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

Størrelse: px
Starte visningen fra side:

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

Transkript

1 Uge 37 I Teoretsk Statstk, 9.sept Fordelger kyttet tl N-ford. Gvet: uafhægge observatoer af samme N(µ,σ )-fordelte stokastske varabel. Formelt: X,X,,X uafhægge, alle N(µ,σ )-fordelt. Mddelværd µ og varas σ er ukedte parametre som v øsker at estmere udfra data, vs. fde de værder af µ og σ der "passer bedst mulgt" med data. Hvor uskre er dsse estmater? V øsker også at teste hypoteser om parametree. F.eks: Ka µ tækes at være 0 (eller ade fast, kedt værd)? Eksempel: dollarkurser Eksempel fra AJKM, sde 5: X,,X 3 er ædrgere dollarkurse fra jauar 983 tl december 984. Modelatagelse: X,,X m er uafhægge og N(µ,σ )-fordelte. Statstske spørgsmål: Hvad er estmatere for µ og σ? Hvor uskre er dsse estmater? Har ædrgere vareret omkrg 0, dvs. ka µ atages at være 0 (har kurse svget om samme veau)?

2 Estmato Ikke overraskede: µ= ˆ X = ( X+ + X) geemst (( ) ( ) ) σ ˆ = S = X X + + X X emp.varas Med adre observatoer vlle have fået adre estmater. Med adre ord: µ ˆ og σ ˆ er fuktoer af de stokastske varable X,,X m og dermed selv stokastske varable med e fordelg. Det er vgtgt at kede estmateres fordelg! Fordelg af ˆ µ = X Når X,,X m er uafhægge N(µ,σ )-fordelte, så er ( ) ( ) ( ) X + + X ~ N µ,σ µ= ˆ X= X + + X ~ N µσ, / Specelt har v altså at E[ µ ˆ ] =µ, dvs. at estmatore " geemst" rammer rgtgt. Varase på ˆµ aftager med så estmatet blver mere og mere præcst jo flere observatoer der er tl rådghed.

3 () Eksempel: dollarkurser Estmater µ ˆ og σ ˆ µ= ˆ X ~ N( µσ, / 3) obs. X :.47 σ ˆ = S ~ χ () obs. σˆ : σ σ er uafhægge. (3) Eksempel: dollarkurser Hypotese: Kursædrgere har vareret tlfældgt omkrg 0, dvs. mddelværde af X er 0: H 0 : µ = 0 Oplagt at basere et test på størrelse af µ= ˆ X. V vl acceptere H 0 hvs X er "tæt på" 0; forkaste H 0 hvs X er "lagt fra" 0. Me hvad betyder "tæt på" og "lagt fra"?

4 Test af hypotese Ldt mere geerel hypotese: H 0:µ =µ 0 Vl basere testet på størrelse af µ ˆ µ 0 = X µ 0. Som før vl v acceptere H 0 hvs X er "tæt på" µ 0 ; forkaste H 0 hvs X er "lagt fra" µ 0. () Test af hypotese Hvs H 0 : µ = µ 0 er rgtg, så er 0 X ~ N( µ, σ / ) og dermed U = (X µ 0) ~ N(0,) σ Hvs v kedte σ vlle dette fortælle os, hvad der er stort og småt. Me v keder kke σ har ku et estmat: (X µ 0) T = ~ t( ) S t( ) er t-fordelge med frhedsgrader.

5 (3) Test af hypotese Fordelge af (X µ 0) T = ~ t( ) S afhæger altså kke af de ukedte parametre! Ka udersøge om de observerede værd af T er stor eller llle forhold tl e t(f)-fordelg (se eksempel). t(f) er symmetrsk om 0. t(f) har tugere haler ed N(0,), me lger N(0,) år f er stor (svarede tl at varase σ er godt bestemt af S ). (4) Test af hypotese Observeret værd af T er og T ~t(). V har at (X µ 0) 3 (.47 0) = =.79 S P( T >.79) = P(T < -.79) + P(T >.79) = 0.04 så med sadsylghed 4% kue v have fået e T-værd, der var umersk større ed de observerede. V forkaster hypotese!

