Maple 11 - Chi-i-anden test

Save this PDF as:
 WORD  PNG  TXT  JPG

Størrelse: px
Starte visningen fra side:

Download "Maple 11 - Chi-i-anden test"

Transkript

1 Maple 11 - Chi-i-anden test Erik Vestergaard 2014 Indledning I dette dokument skal vi se hvordan Maple kan bruges til at løse opgaver indenfor χ 2 tests: χ 2 - Goodness of fit test samt χ 2 -uafhængighedstest. Den nye Gym-pakke introduceret til Maple 16 indeholder en række gode værktøjer til netop dette emne. Da emnet med Chi-i-anden tests er noget involveret, har jeg for begge typers vedkommende gennemgået hele processen, der fører frem til en accept eller en afvisning af hypotesen. Det er gjort for at man får en bedre forståelse af emnet, selv om noget lignende er gennemgået i flere lærebøger. Efter denne manuelle gennemgang (analyse af problemstilling) forklares det, hvordan man let løser opgaven med Gym-pakken. Hvis du gerne vil vide lidt mere om teorien for Chi-i-anden tests, så kan du med fordel læse en af nedenstående dokumenter. De er udarbejdet af Susanne Christensen, Lektor i Statistik, Aalborg Universitet, og specielt henvendt til gymnasiet. At træffe sine valg i en usikker verden - eller den statistiske modellerings rolle (Kan eventuelt bruges direkte i klassen) Kursusmateriale til det nye statistikpensum (Kursusmateriale til et kursus for lærere - går mere i dybden) Goodness of fit test Lad os kigge på et eksempel. Før vi løser opgaven med Gym-pakken beskrives, analyseres situationen, så eleverne får en fornemmelse af, hvad der foregår. Det kan også være fornuftigt at løse opgaven "manuelt" skridt for skridt den første gang, inden man begiver sig ud i de automatiske løsninger. Eksempel 1 En person deltager i et terningespil i en spilleklub. Personen er i tvivl om terningen er falsk, altså om antallet af øjne 1, 2, 3, 4, 5 og 6 forekommer med samme sandsynlighed. I al hemmelighed foretager han en række kast med terningen - i alt 120 gange slår han med terningen og hyppighederne af de enkelte antal øjne fremgår af tabellen nedenfor. Der ønskes en vurdering af om terningen kan være falsk. Antal øjne Hyppighe d Page 1 of 14

2 Analyse af problemstilllingen Eksemplet med terninger er velegnet, fordi det er tydeligt for enhver, at der er tale om tilfældigheder. Der er udtaget én stikprøve, som er resultatet efter at have slået 120 gange med en terning. Havde man gentaget forsøget, ville man efter al sandsynlighed have fået et andet stikprøve-resultat. Og det er også klart, at vi på ingen måde med sikkerhed kan afgøre om terningen er falsk eller ej. Det kunne jo i princippet hænde - ved en ekstrem tilfældighed - at en ægte terning ville vise for eksempel 2 øjne i alle 120 kast! For at udnytte oplysningen om stikprøven, vender vi derfor tingene på hovedet: Vi opstiller en såkaldt nulhypotese, kaldet H 0, som består i at antage, at terningen er ægte. Alternativhypotesen, som er den modsatte hypotese af nulhypotesen og betegnes H 1, er da at terningen er falsk. Under antagelse af at nulhypotesen er sand, vil vi derefter udregne sandsynligheden for på denne baggrund at få den pågældende stikprøve eller noget der i en vis forstand er "mere skævt" end den observerede stikprøve. Vi vedtager da, at hvis denne sandsynlighed er mindst 5% eller 0.05, så vil vi acceptere nulhypotesen, mens vi vil afvise nulhypotesen, hvis sandsynligheden er mindre end 5%. Man siger, at vi sætter signifikansniveauet til 5%. I visse situationer vælger man et signifikansniveau på 1%. Det er de mest almindelige - med 5% som den mest anvendte. H 0 -hypotesen: Terningen er ægte H 1 -hypotesen: Terningen er falsk Som et mål for, hvor langt en stikprøve er fra den forventede fordeling benyttes den såkaldte Q-værdi, indført af den britiske statistiker Karl Pearson ( ) i år 1900: Q => observeret antalkforventet antal 2 forventet antal Der summeres over alle mulige udfald, dvs. for hvert muligt udfald (fx en et'er, en to'er, en tre'er, etc.) skriver man hvor mange, der blev observeret af hver slags og trækker det forventede antal fra, sætter i anden potens, og dividerer med det forventede antal. I øvrigt betegnes Q-værdien også test statistikken. Da vi slår 120 gange med en terning vil vi forventeligt få 120 / 6 = 20 af hvert antal øjne. Dermed fås i dette tilfælde: Qd 10K = 21 2 at 10 digits C 27K C 16K C 18K C 24K C 25K Q giver kun 0, hvis for hvert udfald, det observerede antal er lig med det forventede antal. Der er altså fuld overensstemmelse i det tilfælde mellem de observerede antal og de forventede antal for hver eneste mulige udfald. Jo større Q er, jo dårligere stemmer antallet af observerede værdier overens med antallet af forventede værdier. Det er i hvert fald sådan, vi definerer det. Man kan vise - hvilket er uhyre svært - at Q tilnærmelsesvist er χ 2 -fordelt (Chi-i-anden fordelt) med nk1 frihedsgrader, hvor n står for antallet af mulige udfald, her 6. Begrebet antal frihedsgrader kan opfattes som antallet af mulige udfald, hvis hyppigheder kan varieres frit i skemaet ovenfor. Da summen skal være 120, kan den sidste hyppighed ikke varieres frit, derfor er der nk1 frihedsgrader. Omtalte fordeling skal vi slet ikke kende til i detaljer - det er Uni stof! Vi kan dog godt få Maple til at tegne tæthedsfunktionen for Chi-i-anden fordelingen med nk1 = 6K1 = 5 frihedsgrader: restart Page 2 of 14

3 with Statistics : X d RandomVariable ChiSquare 5 : fdx/pdf X, x : plot f x, x = x Vi udregnede en Q-værdi på 10.5 ovenfor. Sandsynligheden for at få en Q-værdi på 10.5 eller større svarer (tilnærmelsesvist) til arealet under grafen fra 10.5 til uendelig. Det fås som integralet af funktionen fra 10.5 til uendelig: N 10.5 f x dx = Denne værdi kaldes p-værdien og er en tilnærmet værdi for sandsynligheden for at Q-værdien er 10.5 eller derover. Da p-værdien er over 0.05 accepterer vi nulhypotesen. Terningen ser altså ud til at være ægte. Da værdien imidlertid er meget tæt på de 0.05 kunne det måske være hensigtsmæssigt i en praktisk situation at gennemføre en stikprøve mere. Det kunne også være interessant at bestemme den kritiske værdi, som er den Q-værdi, der giver anledning til en p-værdi på netop Det kan klares ved en simpel ligningsløsning. Vi skal bestemme den "hale" under grafen for f, hvis areal er Vi bruger fsolve, da der kun er én reel løsning: fsolve N K f x dx = 0.05, K Den kritiske værdi er altså (2.1) Løsning med Gym-pakken Med Gym-pakken er ovenstående proces yderst nem. Man laver en liste (husk firkantede parenteser) Page 3 of 14

