Lineær regression lidt mere tekniske betragtninger om R^2 og et godt alternativ
|
|
- Bjørn Krog
- 5 år siden
- Visninger:
Transkript
1 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 Verso Publsher's PDF, also kow as Verso of record Lk back to DTU Orbt Ctato (APA: Brockhoff, P. B., Ekstrøm, C. T., & Hase, E. (07. Leær regresso ldt mere tekske betragtger om R^ og et godt alteratv. LMFK-Bladet, 07(, Geeral rghts Copyrght ad moral rghts for the publcatos made accessble the publc portal are retaed by the authors ad/or other copyrght owers ad t s a codto of accessg publcatos that users recogse ad abde by the legal requremets assocated wth these rghts. Users may dowload ad prt oe copy of ay publcato from the publc portal for the purpose of prvate study or research. You may ot further dstrbute the materal or use t for ay proft-makg actvty or commercal ga You may freely dstrbute the URL detfyg the publcato the publc portal If you beleve that ths documet breaches copyrght please cotact us provdg detals, ad we wll remove access to the work mmedately ad vestgate your clam.
2 kedte og veluderbyggede modeller, og lade reste modelleres af mere emprsk baserede modeller for resterede struktur og varato. Så læge ma kke lader sg "teorforblæde" af modeller, der alee på grud af dverse hstorske årsager og begræset formato har tlkæmpet sg uretmæssge forskgsmæssge postoer. Det er vgtgt at fortælle de samme hstore Det vgtgste må være, at de studerede lærer oget, som de forstår hvad måler, og som de har kompetece tl at bruge (og vde, hvorår ma kke ka bruge. Det bør derfor tlstræbes, at de forskellge fagmljøer hvs ma fortsat vælger at bruge R som et led statstkudervsge gymaset fortæller de samme hstore omkrg R. Desværre fdes der kke e smpel, objektv måde at vurdere korrekthede af e statstsk model på, me det uderstreger blot vgtghede af, at alle faggrupper er stad tl at formdle alle de fordele og ulemper, der måtte være, ved de valgte metode. Referecer Ascombe, F. J Graphs Statstcal Aalyss. Amerca Statstca 7: 7. Box, G. E. P., ad N. R. Draper Emprcal Model-Buldg ad Respose Surfaces. Joh Wley; Sos. Brockhoff, Per Bruu, Claus Thor Ekstrøm, ad Erst Hase. 07. Leær Regresso: Ldt Mere Tekske Betragtger Om R Og et Godt Alteratv. LMFK bladet. Ekstrøm, Claus Thor, Erst Hase, ad Per Bruu Brockhoff. 07. Statstk I Gymaset. LMFK bladet. Leær regresso ldt mere tekske betragtger om R og et godt alteratv Per Bruu Brockhoff, DTU Compute, Claus Thor Ekstrøm, KU Bostatstk og Erst Hase, KU Matematk Dette ekstra llle otat om de såkaldte R værd, som ka bereges forbdelse med leær regresso, skal ses sammehæg med vores kke tekske otat om samme eme. Ud over at få deferet tgee matematsk præcst, vl v foreslå spredge σ som et godt alteratv. De to hæger ært samme, måler for så vdt det samme, R på e relatv måde og σ på e absolut måde. Spredge σ ka ses ret drekte sammehæg med uskkerhedsbetragtger mere geerelt, som v det store bllede meer er ret vgtge. Defto af R de smple leære regressosstuato Lad os lge mde om hvad v overhovedet taler om. De smpleste forekomst af R optræder de leære regressosmodel y α + βx + ε,,,. Tl hver målg y er der kyttet e kovarat x, og ma ka øske at udsøger om kovarate har e leær påvrkg af målge og gvet fald at kvatfcere og fortolke sammehæge og måske at beytte de tl at forudsge y værde for ye x værder. Parametree α og β er ukedte, og aalyse af regressosmodelle fokuserer ormalt på at estmere dem. De tlbageværede størrelser ε,..., ε er såkaldte støjvarable, der skal redde modelle fra at kollapse mødet med vrkelghede, hvor parree (x, y jo aldrg lgger præcs på e matematsk ret lje. De sædvalge atagelse om støjvarablee er, at de er uafhægge, og at de er ormalfordelte med mddelværd 0 og samme varas σ (edu e parameter modelle. I dee ramme deferes R ved formle R SSxy SS SS, ( hvor SS xy, SS og SS er ogle af de stadard bereggsstørrelser, ma allgevel ofte reger ud forbdelse med estmato af de tre parametre α, β og σ : β α hvor SSxy SS y βx SS ( x x SS ( y y SS ( x x y y xy ( (3 (4 (5 (6 LMFK-bladet /07 3 ( Dsse resultater er også velkedte fra mdste kvadraters metode, og gver modelles estmerede hældg og skærg (på baggrud af de tlgægelge data. Med de estmerede parametre ka v bruge modelle tl at udrege de forvetede værder, y, der beskrver, hvad v geemst forveter at observere for e gve x værd: y α + βx Matematk
