Akademi Merkonomer Statistik Aften 5

Slides:



Advertisements
Lignende præsentationer
Repetition Goodness of Fit Uafhængighed i Kontingenstabeller
Advertisements

Overskrift her Navn på oplægsholder Navn på KU- enhed For at ændre ”Enhedens navn” og ”Sted og dato”: Klik i menulinjen, vælg ”Indsæt” > ”Sidehoved / Sidefod”.
Hypotese test – kapitel 6 (Signifikans test)
Anvendt Statistik Lektion 3
Statistik Lektion 6 Konfidensinterval for varians Hypoteseteori
Anvendt Statistik Lektion 4
Afsætning og matematik Eksemplificeret ved materiale fra STELTON
Statistik og sandsynlighedsregning
Statistik Lektion 4 Kovarians og korrelation Mere om normalfordelingen
 Introduktion til dagen  Afleveringen  Flere Hypoteser  Stikprøver  Evaluering.
Overskrift her Navn på oplægsholder Navn på KU- enhed For at ændre ”Enhedens navn” og ”Sted og dato”: Klik i menulinjen, vælg ”Indsæt” > ”Sidehoved / Sidefod”.
Anvendt Statistik Lektion 6
Akademi Merkonomer Statistik Aften 3
Anvendt Statistik Lektion 2
Anvendt Statistik Lektion 9
Anvendt Statistik Lektion 5
Sammenligning af to grupper
Sammenligning af to grupper – kapitel 7
Statistik Lektion 4 Kovarians og korrelation Mere om normalfordelingen
Anvendt Statistik Lektion 3
Anvendt Statistik Lektion 6
Akademi Merkonomer Statistik Aften 6
Økonometri 1: Specifikation og dataproblemer1 Økonometri 1 Specifikation, og dataproblemer 4. november 2005.
Anvendt Statistik Lektion 2
Statistik Lektion 6 Konfidensinterval for andele og varians
Logistisk Regression Kategoriske og Kontinuerte Forklarende Variable
Signifikanstest ved (en eller) to stikprøver
Learning Objectives 5 Steps of a Significance Test Assumptions
Statistisk inferens Dagens program Grupper, opgave 1
Learning Objectives 5 Steps of a Significance Test Assumptions
Statistik Lektion 7 Hypotesetest og kritiske værdier
Statistik Lektion 7 Hypotesetest og kritiske værdier
Statistik Lektion 4 Kovarians og korrelation Mere om normalfordelingen
Økonometri 1: Binær responsmodeller: Logit og probit1 Økonometri 1 Binær responsmodeller: Logit og probit 8. maj 2003.
Fejl  Afleveringen  Stikprøvestørrelse  Type I-II Fejl  Styrkefunktionen.
Grundlæggende teoretisk statistik
Anvendt Statistik Lektion 9
Kvantitative metoder 2: Inferens i den lineære regressionsmodel1 Kvantitative metoder 2 Inferens i den lineære regressionsmodel 12. marts 2007.
Hypotesetest Hypotesetest og kritiske værdier Type 1 og Type 2 fejl
Statikstik II 2. Lektion Lidt sandsynlighedsregning
Bernoulli og binomial fordelingerne
Økonometri 1: Inferens i den lineære regressionsmodel1 Økonometri 1 Inferens i den lineære regressionsmodel 1. oktober 2004.
Statistik Lektion 7 Hypotesetest og kritiske værdier
Økonometri – lektion 5 Multipel Lineær Regression
 Gennemgang af aflevering  Poisson Fordelingen  Kontinuerte Fordelinger ◦ Intro til kontinuerte fordelinger ◦ Normalfordelingen.
Økonometri 1: Heteroskedasticitet1 Økonometri 1 Heteroskedasticitet 22. marts 2006.
Økonometri – lektion 8 Multipel Lineær Regression
Økonometri 1: Dummy variable1 Økonometri 1 Dummy variable 24. marts 2003.
Simpel Lineær Regression
Økonometri 1: Inferens i den multiple regressionsmodel1 Økonometri 1 Inferens i den multiple regressionsmodel 3. marts 2003.
Side Grundlæggende teoretisk statistik Hypotesetest: Test i 2 populationer.
Grundlæggende teoretisk statistik
Grundlæggende teoretisk statistik
Statistik Lektion 8 Test for ens varians.
Kvantitative metoder 2: F31 Kvantitative metoder 2 Beskrivende statistik og analyse af kvalitatitive data 12. februar 2007.
Grundlæggende teoretisk statistik
Økonometri 1: Heteroskedasticitet1 Økonometri 1 Heteroskedasticitet 31. marts 2003.
Normalfordelingen og Stikprøvefordelinger
Kvantitativ metode del 1 Gymnasielærer-kursus forår 2007 Aalborg Universitet Sammenhænge ml. variabler, styrke og signifikans Tirsdag den 20. marts, kl.
Statistik II 4. Lektion Logistisk regression.
Økonometri 1: Inferens i den multiple regressionsmodel1 Økonometri 1 Inferens i den multiple regressionsmodel 27. februar 2003.
Inge Henningsen Stat BK uge Konfidensinterval og hypotesetest for to normalfordelte stikprøver.
Økonometri 1: Heteroskedasticitet1 Økonometri 1 Heteroskedasticitet 27. marts 2003.
Økonometri 1: Heteroskedasticitet1 Økonometri 1 Heteroskedasticitet 29. oktober 2004.
Økonometri 1: Inferens i den lineære regressionsmodel1 Økonometri 1 Inferens i den lineære regressionsmodel 28. september 2004.
Økonometri 1: F71 Økonometri 1 Inferens i den lineære regressionsmodel 29. september 2006.
Anvendt Statistik af Kenneth Hansen Kapitel 9 KeHaTools.
Grundlæggende Statistik af Kenneth Hansen
Anvendt Statistik Lektion 4
Anvendt Statistik Lektion 6
Præsentationens transcript:

Akademi Merkonomer Statistik Aften 5 2011.10.25 lth@campusvejle.dk

Denne aften Introduktion til dagen Afleveringen Hypoteser 6 Skridt til hypotesetest Evaluering

Normalitet Vi kan gå ud fra normalfordeling når Normalfordelt population Ens fordelt uafhængig stikprøve med Centrale Grænseværdisætning Sætning 6.6 Binomial fordelt stikprøve med Poisson fordelt stikprøve med

Estimat Middelværdi og Spredning

Standard Normal Fordelingen

Tabel + Excell

Konfidensinterval Middelværdi

Vi kender approximationerne

𝝌 𝟐 −𝒇𝒐𝒓𝒅𝒆𝒍𝒊𝒏𝒈𝒆𝒏 Hvis 𝑍∼𝑁 0,1 ⇒ 𝑍 2 ∼ 𝜒 2 (1) fordelt Idet 𝑍= 𝑋−𝜇 𝜎 ⇔ 𝑋−𝜇 2 𝜎 2 hvorfor der gælder for stikprøve 𝑆 2 = 1 𝑛−1 𝑖=1 𝑛 𝑋 𝑖 − 𝑋 2 ⇒ 𝑛−1 𝑆 2 𝜎 2 = 𝑖=1 𝑛 𝑋− 𝑋 𝜎 2 gælder at 𝑛−1 𝑆 2 𝜎 2 ∼ 𝜒 2 𝑛−1

En hypotese Hvor.: Amerikansk retssalsdrama ca.1960-1980 Emne.: Racediskrimination i sydstaterne Hvid/Sort fordeling i sydstaterne.: 50-50 Hvad.: 80 personers panel af mulige jurymedl. Hvordan.: 4 sorte af de 80 Er det nu fair? Binomial fordeling med p=0,5

Hvad er chancen Hypotesetest.: I en ny stikprøve, hvad er da chancen for at få et resultat, der er ligeså langt ude eller værre ?

En sammenligning 5 Chancen for 4xRoyal Straight Flush i streg Virker ikke som en fair jurysammensætning, Og vi har brugt til sammenligning.

3 måder at teste (jo mere vi ved) KI – konfidensinterval KV - Kritisk værdi, bruger SS – Sandsynlighed Mere og mere oplysende; Imellem, sammenlignende, sandsynliggørende Bemærk.: Alle beregninger giver samme resultat

Tre måder at evaluere hypoteser Højresidet Venstresidet Tosidet

Én måde at formulere nul-hypotese Nulhypotesen Normalt afspejle det er ren chance Hvis sand, ”FORKASTES EJ” Alternativ hypotesen SKAL enten.: a) Afspejle stikprøvens resultat, eller b) Være samstemmende med forhåndsteori c) Der er en effekt Hvis sand, ”FORKASTES NULHYPOTESEN”

To måder at fejle I Vi skal dømme, enter er .: X er uskyldig i mord .: X er skyldig i mord X er uskyldig (H0 er sand) X er skyldig (H0 er falsk) X frikendes (H0 forkastes ej) Alt er godt Type 2 Fejl X dømmes (H0 forkastes) Type 1 Fejl

To måder at fejle II Hvad betyder det for banken ? .: Kunden er ikke kreditværdig .: Kunden er kreditværdig X ikke kreditværdig (H0 er sand) X er kreditværdig (H0 er falsk) X får ikke et lån (H0 forkastes ikke) Alt er godt Type 2 Fejl X får et lån (H0 forkastes) Type 1 Fejl

To måder at fejle III Bemærk.: Signifikans og Styrke er omvendt proportionale.

Eks.: Tosidet konfidensinterval

Eks.: Tosidet kritisk værdi

Seks skridt til hypotese test Hvilken hypotesen Vælg fordelingen Fastlæg kristisk region Find p værdi Undersøg resultatet Tag en beslutning

1. Bestem hypotesen (Middelværdi og 5%) 2. Vælg fordeling

3. Bestem kritisk region Idet følger stikprøveresultatet

BeWI-> 4. -> 1. -> z-test, tosidet 4. Find p værdi BeWI-> 4. -> 1. -> z-test, tosidet Vær obs. På at KeHaTools selv korrigerer variansen for stikprøvestørrelsen ved CLT Test for middelværdi (z-test) Hypoteser (tosidet test) H0 : m = m0 HA : m ¹ m0 Input Stikprøvestørrelse 50 Stikprøvegennemsnit 2430 Stikprøvespredning 200 Nul-værdi 2400 Resultat Teststørrelse 1,06066 p-værdi 0,288844

5. Undersøg resultatet 6. Tag en beslutning P-værdien er 0,28, hvilket er mere end 0,05, der er ej forkast testniveauet 6. Tag en beslutning kan ej forkastes og, det er derfor den gældende hypotese.

Overblik

Evaluering 16 Eksempelvis.: Tidsplan Opgaver Grupper KehaTools