ALGEBRA FX 2.0 PLUS FX 1.0 PLUS Instruktionshäfte 2 (Ytterligare funktioner ) Sw http://world.casio.
CASIO ELECTRONICS CO., LTD. Unit 6, 1000 North Circular Road, London NW2 7JD, U.K. Viktigt! Förvara din bruksanvisning och all övrig information nära till hands för framtida referens.
• • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • ALGEBRA FX 2.0 PLUS FX 1.
1 Innehåll Innehåll Kapitel 1 Tillämpningsprogram för avancerad statistik 1-1 1-2 1-3 1-4 Avancerad statistik (STAT) ............................................................... 1-1-1 Tester (TEST) ................................................................................... 1-2-1 Konfidensintervall (INTR) ................................................................. 1-3-1 Fördelning (DIST) .............................................................................
Kapitel 1 Tillämpningsprogram för avancerad statistik 1-1 1-2 1-3 1-4 Avancerad statistik (STAT) Tester (TEST) Konfidensintervall (INTR) Fördelning (DIST) 20010101 350_B_Ch1-1_2_Sw.0310.p65 3 05.3.
1-1-1 Avancerad statistik (STAT) 1-1 Avancerad statistik (STAT) uFunktionsmeny Det följande visar funktionsmenyerna för listinmatningsskärmen i läget STAT. Ett tryck på en funktionstangent som motsvarar den tillagda posten uppvisar en meny som möjliggör val av följande funktioner. • 3(TEST) ... Tester (sidan 1-2-1) • 4(INTR) ... Konfidensintervall (sidan 1-3-1) • 5(DIST) ... Fördelning (sidan 1-4-1) Funktionerna SORT och JUMP återfinns i menyn TOOL (6(g)1(TOOL)).
1-1-2 Avancerad statistik (STAT) • Logaritmisk regression ... • Exponentregression ... • Potensregression ... • Sinusregression ... • Logistisk regression ...
1-1-3 Avancerad statistik (STAT) 4. Tryck efter avslutad beräkning på i för att tömma koordinatvärdena och pekaren på skärmen. · Pekaren visas inte om de beräknade koordinaterna ej befinner sig inom visningsomfånget. · Koordinaterna visas inte om [Off] har specificerats för posten [Coord] på skärmen [SETUP]. · Funktionen Y-CAL kan också användas på en graf som ritats med hjälp av funktionen DefG.
1-1-4 Avancerad statistik (STAT) uGemensamma funktioner • Symbolen “■” visas i skärmens övre högra hörn under verkställning av en beräkning eller ritning av en graf. Ett tryck på A i detta läge avbryter räkningen eller ritningen (AC avbrott). • Ett tryck på i eller w när ett räkneresultat eller en graf visas på skärmen återgår till parameterinställningsskärmen. Ett tryck på ! i(QUIT) återgår till toppen av listinmatningsskärmen.
1-2-1 Tester (TEST) 1-2 Tester (TEST) Z Test sörjer för ett flertal olika standardiseringsbaserade tester. Dessa gör det möjligt att testa huruvida ett stickprov är representativt för en population när standardavvikelsen för en population (t.ex. befolkningen i ett land) är känd från tidigare tester. Z tester används för marknadsundersökningar och opinionsundersökningar som behöver utföras regelbundet. 1-Sample Z Test testar populationens okända medelvärde när populationens standardavvikelse är känd.
1-2-2 Tester (TEST) De följande sidorna förklarar olika metoder för statistikräkning baserade på ovanstående principer. Närmare detaljer om statistiska principer och begrepp kan finnas i en generell lärobok om statistik. Uppvisa grundskärmen för läget STAT och tryck på 3(TEST) för att visa testmenyn, vilken innehåller följande poster. • 3(TEST)b(Z) ... Z Tester (sid. 1-2-2) c(T) ... t Tester (sid. 1-2-10) d(χ2) ... χ2 Test (sid. 1-2-18) e(F) ... 2-Sample F Test (sid. 1-2-20) f(ANOVA) ... ANOVA (sid.
