LABORATION 3 - Regressionsanalys
|
|
- Martin Isaksson
- för 5 år sedan
- Visningar:
Transkript
1 Institutionen för teknikvetenskap och matematik S0001M Matematisk statistik LABORATION 3 - Regressionsanalys I denna laboration ska du lösa ett antal uppgifter i regressionsanalys med hjälp av statistik-programmet MINITAB. Förutom att ge träning i att lösa problem inom regressionsanalysen syftar laborationen till att ge träning i att tillämpa standardprogramvara i statistik. Litteratur: Vännman, Kompendium i regressionsanalys. Handledning för MINITAB. Lämna in fullständiga och läsliga lösningar på uppgifterna. Tolkningar och slutsatser ska tydligt motiveras. MINITAB-utskrifterna kan lämnas in som bilagor eller inklippta i texten om ni skriver i Word. Varje uppgift ska innehålla fullständiga modellantaganden. Ett tips är att på varje uppgift först skriva ner modellantagandet. Det blir då ofta enklare att tolka de kvantiteter som efterfrågas. Laborationsredogörelsen av Lab 3 granskas av en annan laborationsgrupp vid KGB-3. Laborationsredogörelsen för hela laborationen (del 1 och del 2) lämnas in via Canvas senast senast den 24 oktober. Tänk på att vid redovisningen göra en snygg, överskådlig och läslig redogörelse. definiera alla införda beteckningar i uppgifterna. ange fullständiga modellantaganden för varje regressionsanalys.
2 En översikt av Laboration 3 Det problem som Lab 3 behandlar kan beskrivas på följande sätt: En person som vi kan kalla Anna har efter en tids letande hittat en lägenhet i en stad. Lägenheten är en 2:a med balkong på 48 kvm på 3 tr och månadsavgiften är 1776 kr, och hon undrar nu vad den kommer att kosta. Hon vill ha ett intervall där priset hamnar med 95 % säkerhet. För att beräkna detta intervall måste man först ha en stokastisk modell. Man skulle så klart kunna tänka sig mer avancerade modeller, men som första approximation kan man prova en modell där Y =pris i genomsnitt beror linjärt på variabler som X 1 =yta i kvm eller X 2 =avgift i kr. Med andra ord, en linjär regressionsmodell. Vi vill endast ha med de variabler i modellen som verkligen har en effekt på priset. För om vi tar med onödiga variabler så kommer det att orsaka brus i modellen och det blir svårare att göra en bra prognos av priset. Inför första delen Den första delen av laboration 3 bygger på Lektion 17 och 18. Den första uppgiften (på denna första del) består i att jämföra två linjära regressionsmodeller för priset: en där ytan är förklarande variabel, och en där månagsavgiften är förklarande variabel. Tänket här är detsamma som på Lektion 17 och resten regressionsanalysdelen av kursen: Måtten residualspridning och förklaringsgrad används för att jämföra rimliga modeller. För att avgöra om en modell är rimlig görs en residualanalys, dvs residualerna studeras i residualplottar. 2 (6)
3 Första delen Enkel linjär regression I filen priserbostad.mtw i Canvas hittar du uppgifter om 31 stycken nyligen sålda lägenheter i staden. Du skall här studera hur Y =pris (i kkr) beror av variablerna yta (i kvm) och avgift (kr/månad). Kom ihåg att vid val av regressionsmodell så kan måtten förklaringsgrad och residualspridning användas för att välja mellan rimliga modeller. För att avgöra om en modell är rimlig, dvs hur väl modellen beskriver det vi studerar, så analyserar vi residualer. (a) Studera hur Y =pris beror av X = yta. Anser du att denna regressionsmodell är en tänkbar modell för att beskiva priset för en bostad i Storstad? Om inte, vad i modellen är fel? Tips: Vid residualanalys bör du ta med följande plotter: plot av residualerna i normalfördelningsdiagram (dvs normalfördelningsplot), samt plot av residualerna mot den förklarande variabeln. Om du vill kan du även ta med plot mot predikterat y-värde (FITS). För att kunna göra en bra normalfördelningsplot behöver man spara residualerna (välj storage och klicka i residuals eller standardized residuals) och sedan beställa en normalfördelningsplot som på Lab 2 (via menyn Graph). (b) Studera hur Y =pris beror av X = avgift. Anser du att denna regressionsmodell är en tänkbar modell för att beskiva priset för en bostad i Storstad? Om inte, vad i modellen är fel? (c) Ange fullständigt modellantagande för den av modellerna i (a) och (b) som du tycker är bäst för att beskriva priset för en bostad i Storstad. (Här ska du antingen välja modellen där ytan är förklarande variabel eller modellen där avgiften är förklarande variabel.) Motivera ditt val. (d) Utgå