Skattningens medelfel

Slides:



Advertisements
Liknande presentationer
Punkt- och intervallskattning Felmarginal
Advertisements

Inferens om en population Sid
FL4 732G70 Statistik A Detta är en generell mall för att göra PowerPoint presentationer enligt LiUs grafiska profil. Du skriver in din rubrik,
Klusterurval, forts..
Stora + Störst tal först. Stora additionstabellen Tanketips!
FL3 732G81 Linköpings universitet.
Elkraft 7.5 hp distans: Kap. 3 Likströmsmotorn 3:1
FL8 732G70 Statistik A Detta är en generell mall för att göra PowerPoint presentationer enligt LiUs grafiska profil. Du skriver in din rubrik,
FL10 732G81 Linköpings universitet.
FL9 732G70 Statistik A Detta är en generell mall för att göra PowerPoint presentationer enligt LiUs grafiska profil. Du skriver in din rubrik,
FL5 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
Inferens om en ändlig population Sid
Kapitel 5 Stickprovsteori Sid
Grundläggande statstik, ht 09, AN1 F9 Analys av frekvenstabeller Hittills har vi analyserat eller jämfört 2 grupper avseende variabler på intervall- eller.
Skånes Universitetssjukhus
732G22 Grunder i statistisk metodik
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)
Stora additionstabellen
Statistikens grunder, 15p dagtid
Punktprevalensmätning av trycksår 2011, v.40 Resultat från landstingen
Bastugatan 2. Box S Stockholm. Blad 1 Läsarundersökning Maskinentreprenören 2004.
Kap 4 - Statistik.
Vad ingår kursen? i korta drag
Tillämpad statistik Naprapathögskolan
Bild 1 Hur använder vi KursInfo idag? Högskolan i Skövde.
Stickprovsförfaranden
Det handlar om multiplikation
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.
TÄNK PÅ ETT HELTAL MELLAN 1-50
1 Joomla © 2009 Stefan Andersson 1. 2 MÅL 2 3 Begrepp Aktör: en användare som interagerar med webbplatsen. I diagrammet till höger finns två aktörer:
Diskreta, deterministiska system Projekt 1.2; Vildkatt
Experimentell utvärdering Språkteknologisk forskning och utveckling (HT 2006)
Förelasning 6 Hypotesprövning
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
FL7 732G70 Statistik A Detta är en generell mall för att göra PowerPoint presentationer enligt LiUs grafiska profil. Du skriver in din rubrik,
Binomialsannolikheter ritas i ett stolpdiagram
Egenskaper för punktskattning
Statistik för internationella civilekonomer
Stora subtraktionstabellen
Sannolikhet Stickprov Fördelningar
FL6 732G70 Statistik A Detta är en generell mall för att göra PowerPoint presentationer enligt LiUs grafiska profil. Du skriver in din rubrik,
Simulering Introduktion Exempel: Antag att någon kastar tärning
Föreläsning 7 Fysikexperiment 5p Poissonfördelningen Poissonfördelningen är en sannolikhetsfördelning för diskreta variabler som är mycket.
Räkna till en miljard 1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12, 13,14,15,16,17,18,19, 20, 21, 22, 23, 24, 25, 26, 27, 28, 29, 30, En miljard är ett.
Hur bra är modellen som vi har anpassat?
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
Övningsexempel till Kapitel 7 Ex 1. BRÄNNBOLLSDILEMMAT ! En person funderar över hur man bäst uppskattar 28 meter. Av erfarenhet vet han att hans steglängd,
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
732G22 Grunder i statistisk metodik
1 Fler uträkningar med normalfördelningstabell Låt X vara Nf(170,5). Beräkna Lösning:
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:
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.
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.
Statistisk inferensteori. Inledning Den statistiska inferensteorin handlar i huvudsak om att dra slutsatser från ett slumpmässigt urval (sannolikhetsurval)
1. Kontinuerliga variabler
Samband & Inferens Konfidensintervall Statistisk hypotesprövning –Hypotetisk –deduktiv metod Samband mellan nominal/ordinal-variabler –Chi2-test Samband.
Samband & Inferens Konfidensintervall Statistisk hypotesprövning –Hypotetisk –deduktiv metod Samband mellan nominal/ordinal-variabler –Chi2-test Samband.
Samband & Inferens Konfidensintervall Statistisk hypotesprövning
INFERENS & SAMBAND. population Population Stickprov, urval INFERENS = Dra slutsatser om hela populationen utifrån ett stickprov Data, observationer.
Presentationens avskrift:

Skattningens medelfel Ex: är en skattning på m. är oftast inte känd och måste därmed skattas med kallas medelfelet för

Alla skattningar vi studerar har ett medelfel. Parameter Skattning Medelfel  Ingår ej  P eller

Några olika typer av fel Anta att vi vill skatta en parameter  (uttalas täta).Det kan vara vilken parameter som helst av de vi tittat på tidigare. Skattningen av  betecknas (uttalas täta hatt) ____________________________________________ där b är ett fel som kallas bias. Skattning – parameter = kallas urvalsfel kallas medelkvadratfel Skattad standardavvikelse på kallas medelfel Tabellv*medelfel= felmarginal

Kap 7: Konfidensintervall eller Intervallskattning Anta att vi vill skatta en parameter  Skattningen av  betecknas Medelfelet för betecknas Tabellvärde betecknas tabell Ett konfidensintervall KI för  byggs upp enligt

Vad som är stor sannolikhet bestäms av tabellvärdet. Med stor sannolikhet täcker konfidensintervallet det sanna parametervärdet  Vad som är stor sannolikhet bestäms av tabellvärdet. Först ska vi titta på normalfördelningsvärden. Ex: Låt X = antalet poäng på en tentamen som en slumpmässigt vald student får. x = 0,1,2,…,25 är förväntad medelpoäng bland alla studenter i populationen. Ta ett stickprov av storlek 75. är då en skattning på  Observerat stickprov: 14 18 12 10 16 15 17 17 21 18 14 19 16 15 17 16 12 16 14 14 15 13 15 18 16 18 15 12 13 16 15 20 16 13 18 17 14 17 11 10 19 17 13 13 17 15 15 13 16 16 11 10 17 14 13 14 15 15 19 15 15 15 16 15 15 18 16 16 17 19 15 18 16 16 14

skattas nu till 15,35 Hur stor är osäkerheten i skattningen? Medelfelet är ett mått på denna osäkerhet Medelfel för är Vi vill skapa ett intervall som täcker  med 95% sannolikhet. Då slår vi upp i normalfördelningstabell ty vi stöder oss på CGS för n=75 kan anses stort. Även om X i sig är approximativt normalfördelad. Se histogram med normalfördelningskurva.

95%

Ett 95% konfidensintervall för m är nu Tolkning: Med 95% säkerhet så täcker intervallet medelpoängen  ____________________________________ 95% kallas intervallets konfidensgrad Man kan välja den konfidensgrad man önskar

80% 95% 90% 99%

KI för m vid små stickprov Anta nu att vi inte kan tillämpa CGS pga för litet stickprov. För att kunna göra ett KI så måste X vara åtminstone approximativt normalfördelad. Vi skattar fortfarande m med men vi kan inte använda tabellvärde från normalfördelningen utan vi får ta till en ny fördelning som heter t-fördelningen. Denna fördelning har alltid väntevärde 0 och en parameter som kallas frihetsgrader.

t-fördelningskurva med 9 fg

t-fördelning och normalfördelning är ganska lika Då df närmar sig oändligheten så samman faller kurvorna

är förväntad medelpoäng bland alla studenter i populationen. Vi återgår till ex med X = antalet poäng på en tentamen som en slumpmässigt vald student får. x = 0,1,2,…,25 är förväntad medelpoäng bland alla studenter i populationen. Ta ett stickprov av storlek 10 nu istället 14 18 12 10 16 15 17 17 21 18 Utskrift ur minitab Variable N Mean SE Mean StDev X 10 15,80 1,01 3,19 Se OH sid 12. Visa t-tabell Slå upp för n-1 fg

95%

Dessa intervall utgår från: Normalfördelat stickprov CGS