The Kalman filter - and other methods
|
|
- Jacob Knudsen
- 7 år siden
- Visninger:
Transkript
1 Outline The Kalman filter - and other methods Anders Rinaard Kristensen Filterin techniques applied to monitorin of daily ain in slauhter pis: Introduction Basic monitorin Shewart control charts MA and EWMA techniques DLM and the Kalman filter Simple case Seasonailty Online monitorin 1 2 E-kontrol, slatesvin Tilvækstresultater, slatesvin Kvartalsvis opørelse af produktionsresultater Præsenteres som en tabel Der vises resultater for de sidste 4 kvartaler o totalt for året Der kan sammenlines med forventede resultater Tilbydes af to hovedaktører: Dansk Landbrusrådivnin, Landscentret (det viste) AroSoft A/S Et af de vitiste: Tilvækst Vi har: 4 kvartalsresultater 1 årsresultat 1 forventet resultat Hvordan tolker vi det? Spørsmål 1: Hvordan fremkommer tallet? 4 Hvordan fremkommer tallet? Første iattaelse: Målefejl Grundprincippet er: Samlet væt af leverede svin i perioden: xxxx * Samlet væt af smårise indsat i perioden: xxxx ** Statusvæt ved periodens afslutnin: +xxxx *** Statusvæt ved periodens beyndelse: xxxx *** Total tilvækst i perioden yyyy Dali tilvækst = (Total tilvækst)/(antal foderdae) Hvor kommer tallene fra? * Slateri noenlunde præcist ** Brovæt anske præcist ***??? alt fra meet præcist til yderst usikkert Der er usikkerhed (fejl) på alle målinerne, men det er statusvætene, der betyder noet. Vi opstiller en (uhyre simpel) model: = t s + e m, hvor: er den berenede tilvækst (som den fremår af tabellen) t s er den sande tilvækst (den vi eentli er interesseret i) e m er målefejlen, som antaes normalfordelt N(0, σm 2) Modellens struktur (kvalitativ viden) er selve lininen Modellens parametre (kvantitativ viden) er værdien af σ m (spredninen på målefejlen). Den afhæner af målemetoden o må bestemmes i praksis. 5 1
2 Measurement error Anden iattaelse: Tilfældihed t s What we measure is What we wish to know is t s The difference between the two variables is undesired noise We wish to filter the noise away, i.e. we wish to estimate t s from De sande tilvækstresultater, t s, varierer som føle af rene tilfældiheder. Selv om vi havde præcist de samme forhold i to på hinanden følende kvartaler, kan vi ikke forvente samme resultat. Det kan vi kalde stikprøvefejl. Vi har, at t s = t u + e s, hvor e s er stikprøvefejlen, der udtrykker den tilfældie variation, som vi oså antaer er normalfordelt N(0, σ s 2) t u er det underliende permanente sande niveau Denne yderliere kvalitative viden indbyer vi i modellens struktur: = t s + e m = t u + e s + e m Modellens parametre: σ s o σ m 7 8 Sample error and measurement error Modellen i praksis, forudsætniner t u t s What we measure is What we wish to know is t u The difference between the two variables is undesired noise: Sample noise Measurement noise We wish to filter the noise away, i.e. we wish to estimate t u from Modellen er en absolut forudsætnin for meninsfyldt at kunne vurdere målte produktionsresultater. Spredninen på stikprøvefejlen, σ s, afhæner af hvor meet svins tilvækst varierer indbyrdes i en besætnin o besætninens størrelse. Spredninen på målefejlen σ m afhæner af målemetoden for statusvejniner. For tolkninen af målte resultater, er det den samlede usikkerhed, σ, der betyder noet (σ 2 = σ m 2 + σ s 2 ) Kvalificerede æt på σ ved forskellie målemetoder (1250 stipladser): Vejnin af alle svin: σ = Stratificeret stikprøve: σ = 7 Tilfældi stikprøve: σ = 20 Visuelt skøn: σ = Different measurement methods Modellen i praksis: Tolknin t u t s En besætnin har målt en dali tilvækst på, hvor det forventede var 775. Skal vi være bekymrede? Det afhæner af målemetoden! En nedre bekymrinsrænse vil være det forventede minus 2 ane spredninen, altså 775 2σ Ved de 4 målemetoder fås følende bekymrinsrænser : Vejnin af alle svin: x = 79 Stratificeret stikprøve: x 7 = 71 Tilfældi stikprøve: x 20 = 75 Visuelt skøn: x 29 = 717 σ = σ =7 σ =20 σ =
3 Tredje iattaelse: Forløb over tid Modellerin af tidsforløb Dali tilvækst, slatesvin. kvartal kvartal 98. kvartal kvartal 99. kvartal kvartal 00. kvartal 00 4 års tilvækstresultater for en besætnin. Er det odt eller skidt? 1. kvartal kvartal 01 Vi udbyer vores model til at inddrae tid. Til tiden n forklares det målte resultat således: n = t s + e mn = t u + e sn + e mn Eneste ændrin er foreløbi, at vi opererer med en målt tilvækst for hvert kvartal. Vi kan berene bekymrinsrænser for hvert kvartal o plotte det hele som kurver. t u1 t s1 1 t u2 t s2 2 t u t s t u4 t s Simpelt plot over tid, vejnin af alle svin Dali Daily ain, tilvækst, slauhter slatesvin pis Simpelt plot over tid, visuelt skøn ved status Dali Daily ain, tilvækst, slauhter slatesvin pis kvartal kvartal 98. kvartal kvartal 99. kvartal kvartal 00. kvartal kvartal kvartal 01. kvartal kvartal 98. kvartal kvartal 99. kvartal kvartal 00. kvartal kvartal kvartal 01 Observed Målt tilvækst ain Upper Øvre kontr. control rænse limit Expected Forventet Lower Nedre control kontr. Gr. limit 15 Observed Målt tilvækst ain Upper Øvre kontr. control rænse limit Expected Forventet Lower Nedre control kontr. Gr. limit 1 Konklusion på tidsforløb Mane flere iattaelser n = t u + e sn + e mn Der er noet alt! Mulie forklariner: Producenten har meet alvorlie problemer med svinende tilvækst. Modellen er forkert: Struktur vores kvalitative falie viden Parametre den kvantitative viden (spredninen) Den sande underliende tilvækst t u i besætninen kan ændre si over tid: Trend Sæsonvariation Stikprøvefejlen e s er mulivis autokorreleret: Midlertidie påvirkniner Målefejlen e m er helt sikkert autokorreleret: Statusvæt ultimo i kvartal n indår direkte som statusvæt primo i kvartal n
