Konfidens intervaller



Relaterede dokumenter
Stikprøvefordelinger og konfidensintervaller

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

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

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

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

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

Indholdsfortegnelse Generelt Diskrete stokastiske variable: Kontinuerte stokastiske variable: Regneregler for stokastiske variable

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

Diskrete og kontinuerte stokastiske variable

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

Løsninger til kapitel 7

Hypotese test. Repetition fra sidst Hypoteser Test af middelværdi Test af andel Test af varians Type 1 og type 2 fejl Signifikansniveau

Sandsynlighedsfordelinger for kontinuerte data på interval/ratioskala

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

Estimation ved momentmetoden. Estimation af middelværdiparameter

Sammenligning af to grupper

Generelle lineære modeller

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

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

Opsamling. Lidt om det hele..!

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

Motivation. En tegning

9. Binomialfordelingen

Mikroøkonomi, matematik og statistik Eksamenshjemmeopgave december 2007

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

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

Statistik ved Bachelor-uddannelsen i folkesundhedsvidenskab

antal gange krone sker i første n kast = n

Matematisk Modellering 1 Hjælpeark

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

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

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

Hypotesetest. Hypotesetest og kritiske værdier Type 1 og Type 2 fejl Styrken af en test Sammenligning af to populationer

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

Statistiske test. Efteråret 2010 Jens Friis, AAU. Hjemmeside :

STATISTIKNOTER Simple normalfordelingsmodeller

Forelæsning 8: Inferens for varianser (kap 9)

Oversigt. 1 Fordelingen for gennemsnittet t-fordelingen. 3 Den statistiske sprogbrug og formelle ramme

Program. Populationer og stikprøver. Praktiske oplysninger. Eksempel vaccine mod miltbrand hos får. Praktiske oplysninger

Konfidensintervaller og Hypotesetest

Konfidensinterval for µ (σ kendt)

Økonometri 1. Definition og motivation. Definition og motivation. Dagens program. Den multiple regressionsmodel 15. februar 2006

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

ORDEN OG UDVALG: KUNSTEN AT TÆLLE KOMBINATORIK N H

Dansk. Oversigt. 1 Fordelingen for gennemsnittet t-fordelingen. 2 Konfidensintervallet for µ Eksempel. 3 Den statistiske sprogbrug og formelle ramme

Vejledende opgavebesvarelser

Sandsynlighedsregning og statistisk

DATV: Introduktion til optimering og operationsanalyse, Bin Packing Problemet

STATISTISKE GRUNDBEGREBER

Program. Statistisk inferens En enkelt stikprøve og lineær regression Stat. modeller, estimation og konfidensintervaller. Fordeling af gennemsnit

Program. 1. Repetition: konfidens-intervaller. 2. Hypotese test, type I og type II fejl, signifikansniveau, styrke, en- og to-sidede test.

Modul 5: Test for én stikprøve

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.

Estimation og test i normalfordelingen

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

Begreber og definitioner

Maja Tarp AARHUS UNIVERSITET

Vejledende besvarelser til opgaver i kapitel 15

Sandsynlighedsregning 9. forelæsning Bo Friis Nielsen

Kvantitative metoder 2

Statistik og Sandsynlighedsregning 2

Statistiske Modeller 1: Notat 1

Morten Frydenberg version dato:

Stikprøver og stikprøve fordelinger. Stikprøver Estimatorer og estimater Stikprøve fordelinger Egenskaber ved estimatorer Frihedsgrader

Program. Middelværdi af Y = t(x ) Transformationssætningen

Sandsynlighedsregning 9. forelæsning Bo Friis Nielsen

Projekt 9.1 Regneregler for stokastiske variable middelværdi, varians og spredning

x-klasserne Gammel Hellerup Gymnasium

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

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

Renteformlen. Erik Vestergaard

Kapitel 3 Centraltendens og spredning

Teoretisk Statistik, 9. februar Beskrivende statistik

Elementær Matematik. Polynomier

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

Kapitel 10 KALIBRERING AF STRØMNINGSMODEL

Sandsynlighedsregning

STATISTISKE GRUNDBEGREBER

Hovedpointer fra SaSt

Økonometri 1. Inferens i den lineære regressionsmodel 29. september Økonometri 1: F7 1

