Några exempel där styrkan beräknas är: - Karlstads universitet
Några exempel där styrkan beräknas är: - Karlstads universitet
Några exempel där styrkan beräknas är: - Karlstads universitet
You also want an ePaper? Increase the reach of your titles
YUMPU automatically turns print PDFs into web optimized ePapers that Google loves.
<strong>Karlstads</strong> <strong>universitet</strong> Avdelningen för nationalekonomi och<br />
statistik<br />
Om vi hittar på att vi fått ett stickprovsmedelv<strong>är</strong>de på 1 006.2 och en<br />
stickprovsstandardavvikelse på 48.3 får vi:<br />
48,<br />
3<br />
1006 , 2 ± 1,<br />
96 = ( 996,<br />
7332,<br />
1015,<br />
6668)<br />
och vi kan säga att ”Med ca 95%<br />
10<br />
säkerhet ligger väntev<strong>är</strong>det µ mellan 996,7 och 1015,7.”.<br />
c) Hur påverkas resonemanget/beräkningarna i b om Ztatistica plötsligt slås<br />
av insikten att vi söker väntev<strong>är</strong>det i en ändlig population?<br />
Om populationen vi pratar om <strong>är</strong> ändlig, kan Ztatistica för det första börja<br />
med att konstatera att den aldrig kan vara exakt normalfördelad, eftersom<br />
normalfördelningen definitionsmässigt inte <strong>är</strong> ändlig. Om det gäller en liten<br />
ändlig population kan hon självfallet undersöka hela populationen och<br />
beräkna det sanna väntev<strong>är</strong>det µ. Fast så enkelt <strong>är</strong> ju sällan fallet! D<strong>är</strong>emot<br />
<strong>är</strong> det ju så, att ju mindre populationen <strong>är</strong>, desto större andel kommer<br />
Ztatistica att ha undersökt med sin stickprovsstorlek på n=100. Det inneb<strong>är</strong><br />
vidare att ett konfidensintervall med samma bredd som ovan, d. v. s. ca 20,<br />
kommer att ha en mycket högre konfidensgrad än 95%. Analogt kommer ett<br />
95%-igt konfidensintervall att bli mycket smalare än 20 enheter, eftersom vi<br />
undersökt en större andel av populationen. Detta beror på att variansen för<br />
vår variabel, stickprovsmedelv<strong>är</strong>det X , kommer att minska ju större andel<br />
av populationen vi undersöker.<br />
N − n<br />
Beräkningsmässigt dyker detta upp i ändlighetskorrektionen, .<br />
N − 1<br />
Ztatistica behöver <strong>d<strong>är</strong></strong>för reda på hur stor populationen <strong>är</strong>. Säg t. ex. att<br />
populationsstorleken N=300.<br />
I så fall kan vi ta fram ett ungef<strong>är</strong> 95%-igt konfidensintervall för µ som<br />
x ± 1, 96<br />
s<br />
n<br />
N − n<br />
48,<br />
3<br />
= 1006,<br />
2 ± 1,<br />
96<br />
N − 1<br />
10<br />
300 − 100<br />
ger ( 998,<br />
457;<br />
300 − 1<br />
1013,<br />
943)<br />
Med ca 95% säkerhet ligger väntev<strong>är</strong>det µ mellan 998,4 och 1014,0 och vi har<br />
nu fått ett något snävare intervall.<br />
Sammanfattningsvis <strong>är</strong> det intressant att notera hur konfidensintervallens<br />
bredd påverkas av vad vi vet om slumpvariabelns fördelning,<br />
stickprovsstorlek och huruvida populationen <strong>är</strong> ändlig eller inte. Det<br />
bredaste intervallet fick vi i a, men då skall vi också ha i åtanke att vi bara<br />
hade fyra observationer!