4 Tema: Tilvækst hyppiere måliner Tema: Tilvækst hyppiere måliner Dynamisk e-kontrol Dynamisk E-kontrol, resultater Udviklet o beskrevet af Madsen & Ruby (2000). Principper: Undå de arbejdskrævende statusvejniner. Berene tilvæksten efter hver leverin (d.v.s. typisk uentlit) Benytte en simpel dynamisk lineær model til overvåninen n = t un + e sn + e mn = t un + v n, hvor v n N(0, σ v 2 ) t un = t u,n-1 + w n, hvor w n N(0, σ w 2 ) Filtrere resultaterne for at fjerne tilfældit støj Rå data til venstre filtrerede til højre Fiurer fra Madsen & Ruby (2000) Stadi først resultater, når svinene er slatet The Dynamic Linear Model (DLM) Example Observation equation n = t un + v n, v n N(0, σ v 2 ) System equation t un = t u,n-1 + w n, w n N(0, σ w 2 ) t u1 t s1 t u2 t s2 t u t s t u4 t s4 General, first order Observation equation Y t = µ t + v t, v n N(0, σ v 2 ) System equation µ t = µ t-1 + w n, w n N(0,σ w 2 ) µ 1 Y 1 µ 2 Y 2 µ Y µ 4 Y 4 Udbynin af model F n θ n er nu det sande niveau beskrevet som et vektorprodukt. Der indår et samlet niveau + 4 årstidsparametre. Ud fra modellen kan vi berene forventet tilvækst i næste kvartal! Så læne vi rammer præcist, forløber produktionen planmæssit! Forventede o målte resultater Dali tilvækst Blå: Målt Pink: Forventet Analyse af fremskrivninsfejl Dali tilvækst
5 Tema: Tilvækst Den sidste model Dynamisk lineær model Modellens struktur (kvalitativ viden): Påstand om, at der kan være sæsonvariation (derimod inen påstand om størrelsen af denne). Påstand om, at såvel totalniveauet som sæsonvirkninerne kan ændre si over tid. Er disse påstande falit korrekte? Modellens parametre: Først o fremmest de fra før kendte spredniner, men nu oså systemvariansen. Modellen lærer undervejs o tilpasser si til observationerne. Sæsonvariation kan modelleres noet mere sofistikeret, som Thomas Nejsum Madsen har demonstreret i FarmWatch Morale Skal man analysere en besætnins tilvækst, skal man: Vide hvordan tallene fremkommer (målemetode) herunder hvad præcisionen er. Gøre si overvejelser om, hvordan forløbet naturlit vil se ud (baseret på fali viden). Uden fali viden kan man nå frem til hvad som helst. Uden modeller risikerer man alvorlie fejlfortolkniner. Gennem modellens struktur læer vi en fali viden ned over problemet Tema: Tilvækst on-line overvånin Tema: Tilvækst on-line overvånin On-line overvånin af tilvækst: PiVision Innovationsprojekt ledet af Landsudvalet for Svin: Danmarks JordbrusForsknin (både Foulum & Byholm) Firmaet Videometer (ekstern bistand) Firmaet Skov A/S KVL, IPH, Produktion & Sundhed Løbende overvånin af tilvæksten, mens svinene ror Mulihed for at reaere undervejs Mulihed for tilpasnin af leverinsstrateier PiVision: Principper Der ophænes et kamera over stien. Ved bevæelse i synsfeltet, optaes en serie billeder, der sendes til en computer. Computeren finder automatisk svinet på billedet (ved hjælp af en model) o berener dets areal set fra oven. Hvis computeren ikke tror på, at billedet forestiller en ris (ud fra en model) kasseres det. Arealet omrenes til væt (ved hjælp af en model). Ud fra mane billeder kan såvel ennemsnitsvæten som spredninen berenes til enhver tid. Fiur ved Teresia Heiskanen Tema: Tilvækst on-line overvånin Hvad kan on-line vætberenin brues til? Overvånin af, om svinene vokser tilfredsstillende Opsamlin af viden om holdets vækstevne (lærin) Tilpasnin af leverinsstratei afhænit af, Om svinene vokser hurtit eller lansomt Om spredninen mellem de enkelte svin er stor eller lille Om der står et nyt hold smårise o venter på pladsen Prisforholdene Konkret udmøntnin af leveriner til slateri Tema: Tilvækst Beslutninstøtte vedrørende leverin Beslutninsstøttemodellen Hver ue observeres middelvæt o sprednin Efter hver observation opdateres estimaterne for Overordnet lansitet vækstevne, L Midlertidi afvielse, e(t) Vætsprednin i stien, ρ(t) Beslutniner baseres på Antal svin tilbae Estimaterne for de parametre Beslutnin udtrykkes som: Levér alle svin over en vis væt Usikkerheden med hensyn til, hvad vi véd er direkte repræsenteret i modellen
6 PiVision On-line weiht assessment On-line weiht assessment Objectives: Optimal delivery of slauhter pis Dynamic linear models Multi-level hierarchical Markov process Interaction with weiin equipment Illustration of results Pen with n pis is monitored. No identification of pis. At any time t we have: The precision 1/σ2 is assumed known 1 Objectives 2 Dynamic linear models Given the on-line weiht estimates to assin an optimal delivery policy for the pis in the pen. Sequential (weekly) decision problem with decisions at two levels: Slauhterin of individual pis (the price is hihest in a rather narrow interval) Terminatin the batch (slauhter all remainin pis and insert a new batch of weaners) A dynamic linear weiht model, I The scalin factor L Known averae herd specific rowth curve: In principle unknown and not directly observable Initial belief: The belief is updated each time we observe a set of live weihts from the pen. Let be the true averae weiht Then True weihts at time t distributed as: 5 4