3 Matematk Med dsse størrelser ka v estmere varase, der er baseret på forskelle mellem de reelle observatoer, y, og de forvetede observatoer (på baggrud af modelle og de tlhørede x er σ ( y y (7 R for mere komplcerede modeller Ovefor er R deferet det smple leære regressossetup, me R ka også beyttes for mere komplcerede modeller med flere forklarede varable, for eksempel P forklarede varable, dvs. x ( x,, x P, så læge ma stadg er de for klasse af leære modeller. E leær model refererer tl, at sammehæge mellem y og x ka skrves et leært lggssystem y α + β x + ε,,,, P p p p og vl derfor også dække specaltlfælde som eksempelvs polyomal regresso y α + β x + β x + ε,,,. Bemærk, at ma således godt ka modellere e kke leær relato mellem x og y med e leær model. Der fdes aturlgvs også egetlge kke lære modeller, me selvom R ka deferes for sådae kke leære regressosmodeller, så har de kke lægere s sædvalge fortolkg som forklargsgrad. Formle edefor gælder kke lægere, og summe af resdualere er kke lægere ul. Detaljere dsse yderlgere (kke lære udfordrger ved forståelse og bruge af R er kke berørt ærmere hverke her eller vores kke-tekske otat. Ldt flere detaljer om R for lære modeller R er også de kvadrerede korrelato mellem y værder og de forvetede y værder modelle for de x er ma har med, y værdere. Dee defto gælder også for de mere geerelle leære modeller med flere x varable. R er gvet ved y varatoer, og dem fdes der to/tre af to af dem summerer tl de tredje: hvor SST SSM + SSE SST SS ( y y SSM ( y y SSE ( y y Bemærk at SS(Total SST udtrykker y varatoe ude oge x dbladg, og bemærk, at hvs ma dvderer SST med, så har ma de klassske beregg af e stkprøvevaras avedt på y data. SSM er varatoe gvet ud fra x ere, og SSE er de såkaldte restvarato, der udtrykker forskelle mellem lje-værdere y og data y. Det er dee SSE værd ma har mmeret, år ma har fudet de bedste rette lje ved hjælp af mdste kvadraters metode de er så llle som det er mulgt med de data ma har. Nu ka ma så skrve præcst hvad R faktsk er på e ldt ade vs ed ovefor: R SST SSE ( SST SSE SST Så R er gvet ved forholdet mellem dsse to y varatoer: y varatoe, som de u egag kommer, og restvaratoe y, år ma har fjeret det, som x ka forklare geem lje (eller e mere geerelle model, hvs e såda er spl det gør ge forskel for udtrykkee her. Og heraf fortolkge: Forklargsgrad Heraf ka ma også lke tl teor omkrg varato og varaser/spredger: E matematker vl vde, at e varas (som teoretsk begrebsmæssgt er et tegral kke er trasformatosvarat: Aveder ma e kke leær trasformato af skala/data, vl dsse tal aturlgvs ædre sg på e kke smpel måde. Selvom det kke fremgår så drekte af oveståede, så afhæger R aturlgvs også af x værdere det er geem y værdere dee afhægghed ka ses. Hvs ete alle y værdere er es, så SST 0, og puktere lgger eksakt på e horsotal lje, eller alle x værdere er es, så er R kke deferet. Leær regresso ka have forskellge formål stkord Der ka være forskellge årsager tl, at ma laver leær regresso, og derfor ka fokus også ædre sg ldt. Formålet ka eksempelvs være at afdække om der er e sammehæg mellem to varable (hermed uderforstået, at v leder efter e leær sammehæg. Nogle vlle kalde dette for korrelatosaalyse, og fokusere på korrelatoe og kke på selve lje (og måske lave et hypotese test for om korrelato 0. I dee stuato der oftest blver brugt soco og samfudsfagssammehæge er ma udelukkede teresseret at vurdere, om der er e sammehæg, og derfor opfattes x ere og y ere modelle prcppet symmetrsk: hvs ma laver e tlsvarede leær regressosaalyse, hvor ma modellerer x som leær fukto af y, så opår ma samme resultat. kvatfcere de uderlggede leære relato mellem mddelværdere af y og x for fortolkges skyld eller evt. at kue terpolere, altså skøe/estmere eksempelvs mddelvægte for persoer af e højde ma kke lge fk med stkprøve (me stadg de for rage af data ma skal være varsom med at ekstrapolere. Her ka ma berege lje, og kombere med kofdestervaller (Bemærk: hypotese testet for hældg 0 er det samme som for korrelato 0. bruge modelle tl at prædktere ye cases, der kommer tl altså berege y y for e kokret x y værd (berege lje, og kombere med prædktostervaller, der også drekte volverer spredge. 3 LMFK-bladet /07
