Program. Konfidensinterval og hypotesetest en enkelt normalfordelt stikprøve. Eksempel: hjerneceller hos marsvin. Eksempel: hjerneceller hos marsvin
|
|
- Sebastian Fog
- 4 år siden
- Visninger:
Transkript
1 Program Konfideninterval og hypoteetet en enkelt normalfordelt tikprøve Helle Sørenen I dag: Lidt repetition fra i mandag Konfideninterval for µ the baic Tet af nulhypotee om µ the baic Øvele: ammenligning af to diæter (måke ført tordag) Flere nye (og vankelige?) begreber i dag! StatBK (Uge 2, tirdag) Konfideninterval og hypoteetet 1 / 22 StatBK (Uge 2, tirdag) Konfideninterval og hypoteetet 2 / 22 Ekempel: hjerneceller ho marvin Ekempel: hjerneceller ho marvin Fra hvert af 30 marvin har man tilfældigt udvalgt en hjernecelle fra et betemt område og optalt antallet af dendritic branch egment. Reultater: Sidte uge: Middelværdi og predning i populationen af marvin: µ og σ Stikprøvegennemnit og tikprøvepredning etimater for populationtørrelerne: ˆµ = ȳ = 35.8 og ˆσ = = Hvor præcit er etimatet ȳ for µ? Hvor meget kan vi tole på det? Er det rimeligt at antage at data tammer fra en normalfordeling? P e r c 20 e n t count Hitogram og tæthed for N(ȳ,): c o u n t Normal Quantile QQ-plot: ret linie? StatBK (Uge 2, tirdag) Konfideninterval og hypoteetet 3 / 22 StatBK (Uge 2, tirdag) Konfideninterval og hypoteetet 4 / 22
2 Ekempel: hjerneceller ho marvin Normalfordelingen Statitik model: y 1,...,y n er normalf. med middelværdi µ og predning σ. Både µ og σ er ukendte tal (populationværdier), om vi etimerer vha. data: ˆµ = ȳ = 35.8, ˆσ = = 10.8 Specielt intereeret i populationmiddelværdien/-gennemnittet µ. Nogle værdier af µ er i modtrid med data, andre er ikke. Konfideninterval for µ: interval der indeholder værdier af populationmiddelværdien der ikke er i modtrid med data. Tet af hypotee: forkning indikerer at der gennemnitligt er 41 dendritic branch egment i en hjernecelle fra mu. Tyder data på en forkel mellem mu og marvin? StatBK (Uge 2, tirdag) Konfideninterval og hypoteetet 5 / 22 StatBK (Uge 2, tirdag) Konfideninterval og hypoteetet 6 / 22 Normalfordelingen Normalfordelingen: andynlighed for µ ± kσ N(µ,σ): normalfordeling med middelværdi µ og predning σ. Huk: µ er centrum af fordelingen og rykker den til højre/ventre σ betemmer bredden af fordelingen Sandynlighed for at havne i interval er netop arealet under normalfordelingkurven, over intervallet. 95% andynlighed i intervallet µ ± 2σ. Lidt mere præcit: Check tabel B4. P(µ 1.96σ X µ σ) = 0.95 Tranformation: Hvi X N(µ,σ) å er Z = (X µ)/σ N(0,1). Denity 99.7% 95% 68% σ StatBK (Uge 2, tirdag) Konfideninterval og hypoteetet 7 / 22 StatBK (Uge 2, tirdag) Konfideninterval og hypoteetet 8 / 22
3 Fordeling af gennemnit Hvi y 1,...,y n N(µ,σ) å er ȳ N(µ,σ/ n). Specielt har ȳ predning σ/ n. Etimeret predning for ȳ er SE(ȳ) = / n (SE = tandard error) Denity n = y Denity n = y Konfideninterval for µ når σ er kendt Nu kal vi kæde tingene ammen... Vi har at å Hvi vi iolerer µ: Intervallet Z = ȳ µ σ/ n N(0,1) ( 0.95 = P( 1.96 < Z < 1.96) = P 1.96 < ȳ µ ) σ/ n < = P (ȳ 1.96 n σ < µ < ȳ n σ ) ȳ ± 1.96 σ n kalde et 95% konfideninterval for µ i ituationen hvor σ er kendt. StatBK (Uge 2, tirdag) Konfideninterval og hypoteetet 9 / 22 StatBK (Uge 2, tirdag) Konfideninterval og hypoteetet 10 / 22 Problem!... og en løning Se tabel 7.4 på ide 179 for fortolkning! Gentagele af dataindamling. Problem: Vi kan kun beregne intervallet ȳ ± 1.96 σ n hvi σ er et kendt tal og det er det næten aldrig... Hvi vi ertatter σ med det etimat er der tørre uikkerhed å intervallet kal være (lidt) bredere. Der gælder at dv. t-fordelt med n 1 frihedgrader. Se figur ide 181 og tabel B5 ide 463. T = ȳ µ / n t n 1 Bemærk: vi dividerede med n 1 i definitionen af derfor n 1 frihedgrader her. Konfideninterval for µ når σ er ukendt Lad t n 1, være 97.5%-fraktilen i t n 1 -fordelingen. For ekempel er t 29,0.975 = Så er Intervallet ( 0.95 = P t n 1,0.975 < ȳ µ ) < t n 1,0.975 ( ) 0.95 = P ȳ t n 1,0.975 < µ < ȳ + t n 1,0.975 n n ȳ ± t n 1,0.975 n kalde et 95% konfideninterval for µ i ituationen hvor σ er ukendt. Huk: ȳ,, n og t n 1,0.975 er alle kendte tal! Marvinene? StatBK (Uge 2, tirdag) Konfideninterval og hypoteetet 11 / 22 StatBK (Uge 2, tirdag) Konfideninterval og hypoteetet 12 / 22