från modellen i (c). Kan man påstå att den förklarande variabeln påverkar priset? Besvara frågan med hjälp av ett lämpligt test på 5% signifikans-nivå. I redogörelsen ska hypoteser, testvariabel och beslutsregel framgå tydligt. (e) Utgå från modellen som du kom fram till i (c). Bestäm ett 95% konfidensintervall för effekten av den förklarande varabeln. Bestäm ett 95 % konfidensintervall för förväntat Y -värde (dvs pris) för lägenheter på 48 kvm (om du valt yta som förklarande variabel) eller som har en avgift på 1776 kr (om du valt avgift). Bestäm också ett 95 % prognosintervall för pris för en lägenhet på 48 kvm eller (om du valt avgift) som har en avgift på 1776 kr. Tolka vart och ett av de tre intervallen i ord. Kommentar: Konfidensintervall för förväntad Y -värde samt prognosintervall får du fram med hjälp av kommandot Stat/Regression /Regression/ Predict. 3 (6)
4 Inför andra delen Den andra delen av laboration 3 bygger på Lektion och den första delen av laboration 3. Målet här är att försöka välja ut faktorer som påverkar en bostads pris så att man på ett så effektivt sätt som möjligt kan prediktera priset för bostaden i fråga. Tillvägagångssättet liknar det som användes på föregående lektioner: För att avgöra om en modell är rimlig görs en residualanalys, dvs residualerna studeras i residualplottar. (I fallet då vi endast hade en variabel kunda man ofta direkt se om ett linjärt samband förelåg mha en fitted line plot. Så är inte fallet då vi har många variabler.) En viktig skillnad är att då vi jämför modeller som har olika antal förklarande variabler (dvs X-variabler) så skall måttet justerad förklaringsgrad användas istället för förklaringsgrad. Detta eftersom förklaringsgraden ökar även om man lägger till helt irrelevanta (t.ex. helt slumpmässiga) variabler. Se sidan 23 i Regressionskompendiet. 4 (6)
5 Andra delen multipel linjär regression Den andra delen av Lab 3 är en fortsättning på uppgift 1 på den första delen, som handlade om prediktering av en bostads pris. Du ska här fortsatt använda datamaterialet i priserbostad.mtw. På del 1 kom du valda du en modell där antingen yta eller avgift var förklarande variabel. Du ska nedan studera hur priset påverkas av ytan då hänsyn tas till om lägenheten har balkong. Dvs du ska utgå från en modell där X 1 =yta. Uppgift 1 Betrakta återigen problemet med att beskriva hur en lägenhets pris beror på ytan (se Uppgift 1 (a) på den första delen). Du ska nu studera hur priset påverkas av ytan då hänsyn tas till om lägenheten har balkong. (a) Bilda först en dummyvariabel som tar hänsyn till om lägenheten har balkong i din Minitabfil. Gör sedan en multipel linjär regressionsanalys med både yta och dummyvariabeln som förklarande variabler. Dvs din modell ska ha två X-variabler: yta och balkong, där balkong är en variabel som har värdet 0 eller värdet 1. Du behöver själv definiera dummyvariabeln. Ange fullständigt modellantagande. Ange även den skattade regressionsmodellen, residualspridningen samt förklaringsgraden. Gör en residualanalys med följande residualplotter (se avsnitt 10 i Regressionskompendiet): 1. normalfördelnings-diagram, 2. plot av residualerna mot predikterade y-värden (fits) och 3. mot dom två förklarande variablerna. Verkar modellantagandet vara uppfyllt? Kan man påstå att priset för en lägehet påverkas av om lägenheten har balkong? Besvara frågan med hjälp av ett test på 5 % signifikansnivå. Anser du att modellen från del 1 har förbättrats genom att dummyvariabeln införts? Motivera ditt svar genom att jämföra med Uppgift 1 (a) på den första delen av Lab 3. (b) Utgå från modellen i (a). Vilken effekt på priset har ytan då hänsyn tas till om lägenheten har balkong? Vilken effekt på priset ger en balkong? Besvara de två frågorna genom att beräkna och i ord tolka två lämpliga 95 % konfidensintervall. (c) Du ska nu undersöka om effekten av balkong beror på lägenhetens storlek. För att göra det så ska produkten av yta och dummyvariabeln införas som ny förklarande variabel i modellen, dvs en samspelsterm ska läggas till modellen i (a). Se Avsnitt 13 i kompendiet, sidan Ange fullständigt modellantagande för den utökade modellen. 5 (6)
