Förord. Linköping juni Sven-Olof Lundkvist

Storlek: px
Starta visningen från sidan:

Download "Förord. Linköping juni Sven-Olof Lundkvist"

Transkript

1 Förord Denna studie har beställts av Vägverket, där Peter Aalto har varit kontaktperson. Studien har i huvudsak utförts av undertecknad med bistånd från Peter Aalto, Vägverket och Sara Nygårdhs, VTI samt naturligtvis alla försökspersoner. Den statistiska analysen i bilaga 2 har gjorts av Mats Wiklund, VTI. Linköping juni 2004 Sven-Olof Lundkvist VTI notat

2 VTI notat

3 Innehållsförteckning Sid Sammanfattning 5 1 Bakgrund 7 2 Metod 7 3 Resultat 9 4 Kommentarer och slutsatser 11 Bilagor: Bilaga 1 Bilaga 2 Foton på övergångsställen som ingick i förstudien Synbarhet vid övergångsställen VTI notat

4 VTI notat

5 Sammanfattning En metod för studium av fotgängares upptäckbarhet vid övergångsställen i mörker på gator med stationär belysning har testats. Metoden innebär att från svart/vita foton gör försökspersoner jämförande bedömningar av upptäckbarheten vid ett antal par av övergångsställen. Från dessa observationer beräknas oddset för att ett övergångsställe bedöms ge bättre upptäckbarhet än ett annat. Datainsamlingsmetoden visade sig fungera tillfredsställande men bör modifieras något. Bland annat ska bakgrundsvariabler som beskriver vägytans ljushet mätas fysikaliskt, t.ex. belysningsstyrkan mot vägytan och ytans reflexionsegenskaper. Analysmetoden fungerar, även om den kan anses vara något ovanlig och komplicerad. Traditionella metoder, såsom variansanalys och liknande, kan inte användas på grund av att observationerna inte är oberoende. I stället måste data analyseras med en s.k. logoddsmetod. Resultaten från denna metodstudie visar att inte endast beläggningsytans luminans är avgörande för upptäckbarheten, utan även övergångsställets utformning. Således visade det sig att en insnävning av övergångsstället, så att fotgängaren väntar i förarens siktlinje, ger goda möjligheter för upptäckt. Även ett övergångsställe på gata med ljus gatsten, men utan insnävning, innebar god upptäckt av fotgängaren. Ett ytterligare resultat är att separatbelysning av övergångsstället fungerar dåligt om fotgängaren passerar bakom övergångsstället. VTI notat

6 6 VTI notat

7 1 Bakgrund Den förändrade lagstiftningen vid övergångsställen som genomfördes innebär att större krav på fordonsförarnas möjlighet att upptäcka fotgängare bör ställas. I en för- och metodstudie gjordes bedömningar av hur utformning och belysning på olika övergångsställen påverkade fotgängarens upptäckbarhet. Studien ska i första hand ses som en metodstudie. Om metoden kan anses fungera för att besvara frågeställningen, kan den användas i ett huvudförsök. 2 Metod Upptäckbarheten vid åtta övergångsställen har utvärderats av 14 försökspersoner. En fotgängare som står i begrepp att gå över vid, eller 5 meter efter, övergångsstället har fotograferats i befintlig vägbelysning, men utan fordonsljus. På samtliga svart/vita foton ser man samma fotgängare med samma kläder på ungefär samma avstånd ca 100 meter. Vid fotograferingen har använts en digitalkamera där automatiken för både tid och bländare kan kopplas ur. Detta möjliggjorde att alla foton kunde tas med samma kamerainställningar, bländare 2,8 och tiden ¼ sek. Vid två övergångsställen misslyckades fotograferingen något och här finns fotgängaren i endast en position vid eller 5 meter efter övergångsstället. Således finns sammanlagt 2 7 = 14 bilder på övergångsställe med fotgängare i två positioner och två bilder med fotgängaren i en position. Detta gör sammanlagt 16 bilder. Metoden innebar att för de två fotgängarpositionerna bildades samtliga möjliga par av övergångsställen. Detta innebar att 21 par där fotgängaren stod vid och 21 par där denne stod 5 meter bakom övergångstället kunde bildas. Försökspersonernas uppgift var att bestämma vid vilken av de två bilderna i vart och ett av de 42 paren, som en fordonsförare hade störst möjlighet att i tid upptäcka fotgängaren. Figur 1 och 2 visar exempel på par av övergångsställen där fotgängaren står i begrepp att gå över vid (figur 1) eller bakom (figur 2) övergångsstället. Samtliga åtta övergångsställen finns dokumenterade i bilaga 1. De angivna luminansvärdena är skattade värden, således ej uppmätta. VTI notat

8 Figur 1 Två övergångsställen där fotgängaren står i begrepp att gå över vid övergångsstället. Vägbaneluminansen på det vänstra och högra fotot är ca. 1,5 respektive 2,0 cd/m 2. Figur 2 Två övergångsställen där fotgängaren står i begrepp att gå över 5 meter bakom övergångsstället. Det vänstra övergångsstället är separatbelyst. Bilderna visades med OH-projektor i ett mörklagt rum. Efter några inledande mer eller mindre misslyckade bedömningar gjordes ett huvudförsök på VTI. I detta försök deltog 14 personer från DoU-enheten på VTI. Resultaten redovisas i kommande avsnitt. 8 VTI notat

9 3 Resultat Varje försöksperson (fp) gjorde 21 bedömningar där fp stod vid och 21 där denne stod 5 meter efter övergångsstället. Med 7 övergångsställen, kom således varje övergångsställe att förekomma i 6 av de 21 paren för respektive fotgängarposition. Nedan avses med poäng att ett övergångsställe har bedömts innebära bättre synbarhet än ett annat. Om ett övergångsställe har bedömts synas bättre än samtliga andra, då fotgängaren står vid detsamma, får detta övergångsställe således 6 poäng för denna fotgängarposition. Tabellerna 1 och 2 redovisar för varje fp i hur många av de 6 paren som respektive övergångsställe bedömdes ge bäst synbarhet, dvs. hur många poäng vart och ett har fått. Tabell 1 Antal poäng som vart och ett av 7 övergångsställen (ög) har erhållit av de 14 försökspersonerna (fp). Avser fotgängarposition vid övergångsstället. ög/fp Tabell 2 Antal poäng som vart och ett av 7 övergångsställen (ög) har erhållit av de 14 försökspersonerna (fp). Avser fotgängarposition 5 meter efter övergångsstället. ög/fp Från resultaten i tabellerna 1 och 2 har skillnaderna i upptäckbarhet av fotgängare skattats med logistisk regressionsanalys. Metoden för denna skattning redovisas i bilaga 2. I tabellerna 3 och 4 redovisas resultatet för fotgängare vid respektive bakom övergångsstället. VTI notat

