Spar Nord Banks ansøgningsscoremodel. - et ekspertbaseret ratingsystem for nye udlånskunder

Størrelse: px
Starte visningen fra side:

Download "Spar Nord Banks ansøgningsscoremodel. - et ekspertbaseret ratingsystem for nye udlånskunder"

Transkript

1 Spar Nord Banks ansøgningsscoremodel - et ekspertbaseret ratingsystem for nye udlånskunder

2 Mål for ansøgningsscoremodel Rating af nye udlånskunder som beskrives vha. en række variable: alder, boligform, indkomst, aktiver, gæld, etc. Ansøgningsmodel: beregne score for kundens misligeholdelsesrisiko (risiko for at kunden misligholder sit lån i løbet af det første år efter bevilling af lånet). NB: eksisterende udlånskunder rates vha. adfærdsscore som benytter den konto-historik (overtræk, låneforhøjelser etc.) som er tilgængelig for disse kunder

3 Empirisk model En rent empirisk model kan baseres på estimeret sandsynlighed for misligholdelse (PD) for kunden. Problem i historiske data: manglende eller forsinket opdatering af variable i SNB data-warehouse: Good/Bad Faktiske variable på dato for første lån Registrede variable i DW Problem: med binær responsvariabel kræver nuanceret model meget stort datasæt

4 Ekspertmodel Mål: ekspertmodel skal på baggrund af en kundes variable give den rating, som en god rådgiver ville give baseret på de samme variable. Fordel: accept i forretning, da models ratinger stemmer med god praksis. Fordel: good/bad registreringer er for sidste par år med højkonjuktur. Eksperters erfaringer baseret på længere historik

5 Model Kundevariable alder, formue, indkomst, Vægte score Rød, gul, eller grøn rating w1, w2, w3, Problem: hvordan vægte stort antal variable, så passende indbyrdes afvejning i samlet score? Problem: hvordan omsættes score til rating der er konsistent med en god rådgivers?

6 Statistisk model baseret på ekspert-baseret rating Eksperter (rådgivere) trænet i at vurdere kunder, mens tildeling af vægte mere sværere at håndtere for rådgivere. Population af kunde-cases (~3000 inkl. 280 svage kunder fra 2006 og 2007) Ratinger fra panel af 19 eksperter case1: alder, formue, case2: alder, formue, case3: alder, formue, rød, grøn, grøn, Vægte w1,w2, Beregner vægte som giver bedst overeenstemmelse mellem models og eksperters ratinger (maximum likelihood)

7 Rating skala og forsøgsdesign 6 trins skala: Grøn over middel Grøn middel Grøn under middel Gul over middel Gul under middel Rød ratingworkshops med en uge imellem: eksperter rater hver 105 cases (25 cases fælles for alle) eksperter rater hver 102 cases (13 medvirkede også første gang) I alt rates 3321 cases. De 25 fælles cases muliggør direkte sammenligning af eksperter. Stratificeret udtræk af kunder for hver ekspert: formue, gældsfaktor og good/bad

8 Rating af fælles kunder cases blev ratet af alle eksperter Nogle er i de interne data markeret som good (G), bad (B) eller er svage kunder identificeret af Bonitetsfkt. (V) En del variation mellem ratinger af middel kunder 6=rød, 5=gul under middel,,1=grøn over middel

9 Tærskel-model for rating data Scoren for en kunde er en vægtet sum af kundevariable s=x1*w1+x2*w2+ Eksperts vurdering (latent variabel): V=s+U hvor U middelværdi 0 Tærskler: V under T1 giver rød rating R, mellem T1 og T2 gul under middel etc. Med scoren S1 er der en større sandsynlighed for rød end hvis scoren er S

10 Fortolkning af V=s+U ekspert ser kun kundevariable og ikke talscore (matematisk konstruktion). U afspejler ratingvariation: to kunder med samme talscore kan få forskellig rating af samme rådgiver -samt: 1. variation mellem eksperter. 2. dag til dag variation. Oplagt: varianskomponent model (senere) Med U logistisk fordelt fås kumulativ logistisk regression: P( R r) = exp( Tr s) exp( T s) + 1 r

11 Model og modelvariable Model: kumulativ logistisk regression (tærskelmodel) Variable i modellen: Basis-variable: alder, antal husstandsmedlemmer, boligform, variabelt forrentet lån, afdragsfrit lån, indkomst, aktiver, passiver Afledte variable: enlig forsørger, formue, gældsfaktor, indkomst pr. husstandsmedlem, soliditet Vekselvirkninger: formue/alder, formue/gældsfaktor, bolig/gældsfaktor, alder/gældsfaktor I alt 76 parametre (kvantitative variable kategoriseret) Tærskler og vægte beregnet udfra ~3.000 kundecases (PROC LOGISTIC)

12 Evaluering af model 1. overeenstemmelse mellem eksperter og model? 2. kan model fange svage kunder? 3. stemmer models risikovurdering overeens med empirisk risiko (PD)? 4. Vil model markere for mange gode kunder som dårlige?

13 Afvigelser mellem ekspertratinger og modelratinger For 90% af ekspertratingerne er afvigelsen fra modelratingen højst et trin

14 Standardiserede residualer Boxplot for hver ekspert

15 Sammenligning af modelsandsynligheder og ratings af fælles kunder (første fire) model -plot viser beregnede sandsynligheder for hver rating. Vi kan give bedste bud på rating (hvor max. sandsynlighed) og samtidigt præcisionen på dette bud

16 Sammenligning ekspertmodel-rating og good/bad markering et-årig tidshorisont Andel B/G over ekspertratingklasser: Grøn over middel Grøn middel Grøn under middel Gul over middel Gul under middel Rød B 0,6 1,3 3,0 5,4 8,7 18,5 G 99,4 98,7 97,0 94,6 91,3 81,5 Antal Adfærdsscore (eksisterende kunder med konto-historik): B andel ,4 1,5 5,1 8,8 20,6 God overeenstemmelse!

17 Scoringer af svage kunde cases og : 72 % scoret rød eller gul 2008: 78 % scoret som rød eller gul

18 Ratinger af cases m. adfærdsscore år efter første lån Blandt disse kunder blev 7% scoret rød og 19% gul på ansøgningstidspunktet Er modellen for hård?

