Hypotesetest. Hypotesetest og kritiske værdier Type 1 og Type 2 fejl Styrken af en test Sammenligning af to populationer
|
|
|
- Magnus Jakobsen
- 9 år siden
- Visninger:
Transkript
1 Hypoteetet Hypoteetet og kritike værdier Type og Type fejl Styrke af e tet Sammeligig af to populatioer
2 Kofideiterval for σ tore tikprøver. Hvi X følger e χ -fordelig med frihedgrader, dv. X~χ (), gælder E [ X ] V[ X ] Når atal frihedgrader er tort er e χ -fordelig approkimativt det amme om e ormalfordelig: χ ( ) N(,) Hvi e tikprøve af tørrele er ormalfordelt og er tikprøvevariae, å gælder der ( ) S ~ χ ( ) σ
3 Kofideiterval for σ tore tikprøver. Ekempel: 400,. Fid 95% kofide it for σ. Da tikprøve er tor har vi χ (-) N( -, (-) ) De ivere traformatio giver da χ ( ) ( ) ( ) α Vi ka u fide α/ og -α/ fraktilere i χ -fordelige: χ α / ( ) (.96) χ α / ( ) % kofideiterval for σ. ( ) ( ), χ χ α α , Z α [ 0.56,3.93]
4 Hypoteer og hypoteetet. E hypotee er et udag om ogle karakteritika af e variabel eller mægde af variable F Er middelhøjde af Oeco tuderede 75cm? I e hypoteetet tete værdier, der er optillet i e hypotee, ved at ammelige med værdier bereget fra data. For ekempel ka geemittet af e tikprøve af jere højder berege til 7,7 cm. Er det (igifikat) forkellig fra 75? Det er forkellig fra 75, me ka vi derfra kokludere, at det ikke bare kylde tilfældig variatio, afhægig af ekempelvi tikprøvetørrele? E hypoteetet betår af 5 elemeter: I. Atageler II. Hypoteer III. Tettørreler IV. p-værdi V. Belutig/kokluio
5 Ekempel: Tet af middelværdi (to-idet tet) Atagele: Tet af μ, X kvatitativ variabel, σ kedt og >30. Hypoteer: H H 0 : μ μ : μ μ 0 0 Stikprøvefordelig af X år H 0 er ad er approkimativ ormal med middelværdi μ 0 og tadard afvigele σ tadardierig Tettørrele: Z μ0 X μ 0 σ 0 z
6 p-værdi og igifikaiveau α p-værdie af e tet, er adylighede for at obervere e y tettørrele, der er midt lige å ufarvorabel for H 0 om de allerede oberverede tettørrele, år ul hypotee er ad. Sigifikaiveauet α er et tal, ålede at H 0 forkate, hvi p- værdie er midre ed α. α er ormalvi 0.05 eller 0.0. Kokluio p-værdi H 0 H p < α Forkat Accepter α vælge før aalye foretage. p > α Forkat ikke Accepter ikke Hvor lille et igifika iveau ma vælger, afhæger af hvilke koekveer belutige om at forkate H 0 har. Hvi det er et pørgmål om liv eller død, for ekempel i medicike forøg, vælge α meget lille. Me hvi det bare er at tete om et folketigparti er tørre ed et adet, ka ma godt α tørre.
7 Ekempel Hypoteer: H 0 : μ 30 H : μ 30 Stikprøve: σ 5 Tettørrele: Z, 5 50 Sigifikaiveau: α0.05 Fordelige Z uder H 0 : z. 0 z. p-værdi: p værdi P( Z >,) p( Z >,) Da p-værdi < α forkate H 0.
8 Kritike værdier I tilfælde, hvor ma ikke ka betemme p-værdie ka ma typik fide de kritike værdier. De kritike værdier varer til tettørreler, der har e p-værdi lig igifikaiveauet α. Ekempel: To-idet tet af middelværdie, σ kedt, α0.05. I dette tilfælde er de kritike værdier -.96 og.96 Dv. hvi.96 eller. 96, å ved vi at p-værdie Hvi p-værdie 0.05 afvier vi H Tilvarede kritike værdier ka fide for adre fordeliger, f t- fordelige.
