Rettevejledning til Økonomisk Kandidateksamen 2004II, Økonometri 1

Størrelse: px
Starte visningen fra side:

Download "Rettevejledning til Økonomisk Kandidateksamen 2004II, Økonometri 1"

Transkript

1 Rettevejledig til Økoomisk Kdidteksme 2004II, Økoometri Vurderigsgrudlget er selve opgvebesvrelse og bilget, iklusive det fleverede SAS progrm. Mterilet som er fleveret på diskette/cd bedømmes som såd ikke, me er vedt fx til t opklre evetuelle følgefejl og ligede i besvrelse og til t checke t opgve er besvret idividuelt. Ved bedømmelse er der tget udggspukt i de vægtig f opgvere, der er ført i opgvetekste. I de smlede bedømmelse idgår desude e vurderig f, om besvrelse smlet set er kosistet og idefor de give rmmer formår t belyse de overordede problemstillig, der rejses i opgve. Hvor der udføres hypotesetest forvetes der redegjort for de opstillede hypoteser, de vedte teststtistik og fordelig smt sigifiksiveuet for testet (i rettevejledige beyttes 5% sigifiksiveu hvis ikke det er ævt). Opgve er besvret ud fr idividuliserede dtsæt, me der er i vejledige givet kokrete umeriske resultter for dtsættet geeret på bggrud f eksmesummer 7. Resultter for dre eksmesumre k fås ved t køre det vedlgte SAS progrm VEJL2004II.ss med det relevte eksmesummer. I opgvetekste er det ført t besvrelse højest må fylde 6 sider (ikl. forside) og derudover 5 sider bilg. Overskrides omfget f opgvebesvrelse, skl det vægtes egtivt i de smlede bedømmelse. Opgve Spørgsmål i) De studerede skl gøre rede for, t modelle (.) er e lieær (i prmetree) regressiosmodel som beskriver smmehæge mellem de idividuelle test-score i læsefærdigheder og tre grupper f forklrede vrible: elevkrkteristik, fmilekrkteristik og skolekrkteristik. Der k evt. gives kommetrer vedr. hvilke type f forklrede vrible, som idgår i modelle. ii) Uder tgelse MLR.3: E(u x) = 0 k prmetere i de lieære model fortolkes som prtielle effekter på de forvetede værdi f test-score ved e ædrig f e f de forklrede vrible. β 2 viser de forvetede forskel på læsetestscore mellem drege og piger lt det lige. Hvis β 2 er positiv klrer piger sig bedre ed drege. β er de prtielle effekt på læsetestscore år der er e ekstr elev i klsses dsktimer, lt det lige. iii) β 4 forvetes positiv. Jo lægere mores uddelse, jo højere testscore (rv/vægt på uddelse). β 0 forvetes positiv. Jo flere dsklærere med lijefg, jo højere testscore (bedre udervisig). β forvetes egtiv. Jo flere elever i klsse, jo lvere testscore (midre tid pr. elev, mere uro). Svree bør begrudes. i) Dt beskrives ved e tbel, som giver geemsit, vris (eller stdrdfvigelse) evt. mi og mx f vigtigste vrible. Kommetrer vedr. tbelle bør ideholde e kort diskussio f, om der er oplgte problemer med dt (det er der ikke). Dt ideholder 2339 observtioer. Bemærk der er skoler og klsser med ku 3 elever.

2 ii) Der fides e positiv korreltio (0,08) mellem fres socio-økoomiske sttus og dele f lærere med liiefg i dsk. De fude korreltio skl kommeteres og forsøges forklret. iii) Besvrelse bør ideholde e grf med histogrmmet. Bemærk t der er 0% f skolere, hvor lijefg er større ed, hvilket vil sige skoler, hvor der er flere lærere med liiefg i dsk ed der er lærere, der fktisk uderviser i dsk. Det er således et ret udbredt fæome og ikke e fejl i dt (lærere med liiefg i dsk k udervise i dre fg). Opgve 2 Spørgsmål i) Prmeterestimter skl gives. Der bør ikke kommeteres på evt. sigifiks f estimtere, d m edu ikke hr checket for gyldighede f estimtet f OLS vrise. ii) Givet MLR MLR5 er OLS bedst bldt lieære ubised estimtorer ifølge Guss-Mrkov teoremet. MLR-MLR4 er ltså ikke ok, vi skl også tge homoskedsticitet, MLR5. i) Grfisk lyse, plot residuler mod de predikterede tscore eller ekelte f de forklrede vrible eller kvdrerede residuler mod de predikterede tscore eller ekelte f de forklrede vrible. ii) Geerelt for test for heteroskedsticitet (Breusch-Pg og White s test) skl følgede medtges i e besvrelse: - beskriv regressiosmodel, der ligger til grud for testet - giv H 0 - bereg test (ete LM eller F-test) med korrekte frihedsgrder - giv fordelig f testet og fid p-værdi/giv sigifiksiveu og kritisk værdi - kokluder om m ccepterer eller fviser hypotese om homoskedsticitet De studerede behøver ku t give ete LM eller F-testet. Breusch-Pg test for heteroskedsticitet: Model: kvdrerede residuler fr (.) regresseres på de forklrede vrible i (.), dvs ikl. e kostt (hvor R 2 = 0,0072 fr pågældede regressio). H 0 : Homoskedsticitet (MLR5), d.f. =, LM = R 2 = 749*0,0072 = 2,6 ~ χ 2 => p-værdi = 0,32 => k ikke fvise H 0. F,737 =,4 => p-værdi = 0,33 => k ikke fvise H 0. iii) White test: Model: kvdrerede residuler fr (.) regresseres på kostt, de predikterede værdier f tscore fr (.) og de kvdrerede predikterede værdier f tscore. Altertivt k m regressere kvdr. residuler mod lle x-vrible, x^2-vrible og deres krydsprodukter. Atllet f frihedsgrder stiger så betrgteligt. De simple versio.h 0 : Homoskedsticitet (MLR5), d.f. = 2, LM = 749*0,0023 = 4,0 ~ χ 2 2 => p-værdi = 0,3 => k ikke fvise H 0. F 2,746 =.98 => p-værdi = 0,3 => k ikke fvise H 0. Det bør kommeteres t der ikke ser ud til t være oge specifik vrisstyrede vrible. Plottet er pæt. Begge test ccepterer H 0. Homoskedsticitet k ikke forkstes.

3 Spørgsmål c I dette spørgsmål bør de studerede i ord formulere hvilke koklusioer, som k drges på bggrud f testee. De studerede skl gøre rede for, t m k beytte OLS estimtere og deres lmidelige stdrdfejl d MLR-5 er opfyldt. Hypotese skl skrives ed smt der skl gøres rede for, hvilket test som vedes (t- eller F-test og tllet f frihedsgrder) og koklusioe f testet skl fremgå klrt. i) H 0 : β 8 = 0. Fmilies formue hr ige betydig, over for ltertivet, t β 8 er forskellig fr 0. Testet udføres som et t-test. t-teststørrelse = => p-værdi = 0,003. Herf sluttes t vi forkster H 0, dvs. formue hr betydig for testscore. De studerede bør kommetere på forteget (som er egtivt og ikke som forvetet). ii) H 0 : β 6 = β 7. Fr og mors sttus hr smme betydig for eleves læsefærdigheder, over for ltertivet, t de hr forskellige effekter. F-test eller t-test bør opstilles og forklres. F,737 = 0,95 => p-værdi = 0,33. Dvs. k ikke fvise t fr og mors sttus hr smme betydig for eleves læsefærdigheder. Evt. t-test = -0,98 => p-værdi = 0,33. K også gøres vh omprmetiserig f modelle. Vi k ikke forkste H 0 : mor og frs sttus hr smme betydig for eleves læsefærdighed. iii) H 0 : β 0 = β = 0. Lijefg og tl elever i dsktimer hr ige betydig for testscore, over for ltertivet, t midst e f vriblere hr betydig. Opstil F-test. F 2,737 = 2,98 => p-værdi = 0,05. Afvis H 0 på et 0 % iveu. K lige kkurt ikke fvise H 0 på et 5 % iveu. NB! Koklusioe k fhæge f eksmesummer! Spørgsmål d For t besvre dette spørgsmål skl der lves to ye vrible, som modelle udvides med. De ye vrible k fx formuleres som iterktiosledee: pigemudd=pige*mudd; pigefudd=pige*fudd; De studerede bør så kue formulere hypotese om, t eleves kø ikke hr betydig for effekte f hhv. mores og fres uddelse som: H 0 : koefficiete til pigemudd = koefficiete til pigefudd = 0, over for ltertivet, t midst e f effektere er forskellig fr ul. Testet udføres som et F-test. F 2,735 = 0,24 => p-værdi = 0,79. K ikke fvise H 0. Es effekt f frs hhv. mors uddelse for piger og drege. Spørgsmål e i) De studerede bør kue oversætte påstde små miljøer hr e positiv effekt på læsefærdigheder til t udersøge effekte f skolestørrelse på læsefærdigheder. Det viser sig t tl elever på skole ikke er sigifikt for læsescore (5% sigifiksiveu). Desude hr prmeterestimtet forkert forteg i forhold til hypotese. Dvs. umiddelbrt ikke oget der støtter hypotese. ii) Ud fr de udvidede regressio skl de studerede idetificere prmeterestimt for skolestr =, prmeterestimt for skolestr^2 = b. De optiml skolestørrelse fides ved t mksimere testscore over skolestr. Førsteordesbetigelse giver så t optiml skolestørrelse = -/2b = 0,093/(2*0, ) = 567 elever. Geemsitligt tl elever per skole er 46 (bereget ku for folkeskoler). Det ccepteres også hvis hele dtsættet bruges, så er de geemsitlige størrelse 426. iii) For t kue drge e koklusio vedr. skolestørrelses betydig bør det bemærkes t:

4 - Skolestørrelse er ikke sigifikt i opridelig ligig. - I ligig med kvdreret skolestørrelse er skolestørrelse sigifikt på 5 % iveu, mes skolestørrelse kvdreret ikke er sigifikt på 5 % iveu. Der bør foretges et smlet testet f sigifiks f de to vribler. Smlet ccepterer m t de ikke hr betydig på et 5 % iveu. Koklusioe k fhæge f eksmesummer! Alt i lt er der ikke e overbevisede smmehæg mellem skolestørrelse og eleveres læsefærdigheder. Spørgsmål f i) De studerede bør gøre rede for, t hvis der er korreltio mellem klssekvotiet og særlige fglige problemer (de udeldte vribel) vil der opstå omitted vrible bis i estimtioe. Det er derfor sdsyligt t estimtet til klssekvotiete er bised. Kokret bemærkes det, t OLS estimtet f koefficiete til klssekvotiete er positivt og ikke som forvetet egtivt. ii) I dette spørgsmål skl de studerede opskrive de formelle betigelser for t fmstot k vedes som proxy for de uobserverede egeskb særlige fglige problemer (sfp). Betigelsere bygger på t de sde model er givet ved: tscore = β0 + βlder + β2pige + β3detspr + β4mudd + β5 fudd + β6msei (.) + β7 fsei + β8 formue + β9skolestr + β0liiefg + βklkvo + β2sfp + u, () Der skl så gælde t MLR 3 er opfyldt for de sde model. Desude skl u være ukorreleret med fmstot. (b) De uobserverbre vribel sfp k skrives som sfp = δ0 + δfmstot + v, hvor δ 0 og v er ukorreleret med lle de observerede vribler i (.) og med fmstot. Det skl her diskuteres om tgelsere er opfyldt i prksis: () idebærer, t fmstot ikke ville spille oge selvstædig rolle i modelle, hvis sfp kue observeres og ikluderes. Det k måske være rimeligt ok, me m k vel også formode, t der fktisk er e direkte effekt på læsefærdighedere f støtte til lektielæsig. (b) k fx begrudes i t der k være støtte derhjemme hvis det går skidt i skole ( δ > 0), me det k også være t det går skidt, fordi der ikke er støtte derhjemme ( δ < 0). I så fld er der ikke oge etydig smmehæg mellem sfp og fmstot. At v er ukorreleret med de observerede vribler i (.) betyder, t fmstot etop er i std til t korrigere for de korreltio mellem fx klkvo og sfp, som giver ledig til udeldt vribel bis. Adre fglige problemer som fspejles f v, hr dermed ikke oge korreltio med fx klkvo og giver derfor ikke bis. Smlet set er der grud til t være skeptisk overfor bruge f fmstot som proxy. iii) Det bør bemærkes, t i de udvidede model med fmstot fås stdigt fortst forkert (positivt) forteg på klssekvotiet. Dvs. proxy-vrible fmstot løser ikke problemet med forteget. Forteget på fmstot er egtivt. Det k fspejle t elever med særlige vskeligheder behøver mest støtte hjemmefr. Spørgsmål g i) Til dette spørgsmål skl de studerede beytte prmeterestimtet f koefficiete til liiefg på, og fr bilgstbelle fide geemsitlige testscorer: Dmrk: 497, Sverige: 56 (bemærk: lle grudskoleelever). Ud fr disse oplysiger k m udrege hvor stor dele f lærere med liiefg skl være for t det dske og sveske geemsit er es. Krævet forøgelse f lijefg: (56-497)/, =,7. Dvs. dele f lærere med lijefg i dsk skl øges med,7 fr geemsitligt 0,7 til 2,4.

5 ii) De studerede bør reflektere over, hvilke mekismer der skulle kue begrude de positive effekt f liiefg og kritisk overveje, om det er rimeligt t lve e så mrkt ekstrpoltio f effekte f dee vribel, år ku 0% f elevere går på skoler, hvor liiefg hr værdier der større ed. Opgve 3 Spørgsmål i) Her skl edogeitet defieres og midst e mulig årsg til korreltio for hver f vriblere skl begrudes. For klkvo k m fx diskutere særlige fglige problemer som udeldt vribel og forældrees vlg f skole eller skoles vlg f klssestørrelse (specilklsser) som bggrud for korreltio. For liiefg k m ligeledes pege på fglige problemer og forældrees vlg f skoler med velkvlificerede lærerressourcer. Eller der k være korreltio mellem udbredelse f liiefg og vedelse f mere (eller midre) heldige systemer til læseidlærig. Agiv krv til istrumeter på grudlg f geo: Istrumetere skl være korrelerede med de edogee forklrede vribel og må ikke være korrelerede med fejlleddet. Første tgelse testes i æste spørgsmål, sidste tgelse skl sdsyliggøres kokret i forhold til de kilder til edogeitet, der er givet. ii) Test om ldsby, lilleby, by, storby og hovedst er gyldige istrumeter for liiefg og klkvo. Opstil de reducerede form for liiefg : liiefg = b0 + blder + b2pige + b3detspr + b4mudd + b5 fudd + b6msei +b 7 fsei + b8 formue + b9skolestr + b0ldsby + blilleby + b2by + b3storby + b4hovedst + v, hvor v er et fejlled. Test H0 : b0 = b = b2 = b3 = b4 = 0 overfor ltertivet t midst e f prmetree er forskellig fr ul med et F-test. Resulttet er F 5,734 =5,68 (p-værdi = 0,000). K fvise ulhypotese, dvs. istrumetere er smlet set sigifikte i de reducerede form for liiefg. Tilsvrede opstilles model og udføres test for klkvo. Afvisig f de to F-test er e ødvedig betigelse for idetifiktio. Istrumetere k således tges t være gyldige. iii) Udfør exogeitetstest vh residul ugmeted model : Lieær regressio, hvor (.) udvides med residulere fr de reducerede former for liiefg og klkvo. Test ulhypotese t koefficietere til residulere er ul overfor ltertivet t de er forskellige fr ul. Her ccepteres både idividuelle t-test på hvert f residulere og et smlet F-test. Resulttet er F 2,735 = 2,2 (pværdi = 0,089). Dvs. k ikke fvise t liiefg og klkvo er exogee på et 5 % iveu. Ser m på t-værdier k m dog fvise t liiefg er exoge hvis m veder et 0 % iveu. Det bør diskuteres t hvis liiefg og klkvo fktisk er exogee er OLS kosistet (og efficiet, d der er tget homoskedsticitet). IV giver også kosistete estimter, me er ikke efficiet. Problem hvis liiefg og klkvo fktisk er edogee: OLS estimtore er ikke kosistet. iv) Test f overidetificerede restriktioer: Udfør e lieær regressio, hvor residulere fr 2SLS estimtio f (.) regresseres på lle exogee vribler i modelle: De exogee forklrede vribler i (.) og ldsby, lilleby, by, storby og hovedst. Test ulhypotese om t regressioe ikke hr oge forklrigsgrd overfor ltertivet, t de hr forklrigsgrd, ved et LM test. Resultt: R 2 = 0,004, LM: R 2 = 749*0,004 = 7,2 ~ χ 2 3 => p-værdi = 0,067 => k ikke fvise