4 y 0 Fgur De absolutte vertkale afstade (de blå stplede ljer måler, hvor lagt de leære regressosmodel (de røde lje lgger fra de observerede data, og de har samme skala som y. Spredge σ udtrykker de geemstlge værd af dsse x Formålet ka/bør måske også ses e ldt større sammehæg som at besvare: Hvad er de rette model? Her vl målet være at fde de rette model, deræst kvatfcere elemetere dee model, og så ka v evt tl sdst ete estmere eller prædktere, hvs v øsker. Et alteratv tl R R er som vst et relatv mål for hvor tæt modelle lgger på data. Dette avedes ofte stuatoer, hvor skalae på varablere kke sg selv betyder så meget, fx samfudsfag, socolog, psykolog, etc., hvor det ka være forskellge spørgeskema skalaer, der er brug. Taler v om avedelser de for tekk og aturvdeskab, vl der ofte være ret kokrete skalaer for såvel x som y. I sådae tlfælde ka følgede alteratv være e god de. V gver heruder et forslag tl at beytte et absolut mål for afvgelse mellem model og data fremfor det relatve mål som R faktsk er. Me før dette bør ma gøre sg klart, at det lagt de fleste tlfælde er selve lje, der vl være det mest teressate e kokret sammehæg. Derfor er estmato/beregg af lje helt cetralt. Deræst vl det mest relevate være at kvatfcere uskkerhede bestemmelse af lje, oget v typsk vlle gøre ved at berege stkprøveuskkerhedere for afskærg og hældg, for derefter evt. at udtrykke dsse kofdestervaller for dsse to størrelser ( prakss er det oftest hældge, der udtrykker oget spædede. De cetrale størrelse der dgår formlere for dsse uskkerheder er etop det absolutte mål, der præseteres u (se Fgur. Hvs ma bruger SSE absolut set stedet for relatvt, SSE/SST, og bereger: SSE σ ( så har ma faktsk estmeret de uderlggede spredg for y værdere (for e fastholdt x værd, som desude er e parameter de klassske formelle statstske model, der ka lgge bagved: y α βx ε, ε N 0, σ + + ( Ma har således på dee vs kvatfceret de geemstlge afstad mellem y værder og lje drekte, og det vl være klart for de fleste med teksk/ aturvdeskabelg baggrud, at det er et tal, der kommer med de samme fysske ehed som y værde kommer med fra starte. På de vs blver fx skalaafhægghede meget drekte tydelg for ehver, og tallet har e rgtg god fortolkg. Det er klart, at da tallet her for e gve total y varato er ækvvalet med R værde, så er det hverke mere eller mdre rgtgt at berege ed R, og hvs ma forsøger at bruge σ tl at besvare de spørgsmål, v har aført ovefor, løber ma d samme problemer som med R. Me måske det for mage vl være et tal ma lettere ka forholde sg tl, og måske ma ldt mdre grad vl være frstet tl at drage forhastede koklusoer ud fra dette tal ed ma ka være med R. E llle krølle er følgede: Skulle ma u allgevel få take, at ma gere tllæg vl fortolke (resdualspredge relatvt tl de spredg, som y værdere har ude dbladg af x ere: y SS Altså tlbage tl de relatve fortolkg LMFK-bladet /07 33 Matematk
5 som R egetlg har, og fx berege σ, σ y så har ma faktsk bereget de såkaldte Adjusted R, som mage software-pakker helt stadard tllæg vl berege for sådae modeller, ellere rettere R adj : y ( ( ( SSE ( SST SSE / P SST / P ( P ( ( R R adj hvor P er atallet af x varabler modelle. Og på flere måder er de adjustede R faktsk at foretrække frem for de almdelge. For smple leære regressoer (P med stort, er der kke oge væsetlg forskel på de to, det / således vl være tæt på. ( ( Uskkerhedsbetragtger Et af de helt cetrale budskaber statstk som fagområde er, at alt v bereger på og uddrager af data er behæftet med e eller ade form for uskkerhed/ varato. Faktsk er dette mere cetralt ed det klassske hypotesetest, som ofte som metode ldt uhesgtsmæssgt ka blve syoym med statstk, se også Ekstrøm et al. (07. Dette gælder således lgeledes bereggsstørrelser