Konfidens intervaller
|
|
|
- Marie Beck
- 9 år siden
- Visninger:
Transkript
1 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 stikprøve størrelse
2 Kofides itervaller Et kofides iterval er et iterval, der estimerer værdie af e ukedt populatios parameter. Kaldes også et iterval estimat. Samme med itervallet gives et mål for, hvor sikker ma er på, at de sade populatios parameter ligger i itervallet. Dette mål kaldes for kofides iveauet. Et pukt estimat estimerer værdie af e ukedt populatios parameter ved e ekelt værdi. For eksempel, sidste gag geemsitslø for HA X600. Et pukt estimat ideholder ikke meget iformatio om de faktiske værdi af μ. Et iterval estimat ideholder flere iformatioer, for eksempel: Vi er 95% sikre på, at itervallet [550,650] ideholde de sade middelværdi μ. Eller vi er 90% sikre på, at itervallet [599,601] ideholder de sade middelværdi μ.
3 Kofides iterval for middelværdie (år X er ormal fordelt eller stikprøve er stor) Da gælder følgede: E 95% kofides iterval for middelværdi P P μ μ μ ), ( ~ N X μ ±196.
4 Mellemregiger , , , ,96 / / 1.96 ) ,96) 1.96 ( + + P P P P P z P μ μ μ μ μ μ μ : at gælder,, X ~ N( Da ~ N(0,1) z hvor,
5 Kofides iterval for middelværdi f() % falder edefor itervallet Samplig Distributio of the Mea.5% μ % μ 95% falder idefor itervallet.5% μ % falder over itervallet Approksimativt 95% af af stikprøve middelværdiere ka ka forvetes at at falde idefor itervallet μ 196., μ Omvedt, cirka.5% ka ka forvetes at at være uder μ 196. og ka og.5% ka at forvetes at være over μ Så Så5% ka ka forvetes at at være udefor itervallet...
6 Kofides iterval for middelværdi f() * Samplig Distributio of the Mea 95%.5%.5% μ μ 196. μ * Approksimativt 95% 95% af af itervallere ±1.96 omrig stikprøve middelværdie ka ka forvetes at at ideholde de de faktiske værdi af af populatios middelværdie, μ. μ *5% *5% af af sådae itervaller omkrig stikprøve middelværdie ka ka forvetes ikke ikkeat at ikludere de de faktiske værdi af af populatios middelværdie.
7 Et (1- )100% kofides iterval for μ z Vi defierer som de z-værdi, hvor sadsylighede for at Z er højere ed dee værdi, er. Kaldes også fraktile eller de kritiske værdi. (1-)100% kaldes kofides iveauet. f(z) Stadard Normal z -1 0 Z fordelig 1 z ( 1 ) Pz > z / Pz z / P z z z ( 1 ) (1 ) 100% kofidesiterval: ± z
8 Kritiske værdier af z og kofides iveauer ( 1 ) z f(z) Stadard Normal Distributio z 0 Z 1 z ( 1 ) 3 4 5
9
10 Kofides iveau og bredde af kofides itervallet Når Når ma ma tager tager stikprøver fra fra de de samme samme populatio og og bruger bruger de de samme samme stikprøve størrelse, så såjo jo højere højere et et kofides iveau, iveau, jo jo bredere bredere et et kofides iterval. Stadard Normal Distributio Stadard Normal Distributio f(z) 0. f(z) Z Z % kofides iterval : ± % kofides iterval : ± 1.96
11 Stikprøve størrelse og bredde af kofides itervallet Når Når ma tager stikprøver fra fra de de samme populatio og og bruger det det samme kofides iveau, så såjo jo større stikprøve størrelse,, jo jo smallere et et kofides iterval. Samplig Distributio of the Mea Samplig Distributio of the Mea f() 0. f( ) % kofides iterval: 0 95% kofides iterval: 40
12 Eksempel på tavle
13 Kofides iterval for μ år er ukedt - t fordelige Hvis populatios stadard afvigelse,, ikke er kedt, erstattes med stikprøve stadard afvigelse, s. Hvis populatioe er X μ ormal, så er: t t fordelt med ( - 1) frihedsgrader. s ttfordelige fordelige er er e e familie familie af af klokke klokke formede formede og og symmetriske symmetriske fordeliger, fordeliger, e e for for hvert hvert ummer ummer af af frihedsgrader. frihedsgrader. De De forvetede forvetede værdi værdi (middelværdie) (middelværdie) er er For For df df >,, er er variase variase af af ttdf/(df-). df/(df-). Går Går mod mod 1, 1, år år frihedsgradere frihedsgradere stiger. stiger. ttfordelige fordelige er er fladere fladere og og har har tykkere tykkere haler haler ed ed stadard stadard ormal ormal fordelige. fordelige. ttfordelige fordelige går går mod mod stadard stadard ormal ormal fordelige, fordelige, år år frihedsgradere frihedsgradere stiger. stiger. 0 μ Stadard ormal t, df 0 t, df 10
14 Kofides iterval for μ år er ukedt - t fordelige Et Et (1-)100% kofides iterval for for μ år år er er ukedt (og (og ma atager e e ormal fordelt populatio): ± t s hvor t er i t -1 er værdie i t fordelige med -1 frihedsgraders, hvor sadsylighede for for at at t t er er højere ed ed dee værdi, er er..
