Notat vedr. interkalibrering af ålegræs
|
|
|
- Bodil Svendsen
- 10 år siden
- Visninger:
Transkript
1 Notat vedr. interkalibrering af ålegræs Notat fra DCE - Nationalt Center for Miljø og Energi Dato: 4. januar 2012 Michael Bo Rasmussen Thorsten Balsby Institut for Bioscience Rekvirent: Naturstyrelsen Antal sider: 10 Faglig kommentering: Dorte Krause-Jensen Kvalitetssikring, centret: Poul Nordemann Jensen Tel.: [email protected]
2 Indhold Metode 3 Statistik 6 Resultater 7 Dybdegrænse 7 Dækningsgrad 8 Konklusion 10
3 Metode Interkalibrering af ålegræsundersøgelserne blev udført på 2 transekter i Kalø Vig i perioden oktober 2011 (Figur 1). Formålet med interkalibreringen var at undersøge, om de traditionelle ålegræsundersøgelser kan erstattes af videooptagelser langs transekten. Figur 1. Kalø Vig med angivelse af transekter for ålegræsundersøgelserne I interkalibreringen deltog følgende biologer/dykkere: Grethe Bruntse, Naturstyrelsen Ribe Jens Sund Lauersen, Naturstyrelsen Aalborg Jens Deding, Naturstyrelsen Aalborg Michael Bo Rasmussen, Institut for Bioscience, Aarhus Universitet. På hver lokalitet blev der udlagt en blyline på havbunden med angivelse af 5 m intervaller (Figur 3). Ålegræstransekterne blev udlagt som T-formede, dvs. de former en linje fra kysten og ud til ålegræssets maksimale dybdegrænse (den maksimale dybde hvor der forekommer skud af ålegræs). Linjen repræsenterer en bredde på ca. 2 m, dvs. 1 m på hver side af linjen (Figur 3). Ved den maksimale dybdegrænse blev undersøgelserne fortsat vinkelret på den oprindelige linje, og her blev ålegræssets maksimale dybdegrænse registreret i 7 punkter (Figur 4). Dybdegrænsen for hovedudbredelsen (den maksimale dybde hvor der forekommer en dækningsgrad på 10%) blev ligeledes registreret med én observation per transekt per dykker. Registreringerne af vegetationsforholdene ved hjælp af video blev udført langs de samme to transekter med et videokamera monteret på en slæde (Figur 2). Videokameraet blev ved dækningsgradsundersøgelserne slæbt af en dykker langs linen, således den var ca. 0,5-1 m over bunden og vendt i sejl- 3
4 retningen i ca. 30 vinkel ned mod bunden. Ved registrering af videoens vegetationsoplysninger, blev videoens tidskode koblet med de positionsoplysninger, der blev logget under sejladsen. Ved gennemsyn af videooptagelserne blev dækningsgraden vurderet som et gennemsnit for hvert 5 m s interval. Når den maksimale dybdegrænse blev nået blev optagelserne fortsat med båd i zigzag på tværs af transektet ca. 300 m til hver side (Figur 4). Figur 2. Videoslæde med angivelse af kamera og datalogger/dybdemåler. Figur 3. Transekt med udlagt blyline med angivelse af 5 m intervaller. De stiplede linjer angiver 2 m bæltet for vurdering af dækningsgraden. 4
5 Figur 4. Fastlæggelse af den maksimale dybdegrænse for ålegræs på baggrund af video sejlads og dykker observationer. 5
6 Statistik Til analysen af ålegræs data er der anvendt mixed models (proc mixed) og generaliserede linear models (proc glimmix). Alle beregninger er foretaget i SAS vers 9.2 (SAS Institute, Cary NC). I analysen af dybdegrænse er transekt medtaget som tilfældig variabel for at håndtere den mangel på uafhængighed, der er på observationer indenfor et transekt. Bemærk at least square means (lsmeans) estimater er brugt i stedet for almindelige gennemsnit. Dette skyldes, at observationerne ikke er uafhængige, idet de er taget i to transekter og derfor bør traditionelle gennemsnit ikke anvendes. Metodetest for dybdegrænser: Vi laver to