Analyse af bivariate data: korrelation og regression. korrelation. Korrelation og regression: Co-varians:
|
|
- Max Lindholm
- 6 år siden
- Visninger:
Transkript
1 ,,,,,,,,,, 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 ammehæg) tl + (perfekt potv ammehæg) Kaual åragammehæg kke ødvedg Iterval/ratokala eller ordalkala Regreo: Bekrver de forvetede værder af é varabel () om fukto af e ade varabel () Kaual åragammehæg ( påvrker ) Iterval/ratokala M-, lde korrelato ˆ µ σˆ SS SS M-, lde ( ) ( ) ( ) X Co-vara: ( )( ) Cov(, ) d( ) ( - ) d( ) ( - ) Hvorda vægter v ammehæge mellem to varable X og Y?,,,,,,,,,, X M-, lde M-, lde
2 Co-vara: ( )( ) Cov(, ) Produktumme, SP : SP ( )( ) + + +d() +d() +d() -d() -d() +d() -d() -d() Hv og er potvt korreleret er Cov(,) potv, er og egatvt korreleret er Cov(,) egatv. Jo tærkere korrelato, jo højere umerk værd af Cov(,) Tre mål for varabltet et bvarat dataæt: Co-varae: ( )( ) var SP Co, ( )( ) SP +d() +d() +d() -d() -d() +d() -d() -d() Varae af : Varae af : ( ) ( ) SS SS ( ) ( ) ( ) SS SS ( ) M-, lde M-, lde M-, lde Co-varae: ( )( ) Cov(, ) r ( ) ( ) var SP Co, ( )( ) SP Pearo Produkt-momet korrelatokoeffcet, r : SP SS SS SP SS SS +d() +d() +d() -d() -d() +d() -d() -d() M-, lde Cov(, ) r ( ) ( ) r Pearo r SP SS SS SP SS SS ( ) ( ) Egekaber ved Pearo r Atager værder mellem (perfekt egatv ammehæg) og + (perfekt potv ammehæg) r (determatokoeffcete) agver hvor meget af varatoe, om ka forklare af varatoe (og omvedt) M-, lde Cov(, ) r ( ) ( ) SP SS SS SP SS SS Forudætger for Pearo r M-, lde Cov(, ) r ( ) ( ) SP SS SS SP SS SS og kal være på terval eller ratokala Både og kal være (tlærmelevt) ormalfordelte Sammehæge mellem og kal være leær
3 Tet for om r er forkellg fra H : r Oplag apped [df -]. M-, lde -eller omreget tl t-fordelge (apped ): t r r M-, lde Beregg af Pearo r : ) Plot og og e om ammehæge er omtretlg leær og om og er omtretlg ormalfordelte -Hv de forudætgere er opfldt: ) Bereg SS, SS og SP. ) Bereg r SP /(SS SS ) ½ ) Tet om r ) Bereg de forklarede varato (r ) M-, lde Ekempel: Vgelægde (VL) og kroplægde (KL) ho atugle- H : KL og VL er kke potvt korrelerede (r ) H : KL og VL er potvt korrelerede (r>) (NB! Oe-taled hpotee dette tlfælde) α. huer Vgelægde (mm) KL VL.... Beregg af Pearo r : ) Plot og og e om ammehæge er. omtretlg leær og om og er omtretlg ormalfordelte -Hv. de forudætgere er opfldt:. ) Bereg SS, SS og SP. ) Bereg. r SP /(SS SS ) ½ ) Tet om r ) Bereg de forklarede varato (r ) M-, lde f() Vgelægde (mm) -OK! f() Kroplægde (mm) Kroplægde (mm) huer ( ) KL VL. SS ( ) SS. SP ( )( ).. Beregg af Pearo r : ) Plot og og e om ammehæge er omtretlg. leær og om og er omtretlg ormalfordelte -Hv. de forudætgere er opfldt:. ) Bereg SS, SS og SP. ) Bereg. r SP /(SS SS ) ½ ) Tet om r ) Bereg de forklarede varato (r ) M-, lde r SP r SSSS ( ) ( ) huer KL VL KL VL KL*VL Σ M-, lde SS SS ( ) ( ) ( )( SP ) r SP SS SS r [ ( ) ][ ( ) ] Σ( ) (Σ ) Σ( ) (Σ ) Σ( ) Σ Σ
