Valfri räknedosa, kursbok (Kutner m fl) utan anteckningar. Tentamen omfattar totalt 20p. Godkänt från 12p.

Storlek: px
Starta visningen från sidan:

Download "Valfri räknedosa, kursbok (Kutner m fl) utan anteckningar. Tentamen omfattar totalt 20p. Godkänt från 12p."

Transkript

1 Tentamen Linköpings Universitet, Institutionen för datavetenskap, Statistik Kurskod och namn: Datum och tid: Jourhavande lärare: Tillåtna hjälpmedel: Betygsgränser: 732G21 Sambandsmodeller , 8-12 Kalle Wahlin, Valfri räknedosa, kursbok (Kutner m fl) utan anteckningar. Tentamen omfattar totalt 20p. Godkänt från 12p. Redovisa och motivera tydligt alla dina lösningar! Uppgift 1 (5.5p) En marknadsanalytiker hos en bank drar ett stickprov om 8 av bankens kunder för att undersöka om det finns något samband mellan hushållets sammanlagda inkomst och hur stort lån man har hos banken. Följande data erhålles (uttryckt i tusentals kronor): Kund nr Inkomst (x) Sammanlagt lån (y) a) Plotta inkomst mot sammanlagt lån. Vilken typ av regressionsmodell verkar lämplig? Uttryck modellen med de beteckningar som använts under kursen. (0.5p) b) Beräkna punktskattningar av parametrarna i den valda modellen. (1p) c) Tolka modellens parametrar i ord så att en ickestatistiker förstår det eventuella sambandet mellan inkomst och sammanlagt lån. (0.5p) d) Hur stort lån kan man förvänta sig för ett hushåll vars sammanlagda inkomst är 45 (tkr)? (0.5p) 1

2 e) Plotta residualerna mot x. Verkar modellen välanpassad? (1p) f) Marknadsanalytikern vill nu även införa information om huruvida kunden är kvinna eller man. Beskriv med de beteckningar som använts under kursen hur modellen kan utvecklas så att regressionslinjer med olika intercept och olika lutning erhålles i en enda modellanpassning. (1p) g) Antag att man nu för var och en av de 8 kunderna har gjort en bedömning om huruvida de bör få utöka sitt lån (kodat som 1) eller ej (kodat som 0). Beskriv med de beteckningar som använts under kursen en lämplig typ av regressionsmodell för att modellera sambandet mellan huruvida lånet ska få utökas eller ej (y) och hushållets inkomst (x). (1p) Uppgift 2 (4.5p) Föreliggande är ett datamaterial bestående av ett större antal försäljningar av privatbostäder i USA år För varje husförsäljning finns information om y x 1 x 2 x 3 x 4 x 5 x 6 x 7 X 8 Försäljningspris (dollar) Bostadsyta (kvadratfot) Antal sovrum Antal badrum Förekomst av luftkonditionering, 1 = luftkonditionering finns, 0 annars Antal bilar som garaget är konstruerat för Förekomst av pool, 1 = pool finns, 0 annars Byggnadsår Tomtstorlek (kvadratfot) a) Till följd av det stora antalet möjliga modeller börjar man med att köra best subsets regression i Minitab: Best Subsets Regression: y versus x1; x2; x3; x4; x5; x6; x7; x8 Response is y Mallows x x x x x x x x Vars R-Sq R-Sq(adj) Cp S X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X 2

3 och baserat på detta har ett antal modeller anpassats (se nedan). Vilken modell anser du är den bästa? Motivera! (1.5p) Modell 1: Regression Analysis: y versus x1; x2; x5; x7; x8 The regression equation is y = x x x x x8 Predictor Coef SE Coef T P VIF Constant x x x x x S = R-Sq = 75.0% R-Sq(adj) = 74.8% Analysis of Variance Source DF SS MS F P Regression E E Residual Error E Total E+12 Source DF Seq SS x E+12 x x E+11 x E+11 x E+11 Predicted Values for Observations Obs Fit SE Fit 95% CI 95% PI (119696; ) (-343; ) Values of Predictors for Observations Obs x1 x2 x5 x7 x Modell 2: Regression Analysis: y versus x1; x2; x3; x5; x7; x8 The regression equation is y = x x x x x x8 Predictor Coef SE Coef T P VIF Constant x x

4 x x x x S = R-Sq = 75.1% R-Sq(adj) = 74.8% Analysis of Variance Source DF SS MS F P Regression E E Residual Error E Total E+12 Source DF Seq SS x E+12 x x E+11 x E+11 x E+11 x E+11 Predicted Values for Observations Obs Fit SE Fit 95% CI 95% PI (118563; ) (-1229; ) Values of Predictors for Observations Obs x1 x2 x3 x5 x7 x Modell 3: Regression Analysis: y versus x1; x2; x5; x6; x7; x8 The regression equation is y = x x x x x x8 Predictor Coef SE Coef T P VIF Constant x x x x x x S = R-Sq = 75.1% R-Sq(adj) = 74.8% Analysis of Variance Source DF SS MS F P Regression E E Residual Error E

5 Total E+12 Source DF Seq SS x E+12 x x E+11 x x E+11 x E+11 Predicted Values for Observations Obs Fit SE Fit 95% CI 95% PI (119086; ) (-877; ) Values of Predictors for Observations Obs x1 x2 x5 x6 x7 x Modell 4: Regression Analysis: y versus x1; x2; x3; x5; x6; x7; x8 The regression equation is y = x x x x x x x8 Predictor Coef SE Coef T P VIF Constant x x x x x x x S = R-Sq = 75.2% R-Sq(adj) = 74.9% Analysis of Variance Source DF SS MS F P Regression E E Residual Error E Total E+12 Source DF Seq SS x E+12 x x E+11 x E+11 x x E+11 x E+11 5

6 Predicted Values for Observations Obs Fit SE Fit 95% CI 95% PI (118098; ) (-1666; ) Values of Predictors for Observations Obs x1 x2 x3 x5 x6 x7 x Modell 5: Regression Analysis: y versus x1; x2; x3; x4; x5; x7; x8 The regression equation is y = x x x x x x x8 Predictor Coef SE Coef T P VIF Constant x x x x x x x S = R-Sq = 75.1% R-Sq(adj) = 74.8% Analysis of Variance Source DF SS MS F P Regression E E Residual Error E Total E+12 Source DF Seq SS x E+12 x x E+11 x x E+11 x E+11 x E+11 Predicted Values for Observations Obs Fit SE Fit 95% CI 95% PI (118353; ) (-1369; ) Values of Predictors for Observations 6

