Finansiell Statistik (GN, 7,5 hp,, HT 2008) Föreläsning 6. Regression & Korrelation. (LLL Kap 13-14) Inledning till Regressionsanalys
|
|
- Robert Jonsson
- för 7 år sedan
- Visningar:
Transkript
1 Fnansell Statstk (GN, 7,5 hp,, HT 8) Föreläsnng 6 Regresson & Korrelaton (LLL Kap 3-4) Department of Statstcs (Gebrenegus Ghlagaber, PhD, Assocate Professor) Fnancal Statstcs (Basc-level course, 7,5 ECTS, Autumn 8) Inlednng tll Regressonsanalys Regressonsanalys används: Predcera värdet av en beroende varabel baserad på värde av åtmnstone en oberoende (förklarande) varabel Förklara effekten av förändrngen en oberoende varabel på beroende varabeln Beroende varabel (Y): Varabeln v vll förklara (kallas också respons varabel, endogenous varable) Oberoende (): Varabeln som används för att förklara beroende varabeln (kalls också förklarande varabel, predctor exogenous varable)
2 Enkel Lnjär Regressonsmodellen Sambandet mellan och Y beskrvs med a ett lnjärfunkton (Y är ett lnjärfunkton av ) Förändrngar Y föranleds av förändrngar Ekvatonen för populatons lnjär regressonsmodell ges enlgt Y = + x + där β och β är populatons modellkoeffcenter och ε är ett slumpmässgt fel term. Enkel lnjär regressonsmodellen Populaton regressonsmodellen: Beroende Varabel Populatonsskärnng (ntercept) Y = + + Populatonslutnng (slope) Oberoende Varabel Slump. fel term Lnjär komponenten Fel komponenten
3 Enkel lnjär regressonsmodellen Observerade Värde av Y för Y Y = + + Predcerade Värde av Y för Fel term för denna Skärnng = Skärnng = Enkel lnjär regressonsmodellen Enkel lnjär regressonsekvatonen nedan ger en skattnng (estmat) av populatons regressonsmodellen: Estmerat (predcerat) värde på y för observaton y ˆ = b + b Estmat av skärnngen Estmat av lutnngen x e = y - yˆ ) = y -(b + b x ) ( Fel termerna e har medelvärde lka med Värde på x för observaton
4 Skattnng (estmaton) med Mnsta Kvadrat Metoden b och b beräknas genom att htta värden på b och b som mnmerar kvadratsumman av skllnaden mellan observerade värden y, och den predcerade värden ŷ : mn SSE = mn = mn = mn e (y yˆ ) [y (b + b x )] Dfferenterng (derverng) av SSE används för att htta värdena på b o och b som mnmerar SSE. Mnsta Kvadrat Skattnngar Lutnngen skattas enlgt n (x x)(y y) = b = = n (x x) = och skärnngen skattas enlgt b = y bx s s Y y ˆ b + Den skattade regressonslnjen = passerar alltd genom punkten (x, y). b x
5 Den praktska beräknngen Handberäknng av koeffcenterna b och b, enlgt formel ovan kan vara tdskrävande (specellt med stora datamateral) Därför beräknas koeffcenterna b and b och andra regressonsresultat med användnng av statstsk programvara Statstska rutner fnns nbyggda R Mntab SAS Excel o.s.v. Lnjär regressonsmodellen: Antagande Formen på den sanna sambandet är lnjär (Y är ett lnjärfunkton of, plus ett slump fel term ) Fel termerna, är oberoende av värden på den oberoende varabeln ( och är oberoende) Fel termerna är stokastska varabler (slumpvarabler) med väntevärde (medelvärde) och konstant varans, E[ ] = and E[ ] = for ( =, K,n) (egenskapen med konstant varans kallas för homoscedastctet) Fel termerna,, är nte korrelerade mot varandra (de är oberoende av varandra), så att E[ j] = for all j
6 Tolknng av skärnngen, b och lutnngen, b b är den skattade genomsnttlga värden på y när värdet på x är noll (om x = är nom räckvdden av de observerade x-värdena) b är den skattade förändrngen den genomsnttlga värden av y på grund av en enhets öknng x-värden. Enkel Lnjärregresson: Exempel En fastghetsmäklare vll undersöka sambandet mellan fastghetsprs och storleken (yta kvadrat feet) Ett stckprov på fastgheter samlas Beroende varabel (Y) = prs $s Oberoende varabel () = storlek (square feet)
7 Data från stckprovet Prs n $s (Y) Yta (Square Feet) - () Exempel: Sprdnngsdagram House Prce ($s) Square Feet
