VIRKESMÄTNINGSRÅDET ( VMR ) DEL VII. Något om statistik och stickprovsmätning samt felteori

Storlek: px
Starta visningen från sidan:

Download "VIRKESMÄTNINGSRÅDET ( VMR ) DEL VII. Något om statistik och stickprovsmätning samt felteori"

Transkript

1 VIRKESMÄTNINGSRÅDET ( VMR ) KOMPENDIUM I VIRKESMÄTNING DEL VII Något om statistik och stickprovsmätning samt felteori

2 VMR NÅGOT OM STATISTIK OCH STICKPROVSMÄTNING SAMT FELTEORI Innehållsförteckning 1. Vissa grundläggande begrepp i statistiken Sid Kollektiv och stickprov Medelvärde Variationsmått Medelfel Tolkning av medelfel Urvalsmetoder 6 2. Stickprovsmätning 2.1 Mätning genom stickprov (stickprovsmätning) Mätmetoder Precisionskrav Bestämning av stickprovsstorlek Mätningens utförande Exempel på beräkning av fastvolymen i TS-kollektiv Ordningsregler vid stickprovsmätning Övriga mätningstillämpningar med stickprov Felteori - avvikelser och fel vid mätning 4.1 Allmänt Grovt fel Systematiskt fel Tillfälliga fel Noggrannhet och precision Mätmetoder noggrannhet Stockmätning Travmätning Relativt fel vid mätning 19

3 VMR NÅGOT OM STATISTIK OCH STICKPROVSMÄTNING SAMT FELTEORI 1. VISSA GRUNDLÄGGANDE BEGREPP I STATISTIKEN 1.1 Kollektiv och stickprov Population Kollektiv Stickprov Skatta Systematiska fel Medelvärde En population är en klart avgränsad och väl beskriven grupp av individer, föremål, händelser m m som man önskar studera med avseende på en eller flera egenskaper. Inom virkesmätningen används vanligen ordet kollektiv i stället för population. Ett kollektiv kan bestå av lass, travar, stockar etc. Ett stickprov utgör en del av ett kollektiv. Avsikten med stickprovet är att i ett eller annat avseende studera kollektivet. Det kan t ex gälla medelvolymen per stock eller förhållandet mellan travmätt volym och fastvolym. Genom att mäta de enskilda enheterna i stickprovet med avseende på någon särskild egenskap, t ex volymen per stock, och låta den representera medelvolymen per stock i kollektivet, är det möjligt att göra vissa beräkningar som gäller kollektivet i dess helhet. Känner man antalet stockar i kollektivet och deras medelvolym är det alltså möjligt att beräkna kollektivets totala volym. Det kallas för att man "skattar" volymen i kollektivet. För att denna skattning skall vara korrekt gäller emellertid vissa villlkor. Bl a skall urvalet av stickprovsenheter ha skett på sådant sätt att enbart slumpen avgjort vilka enheter som ingår i stickprovet. Urvalsförfarandet skall vidare ha varit sådant att eventuella, jämnt återkommande variationer (periodicitet) i stockvolymerna ej kan ha påverkat skattningsresultatet. I annat fall är risken för systematiska fel överhängande. 1.2 Medelvärde Ett vanligt sätt att beskriva en serie mätvärden är att beräkna och ange deras medelvärde (egentligen aritmetiskt medelvärde). Detta kan med ord beskrivas som summan av mätvärdenas talvärden dividerad med antalet mätvärden. Den i föregående stycke nämnda "medelvolymen" beräknas alltså som summan av de enskilda stockarnas volymer dividerad med antalet stockar.

4 Variationsmått Varians Dimension Variationsmått Standardavvikelse Kännetecknande för all mätning av dimensioner - diameter, längd, bredd och höjd - är att erhållna mätvärden nästan undantagslöst varierar. Orsakerna kan vara flera. Dels kan variationen bero på att det är olika stockar eller travar som man faktiskt mäter. Dels kan den, såsom t ex vid upprepad mätning av en enskild stocks diameter, bero på att måttstället inte är exakt detsamma vid varje mätning, att klaven är bristfällig eller att avläsningarna görs slarvigt. Ett kollektiv kan beskrivas mer eller mindre fullständigt. Man kan exempelvis upprätta en tabell innehållande alla enskilda mätvärden för en viss egenskap (ex.vis stockvolym), man kan åskådliggöra samma sak med ett stolpdiagram eller nöja sig med att ange medelvärde och variation mellan mätvärden. Variationen mellan mätvärden för en och samma egenskap är en i statistiska sammanhang mycket viktig egenskap. För att beskriva denna variation har ett flertal olika variations- eller spridningsmått utvecklats. Ett sätt att beskriva variationen är att ange den i förhållande till talvärdenas medelvärde. Ett sådant spridningsmått är variansen som beräknas som summan av kvadraterna på avvikelserna mellan de enskilda talvärdena och deras medelvärde dividerad med antalet talvärden. Vanligare och mer användbar än variansen är standardavvikelsen som utgör kvadratroten ur variansen. Med kvadraten på ett tal menas detta tal multiplicerat med sig självt. Kvadratroten ur ett tal är det tal som multiplicerat med sig självt ger det ursprungliga talet. Exempelvis är kvadraten på talet 4 lika med 16 medan kvadratroten ur talet 16 är lika med 4. Beräkningen av varians och standardavvikelse kan belysas av följande enkla exempel. Antag att vi har fyra stockar med toppdiameter respektive 15, 14, 18 och 17 cm Medelvärdet för diametern blir cm = 16 cm. 4 Variansen för diametern = 1/4 [ (15-16)² + (14-16)² + (18 16)² + (17-16)² ] = 1/4 [ (-1)² + (2)² + 2² + 1² ] = 1/4 ( ) = 2,5 Standardavvikelsen för diametern = 2, 5 = 1,58 Den beskrivna principen för beräkning av varians och standardavvikelse gäller generellt oberoende av antalet mätvärden och storleken av dessa. Ju fler och större talen är, desto mer arbetsdryga blir givetvis beräkningarna.

5 Medelfel Medelfel Under avsnittet 1.2 har beskrivits innebörden av begreppet medelvärde, som alltså i stickprovssammanhang är en skattning av en viss storhet, t ex medeldiameter, medelvolym eller medelvikt hos en grupp av mätenheter. Det kännetecknande för en skattning är att även dess värde varierar beroende på vilka enheter som ingår i stickprovet. En upprepad bestämning av ett antal medelvärden resulterar alltså i en serie olika värden, som sannolikt ligger nära varandra, men de har ändå en variation som kan uttryckas i en standardavvikelse. Denna medelvärdets standardavvikelse kallas medelfel och beräknas enligt formeln: s N n s x = n N 1 Med tillämpning inom virkesmätningen gäller följande förklaringar på beteckningarna i formeln. s = standardavvikelsen för kvoten per stickprovsenhet mellan dess noggranna och enkla mätning, N = det totala antalet enheter i kollektivet, n = antalet enheter i stickprovet. Med noggrann mätning avses den ommätning som sker av stickprovsenheterna och då med en "noggrannare" metod, i regel en stockmätning. Med enkel mätning avses den första mätningen med en metod som omfattar alla mätenheter i kollektivet. Mycket vanligt är att den utgörs av travmätning med vedvolymbedömning. N n I formeln för medelfelet kallas faktorn för ändlighetskorrektion. N 1 Den har praktisk betydelse endast i de fall då antalet stickprovsenheten utgör en betydande andel av kollektivets samtliga enheter, t ex mer än 20 procent. En så stor andel torde dock höra till undantagen och därför saknar korrektionsfaktorn i praktiken betydelse. Formeln får därför följande enkla utseende: s s x = n De stora talens lag Vi ser av formeln att medelfelet för skattningen av en viss egenskap hos kollektivet blir mindre ju större stickprovet är. Skattningen blir med andra ord "säkrare" när antalet ökar. Detta samband gäller generellt och brukar kallas de stora talens lag.

6 Tolkning av medelfel. Med kännedom om medelfelets storlek är det möjligt att uttala sig om den säkerhet (precision) med vilken en skattning gjorts. Förutsatt att stickprovet uttagits slumpmässigt (se nedan pkt 1.6 Urvalsmetoder) ur ett någorlunda stort kollektiv så gäller nämligen att stickprovets medelvärde är s k normalfördelat med standardavvikelsen (medelfelet) s/ n. Normalfördelningen innebär att om man tänker sig ett mycket stort antal stickprovsmedelvärden, hämtade ur ett visst kollektiv och grupperade längs en tallinje, så bildar de tillsammans en fördelning vars form påminner om en gammaldags klocka. Man talar också om "klockkurva". Denna typ av fördelning framgår även av följande bild som visar exempel på en normalfördelning. Bild 1. Exempel på normalfördelning. Fördelning Konfidensintervall Med kännedom om fördelningens utseende (matematiska form) och medelfelets storlek är det möjligt att förutsäga storleken på det intervall kring stickprovets medelvärde inom vilket det "sanna" medelvärdet i kollektivet sannolikt ligger. Intervallet benämns konfidensintervall. Normalfördelningen enligt bilden ovan förutsätts ha standardavvikelsen lika med 1 enhet. Hela fördelningen omfattar sannolikheten 100 procent vilket motsvarar ett intervall kring dess medelvärde av c:a ± tre gånger medelvärdets standardavvikelse (medelfel). Med ökande avstånd på talaxeln från medelvärdet ökar sannolikheten för att intervallet skall innehålla det skattade värdet. Eftersom normalfördelningen är matematiskt definierad är det möjligt att exakt beräkna sannolikheten vid varje enskild punkt på talaxeln, egentligen ytan av den del av fördelningen som ligger på ömse sidor av punkten ifråga. Avståndet från denna punkt till fördelningens medelvärde betecknas λ. I tabellen på nästa sida redovisas några λ -värden med tillhörande sannolikheter. Observera att λ-värdena egentligen skall förses med plus- och minustecken eftersom de motsvarar en sträcka på båda sidor om medelvärdet på talaxeln.