15 t Fordelige df t t t 0.05 t t f(t) t D istributio : df10 Areal 0.10 Areal 0.10 } } -.8 } t.8 } Areal 0.05 Arela 0.05 Når Når er er ukedt ukedt (og (og populatioe er er ormal ormal fordelt), fordelt), bruges brugest t fordelige med med -1-1 frihedsgrader. For For store store frihedsgrader ka kat t fordelige approksimeres ved ved e e stadard ormal ormal fordelig.
16 Eksempel 6- E E aktie aalytiker vil vil estimere de de geemsitlige gevist på påe e bestemt aktie. E E stikprøve på på15 dage giver e e geemsitlig gevist på 10.37% og og e e stadard afvigelse på pås 3.5%. Atag e e ormal populatio og og giv giv et et 95% kofides iterval for for de de geemsitlige gevist på pådee aktie. df t t t 0.05 t t De kritiske værdi af t for df ( -1) (15-1) 14 og et højre halet areal på 0.05 er: t Kofides itervallet er: s ± t ± ± , [ ]
17 Kofides iterval for populatios adele, p, for store stikprøver Estimatore af populatios adele, p, er stikprøve adele, pˆ. Hvis stikprøve størrelse er stor, så er pˆ approksimativ ormal fordelt, med E( pˆ) p og pq V( pˆ), hvor q(1- p). Når populatio adele er ukedt, bruges de estimerede værdi, pˆ. E stikprøve er stor ok, år både p og q er større ed 5. Et (1-)100% kofides iterval for populatios adele, p, er givet ved: ˆ ˆ p± ˆ z pq hvor stikprøve adele, pˆ, er lig med atallet af succes'er i stikprøve,, divideret med atallet af forsøg (stikprøve størrelse),, og qˆ 1-pˆ.
18 Eksempel 6-4 Hvor Hvor stor stor e e adel har har udeladske firmaer af af det det amerikaske marked for for et et eller eller adet produkt. E E stikprøve på på100 forbrugere udtages og og af af disse disse bruger det det udeladske produkt; reste bruger det det amerikaske produkt. Giv Giv et et 95% 95% kofides iterval for for adele af af brugere af af udeladske produkter. p$ pq $$ 034)(. 066) ± z 034. ± ± ( 196. )( ) ± [ 0. 47, ]
19 Kofides iterval for populatios variase: Chi i ade (χ ) fordelige Stikprøve variase, s², er e cetral estimator for populatios variase ². Kofides itervaller for populatios variase baseres på χ fordelige. χ fordelige er sadsyligheds fordelige for e sum af uafhægige kvadrerede stadard ormal fordelte stokastiske variable. Middelværdie er lig med atallet af frihedsgrade, E(X)df Variase er lig med to gage atallet af frihedsgrader, V(X)df
20 χ fordelige E χ fordelt stokastisk variabel ka ikke være egativ, så de er begræset af 0 til vestre. Fordelige er højre skæv. Fordelige går mod ormal fordelige, år atallet af frihedsgrader vokser. Hvis stikprøve er taget fra e ormal fordelig, f ( χ ) Chi-Square Distributio: df10, df30, df df df df χ så er de stokastisk e variabel : χ ( 1) s χ fordelt med ( -1) frihedsgra der.
21 Sadsyligheder i χ fordelige Areal i højre hale Areal i vestre hale df
22 Kofides iterval for populatios variase Et (1-)100% kofides iterval for populatios variase * (hvis populatioe er ormal fordelt) er givet som: ( ) s 1, ( 1 ) s χ χ 1 hvor er fraktile i χ fordelige og χ χ 1 er 1 fraktile. * * Note: Note: Fordi Fordi χ χ fordelige fordelige er er skæv, skæv, er er kofides kofides itervallet itervallet for for populatios populatios variase variase ikke ikke symmetrisk. symmetrisk.
