Slide - Aspiri Kopi

3
1
4
7
7
7
9
1
Statistik
Mads Ulstrup
2013 - Enhver form for mangfoldiggrelse af hele eller dele af indholdet i dette materiale er, i henhold til dansk lov om ophavsret, ikke tilladt uden tilladelse fra Aspiri A/S.
Dette forbud glder bde tekst og illustrationer. Dette dokument har kun Anshul Sharma (anshulsharma94@hotmail.com) ret til at bruge.
3
1
4
7
7
7
9
1
Mads Ulstrup
2013/14 Aspiri A/S 2
Lidt om mig selv
HA BSc @ Aarhus Universitet, 2009 2011 (GPA: 11,2)
MSc Finance @ Aarhus Universitet, 2011- 2012 (GPA: 11,9)
Associate hos The Boston Consulting Group, 2013 -
Underviser hos Aspiri, 2012
KPMG Corporate Finance, 2012 -2013
Ejer og medstifter af HumanKapitalPleje, 2010-2012
Underviser ved Aarhus Universitet, 2009-20

Erfaringer med statistik
Underviser i Statistik I+II, HA BSc
Underviser i Kvantitativ metode, HA BSc
Underviser i konometri, HA BSc
Kususafholdelse for HKP I/S og Aspiri A/S (Statistik og kvantitativ metode)
Applied Econometric Methods I+II, MSc. Finance
Empirical Finance, MSc. Finance

Statistik
!"#$ &' '"( )*+,
3
1
4
7
7
7
9
1
19.15 19.30 Pause
Agenda Session 1
2013/14 Aspiri A/S 3 Statistik
17.00 17.15 Velkomst og prsentation
18.15 18.30 Pause
18.30 19.15 Opgaver i sandsynlighedsregning

19.30 19.45 Introduktion til fordelingsteori
19.45 20.45 Opgaver i fordelingsteori
17.30 18.15 Opgaver i sandsynlighedsregning
17.15 17.30 Introduktion til sandsynlighedsregning
20.45 21.00 Pause
21.00 22.00 Opgaver i fordelingsteori
-./#)0/+"(1*#)2*(/"/( &( 3&2#*+"/()$*&2"
3
1
4
7
7
7
9
1
10.30 11.35 Opgaver i hypotesetest og KI

Agenda Session 2
08.00 08.20 Introduktion til hypotesetest og konfidensintervaller (KI)

10.20 10.30 Pause
11.35 11.55 Pause

09.05 09.15 Pause
12.15 12.30 Introduktion til variansanalyse
12.30 13.00 Opgaver i variansanalyse
405&$*)*$*)$6 7&/3"#*/)"/$*2,.++*2 &( ,.2"./)./.+0)*
3
1
4
7
7
7
9
1
10.20 10.30 Pause
Agenda Session 3
08.00 08.15 Introduktion til kontingenstabeller

09.15 09.30 Introduktion til liner regression
09.30 10.20 Opgaver i liner regression
11.35 11.55 Pause
09.05 09.15 Pause
08.15 09.05 Opgave i kontingenstabeller
8&/$"/(*/)$.9*++*2 &( +"/*:2 2*(2*))"&/)./.+0)*
3
1
4
7
7
7
9
1
Statistik 2013/14 Aspiri A/S 6
Sesslon 1
Sandsynllghedsregnlng og
fordellngsLeorl
3
1
4
7
7
7
9
1
Sandsynlighedsregning
En sandsynlighed er chancen for en
usikker hndelse A vil indtrffe - en
sandsynlighed for en hndelse er altid
mellem 0 og 1

Statistik
Pvad er en sandsynllghed egenLllg?
3
1
4
7
7
7
9
1
8
Oversigt
Statistik 2013/14 Aspiri A/S
3
1
4
7
7
7
9
1
1. Opgaver hvor sandsynligheder for
givne hndelser fremgr af
opgaveteksten, hvorefter vi skal
beregne relaterede sandsynligheder
2. Opgaver hvor sandsynligheder ikke
fremgr. Derfor skal sandsynligheder
beregnes via udfaldsrum, som
bestemmes ved hjlp af tllesystemer

Statistik
1o Lyper af opgaver l "basal sandsynllghedsregnlng"
3
1
4
7
7
7
9
1
2013/14 Aspiri A/S 10
Tilfldigt eksperiment
Et eksperiment med uforudsigelige udfald
Eksempel: Vi kaster to terninger

Udfald (Basic Outcome)
Muligt udfald af et tilfldigt eksperiment
Eksempel: Vi slr to 6'ere

Udfaldsrum (Sample Space), S
Udfaldsrummet refererer til alle mulige udfald af et eksperiment
Eksempel: S = {2, 3, 4,,12} er udfaldsrummet for kast med to terninger

Hndelse (Event), E
Et event er en vilkrlig delmngde fra udfaldsrummet
Eksempel: Hndelse A "summen er et lige udfald"
A= {2, 4, 6..,12} => vi slr 1/1, 1/3, 3/1, 2/2,6/6
Eksempel: Hndelse B "vi slr 2 ens"
B = {2, 4 , 6..,12} => vi slr 1/1, 2/2, 3/3,...6/6

Statistik
8egreber og Lyper af sandsynllgheder
Begreber i sandsynlighedsregning
3
1
4
7
7
7
9
1
2013/14 Aspiri A/S 11
Flleshndelsen, A B (Intersection of Events)
Mngden af udfald i udfaldsrummet, der tilhrer bde hndelse A og B (A B)
Terningen viser 5/5, 6/6 (A: "summen er et lige udfald, B: summen er mindst 10)

Statistik
8 A
S
AB
P(A)
P(AB) = P(A|B)*P(B) = P(B|A)*P(A)

Betingede hndelser
Mngden af udfald i A, der kan finde sted, givet at B allerede har fundet sted
"Summen er et lige antal" givet at "vi lige har slet en 4'er => vi slr 2, 4 eller 6

8 A
S
P(A|B) = P(AB)/P(B)
3
1
4
7
7
7
9
1
2013/14 Aspiri A/S 12
Foreningshndelsen, A U B (Union of Events)
Mngden af udfald i udfaldsrummet, der tilhrer enten hndelse A eller B (A U B)
Event A "at terningen giver et lige udfald", A= {2, 4, 6..,12} => 1/1, 1/3, 3/1, 2/2,..,6/6
Event B summen er mindst 10" B = {10, 11,, 12} => 4/6, 6/4, 5/5, 5/6, 6/5,..,6/6

Statistik
8 A
S
A
S
P(A)
P(B)
P(A)
(
)!"#$%&'
P(AUB) = P(A) + P(B) - P(AB)
Komplementrhndelsen
Mngden af alle udfald i udfaldsrummet, der ikke hrer til hndelse A
Event A "terningen giver et lige udfald" vs. komplementr: "terningen giver et ulige udfald"

3
1
4
7
7
7
9
1

Disjunkte hndelser (Mutually Exclusive)
Hndelser der ikke kan ske samtidig
Event A: Antal jne er lige", A= {2, 4, 6..,12} - 1/1, 1/3, 3/1, 2/2,6/6
Event B: "Antal jne er ulige", B= {3, 5, 7..,11} - 1/2, 1/4, 1/6,..,6/5

2013/14 Aspiri A/S 13
Gensidigt udtmmende (Collectively Exhaustive)
Hndelserne er gensidigt udtmmende sfremt at hndelserne E1, E2,, Ek = S (dkker
hele udfaldsrummet)
Event A "at terningen giver et lige udfald" og Event B "at terningen giver et ulige udfald"

Statistik
S
A 8
8 A
S
P(AB) = 0
3
1
4
7
7
7
9
1

Bayes stning
Anvendes nr hndelsen A eller B har mere end n udfaldsmulighed (her kaldet Ei)

8ayes stning til flerLrlnseksperlmenLer
P(Ei) pvirke kan der hndelse ny A
eling klasseindd en i hndelser k af hndelse th i' Ei
: hvor
) ( * ) ( ,..., ) ( * ) ( ) (
) )P(E E | P(A ) )P(E E | P(A ) )P(E E | P(A
) )P(E E | P(A
P(A)
) )P(E E | P(A
A) | P(E
1
k k 2 2 1 1
i i
i i
i
A P E A P A P E A P A P
K
3
1
4
7
7
7
9
1
2013/14 Aspiri A/S 15
Bivariate sandsynligheder
Vi har en delmngde af hndelser, A1, A2, ,AK og/eller B1, B2,, BK. Dette er
tilfldet, nr vi arbejder med kontingenstabeller eller trdiagrammer.
Det kan altid vre en god id at stte sine sandsynligheder ind i tabeller, hvis
man mangler overskuelighed i en opgave

Statistik
8eregnlng med afsL l konLlngensLabeller
Drlig Medium God Total
Uacceptabel 100 10 2 112
Under middel 70 30 5 105
Acceptabel 40 100 8 148
Over middel 20 110 15 145
Total 230 250 30 510
I
n
d
s
a
t
s

i

e
k
s
a
m
e
n
s
p
e
r
i
o
d
e
n
Karakter til statistikeksamen
nA1
nA1B3
(A1 B3) = 2 / 310
(83|A4) = (83A4)/(A4) = (13/310)/(143/310)
n
(A1) = 100/310 + 10/310 + 2/310 = 112/310
B
A
3
1
4
7
7
7
9
1
SandsynllghedsLabel
B
A

A
B
) B P(A
) B A P( B) A P(
P(A) B) P(A
) A P(
) B P( P(B) 1.0 P(S)
3
1
4
7
7
7
9
1
2013/14 Aspiri A/S 17

Statistik
8egneregler l sandsynllghedsregnlng
)*+,*-*+*. /0-1.2-3,+
u () 1 Sanusynligheuen foi hnuelsen A (som ei en uel af uufalusiummet S) ei i inteivallet |u; 1].
() = (

Sanusynligheuen foi hnuelsen A (som ei en uel af uufalusiummet S) ei lig meu
summen af ue maiginale sanusynligheuei foi simple uufalu inueholut i hnuelsen A
(uelmngueine af A),
, hvoi
. . ,
ei NECE foi hnuelsen A.

() = (
= 1
0ufalusiummet iepisenteiei alle mulige uufalu.

(
) = 1 () Efteisom uufalusiummet uugies af og
, s m uet ogs glue, at uisse to

sanusynligheuei summei til 1. Enten skei hnuelse A elleis skei uen ikke.
Foieningshnuelsen "! #$$#% &'
( ) = () +() ( )
Sanusynligheuen foi foieningshnuelsen mellem to hnuelsei (enten A ellei B) ei
lig meu ue inuiviuuelle sanusynligheuei minus simultansanusynligheuen
(auuitionsieglen).
Betinget sanusynligheu "! ()*#+ &'
(|) =
( )
()
, (|) =
( )
()

Ben betingeue sanusynligheu foi hnuelse A inutiffei, givet at hnuelse B ei
inutiuffet, ei lig meu simultansanusynligheuen uiviueiet meu sanusynligheuen foi at
B inutiffei.
Flleshnuelsen "! ,( &'
( ) = (|) ()
( ) = (|) ()
(
1

2
) = (
2
|
1
) (
1
)
Ben simultane sanusynligheu (flleshnuelsen) finues veu uen betingeue
sanusynligheu foi hnuelsen A inutiffei, givet B ei inutiuffet, multipliceiet meu
uen maiginale sanusynligheu foi at hnuelse B inutiffei (multiplikationsieglen).
Simultane sanusynligheuei anvenues ofte i tiuiagiamme foi klasseinuuelingei.
Ligeleues ei uet uisse sanusynligheuei, som kan obseiveies i kontingenstabellei.
Naiginalsanusynligheu
() = (
1
) +(
2
) ++(
)
Sanusynligheuen foi hnuelsen A ei en linei funktion af flleshnuelseine A og
uisjunkte og kollektivt uutmmenue (Nutually Exclusive, Collectively Exhaustive)
hnuelsei af B (uelmngue af ). Bette anvenues i kontingenstabellei. Foimlen foi
P(A) betegnes 'loven om uen totale sanusynligheu'
Bayes stning
(
|) =
(|
)(
)
()

() = (|
1
) (
1
) +(|
) (
)
Bayes stning uutiykkei sanusynligheuen foi at hnuelsen
inutiffei (i'te
hnuelse blanut NECE hnuelsei i klasseinuueling), ni uet viues, at hnuelsen
A, som kan pviike (
) ei inutiuffet. Anvenues ni uei angives uelmnguei af

hnuelsen . vi aibejuei meu en - .%),%) foiventet sanusynligheu og en - .,/+#%),%)
beiegnet sanusynligheu. Foimlen () betegnes 'loven om uen totale sanusynligheu"
0afhngigheu
( ) = () ()
(|) = ()0 (|) = ()
To hnuelsei ei uafhngige, hvis ueies maiginale sanusynligheuei multipliceiet
sammen ei lig meu simultansanusynligheuen. Bette ei kvivalent meu at sige, at
ueies betingeue sanusynligheu ei lig meu ueies maiginale sanusynligheu.

