MATHHX A

MATHHX A

\(\newcommand{\footnotename}{footnote}\) \(\def \LWRfootnote {1}\) \(\newcommand {\footnote }[2][\LWRfootnote ]{{}^{\mathrm {#1}}}\) \(\newcommand {\footnotemark }[1][\LWRfootnote ]{{}^{\mathrm {#1}}}\) \(\let \LWRorighspace \hspace \) \(\renewcommand {\hspace }{\ifstar \LWRorighspace \LWRorighspace }\) \(\newcommand {\TextOrMath }[2]{#2}\) \(\newcommand {\mathnormal }[1]{{#1}}\) \(\newcommand \ensuremath [1]{#1}\) \(\newcommand {\LWRframebox }[2][]{\fbox {#2}} \newcommand {\framebox }[1][]{\LWRframebox } \) \(\newcommand {\setlength }[2]{}\) \(\newcommand {\addtolength }[2]{}\) \(\newcommand {\setcounter }[2]{}\) \(\newcommand {\addtocounter }[2]{}\) \(\newcommand {\arabic }[1]{}\) \(\newcommand {\number }[1]{}\) \(\newcommand {\noalign }[1]{\text {#1}\notag \\}\) \(\newcommand {\cline }[1]{}\) \(\newcommand {\directlua }[1]{\text {(directlua)}}\) \(\newcommand {\luatexdirectlua }[1]{\text {(directlua)}}\) \(\newcommand {\protect }{}\) \(\def \LWRabsorbnumber #1 {}\) \(\def \LWRabsorbquotenumber "#1 {}\) \(\newcommand {\LWRabsorboption }[1][]{}\) \(\newcommand {\LWRabsorbtwooptions }[1][]{\LWRabsorboption }\) \(\def \mathchar {\ifnextchar "\LWRabsorbquotenumber \LWRabsorbnumber }\) \(\def \mathcode #1={\mathchar }\) \(\let \delcode \mathcode \) \(\let \delimiter \mathchar \) \(\def \oe {\unicode {x0153}}\) \(\def \OE {\unicode {x0152}}\) \(\def \ae {\unicode {x00E6}}\) \(\def \AE {\unicode {x00C6}}\) \(\def \aa {\unicode {x00E5}}\) \(\def \AA {\unicode {x00C5}}\) \(\def \o {\unicode {x00F8}}\) \(\def \O {\unicode {x00D8}}\) \(\def \l {\unicode {x0142}}\) \(\def \L {\unicode {x0141}}\) \(\def \ss {\unicode {x00DF}}\) \(\def \SS {\unicode {x1E9E}}\) \(\def \dag {\unicode {x2020}}\) \(\def \ddag {\unicode {x2021}}\) \(\def \P {\unicode {x00B6}}\) \(\def \copyright {\unicode {x00A9}}\) \(\def \pounds {\unicode {x00A3}}\) \(\let \LWRref \ref \) \(\renewcommand {\ref }{\ifstar \LWRref \LWRref }\) \( \newcommand {\multicolumn }[3]{#3}\) \(\require {textcomp}\) \(\require {colortbl}\) \(\let \LWRorigcolumncolor \columncolor \) \(\renewcommand {\columncolor }[2][named]{\LWRorigcolumncolor [#1]{#2}\LWRabsorbtwooptions }\) \(\let \LWRorigrowcolor \rowcolor \) \(\renewcommand {\rowcolor }[2][named]{\LWRorigrowcolor [#1]{#2}\LWRabsorbtwooptions }\) \(\let \LWRorigcellcolor \cellcolor \) \(\renewcommand {\cellcolor }[2][named]{\LWRorigcellcolor [#1]{#2}\LWRabsorbtwooptions }\) \(\newcommand {\tothe }[1]{^{#1}}\) \(\newcommand {\raiseto }[2]{{#2}^{#1}}\) \(\newcommand {\LWRsiunitxEND }{}\) \(\def \LWRsiunitxang #1;#2;#3;#4\LWRsiunitxEND {\ifblank {#1}{}{\num {#1}\degree }\ifblank {#2}{}{\num {#2}^{\unicode {x2032}}}\ifblank {#3}{}{\num {#3}^{\unicode {x2033}}}}\) \(\newcommand {\ang }[2][]{\LWRsiunitxang #2;;;\LWRsiunitxEND }\) \(\def \LWRsiunitxdistribunit {}\) \(\newcommand {\LWRsiunitxENDTWO }{}\) \(\def \LWRsiunitxprintdecimalsubtwo #1,#2,#3\LWRsiunitxENDTWO {\ifblank {#1}{0}{\mathrm {#1}}\ifblank {#2}{}{{\LWRsiunitxdecimal }\mathrm {#2}}}\) \(\def \LWRsiunitxprintdecimalsub #1.#2.#3\LWRsiunitxEND {\LWRsiunitxprintdecimalsubtwo #1,,\LWRsiunitxENDTWO \ifblank {#2}{}{{\LWRsiunitxdecimal }\LWRsiunitxprintdecimalsubtwo #2,,\LWRsiunitxENDTWO }}\) \(\newcommand {\LWRsiunitxprintdecimal }[1]{\LWRsiunitxprintdecimalsub #1...