hvor i er observationsnummeret, som løber fra 1 til stikprøvestørrelsen n, X i
|
|
- Jens Eskildsen
- 8 år siden
- Visninger:
Transkript
1 Normalfordeliger For at e stokastisk variabel X ka være ormalfordelt, skal X agive værdie af e eller ade målig, f.eks. tid, lægde, vægt, beløb osv. Notatioe er: Xi ~ N( μ, σ hvor i er observatiosummeret, som løber fra til stikprøvestørrelse, X i er de i te observatio, μ er middelværdie, og σ er variase. Normalfordelige er til forskel fra de hypergeometriske fordelig, biomial- og poissofordelige kotiuert, hvilket betyder, at observatioere ka atage alle værdier. De tre adre fordeliger kaldes diskrete, og de tæller alle tre et atal gage, oget idtræffer. Normalfordelige er e empirisk fordelig, dvs. de har ige forudsætiger. Ma ka blot vise, at mage observatioer følger dee fordelig. Dette vises ved at afbilde de ordede observatioer imod fraktiler fra de stadardiserede ormalfordelig. Dette kaldes et ormalfordeligsdiagram, fraktilplot eller et probitdiagram. Hvis puktere i diagrammet tilærmelsesvis følger e ret liie med e kocetratio af pukter omkrig midte af liie, har ma godtgjort, at det er rimeligt at atage, at observatioere stammer fra e ormalfordelig. Der fides e lieær sammehæg mellem to vilkårlige ormalfordeliger, hvilket betyder, at ma ku behøver at tabellægge é ormalfordelig. Ma kommer således ikke ud for, at skulle approksimere fra e ormalfordelig til oget adet. Ma har valgt at tabellægge ormalfordelige med middelværdi og varias. Dee kaldes de stadardiserede ormalfordelig, og fordeligsfuktioe fides i Erlag S på side og 3. Middelværdie μ kaldes også forvetige eller geemsittet (selvom det ikke er helt korrekt, og de fortæller oget om observatioeres værdi. Det er derfor ofte middelværdie, der bliver spurgt om, og som skal estimeres, testes osv. Spredige (eller stadardafvigelse σ eller variase σ fortæller oget om variatioe i data, altså hvor forskellige værdiere er. Dette er i virkelighede midst lige så iteressat, f.eks. ved kvalitetskotrol, hvor ma skal have e esartet produktio (dvs. lille varias og er ligeglad med iveauet (altså middelværdie. COMPLET A/S SIDE 7 OPGAVESAMLING I STATISTIK
2 E ormalfordelt stikprøve I et større vekselerfirma i Købehav har ma lavet e udersøgelse af forskellige ivesterigsobjekter. For forskellige aktier blev det procetvise udbytte i 995 registreret. Resultatet blev: 6,; 3,; 7,8; 9,8; 6,8;,9;,; 9,;,9;,; 5,; 6,7; 4,; 9,4; 7,; 6,; 9,;,4; 8,7 og, hvor Σaktieudbytte = 6,4 og Σaktieudbytte = 5,8 Grudlæggede spørgsmål. Opstil e model til beskrivelse af det foreliggede materiale, og kotrollér de.. Aflæs de grafiske estimater på modelles parametre, og beyt disse i de to efterfølgede spørgsmål. 3. Estimér sadsylighede for, at e tilfældigt udvalgt aktie giver et udbytte på midst 3%. 4. Estimér sadsylighede for, at e tilfældigt udvalgt aktie giver et udbytte mellem % og 5%. Middelsvære spørgsmål 5. Pukt- og itervalestimér modelles parametre. 6. E ivestor øsker at ivestere mio. kr., som hu skal låe i bake. Omkostigere i forbidelse med etablerige og forretige af lået i det første år skøes til.,- kr. Opstil et kofidesiterval for de forvetede fortjeeste det første år. 7. Udersøg, om det bedre kue betale sig at ivestere i obligatioer, der i samme periode havde et udbytte på %. 8. Udersøg, om usikkerhede ved udersøgelse (dvs. stadardafvigelse ka være 4. Svære spørgsmål 9. Bereg styrke til teste i spørgsmål 7 i %.. Fastlæg e y stikprøvestørrelse, hvis styrke skal være midst 97%. COMPLET A/S SIDE 7 OPGAVESAMLING I STATISTIK
3 Løsig til Grudlæggede spørgsmål Der er her tale om måliger, og ma ka se, at observatioere ikke er heltallige. Ma ka forestille sig, at der er e middelforretig, og at observatioere vil fordele sig symmetrisk omkrig dee. De adre spørgsmål omhadler middelværdi og varias (eller spredig, som jo etop er ormal-fordeliges parametre.. Lad X i være uafhægige stokastiske variable, der agiver forretige af aktie i. Da må der gælde: X i ~ N( μ, σ hvor i løber fra til. Ma ka opstille følgede skema, hvor observatioere er ordet efter størrelse, og der er udreget hjælpestørrelse (i-,5/. Vha. disse værdier ka ma ete slå u- fraktilere op ved at gå baglæs id i ormalfordelige eller bruge fuktioe stadardormiv i Excel på værdiere. Observatiosr. i Ordede observatioer (i-,5 u-fraktiler 6,,5 -,96 6,7,75 -, ,,5 -,53 4 7,8,75 -, ,7,5 -, ,,75 -, ,,35 -, ,4,375 -, ,8,45 -,89,,475 -,67,9,55,67,9,575,89 3,,65,386 4,,675,4538 5,4,75, ,,775, ,,85, ,,875,53 9 6,,95,4395 6,8,975,96 Afbilder ma så u-fraktilere mod de ordede observatioer, skal puktere gere fordele sig omkrig e ret liie. På grafe ligger puktere fit omkrig e ret liie, så ma ka atage, at observatioere stammer fra e ormalfordelig. COMPLET A/S SIDE 73 OPGAVESAMLING I STATISTIK
4 4 Normalfraktildiagram Udbytte. Det grafiske estimat på middelværdie μ ka aflæses, som x-værdie til skærigspuktet mellem de rette liie og x-akse. Ma ka aflæse estimatet til ca.,5. Det grafiske estimat på middelværdie μ plus spredige σ ka aflæses, som x- værdie til puktet med y-værdi. y = er idteget, og ma ka aflæse estimatet til ca. 4. Trækker ma herfra estimatet på middelværdie μ, som lige blev aflæst til,5, får ma 3,5, hvilket er estimatet på spredige σ. Variase σ estimeres så til ca.,5. Note om trasformatioer Hvis puktere i ormalfraktildiagrammet udviser e tydelig krum tedes (svarede til e højreskæv fordelig, som ka ses i et histogram, bør ma trasformere data vha. e logaritmefuktio. Normalfraktildiagram Histogram Logaritmefuktioer uderpresser store observatioer, hvilket vil få ormalfraktildiagrammet til at blive mere lieært og histogrammet mere symmetrisk. Højreskæve fordeliger ses ofte, f.eks. år ma betragter acieitet, alder og omsætig, da ige af disse størrelser ka blive egative. COMPLET A/S SIDE 74 OPGAVESAMLING I STATISTIK
