Punkt (1) graden af fan afhænger af hvor mange medier man bruger

Størrelse: px
Starte visningen fra side:

Download "Punkt (1) graden af fan afhænger af hvor mange medier man bruger"

Transkript

1 Bilag H Test of Independence udregninger Note: Afhængig Uafhængig H a : x -> y H 0 : x y Punkt (1) graden af fan afhænger af hvor mange medier man bruger Stort udgangspunkt: de to variable hænger ikke sammen, dvs. de er uafhængige af hinanden. Altså x y og ikke x -> y. Forbrug af medier / fan Lille/ikke fan Stor fan Total grad Mange medier Mellem medier Få medier Total Medier: 1 Mange medier: 7-11 platforme Mellem medier: 4-6 platforme Få platforme: 1-3 platforme Grad af fan: 2 Lille/ikke fan: 1-4 Stor fan: 5-10 Sandsynligheder: P(mange medier) = (22/72) P(mellem medier) = (38/72) P(få medier) = (12/72) P(lille/ikke fan) = (12/72) P(stor fan) = (60/72) Forventet antal observationer P(mange medier) x P(lille/ikke fan) x 72 = (22/72) x (12/72) x 72 = (22x12)/72 = 3,7 P(mange medier) x P(stor fan) x 72 = (22/72) x (60/72) x 72 = (22x60)/72 = 18,3 P(mellem medier) x P(lille/ikke fan) x 72 = (38/72) x (12/72) x 72 = (38x12)/72 = 6,3 P(mellem medier) x P(stor fan) x 72 = (38/72) x (60/72) x 72 = (38x60)/72 = 31,7 P(få medier) x P(lille/ikke fan) x 72 = (12/72) x (12/72) x 72 = (12x12)/72 = 2 P(få medier) x P(stor fan) x 72 = (12/72) x (60/72) x 72 = (12x60)/72 = 10 1 Spørgsmål 8 2 Spørgsmål 2

2 Forventet Lille/ikke fan Stor fan Total Mange medier 3,7 18,3 22 Mellem medier 5,3 31,7 38 Få medier Total Beregning af chi-i-anden: Ikke/lille fan (4-3,7) = 0,3 (0,3) 2 = 0,09 0,09/3,7 = 0,02 (5-6,3) = -1,3 (-1,3) 2 = 1,69 1,69/6,3 = 0,27 (3-2) = 1 (1) 2 = 1 1/2 = 0,5 Stor fan (18-18,3) = -0,3 (-0,3) 2 = 0,09 0,09/18,3 = 0,00 (33-31,7) = 1,3 (1,3) 2 = 1,69 1,69/31,7 = 0,05 (9-10) = -1 (-1) 2 = 1 1/10 = 0,1 Chi-i-anden Lille/ikke fan Stor fan Mange medier 0,02 0,00 Mellem medier 0,27 0,05 Få medier 0,5 0,1 Sum: 0,02 + 0,00 + 0,27 + 0,05 + 0,5 + 0,1 = 0,94 Frihedsgrad: (rækker 1) x (kolonner 1) = (3-1)x(2-1) = 2x1 = 2 Opslag i excel CHI2. FORD. RT Vi har altså en P-værdi på 0,63 63%. Derfor opretholdes H 0 : De to variable er uafhængige af hinanden, fordi de betingede fordelinger er ens (statistisk) i populationen) Så med en x 2 på 0,94 og 2 frihedsgrader bliver P-værdien 63 %. Vi opretholder derfor H 0 = de to variable er uafhængige af hinanden, fordi H 0 kun kan afvises hvis P er mindre end 5 %. Konklusion: Med en P-værdi på 63% opretholdes H 0 og det vil sige at frihedsgraden ikke kan formodes at afhænge af medieforbrug. Note: medieforbrug = James Bond platforms brug til at udforske James Bond, fx bøger, film osv.

3 Procentvis fordeling: Forbrug af medier / fan Lille/ikke fan Stor fan Total grad Mange medier 18 % 82 % 22 Mellem medier 13 % 87 % 38 Få medier 25 % 75 % 12 Total 17% 83% 72 *Selvom vi ikke kan sige at de to variable er afhængige af hinanden kan vi stadig se en tendens, i og med at de Store fans generelt (i stor grad) brugere flere medier end Ikke fans

4 Antal platforme, som store fans (kategoriseret 5-10) benytter til at udforske James Bond (60 pers.) 17% 2% 7% 15% 8% 3% 2 13% 15% 1 platform 2 platforme 3 platforme 4 platforme 5 platforme 6 platforme 7 platforme 8 platforme 9 platforme 10 platforme Antal platforme, som Ikke/lille fans (kategoriseret 1-4) benytter til at udforske James Bond (12 pers.) platform 2 platforme 3 platforme 4 platforme 5 platforme 6 platforme 7 platforme 8 platforme 9 platforme 10 platforme

5 Fordeling af kategoriseret brug af platforme i forhold til respondeter, der ikke er fans (1-4) 25% 33% Mange medier (7-11 platforme) Mellem medier (4-6 platforme) Få medier (1-3 platforme) 42% Fordeling af kategoriseret brug af platforme i forhold til respondeter, der er store fans (5-10) 15% 3 Mange medier (7-11 platforme) Mellem medier (4-6 platforme) Få medier (1-3 platforme) 55%