10 Tabell 3 Skattad skillnad i upptäckbarhet av fotgängare vid övergångsställe 1 3 samt 5 8. Rad jämförs med kolumn och positivt tecken innebär bättre upptäckbarhet. Gul bakgrund innebär att skillnaden är signifikant på 5 %-nivån ,8-1,8-4,5-5,3-3,3-8,1 2 3,8 2,0-0,7-1,5 0,5-4,3 3 1,8-2,0-2,7-3,5-1,5-6,3 5 4,5 0,7 2,7-0,8 1,2-3,6 6 5,3 1,5 3,5 0,8 2,0-2,8 7 3,3-0,5 1,5-1,2-2,0-4,7 8 8,1 4,3 6,3 3,6 2,8 4,7 Tabell 4 Skattad skillnad i upptäckbarhet av fotgängare 5 meter efter övergångsställe 1 2 samt 4 8. Rad jämförs med kolumn och positivt tecken innebär bättre upptäckbarhet. Gul bakgrund innebär att skillnaden är signifikant på 5 %- nivån ,1-4,2-2,5-4,6-1,8-7,5 2 3,1-1,1 0,7-1,3 1,3-4,4 4 4,2 1,1 1,8-0,2 2,4-3,2 5 2,5-0,7-1,8-2,0-0,6-5,0 6 4,5 1,3 0,2 2,0 2,6-3,0 7 1,8-1,3-2,4 0,6-2,6-5,7 8 7,5 4,4 3,2 5,0 3,0 5,7 Exempel på tolkning av tabellerna 3 och 4: En fotgängare som står vid eller 5 meter bakom övergångsställe 6 har signifikant bättre upptäckbarhet än en som står vid eller 5 meter bakom övergångsställe 1 (p<.05). En fotgängare som står 5 meter bakom övergångsställe 5 har signifikant sämre upptäckbarhet än en som står 5 meter bakom övergångsställe 8 (p<.05). Det framgår av tabellerna 3 och 4 att det separatbelysta övergångsstället, nummer 5, fungerar signifikant bättre än övergångsställe 1, 3 och 7 och sämre än nummer 8 då fotgängaren står vid de vita markeringarna. Står fotgängaren bakom, fungerar övergångsställe 5 bättre endast än nummer 1 och sämre än nummer 4, 6 och 8. Separatbelysningen fungerar således som tänkt endast då fotgängaren går över vid själva övergångsstället, men inte bakom (framför är inte undersökt). Slår man samman resultaten finner man att övergångsställe 8 är att föredra med tanke på upptäckbarheten av fotgängare. 10 VTI notat

11 4 Kommentarer och slutsatser Vad gäller metoden, så kan den anses fungera väl, vilket visas av att resultaten är konsistenta över försökspersoner. Inför ett huvudförsök bör man ha följande i åtanke: Fotograferingen bör göras med stativ för att undvika oskärpa. Oftast var detta inte något problem, men det finns ingen anledning att inte använda stativ. Avstånden mellan fotgängare och fotograf måste mätas, så att variationen mellan bilderna minimeras. Fotgängarens vinkelstorlek kan redigeras i efterhand, men en avståndsmätning är så enkel att den bör göras. Vägytans luminans bör mätas åtminstone i några punkter runt övergångsstället och på trottoaren. Detta kan göras genom att mäta infallande ljus samt vägytans luminanskoefficient och från dessa parametrar skatta luminansen. Analysmetoden är något udda och kanske okänd för gemene man. Det är emellertid inte möjligt att använda en traditionell metod eftersom data inte är oberoende. Resultaten från detta lilla förförsök visar på följande: En hög vägyteluminans ger bra upptäckbarhet av en fotgängare, oavsett om denne står vid eller bakom övergångsstället. Separatbelysning av övergångsstället ger god upptäckbarhet då fotgängaren står vid övergångsstället, men inte bakom. Ett alternativ till separatbelysning kan vara att göra en insnävning av gatan vid övergångsstället. Detta förbättrar sannolikt inte synbarheten, men upptäckbarheten. VTI notat

12 12 VTI notat

13 Bilaga 1 Sid 1 (3) Övergångsställen som ingick i förstudien. Observera att luminanserna inte är uppmätta utan endast skattade. Bilderna visar endast en av de två fotgängarpositionerna. 1 Karlavägen, Sundbyberg. Detta är en lokalgata med bedömd medelluminans 0,5 cd/m 2 (MEW5). Fotgängare vid och efter övergångsstället. 2 Vegagatan, Sundbyberg. Huvudgata med mycket störande belysning i bakgrunden (stor svårighetsgrad). Medelluminansen bedöms till 1,5 cd/m 2 (MEW2) och fotgängare finns vid och efter övergångsstället. 3 Västeråsvägen, Eskilstuna. Huvudgatan med belysning endast på motsatt sida mot fotgängaren som står vid (ej bakom) övergångsstället. Bedömd medelluminans är 1,0 cd/m 2 (MEW3), men således är det mörkare på fotgängarens sida. VTI notat

14 Bilaga 1 Sid 2 (3) 4 Östermalmsgatan, Västerås. Lokalgata med belysning på den sida där fotgängaren står, efter övergångsstället (ej vid detsamma). Bedömd medelluminans 1,0 cd/m 2 (MEW3), men det är således ljusare på fotgängarens sida. 5 Strandgatan, Eskilstuna. Huvudgata med belysning på motsatt sida mot fotgängaren, men med separatbelyst övergångsställe. Bedömd medelluminans före och efter övergångsstället är 1,0 cd/m 2 (MEW3), men på och vid övergångsstället är det betydligt ljusare (> 2 cd/m 2 ). Fotgängare vid och efter övergångsstället. 6 Sturegatan, Eskilstuna. Huvudgata med bedömd medelluminans 1,5 cd/m 2 (MEW2) och något bländande bakgrund. Insnävning, så att gatan är smal just vid övergångsstället, vilket innebär att en väntande fotgängare kommer i bilistens siktlinje. Fotgängare vid och efter övergångsstället. VTI notat

15 Bilaga 1 Sid 3 (3) 7 Kyrkogatan, Eskilstuna. Lokalgata med bedömd luminansjämnhet 0,75 cd/m 2 (MEW4). Separatbelysning med dålig funktion (felriktad). Fotgängare vid och efter övergångsstället. 8 Drottninggatan, Eskilstuna. Lokalgata med bedömd medelluminans 2,0 cd/m 2 (MEW1). Den höga luminansen förklaras av beläggning utförd med ljus gatsten. Fotgängare vid och efter övergångsstället. VTI notat

