Vejledende løsninger kapitel 9 opgaver
|
|
|
- Max Bjerre
- 10 år siden
- Visninger:
Transkript
1 KAPITEL 9 OPGAVE 1 a) Hypoteser H 0 : Der er uafhængighed (ingen sammenhæng) i kontingenstabellen H 1 : Der er afhængighed (sammenhæng) i kontingenstabellen Observerede værdier Ny metode Gammel metode Sum Antal enheder med fejl Antal enheder uden fejl Sum Forventede værdier Ny metode Gammel metode Sum Antal enheder med fejl 9,03 7,97 17 Antal enheder uden fejl 213,97 189, Sum Bidrag til teststørrelsen Side 1
2 Ny metode Gammel metode Sum Antal enheder med fejl 0,43 0,49 0,92 Antal enheder uden fejl 0,02 0,02 0,04 Sum 0,45 0,51 0,96 Resultat Frihedsgrader 1 Teststørrelse 0,96 p-værdi 0, H 0 accepteres b) Nej Side 2
3 OPGAVE 2 a) Estimeret andel 0,05 Nedre grænse 0, Øvre grænse 0, b) Goodness-of-fit test for uafhængighed i kontingenstabel Hypoteser H 0 : Der er uafhængighed (ingen sammenhæng) i kontingenstabellen H 1 : Der er afhængighed (sammenhæng) i kontingenstabellen Observerede værdier Overskred hastighed Overskred ikke hastighed Sum Sønderjylland Flensborg Sum Forventede værdier Overskred hastighed Overskred ikke hastighed Sum Sønderjylland 62,16 937, Flensborg 52,84 797, Sum Side 3
4 Bidrag til teststørrelsen Overskred hastighed Overskred ikke hastighed Sum Sønderjylland 5,12 0,34 5,46 Flensborg 6,02 0,40 6,42 Sum 11,14 0,74 11,88 Resultat Frihedsgrader 1 Teststørrelse 11,88 p-værdi 0, H 0 forkastes, dvs. der er forskel. Andelen er mindst i Flensborg Side 4
5 OPGAVE 3 Goodness-of-fit test for uafhængighed i kontingenstabel Hypoteser H 0 : Der er uafhængighed (ingen sammenhæng) i kontingenstabellen H A : Der er afhængighed (sammenhæng) i kontingenstabellen Observerede værdier Søjle 1 Søjle 2 Søjle 3 Sum Række Række Række Sum Forventede værdier Søjle 1 Søjle 2 Søjle 3 Sum Række 1 28,16 80,76 55, Række 2 58,38 167,42 114, Række 3 49,45 141,82 96, Sum Bidrag til teststørrelsen Søjle 1 Søjle 2 Søjle 3 Sum Række 1 261,64 29,44 24,96 316,04 Side 5
6 Række 2 36,85 20,49 1,30 58,65 Række 3 31,48 0,68 25,10 57,26 Sum 329,97 50,61 51,36 431,94 Resultat Frihedsgrader 4 Teststørrelse 431,94 p-værdi 3,47726E-92 H 0 forkastes, dvs. rygning har indflydelse Side 6
7 OPGAVE 4 Goodness-of-fit test for uafhængighed i kontingenstabel Hypoteser H 0 : Der er uafhængighed (ingen sammenhæng) i kontingenstabellen H A : Der er afhængighed (sammenhæng) i kontingenstabellen Observerede værdier Højst 3 rammer Mellem 4 og 9 rammer Over 9 rammer Sum Over 50 km fra grænsen Under 50 km fra grænsen Sum Forventede værdier Højst 3 rammer Mellem 4 og 9 rammer Over 9 rammer Sum Over 50 km fra grænsen 21,43 14,29 9,29 45 Under 50 km fra grænsen 8,57 5,71 3,71 18 Sum Bidrag til teststørrelsen Højst 3 Mellem 4 og 9 Over 9 Sum Side 7
8 rammer rammer rammer Over 50 km fra grænsen 0,10 0,04 0,05 0,19 Under 50 km fra grænsen 0,24 0,09 0,14 0,46 Sum 0,33 0,13 0,19 0,65 Resultat Frihedsgrader 2 Teststørrelse 0,65 p-værdi 0, Der er ingen sammenhæng Side 8
9 OPGAVE 5 Denne opgave skal løses ved at finde oplysninger på a) Her skal eleverne finde ud af, hvor mange personer, der er i 9. klasse evt. 10 klasse i g 2010 for at få andelene, der har påbegyndt en gymnasial uddannelse i de to år. b) Som i sp. a, hvor der skal findes ud af antallet af mænd og kvinder i de to år i 9. og 10. klasse c) Som i sp. b Side 9
10 OPGAVE 6 Goodness-of-fit test for uafhængighed i kontingenstabel Hypoteser H 0 : Der er uafhængighed (ingen sammenhæng) i kontingenstabellen H A : Der er afhængighed (sammenhæng) i kontingenstabellen Observerede værdier BYGGA KONKURRENTER Sum VER Sum Forventede værdier BYGGA KONKURRENTER Sum ,60 4, ,60 12, ,00 14,00 70 Side 10