Introduktion til Statistik

BILAG I PRODUKTRESUME

Chi-i-anden Test. Repetition Goodness of Fit Uafhængighed i Kontingenstabeller

Kvantitative Metoder 1 - Forår 2007

STATISTISKE GRUNDBEGREBER

Uge 40 I Teoretisk Statistik, 30. september 2003

Introduktion til uligheder

Uge 48 II Teoretisk Statistik 27. november Numerisk modelkontrol af diskrete fordelinger: intro

Program. Ensidet variansanalyse Normalfordelingen. Antibiotika og nedbrydning af organisk materiale. Tegninger

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

Variabel- sammenhænge

Statistik Lektion 8. Test for ens varians

Susanne Ditlevsen Institut for Matematiske Fag susanne

Projekt 9.10 St. Petersborg paradokset

Velkommen. Program. Statistik og Sandsynlighedsregning 2 Sandsynlighedstætheder og kontinuerte fordelinger på R. Praktiske ting og sager

Matematik A. Højere handelseksamen. Tirsdag den 26. maj 2015 kl hhx151-mat/a

STATISTIK x-klasserne Gammel Hellerup Gymnasium

Transkript:

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 stikprøve størrelse

Kofides itervaller Et kofides iterval er et iterval, der estimerer værdie af e ukedt populatios parameter. Kaldes også et iterval estimat. Samme med itervallet gives et mål for, hvor sikker ma er på, at de sade populatios parameter ligger i itervallet. Dette mål kaldes for kofides iveauet. Et pukt estimat estimerer værdie af e ukedt populatios parameter ved e ekelt værdi. For eksempel, sidste gag geemsitslø for HA X600. Et pukt estimat ideholder ikke meget iformatio om de faktiske værdi af μ. Et iterval estimat ideholder flere iformatioer, for eksempel: Vi er 95% sikre på, at itervallet [550,650] ideholde de sade middelværdi μ. Eller vi er 90% sikre på, at itervallet [599,601] ideholder de sade middelværdi μ.

Kofides iterval for middelværdie (år X er ormal fordelt eller stikprøve er stor) Da gælder følgede: E 95% kofides iterval for middelværdi 0.95 1.96 1.96 0.95 1.96 1.96 + + P P μ μ μ ), ( ~ N X μ ±196.

Mellemregiger. 0.95 1,96 1.96 0.95 1,96 1.96 0.95 1,96 1.96 0.95 1,96 / 1.96 0.95 1.96 / 1.96 ) 0.95 1,96) 1.96 ( + + P P P P P z P μ μ μ μ μ μ μ : at gælder,, X ~ N( Da ~ N(0,1) z hvor,

Kofides iterval for middelværdi f() 0.4 0.3 0. 0.1 0.0.5% falder edefor itervallet Samplig Distributio of the Mea.5% μ 196. 95% μ 95% falder idefor itervallet.5% μ + 196..5% falder over itervallet Approksimativt 95% af af stikprøve middelværdiere ka ka forvetes at at falde idefor itervallet μ 196., μ + 196. Omvedt, cirka.5% ka ka forvetes at at være uder μ 196. og ka og.5% ka at forvetes at være over μ + 196... Så Så5% ka ka forvetes at at være udefor itervallet...

Kofides iterval for middelværdi f() 0.4 0.3 0. 0.1 0.0 * Samplig Distributio of the Mea 95%.5%.5% μ μ 196. μ +196. 1.96 +1.96 * Approksimativt 95% 95% af af itervallere ±1.96 omrig stikprøve middelværdie ka ka forvetes at at ideholde de de faktiske værdi af af populatios middelværdie, μ. μ. 1.96 +1.96 *5% *5% af af sådae itervaller omkrig stikprøve middelværdie ka ka forvetes ikke ikkeat at ikludere de de faktiske værdi af af populatios middelværdie.

