Föreläsning G70 Statistik A

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

Föreläsning 6. Kapitel 7, sid Jämförelse av två populationer

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

Föreläsning G70 Statistik A

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

Föreläsning G04: Surveymetodik

S0005M V18, Föreläsning 10

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

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

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

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

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

Statistik. Språkligt och historiskt betyder statistik ungefär sifferkunskap om staten

Föreläsning G04 Surveymetodik 732G19 Utredningskunskap I

1. Test av anpassning.

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

732G70 Statistik A. Föreläsningsunderlag skapad av Karl Wahlin Föreläsningsslides uppdaterade av Bertil Wegmann

F10 ESTIMATION (NCT )

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

θx θ 1 om 0 x 1 f(x) = 0 annars

Tentamen i matematisk statistik

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

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

Introduktion till statistik för statsvetare

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

2. Konfidensintervall för skillnaden mellan två proportioner.

TENTAMEN I MATEMATIK MED MATEMATISK STATISTIK HF1004 TEN kl

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

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

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

a) Beräkna E (W ). (2 p)

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

TMS136: Dataanalys och statistik Tentamen med lösningar

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

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

732G70 Statistik A. Föreläsningsunderlag skapad av Karl Wahlin Föreläsningsslides uppdaterade av Bertil Wegmann

732G70 Statistik A. Föreläsningsunderlag skapad av Karl Wahlin Föreläsningsslides uppdaterade av Bertil Wegmann

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

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

TENTAMEN I MATEMATISK STATISTIK Datum: 13 mars 08

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

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

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

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

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

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

LÖSNINGSFÖRSLAG TILL TENTAMEN I MATEMATISK STATISTIK

Tentamen i Matematisk statistik för V2 den 28 maj 2010

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

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

Anmärkning: I några böcker använder man följande beteckning ]a,b[, [a,b[ och ]a,b] för (a,b), [a,b) och (a,b].

Avd. Matematisk statistik

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

MA2018 Tillämpad Matematik III-Statistik, 3.5hp,

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

MA2018 Tillämpad Matematik III-Statistik, 3.5hp,

Övningstentamen i MA2018 Tillämpad Matematik III-Statistik, 3.5hp

Övningstentamen i MA2018 Tillämpad Matematik III-Statistik, 7.5hp

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

Sannolikhetslära statistisk inferens F10 ESTIMATION (NCT )

Borel-Cantellis sats och stora talens lag

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

Föreläsning G60 Statistiska metoder

101. och sista termen 1

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

4.2.3 Normalfördelningen

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}.

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

Föreläsning 3. NDAB02 Statistik; teori och tillämpning i biologi

Följande begrepp används ofta vid beskrivning av ett statistiskt material:

Databaser - Design och programmering. Programutveckling. Programdesign, databasdesign. Kravspecifikation. ER-modellen. Begrepps-modellering

Höftledsdysplasi hos dansk-svensk gårdshund - Exempel på tavlan

MA2018 Tillämpad Matematik III-Statistik, 3.5hp,

b 1 och har för olika värden på den reella konstanten a.

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

TENTAMEN I MATEMATISK STATISTIK

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

Webprogrammering och databaser. Begrepps-modellering. Exempel: universitetsstudier Kravspec. ER-modellen. Exempel: kravspec forts:

Föreläsning G60 Statistiska metoder

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

Matematisk statistik

Föreläsning 2. NDAB01 Statistik; teori och tillämpning i biologi

Tentamen Metod C vid Uppsala universitet, , kl

Matematisk statistik TMS063 Tentamen

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

Stången: Cylindern: G :

Föreläsning 5. Kapitel 6, sid Inferens om en population

Remiss Remissvar lämnas i kolumnen Tillstyrkes term och Tillstyrkes def(inition) och eventuella synpunkter skrivs i kolumnen Synpunkter.

