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

Størrelse: px
Starte visningen fra side:

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

Transkript

1 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 oralskal De forskellge stkprøver skal have (omtret) samme uerlggee u-moale forelg omkrg e cetrale tees. M7, sle M7, sle 4 M7, sle Typer af statstske test: Parametrsk statstk: - Tester for forskel µ (eller σ) - Baseret på t- og F-forelgere - Forusætter ata på terval/ratoskala - Forusætter ormalforelte geemst. - Forusætter varashomogetet Statstk baseret på ragtal - Tester for forskel mea - Forusætter ata på mst oralskala me (omtret) samme uerlggee forelg Statstk af frekvesata - Forusætter ku omalskala Tests af forelgers cetrale tees Parametrske tests: µ ( ) Ikke-parametrske tests: mea Tests af forelgers forløb/spreg Parametrske tests: σ (s ) ( F-testet ) Ikke-parametrske tests: D ma største forskel mellem e kummuleree hyppghesforelger M7, sle 5 Hva er et er testes for? Betgelser for parametrske tests M7, sle 3 Observatoere skal være uafhægge Data på mst tervalskala Geemsttee skal være ormalforelte. Hvs er er mere e é stkprøve, skal e to stkprøvers uerlggee forelger have e samme varas (testes me F- test) Test af forelgers forløb Kolmogorov-Smrov test (kke pesum) f() M7, sle Vægter e største relatve forskel mellem e kummuleree hyppghesforelger D ma kumm P(),9,8,7,6,5,4,3,,

2 Test for varashomogetet Forusætg for parametrske tests af µ H : De to stkprøver har es varas (σ σ σ ). H : De to stkprøver har forskellg varas (σ σ ). S F ma Sm atal frhesgraer for S ma og atal frhesgraer for S m. Eksempel: Overstger kvksølvsholet fsk græsevære på ppm? X.45, s.34, 4 SE( X)(.34/4) ½.579 H : µ ppm, H : µ> ppm (NB! oe-tale), α5% µ µ t s SE ( ) v.45 t µ SE ( ) M7, sle 7 (Appe 8 FCJ 998) Appe :.>p>.5. H forkastes H accepteres: Græsevære på ppm er overskreet M7, sle (oe-sample t-test) Tests for forskelle cetral tees Atal stkprøver (uafhægge obs) (afhægge obs) K (uafhægge obs) Parametrske T-test for forskel teoretsk melvær Stuet s t-test t-test for afhægge stkprøver (-way ANOVA) Ikkeparametrske (Sg-testet) χ -sample test Ma-Whtey U-test Wlcoo test (Sg-testet) Kruskall-Walls test Mere e stkprøve: Hvora tester v om e forskel er reel? - F.eks. Effekt af aglæge på kocetrato af stess-homo mus X afhæger af: - Effekt af behalg sgal -Varato ml. ver støj - Varato mellem målger støj K (afhægge obs) (-way ANOVA) (Frema s test) Usat for behalg ( tmer agslys) M7, sle 8 Tests agvet paretes er kke pesum! M7, sle Usat for behalg (4 tmer agslys) t-test for teoretsk melvær. Tester om e stkprøves geemst afvger sgfkat fra e teoretsk melvær (µ). µ µ t s SE( ) v Sasylghesforelge for e værer geemsttee vl atage, hvs µ og SE( ) agver sprege af geemsttee: f() 5 s() staarafvgelse på ekeltobservatoere vær af ekeltobservatoer s( )SE ( ) staarafvgelse af geemsttee Uafhægge stkprøver: Uersøger forskelle I respos mellem forskellge grupper af uafhægge observatoer X afhæger af: - Effekt af behalg sgal -Varato ml. ver støj - Varato mellem målger støj Sasylghee for at H er sa, svarer tl et areal af t-forelge, som lgger lægere borte fra geemsttet e e hypoteteske µ (oe-tale hypotese) eller tl ette areal (two-tale hypotese). M7, sle 9 (oe-sample t-test) µ (hypotetsk vær) M7, sle Usat for behalg ( tmer agslys) Usat for behalg (4 tmer agslys)