6 H 0 på 5% iveu. Dvs. smlet set er istrumetere er exogee. Koklusioe er dog følsom overfor det vedte sigifiksiveu og k fvige mellem forskellige eksmesumre. v) IV-estimtere (dvs. resulttere f 2SLS estimtio) rpporteres med stdrdfejl. Med IV estimtio får vi u det forvetede forteg på klkvo. Jo flere elever i dsktimere, jo dårligere testscore. Prmetere er dog ikke sigifikt. Med IV er liiefg u kp sigifikt på et 5% iveu. Øvrige prmeterestimter og sigifiksiveuer mider om OLS. (der er ige opgve 3.. vi) vii) Altertive istrumeter: Dummyvribler ud fr strtlo. Der er 5 ktegorier, me ige skoler flder i ktegori 5, så der skl defieres 3 dummyvribler og vælges e referecektegori. Der skl opstilles reducerede forms ligiger for liiefg og klkvo og testes sigifks f dummyvriblere. Resulttere bliver for liiefg: H 0 : Koefficietere til lod, lod2,lod3 lig med ul over for ltertivet, t midst e er forskellig fr ul; F 3,736 =0,2 => p-værdi = 0,95. Accepter H 0, dvs. istrumeter er ikke gyldige. For klkvo: H 0 : Koefficietere til lod, lod2,lod3 lig med ul over for ltertivet, t midst e er forskellig fr ul; F 3,736 =5,98 => p-værdi = 0,0005. Afvis H 0, dvs. istrumeter er gyldige Oveståede test betyder t istrumetere smlet set ikke er gyldige, d de ikke er korreleret med liiefg, ku med klssekvotiet. Der bør således ikke foretges IV estimtio med de ltertive istrumeter. * i) Proxy: Idsæt wi = γ wi + vi i regressiosmodelle og idse t ui = β2vi + εiog α = γβ2. OLS på ligige yi = βxi + αwi + ui er kosistet for β og α = γβ2 hvis ui = β2vi + εi er ukorreleret med x og w. Fire dele er t vise: ) cov( ε, x) = 0 følger f MLR.3 for de opridelige model. 2) cov( ε, w) = 0 gælder direkte pr. tgelse i opgve. 3)+4) Ev ( wx, ) = 0 implicerer t cov( vw, ) = 0 og cov( vx, ) = 0. Af )-4) følger t cov( uw, ) = cov( ux, ) = 0, så proxy-tilgge giver et kosistet estimt f β (og α = γβ2). ii) IV på ligige yi = βxi + ei med z som istrumet for x er kosistet for β, hvis * ei = β2wi + εi er ukorreleret med z, mes x og z er korrelerede. Sidstævte gælder direkte pr. tgelse i opgve. Første betigelse: * * cov( ze, ) = cov( z, β2w + ε) = β2 cov( zw, ) + cov( z, ε) = β2γ cov( zw, ) + β2 cov( zv, ) + cov( z, ε) * hvor reltioe wi = γ wi + vi er substitueret id. Alle tre led er ul pr. tgelse i opgve og IVtilgge giver derfor et kosistet estimt f β. iii) Kombitio: Smme ligig som uder i) dvs. t ui = β2 vi + εi. Istrumetet z er ukorreleret med u idet cov( zu, ) = β2 cov( zv, ) + cov( z, ε ) = 0. At z også vil være korreleret med x givet w følger f, t z og w er tget ukorrelerede. Altså er både OLS og IV (med z som istrumet) kosistete estimtorer. Givet t u er homoskedstisk er OLS efficiet, mes IV estimtore vil

7 hve e større vris (jf. Wooldridge side ). Proxy-tilgge må derfor foretrækkes frem for de kombierede metode. Opgve 4 (Det fulde dtsæt skl bruges i hele opgve). Spørgsmål i) Det skl i besvrelse føres t modelle i (.2) er e logitmodel. ML estimtere og deres stdrdfejl skl rpporteres. H0 : δ 0 = 0 overfor ltertivet t prmetere er forskellig fr ul. SAS rpporterer utomtisk Wld testet, W = 3,8 ~ χ 2 med e p-værdi = 0,0002. På et 5% sigifiksiveu fvises H 0, dvs. det k ltså fvises, t hjemmets kulturelle resurser ikke hr oge betydig for vlget f privt skole. ii) E restrikteret model ude fsei, msei og formue estimeres med ML estimtio. De mximerede log-likelihood værdier fr dee model og modelle fr i) bruges til t opstille et likelihood rtio test: H0 : δ4 = δ5 = δ8 = 0. Altertivet: Midst e f prmetree forskellig fr ul. LR = 2596, ,3 = 2,94 ~ χ 2 3 med de kritiske værdi på et 5% sigifiksiveu er 7,8 (p-værdi = 0,40). På et 5% sigifiksiveu k det ikke fvises, t socio-økoomisk sttus og formue ige betydig hr for vlget mellem privt- og folkeskole. For emheds skyld vil vi orde elevere så de gruppe -elever idekseres i =, 2,..., og gruppe b-elevere i = +, + 2,...,. Atg t der fktisk er elever i begge grupper, dvs. og (og derfor 2). Gruppegeemsittee er defieret som m m b = yi i =. + = y og i = OLS estimtere ˆα 0 og ˆα svrede til regressiosmodelle i opgvetekste er løsigere til ligigere (2.4) og (2.5) i Wooldridge (hvor regressore xi erstttes med d i ). Fr (2.4) får vi (idet 0 ): ( y ˆ ˆ ˆ ˆ i α0 αdi) = 0 yi α0 α di = 0 Ved t idsætte i= i= i= + ( b) b = i og di = fås ligige i= i= m m y m + ( ) m ˆ α ( ) ˆ α = 0 (*). b 0 Fr (2.5) får vi: 2 d ˆ ˆ ˆ ˆ i( yi α0 αdi) = 0 diyi ( ) α0 α di = 0 i= i= i= 2 b i i di = ˆ mb α i= i= Ved t idsætte ( ) m = d y og fås ( ) ( ) ˆ 0 ( ) α = 0. i

8 Idet 0 k udtrykket forkortes og omrokeres til m ˆ ˆ b = α0 + α (**). Dette udtryk idsættes for m ( )( ˆ α ˆ α ) ˆ α ( ) ˆ α 0 ˆ α =. mb i (*): =, hvilket ige forkorter til: 0 Smmeholdt med (**) hr vi så edeligt t ˆ α = mb m. SLR betigelsere: Vi hr ku brugt defiitiosligigere for OLS estimtore i de simple regressiosmodel. Atgelse (2.8) vedes i udledige i Wooldridge og svrer til SLR.4: Der skl være vritio i de forklrede vribel. Kokret betyder det, t ikke lle elever må tilhøre ete gruppe eller gruppe b. Det vr etop det vi hr tget i form f betigelsere og. Øvrige SLR tgelser om regressiosmodelle spiller ige rolle i udledige. Spørgsmål c Dette er e reltivt åbe opgve, hvor der vil blive givet poit for forskellige forslg til løsig, så læge forslget besvrer opgve og bygger på modeller og testmetoder, der er økoometrisk holdbre (eller t m i det midste diskuterer de evt. svgheder, som de vlgte metode måtte hve). i) Testscore skl smmeliges fx ved e simpel smmeligig f de geemsitlige testscorer for elever i folkeskoler og i privtskoler. Relevte geemsit er for folkeskole = 54,92, for privtskoler = 56,96. Geemsittee smmeliges emmest ved hjælp f e simpel regressiosmodel: tscore = β*privt + kostt + fejlled. H 0 : β = 0, t-test: 0,48 => p-værdi = 0,63. K ikke fvise hypotese om, t der ikke er oge sigifikt forskel på privtskoler og folkeskoler mht. læsetestscore. M bør bemærke t der k være forskellig vris for de to skoletyper (heteroskedsticitet i modelle) og derfor evt. vede e robust stdrdfejl. Desude k β ku fortolkes som e ltdet-lige effekt hvis privt er ukorreleret med lle dre fktorer, der påvirker tscore. Det er æppe relistisk bl.. set i lyset f Opgve 4. Altertivt kue m her lve et Chow test mellem de to grupper f elever og derved korrigere for de øvrige observerede determiter for læsetestscore. ii) Udvidelse f model (.) med privt dummyvrible. H 0 : β privt = 0 i udvidet model (.) overfor ltertivet, t prmetere er forskellig fr ul (måske edd t de er større ed ul, jf. begrudelse for forslget om sttstilskud). Udføres som et simpelt t-test, resultt: t = -0,85 => p- værdi = 0,39 med et to-sidet ltertiv. Ved fx et 5% sigifiksiveu k H 0 ikke fvises der er ltså ikke sigifikt forskel på privtskoler og folkeskoler. Bemærk t estimtet skifter forteg, år der kotrolleres for dre vribler. Hvis dette skl være et kosistet estimt f de forvetede værdi på testscore ved t flytte e tilfældig elev, skl det være såd, t privt ikke er korreleret med fktorer i fejlleddet i (.). Forudsætige er tvivlsom: vi hr i Opgve 4 set, t fx hjemmets kulturelle ressourcer påvirker vlget f privtskole og de kue meget vel også hve e effekt på læsetestscore. Geerelt vil e vribel, der påvirker vlget f privtskole (og dermed er korreleret med privt) me ikke er medtget i (.) på trods f t de er korreleret med læsetestscore, gøre t koefficiete til privt i de udvidede udgve f (.) ikke vil kue tolkes som e kusl effekt. m

