Løsninger til kapitel 11. Opgave 11.1 a) I Excel-udskriften ses bl.a. p-værdien for testen med nulhypotesen.

Relaterede dokumenter
Løsninger til kapitel 9

Trin 1: Formuler hypotese Spørgsmål der ønskes testet vha. data H 0 : Nul hypotese Formuleres som en ligheds hændelse

Løsninger til kapitel 14

To-sidet varians analyse

Program. 1. ensidet variansanalyse. 2. forsøgsplanlægning: blocking. 1/12

k UAFHÆNGIGE grupper Oversigt 1 Intro eksempel 2 Model og hypotese 3 Beregning - variationsopspaltning og ANOVA tabellen 4 Hypotesetest (F-test)

Hvis α vælges meget lavt, bliver β meget stor. Typisk vælges α = 0.01 eller 0.05

Forelæsning 11: Envejs variansanalyse, ANOVA

Kompendium over testteorien

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

Løsning eksamen d. 15. december 2008

Multipel regression. Data fra opgave 3 side 453: Multipel regressionsmodel: Y = α + β 1 x 1 + β 2 x 2 + ǫ. hvor ǫ N(0, σ 2 ).

Vejledende besvarelse af eksamen i Statistik for biokemikere, blok

Oversigt. Kursus Introduktion til Statistik. Forelæsning 9: Inferens for andele (kapitel 10) Per Bruun Brockhoff

Institut for Matematiske Fag Matematisk Modellering 1 UGESEDDEL 6

Løsning til eksaminen d. 29. maj 2009

C) Perspektiv jeres kommunes resultater vha. jeres svar på spørgsmål b1 og b2.

Ikke-parametriske metoder. Repetition Wilcoxon Signed-Rank Test Kruskal-Wallis Test Friedman Test Chi-i-anden Test

1 Hb SS Hb Sβ Hb SC = , (s = )

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

β = SDD xt SSD t σ 2 s 2 02 = SSD 02 f 02 i=1

Kapitel 12 Variansanalyse

Oversigt. Kursus Introduktion til Statistik. Forelæsning 12: Variansanalyse. Per Bruun Brockhoff. Envejs variansanalyse - eksempel

Kapitel 12 Variansanalyse

Statistik Lektion 20 Ikke-parametriske metoder. Repetition Kruskal-Wallis Test Friedman Test Chi-i-anden Test

STATISTIKNOTER Simple multinomialfordelingsmodeller

Opgave 10.1, side 282 (for 6. og 7. ed. af lærerbogen se/løs opgave 9.1)

Indhold. 2 Tosidet variansanalyse Additive virkninger Vekselvirkning... 9

02402 Vejledende løsninger til Splus-opgaverne fra hele kurset

Kursus Introduktion til Statistik. Forelæsning 12: Variansanalyse. Per Bruun Brockhoff

Løsning til eksaminen d. 14. december 2009

Anvendt Statistik Lektion 6. Kontingenstabeller χ 2- test [ki-i-anden-test]

Eksamen i Statistik for biokemikere. Blok

Program: 1. Repetition: p-værdi 2. Simpel lineær regression. 1/19

Ensidet eller tosidet alternativ. Hypoteser. tosidet alternativ. nul hypotese testes mod en alternativ hypotese

Oversigt. 1 Intro: Regneeksempel og TV-data fra B&O. 2 Model og hypotese. 3 Beregning - variationsopspaltning og ANOVA tabellen

Modul 11: Simpel lineær regression

Model. k = 3 grupper: hvor ǫ ij uafhængige og normalfordelte med middelværdi nul og varians σi 2, i = 1,2,3.

Dagens Emner. Likelihood-metoden. MLE - fortsat MLE. Likelihood teori. Lineær regression (intro) Vi har, at

Besvarelser til øvelsesopgaver i uge 6

Modul 12: Regression og korrelation

Side 1 af 19 sider. Danmarks Tekniske Universitet. Skriftlig prøve: 15. december 2007 Kursus navn og nr: Introduktion til Statistik, 02402

Anvendt Statistik Lektion 9. Variansanalyse (ANOVA)

Løsning til eksamen d.27 Maj 2010

3.600 kg og den gennemsnitlige fødselsvægt kg i stikprøven.

Rentesregning: Lektion A1. Forrentningsfaktor, Diskonteringsfaktor, og Betalingsrækker. Overordnede spørgsmål i Rentesregning. Peter Ove Christensen

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

Forelæsning 9: Inferens for andele (kapitel 10)

Vejledende eksamensopgaver vedr. hypotesetest (stx B og stx A)

Logistisk Regression. Repetition Fortolkning af odds Test i logistisk regression

1 Ensidet variansanalyse(kvantitativt outcome) - sammenligning af flere grupper(kvalitativ

Naturvidenskabelig Bacheloruddannelse Forår 2006 Matematisk Modellering 1 Side 1

Logistisk Regression. Repetition Fortolkning af odds Test i logistisk regression

Anvendt Statistik Lektion 8. Multipel Lineær Regression

Tema. Dagens tema: Indfør centrale statistiske begreber.

grupper(kvalitativ exposure) Variation indenfor og mellem grupper F-test for ingen effekt AnovaTabel Beregning af p-værdi i F-fordelingen

5.11 Middelværdi og varians Kugler Ydelse for byg [Obligatorisk opgave 2, 2005]... 14

Løsninger til kapitel 12

Anvendt Statistik Lektion 9. Variansanalyse (ANOVA)

Kapitel 7 Forskelle mellem centraltendenser

Peter Harremoës Mat A eksamen med hjælpemidler 15. december f (x) = 0. 2x + k 1 x = 0 2x 2 + k = 0 2x 2 = k x 2 = k 2. k 2.