6 Punkt (2) Kategoriseret grad af fan i forhold til hvor ofte de bruger/er logget ind på en James Bond fanside. Faktuel observation: Fangrad/ aktiv på Meget aktiv Middel aktiv Ikke aktiv Total hjemmeside (fanside) Lille/ikke fan Stor fan Total Aktivitet: 4 more than once a week og once a week: Meget aktiv 2 or 3 times a month og once a month: Middel aktivitet A few times a year og less than once a year = Ikke aktiv Grad af fan: 5 Lille/ikke fan: 1-4 Stor fan: 5-10 Hypotese: Vi forventer der er sammenhæng mellem grad af fan og hvor ofte de er tilgængelige på fansider omhandlede James Bond. Sandsynligheder: P(lille/ikke fan) = (9/66) P(stor fan) = (57/66) P(meget aktiv) = (63/66) P(middel aktiv) = (2/66) P(ikke aktiv) = (1/66) Forventet antal observationer: P(lille/ikke fan) x P(meget aktiv) x 66 = (9/66) x (63/66) x 66 = (9x63)/66 = 8,6 P(lille/ikke fan) x P(middel aktiv) x 66 = (9/66) x (2/66) x 72 = (9x2)/66 = 0,3 P(lille/ikke fan) x P(ikke aktiv) x 66 = (9/66) x (1/66) x 66 = (9x1)/66 = 0,1 P(stor fan) x P(meget aktiv) x 66 = (57/66) x (63/66) x 66 = (57x63)/66 = 54,4 P(stor fan) x P(middel aktiv) x 66 = (57/66) x (2/66) x 66 = (57x2)/66 = 1,7 P(stor fan) x P(ikke aktiv) x 66 = (57/66) x (1/66) x 66 = (57x1)/66 = 0,9 3 Kun 66 respondenter i stedet for i alt 72, da der er 6 respondenter der har svaret at de ikke er medlemmer af en James Bond fan side, derfor skal de ikke tælles med i denne analyse punkt. 4 Spørgsmål 5 5 Spørgsmål 2

7 Forventet Meget aktiv Middel aktiv Ikke aktiv Total Lille/ikke fan 8,6 0,3 0,1 9 Stor fan 54,4 1,7 0,9 57 Total Beregning af chi-i-anden Meget aktiv Middel aktiv Ikke aktiv (8-8,6) = - 0,6 (-0,6) 2 = 0,36 0,36/8,6 = 0,04 (1-0,3) = 0,7 (0,7) 2 = 0,47 0,47/0,3 = 1,57 (55-54,4) = 0,6 (0,6) 2 = 0,36 0,36/54,4 = 0,01 (1-1,7) = - 0,7 (0,7) 2 = 0,49 0,49/1,7 = 0,29 (0-0,1) = - 0,1 (-0,1) 2 = 0,01 0,01/0,1 = 0,1 (1-0,9) = 0,1 (0,1) 2 = 0,1 0,01/1,9 = 0,01 Chi-i-anden Meget aktiv Middel aktiv Ikke aktiv Lille/ikke fan 0,04 1,57 0,10 Stor fan 0,01 0,29 0,01 Sum: 0,04 + 1,57 + 0,10 + 0,01 + 0,29 + 0,01 = 0,02 Frihedsgrad: (rækker 1) x (kolonner 1) = (2-1)x(3-1) = 1x2 = 2 Opslag i Excel CHI2.FORD.RT Vi har altså en P-værdi op 0,36 36 % og derfor opretholdes H 0 : De to variable er uafhængige af hinanden. Så med en x 2 på 2,02 og 2 frihedsgrader bliver P-værdien 36%. Vi opretholder derfor H 0 : uafhængig af hinanden. Konklusion: med P-værdi på 36% opretholdes H 0 og dvs. at aktiviteten ikke kan formodes afhænig af graden af fan. Det var ikke hvad vi forventede (se hypotese). Dem der ser sig som store fans er lige så ofte logget ind på deres fanside som dem der ikke kategorisere sig selv som stor fan. Dvs. at de store fans i princippet er ligeså stor fan af James Bond som dem der ikke er (dem der har svaret 4 eller mindre på grad af James Bond fan), hvis vi skal konkludere ud fra overstående resultater. Men det kan igen være svært at lave en konkret konklusion på det fordi det er forskelligt fra person til person hvordan man vurdere sig selv som fan på en skala fra Procentvis fordeling: Fangrad/ aktiv på Meget aktiv Middel aktiv Ikke aktiv Total hjemmeside (fanside) Lille/ikke fan 89 % 11 % 0 % 9 Stor fan 96 % 2 % 2 % 57 Total 95 % 3 % 2 % 66 *note: dem som betegner sig selv som store fans er dog i større grad aktive på fansider sammenlignet med dem som ikke vurderer sig selv som store fans.

8 Antal respondenter Grad af fan i forhold til hvor ofte respondenterne, som er medlem, besøger en James Bond fanside or 3 times a month Less than once a year More than once a week Once a week A few times a year Grad af fan: 1 = not fan og 10 = big fan