19 Score 1-3 cases model-ratet som rød: det modellen kan se! Tilfældigt udpluk: Rød scoring forekommer rimelig. alder1 alder2 boligform formue gaeldsfak indkomst solid Andel NA Andel NA Andel Ejer Ejer Ejer Ejer Ejer Ejer Ejer Ejer Ejer Ejer Ejer Ejer Ejer NA Ejer Ejer NA Ejer Ejer NA Ejer NA Ejer Ejer Ejer Ejer NA Ejer Ejer Ejer

20 Basel II Estimerer PD på baggrund af logistisk regression med defaultstatus som afhængig variabel og ansøgningsscore s som kovariat. I Basel II sammenhæng anvendes mere restriktivt default kriterium: default = nedskrivning eller afskrivning (tab) Rating-klasse Middel score Estimeret PD (log. reg.) Konf. interval (0.000; (0.001; (0.003; (0.006; (0.009; (0.018; 0.003) 0.005) 0.009) 0.013) 0.019) 0.042) Andel default

21 Varianskomponenter Opsplitning af ekspertvurdering V ijk = s + U ij + U ijk V ijk : k' te rating i' te ekspert. j = 1,2 : ratingworkshop U ij : variation mellem eksperter (normalfordelt) U ijk : variation mellem ratinger for samme ekspert (logistisk fordelt)

22 Resultater for varianskomponentmodel (vha. GLIMMIX) varians for logistisk fordeling: 3.29 estimeret varians for eksperteffekter: 0.55 med 2 afvigende eksperter udeladt: 0.31 største del af variation målefejl Prediktioner af ekspert-effekter

23 Fordele ved varianskomponentmodel kan håndtere, at nogle eksperter har ratet dobbelt så mange cases som andre (sikre at deres ratinger ikke får uforholdsmæssig stor betydning) mere nøjagtig kvantificering af variation i data udregning af prediktioner kræver numerisk integration: P( R ijk r) = EP( R ijk r U ij ) = E exp( T r s + Uij ) exp( T + ) + 1 r s Uij

Statistik II 4. Lektion. Logistisk regression

Statistik II 4. Lektion. Logistisk regression Statistik II 4. Lektion Logistisk regression Logistisk regression: Motivation Generelt setup: Dikotom(binær) afhængig variabel Kontinuerte og kategoriske forklarende variable (som i lineær reg.) Eksempel:

Læs mere

Program. 1. Varianskomponent-modeller (Random Effects) 2. Transformation af data. 1/12

Program. 1. Varianskomponent-modeller (Random Effects) 2. Transformation af data. 1/12 Program 1. Varianskomponent-modeller (Random Effects) 2. Transformation af data. 1/12 Dæktyper og brændstofforbrug Data fra opgave 10.43, side 360: cars 1 2 3 4 5... radial 4.2 4.7 6.6 7.0 6.7... belt

Læs mere

Statikstik II 2. Lektion. Lidt sandsynlighedsregning Lidt mere om signifikanstest Logistisk regression

Statikstik II 2. Lektion. Lidt sandsynlighedsregning Lidt mere om signifikanstest Logistisk regression Statikstik II 2. Lektion Lidt sandsynlighedsregning Lidt mere om signifikanstest Logistisk regression Sandsynlighedsregningsrepetition Antag at Svar kan være Ja og Nej. Sandsynligheden for at Svar Ja skrives

Læs mere

Statistik II Lektion 3. Logistisk Regression Kategoriske og Kontinuerte Forklarende Variable

Statistik II Lektion 3. Logistisk Regression Kategoriske og Kontinuerte Forklarende Variable Statistik II Lektion 3 Logistisk Regression Kategoriske og Kontinuerte Forklarende Variable Setup: To binære variable X og Y. Statistisk model: Konsekvens: Logistisk regression: 2 binære var. e e X Y P

Læs mere

Eksamen ved. Københavns Universitet i. Kvantitative forskningsmetoder. Det Samfundsvidenskabelige Fakultet

Eksamen ved. Københavns Universitet i. Kvantitative forskningsmetoder. Det Samfundsvidenskabelige Fakultet Eksamen ved Københavns Universitet i Kvantitative forskningsmetoder Det Samfundsvidenskabelige Fakultet 14. december 2011 Eksamensnummer: 5 14. december 2011 Side 1 af 6 1) Af boxplottet kan man aflæse,

Læs mere

Kursusindhold: X i : tilfældig værdi af ite eksperiment. Antag X i kun antager værdierne 1, 2,..., M.

Kursusindhold: X i : tilfældig værdi af ite eksperiment. Antag X i kun antager værdierne 1, 2,..., M. Kursusindhold: Produkt og marked - matematiske og statistiske metoder Rasmus Waagepetersen Institut for Matematiske Fag Aalborg Universitet February 9, 2015 Sandsynlighedsregning og lagerstyring Normalfordelingen

Læs mere

Introduktion til GLIMMIX

Introduktion til GLIMMIX Introduktion til GLIMMIX Af Jens Dick-Nielsen jens.dick-nielsen@haxholdt-company.com 21.08.2008 Proc GLIMMIX GLIMMIX kan bruges til modeller, hvor de enkelte observationer ikke nødvendigvis er uafhængige.

Læs mere

Statistik noter - Efterår 2009 Keller - Statistics for management and economics

Statistik noter - Efterår 2009 Keller - Statistics for management and economics Statistik noter - Efterår 2009 Keller - Statistics for management and economics Jonas Sveistrup Hansen - stud.merc.it 22. september 2009 1 Indhold 1 Begrebsliste 3 2 Forelæsning 1 - kap. 1-3 3 2.1 Kelvin

Læs mere

Regneregler for middelværdier M(X+Y) = M X +M Y. Spredning varians og standardafvigelse. 1 n VAR(X) Y = a + bx VAR(Y) = VAR(a+bX) = b²var(x)

Regneregler for middelværdier M(X+Y) = M X +M Y. Spredning varians og standardafvigelse. 1 n VAR(X) Y = a + bx VAR(Y) = VAR(a+bX) = b²var(x) Formelsamlingen 1 Regneregler for middelværdier M(a + bx) a + bm X M(X+Y) M X +M Y Spredning varians og standardafvigelse VAR(X) 1 n n i1 ( X i - M x ) 2 Y a + bx VAR(Y) VAR(a+bX) b²var(x) 2 Kovariansen

Læs mere

Epidemiologi og Biostatistik

Epidemiologi og Biostatistik Kapitel 1, Kliniske målinger Epidemiologi og Biostatistik Introduktion til skilder (varianskomponenter) måleusikkerhed sammenligning af målemetoder Mogens Erlandsen, Institut for Biostatistik Uge, torsdag

