En Bayesiansk tilgang til Credit Scoring
|
|
- Victoria Lauritsen
- 7 år siden
- Visninger:
Transkript
1 En Bayesiansk tilgang til Credit Scoring Et akademisk studie af: Daniel Lund, SAS Institute Rune Tousgaard Piil, Jyske Bank Ana Alina Tudoran, Aarhus Universitet
2 Agenda Mål for studiet Vores tilgang til analysen Kort om teorien (frekventistisk vs. bayesiansk logistisk regression) Datagrundlag Metode Resultater Konklusion
3 Mål At udvikle en letfortolkelig credit score, der kan supportere kreditbeslutningsprocesser, og som kan: Integrere information tidligere i modellen Inkorporere forudgående ekspertviden Begrænsning Datagrundlaget omfatter kun spørgeskemadata (udfyldt af bankens kunderådgivere)
4 Vores tilgang Mål modelperformance Estimér model: Non-Bayesian logistisk regression (klassisk/ frekventistisk) Estimér model: Bayesian logistisk regression (med forudgående ekspertinformation) Sammenlign resultater
5 Kort om teorien Frekventistisk logistisk regression (1/2): Probability of Default (PD): p D ( x j ) 1 1 exp( x j ) Hvor: p D (x j ) - Sandsynligheden for, at kunde j defaulter inden 12 måneder x j = (x j1,..., x jp ) - kunde 1 p karakteristiker
6 Kort om teorien Frekventistisk logistisk regression (2/2): Likelihood-funktion: P( X ) N j1 ( p D ( x j )) d j 1 p D ( x j ) 1d j Hvor: X d, x ),...,( d, x ) and d 0, 1 ( 1 1 N N j Kreditscore: s( x j ) x arg max P( X ) ML j ML
7 Kort om teorien Bayesiansk logistisk regression: Bayes theorem: P( X ) P( ) P( X ) P( X ) P( ) P( X ) Posterior distribution Likelihood A priori-viden Kreditscore: s ( x j ) x E X avg j avg
8 Datagrundlaget Spørgeskemaer udfyldt af bankens kunderådgivere Fem kundesegmenter Landbrug, ejendom, erhverv, nyopstartet virksomhed, privatkunder Nye og eksisterende kunder Opdateres årligt Data fra 2002 til 2014
9 Datagrundlaget Antal spørgsmål pr. segment Landbrug: 14 Ejendom: 18 Erhverv: 16 Nyopstart: 18 Private: 10
10 Datagrundlaget Eksempel på et spørgsmål (virksomhed): Kategori: Strategi og ledelse Spørgsmål: Hvor mange års relevant ledelseserfaring? A. Mere end 10 år B år C. 3-4 år D. Mindre end 3 år E. Ukendt (behandles som missing)
11 Datagrundlaget Eksempel på et spørgsmål (privatkunde): Spørgsmål: Hvordan vurderer du kundens indkomststabilitet? A. Høj B. Medium C. Lav
12 Metode for undersøgelsen Datatransformation Omdanne ekspertviden til a priori-sandsynlighedsfordeling Simulation Modelevaluering
13 Datatransformation Normal scores (Blom transformation): t( x) 1 r( x) 3 8 N 1 4 Hvor: r(x) - rank of the value N - number of observations and Φ - cumulative normal distribution Fordele: Monotont forhold mellem rå og transformerede værdier Ingen behov for defaultudfald i data
14 Fra ekspertviden til a priori-sandsynlighed Ekspertbeta: Sum = 100 Relative vægte Vægte fundet gennem spreadsheet-simulationer Ekspertmodellens kreditscore: s( x j ) x ex j A priori-sandsynlighedsfordeling: i ex,i ~ N(, 2 ex, i )
15 Simulationer MCMC-simulationer (PROC MCMC benyttet): Antal: brugt Thinning: Burn in: ~10% Konvergenstests: Autocorrelation (visuelt / EES) Distribution plots Geweke s test Alt er standardoutput fra PROC MCMC
16 Modelevaluering Forward-validering:
17 Resultater Predictive power (AUC) Stabilitet
18
19 Credit Scoring and Credit Control XIV conference, August 26-28, 2015
20 Modellens stabilitet: Score 2004-sample med 2003-model Opdel i 7 ratinggrupper Træn 2004-model (inkl sample) Opdel træningsdata i 7 ratinggrupper Hvor mange kunder bliver fordelt til den samme ratinggruppe? Gentages for alle år Det er et mål for den stabilitet, de finansielle rådgivere oplever, når en kreditscore opdateres
21
22 Konklusion Mulighed for at inkludere ekspertinformation Vi kan udnytte data tidligere (modeludvikling tidligt) Mere stabil ved opdatering af modelparametre Kan foretrækkes, hvis: Der er få events i data Vi har ekspertviden til rådighed Data ændrer sig over tid (udskiftning af spørgsmål)
