Program. Statistisk inferens En enkelt stikprøve og lineær regression Stat. modeller, estimation og konfidensintervaller. Fordeling af gennemsnit
|
|
- Olivia Holst
- 8 år siden
- Visninger:
Transkript
1 Faculty of Life Sciece Program Statitik ifere E ekelt tikprøve og lieær regreio Stat. modeller, etimatio og kofideitervaller Clau Ektrøm ektrom@life.ku.dk Fordelig af geemit Statitik ifere for e ekelt tikprøve tatitik model etimatio og præciio af etimater t-fordelige kofideitervaller Statitik ifere for lieær regreio Slide 2 Statitik Dataaalye 1 (Uge ) Statitik ifere Geemittet Krabbedata: Itereet i de geemitlige vægt i populatioe µ Har e tikprøve på 162 krabber: y 1,...,y 162. Stikprøvetørreler, ȳ = og = Specielt, ˆµ = ȳ = Me: Hvor meget ka tole på dette etimat? Hvor præcit er det? Hvad ville der ke hvi vi idamlede 162 adre krabber? Hvi vi bruger ormalfordelige, ka vi faktik vare meget præcit på die pørgmål! Vil lave kofideiterval for µ. Dette kræver e tatitik model. Fordelig af geemit Hitogrammer over geemit af tk. N(0, 1)-fordelte variable. Deity = y Deity = y Middelværdi? Spredig? fordelig? Slide 3 Statitik Dataaalye 1 (Uge ) Statitik ifere Slide 4 Statitik Dataaalye 1 (Uge ) Statitik ifere
2 Fordelig af geemit De cetrale græeværdiætig Huk fra idt at um af to ormalfordelte variable og kalerig af ormalfordelte variable ige er ormalfordelt. Udvidele til um af uafhægige N(µ,σ 2 )-variable: y 1 + y y N(µ,σ 2 ) ȳ = 1 (y 1 + y y ) N(µ,σ 2 /) Altå: ˆµ = ȳ er ormalfordelt med middelværdi µ og predig σ/. Det fortæller o om variatioe af ȳ! Et af hovedreultatere idefor tatitik og årage til at ormalfordelige er å pokker vigtig. De cetrale græeværdiætig Lad Y 1,...,Y være uafhægige variable med amme fordelig med middelværdi µ og predig σ. Så er Specielt Ȳ = 1 Y i N(µ,σ 2 /) (Ȳ ) µ P σ/ z Φ(z) Slide 5 Statitik Dataaalye 1 (Uge ) Statitik ifere Slide 6 Statitik Dataaalye 1 (Uge ) Statitik ifere Statitik model Etimatio Hitogram og N-tæthed QQ-plot Deity Sample Quatile Weight Theoretical Quatile Statitik model: y 1,...,y 162 er uafhægige og y i N(µ,σ 2 ) Normalfordelt Alle y i har amme middelværdi og amme predig Uafhægighed deler ikke iformatio Statitik model: Parametre i modelle y 1,...,y 162 N(µ,σ 2 ) uafhægige middelværdie µ geemittet i populatioe predige σ predige i populatioe Etimatio: populatioparametree etimere ved tikprøvetørrelere. ˆµ = ȳ det er faktik LS etimatet ˆσ = Slide 7 Statitik Dataaalye 1 (Uge ) Statitik ifere Slide 8 Statitik Dataaalye 1 (Uge ) Statitik ifere
3 Præciio af ˆµ Etimatet ˆµ iger ikke oget om præciioe. Me vi ved jo at d(ȳ) = σ/ ȳ ligger i µ ± 1.96 σ/ med 95% adylighed. å ȳ rammer rigtigt i geemit og bliver mere og mere præcit jo tørre bliver. Åh-åh: keder ikke σ ku etimatet! Stadard error af ȳ etimeret predig: SE(ȳ) = / ȳ ligger i µ±??? / med 95% adylighed. Fraktile kal ædre for at tage højde i uikkerhede i etimatet for σ. Deity t-fordelige df = 1,4 og N(0,1) Stadardierig (ȳ µ) z = N(0,1), σ Fordelige ædre hvi σ ertatte med : (ȳ µ) T = t T t-fordelige med 1 frihedgrader. Bredere haler ed N(0, 1) Liger N(0,1) mere og mere år df voker Slide 9 Statitik Dataaalye 1 (Uge ) Statitik ifere Slide 10 Statitik Dataaalye 1 (Uge ) Statitik ifere Skål Kofideiterval for µ Øl Goet = Studet Hvi t 0.975, 1 er 97.5%-fraktile i t 1 -fordelige: ( ) (ȳ µ) P t 1,0.975 < < t 1,0.975 = Hvi vi flytter rudt og iolerer µ: ( P ȳ t 1,0.975 < µ < ȳ + t 1,0.975 ) = 0.95 Altå: itervallet ȳ ± t 1,0.975 eller ˆµ ± t 1,0.975 SE(ˆµ) ideholder populatiomiddelværdie µ med h. 95%. Itervallet kalde et 95% kofideiterval for µ. Slide 11 Statitik Dataaalye 1 (Uge ) Statitik ifere Slide 12 Statitik Dataaalye 1 (Uge ) Statitik ifere
4 Kofideitervaller: krabbedata Kofideitervaller: fortolkig Huk: = 162, ȳ = og = Fraktiler: > qt(0.975,161) [1] > qt(0.95,161) [1] Bereg: Stadard error, SE( ˆµ)? 95% kofideiterval? 90% kofideiterval? 95%-kofideiterval for µ ȳ ± t 1,0.975 = ˆµ ± t 1,0.975 SE(ˆµ) Fortolkig: itervallet ideholder med 95% adylighed populatiogeemittet µ. Hvorda berege et 90%-kofideiterval? Bliver det bredere eller mallere? Hvad ker der hvi tikprøvetørrele voker? Bliver det tilvarede kofideiterval bredere eller mallere? Slide 13 Statitik Dataaalye 1 (Uge ) Statitik ifere Slide 14 Statitik Dataaalye 1 (Uge ) Statitik ifere Kofideitervaller: fortolkig Hvi vi getog ekperimetet mage gage, å ville 95% af CI ere ideholde populatiogeemittet. Kofideitervaller for 50 dataæt fra N(0, 1). 95%, =10 75%, =10 95%, =40 Reumé: e tikprøve Statitik model: y 1,...,y 162 er uafhægige og y i N(µ,σ 2 ) Parametre, µ og σ: geemit og predig i populatioe Etimater: ˆµ = ȳ og ˆσ = Fordelig af etimat: ˆµ ormalfordelt med middelværdi µ og predig σ/ Stadard error, dv. etimeret predig for etimat: SE(ˆµ) = / 95%-kofideiterval: ȳ ± t 1,0.975 = ˆµ ± t 1,0.975 SE(ˆµ) Vi ka køre præci de amme pukter igeem for lieær regreio og eidet variaaalye (og mage adre modeller). µ µ µ Slide 15 Statitik Dataaalye 1 (Uge ) Statitik ifere Slide 16 Statitik Dataaalye 1 (Uge ) Statitik ifere
5 Hvorfor kal vi lære om ormalfordelige (u)? Har et tre typer af data/ekperimeter med kotiuerte data: Orgaic material Eidet ANOVA Co Alp Er Fe Ive Spi Digetibility % Lieær regreio E tikprøve: Blood preure Stearic acid % Vi kal bruge ormalfordelige for alle tre forøgtyper/datatyper! Statitik model og parametre Statitik model: afvigelere fra de rette liie er ormalfordelt y i = α + β x i + e i, Atagelere er: Alle y i er ormalfordelte Middelværdie af y i er α + β x i Alle y i har amme predig Uafhægighed Parametre (populatiotørreler) Skærig α og hældig β Spredig σ om de rette liie e 1,...,e N(0,σ 2 ) uafhægige Slide 17 Statitik Dataaalye 1 (Uge ) Statitik ifere Slide 18 Statitik Dataaalye 1 (Uge ) Statitik ifere Etimatio og fordelig af etimater Stadard error og kofideitervaller Etimatere ˆβ og ˆα å I allerede i uge 1... Etimat for predig: 1 = 2 (y i ˆα ˆβ x i ) 2 1 = 2 ˆβ og ˆα er ormalfordelte: ˆβ N (β, σ 2 ) ( 1, ˆα N (α,σ 2 SS + x 2 )), = x Ige: Etimatere rammer rigtigt i geemit, med e præciio der voker år voker. r 2 i (x i x) 2. Fordeliger: ˆβ N (β, σ 2 ) ( 1, ˆα N (α,σ 2 + x 2 )) Stadard error etimerede prediger SE( ˆβ) = 95% kofideitervaller: SSx, ˆβ ± t 0.975, 2 SE( ˆβ), SE(ˆα) = 1 + x 2 ˆα ± t 0.975, 2 SE(ˆα) Bemærk: t-fordelige med 2 frihedgrader fordi der er 2 middelværdiparametre. Samme om æver i formel for, df e! Slide 19 Statitik Dataaalye 1 (Uge ) Statitik ifere Slide 20 Statitik Dataaalye 1 (Uge ) Statitik ifere
