Kvantitative Metoder 1 - Efterår Dagens program
|
|
- Amanda Søndergaard
- 8 år siden
- Visninger:
Transkript
1 Dagens program Afsnit Fødselsdagseksemplet, fra sidst Eksperimenterikkealleerligesandsynlige Diskrete sandsynlighedsfordelinger -Definition af sandsynligheder - Regneregler Hvad er sandsynligheder? - Gentagelse af eksperimenter, simulationer - Subjektive sandsynligheder 1
2 Fødselsdagseksemplet Kvantitative Metoder 1 - Efterår 2006 En gruppe med 23 personer. Hvad er sandsynligheden for, at mindst 2 personer har fødselsdag på samme dag? Udfaldsrummet Ω : Alle rækkefølger af fødselsdage for 23 personer Antal udfald i Ω : Alle udfald er lige sandsynlige A : Mindst 2 personer har fødselsdag samme dag A C : Alle de 23 personer har forskellige fødselsdage Antal udfald i A C : (365) 23 P (A) =1 P A C =1 (365) =
3 Figur 1: Sandsynligheden for at mindst 2 personer har samme fødselsdag som en funktion af antallet af personer i gruppen 3
4 Hvorfor ikke regne med ordnede mængder? En gruppe med 2 personer. Hvad er sandsynligheden for, at de har fødselsdag samme ugedag? Udfaldsrummet Ω : Alle rækkefølger af uge-fødselsdage for 2 personer Antal udfald i Ω :7 2 =49 Alle udfald er lige sandsynlige A : De 2 personer har fødselsdag samme ugedag A C : De 2 personer har fødselsdag på forskellige ugedage Antal udfald i A C :(7) 2 =7 6=42 P (A) =1 P A C = =1/7 =
5 I stedet: Udfaldsrummet Ω : Alle kombinationer af uge-fødselsdage for 2 personer Antal mulige udfald: =28 Men disse udfald er ikke lige sandsynlige! 5
6 Diskrete sandsynlighedsfordelinger Eksperiment med usikkerhed beskrives ved en sandsynlighedsmodel bestående af: Udfaldsrum Ω : Mængden af alle udfald (her diskret) Hændelser: Alle delmængder af udfaldsrummet Sandsynligheder af hændelser Alle udfald er lige sandsynlige, Afsnit 1.3 Det generelle tilfælde, Afsnit 1.7 6
7 Eksempel 1, Eksperimenter med 2 udfald Spil: Du deltager i et spil, hvor sandsynligheden for at vinde er p med 0 p 1. Ω = { vinder, taber } P ( vinder )=p og P ( taber )=1 p Tilfældig udvælgelse: I gruppe består af 100 personer, hvoraf 32 er rygere. Hvad er sandsynligheden for at en tilfældig udvalgt person er ryger? Ω = { ryger, ikke-ryger } P ( ryger )=0.32 og P ( ikke-ryger )=0.68 7
8 Diskret sandsynlighedsmodel: Udfaldsrum Ω (diskret) Ethvert udfald ω i udfaldsrummet har en sandsynlighed P (ω) sådan at P (ω) 0 og P ω Ω P (ω) =1 Sandsynligheden af en hændelse E Ω er defineret som P (E) = X ω E P (ω) Egenskaber: For alle hændelser E og F i udfaldsrummet, (i) P (E) 0 (ii) P (Ω) =1 (iii) P (E F )=P (E)+P (F ) hvis E F =Ø 8
9 Flere egenskaber: (iv) P (E 1... E n )= P n P (E i=1 i) hvis E i E j =Øfori 6= j (v) P (E C )=1 P (E C ) (vi) P (Ø) =0 (vii) Hvis E F så er P (E) P (F ) (viii) P (E) 1 (ix) P (E F )=P (E)+P (F ) P (E F ) Loven om den totale sandsynlighed: For enhver klassedeling E 1,..., E k af udfaldsrummet Ω gælder: P (F )=P (F E 1 ) P (F E k ) 9
10 Eksempel 2, Familiemønstre: Familier med 3 børn Hvad er børnenes køn? Udfaldsrum (Køn på 1. barn, Køn på 2. barn, Køn på 3. barn): Ω = {PPP,PPD,PDP,DPP,DDP,DPD,PDD,DDD} To forskellige sandsynlighedsfordelinger Udfald PPP PPD PDP DPP DDP DPD PDD DDD SShed SShed E 0 = {DDD} E 1 = {DDP, DPD, PDD} E 2 = {PPD,PDP,DPP} E 3 = {PPP} 10
11 Sandsynlighed for hændelserne i de to sandsynlighedsfordelinger: Hændelse E 0 E 1 E 2 E 3 SShed Sshed I sandsynlighedsfordeling 2: Hvad er sandsynligheden for, at de 2 ældste er piger: P (2 ældstepiger)=p (PPP)+P (PPD)= Hvad er sandsynligheden for, at den ældste er en pige: P (ældste er en pige) =P (PPP)+P (PPD)+P (PDP)+P (PDD)=0.49 Hvad er sandsynligheden for, at den yngste er en pige: P (yngste er en pige) =P (PPP)+P (PDP)+P (DPP)+P (DDP) =
12 P(ældste er en pige yngste er en pige) = P (PPP)+P (PPD)+P (PDP)+P (PDD)+P (DPP)+P (DDP) = P(ældste er en pige yngste er en pige) =P (PPP)+P (PDP)= P (ældste er en pige)+p (yngste er en pige) P(ældste er en pige yngste er en pige) = =
