9. Binomialfordelingen
|
|
|
- Jens Nissen
- 10 år siden
- Visninger:
Transkript
1 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 agiver atal elemeter i stikprøve, der besidder de øskede egeskab A. X ~ b(, p), hvor: : Stikprøves størrelse / atal forsøg. p: Sadsylighede for at observere egeskabe A ved et ekelforsøg. Forudsætiger:. Et forsøg udføres gage.. Hver gag forsøget udføres, registreres om e hædelse A idtræffer eller ej. 3. Udfaldee af de ekelte forsøg er uafhægige. 4. Sadsylighede for hædelse A er p i alle forsøg, dvs. kostat Forvetig og varias Forvetig: E( X) p Varias : var( X) σ p ( p) Stadardafvigelse: σ p ( p) Aderse m. fl. s. 5, Overø m.fl. s. 73, Newbold s. 6, Løborg s. 34 Eksempel: I 999 blev e udersøgelse af HA-studeredes beståelsesprocet på. år. Fra studieævets side er ma iteresseret i, at ca. 75% af e årgag består til eksame på. år. Udersøgelse omfattede 55 elever meldte sig til eksame, hvoraf 47 bestod. COMPLET A/S - Side 39 - KOMPENDIUM I STATISTIK
2 Spørgsmål:. Opstil e model til beskrivelse af det foreliggede materiale og diskutér kort modelles forudsætiger. Uder forudsætig af, at studieævets dumpeprocet er gældede, øskes de æste to spørgsmål besvaret.. Hvor mage studerede bør ma forvete vil bestå til eksame, år der er 6 HAstuderede på årgage? 3. Fid stadardafvigelse på atal beståede. Svar:. Ma er iteresseret i hvor mage, der består til eksame. Da ma tæller atallet ud af e stikprøve, og da ma ete består eller dumper eksame, må der her være tale om e biomialfordelig. Lad X betege atal beståede til eksame. Da må der gælde: X ~ b(,p ) Der ka være problemer med forudsætigere 3 (p kostat) og 4 (de studerede er uafhægige). p er ku kostat, hvis de har haft samme uderviser, lærebøger osv., og de er ku uafhægige, hvis de ikke syder til eksame. Hvis stikprøve er tilfældigt udtaget, ka ma atage forudsætigere for opfyldte.. E (X) p 6,75 45 dvs. ma bør forvete, at der er 45 ud af 6, der består, hvis beståelsesprocete sættes til 75%. 3. Var (X) p ( p) 6,75 (,75), 5 og dermed s (X) Var(X),5, Sadsylighedsberegig Sadsylighede for et givet atal observatioer med egeskabe A bestemmes vha. følgede formel: ( ) p ( p) P X Formle ka bereges i Ecel vha. fuktioe BINOMDIST(; ; p; FALSE) Aderse m. fl. s. 3, Overø m.fl. s. 73, Newbold s. 58, Løborg s. 3 COMPLET A/S - Side 4 - KOMPENDIUM I STATISTIK
3 9.5. Regeregler for sadsyligheder ( X a) P( X a) P( X a ) ( X < a) P( X a ) ( X a) P( X a ) ( X > a) P( X a) ( a < X < b) P( X b ) P( X a) ( a < X b) P( X b) P( X a) ( a X < b) P( X b ) P( X a ) ( a X b) P( X b) P( X a ) P P P P P P P P (a, b hele tal, hvor a < b ) 9.6. Tabelopslag af biomialfordelige i Erlag S Oveståede formel i afsit 9.4 er som regel ikke ødvedig at avede til at bestemme sadsylighede for e give hædelse, da ma ka slå dee op i Erlag S. Biomialfordelige er tabelført for - på side 8-3. Tabeller fides også i Overø m.fl. s og Newbold s Det skal dog bemærkes, at ma ikke direkte ka bestemme puktsadsyligheder, me ku itervalhædelser som X 5 eller X 3. Tabelopslag af biomialfordelige foretages emmest ved at geemføre følgede tri:. Fid tabelle for det rigtige atal observatioer ().. Tabelle skal aflæses ud fra øverste vestre hjøre eller ederste højre hjøre, jvf. edeståede tabel. 3. Fid p. 4. Fid j (j atal observatioer med egeskabe A ). COMPLET A/S - Side 4 - KOMPENDIUM I STATISTIK
4 j / p,5,,5 /6,,5,3 /3,35,4,45,5 j/p 3 4,3585,6,388,7358,397,756,945,6769,449,984,867,6477,9974,9568,898,6,34,387,5665,7687,5,3,8,69,43,76,6,93,355,44,5,7,696,448,375,3,33,76,64,55,,,,,5,,,36,9,444,6,49,8,5,89,,,,3, ,9997,9887,937,,9976,978,,9996,994,,9999,9987,,,9998,898,969,9887,997,9994,84,67,464,933,7858,68,9679,898,773,99,959,8867,9974,986,95,97,4793,665,895,98,454,56,553,466,5,99,6,459,5,764,5956,443,878,7553,7,577, ,,,,,,,,,,,,,,,,9999,,,,,9994,996,989,9999,999,9949,,9998,9987,,,9997,,964,987, ,,,,,,,,,,,,,, Eksempler: Ud fra et samlebåd udvælges produkter, som skal udersøges for defekter. Erfarigsmæssigt ved ma, at % af produktere har defekter. Spørgsmål:. Opstil sadsylighedsfordelig.. Bereg sadsylighede for følgede hædelser: højst defekte, midst 5 defekte og etop 4 defekte. Svar: X ~ b(, p) b(,,) P(X ),6 BINOMDIST(; ;,; TRUE) P(X 5) - P(X 4) -,696,374 - BINOMDIST(4; ;,; TRUE) P(X 4) P(X 4) - P(X 3),696 -,44,8 BINOMDIST(4; ;,; FALSE) COMPLET A/S - Side 4 - KOMPENDIUM I STATISTIK