6 χ -fordelge Hvs U ~N(0,) sges U at være χ -fordelt med frhedsgrad: U ~ χ (). Hvs U,,U f er uafhægge N(0,)-fordelte sges være χ -fordelt med f frhedsgrader: Q ~ χ (f). Ma ka vse at χ (f) = Γ(f/, ½) så f/ f/ EQ [ ] = = f, varq [ ] = = f. ½ (½) f at = Q= U Fordelge af σ ˆ = S Husk at X~N(, µ σ ) så (X µ)/σ ~ N(0,) og dermed = ( X µ ) σ ~ χ () Erstattes parametere µ med estmatet µ ˆ = X fås stedet frhedsgrader (spaltgssætge): = ( ) X X ~ χ ( ) σ Afhægghed: (X X) + + (X X) = X+ + X X = 0.

7 () Fordelge af σ ˆ = S Altså: Specelt: = (X X) σ ˆ = S = ~ χ ( ) σ σ σ ˆ ˆ σ σ = σ = =σ E E ( ) σ 4 ˆ ˆ σ σ σ = σ = = var ( ) var ( ) σ Derfor dvderes med - stedet for S! Bemærk at : E[S] = E S σ. Smulta fordelg af µ ˆ = Xog σ ˆ = S V har u beskrevet de margale fordelger af µ= ˆ Xog σ ˆ = S : µ= ˆ X~N( µσ, /) ( X X) ) = σ ˆ = S = ~ χ ( ) σ σ σ Ma ka vse (spaltgssætge) at µ ˆ = Xog σ ˆ = S er uafhægge. De smultae tæthed er således produktet af de margale. Meget fordelagtgt med uafhægghed mellem de to estmater!

8 Spaltgssætge (forsmplet udgave) V har: Her er ( ) ( ) Q= X µ = X X+ X µ = = ( X X) ( X ) ( X X)( X ) = + µ + µ = = = = Q + Q + Q Q/ σ ~ χ (),Q / σ = ( (X µ )/ σ) ~ χ () og Q = 0. Spaltgssæt: Q og Q uafhægge og Q /σ ~ χ (-) Spaltgssætge (mere geerel udgave) X ~ N(µ,σ ): samme varas, me evt. forsk. mddelværder ( ) ( ) = = = = = Q= X µ = X a X+ a X µ ( X a X) ( a X ) ( X a X)( a X ) = + µ + µ = Q + Q+ Q Ved at Q/σ ~ χ (). Hvs Q = 0 og Q /σ ~ χ (k) så er Q og Q uafhægge og Q /σ ~ χ (-k)

9 t-fordelge Hvs U og Q er uafhægge og U ~N(0,) og Q ~ χ (f), så er T = U f Q ~ t(f) Dette var præcs hvad der "foregk" før: T ( ) ( ) X µ 0 X µ 0 σ ( ) U = = = S σ S ( ) Q F-fordelge Mage hypoteser ka testes ved at teste om to varaser er es: V σ S σ Q /( ) Q /( ) = = = S Q /( ) Q /( ) Derfor er følgede teressat: Hvs Q ~ χ (f ) og Q ~ χ (f ) samt Q og Q er uafhægge, så er Q/f V = ~F(f,f ) Q /f F-ford. med (f, f ) frhedsgrader. NB: T ~ t(f) Y T ~F(,f).

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

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

Læs mere

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

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

Læs mere

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

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

Læs mere

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

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

Læs mere

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

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

Læs mere

Repetition. Forårets højdepunkter

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

Læs mere

Hvorfor n-1 i stikprøvevariansen?

