Noter til E6 - dirac
Noter til E6 - dirac
Noter til E6 - dirac
You also want an ePaper? Increase the reach of your titles
YUMPU automatically turns print PDFs into web optimized ePapers that Google loves.
48 Nogle eksempler<br />
logit-funktionen<br />
Funktionen<br />
logit(p) = ln<br />
p<br />
1 − p .<br />
afbilder intervallet ]0,1[ bijektivt<br />
på den reelle akse R. Den<br />
omvendte funktion er<br />
p =<br />
exp(z)<br />
1 + exp(z) .<br />
Når p er sandsynligheden for en<br />
bestemt hændelse (f.eks. at dø),<br />
så er p/(1−p) forholdet mellem<br />
sandsynligheden for hændelsen<br />
og sandsynligheden for den<br />
modsatte hændelse; dette tal<br />
kaldes med et udtryk hentet fra<br />
spillebranchen for odds for den<br />
pågældende hændelse. Vi kan<br />
dermed sige at logit-funktionen<br />
udregner logaritmen <strong>til</strong> odds.<br />
Tabel 5.1 Rismelsbillers overlevelse:<br />
Tabellen viser antal døde/<br />
totalantal for hvert køn og for<br />
fire forskellige doser (mg/cm 2 ).<br />
dosis M F<br />
0.20 43/144 26/152<br />
0.32 50/ 69 34/ 81<br />
0.50 47/ 54 27/ 44<br />
0.80 48/ 50 43/ 47<br />
Tabel 5.2 Rismelsbillers overlevelse:<br />
Observeret dødssandsynlighed<br />
(relativ hyppighed) i hver af<br />
de otte grupper.<br />
dosis M F<br />
0.20 0.30 0.17<br />
0.32 0.72 0.42<br />
0.50 0.87 0.61<br />
0.80 0.96 0.91<br />
den pågældende koncentration. Her er det ikke så interessant blot at få<br />
at vide om der er en signifikant forskel på grupperne eller ej, det ville<br />
være langt mere spændende hvis man kunne give en nærmere beskrivelse<br />
af hvordan sandsynligheden for at dø afhænger af giftkoncentrationen, og<br />
hvis man kunne udtale sig om hvorvidt giften virker ens på hanner og<br />
hunner. Vi indfører noget notation og præciserer grundmodellen:<br />
1. I den gruppe der svarer <strong>til</strong> dosis d og køn k, er der n dk biller hvoraf<br />
y dk døde; her er k ∈ {M, F } og d ∈ {0.20, 0.32, 0.50, 0.80}.<br />
2. Det antages at y dk er en observation af en stokastisk variabel Y dk<br />
som er binomialfordelt med kendt antalsparameter n dk og med sandsynlighedsparameter<br />
p dk .<br />
3. Det antages desuden at de enkelte Y dk -er er stokastisk uafhængige.<br />
Likelihoodfunktionen i grundmodellen er<br />
(<br />
ndk<br />
L = ∏ ∏<br />
)<br />
p y dk<br />
dk<br />
y (1 − p dk) n dk−y dk<br />
dk<br />
k d<br />
= ∏ ∏<br />
( )<br />
ndk<br />
· ∏ ∏<br />
( ) ydk pdk<br />
· ∏ ∏<br />
(1 − p dk ) n dk<br />
y dk 1 − p dk<br />
k d<br />
k d<br />
k d<br />
= konst · ∏ ∏<br />
( ) ydk pdk<br />
· ∏ ∏<br />
(1 − p dk ) n dk<br />
,<br />
1 − p dk<br />
k<br />
d<br />
k<br />
d<br />
og log-likelihoodfunktionen er<br />
ln L = konst + ∑ ∑ p dk<br />
y dk ln + ∑ 1 − p dk<br />
k d<br />
k<br />
= konst + ∑ ∑<br />
y dk logit(p dk ) + ∑<br />
k d<br />
k<br />
∑<br />
n dk ln(1 − p dk )<br />
d<br />
∑<br />
n dk ln(1 − p dk ).<br />
d<br />
De otte parametre p dk varierer uafhængigt af hinanden, og ̂p dk = y dk /n dk .<br />
Opgaven i det følgende er at modellere p’s afhængighed af d og k.