Et (1- )100% kofides iterval for μ z Vi defierer som de z-værdi, hvor sadsylighede for at Z er højere ed dee værdi, er. Kaldes også fraktile eller de kritiske værdi. (1-)100% kaldes kofides iveauet. f(z) 0.4 0.3 0. 0.1 0.0-5 Stadard Normal -4-3 - z -1 0 Z fordelig 1 z ( 1 ) 3 4 5 Pz > z / Pz z / P z z z ( 1 ) (1 ) 100% kofidesiterval: ± z

Kritiske værdier af z og kofides iveauer ( 1 ) z 0.99 0.005.576 0.98 0.010.36 0.95 0.05 1.960 0.90 0.050 1.645 0.80 0.100 1.8 f(z) 0.4 0.3 0. 0.1 0.0-5 -4 Stadard Normal Distributio -3 - -1 z 0 Z 1 z ( 1 ) 3 4 5

Kofides iveau og bredde af kofides itervallet Når Når ma ma tager tager stikprøver fra fra de de samme samme populatio og og bruger bruger de de samme samme stikprøve størrelse, så såjo jo højere højere et et kofides iveau, iveau, jo jo bredere bredere et et kofides iterval. Stadard Normal Distributio Stadard Normal Distributio 0.4 0.4 0.3 0.3 f(z) 0. f(z) 0. 0.1 0.1 0.0-5 -4-3 - -1 0 Z 1 3 4 5 0.0-5 -4-3 - -1 0 Z 1 3 4 5 80% kofides iterval : ± 1.8 95% kofides iterval : ± 1.96

Stikprøve størrelse og bredde af kofides itervallet Når Når ma tager stikprøver fra fra de de samme populatio og og bruger det det samme kofides iveau, så såjo jo større stikprøve størrelse,, jo jo smallere et et kofides iterval. Samplig Distributio of the Mea Samplig Distributio of the Mea 0.4 0.9 0.8 0.3 0.7 0.6 f() 0. f( ) 0.5 0.4 0.1 0.3 0. 0.1 0.0 0.0 95% kofides iterval: 0 95% kofides iterval: 40

Eksempel på tavle

Kofides iterval for μ år er ukedt - t fordelige Hvis populatios stadard afvigelse,, ikke er kedt, erstattes med stikprøve stadard afvigelse, s. Hvis populatioe er X μ ormal, så er: t t fordelt med ( - 1) frihedsgrader. s ttfordelige fordelige er er e e familie familie af af klokke klokke formede formede og og symmetriske symmetriske fordeliger, fordeliger, e e for for hvert hvert ummer ummer af af frihedsgrader. frihedsgrader. De De forvetede forvetede værdi værdi (middelværdie) (middelværdie) er er 0. 0. For For df df >,, er er variase variase af af ttdf/(df-). df/(df-). Går Går mod mod 1, 1, år år frihedsgradere frihedsgradere stiger. stiger. ttfordelige fordelige er er fladere fladere og og har har tykkere tykkere haler haler ed ed stadard stadard ormal ormal fordelige. fordelige. ttfordelige fordelige går går mod mod stadard stadard ormal ormal fordelige, fordelige, år år frihedsgradere frihedsgradere stiger. stiger. 0 μ Stadard ormal t, df 0 t, df 10

Kofides iterval for μ år er ukedt - t fordelige Et Et (1-)100% kofides iterval for for μ år år er er ukedt (og (og ma atager e e ormal fordelt populatio): ± t s hvor t er i t -1 er værdie i t fordelige med -1 frihedsgraders, hvor sadsylighede for for at at t t er er højere ed ed dee værdi, er er..