4

5 For at tilnærmelsen er god, skal hyppighederne af de enkelte observationer helst alle være mindst 5. Bemærk, at p-værdien ikke angiver sandsynligheden for at terningen er ægte!!! p-værdien er derimod en tilnærmelsesvis værdi for sandsynligheden for at man får den pågældende stikprøve eller noget der afviger mere fra det forventede, givet at nulhypotesen er korrekt. Stikprøvens afvigelse fra det forventede er beskrevet ved Q-værdien. Som nævnt i analysedelen ovenfor kan man sagtens komme ud for at drage en forkert konklusion på baggrund af Chi-i-anden testen. Man taler om de såkaldte type I og type II fejl. Ved type I fejl afvises en nulhypotese, som faktisk er korrekt. Ved type II fejl accepteres en nulhypotese, som faktisk er falsk. Vi kan skrive det op i et skema: H 0 acceptere s H 0 afvises H 0 er sand Korrekt afgørelse Type I fejl H 0 er falsk Type II fejl Korrekt afgørelse Type I fejl forekommer især, hvis den stikprøve, man har opnået, er meget usædvanlig. Bemærkninger 2 Hvis man for eksempel ønsker at foretage en hypotesetest med et andet signifikansniveau, fx 1% eller 0.01, så kan det gøres ved at tilføje en option til kommandoen: ChiKvadratGOFtest obs, forv, level = 0.01 Eksempel 2 Lad os prøve at se, hvad der ville ske, hvis alle hyppighederne i tabellen i eksempel 1 blev fordoblet, altså: Antal øjne Hyppighe d restart with Gym : obsd 20, 54, 32, 36, 48, 50 : forvd 40, 40, 40, 40, 40, 40 : ChiKvadratGOFtest obs, forv Page 5 of 14

6

7 to procenter er meget forskellige eller er meget ens. Men hvad når der er tale om en mellemting som her? Det er ikke muligt at formulere en regel om, at hvis forskellen på de to procenter er så og så stor, så kan man sige, at der er tale om tilfældigheder. I eksempel 2 i forrige afsnit så vi nemlig, at også antallet af observationer - ikke blot procenterne - spiller en stor rolle i afgørelsen. For at løse opgaven på en pålidelig og matematisk måde, må man gøre brug af den såkaldte Chi-i-anden uafhængighedstest. Her opstilles de to hypoteser: H 0 -hypotesen: Chancen for at bestå køreprøven er uafhængig af hvilken af de to byer man bor i. H 1 -hypotesen: Chancen for at bestå køreprøven er ikke uafhængig af hvilken af de to byer man bor i. Man kan se på data for de to byer som en slags stikprøve. Det skal forstås på den måde, at hvis man lod 1429 andre personer fra Haderslev og 2026 andre personer fra Slagelse gå op til køreprøve, så ville man højst sandsynligt få et andet resultat. Der er altså noget tilfældighed indbygget. Spørgsmålet er, om man med rimelighed kan sige, at chancen for at dumpe i de to byer er den samme, eller om der måske gør sig noget andet gældende. Det kan for eksempel være, at det er særligt svært at køre rundt i den ene af byerne - dette ville nok være tilfældet hvis København var inde i billedet - så det er sværere at bestå. Dette kan også være, at de køresagkyndige i den ene by er mere hårde i bedømmelsen end de køresagkyndige i den anden by, etc. Mange forklaringer kan være mulige. Ligesom i Chi-i-anden Goodness of fit testen i forrige afsnit griber vi opgaven modsat an: Vi antager at nulhypotesen er sand, dvs. at chancen for at bestå køreprøven er uafhængig af i hvilken af de to byer man tager prøven. Dernæst bestemmer vi - på baggrund af denne antagelse - sandsynligheden for at få den "stikprøve" vi allerede har opnået eller noget, der er længere fra det forventede end denne. Hvis denne sandsynlighed, kaldet p-værdien, er større end eller lig med signifikansniveauet på de 0.05, så vedtager vi at acceptere nulhypotesen. I modsat fald afvises nulhypotesen. Som et mål for, hvor langt en stikprøve ligger fra det forventede, bruger vi den samme størrelse som i forrige afsnit, nemlig Q-værdien givet ved: Q => observeret antalkforventet antal 2 forventet antal og som blev indført af Karl Pearson i år De forventede antal er lidt sværere at bestemme end tilfældet var i eksempel 1 i forrige afsnit. Da vi ikke har anden viden end de fire data-værdier fra Haderslev og Slagelse, så er vi nødt til selv at konstruere et godt bud eller estimat på det forventede antal af hver type. Det mest overskuelige er at skrive data ind i et skema, en såkaldt antalstabel: Bestået Ikke bestået Sum Haderslev Slagelse Sum Observerede værdier hvor vi har udregnet summerne i både vandret og lodret retning. Vi ser, at betragtet over begge byer, så er 2264 ud af 3455 bestået. Det giver en beståelsesprocent på 2264 / 3455 = , altså 65.53%. Det vil derfor være rimeligt at forvente at 1429$ = består i Haderslev og 2026$ = består i Slagelse. Vi kan også foretage beregningen i et hug: Page 7 of 14

8 restart $1429 = $2026 = at 10 digits at 10 digits På tilsvarende måde kan vi udregne de forventede værdier for antal ikke beståede i henholdvis Haderslev og Slagelse: $1429 = $2026 = at 10 digits at 10 digits Disse forventede værdier, kan nu føjes ind i en tabel: Bestået Ikke bestået Sum Haderslev Slagelse Sum Forventede værdier Vi ser at de vandrette og lodrette summer giver det samme som i tabellen med de observerede værdier. Det er ingenlunde et tilfælde - det sker altid op til afrunding. Du kan fundere over hvorfor? Vi har nu de fire observerede hyppigheder og de fire forventede hyppigheder. Dem indsætter vi i formlen for Q. Det giver: Qd 915K C 514K C 1349K C 677K = Teorien siger nu - og det er alt for svært at bevise i gymnasiet - at Q-værdien, også kaldet test statistikken eller test størrelsen, tilnærmelsesvist er Chi-i-anden fordelt med sk1 $ rk1 frihedsgrader. Her betyder s antallet af søjler i den inderste del af tabellen, dvs. den med data uden summer. Tilsvarende betyder r antallet af rækker i samme tabel. Her har vi at gøre med to rækker og to søjler, så sk1 $ rk1 = 2K1 $ 2K1 = 1$1 = 1. Ligesom i afsnit 2 kan vi prøve at tegne tæthedsfunktionen for Chi-i-anden fordelingen med 1 frihedsgrad: with Statistics : X d RandomVariable ChiSquare 1 : fdx/pdf X, x : plot f x, x = Page 8 of 14

9 x Vi udregnede en Q-værdi på ovenfor. Sandsynligheden for at få en Q-værdi på eller større svarer (tilnærmelsesvist) til arealet under grafen fra til uendelig. Det fås som integralet af funktionen fra til uendelig: N f x dx = Denne værdi kaldes p-værdien og er en tilnærmet værdi for sandsynligheden for at Q-værdien er eller derover. Da p-værdien er over 0.05 accepterer vi nulhypotesen. Hypotesen om at der er lige stor chance for at bestå i de to byer kan dermed godt accepteres indenfor et signifikansniveau på Til slut kunne det være interessant at bestemme den kritiske værdi, som er grænsen for Q-værdien, der skiller en accepteret nulhypotese fra en afvist nulhypotese. fsolve N K f x dx = 0.05, K Den kritiske værdi er altså 3.84, hvilket betyder, at hvis Q er større end 3.841, så afvises nulhypotesen og hvis den er eller derunder, så accepteres den. (3.1) Løsning med Gym-pakken Efter en restart og kald af Gym-pakken skal vi have skrevet de observerede hyppigheder ind i en matrix, som hentes i paletten Matrix ovre i venstre side. Den skal have dimensioner 2 2: Page 9 of 14