13 Familien vælger at få børn indtil der er født et barn af hvert køn, dog højst 3 børn Udfaldsrummet: Sekvenserne af børnenes køn Ω = {PD,DP,PPP,PPD,DDP,DDD} Udfald PD DP PPP PPD DDP DDD Sshed A 0 = {DDD} A 1 = {PD,DP,DDP} A 2 = {PPD} A 3 = {PPP} Sandsynligheder for hændelserne: Hændelse A 0 A 1 A 2 A 3 Sshed
14 Simulationseksperimenter Deltager i et spil. Sandsynligheden for at vinde er 2/3. Jeg spiller dette spil 1000 gange (gentagelser af eksperimentet) Hvor mange gange vil du gætte på, at jeg vinder? Den efterfølgende tabel viser udfaldet af det enkelte spil samt antallet og andelen af gange jeg har vundet til og med spil nummer i. 14
15 Spil nr. Udfald Antal vundne spil Andel vundne spil 1 taber vinder 1 1/2 3 vinder 2 2/3 4 vinder 3 3/4 5 vinder 4 4/5 6 vinder 5 5/6 7 vinder 6 6/7 8 taber 6 6/8 9 taber 6 6/9 10. vinder. 7. 7/ vinder / taber /
16 Figur 2: Frekvensen af vundne spil som en funktion af antal spillede spil 16
17 Figur 3: Frekvensen af vundne spil som en funktion af antal spillede spil 17
18 Figur 4: Frekvensen af vundne spil som en funktion af antal spillede spil 18
19 Eksperiment A: Spille spillet 100 gange Andelen af gange spillet vindes: Udfaldsrum: Ω = {0, 1/100, 2/100,..., 99/100, 1} Gentager Eksperiment A gange: Gentagelse nr. Andel vundne spil
20 Eksperiment B: Spille spillet 1000 gange Andelen af gange spillet vindes: Udfaldsrum: Ω = {0, 1/1000, 2/1000,..., 999/1000, 1} Gentager Eksperiment B gange: Gentagelse nr. Andel vundne spil
21 Figur 5: Histogram for fordelingen af frekvensen af gevinster når spillet spilles 100 gange baseret på gentagelser 21
22 Figur 6: Histogram for fordelingen af frekvensen af gevinster når spillet spilles 1000 gange baseret på gentagelser 22
23 Subjektive sandsynligheder Hvorfor siger vi, at der er 50% sandsynlighed for at få "plat"i et møntkast? Frekvensfortolkoningen: En sandsynlighed er en relativ hyppighed (frekvens) i en lang serie af ens forsøg Hvad med eksperimenter, der ikke kan udføre og gentages? Subjektive sandsynligheder: - Hvad er sandsynligheden for, at det bliver solskin i morgen? - Hvad er sandsynligheden for, at du bliver mindst 80 år? - Hvad er sandsynligheden for, at du kan finde et job som færdig uddannet kandidat? 23
24 Eksempel 1.8c fra bogen: Jeg stiller en person følgende spørgsmål: Hvad er sandsynligheden for, at det bliver solskin i morgen? Hændelse A : Solskin i morgen Personen kan ikke besvare spørgsmålet: Jeg giver nu personen valget mellem følgende 2 spil: kr hvis hændelsen A indtræffer 2. Møntkast: 50 kr hvis "plat" Vælger 1. Dvs. P (A) > 0.5 Dette gentages og på denne måde kan man estimere P (A) for denne person. 24
25 Opsummering Diskrete sandsynlighedsfordelinger Eksempel: Familiemønstre - Udregning af sandsynligheder - Sammenligning af forskellige sandsynlighedsfordelinger Sandsynligheden af en hændelse som frekevensen af denne hændelse i mange gentagelser af forsøget Introduktion til simulationseksperimenter Subjektive sandsynligheder 25
26 Næste gang Mandag gennemgåes: Afsnit Stokastiske variable - Simultane fordelinger - Betingede sandsynligheder 26
Dagens program. Afsnit Diskrete stokastiske variable Sandsynlighedsfunktioner Simultane fordelinger Betingede sandsynligheder
Dagens program Afsnit 2.1-2.3 Diskrete stokastiske variable Sandsynlighedsfunktioner Simultane fordelinger Betingede sandsynligheder 1 Stokastiske variable (diskrete) Et eksperiment med usikkerhed beskrives
Læs mereDagens program. Afsnit 1.1-1.3 Eksperimenter med usikkerhed Sandsynlighedsmodel - Udfaldsrum - Hændelser - Sandsynligheder Eksempler
Dagens program Afsnit 1.1-1.3 Eksperimenter med usikkerhed Sandsynlighedsmodel - Udfaldsrum - Hændelser - Sandsynligheder Eksempler 1 Sandsynlighedsmodel Kvantitative Metoder 1 - Efterår 2006 Eksperiment
Læs mereSandsynlighedsregning
Mogens Bladt www2.imm.dtu.dk/courses/02405 14. September, 2007 Betinget sandsynlighed ud fra proportioner Vi husker på definitionen IP(A B) = IP(A B). IP(B) Betragt en befolkning bestående af N personer.