8 Exempel: Skattnng med MINITAB MTB > regr c c Regresson Analyss: Prs (tusen $) versus Yta (square feet) The regresson equaton s Prs (tusen $) = 98, +, Yta (square feet) Predctor Coef SE Coef T P Constant 98,5 58,3,69,9 Yta (square feet),977,397 3,33, S = 4,333 R-Sq = 58,% R-Sq(adj) = 5,8% Analyss of Varance Source DF SS MS F P Regresson ,8, Resdual Error Total 9 36 Exempel: Mntab Output Regresson Statstcs R Square.58 Multple R.76 Adjusted R Square.58 Standard Error Observatons The regresson equaton s: house prce = (square feet) ANOVA df SS MS F Sgnfcance F Regresson Resdual Total 9 36 Coeffcents Standard Error T-value P-value Intercept Square Feet
9 Exempel: Grafsk Presentaton Sprdnngsdagram med den skattade regressonslnjen Skärnng = 98.5 House Prce ($s) Square Feet Lutnng =.977 house prce = (square feet) Tolknng av skärnngen, b house prce = (square feet) b är den skattade genomsnttlga värden på y när värdet på x är noll (om x = är nom räckvdden av x-värdena). Ingen fastghet har yta feet, så b = just antyder att, för fastgheter nom räckvdden av de observerade ytor, $98,48.33 är andelen av fastghetsprset som är nte relaterad tll storleken.
10 Tolknng av lutnngen, b house prce = (square feet) b är den skattade förändrngen den genomsnttlga värden av y på grund av en enhets öknng x-värden. Här, b =.977 antyder att värdet (prser) på ett fastghet ökar, genomsntt, med.977($) = $9.77, för varje square foot storleken. Att bryta ned totalvaratonen Total varatonen Y består av två delar: SST = SSR + SSE Sum of Squares Total Sum of Squares Regresson Sum of Squares Error SST = (y y) där: y SSR = (yˆ y) = medelvärde på beroende varabeln SSE = (y yˆ y = Observerade värden på beroende varabeln ŷ = Predcerad värden på beroende varabeln för ett gvet värde x på den oberoende varabeln )
11 Att bryta ned totalvaratonen SST = total sum of squares Mäter varatonen y värdena krng medelvärden, y. SSR = regresson sum of squares Förklarade varaton pga lnjära samband mellan x & y SSE = error sum of squares Oförklarade varaton pga faktorer som nte är med n den lnjära sambandet mellan x and y. Att bryta ned totalvaratonen y Y _ SST = (y - y) SSE = (y - y ) y y _ y _ SSR = ( y - y) _ y x
12 Förklarngsgraden, R Förklarngsgraden är andelen av den totala varatonen beroende varabeln som är förklarade av varatonen oberoende varabeln Den betecknas med R (R-squared): SSR regresson sum of squares R = = SST total sum of squares OBS: R Exempel på R -värden Y R = Y R = Perfekt negatv lnjär samband mellan och Y: % av varatonen Y är förklarad av varatonen. Perfekt postv lnjär samband mellan och Y: R = % av varatonen Y är förklarad av varatonen.
13 Exempel på R -värden Y < R < Y Svagare lnjär samband mellan och Y: En del av (men nte all) varatonen Y förklaras av varatonen Exempel på R -värden Y R = R = Inga lnjär samband mellan och Y: Värden på Y beror nte på (Ingen av varatonen Y är på grund av varatonen )
14 Regresson Statstcs Multple R.76 R Square.58 Adjusted R Square.58 Standard Error Observatons ANOVA Mntab Output df SS MS F Sgnfcance F Regresson Resdual Total 9 36 SSR 8935 R = = =.58 SST % av varatonen fastghetsprs är förklarad av varatonen ytan (storleken) Coeffcents Standard Error T-value P-value Intercept Square Feet Korrelaton och R Korrelatonskoeffcenten mellan och Y är just kvadratroten av R : r xy = R
15 Varans av fel termerna (Error Varance) Ett skattnng på varansen av populatons modellvarans ges av ˆ = s e V dvderar med n stället av n eftersom enkel lnjär regressonsmodellen använder två skattade parametrar, b och b, stället av ett. n e = SSE = = n n s e = s e kallas estmatens standardavvkelse Mntab Output Regresson Statstcs Multple R.76 R Square.58 Adjusted R Square.58 Standard Error Observatons s e = ANOVA df SS MS F Sgnfcance F Regresson Resdual Total 9 36 Coeffcents Standard Error t Stat P-value Intercept Square Feet