9 Ekempel H0: μ 30 H: μ 30 Sigifikaiveau: α0.05 Stikprøve: σ 5 Tet tørrele: Z, 5 50 Kritike værdi: Da, >,96 forkate H 0 (eller hvi de var midre ed -,96) Hvi højreidet tet, dv. H :μ>30: Da, >.645 forkate H 0 Hvi vetreidet tet, dv. H :μ<30: Da, ikke er midre ed -,645, forkate H 0 ikke
10 E- og to-idet tet af middelværdi for tore eller ormale tikprøver og kedt varia og igifikaiveau α. H 0 : μ μ 0 Η : μ μ 0 Forkat H 0, hvi z > Z α/ To-idet tet H 0 : μ μ 0 H : μ < μ 0 H 0 : μ μ 0 H : μ > μ 0 Forkat H 0, hvi z < -Z α Forkat H 0, hvi z > Z α E-idet tet I alle tre tilfælde er tettørrele z σ / μ 0
11 Type og type fejl Type fejl: E ad H 0 forkate. Type fejl: E falk H 0 forkate ikke. Belutig Forkat H0 Forkat ikke H0 Sad tiltad af H 0 H 0 ad Type fejl Korrekt belutig H 0 falk Korrekt belutig Type fejl Sigifika iveauet α er adylighede for at begå e type fejl. Sadylighede for at begå e type fejl betege β Sadylighede for type og type fejl er ivert relaterede, dv. år de ee tiger, å falder de ade, å ma ka ikke vælge begge to å lavt om muligt e æte lide.
12 Hvorda α og β afhæger af hiade For forkellige og et betemt μ Typik vælger ma at fatætte adylighede for type fejl, α, å ma ikke begår tore fejl. For ekempel hvi H 0 er, at e eller ade medici er kadelig, er det bedre at være ikker på, at ma ikke forkater H 0 elvom de er ad, ed at være ikker på, at ma ikke forkater de, elvom de er falk.
13 Beregig af β (for e vetre idet tet) Se Se på påfølgede hypoteer: H 0 : : μ 000 H : 000 : μ < 000 Lad Lad σ 5, 5, α 5%, 5%, og og Vi Vi vil vil berege β år årμ μ Se Se æte lide Figure vier fordelige af af år årμ μ 0 og år , og år μ μ 998. Bemærk at at H 0 vil blive år er ed de 0 vil blive forkatet, år er midre ed de kritike værdi givet ved ved μ z σ / / krit Omvedt, H 0 vil ikke blive år er ed. 0 vil ikke blive forkatet, år er tørre ed. 0 α krit
14 Beregig af β Fordelig af år μ μ. krit Fordelig af år μ μ 0.
15 Beregig af β Når Nårμ μ 998, å er for ikke at 0, dv. 998, å er β adylighede for ikke at forkate H 0, dv. de de er er P ( X >.. krit ) Når Nårμ μ, å vil e med og, å vil X følge e ormal fordelig med middelværdi μ og tadard afvigele σ/, å: å: X krit μ β P Z > P( Z >.8/ 0.5) P( Z σ / >.360) Styrke (power) af af e e tet, tet, er er adylighede for for at at de de falke ul ul hypotee bliver opdaget af af tete. Styrke af aftete β
16 Sammeligig af to grupper Tjeer mæd og kvider lige meget? (Repo: Lø, Forklarede: Kø) Er adele af helbredte kræftpatieter de amme for to forkellige typer kemoterapi? (Repo: helbredte patieter, Forklarede: Kemotype) Er adele af overvægtige i 006 de amme om adele af overvægtige i 999? (Forklarede: årtal, Repo: overvægtige) Kører e VW Toura og e Skoda det amme atal kilometer per liter? (Forklarede: Bilmærke, Repo: atal kilometer per l) Kører e VW Toura det amme atal kilometer per liter på almidelig bezi, om på bio bezi? (Forklarede: Bezi type, Repo: atal kilometer) Er der forkel på hvor hurtigt ma løber 5 km, år ma har origiale Nike ko og Super Nike ko på?
