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

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

Föreläsning G04: Surveymetodik

4.2.3 Normalfördelningen

Borel-Cantellis sats och stora talens lag

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

SAMMANFATTNING TAMS79 Matematisk statistik, grundkurs

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

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

Formelblad Sannolikhetsteori 1

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

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.

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

1. Test av anpassning.

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

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

Föreläsning G70 Statistik A

Matematisk statistik TMS063 Tentamen

Tentamen i Sannolikhetsteori III 13 januari 2000

Grundläggande matematisk statistik

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

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

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

Statistik. Språkligt och historiskt betyder statistik ungefär sifferkunskap om staten

F10 ESTIMATION (NCT )

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

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

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}.

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

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

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

Sannolikhetslära. c 2015 Eric Järpe Högskolan i Halmstad

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

θx θ 1 om 0 x 1 f(x) = 0 annars

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

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

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

Tentamen i Matematisk statistik för V2 den 28 maj 2010

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

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

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

a) Beräkna E (W ). (2 p)

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

Tentamen i matematisk statistik

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

S0005M V18, Föreläsning 10

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

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

MA2018 Tillämpad Matematik III-Statistik, 3.5hp,

Stokastiska variabler

Föreläsning G04 Surveymetodik 732G19 Utredningskunskap I

TENTAMEN I MATEMATISK STATISTIK Datum: 13 mars 08

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

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

TMS136: Dataanalys och statistik Tentamen med lösningar

2. Konfidensintervall för skillnaden mellan två proportioner.

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

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

TENTAMEN I MATEMATISK STATISTIK

TAMS79: Föreläsning 9 Approximationer och stokastiska processer

MA2018 Tillämpad Matematik III-Statistik, 7.5hp,

Matematisk statistik KTH. Formelsamling i matematisk statistik

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

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

Avd. Matematisk statistik

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

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

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

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

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

MA2018 Tillämpad Matematik III-Statistik, 3.5hp,

2004 Rune Norberg. Måste elimineras! Hur då? Kapitel 9. Variation Olika typer av data Rune Norberg. Kapitel 9

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

Datorövning 2 Fördelningar inom säkerhetsanalys

F4 Matematikrep. Summatecken. Summatecken, forts. Summatecken, forts. Summatecknet. Potensräkning. Logaritmer. Kombinatorik

Jag läser kursen på. Halvfart Helfart

MA2018 Tillämpad Matematik III-Statistik, 3.5hp,

Datorövning 2 Fördelningar inom säkerhetsanalys

TENTAMEN I MATEMATIK MED MATEMATISK STATISTIK HF1004 TEN kl

STATISTIK FÖR LÄKARSTUDENTER

MA2018 Tillämpad Matematik III-Statistik, 3.5hp,

Övningstentamen i MA2018 Tillämpad Matematik III-Statistik, 3.5hp

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)

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

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

Induktion och Binomialsatsen. Vi fortsätter att visa hur matematiska påståenden bevisas med induktion.

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

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

Övningstentamen i MA2018 Tillämpad Matematik III-Statistik, 7.5hp

TENTAMEN Datum: 16 okt 09

TAMS15: SS1 Markovprocesser

. Mängden av alla möjliga tillstånd E k kallas tillståndsrummet.

Statistik för ingenjörer 1MS008

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

Armin Halilovic: EXTRA ÖVNINGAR

Föreläsning 2: Punktskattningar

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

Matematisk statistik

Transkript:

Saolikheter E saolikhet ka ata värde frå 0 till 1 0 < P < 1 Beteckas: P Pr Prob Saolikhete för e hädelse Hädelse A P(A) Pr(A) Prob(A) Defiitio saolikhet: De frekves med vilke hädelse av itresse iträffar Var tiode T-baetåg som lämar uiversitetet är förseat Vilke är saolikhete att ästa tåg är förseat? Statistik 2p E perso av hudra drabbas ågo gåg uder si livstid av hjärtstilleståd Vilke är saolikhete att drabbas av hjärtstilleståd? Defiitio saolikhet: Adele gysamma utfall av de utfall som är möjliga Gysamma utfall Möjliga utfall På ett uiversitet går 12 500 studeter. Av dessa läser 3 400 aturveteskap. Vilke är saolikhete att e slumpmässigt vald studet läser aturveteskap? Frekvese aturvetare = 3400 12500 = 0.272 Gysamma utfall: 3 400 3400 Möjliga utfall: 12 500 12500 = 0.272 1

Kast med myt Kast med tärig Dragig ur kortlek Grude för de klassiska saolikhetsdefiitioe Additiosregel Multiplikatiosregel Betigad saolikhet Biomialfördelige - biomialformel Två väior vätar bar samtidigt. Vilke är saolikhete att båda får pojkar? Vi atar jäm köskvot P(pojke) = 0.5 P(båda får pojkar) = 0.5 * 0.5 = 0.25 Vilke kombiatio vad gäller bares kö är troligast? E flicka och e pojke (P=0.5) Utfallsrum: alla möjliga hädelser vid ett slumpmässigt försök Statistik 2p Ve-diagram A Hädelse A Om P(A) = 0.1 vad är P(A*)? P(A*) = 1 - P(A) = 0.9 Hädelse ej A = A* P(K) = P(kroa) = 0.5 P(K*) = P(klave) = 0.5 A* P(kroa eller klave) = P(K) + P(K*) = 1 P(A) + P(A*) = 1 P(A) = 1 - P(A*) P(A*) = 1 - P(A) Ve-diagram Saolikhetslära Additiosregel Saolikhete att få 2:a eller 6:a vid kast med e tärig Ex: kast med tärig A: > 4 B: jämt atal prickar P(2:a eller 6:a) = 1/6 + 1/6 = 2/6 = 1/3 Ex: tärig A: > 4 B: < 3 Hädelsera oberoede - ka ite iträffa samtidigt 2