3
1
4
7
7
7
9
1
2013/14 Aspiri A/S 18
1. Bvis man antagei at A og B ei uafhngige, hvau blivei s sanusynligheuen foi at en tilfluig
peison ei fut p Amagei og ogs boi uei nu.
2. Bvau ei sanusynligheuen foi at en tilfluig peison, uei boi p Amagei, ogs ei fut uei.
S. Beiegn sanusynligheuen foi at en tilfluig peison enten ei fut p Amagei ellei boi uei nu

Statistik
Cpgaveregnlng
Opgave 1

Opgave 2
1. Beiegn sanusynligheuen foi at Fieueiik kan lse en tilfluig opgave
2. Eftei eksamen hai Fieueiik fet at viue at han hai svaiet iigtigt (p blanut anuie) opgave S.
Beiegn sanusynligheuen foi at uenne opgave ei en opgave i uiskiete foiuelingei

Opgave 3
1. Finu sanusynligheuen foi at en tilfluig kunue bue efteispigei en tilbuusvaie og nskei at
betale kontant
2. Bvau ei sanusynligheuen foi at en tilfluig kunue hveiken efteispigei en tilbuusvaie ellei
nskei at betale kontant
S. Bvau ei sanusynligheuen foi at en kunue, uei betalei kontant, efteispigei en tilbuusvaie.

3
1
4
7
7
7
9
1
2013/14 Aspiri A/S 19
1. Opgaver hvor sandsynligheder for givne
hndelser fremgr af opgaveteksten,
hvorefter vi skal beregne relaterede
sandsynligheder
2. Opgaver hvor sandsynligheder ikke
fremgr. Derfor skal sandsynligheder
beregnes via udfaldsrum, som
bestemmes ved hjlp af tllesystemer

Statistik
1o Lyper af opgaver l "basal sandsynllghedsregnlng"
3
1
4
7
7
7
9
1
Det at tlle
Tlleprincippet multiplikationsprincippet:

Eksempler
Bilnummerplader
Komit
Tipskupon
Menusammenstning (forret, hovedret, dessert)

3
1
4
7
7
7
9
1
2013/14 Aspiri A/S 21
vuiueiing af sanusynligheu foi hnuelse A:
Step 1: Bestem uet totale antal uufalu i uufalusiummet S
Step 2: Bestem antal uufalu inueholut i hnuelsen A

Tlleien og nvneien bestemmes uu fia tllepiincippei, som vaiieiei afhngigt af
ekspeiimentets unueiliggenue foiuustningei. Be 4 piincippei ei uuleut p
baggiunu af uet funuamentale tllepiincip (multiplikationspiincippet):
1%23#+ stikpive veisus )44# ,%23#+ stikpive
0iunet stikpive: Elementeines ikkeflge hai en betyuning foi uufalusiummet
Ikke-oiunet stikpive: Elementeines ikkeflge hai ikke en betyuning foi uufalusiummet
(foiskellige ikkeflgei iepisenteiei ikke foiskellige muligheuei)
5#2 +)$6-(#$7(3)3( veisus 82#3 +)$6-(#$7(3)3(
Neu tilbagelgning: Elementeine uutages n af gangen og lgges heieftei tilbage
0uen tilbagelgning: Elementeine uutages og kan ikke inug fleie gange i ekspeiimentet

Statistik
lremgangsmde nr sandsynllgheder lkke er opglveL
, () =

=

Ben funuamentale foimel til beiegning af sanusynligheuei (klassisk sanusynligheu)
meu afst i uufalusium:
3
1
4
7
7
7
9
1
2013/14 Aspiri A/S 22

Statistik
MulLlpllkaLlonsreglen og 4 forskelllge Llleprlnclpper

Tllepiincippei

4*5 63.72+*.8+,3,+
Elementeine uutages t af gangen og lgges heieftei
tilbage - elementei kan inug fleie gange i ekspeiimentet
95*, 63.72+*.8+,3,+
Elementeine uutages p n gang - elementei kan ikke inug
fleie gange i ekspeiimentet

:11* 0-5,*6 ;631<-=>*
veu ue )44#9,%23#2# /+)4.%:*#% vil
foiskellige ikkeflgei ikke vie
foiskellige muligheuei - alts hai
elementeines ikkeflge en
betyuning

vi lavei tikningei blanut n objektei. Bvei
gang et objekt tikkes, lgges uet tilbage igen.
Rkkeflge hai ikke betyuning. Bet
funuamentale tllepiincip givei:

Nulige uufalu
[
1 +
= [
1 +
1

vi lavei tikningei blanut n objektei. Bvei gang
et objekt tikkes, s lgges uet ikke tilbage igen.
Rkkeflgen hai ingen betyuning. Bet
funuamentale tllepiincip givei:

Nulige uufalu
!
! ( )!
= [

?-5,*6 ;631<-=>*
veu ue ,%23#2# /+)4.%:*#% vil
foiskellige ikkeflge betyue at
uet ei foiskellige muligheuei - alts
hai elementeines ikkeflge en
betyuning

vi lavei tikningei blanut n objektei. Foi hvei
tikning ei uei hele tiuen mulige objektei, uei
kan tikkes. Bet funuamentale tllepiincip
givei:

Nulige uufalu
, . . , =

vi lavei tikningei blanut n objektei. Efteisom
et objekt ikke kan vlges to gange (uuen
tilbagelgning), s vil uei i fiste tikning vie
mulige objektei, 1 mulige objektei i nste
tikning osv. Bet funuamentale tllepiincip
givei:

Nulige uufalu
( 1), . . , ( 1) = ()

3
1
4
7
7
7
9
1
2013/14 Aspiri A/S 23

Statistik
1lleprlnclpper: Lksempel
4*5 63.72+*.8+,3,+ 95*, 63.72+*.8+,3,+
:11* 0-5,*6 ;631<-=>*

Tllepiincip:
[
1 +
= [
1 +
1

[
S 1 +S
S 1
= [
S
2
=
S!
2! (S 2)!
= 1u

;<=> ?,%+0 @*)20 %:20 ;A=> ?,%+0 ?,%+0 @*)2
;B=> ?,%+0 /,%+0 %:20 ;C= ?,%+0 /,%+0 /,%+0
;D=> ?,%+0 %:20 %:20 ;E=> ?,%+0 @*)20 @*)20
;F=> G:20 %:20 %:20 ;H=> G:20 %:20 @*)20
;I=> J*)20 @*)20 %:20 ;<K=> J*)20 @*)20 @*)2

Tllepiincip:
!
! ( )!

S!
S! (S S)!
= 1

;<=> ?,%+0 @*)20 %:2
?-5,*6 ;631<-=>*

Tllepiincip:
, . . , =

S S S = S
S
= 27

;<=> ?,%+0 @*)20 %:20 ;A=> ?,%+0 %:20 @*)20
;B=> ?,%+0 /,%+0 %:20 ;C=> ?,%+0 /,%+0 @*)2
;D=> ?,%+0 %:20 /,%+0 ;E=> ?,%+0 @*)20 /,%+0
;F=> ?,%+0 %:20 %:20 ;H=> ?,%+0 @*)20 @*)2
(9): Sort, sort, sort,, (27): Hvid, hvid, hvid

Tllepiincip:
( 1), . . , ( 1) = ()

S 2 1 = 6

;<=> ?,%+0 @*)20 %:20 ;A=> ?,%+0 %:20 @*)2
;B=> J*)20 /,%+0 %:20 ;C=> J*)2> %:20 /,%+
;D=> G:20 @*)20 /,%+0 ;E=> G:20 /,%+0 @*)2

L4/#M.#$> N) +%744#% O%- #3 /+,% 6,P$# M#2 $)(# M-3(# @*)2#0 %:2# ,( /,%+# 48($#%Q J*#% (-3( *) @-% +%844#+ R3 48($# /M)2#/ 2#33#
#3+#3 +)$6-(# ) 6,P$#3 #$$#% #SQ &#/+#M 82O-$2/%8MM#+0 2*/Q -3+-$ MT2#% -+ 4,M6)3#%# 2# B 48($#% ;3= ) -$$# B +%743)3(#% ;4=>

3
1
4
7
7
7
9
1
2013/14 Aspiri A/S 24
1. Beiegn antal muei klasseiuet kan sammensttes p
2. Beiegn sanusynligheuen foi at klasseiuet besti af lige mange uienge og pigei
Statistik
Cpgaveregnlng
Opgave 4

Opgave 5
1. Bvoi mange foiskellige kombinationei af pakkei kan Peteis moi vlge.
2. Besviie kommei Peteis moi til at stte ilu til pakkeine, s ue gi helt i stykkei. Bvau ei
sanusynligheuen foi at Petei ikke fi en pakke uette i.
S. Bvau ei sanusynligheuen foi at en tilfluig pakke ei "blu".
4. P uen ene "blue" pakke ei tilfia-skiltet faluet af. Bvau ei sanusynligheuen foi at pakken ei til
Petei.

3
1
4
7
7
7
9
1

uaLaskalerlng og
fordellngsLeorl
3
1
4
7
7
7
9
1
Identifikation af datavariable
Data

Katagoriske

Numeriske

Diskrete
heltallige vrdier
(1, 2 , 3,Z)
Kontinuerte
Decimaltal
(1,2; 8,5,Z)
Eksempler:
Gift/ ikke gift
Stemmeret ja/nej
jenfarve
(definerede
kategorier/grupper)
Typisk fra en tlleproces:
Antal brn
Defekte pr. time
(talte enheder)
Typisk fra en mleproces:
Vgt
Spnding (volt)
(mlte egenskaber)
3
1
4
7
7
7
9
1
Identifikation af mleniveauer
2013/14 Aspiri A/S 27
Kvalitative datavariable Forskellen p to observationer kan ikke mles
Parallel (om end ikke direkte) til kategoriske datavariable
Nominal data: Kategorier som ikke kan rangordnes
Vi er ikke i stand til at sige, hvilken vrdi der er strst og hvilken vrdi der
er mindst. Vi kan kun tale om forskel eller lighed mellem to respondenter i
forhold til den pgldende variabel. Eksempel: Kn: Dreng/pige.
Ordinal data: Kategorier som kan rangordnes.
Selvom kategorier kan rangordnes, kender vi ikke afstanden fra et punkt p
skalaen til et andet => vi kan identificere hvorvidt noget er bedre end noget
andet, men ikke hvor meget bedre. Eksempel: Meget tilfreds, tilfreds, ikke
tilfreds; Kvalitet: God, Medium, Drlig

Kvantitative datavariable Forskellen mellem to observationer kan mles
Parallel (om end ikke direkte) til numeriske datavariable
Interval data: Numerisk skala (tal og ikke kategorier).
Numerisk lige afstand mellem vrdierne p skalaen: afstanden mellem to
scores er lig med afstanden mellem to andre scores (afstanden fra 2 til 4 er
den samme som afstanden fra 4 til 6). Eksempel: Tjstrrelser.
Ratio data: Flere ligheder med intervalskaleret data, men har et naturligt
nulpunkt. Eksempel: Hjde, Vgt etc.

Statistik
3
1
4
7
7
7
9
1
4@.*,3>*2A*- # B1;*C<*.
Sammenhng med forskelllge mleskalaer
3
1
4
7
7
7
9
1
Fordelingsteori
2013/14 Aspiri A/S 29

Statistik
lordellng af den numerlsk sLokasLlske varlabel, x

Stokastisk variabel
Vi er interesseret i fordelingen af en given stokastisk variabel, X, som
reprsenterer en mulig numerisk vrdi af et tilfldigt eksperiment
Notation: Alle stokastiske variable (X, Y, Z) har en vrdimngde, hvori
vrdierne angives med tilhrende sm bogstavler (x, y, z)
Diskret fordelt (heltal begrnset udfaldsrum)
Binomialfordeling, Poisson fordeling, Hypergeometrisk fordeling
Kontinuert fordelt (decimaler fra minus uendelig til plus uendelig):
Rektangulr (uniform) fordeling, eksponentialfordeling, normalfordeling

3
1
4
7
7
7
9
1
Fordelingsteori
2013/14 Aspiri A/S 30
1. Diskrete fordelinger

2. Kontinuerte fordelinger

Statistik
1yper af fordellnger
3
1
4
7
7
7
9
1
31
Oversigt
3
1
4
7
7
7
9
1
D3;1-*6* E0-5*.3,+*-
2013/14 Aspiri A/S 32
Forklaring
"En stokastisk variabel, X, er en funktion,
der beskriver resultatet af udfrelsen af
et eksperiment, og som har tilknyttet en
sandsynlighedsfordeling"
Opdeles i diskrete (heltallige) og
kontinuerte stokastiske variable

Diskret stokastisk variabel
Antager kun heltallige vrdier
Vi arbejder med punktsandsynligheder
P(X=x): sandsynligheden for at en
stokastisk variabel, X, antager vrdien x
Sandsynlighedsfordeling: mler
sandsynligheden for hvert enkelt udfald x

Statistik
Stokastisk variabel Diskret tthedsfunktion
3
1
4
7
7
7
9
1
D3;1-*6* E0-5*.3,+*-
2013/14 Aspiri A/S 33
Ttheusfunktionen, f(x)
Angivei sanusynligheuen foi at uen
uiskiete stokastiske vaiiabel, X, antagei
viuien xu, f(xu)=P(X=x). Sanusynligheu
altiu stiie ellei lig meu u.
Foiuelingsfunktionen, F(x)
uiskiete stokastiske vaiiabel, X, antagei
viuiei uei ei minuie ellei lig meu xu,
ellei F(xu)=P(X xu). Bette ei uen
kumulative foiueling. Sanusynligheu altiu
stiie ellei lig meu u.

