Statistik for geografer Lektion 6. Sandsynlighedsregning Statistisk eksperiment Udfald Udfaldsrum Hændelse Statistisk eksperiment Udfald Udfaldsrum Hændelse.

Slides:



Advertisements
Lignende præsentationer
Kombinatorik, sandsynlighed og statistik
Advertisements

Probabilistisk sårbarhedsanalyse
En ærlig mønt kastes 5 gange
Sandsynlighedsregning
Kombinatorik, sandsynlighed og statistik
Ændringerne Understøttende undervisning Uge-struktur ??
Statistik Lektion 1 Introduktion Grundlæggende statistiske begreber
Muligheder for et studieretningsprojekt i matematik og samfundsfag
Basal statistik 24. okt Tom Bendix Videncenter for
Statistik og sandsynlighedsregning
Funktioner Graf og forskrift Venstreklik på musen for at komme videre
Matematikseminar foråret 2009
Anvendt Statistik Lektion 6
Anvendt Statistik Lektion 2
Dette program kan lave et portræt af dit ansigt, baseret på de information du giver... Tryk her.
Statistik Lektion 3 Simultan fordelte stokastiske variable
Side Grundlæggende teoretisk statistik Kapitel E Modeller og sandsynlighedsfordelinger.
Anvendt Statistik Lektion 3
Statistik og sandsynlighedsregning
Statistik og sandsynlighedsregning
Psykologi, Human Factors og HCI
Eksperimentel metode John Paulin Hansen ITC, Usability F2003.
Case.
Anvendt Statistik Lektion 8
Statistik Lektion 5 Log-lineære modeller.
Anvendt Statistik Lektion 2
Statistik Lektion 6 Konfidensinterval for andele og varians
Areal og bestemt integral
Logistisk Regression Kategoriske og Kontinuerte Forklarende Variable
Statistik II 5. Lektion Log-lineære modeller.
ETU 2008 | Elevtilfredshedsundersøgelse Erhvervsskolen Nordsjælland HTX (Teknisk Gymnasium) - Hillerød Baseret på 313 besvarelser.
Statistik – Lektion 2 Uafhængighed Stokastiske Variable
Statistik Lektion 3 Bernoulli og binomial fordelingerne
Dette program kan lave et portræt af dit ansigt ud fra den information, du selv giver... Klik her.
Sandsynligheder Udfald og hændelser Sandsynligheder Additionsreglen
Statistik for geografer
Agenda Informationer Opsamling fra sidst Normalfordelingen
Grundlæggende teoretisk statistik
Algoritmer og Datastrukturer 1 Gerth Stølting Brodal Aarhus Universitet.
Statikstik II 2. Lektion Lidt sandsynlighedsregning
Statistik for geografer
Matematik B 1.
Statistik Lektion 2 Betinget sandsynlighed Bayes’ regel
Grunde til at jeg elsker dig
Statikstik II 2. Lektion Lidt sandsynlighedsregning
Statistik for geografer
Statistik for geografer
Sandsynlighedsregning
Bernoulli og binomial fordelingerne
Kombinatorik, sandsynlighed og statistik
Statistik Lektion 1 Introduktion Grundlæggende statistiske begreber
Grundlæggende teoretisk statistik
Statistik Lektion 2 Betinget sandsynlighed Bayes’ regel
Introduktion Deskriptiv statistik Sandsynslighedregning
Kvantitative metoder.
Kombinatorik, sandsynlighed og statistik
Betinget sandsynlighed Bayes’ regel Diskrete stokastiske variable
Økonometri 1: Den simple regressionsmodel Økonometri 1 Den simple regressionsmodel 14. september 2004.
Grundlæggende teoretisk statistik
Semantik, model teori Et (formalt) sprog har ingen mening indtil man interpreterer dets forskellige (korrekte) udtryksformer (vff’s) mhp. en bestemt situation.
Kapitel 16 Logistik og Lagerteori
Kvantitative metoder 2: F31 Kvantitative metoder 2 Beskrivende statistik og analyse af kvalitatitive data 12. februar 2007.
Statistik PM5 Indhold: statistiske metoder til at analysere kategoriske data Logistisk regression Loglineære modeller I dag: repetition af lineær regression.
Statistik II 4. Lektion Logistisk regression.
Statistik II - PM5 Fokus: Analyse af kategoriske variable ● Logistisk regression ● Log-lineære modeller Kursets opbygning: ● 1 ECTS forelæsninger ● 1 ECTS.
Statistik og sandsynlighedsregning DLF-Kursus Ringsted Eva Rønn UCC.
Sandsynlighedsregning
Præsentationens transcript:

Statistik for geografer Lektion 6

Sandsynlighedsregning Statistisk eksperiment Udfald Udfaldsrum Hændelse Statistisk eksperiment Udfald Udfaldsrum Hændelse Random trial Noget hvor et ud af flere mulige udfald indtræffer Elementary outcome Resultatet af eksperimentet Sample space Mængden af alle mulige udfald Event Delmængde af udfaldsrummet

Sandsynlighedsmål S E1E1 E3E3 E2E2 EnEn A 1.0 ≤ P(E i ) ≤ 1 2.P(A) = Σ P(E i ) 3.P(S) = 1 og P(Ø) = 0

Hvordan bestemmes sandsynligheden? Model-betragtning Objektiv metode Subjektiv metode Mønt, kortspil osv. Frekvensfortolkning Det afhænger af, hvem man spørger!!!

De fire tælleregler Produktreglen Permutationsreglen Kombinationsreglen Den hypergeometriske regel

Additions-sætningen S AB P(AUB) = P(A) + P(B) – P(A∩B)

Betinget sandsynlighed S AB P(A|B) = P(A∩B) / P(B)

Uafhængighed AB P(A|B) = P(A) P(B|A) = P(B) P(A∩B) = P(A)P(B) Hændelserne A og B siges at være uafhængige, hvis eller hvis

Et eksempel

Eksemplet fortsat P(Moderen røg) = 10/30 = 33.3% P(Apgar < 7) = 11/30 = 36.7% P(Moderen røg og Apgar < 7) = 8/30 = 26.7% P(Apgar < 7| Moderen røg) = 26.7% / 33.3 % = 8/10 = 80.0% P(A|B) = P(A∩B) / P(B)

SPSS

…og så får vi

Bayes’ formel P(Brun) = 35% P(Lus|Blond) = 20% P(Lus) = ???

Bayes’ formel fortsat P(Lus|Blond) = P(Lus ∩ Blond)/P(Blond) P(Lus) = P(Lus ∩ Brun) + P(Lus ∩ Blond) + P(Lus ∩ Sort) + P(Lus ∩ Rød) P(Lus ∩ Blond) = P(Blond) P(Lus|Blond) = 0.4 · 0.2 = 8% = 0.12 · · · · 0.05 = 15.1%

Bayes’ formel fortsat P(Rød|Lus) = ??? P(Rød|Lus) = P(Lus ∩ Rød)/P(Lus) = 0.25 · 0.05/0.151 = 8.3%