SUPPLEMENT til Anvendt statistik

Størrelse: px
Starte visningen fra side:

Download "SUPPLEMENT til Anvendt statistik"

Transkript

1 SUPPLEMET tl Avedt statstk IDHOLD A BEVISER VEDRØREDE ORMALFORDELIGE 3A χ - FORDELIE 3 3B t - FORDELIGE 6 3C F - FORDELIGE 7 4A DEFIITIOER OG EKSEMPLER PÅ CETRALE OG EFFEKTIVE ESTIMATORER 9 4B BEVISER FOR FORMLER FOR KOFIDESITERVALLER 5A BEVISER FOR FORMLER I HYPOTESETEST 3 5B OC-KURVER OG DIMESIOERIG 6 7A BEVIS FOR MIDDELVÆRDI OG SPREDIG FOR HYPERGEOMETRISK VARIABEL 8 7B BEVISER FOR FORMLER I BIOMIAL- OG POISSO-TEST 9 7C BEVISSKITSE FOR TÆTHEDSFUKTIOE FOR POISSOFORDELIGE 9 BEGRUDELSE FOR GRÆSERE FOR KOTROLKORT 3 3 FORMLER TIL BEREGIG AF ESIDET VARIASAALYSE 5 4 FORMLER TIL BEREGIG AF TOSIDET VARIASAALYSE 7 5 FORMLER TIL BEREGIG AF REGRESSIOSAALYSE UDE GETAGELSER 9 5 FORMLER TIL BEREGIG AF REGRESSIOSAALYSE MED LIGE MAGE GETAGELSER 3

2 Supplemet A Bevser vedrørede ormalordelge SUPPLEMET: A BEVISER VEDRØREDE ORMALFORDELIGE x µ I detoe a ormalordelge dgår, at ( x) e π dvs ( x) og ( x) dx Bevs: Da e ekspoetalukto er postv, er ( x) x µ Substtueres t ås x dx ( ) t e dt π t Sættes I e dt ås t t t u I e dt e dt e dt e du Idøres u polære koordater t r cos v, u r sv ås π r r r r I dv e rdr π e π er e tæthedsukto, e ( t + u ) Hera ås det øskede dt du SÆTIG (Mddelværd og spredg or ormalordelg) ormalordelge mddelværde µ og spredge ( µ, ) har x µ x Bevs: E( X) e dx π x µ Substtueres t x µ + t ås t µ t t E( X) e dt + e π π dt Det ørste tegral er, da tegrade er e tæthedsukto, og det adet tegral er, da tegrade er e µ ulge ukto Følgelg er E(X) ( x µ ) 3) V( X) e dx x µ Substtueres t x µ + t ås π V( X) x µ t t t t t e dt e + e dt π π π (delvs tegrato, samt som ør at sdste tegral er )

3 Supplemet 3A χ - ordelge SUPPLEMET 3A χ -FORDELIGE χ U, U,, U Deto a -ordelge Lad være uahægge ormerede ormalordelte varable Sadsylghedsordelge or de statstske varabel χ U + U +,, U kaldes - ordelge med rhedsgradstallet og beteges χ χ ( ) Det ka vses, at tæthedsuktoe or χ ( ) er bestemt ved x x e or x> ( x) Γ ellers x t hvor Gammauktoe Γ( x) er deeret ved Γ( x) t e dt χ SÆTIG 3A (mddelværd og varas or -ordelg) - ordelge med rhedsgrader har mddelværde og varase χ E( χ ) V( χ ) Bevs: I kaptel blev det or e vlkårlg statstsk varabel X vst, at V( X) E( X ) ( E( X)) () Lad U være de ormerede ormalordelg Da E(U) og V(U) ås a regel (), at EU ( ) Idet χ U + U + + U ås a leartetsregle, at E( ) E( U ) + E( U ) + + E( U ) χ Beyttes regel () på de statstske varabel U 4 ås VU ( ) EU ( ) ( EU ( ) A detoe på mddelværd ås u π π u ( ) EU ( 4 ) u 4 ( udu ) 4 3 u e du u e d u Beyttes delvs tegrato ås: u u u EU ( 4 ) u de u du e e π π u u 3 u e du 3 u e du 3 E( U ) 3 π π 4 V har u V( U ) EU ( ) ( EU ( )) 3 Da U, U, er uahægge ås V( ) V( U ) + V( U ) +, + V( U ) U χ Specelt gælder Γ( x ) ( x )! π 3 ( x ) ( x ) or or π or x x x { 3,,,} {,,, } 3

4 Supplemet 3A χ - ordelge SÆTIG 3A (addtossætg or χ - ordelte varable) Lad χ, χ,, χk være uahægge χ - ordelte varable med rhedsgradstallee heholdsvs,,, k De statstske varabel χ χ + χ + + χk er da χ - ordelt med rhedsgradstallet k Bevs: Da hver a de k χ - ordelte varable er e sum a kvadratere på e række ormerede uahægge oralordelte χ χ varable, vl aturlgvs også være det Det samlede atal led er, hvormed sætge er bevst V vl de ølgede sætger gå ud ra, at X, X,, X er ormalordelte statstske varable med mddelværd µ og spredg Lad edvdere som sædvalg X + X + + X X Ude bevs aøres ølgede sætg: ( X X) ( X µ ), S og Sµ SÆTIG 3A3 (Uahægghed a X og S ) De statstske varable X og S er uahægge ( ) S SÆTIG 3A4 ( er χ - ordelt) ( X X) De statstske varabel ( ) S er ordelt χ ( ) Bevs: Idet ( X X) (( X µ ) + ( µ X)) (( X µ ) + ( µ X) + ( X µ )( µ X)) ( X ) + ( X) + ( X) µ µ µ ( X ) µ ( X µ ) + ( µ X) + ( µ X) X µ ) ( X µ ) + ( µ X) + ( µ X)( X µ ) ( X µ ) ( X µ ) ( X X) ( X µ ) ås X µ () 4

5 Supplemet 3A χ - ordelge µ ( X Idet ) X er e sum a kvadrerede ormerede ormalordelte varable, er de χ - ordelt med rhedsgrader µ X µ Edvdere ses, at er e kvadreret ormeret ormalordelt varabel, så de er χ - ordelt med rhedsgrad De to led () er ølge sætg 3A3 uahægge χ χ χ - ordelte varable statstske varable Da e sum a uahægge - ordelte varable atter er - ordelte ølge sætg 3A, har v deror, at ( ) S ( X µ ) Det ka edvdere vses, at - X µ er χ - ordelt SÆTIG 3A5 ( varas a S 4 og S µ ) V( S ) 4 og V( Sµ ) Bevs: ( X X) ( X X) a) A omskrvge S χ hvor χ er ordelt χ ( ), ås 4 V( S ) V ( ) ( ) χ ( X µ ) ( X µ ) b) A omskrvge Sµ χ hvor χ er ordelt χ ( ), ås 4 V( Sµ ) V ( χ ) 5

6 Supplemet 3B t - ordelge SUPPLEMET 3B t - FORDELIGE DEFIITIO a t - ordelge Lad U være ormalordelt ( ) og χ være ordelt χ ( ) Hvs U U og χ er uahægge kaldes sadsylghedsordelge or de statstske varabel t or t- ordelt med rhedsgradstallet og beteges t() χ + Γ Det ka vses, at tæthedsuktoe or t() er bestemt ved ( x) + π Γ Da (x) (- x) er t - ordelgere alle symmetrske om y akse, med E(X) x + For de statstske avedelser er ølgede sætg vgtg: X µ SÆTIG 3B ( er t-ordelt) S Lad X, X,, X være ormalordelte statstske varable med mddelværd µ og spredg Lad X S edvdere og være de sædvalge estmater or mddelværd og varas X µ De statstske varabel T er da t - ordelt t ( ) S ( X µ ) X µ X µ Bevs: V har T S S ( ) S ( ) X µ ( ) S Her er tællere ormeret ormalordelt, mes er χ - ordelt med - rhedsgrader Iølge sætg 3A3 er X og S uahægge, hvlket gør, at betgelsere er opyldt or, at T er t - ordelt 6

7 Supplemet 3C F - ordelge SUPPLEMET 3C F-FORDELIGE DEFIITIO a F-ordelge Lad χ T og χ være statstsk uahægge og ordelt heholdsvs χt χ ( T ) og χ ( ) Sadsylghedsordelge or de statstske varabel F T χ sges at være F- T F ordelt med tællerrhedsgradstallet og æverrhedsgrads-tallet og beteges (, ) T Det ka vses, at tæthedsuktoe or F( T, ) er bestemt ved T T T + Γ T x or x > T+ ( x) T Γ Γ + x T ellers og har mddelværde E( F) (or > ) ( T ) og spredge ( F) (or > 4) + ( 4) T SÆTIG 3C (relatoer vedrørede F-ordelge) a) Fp( T, ) b) F (, ) p T F p t p (, ) ( ) Bevs: a) Lad F være ordelt F(, ) Der oretages omskrvge T χ T T F, hvor F * er ordelt Hera ølger: * χ F( F, T) χ χ T T * * PF ( x) p P x p P F p P F p F * x < x Hermed er a) bevst 7

8 Supplemet 4A Detoer og eksempler på cetrale og eektve estmatorer ( ) b) Lad F være ordelt F(, ) og t være ordelt Der oretages omskrvge t χ U U F t Hera ølger: χ χ χ p PF ( x) p Pt ( x) p P( x t x) p Pt ( x) Hermed er b) bevst S SÆTIG 3C S er F ordelt Lad X og X være ormalordelte statstske uahægge ormalordelte varable,lad og betege X, X, S S stkprøvestørrelse or de to varable, og lad edvdere og være de sædvalge estmater or mddelværdere og varasere µ, µ, og S De statstske varabel F er da ordelt F- ordelt F (, ) S Bevs Ved avedelse a sætg 3A4 ås ølgede omormg: S ( ) S χ ( ) ( ) F S ( ) S χ ( ) ( ) A detoe på F- ordelge ølger da, at sætge er bevst Som et vgtgt specaltlælde ses, at hvs de to varable har samme varas, vl F S være F-ordelt F (, ) S 8