23 Eksempel 6-5 E E maskie fylder kaffekader (med (med kaffe kaffe ;-) ;-) Hvis Hvis det det geemsitlige idhold er er forskellig fra fra hvad hvad det det skal skal være, ka ka maskie justeres. Hvis Hvis variase er er for for høj, høj, skal skal maskie sedes til til reparatio. E E stikprøve på på30 30 kader giver giver et et estimat på påss 18,540. Giv Giv et et 95% 95% kofides iterval for for populatios variase,.. ( ), ( ) 1 s 1 s ( )18540, ( ) χ χ [ 11765, 33604]
24 Eksempel Areal i højre hale df Chi-Square Distributio: df f(χ ) χ χ χ
25 Bestemmelse af stikprøve størrelse Midste stikprøve størrelse,år μ estimeres: z B hvor B er de maksimale græse for, hvor lagt estimatet må ligge fra de sade middelværdi (med kofides iveau). For populatios adele er de givet ved: z pq B Hvis p ukedt bruges p 0.5, da det giver de største stikprøve størrelse(og er altså et koservativt gæt).
26 Eksempel 6-6 Hvor Hvor mage pege bruger e e perso geemsitligt på pået et ferie ferie sted? sted? Skal Skal bestemmes idefor plus, plus, mius $10, med med 95% 95% sikkerhed. Fra Fra tidligere udersøgelser ved ved ma ma at at populatio stadard deviatio is is $400. Hvor Hvor stor stor skal skal stikprøve midst være? z B (. 196)( 400)
27 Eksempel 6-7 Hvor Hvor mage folk folk i i e e give idkomst klasse er er iteresseret i i e e bestemt bil? bil? Skal Skal bestemmes idefor plus plus mius med med 99% 99% sikkerhed. Gæt Gæt på påat at p er er omkrig Hvad er er de de midste stikprøve størrelse? z pq B (. )(. )
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
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
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
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
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
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
Hypotese test. Repetition fra sidst Hypoteser Test af middelværdi Test af andel Test af varians Type 1 og type 2 fejl Signifikansniveau
ypotese test Repetition fra sidst ypoteser Test af middelværdi Test af andel Test af varians Type 1 og type fejl Signifikansniveau Konfidens intervaller Et konfidens interval er et interval, der estimerer
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
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
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
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
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
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
9. Binomialfordelingen
9. Biomialfordelige 9.. Gekedelse Hvert forsøg ka ku resultere i to mulige udfald; succes og fiasko. I modsætig til poissofordelige er atallet af forsøg edeligt. 9.. Model X : Stokastisk variabel, der
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
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
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
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
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
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
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
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
Konfidensinterval for µ (σ kendt)
Program 1. Repetition: konfidens-intervaller. 2. Hypotese test 3. Type I og type II fejl, p-værdi 4. En og to-sidede tests 5. Test for middelværdi (kendt varians) 6. Test for middelværdi (ukendt varians)
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
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.
Sandsynlighedsregning og statistisk
Sadsylighedsregig og statistisk J. C. F. Gauss 777 855) Peter Haremoës Niels Brock 2. april 23 Idledig Dette hæfte er lavet som supplemet til 2. udgave af boge Mat B. Der er lagt vægt på at give e bedre
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.
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
Program. Statistisk inferens En enkelt stikprøve og lineær regression Stat. modeller, estimation og konfidensintervaller. Fordeling af gennemsnit
Faculty of Life Sciece Program Statitik ifere E ekelt tikprøve og lieær regreio Stat. modeller, etimatio og kofideitervaller Clau Ektrøm E-mail: [email protected] Fordelig af geemit Statitik ifere for
Program. 1. Repetition: konfidens-intervaller. 2. Hypotese test, type I og type II fejl, signifikansniveau, styrke, en- og to-sidede test.
Program 1. Repetition: konfidens-intervaller. 2. Hypotese test, type I og type II fejl, signifikansniveau, styrke, en- og to-sidede test. 1/19 Konfidensinterval for µ (σ kendt) Estimat ˆµ = X bedste bud
Modul 5: Test for én stikprøve
Forskningsenheden for Statistik ST01: Elementær Statistik Bent Jørgensen Modul 5: Test for én stikprøve 5.1 Test for middelværdi................................. 1 5.1.1 t-fordelingen.................................
