Statistik. Språkligt och historiskt betyder statistik ungefär sifferkunskap om staten
|
|
- Gustav Ek
- för 6 år sedan
- Visningar:
Transkript
1 Statistik Språkligt och historiskt betyder statistik ugefär sifferkuskap om state E Statistisk udersökig består av fyra delar: Plaerig Dataisamlig Bearbetig Beskrivade statistik (kap 1) Statistisk aalys (kap 7-10) Presetatio Statistiska udersökigar förekommer iom ästa alla veteskaper. Tex aturveteskap, tekik och samhällsveteskap. Det fis tre sorters löger: lög, förbaad lög och statistik 1
2 Fyra syfte med statistik Deskriptiv iformera, kartlägga Hypotesprövade Verifiera eller förkasta ett atagade (hypotes) Utredade kausala sambad, orsakssammahag Progosticerade vad häder i framtide?, vad häder om vi gör så här? alltför måga försöker spå om framtide, uta att es kua historie
3 Några valiga begrepp Elemet (idivid) - de som iformatio söks om Mägde av dessa elemet kallas ofta populatio. Populatioe ka vara ädlig eller oädlig. Total udersökig hela populatioe studeras Stickprovsudersökig del av populatioe studeras Stickprov - e del av populatioe Validitet - mäter vi det vi avser att mäta? Reliabilitet - är de mätigar vi gör tillförlitliga? Kategori variabel, (Kvalitativ, icke-umerisk variabel) färg, ogift, god mat, attityd, servicegrad, kudöjdhet (ka ges siffervärde) Kvatitativ variabel (umerisk) Kotiuerlig - alla (oädligt atal) värde iom ett itervall Diskret - vissa (ädligt atal) värde iom ett itervall 3
4 Något om mätskalor Variabel Kvalitativ (Icke-umerisk) Kvatitativ (Numerisk) Nomialskala (ebart klassificerig) Ordialskala (ordig) Itervallskala (ordig + differes) Kvotskala (ordig + differes + kvot) Ex. Ögofärg Ex. Betyg Ex. Vikt Ex. Temp ( K) Mats Guarsso Statistik LP 013 4
5 Ett exempel på stickprovsudersökig (icke-experimetell udersökig) E firma tillverkar mätapparatur till vilke det behövs elektroiska kretskort. Det blir dyrt om ma får i för måga defekta kretskort i produktioe varför uderleveratöre lovar högst 0,5% defekta kretskort. Kretskorte ligger i förpackigar med i varje. Ma udersöker 00 på måfå utvalda kort ur varje förpackig. I e sädig på 80 förpackigar fick ma följade resultat. (Detta är ett exempel på diskret variatio) 5
6 Ett exempel på stickprovsudersökig (icke-experimetell udersökig) Atal defekta kretskort blad 00 utvalda i 80 förpackigar. Gruddata Vad ka ma säga om p, adel defekta kretskort i sädige? Fråga ka preciseras på 3 olika sätt: Puktskattigsproblem hur skattar ma p? Itervallskattigsproblem hur ager ma ett itervall som med give säkerhet iehåller p? Hypotesprövigsproblem hur prövar ma hypoteser rörade p? 6
7 Ett exempel på stickprovsudersökig (icke-experimetell udersökig) Frekvestabell för atalet defekta kretskort 7
8 Ett exempel på stickprovsudersökig (icke-experimetell udersökig) Totalt valdes 00*80 = kretskort ut för udersökig. Stickprovstorlek är på 16000, = Stickprovet valdes ut blad totalt 80*10000 = kort. Populatiosstorleke är på , N = Felkvote i stickprovet var 168/16000 = dvs ågot större ä de utlovade. Vad ka ma säga om felkvote i sädige? Hur säkra uttalade ka ma göra om felkvote? 8
9 Ett exempel till på stickprovsudersökig (Experimetell udersökig) I Grägesberg gjordes ett fullskaleförsök för att bl.a studera hur låg tid det tar att fylla e m 3 vag med malm. Ma oterade tide frå det att lastmaskie började köra i i bergshöge tills att lastare kopplade loss vage. Följade resultat erhölls. (Detta är ett exempel på kotiuerlig variatio) 9
10 Ett exempel till på stickprovsudersökig Tidsåtgåg vid lastig i sek. (Experimetell udersökig) Gruddata 85,80,85,77,101,109,111,109,148,183,153,78,84,80,94,104,96, ,11,103,1,155,153,18,17,69,84,99,110,11,181,176,79,94 111,111,118,133,140,80,84,100,101,1,19,73,75,111,96,16,147 90,103,100,96,116,18,86,80,97,118,14,150,96,105,83,99,140,79 78,87,107,134,140,79,87,104,153,134,8,91,104,18,76,108, ,117,110,149,119,11,116,114,130,90,97,17,113,96,106,107, 108,18,110,109,85,95,116,118,110,91,16,97,11,107,104,19, 06,11,91,119,118,105 Vad ka ma säga om m, de geomsittliga tidsåtgåge för att lasta e vag? Fråga ka preciseras på 3 olika sätt: Puktskattigsproblem hur skattar ma m? Itervallskattigsproblem hur ager ma ett itervall som med give säkerhet iehåller m? Hypotesprövigsproblem hur prövar ma hypoteser rörade m? 10
11 Ett exempel på stickprovsudersökig (icke-experimetell udersökig) Frekvestabell för tidsåtgåg vid lastig, Klassidelat material Tidsåtgåg Frekves Rel.frekves Kum.frekves
12 Ett exempel på stickprovsudersökig (icke-experimetell udersökig) 1) Vad är de geomsittliga tidsåtgåge? De geomsittliga tidsåtgåge är x = 110. s. ) Hur mycket varierar det? Stadardavvikelse i stickprovet är s = 3.7 s. 3) Hur stor adel av vagara överstiger mi? Adele av vagara som överstiger mi är 8%. Hur säkra är dessa uttalade? 1
13 Huvudproblem iom statistikteori Verklighet 1. Formulera praktiskt problem 3. Isamla data 5. Drag praktiska slutsatser Modell. Gör slumpmodell 4. Gör statistisk aalys Vi kommer att syssla mest med teori krig pukt, 4 och 5
14 Puktskattig Defiitio Ett slumpmässigt stickprov x 1, x,... x frå ågo fördelig F utgörs av observatioer av oberoede stokastiska variabler X 1, X,... X var och e med fördelige F. Ett utfall x 1,..., x av stokastiska variabler X 1,..., X kallas för ett observerat stickprov av storleke Fördelige F beror av e (eller flera) okäd parameter q som vi är itresserade av att få iformatio om. Parameter ka ta värde i ett parameterrum W Q. Ex. W Q = (- < q < ) eller W Q = (0 < q < 1) 14
15 Puktskattigar - äve dessa beror av slumpe Vi är itresserade av att skatta de okäda parameter baserat på våra mätdata, x 1, x,... x med ågo lämplig fuktio. Defiitio E puktskattig θ obs = θ(x 1, x,, x ) (tal) av e okäd parameter θ är e fuktio av stickprovet, x 1, x,, x. Detta stickprov ska se som utfall av stokastiska variabler, X 1, X,, X, med fördeligar som alla beror på θ. Puktskattig θ obs är ett utfall av stickprovsvariabel θ = θ X 1, X,, X, (stokastisk variabel)