4 SKÅL fordi vi har lavet et konfideninterval og fordi... Øl Goet = Student Nulhypotee Huk at vi antager at vore obervationer y 1,...,y n er N(µ,σ)-fordelt. Antag at tidligere forkning har indikeret at antallet dendritic branch egment ho mu i gennemnit er 41. Tyder vore data på at marvin adkiller ig fra mu hvad angår antallet af dendritic branch egment? Hvi der ikke er forkel på mu og marvin har vi µ = 41. Vi vil tete hypoteen (nulhypoteen) at populationmiddelværdien er 41: H 0 : µ = 41 Hypoteen er en ektra retriktion på den tatitike model: I modellen: y i N(µ,σ) Under H 0 : y i N(41,σ) StatBK (Uge 2, tirdag) Konfideninterval og hypoteetet 13 / 22 StatBK (Uge 2, tirdag) Konfideninterval og hypoteetet 14 / 22 Ideen i et hypoteetet Ideen i et hypoteetet Hypotee H 0 : µ = 41. Mere generelt, H 0 : µ = µ 0 for et kendt tal µ 0. Vi har etimatet bedte gæt ˆµ = ȳ. Hvi ȳ ligger langt fra 41, tyder det på at H 0 er falk. Hvi ȳ ligger tæt 41, tyder det ikke på at H 0 er falk. Men hvad er langt fra og hvad er tæt på? Værdien ˆµ = 35.8 alene er ikke nok kal tage højde for variationen i data! Skylde forkellen mellem 35.8 og 41 en reel forkel eller kylde den blot tilfældigheder? Hvad ville der ke hvi vi gentog ekperimentet (anden tikprøve)? Måler langt fra v. tæt på på følgende måde: Hvi H 0 virkelig er and dv. µ er 41 hvor andynligt er det å at få et ȳ der ligger lige å langt eller længere fra 41 end de 35.8 om vi faktik fik? Hvi det er meget uandynligt at få noget der ligger længere væk, å tyder det på at hypoteen er falk. Hvi det er ret andynligt at få noget der ligger længere væk, å tyder det ikke på at hypoteen er falk. Dette er grundtanken i hypoteetetet! Lad o være mere præcie... StatBK (Uge 2, tirdag) Konfideninterval og hypoteetet 15 / 22 StatBK (Uge 2, tirdag) Konfideninterval og hypoteetet 16 / 22
5 t-tettørrelen Statitik model: y i N(µ,σ 2 ). Hypotee, H 0 : µ = µ 0. Huk at ˆµ = ȳ er normalfordelt med middelværdi µ og predning σ/ n. Hvi hypoteen H 0 : µ = µ 0 er and: ˆµ = ȳ er normalfordelt med middelværdi µ 0 og predning σ/ n. Standardiér og ertat σ med : Vi fik ȳ = 35.8 og = Så T = ȳ µ 0 / n = ȳ µ 0 SE(ȳ) t n 1 T = / 30 = 2.64 Kan nu bruge t-fordelingen til at ige om dette er langt fra eller tæt på nul! p-værdi og konkluion på tet p-værdien er andynligheden hvi H 0 er and for at få en værdi af T der ligger lige å langt eller længere væk fra nul end det vi fik: t(29) tæthed p = P ( T 2.64 ) = 2 P ( T 2.64 ) = 0.013, T tettørrele Hvi H 0 er and er det altå ikke ærligt andynligt at få en å tor værdi af T om vi fik H 0 afvie. Skiller normalt ved 5%. p < 0.05: H 0 afvie p 0.05: H 0 kan ikke afvie Værdien kommer fra proc ttet. StatBK (Uge 2, tirdag) Konfideninterval og hypoteetet 17 / 22 StatBK (Uge 2, tirdag) Konfideninterval og hypoteetet 18 / 22 Signifikanniveau og kritike værdier Øvele: ammenligning af to diæter Hvi vi bruger de 5% om ignifikanniveau, å bliver det afgørende om T er tørre eller mindre end 97.5%-fraktilen i t n 1 -fordelingen. Fra tabel B5 ved vi at t 29,0.975 er Hvi den oberverede værdi af T var ±2.045 ville vi altå præci få p-værdien 5%. Vore p-værdi bliver derfor mindre. Fra tabellen får vi endda: Konkluion: 0.01 < p < 0.02 Vi har med en vi ikkerhed (p = 0.013) påvit at marvin og mu ikke har amme antal dendritic branch egment i gennemnit. For marvin er populationgennemnittet etimeret til 35.8 med 95%-konfideninterval (31.8, 39.8). Data fra Table 8.3 (ide 222): 20 par af peroner. Parret å peronerne i et par har amme køn, (cirka) amme vægt, amme motionniveau, amme... De to peroner i et par at på hver in diæt: diæt 1 og 2. Vægttab efter diæt regitreret for alle 40 peroner. Ønker: y 1,...,y n N(µ,σ) hvor µ og σ er en for alle i. Hvad kal være vore reponvariabel, dv. vore y 1? Hvad er n? Hvad er fortolkningen af µ? Hvilken hypotee er vi intereeret i? Hvilke tørreler har vi brug for, for at kunne beregne etimater, konfideninterval og udføre tet? Hvorfor har man parret peronerne? StatBK (Uge 2, tirdag) Konfideninterval og hypoteetet 19 / 22 StatBK (Uge 2, tirdag) Konfideninterval og hypoteetet 20 / 22
6 Hypoteetet: vigtige begreber mm. Reumé Vigtige begreber: Hypotee/nulhypotee, H 0. Tettørrele p-værdi Signifikanniveau Afvier eller afvier ikke H 0. Statitik model: y 1,...,y n N(µ,σ). Konfideninterval for µ. Interval der med en vi ikkerhed indeholder de værdier af µ der ikke er i modtrid med data. 95%-konfideninterval: ȳ ± t n 1,0.975 n Tet af hypotee Hypotee, H 0 : µ = µ 0. Tettørrele, T = ȳ µ 0 / n t n 1 p-værdi, p = 2 P ( T T ob ) Hypoteen kan afvie hvi p < 0.05, eller ikke. StatBK (Uge 2, tirdag) Konfideninterval og hypoteetet 21 / 22 StatBK (Uge 2, tirdag) Konfideninterval og hypoteetet 22 / 22
Program. Statistik og Sandsynlighedsregning 2 Normalfordelingens venner og bekendte. χ 2 -fordelingen
Program Statitik og Sandynlighedregning 2 Normalfordelingen venner og bekendte Helle Sørenen Uge 9, ondag Reultaterne fra denne uge kal bruge om arbejdhete i projekt 1. I formiddag: χ 2 -fordelingen, t-fordelingen,
Læs mereKursus Introduktion til Statistik. Oversigt, Inferens for gennemsnit (One-sample setup)
Kuru 02402 Introduktion til Statitik Forelæning 5: Kapitel 7: Inferen for gennemnit (One-ample etup) Per Bruun Brockhoff DTU Compute, Statitik og Dataanalye Bygning 324, Rum 220 Danmark Teknike Univeritet