1-2-3 Tester (TEST) Utför följande tangentoperation från statitistikdatalistan. 3(TEST) b(Z) b(1-Smpl) Ifråga om listdataspecifikation har varje post följande innebörd. Data ............................ datatyp µ .................................. testvillkor för populationens medelvärde (“G µ0” anger tvåspetstest, “< µ0” undre enspetstest, “> µ0” övre enspetstest) µ0 ................................. antaget populationsmedelvärde σ ..................................
1-2-4 Tester (TEST) Exempel på utmatning av räkneresultat µG11.4 ........................ testets riktning z .................................. p .................................. o .................................. xσn-1 ............................. n .................................. z resultat p-värde stickprovets medelvärde stickprovets standardavvikelse (visas endast för Data: List) stickprovets storlek # [Save Res] lagrar inte villkoret µ på rad 2. 20010101 350_B_Ch1-1_2_Sw.0310.
1-2-5 Tester (TEST) u2-Sample Z Test (Z test med 2 stickprov) Detta test används för att testa hypotesen när stickprovets standardavvikelse för två populationer är kända. 2-Sample Z Test Test tillämpas på normalfördelning.
1-2-6 Tester (TEST) o1 ................................. n1 ................................. o2 ................................. n2 ................................. medelvärde av stickprov 1 storlek (positivt heltal) på stickprov 1 medelvärde av stickprov 2 storlek (positivt heltal) på stickprov 2 Efter inställning av alla parametrar ska du placera markören intill [Execute] och trycka på en av funktionstangenterna nedan för att utföra beräkningen eller rita grafen. • 1(CALC) ...
1-2-7 Tester (TEST) u1-Prop Z Test (Z test av 1 proportion) Detta används för att testa för en okänd proportion framgångar. 1-Prop Z Test tillämpas på normalfördelning. p0 : förväntad stickprovsproportion n : stickprovets storlek x – p0 Z= n p0 (1– p0) n Utför följande tangentoperation från statistikdatalistan. 3(TEST) b(Z) d(1-Prop) Prop ............................ testvillkor för stickprovsproportion (“G p0” anger tvåspetstest, “< p0” undre enspetstest, “> p0” övre enspetstest) p0 .................
1-2-8 Tester (TEST) u2-Prop Z Test (Z test av 2 proportioner) Detta test används för att jämföra proportionen av framgångar. 2-Prop Z Test tillämpas på normalfördelning. x1 x2 n1 – n2 Z= x1 : datavärde för stickprov 1 x2 : datavärde för stickprov 2 n1 : storlek på stickprov 1 n2 : storlek på stickprov 2 p̂ : uppskattad stickprovsproportion p(1 – p ) 1 + 1 n1 n2 Utför följande tangentoperation från statistikdatalistan. 3(TEST) b(Z) e(2-Prop) p1 .................................
1-2-9 Tester (TEST) p1>p2 ............................ z .................................. p .................................. p̂1 ................................. p̂2 ................................. p̂ .................................. n1 ................................. n2 .................................
1-2-10 Tester (TEST) k t Tester u Gemensamma funktioner för t tester Följande grafanalysfunktioner kan användas efter ritning av en graf. • 1(T) ... Visar t resultat Ett tryck på 1(T) visar t resultatet underst på skärmen och pekaren på motsvarande punkt på grafen (utom när punkten befinner sig utanför grafskärmen). Två punkter visas när det rör sig om ett tvåspetstest. Använd d och e för att flytta pekaren. Tryck på i för att ta bort t resultatet. • 2(P) ...
1-2-11 Tester (TEST) u1-Sample t Test (t test med 1 stickprov) Detta test används för att testa hypotesen för ett enskilt okänt populationsmedelvärde när standardavvikelsen för en population är okänd. 1-Sample t Test tillämpas på t-fördelning. t= o – µ0 xσ n–1 n o : medelvärde av stickprovet µ0 : antaget populationsmedelvärde xσn-1 : stickprovsstandardavvikelse n : stickprovets storlek Utför följande tangentoperation från statitistikdatalistan.
1-2-12 Tester (TEST) Exempel på utmatning av räkneresultat µ G 11.3 ...................... testets riktning t ................................... p .................................. o .................................. xσn-1 ............................. n .................................. t resultat p-värde stickprovets medelvärde stickprovsstandardavvikelse tickprovets storlek # [Save Res] lagrar inte villkoret µ på rad 2. 20010101 350_B_Ch1-1_2_Sw.0310.p65 19 05.3.