\LWRsiunitxEND }\) \(\def \LWRsiunitxnumplus #1+#2+#3\LWRsiunitxEND {\ifblank {#2}{\LWRsiunitxprintdecimal {#1}}{\ifblank {#1}{\LWRsiunitxprintdecimal {#2}}{\LWRsiunitxprintdecimal {#1}\unicode {x02B}\LWRsiunitxprintdecimal {#2}}}\LWRsiunitxdistribunit }\) \(\def \LWRsiunitxnumminus #1-#2-#3\LWRsiunitxEND {\ifblank {#2}{\LWRsiunitxnumplus #1+++\LWRsiunitxEND }{\ifblank {#1}{}{\LWRsiunitxprintdecimal {#1}}\unicode {x02212}\LWRsiunitxprintdecimal {#2}\LWRsiunitxdistribunit }}\) \(\def \LWRsiunitxnumpmmacro #1\pm #2\pm #3\LWRsiunitxEND {\ifblank {#2}{\LWRsiunitxnumminus #1---\LWRsiunitxEND }{\LWRsiunitxprintdecimal {#1}\unicode {x0B1}\LWRsiunitxprintdecimal {#2}\LWRsiunitxdistribunit }}\) \(\def \LWRsiunitxnumpm #1+-#2+-#3\LWRsiunitxEND {\ifblank {#2}{\LWRsiunitxnumpmmacro #1\pm \pm \pm \LWRsiunitxEND }{\LWRsiunitxprintdecimal {#1}\unicode {x0B1}\LWRsiunitxprintdecimal {#2}\LWRsiunitxdistribunit }}\) \(\newcommand {\LWRsiunitxnumscientific }[2]{\ifblank {#1}{}{\ifstrequal {#1}{-}{-}{\LWRsiunitxprintdecimal {#1}\times }}10^{\LWRsiunitxprintdecimal {#2}}\LWRsiunitxdistribunit }\) \(\def \LWRsiunitxnumD #1D#2D#3\LWRsiunitxEND {\ifblank {#2}{\LWRsiunitxnumpm #1+-+-\LWRsiunitxEND }{\mathrm {\LWRsiunitxnumscientific {#1}{#2}}}}\) \(\def \LWRsiunitxnumd #1d#2d#3\LWRsiunitxEND {\ifblank {#2}{\LWRsiunitxnumD #1DDD\LWRsiunitxEND }{\mathrm {\LWRsiunitxnumscientific {#1}{#2}}}}\) \(\def \LWRsiunitxnumE #1E#2E#3\LWRsiunitxEND {\ifblank {#2}{\LWRsiunitxnumd #1ddd\LWRsiunitxEND }{\mathrm {\LWRsiunitxnumscientific {#1}{#2}}}}\) \(\def \LWRsiunitxnume #1e#2e#3\LWRsiunitxEND {\ifblank {#2}{\LWRsiunitxnumE #1EEE\LWRsiunitxEND }{\mathrm {\LWRsiunitxnumscientific {#1}{#2}}}}\) \(\def \LWRsiunitxnumx #1x#2x#3x#4\LWRsiunitxEND {\ifblank {#2}{\LWRsiunitxnume #1eee\LWRsiunitxEND }{\ifblank {#3}{\LWRsiunitxnume #1eee\LWRsiunitxEND \times \LWRsiunitxnume #2eee\LWRsiunitxEND }{\LWRsiunitxnume #1eee\LWRsiunitxEND \times \LWRsiunitxnume #2eee\LWRsiunitxEND \times \LWRsiunitxnume #3eee\LWRsiunitxEND }}}\) \(\newcommand {\num }[2][]{\LWRsiunitxnumx #2xxxxx\LWRsiunitxEND }\) \(\newcommand {\si }[2][]{\mathrm {\gsubstitute {#2}{~}{\,}}}\) \(\def \LWRsiunitxSIopt #1[#2]#3{\def \LWRsiunitxdistribunit {\,\si {#3}}{#2}\num {#1}\def \LWRsiunitxdistribunit {}}\) \(\newcommand {\LWRsiunitxSI }[2]{\def \LWRsiunitxdistribunit {\,\si {#2}}\num {#1}\def \LWRsiunitxdistribunit {}}\) \(\newcommand {\SI }[2][]{\ifnextchar [{\LWRsiunitxSIopt {#2}}{\LWRsiunitxSI {#2}}}\) \(\newcommand {\numlist }[2][]{\text {#2}}\) \(\newcommand {\numrange }[3][]{\num {#2}\ \LWRsiunitxrangephrase \ \num {#3}}\) \(\newcommand {\SIlist }[3][]{\text {#2}\,\si {#3}}\) \(\newcommand {\SIrange }[4][]{\num {#2}\,#4\ \LWRsiunitxrangephrase \ \num {#3}\,#4}\) \(\newcommand {\tablenum }[2][]{\mathrm {#2}}\) \(\newcommand {\ampere }{\mathrm {A}}\) \(\newcommand {\candela }{\mathrm {cd}}\) \(\newcommand {\kelvin }{\mathrm {K}}\) \(\newcommand {\kilogram }{\mathrm {kg}}\) \(\newcommand {\metre }{\mathrm {m}}\) \(\newcommand {\mole }{\mathrm {mol}}\) \(\newcommand {\second }{\mathrm {s}}\) \(\newcommand {\becquerel }{\mathrm {Bq}}\) \(\newcommand {\degreeCelsius }{\unicode {x2103}}\) \(\newcommand {\coulomb }{\mathrm {C}}\) \(\newcommand {\farad }{\mathrm {F}}\) \(\newcommand {\gray }{\mathrm {Gy}}\) \(\newcommand {\hertz }{\mathrm {Hz}}\) \(\newcommand {\henry }{\mathrm {H}}\) \(\newcommand {\joule }{\mathrm {J}}\) \(\newcommand {\katal }{\mathrm {kat}}\) \(\newcommand {\lumen }{\mathrm {lm}}\) \(\newcommand {\lux }{\mathrm {lx}}\) \(\newcommand {\newton }{\mathrm {N}}\) \(\newcommand {\ohm }{\mathrm {\Omega }}\) \(\newcommand {\pascal }{\mathrm {Pa}}\) \(\newcommand {\radian }{\mathrm {rad}}\) \(\newcommand {\siemens }{\mathrm {S}}\) \(\newcommand {\sievert }{\mathrm {Sv}}\) \(\newcommand {\steradian }{\mathrm {sr}}\) \(\newcommand {\tesla }{\mathrm {T}}\) \(\newcommand {\volt }{\mathrm {V}}\) \(\newcommand {\watt }{\mathrm {W}}\) \(\newcommand {\weber }{\mathrm {Wb}}\) \(\newcommand {\day }{\mathrm {d}}\) \(\newcommand {\degree }{\mathrm {^\circ }}\) \(\newcommand {\hectare }{\mathrm {ha}}\) \(\newcommand {\hour }{\mathrm {h}}\) \(\newcommand {\litre }{\mathrm {l}}\) \(\newcommand {\liter }{\mathrm {L}}\) \(\newcommand {\arcminute }{^\prime }\) \(\newcommand {\minute }{\mathrm {min}}\) \(\newcommand {\arcsecond }{^{\prime \prime }}\) \(\newcommand {\tonne }{\mathrm {t}}\) \(\newcommand {\astronomicalunit }{au}\) \(\newcommand {\atomicmassunit }{u}\) \(\newcommand {\bohr }{\mathit {a}_0}\) \(\newcommand {\clight }{\mathit {c}_0}\) \(\newcommand {\dalton }{\mathrm {D}_\mathrm {a}}\) \(\newcommand {\electronmass }{\mathit {m}_{\mathrm {e}}}\) \(\newcommand {\electronvolt }{\mathrm {eV}}\) \(\newcommand {\elementarycharge }{\mathit {e}}\) \(\newcommand {\hartree }{\mathit {E}_{\mathrm {h}}}\) \(\newcommand {\planckbar }{\mathit {\unicode {x210F}}}\) \(\newcommand {\angstrom }{\mathrm {\unicode {x212B}}}\) \(\let \LWRorigbar \bar \) \(\newcommand {\barn }{\mathrm {b}}\) \(\newcommand {\bel }{\mathrm {B}}\) \(\newcommand {\decibel }{\mathrm {dB}}\) \(\newcommand {\knot }{\mathrm {kn}}\) \(\newcommand {\mmHg }{\mathrm {mmHg}}\) \(\newcommand {\nauticalmile }{\mathrm {M}}\) \(\newcommand {\neper }{\mathrm {Np}}\) \(\newcommand {\yocto }{\mathrm {y}}\) \(\newcommand {\zepto }{\mathrm {z}}\) \(\newcommand {\atto }{\mathrm {a}}\) \(\newcommand {\femto }{\mathrm {f}}\) \(\newcommand {\pico }{\mathrm {p}}\) \(\newcommand {\nano }{\mathrm {n}}\) \(\newcommand {\micro }{\mathrm {\unicode {x00B5}}}\) \(\newcommand {\milli }{\mathrm {m}}\) \(\newcommand {\centi }{\mathrm {c}}\) \(\newcommand {\deci }{\mathrm {d}}\) \(\newcommand {\deca }{\mathrm {da}}\) \(\newcommand {\hecto }{\mathrm {h}}\) \(\newcommand {\kilo }{\mathrm {k}}\) \(\newcommand {\mega }{\mathrm {M}}\) \(\newcommand {\giga }{\mathrm {G}}\) \(\newcommand {\tera }{\mathrm {T}}\) \(\newcommand {\peta }{\mathrm {P}}\) \(\newcommand {\exa }{\mathrm {E}}\) \(\newcommand {\zetta }{\mathrm {Z}}\) \(\newcommand {\yotta }{\mathrm {Y}}\) \(\newcommand {\percent }{\mathrm {\%}}\) \(\newcommand {\meter }{\mathrm {m}}\) \(\newcommand {\metre }{\mathrm {m}}\) \(\newcommand {\gram }{\mathrm {g}}\) \(\newcommand {\kg }{\kilo \gram }\) \(\newcommand {\of }[1]{_{\mathrm {#1}}}\) \(\newcommand {\squared }{^2}\) \(\newcommand {\square }[1]{\mathrm {#1}^2}\) \(\newcommand {\cubed }{^3}\) \(\newcommand {\cubic }[1]{\mathrm {#1}^3}\) \(\newcommand {\per }{\,\mathrm {/}}\) \(\newcommand {\celsius }{\unicode {x2103}}\) \(\newcommand {\fg }{\femto \gram }\) \(\newcommand {\pg }{\pico \gram }\) \(\newcommand {\ng }{\nano \gram }\) \(\newcommand {\ug }{\micro \gram }\) \(\newcommand {\mg }{\milli \gram }\) \(\newcommand {\g }{\gram }\) \(\newcommand {\kg }{\kilo \gram }\) \(\newcommand {\amu }{\mathrm {u}}\) \(\newcommand {\nm }{\nano \metre }\) \(\newcommand {\um }{\micro \metre }\) \(\newcommand {\mm }{\milli \metre }\) \(\newcommand {\cm }{\centi \metre }\) \(\newcommand {\dm }{\deci \metre }\) \(\newcommand {\m }{\metre }\) \(\newcommand {\km }{\kilo \metre }\) \(\newcommand {\as }{\atto \second }\) \(\newcommand {\fs }{\femto \second }\) \(\newcommand {\ps }{\pico \second }\) \(\newcommand {\ns }{\nano \second }\) \(\newcommand {\us }{\micro \second }\) \(\newcommand {\ms }{\milli \second }\) \(\newcommand {\s }{\second }\) \(\newcommand {\fmol }{\femto \mol }\) \(\newcommand {\pmol }{\pico \mol }\) \(\newcommand {\nmol }{\nano \mol }\) \(\newcommand {\umol }{\micro \mol }\) \(\newcommand {\mmol }{\milli \mol }\) \(\newcommand {\mol }{\mol }\) \(\newcommand {\kmol }{\kilo \mol }\) \(\newcommand {\pA }{\pico \ampere }\) \(\newcommand {\nA }{\nano \ampere }\) \(\newcommand {\uA }{\micro \ampere }\) \(\newcommand {\mA }{\milli \ampere }\) \(\newcommand {\A }{\ampere }\) \(\newcommand {\kA }{\kilo \ampere }\) \(\newcommand {\ul }{\micro \litre }\) \(\newcommand {\ml }{\milli \litre }\) \(\newcommand {\l }{\litre }\) \(\newcommand {\hl }{\hecto \litre }\) \(\newcommand {\uL }{\micro \liter }\) \(\newcommand {\mL }{\milli \liter }\) \(\newcommand {\L }{\liter }\) \(\newcommand {\hL }{\hecto \liter }\) \(\newcommand {\mHz }{\milli \hertz }\) \(\newcommand {\Hz }{\hertz }\) \(\newcommand {\kHz }{\kilo \hertz }\) \(\newcommand {\MHz }{\mega \hertz }\) \(\newcommand {\GHz }{\giga \hertz }\) \(\newcommand {\THz }{\tera \hertz }\) \(\newcommand {\mN }{\milli \newton }\) \(\newcommand {\N }{\newton }\) \(\newcommand {\kN }{\kilo \newton }\) \(\newcommand {\MN }{\mega \newton }\) \(\newcommand {\Pa }{\pascal }\) \(\newcommand {\kPa }{\kilo \pascal }\) \(\newcommand {\MPa }{\mega \pascal }\) \(\newcommand {\GPa }{\giga \pascal }\) \(\newcommand {\mohm }{\milli \ohm }\) \(\newcommand {\kohm }{\kilo \ohm }\) \(\newcommand {\Mohm }{\mega \ohm }\) \(\newcommand {\pV }{\pico \volt }\) \(\newcommand {\nV }{\nano \volt }\) \(\newcommand {\uV }{\micro \volt }\) \(\newcommand {\mV }{\milli \volt }\) \(\newcommand {\V }{\volt }\) \(\newcommand {\kV }{\kilo \volt }\) \(\newcommand {\W }{\watt }\) \(\newcommand {\uW }{\micro \watt }\) \(\newcommand {\mW }{\milli \watt }\) \(\newcommand {\kW }{\kilo \watt }\) \(\newcommand {\MW }{\mega \watt }\) \(\newcommand {\GW }{\giga \watt }\) \(\newcommand {\J }{\joule }\) \(\newcommand {\uJ }{\micro \joule }\) \(\newcommand {\mJ }{\milli \joule }\) \(\newcommand {\kJ }{\kilo \joule }\) \(\newcommand {\eV }{\electronvolt }\) \(\newcommand {\meV }{\milli \electronvolt }\) \(\newcommand {\keV }{\kilo \electronvolt }\) \(\newcommand {\MeV }{\mega \electronvolt }\) \(\newcommand {\GeV }{\giga \electronvolt }\) \(\newcommand {\TeV }{\tera \electronvolt }\) \(\newcommand {\kWh }{\kilo \watt \hour }\) \(\newcommand {\F }{\farad }\) \(\newcommand {\fF }{\femto \farad }\) \(\newcommand {\pF }{\pico \farad }\) \(\newcommand {\K }{\mathrm {K}}\) \(\newcommand {\dB }{\mathrm {dB}}\) \(\newcommand {\kibi }{\mathrm {Ki}}\) \(\newcommand {\mebi }{\mathrm {Mi}}\) \(\newcommand {\gibi }{\mathrm {Gi}}\) \(\newcommand {\tebi }{\mathrm {Ti}}\) \(\newcommand {\pebi }{\mathrm {Pi}}\) \(\newcommand {\exbi }{\mathrm {Ei}}\) \(\newcommand {\zebi }{\mathrm {Zi}}\) \(\newcommand {\yobi }{\mathrm {Yi}}\) \(\let \unit \si \) \(\let \qty \SI \) \(\let \qtylist \SIlist \) \(\let \qtyrange \SIrange \) \(\let \numproduct \num \) \(\let \qtyproduct \SI \) \(\let \complexnum \num \) \(\newcommand {\complexqty }[3][]{(\complexnum {#2})\si {#3}}\) \(\newcommand {\mleft }{\left }\) \(\newcommand {\mright }{\right }\) \(\newcommand {\mleftright }{}\) \(\newcommand {\mleftrightrestore }{}\) \(\require {gensymb}\) \(\newcommand {\intertext }[1]{\text {#1}\notag \\}\) \(\let \Hat \hat \) \(\let \Check \check \) \(\let \Tilde \tilde \) \(\let \Acute \acute \) \(\let \Grave \grave \) \(\let \Dot \dot \) \(\let \Ddot \ddot \) \(\let \Breve \breve \) \(\let \Bar \bar \) \(\let \Vec \vec \) \(\require {cancel}\) \(\newcommand {\mathred }[1]{\textcolor [rgb]{1, 0, 0}{#1}}\) \(\newcommand {\mathgreen }[1]{\textcolor [rgb]{0,0.5,0}{#1}}\) \(\newcommand {\mathblue }[1]{\textcolor [rgb]{0,0,1}{#1}}\) \(\newcommand {\mathorange }[1]{\textcolor [rgb]{1,0.5,0}{#1}}\) \(\newcommand {\mathmagenta }[1]{\textcolor [cmyk]{0, 1, 1, 0.33}{#1}}\) \( \newcommand \ccancel [2][red]{\renewcommand \CancelColor {\color {#1}}\cancel {#2}} \) \(\newcommand {\Dom }{\operatorname {Dom}}\) \(\newcommand {\Ran }{\operatorname {Ran}}\) \(\newcommand {\Dm }{\operatorname {Dm}}\) \(\newcommand {\Vm }{\operatorname {Vm}}\) \(\newcommand {\Var }{\operatorname {Var}}\) \(\newcommand {\SD }{\operatorname {SD}}\) \(\newcommand {\ExV }{\operatorname {E}}\) \(\newcommand {\opointtext }{\textcolor {blue}{\circ }}\) \(\newcommand {\cpointtext }{\textcolor {blue}{\bullet }}\) \(\newcommand {\vectwo }[2]{\begin {pmatrix} #1 \\ #2 \end {pmatrix}}\) \(\newcommand {\tcbset }[1]{}\) \(\newcommand {\tcbsetforeverylayer }[1]{}\) \(\newcommand {\tcbox }[2][]{\boxed {\text {#2}}}\) \(\newcommand {\tcboxfit }[2][]{\boxed {#2}}\) \(\newcommand {\tcblower }{}\) \(\newcommand {\tcbline }{}\) \(\newcommand {\tcbtitle }{}\) \(\newcommand {\tcbsubtitle [2][]{\mathrm {#2}}}\) \(\newcommand {\tcboxmath }[2][]{\boxed {#2}}\) \(\newcommand {\tcbhighmath }[2][]{\boxed {#2}}\) \(\newcommand {\toprule }[1][]{\hline }\) \(\let \midrule \toprule \) \(\let \bottomrule \toprule \) \(\def \LWRbooktabscmidruleparen (#1)#2{}\) \(\newcommand {\LWRbooktabscmidrulenoparen }[1]{}\) \(\newcommand {\cmidrule }[1][]{\ifnextchar (\LWRbooktabscmidruleparen \LWRbooktabscmidrulenoparen }\) \(\newcommand {\morecmidrules }{}\) \(\newcommand {\specialrule }[3]{\hline }\) \(\newcommand {\addlinespace }[1][]{}\) \(\def \LWRsiunitxrangephrase {\TextOrMath { }{\ }\protect \mbox {to (numerical range)}\TextOrMath { }{\ }}\) \(\def \LWRsiunitxdecimal {.}\)