6 Uppgift 2 Kan man påstå att effekten av balkong beror på lägenhetens storlek? Besvara frågan ovan genom att genomföra ett lämpligt test på 5 % signifikansnivå. Hypoteser, testvariabel, beslutsregel och slutsats skall tydligt framgå för testet. Tips: Sätt först X 2 = 0 och sedan X 2 = 1 i modellantagandet (där X 2 betecknar balkong). Då får du de två linjer som beskrivs på sidan 34 i kompendiet. Rita dessa två linjer på ett papper där du har yta på x-axeln och pris på y-axeln. Dessa ska du inte ha med i rapporten. Det vertikala avståndet mellan linjerna ger efftekten av balkong. Att den effekten inte beror på ytan är samma sak som att linjerna har samma lutningar, vilket är samma sak som att β 3 = 0. Du ska nu se om det går att hitta en bättre modell för bostadspriser genom att inkludera fler förklarande variabler. Den metod som du ska använda är s.k. backward elimination. Det går till så att man börjar med en modell med många variabler och sedan successivt tar bort variabler som inte har signfikant effekt på någon given signifikansnivå α. Se Avsnitt 14 i regressionskompendiet. Här ska du tillämpa metoden med α = Börja med en modell som förutom tex variablerna yta, rum, avgift, balkong, våning även innehåller en eller flera samspelstermer. För att avgöra mellan vilka par av ett samspel kan förekomma så kan man fundera på om man tror att effekten av den ena varibeln beror på vilket värde man har på den andra variabeln. (a) Vilken modell skulle du välja för att beskriva lägenhetspriser i Storstad? Ange fullständigt modellantagande för den modell du kommer fram till. Kommentar: Valet av modell blir delvis bli subjektivt. Det viktiga är att du förklarar hur du gjort. (b) Anna har hittat en 2:a med balkong på 48 kvm på 3 tr och månadsavgiften 1776 kr. Hur mycket kommer den att kosta med 95 % säkerhet? Utgå från den modell du kom fram till i (a) och besvara frågan genom att ange och i ord tolka ett lämpligt intervall. 6 (6)
LABORATION 3 - Regressionsanalys
Institutionen för teknikvetenskap och matematik S0001M Matematisk statistik, LP1, HT 2015, Adam Jonsson LABORATION 3 - Regressionsanalys I denna laboration ska du lösa ett antal uppgifter i enkel regressionsanalys
Läs merTVM-Matematik Adam Jonsson
TVM-Matematik Adam Jonsson 014-1-09 LABORATION 3 I MATEMATISK STATISTIK, S0001M REGRESSIONSANALYS I denna laboration ska du lösa ett antal uppgifter i regressionsanalys med hjälp av statistikprogrammet
Läs mertentaplugg.nu av studenter för studenter
tentaplugg.nu av studenter för studenter Kurskod Kursnamn SM Matematisk statistik Datum LP - Material Laboration 4 Kursexaminator Adam Betygsgränser Tentamenspoäng Övrig kommentar Försättsblad inlämningsuppgift
Läs mertentaplugg.nu av studenter för studenter
tentaplugg.nu av studenter för studenter Kurskod Kursnamn SM Matematisk statistik Datum LP - Material Laboration Kursexaminator Adam Betygsgränser Tentamenspoäng Övrig kommentar Försättsblad inlämningsuppgift
Läs merInstitutionen för teknikvetenskap och matematik, S0001M LABORATION 2
Institutionen för teknikvetenskap och matematik, S0001M LABORATION 2 Laborationen avser att illustrera användandet av normalfördelningsdiagram, konfidensintervall vid jämförelser samt teckentest. En viktig
Läs merMatematisk statistik, Föreläsning 5
Matematisk statistik, Föreläsning 5 Ove Edlund LTU 2011-12-09 Ove Edlund (LTU) Matematisk statistik, Föreläsning 5 2011-12-09 1 / 25 Laboration 4 Jobba i grupper med storlek 2 Ove Edlund (LTU) Matematisk
Läs merTentamen i Matematisk statistik Kurskod S0001M
Tentamen i Matematisk statistik Kurskod S0001M Poäng totalt för del 1: 25 (8 uppgifter) Tentamensdatum 2011-03-25 Poäng totalt för del 2: 30 (3 uppgifter) Skrivtid 09.00 14.00 Lärare: Adam Jonsson, Erland
Läs merTentamen i Matematisk statistik Kurskod S0001M
Tentamen i Matematisk statistik Kurskod S0001M Poäng totalt för del 1: 25 (10 uppgifter) Tentamensdatum 2016-06-03 Poäng totalt för del 2: 30 (3 uppgifter) Skrivtid 9.00 14.00 Lärare: Adam Jonsson Jourhavande
Läs merLaboration 2: Normalfo rdelning, regressionsanalys och korstabeller
S0004M Statistik 1 Undersökningsmetodik. Laboration 2: Normalfo rdelning, regressionsanalys och korstabeller Till denna laboration ska det angivna datamaterialet användas och bearbetas med den statistiska
Läs merMatematikcentrum 1(4) Matematisk Statistik Lunds Universitet MASB11 HT10. Laboration. Regressionsanalys (Sambandsanalys)
Matematikcentrum 1(4) Matematisk Statistik Lunds Universitet MASB11 HT10 Laboration Regressionsanalys (Sambandsanalys) Grupp A: 2010-11-24, 13.15 15.00 Grupp B: 2010-11-24, 15.15 17.00 Grupp C: 2010-11-25,
Läs merGör uppgift 6.10 i arbetsmaterialet (ingår på övningen 16 maj). För 10 torskar har vi värden på variablerna Längd (cm) och Ålder (år).
