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

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

F10 ESTIMATION (NCT )

S0005M V18, Föreläsning 10

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

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

1. Test av anpassning.

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

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)

Föreläsning G70 Statistik A

Statistik. Språkligt och historiskt betyder statistik ungefär sifferkunskap om staten

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

Grundläggande matematisk statistik

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

Föreläsning G70 Statistik A

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

Föreläsning G04: Surveymetodik

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

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

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

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

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

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

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

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

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

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

a) Beräkna E (W ). (2 p)

TMS136: Dataanalys och statistik Tentamen med lösningar

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

LÖSNINGSFÖRSLAG TILL TENTAMEN I MATEMATISK STATISTIK

Matematisk statistik TMS063 Tentamen

4.2.3 Normalfördelningen

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

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

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

Föreläsning G04 Surveymetodik 732G19 Utredningskunskap I

χ 2, chi-två Test av anpassning: sannolikheter specificerade Data: n observationer klassificerade i K olika kategorier:

Sannolikhetslära statistisk inferens F10 ESTIMATION (NCT )

2. Konfidensintervall för skillnaden mellan två proportioner.

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

Avd. Matematisk statistik

θx θ 1 om 0 x 1 f(x) = 0 annars

SAMMANFATTNING TAMS65

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.

Tentamentsskrivning: Tillämpad Statistik 1MS026 1

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

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

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

Föreläsning 2: Punktskattningar

Introduktion till statistik för statsvetare

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

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

MA2018 Tillämpad Matematik III-Statistik, 7.5hp,

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

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

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

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

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

F14 HYPOTESPRÖVNING (NCT 10.2, , 11.5) Hypotesprövning för en proportion. Med hjälp av data från ett stickprov vill vi pröva

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

Formelblad Sannolikhetsteori 1

2. Test av hypotes rörande medianen i en population.

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

Datorövning 2 Fördelningar inom säkerhetsanalys

Id: statistik.tex :48:29Z joa

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

Datorövning 2 Fördelningar inom säkerhetsanalys

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

TENTAMEN I MATEMATIK MED MATEMATISK STATISTIK HF1004 TEN kl

Höftledsdysplasi hos dansk-svensk gårdshund - Exempel på tavlan

F9 SAMPLINGFÖRDELNINGAR (NCT

Tentamen i Matematisk statistik för V2 den 28 maj 2010

Övningstentamen i MA2018 Tillämpad Matematik III-Statistik, 3.5hp

Intervallskattningar, synonymt konfidensintervall eller statistiska osäkerhetsgränser

Jag läser kursen på. Halvfart Helfart

F12 Stickprovsteori, forts

Tentamen Metod C vid Uppsala universitet, , kl

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

Lösningsförslag

TENTAMEN I MATEMATISK STATISTIK Datum: 13 mars 08

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

STATISTIK FÖR LÄKARSTUDENTER

Formelsamling Tillämpad statistik, A5

Föreläsning 5. Kapitel 6, sid Inferens om en population

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

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

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

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

Borel-Cantellis sats och stora talens lag

π = proportionen plustecken i populationen. Det numeriska värdet på π är okänt.

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

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

Formelsamling. Enkel linjär regressionsananalys: Modell: y i = β 0 + β 1 x i + ε i. Anpassad regressionslinje: ŷ = b 0 + b 1 x. (x i x) (y i ȳ) ( x)2

Föreläsning G60 Statistiska metoder

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

Transkript:

Stat. teori gk, ht 006, JW F19 HPOTESPRÖVNING (NCT 11.1-11.) Hypotesprövig för e differes mella två medelvärde Samma beteckigar som vid kofidesitervall för differes mella två populatiosmedelvärde: Medelvärde Stadardavvikelse Populatio 1 µ σ Populatio µ σ Vi är itresserade av differese µ - µ. Stickprov frå pop. 1 Stickprov frå pop. Atal obs. Medel- Stadardi stickpr. värde avvikelse x s y s Oberoede atas mella de båda stickprove. 1

Hypoteser: H 0 : µ - µ D 0 H 1 : µ - µ D 0 (eller ekelsidig mothyp.) där D 0 är ett tal. Ofta är D 0 0, dvs. vi prövar ollhypotese: H 0 : µ µ 0 Vi vill med adra ord pröva om båda populatioera ka täkas ha samma medelvärde. Vi vet att x y är e vätevärdesriktig skattig av µ -µ. Fråga vid hypotesprövige är de valiga: Ligger det observerade värdet på x y så lågt ifrå talet D 0, att vi fier aledig att förkasta H 0?

