Vad man bör tänka på innan man börjar analysera sina data SLU
|
|
- Karl Falk
- för 7 år sedan
- Visningar:
Transkript
1 Vad man bör tänka på innan man börjar analysera sina data SLU
2 Datakvalitet Fyra olika dataset gav följande samband: y = 3 + 0,5 x r 2 = 0,67 p = 0,002 Finns det ett samband mellan x och y?
3 Datakvalitet Titta på data: y1 y x x3
4 Bedömning av datakvalitet Finns det skrivfel? Finns det saknade värden eller saknade perioder? Finns det avvikande värden (Outliers) eller avvikande perioder? Finns det tillräckligt med data? Finns det brytpunkter i serien?
5 Datamaterialets egenskaper Hur ser data ut? Är observationerna oberoende? Finns det värden under en eller flera detektionsgräns(er)? Vilken fördelning har observationerna?
6 Ytterligare problem vid analys av data Homogenitet i Y Många nollor i Y Samvariation i X
7 Skrivfel Första kontroll av ett digitalt dataset bör omfatta: Har alla variabler rätt typ Numerisk / Text / Heltal, etc. Medel-, max- och minvärden Är dessa inom rimliga gränser? Hur kodas saknade värden? Tom cell, 0, -99, punkt
8 Skrivfel Vanliga misstag: Decimalkomma eller -punkt: 3,14 eller 3.14 Mellanrum eller apostrofer i nummer: eller Censurerade värden, t.ex. <100 Byte av enhet mitt i en kolumn: µg * l -1 till mg * l -1 Feltolkning av noll (0): mätvärde i stället för saknat värde Kolumnfel vid import av data
9 Saknade värden Enstaka, slumpvis fördelade saknade värden = inget stort problem Systematiska luckor i data = problem Var medveten om hur ditt program och din metod hanterar saknade värden: Tar bort hela raden Tar bort hela kolumnen Modelleras (imputeras) Inget program klarar av saknade värden!
10 Avvikande värden Stort problem i vissa statistiska metoder Litet eller inget problem i andra metoder Vagt definierat som ett avvikande värde
11 Box plot Hur hittar man avvikare? y3 y x x3 Cleveland plot, observerat värde mot radnummer Row number TOC (mg/l)
12 Avvikande värden Visuell inspektion av data Grubbs test Relaterat till t-test. Avgör om ett värde tillhör samma statisiska population som resten av värdena. Flera andra test för kontroll av avvikande värden Finns även för multivariata data
13 När tar man bort avvikande värden? Uppenbara felaktigheter Endast om avvikande värden påverkar analysen Mindre riskabelt i stora dataset Borttagning måste baseras på ämneskunskap (miljö, biologi, kemi, etc.) När tar man inte bort avvikande värden? Om det avvikande värdet är korrekt och visar sanna variationen När analysen inte påverkas av avvikande värden Bör övervägas vid små dataset
14 Finns tillräckligt med data? Vilken fråga vill jag ha svar på? Hur stor risk är jag villig att ta att data råkar vara en samling extremvärden? Vad är kostnaden (ekonomiskt, ekologiskt, trovärdighet) för att: a) Missa en påverkan på miljön (typ II-fel) b) Felaktigt påstå att det finns en miljöpåverkan (typ I-fel)
15 Finns det brytpunkter i en dataserie? R 2 =.42 P <.001 P(x1) = 0.12 P(x2) <.001 Före Efter Utan hänsyn till brytpunkten: Y = α + β X + ε Bra samband mellan X 1 och Y Med hänsyn till brytpunkten: Y = α + β 1 X 1 + β 2 X 2 + ε Inget samband mellan X 1 och Y. Brytpunkten (X 2 ) signifikant
16 Finns det brytpunkter i en dataserie? Brytpunkt: I medelvärde I variation Orsak till brytpunkt måste undersökas Viktigt resultat i sig!