7 Observation & system equation 1 Full observation equation for mean: Auto-correlated sample error (system eq.): Observation & system equation 2 Far more information available from the observed live weihts Sample variance not normally distributed. Use the 0.1 sample quantile: The symbol ρ(t) is the standard deviation of the observed values. System equation: 7 8 Tema: Tilvækst Beslutninstøtte vedrørende leverin Full equation set Lærin, lansitet vækstevne L = 1,00 L= L = 1,07 L = 1, Tema: Tilvækst Beslutninstøtte vedrørende leverin Lærin, vætsprednin Sprednin = Sprednin =
The Kalman filter - and other methods
The Kalman filter - and other methods Anders Ringgaard Kristensen 1 Outline Filtering techniques applied to monitoring of daily gain in slaughter pigs: Introduction Basic monitoring Shewart control charts
Læs mereThe Kalman filter - and other methods. Anders Ringgaard Kristensen
The Kalman filter - and other methods Anders Ringgaard Kristensen 1 Outline Filtering techniques applied to monitoring of daily gain in slaughter pigs: Introduction Basic monitoring Shewart control charts
Læs mereGeneralized Probit Model in Design of Dose Finding Experiments. Yuehui Wu Valerii V. Fedorov RSU, GlaxoSmithKline, US
Generalized Probit Model in Design of Dose Finding Experiments Yuehui Wu Valerii V. Fedorov RSU, GlaxoSmithKline, US Outline Motivation Generalized probit model Utility function Locally optimal designs
Læs mereTo samhørende variable
To samhørende variable Statistik er tal brugt som argumenter. - Leonard Louis Levinsen Antagatviharn observationspar x 1, y 1,, x n,y n. Betragt de to tilsvarende variable x og y. Hvordan måles sammenhængen
Læs mereØvelse 4.1 1/3 KemiForlaget
5 6 4 7 3 9 1 11 5 6 4 7 3 9 1 10 KST G ERNÆRING Benthe Schou ØVELSE 4.1 Øvelse : Saltindhold i brød Formål: At bestemme saltindholdet i rubrød, ved at brue en fældninstitrerin med sølvnitrat (AN 3 ) o
Læs mere4. september 2003. π B = Lungefunktions data fra tirsdags Gennemsnit l/min
Epidemiologi og biostatistik Uge, torsdag 28. august 2003 Morten Frydenberg, Institut for Biostatistik. og hoste estimation sikkerhedsintervaller antagelr Normalfordelingen Prædiktion Statistisk test (udfra
Læs mereBasic statistics for experimental medical researchers
Basic statistics for experimental medical researchers Sample size calculations September 15th 2016 Christian Pipper Department of public health (IFSV) Faculty of Health and Medicinal Science (SUND) E-mail:
Læs mereNormalfordelingen. Statistik og Sandsynlighedsregning 2
Normalfordelingen Statistik og Sandsynlighedsregning 2 Repetition og eksamen Erfaringsmæssigt er normalfordelingen velegnet til at beskrive variationen i mange variable, blandt andet tilfældige fejl på
Læs mereA multimodel data assimilation framework for hydrology
A multimodel data assimilation framework for hydrology Antoine Thiboult, François Anctil Université Laval June 27 th 2017 What is Data Assimilation? Use observations to improve simulation 2 of 8 What is
Læs mereKursus 02323: Introducerende Statistik. Forelæsning 12: Forsøgsplanlægning. Peder Bacher
Kursus 02323: Introducerende Statistik Forelæsning 12: Forsøgsplanlægning Peder Bacher DTU Compute, Dynamiske Systemer Bygning 303B, Rum 009 Danmarks Tekniske Universitet 2800 Lyngby Danmark e-mail: pbac@dtu.dk
Læs mereProgram. Modelkontrol og prædiktion. Multiple sammenligninger. Opgave 5.2: fosforkoncentration
Faculty of Life Sciences Program Modelkontrol og prædiktion Claus Ekstrøm E-mail: ekstrom@life.ku.dk Test af hypotese i ensidet variansanalyse F -tests og F -fordelingen. Multiple sammenligninger. Bonferroni-korrektion
Læs mereStatistik for MPH: 7
Statistik for MPH: 7 3. november 2011 www.biostat.ku.dk/~pka/mph11 Attributable risk, bestemmelse af stikprøvestørrelse (Silva: 333-365, 381-383) Per Kragh Andersen 1 Fra den 6. uges statistikundervisning:
Læs mere3. SPSS Output. Descriptives. [DataSet1] C:\Users\Thomas\Desktop\Eservice_i_produktgruppen_Bekldning.sav
3. SPSS Output DESCRIPTIVES VARIABLES=DEM DEM5 DEM10 DEM11 /STATISTICS=MEAN STDDEV MIN MAX. Descriptives [DataSet1] C:\Users\Thomas\Desktop\Eservice_i_produktgruppen_Bekldning.sav Descriptive Statistics
Læs mereLinear Programming ١ C H A P T E R 2
Linear Programming ١ C H A P T E R 2 Problem Formulation Problem formulation or modeling is the process of translating a verbal statement of a problem into a mathematical statement. The Guidelines of formulation
Læs mereHow consumers attributions of firm motives for engaging in CSR affects their willingness to pay