5 3. Når ma skal berege sadsyligheder i e ormalfordelig, skal ma først trasformere si værdi og så slå op i de stadardiserede ormalfordelig. Dette gøres vha. regereglere for sadsyligheder på side Fejl! Ukedt argumet for parameter.: x μ P(X x = Φ( og σ x μ P(X x = Φ( σ Aderse m.fl. s., Newbold s., Løborg s. 5 Bemærk, at da ormalfordelige er kotiuert, skal ma ikke som i de adre fordeliger trække fra si værdi x. Ved idsættelse får ma: 3,5 P (X 3 = Φ( = Φ(,743 = -,765 =,3885 3,5 Dvs. ca. 4% af aktiere giver et udbytte på midst 3%. 4. På ligede måde fider ma: P(x X x x μ x μ = Φ( Φ( σ σ Aderse m.fl. s., Newbold s., Løborg s. 5 Ved idsættelse får ma: 5,5,5 P( X 5 = Φ( Φ( = Φ(,857 - Φ( -,49 3,5 3,5,947 -,44433 =,4574 Dvs. kap 46% af aktiere giver et udbytte mellem % og 5%. = COMPLET A/S SIDE 75 OPGAVESAMLING I STATISTIK
6 Løsig til Middelsvære spørgsmål 5. I dette spørgsmål skal ma fide de umeriske estimater, og altså ikke aflæse værdiere på ormalfordeligsdiagrammet. Estimatere bereges ved: μ ˆ = x = x i og i= Aderse m.fl. s. 67, Newbold s. 7, Løborg s. 44 σ ˆ = s = i= (x i x = ( i= Aderse m.fl. s. 68, Newbold s. 44, Løborg s. 45 x i x = ( i= x i ( i= x i x kaldes geemsittet, og s kaldes de empiriske varias. Ved idsættelse får ma: μ ˆ = x = 6,4 =,8 og σ ˆ = s = 6,4 (5,8 = 9,469 (--itervalestimat (eller kofidesiterval for μ med =,5: μˆ ± u σ hvis de sade varias σ er kedt, hvad de sjældet er. Aderse m.fl. s., Newbold s. 78, Løborg s. 58 Husk, at Newbold kalder u-fraktilere for z. Dette kofidesiterval ka også bereges ved at vælge fuktioe kofidesiterval i Excel. Når de sade varias σ ikke er kedt og derfor estimeret vha. de empiriske varias s, skal ma i stedet beytte følgede formel: μˆ ± t ( s hvor t ( er e fraktil i t-fordelige. Aderse m.fl. s. 4, Newbold s. 86, Løborg s. 58 COMPLET A/S SIDE 76 OPGAVESAMLING I STATISTIK
7 Ved idsættelse får ma: μ ˆ ± t ( s,8 ±,4354 = =,8 ± t,5 [ 9,3846;,554] ( 9,469 =,8 ±,93,6858 = hvor ( = t (9 =, 93 er aflæst i tabelle på side 54 i Erlag S. t,5, 975 Itervallet agiver, at middelforretige med 95% sikkerhed vil være mellem ca. 9,4% og ca.,3%. Hvis det er store stikprøver (dvs. >, bliver det midre og midre vigtigt at skele mellem de to typer kofidesitervaller for middelværdie. (--itervalestimat (eller kofidesiterval for σ med =,5: ( s ( s ; hvor χ ( χ ( χ ( Newbold s. 98, Løborg s. 9 er e fraktil i χ -fordelige. Ved idsættelse får ma: ( s ( s ( 9,469 ; ( ( = χ χ,5 ( χ 78,73 78,73 ; = [ 5,448;,596] 3,85 8,9 ; ( 9,469 78,73 78,73 = ; = χ,5 ( χ,975 (9 χ,5 (9 hvor χ -fraktilere er fudet på side 38 og 39 i Erlag S. Itervallet agiver, at variase på forretige med 95% sikkerhed ligger mellem ca. 5,4% og ca.,%. Ehedere for variase skal være opløftet i ade potes, da ma har kvadreret observatioere. Tager ma kvadratrode til disse tal fider ma kofidesitervallet for spredige eller stadardafvigelse σ: ( s χ ( ; ( s χ ( COMPLET A/S SIDE 77 OPGAVESAMLING I STATISTIK
8 Ved idsættelse får ma: [ 5,448 ;,596] = [,336; 4,4788] dvs. med 95% sikkerhed ligger spredige på forretige mellem ca.,3% og ca. 4,5%. 6. Lad Y være e y stokastisk variabel, der agiver fortjeeste det første år. Der må da gælde: Y =.. X%. Dette er e lieær trasformatio, og for disse gælder: E(Y =.. E(X%. Aderse m.fl. s. 97, Newbold s. 88 Når ma så skal fide kofidesitervallet for de forvetede fortjeeste E(Y, ka ma i oveståede formel idsætte edre og øvre kofidesgræse for de forvetede forretig E(X. Ved idsættelse får ma: [.. 9,3846%.;..,554%.] = [ ;.5.54] dvs. med 95% sikkerhed vil de forvetede fortjeeste det første år være mellem ca. 84.,- kr. og ca..3.,- kr. 7. Ma skal her afgøre e påstad om, at det bedre ka betale sig at ivestere i obligatioer. Ma skal altså teste e hypotese: Hypotese: H : μ = H : μ < Aktier og obligatioer er lige gode. Det ka bedre betale sig at ivestere i obligatioer. Bemærk, at μ er middeludbyttet for aktiere. Teststørrelse: Ligesom ved kofidesitervallet har ma også to teststørrelser for middelværdie afhægig af, om de sade varias er kedt eller ukedt og derfor estimeret. Som regel er de sade varias ukedt, og de empiriske varias er udreget. COMPLET A/S SIDE 78 OPGAVESAMLING I STATISTIK
9 X μ X μ U = = σ σ N(, hvis de sade varias er kedt Aderse m.fl. s. 83, Newbold s. 33 X μ X μ T = = s s t( hvis de sade varias σ er ukedt. Aderse m.fl. s. 87, Newbold s. 339, Løborg s. 54 Observeret værdi: Da de sade varias er ukedt, beyttes T-teststørrelse. t = x μ s =,8 9,469 =,76 Kritisk værdi: t ( hvis H er ekeltsidet t ( hvis H er dobbeltsidet Da H er ekeltsidet, og med =,5, får ma ved tabelopslag på side 54 i Erlag S: t ( = t,5 ( = t, 95 (9 =,79 t-fordelige er symmetrisk lige som ormalfordelige, så dee værdi skal forstås både positivt og egativt. COMPLET A/S SIDE 79 OPGAVESAMLING I STATISTIK
10 t-fordelige Observeret værdi -, Kritisk værdi Kritisk værdi Koklusio: Da de umeriske værdi af de observerede værdi af teststørrelse er midre ed de kritiske værdi for teststørrelse, ka ma ikke forkaste hypotese, dvs. obligatioere er ikke sigifikat bedre at ivestere i. Det skal dog bemærkes, at de observerede værdi og de kritiske værdi æste er idetiske, og derfor er koklusioe meget iveaufølsom. Det betyder, at med et adet iveau havde ma ok fået e ade koklusio. De samlede koklusio må derfor være, at ma ikke rigtigt ka kokludere oget. Hvis ma hellere vil berege sigifikassadsylighede, får ma et problem pga. tabelles opbygig. I e t-fordelig ka ma ikke umiddelbart fide sadsyligheder, me ku fraktiler. Vha. disse ka ma så tilærmelsesvis bestemme sigifikas-sadsylighede. Alterativt ka ma berege sigifikassadsylighede i Excel vha. fuktioe tfordelig. Sigifikassadsylighed: p = P(T t hvis H : μ < μ p = P(T t hvis H : μ > μ p = P(T t hvis H : μ μ Aderse m.fl. s. 88, Newbold s. 339, Løborg s. 68 Alle T-teststørrelser behadles på samme måde. Her skal ma beytte de første: p = P(T t COMPLET A/S SIDE 8 OPGAVESAMLING I STATISTIK