16 VTI notat

17 Bilaga 2 Sid 1 (3) Synbarhet vid övergångställen Respondenter har studerat foton av personer vid övergångställen. Fotona har presenterats parvis och respondenten har angett på vilket foto som personen vid övergångsstället syns bäst. Modell och analysmetod Anta att det går att kvantifiera hur synbar personen vid övergångstället är. Säg att det är k foton där synbarheten ska bedömas. Synbarheten för ett godtyckligt foto, j, kan då formuleras som ett linjärt uttryck, V j = α + β 2 x 2j + + β k x kj, där x mj är en indikatorvariabel som är 1 om det foto m som studeras och 0 annars eller med andra ord x mj = 1 om j = m och 0 annars. Synbarheten på foto 1 är då α medan synbarheten på foto m α + β m för m = 2,, k. Olika individer kan dock uppleva olika synbarhet på samma foto. Den synbarhet som individ i uppfattar på foto j betecknas U ij = V j + ξ i + ε ij, där ξ i och ε ij är oberoende slumpfel med väntevärde 0. Speciellt gäller att individ i kommer att uppleva bättre synbarhet på foto j än på foto m om U ij > U im, vilket är ekvivalent med att V j - V m > ε im - ε ij, vilket är en slumpmässig händelse, vars sannolikhet beror av V j - V m, så att sannolikheten är stor om V j - V m är stort och liten om V j - V m är litet, men notera speciellt att individtermen ξ i inte påverkar sannolikheten. Låt nu p jm = P(ε im - ε ij < V j - V m ) vara sannolikheten att foto j upplevs som mer synbart än foto m. Anta att logit(p jm ) = ln(p jm /(1 - p jm )) = V j - V m = β 2 (x 2j - x 2m ) + + β k (x kj - x km ), vilket innebär att p jm antas ha logistisk regression på differenserna (x 2j - x 2m ),,(x kj - x km ). Speciellt gäller att oddset för att synbarheten på foto j upplevs större än på foto 1 bestäms av p j1 /(1 p j1 ) = exp(β j ), j = 2,, k, och oddskvoten (p j1 /(1 p j1 ))/ (p m1 /(1 p m1 )) = exp(β j - β m ) = p jm /(1 p jm ), m = 2,, k, är oddset för att uppleva högre synbarhet i foto j än foto m. Parametrarna β 2,, β k skattas med iterativa minsta-kvadrat skattningar, se till exempel Dobson (1990). Observera att det är enbart skillnad i synbarhet som kan skattas, så att β j anger skillnad i synbarhet mellan foto j och foto 1, för j = 2,, k. Resultat Två fotoserier har jämförts sinsemellan. Den första serien, A, består av foton numrerade 1, 2, 3, 5, 6, 7 och 8 där en person står vid övergångsstället medan den andra serien, B, består av foton numrerade 1, 2, 4, 5, 6, 7 och 8 där personen står någon meter bortanför övergångsstället. Foton med samma nummer är tagna vid samma övergångsställe. Skillnad i synbarhet till foto 1 i respektive mätserie har skattats och redovisas tabell 1. Oddset för att uppleva högre synbarhet på respektive foto relativt foto 1 redovisas i tabell 2. VTI notat

18 Bilaga 2 Sid 2 (3) Tabell 1 Skillnad i synbarhet inom samma serie jämfört med foto 1. Foto nr Serie A Standardfel A Serie B Standardfel B 1 0,0 0,0 2 3,8 0,7 3,1 0,6 3 1,8 0,6 4 4,3 0,6 5 4,5 0,7 2,5 0,6 6 5,3 0,8 4,5 0,6 7 3,3 0,7 1,8 0,6 8 8,1 1,1 7,5 1,0 Tabell 2 Odds för högre synbarhet relativt foto 1 inom samma serie. Foto nr Serie A Serie B Tabell 3 Kovariansmatris A ,50 0,33 0,44 0,44 0,41 0,44 3 0,33 0,40 0,33 0,33 0,33 0,33 5 0,44 0,33 0,53 0,46 0,42 0,47 6 0,44 0,33 0,46 0,57 0,42 0,51 7 0,41 0,33 0,42 0,42 0,48 0,42 8 0,44 0,33 0,47 0,51 0,42 1,17 Tabell 4 Kovariansmatris B ,36 0,30 0,27 0,30 0,25 0,30 4 0,30 0,40 0,28 0,33 0,25 0,34 5 0,27 0,28 0,33 0,28 0,24 0,28 6 0,30 0,33 0,28 0,41 0,25 0,35 7 0,25 0,25 0,24 0,25 0,31 0,25 8 0,30 0,34 0,28 0,35 0,25 1,02 VTI notat

19 Bilaga 2 Sid 3 (3) Tabell 5 95%-konfidensintervall A för skillnad, rad - kolumn ,0±0,0-3,8±1,4-1,8±1,2-4,5±1,4-5,3±1,5-3,3±1,4-8,1±2,1 2 3,8±1,4 0,0±0,0 2,0±1,0-0,7±0,8-1,5±0,8 0,5±0,8-4,3±1,7 3 1,8±1,2-2,0±1,0 0,0±0,0-2,7±1,0-3,5±1,1-1,5±0,9-6,3±1,9 5 4,5±1,4 0,7±0,8 2,7±1,0 0,0±0,0-0,8±0,8 1,2±0,8-3,6±1,7 6 5,3±1,5 1,5±0,8 3,5±1,1 0,8±0,8 0,0±0,0 2,0±0,9-2,8±1,7 7 3,3±1,4-0,5±0,8 1,5±0,9-1,2±0,8-2,0±0,9 0,0±0,0-4,7±1,8 8 8,1±2,1 4,3±1,7 6,3±1,9 3,6±1,7 2,8±1,7 4,7±1,8 0,0±0,0 Tabell 6 95%-konfidensintervall B för skillnad, rad - kolumn ,0±0,0-3,1±1,2-4,2±1,2-2,5±1,1-4,5±1,3-1,8±1,1-7,5±2,0 2 3,1±1,2 0,0±0,0-1,1±0,8 0,7±0,7-1,3±0,8 1,3±0,8-4,4±1,7 4 4,2±1,2 1,1±0,8 0,0±0,0 1,8±0,8-0,2±0,8 2,4±0,9-3,2±1,7 5 2,5±1,1-0,7±0,7-1,8±0,8 0,0±0,0-2,0±0,9-0,6±0,8-5,0±1,8 6 4,5±1,3 1,3±0,8 0,2±0,8 2,0±0,9 0,0±0,0 2,6±0,9-3,0±1,7 7 1,8±1,1-1,3±0,8-2,4±0,9 0,6±0,8-2,6±0,9 0,0±0,0-5,7±1,8 8 7,5±2,0 4,4±1,7 3,2±1,7 5,0±1,8 3,0±1,7 5,7±1,8 0,0±0,0 Referens Dobson A J: An Introduction to Generalized Linear Models. Chapman and Hall. London VTI notat

