Brugen af R^2 i gymnasiet
|
|
- Eva Laugesen
- 5 år siden
- Visninger:
Transkript
1 Downloaded from orbt.dtu.dk on: Dec 0, 017 Brugen af R^ gymnaset Brockhoff, Per B.; Hansen, Ernst; Ekstrøm, Claus Thorn Publshed n: LMFK-Bladet Publcaton date: 017 Document Verson Publsher's PDF, also known as Verson of record Lnk back to DTU Orbt Ctaton (APA): Brockhoff, P. B., Hansen, E., & Ekstrøm, C. T. (017). Brugen af R^ gymnaset. LMFK-Bladet, 017(), -31. General rghts Copyrght and moral rghts for the publcatons made accessble n the publc portal are retaned by the authors and/or other copyrght owners and t s a condton of accessng publcatons that users recognse and abde by the legal requrements assocated wth these rghts. Users may download and prnt one copy of any publcaton from the publc portal for the purpose of prvate study or research. You may not further dstrbute the materal or use t for any proft-makng actvty or commercal gan You may freely dstrbute the URL dentfyng the publcaton n the publc portal If you beleve that ths document breaches copyrght please contact us provdng detals, and we wll remove access to the work mmedately and nvestgate your clam.
2 Brugen af R gymnaset Per Bruun Brockhoff, DTU Compute, Ernst Hansen, KU Matematk og Claus Thorn Ekstrøm, KU Bostatstk Der lader tl at være en vs forvrrng blandt og uenghed mellem forskellge faggrupper omkrng R værden, også kaldet "forklarngsgraden" eller "determnatonskoeffcenten". Uengheden omkrng brugen og nytten af R som et mål tl at bekrve en statstsk model optræder kke kun gymnaset: globalt set skaber brugen af R tlsvarende gndnnger. Den anvendes rgtg meget vsse mljøer. Man kan mdlertd fnde en del fagstatstkere, der vl tænde advarselslampen overfor forskellge over og fejlfortolknnger af R værden, som det er let at lade sg besnære af, og som mange mljøer uden tvvl gør sg skyldge engang mellem. For en fagstatstker kan det derfor være frstende smpelthen at fraråde brugen af R det hele taget for at undgå, at folk fejlfortolker resultatet og/eller msbruger størrelsen. Med dette ndspark håber v at kunne bdrage tl den fælles forståelse for hvad R kan og kke kan gøre for os, og pege på et alternatv, der mange faglge sammenhænge kunne være en mere drekte størrelse at beregne. Et eksempel: Anscombes data Et klasssk eksempel, der vser, hvorfor R sg selv er problematsk, er Anscombes fre datasæt vst nedenfor (Anscombe 1973). Det er den samme bedste rette lnje, der går gennem punkterne alle fre fgurer (hældnng 0,5 og skærng 3). Desuden har alle 4 datasæt samme R = 0,667 = 66,7 %, men det er klart, at de modeller, der er gvet ved de fre rette lnjer kke beskrver data lge godt. I den øverste højre fgur er sammenhængen mellem x og y åbenlyst kke-lneær, og sammenhængen fguren nederste højre hjørne gver det slet kke menng at modellere som en ret lnje. Fra dette smple eksempel burde det være åbenlyst, at det kke gver menng at bruge værden af R alene tl at vurdere om en model er god tl at beskrve data. Helt kort og overordnet: R kan være OK som et led at sætte tal på værden af en statstsk model, men vær varsom! R kan vsse stuatoner fortælle noget relevant om data/stuatonen mangel af en bedre betegnelse, så vl v det efterfølgende referere tl sådanne stuatoner som "relevante tlfælde" Der er vgtge og centrale begrænsnnger hvad man kan uddrage alene af en R værd, selv nden for de relevante stuatoner En R værd bør aldrg stå helt alene kombner altd med vsualserng/plot af data. Man kan huske og ndprente sg mantraen: "Man skal tegne før man må regne" Det sdste punkt er måske det vgtgste. Hvs man vælger at bruge R som et led at vurdere en model, så skal man vde for det første vde, at det kke er nok blot at udregne værden. Der skal noget mere eller noget andet tl. Hvad er R? Defntonen af R værden fremgår de fleste lærebøger, og er også udførlg beskrevet på eksempelvs Wkpeda, og v y1 y x1 x Matematk y x3 Fra dette LMFK-bladet smple eksempel /017 burde det være åbenlyst, at det kke gver menng at bruge værden y x4
3 vl kke gengve formlen her. Flere teknske detaljer er præsenteret Brockhoff, Ekstrøm, and Hansen (017). For det første kan en R værd beregnes for såvel den mest smple lneære model med en y varabel og netop een x varabel som for mere generelle modeller med flere x nput, de såkaldte multple lneære regressonsmodeller, og herunder således også de såkaldte polynomelle regressonsmodeller, hvor en kke lneær sammensstruktur mellem y og x kan håndteres. Bemærk, at man således godt kan modellere en kke lneær relaton mellem x og y med en lneær model. Der fndes naturlgvs også egentlg kke lnære modeller, men selvom R kan defneres for sådanne kke lneære regressonsmodeller, så har den kke længere sn sædvanlge fortolknng som "forklarngsgrad''. Der er yderlgere matematske fnurlgheder forbundet med såvel beregnngen og fortolknngen af sådanne størrelser forbndelse med egentlg kke lneære modeller, altså fx modeller, hvor klassske kke lneære funktoner som logartme, eksponental, snus og cosnus funktoner ndgår, og/eller hvor eventuelt flere ukendte elementer af modelfunktonen ndgår på en kke lneær måde. Det afholder kke nødvendgvs statstsk software af forskellge slags at anføre en eller anden varant af en R værd for sådanne modeller. Der er faktsk mange eksempler på, at den fulde ndsgt forskellge statstske metoders betydnng og begrænsnng kke har forplantet sg helt ud alle hjørner af verden (se Ekstrøm, Hansen, and Brockhoff 017). V vl formulerngerne fokusere på det første smple setup dette notat, altså netop en x varabel og y varabel men vl nd mellem påpege, hvordan mange af betragtnngerne enten kan anvendes drekte eller tlpasset form tl de multple lneære setups. 1. R er et relatvt mål for hvor tæt punkterne gennemsntlg lgger på den bedste rette lnje et plot af data fra to varable, x og y (målt ved lodrette y afstande). R gver en værd mellem 0 (eller 0 %) og 1 (svarende tl 100%), hvor 0 svarer tl stuatonen, hvor der kke er nogen form for lneær sammenhæng mellem x og y, og værden 1 opnås, når alle punkterne lgger præcst på en ret lnje.. R er også den kvadrerede (Pearson) korrelatonskoeffcent mellem x og y (set som en procent), der også bruges statstk tl at beskrve, hvor tæt/ stramt punkterne et plot lgger omkrng den bedste rette lnje. På hjemmesden guessthecorrelaton.com kan man splle sg tl en forståelse af, hvad forskellge punktskyer svarer tl korrelaton. Kvadrerer man korrelatonskoeffcenterne spllet får man således "forklarngsgrader" og det kan ses som et R spl stedet. (Alle punktskyer spllet svarer tl "relevante stuatoner"). 