16 Öskvärda egeskaper på e puktskattig E puktskattig q obs * sägs vara: Vätevärdesriktig, om skattiges, q*, vätevärde är lika med q, dvs E[q*] = q (i geomsitt hamar ma rätt ) Kosistet, om för varje fixt q W Q och för givet e > 0 gäller att P( q *- q < e)1, stickprovsstorleke (Stora tales lag) Effektiv, om q 1 * och q * är två vätevärdesriktiga skattigar av q. Om V[q 1 *] < V[q 1 * ] sägs q 1 * vara e effektivare, saolikt bättre, skattig av q ä q *. Ha ett litet eller iget systematiskt fel, bias, E[q*] - q 0. Om q* är VVR är E[q*] - q = 0 16
17 Allmäa vätevärdesriktiga puktskattigar Låt X 1, X,... X, där X i är oberoede och likafördelade stokastiska variabler. Låt x 1, x,..., x vara ett stickprov på X "Bästa"sättet att skatta ett okät vätevärde, m, är * m X och μ * x eftersom dea är VVR och kosistet. obs "Bästa"sättet att skatta e okäd varias,, är 1 1 ) * ) och ) * S X X s x x) Eftersom dea är VVR. 1 1 i obs i1 i1 i
18 Låt kallas Maximum-Likelihood-metode Defiitio x, x 1 Fuktioe P( X1 x1, X x,.., X x; ) (diskreta variabler) L( ) f X,,... ( x1, x,.., x ; ) (kotiuerliga variabler 1 X X kallas likelihood - fuktioe eller L - fuktioe Det värde,.., x * obs var ett stickprov., för vilket L( ) atar sitt största värde iom ML - skattige av., 18
19 Mista-kvadrat-metode Defiitio Låt x 1, x,..., x vara ett stickprov på X 1, X,... X vars vätevärde är käda me beror av e okäd parameter θ, E(X i )=µ i (θ). Det värde q obs *, för vilket fuktioe Q θ = ( x i μ i (θ)) i=1 atar sitt mista värde kallas MK-skattige av θ. 19
20 Itervallskattig E itervallskattig av e parameter är ett itervall med slumpvariabler som gräser Kofidesgrade, (1-α), för e itervallskattig är saolikhete att parameter tillhör itervallet E observerad itervallskattig kallas för kofidesitervall Metoder som ite kräver käd fördelig kallas för icke-parametriska Metoder som kräver käd fördelig kallas för parametriska 0
21 Några hjälpfördeligar Om X 1, X,..., X är oberoede och N(0,1) så är i=1 X i χ () Chi--fördelad med frihetsgrader Om X 1, X,..., X är oberoede och N(µ,σ) så är 1 σ (X i X) i=1 χ ( 1) Chi--fördelad med frihetsgrader 1
22 Några hjälpfördeligar Om X 1, X,..., X är oberoede och N(µ,σ) så är X μ σ/ t 1 1 σ i=1 (X i X) / t-fördelad med -1 frihetsgrader
23 Kofidesitervall för m där är kät - ormalfördelig X är e stokastisk variabel Låt X 1, X,..., X vara ett stickprov av X, där X i är oberoede och N(µ,σ) Låt x 1, x,..., x vara e observatio av stickprovet Ett kofidesitervall för µ med kofidesgrade 1- fås då av σ μ x ± λα, 1 α 100% där / fås ur ( / ) 1 / 3
24 Kofidesitervall för m där är okät - ormalfördelig X är e stokastisk variabel Låt X 1, X,..., X vara ett stickprov av X, där X i är oberoede Låt x 1, x,..., x vara e observatio av stickprovet Ett kofidesitervall för µ med kofidesgrade 1- fås då av ( 1) σ μ x ± t α/, 1 α 100% ( 1) där t α/ fås ur t-fördelige, F(x), med -1 frihetsgrader X m F ( 1) t α/ = 1 α/ */ t( 1) t-fördelige är e släktig till ormalfördelige och fis i tabeller för olika atal frihetsgrader och olika saolikheter, / (eller 1-. /) Då atalet frihetsgrader blir stort, ärmar sig t-fördelige e ormalfördelig 4
25 Kofidesitervall för varias - N(m,) X är e stokastisk variabel Låt X 1, X,..., X vara ett stickprov av X, där X i är oberoede och ormalfördelade N(m,) * ( 1) ( 1) Ett kofidesitervall, som är uppåt begräsat och med udre gräs 0, med kofidesgrade 1- fås då av ( xi x) 1 1 0, 0, ( ) i s 1 1,( ) 1,( 1) 1 ( X X ) ( 1) i i1 där 1-,(-1) fås ur -fördelige, F(x), med -1 frihetsgrader: F( 1-,(-1) ) = 5
26 Tvåsidigt kofidesitervall för varias - N(m,) E tvåsidig itervallskattig av variase, ², kofidesgrade 1- fås av ( 1) s, ( 1 ) s 1 och för stadardavvikelse, /,( ) 1 /,( 1) ( 1) s ( 1) s, /,( 1) 1 /,( 1) 6
27 Stickprov i par - ormalfördelig Vi har parvisa observatioer (X i, Y i ), i = 1,..., X i är ormalfördelad N(m i, X ) Y i är ormalfördelad N(m i +, Y ) Pare (Xi, Yi), i = 1,..., är oberoede Studera Z i =X i - Y i, vilket är ormalfördelad vilket också ka skrivas N(,) N, V[ Y i X i ] Studera de observatioera av Z i (Behadlas som i e-stickprovsfallet med okäd s) 7
28 Två stickprov - ormalfördelig X 1, X,..., X 1 är stickprov med fördelige N(m 1,) Y 1, Y,..., Y är stickprov med fördelige N(m,) Stickprove är oberoede X Y (μ 1 μ ) σ N 0,1, om σ käd X Y (μ 1 μ ) σ t 1 +, om σ okäd Där σ = s p = 1 1 s x + 1 s y 1 + Stadardavvikelsera måste vara lika i modelle, aars går det ite att vikta ihop dem, se kap 11.7 s 67. 8
29 Om ma ite har ormalfördelig? Teckeitervall är e icke-parametrisk metod för itervallskattig av mediavärde Om vi har stora stickprov frå e fördelig med vätevärde E[X i ] = m och V[X i ] =, så är X / m N(0;1) X m N(0;1) * / Eligt Cetrala Gräsvärdes Satse
30 Teckeitervall - e icke-parametrisk metod Låt x vara e stokastisk variabel Låt X 1, X,..., X vara ett stickprov av storleke, där X i är oberoede Orda i storlek e observatio så att: X (1) X ()... X () Ett kofidesitervall för media,m, är [X (1), X () ] Kofidesgrade är m Kofidesgrade miskas om ma i stället tar [X (), X (-1) ], och så vidare... X (1) X () Kofidesgrad 1 ( ) 30
31 Väljarbarometer - kofidesitervall för p I e mägd med N elemet är e adel p av speciellt slag. Blad de N elemete väljs elemet. X är atal speciella elemet blad de Då gäller: X Hyp(N,, p) Om N stort (/N<0.1) gäller approximativt: X Bi(, p) Om stort (>30) gäller approx: X N p; p(1 p) ) Om p * skattas med p * =x/, ger detta följade kofidesitervall: p p * / p * (1 p * ) med approximativa kofidesgrade 1-