9 iii) Der er i hvert fld to problemer i t bruge modellere til t evluere forslget: Estimtere f forskelle mellem geemsit/koefficiete til dummyvrible udtrykker ikke ødvedigvis de kusle effekt; rgumetere fremgår f ii). Og selv hvis der er e (positiv) kusl effekt er det er ikke oplgt ud fr lyse, t øget sttstilskud tilskyder sigifikt til t vælge privtskoler. E simpel prtiel lyse f fmilieres budgetrestriktio ville give teoretisk belæg for e positiv effekt, me model (.2) giver ikke rigtig oget empirisk belæg for dette. M k her diskutere, om formue er et veleget mål for fmilies fisielle resurser og evt. foreslå ltertiver (idkomst). Opgve 5. Dee del f opgve bør fremstå som e smlet koklusio på hele opgve. De studerede behøver ikke t iddrge ogle ye lyser her, me blot på e overskuelig måde t smmeftte deres hovedkoklusioer fr hele opgve. Spørgsmål I dette spørgsmål skl de studerede vise, t de hr overblik over de forskellige modeller for læsetestscore, og t de er i std til t lve overskuelige tbeller, som udvælger og smmeholder de vigtigste lyser fr Opgve 2, 3 og 4. Bemærk t model (.2) for privtskolebeslutige ikke umiddelbrt hører hjemme i dee smmeligig. Desude skl de kue gøre rede for, hvord de ekelte modeller forholder sig til hide. De studerede skl føre, hvilke model de foretrækker, og føre hvorfor dee foretrækkes. Kokret bør der rgumeteres for, t de foretruke estimter må være IV estimtere fr Opgve 3 iv), eller - hvis m er villig til t kokludere t klkvo og liiefg er exogee - OLS estimtere fr Opgve 2 (evt. udvidet med fmstot). I dette spørgsmål skl de studerede diskutere de overordede koklusioer fr deres empiriske lyser og gere iddrge det udleverede bilgsmterile. Ud fr de foretruke modelestimter (fhægig f koklusioe uder ) k det kokluderes, t Elevkrkteristik som kø og lder er sigifikte for læsetestscore (evt. æve størrelse f køseffekte) Fmiliekrkteristik (sprog i hjemmet, uddelse, socio-økoomisk sttus, formue ) er meget sigifikte og hr stor betydig (evt. æve størrelse f e eller flere prtielle effekter) Skolekrkteristik syes ikke t hve oge mrkte, sigifikte effekter på læsetestscore. Dette bekræfter i store træk de koklusioer, der fremføres på side 32 i bilg. Smlet set er det ud fr lyse svært t pege på fktorer, som vil kue påvirkes f politiske idgreb (i hvert fld på kort sigt) og hr idvirkig på læsefærdighedere. Desude k de studerede diskutere om folkeskole k hve dre formål ed t opøve fglige færdigheder.

Analyse 1, Prøve maj Lemma 2. Enhver konstant funktion f : R R, hvor f(x) = a, a R, er kontinuert.

Analyse 1, Prøve maj Lemma 2. Enhver konstant funktion f : R R, hvor f(x) = a, a R, er kontinuert. Alyse, Prøve. mj 9 Alle hevisiger til TL er hevisiger til Klkulus 6, Tom Lidstrøm. Direkte opgvehevisiger til Klkulus er givet med TLO, ellers er lle hevisiger til steder i de overordede fsit. Hevises

Læs mere

Økonometri 1. Inferens i den lineære regressionsmodel 29. september Økonometri 1: F7 1

Økonometri 1. Inferens i den lineære regressionsmodel 29. september Økonometri 1: F7 1 Økoometri 1 Iferes i de lieære regressiosmodel 9. september 006 Økoometri 1: F7 1 Dages program Opsamlig af hemmeopgave om Mote Carlo eksperimeter Mere om hypotesetest: Ekelt lieær restriktio på koefficieter

Læs mere

Statistik Lektion 4. Kovarians og korrelation Mere om normalfordelingen Den centrale grænseværdi sætning Stikprøvefordelingen

Statistik Lektion 4. Kovarians og korrelation Mere om normalfordelingen Den centrale grænseværdi sætning Stikprøvefordelingen Sttistik Lektio 4 Kovris og korreltio Mere om ormlfordelige De cetrle græseværdi sætig Stikprøvefordelige Repetitio: Kotiuerte stokstiske vrible f (x) er e sdsylighedstæthedsfuktio, hvis f ( x) 0 for lle

Læs mere

Økonometri 1. Definition og motivation. Definition og motivation. Dagens program. Den multiple regressionsmodel 15. februar 2006

Økonometri 1. Definition og motivation. Definition og motivation. Dagens program. Den multiple regressionsmodel 15. februar 2006 Dages program Økoometri De multiple regressiosmodel 5. februar 006 Emet for dee forelæsig er de multiple regressiosmodel (Wooldridge kap 3.-3.3+appedix E.-E.) Defiitio og motivatio Fortolkig af parametree

Læs mere

Projekt 3.7. En algebraisk tilgang til udvidelsen af potensbegrebet

Projekt 3.7. En algebraisk tilgang til udvidelsen af potensbegrebet Hvd er tetik? ISBN 978877879 Projekter: Kitel. Projekt.7.E lgebrisk tilgg til udvidelse f otesbegrebet Projekt.7. E lgebrisk tilgg til udvidelse f otesbegrebet Ld i det følgede tllet være et ositivt tl.

Læs mere

Projekt 3.7. En algebraisk tilgang til udvidelsen af potensbegrebet

Projekt 3.7. En algebraisk tilgang til udvidelsen af potensbegrebet Hvd er tetik? C ISBN 97 887 7 79 Projekter: Kitel. Projekt.7.E lgebrisk tilgg til udvidelse f otesbegrebet Projekt.7. E lgebrisk tilgg til udvidelse f otesbegrebet Ld i det følgede tllet være et ositivt

Læs mere

Sandsynlighedsregning og statistisk

Sandsynlighedsregning og statistisk Figur : J. C. F. Guss 777 855 Sdsylighedsregig og sttistisk Peter Hremoës Niels Brock 6. pril Idledig Dette hæfte er lvet som supplemet til. udgve f boge Mt B. Der er lgt vægt på t give e bedre forståelse

Læs mere

Lidt Om Fibonacci tal

Lidt Om Fibonacci tal Lidt om Fioi tl Lidt Om Fioi tl Idhold. Defiitio f Fioi tllee.... Kivl... 3. Telefokæder....3 4. E formel for Fioi tllee...4 Ole Witt-Hse 008 Lidt om Fioi tl. Defiitio f Fioi tllee Fioi tllee er opkldt

Læs mere

Sandsynlighedsregning og statistisk. J. C. F. Gauss ( ) Peter Haremoës Niels Brock. 9. april 2013

Sandsynlighedsregning og statistisk. J. C. F. Gauss ( ) Peter Haremoës Niels Brock. 9. april 2013 Sdsylighedsregig og sttistisk J. C. F. Guss 777 855 Peter Hremoës Niels Brock 9. pril 3 Idledig Dette hæfte er lvet som supplemet til. udgve f boge Mt B. Der er lgt vægt på t give e bedre forståelse for

Læs mere

Praktisk info. Statistisk analyse af en enkelt stikprøve: kendt eller ukendt varians Sandsynlighedsregning og Statistik (SaSt) I tirsdags.

Praktisk info. Statistisk analyse af en enkelt stikprøve: kendt eller ukendt varians Sandsynlighedsregning og Statistik (SaSt) I tirsdags. Praktisk ifo Liste med rettelser og meigsforstyrrede trykfejl i DS på Absalo. Statistisk aalyse af e ekelt stikprøve: kedt eller ukedt varias Sadsylighedsregig og Statistik (SaSt) Helle Sørese Projekt

Læs mere

Grundlæggende matematiske begreber del 1 Mængdelære Talmængder Tal og regneregler Potensregneregler Numerisk værdi Gennemsnit

Grundlæggende matematiske begreber del 1 Mængdelære Talmængder Tal og regneregler Potensregneregler Numerisk værdi Gennemsnit Grudlæggede mtemtiske begreber del 1 Mægdelære Tlmægder Tl og regeregler Potesregeregler Numerisk værdi Geemsit x-klssere Gmmel Hellerup Gymsium 1 Idholdsfortegelse MÆNGDELÆRE... 3 TAL... 9 De turlige

Læs mere

Kommentarer til VARIABLE

Kommentarer til VARIABLE Kommetrer til Fglige mål Kpitlet lægger op til, t elevere lærer vribelbegrebet t kede som et effektivt værktøj til t skbe sig overblik over komplekse problemstilliger. k udpege kostter og vrible med tilhørede

Læs mere

Projekt 3.1 Potensbegrebet og geometriske rækker

Projekt 3.1 Potensbegrebet og geometriske rækker Hvd er mtemtik? ISBN 97887766879 Projekter: pitel. Projekt. Potesbegrebet og geometriske rækker Projekt. Potesbegrebet og geometriske rækker (Vi tger i det følgede udggspukt i kpitlfremskrivigsformle:

Læs mere

Grundlæggende matematiske begreber del 1 Mængdelære Talmængder Tal og regneregler Potensregneregler Numerisk værdi

Grundlæggende matematiske begreber del 1 Mængdelære Talmængder Tal og regneregler Potensregneregler Numerisk værdi Grudlæggede mtemtiske begreber del Mægdelære Tlmægder Tl og regeregler Potesregeregler Numerisk værdi x-klssere Gmmel Hellerup Gymsium Idholdsfortegelse MÆNGDELÆRE... 3 TAL... 9 De turlige tl... 9 De hele

Læs mere

Grundlæggende matematiske begreber del 1

Grundlæggende matematiske begreber del 1 Grudlæggede mtemtiske begreber del 1 Mægdelære Tlmægder Tl og regeregler Potesregeregler Numerisk værdi Geemsit x-klssere Gmmel Hellerup Gymsium December 2018 ; Michel Szymski ; mz@ghg.dk 1 Idholdsfortegelse

Læs mere

Differentiation af potensfunktioner

Differentiation af potensfunktioner Hvd er mtemti? B, i-bog ISBN 978 87 766 494 3 Hjemmesideevisig: Differetitio f potesfutioer, Kpitel 4, side 76 Differetitio f potesfutioer. Pscls tret og biomilformle Vi strter med t mide om t poteser

Læs mere

Kvantitative metoder 2

Kvantitative metoder 2 Dages program Kvatitative metoder De multiple regressiosmodel 6. februar 007 Emet for dee forelæsig er de multiple regressiosmodel (Wooldridge kap 3.- 3.+appedix E.) Defiitio og motivatio Fortolkig af