3. Når en R naturlgvs aldrg prakss antager værden 100% (vrkelge data vl kke falde eksakt på en lne), skyldes det faktsk to tng: Den lneære model vl prakss aldrg være en 100 % korrekt model for den vrkelghed man forsøger at modellere Selv hvs den var, så er der varaton mellem ndvduelle y værder flere observatoner med samme x værd vl varere (fx vl forskellge personer med samme højde (x) typsk have forskellge vægte (y)) 4. R er et samlet mål for (summen af) de to slags afvgelser svarende tl de to netop nævnte fænomener, men skelner kke mellem de to, se eksemplet med Anscombes data ovenfor. 5. Hvs man har skret sg at ens data stuatonen kke er for "mærkelge" og også har skret sg at kke lnearteten enten overhovedet kke kan ses eller er så llle, at den blver rrelevant, så kan man fnt fortolke på R værden. (Der er dog stadg grænser for hvad den kan bruges tl). 6. Når den så er relevant, kan man fortolke tallet som den del af y varatonen som x va den statstske model (den rette lnje) kan "forklare" fx vl en vs procentdel af vores vægtforskellghed kunne forklares af vores højdeforskellgheder. 7. For lneære modeller med flere x'er: Alle punkter ovenfor gælder stadg med følgende tlpasnnger. Generelt: Erstat "lnje" med "hyperplan". I punkt : R er den kvadrerede korrelatonskoeffcent mellem de estmerede modelværder og y. Hvad er R så IKKE? Foruden problemet vst Ascombes eksempel ovenfor er der andre punkter, man skal være opmærksom på, hvs man har tænkt sg at bruge R : 1. R er kke et mål for den drekte kvanttatve sammenhæng mellem x og y. R sger altså ntet om lnjens skærng og hældnng, som er de værder, der beskrver den aktuelle sammenhæng den relevante kontekst.. Ordet "forklarng" "forklarngsgrad" kan kke forstås som "kausaltet"/"årsags sammenhæng" det er alene et mål for den kvanttatve sammenhæng. Det kræver helt andre overvejelser omkrng den pågældende stuaton at forsøge at fortolke et resultat kausalt. 3. R tallet kan sg selv kke fortælle om en lneær model er "korrekt": En llle R kan godt være udtryk for en korrekt lneær gennemsntssammenhæng, der beskrver et system med en stor varaton En høj R kan godt stadgvæk levne rum for at der vlle være en statstsk endnu højere R værd, hvs man fk fat den "korrekte" kke lneære sammenhæng en stuaton Matematk LMFK-bladet /017 3
4 Matematk 4. Der fndes ngen menngsfulde globale krterer for hvad der er "acceptable" R værder på tværs af fagområder. En R værd på 0,65 kan være tlfredsstllende nogle stuatoner, mens en R værd på 0,95 kan være den ønskede grænse et konkret tlfælde for et andet fagområde. Igen betyder det, at talværden alene kke gver os tlstrækkelg nformaton tl at vurdere kvalteten af en model. 5. R er transformatons afhængg: hvs man eksempelvs anvender en logtransformaton på y værderne vl lnearteten og derved parameterfortolknngen samt R værden ændre sg. 6. R er kke en sandhed skåret grant: R er, som alt andet man beregner, behæftet med statstsk uskkerhed, som der dog for netop R s vedkommende kke er så stor tradton for at kgge på. Som alle andre sammenhænge gælder der, at uskkerheden vl være større jo mndre datamængder, der er tl rådghed. 7. Man kan skelne mellem stuatoner hvor man selv har bestemt x værderne, fx et doss respons forsøg kem, og så en stuaton hvor såvel x som y er tlfældge udfald, fx højde vægt eksemplet, hvor man vlle udtage mennesker tlfældgt, og dernæst måle såvel højde (x) som vægt (y). Lneær regresson kan gve fn menng begge stuatoner, men R værden (eller tlsvarende korrelatonskoeffcenten, r) kan have en mere fundamental fortolknng det sdste tlfælde end det første. I det sdste kan det (hvs alt ellers er orden) fortolkes som en grundlæggende bologsk størrelse. I det første kan man faktsk selv langt hen ad vejen bestemme R værden de valg af x værder man gør: Jo større forskellghed og afstand mellem de selvvalgte x værder jo større vl R blve, hvlket betyder, at den person, der laver forsøget kan gøre R større smpelthen ved at sprede x værderne ud! Man kan kke sge at R værden blver decderet "forkert" det er et tal, der er en tl en relaton med andre ganske fornuftge beregnngsstørrelser blot er fortolknngen stuatonsafhængg. 8. For lneære modeller med flere x'er: Alle punkter ovenfor gælder uden anden tlpasnng end at x skal læses og forstås flertal. R er et problematsk værktøj forbndelse med modellerng generelt, altså valget mellem forskellge multple modeller en R værd vl altd stge, hvs en model gøres mere nuanceret (et matematsk faktum), så en stgnng alene kan kke bruges tl noget. Kun når en sådan sammenlgnng kombneres med andre statstske værktøjer kan det bruges tl noget relevant. Se også bloggen sandsynlgvs.dk for flere detaljer om dette (det er skrevet af statstkere, så "en god model" = "en tlstrækkelg korrekt model", uanset hvor stor varatonen er, se dskussonen nedenfor). Et godt alternatv tl R : sprednngen σ R er som fortalt et relatv mål for hvor tæt modellen lgger på data. Dette anvendes ofte stuatoner, hvor skalaen på varablene sg selv kke betyder så meget, fx samfundsfag, socolog, psykolog, og så vdere, hvor det kan være forskellge spørgeskemaskalaer, der er brug. Taler v om anvendelser nden for teknk og naturvdenskab, vl der ofte være ret konkrete skalaer for såvel x som y. I sådanne tlfælde kan det være et godt alternatv at kgge specfkt på den mere drekte eller absolutte forskel mellem modellen og data, også kaldet "restsprednngen" eller "resdualsprednngen", σ, der udtrykker den gennemsntlge (lodrette) afstand mellem datapunkterne og modellnjen. Beregnngerne vl v kke vse her, men kan fndes mange steder, fx (Brockhoff, Ekstrøm, and Hansen 017). Tallet vl også have en drekte fundamental fortolknng den anvendte lneære regressonsmodel: højde vægt eksemplet, hvor vægten modelleres som en lneær funkton af højden, vl σ udtrykke vægtsprednngen for mennesker med samme fastholdte højde. Dette tal vl typsk være noget mndre end vægtsprednngen populatonen som helhed på tværs af alle højder. I Anscombes eksempel ovenfor blver σ 1,37, som således kan fortolkes på samme skala og med samme fysske enhed som y data kommer med. Værden for σ er øvrgt præcs som for R det samme tal alle fre tlfælde! Tallet σ er således hverken mere eller mndre "rgtgt" eller "forkert" at beregne end R, og det kan hverken mere eller mndre benyttes tl alle de tng, som v berører ovenfor. Tl gengæld har tallet en fortolknng, der kan være drekte relateret tl den konkrete problemstllng, hvlket passer bedre forhold tl punkt 7 ovenfor, og så kan man modsætnng tl R kke sådan lge påvrke σ tallet bare ved at ændre på x værderne. Måske vl σ for mange være et tal man lettere kan forholde sg tl, og måske man ldt mndre grad vl være frstet tl at drage forhastede konklusoner, hvs man benytter σ som hvs man bruger R. Man kan sge, at det absolutte mål σ sådan set ndgår det relatve mål, som R faktsk er. Omend der faktsk er en llle fnurlg men nydelg krølle på dette ræsonnement, se Brockhoff, Ekstrøm, and Hansen (017). Det er øvrgt så også et drekte eksempel på det fundamentale begreb varans og/eller sprednng, som nok fortjener ldt større bevågenhed uddannelsessystemet, herunder på gymnasenveau (Ekstrøm, Hansen, and Brockhoff 017). "Omvendt" regresson? Der kan konkrete tlfælde med to varable u og v opstå en overvejelse omkrng, hvlken der skal tage rollen som x og hvlken som y. Den nysgerrge studerende kunne spørge sg selv og/eller sn lærer: "hvad sker der egentlg, hvs man vender det om, og ombytter rollerne for de to varable?" Man kan forholde sg tl denne overvejelse på to nveauer: hvad der sker rent beregnngsmæssgt, og hvad der 4 LMFK-bladet /017