17 Afhægige og uafhægige tikprøver Ved e uafhægig tikprøve udtage e tikprøve fra hver gruppe.. Mæd og kvider lø: Tag e tikprøve fra gruppe af mæd og e tikprøve fra gruppe af kvider og ammelig geemitløe for de to grupper.. Kilometer per liter: Tilfældig tikprøve af Toura er og tilfældig tikprøve af Skoda er. Ved e afhægig tikprøve er obervatioere i de to grupper parrede. Oftet er det de amme pero/getad, der bliver oberveret i to forkellige ituatioer.. Bio bezi kotra almidelig bezi: Vælg tilfældigt et atal VW Toura er og tet dem med de to forkellige typer bezi.. Origial Nike ko kotra Super Nike ko: Vælg tilfældigt ogle peroer til at løbe 5 km og lad dem tete begge par ko.
18 Forklarede variabel og repo variabel. To grupper, der ammelige, udgør e bivariat variabel dv. e variabel, der ku har to kategorier, for ekempel mæd og kvider. Dee variabel kalde de forklarede variabel (eller de uafhægige variabel). De variabel, der ammelige, kalde repo variable (eller de afhægige variabel), for ekempel lø. Når repo variable er kvatitativ, ammelige middelværdier. Når repo variable er kvalitativ, ammelige adele. Summeopgave: Se på ekemplere idetificer repo og forklarede variabel og e på om repoe er kvalitativ eller kvatitativ.
19 Rete af forelæige Sammeligig af to middelværdier kedt varia. Hypoteetet. Kofideiterval Sammeligig af to middelværdier ukedt varia. Hypoteetet. Kofideiterval Sammeligig af to adele. Hypoteetet. Kofideiterval
20 Sammeligig af to middelværdier kedte variaer og tore tikprøver eller populatioer ormalfordelte Populatio Populatio X har middelværdi μ og varia σ. X har middelværdi μ og varia σ. Er der forkel på dere middelværdier? Bedte etimator af μ μ er. σ σ E( ) μ μ ogv ( ). Når og er ormalfordelte, er ormalfordelt, og år og er tore, er approkimativt ormalfordelt, uaet fordelige af og.
21 Stikprøvefordelig af X X
22 Sammeligig af to middelværdier kedte variaer og tore tikprøver eller populatioer ormalfordelte Hypoteer : H H 0 : μ μ ( μ μ) : μ μ ( μ μ ) 0 0 Kritike pukter : ± z, hvor α er igifika iveauet. α Belutig : Tettørrele : X X ( μ μ) z σ σ 0 Forkat H 0 hvi z > z α eller hvi z < z α Bemærk!! Ka ogå lave om et højreidet tet, H : μ > μ eller vetreidet tet, H : μ < μ. Deude ka vi elvfølgelig ogå berege p - værdie om vi plejer, i tedet for at ammelige med de kritike værdi. z α
23 Kofideiterval (-α )00% kofide iterval for μ μ : ( X X ) ± z α σ σ zα / vælge ud fra kofideiveauet. Hvi det ekempel er et 95% kofideiterval, er z 0.05 for,96. Hvi kofideitervallet ideholder 0, varer det til, at et hypoteetet ikke havde forkatet ul hypotee om at de to middelværdier er e.
24 Ekempel er der forkel på hvor lagt bilere kører på 5 l. bezi? Populatio : VW Toura H H 0 : μ μ 0 : μ μ σ 84 z ( ) (308 54) σ σ , Populatio : σ 67 Skoda p- værdi: p(z >5,05) p(z < -5,05) 0 H0 forkate, der er altå forkel på hvor lagt de to biltyper kører på litere. 95% kofide iterval: 54±,96 0,75 [3,93 ; 75,07]
25 To Normalfordelte populatioer med ukedt varia Hypoteer: H 0 : μ μ H : μ μ To ituatioer: σ σ σ σ ) ( : ) ( ) ( : ) ( : ± t pukter Kritike Pooled Varia t Tettørrele : p p ν ν σ σ α, hvor For ) ( ) ( ) ( ) ( : ) ( : ± t pukter Kritike t Tettørrele : ν ν σ σ α hvor, For Hvi tore tikprøver, bruge z i tedet for t-fordelige. Boge bruger z, år og er tørre ed 30. SPSS reger altid med t-fordelige
26 Ekempel Forkel på højde af drege og piger 0 (atal drege) 9 (atal piger) 8,30 70,89 0, 6,7 Atag σ σ. Hypoteer: H 0 : μ μ H : μ μ Sigifikaiveau: α 0.05 (geemithøjde drege) (geemithøjde piger) (et. varia drege) (et. varia piger) Tettørrele: ( ) t p ( ( ) p ) ( ) (0 )0, (9 )6,7 p 7,3 0 9 (8,30 70,89) t,67 7,3 0 ( 9) Kritike pukter: ±t α/ ( -) ±t 0.05 (7) ±. Belutig: H 0 afvie da.67 >.