3 Afhægge stkprøver: Uersøger forskelle respos e for e samme observatosehe X afhæger af: - Effekt af behalg sgal -Varato ml. ver støj - Varato mellem målger støj t-test for uafhægge stkprøver (Stuet s t-test) Agver sasylghee for at to stkprøvers geemst repræseterer e samme melvær: H : De to stkprøver har e samme melvær (µ µ µ). H : De to stkprøver har kke e samme melvær (µ µ ). Betgelser, som skal være opfylte: Uafhægge observatoer og ata på mst tervalskala: De to forelgeres geemst skal være ormalforelte De to stkprøvers forelger skal have e samme varas (σ σ σ ) Usat for behalg ( tmer agslys) M7, sle 3 Usat for behalg (4 tmer agslys) M7, sle 5 (Stuet s t-test) Uafhægge stkprøver Testee vægter forskel stkprøveres cetrale tees forhol tl forelgeres spreg Stkprøve 3 Mea M7, sle 4 Stkprøve 3 4 Mea Afhægge stkprøver Testee baseret på værer af fferecer mellem koblee observatoer Behalg 3 Behalg Dfferece D D 3 D D D 3 D D t-test for uafhægge stkprøver (Stuet s t-test) Uskkerhee omkrg e fferece: t ( ) ( µ µ ) t SE( ) S. E.( ) ( ) s + ( ) s + + ( ) SE( ) ( ) t ; ( + ) ( ) s + ( ) s + + M7, sle 6 (Stuet s t-test) Eksempel: kropslæge hos atugler Tests for uafhægge stkprøver M7, sle 7 (Stuet s t-test) 3

4 Eksempel: kropslæge hos atugler H : og er lge lage H : og er kke lge lage α5% s haer huer Huer 8 Haer Ma-Whtey s U-test Agver sasylghee for at uafhægge stkprøver har samme meavær. Data skal være på mst oralskala Forelgere skal være umoale De ekelte observatoer skal være byres uafhægge 6 6 f() 4 f() Kropslæge (mm) kropslæge (mm) M7, sle 8 (Stuet s t-test) M7, sle (Ma-Whtey s U-test) t-test for uafhægge stkprøver: s haer huer Test for varashomogetet: H : σ σ σ ; H : σ σ ; α5% (Hvs H forkastes, må ata ete trasformeres [om mulgt] eller e kke-parametrsk test vælges steet) S 79. F F 3, ma S m Appe 8, krtske værer: F 3,8.44, F 4,8.38: Iterpolato: F 3,8.44+( ) ([4-3]/[4-3]).38 + (-.6) (9/).43 P>.5 H accepteres: De to stkprøvers varas ka betragtes som es: Betgelser for t-testet er overholt. M7, sle 9 (Stuet s t-test) Ma-Whtey s U-test Bereggsproceure /: ) Erstat værer me ragtal (e laveste værer tleles e laveste ragtal). Ve sammefalee værer (tes), tleles e sammefalee værer et geemstlge ragtal for gruppe ) Summér ragtallee for hver stkprøve (kales R og R ) 3) Bereg teststørrelsere U og U :. U ( + ) ( + ) U + R + R M7, sle (Ma-Whtey s U-test) t-test for uafhægge stkprøver: s haer huer ( ) t ;( + ) ( ) s + ( ) s + + t 49 ( ) 3.56 (9 )3.7 + (3 ) Appe : p<. H forkastes H accepteres: Der er forskel kropslæge på haer og huer: huer er lægere e haer M7, sle (Stuet s t-test) Ma-Whtey s U-test Bereggsproceure /: 4) U fes som e mste af U og U. 5) Hvs eller er mre e, fer ma om e fue vær af U er lavere e e tabuleree vær, som vl føre tl forkastelse af H. De observeree vær af U skal være lavere e tabelvære for at føre tl forkastelse af H. 6) Hvs eller er større e, appromeres z (opslag appe ): U z ( + + ). M7, sle 3 (Ma-Whtey s U-test) 4