7 Studentized deleted residuals Obs x1 x2 x3 x4 x5 x7 x b) Hur många husförsäljningar har din valda regressionsanalys baserats på? (0.5p) c) Från datamaterialet har också en modell med p = 8 parametrar anpassats och nedanstående residualplottarna tagits fram. Baserat på (en av) dessa, finns det några indikationer på outliers med avseende på de förklarande variablerna (x)? (1p) 6 Scatterplot of Studentized deleted residuals vs y y

8 COOKS DISTANCE Leverage values 0.14 Scatterplot of Leverage values vs y y Scatterplot of COOKS DISTANCE vs y y

9 DFFITS Scatterplot of DFFITS vs y y d) Baserat på din valda modell, ange ett 95% intervall för det förväntade försäljningspriset för ett specifikt hus som är 1500 kvadratfot stort och som har 4 sovrum, 2 badrum, luftkonditionering, garage för 1 bil, ingen pool, byggnadsår 1974 och med en tomtyta om kvadratfot. (0.5p) e) Beskriv i ord metodiken för att göra en stepwise regression. (1p) 3 Vid ett forskningslaboratorium ville man få fram en komponent för lindring av hösnuva. I ett experiment utsattes 36 frivilliga för två olika substanser med varierande koncentration. De två substanserna kallas här A och B. Responsvariabel Y är tiden tills lindring. Till var och en av de 9 kombinationerna slumpades 4 frivilliga. Se korstabell: Rows: B Columns: A Tabell med medelvärden för Y. låg medel hög All låg 24,75 46,00 45,75 38,83 9

10 medel 54,50 81,75 91,25 75, hög 59,75 102,75 132,50 98, All 46,33 76,83 89,83 71, Cell Contents: Y : Mean Count Nedan har två modeller anpassats. Modell 1 = Yijk i j ijk samt modell 2 = Yijk i j ij ijk Uppgifterna kommer efter alla utskrifter. Modell 1 The GLM Procedure Class Level Information Class Levels Values A B Number of Observations Read 36 Number of Observations Used 36 10

11 Dependent Variable: Y Sum of Source DF Squares Mean Square F Value Pr > F Model <.0001 Error Corrected Total R-Square Coeff Var Root MSE Y Mean Source DF Type III SS Mean Square F Value Pr > F A <.0001 B <.0001 Modell 2 The GLM Procedure Dependent Variable: Y Sum of Source DF Squares Mean Square F Value Pr > F Model <.0001 Error Corrected Total R-Square Coeff Var Root MSE Y Mean

12 Mean Source DF Type III SS Mean Square F Value Pr > F A <.0001 B <.0001 A*B < Interaction Plot for Y Data Means A B 3 a) Pröva på 1% signifikansnivå om Substans B har effekt i modell 1. 1p b) Bilda konfidensintervall med Tukeys metod för alla differenser mellan nivåerna på substans B i modell 1. 2p c) Ta hjälp av interaktionsplotten för att avgöra om interaktion kan vara närvarande. Hur kan en interaktion tolkas i detta exempel? d) Skatta, samt i modell 2. 1p 1p e) Genom att bara titta på data så ser det inte ut att vara någon större skillnad mellan medel- och hög koncentration för de båda substanserna. Bilda därför ett % konfidensintervall för kontrasten. 2 2 Motivera noggrant vilket MSE du använder för detta konfidensintervall. 3p 4 a) Ge ett exempel på då man hellre vill ha varianskomponenter istället för fixa effekter. 1p 12

13 b) Förklara varför man inte kan ha interaktionsterm vid randomiserat blockförsök med en obs per cell. 13

D. Samtliga beräknade mått skall följas av en verbal slutsats för full poäng.

D. Samtliga beräknade mått skall följas av en verbal slutsats för full poäng. 1 Att tänka på (obligatorisk läsning) A. Redovisa Dina lösningar i en form som gör det lätt att följa Din tankegång. (Rättaren förutsätter att det dunkelt skrivna är dunkelt tänkt.). Motivera alla väsentliga

Läs mer

D. Samtliga beräknade mått skall följas av en verbal slutsats för full poäng.

D. Samtliga beräknade mått skall följas av en verbal slutsats för full poäng. Att tänka på (obligatorisk läsning) A. Redovisa Dina lösningar i en form som gör det lätt att följa Din tankegång. (Rättaren förutsätter att det dunkelt skrivna är dunkelt tänkt.). Motivera alla väsentliga

Läs mer

Övningshäfte till kursen Regressionsanalys och tidsserieanalys

Övningshäfte till kursen Regressionsanalys och tidsserieanalys Övningshäfte till kursen Regressionsanalys och tidsserieanalys Linda Wänström October 31, 2010 1 Enkel linjär regressionsanalys (baserad på uppgift 2.3 i Andersson, Jorner, Ågren (2009)) Antag att följande

Läs mer

TENTAMEN I MATEMATISK STATISTIK

TENTAMEN I MATEMATISK STATISTIK UMEÅ UNIVERSITET Institutionen för matematisk statistik Statistik för Teknologer, 5 poäng MSTA33 Ingrid Svensson TENTAMEN 2004-01-13 TENTAMEN I MATEMATISK STATISTIK Statistik för Teknologer, 5 poäng Tillåtna

Läs mer

a) Bestäm sannolikheten att en slumpmässigt vald komponent är defekt.

a) Bestäm sannolikheten att en slumpmässigt vald komponent är defekt. Tentamen i Matematisk statistik, S0001M, del 1, 007-10-30 1. En viss typ av komponenter tillverkas av en maskin A med sannolikheten 60 % och av en maskin B med sannolikheten 40 %. För de komponenter som

Läs mer

Tentamen i Statistik, STA A11/STA A14 (8 poäng) 25 augusti 2004, klockan 08.15-13.15

Tentamen i Statistik, STA A11/STA A14 (8 poäng) 25 augusti 2004, klockan 08.15-13.15 Karlstads universitet Institutionen för informationsteknologi Avdelningen för Statistik Tentamen i Statistik, STA A/STA A4 (8 poäng) 5 augusti 4, klokan 8.5-3.5 Tillåtna hjälpmedel: Bifogad formelsamling

Läs mer

Tentamen för kursen. Linjära statistiska modeller. 20 mars 2015 9 14

Tentamen för kursen. Linjära statistiska modeller. 20 mars 2015 9 14 STOCKHOLMS UNIVERSITET MATEMATISK STATISTIK Tentamen för kursen Linjära statistiska modeller 20 mars 2015 9 14 Examinator: Anders Björkström, bjorks@math.su.se Återlämning: Fredag 27/3 kl 12.00, Hus 5,

Läs mer

Laboration 3: Enkel linjär regression och korrelationsanalys

Laboration 3: Enkel linjär regression och korrelationsanalys STOCKHOLMS UNIVERSITET 13 februari 2009 Matematiska institutionen Avd. för matematisk statistik Gudrun Brattström Laboration 3: Enkel linjär regression och korrelationsanalys I sista datorövningen kommer

