Lösningsförslag 081106

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

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

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, 7.5hp,

Tentamen i matematisk statistik

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

Föreläsning G04: Surveymetodik

Konsoliderad version av. Styrelsens för ackreditering och teknisk kontroll föreskrifter (STAFS 1993:18) om EEG-märkning av färdigförpackade varor

1. Test av anpassning.

Övningstentamen i MA2018 Tillämpad Matematik III-Statistik, 7.5hp

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

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

Statistik. Språkligt och historiskt betyder statistik ungefär sifferkunskap om staten

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

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

Tentamen i Statistik, STA A13 Deltentamen 2, 5p 24 januari 2004, kl

Grundläggande matematisk statistik

Datorlaboration 2 Konfidensintervall & hypotesprövning

F10 ESTIMATION (NCT )

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

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

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

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

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

Föreläsning G04 Surveymetodik 732G19 Utredningskunskap I

Kompletterande kurslitteratur om serier

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

Datorövning 2 Fördelningar inom säkerhetsanalys

Avd. Matematisk statistik

4.2.3 Normalfördelningen

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

MS-A0409 Grundkurs i diskret matematik I

( ) ( ) Kap Kolligativa egenskaper + fasjämvikter för 2-komponentsystem 5B.2/5.5 Kolligativa egenskaper R T

Föreläsning 2: Punktskattningar

SKÄRDATAREKOMMENDATIONER UDDEHOLM NIMAX

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

Enkel slumpvandring. Sven Erick Alm. 9 april 2002 (modifierad 8 mars 2006) 2 Apan och stupet Passagesannolikheter Passagetider...

Statistiska analyser C2 Inferensstatistik. Wieland Wermke

Formelblad Sannolikhetsteori 1

Tentamen i Flervariabelanalys F/TM, MVE035

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

TMS136: Dataanalys och statistik Tentamen med lösningar

Statistiska undersökningar

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

(a) om vi kan välja helt fritt? (b) om vi vill ha minst en fisk av varje art? (c) om vi vill ha precis 3 olika arter?

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

LULEÅ TEKNISKA UNIVERSITET Ämneskod S0006M Institutionen för matematik Datum Skrivtid

SKÄRDATAREKOMMENDATIONER RAMAX HH

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

Steg 4. Lika arbeten. 10 Diskrimineringslagen

Föreläsning G70 Statistik A

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

S0005M V18, Föreläsning 10

Beskrivande statistik Kapitel 19. (totalt 12 sidor)

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

Lektionsanteckningar 2: Matematikrepetition, tabeller och diagram

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

Funktionsteori Datorlaboration 1

θx θ 1 om 0 x 1 f(x) = 0 annars

Föreläsning G70 Statistik A

Borel-Cantellis sats och stora talens lag

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

Datorövning 2 Fördelningar inom säkerhetsanalys

Lösningsförslag till tentamen i 732G71 Statistik B,

KA RKUNSKAP. Vad vet samhällsvetarna om sin kår? Julius Schmidt, Hannes Jägerstedt, Hanna Johansson, Miro Beríc STAA31 HT14

Artificiell intelligens Probabilistisk logik

Allmänna avtalsvillkor för konsument

Linjär regressionsanalys. Wieland Wermke

Markanvisningsavtal för och försäljning av fastigheten Gesällen 25

Följande begrepp används ofta vid beskrivning av ett statistiskt material:

Tentamen STA A10 och STA A13, 9 poäng 19 januari 2006, kl

Statistik 1 för biologer, logopeder och psykologer

a) Beräkna E (W ). (2 p)

Tabell- och formelsamling. A4 Grundläggande Statistik A8 Statistik för ekonomer. Thommy Perlinger

Tentamen i Sannolikhetslära och statistik (lärarprogrammet) 12 februari 2011

MS-A0409 Grundkurs i diskret matematik Sammanfattning, del I

Tentamen i Statistik, STA A10 och STA A13 (9 poäng) 23 februari 2004, klockan

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

Syftet med den här laborationen är att du skall bli mer förtrogen med följande viktiga områden inom matematisk statistik

Tentamen'i'TMA321'Matematisk'Statistik,'Chalmers'Tekniska'Högskola.''

Leica Lino. Noggranna, självavvägande punkt- och linjelasers

MA2018 Tillämpad Matematik III-Statistik, 3.5hp,

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

9. Beräkna volymen av det område som begränsas av planet z = 1 och paraboloiden z = 5 x 2 y 2.

Samverkande Expertnät

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

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}.