5 Eksempel: Bytteuyttelse hos losser: M7, sle 4 (Ma-Whtey s U-test) Uyttelse: % % 5% 75% % Ma-Whtey s U-test ragsum: Uyttelse: f() F() ragtal % % 3 4 3,5,5 34,5 75% % ,5 495 : : + : R : R : I alt: ,5 59,5 Check for korrekt rakg: R +R ½( + ) (+ + ) ½ OK! M7, sle 7 (Ma-Whtey s U-test) H : og m. afkom uytter elagte bytteyr lge tesvt. H : og m. afkom uytter kke elagte bytteyr lge tesvt. (Two-tale), α.5 Uyttelse: m. uger % 4 5 5% 3 75% 5 % 8 I alt: 8 8 To stkprøver, ata på oralskala, uafhægge observatoer: Ma-Whtey s U-test M7, sle 5 (Ma-Whtey s U-test) Ma-Whtey s U-test ragsum: Uyttelse: f() F() ragtal % % 3 4 3,5,5 34,5 75% % ,5 495 : : + : R : R : I alt: ,5 59,5 U ( )+ ½ (+ ) R : U ( )+ ½ (+ ) R : Check for korrekt bereget U: U +U : OK! M7, sle 8 (Ma-Whtey s U-test) Ma-Whtey s U-test Uyttelse: f() F() ragtal % % 3 4 3,5 75% % ,5 : : + : I alt: Ragtal (rt) ve tes: rt() F(-)+[+f()]/ rt(5%) 9 + [ + 4]/ M7, sle 6 (Ma-Whtey s U-test) Ma-Whtey s U-test U 3.5, 8, 8 Da >, ka v kke beytte appe tl gegæl ka v appromere z- forelge: 8 8 U 3.5 z z ( + + ) 8 8(8+ 8+ ) appe : P<. H forkastes H accepteres: og m. afkom uytter kke elagte bytteyr lge tesvt: spser mre af eres elagte bytte e me afkom. M7, sle 9 (Ma-Whtey s U-test) 5

6 K uafhægge stkprøver Kruskall-Walls test Sammelger meaværere for mere e uafhægge stkprøver Data skal være på mst oralskala De k stkprøver skal have (omtret) e samme umoale forelgstype M7, sle 3 (Kruskall-Walls test) Eksempel: Koto hos atugler KONDITION % 8% 6% 4% % mar-maj ju-aug sep-ov ec-feb meget mager 4 mager 5 3 kke mager 5 go sta 6 3 fe meget fe 3 5 % mar-maj ju-aug sep-ov ec-feb M7, sle 33 (Kruskall-Walls test) meget fe fe go sta kke mager mager meget mager Kruskall-Walls test:fremgagsmåe. Erstat e observeree værer me ragtal (laveste vær får et laveste ragtal osv.). Summér ragtallee for hver stkprøve ( R for e te stkprøve) 3. Bereg teststørrelse K k R K N( N + ) 3( N + ) 4. Da K χ ( k-) fes p ve opslag appe 3. M7, sle 3 (Kruskall-Walls test) Eksempel: Koto hos atugler KONDITION mar-maj ju-aug sep-ov ec-feb meget mager 4 mager 5 3 kke mager 5 go sta 6 3 fe meget fe 3 5 H : kotoe hos atugler er e samme hele året. H : kotoe hos atugler varerer løbet af året. α.5 4 uafhægge stkprøver og ata på oralskala: Kruskall-Walls test M7, sle 34 (Kruskall-Walls test) Eksempel: Koto hos trafkræbte atugler M7, sle 3 (Kruskall-Walls test) Koto-score: ) Meget mager: ge uerhusfet overhoveet ) Mager: små rae af uerhusfet her og er 3) Ikke mager: små fetparter rut omkrg 4) Go sta: store tykke fetparter 5) Fe: tykt fetlag over hele kroppe 6) Meget fe: marcpagrs Kruskall-Walls test: KONDITION mar-maj ju-aug sep-ov ec-feb rakg: X A B C D f() F() ragtal meget mager mager 5 3 5,5 kke mager ,5 go sta ,5 fe meget fe ,5 3 4 N: 5 68 ) Beregg af ragtal: Ragtal (rt) ve tes: rt() F(-)+[+f()]/ rt(mager) 5 + /.5 M7, sle 35 (Kruskall-Walls test) 6