32 Hypotesprövig Givet ett stickprov x =(x 1, x,..,x ) frå ågo fördelig. Vill pröva e ollhypotes H 0, H 0 iebär att fördelige specificeras ågot sätt. (ex. p = 0.5, H 0 : = 100) Sätt upp e mothypotes H 1, ett alt till H 0. Vi ska pröva ollhypotese H 0 mot mothypotese H 1 med hjälp e testvariabel eller teststorhet, t(x) vilke är e obs på stickprovsvariabel t(x). Age kritiskt område C, e del av det område t(x) varierar över Testet blir seda Förkasta H 0 om t(x) C, förkasta ite H 0 om t(x) C, Med testets sigifikasivå (felrisk),, meas = P(förkasta H 0 H 0 sa) Ett bra test har låg sigifikas ivå och hög saolikhet att upptäcka att H 1 sa dvs hög styrka. Testets styrka = P(förkasta H 0 H 1 sa) Observera att om H 0 ite förkastas så accepteras ite H 1 3
33 Test av m, kät - ormalfördelig X är e stokastisk variabel Låt X 1, X,..., X vara ett stickprov av där X i är oberoede och ormalfördelade N(m,) Låt x 1, x,..., x vara e observatio av stickprovet Esidig hypotesprövig på sigifikasivå H 0 : m = m 0 ; H 1 : m > m 0 (alterativt H 1 : m < m 0 ) Förkasta H 0 om x > m 0 (alterativt x m 0 ) Tvåsidig hypotesprövig på sigifikasivå H 0 : m = m 0 ; H 1 : m m 0 Förkasta H 0 om där fås ur x m eller x > m ( ) 0 / 0 / 1 33
34 H 0 : m = 100 H 1 : m =
35 Test av m, okät - ormalfördelig X är e stokastisk variabel Låt X 1, X,..., X vara ett stickprov av X där X i är oberoede och ormalfördelade N(m,) Låt x 1, x,..., x vara e observatio av stickprovet Esidig hypotesprövig med sigifikas H 0 : m = m 0 ; H 1 : m > m 0 (alterativt H 1 : m < m 0 ) s s Förkasta H 0 om x m0 t (alterativt x > m t,( 1) 0,( 1) ) Tvåsidig hypotesprövig med sigifikas H 0 : m = m 0 ; H 1 : m m 0 Förkasta H 0 om x t s eller x t s m0 / > m,( 1) 0 /,( 1) där t,(-1) fås ur t-fördelige, F(t,(-1) ) = 1-35
36 Kofidesitervall./. hypotesprövig Kofidesitervall För m, kät x x t, x / / s x t s, /,( 1) /,( 1) ormalfördelig x Hypotesprövig För m, kät x m eller x > m 0 / 0 / Esidig hypotesprövig För m, okät För m, okät m x > m 0 0 x t s eller x t s m0 / > m,( 1) 0 /,( 1) Esidig hypotesprövig x s m0 t x > m t,( 1) 0,( 1) s 36
37 Direktmetode H 0 : ollhypotese (om ett visst värde) Utgå frå e observatio Räka ut saolikhete, 0, att få ett lika extremt eller extremare värde på testvariabel uder förutsättig att H 0 är sa Jämför med sigifikasivå Om 0 < så förkastas H 0 Om 0 > så förkastas ite H 0 Speciellt avädbar för diskreta fördeligar 37
38 Tecketest Fördeligsoberoede Observatioer i par, (x i, y i ), i =1,..., där variatio mella pare söks H 0 : lika resultat H 1 : x är extremare ä y Jämför varje par Räka de gåger, X, då x i är extremare ä y i vid parvis jämförelse Direktmetode: beräka saolikhete för utfallet eller extremare Bi(, 0.5) i detta fall Jämför med sigifikasivå 38
39 Givet E hypotes H 0, ger ett förvätat utfall E i, i = 1,, k Mothypotes H 1 : H 0 gäller ite E sigifikasivå Ett observatiosmaterial, observatioer O i, i = 1,, k Beräka Q - test (hypotesprövig) k Oi E ( i ) E i1 i Q (k-1) Förkasta H 0 om Q,(k-1),,(k-1) fås ur tabell är sigifikasivå k-1 är atalet frihetsgrader F(,(k-1) ) = 1-, där F(x) är fördeligsfuktioe för 39
40 - test (exempel) E kudekät med tre glassar: A, B och C 40 kuder får välja glass H 0 : glassara är lika populära hos kudera mot H 1 : mist e av glassara skiljer sig frå de övriga ifråga om popularitet hos kudera Sigifikasivå: = 1 % Utfall (siffror iom paretes är förvätat utfall om H 0 sa) Beräka Q = (60-80) /80+ (68-80) /80 + (11-80) /80 = 19.6 Atalet frihetsgrader: k-1 = 3-1 = A B C Atal 30 (80) 68 (80) 11 (80) 1%,() = 9.10, således förkasta H 0 40
41 - test (fördelige F 0 helt käd) Låt x 1, x,..., x vara e observatioer frå e okäd fördelig, F F 0 är e helt käd fördelig, H 0 : F = F 0, H 1 : F F 0 Dela i observatiosmaterialet i klasser a i-1 < x a i, i = 1,..., k (a 0 och a k är obegräsade edåt respektive uppåt) O i, atal observatioer i klasse E i, förvätat atal observatioer i klasse om H 0 sa ka beräkas som p i, där p i är saolikhete för e observatio i klasse k Beräka Q Oi Ei Q Q (k-1) ( ) i1 Ei Förkasta H 0 om Q,(k-1), är sigifikasivå F(,(k-1) ) = 1-, där F(x) är fördeligsfuktioe med k-1 frihetsgrader 41
42 - test (fördelige F 0 ite helt käd) Låt x 1, x,..., x vara e observatioer frå e okäd fördelig, F F 0 är e ite helt käd fördelig, H 0 : F = F 0, H 1 : F F 0 Skatta de okäda parametrara i de ataga fördelige F 0 Gör på samma sätt som för helt käd fördelig, me atalet frihetsgrader är k-1-(atalet skattade parametrar) 4
Statistisk analys. Vilka slutsatser kan dras om populationen med resultatet i stickprovet som grund? Hur säkra uttalande kan göras om resultatet?
Statistisk aalys Vilka slutsatser ka dras om populatioe med resultatet i stickprovet som grud? Hur säkra uttalade ka göras om resultatet? Mats Guarsso Tillämpad matematik III/Statistik - Sida 83 Exempel
Läs merIntervallskattning. c 2005 Eric Järpe Högskolan i Halmstad. Antag att vi har ett stickprov x 1,..., x n på X som vi vet är N(µ, σ) men vi vet ej
Itervallskattig c 005 Eric Järpe Högskola i Halmstad Atag att vi har ett stickprov x,..., x på X som vi vet är Nµ, σ me vi vet ej värdet av µ = EX. Då ka vi beräka x, vvr skattig av µ. För att få reda
Läs merMinsta kvadrat-metoden, MK. Maximum likelihood-metoden, ML. Medelfel. E(X i ) = µ i (θ) MK-skattningen av θ fås genom att minimera
Matematisk statistik slumpes matematik Saolikhetsteori hur beskriver ma slumpe? Statistikteori vilka slutsatser ka ma dra av ett datamaterial? Statistikteori översikt Puktskattig Hur gör ma e bra gissig
Läs merFör att skatta väntevärdet för en fördelning är det lämpligt att använda Medelvärdet. E(ξ) =... = µ
1 February 1, 2018 1 Förel. VII Puktskattigar av parametrar i fördeligar 1.1 Puktskattig För att skatta vätevärdet för e fördelig är det lämpligt att aväda Medelvärdet ξ = 1 ξ j. Vi tar u vätevärdet av
Läs mer1. Test av anpassning.