Læs mereKvantitative Metoder 1 - Efterår 2006. Dagens program
Dagens program Afsnit 2.4-2.5 Bayes sætning Uafhængige stokastiske variable - Simultane fordelinger - Marginale fordelinger - Betingede fordelinger Uafhængige hændelser - Indikatorvariable Afledte stokastiske
Læs mereSandsynlighedsregning Stokastisk variabel
Sandsynlighedsregning Stokastisk variabel I eksperimenter knyttes ofte en talværdi til hvert udfald. S s X(s) R Definition: En stokastisk variabel X er en funktion defineret på S, der antager værdier på
Læs mereKvantitative Metoder 1 - Forår 2007
Dagens program Kapitel 4: Diskrete fordelinger Afsnit 4.1-4.2, 4.7: Bernoulli fordeling Binomial fordeling Store Tals Lov (Laws of Averages, Laws of Large Numbers) 1 Bernoulli fordeling Kvantitative Metoder
Læs mereKvantitative Metoder 1 - Efterår Dagens program
Dagens program Afsnit 3.1-3.2 Middelværdi -Definition - Regneregler Betinget middelværdi Middelværdier af funktioner af stokastiske variable Loven om den itererede middelværdi Eksempler 1 Beskrivelse af
Læs mereKvantitative Metoder 1 - Forår 2007
Dagens program Afsnit 3.3-3.5 Varians Eksempel: Forventet nytte Kovarians og korrelation Middelværdi og varians af summer af stokastiske variabler Eksempel: Porteføljevalg 1 Beskrivelse af fordelinger
Læs mereKvantitative Metoder 1 - Forår Dagens program
Dagens program Kontinuerte fordelinger Simultane fordelinger Kovarians og korrelation Uafhængighed Betingede fordelinger - Middelværdi og varians - Sammenhæng med uafhængighed 1 Figur 1: En tæthedsfunktion
Læs mereStatistiske data. Datamatricen. Variable j. ... X ij = x ij... Anonymiserede og ækvivalente dataindivider. Datamodellen
Statistiske data Datamatricen Variable j Individer i X ij = x ij Anonymiserede og ækvivalente dataindivider Datamodellen Hvis dataindividerne er udvalgte repræsentanter fra en population, så er datamatrice
Læs mereKvantitative Metoder 1 - Forår 2007. Dagens program
Dagens program Approksimation af binomialsandsynligheder, Afsnit 4.5 Poisson fordeling og Poisson process, Afsnit 4.6 Kontinuerte fordelinger, Afsnit 5.1-5.2: - Fordelingsfunktion - Tæthedsfunktion - Eksempel:
Læs mereKapitlet indledes med en beskrivelse af - og opgaver med - de tre former for sandsynlighed, som er omtalt i læseplanen for 7.- 9.
Kapitlet indledes med en beskrivelse af - og opgaver med - de tre former for sandsynlighed, som er omtalt i læseplanen for 7.- 9. klassetrin: statistisk sandsynlighed, kombinatorisk sandsynlighed og personlig
Læs mereKvantitative Metoder 1 - Forår Dagens program
Dagens program Afsnit 3.1-3.2 Middelværdi -Definition - Regneregler Betinget middelværdi Middelværdier af funktioner af stokastiske variabler Loven om den itererede middelværdi Eksempler 1 Beskrivelse
Læs mereKvantitative Metoder 1 - Forår Dagens program
Dagens program Afsnit 6.1 Den standardiserede normalfordeling Normalfordelingen Beskrivelse af normalfordelinger: - Tæthed og fordelingsfunktion - Middelværdi, varians og fraktiler Lineære transformationer
Læs mereSandsynlighedsregning 10. forelæsning Bo Friis Nielsen
Sandsynlighedsregning 10. forelæsning Bo Friis Nielsen Matematik og Computer Science Danmarks Tekniske Universitet 2800 Kgs. Lyngby Danmark Email: bfni@dtu.dk Dagens emner afsnit 6.1 og 6.2 Betingede diskrete
Læs mereSandsynlighedsregning 10. forelæsning Bo Friis Nielsen
Sandsynlighedsregning 10. forelæsning Bo Friis Nielsen Matematik og Computer Science Danmarks Tekniske Universitet 2800 Kgs. Lyngby Danmark Email: bfni@dtu.dk Dagens emner afsnit 6.1 og 6.2 Betingede diskrete
Læs mereSANDSYNLIGHED FACIT SIDE 154-155
SIDE 154-155 Opgave 1 A. Data (x) h(x) f(x) 2 1 0,042 3 3 0,125 4 6 0,25 5 3 0,125 6 4 0,16 7 1 0,042 8 2 0,0833 9 1 0,042 10 2 0,0833 11 1 0,042 B. C. Diagrammet (et søjlediagram) er lavet ud fra hyppigheden,
Læs mereStatistik Lektion 2. Uafhængighed Stokastiske Variable Sandsynlighedsfordeling Middelværdi og Varians for Stok. Var.
