Gennemsnit og normalfordeling illustreret med terningkast, simulering og SLUMP()
|
|
- Jonathan Hedegaard
- 8 år siden
- Visninger:
Transkript
1 Gennemsnit og normalfordeling illustreret med terningkast, simulering og SLUMP() John Andersen, Læreruddannelsen i Aarhus, VIA Et kast med 10 terninger gav følgende udfald Fig. 1 Result of rolling 10 dices Summen af øjnene divideret med 10 giver gennemsnittet = 17 5 = 3.4 Kaster man mange gange med de 10 terninger får man en masse gennemsnit der alle vil tilhøre talmængden {1, 1.1, 1.2, 1.3,..., 5.8,5.9,6} Ved hjælp af Excel kan vi undersøge om der er et mønster i disse gennemsnit. Simulering af 100 kast med 10 terninger Fig. 2 viser resultatet af 100 simuleringer af gennemsnit ved kast med 10 terninger. Fig. 2 Skærmbillede fra Excel
2 Formlen i hver celle er =(SLUMPMELLEM(1;6)+SLUMPMELLEM(1;6)+SLUMPMELLEM(1;6)+SLUMPMELLEM(1;6)+ SLUMPMELLEM(1;6)+SLUMPMELLEM(1;6)+SLUMPMELLEM(1;6)+SLUMPMELLEM(1;6)+S LUMPMELLEM(1;6)+SLUMPMELLEM(1;6))/10 Den er skrevet ind i A2 og derpå kopieret til de øvrige. Under indskrivninger og også brugt kopiering så skrivearbejdet var ikke så stort som man måske tror når man ser på formlen. SLUMPMELLEMfunktionen er indrettet sådan at hver udgave vi skriver af den fungerer uafhængigt af de øvrige. Det er det der gør at denne formel kan bruges til en simulering som denne. Fig. 3 viser formler til optælling af de simulerede gennemsnit Fig. 3 Skærmbilleder der viser hvilke formler der er brugt til at optælle og beregne frekvenser af de simulerede gennemsnit
3 Fig. 4 Pindediagram der visualiserer statistikken. Denne diagramtyper er valgt fordi vi kender de mulige, adskilte (diskrete) værdier af gennemsnittene. Så snart regnearket er udformet kan vi se resultatet af en ny simulering af 100 kast ved at trykke på F9-tasten (beregn). Det kan du gøre en masse gange og se at gennemsnittene ganske vist fordeler sig ret så tilfældigt, men alligevel er der en tendens til at de samler sig i midten. Fig nye kast med de 10 terninger Med computer og regneark kan man håndtere store datamængder så lad os se hvad der sker, hvis vi kaster de 10 terninger nogle flere gange. Det er de samme formler der skal bruges. SLUMPMELLEMformlerne skal blot kopieres til et større område og optællings området skal justeres så det passer dertil. På de næste to figurer ser de statistikker over 5000 kast med 10 terninger.
4 Fig. 6 Pindediagram over 5000 kast med 10 terninger Fig. 7 Ved at trykke på F9 får man 5000 nye kast. Vi kan nu se et mønster der ser mere regelmæssigt ud, og man får en ide om, hvad der kan forventes - eller ikke forventes. Det vil nok ikke være klogt at sætte en formue på gennemsnit tæt ved 1 eller 6. Nu kan det være spændende at se hvad der sker hvis vi kaster endnu flere gange. Hvad med ? Kan det lade sig gøre? Er regnearket og computerens hukommelse stor nok? Kører jeg helt ned i bunden af mit regneark kan jeg se at der er 2 20 = rækker og 2 14 = søjler at gøre godt med, så lad os prøve at se hvad der sker:
5 Fig. 8 En smuk "klokkeformet" fordeling af pinde for de kast. Et tryk på F9 giver et nyt billede (Fig. 9) der til forveksling ligner billedet på Fig. 8. og gentagelser resulterer i det samme. Fig. 9 En ny simulering af kast med 10 terninger giver gennemsnit, der er fordelt næsten som på Fig. 8. Forskellen fra regnearket der blev brugt til Fig. 3 er at området der simulerers i og optælles over er noget større:
6 Fig. 10 Del af formlerne der bliver brugt til optællingen af de kast med de 10 terninger. Den regelmæssige form af pindediagrammet på Fig. 9 antyder at der måske er en eller anden formel for en kurve der kan beskrive formen af det samlede billede af pindene - altså f.eks. afgrænsningen opad. Det gør der - jeg havde nok slet ikke skrevet dette kapitel hvis ikke det var fordi jeg på forhånd vidste det. Det er mange år siden at den blev fundet. Det drejer sig om normalfordelingen eller Gaussfordelingen som den også kaldes. Baggrunden for dette kapitel er et ønske om at give et konkret eksempel på hvad konklusionen i den såkaldte centrale grænseværdisætning siger. Jeg vil ikke gå ind i mere formulerings- og bevistekniske detaljer omkring denne emnekreds men holde mig til konkrete eksempler der er til at tage og føle på - i det omfang man kan sige at computersimuleringer er til at tage og føle på. Hvis du vil lidt mere ind i detaljeret teoretisk baggrund så se f.eks. [1] og [2].