16 Jämföra standardavvkelser s e mäter varatonen observerade y-värden krng den skattade lnjär regressonslnjen Y Y lten se stor se Storleken på s e skall alltd bedömas förhållande tll storleken av y-värdena datamateralet. dvs., s e = $4.33 (tusen) är relatvt lten förhållande tll fastghetsprs nom $ - $3 (tusen). Inferens om lutnngen: t-test t-test för populatonslutnngen: Fnns det lnjär samband mellan och Y? Noll- och mothypotes H : = (ngen lnjär samband) H : (fnns lnjär samband) Testvarabel: t b = s b d.f. = n där: b = skattade lutnngen ( ) = = populatonslutnngen under H s b = skattade lutnngens standardavvkelse
17 Inferens om lutnngen: t-test House Prce n $s (y) Square Feet (x) Skattade Regressonsekvaton: house prce = (sq.ft.) Påverkar fastghets storlek (yta) fastghetens prs? Den skattade lutnngen är b =.98. Inferens om lutnngen: t-test H : = H : Från Mntab output: b s b Coeffcents Standard Error t -value p-value Intercept Square Feet b t = s.977 =.397 t = b 3.39
18 H : = H : d.f. = - = 8 t 8,.5 =.36 α/=.5 Förkasta H Inferens om lutnngen: t-test Testvarabel: t = 3.39 Från Mntab output: Förkasta ej H Förkasta H -t n-, / t n-, / Coeffcents Standard Error T-value P-value Intercept Square Feet α/=.5 b Beslut: Förkasta H Slutsats: sb Det fnns tllräcklgt bevs att fastghetens yta (storlek) påverkar prset på fastgheten (på α =.5) t Prognos Den skattade regressonsekvaton kan användas för att predcera ett värde på y, för ett gvet värde på x. För ett specfcerat värde, x n+, den predcerad värde på y beräknas enlgt: ˆ y n+ = b + bxn+
19 Prognos: Exempel Predcera prset på ett fastghet som är (sq.ft.) stort house prce = = (sq.ft.) () = Predcerat prs för ett fastghet med yta på square feet är 37.85($,s) = $37,85. Relevant Dataräckvdd Använd ett regressonsmodell för att göra prognos (predcera) endast nom den relevanta räckvdden av datamateralet Relevant räckvdd House Prce ($s) Chap -38 Square Feet Rskabel att försöka extrapolera långt utanför de observerade -värdena
ENKEL LINJÄR REGRESSION
Fnansell statstk, vt 0 ENKEL LINJÄR REGRESSION Ordlsta tll NCT Scatter plot Dependent/ndependent Least squares Sum of squares Resdual Ft Predct Random error Analyss of varance Sprdnngsdagram Beroende/oberoende
Läs merFlode. I figuren har vi också lagt in en rät linje som någorlunda väl bör spegla den nedåtgående tendensen i medelhastighet för ökande flöden.
Hast Något om enkel lnjär regressonsanalys 1. Inlednng V har tdgare pratat om hur man anpassar en rät lnje tll observerade talpar med hjälp av den s.k. mnsta kvadratmetoden. V har också berört hur man
Läs merF13. Förra gången (F12) Konfidensintervall och hypotesprövning Chi-tvåtest. Stratifierat urval
Konfdensntervall och hypotesprövnng Ch-tvåtest F3 Förra gången (F) Stratferat urval Dela n populatonen homogena ata med avseende på atferngsvarabeln Välj atferngsvarabel som har ett samband med undersöknngsvarabeln
Läs 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 merSlumpvariabler (Stokastiska variabler)
Slumpvarabler Väntevärden F0 Slutsatser från urval tll populaton Slumpvarabler (Stokastska varabler) En slumpvarabel är en funkton från utfallsrummet tll tallnjen Ex kast med ett mynt ggr =antalet krona
Läs 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 merFinansiell Statistik (GN, 7,5 hp,, HT 2008) Föreläsning 7. Multipel regression. (LLL Kap 15) Multipel Regressionsmodellen
Finansiell Statistik (GN, 7,5 hp,, HT 8) Föreläsning 7 Multipel regression (LLL Kap 5) Department of Statistics (Gebrenegus Ghilagaber, PhD, Associate Professor) Financial Statistics (Basic-level course,
Läs mera) B är oberoende av A. (1p) b) P (A B) = 1 2. (1p) c) P (A B) = 1 och P (A B) = 1 6. (1p) Lösningar: = P (A) P (A B) = 1
Lösnngar tll tentamen: Matematsk statstk och sgnalbehandlng (ESS0), 4.00-8.00 den 4/-009 Examnator: Serk Sagtov (Kursansvarg: Ottmar Crone) Tllåtna hjälpmedel: Tabell "Beta", utdelad formelsamlng, valfr
Läs mer1. a Vad menas med medianen för en kontinuerligt fördelad stokastisk variabel?