5 9.7. Estimatio Estimatet på adele / sadsylighed: pˆ pˆ ( pˆ) Estimatet på stadardafvigelse til estimatet på adele: s(pˆ) pˆ ( pˆ) Estimatet på variase til estimatet på adele: Vâr (pˆ) Aderse m. fl. s , Overø m.fl. s. 65, Newbold s Eksempel: I 999 blev e udersøgelse af HA-studeredes beståelsesprocet på. år. Fra studieævets side er ma iteresseret i, at ca. 75% af e årgag består til eksame på. år. Udersøgelse omfattede 55 elever meldte sig til eksame, hvoraf 47 bestod. Spørgsmål: Puktestimér modelles parameter og bestem stadardafvigelse herpå. Svar: Puktestimat (eller bare estimat) for p: pˆ Ved idsættelse får ma: 47 pˆ, pˆ ( pˆ),7554 (,7554) s (pˆ),83 55 (Aderse m.fl. s , Overø m.fl. s. 65, Newbold s. 35) 9.8. Kofidesiterval i biomialfordelige Et kofidesiterval for parametere p ka opfattes som et itervalestimat, idet itervallet består af alle parameterværdier, der udviser e rimelig grad af overesstemmelse med data. Ma siger, at itervallet med e sikkerhed på - omslutter de sade parameterværdi. COMPLET A/S - Side 43 - KOMPENDIUM I STATISTIK
6 (-)-kofidesiterval for p: pˆ ± u / s (p) p ± u / eller p ± u / Vâr (p) hvor u / er e Dee kaldes i Newbold for z. p( p) -fraktil i de stadardiserede ormalfordelig. Fraktile ka bereges i Ecel vha. fuktioe NORMSINV( ). Aderse m.fl. s. 6, Overø m.fl. s. 98, Newbold s. 747, Løborg s. 6 Et kofidesiterval for p med kofideskoefficiet - betyder, at p vil være i dette iterval med - sadsylighed eller i (-) af gagee. Eksempel: I e rudspørge bladt 43 studerede på hadelshøjskole i Købehav har ma spurgt respodetere, om de er tilfredse med made i katie. 7 svarede ja, mes reste svarede ej. Spørgsmål: Opstil e model for data, og opstil et 95%-kofidesiterval for adele af tilfredse elever: Svar: X{atal persoer der svarer ja til at made er tilfredsstillede, i e stikprøve på 43 persoer} X ~ b 43,p, obs: 7. ( ) 7 pˆ, Et 95%-kofidesiterval: pˆ ( pˆ ),395(,395) pˆ ± u /,395 ±,96 [,488 ;,54] 43 dvs. med 95% sikkerhed ligger tilfredshedsadele mellem 4,88% og 54,%. COMPLET A/S - Side 44 - KOMPENDIUM I STATISTIK
7 Nødvedig stikprøvestørrelse,, for at få e kofidesiterval med bredde L (L er øvre græse mius edre græse) 4 p ( p) L ( u ) -/ Aderse m.fl. s., Newbold s. 36, Løborg s. 389 Eksempel: Med udgagspukt i førævte stikprøve bladt katiekudere, hvor stor skal stikprøve være, hvis oveævte iterval højst må have lægde,? Svar: Ved idsættelse får ma: u 4 L,96 pˆ ( pˆ) 4,,395 (,395) 367, Da stikprøvestørrelse skal være heltallig, rudes der altid op, dvs. ma får, at stikprøve skal være på midst 368 kuder. De beyttede formel har et idbygget problem. Ma øsker at fide e passede stikprøvestørrelse, før ma går ud og foretager stikprøveudtagelse. For at berege de passede stikprøvestørrelse, skal ma kede estimatet på adele, me det keder ma først efter, ma har foretaget stikprøveudtagelse. Da ma ka vise, at formle atager sit maksimum for pˆ,5, beytter ma i praksis ofte dee værdi. I oveævte tilfælde ville det give e stikprøvestørrelse på 384,6 dvs (-)-kofidesiterval for forskelle mellem to populatiosadele p og p y p p y ± u / s (p p y ) p p y ± u / Newbold s. 3 p p p y p y + y COMPLET A/S - Side 45 - KOMPENDIUM I STATISTIK
8 Eksempel: I forbidelse med udersøgelse i forrige opgave mht. katiekvalite registreredes samtidigt respodeteres kø. Bladt de 43 adspurgte var de 9 kvider og 4 mæd. af kvidere var tilfredse med kvalitete, mes ku 7 mæd sytes kvalitete var god ok. Spørgsmål:. Opstil e model til beskrivelse af det udvidede materiale.. Opstil et 95%-kofidesiterval for forskelle i kvalitetsbedømmelse mellem de to kø. Svar:. Da ma stadig tæller atallet ud af e stikprøve, og da ma ete er tilfreds eller ej, må der her være tale om to biomialfordeliger. Lad X i betege atal persoer som svarede ja til spørgsmålet om de var tilfredse med katies kvalitet, hvor i ka atage værdiere og. Da må der gælde: Xi ~ b( i,pi ) Idekset i idikerer, at der ka være forskel på værdiere, dvs. hverke stikprøvestørrelsere eller tilfredshedsprocetere behøver at være es. Ma må atage, at de to stikprøver er uafhægige af hiade.. Puktestimatet (eller bare estimatet) for p og p : (dvs tilfredshedsprocetere for hhv. kvider og mæd) pˆ pˆ 9 7 4,563,97 (-)-kofidesiterval for forskelle i adelee: Ved idsættelse får ma:,5363 ( 5363),97 (,97) (,563,97) ± u, ,346 ±,96,473,346 ±,887 [,54;,533] dvs. med 95% sikkerhed ligger de sade forskel i tilfredshedsadelee for de to kø mellem ca. -5% og ca. 5%. Bemærk specielt at itervallet ideholder værdie, hvilket betyder, at der ikke er oge sigifikat forskel i tilfredshedsadelee. COMPLET A/S - Side 46 - KOMPENDIUM I STATISTIK
9 9.9. Test i e biomialfordelig Ved test i e biomialfordelig ka ma ete berege sigifikassadsylighede direkte eller berege e teststørrelse, som derefter ete ka beyttes til at berege sigifikassadsylighede eller sammeliges med e kritisk værdi. Test vedr. p s størrelse ved beregig af sigifikassadsylighede : p p tal H ( ) H : p ( ) ( p 5 og p ( p) 5) eksakt p > P( X ) p p < P( X ) p Aderse m.fl. s., Overø m.fl. s. 84, Løborg s. approksimativt,5 p Φ p p +,5 p Φ p ( ) p mi, p mi(, ) ( ) ( ) I oveståede kasse ka det eksakte ku beyttes, hvis de pågældede biomialfordelig ka bereges ete ved at fide de i Erlag S (og det ka ma ku, hvis ) eller beytte Ecel eller lommereger. Ellers må ma øjes med de approksimative teststørrelse, som ku bør avedes, hvis p 5 og (- p) 5. I praksis vil det oftest være de approksimative test, ma aveder. Ved H : p po skal ma berege både og, og deræst tage det midste af de tal, og gage med to. Der gælder følgede: er midst,år > p er midst,år < p COMPLET A/S - Side 47 - KOMPENDIUM I STATISTIK
10 Test vedr. p s størrelse ved beregig af teststørrelse U : p p tal H ( ) pˆ p teststørrelse: U N(, ) p ( p ) H : teststørrelse: sigifikassadsylighed : kritisk værdi: Φ u p > p u ( ) p < p u Φ( u ) p u Φ( u ) p Overø m.fl. s. 84, Newbold s. 348 u u u / Eksempel: I e rudspørge bladt 43 studerede på Hadelshøjskole i Købehav har ma spurgt respodetere, om de er tilfredse med made i katie. 7 svarede ja, mes reste svarede ej. Spørgsmål: Persoalet i katie påstår, at midst halvdele af de studerede er tilfredse med katie. Ka ma på baggrud af udersøgelse afvise påstade? Svar: H : p,5 ( ikke afvise) ( afvise) H : p <,5 Da e biomalfordelig med 43 ikke fides i Erlag S (se selv efter!), må vi ete berege sigifikassadsylighede i Ecel eller beytte et approksimativt test. Da pˆ 7 5 og ( pˆ ) 43(,395) 6 5, er det OK at beytte de approksimative test: Sigifikassadsylighede: ( X 7) P BINOMDIST(7; 43;,5; TRUE), eller approksimativt +,5 p Φ p 7,5 43,5 + Φ Φ ( p ) 43,5(,5 ) (,), COMPLET A/S - Side 48 - KOMPENDIUM I STATISTIK
11 Formle ka bereges i Ecel vha. fuktioe NORMSDIST(-,). Da sigifikassadsylighede er større ed, 5 ka H accepteres, dvs. at katiepersoalets påstad ikke ka afvises. Eller ved beregig af teststørrelse: Teststørrelse: Ved idsættelse får ma: u p pˆ p ( p ),3953,5,5 (,5) 43,373 De observerede værdi beyttes ete til at berege sigifikassadsylighede eller til at sammelige med de kritiske værdi. Sigifikassadsylighed: ( u ) Φ da H : p < p ( u ) Φ(,373) Φ(,373), 849 Φ. Formle ka bereges i Ecel vha. fuktioe NORMSDIST(-,373) Alterativt ka ma sammelige med de kritiske værdi: Kritisk værdi: u 95 u,,645 da H er ekeltsidet, og,5 Fraktile ka bereges i Ecel vha. fuktioe NORMSINV(,95). Koklusio: Da de umeriske værdi af de observerede værdi af teststørrelse er midre ed de kritiske værdi, eller da sigifikassadsylighede er større ed iveauet, ka H accepteres, dvs. katiepersoalet ka have ret i deres påstad. COMPLET A/S - Side 49 - KOMPENDIUM I STATISTIK