Fall 1: Stora stickprov ( > 30 och > 30) Iga förutsättigar om populatioeras fördelig. Testvariabel är populatiosvariasera är käda: Z ( x y) σ σ + D 0 Testvariabel är populatiosvariasera är okäda: Z ( x y) s s + D 0 Testvariablera Z ova är approximativt ormalfördelade, N(0; 1), är H 0 är sa. Förkastelsegräser bestäms av sigifikasivå och mothypotes. 3

Fall : Små stickprov Här krävs att båda stickprove kommer frå populatioer som är ormalfördelade. Testvariabel är populatiosvariasera är käda: Z ( x y) σ σ + D 0 När populatiosvariasera är okäda krävs dessutom att dessa är lika stora. (Båda populatioera förutsätts ha lika varias, me vi käer ite till det umeriska värdet.) Testvariabel: t ( x s p y) D 1 1 ( + 0 ) Testvariabel Z ova är ormalfördelad, N(0; 1), är H 0 är sa. Testvariabel t ova är t-fördelad med + frihetsgrader, är H 0 är sa. 4

Ex.: Två oberoede stickprov. Har båda populatioera samma medelvärde? Okäda populatiosvariaser. Atal obs. Medelvärde Stadardavvikelse Stickprov 1 36 0,1,35 Stickprov 36 19,,5 Hypoteser: H 0 : µ -µ 0 (dvs. µ µ ) H 1 : µ -µ 0 (dvs. µ µ ) Sig.-ivå: 5% Testvariabel: Z ( x y) 0 s s + Beslutsregel: H 0 förkastas om Z obs > 1,96. (0,1 19,) 0 Resultat: Z obs 1, 66,35,5 + 36 36 Slutsats: H 0 ka ite förkastas på 5% sig.- ivå. Stickprovsmedelvärdea skiljer sig ite sigifikat åt. 5

Ex.: Oberoede stickprov frå två ormalfördeligar med lika (me till värdet okäd) varias. Är µ > µ? Atal obs. Medelvärde Stadardavvikelse Stickprov 1 11 1,3 0,3 Stickprov 13 1,18 0,7 s p ( 1) s + + ( 1) s 10 0,3 + 1 0,7 0,0638 Hypoteser: H 0 : µ -µ 0 H 1 : µ -µ > 0 Sig.-ivå: 1% Testvariabel: t ( x y) 0 1 1 s p( + ) Frihetsgrader: 11 + 13 6

Beslutsregel: H 0 förkastas om t obs >,508 (1,3 1,18) 0 Resultat: tobs 0, 483 1 1 0,0638( + ) 11 13 Slutsats: H 0 ka ite förkastas på 1% sig.- ivå. Medelvärdet i stickprov 1 är ite sigifikat större ä medelvärdet i stickprov. 7

Hypotesprövig för e differes mella två proportioer Samma beteckigar som vid kofidesitervall för differes mella två populatiosproportioer: Populatio 1 Populatio Prop. med viss egeskap P P Vi vill pröva om P P, dvs. om P - P 0. Ett stickprov frå vardera populatioe. Stickprove dras oberoede av varadra. Stickprov frå pop. 1 Stickprov frå pop. Atal obs. i stickpr. Prop. med aktuella egeskape 8

Hypoteser: H 0 : P -P 0 H 1 : P -P 0 (eller ekelsidig mothyp.) Vi vet att är e vätevärdesriktig skattig av P -P. Ligger det observerade värdet på så lågt ifrå 0, att vi har aledig att förkasta H 0? Hypotesera ova ka testas, ifall vi har stora stickprov. Tumregel för stora stickprov eligt kursboke: P (1-P ) > 9 och P (1-P ) > 9. (När det gällde att bilda kofidesitervall för differese mella två proportioer, gav boke e aa tumregel, ämlige: > 40 och > 40. Kostigt.) 9

