To relaterte stikkprøver

Slides:



Advertisements
Liknende presentasjoner
Øvelse i caseløsning Fred Wenstøp, BI
Advertisements

Kap 12 Korrelasjon / Regresjon
Hva trenger jeg av data, og hvordan skal jeg innhente disse?
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.
SPSS v Kapittel 8 AAKRE/MET Parvise sammenligninger Cornflakes-eksempelet fra læreboken tab Vi legger inn dataene i Dataeditoren, som.
Kap 11 Hypotesetesting.
STATISTISK GENERALISERING
Fred Wenstøp: Statistikk og dataanalyse kapittel 1-9 Prøve-eksamen
Fred Wenstøp: Statistikk og dataanalyse Selvtest Velg Slide-Show fra PowerPoint-menyen og klikk med venstre museknapp!
Fred Wenstøp: Statistikk og dataanalyse Selvtest
Velg Slide-Show fra PowerPoint-menyen og klikk med venstre museknapp!
MET 2211 Statistikk og dataanalyse
MET 2211 Statistikk og dataanalyse
MET 2211 Statistikk og dataanalyse Forelesning Kapittel 14: Variansanalyse.
Kap 13 Sammenligning av to grupper
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
Diskrete stokastiske variable
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.
Tolkning av statistiske resultater
Hypotesetesting, og kontinuerlige stokastiske variable
Siste forelesning er i morgen!
Forelesning 5 HSTAT1101 Ola Haug Norsk Regnesentral
Forelesning 6 HSTAT1101 Ola Haug Norsk Regnesentral
Kræsjkurs Del Ii Hypotesetesting
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
Kapittel 13: Multippel regresjon Modelldiagnostikk
MET 8006 Statistikk Forelesning nr. 1 Kapittel 1: Oversikt
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 : Ett gjennomsnitt Kapittel /12/2018 Fred Wenstøp.
SIV : Kategoriske variabler og normaltilnærmelsen
MET 2211 Statistikk og dataanalyse
MET 2211 Statistikk og dataanalyse
Kapittel 15: Valg av metode Kapittel 16: Stokastiske variabler
Tester med SPSS prosedyrer og utskrifter
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
Prosjektoppgavens helhetsbilde
Kapittel 11 Kategoriske variabler og normaltilnærmelsen
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.
Relaterte stikkprøver Uavhengige stikkprøver
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
Å beskrive og generalisere fra en stikkprøve
SIV : Kapittel 7 Hypoteseprøving 22/02/2019 Fred Wenstøp.
Sannsynlighetsregning
MET 2211 Statistikk og dataanalyse
Kapittel 6: Sannsynlighetsfordelinger
Kapittel 12: Korrelasjon
Kapittel 10 Inferens om gjennomsnitt
I dag Konfidensintervall og hypotesetesting – ukjent standardavvik (kap. 7.1) t-fordelingen.
Utskrift av presentasjonen:

To relaterte stikkprøver SIV 1101-6: Kapittel 8.1-8.3 To relaterte stikkprøver 11/01/2019 Fred Wenstøp

Repetisjon av kapittel 7 Binomisk test (Høyresidig) H0: p = p0 H1: p > p0 Signifikansnivå: a Data: a = antall vellykkede blant i alt n forsøk Finn kritisk verdi c med tabell 3b Forkast H0 hvis antall mislykkede forsøk er mindre enn c Ellers beholdes H0 Tantens tekopper H0: p = ½ H1: p > ½ a = 0,05 a = 9 riktige kopper av i alt n = 12 1 – 2 a = 0,90 Tabell 3b gir da: c = 3 Antall mislykkede forsøk er 12 – 9 = 3. Dette er ikke mindre enn c. Konklusjon: H0 beholdes. 11/01/2019 Fred Wenstøp

Repetisjon av kapittel 7 Mediantesten (Venstresidig) H0: = 0 H1: < 0 Signifikansnivå: a Data: a = antall observasjoner over 0 Finn kritisk verdi c med tabell 3b Forkast H0 hvis a er mindre enn c Ellers beholdes H0 Jentepulser H0: = ½ H1: < ½ a = 0,05 a = 36 av n = 78 jenter med puls over 70 1 – 2 a = 0,90 Tabell 3b gir da: c = 32 (tiln.formel) a er ikke mindre enn c. Konklusjon: H0 beholdes. 11/01/2019 Fred Wenstøp

8.1 Relaterte og Uavhengige stikkprøver 11/01/2019 Fred Wenstøp

8. 2 Fortegnstesten Eksempel: vektforbedringer Testmetode: Fortegnstesten Data 10 vektforbedringer (kg) Nullhypotese: m = 0 Alternativ: m > 0 Signifikansnivå: a = 5% Kritisk verdi med n = 10: c = 2 (tabell 3b) Forkastningsområdet: [0; 1] Testobservators verdi: T = Ant. negative verdier = 2 Konklusjon: Siden testobservatorverdien ikke ligger i forkastningsområdet, beholdes nullhypotesen. 11/01/2019 Fred Wenstøp

Signifikanssannsynlighet I eksemplet var T binomisk fordelt med n = 10 og p=0,5 under Ho Signifikanssannsynlig-heten er sannsynligheten for å få noe minst like på-fallende (under Ho) som det vi har fått 11/01/2019 Fred Wenstøp

Wilcoxons tegnrangtest Eksempel: slankekur 11/01/2019 Fred Wenstøp

Wilcoxons tegnrangtest Eksempel: slankekur Testmetode: Wilcoxons tegnrangtest Data 10 vektforbedringer (kg) Nullhypotese: m = 0 Alternativ: m > 0 Signifikansnivå: a = 5% Kritisk verdi med n = 10: c = 11 (tabell 8b) Forkastningsområdet: 0, 1, 2, ...,10 eller [0, 10] Testobservators verdi: T- = 2 + 3,5 = 5,5 Konklusjon: Siden testobservatorverdien ligger i forkastningsområdet, forkastes nullhypotesen. Vi kan på 5%-nivået påstå at kuren hjelper! 11/01/2019 Fred Wenstøp