11 ,00 11, ,20 4, VER 60 13,60 3,40 17 Sum Bidrag til teststørrelsen BYGGA KONKURRENTER Sum ,33 1,31 1, ,39 1,56 1, ,02 0,07 0, ,36 1,45 1, ,53 2,13 2,67 0VER 60 0,03 0,11 0,13 Sum 1,66 6,64 8,29 Resultat Frihedsgrader 5 Der er ingen forskel i aldersfordelingen Teststørrelse 8,29 p-værdi 0, OPGAVE 7 Goodness-of-fit test for uafhængighed i kontingenstabel Hypoteser H 0 : Der er uafhængighed (ingen sammenhæng) i kontingenstabellen H A : Der er afhængighed (sammenhæng) i kontingenstabellen Side 11
12 Observerede værdier A B C Sum Københavnere Sønderjyder Sum Forventede værdier A B C Sum Københavnere 38,86 22,29 38, Sønderjyder 29,14 16,71 29,14 75 Sum Bidrag til teststørrelsen A B C Sum Københavnere 2,15 1,77 0,21 4,13 Sønderjyder 2,87 2,36 0,28 5,51 Sum 5,02 4,14 0,49 9,65 Resultat Frihedsgrader 2 Teststørrelse 9,65 p-værdi 0, Der er ingen forskel. Side 12
13 OPGAVE 8 a) Udarbejd en afbildning af y = livvidde og x = legemshøjde Livvidde i cm y = 0,424 x + 0,627 R 2 = 0, Legemshøjde i cm Det ser rimeligt ud, at lave en ret linje. R 2 er dog under 50 % Test for hældning Hypoteser (tosidet test) H 0 : a = a 0 = 0 H 1 : a 0 Input Stikprøvestørrelse 9 Side 13
14 Hældning 0, Standardfejl 0, Nul-værdi 0 Resultat Teststørrelse 2, p-værdi 0, Hældningskoefficienten er forskellig fra 0, da p værdien er under 0,05 b) se grafen c) a = 0,424 betyder, at for hver 1 cm højden stiger, vil livvidden øges med 0,424 cm Side 14
15 OPGAVE 9 a) r 2 = 0, y = 0, ,862069x b) r 2 = 0,42496 y = 0, ,73913x c) r 2 = 0, y = 0-0, ,046023x d) stil (sp. b) har størst forklaringsgrad (der er dog ikke stor forskel i forhold til modellen i sp. c holdbarhed) OPGAVE 10 a) Komfort: Hypoteser (tosidet test) H 0 : a = 0 H1 a 0 Input Stikprøvestørrelse 13 Hældning 0, Standardfejl 0,41541 Nul-værdi 0 Resultat Teststørrelse 2, p-værdi 0, Side 15
16 Der er ingen lineær sammenhæng Stil: Test for hældning Hypoteser (tosidet test) H 0 : b = b 0 H A : b b 0 Input Stikprøvestørrelse 13 Hældning 0,73913 Standardfejl 0, Nul-værdi 0 Resultat Teststørrelse 2, p-værdi 0, Der er lineær sammenhæng Holdbarhed Test for hældning Hypoteser (tosidet test) H 0 : a = 0 Side 16
17 H 1 : a 0 Input Stikprøvestørrelse 13 Hældning 0, Standardfejl 0, Nul-værdi 0 Resultat Teststørrelse 2,772 p-værdi 0, Der er lineær sammenhæng c) Det har stil, som dermed også har den største r 2 Side 17
18 OPGAVE 11 a) 250 maksimalpuls personens alder b) Y = 227, ,03511X a = - 1,03511 betyder at hvis personen bliver et år ældre falder pulsen med 1,03511 c) 196,71079 d) 155,30639 (Her extrapoleres) OPGAVE 12 RESUMEOUTPUT Regressionsstatistik Multipel R 0, R-kvadreret 0, Justeret R-kvadreret 0, Standardfejl 7, Side 18
19 Observationer 10 ANAVA fg SK MK F Signifikans F Regression , ,819 29,8225 0, Residual 8 416, ,03517 I alt ,1 Koefficienter Standardfejl t-stat P-værdi Nedre 95% Øvre 95% Skæring 182, , , , , ,9281 y = personens maksimale puls -0, , ,461 0, ,0834-0,44008 OPGAVE 13 a) RESUMEOUTPUT Regressionsstatistik Multipel R 0, R-kvadreret 0, Justeret R- kvadreret 0, Standardfejl 0, Observationer 7 ANAVA fg SK MK F Signifikans F Side 19
20 Regression 1 95, , ,2676 1,1E-06 Residual 5 0, , I alt 6 95,7 Koefficienter Standardfejl t-stat P-værdi Nedre 95% Øvre 95% Skæring 29, , , ,47E-08 28, ,54826 km/time - 0, , ,9512 1,1E-06-0, ,16734 b) 6, c) 108,4496 OPGAVE 14 Både ud fra konfidensintervallet for hældningen og p værdien forkastes H 0, dvs. der er lineær sammenhæng. Side 20
