Formelsamling. Enkel linjär regressionsananalys: Modell: y i = β 0 + β 1 x i + ε i. Anpassad regressionslinje: ŷ = b 0 + b 1 x. (x i x) (y i ȳ) ( x)2
|
|
- Martin Axelsson
- för 5 år sedan
- Visningar:
Transkript
1 LINKÖPINGS UNIVERSITET Matematiska istitutioe Statistik, ANd Formelsamlig Ekel lijär regressiosaaalys: Modell: y i β 0 + β x i + ε i ε N(0,σ. Apassad regressioslije: ŷ b 0 + b x b (x i x (y i ȳ (x i x 2 x i y i x ȳ xi 2 ( x2 x i y i ( x i ( y i xi 2 ( x i 2 b 0 ȳ b x Kvadratsummor: x i y i ( x i ( y i x 2 i ( x i 2 Total: SST (y i ȳ 2 y 2 i (ȳ2 y 2 i ( y i 2 Residual: SSE (y i ŷ i 2 (y i ȳ 2 b (x i x (y i ȳ y 2 i b 0 y i b x i y i Regressio: SSR (ŷ i ȳ 2 SST SSE Förekligsformler: Se ova för (y i ȳ 2 och samma ka avädas på (x i x 2 (x i x (y i ȳ x i y i x ȳ x i y i ( x i ( y i Obs!! (x i x (y i ȳ x i y i ( x i ( y i Dea variat aväds bara i uttryck för b och r då motsvarade variat aväds i ämare! Variasskattig σ 2 s 2 MSE SSE 2 s MSE SSE 2 Förklarigsgrad: r 2 SST SSR Korrelatioskoefficiet: r r 2 (x i x (y i ȳ (xi x 2 (y i ȳ 2 x i y i x ȳ ( xi 2 ( x2 ( y 2 i (ȳ2 Kofidesitervall, progositervall och hypotesprövig Stickprovsfördeligar: ( b N β, σ (xi x 2 ( b 0 N β 0,σ b 0 + b x 0 N + ( x2 (x i x 2 ( β 0 + β x 0,σ + (x 0 x 2 (x i x 2
2 Kofidesitervall för β : b ±t ( 2 s (xi x 2 Kofidesitervall för β 0 : ( + b 0 ±t ( 2 s ( x2 (x i x 2 Kofidesitervall för µ y0 x 0 β 0 + β x 0 : ( b 0 + b x 0 ±t ( 2 s + (x 0 x 2 (x i x 2 Progositervall för y 0 β 0 + β x 0 + ε 0 : ( b 0 + b x 0 ±t ( 2 s + + (x 0 x 2 (x i x 2 Formellt t-test av H 0 : β 0 0: Testfuktio: t b 0 s b0 Jämför med ±t ( 2 b 0 s ( + Formellt t-test av H 0 : β 0: Testfuktio: t b s b Jämför med ±t ( 2 b s (x i x 2 ( x2 (x i x 2 Formellt t-test av H 0 : β B ( B är ågot aat ä 0: Testfuktio: t b B s b b B s Jämför med ±t ( 2 (x i x 2 Vid ekelsidiga mothypotseser jämförs t med t ( 2 Formellt F-test av H 0 : β 0: Testfuktio: F MSE MSR SSR/ SSE/( 2 Jämför med F (, 2 Multipel lijär regressiosaaalys: Modell: y i β 0 + β x i + β 2 x i β k x ik + ε i ε i N(0,σ. Apassad modell: ŷ b 0 + b x + b 2 x b k x k (eller med -t ( 2 beroede på mothypoteses riktig.
3 Kvadratsummor: SSTSSE+SSR Total: SST (y i ȳ 2 y 2 i (ȳ2 y 2 i ( y i 2 Residual: SSE (y i ŷ i 2 Regressio: SSR (ŷ i ȳ 2 SST SSE SSE har k frihetsgrader, SSR har k frihetsgrader. Variasskattig: σ 2 s 2 MSE Förklarigsgrad: SSE k R 2 SSR SST Justerad förklarigsgrad: R 2 adj R2 SSE/( k SST/( Kofidesitervall och hypotesprövig Stickprovsfördeligar: b j N(β j,σ b j Formellt F-test av H 0 : β β 2... β k 0: Testfuktio: F MSE MSR SSR/k SSE/( k Jämför med F (k, k Kofidesitervall för β j : b j ±t ( k s b j s b j hämtas frå datorutskrift. Formellt t-test av H 0 : β j 0: Testfuktio: t b j s b j Jämför med t ( k Kofidesitervall för µ y0 x 0,...,x 0k : ŷ 0 ±t ( k s Distace value s MSE och Distace value (eller s Distace value bestäms frå datorutskrift. Progositervall för y 0 : ŷ 0 ±t ( k s + Distace value s MSE och Distace value (eller s + Distace value bestäms frå datorutskrift.