11 Ved idsættelse får ma: p = P(T,7 T ~ t( I tabelle på side 54 i Erlag S uder 9 frihedsgrader ka ma aflæse, at,7 ligger mellem 9%-fraktile (=,38 og 95%-fraktile (=,79. Da t-fordelige er symmetrisk, må det betyde, at sigifikassadsylighede ligger mellem - 95% = 5% og -9% = %. I Excel skal ma idsætte fuktioe tfordelig, agive x-værdie til,76, at der er 9 frihedsgrader, og at sadsylighede skal bereges e-sidet. Herved får ma værdie,58, som viser, hvor iveaufølsom koklusioe er. Da sigifikassadsylighede p er større ed iveauet, bliver koklusioe stadig, at obligatioere ikke er sigifikat bedre at ivestere i ed aktiere. 8. På samme måde som før rummer spørgsmålet e påstad. Dee gag om stadard-afvigelse ka være 4. Ma skal altså teste e hypotese: Hypotese: H : σ = 4 Stadardafvigelse ka godt være 4. H : σ 4 Stadardafvigelse er sigifikat forskellig fra 4. Teststørrelse: ( s Q = σ χ ( Aderse m.fl. s. 9, Newbold s. 344, Løborg s. 85 Observeret værdi: ( 9,469 78,73 q = = =, Kritisk værdi: χ ( hvis H : σ < σ χ ( hvis H : σ > σ χ ( og χ ( hvis H : σ σ Newbold s. 345, Løborg s. 88 Da hypotese er dobbeltsidet, og χ -fordelige ikke er symmetrisk, skal ma både fide e edre og e øvre kritisk værdi som i de tredje formel. Med =,5 får ma ved tabelopslag på side 38 i Erlag S: COMPLET A/S SIDE 8 OPGAVESAMLING I STATISTIK
12 Nedre værdi: ( = χ ( = 8, 9 χ χ,5 Øvre værdi: ( = χ ( = 3, 85,975 Chi -fordelig med 9 frihedsgrader Observeret værdi, Kritisk værdi Kritisk værdi Koklusio: Da de observerede værdi af teststørrelse ligger mellem de edre og de øvre kritiske værdi for teststørrelse, ka ma ikke forkaste hypotese, dvs. stadardafvigelse er ikke sigifikat forskellig fra 4. Det skal dog bemærkes, at de observerede værdi og de edre kritiske værdi er sammeligelige og derfor er der måske baggrud for at hævde, at koklusioe er iveaufølsom. Dee koklusio er i øvrigt i overesstemmelse med kofidesitervallet for variase eller stadardafvigelse fudet i spørgsmål 5. Hvis ma hellere vil berege sigifikassadsylighede, får ma ige et problem pga. tabelles opbygig. I e χ -fordelig ka ma ikke umiddelbart fide sadsyligheder, me ku fraktiler. Vha. disse ka ma så tilærmelsesvis bestemme sigifikassadsylighede. Alterativt ka ma berege sigifikassadsylighede i Excel vha. fuktioe chifordelig. Sigifikassadsylighed: p = P(Q q hvis H : σ < σ p = P(Q q hvis H : σ > σ p = mi{p(q q;p(q q} hvis H : σ σ Aderse m.fl. s. 9, Løborg s. 9 Da hypotese er dobbeltsidet, skal ma beytte de tredje formel. Her er det e fordel først at overveje, hvilke sadsylighed, der er midst. På figure med χ -fordelige, de kritiske værdier og de observerede værdi ka ma se, at det må være P(Q q, der er de midste. COMPLET A/S SIDE 8 OPGAVESAMLING I STATISTIK
13 Ved idsættelse får ma: p = P(Q,77 Q ~ χ ( I tabelle på side 38 i Erlag S uder 9 frihedsgrader ka ma aflæse, at,77 ligger mellem 5%-fraktile (=, og %-fraktile (=,65. Dette må betyde, at sigifikassadsylighede ligger mellem 5% = % og % = %. I Excel skal ma agive x-værdie til,77, og at der er 9 frihedsgrader. Herved får ma værdie,98, som agiver P(Q q. Dee værdi skal så trækkes fra og gages med. Hermed får ma sigifikassadsylighede til,64. Koklusioe er selvfølgelig de samme, at ma ikke ka forkaste H, me at ma ka se, at de ikke er særlig iveaufølsom. Løsig til Svære spørgsmål 9. Dette spørgsmål skal forstås i sammehæg med spørgsmål 7. Styrke er sadsylighede for at afvise, at middelværdie er, hvis de faktisk er. Styrke i μ = ka bereges vha. følgede formel: μ μ η( μ = Φ u hvis H s : μ < μ eller μ > μ μ μ μ μ η( μ + Φ = Φ u u hvis H s s : μ μ Aderse m.fl. s. 95, Newbold s. 369 Da hypotese er ekeltsidet, skal ma beytte første formel. Ved idsættelse får ma: η ( = Φ(,645 = Φ(,7 =, ,469 Dvs. med ca. 9% sadsylighed ville ma kue afvise, at middelværdie er, hvis de faktisk ku er.. Hvis ma vil have e større styrke, må ma have e større stikprøvestørrelse, som ka bereges vha. følgede formel: (uη ( μ + u μ s hvis H : μ < μ eller μ > μ COMPLET A/S SIDE 83 OPGAVESAMLING I STATISTIK
14 (u + u η ( μ μ Aderse m.fl. s. 96 s hvis H : μ μ Da hypotese er ekeltsidet, skal ma beytte første formel. Ved idsættelse får ma: (u,97 + u,5 ( 9,469 = (,885 +, ,469 = 9,3 hvor u,97 er aflæst baglæs i tabelle på side 3 i Erlag S. Da stikprøvestørrelse skal være heltallig, ruder ma op til 3. Uder forudsætig af at alt adet er rimeligt kostat, betyder dette, at hvis ma udtager e stikprøve på 3 objekter, vil ma have e sadsylighed på midst 97% for at opdage, at middelværdie ikke er, hvis de faktisk er. Omvedt betyder det, at der højst er 3% sadsylighed for fejlagtigt at acceptere, at middelværdie er, hvis de faktisk er. COMPLET A/S SIDE 84 OPGAVESAMLING I STATISTIK
9. Binomialfordelingen
9. Biomialfordelige 9.. Gekedelse Hvert forsøg ka ku resultere i to mulige udfald; succes og fiasko. I modsætig til poissofordelige er atallet af forsøg edeligt. 9.. Model X : Stokastisk variabel, der
Læs mereStatistik 8. gang 1 KONFIDENSINTERVALLER. Konfidensintervaller: kapitel 11. Valg og test af fordelingsfunktion
Statistik 8. gag 1 KONIDENSINTERVALLER Kofidesitervaller: kapitel 11 Valg og test af fordeligsfuktio Statistik 8. gag 11. KONIDENS INTERVALLER Et kofides iterval udtrykker itervallet hvori de rigtige værdi
Læs mereDefinition: Normalfordelingen. siges at være normalfordelt med middelværdi µ og varians σ 2, hvor µ og σ er reelle tal og σ > 0.