tests for at sammenligne video metoden med den traditionelle dykker metode til estimering af ålegræssets dybde grænser. I den ene testes forskellen på video og dykker metoden ved sammenligning af alle estimaterne på dybdegrænsen. Det bør bemærkes at der kun er et sæt video estimater med replikater per transekt, mens der er 4 sæt estimater per transekt for dykker metoden. Den ulige fordeling af observationer i de to metode grupper kan svække testens power. Den anden test laves på 10% dækningsgradsdybden, hvor hver dykker har estimeret dækningsgrad både ved dykning og ved videoestimering. Begge tests laves som en mixed model med transekt og dykker som tilfældige variable. Test af forskel mellem de enkelte dykkeres estimater og videoestimatet af dybdegrænser: For at bestemme variansen på de enkelte dykkere laves en random effects model hvor de enkelte dykkeres estimater sammenlignes parvist med videoestimatet. Metodetest for dækningsgrader: I analysen af dækningsgrad bruges en generalized linear model hvor dykker medtages som tilfældig variabel. Modellen tager hensyn til repeated measures observationer, der skyldes, at det er det samme transekt, som måles under dykning og ved dykkerens analyse af videooptagelsen fra transektet. 6
7 Resultater Dybdegrænse Metodetest: Sammenligning af dykker og video estimeringsmetoden Der er ikke signifikant forskel på estimatet af dybdegrænsen der opnås ved dykker og video-metoden (Figur 5, mixed model F 1,58=0,03, p=0,86). Analysen af 10 % dækningsgradsdybden viste ligeledes at der ikke var signifikant forskel på den dybde der findes ved hhv video og dykker estimerings metoden (Figur 6, Mixed model F 1,8=1,55, p=0,25). Der kan således ikke detekteres en forskel på dybdegrænsen estimeret ved de 2 metoder. Figur 5. LSmeans±SE estimat for ålegræssets dybdegrænse for hhv. dykker og video estimeringsmetoden. LS means for dybdegrænse (m) Dykker Video Figur 6. LSmeans±SE estimat for ålegræssets 10% dækningsgrad dybdegrænse. LS means 10 % dybdegrænse (m) Dykker Video 7
8 Test af forskel mellem de enkelte dykkeres estimater og videoestimatet af dybdegrænser: Overordnet er der signifikant forskel på de enkelte dykkeres estimat af dybdegrænserne samt videoestimatet (Figur 7, Mixed models F 4,62=5,41, p=0,0008). Flere af dykkerne afviger signifikant fra videoestimatet, se tabel 1. Det bør dog bemærkes, at afvigelsen i alle tilfælde er ret begrænset, og at dykkernes estimat ligger både over og under videoestimatet. En random effects model viser endvidere, at variansen for hver enkelt dykker og video kun varierer mellem 0,70 og 0,73, så variationen omkring estimatet for både dykkere og videoestimatet er omtrent ens (1:1 ratio). Video estimering giver dermed en variation svarende til en dykker, og video estimatet ligger mellem dykkernes estimater. Video estimatet repræsenterer således kun den variation, som man kunne forvente, hvis endnu en dykker havde deltaget i undersøgelsen. Figur 7. LSmeans±SE estimat for ålegræssets dybdegrænse for hver dykker og video. Lsmeans for dybdegrænse (m) Video Dykker Tabel 1. LSmeans for hver dykker og video dybdegrænse estimater. Dykker Estimat SE DF t P < < < <0.001 Video <0.001 Dækningsgrad Dækningsgradsdata er ikke normalfordelte, og lader sig ikke transformere til noget, der virkelig tilnærmer normalfordeling. Det er derfor valgt at gruppere observationerne på basis af dækningsgraderne, således at der er et ligeligt antal observationer i grupperne (se Tabel 2), og så grupperne rummer dækningsgrader, det i nogle tilfælde kan være svært at adskille præcist f.eks. 1 og 2 %. 8
