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

Relevanta dokument
4.2.3 Normalfördelningen

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)

SAMMANFATTNING TAMS79 Matematisk statistik, grundkurs

θx θ 1 om 0 x 1 f(x) = 0 annars

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

FORMELSAMLING MATEMATISK STATISTIK, FMS601. Fördelning Väntevärde Varians. p x (1 p) n x x = 0, 1,..., n np np(1 p) ) x = 0, 1,..., n np.

Grundläggande matematisk statistik

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

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

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

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

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

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

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

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

Formelblad Sannolikhetsteori 1

TENTAMEN I MATEMATISK STATISTIK

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

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

Avd. Matematisk statistik

TENTAMEN I MATEMATISK STATISTIK Datum: 13 mars 08

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

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

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

Statistik. Språkligt och historiskt betyder statistik ungefär sifferkunskap om staten

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

F10 ESTIMATION (NCT )

Föreläsning G70 Statistik A

a) Beräkna E (W ). (2 p)

Tentamen i Sannolikhetsteori III 13 januari 2000

Grundläggande matematisk statistik

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

TAMS79: Föreläsning 9 Approximationer och stokastiska processer

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

2. Konfidensintervall för skillnaden mellan två proportioner.

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

Matematisk statistik TMS063 Tentamen

Linjär regression - kalibrering av en våg

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

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

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

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

Id: statistik.tex :48:29Z joa

Datorövning 2 Fördelningar inom säkerhetsanalys

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

Föreläsning G04: Surveymetodik

Formler och tabeller i statistik

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

SAMMANFATTNING TAMS65

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

Matematisk statistik

Sannolikhetsteori FORMELSAMLING MATEMATISK STATISTIK, AK FÖR CDEFI, NANO OCH PI, MAS233, 2004 FMS 012, FMS 022, FMS 121 OCH MAS233

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

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

Föreläsning 2: Punktskattningar

Introduktion till statistik för statsvetare

TENTAMEN I MATEMATIK MED MATEMATISK STATISTIK HF1004 TEN kl

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

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

Tentamen i Krypteringsmetoder och Säkring av Datasystem 7.5 hp

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

Borel-Cantellis sats och stora talens lag

Tentamen i matematisk statistik

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

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

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

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

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

Laboration 5: Konfidensintervall viktiga statistiska fördelningar

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

a. Nej, eftersom alla utfall inte har samma sannolikhet. Förutsättningarna enligt första stycket på sida 12 är inte uppfyllda.

TAMS15: SS1 Markovprocesser

Tentamen i Matematisk statistik för V2 den 28 maj 2010

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 Sammanfattning och exempel, del II

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

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

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

MA2018 Tillämpad Matematik III-Statistik, 3.5hp,

TENTAMEN Datum: 16 okt 09

MA2018 Tillämpad Matematik III-Statistik, 3.5hp,

1. Test av anpassning.

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

4.2.3 Normalfördelningen

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

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

MA2018 Tillämpad Matematik III-Statistik, 3.5hp,

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

Formel- och tabellsamling i matematisk statistik

Sannolikhetslära statistisk inferens F10 ESTIMATION (NCT )

MA2018 Tillämpad Matematik III-Statistik, 3.5hp,

Föreläsning G04 Surveymetodik 732G19 Utredningskunskap I

Datorövning 2 Fördelningar inom säkerhetsanalys

Intervallskattningar, synonymt konfidensintervall eller statistiska osäkerhetsgränser

Tolkning av sannolikhet. Statistikens grunder, 15p dagtid. Lite mängdlära. Lite mängdlära, forts. Frekventistisk n A /n P(A) då n

S0005M V18, Föreläsning 10

SF1901: Sannolikhetslära och statistik

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

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.