4 Partiellt F-test av H 0 : β g+... β k 0: Testfuktio: F (SSE R SSE C /(k g (SSR C SSR R /(k g SSE C /( k SSE C /( k SSE R Residualkvadratsumma i de midre (reducerade modelle och SSE C Residualkvadratsumma i de större (kompletta modelle. Jämför med F (k g, k. Variace Iflatio Factor (VIF: VIF R 2 j R 2 j Förklarigsgrade i modell x j är y-variabel och övriga x-variabler är förklarigsvariabler. Sekvetiella kvadratsummor: SSR SSR(x + SSR(x 2 x SSR(x k x,...,x k SSR(x j x,...,x j är tillskottet till SSR då variabel x j läggs till e modell med variablera x,x 2,...,x j. Ett partiellt F-test av H 0 : β g+... β k 0 ka då göras med testfuktioe F (SSR(x g+ x,...,x g + SSR(x g+2 x,...,x g SSR(x k x,...,x k /(k g MSE, Jämför med F (k g, k förutsatt att variablera matas i i ordige x,x 2,...,x k i modelle. Expoetiella sambad och elasticitetsmodeller: Expoetiell modell: y β 0 (β x δ logδ N(0,σ logy logβ 0 + (logβ x + logδ Apassad modell: ŷ b 0 (b x logb (x i x (logy i logy (x i x 2 x i logy i x logy xi 2 ( x2 x i logy i ( x i ( logy i xi 2 ( x x [ i logy i ( x i ( logy i i 2 x 2 i ( x i 2 logy ] logy i och logb 0 logy (logb x Kvadratsummor, variasskattig och test: SST (logy i logy 2 (logy i 2 (logy 2 SSE SST (logb (x i x (logy i logy SST (logb ( x i logy i x logy (logy i 2 (logb 0 logy i (logb x i logy i σ 2 SSE 2 Test av H 0 : β dvs iget sambad mella y och x logβ 0: SSE/( 2 (x i x 2 Testfuktio t logb, jämför med t ( 2
5 Elasticitetsmodeller: Q A (P EP δ, Q α (I EI δ Q A (P EP (I EI δ logq loga + E P logp + logδ logq loga + E I logi + logδ logq loga + E P logp + E I logi + logδ logδ N(0,σ Exempel på apassad modell: Q a (PÊP, Ê P (logp i logp (logq i logq (logp i logp 2 (logp i (logq i logp logq (logp i 2 (logp 2 och [ loga logq Ê P logp logp logp i och logq logq ] i Kvadratsummor, variasskattig och test: SST (logq i logq 2 (logq i 2 (logq 2 SSE SST Ê P (logp i logp (logq i logq SST Ê P [ (logp i (logq i logp logq ] (logq i 2 (loga logq i Ê P (logp i (logq i σ 2 SSE 2 Test av H 0 : E P B B är ett ifrågasatt värde på E P : Testfuktio t Idex Ê P B Sammasatta fastbasidex:, jämför med t SSE/( 2 (logp i logp 2 I t i,t w + i 2,t w i,t w ( 2 och vid ekelsidig mothypotes med t ( 2 eller t ( 2. är atalet igåede varor/tjäster, i,t,...,i,t är ekla prisidex för igåede varor, alla med basår t 0 och w,...,w väljs eligt ett viktsystem: Laspeyre: w i p i,t 0 q i,t0 j p j,t0 q j,t0 Paasche: w i p i,t 0 q i,t j p j,t0 q j,t Kedjeprisidex: I t L 0, L,2... L t,t 00 L t,t i p i,t p i,t w i,t,t är årsläke frå år t till t för igåede varor/tjäster. w i,t,t väljs eligt ett viktsystem: Laspeyre: w L Försäljigsvärdet för vara i år t i,t,t Totala försäljigsvärdet år t Paasche: w P i,t,t Försäljigsvärdet för vara i år t i priser för år t Totala försäljigsvärdet år t i priser för år t Med represetatvaror byts Försäljigsvärdet för vara i mot Försäljigsvärdet för varugrupp i i viktera.