NATURVIDENSKABELIG KANDIDATEKSAMEN VED KØBENHAVNS UNIVERSITET.

Module 12: Mere om variansanalyse

Module 4: Ensidig variansanalyse

n r x rs x r = 1 n r s=1 (x rs x r ) 2, s=1

Statistik ved Bachelor-uddannelsen i folkesundhedsvidenskab. Uafhængighedstestet

Statistik Formelsamling. HA Almen, 1. semester

Anvendt Statistik Lektion 7. Simpel Lineær Regression

MLR antagelserne. Antagelse MLR.1:(Lineære parametre) Den statistiske model for populationen kan skrives som

Økonometri lektion 5 Multipel Lineær Regression. Inferens Modelkontrol Prædiktion

(studienummer) (underskrift) (bord nr)

Tema. Model og modelkontrol ( Fx. en normalfordelt obs. række m. kendt varians) Estimation af parametre. Fordeling. Hypotese og test. Teststørrelse.

Om hypoteseprøvning (1)

Den lineære normale model

(studienummer) (underskrift) (bord nr)

Peter Harremoës Matematik A med hjælpemidler 15. december 2016 = 25 = x = = 10 2 =

Kursus 02323: Introducerende Statistik. Forelæsning 12: Forsøgsplanlægning. Peder Bacher

Anvendt Statistik Lektion 5. Sammenligning af to grupper * Sammenligning af middelværdier * Sammenligning af andele

Landmålingens fejlteori - Lektion4 - Vægte og Fordeling af slutfejl

Program. 1. Repetition 2. Fordeling af empirisk middelværdi og varians, t-fordeling, begreber vedr. estimation. 1/18

Forelæsning 11: Tovejs variansanalyse, ANOVA

Vægte motiverende eksempel. Landmålingens fejlteori - Lektion4 - Vægte og Fordeling af slutfejl. Vægtet model. Vægtrelationen

Løsninger til kapitel 6

1 Statistisk inferens: Hypotese og test Nulhypotese - alternativ Teststatistik P-værdi Signifikansniveau...

(studienummer) (underskrift) (bord nr)

Vejledende besvarelser til opgaver i kapitel 14

men nu er Z N((µ 1 µ 0 ) n/σ, 1)!! Forkaster hvis X 191 eller X 209 eller

Nanostatistik: Konfidensinterval

02402 Løsning til testquiz02402f (Test VI)

Forelæsning 5: Kapitel 7: Inferens for gennemsnit (One-sample setup)

k normalfordelte observationsrækker (ensidet variansanalyse)

Sandsynlighedsfordelinger for kontinuerte data på interval/ratioskala

(studienummer) (underskrift) (bord nr)

Sidste gang: One-way(ensidet)/one-factor ANOVA I dag: Two-factor ANOVA (Analysis of variance) Two-factor ANOVA med interaktion

(studienummer) (underskrift) (bord nr)

Anvendt Statistik Lektion 5. Sammenligning af to grupper * Sammenligning af middelværdier * Sammenligning af andele

Nanostatistik: Opgavebesvarelser

Normalfordelingen. Det centrale er gentagne målinger/observationer (en stikprøve), der kan beskrives ved den normale fordeling: 1 2πσ

Hvad skal vi lave? Nulhypotese - alternativ. Teststatistik. Signifikansniveau

Reeksamen i Statistik for biokemikere. Blok

Transkript:

Løsninge til kapitel Opgave. a) I Excel-udskiften ses bl.a. p-vædien fo testen med nulhypotesen. Det ses, at denne p-vædi e på, og da dette e minde end signifikansniveauet på %, så konkludes det, at gennemsnittene af vikningene af de te vækstfemmee e signifikant foskellige. b) Foudsætningen fo denne test e dels, at de te stikpøve skal stamme fa nomalfodelinge, dels at de e vaianshomogenitet:. Den føste foudsætning kontollees ved at tegne nomalfaktildiagamme fo hve af de te stikpøve: A B C Idet punktene i alle te diagamme ligge jævnt fodelt omking den ette linje, så kan det godt antages, at de e tale om nomalfodelinge i alle te tilfælde.

