Muligheder for et studieretningsprojekt i matematik og samfundsfag

Slides:



Advertisements
Lignende præsentationer
Case: Tekst på Call-To-Action link
Advertisements

Repetition Goodness of Fit Uafhængighed i Kontingenstabeller
Sinus og Cosinus.
Hypotese test – kapitel 6 (Signifikans test)
Repræsentativitet Opsamling fra sidst Repræsentativitet (χ2-test)
Analyse af kontingenstabeller
Repræsentativitet Sandsynligheden for at få krone ved kast med en mønt
Anvendt Statistik Lektion 4
Akademi Merkonomer Statistik Aften 5
Statistik og sandsynlighedsregning
Program Informationer χ2-test (chi-i-anden) Projekt 3
Anvendt Statistik Lektion 6
Statistik og sandsynlighed
Sammenligning af to grupper
Sammenligning af to grupper – kapitel 7
Anvendt Statistik Lektion 6
Statistik og sandsynlighedsregning
Økonometri 1: Specifikation og dataproblemer1 Økonometri 1 Specifikation, og dataproblemer 4. november 2005.
Økonometri 1 Gentagne Tværsnit og Paneldata II. Gentagne tværsnit og paneldata II 2 Gentagne tværsnit (W ): Opsamling.  Kombinerer tværsnit indsamlet.
Case.
Statistik 1 – Lektion 5 By, energi & miljø, forår 2010 v. Morten Skou Nicolaisen.
Anvendt Statistik Lektion 8
Statistik Lektion 5 Log-lineære modeller.
Statistik Lektion 6 Konfidensinterval for andele og varians
Analyse af kontingenstabeller
Sandsynlighedsregning Analyse af kontingenstabeller
Logistisk Regression Kategoriske og Kontinuerte Forklarende Variable
Signifikanstest ved (en eller) to stikprøver
Sandsynlighedsregning Analyse af kontingenstabeller
Samfundsfaglig metode – kapitel 25 Samfundsfagsbogen Kureer, 2012
Dagens program Test of Independence (chi-i-anden) Videre med projekt 3
Statistik II 5. Lektion Log-lineære modeller.
Program 1.Påmindelser Pivottabeller og pivotgrafer Omkodning af data (sortering, søg-erstat) Bevar de originale data og lav kontroller 2.Hvem er målgruppen.
Statikstik II 2. Lektion Lidt sandsynlighedsregning
Simpel Lineær Regression
Multipel Lineær Regression
Statikstik II 2. Lektion Lidt sandsynlighedsregning
Statistik Lektion 7 Hypotesetest og kritiske værdier
Videnskabsteori & metode
Økonometri 1: Specifikation og dataproblemer1 Økonometri 1 Specifikation, og dataproblemer 9. november 2004.
Problemløsningsheuristik A.1 1.Hvad er det (i min problemstilling) som jeg ikke ved endnu? Dvs. hvad leder jeg efter (og hvorfor er det vigtigt/interessant.
Statistik Lektion 1 Introduktion Grundlæggende statistiske begreber
Grundlæggende teoretisk statistik
Kvantitative metoder.
Simpel Lineær Regression
Simpel Lineær Regression
Kvantitative metoder 2: Den multiple regressionsmodel1 Kvantitative metoder 2 Den multiple regressionsmodel 26. februar 2007.
Økonometri 1: Den simple regressionsmodel Økonometri 1 Den simple regressionsmodel 14. september 2004.
Økonometri 1: F151 Økonometri 1 Specifikation og dataproblemer 10. november 2006.
Grundlæggende teoretisk statistik
Statistik Lektion 8 Test for ens varians.
Økonometri 1: F41 Økonometri 1 Den multiple regressionsmodel 18. september 2006.
Økonometri 1: F51 Økonometri 1 Den multiple regressionsmodel 22. september 2006.
KM2: F201 Kvantitative metoder 2 Heteroskedasticitet 18. april 2007.
Økonometri 1: Den simple regressionsmodel Økonometri 1 Den simple regressionsmodel 13. februar 2003.
Økonometri 1: Heteroskedasticitet1 Økonometri 1 Heteroskedasticitet 31. marts 2003.
Økonometri 1: Den simple regressionsmodel Økonometri 1 Den simple regressionsmodel 7. september 2004.
Økonometri 1: Den simple regressionsmodel Økonometri 1 Den simple regressionsmodel 14. september 2005.
Statistik II 4. Lektion Logistisk regression.
Økonometri 1: Heteroskedasticitet1 Økonometri 1 Heteroskedasticitet 29. oktober 2004.
KM2: F41 Kvantitative metoder 2 Den simple regressionsmodel 14. februar 2007.
Økonometri 1: F131 Økonometri 1 Heteroskedasticitet 30. oktober 2006.
Opsamling ● Generelle lineære modeller ● Logistisk regression ● Log-lineære modeller ● Mini-projekt.
Samarbejde mellem matematik og samfundsfag. Disposition Indledning Hvorfor skal vi bruge 2 i samfundsfag? Hvordan kan matematikken bruges? Eksempel. Oplæg.
Videnskabeligt projekt
Anvendt Statistik Lektion 8
Naturvidenskabelig metode
Anvendt Statistik Lektion 4
Anvendt Statistik Lektion 6
Præsentationens transcript:

Muligheder for et studieretningsprojekt i matematik og samfundsfag Eller idræt. Eller filosofi. Eller musik. Eller … Udgangspunktet er matematik. Eller retttere: Sandsynlighedsregning og statistik. Det ”andet fag” leverer en antagelse – en hypotese – som man ønsker at undersøge. Enten for at underbygge den eller måske for at modbevise antagelsen. Er de amerikanske domstole præget af racefordomme? Af lektor E. Susanne Christensen

Spørgsmålet er altså: Er de amerikanske domstole påvirkede af racefordomme? Hypotese: De amerikanske domstole er ikke påvirkede af racefordomme. Vi kan f.eks. forsøge at underbygge eller modbevise vores påstand empirisk- dvs. ved hjælp af data. Tilfældigvis har vi data vedrørende domsafgørelser i Florida fra 4764 mordsager, begået i perioden 1973 til 1979. Dom morder dødsdom andet Dødsdømte i % Konklusion? Kan vi generalisere noget ud fra data? Og hvad er det vi undersøger via disse data? sort 59 2448 2.4 hvid 72 2185 3.2

Dom morder dødsdom andet Dødsdømte i % sort 59 2448 2.4 hvid 72 2185 3.2 Kan vi generalisere informationerne fra data til at udtale os om det? Sandsynligheden for at en morder får en dødsdom er uafhængig af om vedkommende er sort eller hvid. Hænger det stadigt fornuftigt sammen med det oprindelige samfundsfaglige spørgsmål? H0: P( dødsdom l sort morder)= P( dødsdom l hvid morder) H1: P( dødsdom l sort morder) ≠ P( dødsdom l hvid morder) For at besvare spørgsmålet om hvorvidt den observerede forskel i procentsatserne er for stor til at kunne tilskrives rene tilfældigheder, skal vi bruge: Basal sandsynlighedsregning. Begrebet uafhængighed. Måske lidt om estimation af andele. Måske lidt om statistisk testteori. Noget om test for uafhængighed, f.eks. Χ2 -testet

59 2448 2507 72 2185 2257 131 4633 4764 Dom morder dødsdom andet ialt sort 59 2448 2507 hvid 72 2185 2257 ialt 131 4633 4764 P( dødsdom l morder) estimeres ved 131/4764= 0.028 P( sort l morder) estimeres ved 2507/4764= 0.526 P( dødsdom og sort l morder) = 0.028*0.526 = 0.015, hvis der er uafhængighed mellem risikoen for dødsstraf og hudfarve.

Dom morder dødsdom andet ialt sort 59 2448 2507 68.94 2438.06 hvid 72 2185 2257 62.06 2194.94 ialt 131 4633 4764 Det forventede antal observationer i gruppen af sorte og dødsdømte mordere ud af 4764 dømte mordere ville, hvis der var uafhængighed mellem hudfarve og sandsynlighed for at få en dødsdom kunne udregnes som: p(sort og dødsdømt) *antal sager= p(sort)*p(dødsdømt)*antal sager. Dvs det kan udregnes som: (2507/4764)*(131/4764)*4764 = 2507*131/4764 = 68.94 Χ2 –test for uafhængighed =Σ(obs-forv)2/ forv =(59-68.94)2 /69.94 +(2448-2438.06)2 /2438.06 +(72-62.06)2/62.06+(2185-2194.94)2/2194.94 =3.09 p-værdi mellem 0.05 og o.1

Simpsons paradox: Har vi udeladt en faktor, hvis samspil med de andre faktorer kan ændre billedet radikalt? Har vi udeladt en faktor, hvis samspil med de andre faktorer kan ændre billedet radikalt? Dom morder dødsdom andet % sort 59 2448 2.4 hvid 72 2185 3.2 Dom % Offers hudfarve morder dødsdom andet sort 11 2209 0.5 hvid 111 0.0 48 239 16.7 72 2074 3.4