FK2004. Normalfördelningstabell Formelsamling Provtenta

Relevanta dokument
1) I följande studier a) och b) identifiera populationen, stickprovet, stickprovs egenskap, rådata och populationsegenskap.

Stockholms Universitet Fysikum Tentamensskrivning i Experimentell fysik för lärare 7.5 hp, för FK2004. Onsdagen den 14 december 2011 kl 9-14.

Lärare 4. Lärare 1 Binomial och normalfördelning Fel i statistiska undersökningar Att tolka undersökningar Falska samband Jämföra i tid och rum

Studietyper, inferens och konfidensintervall

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

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

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

Föreläsning G60 Statistiska metoder

STOCKHOLMS UNIVERSITET FYSIKUM

Experimentella metoder, FK3001. Datorövning: Finn ett samband

Föreläsning 7 FK2002

Föreläsning 4: Konfidensintervall (forts.)

Föreläsning G60 Statistiska metoder

Lärare 5 Lärare 1 Binomial och normalfördelning Fel i statistiska undersökningar Att tolka undersökningar Falska samband Att jämföra i tid och rum

STATISTISK POWER OCH STICKPROVSDIMENSIONERING

Experimentella metoder 2014, Räkneövning 1

34% 34% 13.5% 68% 13.5% 2.35% 95% 2.35% 0.15% 99.7% 0.15% -3 SD -2 SD -1 SD M +1 SD +2 SD +3 SD

Hur skriver man statistikavsnittet i en ansökan?

SF1901: SANNOLIKHETSTEORI OCH STATISTIKTEORI KONSTEN ATT DRA INTERVALLSKATTNING. STATISTIK SLUTSATSER. Tatjana Pavlenko.

F9 SAMPLINGFÖRDELNINGAR (NCT

HT 2011 FK2004 Tenta Lärare delen 4 problem 6 poäng / problem

Introduktion. Konfidensintervall. Parade observationer Sammanfattning Minitab. Oberoende stickprov. Konfidensintervall. Minitab

Hypotesprövning. Andrew Hooker. Division of Pharmacokinetics and Drug Therapy Department of Pharmaceutical Biosciences Uppsala University

1 Mätdata och statistik

Bilaga 6 till rapport 1 (5)

Två innebörder av begreppet statistik. Grundläggande tankegångar i statistik. Vad är ett stickprov? Stickprov och urval

Vi har en ursprungspopulation/-fördelning med medelvärde µ.

F3 Introduktion Stickprov

TMS136. Föreläsning 7

SF1922/SF1923: SANNOLIKHETSTEORI OCH INTERVALLSKATTNING. STATISTIK. Tatjana Pavlenko. 24 april 2018

Föreläsning 2. NDAB01 Statistik; teori och tillämpning i biologi

Statistikens grunder. Mattias Nilsson Benfatto, Ph.D

LINKÖPINGS UNIVERSITET TENTA 92MA31, 92MA37, 93MA31, 93MA37 / STN 2 9GMA05 / STN 1

Föreläsning 4. Kapitel 5, sid Stickprovsteori

Föreläsning 8, Matematisk statistik 7.5 hp för E Punktskattningar

Analytisk statistik. Tony Pansell, optiker Universitetslektor

Föreläsning 7. Statistikens grunder.

Parade och oparade test

Kursnamn: Vetenskapsteori och grundläggande forskningsmetod

Föreläsning 5. Kapitel 6, sid Inferens om en population

Analytisk statistik. Mattias Nilsson Benfatto, PhD.

Kursnamn: Vetenskapsteori och grundläggande forskningsmetod

Vetenskaplig metod och statistik

Jesper Rydén. Matematiska institutionen, Uppsala universitet Tillämpad statistik 1MS026 vt 2014

Föreläsning 1. Repetition av sannolikhetsteori. Patrik Zetterberg. 6 december 2012

F6 STOKASTISKA VARIABLER (NCT ) Används som modell i situation av följande slag: Slh för A är densamma varje gång, P(A) = P.