5 Matematk forhold tl den kontekstspecfkke anvendelse er det mest relevante. R værden, og tlsvarende korrelatonskoeffcenten afhænger kke af hvordan tngene vender, men selve estmatet for den bedste rette lnje og σ beregnngen vl gve to forskellge tng. Det kræver mulgvs ldt forståelsesmæssg tlvænnng, men det gver faktsk god menng: Det er to forskellge tng at fnde den bedste rette lnje som beskrver vægt som en lneær funkton af højde, hvor man mnmerer vægtafvgelser, og så at fnde den bedste rette lnje, som beskrver højde som funkton af vægt, hvor man mnmerer højdeafvgelser. Der er præcse matematske relatoner mellem de to løsnnger. Folk med matematsk baggrund kender skkert tl mulgheden for at fnde en helt tredje beregnngsvarant, der lgger præcs mdt mellem de to andre, og som mnmerer de vnkelrette afstande tl den rette lnje. Denne kommer som en konsekvens af en analysemetode, der også kaldes prncpal komponent analyss (PCA), som faktsk bruges stor stl tl eksploratv analyse af højdmensonale data og tl dmensonsredukton. Men PCA er faktsk kke sg selv en regressonsmetode, og den PCA baserede lnje er kke det korrekte svar på nogen af de to oplagte fagspecfkke spørgsmål: Hvad er modellen for u som funkton af v eller hvad er modellen for v som funkton af u? Det korrekte svar på hvert af dsse spørgsmål er det tlsvarende valg af den "asymmetrske" beregnng, hvor den ene får y-rollen, og den anden x-rollen. Denne dskusson skal ses forhold tl punkt 7 ovenfor. Hvs man selv har bestemt x værderne, så har R, som beskrevet, kke så god en fortolknng, og den kontekstspecfkke problemstllng, altså hvad der er x og hvad der er y er defneret fra starten. I den anden mere symmetrske (x, y) stuaton, kan begge veje gve teoretsk lge god menng, og det er således alene den kontekstspecfkke betragtnng, der skal afgøre hvlket spørgsmål man vl besvare, og så lave beregnngerne og konklusonerne derefter. Hvordan skrer man sg, at man er et "relevant tlfælde"? Der fndes desværre kke et og kun et tal, man kan beregne, der kan besvare dette spørgsmål med et klart ja eller nej. Det er en del af den komplekstet man må vænne sg tl omkrng brugen af "statstsk ræssonerng", se Ekstrøm, Hansen, and Brockhoff (017). Der er mange redskaber, der forsøger at belyse forskellge aspekter af om en model er god, og på gymnasenveau skal man fnde en passende smpel måde at håndtere dette. Det prmære værktøj er vsualserng af selve (x, y) relatonen: ser punktskyen nogenlunde lneær og "samlet" ud? Hvordan ser modelafvgelserne ud, når de plottes mod de forventede værder, og/eller mod x nputs: Er de tlstrækkelg uden struktur? Er der ngen enkeltafvgelser, der er helt ekstreme? Og ser de ellers ud tl at følge en normalfordelng? Det sdste kunne vurderes boxplots og hstogrammer af afvgelserne. Det er kke nemt pædagogsk og præcst at ndkredse denne del af den statstske proces. Hvad angår undersøgelsen af om den lneære model er tlstrækkelg korrekt kan man også anvende modellerng med mere komplekse modeller for helt konkret at vurdere om de mere komplekse modeller faktsk er nødvendge. Hvs kke, kan man med mere ro sndet anvende den lneære. Helt konkret kunne man tlpasse en mere generel funkton tl data, og så plotte denne tlpasnng sammen med nogle konfdensgrænser for sammenhængen, og derefter vurdere, om man med rmelghed kan antage, at den rette lne er at fnde ndenfor konfdensbåndene. V er med på, at dette kke lgger nden for almndelg gymnasepensum, men hvs man udvdede pensum tl at omfatte multpel regressonsanalyse vlle dette falde ndenfor. Kommunkatonsudfordrng V tror, at en del af forklarngen på de gndnnger, der måske opstår mellem faggrupper, kan være af kommunkatonsmæssg karakter. Måske forskellge folk lægger forskellge tng ord som "en god model" versus "en dårlg model", og tlsvarende et begreb som en "korrekt model". Model, som begreb og som ord, kan naturlgvs også betyde vdt forskellge tng afhængg af sammenhængen det ndgår. Man man forestlle sg, at en matematker/statstker naturlgt vl sætte lghedstegn mellem "en god model" og en "tlstrækkelg korrekt model", mens anvendere de faglge mljøer, fx samfundsfag eller andet kan forestlles at mene, at "en god model" er lg med en model, der både er tlstrækkelg korrekt og har en llle varaton, så den lgger konkret tæt på data. Begge betragtnnger gver på sn vs ganske god menng! Idet R måler begge dele et samlet mål, så er det på den ene sde et fornuftgt mål for anvenderen, men på den anden sde skelner målet kke mellem de to bdrag, og matematkeren/statstkeren har dermed helt ret, at R kke er noget godt mål for "korrektheden" af modellen, og at der dermed kan gemme sg nuancer nedenunder, som man kan overse uden denne nuancerng. At tale om en "tlstrækkelg korrekt model" er en typsk fagstatstsk termnolog og tankegang, hvor udgangspunktet ofte er at alle modeller er forkerte, men nogen er brugbare (Box and Draper 1987, 44). Det er en tankegang, der mulgvs hos nogle naturvdenskabsfolk, der søger de "sande mekansmer" = "korrekte modeller" kan være ldt fremmed. Men det afspejler nok, at rgtg mange af de komplekse problemstllnger, som søges løst med statstske og matematske modeller samfundsmæssge, ndustrelle og forsknngsmæssge sammenhænge kke lader sg løse med en enkelt unversel, kendt og veldefneret sand/korrekt model. Der behøver dog kke være nogen rgtg modstrd de to tankegange. Det kan være særdeles fornuftgt at søge at beskrve fænomener med kendte modeller, hvad enten det er fysske, kemske, bologsk eller andre typer modeller. Man kan nogen gange beskrve en del af strukturerne et fænomen med 30 LMFK-bladet /017
