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

Relaterede dokumenter
L komponent produceret i linie 1

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

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

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

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

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

Hvorfor n-1 i stikprøvevariansen?

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

Supplement til sandsynlighedsregning og matematisk statistik

Kogebog: 5. Beregn F d

BEVISER TIL KAPITEL 7

Repetition. Forårets højdepunkter

Simpel Lineær Regression - repetition

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

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

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

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

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

Pearsons formel for χ 2 test. Den teoretiske forklaring

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

Den stokastiske variabel X angiver levetiden i timer for en elektrisk komponent. Tæthedsfunktionen for den stokastiske variabel er givet ved

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

SUPPLEMENT til Anvendt statistik

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

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

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

Variansanalyse. på normalfordelte observationer af Jens Friis

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

Løsninger til kapitel 7

x-klasserne Gammel Hellerup Gymnasium

Afsnit , Hypotesetest for en varians... 19

Lineære Normale Modeller

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.

Elementær Matematik. Sandsynlighedsregning

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

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

Sandsynlighedsfordelinger for kontinuerte data på interval/ratioskala

Analyse af bivariate data: korrelation og regression. korrelation. Korrelation og regression: Co-varians:

Induktionsbevis og sum af række side 1/7

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

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

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

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

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

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

Kvantitative metoder 2

Kontrol af udledninger ved produktion af ørred til havbrugsfisk

antal gange krone sker i første n kast = n

Stikprøvefordelinger og konfidensintervaller

9. Binomialfordelingen

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

Statistik ved Bachelor-uddannelsen i folkesundhedsvidenskab

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

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

DLU med CES-nytte. Resumé:

Økonometri lektion 7 Multipel Lineær Regression. Testbaseret Modelkontrol

Brugen af R 2 i gymnasiet

Diskrete og kontinuerte stokastiske variable

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

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

1.0 FORSIKRINGSFORMER

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

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

Indeks over udviklingen i biltrafikken i Danmark

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

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

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

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

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

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

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

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

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

Anvendt Statistik Lektion 10. Regression med både kvantitative og kvalitative forklarende variable Modelkontrol

Konfidens intervaller

Statikstik II 3. Lektion. Multipel Logistisk regression Generelle Lineære Modeller

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

Binomialfordelingen: april 09 GJ

Rettevejledning til Økonomisk Kandidateksamen 2006I, Økonometri 1

Supplerende noter II til MM04

1 Løsning og mindste kvadraters løsninger af lineære ligningssystemer

Kvantitative metoder 2

Den flerdimensionale normalfordeling

Mikroøkonomi, matematik og statistik Eksamenshjemmeopgave december 2007

Regressionsmodeller. Kapitel Ikke-lineær regression

Statistik Lektion 15 Mere Lineær Regression. Modelkontrol Prædiktion Multipel Lineære Regression

Estimation ved momentmetoden. Estimation af middelværdiparameter

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

χ 2 -fordelte variable

Estimation og test i normalfordelingen

Anvendt Statistik Lektion 10. Regression med både kvantitative og kvalitative forklarende variable Modelsøgning Modelkontrol

Motivation. En tegning

Sammenligning af to grupper

SUPPLEMENT til Matematiske Grundbegreber

Renteformlen. Erik Vestergaard

Regressions modeller Hvad regresserer vi på og hvorfor?

Analyse 1, Prøve maj 2009

Kvalitet af indsendte måledata

Statistik II Lektion 4 Generelle Lineære Modeller. Simpel Lineær Regression Multipel Lineær Regression Flersidet Variansanalyse (ANOVA)

Transkript:

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 E A A E A A... E A A kedes A og,,,, ka A E E A bestemmes.

Statstk. gag Eksempel 6-: efekte kompoeter e produkto L kompoet produceret le L kompoet produceret le L L kompoet produceret le 3 A defekt kompoet E Gvet: L L L 3. L. L.. kompoet er fra le.3 kompoet er fra le.5 kompoet er fra le 3 L 3 L L L L L 3 L 3....3..5.5 efektrate le 3 øskes sæket.

Statstk. gag 3 et atages subjektvt, at defektrate for le 3 fordeler sg således: ½½½½½½ p pror fordelg af efekt Le 3 L 3 mddelværd p..45..43.4.5.6.4.8..9..