t Fordelige df t 0.100 t 0.050 t 0.05 t 0.010 t 0.005 --- ----- ----- ------ ------ ------ 1 3.078 6.314 1.706 31.81 63.657 1.886.90 4.303 6.965 9.95 3 1.638.353 3.18 4.541 5.841 4 1.533.13.776 3.747 4.604 5 1.476.015.571 3.365 4.03 6 1.440 1.943.447 3.143 3.707 7 1.415 1.895.365.998 3.499 8 1.397 1.860.306.896 3.355 9 1.383 1.833.6.81 3.50 10 1.37 1.81.8.764 3.169 11 1.363 1.796.01.718 3.106 1 1.356 1.78.179.681 3.055 13 1.350 1.771.160.650 3.01 14 1.345 1.761.145.64.977 15 1.341 1.753.131.60.947 16 1.337 1.746.10.583.91 17 1.333 1.740.110.567.898 18 1.330 1.734.101.55.878 19 1.38 1.79.093.539.861 0 1.35 1.75.086.58.845 1 1.33 1.71.080.518.831 1.31 1.717.074.508.819 3 1.319 1.714.069.500.807 4 1.318 1.711.064.49.797 5 1.316 1.708.060.485.787 6 1.315 1.706.056.479.779 7 1.314 1.703.05.473.771 8 1.313 1.701.048.467.763 9 1.311 1.699.045.46.756 30 1.310 1.697.04.457.750 40 1.303 1.684.01.43.704 60 1.96 1.671.000.390.660 10 1.89 1.658 1.980.358.617 1.8 1.645 1.960.36.576 f(t) 0.4 0.3 0. 0.1 0.0 t D istributio : df10 Areal 0.10 Areal 0.10 } } -.8 } -1.37 0 1.37 t.8 } Areal 0.05 Arela 0.05 Når Når er er ukedt ukedt (og (og populatioe er er ormal ormal fordelt), fordelt), bruges brugest t fordelige med med -1-1 frihedsgrader. For For store store frihedsgrader ka kat t fordelige approksimeres ved ved e e stadard ormal ormal fordelig.

Eksempel 6- E E aktie aalytiker vil vil estimere de de geemsitlige gevist på påe e bestemt aktie. E E stikprøve på på15 dage giver e e geemsitlig gevist på 10.37% og og e e stadard afvigelse på pås 3.5%. Atag e e ormal populatio og og giv giv et et 95% kofides iterval for for de de geemsitlige gevist på pådee aktie. df t 0.100 t 0.050 t 0.05 t 0.010 t 0.005 --- ----- ----- ------ ------ ------ 1 3.078 6.314 1.706 31.81 63.657.................. 13 1.350 1.771.160.650 3.01 14 1.345 1.761.145.64.977 15 1.341 1.753.131.60.947.................. De kritiske værdi af t for df ( -1) (15-1) 14 og et højre halet areal på 0.05 er: t 0. 05.145 Kofides itervallet er: s ± t0. 05 10 37 ±.145 35.. 15 10. 37 ± 1. 94 8. 431.31, [ ]

Kofides iterval for populatios adele, p, for store stikprøver Estimatore af populatios adele, p, er stikprøve adele, pˆ. Hvis stikprøve størrelse er stor, så er pˆ approksimativ ormal fordelt, med E( pˆ) p og pq V( pˆ), hvor q(1- p). Når populatio adele er ukedt, bruges de estimerede værdi, pˆ. E stikprøve er stor ok, år både p og q er større ed 5. Et (1-)100% kofides iterval for populatios adele, p, er givet ved: ˆ ˆ p± ˆ z pq hvor stikprøve adele, pˆ, er lig med atallet af succes'er i stikprøve,, divideret med atallet af forsøg (stikprøve størrelse),, og qˆ 1-pˆ.