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

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

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

Tentamen i matematisk statistik

Kontrollskrivning 3 i SF1676, Differentialekvationer med tillämpningar. Tisdag kl 8:15-10

SAMMANFATTNING TAMS65

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

MA2018 Tillämpad Matematik III-Statistik, 7.5hp,

FSN Fastighet och servicenämnden/fastighetsförvaltningen. Månadsrapport. Mars 2019

Lösningar och kommentarer till uppgifter i 1.1

Datorövning 2 Fördelningar inom säkerhetsanalys

Grundläggande matematisk statistik

Transkript:

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 0 där d 0 är de differes vi testar för (ofta sätts d 0 = 0) H a : π - π < d 0 H a : π - π > d 0 H a : π - π d 0 Ofta formuleras ollhypotese så att de tillsammas med mothypotese täcker i hela utfallsrummet.

Hypotesprövig för jämförelse av populatiosadelar Steg : Bestäm testvariabel p p d där p p p p 0 p p atal lyckade utfall i båda stickprove kallas för e sammavägd (eller poolad) adel 3

Hypotesprövig för jämförelse av populatiosadelar Steg 3: Ska vi tro på H 0 eller H a? Testvariabel jämförs med kritiskt värde eligt Om H a : π - π < d 0 ligger det kritiska området till väster om det kritiska värdet α Om H a : π - π > d 0 ligger det kritiska området till höger om det kritiska värdet -α Om H a : π - π d 0 har vi kritiska område både till väster och höger om de kritiska värdea som är α/ respektive -α/ Om testvariabel faller i kritiskt område förkastas H 0 Alterativt: beräka p-värdet Steg 4: Dra slutsats 4

Eempel Sämre progos för mä med bröstcacer Blad mä som isjukar i bröstcacer är överlevade betydligt lägre ä för kvior, eligt e studie vid Akademiska sjukhuset i Uppsala. 99 mä med bröstcacer följdes uder 5 år och jämfördes med 369 kviliga bröstcacerpatieter. Fem år efter diagose levde 55 procet av kviora me bara 4 procet av mäe. Östgöta Correspodete, torsdag 7 oktober 0 På vilke sigifikasivå har forskara kuat dra dea slutsats? 5

Jämförelse av populatiosmedelvärde om populatiosstadardavvikelsera är käda Dubbelsidigt kofidesitervall: Nedåt begräsat itervall: Uppåt begräsat itervall: Hypotesprövig: 6 / 0 d

Parvisa observatioer När samma ehet udersöks vid två olika tillfälle, till eempel före och efter e behadlig, uppfylls ite kravet på oberoede mella stickprove (vilket aars garateras av att ma dragit två OSU). Eempel: Vatteplaig är e stor trafikfara, och av stor betydelse är bildäckes förmåga att pressa uda vatte. För att udersöka vid vilke hastighet vatteplaig uppås vid ett kotrollerat eperimet på e vattefylld baa provades två däcktyper: e med traditioellt däcksmöster och e med ett yutvecklat möster skapat just för att träga uda vatte. Varje däcktyp provades på 0 typer av bilar eftersom biles tygd och aerodyamiska egeskaper också ka påverka vid vilke hastighet vatteplaig uppås. Följade resultat erhölls. Deltagare 3 4 5 6 7 8 9 0 Traditioellt 59 98 6 0 6 5 77 95 74 83 Nytt 64 03 77 99 59 5 79 89 68 85 Är det ya möstret bättre, sett till vid vilke hastighet vatteplaig uppås (det är givetvis öskvärt att ma ska kua köra så fort som möjligt uta att få vatteplaig), jämfört med det traditioella möstret? Utred frågeställige på 5% sigifikasivå. Vilka atagade måste göras för att metodike ska vara tillämpbar? 7

Relatio mella hypotesprövig och kofidesitervall för jämförelser Om d 0 igår i itervallet ka H 0 ej förkastas. Vid H a : µ µ < d 0 (för adelar H a : π π < d 0 ) udersöker vi om d 0 igår i ett uppåt begräsat kofidesitervall Vid H a : µ µ > d 0 (för adelar H a : π π > d 0 ) udersöker vi om d 0 igår i ett edåt begräsat kofidesitervall Vid H a : µ µ d 0 (för adelar H a : π π d 0 ) udersöker vi om d 0 igår i ett dubbelsidigt kofidesitervall 8