7 Grænsefordelingen af gennemsnittene ved kast med 10 terninger Hvad skal man se efter? Den centrale grænseværdisætning fortæller at gennemsnittene tilnærmelsesvis (jo flere kast desto bedre) normalfordelt med middelværdi m og varians s 2 /10, hvor m og s 2 er middelværdi og varians for et kast med en terning. For at minde om definitioner på disse størrelser vælger jeg her at beregne dem direkte med regnearket (Se Fig. 11 & 12): Fig. 11 Beregning af middelværdi, varians og spredning for en terning. Fig. 12 Formler til beregningerne i Fig. 11. Da normalfordelingen er en kontinuert fordeling kan vi ikke direkte sammenligne dens sandsynlighedstæthed med pindediagrammer som på Fig. 9. Hvis vi betragter de gennemsnit som observationer af kontinuerte (grupperede) observationer kan vi derimod lave en grafisk fremstilling som direkte kan sammenlignes med de teoretiske grafer fra
8 normalfordelingen. Det gør vi ved at fremstille histogram og sumkurve for de gennemsnit baseret på en eller anden intervalinddeling. Da vores talmateriale består at observationer er der rigeligt mange til at vi kan få det mere detaljeret billede ved at vælge smallere grupperingsintervaller. På Fig er brugt inddelingen 1,05<1,25<1,45<...<5,85 for at undgå af delepunkterne rammer oven i de mulige værdier af gennemsnittene (der jo ikke er ægte kontinuerte observationer jvf. bemærkningen lige efter Fig. 1) Vi ser et næsten perfekt sammenfald med normalfordelingen: Fig. 13 Histogram sammenlignet med sandsynlighedstæthed for normalfordeling med middelværdi 3,5 spredning 1,7078 = 0,54 10
9 Fig. 14 Sumkurve sammenlignet med fordelingsfunktion for normalfordeling med samme parametre som på Fig. 13. Der er meget fint sammenfald og man skal zoome ind for at se forskellene - se Fig. 15 Fig. 15 Sumkurve sammenlignet med fordelingsfunktion for normalfordeling med samme parametre som på Fig. 13. Her er der zoomet ind på en del af graferne i Fig. 14 og man kan se at der er forskel (blå graf er sumkurve, rød graf er fordelingsfunktion).
10 Fordelingen af gennemsnittene ved kast med 100 terninger I næste omgang vil vi prøve at kaste 100 terninger og beregne deres gennemsnitlige øjental. Det gøre med et regneark, der næsten er en kopi af regnearket i Fig. 3. Formlen på Fig. 17 til beregning af gennemsnittet indeholder 100 kopier af SLUMPMELLEM(1;6) og det kan umiddelbart lyde som noget af en tålmodighedsprøve at indtaste den. Men skriver man den f.eks. i Word bliver det en overkommelig opgave hvis man bruger "kopier" og "sæt ind" nogle et passende antal gange. Den færdige formel kopieres fra Word over i den første celle i regnearket. Derpå kopieres den ved træk med musen til de celler der skal indgå i simuleringen. Fig. 16 Denne lange formel beregner gennemsnitligt øjental for et kast med 100 terninger. Når man bruger diverse kopieringsmuligheder er der ikke megen forskel på at arbejde med lange eller korte formler.
11 Fig. 17 Histogram sammenlignet med sandsynlighedstæthed for normalfordeling med middelværdi 3,5 spredning 1,7078 = 0,
12 Fig. 18 Sumkurve sammenlignet med fordelingsfunktion for normalfordeling med samme parametre som på Fig. 17.
13 Sammenfatning vedrørende terningkastene Vi har set forskellige muligheder for at variere disse simuleringer: På Fig. 4 - Fig. 9 varieres antallet af kast men der kastes hver gang 10 terninger. Jo flere kast desto mere regelmæssigt mønster. Det er store tals lov der illustreres der. På Fig er det antallet af terninger der varieres. Læg bl.a. andet mærke til at spredningen af de observerede gennemsnit bliver mindre desto flere terninger der kastes. Sammenlign f.eks. Fig. 13. og 17. Det er måske den fornemmelse de fleste har: Når man laver flere målinger (her flere terninger) til beregning af et gennemsnit så får man den forventede gennemsnitsværdi bestemt med større nøjagtighed. Det som den centrale grænseværdisætning fortæller os er bl.a. at når antallet af terninger øges med en faktor k så formindskes spredningen med en faktor 1, f.eks. fra Fig. 13 til Fig. 17. formindskes k spredningen med en faktor Tjek selv på de to figurer: Sammenlign bredderne af de klokkeformede områder. Der er også den mulighed at man kan variere finheden af intervalinddelingerne når vi grupperer data. Men så går noget tilsyneladende galt. Eller rettere sagt: Det går ikke galt, men det bliver afsløret at gennemsnittene af terningerne ikke er kontinuerte variable men derimod diskrete variable: Fig 19. Gennemsnittene af terningerne afsløret: De er ikke kontinuerte variable. Hvad gør jeg så nu? Det her blev afsløret fordi jeg gik ned i antallet af terninger. Så blev springene mellem gennemsnitsværdierne efterhånden så store at det blev afsløret ved forfinelse af gruppeintervallerne.
