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

Relevanta dokument
Lösningsförslag

Finansiell Statistik (GN, 7,5 hp,, HT 2008) Föreläsning 4 (del 1)

Statistisk analys. Vilka slutsatser kan dras om populationen med resultatet i stickprovet som grund? Hur säkra uttalande kan göras om resultatet?

(a) Skissa täthets-/frekvensfunktionen och fördelningsfunktionen för X. Glöm inte att ange värden på axlarna.

θx θ 1 om 0 x 1 f(x) = 0 annars

LÖSNINGAR TILL. Räkningar: (z i z) 2 = , Δ = z = 1 n. n 1. Konfidensintervall:

95%-igt konfidensintervall för andel kalsongbärare i populationen: Slutsats: Med 95% säkerhet finns andelen kalsongbärare i intervallet 38-48%

För att skatta väntevärdet för en fördelning är det lämpligt att använda Medelvärdet. E(ξ) =... = µ

4.2.3 Normalfördelningen

Datorövning 2 Fördelningar inom säkerhetsanalys

Antalet sätt att välja ut r objekt bland n stycken med hänsyn till ordning är np r = n(n 1) (n r + 1).

Intervallskattning. 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

Grundläggande matematisk statistik

Tentamen i Statistik, STA A13 Deltentamen 2, 5p 5 juni 2004, kl

S0005M V18, Föreläsning 10

Föreläsning G04: Surveymetodik

Föreläsning G70, 732G01 Statistik A. Föreläsningsunderlagen är baserade på underlag skrivna av Karl Wahlin

Höftledsdysplasi hos dansk-svensk gårdshund - Exempel på tavlan

MS-A0509 Grundkurs i sannolikhetskalkyl och statistik Exempel, del II

F19 HYPOTESPRÖVNING (NCT ) Hypotesprövning för en differens mellan två medelvärden

Finansiell Statistik (GN, 7,5 hp,, HT 2008) Föreläsning 4 (del 2)

Datorövning 2 Fördelningar inom säkerhetsanalys

1. Test av anpassning.

Statistik. Språkligt och historiskt betyder statistik ungefär sifferkunskap om staten

Tentamen i Statistik, STA A10 och STA A13 (9 poäng) 26 mars 2004, klockan

Föreläsning G70 Statistik A

Tentamen i Statistik, STA A13 Deltentamen 2, 5p 20 januari 2007, kl

1. (a) Eftersom X och Y har samma fördelning så har de även samma väntevärde och standardavvikelse. E(X 2 ) = k

Minsta kvadrat-metoden, MK. Maximum likelihood-metoden, ML. Medelfel. E(X i ) = µ i (θ) MK-skattningen av θ fås genom att minimera

Skattning / Inferens. Sannolikhet och statistik. Skattning / Inferens. Vad är det som skattas?

F10 ESTIMATION (NCT )

Tentamen i Statistik STG A01 (12 hp) 5 mars 2010, kl

MS-A0509 Grundkurs i sannolikhetskalkyl och statistik Exempel etc., del II

Introduktion till statistik för statsvetare

Tentamen i Matematisk statistik för V2 den 28 maj 2010

TENTAMEN I MATEMATIK MED MATEMATISK STATISTIK HF1004 TEN kl

Lycka till! I(X i t) 1 om A 0 annars I(A) =

Föreläsning 2: Punktskattningar

Stat. teori gk, ht 2006, JW F13 HYPOTESPRÖVNING (NCT ) Ordlista till NCT

MS-A0509 Grundkurs i sannolikhetskalkyl och statistik Sammanfattning, del II

================================================

MS-A0509 Grundkurs i sannolikhetskalkyl och statistik Exempel etc., del II

MS-A0509 Grundkurs i sannolikhetskalkyl och statistik Sammanfattning, del II

Borel-Cantellis sats och stora talens lag

MS-A0509 Grundkurs i sannolikhetskalkyl och statistik Sammanfattning och exempel, del II

F4 Enkel linjär regression.

LÖSNINGSFÖRSLAG TILL TENTAMEN I MATEMATISK STATISTIK

MS-A0509 Grundkurs i sannolikhetskalkyl och statistik Sammanfattning och exempel, del II

Föreläsning G70, 732G01 Statistik A. Föreläsningsunderlagen är baserade på underlag skrivna av Karl Wahlin

Tentamen i statistik för STA A13, 1-10 poäng Deltentamen II, 5p Lördag 9 juni 2007 kl

MS-A0509 Grundkurs i sannolikhetskalkyl och statistik Sammanfattning, del II

TENTAMEN I MATEMATISK STATISTIK Datum: 13 mars 08

Sannolikheter 0 < P < 1. Definition sannolikhet: Definition sannolikhet: En sannolikhet kan anta värden från 0 till 1

Tentamen i matematisk statistik

Övningstentamen i MA2018 Tillämpad Matematik III-Statistik, 3.5hp

Normalfördelningens betydelse. Sannolikhet och statistik. Täthetsfunktion, väntevärde och varians för N (µ, σ)

Tentamen i matematisk statistik

Uppsala Universitet Matematiska institutionen Matematisk Statistik. Formel- och tabellsamling. Sannolikhetsteori och Statistik

Tentamen Metod C vid Uppsala universitet, , kl

2. Konfidensintervall för skillnaden mellan två proportioner.

TENTAMEN I MATEMATISK STATISTIK

Matematisk statistik TMS063 Tentamen

F3 Lite till om tidsserier. Statistikens grunder 2 dagtid. Sammansatta index 4. Deflatering HT Laspeyres index: Paasche index: Index.