9 Stor fan 2% 2% meget aktiv middel aktiv ikke aktiv 96% Ikke fan 11% meget aktiv middel aktiv ikke aktiv 89%

10 Punkt (3) forbrug af computer i forhold til aktivitet på fansider Aktive på Stort forbrug Middel forbrug Mindre forbrug Intet forbrug Total fanside (medlemmer kun)/ computer forbrug Meget aktiv (more than once a week/ once a week) Middel aktiv ( or 3 times a week/ once a month) Ikke aktiv (a few times a year/ less than once a year) Total Hypotese: Der er en sammenhæng mellem graden af at være aktiv på fansiden og graden af forbrug af tid på computeren. Jo mere aktiv på fansiden, jo højere forbrug kunne man forvente de havde på computeren. Aktivitet: 7 more than once a week og once a week: Meget aktiv 2 or 3 times a month og once a month: Middel aktivitet A few times a year og less than once a year = Ikke aktiv Forbrug af platformen computer: 8 more than 8 hours a day og 7 to 8 hours a day = Stort forbrug 5 to 6 hours a day og 3 to 4 hours a day = Middel forbrug 1 to 2 hours a day og less than a hour a day = Mindre forbrug I don't use this platform = Intet forbrug Sandsynligheder: P(meget aktiv) = (63/66) P(middel aktiv) = (2/66) P(ikke aktiv) = (1/66) 6 Kun 66 respondenter i stedet for i alt 72, da der er 6 respondenter der har svaret at de ikke er medlemmer af en James Bond fan side. 7 Spørgsmål 5 8 Spørgsmål 16

11 P(stort forbrug) = (13/66) P(middel forbrug) = (40/66) P(mindre forbrug) = (13/66) P(intet forbrug) = (0/66) Forventet antal observationer: P(meget aktiv) x P(stort forbrug) x 66 = (63/66) x (13/66) x 66 = (63x13)/66 = 12,4 P(meget aktiv) x P(middel forbrug) x 66 = (63/66) x (40/66) x 72 = (63x40)/66 = 38,2 P(meget aktiv) x P(mindre forbrug) x 66 = (63/66) x (13/66) x 66 = (63x13)/66 = 12,4 P(meget aktiv) x P(intet forbrug) x 66 = (63/66) x (0/66) x 66 = (63x0)/66 = 0 P(middel aktiv) x P(stort forbrug) x 66 = (2/66) x (13/66) x 66 = (2x13)/66 = 0,4 P(middel aktiv) x P(middel forbrug) x 66 = (2/66) x (40/66) x 66 = (2x40)/66 = 1,2 P(middel aktiv) x P(mindre forbrug) x 66 = (2/66) x (13/66) x 66 = (2x13)/66 = 0,4 P(middel aktiv) x P(intet forbrug) x 66 = (63/66) x (0/66) x 66 = (63x0)/66 = 0 P(ikke aktiv) x P(stort forbrug) x 66 = (1/66) x (13/66) x 72 = (1x13)/66 = 0,2 P(ikke aktiv) x P(middel forbrug) x 66 = (1/66) x (40/66) x 66 = (1x40)/66 = 0,6 P(ikke aktiv) x P(mindre forbrug) x 66 = (1/66) x (13/66) x 66 = (1x13)/66 = 0,2 P(ikke aktiv) x P(intet forbrug) x 66 = (1/66) x (0/66) x 66 = (1x0)/66 = 0 Forventet Stort forbrug Middel forbrug Mindre forbrug Intet forbrug Total Meget aktiv 12, (more than once a week/ once a week) Middel aktiv (2 0,4 1,2 0,4 0 2 or 3 times a week/ once a month) Ikke aktiv (a 0,2 0,6 0,2 0 1 few times a year/ less than once a year) Total Beregning af chi-i-anden: Stort forbrug Middel forbrug Mindre forbrug Intet forbrug (12-12,4) = - 0,4 (-0,4) 2 = 0,16 0,16/12,4 = 0,01 (1-1,2) = - 0,2 (-0,2) 2 = 0,04 0,04/1,2 = 0,03 (1-0,2) = 0,8 (0,8) 2 = 0,64 0,64/0,2 = 3,20 0 (0-0,4) = - 0,4 (-0,4) 2 = 0,16 0,16/0,4 = 0,40 (39-38,2) = 0,8 (0,8) 2 = 0,64 0,64/38,2 = 0,02 (12-12,4) = - 0,4 (-0,4) 2 = 0,16 0,16/12,4 = 0,01 (1-0,4) = 0,6 (0,6) 2 = 0,36 0,36/0,4 = 0,90 (0-0,6) = - 0,6 (-0,6) 2 = 0,36 0,36/0,6 = 0,60 (0-0,2) = - 0,2 (-0,2) 2 = 0,04 0,04/0,2 = 0,20 0 0

12 Chi-i-anden Stort forbrug Middel forbrug Mindre forbrug Intet forbrug Meget aktiv 0,01 0,02 0,01 0 Middel aktiv 0,40 0,03 0,90 0 Ikke aktiv 3,20 0,60 0,20 0 Procentfordeling Aktive på Stort forbrug Middel forbrug Mindre forbrug Intet forbrug Total fanside (medlemmer kun)/ computer forbrug Meget aktiv 19 % 62 % 19 % 0 % 63 (more than once a week/ once a week) Middel aktiv (2 0 % 50 % 50 % 0 % 2 or 3 times a week/ once a month) Ikke aktiv (a 100 % 0 % 0 % 0 % 1 few times a year/ less than once a year) Total 20 % 60 % 20 % 0 % 66 Sum: 0,01 + 0,02 + 0,01 + 0,40 + 0,03 + 0,90 + 3,20 + 0,60 + 0, = 4,56 Frihedsgrad: (rækker 1) x (kolonner -1) = (3-1)x(4-1) = 2x3 = 6 Opslag i Excel CHI2.FORD.RT Vi har altså en P-værdi på 0, Derfor opretholdes H 0 : de to variable er uafhængige af hinanden. Så med en x 2 på 4,56 og 6 frihedsgrader bliver P-værdigen 6. Vi opretholder derfor H 0. Konklusion: med en p-værdi på 6 opretholdes H 0. og dvs. at forbruget på computeren ikke kan formodes afhængig af aktivitet på fansider.