10

11

12 "Forventet" "Bestået" "Ikke bestået" "i alt" "Haderslev" "Slagelse" "i alt" (3.2) Hvis du skriver obs med forklaringer, kommer tabellen med de forventede værdier også med forklaringer! Chi-i-anden fordelingen I dette afsnit skal vi blot overfladisk betragte den såkaldte Chi-i-anden fordeling med n frihedsgrader, også skrevet med det lille græske bogstav χ for chi: χ 2 -fordelingen med n frihedsgrader. Ligesom tilfældet er for Normalfordelingen, er der tale om en kontinuert sandsynlighedsfordeling. I Maple kan man definere en stokastisk variabel X ved hjælpe af kommandoen: RandomVariable. Som argument skal man fortælle hvilken fordeling denne stokastiske variabel skal have. Chi-i-anden fordelingen med n frihedsgrader hedder her ChiSquare n. Da kommandoerne ligger i pakken Statistics skal du huske at kalde denne pakke, før du går i gang. Endelig kan man referere til den stokastiske variabels tæthedsfunktion vis kommandoen PDF. Nedenfor har vi gjort alt dette og endda plottet fordelingen i tilfældet n = 3. restart with Statistics : X d RandomVariable ChiSquare 3 : fdx/pdf X, x : plot f x, x = x Chi-i-anden fordelingens tæthedsfunktion ser ret forskellig ud for de forskellige værdier af n. Vi kan Page 12 of 14

13 prøve at tegne tæthedsfunktionerne for tilfældene 1, 2, 3, 4, 5, 6 og 7 i samme koordinatsystem. restart with Statistics : for k from 1 to 7 do X k d RandomVariable ChiSquare k : f k d x/pdf X k, x : end do: plot seq f k x, k = 1..7, x = x Forklaring Husk at man kan tegne graferne for flere funktioner i samme koordinatsystem, hvis man sætter dem ind i en liste - dvs. angivet med komma imellem og med firkantede parenteser omkring. Da der er systematik i det her, kan vi hurtigt definere tæthedsfunktionerne ved hjælp af en for-løkke. Bemærk at hele løkken står i ét matematikfelt, selv om det fylder flere linjer. Man kan skrive på flere linjer, hvis man skifter linje med Shift+Enter. Endelig kan man bruge kommandoen seq for "sequence" til at spare plads. seq f k x, k = 1..7 er det samme som f 1 x, f 2 x, f 3 x, f 4 x, f 5 x, f 6 x, f 7 x. Vil man ydermere have betegnelser på hvilke kurver, der hører til hvilke Chi-i-anden fordelinger, kan man enten tilføje en legend option, som vist nedenfor. Man kan dog også manuelt højreklikke på grafen og vælge Legend > Show Legend. Derved kommer der som default betegnelserne "Curve 1", "Curve 2", etc., men man kan hurtigt redigere i dem ved at klikke på dem og skrive det man vil. Man skal dog være opmærksom på, at de manuelle ændringer føres tilbage til default tilstanden ved genberegning. Det gør det derimod ikke, når man skriver direkte i kommandoen. Page 13 of 14

14 plot seq f k x, k = 1..7, x = 0..20, legend = "λ = 1", "λ = 2", "λ = 3", "λ = 4", "λ = 5", "λ = 6", "λ = 7" x λ = 1 λ = 2 λ = 3 λ = 4 λ = 5 λ = 6 λ = 7 Page 14 of 14

2 -test. Fordelingen er særdeles kompleks at beskrive med matematiske formler. 2 -test blev opfundet af Pearson omkring år 1900.

2 -test. Fordelingen er særdeles kompleks at beskrive med matematiske formler. 2 -test blev opfundet af Pearson omkring år 1900. 2 -fordeling og 2 -test Generelt om 2 -fordelingen 2 -fordelingen er en kontinuert fordeling, modsat binomialfordelingen som er en diskret fordeling. Fordelingen er særdeles kompleks at beskrive med matematiske

Læs mere

Værktøjshjælp for TI-Nspire CAS Struktur for appendiks:

Værktøjshjælp for TI-Nspire CAS Struktur for appendiks: Værktøjshjælp for TI-Nspire CAS Struktur for appendiks: Til hvert af de gennemgåede værktøjer findes der 5 afsnit. De enkelte afsnit kan læses uafhængigt af hinanden. Der forudsættes et elementært kendskab

Læs mere

q-værdien som skal sammenlignes med den kritiske Chi-i-Anden værdi p-værdien som skal sammenlignes med signifikansniveauet.

q-værdien som skal sammenlignes med den kritiske Chi-i-Anden værdi p-værdien som skal sammenlignes med signifikansniveauet. Introduktion: Chi-i-Anden test (Goodness of Fit) på computeren fungerer som en "black-boks"- kommando, hvor eleverne med udgangspunkt i en nulhypotese (H ) taster de forventede og de observerede talværdier

Læs mere

Deskriptiv statistik. Version 2.1. Noterne er et supplement til Vejen til matematik AB1. Henrik S. Hansen, Sct. Knuds Gymnasium

Deskriptiv statistik. Version 2.1. Noterne er et supplement til Vejen til matematik AB1. Henrik S. Hansen, Sct. Knuds Gymnasium Deskriptiv (beskrivende) statistik er den disciplin, der trækker de væsentligste oplysninger ud af et ofte uoverskueligt materiale. Det sker f.eks. ved at konstruere forskellige deskriptorer, d.v.s. regnestørrelser,

Læs mere

χ 2 -test i GeoGebra Jens Sveistrup, Gammel Hellerup Gymnasium

χ 2 -test i GeoGebra Jens Sveistrup, Gammel Hellerup Gymnasium χ 2 -test i GeoGebra Jens Sveistrup, Gammel Hellerup Gymnasium Man kan nemt lave χ 2 -test i GeoGebra både goodness-of-fit-test og uafhængighedstest. Den følgende vejledning bygger på GeoGebra version

Læs mere

for gymnasiet og hf 2016 Karsten Juul

for gymnasiet og hf 2016 Karsten Juul for gymnasiet og hf 75 50 5 016 Karsten Juul Statistik for gymnasiet og hf Ä 016 Karsten Juul 4/1-016 Nyeste version af dette håfte kan downloades fra http://mat1.dk/noter.htm HÅftet mç benyttes i undervisningen

Læs mere

Fig. 1 Billede af de 60 terninger på mit skrivebord

Fig. 1 Billede af de 60 terninger på mit skrivebord Simulation af χ 2 - fordeling John Andersen Introduktion En dag kastede jeg 60 terninger Fig. 1 Billede af de 60 terninger på mit skrivebord For at danne mig et billede af hyppighederne flyttede jeg rundt

Læs mere

Note til styrkefunktionen

Note til styrkefunktionen Teoretisk Statistik. årsprøve Note til styrkefunktionen Først er det vigtigt at gøre sig klart, at når man laver statistiske test, så kan man begå to forskellige typer af fejl: Type fejl: At forkaste H

Læs mere

Rygtespredning: Et logistisk eksperiment

Rygtespredning: Et logistisk eksperiment Rygtespredning: Et logistisk eksperiment For at det nu ikke skal ende i en omgang teoretisk tørsvømning er det vist på tide vi kigger på et konkret logistisk eksperiment. Der er selvfølgelig flere muligheder,

Læs mere

Hypotesetest. Altså vores formodning eller påstand om tingens tilstand. Alternativ hypotese (hvis vores påstand er forkert) H a : 0

Hypotesetest. Altså vores formodning eller påstand om tingens tilstand. Alternativ hypotese (hvis vores påstand er forkert) H a : 0 Hypotesetest Hypotesetest generelt Ingredienserne i en hypotesetest: Statistisk model, f.eks. X 1,,X n uafhængige fra bestemt fordeling. Parameter med estimat. Nulhypotese, f.eks. at antager en bestemt

Læs mere

Statistik i basketball

Statistik i basketball En note til opgaveskrivning jerome@falconbasket.dk 4. marts 200 Indledning I Falcon og andre klubber er der en del gymnasieelever, der på et tidspunkt i løbet af deres gymnasietid skal skrive en større