Statistik
Ttheu og foiueling uiafisk ilustiation
0.00
0.10
0.20
0.30
0.40
0.50
0.60
0.70
0.80
0.90
1.00
0 1 2 3 4
S
a
n
d
s
y
n
l
i
g
h
e
d
f(x) F(x)

Foiventet viui og vaiians

= () = ( = )
2
= (
)
2
=
_
(
)
2
( = )

3
1
4
7
7
7
9
1
D3;1-*6* E0-5*.3,+*-
2013/14 Aspiri A/S 34
1. Binomialfordelingen

2. Poisson fordelingen

3. Hypergeometrisk fordeling (ikke pensum)

Statistik
1o dlskreLe fordellnger l [eres pensum
3
1
4
7
7
7
9
1
D3;1-*6* E0-5*.3,+*-
2013/14 Aspiri A/S 35
Bveit foisg iesulteiei i t af 2 gensiuigt
uuelukkenue uufalu (A ellei
komplementihnuelsen)
Nntkast (Platkione), Antal uefektei i
stikpive (BefektIkke uefekt) osv.
P(A) ei konstant fia foisg til foisg
Be enkelte foisg ei uafhngige, hvoifoi
uufaluet af en obseivation ikke pviikei
uufaluet af uen nste obseivation
Bei gennemfies n foisg

Statistik
Foiuelingens foiuustningei Beiegning af punktsanusynligheu
Binomialfoiuelingen
( = ) =
!
! ( )!
(1 )

Stokastisk vaiiabel X: antal gange en
bini hnuelse inutiffei
U834+/-32/V3$)(@#2#3 inuikeiei
sanusynligheuen foi ! succes'ei (f.eks.
antal gange vi sli plat uu af S mntkast)
i " mulige foisg (ue S mntkast), <
angivei sanusynligheuen foi succes.


= () =
2
= (
)
2
= (1 )
Appioksimationei (vigtigt)
~(; )
Til stanuaiunoimalfoiuelingen
(kontinueit), hvis np(1-p) > S
vigtig egenskab, ua stanuaiu-
noimalfoiuelingen ei meie bekvemt
at aibejue meu, f.eks. ni vi
foietagei hypotesetests (snakkei vi
om seneie p kuiset)
3
1
4
7
7
7
9
1
D3;1-*6* E0-5*.3,+*-
2013/14 Aspiri A/S 36
!3*#32#/ +)$ -+ +7$$# -3+-$ (-3(# #3 @732#$/#
)32+%7OO#% ) #+ ()*#3+ 4,3+)38#%+ +)2/)3+#%*-$Q
Bet kontinueite inteival ueles op i et stoit
antal ens (tius)uelinteivallei
Antal hnuelsei i et kontinueit uelinteival
(f.eks. et minut) ei A2EF8,+3+6 af antal
hnuelsei i anuie uelinteivallei
Bei sket hjest G, F8,5*.;* i hveit
uelinteival
Sanusynligheuen foi at en hnuelse
inutiffei i et uelinteival ei ,*+.3+*-72-,
10,;62,6 ovei hele foilbet samt 35*,63;1
p tvit af uelinteivallei
Intensiteten, uvs. uet foiventeue antal
hnuelsei pi. inteival ei

Statistik
Foiuelingens foiuustningei Beiegning af punktsanusynligheu
Poissonfoiuelingen

Stokastisk vaiiabel X: # gange en
hnuelse inutiffei i et givent inteival
U834+/-32/V3$)(@#2#3 inuikeiei
sanusynligheuen foi ! hnuelsei inuen
foi et givet tiusinteival (f.eks. antal
kunuei i en k pi. time). Bet foiventeue
antal hnuelsei pi. tiusinteival ei

( = ) =

!


= () =
2
= (
)
2
=
~(; )

3
1
4
7
7
7
9
1
Fordelingsteori
2013/14 Aspiri A/S 37
1. Diskrete fordelinger

2. Kontinuerte fordelinger

Statistik
1yper af fordellnger
3
1
4
7
7
7
9
1
H0,63,A*-6* E0-5*.3,+*-
2013/14 Aspiri A/S 38
Forklaring
"En stokastisk variabel er en funktion,
der beskriver resultatet af en enkelt
udfrelse af et eksperiment, og som har
tilknyttet en sandsynlighedsfordeling"
Opdeles i diskrete (heltallige) og
kontinuerte stokastiske variable

Kontinuert stokastisk variabel
Punktsandsynlighed = 0
Arbejder med arealsandsynlighed
F(x) = P(X x)
Vi ser p sandsynlighedsttheden for X
(i stedet for punktsandsynligheder).
Sandsynlighedsttheden benvnes f(x)
Antager vrdier i et interval

Statistik
Stokastisk variabel Fordelingsfunktion
x
f(x)
Aiealet unuei
ttheusfunktionen
summei til 1
x
f(x)
3
1
4
7
7
7
9
1
H0,63,A*-6* E0-5*.3,+*-
2013/14 Aspiri A/S 39
Ttheusfunktionen, f(x)
Punktsanusynligheuen=u
Aieal unuei ttheusfunktion ovei alle
viuiei af x ei 1 og ttheusfunktionen kan
ikke antage negative viuiei
Sanusynligheuen foi at uen stokastiske
vaiiabel X liggei i et inteival P(x1 X x2) ei
aiealet unuei ttheusfunktionen mellem ue
to viuiei (x1 og x2)

Foiuelingsfunktionen, F(x)
Aiealet unuei ttheusfunktionen (kumulativ
ovei ttheusfunktionen)
kontinueite stokastiske vaiiabel, X, antagei
viuiei uei ei minuie ellei lig meu xu, ellei
F(xu)=P(X xu)
vi ei altiu i stanu til at finue aiealet unuei
foiuelingsfunktionen. Bette skei veu simpel
integialiegning
Sanusynligheuen foi at uen stokastiske
vaiiabel X liggei mellem to mulige viuiei
x1 og x2 ei: P(x1 <X<x2)=F(x2) - F(x1)

Statistik
Ttheu og foiueling Kontinueite foiuelingei
x
f(x)
x
F(x)
0
1
x2
tthedsfunktion
P(x1 < X < x2)
P(x1 < X < x2) =
F(x2)- F(x1)
F(x1)
F(x2)
x1
3
1
4
7
7
7
9
1
H0,63,A*-6* E0-5*.3,+*-
2013/14 Aspiri A/S 40
1. Rektanguli (unifoim) foiueling

2. Eksponentialfoiueling

S. Noimalfoiuelingen

Statistik
Tie kontinueite foiuelingei i jeies pensum
3
1
4
7
7
7
9
1
H0,63,A*-6* E0-5*.3,+*-
2013/14 Aspiri A/S 41
Iuentiske sanusynligheuei foi alle mulige
uufalu af uen stokastiske vaiiabel, X

Statistik
Beskiivelse
Rektangulie (unifoime) foiueling

x
f(x)
xmin
xmax
= () =

2
= (
)
2
=
(
)
2
12

3
1
4
7
7
7
9
1
H0,63,A*-6* E0-5*.3,+*-
2013/14 Aspiri A/S 42
Anvenues til beskiivelse af tiusinteival (t)
mellem 2 successive hnuelsei
Nit beslgtet til poissonfoiuelingen,
uog ei exponentialfoiuelingen kontinueit
(punktsanusynligheu = u)
Foiuustningeine ei ligesom
poissonfoiuelingen
Intensiteten, uvs. uet foiventeue antal
hnuelsei pi. tiusenheu ei
Sanusynligheuen foi at en ankomst ei
minuie ellei lig meu en specificeiet tiu ei
givet veu:

Statistik
Beskiivelse
Eksponentialfoiuelingen

() =
1
, () =
1
2

~ ()
= = 1
-xt

3
1
4
7
7
7
9
1
~ (
2
)
=

~ (u,1)
H0,63,A*-6* E0-5*.3,+*-
2013/14 Aspiri A/S 43
Klokkefoimet, symmetiisk foiueling
Placeiing styies af gennemsnittet
Spieuningen styies af stanuaiuafvigelsen
Foiuelingen ei uefineiet i inteivallet
|-;+ ]
Ben hellige gial inuen foi statistik
Foiuelingen appioksimeiei en bieu vifte
af stokastiske vaiiable

Foi at gie foiskellige stokastiske
vaiiable X, uei flgei en noimalfoiueling,
sammenlignelige p tvis af hinanuen,
stanuaiuiseieitiansfoimeiei vi X (til Z),
s miuuelviuien ei u og vaiiansen ei 1:

Statistik
Stokastiske vaiiable, X og Z
x
f(x)
Noimalfoiuelingen

~ (,
2
)
f(z)
z
u 1
Tikkei gennemsnit
fia og uiviueiei meu
stanuaiuafvigelsen
Beskiivelse af foiueling
+
styiei foiuelingens
placeiing
styiei foiuelingens
spieuning (bieuue)
P( < X < +) =
F(+ ) - F()
P(X < ) = F() = P(Z<u) =
F((-)) = F(u)
3
1
4
7
7
7
9
1
H0,63,A*-6* E0-5*.3,+*-
2013/14 Aspiri A/S 44
vi nskei som uugangspunkt #$%&' at aibejue meu uen stanuaiuiseieue noimalfoiueling

Beiegning af sanusynligheuei
Bvis vi aibejuei meu noimalfoiuelingen, s ei sanusynligheuen foi at X liggei i
inteivallet |xu < X < x1j givet veu:

Bvis vi aibejuei meu binomialfoiuelingen, og vi ei i stanu til at appioksimeie til
noimalfoiuelingen foiui np(1-p)>S, s ei sanusynligheuen givet veu:

Sanusynligheueine foi uen stanuaiuiseieue noimalfoiueling kan sls op i Appenuix
Tabel 1 (visei viuiei af foiuelingsfunktionen)

Statistik
Stanuaiuiseieue noimalfoiueling ~ (u,1)
(
u
< <
1
) = [
< <

1

= [

(
u
< <
1
) = _

u

(1 )
< <

1

(1 )
_ = _

1

(1 )
_ _

u

(1 )
_
3
1
4
7
7
7
9
1
H0,6-0. E0- ,0-C2.36*6
2013/14 Aspiri A/S 45
W44# -$$# 4,3+)38#%+# /+,4-/+)/4# *-%)-6$# #% 3,%M-$O,%2#$+#Q X#+ #% #//#3+)#$+ -+ 4833# *8%2#%#0
@*,%*)2+ #3 /+,4-/+)/4 *-%)-6#$ 4-3 4-%-4+)/#%)/#%#/ /,M 3,%M-$O,%2#$+Q

Noimalfiaktiluiagiam
Betiagt plottet af obseiveieue viuiei vs. kumulative sanusynligheuei (kumulative
noimalfoiuelings sanusynligheuei p uen louiette akse og obseiveieue uataviuiei p
uen vanuiette akse). 0bseivationeine skal vie nogenlunue ligeligt foiuelt omkiing
linjen foi at man kan antage, at uen stokastiske vaiiabel ei noimalfoiuelt:

Statistik
Bvoiviut uen stokastiske vaiiabel, X, ei noimalfoiuelt
0
100
uaLa
rocenL
Y)$37%M#$/#/*)/ $)3#7% 99Z *)
4-3 (,2+ -3+-(# 3,%M-$)+#+
3
1
4
7
7
7
9
1
/0-5*.3,+;6*0-3
2013/14 Aspiri A/S 46
1. Finu sanusynligheuen foi at mnten visei kione picis S gange
Statistik
Cpgaveregnlng
Opgave 6

Opgave 7
1. Angiv en mouel uei kan benyttes til at beskiive antal afgiftei pi. uag og beiegn uet
gennemsnitlige antal afgiftei vagten uuskiivei pi. uag
2. Bvis vagten foitsttei meu samme gennemsnit, hvau ei s sanusynligheuen foi at vagten
uuskiivei 2S afgiftei nste uag.
S. Bvau ei sanusynligheuen foi at vagten uuskiivei ovei SS afgiftei nste uag.

Opgave 8
1. Angiv sanusynligheusmouellen foi X.
2. Finu E|Xj og vai|Xj.
S. Ben statistiske kvalitetskontiol gi uu p, at maskinen skal justeies, ueisom minust n
komponent i en stikpive p 1u komponentei ei uefekt. Beiegn sanusynligheuen foi, at
maskinen skal justeies, svel unuei foiuustning af at maskinen ei koiiekt justeiet som
unuei foiuustning af at maskinen ikke ei koiiekt justeiet.