23 Tak for opmærksomheden!
24 Ressourcer Bayesian Analysis Using SAS/STAT Software: Min kandidatafhandling om emnet:
Logistisk 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 mereEn rekord er sat. SDC s PD-løsning til IFRS 9 15/6-2017
En rekord er sat SDC s PD-løsning til IFRS 9 15/6-2017 SDC i tal 124 KUNDER I NORDEN 3,6 mio. SLUTKUNDER 8,5 mio. KONTI Danmark Etableret i 1963 1,8 mio. slutkunder 4,4 mio. konti Norge Etableret i 2005
Læs mereNet Lift Modelling. Peter Steffensen, Senior Principal Consultant. Copyright 2011 SAS Institute Inc. All rights reserved.
Net Lift Modelling Peter Steffensen, Senior Principal Consultant Copyright 2011 SAS Institute Inc. All rights reserved. Net Lift Baggrund Customer Intelligence-modellering Kampagne: Påvirkning af kunde
Læs mereNormalfordelingen og Stikprøvefordelinger
Normalfordelingen og Stikprøvefordelinger Normalfordelingen Standard Normal Fordelingen Sandsynligheder for Normalfordelingen Transformation af Normalfordelte Stok.Var. Stikprøver og Stikprøvefordelinger
Læs mereHigh-Performance Data Mining med SAS Enterprise Miner 14.1
High-Performance Data Mining med SAS Enterprise Miner 14.1 nye procedurer til en mere effektiv modeludviklingsproces Kristina Birch, Advisory Analytical Consultant, SAS Institute Indhold Hvad er High-Performance
Læs mereLogistisk regression. Basal Statistik for medicinske PhD-studerende November 2008
Logistisk regression Basal Statistik for medicinske PhD-studerende November 2008 Bendix Carstensen Steno Diabetes Center, Gentofte & Biostatististisk afdeling, Københavns Universitet bxc@steno.dk www.biostat.ku.dk/~bxc
Læs mereLineær og logistisk regression
Faculty of Health Sciences Lineær og logistisk regression Susanne Rosthøj Biostatistisk Afdeling Institut for Folkesundhedsvidenskab Københavns Universitet sr@biostat.ku.dk Dagens program Lineær regression
Læs mereStatistik. Introduktion Deskriptiv statistik Sandsynslighedregning
Statistik Introduktion Deskriptiv statistik Sandsynslighedregning Introduktion Kasper K. Berthelsen, Institut f. Mat. Fag 8 Kursusgange Individuel mundtlig eksamen (7-skala) Udgangspunkt i opgaver Software:
Læs mereUdvikling af den danske HSMR model. DSKS årsmøde den 15. januar 2010 Malene Cramer Engebjerg
Udvikling af den danske HSMR model DSKS årsmøde den 5. januar Malene Cramer Engebjerg Program Konstruktion af datasæt Prediktionsmodellen Validering af prediktionsmodel Udregning af HSMR med prediktionsmodel
Læs mereDemo af PROC GLIMMIX: Analyse af gentagne observationer
Demo af PROC GLIMMIX: Analyse af gentagne observationer Kristina Birch, seniorkonsulent, PS Banking Agenda Uafhængige vs. afhængige observationer Analyse af uafhængige vs. afhængige observationer Lille
Læs mereOversigt. Kursus 02402 Introduktion til Statistik. Forelæsning 4: Kapitel 5: Kontinuerte fordelinger. Per Bruun Brockhoff. Eksponential fordelingen
Kursus 02402 Introduktion til Statistik Forelæsning 4: Kapitel 5: Kontinuerte fordelinger Per Bruun Brockhoff DTU Compute, Statistik Bygning 305/324 Danmarks Tekniske Universitet 2800 Lyngby Danmark e-mail:
Læs mereLøsning til opgave i logistisk regression
Løsning til øvelser i logistisk regression, november 2008 1 Løsning til opgave i logistisk regression 1. Først indlæses data, og vi kan lige sørge for at danne en dummy-variable for cml, som indikator
Læs mereFordele og ulemper ved latent klasseanalyse
Fordele og ulemper ved Institut for Erhvervsstudier, Aalborg Universitet Disposition Hvad er (klassisk)? Eksempel på anvendelse Senere udviklinger Eksemplet fortsat Fordele og ulemper ved latent klasseanalyse
Læs mereProgram. Indhold af kursus i overskrifter. Farlighed af GM-majs? (Ingeniøren Generel lineær model/multipel regression
Program Indhold af kursus i overskrifter 1. overblik over kursus (opgaver fra sidst samt huspriser som eksempler). 2. p-værdi 3. uformel evaluering 1. sandsynlighedsregning sandsynlighedsfordelinger (normal,