Transkript:

Normalfördeliges betydelse Empirisktse gur: måga storheter approximativt ormalfördelade Summa av måga ugefär oberoede och ugefär likafördelade s.v. är approximativt ormalfördelad CGS Exempel: mätfel = summa av måga oberoede felkällor som är av samma storleksordig Saolikhet och statistik Normalfördelige HT 008 Uwe.Mezel@math.uu.se http://www.math.uu.se/ uwe/ Figur: Approximativt ormalfördelad Täthetsfuktio, vätevärde och varias för N µ, f x = X E X = V X = Z x µ / e π Z + + x Täthetsfuktio för N µ, för olika µ och <x < x µ / e π x µ Figur: 0 D-Mark dx = µ x µ / e π dx = D X = Figur: Normalfördelige

Fördeligsfuktio för N µ, Låt X vara ormalfördelad: X N µ,. Låt Y = X µ /. Vilke fördeligsfuktio har Y? X är ormalfördelad: X N µ,. f X x = F X x = F X x = π e x µ / x Tyvärr ige aalytisk lösig f X t dt x π e t µ / dt F Y y = P Y y = P X µ y = P X µ + y = F X µ + y = = µ+y π y π e u / du e t µ / dt subst. u = t µ / Det är fördeligsfuktioe för N 0,, alltså Y N 0, Fördeligsfuktioe för N 0, kallas Φ x X N µ, Φ X x = ϕ X x = x π e t / dt π e x / X µ / N 0, Figur: Stadardiserad ormalfördelig

Stadardiserad ormalfördelig: Tabell över Φ x Beräkig av F X x för godtyckliga x, µ och : Om X N µ, F X x = P X x X µ = P x µ = P Y x µ x µ = Φ Vi behöver Φ helst för hela R Φ x för egativa argumet ϕ x = ϕ x Φ x = Φ x Beräkig av slh. för allmä ormalfördelig x µ X N µ, F X x = Φ Exempel : X N 4, Vad är P X 3?? P X 3 = 3 4 F X 3 = Φ = Φ 0.5 = Φ 0.5 = 0.695 = 0.3085 Exempel : X N 4, Vad är P X 5?? Figur: N 0, P X 5 = P X < 5 = P X 5 5 4 = F X 5 = Φ = Φ 0.5 = 0.695 = 0.3085

Saolikhete att X ligger mella två värde Sammafattig av alla 3 exempel b µ a µ P a < X b = F X b F X a = Φ Φ Exempel: X N 4, Vad är P 3 X 5?? P 3 X 5 = F X 5 F X 3 5 4 3 4 = Φ Φ = Φ 0.5 Φ 0.5 = Φ 0.5 [ Φ 0.5] = Φ 0.5 = 0.695 = 0.383 Figur: P X < 3 + P 3 X < 5 + P X 5 = Saolikhet iom µ ±, µ ±, µ ± 3 Saolikhet iom µ ±, µ ±, µ ± 3 b µ a µ P a < X b = F X b F X a = Φ Φ P µ < X µ + = F X µ + F X µ µ + µ µ µ = Φ Φ = Φ Φ = 0.954 Samma med och 3: Figur: k itervaller P µ X µ + = 0.68 P µ X µ + = 0.954 P µ 3 X µ + 3 = 0.997

Kvatiler för de stadardiserade ormalfördelige Kvatiler för de stadardiserade ormalfördelige Deitio kvatil λ α : P X > λ α = α eller Φ λ α = α Figur: Kvatiler för N 0, Figur: Kvatiler för N 0, α 0.0005 0.00 0.005 0.0 0.05 0.05 0.0 λ α 3.9 3.09.58.33.96.64.8 Saolikhet iom µ ± λ α/ för allmä ormalfördelig Saolikhet iom µ ± λ α/ för allmä ormalfördelig b µ a µ P a < X b = F X b F X a = Φ Φ P µ λα/ < X µ + λ α/ = α P α = P µ λα/ < X µ + λ α/ = F X µ + λα/ F X µ λα/ µ + λα/ µ µ λα/ µ = Φ Φ = Φ λ α/ Φ λα/ = Φ [ ] λ α/ Φ λα/ = Φ λ α/ = [ α/] = α Sätt α = 0.05, 0.00, 0.000 P µ.96 < X µ +.96 = 0.95 P µ.58 < X µ +.58 = 0.99 P µ 3.9 < X µ + 3.9 = 0.999 Ex: α = 0.05, α/ = 0.05, λ α/ =.96, α = 0.95 Låt X N 3, = P < X 5 95%