9 Grupperingerne analyseres derefter med en generaliseret linear mixed model (Proc glimmix), hvor observationerne angives som multinomialfordelt dvs. den afhængige variabel er grupperne for dækningsgraderne. Tabel 2. Klassifikation af dækningsgrader til gruppe til brug for multinomial fordelingen. Dækningsgrad (%) Antal observationer Dækningsgradsgruppe (ingen ålegræs) (dækningsgrad 1-<20 %) (dækningsgrad 1-<20 %) 3 2 1(dækningsgrad 1-<20 %) (dækningsgrad 1-<20 %) (dækningsgrad 10-<20 %) (dækningsgrad 10-<20 %) (dækningsgrad 20-50%) (dækningsgrad 20-50%) (dækningsgrad 20-50%) (dækningsgrad 20-50%) (dækningsgrad 20-50%) (dækningsgrad >50-<100%) (dækningsgrad >50-<100%) (dækningsgrad >50-<100%) (dækningsgrad >50-<100%) (dækningsgrad >50-<100%) (dækningsgrad >50-<100%) (dækningsgrad >50-<100%) (dækningsgrad 100 %) Glimmix analysen viste, at der ikke var signifikant forskel på dykker og video estimeringsmetoden (Generalised linear mixed model F 1,373=0,07, p=0,7848). For at estimere variansen for hver enkelt dykker blev analysen også lavet for hver enkelt dykker. Denne analyse viste, at der ikke var stor forskel på variansen mellem dykkerne (Tabel 3). Tabel 3. Variansestimater for hver enkelt dykker. Dykker Estimat % SE
10 Konklusion Undersøgelserne viser Dybdegrænser Metodetest: Der ingen signifikant forskel dykker og videoestimerings metoden på estimatet af dybdegrænsen eller 10 % dybdegrænsen. Test af forskel mellem de enkelte dykkeres estimater og videoestimatet: Når man tester dykkerestimaterne enkeltvis mod videoestimaterne er der dog en signifikant forskel, men forskellen er meget begrænset, og video estimatet repræsenterer kun den variation, som man kunne forvente, hvis endnu en dykker havde deltaget i undersøgelsen. Årsagen til variationen er formentlig, at ålegræssets dybdegrænse varierer langs den T- formede linie, og dybdegrænsen er bestemt af de 4 dykkere i forskellige punkter, som ikke nødvendigvis er de samme, som videoslæden har passeret, se figur 4. Dækningsgrad Der er ingen signifikant forskel på dykker og videoestimeringsmetoden med hensyn til bedømmelsen af ålegræssets dækningsgrad. Der generelt ikke stor forskel mellem de enkelte dykkeres bedømmelse af dækningsgraden. Samlet konklusion På denne baggrund konkluderes det, at i områder hvor vegetationen af blomsterplanter udelukkende udgøres af ålegræs, kan ålegræsundersøgelser erstattes af videooptagelser langs transekten. 10
Kursusindhold: Produkt og marked - matematiske og statistiske metoder. Monte Carlo
Kursusindhold: Produkt og marked - matematiske og statistiske metoder Rasmus Waagepetersen Institut for Matematiske Fag Aalborg Universitet Sandsynlighedsregning og lagerstyring Normalfordelingen og Monte
Produkt og marked - matematiske og statistiske metoder
Produkt og marked - matematiske og statistiske metoder Rasmus Waagepetersen Institut for Matematiske Fag Aalborg Universitet February 19, 2016 1/26 Kursusindhold: Sandsynlighedsregning og lagerstyring
Kortfattet redegørelse vedr. udlægning af sten i Flensborg Fjord
Kortfattet redegørelse vedr. udlægning af sten i Flensborg Fjord Notat fra DCE - Nationalt Center for Miljø og Energi Dato: 26. juni 2012 Poul Nordemann Jensen Rekvirent: Naturstyrelsen Antal sider: 5
Introduktion til GLIMMIX
Introduktion til GLIMMIX Af Jens Dick-Nielsen [email protected] 21.08.2008 Proc GLIMMIX GLIMMIX kan bruges til modeller, hvor de enkelte observationer ikke nødvendigvis er uafhængige.