1-2-13 Tester (TEST) u2-Sample t Test (t test med 2 stickprov) 2-Sample t Test jämför två populationsmedelvärden när populationens standardavvikelserna är okända. 2-Sample t Test tillämpas på t-fördelning. Det följande gäller när delning är i kraft.
1-2-14 Tester (TEST) Data ............................ datatyp µ1 ................................. testvillkor för stickprovsmedelvärde (“G µ2” anger tvåspetstest, “< µ2” enspetstest där stickprov 1 är mindre än stickprov 2, “> µ2” enspetstest där stickprov 1 är större än stickprov 2) List(1) .......................... lista vars innehåll du vill använda som data för stickprov 1 (List 1 till 20) List(2) ..........................
1-2-15 Tester (TEST) Exempel på utmatning av räkneresultat µ1Gµ2 ........................... testets riktning t ................................... p .................................. df ................................. o1 ................................. o2 ................................. x1σn-1 ............................ x2σn-1 ............................ xpσn-1 ............................
1-2-16 Tester (TEST) uLinearReg t Test (t test med linjär regression) LinearReg t Test behandlar datauppsättningar med parade variabler som (x, y) par och använder metoden med minst kvadrater till att bestämma de lämpligaste a, b koefficienterna hos datan för regressionsformeln y = a + bx. Det bestämmer också korrelationskoefficienten och t-värdet, samt beräknar graden av förhållandet mellan x och y.
1-2-17 Tester (TEST) Utmatningsexempel för räkneresultat β G 0 & ρ G 0 .............. testriktning t ................................... p .................................. df ................................. a .................................. b .................................. s .................................. r .................................. r2 .................................
1-2-18 Tester (TEST) k χ2 Test χ2 Test ställer upp ett antal oberoende grupper och testar hypoteser relaterade till proportionen av stickprovet som återfinns i varje grupp. χ2 Test tillämpas på tvådelade variabler (variabler med två möjliga värden, såsom ja/nej). k förväntad räkning Σ x ×Σ x ij Fij = i=1 ij j=1 k ΣΣ x ij i=1 j=1 (xij – Fij)2 Fij i=1 j=1 k χ2 = ΣΣ Utför följande tangentoperation från statistikdatalistan. 3(TEST) d(χ2) Specificera sedan matrisen som innehåller datan.
1-2-19 Tester (TEST) Efter inställning av alla parametrar ska du placera markören intill [Execute] och trycka på en av funktionstangenterna nedan för att utföra beräkningen eller rita grafen. • 1(CALC) ... Utför beräkningen • 6(DRAW) ... Ritar grafen Exempel på utmatning av räkneresultat χ2 ................................. χ2 värde p .................................. p-värde df ................................. frihetsgrad Följande grafanalysfunktioner kan användas efter ritning av en graf. • 1(CHI) ..
1-2-20 Tester (TEST) k 2-Sample F Test (F test med 2 stickprov) 2-Sample F Test testar hypotesen för graden av stickprovsvariation. F Test tillämpas på F-fördelning. F= x1σn–12 x2σn–12 Utför följande tangentoperation från statistikdatalistan. 3(TEST) e(F) Det följande visar innebörden av varje post ifråga om listdataspecifikation. Data ............................ datatyp σ1 .................................
1-2-21 Tester (TEST) Efter inställning av alla parametrar ska du placera markören intill [Execute] och trycka på en av funktionstangenterna nedan för att utföra beräkningen eller rita grafen. • 1(CALC) ... Utför beräkningen • 6(DRAW) ... Ritar grafen Exempel på utmatning av räkneresultat σ1Gσ2 .......................... testets riktning F .................................. p .................................. o1 ................................. o2 ................................. x1σn-1 ...............
1-2-22 Tester (TEST) k ANOVA ANOVA testar hypotesen att populationsmedelvärdena hos stickproven är lika när det förekommer flera stickprov. One-Way (envägs) ANOVA används när det förekommer en oberoende och en beroende variabel. Two-Way (tvåvägs) ANOVA används när det förekommer två oberoende och en beroende variabel. Utför följande tangentoperation från statistikdatalistan. 3(TEST) f(ANOVA) Det följande visar innebörden av varje post ifråga om listdataspecifikation. How Many ...................