Summa och dieres av oberoede ormalfördelade s.v. med olika µ och : Om X N µ X, X och Y N µ Y, Y = X + Y N µ X + µ Y, + X Y X Y N µ X µ Y, + X Y Summor diereser av oberoede N är också N, äve om igåede kompoeter har olika vätevärde och variaser. Figur: µ = 3; µ = 5 ; µ = 8; = 3; = 4; = 5 Summa av era ormalfördelade s.v. med olika µ och X i oberoede X i N µ i, i = a i X i + b N a i µ i + b, a i i Figur: t = t + t + t 3 + t 4

Fördelig för summa och medelvärdet av era ormalfördelade s.v. med samma µ och Exempel: Fördelig för X Summa av oberoede, ormalfördelade s.v. med samma vätevärde och stadardavvikelse: Låt E X i = µ och D X i =. Om Y = Om X = X i så gäller Y N i= X i så gäller X N i= µ, µ, OBS!!: Vi förutsätter här att kompoetera X, X,... X är ormalfördelade satse gäller exakt. Exempel: Ett mätfel X är fördelad N 0, 0. Hur stor är slh. att felet är begräsad till 3, 3?? P 3 < X < 3 = F X 3 F X 3 3 0 3 0 = Φ Φ 0 0 = Φ 0.3 Φ 0.3 = Φ 0.3 0.36 Saolikhete är 3% att absolutbeloppet av felet är 3. Exempel: Fortsättig Exempel: Ett mätfel X är fördelad N 0, 0. Hur stor är slh. att felets medelvärde över 5 mätigar är begräsad till 3, 3?? 0 X N 0, 0 X N 0, = N 0, 5 P 3 < X < 3 = F X 3 F X 3 3 0 3 0 = Φ Φ = Φ.5 Φ.5 = Φ.5 0.866 Saolikhete är 87% att absolutbeloppet av felets medelvärde blir midre ä 3. Mycket bättre! Dieres av två medelvärde frå N med olika µ,, Vi har sett hur medelvärdet av N's är fördelad, och vi har sett hur summa dierese av N's är fördelad. Om ma kombierar dessa formler, ser ma t. ex. hur e dieres av medelvärde är fördelad: Låt X och Ȳ vara två sådaa medelvärde: X N X µ X, X X Ȳ N och = Ȳ N Y µ Y, Y µ X µ Y, X / X + Y / Y

Cetrala gräsvärdessatse Cetrala gräsvärdessatse Kom ihåg vart experimet där vi kastade tärigar: Vi har sett att summor av oberoede ormalfördelade s.v. är också ormalfördelade. Äve summor av godtycklig fördelade, oberoede och likafördelade slumpvariabler är i regel ugefär ormalfördelad, bara atalet kompoeter i summa är tillräckligt stort. = Normalfördelige har ett stort avädigsområde Figur: Poägsumma av tärigskast, = Nytt experimet: Vi kastar tärigar Cetrala gräsvärdessatse Summa av oberoede, likafördelade s.v. är approximativt ormalfördelad om atalet kompoeter är tillräckligt stort. Låt E X i = µ och D X i =. Om Y = Om X = X i så gäller Y AsN i= X i så gäller X AsN i= µ, µ, Figur: Poägsumma av tärigskast, = atalet tärigar OBS!!: Vi förutsätter här INTE att kompoetera X, X,... X är ormalfördelade satse gäller approximativt

Cetrala gräsvärdessatse Sammafattig summa och medelvärde Y = X i = Y AsN i= µ, Kompoetera måste vara oberoede och likafördelade samma µ och. Y µ N 0, ormalfördelad godtycklig fördelad Cetrala gräsvärdessatse Om X, X,... är e oädlig följd av oberoede likafördelade s.v. med vätevärdet µ och stadardavvikelse, så gäller för Y = X + X... X att P a < Y µ b Φ b Φ a om Y = i= X i Y N µ, Y N µ, X = i= X i X N µ, exakt X N µ, asymptotiskt I ex. mätfel var vi alltså ite tvuga att förutsätta X i N