Upptäckbarhet av fotgängare i mörker vid övergångsställen

Upptäckbarhet av fotgängare i mörker vid övergångsställen VTI notat 5-2007 Utgivningsår 2007 www.vti.se/publikationer Upptäckbarhet av fotgängare i mörker vid övergångsställen Sven-Olof Lundkvist Sara Nygårdhs Förord Denna studie har i sin helhet bekostats av

Läs mer

Samspel mellan vägbelysning och vägbeläggning för minskad energiförbrukning

Samspel mellan vägbelysning och vägbeläggning för minskad energiförbrukning Samspel mellan vägbelysning och vägbeläggning för minskad energiförbrukning Ett projekt finansierat av Energimyndigheten Projektledare Sara Nygårdhs Bakgrund Vägbelysning leder till: stor energiförbrukning

Läs mer

TAMS65 - Seminarium 4 Regressionsanalys

TAMS65 - 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 mer

Bilaga 3 Vägbeläggningars reflextionsegenskaper

Bilaga 3 Vägbeläggningars reflextionsegenskaper Bilaga 3 Vägbeläggningars reflextionsegenskaper En vägbeläggning tillhör en N-klass och en W-klass beroende på dess reflexionsegenskaper, d.v.s. ljushet och textur, i torrt och vått tillstånd. För den

Läs mer

EXEMPEL PÅ FRÅGESTÄLLNINGAR INOM STATISTIK- TEORIN (INFERENSTEORIN):

EXEMPEL PÅ FRÅGESTÄLLNINGAR INOM STATISTIK- TEORIN (INFERENSTEORIN): Lunds tekniska högskola Matematikcentrum Matematisk statistik FMSF50: Matematisk statistik för L och V OH-bilder på föreläsning 7, 2017-11-20 EXEMPEL PÅ FRÅGESTÄLLNINGAR INOM STATISTIK- TEORIN (INFERENSTEORIN):

Läs mer

10.1 Enkel linjär regression

10.1 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 mer

Enkel och multipel linjär regression

Enkel och multipel linjär regression TNG006 F3 25-05-206 Enkel och multipel linjär regression 3.. Enkel linjär regression I det här avsnittet kommer vi att anpassa en rät linje till mätdata. Betrakta följande värden från ett försök x 4.0

Läs mer

Tillståndsmätning och analys av vägmarkeringars synbarhet i mörker i Sverige 2003

Tillståndsmätning och analys av vägmarkeringars synbarhet i mörker i Sverige 2003 VTI notat 25 2004 VTI notat 25-2004 Tillståndsmätning och analys av vägmarkeringars synbarhet i mörker i Sverige 2003 Författare FoU-enhet Projektnummer 80573 Projektnamn Uppdragsgivare Behzad Koucheki

Läs mer

Vägbelysningens betydelse för fotgängares synbarhet i mörker

Vägbelysningens betydelse för fotgängares synbarhet i mörker VTI rapport 751 Utgivningsår 2012 www.vti.se/publikationer Vägbelysningens betydelse för fotgängares synbarhet i mörker Sven-Olof Lundkvist Sara Nygårdhs Utgivare: Publikation: VTI rapport 751 Utgivningsår:

Läs mer

Fotgängares upptäckbarhet vid olika nivåer på vägbelysningen

Fotgängares upptäckbarhet vid olika nivåer på vägbelysningen VTI notat 21-2011 Utgivningsår 2011 www.vti.se/publikationer Fotgängares upptäckbarhet vid olika nivåer på vägbelysningen En pilotstudie Sven-Olof Lundkvist Sara Nygårdhs Förord Detta projekt har i sin

Läs mer

Prediktionsmodell för våta vägmarkeringars retroreflexion

Prediktionsmodell för våta vägmarkeringars retroreflexion VTI notat 16 4 VTI notat 16-4 Prediktionsmodell för våta vägmarkeringars retroreflexion Författare Sara Nygårdhs och Sven-Olof Lundkvist FoU-enhet Drift och underhåll Projektnummer 571 Projektnamn Empiriska

Läs mer

Matematisk statistik kompletterande projekt, FMSF25 Övning om regression

Matematisk statistik kompletterande projekt, FMSF25 Övning om regression Lunds tekniska högskola, Matematikcentrum, Matematisk statistik Matematisk statistik kompletterande projekt, FMSF Övning om regression Denna övningslapp behandlar regression och är tänkt som förberedelse

Läs mer

Gör uppgift 6.10 i arbetsmaterialet (ingår på övningen 16 maj). För 10 torskar har vi värden på variablerna Längd (cm) och Ålder (år).

Gör 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 mer

Tentamen för kursen. Linjära statistiska modeller. 13 januari

Tentamen för kursen. Linjära statistiska modeller. 13 januari STOCKHOLMS UNIVERSITET MATEMATISK STATISTIK Tentamen för kursen Linjära statistiska modeller 13 januari 2017 9 14 Examinator: Ola Hössjer, tel. 070/672 12 18, ola@math.su.se Återlämning: Meddelas via kurshemsida

Läs mer

Hypotesprövning. 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 Andrew Hooker Division of Pharmacokinetics and Drug Therapy Department of Pharmaceutical Biosciences Uppsala University Hypotesprövning Liksom konfidensintervall ett hjälpmedel för att

Läs mer

TAMS65 - Föreläsning 11 Regressionsanalys fortsättning Modellval

TAMS65 - 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 mer

Tillståndsmätning av vägmarkeringar i Danmark 2003

Tillståndsmätning av vägmarkeringar i Danmark 2003 VTI notat 12 2004 VTI notat 12-2004 Tillståndsmätning av vägmarkeringar i Danmark 2003 Författare FoU-enhet Sara Nygårdhs Drift och underhåll Projektnummer 50330 Projektnamn Uppdragsgivare Nordisk tillståndsbeskrivning

Läs mer

1/23 REGRESSIONSANALYS. Statistiska institutionen, Stockholms universitet

1/23 REGRESSIONSANALYS. Statistiska institutionen, Stockholms universitet 1/23 REGRESSIONSANALYS F4 Linda Wänström Statistiska institutionen, Stockholms universitet 2/23 Multipel regressionsanalys Multipel regressionsanalys kan ses som en utvidgning av enkel linjär regressionsanalys.

Läs mer

Statistik 1 för biologer, logopeder och psykologer

Statistik 1 för biologer, logopeder och psykologer Innehåll 1 Analys av korstabeller 2 Innehåll 1 Analys av korstabeller 2 Korstabeller Vi har tidigare under kursen redan bekantat oss med korstabeller. I en korstabell redovisar man fördelningen på två

Läs mer

Tentamen för kursen. Linjära statistiska modeller. 22 februari

Tentamen för kursen. Linjära statistiska modeller. 22 februari STOCKHOLMS UIVERSITET MATEMATISK STATISTIK Tentamen för kursen Linjära statistiska modeller 22 februari 2017 9 14 Examinator: Ola Hössjer, tel. 070/672 12 18, ola@math.su.se Återlämning: Meddelas via kurshemsida

Läs mer

Exempel på tentamensuppgifter

Exempel på tentamensuppgifter STOCKHOLMS UNIVERSITET 4 mars 2010 Matematiska institutionen Avd. för matematisk statistik Mikael Andersson Exempel på tentamensuppgifter Uppgift 1 Betrakta en allmän I J-tabell enligt 1 2 3 J Σ 1 n 11

Läs mer

Lycka till!

