ENKEL LINJÄR REGRESSION
|
|
- Vilhelm Hedlund
- för 5 år sedan
- Visningar:
Transkript
1 Fnansell statstk, vt 0 ENKEL LINJÄR REGRESSION Ordlsta tll NCT Scatter plot Dependent/ndependent Least squares Sum of squares Resdual Ft Predct Random error Analyss of varance Sprdnngsdagram Beroende/oberoende Beroende/förklarande Respons/predktor Mnsta kvadrat Kvadratsumma Resdual Anpassa, anpassnng Predcera Slumpfel Varansanalys
2 Beskrvande mått på samvaraton mellan två observerade kvanttatva varabler Data av följande typ: Obs. nr. y y y M M M n n y n Kan åskådlggöras sprdnngsdagram: Sprdnngsdagram y Korrelaton:
3 3 n n n y y y y y r r ) ( ) ( ) )( ( y y s s s där s y är stckprovets kovarans: n y y y n s ) )( ( Korrelatonskoeffcenten r är ett mått på graden av lnjär samvaraton hos data. - r Vad betyder r, r > 0, r 0, r < 0, r -? Se sd. 9 kursboken. Varablerna behandlas symmetrskt: r XY r YX. Regresson:
4 y beroende varabel ( response varable ) förklarande varabel ( predctor ) Hur mycket av varatonen hos y-värdena kan förklaras av? Fnns det någon lnjär samvaraton? Beräkna en rät lnje, y b 0 + b, som beskrver det lnjära sambandet. Hur bra är anpassnngen? OBS Med regressonsanalys studerar v hur y på ett ganska ytlgt sätt förklaras av. Inga slutsatser om orsakssamband, kausaltet. OBS I regressonsanalys studerar v samband ur perspektvet: y. V talar om en beroende och en förklarande varabel. I korrelatonsanalys däremot studerar v samvaraton mellan två jämbördga varabler, utan att se den ena som beroende och den andra som förklarande: y och r XY r YX. Anpassnng av rät lnje tll stckprovsdata 4
5 5 Anpassa en rät lnje, y b 0 + b, tll stckprovsdata med mnsta-kvadratmetoden. Summan av alla kvadrerade lodräta avstånd tll lnjen skall mnmeras. Matematsk lösnng: Beräkna b 0 och b som n n y y b ) ( ) )( ( n n y y ) ( ) )( ( y y y s s r s s b y b 0 Hur tolkas b 0 och b?
6 E.: Total oljeförbruknng ett stckprov av hus under 0 månader. Hur förklaras oljeförbruknngen av yttertemperaturen? medeltemperatur under månaden ( C) y oljeförbruknng under månaden (lter) Månad y y jun 5, ,5 8,0 jul 4, ,0 07,36 aug 5, 35 05,0 3,04 sep 0, 5 95,0 04,04 okt 8,3 75 8,5 68,89 nov 3, ,0 4,44 dec 0, ,0 0,5 jan -, ,0,96 feb -4, 65-56,5 6,8 mar, ,0,44 Summa 63, ,5 874,4 700 Oljeförbruknng och yttertemperatur Oljeförbruknng Yttertemperatur 5 6
7 Mnsta-kvadratmetoden ger: b 63, ,5 0 63, 874,4 0 5,3 b , ( 5,3) Den anpassade regressonslnjens ekvaton blr y 49 5,3 y Sprdnngsdagram med regr.-lnje y 49-5,
8 Resdualer, kvadratsummor, ANOVA-tablå För varje gvet defneras det anpassade, predcerade y-värdet som yˆ b 0 + b Det är det y-värde som lgger på den anpassade lnjen. Det anpassade värdet, yˆ, är oftast det observerade värdet, y. Skllnaden e y - yˆ mellan observerat och anpassat y-värde kallas för resdual. E.: Forts. på föreg.eempel. y ey- 5, 55 09,97 45,03 4,4 75 7,68 5,68 5, 35 07,44 7,56 0, 5 33,94-8,94 8,3 75 8,0-7,0 3, ,86-0,86 0, ,35-9,35 -, ,4 -,4-4, ,73 9,7, ,64 -,64 8
9 Den totala varatonen hos y-varabeln (krng stt medelvärde) kan delas upp två komponenter: n ( y y) 443 SST n ( yˆ y) 443 SSR + n e { SSE där SST totala kvadratsumman mått på total varaton hos y-värdena y-värdenas varaton krng y SSR regressonskvadratsumman mått på förklarad varaton den del av y-värdenas varaton som förklaras av den anpassade lnjen SSE resdualkvadratsumman (E error) mått på oförklarad varaton mått på y-värdenas varaton krng lnjen den del av y-värdenas varaton som nte förklaras av den anpassade lnjen 9
10 För att mäta hur pass bra den anpassade lnjen är på att beskrva gvna data används determnatonskoeffcenten, R, som defneras: R SSR SST SSE SST är ett mått på förklarngsgraden : det anger hur stor del av y-varatonen som förklaras av den anpassade lnjen. (Anges bland procent.) R Av defntonen följer att 0 R. R betyder perfekt lnjär samvaraton. Om alla y -värdena från början lgger precs på en rät lnje, så blr alla e 0. Alla e 0 SSE 0 R. R 0 betyder fullständg avsaknad av lnjär samvaraton. Om det nte fnns någon som helst lnjär samvaraton mellan och y, så blr b 0. b 0 Alla yˆ y SSR 0 R 0. Vd enkel lnjär regresson gäller att R r. 0
11 Vd regressonsanalys redovsas ofta en s.k. ANOVA-tablå (ANOVA Analyss of Varance): Varatonsorsak Kvadratsumma (SS) Frhetsgrader (df) Medelkvadratsumma (MS) Regresson SSR MSR SSR/ Resdual SSE n- MSE SSE/(n-) Totalt SST n- MSE s e resdualvaransen. E.: Med data från oljeförbruknngseemplet ger Mntab följande (här något stympade) ANOVAtablå. Analyss of Varance Source DF SS MS Regresson Resdual Error Total R SSR SST ,978 97,8%
12 Enkel lnjär regressonsmodell Httlls: Beskrvnng av gven datamängd (, y ) (,,, n) genom anpassnng av en rät lnje. Nu: Statstsk nferens. Våra data tänks ha genererats enlgt en regressonsmodell (en tänkt slumpmekansm, som producerar data med vssa egenskaper). På grundval av våra observerade data vll v försöka dra slutsatser om den modell som har genererat data. V tänker oss att varje observerat y-värde är en observaton på en stokastsk varabel Y, sådan att: Y β 0 +β + ε där ε är en slumpmässg felterm. V tänker oss med andra ord att: Y en lnjär funkton av (β 0 +β ) + ett slumpfel (ε)
13 Våra observerade y-värden y, y,, y n ses alltså som observerade värden på stokastska varabler Y, Y,, Y n sådana att Y β 0 + β + ε (,,, n) I standardmodellen för enkel lnjär regresson görs följande modellantaganden:. Värdena på,,, n betraktas som fa.. För varje gvet (,,, n) gäller att Y β 0 + β + ε 3. ε, ε,, ε n är oberoende normalfördelade stokastska varabler med väntevärde 0 och med samma standardavvkelse σ ε. Dvs. ε, ε,, ε n är oberoende och N(0; σ ). Vad nnebär dessa modellantaganden? ε 3