4 huer SS SS. SS. SS SP. SP ) - eller: r. SP r. SS SS.. - r ( - )( ). r ( ) ( ) ( )( [ ( ) ][ ( ) ] Σ( ) (Σ ) Σ( ) (Σ ) huer H : KL og VL er kke potvt korrelerede H : KL og VL er potvt korrelerede (NB! Oe-taled hpotee dette tlfælde) α. r. Oplag apped (df-): %<p (two-taled) <% H forkate, H acceptere: Krop- og vgelægde er potvt korrelerede ho atugle- P (oe-taled) : t r t... r M-, lde Σ( ) Σ Σ M-, lde Apped :.% < p (oe-taled) <% huer Determatokoeffcete: Oplag apped H : KL og VL er kke potvt korrelerede H (df-): : KL og VL er potvt korrelerede (NB! Oe-taled hpotee dette tlfælde) r.. α. %<p (two-taled) <% -dv. % af varatoe H forkate, H vgelægde ka forklare ud fra acceptere: r. * * varatoe kroplægde Krop- og vgelægde er (og omvedt) potvt korrelerede ho atugle- Vgelægde (mm) M-, lde Kroplægde (mm) Beregg P (oe-taled) af Pearo : r :.. ) Plot og og e om ammehæge er omtretlg leær og om og er t omtretlg ormalfordelte -Hv de forudætgere er opfldt: ) Bereg SS, SS og SP. ) Bereg r SP /(SS SS ) ½ ) Tet om r ) Bereg de forklarede varato (r ) Apped :.% < p (oe-taled) <%. Hvad ker der, hv eller kke er ormalfordelte? M-, lde,,,, r. P. r. P <. Hvad ker der, hv eller kke er ormalfordelte? M-, lde Fordelger af X og Y kæve pga. ogle få meget høje værder r., P<. Hvorda ka v tole på at ammehæge mellem og er reel? (rkerer e Tpe-I fejl) M-, lde Hvorfor og hvorår traformerer ma data: For at opå (ogelude) ormalfordelte data (udgå ektremt afvgede ekeltobervatoer) For at opå varahomogetet For at opå leær ammehæg mellem og
5 M-, lde Almdelge traformatoer Stærkt klumpede data: Log() ; Log(+) ; - (hv omfatter -værder) Moderat klumpede data/tælledata: () ½ ; ( ) (+½) ½ ; ( ) -½ (hv omfatter -værder) Proportoer: - (p) ½ ; p (( )) Z l(p/[-p]); p e z /(+ e z ) * * logt traformato: kke peum Afvgele fra ormalfordelg af og Fordelg af X og Y kæve: Få meget høje værder ( outler ) M-, lde r., P<. Ekempel på traformato af data ( dobbelt-logartmk ): X log(x+), Y log(y+) ' ' r., P. Ikke-leær ammehæg ml og : Krum ammehæg ml. X og Y M-, lde r., P<. Ekempel på learerg af ammehæg ved traformato af : X (X+½) ½ ' r., P<. M-, lde Stablerg af varaer for tælledata: Y Atal ektarter, X atal platerater Y ( + ½) ½ X ( + ½) ½ M-, lde Ikke-parametrke korrelatokoeffceter Atager værder mellem (perfekt egatv ammehæg) og + (perfekt potv ammehæg) Baeret på ragtal Kræver data på mdt ordalkala Forudætter ku at ammehæge mellem og er mooto M-, lde Spearma rak correlato coeffcet, r Alle - og -værder ertatte af ragtal (eparat rakg for - og - værder!) d r ( ) - Hvor d er dfferece mellem og ragtal for de te obervato
6 Tet af om r Ekempel: ammehæg mellem ocal rag og alder ho egeder: For N< oplag apped Alteratvt (eller hv N>) approkmere t (df.-): t r r M-, lde M-, lde M-, lde Ekempel: ammehæg mellem ocal rag og alder ho egeder: H : der er ge ammehæg mellem alder og ocal rag H : der er e ammehæg mellem alder og ocal rag α. ocal rag flokk e alder (år Ged alder (år) ocal rag Spearma rak correlato coeffcet: ) Ertat de oberverede værder med ragtal og bereg dfferece mellem parree af ragtal. M-, lde d d Ged alder (år) ocal rag ragtal -,,,, -,, - - Σd. Spearma rak correlato coeffcet: ) Ertat de oberverede værder med ragtal og bereg dfferece mellem parree af ragtal. ) Bereg korrelatokoeffcete: d r ( ) M-, lde r. ( ). Σd. M-, lde Spearma rak correlato coeffcet: d r ( ) alder (år). r. ( ) Apped : p<. H forkate, H acceptere: Der er e potv ammehæg mellem egeder alder og dere ocale rag. ocal rag flokke