9 Supplemet 4A Eksempler på cetrale og eektve estmatorer Supplemet 4A DEFIITIOER OG EKSEMPLER PÅ CETRALE OG EFFEKTIVE ESTIMATORER Cetral estmator Et rmelgt krav tl e estmator Φ er, at Φ mddel skal ramme de ukedte parameter, dvs kke systematsk agve e or llle værd eller e or stor værd DEFIITIO a cetral estmator E puktestmator Φ sges at være cetral or ϕ hvs E( Φ ) ϕ X + X + + X Eksempelvs er X e cetral estmator, da v kaptel ast 6 vste, at E( X) µ Eektv estmator Bladt de cetrale estmatorer har estmatorer med e llle varas særlg teresse Har ma således cetrale estmatorer or de samme parameter, vl ma aturlgt vælge de med mdst varas Ma sger, at e såda estmator er mere eektv ed de ade DEFIITIO a eektv estmator E cetral estmator Φ kaldes e eektv estmator or ϕ, hvs V ( Φ) or E eektv estmator vl altså or stor stkprøvestørrelse have både de rgtge mddelværd og llle varas ( X ) Eksempelvs er X e eektv estmator, da v kaptel ast 6 vste, at ( X ), og det dera ølger, at ( X ) or Der vl u blve bevst, at de estmatorer v tdlgere har beyttet, er såvel cetrale som eektve SÆTIG 4A (cetrale estmatorer) Lad X være e statstsk varabel med mddelværd µ og varas Lad X, X,, X, være e stkprøve a størrelse ra X X + X + + X a) X er e cetral estmator or mddelværde µ : X X b) S er e cetral estmator or varase ( ) X µ c) Sµ er e cetral estmator or varase ( ) X X d) S er kke e cetral estmator or varase ( ) Bevs: a) I kaptel ast 3 vste v, at E( X) µ, dvs X er cetral b) Som e del a bevset or sætg 3A4 vste v, at ( X X) ( X µ ) ( X µ ) 9

10 Supplemet 4A Detoer og eksempler på cetrale og eektve estmatorer Hera ås ES ( ) E c) ES ( µ ) E ( X X) E( X µ ) E( X µ ) V X V X V X V ( X ) ( ) ( ) ( ) V( X), dvs S er cetral ( X µ ) E( X µ ) V( X) ( X X) d) ES ( µ ) E E( X µ ) E( X µ ) V X V X V X V ( X ) V X ( ) ( ) ( ) ( ) SÆTIG 4A (eektve estmatorer) Lad X være e statstsk varabel med mddelværd µ og varas Lad X, X,, X, være e stkprøve a størrelse ra X X + X + + X a) X er e eektv estmator or mddelværde µ : X X b) S er e cetral estmator or orudsat X er ormalordelt ( ) X µ c) Sµ er e eektv estmator or orudsat X er ormalordelt og er kedt ( ) µ d) Forudsat µ er kedt vl S µ være e mere eektv estmator ed S or varase ( X ) Bevs: a) I kaptel ast 6 blev det bevst, at ( X ) Hera ølger at ( X ) or 4 b) I kaptel 3 sætg 3A5 blver det bevst, at V( S ) Hera ølger, at ( S ) or 4 c) I kaptel 39 sætg 3A5 blver det bevst, at V( Sµ ) Hera ølger, at ( S ) or µ 4 4 d) Da V( Sµ ) < V( S ) har S e mdre varas ed µ S

11 Supplemet 4B Bevser or ormler or kodestervaller Supplemet 4B Bevser or ormler or kodestervaller V vl dette supplemet bevse de 4 ørste ormler or kodestervaller der des appedx 4 Lad de ølgede sætg X være e ormalordelt statstsk varable med mddelværd µ og spredg, og lad X, X,, X være e stkprøve a størrelse ra X Lad edvdere som sædvalg X + X + + X X X X X µ, S og µ ( ) ( ) S SÆTIG 4 B ( β % kodestervaller or ormalordelte varable ) Lad β ) Kodesterval or µ, hvs er kedt: x u µ x+ u, hvor u er raktle de ormerede ormalordelg s s ) Kodesterval or µ, hvs er ukedt: x t ( ) µ x+ t ( ), hvor t er raktle t-ordelge med - rhedsgrader ( ) 3) Kodesterval or, hvs µ er kedt: ( ) s + ( x µ ) ( ) s + ( x µ ) χ ( ) χ ( ) hvor ( ) og χ ( ) er heholdsvs og raktle χ - ordelge med χ rhedsgrader 4) Kodesterval or, hvs µ er ukedt: ( ) s ( ) s, χ ( ) χ ( ) hvor ( ) og χ ( ) er heholdsvs og raktle χ - ordelge med χ - rhedsgrader, Bevs: ) Er kedt vl U X µ være ormeret ormalordelt ( µ, ) Da U - ordelge er symmetrsk omkrg, har v ølgelg, at P u U u eller β P u X µ Idet u u u X µ u X u µ X + u er pukt bevst X µ u β

12 Supplemet 4B Bevser or ormler or kodestervaller X µ ) I kaptel 3 aørte v, at T er t - ordelt med - rhedsgrader De samme regger som uder pukt s ka u geemøres, hvlket er sket ved bevset or sætg 4 Hermed er pukt bevst X µ 3) Iølge bevset or sætg 3A4 er Sµ ( ) χ - ordelt med rhedsgrader ( X µ ) V har ølgelg at P χ ( ) Sµ χ ( ) β eller P χ ( ) χ ( ) β Ige ølge bevset or sætg 3A4 er ( X µ ) ( ) S + ( X µ ) ( ) S + ( X µ ) Idsættes dette oveståede ulghed ås: χ ( ) χ ( ) ( ) S + ( X µ ) χ ( ) + ( ) S ( X µ ) ( ) S + ( X µ ) χ ( ) χ ( ) χ Hermed er ormel 3 bevst 4) ( ) S Iølge bevset or sætg 3A4 er χ χ - ordelt med - rhedsgrader V har ølgelg at P χ( ) χ χ ( ) β eller P χ ( ) χ ( ) β Idet ( ) S χ ( ) χ ( ) χ ( ) ( ) S χ ( ) ( ) S χ ( ) ( ) S χ ( ) er ormel 4 bevst ( ) S ( )

13 Supplemet 5A Bevser or ormler hypotesetest SUPPLEMET 5ABEVISER FOR FORMLER I HYPOTESETEST Lad X være e ormalordelt statstsk varable med mddelværd µ og spredg, og lad X, X,, X være e X X X + X + + X stkprøve a størrelse ra X Lad edvdere som sædvalg X og S ( ) Lad testee alle have sgkasveauet Testormler appedx 5 ( ukedt og erstattes a s) X µ I sætg 3B vste v, at såremt :µ µ er sad, er T t- ordelt med - rhedsgrader Dette beyttes det ølgede H Række : ulhypotese : µ µ Alteratv hypotese H:µ µ H A oveståede og a detoe på sgkasveau remgår, at H orkastes, såremt X µ p P( T t) <, hvor T, og T er t - ordelt med - rhedsgrader s s > Række : ulhypotese : µ µ Alteratv hypotese H:µ µ H X µ H orkastes, såremt p P( T t) <, hvor T, og T er t-ordelt med - rhedsgrader Række 3: ulhypotese H :µ µ Alteratv hypotese H:µ µ Iølge detoe på sgkasveau, orkastes H både år x er så stor, at PT ( t) <, og år < x er så llle, at PT ( t) < X µ, hvor T og T er t -ordelt med - rhedsgrader Række 4: ulhypotese H : µ µ Alteratv hypotese H:µ > µ Da PT ( t) < PT ( < t) < PT ( < t) > t> t ( ) er påstade bevst Række 5: ulhypotese H : µ µ Alteratv hypotese H:µ < µ Da PT ( t) < t< t( ) t< t ( ) (da t-ordelge er symmetrsk om, se gur 5) er ormle bevst Række 6: ulhypotese H :µ µ Alteratv hypotese H:µ µ Hvs x µ ka reggere uder række 4 getages, og v år t > t ( ) x < µ Hvs ka reggere uder række 5 getages, og v år t < t ( ) Geerelt ås deror, at t > t ( ) og dermed er ormle bevst s s Fg 5 t- ordelg 3

14 Supplemet 5A Bevser or ormler hypotesetest Testormler appedx 5 ( atages kedt) Lad Y være ordelt µ, Række : ulhypotese H : µ µ Alteratv hypotese H:µ > µ Iølge detoe på sgkasveau, orkastes H såremt p P( Y x) < Række : ulhypotese H : µ µ Alteratv hypotese H:µ < µ Iølge detoe på sgkasveau, orkastes H såremt p P( Y x) < Række 3: ulhypotese H :µ µ Alteratv hypotese H:µ µ Iølge detoe på sgkasveau, orkastes H både år x er så stor, at PY ( x) < (se gur 5), og år x er så llle, at PY ( x) < Række 4: ulhypotese H : µ µ Alteratv hypotese H:µ > µ x PY ( x) < PY ( < x) < µ < Φ Φ ( x µ ) > > u u ( x µ ) hvor u Række 5: ulhypotese H : µ µ Alteratv hypotese H:µ < µ ( x µ ) ( x µ ) p P( Y x) < Φ < u< u hvor u Da u u er påstade bevst Række 6: ulhypotese H :µ µ Alteratv hypotese H:µ µ Hvs x > µ ka reggere uder række 4 getages, og v år u> u Hvs x < µ ka reggere uder række 5 getages, og v år u< u Geerelt ås deror, at u > u og dera ormle Testormler appedx 53 or varas ( µ ukedt) I kaptel 3 sætg 3A vste v, at såremt χ - ordelt med - rhedsgrader I det ølgede vl v edvdere atage, at Q er H : er sad, er χ χ - ordelt med - rhedsgrader ( X ) X ( ) S Række : ulhypotese H : Alteratv hypotese H: > A oveståede og a detoe på sgkasveau ås, at H orkastes, såremt ( ) s p P( Q χ ) <, hvor χ Hera ølger ormle Række : ulhypotese H : Alteratv hypotese H: < A oveståede og a detoe på sgkasveau ås, at H orkastes, såremt p P( Q χ ) <, ( ) s hvor χ Hera ølger ormle Række 3: ulhypotese H : Alteratv hypotese H: Iølge detoe på sgkasveau, orkastes H både år χ er så stor, at PQ ( χ ) <, og år χ er så llle, at ( ) s PQ ( χ ) <, hvor χ Hera ølger ormle Række 4: ulhypotese H : Alteratv hypotese H: > PQ ( χ ) < PQ ( < χ ) < PQ ( < χ ) > χ > χ ( ) 4