17 Hur ser data ut? Titta på data! y1 y x x3
18 Stationsko Min Max Abs_OF Abs_F Stationsnam ordinat Stationsko Stationsty Provtagnin Provtagnin Provtagnin Provdjup Provdjup SO4_IC NO2_NO3 Kjeldahl_N NH4_N Ca Kond_25 PO4_P Mg (420nm/5c Fluorid Tot_N_ps Alk (420nm/5c Na n N/X ordinat E/Y p Provdatum gs? gsm?ad gsdag (m) (m) (mekv/l) TOC (mg/l) Cl (mekv/l) _N (?g/l) (?g/l) Si (mg/l) (?g/l) (mekv/l) (ms/m25) ph () (?g/l) (mekv/l) m) (mg/l) (?g/l) (mekv/l) K (mekv/l) m) (mekv/l) Vattendra Alelyckan g ,5 0,5 0,265 4,9 0, , ,375 9,57 7,15 7 0,135 0,188 0, ,26 0,032 0,046 0,316 Vattendra Alelyckan g ,5 0,5 0,27 4,2 0, , ,375 9,87 7,17 5 0,139 0,127 0, ,269 0,03 0,045 0,329 Vattendra Alelyckan g ,5 0,5 0,264 5,7 0, , ,38 9,6 7,12 3 0,134 0,177 0, ,26 0,028 0,046 0,305 Vattendra Alelyckan g ,5 0,5 0, , ,7 13 0,383 9,7 7,22 4 0,14 0,112 0, ,267 0,031 0,036 0,331 Vattendra Always good to have a look at the relationships! Alelyckan g ,5 0,5 0,256 4,1 0, , ,378 9,41 7,08 6 0,14 0,157 0, ,267 0,031 0,049 0,298 Vattendra Alelyckan g ,5 0,5 0,257 4,5 0, , ,371 9,19 7,11 4 0,133 0,156 0, ,255 0,028 0,044 0,291 Vattendra Alelyckan g ,5 0,5 0,251 4,9 0, , ,369 9,29 7,48 5 0,13 0,131 0, ,262 0,03 0,034 0,287 Vattendra Alelyckan g ,5 0,5 0,261 4,1 0, , ,38 9,19 7,61 3 0,129 0,1 0, ,271 0,03 0,028 0,289 Vattendra Alelyckan g ,5 0,5 0,265 4,3 0, , ,383 9,21 7,29 2 0,132 0,07 0, ,268 0,031 0,029 0,293 Vattendra Alelyckan g ,5 0,5 0,264 4,6 0, ,64 8 0,369 9, ,132 0,118 0, ,271 0,031 0,042 0,293 Vattendra Alelyckan g ,5 0,5 0,255 4,3 0, , ,38 9,31 7,15 3 0,133 0,106 0, ,274 0,031 0,038 0,295 Vattendra Alelyckan g ,5 0,5 0,252 4,8 0, , ,361 9,42 7,16 9 0,134 0,131 0, ,263 0,031 0,054 0,304 Vattendra Alelyckan g ,5 0,5 0,258 4,9 0, , ,378 9,61 7,2 1 0,141 0,159 0, ,265 0,033 0,056 0,32 Vattendra Alelyckan g ,5 0,5 0,254 3,9 0, , ,371 9,46 7,18 4 0,136 0,152 0, ,268 0,032 0,051 0,316 Vattendra Alelyckan g ,5 0,5 0,257 4,5 0, , ,379 9,17 7,22 3 0,134 0,145 0, ,248 0,033 0,051 0,299 Vattendra Alelyckan g ,5 0,5 0,254 4,6 0, , ,374 9,98 7,26 5 0,143 0,2 0, ,282 0,033 0,045 0,317 Vattendra Alelyckan g ,5 0,5 0,257 4,3 0, , ,383 9,31 7,39 1 0,139 0,117 0, ,279 0,029 0,033 0,294 Vattendra Alelyckan g ,5 0,5 0,253 4,2 0, ,5 14 0,377 9,55 7,35 2 0,139 0,141 0, ,276 0,03 0,033 0,308 Vattendra Alelyckan g ,5 0,5 0,26 4,7 0, , ,374 9,48 7,36 9 0,129 0,123 0, ,271 0,027 0,031 0,295 Vattendra Alelyckan g ,5 0,5 0,258 4,3 0, , ,375 9,02 7,19 5 0,133 0,106 0, ,28 0,03 0,047 0,285 Vattendra Alelyckan g ,5 0,5 0,234 4,7 0, , ,365 8,85 7,2 4 0,135 0,119 0, ,26 0,032 0,056 0,312 Vattendra Alelyckan g ,5 0,5 0, , , ,369 8,68 7,33 4 0,135 0,087 0, ,271 0,031 0,042 0,302 Vattendra Alelyckan g ,5 0,5 0,232 4,6 0, , ,354 9,15 7,31 4 0,131 0,101 0, ,278 0,03 0,025 0,301 Vattendra Alelyckan g ,5 0,5 0,241 4,9 0, , ,372 8,19 7,23 7 0,137 0,132 0, ,281 0,031 0,04 0,307 Vattendra Alelyckan g ,5 0,5 0,233 4,6 0, , ,372 9,33 7, ,138 0,243 0, ,316 0,04 0,049 0,338 Vattendra Alelyckan g ,5 0,5 0,233 4,7 0, , ,368 9,37 7,19 6 0,134 0,089 0, ,317 0,033 0,029 0,336 Vattendra Alelyckan g ,5 0,5 0,201 5,3 0, , ,356 9,06 7,11 9 0,129 0,3 0, ,313 0,034 0,072 0,304 Vattendra Alelyckan g ,5 0,5 0,21 4,2 0, , ,351 8,6 7,45 5 0,117 0,106 0, ,302 0,031 0,04 0,275 Vattendra Alelyckan g ,5 0,5 0,214 4,3 0, , ,352 8,85 7,14 5 0,12 0,104 0, ,316 0,032 0,034 0,285 Vattendra Alelyckan g ,5 0,5 0,429 4, , ,438 42,7 7,24 6 0,608 0,147 0, ,328 0,083 0, Vattendra Alelyckan g ,5 0,5 0,677 4, , ,542 73,6 7, ,147 0, ,355 0,131 0, Vattendra Alelyckan g ,5 0,5 0,21 4,6 0, , ,366 8,98 7,27 8 0,124 0,144 0, ,315 0,031 0,034 0,288 Vattendra Alelyckan g ,5 0,5 0,203 5,2 0, , ,348 8,98 7, ,129 0,23 0, ,304 0,035 0,072 0,295 Vattendra Alelyckan g ,5 0,5 0,21 4,2 0, , ,351 8,6 7,45 5 0,117 0,106 0, ,302 0,031 0,04 0,275 Vattendra Alelyckan g ,5 0,5 0,214 4,3 0, , ,352 8,85 7,14 5 0,12 0,104 0, ,316 0,032 0,034 0,285 Vattendra Alelyckan g ,5 0,5 0,429 4, , ,438 42,7 7,24 6 0,608 0,147 0, ,328 0,083 0, Vattendra Hur ser data ut? Alelyckan g ,5 0,5 0,677 4, , ,542 73,6 7, ,147 0, ,355 0,131 0,