Forelæsning 5: Kapitel 7: Inferens for gennemsnit (One-sample setup)
Kursus 02402 Introduktion til Statistik Forelæsning 5: Kapitel 7: Inferens for gennemsnit (One-sample setup) Per Bruun Brockhoff DTU Compute, Statistik og Dataanalyse Bygning 324, Rum 220 Danmarks Tekniske
Analysestrategi. Lektion 7 slides kompileret 27. oktober 200315:24 p.1/17
nalysestrategi Vælg statistisk model. Estimere parametre i model. fx. lineær regression Udføre modelkontrol beskriver modellen data tilstrækkelig godt og er modellens antagelser opfyldte fx. vha. residualanalyse
Identifikation af DNA-sekvenser fra ulv og hund i spytprøver fra bidsår på husdyr og vildt samt i ekskrementer
Identifikation af DNA-sekvenser fra ulv og hund i spytprøver fra bidsår på husdyr og vildt samt i ekskrementer Notat fra DCE - Nationalt Center for Miljø og Energi Dato: 11. april 2014 Liselotte Wesley
Normalfordelingen og Stikprøvefordelinger
Normalfordelingen og Stikprøvefordelinger Normalfordelingen Standard Normal Fordelingen Sandsynligheder for Normalfordelingen Transformation af Normalfordelte Stok.Var. Stikprøver og Stikprøvefordelinger
Eksamen ved. Københavns Universitet i. Kvantitative forskningsmetoder. Det Samfundsvidenskabelige Fakultet
Eksamen ved Københavns Universitet i Kvantitative forskningsmetoder Det Samfundsvidenskabelige Fakultet 14. december 2011 Eksamensnummer: 5 14. december 2011 Side 1 af 6 1) Af boxplottet kan man aflæse,
Omfanget af bifangster af fugle i nedgarn i fritidsfiskeriet i to NATURA2000- områder Statusrapport, april 2015
Omfanget af bifangster af fugle i nedgarn i fritidsfiskeriet i to NATURA2000- områder Statusrapport, april 2015 Notat fra DCE - Nationalt Center for Miljø og Energi Dato: 9. april 2015 Ib Krag Petersen
Kvalitetssikring af indberetninger af vaskebjørn til Vildtudbyttestatistikken for jagtsæsonen 2012/13
Kvalitetssikring af indberetninger af vaskebjørn til Vildtudbyttestatistikken for jagtsæsonen 2012/13 Notat fra DCE - Nationalt Center for Miljø og Energi Dato: 10. juni 2014 Tommy Asferg Institut for
grupper(kvalitativ exposure) Variation indenfor og mellem grupper F-test for ingen effekt AnovaTabel Beregning af p-værdi i F-fordelingen
1 Ensidet variansanalyse(kvantitativt outcome) - sammenligning af flere grupper(kvalitativ exposure) Variation indenfor og mellem grupper F-test for ingen effekt AnovaTabel Beregning af p-værdi i F-fordelingen
Naturtilstanden på kommunernes 3- områder og habitatområdernes småsøer
Naturtilstanden på kommunernes 3- områder og habitatområdernes småsøer Notat fra DCE - Nationalt Center for Miljø og Energi Dato: 25. november 2016 Jesper Fredshavn DCE Nationalt Center for Miljø og Energi
Demo af PROC GLIMMIX: Analyse af gentagne observationer
Demo af PROC GLIMMIX: Analyse af gentagne observationer Kristina Birch, seniorkonsulent, PS Banking Agenda Uafhængige vs. afhængige observationer Analyse af uafhængige vs. afhængige observationer Lille
Forelæsning 6: Kapitel 7: Hypotesetest for gennemsnit (one-sample setup). 7.4-7.6
Kursus 02402 Introduktion til Statistik Forelæsning 6: Kapitel 7: Hypotesetest for gennemsnit (one-sample setup). 7.4-7.6 Per Bruun Brockhoff DTU Compute, Statistik og Dataanalyse Bygning 324, Rum 220
Anvendt Statistik Lektion 9. Variansanalyse (ANOVA)