Repetitio: Normalfordelige Ladmåliges fejlteori Lektio Trasformatio af stokastiske variable - kkb@math.aau.dk http://people.math.aau.dk/ kkb/udervisig/lf13 Istitut for Matematiske Fag Aalborg Uiversitet
Læs mere24. januar Epidemiologi og biostatistik. Forelæsning 1 Uge 1, tirsdag. Niels Trolle Andersen, Afdelingen for Biostatistik.
Epidemiologi og biostatistik. Forelæsig Uge, tirsdag. Niels Trolle Aderse, Afdelige for Biostatistik. Geerelt om kurset: - Formål - Forelæsiger - Øvelser - Forelæsigsoter - Bøger - EpiBasic: http://www.biostat.au.dk/teachig/software
Læs mereTest i to populationer. Hypotesetest for parrede observationer Test for ens varians Gensyn med flyskræk!
Test i to populatioer Hypotesetest for parrede observatioer Test for es varias Gesy med flyskræk! Afhægige og uafhægige stikprøver Ved e uafhægig stikprøve udtages e stikprøve fra hver gruppe.. Mæd og
Læs mereLøsninger til kapitel 7
Løsiger til kapitel 7 Opgave 7.1 a) HpoStat giver resultatet: Pop. varias er ukedt, me 30, så Normalf. bruges approksimativt = 54,400 s 1.069,90 = 00,000 0,95 49,868 58,93 Dette betder, at med 95% sikkerhed
Læs mereSpørgsmål 3 (5 %) Bestem sandsynligheden for at et tilfældigt valgt vindue har en fejl ved listerne, når man ved at der er fejl i glasset.
STATISTIK Skriftlig evaluerig, 3. semester, madag de 30. auar 006 kl. 9.00-3.00. Alle hælpemidler er tilladt. Opgaveløsige forsyes med av og CPR-r. OPGAVE Ved e produktio af viduer er der mulighed for,
Læs merePraktisk info. Statistisk analyse af en enkelt stikprøve: kendt eller ukendt varians Sandsynlighedsregning og Statistik (SaSt) I tirsdags.
Praktisk ifo Liste med rettelser og meigsforstyrrede trykfejl i DS på Absalo. Statistisk aalyse af e ekelt stikprøve: kedt eller ukedt varias Sadsylighedsregig og Statistik (SaSt) Helle Sørese Projekt
Læs mere29. januar Epidemiologi og biostatistik Forelæsning 2 Uge 1, torsdag 2. februar 2006 Michael Væth, Afdeling for Biostatistik.
Epidemiologi og biostatistik Forelæsig Uge 1, torsdag. februar 006 ichael Væth, Afdelig for Biostatistik. Sammeligig af to middelværdier sikkerhedsitervaller statistisk test Sammeligig af to proportioer
Læs mereDagens program. Estimation: Kapitel Eksempler på middelrette og/eller konsistente estimator (de sidste fra sidste forelæsning)
Dages program Estimatio: Kapitel 9.4-9.7 Eksempler på middelrette og/eller kosistete estimator (de sidste fra sidste forelæsig) Ko desiterval for store datasæt kap. 9.4 Ko desiterval for små datasæt kap.
Læs mereStatistik Lektion 8. Parrede test Test for forskel i andele Test for ens varians Gensyn med flyskræk!
Statistik Lektio 8 Parrede test Test for forskel i adele Test for es varias Gesy med flyskræk! Afhægige og uafhægige stikprøver Ved e uafhægig stikprøve udtages e stikprøve fra hver gruppe.. Mæd og kviders
Læs mereIndholdsfortegnelse Generelt Diskrete stokastiske variable: Kontinuerte stokastiske variable: Regneregler for stokastiske variable
Idholdsfortegelse Geerelt:...3 Stokastisk variabel:...3 Tæthedsfuktio/sadsylighedsfuktio for stokastisk variabel:...3 Fordeligsfuktio/sumfuktio for stokastisk variabel:...3 Middelværdi:...4 Geemsit:...4
Læs mereStikprøvefordelinger og konfidensintervaller
Stikprøvefordeliger og kofidesitervaller Stikprøvefordelige for middelværdi De Cetrale Græseværdi Sætig Egeskaber Ved Estimatore Kofidesitervaller t-fordelige Estimator og estimat E stikprøve statistik
Læs mereMeningsmålinger KLADDE. Thomas Heide-Jørgensen, Rosborg Gymnasium & HF, 2017
Meigsmåliger KLADDE Thomas Heide-Jørgese, Rosborg Gymasium & HF, 2017 Idhold 1 Meigsmåliger 2 1.1 Idledig................................. 2 1.2 Hvorda skal usikkerhede forstås?................... 3 1.3
Læs mereSandsynlighedsfordelinger for kontinuerte data på interval/ratioskala
Statistik for biologer 005-6, modul 5: Sadsylighedsfordeliger for kotiuerte data på iterval/ratioskala M6, slide Gægse matematiske sadsylighedsfordeliger: Diskrete data: De positive biomialfordelig Poisso-fordelige
Læs mereStatistik Lektion 7. Hypotesetest og kritiske værdier Type I og Type II fejl Styrken af en test Sammenligning af to populationer
Statistik Lektio 7 Hpotesetest og kritiske værdier Tpe I og Tpe II fejl Strke af e test Sammeligig af to populatioer 1 Tri I e Hpotesetest E hpotesetest består af 5 elemeter: I. Atagelser Primært hvilke
Læs mereantal gange krone sker i første n kast = n
1 Uge 15 Teoretisk Statistik, 5. april 004 1. Store tals lov Eksempel: møtkast Koverges i sadsylighed Tchebychevs ulighed Sætig: Store tals lov. De cetrale græseværdisætig 3. Approksimatio af sadsyligheder
Læs mereEstimation ved momentmetoden. Estimation af middelværdiparameter
Statistik og Sadsylighedsregig 1 STAT kapitel 4.2 4.3 Susae Ditlevse Istitut for Matematiske Fag Email: susae@math.ku.dk http://math.ku.dk/ susae Estimatio ved mometmetode Idimellem ka det være svært (eller
Læs mereAnvendt Statistik Lektion 3. Punkt- og intervalestimater Konfidensintervaller Valg af stikprøvestørrelse
Avedt Statistik Lektio 3 Pukt- og itervalestimater Kofidesitervaller Valg af stikprøvestørrelse Pukt- og itervalestimater: Motivatio Motiverede eksempel: I e udersøgelse er adele af rygere 0.27. Det aslås
Læs mereMotivation. En tegning
Motivatio Scatter-plot at det mådelige salg mod det måedlige reklamebudget. R: plot(salg ~ budget, data = salg) Økoometri Lektio Simpel Lieær Regressio salg 400 450 500 550 20 25 30 35 40 45 50 budget
Læs mereVejledende opgavebesvarelser
Vejledede opgavebesvarelser 1. Atal hæder er lig med K(52,5), altså 2598960. Ved brug af multiplikatiospricippet ka atal hæder med 3 ruder og 2 spar udreges som K(13, 3) K(13, 2), hvilket giver 22308.