21 OPGAVE 15 RESUMEOUTPUT Regressionsstatistik Multipel R 0, R-kvadreret 0, Justeret R- kvadreret 0, Standardfejl 2, Observationer 14 ANAVA fg SK MK F Signifikans F Regression 1 104, , , , Residual 12 51,4022 4, I alt ,3571 Koefficienter Standardfejl t-stat P-værdi Nedre 95% Øvre 95% Skæring -1, , , , , , Antal stk. 0, , , , , , a) a = 0,26 er grænseomkostninger eller variable enhedsomkostninger b = - 1,1076 har ingen fortolkning her b) R- kvadreret 0, Side 21
22 c) x = 65 stk 15,4905 x = 45 stk 10,29011 OPGAVE 16 Udfra konfidensintervallet kan gromk godt være 300, da a = 0,3 er indeholdt i konfidensintervallet. Side 22
23 OPGAVE 17 RESUMEOUTPUT Regressionsstatistik Multipel R 0, R-kvadreret 0, Justeret R- kvadreret 0, Standardfejl 95,08084 Observationer 9 ANAVA fg SK MK F Signifikans F Regression , ,913E-05 Residual , ,366 I alt ,6 Koefficienter Standardfejl t-stat P-værdi Nedre 95% Øvre 95% Skæring 412, , , , , ,881 x 1, , , ,913E-05 0, , b) hvis antallet af solgte billetter 10 dage før stiger med 1, vil det endelige antal solgte billetter stige med 1,32 c) se udskriften d) 1340,721 dvs Side 23
24 OPGAVE 18 Ud fra kondidensintervallet i opgave 17 accepteres hypotesen Side 24
Vejledende løsninger kapitel 8 opgaver
KAPITEL 8 OPGAVE 1 Nej den kan også være over 1 OPGAVE 2 Stikprøvestørrelse 10 Stikprøvegennemsnit 1,18 Stikprøvespredning 0,388158 Konfidensniveau 0,95 Nedre grænse 0,902328 Øvre grænse 1,457672 Stikprøvestørrelse
Bilag 1: Skanparametre Cerebrum Axial
1: Skanparametre Cerebrum Axial Axial surview View Angel 90 Start - End - Length 300mm Kv 120 Current ma 30 Lejehøjde 108cm Axial Cerebrum Lejehøjde 108cm Start 95.1 End 205.373 Length 115.545mm Direction
Løsninger til kapitel 14
Opgave 14.1 a) Linjetilpasningsplottet bliver: Løsninger til kapitel 14 Idet datapunkterne ligger tæt på og jævnt fordelt omkring den rette linje, så ser det ud til, at der med rimelighed er tale om en
Anvendt Statistik Lektion 6. Kontingenstabeller χ 2- test [ki-i-anden-test]
Anvendt Statistik Lektion 6 Kontingenstabeller χ 2- test [ki-i-anden-test] Kontingenstabel Formål: Illustrere/finde sammenhænge mellem to kategoriske variable Opbygning: En celle for hver kombination af
Oversigt. 1 Gennemgående eksempel: Højde og vægt. 2 Korrelation. 3 Regressionsanalyse (kap 11) 4 Mindste kvadraters metode
Kursus 02402 Introduktion til Statistik Forelæsning 11: Kapitel 11: Regressionsanalyse Oversigt 1 Gennemgående eksempel: Højde og vægt 2 Korrelation 3 Per Bruun Brockhoff DTU Compute, Statistik og Dataanalyse
Forelæsning 9: Inferens for andele (kapitel 10)
Kursus 02402 Introduktion til Statistik Forelæsning 9: Inferens for andele (kapitel 10) Per Bruun Brockhoff DTU Compute, Statistik og Dataanalyse Bygning 324, Rum 220 Danmarks Tekniske Universitet 2800
Forelæsning 11: Kapitel 11: Regressionsanalyse
Kursus 02402 Introduktion til Statistik Forelæsning 11: Kapitel 11: Regressionsanalyse Per Bruun Brockhoff DTU Compute, Statistik og Dataanalyse Bygning 324, Rum 220 Danmarks Tekniske Universitet 2800
Løsninger til kapitel 15. størrelsen i kvadratmeter, X. en dummy-variabel, som indikerer om der er havudsigt eller ej, så er modellen
Løsninger til kapitel 5 Opgave 5. a) Hvis Y indikerer prisen, størrelsen i kvadratmeter, afstanden i meter til vandet og en dummy-variael, som indikerer om der er havudsigt eller ej, så er modellen Y =
1 Statistisk inferens: Hypotese og test Nulhypotese - alternativ Teststatistik P-værdi Signifikansniveau...
Indhold 1 Statistisk inferens: Hypotese og test 2 1.1 Nulhypotese - alternativ.................................. 2 1.2 Teststatistik........................................ 3 1.3 P-værdi..........................................
