Seminarium 6, Grundläggande industriell statistik,

ML1018, HT19

2 december 2019

(1) Vi har data över några svenska städer.

Stad Växjö Örebro Sundsvall Östersund Luleå Kiruna

Latitud 56.9 59.3 62.4 63.2 65.6 67.9
Årsmedeltemperatur 6.5 5.8 3.6 2.6 1.3 -1.7

Latituden är angiven i grader nordlig bredd och årsmedeltemperaturen i grader Celsius.

Skatta a och b i regressionslinjen y = a + bx för dessa data. Den oberoende variabeln (x)
ska vara latitud och den beroende (y) årsmedeltemperatur. Bestäm även ett tvåsidigt konfi-
densintervall med konfidensgrad 95 % för årsmedeltemperaturen i Gävle som har latitud 60.7
grader och motsvarande prognosintervall. Alla tal i svaret ska anges med två värdesiffror.
Men tänk på att ha betydligt fler värdesiffror i mellansteg. Detta gäller generellt.

(2) Rita ett residualdiagram för datan i föregående uppgift med latitud som oberoende
variabel.

(3) Vi har data över några städer i världen.

Stad Antananarivo Santiago Johannesburg Sydney Christchurch Punta Arenas

Latitud 18.9 33.4 26.2 33.9 43.5 53.2
Temperatur 10 3 4 8 1 -1

Latituden är angiven i grader sydlig bredd och temperaturen avser lägsta medeltempera-
tur i juli i grader Celsius. Skatta a och b i regressionslinjen y = a + bx för dessa data
och beräkna Pearsons korrelationskoefficient r, förklaringsgraden R2 och Spearmans korrela-
tionskoefficient rS . Den oberoende variabeln (x) ska vara latitud och den beroende (y) lägsta
medeltemperatur i juli. Gör även ett tvåsidigt test på signifikansnivån 5 % med nollhypo-
tesen H0 : b = 0 och alternativhypotesen HA : b 6= 0, ett ensidigt test med samma H0 och
samma signifikansnivå men med HA : b < 0 och ett ensidigt test med samma H0 och samma
signifikansnivå men med HA : b > 0. rS ska anges exakt. Övriga tal i svaret ska anges med
två värdesiffror.

1
(4) Vi har ett slumpmässigt stickprov med 100 observationer bestående av bland annat
11 nollor, 22 ettor, 35 tvåor och 14 treor. Resterande observationer är fyra eller högre. Testa
på signifikansnivån 5 % om stickprovet kommer från en poissonfördelning med parameter
m = 2.

(5*) Antalet driftstopp en dag i en fabrik är oberoende av antalet driftstopp alla andra
dagar och är poissonfördelat. Antalet driftstopp i en fabrik per dag anses även ha väntevär-
de 0.22. En kontollant misstänker att väntevärdet är högre än 0.22 och beslutar att räkna
antalet driftstopp under 10 dagar. Antalet driftstopp under de 10 dagarna är således också
poissonfördelat, säg med väntevärde m. Om det stämmer att väntevärdet för antalet drift-
stopp per dag är 0.22 gäller förstås att väntevärdet för antalet driftstopp under de 10 dagarna
är 2.2. Kontrollanten ställer därför upp testet:
H0 : m = 2.2.
med alternativhypotesen
HA : m > 2.2.
på signifikansnivån 5 %.
a) För vilka värden på antalet driftstopp under 10 dagar ska H0 förkastas?
b) Bestäm styrkefunktionen.
c) Bestäm testets styrka om m = 4 och risken för fel av typ II, d.v.s. β, om m = 4. Svaren
ska anges med tre värdesiffror.