6 Steariyredata Dage hovedpukter > model1 = lm(ford~yre) > ummary(model1) Coefficiet: Etimate Std. Error t value Pr(> t ) (Itercept) e-10 *** yre e-05 *** Reidual tadard error: 2.97 o 7 degree of freedom Cetrale græeværdiætig hvorfor er de cetral? Statitik model og parametre Etimater, fordelig af etimater, tadard error Kofideitervaller: etimat ± t-fraktil SE(etimat) og fortolkig Aalye: Statitik model? Fortolkig af parametre? Etimater? Kofideitervaller? Slide 21 Statitik Dataaalye 1 (Uge ) Statitik ifere Slide 22 Statitik Dataaalye 1 (Uge ) Statitik ifere Ordlite Egelk average/mea cofidece iterval degree of freedom (df) leat quare method ample tadard deviatio (d) tadard error (SE) Dak geemit kofideiterval frihedgrader midte kvadrater metode tikprøve predig etimeret predig for etimat Slide 23 Statitik Dataaalye 1 (Uge ) Statitik ifere
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:
Læs mereProgram. Konfidensinterval og hypotesetest en enkelt normalfordelt stikprøve. Eksempel: hjerneceller hos marsvin. Eksempel: hjerneceller hos marsvin
Program Konfideninterval og hypoteetet en enkelt normalfordelt tikprøve Helle Sørenen E-mail: helle@math.ku.dk I dag: Lidt repetition fra i mandag Konfideninterval for µ the baic Tet af nulhypotee om µ
Læs mereProgram. Ensidet variansanalyse Normalfordelingen. Antibiotika og nedbrydning af organisk materiale. Tegninger
Faculty of Life Scieces Program Esidet variasaalyse Normalfordelige Claus Ekstrøm E-mail: ekstrom@life.ku.dk Esidet variasaalyse (oe-way ANOVA) Hvilke type data? Hvad er problemstillige? Variatio mellem
Læs mereMotivation. 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
Læs mereHypotesetest. 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
Læs mereStatistik 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
Læs mereProgram. Populationer og stikprøver. Praktiske oplysninger. Eksempel vaccine mod miltbrand hos får. Praktiske oplysninger
Faculty of Life Scieces Program Populatioer og stikprøver Claus Ekstrøm E-mail: ekstrom@life.ku.dk Praktiske oplysiger Populatioer og stikprøver Data Datatyper Visualiserig Cetrum og spredig af e fordelig
Læs mereProgram. t-test Hypoteser, teststørrelser og p-værdier. Hormonkonc.: statistisk model og konfidensinterval. Hormonkoncentration: data
Faculty of Life Sciences Program t-test Hypoteser, teststørrelser og p-værdier Claus Ekstrøm E-mail: ekstrom@life.ku.dk Resumé og hængepartier fra sidst. Eksempel: effekt af foder på hormonkoncentration
Læs mereGenerelle lineære modeller
Geerelle lieære modeller Regressiosmodeller med é uafhægig itervalskala variabel: Y e eller flere uafhægige variable: X,..,X k De betigede fordelig af Y givet X,..,X k atages at være ormal med e middelværdi,
Læs mere24. 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 mere13. 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 mere1 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 mereStikprøvefordelinger og konfidensintervaller