KOM IHÅG ATT NOTERA DITT TENTAMENSNUMMER NEDAN OCH TA MED DIG TALONGEN INNAN DU LÄMNAR IN TENTAN!!

MA2018 Tillämpad Matematik III-Statistik, 7.5hp,

SAMMANFATTNING TAMS79 Matematisk statistik, grundkurs

Vid mer än 30 frihetsgrader approximeras t-fördelningen med N(0; 1). Konfidensintervallet blir då

b) Bestäm det genomsnittliga antalet testade enheter, E (X), samt även D (X). (5 p)

Statistik för bioteknik SF1911 // KTH Matematisk statistik // Formler och tabeller. 1 Numeriska sammanfattningar (statistikor)

SANNOLIKHETER. Exempel. ( Tärningskast) Vi har sex möjliga utfall 1, 2, 3, 4, 5 och 6. Därför är utfallsrummet Ω = {1, 2, 3, 4, 5,6}.

TMS136: Dataanalys och statistik Tentamen med lösningar

Studentens personnummer: Giltig legitimation/pass är obligatoriskt att ha med sig. Tentamensvakt kontrollerar detta.

Rättningstiden är i normalfall 15 arbetsdagar, annars är det detta datum som gäller:

STATISTIK FÖR LÄKARSTUDENTER

a) Beräkna E (W ). (2 p)

Avd. Matematisk statistik

Viktigt! Glöm inte att skriva Tentamenskod på alla blad du lämnar in.

Föreläsning G70 Statistik A

TAMS79: Föreläsning 9 Approximationer och stokastiska processer

Lösning till tentamen för kursen Log-linjära statistiska modeller 29 maj 2007

Sannolikheten. met. A 3 = {2, 4, 6 }, 1 av 11

MA2018 Tillämpad Matematik III-Statistik, 3.5hp,

Z-Testet. Idè. Repetition normalfördelning. rdelning. Testvariabel z

Statistik för ingenjörer 1MS008

MA2018 Tillämpad Matematik III-Statistik, 3.5hp,

Tentamentsskrivning: Tillämpad Statistik 1MS026 1

Följande begrepp används ofta vid beskrivning av ett statistiskt material:

Genomsnittligt sökdjup i binära sökträd

Föreläsning G04 Surveymetodik 732G19 Utredningskunskap I

D. Samtliga beräknade mått skall följas av en verbal slutsats för full poäng.

ENDIMENSIONELL ANALYS B1 FÖRELÄSNING VI. Föreläsning VI. Mikael P. Sundqvist

MA2018 Tillämpad Matematik III-Statistik, 3.5hp,

F6 Uppskattning. Statistikens grunder 2 dagtid. Beteckningar, symboler, notation. Grekiskt-romerskt

MA2018 Tillämpad Matematik III-Statistik, 3.5hp,

Tentamen i Sannolikhetsteori III 13 januari 2000

Linjär Algebra (lp 1, 2016) Lösningar till skrivuppgiften Julia Brandes

Sannolikhetsteori FORMELSAMLING MATEMATISK STATISTIK, AK FÖR I, FMS 120, HT-00. Kap 2: Sannolikhetsteorins grunder

Formelblad Sannolikhetsteori 1

Tentamen i matematisk statistik, Statistisk Kvalitetsstyrning, MSN320/TMS070 Lördag , klockan Lärare: Jan Rohlén

Biostatistik II - Hypotesprövning i teori och praktik. Frida Eek

Transkript:

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 vilket ite är detsamma som Pr(Kvia och Högskoleutbildad)=0,63. Alterativt ka ma kostatera att saolikhete för att e traiee är högskoleutbildad ej är desamma som de betigade saolikhete att e kvilig traiee är högskoleutbildad t ex. UPPGIFT 2 är Biomialfördelad med =6 och p=0,5 Pr(=2)=0,234=23,4% (De kumulerade saolikhete för 2 är 34,4%) c) är approximativt NF med μ=p=300*0,5=150 och σ= p ( 1 p) = 300 *0,5*0,5 = 75 =8,66 Sökt: Pr(<100)=Pr 100 150 z < =Pr(z<-5,77) 0% 8,66

UPPGIFT 3 Homogeitetstest! H 0 :Lampora är likvärdiga H 1 : Det fis skillader mella de olika märkea Obs frekv: A B C D Acceptabla 88 92 95 89 364 0,91 Oacceptabla 12 8 5 11 36 0,09 100 100 100 100 400 Förv frekv: A B C D Acceptabla 91 91 91 91 364 Oacceptabla 9 9 9 9 36 100 100 100 100 400 O E O-E (O-E) 2 /E Acceptabla A 88 91-3 0,098901 B 92 91 1 0,010989 C 95 91 4 0,175824 D 89 91-2 0,043956 Oaccpeptabla A 12 9 3 1 B 8 9-1 0,111111 C 5 9-4 1,777778 D 11 9 2 0,444444 SUMMA 0 3,663004 df=(c-1)(r-1)=(4-1)(2-1)=3 Observerat Chi-2-värde=3,66<4,642 som är gräse för 20% sigifikas. Då P>20% behålls H 0. Testresultatet visar ite på ågo egetlig skillad mella de olika märkea.