3
1
4
7
7
7
9
1
/0-5*.3,+;6*0-3
Cpgaveregnlng

Opgave 9
1. Angiv S-punktsopsummeiingen og hvoini en obseivations betiagtes som en outliei
2. Foiklai hvoiuan typetallet ei uefineiet
S. 0utiyk hvau uen empiiiske iegel angivei foi uenne stikpive
4. Bvilken foiueling kan gennemsnittet antages at flge.
S. Benyt ue estimeieue paiametie og beiegn sanusynligheuen foi at gennemsnittet
oveistigei 47Sg
3
1
4
7
7
7
9
1
Sesslon 2 PypoLeseLesL,
kl og varlansanalyse
3
1
4
7
7
7
9
1
49
Oversigt
3
1
4
7
7
7
9
1
Nu uutagei vi en stikpive fia populationen!
3
1
4
7
7
7
9
1
Stikprvefordelinger
2013/14 Aspiri A/S 51
1. Stikprvegennemsnit

2. Stikprveandele

3. Stikprvevarians

Statistik
S ielevante stikpivefoiuelingeiestimatoiei i jeies pensum
3
1
4
7
7
7
9
1
I631<-=>* 0+ <0<A.2630,
2013/14 Aspiri A/S 52
Nnguen af alle enheueiinuiviuei af inteiesse
vi nskei at uiage infeiens om populationen p
baggiunu af voies iesultatei fia stikpiven
En paiametei ei et kaiakteiistika, uei beskiivei
populationen, f.eks. miuuelviui
vi nskei ofte at estimeie (og teste hypotesei
omkiing) populationspaiametiene p baggiunu af
voies stikpiveestimatei
Populationen beskiives veu stokastiske vaiiable
X1, X2,,XN (N ei total populationsstiielse)

Statistik
Befinitionei og foiuelingei
Populationen Stikpiven
Belmngue af populationen, som anvenues til at
uiage infeiens omkiing populationen
Et stikpiveestimat (punktestimat) ei voies
beuste buu p paiameteien p baggiunu af uen
valgte stikpivestimatoi (stikpivefoiueling),
f.eks. stikpivegennemsnittet
Stikpiven beskiives veu stokastiske vaiiable X1,
X2,,Xn (n ei total stikpivestiielse)
Foi en bestemt stikpive vil vi betegne ue samme
vaiiable meu smt x, alts: x1, x2,,xn - ligeleues vil
punktestimatet ogs vie meu smt, alts

3
1
4
7
7
7
9
1
I631<-=>**;63C260-*-
Befinitionei og egenskabei
$0<A.2630,;<2-2C*6*- I631<-=>**;63C260- I62,52-5E*J. B;63C260- *+*,;127*-

= () =
1
=1

Foi noimalfoiuelte stokastiske
vaiiable,
1
,
2
,

?+)4.%:*#(#33#M/3)++#+:
=
1
=1
, =
1
=1
,

Foi noimalfoiuelte stokastiske vaiiable,
1
,
2
,
, ellei en tilfluig stikpive fia

populationen,
1
,
2
,

Koiiektion hvis ikke
ei lille i foiholu til
Centialunbiaseu
Ben foiventeue viui af estimatoien
ei lig meu populationspaiameteien,
som uen skal estimeie (
) = vi
iammei i gennemsnit iigtigt

Efficiens
Estimatoien meu uen laveste vaiians
ei mest efficient.
ei uen mest
efficiente estimatoi foi
miuuelviuipaiameteien

=
1
=1

Foi Beinoulli-foiuelte
stokastiske vaiiable,
1
,
2
,

?+)4.%:*#-32#$#3:
`
=
1
=1
, =
1
=1

Foi Beinoulli-foiuelte stokastiske vaiiable,
1
,
2
,
, ellei en tilfluig stikpive fia

populationen,
1
,
2
,
=
_
(1 )

Centialunbiaseu
som uen skal estimeie ( ) =

Efficiens
ei mest efficient.

2
=
1
)
2
=1

Foi noimalfoiuelte stokastiske
vaiiable,
1
,
2
,

X#3 #M.)%)/4# /+)4.%:*#*-%)-3/:
2
=
1
1
(
)
2
=1

Foi tilfluig stikpive fia populationen,
1
,
2
,
. vaiiansen ei foiskellig foi

foiskellige stikpivei fia populationen

2 =
_
2
4
1

Centialunbiaseu
som uen skal estimeie (
2
) =
2

Efficiens
ei mest efficient.

vi aibejuei typisk meu n af flgenue S stikpiveestimatoiei:

* Siuste egenskab foi en estimatoi (uuovei centialitet og efficiens) ei, at uen ei konsistent, hvilket betyuei, at uen iammei meie picist (ei ttteie p
uen sanue paiametei, som uen nskei at estimeie) jo stiie en stikpive, uen ei baseiet p. Ikke alle centiale estimatoiei ei konsistente
3
1
4
7
7
7
9
1
I631<-=>**;63C260-*-
Foiueling af stikpiveestimatoiei

I631<-=>*EA,1630,K*;63C260- /0-5*.3,+ 426*C263;1 ;62,52-53;*-3,+
Stikpivegennemsnit

Sfiemt populationens stokastiske vaiiable,
, ei noimalfoiuelte meu gennemsnit og
stanuaiuafvigelse , ei foiuelingen af stik-
pivegennemsnittet
ogs noimalfoiuelt
(uanset stikpivestiielse).
Bvis
~ (,
2
), ua ei
=
(
~ (u,1) (kenut vaiians)

=
(
~
1
(ukenut vaiians)
Stikpiveanuelen

Sfiemt populationens stokastiske vaiiabel,
, ei binomialfoiuelt meu gennemsnit og
stanuaiuafvigelse (1 ) kan foiuelin-
gen af stikpiveanuelen appioksimeies
meu noimalfoiuelingen, ni (1 ) > S
Bvis ~(,
2
), ua ei

=
( )
_
(1 )
~ (u,1)
Stikpivevaiians

Sfiemt populationen ei noimalfoiuelt, ei
foiuelingen af en tiansfoimation af stikpi-
vevaiiansen (se til hjie) chi-squaie foiuelt
meu n-1 fiiheusgiauei

2
=
( 1)
2
2
~
1
2

Ben centiale ginseviuistning (CLT)
"[-3/#+ O,%2#$)3( -O #%
-..%,4/)M-+)*+ 3,%M-$O,%2#$+ 3T% /+)4.%:*#3 #% +)$/+%744#$)( /+,%' ;3 Z AD O,% 2# O$#/+# O,%2#$)3(#%=

'\T% /+)4.%:*#3 *,4/#% ;#$$#% 3 #% +)$/+%744#$)( /+,%=0 *)$ O,%2#$)3(#3 -O 2#3 /+-32-%2)/#%#2# *-%)-6#$>
=

)
(
)
(T M,2 /+-32-%23,%M-$O,%2#$)3(#3 (u,1)'
CLT kan biuges til bue uiskiete og kontinueite vaiiable og ei ofte set anvenut i empiiiske analysei

Foiuelingen af stikpiveestimatoieine ei essentiel, ni vi nskei at teste hypotesei og
opstille konfiuensinteivallei foi populationspaiameteien
Neuenfoi fiemgi foiuelingen af ue S stikpivefunktionei:

3
1
4
7
7
7
9
1
Stikprvefordelinger
2013/14 Aspiri A/S 55
1. Konfidensintervaller

2. Hypotesetest

Statistik
Bypotesetest og konfiuensinteivallei foi n og to populationei
3
1
4
7
7
7
9
1
H0,E35*,;3,6*->2..*-
Steps foi inteivalestimatoiei
I steuet foi et punktestimat af populationspaiameteien ei uet ofte nyttigt at konstiueie
et konfiuensinteival, som populationspaiameteien meu stoi sanusynligheuen liggei i:
vi sigei hei, at 'N#2 M-3(# +%74 -O +)$O7$2)(+ 82+%843# /+)4.%:*#% O%- .,.8$-+),3#3 ,(
4,3/+%84+),3 -O +)$@:%#32# 4,3O)2#3/)3+#%*-$$#%0 *)$ ;<9=] -O )3+#%*-$$#%3# )32#@,$2# 2#3
sande vrdi af populationsparameteren ellei blot Den sande populationsparameter er
indeholdt i intervallet med 95% sikkerhed

vi skal igennem flgenue steps veu opstilling af konfiuensinteivallei:
1. Bestem en estimatoi foi populationspaiameteien af inteiesse
Aigumentei foi jeies valg uu fia centialitet og evt. efficiens af estimatoi
2. Biskutei foiuustningei og finu foiueling af estimatoien
F01: Bvei enheu i populationen hai samme sanusynligheu foi at blive uuvalgt
(Simpel Tilfluig 0uvlgelse ellei ST0)
F02: Stikpiveenheuei uuvlges uafhngigt af hinanuen (0afhngigheu).
F0S: Noimalitetsantagelsen foi estimatoien
S. Bestem fejlmaigin, NE(), og st ginseine foi populationspaiameteien

4. 0pskiiv inteivallet foi populationspaiameteien og uiag konklusion

[
`
() < <
`
+() = 1
`
_ ()
3
1
4
7
7
7
9
1
I3+,3E312,;,3>*2A
2013/14 Aspiri A/S 57
Ni vi skal opstille konfiuensinteivallei
ellei efteipivei hypotesei, bestemmei vi
signifikansniveauet,
0afhngigt af hvilken foiueling voies
estimatoi flgei, ei foitolkningen af
altiu uen samme i foiuelingsmssig
sammenhng
veu konfiuensinteivallei:
Bestemmei voies fejlmaigin, som afgi
viuuen af et konfiuensinteival ("Bvoi stoi
sikkeiheu vi nskei at uutale os meu"),
f.eks. =u,uS den sande
populationspaiametei liggei i inteivallet
med 95% sikkerhed
veu hypotesetests:
Bestemmei voies sanusynligheuen foi
type I fejl (foikaste Bu givet Bu ei sanu),
alts at uiage uen foikeite konklusion veu
foikastelse af en sanu Bu-hypotese

Statistik
Bvau ei egentlig foi en stiielse.
Z
Foiklaiing
1.96 -1.96
u.9S
u
Eksempel: 2=u.u2S i stanuaiunoimalfoiueling
P(Z>1.96) = u.u2S
massen i halerne
(
2
< <
2
) = 1
3
1
4
7
7
7
9
1
H0,E35*,;3,6*->2..*-
valg af konfiuensinteival - n populationspaiametei
3
1
4
7
7
7
9
1
H0,E35*,;3,6*->2..*-
valg af konfiuensinteival - 2 populationspaiametie
* 0miue ei pensum, men ikke en uel af Namuouh Neuhat sliues
*
3
1
4
7
7
7
9
1
Stikprvefordelinger
2013/14 Aspiri A/S 60
1. Konfidensintervaller

2. Hypotesetest

Statistik
Specielt 2 inteiessante elementei
3
1
4
7
7
7
9
1
LM<06*;*6*;6
2013/14 Aspiri A/S 61
vi nskei at teste hypotesei omkiing en
populationspaiametei, , ellei
foiskelspaiametei 1- 2, p baggiunu af
voies stikpive
En nulhypotese om en populations-
paiametei ei et uusagn, uei i
uugangspunktet ei sanut, meu minuie vi
kan finue oveibevisenue eviuens foi uet
mousatte (foikaste nulhypotesen)
vi aibejuei meu to hypotesei:
Bu: Angivei uugangspunktet foi
populationspaiameteien ("status quo")
B1: Angivei alteinativhypotesen (uen
hypotese vi vil pvise veu test). Bvis vi
vlgei B1, s sigei vi "at vi foikastei Bu"
vi hai bue meu nsiuet og tosiueue
hypotesei. Bvilke type vi vlgei, afhngei
af uen givne opgave, vi blivei stillet
Bei ei to mulige konklusionei:
1) vi hai ikke eviuens til at foikaste Bu
2) vi foikastei Bu (tioi ikke p Bu)

Statistik
ueneiel foiklaiing
Foiml Fejltypei veu hypotesetest

Tosiuet hypotese:
u
: =
u

1
:
u

Ensiuet hypotese:
u
:
u

1
: >
u

Ensiuet hypotese:
u
:
u

1
: <
u

Selvom vi uiagei konklusionei p
baggiunu af uatamateiialet, ei uet ikke
sikkeit, at voies konklusion ei koiiekt:
Type I-fejl: vi foikastei Bu, selvom uen ei
sanu (sanusynligheuen ei angivet veu
voies valg af signifikansniveau, )
Type II-fejl: vi foikastei ikke Bu, selvom ei
falsk (sanusynligheuen kaluei vi , som ei
en mouaibejuenue funktion til )
Altiu en afvejning mellem
sanusynligheuen foi ue to typei af fejl.
Bvis vi nskei laveie , fi vi automatisk
hjeie . Beifoi finuei man ofte et
passenue kompiomis (typisk veu =u.uS)

3
1
4
7
7
7
9
1
LM<06*;*6*;6
2013/14 Aspiri A/S 62
vi foikastei Bu, hvis:
1. Teststiielsen, T, ei meie ekstiem enu uen
kiitiske ginse, K
2. P-viuien ei laveie enu uet valgte
signifikansniveau
Teststiielse:
Nlei hvoi gout voies stikpiveestimat, uvs.
voies beuste buu p populationspaiameteien,
passei meu Bu
P-viui:
0utiykkei sanusynligheuen foi at obseiveie
noget meie ekstiemt enu teststiielsen, givet
at Bu ei sanu
vi foikastei, hvis teststiielsen ei s ekstiem,
at uei ei minuie enu sanusynligheu foi at
obseiveie teststiielsen i uen ielevante
foiueling unuei Bu (uvs. givet at vi hai en given
foiueling meu paiameteiviuien u)
Sanusynligheuen foi at en tilfluig
obseivation tiukket fia uen ielevante
foiueling oveistigei voies teststiielse
Sanusynligheuen foi at teststiielsen
obseiveies i en ielevant foiueling
Foikast hvis sanusynligheuen foi at obseiveie
teststiielsen ei laveie enu , givet Bu ei sanu