Stikprøvefordeliger og kofidesitervaller Stikprøvefordelige for middelværdi De Cetrale Græseværdi Sætig Egeskaber Ved Estimatore Kofidesitervaller t-fordelige Estimator og estimat E stikprøve statistik
Læs mereSandsynlighedsfordelinger 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 mereProgram. Sammenligning af grupper Ensidet ANOVA. Case 3, del II: Fiskesmag i lammekød. Case 3, del I: A-vitamin i leveren
Faculty of Life Sciences Program Sammenligning af grupper Ensidet ANOVA Claus Ekstrøm E-mail: ekstrom@life.ku.dk Sammenligning af to grupper: tre eksempler Sammenligning af mere end to grupper: ensidet
Læs mereDagens 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 mereOversigt. 1 Fordelingen for gennemsnittet t-fordelingen. 3 Den statistiske sprogbrug og formelle ramme
Itroduktio til Statistik Forelæsig 4: Kofidesiterval for middelværdi (og spredig) Peder Bacher DTU Compute, Dyamiske Systemer Bygig 303B, Rum 009 Damarks Tekiske Uiversitet 2800 Lygby Damark e-mail: pbac@dtu.dk
Læs mere6.7 Capital Asset Pricing Modellen
0 Lineær regreion 67 Capital Aet Pricing Modellen I dette afnit vil vi gennemgå et ekempel hvor den intereante hypotee er om regreionlinien kærer y-aken i nul Ekempel 62 Capital Aet Pricing Model) I finanielle
Læs merehvor 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 mereSammenligning 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
Læs mereDefinition: 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 - kkb@math.aau.dk http://people.math.aau.dk/ kkb/udervisig/lf13 Istitut for Matematiske Fag Aalborg Uiversitet
Læs mere30. august Epidemiologi og biostatistik. Forelæsning 3 Uge 2, torsdag d. 8. september 2005 Michael Væth, Afdeling for Biostatistik.
30. august 005 Epidemiologi og biostatistik. Forelæsig 3 Uge, torag d. 8. september 005 Michael Væth, Afdelig for Biostatistik. Mere om kategoriske data Test for uafhægighed I RxC tabeller Test for uafhægighed
Læs mereLøsninger 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 mereAnvendt 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 mereStatistik ved Bachelor-uddannelsen i folkesundhedsvidenskab
Statistik ved Bachelor-uddaelse i folkesudhedsvideskab Græseværdisætiger Det hadler om geemsit Statistikere elsker geemsit Det er oplagt e god ide at tage geemsit. Hvis jeg f.eks skal gætte på vægte af
Læs mereProgram. Statistik og Sandsynlighedsregning 2 Normalfordelingens venner og bekendte. χ 2 -fordelingen
Program Statitik og Sandynlighedregning 2 Normalfordelingen venner og bekendte Helle Sørenen Uge 9, ondag Reultaterne fra denne uge kal bruge om arbejdhete i projekt 1. I formiddag: χ 2 -fordelingen, t-fordelingen,
Læs mereStatistik 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 mereEstimation 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 mereantal 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 mereStatistik 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 mereSimpel 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
Læs mere29. januar Epidemiologi og biostatistik Forelæsning 2 Uge 1, torsdag 2. februar 2006 Michael Væth, Afdeling for Biostatistik.