14 Skattnng av β 0 och β V vll skatta de okända parametrarna β 0 och β regressonsmodellen. (I praktken är det ofta β som är den mest ntressanta parametern.) Gör så här: För gvna data, anpassa en rät lnje y b 0 + b med mnsta-kvadratmetoden, på det sätt som nyss beskrvts. De b 0 och b som v då får är våra punktskattnngar av modellparametrarna β 0 respektve β. Alltså: ˆ b β 0 0 och β ˆ b Det går att vsa (under förutsättnng att modellantagandena gäller) att: E(b 0 ) β 0 och E(b ) β De båda skattnngarna, b 0 och b, är alltså väntevärdesrktga skattnngar av β 0 resp. β. 4
15 Det går också att vsa (under förutsättnng att modellantagandena gäller) att: Var( b ) σ σ ε ε ( X ) ( n ) s X (Hur Var(b 0 ) ser ut, står nte kursboken.) Ttta på uttrycket för Var(b ). Hur bör man välja sna -värden om man vll skatta β med så stor precson som möjlgt? Några nvändnngar? Den sanna slumpfelsvaransen σ ε är praktken oftast okänd. Om v utfrån gvna data vll blda oss en uppfattnng om storleken på Var(b ), så ersätter v σ med den observerade resdualvaransen e ε s ( MSE), som är en väntevärdesrktg skattnng av slumpfelsvaransen: E( s e ) σ ε Som skattnng av Var(b ) används då: s b e s ( ) ( n s e ) s 5
16 Mntab-utskrft För oljeförbruknngseemplet ger Mntab följande utskrft (som kommenteras på föreläsnngen): ) ) 3) 4) The regresson equaton s y 49-5,3 Predctor Coef SE Coef T P Constant 49,6,60 39,03 0,000-5,56,347-8,75 0,000 S 9,3554 R-Sq 97,8% R-Sq(adj) 97,5% Analyss of Varance Source DF SS MS F P Regresson ,46 0,000 Resdual Error Total ) Unusual Observatons Obs y Ft SE Ft Resdual St Resd 4,4 75,00 7,93 4,3-5,93 -,06R R denotes an observaton wth a large standardzed resdual. 6
17 Statstsk nferens rörande β V vet redan att b är en väntevärdesrktg skattnng av modellparametern β. V vet också att skattnngen b har en varans, som skattas med s b. Under förutsättnng att modellantagandena gäller, kan ett konfdensntervall för β bldas såsom: b ± t s b där värdet på t bestäms från tabell över t-fördelnngen med n- frhetsgrader, så att v får önskad konfdensnvå. Vd mer än 30 frhetsgrader appromeras t-fördelnngen med N(0; ). Konfdensntervallet blr då b ± z s b V kan även göra hypotesprövnng rörande β. Säg att v vll testa nollhypotesen H 0 : β β mot något av alternatven H : β β *, H : β < β *, eller H : β > * * β (där β är ett gvet numerskt värde). * 7
18 Om frågan är: Fnns det överhuvudtaget något lnjärt samband?, så testar v H 0 : β 0 (vlket nnebär att det nte fnns något lnjärt samband) mot H : β 0. Som testvarabel används: t b β s b * Om H 0 är sann, så är testvarabeln är t-fördelad med n- frhetsgrader. Vd H 0 : β 0 blr testvarabeln: b t. s b Förkastelsegränser hämtas från tabell över t-fördelnngen med n- fg. Beror på val av sgnfkansnvå och på hur mothypotesen ser ut (enkelsdg eller dubbelsdg). Ett alternatvt sätt att testa den specella nollhypotesen H 0 : β 0 mot den dubbelsdga mothypotesen H : β 0 är att använda F-test med testvarabeln 8
19 MSR F MSE MSR s e (Vd enkel lnjär regresson är MSR SSR.) Testvarabeln är F-fördelad med fg täljaren och n- fg nämnaren, om H 0 är sann. H 0 förkastas om (och endast om) v får högt värde på testvarabeln F. Förkastelsegräns hämtas från Tabell 9 över F-fördelnngen med (; n-) fg. Vd test av H 0 : β 0 mot H : β 0 är t-testet och F-testet lkvärdga. De leder alltd tll eakt samma slutsats. I själva verket hänger de båda testvarablerna ( detta specella fall) hop på så sätt att F t. (Eempel: Se Mntab-eemplet längre fram) Predkton av y för ett nytt -värde Data: y y 9
20 M M n y n V antar att data genererats enlgt standardmodellen för enkel lnjär regresson. Modellen säger bl.a. att för gvet är E(y ) β 0 + β Problemet är nu att försöka predcera vlket y- värde v kommer att få, när n+, där n+ är ett nytt, tänkt, -värde som nte ngår våra tdgare data. Som predkton av det kommande y-värdet för n+ använder v: y b 0 +b n+ ˆn+ (Vad är det för skllnad mellan skattnng och predkton?) Ett predktonsntervall kan beräknas: 0
21 ( b0 + b n+ ) ± t 443 n ( n+ se [ + + n yˆ n+ ( ) ) där värdet på konstanten t hämtas från tabell över t-fördelnngen med n- fg, så att v får önskad täcknngsgrad hos predktonen, och där ] n n Täcknngsgrad sannolkheten att ntervallet skall nnehålla det kommande (ännu cke nträffade) värdet på y, när v låter n+. På vlket sätt beror konfdensntervallets längd av hur v väljer n+? Skattnng av förväntat y-värde för ett nytt -värde
22 Ett problem som lknar predktonsproblemet är följande: Vlket är det förväntade y-värdet för ett vsst, nytt, -värde n+, som nte ngår våra data? Dvs. v vll skatta väntevärdet E(y n+ ) β 0 + β n+. OBS Intresset är nu nte rktat nte mot det ensklda y-värde som v kommer att få (men ännu nte har fått) fall v låter n+, utan stället mot det genomsnttlga y-värdet för n+. Som skattnng av β 0 +β n+ använder v b 0 +b n+ (Är skattnngen väntevärdesrktg?) V kan blda konfdensntervall för β 0 +β n+ :
23 ( 0 ) ( b0 + b n + ) ± t se [ + ] n ( ) där värdet på konstanten t hämtas från tabell över t-fördelnngen med n- fg, så att v får önskad konfdensnvå. På vlket sätt beror konfdensntervallets längd av hur v väljer 0? Hur förhåller sg konfdensntervallet tll predktonsntervallet? Mntab-eempel V har följande data ( nkomst, y sparande): y Regressonskörnng ger: 3
24 Regresson Analyss: y versus The regresson equaton s y - 0,9 +,43 Predctor Coef SE Coef T P Constant -0,86 7,7 -,7 0,07,469 0,304 6,9 0,000 S 7,354 R-Sq 8,7% R-Sq(adj) 80,6% Analyss of Varance Source DF SS MS F P Regresson 950,6 950,6 38,34 0,000 Resdual Error 8 407,0 50,9 Total 9 357,6 Sprdnngsdagram med regressonslnje: 4
25 Sprdnngsdagram med regressonslnje y - 0,86 +,47 50 S 7,354 R-Sq 8,7% R-Sq(adj) 80,6% 40 y På föreläsnngen vsas: a) Test av H 0 : β 0 mot H : β 0 (dels med t- test, dels med F-test). b) Test av H 0 : β 0 mot H : β > 0 (med t-test). c) Beräknng av 95% konfdensntervall för β. Studum av resdualerna: 5
26 y e 8 8 4,8 3, ,96 0, ,379 6, ,360 -, ,5064-0, ,374 8, ,3836-5, ,9099-6, ,598-7, ,9450-5,9450 Plotta resdualerna mot : 0 Resdualer mot nkomst 5 Resdual Inkomst Kommentar? Säg att v vll veta vad som händer när 40. Dels vll v skatta det förväntade y-värdet β 0 + 6