Læs mere

a) For at bestemme a og b i y=ax+b defineres to lister med data fra opgaven År d 0, 1, 2, 3, 4, 5, 6 :

a) For at bestemme a og b i y=ax+b defineres to lister med data fra opgaven År d 0, 1, 2, 3, 4, 5, 6 : Eksemplarisk løsning af eksamensopgave Nedenstående opgaver er delprøven med hjælpemidler fra Matematik B eksamen d. 22 maj 2014 restart with Gym : Opgave 7 a) For at bestemme a og b i y=ax+b defineres

Læs mere

En intro til radiologisk statistik

En intro til radiologisk statistik En intro til radiologisk statistik Erik Morre Pedersen Hypoteser og testning Statistisk signifikans 2 x 2 tabellen og lidt om ROC Inter- og intraobserver statistik Styrkeberegning Konklusion Litteratur

Læs mere

Flemmings Maplekursus 1. Løsning af ligninger

Flemmings Maplekursus 1. Løsning af ligninger Flemmings Maplekursus 1. Løsning af ligninger a) Ligninger med variabel og kun en løsning. Ligningen løses 10 3 Hvis vi ønsker løsningen udtrykt som en decimalbrøk i stedet: 3.333333333 Løsningen 3 er

Læs mere

Anvendt Statistik Lektion 4. Hypotesetest generelt Test for middelværdi Test for andele

Anvendt Statistik Lektion 4. Hypotesetest generelt Test for middelværdi Test for andele Anvendt Statistik Lektion 4 Hypotesetest generelt Test for middelværdi Test for andele Hypoteser og Test Hypotese I statistik er en hypotese en påstand om en populationsparameter. Typisk en påstand om

Læs mere

Konfidensintervaller og Hypotesetest

Konfidensintervaller og Hypotesetest Konfidensintervaller og Hypotesetest Konfidensinterval for andele χ -fordelingen og konfidensinterval for variansen Hypoteseteori Hypotesetest af middelværdi, varians og andele Repetition fra sidst: Konfidensintervaller

Læs mere

for gymnasiet og hf 2017 Karsten Juul

for gymnasiet og hf 2017 Karsten Juul for gymnasiet og hf 75 50 5 017 Karsten Juul Statistik for gymnasiet og hf 017 Karsten Juul 5/11-017 Nyeste version af dette hæfte kan downloades fra http://mat1.dk/noter.htm Hæftet må benyttes i undervisningen

Læs mere

Kapitlet indledes med en beskrivelse af - og opgaver med - de tre former for sandsynlighed, som er omtalt i læseplanen for 7.- 9.

Kapitlet indledes med en beskrivelse af - og opgaver med - de tre former for sandsynlighed, som er omtalt i læseplanen for 7.- 9. Kapitlet indledes med en beskrivelse af - og opgaver med - de tre former for sandsynlighed, som er omtalt i læseplanen for 7.- 9. klassetrin: statistisk sandsynlighed, kombinatorisk sandsynlighed og personlig

Læs mere

Kursus 02402 Introduktion til Statistik. Forelæsning 7: Kapitel 7 og 8: Statistik for to gennemsnit, (7.7-7.8,8.1-8.5) Per Bruun Brockhoff

Kursus 02402 Introduktion til Statistik. Forelæsning 7: Kapitel 7 og 8: Statistik for to gennemsnit, (7.7-7.8,8.1-8.5) Per Bruun Brockhoff Kursus 02402 Introduktion til Statistik Forelæsning 7: Kapitel 7 og 8: Statistik for to gennemsnit, (7.7-7.8,8.1-8.5) Per Bruun Brockhoff DTU Compute, Statistik og Dataanalyse Bygning 324, Rum 220 Danmarks

Læs mere

Chi-i-anden Test. Repetition Goodness of Fit Uafhængighed i Kontingenstabeller

Chi-i-anden Test. Repetition Goodness of Fit Uafhængighed i Kontingenstabeller Chi-i-anden Test Repetition Goodness of Fit Uafhængighed i Kontingenstabeller Chi-i-anden Test Chi-i-anden test omhandler data, der har form af antal eller frekvenser. Antag, at n observationer kan inddeles

Læs mere

Matematik B-niveau STX 7. december 2012 Delprøve 1

Matematik B-niveau STX 7. december 2012 Delprøve 1 Matematik B-niveau STX 7. december 2012 Delprøve 1 Opgave 1 Af trekanterne ABC og DEF ses ABC med b = 6 og c = 10. Der bestemmes for a. Tallene indsættes Så sidelængden er regnet til 8. For at bestemme

Læs mere

Sandsynlighedsregning: endeligt udfaldsrum (repetition)

Sandsynlighedsregning: endeligt udfaldsrum (repetition) Program: 1. Repetition: sandsynlighedsregning 2. Sandsynlighedsregning fortsat: stokastisk variabel, sandsynlighedsfunktion/tæthed, fordelingsfunktion. 1/16 Sandsynlighedsregning: endeligt udfaldsrum (repetition)

Læs mere

Løsning til eksaminen d. 14. december 2009

Løsning til eksaminen d. 14. december 2009 DTU Informatik 02402 Introduktion til Statistik 200-2-0 LFF/lff Løsning til eksaminen d. 4. december 2009 Referencer til Probability and Statistics for Engineers er angivet i rækkefølgen [8th edition,

Læs mere

for matematik pä B-niveau i hf

for matematik pä B-niveau i hf for matematik pä B-niveau i hf 014 Karsten Juul TEST 1 StikprÅver... 1 1.1 Hvad er populationen?... 1 1. Hvad er stikpråven?... 1 1.3 Systematiske fejl ved valg af stikpråven.... 1 1.4 TilfÇldige fejl

Læs mere

for matematik pä B-niveau i hf

for matematik pä B-niveau i hf for matematik pä B-niveau i hf 75 50 5 016 Karsten Juul GRUPPEREDE DATA 1.1 Hvad er deskriptiv statistik?...1 1. Hvad er grupperede og ugrupperede data?...1 1.1 Eksempel pä ugrupperede data...1 1. Eksempel

Læs mere

Personlig stemmeafgivning

Personlig stemmeafgivning Ib Michelsen X 2 -test 1 Personlig stemmeafgivning Efter valget i 2005 1 har man udspurgt en mindre del af de deltagende, om de har stemt personligt. Man har svar fra 1131 mænd (hvoraf 54 % har stemt personligt

Læs mere

Vejledende besvarelser til opgaver i kapitel 14

Vejledende besvarelser til opgaver i kapitel 14 Vejledende besvarelser til opgaver i kapitel 14 Opgave 1 a) Det første trin i opstillingen af en hypotesetest er at formulere to hypoteser, hvoraf den ene støtter den teori vi vil teste, mens den anden

Læs mere

Lineære modeller. Taxakørsel: Et taxa selskab tager 15 kr. pr. km man kører i deres taxa. Hvis vi kører 2 km i taxaen koster turen altså

Lineære modeller. Taxakørsel: Et taxa selskab tager 15 kr. pr. km man kører i deres taxa. Hvis vi kører 2 km i taxaen koster turen altså Lineære modeller Opg.1 Taxakørsel: Et taxa selskab tager 15 kr. pr. km man kører i deres taxa. Hvis vi kører 2 km i taxaen koster turen altså Hvor meget koster det at køre så at køre 10 km i Taxaen? Sammenhængen

Læs mere

Vi kalder nu antal prøverør blandt de 20, hvor der ikke ses vækst for X.