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

Læs mere

BEVISER TIL KAPITEL 7

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

Læs mere

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

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

Læs mere

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

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

Læs mere

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

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

Læs mere

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

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

Læs mere

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

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

Læs mere

L komponent produceret i linie 1

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

Læs mere

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

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

Læs mere

Variansanalyse. på normalfordelte observationer af Jens Friis

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

Læs mere

Simpel Lineær Regression - repetition

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

Læs mere

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

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

Læs mere

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

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

Læs mere

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

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

Læs mere

Induktionsbevis og sum af række side 1/7

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

Læs mere

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

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

Læs mere

Supplement til sandsynlighedsregning og matematisk statistik

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

Læs mere

Pearsons formel for χ 2 test. Den teoretiske forklaring

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

Læs mere

Kvantitative metoder 2

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

Læs mere

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

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

Læs mere

Indeks over udviklingen i biltrafikken i Danmark

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

Læs mere

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

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

Læs mere

Elementær Matematik. Sandsynlighedsregning

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

Læs mere

Rettevejledning til Økonomisk Kandidateksamen 2006I, Økonometri 1

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

Læs mere

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

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

Læs mere

Lineære Normale Modeller

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

Læs mere

Kvantitative metoder 2

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

Læs mere

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

Praktisk info. Statistisk analyse af en enkelt stikprøve: kendt eller ukendt varians Sandsynlighedsregning og Statistik (SaSt) I tirsdags. Praktisk ifo Liste med rettelser og meigsforstyrrede trykfejl i DS på Absalo. Statistisk aalyse af e ekelt stikprøve: kedt eller ukedt varias Sadsylighedsregig og Statistik (SaSt) Helle Sørese Projekt

Læs mere

Kvantitative metoder 2

Kvantitative metoder 2 Dagens program: Heteroskedastctet (Wooldrdge kap. 8.4) Kvanttatve metoder Heteroskedastctet 6. aprl 007 Sdste gang: Konsekvenser af heteroskedastctet for OLS Whte s korrekton af OLS varansen Test for heteroskedastctet

Læs mere

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

Test i to populationer. Hypotesetest for parrede observationer Test for ens varians Gensyn med flyskræk! Test i to populatioer Hypotesetest for parrede observatioer Test for es varias Gesy med flyskræk! Afhægige og uafhægige stikprøver Ved e uafhægig stikprøve udtages e stikprøve fra hver gruppe.. Mæd og

Læs mere

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

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

Læs mere

x-klasserne Gammel Hellerup Gymnasium

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

Læs mere

χ 2 -fordelte variable

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

Læs mere

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

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

Læs mere

Økonometri 1. Lineær sandsynlighedsmodel. Hvad nu hvis den afhængige variabel er en kvalitativ variabel (med to kategorier)?

Økonometri 1. Lineær sandsynlighedsmodel. Hvad nu hvis den afhængige variabel er en kvalitativ variabel (med to kategorier)? Dagens program Økonometr Heteroskedastctet 6. oktober 004 Hovedemnet for denne forelæsnng er heteroskedastctet (kap. 8.-8.3) Lneære sandsynlghedsmodel (kap 7.5) Konsekvenser af heteroskedastctet Hvordan

Læs mere

EKSAMEN I MATEMATIK-STATISTIK, 27. JANUAR 2006, KL 9-13

EKSAMEN I MATEMATIK-STATISTIK, 27. JANUAR 2006, KL 9-13 EKSAMEN I MATEMATIK-STATISTIK, 7. JANUAR 006, KL 9-13 [HER STARTER STATISTIKDELEN] Opgave 3 (5%): Bologsk baggrundsnformaton tl forståelse af opgaven: Dr producerer kke altd lge meget afkom af hvert køn.

Læs mere

Morten Frydenberg Biostatistik version dato:

Morten Frydenberg Biostatistik version dato: Morten Frydenberg Bostatstk verson dato: -4- Bostatstk uge mandag Morten Frydenberg, Afdelng for Bostatstk Resume: Hvad har v været gennem ndtl nu Lneær (normal) regresson en kontnuert forklarende varabel

Læs mere

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

Statistik 8. gang 1 KONFIDENSINTERVALLER. Konfidensintervaller: kapitel 11. Valg og test af fordelingsfunktion Statistik 8. gag 1 KONIDENSINTERVALLER Kofidesitervaller: kapitel 11 Valg og test af fordeligsfuktio Statistik 8. gag 11. KONIDENS INTERVALLER Et kofides iterval udtrykker itervallet hvori de rigtige værdi

