)DJOLJ UDSSRUW IUD '08 QU 129$1$ 0DULQH RPUnGHU 7LOVWDQG RJ XGYLNOLQJ L PLOM RJ QDWXUNYDOLWHWHQ *XQQL UWHEMHUJ UHG %LODJ Bilag-1
|
|
- Fredrik Asmussen
- 7 år siden
- Visninger:
Transkript
1 )DJOLJUDSSRUWIUD'08QU 129$1$ 0DULQHRPUnGHU 7LOVWDQGRJXGYLNOLQJLPLOM RJQDWXUNYDOLWHWHQ *XQQL UWHEMHUJUHG %LODJ Bilag-1
2 %LODJ %HVNULYHOVHDIDQYHQGWHLQGHNVRJNRUUHNWLRQHUIRU NOLPDWLVNHYDULDWLRQHU 1 ULQJVVWRINRQFHQWUDWLRQHUNORURI\ORJVLJWG\EGH 7UHVLGHWYDULDQVDQDO\VHIRUVWDWLRQVPnQHGVRJnUVYDULDWLRQ Koncentrationer af næringsstoffer blev analyseret ved hjælp af en tresidet variansanalyse. Alle koncentrationer er før analysen blevet logaritmisk transformeret af følgende årsager: 1. De tre faktorer forventes at have en multiplikativ effekt på koncentrationerne af næringssalte og klorofyl. Ved logaritmisk transformation bliver den multiplikative model til en additiv model. 2. Store koncentrationer har større variationer end små koncentrationer. Ved logaritmisk transformering opnås varianshomogenitet. 3. Residualerne fra en variansanalyse uden transformation vil have en højreskæv fordeling. Ved logaritmisk transformation bliver residualerne fra variansanalysen tilnærmelsesvis normalfordelte. De logaritmisk transformerede koncentrationer deles op i variationer, som kan tilskrives stationsafhængighed (STATION), sæsonvariation (MÅNED) og år til år variation (ÅR). Der er kun medtaget hovedeffekter i modellen, dvs. ingen krydseffekter. log(c) = STATION i+år j+måned k+e ijk hvor e ijk N(0,σ 2 ) Hovedeffekterne, som estimeres ved hjælp af modellen, har følgende fortolkning: STATION i er middelniveauet for de enkelte stationer, når der er taget højde for år til år variationen og sæsonvariationen. ÅR j er middelniveauet for de enkelte år som indgår i analysen, når der er taget højde for den stationsafhængige variation og sæsonvariationen. MÅNED k er middelniveauet for årets 12 måneder, når der er taget højde for den stationsafhængige variation og år til år variationen. Hovedvariationerne er signifikante for alle næringssalte og klorofyl. Residualerne fra variansanalysen er dernæst afbildet i histogrammet, hvilket har vist, at residualerne tilnærmelsesvist er normalfordelte. Efterfølgende er de estimerede hovedeffekter transformeret tilbage vha. exponential funktionen. Hvis α er middelværdien og β er spredningen på de estimerede hovedeffekter af de log-transformerede data, bliver den geometriske middelværdi µ for de utransformerede data = e[s( α) Et approximativt 95% konfidensinterval for den geometriske middelværdi fås som [ exp( α 2 β ) ; exp( α + 2 β ) ] Eksempelvis estimeres af variansanalysen, at middelniveauet for log(din) i åbne farvande i 2006 var normalfordelt N(2,43;0,054 2 ), hvilket ved transformationen ovenfor giver, at middelniveauet for DIN er 11,31 µg N l -1 med et 95% konfidensinterval på [10,15;12,59]. Bilag-2
3 .RUUHNWLRQHUIRUNOLPDWLVNHYDULDWLRQHU Ferskvandsafstrømningen er den vigtigste klimatiske faktor som påvirker næringsstofkoncentrationerne, og afstrømningen blev derfor anvendt til at korrigere for klimatiske variationer. Relationen mellem afstrømning og middelkoncentrationerne af DIN og TN på basis af årene var særdeles gode (ILJXU ), hvilket er forventeligt, idet størstedelen af kvælstoftilførslen stammer fra diffuse kilder og dermed afstrømningen. For DIP og TP blev årene udeladt af samme årsag som for kvælstof sammen med årene , hvor punktkildebidraget var relativt stort. Det markante skift omkring 1998 er ikke observeret for DSi, men til gengæld er 1989 og 1990 udeladt, da detektionsgrænserne for mange af målingerne på amtsstationerne var meget høje. )LJXUÅrsmiddelkoncentrationer for DIN, TN, DIP, TP og DSi i fjorde og kystnære områder mod afstrømning. Årene er markeret med firkanter for DIN, TN, DIP og TP. For DIP og TP er årene 1989, 1990 og 1991 markeret med trekanter, og for DSi er årene 1989 og 1990 markeret med trekanter. Bilag-3
4 Da næringsstofkoncentrationerne i fjorde og kystnære områder havde et meget karakteristisk skift i forhold til afstrømningen efter 1997, blev de samme kriterier for valg af data til bestemmelse af relationer benyttet for åbne farvande (DIN, TN: ; DIP, TP: ). For TN gav dette statistisk signifikante sammenhænge med afstrømningen, og for DIN, DIP og TP blev relationerne forbedret om end ikke statistisk signifikante (fljxu). Alle år blev benyttet for DSi, da der ikke var noget karakteristisk skift omkring )LJXUÅrsmiddelkoncentrationer for DIN, TN, DIP, TP og DSi i overfladevand for åbne havområder (0-10 m) mod afstrømning. Årene er markeret med firkanter for DIN, TN, DIP og TP, og for DIP og TP er årene 1989, 1990 og 1991 markeret med trekanter. Bilag-4