TMS136. Föreläsning 4

Lektionsanteckningar 11-12: Normalfördelningen

TENTAMEN Datum: 14 feb 2011

Översikt. Experimentell metodik. Mer exakt. Människan är en svart låda. Exempel. Vill visa orsakssamband. Sidan 1

Finansiell Statistik (GN, 7,5 hp,, VT 2009) Föreläsning 2. Diskreta Sannolikhetsfördelningar. (LLL Kap 6) Stokastisk Variabel

Datorövning Power curve 0,0305 0, Kvantiler, kritiska regioner

F9 Konfidensintervall

Vetenskaplig metod och Statistik

Tentamen i matematisk statistik (9MA241/9MA341, STN2) kl 08-12

SF1901: SANNOLIKHETSTEORI OCH HYPOTESPRÖVNING. STATISTIK. Tatjana Pavlenko. 4 oktober 2016

Analys av medelvärden. Jenny Selander , plan 3, Norrbacka, ingång via den Samhällsmedicinska kliniken

Statistisk försöksplanering

Extrauppgifter - Statistik

Finansiell Statistik (GN, 7,5 hp,, HT 2008) Föreläsning 3

EXEMPEL PÅ FRÅGESTÄLLNINGAR INOM STATISTIK- TEORIN (INFERENSTEORIN):

SF1901 Sannolikhetsteori och statistik I

Experimentella metoder 2013, Räkneövning 3

Vetenskaplig metod och statistik

Analytisk statistik. 1. Estimering. Statistisk interferens. Statistisk interferens

F8 Skattningar. Måns Thulin. Uppsala universitet Statistik för ingenjörer 14/ /17

Tentamen i Statistik, STG A01 och STG A06 (13,5 hp) Torsdag 5 juni 2008, Kl

Statistik 1 för biologer, logopeder och psykologer

Ingenjörsmetodik IT & ME 2010 Föreläsning 5

FÖRELÄSNING 8:

Kapitel 7 Samplingfördelningar och Centrala gränsvärdessatsen

2. Test av hypotes rörande medianen i en population.

EXAMINATION KVANTITATIV METOD vt-11 (110204)

TMS136. Föreläsning 13

Föreläsningsanteckningar till kapitel 8, del 2

Föreläsning 8, Matematisk statistik 7.5 hp för E, HT-15 Punktskattningar

Uppgift 1 (a) För två händelser, A och B, är följande sannolikheter kända

Kapitel 4 Sannolikhetsfördelningar Sid Föreläsningsunderlagen är baserade på underlag skrivna av Karl Wahlin

Datorlaboration 8/5 Jobba i grupper om 2-3 personer Vi jobbar i Minitab Lämna in rapport via fronter senast 22/5 Förbered er genom att läsa och se

Klinisk forskningsmetodik. Olof Akre, läkare, forskare, Enheten för klinisk epidemiologi, KS

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

Föreläsning 12, FMSF45 Hypotesprövning

SVÄNGNINGSTIDEN FÖR EN PENDEL

Några begrepp. Vad är statistik? Data. Grundläggande begrepp Olika slag av undersökningar

9. Konfidensintervall vid normalfördelning

SF1901: Sannolikhetslära och statistik. Statistik: Intervallskattning (konfidensintervall)

Föreläsning 1. NDAB02 Statistik; teori och tillämpning i biologi

Matematikcentrum 1(7) Matematisk Statistik Lunds Universitet MASB11 - Biostatistisk grundkurs HT2007. Laboration. Simulering

Matematisk statistik 9 hp, HT-16 Föreläsning 10: Punktskattningar

Föreläsning 3. NDAB02 Statistik; teori och tillämpning i biologi

a) Facit till räkneseminarium 3

Tentamen i matematisk statistik (92MA31, STN2) kl 08 12

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

SF1901: Sannolikhetslära och statistik. Statistik: Intervallskattning (konfidensintervall) Jan Grandell & Timo Koski

Tentamentsskrivning: Matematisk Statistik med Metoder MVE490 1

FÖRELÄSNING 3:

FÖRELÄSNING 7:

Kap 6: Normalfördelningen. Normalfördelningen Normalfördelningen som approximation till binomialfördelningen

Föreläsning 7: Punktskattningar

Mer om slumpvariabler

Transkript:

FK2004 Normalfördelningstabell Formelsamling Provtenta

Normalfördelningen

Korrelationstabellen

Formelsamling för FK2002 och FK2004

24 Betrakta ett experiment som består av n försök varav ν är lyckade försök. p=sannolikheten att få ett lyckat försök q=sannolikheten att vi inte får ett lyckat försök=1-p Sannolikheten att få ν lyckade försök i n försök. n! ν P(n, ν )=B n, p ( ν ) = p q ν!( n ν )! n ν