Multiplikationsprincipen

a) Vad är sannolikheten att det tar mer än 6 sekunder för programmet att starta?

Beskriv hur du, utan att räkna alla pärlor, kan göra en god uppskattning av hur många pärlor som finns av respektive färg. 2/0/0

Kunskap = sann, berättigad tro (Platon) Om en person P s har en bit kunskap K så måste alltså: Lite kunskaps- och vetenskapsteori

Statistikens grunder 1 och 2, GN, 15 hp, deltid, kvällskurs

Lärare 2. Lärare 1 Binomial och normalfördelning Fel i statistiska undersökningar Att tolka undersökningar Falska samband Jämföra i tid och rum

MA2018 Tillämpad Matematik III-Statistik, 3.5hp,

Höftledsdysplasi hos dansk-svensk gårdshund - Exempel på tavlan

Lektion 1: Fördelningar och deskriptiv analys

Tentamen i Statistik, STA A10 och STA A13 (9 poäng) Onsdag 1 november 2006, Kl

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

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

Föreläsning F3 Patrik Eriksson 2000

Transkript:

Lösigsförslag 86 Uppgift Trädslag: kvalitativ, omialskala (diskret) Diameter: kvatitativ, kvotskala, kotiuerlig Höjd: kvatitativ, kvotskala, kotiuerlig Ålder: kvatitativ, kvotskala, kotiuerlig Trädslag: Frekvestabell, cirkeldiagram, stapeldiagram, typvärde Diameter, höjd och ålder: Klassidelad frekvestabell, histogram, boxplot, dotplot, medelvärde, stadardavvikelse, media C Trädslag vs diameter: Medelvärde för respektive trädslag, stapeldiagram som visar medelvärde Diameter vs höjd: Spridigsdiagram, korrelatioskoefficiet D Förklarigsgrade är korrelatioskoefficiete i kvadrat, dvs,87 =,6675 66,7 % av de totala variatioe (variatioe i fastighetspriset) förklaras av variatioe i virkesförrådet Priset på fastighete ökar med i geomsitt 5.:- per kubikmeter skog fastighet uta virkesförråd har sålts för i geomsitt 53. kroor. Ma bör vara försiktig med att tolka kostate då det ite framgår för vilka värde som modelle tagits fram. Rimlige borde e skogsfastighet ha ett virkesförråd, me det är ite säkert. F =53+5*.=753 ( kroor)

Uppgift = Hädelse att lögdetektor idikerar lög = Hädelse att e perso ljuger Giva uppgifter eligt de iledade texte: Pr(icke- icke-)=,84 Pr( )=,8 Pr()=, Pr( och )=Pr( )*Pr()=,8*,=,8 Pr(icke- icke-)=pr(icke- icke-)*pr(icke-)=,84*,99=,836 Icke-,8,, Icke-,584,836,99,664,8336, Pr( ) = Pr( och )/Pr()=,8/,664=,48 Pr(icke- )=- Pr( )=-,48=,95 C *+= x*pr(=x)=*,+*,3+*,3+3*,+4*,=,9 []= x*pr(=x)=**,+**,3+**,3+3*3*,+4*4*,=,3+,+,8+,6=4,9 Var[]=[]-[]*[]=4,9-,9*,9=,9 -> s=,4 D []=5+3*[]=5+3*,9=,7 s= 3 *S=3*,4=3,4 är Nf(µ=,7;σ=,5) Pr(<,7)=Pr(<,7-,7/,5)=Pr(<-,)=4% F är Nf(μ=4,6;σ=,) Pr(<4,)=Pr(<4,-4,6/,)=Pr(<-,5)=3%

Uppgift 3 p = del burkar som ite håller måttet Pˆ, Kravet för att få approximera med ormalfördelige: p(-p) 9 p(-p) 9 = *,*,99=,98 (ej tillräckligt stort för ormalapproximatio egetlige) z / ( ),,96,(,),,38 Med 95% säkerhet ligger adele burkar som måste kasseras iom itervallet -,4%, med reservatio för att itervallet ite är tillförlitligt pga otillåte ormalapproximatio