regressossammehæge. De beregede spredg σ dgår cetralt de relevate uskkerhedsberegger for såvel afskærg α, hældg β og ljeberegger: x α σ + β SS SS ler at ma som gymaseelev Damark skal lære detaljere af dette. I mage såkaldte o calculus baserede statstkkurser på dledede uverstetsveau for mage studeretger verde over agves dsse og lgede formler lgeledes ude bevs. Det kræver dog kke adet ed ogle leære varas regeregler eller, om ma vl, leære fejlophobgsbetragtger. Alle dsse spredger kaldes også oge gage for stadard errors eller stkprøvespredger de udtrykker hvor meget e bereget størrelse forvetes at varere fra stkprøve tl stkprøve, altså hvor uskkert bestemt de egetlg er. V vser formlere her for at uderstrege de fudametale betydg af spredge, som dgår på samme måde alle formlere. Og alle uskkerhedsformlere er udvdede versoer af de samme og helt fudametale uskkerhedsformel for et smpelt stkprøvegeemst, fx udtrykt ved y: (ude dbladg af x y σ y σ y De fleste dledede statstkkurser vl troducere de grudlæggede statstske begreber som hypotesetests og kofdestervaller dette smpleste af alle setups. Kofdestervaller er det kokrete statstske redskab ma ka tage avedelse for at formalsere uskkerhedsbetragtger ved hjælp af sadsylghedsteor. Ige er det kke hesgte at gve e udtømmede geemgag her, me fx blver ( α kofdestervallere for α og β α β ± ± t t α / α / α β e avedes for alle uskkerhedsbereggere, det leære trasformatoer af ormalfordelger ge er ormalfordelger. I prakss vl dsse kofdestervalformler ofte tlærmelsesvs have forme: y ± σ y, altså hvor ma har et estmat for e parameter (her geemsttet plus/mus gage uskkerhede på estmatet. Ved at bruge ormalfordelge ka ma se, at dsse græser omtretlg vl svare tl 95 % kofdes, og dee fudametale relato ka være god at kommukere ud. Og som e sdste llle perspektverede gymasekrølle: Det er stadard metodk dledede statstkkurser, at ma uder vsse ormalfordelgsforudsætger ka kvatfcere uskkerhede spredgs og varasberegger sg selv ved brug af χ fordelge. Alstå de samme fordelg som avedes tl det klassske χ test. Det er e matematsk/sadsylghedsteoretsk kosekves af at kvadrere ormalfordelger. Og pudsgt ok er der ge global tradto for tlsvarede at kvatfcere uskkerhede e R beregg, selvom de, som sammehægee ovefor vser, på helt samme måde er behæftet med uskkerhed. Og dermed er der ude tvvl e større rsko for at dee uskkerhed blver glemt skydge, ed tlsvarede for σ. Matematk α+ x 0 β ( x0 x σ + SS x x σ α + x + + ( 0 + 0β 0 SS Det er aturlgvs hverke hesgte her at forklare og bevse alle dsse formler el- hvor t α/ er ( α/ fraktle for e t fordelg med frhedsgrader. t fordelge ka løst sges at være e verso af stadardormalfordelge, der tager højde for at varase, der dgår er estmeret fra data, og altså sg selv er behæftet med uskkerhed. Hvs de kke var det, vlle ormalfordelge ku- Referecer Brockho Per Bruu, Hase Erst, Ekstrm Claus Thor. Bruge af R gymaset, LMFK bladet. /07. Ekstrm Claus Thor, Hase Erst, Brockho Per Bruu. Statstk gymaset, LMFK bladet. / LMFK-bladet /07
Brugen 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 mereMen tilbage til regression og Chi-i-anden. test. Begge begreber refererer til normalfordelingen med middelværdi μ og spredning σ.
χ test matematkudervsge χ - test gymasets matematkudervsg I jauar ummeret 8 af LMFK bladet havde jeg e artkel, hvor jeg harcelerede ldt over, at regresso og sær χ fordelg havde fudet dpas matematkudervsge
Læs mereHvorfor n-1 i stikprøvevariansen?
Erk Vestergaard www.matematkfysk.dk Hvorfor - stkprøvevarase? Lad os sge, at e fabrk producerer e bestemt type halogepærer. Det vser sg, at levetde for e såda elpære varerer efter e ormalfordelg. Nogle
Læs mereStatistik Lektion 14 Simpel Lineær Regression. Simpel lineær regression Mindste kvadraters metode Kovarians og Korrelation
Statstk Lekto 4 Smpel Leær Regresso Smpel leær regresso Mdste kvadraters metode Kovaras og Korrelato Scatterplot Scatterplot kf Advertsg Epedtures ( ad Sales ( Et scatterplot vser par (, af observatoer.
Læs mereEksempel: PEFR. Epidemiologi og biostatistik. Uge 1, tirsdag. Erik Parner, Institut for Biostatistik.