Eksempel 6-4 Hvor Hvor stor stor e e adel har har udeladske firmaer af af det det amerikaske marked for for et et eller eller adet produkt. E E stikprøve på på100 forbrugere udtages og og 34 34 af af disse disse bruger det det udeladske produkt; reste bruger det det amerikaske produkt. Giv Giv et et 95% 95% kofides iterval for for adele af af brugere af af udeladske produkter. p$ pq $$ 034)(. 066) ± z 034. ± 196. 100 034. ± ( 196. )( 004737. ) 0. 34 ± 0. 098 [ 0. 47, 0. 438]

Kofides iterval for populatios variase: Chi i ade (χ ) fordelige Stikprøve variase, s², er e cetral estimator for populatios variase ². Kofides itervaller for populatios variase baseres på χ fordelige. χ fordelige er sadsyligheds fordelige for e sum af uafhægige kvadrerede stadard ormal fordelte stokastiske variable. Middelværdie er lig med atallet af frihedsgrade, E(X)df Variase er lig med to gage atallet af frihedsgrader, V(X)df

χ fordelige E χ fordelt stokastisk variabel ka ikke være egativ, så de er begræset af 0 til vestre. Fordelige er højre skæv. Fordelige går mod ormal fordelige, år atallet af frihedsgrader vokser. Hvis stikprøve er taget fra e ormal fordelig, f ( χ ) Chi-Square Distributio: df10, df30, df50 0.10 0.09 df 10 0.08 0.07 0.06 0.05 df 30 0.04 0.03 df 50 0.0 0.01 0.00 0 50 100 χ så er de stokastisk e variabel : χ ( 1) s χ fordelt med ( -1) frihedsgra der.

Sadsyligheder i χ fordelige Areal i højre hale.995.990.975.950.900.100.050.05.010.005 Areal i vestre hale df.005.010.05.050.100.900.950.975.990.995 1 0.0000393 0.000157 0.00098 0.000393 0.0158.71 3.84 5.0 6.63 7.88 0.0100 0.001 0.0506 0.103 0.11 4.61 5.99 7.38 9.1 10.60 3 0.0717 0.115 0.16 0.35 0.584 6.5 7.81 9.35 11.34 1.84 4 0.07 0.97 0.484 0.711 1.06 7.78 9.49 11.14 13.8 14.86 5 0.41 0.554 0.831 1.15 1.61 9.4 11.07 1.83 15.09 16.75 6 0.676 0.87 1.4 1.64.0 10.64 1.59 14.45 16.81 18.55 7 0.989 1.4 1.69.17.83 1.0 14.07 16.01 18.48 0.8 8 1.34 1.65.18.73 3.49 13.36 15.51 17.53 0.09 1.95 9 1.73.09.70 3.33 4.17 14.68 16.9 19.0 1.67 3.59 10.16.56 3.5 3.94 4.87 15.99 18.31 0.48 3.1 5.19 11.60 3.05 3.8 4.57 5.58 17.8 19.68 1.9 4.7 6.76 1 3.07 3.57 4.40 5.3 6.30 18.55 1.03 3.34 6. 8.30 13 3.57 4.11 5.01 5.89 7.04 19.81.36 4.74 7.69 9.8 14 4.07 4.66 5.63 6.57 7.79 1.06 3.68 6.1 9.14 31.3 15 4.60 5.3 6.6 7.6 8.55.31 5.00 7.49 30.58 3.80 16 5.14 5.81 6.91 7.96 9.31 3.54 6.30 8.85 3.00 34.7 17 5.70 6.41 7.56 8.67 10.09 4.77 7.59 30.19 33.41 35.7 18 6.6 7.01 8.3 9.39 10.86 5.99 8.87 31.53 34.81 37.16 19 6.84 7.63 8.91 10.1 11.65 7.0 30.14 3.85 36.19 38.58 0 7.43 8.6 9.59 10.85 1.44 8.41 31.41 34.17 37.57 40.00 1 8.03 8.90 10.8 11.59 13.4 9.6 3.67 35.48 38.93 41.40 8.64 9.54 10.98 1.34 14.04 30.81 33.9 36.78 40.9 4.80 3 9.6 10.0 11.69 13.09 14.85 3.01 35.17 38.08 41.64 44.18 4 9.89 10.86 1.40 13.85 15.66 33.0 36.4 39.36 4.98 45.56 5 10.5 11.5 13.1 14.61 16.47 34.38 37.65 40.65 44.31 46.93 6 11.16 1.0 13.84 15.38 17.9 35.56 38.89 41.9 45.64 48.9 7 11.81 1.88 14.57 16.15 18.11 36.74 40.11 43.19 46.96 49.65 8 1.46 13.56 15.31 16.93 18.94 37.9 41.34 44.46 48.8 50.99 9 13.1 14.6 16.05 17.71 19.77 39.09 4.56 45.7 49.59 5.34 30 13.79 14.95 16.79 18.49 0.60 40.6 43.77 46.98 50.89 53.67