6 Implicitprisidex: I t Försäljigsvärdet av vara/tjäste/gruppe år t i löpade priser Försäljigsvärdet av vara/tj aste/gruppe år t i basårets priser 00 Relativprisidex: It R Iv t It 0 00 It v Prisidex för aktuell vara/tjäst/grupp och It 0 Prisidex för de större jämförelsegruppe, t ex KPI. Tidsserieaalys Tidsserieregressio: Modell: y t TR t + SN t + ε t TR t β 0 + β t eller TR t β 0 + β t + β 2 t 2 och SN t L i β si x si,t med L Atal säsoger och x si,t om t tillhör säsog i och 0 aars. Durbi-Watso s test: Test av H 0 : Residualera är okorrelerade. Testfuktio d t2 (e t e t 2 t e2 t e t y t ŷ t. Jämförelser: Om d < d L,α/2 eller (4 d < d L,α/2 Förkasta H 0 Om d > d U,α/2 och (4 d > d U,α/2 Förkasta ej H 0 Om d L,α/2 d d U,α/2 och d L,α/2 (4 d d U,α/2 Iget uttalade ka ges Kompoetuppdelig: Modeller: Multiplikativ modell: y t TR t SN t CL t IR t Additiv modell: y t TR t + SN t + CL t + IR t Ekel expoetiell utjämig: Modell: y t β 0 + ε t Uppdaterigsschema för skattig av β 0 : l T α y T + ( α l T 0 < α < Progos: ŷ T +τ (T l T Progositervall: l t ± z s + α 2 z.96 för 95% itervall, för 99% itervall och s T T t (y t ȳ 2
STATISTIK B, 8 HP TENTAMEN FREDAGEN DEN 4 DECEMBER
LINKÖPINGS UNIVERSITET Istitutioe för dataveteskap Statistik, ANd 732G71 STATISTIK B, 8 HP Civilekoomprogrammet, år 2 Tetame STATISTIK B, 8 HP TENTAMEN FREDAGEN DEN 4 DECEMBER 2009 08.00-12.00 PROVKOD
Läs mer732G71 STATISTIK B, 8 HP Civilekonomprogrammet, år 2 Tentamen
LINKÖPINGS UNIVERSITET Istitutioe för dataveteskap Statistik, ANd 732G71 STATISTIK B, 8 HP Civilekoomprogrammet, år 2 Tetame STATISTIK B, 8 HP TENTAMEN LÖRDAGEN DEN 31 JANUARI 2009 08.00-12.00 PROVKOD
Läs merHSTA72 REGRESSIONS- OCH TIDSSERIEANALYS, 5p Ekonomprogrammet, t2, Vt 06 Tentamen
LINKÖPINGS UNIVERSITET Matematiska institutionen Statistik, ANd HSTA72 REGRESSIONS- OCH TIDSSERIEANALYS, 5p Ekonomprogrammet, t2, Vt 06 Tentamen REGRESSIONS- OCH TIDSSERIEANALYS, 5 P TENTAMEN LÖRDAGEN
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 merFacit till Extra övningsuppgifter
LINKÖPINGS UNIVERSITET Institutionen för datavetenskap Statistik, ANd 732G71 STATISTIK B, 8hp Civilekonomprogrammet, t3, Ht 09 Extra övningsuppgifter Facit till Extra övningsuppgifter 1. Modellen är en
Läs merFormelsamling Tillämpad statistik, A5
Formelsamlig Tillämpad statistik, A5 Statistiska istitutioe, Uppsala uiversitet 016-01-11 Nödvädiga tabeller fis i Tabell- och formelsamlig för A4/A8. Observera att iga ateckigar får fias i formelsamlige
Läs merHöftledsdysplasi hos dansk-svensk gårdshund - Exempel på tavlan
Höftledsdysplasi hos dask-svesk gårdshud - Exempel på tavla Sjö A Sjö B Förekomst av parasitdrabbad örig i olika sjöar Exempel på tavla Sjö C Jämföra medelvärde hos kopplade stickprov Tio elitlöpare spriger
Läs merLÖSNINGAR TILL. Räkningar: (z i z) 2 = , Δ = z = 1 n. n 1. Konfidensintervall:
LÖSNINGAR TILL Matematisk statistik Tetame: 2014 10 28 kl 14 00 19 00 Matematikcetrum FMS 086 Matematisk statistik för B, K, N och BME, 7.5 hp Luds tekiska högskola MASB02 Matematisk statistik för kemister,
Läs merP (A) = k A P (A ) = 1 P (A) P (A B) P (B) P (M i ) = 1 P (A) P (X = k) = p X (k) p X (k) = 1 P (A B) p X (k)
SVERIGES LANTBRUKSUNIVERSITET Istitutioe för eergi och tekik Uwe Mezel e-post: uwe.mezel@matstat.de Formelsamlig Grudläggade matematiskt statistik 2080822 Saolikhetslära Klassisk saolikhetsdeitio: P A
Läs merViktigt! Glöm inte att skriva Tentamenskod på alla blad du lämnar in.
Statistisk försöksplaerig Provmomet: Ladokkod: Tetame ges för: Skriftlig tetame 3,0 hp 51SF01 DTEIN14h 4,5 högskolepoäg TetamesKod: Tetamesdatum: 5 ovember 015 Tid: 9.00-13.00 Hjälpmedel: Miiräkare Totalt
Läs merStatistisk analys. Vilka slutsatser kan dras om populationen med resultatet i stickprovet som grund? Hur säkra uttalande kan göras om resultatet?
