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

Relevanta dokument
Föreläsning G60 Statistiska metoder

Föreläsning 11: Mer om jämförelser och inferens

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

F3 Introduktion Stickprov

9. Konfidensintervall vid normalfördelning

2. Test av hypotes rörande medianen i en population.

Thomas Önskog 28/

Lektionsanteckningar 11-12: Normalfördelningen

FÖRELÄSNING 8:

Vi har en ursprungspopulation/-fördelning med medelvärde µ.

F9 Konfidensintervall

Föreläsning 4. NDAB01 Statistik; teori och tillämpning i biologi

TMS136. Föreläsning 10

Parade och oparade test

Kapitel 7 Samplingfördelningar och Centrala gränsvärdessatsen

FÖRELÄSNING 7:

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

Föreläsning 12: Regression

Hypotestestning och repetition

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

Föreläsning 2. NDAB01 Statistik; teori och tillämpning i biologi

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

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

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

TAMS65 - Föreläsning 1 Introduktion till Statistisk Teori och Repetition av Sannolikhetslära

Föreläsning 5. Kapitel 6, sid Inferens om en population

Inledning till statistikteorin. Skattningar och konfidensintervall för μ och σ

8 Inferens om väntevärdet (och variansen) av en fördelning

Föreläsning 7. Statistikens grunder.

EXEMPEL PÅ FRÅGESTÄLLNINGAR INOM STATISTIKTE- ORIN (INFERENSTEORIN):

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

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

EXEMPEL PÅ FRÅGESTÄLLNINGAR INOM STATISTIK- TEORIN (INFERENSTEORIN):

Provmoment: Tentamen 6,5 hp Ladokkod: A144TG Tentamen ges för: TGMAI17h, Maskiningenjör - Produktutveckling. Tentamensdatum: 28 maj 2018 Tid: 9-13

F22, Icke-parametriska metoder.

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

Institutionen för teknikvetenskap och matematik, S0001M LABORATION 2

Kap 6: Normalfördelningen. Normalfördelningen Normalfördelningen som approximation till binomialfördelningen

Mer om konfidensintervall + repetition

Samplingfördelningar 1

Statistik 1 för biologer, logopeder och psykologer

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

Föreläsning 4: Konfidensintervall (forts.)

Föreläsning 7: Punktskattningar

Föreläsning 6, Repetition Sannolikhetslära

Hur skriver man statistikavsnittet i en ansökan?

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

TMS136. Föreläsning 13

TMS136. Föreläsning 11

Forskningsmetodik 2006 lektion 2

LULEÅ TEKNISKA UNIVERSITET Ämneskod S0002M MAM801 IEK309 Institutionen för matematik Datum Skrivtid

Föreläsning G60 Statistiska metoder

TMS136. Föreläsning 7

Studietyper, inferens och konfidensintervall

Föreläsning 12, FMSF45 Hypotesprövning

Föreläsning 5 och 6.

Statistik 1 för biologer, logopeder och psykologer

SF1901: SANNOLIKHETSLÄRA OCH STATISTIK. MER HYPOTESPRÖVNING. χ 2 -TEST. Jan Grandell & Timo Koski

, s a. , s b. personer från Alingsås och n b

Tentamen MVE301 Sannolikhet, statistik och risk

F10 Problemlösning och mer om konfidensintervall

LÖSNINGAR TILL. Matematisk statistik, Tentamen: kl FMS 086, Matematisk statistik för K och B, 7.5 hp

F9 SAMPLINGFÖRDELNINGAR (NCT

SF1901 Sannolikhetsteori och statistik I

Grundläggande matematisk statistik

TT091A, TVJ22A, NVJA02 Pu, Ti. 50 poäng

Föreläsning 1. NDAB02 Statistik; teori och tillämpning i biologi

Formler och tabeller till kursen MSG830

Rättningstiden är i normalfall 15 arbetsdagar, till detta tillkommer upp till 5 arbetsdagar för administration, annars är det detta datum som gäller:

Standardfel (Standard error, SE) SD eller SE. Intervallskattning MSG Staffan Nilsson, Chalmers 1

Tillåtna hjälpmedel: Räknedosa. Formel- och tabellsamling i matematisk statistik.

10. Konfidensintervall vid två oberoende stickprov

Föreläsning 6: Hypotestester (forts.)