7 Afluttede bemærkger om korrelatoaaler E korrelato mellem to varable betder kke at der ødvedgv er e drekte kaual ammehæg mellem og Hv formålet med aale alee er at adlggøre om der er e potv eller egatv ammehæg mellem og, er r ofte et mere robut alteratv tl r. Leær regreo M-, lde Korrelato og regreo: Korrelato: llutrerer v.h.a. e koeffcet hvlke grad to varable er dbrde afhægge: - (perfekt egatv ammehæg) tl + (perfekt potv ammehæg) Kaual åragammehæg kke ødvedg Iterval/ratokala eller ordalkala Regreo: Bekrver de forvetede værder af é varabel () om fukto af e ade varabel () Kaual åragammehæg ( påvrker ) Data kal være på Iterval/ratokala M-, lde Leær regreo bekrvele af e varabel () om e leær fukto af e ade varabel () Oberveret værd af uderlggede relato etmeret relato (^Y) α + β + ε ˆ a + b a kærg med -ake (kotate) b hældgkoeffcete M-, lde M-, lde Model og model leær regreo Model (tadard): kal være betemt ude (væetlg) ukkerhed kal være tematk fatlagt (ek.,,,..) De metode I kal kue tl dette kuru Model : Betemmele af er forbudet med måleukkerhed kke tematk fatlagt Flere tper afhægg af data bekaffehed Etmerg af de rette le parametre Le kærg med -ake (): De rette le hældgkoeffcet ( lope ): M-, lde a SP b SS b ˆ a + b ( )
8 Ekempel: effekt af trogetlførel for bomaeprodukto ho græ. M-, lde N Tlvækt (g/m ) (g/m ) g bomae høtet g N tlført Betemmele af de rette lje parametre: ˆ a + b SP N M-, lde Tlvækt b SS * ( ) Σ( ) (Σ ) Σ( ) (Σ ) Σ( ) Σ Σ Betemmele af de rette lje parametre: ˆ a + b ( SP )( ) SS SP b SS SP SS M-, lde ( ) b. ( ) Σ( ) (Σ ) Σ( ) (Σ ) Σ( ) Σ Σ Betemmele af de rette lje parametre: M-, lde ˆ a + b a a b ( ). ( ). b. Σ( ) (Σ ) Σ( ) (Σ ) Σ( ) Σ Σ Betemmele af de rette lje parametre: M-, lde ˆ a + b ^ g bomae høtet ˆ. +. g N tlført Varatokompoeter Y Var(Y) varatoe de rette le + de varato, der er tlbage. SS ( ) ( ˆ ) + ( ˆ ) M-, lde
9 Redualvarae, de vara, der er kke forklare af de rette le. M-, lde ( ˆ ) SP SS SS Reduale ( error ) afvgele fra de prædkterede værd M-, lde ε ˆ Reduale ( error ) Skal være ormalfordelt omkrg de rette le redual,, -, ε ˆ Skkerhedgræer omkrg le ade hældg (β) Stadardafvgele på b: b) SS M-, lde - -, M-, lde Skkerhedgræer omkrg le ade hældg (β) Tet for om le ade hældg er forkellg fra Stadardafvgele på b: H : β b) SS t b SE (b) SP b SS SE ( b) SS M-, lde Skkerhedtervallet omkrg β: P( b t ( ) b) < β < b + t b)) α M-, lde Alteratvt tete H : r : SP r SS SS t r r
10 Tet for om hældgkoeffcete er forkellg fra. ˆ. +. M-, lde ^ g bomae høtet g N tlført Tet for om hældgkoeffcete er forkellg fra. b. H : β t t SE (b). t. SP b b. SS M-, lde SP SS SS SE ( b) SS -. - b).. V har tdlgere (lde ) bereget: SS SS Y SP Tet for om hældgkoeffcete er forkellg fra. b. H : β t t SE (b). t. M-, lde Apped (krtk værd for α.:.) P <<. H forkate, H acceptere: N-tlførel har e potv dfldele på bomaeprodukto af græ Tet for om to forkellge ler har de amme hældg H : β β β β - β b b t SE ( b b ) ( ) + ( ) + -hvor SE af dfferece er: ( b b ) b ) b) SE + M-, lde B: Ektra!? Ekempel: le : b., b )., le : b., b )., H : β β β β - β b b.. t t. SE. ( b b ) ( ) + ( ) + -hvor SE af dfferece er: SE ( b b ) b ) + b) b )... b + M-, lde C: Ektra!? Apped : krtk værd (t, α. ).. H o acceptere: de to ler hældg er kke gfkat forkellge fra hade Ukkerhed omkrg betemmele af de ade lje M-, lde α + β + ε ˆ a + b Ukkerhede omkrg le ade forløb, klde både ukkerhede omkrg de hældg (β) og de kærg med - ake (α)