Matematikcentrum Matematisk statistik MASB11: BIOSTATISTISK GRUNDKURS DATORLABORATION 4, 21 MAJ 2018 REGRESSION OCH FORTSÄTTNING PÅ MINIPROJEKT II Syfte Syftet med dagens laboration är att du ska bekanta
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 merTentamen i Matematisk statistik Kurskod S0001M
Tentamen i Matematisk statistik Kurskod S0001M Poäng totalt för del 1: 25 (10 uppgifter) Tentamensdatum 2012-10-30 Poäng totalt för del 2: 30 (3 uppgifter) Skrivtid 09.00 14.00 Lärare: Adam Jonsson och
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 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 merKursboken Vännman: Matematisk statistik Kompletterande kursmaterial till kursen Matematisk statistik (formelblad och kompendiet Regressionsanalys.
Tentamen i Matematisk statistik Ämneskod-linje S0001M Poäng totalt för del 1 5 (8 uppgifter) Poäng totalt för del 0 ( uppgifter) Tentamensdatum 009-10-6 Adam Jonsson Lärare: Lennart Karlberg Robert Lundqvist
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 merLaboration 5: Regressionsanalys. 1 Förberedelseuppgifter. 2 Enkel linjär regression DATORLABORATION 5 MATEMATISK STATISTIK FÖR I, FMS 012, HT-08
LUNDS TEKNISKA HÖGSKOLA MATEMATIKCENTRUM MATEMATISK STATISTIK Laboration 5: Regressionsanalys DATORLABORATION 5 MATEMATISK STATISTIK FÖR I, FMS 012, HT-08 Syftet med den här laborationen är att du skall
Läs merTentamen i Matematisk statistik Ämneskod-linje S0001M. Tentamensdatum Poäng totalt för del 2 30 (3 uppgifter) Skrivtid
Tentamen i Matematisk statistik Ämneskod-linje S0001M Poäng totalt för del 1 5 (8 uppgifter) Poäng totalt för del 30 (3 uppgifter) Tentamensdatum 010-03-6 Erland Gadde Lärare: Adam Jonsson Lennart Karlberg
Läs merLäs noggrant informationen nedan innan du börjar skriva tentamen
Tentamen i Statistik 1: Undersökningsmetodik Ämneskod S0006M Totala antalet uppgifter: Totala antalet poäng Lärare: 5 25 Mykola Shykula, Inge Söderkvist, Ove Edlund, Niklas Grip Tentamensdatum 2014-03-26
Läs merTentamen i Matematisk statistik Kurskod S0001M
Tentamen i Matematisk statistik Kurskod S0001M Poäng totalt för del 1: 25 (10 uppgifter) Tentamensdatum 2013-03-28 Poäng totalt för del 2: 30 (3 uppgifter) Skrivtid 09.00 14.00 Lärare: Adam Jonsson Jourhavande
Läs merTentamen i Matematisk statistik Ämneskod-linje S0001M. Tentamensdatum Poäng totalt för del 2 30 (3 uppgifter) Skrivtid
Tentamen i Matematisk statistik Ämneskod-linje S000M Poäng totalt för del 25 (8 uppgifter) Poäng totalt för del 2 30 (3 uppgifter) Tentamensdatum 2009-06-02 Kerstin Vännman Lärare: Ove Edlund Hans Johansson
Läs merLaboration 4 R-versionen
Matematikcentrum 1(5) Matematisk Statistik Lunds Universitet MASB11 VT13, lp3 Laboration 4 R-versionen Regressionsanalys 2013-03-07 Syftet med laborationen är att vi skall bekanta oss med lite av de funktioner
Läs merTentamen i Matematisk statistik Kurskod S0001M
Tentamen i Matematisk statistik Kurskod S0001M Poäng totalt för del 1: 25 (10 uppgifter) Tentamensdatum 2018-10-30 Poäng totalt för del 2: 30 (3 uppgifter) Skrivtid 9.00 14.00 Lärare: Adam Jonsson och
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 merDatorövning 1 Enkel linjär regressionsanalys
Datorövning 1 Enkel linjär regressionsanalys Datorövningen utförs i grupper om två personer. I denna datorövning skall ni använda Excel och Minitab för att 1. få en visuell uppfattning om vad ett regressionssamband
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 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 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 merMatematisk statistik kompletterande projekt, FMSF25 Övning om regression
Lunds tekniska högskola, Matematikcentrum, Matematisk statistik Matematisk statistik kompletterande projekt, FMSF Övning om regression Denna övningslapp behandlar regression och är tänkt som förberedelse
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 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 merTentamen i Matematisk statistik Kurskod S0001M
Tentamen i Matematisk statistik Kurskod S0001M Poäng totalt för del 1: 25 (7 uppgifter) Tentamensdatum 2011-01-14 Poäng totalt för del 2: 30 (3 uppgifter) Skrivtid 09.00 14.00 Lärare: Adam Jonsson och
Läs merTentamen i Matematisk statistik Kurskod S0001M
Tentamen i Matematisk statistik Kurskod S0001M Poäng totalt för del 1: 25 (10 uppgifter) Tentamensdatum 2015-01-16 Poäng totalt för del 2: 30 (3 uppgifter) Skrivtid 09.00 14.00 Lärare: A. Jonsson, M. Shykula,
Läs merTentamen i Matematisk statistik Kurskod S0001M
Tentamen i Matematisk statistik Kurskod SM Poäng totalt för del : 5 (9 uppgifter) Tentamensdatum -3-3 Poäng totalt för del : 3 (3 uppgifter) Skrivtid 9. 4. Lärare: Adam Jonsson och Inge Söderkvist Jourhavande
Läs merKursboken Vännman: Matematisk statistik Kompletterande kursmaterial till kursen Matematisk statistik (formelblad och kompendiet Regressionsanalys).