15 Supplemet 5A Bevser or ormler hypotesetest Række 5: ulhypotese H : Alteratv hypotese H: < Da PQ ( χ ) < χ < χ ( ) er ormle bevst Række 6: Da E( χ ), hvor - er rhedsgradstallet, ås: Hvs χ > - ka reggere uder række 4 getages, og v år χ > χ ( ) Hvs χ < - ka reggere uder række 5 getages, og v år χ < χ ( ) Hermed ås ormle Testormler appedx 54 or varas ( µ kedt) ( X µ ) I orbdelse med bevset or sætg 3A4 blev vst, at såremt H : er sad, er χ χ - ordelt med rhedsgrader Edvdere adt v, at ( X µ ) ( ) S + ( X µ ) I det ølgede vl v edvdere atage, at Q er χ - ordelt med rhedsgrader Række : ulhypotese H : Alteratv hypotese H: > A oveståede og a detoe på sgkasveau ås, at H orkastes, såremt p P( Q χ ) <, ( ) s + ( x µ ) hvor χ Hera ølger ormle Række : ulhypotese H : Alteratv hypotese H: < A oveståede og a detoe på sgkasveau ås, at H orkastes, såremt ( ) s + ( x µ ) p P( Q χ ) <, hvor χ Hera ølger ormle Række 3: ulhypotese H : Alteratv hypotese H: Iølge detoe på sgkasveau, orkastes H både år er så stor, at PQ ( χ ) <, og år χ er så llle, at ( ) s + ( x µ ) PQ ( χ ) <, hvor χ Hera ølger ormle Række 4: ulhypotese H : Alteratv hypotese H: > PQ ( χ ) < PQ ( < χ ) < PQ ( < χ ) > χ > χ ( ) Række 5: ulhypotese H : Alteratv hypotese H: < Da PQ ( χ ) < χ > χ ( ) er ormle bevst Række 6: ulhypotese H : Alteratv hypotese H: Da E( χ ), hvor er rhedsgradstallet, ås Hvs χ > ka reggere uder række 4 getages, og v år χ > χ ( ) Hvs χ < ka reggere uder række 5 getages, og v år χ < χ ( ) Hermed ås ormle χ 5

16 Supplemet 5B OC- kurver og dmesoerg SUPPLEMET 5B OC-KURVER OG DIMESIOERIG Forudsætg som appedx 5 Række : Alteratv hypotese ( atages kedt) H: µ > µ I sætg 5 og 5 udledes ormler or OC-kurve og atal getagelser tlældet, der svarer tl dette tlælde Som det ses det ølgede orløber de tlsvarede bevser de øvrge storrækker gaske aalogt Række : Alteratv hypotese H:µ < µ ( atages kedt) OC-kurve: x µ H accepteres på sgkasveau, hvs u x µ + u Er de sade mddelværd µ, er U X µ ormalordelt med mddelværd og spredg u V har deror, at µ + µ P( type II ejl ) P X + u P X u µ < µ + Φ µ + + µ µ µ Φ u Φ u µ µ dvs a( µ ) Φ u + < µ µ µ µ µ µ Dmesoerg: A ormle or OC kurve ås, det da : a( µ ) u β, dvs + + Φ Φ + + β u u u + u ( u β + u ) ( u β + u ) H :µ µ H :µ µ u β β Række 3: ulhypotese Alteratv hypotese ( atages kedt) OC-kurve: H accepteres på sgkasveau, hvs x µ u u µ + u x µ + u Er de sade mddelværd µ, er U X µ ormalordelt med mddelværd og spred-g V har deror, P( type II ejl ) P µ + u X µ + u P X < µ + u P X < µ + u µ + µ µ + µ u u Φ Φ µ + + µ µ µ Φ u Φ u µ µ µ µ dvs a( µ ) u u + + Φ Φ 6

17 Supplemet 5B: OC-kurver og dmesoerg Dmesoerg: Atages blver sdste led ormle or OC-kurve ca, og v år samme ormel som uder storrække µ > µ µ µ < Atages blver ørste led ormle or OC-kurve ca, og v år samme ormel som uder storrække I begge tlælde er dog erstattet a Dmesoergsormle blver deror de samme som ør, hvor blot er erstattet a Dmesoerg svarede tl orudsætg appedx 5 (spredg ukedt) E dmesoerg a orsøget er e del a orsøgsplalægge Ma har deror edu kke oretaget ogle orsøg, og keder deror kke stkprøves spredg s Ka ma ud ra tdlgere lgede orsøg vurdere, at spredge kke blver større ed, må dette bruges Da dmesoerge ku ahæger a orholdet d, ka ma også øjes med at agve et skø or dette orhold Øsker ma eksempelvs at kue opdage selv relatvt små orskelle mddelværde, ka d sættes tl et tal mdre ed, mes øskes ku at de relatvt store orskelle mddelværde ka d eksempelvs sættes tl år ma skal de sadsylghede or e type II ejl, år ma brug or at kede ordelge a størrelse X µ T år H er alsk S :µ µ Hvs de sade værd a mddelværde er µ µ +, ka T skrves X µ T S ( X ( µ + )) S U + W Da U er ormeret ormalordelt, og er e kostat orskellg ra ul, er tællere ormalordelt med mddelværd ( ) S og spredg ( ) W er χ ordelt med - rhedsgrader De resulterede ordelg or T kaldes de kke-cetrale t - ordelg med - rhedsgrader Dee ordelg har e yderst besværlg tæthedsukto, så e ærmere beregg a P(type II ejl) og dmesoerg a orsøg må sædvalgvs oretages ved beyttelse a edb I edeævte otat er et appedx er der således gegvet et Maple-program, som ka oretage dsse beregger For ote orekommede værder a parametree er der tabel 8 udarbejdet e dmesoergstabel Dmesoerg svarede tl orudsætg appedx 53 tl 56 Dsse begreber vl kke blve geemgået her, me ma ka eksempelvs Statgraphcs uder meupuktet Descrbe, og dereter Sample Sze Determato å et orslag tl dmesoerg a orsøget 7

18 Supplemet 7A Bevs or mddelværd ogspredg or hypergeometrsk ordelg SUPPLEMET: 7A Bevs or mddelværd og spredg or hypergeometrsk varabel Bevset or sætg 73 orudsætter, at ma ørst læser kaptel 9 SÆTIG 73 (mddelværd og spredg or de hypergeometrske ordelg ) De hypergeometrske ordelg h (, M, ) har E( X) pog V( X) p ( p), hvor p M Bevs: Lad os betragte statstske varable X, X,, X, hvor X hvs ' te udtrækggversort kugle ellers X X + X + + X er hypergeometrsk ordelt h (, M, ) M M V har P( X ) p or alle Hera ølger E( X ) p+ ( p) p, og V( X ) ( p) p+ ( p) ( p) p p p ( p) A leartetsregle kaptel ast 6, ås E( X) E( X ) + E( X ) + E( X ) + + E( X ) p+ p+ p+ + p p 3 Som det remgår a ast 9 gælder V( X, X ) E( X X ) E( X ) E( X ) j j j P(( X ) ( X )) p p P( X ) P( X X ) p j j M M p p M p p M M M p p ( ) p A kvadratregle (ast 93): V( X) V( X V X X p p p p ) + (, j) ( ) + < j ( ) p + p ( p) p p ( p) p ( p) 8

19 Supplemet 7B: Bevser or ormler bomal- og Possotest SUPPLEMET: 7B BEVISER FOR FORMLER I BIOMIAL- OG POISSO- TEST Testormler appedx 55 or parameter p bomalordelg Lad X være e bomalordelt varabel b(, p), hvor er kedt og p ukedt Lad x være e stkprøveværd på X Lad Y være ordelt b (, p ), hvor p er e gve kostat Det erdres om, (se evetuelt appedx 7), at or 9 p og 5 p 5 ka ma approksmere bomalordelge bp (, ) med ormalordelge ( µ, ),hvor µ p og p ( p) Række : ulhypotese H: p p Alteratv hypotese Hp : > p, Iølge detoe på sgkasveau, orkastes H, såremt p P( Y x) < Række : ulhypotese H: p p Alteratv hypotese Hp : < p, Iølge detoe på sgkasveau, orkastes H såremt p P( Y < x) < Række 3: ulhypotese H: p p Alteratv hypotese Hp : p Iølge detoe på sgkasveau, orkastes H både år x er så stor, at PY ( x) <, og år x er så llle, at PY ( x) < Da EY ( ) pølger hera ormle Række 4: ulhypotese H: p p Alteratv hypotese Hp : > p, Er betgelsere or approksmato med ormalordelge opyldt, gælder x p PY ( x) < PY ( < x) < Φ p ( p ) < Φ x p, hvor > > x p u u u p ( p ) p ( p) Række 5: ulhypotese H: p p Alteratv hypotese Hp : < p, Er betgelsere or approksmato med ormalordelge opyldt, gælder x p PY ( x) < Φ, p ( p ) < u< u u< u hvor u x p p ( p ) Række 6: ulhypotese H: p p Alteratv hypotese Hp : p Er betgelsere or approksmato med ormalordelge opyldt, haves Hvs x p ka reggere uder række 4 getages, og v år u> u Hvs x< p ka reggere uder række 5 getages, og v år u< u Geerelt ås deror, at u > u og dermed ormle 9