11 Ukkerhed omkrg betemmele af de ade lje Ekempel (Ukkerhed på β og α): ^ +. M-, lde α + β + ε ˆ a + b Ukkerhede omkrg le ade forløb, klde både ukkerhede omkrg de hældg (β) og de kærg med - ake (α) Ukkerhede omkrg le placerg, om klde ukkerhed omkrg de ade hældg, øger proportoalt med aftade fra de emprke fordelg tgdepukt M-, lde ^+. ^m+. ma+. Ekempel (Ukkerhed på β): b) t,α. P(.<β<.) -α Ukkerhede omkrg le placerg, om klde ukkerhed omkrg de ade mddelværd af * er kotat for alle værder af Ukkerhed omkrg betemmele af de ade lje ^+. edre græe øvre græe Ekempel (Ukkerhed på α: a) t,α. P(.<α<.) -α SE omkrg de prædkterede lje ˆ) + ^+. edre græe øvre græe ( ) SS ^+. ^m+. ma+. * Da er tematk betemt, er der ge ukkerhed forbudet med betemmele af de ade mddelværd af M-, lde M-, lde A Ukkerhed omkrg betemmele af de ade lje M-, lde B SE omkrg de prædkterede lje ˆ) + ( ) SS SE omkrg e prædkteret ekeltobervato: ˆ) + + ( ) ( ) SS + + SS Ukkerhed omkrg betemmele af de ade lje M-, lde c SE omkrg de prædkterede lje ( ) ˆ) + SS SE omkrg e prædkteret ekeltobervato: ˆ) + + ( ) SS SE dætte kkerhedtervallet: P( ˆ t ˆ) < < ˆ + t ˆ)) α
12 Idtat værder af og : Σ E+ mea lje: ekeltobervato ^ (-^) ^) ^) NG(l) ØG(l) NG(e) ØG(e) * VALUE! VALUE! VALUE! VALUE! VALUE! Fuktoe: Y +, Stor tkprøve, Llle tkprøve, og høj redualvarato og lav redualvarato redual r, r, redualplot redual r, r, - redualplot M-, lde M-, lde M-, lde Forudætger for (model ) leær regreo X og på mdt tervalkala Y kal være afhægg af X kal være betemt ude ukkerhed eller med meget mdre ukkerhed ed De oberverede værder (,) kal fordele g omkrg e ret lje Redualere afvgelere fra de oberverede værder af fra de rette le, kal være ormalfordelt med de amme σ uafhæggt af værde af. Leær regreo: forlag tl fremgagmåde ) Plot og et koordattem og vurdér om betgelere for LR er opfldt eller om traformato af data er ødvedg - Hv/år betgelere for regreo er opfldt: ) Bereg SS, SS og SP. ) Bereg (SS SP /SS )/(-) ) Etmér le hældg β: b SP /SS ) Etmér afkærge med -ake, α: a -b ) Bereg b) ( /SS ) ½ M-, lde Leær regreo: forlag tl fremgagmåde ) Tet om β o/e bereg kkerhedterval omkrg β ) Bereg kkerhedtervallet omkrg de rette le o/e omkrg e ekeltobervato ) I fald regreoe er udført på traformerede værder af, tlbagetraformere de afledte - værder tl de oprdelge kala ( ) Ekempel (fortat): Hvor tor e bomaeprodukto vl der være ved e N-tlførel på g m -? ˆ a + b ˆ ˆ. +. ( ). +. ehed: b(g bomae/g N) (g N) g bomae. M-, lde M-, lde