Tentamenskrvnng: TMS45 - Grundkurs matematsk statstk och bonformatk, 7,5 hp. Td: Onsdag den 9 august 2009, kl 08:30-2:30 Väg och vatten Tesen korrgerad enlgt anvsngar under tentamenstllfället. Examnator:
Läs merVariansanalys ANOVA. Idé. Experiment med flera populationer. Beteckningar. Beteckningar. ANOVA - ANalysis
Varansanalys ANOVA ANOVA - ANalyss Of VArance Stcprov från flera populatoner ( ) analyserar varansen (sprdnngen) varje stcprov för att dra slutsatser om medelvärden Har alla populatoner samma medelvärden?
Läs merNär vi räknade ut regressionsekvationen sa vi att denna beskriver förhållandet mellan flera variabler. Man försöker hitta det bästa möjliga sättet
Korrelaton När v räknade ut regressonsekvatonen sa v att denna beskrver förhållandet mellan flera varabler. Man försöker htta det bästa möjlga sättet att med en formel beskrva hur x och y förhåller sg
Läs merRegressions- och Tidsserieanalys - F1
Regressions- och Tidsserieanalys - F1 Kap 3: Enkel linjär regression Linda Wänström Linköpings universitet November 4, 2013 Wänström (Linköpings universitet) F1 November 4, 2013 1 / 25 Statistik B, 8 hp
Läs merRegressions- och Tidsserieanalys - F1
Regressions- och Tidsserieanalys - F1 Kap 3: Enkel linjär regression Linda Wänström Linköpings universitet May 4, 2015 Wänström (Linköpings universitet) F1 May 4, 2015 1 / 25 Regressions- och tidsserieanalys,
Läs 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 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 merTentamen i Dataanalys och statistik för I den 5 jan 2016
Tentamen Dataanalys och statstk för I den 5 jan 06 Tentamen består av åtta uppgfter om totalt 50 poäng. Det krävs mnst 0 poäng för betyg, mnst 0 poäng för och mnst 0 för 5. Eamnator: Ulla Blomqvst Hjälpmedel:
Läs 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 merBeräkna standardavvikelser för efterfrågevariationer
Handbok materalstyrnng - Del B Parametrar och varabler B 41 Beräkna standardavvkelser för efterfrågevaratoner och prognosfel En standardavvkelse är ett sprdnngsmått som anger hur mycket en storhet varerar.
Läs 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 merVinst (k) 1 1.5 2 4 10 Sannolikhet 0.4 0.2 0.2 0.1 0.1 ( )
Tentamen Matematsk statstk Ämneskod-lnje S1M Poäng totalt för del 1 5 (8 uppgfter) Poäng totalt för del 3 (3 uppgfter) Tentamensdatum 9-3-5 Kerstn Vännman Lärare: Robert Lundqvst Mkael Stenlund Skrvtd
Läs merFORMELSAMLING HT-15 MATEMATISK STATISTIK FÖR B, K, N, BME OCH KEMISTER; FMS086 & MASB02. Sannolikhetsteori. Beskrivning av data
LUNDS TEKNISKA HÖGSKOLA MATEMATIKCENTRUM MATEMATISK STATISTIK FORMELSAMLING HT-15 MATEMATISK STATISTIK FÖR B, K, N, BME OCH KEMISTER; FMS086 & MASB0 Sannolkhetsteor Följande gäller för sannolkheter: 0
Läs 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 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 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 merPrimär- och sekundärdata. Undersökningsmetodik. Olika slag av undersökningar. Beskrivande forts. Beskrivande forts. 2012-11-08
Prmär- och sekundärdata Undersöknngsmetodk Prmärdataundersöknng: användnng av data som samlas n för första gången Sekundärdata: användnng av redan nsamlad data Termeh Shafe ht01 F1-F KD kap 1-3 Olka slag
Läs merCentrala Gränsvärdessatsen:
Föreläsnng V såg föreläsnng ett, att om v känner den förväntade asymptotska fördelnngen en gven stuaton så kan v med utgångspunkt från våra mätdata med hjälp av mnsta kvadrat-metoden fnna vlka parametrar
Läs 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 merFK2002,FK2004. Föreläsning 5
FK00,FK004 Föreläsnng 5 Föreläsnng 5 Labbrapporter Korrelatoner Dmensonsanalys Denna föreläsnng svarar mot kap. 9 (Taylor) Labbrapporter Feedback+betyg skckas morgon. Några tps ett dagram hjälper alltd
Läs 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 merF11. Kvantitativa prognostekniker