Epdemolog og bostatstk. Uge, trsdag. Erk Parer, Isttut for Bostatstk. Geerelt om statstk Dataaalyse - Deskrptv statstk - Statstsk feres Sammelgg af to grupper med kotuerte data - Geemst og spredg - Parametre
Læs mereRepetition. Forårets højdepunkter
Repetto Forårets højdepukter Forårets højdepukter Smpel Leær Regresso Smpel leær regresso: Mdste kvadraters metode Kovaras og Korrelato Scatterplot Scatterplot kf Advertsg Epedtures (X ad Sales (Y Et scatterplot
Læs mereØkonometri 1. Funktionel form. Funktionel form (fortsat) Dagens program. Den simple regressionsmodel 14. september 2005
Dages program Økoometr De smple regressosmodel 4. september 5 Dee forelæsg drejer sg stadg om de smple regressosmodel (Wooldrdge kap.4-.6) Fuktoel form Hvorår er OLS mddelret? Varase på OLS estmatore Regressosmodelle
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 mereSimpel Lineær Regression - repetition
Smpel Leær Regresso - repetto Spørgsmål: Afhæger leært af?. Model: β + β + ε ε d N(0, σ 0 ) Sstematsk kompoet + Stokastsk kompoet Estmato - repetto Vha. Mdste Kvadraters Metode fder v regressosle hvor
Læs mereØkonometri 1. For mange variable i modellen. For få variable. Dagens program. Den multiple regressionsmodel 21. september 2004
Dages program Økoometr De multple regressosmodel. september 004 Emet for dee forelæsg er stadg de multple regressosmodel (Wooldrdge kap. 3.4-3.5) Praktske bemærkg Opsamlg fra sdst Irrelevate varable og
Læs mereStatistik 9. gang 1 REGRESSIONSANALYSE. Korrelation (kontrol af model) Regression (tilpasning af model)
Statstk 9. gag REGRESSIONSANALYSE Korrelato kotrol af model Regresso tlpasg af model Statstk 9. gag KORRELATIONS ANALYSE. Grad af fælles varato mellem X og Y. Område og fordelg af sample data 3. Optræde
Læs mereScorer FCK "for mange" mål i det sidste kvarter?
Uge 7 I Teoretsk Statstk, 9. aprl 2004. Hvor er v? Hvor var v: opstllg af statstske modeller Hvor skal v he: tro om estmato og test 2. Eksempel: FCK Estmato (tutvt) Test Maksmum lkelhood estmato Scorer
Læs mereInduktionsbevis og sum af række side 1/7
Iduktosbevs og sum af række sde /7 Skrver ma,,,...,,..., =, 2, 3,... 2 3 taler ma om e talfølge, eller blot e følge. Adre eksempler på følger er, -,, -,, -,..., (-) +,..., =, 2, 3,..., 2, 3, 4,...,,...,
Læs mereBEVISER TIL KAPITEL 7
BEVISER TIL KAPITEL 7 A. Komplemetærhædelse Det er klart, at e hædelse A og de komplemetære hædelse A udgør hele udfaldsrummet U, dvs. A A = Da fås P(U = U P(A A = P (A + P(A = da de to hædelser er dsjukte
Læs mereVariansanalyse. på normalfordelte observationer af Jens Friis
Varasaalyse på ormalfordelte observatoer af Jes Frs Esdg varasaalyse Model eelt ormalfordelt observatosræe Lad X, X, X er dbyrdes uafhægge N(μ, σ ) - fordelt stoastse varable Det tlhørede observatossæt
Læs mereBetænkning om kommunernes udgiftsbehov. Bilag (med metodediskussion af professor Anders Milhøj)
Betækg om kommueres udgftsbehov Blag (med metodedskusso af professor Aders Mlhøj) Betækg r. 36 Oktober 998 Kommueres Udgftsbehov Betækg om kommueres udgftsbehov - Redegørelse fra arbejdsgruppe uder Idergsmsterets
Læs mereKvantitative metoder 2
Program for dag: Kvattatve metoder Iferes de leære regressosmodel 9. marts 007 Opsamlg vedr. feres e leær regressosmodel uder Gauss-Markov atagelser (W.4-5) Eksempel med flere restrktoer (F-test) Lagrage
Læs merePearsons formel for χ 2 test. Den teoretiske forklaring
Pearsos formel for χ test De teoretse forlarg Ole Wtt-Hase 04 Idhold. Normalfordelge og χ.... Pearsos formel for χ test... 3. Forlarg på Pearsos formel....4 Pearsos formel for χ test. Normalfordelge og
Læs mereSpørgsmål 1 (5 %) Bestem sandsynligheden for at batteriet kan anvendes i mere end 5 timer.