13 Skkerhedgræer omkrg de predkterede le ^ () : ˆ Hvor meget bomae vl blve produceret geemt ved e N-tlførel på g/m? SS ( ). ˆ) + SS / / ˆ. P( ˆ t ˆ) < < ˆ + t ˆ)) α ( ) -d.v. ˆ at ved [ ] ). e N-tlførel + på g/m, vl. de geemtlge bomaeproduktoe per m med % kkerhed lgge på mellem og g P(... < <.+..). P(. < <.). Skkerhedgræer omkrg e ekeltobervato; ^ () : - Hvor meget bomae vl blve produceret et gvet kvadrat ved e N-tlførel på g/m? SS ( ). ˆ) + + SS ˆ. ˆ [ ] ). + + ( ). P( ˆ t ˆ) < < ˆ + t ˆ)) α P(... < <.+..). P(. < <.). M-, lde M-, lde Skkerhedgræer omkrg e prædkteret værd: ˆ) + P( ˆ t ˆ) < < ˆ + t ˆ)) α ( ) SS P(. < <.). - d.v. at ved e N-tlførel på g/m, vl de geemtlge bomaeproduktoe per m med % kkerhed lgge på mellem og g. ( ) ˆ) + + P(. < <.). SS - d.v. at ved e N-tlførel på g/m, vl bomaeproduktoe per m et gvet kvadrat med % kkerhed lgge mellem og g. M-, lde M-, lde
Kogebog: 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 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 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 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. 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 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 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 mereDen stokastiske variabel X angiver levetiden i timer for en elektrisk komponent. Tæthedsfunktionen for den stokastiske variabel er givet ved
STATISTIK Skrtlg evaluerg, 3. emeter, madag de 3. jauar 5 kl. 9.-3.. Alle hjælpemdler er tlladt. Opgaveløge orye med av og CPR-r. OPGAVE De tokatke varabel agver levetde tmer or e elektrk kompoet. Tætheduktoe
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 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 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 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 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 mereHypotesetest. Hypotesetest og kritiske værdier Type 1 og Type 2 fejl Styrken af en test Sammenligning af to populationer
Hypoteetet Hypoteetet og kritike værdier Type og Type fejl Styrke af e tet Sammeligig af to populatioer Kofideiterval for σ tore tikprøver. Hvi X følger e χ -fordelig med frihedgrader, dv. X~χ (), gælder
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 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 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 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 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 mereEstimation og test i normalfordelingen
af Birger Stjerholm Made Samfudlitteratur 07 Etimatio og tet i ormalfordelige Dee tekt ideholder et overblik over ogle grudlæggede pricipper for etimatio og tet i ormalfordelige i hyppigt forekommede ituatioer:
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 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 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 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 mereStatistik Lektion 7. Hypotesetest og kritiske værdier Type I og Type II fejl Styrken af en test Sammenligning af to populationer
Statistik Lektio 7 Hpotesetest og kritiske værdier Tpe I og Tpe II fejl Strke af e test Sammeligig af to populatioer 1 Tri I e Hpotesetest E hpotesetest består af 5 elemeter: I. Atagelser Primært hvilke
Læs 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 mereVariansanalyse (ANOVA) Repetition, sammenligning af to grupper Variansanalyse: Sammenligning af flere end to middelværdier.