14 Der er ellers endnu et aspekt ved den centrale grænseværdisætning jeg gerne vil vise og det kræver at jeg kan komme helt ned på gennemsnit af to variable. Fordi terninger producerer diskrete variable skifter jeg nu terningerne, der jo giver hele tal ud mellem 1 og 6 begge inklusive, så vælger jeg at erstatte terningerne med variable der leverer tilfældige tal, jævnt fordelt i intervallet [1;6]. Den indbyggede funktion SLUMP() giver tilfældige tal jævnt fordelt i intervallet [0;1]. Derfor kan jeg bruge funktionen 1 + 5*SLUMP() til at skaffe mig tilfældige tal i intervallet [1;6] og så udskifte SLUMPMELLEM(1;6) i alle regneark der tidligere er blevet brugt med denne nye funktion. Middelværdien af denne nye variabel er 3,5 og dens varians er 31,25/15 og dermed er dens spredning 1,4433. Den centrale grænseværdisætning siger nu at hvis man tager gennemsnittet af n af hinanden uafhængige udgaver af denne variabel så vil dette gennemsnit være approksimativt normalfordelt med middelværdi 3,5 og spredning 1,4434. Nedenfor vises nu en billedserier der illustrerer dette. En n mere formaliseret og stringent formalisering ligger uden for denne fremstillings intentioner. Vær opmærksom på at ved histogrammerne ændres skaleringen på 2. aksen. Men bortset fra dette så viser figurerne at fordelingen er ret langt fra en normalfordeling når antallet der tages gennemsnit er så lille som 2 og 3 men derefter kommer den til at ligne mere og mere. Jeg stopper her og lader billederne tale for sig selv. Fig 19
15 Fig 20 Fig 21
16 Fig 22 Fig 23
17 Fig 24 Fig 25
18 Fig 26 Fig 27
19 Fig 28 References [1] (August 31, 2011) [2] (August 31, 2011)
Simulering af stokastiske fænomener med Excel
Simulering af stokastiske fænomener med Excel John Andersen, Læreruddannelsen i Aarhus, VIA Det kan være en ret krævende læreproces at udvikle fornemmelse for mange begreber fra sandsynlighedsregningen
Læs mereSimulering af stokastiske fænomener med Excel
Simulering af stokastiske fænomener med Excel John Andersen, Læreruddannelsen i Aarhus, VIA Det kan være en ret krævende læreproces at udvikle fornemmelse for mange begreber fra sandsynlighedsregningen
Læs mereFig. 1 Billede af de 60 terninger på mit skrivebord
Simulation af χ 2 - fordeling John Andersen Introduktion En dag kastede jeg 60 terninger Fig. 1 Billede af de 60 terninger på mit skrivebord For at danne mig et billede af hyppighederne flyttede jeg rundt
Læs mereHøjde af kvinder 2 / 18
Hvorfor er normalfordelingen så normal? og er den nu også det? Søren Højsgaard (updated: 2019-03-17) 1 / 18 Højde af kvinder 2 / 18 Inddeler man i mindre grupper kan man forestille sig at histogrammet
Læs mereStatistik. Peter Sørensen: Statistik og sandsynlighed Side 1
Statistik Formålet... 1 Mindsteværdi... 1 Størsteværdi... 1 Ikke grupperede observationer... 2 Median og kvartiler defineres ved ikke grupperede observationer således:... 2 Middeltal defineres ved ikke
Læs mereDeskriptiv statistik. Version 2.1. Noterne er et supplement til Vejen til matematik AB1. Henrik S. Hansen, Sct. Knuds Gymnasium
Deskriptiv (beskrivende) statistik er den disciplin, der trækker de væsentligste oplysninger ud af et ofte uoverskueligt materiale. Det sker f.eks. ved at konstruere forskellige deskriptorer, d.v.s. regnestørrelser,
Læs mereStatistik. Peter Sørensen: Statistik og sandsynlighed Side 1
Statistik Formålet... 1 Mindsteværdi... 1 Størsteværdi... 1 Ikke grupperede observationer... 2 Median og kvartiler defineres ved ikke grupperede observationer således:... 2 Middeltal defineres ved ikke
Læs mereKursusindhold: Produkt og marked - matematiske og statistiske metoder. Monte Carlo
Kursusindhold: Produkt og marked - matematiske og statistiske metoder Rasmus Waagepetersen Institut for Matematiske Fag Aalborg Universitet Sandsynlighedsregning og lagerstyring Normalfordelingen og Monte
Læs mereKursusindhold: Produkt og marked - matematiske og statistiske metoder. Monte Carlo
Kursusindhold: Produkt og marked - matematiske og statistiske metoder Rasmus Waagepetersen Institut for Matematiske Fag Aalborg Universitet Sandsynlighedsregning og lagerstyring Normalfordelingen og Monte
Læs mereProdukt og marked - matematiske og statistiske metoder
Produkt og marked - matematiske og statistiske metoder Rasmus Waagepetersen Institut for Matematiske Fag Aalborg Universitet February 19, 2016 1/26 Kursusindhold: Sandsynlighedsregning og lagerstyring
Læs mereKapitel 4 Sandsynlighed og statistiske modeller
Kapitel 4 Sandsynlighed og statistiske modeller Peter Tibert Stoltze stat@peterstoltze.dk Elementær statistik F2011 1 Indledning 2 Sandsynlighed i binomialfordelingen 3 Normalfordelingen 4 Modelkontrol
Læs mereHvorfor er normalfordelingen så normal?
Hvorfor er normalfordelingen så normal? Søren Højsgaard Institut for Matematiske Fag, Aalborg Universitet October 24, 2018 normalfordelingen så normal? October 24, 2018 1 / 13 Højde af kvinder Histogram
Læs mereBilag til Statistik i løb : Statistik og Microsoft Excel tastevejledning / af Lars Bo Kristensen
Bilag til Statistik i løb : Statistik og Microsoft Excel tastevejledning / af Lars Bo Kristensen Microsoft Excel har en del standard anvendelsesmuligheder i forhold til den beskrivende statistik og statistisk
Læs mere4 Oversigt over kapitel 4
IMM, 2002-09-14 Poul Thyregod 4 Oversigt over kapitel 4 Introduktion Hidtil har vi beskæftiget os med data. Når data repræsenterer gentagne observationer (i bred forstand) af et fænomen, kan det være bekvemt
Læs mereTemaopgave i statistik for
Temaopgave i statistik for matematik B og A Indhold Opgave 1. Kast med 12 terninger 20 gange i praksis... 3 Opgave 2. Kast med 12 terninger teoretisk... 4 Opgave 3. Kast med 12 terninger 20 gange simulering...
Læs mereMicrosoft Excel - en kort introduktion. Grundlag
Microsoft Excel - en kort introduktion Grundlag Udover menuer og knapper - i princippet som du kender det fra Words eller andre tekstbehandlingsprogrammer - er der to grundlæggende vigtige størrelser i
Læs mereProjekt 8.3 Hvordan undersøges om et talmateriale normalfordelt?