19 Hur ser data ut? Always good to have a look at the relationships! Avvikande värden Nollor mätvärde eller saknat värde? Fördelning Typ av samband Saknade värden / felkodade värden Trender
20 Oberoende observationer De flesta statistiska tester förutsätter att variablerna är oberoende av varandra! Om inte, måste detta tas med vid analys av data! Exempel: Hierarkiska försöksupplägg Naturreservat i länet Våtmarker i reservaten Provytor i våtmarkerna Upprepad provtagning i samma objekt Tidsseriedata på vattenkemi Personpåverkan Mindre variation mellan prover tagna av samma protagare, än mellan två slumpvis utvalda provtagare
21 Censurerade data Värden över/under detektionsgränsen lägsta koncentration en analysmetod klarar av när siktdjup > vattendjup Se t.ex. miljostatistik.se för förslag på lösning!
22 Vilken fördelning har mina data? Många statistiska tester förutsätter normalfördelade data, t.ex. ANOVA regression t-test Andra tester har inga krav på fördelning, t.ex.: Multivariata metoder Icke-parametriska tester Chi-två tester
23 Vilken fördelning har mina data? Visuell inspektion Många statistiska tester av normalfördelning Goodness-of-Fit Test Shapiro-Wilk W Test W Prob<W <0.0001* Note: Ho = The data is from the Normal distribution. Small p-values reject Ho. Goodness-of-Fit Test Shapiro-Wilk W Test W Prob<W Note: Ho = The data is from the Normal distribution. Small p-values reject Ho.
24 Vilken fördelning har mina data? Om data inte är normalfördelade: Transformera data om lämpligt Använd andra statistiska tester, t.ex.: Icke-parametriska tester Generalized linear model (GLIM), (avancerad statistik)
25 Vilken fördelning har mina data? Transformering inte alltid lämpligt! Dela upp ett dataset i faktorer för att kontrollera Vår Alla data Sommar Goodness-of-Fit Test Shapiro-Wilk W Test W Prob<W 0, <,0001* Note: Ho = The data is from the Normal distribution. Small p-values reject Ho. Vinter Honor Hanar
26 Heterogenitet i Y Variationen i Y-led måste vara lika stor för alla X Testas enklast genom plot av residualer mot predikterat Y R² = 0, Regression är inte tillåten -5 på dessa data! Predicted Y Residuals
27 Heterogenitet i Y Transformering av Y kan ta bort heterogeneiteten Ett annat alternativ är Generalized linear models 2 1 log Y 1,5 1 0,5 0-0,5-1 -1,5-2 R² = 0,3432 Residuals 0,5 0-0,5-1 -1,5-2 -2,5-2, ,5 1 1,5 X Predicted log Y
28 Många nollor Kallas ibland zero inflated data Kan ställa till problem Det finns statistiska tester för dataset med många nollor Problem vid analys av förekomstdata: Dubbel frånvaro
29 Många nollor Den gröna blomman saknas i yta 2 och 3 Vilket är det ekologiska avståndet mellan yta 2 och 3? Ligger ytorna bredvid varandra Ligger en yta i tropikerna och en Arktis? Går inte att svar på!
30 Pseudosamband IQ Skostorlek
31 Pseudosamband När en tredje variabel kontrollerar x och y IQ och skostorlek båda bestäms av ålder Förekomst av blåbär och vattenföring båda bestäms (bl.a.) av nederbörd
32 Samvariation Korrelerade variabler i samma modell kan ge felaktiga resultat t.ex. både vattendjup och avstånd till strand Y ** ** ** ** N.S. ** X1 X2 X3 X4 X5 X6 Signifikant samband mellan vart och ett av paren: Y-X 1, Y-X 2, Y-X 3 förutom Y-X 5.