Läs mer

Laboration 5: Regressionsanalys. 1 Förberedelseuppgifter. 2 Enkel linjär regression DATORLABORATION 5 MATEMATISK STATISTIK FÖR I, FMS 012, HT-08

Laboration 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 mer

(a) Beräkna sannolikhetsfunktionen p X (x). (2p) (b) Beräkna väntevärdet för X. (1p) (c) Beräkna standardavvikelsen för X. (1p)

(a) Beräkna sannolikhetsfunktionen p X (x). (2p) (b) Beräkna väntevärdet för X. (1p) (c) Beräkna standardavvikelsen för X. (1p) Tentamenskrivning: TMS145 - Grundkurs i matematisk statistik och bioinformatik, 5p. Tid: Lördag den 14 april, 2007 kl 14.00-18.00 i V-huset. Examinator: Olle Nerman, tel 7723565. Jour: Alexandra Jauhiainen,

Läs mer

Öppnar jämförelser för ökad kvalitet i vård och omsorg om äldre? Bilaga Regressionsanalyser

Öppnar jämförelser för ökad kvalitet i vård och omsorg om äldre? Bilaga Regressionsanalyser Öppnar jämförelser för ökad kvalitet i vård och omsorg om äldre? Bilaga Regressionsanalyser REGRESSIONSANALYSER Ett antal olika regressionsmodeller har konstruerats för att undersöka om resultaten i ÖJ

Läs mer

MINITAB i korthet. release 16. Jan-Eric Englund. SLU Alnarp Kompendium 2011. Swedish University of Agricultural Sciences Department of Agrosystems

MINITAB i korthet. release 16. Jan-Eric Englund. SLU Alnarp Kompendium 2011. Swedish University of Agricultural Sciences Department of Agrosystems MINITAB i korthet release 16 Jan-Eric Englund SLU Alnarp Kompendium 2011 Område Agrosystem Course notes Swedish University of Agricultural Sciences Department of Agrosystems Jan-Eric Englund är universitetslektor

Läs mer

HEMUPPGIFT. Att brygga det godaste kaffet försöksplanering och faktorförsök. IEK203 Försöksplanering Vt-2005

HEMUPPGIFT. Att brygga det godaste kaffet försöksplanering och faktorförsök. IEK203 Försöksplanering Vt-2005 HEMUPPGIFT Att brygga det godaste kaffet försöksplanering och faktorförsök IEK203 Försöksplanering Vt-2005 Pernilla Engström Mathias Larsson Patrik Paulsson Anna-Maria Ullnert Luleå Tekniska Universitet

Läs mer

Kort manual till SPSS 10.0 för Mac/PC

Kort manual till SPSS 10.0 för Mac/PC Institutionen för beteendevetenskap Linköpings universitet Kort manual till SPSS 10.0 för Mac/PC 1. Att skapa en ny variabel Inmatning av data sker i det spread sheet som kallas Data View (flik längst

Läs mer

Upprepade mätningar och tidsberoende analyser. Stefan Franzén Statistiker Registercentrum Västra Götaland

Upprepade mätningar och tidsberoende analyser. Stefan Franzén Statistiker Registercentrum Västra Götaland Upprepade mätningar och tidsberoende analyser Stefan Franzén Statistiker Registercentrum Västra Götaland Innehåll Stort område Simpsons paradox En mätning per individ Flera mätningar per individ Flera

Läs mer

Datorlaboration 3. 1 Inledning. 2 Grunderna. 1.1 Förberedelse. Matematikcentrum VT 2007

Datorlaboration 3. 1 Inledning. 2 Grunderna. 1.1 Förberedelse. Matematikcentrum VT 2007 Lunds universitet Kemometri Lunds Tekniska Högskola FMS 210, 5p / MAS 234, 5p Matematikcentrum VT 2007 Matematisk statistik version 7 februari Datorlaboration 3 1 Inledning I denna laboration behandlas

Läs mer

TAMS28 DATORÖVNING 1-2015 VT1

TAMS28 DATORÖVNING 1-2015 VT1 TAMS28 DATORÖVNING 1-2015 VT1 Datorövningen behandlar simulering av observationer från diskreta och kontinuerliga fördelningar med hjälp av dator, illustration av skattningars osäkerhet, analys vid parvisa

Läs mer

Föreläsning 12: Regression

Föreläsning 12: Regression Föreläsning 12: Regression Matematisk statistik David Bolin Chalmers University of Technology Maj 15, 2014 Binomialfördelningen Låt X Bin(n, p). Vi observerar x och vill ha information om p. p = x/n är

Läs mer

Övningstentamen i matematisk statistik för kemi

Övningstentamen i matematisk statistik för kemi Övningstentamen i matematisk statistik för kemi Uppgift 1: Bill och Georg har gått till puben tillsammans. De beslutar sig för att spela dart (vilket betyder kasta pil mot en tavla). Sedan gammalt vet

Läs mer

Genvägen till det perfekta ljudet

Genvägen till det perfekta ljudet Genvägen till det perfekta ljudet - Hemförsök i försöksplanering IEK 0, 005-0-8 LTU Magnus Blomberg Anders Drott Esbjörn Lilja Hannes Skirgård 1 Inledning Sedan århundraden tillbaka har trumman använts

Läs mer

I. Grundläggande begrepp II. Deskriptiv statistik III. Statistisk inferens Parametriska Icke-parametriska

I. Grundläggande begrepp II. Deskriptiv statistik III. Statistisk inferens Parametriska Icke-parametriska Innehåll I. Grundläggande begrepp II. Deskriptiv statistik III. Statistisk inferens Hypotesprövnig Statistiska analyser Parametriska analyser Icke-parametriska analyser Univariata analyser Univariata analyser

Läs mer

Mata in data i Excel och bearbeta i SPSS

Mata in data i Excel och bearbeta i SPSS Mata in data i Excel och bearbeta i SPSS I filen enkät.pdf finns svar från fyra män taget från en stor undersökning som gjordes i början av 70- talet. Ni skall mata in dessa uppgifter på att sätt som är

Läs mer

1 Förberedelseuppgifter

1 Förberedelseuppgifter LUNDS TEKNISKA HÖGSKOLA MATEMATIKCENTRUM MATEMATISK STATISTIK LABORATION 2 MATEMATISK STATISTIK FÖR B, K, N, BME OCH KEMISTER; FMS086 & MASB02 Syfte: Syftet med dagens laborationen är att du skall: bli

Läs mer

Datorövning 5 Exponentiella modeller och elasticitetssamband

Datorövning 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 mer

Statistik 2 2010, 3.-9.5.2010. Stansens PC-klass ASA-huset. Schema: mån ti ons to fre 9.15-12.00 9.15-12.00 10.15-13.00 10.15-12.00 10.15-12.