Statistisk aalys Vilka slutsatser ka dras om populatioe med resultatet i stickprovet som grud? Hur säkra uttalade ka göras om resultatet? Mats Guarsso Tillämpad matematik III/Statistik - Sida 83 Exempel
Läs merUppsala Universitet Matematiska institutionen Matematisk Statistik. Formel- och tabellsamling. Sannolikhetsteori och Statistik
Uppsala Uiversitet Matematiska istitutioe Matematisk Statistik Formel- och tabellsamlig Saolikhetsteori och Statistik IT2-2004 Formelsamlig, Saolikhetsteori och Statistik IT-2004 1 Saolikhetsteori 1.1
Läs merF19 HYPOTESPRÖVNING (NCT ) Hypotesprövning för en differens mellan två medelvärden
Stat. teori gk, ht 006, JW F19 HPOTESPRÖVNING (NCT 11.1-11.) Hypotesprövig för e differes mella två medelvärde Samma beteckigar som vid kofidesitervall för differes mella två populatiosmedelvärde: Medelvärde
Läs merTentamentsskrivning: Tillämpad Statistik 1MS026 1
Tetametsskrivig: Tillämpad Statistik 1MS026 1 Tetamesskrivig i Tillämpad Statistik 1MS026 Tid: de 7 mars, 2012 kl 8:00-13:00 Examiator och jour: Erik Broma, mob. 073 7320791, Hjälpmedel: miiräkare, formelsamlig
Läs merLycka till! I(X i t) 1 om A 0 annars I(A) =
Avd Matematisk statistik TENTAMEN I SF955 f d 5B555 DATORINTENSIVA METODER ONSDAGEN DEN AUGUSTI 008 KL 400 900 Examiator: Guar Eglud, tel 790746 Email: guare@mathkthse Tillåta hjälpmedel: Formel- och tabellsamlig
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 merRättningstiden är i normalfall 15 arbetsdagar, annars är det detta datum som gäller:
Matematisk Statistik Provmomet: Ladokkod: Tetame ges för: Tetame TT091A KMASK14H 7,5 högskolepoäg Nam: (Ifylles av studet) Persoummer: (Ifylles av studet) Tetamesdatum: 2 jui 2015 Tid: 9:00-13:00 Hjälpmedel:
Läs merθx θ 1 om 0 x 1 f(x) = 0 annars
Avd. Matematisk statistik TENTAMEN I SF903 SANNOLIKHETSLÄRA OCH STATISTIK FÖR 3-ÅRIG Media TIMEH TORSDAGEN DEN TREDJE JUNI 200 KL 4.00 9.00. Examiator: Guar Eglud, tel. 790 74 06 Tillåta hjälpmedel: Läroboke.
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 merF4 Enkel linjär regression.
Lijär regressio F4 Ekel lijär regressio. Christia Tallberg Avdelige för Natioalekoomi och Statistik Karlstads uiversitet Hittills har vi försökt beskriva data som utgjorts av observatioer frå e variabel.
Läs merTentamen i Statistik, STA A13 Deltentamen 2, 5p 5 juni 2004, kl
Karlstads uiversitet Istitutioe för iformatiostekologi Avdelige för statistik Tetame i Statistik, STA A13 Deltetame, 5p 5 jui 004, kl. 09.00-13.00 Tillåta hjälpmedel: Asvarig lärare: Övrigt: Bifogad formel-
Läs merSannolikhetsteori FORMELSAMLING MATEMATISK STATISTIK, AK FÖR I, FMS 120, HT-00. Kap 2: Sannolikhetsteorins grunder
LUNDS TEKNISKA HÖGSKOLA MATEMATIKCENTRUM MATEMATISK STATISTIK FORMELSAMLING MATEMATISK STATISTIK, AK FÖR I, FMS 10, HT-00 Saolikhetsteori Kap : Saolikhetsteoris gruder Följade gäller för saolikheter: 0
Läs merLinjär regression - kalibrering av en våg
Lijär regressio Saolikhet och statistik Regressiosaalys HT 2008 Uwe.Mezel@math.uu.se http://www.math.uu.se/ uwe/ Samba mella två storheter ofta av itresse:... solarium hucacer... BN växelkurs... rökaet
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 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 mer2. Konfidensintervall för skillnaden mellan två proportioner.
Föreläsig 12 LV1, Torsdag 12/10 Upplägg 1. Kofidesitervall för proportioer. 2. Kofidesitervall för skillade mella två proportioer. 3. Grafteori Kofidesitervall för proportioer Atag att vi vill skatta adele
Läs merLösning till tentamen för kursen Log-linjära statistiska modeller 29 maj 2007
STOCKHOLMS UNIVERSITET MS 3150 MATEMATISKA INSTITUTIONEN TENTAMEN Avd. Matematisk statistik 29 maj 2007 Lösig till tetame för kurse Log-lijära statistiska modeller 29 maj 2007 Uppgift 1 a Modelle uta ågra
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 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 merF3 Lite till om tidsserier. Statistikens grunder 2 dagtid. Sammansatta index 4. Deflatering HT Laspeyres index: Paasche index: Index.
F3 Lite till om tidsserier Deflaterig, att justera för iflatioe tatistikes gruder dagtid 4 3,5 3,5,5 Mjölk ockerdricka HT,5 975 976 977 978 979 98 98 98 Löpade priser År Mjölk ockerdricka KPI 945 = 975,34,
Läs merFöreläsning G70, 732G01 Statistik A. Föreläsningsunderlagen är baserade på underlag skrivna av Karl Wahlin
Föreläsig 6 732G70, 732G01 Statistik A Föreläsigsuderlage är baserade på uderlag skriva av Karl Wahli Kapitel 6 Iferes om e populatio Sid 151-185 Puktskattig och itervallskattig Statistisk iferes om populatiosmedelvärde
Läs mer732G71 Statistik B. Föreläsning 1, kap Bertil Wegmann. IDA, Linköpings universitet. Bertil Wegmann (IDA, LiU) 732G71, Statistik B 1 / 20
732G71 Statistik B Föreläsning 1, kap. 3.1-3.7 Bertil Wegmann IDA, Linköpings universitet Bertil Wegmann (IDA, LiU) 732G71, Statistik B 1 / 20 Exempel, enkel linjär regressionsanalys Ett företag vill veta
Läs merRegressions- och Tidsserieanalys - 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 merMS-A0509 Grundkurs i sannolikhetskalkyl och statistik Sammanfattning, del II
MS-A0509 Grudkurs i saolikhetskalkyl och statistik Sammafattig, del II G. Gripeberg Aalto-uiversitetet 14 februari 014 G. Gripeberg Aalto-uiversitetet) MS-A0509 Grudkurs i saolikhetskalkyl och statistiksammafattig,
Läs merAntalet sätt att välja ut r objekt bland n stycken med hänsyn till ordning är np r = n(n 1) (n r + 1).