Projekt 8.3 Hvordan undersøges om et talmateriale normalfordelt? Projektet drejer sig om at udvikle en metode, til at undersøge om et givet talmateriale med rimelighed kan siges at være normalfordelt.
Læs mereKapitel 4 Sandsynlighed og statistiske modeller
Kapitel 4 Sandsynlighed og statistiske modeller Peter Tibert Stoltze stat@peterstoltze.dk Elementær statistik F2011 1 / 22 Generalisering fra stikprøve til population Idé: Opstil en model for populationen
Læs mereStatistiske modeller
Statistiske modeller Statistisk model Datamatrice Variabelmatrice Hændelse Sandsynligheder Data Statistiske modeller indeholder: Variable Hændelser defineret ved mulige variabel værdier Sandsynligheder
Læs mereStatistik. Statistik er analyse af indsamlet data. Det vil sige at man bearbejder et datamateriale som i matematik næsten altid er tal.
Statistik Statistik er analyse af indsamlet data. Det vil sige at man bearbejder et datamateriale som i matematik næsten altid er tal. Derved får man et samlet overblik over talmaterialet, og man kan konkludere
Læs mereRegneregler for middelværdier M(X+Y) = M X +M Y. Spredning varians og standardafvigelse. 1 n VAR(X) Y = a + bx VAR(Y) = VAR(a+bX) = b²var(x)
Formelsamlingen 1 Regneregler for middelværdier M(a + bx) a + bm X M(X+Y) M X +M Y Spredning varians og standardafvigelse VAR(X) 1 n n i1 ( X i - M x ) 2 Y a + bx VAR(Y) VAR(a+bX) b²var(x) 2 Kovariansen
Læs mereAnalyse af en lineær regression med lav R 2 -værdi
Analyse af en lineær regression med lav R 2 -værdi Denne gennemgang omhandler figur 13 i Regn med biologi. Man kan sagtens lave beregninger på egne data. Forsøgsmæssigt kræver det bare en tommestok tapet
Læs mereStatistik. Kvartiler og middeltal defineres forskelligt ved grupperede observationer og ved ikke grupperede observationer.
Statistik Formålet... 1 Mindsteværdi... 1 Størsteværdi... 1 Ikke grupperede observationer... 2 Median og kvartiler defineres ved ikke grupperede observationer således:... 2 Middeltal defineres ved ikke
Læs mereTeoretisk Statistik, 9 marts nb. Det forventes ikke, at alt materialet dækkes d. 9. marts.
Teoretisk Statistik, 9 marts 2005 Empiriske analoger (Kap. 3.7) Normalfordelingen (Kap. 3.12) Opsamling på Kap. 3 nb. Det forventes ikke, at alt materialet dækkes d. 9. marts. 1 Empiriske analoger Betragt
Læs mereDeskriptiv statistik (grupperede observationer)
Deskriptiv statistik (grupperede observationer) Tallene er hentet fra Arbejdsbog B1 (2.udg.) eller Arbejdsbog B2, øvelse 408: Der åbnes et Lister og Regneark værksted og observationerne indtastes og navngives:
Læs mereAnvendt Statistik Lektion 2. Sandsynlighedsregning Sandsynlighedsfordelinger Normalfordelingen Stikprøvefordelinger
Anvendt Statistik Lektion 2 Sandsynlighedsregning Sandsynlighedsfordelinger Normalfordelingen Stikprøvefordelinger Sandsynlighed: Opvarmning Udfald Resultatet af et eksperiment kaldes et udfald. Eksempler:
Læs mereStatistik i GeoGebra
Statistik i GeoGebra Peter Harremoës 13. maj 2015 Jeg vil her beskrive hvordan man kan lave forskellige statistiske analyser ved hjælp af GeoGebra 4.2.60.0. De statistiske analyser svarer til pensum Matematik
Læs mereBilledbehandling og mønstergenkendelse: Lidt elementær statistik (version 1)
; C ED 6 > Billedbehandling og mønstergenkendelse Lidt elementær statistik (version 1) Klaus Hansen 24 september 2003 1 Elementære empiriske mål Hvis vi har observationer kan vi udregne gennemsnit og varians
Læs mereIndhold Grupperede observationer... 1 Ugrupperede observationer... 3 Analyse af normalfordelt observationssæt... 4
BH Test for normalfordeling i WordMat Indhold Grupperede observationer... 1 Ugrupperede observationer... 3 Analyse af normalfordelt observationssæt... 4 Grupperede observationer Vi tager udgangspunkt i
Læs mere3.600 kg og den gennemsnitlige fødselsvægt kg i stikprøven.
PhD-kursus i Basal Biostatistik, efterår 2006 Dag 1, onsdag den 6. september 2006 Eksempel: Sammenhæng mellem moderens alder og fødselsvægt I dag: Introduktion til statistik gennem analyse af en stikprøve
Læs mereFor at få tegnet en graf trykkes på knappen for graftegning. Knap for graftegning
Graftegning på regneark. Ved hjælp af Excel regneark kan man nemt tegne grafer. Man åbner for regnearket ligger under Microsoft Office. Så indtaster man tallene fra tabellen i regnearkets celler i en vandret
Læs mereLøsninger til kapitel 1
Opgave. a) observation hyppighed frekvens kum. frekvens 2,25,25 3,875,325 2 3,875,5 3 3,875,6875 4,625,75 5,625,825 6,,825 7 2,25,9375 8,,9375 9,625, Frekvenser illustreres i et pindediagram,2,8,6,4,2,,8,6,4,2
Læs mereStatistik med TI-Nspire CAS version 3.2. Bjørn Felsager September 2012. [Fjerde udgave]
Statistik med TI-Nspire CAS version 3.2 Bjørn Felsager September 2012 [Fjerde udgave] Indholdsfortegnelse Forord Beskrivende statistik 1 Grundlæggende TI-Nspire CAS-teknikker... 4 1.2 Lister og regneark...