Epidemiologi og biostatistik Forelæsig Uge 1, torsdag. februar 006 ichael Væth, Afdelig for Biostatistik. Sammeligig af to middelværdier sikkerhedsitervaller statistisk test Sammeligig af to proportioer
Læs mereKonfidens 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
Læs merePraktisk 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 mereSætning: 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 mereI dag. Binomialfordelingen Sandsynlighedsregning og statistik. Eksempel: cornflakessmagning. Binomialfordelingen
I dag Binomialfordelingen Sandynlighedregning og tatitik Helle Sørenen Binomialfordelingen! Sandynlighedregning: definition og andynlighedfunktion Sandynlighedregning v. tatitik Statitik: tatitik model
Læs mereKursus Introduktion til Statistik. Oversigt, Inferens for gennemsnit (One-sample setup)
Kuru 02402 Introduktion til Statitik Forelæning 5: Kapitel 7: Inferen for gennemnit (One-ample etup) Per Bruun Brockhoff DTU Compute, Statitik og Dataanalye Bygning 324, Rum 220 Danmark Teknike Univeritet
Læs mereStatistik 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 mere1. Undersøg om den nye astma-medicin har en signifikant virkning.
Opgave 4.7 For a vurdere virkige af e y amamedici, er 10 paieer lugekapacie bleve mål før og behadlige med de ye medici og ige 3 uger ide i behadligperiode. Die reulaer e i edeåede abel: Lugekapacie Lugekapacie
Læs mereTest 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 mereTeoretisk 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-
Læs mereDansk. Oversigt. 1 Fordelingen for gennemsnittet t-fordelingen. 2 Konfidensintervallet for µ Eksempel. 3 Den statistiske sprogbrug og formelle ramme
Itroduktio til Statistik enote 3: Kofidesitervaller for é gruppe/stikprøve Egelsk Forelæsig 4: Kofidesiterval for middelværdi (og spredig) Peder Bacher DTU Compute, Dyamiske Systemer Bygig 303B, Rum 009
Læs meremen nu er Z N((µ 1 µ 0 ) n/σ, 1)!! Forkaster hvis X 191 eller X 209 eller
Type I og type II fejl Type I fejl: forkast når hypotese sand. α = signifikansniveau= P(type I fejl) Program (8.15-10): Hvis vi forkaster når Z < 2.58 eller Z > 2.58 er α = P(Z < 2.58) + P(Z > 2.58) =
Læs mereIndholdsfortegnelse 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
Læs mereMeningsmålinger 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
Læs mereMorten 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
Læs mereProjekt 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
Læs mereNormalfordelingen. Statistik og Sandsynlighedsregning 2
Statistik og Sandsynlighedsregning 2 Repetition og eksamen T-test Normalfordelingen Erfaringsmæssigt er normalfordelingen velegnet til at beskrive variationen i mange variable, blandt andet tilfældige
Læs mereTests for forskel i central tendens for data på ordinal- og intervalskala. Typer af statistiske test:
Statistik for biologer 005-6, modul 7: Tests for forskel i cetral tedes for data på ordial- og itervalskala M7, slide M7, slide Typer af statistiske test: Parametrisk statistik: - Tester for forskel i
Læs mereFormelsamling til statistik-del af metodekursus, 4. semester, lægevidenskab Version 3 (26/9-2011)
Formelsamlig til statistik-el af metoekursus, 4. semester, lægevieskab Versio 3 (6/9-011) Kære læser Dee formelsamlig er lavet me ugagspukt i Meical Statistics, seco eitio af Betty R. Kirkwoo og A. C.
Læs mereOpsamling. Lidt om det hele..!