Statistik 2 2010, 3.-9.5.2010. Stansens PC-klass ASA-huset. Schema: mån ti ons to fre 9.15-12.00 9.15-12.00 10.15-13.00 10.15-12.00 10.15-12. Statistik 2 2010, 3.-9.5.2010 Stansens PC-klass ASA-huset. Schema: mån ti ons to fre 9.15-12.00 9.15-12.00 10.15-13.00 10.15-12.00 10.15-12.00 13.15-15.00 13.15-15.00 13.15-16.00 13.15-16.00 Under kursens

Läs mer

NÄR SKA MAN SÄLJA SIN BOSTAD?

NÄR SKA MAN SÄLJA SIN BOSTAD? NÄR SKA MAN SÄLJA SIN BOSTAD? En multipel regressionsanalys av bostadsrätter i Stockholm Oscar Jonsson Moa Englund Stockholm 2015 Matematik Institutionen Kungliga Tekniska Högskolan Sammanfattning Projektet

Läs mer

MSG830 Statistisk analys och experimentplanering

MSG830 Statistisk analys och experimentplanering MSG830 Statistisk analys och experimentplanering Tentamen 16 April 2015, 8:30-12:30 Examinator: Staan Nilsson, telefon 073 5599 736, kommer till tentamenslokalen 9:30 och 11:30 Tillåtna hjälpmedel: Valfri

Läs mer

Richard Öhrvall, http://richardohrvall.com/ 1

Richard Öhrvall, http://richardohrvall.com/ 1 Läsa in data (1/4) Välj File>Open>Data Läsa in data (2/4) Leta reda på rätt fil, Markera den, välj Open http://richardohrvall.com/ 1 Läsa in data (3/4) Nu ska data vara inläst. Variable View Variabelvärden

Läs mer

Prediktion av villapris

Prediktion av villapris Prediktion av villapris och dess faktorers inverkan Examensarbete inom farkostteknik, grundnivå, SA105X Institutionen för Matematik, inriktning Matematisk Statistik Kungliga Tekniska Högskolan Maj 2013

Läs mer

Tentamen i Statistik, STA A13 Deltentamen 2, 5p 4 mars 2006, kl. 09.00-13.00

Tentamen i Statistik, STA A13 Deltentamen 2, 5p 4 mars 2006, kl. 09.00-13.00 Karlstads universitet Avdelningen för statistik Tentamen i Statistik, STA A13 Deltentamen, 5p 4 mars 006, kl. 09.00-13.00 Tillåtna hjälpmedel: Bifogad formel- och tabellsamling (skall returneras) samt

Läs mer

Stockholms Universitet Statistiska institutionen Termeh Shafie

Stockholms Universitet Statistiska institutionen Termeh Shafie Stockholms Universitet Statistiska institutionen Termeh Shafie TENTAMEN I GRUNDLÄGGANDE STATISTIK FÖR EKONOMER 2011-10-28 Skrivtid: 9.00-14.00 Hjälpmedel: Miniräknare utan lagrade formler eller text, bifogade

Läs mer

LABORATIONER. Det finns en introduktionsfilm till Minitab på http://www.screencast.com/t/izls2cuwl.

LABORATIONER. Det finns en introduktionsfilm till Minitab på http://www.screencast.com/t/izls2cuwl. UMEÅ UNIVERSITET Institutionen för Matematik och Matematisk Statistik Statistiska Metoder 5MS010, 7.5 hp Kadri Meister Rafael Björk LABORATIONER Detta dokument innehåller beskrivningar av de tre laborationerna

Läs mer

Antal hörnor i Premier League-matcher En modell för att uppskatta antalet hörnor i fotbollsmatcher

Antal hörnor i Premier League-matcher En modell för att uppskatta antalet hörnor i fotbollsmatcher KANDIDATUPPSATS Hösten 2013 Statistiska institutionen Uppsala Antal hörnor i Premier League-matcher En modell för att uppskatta antalet hörnor i fotbollsmatcher Handledare: Rolf Larsson Författare: Erik

Läs mer

Rättningsprogram för Experimentella Metoder 2010

Rättningsprogram för Experimentella Metoder 2010 Rättningsprogram för Experimentella Metoder 2010 Ett av målen med kontrollräkning av studenternas analyser är att i görligaste mån avslöja: a) Direkta felskrivningar i tabeller och bland övriga data. b)

Läs mer

Statistikutbildning för effektivare forskning

Statistikutbildning för effektivare forskning TM MEDICINSK SPSS software Statistikutbildning för effektivare forskning Spar tid med pedagogiska kurser i SPSS och Statistica. Kurser 2015 2016 Förenklat statistikarbete ger effektivare forskning Något

Läs mer

Stockholms Univ., Statistiska Inst. Finansiell Statistik, GN, 7,5 hp, VT2009 Inlämningsuppgift (1,5hp)

Stockholms Univ., Statistiska Inst. Finansiell Statistik, GN, 7,5 hp, VT2009 Inlämningsuppgift (1,5hp) Stockholms Univ., Statistiska Inst. Finansiell Statistik, GN, 7,5 hp, VT009 Inlämningsuppgift (1,5hp) Nicklas Pettersson 1 Anvisningar och hålltider Uppgiften löses i grupper om -3 personer och godkänt

Läs mer

Introduktion till SPSS

Introduktion till SPSS Introduktion till SPSS.. Innehåll 1 Introduktion till SPSS 1 1.1 Data Editor 1 1.2 Viewer 1 2 Variabler och Mätskalor 2 2.1 Kvantitativa variabler (Numeriska variabler) 2 2.2 Kategoriska variabler (Kvalitativa

Läs mer

Tentamensgenomgång och återlämning: Måndagen 9/6 kl12.00 i B413. Därefter kan skrivningarna hämtas på studentexpeditionen, plan 7 i B-huset.