Læs mereLedelsesrapportering i nyt perspektiv Jyske Bank
Ledelsesrapportering i nyt perspektiv Jyske Bank 1 Jyske Bank Danmarks 3. største bank Netop fusioneret med BRF 120 Privatafdelinger 35 Erhvervsafdelinger, heraf 4 Erhvervscentre. 10 Private Banking centre
Læs mereStokastiske processer og køteori
Stokastiske processer og køteori 9. kursusgang Anders Gorst-Rasmussen Institut for Matematiske Fag Aalborg Universitet 1 OPSAMLING EKSAKTE MODELLER Fordele: Praktiske til initierende analyser/dimensionering
Læs mereAfdeling for Anvendt Matematik og Statistik December 2006
Københavns Universitet Statistik for Biokemikere Det naturvidenskabelige fakultet Inge Henningsen Afdeling for Anvendt Matematik og Statistik December 2006 i SAS (Zar kapitel 23) PROC FREQ PROC CATMOD
Læs mereNanna I. Thomsen 1, Mads Troldborg 2, Ursula S. McKnight 1, Philip J. Binning 1 og Poul L. Bjerg 1
Metode til kvantificering af konceptuel og parameterusikkerhed ved beregning af forureningsflux og koncentrationer fra forurenede lokaliteter (V2 niveau) Nanna I. Thomsen 1, Mads Troldborg 2, Ursula S.
Læs mereDANMARKS NATIONALBANK
ANALYSE DANMARKS NATIONALBANK 21. JANUAR 2019 NR. 3 Tekstbaseret machine learning forbedrer konkursmodellering Machine learning forbedrer beregning af konkurssandsynlighed Tekstbaserede data tilføjer brugbar
Læs mereHvordan sætter jeg Analytics på min radar?
Hvordan sætter jeg Analytics på min radar? Petra Nordby Adamczyk Min baggrund Cand.merc.mat. fra Handelshøjskolen i København 1995-1996 Analytiker i hhv. analyse- og mediabranchen 1997- Stillinger: Konsulent,
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 mereBM121 Resume af tirsdags forlæsningen, Uge 47
BM121 Resume af tirsdags forlæsningen, Uge 47 Morten Källberg (kallberg@imada.sdu.dk) 22/11-2005 1 Probabilistiske modeller Vi vil i det følgende betragte to forskellige måder at evaluerer en given model
Læs mereBayesiansk statistik. Tom Engsted. DSS Aarhus, 28 november 2017
Bayesiansk statistik Tom Engsted DSS Aarhus, 28 november 2017 1 Figure 1: Nicolajs gur 2 Klassisk frekvensbaseret statistik Statistisk beslutningsteori Bayesiansk statistik Et kompromis mellem den klassiske
Læs mereLogistisk Regression. Repetition Fortolkning af odds Test i logistisk regression
Logistisk Regression Repetition Fortolkning af odds Test i logistisk regression Logisitks Regression: Repetition Y {0,} binær afhængig variabel X skala forklarende variabel π P( Y X x) Odds(Y X x) π /(-π
Læs mereText mining hos MAN Diesel
Text mining hos MAN Diesel Stine Fangel, SAS Institute COPYRIGHT 2009, SAS INSTITUTE INC ALL RIGHTS RESERVED Hvad får du med fra dette indlæg? Eksempel på anvendelse af text og data mining Viden om, hvordan
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 mereFaculty of Health Sciences. Logistisk regression: Kvantitative forklarende variable
Faculty of Health Sciences Logistisk regression: Kvantitative forklarende variable Susanne Rosthøj Biostatistisk Afdeling Institut for Folkesundhedsvidenskab Københavns Universitet sr@biostat.ku.dk Sammenhæng
Læs mereMPH specialmodul i epidemiologi og biostatistik. SAS. Introduktion til SAS. Eksempel: Blodtryk og fedme
MPH specialmodul i epidemiologi og biostatistik. SAS Introduktion til SAS. Display manager (programmering) Vinduer: program editor (med syntaks-check) log output reproducerbart (program teksten kan gemmes
Læs mereOversigt. Kursus Introduktion til Statistik. Forelæsning 4: Kapitel 5: Kontinuerte fordelinger
Kursus 02402 Introduktion til Statistik Forelæsning 4: Kapitel 5: Kontinuerte fordelinger Rune Haubo B Christensen (based on slides by Per Bruun Brockhoff) DTU Compute, Statistik og Dataanalyse Bygning
Læs mereMichael Hviid Garver Senior Business Advisor. Copyright 2006, SAS Institute Inc. All rights reserved.