Læs mere6.7 Capital Asset Pricing Modellen
0 Lineær regreion 67 Capital Aet Pricing Modellen I dette afnit vil vi gennemgå et ekempel hvor den intereante hypotee er om regreionlinien kærer y-aken i nul Ekempel 62 Capital Aet Pricing Model) I finanielle
Læs mereI dag. Binomialfordelingen Sandsynlighedsregning og statistik. Eksempel: cornflakessmagning. Binomialfordelingen
I dag Binomialfordelingen Sandynlighedregning og tatitik Helle Sørenen Binomialfordelingen! Sandynlighedregning: definition og andynlighedfunktion Sandynlighedregning v. tatitik Statitik: tatitik model
Læs mereProgram. Statistisk inferens En enkelt stikprøve og lineær regression Stat. modeller, estimation og konfidensintervaller. Fordeling af gennemsnit
Faculty of Life Sciece Program Statitik ifere E ekelt tikprøve og lieær regreio Stat. modeller, etimatio og kofideitervaller Clau Ektrøm E-mail: ektrom@life.ku.dk Fordelig af geemit Statitik ifere for
Læs mereGeometrisk nivellement. Landmålingens fejlteori - Lektion 7 - Repetition - Fejlforplantning ved geometrisk nivellement. Modellen.
Landmålingen fejlteori Lektion 7 Repetition Fejlforplantning ved geometrik nivellement h t f t f t f t 4 f 4 t n f n - kkb@mathaaudk http://peoplemathaaudk/ kkb/undervining/lf Intitut for Matematike Fag
Læs mereStatistik Lektion 8. Test for ens varians
Statitik Lektio 8 Tet for e varia ra tidligere Hvi populatioe er ormalfordelt med varia, å gælder ( ) S ~ χ hvor er tikprøve tørrele og S er tikprøvevariae. χ -fordelig med - frihedgrader χ Tet af Variae
Læs mereHypotesetest. Hypotesetest og kritiske værdier Type 1 og Type 2 fejl Styrken af en test Sammenligning af to populationer
Hypoteetet Hypoteetet og kritike værdier Type og Type fejl Styrke af e tet Sammeligig af to populatioer Kofideiterval for σ tore tikprøver. Hvi X følger e χ -fordelig med frihedgrader, dv. X~χ (), gælder
Læs mereBinomial fordeling. n f (x) = p x (1 p) n x. x = 0, 1, 2,...,n = x. x x!(n x)! Eksempler. Middelværdi np og varians np(1 p). 2/
Program: 1. Repetition af vigtige sandsynlighedsfordelinger: binomial, (Poisson,) normal (og χ 2 ). 2. Populationer og stikprøver 3. Opsummering af data vha. deskriptive størrelser og grafer. 1/29 Binomial
Læs mereI dag. Statistisk analyse af en enkelt stikprøve: LR test og t-test, modelkontrol, R Sandsynlighedsregning og Statistik (SaSt)
I dag Statistisk analyse af en enkelt stikprøve: LR test og t-test, modelkontrol, R Sandsynlighedsregning og Statistik (SaSt) Helle Sørensen Repetition vha eksempel om dagligvarepriser Analyse med R: ttest
Læs mereVanskelige vilkår for generationsskifte med nye regler - Afskaffelse af formueskattekursen samt svækkelse af sikkerheden trods bindende svar
- 1 Vankelige vilkår for generationkifte med nye regler - Afkaffele af formuekattekuren amt vækkele af ikkerheden trod bindende var Af advokat (L) Bodil Chritianen og advokat (H), cand. merc. (R) Tommy
Læs mereProgram. Konfidensinterval og hypotesetest, del 2 en enkelt normalfordelt stikprøve I SAS. Øvelse: effekt af diæter
Program Konfidensinterval og hypotesetest, del 2 en enkelt normalfordelt stikprøve Helle Sørensen E-mail: helle@math.ku.dk I formiddag: Øvelse: effekt af diæter. Repetition fra sidst... Parrede og ikke-parrede
Læs mereLandmålingens fejlteori - Repetition - Kontinuerte stokastiske variable - Lektion 3
Landmålingens fejlteori Repetition - Kontinuerte stokastiske variable Lektion 4 - kkb@math.aau.dk http://people.math.aau.dk/ kkb/undervisning/lf10 Institut for Matematiske Fag Aalborg Universitet 29. april
Læs mereProgram. t-test Hypoteser, teststørrelser og p-værdier. Hormonkonc.: statistisk model og konfidensinterval. Hormonkoncentration: data
Faculty of Life Sciences Program t-test Hypoteser, teststørrelser og p-værdier Claus Ekstrøm E-mail: ekstrom@life.ku.dk Resumé og hængepartier fra sidst. Eksempel: effekt af foder på hormonkoncentration
Læs mereKvantitative Metoder 1 - Forår Dagens program
Dagens program Afsnit 6.1 Den standardiserede normalfordeling Normalfordelingen Beskrivelse af normalfordelinger: - Tæthed og fordelingsfunktion - Middelværdi, varians og fraktiler Lineære transformationer
Læs mereKvantitative Metoder 1 - Efterår Dagens program
Dagens program Afsnit 6.1. Ligefordelinger, fra sidst Den standardiserede normalfordeling Normalfordelingen Beskrivelse af normalfordelinger: - Tæthed og fordelingsfunktion - Middelværdi, varians og fraktiler
Læs mereFaldmaskine. Esben Bork Hansen Amanda Larssen Martin Sven Qvistgaard Christensen. 23. november 2008
Faldmakine Eben Bork Hanen Amanda Laren Martin Sven Qvitgaard Chritenen 23. november 2008 Indhold Formål 3 2 Optilling 3 2. Materialer............................... 3 2.2 Optilling...............................