27 β 40, dels vll v predcera det ndvduella y- värde v kommer att få, om v låter 40. V vll ha konfdensntervall med konfdensnvå 95%, och predktonsntervall med täcknngsgrad 95%. Båda erhålls med Mntab: Predcted Values for New Observatons New Obs Ft SE Ft 95% CI 95% PI 36,,9 (9,50; 4,93) (8,45; 53,98) Values of Predctors for New Observatons New Obs 40,0 Med Mntab kan v rta ut gränserna för både konfdensntervall och predktonsntervall för alla 7
28 värden på. Med 95% konfdensnvå och 95% täcknngsgrad får v: Konfdens- och predktonsntervall, 95% y - 0,86 +,47 Regresson 95% CI 95% PI S 7,354 R-Sq 8,7% R-Sq(adj) 80,6% y Stämmer kurvornas utseende med vad som sagts tdgare? 8
29 Modell för multpel lnjär regresson Modellantaganden: ) -värdena är fa. ) Varje y (,, n) är en lnjär funkton av,, K plus ett slumpfel ε : y β + β + β + K + β K 3K { lnjär funkton slumpfel 3) Slumpfelen ε, ε,, ε n är oberoende normalfördelade stokastska varabler med väntevärde 0 och med samma standardavvkelse σ ε : ε, ε,, ε n är oberoende och N(0; σ ). Modellen säger att om t.e. varabeln ökar med en enhet (och övrga förklarande varabler är oförändrade) så förväntas y öka med β enheter. Men verklgheten blr det nte eakt så, på grund av slumpfelet. (Slumpfelet kan kanske ses som en sammanfattnng av alla övrga saker, som påverkar y, men som nte fnns med modellen.) ε ε 9
30 Punktskattnng av modellparametrar Koeffcenterna b 0, b, b,, b K (beräknade från observerade data) är väntevärdesrktga skattnngar av motsvarande modellparametrar β 0, β, β,, β K, fall modellen stämmer. Vdare är den observerade resdualvaransen MSE SSE/(n-K-)] en väntevärdesrktg skattnng av modellens slumpfelsvarans σ. ε s e [ Konfdensntervall för en enstaka modellparameter Konfdensntervall för var och en av β 0, β,, β K beräknas såsom b b ± t s 0 b 0 ± t s etc. b där s s etc. är skattade standardavvkelser för b, 0 b b 0, b etc. Dessa beräknas nte för hand, utan erhålls Mntabutskrften ( SE Coef ). 30
31 Konstanten t hämtar v från tabell över t-fördelnngen med n-k- fg, så att v får önskad konfdensnvå. (Om fg > 30, använd z stället för t.) Hypotesprövnng rörande en enstaka modellparameter V kan t.e. fråga oss om varabeln bdrar tll att (lnjärt) förklara varatonen hos y, gvet att alla övrga förklarande varabler, 3,, K redan fnns med modellen. Nollhypotesen är då att nte förklarar något av y-varatonen, dvs. v testar H 0 : β 0 H : β 0 Som testvarabel används b t ( T Mntab-utskrften) s b 3
32 vlken är t-fördelad med n-k- fg, när H 0 är sann. På analogt sätt kan man för varje annan enskld -varabel testa om just den varabeln bdrar tll att förklara varatonen hos y (gvet att alla övrga förklarande varabler redan fnns med modellen). V kan alltså testa nollhypoteserna H 0 :β 0, H 0 :β 3 0 etc. V kan också testa H 0 : β j β * j * j H : β j β [eller H : β j > (eller <) * β j ] * (där β j står för ett gvet numerskt värde) med testvarabeln t b j s β b j * j 3
33 som är t-fördelad med n-k- fg, när H 0 är sann. (OBS I detta senare fall, när β 0, beräknas testvarabelns värde nte av Mntab.) Eempel på konfdensntervall och hypotesprövnng Samma försäljnngsdata som tdgare. Mntab ger: Regresson Analyss: y versus ; The regresson equaton s y 0, , ,50 Predctor Coef SE Coef T P Constant 0,430 0,3897,0 0,30 0,5464 0,65 3,36 0,00 0,50 0,85,75 0,040 S 0,4983 R-Sq 97,% R-Sq(adj) 96,% * j a) Beräkna ett 99% konfdensntervall för β modellen y β 0 + β + β + ε. b) Pröva på 5% sgnfkansnvå om parametern β är lka med 0 eller ej modellen ovan. 33
34 Hypotesprövnng rörande β, β,, β K tllsammans En fråga av ntresse är om,,, K tllsammans kan (lnjärt) förklara något av varatonen hos y (eller om man lka gärna kunde strunta allhop). Det är kanske den frågan man ställer sg allra först vd regressonsanalys. Nollhypo-tesen är då att,,, K tllsammans nte förklarar någontng alls: H 0 : β β β K 0 H : Ej alla lka med noll (dvs. mnst en är 0) Som testvarabel används MSR F ( F ANOVA-tablån) MSE vlken är F-fördelad med K fg täljaren och n-k- fg nämnaren, när H 0 är sann. H 0 förkas-tas om (och endast om) v får ett högt observerat värde på F. E.: Samma försäljnngsdata som tdgare. The regresson equaton s 34
35 y 0, , ,50 Predctor Coef SE Coef T P Constant 0,430 0,3897,0 0,30 0,5464 0,65 3,36 0,00 0,50 0,85,75 0,040 S0,4983 R-Sq97,% R- Sq(adj)96,% Analyss of Varance Source DF SS MS F P Regresson 43,79,860 88,0 0,000 Resd. Error 5,4 0,48 Total 7 44,960 Pröva om och tllsammans kan förklara varatonen hos y. Hypoteser: H 0 : β β 0 H : Ej båda lka med noll. 35
36 Sgn.-nvå: % Testvarabel: F MSE/MSR ( fg täljaren; 5 fg nämnaren) Beslutsregel: H 0 förkastas om F obs > 3,7 Resultat: F obs 88,0 > 3,7 Slutsats: H 0 förkastas på % sgn.-nvå. Starkt stöd för att och tllsammans förklarar en del av varatonen hos y. Alternatvt: Se på p-värdet. Eftersom p-värdet här är < 0,0, så förkastar v H 0 på % sgn.-nvå. Dummyvarabler Bland de förklarande varablerna regressonsanalys kan v också ha kategorska (kvaltatva) varabler. Dessa kodas med nollor och ettor, varvd v får s.k. dummyvarabler (0/-varab-ler), 36
37 som sedan används som vanlga -varabler beräknngarna. E.: Varabeln kön, som antar värdena man och kvnna, kan kodas om tll en dummyvar-abel som antar värdet 0 för man och för kvnna. Hur gör man med en kategorsk varabel som antar fler än två värden? T.e. de fyra värdena hyresrätt, bostadsrätt, egen vlla och annan bostadsform? Det tar v nte upp på den här kursen. (Men vanlgt är att man låter en kategorsk varabel med c kategorer ge upphov tll c- dummyvarabler.) E.: Data över oljeförbruknng under en månad to vllor. (Olka månad för olka vllor.) y oljeförbrukn. under månaden (lter) medeltemp. under månaden ( C) bostadsyta (m ) 3 tlläggssoler. eller ej (dummyvar.) Vlla y Isolerng ,8 70 Nej ,6 0 Ja 3 85, 50 Nej , 90 Ja 37