Bachelor thesis Institute for management Author: Jesper Andersen Drescher Bscb(sustainability) Student ID: 300545 Supervisor: Mai Skjøtt Linneberg Appendix for: How consumers attributions of firm motives
Læs mereIkke-parametriske tests
Ikke-parametriske tests 2 Dagens menu t testen Hvordan var det nu lige det var? Wilcoxson Mann Whitney U Kruskall Wallis Friedman Kendalls og Spearmans correlation 3 t-testen Patient Drug Placebo difference
Læs mereNotat vedrørende projektet EFP06 Lavfrekvent støj fra store vindmøller Kvantificering af støjen og vurdering af genevirkningen
Notat vedrørende projektet EFP6 Lavfrekvent støj fra store vindmøller Kvantificering af støjen og vurdering af genevirkningen Baggrund Et af projektets grundelementer er, at der skal foretages en subjektiv
Læs mereBaggrundsnotat: Estimation af TFP og sammenhæng til uddannelse
Kopi: d. 26.11.2010 SAR Dok. nr. Barundsnotat: Estimation af TFP o sammenhæn til uddannelse I dette barundsnotat beskrives analyserne af den potentielle effekt af et øet uddannelsesniveau blandt beskæftiede
Læs mereRepræsentative undersøgelser før og nu. Peter Linde, Interviewservice pli@dst.dk
Repræsentative undersøgelser før og nu Peter Linde, Interviewservice pli@dst.dk >> >> Dagsorden Hvad er en repræsentativ undersøgelse? Bortfald og forskerbeskyttelse Vægtning for bortfald Effekt af vægtning
Læs mereStatistik for MPH: oktober Attributable risk, bestemmelse af stikprøvestørrelse (Silva: , )
Statistik for MPH: 7 29. oktober 2015 www.biostat.ku.dk/~pka/mph15 Attributable risk, bestemmelse af stikprøvestørrelse (Silva: 333-365, 381-383) Per Kragh Andersen 1 Fra den 6. uges statistikundervisning:
Læs mereKursus 02402 Introduktion til Statistik. Forelæsning 7: Kapitel 7 og 8: Statistik for to gennemsnit, (7.7-7.8,8.1-8.5) Per Bruun Brockhoff
Kursus 02402 Introduktion til Statistik Forelæsning 7: Kapitel 7 og 8: Statistik for to gennemsnit, (7.7-7.8,8.1-8.5) Per Bruun Brockhoff DTU Compute, Statistik og Dataanalyse Bygning 324, Rum 220 Danmarks
Læs mereGenerelle lineære modeller
Generelle lineære modeller Regressionsmodeller med én uafhængig intervalskala variabel: Y en eller flere uafhængige variable: X 1,..,X k Den betingede fordeling af Y givet X 1,..,X k antages at være normal
Læs mereSkriftlig Eksamen Kombinatorik, Sandsynlighed og Randomiserede Algoritmer (DM528)
Skriftlig Eksamen Kombinatorik, Sandsynlighed og Randomiserede Algoritmer (DM58) Institut for Matematik og Datalogi Syddansk Universitet, Odense Torsdag den 1. januar 01 kl. 9 13 Alle sædvanlige hjælpemidler
Læs mereOverlevelse efter AMI. Hvilken betydning har følgende faktorer for risikoen for ikke at overleve: Køn og alder betragtes som confoundere.
Overlevelse efter AMI Hvilken betydning har følgende faktorer for risikoen for ikke at overleve: Diabetes VF (Venticular fibrillation) WMI (Wall motion index) CHF (Cardiac Heart Failure) Køn og alder betragtes
Læs mereLog-lineære modeller. Analyse af symmetriske sammenhænge mellem kategoriske variable. Ordinal information ignoreres.
Log-lineære modeller Analyse af symmetriske sammenhænge mellem kategoriske variable. Ordinal information ignoreres. Kontingenstabel Contingency: mulighed/tilfælde Kontingenstabel: antal observationer (frekvenser)
Læs mereq-værdien som skal sammenlignes med den kritiske Chi-i-Anden værdi p-værdien som skal sammenlignes med signifikansniveauet.
Introduktion: Chi-i-Anden test (Goodness of Fit) på computeren fungerer som en "black-boks"- kommando, hvor eleverne med udgangspunkt i en nulhypotese (H ) taster de forventede og de observerede talværdier
Læs merePhD-kursus i Basal Biostatistik, efterår 2006 Dag 2, onsdag den 13. september 2006
PhD-kursus i Basal Biostatistik, efterår 2006 Dag 2, onsdag den 13. september 2006 I dag: To stikprøver fra en normalfordeling, ikke-parametriske metoder og beregning af stikprøvestørrelse Eksempel: Fiskeolie
Læs mereNaturvidenskabelig metode
Naturvidenskabelig metode Introduktion til naturvidenskab Naturvidenskab er en betegnelse for de videnskaber der studerer naturen gennem observationer. Blandt sådanne videnskaber kan nævnes astronomi,
Læs mereStatistik Lektion 17 Multipel Lineær Regression
Statistik Lektion 7 Multipel Lineær Regression Polynomiel regression Ikke-lineære modeller og transformation Multi-kolinearitet Auto-korrelation og Durbin-Watson test Multipel lineær regression x,x,,x
Læs mereNormalfordelingen og Stikprøvefordelinger
Normalfordelingen og Stikprøvefordelinger Normalfordelingen Standard Normal Fordelingen Sandsynligheder for Normalfordelingen Transformation af Normalfordelte Stok.Var. Stikprøver og Stikprøvefordelinger
Læs mereEksamen Bacheloruddannelsen i Medicin med industriel specialisering
Eksamen 2016 Titel på kursus: Uddannelse: Semester: Forsøgsdesign og metoder Bacheloruddannelsen i Medicin med industriel specialisering 6. semester Eksamensdato: 17-02-2015 Tid: kl. 09.00-11.00 Bedømmelsesform
Læs mereMultipel Lineær Regression
Multipel Lineær Regression Trin i opbygningen af en statistisk model Repetition af MLR fra sidst Modelkontrol Prædiktion Kategoriske forklarende variable og MLR Opbygning af statistisk model Specificer
Læs mereEn Introduktion til SAS. Kapitel 5.
