F1-F3_2025

Matematisk statistik KF, 1MS029, VT 2025

1. Inledning

  • Sannolikhetsteori: Analyserar slumpmässiga fenomen; grund för statistiska modeller.

  • Statistik: Läran om insamling, analys, tolkning och presentation av data.

  • Beskrivande statistik: Sammanfattar och illustrerar data.

  • Statistisk inferens: Drar slutsatser från data med hjälp av modeller.

  • Matematisk statistik: Tillämpad matematik för statistiska metoder.

2. Beskrivande statistik

2.1 Allmänt

  • Handlar om att illustrera och beskriva datamaterial.

  • Exempel: Vikter hos n personer ges av mätvärden x1, ..., xn.

  • Histogrammet illustrerar viktdatamaterial; klassindelning nödvändig för visualisering.

2.2 Histogram

  • Konstrueras genom att föra in data i klasser (t.ex. i intervaller av längd 5).

  • Frekvens: Hur många datavärden faller inom varje klass.

  • Nackdelar: Godtycklighet i klassindelning och missvisande intryck av kontinuerliga värden.

2.3 Alternativ visualisering

  • Stapeldiagram: Används där datat endast kan anta få olika värden.

  • Stam-blad-diagram: Varje datavärde synliggörs; stammen är tiotalssiffran och bladet entalssiffran.

3. Lägesmått och spridningsmått

3.1 Lägesmått

  • Medelvärde: x̄ = Σxi/n. Tyngdpunkten av datan.

  • Typvärde: Vanligaste värdet; kan vara otydligt i vissa datamaterial.

  • Median: Det mittersta värdet när data ordnas.

3.2 Spridningsmått

  • Undre/övre kvartil: Definierar fördelningen i datamaterialet.

  • Lådagram: Visualiserar kvartiler och spridning.

  • Variationsbredd: Skillnad mellan största och minsta värdet.

  • Stickprovsvarians: s² = 1/(n-1) Σ(xi - x̄)².

4. Kvalitativ dataåterspegling

4.1 Kvalitativa data

  • Indelas i nominal- (inga ordningar) och ordinalskalor (ordnade data).

  • Cirkeldiagram används för nominaldata.

  • Stapeldiagram för ordinaldata.

5. Samvariation

5.1 Korrelationskoefficient


  • Mått på samvariationen mellan x och y:r = (Σ(xi - x̄)(yi - ȳ))/(√(Σ(xi - x̄)²)√(Σ(yi - ȳ)²)).

  • Värdet av r: -1 ≤ r ≤ 1 (närmar sig |1| innebär starkt samband).

6. Sannolikhetsteori

6.1 Grundterminologi

  • Utfallsrum: Mängden av möjliga utfall (Ω).

  • Händelser: Delmängder av utfallsrummet.

  • Exempel: Vid tärningskast är Ω = {1, 2, 3, 4, 5, 6}.

6.2 Betingad sannolikhet

  • P(E|F) = P(E ∩ F) / P(F) (vid P(F) > 0).

  • Praktiska exempel inkluderar betingad sannolikhet vid tärningskast.

7. Oberoende händelser

7.1 Definition

  • E och F är oberoende om P(E|F) = P(E) (eller P(E ∩ F) = P(E)P(F)).

  • Betydelse i statistik för enkelhet och bearbetning.

8. Slutsatser för repetitioner

  • Statistisk dataanalys fokuserar på att hitta mönster och tolkningar av data.

  • Beskrivande och inferentiell statistik är centrala verktyg.

  • Sannolikhetsteori understödjer statistiska modeller och tolkningar.

  • Insikt i hur olika statistiska verktyg används för att analysera och förstå data.