33 Samvariation Hur upptäcker man samvariation? Korrelationsmatris Principalkomponentanalys (PCA)
34 Samvariation Samband mellan vart och ett: y-x1; y-x2, y-x3 Y ** ** ** ** N.S. ** X1 X2 X3 X4 X5 X6 Hur ser en sammansatt modell ut? Y = α + β 1 X 1 + β 2 X 2 + β 3 X 3 + β n X n + ε
35 Samvariation Variance Inflation Factor, VIF, kan ge svar Y ** ** ** ** N.S. ** X1 X2 X3 X4 X5 X6 Y = α + β 1 X 1 + β 2 X 2 + β 3 X 3 + β n X n + ε Term Estimate Std Error t Ratio Prob> t VIF Intercept -5,33 0,62-8,63 0,001*. X1-0,09 0,15-0,61 0,57 17,73 X2 0,39 0,1 4,12 0,015* 6,31 X3 0,45 0,06 8,02 0,001* 2,32 X4 0,88 0,07 11,77 0,0003* 4 Random number 0,16 0,12 1,3 0,26 2,95 Korrelerad till X1 0,25 0,13 1,89 0,13 23,23 VIF > 10 indikerar korrelation
36 Samvariation Variance Inflation Factor, VIF, kan ge svar Y ** ** ** ** N.S. ** X1 X2 X3 X4 X5 X6 Y = α + β 1 X 1 + β 2 X 2 + β 3 X 3 + β n X n + ε Term Estimate Std Error t Ratio Prob> t VIF Intercept -6,2 0,51-12,1 <,0001. X1 0,17 0,09 1,89 0,12 3,75 X2 0,52 0,08 6,27 0,0015* 3,15 X3 0,49 0,07 7,51 0,0007* 2,04 X4 0,82 0,08 9,79 0,0002* 3,33 Random number 0,31 0,12 2,64 0,05 1,76 VIF > 10 indikerar korrelation
37 Samvariation Vilken variabel ska man ta bort i ett par? Behåll den mest relevanta Behåll den enklaste Behåll den som är billigast att mäta
38 Mer att läsa Detta föredrag är baserat på: Zuur, A.F. m.fl.(2010) A protocol for data exploration to avoid common statistical problems. Methods in Ecology and Evolution 1: 3-14.
39
Residualanalys. 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 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 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 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 merAnalytisk statistik. Tony Pansell, optiker Universitetslektor
Analytisk statistik Tony Pansell, optiker Universitetslektor Analytisk statistik Att dra slutsatser från det insamlade materialet. Två metoder: 1. att generalisera från en mindre grupp mot en större grupp
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 merTentamen i matematisk statistik
Sid 1 (9) i matematisk statistik Statistik och kvalitetsteknik 7,5 hp Tillåtna hjälpmedel: Miniräknare. Studenterna får behålla tentamensuppgifterna. Skrivtid: 9.00-12.00 ger maximalt 24 poäng. Betygsgränser:
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 merParade och oparade test
Parade och oparade test Andrew Hooker Division of Pharmacokinetics and Drug Therapy Department of Pharmaceutical Biosciences Uppsala University Hypotesprövning: möjliga jämförelser Jämförelser mot ett
Läs merRegressionsanalys. - en fråga om balans. Kimmo Sorjonen Sektionen för Psykologi Karolinska Institutet
Regressionsanalys - en fråga om balans Kimmo Sorjonen Sektionen för Psykologi Karolinska Institutet Innehåll: 1. Enkel reg.analys 1.1. Data 1.2. Reg.linjen 1.3. Beta (β) 1.4. Signifikansprövning 1.5. Reg.
Läs merLö sningsfö rslag till tentamen i matematisk statistik Statistik öch kvalitetsteknik 7,5 hp
Sid 1 (10) Lö sningsfö rslag till tentamen i matematisk statistik Statistik öch kvalitetsteknik 7,5 hp Uppgift 1 Betrakta nedanstående täthetsfunktion för en normalfördelad slumpvariabel X med väntevärde
Läs merBild 1. Bild 2 Sammanfattning Statistik I. Bild 3 Hypotesprövning. Medicinsk statistik II
Bild 1 Medicinsk statistik II Läkarprogrammet T5 HT 2014 Anna Jöud Arbets- och miljömedicin, Lunds universitet ERC Syd, Skånes Universitetssjukhus anna.joud@med.lu.se Bild 2 Sammanfattning Statistik I
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 merSänkningen av parasitnivåerna i blodet
4.1 Oberoende (x-axeln) Kön Kön Längd Ålder Dos Dos C max Parasitnivå i blodet Beroende (y-axeln) Längd Vikt Vikt Vikt C max Sänkningen av parasitnivåerna i blodet Sänkningen av parasitnivåerna i blodet
Läs merMatematisk statistik för D, I, Π och Fysiker
Matematisk statistik för D, I, Π och Fysiker Föreläsning 15 Johan Lindström 4 december 218 Johan Lindström - johanl@maths.lth.se FMSF45/MASB3 F15 1/28 Repetition Linjär regression Modell Parameterskattningar
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 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 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 merTentamen i matematisk statistik
Sid 1 (7) i matematisk statistik Statistik och kvalitetsteknik 7,5 hp Tillåtna hjälpmedel: Miniräknare. Studenterna får behålla tentamensuppgifterna. Skrivtid: 9.00-12.00 ger maximalt 24 poäng. Betygsgränser:
Läs merGamla tentor (forts) ( x. x ) ) 2 x1
016-10-10 Gamla tentor - 016 1 1 (forts) ( x ) x1 x ) ( 1 x 1 016-10-10. En liten klinisk ministudie genomförs för att undersöka huruvida kostomläggning och ett träningsprogram lyckas sänka blodsockernivån
Läs merInStat Exempel 4 Korrelation och Regression
InStat Exempel 4 Korrelation och Regression Vi ska analysera ett datamaterial som innehåller information om kön, längd och vikt för 2000 personer. Materialet är jämnt fördelat mellan könen (1000 män och
Läs merKapitel 12: TEST GÄLLANDE EN GRUPP KOEFFICIENTER - ANOVA
Kapitel 12: TEST GÄLLANDE EN GRUPP KOEFFICIENTER - ANOVA 12.1 ANOVA I EN MULTIPEL REGRESSION Exempel: Tjänar man mer som egenföretagare? Nedan visas ett utdrag ur ett dataset som innehåller information
Läs merI. 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 merLÖSNINGAR TILL. Matematisk statistik, Tentamen: kl FMS 086, Matematisk statistik för K och B, 7.5 hp
LÖSNINGAR TILL Matematisk statistik, Tentamen: 011 10 1 kl 14 00 19 00 Matematikcentrum FMS 086, Matematisk statistik för K och B, 7.5 hp Lunds tekniska högskola MASB0, Matematisk statistik kemister, 7.5
Läs mer1. Lära sig plotta en beroende variabel mot en oberoende variabel. 2. Lära sig skatta en enkel linjär regressionsmodell
Datorövning 1 Regressions- och tidsserieanalys Syfte 1. Lära sig plotta en beroende variabel mot en oberoende variabel 2. Lära sig skatta en enkel linjär regressionsmodell 3. Lära sig beräkna en skattning
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 merFinansiell statistik. Multipel regression. 4 maj 2011
Finansiell statistik Föreläsning 4 Multipel regression Jörgen Säve-Söderbergh 4 maj 2011 Samband mellan variabler Vi människor misstänker ofta att det finns många variabler som påverkar den variabel vi
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 merHypotesprövning. Andrew Hooker. Division of Pharmacokinetics and Drug Therapy Department of Pharmaceutical Biosciences Uppsala University
Hypotesprövning Andrew Hooker Division of Pharmacokinetics and Drug Therapy Department of Pharmaceutical Biosciences Uppsala University Hypotesprövning Liksom konfidensintervall ett hjälpmedel för att
Läs merAutokorrelation och Durbin-Watson testet. Patrik Zetterberg. 17 december 2012
Föreläsning 6 Autokorrelation och Durbin-Watson testet Patrik Zetterberg 17 december 2012 1 / 14 Korrelation och autokorrelation På tidigare föreläsningar har vi analyserat korrelationer för stickprov
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 merAnalytisk statistik. 1. Estimering. Statistisk interferens. Statistisk interferens
Analytisk statistik Tony Pansell, Leg optiker Docent, Universitetslektor Analytisk statistik Att dra slutsatser från den insamlade datan. Två metoder:. att generalisera från en mindre grupp mot en större
Läs merBygga 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 merLösningar till SPSS-övning: Analytisk statistik
UMEÅ UNIVERSITET Statistiska institutionen 2006--28 Lösningar till SPSS-övning: Analytisk statistik Test av skillnad i medelvärden mellan två grupper Uppgift Testa om det är någon skillnad i medelvikt
Läs merViktiga dimensioner vid val av test (och även val av deskriptiv statistik) Biostatistik II - Hypotesprövning i teori och praktik.
Viktiga dimensioner vid val av test (och även val av deskriptiv statistik) Biostatistik II - Hypotesprövning i teori och praktik Urvalsstorlek Mätnivå/skaltyp Fördelning av data Studiedesign Frida Eek
Läs merIdag. EDAA35, föreläsning 4. Analys. Exempel: exekveringstid. Vanliga steg i analysfasen av ett experiment
EDAA35, föreläsning 4 KVANTITATIV ANALYS Idag Kvantitativ analys Kamratgranskning Analys Exempel: exekveringstid Hur analysera data? Hur vet man om man kan lita på skillnader och mönster som man observerar?
Läs merKorrelation kausalitet. ˆ Y =bx +a KAPITEL 6: LINEAR REGRESSION: PREDICTION
KAPITEL 6: LINEAR REGRESSION: PREDICTION Prediktion att estimera "poäng" på en variabel (Y), kriteriet, på basis av kunskap om "poäng" på en annan variabel (X), prediktorn. Prediktion heter med ett annat
Läs merTrender för vattenkvaliteten i länets vattendrag
Fakta 2014:21 Trender för vattenkvaliteten i länets vattendrag 1998 2012 Publiceringsdatum 2014-12-17 Kontaktpersoner Jonas Hagström Enheten för miljöanalys Telefon: 010-223 10 00 jonas.hagstrom@lansstyrelsen.se
Läs merSpridningsdiagram (scatterplot) Fler exempel. Korrelation (forts.) Korrelation. Enkel linjär regression. Enkel linjär regression (forts.