13 Antal respondenter Respondenters computer forbrug alt efter hvor meget tid de bruger på James Bond fansider to 2 hours a day 3 to 4 hours a day 5 to 6 hours a day 7 to 8 hours a day Less than an hour a day More than 8 hours a day or 3 times a month Less than once a year More than Once a week once a week Hvor ofte respondenter er på James Bond fansider Ikke medlemmer af fansider Meget aktiv 19% 19% Stort forbrug (7-8+ timer) Middel forbrug (3-6 timer) Mindre forbrug (1<1-2 timer) Intet forbrug 62%

14 Middel aktiv stort forbrug (7-8+ timer) 5 5 Middel forbrug (3-6 timer) Mindre forbrug (1<1-2 timer) Intet forbrug Ikke aktiv stort forbrug (7-8+ timer) Middel forbrug (3-6 timer) 10 Mindre forbrug (1<1-2 timer) Intet forbrug

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

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] Kontingenstabel Formål: Illustrere/finde sammenhænge mellem to kategoriske variable Opbygning: En celle for hver kombination af

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

Trin 1: Formuler hypotese Spørgsmål der ønskes testet vha. data H 0 : Nul hypotese Formuleres som en ligheds hændelse

Trin 1: Formuler hypotese Spørgsmål der ønskes testet vha. data H 0 : Nul hypotese Formuleres som en ligheds hændelse Statistik 7. gang 9. HYPOTESE TEST Hypotesetest ved 6 trins raket! : Trin : Formuler hypotese Spørgsmål der ønskes testet vha. data H 0 : Nul hypotese Formuleres som en ligheds hændelse H eller H A : Alternativ

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

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

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

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

Spørgeskemaundersøgelser og databehandling

Spørgeskemaundersøgelser og databehandling DASG. Nye veje i statistik og sandsynlighedsregning. side 1 af 12 Spørgeskemaundersøgelser og databehandling Disse noter er udarbejdet i forbindelse med et tværfagligt samarbejde mellem matematik og samfundsfag

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

Skolesektionen på www.ballerup.dk

Skolesektionen på www.ballerup.dk Skolesektionen på www.ballerup.dk Louise Callisen Dyhr (ldyh) Marie Louise Gottlieb Frederiksen (mgfr) Janus Askø Madsen (jaam) Nanna Petersen (nshy) Antal tegn: 28319 Afleveringsdato: 21. maj 2014 1 Indledning...

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

Kapitel 12 Variansanalyse

Kapitel 12 Variansanalyse Kapitel 12 Variansanalyse Peter Tibert Stoltze stat@peterstoltzedk Elementær statistik F2011 Version 7 april 2011 1 / 43 Indledning Sammenligning af middelværdien i to grupper indenfor en stikprøve kan

Læs mere

9. Chi-i-anden test, case-control data, logistisk regression.

9. Chi-i-anden test, case-control data, logistisk regression. Biostatistik - Cand.Scient.San. 2. semester Karl Bang Christensen Biostatististisk afdeling, KU kach@biostat.ku.dk, 35327491 9. Chi-i-anden test, case-control data, logistisk regression. http://biostat.ku.dk/~kach/css2014/

Læs mere

Kapitel 12 Variansanalyse

Kapitel 12 Variansanalyse Kapitel 12 Variansanalyse Peter Tibert Stoltze stat@peterstoltzedk Elementær statistik F2011 Version 7 april 2011 1 Indledning 2 Ensidet variansanalyse 3 Blokforsøg 4 Vekselvirkning 1 Indledning 2 Ensidet

Læs mere

Løsning til eksamensopgaven i Basal Biostatistik (J.nr.: 1050/06)

Løsning til eksamensopgaven i Basal Biostatistik (J.nr.: 1050/06) Afdeling for Biostatistik Bo Martin Bibby 23. november 2006 Løsning til eksamensopgaven i Basal Biostatistik (J.nr.: 1050/06) Vi betragter 4699 personer fra Framingham-studiet. Der er oplysninger om follow-up

Læs mere

Statistik II 1. Lektion. Analyse af kontingenstabeller

Statistik II 1. Lektion. Analyse af kontingenstabeller Statistik II 1. Lektion Analyse af kontingenstabeller Kursusbeskrivelse Omfang 5 kursusgange (forelæsning + opgaveregning) 5 kursusgange (mini-projekt) Emner Analyse af kontingenstabeller Logistisk regression

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

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

Logistisk Regression. Repetition Fortolkning af odds Test i logistisk regression

Logistisk Regression. Repetition Fortolkning af odds Test i logistisk regression Logistisk Regression Repetition Fortolkning af odds Test i logistisk regression Logistisk Regression: Definitioner For en binær (0/) variabel Y antager vi P(Y)p P(Y0)-p Eksempel: Bil til arbejde vs alder

Læs mere

Kapitel 7 Forskelle mellem centraltendenser

Kapitel 7 Forskelle mellem centraltendenser Kapitel 7 Forskelle mellem centraltendenser Peter Tibert Stoltze stat@peterstoltze.dk Elementær statistik F2011 1 / 29 Indledning 1. z-test for ukorrelerede data 2. t-test for ukorrelerede data med ens

Læs mere

Ikke-parametriske metoder. Repetition Wilcoxon Signed-Rank Test Kruskal-Wallis Test Friedman Test Chi-i-anden Test

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

Læs mere

Kvantitative metoder 2

Kvantitative metoder 2 Program for i dag: Kvantitative metoder Beskrivende statistik og analyse af kvalitatitive data 1. februar 007 Test i multinomialfordelingen: Q-testet (BL.13.1-) Opsamling fra sidste gang To eksempler To-dimensionale

Læs mere

Statistik II 4. Lektion. Logistisk regression

Statistik II 4. Lektion. Logistisk regression Statistik II 4. Lektion Logistisk regression Logistisk regression: Motivation Generelt setup: Dikotom(binær) afhængig variabel Kontinuerte og kategoriske forklarende variable (som i lineær reg.) Eksempel:

Læs mere

C) Perspektiv jeres kommunes resultater vha. jeres svar på spørgsmål b1 og b2.