Analytics som salgsafdelingens forlængede arm Michael Hviid Garver Senior Business Advisor Customer intelligence Optimering af KUNDEVÆRDI Hvad er potentialet af en kundeaccount? Hvilken opsalgsmulighed
Læs mereOR stiger eksponentielt med forskellen i BMI. kompliceret model svær at forstå og analysere
Epidemiologi og biostatistik. Uge 5, torsdag 5. september 003 Morten Frydenberg, Institut for Biostatistik. 1 Analyse af overlevelsesdata (ventetidsdata) Censurering (højre + andet) Kaplan-Meyer kurver
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 mereBasal statistik. 30. januar 2007
Basal statistik 30. januar 2007 Deskriptiv statistik Typer af data Tabeller Grafik Summary statistics Lene Theil Skovgaard, Biostatistisk Afdeling Institut for Folkesundhedsvidenskab, Københavns Universitet
Læs mereKommentarer til spørgsmålene til artikel 1: Ethnic differences in mortality from sudden death syndrome in New Zealand, Mitchell et al., BMJ 1993.
Kommentarer til spørgsmålene til artikel 1: Ethnic differences in mortality from sudden death syndrome in New Zealand, Mitchell et al., BMJ 1993. 1. Det anføres, at OR for maorier vs. ikke-maorier er 3.81.
Læs mereBuilding Benchmarks for Infrastructure Investors. edhec.infrastructure.institute
Building Benchmarks for Infrastructure Investors edhec.infrastructure.institute Histogram of DSCR1 = + + Frequency 0 50 100 150 200 250 5 0 5 10 = + + + = + + + Frequency 0 50 100 150 200 250
Læs mereStatistik kommandoer i Stata opdateret 22/ Erik Parner
Statistik kommandoer i Stata opdateret 22/4 2008 Erik Parner Indledning... 1 Simple beskrivelser... 1 Data manipulation... 1 Estimation af proportioner... 2 Estimation af rater... 2 Estimation af Relativ
Læs mereOR stiger eksponentielt med forskellen i BMI komplicet model svær at forstå og analysere simpel model
Epidemiologi og biostatistik. Uge 5, torsdag. marts 1 Morten Frydenberg, Institut for Biostatistik. 1 Analyse af overlevelsesdata (ventetidsdata) Censurering (højre + andet) Kaplan-Meyer kurver Det statistiske
Læs meremake connections share ideas be inspired
make connections share ideas be inspired Integration af prædiktive analyser og operationelle forretningsregler med SAS Decision Manager Kristina Birch, chefkonsulent Professional Services, Banking & Mortgage
Læs mereStikprøver og stikprøve fordelinger. Stikprøver Estimatorer og estimater Stikprøve fordelinger Egenskaber ved estimatorer Frihedsgrader
Stikprøver og stikprøve fordelinger Stikprøver Estimatorer og estimater Stikprøve fordelinger Egenskaber ved estimatorer Frihedsgrader Statistik Statistisk Inferens: Prediktere og forekaste værdier af
Læs mereKvantitative Metoder 1 - Efterår 2006. Dagens program
Dagens program Afsnit 2.4-2.5 Bayes sætning Uafhængige stokastiske variable - Simultane fordelinger - Marginale fordelinger - Betingede fordelinger Uafhængige hændelser - Indikatorvariable Afledte stokastiske
Læs mereStatistik og Sandsynlighedsregning 2. IH kapitel 12. Overheads til forelæsninger, mandag 6. uge
Statistik og Sandsynlighedsregning 2 IH kapitel 12 Overheads til forelæsninger, mandag 6. uge 1 Fordelingen af én (1): Regressionsanalyse udfaldsvariabel responsvariabel afhængig variabel Y variabel 2
Læs mereMPH specialmodul i biostatistik og epidemiologi SAS-øvelser vedr. case-control studie af malignt melanom.