5.7 Andre vigtige fordelinger

I dette afsnit skal vi se på to andre vigtige fordelinger. Det er kompliceret shit, så det bliver lidt overfladisk.

Chi i anden-fordelinger

Chi i anden-fordelinger (også skrevet \(\chi ^2\)-fordelinger) er en type sandsynlighedsfordeling man bl.a. møder i forbindelse med \(\chi ^2\)-test. En \(\chi ^2\)-fordeling er fastlagt ud fra et tal \(k\), som omtales som antallet af frihedsgrader, ligesom at en normalfordeling er fastlagt ud fra dens middelværdi og standardafvigelse.

Lad os vende tilbage til afsnittet om GOF-test i b-bogen, for at forstå, hvordan \(\chi ^2\)-fordelinger fremkommer. I afsnittet så vi et eksempel, hvor vi havde en forventet og en faktisk efterspørgsel på sodavand . Den faktiske efterspørgsel fik vi ved at spørge \(50\) personer, hvilken en sodavand de foretrak. Ud fra undersøgelsen bestemte vi teststørrelsen \(Q\), som udtrykte, hvor meget den faktiske efterspørgsel afveg fra den forventede. Hvad vi ikke snakkede så meget om, var at \(Q\) kunne opfattes som en værdi for en stokastisk variabel, nemlig den stokastiske variabel, som er resultatet af det stokastiske eksperiment, hvor vi udtager en stikprøve på \(50\) personer og så regner \(Q\) ud fra resultatet af stikprøven. Det er en stokastisk variabel, fordi man jo vil få forskellige \(Q\)-værdier, hver gang man laver en ny stikprøve, fordi det er tilfældigt, hvem man lige får fat i. Man kan vise, at hvis \(H_0\) er sand, så vil denne stokastiske variabel være tilnærmelsesvist \(\chi ^2\)-fordelt med det antal frihedsgrader der var i testen (\(2\) i dette tilfælde). Ved at bestemme sandsynligheder for denne \(\chi ^2\)-fordeling, kan vi konstatere om vores stikprøve var usandsynlig under antagelse af \(H_0\). Betegner vi \(\chi ^2\)-fordelingen med \(k\) frihedsgrader med \(\chi ^2(k)\), kan vi altså tænke på \(\chi ^2(k)\) på følgende måde:

Sandsynlighedsfordelingen \(\chi ^2(k)\) er den sandsynlighedsfordeling, som teststørrelsen tilnærmelsesvis følger i en \(\chi ^2\)-test med \(k\) frihedsgrader, når \(H_0\) er sand.

Ovenstående læses lidt som en definition, men det er det ikke. Det er en påstand, som kan bevises ud fra den rigtige definition, som er udskudt til ekstraafsnittet. Læg mærke til, at der står ”tilnærmelsesvis”. Det er derfor, at vi kræver minimum \(5\) i hver af de forventede værdier. Jo større de forventede værdier er, jo mere ligner teststørrelsens fordeling \(\chi ^2\)-fordelingen.

For at få en forståelse for \(\chi ^2\)-fordelinger vil vi betragte nogle grafer for tæthedsfunktionerne for udvalgte \(\chi ^2\)-fordelinger:

Vi starter med én frihedsgrad:

(-tikz- diagram)

Vi ser, at tæthedsfunktionen går mod uendelig, når \(x\) går mod nul.

For to frihedsgrader ser den således ud:

(-tikz- diagram)

Vi ser, at tæthedsfunktionen stadig er aftagende, men nu går den ikke længere mod uendelig, når \(x\) går mod nul. I stedet har den værdien \(\frac {1}{2}\) i \(x=0\).

For tre frihedsgrader ser den således ud:

(-tikz- diagram)

Igen får grafen en helt ny form her. Vi ser, at den starter i \((0,0)\), vokser og så aftager.

Vi springer til \(10\) frihedsgrader:

(-tikz- diagram)

Det begynder at se velkendt ud. Ligner det ikke lidt en normalfordeling? Lad os prøve at springe til \(100\) frihedsgrader:

(-tikz- diagram)

Vi ser, at fordelingen nu minder meget om en normalfordeling, og sådan er det med \(\chi ^2\)-fordelinger. De bliver transmogriffet til normalfordelinger, når \(k\) er stor. Transmogriffet er ikke et rigtigt matematikord, så til eksamen er det nok bedre at sige, at \(\chi ^2\)-fordelingen er tilnærmelsesvist magen til en normalfordeling, når \(k\) er stor. Det fremgår af grafen, at denne \(\chi ^2\)-fordeling har middelværdi på ca. \(100\). Dette er ikke et tilfælde. En \(\chi ^2\)-fordeling med \(k\) frihedsgrader har en middelværdi på \(k\).

Vi har nu set fem eksempler på grafer for tæthedsfunktioner, men ingen forskrifter. Vi kan godt skrive forskrifterne op for tæthedsfunktionerne enkeltvis, men den generelle forskrift kræver kendskab til ”gammafunktionen” som jeg ikke lige føler, vi skal komme ind på.

Øvelse 5.7.1

Generelt er vi nødt til at bruge sandsynlighedsregneren i GeoGebra, når vi skal bestemme sandsynligheder for \(\chi ^2\)-fordelinger. Men for \(k=2\), er tæthedsfunktionen simpel:

\[ f(x) = \frac {1}{2}e^{-\frac {1}{2}x}\quad ,\quad x\geq 0 \]

Følgende skal regnes i hånden. Du må dog godt bruge GeoGebra som almindelig lommeregner.

