Formelsamling i statistik

Relevanta dokument
F15 ENKEL LINJÄR REGRESSION (NCT )

4.2.3 Normalfördelningen

Väntevärde, standardavvikelse och varians Ett statistiskt material kan sammanfattas med medelvärde och standardavvikelse (varians), och s.

Sensorer, effektorer och fysik. Analys av mätdata

Sensorer och elektronik. Analys av mätdata

Formler och tabeller i statistik

Sannolikhetslära statistisk inferens F10 ESTIMATION (NCT )

Föreläsningsanteckningar till Linjär Regression

Lycka till och trevlig sommar!

Geodetisk och fotogrammetrisk mätnings- och beräkningsteknik

Formelsamling. i= 1. f x. Andelar, medelvärde, standardavvikelse, varians, median. p = Stickprovsandel. Populationsandel

Parametriska metoder. Icke-parametriska metoder. parametriska test. Icke-parametriska test. Location Shift. Vilket test ersätts med vilket?

F9 Hypotesprövning. Statistikens grunder 2 dagtid. p-värden. Övning 1 från F8

Geodetisk och fotogrammetrisk mätnings- och beräkningsteknik

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

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

En utvärdering av två olika sätt att skatta fördelningen till stickprovsmedelvärden från olikfördelade data - normalapproximation kontra resampling

HYPOTESPRÖVNING. De statistiska metoderna som används för att fatta denna typ av beslut baseras på två komplementära antaganden om populationen.

Matematisk statistik KTH. Formelsamling i matematisk statistik

Medelvärde. Repetition. Median. Standardavvikelse. Frekvens. Normerat värde. z = x x

Väntevärde för stokastiska variabler (Blom Kapitel 6 och 7)

Något om beskrivande statistik

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

Tillåtna hjälpmedel: Eget handskrivet formelblad (A4), utdelad tabellsamling, miniräknare med tömt minne Studenterna får behålla tentamensuppgifterna

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

4.2.3 Normalfördelningen

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

Korrelationens betydelse vid GUM-analyser

Introduktion till statistik för statsvetare

Centrala gränsvärdessatsen

Grundläggande matematisk statistik

Formelblad Sannolikhetsteori 1

TENTAMEN I MATEMATISK STATISTIK. Statistik för lärare, 5 poäng

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

Fördelningen för populationen som stickprovet togs ifrån är känd så nära som på ett antal parametrar, t.ex: N med okända

θx θ 1 om 0 x 1 f(x) = 0 annars

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

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

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

TENTAMEN I MATEMATIK MED MATEMATISK STATISTIK HF1004 TEN kl

Grundläggande matematisk statistik

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

SAMMANFATTNING TAMS79 Matematisk statistik, grundkurs

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

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

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

= α. β = α = ( ) D (β )= = 0 + β. = α 0 + β. E (β )=β. V (β )= σ2. β N β, = σ2

SAMMANFATTNING AV KURS 602 STATISTIK (Newbold kapitel [7], 8, 9, 10, 13, 14)

Tentamen STA A15 delkurs 1 (10 poäng): Sannolikhetslära och statistisk slutledning 3 november, 2005 kl

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

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

SOS HT Punktskattningar. Skattning från stickprovet. 2. Intuitiva skattningar. 3. Skattning som slumpvariabel. slump.

Tentamen i Sannolikhetsteori III 13 januari 2000

F10 ESTIMATION (NCT )

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

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

TENTAMEN I MATEMATISK STATISTIK

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

D 45. Orderkvantiteter i kanbansystem. 1 Kanbansystem med två kort. Handbok i materialstyrning - Del D Bestämning av orderkvantiteter

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

KTH/ICT IX1501:F7 IX1305:F2 Göran Andersson Statistik: Skattningar

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

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

Tentamen i Matematisk statistik för V2 den 28 maj 2010

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

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

Orderkvantiteter vid begränsningar av antal order per år

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

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

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

0 Testvariabel t, x s n. Lite historia om t-testett. testet. Ett stickprov: Hur räknar r. testet. ett stickprov

Föreläsning G70 Statistik A

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

TENTAMEN I MATEMATISK STATISTIK Datum: 13 mars 08

Föreläsning G04 Surveymetodik 732G19 Utredningskunskap I

SOS HT10. Punktskattning. Inferens för medelvärde ( ) och varians (σ 2 ) för ett stickprov. Punktskattningen räcker inte!