5 I de åbne indre farvandes bundvand ( 15 m) blev de samme kriterier for valg af data til bestemmelse af relationer benyttet for overfladevand (DIN, TN: ; DIP, TP: ; DSi: ). For DIN, TN og DSi gav dette statistisk signifikante sammenhænge med afstrømningen, hvorimod DIP og TP ikke viste nogen stærk sammenhæng mod afstrømningen (ILJXU). )LJXUÅrsmiddelkoncentrationer for DIN, TN, DIP og TP for bundvand ( 15 m) i åbne indre havområder mod afstrømning. Årene er markeret med firkanter for DIN, TN, DIP og TP, og for DIP og TP er årene 1989, 1990 og 1991 markeret med trekanter. Bilag-5
6 %LODJ 'DWDDQDO\VHUEXQGYHJHWDWLRQ 2UJDQLVHULQJDIGDWD Vegetationsdata er analyseret områdevist frem for stationsvist, fordi vi så kan inkludere data fra samtlige stationer i fjord/kystområderne, selvom stationernes antal og placering varierer mellem årene. I praksis betyder det, at hver af parametrene - ålegræssets dybdegrænse og dækningsgrad og eutrofieringsbetingede algers dækningsgrad - er beregnet som gennemsnit af data fra et givet område (eksempelvis Vejle Yderfjord) i et givet år. Analyserne inkluderer kun fjord-/kystområder med data fra mindst 5 år. Hvert område er kategoriseret som enten åben kyst, yderfjord eller inderfjord. 7UDQVIRUPDWLRQHU I analyserne er data for dækningsgrader arcsin-transformeret. Det skyldes, at observationer af dækningsgrader fra 0-100% er opad- og nedadtil begrænsede data og at de almindelige analyseværktøjer, statistiske tests mv. under antagelse af normalfordelte data derfor ikke umiddelbart kan anvendes. Især vil der være afvigelser fra normalfordeling i det nedre (0-30%) og øvre område (70-100%) af skalaen. For at tilnærme normalfordeling, skal data derfor tranformeres. En passende transformation er: p = arcsin ( ningsgraden (fx p = 0,50 = 50%) (Zar, J.H.: Biostatistical Analysis. Prentice Hall 1996). S ), hvor p = dæk-,qghnvhulqjrjnruuhodwlrqvdqdo\vh For hvert fjordområde er de enkelte parameterværdier omregnet til en indeksværdi. Indeks 100% er defineret som gennemsnittet for perioden , og de enkelte års indeksværdi er beregnet i forhold til dette gennemsnit. Indekseringen har den fordel, at den viser relative ændringer i det enkelte område fra år til år, således at udviklingen i områder med dybe og lave ålegræsbestande får samme vægt i analyserne. Endelig har vi beregnet landsgennemsnittet af indeksene for hver af områdetyperne åben kyst, yderfjord og inderfjord gennem perioden Tidsserierne af disse landsindeks er analyseret for statistiske udviklingstendenser ved hjælp af Kendall-korrelationer. Bilag-6
Bilag 1 Beskrivelse af anvendte indeks og korrektioner for klimatiske variationer
Bilag 1 Beskrivelse af anvendte indeks og korrektioner for klimatiske variationer Næringsstofkoncentrationer Tresidet variansanalyse for stations-, måneds- og årsvariation Koncentrationer af næringsstoffer
Læs mereDanmarks Miljøundersøgelser Miljøministeriet. Marine områder 2004 Tilstand og udvikling i miljø- og naturkvaliteten
Danmarks Miljøundersøgelser Miljøministeriet NOVANA Bilag Marine områder Tilstand og udvikling i miljø- og naturkvaliteten Faglig rapport fra DMU, nr. 551 2005 Gunni Ærtebjerg, m.fl. Bilag 1 Bilag 2 Beskrivelse
Læs mereBilag til. Marine områder Miljøtilstand og udvikling
Bilag til Marine områder - Miljøtilstand og udvikling Bilag 1 Beskrivelse af anvendte indeks og korrektioner for klimatiske variationer, næringsstofkoncentrationer Tresidet variansanalyse for stations-,
Læs mereBilag 1 Beskrivelse af anvendte indeks og korrektioner for klimatiske variationer
Bilag 1 Beskrivelse af anvendte indeks og korrektioner for klimatiske variationer Næringsstofkoncentrationer Tresidet variansanalyse for stations-, måneds- og årsvariation Koncentrationer af næringsstoffer
Læs mereBilag 2. Marine områder Miljøtilstand og udvikling. Faglig rapport fra DMU, nr Danmarks Miljøundersøgelser Miljøministeriet