MPH specialmodul i biostatistik og epidemiologi SAS-øvelser vedr. case-control studie af malignt melanom. For at I skal kunne regne på tallene fra undersøgelsen har vi taget en delmængde af variablene
Læs mere9. Chi-i-anden test, case-control data, logistisk regression.
Biostatistik - Cand.Scient.San. 2. semester Karl Bang Christensen Biostatististisk afdeling, KU kach@biostat.ku.dk, 35327491 9. Chi-i-anden test, case-control data, logistisk regression. http://biostat.ku.dk/~kach/css2014/
Læs mereBrug 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 mereRepetition. Diskrete stokastiske variable. Kontinuerte stokastiske variable
Normal fordelingen Normal fordelingen Egenskaber ved normalfordelingen Standard normal fordelingen Find sandsynligheder ud fra tabel Transformation af normal fordelte variable Invers transformation Repetition
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 mereLogistisk regression og prædiktion
Faculty of Health Sciences Introduktion Logistisk regression og prædiktion 16. Maj 2012 Julie Forman Biostatistisk Afdeling, Københavns Universitet Hvad er en god diagnostisk model? En model med god overensstemmelse
Læs mereKunde- tilfredsheds- undersøgelse
Kunde- tilfredsheds- undersøgelse Hovedrapport 3 Samlet resultat og Graferne nedenfor viser de samlede score for tilfredshed og loyalitet blandt de adspurgte kunder. På de næste sider kan du se resultaterne
Læs mereKræver generelt at diverse ventetider er eksponentialfordelte. Faste rammer for serverdiscipliner mv. Svært at modellere ikke-standard køsystemer.
Opsamling eksakte modeller Fordele Praktiske til initierende analyser/dimensionering Ofte nemme at regne på. Kan bruges til at løse optimeringsopgaver, som ellers ville kræve snedige simulationsdesigns.
Læs mereBUSINESS THE MODEL CANVAS. - Pitch din forretningsidé. www.ffe-ye.dk
THE BUSINESS MODEL CANVAS - Pitch din forretningsidé www.ffe-ye.dk FORORD Når man gerne vil åbne sin egen virksomhed, er det vigtigt at have en forretningsmodel en visionær idé, der kan føres ud i livet.
Læs mereUsing sequence analysis to assess labor market participation following intervention for patients with low back pain preliminary results
Using sequence analysis to assess labor market participation following intervention for patients with low back pain preliminary results Louise Lindholdt 1,2, Merete Labriola 1,2, Claus Vinther Nielsen
Læs mereIntroduktion til Visual Data Mining and Machine Learning
SAS USER FORUM Introduktion til Visual Data Mining and Machine Learning Astrid Enslev Vestergård, SAS Institute Agenda Introduktion til et par machine learningmodeller Case-introduktion Demo SWEDEN 2017
Læs mereHVAD ER VÆRDIEN AF ANALYTICS FOR DIN VIRKSOMHED
HVAD ER VÆRDIEN AF ANALYTICS FOR DIN VIRKSOMHED AARHUS D. 26. MAJ 2015 PETER ANDERSEN, SAS INSTITUTE THE POWER TO KNOW HVEM ER SAS INSTITUTE? 91 af top 100-virksomhederne på 2013 FORTUNE Global 500 listen
Læs mereFaculty of Health Sciences. Basal Statistik. Logistisk regression mm. Lene Theil Skovgaard. 5. marts 2018
Faculty of Health Sciences Basal Statistik Logistisk regression mm. Lene Theil Skovgaard 5. marts 2018 1 / 22 APPENDIX vedr. SPSS svarende til diverse slides: To-gange-to tabeller, s. 3 Plot af binære
Læs mereOverheads til forelæsninger, mandag 5. uge På E har vi en mængde af mulige sandsynlighedsfordelinger for X, (P θ ) θ Θ.