Læs mere

Brug af Two-Stage modelling til responsmaksimering af directmail-kampagner i PensionDanmark

Brug af Two-Stage modelling til responsmaksimering af directmail-kampagner i PensionDanmark Brug af Two-Stage modelling til responsmaksimering af directmail-kampagner i PensionDanmark Peter Steffensen SAS Institute Jesper Michelsen PensionDanmark PensionDanmark Arbejdsmarkedspensionsselskab etableret

Læs mere

Program. Logistisk regression. Eksempel: pesticider og møl. Odds og odds-ratios (igen)

Program. Logistisk regression. Eksempel: pesticider og møl. Odds og odds-ratios (igen) Faculty of Life Sciences Program Logistisk regression Claus Ekstrøm E-mail: ekstrom@life.ku.dk Odds og odds-ratios igen Logistisk regression Estimation og inferens Modelkontrol Slide 2 Statistisk Dataanalyse

Læs mere

Eksempel I. Tiden mellem kundeankomster på et posthus er eksponential fordelt med middelværdi µ =2minutter.

Eksempel I. Tiden mellem kundeankomster på et posthus er eksponential fordelt med middelværdi µ =2minutter. Eksempel I Tiden mellem kundeankomster på et posthus er eksponential fordelt med middelværdi µ =2minutter. Per Bruun Brockhoff IMM DTU 02402 Eksempler 1 Eksempel I Tiden mellem kundeankomster på et posthus

Læs mere

Schweynoch, 2003. Se eventuelt http://www.mathematik.uni-kassel.de/~fathom/projekt.htm.

Schweynoch, 2003. Se eventuelt http://www.mathematik.uni-kassel.de/~fathom/projekt.htm. Projekt 8.5 Hypotesetest med anvendelse af t-test (Dette materiale har været anvendt som forberedelsesmateriale til den skriftlige prøve 01 for netforsøget) Indhold Indledning... 1 χ -test... Numeriske

Læs mere

HVAD ER UNDERVISNINGSEFFEKTEN

HVAD ER UNDERVISNINGSEFFEKTEN HVAD ER UNDERVISNINGSEFFEKTEN Undervisningseffekten viser, hvordan eleverne på en given skole klarer sig sammenlignet med, hvordan man skulle forvente, at de ville klare sig ud fra forældrenes baggrund.

Læs mere

Økonometri: Lektion 4. Multipel Lineær Regression: F -test, justeret R 2 og aymptotiske resultater

Økonometri: Lektion 4. Multipel Lineær Regression: F -test, justeret R 2 og aymptotiske resultater Økonometri: Lektion 4 Multipel Lineær Regression: F -test, justeret R 2 og aymptotiske resultater 1 / 35 Hypotesetest for én parameter Antag vi har model y = β 0 + β 1 x 2 + β 2 x 2 + + β k x k + u. Vi

Læs mere

Skriftlig Eksamen ST501: Science Statistik Mandag den 11. juni 2007 kl. 15.00 18.00

Skriftlig Eksamen ST501: Science Statistik Mandag den 11. juni 2007 kl. 15.00 18.00 Skriftlig Eksamen ST501: Science Statistik Mandag den 11. juni 2007 kl. 15.00 18.00 Forskningsenheden for Statistik IMADA Syddansk Universitet Alle skriftlige hjælpemidler samt brug af lommeregner er tilladt.

Læs mere

Projekt 1 Spørgeskemaanalyse af Bedst på Nettet

Projekt 1 Spørgeskemaanalyse af Bedst på Nettet Projekt 1 Spørgeskemaanalyse af Bedst på Nettet D.29/2 2012 Udarbejdet af: Katrine Ahle Warming Nielsen Jannie Jeppesen Schmøde Sara Lorenzen A) Kritik af spørgeskema Set ud fra en kritisk vinkel af spørgeskemaet

Læs mere

Gruppevise Nedskrivninger

Gruppevise Nedskrivninger Gruppevise Nedskrivninger Søren Johansen, Business Advisor, Risk Intelligence Email: sdksjo@sdk.sas.com Agenda Forskel imellem Basel II og Gruppevise Nedskrivninger SAS-løsning for gruppevise nedskrivninger

Læs mere

Bilag til Statistik i løb : Statistik og Microsoft Excel tastevejledning / af Lars Bo Kristensen

Bilag til Statistik i løb : Statistik og Microsoft Excel tastevejledning / af Lars Bo Kristensen Bilag til Statistik i løb : Statistik og Microsoft Excel tastevejledning / af Lars Bo Kristensen Microsoft Excel har en del standard anvendelsesmuligheder i forhold til den beskrivende statistik og statistisk

Læs mere

Indblik i statistik - for samfundsvidenskab

Indblik i statistik - for samfundsvidenskab Indblik i statistik - for samfundsvidenskab Læs mere om nye titler fra Academica på www.academica.dk Nikolaj Malchow-Møller og Allan H. Würtz Indblik i statistik for samfundsvidenskab Academica Indblik

Læs mere

En statistikstuderendes bekendelser Søren Wengel Mogensen

En statistikstuderendes bekendelser Søren Wengel Mogensen Oplysning 23 En statistikstuderendes bekendelser Søren Wengel Mogensen Om at skrive BSc-opgave i anvendt statistik. Der findes matematikere (i hvert fald matematikstuderende), der mener, at den rene matematik

Læs mere

Tænk på a og b som to n 1 matricer. a 1 a 2 a n. For hvert i = 1,..., n har vi y i = x i β + u i.

