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.

123<br />

9.1 Indledning<br />

2<br />

Poolet estimat spool<br />

=<br />

2 2 2<br />

fs 1 1+<br />

fs 2 2 + ... + fs k k<br />

med fpool f1 + f2+ ... + fk<br />

= f1 + f2 + ... + fkfrihedsgrader<br />

benyttes, når<br />

man har k uafhængige estimater for den samme varians σ :<br />

2<br />

2 SAK1<br />

2<br />

s1<br />

= , s2<br />

f1<br />

SAK2<br />

2<br />

= ,..., sk<br />

=<br />

f 2<br />

SAKk<br />

,<br />

f k<br />

2<br />

Har to stikprøver givet estimaterne s1 2<br />

= 2345 . , s2 = 3456 . med f1 = 6, f2<br />

= 4 frihedsgrader,<br />

2<br />

bliver det poolede estimat spool<br />

=<br />

2<br />

fs 1 1 +<br />

f1 +<br />

2<br />

fs 2 2<br />

=<br />

f2<br />

6 ⋅ 2. 345 + 4 ⋅3456<br />

.<br />

= 2. 7894 ≈ 2. 789<br />

6+ 4<br />

med f pool = f1 + f2<br />

= 6+ 4 = 10 frihedsgrader.<br />

Linearitetsreglen Ea ( + aX + aX+ ... + aX ) = a + aE( X) + aE( X) + ... + aEX ( ) ,<br />

0 1 1 2 2 k k 0 1 1 2 2<br />

k k<br />

Er E( X1)<br />

= 2 , E( X2)<br />

= 3 fås<br />

E( 4+ 5X + 6X ) = 4+ 5E( X ) + 6E( X ) = 4+ 5⋅ 2+ 6⋅ 3= 32.<br />

1 2 1 2<br />

Kvadratreglen V( a + a X + a X + ... + a X )<br />

0 1 1 2 2<br />

k k<br />

2<br />

2<br />

2<br />

= aV( X) + aV( X ) + ... + aV( X ) + 2 aaV( X, X )<br />

1<br />

1 2<br />

2<br />

k<br />

∑<br />

∑<br />

k k i j i j<br />

i=<br />

1 j=+ i 1<br />

Er V( X1) = 2, V( X2) = 3, V( X1, X2)<br />

= 15 . , fås<br />

2<br />

2<br />

V( 4 + 5X1 + 6X2) = 5 V( X1) + 6 V( X2) + 2⋅5⋅6⋅V( X1, X2)<br />

2 2<br />

= 5 ⋅ 2 + 6 ⋅ 3+ 2⋅5⋅6⋅ 15 . = 248<br />

9.1 INDLEDNING<br />

k<br />

(a’erne er konstanter).<br />

Ved anvendelserne optræder der ofte flere stokastiske variable X1, X2,..., Xkad gangen. Det kan da være naturligt<br />

r<br />

at samle dem i et ordnet sæt X = ( X1, X2,..., Xk) , som kaldes en k-dimensional stokastisk variabel. Eksempelvis:<br />

* Et levnedsmiddel kan af en tilfældig udtaget forbruger bedømmes ved en karakter for smagen og en<br />

r<br />

karakter for lugten. Så er X = ( X , X ) = ( ) en 2-dimensional stokastisk variabel.<br />

X 2<br />

1 2 Smag,Lugt<br />

* Et tilfældigt eksperiment går ud på at udtage en tilfældig person og måle vedkommendes højde og masse .<br />

r<br />

Så er X = ( X , X ) = ( ) en 2-dimensional stokastisk variabel.<br />

1 2 Højde, Masse<br />

r<br />

* Ugens 7 lottotal udgør en 7-dimensional stokastisk variabel X = ( X , X ,..., X ) .<br />

1 2 7<br />

r<br />

* Et tilfældigt eksperiment går ud på at kaste en rød og en hvid terning. Så er X = ( X , X ) = (Antal øjne op på<br />

1 2<br />

rød terning, Antal øjne op på hvid terning) en 2-dimensional stokastisk variabel.<br />

X 1<br />

.<br />

X 1<br />

X 2

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

Saved successfully!

Ooh no, something went wrong!