Tentamen i Matematisk statistik Ämneskod-linje S000M Poäng totalt för del 25 (8 uppgifter) Poäng totalt för del 2 0 ( uppgifter) Tentamensdatum 200-0-5 Ove Edlund Lärare: Adam Jonsson Robert Lundqvist
Läs mera) Vad är sannolikheten att det tar mer än 6 sekunder för programmet att starta?
Tentamen i Matematisk statistik, S0001M, del 1, 2008-01-18 1. Ett företag som köper enheter från en underleverantör vet av erfarenhet att en viss andel av enheterna kommer att vara felaktiga. Sannolikheten
Läs merTentamen i Matematisk statistik Kurskod S0001M
Tentamen i Matematisk statistik Kurskod S0001M Poäng totalt för del 1: 25 (9 uppgifter) Tentamensdatum 2013-08-27 Poäng totalt för del 2: 30 (3 uppgifter) Skrivtid 09.00 14.00 Lärare: Adam Jonsson och
Läs merTentamen i Matematisk statistik Kurskod S0001M
Tentamen i Matematisk statistik Kurskod S0001M Poäng totalt för del 1: 25 (10 uppgifter) Tentamensdatum 2013-10-29 Poäng totalt för del 2: 30 (3 uppgifter) Skrivtid 09.00 14.00 Lärare: Adam Jonsson, Mykola
Läs merTentamen i Matematisk statistik Kurskod S0001M
Tentamen i Matematisk statistik Kurskod S0001M Poäng totalt för del 1: 25 (10 uppgifter) Tentamensdatum 2015-10-23 Poäng totalt för del 2: 30 (3 uppgifter) Skrivtid 09.00 14.00 Lärare: Jesper Martinsson,
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 merRegressionsanalys av lägenhetspriser i Spånga
Regressionsanalys av lägenhetspriser i Spånga Mahamed Saeid Ali Kandidatuppsats i matematisk statistik Bachelor Thesis in Mathematical Statistics Kandidatuppsats 2016:11 Matematisk statistik Juni 2016
Läs merSTOCKHOLMS UNIVERSITET VT 2011 Avd. Matematisk statistik GB DATORLABORATION 3: MULTIPEL REGRESSION.
MATEMATISKA INSTITUTIONEN Tillämpad statistisk analys, GN STOCKHOLMS UNIVERSITET VT 2011 Avd. Matematisk statistik GB 2011-04-13 DATORLABORATION 3: MULTIPEL REGRESSION. Under Instruktioner och data på
Läs merTentamen i Matematisk statistik Kurskod S0001M
Tentamen i Matematisk statistik Kurskod S0001M Poäng totalt för del 1: 25 (10 uppgifter) Tentamensdatum 2019-06-07 Poäng totalt för del 2: 30 (3 uppgifter) Skrivtid 9.00 14.00 Lärare: Adam Jonsson Jourhavande
Läs merLaboration 4 Regressionsanalys
Matematikcentrum Matematisk Statistik Lunds Universitet MASB11 VT14, lp4 Laboration 4 Regressionsanalys 2014-05-21/23 Syftet med laborationen är att vi skall bekanta oss med lite av de funktioner som finns
Läs merTentamen i Matematisk statistik Kurskod S0001M
Tentamen i Matematisk statistik Kurskod S0001M Poäng totalt för del 1: 25 (10 uppgifter) Tentamensdatum 2012-06-02 Poäng totalt för del 2: 30 (3 uppgifter) Skrivtid 09.00 14.00 Lärare: Ove Edlund och Inge
Läs merTentamen i Matematisk statistik Kurskod S0001M
Tentamen i Matematisk statistik Kurskod S0001M Poäng totalt för del 1: 25 (10 uppgifter) Tentamensdatum 2014-10-28 Poäng totalt för del 2: 30 (3 uppgifter) Skrivtid 09.00 14.00 Lärare: A. Jonsson, M. Shykula,
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 merTentamen i Matematisk statistik Kurskod S0001M
Tentamen i Matematisk statistik Kurskod S0001M Poäng totalt för del 1: 25 (10 uppgifter) Tentamensdatum 2016-01-15 Poäng totalt för del 2: 30 (3 uppgifter) Skrivtid 15.00 20.00 Lärare: A Jonsson, J Martinsson,
Läs merStudiehandledning S0001M Matematisk statistik Läsperiod 2, HT 2017
Studiehandledning S0001M Matematisk statistik Läsperiod 2, HT 2017 Innehåll 1 Kursöversikt, mål och litteratur 2 2 Kursupplägg 3 2.1 Lektionsundervisning i samarbetsgrupper........... 3 2.2 Webbuppgifter..........................