6 kendte og velunderbyggede modeller, og lade resten modelleres af mere emprsk baserede modeller for resterende struktur og varaton. Så længe man kke lader sg "teorforblænde" af modeller, der alene på grund af dverse hstorske årsager og begrænset nformaton har tlkæmpet sg uretmæssge forsknngsmæssge postoner. Det er vgtgt at fortælle den samme hstore Det vgtgste må være, at de studerende lærer noget, som 1) de forstår hvad måler, og som de ) har kompetencen tl at bruge (og vde, hvornår man kke kan bruge). Det bør derfor tlstræbes, at de forskellge fagmljøer hvs man fortsat vælger at bruge R som et led statstkundervsnngen gymnaset fortæller den samme hstore omkrng R. Desværre fndes der kke en smpel, objektv måde at vurdere korrektheden af en statstsk model på, men det understreger blot vgtgheden af, at alle faggrupper er stand tl at formdle alle de fordele og ulemper, der måtte være, ved den valgte metode. Referencer Anscombe, F. J Graphs n Statstcal Analyss. Amercan Statstcan 7: Box, G. E. P., and N. R. Draper Emprcal Model-Buldng and Response Surfaces. John Wley; Sons. Brockhoff, Per Bruun, Claus Thorn Ekstrøm, and Ernst Hansen Lneær Regresson: Ldt Mere Teknske Betragtnnger Om R Og et Godt Alternatv. LMFK bladet. Ekstrøm, Claus Thorn, Ernst Hansen, and Per Bruun Brockhoff Statstk I Gymnaset. LMFK bladet. Lneær regresson ldt mere teknske betragtnnger om R og et godt alternatv Per Bruun Brockhoff, DTU Compute, Claus Thorn Ekstrøm, KU Bostatstk og Ernst Hansen, KU Matematk Dette ekstra llle notat om den såkaldte R værd, som kan beregnes forbndelse med lneær regresson, skal ses sammenhæng med vores kke teknske notat om samme emne. Ud over at få defneret tngene matematsk præcst, vl v foreslå sprednngen σ som et godt alternatv. De to hænger nært sammen, måler for så vdt det samme, R på en relatv måde og σ på en absolut måde. Sprednngen σ kan ses ret drekte sammenhæng med uskkerhedsbetragtnnger mere generelt, som v det store bllede mener er ret vgtge. Defnton af R den smple lneære regressonsstuaton Lad os lge mnde om hvad v overhovedet taler om. Den smpleste forekomst af R optræder den lneære regressonsmodel y = α + βx + ε, = 1,, n. Tl hver målng y er der knyttet en kovarat x, og man kan ønske at undsøger om kovaraten har en lneær påvrknng af målngen og gvet fald at kvantfcere og fortolke sammenhængen og måske at benytte den tl at forudsge y værden for nye x værder. Parametrene α og β er ukendte, og analysen af regressonsmodellen fokuserer normalt på at estmere dem. De tlbageværende størrelser ε 1,..., ε n er såkaldte støjvarable, der skal redde modellen fra at kollapse mødet med vrkelgheden, hvor parrene (x, y ) jo aldrg lgger præcs på en matematsk ret lnje. Den sædvanlge antagelse om støjvarablene er, at de er uafhængge, og at de er normalfordelte med mddelværd 0 og samme varans σ (endnu en parameter modellen). I denne ramme defneres R ved formlen R SSxy = SS SS xx yy, (1) hvor SS xy, SS xx og SS yy er nogle af de standard beregnngsstørrelser, man allgevel ofte regner ud forbndelse med estmaton af de tre parametre α, β og σ : β α hvor SSxy = SSxx = y βx SS = ( x x) xx = 1 n SS = ( y y) yy SS = ( x x) y y xy n = 1 () (3) (4) (5) (6) LMFK-bladet / n = 1 ( ) Dsse resultater er også velkendte fra mndste kvadraters metode, og gver modellens estmerede hældnng og skærng (på baggrund af de tlgængelge data). Med de estmerede parametre kan v bruge modellen tl at udregne de forventede værder, y, der beskrver, hvad v gennemsnt forventer at observere for en gven x værd: y = α + βx Matematk
Lineær regressionsanalyse8
Lneær regressonsanalyse8 336 8. Lneær regressonsanalyse Lneær regressonsanalyse Fra kaptel 4 Mat C-bogen ved v, at man kan ndtegne en række punkter et koordnatsystem, for at afgøre, hvor tæt på en ret
Læs mereKvantitative metoder 2
Program for dag: Kvanttatve metoder Den smple regressonsmodel 9. februar 007 Regressonsmodel med en forklarende varabel (W..3-5) Varansanalyse og goodness of ft Enheder og funktonel form af varabler modellen
Læs mere6. SEMESTER Epidemiologi og Biostatistik Opgaver til 3. uge, fredag
Afdelng for Epdemolog Afdelng for Bostatstk 6. SEESTER Epdemolog og Bostatstk Opgaver tl 3. uge, fredag Data tl denne opgave stammer fra. Bland: An Introducton to edcal Statstcs (Exercse 11E ). V har hentet
Læs mereStatistik II Lektion 4 Generelle Lineære Modeller. Simpel Lineær Regression Multipel Lineær Regression Flersidet Variansanalyse (ANOVA)
Statstk II Lekton 4 Generelle Lneære Modeller Smpel Lneær Regresson Multpel Lneær Regresson Flersdet Varansanalyse (ANOVA) Logstsk regresson Y afhængg bnær varabel X 1,,X k forklarende varable, skala eller
Læs mereStatikstik II 4. Lektion. Generelle Lineære Modeller
Statkstk II 4. Lekton Generelle Lneære Modeller Generel Lneær Model Y afhængg skala varabel X 1,,X k forklarende varable, skala eller bnære Model: Mddelværden af Y gvet X + k = E( Y X ) = α + β x + + β
Læs mereØkonometri 1. Heteroskedasticitet 27. oktober Økonometri 1: F12 1
Økonometr 1 Heteroskedastctet 27. oktober 2006 Økonometr 1: F12 1 Dagens program: Heteroskedastctet (Wooldrdge kap. 8.3-4) Sdste gang: I dag: Konsekvenser af heteroskedastctet for OLS Korrekton af varansen
Læs merePrøveeksamen Indtjening, konkurrencesituation og produktudvikling i danske virksomheder Kommenteret vejledende besvarelse
Økonometr Prøveeksamen Indtjenng, konkurrencestuaton og produktudvklng danske vrksomheder Kommenteret vejledende besvarelse Resultaterne denne besvarelse er fremkommet ved brug af eksamensnummer 7. Dne
Læs mereOpsamling. Simpel/Multipel Lineær Regression Logistisk Regression Ikke-parametriske Metoder Chi-i-anden Test
Opsamlng Smpel/Multpel Lneær Regresson Logstsk Regresson Ikke-parametrske Metoder Ch--anden Test Opbygnng af statstsk model Specfcer model Lgnnger og antagelser Estmer parametre Modelkontrol Er modellen
Læs mereAnvendt Statistik Lektion 10. Regression med både kvantitative og kvalitative forklarende variable Modelkontrol
Anvendt Statstk Lekton 0 Regresson med både kvanttatve og kvaltatve forklarende varable Modelkontrol Opsummerng I forbndelse med multpel lneær regresson så v på modeller på formen E y] = α... [ 3 3 4 4
Læs mereEKSAMEN I MATEMATIK-STATISTIK, 27. JANUAR 2006, KL 9-13
EKSAMEN I MATEMATIK-STATISTIK, 7. JANUAR 006, KL 9-13 [HER STARTER STATISTIKDELEN] Opgave 3 (5%): Bologsk baggrundsnformaton tl forståelse af opgaven: Dr producerer kke altd lge meget afkom af hvert køn.
Læs mereMorten Frydenberg Biostatistik version dato:
Morten Frydenberg Bostatstk verson dato: -4- Bostatstk uge mandag Morten Frydenberg, Afdelng for Bostatstk Resume: Hvad har v været gennem ndtl nu Lneær (normal) regresson en kontnuert forklarende varabel
Læs mereNote til Generel Ligevægt
Mkro. år. semester Note tl Generel Lgevægt Varan kap. 9 Generel lgevægt bytteøkonom Modsat partel lgevægt betragter v nu hele økonomen på én gang; v betragter kke længere nogle prser for gvet etc. Den
Læs mereØkonometri 1. Test for heteroskedasticitet. Test for heteroskedasticitet. Dagens program. Heteroskedasticitet 26. oktober 2005
Dagens program Økonometr Heteroskedastctet 6. oktober 005 Emnet for denne forelæsnng er heteroskedastctet (Wooldrdge kap. 8.3-8.4) Konsekvenser af heteroskedastctet Hvordan fnder man en effcent estmator?
Læs mereAnvendt Statistik Lektion 10. Regression med både kvantitative og kvalitative forklarende variable Modelsøgning Modelkontrol
Anvendt Statstk Lekton 0 Regresson med både kvanttatve og kvaltatve forklarende varable Modelsøgnng Modelkontrol Opsummerng I forbndelse med multpel lneær regresson så v på modeller på formen E[ y] = α...