En Introduktion til SAS. Kapitel 5. Inge Henningsen Afdeling for Statistik og Operationsanalyse Københavns Universitet Marts 2005 6. udgave Kapitel 5 T-test og PROC UNIVARIATE 5.1 Indledning Dette kapitel
Læs mereKommentarer til opg. 1 og 3 ved øvelser i basalkursus, 3. uge
Kommentarer til opg. 1 og 3 ved øvelser i basalkursus, 3. uge Opgave 1. Data indlæses i 3 kolonner, som f.eks. kaldessalt,pre ogpost. Der er således i alt tale om 26 observationer, idet de to grupper lægges
Læs mereLean Six Sigma Minitab Introduktion
Lean Six Sigma Minitab Introduktion Agenda Minitab Introduktion Histogram Pareto Identificering af data s fordeling Statistisk Proces Kontrol & Kontrolkort Kapabilitetsanalyse Minitab Basal Introduktion
Læs mere28 April 2003 Retrospective: Semicore Visit
28 April 2003 Retrospective: Semicore Visit What is highest growth Industry? Rebuild versus remanufacture Importance of Documentation, blueprinting, spares What are barriers to high uptime? Review Homeworks
Læs mereHvorfor er det lige at vi skal lære det her?
Lektion 8 Stokastiske variable En stokastisk variabel er en afbildning af udfaldsrummet ind i de reelle tal. Man benytter ofte store bogstaver som X, Y og Z til at betegne en stokastisk variabel. Ved at
Læs mereHeuristics for Improving
Heuristics for Improving Model Learning Based Testing Muhammad Naeem Irfan VASCO-LIG LIG, Computer Science Lab, Grenoble Universities, 38402 Saint Martin d Hères France Introduction Component Based Software
Læs mereForelæsning 11: Envejs variansanalyse, ANOVA
Kursus 02323: Introduktion til Statistik Forelæsning 11: Envejs variansanalyse, ANOVA Peder Bacher DTU Compute, Dynamiske Systemer Bygning 303B, Rum 009 Danmarks Tekniske Universitet 2800 Lyngby Danmark
Læs mereAnvendt Statistik Lektion 9. Variansanalyse (ANOVA)
Anvendt Statistik Lektion 9 Variansanalyse (ANOVA) 1 Undersøge sammenhæng Undersøge sammenhænge mellem kategoriske variable: χ 2 -test i kontingenstabeller Undersøge sammenhæng mellem kontinuerte variable:
Læs mereReminder: Hypotesetest for én parameter. Økonometri: Lektion 4. F -test Justeret R 2 Aymptotiske resultater. En god model
Reminder: Hypotesetest for én parameter Antag vi har model Økonometri: Lektion 4 F -test Justeret R 2 Aymptotiske resultater y = β 0 + β 1 x 2 + β 2 x 2 + + β k x k + u. Vi ønsker at teste hypotesen H
Læs mereForelæsning 6: Kapitel 7: Hypotesetest for gennemsnit (one-sample setup). 7.4-7.6
Kursus 02402 Introduktion til Statistik Forelæsning 6: Kapitel 7: Hypotesetest for gennemsnit (one-sample setup). 7.4-7.6 Per Bruun Brockhoff DTU Compute, Statistik og Dataanalyse Bygning 324, Rum 220
Læs mereEksamen i Statistik for Biokemikere, Blok januar 2009
Københavns Universitet Det Naturvidenskabelige Fakultet Eksamen i Statistik for Biokemikere, Blok 2 2008 09 19. januar 2009 Alle hjælpemidler er tilladt, og besvarelsen må gerne skrives med blyant. Opgavesættet
Læs merek UAFHÆNGIGE grupper Oversigt 1 Intro eksempel 2 Model og hypotese 3 Beregning - variationsopspaltning og ANOVA tabellen 4 Hypotesetest (F-test)
Kursus 02323: Introduktion til Statistik Forelæsning 11: Envejs variansanalse, ANOVA Peder Bacher DTU Compute, Dnamiske Sstemer Bgning 303B, Rum 009 Danmarks Tekniske Universitet 2800 Lngb Danmark e-mail:
Læs mereRygtespredning: Et logistisk eksperiment
Rygtespredning: Et logistisk eksperiment For at det nu ikke skal ende i en omgang teoretisk tørsvømning er det vist på tide vi kigger på et konkret logistisk eksperiment. Der er selvfølgelig flere muligheder,
Læs mereDesign og funktionel prototype
Design og funktionel prototype 2.1) Minus scenarie Der bliver sendt nye billeder til rammen og Hans ønsker at se billederne, men billederne rotere for langsomt så Hans går op og bruger touch funktionen
Læs mereRapport. Sammendrag. Afprøvning af NIR online udstyr til måling af oksekøds spisekvalitet. Chris Claudi-Magnussen
Rapport Afprøvning af NIR online udstyr til måling af oksekøds spisekvalitet Afprøvning af mørhedsmåling med LabSpec Portable Spectrometer og VideometerLab 2. august 2010 Proj.nr. 1378902 Version 1 Chris
Læs mereEr jeg klam, hvis jeg er til slam?