Læs mere

Binomialfordelingen: april 09 GJ

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

Læs mere

Økonometri lektion 7 Multipel Lineær Regression. Testbaseret Modelkontrol

Økonometri lektion 7 Multipel Lineær Regression. Testbaseret Modelkontrol Økonometr lekton 7 Multpel Lneær Regresson Testbaseret Modelkontrol MLR Model på Matrxform Den multple lneære regressons model kan skrves som X y = Xβ + Hvor og Mndste kvadraters metode gver følgende estmat

Læs mere

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

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

Læs mere

Kvantitative metoder 2

Kvantitative metoder 2 Kvanttatve metoder 2 Instrumentvarabel estmaton 14. maj 2007 KM2: F25 1 y = cy ( c 0) Plan for resten af gennemgangen F25: Instrumentvarabel (IV) estmaton: Introdukton tl endogentet og nstrumentvarabler

Læs mere

Kvantitative metoder 2

Kvantitative metoder 2 y = cy ( c 0) Plan for resten af gennemgangen Kvanttatve metoder Instrumentvarabel estmaton 4. maj 007 F5: Instrumentvarabel (IV) estmaton: Introdukton tl endogentet og nstrumentvarabler En regressor,

Læs mere

Kogebog: 5. Beregn F d

Kogebog: 5. Beregn F d tattk 8. gag KONFIDENINERVALLER Kofdetervaller: kaptel Valg og tet af fordelgfukto tattk 8. gag. KONFIDEN INERVALLER Et kofde terval udtrykker tervallet hvor de rgtge værd af parametere K, med γ % adylghed

Læs mere

Regressions modeller Hvad regresserer vi på og hvorfor? Anders Stockmarr Axelborg statistikgruppe 6/

Regressions modeller Hvad regresserer vi på og hvorfor? Anders Stockmarr Axelborg statistikgruppe 6/ Regressos modeller Hvad regresserer v på og hvorfor? Aders Sockmarr Aelborg saskgruppe 6/ 0 Geerel Regresso Y f( ) ε f er e UKENDT fuko der beskrver relaoe mellem de uafhægge varabel og de afhægge varabel

Læs mere

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

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

Læs mere

SUPPLEMENT til Anvendt statistik

SUPPLEMENT til Anvendt statistik SUPPLEMET tl Avedt statstk IDHOLD A BEVISER VEDRØREDE ORMALFORDELIGE 3A χ - FORDELIE 3 3B t - FORDELIGE 6 3C F - FORDELIGE 7 4A DEFIITIOER OG EKSEMPLER PÅ CETRALE OG EFFEKTIVE ESTIMATORER 9 4B BEVISER

Læs mere

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

Anvendt Statistik Lektion 3. Punkt- og intervalestimater Konfidensintervaller Valg af stikprøvestørrelse Avedt Statistik Lektio 3 Pukt- og itervalestimater Kofidesitervaller Valg af stikprøvestørrelse Pukt- og itervalestimater: Motivatio Motiverede eksempel: I e udersøgelse er adele af rygere 0.27. Det aslås

Læs mere

Statikstik II 3. Lektion. Multipel Logistisk regression Generelle Lineære Modeller

Statikstik II 3. Lektion. Multipel Logistisk regression Generelle Lineære Modeller Statkstk II 3. Lekton Multpel Logstsk regresson Generelle Lneære Modeller Defntoner: Repetton Sandsynlghed for at Ja tl at være en god læser gvet at man er en dreng skrves: P( God læser Ja Køn Dreng) Sandsynlghed

Læs mere

Ugeseddel 8. Gruppearbejde:

Ugeseddel 8. Gruppearbejde: Ugeseddel 8 Gruppearbejde: 1. Ved at nkludere en dummyvarabel for et bestemt landeområde, svarer tl at konstatere, at dsse lande har nogle unkke karakterstka, som har betydnng for væksten, som kke gør

Læs mere

Økonometri 1. Interne evalueringer. Interne evalueringer. Dagens program. Heteroskedaticitet (Specifikation og dataproblemer) 2.