Læs mere13. februar Resumé: En statistisk analyse resulterer ofte i : Et estimat ˆ θ med en tilhørende se( ˆ θ )
3. februar 003 Epidemiologi og biostatistik. Uge, torag d. 3. februar 003 Morte Frydeberg, Istitut for Biostatistik. Type og type fejl Nogle specielle metoder: Test i RxC tabeller Test i x tabeller Fishers
Læs mereSimpel Lineær Regression. Opsplitning af variationen Determinations koefficient Variansanalyse F-test Model-kontrol
Simpel Lieær Regressio Opsplitig af variatioe Determiatios koefficiet Variasaalse F-test Model-kotrol Opbgig af statistisk model Specificer model Ligiger og atagelser Estimer parametre Modelkotrol Er modelle
Læs mereGenerelle lineære modeller
Geerelle lieære modeller Regressiosmodeller med é uafhægig itervalskala variabel: Y e eller flere uafhægige variable: X,..,X k De betigede fordelig af Y givet X,..,X k atages at være ormal med e middelværdi,
Læs mere1 Punkt- og intervalestimation Punktestimatorer: Centralitet(bias) og efficiens... 2
Idhold 1 Pukt- og itervalestimatio 2 1.1 Puktestimatorer: Cetralitet(bias) og efficies.................... 2 2 Kofidesiterval 3 2.1 Kofidesiterval for adel................................ 4 2.2 Kofidesiterval
Læs mereKonfidens intervaller
Kofides itervaller Kofides itervaller for: Kofides iterval for middelværdi, varias kedt Kofides iterval for middelværdi, varias ukedt Kofides iterval for adel Kofides iterval for varias Bestemmelse af
Læs mereMaja Tarp AARHUS UNIVERSITET
AARHUS UNIVERSITET Maja Tarp AARHUS UNIVERSITET HVEM ER JEG? Maja Tarp, 4 år Folkeskole i Ulsted i Nordjyllad Studet år 005 fra Droiglud Gymasium Efter gymasiet: Militæret Australie Startede på matematik
Læs mereSammenligning af to grupper
Sammeligig af to gruer Reetitio, heruder om kritiske værdier Sammeligig af to gruer Sammeligig af to middelværdier Sammeligig af to adele Sammeligig af to variaser yoteser og hyotesetest. E hyotese er
Læs mereVejledende besvarelser til opgaver i kapitel 15
Vejledede besvarelser til opgaver i apitel 5 Opgave a) De teststatistier, ma aveder til at teste om to middelværdier er es, består af et estimat på forselle mellem middelværdiere,, divideret med et udtry
Læs mereStatistiske test. Efteråret 2010 Jens Friis, AAU. Hjemmeside :
Statistiske test Efteråret 00 Jes Friis, AAU Hjemmeside : http://akaaudk/jfj Kotiuerte fordeliger Defiitio: Tæthedsfuktio E sadsylighedstæthedsfuktio på R er e itegrabel fuktio f : R [0; [ hvor f d = Defiitio:
Læs mere30. august Epidemiologi og biostatistik. Forelæsning 3 Uge 2, torsdag d. 8. september 2005 Michael Væth, Afdeling for Biostatistik.
30. august 005 Epidemiologi og biostatistik. Forelæsig 3 Uge, torag d. 8. september 005 Michael Væth, Afdelig for Biostatistik. Mere om kategoriske data Test for uafhægighed I RxC tabeller Test for uafhægighed
Læs mereSætning: Middelværdi og varians for linearkombinationer. Lad X 1,X 2,...,X n være stokastiske variable. Da gælder. Var ( a 0 + a 1 X a n X n
Ladmåliges fejlteori Lektio 3 Estimatio af σ Dobbeltmåliger Geometrisk ivellemet Lieariserig - rw@math.aau.dk Istitut for Matematiske Fag Aalborg Uiversitet Repetitio: Middelværdi og Varias Sætig: Middelværdi
Læs mereDiskrete og kontinuerte stokastiske variable
Diskrete og kotiuerte stokastiske variable Beroulli Biomial fordelig Negativ biomial fordelig Hypergeometrisk fordelig Poisso fordelig Kotiuerte stokastiske variable Uiform fordelig Ekspoetial fordelig
Læs mereMikroøkonomi, matematik og statistik Eksamenshjemmeopgave 14. 20. december 2007
Mikroøkoomi, matematik og statistik Eksameshjemmeopgave 14. 20. december 2007 Helle Buzel, Tom Egsted og Michael H.J. Stæhr 14. december 2007 R E T N I N G S L I N I E R F O R E K S A M E N S H J E M M
Læs mereLøsningsforslag til skriftlig eksamen i Kombinatorik, sandsynlighed og randomiserede algoritmer (DM528)
Løsigsforslag til skriftlig eksame i Kombiatorik, sadsylighed og radomiserede algoritmer (DM58) Istitut for Matematik & Datalogi Syddask Uiversitet Madag de 3 Jauar 011, kl. 9 13 Alle sædvalige hjælpemidler
Læs mereSTATISTIKNOTER Simple normalfordelingsmodeller
STATISTIKNOTER Simple ormalfordeligsmodeller Jørge Larse IMFUFA Roskilde Uiversitetsceter Februar 1999 IMFUFA, Roskilde Uiversitetsceter, Postboks 260, DK-4000 Roskilde. Jørge Larse: STATISTIKNOTER: Simple
Læs mereProgram. Ensidet variansanalyse Normalfordelingen. Antibiotika og nedbrydning af organisk materiale. Tegninger
Faculty of Life Scieces Program Esidet variasaalyse Normalfordelige Claus Ekstrøm E-mail: ekstrom@life.ku.dk Esidet variasaalyse (oe-way ANOVA) Hvilke type data? Hvad er problemstillige? Variatio mellem
Læs mereStatistik ved Bachelor-uddannelsen i folkesundhedsvidenskab
Statistik ved Bachelor-uddaelse i folkesudhedsvideskab Græseværdisætiger Det hadler om geemsit Statistikere elsker geemsit Det er oplagt e god ide at tage geemsit. Hvis jeg f.eks skal gætte på vægte af
Læs mereTests for forskel i central tendens for data på ordinal- og intervalskala. Typer af statistiske test:
Statistik for biologer 005-6, modul 7: Tests for forskel i cetral tedes for data på ordial- og itervalskala M7, slide M7, slide Typer af statistiske test: Parametrisk statistik: - Tester for forskel i
Læs mereMatematik A. Højere handelseksamen. Tirsdag den 26. maj 2015 kl hhx151-mat/a
Matematik A Højere hadelseksame hhx151-mat/a-26052015 Tirsdag de 26. maj 2015 kl. 9.00-14.00 Matematik A Prøve består af to delprøver. Delprøve ude hjælpemidler består af opgave 1 til 5 med i alt 5 spørgsmål.