12 9.. Bestemmelse af de kritiske værdi i biomialfordelige De kritiske værdi i biomialfordelige er de ekstreme observatiosværdier for de stokastiske variable X i, for hvilke H etop forkastes. Kritiske værdier C / og C -/ i e tosidet test (H : p p ) Det største C /, hvor P( X C / p p ) / C / CRITBINOM(; p; /) i Ecel Det midste C /, hvor P( X C / p p ) / C -/ CRITBINOM(; p; - /) + i Ecel Aderse m.fl. s. Kritiske værdi C - i e ekeltsidet test (H : p > p ) Det midste C - hvor P( X C p ) p C - CRITBINOM(; p; - ) + i Ecel Aderse m.fl. s. Kritiske værdi C i e ekeltsidet test (H : p < p ) Det største C hvor P ( X C p p ) C CRITBINOM(; p; ) i Ecel Aderse m.fl. s. 9.. Testes styrke i biomialfordelige Styrkefuktioe Styrkefuktioe η ( p ) for teste agiver sadsylighede for at observere e værdi af teststørrelse i forkastelsesområdet, dvs. sadsylighede for at forkaste H -hypotese. Dee sadsylighed afhæger af hvilke værdi af p, der avedes ved beregige, dvs. styrkefuktioe er e fuktio af p. Styrkefuktioe for e test af H : p p mod alterativet H : p > p ( ) C p η p P(X C ) Φ p ( ), hvor p C - fides i oveståede kasser eller approksimativt vha. formle: C p + u p ( ) p Aderse m.fl. s. -4, Overø m.fl. s. 79 COMPLET A/S - Side 5 - KOMPENDIUM I STATISTIK
13 Styrkefuktioe for e test af H : p p mod alterativet H : p < p ( ) C p η p P(X C ) Φ p ( ), hvor p C fides i oveståede kasser eller approksimativt vha. formle: C p u p ( ) p Aderse m.fl. s. -4, Overø m.fl. s. 79 Styrkefuktioe for e test af H : p p mod alterativet H : p p ( ) C / p C / p η p P(X C / ) + P(X C / ) Φ + Φ ( ) ( ), hvor p p p p C / og C -/ fides i oveståede kasser eller approksimativt vha. formlere: C p u p ( ) ( ) / / p C / p + u / p p Aderse m.fl. s. -4, Overø m.fl. s. 79 Eksempel: I e rudspørge bladt 43 studerede på Hadelshøjskole i Købehav har ma spurgt respodetere, om de er tilfredse med made i katie. 7 svarede ja, mes reste svarede ej. Det atages u, at de ægte p p, 4, dvs. at i virkelighede er ku 4% af de studerede tilfredse med katie. Spørgsmål: Hvad er testes styrke, givet, 5? Svar: Da alterativet i oveståede test er <, skal de midterste formel beyttes: C CRITBINOM(; p; ) CRITBINOM(43;,5;,5) 5 eller approksimativt C C,5 p u,95 p ( p ) 43,5,645 43,5(,5 ) 6, Styrke bereges til: p η,4 P(X C ) P(X 5) BINOMDIST(5;43;,4;TRUE), ( ) ( ) 33 η eller approksimativt C p 6, 43,4 (p ) (,4) η η Φ Φ Φ p( p) 43,4(.4) (,34), 3669 COMPLET A/S - Side 5 - KOMPENDIUM I STATISTIK
14 Formle ka bereges i Ecel vha. fuktioe NORMSDIST(-,34). Dvs. at sadsylighede for at forkaste de forkerte H -hypotese (de er forkert: hypotese siger, at p, 5, me ifølge opgavetekste er de i virkelighede ku p, 4 ) er 3,3% eller approksimativt 36,69%. COMPLET A/S - Side 5 - KOMPENDIUM I STATISTIK
15 9.. Sammeligig af to biomialfordeliger H : p p pˆ pˆ teststørrelse: u pˆ ( pˆ ) + + pˆ pˆ pˆ +, hvor Hvis stikprøvestørrelse er stor, dvs. over 3, ka ma ligeledes avede: u pˆ ( pˆ pˆ pˆ ) pˆ + ( pˆ ) H : teststørrelse: sigifikassadsylighed : kritisk værdi: Φ u u p > p u ( ) p < p u Φ( u ) p u Φ( u ) p Aderse m.fl. s. 3, Newbold s. 36 u u / Eksempel: I forbidelse med udersøgelse omkrig katiekvalite registreredes samtidigt respodeteres kø. Bladt de 43 adspurgte var de 9 kvider og 4 mæd. af kvidere var tilfredse med kvalitete, mes ku 7 mæd sytes kvalitete var god ok. Spørgsmål: Udersøg om tilfredshedsadele er forskellig for kvider og mæd. Svar: Det er ige et spørgsmål, ma har lyst til at besvare med ja eller ej, og det vil sige, at ma skal teste: Hypotese: H : p p H : p p tilfredshedsadele er es tilfredshedsadele er forskellig. COMPLET A/S - Side 53 - KOMPENDIUM I STATISTIK
16 Teststørrelse: Ved idsættelse får ma:,563,97,346 u,563 hvor,5,3953 (,3953) ( + ) pˆ, Kritisk værdi: u u, 975,96 da hypotese er dobbeltsidet, og,5 Fraktile ka bereges i Ecel vha. fuktioe NORMSINV(,975). Dee skal forstås både som,96 og +,96. De observerede værdi må ikke ligge ude for dette iterval, hvis hypotese ikke skal forkastes. Koklusio: Da de umeriske værdi af de observerede værdi af teststørrelse er midre ed de kritiske værdi, ka hypotese ikke forkastes, dvs. tilfredshedsadele for de to kø er ikke sigifikat forskellige. Sigifikassadsylighed: Ma ka fide sigifikassadsylighede vha. de observerede værdi. Da hypotese er dobbeltsidet, får ma: Φ(,563 ) Φ(,563),5938,87 Formle ka bereges i Ecel vha. fuktioe NORMSDIST(-,563). Koklusio: Da sigifikassadsylighede er større ed sigifikasiveauet,5, ka hypotese ikke forkastes, og ma får (heldigvis) samme koklusio som før. COMPLET A/S - Side 54 - KOMPENDIUM I STATISTIK