Tænk på a og b som to n 1 matricer. a 1 a 2 a n. For hvert i = 1,..., n har vi y i = x i β + u i. Repetition af vektor-regning Økonometri: Lektion 3 Matrix-formulering Fordelingsantagelse Hypotesetest Antag vi har to n-dimensionelle (søjle)vektorer a 1 b 1 a 2 a =. og b = b 2. a n b n Tænk på a og

Læs mere

Hypotesetest. Altså vores formodning eller påstand om tingens tilstand. Alternativ hypotese (hvis vores påstand er forkert) H a : 0

Hypotesetest. Altså vores formodning eller påstand om tingens tilstand. Alternativ hypotese (hvis vores påstand er forkert) H a : 0 Hypotesetest Hypotesetest generelt Ingredienserne i en hypotesetest: Statistisk model, f.eks. X 1,,X n uafhængige fra bestemt fordeling. Parameter med estimat. Nulhypotese, f.eks. at antager en bestemt

Læs mere

Et matematikeksperiment: Bjørn Felsager, Haslev Gymnasium & HF

Et matematikeksperiment: Bjørn Felsager, Haslev Gymnasium & HF Sammenligning af to måleserier En af de mest grundlæggende problemstillinger i statistik består i at undersøge om to forskellige måleserier er signifikant forskellige eller om forskellen på de to serier

Læs mere

INDLEDNING...2 DATAMATERIALET... 2 KARAKTERISTIK AF POPULATIONEN... 4

INDLEDNING...2 DATAMATERIALET... 2 KARAKTERISTIK AF POPULATIONEN... 4 Indholdsfortegnelse INDLEDNING...2 DATAMATERIALET... 2 KARAKTERISTIK AF OULATIONEN... 4 DELOGAVE 1...5 BEGREBSVALIDITET... 6 Differentiel item funktionsanalyser...7 Differentiel item effekt...10 Lokal

Læs mere

BISNODES RATING. Ratingmodel og Ratingprincipper BISNODE

BISNODES RATING. Ratingmodel og Ratingprincipper BISNODE BISNODES RATING Ratingmodel og Ratingprincipper BISNODE Adresse: Gyngemose Parkvej 50, 8. sal, 2860 Søborg Telefon: 3673 8184, E-mail: business.support@bisnode.dk, Website: www.bisnode.com Generelt om

Læs mere

Udbrændthed og brancheskift

Udbrændthed og brancheskift Morten Bue Rath Oktober 2009 Udbrændthed og brancheskift Hospitalsansatte sygeplejersker der viser tegn på at være udbrændte som konsekvens af deres arbejde, har en væsentligt forøget risiko for, at forlade

Læs mere

Simpel Lineær Regression

Simpel Lineær Regression Simpel Lineær Regression Mål: Forklare variablen y vha. variablen x. Fx forklare Salg (y) vha. Reklamebudget (x). Vi antager at sammenhængen mellem y og x er beskrevet ved y = β 0 + β 1 x + u. y: Afhængige

Læs mere

Oversigt. Kursus 02402 Introduktion til Statistik. Forelæsning 1: Intro og beskrivende statistik. Per Bruun Brockhoff. Praktisk Information

Oversigt. Kursus 02402 Introduktion til Statistik. Forelæsning 1: Intro og beskrivende statistik. Per Bruun Brockhoff. Praktisk Information Kursus 02402 Forelæsning 1: Intro og beskrivende statistik Oversigt 1 Per Bruun Brockhoff DTU Compute, Statistik og Dataanalyse Bygning 324, Rum 220 Danmarks Tekniske Universitet 2800 Lyngby Danmark e-mail:

Læs mere

Skriftlig Eksamen ST501: Science Statistik Mandag den 11. juni 2007 kl. 15.00 18.00

Skriftlig Eksamen ST501: Science Statistik Mandag den 11. juni 2007 kl. 15.00 18.00 Skriftlig Eksamen ST501: Science Statistik Mandag den 11. juni 2007 kl. 15.00 18.00 Forskningsenheden for Statistik IMADA Syddansk Universitet Alle skriftlige hjælpemidler samt brug af lommeregner er tilladt.

Læs mere

GPS stiller meget præcise krav til valg af målemetode

GPS stiller meget præcise krav til valg af målemetode GPS stiller meget præcise krav til valg af målemetode 1 Måleteknisk er vi på flere måder i en ny og ændret situation. Det er forhold, som påvirker betydningen af valget af målemetoder. - Der er en stadig

Læs mere

Dansk Erhvervs gymnasieeffekt - sådan gjorde vi

Dansk Erhvervs gymnasieeffekt - sådan gjorde vi Dansk Erhvervs gymnasieeffekt - sådan gjorde vi AF ANALYSECHEF GEERT LAIER CHRISTENSEN, CAND. SCIENT. POL. OG MAKROØKONOMISK MEDARBEJDER ASBJØRN HENNEBERG SØRENSEN, BA.POLIT. Formål Formålet har været

Læs mere

Kreditscoring og kryds/opsalg - hurtig og fair kundebehandling. SAS Forum 3. juni 2010

Kreditscoring og kryds/opsalg - hurtig og fair kundebehandling. SAS Forum 3. juni 2010 Kreditscoring og kryds/opsalg - hurtig og fair kundebehandling SAS Forum 3. juni 2010 Dagsorden Baggrund og formål Projektforløb Arkitektur Kreditscoring anvendelse i daglig sagsbehandling Rapportering

Læs mere

Workshop 6 Sundhedsprofilen metode og muligheder. Anne Helms Andreasen, Forskningscenter for Forebyggelse og Sundhed

Workshop 6 Sundhedsprofilen metode og muligheder. Anne Helms Andreasen, Forskningscenter for Forebyggelse og Sundhed Workshop 6 Sundhedsprofilen metode og muligheder Anne Helms Andreasen, Forskningscenter for Forebyggelse og Sundhed Metode og muligheder Design Beskrivelse af deltagere og ikke-deltagere Vægtning for design

Læs mere

Logistisk regression

Logistisk regression Logistisk regression Susanne Rosthøj Biostatistisk Afdeling Institut for Folkesundhedsvidenskab Københavns Universitet sr@biostat.ku.dk Kursushjemmeside: www.biostat.ku.dk/~sr/forskningsaar/regression2012/

Læs mere

Analyse fra Bisnode Credit

Analyse fra Bisnode Credit 2013 Danske virksomheders kreditværdighed Analyse fra Bisnode Credit BISNODE CREDIT A/S Adresse: Tobaksvejen 21, 2860 Søborg Telefon: 3673 8184, E-mail: business.support@bisnode.dk, Website: www.bisnode.com

Læs mere

Eksempel: PEFR. Epidemiologi og biostatistik. Uge 1, tirsdag. Erik Parner, Institut for Biostatistik.