38 5 30,8 0 Ja , 50 Ja ,9 40 Ja , 55 Nej ,7 80 Nej ,4 30 Ja Regresson Analyss: y versus ; ; 3 The regresson equaton s y 46-7,9 +,8-67,7 3 Predctor Coef SE Coef T P Constant 46, 37,94 6,49 0,00-7,875,67-3,89 0,000,88 0,98 8,7 0, ,68 7,43-3,88 0,008 S6,59 R-Sq99,0% R-Sq(adj)98,5% Tolknng av värdena på b, b och b 3 : b -7,9: När medeltemperaturen ökar en grad, så mnskar oljeförbruknngen med ungefär 8 lter per månad, vd oförändrad bostadsyta och oförändrad solerngstyp. b,8: När bostadytan ökar med en m, så ökar oljeförbruknngen med ungefär,8 lter per månad, vd oförändrad medeltemperatur och oförändrad solerngstyp. 38
39 b 3-67,7: Tlläggssolerng ger en mnskad oljeförbruknng med ungefär 68 lter per månad, vd oförändrad medeltemperatur och oförändrad bostadsyta. När 3 0, så blr det predcerade y-värdet: y ˆ b + b + 0 b När 3, så blr det predcerade y-värdet: yˆ ( b0 + b3 ) + b 443 OBS Korrelatonsanalys + b Data: (, y ), (, y ),, ( n, y n ) Antag: Stckprov från en bvarat normalfördelnng med okänd korrelaton, ρ, mellan och y. Då kan v testa fall populatonskorrelatonen är skld från noll. H 0 : ρ 0 H : ρ 0 (eller H : ρ > 0, eller H : ρ < 0) 39
40 Testvarabel: t r n r som är t-fördelad med n- frhetsgrader, fall H 0 är sann. E.: I ett stckprov på 30 personer har man mätt två olka varabler och fått korrelatonskoeffcenten r 0,34. Testa på 5% sgnfkansnvå fall korrelatonen mellan varablerna populatonen, ρ, kan tänkas vara större än noll. Förutsättnng: Populatonen har en bvarat normalfördelnng. Hypoteser: H 0 : ρ 0 H : ρ > 0 Sgn.-nvå: 5% Testvarabel: t r n r Frhetsgrader: n
41 Beslutsregel: H 0 förkastas om t obs >,70 Resultat: t obs 0,34 8 0,34,93 >,70 Slutsats: H 0 förkastas på 5% sgnfkansnvå. Sgnfkant pos. korrelaton. 4
Finansiell Statistik (GN, 7,5 hp,, HT 2008) Föreläsning 6. Regression & Korrelation. (LLL Kap 13-14) Inledning till Regressionsanalys
Fnansell Statstk (GN, 7,5 hp,, HT 8) Föreläsnng 6 Regresson & Korrelaton (LLL Kap 3-4) Department of Statstcs (Gebrenegus Ghlagaber, PhD, Assocate Professor) Fnancal Statstcs (Basc-level course, 7,5 ECTS,
Läs merFlode. I figuren har vi också lagt in en rät linje som någorlunda väl bör spegla den nedåtgående tendensen i medelhastighet för ökande flöden.
Hast Något om enkel lnjär regressonsanalys 1. Inlednng V har tdgare pratat om hur man anpassar en rät lnje tll observerade talpar med hjälp av den s.k. mnsta kvadratmetoden. V har också berört hur man
Läs merF18 MULTIPEL LINJÄR REGRESSION, FORTS. (NCT
Stat. teori gk, ht 006, JW F18 MULTIPEL LINJÄR REGRESSION, FORTS. (NCT 1.1, 13.1-13.6, 13.8-13.9) Modell för multipel linjär regression Modellantaganden: 1) x-värdena är fixa. ) Varje y i (i = 1,, n) är
Läs merF13. Förra gången (F12) Konfidensintervall och hypotesprövning Chi-tvåtest. Stratifierat urval
Konfdensntervall och hypotesprövnng Ch-tvåtest F3 Förra gången (F) Stratferat urval Dela n populatonen homogena ata med avseende på atferngsvarabeln Välj atferngsvarabel som har ett samband med undersöknngsvarabeln
Läs mera) B är oberoende av A. (1p) b) P (A B) = 1 2. (1p) c) P (A B) = 1 och P (A B) = 1 6. (1p) Lösningar: = P (A) P (A B) = 1
Lösnngar tll tentamen: Matematsk statstk och sgnalbehandlng (ESS0), 4.00-8.00 den 4/-009 Examnator: Serk Sagtov (Kursansvarg: Ottmar Crone) Tllåtna hjälpmedel: Tabell "Beta", utdelad formelsamlng, valfr
Läs merF15 ENKEL LINJÄR REGRESSION (NCT )
Stat. teor gk, ht 006, JW F5 ENKEL LINJÄR REGRESSION (NCT.-.4) Ordlta tll NCT Scatter plot Depedet/depedet Leat quare Sum of quare Redual Ft Predct Radom error Aal of varace Sprdgdagram Beroede/oberoede
Läs merTentamen i Dataanalys och statistik för I den 5 jan 2016
Tentamen Dataanalys och statstk för I den 5 jan 06 Tentamen består av åtta uppgfter om totalt 50 poäng. Det krävs mnst 0 poäng för betyg, mnst 0 poäng för och mnst 0 för 5. Eamnator: Ulla Blomqvst Hjälpmedel:
Läs merCentrala Gränsvärdessatsen:
Föreläsnng V såg föreläsnng ett, att om v känner den förväntade asymptotska fördelnngen en gven stuaton så kan v med utgångspunkt från våra mätdata med hjälp av mnsta kvadrat-metoden fnna vlka parametrar
Läs merTest av anpassning, homogenitet och oberoende med χ 2 - metod
Matematsk statstk för STS vt 00 00-05 - Bengt Rosén Test av anpassnng, homogentet och oberoende med χ - metod Det stoff som behandlas det fölande återfnns Blom Avsntt 7 b sdorna 6-9 och Avsntt 85 sdorna
Läs merVinst (k) 1 1.5 2 4 10 Sannolikhet 0.4 0.2 0.2 0.1 0.1 ( )
Tentamen Matematsk statstk Ämneskod-lnje S1M Poäng totalt för del 1 5 (8 uppgfter) Poäng totalt för del 3 (3 uppgfter) Tentamensdatum 9-3-5 Kerstn Vännman Lärare: Robert Lundqvst Mkael Stenlund Skrvtd
Läs merSlumpvariabler (Stokastiska variabler)
Slumpvarabler Väntevärden F0 Slutsatser från urval tll populaton Slumpvarabler (Stokastska varabler) En slumpvarabel är en funkton från utfallsrummet tll tallnjen Ex kast med ett mynt ggr =antalet krona
Läs merNär vi räknade ut regressionsekvationen sa vi att denna beskriver förhållandet mellan flera variabler. Man försöker hitta det bästa möjliga sättet
Korrelaton När v räknade ut regressonsekvatonen sa v att denna beskrver förhållandet mellan flera varabler. Man försöker htta det bästa möjlga sättet att med en formel beskrva hur x och y förhåller sg
Läs merFORMELSAMLING HT-15 MATEMATISK STATISTIK FÖR B, K, N, BME OCH KEMISTER; FMS086 & MASB02. Sannolikhetsteori. Beskrivning av data
LUNDS TEKNISKA HÖGSKOLA MATEMATIKCENTRUM MATEMATISK STATISTIK FORMELSAMLING HT-15 MATEMATISK STATISTIK FÖR B, K, N, BME OCH KEMISTER; FMS086 & MASB0 Sannolkhetsteor Följande gäller för sannolkheter: 0
Läs merVariansanalys ANOVA. Idé. Experiment med flera populationer. Beteckningar. Beteckningar. ANOVA - ANalysis
Varansanalys ANOVA ANOVA - ANalyss Of VArance Stcprov från flera populatoner ( ) analyserar varansen (sprdnngen) varje stcprov för att dra slutsatser om medelvärden Har alla populatoner samma medelvärden?
Läs merDel A Begrepp och grundläggande förståelse.