Statistik
Bvoiuan konkluueiei vi p iesultateine
Z
Konklusionei
K2: 1.96 K1: -1.96
u.9S
u
Eksempel: 2=u.u2S i stanuaiunoimalfoiueling
Foikast Bu
Foikast Bu Fastholu Bu
T > K T < -K -K < T < K
2=u.u2S
P(Z < T | Bu) < 2 P(Z > T | Bu) < 2
3
1
4
7
7
7
9
1
LM<06*;*6*;6
Steps foi lsning af opgavei i hypotesetests
vi skal igennem flgenue steps veu hypotesetests:

Intuition bag hypotesetestet:
Biug en stikpive fia populationen til at sanusynliggie om nulhypotesen ellei
alteinativhypotesen, ei sanufalsk. Sammenholu en teststatistik meu en kiitisk
ginse foi at sanusynliggie, om nulhypotesen kan foikastes.
Neu minuie anuet ei angivet i opgaven anvenues signifikansniveau p S%

1. Befini stokastisk vaiiabel , opstil hypotesei foi populationspaiameteien og bestem
estimatoien
`
foi populationspaiameteien (Aigumenti uu fia centialitet og efficiens)
2. Biskutei foiuustningei og bestem signifikansniveau
F01: Bvei enheu i populationen hai samme sanusynligheu foi at blive uuvalgt
(Simpel Tilfluig 0uvlgelse)
F02: Stikpiveenheueiobseivationei ei uafhngige (0afhngigheu)
F0S: Noimalitetsantagelsen foi estimatoien (Noimalitet)
F04: vaiianshomogenitet, hvis hypotesetest p foiskelspaiameteien
1

2

S. Bestem en teststiielse og beiegn testviuien
4. Fastlg kiitisk ginse(i), beiegn p-viui og uiag konklusion
3
1
4
7
7
7
9
1
LM<06*;*6*;6
En population: Bypotesetest foi n miuuelviui ellei vaiians
3
1
4
7
7
7
9
1
LM<06*;*6*;6
En population: Bypotesetest foi n anuel
* 0miue ei pensum, men ikke en uel af Namuouh Neuhat sliues
*
3
1
4
7
7
7
9
1
LM<06*;*6*;6
To populationei: Bypotesetest foi to miuuelviuiei og vaiiansei
3
1
4
7
7
7
9
1
LM<06*;*6*;6
Relevante foiuelingsfunktionei
3
1
4
7
7
7
9
1
LM<06*;*6*;6 0+ H:
2013/14 Aspiri A/S 68
1. Kan uet afvises at laboiatoiiets pstanu ei koiiekt.
2. Bestem et 9S% konfiuensinteival foi sanusynligheuen foi, at en iotte vil u eftei inu-
tagelsen af giften.
S. Bestem et tilsvaienue konfiuensinteival, hvis 16 uu af 22 iottei ui.
4. Kommenti iesultateine i ue 2 ovenstenue opgavei
Statistik
Cpgaveregnlng
Opgave 10

Opgave 11
1. Angiv et estimat foi p
2. Angiv et inteival som meu 9S% sikkeiheu vil inueholue p
S. Antag, at man p foihnu havue opstillet et kiav, at punktestimatet foi p ikke mtte
afvige meie enu u,6%-point fia p meu sanusynligheu u,9S. Ei ovenstenue
talmateiiale tilstikkeligt til at opfylue uette kiav. Bvis ikke, hvoi mange bilag
skulle ua have vie unueisgt foi at opfylue kiavet.
4. viiksomheuen foi hvem ievisionen foietages, psti at ue kun hai 1% fejlbehfteue
bilag. Ei ievisoien i stanu til at afvise uenne pstanu.
S. Bvilken to typei af fejl kan man beg i hypotesetests.

3
1
4
7
7
7
9
1
LM<06*;*6*;6 0+ H:
2013/14 Aspiri A/S 69
1. Benyt uisse mleiesultatei til at afgie, om foiuelingen kan antages at have miuuel-
viuien = Suu g, iuet uet antages at vaiiansen ei ukenut.
2. 0pstil et 9S% konfiuensinteival foi stanuaiuafvigelsen af uen pfylute vgt.
S. Lovgivningen kivei ogs, at uei hjest ei 2,S% af fyluningeine, som vejei minuie
enu 48S giam. Kan fabiikanten oveiholue uette kiav.
Statistik
Cpgaveregnlng
Opgave 12

Opgave 13
1. Figui 1 visei noimalfiaktiluiagiammeine foi uugifteine til benzin- og uieseluievne
lastvogne (hhv. plusser og stjerner). Opstil med udgangspunkt i denne figur en
mouel foi uata i tabel 1.
2. Tabellen visei gennemsnittet, , og uen empiiiske vaiians, s
2
, foi hveit af ue 2 motoi-
typei. 0nueisg om uei ei giunulag foi at hvue at binustofuugifteine til
henholusvis benzinuievne og uieseluievne lastvogne auskillei sig fia hinanuen. Fi
testet uufies, gennemfi test foi vaiianshomogenitet.
S. Beiegn et skn ovei ue foiventeue uugiftei til binustof pi. kit lngueenheu foi en
tilfluig lastvogn, og angiv et 9S% konfiuensinteival foi ue foiventeue uugiftei til
binustof pi. kit lngueenheu.

3
1
4
7
7
7
9
1
LM<06*;*6*;6 0+ H:
2013/14 Aspiri A/S 70
1. Estimi uen foiventeue begynuelsesln foi kvinuei og opstil et 9S%
konfiuensinteival foi uen foiventeue begynuelsesln.
2. Kan uen foiventeue begynuelsesln antages af vie uen samme foi mnu og kvin-
uei.
S. 0pstil et 9S% konfiuensinteival foi foiskellen mellem mnus og kvinueis
begynuelsesln

Statistik
Cpgaveregnlng
Opgave 14

Opgave 15
1. Figui 1 visei noimalfiaktiluiagiammeine foi ue 2 appaiatei. 0pstil meu
uugangspunkt i uenne figui en mouel foi uata
2. 0nueisg om man p baggiunu af ue 2 gange 9 mlingei kan afvise, at maskineine
mlei ens

3
1
4
7
7
7
9
1
71
Oversigt
3
1
4
7
7
7
9
1
Variansanalyser
J*-2 38 @*)/
"N O3 =,;1*- 26 6*;6* E0- E0-;1*..* C*..*C
C*-* *,5 60 ,0-C2.E0-5*.6*
<0<A.2630,*- E0- G, E2160-
2. vi nskei at teste foi foiskelle mellem meie
enu to noimalfoiuelte populationei foi to
foiskellige faktoiei

3
1
4
7
7
7
9
1
O2-32,;2,2.M;*
Inuleuning
Anvenuelse
vi anvenuei vaiiansanalysen, hvis vi nskei at teste foiskellene mellem ^ foiskellige
populationsgiuppei (meie enu n og to populationei)
Navnet vaiiansanalyse kommei af, at vi opbyggei voies test p baggiunu af
vaiiabiliteten inuen foi ue enkelte giuppei meu vaiiabiliteten mellem giuppei
En-siuet vaiiansanalyse
^ populationeigiuppei ei kategoiiseiet mht. en faktoi
To-siuet vaiiansanalyse
^ giuppei og J blokke ei kategoiiseiet mht. to faktoiei. Beiveu skal vi ogs have
inteiaktionseffekten meu, hvoifoi uei i iealiteten blivei S tests

3
1
4
7
7
7
9
1
O2-32,;2,2.M;*
En-siuet vaiiansanalyse: Analysens komponentei

O2-3273.36*6 H0CC*,62-
O2-3273.36*6*, 3,5*,E0- *,1*.6* +-A<<*-
= (
)
2
, = 1, ,
=1

vaiiabiliteten inuenfoi giuppeine = 1, , bestemmes veu
kvauiatsummeine, som ei et ml foi spieuningen inuenfoi ue
enkelte giuppei
uennemsnittet foi giuppe bestemmes veu:
=
1
=1

O2-3273.36*6 3,5*,E0- +-A<<*-
=
=1
= (
)
2
=1
=1

=

SSW: Ben totale vaiiabilitet foi alle giuppeine mlei uen
summeieue kvauiatiske afstanu fia gennemsnittet foi alle
obseivationeine i giuppeine = 1, ,

NSW: Niuuelkvauiatsummen inuenfoi giuppeine
O2-3273.36*6 C*..*C +-A<<*-
=
)
2
=1

=

1

vaiiabiliteten mellem giuppeine = 1, , visei uen totale
kvauiatiske afstanu fia hvei giuppes gennemsnit til uet
oveioiuneue gennemsnit foi alle obseivationei, hvoi hvei
giuppe vgtes meu sin giuppestiielse
Bet oveioiuneue gennemsnit bestemmes veu:
=
1
=
1
=1
=1
=1

NSu: Niuuelkvauiatsummen mellem giuppeine
P062. >2-3273.36*6
= (
)
2
=1
=1

Ben totale vaiiabilitet ei en funktion af uen totale vaiiabilitet
inuenfoi giuppei og vaiiabilitet mellem giuppei
vi hai at = +

3
1
4
7
7
7
9
1
O2-32,;2,2.M;*
Analysen
En-siuet vaiiansanalyse ei bygget op omkiing neuenstenue AN0vA-tabel:

Bypotese

Foiuustningei

B
u
:
1
=
2
=, , =
K

B
1
: Ninust 2 miuuelviuiei ei foiskellige
Noimalitet foi populationsgiuppeine = 1, ,
- 0nueisges veu noimalfiaktiluiagiammei foi hvei giuppe
vaiianshomogenitet mellem populationsgiuppeine
- 0nueisges veu Levene's test foi vaiianshomogenitet
0afhngigheu mellem (og inuenfoi) stikpiveine
!"#$"%$&' ()*) +,-. &( +0,"#1. 21"' +0,"#1. 34+%"%$.%$5
Mellem grupper k-1 SSC MSC=SSC/(k-1) l=MSC/MSW
lndenfor grupper n-k SSW MSW=SSW/(n-k)
1oLal n-1 SS1=SSC+SSW

3
1
4
7
7
7
9
1
O2-32,;2,2.M;*
Test-statistik

Kiitisk ginse og p-viui

0nuei nulhypotesen ei NSW og NSu begge centiale estimatoiei foi
2
, ue ei uafhngige og begge
2
-foiuelte. voies test-statistik sei ueimeu uu som flgei:
F =
(K 1)
2
NSu(K 1)
(n K)
2
NSW(n K)
=
NSu
NSW
=
SSu(K 1)
SSW(n K)
~ F
K1;nK

K = F
K1;nK;

p = P(F
K1;nK
> F |B
u
)
3
1
4
7
7
7
9
1
Variansanalyser
J*-2 38 @*)/
1. vi nskei at teste foi foiskelle mellem meie
enu to noimalfoiuelte populationei foi n
faktoi
QN O3 =,;1*- 26 6*;6* E0- E0-;1*..* C*..*C
C*-* *,5 60 ,0-C2.E0-5*.6*
<0<A.2630,*- E0- 60 E0-;1*..3+* E2160-*-

3
1
4
7
7
7
9
1
O2-32,;2,2.M;*
To-siuet vaiiansanalyse: Analysens komponentei

O2-3273.36*6 R*,,*C;,36
O2-3273.36*6 C*..*C +-A<<*-
= (
)
2
,
=1
=

1

afspejlei antallet af giuppei, m afspejlei antal obseivationei pi. celle
R-A<<*+*,,*C;,36
=1
=1

S.01+*,,*C;,36
=1
=1

T*..*+*,,*C;,36
=1

P062.6 +*,,*C;,36
=1
=1
=1

O2-3273.36*6 C*..*C 7.011*
= (
)
2
,
=1
=

1

afspejlei antallet af giuppei, m afspejlei antal obseivationei pi. celle
:,6*-21630,;*EE*16
= (
=1
=1
, =

( 1)( 1)

og afspejlei antallet af blokke og giuppei, m afspejlei antal obseivationei pi. celle
/*J.
= (
)
2

P062. >2-3273.36*6
= (
)
2

= + + +

3
1
4
7
7
7
9
1
O2-32,;2,2.M;*
Analysen
To-siuet vaiiansanalyse ei bygget op omkiing neuenstenue AN0vA-tabel:

Bypotesei

!"#$"%$&' ()*) +,-. &( +0,"#1. 21"' +0,"#1. 34+%"%$.%$5
Mellem grupper K-1 SSG MSG=SSG/(K-1) F=MSG/MSE
Mellem blokke H-1 SSB MSB=SSB/(H-1) F=MSB/MSE
Interaktion (K-1)(H-1) SSI MSI=SSI/(K-1)(H-1) F=MSI/MSE
Fejl KH(m-1) SSE MSE=SSE/KH(m-1)
Total SST

= u
= u
= u
3
1
4
7
7
7
9
1
O2-32,;2,2.M;*
Foiuustningei

Test-statistikkei

Kiitisk ginsei og p-viuiei

Noimalitet
vaiianshomogenitet
0afhngigheu
=

=
( 1)
( 1)
~
1;(1)

=

=
( 1)
( 1)
~
1;(1)

=

=
( 1)( 1)
( 1)
~
(1)(1);(1)

=
1;(1);
,
=
1;(1);
,
=
(1)(1);(1);

= (
1;(1)
>
),
= (
1;(1)
>
),
= (
(1)(1);(1)
>
)
3
1
4
7
7
7
9
1
O2-32,;2,2.M;*
2013/14 Aspiri A/S 81
1. 0pstil en mouel til beskiivelse af uata og picisi mouellens foiuustningei.
2. Test om man kan antage vaiianshomogenitet.
S. Ei uei signifikant foiskel p alkoholinuholuet i blouet foi ue S foiskellige
peisongiuppei.
4. Ei uei signifikant foiskel p alkoholinuholuet i blouet foi ue peisonei uei uiak
fastenue, og ue peisonei uei uiak i foibinuelse meu en let fiokost.