Læs mereSandsynlighedsregning: endeligt udfaldsrum (repetition)
Program: 1. Repetition: sandsynlighedsregning 2. Sandsynlighedsregning fortsat: stokastisk variabel, sandsynlighedsfunktion/tæthed, fordelingsfunktion. 1/16 Sandsynlighedsregning: endeligt udfaldsrum (repetition)
Læs mereForelæsning 5: Kapitel 7: Inferens for gennemsnit (One-sample setup)
Kursus 02402 Introduktion til Statistik Forelæsning 5: Kapitel 7: Inferens for gennemsnit (One-sample setup) Per Bruun Brockhoff DTU Compute, Statistik og Dataanalyse Bygning 324, Rum 220 Danmarks Tekniske
Læs mere2 -test. Fordelingen er særdeles kompleks at beskrive med matematiske formler. 2 -test blev opfundet af Pearson omkring år 1900.
2 -fordeling og 2 -test Generelt om 2 -fordelingen 2 -fordelingen er en kontinuert fordeling, modsat binomialfordelingen som er en diskret fordeling. Fordelingen er særdeles kompleks at beskrive med matematiske
Læs mereKursusindhold: X i : tilfældig værdi af ite eksperiment. Antag X i kun antager værdierne 1, 2,..., M.
Kursusindhold: Produkt og marked - matematiske og statistiske metoder Rasmus Waagepetersen Institut for Matematiske Fag Aalborg Universitet March 1, 2013 Sandsynlighedsregning og lagerstyring Normalfordelingen
Læs mereAnvendt Statistik Lektion 2. Sandsynlighedsregning Sandsynlighedsfordelinger Normalfordelingen Stikprøvefordelinger
Anvendt Statistik Lektion 2 Sandsynlighedsregning Sandsynlighedsfordelinger Normalfordelingen Stikprøvefordelinger Sandsynlighed: Opvarmning Udfald Resultatet af et eksperiment kaldes et udfald. Eksempler:
Læs mereHuskesedler. Anvendelse af regneark til statistik
Huskesedler Anvendelse af regneark til statistik August 2013 2 Indholdsfortegnelse Aktivere Analysis Toolpak... 4 Dataudtræk fra Danmarks Statistik... 4 Kopiering af formler... 4 Målsøgning... 5 Normalfordeling...
Læs mereKursus Introduktion til Statistik. Forelæsning 13: Summary. Per Bruun Brockhoff
Kursus 02402 Introduktion til Statistik Forelæsning 13: Summary Per Bruun Brockhoff DTU Compute, Statistik og Dataanalyse Bygning 324, Rum 220 Danmarks Tekniske Universitet 2800 Lyngby Danmark e-mail:
Læs mereElementær sandsynlighedsregning
Elementær sandsynlighedsregning Sandsynlighedsbegrebet Et udfaldsrum S er mængden af alle de mulige udfald af et eksperiment. En hændelse A er en delmængde af udfaldsrummet S. Den hændelse, der ikke indeholder
Læs mereSchweynoch, 2003. Se eventuelt http://www.mathematik.uni-kassel.de/~fathom/projekt.htm.
Projekt 8.5 Hypotesetest med anvendelse af t-test (Dette materiale har været anvendt som forberedelsesmateriale til den skriftlige prøve 01 for netforsøget) Indhold Indledning... 1 χ -test... Numeriske
Læs mereIdeer til Excel regneark. i matematikundervisningen
Ideer til Excel regneark i matematikundervisningen Inge B. Larsen INFA 2000 Indhold Side Forord 4 Talrækker (1) 5 De naturlige tal 5 De positive lige tal 5 og 7-8 De positive ulige tal 5 og 7-8 De naturlige
Læs mereLandmålingens fejlteori - Lektion 2. Sandsynlighedsintervaller Estimation af µ Konfidensinterval for µ. Definition: Normalfordelingen
Landmålingens fejlteori Lektion Sandsynlighedsintervaller Estimation af µ Konfidensinterval for µ - rw@math.aau.dk Institut for Matematiske Fag Aalborg Universitet En stokastisk variabel er en variabel,
Læs mereElementær sandsynlighedsregning
Elementær sandsynlighedsregning Sandsynlighedsbegrebet Et udfaldsrum S er mængden af alle de mulige udfald af et eksperiment. En hændelse A er en delmængde af udfaldsrummet S. Et sandsynlighedsmål er en
Læs mereAntal timer 19 5 7 10 0 6 6 3 7 6 4 14 6 5 12 10 Køn k m k m m k m k m k k k m k k k
Statistik 5 Statistik er en meget omfattende matematisk disciplin, og den anvendes i meget stor udstrækning i vores moderne samfund. Den handler om at analysere et (ofte meget stort) talmateriale. Det
Læs mereMatematik A. Studentereksamen. Forberedelsesmateriale til de digitale eksamensopgaver med adgang til internettet
Matematik A Studentereksamen Forberedelsesmateriale til de digitale eksamensopgaver med adgang til internettet stx11-matn/a-080501 Tirsdag den 8. maj 01 Forberedelsesmateriale til stx A Net MATEMATIK Der
Læs mereDefinition. Definitioner
Definition Landmålingens fejlteori Lektion Diskrete stokastiske variable En reel funktion defineret på et udfaldsrum (med sandsynlighedsfordeling) kaldes en stokastisk variabel. - kkb@math.aau.dk http://people.math.aau.dk/
Læs mereBinomial fordeling. n f (x) = p x (1 p) n x. x = 0, 1, 2,...,n = x. x x!(n x)! Eksempler. Middelværdi np og varians np(1 p). 2/
Program: 1. Repetition af vigtige sandsynlighedsfordelinger: binomial, (Poisson,) normal (og χ 2 ). 2. Populationer og stikprøver 3. Opsummering af data vha. deskriptive størrelser og grafer. 1/29 Binomial
Læs mereEt CAS program til Word.