Statistik Lektion Uafhængighed Stokastiske Variable Sandsynlighedsfordeling Middelværdi og Varians for Stok. Var. Repetition Stikprøve Stikprøvestørrelse n Stikprøvemiddelværdi Stikprøvevarians s Population
Læs mereSandsynlighedsregning 10. forelæsning Bo Friis Nielsen
Sandsynlighedsregning 0. forelæsning Bo Friis Nielsen Matematik og Computer Science Danmarks Tekniske Universitet 800 Kgs. Lyngby Danmark Email: bfni@dtu.dk Dagens emner afsnit 6. og 6. Betingede diskrete
Læs mereStatistik og Databehandling N: sandsynligheder Kursushjemmeside: http://www.imf.au.dk/kurser/ statdatabehandling/f06/
Statistik og Databehandling N: sandsynligheder Kursushjemmeside: http://www.imf.au.dk/kurser/ statdatabehandling/f06/ Jens Ledet Jensen Statistik og Databehandling N: sandsynlighederkursushjemmeside:http://www.imf.au.dk/kurser/statdatabehandling/f06/
Læs mereKvantitative Metoder 1 - Forår 2007. Dagens program
Dagens program Hypoteser: kap: 10.1-10.2 Eksempler på Maximum likelihood analyser kap 9.10 Test Hypoteser kap. 10.1 Testprocedure kap 10.2 Teststørrelsen Testsandsynlighed 1 Estimationsmetoder Kvantitative
Læs mereStatistik Lektion 1. Introduktion Grundlæggende statistiske begreber Deskriptiv statistik Sandsynlighedsregning
Statistik Lektion 1 Introduktion Grundlæggende statistiske begreber Deskriptiv statistik Sandsynlighedsregning Introduktion Kasper K. Berthelsen, Inst f. Matematiske Fag Omfang: 8 Kursusgang I fremtiden
Læs mereKvantitative Metoder 1 - Efterår Dagens program
Dagens program Afsnit 6.1. Ligefordelinger, fra sidst Den standardiserede normalfordeling Normalfordelingen Beskrivelse af normalfordelinger: - Tæthed og fordelingsfunktion - Middelværdi, varians og fraktiler
Læs mereDM72 Diskret matematik med anvendelser
DM72 Diskret matematik med anvendelser En hurtig gennemgang af de vigtigste resultater. (Dvs. ikke alle resultater). Logik Åbne udsagn 2 + 3 = 5 Prædikater og kvantorer P (x) := x er et primtal x N : n
Læs mereHvad skal vi lave i dag?
p. 1/2 Hvad skal vi lave i dag? Eksempler på stokastiske variable. Ventetid på krone ved møntkast. Antal plat ved n kast. Antal radioaktive henfald. Ventetiden på en flyulykke. Udtrækning af tal i et interval.
Læs mereRepetition Stokastisk variabel
Repetition Stokastisk variabel Diskret stokastisk variabel Udfaldsrum endelige eller tællelige mange antal elementer Sandsynlighedsfunktion f(x) er ofte tabellagt Udregning af sandsynligheder P( a < X
Læs mereSandsynlighedsregning: endeligt udfaldsrum (repetition)
Program: 1. Repetition: sandsynlighedsregning 2. Sandsynlighedsregning fortsat: stokastisk variabel, sandsynlighedsfunktion/tæthed, fordelingsfunktion. 1/16 Sandsynlighedsregning: endeligt udfaldsrum (repetition)
Læs mereFor nemheds skyld: m = 2, dvs. interesseret i fordeling af X 1 og X 2. Nemt at generalisere til vilkårligt m.
1 Uge 11 Teoretisk Statistik 8. marts 2004 Kapitel 3: Fordeling af en stokastisk variabel, X Kapitel 4: Fordeling af flere stokastiske variable, X 1,,X m (på en gang). NB: X 1,,X m kan være gentagne observationer
Læs mereMinisteriet for fødevarer, landbrug og fiskeri
Ministeriet for fødevarer, landbrug og fiskeri Nøglehulsmærket 2008 Undersøgelsen er gennemført i Danmark, Sverige og Norge i perioden medio december 2008 til primo januar 2009 Side 1 Summary med grafer
Læs mere4 Oversigt over kapitel 4
IMM, 2002-09-14 Poul Thyregod 4 Oversigt over kapitel 4 Introduktion Hidtil har vi beskæftiget os med data. Når data repræsenterer gentagne observationer (i bred forstand) af et fænomen, kan det være bekvemt
Læs mereElementær sandsynlighedsregning
Elementær sandsynlighedsregning Sandsynlighedsbegrebet Et udfaldsrum S er mængden af alle de mulige udfald af et eksperiment. En hændelse A er en delmængde af udfaldsrummet S. Den hændelse, der ikke indeholder
Læs mereStatistik Lektion 2. Betinget sandsynlighed Bayes regel Diskrete stokastiske variable Middelværdi og varians for diskret SV Binomialfordelingen
Statistik Lektion etinget sandsynlighed ayes regel Diskrete stokastiske variable Middelværdi og varians for diskret SV inomialfordelingen Repetition Udfaldsrum S Hændelse S Simpel hændelse O i 1, 3 4,
Læs mere4 Stokastiske variabler
4 Stokastiske variabler I kapitel 3 viste vi, hvordan man kan tilskrive sandsynligheder til forskellige hændelser, der knytter sig til et eksperiment. I praksis vil et eksperiment ofte involvere mange
Læs mereVi kalder nu antal prøverør blandt de 20, hvor der ikke ses vækst for X.