20 Supplemet 7A Bevs or mddelværd ogspredg or hypergeometrsk ordelg Testormler appedx 56 or parameter µ Possoordelg Lad X være e Possoordelt varabel p( µ ), hvor µ er ukedt Lad der orelgge e stkprøve på X a størrelse med geemst x Lad Y være ordelt p ( µ ), hvor µ er e gve kostat Det erdres om, (se evetuelt appedx 7), at or µ ka ma approksmere Possoordelge p ( µ ) med ormalordelge ( µ, µ ) Række : ulhypotese H : µ µ Alteratv hypotese H:µ > µ Iølge detoe på sgkasveau, orkastes H, såremt p P( Y x) < Række : ulhypotese H : µ µ Alteratv hypotese H:µ < µ, Iølge detoe på sgkasveau, orkastes H såremt p P( Y x) < Række 3: ulhypotese H : µ µ Alteratv hypotese H:µ µ Da EY ( ) µ ølger hera ormlere dee række Række 4: ulhypotese H : µ µ Alteratv hypotese H:µ > µ Er betgelsere or approksmato med ormalordelge opyldt, gælder x PY ( x) < PY ( < x) < µ Φ µ < Φ x µ, hvor > u > x u u µ µ µ Række 5: ulhypotese H : µ µ Alteratv hypotese H:µ < µ, Er betgelsere or approksmato med ormalordelge opyldt, gælder x PY ( x) < + µ hvor µ < x Φ u< u u< u u + µ µ Række 3: ulhypotese : µ µ Alteratv hypotese H:µ µ H Er betgelsere or approksmato med ormalordelge opyldt, haves Hvs x µ ka reggere uder række 4 getages, og v år u> u Hvs x < µ ka reggere uder række 5 getages, og v år u< u Geerelt ås deror, at u > u og dermed ormle

21 Supplemet 7C Bevssktse or tæthedsuktoe or Possoordelge SUPPLEMET: 7C BEVISSKITSE FOR TÆTHEDSFUKTIOE FOR POISSOFORDELIGE SÆTIG 7 (Possoordelg) Lad X være e stokastsk varabel, som agver atallet a mpulser et gvet tdsrum (eller areal, volume, produktosehed osv), det ethvert tdspukt tdsrummet har samme mulghed or at være mpulstdspukt som ethvert adet tdspukt Edvdere skal mpulsere dtræe tlældgt og uahæggt a hade * ) Hvs det geemstlge atal mpulser tdsrummet er µ >, så sges X at være Possoordelt p ( µ ) med sadsylghedsordelge (tæthedsuktoe) (x) P(X x) bestemt ved x µ µ ( x) e or x {,,,} x! ellers Mddelværde or p( ) er E ( X ) og spredge er ( X ) µ µ µ I ormulerge a de oveævte betgelser ka eter behov "et llle tdsrum l ", "et llle areal A" eller "et llle volume V" t" erstattes med "e llle lægde *) Præcs ormulerg: Følgede 3 betgelser skal være opyldt: ) Sadsylghede or etop é mpuls et meget llle tdsrum t er med tlærmelse proportoal med t P (Matematsk ormulerg lm ( X ) λ ( λ er e postv kostat) t t ) Sadsylghede or eller lere mpulser det meget llle tdsrum t er llle sammelget med t P (Matematsk ormulerg lm ( X > ) ) t t 3) Atal mpulser orskellge, kke overlappede tdsrum er statstsk uahægge Bevssktse: Lad µ være det geemstlge atal mpulser tdsrummet [ ; T], og lad X være det aktuelle atal mpulser samme tdsrum T Itervallet [ ;T ] opdeles deltervaller t Iølge orudsætg er det mulgt at vælge t så llle, at sadsylghede or at mere ed mpuls dtræer t sekuder er praktsk taget I t sekuder ka deror ku ske tg: A: etop mpuls, eller A : etop mpulser X er deror bomalordelt b (, P(A) ) µ µ T µ Da der T sekuder geemst er µ mpulser, vl der t sekuder være t mpulser T T V har deror P( A) µ V oretager u ølgede omormg: µ x x x ( ) ( x ) P( X x) x x + µ µ µ x! µ x

22 Supplemet 7C Bevssktse or tæthedsuktoe or Possoordelge µ x l ( ) ( x+ ) e x x x! µ µ µ l x µ x 3 e x x! µ µ l For vl tæller og æver brøke gå mod Ma ka deror bruge l Hosptals regel µ V år ved deretato a tæller og æver: ( µ ) µ or µ µ x x µ µ µ µ V har deror, at P( X x) or x! e x! e Idet bomalordelge har mddelværde E( X) p µ og spredge µ ( X) p ( p) µ, ås or, at Possoordelge har mddelværde µ og spredge µ

23 Supplemet 9 Begrudelse or græsere or kotrolkort Supplemet: 9 Begrudelse or græsere or kotrolkort V daer k udergrupper hver med observatoer Gruppe Observatoer Geemst Varatosbredde Spredg k Total Græser or R - kort Det ka bevses, at og, hvor og ku ahæger a stkprøvestørrelse Dsse kostater samt alle de det ølgede ævte kostater ka alæses tabel 9 Tabel 9: Kotrolkort - R - kotrolkort Procesvarable X er ormalordelt Procestlstad Ceterle edre kotrolgræse Øvre kotrolgræse Estmater Kedt: -kort R - kort Ukedt: -kort R - kort - s - kotrolkort Procesvarable X er ormalordelt Kedt -kort s - kort Ukedt -kort s - kort 3

24 Supplemet 9 Begrudelse or græsere or kotrolkort Tabel 9 Kostater tl astlæggelse a kotrolgræser ved hjælp a s-kort - kort R - kort s - kort - kort, R - kort og A A A 3 d d 3 D D D 3 D 4 c 4 B 3 B 4 B 5 B , Et R - kort med - græser er deror bestemt ved : Idet et estmat or, ås Idsættes dette, ås Græser or s - kort Selv om der gælder, at, gælder det kke, at Ma ka mdlertd vse, at Følgelg er et s - kort med - græser bestemt ved : Idet et estmat or, ås Idsættes dette, ås Græser or - kort Idet, er et - kort med - græser: Beyttes et R - kort er, og dermed Beyttes et s kort er, og dermed 4

25 Supplemet 3 Formler tl beregg a esdet varasaalyse Supplemet 3 Formler tl beregg a esdet varasaalyse I dee oversgt vses hvorledes ma ka berege e esdet varasaalyse, blot ma har e lommereger der ka berege geemst og spredg For hvert observatossæt udreges geemst og spredg Faktor Observatoer Geemst Spredg R x, x, x 3,, R x, x, x 3,, R 3 x 3, x 3, x 33,, R r x r, x r, x r3,, Forudsætg: x j - værdere er uahægge observatoer a statstsk uahægg ormalordelte varable X med mddelværd og samme varas Beregger: Lad Der bereges et vægtet geemst a varasere (vægtet eter rhedsgradere) Sdste omskrvg ølger a, at er varase or orsøgsejle eller på egelsk error V har u Hera ås har - r rhedsgrader Ma dtaster alle målger og bereger varase Ma ka vse, at SAK R + SAK e SAK total og at det tlsvarede gælder or rhedsgradere Tallee dsætes u tradtoelt e såkaldt varasaalysetebel, og P-værde bereges Varasaalysetabel: (AOVA Aalyss O VArace) Varato (Source) SAK (SS) (d) P - værd Behadlger (Betwee groups) SAK R r - Getagelser (Wth groups) (error) SAK e - r Total SAK total - Testprocedure ulhypotese: Lad være sgkasveau H orkastes, hvs P - værd, hvor Z er F - ordelt Kodestervaller: Lad Kodesterval or : LSD Kodesterval or : Varashomogetet Test or, at de varable Y har samme varas a) Smplceret F-test Lad de største værd a de k estmerede varaser være og de mdste være Bereg teststørrelse 5

26 Supplemet 3 Formler tl beregg a varasaalyse Lad Y være F - ordelt med rhedsgradere H orkastes, hvs P - værd Hvs ulhypotese accepteres, så atages kravet om varashomogetet at være opyldt Hvs ulhypotese orkastes, må avedes e test med større styrke såsom Bartletts test eller Leves test b ) Bartletts test Dee test er bereggsmæssgt vaskelg, og har de svaghed, at de er særdeles ølsom overor avgelser ra ormaltet Bereg teststørrelse Lad Y være - ordelt med rhedsgrade k - H orkastes, hvs P - værd c) Leves test God test, som mdlertd kræver mere ed getagelser Lad, hvor er medae a de getagelser a te behadlg Ma udører e sædvalg esdet varasalyse på tallee Meda a e række tal Tallee ordes voksede rækkeølge: Ulge atal tal: meda mdtertal bladt de ordede tal, Lge atal tal: meda geemst a de to mdterste bladt de ordede tal Eksempel: T 8,,,, E esdet varasalyse på gver T 5,, 9 9 4,, T F 5, og dermed 3 8,, 3 3,, P -værd 985, dvs e accept a ulhypotese T 4 7, 9, 7,, 5 Forklarg på kostrukto a ormalordelgsplot Et koordatsystemet har e lodret akse, hvor ddelge er ormalordelt, dvs ordelgsuktoe or e ormeret ormalordelg vl dette koordatsystem blve e ret le I dette koordatsystem placeres resdualere som vst: Lad resdualere (ra eksempel 3) -,,, -3,,, 7,-3, -3,, 3, -4 De ordes rækkeølge og ma bereger deres komulatve rekves Resdualer x % Hvs resdualere er aproksmatvt ormalordelt burde puktere (x,y) asat koordatsystemet tlærmelsesvs lgge på e ret le 6