Vi kalder nu antal prøverør blandt de 20, hvor der ikke ses vækst for X. Opgave I I en undersøgelse af et potentielt antibiotikum har man dyrket en kultur af en bestemt mikroorganisme og tilført prøver af organismen til 20 prøverør med et vækstmedium og samtidig har man tilført

Læs mere

Anvendt Statistik Lektion 6. Kontingenstabeller χ 2 -test [ki-i-anden-test]

Anvendt Statistik Lektion 6. Kontingenstabeller χ 2 -test [ki-i-anden-test] Anvendt Statistik Lektion 6 Kontingenstabeller χ 2 -test [ki-i-anden-test] 1 Kontingenstabel Formål: Illustrere/finde sammenhænge mellem to kategoriske variable Opbygning: En celle for hver kombination

Læs mere

Matematik A-niveau STX 24. maj 2016 Delprøve 2 VUC Vestsjælland Syd. www.matematikhjaelp.tk

Matematik A-niveau STX 24. maj 2016 Delprøve 2 VUC Vestsjælland Syd. www.matematikhjaelp.tk Matematik A-niveau STX 24. maj 2016 Delprøve 2 VUC Vestsjælland Syd www.matematikhjaelp.tk Opgave 7 - Eksponentielle funktioner I denne opgave, bliver der anvendt eksponentiel regression, men først defineres

Læs mere

c) For, er, hvorefter. Forklar.

c) For, er, hvorefter. Forklar. 1 af 13 MATEMATIK B hhx Udskriv siden FACITLISTE TIL KAPITEL 7 ØVELSER ØVELSE 1 c) ØVELSE 2 og. Forklar. c) For, er, hvorefter. Forklar. ØVELSE 3 c) ØVELSE 4 90 % konfidensinterval: 99 % konfidensinterval:

Læs mere

Vejledning i brug af Gym-pakken til Maple

Vejledning i brug af Gym-pakken til Maple Vejledning i brug af Gym-pakken til Maple Gym-pakken vil automatisk være installeret på din pc eller mac, hvis du benytter cd'en Maple 16 - Til danske Gymnasier eller en af de tilsvarende installere. Det

Læs mere

Forelæsning 6: Kapitel 7: Hypotesetest for gennemsnit (one-sample setup). 7.4-7.6

Forelæsning 6: Kapitel 7: Hypotesetest for gennemsnit (one-sample setup). 7.4-7.6 Kursus 02402 Introduktion til Statistik Forelæsning 6: Kapitel 7: Hypotesetest for gennemsnit (one-sample setup). 7.4-7.6 Per Bruun Brockhoff DTU Compute, Statistik og Dataanalyse Bygning 324, Rum 220

Læs mere

Uge 48 II Teoretisk Statistik 27. november 2003. Numerisk modelkontrol af diskrete fordelinger: intro

Uge 48 II Teoretisk Statistik 27. november 2003. Numerisk modelkontrol af diskrete fordelinger: intro Uge 48 II Teoretisk Statistik 7. november 003 Numerisk modelkontrol af diskrete fordelinger: intro Eksempel: kvalitetskontrol Goodness-of-fit test: generel teori Endeligt udfaldsrum Udfaldsrum uden øvre

Læs mere

for matematik på C-niveau i stx og hf

for matematik på C-niveau i stx og hf VariabelsammenhÄnge generelt for matematik på C-niveau i stx og hf NÅr x 2 er y 2,8. 2014 Karsten Juul 1. VariabelsammenhÄng og dens graf og ligning 1.1 Koordinatsystem I koordinatsystemer (se Figur 1):

Læs mere

Newtons afkølingslov

Newtons afkølingslov Newtons afkølingslov miniprojekt i emnet differentialligninger Teoretisk del Vi skal studere, hvordan temperaturen i en kop kaffe aftager med tiden. Lad T ( t ) betegne temperaturen i kaffen til tiden

Læs mere

Hypotese test. Repetition fra sidst Hypoteser Test af middelværdi Test af andel Test af varians Type 1 og type 2 fejl Signifikansniveau

Hypotese test. Repetition fra sidst Hypoteser Test af middelværdi Test af andel Test af varians Type 1 og type 2 fejl Signifikansniveau ypotese test Repetition fra sidst ypoteser Test af middelværdi Test af andel Test af varians Type 1 og type fejl Signifikansniveau Konfidens intervaller Et konfidens interval er et interval, der estimerer

Læs mere

Forelæsning 8: Inferens for varianser (kap 9)

Forelæsning 8: Inferens for varianser (kap 9) Kursus 02402 Introduktion til Statistik Forelæsning 8: Inferens for varianser (kap 9) Per Bruun Brockhoff DTU Compute, Statistik og Dataanalyse Bygning 324, Rum 220 Danmarks Tekniske Universitet 2800 Lyngby

Læs mere

Velkommen til Flemmings store Maplekursus 1. lektion. Skift mellem tekst- og matematikmode

Velkommen til Flemmings store Maplekursus 1. lektion. Skift mellem tekst- og matematikmode Velkommen til Flemmings store Maplekursus 1. lektion. Skift mellem tekst- og matematikmode Man kan skifte mellem tekst- og matemamatikmode ved at trykke på F5. I øjeblikket er jeg i tekstmode.. 2. lektion.

Læs mere

Hvis α vælges meget lavt, bliver β meget stor. Typisk vælges α = 0.01 eller 0.05

Hvis α vælges meget lavt, bliver β meget stor. Typisk vælges α = 0.01 eller 0.05 Statistik 7. gang 9. HYPOTESE TEST Hypotesetest ved 6 trins raket! : Trin : Formuler hypotese Spørgsmål der ønskes testet vha. data H : Nul hypotese Formuleres som en ligheds hændelse H eller H A : Alternativ

Læs mere

En intro til radiologisk statistik. Erik Morre Pedersen

En intro til radiologisk statistik. Erik Morre Pedersen En intro til radiologisk statistik Erik Morre Pedersen Hypoteser og testning Statistisk signifikans 2 x 2 tabellen og lidt om ROC Inter- og intraobserver statistik Styrkeberegning Konklusion Litteratur

Læs mere

CMU PROJEKT HYPOTESETEST OG SIMULERING MICHAEL AGERMOSE JENSEN CHRISTIANSHAVNS GYMNASIUM

CMU PROJEKT HYPOTESETEST OG SIMULERING MICHAEL AGERMOSE JENSEN CHRISTIANSHAVNS GYMNASIUM CMU PROJEKT HYPOTESETEST OG SIMULERING MICHAEL AGERMOSE JENSEN CHRISTIANSHAVNS GYMNASIUM FORMÅL - BEKENDTGØRELSEN STX MATEMATIK A Kompetencer anvende simple statistiske eller sandsynlighedsteoretiske modeller

Læs mere

Kvantitative Metoder 1 - Forår 2007. Dagens program

Kvantitative Metoder 1 - Forår 2007. Dagens program Dagens program Hypoteser: kap: 10.1-10.2 Eksempler på Maximum likelihood analyser kap 9.10 Test Hypoteser kap. 10.1 Testprocedure kap 10.2 Teststørrelsen Testsandsynlighed 1 Estimationsmetoder Kvantitative

Læs mere

Tegning af grafer. Grafen for en ligning (almindelig) Skriv ligningen ind. Højreklik og vælg Plots -> 2-D Plot of Right Side.

Tegning af grafer. Grafen for en ligning (almindelig) Skriv ligningen ind. Højreklik og vælg Plots -> 2-D Plot of Right Side. TgPakken TgPakken er en række kommandoer til Maple tilegnet til det danske gymnasium. Det er rigtig smart til at kontrollere ens opgaver, men som alenestående svar til en eksamen er det ikke altid tilstrækkeligt.

Læs mere

Kort gennemgang af Samfundsfaglig-, Naturvidenskabeligog

Kort gennemgang af Samfundsfaglig-, Naturvidenskabeligog Kort gennemgang af Samfundsfaglig-, Naturvidenskabeligog Humanistisk metode Vejledning på Kalundborg Gymnasium & HF Samfundsfaglig metode Indenfor det samfundsvidenskabelige område arbejdes der med mange

Læs mere

3.600 kg og den gennemsnitlige fødselsvægt kg i stikprøven.

