G:\Statistiske grundbegreber-v8\s1v8-forside.wpd
G:\Statistiske grundbegreber-v8\s1v8-forside.wpd
G:\Statistiske grundbegreber-v8\s1v8-forside.wpd
Create successful ePaper yourself
Turn your PDF publications into a flip-book with our unique Google optimized e-Paper software.
Appendix 2: Statistiske beregninger på lommeregner og PC-er<br />
TI 89<br />
1) Generelt:<br />
Metode 1: Vælg HOME\ CATALOG,, F3\ vælg den ønskede fordeling\ENTER<br />
(benyt evt. ALPHA,+ forbogstav for hurtigt at komme til det ønskede navn).<br />
Fordel: Hurtig ved beregning af sandsynligheder, såsom P(X < 0.87) da resultatet straks<br />
indsættes på HOME-linien.<br />
Ulempe: Man skal huske parametrenes rækkefølge (de kan dog ses nederst på skærmen<br />
Metode 2: Vælg APPS\ Stats/List\ indtast eventueller data i eksempelvis “list1" \ vælg en relevant “F- knap”.<br />
Fordel: Der fremkommer nu en menu, som er næsten selvforklarende.<br />
Ulempe: Skal resultatet ned på HOME-linien (man vil regne videre), bliver det lidt besværligt:<br />
HOME, Var-Link\I StatsVar mappen markeres den ønskede størrelse, ENTER<br />
Oprette en “Folder”: VAR-Link\ F1\ 5: Create Folder\ Skriv navn på folder.<br />
Vælg en mappe som den aktuelle mappe: MODE\ Current Folder\navn<br />
Formål: Det kan være praktisk ikke at gemme alle sine resultater i MAIN.<br />
2) Sandsynlighedsfordelinger.<br />
Normalfordeling n( µ , σ )<br />
a) Find p = P( a ≤ X ≤b)<br />
, hvor a ,b, µ , σ er givne konstanter. p = normcdf( ab , , µ , σ )<br />
Eksempel: p = P( X ≤116<br />
. ) , hvor µ = 113 ., σ = 5 p = normcdf( − ∞ ,11.6, 11.3,5) = 0.524<br />
b) Find x p : P( X ≤ xp) = p,<br />
hvor p, µ , σ er givne konstanter. x p =invNorm( p, µ , σ)<br />
Eksempel: P( X ≤ xp) = 07 . ,hvor µ = 11,, 4 σ = 6 x p =invNorm(0.7,11.4,6) =14.55<br />
t - fordeling.<br />
Lad T være t - fordelt med frihedsgradstallet f.<br />
a) Find p = P( a ≤T ≤b)<br />
, hvor a og b er givne konstanter. tCdf(a,b,f)<br />
Eksempel: p = P( T ≤ −13<br />
. ) , med f = 14 p = tCdf(- ∞ ,-1.3,14) = 0.1073<br />
b) Find t ( f ): P( T t ( f )) ( given konstant). invt( ,f )<br />
≤ = α α<br />
α α α<br />
Eksempel: t0975 . ( 12)<br />
= invt(0.975,12) = 2.179<br />
χ 2 −<br />
fordeling.<br />
Lad Q være χ fordelt med frihedsgradstallet f.<br />
2 −<br />
a) Find p= P( a ≤Q≤b) , hvor a og b er givne konstanter. p = chi2Cdf(a,b,f)<br />
Eksempel:Find p = P( Q≥27.<br />
3) , med f = 19 p = chi2Cdf(27.3, ∞ ,19) = 0.0979<br />
2<br />
b) Find fraktilen χα ( f ) : PQ ( ≤ χ ( f))<br />
= α ( given konstant). invChi2( ,f)<br />
α 2 α α<br />
2<br />
Eksempel: χ 0. 025 () 8 = invChi2(0.025,8) = 2.18<br />
Binomialfordeling.<br />
Lad X være binomialfordelt b(n,p)<br />
Find Pl ( ≤ X≤m) , hvor 0 ≤ l < m∧m≤n og l og m er hele tal. binomtCdf(n,p,l,m)<br />
Eksempel :p = P( 3≤X ≤ 6)<br />
hvor n = 10 og p = 0.3 p = binomtCdf(10, 0.3, 3, 6) = 0.6066<br />
Poissonfordeling.<br />
Lad X være Poissonfordelt p( µ )<br />
Find Pl ( ≤ X≤m) , hvor 0 ≤ l < m og l og m er hele tal. poissCdf( µ ,l,m)<br />
Eksempel: p = P( X ≤ 94 ) , hvor µ<br />
= 147.6 p = poissCdf(147.6,0,94) = 0.00002<br />
136