Läs merTentamen i Matematisk statistik Kurskod S0001M
Tentamen i Matematisk statistik Kurskod S0001M Poäng totalt för del 1: 25 (10 uppgifter) Tentamensdatum 2014-06-05 Poäng totalt för del 2: 30 (3 uppgifter) Skrivtid 09.00 14.00 Lärare: Adam Jonsson, Jesper
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 merInstruktioner till Inlämningsuppgift 1 och Datorövning 1
STOCKHOLMS UNIVERSITET HT 2005 Statistiska institutionen 2005-10-14 MC Instruktioner till Inlämningsuppgift 1 och Datorövning 1 Kurs i Ekonometri, 5 poäng. Uppgiften ingår i examinationen för kursen och
Läs merStudiehandledning S0001M Matematisk statistik Läsperiod 4, VT 2017
Studiehandledning S0001M Matematisk statistik Läsperiod 4, VT 2017 Innehåll 1 Kursöversikt, mål och litteratur 2 2 Kursupplägg 3 2.1 Lektionsundervisning i samarbetsgrupper........... 3 2.2 Webbuppgifter..........................
Läs merDatorövning 5 Exponentiella modeller och elasticitetssamband
Datorövning 5 Exponentiella modeller och elasticitetssamband Datorövningen utförs i grupper om två personer. I denna datorövning skall ni använda Minitab för att 1. anpassa och tolka analysen av en exponentiell
Läs merSTOCKHOLMS UNIVERSITET HT 2008 Statistiska institutionen Linda Wänström. Omtentamen i Regressionsanalys
STOCKHOLMS UNIVERSITET HT 2008 Statistiska institutionen Linda Wänström Omtentamen i Regressionsanalys 2009-01-08 Skrivtid: 9.00-14.00 Godkända hjälpmedel: Miniräknare utan lagrade formler. Tentamen består
Läs merEtt A4-blad med egna handskrivna anteckningar (båda sidor) samt räknedosa.
Tentamen Linköpings universitet, Institutionen för datavetenskap, Statistik Kurskod och namn: Datum och tid: Jourhavande lärare: Tillåtna hjälpmedel: 732G71 Statistik B 2016-12-13, 8-12 Bertil Wegmann
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 merTentamen i Matematisk statistik Kurskod S0001M
Tentamen i Matematisk statistik Kurskod S0001M Poäng totalt för del 1: 25 (10 uppgifter) Tentamensdatum 2017-10-25 Poäng totalt för del 2: 30 (3 uppgifter) Skrivtid 9.00 14.00 Lärare: Mykola Shykula, Lennart
Läs merFöreläsning 9. NDAB02 Statistik; teori och tillämpning i biologi
Föreläsning 9 Statistik; teori och tillämpning i biologi 1 (kap. 20) Introduktion I föregående föreläsning diskuterades enkel linjär regression, där en oberoende variabel X förklarar variationen hos en
Läs merStatistik 1 för biologer, logopeder och psykologer
Innehåll 1 Korrelation och regression Innehåll 1 Korrelation och regression Spridningsdiagram Då ett datamaterial består av två (eller era) variabler är man ofta intresserad av att veta om det nns ett
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 merObligatorisk uppgift, del 1
Obligatorisk uppgift, del 1 Uppgiften består av tre sannolikhetsproblem, som skall lösas med hjälp av miniräknare och tabellsamling. 1. Vid tillverkning av en produkt är felfrekvensen 0,02, dvs sannolikheten
Läs merLaboration 2: Styrkefunktion samt Regression
Lunds Tekniska Högskola Matematikcentrum Matematisk statistik Laboration 2 Styrkefunktion & Regression FMSF70&MASB02, HT19 Laboration 2: Styrkefunktion samt Regression Syfte Styrkefunktion Syftet med dagens
Läs merLaboration 2 multipel linjär regression
Laboration 2 multipel linjär regression I denna datorövning skall ni 1. analysera data enligt en multipel regressionsmodell, dvs. inkludera flera förklarande variabler i en regressionsmodell 2. studera
Läs merSyftet med den här laborationen är att du skall bli mer förtrogen med det i praktiken kanske viktigaste området inom kursen nämligen
LUNDS TEKNISKA HÖGSKOLA MATEMATIKCENTRUM MATEMATISK STATISTIK DATORLABORATION 6 MATEMATISK STATISTIK, AK FÖR I, FMS 120, HT-00 Laboration 6: Regression Syftet med den här laborationen är att du skall bli
Läs merInstruktioner till Frivillig Inlämningsuppgift 2 och Datorövning 3-4. Fortsättningskurs i statistik, moment 1, Statistisk Teori, 10 poäng.