Anvendt Statistik Lektion 9 Variansanalyse (ANOVA) 1 Undersøge sammenhæng Undersøge sammenhænge mellem kategoriske variable: χ 2 -test i kontingenstabeller Undersøge sammenhæng mellem kontinuerte variable:
Rastefugle trækfugle på Tipperne og i Ringkøbing Fjord, 2014
Rastefugle trækfugle på Tipperne og i Ringkøbing Fjord, 2014 Notat fra DCE - Nationalt Center for Miljø og Energi Dato: 23. januar 2015 Ole Amstrup, Mogens Bak & Karsten Laursen Institut for Bioscience
Vildtudbyttestatistik for jagtsæsonen 2010/11
Vildtudbyttestatistik for jagtsæsonen 2010/11 Notat fra DCE - Nationalt Center for Miljø og Energi Dato: 18. november 2011 Tommy Asferg Aarhus Universitet, Institut for Bioscience Rekvirent: Naturstyrelsen
1 Ensidet variansanalyse(kvantitativt outcome) - sammenligning af flere grupper(kvalitativ
Indhold 1 Ensidet variansanalyse(kvantitativt outcome) - sammenligning af flere grupper(kvalitativ exposure) 2 1.1 Variation indenfor og mellem grupper.......................... 2 1.2 F-test for ingen
To-sidet varians analyse
To-sidet varians analyse Repetition En-sidet ANOVA Parvise sammenligninger, Tukey s test Model begrebet To-sidet ANOVA Tre-sidet ANOVA Blok design SPSS ANOVA - definition ANOVA (ANalysis Of VAriance),
Anvendt Statistik Lektion 9. Variansanalyse (ANOVA)
Anvendt Statistik Lektion 9 Variansanalyse (ANOVA) 1 Undersøge sammenhæng Undersøge sammenhænge mellem kategoriske variable: χ 2 -test i kontingenstabeller Undersøge sammenhæng mellem kontinuerte variable:
Sandsynlighedsfordelinger for kontinuerte data på interval/ratioskala
3 5% 5% 5% 0 3 4 5 6 7 8 9 0 Statistik for biologer 005-6, modul 5: Normalfordelingen opstår når mange forskellige faktorer uafhængigt af hinanden bidrager med additiv variation til. F.eks. Højde af rekrutter
Repetition. Diskrete stokastiske variable. Kontinuerte stokastiske variable
Normal fordelingen Normal fordelingen Egenskaber ved normalfordelingen Standard normal fordelingen Find sandsynligheder ud fra tabel Transformation af normal fordelte variable Invers transformation Repetition
To samhørende variable
To samhørende variable Statistik er tal brugt som argumenter. - Leonard Louis Levinsen Antagatviharn observationspar x 1, y 1,, x n,y n. Betragt de to tilsvarende variable x og y. Hvordan måles sammenhængen
Ynglende ringduer i september, oktober og november
Ynglende ringduer i september, oktober og november Notat fra DCE - Nationalt Center for Miljø og Energi Dato: 30. juni 2015 Kevin Kuhlmann Clausen & Thomas Kjær Christensen Institut for Bioscience Rekvirent:
Kursus 02402 Introduktion til Statistik. Forelæsning 7: Kapitel 7 og 8: Statistik for to gennemsnit, (7.7-7.8,8.1-8.5) Per Bruun Brockhoff
Kursus 02402 Introduktion til Statistik Forelæsning 7: Kapitel 7 og 8: Statistik for to gennemsnit, (7.7-7.8,8.1-8.5) Per Bruun Brockhoff DTU Compute, Statistik og Dataanalyse Bygning 324, Rum 220 Danmarks
National kvælstofmodel Oplandsmodel til belastning og virkemidler
National kvælstofmodel Oplandsmodel til belastning og virkemidler Kortleverancer Anker Lajer Højberg, Jørgen Windolf, Christen Duus Børgesen, Lars Troldborg, Henrik Tornbjerg, Gitte Blicher-Mathiesen,
Multipel regression. M variable En afhængig (Y) M-1 m uafhængige / forklarende / prædikterende (X 1 til X m ) Model