7 - 5 - λ - värde 1,64 1,96 2,58 3,29 3,89 Sannolikhet 0,90 0,95 0,99 0, Följande bild visar exempel på en normalfördelning med standardavvikelsen = 1 i vilken konfidensintervallet för λ - värdena 1,64 och 3,29 har lagts in. Denna typ av konfidensintervall kallas dubbelsidigt. Figur 2. Normalfördelning med konfidensintervall. Konfidensnivå Hittills har standardavvikelsen förutsatts vara lika med 1 men i princip kan konfidensintervall beräknas för varje annan storlek på standardavvikelsen. Den enda åtgärd som behövs är att man multiplicerar λ-värdet för aktuell sannolikhet (konfidensnivå) med den erhållna standardavvikelsen för medelvärdet (medelfelet). Exempel. Beräkna det 95 %-iga konfidensintervallet för ett medelvärde med medelfelet 2 %. Lösning: I tabellen ovan ser vi att λ-värdet för 95 % är lika med 1,96. Intervallet kan därmed tecknas: medelvärdet ± 2 1,96 % = ± 3,92 % Ett 99 %-igt konfidensintervall tecknas på motsvarande sätt: medelvärdet ± 2 2,58 % = ± 5,16 %

8 - 6 - Uttryckt i ord innebär alltså det 95 %-iga konfidensintervallet i exemplet att det "sanna" medelvärdet med en sannolikhet om 95 % finns inom ett intervall som utgörs av medelvärdet ± 3,92 %. På motsvarande sätt gäller för det 99 %-iga konfidensintervallet att samma medelvärde med en sannolikhet om 99 % finns inom ett intervall som utgörs av medelvärdet ± 5,16 %. I det sistnämnda fallet kan man sålunda vara praktiskt taget "säker" på att med det beräknade intervallet ha täckt in det "sanna" värdet. Vi ser också av exemplet att konfidensintervallets utsträckning blir mindre ("snävare") ju mer vi kan begränsa storleken på medelfelet. 1.6 Urvalsmetoder. Obundet slumpmässigt urval I föregående avsnitt har framhållits att urvalsförfarandet har den största betydelse för möjligheten att dra riktiga slutsatser om stickprovet (representativitet). En vanligt förekommande urvalsmetod inom virkesmätningen bygger på s k obundet slumpmässigt urval, förkortat OSU. Denna metod innebär att varje tänkbar kombination av ett visst antal (n) enheter ur ett kollektiv skall ha samma chans som varje annan kombination av n enheter att utgöra stickprovet. Endast om denna förutsättning är uppfylld kan man garantera att ett stickprovs medelvärde är en korrekt skattning av kollektivets medelvärde. Obundet slumpmässigt urval är i virkesmätningssammanhang som regel lätt att omsätta i en praktisk och ekonomisk tillämpning. Hjälpmedel i urvalet kan vara slumptalsväljare inbyggd i persondator eller handdator, lotteri, slumptabell eller liknande. Systematiskt urval Systematiskt urval innebär att var n:te (t ex var 10-nde) enhet i kollektivet skall ingå i stickprovet. Talet n symboliserar kvoten mellan det totala antalet enheter i kollektivet och antalet enheter i stickprovet. Ett systematiskt urval är ofta lättare att genomföra praktiskt än obundet slumpmässigt urval. Hjälpmedel för urvalet krävs egentligen bara för uttag av den första enheten. En begränsning hos metoden är emellertid att stickprovsresultatet kan påverkas av periodiska variationer hos den egenskap som skall studeras om dessa variationer sammanfaller med det intervall som används i urvalet. Man kan som exempel tänka sig att i fordonstravar med sågtimmer de grövsta stockarna genomgående lastas i botten på traven. När stockarna sedan lastas av på transportör blir resultatet en viss storlekssortering. Om urvalet därefter sker systematiskt och enligt en kvot, som sammanfaller med det genomsnittliga antalet stockar i travarna, får vi automatiskt en överrepresentation av en viss typ av stockar och därmed en snedvridning av resultatet som följd. Innan man väljer systematiskt urval måste man därför noga undersöka om sådana variationer förekommer hos enheterna i kollektivet.

9 STICKPROVSMÄTNING. 2.1 Mätning genom stickprov (stickprovsmätning). Mätning genom stickprov (stickprovsmätning). Stickprovsmätning utförs i två eller flera faser. Den sista fasen skall utföras genom stockmätning, travmätning, stycketalsräkning eller vägning. Stickprovsmätning är tillåten för mätkollektiv sammansatta av väl avgränsade enheter såsom enskilda stockar, grupper av stockar, travar, buntar eller lass. Stickprovsmätning innebär att alla enheter i ett kollektiv bestäms till antal, volym eller vikt samt att fastvolym, råvikt eller torrvikt samt kvalitet bestäms på ett stickprov av dessa enheter. För mätkollektiv avsett att stickprovsmätas skall finnas uppgifter om urvalsförfarande, stickprovsintensitet, mätmetoder och skattningsförfarande, s k kollektivbeskrivning. Uppgifterna skall förvaras på ett betryggande sätt och hållas tillgängliga för virkessäljaren, virkesköparen och Skogsstyrelsen i minst två år efter det att kollektivbeskrivningen upprättats. Stickprov uttas genom obundet slumpmässigt urval eller rättsyftande systematiskt urval. Alla kollektiv som består av lämpliga enheter kan i princip mätas genom stickprov. Med lämplig enhet menas i detta sammanhang enheter av typen stock, trave eller lass. I praktisk mätning finns dock vissa begränsningar, som gör att stickprovsmätning inte alltid är det lämpligaste alternativet. Stickprovsmätning belastas nämligen till skillnad från totalmätning med kostnader för bl a kollektivplanering, uttag, mätning och redovisning av stickprov, vilket gör att kollektivet måste ha en viss minsta storlek för att stickprovsmätningen skall vara praktiskt och ekonomiskt motiverad. Som tumregel gäller att stickprovsvolymen ej bör uppgå till mer än 20 procent av kollektivets volym. Provtravelista Slumptalsväljare Tekniska hjälpmedel vid urvalet kan vara lotterier, provtravelistor eller elektroniska s k slumptalsväljare. Lotterier och provtravelistor kräver visst förberedelsearbete men har bl a den fördelen att de medger uttag av exakt det antal stickprovsenheter som planerats. Slumptalsväljarna, i synnerhet om de är kopplade till registreringsutrustningen, ger full garanti för slumpmässigt urval och omöjliggör därmed för operatören eller andra personer att påverka urvalet. En nackdel med detta system är att det slutligt erhållna antalet stickprovsenheter kan avvika något från det planerade. För att möjliggöra en kontrollerad, jämn fördelning av antalet stickprovsenheter över kollektivet är det därför brukligt att indela kollektivet i mindre delar för att inom var och en slumpa ut ett visst bestämt antal enheter. Urvalet blir på detta sätt styrt men principen med obundet slumpmässigt urval rubbas inte.

10 Mätmetoder Mätmetoder Stickprovsmätning utförs t ex enligt någon av följande metoder: RS-mätning Räkning (R) av ett kollektivs samtliga enheter samt bestämning av kvantitet och kvalitet per enhet genom stockmätning (S) av stickprovet. TS-mätning Travmätning (T) av ett kollektivs samtliga travar samt bestämning av kvantitet och kvalitet per m³t genom stockmätning (S) av stickprovet. VS-mätning Vägning (V) av ett kollektivs samtliga enheter samt bestämning av kvantitet och kvalitet per ton genom stockmätning (S) av stickprovet. RTBF-mätning Räkning (R) av ett kollektivs samtliga enheter samt bestämning av kvantitet per trave genom travmätning (T) med bedömning (B) av fastvolymprocent (F) av travarna i stickprovet. TBFS-mätning Travmätning (T) med bedömning (B) av fastvolymprocent (F) av ett kollektivs samtliga travar samt bestämning av kvantitet och kvalitet per m³f genom stockmätning (S) av stickprovet. Dessutom får stickprovsmetoder grundade på andra kombinationer av två eller flera mätmetoder tillämpas om stickprovet i det sista urvalssteget mäts enligt de instruktioner som gäller för respektive sortiment. För samtliga stickprovsmetoder skall nedanstående precisionskrav för enskilt kollektiv vara uppfyllt. I förkortningarna för de ovan uppräknade metoderna står: - B för bedömning av fastvolymprocent - S för stockmätning - T för travmätning (i förekommande fall skäppmätning) - R för räkning - V för vägning Enfasurval Tvåfasurval De metoder som här räknats upp bygger på s k enfasurval, d v s dragning av stickprovsenheter sker enbart en gång. Exempel på s k tvåfasurval är metoden TTS- mätning, som vid nuvarande tillämpning innebär att travvolymen hos ett kollektivs samtliga fordonslaster bedöms, varefter ett stickprov ur dessa skattade laster travmäts på vanligt sätt med bedömning av vedvolymprocent. Ur de travmätta lasterna dras på nytt ett stickprov av travar som stockmäts. Ett annat exempel på tvåfasurval är metoden RTS-mätning i vilket R står för räkning av antal laster. I övrigt är metoden identisk med TTS-mätning.