Økonometri 1. Interne evalueringer. Interne evalueringer. Dagens program. Heteroskedaticitet (Specifikation og dataproblemer) 2. Dagens program Øonometr 1 Heterosedatctet (Specfaton og dataproblemer). november 005 dataproblemer 1 Interne evaluernger Emner for denne forelæsnng: Heterosedastctet (ap 8.4-8.5) Egensaber ved FGLS Esempel

Læs mere

Regressionsanalyse. Epidemiologi og Biostatistik. 1.Simpel lineær regression (Kapitel 11) systolisk blodtryk og alder

Regressionsanalyse. Epidemiologi og Biostatistik. 1.Simpel lineær regression (Kapitel 11) systolisk blodtryk og alder Regressonsanalyse Epdemolog og Bostatstk Mogens Erlandsen, Insttut for Bostatstk Uge, torsdag (forelæsnng) 1.Smpel lneær regresson (Kaptel 11) systolsk blodtryk og alder. Multpel lneær regresson (Kaptel

Læs mere

Økonometri 1. Lineær sandsynlighedsmodel (Wooldridge 8.5). Dagens program: Heteroskedasticitet 30. oktober 2006

Økonometri 1. Lineær sandsynlighedsmodel (Wooldridge 8.5). Dagens program: Heteroskedasticitet 30. oktober 2006 Dagens program: Øonometr 1 Heterosedastctet 30. otober 006 Effcent estmaton under heterosedastctet (Wooldrdge 8.4): Sdste gang: Kendte vægte - Weghted Least Squares (WLS) Generalzed Least Squares (GLS)

Læs mere

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

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

Læs mere

Lineær regressionsanalyse8

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

Læs mere

Tema. Model og modelkontrol ( Fx. en normalfordelt obs. række m. kendt varians) Estimation af parametre. Fordeling. Hypotese og test. Teststørrelse.

Tema. Model og modelkontrol ( Fx. en normalfordelt obs. række m. kendt varians) Estimation af parametre. Fordeling. Hypotese og test. Teststørrelse. Tema Model og modelkontrol ( Fx. en normalfordelt obs. række m. kendt varians) Estimation af parametre. Fordeling. (Fx. x. µ) Hypotese og test. Teststørrelse. (Fx. H 0 : µ = µ 0 ) konfidensintervaller

Læs mere

Kvantitative metoder 2 Forår 2007 Ugeseddel 9

Kvantitative metoder 2 Forår 2007 Ugeseddel 9 Kvanttatve metoder 2 Forår 2007 Ugeseddel 9 Program for øvelserne: Introdukton af problemstllng og datasæt Gruppearbejde SAS øvelser Paneldata for tlbagetræknngsalder Ugesedlen analyserer et datasæt med

Læs mere

Uge 40 I Teoretisk Statistik, 30. september 2003

Uge 40 I Teoretisk Statistik, 30. september 2003 Uge 40 Teoretis tatisti, 30. september 003 Esidet variasaalyse Model, otatio, hypotese og hælpehypotese Test af hælpehypotese Opdaterig af variasestimat Test af hypotese om es middelværdier Variasaalysesema

Læs mere

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

hvor i er observationsnummeret, som løber fra 1 til stikprøvestørrelsen n, X i Normalfordeliger For at e stokastisk variabel X ka være ormalfordelt, skal X agive værdie af e eller ade målig, f.eks. tid, lægde, vægt, beløb osv. Notatioe er: Xi ~ N( μ, σ hvor i er observatiosummeret,

Læs mere

Tema. Dagens tema: Indfør centrale statistiske begreber.