Læs mere

hvor i er observationsnummeret, som løber fra 1 til stikprøvestørrelsen n, X i

hvor i er observationsnummeret, som løber fra 1 til stikprøvestørrelsen n, X i Normalfordeliger For at e stokastisk variabel X ka være ormalfordelt, skal X agive værdie af e eller ade målig, f.eks. tid, lægde, vægt, beløb osv. Notatioe er: Xi ~ N( μ, σ hvor i er observatiosummeret,

Læs mere

Rettevejledning til Økonomisk Kandidateksamen 2003II, Økonometri 1

Rettevejledning til Økonomisk Kandidateksamen 2003II, Økonometri 1 Rettevejledig til Økoomisk Kadidateksame 003II, Økoometri Vurderigsgrudlaget er selve opgavebesvarelse og bilaget. Programmer og data som er afleveret på diskette/cd bedømmes som såda ikke, me er avedt

Læs mere

Matematik A. Højere handelseksamen. Formelsamling

Matematik A. Højere handelseksamen. Formelsamling Mtemtik A Højere hdelseksme Formelsmlig Mtemtik A Højere hdelseksme Formelsmlig Forfttere: Jytte Meli og Ole Dlsgrd April 09 ISBN: 978-87-603-339-5 (web udgve) Dee udgve f Mtemtisk formelsmlig htx A-iveu

Læs mere

FUNKTIONER del 2 Rentesregning Eksponentielle udviklinger Trigonometriske funktioner Potensfunktioner Polynomier

FUNKTIONER del 2 Rentesregning Eksponentielle udviklinger Trigonometriske funktioner Potensfunktioner Polynomier FUNKTIONER del Retesregig Ekspoetielle udvikliger Trigoometriske fuktioer Potesfuktioer Polyomier -klssere Gmmel Hellerup Gymsium Idhold RENTESREGNING... 3 Kotiuert rete... EKSPONENTIELLE UDVIKLINGER...

Læs mere

Kap 1. Procent og Rentesregning

Kap 1. Procent og Rentesregning Idhold Kp. Procet og Retesregig.... Regig med proceter.... Reteformle.... Geemsitlig retefod (vækstrte)... Kp Opsprigs- og gældsuiteter...5. Auiteter...5. Sumformel for e kvotietrække...5. Opsprigsuitet...6.

Læs mere

Projekt 4.1 Potensbegrebet og geometriske rækker

Projekt 4.1 Potensbegrebet og geometriske rækker Hvd er mtemtik? C, i-bog ISBN 978 87 766 499 8 Projekter: pitel 4 Projekt 4. Potesbegrebet og geometriske rækker Vi hr defieret e ekspoetiel vækst, som e vækstmodel, hvor de fhægige vribel, - værdie, fremskrives

Læs mere

Grundlæggende matematiske begreber del 1 Mængdelære Talmængder Tal og regneregler Potensregneregler Numerisk værdi Gennemsnit

Grundlæggende matematiske begreber del 1 Mængdelære Talmængder Tal og regneregler Potensregneregler Numerisk værdi Gennemsnit Grudlæggede mtemtiske begreber del Mægdelære Tlmægder Tl og regeregler Potesregeregler Numerisk værdi Geemsit x-klssere Gmmel Hellerup Gymsium Idholdsfortegelse MÆNGDELÆRE... 3 TAL... 9 De turlige tl...

Læs mere

Sammensætning af regnearterne - supplerende eksempler

Sammensætning af regnearterne - supplerende eksempler Mtetik på AVU Ekseplet til iveu F, E og D Sesætig f regertere - supplerede eksepler Poteser... Rødder... d 0-tls-poteser... e Sesætig f regertere Side Mtetik på AVU Ekseplet til iveu F, E og D Sesætig

Læs mere

Økonomisk Kandidateksamen 2004II Økonometri 1. Læsefærdigheder hos skoleelever i Danmark

Økonomisk Kandidateksamen 2004II Økonometri 1. Læsefærdigheder hos skoleelever i Danmark Økonomisk Kandidateksamen 2004II Økonometri 1 Læsefærdigheder hos skoleelever i Danmark Praktiske anvisninger til individuel tag-hjem eksamen i Økonometri 1: Start med at sikre dig at du kan få adgang

Læs mere

Bogstavregning - supplerende eksempler. Reduktion... 54 b Ligninger... 54 d

Bogstavregning - supplerende eksempler. Reduktion... 54 b Ligninger... 54 d Mtetik på AVU Eksepler til iveu F, E og D Bogstvregig - supplerede eksepler Reduktio... Ligiger... d Bogstvregig Side Mtetik på AVU Eksepler til iveu F, E og D Reduktio M gger to preteser ed hide ved -

Læs mere

a b cos. n=1 er positiv på N. Vi kan nu benytte sammenligningskriteriet (sætning ) og sammenligne 2a sin ( )

a b cos. n=1 er positiv på N. Vi kan nu benytte sammenligningskriteriet (sætning ) og sammenligne 2a sin ( ) Opgve Vi skl bestemme de tlpr (, for hvilke række b cos = er koverget. Først beytter vi divergeskriteriet (sætig 2..4) til t kræve t leddee må gå mod ul for gåede mod uedelig. Dette giver os t = b cos()

Læs mere

Motivation. En tegning

Motivation. En tegning Motivatio Scatter-plot at det mådelige salg mod det måedlige reklamebudget. R: plot(salg ~ budget, data = salg) Økoometri Lektio Simpel Lieær Regressio salg 400 450 500 550 20 25 30 35 40 45 50 budget

Læs mere

Finitisme og Konstruktivisme. 22. November 2010

Finitisme og Konstruktivisme. 22. November 2010 Fiitisme og Kostruktivisme 22. November 2010 Frktler Hilbert Mdelbrot Feigebum Lorez Lorez-Ligigere σ = 10 β = 8/3 ρ =28 Logistisk vækst x -> rx(1-x) Mdelbrots frktl z -> P c (z) = z 2 +c 0-> P c (0) ->P

Læs mere

Opgave 1. a) f : [a, b] R er en begrænset funktion for hvilken. A ε = {x [a + ε, b] f(x) 0}

Opgave 1. a) f : [a, b] R er en begrænset funktion for hvilken. A ε = {x [a + ε, b] f(x) 0} Opgve ) f : [, b] R er e begræset fuktio for hvilke er edelig for ethvert < ε < b. Vi skl vise t f er itegrbel og t A ε = { [ + ε, b] } d =. Vi bemærker først t f er itegrbel på [, b] hvis og ku hvis de

Læs mere

9. Binomialfordelingen

9. Binomialfordelingen 9. Biomialfordelige 9.. Gekedelse Hvert forsøg ka ku resultere i to mulige udfald; succes og fiasko. I modsætig til poissofordelige er atallet af forsøg edeligt. 9.. Model X : Stokastisk variabel, der

Læs mere

Projekt 9.10 Differentiation af potensfunktioner ved hjælp af binomialformlen

Projekt 9.10 Differentiation af potensfunktioner ved hjælp af binomialformlen Projet 9.1 Differetitio f potesfutioer ved jælp f iomilformle 1. Pscls tret og iomilformle Vi strter med t mide om t poteser f toleddede størrelser, de såldte iomer, udreges ved jælp f Pscls tret, idet

Læs mere

Matematikkens mysterier - på et højt niveau. 1. Integralregning

Matematikkens mysterier - på et højt niveau. 1. Integralregning Mtemtikkes mysterier - på et højt iveu f Keeth Hse. Itegrlregig Hvd er relet f de skrverede puktmægde? . Itegrlregig Idhold. Stmfuktioer og det uestemte itegrl. Regeregler for det uestemte itegrl 7 Prtiel

Læs mere

Komplekse tal Matematik og naturfag i verdensklasse, 2004. Komplekse tal

Komplekse tal Matematik og naturfag i verdensklasse, 2004. Komplekse tal Komplekse tl Mtemtik og turfg i verdesklsse, 004 Komplekse tl Dette mterile er ereget til udervisig i mtemtik i gymsiet. Der forudsættes kedsk til løsig f degrdsligiger, trigoometri og e lille smule vektorregig.