STOCKHOLMS UNIVERSITET FYSIKUM Tentamensskrvnng Expermentella metoder, 12 hp, för kanddatprogrammet, år 1 Onsdagen den 17 jun 2009 kl 9-1. S.H./K.H./K.J.-A./B.S. Införda betecknngar bör förklaras och uppställda
Läs merFöreläsning 2. Kap 3,7-3,8 4,1-4,6 5,2 5,3
Föreläsning Kap 3,7-3,8 4,1-4,6 5, 5,3 1 Kap 3,7 och 3,8 Hur bra är modellen som vi har anpassat? Vi bedömer modellen med hjälp av ett antal kriterier: visuell bedömning, om möjligt F-test, signifikanstest
Läs merMätfelsbehandling. Lars Engström
Mätfelsbehandlng Lars Engström I alla fyskalska försök har de värden man erhåller mer eller mndre hög noggrannhet. Ibland är osäkerheten en mätnng fullständgt försumbar förhållande tll den precson man
Läs merBeräkna standardavvikelser för efterfrågevariationer
Handbok materalstyrnng - Del B Parametrar och varabler B 41 Beräkna standardavvkelser för efterfrågevaratoner och prognosfel En standardavvkelse är ett sprdnngsmått som anger hur mycket en storhet varerar.
Läs merExperimentella metoder 2014, Räkneövning 5
Expermentella metoder 04, Räkneövnng 5 Problem : Två stokastska varabler, x och y, är defnerade som x = u + z y = v + z, där u, v och z är tre oberoende stokastska varabler med varanserna σ u, σ v och
Läs merF16 MULTIPEL LINJÄR REGRESSION (NCT , 13.9) Anpassning av linjär funktion till givna data
Stat. teori gk, ht 006, JW F16 MULTIPEL LINJÄR REGRESSION (NCT 13.1-13.3, 13.9) Anpassning av linjär funktion till givna data Data med en beroende variabel (y) och K stycken (potentiellt) förklarande variabler
Läs merVid mer än 30 frihetsgrader approximeras t-fördelningen med N(0; 1). Konfidensintervallet blir då
Stat. teori gk, ht 006, JW F7 ENKEL LINJÄR REGRESSION, FORTS. (NCT.5-.7) Statistisk iferes rörade β Vi vet reda att b är e vätevärdesriktig skattig av modellparameter β. Vi vet också att skattige b har
Läs mer1. a Vad menas med medianen för en kontinuerligt fördelad stokastisk variabel?
Tentamenskrvnng: TMS45 - Grundkurs matematsk statstk och bonformatk, 7,5 hp. Td: Onsdag den 9 august 2009, kl 08:30-2:30 Väg och vatten Tesen korrgerad enlgt anvsngar under tentamenstllfället. Examnator:
Läs mer732G71 Statistik B. Föreläsning 1, kap Bertil Wegmann. IDA, Linköpings universitet. Bertil Wegmann (IDA, LiU) 732G71, Statistik B 1 / 20
732G71 Statistik B Föreläsning 1, kap. 3.1-3.7 Bertil Wegmann IDA, Linköpings universitet Bertil Wegmann (IDA, LiU) 732G71, Statistik B 1 / 20 Exempel, enkel linjär regressionsanalys Ett företag vill veta
Läs merRegressions- och Tidsserieanalys - F1
Regressions- och Tidsserieanalys - F1 Kap 3: Enkel linjär regression Linda Wänström Linköpings universitet November 4, 2013 Wänström (Linköpings universitet) F1 November 4, 2013 1 / 25 Statistik B, 8 hp
Läs merRegressions- och Tidsserieanalys - F1
Regressions- och Tidsserieanalys - F1 Kap 3: Enkel linjär regression Linda Wänström Linköpings universitet May 4, 2015 Wänström (Linköpings universitet) F1 May 4, 2015 1 / 25 Regressions- och tidsserieanalys,
Läs merStatistik B Regressions- och tidsserieanalys Föreläsning 1
Statistik B Regressions- och tidsserieanalys Föreläsning Kurskod: 732G7, 8 hp Lärare och examinator: Ann-Charlotte (Lotta) Hallberg Lärare och lektionsledare: Isak Hietala Labassistenter Kap 3,-3,6. Läs
Läs merFK2002,FK2004. Föreläsning 5
FK00,FK004 Föreläsnng 5 Föreläsnng 5 Labbrapporter Korrelatoner Dmensonsanalys Denna föreläsnng svarar mot kap. 9 (Taylor) Labbrapporter Feedback+betyg skckas morgon. Några tps ett dagram hjälper alltd
Läs mer10.1 Enkel linjär regression
Exempel: Hur mycket dragkraft behövs för att en halvledare skall lossna från sin sockel vid olika längder på halvledarens ben. De halvledare vi betraktar är av samma storlek (bortsett benlängden). 70 Scatterplot
Läs merMultipel Regressionsmodellen
Multipel Regressionsmodellen Koefficienterna i multipel regression skattas från ett stickprov enligt: Multipel Regressionsmodell med k förklarande variabler: Skattad (predicerad) Värde på y y ˆ = b + b
Läs merFÖRDJUPNINGS-PM. Nr 6. 2010. Kommunalt finansierad sysselsättning och arbetade timmar i privat sektor. Av Jenny von Greiff
FÖRDJUPNINGS-PM Nr 6. 20 Kommunalt fnanserad sysselsättnng och arbetade tmmar prvat sektor Av Jenny von Greff Dnr 13-15- Kommunalt fnanserad sysselsättnng och arbetade tmmar prvat sektor Inlednng Utförsäljnng
Läs merFÖRDJUPNINGS-PM. Nr 6. 2010. Kommunalt finansierad sysselsättning och arbetade timmar i privat sektor. Av Jenny von Greiff
FÖRDJUPNINGS-PM Nr 6. 2010 Kommunalt fnanserad sysselsättnng och arbetade tmmar prvat sektor Av Jenny von Greff Dnr 13-15-10 Kommunalt fnanserad sysselsättnng och arbetade tmmar prvat sektor Inlednng Utförsäljnng
Läs merFöreläsning G70 Statistik A
Föreläsnng -2 732G70 Statstk A Kaptel 2 Populatoner, stckprov och varabler Sd -46 2 Populaton Den samlng enheter (exempelvs ndvder) som v vll dra slutsatser om. Populatonen defneras på logsk väg med utgångspunkt
Läs merDödlighetsundersökningar på KPA:s
Matematsk statstk Stockholms unverstet Dödlghetsundersöknngar på KPA:s bestånd av förmånsbestämda pensoner Sven-Erk Larsson Eamensarbete 6: Postal address: Matematsk statstk Dept. of Mathematcs Stockholms
Läs merModellering av antal resor och destinationsval
UMEÅ UNIVERSITET Statstska nsttutonen C-uppsats, vt- 2005 Handledare: Erlng Lundevaller Modellerng av antal resor och destnatonsval Aron Arvdsson Salh Vošanovć Sammanfattnng V har denna uppsats analyserat
Läs merPrimär- och sekundärdata. Undersökningsmetodik. Olika slag av undersökningar. Beskrivande forts. Beskrivande forts. 2012-11-08
Prmär- och sekundärdata Undersöknngsmetodk Prmärdataundersöknng: användnng av data som samlas n för första gången Sekundärdata: användnng av redan nsamlad data Termeh Shafe ht01 F1-F KD kap 1-3 Olka slag
Läs merRegressions- och Tidsserieanalys - F7
Regressions- och Tidsserieanalys - F7 Tidsserieregression, kap 6.1-6.4 Linda Wänström Linköpings universitet November 25 Wänström (Linköpings universitet) F7 November 25 1 / 28 Tidsserieregressionsanalys
Läs merTentamen i MATEMATISK STATISTIK Datum: 8 Juni 07
Tentamen MATEMATISK STATISTIK Datum: 8 Jun 0 Kurser: MATEMATIK OCH MATEMATISK STATISTIK 6H3000 (TEN2), 6L3000 (TEN2), MATEMATIK2 MED MATEMATISK STATISTIK 6H2208 (TEN2) MATEMATISK STATISTIK 6A2111 (TEN1);
Läs merResidualanalys. Finansiell statistik, vt-05. Normalfördelade? Normalfördelade? För modellen
Residualanalys För modellen Johan Koskinen, Statistiska institutionen, Stockholms universitet Finansiell statistik, vt-5 F7 regressionsanalys antog vi att ε, ε,..., ε är oberoende likafördelade N(,σ Då
Läs mer1. Anpassningstest. Chi-Square test. Multinomial experiment. Multinomial experiment. Vad gör g r ett anpassningstest?