F11 Kvantitativa prognostekniker samt repetition av kursen Kvantitativa prognostekniker Vi har gjort flera prognoser under kursen Prognoser baseras på antagandet att historien upprepar sig Trenden följer
Läs 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 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 merModellering av antal resor och destinationsval
UMEÅ UNIVERSITET Statstska nsttutonen C-uppsats, vt- 2005 Handledare: Erlng Lundevaller Modellerng av antal resor och destnatonsval Aron Arvdsson Salh Vošanovć Sammanfattnng V har denna uppsats analyserat
Läs 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 merF15 ENKEL LINJÄR REGRESSION (NCT )
Stat. teor gk, ht 006, JW F5 ENKEL LINJÄR REGRESSION (NCT.-.4) Ordlta tll NCT Scatter plot Depedet/depedet Leat quare Sum of quare Redual Ft Predct Radom error Aal of varace Sprdgdagram Beroede/oberoede
Läs merRegressions- och Tidsserieanalys - F3
Regressions- och Tidsserieanalys - F3 Multipel regressionsanalys kap 4.8-4.10 Linda Wänström Linköpings universitet Wänström (Linköpings universitet) F3 1 / 21 Interaktion Ibland ser sambandet mellan en
Läs mer732G71 Statistik B. Föreläsning 7. Bertil Wegmann. IDA, Linköpings universitet. Bertil Wegmann (IDA, LiU) 732G71, Statistik B 1 / 29
732G71 Statistik B Föreläsning 7 Bertil Wegmann IDA, Linköpings universitet Bertil Wegmann (IDA, LiU) 732G71, Statistik B 1 / 29 Detaljhandelns försäljning (fasta priser, kalenderkorrigerat) Bertil Wegmann
Läs 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 merExperimentella metoder 2014, Räkneövning 5
Expermentella metoder 04, Räkneövnng 5 Problem : Två stokastska varabler, x och y, är defnerade som x = u + z y = v + z, där u, v och z är tre oberoende stokastska varabler med varanserna σ u, σ v och
Läs mer1. Anpassningstest. Chi-Square test. Multinomial experiment. Multinomial experiment. Vad gör g r ett anpassningstest?
Ch-Square test 1. Anpassnngstest 1. Anpassnngstest (Goodness of Ft). Oberoendetest (Independence Test) uwe.menzel@genpat.uu.se Vad gör g r ett anpassnngstest? Hur bra passar en statsts modell tll observerade
Läs 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 merDel A Begrepp och grundläggande förståelse.
STOCKHOLMS UNIVERSITET FYSIKUM Tentamensskrvnng Expermentella metoder, 12 hp, för kanddatprogrammet, år 1 Onsdagen den 17 jun 2009 kl 9-1. S.H./K.H./K.J.-A./B.S. Införda betecknngar bör förklaras och uppställda
Läs merInnehåll: har missbrukat jämfört med om man inte har. missbrukat. Risk 1 Odds Risk. Odds 1 Risk. Odds
22 5 Innehåll:. Rsk & Odds. Rsk Rato.2 Odds Rato 2. Logstsk Regresson 2. Ln Odds 2.2 SPSS Output 2.3 Estmerng (ML) 2.4 Multpel 3. Survval Analys 3. vs. Logstsk 3.2 Censurerade data 3.3 Data, SPSS 3.4 Parametrskt
Läs 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 merFÖRDJUPNINGS-PM. Nr 6. 2010. Kommunalt finansierad sysselsättning och arbetade timmar i privat sektor. Av Jenny von Greiff
FÖRDJUPNINGS-PM Nr 6. 2010 Kommunalt fnanserad sysselsättnng och arbetade tmmar prvat sektor Av Jenny von Greff Dnr 13-15-10 Kommunalt fnanserad sysselsättnng och arbetade tmmar prvat sektor Inlednng Utförsäljnng
Läs merEffekter av kön, ålder och region på sjukpenningen i Sverige
Lunds unverstet Statstska nsttutonen Effekter av kön, ålder och regon på sjukpennngen Sverge -en varansanalys Rkke Berner Uppsats statstk 0 poäng Nvå 6-80 poäng Oktober 006 Handledare: Mats Hagnell Abstract
Läs 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 merOljeprisets inverkan på oljerelaterade aktier
EKONOMIHÖGSKOLAN Lunds unverstet Kanddatuppsats Januar 2009 Oljeprsets nverkan på oljerelaterade akter Handledare: Hossen Asgharan Författare: Sebastan Valentnsson Fredrk Ohlson SAMMANFATTNING I denna