Læs mere

Matematisk modellering og numeriske metoder. Lektion 17

Matematisk modellering og numeriske metoder. Lektion 17 Mtemtisk modellering og numeriske metoder Lektion 1 Morten Grud Rsmussen 8. november, 1 1 Numerisk integrtion og differentition [Bogens fsnit 19. side 84] 1.1 Grundlæggende om numerisk integrtion Vi vil

Læs mere

vejer (med fortegn). Det vil vi illustrere visuelt og geometrisk for (2 2)-matricer og (3 3)-matricer i enote 6.

vejer (med fortegn). Det vil vi illustrere visuelt og geometrisk for (2 2)-matricer og (3 3)-matricer i enote 6. enote 5 enote 5 Determiater I dee enote ser vi på kvadratiske matricer. Deres type er altså for 2, se enote 4. Det er e fordel, me ikke absolut ødvedigt, at kede determiatbegrebet for (2 2)-matricer på

Læs mere

Løsningsforslag til skriftlig eksamen i Kombinatorik, sandsynlighed og randomiserede algoritmer (DM528)

Løsningsforslag til skriftlig eksamen i Kombinatorik, sandsynlighed og randomiserede algoritmer (DM528) Løsigsforslag til skriftlig eksame i Kombiatorik, sadsylighed og radomiserede algoritmer (DM58) Istitut for Matematik & Datalogi Syddask Uiversitet Madag de 3 Jauar 011, kl. 9 13 Alle sædvalige hjælpemidler

Læs mere

Statistik 8. gang 1 KONFIDENSINTERVALLER. Konfidensintervaller: kapitel 11. Valg og test af fordelingsfunktion

Statistik 8. gang 1 KONFIDENSINTERVALLER. Konfidensintervaller: kapitel 11. Valg og test af fordelingsfunktion Statistik 8. gag 1 KONIDENSINTERVALLER Kofidesitervaller: kapitel 11 Valg og test af fordeligsfuktio Statistik 8. gag 11. KONIDENS INTERVALLER Et kofides iterval udtrykker itervallet hvori de rigtige værdi

Læs mere

Notater til Analyse 1

Notater til Analyse 1 Alyse 1 Jørge Vesterstrøm Forår 2004 Notter til Alyse 1 Idhold Forord 1 1. Om dobbeltsummer 1 2. Eksistes f e ikke målelig mægde 2 3. Bevis for e del f Prop. 3.15 3 4. Riem-itegrlet og trppefuktioer 4

Læs mere

Løsninger til kapitel 7

Løsninger til kapitel 7 Løsiger til kapitel 7 Opgave 7.1 a) HpoStat giver resultatet: Pop. varias er ukedt, me 30, så Normalf. bruges approksimativt = 54,400 s 1.069,90 = 00,000 0,95 49,868 58,93 Dette betder, at med 95% sikkerhed

Læs mere

29. januar Epidemiologi og biostatistik Forelæsning 2 Uge 1, torsdag 2. februar 2006 Michael Væth, Afdeling for Biostatistik.

29. januar Epidemiologi og biostatistik Forelæsning 2 Uge 1, torsdag 2. februar 2006 Michael Væth, Afdeling for Biostatistik. Epidemiologi og biostatistik Forelæsig Uge 1, torsdag. februar 006 ichael Væth, Afdelig for Biostatistik. Sammeligig af to middelværdier sikkerhedsitervaller statistisk test Sammeligig af to proportioer

Læs mere

DATV: Introduktion til optimering og operationsanalyse, 2007. Bin Packing Problemet

DATV: Introduktion til optimering og operationsanalyse, 2007. Bin Packing Problemet DATV: Itroduktio til optimerig og operatiosaalyse, 2007 Bi Packig Problemet David Pisiger, Projektopgave 2 Dette er de ade obligatoriske projektopgave på kurset DATV: Itroduktio til optimerig og operatiosaalyse.

Læs mere

Uge 37 opgaver. Opgave 1. Svar : Starter med at definere sup (M) og inf (M) :

Uge 37 opgaver. Opgave 1. Svar : Starter med at definere sup (M) og inf (M) : Uge 37 opgaver Opgave Svar : a) Starter med at defiere sup (M) og if (M) : Kigge u på side 3 i kompedie og aveder aksiom (.3) Kotiuitetsaksiomet A = x i x 2 < 2 Note til mig selv : Har søgt på ordet (iequalities)

Læs mere

Kap. 1: Integralregning byggende på stamfunktioner.

Kap. 1: Integralregning byggende på stamfunktioner. - - Kp. : Itegrlregig yggede på stmfuktioer... Specielle egesker ved fuktioer. Defiitio... E fuktio f siges t være egræset i et itervl I, hvis f er defieret i itervllet, og hvis der fides to tl k og K,

Læs mere

Kvantitative metoder 2

Kvantitative metoder 2 Kvantitative metoder Heteroskedasticitet 11. april 007 KM: F18 1 Oversigt: Heteroskedasticitet OLS estimation under heteroskedasticitet (W.8.1-): Konsekvenser af heteroskedasticitet for OLS Gyldige test

Læs mere

1 Punkt- og intervalestimation Punktestimatorer: Centralitet(bias) og efficiens... 2

1 Punkt- og intervalestimation Punktestimatorer: Centralitet(bias) og efficiens... 2 Idhold 1 Pukt- og itervalestimatio 2 1.1 Puktestimatorer: Cetralitet(bias) og efficies.................... 2 2 Kofidesiterval 3 2.1 Kofidesiterval for adel................................ 4 2.2 Kofidesiterval

Læs mere

Elementær Matematik. Polynomier

Elementær Matematik. Polynomier Elemetær Matematik Polyomier Ole Witt-Hase 2008 Køge Gymasium Idhold 1. Geerelle polyomier...1 2. Divisio med hele tal....1 3. Polyomiers divisio...2 4. Polyomiers rødder....4 5. Bestemmelse af røddere

Læs mere

Vejledende besvarelser til opgaver i kapitel 15

Vejledende besvarelser til opgaver i kapitel 15 Vejledede besvarelser til opgaver i apitel 5 Opgave a) De teststatistier, ma aveder til at teste om to middelværdier er es, består af et estimat på forselle mellem middelværdiere,, divideret med et udtry

Læs mere

MATEMATISK FORMELSAMLING

MATEMATISK FORMELSAMLING MATEMATISK FORMELSAMLING GUX Grøld Mtemtisk formelsmlig til C-iveu, GUX Grøld Deprtemetet for uddelse 05 Redktio: Rsmus Aderse, Jes Thostrup MtemtiskformelsmligtilC-iveu GUX Grøld FORORD Dee formelsmlig

Læs mere

Test i to populationer. Hypotesetest for parrede observationer Test for ens varians Gensyn med flyskræk!

Test i to populationer. Hypotesetest for parrede observationer Test for ens varians Gensyn med flyskræk! Test i to populatioer Hypotesetest for parrede observatioer Test for es varias Gesy med flyskræk! Afhægige og uafhægige stikprøver Ved e uafhægig stikprøve udtages e stikprøve fra hver gruppe.. Mæd og

Læs mere

Statistik Lektion 8. Parrede test Test for forskel i andele Test for ens varians Gensyn med flyskræk!

Statistik Lektion 8. Parrede test Test for forskel i andele Test for ens varians Gensyn med flyskræk! Statistik Lektio 8 Parrede test Test for forskel i adele Test for es varias Gesy med flyskræk! Afhægige og uafhægige stikprøver Ved e uafhægig stikprøve udtages e stikprøve fra hver gruppe.. Mæd og kviders

Læs mere

Simple udtryk og ligninger

Simple udtryk og ligninger Simple udtryk og ligninger for gymnsiet og hf 0 Krsten Juul Indhold Rækkefølge f + og... Smle led f smme type... Gnge ind i prentes. del... Rækkefølge f og smt f + og... Gnge ind i prentes. del... Hæve

Læs mere

... ... ... ... ... ... ... b > 0 og x > 0, vil vi kalde en potensfunktion. 492 10. Potensfunktioner

... ... ... ... ... ... ... b > 0 og x > 0, vil vi kalde en potensfunktion. 492 10. Potensfunktioner POTENSFUNKTIONER 0 49 0. Potensfunktioner POTENSFUNKTIONER DEFINITION En funktion med forskriften f( )= b hvor b > 0 og > 0 vil vi klde en potensfunktion. I MAT C kpitel så vi t hvis skl være et vilkårligt

Læs mere

Potens regression med TI-Nspire

Potens regression med TI-Nspire Potensvækst og modellering - Mt-B/A 2.b 2007-08 Potens regression med TI-Nspire Vi tger her udgngspunkt i et eksempel med tovværk, hvor mn får oplyst en tbel over smmenhængen mellem dimeteren (xdt) i millimeter

Læs mere

Renteformlen. Erik Vestergaard

Renteformlen. Erik Vestergaard Reteformle Erik Vestergaard 2 Erik Vestergaard www.matematikfysik.dk Erik Vestergaard, 2010. Billeder: Forside: istock.com/ilbusca Side 4: istock.com/adresrimagig Desude ege illustratioer. Erik Vestergaard

Læs mere

KULTURARVEN det skal der ske. vegne

KULTURARVEN det skal der ske. vegne KULTURARVEN det skl der ske R E M G DO være et kulturrve e. f g i r v skl be g kommu Kommue borgere o e d å b r fo I Roskilde de g ligt æri idetitet o fælles, sy ber lokl k s e d e rdifuld eskytte d rrv

Læs mere

Spørgsmål 3 (5 %) Bestem sandsynligheden for at et tilfældigt valgt vindue har en fejl ved listerne, når man ved at der er fejl i glasset.