Saolikhetslära Additiosregel Saolikhete att få spader eller kug (eller både och) vid dragig av ett kort ur kortlek. P(spader eller kug) = 13/52 + 4/52 1/52 = 16/52 Hädelsera ka iträffa samtidigt Saolikhetslära Additiosregel Saolikhete för hädelse A eller hädelse B P(A eller B) = P(A) + P(B) Om hädelsera A och B är ömsesidigt uteslutade (de ka ej iträffa samtidigt) P(A eller B) = P(A) + P(B) P(AB) Om hädelsera A och B ej är ömsesidigt uteslutade de ka iträffa samtidigt Saolikhetslära Multiplikatiosregel Saolikhete för kroa på första kastet och klave på det adra kastet P(kroa på första, klave på adra) = 1/2 1/2 = 1/4 Saolikhete för hädelse A och hädelse B om A och B är oberoede av varadra P(A och B) = P(A) P(B) Saolikhetslära Multiplikatiosregel Saolikhete att få spader och kug vid dragig av ett kort ur kortlek P(spader och kug) = 13/52 1/13 = 1/52 Hädelsera ka iträffa samtidigt Saolikhete för hädelse A och hädelse B om A och B är ite är oberoede av varadra P(A och B) = P(A) P(B A) Vad är e hög saolikhet? Vad är e låg saolikhet? När är e hädelse osaolik? Sigifikasivåer 0.01 < P < 0.05 0.001 < P < 0.01 P < 0.001 * estjärig sigifikas **tvåstjärig sigifikas *** trestjärig sigifikas 3

Observatioer, tidigare studier, ituitio Statistisk hypotesprövig Vid statistisk testig avgörs om e observatio är saolik heller ite uder e viss hypotes Hypotes Prediktio frå hypotes Test av prediktio - formulera H0 Observatioe är osaolik uder H0 H0 förkastas H1 accepteras Observatioe är ite osaolik uder H0 H0 accepteras Normalfördelige Normalfördelige Det fis ett oädligt atal ormalfördeligar Var och e karaktäriseras av sitt medelvärde och si varias Det fis ett oädligt atal ormalfördeligar Var och e karaktäriseras av sitt medelvärde och si varias Ur: Vejde & Leader Ordbok i statistik Måga variabler är approximativt ormalfördelade Normalfördelige 4

Normalfördelige Sampligsfördelig viktigt begrepp iom statistike Flera stickprov dras ur samma populatio Populatio N Stickprov 3.2 4.2 5.2 4.4 3.6 5.2 4.9 3.9 3.2 4.3 5.2 Stickprov x 1 x 2 Populatio N x 3 x 4 x 5 Geom att dra upprepade stickprov av samma storlek ur populatioe erhålls e fördelig av x-värde. Dea fördelig kallas för sampligsfördelig Exempel 1 3 4 5 2 6 Populatio N = 6 = 3.5 Sampligsfördelige utgörs av alla täkbara kombiatioer om elemet som är möjliga att dra ur populatioe 5

Exempel Vi drar alla möjliga stickprov om =4 Dragig uta återläggig 1 4 2 3 5 6 Populatio N = 6 = 3.5 Ur: Vejde & Leader Ordbok i statistik Totalt 15 kombiatioer möjliga Sampligsfördelig för x då =4 Sampligsfördelige för x Ur: Vejde & Leader Ordbok i statistik Ur: Vejde & Leader Ordbok i statistik Cetrala gräsvärdessatse: Sampligsfördelige för stickprovsmedelvärdet blir sabbt approximativt ormalfördelad Fördelige av medelvärde frå ett stort atal stickprov som dras slumpmässigt frå samma populatio följer e ormalfördelig där medelvärdeas medelvärde är detsamma som populatiosmedelvärdet 6

Måga viktiga biologiska feome är kopplade till ekla, biomiala saolikheter Tre kast med myt kö Medelsk edärvig överlevad uder viss tidsperiod Biomialfördelig Fyra kast med myt Fördelig över saolikhete för det atal gåger e hädelse ka iträffa vid oberoede upprepigar av ett slumpmässigt försök där hädelse atige iträffar eller ite iträffar. (ex. kast med myt, dragig av alleler ur ett gametmol ) Biomialfördelig Kast med 3 myt Biomialfördelig 0.40 0.35 0.30 0.25 P 0.20 0.15 0.10 0.05 0.00 0 kroa 1 kroa 2 kroa 3 kroa Atal kroa vid kast med 3 myt 0.40 0.35 0.30 0.25 P 0.20 0.15 0.10 0.05 0.00 0.00 0.33 0.67 1.00 Frekvese kroa (vid kast med tre myt) Bi(,p) = atalet försök (kast, dragigar) p = saolikhete för de aktuella hädelse (kroa, A-allele) 7

Biomialfördelig Bi(3,0.5) Biomialkoefficiete 0.40 0.35 0.30 0.25 P 0.20 0.15 0.10 0.05 0.00 0 kroa 1 kroa 2 kroa 3 kroa Atal kroa vid kast med 3 myt 0.40 0.35 0.30 0.25 P 0.20 0.15 0.10 0.05 0.00 0.00 0.33 0.67 1.00 Frekvese kroa (vid kast med tre myt)! k = k! (-k)! Ager atalet möjliga ordigsföljder som k stycke av hädelse ka iträffa på av stycke försök 8