C) 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 mere

Statistik II Lektion 3. Logistisk Regression Kategoriske og Kontinuerte Forklarende Variable

Statistik II Lektion 3. Logistisk Regression Kategoriske og Kontinuerte Forklarende Variable Statistik II Lektion 3 Logistisk Regression Kategoriske og Kontinuerte Forklarende Variable Setup: To binære variable X og Y. Statistisk model: Konsekvens: Logistisk regression: 2 binære var. e e X Y P

Læs mere

02402 Løsning til testquiz02402f (Test VI)

02402 Løsning til testquiz02402f (Test VI) 02402 Løsning til testquiz02402f (Test VI) Spørgsmål 4. En ejendomsmægler ønsker at undersøge om hans kunder får mindre end hvad de har forlangt, når de sælger deres bolig. Han har regisreret følgende:

Læs mere

Nanostatistik: Opgavebesvarelser

Nanostatistik: 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 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 GeoGebra

Statistik i GeoGebra Statistik i GeoGebra Peter Harremoës 13. maj 2015 Jeg vil her beskrive hvordan man kan lave forskellige statistiske analyser ved hjælp af GeoGebra 4.2.60.0. De statistiske analyser svarer til pensum Matematik

Læs mere

Kvantitative metoder 2

Kvantitative metoder 2 Kvantitative metoder 2 Beskrivende statistik og analyse af kvalitatitive data 12. februar 2007 Kvantitative metoder 2: F3 1 Program for i dag: Test i multinomialfordelingen: Q-testet (BL.13.1-2) Opsamling

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

Tema. 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. 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 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

Mantel-Haenszel analyser. Stratificerede epidemiologiske analyser

Mantel-Haenszel analyser. Stratificerede epidemiologiske analyser Mantel-Haensel analyser Stratificerede epidemiologiske analyser 1 Den epidemiologiske synsvinkel: 1) Oftest asymmetriske (kausale) sammenhænge (Eksposition Sygdom/død) 2) Risikoen vurderes bedst ved hjælp

Læs mere

Statikstik II 2. Lektion. Lidt sandsynlighedsregning Lidt mere om signifikanstest Logistisk regression

Statikstik II 2. Lektion. Lidt sandsynlighedsregning Lidt mere om signifikanstest Logistisk regression Statikstik II 2. Lektion Lidt sandsynlighedsregning Lidt mere om signifikanstest Logistisk regression Sandsynlighedsregningsrepetition Antag at Svar kan være Ja og Nej. Sandsynligheden for at Svar Ja skrives

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

Statistik ved Bachelor-uddannelsen i folkesundhedsvidenskab. Mantel-Haenszel analyser

Statistik ved Bachelor-uddannelsen i folkesundhedsvidenskab. Mantel-Haenszel analyser Statistik ved Bachelor-uddannelsen i folkesundhedsvidenskab Mantel-Haenszel analyser Mantel-Haenszel analyser Sidst lærte vi om stratificerede analyser. I dag kigger vi på et specialtilfælde: både exposure

Læs mere

Kønsproportion og familiemønstre.

Kønsproportion og familiemønstre. Københavns Universitet Afdeling for Anvendt Matematik og Statistik Projektopgave forår 2005 Kønsproportion og familiemønstre. Matematik 2SS Inge Henningsen februar 2005 Indledning I denne opgave undersøges,

Læs mere

Vejledende eksamensopgaver vedr. hypotesetest (stx B og stx A)

Vejledende eksamensopgaver vedr. hypotesetest (stx B og stx A) Vejledende eksamensopgaver vedr. hypotesetest (stx B og stx A) Opgave 1 I nedenstående tabel ses resultaterne af samtlige hjerteklapoperationer i 007-08 ved Odense Universitetshospital (OUH) sammenlignet

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

Eksamen ved. Københavns Universitet i. Kvantitative forskningsmetoder. Det Samfundsvidenskabelige Fakultet

Eksamen ved. Københavns Universitet i. Kvantitative forskningsmetoder. Det Samfundsvidenskabelige Fakultet Eksamen ved Københavns Universitet i Kvantitative forskningsmetoder Det Samfundsvidenskabelige Fakultet 14. december 2011 Eksamensnummer: 5 14. december 2011 Side 1 af 6 1) Af boxplottet kan man aflæse,

Læs mere

Program. 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 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 mere

Vejledende besvarelse af eksamen i Statistik for biokemikere, blok

Vejledende besvarelse af eksamen i Statistik for biokemikere, blok Opgave 1 Vejledende besvarelse af eksamen i Statistik for biokemikere, blok 2 2006 Inge Henningsen og Niels Richard Hansen Analysevariablen i denne opgave er variablen forskel, der for hver af 10 kvinder

Læs mere

Opgave 10.1, side 282 (for 6. og 7. ed. af lærerbogen se/løs opgave 9.1)