Tentamensgenomgång och återlämning: Måndagen 9/6 kl12.00 i B413. Därefter kan skrivningarna hämtas på studentexpeditionen, plan 7 i B-huset. Statistiska institutionen Nicklas Pettersson Skriftlig tentamen i Finansiell Statistik Grundnivå 7.5hp, VT2014 2014-05-26 Skrivtid: 9.00-14.00 Hjälpmedel: Godkänd miniräknare utan lagrade formler eller

Läs mer

Analys av priser på små bostadsrätter samt villor i Uppsala

Analys av priser på små bostadsrätter samt villor i Uppsala Analys av priser på små bostadsrätter samt villor i Uppsala Dragos Raileanu Kandidatuppsats i matematisk statistik Bachelor Thesis in Mathematical Statistics Kandidatuppsats 2013:3 Matematisk statistik

Läs mer

Svenska VD-lönen. en studie om utländskt ägande har påverkat sammansättningen av den svenska VD:ns lön mellan åren 1999-2004

Svenska VD-lönen. en studie om utländskt ägande har påverkat sammansättningen av den svenska VD:ns lön mellan åren 1999-2004 UPPSALA UNIVERSITET EXAMENSARBETE D Företagsekonomiska Institutionen VT 2005 Magnus Jansson Tomas Svae Svenska VD-lönen en studie om utländskt ägande har påverkat sammansättningen av den svenska VD:ns

Läs mer

Statistik i Excel en introduktion

Statistik i Excel en introduktion Statistik i Excel en introduktion Thommy Perlinger När man använder statistik i Excel behöver man paketet Data Analysis som ligger under menyn Verktyg (Alt-y,d). Finns det inte där kan man installera det

Läs mer

DATORÖVNING 2: TABELLER OCH STANDARD-

DATORÖVNING 2: TABELLER OCH STANDARD- DATORÖVNING 2: TABELLER OCH STANDARD- VÄGNING. I den här datorövningen använder vi Excel för att konstruera pivottabeller, som vi sedan använder för att beräkna standardvägda medeltal. Vi skapar också

Läs mer

34% 34% 13.5% 68% 13.5% 2.35% 95% 2.35% 0.15% 99.7% 0.15% -3 SD -2 SD -1 SD M +1 SD +2 SD +3 SD

34% 34% 13.5% 68% 13.5% 2.35% 95% 2.35% 0.15% 99.7% 0.15% -3 SD -2 SD -1 SD M +1 SD +2 SD +3 SD 6.4 Att dra slutsatser på basis av statistisk analys en kort inledning - Man har ett stickprov, men man vill med hjälp av det få veta något om hela populationen => för att kunna dra slutsatser som gäller

Läs mer

Prediktion av lägenhetspriser i Stockholm - en statistisk undersökning

Prediktion av lägenhetspriser i Stockholm - en statistisk undersökning Prediktion av lägenhetspriser i Stockholm - en statistisk undersökning Anna Flodström Kandidatuppsats i matematisk statistik Bachelor Thesis in Mathematical Statistics Kandidatuppsats 2009:7 Matematisk

Läs mer

Louise Olsson (031-772 4390) kommer att besöka tentamenslokalen på förmiddagen.

Louise Olsson (031-772 4390) kommer att besöka tentamenslokalen på förmiddagen. Tentamen i Kemisk reaktionsteknik för Kf3, K3 (KKR 100) Onsdagen den 11 april 2012 kl 8:30-13:30 i Väg och vattensalarna Examinator: Bitr. Prof. Louise Olsson Louise Olsson (031-772 4390) kommer att besöka

Läs mer

Vad påverkar priset på en bostadsrätt?

Vad påverkar priset på en bostadsrätt? Företagsekonomiska institutionen STOCKHOLMS UNIVERSITET Kandidatuppsats 10 poäng HT 2005 Vad påverkar priset på en bostadsrätt? Författare: Niclas Roll Handledare: Claes Hägg Sammanfattning Fastighetsmarknaden

Läs mer

Analys av köpviljan avseende försäkring med logistisk regression och bootstrap

Analys av köpviljan avseende försäkring med logistisk regression och bootstrap Matematisk statistik Stockholms universitet Analys av köpviljan avseende försäkring med logistisk regression och bootstrap Anna Sandler Examensarbete 2007:11 Postadress: Matematisk statistik Matematiska

Läs mer

Laboration 4: Intervallskattning och hypotesprövning

Laboration 4: Intervallskattning och hypotesprövning Lunds tekniska högskola Matematikcentrum Matematisk statistik Laboration 4 Matematisk statistik AK för CDIFysiker, FMS012/MASB03, HT14 Laboration 4: Intervallskattning och hypotesprövning Syftet med den

Läs mer

ÖVNINGSUPPGIFTER KAPITEL 4

ÖVNINGSUPPGIFTER KAPITEL 4 ÖVNINGSUPPGIFTER KAPITEL 4 REGRESSIONSLINJEN: NIVÅ OCH LUTNING 1. En av regressionslinjerna nedan beskrivs av ekvationen y = 20 + 2x; en annan av ekvationen y = 80 x; en tredje av ekvationen y = 20 + 3x

Läs mer

Laboration 4: Intervallskattning och hypotesprövning

Laboration 4: Intervallskattning och hypotesprövning LUNDS TEKNISKA HÖGSKOLA MATEMATIKCENTRUM MATEMATISK STATISTIK LABORATION 4 MATEMATISK STATISTIK AK FÖR CDIFYSIKER, FMS012/MASB03, HT12 Laboration 4: Intervallskattning och hypotesprövning Syftet med den

Läs mer

Datoro vning 1-2 Statistisk analys av kodade svar

Datoro vning 1-2 Statistisk analys av kodade svar Datoro vning 1-2 Statistisk analys av kodade svar 732G19 Utredningskunskap I Denna datorövning utförs i grupper om 2-4 personer och ska ses som en instruktion i att analysera resultaten av en enkät. Ingen

Läs mer

Fotboll. Slump eller systematik???

Fotboll. Slump eller systematik??? Fotboll Slump eller systematik??? eller Hur rund är bollen? Välkomna till gamla Ullevi Gamla Ullevi Nygamla Ullevi Gôrnya Ullevi, Lilla Ullevi Svarte Filip, Gunnar Gren, trion Grenoli, Glenn Hysén, Torbjörn

Läs mer

Bilaga 1: Informationsbrev Informationsbrev gällande enkät undersökning

Bilaga 1: Informationsbrev Informationsbrev gällande enkät undersökning Bilaga 1: Informationsbrev Informationsbrev gällande enkät undersökning Hej! Mitt namn är Anna Vestman och jag studerar vid Karlstads Universitet på Vård- och stödsamordnarprogrammet. Jag håller just nu

Läs mer

Poolade data över tiden och över tvärsnittet. Oberoende poolade tvärsnittsdatamängder från olika tidpunkter.

Poolade data över tiden och över tvärsnittet. Oberoende poolade tvärsnittsdatamängder från olika tidpunkter. PANELDATA Poolade data över tiden och över tvärsnittet Alternativ 1: Oberoende poolade tvärsnittsdatamängder från olika tidpunkter. Oberoende stickprov dragna från stora populationer vid olika tidpunkter.