Harald Lag Formelsamlig och Tabeller i Statistik och Saolikhetsteori (15/11-10) Datareducerig Om x 1,..., x är ett stickprov ur e populatio så defiieras medelvärdet x x = 1 k=1 x k och stadardavvikelse
Läs merMS-A0509 Grundkurs i sannolikhetskalkyl och statistik Sammanfattning, del II
Stickprov MS-A0509 Grudkurs i saolikhetskalkyl och statistik Sammafattig del II G Gripeberg Aalto-uiversitetet 4 februari 04 Estimerig 3 Kofidesitervall 4 Hypotesprövig 5 Korrelatio och regressio G Gripeberg
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 merMS-A0509 Grundkurs i sannolikhetskalkyl och statistik Exempel etc., del II
MS-A0509 Grudkurs i saolikhetskalkyl och statistik Exempel etc., del II G. Gripeberg Aalto-uiversitetet 11 februari 014 G. Gripeberg Aalto-uiversitetet) MS-A0509 Grudkurs i saolikhetskalkyl och statistikexempel
Läs merS0005M V18, Föreläsning 10
S0005M V18, Föreläsig 10 Mykola Shykula LTU 2018-04-19 Mykola Shykula (LTU) S0005M V18, Föreläsig 10 2018-04-19 1 / 15 Hypotesprövig ett stickprov, σ okäd. Stadardiserig av stickprovsmedelvärdet då σ är
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 merFöreläsning G70 Statistik A
Föreläsig 7 73G70 Statistik A Hypotesprövig för jämförelse av populatiosadelar Krav: vi har dragit två OSU p( p) > 5 för båda stickprove Steg : Välj sigifikasivå och formulera hypoteser H 0 : π - π = d
Läs merFormelblad Sannolikhetsteori 1
Formelblad Saolikhetsteori Bayes formel: Låt A och D vara två hädelser Då gäller P A D = P D AP A P D Chebyshevs olikhet: Låt X vara e stokastisk variabel med vätevärde µ och varias Då gäller för alla
Läs merFöreläsning 2: Punktskattningar
Föreläsig : Puktskattigar Joha Thim joha.thim@liu.se 7 augusti 08 Repetitio Stickprov Defiitio. Låt de stokastiska variablera X, X,..., X vara oberoede och ha samma fördeligsfuktio F. Ett stickprov x,
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 merMatematisk statistik TMS063 Tentamen
Matematisk statistik TMS063 Tetame 208-05-30 Tid: 8:30-2:30 Tetamesplats: SB Hjälpmedel: Bifogad formelsamlig och tabell samt Chalmersgodkäd räkare. Kursasvarig: Olof Elias Telefovakt/jour: Olof Elias,
Läs mer1. Test av anpassning.
χ -metode. χ -metode ka avädas för prövig av hypoteser i flera olika slag av problem: om e stokastisk variabel följer e viss saolikhetsfördelig med käda eller okäda parametrar. om två stokastiska variabler
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 merMinsta kvadrat-metoden, MK. Maximum likelihood-metoden, ML. Medelfel. E(X i ) = µ i (θ) MK-skattningen av θ fås genom att minimera
Matematisk statistik slumpes matematik Saolikhetsteori hur beskriver ma slumpe? Statistikteori vilka slutsatser ka ma dra av ett datamaterial? Statistikteori översikt Puktskattig Hur gör ma e bra gissig
Läs merFör att skatta väntevärdet för en fördelning är det lämpligt att använda Medelvärdet. E(ξ) =... = µ
1 February 1, 2018 1 Förel. VII Puktskattigar av parametrar i fördeligar 1.1 Puktskattig För att skatta vätevärdet för e fördelig är det lämpligt att aväda Medelvärdet ξ = 1 ξ j. Vi tar u vätevärdet av
Läs merLÖSNINGSFÖRSLAG TILL TENTAMEN I MATEMATISK STATISTIK
UMEÅ UNIVERSITET Istitutioe för matematisk statistisk Statistiska metoder, 5 poäg MSTA36 Peter Ato LÖSNINGSFÖRSLAG 005-10-6 LÖSNINGSFÖRSLAG TILL TENTAMEN I MATEMATISK STATISTIK Statistiska metoder, 5 poäg
