Tentamen för kursen. Linjära statistiska modeller. 22 februari

Transkript

1 STOCKHOLMS UIVERSITET MATEMATISK STATISTIK Tentamen för kursen Linjära statistiska modeller 22 februari Examinator: Ola Hössjer, tel. 070/ , ola@math.su.se Återlämning: Meddelas via kurshemsida och webbaserat kursforum. Tillåtna hjälpmedel: Miniräknare och formelsamling delas ut vid tentamenstillfället. Tabell över F-kvantiler återfinns nedan. Det gäller även att χ (1) 3.8. Resonemang skall vara tydliga och lätta att följa. Varje korrekt och fullständigt löst uppgift ger 10 poäng. Följande gränser gäller för betygen A-E: A B C D E Uppgift 1 En forskargrupp ville undersöka om mindre träd av en viss art lättare drabbades av svampangrepp än större. Man delade upp trädbeståndet i sju grupper x = 1, 2, 3, 4, 5, 6, 7. Dessa värden var proportionella mot den genomsnittliga diametern hos trädstammarna i respektive grupp. Man uppmätte graden av svampangrepp Y i för = 7 träd, ett från varje grupp. Därefter ansattes en enkel linjär regressionsmodell Y i = α + β(x i x) + ε i, i = 1,..., 7, med x i = i och x = 7 i=1 x i /7. För att testa nollhypotesen H 0 : β = 0 användes följande utdrag ur en variansanalystabell: Variationskälla Kvs Regression 9.20 Residual 5.75 Totalt 14.95

2 Linjära statistiska modeller, 22 februari a) Genomför ett test av H 0 mot alternativhypotesen H 1 : β 0 på signifikansnivån 5%. (6 p) b) Beräkna minsta kvadrat-skattningen ˆβ av β, givet extrainformationen ˆβ < 0. (Ledning: Börja med att beräkna ˆβ 2 med hjälp av variansanalystabellen.) (4 p) Uppgift 2 Vid en industri undersöktes huruvida utbytet av en kemisk reaktion påverkades av tre olika katalysatorer. Utbytet Y i och koncentrationerna x 1i, x 2i, x 3i av de tre katalysatorerna registrerades vid = 10 olika experiment (i = 1,..., 10). De tre katalysatorerna antogs verka oberoende av varandra. Därför bortsåg man från samspel och jämförde olika linjära regressionsmodeller med ingen, en, två eller tre katalysatorkoncentrationer som förklarande variabler. Dessutom var försöket upplagt så att effekterna av de olika förklarande variablerna var ortogonala mot varandra, det vill säga 10 i=1 (x ji x j )(x ki x k ) = 0 för alla 1 j < k 3, med x j = i x ji/10. För den fullständiga modellen med alla tre katalysatorer fick man följande variansanalystabell: Variationskälla Kvs Katalysator Katalysator Katalysator Residual 7.7 Totalt 20.1 a) Genomför första steget i framåtinkludering (Forward Selection, FS), det vill säga undersök om någon förklarande variabel ska tas med. Signifikansnivån väljs till 5%. (Ledning: På grund av ortogonaliteten mellan de förklarande variablerna fås kvadratsumman för regressionsdelen av en delmodells variansanalystabell genom att addera kvadratsummorna för de katalysatorer som ingår, medan resterande kvadratsummor från den fullständiga modellen tillhör variationskällan residual för delmodellen.) (5 p) b) Stannar FS-schemat efter a)? Motivera ditt svar. (5 p) Uppgift 3 I ett visst land vaccineras alla barn under sitt första levnadsår mot en allvarlig sjukdom. Hälften av dem får Vaccin 1, medan den andra hälften får Vaccin 2. De båda vaccinerna ger likvärdigt skydd mot sjukdomen, men man misstänker att de kan ge olika biverkningar i form av feber de närmsta dygnen efter vaccineringen. Ett läkemedelsbolag har nyligen utvecklat ett tredje