27 Supplemet 4 Formler tl beregg a tosdet varasalyse Supplemet 4 Formler tl beregg a tosdet varasaalyse I dee oversgt vses hvorledes ma ka berege e tosdet varasaalyse, blot ma har e lommereger med geemst og spredg Som taleksempel beyttes eksempel 4Forsøgsresultatere er ølgede: Karburator Olebladg K K O O O Beregg a geemst Karburator K K Rækkegeemst O Olebladg O O Søjlesum Atal rækker r 3, Atal søjler q, Atal delorsøg celler Atal delorsøg række Atal delorsøg søjle Atal celler, Totalt atal orsøg Spredg på de r rækkegeemst: Spredg på de q søjlegeemst: Spredg på de r q cellegeemst: Beregger: Opstllg a varasaalysetabel: Varato SAKSS Rækkeaktor R : Olebladg Søjleaktor C : Karburator Vekselvrkg R*C SAK R SAK C 675 SAK RC Getagelser (resdual, error) Total SAK e 36 6 Test: Lad være sgkasveau ) H orkastes, hvs P - værd, hvor Z er F - ordelt a) Hvs H orkastes, så opstlles kodestervaller tl ærmere vurderg a aktoreres vrkg b) Hvs H accepteres, atages, at der kke er oge sgkat vekselvrkg, og ma pooler de to varaser samme, tl et yt estmat or orsøgsejles varato (støje) 7

28 Supplemet 4 Formler tl beregg a varasaalyse Dette estmat beyttes så tl e samtdg vurderg a hovedvrkgere b) Lad H orkastes hvs P - værd, hvor Z er F - ordelt Hvs H orkastes, så opstlles kodestervaller tl vurderg a aktoreres vrkg b) Lad H orkastes, hvs P - værd, hvor Z er F - ordelt Hvs H orkastes, så opstlles kodestervaller tl vurderg a aktoreres vrkg Opstllg a kodestervaller og drage kokluso Lad være geemsttet a værdere celle te række og j te søjle Lad Lad være geemsttet a værdere de te række være geemsttet a værdere de j te søjle ) Kodestervaller or hver celle :, ) For celle te række og j te søjle er de estmerede mddelværd (jævør betragtgere ast 3 sde 59) Kodestervaller or hver celle: Det gver et bedre overblk, hvs ma udreger de margale kodestervaller: Kodestervaller or hver række: Kodestervaller or hver søjle: 3), For hver række bereges et rækkegeemst, Kodestervaller or hver række: 4), For hver søjle j bereges et søjlegeemst, Kodestervaller or hver søjle: Kort skrvemåde or, at orkastes Kort skrvemåde or, at accepteres 8

29 Supplemet 5 Formler tl beregg a ekelt regressosaalyse ude getagelser Supplemet 5 Formler tl beregg a ekelt regressosaalyse ude getagelser I dette apedx vses hvorledes ma ka berege e ekelt regressosaalyse ude getagelser, blot ma har e lommereger med regressosprogram I eksempelet er ormlere avedt på et kokret eksempel Forudsætg: Data : x x x x 3 x y y y y 3 y De -værder er uahægge observatoer a stokastsk uahægg ormalordelte varable Y med samme varas Det atages edvdere at ma har udet, at data ka beskrves ved e leær model V har deror at mddelværde a de statstske varable Y er e leær ukto a x a orme Beregger: ) De puktpar dtastes lommereger Regressosprogram aktveres, og bladt beregede størrelser des estmater or regressoskoeceter:, korrelatoskoecet r, geemst, spredg ) Udylder varasalysetabel: Udreger, og Varato (Source) SAK (SS) (d) Model SAK model Resdual SAK resdual - Total SAK total - Test: Lad ) være sgkasveau Metode Hvs modelle gælder så burde puktere (uaset om H er sad eller ej) lgge eksakt på e ret le (og dermed ), hvs kke orsøgsresultatere havde været påvrket a støje Et estmat or orsøgsejles (støjes) varas er deror Er H sad, så burde (jævør detoe a SAK model ) være ul år det kke er tlældet skyldes det, at orsøgsresultatere har været påvrket a støje A samme grud som ør må deror også være et estmat or 9

30 V har ølgelg, at hvs H er sad, så er Det ka vses, at hvs ulhypotese kke er sad, så vl, og at er F- ordelt med e tællerrhedsgrad på og e æverrhedsgrad på - Teste blver ølgelg e esdet F - test, dvs H orkastes, hvs P - værd, hvor Z er F - ordelt Metode Lad, hvor er et estmat or spredge på Det ka vses, at t et t - ordelt med - rhedsgrader Lad T være t - ordelt med - rhedsgrader H orkastes, hvs P - værd E ordel ved dee metode er, at ma også ka teste og ved esdede test Hvs begge varable X og Y er statstske varable ka ma tlsvarede teste korrelatoe ved oveævte t - test ), hvor a er e gve kostat Lad, hvor H orkastes, hvs (or a svarer det tl oveævte metode ) Kodesterval or : hvor Lad være et estmat or mddelværde or Y or e gve værd Kodesterval or hvor, Prædstatosterval: (Kodesterval) or y observato or e gve x - værd:, hvor 3

31 Supplemet 5 Formler tl beregg a ekelt regressosaalyse med lge mage getagelser Supplemet 5 Forudsætg: Data : y Beregg a ekelt regressosaalyse med lge mage getagelser x x x x 3 x k y y y y y y 3 y 3 y y 3 y k y k y k y j - værdere er uahægge observatoer a statstsk uahægg ormalordelte varable Y For hver a de k x - værder er der lge mage getagelser a y - værder, dvs alt k observatoer Der atages, at der er varashomogetet (øskes dette testet se uder pukt b) Lad Beregger: a) Lack og t test: være sgkasveau ) For hver x - værd dtastes de y-værder, og ma bereger spredge s Der bereges et estmat or de ælles varas ) De k puktpar dtastes lommereger Regressosprogram aktveres, og bladt beregede størrelser des estmater or: regressoskoeceter:, korrelatoskoecet r, geemst, spredg 3) Ma udreger, og 4) Udylder varasalysetabel: Varato (Source) SAK (SS) (d) Model SAK model Lack o t SAK lack o t k - Getagelser (error) SAK e - k Total SAK total - 5) H orkastes, hvs P - værd, hvor Z er F - ordelt Såremt H accepteres (og et resdualplot også vrker rmelg) ortsætter testge: Da såvel u er et udtryk or orsøgsejles varas, oretages e poolg: og F model bereges (se varasaalysetabel 6) Formlere or de orskellge test svarer u uldstædg tl ormlere ast 3 b) Varashomogetet (se supplemet 3), 3

SUPPLEMENT til Matematiske Grundbegreber

SUPPLEMENT til Matematiske Grundbegreber UPPLEMET tl Matematske Grudbegreber IDHOLD A BEVIER VEDRØREDE ORMALFORDELIGE 3A χ - FORDELIE 3 3B t - FORDELIGE 6 3C F - FORDELIGE 7 4A DEFIITIOER OG EKEMPLER PÅ CETRALE OG EFFEKTIVE ETIMATORER 9 4B BEVIER

Læs mere

Men tilbage til regression og Chi-i-anden. test. Begge begreber refererer til normalfordelingen med middelværdi μ og spredning σ.

Men tilbage til regression og Chi-i-anden. test. Begge begreber refererer til normalfordelingen med middelværdi μ og spredning σ. χ test matematkudervsge χ - test gymasets matematkudervsg I jauar ummeret 8 af LMFK bladet havde jeg e artkel, hvor jeg harcelerede ldt over, at regresso og sær χ fordelg havde fudet dpas matematkudervsge

Læs mere

Vi ønsker også at teste hypoteser om parametrene. F.eks: Kan µ tænkes at være 0 (eller anden fast, kendt værdi)? Eksempel: dollarkurser

Vi ønsker også at teste hypoteser om parametrene. F.eks: Kan µ tænkes at være 0 (eller anden fast, kendt værdi)? Eksempel: dollarkurser Uge 37 I Teoretsk Statstk, 9.sept. 003. Fordelger kyttet tl N-ford. Gvet: uafhægge observatoer af samme N(µ,σ )-fordelte stokastske varabel. Formelt: X,X,,X uafhægge, alle N(µ,σ )-fordelt. Mddelværd µ

Læs mere

Økonometri 1. For mange variable i modellen. For få variable. Dagens program. Den multiple regressionsmodel 21. september 2004

Økonometri 1. For mange variable i modellen. For få variable. Dagens program. Den multiple regressionsmodel 21. september 2004 Dages program Økoometr De multple regressosmodel. september 004 Emet for dee forelæsg er stadg de multple regressosmodel (Wooldrdge kap. 3.4-3.5) Praktske bemærkg Opsamlg fra sdst Irrelevate varable og

Læs mere

Scorer FCK "for mange" mål i det sidste kvarter?

Scorer FCK for mange mål i det sidste kvarter? Uge 7 I Teoretsk Statstk, 9. aprl 2004. Hvor er v? Hvor var v: opstllg af statstske modeller Hvor skal v he: tro om estmato og test 2. Eksempel: FCK Estmato (tutvt) Test Maksmum lkelhood estmato Scorer

Læs mere

Økonometri 1. Funktionel form. Funktionel form (fortsat) Dagens program. Den simple regressionsmodel 14. september 2005

Økonometri 1. Funktionel form. Funktionel form (fortsat) Dagens program. Den simple regressionsmodel 14. september 2005 Dages program Økoometr De smple regressosmodel 4. september 5 Dee forelæsg drejer sg stadg om de smple regressosmodel (Wooldrdge kap.4-.6) Fuktoel form Hvorår er OLS mddelret? Varase på OLS estmatore Regressosmodelle

Læs mere

Hvorfor n-1 i stikprøvevariansen?

