Föreläsning 23 (24)

12.21

overline(underline(x))_i = överhöjning från A
Y_j = överhöjning från B

overline(underline(x))_i in N(mu_A, sigma)
Y in N(mu_B, sigma)

(mu_A - mu_B)^(**) = overline(overline(underline(x))) - overline(Y) in N(mu_A-mu_B, sigma sqrt(1/n_A + 1/n_B) )

Vi utnyttjade en formel från kapitel 2:

V(X-Y) = V(X) + V(Y) = sigma^2/n_A + sigma^2/n_B

Numeriska beräkningar:
overline(x) = 18.1, s_A = 5, n_A = 9
overline(y) = 14.6, s_B = 7.1, n_B = 16

Där s är skattningen på standardavvikelsen.

Beräkna ett 99%-igt konfidensintervall för mu_A-mu_B

Skattning av sigma :
s_A=5, n_A=9; s_B = 7.1, n_B = 16

sigma^(**) = s_p = sqrt( ( (n_A-1)s_A^2 + (n_B-1)s_B^2 )/ (n_A+n_B-2) ) ~~ 6.4473

( overline(overline(underline(x))) - overline(Y) - (mu_A - mu_B) )/(S_p sqrt(1/n_A + 1/n_B) ) in t(n_A+n_B-2)

t_(0.005)(23) = 2.81

mu_A-mu_B in (overline(x)-overline(y) +- t_(42)(f) s_p sqrt(1/n_A + 1/n_B) ) = (3.5 +- 7.54), (99%)
:. mu_A-mu_B in (-4.04, 11.0) (99%)

Tolkning av resultat:
Ingen statistisk säkerställd skillnad (eftersom att 0 finns i intervallet) med 99% säkerhet.
1% felrisk.

Höjningen i A är större, 3.5, än i B men den är inte statistiskt säkerställd. 1% felrisk.

12.22

Stickprov i par

overline(underline(x))_i= blodtryck för person i före behandling
Y_i= blodtryck för person i efter behandling

overline(underline(x))_i in N(mu_i, sigma_1), Y_i in N(mu_i + Delta, sigma_2)
mu_i= förväntat blodtryck för person i
Delta= skiftparameter

Kan vi påvisa skillnad före/efter behandling statistiskt? Dvs Delta != 0 ?

Vi kommer att förutsätta antingen positiv eller negativ utveckling.

Y_i - overline(underline(x))_i in N(Delta, sigma)

Vi har tio försökspersoner med följande data:

Person 1 2 3 4 5 6 7 8 9 10
Före(x) 75 70 75 65 95 70 65 70 65 90
Efter(y) 85 70 80 80 100 90 80 75 90 100
Diff(z) 10 0 5 15 5 20 15 5 25 10

Vi får alltså overline(z)=11, s_z = 7.75
Använd en dator för att beräkna detta. Antingen direkt med en funktion eller med 1/9 sum_1^10 (z_i-overline(z))^2 = s^2

Delta^(**) = overline(z) = 11, s_z = 7.75

Delta in (overline(z) +- t_(0.025)(9) s_z/sqrt(10)) (95%)
t_(0.025)(9) = 2.26

Delta in (11 +- 5.5) (95%)
:. Delta in (5.5 +- 16.5) (95%)

Tolkning: Preperatet höjer blodtrycket. 0 är inte med i intervallet. 5% felrisk.

Preperatet höjer blodtrycket i snitt 11ml/hg och skillnaden är statistiskt säker. 5% felrisk.

Ponera att vi hade haft 100 stickprov istället. Vi hade fortfarande haft 5% felrisk, men standardavvikelsen hade sjunkit med en faktor sqrt(10) .

12.25

Vi gör en gruppjämförelse av levervärden.
Våra två grupper är 25-åringar och 50-åringar.

mu_1-mu_2=0

Parvis jämförelse: Delta = 0?

12.29

overline(underline(x))_i= studietid
overline(underline(x))_i in *(mu, sigma), mu= förväntad studietid.
n=25
mu^(**) = overline(overline(underline(x))) ~~ N( mu, sigma/sqrt(25) )

mu^(**) = overline(x) = 49.3
sigma(**) = s = 9.3

Konfidensgrad 95%

T-fördelningen funkar bara om vi utgår ifrån en normalfördelning. Därför använder vi nedanstående sats:

( overline(overline(underline(x))) - mu )/(S/sqrt(n)) ~~ N(0,1) (CGS)

mu in (overline(x) +- lambda_(alpha/2) s/sqrt(n) ), ~~(95%)

mu in (49.3 +- 1.96 9.3/sqrt(25)), (~~95%)
mu in (45.6, 53.0), (~~95%)

Minnesregeln: Är stickprovet normalfördelat, använd t-fördelningen för skattningen.
Är stickprovet inte normalfördelat, använd normalfördelningen för skattningen (n>=30) .

12.31

overline(underline(x))= andel felaktig
overline(underline(x))~~"Bin"(600, p)
p= andel felaktiga

p^(**) = overline(underline(x))/n ~~ N(p, sqrt((p(1-p))/n) )

p_"OBS"^(**) = 24/600 = 0.04
Vi använder skattningen till standardavvikelsen.

(p^(**) - p)/(sqrt((p(1-p))/n)) ~~ N(0,1)

p in (p_"OBS"^(**) +- lambda_(alpha/2) * sqrt( (p_"OBS"^(**)(1-p_"OBS"^(**)) )/n ))
p in (0.04 +- 1.96 sqrt((0.04*0.96)/600)) (~~95%)