FÖRSÖKSPLANERING. och utvärdering av försöksresultat med den matematiska statistikens metoder. av Jarl Ahlbeck

Föreläsning G04: Surveymetodik

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

Avd. Matematisk statistik

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

a) Beräkna E (W ). (2 p)

Genomsnittligt sökdjup i binära sökträd

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

P (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)

1. Test av anpassning.

2. Konfidensintervall för skillnaden mellan två proportioner.

b) Om du nu hade oturen att du köpt en trasig dator, vad är sannolikheten att den skulle ha tillverkats i Litauen?

Armin Halilovic: EXTRA ÖVNINGAR. ) De Moivres formel ==================================================== 2 = 1

MA2018 Tillämpad Matematik III-Statistik, 3.5hp,

En jämförande studie av GLM, Jungs metod och Tweedie-modell för premiesättning av multiplikativ tariff.

Begreppet rörelsemängd (eng. momentum) (YF kap. 8.1)

Borel-Cantellis sats och stora talens lag

INGENJÖRSMATEMATISK FORMELSAMLING

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

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

Föreläsning 2: Punktskattningar

Tentamen del 2 i kursen Elinstallation, begränsad behörighet ET

Prisuppdateringar på elementär indexnivå - jämförelser mot ett superlativt index

Tentamen Metod C vid Uppsala universitet, , kl

Transkript:

Formelamlg tattk Vero 4. 004-0-9

Ittutoe för formatotekolog och meder 004-0-9 Iehåll: eteckgar... 3 ekrvade tattk... 4. CETRL- OCH SPRIDIGSMÅTT... 4. STDRDVÄGIG...6.3 ORRELTIO OCH REGRESSIO... 7 3 Saolkhetteor... 8 3. RÄ MED SOLIHETER... 8 3. OMITORI... 8 3. STOSTIS VRILER (SLUMPVRILER... 9 3.3 SOLIHETSFÖRDELIGR... 0 3.4 PPROIMTIOSREGLER... 3.5 STICPROVSFÖRDELIGR... 4 Stattk lutledg... 4. OFIDESITERVLL... 4. HPOTESPRÖVIG... 4 4.3 - TEST... 6 4.4 TEST V ORRELTIO... 6 4.5 ICE PRMETRIS TEST... 7

Ittutoe för formatotekolog och meder 004-0-9 eteckgar Stora boktäver,, etc, beteckar lumpvarabler. Små boktäver, x, etc, beteckar faktka värde på obervatoer. Populatotorleke betecka med. Stckprovtorleke betecka med. Grekka boktäver beteckar populatoe parameter. Ex σ, om beteckar populatoe tadardavvkele Udatag: adele, proportoe betecka va böcker med p rep $p Latka boktäver beteckar kattge av parameter. De katta utfrå tckprovet. Ex, om beteckar tckprovet tadardavvkele. Parameter Parameterkattg (tattka ( populatoe/ ao- ( tckprovet lkhetfördelge Medelvärde μ x Vara σ del, proporto p (alt π $p (alt p orrelato ρ r Geerellt θ $ θ 3

Ittutoe för formatotekolog och meder 004-0-9 ekrvade tattk. Cetral- och prdgmått Meda: alt Värdet av de mtterta obervatoe vd udda atal obervatoer + Ob r torlekordg medelvärdet av de båda mtterta obervatoera vd jämt atal obervatoer + Obervatoera: och Tpvärde: Det valgate, met förekommade värdet ett materal Stckprovmedelvärde: x x + x + + x x x Populatomedelvärde: μ Varatovdd: Dfferee mella det törta och det mta värdet, max-m vartlavtåd: vtådet mella övre och udre kvartle, Q 3 - Q vartlavvkele: Geomttlgt avtåd frå kvartlera tll medae, Q3 Q Stckprovtadardavvkele: x x x x ( ( x x Populatotadardavvkele: σ ( x μ x μ 4

Ittutoe för formatotekolog och meder 004-0-9 Om materalet age e frekvetabell: tal olka oberverade värde/olka klaer f abolut frekve; f abolut frekve; f (tckprov f (populato Stckprovmedelvärdet: fx x fx Populatomedelvärdet: μ Stckprovtadardavvkele: f ( ( f x x x f x f x x Populatotadardavvkele: σ f ( x μ f x μ Fraktlmått vd kladelade materal: ( / 00 P x w kf 0 + f de efterökta percetle P varabelvärdet för de ökta percetle x 0 de edre klagräe där de ökta percetle f w klabredd kf 0 kumulerad frekve för x 0 (/00 kumulerad frekve för P f frekve klae 0 5

