SIV 1102-2: Ett gjennomsnitt Kapittel 10.1-10.2 31/12/2018 Fred Wenstøp.

Slides:



Advertisements
Liknende presentasjoner
Kap 10 Estimering.
Advertisements

Enhalet og tohalet hypotesetest
Vurdering av statistiske analysemetoder brukt i Læringslabens undersøkelser i videregående skole i Rogaland.
Kapittel 10 Inferens om gjennomsnitt AAKRE-V SPSS v 10.0 MET 8006 STATISTIKK OG DATAANLYSE Kapittel 10 Inferens om gjennomsnitt Pål Aakre, BI Oslo.
STATISTISK GENERALISERING
Hvordan får man data og modell til å passe sammen?
Denne koden skal gi svar på følgende:
Hvordan får man data og modell til å passe sammen?
Valuing Stock Options:The Black-Scholes-Merton Model
Velg Slide-Show fra PowerPoint-menyen og klikk med venstre museknapp!
INDEKSER OG FORDELINGER
Fasit 1) a)P(T>1)=P(T≠1)=1-P(T=1) = 1-1/6 = 5/6 ≈ 83.3%. Evt. P(T>1)=p(T=2)+P(T=3)+P(T=4)+P(T=5)+ P(T=6)=5/6. P(T=2 | T≠1) = P(T=2 og T≠1)/P(T≠1) = (1/6)/(5/6)
Oppgaver 1)Vi anser hvert av de seks utfallene på en terning for å være like sannsynlig og at to ulike terningkast er uavhengige. a)Hva er sannsynligheten.
Bærekraftig utvikling - forskerspiren
Kvalitative og kvantitative metoder
Hovedideen Anta at en hypotese er riktig (H 0 ) Det er bare to muligheter, enten er H 0 riktig, ellers er den ”omvendte” hypotesen (H 1 ) riktig Gå ut.
Forelesning 6 HSTAT1101 Ola Haug Norsk Regnesentral
Forelesning 7 HSTAT1101 Ola Haug Norsk Regnesentral
Tolkning av statistiske resultater
Hypotesetesting, og kontinuerlige stokastiske variable
Siste forelesning er i morgen!
Regresjon Petter Mostad
Forelesning 5 HSTAT1101 Ola Haug Norsk Regnesentral
Forelesning 6 HSTAT1101 Ola Haug Norsk Regnesentral
Kræsjkurs Del Ii Hypotesetesting
 Vi ønsker å tilpasse en rett linje gjennom dataskyen  Denne linjen skal ha den beste tilpasningen (minst feil) til data.
Operasjonsanalytiske emner Prognosemodeller basert på Tidsserieanalyse Rasmus RasmussenBØK710 OPERASJONSANALYTISKE EMNER1 Del 23Forecasting 1 - Mønster.
Stian Grønning Master i samfunnsøkonomi Daglig leder i Recogni.
Kapittel 6 Følsomhet. Læringsmål Etter å ha jobbet med lærebok og hjemmeside til kapittel 6 skal du kunne: 1.Beregne nullpunkt og kritisk verdi 2.lage.
MAT0100V Sannsynlighetsregning og kombinatorikk
Forskningsprosjekt, tittel
MAT0100V Sannsynlighetsregning og kombinatorikk
Figur Standard normalfordeling z og tre t-fordelinger Figur 21.1 Standard normalfordeling z og tre t-fordelinger. Legg merke til at t-fordelingene.
MET 2211 Statistikk og dataanalyse
Kapittel 8: Ikke-parametriske tester
Figur 25.1 Sammenheng mellom inntekt i millioner NOK (y) og antall års utdanning (x) utover grunnskolen. I denne populasjonen er ß0 = 0.4 og ß1 =
Kapittel 14: Multippel regresjon
MET 2211 Statistikk og dataanalyse
Forelesning nr. 2 Kapittel 3: Å generalisere fra en stikkprøve
Repetisjon, del I Metode
MET 2211 Statistikk og dataanalyse
Kapittel 7: Hypoteseprøving
SIV : Repetisjon Kapittel /12/2018 Fred Wenstøp.
SIV : Kategoriske variabler og normaltilnærmelsen
Kapittel 15: Valg av metode Kapittel 16: Stokastiske variabler
MET 8006 Statistikk Kapittel 13: Regresjon.
MET 2211 Statistikk og dataanalyse
MET 8006 Statistikk Kapittel 13: Regresjon.
MET 2211 Statistikk og dataanalyse
MET 2211 Statistikk og dataanalyse
Kapittel 11 Kategoriske variabler og normaltilnærmelsen
Forelesning nr. 5 Kapittel 4: Statistisk metode
To relaterte stikkprøver
SIV : Metodevalg Stokastiske variabler
Figur 17.1 Histogram for alle DNB-kundene i undersøkelsen.
MET 2211 Statistikk og dataanalyse
SIV : Regresjon Kapittel 13 17/01/2019 Fred Wenstøp.
SIV : Kapittel 9 Normalfordelingen 17/01/2019 Fred Wenstøp.
MET 2211 Statistikk og dataanalyse
SIV : t-testen for to stikkprøver
MET 2211 Statistikk og dataanalyse
SIV : Variansanalyse Kapittel 14 17/02/2019 Fred Wenstøp.
SIV : Kapittel 4 Statistisk metode 18/02/2019 Fred Wenstøp.
MET 2211 Statistikk og dataanalyse
SIV : Kapittel 7 Hypoteseprøving 22/02/2019 Fred Wenstøp.
Sannsynlighetsregning
MET 2211 Statistikk og dataanalyse
Kapittel 10 Inferens om gjennomsnitt
Oppsummering fra forrige gang
I dag Konfidensintervall og hypotesetesting – ukjent standardavvik (kap. 7.1) t-fordelingen.
Utskrift av presentasjonen:

SIV 1102-2: Ett gjennomsnitt Kapittel 10.1-10.2 31/12/2018 Fred Wenstøp

Innledning Å konstruere konfidensintervall ved hjelp av normalfordelingen for m på bakgrunn av en stikkprøve, og å teste H0: m = m0, er helt sentralt i statistisk metode, og grunnlaget for en serie avledete metoder. I forelesningen vil metoden utvikles gjennom et eksempel. 31/12/2018 Fred Wenstøp

Hvor mye øl i en halvliter? Vi har mistanke om at puben snyter oss på ølmengden, og vil sjekke dette. Hypoteser H0: m = 0,50 H1: m < 0,50 signifikansnivå: a = 0,05 Data n = 10 gj.sn. = 0,49 s = 0,0183 Anta foreløpig: 31/12/2018 Fred Wenstøp

Testobservator Vi vet at H0 skal forkastes hvis det observerte gj.snittet er lite nok Det ble 0,49. Er det lite nok? Sannsynligheten for å få et så lite eller mindre gj.snitt hvis nullhypotesen er riktig, må være mindre enn a = 0,05 Vi vet at testobservatoren z er standard normalfordelt: 31/12/2018 Fred Wenstøp

Handlingsregel Forkast H0 hvis z < za= -1.96 Konklusjon: z = -1,73 H0 beholdes 31/12/2018 Fred Wenstøp

Konfidensintervall Vi vet at z er normalfordelt Sagt med ord Da er P(-1,96<z<1,96) = 0,95 Sagt med ord Vi er 95% sikre på at avstanden mellom m og en observert verdi av og vil være mindre enn 1,96. Avstanden sees i forhold til standardavviket til Derfor: 31/12/2018 Fred Wenstøp

Konfidensintervall med studentfordelingen Den generelle formelen er: I virkeligheten kan vi ikke forutsette at s = s s er bare et estimat for s, og derfor må vi bruke en fordeling som er litt videre enn normalfordelingen. Vidden avhenger av antall observasjoner. t er variabelen i studentfordelingen med n = n-1 frihetsgrader Formel til praktisk bruk: 31/12/2018 Fred Wenstøp

Teststyrke Hva er sannsynligheten for at vår øltest kommer til å slå ut hvis de snyter oss så kraftig at i virkeligheten m = 0,48? Vi bestemte oss for å forkaste H0 hvis: Sannsynligheten for dette er: 31/12/2018 Fred Wenstøp