1-2-23 Tester (TEST) Utmatningsexempel för räkneresultat One-Way ANOVA Rad 1 (A) ..................... df värde, SS värde, MS värde, F värde, p-värde för Factor A Rad 2 (ERR) ............... df värde, SS värde, MS värde för fel Two-Way ANOVA Rad 1 (A) ..................... df värde, SS värde, MS värde, F värde, p-värde för Factor A Rad 2 (B) ..................... df värde, SS värde, MS värde, F värde, p-värde för Factor B Rad 3 (AB) ..................
1-2-24 Tester (TEST) k ANOVA (Two-Way) uBeskrivning Denna tabell visar mätresultaten för en metallprodukt som framställts med en värmebehandlingsprocess baserad på två behandlingsnivåer: tid (A) och temperatur (B). Experimenten upprepades två gånger vardera under identiska förhållanden. B (Värmebehandlingstemperatur) A (Tid) B1 B2 A1 113 , 116 139 , 132 A2 133 , 131 126 , 122 Utför analys av variansen på följande nollhypoteser med hjälp av en signifikansnivå på 5%.
1-2-25 Tester (TEST) uInmatningsexempel uResultat 20010101 350_B_Ch1-1_2_Sw.0310.p65 32 05.3.
1-3-1 Konfidensintervall (INTR) 1-3 Konfidensintervall (INTR) Ett konfidensintervall är ett omfång (intervall) som inkluderar ett statistiskt värde, vanligtvis populationsmedelvärdet. Ett alltför brett konfidensintervall gör det svårt att få en uppfattning om var populationsvärdet (det sanna värdet) återfinns. Ett snävt konfidensintervall, å andra sidan, begränsar populationsvärdet och gör det svårt att erhålla pålitliga resultat. De oftast använda konfidensnivåerna är 95% och 99%.
1-3-2 Konfidensintervall (INTR) uAtt observera angående konfidensintervall Inmatning av ett värde i omfånget 0 < C-Level < 1 för konfidensnivån ställer in värdet du matade in. Inmatning av ett värde i omfånget 1 < C-Level < 100 ställer in ett värde lika med din inmatning dividerad med 100. # Inmatning av värdet 100 eller större eller inmatning av ett negativt värde orsakar ett fel (Ma ERROR). 20010101 350_B_Ch1-3_0310.p65 34 05.3.
1-3-3 Konfidensintervall (INTR) k Z Intervall u1-Sample Z Interval (Z intervall med 1 stickprov) 1-Sample Z Interval beräknar konfidensintervallet för ett okänt populationsmedelvärde när populationens standardavvikelsen är känd. Det följande är konfidensintervallet. Vänster = o – Z α σ 2 n Höger = o + Z α σ 2 n α är dock inte signifikansnivån. Värdet 100 (1–α) % är konfidensnivån. När konfidensnivån är t.ex. 95% framställs 1 – 0,95 = 0,05 = α. när 0,95 matas in.
1-3-4 Konfidensintervall (INTR) Efter inställning av alla parametrar ska du placera markören intill [Execute] och trycka på funktionstangenten nedan för att utföra beräkningen. •1(CALC) ... Utför beräkning Utmatningsexempel för räkneresultat Left .............................. intervallets undre gräns (vänster kant) Right ............................ intervallet övre gräns (höger kant) o .................................. medelvärde av stickprov xσn-1 .............................
1-3-5 Konfidensintervall (INTR) Det följande visar innebörden av varje post ifråga om listdataspecifikation. Data ............................ datatyp C-Level ........................ konfidensnivå (0 < C-Level < 1) σ1 ................................. populationsstandardavvikelse för stickprov 1 (σ1 > 0) σ2 ................................. populationsstandardavvikelse för stickprov 2 (σ2 > 0) List(1) ..........................
1-3-6 Konfidensintervall (INTR) u1-Prop Z Interval (Z intervall med 1 proportion) 1-Prop Z Interval använder antalet data för att beräkna konfidensintervallet för en okänd proportion av framgångar. Det följande är konfidensintervallet. Värdet 100 (1– α) % är konfidensnivån. x Vänster = n – Z α 2 x Höger = n + Z α 2 1 x x n n 1– n n : storlek på stickprov x : data 1 x x n n 1– n Utför följande tangentoperation från statistikdatalistan.