Et CAS program til Word. 1 WordMat WordMat er et CAS-program (computer algebra system) som man kan downloade gratis fra hjemmesiden www.eduap.com/wordmat/. Programmet fungerer kun i Word 2007 og 2010.
Læs mereOversigt. Introduktion til Statistik. Forelæsning 2: Stokastisk variabel og diskrete fordelinger
Introduktion til Statistik Forelæsning 2: og diskrete fordelinger Oversigt 1 2 3 Fordelingsfunktion 4 Peder Bacher DTU Compute, Dynamiske Systemer Bygning 303B, Rum 017 Danmarks Tekniske Universitet 2800
Læs mereStatistik ved Bachelor-uddannelsen i folkesundhedsvidenskab. Statistisk Model
Statistik ved Bachelor-uddannelsen i folkesundhedsvidenskab Statistisk Model Indhold Binomialfordeling Sandsynlighedsfunktion Middelværdi og spredning 1 Aalen: Innføring i statistik med medisinske eksempler
Læs mereFor nemheds skyld: m = 2, dvs. interesseret i fordeling af X 1 og X 2. Nemt at generalisere til vilkårligt m.
1 Uge 11 Teoretisk Statistik 8. marts 2004 Kapitel 3: Fordeling af en stokastisk variabel, X Kapitel 4: Fordeling af flere stokastiske variable, X 1,,X m (på en gang). NB: X 1,,X m kan være gentagne observationer
Læs mereHvad er meningen? Et forløb om opinionsundersøgelser
Hvad er meningen? Et forløb om opinionsundersøgelser Jette Rygaard Poulsen, Frederikshavn Gymnasium og HF-kursus Hans Vestergaard, Frederikshavn Gymnasium og HF-kursus Søren Lundbye-Christensen, AAU 17-10-2004
Læs mereExcel-4: Diagrammer og udskrift
Excel-4: Diagrammer og udskrift Udfra indtastede tal og formler kan Excel oprette forskellige typer meget flotte diagrammer: grafer, kurver, søjler og cirkeldiagrammer. OPGAVE: Men der skal være nogle
Læs mereDeskriptiv statistik for hf-matc
Deskriptiv statistik for hf-matc 75 50 25 2018 Karsten Juul Deskriptiv statistik for hf-matc Hvad er deskriptiv statistik? 1.1 Hvad er deskriptiv statistik?... 1 1.2 Hvad er grupperede og ugrupperede data?...
Læs mereRepetition. Diskrete stokastiske variable. Kontinuerte stokastiske variable
Normal fordelingen Normal fordelingen Egenskaber ved normalfordelingen Standard normal fordelingen Find sandsynligheder ud fra tabel Transformation af normal fordelte variable Invers transformation Repetition
Læs mereDig og din puls Lærervejleding
Dig og din puls Lærervejleding Indledning I det efterfølgende materiale beskrives et forløb til matematik C, hvori eleverne skal måle hvilepuls og arbejdspuls og beskrive observationerne matematisk. Materialet
Læs mereSandsynlighedsregning 5. forelæsning Bo Friis Nielsen
Sandsynlighedsregning 5. forelæsning Bo Friis Nielsen Matematik og Computer Science Danmarks Tekniske Universitet 2800 Kgs. Lyngby Danmark Email: bfni@dtu.dk Dagens emner afsnit 3.5 og 4.1 Poissonfordelingen
Læs mereEstimation og usikkerhed
Estimation og usikkerhed = estimat af en eller anden ukendt størrelse, τ. ypiske ukendte størrelser Sandsynligheder eoretisk middelværdi eoretisk varians Parametre i statistiske modeller 1 Krav til gode
Læs merePreben Blæsild og Jens Ledet Jensen
χ 2 Test Preben Blæsild og Jens Ledet Jensen Institut for Matematisk Fag Aarhus Universitet Egå Gymnasium, December 2010 Program 8.15-10.00 Forelæsning 10.15-12.00 Statlab: I arbejder, vi cirkler rundt
Læs mereNormalfordelingen og Stikprøvefordelinger
Normalfordelingen og Stikprøvefordelinger Normalfordelingen Standard Normal Fordelingen Sandsynligheder for Normalfordelingen Transformation af Normalfordelte Stok.Var. Stikprøver og Stikprøvefordelinger
Læs mere1/41. 2/41 Landmålingens fejlteori - Lektion 1 - Kontinuerte stokastiske variable
Landmålingens fejlteori - lidt om kurset Landmålingens fejlteori Lektion 1 Det matematiske fundament Kontinuerte stokastiske variable - rw@math.aau.dk Institut for Matematiske Fag Aalborg Universitet Kursusholder
Læs mereUndervisningsbeskrivelse
Undervisningsbeskrivelse Stamoplysninger til brug ved prøver til gymnasiale uddannelser Termin Maj-Juni 2013 Institution Frederikshavn Handelsgymnasium Uddannelse Fag og niveau Lærer(e) Hold HHX Matematik
Læs mereHvorfor er det lige at vi skal lære det her?
