckfel i K. Vännman, Matematisk Statistik, upplaga 2:13 Kasper K. S. Andersen 11 oktober 2018 s. 10, b, l. 8: 1 4 17.62 1 5 17.62 s. 25, Tabell 1.13, linje 1, kolonn 7: 11 111 s. 26, Figur 1.19 b, l.
Läs merFACIT (korrekta svar i röd fetstil)
v. 2013-01-14 Statistik, 3hp PROTOKOLL FACIT (korrekta svar i röd fetstil) Datorlaboration 2 Konfidensintervall & hypotesprövning Syftet med denna laboration är att ni med hjälp av MS Excel ska fortsätta
Läs merLULEÅ TEKNISKA UNIVERSITET Ämneskod S0002M MAM801 IEK309 Institutionen för matematik Datum Skrivtid
LULEÅ TEKNISKA UNIVERSITET Ämneskod S0002M MAM801 IEK309 Institutionen för matematik Datum 2008-01-19 Skrivtid 0900 1400 Tentamen i: Statistik AI, 10p Antal uppgifter: 6 Krav för G: 11 Lärare: Robert Lundqvist,
Läs merF11 Två stickprov. Måns Thulin. Uppsala universitet thulin@math.uu.se. Statistik för ingenjörer 26/2 2013 1/11
1/11 F11 Två stickprov Måns Thulin Uppsala universitet thulin@math.uu.se Statistik för ingenjörer 26/2 2013 2/11 Dagens föreläsning Konfidensintervall när man har ihopparade stickprov Att väga samman skattningar
Läs merSamplingfördelningar 1
Samplingfördelningar 1 Parametrar och statistikor En parameter är en konstant som karakteriserar en population eller en modell. Exempel: Populationsmedelvärdet Parametern p i binomialfördelningen 2 Vi
Läs merTentamen i Sannolikhetslära och statistik Kurskod S0008M
Tentamen i Sannolikhetslära och statistik Kurskod S0008M Poäng totalt för del 1: 25 (12 uppgifter) Tentamensdatum 2012-12-19 Poäng totalt för del 2: 30 (3 uppgifter) Skrivtid 09.00 14.00 Lärare: Adam Jonsson
Läs merπ = proportionen plustecken i populationen. Det numeriska värdet på π är okänt.
Stat. teori gk, vt 006, JW F0 ICKE-PARAMETRISKA TEST (NCT 13.1, 13.3-13.4) Or dlista till NCT Nonparametric Sign test Rank Teckentest Icke-parametrisk Teckentest Rang Teckentestet är formellt ingenting
Läs merHjälpmedel: Miniräknare (nollställd) samt allmänspråklig (ej fackspråklig) ordbok utan kommentarer. Formelsamling lånas i tentamenslokalen.
Grundläggande statistik med regressionsanalys Ladokkod: TT131A 7,5 högskolepoäng Namn: (Ifylles av student) Personnummer: (Ifylles av student) Tentamensdatum: 2012-05-28 Tid: 14-18 Hjälpmedel: Miniräknare
Läs merStatistik 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 merSF1922/SF1923: SANNOLIKHETSTEORI OCH INTERVALLSKATTNING. STATISTIK. Tatjana Pavlenko. 24 april 2018
SF1922/SF1923: SANNOLIKHETSTEORI OCH STATISTIK FÖRELÄSNING 11 INTERVALLSKATTNING. Tatjana Pavlenko 24 april 2018 PLAN FÖR DAGENS FÖRELÄSNING Vad är en intervallskattning? (rep.) Den allmänna metoden för
Läs merMatematisk statistik för B, K, N, BME och Kemister
Matematisk statistik för B, K, N, BME och Kemister Föreläsning 5 Johan Lindström 12 september 216 Johan Lindström - johanl@maths.lth.se FMS86/MASB2 F5 1/23 Repetition Gauss approximation Delta metoden
Läs merFÖRELÄSNING 8:
FÖRELÄSNING 8: 016-05-17 LÄRANDEMÅL Konfidensintervall för väntevärdet då variansen är okänd T-fördelningen Goodness of fit-test χ -fördelningen Hypotestest Signifikansgrad Samla in data Sammanställ data