Tema. Dagens tema: Indfør centrale statistiske begreber. Tema Dagens tema: Indfør centrale statistiske begreber. Model og modelkontrol Estimation af parametre. Fordeling. Hypotese og test. Teststørrelse. konfidensintervaller Vi tager udgangspunkt i Ex. 3.1 i

Læs mere

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

24. januar Epidemiologi og biostatistik. Forelæsning 1 Uge 1, tirsdag. Niels Trolle Andersen, Afdelingen for Biostatistik. Epidemiologi og biostatistik. Forelæsig Uge, tirsdag. Niels Trolle Aderse, Afdelige for Biostatistik. Geerelt om kurset: - Formål - Forelæsiger - Øvelser - Forelæsigsoter - Bøger - EpiBasic: http://www.biostat.au.dk/teachig/software

Læs mere

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

1 Punkt- og intervalestimation Punktestimatorer: Centralitet(bias) og efficiens... 2 Idhold 1 Pukt- og itervalestimatio 2 1.1 Puktestimatorer: Cetralitet(bias) og efficies.................... 2 2 Kofidesiterval 3 2.1 Kofidesiterval for adel................................ 4 2.2 Kofidesiterval

Læs mere

Kontrol af udledninger ved produktion af ørred til havbrugsfisk

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

Læs mere

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

Statistik Lektion 8. Parrede test Test for forskel i andele Test for ens varians Gensyn med flyskræk! Statistik Lektio 8 Parrede test Test for forskel i adele Test for es varias Gesy med flyskræk! Afhægige og uafhægige stikprøver Ved e uafhægig stikprøve udtages e stikprøve fra hver gruppe.. Mæd og kviders

Læs mere

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

Den stokastiske variabel X angiver levetiden i timer for en elektrisk komponent. Tæthedsfunktionen for den stokastiske variabel er givet ved STATISTIK Skrtlg evaluerg, 3. emeter, madag de 3. jauar 5 kl. 9.-3.. Alle hjælpemdler er tlladt. Opgaveløge orye med av og CPR-r. OPGAVE De tokatke varabel agver levetde tmer or e elektrk kompoet. Tætheduktoe

Læs mere

Prøveeksamen Indtjening, konkurrencesituation og produktudvikling i danske virksomheder Kommenteret vejledende besvarelse

Prøveeksamen Indtjening, konkurrencesituation og produktudvikling i danske virksomheder Kommenteret vejledende besvarelse Økonometr Prøveeksamen Indtjenng, konkurrencestuaton og produktudvklng danske vrksomheder Kommenteret vejledende besvarelse Resultaterne denne besvarelse er fremkommet ved brug af eksamensnummer 7. Dne

Læs mere

Statistik II Lektion 4 Generelle Lineære Modeller. Simpel Lineær Regression Multipel Lineær Regression Flersidet Variansanalyse (ANOVA)

Statistik II Lektion 4 Generelle Lineære Modeller. Simpel Lineær Regression Multipel Lineær Regression Flersidet Variansanalyse (ANOVA) Statstk II Lekton 4 Generelle Lneære Modeller Smpel Lneær Regresson Multpel Lneær Regresson Flersdet Varansanalyse (ANOVA) Logstsk regresson Y afhængg bnær varabel X 1,,X k forklarende varable, skala eller

Læs mere

Løsninger til kapitel 7

Løsninger til kapitel 7 Løsiger til kapitel 7 Opgave 7.1 a) HpoStat giver resultatet: Pop. varias er ukedt, me 30, så Normalf. bruges approksimativt = 54,400 s 1.069,90 = 00,000 0,95 49,868 58,93 Dette betder, at med 95% sikkerhed

Læs mere

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

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

Læs mere

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

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

Læs mere

Statikstik II 4. Lektion. Generelle Lineære Modeller

Statikstik II 4. Lektion. Generelle Lineære Modeller Statkstk II 4. Lekton Generelle Lneære Modeller Generel Lneær Model Y afhængg skala varabel X 1,,X k forklarende varable, skala eller bnære Model: Mddelværden af Y gvet X + k = E( Y X ) = α + β x + + β

Læs mere

Statistik Lektion 15 Mere Lineær Regression. Modelkontrol Prædiktion Multipel Lineære Regression