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

BIOSTATISTISK GRUNDKURS, MASB11 ÖVNING 6 ( ) OCH INFÖR ÖVNING 7 ( )

Föreläsningsanteckningar till kapitel 8, del 2

Rättningstiden är i normalfall 15 arbetsdagar, till detta tillkommer upp till 5 arbetsdagar för administration, annars är det detta datum som gäller:

Föreläsning 7: Punktskattningar

Föreläsning 7: Punktskattningar

Finns det över huvud taget anledning att förvänta sig något speciellt? Finns det en generell fördelning som beskriver en mätning?

Laboration 1: Icke-parametriska enstickprovstest

Matematisk statistik för B, K, N, BME och Kemister

Föreläsning G60 Statistiska metoder

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

en observerad punktskattning av µ, ett tal. x = µ obs = 49.5.

Introduktion och laboration : Minitab

a) Facit till räkneseminarium 3

7.3.3 Nonparametric Mann-Whitney test

Matematisk statistik för B, K, N, BME och Kemister

1 Bakgrund DATORÖVNING 3 MATEMATISK STATISTIK FÖR E FMSF Något om Radon och Radonmätningar. 1.2 Statistisk modell

Föreläsning 3. NDAB02 Statistik; teori och tillämpning i biologi

F18 MULTIPEL LINJÄR REGRESSION, FORTS. (NCT

Föreläsning 11, Matematisk statistik Π + E

Matematisk statistik 9.5 hp, HT-16 Föreläsning 11: Konfidensintervall

FÖRELÄSNINGSMATERIAL. diff SE. SE x x. Grundläggande statistik 2: KORRELATION OCH HYPOTESTESTNING. Påbyggnadskurs T1. Odontologisk profylaktik

Envägs variansanalys (ANOVA) för test av olika väntevärde i flera grupper

Föreläsning 11, FMSF45 Konfidensintervall

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

Tentamen i Matematisk statistik Kurskod S0001M

Föreläsning 9, Matematisk statistik 7.5 hp för E Konfidensintervall

Transkript:

Föreläsning 10 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 vad som skall göras

Föreläsning 10 Inferens för genomsnitt, t-fördelningen (okänt σ), 7.1 konfindensintervall hypotesprövning stickprov i par

Medelvärdet repetition Gäller då x N(µ, σ/ n), x µ σ/ N(0, 1) n

Medelvärdet repetition Gäller då x N(µ, σ/ n), x är normalfördelad, eller x µ σ/ N(0, 1) n

Medelvärdet repetition Gäller då x N(µ, σ/ n), x är normalfördelad, eller x µ σ/ N(0, 1) n vi har många observationer i vårt stickprov (n stort)

Känt σ, rep Konfidensintervall för µ: x ± z σ/ n, z väljs från normalfördelningen

Känt σ, rep Konfidensintervall för µ: x ± z σ/ n, z väljs från normalfördelningen Hypotesprövning: H 0 : µ = µ 0, H a : µ µ 0 Beräkna z = x µ 0 σ/, P-värdet = 2 P(Z > z ) n från normalfördelningen.

Känt σ, rep Konfidensintervall för µ: x ± z σ/ n, z väljs från normalfördelningen Hypotesprövning: H 0 : µ = µ 0, H a : µ µ 0 Beräkna z = x µ 0 σ/, P-värdet = 2 P(Z > z ) n från normalfördelningen. Vad göra om σ är okänt?

Okänt σ Vi skattar σ med stickprovsstandardavvikelsen s = s x. x µ σ/ N(0, 1) n x µ s/ n?

Okänt σ Vi skattar σ med stickprovsstandardavvikelsen s = s x. x µ σ/ N(0, 1) n ( s/ n kallas för standard felet ) x µ s/ n?

t-fördelningen, s401 Om stickprovet kommer från en N(µ, σ)fördelnings så gäller: t = x µ s/ n (t-fördelning med n-1 frihetsgrader) t(n 1)

t-fördelningen forts t-fördeningen liknar N(0,1) fördelningen men har mer area i ändarna

t-fördelningen forts t-fördeningen är: symmetrisk kring 0 mer och mer lik N(0,1) när antalet frihetsgrader växer

Okänt σ. Hur gör vi? s402

Okänt σ. Hur gör vi? s402 Betrakta t = x µ s/ t(n 1) n Beräkna s (kräver observationsvärden) och x och räkna som vanligt Exempel: Konfidensintervall för µ: I stället för x ± z σ/ n, får vi

Okänt σ. Hur gör vi? s402 Betrakta t = x µ s/ t(n 1) n Beräkna s (kräver observationsvärden) och x och räkna som vanligt Exempel: Konfidensintervall för µ: I stället för x ± z σ/ n, får vi x ± t s/ n där t kommer från t(n-1)-fördelningen.