Læs mereRegressionsanalyse. Epidemiologi og Biostatistik. 1.Simpel lineær regression (Kapitel 11) systolisk blodtryk og alder
Regressonsanalyse Epdemolog og Bostatstk Mogens Erlandsen, Insttut for Bostatstk Uge, torsdag (forelæsnng) 1.Smpel lneær regresson (Kaptel 11) systolsk blodtryk og alder. Multpel lneær regresson (Kaptel
Læs mereBinomialfordelingen. Erik Vestergaard
Bnomalfordelngen Erk Vestergaard Erk Vestergaard www.matematkfysk.dk Erk Vestergaard,. Blleder: Forsde: Stock.com/gnevre Sde : Stock.com/jaroon Sde : Stock.com/pod Desuden egne fotos og llustratoner. Erk
Læs mereStatikstik II 3. Lektion. Multipel Logistisk regression Generelle Lineære Modeller
Statkstk II 3. Lekton Multpel Logstsk regresson Generelle Lneære Modeller Defntoner: Repetton Sandsynlghed for at Ja tl at være en god læser gvet at man er en dreng skrves: P( God læser Ja Køn Dreng) Sandsynlghed
Læs mereStatistik Lektion 15 Mere Lineær Regression. Modelkontrol Prædiktion Multipel Lineære Regression
Statstk Lekton 15 Mere Lneær Regresson Modelkontrol Prædkton Multpel Lneære Regresson Smpel Lneær Regresson - repetton Spørgsmål: Afhænger y lneært af x?. Model: y = β + β x + ε ε d N(0, σ 0 1 2 ) Systematsk
Læs mereBinomialfordelingen: april 09 GJ
Bnomalfordelngen: aprl 09 GJ Spm A 14: Sandsynlghedsregnng og statstk. Efter en kort ntrodukton af grundlæggende begreber sandsynlghedsregnng og statstk skal du skal ntroducere bnomalfordelngsmodellen
Læs mereStatistik II Lektion 5 Modelkontrol. Modelkontrol Modelsøgning Større eksempel
Statstk II Lekton 5 Modelkontrol Modelkontrol Modelsøgnng Større eksempel Opbygnng af statstsk model Eksploratv data-analyse Specfcer model Lgnnger og antagelser Estmer parametre Modelkontrol Er modellen
Læs mereUdvikling af en metode til effektvurdering af Miljøstyrelsens Kemikalieinspektions tilsyn og kontrol
Udvklng af en metode tl effektvurderng af Mljøstyrelsens Kemkalenspektons tlsyn og kontrol Orenterng fra Mljøstyrelsen Nr. 10 2010 Indhold 1 FORORD 5 2 EXECUTIVE SUMMARY 7 3 INDLEDNING 11 3.1 AFGRÆNSNING
Læs mereØkonometri 1 Efterår 2006 Ugeseddel 9
Økonometr 1 Efterår 006 Ugeseddel 9 Program for øvelserne: Opsamlng på Ugeseddel 8 Gruppearbejde SAS øvelser Ugeseddel 9 består at undersøge, om der er heteroskedastctet vores model for væksten og så fald,
Læs mereØkonometri 1. Lineær sandsynlighedsmodel. Hvad nu hvis den afhængige variabel er en kvalitativ variabel (med to kategorier)?
Dagens program Økonometr Heteroskedastctet 6. oktober 004 Hovedemnet for denne forelæsnng er heteroskedastctet (kap. 8.-8.3) Lneære sandsynlghedsmodel (kap 7.5) Konsekvenser af heteroskedastctet Hvordan
Læs mereTALTEORI Følger og den kinesiske restklassesætning.
Følger og den knesske restklassesætnng, december 2006, Krsten Rosenklde 1 TALTEORI Følger og den knesske restklassesætnng Dsse noter forudsætter et grundlæggende kendskab tl talteor som man kan få Maranne
Læs mereVægtet model. Landmålingens fejlteori - Lektion4 - Vægte og Fordeling af slutfejl. Vægte. Vægte: Eksempel. Definition: Vægtrelationen
Vægtet model Landmålngens fejlteor Lekton 4 Vægtet gennemsnt Fordelng af slutfejl - kkb@mathaaudk http://peoplemathaaudk/ kkb/undervsnng/lf3 Insttut for Matematske Fag Aalborg Unverstet Gvet n uafhængge
Læs mereStatistik II Lektion 5 Modelkontrol. Modelkontrol Modelsøgning Større eksempel
Statstk II Lekton 5 Modelkontrol Modelkontrol Modelsøgnng Større eksempel Generel Lneær Model Y afhængg skala varabel 1,, k forklarende varable, skala eller bnære Model: Mddelværden af Y gvet =( 1,, k
Læs mereBrugen af R 2 i gymnasiet
Bruge af R gymaset Per Bruu Brockhoff, DTU Compute, Erst Hase, KU Matematk og Claus Thor Ekstrøm, KU Bostatstk Der lader tl at være e vs forvrrg bladt og ueghed mellem forskellge faggrupper omkrg R værde,
Læs mereKvantitative metoder 2
y = cy ( c 0) Plan for resten af gennemgangen Kvanttatve metoder Instrumentvarabel estmaton 4. maj 007 F5: Instrumentvarabel (IV) estmaton: Introdukton tl endogentet og nstrumentvarabler En regressor,
Læs mereKvantitative metoder 2
Kvanttatve metoder 2 Instrumentvarabel estmaton 14. maj 2007 KM2: F25 1 y = cy ( c 0) Plan for resten af gennemgangen F25: Instrumentvarabel (IV) estmaton: Introdukton tl endogentet og nstrumentvarabler
Læs mereIndtjening, konkurrencesituation og produktudvikling i danske virksomheder
Kvanttatve metoder 2 Forår 2007 Oblgatorsk opgave 2 Indtjenng, konkurrencestuaton og produktudvklng danske vrksomheder Opgavens prmære formål er at lgne formen på tag-hjem delen af eksamensopgaven. Der
Læs mereKvantitative metoder 2
Dagens program: Heteroskedastctet (Wooldrdge kap. 8.4) Kvanttatve metoder Heteroskedastctet 6. aprl 007 Sdste gang: Konsekvenser af heteroskedastctet for OLS Whte s korrekton af OLS varansen Test for heteroskedastctet
Læs mereForberedelse til den obligatoriske selvvalgte opgave
MnFremtd tl OSO 10. klasse Forberedelse tl den oblgatorske selvvalgte opgave Emnet for dn oblgatorske selvvalgte opgave (OSO) skal tage udgangspunkt dn uddannelsesplan og dt valg af ungdomsuddannelse.
Læs mereBrugen af R 2 i gymnasiet
Brugen af R 2 i gymnasiet Per Bruun Brockhoff, DTU Compute Ernst Hansen, KU Matematik Claus Thorn Ekstrøm, KU Biostatistik 17 januar 2017 Der lader til at være en vis forvirring blandt og uenighed mellem
Læs mereBeregning af strukturel arbejdsstyrke
VERION: d. 2.1.215 ofe Andersen og Jesper Lnaa Beregnng af strukturel arbedsstyrke Der er betydelg forskel Fnansmnsterets (FM) og Det Økonomske Råds (DØR) vurderng af det aktuelle output gap. Den væsentlgste
Læs mereSandsynlighedsregning og statistik med binomialfordelingen
Sandsynlghedsregnng og statstk med bnomalfordelngen Katja Kofod Svan og Olav Lyndrup Januar 09 Indhold Stokastske varable... 3 Mddelværd og sprednng... 6 Bnomalfordelngen... Andre sandsynlghedsfordelnger...
Læs mereNøglebegreber: Objektivfunktion, vægtning af residualer, optimeringsalgoritmer, parameterusikkerhed og korrelation, vurdering af kalibreringsresultat.