Statistik Lektion 15 Mere Lineær Regression. Modelkontrol Prædiktion Multipel Lineære Regression Statstk Lekton 15 Mere Lneær Regresson Modelkontrol Prædkton Multpel Lneære Regresson Smpel Lneær Regresson - repetton Spørgsmål: Afhænger y lneært af x?. Model: y = β + β x + ε ε d N(0, σ 0 1 2 ) Systematsk

Læs mere

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

Dagens program. Estimation: Kapitel Eksempler på middelrette og/eller konsistente estimator (de sidste fra sidste forelæsning) Dages program Estimatio: Kapitel 9.4-9.7 Eksempler på middelrette og/eller kosistete estimator (de sidste fra sidste forelæsig) Ko desiterval for store datasæt kap. 9.4 Ko desiterval for små datasæt kap.

Læs mere

Økonometri 1 Efterår 2006 Ugeseddel 9

Økonometri 1 Efterår 2006 Ugeseddel 9 Økonometr 1 Efterår 006 Ugeseddel 9 Program for øvelserne: Opsamlng på Ugeseddel 8 Gruppearbejde SAS øvelser Ugeseddel 9 består at undersøge, om der er heteroskedastctet vores model for væksten og så fald,

Læs mere

Sandsynlighedsfordelinger for kontinuerte data på interval/ratioskala

Sandsynlighedsfordelinger for kontinuerte data på interval/ratioskala Statistik for biologer 005-6, modul 5: Sadsylighedsfordeliger for kotiuerte data på iterval/ratioskala M6, slide Gægse matematiske sadsylighedsfordeliger: Diskrete data: De positive biomialfordelig Poisso-fordelige

Læs mere

Brugen af R 2 i gymnasiet

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

Læs mere

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

13. februar Resumé: En statistisk analyse resulterer ofte i : Et estimat ˆ θ med en tilhørende se( ˆ θ ) 3. februar 003 Epidemiologi og biostatistik. Uge, torag d. 3. februar 003 Morte Frydeberg, Istitut for Biostatistik. Type og type fejl Nogle specielle metoder: Test i RxC tabeller Test i x tabeller Fishers

Læs mere

Statistik Lektion 7. Hypotesetest og kritiske værdier Type I og Type II fejl Styrken af en test Sammenligning af to populationer

Statistik Lektion 7. Hypotesetest og kritiske værdier Type I og Type II fejl Styrken af en test Sammenligning af to populationer Statistik Lektio 7 Hpotesetest og kritiske værdier Tpe I og Tpe II fejl Strke af e test Sammeligig af to populatioer 1 Tri I e Hpotesetest E hpotesetest består af 5 elemeter: I. Atagelser Primært hvilke

Læs mere

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

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

Læs mere

Binomialfordelingen. Erik Vestergaard

Binomialfordelingen. Erik Vestergaard Bnomalfordelngen Erk Vestergaard Erk Vestergaard www.matematkfysk.dk Erk Vestergaard,. Blleder: Forsde: Stock.com/gnevre Sde : Stock.com/jaroon Sde : Stock.com/pod Desuden egne fotos og llustratoner. Erk

Læs mere

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

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

Læs mere

antal gange krone sker i første n kast = n

antal gange krone sker i første n kast = n 1 Uge 15 Teoretisk Statistik, 5. april 004 1. Store tals lov Eksempel: møtkast Koverges i sadsylighed Tchebychevs ulighed Sætig: Store tals lov. De cetrale græseværdisætig 3. Approksimatio af sadsyligheder

Læs mere

Økonometri 1. Avancerede Paneldata Metoder I 24.november F18: Avancerede Paneldata Metoder I 1

Økonometri 1. Avancerede Paneldata Metoder I 24.november F18: Avancerede Paneldata Metoder I 1 Økonometr 1 Avancerede Paneldata Metoder I 24.november 2006 F18: Avancerede Paneldata Metoder I 1 Paneldatametoder Sdste gang: Paneldata begreber og to-perode tlfældet (kap 13.3-4) Uobserveret effekt modellen:

Læs mere

Anvendt Statistik Lektion 10. Regression med både kvantitative og kvalitative forklarende variable Modelsøgning Modelkontrol

Anvendt Statistik Lektion 10. Regression med både kvantitative og kvalitative forklarende variable Modelsøgning Modelkontrol Anvendt Statstk Lekton 0 Regresson med både kvanttatve og kvaltatve forklarende varable Modelsøgnng Modelkontrol Opsummerng I forbndelse med multpel lneær regresson så v på modeller på formen E[ y] = α...