  • a) Regn \(P(X\leq 2)\)

  • b) Bestem \(P(X\geq 2)\) ud fra dit resultat i a).

 5.7.1

  • a) \(P(X\leq 2)=0{,}63\)

  • b) \(P(X\geq 2)=0{,}37\)

Øvelse 5.7.2 ()

Vi bliver ved \(\chi ^2\)-fordelingen fra øvelse 5.7.1.

Ligesom man kan bestemme fraktiler for normalfordelinger, kan man også bestemme fraktiler for \(\chi ^2\)-fordelinger. Her betegnes \(p\)-fraktilen med \(\chi ^2_p\) og kaldes en kritisk værdi.

  • a) Bestem den kritiske værdi \(\chi ^2_{0{,}95}\) for \(\chi ^2\)-fordelingen med \(2\) frihedsgrader uden at bruge GeoGebra (som andet end lommeregner).

 5.7.2

  • a) \(\chi ^2_{0{,}95}=5{,}99\)

t-fordelinger

I et senere afsnit skal vi lære at bestemme konfidensintervaller for normalfordelinger. Her får vi brug for \(t\)-fordelinger, som er nogle endnu mere komplicerede sandsynlighedsfordelinger. Igen skal vi få en fornemmelse for dem ved at studere grafen for tæthedsfunktionen. Ligesom ved en \(\chi ^2\)-fordeling er en \(t\)-fordeling fastlagt ved et antal frihedsgrader.

Her har jeg tegnet grafen for tæthedsfunktionen for \(t\)-fordelingen med \(1\) frihedsgrad sammen med grafen for tæthedsfunktionen for standardnormalfordelingen (rød):

(-tikz- diagram)

Vi ser, at \(t\)-fordelingen ligner standardnormalfordelingen, men at den er mere splattet ud.

For to frihedsgrader ser det således ud:

(-tikz- diagram)

Vi ser, at grafen nu er kommet tættere på grafen for tæthedsfunktionen for standardnormalfordelingen.

For \(50\) frihedsgrader ser det således ud:

(-tikz- diagram)

Vi ser, at \(t\)-fordelingerne nærmer sig standardnormalfordelingen ved høje frihedsgrader. Ligesom ved \(\chi ^2\)-fordelinger er den generelle forskrift for tæthedsfunktionerne for kompliceret til, at vi kan tagen den med her.

Ekstra

Vi kan ikke opskrive den generelle forskrift for tæthedsfunktion for \(\chi ^2\)- og \(t\)-fordelinger, men vi kan godt forklare, hvordan de stokastiske variable er konstrueret. Vi starter med \(\chi ^2\)-fordelingerne:

  • Definition 5.7.1
    Lad \(Z_1,Z_2,\ldots Z_k\) være uafhængige standardnormalfordelte stokastiske variable. Den stokastiske variabel

    \[ X=\sum _{i=1}^{k} Z_i^2 \]

    siges at være \(\chi ^2\)-fordelt med \(k\) frihedsgrader.

I definitionen fremkommer den \(\chi ^2\)-fordelte variabel som en sum af kvadrerede standardnormalfordelte variable. Vi er ikke rigtigt vant til at regne med stokastiske variable, så her er et eksempel på, hvordan en konkret værdi for en \(\chi ^2\)-fordelt stokastisk variabel fremkommer:

  • Eksempel 5.7.1
    Lad \(X\) være stokastisk variabel, som er \(\chi ^2\)-fordelt med \(3\) frihedsgrader. Hvilke værdier kan \(X\) få? Vi kan generere en værdi for \(X\) ved først at generere \(3\) standardnormalfordelte værdier. Jeg simulerer \(3\) værdier i Excel (detaljerne er ligegyldige her):

    \[ Z_1 = 0{,}16 \qquad Z_2 = 1{,}12\ \qquad Z_3 = 0{,}44\]

    Vi finder værdien af \(X\) ved at sætte i anden og lægge sammen.

    \begin{align*} X & = \sum _{i=1}^{k} Z_i^2 \\ & = 0{,}16^2+1{,}12^2+0{,}44^2 \\ & = 1{,}47 \end{align*}

    Tegner man \(\chi ^2\)-fordeling med 3 frihedsgrader og markerer \(X=1{,}47\), ser det således ud:

    (-tikz- diagram)

    Vi ser, at vi fik en typisk værdi for denne fordeling forstået på den måde, at den ligger i et område, hvor det er sandsynligt at lande.

Med udgangspunkt i \(\chi ^2\)-fordelingerne og standardnormalfordelingen kan vi definere en \(t\)-fordelt stokastisk variabel:

  • Definition 5.7.2
    En \(t\)-fordelt stokastisk variabel med \(k\) frihedsgrader er en stokastisk variabel på formen

    \[ T=\frac {\ Z\ }{\sqrt {\frac {X}{k}}} \]

    hvor \(Z\) er en standardnormalfordelt stokastisk variable, som er uafhængig af \(X\), der er en \(\chi ^2\)-fordelt stokastisk variabel med \(k\) frihedsgrader.