TATITIK krftlg evaluerg, 3. semester, fredag de 4. jauar 3 kl. 9.-3.. Alle hjælpemdler er tlladt. Opgaveløsge forsyes med av og CR-r. OGAVE Et batter har e levetd tmer med de tlkyttede tæthedsfukto f (
Læs mereØkonometri 1. Definition og motivation. Definition og motivation. Dagens program. Den multiple regressionsmodel 21. september 2005
Dages program Økoometr De multple regressosmodel. september 005 Emet for dee forelæsg er de multple regressosmodel (Wooldrdge kap 3.-3.3+appedx E.-E.) Defto og motvato Fortolkg af parametree de multple
Læs mereIndeks over udviklingen i biltrafikken i Danmark
Ideks over udvklge bltrafkke Damark Afdelgsgeør Alla Crstese, Vejdrektoratet, og cvlgeør, p.d. Crsta Overgård ase, TetraPla A/S. Baggrud og formål. Baggrud Vejdrektoratet ar sde 978 regelmæssgt udgvet
Læs merex-klasserne Gammel Hellerup Gymnasium
SANDSYNLIGHEDSREGNING OG KOMBINATORIK x-klassere Gammel Hellerup Gymasum Idholdsfortegelse SANDSYNLIGHEDSREGNING... 3 Sadsylghedsfelt... 3 Edelge sadsylghedsfelter (sadsylghedsfordelger):... 3 Uedelge
Læs mereStatistisk analyse. Vurdering af usikkerhed i forbindelse med statistiske opgørelser forudsætter:
Statstsk aalyse Vurderg af uskkerhed forbdelse med statstske opgørelser forudsætter: Kvattatve mål for varato og spredg forbdelse med statstske opgørelser varas og stadardafvgelse Kvattatve mål for tlfældgheder
Læs mereØkonometri 1. Instrumentvariabelestimation 26. november Plan for IV gennemgang. Exogenitetsantagelsen. Exogenitetsantagelsen for OLS
y = cy ( c 0 ) Pla for IV geemgag Økoometr Istrumetvarabelestmato 6. ovember 004 F9: Hvad er IV estmato: Bvarat model, et strumet: Kap.5. + afst -4 ote. F0: IV estmato det multple tlfælde (eksakt detfceret):
Læs mereRettevejledning til Økonomisk Kandidateksamen 2006I, Økonometri 1
Rettevejledg tl Økoomsk Kaddateksame 6I, Økoometr Vurdergsgrudlaget er selve opgavebesvarelse og blaget. Programmer og data, som er afleveret på dskette/cd, bedømmes som såda kke, me er avedt f.eks. tl
Læs mereSupplement til sandsynlighedsregning og matematisk statistik
Supplemet tl sadsylghedsregg og matematsk statstk 1. Bevs for lgg (4b) 22.4 ( 23.3) 8. (7.) udgave. Teorem 3 (4): Atallet af forskellge kombatoer med k elemeter, der ka daes ud af forskellge elemeter,
Læs mereKvalitet af indsendte måledata
Notat ELT2004-112 Aktørafregg Dato: 23. aprl 2004 Sagsr.: 5584 Dok.r.: 185972 v1 Referece: NIF/AFJ Kvaltet af dsedte måledata I Damark er det etvrksomhederes opgave at måle slutforbrug, produkto og udvekslg
Læs mereFordelingen af gentagne observationer (målinger) kan beskrives ved hjælp af et histogram, der viser antallet af målinger i et givet interval.
H:\excerc\geodstat.doc, sdste ædrg: ov. 5, 3.. 3. Geodætsk statstk og mdste kvadraters metode. 3.. Statstske grudbegreber. 3.. Fordelger. Fordelge af getage observatoer (målger ka beskrves ved hælp af
Læs mereNotato: k grupper observeret tl tdspuktere (logartmerede) t1;t2;:::;t k. Tl tdspukt observeres et atal ( ) ph-vρrder, 1 ; 2 ;:::;. V opfatter dem som
Statstk 1, torsdag de 15. marts Leρr regressosaalyse, afst 5.2.1 ffl Problemstllg ffl Data Model Estmato og test Dages program: Hvad ka v? 1 V ka sammelge grupper af observatoer, hvor data hver gruppe
Læs mereElementær Matematik. Sandsynlighedsregning
lemetær Matematk Sadsylghedsregg Ole Wtt-Hase Køge Gymasum 008 INDHOLD KAP. KOMBINATORIK.... MULTIPLIKATIONS- OG ADDTIONSPRINCIPPT.... PRMUTATIONR... 3. KOMBINATIONR...3 KAP. NDLIGT SANDSYNLIGHDSFLT...7.