χ -metode. χ -metode ka avädas för prövig av hypoteser i flera olika slag av problem: om e stokastisk variabel följer e viss saolikhetsfördelig med käda eller okäda parametrar. om två stokastiska variabler
Läs merFöreläsning G70, 732G01 Statistik A. Föreläsningsunderlagen är baserade på underlag skrivna av Karl Wahlin
Föreläsig 6 732G70, 732G01 Statistik A Föreläsigsuderlage är baserade på uderlag skriva av Karl Wahli Kapitel 6 Iferes om e populatio Sid 151-185 Puktskattig och itervallskattig Statistisk iferes om populatiosmedelvärde
Läs merGrundläggande matematisk statistik
Grudläggade matematisk statistik Puktskattig Uwe Mezel, 2018 uwe.mezel@slu.se; uwe.mezel@matstat.de www.matstat.de Saolikhetsteori: Saolikhetsteori och statistikteori vad vi gjorde t.o.m. u vi hade e give
Läs merS0005M V18, Föreläsning 10
S0005M V18, Föreläsig 10 Mykola Shykula LTU 2018-04-19 Mykola Shykula (LTU) S0005M V18, Föreläsig 10 2018-04-19 1 / 15 Hypotesprövig ett stickprov, σ okäd. Stadardiserig av stickprovsmedelvärdet då σ är
Läs merFinansiell Statistik (GN, 7,5 hp,, HT 2008) Föreläsning 4 (del 2)
Fiasiell Statistik (GN, 7,5 hp,, HT 008) Föreläsig 4 (del ) Pukt- och itervallskattig (LLL Kap 10) Departmet of Statistics (Gebreegus Ghilagaber, PhD, Associate Professor) Fiacial Statistics (Basic-level
Läs merFöreläsning 3. 732G04: Surveymetodik
Föreläsig 3 732G04: Surveymetodik Dages föreläsig Obudet slumpmässigt urval (OSU) Populatiosparametrar och stickprovsstatistikor Vätevärdesriktighet Ädliga och oädliga populatioer Medelvärde, adel Kofidesitervall
Läs merLÖSNINGAR TILL. Räkningar: (z i z) 2 = , Δ = z = 1 n. n 1. Konfidensintervall:
LÖSNINGAR TILL Matematisk statistik Tetame: 2014 10 28 kl 14 00 19 00 Matematikcetrum FMS 086 Matematisk statistik för B, K, N och BME, 7.5 hp Luds tekiska högskola MASB02 Matematisk statistik för kemister,
Läs merSkattning / Inferens. Sannolikhet och statistik. Skattning / Inferens. Vad är det som skattas?
Skattig / Iferes Saolikhet och statistik Puktskattig Försöket att beskriva e hel populatio pga ågra få mätvärde! Oberservatio = Populatio HT 2008 UweMezel@mathuuse http://wwwmathuuse/ uwe/ Populatio har
Läs merStat. teori gk, ht 2006, JW F13 HYPOTESPRÖVNING (NCT ) Ordlista till NCT
Stat. teori gk, ht 2006, JW F13 HYPOTESPRÖVNING (NCT 10.1-10.3) Ordlista till NCT Hypothesis testig Null hypothesis Alterative hypothesis Simple / composite Oe-sided /two-sided Reject Test statistic Type
Läs merFöreläsning 2: Punktskattningar
Föreläsig : Puktskattigar Joha Thim joha.thim@liu.se 7 augusti 08 Repetitio Stickprov Defiitio. Låt de stokastiska variablera X, X,..., X vara oberoede och ha samma fördeligsfuktio F. Ett stickprov x,
Läs merFinansiell Statistik (GN, 7,5 hp,, HT 2008) Föreläsning 4 (del 1)
Fiasiell Statistik (GN, 7,5 hp,, HT 008) Föreläsig 4 (del 1) Sampligfördeligar (LLL Kap 8) Departmet of Statistics (Gebreegus Ghilagaber, PhD, Associate Professor) Fiacial Statistics (Basic-level course,
Läs merAntalet sätt att välja ut r objekt bland n stycken med hänsyn till ordning är np r = n(n 1) (n r + 1).
Harald Lag Formelsamlig och Tabeller i Statistik och Saolikhetsteori (15/11-10) Datareducerig Om x 1,..., x är ett stickprov ur e populatio så defiieras medelvärdet x x = 1 k=1 x k och stadardavvikelse
Läs mera) Beräkna E (W ). (2 p)
Avd. Matematisk statistik TENTAMEN I SF19 och SF191 SANNOLIKHETSTEORI OCH STATISTIK, TISDAGEN DEN 13:E MARS 18 KL 8. 13.. Examiator: Björ-Olof Skytt, 8 79 86 49. Tillåta hjälpmedel: Formel- och tabellsamlig
Läs mer(a) Skissa täthets-/frekvensfunktionen och fördelningsfunktionen för X. Glöm inte att ange värden på axlarna.
1 0,5 0 LÖSNINGAR till tetame: Statistik och saolikhetslära (LMA120) Tid och plats: 08:30-12:30 de 6 april 2016 Hjälpmedel: Typgodkäd miiräkare, formelblad Betygsgräser: 3: 12 poäg, 4: 18 poäg, 5: 24 poäg.
Läs merF10 ESTIMATION (NCT )
Stat. teori gk, ht 2006, JW F10 ESTIMATION (NCT 8.1-8.3) Ordlista till NCT Iferece Parameter Estimator Estimate Ubiased Bias Efficiecy Cofidece iterval Cofidece level (Studet s) t distributio Slutledig,
Läs merθx θ 1 om 0 x 1 f(x) = 0 annars
Avd. Matematisk statistik TENTAMEN I SF903 SANNOLIKHETSLÄRA OCH STATISTIK FÖR 3-ÅRIG Media TIMEH TORSDAGEN DEN TREDJE JUNI 200 KL 4.00 9.00. Examiator: Guar Eglud, tel. 790 74 06 Tillåta hjälpmedel: Läroboke.
Läs merF19 HYPOTESPRÖVNING (NCT ) Hypotesprövning för en differens mellan två medelvärden
Stat. teori gk, ht 006, JW F19 HPOTESPRÖVNING (NCT 11.1-11.) Hypotesprövig för e differes mella två medelvärde Samma beteckigar som vid kofidesitervall för differes mella två populatiosmedelvärde: Medelvärde
Läs merTMS136: Dataanalys och statistik Tentamen 2013-10-26 med lösningar
TMS36: Dataaalys och statistik Tetame 03-0-6 med lösigar Examiator och jour: Mattias Sude, tel. 0730 79 9 79 Hjälpmedel: Chalmersgodkäd räkare och formelsamlig formelsamlig delas ut med teta). Betygsgräser:
Läs merMS-A0509 Grundkurs i sannolikhetskalkyl och statistik Sammanfattning, del II
MS-A0509 Grudkurs i saolikhetskalkyl och statistik Sammafattig, del II G. Gripeberg Aalto-uiversitetet 14 februari 014 G. Gripeberg Aalto-uiversitetet) MS-A0509 Grudkurs i saolikhetskalkyl och statistiksammafattig,
Läs merFORMELSAMLING MATEMATISK STATISTIK, FMS601. Fördelning Väntevärde Varians. p x (1 p) n x x = 0, 1,..., n np np(1 p) ) x = 0, 1,..., n np.