Ch-Square test 1. Anpassnngstest 1. Anpassnngstest (Goodness of Ft). Oberoendetest (Independence Test) uwe.menzel@genpat.uu.se Vad gör g r ett anpassnngstest? Hur bra passar en statsts modell tll observerade
Läs merMatrismodellen vs Two-part regressionsmodeller -effekter på Region Skånes resursfördelning-
Statstska nsttutonen Matrsmodellen vs Two-part regressonsmodeller -effekter på Regon Skånes resursfördelnng- Av: Jennfer Ercsson Uppsats Statstk 15 hp Nvå 61-90 poäng September 2007 Handledare: Mats Hagnell
Läs mer1/23 REGRESSIONSANALYS. Statistiska institutionen, Stockholms universitet
1/23 REGRESSIONSANALYS F4 Linda Wänström Statistiska institutionen, Stockholms universitet 2/23 Multipel regressionsanalys Multipel regressionsanalys kan ses som en utvidgning av enkel linjär regressionsanalys.
Läs merMetod och teori. Statistik för naturvetare Umeå universitet
Statistik för naturvetare -6-8 Metod och teori Uppgift Uppgiften är att undersöka hur hjärtfrekvensen hos en person påverkas av dennes kroppstemperatur. Detta görs genom enkel linjär regression. Låt signifikansnivån
Läs merStokastisk reservsättning med Tweedie-modeller och bootstrap-simulering
Matematsk statstk Stockholms unverstet Stokastsk reservsättnng med Tweede-modeller och bootstrap-smulerng Totte Pkanen Examensarbete 2005:4 Postadress: Matematsk statstk Matematska nsttutonen Stockholms
Läs merStelkroppsdynamik i tre dimensioner Ulf Torkelsson. 1 Tröghetsmoment, rörelsemängdsmoment och kinetisk energi
Föreläsnng 4/10 Stelkroppsdynamk tre dmensoner Ulf Torkelsson 1 Tröghetsmoment, rörelsemängdsmoment och knetsk energ Låt oss beräkna tröghetsmomentet för en goycklg axel som går genom en fx punkt O en
Läs merRegressions- och Tidsserieanalys - F4
Regressions- och Tidsserieanalys - F4 Modellbygge och residualanalys. Kap 5.1-5.4 (t.o.m. halva s 257), ej C-statistic s 23. Linda Wänström Linköpings universitet Wänström (Linköpings universitet) F4 1
Läs merF11. Kvantitativa prognostekniker
F11 Kvantitativa prognostekniker samt repetition av kursen Kvantitativa prognostekniker Vi har gjort flera prognoser under kursen Prognoser baseras på antagandet att historien upprepar sig Trenden följer
Läs merMätfelsbehandling. Medelvärde och standardavvikelse
Mätfelsbehandlng I alla fskalska försök har de värden an erhåller er eller ndre hög noggrannhet. Ibland är osäkerheten en ätnng fullständgt försubar förhållande tll den precson an vll ha. Andra gånger
Läs merKomplettering av felfortplantningsformeln
Kompletterng av felfortplantnngsformeln Varansen och kovaransen Quck Check Eempel med abs. nollpkt. Kompletterng av lnftw funktonen Possonfördelnngen 00-0-0 Fskeperment, 7.5 hp 00-0-0 Fskeperment, 7.5
Läs merFördelning av kvarlåtenskap vid arvsskifte
NATIONALEKONOMISKA INSTITUTIONEN Uppsala unverstet Magsteruppsats Författare: Lars Björn Handledare: Henry Ohlsson HT 2008 Fördelnng av kvarlåtenskap vd arvsskfte En analys av ntergeneratonella fnansella
Läs mer732G70 Statistik A. Föreläsningsunderlag skapad av Karl Wahlin Föreläsningsslides uppdaterade av Bertil Wegmann
732G70 Statstk A Föreläsnngsunderlag skapad av Karl Wahln Föreläsnngssldes uppdaterade av Bertl Wegmann Insttutonen för datavetenskap (IDA) Lnköpngs unverstet vt 2016 Kaptel 2 Populatoner, stckprov och
Läs merKomplettering: 9 poäng på tentamen ger rätt till komplettering (betyg Fx).
TENTAMEN 9 jan 01, HF1006 och HF1008 Moment: TEN1 (Lnjär algebra), hp, skrftlg tentamen Kurser: Analys och lnjär algebra, HF1008, Lnjär algebra och analys HF1006 Klasser: TIELA1, TIMEL1, TIDAA1 Td: 115-1715,
Läs merArbetslivsinriktad rehabilitering för sjukskrivna arbetslösa funkar det?
NATIONALEKONOMISKA INSTITUTIONEN Uppsala Unverstet Uppsats fortsättnngskurs C Författare: Johan Bjerkesjö och Martn Nlsson Handledare: Patrk Hesselus Termn och år: HT 2005 Arbetslvsnrktad rehablterng för
Läs merPostadress: Internet: Matematisk statistik Matematiska institutionen Stockholms universitet 106 91 Stockholm Sverige
"!# " $ % &('*),+.-0/0%'&%3)5476 8 &(' 9;: +@),>BA % &C6D% &E>>):D4 F GIHJGLKMONQPRKTSVUXW Y[Z]\8 &4^>_\0%"à&b+ & c
Läs merBeräkna standardavvikelser för efterfrågevariationer
Handbok materalstyrnng - Del B Parametrar och varabler B 41 Beräkna standardavvkelser för efterfrågevaratoner och prognosfel En standardavvkelse är ett sprdnngsmått som anger hur mycket en storhet varerar.
Läs merInnehåll: har missbrukat jämfört med om man inte har. missbrukat. Risk 1 Odds Risk. Odds 1 Risk. Odds
22 5 Innehåll:. Rsk & Odds. Rsk Rato.2 Odds Rato 2. Logstsk Regresson 2. Ln Odds 2.2 SPSS Output 2.3 Estmerng (ML) 2.4 Multpel 3. Survval Analys 3. vs. Logstsk 3.2 Censurerade data 3.3 Data, SPSS 3.4 Parametrskt
Läs merUtbildningsavkastning i Sverige
NATIONALEKONOMISKA INSTITUTIONEN Uppsala Unverstet Examensarbete D Författare: Markus Barth Handledare: Bertl Holmlund Vårtermnen 2006 Utbldnngsavkastnng Sverge Sammandrag I denna uppsats kommer två olka
Läs merSkrivning i ekonometri torsdagen den 8 februari 2007
LUNDS UNIVERSITET STATISTISKA INSTITUTIONEN MATS HAGNELL STA2:3 Skrivning i ekonometri torsdagen den 8 februari 27. Vi vill undersöka hur variationen i lön för 2 belgiska löntagare = WAGE (timlön i euro)
Läs merIntroduktionsersättning eller socialbidraghar ersättningsregim betydelse för integrationen av flyktingar? 1
UPPSALA UNIVERSITET Natonalekonomska Insttutonen Examensarbete D-uppsats, Ht-2005 Introduktonsersättnng eller socalbdraghar ersättnngsregm betydelse för ntegratonen av flyktngar? 1 Författare: Henrk Nlsson
Läs merExaminationsuppgifter del 2
UMEÅ UNIVERSITET Institutionen för Matematik och Matematisk statistisk Statistik för ingenjörer, poäng, Anders Lundquist 7-- Examinationsuppgifter del Redovisas muntligt den / (Ö-vik) samt / (Lycksele).