Læs merebestemmes. kendes ( ) A i Subjektiv information + objektiv information Bayesiansk statistik (gang 10) Bayes sætning
Statstk. gag BAYESIANSKE METOER Objektv formato f.eks. forsøgs resultater klasssk statstk gag -9 Subjektv formato objektv formato Bayesask statstk gag Bayes sætg E E A A E A A... E A A A E A E E E A A
Læs mereKontrol af udledninger ved produktion af ørred til havbrugsfisk
Kotrol af udledger ved produto af ørred tl havbrugsfs Notat fra DCE - Natoalt Ceter for Mljø og Eerg Dato: 19. december 013 Rettet: 4. jauar 014 og de 8. marts 014 Søre Er Larse 1 & Lars M. Svedse 1 Isttut
Læs mereBrugen af R^2 i gymnasiet
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
Læs mereLineære Normale Modeller
Note tl Leære Normale Modeller Bo Rosbjerg. marts 009 Tegger udført af Herk Ve Chrstese Idhold E smpel leær ormal model 5. Modelbestemmelse........................... 5. Mdste kvadraters estmat......................
Læs mereIKKE-KONTINUERTE (DISKRETE) STOKASTISKE VARIABLE MIDDELVÆRDI, VARIANS, SPREDNING FORDELINGER: HYPERGEOMETRISK, BINOMIAL, POISSON
IE-ONTINUERTE (DISRETE) STOASTISE VARIABLE MIDDELVÆRDI, VARIANS, SPREDNING FORDELINGER: HYPERGEOMETRIS, BINOMIAL, POISSON Edelgt sadsylghedsfelt V reeterer: Et sadsylghedsfelt ( P ) U, kaldes edelgt, hvs
Læs mereFY01 Obligatorisk laboratorieøvelse. O p t i k. Jacob Christiansen Afleveringsdato: 3. april 2003 Morten Olesen Andreas Lyder
FY0 Oblgatorsk laboratoreøvelse O p t k Hold E: Hold: D Jacob Chrstase Alevergsdato: 3. aprl 003 Morte Olese Adreas Lyder Idholdsortegelse Idholdsortegelse Forål...3 Måleresultater...4. Salelser...4. Spredelse...5.3
Læs mereFORDELINGER: HYPERGEOMETRISK FORDELING, BINOMIALFORDELING MIDDELVÆRDI DEFINITION. X er en stokastisk variabel på et endeligt sandsynlighedsfelt ( )
FORDELINGER: HYERGEOMETRIS FORDELING, BINOMIALFORDELING MIDDELVÆRDI Mddelværd MIDDELVÆRDI (TYS: ERWARTUNGSWERT ) DEFINITION X er e stokastsk varabel på et edelgt sadsylghedsfelt U, ( ) Mddelværde af X
Læs mereAnalyse af bivariate data: korrelation og regression. korrelation. Korrelation og regression: Co-varians:
,,,,,,,,,, Stattk for bologer -, modul og : Korrelato og regreo: Aale af bvarate data: korrelato og regreo Korrelato: llutrerer v.h.a. e koeffcet hvlke grad to varable er dbrde afhægge: - (perfekt egatv
Læs mereSUPPLEMENT til Anvendt statistik
SUPPLEMET tl Avedt statstk IDHOLD A BEVISER VEDRØREDE ORMALFORDELIGE 3A χ - FORDELIE 3 3B t - FORDELIGE 6 3C F - FORDELIGE 7 4A DEFIITIOER OG EKSEMPLER PÅ CETRALE OG EFFEKTIVE ESTIMATORER 9 4B BEVISER
Læs mere1.0 FORSIKRINGSFORMER
eam Lv forskrgsakteselskab Bereggsgrudlaget sgrp217 tl præmeberegg for gruppeforskrg e-am Lv forskrgsakteselskab 1. FORIKRINGFORMER 1.1 Oblgatorske ordger Alle gruppeforskrgsordger teget på dette grudlag
Læs mereMotivation. 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 mereVideregående Algoritmik. David Pisinger, DIKU. Reeksamen, April 2005
Vderegåede Algortmk Davd Psger, DIKU Reeksame, Aprl 5 Bsecto problemet Gvet e uvægtet graf G = (V, E) samt et heltal k. E bsecto af grafe G er e opdelg af kudere V to lge store mægder S og T. MAX-BISECTION
Læs mereFACITLISTE TIL KOMPLEKSE TAL
FACITLISTE TIL KOMPLEKSE TAL Kaptel Opgave Opgave Opgave Det emmeste check af lgge er at opløfte begge sder tl. potes. Bombells metode gver følgede lgger: a a b = 5 ( ) b a b = 09 = 7. Løs dem med et CAS
Læs merevejer (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 mereRegressions modeller Hvad regresserer vi på og hvorfor?
Dowloaded from orb.du.dk o: Dec 4 07 Regressos modeller Hvad regresserer v på og hvorfor? Sockmarr Aders Publcao dae: 0 Docume Verso Også kalde Forlages PDF Lk back o DTU Orb Cao (APA): Sockmarr A. (0).