7 Kruskall-Walls test: KONDITION Stkprøve rakg: Sum af ragtal: Kruskall-Walls test: X A B C D f() F() ragtal A B C D meget mager mager 5 3 5,5,5 5,5 3,5,5 kke mager ,5 5, go sta ,5 83 4, fe meget fe ,5 66,5 3 4 N: R R R 3 R ) Summato af ragtal: Kotrol for korrekt rakg: ΣR½ N(N+) ½ OK! M7, sle 36 (Kruskall-Walls test) K 5.56, f3: Appe 3: p<. H forkastes, H accepteres: kotoe hos atugler varerer løbet af året. (uglere er feest om vtere og magrest om sommere) M7, sle 39 (Kruskall-Walls test) Kruskall-Walls test: KONDITION Stkprøve rakg: Sum af ragtal: X A B C D f() F() ragtal A B C D meget mager mager 5 3 5,5,5 5,5 3,5,5 kke mager ,5 5, go sta ,5 83 4, fe meget fe ,5 66,5 Tests for afhægge stkprøver D D 3 4 N: R R R 3 R D 3) Beregg af K: k R K N( N + ) 3( N + ) 3 3 D 3 D D M7, sle 37 (Kruskall-Walls test) M7, sle 4 (Tests for afhægge stkprøver) Kruskall-Walls test: mar-maj ju-aug sep-ov ec-feb A B C D 5 R ,5 7,5 R / 5,8 534,5 38, ,5 k R 87.7 k R K N( N + ) 3( N + ) f k K (68 + ) f 3 M7, sle 38 (Kruskall-Walls test) t-test for afhægge prøver Tester om geemsttet af fferecere mellem parree observatoer er forskellg fra. H : Melvær af fferece µ -µ ( µ ) µ t SE( ) Samlet formel: t t ( ) SE( ) -; atal observatospar) M7, sle 4 (t-tests for afhægge stkprøver) SE s ( ) ( ) s ( ) D ( ) D 7

8 t-test for afhægge prøver Tester om geemsttet af fferecere mellem parree observatoer er forskellg fra. H : Melvær af fferece µ -µ Samlet formel: t t ( ) SE( ) D Forusætger: Data på mst tervalskala Observatos-parree skal være byres uafhægge De geemstlge fferece ( ) skal være ormalforelt* (* behøver kke at være ormalforelt!) -; atal observatospar) M7, sle 4 (t-tests for afhægge stkprøver) D Eksempel: Effekt af opvækstvlkår for kropshøje Kropshøje (cm) par r. Goe Dårlge 7,9 67,5 4,4 9,36 59,4 55,3 4, 6,8 3 7,3 68,7 3,6, , 6,4,7 7,9 5 69,8 67,,8 7,84 6 7,3 73, -,8,64 7 7,8 68,5 3,3, ,4 66,6,8, ,5 78,6 -,, 8,4 76,6 3,8 4,44 6,5 6,4,, 64,7 6,8,9 3,6 gst. 69,5 67, Σ 7,6 95,7 M7, sle 45 (t-tests for afhægge stkprøver) t ( ) 7.6 t Appe : p<. H forkastes H accepteres: Kropshøje er afhægg af socale kår: kver opvokset uer goe socale kår er højere e kver fra årlge kår. Eksempel: Effekt af opvækstvlkår for kropshøje par af eæggee tvllger (alle kver) bortaopteret som spæe tl forskellge famler uer heholsvst goe og mre goe socale kår. Som vokse måles eres kropshøje. H : Socal baggru har ge betyg for kropshøje H : Socal baggru har betyg for kropshøje α5% M7, sle 43 (t-tests for afhægge stkprøver) Wlcoo s test Vægter forskel mea mellem parree observatoer Forskellee e for parree skal være kvatsérbare (mst på oret metrsk skala) Forskellee mellem parree skal være kvatfserbare (mst på oret metrsk skala) Uerlggee forelg skal være kotuert De to stkprøver skal have e samme uerlggee forelgstype M7, sle 46 (Wlcoo s test) Eksempel: Effekt af opvækstvlkår for kropshøje Kropshøje (cm) par r. Goe Dårlge 7,9 67,5 59,4 55,3 3 7,3 68,7 4 63, 6,4 5 69,8 67, 6 7,3 73, 7 7,8 68,5 8 67,4 66,6 9 78,5 78,6 8,4 76,6 6,5 6,4 64,7 6,8 gst. 69,5 67, Σ Opvokset uer årlge socale kår (cm) M7, sle 44 (t-tests for afhægge stkprøver) -Hvs e el af e samlee varato ka forklares u fra e koblg (afhægghe) mellem e parree observatoer, vl ette gve sg uslag e postv sammehæg år talparree plottes mo hae. -Der vl være e systematsk forskel på e parree observatoer, hvs hoveparte af observatoere lgger ete over eller uer le y Opvokset uer goe socale kår (cm) Proceure for Wlcoo s test ) Ureg fferece for hvert talpar ( - ) ) Erstat e umerske værer af me ragtal 3) Markér ragtal for egatve fferecer me og for postve me + 4) Summér e postve og egatve ragtal hver for sg tl hv. R + og R - 5) Brug teststørrelse T ( m[r +,R -] ) tl opslag appe 7, hvs <34. 6) Hvs >33 ka z-forelge appromeres: M7, sle 47 (Wlcoo s test) z ( + ) / 4 T ( + )( + ) / 4 8