11 - 9 - Metoderna grundade på tvåfasurval har utvecklats under de senaste åren och har hittills endast tillämpats lokalt. De förutsätter kollektiv med förhållandevis stor volym. På grund av den osäkerhet i volymbestämningen av enskilda laster som kännetecknar den inledande skattningen av travvolym är metoden inte lämplig för mätning av kollektiv sammansatta av virke från flera leverantörer. Den volymmässigt viktigaste metoden är TBFS-mätning som tillämpas av de två norra virkesmätningsföreningarna i landet. 2.3 Precisionskrav Precisionskrav Precisionen i bestämningen av ett kollektivs kvantitet eller virkesvärde uttrycks i form av det enkla medelfelet för bestämningen. Medelfelet beräknas enligt formeln: s N n s x = n N 1 där s = standardavvikelsen för kvoten per stickprovsenhet mellan noggrann och enkel mätning, N = det totala antalet enheter i kollektivet och n = antalet enheter i stickprovet. Med noggrann mätning avses den mätning som sker i den andra fasen i mätningen av en stickprovsenhet, i regel en stockmätning. Den enkla mätningen motsvarar den första fasen i mätningen av en enhet, i regel en trave, som ingår i ett kollektiv. Vid beräkning av stickprovsstorleken beaktas såväl kollektivets totala kvantitet och värde som kostnaden för mätning av den enskilda stickprovsenheten. Som allmän regel vid bestämningen av stickprovets storlek kan lämpligen gälla att marginaleffekten i form av ökad precision i bestämningen av virkesvärdet genom uttag av ytterligare en stickprovsenhet bör motsvara minst dubbla kostnaden för mätningen av enheten. Parter skall också ha möjlighet att träffa särskilt avtal om precisionskravet vid stickprovsmätning. Om dessutom en virkesaffär mellan två parter omfattar mer än ett kollektiv samtidigt, kan det finnas anledning för parterna att beakta denna omständighet vid bestämningen av stickprovens sammanlagda storlek. Den nuvarande mätningsinstruktionen innehåller som synes inget direkt uttalat krav beträffande precisionen vid stickprovsmätning. Som övergripande krav gäller i detta fall Skogsstyrelsens föreskrifter till virkesmätningslagen där noggrannhetskrav vid virkesmätning finns intagna. Vid bestämningen i det enskilda fallet av storleken av ett stickprov tillämpas i praktiken de anvisningar som fanns intagna i tidigare mätningsbestämmelser. De innebar att stickprovet skulle omfatta minst 30 enheter men kunde begränsas till 15 enheter om kollektivet var mindre än m³f. Dessutom skulle antalet stickprovsenheter vara minst så stort att det beräknade enkla medelfelet för den skattade volymen understeg 1 procent för kollektiv större än m³f och 2 procent för kollektiv med mindre volym. Vid beräkningen av det nödvändiga antalet enheter i stickprovet utgår man vanligen från erfarenhetsmässiga spridningstal, d v s spridningstal som erhållits under tidigare säsonger för kollektiv av liknande slag. Dessa spridningstal är tämligen konstanta och i den mån förändringar kan ha inträffat vad gäller tillredning eller aptering av virket, finns möjligheten att subjektivt korrigera spridningstalen för detta.

12 Bestämning av stickprovsstorlek Av stycket 1.4, Medelfel, framgår att medelfelet kan beräknas ur formeln s x = s n där s är lika med kollektivets standardavvikelse och n antalet enheter i stickprovet. Genom att utveckla formeln erhåller vi följande uttryck: n = s s 2 2 x Med kännedom om storheterna i bråkets täljare och nämnare kan vi enkelt beräkna n. Som framgått av stycket 2.3 är den ungefärliga storleken hos standardavvikelsen i ett visst kollektiv normalt erfarenhetsmässigt känd. Storleken på kollektivet är därtill avgörande för den storlek på skattningens medelfel som kan godtas. Exempel: Spridningen för kvoten m³tr/m³t vid TBFS-mätning är erfarenhetsmässigt c:a 7 %. Kollektivets fastvolym överstiger m³f varför medelfelet för skattningen får uppgå till högst 1 %. Hur stort måste antalet stickprovsenheter minst vara? Lösning: Antalet stickprov beräknas ur uttrycket n = s s 2 x 2, eller 2 n = 7 = = 49 Antalet stickprovsenheter måste uppgå till minst 49 för att precisionskravet skall vara tillgodosett. Om kollektivet i ovanstående exempel varit mindre än m³f hade medelfelet fått vara högst 2 procent. Antalet stickprovsenheter blir i detta fallet 49/4 eller ungefär 12. Huvudregeln är emellertid att antalet enheter för kollektiv av denna storlek bör vara minst 15, varför denna regel här tar över. 2.5 Mätningens utförande Mätningens utförande Varje enhet i ett kollektiv skall mätas enligt instruktionen för aktuell mätmetod. Mätningen av enheterna (stockar eller travar) i uttaget stickprov skall dessutom ske enligt instruktionerna för respektive sortiment. När mätkollektivets samtliga enheter levereras av en och samma leverantör/säljare behöver bedömning av virkets beskaffenhet och bestämning av fastvolymprocent eller viktavdrag ej ske samt behandling ej utföras, annat än vid mätning av de uttagna stickprovsenheterna.

13 Travmätningen vid TBFS-mätning är en totalmätning av samtliga enheter (travar) i kollektivet. Mätningen utförs enligt de allmänna bestämmelserna för mätning av trave vilket innebär att även vedvolymprocenten skall bedömas. En viss förenkling av mätningen är emellertid tillåten om kollektivets samtliga enheter levereras av en och samma leverantör vilket innebär att bedömning av beskaffenhet och vedvolymprocent i enskild trave ej behöver ske. Mätningen av enheterna i uttaget stickprov skall, om ej annat föreskrivs, ske enligt instruktionen för respektive sortiment och alltså omfatta bl a bedömning av beskaffenhet och behandling. VS-mätning För VS-mätning gäller i princip samma regler som för TBFS-mätning men med den skillnaden att totalmätningsmetoden är vägning och att viktavdrag i förekommande fall ersätter bedömningen av vedvolymprocenten. I stickprovsmetoder grundade på metoden räkning är bedömningen av beskaffenhet och behandling i samband med totalmätningen av instruktionstekniska skäl ej möjlig att utföra. 2.6 Exempel på beräkning av fastvolymen i TS-kollektiv Precision Målet för mätningen av ett stickprovskollektiv är att bestämma dess volym och värde. Det kan därvid vara värdefullt att känna till med vilken säkerhet (precision) dessa begrepp är bestämda. För att belysa dels vilka mätuppgifter (mätdata) som behövs för denna beräkning, dels vilka allmänna statistiska regler som gäller, följer nedan ett exempel på beräkning av fastvolymen i ett TS-kollektiv. I exemplet ingår även beräkning av konfidensintervall för volymbestämningen. Exempel: Ett barrsågtimmerkollektiv omfattar enligt totalmätningen (T) m³t (kubikmeter travvolym). Ur kollektivet har uttagits ett stickprov om 36 travar. Volymen av dessa har bestämts till 825 m³t och den toppmätta fastvolymen till 396 m³to. Standardavvikelsen för den travvisa kvoten m³to/m³t har beräknats till 4,2 %. Beräkna med ledning av dessa uppgifter dels volymen i m³to för hela kollektivet, dels det 99 %-iga konfidensintervallet för denna skattning. Lösning: Med ledning av mätdata från stickprovstravarna kan vi beräkna kvoten m³to per m³t som alltså blir lika med 396/825 = 0,48. Detta tal är alltså en skattning av förhållandet mellan volymen i m³to respektive m³t för hela kollektivet vars fastvolym därefter beräknas till 0,48 m³to/m³t m³t = m³to. Konfidensintervallet för denna volym tecknas ± λ 0,99 s n m³to