Provtenta 50% -korta och långa frågor (mvb) -4 x 3p + 3 x 4p = 24p 50% - långa frågor (föreläsningar för lärare) = 18p

A1 8 (a) = 10 1m 8 5 = 10 m=10 mm (b) v= (b) x d t ( v) ( d ) ( t) ( v) 2 2 2 1 2 d 2 2 = + t t 2 1 = t ( d ) 2 ( d ) 2 2 2 2 1 1 = 2 2 ( d ) = 2 v v t d v d = = 10 v = 10 3 10 = 3ms v d 1 1 σ 0.5kms, v 299789kms 8 8 8 1 299792.5 299789 3.5 Skillnaden = = 7σ 0.5 0.5

A2 (3p)

Uppgift A3 Ett experiment söker efter en ny partikel - Higgsbosonen. Experimentet observerar 15 kandidater. Det har också gjort en mätning som används för att förutsäga antalet bakgrundkandidater som inte har någonting med Higgsbosonen att göra. Denna mätning förutsäger 11± 1.9 bakgrundkandidater. Vi antar att felet i mätningen är slumpmässigt. Uppskatta sannolikheten att experimentet hade observerat fler än 15 kandidater. (3p)

σ =1.9 2 15 11 Antalet standardavvikelser: = 2 2 Från tabellen : sannolikheten 0.02.

A4 ( ) T T 1 1 2 2 2 2 2 ln 2 ln 2 1 = λ T 2 1 = λ 2 2 λ 2 λ 2 2 T1 T1 2 2 ln 2 ( ) λ = T = λ = λ λ T λ 1 2

Det viktade medelvärdet för labblag As resultat: 2 2 1 1 9.8 + 9.85 0.1 0.11 2 g B = = 9.823ms 2 2 1 1 + 0.1 0.11 1 Felet i medelvärdet= = 0.074ms 2 2 1 1 + 0.1 0.11 lag B : g=9.82 ± 0.07ms lag A : g=9.825 ± 0.075ms 9.83 ± 0.08ms g g A A g < g B B 2 2 2 - A ger ett bättre resultat. I praktiken är det omöjligt att skilja mellan mätningarna. En osäkerhet är bara en uppskattning! 2

(a) Den noggrannare vågens värde är 498.1 g. Felet i varje mätning=0.5g 2 det totala felet = 5 0.5 = 1.12g>felet från engångsvägningen. (b) Om vi skulle väga vikterna 2 och 2 på den noggrannare vågen + den resterande vikten skulle vi får tre värden 2 det totala felet = 3 0.5 = 0.87g.

B3 (4p)

C1) Vi betraktar ett experiment där man försöker bestämma om skolnärvaro kan höjas mha av pengar incitament till tonåringar. Forskaren studerar två grupper av 100 elever. I ena gruppen erbjuder hon 100 kronor för varje vecka av perfekt närvaro. I den andra gruppen får eleverna veta att de är med i experimentet, men kommer inte få ut några pengar. a) Vilken grupp är kontrollgruppen och vilken är testgruppen? b) Bestäm om experimentet är singel-blind, dubbel-blind eller inte alls blind, och förklara varför. c) Vad kan man förvänta sig om placebo effekten i det här fallet? d) Hur skulle man kunna uppskatta placeboeffekten? (4p) 16

a) Vilken grupp är kontrollgruppen och vilken är testgruppen? Kontrolgruppen är den som inte får någon särskild behandling i detta fall de som inte får extra veckopeng. Testgruppen är den som får behandlingen i det här fallet de som får extra pengar i utbyte mot perfekt närvaro. b) Bestäm om experimentet är singel-blind, dubbel-blind eller inte allas blind, och förklara varför. Experimentet är inte blind eftersom eleverna vet om det får behandlingen eller ej i förhand. För att vara dubbelblind, skulle forskaren inte veta vilka elever som får eller inte får extra pengar. Så experimentet är inte alls blind. c) Vad kan man förvänta sig om placebo effekten i det här fallet? Placeboeffekten är när man observera en positiv effekt pga en grupp tror sig få behandlingen. I det här fallet eftersom experimentet inte är blind så kan inte kontrollgruppen få någon placeboeffekt. I testgruppen skulle det kunna finnas en viss placeboeffekt dvs elever vars närvaro påverkas av att vara med i experimentet. d) Hur skulle man kunna uppskatta placeboeffekten? Man skulle kunna ha en tredje grupp kontroll grupp B som får extra veckopengar oavsett om de får perfekt närvaro eller inte. Genom att jämföra kontrollgruppen och kontrollgrupp B kan man se om det finns en viss effekt av att dela ut pengar oavsett närvarokravet, det skulle isåfall utgöra en placeboeffekt. Därefter kan man jämföra testgruppen med kontrollgrupp B. 17