Opgave I I en undersøgelse af et potentielt antibiotikum har man dyrket en kultur af en bestemt mikroorganisme og tilført prøver af organismen til 20 prøverør med et vækstmedium og samtidig har man tilført
Læs mereSusanne Ditlevsen Institut for Matematiske Fag Email: susanne@math.ku.dk http://math.ku.dk/ susanne
Statistik og Sandsynlighedsregning 1 Indledning til statistik, kap 2 i STAT Susanne Ditlevsen Institut for Matematiske Fag Email: susanne@math.ku.dk http://math.ku.dk/ susanne 5. undervisningsuge, onsdag
Læs mereMatematikkens mysterier - på et obligatorisk niveau. 9. Sandsynlighedsregning
Matematikkens mysterier - på et obligatorisk niveau af Kenneth Hansen 9. Sandsynlighedsregning Hvad er den typiske størrelse af et nittehoved? 9. Statistik og sandsynlighedsregning Indhold 9.0 Indledning
Læs mereNanostatistik: sandsynligheder Kursushjemmeside: http://www.imf.au.dk/ kurser/nanostatistik/
Nanostatistik: sandsynligheder Kursushjemmeside: http://www.imf.au.dk/ kurser/nanostatistik/ JLJ Nanostatistik: sandsynlighederkursushjemmeside:http://www.imf.au.dk/kurser/nanostatistik/ p. 1/16 Højder
Læs mereElementær sandsynlighedsregning
Elementær sandsynlighedsregning Sandsynlighedsbegrebet Et udfaldsrum S er mængden af alle de mulige udfald af et eksperiment. En hændelse A er en delmængde af udfaldsrummet S. Et sandsynlighedsmål er en
Læs mereProjektopgave til Mat2SS. Espen Højsgaard (CPR xxxx) Rune Højsgaard (CPR xxxx)
Projektopgave til MatSS Espen Højsgaard (CPR 04038-xxxx) Rune Højsgaard (CPR 090678-xxxx) 1 1 Samme sandsynlighed for drengefødsel Vi har som udgangspunkt for løsning af opgaven brugt følgende tabeller,
Læs mereDeskriptiv statistik. Version 2.1. Noterne er et supplement til Vejen til matematik AB1. Henrik S. Hansen, Sct. Knuds Gymnasium
Deskriptiv (beskrivende) statistik er den disciplin, der trækker de væsentligste oplysninger ud af et ofte uoverskueligt materiale. Det sker f.eks. ved at konstruere forskellige deskriptorer, d.v.s. regnestørrelser,
Læs mereBorgerlige vælgere sender blå blok på bænken
Borgerlige vælgere sender blå blok på bænken 43 procent af de vælgere, der ved seneste valg stemte borgerligt, mener, at blå blok trænger til at komme i opposition. Det fremgår af en meningsmåling, som
Læs mere2. Ved et roulettespil kan man vinde 0,10,100, 500 og 1000 kr. Sandsynligheden for gevinsterne ses af følgende skema:
Der er hjælp til opgaver med # og facit på side 6 1. Et eksperiment kan beskrives med følgende skema: u 1 2 3 4 5 P(u) 0,3 0,2 0,1 0,2 x Bestem x og sandsynligheden for at udfaldet er et lige tal.. 2.
Læs mereKvantitative Metoder 1 - Forår 2007
Dagens program Kapitel 8.7, 8.8 og 8.10 Momenter af gennemsnit og andele kap. 8.7 Eksempel med simulationer Den centrale grænseværdisætning (Central Limit Theorem) kap. 8.8 Simulationer Normalfordelte
Læs mereKvantitative Metoder 1 - Forår Dagens program
Dagens program Kapitel 8.1-8.3 Tilfældig stikprøve (Random Sampling) Likelihood Eksempler på likelihood funktioner Sufficiente statistikker Eksempler på sufficiente statistikker 1 Tilfældig stikprøve Kvantitative
Læs mereNanostatistik: Stokastisk variabel
Nanostatistik: Stokastisk variabel JLJ Nanostatistik: Stokastisk variabel p. 1/29 Repetition Ω: udfaldsrummet: alle de mulige udfald af et experiment P(A): ss for hændelsen A = frekvens i uafhængige gentagelser
Læs mereSandsynligheder. Mængder Hændelser Sandsynligheder Regler for sandsynligheder
Sandsynligheder Mængder Hændelser Sandsynligheder Regler for sandsynligheder Sandsynligheder En sandsynlighed er et kvantitativt mål for usikkerhed et mål der udtrykker styrken af vores tro på forekomsten
Læs mereGenerelt er korrelationen mellem elevens samlede vurdering i forsøg 1 og forsøg 2 på 0,79.
Olof Palmes Allé 38 8200 Aarhus N Tlf.nr.: 35 87 88 89 E-mail: stil@stil.dk www.stil.dk CVR-nr.: 13223459 Undersøgelse af de nationale tests reliabilitet 26.02.2016 Sammenfatning I efteråret 2014 blev
Læs mere1 Sandsynlighed Sandsynlighedsbegrebet Definitioner Diskret fordeling Betinget sandsynlighed og uafhængighed...
Indhold 1 Sandsynlighed 1 1.1 Sandsynlighedsbegrebet................................. 1 1.2 Definitioner........................................ 2 1.3 Diskret fordeling.....................................
Læs mereMonotoniforhold Der gælder følgende sætninger om en differentiabel funktions monotoniforhold:
Side 21 Oversigt over undervisningen i matematik - 2x 05/06 Der undervises efter: Claus Jessen, Peter Møller og Flemming Mørk : Tal, Geometri og funktioner. Gyldendal 1997 Claus Jessen, Peter Møller og
Læs mereStatistik i basketball
En note til opgaveskrivning jerome@falconbasket.dk 4. marts 200 Indledning I Falcon og andre klubber er der en del gymnasieelever, der på et tidspunkt i løbet af deres gymnasietid skal skrive en større
Læs mereMatematik 3 SS. Københavns Universitet Naturvidenskabelig kandidateksamen, sommeren Opgaver til besvarelse i 3 timer fredag den 18. juni 1993.
Københavns Universitet Opgaver til besvarelse i 3 timer fredag den 18. juni 1993. Opgave 1 (50%) Det bemærkes, at en række af nedenstående spørgsmål kan besvares uafuængigt af de Øvrige spørgsmål (resultaterne,
Læs mereVinderseminar 2007. Diskret matematik. Kirsten Rosenkilde. 1. Diskret matematik.