Spridningsdiagram (scatterplot) En scatterplot som visar par av observationer: reklamkostnader på -aeln and försäljning på -aeln ScatterplotofAdvertising Ependitures ()andsales () 4 Fler eempel Notera:
Läs merUpprepade 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 merF9 SAMPLINGFÖRDELNINGAR (NCT
Stat. teori gk, ht 006, JW F9 SAMPLINGFÖRDELNINGAR (NCT 7.1-7.4) Ordlista till NCT Sample Population Simple random sampling Sampling distribution Sample mean Standard error The central limit theorem Proportion
Läs merStatistik och epidemiologi T5
Statistik och epidemiologi T5 Anna Axmon Biostatistiker Yrkes- och miljömedicin Dagens föreläsning Fördjupning av hypotesprövning Repetition av p-värde och konfidensintervall Tester för ytterligare situationer
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 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 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 4. NDAB01 Statistik; teori och tillämpning i biologi
Föreläsning 4 Statistik; teori och tillämpning i biologi 1 Dagens föreläsning o Icke-parametriska test Mann-Whitneys test (kap 8.10 8.11) Wilcoxons test (kap 9.5) o Transformationer (kap 13) o Ev. Andelar
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 mer7,5 högskolepoäng. Statistisk försöksplanering och kvalitetsstyrning. TentamensKod: Tentamensdatum: 28 oktober 2016 Tid: 9.
Statistisk försöksplanering och kvalitetsstyrning Provmoment: Ladokkod: Tentamen ges för: TentamensKod: Tentamen 4I2B KINAF4, KINAR4, KINLO4, KMASK4 7,5 högskolepoäng Tentamensdatum: 28 oktober 206 Tid:
Läs merSF1901: SANNOLIKHETSTEORI OCH STATISTIKTEORI KONSTEN ATT DRA INTERVALLSKATTNING. STATISTIK SLUTSATSER. Tatjana Pavlenko.
SF1901: SANNOLIKHETSTEORI OCH STATISTIK FÖRELÄSNING 10 STATISTIKTEORI KONSTEN ATT DRA SLUTSATSER. INTERVALLSKATTNING. Tatjana Pavlenko 25 april 2017 PLAN FÖR DAGENS FÖRELÄSNING Statistisk inferens oversikt
Läs merIdag. EDAA35, föreläsning 4. Analys. Kursmeddelanden. Vanliga steg i analysfasen av ett experiment. Exempel: exekveringstid
EDAA35, föreläsning 4 KVANTITATIV ANALYS Idag Kvantitativ analys Slump och slumptal Analys Boxplot Konfidensintervall Experiment och test Kamratgranskning Kursmeddelanden Analys Om laborationer: alla labbar
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 merFöreläsning 1. Repetition av sannolikhetsteori. Patrik Zetterberg. 6 december 2012
Föreläsning 1 Repetition av sannolikhetsteori Patrik Zetterberg 6 december 2012 1 / 28 Viktiga statistiska begrepp För att kunna förstå mer avancerade koncept under kursens gång är det viktigt att vi förstår
Läs merSTATISTISK ANALYS AV KOMPLEXA DATA
STATISTISK ANALYS AV KOMPLEXA DATA LONGITUDINELLA DATA Linda Wänström Linköpings universitet 12 December Linda Wänström (Linköpings universitet) LONGITUDINELLA DATA 12 December 1 / 12 Explorativ Faktoranalys
Läs merOBS! Vi har nya rutiner.
KOD: Kurskod: PM2315 Kursnamn: Psykologprogrammet, kurs 15, Metoder för psykologisk forskning (15 hp) Ansvarig lärare: Jan Johansson Hanse Tentamensdatum: 14 januari 2012 Tillåtna hjälpmedel: miniräknare
Läs merFöreläsning 15: Faktorförsök
Föreläsning 15: Faktorförsök Matematisk statistik Chalmers University of Technology Oktober 17, 2016 Ensidig variansanalys Vi vill studera om en faktor A påverkar en responsvariabel. Vi gör totalt N =
Läs merAnalytisk statistik. Mattias Nilsson Benfatto, PhD.
Analytisk statistik Mattias Nilsson Benfatto, PhD Mattias.nilsson@ki.se Beskrivande statistik kort repetition Centralmått Spridningsmått Normalfördelning Konfidensintervall Korrelation Analytisk statistik
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 merMälardalens Högskola. Formelsamling. Statistik, grundkurs
Mälardalens Högskola Formelsamling Statistik, grundkurs Höstterminen 2015 Deskriptiv statistik Populationens medelvärde (population mean): μ = X N Urvalets medelvärde (sample mean): X = X n Där N är storleken
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 merMedicinsk statistik II
Medicinsk statistik II Läkarprogrammet termin 5 VT 2013 Susanna Lövdahl, Msc, doktorand Klinisk koagulationsforskning, Lunds universitet E-post: susanna.lovdahl@med.lu.se Dagens föreläsning Fördjupning
Läs merSTOCKHOLMS UNIVERSITET HT 2006 Statistiska institutionen Jan Hagberg, Bo Rydén, Christian Tallberg, Jan Wretman
STOCKHOLMS UNIVERSITET HT 2006 Statistiska institutionen Jan Hagberg, Bo Rydén, Christian Tallberg, Jan Wretman OBLIGATORISK INLÄMNINGSUPPGIFT STATISTISK TEORI, GK 10 och GK 20:2, heltid, HT 2006 Den obligatoriska
Läs mer7,5 högskolepoäng. Statistisk försöksplanering och kvalitetsstyrning. TentamensKod: Tentamensdatum: 30 oktober 2015 Tid: 9-13:00
Statistisk försöksplanering och kvalitetsstyrning Provmoment: Ladokkod: Tentamen ges för: TentamensKod: Tentamen 5Hp 41I12B KINAF13, KINAR13, KINLO13,KMASK13 7,5 högskolepoäng Tentamensdatum: 30 oktober
Läs merMaximalt antal poäng för hela skrivningen är28 poäng. För Godkänt krävs minst 17 poäng. För Väl Godkänt krävs minst 22,5 poäng.