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,
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:
Begreber og definitioner
Begreber og defiitioer Daske husstades forbrug på de medierelaterede udgiftsposter stiger og udgør i 2012*) 11,3 % af husstadees samlede forbrug mod 5,5 % i 1994. For husstade med de laveste idkomster
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
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
Statistik og Sandsynlighedsregning 2
Statistik og Sandsynlighedsregning 2 Den flerdimensionale normalfordeling, fordeling af ( X,SSD) Helle Sørensen Uge 9, mandag SaSt2 (Uge 9, mandag) Flerdim. N, ford. af ( X,SSD) 1 / 16 Program Resultaterne
Morten Frydenberg version dato:
Morte Frdeberg versio dato: 4--4 Itroduktio til kurset Statistik Forelæsig Morte Frdeberg, Sektio for Biostatistik af Biostatistik dele af. semester kurset. Statistiske modeller Biomialfordelige Normalfordelige
Stikprøver og stikprøve fordelinger. Stikprøver Estimatorer og estimater Stikprøve fordelinger Egenskaber ved estimatorer Frihedsgrader
Stikprøver og stikprøve fordelinger Stikprøver Estimatorer og estimater Stikprøve fordelinger Egenskaber ved estimatorer Frihedsgrader Statistik Statistisk Inferens: Prediktere og forekaste værdier af
Program. Middelværdi af Y = t(x ) Transformationssætningen
Program Statistik og Sadsylighedsregig 2 Trasformatio af kotiuerte fordeliger på R, flerdimesioale kotiuerte fordeliger, mere om ormalfordelige Helle Sørese Uge 7, osdag I formiddag: Opfølgig på trasformatiossætige
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
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
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
Kapitel 3 Centraltendens og spredning
Kapitel 3 Centraltendens og spredning Peter Tibert Stoltze [email protected] Elementær statistik F2011 1 Indledning 2 Centraltendens 3 Spredning 4 Praktisk beregning 5 Fraktiler 6 Opsamling 1 Indledning
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-
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
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
Kapitel 10 KALIBRERING AF STRØMNINGSMODEL
Kapitel 0 KALIBRERING AF STRØMNINGSMODEL Torbe Obel Soeborg Hydrologisk afdelig, GEUS Nøglebegreber: Kalibrerigsprotokol, observatiosdata, kalibrerigskriterier, idetificerbarhed, etydighed, parameterestimatio,
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
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
Introduktion til Statistik
Itroduktio til Statistik 4. udgave Susae Ditlevse og Helle Sørese Susae Ditlevse, [email protected] Helle Sørese, [email protected] Istitut for Matematiske Fag Købehavs Uiversitet Uiversitetsparke 5 2100
BILAG I PRODUKTRESUME
BILAG I PRODUKTRESUME 1 1. LÆGEMIDLETS NAVN Nimerix pulver og solves til ijektiosvæske, opløsig i fyldt ijektiossprøjte Meigokokgruppe A, C, W-135 og Y kojugeret vaccie 2. KVALITATIV OG KVANTITATIV SAMMENSÆTNING
Chi-i-anden Test. Repetition Goodness of Fit Uafhængighed i Kontingenstabeller
Chi-i-anden Test Repetition Goodness of Fit Uafhængighed i Kontingenstabeller Chi-i-anden Test Chi-i-anden test omhandler data, der har form af antal eller frekvenser. Antag, at n observationer kan inddeles
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 17. udgave 016 FORORD Der er i dee bog søgt at give letlæst og askuelig fremstillig af de
Introduktion til uligheder
Itroduktio til uligheder Dette er e itroduktio til ogle basale uligheder om det aritmetiske geemsit, det geometriske geemsit, det harmoiske geemsit og det kvadratiske geemsit. Først skal vi ved fælles
Program. Ensidet variansanalyse Normalfordelingen. Antibiotika og nedbrydning af organisk materiale. Tegninger
Faculty of Life Scieces Program Esidet variasaalyse Normalfordelige Claus Ekstrøm E-mail: [email protected] Esidet variasaalyse (oe-way ANOVA) Hvilke type data? Hvad er problemstillige? Variatio mellem
Variabel- sammenhænge
Variabel- sammenhænge Udgave 2 2009 Karsten Juul Dette hæfte kan bruges som start på undervisningen i variabelsammenhænge for stx og hf. Hæftet er en introduktion til at kunne behandle to sammenhængende
Statistik Lektion 8. Test for ens varians
Statitik Lektio 8 Tet for e varia ra tidligere Hvi populatioe er ormalfordelt med varia, å gælder ( ) S ~ χ hvor er tikprøve tørrele og S er tikprøvevariae. χ -fordelig med - frihedgrader χ Tet af Variae
Projekt 9.10 St. Petersborg paradokset
Hvad er matematik? ISBN 978877066879 Projekt 9.0 St. Petersborg paradokset. De store tals lov & viderchacer I grudboges kapitel 9 omtales de store tals lov, som ka formuleres således: Hvis e spiller i
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.
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