17 9.3. Sammeligig af to eller flere biomialfordeliger Disse tests løses som homogeitetstests i e kotigestabel vha. teststørrelse Q (se side 6). H : p p... pi teststørrelse: q i j ij I J i j forv i j i ij j I J ( obsij forv ij ) ij er observatioe i de ij te celle, og J I i ij, j ij, j i I J i j ij, hvor H : teststørrelse: sigifikassadsylighed : kritisk værdi: i, j : p i p j P( Q q Q ~ χ ( I J )) χ I J q ( )( ) (( )( )) Aderse m.fl. s. 338, Overø m.fl. s., Newbold s. 47, Løborg s. 38. Eksempel: De før ævte udersøgelse omkrig katiekvalite fadt sted i 994. I de følgede år registreredes på ligede måde tilfredshedsgrade. Udersøgelse strak sig over fire år, og de observerede data ser således ud: Tilfredse Utilfredse SUM Spørgsmål: Fra katies side er ma meget iteresserede i, om tilfredshedsgrade har udvist e stigede tedes. Udersøg om det er rimeligt at atage, at tilfredshedsgrade har foradret sig over åree. Svar: Det er et spørgsmål, ma har lyst til at besvare med ja eller ej, og det vil sige, at ma skal teste: COMPLET A/S - Side 55 - KOMPENDIUM I STATISTIK
18 Hypotese: H : p p p 3 p 4 dvs. tilfredshedsgrade er kostat H : tilfredshedsgrade har foradret sig. Teststørrelse: I virkelighede er det u bare at bruge formle i oveståede kasse til at berege e teststørrelse (kaldet q), me for at holde styr på de mage mellemregiger, laver ma typisk tre hjælpetabeller, kaldet Observeret, Forvetet og q-led. Observeret tabelle: Her idsættes blot de observerede værdier fra opgave, og der summeres vadret og lodret: SUM Tilfredse Utilfredse SUM Forvetet tabelle: Her overføres summere fra de oveståede tabel, og idmade i tabelle bereges som Søjlesum Rækkesum / Totalsum. Eksempelvis i første celle (tilfredse/994): 88 43, SUM Tilfredse, 3,75 7,69 6,54 88 Utilfredse,98 7,5,3 3,46 SUM q-led tabelle Her beytter vi formle: q - led ( obs - forv). forv Eksempelvis i første celle (tilfredse/994): ( 7, ),, SUM Tilfredse,46,7,6,9,4 Utilfredse,4,6,54,8,8 SUM,86,3,6,7,3 COMPLET A/S - Side 56 - KOMPENDIUM I STATISTIK
19 Teststørrelse Teststørrelse q er u blot summe af elemetere i q-led tabelle (deraf avet), dvs. q,3 Kritiske værdi: De kritiske værdi bliver χ (( I )( J ) ) χ (( )( 4 ) ) χ ( 3) 7, 8,5,95. Dee ka også fides i Ecel vha. fuktioe CHIINV(; (I-)(J-)) CHIINV(,5; (-)(4-)) 7,847. Koklusio: Da de observerede værdi af teststørrelse er midre ed de kritiske værdi, bliver H ikke forkastet på et, 5 iveau. Dvs., at ma ka atage, at tilfredshedsgrade har været kostat, og at udsvigee skyldtes tilfældigheder. Sigifikassadsylighed: P Q q Q ~ χ I ( (( )( J ) )) P Q q Q ~ χ (( I )( J ) ) ( ) I tabelle på side 38 uder 3 frihedsgrader ka ma aflæse, at de observerede værdi,3 ligger mellem 5%-fraktile (,) og 5%-fraktile (,37). Dette må betyde, at sigifikassadsylighede ligger mellem - 5% 5% og - 5% 75%. Sigifikassadsylighede ka fides i Ecel vha. fuktioe CHIDIST(q; (I-)(J-)) CHIDIST(,3; (-)(4-)),587. COMPLET A/S - Side 57 - KOMPENDIUM I STATISTIK
20 X {atal gage hædelse?? idtræffer ud af mulige}, dvs. X, og X er et helt tal. X~ b (,p ) p er kedt p er ukedt, (tal) opgives Biomialford ssh. regig: (side 4) a la: P(X ) tal Ubekedt: - tal (de typiske) - - Hvis vi skal fide tal > (side 6) ormalfordelig, hvor: µ p σ p ( p ) p ( p ) σ (+ korrektio på,5) Estimatio (side 45) pˆ ( ) s pˆ pˆ ( pˆ ) 95% KI (side 46) pˆ ±,96 ( ) s pˆ biomialford p påstået Test i bio (side 49) H: p tal H: p?? tal sigi. ssh: Test i bio (side 53) H: p p H: p?? p sigi. ssh: Altid via ormalford. Biomialford > Normalfordelig, COMPLET A/S - Side 58 - KOMPENDIUM I STATISTIK
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,
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
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
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
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 - [email protected] http://people.math.aau.dk/ kkb/udervisig/lf13 Istitut for Matematiske Fag Aalborg Uiversitet
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,
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