14 Av tablån på sidan 4 framgår att λ-värdet för sannolikheten 99 % är 2,58. Standardavvikelsen s har beräknats till 4,2 % och antalet stickprovstravar (n) är 36. Intervallet kan därmed tecknas: m³to ± 2,58 4,2 36 = m³to ± 1,806 % % = m³to ± 2,58 0,7 % = I absoluta tal kan intervallet tecknas: m³to ± 109,2 m³to eller (5.938, ,2) m³to. Det beräknade konfidensintervallet säger oss alltså att kollektivets "verkliga" fastvolym i m³to med 99 procents sannolikhet ligger inom intervallet 5.938,8 till 6.167,2 m³to. Det är emellertid inte i det enskilda fallet möjligt att säga exakt var det ligger. I ett fall på 100 kan det också ligga utanför intervallet. 2.7 Ordningsregler vid stickprovsmätning För att stickprovsmetoder skall ge korrekta resultat fordras inte bara att mätningen av enskilda mätenheter utförts instruktionsenligt. Minst lika viktigt är att urvalet av stickprovsenheterna skett på ett riktigt sätt och att uttagna enheter i redovisningen verkligen tillförts stickprovet. Om dessa senare villkor inte är uppfyllda är risken för snedvridning av mätresultatet nämligen mycket stor. Det allvarliga är dessutom att resultatet kan påverkas av omständigheter som ligger utanför "slumpens" lagar och att vi därigenom får fel som i stort sett är utanför vår kontroll. Vi vet inget om deras storlek och inte heller åt vilket håll de "slår". Den enda möjligheten att gardera sig mot denna typ av fel är att vid tillämpningen av stickprovsmetoder beakta bl a att varje mätenhet i kollektivet tilldelas samma sannolikhet att ingå i stickprovet att av mätningen berörd part (leverantör, köpare, transportör) ej i förväg får känna till när stickprov kommer att utfalla att uttag av stickprov får ske först sedan mätdata från totalmätningen registrerats att uttagen stickprovsenhet alltid skall mätas och redovisas som stickprov. Det kan emellanåt inträffa att en stickprovstrave i ett eller annat avseende är extrem. Den får emellertid av denna anledning inte strykas ur stickprovet utan den skall mätas och redovisas på samma sätt som alla andra stickprovstravar.

15 Uteslutning Uteslutning av provtrave kan, trots vad som sagts ovan, under vissa förutsättningar bli aktuell. Ansvaret för uteslutning av provtrave ligger på föreningens VD/mätningschef eller den han utsett i sitt ställe och den måste bygga på mycket väl dokumenterade omständigheter eller fakta. Motiven till uteslutning kan vara flera men följande kan i första hand vara värda att nämna: 1. Provtravens identitet har ändrats mellan ordinarie mätning och mätningen av stickprovet. 2. Provtravens innehåll har ändrats genom att stockar förkommit eller tillförts. 3. Kvoten mellan provtravens fastvolym enligt ordinarie mätning och fastvolymen enligt stockmätningen av traven avviker mer än ± 30 % från stickprovsmedelvärdet eller kvoten mellan provtravens fastvolym och dess vikt i ton avviker mer än ± 40 % från stickprovets medelvärde. Mätningsenhet som uteslutits som provtrave skall trots detta fortsatt tillhöra kollektivet och värderas på samma sätt som övriga travar. 3. ÖVRIGA MÄTNINGSTILLÄMPNINGAR MED STICKPROV. Stickprov i samband med virkesmätning förekommer i ett flertal olika former vid sidan av de i föregående avsnitt beskrivna stickprovsmetoderna. Urvalsprincipen kan vara strikt slumpmässig eller också mer eller mindre behäftad med subjektiva inslag. Systemet stockvis kontroll bygger på urval av enskilda stickprovsstockar med hjälp av slumpvalsgenerator. Stockarna mäts av såväl ordinarie mätare som kontrollmätare och utgör underlag för s k funktionskontroll. Eftersom all den ordinarie stockmätning som berörs av systemet är utsatt för en ständig "risk" för utfall av kontrollstock finns garantier för att alla stockar, oavsett om de kommer att utgöra kontrollstockar eller ej, mäts med en noggrannhet och omsorg, som är oberoende av kontrollmomentet. Urvalet sker helt slumpmässigt och påverkas enbart av inställd kontrollstocksfrekvens. Utfall av kontrollstock skall dessutom "kvitteras" vilket gör det möjligt att se till att samtliga kontrollstockar verkligen blir föremål för kontroll. Visst bortfall av kontrollstockar kan förekomma, t ex genom misstag vid tömning av kontrollfack, men detta får inte ses som någon brist i urvalsmetoden.

16 "synlig del av mätenhet" "representativt urval" I gällande mätningsbestämmelser finns ett flertal exempel på förenklade, delvis subjektivt präglade stickprovsförfaranden, som är tillåtna vid den ordinarie mätningen. Sålunda får vid stockmätning på transportör och vid mätning av trave, behandling ske med utgångspunkt från "synlig del av mätenhet" under förutsättning att möjligheter finns för fullständig behandling av hela mätenheten. Vidare får vid stockmätning och vägning av massaved behandlingen grundas på bedömning av varje stock eller av ett "representativt urval" av stockar. På motsvarande sätt gäller vid travmätning av massaved att behandlingen får grundas på bedömning av hel trave eller av ett "representativt urval" av stockar ur traven. Bestämmelsen om bedömning med utgångspunkt från synlig del av mätenheten bygger på den förutsättningen att stockar när de matas på transportör eller läggs i trave placeras utan tendens till vridning eller vändning i avsikt att dölja skador eller fel för mätaren. Vanligtvis är läggningen gjord utan sådana avsikter och de fel man därvid riskerar att göra vid bedömning med ledning av synlig del av mätenheten är enbart av slumpmässig art. Dessa fel jämnar ut sig med tiden, vilket gör att mätningen som helhet betraktad blir korrekt Som mätare måste man emellertid vara på sin vakt inför möjligheten att läggningen - oavsiktligt eller inte - kan vara "styrd". Upptäcker man inte detta och utför bedömning med ledning av den del man ser av mätenheten, blir resultatet ett systematiskt fel, som vanligtvis innebär övervärdering. Det är alltså viktigt att fortlöpande under mätningen, såvida inte läggningen är mekaniserad eller man själv har den under uppsikt, förvissa sig om att läggningen verkligen är slumpmässig. Visar det sig eller misstänker man att läggningen gjorts i syfte att dölja skador och fel på virket, är man skyldig att utföra en "fullständig" behandling med ledning av hela mätenheten. En i praktiken inte alltför ovanlig situation är att stockarna i trave med massaved på fordon är grupperade eller sorterade med hänsyn till rötförekomst. Orsak till detta kan vara att traven är sammansatt av virke från vägtravar med olika avverkningstidpunkter. Märker eller misstänker man att virket i den eller de travar, som inte är helt åtkomliga för bedömning, avviker från övriga travar vad gäller t ex kvalitet eller vrakförekomst, får traven (arna) inte mätas in förrän de aktuella ändytesidorna frilagts. Vanligen måste detta ske genom att en eller flera travar lastas av. En "fullständig" behandling förutsätter alltså att traves båda ändytesidor är åtkomliga för bedömning.

17 Behandling av massaved får, som tidigare framhållits, både vid stockmätning, vägning och travmätning, grundas på bedömning av antingen varje stock eller av ett "representativt" urval av stockar. Innebörden av begreppet representativ är i detta fallet att de utvalda stockarna tillsammans skall ge en rättvisande bild av tillståndet hos övriga stockar i virkespartiet vad gäller t ex rötförekomst. Man kan säga att de utvalda stockarna utgör en "förminskad" bild av partiet i övrigt. Villkoren för att detta skall gälla är emellertid att stockarna valts slumpmässigt. Detta kan tekniskt lösas på flera olika sätt när virket ligger i trave. En modell kan vara att utnyttja någon form av taxering längs slumpvis utlagda "linjer" eller med ett rutnät. För stora travar, exempelvis vid väg, kan en lämplig metod vara att välja mindre sektioner i vilka samtliga stockar bedöms. Sektionerna väljs lämpligen på visst bestämt avstånd från varandra, d v s urvalet blir i princip systematiskt. 4. FELTEORI AVVIKELSER OCH FEL VID MÄTNING 4.1 Allmänt Storhetsvärde Sanna värdet Syftet med en mätning är att bestämma ett s k storhetsvärde. För att ta ett exempel från virkesmätningen så kan detta värde gälla längd eller diameter hos en stock eller något av måtten för en traves längd, bredd och höjd. Beroende på att varken mätdon eller föremål för mätning är felfria och att man aldrig kan fullständigt beskriva hur såväl omgivningen som den som utför mätningen påverkar mätresultatet, är det omöjligt att göra en felfri mätning, d v s en mätning som till resultat ger det s k sanna värdet. Detta värde är alltså enbart ett teoretiskt värde som aldrig kan bestämmas genom experiment. Detta innebär vidare att inte heller det "sanna" mätfelet, d v s avvikelsen mellan det mätta värdet och det "sanna" värdet, kan fastställas. För att användaren av ett mätresultat skall kunna bedöma dess kvalitet är det likväl nödvändigt att ange realistiska gränser inom vilka det "sanna" värdet antas ligga. Det är ändamålsenligt att dela in mätfelen i systematiska och tillfälliga fel. Dessutom bör tilläggas de grova felen, som normalt inte har något samband med den egentliga mätningen. Det totala felet kan mot denna bakgrund tecknas på följande sätt: Grovt fel Fel = grovt fel + systematiskt fel + tillfälligt fel. 4.2 Grovt fel Grova fel kan uppstå genom t ex felavläsning, missuppfattning eller hörfel vid avrop, omkastning av siffror eller slarv vid registreringen. Fel av denna typ kan vara stora och därmed lätta att upptäcka med rimlighetskontroll men de kan lika gärna vara av sådan storlek att de ligger inom rimliga gränser i förhållande till det "sanna" värdet. Det grova felet uppträder "oberäkneligt" och är därför vanligen mycket svårt att beakta vid utvärderingen av ett mätresultat.