Vaaaalye (ANOVA) Reetto, ammelgg af to gue Vaaaalye Sammelgg af flee ed to mddelvæde. Sammelgg af to mddelvæde kedte vaae og toe tkøve elle oulatoe omalfodelte Hyotee H H µ µ ( µ µ ) µ µ ( µ µ ) Tettøele
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 mereTests for forskel i central tendens for data på ordinal- og intervalskala. Typer af statistiske test:
Statistik for biologer 005-6, modul 7: Tests for forskel i cetral tedes for data på ordial- og itervalskala M7, slide M7, slide Typer af statistiske test: Parametrisk statistik: - Tester for forskel i
Læs 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 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 mereSandsynlighedsfordelinger for kontinuerte data på interval/ratioskala
Statistik for biologer 005-6, modul 5: Sadsylighedsfordeliger for kotiuerte data på iterval/ratioskala M6, slide Gægse matematiske sadsylighedsfordeliger: Diskrete data: De positive biomialfordelig Poisso-fordelige
Læs 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 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 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 mereTest i to populationer. Hypotesetest for parrede observationer Test for ens varians Gensyn med flyskræk!
Test i to populatioer Hypotesetest for parrede observatioer Test for es varias Gesy med flyskræk! Afhægige og uafhægige stikprøver Ved e uafhægig stikprøve udtages e stikprøve fra hver gruppe.. Mæd og
Læs 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 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 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 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 mereProgram. Statistisk inferens En enkelt stikprøve og lineær regression Stat. modeller, estimation og konfidensintervaller. Fordeling af gennemsnit
Faculty of Life Sciece Program Statitik ifere E ekelt tikprøve og lieær regreio Stat. modeller, etimatio og kofideitervaller Clau Ektrøm E-mail: ektrom@life.ku.dk Fordelig af geemit Statitik ifere for
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 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 mereSimpel Lineær Regression. Opsplitning af variationen Determinations koefficient Variansanalyse F-test Model-kontrol
Simpel Lieær Regressio Opsplitig af variatioe Determiatios koefficiet Variasaalse F-test Model-kotrol Opbgig af statistisk model Specificer model Ligiger og atagelser Estimer parametre Modelkotrol Er modelle
Læs mereStatistik Lektion 8. Test for ens varians
Statitik Lektio 8 Tet for e varia ra tidligere Hvi populatioe er ormalfordelt med varia, å gælder ( ) S ~ χ hvor er tikprøve tørrele og S er tikprøvevariae. χ -fordelig med - frihedgrader χ Tet af Variae
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 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 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 mere30. august Epidemiologi og biostatistik. Forelæsning 3 Uge 2, torsdag d. 8. september 2005 Michael Væth, Afdeling for Biostatistik.
30. august 005 Epidemiologi og biostatistik. Forelæsig 3 Uge, torag d. 8. september 005 Michael Væth, Afdelig for Biostatistik. Mere om kategoriske data Test for uafhægighed I RxC tabeller Test for uafhægighed
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 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 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 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 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 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 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 mereØkonometri 1. Inferens i den lineære regressionsmodel 29. september Økonometri 1: F7 1
Økoometri 1 Iferes i de lieære regressiosmodel 9. september 006 Økoometri 1: F7 1 Dages program Opsamlig af hemmeopgave om Mote Carlo eksperimeter Mere om hypotesetest: Ekelt lieær restriktio på koefficieter
Læs 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 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 mereSpørgsmål 3 (5 %) Bestem sandsynligheden for at et tilfældigt valgt vindue har en fejl ved listerne, når man ved at der er fejl i glasset.