Ittutoe för formatotekolog och meder 004-0-9. Stadardvägg Problem: E varabel,, har olka medelvärde eller olka adelar mella kategorera och. Detta dataambad ka kotrollera för e uppdelg klaer/ kategorer efter e tredje varabel. Stadardpopulatometode: Välj e tadardpopulato och aväd de vkter geomgåede. På å ätt ka v drekt jämföra tadardvägda medelvärde. w tadardpopulatoe vkter, tratamedelvärde alt p, p trataadelar v w w alt p SV w p w v w w alt p SV w p w apactetmetode: Geom att beräka hpotetka medelvärde för de olka populatoera, utfrå e törre populato medelvärde, och därefter beräka dextal mella de aa och de hpotetka medelvärdea ka populatoera på ett mer rättvt ätt jämföra. z tratamedelvärde för tadardpopulatoe (e törre populato tratamedelvärde w frekveer, atal, vkter hp w w z I 00 at hp hp w z w I 00 at hp 6

Ittutoe för formatotekolog och meder 004-0-9.3 orrelato och regreo ovarae tckprovet: Cov[,] ( x x( orrelatokoeffcete tckprovet: Cov[, ] r ( x x( ( x x( ( x x ( x x x x ( ( ( x ( x ( ( x x orrelatokoeffcete populatoe: Cov[, ] ρ σ σ Regreolje ˆ ˆ ˆ x β + β alteratvt $ a+ b x 0 ˆ β r ( x x( x x ( x x x ( x ˆ β 0 ˆ x ˆ β βx 7

Ittutoe för formatotekolog och meder 004-0-9 3 Saolkhetteor 3. Räka med aolkheter, atal elemet med egekape pr( alt pr( omplemetet tll (cke- pr( pr( pr( pr ( pr( eller pr( + pr( pr( och ddtoate pr( och pr( pr( eller pr( pr ( Multplkatoate Sate om total aolkhet pr( pr( E och pr( E pr( E pr( E och pr( E pr( pr( E pr( E pr( E pre ( ae at Oberoede hädeler Hädelera och ka betrakta om oberoede hädeler om: pr( P ( Detta leder tll att ttet mella två oberoede hädeler ka beräka elgt: pr( och pr( P( Om och är oberoede hädeler, å är äve och cke-, cke- och amt cke- och cke- oberoede hädeler. Djukta hädeler Två hädeler äg vara djukta om de är varadra utelutade, dv de ka te träffa amtdgt. pr( ad 0 3. ombatork Permutatoer (ordge är av betdele E ordad följd av x objekt valda frå objekt tal permutatoer: Px! ( x! 8

Ittutoe för formatotekolog och meder 004-0-9 ombatoer (ordge akar betdele Ett urval av x objekt valda frå objekt (uta hä tll ordge tal kombatoer: (! x!( x! Skrv ockå x x C 3. Stokatka varabler (lumpvarabler pr( x pr( x Vätevärdet E [ ] μ x prx ( Varae ( ( ( Var [ ] σ E ( x μ ( x μ prx ( x prx ( μ E E [ ] Stadardavvkele: d ( σ E ( μ Ljära kombatoer av e lumpvarabel Om a + b, där a och b är kotater å är : E(a+b ae( + b dv μ aμ + b Var[] a Var( dv σ a σ σ a σ Stadarderg av lumpvarabel Om är e lumpvarabel med medelvärdet μ och tadardavvkele σ, μ å har medelvärdet och tadardavvkele 0. σ Summor och dffereer För emella oberoede lumpvarabler, etc gäller: ( + E( E( ( + ( d( ( d( E + d + E ( E( E( ( ( d( ( d( d + Medelvärde och tadardavvkele för umma av obervatoer draga lumpmägt ur e fördelg med medelvärde μ och tadardavvkele σ: μ Sum μ σ Sum σ 9

Ittutoe för formatotekolog och meder 004-0-9 3.3 Saolkhetfördelgar Dkreta aolkhetfördelgar omalfördelge, (, p. tal förök, aolkhete för att lcka p, varabel atal lckade av förök. Saolkhetera (mafuktoe:! pr( x p ( p p ( p x x!( x! x x x x x 0,,,..., Vätevärde: Vara: E( μ p Var( σ p (-p Stadardavvkele: σ p( p Hpergeometrka fördelge, Hp(,,S populatoe torlek, tckprovet torlek, S atalet populatoe av e v kategor, varabel atal tckprovet påträffade av kategor. p S Saolkhetera (mafuktoe: S S ( ( ( Cx C x pr( x x 0,,,..., C Vätevärde: E( μ p Vara: Var( σ p ( p Stadardavvkele: σ σ otuerlga aolkhetfördelgar Lkformga fördelge, U(a,b a x b Saolkhettäthet: f(x b a Vätevärde: E( μ a + b Vara: Var( σ ( b a ormalfördelge, f(μ, σ - x Täthetfukto: f( x e πσ ( x μ σ 0