Statistiske modeller (Definitioner) Statistik og Sandsynlighedsregning 2 IH kapitel 0 og En observation er en vektor af tal x (x,..., x n ) E, der repræsenterer udfaldet af et (eller flere) eksperimenter.
Læs mereKreditrisikomodellering med SAS Risk Management for Banking
Kreditrisikomodellering med SAS Risk Management for Banking Jesper Christiansen og Rune Rudbeck Nielsen Regulatory & Economic Capital, Danske Bank 26. Maj 2011 Agenda Om kreditrisikomodellering og økonomisk
Læs mereStatistik Lektion 20 Ikke-parametriske metoder. Repetition Kruskal-Wallis Test Friedman Test Chi-i-anden Test
Statistik Lektion 0 Ikkeparametriske metoder Repetition KruskalWallis Test Friedman Test Chiianden Test Run Test Er sekvensen opstået tilfældigt? PPPKKKPPPKKKPPKKKPPP Et run er en sekvens af ens elementer,
Læs mereStatistik 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 mereBilag 7. SFA-modellen
Bilag 7 SFA-modellen November 2016 Bilag 7 Konkurrence- og Forbrugerstyrelsen Forsyningssekretariatet Carl Jacobsens Vej 35 2500 Valby Tlf.: +45 41 71 50 00 E-mail: kfst@kfst.dk Online ISBN 978-87-7029-650-2
Læs mereVariansanalyse i SAS. Institut for Matematiske Fag December 2007
Københavns Universitet Statistik for Biokemikere Det naturvidenskabelige fakultet Institut for Matematiske Fag December 2007 Variansanalyse i SAS 2 Tosidet variansanalyse Residualplot Tosidet variansanalyse
Læs mereWebbaseret løsning til hånd tering af fakturaer, indkøb og rejseafregning
Webbaseret løsning til hånd tering af fakturaer, indkøb og rejseafregning Indførelsen af Ibistic-løsningen er en af de mest vellykkede itprojekter, vi har gennemført. Vi var nødt til at indføre systemet
Læs mereMultipel regression. M variable En afhængig (Y) M-1 m uafhængige / forklarende / prædikterende (X 1 til X m ) Model
Multipel regression M variable En afhængig (Y) M-1 m uafhængige / forklarende / prædikterende (X 1 til X m ) Model Y j 1 X 1j 2 X 2j... m X mj j eller m Y j 0 i 1 i X ij j BEMÆRK! j svarer til individ
Læs mereGruppevise 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 mereEt firma tuner biler. Antallet af en bils cylindere er givet ved den stokastiske variabel X med massetæthedsfunktionen
STATISTIK Skriftlig evaluering, 3. semester, mandag den 6. januar 004 kl. 9.00-13.00. Alle hjælpemidler er tilladt. Opgaveløsningen forsynes med navn og CPR-nr. OPGAVE 1 Et firma tuner biler. Antallet
Læs mereStatistik kommandoer i Stata opdateret 16/3 2009 Erik Parner
Statistik kommandoer i Stata opdateret 16/3 2009 Erik Parner Indledning... 1 Hukommelse... 1 Simple beskrivelser... 1 Data manipulation... 2 Estimation af proportioner... 2 Estimation af rater... 2 Estimation
Læs mereNotat. Den adaptive algoritme i De Nationale Test. Opbygning af test og testforløb. januar 2015
Notat Vedrørende: Den adaptive algoritme i De Nationale Test Olof Palmes Allé 38 8200 Aarhus N Tlf.nr.: 35 87 88 89 E-mail: stil@stil.dk www.stil.dk CVR-nr.: 13223459 Den adaptive algoritme i De Nationale
Læs mereStatistiske principper
Statistiske principper 1) Likelihood princippet - Maximum likelihood estimater - Likelihood ratio tests - Deviance 2) Modelbegrebet - Modelkontrol 3) Sufficient datareduktion 4) Likelihood inferens i praksis
Læs mereAppendiks E. Lag-længde samt unit-root test Test for unit-roots - 1 -
Appendiks E Lag-længde samt unit-root test Test for unit-roots Ved test for unit-root i de to variable testes der først med 4 lags. Dernæst køres testen igen for det første signifikante lag såfremt ingen