Eksempel: PEFR. Epidemiologi og biostatistik. Uge 1, tirsdag. Erik Parner, Institut for Biostatistik. Epidemiologi og biostatistik. Uge, tirsdag. Erik Parner, Institut for Biostatistik. Generelt om statistik Dataanalysen - Deskriptiv statistik - Statistisk inferens Sammenligning af to grupper med kontinuerte

Læs mere

Flerniveau modeller. Individuelt studieforløb. Efterårssemesteret 2002. Folkesundhedsvidenskab ved Københavns Universitet

Flerniveau modeller. Individuelt studieforløb. Efterårssemesteret 2002. Folkesundhedsvidenskab ved Københavns Universitet Individuelt studieforløb Efterårssemesteret 2002 Flerniveau modeller Folkesundhedsvidenskab ved Københavns Universitet Vejleder: Jørgen Holm Petersen Eksamensnummer 20 Indholdsfortegnelse 1. Indledning...3

Læs mere

Kapitel 4 Sandsynlighed og statistiske modeller

Kapitel 4 Sandsynlighed og statistiske modeller Kapitel 4 Sandsynlighed og statistiske modeller Peter Tibert Stoltze stat@peterstoltze.dk Elementær statistik F2011 1 Indledning 2 Sandsynlighed i binomialfordelingen 3 Normalfordelingen 4 Modelkontrol

Læs mere

Undervisningsbeskrivelse

Undervisningsbeskrivelse Undervisningsbeskrivelse Termin Efterår 2014 Institution Niels Brock Uddannelse Fag og niveau Lærer Hold HHX Matematik - Niveau A Peter Harremoës GSK hold t14gymaau1o2 Oversigt over gennemførte undervisningsforløb

Læs mere

4.5. Dansk Skak Unions ratingsystem

4.5. Dansk Skak Unions ratingsystem 4.5. Dansk Skak Unions ratingsystem 4.5.1. Indledning Ratingsystemet anvendes til udregning af et ratingtal for alle danske spillere, som deltager i ratingberettigede skakturneringer. Ratingtallet kan

Læs mere

Statistik i GeoGebra

Statistik i GeoGebra Statistik i GeoGebra Peter Harremoës 13. maj 2015 Jeg vil her beskrive hvordan man kan lave forskellige statistiske analyser ved hjælp af GeoGebra 4.2.60.0. De statistiske analyser svarer til pensum Matematik

Læs mere

Brugervejledning til udskriften ReproAnalyse

Brugervejledning til udskriften ReproAnalyse Brugervejledning til udskriften ReproAnalyse Tilgængelighed Udskriften ReproAnalyse er tilgængelig i Dairy Management System (DMS) under fanebladet Analyse og lister > Analyseudskrifter. Husk at vælge

Læs mere

Baggrundsnotat: Lærernes gymnasiekarakterer og elevernes eksamensresultater

Baggrundsnotat: Lærernes gymnasiekarakterer og elevernes eksamensresultater 17. december 2013 Baggrundsnotat: Lærernes gymnasiekarakterer og elevernes eksamensresultater Dette notat redegør for den økonometriske analyse af betydningen af grundskolelæreres gennemsnit fra gymnasiet

Læs mere

statistik statistik viden fra data statistik viden fra data Jens Ledet Jensen Aarhus Universitetsforlag Aarhus Universitetsforlag

statistik statistik viden fra data statistik viden fra data Jens Ledet Jensen Aarhus Universitetsforlag Aarhus Universitetsforlag Jens Ledet Jensen på data, og statistik er derfor et nødvendigt værktøj i disse sammenhænge. Gennem konkrete datasæt og problemstillinger giver Statistik viden fra data en grundig indføring i de basale

Læs mere

Efficient Position Updating

Efficient Position Updating Efficient Position Updating Pervasive Positioning, Q3 2010 Lasse H. Rasmussen, 20097778 Christian Jensen, 20097781 12-03-2010 1 Introduktion Denne rapport har til formål at beskrive implementeringen og

Læs mere

Kvantitative metoder, teori og praksis

Kvantitative metoder, teori og praksis Kvantitative metoder, teori og praksis Kvantitative metoder Målet med de kvantitative metoder Forskellige typer kvantitative metoder Styrker og svagheder Repræsentativitet og udtræksperioder Det gode spørgeskema

Læs mere

Undervisningsbeskrivelse

Undervisningsbeskrivelse Undervisningsbeskrivelse Stamoplysninger til brug ved prøver til gymnasiale uddannelser Termin maj-juni 11/12 Institution VUC Holstebro-Lemvig-Struer Uddannelse Fag og niveau Lærer(e) Hold Hf/hfe Matematik

Læs mere

Statistik med TI-Nspire CAS version 3.2. Bjørn Felsager September 2012. [Fjerde udgave]

Statistik med TI-Nspire CAS version 3.2. Bjørn Felsager September 2012. [Fjerde udgave] Statistik med TI-Nspire CAS version 3.2 Bjørn Felsager September 2012 [Fjerde udgave] Indholdsfortegnelse Forord Beskrivende statistik 1 Grundlæggende TI-Nspire CAS-teknikker... 4 1.2 Lister og regneark...

Læs mere

Statistik for ankomstprocesser

Statistik for ankomstprocesser Statistik for ankomstprocesser Anders Gorst-Rasmussen 20. september 2006 Resumé Denne note er en kortfattet gennemgang af grundlæggende statistiske værktøjer, man kunne tænke sig brugt til at vurdere rimeligheden

Læs mere

Program. t-test Hypoteser, teststørrelser og p-værdier. Hormonkonc.: statistisk model og konfidensinterval. Hormonkoncentration: data

Program. t-test Hypoteser, teststørrelser og p-værdier. Hormonkonc.: statistisk model og konfidensinterval. Hormonkoncentration: data Faculty of Life Sciences Program t-test Hypoteser, teststørrelser og p-værdier Claus Ekstrøm E-mail: ekstrom@life.ku.dk Resumé og hængepartier fra sidst. Eksempel: effekt af foder på hormonkoncentration

Læs mere

Undervisningsbeskrivelse

Undervisningsbeskrivelse Undervisningsbeskrivelse Stamoplysninger til brug ved prøver til gymnasiale uddannelser Termin Maj/juni 2012 (denne beskrivelse dækker efterår 2011 og forår 2012) Institution Roskilde Handelsskole Uddannelse

Læs mere

Danske virksomheders kreditværdighed

Danske virksomheders kreditværdighed 2014 Danske virksomheders kreditværdighed Analyse fra Bisnode Credit BISNODE CREDIT A/S Adresse: Tobaksvejen 21, 2860 Søborg Telefon: 3673 8184, E-mail: business.support@bisnode.dk, Website: www.bisnode.com

Læs mere

Bilag 1: Beregning af omkostningsækvivalenter

Bilag 1: Beregning af omkostningsækvivalenter Bilag 1: Beregning af omkostningsækvivalenter Bilaget indeholder den tekniske beregning af omkostningsækvivalenterne til brug for benchmarkingen 2013. FORSYNINGSSEKRETARIATET FEBRUAR 2013 INDLEDNING...