Exempel 7.4 i minitab, s 408-409

Exempel 7.4 i minitab, s 408-409

Stickprov i par, s 410 Exempel: Ger våg A och våg B lika mätvärden?

Stickprov i par, s 410 Exempel: Ger våg A och våg B lika mätvärden? Låt n personer väga sig på båda vågarna och ge mätdata (a i, b i ), i = 1,..., n.

Stickprov i par, s 410 Exempel: Ger våg A och våg B lika mätvärden? Låt n personer väga sig på båda vågarna och ge mätdata (a i, b i ), i = 1,..., n. Bilda skillnaderna d i = a i b i, i = 1,..., n. Gör analys på d-datat Om d-värdena är normalfördelade? Använd t-test.

Stickprov i par, s 410 Exempel: Ger våg A och våg B lika mätvärden? Låt n personer väga sig på båda vågarna och ge mätdata (a i, b i ), i = 1,..., n. Bilda skillnaderna d i = a i b i, i = 1,..., n. Gör analys på d-datat Om d-värdena är normalfördelade? Använd t-test. H 0 : µ = 0, H a : µ > 0 konfidensintervall för µ

Vad gör vi om populationen inte är normalfördelad?

Vad gör vi om populationen inte är normalfördelad? Transformera datat. T.ex. titta på log(x) i stället för x

Vad gör vi om populationen inte är normalfördelad? Transformera datat. T.ex. titta på log(x) i stället för x Använd metoder för andra fördelningar.

Vad gör vi om populationen inte är normalfördelad? Transformera datat. T.ex. titta på log(x) i stället för x Använd metoder för andra fördelningar. Använd icke-parametrisk metod (utnyttjar ej ngn fördelning). T.ex. teckentest

Teckentest för stickprov i par

Teckentest för stickprov i par Bilda skillnaderna d i = a i b i, i = 1,..., n. x= antal d-värden är positiva (ignorera d-värden som är 0).

Teckentest för stickprov i par Bilda skillnaderna d i = a i b i, i = 1,..., n. x= antal d-värden är positiva (ignorera d-värden som är 0). X är binomialfördelad

Teckentest för stickprov i par Bilda skillnaderna d i = a i b i, i = 1,..., n. x= antal d-värden är positiva (ignorera d-värden som är 0). X är binomialfördelad H 0 : p = 0.5 är samma sak som H 0 : median för d-värden är 0.

Teckentest för stickprov i par Bilda skillnaderna d i = a i b i, i = 1,..., n. x= antal d-värden är positiva (ignorera d-värden som är 0). X är binomialfördelad H 0 : p = 0.5 är samma sak som H 0 : median för d-värden är 0. Ex: H 0 : p = 0.5 H a : p > 0.5.

Teckentest för stickprov i par Bilda skillnaderna d i = a i b i, i = 1,..., n. x= antal d-värden är positiva (ignorera d-värden som är 0). X är binomialfördelad H 0 : p = 0.5 är samma sak som H 0 : median för d-värden är 0. Ex: H 0 : p = 0.5 H a : p > 0.5. Vi har 8 positiva och 3 negativa av 15 st d-värden.

Teckentest för stickprov i par Bilda skillnaderna d i = a i b i, i = 1,..., n. x= antal d-värden är positiva (ignorera d-värden som är 0). X är binomialfördelad H 0 : p = 0.5 är samma sak som H 0 : median för d-värden är 0. Ex: H 0 : p = 0.5 H a : p > 0.5. Vi har 8 positiva och 3 negativa av 15 st d-värden. P-värde = P(X 8) när X B(11, 0.5). = 1 P(X 7) = 1 0.89 = 11%

Teckentest för stickprov i par Bilda skillnaderna d i = a i b i, i = 1,..., n. x= antal d-värden är positiva (ignorera d-värden som är 0). X är binomialfördelad H 0 : p = 0.5 är samma sak som H 0 : median för d-värden är 0. Ex: H 0 : p = 0.5 H a : p > 0.5. Vi har 8 positiva och 3 negativa av 15 st d-värden. P-värde = P(X 8) när X B(11, 0.5). = 1 P(X 7) = 1 0.89 = 11% Vi utnyttjar dock inte mätvärderna fullt ut. Om nästan normalfördelat så använd t-test.