Hvorfor n-1 i stikprøvevariansen? Erk Vestergaard www.matematkfysk.dk Hvorfor - stkprøvevarase? Lad os sge, at e fabrk producerer e bestemt type halogepærer. Det vser sg, at levetde for e såda elpære varerer efter e ormalfordelg. Nogle

Læs mere

Statistik Lektion 14 Simpel Lineær Regression. Simpel lineær regression Mindste kvadraters metode Kovarians og Korrelation

Statistik Lektion 14 Simpel Lineær Regression. Simpel lineær regression Mindste kvadraters metode Kovarians og Korrelation Statstk Lekto 4 Smpel Leær Regresso Smpel leær regresso Mdste kvadraters metode Kovaras og Korrelato Scatterplot Scatterplot kf Advertsg Epedtures ( ad Sales ( Et scatterplot vser par (, af observatoer.

Læs mere

BEVISER TIL KAPITEL 7

BEVISER TIL KAPITEL 7 BEVISER TIL KAPITEL 7 A. Komplemetærhædelse Det er klart, at e hædelse A og de komplemetære hædelse A udgør hele udfaldsrummet U, dvs. A A = Da fås P(U = U P(A A = P (A + P(A = da de to hædelser er dsjukte

Læs mere

Eksempel: PEFR. Epidemiologi og biostatistik. Uge 1, tirsdag. Erik Parner, Institut for Biostatistik.

Eksempel: PEFR. Epidemiologi og biostatistik. Uge 1, tirsdag. Erik Parner, Institut for Biostatistik. Epdemolog og bostatstk. Uge, trsdag. Erk Parer, Isttut for Bostatstk. Geerelt om statstk Dataaalyse - Deskrptv statstk - Statstsk feres Sammelgg af to grupper med kotuerte data - Geemst og spredg - Parametre

Læs mere

L komponent produceret i linie 1

L komponent produceret i linie 1 Statstk. gag BAYESIANSKE METOER Obektv ormato (.eks. orsøgs resultater klasssk statstk (gag -9 Subektv ormato + obektv ormato Bayesask statstk (gag Bayes sætg ( E ( E A ( A + ( E A ( A +... ( E A ( + (

Læs mere

Notato: k grupper observeret tl tdspuktere (logartmerede) t1;t2;:::;t k. Tl tdspukt observeres et atal ( ) ph-vρrder, 1 ; 2 ;:::;. V opfatter dem som

Notato: k grupper observeret tl tdspuktere (logartmerede) t1;t2;:::;t k. Tl tdspukt observeres et atal ( ) ph-vρrder, 1 ; 2 ;:::;. V opfatter dem som Statstk 1, torsdag de 15. marts Leρr regressosaalyse, afst 5.2.1 ffl Problemstllg ffl Data Model Estmato og test Dages program: Hvad ka v? 1 V ka sammelge grupper af observatoer, hvor data hver gruppe

Læs mere

Spørgsmål 1 (5 %) Bestem sandsynligheden for at batteriet kan anvendes i mere end 5 timer.

Spørgsmål 1 (5 %) Bestem sandsynligheden for at batteriet kan anvendes i mere end 5 timer. TATITIK krftlg evaluerg, 3. semester, fredag de 4. jauar 3 kl. 9.-3.. Alle hjælpemdler er tlladt. Opgaveløsge forsyes med av og CR-r. OGAVE Et batter har e levetd tmer med de tlkyttede tæthedsfukto f (

Læs mere

Supplement til sandsynlighedsregning og matematisk statistik

Supplement til sandsynlighedsregning og matematisk statistik Supplemet tl sadsylghedsregg og matematsk statstk 1. Bevs for lgg (4b) 22.4 ( 23.3) 8. (7.) udgave. Teorem 3 (4): Atallet af forskellge kombatoer med k elemeter, der ka daes ud af forskellge elemeter,

Læs mere

Repetition. Forårets højdepunkter

Repetition. Forårets højdepunkter Repetto Forårets højdepukter Forårets højdepukter Smpel Leær Regresso Smpel leær regresso: Mdste kvadraters metode Kovaras og Korrelato Scatterplot Scatterplot kf Advertsg Epedtures (X ad Sales (Y Et scatterplot

Læs mere

Induktionsbevis og sum af række side 1/7

Induktionsbevis og sum af række side 1/7 Iduktosbevs og sum af række sde /7 Skrver ma,,,...,,..., =, 2, 3,... 2 3 taler ma om e talfølge, eller blot e følge. Adre eksempler på følger er, -,, -,, -,..., (-) +,..., =, 2, 3,..., 2, 3, 4,...,,...,

Læs mere

FY01 Obligatorisk laboratorieøvelse. O p t i k. Jacob Christiansen Afleveringsdato: 3. april 2003 Morten Olesen Andreas Lyder

FY01 Obligatorisk laboratorieøvelse. O p t i k. Jacob Christiansen Afleveringsdato: 3. april 2003 Morten Olesen Andreas Lyder FY0 Oblgatorsk laboratoreøvelse O p t k Hold E: Hold: D Jacob Chrstase Alevergsdato: 3. aprl 003 Morte Olese Adreas Lyder Idholdsortegelse Idholdsortegelse Forål...3 Måleresultater...4. Salelser...4. Spredelse...5.3

Læs mere

Variansanalyse. på normalfordelte observationer af Jens Friis

Variansanalyse. på normalfordelte observationer af Jens Friis Varasaalyse på ormalfordelte observatoer af Jes Frs Esdg varasaalyse Model eelt ormalfordelt observatosræe Lad X, X, X er dbyrdes uafhægge N(μ, σ ) - fordelt stoastse varable Det tlhørede observatossæt

Læs mere

Pearsons formel for χ 2 test. Den teoretiske forklaring

Pearsons formel for χ 2 test. Den teoretiske forklaring Pearsos formel for χ test De teoretse forlarg Ole Wtt-Hase 04 Idhold. Normalfordelge og χ.... Pearsos formel for χ test... 3. Forlarg på Pearsos formel....4 Pearsos formel for χ test. Normalfordelge og

Læs mere

Økonometri 1. Definition og motivation. Definition og motivation. Dagens program. Den multiple regressionsmodel 21. september 2005

Økonometri 1. Definition og motivation. Definition og motivation. Dagens program. Den multiple regressionsmodel 21. september 2005 Dages program Økoometr De multple regressosmodel. september 005 Emet for dee forelæsg er de multple regressosmodel (Wooldrdge kap 3.-3.3+appedx E.-E.) Defto og motvato Fortolkg af parametree de multple

Læs mere

Simpel Lineær Regression - repetition

Simpel Lineær Regression - repetition Smpel Leær Regresso - repetto Spørgsmål: Afhæger leært af?. Model: β + β + ε ε d N(0, σ 0 ) Sstematsk kompoet + Stokastsk kompoet Estmato - repetto Vha. Mdste Kvadraters Metode fder v regressosle hvor

Læs mere

Statistisk analyse. Vurdering af usikkerhed i forbindelse med statistiske opgørelser forudsætter:

Statistisk analyse. Vurdering af usikkerhed i forbindelse med statistiske opgørelser forudsætter: Statstsk aalyse Vurderg af uskkerhed forbdelse med statstske opgørelser forudsætter: Kvattatve mål for varato og spredg forbdelse med statstske opgørelser varas og stadardafvgelse Kvattatve mål for tlfældgheder

Læs mere

Betænkning om kommunernes udgiftsbehov. Bilag (med metodediskussion af professor Anders Milhøj)

Betænkning om kommunernes udgiftsbehov. Bilag (med metodediskussion af professor Anders Milhøj) Betækg om kommueres udgftsbehov Blag (med metodedskusso af professor Aders Mlhøj) Betækg r. 36 Oktober 998 Kommueres Udgftsbehov Betækg om kommueres udgftsbehov - Redegørelse fra arbejdsgruppe uder Idergsmsterets

Læs mere

Rettevejledning til Økonomisk Kandidateksamen 2006I, Økonometri 1

Rettevejledning til Økonomisk Kandidateksamen 2006I, Økonometri 1 Rettevejledg tl Økoomsk Kaddateksame 6I, Økoometr Vurdergsgrudlaget er selve opgavebesvarelse og blaget. Programmer og data, som er afleveret på dskette/cd, bedømmes som såda kke, me er avedt f.eks. tl

Læs mere

x-klasserne Gammel Hellerup Gymnasium

x-klasserne Gammel Hellerup Gymnasium SANDSYNLIGHEDSREGNING OG KOMBINATORIK x-klassere Gammel Hellerup Gymasum Idholdsfortegelse SANDSYNLIGHEDSREGNING... 3 Sadsylghedsfelt... 3 Edelge sadsylghedsfelter (sadsylghedsfordelger):... 3 Uedelge

Læs mere

Kvantitative metoder 2

Kvantitative metoder 2 Program for dag: Kvattatve metoder Iferes de leære regressosmodel 9. marts 007 Opsamlg vedr. feres e leær regressosmodel uder Gauss-Markov atagelser (W.4-5) Eksempel med flere restrktoer (F-test) Lagrage

Læs mere

Lineære Normale Modeller

Lineære Normale Modeller Note tl Leære Normale Modeller Bo Rosbjerg. marts 009 Tegger udført af Herk Ve Chrstese Idhold E smpel leær ormal model 5. Modelbestemmelse........................... 5. Mdste kvadraters estmat......................