Danmarks Miljøundersøgelser Miljøministeriet NOVA-2003 Bilag Marine områder 2003 - Miljøtilstand og udvikling Faglig rapport fra DMU, nr. 513 2004 Bilag 1 Bilag 2 Beskrivelse af anvendte indeks, korrektioner
Læs mereEksamen i Statistik for biokemikere. Blok
Eksamen i Statistik for biokemikere. Blok 2 2007. Vejledende besvarelse 22-01-2007, Niels Richard Hansen Bemærkning: Flere steder er der givet en argumentation (f.eks. baseret på konfidensintervaller)
Læs mereProgram. Residualanalyse Flersidet variansanalyse. Opgave BK.15. Modelkontrol: residualplot
Program Residualanalyse Flersidet variansanalyse Helle Sørensen Modelkontrol (residualanalyse) i tosidet ANOVA med vekselvirkning. Test og konklusion i tosidet ANOVA (repetition) Tresidet ANOVA: the works
Læs mere6. SEMESTER Epidemiologi og Biostatistik Opgaver til Uge 1 (fredag)
Institut for Folkesundhed Afdeling for Biostatistik Afdeling for Epidemiologi. SEMESTER Epidemiologi og Biostatistik Opgaver til Uge 1 (fredag) Opgave 1 Udgangspunktet for de følgende spørgsmål er artiklen:
Læs mere6. SEMESTER Epidemiologi og Biostatistik Opgaver til Uge 1 (fredag)
Institut for Epidemiologi og Socialmedicin Institut for Biostatistik. SEMESTER Epidemiologi og Biostatistik Opgaver til Uge 1 (fredag) Opgave 1 Læs afsnit.1 i An Introduction to Medical Statistics, specielt
Læs mereUdvikling i udvalgte parametre i marine områder. Udvikling i transport af nitrat på målestationer
Udvikling i udvalgte parametre i marine områder. Udvikling i transport af nitrat på målestationer Notat fra DCE - Nationalt Center for Miljø og Energi Dato: 7. december 2017 Poul Nordemann Jensen DCE -
Læs mereProgram. Flersidet variansanalyse og hierarkiske modeller. Eksempel: iltoptag for krabber. Eksempel: iltoptag for krabber.
Program Flersidet variansanalyse og hierarkiske modeller Helle Sørensen E-mail: helle@math.ku.dk StatBK (Uge 50, mandag) Flersidet ANOVA 1 / 19 StatBK (Uge 50, mandag) Flersidet ANOVA 2 / 19 Eksempel:
Læs mereMuligheder: NB: test for µ 1 = µ 2 i model med blocking ækvivalent med parret t-test! Ide: anskue β j som stikprøve fra normalfordeling.
Eksempel: dæktyper og brændstofforbrug (opgave 25 side 319) Program: cars 1 2 3 4 5... radial 4.2 4.7 6.6 7.0 6.7... belt 4.1 4.9 6.2 6.9 6.8... Muligheder: 1. vi starter med at gennemgå opgave 7 side
Læs mereModel. k = 3 grupper: hvor ǫ ij uafhængige og normalfordelte med middelværdi nul og varians σi 2, i = 1,2,3.
Model Program (8.15-10): 1. ensidet variansanalyse. 2. forsøgsplanlægning: blocking. Bruger nu to indices: i = 1,...,k for gruppenr. og j = 1,...,n i for observation indenfor gruppe. k = 3 grupper: µ 1
Læs mereNormalfordelingen. Det centrale er gentagne målinger/observationer (en stikprøve), der kan beskrives ved den normale fordeling: 1 2πσ
Normalfordelingen Det centrale er gentagne målinger/observationer (en stikprøve), der kan beskrives ved den normale fordeling: f(x) = ( ) 1 exp (x µ)2 2πσ 2 σ 2 Frekvensen af observationer i intervallet
Læs mereLøsning til eksamensopgaven i Basal Biostatistik (J.nr.: 1050/06)
Afdeling for Biostatistik Bo Martin Bibby 23. november 2006 Løsning til eksamensopgaven i Basal Biostatistik (J.nr.: 1050/06) Vi betragter 4699 personer fra Framingham-studiet. Der er oplysninger om follow-up
Læs mereStatistik Lektion 4. Variansanalyse Modelkontrol
Statistik Lektion 4 Variansanalyse Modelkontrol Eksempel Spørgsmål: Er der sammenhæng mellem udetemperaturen og forbruget af gas? Y : Forbrug af gas (gas) X : Udetemperatur (temp) Scatterplot SPSS: Estimerede
Læs mereProgram. 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 mereStatistisk analyse af næringsstoffers stabilitet
Statistisk analyse af næringsstoffers stabilitet Notat fra DCE Nationalt Center for Miljø og Energi Dato: 4. august 216 Jacob Carstensen Institut for Bioscience Rekvirent: Naturstyrelsen Antal sider: 21
Læs mere02402 Vejledende løsninger til Splus-opgaverne fra hele kurset
02402 Vejledende løsninger til Splus-opgaverne fra hele kurset Vejledende løsning SPL3.3.1 Der er tale om en binomialfordeling med n =10ogp=0.6, og den angivne sandsynlighed er P (X =4) som i bogen også
Læs mereLandmålingens fejlteori - Repetition - Fordeling af slutfejl - Lektion 8
Landmålingens fejlteori Repetition - Fordeling af slutfejl Lektion 8 - tvede@math.aau.dk http://www.math.aau.dk/ tvede/teaching/l4 Institut for Matematiske Fag Aalborg Universitet 15. maj 2008 1/13 Fordeling