Hvad skal vi lave? Nulhypotese - alternativ. Teststatistik. Signifikansniveau
Hvad skal vi lave? 1 Statistisk inferens: Hypotese og test Nulhypotese - alternativ. Teststatistik P-værdi Signifikansniveau 2 t-test for middelværdi Tosidet t-test for middelværdi Ensidet t-test for middelværdi
Eksempel Multipel regressions model Den generelle model Estimation Multipel R-i-anden F-test for effekt af prædiktorer Test for vekselvirkning
1 Multipel regressions model Eksempel Multipel regressions model Den generelle model Estimation Multipel R-i-anden F-test for effekt af prædiktorer Test for vekselvirkning PSE (I17) ASTA - 11. lektion
Kapitel 11 Lineær regression
Kapitel 11 Lineær regression Peter Tibert Stoltze [email protected] Elementær statistik F2011 1 / 1 Indledning Vi modellerer en afhængig variabel (responset) på baggrund af en uafhængig variabel (stimulus),
Konfidensintervaller og Hypotesetest
Konfidensintervaller og Hypotesetest Konfidensinterval for andele χ -fordelingen og konfidensinterval for variansen Hypoteseteori Hypotesetest af middelværdi, varians og andele Repetition fra sidst: Konfidensintervaller
Betinget fordeling Uafhængighed. Beregning af forventet tabel Chi-kvadrat teststatistik Chi-kvadrat test. Chi-kvadratfordelingen Agresti - Summary
1 Kontingenstabeller Betinget fordeling Uafhængighed 2 Chi-kvadrat test for uafhængighed Beregning af forventet tabel Chi-kvadrat teststatistik Chi-kvadrat test. Chi-kvadratfordelingen Agresti - Summary
Anvendt Statistik Lektion 8. Multipel Lineær Regression
Anvendt Statistik Lektion 8 Multipel Lineær Regression 1 Simpel Lineær Regression (SLR) y Sammenhængen mellem den afhængige variabel (y) og den forklarende variabel (x) beskrives vha. en SLR: ligger ikke
Anvendt Statistik Lektion 7. Simpel Lineær Regression
Anvendt Statistik Lektion 7 Simpel Lineær Regression 1 Er der en sammenhæng? Plot af mordraten () mod fattigdomsraten (): Scatterplot Afhænger mordraten af fattigdomsraten? 2 Scatterplot Et scatterplot
MATEMATIK A-NIVEAU. Anders Jørgensen & Mark Kddafi. Vejledende eksempler på eksamensopgaver og eksamensopgaver i matematik, 2012
MATEMATIK A-NIVEAU Vejledende eksempler på eksamensopgaver og eksamensopgaver i matematik, 2012 Kapitel 4 Statistik & sandsynlighedsregning 2016 MATEMATIK A-NIVEAU Vejledende eksempler på eksamensopgaver
Tema. Dagens tema: Indfør centrale statistiske begreber.
Tema Dagens tema: Indfør centrale statistiske begreber. Model og modelkontrol Estimation af parametre. Fordeling. Hypotese og test. Teststørrelse. konfidensintervaller Vi tager udgangspunkt i Ex. 3.1 i
Analysestrategi. Lektion 7 slides kompileret 27. oktober 200315:24 p.1/17
nalysestrategi Vælg statistisk model. Estimere parametre i model. fx. lineær regression Udføre modelkontrol beskriver modellen data tilstrækkelig godt og er modellens antagelser opfyldte fx. vha. residualanalyse
Anvendt Statistik Lektion 4. Hypotesetest generelt Test for middelværdi Test for andele
Anvendt Statistik Lektion 4 Hypotesetest generelt Test for middelværdi Test for andele Hypoteser og Test Hypotese I statistik er en hypotese en påstand om en populationsparameter. Typisk en påstand om
Velkommen til Flemmings store Maplekursus 1. lektion. Skift mellem tekst- og matematikmode
Velkommen til Flemmings store Maplekursus 1. lektion. Skift mellem tekst- og matematikmode Man kan skifte mellem tekst- og matemamatikmode ved at trykke på F5. I øjeblikket er jeg i tekstmode.. 2. lektion.
Program: 1. Repetition: p-værdi 2. Simpel lineær regression. 1/19
Program: 1. Repetition: p-værdi 2. Simpel lineær regression. 1/19 For test med signifikansniveau α: p < α forkast H 0 2/19 p-værdi Betragt tilfældet med test for H 0 : µ = µ 0 (σ kendt). Idé: jo større
Vejledende besvarelser til opgaver i kapitel 14
Vejledende besvarelser til opgaver i kapitel 14 Opgave 1 a) Det første trin i opstillingen af en hypotesetest er at formulere to hypoteser, hvoraf den ene støtter den teori vi vil teste, mens den anden
1 Multipel lineær regression
Indhold 1 Multipel lineær regression 2 1.1 Regression med 2 eksponeringsvariable......................... 2 1.2 Fortolkning og estimation................................ 3 1.3 AnovaTabel og multipel R
Dagens Emner. Likelihood teori. Lineær regression (intro) p. 1/22
Dagens Emner Likelihood teori Lineær regression (intro) p. 1/22 Likelihood-metoden M : X i N(µ,σ 2 ) hvor µ og σ 2 er ukendte Vi har, at L(µ,σ 2 ) = ( 1 2πσ 2)n/2 e 1 2σ 2 P n (x i µ) 2 er tætheden som
1 Multipel lineær regression
1 Multipel lineær regression Regression med 2 eksponeringsvariable Fortolkning og estimation AnovaTabel og multipel R 2 Ensidet variansanalyse: Dummy kodning Kovariansanalyse og effektmodifikation Tosidet
Multipel regression. Data fra opgave 3 side 453: Multipel regressionsmodel: Y = α + β 1 x 1 + β 2 x 2 + ǫ. hvor ǫ N(0, σ 2 ).
Program 1. multipel regression 2. polynomiel regression (og andre kurver) 3. kategoriske variable 4. Determinationkoefficient og justeret determinationskoefficient 5. ANOVA-tabel 1/13 Multipel regression
Flemmings Maplekursus 1. Løsning af ligninger
Flemmings Maplekursus 1. Løsning af ligninger a) Ligninger med variabel og kun en løsning. Ligningen løses 10 3 Hvis vi ønsker løsningen udtrykt som en decimalbrøk i stedet: 3.333333333 Løsningen 3 er
MAT A HHX FACITLISTE TIL KAPITEL 8. Øvelser. Øvelse 1 Graf tegnes med CAS. Øvelse 2. Bedste rette linie: Øvelse 3. Øvelse 4.