De testvariabel som skall avädas är: Z 0 (1 1 0)( 1 + 1 ) där p ˆ 0 + + adele i det sammaslaga stickprovet Om H 0 är sa, dvs. P P P, så är ˆp 0 e aturlig skattig av de gemesamma proportioe P. Testvariabel Z ova är approximativt ormalfördelad, N(0; 1), är H 0 är sa. Förkastelsegräser bestäms av sigifikasivå och mothypotes. 10

Ex.: P adele som sympatiserar med ett visst politiskt parti i populatio 1. P motsvarade adel i populatio. Vi vill udersöka om det är ågo skillad mella de båda populatioera i fråga om adele ahägare av det aktuella partiet. OSU av 150 persoer frå populatio 1, och av 50 persoer frå populatio. Tumregels krav på stickprovsstorlek är uppfyllda. Det visar sig att adele sympatisörer i stickprove är 36% i stickprovet frå pop. 1, och 7% i stickprovet frå pop.. Hypoteser: H 0 : P -P 0 H 1 : P -P 0 Sig.-ivå: 5% Testvariabel: Z 0 (1 1 )( 0 + 1 ) Beslutsregel: H 0 förkastas om vi får Z obs > 1,96. 11

Resultat: p ˆ 0 150 0,36 + 50 0,7 400 0,30375 Z obs 0,36 0,7 1 0,30375 0,6965 ( 150 + 1 ) 50 1,895 Slutsats: H 0 ka ite förkastas på 5% sigifikasivå. Ige sigifikat skillad. 1

Ex.: Samma som yss, me ekelsidig mothypotes. Vi vill veta: Är det större adel ahägare i populatio 1 ä i populatio? Hypoteser: H 0 : P -P 0 H 1 : P -P > 0 (dvs. P > P ) Sig.-ivå: 5% Testfuktio: Samma som tidigare. Beslutsregel: H 0 förkastas om Z obs > 1,645. Resultat: Z obs 1,895 > 1,645. Slutsats: H 0 förkastas till förmå för H 1 på 5% sigifikasivå. Sigifikat större adel i stickprov 1. Stickprovsdata ger alltså stöd för hypotese att P är större ä P (på 5% sigifikasivå). 13

Parvisa observatioer Har behadlats tidigare i sambad med kofidesitervall. Nu ser vi på hypotesprövig uder samma förutsättigar. Ett eda stickprov av idivider. Två mätvärde för varje idivid. Eftersom mätigara görs på samma idivider uppkommer ett beroede mella de båda uppsättigara av mätvärde. Gör så här: bilda idividuella differeser, och utför testet på dessa. 14

Ex.: Experimet med 8 bilar. Pröva om origialstötdämpare har lägre livslägd ä e piratprodukt. Varje bil försågs med e stötdämpare av vardera slaget på det bakre hjulparet, och deras livslägd (1 000-tal km) uppmättes. Bil r. Livslägd, origial x Livslägd, pirat y Differes d x y 1 73 71 68 6 6 3 8 83-1 4 76 73 3 5 87 89-6 61 54 7 7 78 77 1 8 67 65 Vi har här ett litet stickprov, 8 observatioer (ämlige de 8 observerade differesera). Uder förutsättig att dessa ka atas utgöra ett stickprov frå e ormalfördelad populatio av differeser, ka vi aväda ett t-test på följade sätt. 15

Hypoteser: H 0 : µ d 0 H 1 : µ d > 0 (dvs. Origial är bättre) Sig.-ivå: 5% Testvariabel: t d 0 sd Frihetsgrader: -1 7 Beslutsregel: H 0 förkastas om t obs > 1,895. Resultat: d, 5; s d 3,1 t,5 0 3,1 8,053 obs > 1,895 Slutsats: H 0 förkastas på 5% sigifikasivå. Origialprodukte har i stickprovet visat sig ha sigifikat lägre livslägd ä piratprodukte. 16