Læs mereProgram: 1. Repetition: p-værdi 2. Simpel lineær regression. 1/19
Program: 1. Repetition: p-værdi 2. Simpel lineær regression. 1/19 For test med signifikansniveau α: p < α forkast H 0 2/19 p-værdi Betragt tilfældet med test for H 0 : µ = µ 0 (σ kendt). Idé: jo større
Læs mereProgram. 1. ensidet variansanalyse. 2. forsøgsplanlægning: blocking. 1/12
Program 1. ensidet variansanalyse. 2. forsøgsplanlægning: blocking. 1/12 Ensidet variansanalyse: analyse af grupperede data Nedbrydningsrate for tre typer af opløsningsmidler (opgave 13.8 side 523) Sorption
Læs mereAnalysestrategi. Lektion 7 slides kompileret 27. oktober 200315:24 p.1/17
nalysestrategi Vælg statistisk model. Estimere parametre i model. fx. lineær regression Udføre modelkontrol beskriver modellen data tilstrækkelig godt og er modellens antagelser opfyldte fx. vha. residualanalyse
Læs mereKapitel 12 Variansanalyse
Kapitel 12 Variansanalyse Peter Tibert Stoltze stat@peterstoltzedk Elementær statistik F2011 Version 7 april 2011 1 / 43 Indledning Sammenligning af middelværdien i to grupper indenfor en stikprøve kan
Læs mereKapitel 12 Variansanalyse
Kapitel 12 Variansanalyse Peter Tibert Stoltze stat@peterstoltzedk Elementær statistik F2011 Version 7 april 2011 1 Indledning 2 Ensidet variansanalyse 3 Blokforsøg 4 Vekselvirkning 1 Indledning 2 Ensidet
Læs mereUge 10 Teoretisk Statistik 1. marts 2004
1 Uge 10 Teoretisk Statistik 1. marts 004 1. u-fordelingen. Normalfordelingen 3. Middelværdi og varians 4. Mere normalfordelingsteori 5. Grafisk kontrol af normalfordelingsantagelse 6. Eksempler 7. Oversigt
Læs mereOpgave 11.4 side 316 (7ed: 11.4, side 352 og 6ed: 11.2, side 345)
Kursus 4: Besvarelser til øvelses- og hjemmeopgaver i uge 11 Opgave 11.4 side 316 (7ed: 11.4, side 35 og 6ed: 11., side 345) Opgaven består i at foretage en regressionsanalse. Først afbildes data som i
Læs mereEpidemiologi og biostatistik. Uge 3, torsdag. Erik Parner, Institut for Biostatistik. Regressionsanalyse
Epidemiologi og biostatistik. Uge, torsdag. Erik Parner, Institut for Biostatistik. Lineær regressionsanalyse - Simpel lineær regression - Multipel lineær regression Regressionsanalyse Regressionsanalyser
Læs mereNæringsstoffer i vandløb
Næringsstoffer i vandløb Jens Bøgestrand, DCE AARHUS Datagrundlag Ca. 150 målestationer / lokaliteter 1989 2013, dog med en vis udskiftning. Kun fulde tidsserier analyseres for udvikling. 12-26 årlige
Læs meremen nu er Z N((µ 1 µ 0 ) n/σ, 1)!! Forkaster hvis X 191 eller X 209 eller
Type I og type II fejl Type I fejl: forkast når hypotese sand. α = signifikansniveau= P(type I fejl) Program (8.15-10): Hvis vi forkaster når Z < 2.58 eller Z > 2.58 er α = P(Z < 2.58) + P(Z > 2.58) =
Læs merePræcisering af trendanalyser af den normaliserede totale og diffuse kvælstoftransport i perioden
Præcisering af trendanalyser af den normaliserede totale og diffuse kvælstoftransport i perioden 2005-2012 Notat fra DCE - Nationalt Center for Miljø og Energi Dato: 7. april 2014 30. april 2014 Søren
Læs mereProgram. 1. Repetition 2. Fordeling af empirisk middelværdi og varians, t-fordeling, begreber vedr. estimation. 1/18
Program 1. Repetition 2. Fordeling af empirisk middelværdi og varians, t-fordeling, begreber vedr. estimation. 1/18 Fordeling af X Stikprøve X 1,X 2,...,X n stokastisk X stokastisk. Ex (normalfordelt stikprøve)
Læs mereVejledende besvarelse af eksamen i Statistik for biokemikere, blok
Opgave 1 Vejledende besvarelse af eksamen i Statistik for biokemikere, blok 2 2006 Inge Henningsen og Niels Richard Hansen Analysevariablen i denne opgave er variablen forskel, der for hver af 10 kvinder
Læs mereLandmålingens fejlteori - Lektion 2. Sandsynlighedsintervaller Estimation af µ Konfidensinterval for µ. Definition: Normalfordelingen
Landmålingens fejlteori Lektion Sandsynlighedsintervaller Estimation af µ Konfidensinterval for µ - rw@math.aau.dk Institut for Matematiske Fag Aalborg Universitet En stokastisk variabel er en variabel,
Læs mere3.600 kg og den gennemsnitlige fødselsvægt kg i stikprøven.
PhD-kursus i Basal Biostatistik, efterår 2006 Dag 1, onsdag den 6. september 2006 Eksempel: Sammenhæng mellem moderens alder og fødselsvægt I dag: Introduktion til statistik gennem analyse af en stikprøve
Læs mereHvorfor er normalfordelingen så normal?