1 af 12 MAT A HHX Udskriv siden FACITLISTE TIL KAPITEL 8 Øvelser Øvelse 1 Graf tegnes med CAS. Øvelse 2 Bedste rette linie: Øvelse 3 Bedste rette linie: Øvelse 4 Bedste rette linie: Øvelse 5 ad øvelse
Statistik II 1. Lektion. Analyse af kontingenstabeller
Statistik II 1. Lektion Analyse af kontingenstabeller Kursusbeskrivelse Omfang 5 kursusgange (forelæsning + opgaveregning) 5 kursusgange (mini-projekt) Emner Analyse af kontingenstabeller Logistisk regression
1 Ensidet variansanalyse(kvantitativt outcome) - sammenligning af flere grupper(kvalitativ
Indhold 1 Ensidet variansanalyse(kvantitativt outcome) - sammenligning af flere grupper(kvalitativ exposure) 2 1.1 Variation indenfor og mellem grupper.......................... 2 1.2 F-test for ingen
Mindste kvadraters tilpasning Prædiktion og residualer Estimation af betinget standardafvigelse Test for uafhængighed Konfidensinterval for hældning
1 Regressionsproblemet 2 Simpel lineær regression Mindste kvadraters tilpasning Prædiktion og residualer Estimation af betinget standardafvigelse Test for uafhængighed Konfidensinterval for hældning 3
grupper(kvalitativ exposure) Variation indenfor og mellem grupper F-test for ingen effekt AnovaTabel Beregning af p-værdi i F-fordelingen
1 Ensidet variansanalyse(kvantitativt outcome) - sammenligning af flere grupper(kvalitativ exposure) Variation indenfor og mellem grupper F-test for ingen effekt AnovaTabel Beregning af p-værdi i F-fordelingen
Anvendt Statistik Lektion 9. Variansanalyse (ANOVA)
Anvendt Statistik Lektion 9 Variansanalyse (ANOVA) 1 Undersøge sammenhæng Undersøge sammenhænge mellem kategoriske variable: χ 2 -test i kontingenstabeller Undersøge sammenhæng mellem kontinuerte variable:
Løsning til eksamen d.27 Maj 2010
DTU informatic 02402 Introduktion til Statistik Løsning til eksamen d.27 Maj 2010 Referencer til Probability and Statistics for Engineers er angivet i rækkefølgen [8th edition, 7th edition]. Opgave I.1
MLR antagelserne. Antagelse MLR.1:(Lineære parametre) Den statistiske model for populationen kan skrives som
MLR antagelserne Antagelse MLR.1:(Lineære parametre) Den statistiske model for populationen kan skrives som y = β 0 + β 1 x 1 + β 2 x 2 + + β k x k + u, hvor β 0, β 1, β 2,...,β k er ukendte parametere,
Hypotesetest. Altså vores formodning eller påstand om tingens tilstand. Alternativ hypotese (hvis vores påstand er forkert) H a : 0
Hypotesetest Hypotesetest generelt Ingredienserne i en hypotesetest: Statistisk model, f.eks. X 1,,X n uafhængige fra bestemt fordeling. Parameter med estimat. Nulhypotese, f.eks. at antager en bestemt
Anvendt Statistik Lektion 9. Variansanalyse (ANOVA)
Anvendt Statistik Lektion 9 Variansanalyse (ANOVA) 1 Undersøge sammenhæng Undersøge sammenhænge mellem kategoriske variable: χ 2 -test i kontingenstabeller Undersøge sammenhæng mellem kontinuerte variable:
Multipel Lineær Regression
Multipel Lineær Regression Trin i opbygningen af en statistisk model Repetition af MLR fra sidst Modelkontrol Prædiktion Kategoriske forklarende variable og MLR Opbygning af statistisk model Specificer
Anvendt Statistik Lektion 5. Sammenligning af to grupper * Sammenligning af middelværdier * Sammenligning af andele
Anvendt Statistik Lektion 5 Sammenligning af to grupper * Sammenligning af middelværdier * Sammenligning af andele Motiverende eksempel Antal minutter brugt på rengøring/madlavning: Rengøring/Madlavning
Anvendt Statistik Lektion 6. Kontingenstabeller χ 2 -test [ki-i-anden-test]
Anvendt Statistik Lektion 6 Kontingenstabeller χ 2 -test [ki-i-anden-test] 1 Kontingenstabel Formål: Illustrere/finde sammenhænge mellem to kategoriske variable Opbygning: En celle for hver kombination
Tema. Model og modelkontrol ( Fx. en normalfordelt obs. række m. kendt varians) Estimation af parametre. Fordeling. Hypotese og test. Teststørrelse.