Läs mer

Institutionen för beteendevetenskap Tel: 0733-633 266 013-27 45 57/28 21 03. Tentamen i kvantitativ metod Psykologi 2 HPSB05

Institutionen för beteendevetenskap Tel: 0733-633 266 013-27 45 57/28 21 03. Tentamen i kvantitativ metod Psykologi 2 HPSB05 Linköpings Universitet Jour; Ulf Andersson Institutionen för beteendevetenskap Tel: 0733-633 266 013-27 45 57/28 21 03 Tentamen i kvantitativ metod Psykologi 2 HPSB05 Torsdagen den 3/5 2007, kl. 14.00-18.00

Läs mer

Histogram, pivottabeller och tabell med beskrivande statistik i Excel

Histogram, pivottabeller och tabell med beskrivande statistik i Excel Histogram, pivottabeller och tabell med beskrivande statistik i Excel 1 Histogram är bra för att dem på ett visuellt sätt ger oss mycket information. Att göra ett histogram i Excel är dock rätt så bökigt.

Läs mer

Datorövningar SPSS. Elisabet Borg, HT2007+

Datorövningar SPSS. Elisabet Borg, HT2007+ Datorövningar SPSS Elisabet Borg, HT2007+ 28 Instruktion till SPSS Detta är endast en enkel lathund med några få grundläggande funktioner för att du ska kunna komma igång med statistikprogrammet SPSS 13

Läs mer

Modeling cross- selling success in the insurance industry - Using Generalized Linear Models

Modeling cross- selling success in the insurance industry - Using Generalized Linear Models Modeling cross- selling success in the insurance industry - Using Generalized Linear Models Pontus Montgomery Master s thesis 2013 2 Abstract In recent years a shift in sales focus, towards cross- selling,

Läs mer

Användarhandledning för VD Link för Småhus Vitec

Användarhandledning för VD Link för Småhus Vitec Innehållsförteckning Användarhandledning, VD Link för Småhus...3 1. Valfri sökning...4 Standardsökning...5 Kartsökning...7 Utökad sökning...8 Resultat av sökning...9 Detaljerad information om en försäljning...9

Läs mer

Bilaga 1, Exempel på dålig uppdatering

Bilaga 1, Exempel på dålig uppdatering Bilaga 1, Exempel på dålig uppdatering Bilden nedan visar att vissa delar av LTU:s webbplats är ouppdaterad. Ett exempel på detta är att läsårsindelningen är för läsår 5/6 och detta kunde ses den 6 oktober

Läs mer

F11 Två stickprov. Måns Thulin. Uppsala universitet thulin@math.uu.se. Statistik för ingenjörer 26/2 2013 1/11

F11 Två stickprov. Måns Thulin. Uppsala universitet thulin@math.uu.se. Statistik för ingenjörer 26/2 2013 1/11 1/11 F11 Två stickprov Måns Thulin Uppsala universitet thulin@math.uu.se Statistik för ingenjörer 26/2 2013 2/11 Dagens föreläsning Konfidensintervall när man har ihopparade stickprov Att väga samman skattningar

Läs mer

tentaplugg.nu av studenter för studenter

tentaplugg.nu av studenter för studenter tentaplugg.nu av studenter för studenter Kurskod Kursnamn T0008N Operations management Datum LP3 10-11 Material Kursexaminator Tentamen Diana Chronéer Betygsgränser 3 = 30-39,5 ; 4 = 40-49,5 ; 50 = 50-60

Läs mer

Bygga linjära modeller! Didrik Vanhoenacker 2007

Bygga linjära modeller! Didrik Vanhoenacker 2007 Bygga linjära modeller! Didrik Vanhoenacker 2007 1 Bygga enkla modeller Tänk att vi ska försöka förstå vad som styr hur många blommor korsblommiga växter har. T ex hos Lomme och Penningört. Hittills har

Läs mer

Grunderna i SPSS. 2013 Martin Gellerstedt 0. INTRODUKTION... 2 1. KOM IGÅNG MED INMATNING, KODNING OCH DATATRIXANDE... 3

Grunderna i SPSS. 2013 Martin Gellerstedt 0. INTRODUKTION... 2 1. KOM IGÅNG MED INMATNING, KODNING OCH DATATRIXANDE... 3 Grunderna i SPSS 2013 Martin Gellerstedt 0. INTRODUKTION... 2 1. KOM IGÅNG MED INMATNING, KODNING OCH DATATRIXANDE... 3 1.1 ATT DEFINIERA VARIABLER OCH SKAPA EN KOD... 4 1.2 ATT KOPIERA EN KOD... 6 1.3

Läs mer

Kvantitativa (analys) metoder

Kvantitativa (analys) metoder Kvantitativa (analys) metoder Roland Sjöström Statistik, SPSS, analysmetoder Vad är standardavvikelse och varians Vad händer om ni får dubbelt så många svar? Medelfel? Vad innebär 95% sannolikhet Varför

Läs mer

Lösningar till uppgifterna sätts ut på kurssidan på nätet i dag kl 13.00. Omtentamen i Programmering C, Fri, Kväll, 050108.

Lösningar till uppgifterna sätts ut på kurssidan på nätet i dag kl 13.00. Omtentamen i Programmering C, Fri, Kväll, 050108. 1(8) ÖREBRO UNIVERSITET INSTITUTIONEN FÖR TEKNIK Lösningar till uppgifterna sätts ut på kurssidan på nätet i dag kl 13.00. Denna tenta kommer att vara färdigrättad Fr 14/1 och kan då hämtas på mitt tjänsterum,

Läs mer

Elförbrukningen i svenska hushåll

Elförbrukningen i svenska hushåll Kandidatuppsats i Statistik Elförbrukningen i svenska hushåll - En analys inom projektet Förbättrad energistatistik i bebyggelsen för Energimyndigheten Josefine Nilsson & Jing Xie Upphovsrätt Detta dokument

Läs mer

Statistisk analys av bestämningar av maximal syreupptagningsförmåga

Statistisk analys av bestämningar av maximal syreupptagningsförmåga Statistisk analys av bestämningar av maximal syreupptagningsförmåga Tuva Andersson Kandidatuppsats i matematisk statistik Bachelor Thesis in Mathematical Statistics Kandidatuppsats 2014:9 Matematisk statistik

Läs mer

PROGRAMMERING-JAVA TENTAMINA

PROGRAMMERING-JAVA TENTAMINA PROGRAMMERING-JAVA TENTAMINA Nicolina Månsson 2010-08-16 (Kontaktperson Nicolina Månsson, tel. 0768-530640) Tentamensinstruktioner Poängsättning Hela tentamen omfattar 42 poäng. Poäng för varje uppgift

