1 Stokastiska variabler. 2 Variabler En variabel är en egenskap hos en individ /objekt. En variabel kan, som vi tidigare sett, vara kvalitativ eller kvantitativ.

Slides:



Advertisements
Liknande presentationer
FL4 732G70 Statistik A Detta är en generell mall för att göra PowerPoint presentationer enligt LiUs grafiska profil. Du skriver in din rubrik,
Advertisements

Exempel Utifrån medicinsk erfarenhet är 5% av befolkningen smittade av ett visst virus. Ett nytt test har visat sig ge 80% av de smittade korrekt diagnos.
Statistikens grunder, 15p dagtid
FL2 732G70 Statistik A Detta är en generell mall för att göra PowerPoint presentationer enligt LiUs grafiska profil. Du skriver in din rubrik,
732G22 Grunder i statistisk metodik
F11 Olika urvalsmetoder, speciellt obundet slumpmässigt urval (OSU)
Statistikens grunder, 15p dagtid
Statistikens grunder, 15p dagtid
Jonny Karlsson INTRODUKTION TILL PROGRAMMERING Föreläsning 7 ( ) INNEHÅLL: -Klasser och instansvariabler -Tabeller av klassobjekt.
Vad ingår kursen? i korta drag
Tillämpad statistik Naprapathögskolan
Grundlägande statistik,ht 09, AN1 F5 Kombinatorik (KW 1.6) Ex.: På en matsedel finns tre förrätter, två huvudrätter och två efterrätter. På hur många olika.
Skattningens medelfel
Introduktion sannolikhet
2. Enkel regressionsanalys
Efterfrågemodeller R. D. Jonsson, Transportmodellkurs Trafikverket
Centrala Gränsvärdessatsen:
FL1 732G70 Statistik A Linköpings universitet.
En mycket vanlig frågeställning gäller om två storheter har ett samband eller inte, många gånger är det helt klart: y x För en mätserie som denna är det.
Stratifierat urval OSU är tillämpbart för (ram)populationer där ett slumpmässigt valt element är “representativt” för hela populationen Om man på förhand.
Övningsexempel till Kapitel 4
Binomialsannolikheter ritas i ett stolpdiagram
Egenskaper för punktskattning
Föreläsning 4: Sannolikhetslära
Sannolikhet Stickprov Fördelningar
Simulering Introduktion Exempel: Antag att någon kastar tärning
Föreläsning 7 Fysikexperiment 5p Poissonfördelningen Poissonfördelningen är en sannolikhetsfördelning för diskreta variabler som är mycket.
Övningsexempel till Kapitel 3 Ex 1: En familj planerar att skaffa tre barn. Sannolikheten att få en flicka är 0.47 medan sannolikheten att få en pojke.
Normalfördelningen och centrala gränsvärdessatsen
Matematisk statistik och signal-behandling - ESS011 Föreläsning 3 Igor Rychlik 2015 (baserat på föreläsningar av Jesper Rydén)
732G22 Grunder i statistisk metodik
Grundläggande statistik ht 09, AN
Forskningsmetodik Sampling och urval Hypotesprövning Lektion 9
Mål Matematiska modeller Biologi/Kemi Statistik Datorer
Fysikexperiment, 5p1 Random Walk 36 försök med Random walk med 1000 steg. Beräknad genomsnittlig räckvidd är  1000  32. Visualisering av utfallsrum.
Några allmänna räkneregler för sannolikheter
VetU termin 4 moment 3 Analysera nivåer av kalium och kreatinin Mätningar genomförda på 120 män och 120 kvinnor (tidigare studenter KI) Dagens uppgift:
Grundläggande statistik, ht 09, AN1 F6 Slumpmässigt urval 1. Population där X är diskret med fördelningen p(x). Medelvärdet μ och variansen σ². Observationer:
Forskningsmetodik lektion
1 Normalfördelningsmodellen. 2 En modell är en förenklad beskrivning av någon del av verkligheten. Beskrivningen måste vara relevant för det vi skall.
SAMBAND. Vi vill undersöka om det finns ett samband mellan tentamensresultat och genomsnittligt antal timmar/dag man studerat. Person ABCDEFGHIJ Timmar/
Deskription. Individer och variabler Individer, undersökningsobjekt – De vi undersöker. De vi gör mätningar på. Kan vara människor, men kan också vara.
Introduktion. Exempel: Till ett försök med bantningsmedlet Bantomid anmälde sig 14 personer frivilligt, alla med övervikt. De delades slumpmässigt in.
Deskription Normalfördelningsmodellen 1. 2 En modell är en förenklad beskrivning av någon del av verkligheten. Beskrivningen måste vara relevant för det.
Statistisk hypotesprövning. Test av hypoteser Ofta när man gör undersökningar så vill man ha svar på olika frågor (s.k. hypoteser). T.ex. Stämmer en spelares.
Föreläsning 4 732G81. Kapitel 4 Sannolikhetsfördelningar Sid
Statistisk inferensteori. Inledning Den statistiska inferensteorin handlar i huvudsak om att dra slutsatser från ett slumpmässigt urval (sannolikhetsurval)
Betingade sannolikheter. 2 Antag att vi kastar en tärning och noterar antalet prickar som kommer upp. Låt A vara händelsen ”udda antal prickar”, dvs.
Diskreta slumpvariabler. Stokastiskvariabel En slumpvariabel (stokastisk variabel) är en Funktion eller regel som tilldelar ett tal till varje Utfall.
En sak i taget 1. Mata in data 2. Förbered data för beräkningar 3. Beräkna 1. Börja med att testa din hypotes 2. Därefter titta på ev bakomliggande faktorer.
Kvantitativa forskningsmetoder Sociologi A VT 2015 Ilkka Henrik Mäkinen (momentansvarig)
1. Kontinuerliga variabler
Samband & Inferens Konfidensintervall Statistisk hypotesprövning –Hypotetisk –deduktiv metod Samband mellan nominal/ordinal-variabler –Chi2-test Samband.
1 Numeriska Deskriptiva Tekniker. 2 Centralmått §Vanligtvis fokuserar vi vår uppmärksamhet på två typer av mått när vi beskriver en population: l Centraläge.
1 I. Statistiska undersökningar Ett gemensamt syfte för alla undersökningar är att få ökad kunskap om ett visst problemområde Det kanske viktigaste sättet.
Korstabeller och logistisk regression Samband mellan kvalitativa variabler.
Samband & Inferens Konfidensintervall Statistisk hypotesprövning –Hypotetisk –deduktiv metod Samband mellan nominal/ordinal-variabler –Chi2-test Samband.
INFERENS & SAMBAND. population Population Stickprov, urval INFERENS = Dra slutsatser om hela populationen utifrån ett stickprov Data, observationer.
Regression Har långa högre inkomst?. Världsrekord på engelska milen.
Introduktion. 2 Vad är statistik? ”En massa siffror” Beskrivning av staten Metodlära.
Enkel Linjär Regression. 1 Introduktion Vi undersöker relationer mellan variabler via en matematisk ekvation. Motivet för att använda denna teknik är:
INFERENS OCH SAMBAND. Vi vill undersöka om det finns ett samband mellan tentamensresultat och genomsnittligt antal timmar/dag man studerat. Person ABCDEFGHIJ.
X Sannolikhet Om man kastar en sexsidig tärning kan det bli sex olika utfall. Sannolikheten är lika stor för varje utfall.
Statistikens grunder 1 (dagtid)
2013 HT, dagtid Statistiska institutionen
2013 HT, dagtid Statistiska institutionen
Vad ingår kursen? i korta drag
Grundlägande statistik,ht 09, AN
Grundl. statistik F2, ht09, AN
Grundläggande begrepp
Presentationens avskrift:

1 Stokastiska variabler

2 Variabler En variabel är en egenskap hos en individ /objekt. En variabel kan, som vi tidigare sett, vara kvalitativ eller kvantitativ. –Exempel kvalitativ: Kön, bilmärke (icke-numerisk) –Exempel kvantitativ: Längd, inkomst, körsträcka En kvantitativ variabel kan vara antingen kontinuerlig eller diskret.

3 Diskreta variabler En diskret variabel är en variabel som bara kan anta vissa (ett uppräkneligt antal) värden. Exempel: –Antalet prickar som kommer upp då man kastar en tärning. –Antal barn i en familj. –Antal fiskar i en sjö. Observera att antalet möjliga värden som variabeln kan anta inte behöver vara ändligt.

4 Kontinuerliga variabler En kontinuerlig variabel är en variabel som, inom ett visst intervall, kan anta vilka värden som helst. Exempel: –En människas längd kan vara cm, eller cm. Inom t.ex. intervallet finns det inget värde som inte kan vara en människas längd.

5 Slumpvariabler En slumpvariabel (stokastisk variabel) är en variabel vars värde bestäms av utfallet i ett slumpmässigt försök. Definition: –En stokastisk variabel är en funktion definierad på ett utfallsrum.

6 Beteckningar Vi kommer att använda stora bokstäver (ofta X eller Y) för att beteckna slumpvariabler och små bokstäver för att beteckna värden på slumpvariabler. P(X=x), eller p(x), betyder alltså ”sannolikheten att slumpvariabeln X antar värdet x”.

7 Exempel Slumpmässig försök: Kasta ett mynt 3 gånger. Utfallsrum: S={HHH, HHT, HTH, THH, HTT, THT, TTH, TTH, TTT} Stokastisk variabel: X=antal krona (H)

8 Sannolikhetsfördelningar Den modell som visar vilka värden en s.v. kan anta och sannolikheterna för dessa värden brukar kallas för variabelns sannolikhetsfördelning.

9 Exempel (forts.) Antag att myntet är skevt så att P(H)=0.6, P(T)=0.4 Det innebär att… P(X=3) = P(HHH) = 0.6×0.6×0.6=0.216 P(X=2) = P(HHT)+P(HTH)+P(THH) = 0.6×0.6× ×0.4× ×0.6×0.6= =0.432 P(X=1)= osv… xP(X=x)

10 Väntevärde och varians Sannolikhetsfördelningar för olika s.v. kan skilja sig åt på många sätt. De kan t.ex. ha olika –läge –spridning –snedhet –toppighet

11 Väntevärde Ett mått på en fördelnings läge är det förväntade värdet, eller väntevärdet. Om variabeln är diskret definieras variabelns väntevärde av

12 Variansen Som mått på spridning används ofta variansen eller standardavvikelsen. Om variabeln är diskret definieras variansen av

13 Vid beräkning av variansen är ofta följande relation användbar

14 Standardavvikelsen Standardavvikelsen för en stokastisk variabel definieras som