Kofides iterval for populatios variase Et (1-)100% kofides iterval for populatios variase * (hvis populatioe er ormal fordelt) er givet som: ( ) s 1, ( 1 ) s χ χ 1 hvor er fraktile i χ fordelige og χ χ 1 er 1 fraktile. * * Note: Note: Fordi Fordi χ χ fordelige fordelige er er skæv, skæv, er er kofides kofides itervallet itervallet for for populatios populatios variase variase ikke ikke symmetrisk. symmetrisk.

Eksempel 6-5 E E maskie fylder kaffekader (med (med kaffe kaffe ;-) ;-) Hvis Hvis det det geemsitlige idhold er er forskellig fra fra hvad hvad det det skal skal være, ka ka maskie justeres. Hvis Hvis variase er er for for høj, høj, skal skal maskie sedes til til reparatio. E E stikprøve på på30 30 kader giver giver et et estimat på påss 18,540. Giv Giv et et 95% 95% kofides iterval for for populatios variase,.. ( ), ( ) 1 s 1 s ( )18540, ( )18540 30 1 30 1 457.. χ χ 16 0 1 [ 11765, 33604]

Eksempel Areal i højre hale df.995.990.975.950.900.100.050.05.010.005................................. 8 1.46 13.56 15.31 16.93 18.94 37.9 41.34 44.46 48.8 50.99 9 13.1 14.6 16.05 17.71 19.77 39.09 4.56 45.7 49.59 5.34 30 13.79 14.95 16.79 18.49 0.60 40.6 43.77 46.98 50.89 53.67 Chi-Square Distributio: df 9 0.06 0.05 0.04 0.95 f(χ ) 0.03 0.0 0.01 0.05 0.05 0.00 0 10 χ 0. 975. 0 30 40 50 60 χ.. 16 05 χ 0 05 457 70

Bestemmelse af stikprøve størrelse Midste stikprøve størrelse,år μ estimeres: z B hvor B er de maksimale græse for, hvor lagt estimatet må ligge fra de sade middelværdi (med kofides iveau). For populatios adele er de givet ved: z pq B Hvis p ukedt bruges p 0.5, da det giver de største stikprøve størrelse(og er altså et koservativt gæt).

Eksempel 6-6 Hvor Hvor mage pege bruger e e perso geemsitligt på pået et ferie ferie sted? sted? Skal Skal bestemmes idefor plus, plus, mius $10, med med 95% 95% sikkerhed. Fra Fra tidligere udersøgelser ved ved ma ma at at populatio stadard deviatio is is $400. Hvor Hvor stor stor skal skal stikprøve midst være? z B (. 196)( 400) 10 4. 684 43

Eksempel 6-7 Hvor Hvor mage folk folk i i e e give idkomst klasse er er iteresseret i i e e bestemt bil? bil? Skal Skal bestemmes idefor plus plus mius 0.01 0.01 med med 99% 99% sikkerhed. Gæt Gæt på påat at p er er omkrig 0.5. 0.5. Hvad er er de de midste stikprøve størrelse? z pq B 576 05 075. (. )(. ) 010. 14.4 15