9 Eksempel: effekt af atpræatorafær for føetagelse hos musvtter Forsøgesg: X atal besøg ve foerautomat kl 9 -. > age volere: tlvæg, ge forstyrrelse Dag : besøgsrate oteres kl 9 - Dag : ekspoerg af flyvee spurvehøgattrap kl 9 5 og 9 45 (stor ræsel) Dag 3: besøgsrate oteres kl 9 - H : er er ge forskel besøgsrate ve foerautomat på ag og ag 3 H : er er forskel besøgsrate ve foerautomat på ag og ag 3 (Two-tale), α.5 M7, sle 48 (Wlcoo s test) Wlcoo s test: Besøg/tme ragtal Mejse # ag ag 3 I I rt rt+ rt ) Bereg ragtal (rt) og summér op tl R + og R -. M7, sle 5 (Wlcoo s test) R+ R T m(r+,r-) Eksempel: effekt af atpræator-afær For føetagelse hos musvtter Besøg/tme Mejse # ag ag (le efteret ve y) besøgsrate ag Afhægge ata på ratoskala, me ormalforelte fferecer ka kke tages for gvet. For at være skre vælger v erfor Wlcoo s test M7, sle 49 (Wlcoo s test) besøgsrate ag Wlcoo s test: T,5 N Appe 7:.<p<.5 H forkastes; H accepteres: Der er forskel besøgsrate ve foerautomat på ag og ag 3 (musvttere reucerer eres besøgsrate efter besøg af spurvehøg) M7, sle 5 (Wlcoo s test) Wlcoo s test: Sg test (svagere alteratv): Besøg/tme Mejse # ag ag 3 I I ) Bereg fferece, Besøg/tme Mejse # ag ag 3 I I postve og egatv fferecer M7, sle 5 (Wlcoo s test) M7, sle 53 (sg [bomal-] test) 9

10 Sg test (svagere alteratv): H : pq.5, H : p q k! ( k ) P( ) p ( p) Observeret: :!( k )! Forvetet: 6:6 k- P() Σ P() P(two-tale).3.63,,,9,3 - I ette tlfæle gav sg-testet,6,93 faktsk e lavere p-vær e 3 9,537,73 Wlcoo s test. Dette skyles at 4 8,8,938 e ee egatve fferece, som 5 7,934,387 ekssteree have e relatv høj 6 6,56,68 umersk vær. Er betgelsere 7 5,934,86 8 4,8,97 for Wlcoo s test opfylte, vl 9 3,537,987 ette test oftere resultere e,6,9968 lavere p-vær e sg-testet.,9,9998,, M7, sle 54 (sg [bomal-] test)

Tests for forskel i central tendens for data på ordinal- og intervalskala. Typer af statistiske test:

Tests 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 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

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

Vi ønsker også at teste hypoteser om parametrene. F.eks: Kan µ tænkes at være 0 (eller anden fast, kendt værdi)? Eksempel: dollarkurser Uge 37 I Teoretsk Statstk, 9.sept. 003. 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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

Generelle lineære modeller

Generelle 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 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

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

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

1.0 FORSIKRINGSFORMER

1.0 FORSIKRINGSFORMER eam Lv forskrgsakteselskab Bereggsgrudlaget sgrp217 tl præmeberegg for gruppeforskrg e-am Lv forskrgsakteselskab 1. FORIKRINGFORMER 1.1 Oblgatorske ordger Alle gruppeforskrgsordger teget på dette grudlag

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

Statistik ved Bachelor-uddannelsen i folkesundhedsvidenskab

Statistik 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 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

FACITLISTE TIL KOMPLEKSE TAL

FACITLISTE TIL KOMPLEKSE TAL FACITLISTE TIL KOMPLEKSE TAL Kaptel Opgave Opgave Opgave Det emmeste check af lgge er at opløfte begge sder tl. potes. Bombells metode gver følgede lgger: a a b = 5 ( ) b a b = 09 = 7. Løs dem med et CAS

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

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

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

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

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

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

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

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

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

Løsninger til kapitel 12

Løsninger til kapitel 12 Løsnnger tl kaptel 1 Opgave 1.1 HypoStat gver umddelbart: ft = 7 En P Teststørrelse H 0 : Alle P passer mandag 80 0,14857 48,8571 3,89737 H 1 : Ikke alle P passer trsdag 30 0,14857 48,8571 1,48899 onsdag

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

Oversigt. Kursus 02402/02323 Introducerende Statistik. Forelæsning 12: Inferens for andele. Klaus K. Andersen og Per Bruun Brockhoff

Oversigt. 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 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

30. august Epidemiologi og biostatistik. Forelæsning 3 Uge 2, torsdag d. 8. september 2005 Michael Væth, Afdeling for Biostatistik.