Läs mera) Beräkna E (W ). (2 p)
Avd. Matematisk statistik TENTAMEN I SF19 och SF191 SANNOLIKHETSTEORI OCH STATISTIK, TISDAGEN DEN 13:E MARS 18 KL 8. 13.. Examiator: Björ-Olof Skytt, 8 79 86 49. Tillåta hjälpmedel: Formel- och tabellsamlig
Läs merF10 ESTIMATION (NCT )
Stat. teori gk, ht 2006, JW F10 ESTIMATION (NCT 8.1-8.3) Ordlista till NCT Iferece Parameter Estimator Estimate Ubiased Bias Efficiecy Cofidece iterval Cofidece level (Studet s) t distributio Slutledig,
Läs merHögskoleutbildad 0,90*0,70=0,63 0,80*0,30=0,24 0,87 Ej högskoleutbildad 0,07 0,06 0,13 0,70 0,30 1,00
Lösigsförslag UPPGIFT 1 Kvia Ma Högskoleutbildad 0,90*0,70=0,63 0,80*0,30=0,24 0,87 Ej högskoleutbildad 0,07 0,06 0,13 0,70 0,30 1,00 Pr(ej högskoleutbildad kvi=0,07=7% Pr(högskoleutbildad)=0,87 c) Pr(Kvi*Pr(Högskoleutbildad)=0,70*0,87=0,609
Läs merTAMS65 - Seminarium 4 Regressionsanalys
TAMS65 - Seminarium 4 Regressionsanalys Martin Singull Matematisk statistik Matematiska institutionen Problem 1 PS29 Vid ett test av bromsarna på en bil bromsades bilen upprepade gånger från en hastighet
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 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 2015-12-09, 8-12 Bertil Wegmann
Läs merStat. teori gk, ht 2006, JW F13 HYPOTESPRÖVNING (NCT ) Ordlista till NCT
Stat. teori gk, ht 2006, JW F13 HYPOTESPRÖVNING (NCT 10.1-10.3) Ordlista till NCT Hypothesis testig Null hypothesis Alterative hypothesis Simple / composite Oe-sided /two-sided Reject Test statistic Type
Läs merFinansiell Statistik (GN, 7,5 hp,, HT 2008) Föreläsning 4 (del 1)
Fiasiell Statistik (GN, 7,5 hp,, HT 008) Föreläsig 4 (del 1) Sampligfördeligar (LLL Kap 8) Departmet of Statistics (Gebreegus Ghilagaber, PhD, Associate Professor) Fiacial Statistics (Basic-level course,
Läs merFORMELSAMLING MATEMATISK STATISTIK, FMS601. Fördelning Väntevärde Varians. p x (1 p) n x x = 0, 1,..., n np np(1 p) ) x = 0, 1,..., n np.
LUNDS TEKNISKA HÖGSKOLA MATEMATIKCENTRUM MATEMATISK STATISTIK FORMELSAMLING MATEMATISK STATISTIK, FMS601 Valiga fördeligar Fördelig Vätevärde Varias Biomialfördelig, Bi (, p ) P (X = x) = ( x) p x (1 p)
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. 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 merFöreläsningsanteckningar till Linjär Regression
Föreläsgsateckgar tll Ljär Regresso Kasper K S Aderse 3 oktober 08 Statstsk modell Ofta söks ett sambad y fx mella e förklarade eller oberoede varabel x och e resposvarabel eller beroede varabel y V betrakter
Läs merSTATISTIK FÖR LÄKARSTUDENTER
2015-04-05 STATISTIK FÖR LÄKARSTUDENTER Nils Karlsso läkarstudet.se INDEX INTRODUKTION...2 Att skriva saolikheter...2 Saolikhetslagar...2 Fakulteter...3 Odds och oddskvot...3 Typer av data...4 Diagram...5
Läs mer(a) Skissa täthets-/frekvensfunktionen och fördelningsfunktionen för X. Glöm inte att ange värden på axlarna.
1 0,5 0 LÖSNINGAR till tetame: Statistik och saolikhetslära (LMA120) Tid och plats: 08:30-12:30 de 6 april 2016 Hjälpmedel: Typgodkäd miiräkare, formelblad Betygsgräser: 3: 12 poäg, 4: 18 poäg, 5: 24 poäg.
Läs merTENTAMEN I MATEMATISK STATISTIK Datum: 13 mars 08
TENTAMEN I MATEMATISK STATISTIK Datum: 3 mars 8 Te i kurse HF3, 6H3, 6L3 MATEMATIK OCH MATEMATISK STATISTIK, Te i kurse HF ( Tidigare k 6H3), KÖTEORI OCH MATEMATISK STATISTIK, Skrivtid: 8:5-:5 Hjälpmedel:
Läs merLycka till!