Håndbog grundvandsmodellerng, Sonnenborg & Henrksen (eds 5/8 GEUS Kaptel 14 IVERS MODELLERIG Torben Obel Sonnenborg Geologsk Insttut, Københavns Unverstet Anker Laer Høberg Hydrologsk Afdelng, GEUS øglebegreber:
Læs mereDLU med CES-nytte. Resumé:
Danmarks Statstk MODELGRUPPEN Arbejdspapr* Grane Høegh 17. august 2006 DLU med CES-nytte Resumé: Her papret undersøges det om en generalserng af den bagvedlggende nyttefunkton DLU fra Cobb-Douglas med
Læs mereBilag 6: Økonometriske
Marts 2015 Blag 6: Økonometrske analyser af energselskabernes omkostnnger tl energsparendsatsen Energstyrelsen Indholdsfortegnelse 1. Paneldataanalyse 3 Specfkaton af anvendte panel regressonsmodeller
Læs mereSERVICE BLUEPRINTS KY selvbetjening 2013
SERVICE BLUEPRINTS KY selvbetjenng 2013 EFTER Desgn by Research BRUGERREJSE Ada / KONTANTHJÆLP Navn: Ada Alder: 35 år Uddannelse: cand. mag Matchgruppe: 1 Ada er opvokset Danmark med bosnske forældre.
Læs mereTabsberegninger i Elsam-sagen
Tabsberegnnger Elsam-sagen Resumé: Dette notat beskrver, hvordan beregnngen af tab foregår. Første del beskrver spot tabene, mens anden del omhandler de afledte fnanselle tab. Indhold Generelt Tab spot
Læs mereØkonometri lektion 7 Multipel Lineær Regression. Testbaseret Modelkontrol
Økonometr lekton 7 Multpel Lneær Regresson Testbaseret Modelkontrol MLR Model på Matrxform Den multple lneære regressons model kan skrves som X y = Xβ + Hvor og Mndste kvadraters metode gver følgende estmat
Læs mereUgeseddel 8. Gruppearbejde:
Ugeseddel 8 Gruppearbejde: 1. Ved at nkludere en dummyvarabel for et bestemt landeområde, svarer tl at konstatere, at dsse lande har nogle unkke karakterstka, som har betydnng for væksten, som kke gør
Læs mereFagblok 4b: Regnskab og finansiering 2. del Hjemmeopgave - 28.01 2005 kl. 14.00 til 31.01 2004 kl. 14.00
Fagblok 4b: Regnskab og fnanserng 2. del Hjemmeopgave - 28.01 2005 kl. 14.00 tl 31.01 2004 kl. 14.00 Dette opgavesæt ndeholder følgende: Opgave 1 (vægt 50%) p. 2-4 Opgave 2 (vægt 25%) samt opgave 3 (vægt
Læs mereHVIS FOLK OMKRING DIG IKKE VIL LYTTE, SÅ KNÆL FOR DEM OG BED OM TILGIVELSE, THI SKYLDEN ER DIN. Fjordor Dostojevskij
HVIS FOLK OMKRING DIG IKKE VIL LYTTE, SÅ KNÆL FOR DEM OG BED OM TILGIVELSE, THI SKYLDEN ER DIN. Fjordor Dostojevskj Den store russske forfatter tænkte naturlgvs kke på markedsførng, da han skrev dsse lner.
Læs mereKvantitative metoder 2 Forår 2007 Ugeseddel 9
Kvanttatve metoder 2 Forår 2007 Ugeseddel 9 Program for øvelserne: Introdukton af problemstllng og datasæt Gruppearbejde SAS øvelser Paneldata for tlbagetræknngsalder Ugesedlen analyserer et datasæt med
Læs mereTEORETISKE MÅL FOR EMNET:
TEORETISKE MÅL FOR EMNET: Kende begreberne ampltude, frekvens og bølgelængde samt vde, hvad begreberne betyder Kende (og kende forskel på) tværbølger og længdebølger Kende lysets fart Kende lysets bølgeegenskaber
Læs mereInertimoment for arealer
13-08-006 Søren Rs nertmoment nertmoment for arealer Generelt Defntonen på nertmoment kan beskrves som Hvor trægt det er at få et legeme tl at rotere eller Hvor stort et moment der skal tlføres et legeme
Læs mereStøbning af plade. Køreplan 01005 Matematik 1 - FORÅR 2005
Støbnng af plade Køreplan 01005 Matematk 1 - FORÅR 2005 1 Ldt hstorsk baggrund Det første menneske beboede Jorden for over 100.000 år sden. Arkæologske studer vser, at det allerede havde opdaget fænomenet
Læs mereForberedelse INSTALLATION INFORMATION
Forberedelse 1 Pergo lamnatgulvmateraler leveres med vejlednnger form af llustratoner. Nedenstående tekst gver forklarnger på llustratonerne og er nddelt tre områder: Klargørngs-, monterngs- og rengørngsvejlednnger.
Læs mereLineær regression lidt mere tekniske betragtninger om R^2 og et godt alternativ
Dowloaded from orbt.dtu.dk o: Dec 0, 08 Leær regresso ldt mere tekske betragtger om R^ og et godt alteratv Brockhoff, Per B.; Ekstrøm, Claus Thor; Hase, Erst Publshed : LMFK-Bladet Publcato date: 07 Documet
Læs mereØkonometri 1. Avancerede Paneldata Metoder II Introduktion til Instrumentvariabler 27. november 2006
Økonometr 1 Avancerede Paneldata Metoder II Introdukton tl Instrumentvarabler 27. november 2006 Paneldata metoder Sdste gang: Paneldata med to eller flere peroder og fxed effects estmaton. Første-dfferens
Læs mereKreditrisiko efter IRBmetoden
Kredtrsko efter IRBmetoden Vacceks formel Arbejdspapr, oktober 2013 1 KRAKAfnans - Fnanskrsekommssonens sekretarat Teknsk arbejdspapr udkast 15. oktober 2013 Indlednng Det absolutte mndstekrav tl et kredtnsttut
Læs mereFTF dokumentation nr. 3 2014. Viden i praksis. Hovedorganisation for 450.000 offentligt og privat ansatte
FTF dokumentaton nr. 3 2014 Vden prakss Hovedorgansaton for 450.000 offentlgt og prvat ansatte Sde 2 Ansvarshavende redaktør: Flemmng Andersen, kommunkatonschef Foto: Jesper Ludvgsen Layout: FTF Tryk:
Læs mereMorten Frydenberg Biostatistik version dato:
Morten Frydenberg Bostatstk verson dato: -03-0 Effektmodfkaton Hvad er det - Kvantfcerng - Test Bostatstk uge 7 mandag Morten Frydenberg, Afdelng for Bostatstk Vægtede gennemsnt - Formler for standard
Læs mereKvantitative metoder 2 Forår 2007 Ugeseddel 10
Kvanttatve metoder 2 Forår 2007 Ugeseddel 0 Program for øvelserne: Gennemgang af teoropgave fra Ugesedel 9 Gruppearbejde og plenumdskusson SAS øvelser, spørgsmål -4. Sdste øvelsesgang (uge 2): SAS øvelser,
Læs mereBLÅ MEMOSERIE. Memo nr. 208 - Marts 2003. Optimal adgangsregulering til de videregående uddannelser og elevers valg af fag i gymnasiet.
BLÅ MEMOSERIE Memo nr. 208 - Marts 2003 Optmal adgangsregulerng tl de vderegående uddannelser og elevers valg af fag gymnaset Karsten Albæk Økonomsk Insttut Købenavns Unverstet Studestræde 6, 1455 Købenavn
Læs mereTO-BE BRUGERREJSE // Personligt tillæg
TO-BE BRUGERREJSE // Personlgt tllæg PROCES FØR SITUATION / HANDLING Pa er 55 år og bor en mndre by på Sjælland. Hun er på førtdspenson og har været det mange år på grund af problemer med ryggen efter
Læs mereAntag X 1,..., X n stokastiske variable med fælles middelværdi µ og varians σ 2. Hvis µ er ukendt estimeres σ 2 ved 1/36.