Multipel regression M variable En afhængig (Y) M-1 m uafhængige / forklarende / prædikterende (X 1 til X m ) Model Y j 1 X 1j 2 X 2j... m X mj j eller m Y j 0 i 1 i X ij j BEMÆRK! j svarer til individ
Dansk Erhvervs gymnasieanalyse Sådan gør vi
METODENOTAT Dansk Erhvervs gymnasieanalyse Sådan gør vi FORMÅL Formålet med analysen er at undersøge, hvor dygtige de enkelte gymnasier er til at løfte elevernes faglige niveau. Dette kan man ikke undersøge
Ensidet eller tosidet alternativ. Hypoteser. tosidet alternativ. nul hypotese testes mod en alternativ hypotese
Kursus 02402 Introduktion til Statistik Forelæsning 6: Kapitel 7: Hypotesetest for gennemsnit (one-sample setup). 7.4-7.6 Per Bruun Brockhoff DTU Compute, Statistik Bygning 305/324 Danmarks Tekniske Universitet
Normalfordelingen. Statistik og Sandsynlighedsregning 2
Normalfordelingen Statistik og Sandsynlighedsregning 2 Repetition og eksamen Erfaringsmæssigt er normalfordelingen velegnet til at beskrive variationen i mange variable, blandt andet tilfældige fejl på
Overvågning af bæver i Danmark 2011
Overvågning af bæver i Danmark 2011 Notat fra DCE - Nationalt Center for Miljø og Energi Dato: 3. juli 2012 Jørn Pagh Berthelsen Institut for Bioscience Rekvirent: Naturstyrelsen Antal sider: 7 Redaktion:
Løsning til eksaminen d. 14. december 2009
DTU Informatik 02402 Introduktion til Statistik 200-2-0 LFF/lff Løsning til eksaminen d. 4. december 2009 Referencer til Probability and Statistics for Engineers er angivet i rækkefølgen [8th edition,
Optællinger af ynglefugle i det danske Vadehav 2012
Optællinger af ynglefugle i det danske Vadehav 2012 Notat fra DCE - Nationalt Center for Miljø og Energi Dato: 24. april 2013 Ole Thorup Karsten Laursen Institut for Bioscience Rekvirent: Naturstyrelsen
En Introduktion til SAS. Kapitel 5.
En Introduktion til SAS. Kapitel 5. Inge Henningsen Afdeling for Statistik og Operationsanalyse Københavns Universitet Marts 2005 6. udgave Kapitel 5 T-test og PROC UNIVARIATE 5.1 Indledning Dette kapitel
Module 4: Ensidig variansanalyse
Module 4: Ensidig variansanalyse 4.1 Analyse af én stikprøve................. 1 4.1.1 Estimation.................... 3 4.1.2 Modelkontrol................... 4 4.1.3 Hypotesetest................... 6 4.2
Indberetning af vildsvin til Vildtudbyttestatistikken
Indberetning af vildsvin til Vildtudbyttestatistikken for sæsonen 2011/12 Notat fra DCE - Nationalt Center for Miljø og Energi Dato: 4. juni 2013 Tommy Asferg Institut for Bioscience Rekvirent: Naturstyrelsen
Indberetning af vildtudbytte for jagtsæsonen 2014/15 første sæson med reglen om vildtudbytte før jagttegn
Indberetning af vildtudbytte for jagtsæsonen 2014/15 første sæson med reglen om vildtudbytte før jagttegn Notat fra DCE - Nationalt Center for Miljø og Energi Dato: 23. maj 2016 Tommy Asferg Institut for
Anvendt Statistik Lektion 7. Simpel Lineær Regression
Anvendt Statistik Lektion 7 Simpel Lineær Regression 1 Er der en sammenhæng? Plot af mordraten () mod fattigdomsraten (): Scatterplot Afhænger mordraten af fattigdomsraten? 2 Scatterplot Et scatterplot
Institut for Matematiske Fag Matematisk Modellering 1 UGESEDDEL 6
Institut for Matematiske Fag Matematisk Modellering 1 Aarhus Universitet Eva B. Vedel Jensen 25. februar 2008 UGESEDDEL 6 Forelæsningerne torsdag den 21. februar og tirsdag den 26. februar. Jeg har gennemgået