3.600 kg og den gennemsnitlige fødselsvægt kg i stikprøven. PhD-kursus i Basal Biostatistik, efterår 2006 Dag 1, onsdag den 6. september 2006 Eksempel: Sammenhæng mellem moderens alder og fødselsvægt I dag: Introduktion til statistik gennem analyse af en stikprøve

Læs mere

Konfidensinterval for µ (σ kendt)

Konfidensinterval for µ (σ kendt) Program 1. Repetition: konfidens-intervaller. 2. Hypotese test 3. Type I og type II fejl, p-værdi 4. En og to-sidede tests 5. Test for middelværdi (kendt varians) 6. Test for middelværdi (ukendt varians)

Læs mere

Normalfordelingen og Stikprøvefordelinger

Normalfordelingen og Stikprøvefordelinger Normalfordelingen og Stikprøvefordelinger Normalfordelingen Standard Normal Fordelingen Sandsynligheder for Normalfordelingen Transformation af Normalfordelte Stok.Var. Stikprøver og Stikprøvefordelinger

Læs mere

PhD-kursus i Basal Biostatistik, efterår 2006 Dag 2, onsdag den 13. september 2006

PhD-kursus i Basal Biostatistik, efterår 2006 Dag 2, onsdag den 13. september 2006 PhD-kursus i Basal Biostatistik, efterår 2006 Dag 2, onsdag den 13. september 2006 I dag: To stikprøver fra en normalfordeling, ikke-parametriske metoder og beregning af stikprøvestørrelse Eksempel: Fiskeolie

Læs mere

Stikprøver, binomialtest og chi^2 test er nogle af de punkter som denne note kommer ind på. Det er et supplement til Vejen til Matematik

Stikprøver, binomialtest og chi^2 test er nogle af de punkter som denne note kommer ind på. Det er et supplement til Vejen til Matematik Hypotesetest s og spørgeskemaer Stikprøver, binomialtest og chi^2 test er nogle af de punkter som denne note kommer ind på. Det er et supplement til Vejen til Matematik Kumuleret sandsynlighed 1 0.9 0.8

Læs mere

Peter Harremoës Mat A eksamen med hjælpemidler 15. december 2014. f (x) = 0. 2x + k 1 x = 0 2x 2 + k = 0 2x 2 = k x 2 = k 2. k 2.

Peter Harremoës Mat A eksamen med hjælpemidler 15. december 2014. f (x) = 0. 2x + k 1 x = 0 2x 2 + k = 0 2x 2 = k x 2 = k 2. k 2. Opgave 6 Se Bilag 3! Funktionen f er givet ved f (x) = x 2 + k ln (x), x > 0. Det oplyses at funktionen har netop ét ekstremum, når k > 0, så x-værdien til dette ekstremum må kunne findes ved at løse ligningen

Læs mere

Allan C. Malmberg. Terningkast

Allan C. Malmberg. Terningkast Allan C. Malmberg Terningkast INFA 2008 Programmet Terning Terning er et INFA-program tilrettelagt med henblik på elever i 8. - 10. klasse som har særlig interesse i at arbejde med situationer af chancemæssig

Læs mere

Schweynoch, 2003. Se eventuelt http://www.mathematik.uni-kassel.de/~fathom/projekt.htm.

Schweynoch, 2003. Se eventuelt http://www.mathematik.uni-kassel.de/~fathom/projekt.htm. Projekt 8.5 Hypotesetest med anvendelse af t-test (Dette materiale har været anvendt som forberedelsesmateriale til den skriftlige prøve 01 for netforsøget) Indhold Indledning... 1 χ -test... Numeriske

Læs mere

Betinget fordeling Uafhængighed. Beregning af forventet tabel Chi-kvadrat teststatistik Chi-kvadrat test. Chi-kvadratfordelingen Agresti - Summary

Betinget fordeling Uafhængighed. Beregning af forventet tabel Chi-kvadrat teststatistik Chi-kvadrat test. Chi-kvadratfordelingen Agresti - Summary 1 Kontingenstabeller Betinget fordeling Uafhængighed 2 Chi-kvadrat test for uafhængighed Beregning af forventet tabel Chi-kvadrat teststatistik Chi-kvadrat test. Chi-kvadratfordelingen Agresti - Summary

Læs mere

Regneark II Calc Open Office

Regneark II Calc Open Office Side 1 af 10 Gangetabel... 2 Udfyldning... 2 Opbygning af gangetabellen... 3 Cellestørrelser... 4 Øveark... 4 Facitliste... 6 Sideopsætning... 7 Flytte celler... 7 Højrejustering... 7 Kalender... 8 Dage

Læs mere

ØVELSER Statistik, Logistikøkonom Lektion 6: Hypotesetest 1

ØVELSER Statistik, Logistikøkonom Lektion 6: Hypotesetest 1 ! ØVELSER Statistik, Logistikøkonom Lektion 6: Hypotesetest 1 Eksempel 1 TEST AF MIDDELVÆRDI FRA ÉN STIKPRØVE (ukendt varians) En producent af tyggegummi påstår at en pakke tyggegummi i gennemsnit vejer

Læs mere

sammenhänge for C-niveau i stx 2013 Karsten Juul

sammenhänge for C-niveau i stx 2013 Karsten Juul LineÄre sammenhänge for C-niveau i stx y 0,5x 2,5 203 Karsten Juul : OplÄg om lineäre sammenhänge 2 Ligning for lineär sammenhäng 2 3 Graf for lineär sammenhäng 2 4 Bestem y når vi kender x 3 5 Bestem

Læs mere

Undervisningsbeskrivelse

Undervisningsbeskrivelse Undervisningsbeskrivelse Stamoplysninger til brug ved prøver til gymnasiale uddannelser Termin Juni, 2014 Institution Vid Gymnasier, Rønde Uddannelse Fag og niveau Lærer(e) Hold hhx Matematik B Ann Risvang

Læs mere

Matematik A. Studentereksamen. Forberedelsesmateriale til de digitale eksamensopgaver med adgang til internettet

Matematik A. Studentereksamen. Forberedelsesmateriale til de digitale eksamensopgaver med adgang til internettet Matematik A Studentereksamen Forberedelsesmateriale til de digitale eksamensopgaver med adgang til internettet stx11-matn/a-080501 Tirsdag den 8. maj 01 Forberedelsesmateriale til stx A Net MATEMATIK Der

Læs mere

Reminder: Hypotesetest for én parameter. Økonometri: Lektion 4. F -test Justeret R 2 Aymptotiske resultater. En god model

Reminder: Hypotesetest for én parameter. Økonometri: Lektion 4. F -test Justeret R 2 Aymptotiske resultater. En god model Reminder: Hypotesetest for én parameter Antag vi har model Økonometri: Lektion 4 F -test Justeret R 2 Aymptotiske resultater y = β 0 + β 1 x 2 + β 2 x 2 + + β k x k + u. Vi ønsker at teste hypotesen H

Læs mere

Susanne Ditlevsen Institut for Matematiske Fag Email: susanne@math.ku.dk http://math.ku.dk/ susanne

Susanne Ditlevsen Institut for Matematiske Fag Email: susanne@math.ku.dk http://math.ku.dk/ susanne Statistik og Sandsynlighedsregning 1 Indledning til statistik, kap 2 i STAT Susanne Ditlevsen Institut for Matematiske Fag Email: susanne@math.ku.dk http://math.ku.dk/ susanne 5. undervisningsuge, onsdag

Læs mere

MATEMATIK A-NIVEAU. Anders Jørgensen & Mark Kddafi. Vejledende eksempler på eksamensopgaver og eksamensopgaver i matematik, 2012

MATEMATIK A-NIVEAU. Anders Jørgensen & Mark Kddafi. Vejledende eksempler på eksamensopgaver og eksamensopgaver i matematik, 2012 MATEMATIK A-NIVEAU Vejledende eksempler på eksamensopgaver og eksamensopgaver i matematik, 2012 Kapitel 4 Statistik & sandsynlighedsregning 2016 MATEMATIK A-NIVEAU Vejledende eksempler på eksamensopgaver