ft her Er je klam, hvis je er til slam? older Jesper Lassen KU Lektor i fødevaresocioloi Sektion for Forbru, Bioetik & Reulerin Institut for Fødevare o Ressourceøkonomi Københavns Universitet jlas@ifro.ku.dk
Læs mereTestplan. Pixeline Skolehjælp Testplan. Ida- Marie J. Lundsgaard, Charlotte Frost. Fylla Giessing & Marie M. Gudsø
Testplan Pixeline Skolehjælp Testplan Projekt: Usability Testing Gruppenavne: Ida- Marie J. Lundsgaard, Charlotte Frost Fylla Giessing & Marie M. Gudsø Uddannelse: PBA E- koncept - Dansk (Erhvervsakademiet
Læs mereLogistisk regression. Statistik Kandidatuddannelsen i Folkesundhedsvidenskab
Logistis regression Statisti Kandidatuddannelsen i Folesundhedsvidensab Multipel logistis regression Antagelser: Binære observationer (Y i, i=,.,n) f.es Ja/Nej Høj/Lav Død/Levende Kodet: / 0 Y i uafhængige
Læs mereMantel-Haenszel analyser. Stratificerede epidemiologiske analyser
Mantel-Haensel analyser Stratificerede epidemiologiske analyser 1 Den epidemiologiske synsvinkel: 1) Oftest asymmetriske (kausale) sammenhænge (Eksposition Sygdom/død) 2) Risikoen vurderes bedst ved hjælp
Læs mereDifferential Evolution (DE) "Biologically-inspired computing", T. Krink, EVALife Group, Univ. of Aarhus, Denmark
Differential Evolution (DE) Differential Evolution (DE) (Storn and Price, 199) Step 1 - Initialize and evaluate Generate a random start population and evaluate the individuals x 2 search space x 1 Differential
Læs mereKort & Matrikelstyrelsen 13. februar 2009 21. årgang SØKORTRETTELSER 6 CHART CORRECTIONS. Kort & Matrikelstyrelsen ISSN 0905-1481
Kort & Matrikelstyrelsen 13. februar 2009 21. årgang SØKORTRETTELSER 6 CHART CORRECTIONS Rettelse nr. / Correction no. 42-43 Kort & Matrikelstyrelsen ISSN 0905-1481 Kort / Chart Rettelse nr. / Correction
Læs mereBesvarelse af vitcap -opgaven
Besvarelse af -opgaven Spørgsmål 1 Indlæs data Dette gøres fra Analyst med File/Open, som sædvanlig. Spørgsmål 2 Beskriv fordelingen af vital capacity og i de 3 grupper ved hjælp af summary statistics.
Læs mereReexam questions in Statistics and Evidence-based medicine, august sem. Medis/Medicin, Modul 2.4.
Reexam questions in Statistics and Evidence-based medicine, august 2013 2. sem. Medis/Medicin, Modul 2.4. Statistics : ESSAY-TYPE QUESTION 1. Intelligence tests are constructed such that the average score
Læs mereKvant Eksamen December 2010 3 timer med hjælpemidler. 1 Hvad er en continuous variable? Giv 2 illustrationer.
Kvant Eksamen December 2010 3 timer med hjælpemidler 1 Hvad er en continuous variable? Giv 2 illustrationer. What is a continuous variable? Give two illustrations. 2 Hvorfor kan man bedre drage konklusioner
Læs mereAnvendt Statistik Lektion 6. Kontingenstabeller χ 2 -test [ki-i-anden-test]
Anvendt Statistik Lektion 6 Kontingenstabeller χ 2 -test [ki-i-anden-test] 1 Kontingenstabel Formål: Illustrere/finde sammenhænge mellem to kategoriske variable Opbygning: En celle for hver kombination
Læs mereReeksamen i Statistik for Biokemikere 6. april 2009
Københavns Universitet Det Naturvidenskabelige Fakultet Reeksamen i Statistik for Biokemikere 6. april 2009 Alle hjælpemidler er tilladt, og besvarelsen må gerne skrives med blyant. Opgavesættet er på
Læs mereAnvendt Statistik Lektion 9. Variansanalyse (ANOVA)
Anvendt Statistik Lektion 9 Variansanalyse (ANOVA) 1 Undersøge sammenhæng Undersøge sammenhænge mellem kategoriske variable: χ 2 -test i kontingenstabeller Undersøge sammenhæng mellem kontinuerte variable:
Læs mereDagens Temaer. Test for lineær regression. Test for lineær regression - via proc glm. k normalfordelte obs. rækker i proc glm. p. 1/??
Dagens Temaer k normalfordelte obs. rækker i proc glm. Test for lineær regression Test for lineær regression - via proc glm p. 1/?? Proc glm Vi indlæser data i datasættet stress, der har to variable: areal,
Læs mereDeskriptiv statistik. Version 2.1. Noterne er et supplement til Vejen til matematik AB1. Henrik S. Hansen, Sct. Knuds Gymnasium
Deskriptiv (beskrivende) statistik er den disciplin, der trækker de væsentligste oplysninger ud af et ofte uoverskueligt materiale. Det sker f.eks. ved at konstruere forskellige deskriptorer, d.v.s. regnestørrelser,
Læs mereKonfidensintervaller og Hypotesetest
Konfidensintervaller og Hypotesetest Konfidensinterval for andele χ -fordelingen og konfidensinterval for variansen Hypoteseteori Hypotesetest af middelværdi, varians og andele Repetition fra sidst: Konfidensintervaller
Læs mereLøsning til øvelsesopgaver dag 4 spg 5-9
Løsning til øvelsesopgaver dag 4 spg 5-9 5: Den multiple model Vi tilføjer nu yderligere to variable til vores model : Køn og kolesterol SBP = a + b*age + c*chol + d*mand hvor mand er 1 for mænd, 0 for
Læs mereRegressionsanalyser. Hvad er det statistiske problem? Primære og sekundære problemer. Metodeproblemer.