Estmaton af varans/sprednng Landmålngens fejlteor Lekton 4 Vægtet gennemsnt Fordelng af slutfejl - rw@math.aau.dk Insttut for Matematske Fag Aalborg Unverstet Antag X,..., X n stokastske varable med fælles
Læs mereKvantitative metoder 2
Program for dag: Kvanttatve metoder Opsamlng vedr. nferens uden MLR.5: Beregnng af robuste standardfejl og kovarans under heteroskedastctet (W8.) W.6: Flere emner en multpel regressonsmodel Inferens den
Læs mereSyddansk Universitet. Notat om Diabetes i Danmark Juel, Knud. Publication date: 2007. Document Version Også kaldet Forlagets PDF. Link to publication
Syddansk Universitet Notat om Diabetes i Danmark Juel, Knud Publication date: 27 Document Version Også kaldet Forlagets PDF Link to publication Citation for pulished version (APA): Juel, K., (27). Notat
Læs mereFastlæggelse af strukturel arbejdsstyrke
d. 23.5.2013 Fastlæggelse af strukturel arbedsstyrke Dokumentatonsnotat tl Dansk Økonom, Forår 2013 For at kunne vurdere økonomens langsgtede vækstpotentale og underlggende saldoudvklng og for at kunne
Læs mereStadig ligeløn blandt dimittender
Stadg lgeløn blandt dmttender Kvnder og mænd får stadg stort set lge meget løn deres første job, vser DJs dmttendstatstk for oktober 2012. Og den gennemsntlge startløn er fortsat på den pæne sde af 31.500
Læs mereAalborg Universitet. Borgerinddragelse i Danmark Lyhne, Ivar; Nielsen, Helle; Aaen, Sara Bjørn. Publication date: 2015
Aalborg Universitet Borgerinddragelse i Danmark Lyhne, Ivar; Nielsen, Helle; Aaen, Sara Bjørn Publication date: 2015 Document Version Også kaldet Forlagets PDF Link to publication from Aalborg University
Læs mereχ 2 -fordelte variable
χ -fordelte varable Defnton af χ -fordelngen Kvadratsummen V n af n uafhængge standardserede normalfordelte stokastske varable sges at være χ -fordelt med n frhedsgrader. V n fremkommer altså som V n =
Læs mereEleven kan deltage i længere, spontane samtaler og argumentere for egne synspunkter
Kpetenceråde Efter klassetrn Efter 7. klassetrn Efter 9. klassetrn Mundtlg deltage korte og enkle samtaler konkrete hverdagsemner på deltage kortere samtaler og gve korte, fremstllnger af almndelge stuatoner
Læs mereVi ønsker også at teste hypoteser om parametrene. F.eks: Kan µ tænkes at være 0 (eller anden fast, kendt værdi)? Eksempel: dollarkurser
Uge 37 I Teoretsk Statstk, 9.sept. 003. Fordelger kyttet tl N-ford. Gvet: uafhægge observatoer af samme N(µ,σ )-fordelte stokastske varabel. Formelt: X,X,,X uafhægge, alle N(µ,σ )-fordelt. Mddelværd µ
Læs mereFra små sjove opgaver til åbne opgaver med stor dybde
Fra små sjove opgaver tl åbne opgaver med stor dybde Vladmr Georgev 1 Introdukton Den største overraskelse for gruppen af opgavestllere ved "Galle" holdkonkurrenen 009 var en problemstllng, der tl at begynde
Læs mereUforudsete forsinkelser i vej- og banetrafikken - Værdisætning
Downloaded from orbit.dtu.dk on: Dec 17, 2015 - Værdisætning Hjorth, Katrine Publication date: 2012 Link to publication Citation (APA): Hjorth, K. (2012). - Værdisætning [Lyd og/eller billed produktion
Læs mereLandbrugets efterspørgsel efter Kunstgødning. Angelo Andersen
Landbrugets efterspørgsel efter Kunstgødnng Angelo Andersen.. Problemformulerng I forbndelse med ønsket om at reducere kvælstof udlednngen fra landbruget kan det være nyttgt at undersøge hvordan landbruget
Læs mereLuftfartens vilkår i Skandinavien
Luftfartens vlkår Skandnaven - Prsens betydnng for valg af transportform Af Mette Bøgelund og Mkkel Egede Brkeland, COWI Trafkdage på Aalborg Unverstet 2000 1 Luftfartens vlkår Skandnaven - Prsens betydnng
Læs mereValidering og test af stokastisk trafikmodel
Valderng og test af stokastsk trafkmodel Maken Vldrk Sørensen M.Sc., PhDstud. Otto Anker Nelsen Cv.Ing., PhD, Professor Danmarks Teknske Unverstet/ Banestyrelsen Rådgvnng 1. Indlednng Trafkmodeller har
Læs mereLigeløn-stilling blandt dimittender
Lgeløn-stllng blandt dmttender For fjerde år træk vser DJs dmttendstatstk, at der prakss stort set er lønmæssg lgestllng blandt nyuddannede. Lge mange mænd og kvnder får næsten det samme løn. Startløn
Læs merePRODUKTIONSEFFEKTEN AF AVL FOR HANLIG FERTILITET I DUROC
PRODUKTIONSEFFEKTEN AF AVL FOR HANLIG FERTILITET I DUROC MEDDELELSE NR. 1075 Vrknngsgraden (gennemslaget) tl en produktonsbesætnng for avlsværdtallet for hanlg fertltet Duroc blev fundet tl 1,50, hvlket
Læs mereStadig ligeløn blandt dimittender
Stadg lgeløn blandt dmttender Kvnder og mænd får stadg stort set lge meget løn deres første job, vser DJs dmttendstatstk for oktober 2013. Og den gennemsntlge startløn er nu på den pæne sde af 32.000 kr.