Tema Model og modelkontrol ( Fx. en normalfordelt obs. række m. kendt varians) Estimation af parametre. Fordeling. (Fx. x. µ) Hypotese og test. Teststørrelse. (Fx. H 0 : µ = µ 0 ) konfidensintervaller
Statistik II 4. Lektion. Logistisk regression
Statistik II 4. Lektion Logistisk regression Logistisk regression: Motivation Generelt setup: Dikotom(binær) afhængig variabel Kontinuerte og kategoriske forklarende variable (som i lineær reg.) Eksempel:
Bilag til Statistik i løb : Statistik og Microsoft Excel tastevejledning / af Lars Bo Kristensen
Bilag til Statistik i løb : Statistik og Microsoft Excel tastevejledning / af Lars Bo Kristensen Microsoft Excel har en del standard anvendelsesmuligheder i forhold til den beskrivende statistik og statistisk
Dagens Emner. Likelihood-metoden. MLE - fortsat MLE. Likelihood teori. Lineær regression (intro) Vi har, at
Likelihood teori Lineær regression (intro) Dagens Emner Likelihood-metoden M : X i N(µ,σ 2 ) hvor µ og σ 2 er ukendte Vi har, at L(µ,σ 2 1 ) = ( 2πσ 2)n/2 e 1 2 P n (xi µ)2 er tætheden som funktion af
Løsning til opgave 7, 9, 10 og 11C Matematik B Sommer 2014
Vejledning til udvalgte opgave fra Matematik B, sommer 2014 Opgave 7 Størrelsen og udbudsprisen på 100 fritidshuse på Rømø er indsamlet via boligsiden.dk. a) Grafisk præsentation, der beskriver fordelingen
Perspektiver i Matematik-Økonomi: Linær regression
Perspektiver i Matematik-Økonomi: Linær regression Jens Ledet Jensen H2.21, email: [email protected] Perspektiver i Matematik-Økonomi: Linær regression p. 1/34 Program for i dag 1. Indledning: sammenhæng mellem
Statistik ved Bachelor-uddannelsen i folkesundhedsvidenskab. Mantel-Haenszel analyser
Statistik ved Bachelor-uddannelsen i folkesundhedsvidenskab Mantel-Haenszel analyser Mantel-Haenszel analyser Sidst lærte vi om stratificerede analyser. I dag kigger vi på et specialtilfælde: både exposure
Anvendt Statistik Lektion 5. Sammenligning af to grupper * Sammenligning af middelværdier * Sammenligning af andele
Anvendt Statistik Lektion 5 Sammenligning af to grupper * Sammenligning af middelværdier * Sammenligning af andele Motiverende eksempel Antal minutter brugt på rengøring/madlavning: Rengøring/Madlavning
Kvantitative metoder 2
Kvantitative metoder Heteroskedasticitet 11. april 007 KM: F18 1 Oversigt: Heteroskedasticitet OLS estimation under heteroskedasticitet (W.8.1-): Konsekvenser af heteroskedasticitet for OLS Gyldige test
Ikke-parametriske metoder. Repetition Wilcoxon Signed-Rank Test Kruskal-Wallis Test Friedman Test Chi-i-anden Test
Ikkeparametriske metoder Repetition Wilcoxon SignedRank Test KruskalWallis Test Friedman Test Chiianden Test Run Test Er sekvensen opstået tilfældigt? PPPKKKPPPKKKPPKKKPPP Et run er en sekvens af ens elementer,
Statistik og Sandsynlighedsregning 2. Repetition og eksamen. Overheads til forelæsninger, mandag 7. uge
Statistik og Sandsynlighedsregning 2 Repetition og eksamen Overheads til forelæsninger, mandag 7. uge 1 Normalfordelingen Erfaringsmæssigt er normalfordelingen velegnet til at beskrive variationen i mange
Appendiks Økonometrisk teori... II
Appendiks Økonometrisk teori... II De klassiske SLR-antagelser... II Hypotesetest... VII Regressioner... VIII Inflation:... VIII Test for SLR antagelser... IX Reset-test... IX Plots... X Breusch-Pagan
Eksamen i Statistik for biokemikere. Blok
Eksamen i Statistik for biokemikere. Blok 2 2007. Vejledende besvarelse 22-01-2007, Niels Richard Hansen Bemærkning: Flere steder er der givet en argumentation (f.eks. baseret på konfidensintervaller)
1 Hb SS Hb Sβ Hb SC = , (s = )
PhD-kursus i Basal Biostatistik, efterår 2006 Dag 6, onsdag den 11. oktober 2006 Eksempel 9.1: Hæmoglobin-niveau og seglcellesygdom Data: Hæmoglobin-niveau (g/dl) for 41 patienter med en af tre typer seglcellesygdom.
Statistik Lektion 20 Ikke-parametriske metoder. Repetition Kruskal-Wallis Test Friedman Test Chi-i-anden Test
Statistik Lektion 0 Ikkeparametriske metoder Repetition KruskalWallis Test Friedman Test Chiianden Test Run Test Er sekvensen opstået tilfældigt? PPPKKKPPPKKKPPKKKPPP Et run er en sekvens af ens elementer,
Vejledende besvarelse af eksamen i Statistik for biokemikere, blok
Opgave 1 Vejledende besvarelse af eksamen i Statistik for biokemikere, blok 2 2006 Inge Henningsen og Niels Richard Hansen Analysevariablen i denne opgave er variablen forskel, der for hver af 10 kvinder
Epidemiologi og Biostatistik Opgaver i Biostatistik Uge 10: 13. april
Århus 8. april 2011 Morten Frydenberg Epidemiologi og Biostatistik Opgaver i Biostatistik Uge 10: 13. april Opgave 1 ( gruppe 1: sp 1-4, gruppe 5: sp 5-9 og gruppe 6: 10-14) I denne opgaveser vi på et
Opgaver i lineær regression
Erik Vestergaard www.matematikfysik.dk 1 Opgaver i lineær regression Opgave 1 I Troposfæren op til en højde af ca. 12 km over jordoverfladen aftager lufttemperaturen på en regelmæssig måde. istock.com/ttsz
c) For, er, hvorefter. Forklar.