1-3-7 Konfidensintervall (INTR) u 2-Prop Z Interval (Z intervall med 2 proportioner) 2-Prop Z Interval använder antalet dataposter för att beräkna konfidensintervallet för skillnaden mellan proportionen av framgångar i två populationer. Det följande är konfidensintervallet. Värdet 100 (1–α) % är konfidensnivån.
1-3-8 Konfidensintervall (INTR) Left .............................. intervallets undre gräns (vänster kant) Right ............................ intervallet övre gräns (höger kant) p̂1 ................................. p̂2 ................................. n1 ................................. n2 .................................
1-3-9 Konfidensintervall (INTR) o .................................. medelvärde av stickprov xσn-1 ............................. standardavvikelse för stickprov (xσn-1 > 0) n .................................. storlek på stickprov (positivt heltal) Efter inställning av alla parametrar ska du placera markören intill [Execute] och trycka på funktionstangenten nedan för att utföra beräkningen. • 1(CALC) ... Utför beräkning Utmatningsexempel för räkneresultat Left ..............................
1-3-10 Konfidensintervall (INTR) Följande konfidensintervall gäller när sammanslagning ej är aktiverad. Värdet 100 (1– α) % är konfidensnivån. Vänster = (o1 – o2)– tdf α 2 Höger = (o1 – o2)+ tdf α 2 df = x1σ n–12 x2 σn–12 n1 + n 2 x1σ n–12 x2 σn–12 n1 + n 2 1 2 C 2 + (1–C) n1–1 n2–1 x1σ n–12 n1 C= x1σ n–12 x2 σn–12 n1 + n2 Utför följande tangentoperation från statistikdatalistan. 4(INTR) c(T) c(2-Smpl) Det följande visar innebörden av varje post ifråga om listdataspecifikation. Data ...............
1-3-11 Konfidensintervall (INTR) o1 ................................. x1σn-1 ............................ n1 ................................. o2 ................................. x2σn-1 ............................ n2 .................................
1-4-1 Fördelning (DIST) 1-4 Fördelning (DIST) Det finns ett flertal olika typer av fördelning, men den vanligaste är “normalfördelning”, som är nödvändig att använda vid statistikräkning. Normalfördelning är en symmetrisk fördelning centrerad på den största förekomsten av medelvärdesdata (högsta frekvensen), med gradvis minskande frekvens när man rör sig bort från centrum. Poisson-fördelning, geometrisk fördelning och andra former av fördelning kan också användas beroende på den aktuella datatypen.
1-4-2 Fördelning (DIST) uGemensamma fördelningsfunktioner Efter ritning av en graf kan funktionen P-CAL användas för att beräkna ett uppskattat p-värde för ett specifikt x-värde. Följande generella procedur gäller för att använda funktionen P-CAL. 1. Tryck efter ritning av en graf på 1(P-CAL) för att visa en meddelanderuta för inmatning av x-värde. 2. Inmata önskat värde för x och tryck sedan på w. • Värdena x och p visas nu underst på skärmen, och pekaren flyttas till motsvarande punkt på grafen. 3.
1-4-3 Fördelning (DIST) k Normalfördelning uNormal sannolikhetstäthet Normal sannolikhetstäthet beräknar sannolikhetstäthet för normalfördelning att data tagits från ett specifikt x-värde. Normal sannolikhetstäthet tillämpas på standard normalfördelning. 2 f(x) = 1 e– 2πσ (x – µµ) 2σ 2 (σ > 0) Utför följande tangentoperation från statistikdatalistan. 5(DIST) b(Norm) b(P.D) Data specificeras med hjälp av parameterspecifikation. Det följande visar innebörden för varje post. x ..........................
1-4-4 Fördelning (DIST) uNormal fördelningssannolikhet Normal fördelningssannolikhet beräknar sannolikheten att normalfördelningsdata faller mellan två specifika värden. p= 1 2πσ ∫ a : undre gräns b : övre gräns 2 b e a – (x – µ µ) 2σ 2 dx Utför följande tangentoperation från statistikdatalistan. 5(DIST) b(Norm) c(C.D) Data specificeras med hjälp av parameterspecifikation. Det följande visar innebörden för varje post. Lower .......................... undre gräns Upper ..........................