Vi har set, at både \(\chi ^2\)-fordelinger og \(t\)-fordelinger nærmer sig normalfordelinger når \(k\) er stor. Man skulle næsten tro, at der er noget helt særligt ved normalfordelinger. Og ja, det er der faktisk! Der gælder nemlig følgende vigtige sætning, som her præsenteres i en simplificeret udgave:

  • Sætning 5.7.1 (Den centrale grænseværdisætning)
    Lad \(X_1,X_2,\ldots X_n\) være uafhængige, ensfordelte stokastiske variable med endelig middelværdi og varians. Da er den stokastiske variabel

    \[ X=\sum _{i=1}^{n} X_i \]

    tilnærmelsesvist normalfordelt når \(n\) er stor.

Sætningen er overraskende, da der ikke er noget krav til, hvordan de enkelte \(X_i\) skal være fordelt – kun at de følger samme fordeling! Men sætningen opklarer, hvorfor normalfordelinger opstår i så mange situationer. Det er fordi der er mange situationer, hvor det endelige resultat består af mange bidrag. En maskine, som hælder sukker på en pose, vil f.eks. levere et lidt varierende antal sukkerkorn pr. millisekund, og det samlede indhold er summen af disse små bidrag, så resultatet bliver normalfordelt.

Øvelse 5.7.3

Lad \(X_1,X_2\ldots X_{1000}\) være uafhængige stokastiske variable som alle er fordelt med tæthedsfunktion fra øvelse 5.2.5:

\[ f(x) = \begin {cases} \frac {1}{8}x & \text {for } 0 \leq x \leq 4\\ 0 & \text {ellers} \end {cases} \]

  • a) Hvad kan man sige om fordelingen af \(\sum _{i=1}^{1000} X_i\)?

 5.7.3

  • a) Den er tilnærmelsesvist normalfordelt.

Øvelse 5.7.4

Den centrale grænseværdisætning fortæller os, hvorfor en \(\chi ^2\)-fordelt stokastisk variabel er tilnærmelsesvis normalfordelt når \(k\) er stor.

  • a) Forklar

 5.7.4

  • a) En \(\chi ^2\)-fordelt stokastisk variabel er summen af \(k\) ensfordelte stokastiske variable (\(Z^2\)), så den vil være tilnærmelsesvist normalfordelt når \(k\) er stor ifølge den centrale grænseværdisætning.

Øvelse 5.7.5 ()

Fordi man kan regne med stokastiske variable, kan man bruge dem som \(x\)-værdier i funktioner. F.eks. kan man opfatte \(Z^2\) fra definitionen af \(\chi ^2\)-fordelingerne, som \(g(Z)\), hvor \(g(x)=x^2\) og \(Z\sim N(0,1)\). Man kan vise at der gælder:

\[ \ExV (g(X))=\int _{-\infty }^{\infty } g(x)\cdot f(x)\, dx \]

  • a) Brug reglen til at regne middelværdien af \(Z^2\), hvor \(Z\sim N(0,1)\). Brug GeoGebra til integralet.

  • b) Brug resultatet fra a) til at argumentere for at \(\chi ^2(k)\) har middelværdi \(k\).

 5.7.5

  • a) \(E(Z^2)=1\)

  • b) Fordelingen \(\chi ^2(k)\) består af summen af \(k\) stokastiske variable som alle har middelværdi \(1\), hvilket må give en samlet middelværdi på \(k\). Strengt taget, har vi ikke bevist at middelværdien af en sum er summen af middelværdierne, men det er rimelig oplagt.

Øvelse 5.7.6 ()

Du skal nu argumentere for, at tæthedsfunktionen for en \(t\)-fordeling ligner standardnormalfordelingen når \(k\) er stor.

  • a) Benyt resultatet fra øvelse 5.7.5 a) til at argumentere for at \(\frac {X}{k}\approx 1\), når \(X\sim \chi ^2(k)\) og \(k\) er stor.

  • b) Brug resultatet fra a) til at argumenter for at \(t\)-fordelingen er tilnærmelsesvis magen til standardnormalfordelingen, når \(k\) er stor.

 5.7.6

  • a) Vi husker at middelværdien af en stokastisk variabel kan opfattes som den gennemsnitlige værdi ved (uendelig) mange gentagelser af eksperimentet. Lad \(k\) være stor nok til at kunne betragtes som ”mange”. Fra øvelse 5.7.5 a) ved vi at \(E(Z^2)=1\) for \(Z\sim N(0,1)\) og kombinerer vi det med definitionen af en \(\chi ^2\)-fordelt stokastisk variabel:

    \[ X=\sum _{i=1}^{k} Z_i^2 \]

    får vi at \(\frac {X}{k}\) er gennemsnittet af mange gentagelser af et eksperimentet, som har middelværdi \(1\), hvilket må betyde at \(\frac {X}{k}\approx 1\).

  • b) Når \(k\) er stor er \(\frac {X}{k}\approx 1\), så \(\sqrt {\frac {X}{k}}\approx 1\) og:

    \[ T=\frac {\ Z\ }{\sqrt {\frac {X}{k}}} \approx \frac {\ Z\ }{1} = Z\]