Läs mer

Tentamensinstruktioner. Vid skrivningens slut

Tentamensinstruktioner. Vid skrivningens slut Matematiska institutionen Optimeringslära TENTAMEN TAOP14/TEN1 OPTIMERINGSLÄRA GRUNDKURS för I och Ii Datum: 13:e januari 2011 Tid: 8.00 13.00 Hjälpmedel: Kurslitteratur av Lundgren m fl: Optimeringslära

Läs mer

TENTAMEN PROGRAMMERING I JAVA, 5P SOMMARUNIVERSITETET

TENTAMEN PROGRAMMERING I JAVA, 5P SOMMARUNIVERSITETET UMEÅ UNIVERSITET Datavetenskap 010824 TENTAMEN PROGRAMMERING I JAVA, 5P SOMMARUNIVERSITETET Datum : 010824 Tid : 9-15 Hjälpmedel : Inga Antal uppgifter : 7 Totalpoäng : 40 (halva poängtalet krävs normalt

Läs mer

Introduktion till PAST

Introduktion till PAST Introduktion till PAST Robert Szulkin robert.szulkin@sll.se Innehållsförteckning Innehållsförteckning... - 2 - PAST - Introduktion... - 3 - Introduktion... - 3 - Hjälpmanual... - 3 - Installation... -

Läs mer

Analys av data från FIFA med hjälp av korrespondensanalys (Analysis of data from FIFA through correspondence analysis)

Analys av data från FIFA med hjälp av korrespondensanalys (Analysis of data from FIFA through correspondence analysis) STOCKHOLMS UNIVERSITET Statistiska institutionen Analys av data från FIFA med hjälp av korrespondensanalys (Analysis of data from FIFA through correspondence analysis) Ximena Espinoza 15-högskolepoäng

Läs mer

TNIU66: Statistik och sannolikhetslära

TNIU66: Statistik och sannolikhetslära Institutionen för teknik och naturvetenskap TNIU66: Statistik och sannolikhetslära Kursinformation 2015 Kursens mål och förväntade läranderesultat Kursens mål är att ge en introduktion till matematisk

Läs mer

Kandidatuppsats Statistiska institutionen

Kandidatuppsats Statistiska institutionen Kandidatuppsats Statistiska institutionen Bachelor thesis, Department of Statistics Nr 2013:1 Prognosmodell för den relativa arbetslösheten i Sverige Forecast model for the relative unemployment rate in

Läs mer

PROGRAMMERING-Java TENTAMINA

PROGRAMMERING-Java TENTAMINA PROGRAMMERING-Java TENTAMINA Nicolina Månsson 2010-03-17 Tentamensinstruktioner Poängsättning Hela tentamen omfattar 42 poäng. Poäng för varje uppgift står angivet inom parentes före varje uppgift. - För

Läs mer

TENTAMEN I STATISTIKENS GRUNDER 2

TENTAMEN I STATISTIKENS GRUNDER 2 STOCKHOLMS UNIVERSITET Statistiska institutionen Michael Carlson HT2012 TENTAMEN I STATISTIKENS GRUNDER 2 2012-11-20 Skrivtid: kl 9.00-14.00 Godkända hjälpmedel: Miniräknare, språklexikon Bifogade hjälpmedel:

Läs mer

En introduktion till och första övning i @Risk5 for Excel

En introduktion till och första övning i @Risk5 for Excel LUNDS UNIVERSITET 1(6) STATISTISKA INSTITUTIONEN Per-Erik Isberg / Lars Wahlgren VT2012 En introduktion till och första övning i @Risk5 for Excel Vi har redan under kursen stiftat bekantskap med Minitab

Läs mer

Fördelar med NFTS. Nuvarande system/teknik måste ändå uppdateras FältForsks webbsidor behöver utvecklas

Fördelar med NFTS. Nuvarande system/teknik måste ändå uppdateras FältForsks webbsidor behöver utvecklas Nordic Field Trial System (NFTS) Torbjörn Leuchovius SLU Fältforsk Johannes Forkman SLU Fältforsk - Referensgrupp 2012-10-23 Fördelar med NFTS Utökat nordiskt metodsamarbete Samnordiska/internationella

Läs mer

Tentamensinstruktioner. När Du löser uppgifterna

Tentamensinstruktioner. När Du löser uppgifterna Matematiska institutionen Optimeringslära TENTAMEN TAOP14/TEN 1 OPTIMERINGSLÄRA GRUNDKURS för I, Ii och TB Datum: 24 augusti 2009 Tid: 8.00-13.00 Hjälpmedel: Lundgren m fl: Optimeringslära och/eller Lundgren

Läs mer

GRUNDLÄGGANDE STATISTIK FÖR EKONOMER

GRUNDLÄGGANDE STATISTIK FÖR EKONOMER Statistiska institutionen Annika Tillander TENTAMEN GRUNDLÄGGANDE STATISTIK FÖR EKONOMER 2015-04-23 Skrivtid: 16.00-21.00 Hjälpmedel: Godkänd miniräknare utan lagrade formler eller text, samt bifogade

Läs mer

HI1024 Programmering, grundkurs TEN2 2014-03-13

HI1024 Programmering, grundkurs TEN2 2014-03-13 HI1024 Programmering, grundkurs TEN2 2014-03-13 KTH STH Haninge 13.15-18.00 Tillåtna hjälpmedel: En A4 handskriven på ena sidan med egna anteckningar Kursboken C PROGRAMMING A Modern Approach K. N. King

Läs mer

Prognos av framtida inkomster hos CSN:s låntagare

Prognos av framtida inkomster hos CSN:s låntagare Prognos av framtida inkomster hos CSN:s låntagare En jämförande regressionsanalys mellan flera regressionsmetoder vid vänstertrunkerad data Qun Wang Ali-Reza Rezaie Student VT-2011 Examensarbete, 15 hp

Läs mer

TT091A, TVJ22A, NVJA02 Pu, Ti. 50 poäng

TT091A, TVJ22A, NVJA02 Pu, Ti. 50 poäng Matematisk statistik Provmoment: Ladokkod: Tentamen ges för: TT091A, TVJ22A, NVJA02 Pu, Ti 7,5 högskolepoäng Namn: (Ifylles av student) Personnummer: (Ifylles av student) Tentamensdatum: 2012-05-29 Tid:

Läs mer

tentaplugg.nu av studenter för studenter

tentaplugg.nu av studenter för studenter tentaplugg.nu av studenter för studenter Kurskod Kursnamn R0008N Inledande extern redovisning Datum 2013-10-31 Material Kursexaminator Betygsgränser Tentamenspoäng Tentamen Monika Kurkkio G 42; VG 56 58

Läs mer

Föreläsning 10: Regressionsdiagnostik och experimentell design

Föreläsning 10: Regressionsdiagnostik och experimentell design Föreläsning 10: Regressionsdiagnostik och experimentell design Pär Nyman 19 september 2014 Det här är kompletterande anteckningar till föreläsning 10. De är lite mer omfattande än övriga föreläsningsanteckningar

Läs mer

Tentamen består av 14 frågor, totalt 40 poäng. Det krävs minst 24 poäng för att få godkänt och minst 32 poäng för att få väl godkänt.