Læs mere

Statistik Lektion 1. Introduktion Grundlæggende statistiske begreber Deskriptiv statistik Sandsynlighedsregning

Statistik Lektion 1. Introduktion Grundlæggende statistiske begreber Deskriptiv statistik Sandsynlighedsregning Statistik Lektion 1 Introduktion Grundlæggende statistiske begreber Deskriptiv statistik Sandsynlighedsregning Introduktion Kasper K. Berthelsen, Inst f. Matematiske Fag Omfang: 8 Kursusgang I fremtiden

Læs mere

Statistik Lektion 20 Ikke-parametriske metoder. Repetition Kruskal-Wallis Test Friedman Test Chi-i-anden Test

Statistik Lektion 20 Ikke-parametriske metoder. Repetition Kruskal-Wallis Test Friedman Test Chi-i-anden Test Statistik Lektion 0 Ikkeparametriske metoder Repetition KruskalWallis Test Friedman Test Chiianden Test Run Test Er sekvensen opstået tilfældigt? PPPKKKPPPKKKPPKKKPPP Et run er en sekvens af ens elementer,

Læs mere

Lars Andersen: Anvendelse af statistik. Notat om deskriptiv statistik, χ 2 -test og Goodness of Fit test.

Lars Andersen: Anvendelse af statistik. Notat om deskriptiv statistik, χ 2 -test og Goodness of Fit test. Lars Andersen: Anvendelse af statistik. Notat om deskriptiv statistik, χ -test og Goodness of Fit test. Anvendelser af statistik Statistik er et levende og fascinerende emne, men at læse om det er alt

Læs mere

At lave dit eget spørgeskema

At lave dit eget spørgeskema At lave dit eget spørgeskema 1 Lectio... 2 2. Spørgeskemaer i Google Docs... 2 3. Anvendelighed af din undersøgelse - målbare variable... 4 Repræsentativitet... 4 Fejlkilder: Målefejl - Systematiske fejl-

Læs mere

Supplement til kapitel 7: Approksimationen til normalfordelingen, s. 136

Supplement til kapitel 7: Approksimationen til normalfordelingen, s. 136 Supplement til kapitel 7: Approksimationen til normalfordelingen, s. 36 Det er besværligt at regne med binomialfordelingen, og man vælger derfor ofte at bruge en approksimation med normalfordeling. Man

Læs mere

Eksempel på logistisk vækst med TI-Nspire CAS

Eksempel på logistisk vækst med TI-Nspire CAS Eksempel på logistisk vækst med TI-Nspire CAS Tabellen herunder viser udviklingen af USA's befolkning fra 1850-1910 hvor befolkningstallet er angivet i millioner: Vi har tidligere redegjort for at antallet

Læs mere

Undervisningsbeskrivelse

Undervisningsbeskrivelse Undervisningsbeskrivelse Stamoplysninger til brug ved prøver til gymnasiale uddannelser Termin Maj-juni, 2015/16 Institution Vid Gymnasier Uddannelse Fag og niveau Lærer(e) Hold hhx Matematik B Hasse Rasmussen

Læs mere

Skriftlig eksamen Science statistik- ST501

Skriftlig eksamen Science statistik- ST501 SYDDANSK UNIVERSITET INSTITUT FOR MATEMATIK OG DATALOGI Skriftlig eksamen Science statistik- ST501 Torsdag den 21. januar Opgavesættet består af 5 opgaver, med i alt 13 delspørgsmål, som vægtes ligeligt.

Læs mere

Modellering med Lego education kran (9686)

Modellering med Lego education kran (9686) Modellering med Lego education kran (9686) - Et undervisningsforløb i Lego education med udgangspunkt i matematiske emner og kompetencer Af: Ralf Jøker Dohn Henrik Dagsberg Kranen - et modelleringsprojekt

Læs mere

I. Deskriptiv analyse af kroppens proportioner

I. Deskriptiv analyse af kroppens proportioner Projektet er delt i to, og man kan vælge kun at gennemføre den ene del. Man kan vælge selv at frembringe data, fx gennem et samarbejde med idræt eller biologi, eller man kan anvende de foreliggende data,

Læs mere

Program. 1. Repetition: konfidens-intervaller. 2. Hypotese test, type I og type II fejl, signifikansniveau, styrke, en- og to-sidede test.

Program. 1. Repetition: konfidens-intervaller. 2. Hypotese test, type I og type II fejl, signifikansniveau, styrke, en- og to-sidede test. Program 1. Repetition: konfidens-intervaller. 2. Hypotese test, type I og type II fejl, signifikansniveau, styrke, en- og to-sidede test. 1/19 Konfidensinterval for µ (σ kendt) Estimat ˆµ = X bedste bud

Læs mere

Skabelon til funktionsundersøgelser

Skabelon til funktionsundersøgelser Skabelon til funktionsundersøgelser Nedenfor en angivelse af fremgangsmåder ved funktionsundersøgelser. Ofte vil der kun blive spurgt om et udvalg af nævnte spørgsmål. Syntaksen i løsningerne vil være

Læs mere

Estimation og konfidensintervaller

Estimation og konfidensintervaller Statistik og Sandsynlighedsregning STAT kapitel 4.4 Susanne Ditlevsen Institut for Matematiske Fag Email: susanne@math.ku.dk http://math.ku.dk/ susanne Estimation og konfidensintervaller Antag X Bin(n,

Læs mere

Kort om Eksponentielle Sammenhænge

Kort om Eksponentielle Sammenhænge Øvelser til hæftet Kort om Eksponentielle Sammenhænge 2011 Karsten Juul Dette hæfte indeholder bl.a. mange småspørgsmål der gør det nemmere for elever at arbejde effektivt på at få kendskab til emnet.

Læs mere

MATEMATIK B. Videooversigt

MATEMATIK B. Videooversigt MATEMATIK B Videooversigt 2. grads ligninger.... 2 CAS værktøj... 3 Differentialregning... 3 Eksamen... 5 Funktionsbegrebet... 5 Integralregning... 5 Statistik... 6 Vilkårlige trekanter... 7 71 videoer.

Læs mere

Kommentarer til matematik B-projektet 2015

Kommentarer til matematik B-projektet 2015 Kommentarer til matematik B-projektet 2015 Mandag d. 13/4 udleveres årets eksamensprojekt i matematik B. Dette brev er tænkt som en hjælp til vejledningsprocessen for de lærere, der har elever, som laver

Læs mere

Maple på C-niveau. Indsættelse i formler

Maple på C-niveau. Indsættelse i formler Maple på C-niveau Umiddelbart kan Maple på C-niveauet virke som en stor mundfuld, men nøjes man med at benytte Maple som et skriveværktøj kombineret med nogle ganske få menukommandoer, vil eleverne kunne

Læs mere

Produkt og marked - matematiske og statistiske metoder

Produkt og marked - matematiske og statistiske metoder Produkt og marked - matematiske og statistiske metoder Rasmus Waagepetersen Institut for Matematiske Fag Aalborg Universitet February 19, 2016 1/26 Kursusindhold: Sandsynlighedsregning og lagerstyring

Læs mere

Generelt er korrelationen mellem elevens samlede vurdering i forsøg 1 og forsøg 2 på 0,79.