Hvorfor er normalfordelingen så normal? Søren Højsgaard Institut for Matematiske Fag, Aalborg Universitet October 24, 2018 normalfordelingen så normal? October 24, 2018 1 / 13 Højde af kvinder Histogram
Læs mereTema. Model og modelkontrol ( Fx. en normalfordelt obs. række m. kendt varians) Estimation af parametre. Fordeling. Hypotese og test. Teststørrelse.
Tema Model og modelkontrol ( Fx. en normalfordelt obs. række m. kendt varians) Estimation af parametre. Fordeling. (Fx. x. µ) Hypotese og test. Teststørrelse. (Fx. H 0 : µ = µ 0 ) konfidensintervaller
Læs mereEksamen i Statistik og skalavalidering
Eksamen i Statistik og skalavalidering 2009-studieordning Til aflevering d. 22. december 2010 Efterårssemestret 2010, Kandidatuddannelsen i Folkesundhedsvidenskab Opgaven er udarbejdet af: Eksamensnummer
Læs mereModelkontrol i Faktor Modeller
Modelkontrol i Faktor Modeller Julie Lyng Forman Københavns Universitet Afdeling for Anvendt Matematik og Statistik Statistik for Biokemikere 2003 For at konklusionerne på en ensidet, flersidet eller hierarkisk
Læs mereSammenfatning. depositioner til de enkelte farvands- og landområder, kildefordeling og det danske bidrag til depositionen
Sammenfatning Denne rapport sammenfatter de vigtigste konklusioner fra atmosfæredelen af NOVA 2003 og opsummerer hovedresultaterne vedrørende måling og beregning af koncentrationer af atmosfæriske kvælstof-,
Læs mereProdukt og marked - matematiske og statistiske metoder
Produkt og marked - matematiske og statistiske metoder Rasmus Waagepetersen Institut for Matematiske Fag Aalborg Universitet February 19, 2016 1/26 Kursusindhold: Sandsynlighedsregning og lagerstyring
Læs mereProgram: 1. Repetition: fordeling af observatorer X, S 2 og t. 2. Konfidens-intervaller, hypotese test, type I og type II fejl, styrke.
Program: 1. Repetition: fordeling af observatorer X, S 2 og t. 2. Konfidens-intervaller, hypotese test, type I og type II fejl, styrke. 1/23 Opsummering af fordelinger X 1. Kendt σ: Z = X µ σ/ n N(0,1)
Læs mereSandsynlighedsfordelinger for kontinuerte data på interval/ratioskala
3 5% 5% 5% 0 3 4 5 6 7 8 9 0 Statistik for biologer 005-6, modul 5: Normalfordelingen opstår når mange forskellige faktorer uafhængigt af hinanden bidrager med additiv variation til. F.eks. Højde af rekrutter
Læs meret-fordeling Boxplot af stikprøve (n=20) fra t(2)-fordeling Program ( ): 1. repetition: fordeling af observatorer X, S 2 og t.
t-fordeling Boxplot af stikprøve (n=20) fra t(2)-fordeling Program (8.15-10): 1. repetition: fordeling af observatorer X, S 2 og t. 2. konfidens-intervaller, hypotese test, type I og type II fejl, styrke,
Læs mereModeller for danske fjorde og kystnære havområder
NST projektet Implementeringen af modeller til brug for vandforvaltningen Modeller for danske fjorde og kystnære havområder Indsatsoptimering i henhold til inderfjorde og yderfjorde Naturstyrelsen Rapport
Læs mereHøjde af kvinder 2 / 18
Hvorfor er normalfordelingen så normal? og er den nu også det? Søren Højsgaard (updated: 2019-03-17) 1 / 18 Højde af kvinder 2 / 18 Inddeler man i mindre grupper kan man forestille sig at histogrammet
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 mereProgram. Konfidensinterval og hypotesetest, del 2 en enkelt normalfordelt stikprøve I SAS. Øvelse: effekt af diæter
Program Konfidensinterval og hypotesetest, del 2 en enkelt normalfordelt stikprøve Helle Sørensen E-mail: helle@math.ku.dk I formiddag: Øvelse: effekt af diæter. Repetition fra sidst... Parrede og ikke-parrede
Læs mereTema. Dagens tema: Indfør centrale statistiske begreber.
Tema Dagens tema: Indfør centrale statistiske begreber. Model og modelkontrol Estimation af parametre. Fordeling. Hypotese og test. Teststørrelse. konfidensintervaller Vi tager udgangspunkt i Ex. 3.1 i
Læs mere1 Hb SS Hb Sβ Hb SC = , (s = )
PhD-kursus i Basal Biostatistik, efterår 2006 Dag 6, onsdag den 11. oktober 2006 Eksempel 9.1: Hæmoglobin-niveau og seglcellesygdom Data: Hæmoglobin-niveau (g/dl) for 41 patienter med en af tre typer seglcellesygdom.
Læs mereLøsninger til kapitel 9
Opgave 9.1 a) test for spredning, ensidet b) test for middelværdi, ensidet c) test for andel, ensidet d) test for to andele, ensidet e) test for spredning, tosidet f) test for middelværdi, ensidet g) test
Læs mereEpidemiologi og biostatistik. Uge 3, torsdag. Erik Parner, Afdeling for Biostatistik. Eksempel: Systolisk blodtryk
Eksempel: Systolisk blodtryk Udgangspunkt: Vi ønsker at prædiktere det systoliske blodtryk hos en gruppe af personer. Epidemiologi og biostatistik. Uge, torsdag. Erik Parner, Afdeling for Biostatistik.