Täthetsfuktio För att studera effekte av medicie har ma studerat två olika variabler. Dels adele som dött i kraskärlssjukdom och dels adele som haft ej dödlig hjärtifarkt P = dele som dött i kraskärlssjukdom (Variabel ) Kotrollgrupp gru pp,4,58 H o : Lika stora populatiosadelar = p -p Kotroll = H : Populatiosadele är lägre för behadligsgruppe = p -p Kotroll > Vi väljer sigifikasivå α till 5% vilket ger följade kritiska område:,4 -fördelig Medelvärde=; Stadardavvikelse=,3,,,5,,64 Tesvariabel: ( ) där Vi ska förkasta ollhypotese på 5%-ivå då Observerat >,645 Kotroll Kotroll Kotroll,58 38 38,4 33 33,354 ( ) Kotroll Kotroll,354,58 (,354),4 38 33,559 Observerat värde (=,559) < Kritiskt värde (=,645). Vi ka ite förkasta ollhypotese på 5 % -ivå Vi ka ite säga att adele som dött i kraskärlssjukdom är midre för de som fått medici jämfört med de som fått placebobehadlig.

Täthetsfuktio P = dele som haft ej dödlig hjärtifarkt (Variabel ) Kotrol lgrupp gru pp,6,43 H o : Lika stora populatiosadelar = p -p Kotroll = H : Populatiosadele är lägre för behadligsgruppe = p -p Kotroll > Vi väljer sigifikasivå αtill 5% vilket ger följade kritiska område:,4 -fördelig Medelvärde=; Stadardavvikelse=,3,,,5,,64 Tesvariabel: ( ) där Vi ska förkasta ollhypotese på 5 % -ivå då Observerat >,645 Kotroll Kotroll Kotroll,6 38 38,43 33 33,5 ( ) Kotroll Kotroll,5 (,6,5),43 38 33 3,435 Observerat värde (=3,435) > Kritiskt värde (=,645). Vi förkastar ollhypotese på 5 % -ivå dele som haft ej dödliga hjärtifarkter är midre för de som fått medici jämfört med de som fått placebobehadlig.

Täthetsfuktio C Chitest fördeligstest Vi ska jämföra dessa båda värderigsmä och udersöka ifall deras fördelig är det gäller klassificerige är lika. VI betraktar det observerade resultatet som två oberoede stickprov. H o : Fördeligara för de båda avsyigsmäe avseede klassificerige är lika H : Fördeligara för de båda avsyigsmäe avseede klassificerige är ite lika Vi väljer sigifikasivå till 5 %, vilket ger det kritiska värdet 5,99,5 Chi-fördelig Chi-; frihetsgrader,4,3,,, Chi- 5,99,5 Olle Jocke Summa Klass 8 38 Klass 5 47 Klass C 6 8 34 Summa 59 6 9 Om ollhypotese är sa så ska fördeligara vara lika och de relativa frekvesera för de olika klassera vara: Klass = 8/9 dvs 3,93 %, Klass = 47/9 dvs 39,5 %, Klass C = 34/9 dvs 8,57 % C C Total 8 38 88,4 9,6 5 47 33,3 36,97 3 6 8 34 68,57 7,43 Total 59 6 9 Chi-Sq = 4,6; DF = ; P-Value =,3 ( Oij ij ) ij är χ -fördelad med (atal kategorier-) frihetsgrader. ( O ) ij ij (8 88,4) (5 33,3) (6 68,57) ( 9,6) ( 36,97) (8 7,43) 88,4 33,3 68,57 9,6 36,97 7,43 ij 4,6 Vi ka ite förkasta ollhypotese på 5 % ivå, då vi ite hamar i det kritiska området. Vi ka ite säga att de båda värderigsmäe gör olika kvalitetsvärderigar.

Uppgift 4 För att beräka erforderlig stickprovsstorlek ka följade formel avädas: z L där L är felmargiale,96 8 9,83 => Stickprovet måste bestå av mist observatioer 5 Ma brukar dela i fele i två typer, slumpmässiga fel och systematiska fel. Det slumpmässiga felet är kopplat till urvalet och storleke på detta fel ka vi uppskatta då vi geomför slumpmässiga urval. Det systematiska felet ka vi ite bestämma hur stort det är. Det systematiska felet ger e sedvridig av resultatet och detta fel ka delas i i följade feltyper: ortfall: Iträffar då persoer som igår i udersökig väljer att ite delta. Täckigsfel: Iträffar då målpopulatio och rampopulatio ite sammafaller. Udertäckig iebär att rame ite iehåller alla elemet som igår i populatioe. Övertäckig iebär att rame iehåller elemet som ite igår i populatioe. earbetigsfel: Ka uppstå då ma vid mauell imatig av data av misstag ager felaktiga värde. Fel kopplade till mätistrumet: Tolkigsfel, prestigebias etc