Generelt er korrelationen mellem elevens samlede vurdering i forsøg 1 og forsøg 2 på 0,79. Olof Palmes Allé 38 8200 Aarhus N Tlf.nr.: 35 87 88 89 E-mail: stil@stil.dk www.stil.dk CVR-nr.: 13223459 Undersøgelse af de nationale tests reliabilitet 26.02.2016 Sammenfatning I efteråret 2014 blev

Læs mere

Note om Monte Carlo metoden

Note om Monte Carlo metoden Note om Monte Carlo metoden Kasper K. Berthelsen Version 1.2 25. marts 2014 1 Introduktion Betegnelsen Monte Carlo dækker over en lang række metoder. Fælles for disse metoder er, at de anvendes til at

Læs mere

i x-aksens retning, så fås ). Forskriften for g fås altså ved i forskriften for f at udskifte alle forekomster af x med x x 0

i x-aksens retning, så fås ). Forskriften for g fås altså ved i forskriften for f at udskifte alle forekomster af x med x x 0 BAndengradspolynomier Et polynomium er en funktion på formen f ( ) = an + an + a+ a, hvor ai R kaldes polynomiets koefficienter. Graden af et polynomium er lig med den højeste potens af, for hvilket den

Læs mere

χ 2 test Formål med noten... 2 Goodness of fit metoden (GOF)... 2 1) Eksempel 1 er stikprøven repræsentativ for køn? (1 frihedsgrad)...

χ 2 test Formål med noten... 2 Goodness of fit metoden (GOF)... 2 1) Eksempel 1 er stikprøven repræsentativ for køn? (1 frihedsgrad)... χ Indhold Formål med noten... Goodness of fit metoden (GOF)... 1) Eksempel 1 er stikprøven repræsentativ for køn? (1 frihedsgrad)... ) χ -fordelingerne (fordelingsfunktionernes egenskaber)... 6 3) χ -

Læs mere

Opgave 6. Opgave 7. Opgave 8. Peter Harremoës Mat A delprøve med hjælpemidler 15 december 2015

Opgave 6. Opgave 7. Opgave 8. Peter Harremoës Mat A delprøve med hjælpemidler 15 december 2015 Opgave 6 a) Se Bilag 3! b) Funktionen differentieres, sættes lig nul og ligningen løses. g (x) = 0 K ln (x) + K = 0 K ln (x) = K ln (x) = 1 x = e 1. Det stationære punkt har x = e 1. Opgave 7 a) Data indlæses

Læs mere

Statistik ved Bachelor-uddannelsen i folkesundhedsvidenskab. Uafhængighedstestet

Statistik ved Bachelor-uddannelsen i folkesundhedsvidenskab. Uafhængighedstestet Statistik ved Bachelor-uddannelsen i folkesundhedsvidenskab Uafhængighedstestet Eksempel: Bissau data Data kommer fra Guinea-Bissau i Vestafrika: 5273 børn blev undersøgt da de var yngre end 7 mdr og blev

Læs mere

Susanne Ditlevsen Institut for Matematiske Fag susanne

Susanne Ditlevsen Institut for Matematiske Fag    susanne Statistik og Sandsynlighedsregning 1 STAT kapitel 4.4 Susanne Ditlevsen Institut for Matematiske Fag Email: susanne@math.ku.dk http://math.ku.dk/ susanne 7. undervisningsuge, mandag 1 Estimation og konfidensintervaller

Læs mere

Mikro-kursus i statistik 1. del. 24-11-2002 Mikrokursus i biostatistik 1

Mikro-kursus i statistik 1. del. 24-11-2002 Mikrokursus i biostatistik 1 Mikro-kursus i statistik 1. del 24-11-2002 Mikrokursus i biostatistik 1 Hvad er statistik? Det systematiske studium af tilfældighedernes spil!dyrkes af biostatistikere Anvendes som redskab til vurdering

Læs mere

Sandsynlighedsregning Stokastisk variabel

Sandsynlighedsregning Stokastisk variabel Sandsynlighedsregning Stokastisk variabel I eksperimenter knyttes ofte en talværdi til hvert udfald. S s X(s) R Definition: En stokastisk variabel X er en funktion defineret på S, der antager værdier på

Læs mere

Kapitel 8 Chi-i-anden (χ 2 ) prøven

Kapitel 8 Chi-i-anden (χ 2 ) prøven Kapitel 8 Chi-i-anden (χ 2 ) prøven Peter Tibert Stoltze stat@peterstoltze.dk Elementær statistik F2011 1 / 19 Indledning Forskelle mellem stikprøver undersøges med z-test eller t-test for data målt på

Læs mere

Undervisningsbeskrivelse

Undervisningsbeskrivelse Undervisningsbeskrivelse Termin Oktober-december 2014 Institution Niels Brock Uddannelse Fag og niveau Lærer Hold HHX Matematik - Niveau B Peter Harremoës GSK hold: k12gymabu1n2 Oversigt over gennemførte

Læs mere

Maple-oversigt til matematik B-niveau: Rungsted Gymnasium Definer en funktion og funktionsværdier. Tegn grafen for en funktion.

Maple-oversigt til matematik B-niveau: Rungsted Gymnasium Definer en funktion og funktionsværdier. Tegn grafen for en funktion. Maple-oversigt til matematik B-niveau: Rungsted Gymnasium 2011 Definer en funktion og funktionsværdier (1.1) 32 (1.2) (1.3) Tegn grafen for en funktion (2.1) 250 200 150 100 50 0 5 10 8 6 4 2 0 1 2 0 y

Læs mere

Afsnit E1 Konfidensinterval for middelværdi i normalfordeling med kendt standardafvigelse

Afsnit E1 Konfidensinterval for middelværdi i normalfordeling med kendt standardafvigelse Afsnit 8.3 - E1 Konfidensinterval for middelværdi i normalfordeling med kendt standardafvigelse Først skal normalfordelingen lige defineres i Maple, så vi kan benytte den i vores udregninger. Dette gøres

Læs mere

T A L K U N N E N. Datasæt i samspil. Krydstabeller Grafer Mærketal. INFA Matematik - 1999. Allan C

T A L K U N N E N. Datasæt i samspil. Krydstabeller Grafer Mærketal. INFA Matematik - 1999. Allan C T A L K U N N E N 3 Allan C Allan C.. Malmberg Datasæt i samspil Krydstabeller Grafer Mærketal INFA-Matematik: Informatik i matematikundervisningen Et delprojekt under INFA: Informatik i skolens fag Et

Læs mere

Kursusindhold: Produkt og marked - matematiske og statistiske metoder. Monte Carlo

Kursusindhold: Produkt og marked - matematiske og statistiske metoder. Monte Carlo Kursusindhold: Produkt og marked - matematiske og statistiske metoder Rasmus Waagepetersen Institut for Matematiske Fag Aalborg Universitet Sandsynlighedsregning og lagerstyring Normalfordelingen og Monte

Læs mere

Maple. Skærmbilledet. Vi starter med at se lidt nærmere på opstartsbilledet i Maple. Værktøjslinje til indtastningsområdet. Menulinje.

Maple. Skærmbilledet. Vi starter med at se lidt nærmere på opstartsbilledet i Maple. Værktøjslinje til indtastningsområdet. Menulinje. Maple Dette kapitel giver en kort introduktion til hvordan Maple 12 kan benyttes til at løse mange af de opgaver, som man bliver mødt med i matematiktimerne på HHX. Skærmbilledet Vi starter med at se lidt

Læs mere

Dokumentation af programmering i Python 2.75

Dokumentation af programmering i Python 2.75 Dokumentation af programmering i Python 2.75 Af: Alexander Bergendorff Jeg vil i dette dokument, dokumentere det arbejde jeg har lavet i løbet opstarts forløbet i Programmering C. Jeg vil forsøge, så vidt

Læs mere

Undervisningsbeskrivelse

Undervisningsbeskrivelse Undervisningsbeskrivelse Stamoplysninger til brug ved prøver til gymnasiale uddannelser Termin Maj 2015 Institution VUC Vest, Stormgade 47, 6700 Esbjerg Uddannelse HF net-undervisning, HFe Fag og niveau

Læs mere

Tema. Dagens tema: Indfør centrale statistiske begreber.

Tema. Dagens tema: Indfør centrale statistiske begreber. Tema Dagens tema: Indfør centrale statistiske begreber. Model og modelkontrol Estimation af parametre. Fordeling. Hypotese og test. Teststørrelse. konfidensintervaller Vi tager udgangspunkt i Ex. 3.1 i

Læs mere