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 mereKursusindhold: Produkt og marked - matematiske og statistiske metoder. Monte Carlo
Kursusindhold: Produkt og marked - matematiske og statistiske metoder Rasmus Waagepetersen Institut for Matematiske Fag Aalborg Universitet Sandsynlighedsregning og lagerstyring Normalfordelingen og Monte
Læs mereEnsidet eller tosidet alternativ. Hypoteser. tosidet alternativ. nul hypotese testes mod en alternativ hypotese
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 Bygning 305/324 Danmarks Tekniske Universitet
Læs mereHvad er danskernes gennemsnitshøjde? N = 10. X 1 = 169 cm. X 2 = 183 cm. X 3 = 171 cm. X 4 = 113 cm. X 5 = 174 cm
Kon densintervaller og vurdering af estimaters usikkerhed Claus Thorn Ekstrøm KU Biostatistik ekstrom@sund.ku.dk Marts 18, 2019 Slides @ biostatistics.dk/talks/ 1 Population og stikprøve 2 Stikprøvevariation
Læs mereOpgaver til kapitel 3
Opgaver til kapitel 3 3.1 En løber er interesseret i at undersøge om hendes løbeur er kalibreret korrekt. Hun udmåler derfor en strækning på præcis 1000 m og løber den 16 gange. For hver løbetur noterer
Læs mereSammenfatning. Målinger
Sammenfatning Ellermann, T., Hertel, O. & Skjøth, C.A. (2000): Atmosfærisk deposition 1999. NOVA 2003. Danmarks Miljøundersøgelser. 120 s. Faglig rapport fra DMU nr. 332 Denne rapport præsenterer resultater
Læs mereKønsbestemt lønforskel? Analyse på baggrund af IDAs lønstatistik 2018 om forskel på privatansatte kvinder og mænds løn
Kønsbestemt lønforskel? Analyse på baggrund af IDAs lønstatistik 2018 om forskel på privatansatte kvinder og mænds løn Februar 2018 Kønsbestemt lønforskel? Resume Denne analyse ser alene på de privatansatte
Læs mereModul 12: Regression og korrelation
Forskningsenheden for Statistik ST01: Elementær Statistik Bent Jørgensen Modul 12: Regression og korrelation 12.1 Sammenligning af to regressionslinier........................ 1 12.1.1 Test for ens hældning............................
Læs mereAnvendt Statistik Lektion 8. Multipel Lineær Regression
Anvendt Statistik Lektion 8 Multipel Lineær Regression 1 Simpel Lineær Regression (SLR) y Sammenhængen mellem den afhængige variabel (y) og den forklarende variabel (x) beskrives vha. en SLR: ligger ikke
Læs mereSynopsis til eksamen i Statistik
Synopsis til eksamen i Statistik Kandidatuddannelsen i Folkesundhedsvidenskab Københavns Universitet december 2010 Eksamensnummer: 12 Antal anslag: 23.839 (svarende til 9,9 normalsider) - 1 - Indholdsfortegnelse
Læs mere12. september Epidemiologi og biostatistik. Forelæsning 4 Uge 3, torsdag. Niels Trolle Andersen, Afdelingen for Biostatistik. Regressionsanalyse
. september 5 Epidemiologi og biostatistik. Forelæsning Uge, torsdag. Niels Trolle Andersen, Afdelingen for Biostatistik. Lineær regressionsanalyse - Simpel lineær regression - Multipel lineær regression
Læs mereKursusindhold: Produkt og marked - matematiske og statistiske metoder. Monte Carlo
Kursusindhold: Produkt og marked - matematiske og statistiske metoder Rasmus Waagepetersen Institut for Matematiske Fag Aalborg Universitet Sandsynlighedsregning og lagerstyring Normalfordelingen og Monte
Læs mereModule 9: Residualanalyse
Mathematical Statistics ST6: Linear Models Bent Jørgensen og Pia Larsen Module 9: Residualanalyse 9 Rå residualer 92 Standardiserede residualer 3 93 Ensidig variansanalyse 4 94 Studentiserede residualer
Læs mereLøsninger til kapitel 14
Opgave 14.1 a) Linjetilpasningsplottet bliver: Løsninger til kapitel 14 Idet datapunkterne ligger tæt på og jævnt fordelt omkring den rette linje, så ser det ud til, at der med rimelighed er tale om en
Læs mereBesvarelser til øvelsesopgaver i uge 6
Besvarelser til øvelsesopgaver i uge 6 Opgave 7.46, side 228 (7ed 7.28, side 244 og 6ed: 7.28, side 240) Vi tænker os, at vi har data for emissionen {x 1, x 2,..., x n }, når det pågældende device er monteret.