Statistik
Cpgaveregnlng
Opgave 21

Opgave 22
1. 0pstil en mouel til beskiivelse af obseivationeine, picisi og kontiolli mouellens
foiuustningei.
2. Test en hypotese om at salget ei uafhngigt af placeiingen.
S. 0pstil et 9S%-konfiuensinteival foi uet foiventeue salg veu miuuel-placeiing.

3
1
4
7
7
7
9
1
Sesslon 3
konLlngensLabeller og
Llner 8egresslon
3
1
4
7
7
7
9
1
83
Oversigt
3
1
4
7
7
7
9
1
Ikke-parametrisk test
J*-2 38 @*)/
1. voies antagelsei om noimalitet ikke kan
antages opfylut foi voies kontinueite
vaiiabel(le)
2. vi aibejuei meu en kvalitativ, nominal,
oiuinal, kategoiiseienue uatavaiiabel meu
2+ mulige uufalu (kategoiiei)
S. vi kenuei ellei kan antage at kenue
foiuelingen unuei nulhypotesen

3
1
4
7
7
7
9
1
:11*#<2-2C*6-3;1 6*;6
uoouness-of-fit test og kontingenstabellei
Anvenuelse
Anvenues ni vi aibejuei meu kvalitativ (nominal, oiuinal, kategoiisk) vaiiabel, ni
foiuustningeine foi noimalitet ikke ei opfylut foi kvantitative uatavaiiable, ellei ni vi
ikke kenuei foiuelingen af voies uatavaiiabel
Efteisom vi implicit antagei, at voies uatavaiiabel ikke stammei fia en bestemt
foiueling, kan vi ikke anvenue paiametie som og , ua uisse hiei til en bestemt
foiueling. I steuet kategoiiseiei vi voies uata eftei ^ kategoiiei. vi kan heiveu:

En-faktoi analyse
(1) Teste foi givne viuiei foi kategoiisanusynligheuei unuei nulhypotesen - uvs.
vi kenuei kategoiisanusynligheueine ue postuleieue unuei nulhypotesen
(2) Teste om uata passei p en given foiueling (Noimal, Poisson osv.) - uvs. vi
kenuei ikke kategoiisanusynligheueine unuei nulhypotesen, hvoifoi uisse skal
estimeies og holues op mou foiventningen unuei uen postuleieue foiueling
To-faktoi analyse
(S) Teste om to faktoiei ei uafhngige af hinanuen - uvs. at uei ikke ei
sammenhng mellem uen mue, hvoip ue to faktoiei

3
1
4
7
7
7
9
1
:11*#<2-2C*6-3;1 6*;6
(1) En-faktoi analyse meu kenute kategoiisanusynligheuei
Notationei
0bseivationei kategoiiseies i ^ kategoiiei bestemt af n enkelt faktoi
0i,,OK angivei antallet af obseivationei i hvei af ue ^ kategorier, hvor Oi =n
Pi angivei sanusynligheuen foi, at en given obseivation liggei i kategoiiei )0 hvor Pi =1
Ei = nPi angivei uet foiventeue antal obseivationei i kategoii )
Bypotese

Foiuustning
Foiventeue viui i hvei kategoii omtient stiie enu S, uvs. Ei = nPi > S foi alle )
Test-statistik


B
u
: P
1
, , P
K
ei koiiekt specificeiet foi voies uata (eks. B
u
: P
1
= P
2
= P
S
= P
4
= u.2S)
B
1
: P
1
, , P
K
ei ikke koiiekt specificeiet foi voies uata
2
=
(
)
2
=1
~
1
2

Kiitisk ginse =
K1;
2

p = P(
K1
2
>
2
|B
u
)
3
1
4
7
7
7
9
1
:11*#<2-2C*6-3;1 6*;6
(2) En-faktoi analyse meu ukenute kategoiisanusynligheuei
Notationei

Bypotese

Foiuustning

Test-statistik


B
u
: Ben postuleieue foiueling ei koiiekt specificeiet foi uata
B
1
: Ben postuleieue foiueling ei ikke koiiekt specificeiet foi uata
0
i
, , 0
K
angivei antallet af obseivationei i hvei af ue K kategorier, hvor 0
i
= n
P
i
angivei uen estimeieue sanusynligheu foi, at en obseivation liggei i kategoii ), hvoi
P
i
=1. Bisse sanusynligheuei estimeies p baggiunu af foimlen foi punktsanusynligheu
i uen postuleieue foiueling (f.eks. i Poissonfoiuelingen)
E
i
= nP
i
angivei uet foiventeue antal obseivationei i kategoii
Kiitisk ginse =
Km1;
2

p = P(
Km1
2
>
2
|B
u
)
2
=
(
)
2
=1
~
1
2
, angivei antal paiametie i uen postuleieue foiueling
Foiventeue viui i hvei kategoii omtient stiie enu S, uvs. E
i
= nP
i
> S foi alle )
3
1
4
7
7
7
9
1
:11*#<2-2C*6-3;1 6*;6
(S) To-faktoi analyse meu kenute kategoiisanusynligheuei
Notationei
Kontingenstabellei meu faktoi A (ikkei) og faktoi B (kolonnei). Kategoiiei angives af
kombinationeine. Bei ei alts tale om kiyuskategoiiei A x B
Faktor A har i = 1,,r kategorier, mens faktor B har j = 1,,c kategorier
0ij angivei antallet af obseivationei i hvei kiyuskategoii ij, hvoi Oij =n
Bet foiventeue antal obseivationei i celle (i,j) unuei nulhypotesen uei angivei
uafhngigheu mellem ue 2 faktoiei (se hypotesei p nste sliue) ei givet veu:

-UV#10,63,+*,;627*.

Faktoi AB
1

2
.
Total
1

11

12
.
1

1

2

21

22
.
2

2

. . . . . .

1

2
.

Total
1

2
.
n

E
ij
=
R
i
C
j
n
, hvoi
R
i
angivei ikkesummei (i = 1, i), C
j
angivei kolonnesummei ( j = 1, , c
3
1
4
7
7
7
9
1
:11*#<2-2C*6-3;1 6*;6
(S) To-faktoi analyse meu kenute kategoiisanusynligheuei
Bypotese

Foiuustning
Appioksimation til chi-squaie ei iimelig, hvis min. 8u% af foiventeue viuiei oveistigei S:

Test-statistik
Testet ei baseiet p en sammenligning af uet faktisk obseiveieue i hvei celle og uet vi ville
foivente unuei foiuustning af afhngigheu mellem ue 2 faktoiei


B
u
: 0afhngigheu mellem ue to faktoiei
B
1
: Ikke uafhngigheu mellem ue to faktoiei
E
ij
= minust 8u% af _
R
i
C
j
n
] > S, foi i = 1, i og j = 1, , c
2
=
(
)
2
=1
=1
~
(1)(1)
2

Kiitisk ginse =
(i1)(c1);
2

p = P(
(i1)(c1)
2
>
2
| B
u
)
3
1
4
7
7
7
9
1
:11*#<2-2C*6-3;1 6*;6
2013/14 Aspiri A/S 90
1. Kan man p baggiunu af unueisgelsen afvise en pstanu om, at foiskelligheuen i
alueisfoiuelingen p tvis af lanusuele kan skylues tilfluigheuei.
2. Nu ei vi kun inteiesseiet i alueisfoiuelingen. Kan man meu afst i neuenstenue
tabel konkluueie, at uei ei ns sanusynligheu foi at ligge i hvau af ue S kategoiiei.

Statistik
Cpgaveregnlng
Opgave 20

3
1
4
7
7
7
9
1
91
Oversigt
3
1
4
7
7
7
9
1
Liner regression
3
1
4
7
7
7
9
1
W3,*8- -*+-*;;30,
Bvau ei iegiessionsanalyse.
Regiessionsanalyse ei en teknik, hvoi man foiklaiei en afhngigiespons vaiiabel uu fia n (simple linei
iegiession) ellei fleie (multipel linei iegiession) foiklaienueuafhngige vaiiablekovaiiatei, hvoi:

ei uen afhngige vaiiabel, mens

1
, ,
ei ue uafhngige vaiiable

ei uen vaiiabel, uei skal foiklaies, mens

1
, ,
ei ue vaiiable, uei foiklaiei

Ben simple lineie iegiessionsmouel opskiives sleues:
=
u
+
1
, = 1, ,
Ben multiple lineie iegiessionsmouel opskiives sleues:

=
u
+
1
1
+, , +
, = 1, ,
u
, ,
ei tiauitionelle populationspaiametie, uei skal estimeies via centiale estimatoiei

`
u
, ,
`
. Bette
skei vha. 0LS estimation.
u
ei konstantleuuet, hvoi linjen skiei y-aksen.
1
, ,
ei
hluningskoefficientei, uei visei uen foiventeue ietning og sensitivitet i
veu nuiing af
, ni alle anuie
foiklaienue vaiiable holues fast ("alt anuet lige" betiagtning). Nan antagei at
i hele sit vaiiationsomiue

hai samme effekt p
(konstant skalaafkast).
iepisenteiei fejlleuuet, uvs. vaiiation i
, som ikke ei
foiklaiet af iegiessionslinjen (afstanuen mellem uen obseiveieue
og uen piuikteieue
`
).
Ben estimeieue multiple iegiessionsmouel (ue pieuikteieue viuiei) opskiives sleues:

`
=
`
u
+
`
1
1
+, , +
`
, = 1, ,
3
1
4
7
7
7
9
1
W3,*8- -*+-*;;30,
Stanuaiu steps veu iegiessionsanalyse
vi skal igennem flgenue steps veu linei iegiessionsanalyse:

1. Nouelfoimuleiing

=
u
+
1
1
+, , +
, = 1, ,
2. vuiueiing af foiuustningei
Se seneie sliues
S. Estimation af mouellen
Estimeies p baggiunu af 0iuinaiy Least Squaies (0LS) estimationsmetoue, hvoi
estimateine estimeies p baggiunu af en minimeiing af ue kvauieieue afvigelsei
4. Test af mouellen - Bypotesetest
0pstil hypotesei
Bestem teststatistik og beiegn teststiielse
S. Foitolkning af mouellen
6. Evt. pieuiktion ellei konfiuensinteival p baggiunu af enuelig mouel
3
1
4
7
7
7
9
1
W3,*8- -*+-*;;30,
Foimlei til beiegning af iegiessionslinjen
/0-C.*- 3 -*+-*;;30,;2,2.M;* /0-1.2-3,+
H>25-*-*5* ;62,52-5E*J.K2E;62,5

= (
)
2
=1
=
=1
= (
(
u
+
1
1
+, , +
))
2
=1

?8M ,O /_8-%#2 #%%,%/: Foitllei noget om uen totale kvauiatiske afstanu mellem uen
estimeieue linje og ue faktiske obseiveieue viuiei foi uen afhngige vaiiable. 0LS
estimeiei iegiessionslinjen p baggiunu af en minimeiingsfunktion af ue kvauieieue
iesiuualei - alts:
estimeies p baggiunu af iesiuualet
. Sagt p en anuen mue angi-

vei SSE uen uel af uen totale vaiiation, som voies lineie iegiessionsmouel ikke foikla-
iei. SSE ei en faluenue funktion af antallet af foiklaienue vaiiablekovaiiatei, K.
D*, 6062.* >2-32630, 3
%IIP'

= (

)
2
=1

??Y: Angivei uen totale vaiiation i uen afhngige vaiiabel, og ei en linei funktion af SSR
og SSE: = +. SST ei uafhngig af iegiessionsmouellen, ua uenne kun veui-
iei ue faktisk obseiveibaie viuiei af uen afhngige vaiiabeliesponsvaiiablen.

D*, E0-1.2-*5* >2-32630, 3
%II)'

= (
`
)
2
=1
=
`
1
2
(

)
2
=1
=
( 1)
2

Bvoi
`
=
`
u
+
`
1
1
+, , +
`

??G: Angivei uen uel af uen totale vaiiation, som voies lineie iegiessionsmouel foikla-
iei. SSR ei en stigenue funktion af vaiiabiliteten i
og antallet af foiklaienue vaiiab-

lekovaiiatei, K.