Opsamlig Lidt om det hele..! Kursus oversigt Hvad har vi været igeem: Deskriptiv statistik Sadsyligheder Stokastiske variable diskrete og kotiuerte Fordeliger Estimatio Test Iferes Sammeligig af middelværdier
Læs mereStatistik og Sandsynlighedsregning 2. Repetition og eksamen. Overheads til forelæsninger, mandag 7. uge
Statistik og Sandsynlighedsregning 2 Repetition og eksamen Overheads til forelæsninger, mandag 7. uge 1 Normalfordelingen Erfaringsmæssigt er normalfordelingen velegnet til at beskrive variationen i mange
Læs mereStatistiske test. Efteråret 2010 Jens Friis, AAU. Hjemmeside :
Statistiske test Efteråret 00 Jes Friis, AAU Hjemmeside : http://akaaudk/jfj Kotiuerte fordeliger Defiitio: Tæthedsfuktio E sadsylighedstæthedsfuktio på R er e itegrabel fuktio f : R [0; [ hvor f d = Defiitio:
Læs mereLøsningsforslag 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
Læs mereØkonometri 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
Læs mereProgram. 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
Læs mereVejledende 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.
Læs mereAsymptotisk optimalitet af MLE
Kapitel 4 Asymptotisk optimalitet af MLE Lad Y 1, Y 2,... være uafhægige, idetisk fordelte variable med værdier i et rum (Y,K). Vi har givet e model (ν θ ) θ Θ for fordelige af Y 1 (og dermed også for
Læs mereProgram. Modelkontrol og prædiktion. Multiple sammenligninger. Opgave 5.2: fosforkoncentration
Faculty of Life Sciences Program Modelkontrol og prædiktion Claus Ekstrøm E-mail: ekstrom@life.ku.dk Test af hypotese i ensidet variansanalyse F -tests og F -fordelingen. Multiple sammenligninger. Bonferroni-korrektion
Læs mereDen 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
Læs mereHjemmeopgave 1 Makroøkonomi, 1. årsprøve, foråret 2005 Vejledende besvarelse
Hjemmeopgave Makroøkonomi,. årprøve, foråret 2005 Vejledende bevarele Opgave. Korrekt. Arbejdtyrken er en beholdning- (tock) variabel, idet man på et givet tidpunkt (fx. jan) kan tælle, hvor mange der
Læs mereSandsynlighedsregning 9. forelæsning Bo Friis Nielsen
Dages eer afsit 5.3 og 5.4 Siultae kotiuerte fordeliger P(X dx,y dy f(x,ydxdy Sadsylighedsregig 9. forelæsig Bo Friis Nielse Mateatik og Coputer Sciece Daarks Tekiske Uiversitet 8 Kgs. Lygby Daark Eail:
Læs mereDiskrete og kontinuerte stokastiske variable
Diskrete og kotiuerte stokastiske variable Beroulli Biomial fordelig Negativ biomial fordelig Hypergeometrisk fordelig Poisso fordelig Kotiuerte stokastiske variable Uiform fordelig Ekspoetial fordelig
Læs mereSTATISTIKNOTER Simple normalfordelingsmodeller
STATISTIKNOTER Simple ormalfordeligsmodeller Jørge Larse IMFUFA Roskilde Uiversitetsceter Februar 1999 IMFUFA, Roskilde Uiversitetsceter, Postboks 260, DK-4000 Roskilde. Jørge Larse: STATISTIKNOTER: Simple
Læs mereSTATISTISKE 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
Læs mereOversigt. 1 Motiverende eksempel: Højde-vægt. 2 Lineær regressionsmodel. 3 Mindste kvadraters metode (least squares)