Avd. Matematisk statistik TENTAMEN I 5B1503 STATISTIK MED FÖRSÖKSPLANERING FÖR K OCH B MÅNDAGEN DEN 25 AUGUSTI 2003 KL 14.00 19.00. Examinator: Gunnar Englund, 790 7416. Tillåtna hjälpmedel: Formel- och
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 merFORMELSAMLING MATEMATISK STATISTIK FÖR W; FMSF75 UPPDATERAD Sannolikhetsteori. Beskrivning av data. Läges-, spridnings- och beroendemått
LUNDS TEKNISKA HÖGSKOLA MATEMATIKCENTRUM MATEMATISK STATISTIK FORMELSAMLING MATEMATISK STATISTIK FÖR W; FMSF75 UPPDATERAD 208-08-26 Sannolikhetsteori Följande gäller för sannolikheter: 0 P(A P(Ω = P(A
Läs merb) Bestäm det genomsnittliga antalet testade enheter, E (X), samt även D (X). (5 p)
Avd Matematisk statistik TENTAMEN I SF922, SF923 och SF924 SANNOLIKHETSTEORI OCH STATISTIK, TISDAGEN DEN 29:E MAJ 208 KL 0800 300 Examiator för SF922/SF923: Tatjaa Pavleko, 08-790 84 66 Examiator för SF924:
Läs merIntroduktion till statistik för statsvetare
"Det fis iget så praktiskt som e bra teori" November 2011 Bakgrud Stadardiserig E saolikhetsekvatio Kosekves av stora tales lag Stora tales lag ger att är slumpvariablera X i är oberoede, med e och samma
Läs merEtt A4-blad med egna handskrivna anteckningar (båda sidor) samt räknedosa.
Tentamen Linköpings universitet, Institutionen för datavetenskap, Statistik Kurskod och namn: Datum och tid: Jourhavande lärare: Tillåtna hjälpmedel: 732G71 Statistik B 2017-12-08, 8-12 Bertil Wegmann
Läs merStatistik. Språkligt och historiskt betyder statistik ungefär sifferkunskap om staten
Statistik Språkligt och historiskt betyder statistik ugefär sifferkuskap om state E Statistisk udersökig består av fyra delar: Plaerig Dataisamlig Bearbetig Beskrivade statistik (kap 1) Statistisk aalys
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 merFöreläsning 13: Multipel Regression
Föreläsning 13: Multipel Regression Matematisk statistik Chalmers University of Technology Oktober 9, 2017 Enkel linjär regression Vi har gjort mätningar av en responsvariabel Y för fixerade värden på
Läs merIntervallskattning. c 2005 Eric Järpe Högskolan i Halmstad. Antag att vi har ett stickprov x 1,..., x n på X som vi vet är N(µ, σ) men vi vet ej
Itervallskattig c 005 Eric Järpe Högskola i Halmstad Atag att vi har ett stickprov x,..., x på X som vi vet är Nµ, σ me vi vet ej värdet av µ = EX. Då ka vi beräka x, vvr skattig av µ. För att få reda
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 merStatistik för bioteknik SF1911 // KTH Matematisk statistik // Formler och tabeller. 1 Numeriska sammanfattningar (statistikor)
Statistik för biotekik SF9 // KTH Matematisk statistik // Formler och tabeller Ht 206 Numeriska sammafattigar (statistikor) För ett datamaterial x, x 2,..., x beräkas Stickprovsmedelvärde x = i= x i =
Läs merMA2018 Tillämpad Matematik III-Statistik, 3.5hp,
MA08 Tillämpad Matematik III-Statistik, 3.5hp, 08-05-3 Hjälpmedel: Pea, radergummi och lijal. Räkedosa och medföljade formelsamlig är tillåte! Tetame består av 0 frågor! Edast Svarsblakette ska lämas i!
Läs merMA2018 Tillämpad Matematik III-Statistik, 3.5hp,
MA018 Tillämpad Matematik III-Statistik,.hp, 019-0-1 Hjälpmedel: Pea, radergummi och lijal. Räkedosa och medföljade formelsamlig är tillåte! Tetame består av 0 frågor! Edast Svarsblakette ska lämas i!
Läs merFöreläsning 3. 732G04: Surveymetodik
Föreläsig 3 732G04: Surveymetodik Dages föreläsig Obudet slumpmässigt urval (OSU) Populatiosparametrar och stickprovsstatistikor Vätevärdesriktighet Ädliga och oädliga populatioer Medelvärde, adel Kofidesitervall
Läs merRegressions- och Tidsserieanalys - F3
Regressions- och Tidsserieanalys - F3 Multipel regressionsanalys kap 4.8-4.10 Linda Wänström Linköpings universitet November 6, 2013 Wänström (Linköpings universitet) F3 November 6, 2013 1 / 22 Interaktion
Läs merTentamen i Statistik, STA A13 Deltentamen 2, 5p 20 januari 2007, kl. 09.00-13.00
0.01.007 Tetame i Statistik, STA A13 Deltetame, 5p 0 jauari 007, kl. 09.00-13.00 Tillåta hjälpmedel: Bifogad formel- och tabellsamlig (skall retureras) samt miiräkare. Asvarig lärare: Haah Hall Övrigt:
Läs merMS-A0509 Grundkurs i sannolikhetskalkyl och statistik Exempel etc., del II
MS-A0509 Grudkurs i saolikhetskalkyl och statistik Exempel etc., del II G. Gripeberg Aalto-uiversitetet 14 februari 014 G. Gripeberg (Aalto-uiversitetet) MS-A0509 Grudkurs i saolikhetskalkyl och statistikexempel
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 merSTOCKHOLMS UNIVERSITET HT 2008 Statistiska institutionen Linda Wänström. Omtentamen i Regressionsanalys
STOCKHOLMS UNIVERSITET HT 2008 Statistiska institutionen Linda Wänström Omtentamen i Regressionsanalys 2009-01-08 Skrivtid: 9.00-14.00 Godkända hjälpmedel: Miniräknare utan lagrade formler. Tentamen består
Läs merStockholms Universitet Statistiska institutionen Patrik Zetterberg
Stockholms Universitet Statistiska institutionen Patrik Zetterberg Skriftlig Tentamen i Finansiell Statistik Grundnivå 7.5 hp, VT2012 2012-05-31 Skrivtid: 9.00-14.00 Hjälpmedel: Godkänd miniräknare utan
Läs merMS-A0509 Grundkurs i sannolikhetskalkyl och statistik Sammanfattning, del II
MS-A0509 Grudkurs i saolikhetskalkyl och statistik Sammafattig, del II G. Gripeberg Aalto-uiversitetet 13 februari 015 G. Gripeberg (Aalto-uiversitetet) MS-A0509 Grudkurs i saolikhetskalkyl och statistik
Läs merRegressions- och Tidsserieanalys - F5
Regressions- och Tidsserieanalys - F5 Linda Wänström Linköpings universitet November 20 Wänström (Linköpings universitet) F5 November 20 1 / 24 Modellbygge - vilka oberoende variabler ska vara med i modellen?