30. 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 mere

Formelsamling til statistik-del af metodekursus, 4. semester, lægevidenskab Version 3 (26/9-2011)

Formelsamling 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 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

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

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

Simpel Lineær Regression. Opsplitning af variationen Determinations koefficient Variansanalyse F-test Model-kontrol

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

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 Generel Lneær Model Y afhængg skala varabel 1,, k forklarende varable, skala eller bnære Model: Mddelværden af Y gvet =( 1,, k

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

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

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

Variansanalyse (ANOVA) Repetition, sammenligning af to grupper Variansanalyse: Sammenligning af flere end to middelværdier.

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

Læs mere

Estimation af CES - forbrugssystemet med og uden dynamik: -fcf/fcfv sammenhold med fcv/fcfv -fct/fcts sammenhold med fcs/fcts

Estimation af CES - forbrugssystemet med og uden dynamik: -fcf/fcfv sammenhold med fcv/fcfv -fct/fcts sammenhold med fcs/fcts Danmarks Statstk MODELGRUPPEN Arbejdspapr [udkast] Andreas Østergaard Iversen 140609 Estmaton af CES - forbrugssystemet med og uden dynamk: -fcf/fcfv sammenhold med fcv/fcfv -fct/fcts sammenhold med fcs/fcts

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

Definition: Normalfordelingen. siges at være normalfordelt med middelværdi µ og varians σ 2, hvor µ og σ er reelle tal og σ > 0.

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 - kkb@math.aau.dk http://people.math.aau.dk/ kkb/udervisig/lf13 Istitut for Matematiske Fag Aalborg Uiversitet

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

Program: 1. Repetition: fordeling af observatorer X, S 2 og t. 2. Konfidens-intervaller, hypotese test, type I og type II fejl, styrke.

Program: 1. Repetition: fordeling af observatorer X, S 2 og t. 2. Konfidens-intervaller, hypotese test, type I og type II fejl, styrke. Program: 1. Repetition: fordeling af observatorer X, S 2 og t. 2. Konfidens-intervaller, hypotese test, type I og type II fejl, styrke. 1/23 Opsummering af fordelinger X 1. Kendt σ: Z = X µ σ/ n N(0,1)

Læs mere

9. Binomialfordelingen

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

Læs mere

Kombinatorik. 1 Kombinationer. Indhold

Kombinatorik. 1 Kombinationer. Indhold Kombator, marts 04, Krste Roselde Georg Mohr-Kourrece Kombator Kombator går ud på at tælle atallet af ombatoer af et eller adet, og for at ue tælle atallet af ombatoer smart har ma brug for forsellge tællestrateger

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

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

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

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

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

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

Løsningsforslag til skriftlig eksamen i Kombinatorik, sandsynlighed og randomiserede algoritmer (DM528)

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

Læs mere

Pension PO1 PO2 FO1 FO2 GRL 7) Arbejds markeds pension 5) ATPbidrag

Pension PO1 PO2 FO1 FO2 GRL 7) Arbejds markeds pension 5) ATPbidrag Løbehadlgsoversgt De 4 koloer 'opsamlg tl løatk' vser, hvorda lødele/-feltet dgår løatkkere. Neder oversgte fder du e forklarg tl opsamlge af de ævte ILtyper Lødele/-feltet ka bruges eidkom med/: pegegvede

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

TALTEORI Følger og den kinesiske restklassesætning.

TALTEORI Følger og den kinesiske restklassesætning. Følger og den knesske restklassesætnng, december 2006, Krsten Rosenklde 1 TALTEORI Følger og den knesske restklassesætnng Dsse noter forudsætter et grundlæggende kendskab tl talteor som man kan få Maranne

Læs mere

Den flerdimensionale normalfordeling

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

Læs mere

Afrodites øje . E. " & O \ \.. \ \ % O E.. % O O O O O & OO... % O O " % O O - . " .