1-4-5 Fördelning (DIST) Utmatningsexempel för räkneresultat p .................................. normal fördelningssannolikhet z:Low ........................... undre z värde (omvandlas till standardiserat z resultat för undre värde) z:Up .............................
1-4-6 Fördelning (DIST) Efter inställning av alla parametrar ska du placera markören intill [Execute] och trycka på funktionstangenten nedan för att utföra beräkningen. • 1(CALC) ... Utför beräkning Utmatningsexempel för räkneresultat x .......................................
1-4-7 Fördelning (DIST) k Student-t fördelning uStudent-t sannolikhetstäthet Student-t sannolikhetstäthet beräknar sannolikhetstäthet för t-fördelning att data tagits från ett specifikt x-värde. x2 df + 1 1+ Γ 2 df f (x) = π df df Γ 2 – df+1 2 Utför följande tangentoperation från statistikdatalistan. 5(DIST) c(T) b(P.D) Data specificeras med hjälp av parameterspecifikation. Det följande visar innebörden för varje post. x .................................. data df .................................
1-4-8 Fördelning (DIST) uStudent-t fördelningssannolikhet Student-t fördelningssannolikhet beräknar sannolikheten att t-fördelningsdata faller mellan två specifika värden. df + 1 2 p= df Γ 2 π df Γ ∫ b a x2 1+ df – df+1 2 dx a : övre gräns b : undre gräns Utför följande tangentoperation från statistikdatalistan. 5(DIST) c(T) c(C.D) Data specificeras med hjälp av parameterspecifikation. Det följande visar innebörden för varje post. Lower .......................... undre gräns Upper ..............
1-4-9 Fördelning (DIST) Utmatningsexempel för räkneresultat p .................................. Student-t fördelningssannolikhet t:Low ........................... undre t värde (inmatat undre värde) t:Up ............................. övre t värde (inmatat övre värde) k χ2 fördelning uχ2 sannolikhetstäthet χ2 sannolikhetstäthet beräknar funktionen sannolikhetstäthet för χ2 fördelning hos ett specificerat x värde.
1-4-10 Fördelning (DIST) Utmatningsexempel för räkneresultat p .................................. χ2 sannolikhetstäthet [Auto] ställs följande tittfönsterinställningar in automatiskt. Xmin = 0, Xmax = 11,5, Xscale = 2, Ymin = –0,1, Ymax = 0,5, Yscale = 0,1 # Nuvarande tittfönsterinställningar används för grafritning om [Stat Wind] står på [Manual] på skärmen SET UP. När [Stat Wind] står på 20010101 350_B_Ch1-4_0309.p65 53 05.3.
1-4-11 Fördelning (DIST) uχ2 fördelningssannolikhet χ2 fördelningssannolikhet beräknar sannolikheten att χ2 fördelningsdata faller mellan två specifika värden. p= 1 df Γ 2 1 2 df 2 ∫ b df x 2 –1 – x2 e dx a : undre gräns b : övre gräns a Utför följande tangentoperation från statistikdatalistan. 5(DIST) d(χ2) c(C.D) Data specificeras med hjälp av parameterspecifikation. Det följande visar innebörden för varje post. Lower .......................... undre gräns Upper ..........................
1-4-12 Fördelning (DIST) Utmatningsexempel för räkneresultat p .................................. χ2 fördelningssannolikhet k F fördelning u F sannolikhetstäthet F sannolikhetstäthet beräknar funktionen sannolikhetstäthet för F fördelning hos ett specificerat x värde. n+d 2 f (x) = n d Γ Γ 2 2 Γ n d n 2 x n –1 2 1 + nx d – n+d 2 Utför följande tangentoperation från statistikdatalistan. 5(DIST) e(F) b(P.D) Data specificeras med hjälp av parameterspecifikation.
1-4-13 Fördelning (DIST) Utmatningsexempel för räkneresultat p .................................. F sannolikhetstäthet # Tittfönstrets inställningar för grafritning ställs in automatiskt om posten [Stat Wind] står på [Auto] på skärmen SET UP. Nuvarande tittfönsterinställningar används för grafritning om [Stat Wind] står på [Manual]. 20010101 350_B_Ch1-4_0309.p65 56 05.3.