Læs mereTermodynamik - Statistisk fysik - Termodynamiske relationer - Fri energi - Entropi
Fag: Termodynamik - Statitik fyik - Termodynamike relationer - Fri energi - Entropi 1 Indholdfortegnele... 2 Forord... 3 Formelle definitioner... 3 Et ytem... 3 Et lukket ytem... 3 Et ioleret ytem... 3
Læs mereEstimation og test i normalfordelingen
af Birger Stjerholm Made Samfudlitteratur 07 Etimatio og tet i ormalfordelige Dee tekt ideholder et overblik over ogle grudlæggede pricipper for etimatio og tet i ormalfordelige i hyppigt forekommede ituatioer:
Læs mere3.600 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 mereEx µ = 3,σ 2 = 1 og µ = 1,σ 2 = 4. hvor. Vha. R: Vha. tabel:
Normal fordeling Tæthedsfunktion for normalfordeling med middelværdi µ og varians σ 2 : Program (8.15-10): f() = 1 µ)2 ep( ( 2πσ 2 2σ 2 ) E µ = 3,σ 2 = 1 og µ = 1,σ 2 = 4 1. vigtige sandsynlighedsfordelinger:
Læs mereTeoretisk Statistik, 9 marts nb. Det forventes ikke, at alt materialet dækkes d. 9. marts.
Teoretisk Statistik, 9 marts 2005 Empiriske analoger (Kap. 3.7) Normalfordelingen (Kap. 3.12) Opsamling på Kap. 3 nb. Det forventes ikke, at alt materialet dækkes d. 9. marts. 1 Empiriske analoger Betragt
Læs mereMatematisk modellering og numeriske metoder
Matematik modellering og numerike metoder Morten Grud Ramuen 4. oktober 26 Laplace-tranformationer. Definitionen af Laplace-tranformationen Definition. (Laplace-tranformation). Lad f være en funktion defineret
Læs mereOpgaver til kapitel 3
Opgaver til kapitel 3 3.1 En løber er interesseret i at undersøge om hendes løbeur er kalibreret korrekt. Hun udmåler derfor en strækning på præcis 1000 m og løber den 16 gange. For hver løbetur noterer
Læs mereProgram. Residualanalyse Flersidet variansanalyse. Opgave BK.15. Modelkontrol: residualplot
Program Residualanalyse Flersidet variansanalyse Helle Sørensen Modelkontrol (residualanalyse) i tosidet ANOVA med vekselvirkning. Test og konklusion i tosidet ANOVA (repetition) Tresidet ANOVA: the works
Læs mereLøsning eksamen d. 15. december 2008
Informatik - DTU 02402 Introduktion til Statistik 2010-2-01 LFF/lff Løsning eksamen d. 15. december 2008 Referencer til Probability and Statistics for Engineers er angivet i rækkefølgen [8th edition, 7th
Læs mereLandmålingens fejlteori - Lektion 2 - Transformation af stokastiske variable
Landmålingens fejlteori Lektion 2 Transformation af stokastiske variable - kkb@math.aau.dk http://people.math.aau.dk/ kkb/undervisning/lf12 Institut for Matematiske Fag Aalborg Universitet 1/31 Repetition:
Læs mereStatistik og Sandsynlighedsregning 2
Statistik og Sandsynlighedsregning 2 Normalfordelingens venner og bekendte Helle Sørensen Uge 9, onsdag SaSt2 (Uge 9, onsdag) Normalfordelingens venner 1 / 20 Program Resultaterne fra denne uge skal bruges
Læs mereUge 10 Teoretisk Statistik 1. marts 2004
1 Uge 10 Teoretisk Statistik 1. marts 004 1. u-fordelingen. Normalfordelingen 3. Middelværdi og varians 4. Mere normalfordelingsteori 5. Grafisk kontrol af normalfordelingsantagelse 6. Eksempler 7. Oversigt
Læs mereStatistik og Sandsynlighedsregning 2
Statistik og Sandsynlighedsregning 2 Normalfordelingen og transformation af kontinuerte fordelinger Helle Sørensen Uge 7, mandag SaSt2 (Uge 7, mandag) Normalford. og transformation 1 / 16 Program Paretofordelingen,
Læs mereForelæsning 5: Kapitel 7: Inferens for gennemsnit (One-sample setup)
Kursus 02402 Introduktion til Statistik Forelæsning 5: Kapitel 7: Inferens for gennemsnit (One-sample setup) Per Bruun Brockhoff DTU Compute, Statistik og Dataanalyse Bygning 324, Rum 220 Danmarks Tekniske
Læs mereProgram. Sammenligning af to stikprøver Ikke-parametriske metoder Opsummering. Test for ens spredninger
Program Sammenligning af to stikprøver Ikke-parametriske metoder Opsummering Helle Sørensen E-mail: helle@math.ku.dk I formiddag: Analyse af ikke-parrede stikprøver: repetition of rettelse af fejl! Lidt
Læs mereSammenhængen mellem strækning og tid Farten angiver den tilbagelagte strækning i et tidsrum. Farten kan bestemmes ved brug af formlen:
Oplag 8: FORMLHÅNDTRING Sammenhængen mellem trækning og tid Farten angiver den tilbagelagte trækning i et tidrum. Farten kan betemme ved brug af formlen: fart = trækning tid Anvender vi i tedet ymboler,
Læs mereNanostatistik: Test af hypotese
Nanostatistik: Test af hypotese JLJ Nanostatistik: Test af hypotese p. 1/50 Repetition n uafhængige gentagne målinger: Fordelingsundersøgelse: Pindediagram / Histogram qq-plot Parameter: egenskab ved fordeling
Læs mereMuligheder: NB: test for µ 1 = µ 2 i model med blocking ækvivalent med parret t-test! Ide: anskue β j som stikprøve fra normalfordeling.
