1 Kapitel 9 Interval Estimation Dan Hedlin. 2 Konfidensintervall vanligast för ”location problems”, dvs k.i. för medelvärde o.d. K.i. för t.ex. standardavvikelse.

Slides:



Advertisements
Liknande presentationer
Punkt- och intervallskattning Felmarginal
Advertisements

Bedömning av uppfyllelse av miljökvalitetsnormer
Inferens om en population Sid
Numeriska beräkningar i Naturvetenskap och Teknik
MaB: Andragradsfunktioner
Andragradsfunktioner & Andragradsekvationer
MaB: Ekvationssystem Allmänt
Hej hypotestest!. Bakgrund  Signifikansanalys  Signifikansprövning  Signifikanstest  Hypotesprövning  Hypotestest Kärt barn har många namn Inblandade:
Point Estimation Dan Hedlin
Klusterurval, forts..
Numeriska beräkningar i Naturvetenskap och Teknik
Numeriska beräkningar i Naturvetenskap och Teknik
TI-82/84.
Föreläsning 2 21 jan 2008.
Matematik Kurs C Grafer och derivator.
FL8 732G70 Statistik A Detta är en generell mall för att göra PowerPoint presentationer enligt LiUs grafiska profil. Du skriver in din rubrik,
Asymptotic evaluations Dan Hedlin
Hypothesis Testing Dan Hedlin Del 1
F11 Olika urvalsmetoder, speciellt obundet slumpmässigt urval (OSU)
Kontinuerliga system: Differentialekvationer
Föreläsning 1 19 jan 2008.
Tillämpad statistik Naprapathögskolan
Stickprovsförfaranden
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.
Skattningens medelfel
2. Enkel regressionsanalys
Förelasning 6 Hypotesprövning
Centrala Gränsvärdessatsen:
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.
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.
FL7 732G70 Statistik A Detta är en generell mall för att göra PowerPoint presentationer enligt LiUs grafiska profil. Du skriver in din rubrik,
Designstöd Daniel Fällman Institutionen för informatik Umeå universitet Design och utvärdering, 5 poäng.
Egenskaper för punktskattning
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.
Linjär regression föreläsning 9
Normalfördelningen och centrala gränsvärdessatsen
F8 Hypotesprövning. Begrepp
Forskningsmetodik Sampling och urval Hypotesprövning Lektion 9
Föreläsning 9 Logik med tillämpningar Innehåll u Semantiska tablåer i predikatlogiken u Klausulform u Herbrandmodeller u Kapitel 3.5,
Lennart Edblom, Frank Drewes, Inst. f. datavetenskap 1 Föreläsning 12: -kalkylen allmänt om -kalkylen syntax semantik att programmera i -kalkylen.
Statistik Lars Valter Fil.lic. Statistik
Fysikexperiment, 5p1 Random Walk 36 försök med Random walk med 1000 steg. Beräknad genomsnittlig räckvidd är  1000  32. Visualisering av utfallsrum.
F. Drewes, Inst. f. datavetenskap1 Föreläsning 12: -kalkylen allmänt om -kalkylen syntax semantik att programmera i -kalkylen.
732G22 Grunder i statistisk metodik
VetU termin 4 moment 3 Analysera nivåer av kalium och kreatinin Mätningar genomförda på 120 män och 120 kvinnor (tidigare studenter KI) Dagens uppgift:
Dagens ämnen Maclaurins formel Taylors formel Restterm i ordo-form
Musikkompendium Test. Musikkompendium Test 2 Musikkompendium Test 3.
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/
  2 f ( 2 ) Chi-Square Distribution: df=10, df=30, df=50 df = 10 df = 30 df = 50 Chi-2-fördelningen.
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.
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.
Hypotesprövning. Statistisk hypotesprövning och hypotetisk-deduktiv metod Hypotetisk-deduktiv metod: –Hypotes: Alla svanar är vita. –Empirisk konsekvens:
1 Multipel Regression Kapitel Modell Vi har p oberoende variabler som vi tänker oss kan vara relaterade till den beroende variabeln. Y ~ N( , 
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 från data om hela populationen utifrån ett stickprov Data, observationer.
Daniel Nylén, Institutionen för Informatik Design 1.
Samband & Inferens Hypotetisk –deduktiv metod Samband mellan nominal/ordinal-variabler –Chi2-test Samband mellan kvot-varibaler –Korrelationskoefficient.
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.
Designstöd Design och utvärdering, 5 poäng
Grundlägande statistik,ht 09, AN
Grundl. statistik F2, ht09, AN
? ? ? ! 3 min (30 min ex prat) 35 min Nu ska vi tala om dilemman. Ett äkta dilemma är en svår situation som inte förefaller ha någon.
Presentationens avskrift:

1 Kapitel 9 Interval Estimation Dan Hedlin

2 Konfidensintervall vanligast för ”location problems”, dvs k.i. för medelvärde o.d. K.i. för t.ex. standardavvikelse inte ovanligt, men dock mindre vanligt, Exempel på skalfamilj av fördelningar: likformig fördelning på

3 Konstruera konfidensintervall Alla går ut på att ”invertera” test I likhet med LRT får man de välkända intervallen i de välkända situationerna; i det fallet ger konstruktionen snarare förklaring och teoretiskt stöd än något nytt verktyg

4 Invertera test till konfidensintervall Test av enkel nollhypotes, dvs noll-hypotesen utgörs av ett enda värde ”Kokbokrecept”: 1.Ställ upp ett acceptansområde 2.Se till att sh:n är 1-  att teststatistikan faller inom detta, om nollhypotesen sann 3.Detta är samtidigt ett konfidensintervall; (flytta ev. om så att parametern hamnar i ”mitten”)

5 Samma recept med pivot Acceptansområde Dvs sh:n Konfidens- intervall Fördel med pivotkvantitet: slipper ha med parametern i konfidensintervallets gränser

6 ”Invertera” täthetsfunktion Anta att F T (t| θ) är en fördelningsfkt som avtar med θ Ställ upp två ekvationer. Lös ut och Konfidensintervallet är Fungerar därför att vi har konstruerat ett acceptansområde med de två ekvationerna

7 Utvärdera intervall Vad är ett bra konfidensintervall? Täckningsgraden kan göras stor genom att göra intervallet brett Bra intervall: kort(aste) under given täckningsgrad Täckningsgraden beror ofta på parametern; då pratar man om confidence coefficient = minimum (infimum) av täckningsgrad

8 Teorem För fördelningar med unimodal täthet (t.ex. normalfdl) Kortaste intervallet är det för vilket änd- punkterna har samma värde på täthets- funktionen För symmetriska unimodala fördelningar alltså ”equal alpha split”, t.ex.

9 Ofta bra att välja ”equal split” i alla fall Invertering av LRT av enkel nollhypotes ger bästa intervall enl teoremet H 0 accepteras om Konfidens- intervall

10 ”test-related” optimality Test har vissa optimalitetsegenskaper, speciellt ”likformigt starkaste test” Borde finnas motsvarighet för konfidensintervall Har dock föga med intervallets längd att göra UMA, uniformly most accurate

11 Om man inverterar ett UMP (uniformly most powerful) –test så får man ett UMA- intervall UMP är dock ofta ensidiga, så intervallen blir också ensidiga ”UMA” inte så användbart Makes for elegant theory though (C&B p. 445)