Læs mere

Videregående Algoritmik. David Pisinger, DIKU. Reeksamen, April 2005

Videregående Algoritmik. David Pisinger, DIKU. Reeksamen, April 2005 Vderegåede Algortmk Davd Psger, DIKU Reeksame, Aprl 5 Bsecto problemet Gvet e uvægtet graf G = (V, E) samt et heltal k. E bsecto af grafe G er e opdelg af kudere V to lge store mægder S og T. MAX-BISECTION

Læs mere

Indeks over udviklingen i biltrafikken i Danmark

Indeks over udviklingen i biltrafikken i Danmark Ideks over udvklge bltrafkke Damark Afdelgsgeør Alla Crstese, Vejdrektoratet, og cvlgeør, p.d. Crsta Overgård ase, TetraPla A/S. Baggrud og formål. Baggrud Vejdrektoratet ar sde 978 regelmæssgt udgvet

Læs mere

Elementær Matematik. Sandsynlighedsregning

Elementær Matematik. Sandsynlighedsregning lemetær Matematk Sadsylghedsregg Ole Wtt-Hase Køge Gymasum 008 INDHOLD KAP. KOMBINATORIK.... MULTIPLIKATIONS- OG ADDTIONSPRINCIPPT.... PRMUTATIONR... 3. KOMBINATIONR...3 KAP. NDLIGT SANDSYNLIGHDSFLT...7.

Læs mere

hvor i er observationsnummeret, som løber fra 1 til stikprøvestørrelsen n, X i

hvor i er observationsnummeret, som løber fra 1 til stikprøvestørrelsen n, X i 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,

Læs mere

Kvalitet af indsendte måledata

Kvalitet af indsendte måledata Notat ELT2004-112 Aktørafregg Dato: 23. aprl 2004 Sagsr.: 5584 Dok.r.: 185972 v1 Referece: NIF/AFJ Kvaltet af dsedte måledata I Damark er det etvrksomhederes opgave at måle slutforbrug, produkto og udvekslg

Læs mere

IKKE-KONTINUERTE (DISKRETE) STOKASTISKE VARIABLE MIDDELVÆRDI, VARIANS, SPREDNING FORDELINGER: HYPERGEOMETRISK, BINOMIAL, POISSON

IKKE-KONTINUERTE (DISKRETE) STOKASTISKE VARIABLE MIDDELVÆRDI, VARIANS, SPREDNING FORDELINGER: HYPERGEOMETRISK, BINOMIAL, POISSON IE-ONTINUERTE (DISRETE) STOASTISE VARIABLE MIDDELVÆRDI, VARIANS, SPREDNING FORDELINGER: HYPERGEOMETRIS, BINOMIAL, POISSON Edelgt sadsylghedsfelt V reeterer: Et sadsylghedsfelt ( P ) U, kaldes edelgt, hvs

Læs mere

FORDELINGER: HYPERGEOMETRISK FORDELING, BINOMIALFORDELING MIDDELVÆRDI DEFINITION. X er en stokastisk variabel på et endeligt sandsynlighedsfelt ( )

FORDELINGER: HYPERGEOMETRISK FORDELING, BINOMIALFORDELING MIDDELVÆRDI DEFINITION. X er en stokastisk variabel på et endeligt sandsynlighedsfelt ( ) FORDELINGER: HYERGEOMETRIS FORDELING, BINOMIALFORDELING MIDDELVÆRDI Mddelværd MIDDELVÆRDI (TYS: ERWARTUNGSWERT ) DEFINITION X er e stokastsk varabel på et edelgt sadsylghedsfelt U, ( ) Mddelværde af X

Læs mere

Definition: Normalfordelingen. siges at være normalfordelt med middelværdi µ og varians σ 2, hvor µ og σ er reelle tal og σ > 0.

Definition: 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 mere

Økonometri 1. Instrumentvariabelestimation 26. november Plan for IV gennemgang. Exogenitetsantagelsen. Exogenitetsantagelsen for OLS

Økonometri 1. Instrumentvariabelestimation 26. november Plan for IV gennemgang. Exogenitetsantagelsen. Exogenitetsantagelsen for OLS y = cy ( c 0 ) Pla for IV geemgag Økoometr Istrumetvarabelestmato 6. ovember 004 F9: Hvad er IV estmato: Bvarat model, et strumet: Kap.5. + afst -4 ote. F0: IV estmato det multple tlfælde (eksakt detfceret):

Læs mere

Den stokastiske variabel X angiver levetiden i timer for en elektrisk komponent. Tæthedsfunktionen for den stokastiske variabel er givet ved

Den 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 mere

bestemmes. kendes ( ) A i Subjektiv information + objektiv information Bayesiansk statistik (gang 10) Bayes sætning

bestemmes. kendes ( ) A i Subjektiv information + objektiv information Bayesiansk statistik (gang 10) Bayes sætning Statstk. gag BAYESIANSKE METOER Objektv formato f.eks. forsøgs resultater klasssk statstk gag -9 Subjektv formato objektv formato Bayesask statstk gag Bayes sætg E E A A E A A... E A A A E A E E E A A

Læs mere

antal gange krone sker i første n kast = n

antal 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 mere

Statistik 8. gang 1 KONFIDENSINTERVALLER. Konfidensintervaller: kapitel 11. Valg og test af fordelingsfunktion

Statistik 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 mere

Fordelingen af gentagne observationer (målinger) kan beskrives ved hjælp af et histogram, der viser antallet af målinger i et givet interval.

Fordelingen af gentagne observationer (målinger) kan beskrives ved hjælp af et histogram, der viser antallet af målinger i et givet interval. H:\excerc\geodstat.doc, sdste ædrg: ov. 5, 3.. 3. Geodætsk statstk og mdste kvadraters metode. 3.. Statstske grudbegreber. 3.. Fordelger. Fordelge af getage observatoer (målger ka beskrves ved hælp af

Læs mere

9. Binomialfordelingen

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 mere

Løsningsforslag til skriftlig eksamen i Kombinatorik, sandsynlighed og randomiserede algoritmer (DM528)

Løsningsforslag 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 mere

Statistik 9. gang 1 REGRESSIONSANALYSE. Korrelation (kontrol af model) Regression (tilpasning af model)

Statistik 9. gang 1 REGRESSIONSANALYSE. Korrelation (kontrol af model) Regression (tilpasning af model) Statstk 9. gag REGRESSIONSANALYSE Korrelato kotrol af model Regresso tlpasg af model Statstk 9. gag KORRELATIONS ANALYSE. Grad af fælles varato mellem X og Y. Område og fordelg af sample data 3. Optræde

Læs mere

1.0 FORSIKRINGSFORMER

1.0 FORSIKRINGSFORMER eam Lv forskrgsakteselskab Bereggsgrudlaget sgrp217 tl præmeberegg for gruppeforskrg e-am Lv forskrgsakteselskab 1. FORIKRINGFORMER 1.1 Oblgatorske ordger Alle gruppeforskrgsordger teget på dette grudlag

Læs mere

Elementær Matematik. Polynomier

Elementær 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 mere

Test i to populationer. Hypotesetest for parrede observationer Test for ens varians Gensyn med flyskræk!

Test 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 mere

Praktisk info. Statistisk analyse af en enkelt stikprøve: kendt eller ukendt varians Sandsynlighedsregning og Statistik (SaSt) I tirsdags.

Praktisk 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 mere

Anvendt Statistik Lektion 3. Punkt- og intervalestimater Konfidensintervaller Valg af stikprøvestørrelse

Anvendt 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 mere

Brugen af R 2 i gymnasiet

Brugen af R 2 i gymnasiet Bruge af R gymaset Per Bruu Brockhoff, DTU Compute, Erst Hase, KU Matematk og Claus Thor Ekstrøm, KU Bostatstk Der lader tl at være e vs forvrrg bladt og ueghed mellem forskellge faggrupper omkrg R værde,

Læs mere

Kontrol af udledninger ved produktion af ørred til havbrugsfisk

Kontrol af udledninger ved produktion af ørred til havbrugsfisk Kotrol af udledger ved produto af ørred tl havbrugsfs Notat fra DCE - Natoalt Ceter for Mljø og Eerg Dato: 19. december 013 Rettet: 4. jauar 014 og de 8. marts 014 Søre Er Larse 1 & Lars M. Svedse 1 Isttut

Læs mere

Lineær regression lidt mere tekniske betragtninger om R^2 og et godt alternativ

Lineær regression lidt mere tekniske betragtninger om R^2 og et godt alternativ Dowloaded from orbt.dtu.dk o: Dec 0, 08 Leær regresso ldt mere tekske betragtger om R^ og et godt alteratv Brockhoff, Per B.; Ekstrøm, Claus Thor; Hase, Erst Publshed : LMFK-Bladet Publcato date: 07 Documet

Læs mere

1 Punkt- og intervalestimation Punktestimatorer: Centralitet(bias) og efficiens... 2

1 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 mere

Generelle lineære modeller

Generelle 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 mere

vejer (med fortegn). Det vil vi illustrere visuelt og geometrisk for (2 2)-matricer og (3 3)-matricer i enote 6.

vejer (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 mere

Kombinatorik. 1 Kombinationer. Indhold

Kombinatorik. 1 Kombinationer. Indhold Kombator, marts 04, Krste Roselde Georg Mohr-Kourrece Kombator Kombator går ud på at tælle atallet af ombatoer af et eller adet, og for at ue tælle atallet af ombatoer smart har ma brug for forsellge tællestrateger

Læs mere

Statistiske test. Efteråret 2010 Jens Friis, AAU. Hjemmeside :

Statistiske 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 mere

Statistik Lektion 8. Parrede test Test for forskel i andele Test for ens varians Gensyn med flyskræk!