Eksempel: dæktyper og brændstofforbrug (opgave 25 side 319) Program: cars 1 2 3 4 5... radial 4.2 4.7 6.6 7.0 6.7... belt 4.1 4.9 6.2 6.9 6.8... Muligheder: 1. vi starter med at gennemgå opgave 7 side
Læs mereOversigt over emner. Punktestimatorer: Centralitet(bias) og efficiens
Oversigt Oversigt over emner 1 Punkt- og intervalestimation Punktestimatorer: Centralitet(bias) og efficiens 2 Konfidensinterval Konfidensinterval for andel Konfidensinterval - normalfordelt stikprøve
Læs mereDefinition: Normalfordelingen. siges at være normalfordelt med middelværdi µ og varians σ 2, hvor µ og σ er reelle tal og σ > 0.
Landmålingens fejlteori Lektion 2 Transformation af stokastiske variable - kkb@math.aau.dk http://people.math.aau.dk/ kkb/undervisning/lf12 Institut for Matematiske Fag Aalborg Universitet Repetition:
Læs mereBrugerundersøgelse 2013 Plejebolig
Brugerunderøgele 2013 Plejebolig Brugerunderøgelen er udarbejdet af Epinion AS og Afdeling for Data og Analye, Sundhed- og Omorgforvaltningen, København Kommune. Layout: KK deign Foridefoto: Henrik Friberg
Læs meret-fordeling Boxplot af stikprøve (n=20) fra t(2)-fordeling Program ( ): 1. repetition: fordeling af observatorer X, S 2 og t.
t-fordeling Boxplot af stikprøve (n=20) fra t(2)-fordeling Program (8.15-10): 1. repetition: fordeling af observatorer X, S 2 og t. 2. konfidens-intervaller, hypotese test, type I og type II fejl, styrke,
Læs mereStatistik og Sandsynlighedsregning 2. Repetition og eksamen. Overheads til forelæsninger, mandag 7. uge
Statistik og Sandsynlighedsregning 2 Repetition og eksamen Overheads til forelæsninger, mandag 7. uge 1 Normalfordelingen Erfaringsmæssigt er normalfordelingen velegnet til at beskrive variationen i mange
Læs mereBRUGERUNDERSØGELSE 2015 PLEJEBOLIG LANGGADEHUS
BRUGERUNDERSØGELSE PLEJEBOLIG LANGGADEHUS Sundhed- og Omorgforvaltningen Brugerunderøgele : Plejebolig 1 Brugerunderøgele Plejebolig Brugerunderøgelen er udarbejdet af Epinion P/S og Afdeling for Data
Læs meremen nu er Z N((µ 1 µ 0 ) n/σ, 1)!! Forkaster hvis X 191 eller X 209 eller
Type I og type II fejl Type I fejl: forkast når hypotese sand. α = signifikansniveau= P(type I fejl) Program (8.15-10): Hvis vi forkaster når Z < 2.58 eller Z > 2.58 er α = P(Z < 2.58) + P(Z > 2.58) =
Læs mereNanostatistik: Konfidensinterval
Nanostatistik: Konfidensinterval JLJ Nanostatistik: Konfidensinterval p. 1/37 Fraktilpåmindelse u p : Φ(u p ) = p, Φ( z ) = 1 Φ( z ) t p [f] : F t[f] (t p [f]) = p, F t[f] ( t ) = 1 F t[f] ( t ) F-fordeling:
Læs mereStatDataN: Test af hypotese
StatDataN: Test af hypotese JLJ StatDataN: Test af hypotese p. 1/69 Repetition n uafhængige gentagne målinger: Fordelingsundersøgelse: Pindediagram / Histogram qq-plot Parameter: egenskab ved fordeling
Læs mereI dag. Statistisk analyse af en enkelt stikprøve med kendt varians Sandsynlighedsregning og Statistik (SaSt) Eksempel: kobbertråd
I dag Statistisk analyse af en enkelt stikprøve med kendt varians Sandsynlighedsregning og Statistik SaSt) Helle Sørensen Først lidt om de sidste uger af SaSt. Derefter statistisk analyse af en enkelt
Læs mereHjemmeopgave 1 Makroøkonomi, 1. årsprøve, foråret 2005 Vejledende besvarelse
Hjemmeopgave Makroøkonomi,. årprøve, foråret 2005 Vejledende bevarele Opgave. Korrekt. Arbejdtyrken er en beholdning- (tock) variabel, idet man på et givet tidpunkt (fx. jan) kan tælle, hvor mange der
Læs mereAnalysestrategi. Lektion 7 slides kompileret 27. oktober 200315:24 p.1/17
nalysestrategi Vælg statistisk model. Estimere parametre i model. fx. lineær regression Udføre modelkontrol beskriver modellen data tilstrækkelig godt og er modellens antagelser opfyldte fx. vha. residualanalyse
Læs mereProgram: 1. Repetition: fordeling af observatorer X, S 2 og t. 2. Konfidens-intervaller, hypotese test, type I og type II fejl, styrke.