Lycka 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 mer

Aktivt varningssystem-fivö (SeeMe)

Aktivt varningssystem-fivö (SeeMe) Aktivt varningssystem-fivö (SeeMe) Systemet detekterar fotgängare som är på väg att gå över på övergångsstället. Även cyklister detekteras. Detekteringen tänder gula lampor som växelvis blinkar ovanför

Läs mer

Föreläsning 8. NDAB02 Statistik; teori och tillämpning i biologi

Föreläsning 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 mer

Föreläsning 12: Linjär regression

Föreläsning 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 mer

SF1901: SANNOLIKHETSTEORI OCH STATISTIKTEORI KONSTEN ATT DRA INTERVALLSKATTNING. STATISTIK SLUTSATSER. Tatjana Pavlenko.

SF1901: 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 mer

Härledning av Black-Littermans formel mha allmänna linjära modellen

Härledning av Black-Littermans formel mha allmänna linjära modellen Härledning av Black-Littermans formel mha allmänna linjära modellen Ett sätt att få fram Black-Littermans formel är att formulera problemet att hitta lämpliga justerade avkastningar som ett skattningsproblem

Läs mer

F22, Icke-parametriska metoder.

F22, Icke-parametriska metoder. Icke-parametriska metoder F22, Icke-parametriska metoder. Christian Tallberg Statistiska institutionen Stockholms universitet Tidigare när vi utfört inferens, dvs utifrån stickprov gjort konfidensintervall

Läs mer

Tentamen för kursen. Linjära statistiska modeller. 27 oktober

Tentamen för kursen. Linjära statistiska modeller. 27 oktober STOCKHOLMS UNIVERSITET MATEMATISK STATISTIK Tentamen för kursen Linjära statistiska modeller 27 oktober 2017 9 14 Examinator: Ola Hössjer, tel. 070/672 12 18, ola@math.su.se Återlämning: Meddelas via kurshemsida

Läs mer

F18 MULTIPEL LINJÄR REGRESSION, FORTS. (NCT

F18 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 mer

Matematikcentrum 1(4) Matematisk Statistik Lunds Universitet MASB11 HT10. Laboration. Regressionsanalys (Sambandsanalys)

Matematikcentrum 1(4) Matematisk Statistik Lunds Universitet MASB11 HT10. Laboration. Regressionsanalys (Sambandsanalys) Matematikcentrum 1(4) Matematisk Statistik Lunds Universitet MASB11 HT10 Laboration Regressionsanalys (Sambandsanalys) Grupp A: 2010-11-24, 13.15 15.00 Grupp B: 2010-11-24, 15.15 17.00 Grupp C: 2010-11-25,

Läs mer

Föreläsning 13: Multipel Regression

Föreläsning 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 mer

Till ampad statistik (A5) Förläsning 13: Logistisk regression

Till ampad statistik (A5) Förläsning 13: Logistisk regression Till ampad statistik (A5) Förläsning 13: Logistisk regression Ronnie Pingel Statistiska institutionen Senast uppdaterad: 2016-03-08 Exempel 1: NTU2015 Exempel 2: En jobbannons Exempel 3 1 1 Klofstad, C.

Läs mer

F23 forts Logistisk regression + Envägs-ANOVA

F23 forts Logistisk regression + Envägs-ANOVA F23 forts Logistisk regression + Envägs-ANOVA Repetition Detta går inteattbeskriva på någotrimligtsättmed en linjär funktion PY Xx) β 0 +β x Den skattade linjen går utanför intervallet0, ): Y ärenbinärvariabel0-,dikotom)manvillmodellera,

Läs mer

Föreläsning 8, Matematisk statistik 7.5 hp för E Punktskattningar

Föreläsning 8, Matematisk statistik 7.5 hp för E Punktskattningar Föreläsning 8, Matematisk statistik 7.5 hp för E Punktskattningar Stas Volkov Stanislav Volkov s.volkov@maths.lth.se FMSF20 F8: Statistikteori 1/20 Översikt Exempel Repetition Exempel Matematisk statistik

Läs mer

Rättningstiden är i normalfall 15 arbetsdagar, till detta tillkommer upp till 5 arbetsdagar för administration, annars är det detta datum som gäller:

Rättningstiden är i normalfall 15 arbetsdagar, till detta tillkommer upp till 5 arbetsdagar för administration, annars är det detta datum som gäller: Matematisk Statistik Provmoment: Ladokkod: Tentamen ges för: Tentamen TT091A TGMAS15h 7,5 högskolepoäng TentamensKod: Tentamensdatum: 30 Maj Tid: 9-13 Hjälpmedel: Miniräknare (nollställd) samt allmänspråklig

Läs mer

Föreläsning 9. NDAB01 Statistik; teori och tillämpning i biologi

Föreläsning 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 mer

En scatterplot gjordes, och linjär regression utfördes därefter med följande hypoteser:

En 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 mer

Tillåtna hjälpmedel: Räknedosa. Formel- och tabellsamling i matematisk statistik.

Tillåtna hjälpmedel: Räknedosa. Formel- och tabellsamling i matematisk statistik. UPPSALA UNIVERSITET Matematiska institutionen Erik Broman, Jesper Rydén TENTAMEN I MATEMATISK STATISTIK Sannolikhet och statistik 1MS5 214-1-11 Skrivtid: 8.-13.. För betygen 3, 4 resp. 5 krävs 18, 25 resp.

Läs mer

Föreläsningsanteckningar till kapitel 8, del 2

Föreläsningsanteckningar till kapitel 8, del 2 Föreläsningsanteckningar till kapitel 8, del 2 Kasper K. S. Andersen 4 oktober 208 Jämförelse av två väntevärden Ofte vil man jämföra två eller fler) produkter, behandlingar, processer etc. med varandra.