Læs mere

Estimation ved momentmetoden. Estimation af middelværdiparameter

Estimation ved momentmetoden. Estimation af middelværdiparameter Statistik og Sadsylighedsregig 1 STAT kapitel 4.2 4.3 Susae Ditlevse Istitut for Matematiske Fag Email: susae@math.ku.dk http://math.ku.dk/ susae Estimatio ved mometmetode Idimellem ka det være svært (eller

Læs mere

Analyse af bivariate data: korrelation og regression. korrelation. Korrelation og regression: Co-varians:

Analyse af bivariate data: korrelation og regression. korrelation. Korrelation og regression: Co-varians: ,,,,,,,,,, Stattk for bologer -, modul og : Korrelato og regreo: Aale af bvarate data: korrelato og regreo Korrelato: llutrerer v.h.a. e koeffcet hvlke grad to varable er dbrde afhægge: - (perfekt egatv

Læs mere

Vejledende besvarelser til opgaver i kapitel 15

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

Læs mere

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

Spørgsmål 3 (5 %) Bestem sandsynligheden for at et tilfældigt valgt vindue har en fejl ved listerne, når man ved at der er fejl i glasset. STATISTIK Skriftlig evaluerig, 3. semester, madag de 30. auar 006 kl. 9.00-3.00. Alle hælpemidler er tilladt. Opgaveløsige forsyes med av og CPR-r. OPGAVE Ved e produktio af viduer er der mulighed for,

Læs mere

Kvalitet af indsendte måledata

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

Læs mere

Landbrugets efterspørgsel efter Kunstgødning. Angelo Andersen

Landbrugets efterspørgsel efter Kunstgødning. Angelo Andersen Landbrugets efterspørgsel efter Kunstgødnng Angelo Andersen.. Problemformulerng I forbndelse med ønsket om at reducere kvælstof udlednngen fra landbruget kan det være nyttgt at undersøge hvordan landbruget

Læs mere

Sætning: Middelværdi og varians for linearkombinationer. Lad X 1,X 2,...,X n være stokastiske variable. Da gælder. Var ( a 0 + a 1 X a n X n

Sætning: Middelværdi og varians for linearkombinationer. Lad X 1,X 2,...,X n være stokastiske variable. Da gælder. Var ( a 0 + a 1 X a n X n Ladmåliges fejlteori Lektio 3 Estimatio af σ Dobbeltmåliger Geometrisk ivellemet Lieariserig - rw@math.aau.dk Istitut for Matematiske Fag Aalborg Uiversitet Repetitio: Middelværdi og Varias Sætig: Middelværdi

Læs mere

Anvendt Statistik Lektion 10. Regression med både kvantitative og kvalitative forklarende variable Modelkontrol

Anvendt Statistik Lektion 10. Regression med både kvantitative og kvalitative forklarende variable Modelkontrol Anvendt Statstk Lekton 0 Regresson med både kvanttatve og kvaltatve forklarende varable Modelkontrol Opsummerng I forbndelse med multpel lneær regresson så v på modeller på formen E y] = α... [ 3 3 4 4

Læs mere

Statistik II Lektion 5 Modelkontrol. Modelkontrol Modelsøgning Større eksempel

Statistik II Lektion 5 Modelkontrol. Modelkontrol Modelsøgning Større eksempel Statstk II Lekton 5 Modelkontrol Modelkontrol Modelsøgnng Større eksempel Opbygnng af statstsk model Eksploratv data-analyse Specfcer model Lgnnger og antagelser Estmer parametre Modelkontrol Er modellen

Læs mere