Afrodites øje . E.  & O \ \.. \ \ % O E.. % O O O O O & OO... % O O  % O O - .  . Vocal Pano 1 & O \ \ I 2 & O \ \ Afrodtes ø ar r en bldt Tekst Musk: Pet Spes kjær % O \ \ ja nu knt sne Lang væn ge 4 & O 5 6 & O børn med rø de kn d skøj t rundt Kob b dam so n står lavt Pet % O 7 te

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

Kvalitetsmål til On-line algoritmer

Kvalitetsmål til On-line algoritmer Istitut for Matematik og Datalogi Bachelorprojekt Kvalitetsmål til O-lie algoritmer Forfatter: Christia Kuahl Vejleer: Joa Boyar Jauary 1, 2011 Cotets 1 Ileig 3 2 Problemet 3 3 Algoritmer og variater 4

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

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

Kommuneplantillæg 16. til Kommuneplan 2013. Randers Kommune. Kommuneplantillæg 16. rup. Havndal. Dalbyover Råby. Udbyhøj. Gjerlev Gassum Øster Tørslev

Kommuneplantillæg 16. til Kommuneplan 2013. Randers Kommune. Kommuneplantillæg 16. rup. Havndal. Dalbyover Råby. Udbyhøj. Gjerlev Gassum Øster Tørslev asu ssu su su Sy Sy Ou Oue O ue rup alsår a als alsår s år år til Kommuepla 2013 Kie Kielstrup Ki K i l p Stie Sti S ii e esmi e e ørby ø ørrrby byy b Skole Skoleby Sk S kole kko ole eby eby eb by Asses

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

Figur 3: Illustration af hvordan en børsteløs DC-motor kan betragtes rent magnetisk.

Figur 3: Illustration af hvordan en børsteløs DC-motor kan betragtes rent magnetisk. Opstlnng af oel for en børsteløs D-otor Danel R. Peersen & Jesper. Larsen 4. aprl 2003 I ette arbejsbla vl er blve opstllet en oel af en børsteløs D otor (LDM). Moellen er opstllet e et forål at kunne

Læs mere

Fagblok 4b: Regnskab og finansiering 2. del Hjemmeopgave - 28.01 2005 kl. 14.00 til 31.01 2004 kl. 14.00

Fagblok 4b: Regnskab og finansiering 2. del Hjemmeopgave - 28.01 2005 kl. 14.00 til 31.01 2004 kl. 14.00 Fagblok 4b: Regnskab og fnanserng 2. del Hjemmeopgave - 28.01 2005 kl. 14.00 tl 31.01 2004 kl. 14.00 Dette opgavesæt ndeholder følgende: Opgave 1 (vægt 50%) p. 2-4 Opgave 2 (vægt 25%) samt opgave 3 (vægt

Læs mere

1 Hb SS Hb Sβ Hb SC = , (s = )

1 Hb SS Hb Sβ Hb SC = , (s = ) PhD-kursus i Basal Biostatistik, efterår 2006 Dag 6, onsdag den 11. oktober 2006 Eksempel 9.1: Hæmoglobin-niveau og seglcellesygdom Data: Hæmoglobin-niveau (g/dl) for 41 patienter med en af tre typer seglcellesygdom.

Læs mere

Variansanalyse (ANOVA) Repetition, ANOVA Tjek af model antagelser Konfidensintervaller for middelværdierne Tukey s test for parvise sammenligninger

Variansanalyse (ANOVA) Repetition, ANOVA Tjek af model antagelser Konfidensintervaller for middelværdierne Tukey s test for parvise sammenligninger Vaansanalyse (ANOVA) Repetton, ANOVA Tjek af model antagelse Konfdensntevalle fo mddelvædene Tukey s test fo pavse sammenlgnnge ANOVA - defnton ANOVA (ANalyss Of VAance), også kaldet vaansanalyse e en

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

DLU med CES-nytte. Resumé:

DLU med CES-nytte. Resumé: Danmarks Statstk MODELGRUPPEN Arbejdspapr* Grane Høegh 17. august 2006 DLU med CES-nytte Resumé: Her papret undersøges det om en generalserng af den bagvedlggende nyttefunkton DLU fra Cobb-Douglas med

Læs mere

29. januar Epidemiologi og biostatistik Forelæsning 2 Uge 1, torsdag 2. februar 2006 Michael Væth, Afdeling for Biostatistik.

29. 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 mere