Föreläsning 6 (kap 6.1, 6.3, ): Punktskattningar

Relevanta dokument
Föreläsning 12: Repetition

Föreläsning 8: Konfidensintervall

Samplingfördelningar 1

Jämförelse av två populationer

Föreläsning 11: Mer om jämförelser och inferens

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

TMS136. Föreläsning 7

Föreläsning 4. Kapitel 5, sid Stickprovsteori

F9 SAMPLINGFÖRDELNINGAR (NCT

Lektionsanteckningar 11-12: Normalfördelningen

MVE051/MSG Föreläsning 7

Föreläsning 12: Regression

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

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

Föreläsning 8, Matematisk statistik 7.5 hp för E Punktskattningar

TMS136. Föreläsning 10

FÖRELÄSNING 7:

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

TMS136. Föreläsning 11

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

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

FÖRELÄSNING 8:

TAMS65 - Föreläsning 2 Parameterskattningar - olika metoder

Föreläsning 12: Linjär regression

Föreläsning 2 (kap 3): Diskreta stokastiska variabler

Kapitel 9 Egenskaper hos punktskattare

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

Tentamen i TMA321 Matematisk Statistik, Chalmers Tekniska Högskola.

SF1905 Sannolikhetsteori och statistik: Lab 2 ht 2011

Uppgift 1 a) En kontinuerlig stokastisk variabel X har fördelningsfunktion

Varför statistik? det finns inga dumma frågor, bara dumma svar! Serik Sagitov

Föreläsning 7: Punktskattningar

Lärmål Sannolikhet, statistik och risk 2015

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

Inledning till statistikteorin. Skattningar och konfidensintervall för μ och σ

F3 Introduktion Stickprov

Punktskattning 1 Ett exempel

Konfidensintervall, Hypotestest

Del I. Uppgift 1 För händelserna A och B gäller att P (A) = 1/4, P (B A) = 1/3 och P (B A ) = 1/2. Beräkna P (A B). Svar:...

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

Mer om konfidensintervall + repetition

Föreläsning G60 Statistiska metoder

Föreläsning 7. Statistikens grunder.

Föreläsning 7: Punktskattningar

SF1901 Sannolikhetsteori och statistik I

TMS136. Föreläsning 13

TAMS65 - Föreläsning 2 Parameterskattningar - olika metoder

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

Matematisk statistik KTH. Formelsamling i matematisk statistik

9. Konfidensintervall vid normalfördelning

(a) på hur många sätt kan man permutera ordet OSANNOLIK? (b) hur många unika 3-bokstavskombinationer kan man bilda av OSANNO-

Bestäm med hjälp av en lämplig och välmotiverad approximation P (X > 50). (10 p)

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

EXEMPEL PÅ FRÅGESTÄLLNINGAR INOM STATISTIK- TEORIN (INFERENSTEORIN):

Avd. Matematisk statistik

SF1901: Medelfel, felfortplantning

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

8 Inferens om väntevärdet (och variansen) av en fördelning

TENTAMEN I STATISTIKENS GRUNDER 2

Industriell matematik och statistik, LMA /14

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

Tillämpad statistik (A5), HT15 Föreläsning 5: Stratifierat urval

Matematisk statistik KTH. Formel- och tabellsamling i matematisk statistik

Matematisk statistik för D, I, Π och Fysiker

1. En kortlek består av 52 kort, med fyra färger och 13 valörer i varje färg.

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

Något om sannolikheter, slumpvariabler och slumpmässiga urval

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

ESS011: Matematisk statistik och signalbehandling Tid: 14:00-18:00, Datum:

Vi har en ursprungspopulation/-fördelning med medelvärde µ.

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

Matematisk statistik TMS064/TMS063 Tentamen

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

PROGRAMFÖRKLARING I. Statistik för modellval och prediktion. Ett exempel: vågriktning och våghöjd

F9 Konfidensintervall

MVE051/MSG Föreläsning 14

Föreläsning 1. NDAB02 Statistik; teori och tillämpning i biologi

Kap 6: Normalfördelningen. Normalfördelningen Normalfördelningen som approximation till binomialfördelningen

Repetitionsföreläsning

Uppgift 1. f(x) = 2x om 0 x 1

FACIT: Tentamen L9MA30, LGMA30

Urvalsmetoder: Sannolikhetsurval resp. icke-sannolikhetsurval, OSU (kap )

Urval. Slumpmässiga urval (sannolikhetsurval) Fördelar med slumpmässiga urval

0 om x < 0, F X (x) = c x. 1 om x 2.

Tentamen i TMA321 Matematisk Statistik, Chalmers Tekniska Högskola.

Tentamen MVE301 Sannolikhet, statistik och risk

7,5 högskolepoäng. Statistisk försöksplanering och kvalitetsstyrning. TentamensKod: Tentamensdatum: 30 oktober 2015 Tid: 9-13:00

Föreläsning 9, Matematisk statistik 7.5 hp för E Konfidensintervall

Matematisk statistik för D, I, Π och Fysiker

Föreläsning 5. Kapitel 6, sid Inferens om en population

F11 Två stickprov. Måns Thulin. Uppsala universitet Statistik för ingenjörer 26/ /11

Föreläsning 4: Konfidensintervall (forts.)