Regressionsanalyser Hvad er det statistiske problem? Primære og sekundære problemer. Metodeproblemer. Hvilke faglige problemer kan man løse vha. regressionsanalyser? 1 Regressionsanalyser Det primære problem
Læs mereOpgavetyper for mindstekrav i MAT B
Opavetyper for mindstekrav i MAT B Nummer o emner 1: Grundlæende alebra 2: Lineære 3: Lineære 4: Lineære Beskrivelse Løsnin af førsteradslinin linin forskriften for en lineær funktion ennem to punkter
Læs mereMedarbejdetrivselsanalyse Delrapport: Funktionærer
Medarbejdetrivselsanalyse Delrapport: er TOP De spørsmål, hvor der er opnået de højeste ennemsnit Je har et odt forhold til mine kolleer, De interne EDB-systemer er velfunerende?, Mine arbejdsopaver o
Læs mereUndersøgelse af hæleri danskernes viden, holdning og adfærd
Undersøgelse af hæleri danskernes viden, holdning og adfærd Baggrund Køb og salg af stjålne varer (hæleri) er et stigende problem i Danmark. Selvom antallet af indbrud er stigende, og forsikringsselskabernes
Læs mereTrolling Master Bornholm 2016 Nyhedsbrev nr. 3
Trolling Master Bornholm 2016 Nyhedsbrev nr. 3 English version further down Den første dag i Bornholmerlaks konkurrencen Formanden for Bornholms Trollingklub, Anders Schou Jensen (og meddomer i TMB) fik
Læs mereModule 12: Mere om variansanalyse
Mathematical Statistics ST06: Linear Models Bent Jørgensen og Pia Larsen Module 2: Mere om variansanalyse 2. Parreded observationer................................ 2.2 Faktor med 2 niveauer (0- variabel)........................
Læs mereEksamen 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 mereEvaluating Germplasm for Resistance to Reniform Nematode. D. B. Weaver and K. S. Lawrence Auburn University
Evaluating Germplasm for Resistance to Reniform Nematode D. B. Weaver and K. S. Lawrence Auburn University Major objectives Evaluate all available accessions of G. hirsutum (TX list) for reaction to reniform
Læs mereDokumentation af programmering i Python 2.75
Dokumentation af programmering i Python 2.75 Af: Alexander Bergendorff Jeg vil i dette dokument, dokumentere det arbejde jeg har lavet i løbet opstarts forløbet i Programmering C. Jeg vil forsøge, så vidt
Læs mereListe over relevante ISO statistik standarder
Liste over relevante statistik standarder Betegnel se Nummer Status Udga Udga ve nr. ve År titel Dansk titel DS/ 2602 P 2 1981 Statistical interpretation of test results - Estimation of the mean - Statistisk
Læs mereVægtAgenten Betjeningsvejledning Version 3.0
Download og installation Dagligt brug Side 1 af 6 Trin 1: Denne vejledning beskriver, hvordan du Downloader og installerer VægtAgenten Vigtigt! Bruger du Windows 95 eller 98 så se her: Før du installerer
Læs mereMeasuring the Impact of Bicycle Marketing Messages. Thomas Krag Mobility Advice Trafikdage i Aalborg, 27.08.2013
Measuring the Impact of Bicycle Marketing Messages Thomas Krag Mobility Advice Trafikdage i Aalborg, 27.08.2013 The challenge Compare The pilot pictures The choice The survey technique Only one picture
Læs mereEvaluering af Soltimer
DANMARKS METEOROLOGISKE INSTITUT TEKNISK RAPPORT 01-16 Evaluering af Soltimer Maja Kjørup Nielsen Juni 2001 København 2001 ISSN 0906-897X (Online 1399-1388) Indholdsfortegnelse Indledning... 1 Beregning
Læs mereKursus i varians- og regressionsanalyse Data med detektionsgrænse. Birthe Lykke Thomsen H. Lundbeck A/S
Kursus i varians- og regressionsanalyse Data med detektionsgrænse Birthe Lykke Thomsen H. Lundbeck A/S 1 Data med detektionsgrænse Venstrecensurering: Baggrundsstøj eller begrænsning i måleudstyrets følsomhed
Læs mereForholdet mellem omkostninger og kvalitet Hvad ved økonomer om det?
Forholdet mellem omkostninger og kvalitet Hvad ved økonomer om det? Anne Hvenegaard Senior projektleder, Dansk Sundhedsinstitut ah@dsi.dk Mine indledende antagelser/kommentarer! Økonomer ved noget om økonomi
Læs mereVina Nguyen HSSP July 13, 2008
Vina Nguyen HSSP July 13, 2008 1 What does it mean if sets A, B, C are a partition of set D? 2 How do you calculate P(A B) using the formula for conditional probability? 3 What is the difference between
Læs mereWorkflowanalyser og hvordan disse kan bruges i designfaserne
Workflowanalyser og hvordan disse kan bruges i designfaserne Pernille Weiss Terkildsen pwt@archimed.dk www.archimed.dk +45 2148 2909 Sygeplejerske Cand. Scient. i sundhedsvidenskab Master of Leadership
Læs mereMultipel Lineær Regression. Polynomiel regression Ikke-lineære modeller og transformation Multi-kolinearitet Auto-korrelation og Durbin-Watson test
Multipel Lineær Regression Polynomiel regression Ikke-lineære modeller og transformation Multi-kolinearitet Auto-korrelation og Durbin-Watson test Multipel lineær regression x,x,,x k uafhængige variable
Læs mereNotat. Notat om produktivitet og lange videregående uddannelser. Martin Junge. Oktober
Notat Oktober Notat om produktivitet og lange videregående uddannelser Martin Junge Oktober 21 Notat om produktivitet og lange videregående uddannelser Notat om produktivitet og lange videregående uddannelser
Læs mereKapitel 3 Centraltendens og spredning
Kapitel 3 Centraltendens og spredning Peter Tibert Stoltze stat@peterstoltze.dk Elementær statistik F2011 1 / 25 Indledning I kapitel 2 omsatte vi de rå data til en tabel, der bedre viste materialets fordeling
Læs mereAT-1. Oktober 09 + December 10 + November 11. CL+JW. Stenhus. side 1/5
AT-1. Oktober 09 + December 10 + November 11. CL+JW. Stenhus. side 1/5 1. 2. 3. 4. AT-1. Metodemæssig baggrund. Oktober 09. (NB: Til inspiration da disse papirer har været anvendt i gamle AT-forløb med
Læs mereRemote Sensing til estimering af nedbør og fordampning
Remote Sensing til estimering af nedbør og fordampning Mads Olander Rasmussen Remote Sensing & GIS Expert GRAS A/S How can remote sensing assist assessment of hydrological resources? -with special focus
Læs mereOversigt. 1 Eksempel. 2 Fordelingen for gennemsnittet t-fordelingen. 3 Konfidensintervallet for µ Eksempel
Kursus 02402/02323 Introducerende Statistik Forelæsning 4: Konfidensinterval for middelværdi (og spredning) Klaus K. Andersen og Per Bruun Brockhoff DTU Compute, Statistik og Dataanalyse Danmarks Tekniske
Læs mereBasal statistik for lægevidenskabelige forskere, forår 2014 Udleveret 4. marts, afleveres senest ved øvelserne i uge 13 (25.