Läs merFöreläsning 8. NDAB02 Statistik; teori och tillämpning i biologi
Föreläsning 8 Statistik; teori och tillämpning i biologi 1 Dagens föreläsning o Enkel linjär regression (kap 17.1 17.5) o Skatta regressionslinje (kap 17.2) o Signifikant lutning? (kap 17.3, 17.5a) o Förklaringsgrad
Läs merStresstest för försäkrings- och driftskostnadsrisker inom skadeförsäkring
PROMEMORIA Datum 01-06-5 Fnansnspektonen Författare Bengt von Bahr, Younes Elonq och Erk Elvers Box 6750 SE-113 85 Stockholm [Sveavägen 167] Tel +46 8 787 80 00 Fax +46 8 4 13 35 fnansnspektonen@f.se www.f.se
Läs merTENTAMEN I MATEMATISK STATISTIK
UMEÅ UNIVERSITET Institutionen för matematisk statistik Regressions- och variansanalys, 5 poäng MSTA35 Leif Nilsson TENTAMEN 2003-01-10 TENTAMEN I MATEMATISK STATISTIK Regressions- och variansanalys, 5
Läs merFlerfaktorförsök. Blockförsök, randomiserade block. Modell: yij i bj eij. Förutsättningar:
Flerfaktorförsök Blockförsök, randomiserade block Modell: yij i bj eij i 1,,, a j 1,,, b y ij vara en observation för den i:te behandlingen och det j:e blocket gemensamma medelvärdet ( grand mean ) effekt
Läs merSammanfattning. Härledning av LM - kurvan. Efterfrågan, Z. Produktion, Y. M s. M d inkomst = Y >Y. M d inkomst = Y
F12: sd. 1 Föreläsnng 12 Sammanfattnng V har studerat ekonomn påp olka skt, eller mer exakt, under olka antaganden om vad som kan ändra sg. 1. IS-LM, Mundell Flemmng. Prser är r konstanta, växelkurs v
Läs merLÖSNINGSFÖRSLAG TILL TENTAMEN I MATEMATISK STATISTIK 2007-08-29
UMEÅ UNIVERSITET Institutionen för matematik och matematisk statistik Statistik för Teknologer, 5 poäng (TNK, ET, BTG) Peter Anton, Per Arnqvist Anton Grafström TENTAMEN 7-8-9 LÖSNINGSFÖRSLAG TILL TENTAMEN
Läs merFörklaring:
rmn Hallovc: EXTR ÖVNINR ETIND SNNOLIKHET TOTL SNNOLIKHET OEROENDE HÄNDELSER ETIND SNNOLIKHET Defnton ntag att 0 Sannolkheten för om har nträffat betecknas, kallas den betngade sannolkheten och beräknas
Läs merStresstest för försäkrings- och driftskostnadsrisker inom skadeförsäkring
PROMEMORIA Datum 007-1-18 FI Dnr 07-1171-30 Fnansnspektonen Författare Bengt von Bahr, Younes Elonq och Erk Elvers P.O. Box 6750 SE-113 85 Stockholm [Sveavägen 167] Tel +46 8 787 80 00 Fax +46 8 4 13 35
Läs mer2B1115 Ingenjörsmetodik för IT och ME, HT 2004 Omtentamen Måndagen den 23:e aug, 2005, kl. 9:00-14:00
(4) B Ingenjörsmetodk för IT och ME, HT 004 Omtentamen Måndagen den :e aug, 00, kl. 9:00-4:00 Namn: Personnummer: Skrv tydlgt! Skrv namn och personnummer på alla nlämnade papper! Ma ett tal per papper.
Läs merPerson Antal månader som utrustningen ägts. Antal timmar utrustningen användes föregående vecka.
y Uppgift 1 (18p) I syfte för att se om antalet månader som man ägt en viss träningsutrustning påverkar träningsintensiteten har tio personer som har köpt träningsutrustningen fått ange hur många månader
Läs merFörstärkare Ingångsresistans Utgångsresistans Spänningsförstärkare, v v Transadmittansförstärkare, i v Transimpedansförstärkare, v i
Elektronk för D Bertl Larsson 2013-04-23 Sammanfattnng föreläsnng 15 Mål Få en förståelse för förstärkare på ett generellt plan. Kunna beskrva olka typer av förstärkare och krav på dessa. Kunna förstå
Läs merRegressions- och Tidsserieanalys - F3
Regressions- och Tidsserieanalys - F3 Multipel regressionsanalys kap 4.8-4.10 Linda Wänström Linköpings universitet 7 maj Wänström (Linköpings universitet) F3 7 maj 1 / 26 Lite som vi inte hann med när
Läs mersaknar reella lösningar. Om vi försöker formellt lösa ekvationen x 1 skriver vi x 1
Armn Hallovc: EXTRA ÖVNINGAR KOMPLEXA TAL Inlednng Ekvatonen x 1 har två reella lösnngar, x 1, dvs x 1, medan ekvatonen x 1 saknar reella lösnngar Om v försöker formellt lösa ekvatonen x 1 skrver v x 1
Läs merUndersökning av vissa försäkringsantaganden i efterlevandepension för anställda i kommuner och landstinget och dess påverkan på prissättningen
Matematsk statstk Stockholms unverstet Undersöknng av vssa försäkrngsantaganden efterlevandepenson för anställda kommuner och landstnget och dess påverkan på prssättnngen Ilkay Gölcük Eamensarbete 7:5
Läs merEffekter av kön, ålder och region på sjukpenningen i Sverige
Lunds unverstet Statstska nsttutonen Effekter av kön, ålder och regon på sjukpennngen Sverge -en varansanalys Rkke Berner Uppsats statstk 0 poäng Nvå 6-80 poäng Oktober 006 Handledare: Mats Hagnell Abstract
Läs merUtbildningsdepartementet Stockholm 1 (6) Dnr 2013:5253
Skolnspektonen Utbldnngsdepartementet 2013-11-06 103 33 Stockholm 1 (6) Yttrande över betänkandet Kommunal vuxenutbldnng på grundläggande nvå - en översyn för ökad ndvdanpassnng och effektvtet (SOU 2013:20)
Läs mer732G71 Statistik B. Föreläsning 7. Bertil Wegmann. IDA, Linköpings universitet. Bertil Wegmann (IDA, LiU) 732G71, Statistik B 1 / 29
732G71 Statistik B Föreläsning 7 Bertil Wegmann IDA, Linköpings universitet Bertil Wegmann (IDA, LiU) 732G71, Statistik B 1 / 29 Detaljhandelns försäljning (fasta priser, kalenderkorrigerat) Bertil Wegmann
Läs mera) Bedöm om villkoren för enkel linjär regression tycks vara uppfyllda! b) Pröva om regressionkoefficienten kan anses vara 1!
LUNDS UNIVERSITET STATISTISKA INSTITUTIONEN MATS HAGNELL STA1:3 Skrivning i ekonometri tisdagen den 1 juni 4 1. Vi vill undersöka hur variationen i brottsligheten i USA:s delstater år 196 = R (i antal
Läs mer732G71 Statistik B. Föreläsning 4. Bertil Wegmann. November 11, IDA, Linköpings universitet
732G71 Statistik B Föreläsning 4 Bertil Wegmann IDA, Linköpings universitet November 11, 2016 Bertil Wegmann (IDA, LiU) 732G71, Statistik B November 11, 2016 1 / 34 Kap. 5.1, korrelationsmatris En korrelationsmatris
Läs merExempel 1 på multipelregression
Exempel på multipelregression Hastighet = högsta hastighet som uppnåtts fram till givna år (årtal) Årtal Hastighet 83 3 (tåg) 9 3 (tåg) 93 (flyg) 97 7 (flyg) 9 (flyg) 99 (raket) Fitted Line Plot Hastighet
Läs merKVALITETSDEKLARATION
2019-06-17 1 (8) KVALITETSDEKLARATION Statstk om kommunal famlerådgvnng 2018 Ämnesområde Socaltänst Statstkområde Famlerådgvnng Produktkod SO0206 Referenstd År 2018 2019-06-17 2 (8) Statstkens kvaltet...