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 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 merTest av anpassning, homogenitet och oberoende med χ 2 - metod
Matematsk statstk för STS vt 00 00-05 - Bengt Rosén Test av anpassnng, homogentet och oberoende med χ - metod Det stoff som behandlas det fölande återfnns Blom Avsntt 7 b sdorna 6-9 och Avsntt 85 sdorna
Läs 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 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 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 merMatrismodellen vs Two-part regressionsmodeller -effekter på Region Skånes resursfördelning-
Statstska nsttutonen Matrsmodellen vs Two-part regressonsmodeller -effekter på Regon Skånes resursfördelnng- Av: Jennfer Ercsson Uppsats Statstk 15 hp Nvå 61-90 poäng September 2007 Handledare: Mats Hagnell
Läs merFöreläsning G70 Statistik A
Föreläsnng -2 732G70 Statstk A Kaptel 2 Populatoner, stckprov och varabler Sd -46 2 Populaton Den samlng enheter (exempelvs ndvder) som v vll dra slutsatser om. Populatonen defneras på logsk väg med utgångspunkt
Läs mer732G71 Statistik B. Föreläsning 6. Bertil Wegmann. IDA, Linköpings universitet. Bertil Wegmann (IDA, LiU) 732G71, Statistik B 1 / 15
732G71 Statistik B Föreläsning 6 Bertil Wegmann IDA, Linköpings universitet Bertil Wegmann (IDA, LiU) 732G71, Statistik B 1 / 15 Efterfrågeanalys Metoder för att studera sambandet mellan efterfrågan på
Läs merDödlighetsundersökningar på KPA:s
Matematsk statstk Stockholms unverstet Dödlghetsundersöknngar på KPA:s bestånd av förmånsbestämda pensoner Sven-Erk Larsson Eamensarbete 6: Postal address: Matematsk statstk Dept. of Mathematcs Stockholms
Läs 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 merStokastisk reservsättning med Tweedie-modeller och bootstrap-simulering
Matematsk statstk Stockholms unverstet Stokastsk reservsättnng med Tweede-modeller och bootstrap-smulerng Totte Pkanen Examensarbete 2005:4 Postadress: Matematsk statstk Matematska nsttutonen Stockholms
Läs merExaminationsuppgifter del 2
UMEÅ UNIVERSITET Institutionen för Matematik och Matematisk statistisk Statistik för ingenjörer, poäng, Anders Lundquist 7-- Examinationsuppgifter del Redovisas muntligt den / (Ö-vik) samt / (Lycksele).
Läs 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 merStelkroppsdynamik i tre dimensioner Ulf Torkelsson. 1 Tröghetsmoment, rörelsemängdsmoment och kinetisk energi
Föreläsnng 4/10 Stelkroppsdynamk tre dmensoner Ulf Torkelsson 1 Tröghetsmoment, rörelsemängdsmoment och knetsk energ Låt oss beräkna tröghetsmomentet för en goycklg axel som går genom en fx punkt O en
Läs merFinansiell Statistik (GN, 7,5 hp,, HT 2008) Föreläsning 3
Finansiell Statistik (GN, 7,5 hp,, HT 2008) Föreläsning 3 Kontinuerliga sannolikhetsfördelningar (LLL Kap 7 & 9) Department of Statistics (Gebrenegus Ghilagaber, PhD, Associate Professor) Financial Statistics
Läs merLösningsförslag till tentamen i 732G71 Statistik B, 2009-12-04
Prs Lösgsförslag tll tetame 73G7 Statstk B, 009--04. a) 340 30 300 80 60 40 0 0.5.0.5.0 Avståd.5 3.0 3.5 b) r y y y y 4985.75 7.7 830 0 39.335 7.7 0 80300-830 0 3.35 0.085 74.475 c) b y y 4985.75 7.7 830
Läs merTAMS65 - Föreläsning 11 Regressionsanalys fortsättning Modellval
TAMS65 - Föreläsning 11 Regressionsanalys fortsättning Modellval Martin Singull Matematisk statistik Matematiska institutionen Innehåll Repetition (t-test för H 0 : β i = 0) Residualanalys Modellval Framåtvalsprincipen
Läs merF7 Polynomregression och Dummyvariabler
F7 Polnomregression och Dummvariabler Antag att man börjar med enkel linjär regression. Kap Polnomregression Emellanåt upptäcker man samband som är kvadratiska, kubiska osv. Allmänt: polnom av k:te ordningen
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 mera) Bedöm om villkoren för enkel linjär regression tycks vara uppfyllda! b) Pröva om regressionkoefficienten kan anses vara 1!