27 Kofideitervaller for μ μ ) / (/ ) ( / ± v t p, α * / / ) ( / ± v t, α ( ) ( ) ( ) / / / / * Kofideiterval for μ μ år σ σ. Kofideiterval for μ μ år σ σ. v Atal frihedgrader
28 SPSS Ekempel Data: Vægt for 06 mæd og 43 kvider. Er der e forkel i middelvægte? Aalyze > Compare Mea > Idepedet-Sample T Tet I dette dataæt tager variable ko værdiere og alt efter om det er mæd eller kvider. Vægt iddele efter kø
29 SPSS Ekempel - output Group Statitic vægt Kø Mad Kvide Std. Error N Mea Std. Deviatio Mea 06 78,990,5345, ,38,745,980 Idepedet Sample Tet vægt Equal variace aumed Equal variace ot aumed Levee' Tet for Equality of Variace F Sig. t df Sig. (-tailed) t-tet for Equality of Mea Mea Differece 95% Cofidece Iterval of the Std. Error Differece Differece Lower Upper 6,8,009 3, ,000 4,6094,4639 3,6997 5,590 3, 449,037,000 4,6094,468 3,695 5,573 t-tettørrele alt efter om p-værdi for e to-idet tet: H : μ μ der er ataget e eller forkellig varia Atal frihedgrader 95% kofideiterval for μ μ
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 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
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
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:
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
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
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
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
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
Program. 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: [email protected] I dag: Lidt repetition fra i mandag Konfideninterval for µ the baic Tet af nulhypotee om µ
Konfidens intervaller
Kofides itervaller Kofides itervaller for: Kofides iterval for middelværdi, varias kedt Kofides iterval for middelværdi, varias ukedt Kofides iterval for adel Kofides iterval for varias Bestemmelse af
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,
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
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
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
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
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
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
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
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
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
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
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
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
Den flerdimensionale normalfordeling
De flerdimesioale ormalfordelig Stokastiske vektorer Ved e stokastisk vektor skal vi forstå e vektor, hvor de ekelte kompoeter er sædvalige stokastiske variable. For de stokastiske vektor Y = Y,..., Y
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
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
Program. 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,
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
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
bestemmelse 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
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
BESTEMMELSE AF KARAKTERISTISKE VÆRDIER FOR MATERIALEPARAMETRE
Betemmele af arateritie værdier for materialearametre 003 BESTEMMELSE AF KARAKTERISTISKE VÆRDIER FOR MATERIALEPARAMETRE Joh Dalgaard Søree Itituttet for Bygigtei Aalborg Uiveritet Idhold:. Idledig....
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
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
Variansanalyse (ANOVA) Repetition, sammenligning af to grupper Variansanalyse: Sammenligning af flere end to middelværdier.
Vaaaalye (ANOVA) Reetto, ammelgg af to gue Vaaaalye Sammelgg af flee ed to mddelvæde. Sammelgg af to mddelvæde kedte vaae og toe tkøve elle oulatoe omalfodelte Hyotee H H µ µ ( µ µ ) µ µ ( µ µ ) Tettøele
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
Geometrisk nivellement. Landmålingens fejlteori - Lektion 7 - Repetition - Fejlforplantning ved geometrisk nivellement. Modellen.