C2) I följandestudier a) ochb) identifierapopulationen, stickprovet, stickprovs egenskap, rådata och populationsegenskap. a) Astronomer bestämmer avståndet till en fjärran galax genom att mäta avståndet till ett fåtal stjärnor inom galaxen och sedan räkna medelavståndet till dessa stjärnor. b) Medicin X används för att behandla allergisymptomer. I en undersökning behandlades374 barn mellan3 till 11 årmed 100 μgavmedicinx. 17% av dessa barn fick huvudvärk under experimentet. (4p) 18

1) I följande studier a) och b) identifiera populationen, stickprovet, stickprovs egenskap, rådata och populationsegenskap. a) Astronomer bestämmer avståndet till en fjäran galax genom att mäta avståndet till ett fåtal stjärnor inom galaxen och sedan räkna medelavståndet till dessa stjärnor. Populationen är alla stjärnor i galaxen som betraktas. Stickprovet är fåtalet stjärnor vars avstånd uppmätts. Stickprovsegenskapen är avståndet mellan oss och stjärnorna i stickprovet. Rådata är alla avstånd mellan oss och varje stjärna i stickprovet. Populationsegenskap är avståndet mellan oss och populationen, dvs alla stjärnor i galaxen. 19

1) I följande studier a) och b) identifiera populationen, stickprovet, stickprovs egenskap, rådata och populationsegenskap. b) Medicin X används för att behandla allergisymptomer. I en undersökning behandlades 374 barn mellan 3 till 11 år med 100 μg av medicin X. 17% av dessa barn fick huvudvärk under experimentet. Populationen är alla barn som har allergisymptomer. Stickprovet består av 374 barn som är med i undersökningen. Stickprovsegenskapen är andelen barn som får huvudvärk av medicinen. Rådata är listan på alla barn och resultatet för varje barn om de fick huvudvärk eller inte. Populationsegenskap är andelen barn med allergisymptomer som får huvudvärk av medicinen. 20

C3) På 1960-talet utfördes experiment för att undersöka om det verkligen gick för människor att hitta vattenkällor med en slagruta eller att känna av mycket små magnetfält. Det sägs att vissa har förmågan attdetekteramycketsmåmagnetfältochpådettasättskullekunnadetekteravattenkällor. Den första experimentserien utförs av professor Y på följande sätt: Professor Y närvarar hela tiden under experimentet, och för varje nytt försök kunde professor Y slå på elleravmagnetfältetsomhanville. En testpersonsitter isammarum ochförsökerkännaavom magnetfältet är av eller på. Testpersonen sitter mittemot professor Y, men professor Ys hand är gömd så att testpersonen inte kan se om professorn gör något med magnetknappen. Denna experimentserie visade på ett statistiskt signifikant sätt att testpersonen fick betydlig fler rätt än fel. En annan experimentserie anordnas av en annan professor Z: Professor Z medverkarintedirektiexperimentet. Detärnu tvåpersonermed iexperimentet: en testpersonsomförsökergissaommagnetfältetäravellerpåochen assistant somslårpåellerav magnetfältet. Assistenten vet inte om knappen han trycker på slår magnetfältet på eller av och måste följaen given tidtabellsåatthanslåommagnetenen gångiminutenmed ocksåschemalagdapauser. I detta experiment fick alltid testpersonen ungefär lika många rätt som fel svar. a) Varför ger experimenten olika resultat? b) Hur kallar man den experimentella metoden som används i den första mätserien? Är det samma metod i den andra mätserien? c) Blir det andra experimentet bättre eller sämre om professor Z ersätts av professor Y? d) Blir det första experimentet bättre eller sämre om professor Y ersätts av professor Z istället? e) Vilket/vilka experiment kan man lita på och varför? (6p) 21