Læs mere

Epidemiologiske associationsmål

Epidemiologiske associationsmål Epidemiologiske associationsmål Mads Kamper-Jørgensen, lektor, maka@sund.ku.dk Afdeling for Social Medicin, Institut for Folkesundhedsvidenskab It og sundhed l 16. april 2015 l Dias nummer 1 Sidste gang

Læs mere

Program dag 2 (11. april 2011)

Program dag 2 (11. april 2011) Program dag 2 (11. april 2011) Dag 2: 1) Hvordan kan man bearbejde data; 2) Undersøgelse af datamaterialet; 3) Forskellige typer statistik; 4) Indledende dataundersøgelser; 5) Hvad kan man sige om sammenhænge;

Læs mere

Benchmark beregning af pensionsformuen, ultimo 2003

Benchmark beregning af pensionsformuen, ultimo 2003 1 Danmarks Statistik MODELGRUPPEN Arbejdspapir* Michael Osterwald-Lenum 12. november 2012 1 Benchmark beregning af pensionsformuen, ultimo 2003 Resumé: Papiret redegør for hvorledes pensionsformuen, ultimo

Læs mere

FINANSIERING 1. Opgave 1

FINANSIERING 1. Opgave 1 FINANSIERING 1 3 timers skriftlig eksamen, kl. 9-1, onsdag 9/4 008. Alle sædvanlige hjælpemidler inkl. blyant er tilladt. Sættet er på 4 sider og indeholder 8 nummererede delspørgsmål, der indgår med lige

Læs mere

Hvordan finder man en god skala vha. Raschmetoden? Svend Kreiner & Tine Nielsen

Hvordan finder man en god skala vha. Raschmetoden? Svend Kreiner & Tine Nielsen Hvordan finder man en god skala vha. Raschmetoden? Svend Kreiner & Tine Nielsen 1 Svaret: Man spørger en, der har forstand på det, som man gerne vil måle 2 Eksempel: Spiritualitet Peter A., Peter G. &

Læs mere

Søren Teglgaard Jakobsen og Thomas Astrup Bæk. Socioøkonomisk ressourcetildelingsmodel for specialundervisningsområdet i Svendborg Kommune

Søren Teglgaard Jakobsen og Thomas Astrup Bæk. Socioøkonomisk ressourcetildelingsmodel for specialundervisningsområdet i Svendborg Kommune Søren Teglgaard Jakobsen og Thomas Astrup Bæk Socioøkonomisk ressourcetildelingsmodel for specialundervisningsområdet i Svendborg Kommune Socioøkonomisk ressourcetildelingsmodel for specialundervisningsområdet

Læs mere

Ny karakterskala nye mål?

Ny karakterskala nye mål? Ny karakterskala nye mål? Workshop Camilla Rump Lene Møller Madsen Mål for workshoppen Efter workshoppen skal deltagerne kunne Lave en operationel mål- og kriteriebeskrivelse af 12-tallet og 2-tallet for

Læs mere

8.2 Statistiske analyse af hver enkelt indikator

8.2 Statistiske analyse af hver enkelt indikator 8.2 Statistiske analyse af hver enkelt indikator Basale ideer De avancerede statistiske metoder, som anvendes i denne rapport, fokuserer primært på vurdering af eventuel geografisk heterogenitet på regions-,

Læs mere

1. Lav en passende arbejdstegning, der illustrerer samtlige enkeltobservationer.

1. Lav en passende arbejdstegning, der illustrerer samtlige enkeltobservationer. Vejledende besvarelse af hjemmeopgave Basal statistik, efterår 2008 En gruppe bestående af 45 patienter med reumatoid arthrit randomiseres til en af 6 mulige behandlinger, nemlig placebo, aspirin eller

Læs mere

To spørgsmål: Hvilken betydning har de manglende svar på items for målingen af spiritualitet?

To spørgsmål: Hvilken betydning har de manglende svar på items for målingen af spiritualitet? Om manglende responser i surveys: Spiritualitetsskalaen Svend Kreiner To spørgsmål: Hvilken betydning har de manglende svar på items for målingen af spiritualitet? Hvilken betydning har de manglende svar

Læs mere

Forelæsning 9: Inferens for andele (kapitel 10)

Forelæsning 9: Inferens for andele (kapitel 10) Kursus 02402 Introduktion til Statistik Forelæsning 9: Inferens for andele (kapitel 10) Per Bruun Brockhoff DTU Compute, Statistik og Dataanalyse Bygning 324, Rum 220 Danmarks Tekniske Universitet 2800

Læs mere

Oversigt. 1 Intro: Regneeksempel og TV-data fra B&O. 2 Model. 3 Beregning - variationsopspaltning og ANOVA tabellen. 4 Hypotesetest (F-test)

Oversigt. 1 Intro: Regneeksempel og TV-data fra B&O. 2 Model. 3 Beregning - variationsopspaltning og ANOVA tabellen. 4 Hypotesetest (F-test) Kursus 02402/02323 Introducerende Statistik Forelæsning 11: Tovejs variansanalyse, ANOVA Per Bruun Brockhoff DTU Compute, Statistik og Dataanalyse Bygning 324, Rum 220 Danmarks Tekniske Universitet 2800

Læs mere

BENCHMARK ANALYSE RIVAL

BENCHMARK ANALYSE RIVAL BENCHMARK ANALYSE RIVAL 0-- Indholdsfortegnelse Indholdsfortegnelse Introduktion... Det samlede resultat... De største virksomheder... Markedsandel... Nettoomsætning...7 Dækningsbidraget/bruttofortjenesten...

Læs mere

Byggeøkonomuddannelsen

Byggeøkonomuddannelsen Byggeøkonomuddannelsen Risikoanalyse Successiv kalkulation Ken L. Bechmann 18. november 2013 1 Dagens emner Risikoanalyse og introduktion hertil Kalkulation / successiv kalkulation Øvelser og småopgaver

Læs mere

Numeriske metoder. Af: Alexander Bergendorff, Frederik Lundby Trebbien Rasmussen og Jonas Degn. Side 1 af 15

Numeriske metoder. Af: Alexander Bergendorff, Frederik Lundby Trebbien Rasmussen og Jonas Degn. Side 1 af 15 Numeriske metoder Af: Alexander Bergendorff, Frederik Lundby Trebbien Rasmussen og Jonas Degn Side 1 af 15 Indholdsfortegnelse Matematik forklaring... 3 Lineær regression... 3 Numerisk differentiation...