Landmålingen fejlteori Lektion 7 Repetition Fejlforplantning ved geometrik nivellement h t f t f t f t 4 f 4 t n f n - kkb@mathaaudk http://peoplemathaaudk/ kkb/undervining/lf Intitut for Matematike Fag
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
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-
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
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.
Modul 14: Goodness-of-fit test og krydstabelanalyse
Forskigsehede for Statistik ST01: Elemetær Statistik Bet Jørgese Modul 14: Goodess-of-fit test og krydstabelaalyse 14.1 Idledig....................................... 1 14.2 χ 2 -test i e r c krydstabel.............................
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
Sandsynlighedsregning i biologi
Om begrebet sadsylighed Sadsylighedsregig i biologi Hvis vi kaster e almidelig, symmetrisk terig, er det klart for de fleste af os, hvad vi meer, år vi siger, at sadsylighede for at få e femmer er 1/6.
Teoretisk Statistik, 18. november Stikprøveteori: hvor er vi, og hvor skal vi hen? Proportional allokering Optimal allokering
Uge 47 I Teoretisk Statistik, 8. oveber 003 Stikprøveteori: hvor er vi, og hvor skal vi he? Proportioal allokerig Optial allokerig Heruder: Saeligig af variaser og ødvedige stikprøvestørrelser for de forskellige
Trin 1: Formuler hypotese Spørgsmål der ønskes testet vha. data H 0 : Nul hypotese Formuleres som en ligheds hændelse
Statistik 7. gang 9. HYPOTESE TEST Hypotesetest ved 6 trins raket! : Trin : Formuler hypotese Spørgsmål der ønskes testet vha. data H 0 : Nul hypotese Formuleres som en ligheds hændelse H eller H A : Alternativ
Anvendt Statistik Lektion 5. Sammenligning af to grupper * Sammenligning af middelværdier * Sammenligning af andele
Anvendt Statistik Lektion 5 Sammenligning af to grupper * Sammenligning af middelværdier * Sammenligning af andele Motiverende eksempel Antal minutter brugt på rengøring/madlavning: Rengøring/Madlavning
Anvendt Statistik Lektion 5. Sammenligning af to grupper * Sammenligning af middelværdier * Sammenligning af andele
Anvendt Statistik Lektion 5 Sammenligning af to grupper * Sammenligning af middelværdier * Sammenligning af andele Motiverende eksempel Antal minutter brugt på rengøring/madlavning: Rengøring/Madlavning
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
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,
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
6 Populære fordelinger
6 Populære fordeliger I apitel 4 itroducerede vi stoastise variabler so e åde at repræsetere udfald af et esperiet på. De stoastise variabler ue være både disrete (fx terigslag) og otiuerte (fx vareægder).
Noter om polynomier, Kirsten Rosenkilde, Marts Polynomier
Noter om polyomier, Kirste Rosekilde, Marts 2006 1 Polyomier Disse oter giver e kort itroduktio til polyomier, og de fleste sætiger æves ude bevis. Udervejs er der forholdsvis emme opgaver, mes der til
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
Kapitel 10 KALIBRERING AF STRØMNINGSMODEL
Kapitel 0 KALIBRERING AF STRØMNINGSMODEL Torbe Obel Soeborg Hydrologisk afdelig, GEUS Nøglebegreber: Kalibrerigsprotokol, observatiosdata, kalibrerigskriterier, idetificerbarhed, etydighed, parameterestimatio,
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,...,,...,
Formelskrivning i Word 2. Sådan kommer du i gang 4. Eksempel med skrivning af brøker 5. Brøker skrevet med småt 6. Hævet og sænket skrift 6
Dee udgave er til geemkig på ettet. Boge ka købes for kr. 5 hos EH-Mat. E y og udvidet udgave med title»symbol- og formelskrivig«er udkommet september 00. Se mere om de her. Idholdsfortegelse Formelskrivig
Hvis α vælges meget lavt, bliver β meget stor. Typisk vælges α = 0.01 eller 0.05
Statistik 7. gang 9. HYPOTESE TEST Hypotesetest ved 6 trins raket! : Trin : Formuler hypotese Spørgsmål der ønskes testet vha. data H : Nul hypotese Formuleres som en ligheds hændelse H eller H A : Alternativ
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.
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
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