LUNDS TEKNISKA HÖGSKOLA MATEMATIKCENTRUM MATEMATISK STATISTIK FORMELSAMLING MATEMATISK STATISTIK, FMS601 Valiga fördeligar Fördelig Vätevärde Varias Biomialfördelig, Bi (, p ) P (X = x) = ( x) p x (1 p)
Läs merTentamen i Statistik, STA A10 och STA A13 (9 poäng) 26 mars 2004, klockan
Karlstads uiversitet Istitutioe för iformatiostekologi Avdelige för Statistik Tetame i Statistik, STA A10 och STA A13 (9 poäg) 6 mars 004, klocka 14.00-19.00 Tillåta hjälpmedel: Bifogad formelsamlig (med
Läs mer1. (a) Eftersom X och Y har samma fördelning så har de även samma väntevärde och standardavvikelse. E(X 2 ) = k
LÖSNINGAR TILL Matematisk statistik, Matematikcetrum Tetame: 5 kl 8 Luds tekiska högskola FMS, FMS, FMS, FMS 5, MAS 9 Matematisk statistik för ED, F, I, FED och fysiker. a Eftersom X och Y har samma fördelig
Läs merTentamen i Statistik, STA A13 Deltentamen 2, 5p 5 juni 2004, kl
Karlstads uiversitet Istitutioe för iformatiostekologi Avdelige för statistik Tetame i Statistik, STA A13 Deltetame, 5p 5 jui 004, kl. 09.00-13.00 Tillåta hjälpmedel: Asvarig lärare: Övrigt: Bifogad formel-
Läs merb) Bestäm det genomsnittliga antalet testade enheter, E (X), samt även D (X). (5 p)
Avd Matematisk statistik TENTAMEN I SF922, SF923 och SF924 SANNOLIKHETSTEORI OCH STATISTIK, TISDAGEN DEN 29:E MAJ 208 KL 0800 300 Examiator för SF922/SF923: Tatjaa Pavleko, 08-790 84 66 Examiator för SF924:
Läs merMS-A0509 Grundkurs i sannolikhetskalkyl och statistik Sammanfattning, del II
Stickprov MS-A0509 Grudkurs i saolikhetskalkyl och statistik Sammafattig del II G Gripeberg Aalto-uiversitetet 4 februari 04 Estimerig 3 Kofidesitervall 4 Hypotesprövig 5 Korrelatio och regressio G Gripeberg
Läs merUppsala Universitet Matematiska institutionen Matematisk Statistik. Formel- och tabellsamling. Sannolikhetsteori och Statistik
Uppsala Uiversitet Matematiska istitutioe Matematisk Statistik Formel- och tabellsamlig Saolikhetsteori och Statistik IT2-2004 Formelsamlig, Saolikhetsteori och Statistik IT-2004 1 Saolikhetsteori 1.1
Läs merFöreläsning G70 Statistik A
Föreläsig 7 73G70 Statistik A Hypotesprövig för jämförelse av populatiosadelar Krav: vi har dragit två OSU p( p) > 5 för båda stickprove Steg : Välj sigifikasivå och formulera hypoteser H 0 : π - π = d
Läs merIntroduktion till statistik för statsvetare
"Det fis iget så praktiskt som e bra teori" November 2011 Bakgrud Stadardiserig E saolikhetsekvatio Kosekves av stora tales lag Stora tales lag ger att är slumpvariablera X i är oberoede, med e och samma
Läs merHögskoleutbildad 0,90*0,70=0,63 0,80*0,30=0,24 0,87 Ej högskoleutbildad 0,07 0,06 0,13 0,70 0,30 1,00
Lösigsförslag UPPGIFT 1 Kvia Ma Högskoleutbildad 0,90*0,70=0,63 0,80*0,30=0,24 0,87 Ej högskoleutbildad 0,07 0,06 0,13 0,70 0,30 1,00 Pr(ej högskoleutbildad kvi=0,07=7% Pr(högskoleutbildad)=0,87 c) Pr(Kvi*Pr(Högskoleutbildad)=0,70*0,87=0,609
Läs mer4.2.3 Normalfördelningen
4.2.3 Normalfördelige Biomial- och Poissofördelige är två exempel på fördeligar för slumpvariabler som ka ata ädligt eller uppräkeligt måga olika värde. Sådaa fördeligar sägs vara diskreta. Ofta är ett
Läs merMS-A0509 Grundkurs i sannolikhetskalkyl och statistik Exempel, del II
MS-A0509 Grudkurs i saolikhetskalkyl och statistik Exempel, del II Estimerig 2 Kofidesitervall G. Gripeberg Aalto-uiversitetet 3 februari 205 3 Hypotesprövig 4 Korrelatio och regressio G. Gripeberg Aalto-uiversitetet
Läs merLycka till! I(X i t) 1 om A 0 annars I(A) =
Avd Matematisk statistik TENTAMEN I SF955 f d 5B555 DATORINTENSIVA METODER ONSDAGEN DEN AUGUSTI 008 KL 400 900 Examiator: Guar Eglud, tel 790746 Email: guare@mathkthse Tillåta hjälpmedel: Formel- och tabellsamlig
Läs merFöreläsning G70 Statistik A
Föreläsig 5 732G70 Statistik A Egeskaper hos stickprovsstatistikora Stickprovsmedelvärde Stickprovssumma Stickprovsadel Lägesmått Spridig Medelfel EX VarX 2 2 E X Var X E P Var P X X 1 1 P Eftersom respektive
Läs merSannolikhetsteori FORMELSAMLING MATEMATISK STATISTIK, AK FÖR I, FMS 120, HT-00. Kap 2: Sannolikhetsteorins grunder
LUNDS TEKNISKA HÖGSKOLA MATEMATIKCENTRUM MATEMATISK STATISTIK FORMELSAMLING MATEMATISK STATISTIK, AK FÖR I, FMS 10, HT-00 Saolikhetsteori Kap : Saolikhetsteoris gruder Följade gäller för saolikheter: 0
Läs merFöreläsning G04 Surveymetodik 732G19 Utredningskunskap I
Föreläsig 5 732G04 Surveymetodik 732G19 Utredigskuskap I Dages föreläsig Klusterurval Estegs klusterurval Tvåstegs klusterurval Klusterurval med PPS 2 Klusterurval De urvalsdesiger som diskuterats hittills
Läs merF3 Lite till om tidsserier. Statistikens grunder 2 dagtid. Sammansatta index 4. Deflatering HT Laspeyres index: Paasche index: Index.
F3 Lite till om tidsserier Deflaterig, att justera för iflatioe tatistikes gruder dagtid 4 3,5 3,5,5 Mjölk ockerdricka HT,5 975 976 977 978 979 98 98 98 Löpade priser År Mjölk ockerdricka KPI 945 = 975,34,
Läs merSAMMANFATTNING TAMS65
SAMMANFATTNING TAMS65 Matematisk statistik, fortsättigskurs LÄST SOM EN DEL AV CIVILINGENJÖRSPROGRAMMET I INDUSTRIELL EKONOMI VID LITH, VT 016 Seast reviderad: 016-06-01 Författare: Viktor Cheg Iehållsförteckig
Läs merFormelblad Sannolikhetsteori 1
Formelblad Saolikhetsteori Bayes formel: Låt A och D vara två hädelser Då gäller P A D = P D AP A P D Chebyshevs olikhet: Låt X vara e stokastisk variabel med vätevärde µ och varias Då gäller för alla
Läs merSAMMANFATTNING TAMS79 Matematisk statistik, grundkurs
SAMMANFATTNING TAMS79 Matematisk statistik, grudkurs LÄST SOM EN DEL AV CIVILINGENJÖRSPROGRAMMET I INDUSTRIELL EKONOMI VID LITH, HT 2015 Versio: 1.0 Seast reviderad: 2016-02-01 Författare: Viktor Cheg
Läs merDatorövning 2 Fördelningar inom säkerhetsanalys
Luds tekiska högskola Matematikcetrum Matematisk statistik STATISTISKA METODER FÖR SÄKERHETSANALYS FMS065 Datorövig 2 Fördeligar iom säkerhetsaalys I dea datorövig ska vi studera ågra grudläggade frå saolikhetsteori:
Läs merViktigt! Glöm inte att skriva Tentamenskod på alla blad du lämnar in.