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
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
Sammenligning af to grupper
Sammeligig af to gruer Reetitio, heruder om kritiske værdier Sammeligig af to gruer Sammeligig af to middelværdier Sammeligig af to adele Sammeligig af to variaser yoteser og hyotesetest. E hyotese er
Maja Tarp AARHUS UNIVERSITET
AARHUS UNIVERSITET Maja Tarp AARHUS UNIVERSITET HVEM ER JEG? Maja Tarp, 4 år Folkeskole i Ulsted i Nordjyllad Studet år 005 fra Droiglud Gymasium Efter gymasiet: Militæret Australie Startede på matematik
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
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
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
Estimation ved momentmetoden. Estimation af middelværdiparameter
Statistik og Sadsylighedsregig 1 STAT kapitel 4.2 4.3 Susae Ditlevse Istitut for Matematiske Fag Email: [email protected] http://math.ku.dk/ susae Estimatio ved mometmetode Idimellem ka det være svært (eller
Vejledende besvarelser til opgaver i kapitel 15
Vejledede besvarelser til opgaver i apitel 5 Opgave a) De teststatistier, ma aveder til at teste om to middelværdier er es, består af et estimat på forselle mellem middelværdiere,, divideret med et udtry
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 - [email protected] Istitut for Matematiske Fag Aalborg Uiversitet Repetitio: Middelværdi og Varias Sætig: Middelværdi
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
Noter om kombinatorik, Kirsten Rosenkilde, februar 2008 1. Kombinatorik
Noter om ombiatori, Kirste Roseilde, februar 008 Kombiatori Disse oter er e itrodutio til ombiatori og starter helt fra bude, så e del af det idledede er siert edt for dig allerede, me der ommer også hurtigt
Konfidens intervaller
Kofides itervaller Kofides itervaller for: Kofides iterval for middelværdi, varias kedt Kofides iterval for middelværdi, varias ukedt Kofides iterval for adel Kofides iterval for varias Bestemmelse af
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
Projekt 9.1 Regneregler for stokastiske variable middelværdi, varians og spredning
Hvad er matematik? Projekter: Kaitel 9 Projekt 9 Regeregler for stokastiske variable middelværdi, varias og sredig Projekt 9 Regeregler for stokastiske variable middelværdi, varias og sredig Sætig : Regeregler
Simpel Lineær Regression. Opsplitning af variationen Determinations koefficient Variansanalyse F-test Model-kontrol
Simpel Lieær Regressio Opsplitig af variatioe Determiatios koefficiet Variasaalse F-test Model-kotrol Opbgig af statistisk model Specificer model Ligiger og atagelser Estimer parametre Modelkotrol Er modelle
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
Formelskrivning i Word 2. Sådan kommer du i gang 4. Eksempel med skrivning af brøker 5. Brøker skrevet med småt 6. Hævet og sænket skrift 6
Dee udgave er til geemkig på ettet. Boge ka købes for kr. 5 hos EH-Mat. E y og udvidet udgave med title»symbol- og formelskrivig«er udkommet september 00. Se mere om de her. Idholdsfortegelse Formelskrivig
Modul 14: Goodness-of-fit test og krydstabelanalyse
Forskigsehede for Statistik ST01: Elemetær Statistik Bet Jørgese Modul 14: Goodess-of-fit test og krydstabelaalyse 14.1 Idledig....................................... 1 14.2 χ 2 -test i e r c krydstabel.............................
Vejledende opgavebesvarelser
Vejledede opgavebesvarelser 1. Atal hæder er lig med K(52,5), altså 2598960. Ved brug af multiplikatiospricippet ka atal hæder med 3 ruder og 2 spar udreges som K(13, 3) K(13, 2), hvilket giver 22308.
Lys og gitterligningen
Fysik rapport: Lys og gitterligige Forfatter: Bastia Emil Jørgese.z Øvelse blev udført osdag de 25. jauar 202 samme med Lise Kjærgaard Paulse 2 - Bastia Emil Jørgese Fysik rapport (4 elevtimer), februar
Matematik A. Højere handelseksamen. Tirsdag den 26. maj 2015 kl hhx151-mat/a
Matematik A Højere hadelseksame hhx151-mat/a-26052015 Tirsdag de 26. maj 2015 kl. 9.00-14.00 Matematik A Prøve består af to delprøver. Delprøve ude hjælpemidler består af opgave 1 til 5 med i alt 5 spørgsmål.