Læs mereLandmålingens fejlteori - Lektion4 - Vægte og Fordeling af slutfejl
Landmålingens fejlteori Lektion 4 Vægtet gennemsnit Fordeling af slutfejl - rw@math.aau.dk Institut for Matematiske Fag Aalborg Universitet 1/36 Estimation af varians/spredning Antag X 1,...,X n stokastiske
Læs mereStatistik og Sandsynlighedsregning 2. Repetition og eksamen. Overheads til forelæsninger, mandag 7. uge
Statistik og Sandsynlighedsregning 2 Repetition og eksamen Overheads til forelæsninger, mandag 7. uge 1 Normalfordelingen Erfaringsmæssigt er normalfordelingen velegnet til at beskrive variationen i mange
Læs mereI dag. Statistisk analyse af en enkelt stikprøve med kendt varians Sandsynlighedsregning og Statistik (SaSt) Eksempel: kobbertråd
I dag Statistisk analyse af en enkelt stikprøve med kendt varians Sandsynlighedsregning og Statistik SaSt) Helle Sørensen Først lidt om de sidste uger af SaSt. Derefter statistisk analyse af en enkelt
Læs mereEr miljømålene i Vandrammedirektivet mulige at nå?
Er miljømålene i Vandrammedirektivet mulige at nå? Jacob Carstensen Afd. for Marin Økologi, DMU Vandmiljøplanerne I, II og III Reduktionsmål i vandmiljøplanerne Kilder Kvælstof (tons) Fosfor (tons) Baseline
Læs mereI dag. Statistisk analyse af en enkelt stikprøve: LR test og t-test, modelkontrol, R Sandsynlighedsregning og Statistik (SaSt)
I dag Statistisk analyse af en enkelt stikprøve: LR test og t-test, modelkontrol, R Sandsynlighedsregning og Statistik (SaSt) Helle Sørensen Repetition vha eksempel om dagligvarepriser Analyse med R: ttest
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 mereModule 12: Mere om variansanalyse
Module 12: Mere om variansanalyse 12.1 Parreded observationer.................. 1 12.2 Faktor med 2 niveauer (0-1 variabel)......... 3 12.3 Tosidig variansanalyse med tilfældig virkning..... 9 12.3.1 Uafhængighedsbetragtninger..........
Læs mere(studienummer) (underskrift) (bord nr)
Danmarks Tekniske Universitet Side 1 af 18 sider. Skriftlig prøve: 14. december 2009 Kursus navn og nr: Introduktion til Statistik, 02402 Tilladte hjælpemidler: Alle Dette sæt er besvaret af (studienummer)
Læs mereOversigt. 1 Gennemgående eksempel: Højde og vægt. 2 Korrelation. 3 Regressionsanalyse (kap 11) 4 Mindste kvadraters metode
Kursus 02402 Introduktion til Statistik Forelæsning 11: Kapitel 11: Regressionsanalyse Oversigt 1 Gennemgående eksempel: Højde og vægt 2 Korrelation 3 Per Bruun Brockhoff DTU Compute, Statistik og Dataanalyse
Læs mereMiljømål for fjorde er og er urealistisk fastsat fra dansk side
Bilag 7.4 Miljømål for fjorde er og er urealistisk fastsat fra dansk side De danske miljømål for klorofyl og ålegræs er ikke i samklang med nabolande og er urealistisk højt fastsat af de danske myndigheder.
Læs mereUge 43 I Teoretisk Statistik, 21. oktober Forudsigelser
Uge 43 I Teoretisk Statistik,. oktober 3 Simpel lineær regressionsanalyse Forudsigelser Fortolkning af regressionsmodellen Ekstreme observationer Transformationer Sammenligning af to regressionslinier
Læs mereReeksamen i Statistik for biokemikere. Blok
Københavns Universitet Det Naturvidenskabelige Fakultet Reeksamen i Statistik for biokemikere. Blok 2 2007-2008. 3 timers skriftlig prøve. Alle hjælpemidler - også blyant - er tilladt. Opgavesættet er
Læs mereBetydningen af oxidationsmetode for målinger af total kvælstof og total fosfor i marine prøver
Miljø- og Fødevareudvalget 2017-18 MOF Alm.del Bilag 298 Offentligt Betydningen af oxidationsmetode for målinger af total kvælstof og total fosfor i marine prøver Notat fra DCE - Nationalt Center for Miljø
Læs mereKontrolstatistik dokumentation Vandkemi
Kontrolstatistik dokumentation Vandkemi Version: 1 Sidst revideret: januar 2013 Emne: vandkemi (vandløb, sø, marin) Dato: Jan. 2013 Filer: Periode: Kørsel af program: Input data: Aggregeringsniveau: (Navn
Læs mereDokumentation for genopretning af TN og TP data fra perioden
Dokumentation for genopretning af TN og TP data fra perioden 2007-14 Notat fra DCE - Nationalt Center for Miljø og Energi Dato: 8. oktober 2018 Søren E. Larsen Institut for Bioscience Rekvirent: Miljøstyrelsen
Læs mereStatistisk bearbejdning af overvågningsdata - Trendanalyser
Danmarks Miljøundersøgelser Miljøministeriet Teknisk anvisning fra DMU nr. 4, 006 Statistisk bearbejdning af overvågningsdata - Trendanalyser NOVANA (Tom side) Danmarks Miljøundersøgelser Miljøministeriet
Læs mereEksempel , opg. 2
Faktorer En faktor er en gruppering/inddeling af målinger/observationer pga. Tilsigtede variationer i en eller flere forsøgsparametre Nødvendige (potentielle) blok-effekter såsom gentagne målinger på samme
Læs mere! Proxy variable. ! Målefejl. ! Manglende observationer. ! Dataudvælgelse. ! Ekstreme observationer. ! Eksempel: Lønrelation (på US data)
Dagens program Økonometri 1 Specifikation, og dataproblemer 10. april 003 Emnet for denne forelæsning er specifikation (Wooldridge kap. 9.-9.4)! Proxy variable! Målefejl! Manglende observationer! Dataudvælgelse!