Vinderseminar 2007. Diskret matematik. Kirsten Rosenkilde. 1 1 Paritet Diskret matematik. I mange matematikopgaver er det en god ide at se på paritet dvs. hvornår en bestemt størrelse er henholdsvis lige
Læs mereBinomial fordeling. n f (x) = p x (1 p) n x. x = 0, 1, 2,...,n = x. x x!(n x)! Eksempler. Middelværdi np og varians np(1 p). 2/
Program: 1. Repetition af vigtige sandsynlighedsfordelinger: binomial, (Poisson,) normal (og χ 2 ). 2. Populationer og stikprøver 3. Opsummering af data vha. deskriptive størrelser og grafer. 1/29 Binomial
Læs mere{ } { } {( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( )}
Stokastisk eksperiment Et stokastisk eksperiment er et eksperiment, hvor vi fornuftigvis ikke på forhånd kan have en formodning om resultatet af eksperimentet. Til gengæld kan vi prøve at sige noget om,
Læs mereStatistik viden eller tilfældighed
MATEMATIK i perspektiv Side 1 af 9 DNA-analyser 1 Sandsynligheden for at en uskyldig anklages Følgende histogram viser, hvordan fragmentlængden for et DNA-område varierer inden for befolkningen. Der indgår
Læs mereStatistik vejledende læreplan og læringsmål, efteråret 2013 SmartLearning
Side 1 af 6 Statistik vejledende læreplan og læringsmål, efteråret 2013 SmartLearning Litteratur: Kenneth Hansen & Charlotte Koldsø: Statistik I økonomisk perspektiv, Hans Reitzels Forlag 2012, 2. udgave,
Læs mereStatistik Lektion 3. Simultan fordelte stokastiske variable Kontinuerte stokastiske variable Normalfordelingen
Statistik Lektion 3 Simultan fordelte stokastiske variable Kontinuerte stokastiske variable Normalfordelingen Repetition En stokastisk variabel er en funktion defineret på S (udfaldsrummet, der antager
Læs mere2011.09.20 lth@campus.dk
2011.09.20 lth@campus.dk Intro Læseplan Beskrivende Statistik Sandsynligheder Ordet kommer fra Latin.: statisticum (statsrådgiver) Italiensk.: statistica (statsmand / politiker) Hvorfor statistik? Træk
Læs mereIndblik i statistik - for samfundsvidenskab
Indblik i statistik - for samfundsvidenskab Læs mere om nye titler fra Academica på www.academica.dk Nikolaj Malchow-Møller og Allan H. Würtz Indblik i statistik for samfundsvidenskab Academica Indblik
Læs mereKvantitative Metoder 1 - Efterår Dagens program
Dagens program Approksimation af binomialsandsynligheder, Afsnit 4.5 Multinomial fordeling, Afsnit 4.8 Negativ binomialfordeling, Afsnit 4.4 Poisson fordeling og Poisson process, Afsnit 4.6 Kontinuerte
Læs mereVærktøjshjælp for TI-Nspire CAS Struktur for appendiks:
Værktøjshjælp for TI-Nspire CAS Struktur for appendiks: Til hvert af de gennemgåede værktøjer findes der 5 afsnit. De enkelte afsnit kan læses uafhængigt af hinanden. Der forudsættes et elementært kendskab
Læs mereForelæsning 2: Kapitel 4, Diskrete fordelinger
Kursus 02402 Introduktion til Statistik Forelæsning 2: Kapitel 4, Diskrete fordelinger Per Bruun Brockhoff DTU Compute, Statistik og Dataanalyse Bygning 324, Rum 220 Danmarks Tekniske Universitet 2800
Læs mereEx µ = 3,σ 2 = 1 og µ = 1,σ 2 = 4. hvor. Vha. R: Vha. tabel:
Normal fordeling Tæthedsfunktion for normalfordeling med middelværdi µ og varians σ 2 : Program (8.15-10): f() = 1 µ)2 ep( ( 2πσ 2 2σ 2 ) E µ = 3,σ 2 = 1 og µ = 1,σ 2 = 4 1. vigtige sandsynlighedsfordelinger:
Læs mereOversigt. Kursus Introduktion til Statistik. Forelæsning 2: Kapitel 4, Diskrete fordelinger. Per Bruun Brockhoff. Stokastiske Variable
Kursus 02402 Introduktion til Statistik Forelæsning 2: Kapitel 4, Diskrete fordelinger Per Bruun Brockhoff DTU Compute, Statistik og Dataanalyse Bygning 324, Rum 220 Danmarks Tekniske Universitet 2800
Læs mereOversigt. Course 02402/02323 Introducerende Statistik. Forelæsning 3: Kontinuerte fordelinger. Per Bruun Brockhoff
Course 242/2323 Introducerende Statistik Forelæsning 3: Kontinuerte fordelinger Per Bruun Brockhoff DTU Compute, Statistik og Dataanalyse Bygning 324, Rum 22 Danmarks Tekniske Universitet 28 Lyngby Danmark
Læs mereNanostatistik: Stokastisk variabel
Nanostatistik: Stokastisk variabel JLJ Nanostatistik: Stokastisk variabel p. 1/34 Repetition Ω: udfaldsrummet: alle de mulige udfald af et experiment P(A): ss for hændelsen A = frekvens i uafhængige gentagelser
Læs mereAnvendt Statistik Lektion 2. Sandsynlighedsregning Sandsynlighedsfordelinger Normalfordelingen Stikprøvefordelinger
Anvendt Statistik Lektion 2 Sandsynlighedsregning Sandsynlighedsfordelinger Normalfordelingen Stikprøvefordelinger Sandsynlighed: Opvarmning Udfald Resultatet af et eksperiment kaldes et udfald. Eksempler:
Læs mereBørne- og Ungetelefonen
Børne- og Ungetelefonen Årsopgørelse 2010 Om Børne- og Ungetelefonen Børne- og Ungetelefonen blev oprettet i 2001 som et led i PAARISAs arbejde med forebyggelse af selvmord og seksuelt misbrug af børn.
