26.07.2013 Views

G:\Statistiske grundbegreber-v8\s1v8-forside.wpd

G:\Statistiske grundbegreber-v8\s1v8-forside.wpd

G:\Statistiske grundbegreber-v8\s1v8-forside.wpd

SHOW MORE
SHOW LESS

Create successful ePaper yourself

Turn your PDF publications into a flip-book with our unique Google optimized e-Paper software.

Resultaterne var<br />

95<br />

7.3 Binomialfordelingen<br />

Kabel nr. 1 2 3 4 5 6 7 8 9 10 11 12<br />

Antal revner 8 4 14 6 8 10 10 16 2 2 6 8<br />

4) Angiv på basis heraf et estimat for middelværdien af antal revner p. 10 m kabel.<br />

LØSNING:<br />

Lad X betegne antallet af revner i 1 meter kabel. Idet vi med tilnærmelse kan antage, at<br />

betingelserne i sætning 7.2 er opfyldt (impuls er her ridser), er X Poissonfordelt p ( µ ). Da det<br />

12. 3<br />

gennemsnitlige antal revner p. 1m kabel er µ = = 123 . fås:<br />

10<br />

0<br />

123 . −123<br />

.<br />

1) P( X = 0)<br />

= ⋅ e = 0. 292 .<br />

0!<br />

. − . . − .<br />

2) P( X ≥ 2) = 1− P( X ≤ 1) = 1− ⋅ − ⋅ = .<br />

!<br />

!<br />

123<br />

0<br />

1<br />

123 123 123<br />

e e 03482<br />

0<br />

1<br />

TI-89: P( X ≥ 2) = 1− P( X ≤ 1)<br />

= 1-PoissCdf(1.23, 0, 1) = 0.3482<br />

3) Lad Y være antal revner i 2 meter kabel. Da der i gennemsnit er 2,46 revner i 2 meter kabel,<br />

er 2.46 et estimat for µ . Vi har derfor<br />

P( X ≤ 4)<br />

= poissCdf(2.46, 0, 4) = 0.8965<br />

0<br />

1<br />

4<br />

246 . −246 . 246 . −246 . 246 . −246<br />

.<br />

eller P( X ≤ 4)<br />

= ⋅ e + ⋅ e + ... + ⋅ e = 08965 .<br />

0!<br />

1!<br />

4!<br />

4) Der er i alt 94 revner i 12 kabelstykker på hver 10 meter. Et estimat for µ er derfor<br />

~ 94<br />

µ = = 783 . .<br />

12<br />

Hypotesetest for Poissonfordelt variabel. Som ved binomialfordelt variabel kan test involverende<br />

Poissonfordelt variabel direkte udføres, hvis man har rådighed over en tabel med kumuleret<br />

Poissonfordeling (den i tabel 7 angivne er sædvanligvis ikke omfattende nok) eller over en<br />

lommeregner med kumuleret Poissonfordeling. Som beskrevet i næste afsnit er det dog ofte muligt<br />

at approksimere med en normalfordeling, og i så fald er formlerne en simpel oversættelse fra de<br />

normalfordelte variable. Disse formler ses i appendix 5.6 og de tilsvarende konfidensintervaller kan<br />

findes i appendix 4.1, punkt 6. Det følgende eksempel viser hvordan.<br />

Eksempel 7.9. Ensidet Poissontest.<br />

I eksempel 7.8 betragtede vi mikroskopiske revner i et kobberkabel. Fabrikken gik over til en<br />

anden og billigere produktionsmetode.<br />

1) Test, om den nye metode giver færre revner end den gamle metode.<br />

2) Angiv et 95% konfidensinterval for middelværdien µ af antal revner p. 10 meter kabel .<br />

3) Angiv et 95% konfidensinterval for middelværdien µ 1<br />

af antal revner p. 120 meter kabel.

Hooray! Your file is uploaded and ready to be published.

Saved successfully!

Ooh no, something went wrong!