Statistisk försöksplaerig Provmomet: Ladokkod: Tetame ges för: Skriftlig tetame 3,0 hp 51SF01 DTEIN14h 4,5 högskolepoäg TetamesKod: Tetamesdatum: 5 ovember 015 Tid: 9.00-13.00 Hjälpmedel: Miiräkare Totalt
Läs merZ-Testet. Idè. Repetition normalfördelning. rdelning. Testvariabel z
Repetitio ormalfördelig rdelig Z-Testet X i. Medelvärdets fördelig:.stadardiserad ormalfördelig: N (, ) X N, X X N (, ) N (,) X N, X N(,) 3. Kvatiler: uwe.meel@math.uu.se Vad gör g r Z-testetZ? H : e ormalfördelad
Läs merF6 Uppskattning. Statistikens grunder 2 dagtid. Beteckningar, symboler, notation. Grekiskt-romerskt
01-10-19 F6 Uppskattig Statistikes gruder dagtid HT 01 Vi skattar populatiosparametrar (modellparametrar med olika statistikor: E. stickprovs- -medelvärdet X skattar μ -variase S skattar -adele P skattar
Läs mer2. Konfidensintervall för skillnaden mellan två proportioner.
Föreläsig 12 LV1, Torsdag 12/10 Upplägg 1. Kofidesitervall för proportioer. 2. Kofidesitervall för skillade mella två proportioer. 3. Grafteori Kofidesitervall för proportioer Atag att vi vill skatta adele
Läs merNormalfördelningens betydelse. Sannolikhet och statistik. Täthetsfunktion, väntevärde och varians för N (µ, σ)
Normalfördeliges betydelse Empirisktse gur: måga storheter approximativt ormalfördelade Summa av måga ugefär oberoede och ugefär likafördelade s.v. är approximativt ormalfördelad CGS Exempel: mätfel =
Läs merMS-A0509 Grundkurs i sannolikhetskalkyl och statistik Sammanfattning, del II
MS-A0509 Grudkurs i saolikhetskalkyl och statistik Sammafattig, del II G. Gripeberg Aalto-uiversitetet 13 februari 015 G. Gripeberg (Aalto-uiversitetet) MS-A0509 Grudkurs i saolikhetskalkyl och statistik
Läs merFöreläsning G70, 732G01 Statistik A. Föreläsningsunderlagen är baserade på underlag skrivna av Karl Wahlin
Föreläsig 5 73G70, 73G01 Statistik A Föreläsigsuderlage är baserade på uderlag skriva av Karl Wahli Kapitel 5 Stickprovsteori Sid 15-150 Statistisk iferes Populatio (äve målpopulatio) = de (på logisk väg
Läs merLösningsförslag 081106
Lösigsförslag 86 Uppgift Trädslag: kvalitativ, omialskala (diskret) Diameter: kvatitativ, kvotskala, kotiuerlig Höjd: kvatitativ, kvotskala, kotiuerlig Ålder: kvatitativ, kvotskala, kotiuerlig Trädslag:
Läs merTentamen i Statistik, STA A13 Deltentamen 2, 5p 20 januari 2007, kl. 09.00-13.00
0.01.007 Tetame i Statistik, STA A13 Deltetame, 5p 0 jauari 007, kl. 09.00-13.00 Tillåta hjälpmedel: Bifogad formel- och tabellsamlig (skall retureras) samt miiräkare. Asvarig lärare: Haah Hall Övrigt:
Läs merBorel-Cantellis sats och stora talens lag
Borel-Catellis sats och stora tales lag Guar Eglud Matematisk statistik KTH Vt 2005 Iledig Borel-Catellis sats är e itressat och avädbar sats framför allt för att bevisa stora tales lag i stark form. Vi
Läs merSannolikheter 0 < P < 1. Definition sannolikhet: Definition sannolikhet: En sannolikhet kan anta värden från 0 till 1
Saolikheter E saolikhet ka ata värde frå 0 till 1 0 < P < 1 Beteckas: P Pr Prob Saolikhete för e hädelse Hädelse A P(A) Pr(A) Prob(A) Defiitio saolikhet: De frekves med vilke hädelse av itresse iträffar
Läs merDatorövning 2 Fördelningar inom säkerhetsanalys
Luds tekiska högskola Matematikcetrum Matematisk statistik STATISTISKA METODER FÖR SÄKERHETSANALYS FMS065, HT-15 Datorövig 2 Fördeligar iom säkerhetsaalys I dea datorövig ska vi studera ågra grudläggade
Läs merAvd. Matematisk statistik
Avd. Matematisk statistik TENTAMEN I SF1917/SF1918/SF1919 SANNOLIKHETSTEORI OCH STATISTIK, TISDAG 8 JANUARI 2019 KL 8.00 13.00. Examiator för SF1917/1919: Jörge Säve-Söderbergh, 08-790 65 85. Examiator
Läs merRättningstiden är i normalfall 15 arbetsdagar, annars är det detta datum som gäller:
Matematisk Statistik Provmomet: Ladokkod: Tetame ges för: Tetame TT091A KMASK14H 7,5 högskolepoäg Nam: (Ifylles av studet) Persoummer: (Ifylles av studet) Tetamesdatum: 2 jui 2015 Tid: 9:00-13:00 Hjälpmedel:
Läs merMA2018 Tillämpad Matematik III-Statistik, 7.5hp, 2014-08-23
1 MA018 Tillämpad Matematik III-Statistik, 7.5hp, 014-08-3 Hjälpmedel: Räkedosa och medföljade formelsamlig! Täk på att dia lösigar ska utformas så att det blir lätt för läsare att följa dia takegågar.
Läs merMA2018 Tillämpad Matematik III-Statistik, 3.5hp,
MA2018 Tillämpad Matematik III-Statistik, 3.hp, 2018-08- Hjälpmedel: Pea, radergummi och lijal. Räkedosa och medföljade formelsamlig är tillåte! Tetame består av 20 frågor! Edast Svarsblakette ska lämas
Läs merVid mer än 30 frihetsgrader approximeras t-fördelningen med N(0; 1). Konfidensintervallet blir då
Stat. teori gk, ht 006, JW F7 ENKEL LINJÄR REGRESSION, FORTS. (NCT.5-.7) Statistisk iferes rörade β Vi vet reda att b är e vätevärdesriktig skattig av modellparameter β. Vi vet också att skattige b har
Läs merMA2018 Tillämpad Matematik III-Statistik, 3.5hp,
MA08 Tillämpad Matematik III-Statistik, 3.5hp, 08-05-3 Hjälpmedel: Pea, radergummi och lijal. Räkedosa och medföljade formelsamlig är tillåte! Tetame består av 0 frågor! Edast Svarsblakette ska lämas i!