18 Systematiskt fel Konstant Relativt Kalibrering Handelsvolym Tillfälliga fel Konfidensintervall 4.3 Systematiskt fel Förekomsten av ett systematiskt fel innebär att mätsystemet har en benägenhet att mäta något annat än det storhetsvärde som egentligen skall bestämmas vid mätningen. Ett systematiskt fel uppträder antingen i form av en till storleken fast (konstant) avvikelse från det "sanna" värdet eller också utgör det en viss bestämd andel av detta. Felet kallas i det senare fallet relativt. Storleken av de flesta systematiska fel kan bestämmas och beaktas genom kalibrering av använda mätdon. Avvikelsen elimineras alltså genom någon form av korrektion. Systematiska fel kan uppstå vid användning av defekta eller felaktigt justerade mätredskap eller utrustningar för mätning. Denna typ av "fel" förekommer även som ett accepterat inslag i vissa mätmetoder inom virkesmätningen. Exempelvis ger metoden stockmätning av fastvolym endast i undantagsfall virkets verkliga fysiska volym. Resultatet blir i stället en handelsvolym, som kan avvika avsevärt från den verkliga volymen. Det kanske vanligaste och mest påfallande exemplet är den volym som erhålls genom toppmätning. 4.4 Tillfälliga fel Den som inte är insatt i hur det i verkligheten förhåller sig kan lätt tro att upprepade mätningar av samma storhetsvärde ger samma resultat. Alla som sysslat med mätningar vet emellertid att så inte är fallet. Även om man anstränger sig till det yttersta för att hålla de yttre betingelserna konstanta, får man en spridning mellan mätvärdena. Spridningen beror på förekomsten av tillfälliga fel. De tillfälliga felen är vanligen normalfördelade. Om man känner deras standardavvikelse är det därför möjligt att beräkna det intervall inom vilket det "sanna" värdet med känd sannolikhet ligger. Detta intervall kallas konfidensintervall och har berörts tidigare under avsnittet 1.5, Tolkning av medelfel. På grund av det tillfälliga felets natur är det också möjligt att öka precisionen vid bestämningen av t ex ett medelvärde genom att öka antalet mätvärden. 4.5 Noggrannhet och precision När man vill beskriva "kvaliteten" hos ett mätresultat talar man i vissa fall om noggrannhet, i andra fall om precision utan att närmare fundera över dessa begrepps egentliga innebörd.

19 Noggrannhet Precision Noggrannheten eller mer egentligt uttryckt onoggrannheten - hos en mätning avser avvikelsen för en enskild mätning från det "sanna" eller verkliga värdet. Detta värde skall då vara bestämt med så hög kvalitet att det kan betraktas som felfritt. Något sådant verkligt värde existerar inte vid tillämpning av de mätmetoder som är aktuella inom virkesmätningen. Det saknas nämligen metoder att göra en så högkvalitativ mätning att den kan betraktas som felfri. Begreppet noggrannhet är alltså inte helt korrekt i virkesmätningssammanhang. Den kvalitetsegenskap som istället kan och bör utnyttjas är precisionen i mätningarna. Med precisionen avses graden av överensstämmelse mellan resultaten av upprepade mätningar av samma storhet. Man kan också beskriva precisionen som ett mått på de enskilda mätvärdenas avvikelse från sitt medelvärde. Bild 3. Samband mellan noggrannhet och precision 4.6 Mätmetoders noggrannhet Stockmätning Toppmätt volym Samtliga de metoder för stockmätning som används för att bestämma ett virkespartis fastvolym är behäftade med större eller mindre systematiska fel. Det kanske mest framträdande "felet" gäller avvikelsen mellan toppmätt volym och "verklig" volym. Med "verklig" volym avses här den mängd vatten som en i ett vattenfyllt mätkar helt nedsänkt stock skulle tränga undan. För att jämförelsen skall vara riktig förutsätts också att mätningen i båda fallen utförts på bark.

20 Även om avvikelsen mellan "verklig" volym och motsvarande handelsmått kan vara stor saknar den normalt praktisk betydelse för värdeberäkningen. Priset på handelsmåttet sätts nämligen i medvetande om den avvikelse som finns i förhållande till den verkliga volymen. Volymskillnaden är så att säga inbyggd i priset. Mittmätning Topprotmätning Även mittmätning och topprotmätning ger systematiska fel som emellertid normalt inte är större än att man i praktiken ofta jämställer mittmätt och topprotmätt volym med "verklig" volym. Erfarenheterna har dock visat att det vid mittmätning av rotstockar, är motiverat att räkna upp denna volym ett antal procent för att förbättra överensstämmelsen med verklig volym. Volymberäkning enligt topprotmätning har sedan länge ansetts vara en mycket noggrann metod för bestämning av stockens volymer. Med tiden har det dock visat sig att den för grövre och längre stockar ger en viss överskattning av volymen, främst hos rotstockar av gran. Därför gjordes under åren 1997 och 1998 en större utredning som gav till resultat att konstanterna i formeln ändrades från och med mätningssäsongens början Från att ha tillämpat endast en rotkonstant i formeln gäller nu skilda konstanter beroende på stockens längd och toppdiameter. Formeln som sådan har det utseende som framgår nedan medan aktuella konstanter visas i tabellen. Vid topprotmätning beräknas således volymen av stock enligt formeln: 2 [ ] 1 π Dr Dt där V betecknar stockens volym i m³, L betecknar stockens längd i dm samt D r och D t dess rot- respektive toppdiameter i cm. För konstanten α i formeln gäller de värden som framgår av följande tabell: 2 V = L α + ( 1 α ) Toppdiameter Längdklass, cm (cm) Travmätning ,485 0,485 0, ,465 0,460 0, ,440 0,430 0,420 Bestämningen av en traves bruttovolym, d v s produkten av längd, bredd och höjd, kan i allmänhet ske med rätt hög precision. Upprepade mätningar ger alltså volymer som ligger nära varandra. Däremot är noggrannheten i mätningen i allmänhet låg om man med travmätning syftar till att få ett mått på travens "verkliga" volym (fastvolym eller vedvolym) och därmed dess värde.

21 Sedan år 1973 tillämpas för bestämning av fastvolym och virkesvärde av en trave metoden travmätning med bedömning av fastvolymprocent. När handelsmåttet avser volym under bark bedöms på motsvarande sätt vedvolymprocent. Noggrannheten hos denna mätmetod är givetvis betydligt högre än vid enbart travmätning eftersom fastvolymen respektive vedvolymen är ett bättre mått på travinnehållets "verkliga" värde än enbart travvolymen. På grund av den osäkerhet som ingår i bedömningsmomentet är emellertid precisionen lägre än vid enbart travmätning. 4.7 Relativt fel vid mätning Vid mätning av en stocks längd eller diameter kan som tidigare nämnts såväl tillfälliga som systematiska fel förekomma. Oavsett felets art gäller emellertid att ett fel av den storlek, som normalt förekommer, relativt sett betyder mindre på längdmåttet än på diametermåttet. Ett fel på längdmåttet är ofta begränsat till 1, högst 2 dm, och detta gör för en stock med längden 45 dm endast 2,2 respektive 4,4 %. Ett fel i diameterbestämningen om 1 eller 2 cm blir omedelbart betydligt större. Beaktas dessutom diameterfelets inverkan på volymbestämningen kan felet bli allvarligt på grund av den kvadrering som sker i formeln för en cirkels grundyta. Ett fel på 1 cm hos en stock med diametern 20 cm gör 5 % på diametermåttet men hela 10,25 % på grundytan och därmed också på volymen.