Statistik 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 mere

Kogebog: 5. Beregn F d

Kogebog: 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 mere

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

Matematik 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 mere

FACITLISTE TIL KOMPLEKSE TAL

FACITLISTE TIL KOMPLEKSE TAL FACITLISTE TIL KOMPLEKSE TAL Kaptel Opgave Opgave Opgave Det emmeste check af lgge er at opløfte begge sder tl. potes. Bombells metode gver følgede lgger: a a b = 5 ( ) b a b = 09 = 7. Løs dem med et CAS

Læs mere

13. februar Resumé: En statistisk analyse resulterer ofte i : Et estimat ˆ θ med en tilhørende se( ˆ θ )

13. 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 mere

Spørgsmål 3 (5 %) Bestem sandsynligheden for at et tilfældigt valgt vindue har en fejl ved listerne, når man ved at der er fejl i glasset.

Spørgsmål 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 mere

Binomialfordelingen: april 09 GJ

Binomialfordelingen: april 09 GJ Bnomalfordelngen: aprl 09 GJ Spm A 14: Sandsynlghedsregnng og statstk. Efter en kort ntrodukton af grundlæggende begreber sandsynlghedsregnng og statstk skal du skal ntroducere bnomalfordelngsmodellen

Læs mere

Korrelation (kontrol af model) Regression (tilpasning af model) 1. Grad af fælles variation mellem X og Y. 2. Område og fordeling af sample data

Korrelation (kontrol af model) Regression (tilpasning af model) 1. Grad af fælles variation mellem X og Y. 2. Område og fordeling af sample data tatstk 9. gag GIONANAL Korrelato (kotrol af model egresso (tlpasg af model tatstk 9. gag KOLATION ANAL. Grad af fælles varato mellem X og. Område og fordelg af sample data 3. Optræde af ekstrem-værder

Læs mere

Introduktion til uligheder

Introduktion til uligheder Itroduktio til uligheder, marts 0, Kirste Rosekilde Itroduktio til uligheder Dette er e itroduktio til ogle basale uligheder om det aritmetiske geemsit, det geometriske geemsit, det harmoiske geemsit og

Læs mere

Ikke-parametriske tests af forskel i central tendens. Tests for forskel i central tendens for data på ordinal- og intervalskala

Ikke-parametriske tests af forskel i central tendens. Tests for forskel i central tendens for data på ordinal- og intervalskala Statstk for bologer 5-6, moul 7: Tests for forskel cetral tees for ata på oral- og tervalskala Ikke-parametrske tests af forskel cetral tees Vægter forskel mea ve hjælp af ragtal Data skal være på mst

Læs mere

Dagens program. Estimation: Kapitel Eksempler på middelrette og/eller konsistente estimator (de sidste fra sidste forelæsning)

Dagens 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 mere

Motivation. En tegning

Motivation. 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 mere

Introduktion til uligheder

Introduktion 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 mere

Meningsmålinger KLADDE. Thomas Heide-Jørgensen, Rosborg Gymnasium & HF, 2017

Meningsmålinger 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 mere

30. august Epidemiologi og biostatistik. Forelæsning 3 Uge 2, torsdag d. 8. september 2005 Michael Væth, Afdeling for Biostatistik.

30. 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 mere

Analyse 1, Prøve maj 2009

Analyse 1, Prøve maj 2009 Aalyse, Prøve 5. maj 009 Alle hevisiger til TL er hevisiger til Kalkulus (006, Tom Lidstrøm). Direkte opgavehevisiger til Kalkulus er agivet med TLO, ellers er alle hevisiger til steder i de overordede

Læs mere

χ 2 -fordelte variable

χ 2 -fordelte variable χ -fordelte varable Defnton af χ -fordelngen Kvadratsummen V n af n uafhængge standardserede normalfordelte stokastske varable sges at være χ -fordelt med n frhedsgrader. V n fremkommer altså som V n =

Læs mere

24. januar Epidemiologi og biostatistik. Forelæsning 1 Uge 1, tirsdag. Niels Trolle Andersen, Afdelingen for Biostatistik.

24. 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 mere

STATISTIKNOTER Simple normalfordelingsmodeller

STATISTIKNOTER 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 mere

Diskrete og kontinuerte stokastiske variable

Diskrete 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 mere

Sætning: 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

Sætning: 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 mere

Økonometri 1. Heteroskedasticitet 27. oktober Økonometri 1: F12 1

Økonometri 1. Heteroskedasticitet 27. oktober Økonometri 1: F12 1 Økonometr 1 Heteroskedastctet 27. oktober 2006 Økonometr 1: F12 1 Dagens program: Heteroskedastctet (Wooldrdge kap. 8.3-4) Sdste gang: I dag: Konsekvenser af heteroskedastctet for OLS Korrekton af varansen

Læs mere

Opsamling. Simpel/Multipel Lineær Regression Logistisk Regression Ikke-parametriske Metoder Chi-i-anden Test

Opsamling. Simpel/Multipel Lineær Regression Logistisk Regression Ikke-parametriske Metoder Chi-i-anden Test Opsamlng Smpel/Multpel Lneær Regresson Logstsk Regresson Ikke-parametrske Metoder Ch--anden Test Opbygnng af statstsk model Specfcer model Lgnnger og antagelser Estmer parametre Modelkontrol Er modellen

Læs mere

Regressionsmodeller. Kapitel Ikke-lineær regression

Regressionsmodeller. Kapitel Ikke-lineær regression Kaptel 0 Regressonsmodeller V vl dette kaptel dskutere eksempler på mere komplceret modeller, med observatoner, der nok er uahængge, men kke dentsk ordelte I sådanne modeller kan der opstå et naturlgt

Læs mere

Indholdsfortegnelse Generelt Diskrete stokastiske variable: Kontinuerte stokastiske variable: Regneregler for stokastiske variable

Indholdsfortegnelse 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 mere

Sandsynlighedsfordelinger for kontinuerte data på interval/ratioskala

Sandsynlighedsfordelinger 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 mere

Økonometri 1. Test for heteroskedasticitet. Test for heteroskedasticitet. Dagens program. Heteroskedasticitet 26. oktober 2005

Økonometri 1. Test for heteroskedasticitet. Test for heteroskedasticitet. Dagens program. Heteroskedasticitet 26. oktober 2005 Dagens program Økonometr Heteroskedastctet 6. oktober 005 Emnet for denne forelæsnng er heteroskedastctet (Wooldrdge kap. 8.3-8.4) Konsekvenser af heteroskedastctet Hvordan fnder man en effcent estmator?

Læs mere

Estimation ved momentmetoden. Estimation af middelværdiparameter

Estimation 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 mere

Kvantitative metoder 2

Kvantitative metoder 2 Program for dag: Kvanttatve metoder Den smple regressonsmodel 9. februar 007 Regressonsmodel med en forklarende varabel (W..3-5) Varansanalyse og goodness of ft Enheder og funktonel form af varabler modellen

Læs mere

Renteformlen. Erik Vestergaard

Renteformlen. 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 mere

Løsninger til kapitel 7

Løsninger 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 mere

Sandsynlighedsteori 1.2 og 2 Uge 5.

Sandsynlighedsteori 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 mere

Statistik ved Bachelor-uddannelsen i folkesundhedsvidenskab

Statistik 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 mere

Lineær regressionsanalyse8

Lineær regressionsanalyse8 Lneær regressonsanalyse8 336 8. Lneær regressonsanalyse Lneær regressonsanalyse Fra kaptel 4 Mat C-bogen ved v, at man kan ndtegne en række punkter et koordnatsystem, for at afgøre, hvor tæt på en ret

Læs mere

Vægtet model. Landmålingens fejlteori - Lektion4 - Vægte og Fordeling af slutfejl. Vægte. Vægte: Eksempel. Definition: Vægtrelationen

Vægtet model. Landmålingens fejlteori - Lektion4 - Vægte og Fordeling af slutfejl. Vægte. Vægte: Eksempel. Definition: Vægtrelationen Vægtet model Landmålngens fejlteor Lekton 4 Vægtet gennemsnt Fordelng af slutfejl - kkb@mathaaudk http://peoplemathaaudk/ kkb/undervsnng/lf3 Insttut for Matematske Fag Aalborg Unverstet Gvet n uafhængge

Læs mere

Stikprøvefordelinger og konfidensintervaller

Stikprøvefordelinger 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 mere

Økonometri 1. Definition og motivation. Definition og motivation. Dagens program. Den multiple regressionsmodel 15. februar 2006

Økonometri 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 mere

Den flerdimensionale normalfordeling

Den 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 mere

Sandsynlighedsregning og statistik med binomialfordelingen

Sandsynlighedsregning og statistik med binomialfordelingen Sandsynlghedsregnng og statstk med bnomalfordelngen Katja Kofod Svan og Olav Lyndrup Januar 09 Indhold Stokastske varable... 3 Mddelværd og sprednng... 6 Bnomalfordelngen... Andre sandsynlghedsfordelnger...

Læs mere

Overlappende stationsoplande: Bestemmelse af passagerpotentialer

Overlappende stationsoplande: Bestemmelse af passagerpotentialer Resumé Overlappede statosoplade: Bestemmelse af passagerpotetaler Valdemar Warburg, stud.polyt., valde@post.com Ibe Rue, stud.polyt., berue@hotmal.com Ceter for Trafk og Trasport (CTT), Damarks Tekske

Læs mere

Matematikkens mysterier - på et obligatorisk niveau. 7. Ligninger, polynomier og asymptoter

Matematikkens 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 mere

6. SEMESTER Epidemiologi og Biostatistik Opgaver til 3. uge, fredag

6. SEMESTER Epidemiologi og Biostatistik Opgaver til 3. uge, fredag Afdelng for Epdemolog Afdelng for Bostatstk 6. SEESTER Epdemolog og Bostatstk Opgaver tl 3. uge, fredag Data tl denne opgave stammer fra. Bland: An Introducton to edcal Statstcs (Exercse 11E ). V har hentet

Læs mere