Opgave 10.1, side 282 (for 6. og 7. ed. af lærerbogen se/løs opgave 9.1) Kursus 02402: Besvarelser til øvelsesopgaver i uge 9 Opgave 10.1, side 282 (for 6. og 7. ed. af lærerbogen se/løs opgave 9.1) Som model benyttes en binomialfordeling, som beskriver antallet, X, blandt

Læs mere

Eksamen i Statistik for biokemikere. Blok

Eksamen 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 mere

Projekt 1 Spørgeskemaanalyse af Bedst på Nettet

Projekt 1 Spørgeskemaanalyse af Bedst på Nettet Projekt 1 Spørgeskemaanalyse af Bedst på Nettet D.29/2 2012 Udarbejdet af: Katrine Ahle Warming Nielsen Jannie Jeppesen Schmøde Sara Lorenzen A) Kritik af spørgeskema Set ud fra en kritisk vinkel af spørgeskemaet

Læs mere

Statistik II 1. Lektion. Sandsynlighedsregning Analyse af kontingenstabeller

Statistik II 1. Lektion. Sandsynlighedsregning Analyse af kontingenstabeller Statistik II 1. Lektion Sandsynlighedsregning Analyse af kontingenstabeller Kursusbeskrivelse Omfang 5 kursusgange (forelæsning + opgaveregning) 5 kursusgange (mini-projekt) Emner Analyse af kontingenstabeller

Læs mere

Forelæsning 9: Inferens for andele (kapitel 10)

Forelæsning 9: Inferens for andele (kapitel 10) Kursus 02402 Introduktion til Statistik Forelæsning 9: Inferens for andele (kapitel 10) Per Bruun Brockhoff DTU Compute, Statistik og Dataanalyse Bygning 324, Rum 220 Danmarks Tekniske Universitet 2800

Læs mere

Estimation og usikkerhed

Estimation og usikkerhed Estimation og usikkerhed = estimat af en eller anden ukendt størrelse, τ. ypiske ukendte størrelser Sandsynligheder eoretisk middelværdi eoretisk varians Parametre i statistiske modeller 1 Krav til gode

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 ved Bachelor-uddannelsen i folkesundhedsvidenskab. Stratificerede analyser

Statistik ved Bachelor-uddannelsen i folkesundhedsvidenskab. Stratificerede analyser Statistik ved Bachelor-uddannelsen i folkesundhedsvidenskab Stratificerede analyser Dødsstraf-eksempel Betyder morderens farve noget for risikoen for dødsstraf? 1 Dødsstraf-eksempel: data Variable: Dødsstraf

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

Regressionsanalyse i SurveyBanken

Regressionsanalyse i SurveyBanken Først vælges datasættet De Kommunale Nøgletal. Klik på Variable Description og derefter De Kommunale Nøgletal 2010. De enkelte variable i datasættet bliver nu oplistet og kan vælges. Klik herefter på Analysis

Læs mere

Skriftlig eksamen i samfundsfag

Skriftlig eksamen i samfundsfag OpenSamf Skriftlig eksamen i samfundsfag Indholdsfortegnelse 1. Introduktion 2. Præcise nedslag 3. Beregninger 3.1. Hvad kan absolutte tal være? 3.2. Procentvis ændring (vækst) 3.2.1 Tolkning af egne beregninger

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

Løsning eksamen d. 15. december 2008

Løsning 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 mere

ca. 5 min. STATISTISKE TEGN

ca. 5 min. STATISTISKE TEGN ca. 5 min. STATISTISKE TEGN I statistik støder du tit på forskellige tegn - det som også kaldes for statistisk notation. Det kan virke forvirrende og uoverskueligt i starten. Men bare rolig: For det første

Læs mere

Program dag 2 (11. april 2011)

Program dag 2 (11. april 2011) Program dag 2 (11. april 2011) Dag 2: 1) Hvordan kan man bearbejde data; 2) Undersøgelse af datamaterialet; 3) Forskellige typer statistik; 4) Indledende dataundersøgelser; 5) Hvad kan man sige om sammenhænge;

Læs mere

Program: 1. Repetition: p-værdi 2. Simpel lineær regression. 1/19

Program: 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 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

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

Undervisningsbeskrivelse

Undervisningsbeskrivelse Undervisningsbeskrivelse Stamoplysninger til brug ved prøver til gymnasiale uddannelser Termin maj-juni 2019 Institution Uddannelse Fag og niveau Lærer(e) Hold Skanderborg-Odder Center for Uddannelse Højvangens

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

Bilag til Statistik i løb : Statistik og Microsoft Excel tastevejledning / af Lars Bo Kristensen

Bilag til Statistik i løb : Statistik og Microsoft Excel tastevejledning / af Lars Bo Kristensen Bilag til Statistik i løb : Statistik og Microsoft Excel tastevejledning / af Lars Bo Kristensen Microsoft Excel har en del standard anvendelsesmuligheder i forhold til den beskrivende statistik og statistisk

Læs mere

Statistik viden eller tilfældighed

Statistik viden eller tilfældighed MATEMATIK i perspektiv Side 1 af 9 DNA-analyser 1 Sandsynligheden for at en uskyldig anklages Følgende histogram viser, hvordan fragmentlængden for et DNA-område varierer inden for befolkningen. Der indgår

Læs mere

Ikke-parametriske tests

Ikke-parametriske tests Ikke-parametriske tests 2 Dagens menu t testen Hvordan var det nu lige det var? Wilcoxson Mann Whitney U Kruskall Wallis Friedman Kendalls og Spearmans correlation 3 t-testen Patient Drug Placebo difference