Avd. Matematisk statistik

F22, Icke-parametriska metoder.

Statistisk försöksplanering

Föreläsning G19 Utredningskunskap I. Föreläsningsunderlagen bygger på underlag skapade av Kalle Wahlin

Tentamen för kursen. Linjära statistiska modeller. 22 augusti

Grundkurs i statistisk teori, del 2

Tentamen i Matematisk statistik Kurskod S0001M

Transkript:

Föreläsning 6 (kap 6.1, 6.3, 7.1-7.3): Punktskattningar Marina Axelson-Fisk 4 maj, 2016

Stickprov (sample) Idag: Stickprovsmedelvärde och varians Statistika (statistic) Punktskattning (point estimation) Väntevärdesriktig (unbiased) Metoder för punktskattning Momentmetoden Maximum Likelihood

STICKPROV Chalmers University of Technology

Populationer kontra stickprov Antag att vi vill mäta Genomsnittlig vikt på alla 5-åringar i Sverige: Population: alla 5-åringar i Sverige. Genomsnittligt antal sidor i alla skönlitterära böcker i stadsbiblioteket. Population: alla skönlitterära böcker i stadsbiblioteket. Genomsnittlig IQ hos alla Chalmers-studenter. Population: alla Chalmers-studenter. Men det kan vara svårt att mäta hela populationen.

Stickprov När man vill mäta något i en population, men inte kan mäta hela populationen, så drar man ett stickprov istället. Ett stickprov utgör ett antal upprepade oberoende mätningar på en viss stokastisk variabel eller från en viss fördelning. Stickprovet ska vara oberoende och representativt för populations, så att det ger en uppskattning av det mätta värdet i hela populationen.

Definition: stickprov Stokastiska variabler,, kallas för stickprov från en fördelning om de är oberoende och lika fördelade enligt. De faktiska mätvärdena på stickprovet betecknas som vanligt med,,.

Stickprovsmedelvärde och varians För ett stickprov,, ges stickprovsmedelvärdet av = 1 Stickprovsvariansen ges av = 1 1 = 1 1 Stickprovsstandardavvikelse: =

Statistisk analys (inferensteori) Statistik används för att dra slutsatser om en stor population med hjälp av stickprov. Tex Skatta parametrarna i någon fördelning Utföra hypotestest

Statistika (statistic) Antag att vi vill skatta parametern i någon fördelning mha stickprovet,,. En statistika är en funktion av stickprovet som används för att skatta en parameter. Exempel: Stickprovsmedelvärdet skattar väntevärdet. Stickprovsvariansen skattar variansen. En statistika är också en stokastisk variabel.

PUNKTSKATTNING Chalmers University of Technology

Punktskattning (point estimation) Låt,, vara ett stickprov från någon fördelning som har parameter. Statistikan Θ =h(,, ) som används för att skatta kallas för punktskattningen av. Punktskattningens verkliga värde betecknas =h(,, )

Väntevärde och varians av Låt,, vara ett stickprov från en fördelning med väntevärde och varians. Då har stickprovsmedelvärdet Väntevärde: = Varians: =

Centrala gränsvärdessatsen Om,, är ett stickprov från en fördelning med väntevärde och varians så är stickprovsmedelvärdet approximativt (, / ) och = / (0,1)

Vanliga punktskattningar Väntevärde och varians i en fördelning =, = Proportionen som tillhör en viss grupp =, där =antal av som tillhör gruppen Skillnad i väntevärde mellan två grupper = Skillnad i proportioner mellan grupper =

Skillnad i medelvärden Vi har två oberoende stokastiska variabler och med väntevärden och varians (, ) och (, ), respektive. Låt,, och,, vara stickprov på och. Då har vi att, +

Skillnad i medelvärde På samma sätt som tidigare = ( ) + (0,1)

Väntevärdesriktig (unbiased) Antag att vi har ett stickprov,, från någon fördelning med parameter Θ. Vi vill skatta Θ mha stickprovet, men hur? Vad är en bra skattning? Ett viktigt kriterium: En skattning Θ är väntevärdesriktig om Θ =Θ Dvs olika stickprov skulle ge olika värden, men i snitt skulle vi ha att =.

MOMENTMETODEN OCH MAXIMUM LIKELIHOOD

Metoder för punktskattning Väntevärde och varians kan skattas mha stickprovsmedelvärdet och variansen. Men hur gör man för en allmän parameter? De två vanligaste metoderna för punktskattning Momentmetoden Maximum Likelihood

Stickprovsmoment Låt,, vara ett stickprov på en stokastisk variabel. Det :te momentet för :s fördelning är, för =1,2,3, Det :te stickprovsmomentet är då 1, för =1,2,3,

Momentmetoden Låt,, vara ett stickprov på vars fördelning har okända parametrar,,,. Skattningarna,, av dessa ges av att lösa ekvationssystemet = = =