Skogsstyrelsens författningssamling

Skogsstyrelsens författningssamling Skogsstyrelsens författningssamling ISSN 0347-5212 Skogsstyrelsens föreskrifter om virkesmätning beslutade den X månad 2015. SKSFS 2015:X Utkom från trycket den X månad 2015. Sakord: Virkesmätning Skogsstyrelsen

Läs mer

Studietyper, inferens och konfidensintervall

Studietyper, 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 mer

Godkännande och kontroll av automatisk diameterfördelning av stockar i trave

Godkännande och kontroll av automatisk diameterfördelning av stockar i trave Nationella instruktioner för virkesmätning Sida 1 av 6 Godkännande och kontroll av automatisk diameterfördelning av stockar i trave 1 ALLMÄNT OM GODKÄNNANDE OCH KONTROLL AV UTRUSTNING FÖR AUTOMATISK DIAMETERFÖRDELNING

Läs mer

MAS Mobil Automatisk Stockmätning

MAS Mobil Automatisk Stockmätning MAS Mobil Automatisk Stockmätning Massaved mäts vanligtvis in genom ett så kallat kollektiv där slumpvis uttagna provtravar mäts in stockvis. Tidigare utfördes denna stockmätning helt manuellt. Idag används

Läs mer

Föreläsning 4. Kapitel 5, sid Stickprovsteori

Föreläsning 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 mer

F9 SAMPLINGFÖRDELNINGAR (NCT

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

Läs mer

Från avtal till redovisning

Från avtal till redovisning Från avtal till redovisning Så här fungerar det när du säljer virke Information om virkesmätning och virkesredovisning i Sverige Så här fungerar det när du säljer virke Redovisning Avtal Mätbesked Kontrakt

Läs mer

Lektionsanteckningar 11-12: Normalfördelningen

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

Läs mer

5.1 IDENTIFIERING, MÄTNING OCH

5.1 IDENTIFIERING, MÄTNING OCH 5.1 IDENTIFIERING, MÄTNING OCH REDOVISNING Kontroll av virkets identitet Den grundläggande uppgiften, när virke mäts in eller avlämningsregistreras vid industri eller annan mottagningsplats, är att identifiera

Läs mer

Från avtal till redovisning

Från avtal till redovisning Från avtal till redovisning Så här fungerar det när du säljer virke Information om virkesmätning och virkesredovisning i Sverige Så här fungerar det när du säljer virke Redovisning Avtal Mätbesked Kontrakt

Läs mer

Kontroll av sektionsmätt stockvolym

Kontroll av sektionsmätt stockvolym VMK:s anvisningar för kontroll av virkesmätning Sida 1 av 5 Kontroll av sektionsmätt stockvolym 1 Syfte... 2 2 Allmänt om godkännande och kontroll av mätteknik för automatisk stockmätning... 2 3 Tester

Läs mer

Finns det över huvud taget anledning att förvänta sig något speciellt? Finns det en generell fördelning som beskriver en mätning?

Finns det över huvud taget anledning att förvänta sig något speciellt? Finns det en generell fördelning som beskriver en mätning? När vi nu lärt oss olika sätt att karaktärisera en fördelning av mätvärden, kan vi börja fundera över vad vi förväntar oss t ex för fördelningen av mätdata när vi mätte längden av en parkeringsficka. Finns

Läs mer

F3 Introduktion Stickprov

F3 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 mer

Introduktion. Konfidensintervall. Parade observationer Sammanfattning Minitab. Oberoende stickprov. Konfidensintervall. Minitab

Introduktion. 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 mer

Tillredningskrav på MÄTRINGSVÄGRAN TRÄDSLAG. Endast vanlig gran (torrgran tillåts ej) Björk, asp och övrigt löv (varierar mellan mottagningsplatser)

Tillredningskrav på MÄTRINGSVÄGRAN TRÄDSLAG. Endast vanlig gran (torrgran tillåts ej) Björk, asp och övrigt löv (varierar mellan mottagningsplatser) Mätning av massaved VMF Qberas mätmetod, TBFS-mätning, gör mätningen av massaved mer effektiv än traditionell mätning. I jämförelse med den tidigare mätmetoden, TBF-mätning, minimeras framförallt systematiska

Läs mer

BIOSTATISTISK GRUNDKURS, MASB11 ÖVNING 6 (2015-04-22) OCH INFÖR ÖVNING 7 (2015-04-29)

BIOSTATISTISK 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 mer

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

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

Läs mer

Forskningsmetodik 2006 lektion 2

Forskningsmetodik 2006 lektion 2 Forskningsmetodik 6 lektion Per Olof Hulth hulth@physto.se Slumpmässiga och systematiska mätfel Man skiljer på två typer av fel (osäkerheter) vid mätningar:.slumpmässiga fel Positiva fel lika vanliga som

Läs mer

Föreläsning 2. NDAB01 Statistik; teori och tillämpning i biologi

Föreläsning 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 mer

F8 Skattningar. Måns Thulin. Uppsala universitet Statistik för ingenjörer 14/ /17

F8 Skattningar. Måns Thulin. Uppsala universitet Statistik för ingenjörer 14/ /17 1/17 F8 Skattningar Måns Thulin Uppsala universitet thulin@math.uu.se Statistik för ingenjörer 14/2 2013 Inledande exempel: kullager Antag att diametern på kullager av en viss typ är normalfördelad N(µ,

Läs mer

Analys av medelvärden. Jenny Selander , plan 3, Norrbacka, ingång via den Samhällsmedicinska kliniken

Analys 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 mer

Introduktion till statistik för statsvetare

Introduktion till statistik för statsvetare och enkäter "Det finns inget så praktiskt som en bra teori" September 2011 och enkäter Inledning Inledning Om vi vill mäta en egenskap hos en population individer (individer kan vara personer, företag

Läs mer

SF1901: SANNOLIKHETSTEORI OCH STATISTIKTEORI KONSTEN ATT DRA INTERVALLSKATTNING. STATISTIK SLUTSATSER. Tatjana Pavlenko.

SF1901: 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 mer

Nya eller reviderade mätningsinstruktioner

Nya eller reviderade mätningsinstruktioner Nya eller reviderade mätningsinstruktioner 1 Under 2014 införs nya eller reviderade mätningsinstruktioner SDCs instruktioner för virkesmätning Ny struktur VMR 1-99 fasas ut Arbetsgång och förankring: Instruktionsgrupp,

Läs mer

F14 HYPOTESPRÖVNING (NCT 10.2, , 11.5) Hypotesprövning för en proportion. Med hjälp av data från ett stickprov vill vi pröva

F14 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 mer

Experimentella metoder 2014, Räkneövning 1

Experimentella metoder 2014, Räkneövning 1 Experimentella metoder 04, Räkneövning Problem : Tio mätningar av en resistans gav följande resultat: Mätning no. Resistans (Ω) Mätning no Resistans (Ω) 0.3 6 0.0 00.5 7 99.98 3 00.0 8 99.80 4 99.95 9

Läs mer

1 Mätdata och statistik

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

Läs mer

Föreläsning G60 Statistiska metoder

Föreläsning G60 Statistiska metoder Föreläsning 5 Statistiska metoder 1 Dagens föreläsning o Konfidensintervall För andelar För medelvärden Vid jämförelser o Den statistiska felmarginalen o Stickprovsstorlek 2 Introduktion När man beräknar

Läs mer

SF1901: Sannolikhetslära och statistik. Statistik: Intervallskattning (konfidensintervall)

SF1901: 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 mer

EXEMPEL PÅ FRÅGESTÄLLNINGAR INOM STATISTIK- TEORIN (INFERENSTEORIN):

EXEMPEL 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 mer

FÖRELÄSNING 7:

FÖRELÄSNING 7: FÖRELÄSNING 7: 2016-05-10 LÄRANDEMÅL Normalfördelningen Standardnormalfördelning Centrala gränsvärdessatsen Konfidensintervall Konfidensnivå Konfidensintervall för väntevärdet då variansen är känd Samla

Läs mer

Mätningsinstruktion för massaved

Mätningsinstruktion för massaved 2006-08-01 Mätningsinstruktion för massaved rekommenderad av Rådet för virkesmätning och redovisning VMR 1-06 Dokumentet ersätter från 1 augusti 2006 tillämpliga delar av sidorna 19-21 (kap 4 Mätningsinstruktion

Läs mer

Föreläsning 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 Föreläsning 4 732G19 Utredningskunskap I Föreläsningsunderlagen bygger på underlag skapade av Kalle Wahlin Dagens föreläsning Systematiskt urval Väntevärdesriktiga skattningar Jämförelse med OSU Stratifierat

Läs mer

Några vanliga fördelningar från ett GUM-perspektiv

Några vanliga fördelningar från ett GUM-perspektiv Några vanliga fördelningar från ett GUM-perspektiv I denna PM redovisas några av de vanligaste statistiska fördelningarna och deras hantering inom ramen för GUM: Guide to the Expression of Uncertainty

Läs mer

TMS136. Föreläsning 10

TMS136. 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 mer

Vad är rätt och vad är fel?