1 af 13 MATEMATIK B hhx Udskriv siden FACITLISTE TIL KAPITEL 7 ØVELSER ØVELSE 1 c) ØVELSE 2 og. Forklar. c) For, er, hvorefter. Forklar. ØVELSE 3 c) ØVELSE 4 90 % konfidensinterval: 99 % konfidensinterval:
Lineær regression. Simpel regression. Model. ofte bruges følgende notation:
Lineær regression Simpel regression Model Y i X i i ofte bruges følgende notation: Y i 0 1 X 1i i n i 1 i 0 Findes der en linie, der passer bedst? Metode - Generel! least squares (mindste kvadrater) til
Personlig stemmeafgivning
Ib Michelsen X 2 -test 1 Personlig stemmeafgivning Efter valget i 2005 1 har man udspurgt en mindre del af de deltagende, om de har stemt personligt. Man har svar fra 1131 mænd (hvoraf 54 % har stemt personligt
2 Logaritme- og eksponentialfunktion 6
Indhold 1 Kontingenstabeller 2 1.1 Krydstabeller....................................... 2 1.2 Forventede under nulhypotesen............................. 4 1.3 Ki-kvadrat test......................................
Kapitel , altså 360. Hvad er matematik? 1 ISBN
Kapitel 1 Øvelse 1.4 En forklaring kan være, at man gerne vil se hvor godt modellen passer med de historiske data man allerede kender. Hvis modellen ikke passer med disse, kan man heller ikke forvente,
Økonometri 1. Dummyvariabler 13. oktober Økonometri 1: F10 1
Økonometri 1 Dummyvariabler 13. oktober 2006 Økonometri 1: F10 1 Dagens program Dummyvariabler i den multiple regressionsmodel (Wooldridge kap. 7.3-7.6) Dummy variabler for kvalitative egenskaber med flere
Vejledende eksamensopgaver vedr. hypotesetest (stx B og stx A)
Vejledende eksamensopgaver vedr. hypotesetest (stx B og stx A) Opgave 1 I nedenstående tabel ses resultaterne af samtlige hjerteklapoperationer i 007-08 ved Odense Universitetshospital (OUH) sammenlignet
Peter Harremoës Matematik A med hjælpemidler 15. december 2016 = 25 = x = = 10 2 =
Opgave 6 a) Se bilag 2! Opgave 7 a) Omsætningen er givet ved R (x) = p (x) x = 500 x 1 /2 x = 500 x 1 /2 b) Den afsætning, som giver det største dækningsbidrag, bestemmes ved at løse ligningen R (x) =
Statistik II Lektion 3. Logistisk Regression Kategoriske og Kontinuerte Forklarende Variable
Statistik II Lektion 3 Logistisk Regression Kategoriske og Kontinuerte Forklarende Variable Setup: To binære variable X og Y. Statistisk model: Konsekvens: Logistisk regression: 2 binære var. e e X Y P
Analysenavn: D-Bilirubin NPU: 17194
Metodesammenligning Master app. Analysenavn: D-Bilirubin NPU: 17194 Ansvarlig : HJ Dato : 01-11-07 APPARATUR Cobas 1 Næstved Resultater Student s t-test serienummer: Core: AF0634-27, C: AA0632-16 Beregnet
Løsning til eksamensopgaven i Basal Biostatistik (J.nr.: 1050/06)
Afdeling for Biostatistik Bo Martin Bibby 23. november 2006 Løsning til eksamensopgaven i Basal Biostatistik (J.nr.: 1050/06) Vi betragter 4699 personer fra Framingham-studiet. Der er oplysninger om follow-up
Statistisk modellering og regressionsanalyse
Statistisk modellering og regressionsanalyse Claus Thorn Ekstrøm KU Biostatistik [email protected] Oktober 25, 2018 Slides @ biostatistics.dk/talks/ 1 2 Hvad er statistik? Statistics is a science, not
Vi vil analysere effekten af rygning og alkohol på chancen for at blive gravid ved at benytte forskellige Cox regressions modeller.
Løsning til øvelse i TTP dag 3 Denne øvelse omhandler tid til graviditet. Et studie vedrørende tid til graviditet (Time To Pregnancy = TTP) inkluderede 423 par i alderen 20-35 år. Parrene blev fulgt i
Peter Harremoës Mat A eksamen med hjælpemidler 21. april 2014
Opgave 6 Ved hjælp af GeoGebra CAS ses at udtrykkes reduceres til noget som er forskelligt fra b 3 ab 2. Dette kan også ses ved f.eks. at indsætte a = 0 og b = 1. Se bilag 2! Opgave 7 Data er indlæst i
Module 3: Statistiske modeller
Department of Statistics ST502: Statistisk modellering Pia Veldt Larsen Module 3: Statistiske modeller 31 ANOVA 1 32 Variabelselektion 4 321 Multipel determinationskoefficient 5 322 Variabelselektion med
Afsnit E1 Konfidensinterval for middelværdi i normalfordeling med kendt standardafvigelse
Afsnit 8.3 - E1 Konfidensinterval for middelværdi i normalfordeling med kendt standardafvigelse Først skal normalfordelingen lige defineres i Maple, så vi kan benytte den i vores udregninger. Dette gøres
Krydstabeller Forventede under nulhypotesen Ki-kvadrat test Residualanalyse Eksakt test
1 Kontingenstabeller Krydstabeller Forventede under nulhypotesen Ki-kvadrat test Residualanalyse Eksakt test 2 Logaritme- og eksponentialfunktion 3 Logistisk regression Sammenligning af odds for 2 grupper
Modul 11: Simpel lineær regression
Forskningsenheden for Statistik ST01: Elementær Statistik Bent Jørgensen Modul 11: Simpel lineær regression 11.1 Regression uden gentagelser............................. 1 11.1.1 Oversigt....................................