Læs mere

Gennemsnit og normalfordeling illustreret med terningkast, simulering og SLUMP()

Gennemsnit og normalfordeling illustreret med terningkast, simulering og SLUMP() Gennemsnit og normalfordeling illustreret med terningkast, simulering og SLUMP() John Andersen, Læreruddannelsen i Aarhus, VIA Et kast med 10 terninger gav følgende udfald Fig. 1 Result of rolling 10 dices

Læs mere

Matematik B. Højere handelseksamen

Matematik B. Højere handelseksamen Matematik B Højere handelseksamen hh141-mat/b-23052014 Fredag den 23. maj 2014 kl. 9.00-13.00 Matematik B Prøven består af to delprøver. Delprøven uden hjælpemidler består af opgave 1 til 5 med i alt 5

Læs mere

Undervisningsbeskrivelse

Undervisningsbeskrivelse Undervisningsbeskrivelse Stamoplysninger til brug ved prøver til gymnasiale uddannelser Termin Institution Uddannelse Fag og niveau Lærer(e) Hold Termin hvori undervisningen afsluttes: maj-juni 2014 IBC-Kolding

Læs mere

Tandsundhed hos 15-årige børn i Region Midtjylland og i Norddjurs Kommune en pixi-udgave.

Tandsundhed hos 15-årige børn i Region Midtjylland og i Norddjurs Kommune en pixi-udgave. Tandsundhed hos 15-årige børn i Region Midtjylland og i Norddjurs Kommune en pixi-udgave. 2014 På foranledning af overtandlægegruppen i Region Midtjylland er der blevet udarbejdet en rapport ud fra en

Læs mere

Undervisningsbeskrivelse

Undervisningsbeskrivelse Undervisningsbeskrivelse Stamoplysninger til brug ved prøver til gymnasiale uddannelser Termin Sommer 2015 Institution Campus vejle Uddannelse Fag og niveau Lærer(e) Hold HHX Matematik B (Valghold) PEJE

Læs mere

Baggrundsnotat: Undervisningstimer på universitetet

Baggrundsnotat: Undervisningstimer på universitetet 17. december 2013 Baggrundsnotat: Undervisningstimer på universitetet Dette notat redegør for den økonometriske analyse af sammenhængen mellem undervisningstid og indkomst i afsnit 5.3 i Analyserapport

Læs mere

Agenda. Kort om YouSee. Udfordringer & Vision. Setup & Dataflow. Dynamikken i løsningen. Resultater og femtiden

Agenda. Kort om YouSee. Udfordringer & Vision. Setup & Dataflow. Dynamikken i løsningen. Resultater og femtiden Agenda Kort om YouSee Udfordringer & Vision Setup & Dataflow Dynamikken i løsningen Resultater og femtiden Agenda Kort om YouSee Udfordringer & Vision Setup & Dataflow Dynamikken i løsningen Resultater

Læs mere

Program. Sammenligning af grupper Ensidet ANOVA. Case 3, del II: Fiskesmag i lammekød. Case 3, del I: A-vitamin i leveren

Program. Sammenligning af grupper Ensidet ANOVA. Case 3, del II: Fiskesmag i lammekød. Case 3, del I: A-vitamin i leveren Faculty of Life Sciences Program Sammenligning af grupper Ensidet ANOVA Claus Ekstrøm E-mail: ekstrom@life.ku.dk Sammenligning af to grupper: tre eksempler Sammenligning af mere end to grupper: ensidet

Læs mere

µ = κ (θ); Kanonisk link, θ = g(µ) Poul Thyregod, 9. maj Specialkursus vid.stat. foraar 2005

µ = κ (θ); Kanonisk link, θ = g(µ) Poul Thyregod, 9. maj Specialkursus vid.stat. foraar 2005 Hierarkiske generaliserede lineære modeller Lee og Nelder, Biometrika (21) 88, pp 987-16 Dagens program: Mandag den 2. maj Hierarkiske generaliserede lineære modeller - Afslutning Hierarkisk generaliseret

Læs mere

CIVILINGENIØREKSAMEN. Side 1 af 18 sider. Skriftlig prøve, den: 2. juni 2009 Kursus nr : 02405. Kursus navn: Sandsynlighedsregning

CIVILINGENIØREKSAMEN. Side 1 af 18 sider. Skriftlig prøve, den: 2. juni 2009 Kursus nr : 02405. Kursus navn: Sandsynlighedsregning CIVILINGENIØREKSAMEN Side 1 af 18 sider Skriftlig prøve, den: 2. juni 2009 Kursus nr : 02405 Kursus navn: Sandsynlighedsregning Tilladte hjælpemidler: Alle Dette sæt er besvaret af: (navn) (underskrift)

Læs mere

Resultatet af den kommunale test i matematik

Resultatet af den kommunale test i matematik Resultatet af den kommunale test i matematik Egedal Kommune 2012 Udarbejdet af Merete Hersløv Brodersen Pædagogisk medarbejder i matematik Indholdsfortegnelse: Indledning... 3 Resultaterne for hele Egedal

Læs mere

Skolesektionen på www.ballerup.dk

Skolesektionen på www.ballerup.dk Skolesektionen på www.ballerup.dk Louise Callisen Dyhr (ldyh) Marie Louise Gottlieb Frederiksen (mgfr) Janus Askø Madsen (jaam) Nanna Petersen (nshy) Antal tegn: 28319 Afleveringsdato: 21. maj 2014 1 Indledning...