Vad är rätt och vad är fel? Vad är rätt och vad är fel? Inledning - Mikael Lilje, Lantmäteriet I vår verksamhet ingår troligen att vi utnyttjar inmätt geografisk information. För att kunna hantera informationen på ett så korrekt

Läs mer

Hypotesprövning. 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 Andrew Hooker Division of Pharmacokinetics and Drug Therapy Department of Pharmaceutical Biosciences Uppsala University Hypotesprövning Liksom konfidensintervall ett hjälpmedel för att

Läs mer

SF1901: Sannolikhetslära och statistik. Statistik: Intervallskattning (konfidensintervall) Jan Grandell & Timo Koski

SF1901: 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 mer

ALLMÄNT RÖRANDE SDC:s INSTRUKTIONER FÖR VIRKESMÄTNING

ALLMÄNT RÖRANDE SDC:s INSTRUKTIONER FÖR VIRKESMÄTNING SDC:s instruktioner för virkesmätning ALLMÄNT RÖRANDE SDC:s INSTRUKTIONER FÖR VIRKESMÄTNING 2014-12-01 Instruktionen får tillämpas från och med 1 januari 2014 enligt beslut av SDC:s styrelse. Datum för

Läs mer

Urvalsmetoder: Sannolikhetsurval resp. icke-sannolikhetsurval, OSU (kap )

Urvalsmetoder: 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 mer

F9 Konfidensintervall

F9 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 mer

, s a. , s b. personer från Alingsås och n b

, 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 mer

Ny kvalitetsklassning av massaved

Ny kvalitetsklassning av massaved Ny kvalitetsklassning av massaved Den 1 augusti 2019 införs travvis klassning i prima, sekunda respektive utskott/mätningsvägran Klassningen ersätter nuvarande bestämning av vrakandel Innehåll Inledande

Läs mer

SKÄPPMÄTNING AV SÖNDERDELAD SKOGSRÅVARA

SKÄPPMÄTNING AV SÖNDERDELAD SKOGSRÅVARA Version 2019-01-01 beslutas av Biometrias styrelse efter rekommendation från Rådet för mätning och redovisning (RMR) SKÄPPMÄTNING AV SÖNDERDELAD SKOGSRÅVARA Innehåll 1 Inledning... 3 1.1 lagstiftning om

Läs mer

Mätdonet bör fungera tillförlitligt under alla drivningsförhållanden.

Mätdonet bör fungera tillförlitligt under alla drivningsförhållanden. BILAGA 1 VIRKESMÄTNING MED SKÖRDARE 1(5) VIRKESMÄTNING MED SKÖRDARE 1 Definition Mätdonets egenskaper 3 Krav på mätdonet Med virkesmätning med skördare avses att volymen hos virke som upparbetas med avverkningsmaskin

Läs mer

Vi har en ursprungspopulation/-fördelning med medelvärde µ.

Vi 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 mer

SKOGLIGA TILLÄMPNINGAR

SKOGLIGA TILLÄMPNINGAR STUDIEAVSNITT 3 SKOGLIGA TILLÄMPNINGAR I detta avsnitt ska vi titta på några av de skogliga tillämpningar på geometri som finns. SKOGSKARTAN EN MODELL AV VERKLIGHETEN Arbetar man i skogen klarar man sig

Läs mer

Urval. Slumpmässiga urval (sannolikhetsurval) Fördelar med slumpmässiga urval

Urval. 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 mer

Föreläsning 1. NDAB02 Statistik; teori och tillämpning i biologi

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

Läs mer

SF1901 Sannolikhetsteori och statistik I

SF1901 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 mer

34% 34% 13.5% 68% 13.5% 2.35% 95% 2.35% 0.15% 99.7% 0.15% -3 SD -2 SD -1 SD M +1 SD +2 SD +3 SD

34% 34% 13.5% 68% 13.5% 2.35% 95% 2.35% 0.15% 99.7% 0.15% -3 SD -2 SD -1 SD M +1 SD +2 SD +3 SD 6.4 Att dra slutsatser på basis av statistisk analys en kort inledning - Man har ett stickprov, men man vill med hjälp av det få veta något om hela populationen => för att kunna dra slutsatser som gäller

Läs mer

Betrakta kopparutbytet från malm från en viss gruva. För att kontrollera detta tar man ut n =16 prover och mäter kopparhalten i dessa.

Betrakta kopparutbytet från malm från en viss gruva. För att kontrollera detta tar man ut n =16 prover och mäter kopparhalten i dessa. Betrakta kopparutbytet från malm från en viss gruva. Anta att budgeten för utbytet är beräknad på att kopparhalten ligger på 70 %. För att kontrollera detta tar man ut n =16 prover och mäter kopparhalten

Läs mer

Uppgift 1 (a) För två händelser, A och B, är följande sannolikheter kända

Uppgift 1 (a) För två händelser, A och B, är följande sannolikheter kända Avd. Matematisk statistik TENTAMEN I SF90, SANNOLIKHETSTEORI OCH STATISTIK, TISDAGEN DEN 9:E JUNI 205 KL 4.00 9.00. Kursledare: Tatjana Pavlenko, 08-790 84 66 Tillåtna hjälpmedel: Formel- och tabellsamling

Läs mer

Samplingfördelningar 1

Samplingfördelningar 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 mer

9. Konfidensintervall vid normalfördelning

9. 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 mer

STATISTISK POWER OCH STICKPROVSDIMENSIONERING

STATISTISK 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 mer

SF1905 Sannolikhetsteori och statistik: Lab 2 ht 2011

SF1905 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 mer

2 Dataanalys och beskrivande statistik

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

Läs mer

FÖRELÄSNING 8:

FÖRELÄSNING 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 mer

Föreläsning G60 Statistiska metoder

Föreläsning 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 mer

13.1 Matematisk statistik

13.1 Matematisk statistik 13.1 Matematisk statistik 13.1.1 Grundläggande begrepp I den här föreläsningen kommer vi att definiera och exemplifiera ett antal begrepp som sedan kommer att följa oss genom hela kursen. Det är därför

Läs mer

Varför statistik? det finns inga dumma frågor, bara dumma svar! Serik Sagitov

Varför 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 mer

Godkännande och kontroll av askhaltsmätare för mindre provmängder

Godkännande och kontroll av askhaltsmätare för mindre provmängder VMKs anvisningar för kontroll av virkesmätning Sida 1 av 5 Godkännande och kontroll av askhaltsmätare för mindre provmängder ALLMÄNT OM GODKÄNNANDE OCH KONTROLL AV UTRUSTNING FÖR ERSÄTTNINGSGRUNDANDE VIRKESMÄTNING...

Läs mer

Tentamentsskrivning: Matematisk Statistik med Metoder MVE490 1

Tentamentsskrivning: 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 mer

Skattning av volym m h a vikt, samt efterföljande stockmätning av utfallna stickprov 5:2 mätning

Skattning av volym m h a vikt, samt efterföljande stockmätning av utfallna stickprov 5:2 mätning Johnny Johansson VMU/VMK 2011-06-16 Skattning av volym m h a vikt, samt efterföljande stockmätning av utfallna stickprov 5:2 mätning Inledning Inom stora delar av VMF Nords verksamhetsområde tillämpas

Läs mer

Parade och oparade test

Parade 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 mer

Experimentella metoder, FK3001. Datorövning: Finn ett samband

Experimentella metoder, FK3001. Datorövning: Finn ett samband Experimentella metoder, FK3001 Datorövning: Finn ett samband 1 Inledning Den här övningen går ut på att belysa hur man kan utnyttja dimensionsanalys tillsammans med mätningar för att bestämma fysikaliska

Läs mer

TMS136. Föreläsning 7

TMS136. Föreläsning 7 TMS136 Föreläsning 7 Stickprov När vi pysslar med statistik handlar det ofta om att baserat på stickprovsinformation göra utlåtanden om den population stickprovet är draget ifrån Situationen skulle kunna

Läs mer

KOMPLETTERANDE INSTRUKTIONER GÄLLANDE MÄTNING AV RUNDVIRKE

KOMPLETTERANDE INSTRUKTIONER GÄLLANDE MÄTNING AV RUNDVIRKE KOMPLETTERANDE INSTRUKTIONER GÄLLANDE MÄTNING AV RUNDVIRKE INNEHÅLL Detta cirkulär är ett komplement till SDCs instruktioner gällande massaved, barrsågtimmer samt bränsleved och därtill hörande tillämpningsanvisningar.

Läs mer

Styrelsens för teknisk ackreditering författningssamling

Styrelsens för teknisk ackreditering författningssamling Styrelsens för teknisk ackreditering författningssamling ISSN 1101-7805 Utgivare: Erik Hansson STAFS 1993:16 Utkom från trycket 1994-01-8 Styrelsens för teknisk ackreditering särskilda föreskrifter om

Läs mer

LKT325/LMA521: Faktorförsök

LKT325/LMA521: Faktorförsök Föreläsning 2 Innehåll Referensfördelning Referensintervall Skatta variansen 1 Flera mätningar i varje grupp. 2 Antag att vissa eekter inte existerar 3 Normalfördelningspapper Referensfördelning Hittills

Läs mer

Repetitionsuppgifter inför Matematik 1. Matematiska institutionen Linköpings universitet 2013

Repetitionsuppgifter inför Matematik 1. Matematiska institutionen Linköpings universitet 2013 Repetitionsuppgifter inför Matematik Matematiska institutionen Linköpings universitet 0 Innehåll De fyra räknesätten Potenser och rötter 7 Algebra 0 4 Facit 4 Repetitionsuppgifter inför Matematik Repetitionsuppgifter

Läs mer

Hur skriver man statistikavsnittet i en ansökan?