LUNDS UNIVERSITET STATISTISKA INSTITUTIONEN MATS HAGNELL STA1:3 Skrivning i ekonometri tisdagen den 1 juni 4 1. Vi vill undersöka hur variationen i brottsligheten i USA:s delstater år 196 = R (i antal
Läs 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 merLö sningsfö rslag till tentamen i matematisk statistik Statistik öch kvalitetsteknik 7,5 hp
Sid (7) Lö sningsfö rslag till tentamen i matematisk statistik Statistik öch kvalitetsteknik 7,5 hp Uppgift Nedanstående beräkningar från Minitab är gjorda för en Poissonfördelning med väntevärde λ = 4.
Läs merPrissättningen av bostadsrätter: Vilka faktorer påverkar priserna, vad är riktpriset för en lägenhet?
Handelshögskolan Stockholm Insttutonen för Redovsnng och Rättsvetenskap Examensuppsats nom Redovsnng och fnansell styrnng Hösten 2006 Prssättnngen av bostadsrätter: Vlka faktorer påverkar prserna, vad
Läs merNyckeltal och företags prestation under recession
Natonalekonom Kanddatuppsats Vt-09 Nyckeltal och företags prestaton under recesson Författare Rckard E Sjöberg Gustaf Toll Handledare Hossen Asgharan Sammanfattnng Ttel: Stude av nyckeltal och företags
Läs merKlarar hedgefonder att skapa positiv avkastning oavsett börsutveckling? En empirisk studie av ett urval svenska hedgefonder
NATIONALEKONOMISKA INSTITUTIONEN Uppsala unverstet Examensarbete C Författare: Sara Engvall och Matylda Hussn Handledare: Martn Holmén Hösttermnen 2006 Klarar hedgefonder att skapa postv avkastnng oavsett
Läs merFördelning av kvarlåtenskap vid arvsskifte
NATIONALEKONOMISKA INSTITUTIONEN Uppsala unverstet Magsteruppsats Författare: Lars Björn Handledare: Henry Ohlsson HT 2008 Fördelnng av kvarlåtenskap vd arvsskfte En analys av ntergeneratonella fnansella
Läs mer8.1 General factorial experiments
Exempel: Vid ett tillfälle ville man på ett laboratorium jämföra fyra olika metoder att bestämma kopparhalten i malmprover. Man är även intresserad av hur laboratoriets tre laboranter genomför sina uppgifter.
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 merTENTAMEN I MATEMATISK STATISTIK
UMEÅ UNIVERSITET Institutionen för matematisk statistik Regressions- och variansanalys, 5 poäng MSTA35 Leif Nilsson TENTAMEN 2003-01-10 TENTAMEN I MATEMATISK STATISTIK Regressions- och variansanalys, 5
Läs merKvadratisk regression, forts.