Læs mere2 -test. Fordelingen er særdeles kompleks at beskrive med matematiske formler. 2 -test blev opfundet af Pearson omkring år 1900.
2 -fordeling og 2 -test Generelt om 2 -fordelingen 2 -fordelingen er en kontinuert fordeling, modsat binomialfordelingen som er en diskret fordeling. Fordelingen er særdeles kompleks at beskrive med matematiske
Læs mereAnvendt Statistik Lektion 2. Sandsynlighedsregning Sandsynlighedsfordelinger Normalfordelingen Stikprøvefordelinger
Anvendt Statistik Lektion 2 Sandsynlighedsregning Sandsynlighedsfordelinger Normalfordelingen Stikprøvefordelinger Sandsynlighed: Opvarmning Udfald Resultatet af et eksperiment kaldes et udfald. Eksempler:
Læs mereOversigt. Kursus Introduktion til Statistik. Forelæsning 3: Kapitel 5: Kontinuerte fordelinger. Per Bruun Brockhoff.
Kursus 242 Introduktion til Statistik Forelæsning 3: Kapitel 5: Kontinuerte fordelinger Per Bruun Brockhoff DTU Compute, Statistik Bygning 35/324 Danmarks Tekniske Universitet 28 Lyngby Danmark e-mail:
Læs mereUndervisningsbeskrivelse
Undervisningsbeskrivelse Stamoplysninger til brug ved prøver til gymnasiale uddannelser Termin Maj-Juni 2013 Institution Frederikshavn Handelsgymnasium Uddannelse Fag og niveau Lærer(e) HHX Matematik B
Læs mereSandsynligheder. Udfaldsrum Ω = {ω 1,..., ω N } hvor alle udfald er lige sandsynlige, dvs. P (ω i )=1/N for alle i =1,..., N.
Dagens program Afsnit 1.4-1.6 Kombinatorik - Permutationer - Kombinationer Udtagelse af stikprøver - Population - Med og uden tilbagelægning Eksempler 1 Sandsynligheder Udfaldsrum Ω = {ω 1,..., ω N } hvor
Læs mereKvantitative Metoder 1 - Forår 2007
Dagens program Kapitel 4: Diskrete fordelinger Hypergeometrisk fordeling, Afsnit 4.3 Multinomial fordeling, Afsnit 4.8 Geometrisk fordeling og Negativ binomialfordeling (Inverse Sampling), Afsnit 4.4 Approksimation
Læs mereSandsynlighedsregning 3. forelæsning Bo Friis Nielsen
Sandsynlighedsregning 3. forelæsning Bo Friis Nielsen Anvendt Matematik og Computer Science Danmarks Tekniske Universitet 2800 Kgs. Lyngby Danmark Email: bfni@dtu.dk Dagens emner Stokastiske variable:
Læs mereÆldreundersøgelsen i Greve Kommune
Ældreundersøgelsen i Greve Kommune Interviewperiode: November - december 2012 INDHOLDSFORTEGNELSE 1. INDLEDNING... 2 2. OPSUMMERING... 3 3. UNDERSØGELSESMETODE... 4 4. RESULTATER FOR HJEMMEPLEJEN I GREVE
Læs mereBilledbehandling og mønstergenkendelse: Lidt elementær statistik (version 1)
; C ED 6 > Billedbehandling og mønstergenkendelse Lidt elementær statistik (version 1) Klaus Hansen 24 september 2003 1 Elementære empiriske mål Hvis vi har observationer kan vi udregne gennemsnit og varians
Læs mereKvantitative Metoder 1 - Forår Dagens program
Dagens program Kontinuerte fordelinger Ventetider i en Poissonproces Beskrivelse af kontinuerte fordelinger: - Median og kvartiler - Middelværdi - Varians Simultane fordelinger 1 Ventetider i en Poissonproces
Læs mereSandsynlighedsregning 3. forelæsning Bo Friis Nielsen
Sandsynlighedsregning 3. forelæsning Bo Friis Nielsen Anvendt Matematik og Computer Science Danmarks Tekniske Universitet 28 Kgs. Lyngby Danmark Email: bfni@dtu.dk Dagens emner Stokastiske variable: udfald
Læs mereFig. 1 Billede af de 60 terninger på mit skrivebord
Simulation af χ 2 - fordeling John Andersen Introduktion En dag kastede jeg 60 terninger Fig. 1 Billede af de 60 terninger på mit skrivebord For at danne mig et billede af hyppighederne flyttede jeg rundt
Læs mereDefinition. Definitioner
Definition Landmålingens fejlteori Lektion Diskrete stokastiske variable En reel funktion defineret på et udfaldsrum (med sandsynlighedsfordeling) kaldes en stokastisk variabel. - kkb@math.aau.dk http://people.math.aau.dk/
Læs mereBarsel og løn ved barns sygdom. Privatansattes vilkår
Barsel og løn ved barns sygdom Privatansattes vilkår Marts 2015 Barsel og løn ved barns sygdom Resume Funktionærloven giver ret til barsel i samlet 18 uger med halv løn til kvinder, men ingen rettigheder
Læs mereBernoulli og binomial fordelingerne Kontinuerte stokastiske variable Normalfordelingen
Bernoulli og binomial fordelingerne Kontinuerte stokastiske variable Normalfordelingen Repetition Lov om total sandsynlighed Bayes sætning P( B A) = P(A) = P(AI B) + P(AI P( A B) P( B) P( A B) P( B) +
Læs mereNote om Monte Carlo eksperimenter
Note om Monte Carlo eksperimenter Mette Ejrnæs og Hans Christian Kongsted Økonomisk Institut, Københavns Universitet 9. september 003 Denne note er skrevet til kurset Økonometri på. årsprøve af polit-studiet.