Läs merGrundläggande matematisk statistik
Grudläggade matematisk statistik Puktskattig Uwe Mezel, 2018 uwe.mezel@slu.se; uwe.mezel@matstat.de www.matstat.de Saolikhetsteori: Saolikhetsteori och statistikteori vad vi gjorde t.o.m. u vi hade e give
Läs merFormelsamling för Finansiell Statistik
Formelamlig för Fiaiell Statitik Kombiatorik Atal ätt att ta elemet ur är Uta åter- läggig Med återläggig Med häy till ordig! ( )! Atal ätt att ta elemet, av e ort, och elemet är det totalt orter är elemet,
Läs merDigital signalbehandling Fönsterfunktioner
Istitutioe för data- och elektrotekik Digital sigalbehadlig Fösterfuktioer 2-2-7 Fösterfuktioer aväds för att apassa mätserie vid frekvesaalys via DFT och FFT samt vid dimesioerig av FIR-filter via ivers
Läs merKOM IHÅG ATT NOTERA DITT TENTAMENSNUMMER NEDAN OCH TA MED DIG TALONGEN INNAN DU LÄMNAR IN TENTAN!!
Göteborgs uiversitet Psykologiska istitutioe Tetame Psykologi kurskod PC106, Kurs 6: Idivide i ett socialt sammahag (15 hp) och PC 145. Tid för tetame: 6/5-01. Hel och halvfart VT 1. Provmomet: Socialpsykologi
Läs merF6 Uppskattning. Statistikens grunder 2 dagtid. Beteckningar, symboler, notation. Grekiskt-romerskt
01-10-19 F6 Uppskattig Statistikes gruder dagtid HT 01 Vi skattar populatiosparametrar (modellparametrar med olika statistikor: E. stickprovs- -medelvärdet X skattar μ -variase S skattar -adele P skattar
Läs merFöreläsning 12: Linjär regression
Föreläsning 12: Linjär regression Matematisk statistik Chalmers University of Technology Oktober 4, 2017 Exempel Vi vill undersöka hur ett ämnes specifika värmeskapacitet (ämnets förmåga att magasinera
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 mer1. (a) Eftersom X och Y har samma fördelning så har de även samma väntevärde och standardavvikelse. E(X 2 ) = k
LÖSNINGAR TILL Matematisk statistik, Matematikcetrum Tetame: 5 kl 8 Luds tekiska högskola FMS, FMS, FMS, FMS 5, MAS 9 Matematisk statistik för ED, F, I, FED och fysiker. a Eftersom X och Y har samma fördelig
Läs merFinansiell Statistik (GN, 7,5 hp,, HT 2008) Föreläsning 4 (del 2)
Fiasiell Statistik (GN, 7,5 hp,, HT 008) Föreläsig 4 (del ) Pukt- och itervallskattig (LLL Kap 10) Departmet of Statistics (Gebreegus Ghilagaber, PhD, Associate Professor) Fiacial Statistics (Basic-level
Läs merSannolikhetslära statistisk inferens F10 ESTIMATION (NCT )
Stat. teori gk, vt 2006, JW F10 ESTIMATION (NCT 8.1-8.3) Ordlita till NCT Iferece Slutledig, ifere Parameter Parameter Saolikhetlära tatitik ifere Hittill har vi ylat med aolikhetlära. Problem av type:
Läs merx 1 x 2 x 3 x 4 x 5 x 6 HL Z x x x
Uppgift 1 a) Vi iför slackvariabler x 4, x 5 och x 6 och löser problemet med hjälp av simplexalgoritme. Z -2-1 1 0 0 0 0 x 4 1 1-1 1 0 0 20 x 5 2 1 1 0 1 0 30 x 6 1-1 2 0 0 1 10 x 1 blir igåede basvariabel
Läs merFormler och tabeller till kursen MSG830
Formler och tabeller till kursen MSG830 Deskriptiva mått För ett datamängd x 1,, x n denieras medelvärde standardavvikelse standardfelet (SEM) Sannolikheter x = 1 n n i=1 = x 1 + + x n n s = 1 n (x i x)
Läs mer