Læs mere

Differentialligninger med TI Nspire CAS version 3.1

Differentialligninger med TI Nspire CAS version 3.1 Differentialligninger med TI Nspire CAS version 3.1 Der er tilføjet en ny graftype til Graf værkstedet kaldet Diff lign. Denne nye graftype er en implementering af differentialligningerne som vi kender

Læs mere

Undervisningsbeskrivelse

Undervisningsbeskrivelse Undervisningsbeskrivelse Stamoplysninger til brug ved prøver til gymnasiale uddannelser Termin Maj / juni 2015 Institution Vejen Business College Uddannelse Fag og niveau HHX Matematik niveau B Lærer(e)

Læs mere

Studieretningsprojekter i machine learning

Studieretningsprojekter i machine learning i machine learning 1 Introduktion Machine learning (ml) er et område indenfor kunstig intelligens, der beskæftiger sig med at konstruere programmer, der kan kan lære fra data. Tanken er at give en computer

Læs mere

Holdninger har betydning for transportmiddelvalget - Storbybefolkninges valg mellem kollektiv og bil i bolig-arbejdsrejsen

Holdninger har betydning for transportmiddelvalget - Storbybefolkninges valg mellem kollektiv og bil i bolig-arbejdsrejsen Holdninger har betydning for transportmiddelvalget - Storbybefolkninges valg mellem kollektiv og bil i bolig-arbejdsrejsen Civilingeniør, phd, Lykke Magelund; Hovedstadsområdets Trafikselskab (HT) Hvorfor

Læs mere

Økonomisk Kandidateksamen 2003II Økonometri 1. Værdisætning af skov

Økonomisk Kandidateksamen 2003II Økonometri 1. Værdisætning af skov Økonomisk Kandidateksamen 2003II Økonometri 1 Værdisætning af skov Praktiske anvisninger til individuel tag-hjem eksamen i Økonometri 1: Start med at sikre dig at du kan få adgang til data, opgavetekst

Læs mere

VTU 2014 Virksomhedstilfredshedsundersøgelse

VTU 2014 Virksomhedstilfredshedsundersøgelse VTU 2014 Virksomhedstilfredshedsundersøgelse Skive Tekniske Skole Svarprocent: 52% (116 besvarelser ud af 225 mulige) Skolerapport Introduktion Indholdsfortegnelse Indledning og datagrundlag Tilfredshed

Læs mere

Grupperede observationer et eksempel. (begreber fra MatC genopfriskes og varians og spredning indføres)

Grupperede observationer et eksempel. (begreber fra MatC genopfriskes og varians og spredning indføres) Grupperede observationer et eksempel. (begreber fra MatC genopfriskes og varians og spredning indføres) Til Gribskovløbet 006 gennemførte 118 kvinder 1,4 km distancen. Fordelingen af kvindernes løbstider

Læs mere

Arbejdet på kuglens massemidtpunkt, langs x-aksen, er lig med den resulterende kraft gange strækningen:

Arbejdet på kuglens massemidtpunkt, langs x-aksen, er lig med den resulterende kraft gange strækningen: Forsøgsopstilling: En kugle ligger mellem to skinner, og ruller ned af den. Vi måler ved hjælp af sensorer kuglens hastighed og tid ved forskellige afstand på rampen. Vi måler kuglens radius (R), radius

Læs mere

Analyse fra Bisnode Credit

Analyse fra Bisnode Credit Oktober 2013 Analyse af hoteller og overnatningsfaciliteter i Danmark Analyse fra Bisnode Credit BISNODE CREDIT A/S Adresse: Tobaksvejen 21, 2860 Søborg Telefon: 3673 8184, E-mail: business.support@bisnode.dk,

Læs mere

FORMUEUDVIKLING OG FORMUEFORDELING

FORMUEUDVIKLING OG FORMUEFORDELING 29. september 2003 Af Mikkel Baadsgaard - Direkte telefon: 33 55 77 21 Resumé: FORMUEUDVIKLING OG FORMUEFORDELING I perioden 1995 til 2001 er husholdningernes gennemsnitlige nettoformue steget med i gennemsnit

Læs mere

Analyse af binære responsvariable

Analyse af binære responsvariable Analyse af binære responsvariable Susanne Rosthøj Biostatistisk Afdeling Institut for Folkesundhedsvidenskab Københavns Universitet 23. november 2012 Har mænd lettere ved at komme ind på Berkeley? UC Berkeley

Læs mere

Priser på andelsboliger i tråd med ejerlejligheder

Priser på andelsboliger i tråd med ejerlejligheder 6. september 2011 Priser på andelsboliger i tråd med ejerlejligheder Redaktion Cheføkonom Christian Hilligsøe Heinig chei@rd.dk Udgiver Realkredit Danmark Parallelvej 17 2800 Kgs. Lyngby Risikostyring

Læs mere

Dig og din puls Lærervejleding

Dig og din puls Lærervejleding Dig og din puls Lærervejleding Indledning I det efterfølgende materiale beskrives et forløb til matematik C, hvori eleverne skal måle hvilepuls og arbejdspuls og beskrive observationerne matematisk. Materialet

Læs mere

Regneark til bestemmelse af Regnkurver, CDS regn og bassinvoluminer

Regneark til bestemmelse af Regnkurver, CDS regn og bassinvoluminer Regneark til bestemmelse af Regnkurver, CDS regn og bassinvoluminer Teknisk dokumentation og brugervejledning 100.0 Regionalt estimat 68% konfidensgrænser Intensitet [µm/s] 10.0 1.0 T = 100 T = 10 T =

Læs mere

ISCC. IMM Statistical Consulting Center. Brugervejledning til beregningsmodul til robust estimation af nugget effect. Technical University of Denmark

ISCC. IMM Statistical Consulting Center. Brugervejledning til beregningsmodul til robust estimation af nugget effect. Technical University of Denmark IMM Statistical Consulting Center Technical University of Denmark ISCC Brugervejledning til beregningsmodul til robust estimation af nugget effect Endelig udgave til Eurofins af Christian Dehlendorff 15.

Læs mere

Undervisningsbeskrivelse

Undervisningsbeskrivelse Undervisningsbeskrivelse Stamoplysninger til brug ved prøver til gymnasiale uddannelser Termin Institution Uddannelse Fag og niveau Lærer(e) Hold Termin hvori undervisningen afsluttes: Maj-juni, 11. Denne

Læs mere

Samlet varighed i offentlig forsørgelse Trin 1: De første 4 uger Trin 2: 5. 26. uge Trin 3: 27. 52. uge Trin 4: Over 52 uger

Samlet varighed i offentlig forsørgelse Trin 1: De første 4 uger Trin 2: 5. 26. uge Trin 3: 27. 52. uge Trin 4: Over 52 uger N OTAT Konsekvenser af refusionsomlægningen og budgetlægning for 2016 Lovforslag om en refusionsomlægning på beskæftigelsesområdet forventes fremsat i uge 13. I den forbindelse udsender KL et regneark

Læs mere

INTRODUKTION TIL dele af SAS

INTRODUKTION TIL dele af SAS INTRODUKTION TIL dele af SAS Der er flere forskellige angrebsvinkler ved statistiske analyser i SAS. Vi skal her kun beskæftige os med to af disse, nemlig Direkte programmering. Brug af SAS ANALYST Hvilken

Læs mere