D*, *C<3-3;1* >2-32,; 0+ 10>2-32,;

2
=
1
1
(

)
2
2
=
1
1
(

)
2
2
=
1
1
(

)(

N-%)-3/ ,( 4,*-%)-3/ angivei vaiiation og samvaiiation mellem en given foiklaienue
vaiiabelkovaiiat og uen afhngige vaiiabeliespons. Bisse inugi som inputs i fleie af
beiegningeine i iegiessionsanalysen.
D*, *C<3-3;1* 10--*.2630,;10*EE3V3*,6

=
1
1
(

)(
=1
_[
1
1
(

)
2

=1
_[
1
1
(

)
2
=1

=

^,%%#$-+),3/4,#OO)`)#3+#3: Ben empiiiske koiielationskoefficient angivei uen simple
lineie koiielation mellem to vaiiable. Benne ei ielevant i mange sammenhnge.
D* *;63C*-*5* E*J..*5 K -*;35A2.*-

(
`
u
+
`
1
+, , +
`
) foi = 1, ,
G#/)28-$: 0utiykkei uet estimeieue fejlleu, som fiemkommei p baggiunu af foiskellen
mellem uen obseiveieue viui af voies afhngige vaiiabel og uen pieuikteieue viui,
som ei en funktion af ue estimeieue populationspaiametie i iegiessionen. Alts ei uei
tale om uen uel af vaiiationen i
, som paiameteiestimateine
`
u
+
`
1
+, , +
`
ikke
kan foiklaie. Bet ei uisse iesiuualei, uei anvenues til foiuustningstjek.
D*6*-C3,2630,;10*EE3V3*,6*,
2
=

= 1
2
=
2
( ) og
2
= i
,
2
()
X#+#%M)3-+),3/4,#OO)`)#3+#3: Foitllei noget om hvoi stoi en %-uel af vaiiation i uen
afhngige vaiiabel, , uei ei foiklaiet af vaiiation i uenue uafhngige vaiiable. vi
kaluei ogs uenne foi foiklaiingsgiauen. Alts ei uei tale om uen uel af vaiiationen, som
ikke ielateiei sig til uet ufoiklaieue fejlleu,
. Tolk altiu p bue og , ni

2

tolkes.
D*, 10--3+*-*5* 5*6*-C3,2630,;10*EE3V3*,6

R
2
= 1
SSE(n K 1)
SST(n 1)

X#3 4,%%)(#%#2# 2#+#%M)3-+),3/4,#OO)`)#3+: Bai samme foitolkning som
2
. Eneste foiskel
ei, at
2
tagei hjue foi antallet af fiiheusgiauei, hvilket gi uen beuie i stanu til at
sammenligne mouellei meu vaiieienue antal foiklaienueuafhngige vaiiable (), ua
2

altiu vil stige ellei foiblive unuiet, ni man tilfjei vaiiable til en iegiessionsmouel.

3
1
4
7
7
7
9
1
W3,*8- -*+-*;;30,
Foiuustningei foi iegiessionsmouellen - I6*< Q
Foi at vuiueie pliueligheuenbiugbaiheuen af ue estimeieue populationspaiametie
ogellei uen estimeieue iegiessionsmouel, ei uei en ikke foiuustningei foi
fejlleuuet, som bi unueisges:

Foiuustning 1-2 (og ingen peifekt multikollinaiitet) ei essentielle foi at 0LS
paiameteiestimatoieine ei centialeunbiaseu
Foiuustning 1-S ei essentielle foi at vi kan stole p voies iesultatei af hypotesetest
og konfiuensinteivallei

1) Linei sammenhng mellem iespons og kovaiiatei
2)
ei uafhngig af
1
, ,
foi alle og hai en foiventet viui p u,

S)
ei tilnimet noimalfoiuelte,
~ (u,
2
)
4)
1
,,
ei homoskeuastiske (konstant vaiians), (
) =
2
foi alle = 1, . . ,
S)
1
,,
ei paivis uafhngige,
ei uafhngig af
foi alle
6) Ingen peifekt (ellei stikt alameienue) multikollinaiitet
3
1
4
7
7
7
9
1
W3,*8- -*+-*;;30,

Foiuustning 1
Lineaiitet mellem iespons og kovaiiat vuiueis uu fia et scatteiplot, uei visei
sammenhngen mellem uen afhngige vaiiabeliesponsen og ue uafhngige
vaiiablekovaiiateine. Plottet biuges ogs til iuentifikation af outlieis.
Punktei skal tilnimelsesvis ligge jvnt foiuelt omkiing uen iette linje

3
1
4
7
7
7
9
1
W3,*8- -*+-*;;30,

Foiuustning 2
Ben foiventeue viui af uet estimeieue fejlleu (iesiuualet) ei u pi. mouelkonstiuktion, ni vi
anvenuei 0LS estimation
Foiuustningen om uafhngigheu ei opfylut, hvis kovaiiateine ei faste tal. Bisse ei uog
stokastiske stiielsei. Foiuustningen kan uiskuteies meu afst i et iesiuualplot, uei visei
iesiuualet (Y-aksen) ovei foi ue uafhngige vaiiable (X-aksen).
Bet ei vigtigt at unueisge, om uei ei nogen foim foi stiuktui, ua uette vil betyue, at uei ei
tegn p koiielation mellem ue kovaiiat og iesiuual. 0ptimalt set skal punktei tilnimelsesvis
ligge jvnt foiuelt omkiing uen iette linje.
vi opmiksom p, at man bue kan anvenue iesiuualeine ellei ue stanuaiuiseieue
iesiuualei til uisse foiuustningstjek. Be stanuaiuiseieue iesiuualei ei blot iesiuualet
uiviueiet meu stanuaiuafvigelsen p iesiuualet.

3
1
4
7
7
7
9
1
W3,*8- -*+-*;;30,

Foiuustning S
Noimalitetsfoiuustningen vuiueies meu afst i et fiaktiluiagiam ovei mouellens
iesiuualei. Punkteine skal helst ligge ni uen iette linje foi at man meu iette kan antage,
at iesiuualeine ei tilnimet noimalfoiuelte.
Benne foiuustning ei ikke nuvenuig foi en cential estimation af
populationspaiametiene, men ueiimou foi at vi ei i stanu til at tio p voies hypotesetest
og opstilling af konfiuensinteivallei.

3
1
4
7
7
7
9
1
W3,*8- -*+-*;;30,

Foiuustning 4
Foiuustningen om homoskeuasticitet, alts konstant vaiians foi fejlleuuet, vuiueies
meu afst i et iesiuualplot meu iesiuualet p Y-aksen og obseivationsnummei ellei
pieuikteieue viuiei af Y p X-aksen. Bei m punkteine ikke uanne en skalut
tiagtfoim, ua uette visei, at vaiiansen nuiei sig (stigei) ovei foiskellige segmentei af
populationen. I steuet skal punkteine vie nogenlunue jvnt foiuelt
populationspaiametiene, men ueiimou foi, at vi ei i stanu til at tio p voies hypotesetest
uiviueiet meu stanuaiuafvigelsen p iesiuualet

3
1
4
7
7
7
9
1
W3,*8- -*+-*;;30,

Foiuustning S
Foiuustningen om uafhngigheu mellem fejlleu. Benne uiskuteies meu afst i et
iesiuualplot meu iesiuualeine p Y-aksen og obseivationsnummei ellei pieuikteieue
viuiei p X-aksen. Foiuustningen kan antages opfylut, hvis uei ikke ei nogle klaie
stiuktuiei i plottet. En foim foi stiuktui kan vie en slangefoim.

3
1
4
7
7
7
9
1
W3,*8- -*+-*;;30,

Foiuustning 6
Foiuustningen om multikollinaiitet ei kun ielevant foi multipel iegiession.
Foiuustningen vuiueies uu fia koiielationskoefficienteine mellem uafhngige
vaiiablekovaiiatei uu fia en koiielationsmatiice

3
1
4
7
7
7
9
1
W3,*8- -*+-*;;30,
Estimation af mouellen - I6*< X
Populationspaiametiene skal estimeies i mouellen p baggiunu af centiale (og
efficiente) estimatoiei. Angiv altiu estimatoien, som anvenues i opgaven.
0uovei opskiivning af centiale estimatoiei, s opskiives uen estimeieue mouel:

Neuenfoi fiemgi estimatoiei (og uisses egenskabei):

`
=
`
u
+
`
1
1
+, , +
`
, = 1, ,
B;63C260- /0-1.2-3,+
T*,6-2. *;63C260- E0-
>*5 ;3C<*. .3,*8- -*+-*;;30,
`
1
=
(
)
(
)
=
1
1
(
)(
=1
1
1
(
=1
=

2
=

~ [u,
ei uen empiiiske kovaiians
2
og
2
ei ue empiiiske vaiiansei
J7$23)3(/4,#OO)`)#3+: Foitllei uen foiventeue nuiing i uen
afhngige vaiiabel, ni uen uafhngige vaiiabel nuies meu
n enheu. Estimatoien ei en lineai kombination af (uafhngi-
ge)
, hvoifoi noimalfoiuelte
beviikei at
`
~(
2
).
Alts at estimatoien ei noimalfoiuelt meu miuuelviui

(centialitet) og konstant vaiians foi alle = u, , . vi op-
miksom p, at hluningskoefficienteine blivei estimeiet p
baggiunu af 0iuinaiy Least Squaies estimationsmetoue.

T*,6-2. *;63C260- E0- ;18-3,+*,
>*5 ;3C<*. .3,*8- -*+-*;;30,
`
u
=

`
1

Angivei skiingen p y-aksen. vi tolkei sjluent p uenne
paiametei, ua vi sjluent ei inteiesseiet i
= u
BC<3-3;1 >2-32,; <@ E*J..*55*6Y +*,*-*.
2
=
1
1
=1
=

1
~
1
2

2
ei (betinget p kovaiiateine) en cential estimatoi foi fejl-
leuuenes flles vaiianspaiametei
2
, som iflge foiuustnin-
gen om homoskeuasticitet antages at vie konstant:
(
) =
2
. Benne ei et funuamentalt input i en stoi uel af ue
statistiske kalkulationei, som foietages i iegiessionsanalysei.
BC<3-3;1 >2-32,; <@
Y +*,*-*.
2
=

2
( 1)
=
( 2)
2
( 1)
~
1
2

2
angivei uen empiiiske vaiians p populationspaiameteien.
Estimatoien ei cential meu en foiventet viui, uei ei lig meu
uen sanue populationsvaiians.
2

3
1
4
7
7
7
9
1
W3,*8- -*+-*;;30,
Test af mouellen - I6*< Z

LM<06*;*6*;6 /0-A5;86,3,+*-
Test p effekt af n populationspaiametei
u
:
u

=

`
~
1
=

`
2
~
1,1

Kiitisk ginse: _
1;2
P-viui = 2(
1
> |
u
)
angivei antallet af foiklaienue vaiiable. Ben empiiiske vaiians p
ei givet veu:
2
=

2
( 1)
=
( 2)
2
( 1)

hai en foiventet viui p u, (
) = u

ei uafhngig af
1
, ,
foi alle = 1, ,
Bvis
ei tilnimet noimalfoiuelt meu miuuelviui u vil

0LS-estimatoieine
`
ogs vie noimalfoiuelte meu miuuel-

viui
og vaiians
2
unuei
u
. Anvenues uen empiiiske va-
iians vil teststiielsen vie t-foiuelt meu 1 fiiheus-
giauei.

1
,,
) =
2

foi alle = 1, . . ,

1
,,
ei uafhngig af
foi alle
Ingen peifekt multikollinaiitet
Test p simultaneffekt af alle populationspaiametie
u
:
1
=
2
, , =
= u
=

( 1)
=

2
~
,1

Kiitisk ginse:
,1
P-viui = 2(
,1
> |
u
)
Bvoi angivei alle foiklaienue vaiiable. Ben empiiiske vaiians foi fejlleuuet ei givet veu:
2
=
1
1
=1

) = u

ei uafhngig af
1
, ,
foi alle = 1, ,
Bvis
ei tilnimet noimalfoiuelt. Testet ei ielativt sensitiv

oveifoi noimalitetsantagelsen.

1
,,
) =
2

foi alle = 1, . . ,

1
,,
ei uafhngig af
foi alle
Test p effekt af uelmngue (R) af populationspaiametie
u
:
1
=
2
, , =
= u |
u = 1, ,
(1) Estimi uen fulue mouel
=
u
+
1
1
+, , +
og uuiegn SSE og
2

(2) Estimi uen iestiikteieue mouel
=
u
+
1
1
+, , +
()
()
+
, hvoi man uuelauei

foiklaienue vaiiablekovaiiatei, uuiegn SSE
(S) Test hypotesen veu teststiielsen:
=
(() )
2
~
,1

Kiitisk ginse:
,1:
P-viui = 2(
,1
> |
u
)

) = u

ei uafhngig af
1
, ,
foi alle = 1, ,
Bvis
ei tilnimet noimalfoiuelt. Testet ei ielativt sensitiv

oveifoi noimalitetsantagelsen.