Program: 1. Repetition: fordeling af observatorer X, S 2 og t. 2. Konfidens-intervaller, hypotese test, type I og type II fejl, styrke. 1/23 Opsummering af fordelinger X 1. Kendt σ: Z = X µ σ/ n N(0,1)
Læs mereNormalfordelingen og Stikprøvefordelinger
Normalfordelingen og Stikprøvefordelinger Normalfordelingen Standard Normal Fordelingen Sandsynligheder for Normalfordelingen Transformation af Normalfordelte Stok.Var. Stikprøver og Stikprøvefordelinger
Læs mereStatistik Lektion 4. Variansanalyse Modelkontrol
Statistik Lektion 4 Variansanalyse Modelkontrol Eksempel Spørgsmål: Er der sammenhæng mellem udetemperaturen og forbruget af gas? Y : Forbrug af gas (gas) X : Udetemperatur (temp) Scatterplot SPSS: Estimerede
Læs mereEr der tvivl, om hvorvidt den sne, der retningslinier for tiltag mod alvorlige
Hvordan rydder jeg mit tag for ne? Forord Sne på tage Denne vejledning giver nogle generelle Baggrunden for vejledningen er, at der Større mængder af ne på tage kal tage Er der tvivl, om hvorvidt den ne,
Læs mereEnsidet eller tosidet alternativ. Hypoteser. tosidet alternativ. nul hypotese testes mod en alternativ hypotese
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 Bygning 305/324 Danmarks Tekniske Universitet
Læs mereStatistik Lektion 3. Simultan fordelte stokastiske variable Kontinuerte stokastiske variable Normalfordelingen
Statistik Lektion 3 Simultan fordelte stokastiske variable Kontinuerte stokastiske variable Normalfordelingen Repetition En stokastisk variabel er en funktion defineret på S (udfaldsrummet, der antager
Læs mereSelkirk Rex i Danmark
Selkirk Rex i Danmark Af Florence McLean Der er mange ider på internettet, hvor man kan finde oplyninger om Selkirk Rex, derfor er dette blevet til en mere peronlig bekrivele af egne opleveler omkring
Læs mereLandmålingens fejlteori - Lektion 2. Sandsynlighedsintervaller Estimation af µ Konfidensinterval for µ. Definition: Normalfordelingen
Landmålingens fejlteori Lektion Sandsynlighedsintervaller Estimation af µ Konfidensinterval for µ - rw@math.aau.dk Institut for Matematiske Fag Aalborg Universitet En stokastisk variabel er en variabel,
Læs mereFor nemheds skyld: m = 2, dvs. interesseret i fordeling af X 1 og X 2. Nemt at generalisere til vilkårligt m.
1 Uge 11 Teoretisk Statistik 8. marts 2004 Kapitel 3: Fordeling af en stokastisk variabel, X Kapitel 4: Fordeling af flere stokastiske variable, X 1,,X m (på en gang). NB: X 1,,X m kan være gentagne observationer
Læs mereProteinkemi Grp. P1 Side 1 af 63
Grp. P Side af 63 Grp. P INDHOLDSFORTEGNELSE INDLEDNING 3 STANDARDPROTEINER 4. BOVIN SERUM ALBUMIN 4. LYSOZYM C 4.3 OVALBUMIN 5 3 TEORI 5 3. DIREKTE SPEKTROFOTOMETRI 5 3. BESTEMMELSE AF PROTEINKONCENTRATION
Læs mereProgram. 1. Repetition 2. Fordeling af empirisk middelværdi og varians, t-fordeling, begreber vedr. estimation. 1/18
Program 1. Repetition 2. Fordeling af empirisk middelværdi og varians, t-fordeling, begreber vedr. estimation. 1/18 Fordeling af X Stikprøve X 1,X 2,...,X n stokastisk X stokastisk. Ex (normalfordelt stikprøve)
Læs mereStatDataN: Plot af data
StatDataN: Plot af data JLJ StatDataN: Plot af data p. 1/39 Repetition binomial(n,p): P(X = k) = ( n) k p k (1 p) n k n uafhængige kast med en mønt, X= antal krone X binomial(n, p), Y binomial(m, p), uafhængige
Læs mere1. februar Lungefunktions data fra tirsdags Gennemsnit l/min
Epidemiologi og biostatistik Uge, torsdag 3. februar 005 Morten Frydenberg, Afdeling for Biostatistik. og hoste estimation sikkerhedsintervaller antagelr Normalfordelingen Prædiktion Statistisk test (ud
Læs mereEn Introduktion til SAS. Kapitel 5.
En Introduktion til SAS. Kapitel 5. Inge Henningsen Afdeling for Statistik og Operationsanalyse Københavns Universitet Marts 2005 6. udgave Kapitel 5 T-test og PROC UNIVARIATE 5.1 Indledning Dette kapitel
Læs mereProdukt 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 mereBRUGERUNDERSØGELSE 2014 PLEJEBOLIG. Dr. Ingrids Hjem. Sundheds- og Omsorgsforvaltningen - Brugerundersøgelse 2014: Plejebolig 1
BRUGERUNDERSØGELSE 2014 PLEJEBOLIG Sundhed- og Omorgforvaltningen - Brugerunderøgele 2014: Plejebolig 1 Brugerunderøgele 2014 Plejebolig Brugerunderøgelen er udarbejdet af Epinion P/S og Afdeling for Data
Læs mereRepetition. Diskrete stokastiske variable. Kontinuerte stokastiske variable
Normal fordelingen Normal fordelingen Egenskaber ved normalfordelingen Standard normal fordelingen Find sandsynligheder ud fra tabel Transformation af normal fordelte variable Invers transformation Repetition
Læs mereModelkontrol i Faktor Modeller
Modelkontrol i Faktor Modeller Julie Lyng Forman Københavns Universitet Afdeling for Anvendt Matematik og Statistik Statistik for Biokemikere 2003 For at konklusionerne på en ensidet, flersidet eller hierarkisk
Læs mereTema. 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 mereDen stokastiske variabel X angiver levetiden i timer for en elektrisk komponent. Tæthedsfunktionen for den stokastiske variabel er givet ved
STATISTIK Skrtlg evaluerg, 3. emeter, madag de 3. jauar 5 kl. 9.-3.. Alle hjælpemdler er tlladt. Opgaveløge orye med av og CPR-r. OPGAVE De tokatke varabel agver levetde tmer or e elektrk kompoet. Tætheduktoe
Læs mereKvantitative Metoder 1 - Forår Dagens program
Dagens program Kontinuerte fordelinger Simultane fordelinger Kovarians og korrelation Uafhængighed Betingede fordelinger - Middelværdi og varians - Sammenhæng med uafhængighed 1 Figur 1: En tæthedsfunktion
Læs mereHvorfor er normalfordelingen så normal?