Læs mere

Statistik vejledende læreplan og læringsmål, efteråret 2013 SmartLearning

Statistik vejledende læreplan og læringsmål, efteråret 2013 SmartLearning Side 1 af 6 Statistik vejledende læreplan og læringsmål, efteråret 2013 SmartLearning Litteratur: Kenneth Hansen & Charlotte Koldsø: Statistik I økonomisk perspektiv, Hans Reitzels Forlag 2012, 2. udgave,

Læs mere

1 Hb SS Hb Sβ Hb SC = , (s = )

1 Hb SS Hb Sβ Hb SC = , (s = ) PhD-kursus i Basal Biostatistik, efterår 2006 Dag 6, onsdag den 11. oktober 2006 Eksempel 9.1: Hæmoglobin-niveau og seglcellesygdom Data: Hæmoglobin-niveau (g/dl) for 41 patienter med en af tre typer seglcellesygdom.

Læs mere

Undervisningsbeskrivelse

Undervisningsbeskrivelse Undervisningsbeskrivelse Stamoplysninger til brug ved prøver til gymnasiale uddannelser Termin maj-juni 2019 Institution Uddannelse Fag og niveau Lærer(e) Hold Skanderborg-Odder Center for Uddannelse Højvangens

Læs mere

Preben Blæsild og Jens Ledet Jensen

Preben Blæsild og Jens Ledet Jensen χ 2 Test Preben Blæsild og Jens Ledet Jensen Institut for Matematisk Fag Aarhus Universitet Egå Gymnasium, December 2010 Program 8.15-10.00 Forelæsning 10.15-12.00 Statlab: I arbejder, vi cirkler rundt

Læs mere

Løsning til eksamen d.27 Maj 2010

Løsning til eksamen d.27 Maj 2010 DTU informatic 02402 Introduktion til Statistik Løsning til eksamen d.27 Maj 2010 Referencer til Probability and Statistics for Engineers er angivet i rækkefølgen [8th edition, 7th edition]. Opgave I.1

Læs mere

Statistik vejledende læreplan og læringsmål, foråret 2015 SmartLearning

Statistik vejledende læreplan og læringsmål, foråret 2015 SmartLearning Side 1 af 6 Statistik vejledende læreplan og læringsmål, foråret 2015 SmartLearning Litteratur: Kenneth Hansen & Charlotte Koldsø: Statistik I økonomisk perspektiv, Hans Reitzels Forlag 2012, 2. udgave,

Læs mere

Fagplan for statistik, efteråret 2015

Fagplan for statistik, efteråret 2015 Side 1 af 7 M Fagplan for statistik, efteråret 20 Litteratur Kenneth Hansen & Charlotte Koldsø (HK): Statistik I økonomisk perspektiv, Hans Reitzels Forlag 2012, 2. udgave, ISBN 9788741256047 HypoStat

Læs mere

Rettevejledning til eksamen i Kvantitative metoder 1, 2. årsprøve 2. januar 2007

Rettevejledning til eksamen i Kvantitative metoder 1, 2. årsprøve 2. januar 2007 Rettevejledning til eksamen i Kvantitative metoder 1,. årsprøve. januar 007 I rettevejledningen henvises der til Berry and Lindgren "Statistics Theory and methods"(b&l) hvis ikke andet er nævnt. Opgave

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

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

Reeksamen Bacheloruddannelsen i Medicin med industriel specialisering. Eksamensdato: Tid: kl

Reeksamen Bacheloruddannelsen i Medicin med industriel specialisering. Eksamensdato: Tid: kl Reeksamen 2018 Titel på kursus: Uddannelse: Semester: Forsøgsdesign og metoder Bacheloruddannelsen i Medicin med industriel specialisering 6. semester Eksamensdato: 13-08-2018 Tid: kl. 09.00-11.00 Bedømmelsesform

Læs mere

Skriftlig Eksamen Kombinatorik, sandsynlighed og randomiserede algoritmer (DM528)

Skriftlig Eksamen Kombinatorik, sandsynlighed og randomiserede algoritmer (DM528) Skriftlig Eksamen Kombinatorik, sandsynlighed og randomiserede algoritmer (DM528) Institut for Matematik & Datalogi Syddansk Universitet Mandag den 3 Januar 2011, kl. 9 13 Alle sædvanlige hjælpemidler

Læs mere

Undersøgelse om IT i folkeskolen 2011

Undersøgelse om IT i folkeskolen 2011 Undersøgelse om IT i folkeskolen 2011 Udarbejdet af Scharling Research for redaktionen af Folkeskolen, november 2011 Scharling.dk Formål Denne rapport har til hensigt at afdække respondenternes kendskab

Læs mere

Hvad skal vi lave? Nulhypotese - alternativ. Teststatistik. Signifikansniveau

Hvad skal vi lave? Nulhypotese - alternativ. Teststatistik. Signifikansniveau Hvad skal vi lave? 1 Statistisk inferens: Hypotese og test Nulhypotese - alternativ. Teststatistik P-værdi Signifikansniveau 2 t-test for middelværdi Tosidet t-test for middelværdi Ensidet t-test for middelværdi

Læs mere

Vejledende løsninger kapitel 9 opgaver

Vejledende løsninger kapitel 9 opgaver KAPITEL 9 OPGAVE 1 a) Hypoteser H 0 : Der er uafhængighed (ingen sammenhæng) i kontingenstabellen H 1 : Der er afhængighed (sammenhæng) i kontingenstabellen Observerede værdier Ny metode Gammel metode

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

1 Statistisk inferens: Hypotese og test Nulhypotese - alternativ Teststatistik P-værdi Signifikansniveau...

1 Statistisk inferens: Hypotese og test Nulhypotese - alternativ Teststatistik P-værdi Signifikansniveau... Indhold 1 Statistisk inferens: Hypotese og test 2 1.1 Nulhypotese - alternativ.................................. 2 1.2 Teststatistik........................................ 3 1.3 P-værdi..........................................