Kursus 02402/02323 Introducerende Statistik Forelæsning 8: Simpel lineær regression Oversigt Motiverende eksempel: Højde-vægt 2 Lineær regressionsmodel 3 Mindste kvadraters metode (least squares) Klaus
Læs mere(tæt på N(0,1) hvis n ikke alt for lille). t i god til at checke for outliers som kan have stor indflydelse på estimaterne s 2 og ˆσ 2 e i
Da er r i = e i ˆσ ei t(n 3) (tæt på N(0,1) hvis n ikke alt for lille). Program 1. lineær regression: opgave 3 og 13 (sukker-temperatur). 2. studentiserede residualer, multipel regression. Tommelfinger-regel:
Læs mereØkonometri 1. Definition og motivation. Definition og motivation. Dagens program. Den multiple regressionsmodel 15. februar 2006
Dages program Økoometri De multiple regressiosmodel 5. februar 006 Emet for dee forelæsig er de multiple regressiosmodel (Wooldridge kap 3.-3.3+appedix E.-E.) Defiitio og motivatio Fortolkig af parametree
Læs mereProjekt 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
Læs mereVejledende 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 mereVanskelige vilkår for generationsskifte med nye regler - Afskaffelse af formueskattekursen samt svækkelse af sikkerheden trods bindende svar
- 1 Vankelige vilkår for generationkifte med nye regler - Afkaffele af formuekattekuren amt vækkele af ikkerheden trod bindende var Af advokat (L) Bodil Chritianen og advokat (H), cand. merc. (R) Tommy
Læs mereKursus 02323: Introducerende Statistik. Forelæsning 8: Simpel lineær regression. Peder Bacher
Kursus 02323: Introducerende Statistik Forelæsning 8: Simpel lineær regression Peder Bacher DTU Compute, Dynamiske Systemer Bygning 303B, Rum 009 Danmarks Tekniske Universitet 2800 Lyngby Danmark e-mail:
Læs mereFacilitering ITU 15. maj 2012
Faciliterig ITU 15. maj 2012 Facilitatio is like movig with the elemets ad sailig the sea Vejvisere Velkomst de gode idflyvig Hvad er faciliterig? Kedeteg ved rolle som facilitator Facilitatores drejebog
Læs mereØkonometri: Lektion 4. Multipel Lineær Regression: F -test, justeret R 2 og aymptotiske resultater
Økonometri: Lektion 4 Multipel Lineær Regression: F -test, justeret R 2 og aymptotiske resultater 1 / 35 Hypotesetest for én parameter Antag vi har model y = β 0 + β 1 x 2 + β 2 x 2 + + β k x k + u. Vi
Læs mereMatematikkens 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
Læs mereMaja 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
Læs mereTænk på a og b som to n 1 matricer. a 1 a 2 a n. For hvert i = 1,..., n har vi y i = x i β + u i.
Repetition af vektor-regning Økonometri: Lektion 3 Matrix-formulering Fordelingsantagelse Hypotesetest Antag vi har to n-dimensionelle (søjle)vektorer a 1 b 1 a 2 a =. og b = b 2. a n b n Tænk på a og
Læs mereEksempel: 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 mereSTATISTISKE 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
Læs meren r x rs x r = 1 n r s=1 (x rs x r ) 2, s=1
(a) Denne opgave bygger på resultaterne fra 2 forsøg med epo-behandling af for tidligt fødte børn, idet gruppe 1 og 3 stammer fra første forsøg, mens gruppe 2 og 4 stammer fra det andet. Det må antages,
Læs mereDATV: 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.