Hvorfor er normalfordelingen så normal? Søren Højsgaard Institut for Matematiske Fag, Aalborg Universitet October 24, 2018 normalfordelingen så normal? October 24, 2018 1 / 13 Højde af kvinder Histogram
Læs mereMå vi lege doktor? En folder til forældre om seksuel udvikling blandt børn i alderen 0-6 år
Må vi lege doktor? En folder til forældre om ekuel udvikling blandt børn i alderen 0-6 år t e t i l a u k e n r Små bø Som forældre kan du flere gange i løbet af barnet opvækt opleve at blive mødt med
Læs mereNanostatistik: Opgavebesvarelser
Nanostatistik: Opgavebesvarelser JLJ Nanostatistik: Opgavebesvarelser p. 1/16 Pakkemaskine En producent hævder at poserne indeholder i gennemsnit 16 ounces sukker. Data: 10 pakker sukker: 16.1, 15.8, 15.8,
Læs mereSandsynlighedsfordelinger for kontinuerte data på interval/ratioskala
3 5% 5% 5% 0 3 4 5 6 7 8 9 0 Statistik for biologer 005-6, modul 5: Normalfordelingen opstår når mange forskellige faktorer uafhængigt af hinanden bidrager med additiv variation til. F.eks. Højde af rekrutter
Læs mereUndervisningsmiljøvurdering Style og Wellness College
Underviningmiljøvurdering 2014 Underøgelen er gennemført via pørgekemaunderøgele Wellne Efterår 2014 10 9 8 7 6 79,2 73,4 88,6 Overordnede reultater 73,2 73,8 74,1 67,7 64,4 57,7 85,5 80,4 96,8 5 4 3 2
Læs mereSHARKY varmeenergimålere
SHARKY varmeenergimålere SHARKY 773 er kabt til måling af varmeenergi i tørre og mindre varmeanlæg. Den er let at intallere og er meget betjeningvenlig. Med it patenterede måleytem og indat ikre tor måletabilitet,
Læs mereKvantitative Metoder 1 - Forår Dagens program
Dagens program Kontinuerte fordelinger Ventetider i en Poissonproces Beskrivelse af kontinuerte fordelinger: - Median og kvartiler - Middelværdi - Varians Simultane fordelinger 1 Ventetider i en Poissonproces
Læs mereLandmålingens fejlteori Lektion 1 Det matematiske fundament Kontinuerte stokastiske variable
Landmålingens fejlteori Lektion 1 Det matematiske fundament Kontinuerte stokastiske variable - rw@math.aau.dk Institut for Matematiske Fag Aalborg Universitet 1/41 Landmålingens fejlteori - lidt om kurset
Læs mereIndhold. 2 Tosidet variansanalyse Additive virkninger Vekselvirkning... 9
Indhold 1 Ensidet variansanalyse 2 1.1 Estimation af middelværdier............................... 3 1.2 Estimation af standardafvigelse............................. 3 1.3 F-test for ens middelværdier...............................
Læs mereStikprøver og stikprøve fordelinger. Stikprøver Estimatorer og estimater Stikprøve fordelinger Egenskaber ved estimatorer Frihedsgrader
Stikprøver og stikprøve fordelinger Stikprøver Estimatorer og estimater Stikprøve fordelinger Egenskaber ved estimatorer Frihedsgrader Statistik Statistisk Inferens: Prediktere og forekaste værdier af
Læs mereC) Perspektiv jeres kommunes resultater vha. jeres svar på spørgsmål b1 og b2.
