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



Relaterede dokumenter
Pearsons formel for χ 2 test. Den teoretiske forklaring

Elementær Matematik. Sandsynlighedsregning

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

Hvorfor n-1 i stikprøvevariansen?

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

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

x-klasserne Gammel Hellerup Gymnasium

BEVISER TIL KAPITEL 7

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

Induktionsbevis og sum af række side 1/7

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

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

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

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

Repetition. Forårets højdepunkter

Supplement til sandsynlighedsregning og matematisk statistik

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

Simpel Lineær Regression - repetition

Variansanalyse. på normalfordelte observationer af Jens Friis

Kvalitet af indsendte måledata

FACITLISTE TIL KOMPLEKSE TAL

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

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

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

Brugen af R 2 i gymnasiet

Indeks over udviklingen i biltrafikken i Danmark

Elementær Matematik. Polynomier

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

Kogebog: 5. Beregn F d

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

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

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

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

Kvantitative metoder 2

Rettevejledning til Økonomisk Kandidateksamen 2006I, Økonometri 1

1.0 FORSIKRINGSFORMER

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

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

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

Kombinatorik. 1 Kombinationer. Indhold

vejer (med fortegn). Det vil vi illustrere visuelt og geometrisk for (2 2)-matricer og (3 3)-matricer i enote 6.

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

Lys og gitterligningen

Binomialfordelingen: april 09 GJ

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

SUPPLEMENT til Anvendt statistik

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

Inertimoment for arealer

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

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

Renteformlen. Erik Vestergaard

Motivation. En tegning

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

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

Lineær regressionsanalyse8

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

Kontrol af udledninger ved produktion af ørred til havbrugsfisk

Binomialfordelingen. Erik Vestergaard

Sandsynlighedsregning og statistik med binomialfordelingen

Sandsynlighedsregning i biologi

Kvantitative metoder 2

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

Mikroøkonomi, matematik og statistik Eksamenshjemmeopgave december 2007

Vejledende opgavebesvarelser

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

Ugeseddel 8. Gruppearbejde:

Kvantitative metoder 2

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

Beregning af strukturel arbejdsstyrke

9. Binomialfordelingen

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

Bilag 6: Økonometriske

Note til Spilteori Mikro 2. år 2. semester Erik Bennike. Note til Spilteori

Estimation og test i normalfordelingen

antal gange krone sker i første n kast = n

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

Projekt 1.3 Brydningsloven

Projekt 3.1 Potensbegrebet og geometriske rækker

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

Matematik A. Studentereksamen. Forberedelsesmateriale. Forsøg med digitale eksamensopgaver med adgang til internettet.

Finanskalkulationer Side 1/19 Steen Toft Jørgensen. Finanskalkulationer. avanceret rentesregning. matematiske modeller i økonomi

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

Statistik ved Bachelor-uddannelsen i folkesundhedsvidenskab

Længde [cm] Der er frit vandspejle i sandkassen. Herudover er sandkassen åben i højden cm i venstresiden og 0-20 cm i højresiden.

Introduktion til uligheder

χ 2 -fordelte variable

1 Løsning og mindste kvadraters løsninger af lineære ligningssystemer

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

Meningsmålinger KLADDE. Thomas Heide-Jørgensen, Rosborg Gymnasium & HF, 2017

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

Vejledende besvarelser til opgaver i kapitel 15

Noter om kombinatorik, Kirsten Rosenkilde, februar Kombinatorik

Gamle eksamensopgaver. Diskret Matematik med Anvendelser (DM72) & Diskrete Strukturer(DM504)

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

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

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

1 Indeksberegninger. 1.1 Indeksberegningers formål og brug. 1.2 Typer af indeks

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

Undersøgelse af numeriske modeller

Transkript:

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 samtdg med, at sadsylghedsregge helt forsvadt fra matematkudervsge efter reforme 5 At ma aveder regresso og χ - test samfudsfag og bolog, meer jeg kke er oge relevat begrudelse for at dføre det matematk I dsse fag avedes der masser af formler ude forklarg, me jeg syes (stadg, at ma matematk skal kue forklare det, der står bøgere for elevere, hvlket tdlgere jo også havde de forudsætg, at lærere selv forstod det I de forbdelse har jeg hørt mage lærerfrustratoer, år χ test skal forklares I fysk behadlede ma tdlgere måleresultatere grafsk med mllmeterpapr og logartmske paprer, hvor elevere selv skulle afsætte puktere og selv aflæse de relevate oplysger af grafere og hvor elevere selv skulle kue vurdere måleresultatere forhold tl pukteres belggehed omkrg e le Dette stedet for, at skulle hevse tl de kryptske korrelatoskoeffcet Me u er de aturvdeskabelge pædagogske foruft jo for lægst edkæmpet tl fordel for de IT-fkserede flptur udervsgspoltsk korrekthed, som har hærget udervsge matematk og fysk geem de sdste år Sadsylghedstæthede for χ Me tlbage tl regresso og Ch--ade test Begge begreber refererer tl ormalfordelge med mddelværd μ og spredg P ( x µ ( x e π Har ma ormalfordelte målger x, x, x 3, x, hvor spredge,, 3, er kedte og beteger de teoretske mddelværder, så er sadsylghede for at få et resultat tervallet dx dxdx3 dx lg med x P( x, x, x,, x dx dx dx dx Idfører ma de ormerede varable q, ved 3 3 q x x e π og ( x x dx Q dx ( q, q, q3,, q dqdqdq3 dq P( x, x, x3,, x dxdxdx3 får ma Q( q Q( q, q, q3,, q exp q π Q afhæger ku af varablee q geem summe: χ q

χ test matematkudervsge χ avedes som bekedt tl at vurdere hvorvdt resultatet af målger lgger de for de statstske uskkerhed Herefter blver udtrykket for Q ( q, q, q3,, q exp χ π χ har e tabuleret sadsylghedsfordelg, som skrves F ( χ dχ q Udledge af udtrykket for F ( χ er ret komplceret de fleste fremstllger, me det ka udle- des relatvt smpelt, hvs ma betragter χ, som afstade ud tl et pukt et - dmesoalt rum Volume af e kugleskal med radus r et -dmesoalt rum er ødvedgvs proportoal med r - I plae er rumfagselemetet polære koordater dv rdrdφ I rummet er rumfagselemetet dv 3 r sθ dr dθ dφ Udreger ma Jacob determate for omregg fra kartesske koordater tl polære koordater, vl alle koordater x have e faktor r gage e fukto af de - vkler Ved de partelle dfferetato af x ere, vl r forsvde etop e søjle, og hvert led determate, vl derfor have faktore r - Rumfagselemetet et -dmesoalt rum, må derfor være proportoalt med dee faktor V vl u først bestemme (på ær e kostat bdraget tl χ + dχ, hvor altså χ er kostat χ dχ χ χdχ kugleskal χ, dχ Q( q, q q dq dq dq F ( χ dχ fra e kugleskal mellem χ og π exp χ dq dq dq kugleskal χ, dχ Det sdste tegral, (år ma tegrerer over de - vkler er følge det foregåede proportoalt med radus kugle - potes, som er χ - Samler v tegralet over vklere og de øvrge kostater e faktor C, fder ma derfor: χ dχ χ χdχ (C χ exp χ dχ Cχ Kostate C, ka derefter bestemmes ved ormalsergsbetgelse: Gammafuktoe Г er deferet ved tegralet: Γ x t ( x t e dt Der gælder som bekedt for heltallge og postv, at, Г(+! F exp χ χdχ ( χ dχ Oveståede ormalsergstegral, ka derfor udtrykkes ved Gamma fuktoe ved substtutoe: t χ χ t og dt χdχ Herved får ma:

χ test matematkudervsge F ( χ dχ C χ exp χ dχ C (t exp( t dt C t exp( t dt t Det sdste tegral er C Γ( så ormalsergsbetgelse gver: Herefter følger udtrykket for fordelgsfuktoe for χ χ dχ χ dχ e ( χ Γ( ( C Γ 3 Avedelse af χ tl statstsk behadlg af måledata Frhedsgrader Oveståede er sadsylghedstæthede for χ er kedt som χ fordelgsfuktoe Sadsylghede for at få e værd af χ, som overstger χ er gvet ved: > χ χ χ dχ er dee formel det samme som atallet af uafhægge varable beteges mdlertd som atallet af frhedsgrader Mere geerelt er atallet af frhedsgrader lg med atallet af uafhægge varable mus atallet af leære relato, der fdes mellem dsse varable ( x µ ( x µ ( x µ Hvs ma feks formele for χ + + + erstatter de teoretske mddelværd µ med det beregede geemst x ( x + x + x3 + + x, så er der etop e leær relato mellem de uafhægge varable, og atallet af frhedsgrader er Formle χ dχ χ χ e ( χ d er mdlertd de samme, år blot erstattes af Γ( - Bevset for dette er mdlertd ret utlgægelgt Fordelgsfuktoe for F ( χ dχ skrves tradtoelt: > χ χ χ dχ Dee fukto er tabuleret og ka øvrgt fdes på e CAS Hvs χ er lg med, ford alle observatoer er lg med mddelværde, så er sadsylghede P Jo større > χ er jo bedre er observatoere statstsk set Skal ma foretage e test med et sgfkasveau på 5%, skal sadsylghede for et resultat, som er større ed det udregede, altså være mdre ed,5 (Da dette ku er ldt sadsylgt, hvs afvgelse er statstsk Acceptbetgelse altså, at

χ test matematkudervsge > χ >,95 Og hypotese forkastes, hvs > χ <, 5 Især det sdste, har jeg erfaret gver vaskelgheder, år det skal forklares tl elevere afsluttede med Såda er det bare, me sådae forklarger syes jeg ma bør overlade tl adre fag ed matematk Hvs de teoretske mddelværder og spredger kke er kedte, ka ma avede de to estmater: x x og s ( x x Begrudelse for dsse formler er aturlgvs, at E (x µ og E s ( Ma ka mdlertd kke avede dsse udtryk, hvs ma ku har é observato I lærebøgere matematk for gymaset, og gvetvs bøger fra samfudsfag og bolog, fdes der, mdlertd e formel, som hyppgt beteges χ test, me som faktsk overhovedet kke lger de udtryk for χ, som udledt ud fra ormalfordelge De kaldes for Pearsos formel 4 Pearsos χ test Hvs v lader O betege de observerede værder, og E de forvetede værder (expectato value, så deferede Karl Pearso e test value, som fk de samme betegelse χ ( O E χ E Ser ma på χ, som det er deferet ud fra ormalfordelge, så er det vaskelg, at geemskue, hvorledes de to udtryk, står for de samme statstske deskrptor Forklarge er kke helt trvel Bemærk sær, at modsætg tl de tradtoelle χ test, så ka formle avedes, selv om ma ku har e observato Forklarge følger ote: Ch--ade test og Pearsos formel Jeg skal kke bebrejde oge, at de teoretske forklarg på χ test og Pearsos formel kke står e lærebog for gymaset, da det jo lgger lagt over de elemetære sadsylghedsregg som ma øvrgt kke lærer lægere gymaset efter 5, me jeg syes ufortrødet, at det som der står e matematklærebog hvert fald på A-veau bør kue forklares for elevere 5 Græsere for uskkerhed e stkprøve E ade formel, som står refereret matematkbøgere er græsere for de uskkerhed, der er på e stkprøve, hvor er størrelse af stkprøve og p er sadsylghede for udfaldet Formle er:

χ test matematkudervsge f,96 p( p Kvadratrodsfaktore er jo spredge på frekvese fra bomalfordelge, me hvorfor,96? Svaret er det smple, at -,96 er,5% fraktle for ormalfordelge, altså, at x µ µ α µ Φ( Φ( Φ( α,5 α,96 Hvs observatossættet er ormalfordelt vl,5% af observatoere statstsk set lgge uder μ -,96 Da ormalfordelge er symmetrsk omkrg mddelværde, lgger,5% af observatoere over μ +,96 og 95% af observatoere vl derfor lgge tervallet [μ -,96, μ -,96] Tager ma spredge fra bomalfordelge, ka ma ved gage de med,96, med et sgfkasveau på 95% vde, at de rgtge værd lgger dette terval Dette er dholdet af formle ovefor Efter reforme, står der e del lærebøgere fysk som matematk, som kke lægere blver forklaret for elevere, bladt adet på grud af maglede forudsætger Og det ka ma jo have e meg om At de blver udervst formler, som lærere heller kke forstår, ka ma vst ku have é meg om Mathematcal methods of physcs Jo Mathews, Robert L Walker Ole Wtt-Hase