Spørgsmål 3 (5 %) Bestem sandsynligheden for at et tilfældigt valgt vindue har en fejl ved listerne, når man ved at der er fejl i glasset. STATISTIK Skriftlig evaluerig, 3. semester, madag de 30. auar 006 kl. 9.00-3.00. Alle hælpemidler er tilladt. Opgaveløsige forsyes med av og CPR-r. OPGAVE Ved e produktio af viduer er der mulighed for,

Læs mere

Mikroøkonomi, matematik og statistik Eksamenshjemmeopgave 14. 20. december 2007

Mikroøkonomi, matematik og statistik Eksamenshjemmeopgave 14. 20. december 2007 Mikroøkoomi, matematik og statistik Eksameshjemmeopgave 14. 20. december 2007 Helle Buzel, Tom Egsted og Michael H.J. Stæhr 14. december 2007 R E T N I N G S L I N I E R F O R E K S A M E N S H J E M M

Læs mere

Statistik Lektion 7. Hypotesetest og kritiske værdier Type I og Type II fejl Styrken af en test Sammenligning af to populationer

Statistik Lektion 7. Hypotesetest og kritiske værdier Type I og Type II fejl Styrken af en test Sammenligning af to populationer Statistik Lektio 7 Hpotesetest og kritiske værdier Tpe I og Tpe II fejl Strke af e test Sammeligig af to populatioer 1 Tri I e Hpotesetest E hpotesetest består af 5 elemeter: I. Atagelser Primært hvilke

Læs mere

Bekendtgørelse om takstændringer i offentlig servicetrafik i trafikselskaber og hos jernbanevirksomheder m.v. (takststigningsloftet)

Bekendtgørelse om takstændringer i offentlig servicetrafik i trafikselskaber og hos jernbanevirksomheder m.v. (takststigningsloftet) Oversigt (idholdsfortegelse) Bilag 1 Bilag 2 Bilag 3 De fulde tekst Bekedtgørelse om takstædriger i offetlig servicetrafik i trafikselskaber og hos jerbaevirksomheder m.v. (takststigigsloftet) I medfør

Læs mere

Udskiftning af et tag antages at vare 2-6 dage. Denne tidsperiode antages at være fastlagt ved følgende symmetriske tæthedsfunktion

Udskiftning af et tag antages at vare 2-6 dage. Denne tidsperiode antages at være fastlagt ved følgende symmetriske tæthedsfunktion STATISTIK Sriftlig evluerig, 3. semester, torsdg de. ur l. 9.-3.. Alle hælpemidler er tilldt. Opgveløsige forses med v og CPR-r. OPGAVE Udsiftig f et tg tges t vre -6 dge. Dee tidsperiode tges t være fstlgt

Læs mere

Note til Spilteori Mikro 2. år 2. semester Erik Bennike. Note til Spilteori

Note til Spilteori Mikro 2. år 2. semester Erik Bennike. Note til Spilteori Note tl Splteor Mkro. år. semester Erk Beke Note tl Splteor Gos s. - Splteor eskæftger sg med sttoer hvor der er strtegsk fhægghed geter mellem. Nytte for de ekelte get fhæger således kke lee f ege hdlger

Læs mere

Formelskrivning i Word 2. Sådan kommer du i gang 4. Eksempel med skrivning af brøker 5. Brøker skrevet med småt 6. Hævet og sænket skrift 6

Formelskrivning i Word 2. Sådan kommer du i gang 4. Eksempel med skrivning af brøker 5. Brøker skrevet med småt 6. Hævet og sænket skrift 6 Dee udgave er til geemkig på ettet. Boge ka købes for kr. 5 hos EH-Mat. E y og udvidet udgave med title»symbol- og formelskrivig«er udkommet september 00. Se mere om de her. Idholdsfortegelse Formelskrivig

Læs mere

Sandsynlighedsfordelinger for kontinuerte data på interval/ratioskala

Sandsynlighedsfordelinger for kontinuerte data på interval/ratioskala Statistik for biologer 005-6, modul 5: Sadsylighedsfordeliger for kotiuerte data på iterval/ratioskala M6, slide Gægse matematiske sadsylighedsfordeliger: Diskrete data: De positive biomialfordelig Poisso-fordelige

Læs mere

Kvantitative metoder 2

Kvantitative metoder 2 Kvantitative metoder 2 Specifikation og dataproblemer 30. april 2007 KM2: F21 1 Program for de to næste forelæsninger Emnet er specifikation og dataproblemer (Wooldridge kap. 9) Fejlleddet kan være korreleret

Læs mere

Meningsmålinger KLADDE. Thomas Heide-Jørgensen, Rosborg Gymnasium & HF, 2017

Meningsmålinger KLADDE. Thomas Heide-Jørgensen, Rosborg Gymnasium & HF, 2017 Meigsmåliger KLADDE Thomas Heide-Jørgese, Rosborg Gymasium & HF, 2017 Idhold 1 Meigsmåliger 2 1.1 Idledig................................. 2 1.2 Hvorda skal usikkerhede forstås?................... 3 1.3

Læs mere

13. februar Resumé: En statistisk analyse resulterer ofte i : Et estimat ˆ θ med en tilhørende se( ˆ θ )

13. februar Resumé: En statistisk analyse resulterer ofte i : Et estimat ˆ θ med en tilhørende se( ˆ θ ) 3. februar 003 Epidemiologi og biostatistik. Uge, torag d. 3. februar 003 Morte Frydeberg, Istitut for Biostatistik. Type og type fejl Nogle specielle metoder: Test i RxC tabeller Test i x tabeller Fishers

Læs mere

Analyse 1, Prøve maj 2009

Analyse 1, Prøve maj 2009 Aalyse, Prøve 5. maj 009 Alle hevisiger til TL er hevisiger til Kalkulus (006, Tom Lidstrøm). Direkte opgavehevisiger til Kalkulus er agivet med TLO, ellers er alle hevisiger til steder i de overordede

Læs mere

Matematikkens mysterier - på et obligatorisk niveau. 7. Ligninger, polynomier og asymptoter

Matematikkens mysterier - på et obligatorisk niveau. 7. Ligninger, polynomier og asymptoter Matematikkes mysterier - på et obligatorisk iveau af Keeth Hase 7. Ligiger, polyomier og asymptoter Hvad er e asymotote? Og hvorda fides de? 7. Ligiger, polyomier og asymptoter Idhold 7.0 Idledig 7.1 Udsag

Læs mere

Simpel Lineær Regression. Opsplitning af variationen Determinations koefficient Variansanalyse F-test Model-kontrol

Simpel Lineær Regression. Opsplitning af variationen Determinations koefficient Variansanalyse F-test Model-kontrol Simpel Lieær Regressio Opsplitig af variatioe Determiatios koefficiet Variasaalse F-test Model-kotrol Opbgig af statistisk model Specificer model Ligiger og atagelser Estimer parametre Modelkotrol Er modelle

Læs mere

Økonometri 1. Inferens i den lineære regressionsmodel 2. oktober Økonometri 1: F8 1

Økonometri 1. Inferens i den lineære regressionsmodel 2. oktober Økonometri 1: F8 1 Økonometri 1 Inferens i den lineære regressionsmodel 2. oktober 2006 Økonometri 1: F8 1 Dagens program Opsamling om asymptotiske egenskaber: Asymptotisk normalitet Asymptotisk efficiens Test af flere lineære

Læs mere

antal gange krone sker i første n kast = n

antal gange krone sker i første n kast = n 1 Uge 15 Teoretisk Statistik, 5. april 004 1. Store tals lov Eksempel: møtkast Koverges i sadsylighed Tchebychevs ulighed Sætig: Store tals lov. De cetrale græseværdisætig 3. Approksimatio af sadsyligheder

Læs mere

Tests for forskel i central tendens for data på ordinal- og intervalskala. Typer af statistiske test:

Tests for forskel i central tendens for data på ordinal- og intervalskala. Typer af statistiske test: Statistik for biologer 005-6, modul 7: Tests for forskel i cetral tedes for data på ordial- og itervalskala M7, slide M7, slide Typer af statistiske test: Parametrisk statistik: - Tester for forskel i

Læs mere

Generelle lineære modeller

Generelle lineære modeller Geerelle lieære modeller Regressiosmodeller med é uafhægig itervalskala variabel: Y e eller flere uafhægige variable: X,..,X k De betigede fordelig af Y givet X,..,X k atages at være ormal med e middelværdi,

Læs mere

BEVISER TIL SÆTNINGER I BOGEN

BEVISER TIL SÆTNINGER I BOGEN MTEMK Mtemtik o hh C-iveu BEVISER TIL SÆTNINGER I BOGEN Dette e e smlig ove lle e sætige og evise e e i oge. Det e met som suppleee mteile isæ til e eleve, e skl hve mtemtik på B- elle -iveu. ee i ku metget

Læs mere

J 5aaa-Tfahhabhanfabna : aa-tfahhabhaø+ab+a. øt4bb4nøbfa. i 5 5abf7øTøh.4.7j9a. a a a

J 5aaa-Tfahhabhanfabna : aa-tfahhabhaø+ab+a. øt4bb4nøbfa. i 5 5abf7øTøh.4.7j9a. a a a M ic4btf+c S C J 5-Tfhhbhfb : -Tfhhbhø+b+ 5 S 5 S 5 j xbø4bt J x y 54 5F4b.1 5F4bf C : P ( C S S 35 øbf5p S 1 2 S D S S 5, C : P b+5 S øbf S S 5 g C : P S S 4 S 5, b+1 5b1 : 8 4 S 1 5 S 5hTF 5 øbh1 5 j

Læs mere

24. januar Epidemiologi og biostatistik. Forelæsning 1 Uge 1, tirsdag. Niels Trolle Andersen, Afdelingen for Biostatistik.