Försättsblad KOD: Kurskod: PC1307/PC1546 Kursnamn: Kurs 7: Samhällsvetenskaplig forskningsmetodik/forskningsmetodik och fördjupningsarbete Provmoment: Statistik, 5 hp Ansvarig lärare: Sara Landström Tentamensdatum:
Läs merSTATISTISK ANALYS AV KOMPLEXA DATA
STATISTISK ANALYS AV KOMPLEXA DATA LONGITUDINELLA DATA Linda Wänström Linköpings universitet 9 December Linda Wänström (Linköpings universitet) LONGITUDINELLA DATA 9 December 1 / 43 Longitudinella data
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 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 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 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 merTENTAMEN I REGRESSIONSANALYS OCH TIDSSERIEANALYS
STOCKHOLMS UNIVERSITET Statistiska institutionen Marcus Berg VT2014 TENTAMEN I REGRESSIONSANALYS OCH TIDSSERIEANALYS Fredag 23 maj 2014 kl. 12-17 Skrivtid: 5 timmar Godkända hjälpmedel: Kalkylator utan
Läs merPoolade 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 merStokastiska processer med diskret tid
Stokastiska processer med diskret tid Vi tänker oss en följd av stokastiska variabler X 1, X 2, X 3,.... Talen 1, 2, 3,... räknar upp tidpunkter som förflutit från startpunkten 1. De stokastiska variablerna
Läs merTentamen i Statistik, STA A10 och STA A13 (9 poäng) Fredag 8 december 2006, Kl
Tentamen i Statistik, STA A10 och STA A13 (9 poäng) Fredag 8 december 2006, Kl 08.15-13.15 Tillåtna hjälpmedel: Bifogad formelsamling, approximationsschema och tabellsamling (dessa skall returneras). Egen
Läs merTentamen för kursen. Linjära statistiska modeller. 16 augusti 2007 9 14
STOCKHOLMS UNIVERSITET MATEMATISK STATISTIK Tentamen för kursen Linjära statistiska modeller 16 augusti 2007 9 14 Examinator: Anders Björkström, tel. 16 45 54, bjorks@math.su.se Återlämning: Rum 312, hus
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 mer1. En kontinuerlig slumpvariabel X har följande täthetsfunktion (för någon konstant k). f.ö.
UMEÅ UNIVERSITET Institutionen för matematik och matematisk statistik Statistik för tekniska fysiker, MSTA6, 4p Peter Anton Per Arnqvist LÖSNINGSFÖRSLAG TILL TENTAMEN 7-- LÖSNINGSFÖRSLAG TILL TENTAMEN
Läs merLösningar till tentamensskrivning för kursen Linjära statistiska modeller. 14 januari
STOCKHOLMS UNIVERSITET MATEMATISK STATISTIK Lösningar till tentamensskrivning för kursen Linjära statistiska modeller 14 januari 2010 9 14 Examinator: Anders Björkström, tel. 16 45 54, bjorks@math.su.se
Läs merMultipel linjär regression. Geometrisk tolkning. Tolkning av β k MSG Staffan Nilsson, Chalmers 1
Multipel linjär regression l: Y= β 0 + β X + β 2 X 2 + + β p X p + ε Välj β 0,β,β 2,, β p så att de minimerar summan av residualkvadraterna (Y i -β 0 -β X i - -β p X pi ) 2 Geometrisk tolkning Med Y=β
Läs merGrundläggande matematisk statistik
Grundläggande matematisk statistik Linjär Regression Uwe Menzel, 2018 uwe.menzel@slu.se; uwe.menzel@matstat.de www.matstat.de Linjär Regression y i y 5 y 3 mätvärden x i, y i y 1 x 1 x 2 x 3 x 4 x 6 x
Läs merTentamen i matematisk statistik
Sid 1 (7) i matematisk statistik Statistik och kvalitetsteknik 7,5 hp Tillåtna hjälpmedel: Miniräknare. Studenterna får behålla tentamensuppgifterna. Skrivtid: 9.00-12.00 ger maximalt 24 poäng. Betygsgränser:
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 merFöreläsning 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 merEn rät linje ett enkelt samband. En rät linje + slumpbrus. Observationspar (X i,y i ) MSG Staffan Nilsson, Chalmers 1.