Læs mereKYSTVANDE 2004. Indikatorrapport
KYSTVANDE 24 Indikatorrapport Vandmiljø i Vejle Amt Titel: Kystvande 24 Indikatorrapport Udgiver: Vejle Amt Teknik og Miljø Hav- og Kystafdelingen Damhaven 12, 71 Vejle Tlf.: 75 83 53 33 Udarbejdet af:
Læs mereForelæsning 3: Kapitel 5: Kontinuerte fordelinger
Kursus 02402 Introduktion til Statistik Forelæsning 3: Kapitel 5: Kontinuerte fordelinger Per Bruun Brockhoff DTU Compute, Statistik og Dataanalyse Bygning 324, Rum 220 Danmarks Tekniske Universitet 2800
Læs mereHvis α vælges meget lavt, bliver β meget stor. Typisk vælges α = 0.01 eller 0.05
Statistik 7. gang 9. HYPOTESE TEST Hypotesetest ved 6 trins raket! : Trin : Formuler hypotese Spørgsmål der ønskes testet vha. data H : Nul hypotese Formuleres som en ligheds hændelse H eller H A : Alternativ
Læs merefor drikkevandsselskaberne
OPEXnetvolumenmål for drikkevandsselskaberne Teknisk beregning af omkostningsækvivalenter til brug for OPEX-del af benchmarkingmodellen for 2019 og frem Januar 2018 OPEX-netvolumenmål for drikkevandsselskaberne
Læs mereLogistisk Regression. Repetition Fortolkning af odds Test i logistisk regression
Logistisk Regression Repetition Fortolkning af odds Test i logistisk regression Logistisk Regression: Definitioner For en binær (0/) variabel Y antager vi P(Y)p P(Y0)-p Eksempel: Bil til arbejde vs alder
Læs mereForelæsning 11: Kapitel 11: Regressionsanalyse
Kursus 02402 Introduktion til Statistik Forelæsning 11: Kapitel 11: Regressionsanalyse Per Bruun Brockhoff DTU Compute, Statistik og Dataanalyse Bygning 324, Rum 220 Danmarks Tekniske Universitet 2800
Læs mereNotat vedr. interkalibrering af ålegræs
Notat vedr. interkalibrering af ålegræs Notat fra DCE - Nationalt Center for Miljø og Energi Dato: 4. januar 2012 Michael Bo Rasmussen Thorsten Balsby Institut for Bioscience Rekvirent: Naturstyrelsen
Læs mereDefinition: Normalfordelingen. siges at være normalfordelt med middelværdi µ og varians σ 2, hvor µ og σ er reelle tal og σ > 0.
Landmålingens fejlteori Lektion 2 Transformation af stokastiske variable - kkb@math.aau.dk http://people.math.aau.dk/ kkb/undervisning/lf12 Institut for Matematiske Fag Aalborg Universitet Repetition:
Læs mereTo-sidet variansanalyse
Program 1. To-sidet variansanalyse 2. Hierarkisk princip 3. Tre (og flere) sidet variansanalyse 4. Variansanalyse med blocking 5. Flersidet variansanalyse med tilfældige faktorer 6. En oversigtsslide til
Læs mereTrin 1: Formuler hypotese Spørgsmål der ønskes testet vha. data H 0 : Nul hypotese Formuleres som en ligheds hændelse
Statistik 7. gang 9. HYPOTESE TEST Hypotesetest ved 6 trins raket! : Trin : Formuler hypotese Spørgsmål der ønskes testet vha. data H 0 : Nul hypotese Formuleres som en ligheds hændelse H eller H A : Alternativ
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 mereOversigt. Kursus Introduktion til Statistik. Forelæsning 12: Variansanalyse. Per Bruun Brockhoff. Envejs variansanalyse - eksempel
Kursus 02402 Introduktion til Statistik Forelæsning 12: Variansanalyse Per Bruun Brockhoff DTU Compute, Statistik og Dataanalyse Bygning 324, Rum 220 Danmarks Tekniske Universitet 2800 Lyngby Danmark e-mail:
Læs mereStatistisk modellering og regressionsanalyse
Statistisk modellering og regressionsanalyse Claus Thorn Ekstrøm KU Biostatistik ekstrom@sund.ku.dk Oktober 25, 2018 Slides @ biostatistics.dk/talks/ 1 2 Hvad er statistik? Statistics is a science, not
Læs mereNotat om basisanalyse: Opgave 2.2 Stofbelastning (N, P) af søer og kystvande
Notat om basisanalyse: Opgave 2.2 Stofbelastning (N, P) af søer og kystvande Notat fra DCE - Nationalt Center for Miljø og Energi Dato: 11. oktober 2013 Rev.: 2. december 2013 Jørgen Windolf, Søren E.
Læs mereDe variable, som er inkluderet i de forskellige modeller, er følgende:
DUL II. Undersøgelse af hvilke faktorer, der er væsentlige for at understøtte, at der er klare og veltilrettelagte mål tilstede i arbejdet med elevernes læring Følgende er en statistisk analyse af ovenstående
Læs mere