Läs mer

Föreläsning 12, FMSF45 Hypotesprövning

Föreläsning 12, FMSF45 Hypotesprövning Föreläsning 12, FMSF45 Hypotesprövning Stas Volkov 2017-11-14 Stanislav Volkov s.volkov@maths.lth.se FMSF45 F12: Hypotestest 1/1 Konfidensintervall Ett konfidensintervall för en parameter θ täcker rätt

Läs mer

Bestäm med hjälp av en lämplig och välmotiverad approximation P (X > 50). (10 p)

Bestäm med hjälp av en lämplig och välmotiverad approximation P (X > 50). (10 p) Avd. Matematisk statistik TENTAMEN I SF1901, SF1905, SANNOLIKHETSTEORI OCH STATISTIK, MÅNDAGEN DEN 17:E AUGUSTI 2015 KL 8.00 13.00. Kursledare: Tatjana Pavlenko, 08-790 84 66 Tillåtna hjälpmedel: Formel-

Läs mer

Statistisk försöksplanering

Statistisk försöksplanering Statistisk försöksplanering Provmoment: Ladokkod: Tentamen ges för: TentamensKod: Skriftlig tentamen 3 hp 51SF01 Textilingenjörsutbildningen Tentamensdatum: 25 Oktober 2017 Tid: 09:00-13 Hjälpmedel: Miniräknare

Läs mer

Tentamen för kursen. Linjära statistiska modeller. 16 augusti 2007 9 14

Tentamen 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 mer

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

Laboration 5: Regressionsanalys. 1 Förberedelseuppgifter. 2 Enkel linjär regression DATORLABORATION 5 MATEMATISK STATISTIK FÖR I, FMS 012, HT-08 LUNDS TEKNISKA HÖGSKOLA MATEMATIKCENTRUM MATEMATISK STATISTIK Laboration 5: Regressionsanalys DATORLABORATION 5 MATEMATISK STATISTIK FÖR I, FMS 012, HT-08 Syftet med den här laborationen är att du skall

Läs mer

Laboration 4 R-versionen

Laboration 4 R-versionen Matematikcentrum 1(5) Matematisk Statistik Lunds Universitet MASB11 VT13, lp3 Laboration 4 R-versionen Regressionsanalys 2013-03-07 Syftet med laborationen är att vi skall bekanta oss med lite av de funktioner

Läs mer

Skriftlig Tentamen i Finansiell Statistik Grundnivå 7.5 hp, HT2012

Skriftlig 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 mer

Statistisk försöksplanering

Statistisk försöksplanering Statistisk försöksplanering Provmoment: Ladokkod: Tentamen ges för: TentamensKod: Skriftlig tentamen 3 hp 51SF01 Textilingenjörsutbildningen Tentamensdatum: 2 November Tid: 09:00-13 Hjälpmedel: Miniräknare

Läs mer

Tentamen i Matematisk statistik Kurskod S0001M

Tentamen i Matematisk statistik Kurskod S0001M Tentamen i Matematisk statistik Kurskod S0001M Poäng totalt för del 1: 25 (10 uppgifter) Tentamensdatum 2019-01-18 Poäng totalt för del 2: 30 (3 uppgifter) Skrivtid 9.00 14.00 Lärare: Adam Jonsson, Mykola

Läs mer

För logitmodellen ges G (=F) av den logistiska funktionen: (= exp(z)/(1+ exp(z))

För logitmodellen ges G (=F) av den logistiska funktionen: (= exp(z)/(1+ exp(z)) Logitmodellen För logitmodellen ges G (=F) av den logistiska funktionen: F(z) = e z /(1 + e z ) (= exp(z)/(1+ exp(z)) Funktionen motsvarar den kumulativa fördelningsfunktionen för en standardiserad logistiskt

Läs mer

Matematisk statistik KTH. Formelsamling i matematisk statistik

Matematisk statistik KTH. Formelsamling i matematisk statistik Matematisk statistik KTH Formelsamling i matematisk statistik Vårterminen 2017 1 Kombinatorik ) n n! = k k! n k)!. Tolkning: mängd med n element. ) n = antalet delmängder av storlek k ur en k 2 Stokastiska

Läs mer

Bilisters beteende vid övergångsställe

Bilisters beteende vid övergångsställe Bilisters beteende vid övergångsställe Observationer av bilisters benägenhet att lämna gående företräde vid fem obevakade övergångsställen i Stockholm stad. Linda Hallenberg RAP. 1 mars 2005 Innehållsförteckning

Läs mer

FMSF55: Matematisk statistik för C och M OH-bilder på föreläsning 9,

FMSF55: Matematisk statistik för C och M OH-bilder på föreläsning 9, Lunds tekniska högskola Matematikcentrum Matematisk statistik FMSF55: Matematisk statistik för C och M OH-bilder på föreläsning 9, 8-5-4 EXEMPEL: Hur mycket kunder förlorar vi om vi höjer biljettpriset?

Läs mer

Matematisk statistik för B, K, N, BME och Kemister

Matematisk statistik för B, K, N, BME och Kemister Matematisk statistik för B, K, N, BME och Kemister Föreläsning 11 & 12 Johan Lindström 2 & 9 oktober 217 Johan Lindström - johanl@maths.lth.se FMSF7/MSB2 F11 1/32 Repetition Multipel linjär regression

Läs mer

F11. Kvantitativa prognostekniker

F11. 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 mer

Tentamen 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 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 mer

Resursfördelningsmodellen

Resursfördelningsmodellen PCA/MIH Johan Löfgren Rapport 25-6-26 (6) Resursfördelningsmodellen Växjös skolor våren 25 Inledning Underlag för analyserna utgörs av ett register som innehåller elever som gått ut årskurs nio 2 24. Registret

Läs mer

AMatematiska institutionen avd matematisk statistik

AMatematiska institutionen avd matematisk statistik Kungl Tekniska Högskolan AMatematiska institutionen avd matematisk statistik TENTAMEN I 5B1503 STATISTIK MED FÖRSÖKSPLANERING FÖR B OCH K FREDAGEN DEN 11 JANUARI 2002 KL 14.00 19.00. Examinator: Gunnar

Läs mer

TENTAMEN I SF2950 (F D 5B1550) TILLÄMPAD MATEMATISK STATISTIK, TORSDAGEN DEN 3 JUNI 2010 KL

TENTAMEN I SF2950 (F D 5B1550) TILLÄMPAD MATEMATISK STATISTIK, TORSDAGEN DEN 3 JUNI 2010 KL TENTAMEN I SF950 (F D 5B1550) TILLÄMPAD MATEMATISK STATISTIK, TORSDAGEN DEN 3 JUNI 010 KL 14.00 19.00 Examinator : Gunnar Englund, tel. 790 7416, epost: gunnare@math.kth.se Tillåtna hjälpmedel: Formel-

Läs mer

Matematisk statistik för D, I, Π och Fysiker

Matematisk 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 mer

Föreläsning 9. NDAB02 Statistik; teori och tillämpning i biologi

Föreläsning 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 mer

Matematisk statistik för B, K, N, BME och Kemister

Matematisk 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 mer

STOCKHOLMS UNIVERSITET HT 2008 Statistiska institutionen Linda Wänström. Omtentamen i Regressionsanalys