Læs mereModul 2: Sandsynlighedsmodeller og diskrete stokastiske variable
Forskningsenheden for Statistik ST501: Science Statistik Bent Jørgensen Modul 2: Sandsynlighedsmodeller og diskrete stokastiske variable 2.1 Sandsynlighedsbegrebet............................... 1 2.1.1
Læs mereSandsynlighedsregning
Mogens Bladt www2.imm.dtu.dk/courses/02405 28. September, 2007 Stokastiske variable Betragt 3 kast med en mønt. Så er udfaldsrummet Ω = {(p, p, p), (p, p, k), (p, k, p), (p, k, k), (k, p, p), (k, p, k),
Læs mere4. september 2003. π B = Lungefunktions data fra tirsdags Gennemsnit l/min
Epidemiologi og biostatistik Uge, torsdag 28. august 2003 Morten Frydenberg, Institut for Biostatistik. og hoste estimation sikkerhedsintervaller antagelr Normalfordelingen Prædiktion Statistisk test (udfra
Læs mereForslag til løsning af Opgaver til sandsynlighedsregning (side 434)
Forslag til løsning af Opgaver til sandsynlighedsregning (side 434) Opgave Vi kan selv vælge, om vi vil arbejde med ordnet eller uordnet udtagelse, hvis vi blot sikrer, at vi er konsekvente i vores valg,
Læs mereAllan C. Malmberg. Terningkast
Allan C. Malmberg Terningkast INFA 2008 Programmet Terning Terning er et INFA-program tilrettelagt med henblik på elever i 8. - 10. klasse som har særlig interesse i at arbejde med situationer af chancemæssig
Læs mereGamle eksamensopgaver. Diskret Matematik med Anvendelser (DM72) & Diskrete Strukturer (DM504)
For et givent positivt heltal n og en given mængde af familier, antages at sandsynligheden for at familien har i børn, for 1 i n, er p i, således at n i=1 p i = 1. Endvidere er de 2 i mulige måder at få
Læs mereAgenda Sandsynlighedsregning. Regneregler (kap. 3-4) Fordelinger og genkendelse af fordelinger (kap. 3-5) Simultane, marginale og betingede
Agenda Sandsynlighedsregning. Regneregler (kap. 3-4) Fordelinger og genkendelse af fordelinger (kap. 3-5) Simultane, marginale og betingede fordelinger (kap. 4) Middelværdi og varians (kap. 3-4) Fordelingsresultater
Læs mereProdukt og marked - matematiske og statistiske metoder
Produkt og marked - matematiske og statistiske metoder Rasmus Waagepetersen Institut for Matematiske Fag Aalborg Universitet February 11, 2016 1/22 Kursusindhold: Sandsynlighedsregning og lagerstyring
Læs mereSociolingvistisk studiekreds 15. marts 2005.
Sociolingvistisk studiekreds 15. marts 2005. MIN - 7 sprogsamfund - 2001?-2006? - 5 delprojekter (nogle med egne delprojekter) o A finder at der er de forventede forskelle, men at de er mindre i år 2000
Læs mereHoldninger til socialt udsatte. - Svar fra 1.013 danskere
Holdninger til socialt udsatte - Svar fra 1.13 danskere Epinion for Rådet for Socialt Udsatte, februar 216 Introduktion Rådet for Socialt Udsatte fik i oktober 213 meningsmålingsinstituttet Epinion til
Læs mere! Husk at udfylde spørgeskema 3. ! Lineær sandsynlighedsmodel. ! Eksempel. ! Mere om evaluering og selvselektion
Dagens program Økonometri 1 Dummy variable 4. marts 003 Emnet for denne forelæsning er kvalitative variable i den multiple regressionsmodel (Wooldridge kap. 7.5-7.6+8.1)! Husk at udfylde spørgeskema 3!
Læs mereKønsproportion og familiemønstre.
Københavns Universitet Afdeling for Anvendt Matematik og Statistik Projektopgave forår 2005 Kønsproportion og familiemønstre. Matematik 2SS Inge Henningsen februar 2005 Indledning I denne opgave undersøges,
Læs mereStatistiske modeller
Statistiske modeller Statistisk model Datamatrice Variabelmatrice Hændelse Sandsynligheder Data Statistiske modeller indeholder: Variable Hændelser defineret ved mulige variabel værdier Sandsynligheder
Læs mereBogstavserien består af en serie hæfter, der starter med a 1
Kun salg ved direkte kontakt mellem skole og forlag. Kopiering er u-økonomisk og forbudt til erhvervsformål. Bogstavserien består af en serie hæfter, der starter med a 1 -bogen og slutter med g- bogen.
Læs mereLandmålingens fejlteori - Sandsynlighedsregning - Lektion 1
Landmålingens fejlteori Sandsynlighedsregning Lektion 1 - kkb@math.aau.dk http://people.math.aau.dk/ kkb/undervisning/lf10 Institut for Matematiske Fag Aalborg Universitet 23. april 2009 1/28 Landmålingens
Læs mere02402 Løsning til testquiz02402f (Test VI)
02402 Løsning til testquiz02402f (Test VI) Spørgsmål 4. En ejendomsmægler ønsker at undersøge om hans kunder får mindre end hvad de har forlangt, når de sælger deres bolig. Han har regisreret følgende:
Læs mere