Uppgift 4 Slumpvariabel får betecka mägde dricka i ett glas (cl). Förutsättigar: är Normalfördelad med vätevärde = 20cl och stadardavvikelse = 1cl Slumpmässiga urval där varje stickprov utgörs av 25 observatioer Oberoede mätigar Fråga: Mella vilka gräsvärde ligger 90% av stickprovsmedelvärdea? OBS! Vi studerar stickprovsmedelvärde vilket gör att vi måste käa till vilke saolikhetsfördelig som dessa följer. är ormalfördelad med ( μ = 20; σ = 1) vilket iebär att 1 är ormalfördelad med ( μ = 20; σ = ) 25 Gräsvärdea kommer att hama: Eligt z-tabelle ligger 90% av alla värde iom 1,645 stadardavvikelser frå medelvärdet Övre gräsvärde: 20+1,645*0,2=20,329 Udre gräsvärde: 20-1,645*0,2=19,671 SVAR: Acceptabla medelvärde ligger mella 19,67 och 20,33 cl 1 Om medelvärdet ökar till 21 cl så är är ormalfördelad med ( μ = 21; σ = ) 25 Vi kommer att upptäcka dea ökig då medelvärdet överstiger 20,33 (se uppgift Saolikhete att upptäcka dea ökig är då: 20,329 21 P( >20,329)=1-P( <20,329)=1-(Z< )=1-P(z<-3,355)=1-0,0004=99,96% 1/ 25 SVAR: Saolikhete att detta upptäcks är ästa 100%

Uppgift 5 SBP = kvatitativ, kotiuerlig, kvotskalivå Ålder = kvatitativ, kotiuerlig, kvotskalivå Kö = kvalitativ, omialskalivå Lämpliga deskriptiva mått är: SBP = medelvärde och stadardavvikelse, media om materialet är sedfördelat Ålder = medelvärde och stadardavvikelse, media om materialet är sedfördelat Kö = typvärde c) Lämpliga diagram är: SBP = histogram, dotplot, boxplot Ålder = histogram, dotplot, boxplot Kö = stapeldiagram eller cirkeldiagram d) x Stickprovsmedelvärde x = x 144 + 220 +... + 175 x M = = 13 x 142 + 170 +... + 125 x K = = 17 = = 2038 = 156,76923 13 2258 = 132,82353 17

Uppgift 6 Ja, det ser ut att fias ett lijärt sambad mella ålder och SBP. Ju äldre ma är desto högre tycks värdet på SBP vara. Det fis ett extremvärde som ite passar i (e ma med väldigt högt blodtryck), me de övriga observatioera ser ut att passa bra till e täkt regressioslije. Korrelatioskoefficiete mella SBP och ålder är 0,679 vilket är ett tecke på ett relativt starkt lijärt sambad. Sambadet är positivt och korrelatioskoefficiete är sigifikat skild frå oll (p=0,000) vilket iebär att det fis ett lijärt sambad mella variablera. Korrelatioskoefficietera som beräkats mella kö och de adra variablera är ite relevat att studera eftersom variabel kö ite är kvatitativ. c) De skattade modelle är sigifikat och har e förklarigsgrad på 46%. Dvs 46% av variatioe i SBP förklaras av variase för ålder. De båda koefficietera i regressiosmodelle är sigifikat skilda frå oll. I geomsitt så ökar värdet på SBP med ca 1mmHG årlige (1,101). Det är ite aktuellt att tolka iterceptet, skärige med y-axel, eftersom e regressiosmodell bara är giltig iom itervallet för observerade värde. Det fis iga observeratioer med väldigt låga värde på ålder. De ygste persoe var 17 år gammal och de observerade värdea ligger mella 17-69 år. d) Modelle tycks bli bättre eftersom vi får e midre residualspridig och e högre förklarigsgrad. De båda oberoede variablera är sigifikat skilda frå oll och kö tycks alltså påverka sambadet. Vi ka se att kö har ett sambad med SBP och att detta är sigifikat (p=0,034). Om ma tar häsy till variabel kö så ökar värdet på SBP i geomsitt med 0,8mmHg för varje år. När vi tar häsy till kö så miskar ålders iverka på SBP frå 1,101 till 0,831. Vi ka se att mäe tycks ha högre blodtryck ä kviora. Mäe ligger i geomsitt 14 mmhg över kviora.