Læs mereUndersøgelse af numeriske modeller
Udersøgelse af umeriske modeller Formål E del af målsætige med dette delprojekt er at give kedskab til de begræsiger, fejl og usikkerheder, som optræder ved modellerig. I de forbidelse er følgede udersøgelse
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 mereMatematik A. Studentereksamen. Forberedelsesmateriale. Forsøg med digitale eksamensopgaver med adgang til internettet.
Matematik A Studetereksame Forsøg med digitale eksamesopgaver med adgag til iterettet Forberedelsesmateriale Vejledede opgave Forår 0 til stx-a-net MATEMATIK Der skal afsættes 6 timer af holdets sædvalige
Læs mereTeoretisk Statistik, 9. februar Beskrivende statistik
Uge 7 I Teoretisk Statistik, 9 februar 004 Beskrivede statistik Kategoriserede variable 3 Kvatitative variable 4 Fraktiler for ugrupperede observatioer 5 Fraktiler for grupperede observatioer 6 Beliggeheds-
Læs mereProjekt 9.1 Regneregler for stokastiske variable middelværdi, varians og spredning
Hvad er matematik? Projekter: Kaitel 9 Projekt 9 Regeregler for stokastiske variable middelværdi, varias og sredig Projekt 9 Regeregler for stokastiske variable middelværdi, varias og sredig Sætig : Regeregler
Læs mereElementær Matematik. Polynomier
Elemetær Matematik Polyomier Ole Witt-Hase 2008 Køge Gymasium Idhold 1. Geerelle polyomier...1 2. Divisio med hele tal....1 3. Polyomiers divisio...2 4. Polyomiers rødder....4 5. Bestemmelse af røddere
Læs mereMatematisk Modellering 1 Hjælpeark
Matematisk Modellerig Hjælpeark Kaare B. Mikkelse 2005090 3. september 2007 Idhold Formler 2 2 Aalyse af k ormalfordelte prøver 2 2. Modelcheck............................................ 2 2.2 Test af
Læs mereSTATISTISKE GRUNDBEGREBER
MOGENS ODDERSHEDE LARSEN STATISTISKE GRUNDBEGREBER med avedelse af TI 89 og Excel 8 5 9 6 3 0 Histogram for ph 6,9 7, 7,3 7,5 7,7 7,9 ph. udgave 0 FORORD Der er i dee bog søgt at give letlæst og askuelig
Læs mereLys og gitterligningen
Fysik rapport: Lys og gitterligige Forfatter: Bastia Emil Jørgese.z Øvelse blev udført osdag de 25. jauar 202 samme med Lise Kjærgaard Paulse 2 - Bastia Emil Jørgese Fysik rapport (4 elevtimer), februar
Læs mereClaus Munk. kap. 1-3
Claus Muk kap. 1-3 1 Dages forelæsig Grudlæggede itroduktio til obligatioer Betaligsrækker og låeformer Det daske obligatiosmarked Pris og kurs Effektive reter 2 1 Obligatioer Grudlæggede Itro Debitor
Læs mereDagens forelæsning. Claus Munk. kap. 1-3. Obligationer Grundlæggende Intro. Obligationer Grundlæggende Intro. Obligationer Grundlæggende Intro
Dages forelæsig Grudlæggede itroduktio til obligatioer Claus Muk kap. - 3 Betaligsrækker og låeformer Det daske obligatiosmarked Effektive reter 2 Obligatioer Grudlæggede Itro Obligatioer Grudlæggede Itro
Læs mereOversigt. Kursus 02402/02323 Introducerende Statistik. Forelæsning 12: Inferens for andele. Klaus K. Andersen og Per Bruun Brockhoff
Kursus 02402/02323 Itroducerede Statistik Forelæsig 12: Iferes for adele Klaus K. Aderse og Per Bruu Brockhoff DTU Compute, Statistik og Dataaalyse Damarks Tekiske Uiversitet 2800 Lygby Damark e-mail:
Læs merevejer (med fortegn). Det vil vi illustrere visuelt og geometrisk for (2 2)-matricer og (3 3)-matricer i enote 6.
enote 5 enote 5 Determiater I dee enote ser vi på kvadratiske matricer. Deres type er altså for 2, se enote 4. Det er e fordel, me ikke absolut ødvedigt, at kede determiatbegrebet for (2 2)-matricer på
Læs mereØkonometri 1. Definition og motivation. Definition og motivation. Dagens program. Den multiple regressionsmodel 15. februar 2006
Dages program Økoometri De multiple regressiosmodel 5. februar 006 Emet for dee forelæsig er de multiple regressiosmodel (Wooldridge kap 3.-3.3+appedix E.-E.) Defiitio og motivatio Fortolkig af parametree
Læs mereProjekt 4.8 De reelle tal og 1. hovedsætning om kontinuerte funktioner
Projekter: Kapitel 4 Projekt 48 De reelle tal og hovedsætig om kotiuerte fuktioer Projekt 48 De reelle tal og hovedsætig om kotiuerte fuktioer Kotiuitet og kotiuerte fuktioer Ord som kotiuert og kotiuerlig
Læs mereDen flerdimensionale normalfordeling
De flerdimesioale ormalfordelig Stokastiske vektorer Ved e stokastisk vektor skal vi forstå e vektor, hvor de ekelte kompoeter er sædvalige stokastiske variable. For de stokastiske vektor Y = Y,..., Y
Læs mereRenteformlen. Erik Vestergaard
Reteformle Erik Vestergaard 2 Erik Vestergaard www.matematikfysik.dk Erik Vestergaard, 2010. Billeder: Forside: istock.com/ilbusca Side 4: istock.com/adresrimagig Desude ege illustratioer. Erik Vestergaard
Læs mereSTATISTISKE GRUNDBEGREBER
MOGENS ODDERSHEDE LARSEN STATISTISKE GRUNDBEGREBER 18 15 1 9 6 3 0 Histogram for ph 6,9 7,1 7,3 7,5 7,7 7,9 ph 13 udgave 013 FORORD Der er i dee bog søgt at give letlæst og askuelig fremstillig af de statistiske
Læs mereKvantitative metoder 2
Dages program Kvatitative metoder De multiple regressiosmodel 6. februar 007 Emet for dee forelæsig er de multiple regressiosmodel (Wooldridge kap 3.- 3.+appedix E.) Defiitio og motivatio Fortolkig af
Læs mereOpsamling. Lidt om det hele..!