Läs merSkriftlig Tentamen i Finansiell Statistik Grundnivå 7.5 hp, HT2012
Statistiska Institutionen Patrik Zetterberg Skriftlig Tentamen i Finansiell Statistik Grundnivå 7.5 hp, HT2012 2013-01-18 Skrivtid: 9.00-14.00 Hjälpmedel: Godkänd miniräknare utan lagrade formler eller
Läs merRinganalys VTI notat VTI notat Analys av bindemedel
VTI notat 4 004 Rnganalys 00 Analys av bndemedel Författare Lef Vman FoU-enhet Väg- och banteknk Projektnummer 601 Projektnamn Rnganalyser Uppdragsgvare FAS Metodgrupp Förord Rnganalysen har utförts av
Läs merAtt identifiera systemviktiga banker i Sverige vad kan kvantitativa indikatorer visa oss?
Att dentfera systemvktga banker Sverge vad kan kvanttatva ndkatorer vsa oss? Elas Bengtsson, Ulf Holmberg och Krstan Jönsson* Författarna är verksamma vd Rksbankens avdelnng för fnansell stabltet. Elas
Läs merEn scatterplot gjordes, och linjär regression utfördes därefter med följande hypoteser:
1 Uppgiftsbeskrivning Syftet med denna laboration var att utifrån uppmätt data avgöra: (i) Om något samband finnes mellan kroppstemperatur och hjärtfrekvens. (ii) Om någon signifikant skillnad i sockerhalt
Läs merLösningsförslag till tentamen i 732G71 Statistik B, 2009-12-04
Prs Lösgsförslag tll tetame 73G7 Statstk B, 009--04. a) 340 30 300 80 60 40 0 0.5.0.5.0 Avståd.5 3.0 3.5 b) r y y y y 4985.75 7.7 830 0 39.335 7.7 0 80300-830 0 3.35 0.085 74.475 c) b y y 4985.75 7.7 830
Läs merBilligaste väg: Matematisk modell i vektor/matrisform. Billigaste väg: Matematisk modell i vektor/matrisform
Vägar: Bllgaste väg Bllgaste väg s t Indata: Rktad graf med bågkostnader c, start/slutnod s, t. Bllgaste väg-problemet: Fnn en väg från s tll t med mnmal kostnad. Kostnaden för en väg är summan av kostnaderna
Läs mer2. Lära sig skatta en multipel linjär regressionsmodell samt plotta variablerna. 4. Lära sig skatta en linjär regressionsmodell med interaktionstermer
Datorövning 2 Regressions- och tidsserieanalys Syfte 1. Lära sig skapa en korrelationsmatris 2. Lära sig skatta en multipel linjär regressionsmodell samt plotta variablerna mot varandra 3. Lära sig beräkna
Läs merEnkel linjär regression. Enkel linjär regression. Enkel linjär regression
Enkel linjär regression Exempel.7 i boken (sida 31). Hur mycket dragkraft behövs för att en halvledare skall lossna från sin sockel vid olika längder på halvledarens ben och höjder på sockeln. De halvledare
Läs mer6.2 Transitionselement
-- FEM för Ingenjörstllämpnngar, SE5 rshen@kth.se 6. Transtonselement Den här tpen av element används för förbnda ett lnjärt och ett kvadratskt element. Gvet: Sökt: Bestäm formfunktonen för nod. Vsa att
Läs merEnvägs variansanalys (ANOVA) för test av olika väntevärde i flera grupper
Envägs variansanalys (ANOVA) för test av olika väntevärde i flera grupper Tobias Abenius February 21, 2012 Envägs variansanalys (ANOVA) I envägs variansanalys utnyttjas att
Läs merGymnasial yrkesutbildning 2015
Statstska centralbyrån STATISTIKENS FRAMTAGNING UF0548 Avdelnngen för befolknng och välfärd SCBDOK 1(22) Enheten för statstk om utbldnng och arbete 2016-03-11 Mattas Frtz Gymnasal yrkesutbldnng 2015 UF0548
Läs merTentamen i Tillämpad matematisk statistik för MI3 och EPI2 den 15 december 2010
Tentamen Tllämpad matematsk statstk för MI och EPI den december Uppgft : Ett företag som tllverkar batterer av en vss typ har tllverknng förlagd tll två olka fabrker. Fabrk A står för 7% av tllverknngen
Läs merBeställningsintervall i periodbeställningssystem
Handbok materalstyrnng - Del D Bestämnng av orderkvantteter D 41 Beställnngsntervall perodbeställnngssystem Ett perodbeställnngssystem är ett med beställnngspunktssystem besläktat system för materalstyrnng.
Läs merPartikeldynamik. Fjädervåg. Balansvåg. Dynamik är läran om rörelsers orsak.
Dynamk är läran om rörelsers orsak. Partkeldynamk En partkel är en kropp där utsträcknngen saknar betydelse för dess rörelse. Den kan betraktas som en punktmassa utan rotaton. Massa kan defneras på två
Läs mer7.5 Experiment with a single factor having more than two levels
7.5 Experiment with a single factor having more than two levels Exempel: Antag att vi vill jämföra dragstyrkan i en syntetisk fiber som blandats ut med bomull. Man vet att inblandningen påverkar dragstyrkan
Läs merSkrivning i ekonometri lördagen den 29 mars 2008
LUNDS UNIVERSITET STATISTISKA INSTITUTIONEN MATS HAGNELL STAB, Ekonometri Skrivning i ekonometri lördagen den 9 mars 8.Vi vill undersöka hur variationen i antal arbetande timmar för gifta kvinnor i Michigan
Läs merFöreläsning G60 Statistiska metoder
Föreläsning 9 Statistiska metoder 1 Dagens föreläsning o Regression Regressionsmodell Signifikant lutning? Prognoser Konfidensintervall Prediktionsintervall Tolka Minitab-utskrifter o Sammanfattning Exempel
Läs merKlarar hedgefonder att skapa positiv avkastning oavsett börsutveckling? En empirisk studie av ett urval svenska hedgefonder
NATIONALEKONOMISKA INSTITUTIONEN Uppsala unverstet Examensarbete C Författare: Sara Engvall och Matylda Hussn Handledare: Martn Holmén Hösttermnen 2006 Klarar hedgefonder att skapa postv avkastnng oavsett
Läs merTentamen (TEN2) Maskininlärning (ML) 5hp 21IS1C Systemarkitekturutbildningen. Tentamenskod: Inga hjälpmedel är tillåtna
Intellgenta och lärande system 15 högskolepoäng Provmoment: Ladokkod: Tentamen ges för: Tentamen (TEN2) Masknnlärnng (ML) 5hp 21IS1C Systemarktekturutbldnngen Tentamenskod: Tentamensdatum: 2017-03-24 Td:
Läs mer2 Jämvikt. snitt. R f. R n. Yttre krafter. Inre krafter. F =mg. F =mg
Jämvkt Jämvkt. Inlednng I detta kaptel skall v studera jämvkten för s.k. materella sstem. I ett materellt sstem kan varje del, partkel eller materalpunkt beskrvas med hjälp av dess koordnater. Koordnatsstemet
Läs mer