Ittutoe för formatotekolog och meder 004-0-9 Vätevärde: E( μ Vara: Var( σ 3.4 pproxmatoregler pproxmera de hpergeometrka fördelge med bomalfördelge är urvalfraktoe udertger 0,. (/ 0, omalfördelge får approxmera med ormalfördelge är p(-p 9. ( tort och p ltet otutetkorrekto förbättrar approxmatoe efterom omalfördelge är dkret och ormalfördelge är kotuerlg. e dkret fördelg motvarar tervallet 0,5<<,5 e kotuerlg fördelg. (Ex > 0 0,5 och 0 0,5 3.5 Stckprovfördelgar tckprovet torlek Saolkhetfördelge för tckprovadele pˆ p( p Medelvärdet (vätevärdet för pˆ är p och tadardavvkele är. Fördelge för är bomal me ka då p p > 9 ( ca approxmera med ormalfördelge. pˆ (. Saolkhetfördelge för tckprovmedelvärdet tag att v har e kvattatv varabel med medelvärdet μ och tadardavvkele σ populatoe. Om mätvarabel är ormalfördelad å är ormalfördelad. Om > 30 (ca. å är approxmatvt ormalfördelad äve om te är det (elgt cetrala grävärdeate. har vätevärdet μ och tadardavvkele σ

Ittutoe för formatotekolog och meder 004-0-9 4 Stattk lutledg De tattka feree bgger ofta på att v ka aväda o av ormalfördelge. tge ka v förutätta ormalfördelade varabler, vlket garaterar att tckprovmedelvärdet är ormalfördelat, eller ockå ka v utttja CGS om äger att tckprovmedelvärdet är ormalfördelat är v har tora tckprov. Om v har e käd populatovara ka v aväda z-fördelge, me då v te käer populatovarae ka v ofta aväda t-fördelge. Dea fördelg bekrv av ett atal frhetgrader, df, beroede på hur tora tckprove är. är atalet frhetgrader ökar tederar t-fördelge att bl allt mera lk z-fördelge. Ma ka aväda z-fördelge är atalet frhetgrader övertger 00 uta att felet blr av törre betdele. Har v urval frå ädlga populatoer och urvalfraktoe är törre ä 0%, (/ > 0, aväder v ädlghetkorrekto, e da 6. 4. ofdetervall ofdetervall är uppbggda på följade ätt: Puktkattg ± kofdegrad tadardfel; Där tadardfelet (e är puktkattge tadardavvkele ofdetervall för μ: σ x ± zα e( x x ± zα Fall : är F, σ är käd / / Fall : är F, σ är okäd x ± t e( x x± t df Fall 3: Fördelge är okäd me 30-50 x ± t e( x x± t df Fall 4: Fördelge är okäd och är tort x ± z e( x x α /. ± α / z x ofdetervall för parva obervatoer, matchg: d t e d d t df Matchade par, och är F ± ( ± d t e d d t df Matchade par, 30 ± ( ± d d ofdetervall för μ - μ, två oberoede tckprov: σ σ Fall : och är F, σ och σ är käda ( x ± zα/ +

Ittutoe för formatotekolog och meder 004-0-9 x ± t e x x ± t + Fall : och är F, σ σ me okäda, ( ( ( eller < 30, ( + ( + Fall 3 : och är F, σ σ me okäda, ( ( ( eller 30 (( / + ( / df + - x ± t e x x ± t + ([ ] [ ] df alteratvt M, ( / ( / + Fall 4 : och är ej F, me och 30 ( ( ( x ± z e x x ± z + ofdetervall för proportotal: pˆ ± z e pˆ pˆ ± z p(-p 9 ( pˆ( pˆ ofdetervall för kllade mella två proportotal: pˆ ( pˆ pˆ ( pˆ pˆ ˆ ˆ ˆ ˆ ˆ p ± z e p p p p ± z + p (-p och p (-p 9 ( ( ( Hur ma beräkar erforderlg tckprovtorlek: m tllåte felmargal (halva kofdetervallet lägd z är beroede av kofdevå p* ämta värde på p de gva tuatoe z σ > m z m För proportoer gäller: > p* ( p * väd ädlghetkorrekto får formlera följade uteede: > m z σ z σ + För proportoer gäller: > m ( z p p * * + z p *( p* 3