C) Perspektiv jeres kommunes resultater vha. jeres svar på spørgsmål b1 og b. 5.000 4.800 4.600 4.400 4.00 4.000 3.800 3.600 3.400 3.00 3.000 1.19% 14.9% 7.38% 40.48% 53.57% 66.67% 79.76% 9.86% 010 011
Læs mereProgram: 1. Repetition: p-værdi 2. Simpel lineær regression. 1/19
Program: 1. Repetition: p-værdi 2. Simpel lineær regression. 1/19 For test med signifikansniveau α: p < α forkast H 0 2/19 p-værdi Betragt tilfældet med test for H 0 : µ = µ 0 (σ kendt). Idé: jo større
Læs mereAfdækning af nyankomne elevers sprog og erfaringer
Hele vejen rundt om eleven prog og reourcer afdækning af nyankomne og øvrige toprogede elever kompetencer til brug i underviningen Afdækning af prog og erfaringer TRIN Afdækning af nyankomne elever prog
Læs mereMLR antagelserne. Antagelse MLR.1:(Lineære parametre) Den statistiske model for populationen kan skrives som
MLR antagelserne Antagelse MLR.1:(Lineære parametre) Den statistiske model for populationen kan skrives som y = β 0 + β 1 x 1 + β 2 x 2 + + β k x k + u, hvor β 0, β 1, β 2,...,β k er ukendte parametere,
Læs mereNote 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 mereEksamen i Statistik for biokemikere. Blok
Eksamen i Statistik for biokemikere. Blok 2 2007. Vejledende besvarelse 22-01-2007, Niels Richard Hansen Bemærkning: Flere steder er der givet en argumentation (f.eks. baseret på konfidensintervaller)
Læs mereModule 9: Residualanalyse
Mathematical Statistics ST6: Linear Models Bent Jørgensen og Pia Larsen Module 9: Residualanalyse 9 Rå residualer 92 Standardiserede residualer 3 93 Ensidig variansanalyse 4 94 Studentiserede residualer
Læs mereEt firma tuner biler. Antallet af en bils cylindere er givet ved den stokastiske variabel X med massetæthedsfunktionen
STATISTIK Skriftlig evaluering, 3. semester, mandag den 6. januar 004 kl. 9.00-13.00. Alle hjælpemidler er tilladt. Opgaveløsningen forsynes med navn og CPR-nr. OPGAVE 1 Et firma tuner biler. Antallet
Læs mereOpgave 11.4 side 316 (7ed: 11.4, side 352 og 6ed: 11.2, side 345)
Kursus 4: Besvarelser til øvelses- og hjemmeopgaver i uge 11 Opgave 11.4 side 316 (7ed: 11.4, side 35 og 6ed: 11., side 345) Opgaven består i at foretage en regressionsanalse. Først afbildes data som i
Læs mereDagens Emner. Likelihood-metoden. MLE - fortsat MLE. Likelihood teori. Lineær regression (intro) Vi har, at
Likelihood teori Lineær regression (intro) Dagens Emner Likelihood-metoden M : X i N(µ,σ 2 ) hvor µ og σ 2 er ukendte Vi har, at L(µ,σ 2 1 ) = ( 2πσ 2)n/2 e 1 2 P n (xi µ)2 er tætheden som funktion af
Læs mereKogebog: 5. Beregn F d
tattk 8. gag KONFIDENINERVALLER Kofdetervaller: kaptel Valg og tet af fordelgfukto tattk 8. gag. KONFIDEN INERVALLER Et kofde terval udtrykker tervallet hvor de rgtge værd af parametere K, med γ % adylghed
Læs mereHøjde af kvinder 2 / 18
Hvorfor er normalfordelingen så normal? og er den nu også det? Søren Højsgaard (updated: 2019-03-17) 1 / 18 Højde af kvinder 2 / 18 Inddeler man i mindre grupper kan man forestille sig at histogrammet
Læs mereMotivation. Konfidensintervaller og vurdering af usikkerhed på estimerede størrelser
Motivation Konfidensintervaller og vurdering af usikkerhed på estimerede størrelser Rasmus Waagepetersen October 26, 2018 Eksempel: En landmåler får til opgave at måle længden λ fra A til B. Entreprenøren
Læs mereTema. Model og modelkontrol ( Fx. en normalfordelt obs. række m. kendt varians) Estimation af parametre. Fordeling. Hypotese og test. Teststørrelse.
Tema Model og modelkontrol ( Fx. en normalfordelt obs. række m. kendt varians) Estimation af parametre. Fordeling. (Fx. x. µ) Hypotese og test. Teststørrelse. (Fx. H 0 : µ = µ 0 ) konfidensintervaller
Læs mereAnvendt Statistik Lektion 2. Sandsynlighedsregning Sandsynlighedsfordelinger Normalfordelingen Stikprøvefordelinger
Anvendt Statistik Lektion 2 Sandsynlighedsregning Sandsynlighedsfordelinger Normalfordelingen Stikprøvefordelinger Sandsynlighed: Opvarmning Udfald Resultatet af et eksperiment kaldes et udfald. Eksempler:
Læs mereAnvendt Statistik Lektion 2. Sandsynlighedsregning Sandsynlighedsfordelinger Normalfordelingen Stikprøvefordelinger
Anvendt Statistik Lektion 2 Sandsynlighedsregning Sandsynlighedsfordelinger Normalfordelingen Stikprøvefordelinger Sandsynlighed: Opvarmning Udfald Resultatet af et eksperiment kaldes et udfald. Eksempler:
Læs mereKonfidensintervaller 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 mereSamtaleark. Del 1: Elevens sprog. Spørgsmål til eleven. Noter og observationer under samtalen. Angiv elevens stærkeste sprog:
Samtaleark Del 1: Eleven prog Formål: At give kolen viden om, hvilke prog eleven har brugt og bruger med henblik på at anvende eleven prog om en reource i videre læringammenhænge. Gode råd til dig, der
Læs mereResumé: En statistisk analyse resulterer ofte i : Et estimat θˆmed en tilhørende se
Epidemiologi og biostatistik. Uge, torsdag 5. februar 00 Morten Frydenberg, Institut for Biostatistik. Type og type fejl Statistisk styrke Nogle speciale metoder: Normalfordelte data : t-test eksakte sikkerhedsintervaller
Læs mereenote 2: Kontinuerte fordelinger Introduktion til Statistik Forelæsning 3: Kontinuerte fordelinger Peder Bacher enote 2: Continuous Distributions
Introduktion til Statistik Forelæsning 3: Kontinuerte fordelinger Peder Bacher DTU Compute, Dynamiske Systemer Bygning 33B, Rum 9 Danmarks Tekniske Universitet 28 Lyngby Danmark e-mail: pbac@dtu.dk Efterår
Læs mereForelæsning 4: Konfidensinterval for middelværdi (og spredning)
Introduktion til Statistik Forelæsning 4: Konfidensinterval for middelværdi (og spredning) Peder Bacher DTU Compute, Dynamiske Systemer Bygning 303B, Rum 009 Danmarks Tekniske Universitet 2800 Lyngby Danmark
Læs mereOversigt. Kursus Introduktion til Statistik. Forelæsning 3: Kapitel 5: Kontinuerte fordelinger. Per Bruun Brockhoff.
Kursus 242 Introduktion til Statistik Forelæsning 3: Kapitel 5: Kontinuerte fordelinger Per Bruun Brockhoff DTU Compute, Statistik Bygning 35/324 Danmarks Tekniske Universitet 28 Lyngby Danmark e-mail:
Læs mere