3 Linjära statistiska modeller, 22 februari vaccin (med samma sjukdomsskydd) som man hävdar ger lägre feber än de två andra vaccinerna. Smittskyddsinstitutet i landet genomför en mindre pilotstudie för att jämföra biverkningarna av de tre vaccinerna. Den består av 18 olika barn som slumpmässigt delas in i tre lika stora grupper, där barnen i varje grupp ges samma vaccin. Men registrerar sedan den maximala febern Y ij för barn j = 1,..., 6 som erhöll Vaccin i = 1, 2, 3. Resultatet framgår av följande tabell, där medelvärdet Ȳi. och stickprovsstandardavvikelsen s i anges för respekive vaccin: Vaccin Ȳ i. s i a) Anta att försöket beskrivs av en ensidig typ I variansanalysmodell, med µ i = E(Y ij ). Testa på nivån 5% nollhypotesen µ 1 = µ 2 = µ 3. (4 p) b) Smittskyddsforskarna överväger att ersätta de två vaccinerna som för närvarande används med Vaccin 3. Beräkna en punktskattning ˆ av den förväntade minskningen = (µ 1 + µ 2 )/2 µ 3 av feber i hela populationen om ett sådant vaccinbyte görs. (2 p) c) Beräkna Var( ˆ ) uttryckt i feltermsvariansen σ 2, och ange därefter ett 95% konfidensintervall för. (Ledning: Använd en skattning av σ 2 för att beräkna medelfelet för ˆ.) (4 p) Uppgift 4 I en kurs i försöksplanering ingick en laboration där eleverna poppade popcorn i en microvågsugn. Man skulle undersöka hur andelen poppade popcorn påverkades av tre faktorer; tid som poppningen pågick (T ), effekten i microvågsugnen (E) och mängden popcorn (M). Man genomförde ett försök utan replikat, där alla tre faktorerna varierades på en låg (-) och en hög (+) nivå. Vidare antog man en additiv modell Y ijk = µ + T i + Ē j + M k + ε ijk, i, j, k {, +}, där µ är genomsnittsnivån för hela försöket och T, Ē, M anger inflytandet hos de tre faktorerna. Feltermerna ε ijk (0, σ 2 ) antogs oberoende. Resultatet från de 8 försökspunktera i, j, k framgår av följande tabell: i, j, k Y ijk i, j, k Y ijk -,-, ,-, ,-, ,-, ,+, ,+, ,+, ,+,+ 0.75

4 Linjära statistiska modeller, 22 februari a) Beräkna minsta kvadrat-skattningarna ˆT, Ê och ˆM av de tre faktorernas inflytande. (3 p) b) Motivera att de tre skattningarna i a) är väntevärdesriktiga, normalfördelade och sinsemellan oberoende, med samma varians σ 2 /8. (3 p) c) Genomför ett F -test på nivån 5% för att avgöra om tidsfaktorn har en signifikant inverkan på andelen poppade popcorn. (Ledning: Du kan utnyttja att ijk (Y ijk Ȳ ) 2 = , samt att Kvs(Faktor = θ) = 8ˆθ 2 för varje θ {T, E, M}, där ˆθ anger motsvarande skattning från a).) (4 p) Uppgift 5 Anta att vi har en multipel linjär regressionsmodell, där varje observation Y i = µ i + ε i, i = 1,...,, kan skrivas som en summa av ett väntevärde µ i och en felterm ε i (0, σ 2 ). a) Visa hur µ i beror linjärt av de m förklarande variablerna x 1i,... x mi för observation i genom att införa lämpliga regressionsparametrar. (2 p) b) Definera förklaringsgraden R 2 med hjälp av observationerna Y i och minsta kvadrat-skattningarna ˆµ i av alla µ i. (3 p) c) Korrelationskoefficienten mellan två vektorer a = (a 1,..., a ) T och b = (b 1,..., b ) T kan skrivas som Corr(a, b) = 1 1 i=1 (a i ā)(b i b) i=1 (a i ā) 2 1 i=1 (b i b), 2 där ā = i=1 a i / och b = i=1 b i /. Visa att R 2 = Corr(Y, ˆµ) 2, där Y = (Y 1,..., Y ) T och ˆµ = (ˆµ 1,..., ˆµ ) T. (Ledning: Du kan utnyttja att i=1 Y i / = i=1 ˆµ i / = Ȳ, samt att residualvektorn Y ˆµ är ortogonal mot den skattade väntevärdesvektorn ˆµ.) (5 p)

5 Linjära statistiska modeller, 22 februari f 1 = f 2 = Table 1: F-kvantiler F 0.05 (f 1, f 2 ) avrundade till en decimals noggrannhet