Hjemmeopgave Basal statistik for lægevidenskabelige forskere, forår 2014 Udleveret 4. marts, afleveres senest ved øvelserne i uge 13 (25.-27 marts) Garvey et al. interesserer sig for sammenhængen mellem
Læs mereHvad er matematik? C, i-bog ISBN 978 87 7066 499 8. 2011 L&R Uddannelse A/S Vognmagergade 11 DK-1148 København K Tlf: 43503030 Email: info@lru.
1.1 Introduktion: Euklids algoritme er berømt af mange årsager: Det er en af de første effektive algoritmer man kender i matematikhistorien og den er uløseligt forbundet med problemerne omkring de inkommensurable
Læs merePostoperative komplikationer
Løsninger til øvelser i kategoriske data, oktober 2008 1 Postoperative komplikationer Udgangspunktet for vurdering af den ny metode må være en nulhypotese om at der er samme komplikationshyppighed, 20%.
Læs mereVindpark Øster Børsting. Bilag 7 Vindberegninger og vurderinger
Vindpark Øster Børsting Bilag 7 Vindberegninger og vurderinger (EMD) garanterer ikke og kan ikke holdes ansvarlig for eventuelle fejl Loss&Uncertainty - Hovedresultat Main data for PARK PARK calculation
Læs mereEstimation og usikkerhed
Estimation og usikkerhed = estimat af en eller anden ukendt størrelse, τ. ypiske ukendte størrelser Sandsynligheder eoretisk middelværdi eoretisk varians Parametre i statistiske modeller 1 Krav til gode
Læs mereNOTAT: LEDIGHEDSBEGREBET VED DIMENSIONERINGEN AF ANTROPOLOGI ANALYSE OG TAL
NOTAT: LEDIGHEDSBEGREBET VED DIMENSIONERINGEN AF ANTROPOLOGI ANALYSE OG TAL Notat - Ledighedsbegrebet ved dimensioneringen af antropologi Udarbejdet af: Thomas Mørch Pedersen Malte Moll Wingender Ved:
Læs mereMatematik B. Højere handelseksamen
Matematik B Højere handelseksamen hhx122-mat/b-17082012 Fredag den 17. august 2012 kl. 9.00-13.00 Prøven består af to delprøver. Delprøven uden hjælpemidler består af opgave 1 til 5 med i alt 5 spørgsmål.
Læs mere! Husk at udfylde spørgeskema 3. ! Lineær sandsynlighedsmodel. ! Eksempel. ! Mere om evaluering og selvselektion
Dagens program Økonometri 1 Dummy variable 4. marts 003 Emnet for denne forelæsning er kvalitative variable i den multiple regressionsmodel (Wooldridge kap. 7.5-7.6+8.1)! Husk at udfylde spørgeskema 3!
Læs mereto register
www.livebidding.com.au to register ON ON PROPERTY RAM SALE LIST THURSDAY 15TH SEPTEMBER 2016 Inspection 9.30 Sale 1pm Glenwood 39R Dilladerry Rd Dubbo Matthew & Cherie Coddington 0438 877286 68877286 rpmerinos@bigpond.com
Læs mereDoodleBUGS (Hands-on)
DoodleBUGS (Hands-on) Simple example: Program: bino_ave_sim_doodle.odc A simulation example Generate a sample from F=(r1+r2)/2 where r1~bin(0.5,200) and r2~bin(0.25,100) Note that E(F)=(100+25)/2=62.5
Læs mereKUNDETILFREDSHEDSMÅLING 2015
KUNDETILFREDSHEDSMÅLING 2015 KALUNDBORG FORSYNING Totalrapport December 2015 Antal besvarelser: Svarprocent: 558 28% INDHOLD 3 HOVEDRESULTATER OPSUMMERET 4 OM DENNE RAPPORT 4 EFFEKTANALYSE 5 OPBYGNING
Læs mereLøsning til eksaminen d. 14. december 2009
DTU Informatik 02402 Introduktion til Statistik 200-2-0 LFF/lff Løsning til eksaminen d. 4. december 2009 Referencer til Probability and Statistics for Engineers er angivet i rækkefølgen [8th edition,
Læs mereOm at løse problemer En opgave-workshop Beregnelighed og kompleksitet
Om at løse problemer En opgave-workshop Beregnelighed og kompleksitet Hans Hüttel 27. oktober 2004 Mathematics, you see, is not a spectator sport. To understand mathematics means to be able to do mathematics.
Læs mere