Lektion 8 Stokastiske variable En stokastisk variabel er en afbildning af udfaldsrummet ind i de reelle tal. Man benytter ofte store bogstaver som X, Y og Z til at betegne en stokastisk variabel. Ved at
Læs mereUndervisningsbeskrivelse
Undervisningsbeskrivelse Stamoplysninger til brug ved prøver til gymnasiale uddannelser Termin Sommer 2015 Institution Campus vejle Uddannelse Fag og niveau Lærer(e) Hold HHX Matematik B (Valghold) PEJE
Læs mereTeoretisk Statistik, 16. februar Generel teori,repetition
1 Uge 8 Teoretisk Statistik, 16. februar 2004 1. Generel teori, repetition 2. Diskret udfaldsrum punktssh. 3. Fordelingsfunktionen 4. Tæthed 5. Transformationer 6. Diskrete vs. Kontinuerte stokastiske
Læs mereKvantitative Metoder 1 - Forår Dagens program
Dagens program Afsnit 6.1 Den standardiserede normalfordeling Normalfordelingen Beskrivelse af normalfordelinger: - Tæthed og fordelingsfunktion - Middelværdi, varians og fraktiler Lineære transformationer
Læs merefor gymnasiet og hf 2016 Karsten Juul
for gymnasiet og hf 75 50 5 016 Karsten Juul Statistik for gymnasiet og hf Ä 016 Karsten Juul 4/1-016 Nyeste version af dette håfte kan downloades fra http://mat1.dk/noter.htm HÅftet mç benyttes i undervisningen
Læs mereNote om Monte Carlo metoden
Note om Monte Carlo metoden Kasper K. Berthelsen Version 1.2 25. marts 2014 1 Introduktion Betegnelsen Monte Carlo dækker over en lang række metoder. Fælles for disse metoder er, at de anvendes til at
Læs mereModelkontrol i Faktor Modeller
Modelkontrol i Faktor Modeller Julie Lyng Forman Københavns Universitet Afdeling for Anvendt Matematik og Statistik Statistik for Biokemikere 2003 For at konklusionerne på en ensidet, flersidet eller hierarkisk
Læs mereUndervisningsbeskrivelse
Undervisningsbeskrivelse Stamoplysninger til brug ved prøver til gymnasiale uddannelser Termin Maj-Juni 2013 Institution Frederikshavn Handelsgymnasium Uddannelse Fag og niveau Lærer(e) HHX Matematik B
Læs mereStatistik Lektion 3. Simultan fordelte stokastiske variable Kontinuerte stokastiske variable Normalfordelingen
Statistik Lektion 3 Simultan fordelte stokastiske variable Kontinuerte stokastiske variable Normalfordelingen Repetition En stokastisk variabel er en funktion defineret på S (udfaldsrummet, der antager
Læs mereSandsynlighedsfordelinger for kontinuerte data på interval/ratioskala
3 5% 5% 5% 0 3 4 5 6 7 8 9 0 Statistik for biologer 005-6, modul 5: Normalfordelingen opstår når mange forskellige faktorer uafhængigt af hinanden bidrager med additiv variation til. F.eks. Højde af rekrutter
Læs mereUndervisningsbeskrivelse
Undervisningsbeskrivelse Stamoplysninger til brug ved prøver til gymnasiale uddannelser Termin Juni 2011 Institution Frederikshavn Handelsgymnasium Uddannelse Fag og niveau Lærer(e) Hold HHX Matematik
Læs mereSupplement til kapitel 7: Approksimationen til normalfordelingen, s. 136
Supplement til kapitel 7: Approksimationen til normalfordelingen, s. 36 Det er besværligt at regne med binomialfordelingen, og man vælger derfor ofte at bruge en approksimation med normalfordeling. Man
Læs mereDeskriptiv statistik for matc i stx og hf
Deskriptiv statistik for matc i stx og hf 75 50 25 2019 Karsten Juul Deskriptiv statistik for matc i stx og hf Hvad er deskriptiv statistik? 1.1 Hvad er deskriptiv statistik?... 1 1.2 Hvad er grupperede
Læs mereStatistik. Deskriptiv statistik, normalfordeling og test. Karsten Juul
Statistik Deskriptiv statistik, normalfordeling og test Karsten Juul Intervalhyppigheder En elevgruppe på et gymnasium har spurgt 100 tilfældigt valgte elever på gymnasiet om hvor lang tid det tager dem
Læs mereUndervisningsbeskrivelse
Undervisningsbeskrivelse Stamoplysninger til brug ved prøver til gymnasiale uddannelser Termin Maj 2013 Institution Roskilde Handelsskole Uddannelse Fag og niveau Lærer(e) Hold Hhx Matematik B Henrik Laursen
Læs mereDefinition: Normalfordelingen. siges at være normalfordelt med middelværdi µ og varians σ 2, hvor µ og σ er reelle tal og σ > 0.
Landmålingens fejlteori Lektion 2 Transformation af stokastiske variable - kkb@math.aau.dk http://people.math.aau.dk/ kkb/undervisning/lf12 Institut for Matematiske Fag Aalborg Universitet Repetition:
Læs mereLandmålingens fejlteori - Repetition - Kontinuerte stokastiske variable - Lektion 3
Landmålingens fejlteori Repetition - Kontinuerte stokastiske variable Lektion 4 - kkb@math.aau.dk http://people.math.aau.dk/ kkb/undervisning/lf10 Institut for Matematiske Fag Aalborg Universitet 29. april
Læs mereUndervisningsbeskrivelse
Undervisningsbeskrivelse Stamoplysninger til brug ved prøver til gymnasiale uddannelser Termin Institution Uddannelse Fag og niveau Lærer(e) Hold Termin hvori undervisningen afsluttes: maj-juni, 2014 IBC-Kolding
Læs mereDagens program. Velkommen og præsentation.
