statistik

Variansen af differencen mellem to stokastiske variable er summen af variansen ad de to stokastiske variable.

Det kan nemmest se af at hvis du ændrer fortegnet på en stokastisk variabel ændrer variansen sig ikke

#1 gælder kun hvis de stokastiske variable ikke er korrelerede.
Generelt har man

Så hvis de to stokastiske variable er positivt korrelerede er udsagnet sandt. Ellers er det falsk.

ikke helt sikker på at jeg forstår det, kan i komme med et eks?

Du har to regulære terninger, den ene er rød og den anden er grøn. Lad X betegne udfaldet af terningkast med den røde Y med den grønne. De to stokastiske variable har identisk fordeling, så deres middelværdi og varians er ens

Hvis du nu kaster de to terninger samtidig og bestemmer udfaldet antal øjne i den røde  minus antal øjne i den grønne vil du få en ny stokastisk variabel, der er Z = X-Y. Middelværdien vil være 0. Hvis du trækker varianserne fra hinanden får du også 0. Hvis det var den rigtige varians vil det betyde at du altid vil få 0 altså at den røde og grønne terning altid vil vise det samme.

tak peter lind det giver god mening, kan du hjælp mig med : Jomere μ afviger fra, hvad der påstået i nul-hypotesen, når man gennemfører en
tosidettest, jo større er chancen for at begå en type II-fejl. (hvad er der forkert her?? - gerne med et eksempel)

En type || fejl er en fejl hvor du accepterer en hypotese selvom den er forkert. Jo mere teststørrelsen afviger fra det forventede jo større er sandsynligheden for, at du vil du forkaster den altså netop ikke accepterer den

så teksten modsiger sig selv? hvis "my" afviger meget fra 0 hypotesen burde den altså forkastes?

netop