Statstk. gag 4 Atag: kompoet fra le 3 testes med resultatet: defekt Opdateret posteror fordelg af L 3 : L 3 og defekt kompoet ' ' p. defektsadsylghed for le 3 p.test resultat : defekt kompoet E A A p p.45. A E.5.43. '..5.4 '.4...4.6 '.6....8 '.8....9 '.9.. E.. 43 8 45.

Statstk. gag 5..5..43.4..6..8.8.9.45. 35 stger da defekt kompoet observeres Atag: æste testede kompoet fra le 3: defekt: Atag: æste testede kompoet fra le 3: kke defekt: N ' p defektsadsylghed for le 3 p.test resultat : kompoet OK p p p p j j p p p N p

Statstk. gag 6

Statstk. gag 7.3 Bayes estmerg af parametre a skret parameter : ukedt parameter stokastsk varabel ror, subjektvt:,,,, Objektv formato: ε osteror fordelg: ' ε ε ε ε... ε Forvetgsværd: E[ ] Opdateret forvetgsværd: E[ ε] '

Statstk. gag 8 Eksempel: er e parameter e fordelgsfukto for stokastsk varabel f.eks. mddelværd F pror ' ' F ε posteror Hvs observeres fås som posteror fordelg: ' F j j j

Statstk. gag 9 Eksempel 6-: varghed af byggefase pror fordelg af forvetgsværd af varghed : pror forvetgsværd af : E [ ] 5. 6. 7. 8.3 9.. 7.7 dage : varghed af byggefase: epoetal fordelt med forvetgsværd

Statstk. gag.65....74.8. 8 ep.... 6 8 ep. 5 8 ep 8 ep 8 8 5 Observato: tlsvarede aktvtet er afsluttet på mdre ed 8 dage posteror sadsylgheder: 8 8 8 8 8 ' F j j j..65.8 5 '

Statstk. gag.74 '6.65 '7 '8 '9 '.9.9.8.84.3 E [] 7.55 dage posteror og 8 8 '.66 posteror

Statstk. gag b Kotuert parameter ror: f osteror: f f ε f ' f L L d L E Lkelhood fukto sadsylghed for observato gvet parameter E [ ] f d pror forvetgsværd E [ ε ] f ' d posteror forvetgsværd Tlsvarede for hædelse: f d f ' pror f F f pror f d F f d ' ε f ' d opdateret

Statstk. gag 3 Eksempel 6-3 varghed af byggefase ror forvetet varghed pror forvetgsværd af : E [ ].d 7.5 dage 5 : varghed af byggefase: epoetal fordelt med forvetgsværd 8 8 F f d ep.d.666 5 Observato: tlsvarede aktvtet er afsluttet på mdre ed 8 dage

Statstk. gag 4 Lkelhood fukto: L 8 F 8 ep posteror sadsylgheder: 8 ep f f ' 8 ep f 5 d 8 ep..666.3 ep 8 E[ ε ] f ' d 7.33 dage 5 8ε F 5 8 f ep 5.67 dage ' d 8.3 ep 8 d

Statstk. gag 5 6.4 Bayes statstk er ormalfordelt med ukedt mddelværd og kedt spredg, : N pror for :, N f posteror for : d L f L f f ' Lkelhood fukto: L sadsylghed for observato gvet parameter Observato:,...,, uafhægge L ep... π

Statstk. gag 6 posteror fordelg: ' ', ' N f ' ' kofdesterval for : pror: / / α α z z posteror: ' ' ' ' / / α α z z

Statstk. gag 7 Eksempel 6-4: betostyrker Ekssterede kostrukto: 5 år styrke: : N, 4 ps kedt Gamle dokumeter erfa: ror for : 3 ps 3 ps Forsøg: 3 5 ps osteror for : 35 3 3 4 ' 3 4 3 4 ' 3 5857 3 4 3 45

Statstk. gag 8 Kofdestervaller for med kofdesveau γ α 95% : pror: z α / zα / 3.96 3 3.96 3 4 3 588 posteror: ' z α / ' ' zα / ' 345.96 7 345.96 7 3 97 3 653

Statstk. gag 9 er ormalfordelt med ukedt mddelværd og ukedt spredg : N, pror for : Normal fordelg pror for : Gamma fordelg pror stkprøvestørrelse: N pror mddelværd: pror varas: S Observato:, uafhægge,..., og S posteror for : posteror for : Normal fordelg Gamma fordelg posteror stkprøvestørrelse: posteror mddelværd: posteror varas: ' N N ' ' S S ' N ' S ' '