Læs mere

Resumé: En statistisk analyse resulterer ofte i : Et estimat θˆmed en tilhørende se

Resumé: 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 mere

Kvantitative Metoder 1 - Efterår 2006. Dagens program

Kvantitative Metoder 1 - Efterår 2006. Dagens program Dagens program Afsnit 2.4-2.5 Bayes sætning Uafhængige stokastiske variable - Simultane fordelinger - Marginale fordelinger - Betingede fordelinger Uafhængige hændelser - Indikatorvariable Afledte stokastiske

Læs mere

Module 4: Ensidig variansanalyse

Module 4: Ensidig variansanalyse Module 4: Ensidig variansanalyse 4.1 Analyse af én stikprøve................. 1 4.1.1 Estimation.................... 3 4.1.2 Modelkontrol................... 4 4.1.3 Hypotesetest................... 6 4.2

Læs mere

Løsning til eksaminen d. 29. maj 2009

Løsning til eksaminen d. 29. maj 2009 DTU Informatik 02402 Introduktion til Statistik 20-2-01 LFF/lff Løsning til eksaminen d. 29. maj 2009 Referencer til Probability and Statistics for Engineers er angivet i rækkefølgen [8th edition, 7th

Læs mere

Matematik B. Højere handelseksamen

Matematik B. Højere handelseksamen Matematik B Højere handelseksamen hhx122-mat/b-17082012 Fredag den 17. august 2012 kl. 9.00-13.00 Prøven består af to delprøver. Delprøven uden hjælpemidler består af opgave 1 til 5 med i alt 5 spørgsmål.

Læs mere

Opgave 6. Opgave 7. Peter Harremoës Mat A eksamen med hjælpemidler 25. maj 2013. (x + a) 1 /2. dx = 42 løses ved hjælp af GeoGebra CAS: Ligningen 15

Opgave 6. Opgave 7. Peter Harremoës Mat A eksamen med hjælpemidler 25. maj 2013. (x + a) 1 /2. dx = 42 løses ved hjælp af GeoGebra CAS: Ligningen 15 Opgave 6 Ligningen 15 0 (x + 1 /2 dx = 42 løses ved hjælp af GeoGebra CAS: Løsningen er derfor a = 1. Se Bilag 2! Opgave 7 Et søjlediagram over hyppighed af lønsum er vist nedenfor. Gennemsnittet er 64.4

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

OR stiger eksponentielt med forskellen i BMI komplicet model svær at forstå og analysere simpel model

OR stiger eksponentielt med forskellen i BMI komplicet model svær at forstå og analysere simpel model Epidemiologi og biostatistik. Uge 5, torsdag. marts 1 Morten Frydenberg, Institut for Biostatistik. 1 Analyse af overlevelsesdata (ventetidsdata) Censurering (højre + andet) Kaplan-Meyer kurver Det statistiske

Læs mere

Sidste gang: One-way(ensidet)/one-factor ANOVA I dag: Two-factor ANOVA (Analysis of variance) Two-factor ANOVA med interaktion

Sidste gang: One-way(ensidet)/one-factor ANOVA I dag: Two-factor ANOVA (Analysis of variance) Two-factor ANOVA med interaktion VARIANSANALYSE 2 Sidste gang: One-way(ensidet)/one-factor ANOVA I dag: (Analysis of variance) med interaktion Problem: Hvordan håndterer vi forsøg, hvor effekten er forårsaget af to faktorer og en evt.

Læs mere

Program. 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 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 mere

Maple 11 - Chi-i-anden test

Maple 11 - Chi-i-anden test 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.

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

Kollektiv intelligens

Kollektiv intelligens Kollektiv intelligens Few people think more than two or three times a year. I have made an international reputation for myself by thinking once or twice a week George Bernard Shaw Det individuelle gruppearbejde

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

Opgave 6. Opgave 7. Peter Harremoës Matematik A med hjælpemidler 26 maj 2015. a) Se Bilag 2! b) Variablen n isoleres. L = 2 z 1 α. L = 2 z 1 α L = n =

Opgave 6. Opgave 7. Peter Harremoës Matematik A med hjælpemidler 26 maj 2015. a) Se Bilag 2! b) Variablen n isoleres. L = 2 z 1 α. L = 2 z 1 α L = n = Opgave 6 a) Se Bilag 2! b) Variablen n isoleres ( L = 2 z 1 α 2 ) 2 L = 2 z 1 α 2 L = 2 z 1 α 2 n = ( ˆp (1 ˆp) n ˆp (1 ˆp) n ˆp (1 ˆp) ( n ( ˆp (1 ˆp) ) 1/2 ) 2 L 2 z 1 α 2 n ) 1/2 Opgave 7 n = 4ˆp (1

Læs mere

Undervisningsbeskrivelse

Undervisningsbeskrivelse Undervisningsbeskrivelse Stamoplysninger til brug ved prøver til gymnasiale uddannelser Termin Maj/juni 2010. Denne beskrivelse dækker efteråret 2011 og foråret 2012. Institution Roskilde Handelsskole

Læs mere