Opsamlig Lidt om det hele..! Kursus oversigt Hvad har vi været igeem: Deskriptiv statistik Sadsyligheder Stokastiske variable diskrete og kotiuerte Fordeliger Estimatio Test Iferes Sammeligig af middelværdier
Læs mereGENEREL INTRODUKTION.
Study Guide til Matematik C. OVERSIGT. Dee study guide ideholder følgede afsit - Geerel itroduktio. - Emeliste. - Eksame. - Bilag. Udervisigsmiisteriets bekedtgørelse for matematik C. GENEREL INTRODUKTION.
Læs mereProjekt 1.3 Brydningsloven
Projekt 1.3 Brydigslove Når e bølge, fx e lysbølge, rammer e græseflade mellem to stoffer, vil bølge ormalt blive spaltet i to: Noget af bølge kastes tilbage (spejlig), hvor udfaldsvikle u er de samme
Læs mereØkonometri 1. Inferens i den lineære regressionsmodel 29. september Økonometri 1: F7 1
Økoometri 1 Iferes i de lieære regressiosmodel 9. september 006 Økoometri 1: F7 1 Dages program Opsamlig af hemmeopgave om Mote Carlo eksperimeter Mere om hypotesetest: Ekelt lieær restriktio på koefficieter
Læs mereModul 14: Goodness-of-fit test og krydstabelanalyse
Forskigsehede for Statistik ST01: Elemetær Statistik Bet Jørgese Modul 14: Goodess-of-fit test og krydstabelaalyse 14.1 Idledig....................................... 1 14.2 χ 2 -test i e r c krydstabel.............................
Læs mereProgram. Middelværdi af Y = t(x ) Transformationssætningen
Program Statistik og Sadsylighedsregig 2 Trasformatio af kotiuerte fordeliger på R, flerdimesioale kotiuerte fordeliger, mere om ormalfordelige Helle Sørese Uge 7, osdag I formiddag: Opfølgig på trasformatiossætige
Læs mereMatematikkens mysterier - på et obligatorisk niveau. 7. Ligninger, polynomier og asymptoter
Matematikkes mysterier - på et obligatorisk iveau af Keeth Hase 7. Ligiger, polyomier og asymptoter Hvad er e asymotote? Og hvorda fides de? 7. Ligiger, polyomier og asymptoter Idhold 7.0 Idledig 7.1 Udsag
Læs mereGamle eksamensopgaver. Diskret Matematik med Anvendelser (DM72) & Diskrete Strukturer(DM504)
Gamle eksamesopgaver Diskret Matematik med Avedelser (DM72) & Diskrete Strukturer(DM504) Istitut for Matematik& Datalogi Syddask Uiversitet, Odese Alle sædvalige hjælpemidler(lærebøger, otater etc.), samt
Læs mereVelkommen. Program. Statistik og Sandsynlighedsregning 2 Sandsynlighedstætheder og kontinuerte fordelinger på R. Praktiske ting og sager
Program Statistik og Sadsylighedsregig 2 Sadsylighedstætheder og kotiuerte fordeliger på R Helle Sørese Uge 6, madag Velkomme I dag: Praktiske bemærkiger Hvad skal vi lave på SaSt2? Sadsylighedstætheder
Læs mereStudyGuide til Matematik B.
StudyGuide til Matematik B. OVERSIGT. Dee study guide ideholder følgede afsit Geerel itroduktio. Emeliste. Eksame. Bilag 1: Udervisigsmiisteriets bekedtgørelse for matematik B. Bilag 2: Bilag 3: Uddrag
Læs mereNoter om kombinatorik, Kirsten Rosenkilde, februar 2008 1. Kombinatorik
Noter om ombiatori, Kirste Roseilde, februar 008 Kombiatori Disse oter er e itrodutio til ombiatori og starter helt fra bude, så e del af det idledede er siert edt for dig allerede, me der ommer også hurtigt
Læs mereHovedpointer fra SaSt
Hovedpoiter fra SaSt Marti Nørgaard Peterse 13. februar 2018 Følgede geemgår udvalgte begreber fra E Itroduktio til Sadsylighedsregig af M. Sørese (9. udgave), Itroductio to Likelihood-based Estimatio
Læs mereAsymptotisk optimalitet af MLE
Kapitel 4 Asymptotisk optimalitet af MLE Lad Y 1, Y 2,... være uafhægige, idetisk fordelte variable med værdier i et rum (Y,K). Vi har givet e model (ν θ ) θ Θ for fordelige af Y 1 (og dermed også for
Læs mereMorten Frydenberg version dato:
Morte Frdeberg versio dato: 4--4 Itroduktio til kurset Statistik Forelæsig Morte Frdeberg, Sektio for Biostatistik af Biostatistik dele af. semester kurset. Statistiske modeller Biomialfordelige Normalfordelige
Læs mere(VIDENSKABSTEORI) STATISTIK (EKSPERIMENTELT ARBEJDE)
(VIDENSKABSTEORI) STATISTIK (EKSPERIMENTELT ARBEJDE) x-klassere Gammel Hellerup Gymasium Idholdsfortegelse INDLEDNING... 3 DESKRIPTIV STATISTIK... 3 Eksempler ide for deskriptiv statistik... 12 Normalfordeligskurver...