Läs merMA2018 Tillämpad Matematik III-Statistik, 3.5hp,
MA018 Tillämpad Matematik III-Statistik,.hp, 018-0-1 Hjälpmedel: Pea, radergummi och lijal. Räkedosa och medföljade formelsamlig är tillåte! Tetame består av 0 frågor! Edast Svarsblakette ska lämas i!
Läs merÖvningstentamen i MA2018 Tillämpad Matematik III-Statistik, 7.5hp
Övigstetame i MA08 Tillämpad Matematik III-Statistik, 7.5hp Hjälpmedel: Räkedosa och medföljade formelsamlig! Täk på att dia lösigar ska utformas så att det blir lätt för läsare att följa dia takegågar.
Läs merMS-A0509 Grundkurs i sannolikhetskalkyl och statistik Sammanfattning och exempel, del II
MS-A0509 Grudkurs i saolikhetskalkyl och statistik Sammafattig och exempel, del II G. Gripeberg Aalto-uiversitetet 13 februari 015 G. Gripeberg (Aalto-uiversitetet MS-A0509 Grudkurs i saolikhetskalkyl
Läs merMS-A0509 Grundkurs i sannolikhetskalkyl och statistik Exempel etc., del II
MS-A0509 Grudkurs i saolikhetskalkyl och statistik Exempel etc., del II G. Gripeberg Aalto-uiversitetet 11 februari 014 G. Gripeberg Aalto-uiversitetet) MS-A0509 Grudkurs i saolikhetskalkyl och statistikexempel
Läs merTentamen i matematisk statistik
Tetame i matematisk statistik Uppgift : På e arbetsplats skadades % av persoale uder ett år. 60% av alla skadade var mä. 0% av alla aställda var kvior. Är det maliga eller kviliga aställda som löper störst
Läs merP (A) = k A P (A ) = 1 P (A) P (A B) P (B) P (M i ) = 1 P (A) P (X = k) = p X (k) p X (k) = 1 P (A B) p X (k)
SVERIGES LANTBRUKSUNIVERSITET Istitutioe för eergi och tekik Uwe Mezel e-post: uwe.mezel@matstat.de Formelsamlig Grudläggade matematiskt statistik 2080822 Saolikhetslära Klassisk saolikhetsdeitio: P A
Läs merMS-A0509 Grundkurs i sannolikhetskalkyl och statistik Sammanfattning och exempel, del II
MS-A0509 Grudkurs i saolikhetskalkyl och statistik Sammafattig och exempel, del II Stickprov Två yttiga fördeligar Estimerig G. Gripeberg 3 Kofidesitervall Aalto-uiversitetet 3 februari 05 4 Hypotesprövig
Läs merTentamen i statistik för STA A13, 1-10 poäng Deltentamen II, 5p Lördag 9 juni 2007 kl
Avdelige för atioalekoomi och Tetame i för STA A13, 1-10 poäg Deltetame II, 5p Lördag 9 jui 007 kl. 09.00-13.00 Tillåta hjälpmedel: Bifogad formel- och tabellsamlig (skall retureras) samt miiräkare. Asvarig
Läs mer================================================
rmi Halilovic: ETR ÖVNINGR TVÅ STICKPROV Vi betraktar två oberoede ormalfördelade sv och Låt x, x,, x vara ett observerat stickprov, av storleke, på N (, ) och låt y, y,, y vara ett observerat stickprov,
Läs merTENTAMEN I MATEMATISK STATISTIK Datum: 13 mars 08
TENTAMEN I MATEMATISK STATISTIK Datum: 3 mars 8 Te i kurse HF3, 6H3, 6L3 MATEMATIK OCH MATEMATISK STATISTIK, Te i kurse HF ( Tidigare k 6H3), KÖTEORI OCH MATEMATISK STATISTIK, Skrivtid: 8:5-:5 Hjälpmedel:
Läs merKOM IHÅG ATT NOTERA DITT TENTAMENSNUMMER NEDAN OCH TA MED DIG TALONGEN INNAN DU LÄMNAR IN TENTAN!!
Göteborgs uiversitet Psykologiska istitutioe Tetame Psykologi kurskod PC106, Kurs 6: Idivide i ett socialt sammahag (15 hp) och PC 145. Tid för tetame: 6/5-01. Hel och halvfart VT 1. Provmomet: Socialpsykologi
Läs merÖvningstentamen i MA2018 Tillämpad Matematik III-Statistik, 3.5hp
Övigstetame i MA08 Tillämpad Matematik III-Statistik,.hp Hjälpmedel: Pea, radergummi och lijal. Räkedosa och medföljade formelsamlig är tillåte! Tetame består av 0 frågor! Edast Svarsblakette ska lämas
Läs merMatematisk statistik TMS063 Tentamen
Matematisk statistik TMS063 Tetame 208-05-30 Tid: 8:30-2:30 Tetamesplats: SB Hjälpmedel: Bifogad formelsamlig och tabell samt Chalmersgodkäd räkare. Kursasvarig: Olof Elias Telefovakt/jour: Olof Elias,
Läs mer95%-igt konfidensintervall för andel kalsongbärare i populationen: Slutsats: Med 95% säkerhet finns andelen kalsongbärare i intervallet 38-48%
UPPGIFT 1 Vi slumpmässigt urval har varje iivi e kä saolikhet att komma me i urvalet Resultatet går att geeralisera till populatioe är ma gjort slumpmässigt urval UPPGIFT A) Kostatterme: De som ite får
Läs merId: statistik.tex :48:29Z joa
UTDRAG UR FÖRELÄSNINGSANTECKNINGAR I STATISTIKTEORI PUNKT- OCH INTERVALLSKATTNINGAR SAMT HYPOTESTEST MATEMATISK STATISTIK AK FÖR F, E, D, I, C, È; FMS 012 JOAKIM LÜBECK, SEPTEMBER 2008 Iehåll 1 Puktskattigar
Läs merSannolikhetsteori FORMELSAMLING MATEMATISK STATISTIK, AK FÖR CDEFI, NANO OCH PI, MAS233, 2004 FMS 012, FMS 022, FMS 121 OCH MAS233
LUNDS TEKNISKA HÖGSKOLA MATEMATIKCENTRUM MATEMATISK STATISTIK FORMELSAMLING MATEMATISK STATISTIK, AK FÖR CDEFI, NANO OCH PI, MAS233, 2004 FMS 012, FMS 022, FMS 121 OCH MAS233 Saolikhetsteori Kap 2: Saolikhetsteoris
Läs merStatistik. Det finns tre sorters lögner: lögn, förbannad lögn och statistik
Statistik Statistik betyder ungefär sifferkunskap om staten Statistik är en gren inom tillämpad matematik som sysslar med insamling, utvärdering, analys och presentation av data eller information. Verkligheten
Läs merTentamen i Statistik STG A01 (12 hp) 5 mars 2010, kl. 08.15 13.15
Karlstads uiversitet Fakultete för ekoomi, kommuikatio och IT Statistik Tetame i Statistik STG A0 ( hp) 5 mars 00, kl. 08.5 3.5 Tillåta hjälpmedel: Bifogad formel- och tabellsamlig (skall retureras) samt
Läs merLaboration 5: Konfidensintervall viktiga statistiska fördelningar
LUNDS TEKNISKA HÖGSKOLA MATEMATIKCENTRUM MATEMATISK STATISTIK DATORLABORATION 5 MATEMATISK STATISTIK, AK FÖR L, FMS 033, HT-02 Laboratio 5: Kofidesitervall viktiga statistiska fördeligar Syfte I dea laboratio
