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

Relevanta dokument
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

1. Test av anpassning.

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

LÖSNINGSFÖRSLAG TILL TENTAMEN I MATEMATISK STATISTIK

Föreläsning G04: Surveymetodik

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

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

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

Lösningsförslag

Statistik. Språkligt och historiskt betyder statistik ungefär sifferkunskap om staten

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

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

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

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

(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

θx θ 1 om 0 x 1 f(x) = 0 annars

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

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

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

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

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

MA2018 Tillämpad Matematik III-Statistik, 7.5hp,

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

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

Föreläsning G04 Surveymetodik 732G19 Utredningskunskap I

Grundläggande matematisk statistik

a) Beräkna E (W ). (2 p)

F10 ESTIMATION (NCT )

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

S0005M V18, Föreläsning 10

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

Föreläsning G70 Statistik A

4.2.3 Normalfördelningen

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

Matematik. Definition 1 Mängdbeteckningar Tomma mängden Ω Hela utfallsrummet Unionen Snittet C Komplementet A Antalet element i A

Matematisk statistik TMS063 Tentamen

TENTAMEN I MATEMATISK STATISTIK

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

Tentamen i Tillämpad Matematik och statistik för IT-forensik. Del 2: Statistik 7.5 hp

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

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

Borel-Cantellis sats och stora talens lag

Tentamen i Tillämpad Matematik och statistik för IT-forensik. Del 1: Matematik 7.5 hp

Tentamenskrivning, , kl SF1625, Envariabelanalys för CINTE1(IT) och CMIEL1(ME ) (7,5hp)

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

Övningstentamen i MA2018 Tillämpad Matematik III-Statistik, 7.5hp

Datorövning 2 Fördelningar inom säkerhetsanalys

Tentamen i matematisk statistik

TENTAMEN I MATEMATISK STATISTIK Datum: 13 mars 08

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

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

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

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

Introduktion till statistik för statsvetare

Matematik. Definition 1 Mängdbeteckningar Tomma mängden Ω Hela utfallsrummet Unionen Snittet C Komplementet A Antalet element i A

MA2018 Tillämpad Matematik III-Statistik, 3.5hp,

Linjär regression - kalibrering av en våg

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

MA2018 Tillämpad Matematik III-Statistik, 3.5hp,

TMS136: Dataanalys och statistik Tentamen med lösningar

Handbok i materialstyrning - Del F Prognostisering

Tentamen i matematisk statistik

Sannolikhetslära statistisk inferens F10 ESTIMATION (NCT )

Övningstentamen i MA2018 Tillämpad Matematik III-Statistik, 3.5hp

Statistik en introduktion

Tentamen i Matematisk statistik för V2 den 28 maj 2010

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

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

TAMS15: SS1 Markovprocesser

MA2018 Tillämpad Matematik III-Statistik, 3.5hp,

Genomsnittligt sökdjup i binära sökträd

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

Föreläsning G70 Statistik A

Tentamen Metod C vid Uppsala universitet, , kl

Föreläsning 2: Punktskattningar

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

Smärtlindring vid medicinsk abort

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}.

x 1 x 2 x 3 x 4 x 5 x 6 HL Z x x x

ANOVA I: Kap 14. Åldersgrupper -30 år år 51- år. Totalt n k N = 9 X k X = s k s = 8.

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

SAMMANFATTNING TAMS79 Matematisk statistik, grundkurs

Datorövning 2 Fördelningar inom säkerhetsanalys

Jag läser kursen på. Halvfart Helfart

TAMS79: Föreläsning 9 Approximationer och stokastiska processer

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

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

. Mängden av alla möjliga tillstånd E k kallas tillståndsrummet.

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

Armin Halilovic: EXTRA ÖVNINGAR

c n x n, där c 0, c 1, c 2,... är givna (reella eller n=0 c n x n n=0 absolutkonvergent om x < R divergent om x > R n n lim = 1 R.

Formelblad Sannolikhetsteori 1

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

STATISTIK FÖR LÄKARSTUDENTER

Avd. Matematisk statistik

TENTAMEN Datum: 16 okt 09

2. Konfidensintervall för skillnaden mellan två proportioner.

Transkript:

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 ågo utbilig alls presterar c:a 50 (gäller om x0 observerats) För varje ytterligare utbiligstimma ökar prestatioe me i geomsitt 5. B) Utbiligstie bör vara 6 så att 50+5*60 UPPGIFT 3 A) p14/370,43 95%-igt kofiesitervall för ael kalsogbärare i populatioe: p ± 1,96 p(1 p) Förutsättigar: OSU, oberoee mätigar, p(1-p)>9 p(1-p)37*0,43*0,570; tillräckligt stort stickprov! p ± 1,96 p(1 p) 0,43 ± 1,96 0,43(1 0,47) 0,43 ± 0,05 37 Nere gräs0,43-0,050,3 Övre gräs0,43+0,050,4 Slutsats: Me 95% säkerhet fis aele kalsogbärare i itervallet 3-4% B) För halverat kofiesitervall krävs ett fyra gåger så stort stickprov, vs 4*37130 Optimal lösig: Räka me et mest pessimistiska π utifrå pilotuersökige (0,4) mha formel på si 13 i formelsamlige: z m * > p p 0,05 * 1,96 ( 1 ) *0,4*0,5 1534