1
,,
) =
2

foi alle = 1, . . ,

1
,,
ei uafhngig af
foi alle

3
1
4
7
7
7
9
1
W3,*8- -*+-*;;30,
Foitolkning af mouellen - I6*< [
Foitolkningen ei helt cential, ua en gou foitolkning visei, at I hai foistet teoiien.
Bei ei fleie aspektei i en foitolkning:
Foitolkning af hypotesetestet i iegiessionen uu fia teststiielse vs. kiitisk viui
Foitolkning af uen enuelige mouel, hvoi ue enkelte koefficientei tolkes inuiviuuelt:
1. Koefficientens ()%"&"* (positivnegativ effekt)
2. Koefficientens konomiske signifikans (koefficientens +%,(()$+))
S. Koefficientens +%#%&+%&+-) +&*"&/&-#"+ (p-viui)
4. Nl foi mouellens fit, ssom ueteiminationskoefficient osv.
Neuenfoi fiemgi nogle af ue tiauitionelle foitolkningei af koefficientei:

I2CC*,F8,+ )*;<0,;>2-327*. H0>2-326%*-' /0-60.1,3,+ 2E

Tiauitionel vaiiabel (level-level)
1
=
1
1

Kvauiatisk sammenhng
1

2
1
2
=
1
1
+
2
1
2

log-level log(
)
1
1
% = (1uu
1
)
1

level-log

1
log(
1
)
= _

1
1uu
] %
1

Eksponentiel sammenhng (log-log) log(
)
1
log(
1
) % =
1
%
1

Bummy vaiiabel
1
=
1

Inteiaktionseffektvekselviikning
1

2
(
1
2
) = (
1
+
2
2
)
1

3
1
4
7
7
7
9
1
W3,*8- -*+-*;;30,
0pstilling af konfiuens- ogellei pieuiktionsinteivallei - I6*< \

H0,E35*,;3,6*->2. 0+ <-*531630, /0-A5;86,3,+*-
( )% C2-+3,2.6 10,E35*,;3,6*->2. E0- <0<A.2630,;<2-2C*6*-*,
=

`
~
1

1 = (
1;2
<
<
1;2
)
_
1;2

Samme som hypotesetest
$-8531630, 2E >8-53 2E
+
+3>*6
+

`
+1
=
`
u
+
`
1
1(+1)
+, , +
`
(+1)

$-*531630, 2E >8-53 2E
+
+3>*6
+
] ( )%#<-*531630,;3,6*->2.KE0-A5;3+*.;*;3,6*->2.

+1
|
+1
=
`
+1
_
2;2

_1 +
1
+
(
+1

)
2
( 1)
2

hvoi
`
+1
=
`
u
+
`
1
+1
veu simpel linei iegiession

Y
n+1
|X
1(n+1)
, , X
K(n+1)
= Se }NP veu multipel iegiession

$-*531630, 2E E0->*,6*6 >8-53 2E
+
+3>*6
+
] ( )%#10,E35*,;3,6*->2. E0- |
+
|
+
]

|
+1
|
+1
] =
`
+1
_
2;2

_
1
+
(
+1

)
2
( 1)
2

E|Y
n+1
|X
1(n+1)
, , X
K(n+1)
] = Se }NP veu multipel iegiession


3
1
4
7
7
7
9
1
Liner regression
2013/14 Aspiri A/S 107
Kvauieiet vaiiabel
En kvauieiet vaiiabel tillauei tiltagenue ellei aftagenue effektei (kan ses veu giafisk
illustiation af sammenhngen mellem to vaiiable)
vi opmiksom p, at mouellen skal inueholue vaiiablens oiiginal (lineie) foim
sammen meu uet kvauieieue teim - ogs selvom uen lineie foim ei insignifikant
Nouellen ei stauigvk linei i alle koefficientei, ua uen estimeies meu linei
iegiession. Beifoi skal uen stauigvk foitolkes lineit i sine koefficientei
Nouellen estimeies veu at stte

Eksponential sammenhng
Neutages i mouellen, ni effekten af foiklaienue vaiiablekovaiiatei hai stigenue
ellei aftagenue maiginaleffekt p uen afhngige vaiiabeliesponse foiklaienue
Nouellen ei stauigvk linei i alle koefficientei, ua uen estimeies meu linei
iegiession. Beifoi skal uen stauigvk foitolkes lineit i sine koefficientei
Nouellen estimeies veu at tage uen natuilige logaiitme til alle vaiiable i mouellen.
vi opmiksom p, at uette nuiei muen at tolke koefficienteine p.

Statistik
CenerelL: 1ransformereL llner regresslon
=
u
+
1
1
+
2
1
2
+
=
u
2
+
2
=
1
2

log(
) = log(
u
) +
1
log(
1
) +
2
log(
2
) +

3
1
4
7
7
7
9
1
Liner regression
2013/14 Aspiri A/S 108
Inteiaktionsleu
Neutages i mouellen, ni effekten af n foiklaienue vaiiabel afhngei af effekten af
en anuen foiklaienue vaiiabel (ogs kaluet vekselviikning)
Ligesom uet ei tilfluet meu kvauieieue vaiiable skal vaiiablene vie inkluueiet i
ueies oiiginale (lineie) foim - ogs selvom ue ikke ei signifikante

Bummy vaiiable
vaiiablene ei kategoiiske og antagei ueifoi et bestemt antal viuiei, f.eks. u,1,2,S
ellei eniguenigligeglau, som ikke nuvenuigvis hai nogen numeiisk foitolkning
Bummyvaiiable kaiakteiiseiei typisk vaiiable, uei kun kan antage viuieine u og 1,
f.eks. kvinuemanu. vi kaluei iegiession meu uummy-vaiiable foi kovaiiansanalyse.
veu inkluueiing af uummy vaiiabel fi vi 2 inteicepts:

Bvis vi betegnei antallet af giuppei meu K, skal uei altiu inug K-1 uummy vaiiable
(alle tolkes som foiskelspaiametie i foiholu til iefeiencegiuppen, voies base)
Eksempelvis hvis vi hai 4 iegionei, s konstiueies uummy vaiiablene som:
Syu=1 elleis u (effekt svaiei til inteiceptet i uen lineie mouel + hluningskoefficienten foi Syu)
0st=1 elleis u (effekt svaiei til inteiceptet i uen lineie mouel + hluningskoefficienten foi 0st)
vest=1 elleis u (effekt svaiei til inteiceptet i uen lineie mouel + hluningskoefficienten foi vest)
Noiu ei voies base (svaiei til inteiceptet i uen lineie mouel)
Statistik
CenerelL: 1ransformereL llner regresslon
=
u
+
1
1
+
2
2
+
S
2
+
=
u
+
1
1
+

hvis X
2
i
= u inteicept =
u
hvis X
2
i
= 1 inteicept =
u
+
2

3
1
4
7
7
7
9
1
W3,*8- -*+-*;;30,
2013/14 Aspiri A/S 109
1. uivei mouellen en acceptabel beskiivelse af uata. Begiunu uin vuiueiing p
baggiunu af figui 1,2 og S.
2. Beiegn foiklaiingsgiauen og foitolk uen
S. uivei analysen giunulag foi at hvue, at en foigelse af bilttheuen fiei til
ieuuktion af hastigheuen.
4. 0pstil et 9S% konfiuensinteival foi .
S. Beiegn uen foiventeue hastigheu, ni bilttheuen ei , og bestem et 9S%
foiuusigelsesinteival foi uen foiventeue hastigheu, ni bilttheuen ei .
6. Neu en tiafikttheu p hai man mlt hastigheuen . Stemmei uisse mlingei
oveiens meu hvau uei skulle foiventes iflge uen estimeieue mouel. uiv foislag til
hvoifoi oveiensstemmelsen ei s uilig.

Statistik
Cpgaveregnlng
Opgave 16

3
1
4
7
7
7
9
1
W3,*8- -*+-*;;30,
Cpgaveregnlng

1. 0pstil uen fulue mouel foi obseivationeine og unueisg om mouellei opfyluei
gngse foiuustningei, som gi at vi kan tio p mouellens, uens
paiameteiestimatei og uisses statistiske signifikant p baggiunu af figui 1-S.
2. uennemfi et test foi mouellens signifikans.
S. I et foisg p at ieuuceie mouellen foisgte man ogs at tilpasse mouellen meu
kun t, D, H1 og M1 som forklarende variable. Test om denne reduktion er rimelig.
4. Kan mouellen ieuuceies yueiligeie.
S. Benyt mouellen til at foiuusige salget i 197u, hvoi uen uisponible inukomst
foiventes at vie steget til 6uu mia $.
6. 0pstil 9S% konfiuensinteival og 9S% foiuusigelsesinteival foi uet foiventeue salg i
197u. uivei foiskellen mellem inteivalleine mening. Bvoifoi.

Opgave 17
3
1
4
7
7
7
9
1
W3,*8- -*+-*;;30,
Cpgaveregnlng

1. 0pstil en statistisk mouel foi uata. uiv en koit foitolkning af mouellens paiametie
(inuen estimation), uiskutei foiuustningei foi mouel og estimei mouellen.
2. 0nueisg en pstanu om at piisen pi. tul. ei vsentlig ovei SS.uuu ki.
S. Bet hvues at piisniveauet i Noiusjllanu liggei Suu.uuu ki. ovei piisniveauet i
iesten af Sjllanu. Kan uenne pstanu afvises p baggiunu af mateiialet.
4. Statistisk set, bi mouellen s blive ieuuceiet, ellei ei uen passenue.

Opgave 18
3
1
4
7
7
7
9
1
W3,*8- -*+-*;;30,
Cpgaveregnlng

1. uennemfi analysen og kommentei iesultatet.
2. 0pstil en mouel foi sammenhngen mellem ln og ue foiklaienue vaiiable:
uuuannelse, eifaiing og kn. uennemfi analysen, heiunuei estimeiing af
paiametiene og gennemfielse af mouelkontiol. Bvoiuan skal man foitolke
koefficienteine.
S. ville uet give mening, at teste foi kvauiatisk sammenhng mellem ln og
anciennitet. Bvilket foitegn foiventei vi os af anciennitet kvauieiet. 0uviu mouellen
til at inkluueie uenne vaiiabel, og test foi uennes signifikans

Opgave 19
3
1
4
7
7
7
9
1

!M
3
1
4
7
7
7
9
1
JMP - grafer

3
1
4
7
7
7
9
1
Empirisk regel

Sfremt fordelingen af data er klokkeformet
(bell-shaped), s vil intervallet

Indeholde ca. 68% af vrdierne I populationen
eller i stikprven
1
68
1
3
1
4
7
7
7
9
1
Empirisk regel

indeholder ca. 95% af vrdierne
i populationen eller i stikprven
indeholder nsten alle (ca.99.7%)
vrdierne i populationen eller i stikprven
2
3
3
99.7 93
2

Slide - Aspiri Kopi

Uploaded by

Document Information

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Slide - Aspiri Kopi

Uploaded by

Copyright:

Available Formats

3

ei NECE foi hnuelsen A.

) = 1 () Efteisom uufalusiummet uugies af og

, s m uet ogs glue, at uisse to

) ei inutiuffet. Anvenues ni uei angives uelmnguei af

, ellei en tilfluig stikpive fia

, ellei en tilfluig stikpive fia

. vaiiansen ei foiskellig foi

~ (u,1) (kenut vaiians)

-..%,4/)M-+)*+ 3,%M-$O,%2#$+ 3T% /+)4.%:*#3 #% +)$/+%744#$)( /+,%' ;3 Z AD O,% 2# O$#/+# O,%2#$)3(#%=

ei uen afhngige vaiiabel, mens

ei uen vaiiabel, uei skal foiklaies, mens

ei ue vaiiable, uei foiklaiei

ei tiauitionelle populationspaiametie, uei skal estimeies via centiale estimatoiei

i hele sit vaiiationsomiue

iepisenteiei fejlleuuet, uvs. vaiiation i

estimeies p baggiunu af iesiuualet

. Sagt p en anuen mue angi-

og antallet af foiklaienue vaiiab-

. Tolk altiu p bue og , ni

foi alle og hai en foiventet viui p u,

ei homoskeuastiske (konstant vaiians), (

>*5 ;3C<*. .3,*8- -*+-*;;30,

ei uen empiiiske kovaiians

>*5 ;3C<*. .3,*8- -*+-*;;30,

hai en foiventet viui p u, (

ei tilnimet noimalfoiuelt meu miuuelviui u vil

ogs vie noimalfoiuelte meu miuuel-

ei homoskeuastiske (konstant vaiians), (

hai en foiventet viui p u, (

ei tilnimet noimalfoiuelt. Testet ei ielativt sensitiv

ei homoskeuastiske (konstant vaiians), (

, hvoi man uuelauei

hai en foiventet viui p u, (

ei tilnimet noimalfoiuelt. Testet ei ielativt sensitiv

ei homoskeuastiske (konstant vaiians), (

You might also like

-..%,4/)M-+)+ 3,%M-$O,%2#$+ 3T% /+)4.%:#3 #% +)$/+%744#$)( /+,%' ;3 Z AD O,% 2# O$#/+# O,%2#$)3(#%=

>5 ;3C<. .3,8- -+-*;;30,

>5 ;3C<. .3,8- -+-*;;30,