STOCKHOLMS UNIVERSITET HT 2005 Statistiska institutionen 2005-10-12 MC Instruktioner till Frivillig Inlämningsuppgift 2 och Datorövning 3-4 Fortsättningskurs i statistik, moment 1, Statistisk Teori, 10
Läs merTentamen i Matematisk statistik Kurskod S0001M
Tentamen i Matematisk statistik Kurskod S0001M Poäng totalt för del 1: 25 (10 uppgifter) Tentamensdatum 2017-08-22 Poäng totalt för del 2: 30 (3 uppgifter) Skrivtid 9.00 14.00 Jourhavande lärare: Mykola
Läs merTentamen i Matematisk statistik Kurskod S0001M
Tentamen i Matematisk statistik Kurskod S0001M Poäng totalt för del 1: 25 (10 uppgifter) Tentamensdatum 2019-01-18 Poäng totalt för del 2: 30 (3 uppgifter) Skrivtid 9.00 14.00 Lärare: Adam Jonsson, Mykola
Läs merAtt göra före det schemalagda labpasset.
Institutionen för teknikvetenskap och matematik S0001M Matematisk statistik LABORATION 1 Laborationen avser att illustrera några grundläggande begrepp inom beskrivande statistik och explorativ dataanalys.
Läs merTentamen i Matematisk statistik Kurskod S0001M
Tentamen i Matematisk statistik Kurskod S0001M Poäng totalt för del 1: 25 (10 uppgifter) Tentamensdatum 2015-06-05 Poäng totalt för del 2: 30 (3 uppgifter) Skrivtid 09.00 14.00 Lärare: Adam Jonsson, Jesper
Läs merStudiehandledning S0001M Matematisk statistik Läsperiod 2, Ht 2013
Studiehandledning S0001M Matematisk statistik Läsperiod 2, Ht 2013 Innehåll 1 Kursöversikt, mål och litteratur 2 2 Kursupplägg 3 2.1 Lektionsundervisning i samarbetsgrupper........... 3 2.2 Webbuppgifter..........................
Läs merTentamen i Matematisk statistik Kurskod S0001M
Tentamen i Matematisk statistik Kurskod S0001M Poäng totalt för del 1: 25 (6 uppgifter) Tentamensdatum 2010-06-04 Poäng totalt för del 2: 30 (3 uppgifter) Skrivtid 09.00 14.00 Lärare: Ove Edlund Adam Jonsson
Läs merTentamen i Matematisk statistik Kurskod S0001M
Tentamen i Matematisk statistik Kurskod S0001M Poäng totalt för del 1: 25 (9 uppgifter) Tentamensdatum 2010-10-27 Poäng totalt för del 2: 30 (3 uppgifter) Skrivtid 09.00 14.00 Lärare: Adam Jonsson, Erland
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 merKompletterande kursmaterial till kursen Matematisk statistik.
Tentamen i Matematisk statistik Ämneskod-linje S000M Poäng totalt för del 5 (8 uppgifter) Poäng totalt för del 30 (3 uppgifter) Tentamensdatum 008-0-7 Robert Lundqvist Lärare: Ove Edlund Skrivtid 09.00-4.00
Läs merförstå modellen enkel linjär regression och de antaganden man gör i den Laborationen är dessutom en direkt förberedelse inför Miniprojekt II.
Lunds tekniska högskola Matematikcentrum Matematisk statistik FMSF25: MATEMATISK STATISTIK KOMPLETTERANDE PROJEKT DATORLABORATION 2, 6 DECEMBER 2017 Syfte Syftet med den här laborationen är att du ska
Läs merDel 2 tillsammans med förberedelsefrågor - tid för inlämning och återlämning meddelas senare.
STOCKHOLMS UNIVERSITET Statistiska institutionen VT 2009 Tatjana Pavlenko och Bertil Wegmann OBLIGATORISK INLÄMNINGSUPPGIFT STATISTISK TEORI, GK 10 och GK 20:2, heltid, VT 2009 Den obligatoriska inlämningsuppgiften,
Läs merLaboration 4: Hypotesprövning och styrkefunktion
LUNDS TEKNISKA HÖGSKOLA MATEMATIKCENTRUM MATEMATISK STATISTIK DATORLABORATION 4 MATEMATISK STATISTIK, AK FÖR L, FMS 032, HT-07 Laboration 4: Hypotesprövning och styrkefunktion 1 Syfte I denna laboration
Läs mer732G71 Statistik B. Föreläsning 3. Bertil Wegmann. November 4, IDA, Linköpings universitet
732G71 Statistik B Föreläsning 3 Bertil Wegmann IDA, Linköpings universitet November 4, 2015 Bertil Wegmann (IDA, LiU) 732G71, Statistik B November 4, 2015 1 / 22 Kap. 4.8, interaktionsvariabler Ibland
Läs merTentamen i Matematisk statistik Kurskod S0001M
Tentamen i Matematisk statistik Kurskod S0001M Poäng totalt för del 1: 25 (8 uppgifter) Tentamensdatum 2012-01-13 Poäng totalt för del 2: 30 (3 uppgifter) Skrivtid 09.00 14.00 Lärare: Adam Jonsson, Ove
Läs merLUNDS UNIVERSITET STATISTISKA INSTITUTIONEN MATS HAGNELL. Skrivning i ekonometri onsdagen den 1 juni 2011
LUNDS UNIVERSITET STATISTISKA INSTITUTIONEN MATS HAGNELL STAB2 Skrivning i ekonometri onsdagen den 1 juni 211 1. Vi vill undersöka hur variationen i försäljningspriset för ett hus (i en liten stad i USA
Läs merFöreläsning 9. NDAB01 Statistik; teori och tillämpning i biologi
Föreläsning 9 Statistik; teori och tillämpning i biologi 1 (kap. 20) Introduktion I föregående föreläsning diskuterades enkel linjär regression, där en oberoende variabel X förklarar variationen hos en
Läs merTAMS 28 DATORÖVNING 2
TAMS 28 DATORÖVNING 2 Datorövningen behandlar enkel och multipel linjär regression. Du kommer att använda filerna syra.mpj, fosfat.mpj, smog.mpj och mogel.mpj. Om regressionskommandot: Det underlättar
Läs merLaboration 5: Regressionsanalys. 1 Förberedelseuppgifter. 2 Enkel linjär regression LABORATION 5 MATEMATISK STATISTIK AK FÖR CDE, FMS012, VT08
LUNDS TEKNISKA HÖGSKOLA MATEMATIKCENTRUM MATEMATISK STATISTIK LABORATION 5 MATEMATISK STATISTIK AK FÖR CDE, FMS012, VT08 Laboration 5: Regressionsanalys Syftet med den här laborationen är att du skall
Läs merF19, (Multipel linjär regression forts) och F20, Chi-två test.