Læs mereKvantitative metoder 2
Dages program Kvatitative metoder De multiple regressiosmodel 6. februar 007 Emet for dee forelæsig er de multiple regressiosmodel (Wooldridge kap 3.- 3.+appedix E.) Defiitio og motivatio Fortolkig af
Læs mereI dag. Statistisk analyse af en enkelt stikprøve: LR test og t-test, modelkontrol, R Sandsynlighedsregning og Statistik (SaSt)
I dag Statistisk analyse af en enkelt stikprøve: LR test og t-test, modelkontrol, R Sandsynlighedsregning og Statistik (SaSt) Helle Sørensen Repetition vha eksempel om dagligvarepriser Analyse med R: ttest
Læs mereMotivation. Konfidensintervaller og vurdering af usikkerhed på estimerede størrelser
Motivation Konfidensintervaller og vurdering af usikkerhed på estimerede størrelser Rasmus Waagepetersen October 26, 2018 Eksempel: En landmåler får til opgave at måle længden λ fra A til B. Entreprenøren
Læs mereClaus 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
Læs mereDagens 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
Læs mereSandsynlighedsregning 9. forelæsning Bo Friis Nielsen
Dages eer afsit 5.3 og 5.4 Siultae kotiuerte fordeliger P(X dx,y dy = f(x,ydxdy Sadsylighedsregig 9. forelæsig Bo Friis Nielse Mateatik og Coputer Sciece Daarks Tekiske Uiversitet 8 Kgs. Lygby Daark Eail:
Læs mereSimpel 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 merebestemmelse af karakteristiske værdier for materialeparametre og modstandsevner
Statiti arateritie værdier BESTEMMELSE AF KARAKTERISTISKE VÆRDIER beteele af arateritie værdier for aterialearaetre og odtadever etode i ae A i DS 409 (DS 409: Sierhedbeteeler for Kotrtioer, 999) baeret
Læs merevejer (med fortegn). Det vil vi illustrere visuelt og geometrisk for (2 2)-matricer og (3 3)-matricer i enote 6.
enote 5 enote 5 Determiater I dee enote ser vi på kvadratiske matricer. Deres type er altså for 2, se enote 4. Det er e fordel, me ikke absolut ødvedigt, at kede determiatbegrebet for (2 2)-matricer på
Læs mereLineær regression. Simpel regression. Model. ofte bruges følgende notation:
Lineær regression Simpel regression Model Y i X i i ofte bruges følgende notation: Y i 0 1 X 1i i n i 1 i 0 Findes der en linie, der passer bedst? Metode - Generel! least squares (mindste kvadrater) til
Læs mereTIL FORÆLDRE TIL BØRN I DAGTILBUD (DAGINSTITUTION, DAGPLEJE OG SÆRLIGE DAGTILBUD)
Uderøgele af forældre brugerilfredhed med dagilbud i kommue Sep. 2013 SPØRGESKEMA TIL FORÆLDRE TIL BØRN I DAGTILBUD (DAGINSTITUTION, DAGPLEJE OG SÆRLIGE DAGTILBUD) De er valgfri for kommue, om de pørgmål,
Læs mereOversigt. Kursus 02402/02323 Introducerende Statistik. Forelæsning 12: Inferens for andele. Klaus K. Andersen og Per Bruun Brockhoff
Kursus 02402/02323 Itroducerede Statistik Forelæsig 12: Iferes for adele Klaus K. Aderse og Per Bruu Brockhoff DTU Compute, Statistik og Dataaalyse Damarks Tekiske Uiversitet 2800 Lygby Damark e-mail:
Læs mereOpgave 1: Regressionsanalyse
Opgave : Regressiosaalyse La u, x,..., u, x være par af reelle al. Vi skal u besemme e ree liie, er passer bes me isse alpar i e forsa a summe x s α βu s miimeres. Ma fier alså e liie, x ˆα + ˆβu, for
Læs mereMen 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 mereForelæsning 4: Konfidensinterval for middelværdi (og spredning)
Introduktion til Statistik Forelæsning 4: Konfidensinterval for middelværdi (og spredning) Peder Bacher DTU Compute, Dynamiske Systemer Bygning 303B, Rum 009 Danmarks Tekniske Universitet 2800 Lyngby Danmark
Læs mereFormelskrivning 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
Læs mereenote 5: Simpel lineær regressions analyse Kursus 02402/02323 Introducerende Statistik Oversigt
enote 5: Simpel lineær regressions analse Kursus 02402/02323 Introducerende Statistik Forelæsning 8: Simpel lineær regression To variable: og Beregn mindstekvadraters estimat af ret linje Inferens med
Læs mereKursus 02402/02323 Introducerende Statistik
Kursus 02402/02323 Introducerende Statistik Forelæsning 8: Simpel lineær regression Peder Bacher DTU Compute, Dynamiske Systemer Bygning 303B, Rum 009 Danmarks Tekniske Universitet 2800 Lyngby Danmark
Læs mere