Kvadratisk regression, forts. Vi fortsätter med materialet om fastigheter. Tidigare föreslog vi som en tänkbar modell y 0 + 3 x 3 + 5 x 3 2 + Vari ligger tanken att just använda en kvadratisk term? Det
Läs merElementa om Variansanalys
Elementa om Variansanalys för kursen sf9, Statistik för bioteknik Harald Lang 06 Envägs variansanalys. Kapitel tio beskrev metoder för att testa om x,, xk och y, ym kommer från fördelningar med samma väntevärde
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 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 merMätfelsbehandling. Lars Engström
Mätfelsbehandlng Lars Engström I alla fyskalska försök har de värden man erhåller mer eller mndre hög noggrannhet. Ibland är osäkerheten en mätnng fullständgt försumbar förhållande tll den precson man
Läs merErfarenhetsbaserad uppskattning av energiprestanda ett komplement till energimodellering i kontorsbyggnader. Fredrik Schramm
Erfarenhetsbaserad uppskattnng av energprestanda ett komplement tll energmodellerng kontorsbyggnader Fredrk Schramm Examensarbete Stockholm, Sweden 202 Erfarenhetsbaserad uppskattnng av energprestanda
Läs merTentamen i matematisk statistik
Sid (7) i matematisk statistik Statistik och kvalitetsteknik 7,5 hp Tillåtna hjälpmedel: Miniräknare. Studenterna får behålla tentamensuppgifterna. Skrivtid: 4.00-7.00 ger maximalt 24 poäng. Betygsgränser:
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 merTentamen i matematisk statistik
Sid (5) i matematisk statistik Statistisk processtyrning 7,5 hp Tillåtna hjälpmedel: Miniräknare. Studenterna får behålla tentamensuppgifterna. Skrivtid: 9.00-3.00 ger maximalt 2 poäng. För godkänt krävs
Läs merSkrivning i ekonometri lördagen den 25 augusti 2007
LUNDS UNIVERSITET STATISTISKA INSTITUTIONEN MATS HAGNELL STA10:3 Skrivning i ekonometri lördagen den 5 augusti 007 1. Vi vill undersöka hur variationen i ölförsäljningen i ett bryggeri i en stad i USA
Läs merVid mer än 30 frihetsgrader approximeras t-fördelningen med N(0; 1). Konfidensintervallet blir då
Stat. teori gk, ht 006, JW F7 ENKEL LINJÄR REGRESSION, FORTS. (NCT.5-.7) Statistisk iferes rörade β Vi vet reda att b är e vätevärdesriktig skattig av modellparameter β. Vi vet också att skattige b har
Läs mer732G70 Statistik A. Föreläsningsunderlag skapad av Karl Wahlin Föreläsningsslides uppdaterade av Bertil Wegmann
732G70 Statstk A Föreläsnngsunderlag skapad av Karl Wahln Föreläsnngssldes uppdaterade av Bertl Wegmann Insttutonen för datavetenskap (IDA) Lnköpngs unverstet vt 2016 Kaptel 2 Populatoner, stckprov och
Läs merRäkneövning 3 Variansanalys
Räkneövning 3 Variansanalys Uppgift 1 Fyra sorter av majshybrider har utvecklats för att bli resistenta mot en svampinfektion. Nu vill man också studera deras produktionsegenskaper. Varje hybrid planteras
Läs merTillämpningar av dekomposition: Flervaruflödesproblemet. Flervaruflödesproblemet: Lagrangeheuristik
Tllämpnngar av dekomposton: Flervaruflödesproblemet v = mn j: x k c k x k xj k = r k för alla N, k C (1) x k b för alla (, j) A (2) j:(j,) A x k 0 för alla (, j) A, k (3) Struktur: Om man relaxerar kapactetsbvllkoren
Läs merExempel 1 på multipelregression
Exempel på multipelregression Hastighet = högsta hastighet som uppnåtts fram till givna år (årtal) Årtal Hastighet 83 3 (tåg) 9 3 (tåg) 93 (flyg) 97 7 (flyg) 9 (flyg) 99 (raket) Fitted Line Plot Hastighet
Läs merSTOCKHOLMS UNIVERSITET VT 2007 Statistiska institutionen Johan Andersson
1 STOCKHOLMS UNIVERSITET VT 2007 Statistiska institutionen Johan Andersson Skriftlig omtentamen på momentet Statistiska metoder SDA III, 2 poäng ingående i kurserna Grundkurs i statistik 20 p samt Undersökningsmetodik
Läs merTentamen Tillämpad statistik A5 (15hp)
Uppsala universitet Statistiska institutionen A5 2015-01-13 Tentamen Tillämpad statistik A5 (15hp) 2015-01-13 UPPLYSNINGAR A. Tillåtna hjälpmedel: Miniräknare Formelsamlingar: A4/A8 Tabell- och formelsamling
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 merTentamen i MATEMATISK STATISTIK Datum: 8 Juni 07
Tentamen MATEMATISK STATISTIK Datum: 8 Jun 0 Kurser: MATEMATIK OCH MATEMATISK STATISTIK 6H3000 (TEN2), 6L3000 (TEN2), MATEMATIK2 MED MATEMATISK STATISTIK 6H2208 (TEN2) MATEMATISK STATISTIK 6A2111 (TEN1);
Läs mer1. Inledning s Teori bakom reversionspendeln s. 3
Abstract In ths master's thess the problem of determnn the uncertanty for an estmator of an unknown parameter s consdered. The case we study s the estmaton of ravty usn a reversble pendulum. Ths nvolves
Läs merBeräkna standardavvikelser för efterfrågevariationer
Handbok materalstyrnng - Del B Parametrar och varabler B 41 Beräkna standardavvkelser för efterfrågevaratoner och prognosfel En standardavvkelse är ett sprdnngsmått som anger hur mycket en storhet varerar.
Läs 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 mer