Partiella t-test F19, (Multipel linjär regression forts) och F20, Chi-två test. Christian Tallberg Statistiska institutionen Stockholms universitet Då man testar om en enskild variabel X i skall vara med
Läs merTentamen i Matematisk statistik Kurskod S0001M
Tentamen i Matematisk statistik Kurskod S0001M Poäng totalt för del 1: 25 (9 uppgifter) Tentamensdatum 2011-10-25 Poäng totalt för del 2: 30 (3 uppgifter) Skrivtid 09.00 14.00 Lärare: Adam Jonsson, Lennart
Läs merLaboration 4: Lineär regression
LUNDS TEKNISKA HÖGSKOLA MATEMATIKCENTRUM MATEMATISK STATISTIK MATEMATISK STATISTIK, AK FÖR BYGG, FMS 601, HT-08 Laboration 4: Lineär regression 1 Syfte Denna laboration handlar om regressionsanalys och
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 merLaboration 2 Inferens S0005M VT18
Laboration 2 Inferens S0005M VT18 Allmänt Arbeta i grupper om 2-3 personer. Flertalet av uppgifterna är tänkta att lösas med hjälp av Minitab. Ett lärarlett pass i datorsal finns schemalagt. Var gärna
Läs merTentamen i Matematisk statistik Kurskod S0001M
Tentamen i Matematisk statistik Kurskod S0001M Poäng totalt för del 1: 25 (11 uppgifter) Tentamensdatum 2014-03-28 Poäng totalt för del 2: 30 (3 uppgifter) Skrivtid 09.00 14.00 Lärare: Adam Jonsson, Inge
Läs merF13 Regression och problemlösning
1/18 F13 Regression och problemlösning Måns Thulin Uppsala universitet thulin@math.uu.se Statistik för ingenjörer 4/3 2013 2/18 Regression Vi studerar hur en variabel y beror på en variabel x. Vår modell
Läs merTentamen i Matematisk statistik Kurskod S0001M
Tentamen i Matematisk statistik Kurskod S0001M Poäng totalt för del 1: 25 (10 uppgifter) Tentamensdatum 2014-01-17 Poäng totalt för del 2: 30 (3 uppgifter) Skrivtid 15.00 20.00 Lärare: Adam Jonsson, Mykola
Läs merEtt A4-blad med egna handskrivna anteckningar (båda sidor) samt räknedosa.
Tentamen Linköpings universitet, Institutionen för datavetenskap, Statistik Kurskod och namn: Datum och tid: Jourhavande lärare: Tillåtna hjälpmedel: 732G71 Statistik B 2017-12-08, 8-12 Bertil Wegmann
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 merRegressions- och Tidsserieanalys - F3
Regressions- och Tidsserieanalys - F3 Multipel regressionsanalys kap 4.8-4.10 Linda Wänström Linköpings universitet November 6, 2013 Wänström (Linköpings universitet) F3 November 6, 2013 1 / 22 Interaktion
Läs merTentamen i Matematisk statistik Kurskod S0001M
Tentamen i Matematisk statistik Kurskod S0001M Poäng totalt för del 1: 25 (10 uppgifter) Tentamensdatum 2017-03-22 Poäng totalt för del 2: 30 (3 uppgifter) Skrivtid 9.00 14.00 Lärare: Adam Jonsson, Niklas
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 merEtt A4-blad med egna handskrivna anteckningar (båda sidor) samt räknedosa.
Tentamen Linköpings Universitet, Institutionen för datavetenskap, Statistik Kurskod och namn: Datum och tid: Jourhavande lärare: Tillåtna hjälpmedel: 732G71 Statistik B 2015-02-06, 8-12 Bertil Wegmann
Läs mer