Beregning af bufferzoner på marker, der grænser op til Kategori 1 og 2 natur
Beregning af bufferzoner på marker, der grænser op til Kategori 1 og 2 natur Notat fra DCE - Nationalt Center for Miljø og Energi Dato: 30. september 2015 Bettina Nygaard & Jesper Bladt Institut for Bioscience
Ekstremværdianalyse af vandføringsdata
Ekstremværdianalyse af vandføringsdata Notat fra DCE - Nationalt Center for Miljø og Energi Dato: 31.januar 014 Forfatter: Søren Erik Larsen og Niels Bering Ovesen Institut for Bioscience Rekvirent: Naturstyrelsen
Information om retentionsfaktorer for fosfor i vandløb for målte/umålte oplande
Information om retentionsfaktorer for fosfor i vandløb for målte/umålte oplande Notat fra DCE - Nationalt Center for Miljø og Energi Dato: 27. september 2018 Henrik Tornbjerg og Hans Thodsen Institut for
Tovejs-ANOVA (Faktoriel) Regler og problemer kan generaliseres til mere end to hovedfaktorer med tilhørende interaktioner
Tovejs-ANOVA (Faktoriel) Regler og problemer kan generaliseres til mere end to hovedfaktorer med tilhørende interaktioner I modsætning til envejs-anova kan flervejs-anova udføres selv om der er kun én
Uge 43 I Teoretisk Statistik, 21. oktober Forudsigelser
Uge 43 I Teoretisk Statistik,. oktober 3 Simpel lineær regressionsanalyse Forudsigelser Fortolkning af regressionsmodellen Ekstreme observationer Transformationer Sammenligning af to regressionslinier
Matematisk Modellering 1 Cheat Sheet
By a team of brave computer scientists: Mads P. Buch, Tobias Brixen, Troels Thorsen, Peder Detlefsen, Mark Gottenborg, Peter Krogshede - 1 Contents 1 Basalt 3 1.1 Varianser...............................
1 Hb SS Hb Sβ Hb SC = , (s = )
PhD-kursus i Basal Biostatistik, efterår 2006 Dag 6, onsdag den 11. oktober 2006 Eksempel 9.1: Hæmoglobin-niveau og seglcellesygdom Data: Hæmoglobin-niveau (g/dl) for 41 patienter med en af tre typer seglcellesygdom.
Løsning eksamen d. 15. december 2008
Informatik - DTU 02402 Introduktion til Statistik 2010-2-01 LFF/lff Løsning eksamen d. 15. december 2008 Referencer til Probability and Statistics for Engineers er angivet i rækkefølgen [8th edition, 7th
a) Har måleresultaterne for de 2 laboranter samme varians? b) Tyder resultaterne på, at nogen af laboranterne måler med en systematisk fejl?
Module 6: Exercises 6.1 To laboranter....................... 2 6.2 Nicotamid i piller..................... 3 6.3 Karakterer......................... 5 6.4 Blodtryk hos kvinder................... 6 6.5
Vejledende besvarelse af eksamen i Statistik for biokemikere, blok
Opgave 1 Vejledende besvarelse af eksamen i Statistik for biokemikere, blok 2 2006 Inge Henningsen og Niels Richard Hansen Analysevariablen i denne opgave er variablen forskel, der for hver af 10 kvinder
Konfidensintervaller og Hypotesetest
Konfidensintervaller og Hypotesetest Konfidensinterval for andele χ -fordelingen og konfidensinterval for variansen Hypoteseteori Hypotesetest af middelværdi, varians og andele Repetition fra sidst: Konfidensintervaller
Naturvidenskabelig Bacheloruddannelse Forår 2006 Matematisk Modellering 1 Side 1
Matematisk Modellering 1 Side 1 I nærværende opgavesæt er der 16 spørgsmål fordelt på 4 opgaver. Ved bedømmelsen af besvarelsen vægtes alle spørgsmål lige. Endvidere lægges der vægt på, at det af besvarelsen