Läs merKapitel 7 Samplingfördelningar och Centrala gränsvärdessatsen
Sannolikhetslära och inferens II Kapitel 7 Samplingfördelningar och Centrala gränsvärdessatsen 1 Statistikor och samplingfördelningar I Kapitel 6 studerades metoder för att bestämma sannolikhetsfördelningen
Läs merTvå 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 merTentamentsskrivning: Matematisk Statistik med Metoder MVE490 1
Tentamentsskrivning: Matematisk Statistik med Metoder MVE490 1 Tentamentsskrivning i Matematisk Statistik med Metoder MVE490 Tid: den 29 oktober, 2016 Examinatorer: Kerstin Wiklander och Erik Broman. Jour:
Läs merTENTAMEN I MATEMATIK MED MATEMATISK STATISTIK HF1004, TEN
TENTAMEN I MATEMATIK MED MATEMATISK STATISTIK HF004, TEN 06-06-0 Hjälpmedel: Formler oh tabeller i statistik, räknedosa Fullständiga lösningar erfordras till samtliga uppgifter. Lösningarna skall vara
Läs merSF1901 Sannolikhetsteori och statistik I
SF1901 Sannolikhetsteori och statistik I Jimmy Olsson Föreläsning 10 27 november 2017 1 / 28 Idag Mer om punktskattningar Minsta-kvadrat-metoden (Kap. 11.6) Intervallskattning (Kap. 12.2) Tillämpning på
Läs merLaboration 2 Inferens S0005M VT18
Laboration 2 Inferens S0005M VT18 Allmänt Arbeta i grupper om 2-3 personer. Flertalet av uppgifterna är tänkta att lösas med hjälp av Minitab. Ett lärarlett pass i datorsal finns schemalagt. Var gärna
Läs merF9 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 merSTATISTISK POWER OCH STICKPROVSDIMENSIONERING
STATISTISK POWER OCH STICKPROVSDIMENSIONERING Teori UPPLÄGG Gemensam diskussion Individuella frågor Efter detta pass hoppas jag att: ni ska veta vad man ska tänka på vilka verktyg som finns vilket stöd
Läs merTentamentsskrivning: Matematisk Statistik med Metoder MVE490 1
Tentamentsskrivning: Matematisk Statistik med Metoder MVE490 1 Tentamentsskrivning i Matematisk Statistik med Metoder MVE490 Tid: den 16 augusti, 2017 Examinatorer: Kerstin Wiklander och Erik Broman. Jour:
Läs mer2. Test av hypotes rörande medianen i en population.
Stat. teori gk, ht 006, JW F0 ICKE-PARAMETRISKA TEST (NCT 15.1, 15.3-15.4) Ordlista till NCT Nonparametric Sign test Rank Icke-parametrisk Teckentest Rang Teckentest Teckentestet är formellt ingenting
Läs merFöreläsningsanteckningar till kapitel 8, del 2
Föreläsningsanteckningar till kapitel 8, del 2 Kasper K. S. Andersen 4 oktober 208 Jämförelse av två väntevärden Ofte vil man jämföra två eller fler) produkter, behandlingar, processer etc. med varandra.
Läs merRättningstiden är i normalfall 15 arbetsdagar, till detta tillkommer upp till 5 arbetsdagar för administration, annars är det detta datum som gäller:
Matematisk Statistik Provmoment: Ladokkod: Tentamen ges för: Tentamen 6.5 hp AT1MS1 DTEIN16h 7,5 högskolepoäng TentamensKod: Tentamensdatum: 1 juni 2017 Tid: 14-18 Hjälpmedel: Miniräknare Totalt antal
Läs merHypotestestning och repetition
Hypotestestning och repetition Statistisk inferens Vid inferens använder man urvalet för att uttala sig om populationen Centralmått Medelvärde: x= Σx i / n Median Typvärde Spridningsmått Används för att
Läs mer