Læs mereSandsynligheder. Mængder Hændelser Sandsynligheder Regler for sandsynligheder
Sandsynligheder Mængder Hændelser Sandsynligheder Regler for sandsynligheder Sandsynligheder En sandsynlighed er et kvantitativt mål for usikkerhed et mål der udtrykker styrken af vores tro på forekomsten
Læs mereSimpel og multipel logistisk regression
Faculty of Health Sciences Logistisk regression Simpel og multipel logistisk regression 16. Maj 2012 Analyse af en binær responsvariabel. syg/rask, død/levende, ja/nej... Ud fra en eller flere forklarende
Læs mereEt eksperiment beskrives af et udfaldsrum udstyret med et. alle mulige resultater af eksperimentet
Sandsynlighedsteori Et eksperiment beskrives af et udfaldsrum udstyret med et sandsynlighedsmål, (X, E, ν). Udfaldsrummet X indeholder alle mulige resultater af eksperimentet men ofte også yderligere elementer
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 mereAdditiv model teori og praktiske erfaringer
make connections share ideas be inspired Additiv model teori og praktiske erfaringer Kaare Brandt Petersen Forretningschef, ph.d., SAS Institute Agenda Hvad er en additiv model? Forudsætninger Fortolkning
Læs mereForelæsning 5: Kapitel 7: Inferens for gennemsnit (One-sample setup)
Kursus 02402 Introduktion til Statistik Forelæsning 5: Kapitel 7: Inferens for gennemsnit (One-sample setup) Per Bruun Brockhoff DTU Compute, Statistik og Dataanalyse Bygning 324, Rum 220 Danmarks Tekniske
Læs mereKnowledge Cube Nyhedsbrev
Knowledge Cube Nyhedsbrev Vi er godt i gang med udrulningen af CatMan Solution version 3, og det er dejligt at opleve, at brugen af CatMan Solution breder sig ud til flere funktioner hos vores kunder.
Læs mereBesvarelse af juul2 -opgaven
Besvarelse af juul2 -opgaven Spørgsmål 1 Indlæs data Dette gøres fra Analyst med File/Open, som sædvanlig. Spørgsmål 2 Lav regressionsanalyser for hvert køn af igf1 vs. alder for præpubertale (Tanner stadium
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 mereTeoretisk Statistik, 9 marts nb. Det forventes ikke, at alt materialet dækkes d. 9. marts.
Teoretisk Statistik, 9 marts 2005 Empiriske analoger (Kap. 3.7) Normalfordelingen (Kap. 3.12) Opsamling på Kap. 3 nb. Det forventes ikke, at alt materialet dækkes d. 9. marts. 1 Empiriske analoger Betragt
Læs mereStatistik ved Bachelor-uddannelsen i folkesundhedsvidenskab. Estimation
Statistik ved Bachelor-uddannelsen i folkesundhedsvidenskab Estimation Eksempel: Bissau data Data kommer fra Guinea-Bissau i Vestafrika: 5273 børn blev undersøgt da de var yngre end 7 mdr og blev herefter
Læs mereIkke-parametriske metoder. Repetition Wilcoxon Signed-Rank Test Kruskal-Wallis Test Friedman Test Chi-i-anden Test
Ikkeparametriske metoder Repetition Wilcoxon SignedRank Test KruskalWallis Test Friedman Test Chiianden Test Run Test Er sekvensen opstået tilfældigt? PPPKKKPPPKKKPPKKKPPP Et run er en sekvens af ens elementer,
Læs mereEn oversigt over udvalgte kontinuerte sandsynlighedsfordelinger
Institut for Økonomi Aarhus Universitet Statistik 1, Forår 2001 Allan Würtz 4. April, 2001 En oversigt over udvalgte kontinuerte sandsynlighedsfordelinger Uniform fordeling Benyttes som model for situationer,
Læs mereKundetilfredshedsundersøgelse Hovedrapport
Kundetilfredshedsundersøgelse 2 Hovedrapport Samlet resultat 2 3 Tilfredshed og Loyalitet Grafen til højre viser den samlede score for tilfredshed og loyalitet blandt de adspurgte kunder. Tilfredshed handler
Læs mereSubjektivitet og objektivitet i kvantitative metoder et videnskabsteoretisk perspektiv