Läs merMS-A0509 Grundkurs i sannolikhetskalkyl och statistik Exempel etc., del II
MS-A0509 Grudkurs i saolikhetskalkyl och statistik Exempel etc., del II G. Gripeberg Aalto-uiversitetet 14 februari 014 G. Gripeberg (Aalto-uiversitetet) MS-A0509 Grudkurs i saolikhetskalkyl och statistikexempel
Läs merTentamen i matematisk statistik
MSTA3, Saolikhetsteori A, 5 p 5--7 Tetame i matematisk statistik Saolikhetsteori A, 5 poäg Skrivtid: 9.-5.. Tillåta hjälpmedel: Tabellsamlig, ege miiräkare. Studetera får behålla tetamesuppgiftera. På
Läs merTAMS79: Föreläsning 9 Approximationer och stokastiska processer
TAMS79: Föreläsig 9 Approximatioer och stokastiska processer Joha Thim 18 ovember 2018 9.1 Biomialfördelig Vi har reda stött på dea fördelig flera gåger. Situatioe är att ett slumpförsök har två möjliga
Läs merHöftledsdysplasi hos dansk-svensk gårdshund - Exempel på tavlan
Höftledsdysplasi hos dask-svesk gårdshud - Exempel på tavla Sjö A Sjö B Förekomst av parasitdrabbad örig i olika sjöar Exempel på tavla Sjö C Jämföra medelvärde hos kopplade stickprov Tio elitlöpare spriger
Läs merTENTAMEN I MATEMATIK MED MATEMATISK STATISTIK HF1004 TEN kl
TENTAMEN I MATEMATIK MED MATEMATISK STATISTIK HF004 TEN 0-04-5 kl 8.5-.5 Hjälpmedel: Formler och tabeller i statistik, räkedosa Fullstädiga lösigar erfordras till samtliga uppgifter. Lösigara skall vara
Läs merMA2018 Tillämpad Matematik III-Statistik, 3.5hp,
MA018 Tillämpad Matematik III-Statistik,.hp, 019-0-1 Hjälpmedel: Pea, radergummi och lijal. Räkedosa och medföljade formelsamlig är tillåte! Tetame består av 0 frågor! Edast Svarsblakette ska lämas i!
Läs merMatematisk statistik
Matematisk statistik (Corelia Schiebold) Iehåll:. Saolikhetsteori 2. Diskreta stokastiska variabler 3. Kotiuerliga stokastiska variabler 4. Oberoedemått, summor av stokastiska variabler och cetrala gräsvärdessatse
Läs merMatematisk statistik KTH. Formelsamling i matematisk statistik
Matematik tatitik KTH Formelamlig i matematik tatitik Vårtermie 07 Kombiatorik! = k k! ( k)!. Tolkig: mägd med elemet. = atalet delmägder av torlek k ur e k Stokatika variabler V (X) = E X (E (X)) C (X;
Läs merTentamen i Matematisk statistik för V2 den 28 maj 2010
Tetame i Matematisk statistik för V de 8 maj 00 Uppgift : E kortlek består av 5 kort. Dessa delas i i färger: 3 hjärter, 3 ruter, 3 spader och 3 klöver. Kortleke iehåller damer, e i varje färg. Ata att
Läs merStatistik för bioteknik SF1911 // KTH Matematisk statistik // Formler och tabeller. 1 Numeriska sammanfattningar (statistikor)
Statistik för biotekik SF9 // KTH Matematisk statistik // Formler och tabeller Ht 206 Numeriska sammafattigar (statistikor) För ett datamaterial x, x 2,..., x beräkas Stickprovsmedelvärde x = i= x i =
Läs mer732G70 Statistik A. Föreläsningsunderlag skapad av Karl Wahlin Föreläsningsslides uppdaterade av Bertil Wegmann
73G70 Statistik A Föreläsigsuderlag skapad av Karl Wahli Föreläsigsslides uppdaterade av Bertil Wegma Istitutioe för dataveteskap (IDA) Liköpigs uiversitet vt 06 Kapitel Populatioer, stickprov och variabler
Läs mer732G70 Statistik A. Föreläsningsunderlag skapad av Karl Wahlin Föreläsningsslides uppdaterade av Bertil Wegmann
73G70 Statistik A Föreläsigsuderlag skapad av Karl Wahli Föreläsigsslides uppdaterade av Bertil Wegma Istitutioe för dataveteskap (IDA) Liköpigs uiversitet vt 07 Kapitel Populatioer, stickprov och variabler
Läs merLösning till tentamen för kursen Log-linjära statistiska modeller 29 maj 2007
STOCKHOLMS UNIVERSITET MS 3150 MATEMATISKA INSTITUTIONEN TENTAMEN Avd. Matematisk statistik 29 maj 2007 Lösig till tetame för kurse Log-lijära statistiska modeller 29 maj 2007 Uppgift 1 a Modelle uta ågra
Läs merAnmärkning: I några böcker använder man följande beteckning ]a,b[, [a,b[ och ]a,b] för (a,b), [a,b) och (a,b].
MÄNGDER Stadardtalmägder: N={0,, 2, 3, } mägde av alla aturliga tal (I ågra böcker N={,2,3, }) Z={ 3, 2,,0,, 2, 3, 4, } mägde av alla hela tal m Q={, där m, är hela tal och 0 } mägde av alla ratioella
Läs merStudentens personnummer: Giltig legitimation/pass är obligatoriskt att ha med sig. Tentamensvakt kontrollerar detta.
KOD: Kurskod: PC106/PC145 Persolighet, hälsa och socialpsykologi (15 hp) Datum: 4/5 014 Hel- och halvfart VT14 Provmomet: Socialpsykologi + Metod Tillåta hjälpmedel: Miiräkare Asvarig lärare: Niklas Frasso
Läs merb 1 och har för olika värden på den reella konstanten a.
Första häftet 649. a) A och B spelar cigarr, vilket som bekat tillgår på följade sätt. Omväxlade placerar de ibördes lika, jämtjocka cigarrer på ett rektagulärt bord, varvid varje y cigarr måste placeras
Läs merIntervallskattningar, synonymt konfidensintervall eller statistiska osäkerhetsgränser
Matematisk statistik ör STS vt 004 004-05 - 04 Begt Rosé Itervallskattigar, syoymt koidesitervall eller statistiska osäkerhetsgräser Allmät om koidesitervall För att börja kokret återväder vi till det
Läs merLÖSNINGSFÖRSLAG TILL TENTAMEN I MATEMATISK STATISTIK
UMEÅ UNIVERSITET Istitutioe för matematisk statistisk Statistiska metoder, 5 poäg MSTA36 Peter Ato LÖSNINGSFÖRSLAG 005-10-6 LÖSNINGSFÖRSLAG TILL TENTAMEN I MATEMATISK STATISTIK Statistiska metoder, 5 poäg
Läs merTENTAMEN I MATEMATISK STATISTIK
TETAME I MATEMATISK STATISTIK Te i kurse 6H, KÖTEORI OCH MATEMATISK STATISTIK, Te i kurse 6H, 6L MATEMATIK OCH MATEMATISK STATISTIK, Skrivtid: :-7: Lärare: Armi Halilovic Kurskod 6H, 6H, 6L, 6A Hjälpmedel:
Läs mer