UPPGIFT 4 Perso r Geomsittligt väre före försöket Geomsittligt väre uer försöket 1 1 9 3 9 14 11 3 9 3 9-1 1 4 11 10 1 1 5 10 10 0 0 6 15 17-4 7 13 10 3 9 14 11 3 9 Meelväre 1,5 10 4 s ( ) 1 10 4 7,05 H 0 : GI-mat påverkar ite blosockerhalte (D0) H 1 : GI-mat säker blosockerhalte (D>0) Förutsättigar för t-test: OSU, oberoee mätigar, variabel är approximativt ormalförela -17, vilket meför att t-förelige me 7 frihetsgraer ska aväas H 0 förkastas om t>1,95 eftersom testet geomförs me 5% sigifikasivå t s obs D 0 1,5 0,05 1,7 < 1,95 Resultatet är icke sigifikat. H 0 accepteras. Group Statistics GI Mätig N Mea St. Deviatio St. Error Mea före 1,13,357,33 efter 10,,5,915

GI Equal variaces assume Equal variaces ot assume Levee's Test for Equality of Variaces F Sig. Iepeet Samples Test t f Sig. (-taile) t-test for Equality of Meas Mea Differece 95% Cofiece Iterval of the St. Error Differece Differece Lower Upper,119,736 1,010 14,330 1,50 1,37-1,404 3,904 1,010 13,79,330 1,50 1,37-1,406 3,906 B) Styrkasaolikhete att förkasta H 0 är e är falsk Förkastelsegräs: H0 förkastas är t>1,95 vs om obs >0+1,95meelfel 1,95*,05 1,37 1,37,5 SöktPr(>1,37 D,5)Pr(t> )Pr(t>-1,56)>0,90 eftersom saolikhete att t<-,05 1,415 är 10% eligt t-tabelle (7 f) C) Tecketest/meiatest, är ifferesera testas m h a biomialförelige. UPPGIFT 5 A) A Häelse att ett misstag sker på måag B Häelse att ett misstag sker e sista timme A) 0,5 B) 0,0 A och B) 0,04 Det är eklast att upprätta e saolikhetstabell och placera i e käa saolikhetera och ärfter beräka e som sakas. A Icke-A B 0,04 0,16 0,0 Icke-B 0,1 0,59 0, 0,5 0,75 1,0 Sökt: icke-b A) AochB) AochB) 0,1 P ( A B) B A) 0,4 B) A) 0,5

B) Nej, eftersom vi oberoee gäller A) * B) A och B) 0,5 * 0,0 0,04 Ma ka också jämföra saolikhetera B A) och B) vilka ite är lika. Jämför saolikhetera 0,4 me 0, (1-0,) Häelsera A och B är beroee! C) X Atal misstag uer måages sista timme 100 misstag p Saolikhete att ett misstag iträffar uer måages sista timme 0,04 Högst ett misstag får iträffa iebär att e eftersökta värea på X är oll och ett. X följer e biomialförelig me 100 och p 0,04 X 1 X är Bi(100; p0,04)) X0) + X1) pr( X pr ( X pr ( X x x ( x ) p (1 p 100 0 100 0 ( 0 ) 0,04 (1 0,04) 0, 0169 100 1 100 1 ( ) 0,04 (1 0,04) 0, 0703 x) ) 0) 1) 1 Saolikhete att högst ett misstag iträffar uer måages sista timme är 0,07 D) Om fråga var koppla till e årliga kostae som utgörs av persorelaterae misstag uer måages sista timme så löser ma e eligt följae: X Atal misstag uer måages sista timme 100 misstag p Saolikhete att ett misstag iträffar uer måages sista timme 0,04 E(X) *p 100*0,04 4 σ ( X ) * p *(1 p) 100*0,04*1 0,04) 1,96 Ma frågar efter förvätat väre och staaravvikelse för kostae uer året. Avä lijär trasformatio: Y Kostae för hela året som sker uer måages sista timme. Y 46 (veckor) * 00 (kr/misstag) * X 36 00*X Y a * X + b E( Y ) a * E( X ) + b Var( Y ) a * Var( X ) σ Y a *σ X I vårt fall Y 36 00*X, är a 36 00 och b 0 Väteväret för kostae: E(Y) 36 00 * 4 147 00 Staaravvikelse för kostae: σ 36 00 * 1,96 7 1 Y

Uppgift 6 A, B) Åler (år) Kvatitativ, Kotiuerlig, Kvotskala Beräka meelväre och staaravvikelse Presetera histogram Klassiela frekvestabell Kö (ma/kvia) Kvalitativ, omialskala Presetera typväre Stapeliagram, cirkeliagram Frekvestabell Ersättigsivå före rehabiliterig (5 %, 50 %, 75 % och 100 %) Kvatitativ, orialskala Beräka meia Stapeliagram eller cirkeliagram Frekvestabell Ersättigsivå efter rehabiliterig (5 %, 50 %, 75 % och 100 %) Kvatitativ, orialskala Beräka meia Stapeliagram eller cirkeliagram Frekvestabell Ti frå första sjukskrivigsag till iitierat rehabiliterigsäree (agar) Kvatitativ, iskret, kvotskala Beräka meelväre och staaravvikelse Histogram Klassiela frekvestabell Ti frå iitierat rehabiliterigsäree till påbörja rehabiliterig (agar) Kvatitativ, iskret, kvotskala Beräka meelväre och staaravvikelse Histogram Klassiela frekvestabell Rehabiliteriges läg (agar) Kvatitativ, iskret, kvotskala Beräka meelväre och staaravvikelse Histogram Klassiela frekvestabell

C) Ma ka beräka meelväre för ti ia iitierat rehabiliterigsäree för mä respektive kvior och jämföra essa. Ma ka åskåliggöra essa i ett stapeliagram D) Ma ka stuera förärigar i ersättigsivåera. Säkt, oförärat och höjt. Gruppiela åler och skapa ett atal klasser. Illustreras lämpligast me korstabell är åler summeras till 100 %. Ma ka jämföra aele som säkt si ersättigsgra mella uga och gamla.