SOCIOLOGISK INSTITUT, KØBENHAVNS UNIVERSITET Subjektivitet og objektivitet i kvantitative metoder et videnskabsteoretisk perspektiv Eksamensopgave i Sociologiens Videnskabsteori, efterår 2012 Eksamensnummer:
Læs mereBornholms Regionskommune
25. november 2011 Bornholms Regionskommune Finansiel strategi - Rapportering pr. 25. november 2011 Ordforklaring VaR = Value at Risk risiko hvor stor er vores risiko i kroner? Her: Med 95% sandsynlighed
Læs mereStatikstik 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 mereBornholms Regionskommune
2. marts 2010 Bornholms Regionskommune Finansiel strategi - rapportering Ordforklaring VaR = Value at Risk risiko hvor stor er vores risiko i kroner? Her: Med 95% sandsynlighed det værst tænkelige udfald
Læs mereRisikostyring i Danske Bank
Risikostyring i Danske Bank Præsentation til LD Invest - Markets Christopher Skak Nielsen Chef for Risiko Kapital 23. Marts, 2008 Risiko- og kapitalstyring i Danske Bank - med afsæt i risikorapporten 2008
Læs mereHvordan påvirker en bankkrise husholdningernes forbrug?
Hvordan påvirker en bankkrise husholdningernes forbrug? Thais Lærkholm Jensen og Niels Johannesen Københavns Universitet June 17, 2016 Introduktion Hvordan spreder en finanskrise sig til realøkonomien?
Læs mereStatistik 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 mereBornholms Regionskommune
6. juni 2011 Bornholms Regionskommune Finansiel strategi - Rapportering pr. 1. juni 2011 Ordforklaring VaR = Value at Risk risiko hvor stor er vores risiko i kroner? Her: Med 95% sandsynlighed det værst
Læs mereKundetilfredshedsundersøgelse 2012. Hovedrapport
Kundetilfredshedsundersøgelse 2 Hovedrapport Samlet resultat 2 3 Tilfredshed og Loyalitet Grafen til højre viser de samlede score for tilfredshed og loyalitet blandt de adspurgte kunder. På de næste sider
Læs mereLineær regression i SAS. Lineær regression i SAS p.1/20
Lineær regression i SAS Lineær regression i SAS p.1/20 Lineær regression i SAS Simpel lineær regression Grafisk modelkontrol Multipel lineær regression SAS-procedurer: PROC REG PROC GPLOT Lineær regression
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 mereSandsynlighedsteori. Sandsynlighedsteori. Sandsynlighedsteori Et eksperiment beskrives af et udfaldsrum udstyret med et. Et Bayesiansk argument
Sandsynlighedsteori Sandsynlighedsteori Et eksperiment beskrives af et udfaldsrum udstyret med et sandsynlighedsmål, (, E, ν). Et eksperiment beskrives af et udfaldsrum udstyret med et sandsynlighedsmål,
Læs mereBornholms Regionskommune
4. september 2012 Bornholms Regionskommune Finansiel strategi - Rapportering pr. 31. august 2012 Ordforklaring VaR = Value at Risk risiko hvor stor er vores risiko i kroner? Her: Med 95% sandsynlighed
Læs mereMorten Frydenberg 14. marts 2006
Introduktion til Logistisk Regression Morten Frydenberg, Inst. f. Biostatistik 1 RESUME: 2 2. gang: 2006 Institut for Biostatistik, Århus Universitet MPH 1. studieår Specialmodul 4 Cand. San. uddannelsen
Læs mereVelkommen SAS Forum 2010
Velkommen SAS Forum 2010 Bent Sørensen Country manager Velkommen til SAS Forum 2010 Faglighed og netværk Velkommen til SAS Forum 2010 en institution gennem 25 år Velkommen til SAS Forum 2010 en institution
Læs mereHvordan griber du moderniseringsprocessen an? Peter Janum Sode Senior Security Consultant pso@dubex.dk
Hvordan griber du moderniseringsprocessen an? Peter Janum Sode Senior Security Consultant pso@dubex.dk Overordnet fremgangsmåde Identificér områder der hører under fundamental sikkerhed i risikovurderingen.
Læs mere