Dagens program Velkommen og præsentation. Evt. udveksling af mailadresser. Forenklede Fælles Mål om geometri og dynamiske programmer. Screencast, hvordan og hvorfor? Opgave om polygoner i GeoGebra, løst
Læs mereBernoulli og binomial fordelingerne Kontinuerte stokastiske variable Normalfordelingen
Bernoulli og binomial fordelingerne Kontinuerte stokastiske variable Normalfordelingen Repetition Lov om total sandsynlighed Bayes sætning P( B A) = P(A) = P(AI B) + P(AI P( A B) P( B) P( A B) P( B) +
Læs mereMM501 forelæsningsslides
MM501 forelæsningsslides uge 40, 2010 Produceret af Hans J. Munkholm bearbejdet af JC 1 Separabel 1. ordens differentialligning En generel 1. ordens differentialligning har formen s.445-8 dx Eksempler
Læs mere1. Opbygning af et regneark
1. Opbygning af et regneark Et regneark er et skema. Vandrette rækker og lodrette kolonner danner celler, hvori man kan indtaste tal, tekst, datoer og formler. De indtastede tal og data kan bearbejdes
Læs mereMODELSÆT 2; MATEMATIK TIL LÆREREKSAMEN
MODELSÆT ; MATEMATIK TIL LÆREREKSAMEN Forberedende materiale Den individuelle skriftlige røve i matematik vil tage udgangsunkt i følgende materiale:. En diskette med to regnearks-filer og en MathCad-fil..
Læs mereTalrækker. Aktivitet Emne Klassetrin Side
VisiRegn ideer 3 Talrækker Inge B. Larsen ibl@dpu.dk INFA juli 2001 Indhold: Aktivitet Emne Klassetrin Side Vejledning til Talrækker 2-4 Elevaktiviteter til Talrækker 3.1 Talrækker (1) M-Æ 5-9 3.2 Hanoi-spillet
Læs mere1 Sandsynlighed Sandsynlighedsbegrebet Definitioner Diskret fordeling Betinget sandsynlighed og uafhængighed...
Indhold 1 Sandsynlighed 1 1.1 Sandsynlighedsbegrebet................................. 1 1.2 Definitioner........................................ 2 1.3 Diskret fordeling.....................................
Læs mereØvelse 2. SPSS og sandsynlighedsregning
Øvelse 2 SPSS og sandsynlighedsregning Der er flere forskellige formål med opgaverne i denne øvelse. Det væsentligste formål er at arbejde lidt med sandsynlighedsregningen, binomialfordelingen og de store
Læs mereOversigt. Kursus Introduktion til Statistik. Forelæsning 3: Kapitel 5: Kontinuerte fordelinger. Per Bruun Brockhoff.
Kursus 242 Introduktion til Statistik Forelæsning 3: Kapitel 5: Kontinuerte fordelinger Per Bruun Brockhoff DTU Compute, Statistik Bygning 35/324 Danmarks Tekniske Universitet 28 Lyngby Danmark e-mail:
Læs mereVærktøjshjælp for TI-Nspire CAS Struktur for appendiks:
Værktøjshjælp for TI-Nspire CAS Struktur for appendiks: Til hvert af de gennemgåede værktøjer findes der 5 afsnit. De enkelte afsnit kan læses uafhængigt af hinanden. Der forudsættes et elementært kendskab
Læs mereNormalfordelingen. Erik Vestergaard
Normalfordelingen Erik Vestergaard Erik Vestergaard www.matematiksider.dk Erik Vestergaard, 008. Billeder: Forside: jakobkramer.dk/jakob Kramer Side 7: istock.com/elenathewise Side 8: istock.com/jaroon
Læs mereUndervisningsbeskrivelse
Undervisningsbeskrivelse Stamoplysninger til brug ved prøver til gymnasiale uddannelser Termin Sommer 2015 Institution Campus Vejle Uddannelse HHX Fag og niveau Matematik B ( Valghold ) Lærer(e) Hold LTN
Læs mereUge 10 Teoretisk Statistik 1. marts 2004
1 Uge 10 Teoretisk Statistik 1. marts 004 1. u-fordelingen. Normalfordelingen 3. Middelværdi og varians 4. Mere normalfordelingsteori 5. Grafisk kontrol af normalfordelingsantagelse 6. Eksempler 7. Oversigt
Læs mereStatistik Lektion 2. Betinget sandsynlighed Bayes regel Diskrete stokastiske variable Middelværdi og varians for diskret SV Binomialfordelingen
Statistik Lektion etinget sandsynlighed ayes regel Diskrete stokastiske variable Middelværdi og varians for diskret SV inomialfordelingen Repetition Udfaldsrum S Hændelse S Simpel hændelse O i 1, 3 4,
Læs mereKvantitative Metoder 1 - Efterår Dagens program
Dagens program Afsnit 6.1. Ligefordelinger, fra sidst Den standardiserede normalfordeling Normalfordelingen Beskrivelse af normalfordelinger: - Tæthed og fordelingsfunktion - Middelværdi, varians og fraktiler
Læs mereVejledning i udtræk af input-output data fra Statistikbanken
- 1 - Vejledning i udtræk af input-output data fra Statistikbanken Introduktion Input-output tabellerne er konsistente med nationalregnskabet og udarbejdes i tilknytning hertil. De opdateres årligt i december
Læs mereForelæsning 3: Kapitel 5: Kontinuerte fordelinger
Kursus 02402 Introduktion til Statistik Forelæsning 3: Kapitel 5: Kontinuerte fordelinger Per Bruun Brockhoff DTU Compute, Statistik og Dataanalyse Bygning 324, Rum 220 Danmarks Tekniske Universitet 2800
Læs mereStatistik og sandsynlighed
Statistik og sandsynlighed Statistik handler om at beskrive og analysere en stor mængde data. som I eller andre har indsamlet. Det kan fx være tal, der fortæller om, hvor mange lynnedslag der er i Danmark
Læs mere