Grundlägande statistik,ht 09, AN

Slides:



Advertisements
Liknande presentationer
Punkt- och intervallskattning Felmarginal
Advertisements

F3 Matematikrep Summatecknet Potensräkning Logaritmer Kombinatorik.
Point Estimation Dan Hedlin
FL4 732G70 Statistik A Detta är en generell mall för att göra PowerPoint presentationer enligt LiUs grafiska profil. Du skriver in din rubrik,
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.
Numeriska beräkningar i Naturvetenskap och Teknik
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)
Ämnen Följer kapitlen i boken
Statistikens grunder, 15p dagtid
Statistikens grunder, 15p dagtid
Mer avancerad analys Vad kan nu vara mer avancerat?
Tillämpad statistik Naprapathögskolan
Felkalkyl Ofta mäter man inte direkt den storhet som är den intressanta, utan en grundläggande variabel som sedan används för att beräkna det som man är.
Dagens ämnen Vektorrum Underrum Linjärt hölje
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
Det finns i V en operation kallad addition, betecknad + sådan att
Centrala Gränsvärdessatsen:
FK2002,FK2004 Föreläsning 2.
Föreläsning 81 Sampling och urval Ofta möter vi påståenden av typen “4.5 miljoner svenskar såg VM-finalen i fotboll”, “en svensk tolvåring väger i genomsnitt.
732G22 Grunder i statistisk metodik
Övningsexempel till Kapitel 4
Binomialsannolikheter ritas i ett stolpdiagram
Egenskaper för punktskattning
Statistik för internationella civilekonomer
Täthetsfunktion f(x) (”pdf”) Och fördelningsfunktion F(x) (”cdf”)
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.
Normalfördelningen och centrala gränsvärdessatsen
Matematisk statistik och signal-behandling - ESS011 Föreläsning 3 Igor Rychlik 2015 (baserat på föreläsningar av Jesper Rydén)
F8 Hypotesprövning. Begrepp
732G22 Grunder i statistisk metodik
F8 Hypotesprövning. Begrepp
Grundläggande statistik ht 09, AN
Mål Matematiska modeller Biologi/Kemi Datorer muntlig presentation
Fysikexperiment 5p Föreläsning Utdrag ur Sten Hellmans föreläsning i Experimentella Metoder 2005 I allmänhet är den asymptotiska fördelningen.
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
Grundläggande statistik, ht 09, AN
Dagens ämnen Maclaurins formel Taylors formel Restterm i ordo-form
Grundläggande statistik, ht 09, AN1 F6 Slumpmässigt urval 1. Population där X är diskret med fördelningen p(x). Medelvärdet μ och variansen σ². Observationer:
1 Normalfördelningsmodellen. 2 En modell är en förenklad beskrivning av någon del av verkligheten. Beskrivningen måste vara relevant för det vi skall.
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.
Deskription Normalfördelningsmodellen 1. 2 En modell är en förenklad beskrivning av någon del av verkligheten. Beskrivningen måste vara relevant för det.
1 Icke-linjär regression Sid (i kapitel 16.1)
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)
Diskreta slumpvariabler. Stokastiskvariabel En slumpvariabel (stokastisk variabel) är en Funktion eller regel som tilldelar ett tal till varje Utfall.
1. Kontinuerliga variabler
Sannolikhet och statistik Tabell Används för att ge en bra överblick av svaren man fått in, datan. Består av rader och kolumner. Frekvens Är hur många.
Regression Har långa högre inkomst?. Världsrekord på engelska milen.
Enkel Linjär Regression. 1 Introduktion Vi undersöker relationer mellan variabler via en matematisk ekvation. Motivet för att använda denna teknik är:
Lite matterepetition Räknesätten, bråk, förkorta, parenteser
Icke-linjära modeller:
Filosofisk logik Kapitel 15
Workshop Arbetsplatslärande.
2013 HT, dagtid Statistiska institutionen
Statistikens grunder, 15p dagtid
Grundl. statistik F2, ht09, AN
Grundläggande begrepp
Y 5.3 Kombinatorik Kombinationer
Presentationens avskrift:

Grundlägande statistik,ht 09, AN F5 Kombinatorik (KW 1.6) Ex.: På en matsedel finns tre förrätter, två huvudrätter och två efterrätter. På hur många olika sätt kan en trerätters måltid komponeras? Svar: Illustration: Träddiagram Grundlägande statistik,ht 09, AN

F5 Kombinatorik (forts) Man ska utföra k st operationer. Den första kan utföras på n1 sätt, den andra på n2 sätt o.s.v. Multiplikationsprincipen: Totala antalet sätt att utföra de k operationerna i tur och ordning är: n1 × n2 × … × nk Grundlägande statistik,ht 09, AN

F5 Kombinatorik (forts.) n olika element kan permuteras (ordnas) på n·(n-1)·(n-2)·,,,·3·2·1=n! olika sätt. n! kallas ”n-fakultet” 1! = 1 2! = 2·1 = 2 etc. Man definierar 0! = 1 Grundlägande statistik,ht 09, AN

F5 Kombinatorik (forts.) Ordnade delmängder En mängd består av N element, av dem väljer vi n. Antalet ordnade delmängder är N·(N-1) ·,,, ·(N-(n-1)) Kan skrivas som T ex N=5. Vi kan då välja n=3 av dem på 5·4·3 = 60 olika sätt. Om vi inte tar hänsyn till ordningen blir antalet sätt Detta kallas kombinationer och skrivs som uttalas ”N över n” Grundlägande statistik,ht 09, AN

F5 Räkneregler för väntevärde och varians Antag att vi vet väntevärde och varians för slumpvariabeln X. Vi definierar en ny slumpvariabeln Y som är en linjär funktion av X. Om Y = a + b·X, så gäller att E(Y) = E(a + b·X) = a + b·E(X) Var(Y) = Var(a + b·X) = b²·Var(X) Ex. X är temp. mätt i grader Celsius. Y är temp. mätt i grader Fahrenheit Då gäller att Y = 9/5·X+32 E(Y)=? Var(Y)=? Grundlägande statistik,ht 09, AN

F5 Väntevärde och varians för summor mm. X och Y är två stokastiska variabler. E(X + Y) = E(X) + E(Y) E(X – Y) = E(X) – E(Y) Var(X + Y) = Var(X) + Var(Y) + 2Cov(X, Y) Var(X – Y) = Var(X) + Var(Y) – 2Cov(X, Y) Specialfall: X och Y okorrelerade. Då är Var(X + Y) = Var(X) + Var(Y) Var(X – Y) = Var(X) + Var(Y) OBS om X och Y oberoende så är de också okorrelerade, dvs Cov = 0. Grundlägande statistik,ht 09, AN

F5 Kontinuerliga stokastiska variabler En kontinuerlig stokastisk variabel kan anta alla värden i ett intervall. Sannolikhetsfördelningen för en kontinuerlig slumpvariabel, X, beskrivs genom en s.k. en funktion f(x), som brukar kallas täthetsfunktion. f(x) ≥ 0 för alla x. Hela ytan under f(x) är lika med 1. P(a ≤X ≤ b) = ytan under f(x) mellan a och b. P(X=a) = 0. (Ytan över en punkt är lika med 0.) Slutna, halvöppna och öppna intervall har samma sannolikhet. Dvs. P(a ≤X ≤ b)= P(a <X ≤ b) = P(a ≤X < b) = P(a < X < b) Grundlägande statistik,ht 09, AN

Grundlägande statistik,ht 09, AN F5 Normalfördelningen Vad vi i praktiken behöver veta om normalfördelningens egenskaper är · fördelningen bestäms helt av μ och σ. · utfallsrummet är hela talaxeln. · fördelningen är symmetrisk kring μ . Svår att härleda men enkel att hantera Många fördelningar kan approximeras med normalfördelningen, t ex binomialfördelningen när n är stort Detta bygger på centrala gränsvärdessatsen. Grundlägande statistik,ht 09, AN