1-4-14 Fördelning (DIST) u F fördelningssannolikhet F fördelningssannolikhet beräknar sannolikheten att F fördelningsdata faller mellan två specifika värden. n+d 2 p= n d Γ Γ 2 2 Γ n d n 2 ∫ b x n –1 2 a 1 + nx d – a : undre gräns b : övre gräns n+d 2 dx Utför följande tangentoperation från statistikdatalistan. 5(DIST) e(F) c(C.D) Data specificeras med hjälp av parameterspecifikation. Det följande visar innebörden för varje post. Lower .......................... undre gräns Upper ...........
1-4-15 Fördelning (DIST) Utmatningsexempel för räkneresultat p .................................. F fördelningssannolikhet 20010101 350_B_Ch1-4_0309.p65 58 05.3.
1-4-16 Fördelning (DIST) k Binomfördelning u Binomsannolikhet Binomsannolikhet beräknar en sannolikhet hos specificerat värde för diskret binomfördelning med det specificerade antalet försök och sannolikheten av framgång vid varje försök. f (x) = n C x px (1–p) n – x (x = 0, 1, ·······, n) p : framgångssannolikhet (0 < p < 1) n : antal försök Utför följande tangentoperation från statistikdatalistan. 5(DIST) f(Binmal) b(P.
1-4-17 Fördelning (DIST) Utmatningsexempel för räkneresultat p .................................. binomsannolikhet uBinom kumulativ täthet Binom kumulativ täthet beräknar en kumulativ sannolikhet hos specificerat värde för diskret binomfördelning med det specificerade antalet försök och sannolikheten av framgång vid varje försök. Utför följande tangentoperation från statistikdatalistan. 5 (DIST) f (Binmal) c (C.D) Det följande visar innebörden för varje post när data specificeras med listspecifikation.
1-4-18 Fördelning (DIST) Efter inställning av alla parametrar ska du placera markören intill [Execute] och trycka på funktionstangenten nedan för att utföra beräkningen. • 1(CALC) ... Utför beräkning Utmatningsexempel för räkneresultat p ......................................... framgångssannolikhet 20010101 20020401 350_B_Ch1-4_0309.p65 61 05.3.
1-4-19 Fördelning (DIST) k Poisson-fördelning uPoisson-sannolikhet Poisson-sannolikhet beräknar en sannolikhet hos ett specificerat värde för diskret Poissonfördelning med det specificerade medelvärdet. f (x) = e– µ µ x x! (x = 0, 1, 2, ···) µ : medelvärde (µ > 0) Utför följande tangentoperation från statistikdatalistan. 5(DIST) g(Poissn) b(P.D) Det följande visar innebörden för varje post när data specificeras med listspecifikation. Data ............................ datatyp List ....................
1-4-20 Fördelning (DIST) u Poisson kumulativ täthet Poisson kumulativ täthet beräknar en kumulativ sannolikhet hos ett specificerat värde för diskret Poisson-fördelning med det specificerade medelvärdet. Utför följande tangentoperation från statistikdatalistan. 5(DIST) g(Poissn) c(C.D) Det följande visar innebörden för varje post när data specificeras med listspecifikation. Data ............................ datatyp List ..............................
1-4-21 Fördelning (DIST) k Geometrisk fördelning uGeometrisk sannolikhet Geometrisk sannolikhet beräknar en sannolikhet hos ett specificerat värde, numret på försöket vid vilket den första framgången inträffar, för diskret geometrisk fördelning med den specificerade framgångssannolikheten. f (x) = p(1– p) x – 1 (x = 1, 2, 3, ···) Utför följande tangentoperation från statistikdatalistan. 5(DIST) h(Geo) b(P.D) Det följande visar innebörden för varje post när data specificeras med listspecifikation.
1-4-22 Fördelning (DIST) uGeometrisk kumulativ täthet Geometrisk kumulativ täthet beräknar en kumulativ sannolikhet hos ett specificerat värde, numret på försöket vid vilket den första framgången inträffar, för diskret geometrisk fördelning med den specificerade framgångssannolikheten. Utför följande tangentoperation från statistikdatalistan. 5(DIST) h(Geo) c(C.D) Det följande visar innebörden för varje post när data specificeras med listspecifikation. Data ............................ datatyp List ......