STOCKHOLMS 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 mer

Tentamen för kursen. Linjära statistiska modeller. 17 februari

Tentamen för kursen. Linjära statistiska modeller. 17 februari STOCKHOLMS UNIVERSITET MATEMATISK STATISTIK Tentamen för kursen Linjära statistiska modeller 17 februari 2010 9 14 Examinator: Anders Björkström, tel. 16 45 54, bjorks@math.su.se Återlämning: Rum 312,

Läs mer

Matematisk statistik 9 hp, HT-16 Föreläsning 10: Punktskattningar

Matematisk statistik 9 hp, HT-16 Föreläsning 10: Punktskattningar Matematisk statistik 9 hp, HT-16 Föreläsning 10: Punktskattningar Anna Lindgren (Stanislav Volkov) 31 oktober + 1 november 2016 Anna Lindgren anna@maths.lth.se FMS012/MASB03 F10: Punktskattning 1/18 Matematisk

Läs mer

Tentamen Tillämpad statistik A5 (15hp)

Tentamen 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 mer

Belysningsåtgärder för oskyddade trafikanters säkerhet vid övergångsställen och gångpassager

Belysningsåtgärder för oskyddade trafikanters säkerhet vid övergångsställen och gångpassager TEKNISK RAPPORT Belysningsåtgärder för oskyddade trafikanters säkerhet vid övergångsställen och gångpassager Charlotta Johansson Peter Rosander Luleå tekniska universitet Tryck: Universitetstryckeriet,

Läs mer

Uppgift 1 a) En kontinuerlig stokastisk variabel X har fördelningsfunktion

Uppgift 1 a) En kontinuerlig stokastisk variabel X har fördelningsfunktion Avd. Matematisk statistik TENTAMEN I 5B57 MATEMATISK STATISTIK FÖR T och M ONSDAGEN DEN 9 OKTOBER 25 KL 8. 3.. Examinator: Jan Enger, tel. 79 734. Tillåtna hjälpmedel: Formel- och tabellsamling i Matematisk

Läs mer

Tentamen för kursen. Linjära statistiska modeller. 22 augusti

Tentamen för kursen. Linjära statistiska modeller. 22 augusti STOCKHOLMS UNIVERSITET MATEMATISK STATISTIK Tentamen för kursen Linjära statistiska modeller 22 augusti 2008 9 14 Examinator: Anders Björkström, tel. 16 45 54, bjorks@math.su.se Återlämning: Rum 312, hus

Läs mer

Tillämpad matematisk statistik LMA521 Tentamen

Tillämpad matematisk statistik LMA521 Tentamen Tillämpad matematisk statistik LMA521 Tentamen 20190115 Tid: 8.30-12.30 Hjälpmedel: Kursboken Matematisk Statistik av Ulla Dahlbom. Formelsamlingen Tabell- och formelsamling i matematisk statistik, försöksplanering

Läs mer

Tvärsektionens och trafikflödets inverkan på svårighetsgraden i tätort. Dh avser antal fordon vid dimensionerande timme

Tvärsektionens och trafikflödets inverkan på svårighetsgraden i tätort. Dh avser antal fordon vid dimensionerande timme 4 Belysning i tätort Gator i tätort bör normalt förses med belysning. I mindre tätorter och vid randbebyggelse med begränsat bil- och GC-trafikflöde kan det dock vara motiverat att avstå från vägbelysning.

Läs mer

Rättningstiden är i normalfall 15 arbetsdagar, till detta tillkommer upp till 5 arbetsdagar för administration, annars är det detta datum som gäller:

Rättningstiden är i normalfall 15 arbetsdagar, till detta tillkommer upp till 5 arbetsdagar för administration, annars är det detta datum som gäller: Matematisk Statistik Provmoment: Ladokkod: Tentamen ges för: Tentamen 6.5 hp AT1MS1 DTEIN16h 7,5 högskolepoäng TentamensKod: Tentamensdatum: 1 juni 2017 Tid: 14-18 Hjälpmedel: Miniräknare Totalt antal

Läs mer

Matematisk statistik 9 hp, HT-16 Föreläsning 15: Multipel linjär regression

Matematisk statistik 9 hp, HT-16 Föreläsning 15: Multipel linjär regression Matematisk statistik 9 hp, HT-16 Föreläsning 15: Multipel linjär regression Anna Lindgren 28+29 november, 2016 Anna Lindgren anna@maths.lth.se FMS012/MASB03 F15: multipel regression 1/22 Linjär regression

Läs mer

Föreläsning 15, FMSF45 Multipel linjär regression

Föreläsning 15, FMSF45 Multipel linjär regression Föreläsning 15, FMSF45 Multipel linjär regression Stas Volkov 2017-11-28 Stanislav Volkov s.volkov@maths.lth.se FMSF45 F15 1/23 Linjär regression Vi har n st par av mätvärden (x i, y i ), i = 1,..., n

Läs mer

Tentamentsskrivning: Matematisk Statistik med Metoder MVE490 1

Tentamentsskrivning: Matematisk Statistik med Metoder MVE490 1 Tentamentsskrivning: Matematisk Statistik med Metoder MVE490 1 Tentamentsskrivning i Matematisk Statistik med Metoder MVE490 Tid: den 29 oktober, 2016 Examinatorer: Kerstin Wiklander och Erik Broman. Jour:

Läs mer

En mycket vanlig frågeställning gäller om två storheter har ett samband eller inte, många gånger är det helt klart:

En mycket vanlig frågeställning gäller om två storheter har ett samband eller inte, många gånger är det helt klart: En mcket vanlig frågeställning gäller om två storheter har ett samband eller inte, många gånger är det helt klart: För en mätserie som denna är det ganska klart att det finns en koppling mellan -variabeln

Läs mer

oberoende av varandra så observationerna är

oberoende av varandra så observationerna är Lunds tekniska högskola Matematikcentrum Matematisk statistik FMSF55: Matematisk statistik för C och M OH-bilder på föreläsning 1, 1-5-7 REGRESSION (repetition) Vi har mätningarna ( 1, 1 ),..., ( n, n

Läs mer

7,5 högskolepoäng. Statistisk försöksplanering och kvalitetsstyrning. TentamensKod: Tentamensdatum: 30 oktober 2015 Tid: 9-13:00

7,5 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 mer

Tillvägaghångssätt för skattning av körkortsmodell

Tillvägaghångssätt för skattning av körkortsmodell Siamak Baradaran sia@kth.se Tillvägaghångssätt för skattning av körkortsmodell 1 Syfte med modellen Syftet med denna forskning har varit att utveckla en beskrivande modell som kan hjälpa oss att förstå

Läs mer

Okulärbesiktning av vägmarkeringars funktion

Okulärbesiktning av vägmarkeringars funktion VTI notat 28-1998 Okulärbesiktning av vägmarkeringars funktion Författare FoU-enhet Sven-Olof Lundkvist Trafik och trafikbeteende Projektnummer 401 17 Projektnamn Uppdragsgivare Distribution DebiterbarakonsuItationer