Ittutoe för formatotekolog och meder 004-0-9 4. Hpoteprövg α Saolkhete att förkata e a ollhpote ; Saolkhete för tp fel β Saolkhete att acceptera e falk ollhpote ; Saolkhete för tp fel tetvarabel aktuell puktkattg (etmator - hpotetk värde tadardfel (e $ θ θ $ e( θ Populatomedelvärdet μ: Fall : är F, σ är käd Tetvarabel Z μ σ / Fall : är F, σ är okäd Tetvarabel: t μ / μ Fall 3 : är ej F, me 30 Tetvarabel: t / df - df - Fall 4 : är ej F, och är mcket tort Tetvarabel: Z μ Skllad mella två medelvärde vd parva obervatoer, matchg: Matchade par, och är F Matchade par, och är ej F me > 30 Tetvarabel: t Tetvarabel: t d d d d 0 D / 0 D / df - df - Skllad mella två populatomedelvärde, μ - μ, två oberoede tckprov: Fall : och är F, σ och σ är käda: ( (μ μ Z σ σ + Fall : och är F, σ σ me okäda : Tetvarabel: ( ( μ μ t + där ( + ( + df + 4

Ittutoe för formatotekolog och meder 004-0-9 Fall 3: och är F, σ σ me okäda, eller 30: t ( (μ μ + (( / + ( / ([ ] [ ] df alteratvt df M, ( / ( / + Fall 4: och är ej F, me och 30 Z ( ( μ + μ Populatoproportoe, p: p(-p 9 Tetvarabel Z pˆ p p( p Skllad mella två populatoproportoer, p p : p (-p 9 och p (-p 9 Tetvarabel Z pˆ pˆ pˆ ˆ 0( p0 + där pˆ 0 pˆ + pˆ + Ädlghetkorrekto: Om v har e ädlg populato och tar ett tckprov om är mer ä ca. 0 % av populatoe, dv. urvalkvote >0,, å aväd ädlghetkorrekto. V får e äkrare kattg och korrgerar därför medelfelet å att det mkar med faktor Ex på ädlghetkorrekto: I för μ: x x± z x± z Hpoteprövg för p: Tetvarabel Z p p p( p 5

Ittutoe för formatotekolog och meder 004-0-9 4.3 x - tet 4.3. Goode of Ft (hur väl aluter g oberverade värde tll e gve fördelg? Jämföreler mella oberverade (O och förvätade (E frekveer. Iga förvätade frekveer får udertga 5 Tetvarabel ( O E χ tal frhetgrader (r- E Tet av oberoede Jämföreler mella oberverade (O och förvätade (E frekveer. Iga förvätade frekveer får udertga 5 Var Var... c Totalt O O... O c R O O... O c R.................. r O r O r... O rc R r Totalt C C... C c tckprovtorlek O j oberverad frekve cell,j R radumma för rad C j kolumumma för kolum j r atal rader c atal kolumer E j förvätad frekve cell,j R C j Tetvarabel ( Oj Ej χ E j tal frhetgrader (r-(c- 4.4 Tet av korrelato r är korrelatokoeffcete mella två ormalfördelade varabler. r Tetvarabel t tal frhetgrader - r /( ( 6

Ittutoe för formatotekolog och meder 004-0-9 4.5 Icke parametrka tet Icke parametrka tet aväd är v har må tckprov och te ka ata att materalet är ormalfördelat. V aväder då k fördelgfra tet. Tecketet väd är v har parva obervatoer, k matchg. ge för varje par om dfferee är potv eller egatv. orte frå de fall där dfferee 0. Räka atalet plu- och mu-tecke. Tetfukto: Det atal tecke om förekommer mt. V tetar hpotee att adele plutecke 0,5 Utttja bomalfördelge för att fa gfkavå. Wlcoxo tet väd är v har parva obervatoer, k matchg. lda dffereer för varje par. Ragorda dffereera efter torleke på dera abolutbelopp. Mta dfferee får ragtalet ov. Vd flera lka dffereer, beräka medelvärdet av ragtale. orte frå de fall där dfferee 0. eräka ragumma för de potva och egatva dffereera. Tetfukto: De lägre ragumma av de båda. V tetar hpotee att medae för de bldade dffereera 0. Ttta ärkld tabell efter krtka värde. 7