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 mereRegressions modeller Hvad regresserer vi på og hvorfor? Anders Stockmarr Axelborg statistikgruppe 6/
Regressos modeller Hvad regresserer v på og hvorfor? Aders Sockmarr Aelborg saskgruppe 6/ 0 Geerel Regresso Y f( ) ε f er e UKENDT fuko der beskrver relaoe mellem de uafhægge varabel og de afhægge varabel
Læs mereIkke-parametriske tests af forskel i central tendens. Tests for forskel i central tendens for data på ordinal- og intervalskala
Statstk for bologer 5-6, moul 7: Tests for forskel cetral tees for ata på oral- og tervalskala Ikke-parametrske tests af forskel cetral tees Vægter forskel mea ve hjælp af ragtal Data skal være på mst
Læs mereLineær regression: lidt mere tekniske betragtninger om R 2 og et godt alternativ
Lineær regression: lidt mere tekniske betragtninger om R 2 og et godt alternativ Per Bruun Brockhoff, DTU Compute, Claus Thorn Ekstrøm, KU Biostatistik, Ernst Hansen, KU Matematik January 17, 2017 Abstract
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 mereKorrelation (kontrol af model) Regression (tilpasning af model) 1. Grad af fælles variation mellem X og Y. 2. Område og fordeling af sample data
tatstk 9. gag GIONANAL Korrelato (kotrol af model egresso (tlpasg af model tatstk 9. gag KOLATION ANAL. Grad af fælles varato mellem X og. Område og fordelg af sample data 3. Optræde af ekstrem-værder
Læs mereLøsningsforslag 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 merehvor 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 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 mereKombinatorik. 1 Kombinationer. Indhold
Kombator, marts 04, Krste Roselde Georg Mohr-Kourrece Kombator Kombator går ud på at tælle atallet af ombatoer af et eller adet, og for at ue tælle atallet af ombatoer smart har ma brug for forsellge tællestrateger
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 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 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 mereLineær 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 mereL komponent produceret i linie 1
Statstk. gag BAYESIANSKE METOER Obektv ormato (.eks. orsøgs resultater klasssk statstk (gag -9 Subektv ormato + obektv ormato Bayesask statstk (gag Bayes sætg ( E ( E A ( A + ( E A ( A +... ( E A ( + (
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 mereKogebog: 5. Beregn F d
tattk 8. gag KONFIDENINERVALLER Kofdetervaller: kaptel Valg og tet af fordelgfukto tattk 8. gag. KONFIDEN INERVALLER Et kofde terval udtrykker tervallet hvor de rgtge værd af parametere K, med γ % adylghed
Læs merePraktisk 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 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 mereNote 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 mereMatematik 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 mere13. 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 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 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 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 mereGenerelle 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 mereantal 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 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 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 mereIntroduktion 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 mereElementær 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 mereOverlappende stationsoplande: Bestemmelse af passagerpotentialer
Resumé Overlappede statosoplade: Bestemmelse af passagerpotetaler Valdemar Warburg, stud.polyt., valde@post.com Ibe Rue, stud.polyt., berue@hotmal.com Ceter for Trafk og Trasport (CTT), Damarks Tekske
Læs mere24. 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 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 mereIntroduktion til uligheder
Itroduktio til uligheder Dette er e itroduktio til ogle basale uligheder om det aritmetiske geemsit, det geometriske geemsit, det harmoiske geemsit og det kvadratiske geemsit. Først skal vi ved fælles
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 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 mereRenteformlen. 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 mereTankegangskompetence. Kapitel 9 Algebraiske strukturer i skolen 353
Takegagskompetece Hesigte med de følgede afsit er først og fremmest at skabe klarhed over de mere avacerede regeregler i skole og give resultatet i de almee form, der er karakteristisk for algebra. Vi
Læs mere1 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 mereMikroøkonomi, 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 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 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 mereStatistik 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 mereKvantitative 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 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 mereProjekt 4.8 De reelle tal og 1. hovedsætning om kontinuerte funktioner
Projekter: Kapitel 4 Projekt 48 De reelle tal og hovedsætig om kotiuerte fuktioer Projekt 48 De reelle tal og hovedsætig om kotiuerte fuktioer Kotiuitet og kotiuerte fuktioer Ord som kotiuert og kotiuerlig
Læs mereAnvendt 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 mereAfsnit , Hypotesetest for en varians... 19
Aft.-.7... 5 vad er tattk?... 5 Nøgletal... 5 Meda... 5 Vara... 5 Fraktler... 6 Fgurer... 6 Pareto dagram... 6 Dot dagram... 6 Frequecy dtrbuto... 6 togram... 6 Boplot... 6 Aft 4.-4.4 og 4.6 og 4.7...
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 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 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 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 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 mere