Hur 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 mer

Kort om mätosäkerhet

Kort om mätosäkerhet Kort om mätosäkerhet Henrik Åkerstedt 14 oktober 2014 Introduktion När man gör en mätning, oavsett hur noggrann man är, så får man inte exakt rätt värde. Alla mätningar har en viss osäkerhet. Detta kan

Läs mer

LÖSNINGAR TILL. Matematisk statistik, Tentamen: kl FMS 086, Matematisk statistik för K och B, 7.5 hp

LÖSNINGAR TILL. Matematisk statistik, Tentamen: kl FMS 086, Matematisk statistik för K och B, 7.5 hp LÖSNINGAR TILL Matematisk statistik, Tentamen: 011 10 1 kl 14 00 19 00 Matematikcentrum FMS 086, Matematisk statistik för K och B, 7.5 hp Lunds tekniska högskola MASB0, Matematisk statistik kemister, 7.5

Läs mer

TENTAMEN I SF2950 (F D 5B1550) TILLÄMPAD MATEMATISK STATISTIK, TORSDAGEN DEN 3 JUNI 2010 KL

TENTAMEN 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 mer

b) Beräkna väntevärde och varians för produkten X 1 X 2 X 10 där alla X i :na är oberoende och R(0,2). (5 p)

b) Beräkna väntevärde och varians för produkten X 1 X 2 X 10 där alla X i :na är oberoende och R(0,2). (5 p) Avd. Matematisk statistik TENTAMEN I SF190 (f d 5B2501 ) SANNOLIKHETSLÄRA OCH STATISTIK FÖR - ÅRIG MEDIA MÅNDAGEN DEN 1 AUGUSTI 2012 KL 08.00 1.00. Examinator: Gunnar Englund, tel. 07 21 7 45 Tillåtna

Läs mer

Lösningsförslag till Matematisk statistik LKT325 Tentamen

Lösningsförslag till Matematisk statistik LKT325 Tentamen Lösningsförslag till Matematisk statistik LKT325 Tentamen 20190115 Kursansvarig: Reimond Emanuelsson Betygsgränser: för betyg 3 krävs minst 20 poäng, för betyg 4 krävs minst 30 poäng, för betyg 5 krävs

Läs mer

Statistikens grunder. Mattias Nilsson Benfatto, Ph.D

Statistikens grunder. Mattias Nilsson Benfatto, Ph.D Statistikens grunder Mattias Nilsson Benfatto, Ph.D Vad är statistik? Statistik är en gren inom tillämpad matematik som sysslar med insamling, utvärdering, analys och presentation av data eller information.

Läs mer

Harmoniserad mätning av importerad massaved

Harmoniserad mätning av importerad massaved 24 VMR Harmoniserad mätning av importerad massaved Slutrapport från en utredning utförd inom VMR-avdelningen vid SDC Juni 2007 Göte Bengtsson 14 VMR Harmoniserad mätning av importerad massaved Slutrapport

Läs mer

Grundläggande matematisk statistik

Grundläggande matematisk statistik Grundläggande matematisk statistik Linjär Regression Uwe Menzel, 2018 uwe.menzel@slu.se; uwe.menzel@matstat.de www.matstat.de Linjär Regression y i y 5 y 3 mätvärden x i, y i y 1 x 1 x 2 x 3 x 4 x 6 x

Läs mer

Repetitionsuppgifter inför Matematik 1-973G10. Matematiska institutionen Linköpings universitet 2014

Repetitionsuppgifter inför Matematik 1-973G10. Matematiska institutionen Linköpings universitet 2014 Repetitionsuppgifter inför Matematik - 7G0 Matematiska institutionen Linköpings universitet 04 Innehåll De fyra räknesätten Potenser och rötter 7 Algebra 0 4 Funktioner 4 Facit Repetitionsuppgifter inför

Läs mer

Grundläggande matematisk statistik

Grundläggande matematisk statistik Grundläggande matematisk statistik Kontinuerliga fördelningar Uwe Menzel, 8 www.matstat.de Begrepp fördelning Hur beter sig en variabel slumpmässigt? En slumpvariabel (s.v.) har en viss fördelning, d.v.s.

Läs mer

Föreläsning 5. Kapitel 6, sid Inferens om en population

Föreläsning 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 mer

Föreläsning 4. NDAB01 Statistik; teori och tillämpning i biologi

Föreläsning 4. NDAB01 Statistik; teori och tillämpning i biologi Föreläsning 4 Statistik; teori och tillämpning i biologi 1 Dagens föreläsning o Icke-parametriska test Mann-Whitneys test (kap 8.10 8.11) Wilcoxons test (kap 9.5) o Transformationer (kap 13) o Ev. Andelar

Läs mer

Förteckning över utredningar och rapporter redovisade genom Virkesmätningsrådet

Förteckning över utredningar och rapporter redovisade genom Virkesmätningsrådet 905 2000-01-28 Förteckning över utredningar och rapporter redovisade genom Virkesmätningsrådet Innehållsförteckning. 1. Aktuella instruktioner och cirkulär. 2. Volymbestämning. 3. Mätning genom stickprov.

Läs mer

Tillämpad statistik (A5), HT15 Föreläsning 6: Några övriga urvalsmetoder

Tillämpad 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 mer

Kvantitativa metoder en introduktion. Mikael Nygård, Åbo Akademi, vt 2018

Kvantitativa metoder en introduktion. Mikael Nygård, Åbo Akademi, vt 2018 Kvantitativa metoder en introduktion Mikael Nygård, Åbo Akademi, vt 2018 Vad är kvantitativ metod? Kvantitativa (siffermässiga) analyser av verkligheten: beskrivning och förklaringar av fenomen i fokus!

Läs mer

Föreläsning 4: Konfidensintervall (forts.)

Föreläsning 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 mer

Bark på massaved en studie över barkhalten i travar med massaved

Bark på massaved en studie över barkhalten i travar med massaved VMR virkesmätning och redovisning Bark på massaved en studie över barkhalten i travar med massaved November 2004 Lars Björklund 1 Innehåll Sammanfattning 2 Bakgrund 3 Material och metod 3 Platser och omfattning

Läs mer

Virkespriser D62 Leveransvirke Ångermanland och Medelpad

Virkespriser D62 Leveransvirke Ångermanland och Medelpad 1(5) Virkespriser D62 Leveransvirke Ångermanland och Medelpad Denna prislista gäller fr o m 2015-04-15 och tills vidare inom följande Skogsbruksområden: SBO Sollefteå SBO Borgsjö-Haverö SBO Torp-Stöde

Läs mer

Inledning till statistikteorin. Skattningar och konfidensintervall för μ och σ

Inledning 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 mer

Diskussionsproblem för Statistik för ingenjörer

Diskussionsproblem för Statistik för ingenjörer Diskussionsproblem för Statistik för ingenjörer Måns Thulin thulin@math.uu.se Senast uppdaterad 20 februari 2013 Diskussionsproblem till Lektion 3 1. En projektledare i ett byggföretaget ska undersöka

Läs mer

Om sannolikhet. Bengt Ringnér. August 27, Detta är introduktionsmaterial till kursen i matematisk statistik för lantmätarprogrammet

Om sannolikhet. Bengt Ringnér. August 27, Detta är introduktionsmaterial till kursen i matematisk statistik för lantmätarprogrammet Om sannolikhet Bengt Ringnér August 27, 2007 1 Inledning Detta är introduktionsmaterial till kursen i matematisk statistik för lantmätarprogrammet vid LTH hösten 2007. 2 Sannolikhetsteori Sannolikhetsteori,

Läs mer

SKÄPPMÄTNING AV SÖNDERDELAD SKOGSRÅVARA

SKÄPPMÄTNING AV SÖNDERDELAD SKOGSRÅVARA Version 2016-08-01 Nationella instruktioner för virkesmätning beslutas av SDC:s styrelse efter rekommendation från Rådet för mätning och redovisning (RMR) i samverkan med landets tre virkesmätningsföreningar

Läs mer

Ingenjörsmetodik IT & ME 2011 Föreläsning 11

Ingenjörsmetodik IT & ME 2011 Föreläsning 11 Ingenjörsmetodik IT & ME 011 Föreläsning 11 Sammansatt fel (Gauss regel) Felanalys och noggrannhetsanalys Mätvärden och mätfel Medelvärde, standardavvikelse och standardosäkerher (statistik) 1 Läsanvisningar

Läs mer

LULEÅ TEKNISKA UNIVERSITET Ämneskod S0002M MAM801 IEK309 Institutionen för matematik Datum Skrivtid

LULEÅ 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 mer

STOCKHOLMS UNIVERSITET FYSIKUM

STOCKHOLMS UNIVERSITET FYSIKUM STOCKHOLMS UNIVERSITET FYSIKUM Tentamensskrivning i Fysikexperiment, 7,5 hp, för FK2002 Onsdagen den 15 december 2010 kl. 9-14. Skrivningen består av två delar A och B. Del A innehåller enkla frågor och

Läs mer

KOMPLETTERANDE INSTRUKTIONER GÄLLANDE MÄTNING AV RUNDVIRKE

KOMPLETTERANDE INSTRUKTIONER GÄLLANDE MÄTNING AV RUNDVIRKE KOMPLETTERANDE INSTRUKTIONER GÄLLANDE MÄTNING AV RUNDVIRKE INNEHÅLL Detta cirkulär är ett komplement till nationella instruktionerna för virkesmätning och VMK:s tillämpningsanvisningar gällande massaved,

Läs mer

Thomas Önskog 28/

Thomas 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 mer