Tentamen består av 14 frågor, totalt 40 poäng. Det krävs minst 24 poäng för att få godkänt och minst 32 poäng för att få väl godkänt. KOD: Kurskod: PC1244 Kursnamn: Kognitiv psykologi och utvecklingspsykologi Provmoment: Metod Ansvarig lärare: Sandra Buratti Tentamensdatum: 2015-09-24 Tillåtna hjälpmedel: Miniräknare Tentamen består

Läs mer

Stockholms Universitet Statistiska Institutionen VT-2009. Kursbeskrivning. Statistisk Teori I, grundnivå, 15 högskolepoäng

Stockholms Universitet Statistiska Institutionen VT-2009. Kursbeskrivning. Statistisk Teori I, grundnivå, 15 högskolepoäng Stockholms Universitet Statistiska Institutionen VT-2009 Kursbeskrivning Statistisk Teori I, grundnivå, 15 högskolepoäng Allmänt Kursen består av två moment: Moment 1. Grundläggande statistisk teori, 12hp.

Läs mer

Godisförsäljning. 1. a) Vad blir den totala kostnaden om klassen köper in 10 kg godis? Gör beräkningen i rutan nedan.

Godisförsäljning. 1. a) Vad blir den totala kostnaden om klassen köper in 10 kg godis? Gör beräkningen i rutan nedan. Godisförsäljning För att samla in pengar till en klassresa har Klass 9b på Gotteskolan bestämt sig för att hyra ett bord och sälja godis på Torsbymarten. Det kostar 100 kr att hyra ett bord. De köper in

Läs mer

Samband mellan energianvändning, SBS och astma i arbetsplatsbyggnader i södra Sverige

Samband mellan energianvändning, SBS och astma i arbetsplatsbyggnader i södra Sverige Samband mellan energianvändning, SBS och astma i arbetsplatsbyggnader i södra Sverige Dan Norbäck Material och metoder Samarbete med en större teknisk konsult som gör energideklarationer och föreslår energisparande

Läs mer

MS-A0509 Grundkurs i sannolikhetskalkyl och statistik Exempel, del II

MS-A0509 Grundkurs i sannolikhetskalkyl och statistik Exempel, del II MS-A0509 Grundkurs i sannolikhetskalkyl och statistik Exempel, del II G. Gripenberg Aalto-universitetet 13 februari 2015 G. Gripenberg (Aalto-universitetet) MS-A0509 Grundkurs i sannolikhetskalkyl och

Läs mer

Tentamen i Grundläggande programmering STS, åk 1 lördag 2002-05-25

Tentamen i Grundläggande programmering STS, åk 1 lördag 2002-05-25 Tentamen i Grundläggande programmering STS, åk 1 lördag 2002-0-2 Skrivtid: 09.00 14.00 Hjälpmedel: Inga Lärare: Anders Berglund. Elena Fersman besöker tentan vid två tillfällen: cirka kl. 10.30 samt cirka

Läs mer

Bolåneräntor i Sverige

Bolåneräntor i Sverige DEGREE PROJECT, IN APPLIED MATHEMATICS AND INDUSTRIAL ECONOMICS, FIRST LEVEL STOCKHOLM, SWEDEN 2014 Bolåneräntor i Sverige EN ANALYS AV INDIVIDUELLA RÄNTOR MED MULTIPEL LINJÄR REGRESSION ANDRÉ BERGLUND,

Läs mer

Småhustomters marginalvärde

Småhustomters marginalvärde Småhustomters marginalvärde Alexander Haglund & Emil Nilsson LTH Copyright Alexander Haglund och Emil Nilsson, 2014 Email: mt07ah0@student.lu.se och zba08eni@student.lu.se Båda författarna har gemensamt

Läs mer

Kort handledning i SAS

Kort handledning i SAS Matematisk statistik Stockholms universitet Kort handledning i SAS Esbjörn Ohlsson Kompendium Ny version Januari 2005 Postadress: Matematisk statistik Matematiska institutionen Stockholms universitet 106

Läs mer

TENTAMEN I SF1906 (f d 5B1506) MATEMATISK STATISTIK GRUNDKURS,

TENTAMEN I SF1906 (f d 5B1506) MATEMATISK STATISTIK GRUNDKURS, Avd. Matematisk statistik TENTAMEN I SF1906 (f d 5B1506) MATEMATISK STATISTIK GRUNDKURS, TORSDAGEN DEN 7 JUNI 2012 KL 14.00 19.00 Examinator:Gunnar Englund, 073 3213745 Tillåtna hjälpmedel: Formel- och

Läs mer

Kossor, tallsteklar och sockerärter Statistik vid Sveriges Lantbruksuniversitet

Kossor, tallsteklar och sockerärter Statistik vid Sveriges Lantbruksuniversitet Kossor, tallsteklar och sockerärter Statistik vid Sveriges Lantbruksuniversitet Mikael Andersson Franko Universitetslektor i matematisk statistik Enheten för tillämpad statistik och matematik SLU i hela

Läs mer

DATORÖVNING 1: INTRODUKTION TILL DATORSYSTEMET. BESKRIVANDE STATISTIK. SANNOLIKHETSLÄRA.

DATORÖVNING 1: INTRODUKTION TILL DATORSYSTEMET. BESKRIVANDE STATISTIK. SANNOLIKHETSLÄRA. DATORÖVNING 1: INTRODUKTION TILL DATORSYSTEMET. BESKRIVANDE STATISTIK. SANNOLIKHETSLÄRA. ALLMÄNT OM DATORERNA Datorsystemet består av persondatorer kopplade i ett nätverk till en större server. Operativsystemet

Läs mer

Lösningar till övningsuppgifterna

Lösningar till övningsuppgifterna Lösningar till övningsuppgifterna Kapitel 1 1.1 Population: alla väljare. Exemplet är en observationsstudie. 1.2 Populationer: Berlinare med respektive utan lungcancer. Exemplet är en observationsstudie.

Läs mer

Penningpolitiska förväntningar

Penningpolitiska förväntningar NATIONALEKONOMISKA INSTITUTIONEN Uppsala Universitet Uppsats fortsättningskurs C Författare: Arash Bigloo och Lars Björn Handledare: Per Engström Vårterminen 2007 Penningpolitiska förväntningar en empirisk

Läs mer