Læs mereog Fermats lille sætning
Projekter: Kaitel 0. Projekt 0. Modulo-regig, restklassegruer og Fermats lille sætig Projekt 0. Modulo-regig, restklassegruere ( { 0 }, ) og Fermats lille sætig Vi aveder moduloregig og restklasser mage
Læs mereSTATISTIK x-klasserne Gammel Hellerup Gymnasium
STATISTIK x-klassere Gammel Hellerup Gymasium Jui 209 ; Michael Szymaski ; mz@ghg.dk Idholdsfortegelse INDLEDNING...3 DESKRIPTIV STATISTIK...4 Skemaer...5 Diagrammer...8 Statistiske deskriptorer... 0 Typetal
Læs merex-klasserne Gammel Hellerup Gymnasium
SANDSYNLIGHEDSREGNING OG KOMBINATORIK x-klassere Gammel Hellerup Gymasium Idholdsfortegelse SANDSYNLIGHEDSREGNING... 3 SANDSYNLIGHEDSFELT... 3 DE STORE TALS LOV... 4 Sadsyligheder og frekveser:... 4 STOKASTISK
Læs mereKapitel 10 KALIBRERING AF STRØMNINGSMODEL
Kapitel 0 KALIBRERING AF STRØMNINGSMODEL Torbe Obel Soeborg Hydrologisk afdelig, GEUS Nøglebegreber: Kalibrerigsprotokol, observatiosdata, kalibrerigskriterier, idetificerbarhed, etydighed, parameterestimatio,
Læs mereUge 40 I Teoretisk Statistik, 30. september 2003
Uge 40 Teoretis tatisti, 30. september 003 Esidet variasaalyse Model, otatio, hypotese og hælpehypotese Test af hælpehypotese Opdaterig af variasestimat Test af hypotese om es middelværdier Variasaalysesema
Læs mereIntroduktion til uligheder
Itroduktio til uligheder Dette er e itroduktio til ogle basale uligheder om det aritmetiske geemsit, det geometriske geemsit, det harmoiske geemsit og det kvadratiske geemsit. Først skal vi ved fælles
Læs mereFormelskrivning i Word 2. Sådan kommer du i gang 4. Eksempel med skrivning af brøker 5. Brøker skrevet med småt 6. Hævet og sænket skrift 6
Dee udgave er til geemkig på ettet. Boge ka købes for kr. 5 hos EH-Mat. E y og udvidet udgave med title»symbol- og formelskrivig«er udkommet september 00. Se mere om de her. Idholdsfortegelse Formelskrivig
Læs mereLængde [cm] Der er frit vandspejle i sandkassen. Herudover er sandkassen åben i højden cm i venstresiden og 0-20 cm i højresiden.
Vadtrasportmodel Formål For beregig af vadtrasporte i sadkasse er der lavet e boksmodel. Formålet med boksmodelle er at beskrive vadtrasporte i sadkasse. Herover er formålet at bestemme de hydrauliske
Læs mereTEKST NR 435 2004. TEKSTER fra IMFUFA
TEKST NR 435 2004 Basisstatisti 2. udgave Jørge Larse August 2006 TEKSTER fra IMFUFA INSTITUT ROSKILDE UNIVERSITETSCENTER FOR STUDIET AF MATEMATIK OG FYSIK SAMT DERES FUNKTIONER I UNDERVISNING, FORSKNING
Læs mereRettevejledning til HJEMMEOPGAVE 1 Makro 1, 2. årsprøve, foråret 2007 Peter Birch Sørensen
Rettevejledig til HJEMMEOPGAVE Makro, 2. årsprøve, foråret 2007 Peter Birch Sørese Opgave... Udsaget er forkert. De omtalte skatteomlægig må atages at øge beskæftigelse p.gr.a. e positiv substitutioseffekt
Læs mereStatistiske Modeller 1: Notat 1
Statistiske Modeller : Notat Jes Ledet Jese 9. august 005 Idhold Kast med k-sidet terig Betigig i multiomialfordelig 3 3 Fordelig af X + X - frembrigede fuktio 4 4 Maksimerig af log-likelihood 5 5 Afledede
Læs mereDATV: Introduktion til optimering og operationsanalyse, 2007. Bin Packing Problemet
DATV: Itroduktio til optimerig og operatiosaalyse, 2007 Bi Packig Problemet David Pisiger, Projektopgave 2 Dette er de ade obligatoriske projektopgave på kurset DATV: Itroduktio til optimerig og operatiosaalyse.
Læs mereIMFUFA TEKST NR TEKSTER fra ROSKILDE UNIVERSITETSCENTER. Jørgen Larsen
TEKST NR 435 2004 Basisstatistik 2. udgave Jørge Larse August 2006 TEKSTER fra IMFUFA INSTITUT ROSKILDE UNIVERSITETSCENTER FOR STUDIET AF MATEMATIK OG FYSIK SAMT DERES FUNKTIONER I UNDERVISNING, FORSKNING
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 mereBekendtgørelse om takstændringer i offentlig servicetrafik i trafikselskaber og hos jernbanevirksomheder m.v. (takststigningsloftet)
Oversigt (idholdsfortegelse) Bilag 1 Bilag 2 Bilag 3 De fulde tekst Bekedtgørelse om takstædriger i offetlig servicetrafik i trafikselskaber og hos jerbaevirksomheder m.v. (takststigigsloftet) I medfør
Læs mereFUNKTIONER del 1 Funktionsbegrebet Lineære funktioner Eksponentialfunktioner Logaritmefunktioner Rentesregning Indekstal
FUNKTIONER del Fuktiosbegrebet Lieære fuktioer Ekspoetialfuktioer Logaritmefuktioer Retesregig Idekstal -klassere Gammel Hellerup Gymasium November 08 ; Michael Szymaski ; mz@ghg.dk Idholdsfortegelse FUNKTIONSBEGREBET...
Læs mereSandsynlighedsregning 9. forelæsning Bo Friis Nielsen
Dages eer afsit 5.3 og 5.4 Siultae kotiuerte fordeliger P(X dx,y dy = f(x,ydxdy Sadsylighedsregig 9. forelæsig Bo Friis Nielse Mateatik og Coputer Sciece Daarks Tekiske Uiversitet 8 Kgs. Lygby Daark Eail:
Læs mereSTATISTISKE GRUNDBEGREBER
MOGENS ODDERSHEDE LARSEN STATISTISKE GRUNDBEGREBER 18 15 1 9 6 3 0 Histogram for ph 6,9 7,1 7,3 7,5 7,7 7,9 ph 17. udgave 016 FORORD Der er i dee bog søgt at give letlæst og askuelig fremstillig af de
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 mereProgram. Populationer og stikprøver. Praktiske oplysninger. Eksempel vaccine mod miltbrand hos får. Praktiske oplysninger
Faculty of Life Scieces Program Populatioer og stikprøver Claus Ekstrøm E-mail: ekstrom@life.ku.dk Praktiske oplysiger Populatioer og stikprøver Data Datatyper Visualiserig Cetrum og spredig af e fordelig
Læs mereEksempel 10.1 En autoregressiv proces af orden 1 (ofte blot kaldet en AR(1)- proces) pårhar et opdateringsskema (10.1) med funktionen. for y R.
Kapitel 0 Markovkæder Vi vil i det følgede studere processer Y 0, Y, Y 2,... med værdier irgivet på forme Y = f (Y +ǫ for =, 2,... (0. Her erǫ,ǫ 2,... e følge af iid støjvariable med middelværdi 0, alle
Læs mereSandsynlighedsteori 1.2 og 2 Uge 5.
Istitut for Matematiske Fag Aarhus Uiversitet De 27. jauar 25. Sadsylighedsteori.2 og 2 Uge 5. Forelæsiger: Geemgage af emere karakteristiske fuktioer og Mometproblemet afsluttes, og vi starter på afsittet
Læs mereDu skal redegøre for løsning af ligninger og herunder behandle omformningsreglerne for ligninger.
Eksamesspørgsmål mac7100 maj/jui 013. Spørgsmål 1: Ligiger Du skal redegøre for løsig af ligiger og heruder behadle omformigsreglere for ligiger. Giv eksempler på hvorda forskellige ligigstyper (lieære,
Læs mere