En rät linje ett enkelt samband Y β 1 Lutning (slope) β 0 Skärning (intercept) 1 Y= β 0 + β 1 X X En rät linje + slumpbrus Y Y= β 0 + β 1 X + brus brus ~ N(0,σ) X Observationspar (X i,y i ) Y Ökar/minskar
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 merLaboration 2. i 5B1512, Grundkurs i matematisk statistik för ekonomer
Laboration 2 i 5B52, Grundkurs i matematisk statistik för ekonomer Namn: Elevnummer: Laborationen syftar till ett ge information och träning i Excels rutiner för statistisk slutledning, konfidensintervall,
Läs merMatematisk statistik för B, K, N, BME och Kemister
Matematisk statistik för B, K, N, BME och Kemister Föreläsning 9 Joakim Lübeck (Johan Lindström 25 september 217 Johan Lindström - johanl@maths.lth.se FMSF7/MASB2 F9 1/23 Repetition Inferens för diskret
Läs merLogistisk regression och Indexteori. Patrik Zetterberg. 7 januari 2013
Föreläsning 9 Logistisk regression och Indexteori Patrik Zetterberg 7 januari 2013 1 / 33 Logistisk regression I logistisk regression har vi en binär (kategorisk) responsvariabel Y i som vanligen kodas
Läs merMata 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 merKorrelation och autokorrelation
Korrelation och autokorrelation Låt oss begrunda uttrycket r = i=1 (x i x) (y i y) n i=1 (x i x) 2 n. i=1 (y i y) 2 De kvadratsummor kring de aritmetiska medelvärdena som står i nämnaren är alltid positiva.
Läs merValfri räknedosa, kursbok (Kutner m fl) utan anteckningar. Tentamen omfattar totalt 20p. Godkänt från 12p.
Tentamen Linköpings Universitet, Institutionen för datavetenskap, Statistik Kurskod och namn: Datum och tid: Jourhavande lärare: Tillåtna hjälpmedel: Betygsgränser: 732G21 Sambandsmodeller 2009-01-14,
Läs mer1. a) F4 (känsla av meningslöshet) F5 (okontrollerade känlsoyttringar)
1. a) F1(Sysselsättning) F2 (Ålder) F3 (Kön) F4 (känsla av meningslöshet) F5 (okontrollerade känlsoyttringar) nominalskala kvotskala nominalskala ordinalskala ordinalskala b) En möjlighet är att beräkna
Läs mer7.5 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 och att en inblandning mellan 10% och 40% är bra. För att
Läs merSTATISTISK ANALYS AV KOMPLEXA DATA
STATISTISK ANALYS AV KOMPLEXA DATA HIERARKISKA DATA Linda Wänström Linköpings universitet 25 November Wänström (Linköpings universitet) HIERARKISKA DATA 25 November 1 / 53 Regressionsmodell för icke-hierarkiska
Läs merAnalys av medelvärden. Jenny Selander , plan 3, Norrbacka, ingång via den Samhällsmedicinska kliniken
Analys av medelvärden Jenny Selander jenny.selander@ki.se 524 800 29, plan 3, Norrbacka, ingång via den Samhällsmedicinska kliniken Jenny Selander, Kvant. metoder, FHV T1 december 20111 Innehåll Normalfördelningen
Läs merInstuderingsfrågor till avsnittet om statistik, kursen Statistik och Metod, Psykologprogrammet på KI, T8
1 Instuderingsfrågor till avsnittet om statistik, kursen Statistik och Metod, Psykologprogrammet på KI, T8 Dessa instuderingsfrågor är främst tänkta att stämma överens med innehållet i föreläsningarna,
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 merGrundläggande Statistik och Försöksplanering Provmoment: TEN1 & TEN2 Ladokkod: TT2311 Tentamen ges för: Bt2, En2, Bt4, En4.
Grundläggande Statistik och Försöksplanering Provmoment: TEN1 & TEN2 Ladokkod: TT2311 Tentamen ges för: Bt2, En2, Bt4, En4 7,5 högskolepoäng Namn: (Ifylles av student) Personnummer: (Ifylles av student)
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 merMålet för D2 är att studenterna ska kunna följande: Dra slumptal från olika sannolikhetsfördelningar med hjälp av SAS
Datorövning 2 Statistisk teori med tillämpningar Simulering i SAS Syfte Att simulera data är en metod som ofta används inom forskning inom ett stort antal ämnen, exempelvis nationalekonomi, fysik, miljövetenskap
Läs merFöreläsning 7. NDAB01 Statistik; teori och tillämpning i biologi
Föreläsning 7 Statistik; teori och tillämpning i biologi 1 Dagens föreläsning o Fortsättning envägs-anova Scheffes test (kap 11.4) o Tvåvägs-ANOVA Korsade faktorer (kap 12.1, 12.3) Randomiserade blockförsök
Läs merInnehåll. Frekvenstabell. II. Beskrivande statistik, sid 53 i E
Innehåll I. Grundläggande begrepp II. Deskriptiv statistik (sid 53 i E) III. Statistisk inferens Hypotesprövnig Statistiska analyser Parametriska analyser Icke-parametriska analyser 1 II. Beskrivande statistik,
Läs mer