Løsninge til kapitel Batletts test fo vaianshomogenitet gennemføes i HypoStat: n i Σx i x i s i SS (n ) s total = A 8 393 399, 49,679 SSE = Σ(n i ) s i = B 8 30 38,37 8,407 SSTR = SST SSE C 8 33 48,87 84,98 MSTR = SSTR/( ) = Total 4 99 399,797 40,7373 MSE = SSE/(n ) = 939,9 8 3609,6 630,33 3 8,6 7 7,886 9 3 Batletts test H 0 :Alle μ i e ens α = 0,0 H 0 :Alle σ i e ens α = 0,0 H :Ikke alle μ i e ens H :Ikke alle σ i e ens Nomalfodelte populatione. Uafhængighed. Ens vaianse Nomalfodelte populatione. Uafhængighed. Teststøels e MSTR MSE Teststøelse ( n ) ln( MSE) ( ni ) ln( si ) i_ 6,3780 + 3( ) i= ni n 0,09047 Beslutningsegel Beslutningsegel Fokast H 0, hvis T > F (-), (n-),α 3,4668 P-vædi,7E 0 Fokast H 0, hvis T > χ (R-), α =,9946 Det ses, at nulhypotesen om vaianshomogenitet ikke kan fokastes.

Løsninge til kapitel Opgave. a) I Excel-udskiften ses bl.a. p-vædien fo testen med nulhypotesen. Det ses, at denne p-vædi e på, og da dette e minde end signifikansniveauet på %, så konkludes det, at de gennemsnitlige salg fo de te placeinge e signifikant foskellige. b) Foudsætningen fo denne test e dels, at de te stikpøve skal stamme fa nomalfodelinge, dels at de e vaianshomogenitet:. Den føste foudsætning kontollees ved at tegne nomalfaktildiagamme fo hve af de te stikpøve: Lav middel høj Idet punktene i alle te diagamme ligge jævnt fodelt omking den ette linje, så kan det godt antages, at de e tale om nomalfodelinge i alle te tilfælde. 3

Løsninge til kapitel Batletts test fo vaianshomogenitet gennemføes i HypoStat: n i Σx i x i s i SS (n ) s total = 688 Lav 8 648 8 3,486 SSE = Σ(n i ) s i = 88,7 Middel 8 77 90,87 6,9843 SSTR = SST SSE 399, Høj 8 677 84,6, MSTR = SSTR/( ) = 99,6 Total 4 0 8, 9,9304 MSE = SSE/(n ) = 3,7 3 Batletts test H 0 :Alle μ i e ens α = 0,0 H 0 :Alle σ i e ens α = 0,0 H :Ikke alle μ i e ens H :Ikke alle σ i e ens Nomalfodelte populatione. Uafhængighed. Ens vaianse Nomalfodelte populatione. Uafhængighed. Teststøels e MSTR MSE Teststøelse ( n ) ln( MSE) ( ni ) ln( si ) i_ 4,8 + 8 3( ) i= ni n,933 Beslutningsegel Beslutningsegel Fokast H 0, hvis T > F (-), (n-),α 3,4668 P-vædi 0,000 Fokast H 0, hvis T > χ (R-), α =,9946 Det ses, at nulhypotesen om vaianshomogenitet ikke kan fokastes. 4

Løsninge til kapitel Opgave.3 a) I Excel-udskiften ses bl.a. p-vædien fo testen med nulhypotesen. Det ses, at denne p-vædi e på, og da dette e minde end signifikansniveauet på %, så konkludees det, at gennemsnittene af bugen af patoutkotene på de te type dage e signifikant foskellige. b) Foudsætningen fo denne test e dels, at de te stikpøve skal stamme fa nomalfodelinge, dels at de e vaianshomogenitet:. Den føste foudsætning kontollees ved at tegne nomalfaktildiagamme fo hve af de te stikpøve: Feiedage Fidage Abejdsdage Idet punktene i alle te diagamme ligge jævnt fodelt omking den ette linje, så kan det godt antages, at de e tale om nomalfodelinge i alle te tilfælde.

Løsninge til kapitel Batletts test fo vaianshomogenitet gennemføes i HypoStat: n i Σx i x i s i SS (n ) s total = 86, 4 Feiedage 0 6689 668,9 84,9889 SSE = Σ(n i ) s i = 7867, Fidage 0 6 6, 434,06 SSTR = SST SSE 0393, 9 Abejdsdage 0 4993 499,3, MSTR = SSTR/( ) = 796,9 3 9,388 Total 30 7837 94,667 47,89 MSE = SSE/(n ) = 9 3 Batletts test H 0 :Alle μ i e ens α = 0,0 H 0 :Alle σ i e ens α = 0,0 H :Ikke alle μ i e ens H :Ikke alle σ i e ens Nomalfodelte populatione. Uafhængighed. Ens vaianse Nomalfodelte populatione. Uafhængighed. Teststøels e MSTR MSE Teststøelse ( n ) ln( MSE) ( ni ) ln( si ) i_ 8,063 + 8 3( ) i= ni n,6894 Beslutningsegel Beslutningsegel Fokast H 0, hvis T > F (-), (n-),α 3,343 P-vædi,E 8 Fokast H 0, hvis T > χ (R-), α =,9946 Det ses, at nulhypotesen om vaianshomogenitet ikke kan fokastes. 6