Opgave 1 Betragt to diskrete stokastiske variable X og Y. Antag at sandsynlighedsfunktionen p X for X er givet ved
Matematisk Modellering 1 (reeksamen) Side 1 Opgave 1 Betragt to diskrete stokastiske variable X og Y. Antag at sandsynlighedsfunktionen p X for X er givet ved { 1 hvis x {1, 2, 3}, p X (x) = 3 0 ellers,
Løsning eksamen d. 15. december 2008
Informatik - DTU 02402 Introduktion til Statistik 2010-2-01 LFF/lff Løsning eksamen d. 15. december 2008 Referencer til Probability and Statistics for Engineers er angivet i rækkefølgen [8th edition, 7th
Statikstik II 2. Lektion. Lidt sandsynlighedsregning Lidt mere om signifikanstest Logistisk regression
Statikstik II 2. Lektion Lidt sandsynlighedsregning Lidt mere om signifikanstest Logistisk regression Sandsynlighedsregningsrepetition Antag at Svar kan være Ja og Nej. Sandsynligheden for at Svar Ja skrives
Institut for Matematiske Fag Matematisk Modellering 1 UGESEDDEL 6
Institut for Matematiske Fag Matematisk Modellering 1 Aarhus Universitet Eva B. Vedel Jensen 25. februar 2008 UGESEDDEL 6 Forelæsningerne torsdag den 21. februar og tirsdag den 26. februar. Jeg har gennemgået
Normalfordelingen. Statistik og Sandsynlighedsregning 2
Statistik og Sandsynlighedsregning 2 Repetition og eksamen T-test Normalfordelingen Erfaringsmæssigt er normalfordelingen velegnet til at beskrive variationen i mange variable, blandt andet tilfældige
Statistik II 1. Lektion. Sandsynlighedsregning Analyse af kontingenstabeller
Statistik II 1. Lektion Sandsynlighedsregning Analyse af kontingenstabeller Kursusbeskrivelse Omfang 5 kursusgange (forelæsning + opgaveregning) 5 kursusgange (mini-projekt) Emner Analyse af kontingenstabeller
men nu er Z N((µ 1 µ 0 ) n/σ, 1)!! Forkaster hvis X 191 eller X 209 eller
Type I og type II fejl Type I fejl: forkast når hypotese sand. α = signifikansniveau= P(type I fejl) Program (8.15-10): Hvis vi forkaster når Z < 2.58 eller Z > 2.58 er α = P(Z < 2.58) + P(Z > 2.58) =
Module 4: Ensidig variansanalyse
Module 4: Ensidig variansanalyse 4.1 Analyse af én stikprøve................. 1 4.1.1 Estimation.................... 3 4.1.2 Modelkontrol................... 4 4.1.3 Hypotesetest................... 6 4.2
Ovenstående figur viser et (lidt formindsket billede) af 25 svampekolonier på en petriskål i et afgrænset felt på 10x10 cm.
Multiple choice opgaver Der gøres opmærksom på, at ideen med opgaverne er, at der er ét og kun ét rigtigt svar på de enkelte spørgsmål. Endvidere er det ikke givet, at alle de anførte alternative svarmuligheder
Modul 12: Regression og korrelation
Forskningsenheden for Statistik ST01: Elementær Statistik Bent Jørgensen Modul 12: Regression og korrelation 12.1 Sammenligning af to regressionslinier........................ 1 12.1.1 Test for ens hældning............................
Logistisk regression. Statistik Kandidatuddannelsen i Folkesundhedsvidenskab
Logistis regression Statisti Kandidatuddannelsen i Folesundhedsvidensab Multipel logistis regression Antagelser: Binære observationer (Y i, i=,.,n) f.es Ja/Nej Høj/Lav Død/Levende Kodet: / 0 Y i uafhængige
SUPPLERENDE AKTIVITETER GYMNASIEAKTIVITETER
SUPPLERENDE AKTIVITETER GYMNASIEAKTIVITETER De supplerende aktiviteter er ikke nødvendige for at deltage i Masseeksperimentet, men kan bruges som et supplement til en undervisning, der knytter an til Masseeksperimentet
Rettevejledning til eksamen i Kvantitative metoder 1, 2. årsprøve 2. januar 2007
Rettevejledning til eksamen i Kvantitative metoder 1,. årsprøve. januar 007 I rettevejledningen henvises der til Berry and Lindgren "Statistics Theory and methods"(b&l) hvis ikke andet er nævnt. Opgave
Vejledning til GYM17 Copyright Adept Nordic 2013
Vejledning til GYM17 Copyright Adept Nordic 2013 Vejledning i brug af Gym17-pakken... iv 1 Deskriptiv statistik... 1 1.1 Ikke-grupperede observationssæt... 1 1.2 Grupperede observationssæt... 4 2 Regressioner...