24. januar Epidemiologi og biostatistik. Forelæsning 1 Uge 1, tirsdag. Niels Trolle Andersen, Afdelingen for Biostatistik. Epidemiologi og biostatistik. Forelæsig Uge, tirsdag. Niels Trolle Aderse, Afdelige for Biostatistik. Geerelt om kurset: - Formål - Forelæsiger - Øvelser - Forelæsigsoter - Bøger - EpiBasic: http://www.biostat.au.dk/teachig/software

Læs mere

Asymptotisk optimalitet af MLE

Asymptotisk optimalitet af MLE Kapitel 4 Asymptotisk optimalitet af MLE Lad Y 1, Y 2,... være uafhægige, idetisk fordelte variable med værdier i et rum (Y,K). Vi har givet e model (ν θ ) θ Θ for fordelige af Y 1 (og dermed også for

Læs mere

Ledighedsstatistik, juli 2013

Ledighedsstatistik, juli 2013 Ledighedssttistik, li Stigig i kdemikerledighede i li str stigig i dimittedledighede Akdemikerledighede er steget med fr i til li g er u å.9 svrede til e ledighedsrcet å 4, ct. Stærk stigede dimittedledighed

Læs mere

Længde [cm] Der er frit vandspejle i sandkassen. Herudover er sandkassen åben i højden cm i venstresiden og 0-20 cm i højresiden.

Længde [cm] Der er frit vandspejle i sandkassen. Herudover er sandkassen åben i højden cm i venstresiden og 0-20 cm i højresiden. Vadtrasportmodel Formål For beregig af vadtrasporte i sadkasse er der lavet e boksmodel. Formålet med boksmodelle er at beskrive vadtrasporte i sadkasse. Herover er formålet at bestemme de hydrauliske

Læs mere

Estimation ved momentmetoden. Estimation af middelværdiparameter

Estimation ved momentmetoden. Estimation af middelværdiparameter Statistik og Sadsylighedsregig 1 STAT kapitel 4.2 4.3 Susae Ditlevse Istitut for Matematiske Fag Email: susae@math.ku.dk http://math.ku.dk/ susae Estimatio ved mometmetode Idimellem ka det være svært (eller

Læs mere

Ledighedsstatistik, maj 2013

Ledighedsstatistik, maj 2013 Ledighedssttistik, mj 3 Fld i kdemikerledighede i mj me reelt tle m e lille stigig Stigede tl lgtidsledige dimitteder Akdemikerledighede er fldet med fr ril til mj g er u å.53 svrede til e ledighedsrcet

Læs mere

Gamle eksamensopgaver. Diskret Matematik med Anvendelser (DM72) & Diskrete Strukturer(DM504)

Gamle eksamensopgaver. Diskret Matematik med Anvendelser (DM72) & Diskrete Strukturer(DM504) Gamle eksamesopgaver Diskret Matematik med Avedelser (DM72) & Diskrete Strukturer(DM504) Istitut for Matematik& Datalogi Syddask Uiversitet, Odese Alle sædvalige hjælpemidler(lærebøger, otater etc.), samt

Læs mere

Rettevejledning til Økonomisk Kandidateksamen 2005I, Økonometri 1

Rettevejledning til Økonomisk Kandidateksamen 2005I, Økonometri 1 Rettevejledning til Økonomisk Kandidateksamen 005I, Økonometri Vurderingsgrundlaget er selve opgavebesvarelsen og bilaget, inklusive det afleverede SAS program. Materialet på diskette/cd bedømmes som sådan

Læs mere

Undersøgelse af numeriske modeller

Undersøgelse af numeriske modeller Udersøgelse af umeriske modeller Formål E del af målsætige med dette delprojekt er at give kedskab til de begræsiger, fejl og usikkerheder, som optræder ved modellerig. I de forbidelse er følgede udersøgelse

Læs mere

Definition: Normalfordelingen. siges at være normalfordelt med middelværdi µ og varians σ 2, hvor µ og σ er reelle tal og σ > 0.

Definition: Normalfordelingen. siges at være normalfordelt med middelværdi µ og varians σ 2, hvor µ og σ er reelle tal og σ > 0. Repetitio: Normalfordelige Ladmåliges fejlteori Lektio Trasformatio af stokastiske variable - kkb@math.aau.dk http://people.math.aau.dk/ kkb/udervisig/lf13 Istitut for Matematiske Fag Aalborg Uiversitet

Læs mere

Rettevejledning til Økonomisk Kandidateksamen 2007II. Økonometri 1

Rettevejledning til Økonomisk Kandidateksamen 2007II. Økonometri 1 Rettevejledning til Økonomisk Kandidateksamen 2007II Økonometri 1 Vurderingsgrundlaget for tag-hjem eksamen er selve opgavebesvarelsen og bilaget. Programmer og data bedømmes som sådan ikke, men er anvendt

Læs mere

Lys og gitterligningen

Lys og gitterligningen Fysik rapport: Lys og gitterligige Forfatter: Bastia Emil Jørgese.z Øvelse blev udført osdag de 25. jauar 202 samme med Lise Kjærgaard Paulse 2 - Bastia Emil Jørgese Fysik rapport (4 elevtimer), februar

Læs mere

Vejledende opgavebesvarelser

Vejledende opgavebesvarelser Vejledede opgavebesvarelser 1. Atal hæder er lig med K(52,5), altså 2598960. Ved brug af multiplikatiospricippet ka atal hæder med 3 ruder og 2 spar udreges som K(13, 3) K(13, 2), hvilket giver 22308.

Læs mere

Sandsynlighedsregning i biologi

Sandsynlighedsregning i biologi Om begrebet sadsylighed Sadsylighedsregig i biologi Hvis vi kaster e almidelig, symmetrisk terig, er det klart for de fleste af os, hvad vi meer, år vi siger, at sadsylighede for at få e femmer er 1/6.

Læs mere

3.-årsopgave, matematik Tønder Gymnasium & HF 21.12.01

3.-årsopgave, matematik Tønder Gymnasium & HF 21.12.01 .-årsopgve, teti Tøder Gysiu HF.. Idholdsfortegelse: Idledig / forord s.. Mtricer, geerelt s. -. Nogle egeser for tricer s. -6. Deteriter s. 6-. Deterit-sætiger s. -. Miorer, oftorer og opleeter s. - 6.

Læs mere

Matematik A. Studentereksamen. Forberedelsesmateriale. Forsøg med digitale eksamensopgaver med adgang til internettet.

Matematik A. Studentereksamen. Forberedelsesmateriale. Forsøg med digitale eksamensopgaver med adgang til internettet. Matematik A Studetereksame Forsøg med digitale eksamesopgaver med adgag til iterettet Forberedelsesmateriale Vejledede opgave Forår 0 til stx-a-net MATEMATIK Der skal afsættes 6 timer af holdets sædvalige

Læs mere

Sandsynlighedsteori 1.2 og 2 Uge 5.

Sandsynlighedsteori 1.2 og 2 Uge 5. Istitut for Matematiske Fag Aarhus Uiversitet De 27. jauar 25. Sadsylighedsteori.2 og 2 Uge 5. Forelæsiger: Geemgage af emere karakteristiske fuktioer og Mometproblemet afsluttes, og vi starter på afsittet

Læs mere

Økonometri 1. Den simple regressionsmodel 11. september Økonometri 1: F2

Økonometri 1. Den simple regressionsmodel 11. september Økonometri 1: F2 Økonometri 1 Den simple regressionsmodel 11. september 2006 Dagens program Den simple regressionsmodel SLR : Én forklarende variabel (Wooldridge kap. 2.1-2.4) Motivation for gennemgangen af SLR Definition

Læs mere

Anvendt Statistik Lektion 3. Punkt- og intervalestimater Konfidensintervaller Valg af stikprøvestørrelse

Anvendt Statistik Lektion 3. Punkt- og intervalestimater Konfidensintervaller Valg af stikprøvestørrelse Avedt Statistik Lektio 3 Pukt- og itervalestimater Kofidesitervaller Valg af stikprøvestørrelse Pukt- og itervalestimater: Motivatio Motiverede eksempel: I e udersøgelse er adele af rygere 0.27. Det aslås

Læs mere

Modul 14: Goodness-of-fit test og krydstabelanalyse

Modul 14: Goodness-of-fit test og krydstabelanalyse Forskigsehede for Statistik ST01: Elemetær Statistik Bet Jørgese Modul 14: Goodess-of-fit test og krydstabelaalyse 14.1 Idledig....................................... 1 14.2 χ 2 -test i e r c krydstabel.............................

Læs mere

Noter om polynomier, Kirsten Rosenkilde, Marts Polynomier

Noter om polynomier, Kirsten Rosenkilde, Marts Polynomier Noter om polyomier, Kirste Rosekilde, Marts 2006 1 Polyomier Disse oter giver e kort itroduktio til polyomier, og de fleste sætiger æves ude bevis. Udervejs er der forholdsvis emme opgaver, mes der til

Læs mere

Introduktion til uligheder

Introduktion til uligheder Itroduktio til uligheder, marts 0, Kirste Rosekilde Itroduktio til uligheder Dette er e itroduktio til ogle basale uligheder om det aritmetiske geemsit, det geometriske geemsit, det harmoiske geemsit og

Læs mere

Projekt 1.3 Brydningsloven

Projekt 1.3 Brydningsloven Projekt 1.3 Brydigslove Når e bølge, fx e lysbølge, rammer e græseflade mellem to stoffer, vil bølge ormalt blive spaltet i to: Noget af bølge kastes tilbage (spejlig), hvor udfaldsvikle u er de samme

Læs mere