a) Varför ger experimenten olika resultat? I båda experiment är det en person som slår på eller av magnetfältet. I det första experimentet vet personen (Professor Y) vad han gör, medan i det andra experimentet assistenten vet inte om det han gör slår på eller av magnetfältet. Det kan jämföras med medicinska undersökningar där patienten inte vet om han är med i kontroll eller testgruppen, men läkaren vet det och då kan det påverka attityder hos läkaren som kan avläsas av patienten. b) Hur kallar man den experimentella metoden som används i den första mätserien? Är det samma metod i den andra mätserien? Den första experimentserien är blind men inte dubbelblind, dvs professor Y vet om han slår på magnetfältet eller inte. I det andra experimentet använder man dubbelblind metoden, eftersom även assistenten inte vet om han slår magneten på eller av. 22

c) Blirdetandraexperimentetbättreellersämreomprofessor Z ersättsavprofessor Y? I det andra experimentet är professorns roll bara att anordna experimentet men det är inteprofessornsomslårpåelleravmagneten. Därförspelardetingenroll omdetär professor Z eller Y som anordnar experimentet. Experimentet är oberoende av det. d) Blirdetförstaexperimentetbättreellersämreomprofessor Y ersättsavprofessor Z istället? I det första experimentet är professorn direkt involverad och beroende på hans attityd går att avläsa av testpersonen kan testpersonen möjligtvis gissa om magneten slås på ellerinte. Men detkanberorpåprofessor somsitter där, hansattitydochsåvidare. Man kansägaattresultatetkommerattberopåvemsomutförexperimentet, och därför kan inte resultatet betraktas som allmänt giltigt. e) Vilket/vilka experiment kan man lita på och varför? I det första experimentet är resultatet inte allmänt gilltigt och kan bero på vem som utför det. Det andra experimentet är oberoende av vem som utför det. Därför kan man litatpådetandraexperimentet, men detäringengarantiattresulatetfråndet första experimentet kan upprepas. 23

C4) Vi försöker räkna sannolikheten för att en hockey spelare ska göra ett antal mål under matchen. Från tidigare matcher har man kartlagt att hans sannolikhet att göra mål per mål försök är 30%. a) Under en match gör spelaren 2 försök, vad är sannolkiheten att han gör ett eller två mål? b) Från tidigare matcher bestämmer man att sannolikheten att han gör noll försök är 10%, ett försök 70%, två försök 20%. Vad är nu sannolikheten att han gör 2 mål? (4p) 24

a) Under en match gör spelaren 2 försök, vad är sannolkiheten att han gör ett eller två mål? Från tidigare matcher har man kartlagt att hans sannolikhet att göra mål per mål försök är 30%, det betyder att sannolikehet för framgång per försök är p=0.3. Vi kan modellera antalet mål ett antal N=2 försök med en binomialfördelning. Sannolikheten att göra 0 mål bland 2 försök B(0,2)=(1-0.3) 2 =0.49 Sannolikheten att göra 1 mål bland 2 försök B(1,2)=0.3x(1-0.3) + (1-0.3)x0.3=0.42 Sannolikheten att göra 2 mål bland 2 försök B(2,2)=0.3 2 =0.09 25

b) Från tidigare matcher bestämmer man att sannolikheten att han gör noll försök är 10%, ett försök 70%, två försök 20%. Vad är nu sannolikheten att han gör 2 mål? I föregående fråga räknade vi sannolikeheten för att göra 0,1,2 mål om spelare försöker 2 ggr att göra mål. Om han försöker en enda gång: 0 mål B(0,1)=0.7 1 mål B(1,1)=0.3 Om han försöker noll gånger, då kan han inte göra mål! Sannolikhet (A OCH B) = (Sannolikhet A) X (Sanolikhet B) (om A och B är oberoende) 0 försök (0.1) 1 försök (0.7) 2 försök(0.2) 0 mål 1x0.1 0.7x0.7 0.49x0.2 1 mål 0.3x0.7 0.42x0.2 2 mål 0.09x0.2 Sannolikheten att göra 2 mål är sannolikheten att göra 2 försök och att göra 2 mål= 0.2 x 0.09 = 0.0018 dvs 0.18%. 26