Grundl. statistik F2, ht09, AN

Slides:



Advertisements
Liknande presentationer
Talföljder formler och summor
Advertisements

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.
FL3 732G81 Linköpings universitet.
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)
Workshop i statistik för medicinska bibliotekarier!
Vad ingår kursen? i korta drag
Tillämpad statistik Naprapathögskolan
Procent.
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.
Sammanfatta siffrorna…
Introduktion sannolikhet
Centrala Gränsvärdessatsen:
Övningsexempel till Kapitel 4
Binomialsannolikheter ritas i ett stolpdiagram
Täthetsfunktion f(x) (”pdf”) Och fördelningsfunktion F(x) (”cdf”)
Föreläsning 4: Sannolikhetslära
Sannolikhet Stickprov Fördelningar
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)
F8 Hypotesprövning. Begrepp
732G22 Grunder i statistisk metodik
F8 Hypotesprövning. Begrepp
Grundläggande statistik ht 09, AN
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.
Matematisk statistik och signal-behandling - ESS011 Föreläsning 1 Igor Rychlik 2015 (baserat på föreläsningar av Jesper Rydén)
Några allmänna räkneregler för sannolikheter
Grundläggande statistik, ht 09, AN
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
Lite repetition och SAMBAND & INFERENS. population Population Stickprov, urval INFERENS = Dra slutsatser från data om hela populationen utifrån ett stickprov.
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.
Lite repetition och SAMBAND & INFERENS. population Population Stickprov, urval INFERENS = Dra slutsatser från data om hela populationen utifrån ett stickprov.
Deskription + enkät Mätnivån styr hur man kan analysera data Tabeller – frekvenstabeller Diagram – cirkeldiagram, stapeldiagram, histogram, boxplot Beskrivande.
Manada.se Kapitel 3 Sannolikhet och statistik. 2.
Introduktion. Exempel: Till ett försök med bantningsmedlet Bantomid anmälde sig 14 personer frivilligt, alla med övervikt. De delades slumpmässigt in.
Föreläsning 4 732G81. Kapitel 4 Sannolikhetsfördelningar Sid
Vad är Statistik? Inom statistik teorin studeras -Hur vi samlar in data. -Hur data analyseras och vilka slutsatser som kan dras från data. -Hur insamlad.
Föreläsning 1-3 Introduktion till kursen Beskrivande statistik.
Deskription + enkät Mätnivån styr hur man kan analysera data Tabeller – frekvenstabeller Diagram – cirkeldiagram, stapeldiagram, histogram, boxplot Beskrivande.
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.
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.
Samband & Inferens Konfidensintervall Statistisk hypotesprövning –Hypotetisk –deduktiv metod Samband mellan nominal/ordinal-variabler –Chi2-test Samband.
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.
INFERENS & SAMBAND. population Population Stickprov, urval INFERENS = Dra slutsatser från data om hela populationen utifrån ett stickprov Data, observationer.
DESKRIPTION Bearbeta, tolka och redovisa resultat. Vad ingår? Tabeller - Sammanfatta material Diagram - Åskådliggöra material Lägesmått - ”Genomsnitt”
Introduktion. 2 Vad är statistik? ”En massa siffror” Beskrivning av staten Metodlära.
KAP 5 – SANNOLIKHETSLÄRA OCH STATISTIK
X Sannolikhet Om man kastar en sexsidig tärning kan det bli sex olika utfall. Sannolikheten är lika stor för varje utfall.
X 5.5 Lägesmått från tabeller och diagram
X Lägesmått För att beskriva ett statistiskt material använder vi oss av lägesmått. De vanligaste lägesmåtten är medelvärde, median och.
Data och att presentera data
Grundlägande statistik,ht 09, AN
KAP 5 – SANNOLIKHETSLÄRA OCH STATISTIK
STATISTIK OCH SANNOLIKHETER
Hit har vi kommit! Nu går vi vidare!.
Grundläggande begrepp
Y 5.4 Tabeller och diagram Frekvens och relativ frekvens
Y 5.1 Hur stor är sannolikheten?
Presentationens avskrift:

Grundl. statistik F2, ht09, AN F2 Beskrivande statistik (forts) Lägesmått, exempel I en studentkorridor bor 7 personer. De har följande belopp (t kr) på sina konton: 10 12 8 11 10 9 10 . Beräkna medelvärdet, medianen och typvärdet. Studenten Nyrik flyttar in och har 730 t kr på sitt konto. Beräkna medelvärdet, medianen och typvärdet bland de 8 studenterna. Slutsats? Grundl. statistik F2, ht09, AN

Grundl. statistik F2, ht09, AN Datanivåer Datanivå Dela in i grupper Rangordna Beräkna summa och skillnader Beräkna kvoter Nominal Ja Nej Ordinal Intervall Kvot Grundl. statistik F2, ht09, AN

Grundl. statistik F2, ht09, AN F2 SANNOLIKHETSLÄRA Introduktion (K W 1.1) Hasardspel Italien 1500-talet Frankrike 1600-talet Ex. Kasta en tärning Händelsen A: Udda antal prickar Pr(A) = Sannolikheten att A inträffar Händelsen är komplementhändelse till A, dvs A inträffar inte Det gäller Pr( ) =1 - Pr(A) Kan Pr(A) = 2? Kan Pr(A) = -0,4? Den klassiska sannolikhetsdefinitionen (K W sid 12) kräver att alla utfall är lika sannolika. Grundl. statistik F2, ht09, AN

Grundl. statistik F2, ht09, AN Klassiskt problem Kasta 3 tärningar A: Antal prickar = 9 B: Antal prickar = 10 Utfall Utfall 1,2,6 1,3,6 1,3,5 1,4,5 1,4,4 2,2,6 2,2,5 2,3,5 2,3,4 2,4,4 3,3,3 3,3,4 Man trodde dessa händelser var lika sannolika (lika många fall). Men empirin motsade detta. Vi vet : Pr(A)= (6+6+3+3+6+1)/216= 25/216 Pr(B)= (6+6+3+6+3+3)/216= 27/216 Grundl. statistik F2, ht09, AN

SANNOLIKHET och RELATIV FREKVENS Pr(A) ungefär lika med relativa frekvensen för händelsen A "i det långa loppet". Vi vill kontrollera om ett mynt är symmetriskt. I så fall är ju Pr(krona) = Pr(klave) = 0.5. Hur många gånger behöver vi kasta myntet för att vara säkra? Se figur sid 14 i K W Återkommer till detta i kapitel 8. Grundl. statistik F2, ht09, AN

Tvåpunktsfördelad slumpvariabel (KW 3.4) Slumpvariabeln X kan endast anta två värden, t ex krona (X=1) eller klave (X=0) när vi kastar ett mynt. Om myntet är symmetriskt blir sannolikhetsfördelningen för X x 0 1 p(x) 0,5 0,5 Sannolikhetsfördelningen för X kan också uttryckas med en formel Grundl. statistik F2, ht09, AN

Tvåpunktsfördelad slumpvariabel (forts) Om myntet inte är symmetriskt blir sannolikhetsfördelningen för X x 0 1 p(x) 1-π π Pr(X=1) = π, Obs här är π inte lika med 3,14. Sannolikhetsfördelningen för X kan då också uttryckas med formeln Grundl. statistik F2, ht09, AN

Väntevärde och varians En stokastisk variabels slh-fördelning kan också beskrivas med hjälp av lägesmått och spridningsmått. Lägesmått: väntevärde (motsvarar medelvärde). Spridningsmått: Varians eller standardavvikelse. Väntevärdet för den stokastiska variabeln X definieras som Och variansen definieras som Standardavvikelsen: Grundl. statistik F2, ht09, AN