Gamle eksamensopgaver. Diskret Matematik med Anvendelser (DM72) & Diskrete Strukturer(DM504)
Gamle eksamesopgaver Diskret Matematik med Avedelser (DM72) & Diskrete Strukturer(DM504) Istitut for Matematik& Datalogi Syddask Uiversitet, Odese Alle sædvalige hjælpemidler(lærebøger, otater etc.), samt
Teoretisk Statistik, 9. februar Beskrivende statistik
Uge 7 I Teoretisk Statistik, 9 februar 004 Beskrivede statistik Kategoriserede variable 3 Kvatitative variable 4 Fraktiler for ugrupperede observatioer 5 Fraktiler for grupperede observatioer 6 Beliggeheds-
Mikroøkonomi, matematik og statistik Eksamenshjemmeopgave 14. 20. december 2007
Mikroøkoomi, matematik og statistik Eksameshjemmeopgave 14. 20. december 2007 Helle Buzel, Tom Egsted og Michael H.J. Stæhr 14. december 2007 R E T N I N G S L I N I E R F O R E K S A M E N S H J E M M
Claus Munk. kap. 1-3
Claus Muk kap. 1-3 1 Dages forelæsig Grudlæggede itroduktio til obligatioer Betaligsrækker og låeformer Det daske obligatiosmarked Pris og kurs Effektive reter 2 1 Obligatioer Grudlæggede Itro Debitor
Dagens forelæsning. Claus Munk. kap. 1-3. Obligationer Grundlæggende Intro. Obligationer Grundlæggende Intro. Obligationer Grundlæggende Intro
Dages forelæsig Grudlæggede itroduktio til obligatioer Claus Muk kap. - 3 Betaligsrækker og låeformer Det daske obligatiosmarked Effektive reter 2 Obligatioer Grudlæggede Itro Obligatioer Grudlæggede Itro
Matematisk Modellering 1 Hjælpeark
Matematisk Modellerig Hjælpeark Kaare B. Mikkelse 2005090 3. september 2007 Idhold Formler 2 2 Aalyse af k ormalfordelte prøver 2 2. Modelcheck............................................ 2 2.2 Test af
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
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
STATISTISKE GRUNDBEGREBER
MOGENS ODDERSHEDE LARSEN STATISTISKE GRUNDBEGREBER med avedelse af TI 89 og Excel 8 5 9 6 3 0 Histogram for ph 6,9 7, 7,3 7,5 7,7 7,9 ph. udgave 0 FORORD Der er i dee bog søgt at give letlæst og askuelig
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
Noter om kombinatorik, Kirsten Rosenkilde, februar Kombinatorik
Noter om ombiatori, Kirste Roseilde, februar 008 Kombiatori Disse oter er e itrodutio til ombiatori og starter helt fra bude, så e del af det idledede er siert edt for dig allerede, me der ommer også hurtigt
Estimation og test i normalfordelingen
af Birger Stjerholm Made Samfudlitteratur 07 Etimatio og tet i ormalfordelige Dee tekt ideholder et overblik over ogle grudlæggede pricipper for etimatio og tet i ormalfordelige i hyppigt forekommede ituatioer:
DATV: Introduktion til optimering og operationsanalyse, 2007. Bin Packing Problemet
DATV: Itroduktio til optimerig og operatiosaalyse, 2007 Bi Packig Problemet David Pisiger, Projektopgave 2 Dette er de ade obligatoriske projektopgave på kurset DATV: Itroduktio til optimerig og operatiosaalyse.
Sandsynlighedsregning i biologi
Om begrebet sadsylighed Sadsylighedsregig i biologi Hvis vi kaster e almidelig, symmetrisk terig, er det klart for de fleste af os, hvad vi meer, år vi siger, at sadsylighede for at få e femmer er 1/6.
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
Noter om polynomier, Kirsten Rosenkilde, Marts Polynomier
Noter om polyomier, Kirste Rosekilde, Marts 2006 1 Polyomier Disse oter giver e kort itroduktio til polyomier, og de fleste sætiger æves ude bevis. Udervejs er der forholdsvis emme opgaver, mes der til
Projekt 4.8 De reelle tal og 1. hovedsætning om kontinuerte funktioner
Projekter: Kapitel 4 Projekt 48 De reelle tal og hovedsætig om kotiuerte fuktioer Projekt 48 De reelle tal og hovedsætig om kotiuerte fuktioer Kotiuitet og kotiuerte fuktioer Ord som kotiuert og kotiuerlig
Branchevejledning. ulykker indenfor. lager. området. Branchearbejdsmiljørådet for transport og engros
Brachevejledig ulykker idefor lager området Brachearbejdsmiljørådet for trasport og egros Baggrud Udersøgelser på lager- og trasportområdet har vist, at beskrivelse af hædelsesforløbet ved udfyldelse
Projekt 3.2 Anlægsøkonomien i Storebæltsforbindelsen. Indhold. Hvad er matematik? 1 ISBN
Projekt 3.2 Alægsøkoomie i Storebæltsforbidelse Dette projekt hadler, hvorda økoomie var skruet samme, da ma byggede storebæltsforbidelse. Store alægsprojekter er æste altid helt eller delvist låefiasieret.