Läs mer

Tentamen för kursen. Linjära statistiska modeller. 14 januari

Tentamen för kursen. Linjära statistiska modeller. 14 januari STOCKHOLMS UNIVERSITET MATEMATISK STATISTIK Tentamen för kursen Linjära statistiska modeller 14 januari 2010 9 14 Examinator: Anders Björkström, tel. 16 45 54, bjorks@math.su.se Återlämning: Sal 22, hus

Läs mer

Examinationsuppgifter del 2

Examinationsuppgifter 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 mer

VTT notat. Nr Utgivningsår: Titel: Lågtrafik på vägar med breda körfält. Författare: Sven-Olof Lundkvist. Programområde: Trafikteknik

VTT notat. Nr Utgivningsår: Titel: Lågtrafik på vägar med breda körfält. Författare: Sven-Olof Lundkvist. Programområde: Trafikteknik VTT notat Nr 52-1996 Utgivningsår: 1996 Titel: Lågtrafik på vägar med breda körfält Författare: Sven-Olof Lundkvist Programområde: Trafikteknik Projektnummer: _30104 Projektnamn: Alternativ vägutformning

Läs mer

Bestämning av luminanskoefficient i diffus belysning

Bestämning av luminanskoefficient i diffus belysning Publikation 1994:45 Bestämning av luminanskoefficient i diffus belysning Metodbeskrivning 504:1996 1 Orientering... 3 2 Sammanfattning... 3 3 Säkerhet... 3 4 Benämningar... 3 4.1 Objekt... 3 4.2 Mätplats...

Läs mer

Matematisk statistik KTH. Formel- och tabellsamling i matematisk statistik

Matematisk statistik KTH. Formel- och tabellsamling i matematisk statistik Matematisk statistik KTH Formel- och tabellsamling i matematisk statistik Varterminen 2005 . Kombinatorik n = k n! k!n k!. Tolkning: n k mängd med n element. 2. Stokastiska variabler V X = EX 2 EX 2 =

Läs mer

Tillståndsmätning av vägmarkeringarnas. i Norden 2003. VTI notat 44 2004 VTI notat 44-2004. Sven-Olof Lundkvist. Projektnummer 50330

Tillståndsmätning av vägmarkeringarnas. i Norden 2003. VTI notat 44 2004 VTI notat 44-2004. Sven-Olof Lundkvist. Projektnummer 50330 VTI notat 44 2004 VTI notat 44-2004 Tillståndsmätning av vägmarkeringarnas funktion i Norden 2003 Författare FoU-enhet Projektnummer 50330 Projektnamn Uppdragsgivare Sara Nygårdhs och Sven-Olof Lundkvist

Läs mer

Introduktion till statistik för statsvetare

Introduktion till statistik för statsvetare "Det finns inget så praktiskt som en bra teori" November 2011 Bakgrund Introduktion till test Introduktion Formulera lämplig hypotes Bestäm en testvariabel Bestäm en beslutsregel Fatta ett beslut När det

Läs mer

Stokastiska processer med diskret tid

Stokastiska 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 mer

Föreläsning 8, Matematisk statistik 7.5 hp för E, HT-15 Punktskattningar

Föreläsning 8, Matematisk statistik 7.5 hp för E, HT-15 Punktskattningar Föreläsning 8, Matematisk statistik 7.5 hp för E, HT-15 Punktskattningar Anna Lindgren 25 november 2015 Anna Lindgren anna@maths.lth.se FMSF20 F8: Statistikteori 1/17 Matematisk statistik slumpens matematik

Läs mer

Föreläsning 12: Regression

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

Läs mer

Metod och teori. Statistik för naturvetare Umeå universitet

Metod 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 mer

Tillämpad statistik (A5), HT15 Föreläsning 11: Multipel linjär regression 2

Tillämpad statistik (A5), HT15 Föreläsning 11: Multipel linjär regression 2 Tillämpad statistik (A5), HT15 Föreläsning 11: Multipel linjär regression 2 Ronnie Pingel Statistiska institutionen Senast uppdaterad: 2015-11-23 Faktum är att vi i praktiken nästan alltid har en blandning

Läs mer

Föreläsning G60 Statistiska metoder

Föreläsning 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 mer

SF1901: Medelfel, felfortplantning

SF1901: Medelfel, felfortplantning SF1901: Medelfel, felfortplantning Jan Grandell & Timo Koski 15.09.2011 Jan Grandell & Timo Koski () Matematisk statistik 15.09.2011 1 / 14 Felfortplantning Felfortplantning kallas propagation of error

Läs mer

Tentamen Tillämpad statistik A5 (15hp)

Tentamen Tillämpad statistik A5 (15hp) Uppsala universitet Statistiska institutionen A5 2015-08-25 Tentamen Tillämpad statistik A5 (15hp) 2015-08-25 UPPLYSNINGAR A. Tillåtna hjälpmedel: Miniräknare Formelsamlingar: A4/A8 Tabell- och formelsamling

Läs mer

Föreläsning 3. NDAB02 Statistik; teori och tillämpning i biologi

Föreläsning 3. NDAB02 Statistik; teori och tillämpning i biologi Föreläsning 3 Statistik; teori och tillämpning i biologi 1 Dagens föreläsning o Inferens om två populationer (kap 8.1 8.) o Parvisa observationer (kap 9.1 9.) o p-värde (kap 6.3) o Feltyper, styrka, stickprovsstorlek

Läs mer

SF1901: SANNOLIKHETSTEORI OCH. PASSNING AV FÖRDELNING: χ 2 -METODER. STATISTIK. Tatjana Pavlenko. 12 oktober 2015

SF1901: SANNOLIKHETSTEORI OCH. PASSNING AV FÖRDELNING: χ 2 -METODER. STATISTIK. Tatjana Pavlenko. 12 oktober 2015 SF1901: SANNOLIKHETSTEORI OCH STATISTIK FÖRELÄSNING 14 PASSNING AV FÖRDELNING: χ 2 -METODER. Tatjana Pavlenko 12 oktober 2015 PLAN FÖR DAGENS FÖRELÄSNING Icke-parametsriska metoder. (Kap. 13.10) Det grundläggande

Läs mer

Residualanalys. Finansiell statistik, vt-05. Normalfördelade? Normalfördelade? För modellen

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 mer

Parade och oparade test

Parade 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 mer

Vem får gå, vem får vänta?

Vem får gå, vem får vänta? Vem får gå, vem får vänta? - En observation vid övergångsställen om bilisters benägenhet att lämna företräde påverkas av vem som ska gå över gatan. Linda Hallenberg RAP. 7 juni 2005 Innehållsförteckning

Läs mer