Læs mereG Skriverens Kryptologi
G Skrverens Kryptolog Nels Juul Munch, Mdtsjællands Gymnasum Matematk Indlednng I den foregående artkel G Skrverens Hstore blev det hstorske forløb om G Skrveren beskrevet og set sammenhæng med Sverges
Læs merePrøveeksamen Indtjening, konkurrencesituation og produktudvikling i danske virksomheder Kommenteret vejledende besvarelse
Økonometr Forår 00 Prøveeksamen Indtjenng, konkurrencestuaton og produktudvklng danske vrksomheder Kommenteret vejledende besvarelse Resultaterne denne besvarelse er fremkommet ved brug af eksamensnummer
Læs mereTrængselsopgørelse Københavns Kommune 2013
Downloaded from orbit.dtu.dk on: Dec 21, 2017 Trængselsopgørelse Københavns Kommune 2013 Rasmussen, Thomas Kjær; Aabrink, Morten; Nielsen, Otto Anker Publication date: 2014 Document Version Publisher's
Læs mereØkonometri 1. Avancerede Paneldata Metoder I 24.november F18: Avancerede Paneldata Metoder I 1
Økonometr 1 Avancerede Paneldata Metoder I 24.november 2006 F18: Avancerede Paneldata Metoder I 1 Paneldatametoder Sdste gang: Paneldata begreber og to-perode tlfældet (kap 13.3-4) Uobserveret effekt modellen:
Læs mereRegressionsmodeller. Kapitel Ikke-lineær regression
Kaptel 0 Regressonsmodeller V vl dette kaptel dskutere eksempler på mere komplceret modeller, med observatoner, der nok er uahængge, men kke dentsk ordelte I sådanne modeller kan der opstå et naturlgt
Læs mereKunsten at leve livet
Kunsten at leve lvet UNGE - ADFÆRD - RUSMIDLER 3. maj 2011 Hvad er msbrug? Alment om den emotonelle udvklng Hvem blver msbruger? Om dagnoser Om personlghedsforstyrrelser Mljøterap, herunder: - baggrund
Læs mereSolvarmeanlæg ved biomassefyrede fjernvarmecentraler
Downloaded from orbit.dtu.dk on: Dec 16, 017 Solvarmeanlæg ved biomassefyrede fjernvarmecentraler Heller, Alfred Publication date: 001 Document Version Også kaldet Forlagets PDF Link back to DTU Orbit
Læs mereUndersøgelse af pris- og indkomstelasticiteter i forbrugssystemet - estimeret med AIDS
Danmarks Statstk MODELGRUPPEN Arbedspapr* Mads Svendsen-Tune 13. marts 2008 Undersøgelse af prs- og ndkomstelastcteter forbrugssystemet - estmeret med AIDS Resumé: For at efterse nestnngsstrukturen forbrugssystemet
Læs mereHusholdningsbudgetberegner
Chrstophe Kolodzejczyk & Ncola Krstensen Husholdnngsbudgetberegner En model for husholdnngers daglgvareforbrug udarbejdet for Penge- og Pensonspanelet Publkatonen Husholdnngsbudgetberegner En model for
Læs mereØkonometri 1 Efterår 2006 Ugeseddel 13
Økonometr 1 Efterår 2006 Ugeseddel 13 Prram for øvelserne: Gruppearbejde plenumdskusson SAS øvelser Øvelsesopgave: Vækstregressoner (fortsat) Ugeseddel 13 fortsætter den emprske analyse af vækstregressonen
Læs mereFisk en sjælden gæst blandt børn og unge
Downloaded from orbit.dtu.dk on: Jan 8, 6 Fisk en sjælden gæst blandt børn og unge Fagt, Sisse Publication date: 8 Document Version Forlagets endelige version (ofte forlagets pdf) Link to publication Citation
Læs mereKulturel spørgeguide. Psykiatrisk Center København. Dansk bearbejdelse ved Marianne Østerskov. Januar 2011 2. udgave. Kulturel spørgeguide Jan.
Vdenscenter for Transkulturel Psykatr har ekssteret sden 2002 og skal fremme psykatrsk udrednng, dagnostk, behandlng, pleje og opfølgnng af patenter, der har en anden etnsk baggrund end dansk. Kulturel
Læs mereEuropaudvalget 2009-10 EUU alm. del Bilag 365 Offentligt
Europaudvalget 2009-10 EUU alm. del Blag 365 Offentlgt Notat Kemkaler J.nr. MST-652-00099 Ref. Doble/lkjo Den 5. maj 2010 GRUNDNOTAT TIL FOLKETINGETS EUROPAUDVALG Kommssonens forslag om tlpasnng tl den
Læs mereNotat om porteføljemodeller
Notat om porteføljemodeller Svend Jakobsen 1 Insttut for fnanserng Handelshøjskolen Århus 15. februar 2004 1 mndre modfkatoner af Mkkel Svenstrup 1 INDLEDNING 1 1 Indlednng Dette notat ndeholder en opsummerng
Læs mereAnalytisk modellering af 2D Halbach permanente magneter
Analytsk modellerng af 2D Halbach permanente magneter Kaspar K. Nelsen kak@dtu.dk, psjq@dtu.dk DTU Energ Konverterng og -Lagrng Danmarks Teknske Unverstet Frederksborgvej 399 4000, Rosklde, Danmark 17.
Læs mere4. KLASSE UNDERVISNINGSPLAN MATEMATIK
2017-18. KLASSE UNDERVISNINGSPLAN MATEMATIK Lær: Jakob Lassen (JL) Forord tl matematk. klasse. Matematkundvsnngen. klasse vl tage udgangspunkt matematkbogen, for. klasse samt den dtlhørende arbejdsbog
Læs mereDe naturlige bestande af ørreder i danske ørredvandløb målt i forhold til ørredindekset DFFVø
Downloaded from orbit.dtu.dk on: Sep 04, 2016 De naturlige bestande af ørreder i danske ørredvandløb målt i forhold til ørredindekset DFFVø Nielsen, Jan; Koed, Anders; Baktoft, Henrik Publication date:
Læs mereVærktøj til beregning af konkurrenceeffekter ved udlægning af nyt butiksområde
Dato: 6. oktober 217 Sag: DIPS- 16/1631 Sagsbehandler: /SBJ/DEB/PMO/KBA Værktøj tl beregnng af konkurrenceeffekter ved udlægnng af nyt butksområde KONKURRENCE- OG FORBRUGERSTYRELSEN ERHVERVSMINISTERIET
Læs mere10. Usikkerhed og fejlsøgning
93 10. Uskkerhed og fejlsøgnng Forbrugerprsndekset er baseret på en stkprøve af varer og tjenester og derfor behæftet med uskkerhed. Kaptlet ndledes derfor med en gennemgang af de væsentlgste klder tl
Læs mereØkonometri 1. Interne evalueringer. Interne evalueringer. Dagens program. Heteroskedaticitet (Specifikation og dataproblemer) 2.
Dagens program Øonometr 1 Heterosedatctet (Specfaton og dataproblemer). november 005 dataproblemer 1 Interne evaluernger Emner for denne forelæsnng: Heterosedastctet (ap 8.4-8.5) Egensaber ved FGLS Esempel
Læs mereDanskernes Rejser. Christensen, Linda. Publication date: 2011. Link to publication
Downloaded from orbit.dtu.dk on: Jan 07, 2016 Danskernes Rejser Christensen, Linda Publication date: 2011 Link to publication Citation (APA): Christensen, L. (2011). Danskernes Rejser Technical University
Læs merefaktaark om nybygningens og 5. sporets kapacitet
Trafkudvalget 2008-09 TRU alm. del Blag 602 Offentlgt greve kommune holbæk kommune høje-taastrup kommune shøj kommune kalundborg kommune lejre kommune odsherred kommune rosklde kommune solrød kommune vallensbæk
Læs mereFOLKEMØDE-ARRANGØR SÅDAN!
FOLKEMØDE-ARRANGØR SÅDAN! Bornholms Regonskommune står for Folkemødets praktske rammer. Men det poltske ndhold selve festvalens substans blver leveret af parter, organsatoner, forennger, vrksomheder og
Læs mereFRIE ABELSKE GRUPPER. Hvis X er delmængde af en abelsk gruppe, har vi idet vi som sædvanligt i en abelsk gruppe bruger additiv notation at:
FRIE ABELSKE GRUPPER. IAN KIMING Hvs X er delmængde af en abelsk gruppe, har v det v som sædvanlgt en abelsk gruppe bruger addtv notaton at: X = {k 1 x 1 +... + k t x t k Z, x X} (jfr. tdlgere sætnng angående
Læs mereKort fortalt: Indledning. Hvilke data(informationer):
Mor t endeur el l Per sondat apol t k I nf or mat onr el at er ett lgdpr Kort fortalt: Fra 25. Maj 2018 er det et krav at alle vrksomheder skal leve op tl den nye persondataforordnng (GDPR). Dette betyder
Læs mereSimple værktøjer til helhedsorienteret vurdering af alternative teknologier til regnvandshåndtering
Downloaded from orbit.dtu.dk on: Dec 28, 2018 Simple værktøjer til helhedsorienteret vurdering af alternative teknologier til regnvandshåndtering Sørup, Hjalte Jomo Danielsen; Arnbjerg-Nielsen, Karsten;
Læs mere