STATISTIK x-klasserne Gammel Hellerup Gymnasium
STATISTIK x-klassere Gammel Hellerup Gymasium Jui 209 ; Michael Szymaski ; [email protected] Idholdsfortegelse INDLEDNING...3 DESKRIPTIV STATISTIK...4 Skemaer...5 Diagrammer...8 Statistiske deskriptorer... 0 Typetal
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
Projekt 1.3 Brydningsloven
Projekt 1.3 Brydigslove Når e bølge, fx e lysbølge, rammer e græseflade mellem to stoffer, vil bølge ormalt blive spaltet i to: Noget af bølge kastes tilbage (spejlig), hvor udfaldsvikle u er de samme
STATISTISKE GRUNDBEGREBER
MOGENS ODDERSHEDE LARSEN STATISTISKE GRUNDBEGREBER 18 15 1 9 6 3 0 Histogram for ph 6,9 7,1 7,3 7,5 7,7 7,9 ph 13 udgave 013 FORORD Der er i dee bog søgt at give letlæst og askuelig fremstillig af de statistiske
Økonometri 1. Inferens i den lineære regressionsmodel 29. september Økonometri 1: F7 1
Økoometri 1 Iferes i de lieære regressiosmodel 9. september 006 Økoometri 1: F7 1 Dages program Opsamlig af hemmeopgave om Mote Carlo eksperimeter Mere om hypotesetest: Ekelt lieær restriktio på koefficieter
x-klasserne Gammel Hellerup Gymnasium
SANDSYNLIGHEDSREGNING OG KOMBINATORIK x-klassere Gammel Hellerup Gymasium Idholdsfortegelse SANDSYNLIGHEDSREGNING... 3 SANDSYNLIGHEDSFELT... 3 DE STORE TALS LOV... 4 Sadsyligheder og frekveser:... 4 STOKASTISK
Kvadratisk 0-1 programmering. David Pisinger
Kvadratisk - programmerig David Pisiger 27-8 MAX-CUT problemet Givet e ikke-orieteret graf G = (V, E) er MAX-CUT problemet defieret som MAX-CUT = {< G > : fid et sit S, T i grafe G som maksimerer atal
Branchevejledning. ulykker indenfor. godschauffør. området. Branchearbejdsmiljørådet for transport og engros
Brachevejledig ulykker idefor godschauffør området Brachearbejdsmiljørådet for trasport og egros Baggrud Udersøgelser på lager- og trasportområdet har vist, at beskrivelse af hædelsesforløbet ved udfyldelse
StudyGuide til Matematik B.
StudyGuide til Matematik B. OVERSIGT. Dee study guide ideholder følgede afsit Geerel itroduktio. Emeliste. Eksame. Bilag 1: Udervisigsmiisteriets bekedtgørelse for matematik B. Bilag 2: Bilag 3: Uddrag
Kapitel 10 KALIBRERING AF STRØMNINGSMODEL
Kapitel 0 KALIBRERING AF STRØMNINGSMODEL Torbe Obel Soeborg Hydrologisk afdelig, GEUS Nøglebegreber: Kalibrerigsprotokol, observatiosdata, kalibrerigskriterier, idetificerbarhed, etydighed, parameterestimatio,
Sprednings problemer. David Pisinger
Spredigs problemer David Pisiger 2001 Idledig Jukfood A/S er e amerikask kæde af familierestaurater der etop er ved at etablere sig i Damark. E massiv reklamekampage med de to slogas vores fritter er de
Rettevejledning til HJEMMEOPGAVE 1 Makro 1, 2. årsprøve, foråret 2007 Peter Birch Sørensen
Rettevejledig til HJEMMEOPGAVE Makro, 2. årsprøve, foråret 2007 Peter Birch Sørese Opgave... Udsaget er forkert. De omtalte skatteomlægig må atages at øge beskæftigelse p.gr.a. e positiv substitutioseffekt
Sandsynlighedsregning
Sadsylighedsregig E ote om sadsylighedsregig. Via basal sadsylighedsregig gøres læsere klar til forstå biomialfordelige. Herik S. Hase, Sct. Kud Versio 5.0 Opgaver til hæftet ka hetes her. PDF Facit til
og Fermats lille sætning
Projekter: Kaitel 0. Projekt 0. Modulo-regig, restklassegruer og Fermats lille sætig Projekt 0. Modulo-regig, restklassegruere ( { 0 }, ) og Fermats lille sætig Vi aveder moduloregig og restklasser mage
TEKST NR 435 2004. TEKSTER fra IMFUFA
TEKST NR 435 2004 Basisstatisti 2. udgave Jørge Larse August 2006 TEKSTER fra IMFUFA INSTITUT ROSKILDE UNIVERSITETSCENTER FOR STUDIET AF MATEMATIK OG FYSIK SAMT DERES FUNKTIONER I UNDERVISNING, FORSKNING
6 Populære fordelinger
6 Populære fordeliger I apitel 4 itroducerede vi stoastise variabler so e åde at repræsetere udfald af et esperiet på. De stoastise variabler ue være både disrete (fx terigslag) og otiuerte (fx vareægder).
Kapitel 8 Chi-i-anden (χ 2 ) prøven
Kapitel 8 Chi-i-anden (χ 2 ) prøven Peter Tibert Stoltze [email protected] Elementær statistik F2011 1 / 19 Indledning Forskelle mellem stikprøver undersøges med z-test eller t-test for data målt på
GENEREL INTRODUKTION.
Study Guide til Matematik C. OVERSIGT. Dee study guide ideholder følgede afsit - Geerel itroduktio. - Emeliste. - Eksame. - Bilag. Udervisigsmiisteriets bekedtgørelse for matematik C. GENEREL INTRODUKTION.
Hypotesetest. Hypotesetest og kritiske værdier Type 1 og Type 2 fejl Styrken af en test Sammenligning af to populationer
Hypoteetet Hypoteetet og kritike værdier Type og Type fejl Styrke af e tet Sammeligig af to populatioer Kofideiterval for σ tore tikprøver. Hvi X følger e χ -fordelig med frihedgrader, dv. X~χ (), gælder
(VIDENSKABSTEORI) STATISTIK (EKSPERIMENTELT ARBEJDE)
(VIDENSKABSTEORI) STATISTIK (EKSPERIMENTELT ARBEJDE) x-klassere Gammel Hellerup Gymasium Idholdsfortegelse INDLEDNING... 3 DESKRIPTIV STATISTIK... 3 Eksempler ide for deskriptiv statistik... 12 Normalfordeligskurver...