STATISTIK Skriftlig evaluerig, 3. semester, madag de 30. auar 006 kl. 9.00-3.00. Alle hælpemidler er tilladt. Opgaveløsige forsyes med av og CPR-r. OPGAVE Ved e produktio af viduer er der mulighed for,
Læs 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 merex-klasserne Gammel Hellerup Gymnasium
SANDSYNLIGHEDSREGNING OG KOMBINATORIK x-klassere Gammel Hellerup Gymasum Idholdsfortegelse SANDSYNLIGHEDSREGNING... 3 Sadsylghedsfelt... 3 Edelge sadsylghedsfelter (sadsylghedsfordelger):... 3 Uedelge
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 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 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 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 mereStatistik ved Bachelor-uddannelsen i folkesundhedsvidenskab
Statistik ved Bachelor-uddaelse i folkesudhedsvideskab Græseværdisætiger Det hadler om geemsit Statistikere elsker geemsit Det er oplagt e god ide at tage geemsit. Hvis jeg f.eks skal gætte på vægte af
Læs mereAnvendt 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
Læs mereProgram. Konfidensinterval og hypotesetest en enkelt normalfordelt stikprøve. Eksempel: hjerneceller hos marsvin. Eksempel: hjerneceller hos marsvin
Program Konfideninterval og hypoteetet en enkelt normalfordelt tikprøve Helle Sørenen E-mail: helle@math.ku.dk I dag: Lidt repetition fra i mandag Konfideninterval for µ the baic Tet af nulhypotee om µ
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 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 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 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 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 mereLøsninger til kapitel 7
Løsiger til kapitel 7 Opgave 7.1 a) HpoStat giver resultatet: Pop. varias er ukedt, me 30, så Normalf. bruges approksimativt = 54,400 s 1.069,90 = 00,000 0,95 49,868 58,93 Dette betder, at med 95% sikkerhed
Læs 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 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 mere29. januar Epidemiologi og biostatistik Forelæsning 2 Uge 1, torsdag 2. februar 2006 Michael Væth, Afdeling for Biostatistik.
Epidemiologi og biostatistik Forelæsig Uge 1, torsdag. februar 006 ichael Væth, Afdelig for Biostatistik. Sammeligig af to middelværdier sikkerhedsitervaller statistisk test Sammeligig af to proportioer
Læs 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 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 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 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 mereAnvendt Statistik Lektion 8. Multipel Lineær Regression
Anvendt Statistik Lektion 8 Multipel Lineær Regression 1 Simpel Lineær Regression (SLR) y Sammenhængen mellem den afhængige variabel (y) og den forklarende variabel (x) beskrives vha. en SLR: ligger ikke
Læs mereDanmarks Tekniske Universitet
Dmk ekke Uetet Sde f 6 de Skftlg pøe, de 4. deceme, Kuu yk Kuu. //4 Vghed: 4 tme lle hjælpemdle: Ige hjælpemdle "Vægtg": eele edømme om e helhed. Alle kl egude med mde det e get. Alle mellemegge kl mege.
Læs merePension PO1 PO2 FO1 FO2 GRL 7) Arbejds markeds pension 5) ATPbidrag
Løbehadlgsoversgt De 4 koloer 'opsamlg tl løatk' vser, hvorda lødele/-feltet dgår løatkkere. Neder oversgte fder du e forklarg tl opsamlge af de ævte ILtyper Lødele/-feltet ka bruges eidkom med/: pegegvede
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 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 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 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 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 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 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 mereSætning: Middelværdi og varians for linearkombinationer. Lad X 1,X 2,...,X n være stokastiske variable. Da gælder. Var ( a 0 + a 1 X a n X n
Ladmåliges fejlteori Lektio 3 Estimatio af σ Dobbeltmåliger Geometrisk ivellemet Lieariserig - rw@math.aau.dk Istitut for Matematiske Fag Aalborg Uiversitet Repetitio: Middelværdi og Varias Sætig: Middelværdi
Læs mereBilag 6 Socialforvaltningen Beskriv hvad indberetnin gen går ud på.
dberet e kosekvesere e? e evt. kue opfyldes på e ade måde? hvorda dberett dberet e? forbudet at dberett Bemærker behadl erspot etale* ka Krav fra det poltske veau 1 2 Idberet om Kompetece udvkl Idberet
Læs mereØkonometri lektion 5 Multipel Lineær Regression. Inferens Modelkontrol Prædiktion
Økonometri lektion 5 Multipel Lineær Regression Inferens Modelkontrol Prædiktion Multipel Lineær Regression Data: Sæt af oservationer (x i, x i,, x ki, y i, i,,n y i er den afhængige variael x i, x i,,
Læs mereKursus Introduktion til Statistik. Oversigt, Inferens for gennemsnit (One-sample setup)
Kuru 02402 Introduktion til Statitik Forelæning 5: Kapitel 7: Inferen for gennemnit (One-ample etup) Per Bruun Brockhoff DTU Compute, Statitik og Dataanalye Bygning 324, Rum 220 Danmark Teknike Univeritet
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 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 mere