= α. β = α = ( ) D (β )= = 0 + β. = α 0 + β. E (β )=β. V (β )= σ2. β N β, = σ2



Relevanta dokument
Linjär regression - kalibrering av en våg

Föreläsningsanteckningar till Linjär Regression

Sensorer och elektronik. Analys av mätdata

Sensorer, effektorer och fysik. Analys av mätdata

Uppsala Universitet Matematiska institutionen Matematisk Statistik. Formel- och tabellsamling. Sannolikhetsteori och Statistik

= x 1. Integration med avseende på x ger: x 4 z = ln x + C. Vi återsubstituerar: x 4 y 1 = ln x + C. Villkoret ger C = 1.

================================================

Skattning / Inferens. Sannolikhet och statistik. Skattning / Inferens. Vad är det som skattas?

1. Test av anpassning.

SOS HT Punktskattningar. Skattning från stickprovet. 2. Intuitiva skattningar. 3. Skattning som slumpvariabel. slump.

Grundläggande matematisk statistik

TENTAMEN I MATEMATISK STATISTIK. Statistik för lärare, 5 poäng

b) Bestäm det genomsnittliga antalet testade enheter, E (X), samt även D (X). (5 p)

Introduktion till statistik för statsvetare

F15 ENKEL LINJÄR REGRESSION (NCT )

FORMELSAMLING 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.

Enkel och multipel linjär regression

D 45. Orderkvantiteter i kanbansystem. 1 Kanbansystem med två kort. Handbok i materialstyrning - Del D Bestämning av orderkvantiteter

SAMMANFATTNING AV KURS 602 STATISTIK (Newbold kapitel [7], 8, 9, 10, 13, 14)

θx θ 1 om 0 x 1 f(x) = 0 annars

Vikstens minne 1997 Hanna Gräll segrade i DM klassen!!

Stat. teori gk, ht 2006, JW F13 HYPOTESPRÖVNING (NCT ) Ordlista till NCT

Väntevärde, standardavvikelse och varians Ett statistiskt material kan sammanfattas med medelvärde och standardavvikelse (varians), och s.

Statistisk analys. Vilka slutsatser kan dras om populationen med resultatet i stickprovet som grund? Hur säkra uttalande kan göras om resultatet?

(a) Skissa täthets-/frekvensfunktionen och fördelningsfunktionen för X. Glöm inte att ange värden på axlarna.

Minsta kvadrat-metoden, MK. Maximum likelihood-metoden, ML. Medelfel. E(X i ) = µ i (θ) MK-skattningen av θ fås genom att minimera

För att skatta väntevärdet för en fördelning är det lämpligt att använda Medelvärdet. E(ξ) =... = µ

Korrelationens betydelse vid GUM-analyser

Tentamen i matematisk statistik

Fyra typer av förstärkare

Höftledsdysplasi hos dansk-svensk gårdshund - Exempel på tavlan

Grundläggande matematisk statistik

Föreläsning 12: Linjär regression

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

Föreläsning 2: Punktskattningar

TMS136: Dataanalys och statistik Tentamen med lösningar

P (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)

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

Tentamen SF1633, Differentialekvationer I, den 22 oktober 2018 kl

Finansiell Statistik (GN, 7,5 hp,, HT 2008) Föreläsning 4 (del 2)

Antalet sätt att välja ut r objekt bland n stycken med hänsyn till ordning är np r = n(n 1) (n r + 1).

Datorövning 2 Fördelningar inom säkerhetsanalys

Föreläsning G04: Surveymetodik

Vad är det okända som efterfrågas? Vilka data är givna? Vilka är villkoren?

c n x n, där c 0, c 1, c 2,... är givna (reella eller n=0 c n x n n=0 absolutkonvergent om x < R divergent om x > R n n lim = 1 R.

Sannolikhetsteori FORMELSAMLING MATEMATISK STATISTIK, AK FÖR I, FMS 120, HT-00. Kap 2: Sannolikhetsteorins grunder

1. (a) Eftersom X och Y har samma fördelning så har de även samma väntevärde och standardavvikelse. E(X 2 ) = k

Datorövning 2 Fördelningar inom säkerhetsanalys

1. BERÄKNING AV GRÄNSVÄRDEN ( då x 0 ) MED HJÄLP AV MACLAURINUTVECKLING. n x

F10 ESTIMATION (NCT )

Flexibel konkursriskestimering med logistisk spline-regression

Jag läser kursen på. Halvfart Helfart

Intervallskattning. 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

Borel-Cantellis sats och stora talens lag

Väntevärde för stokastiska variabler (Blom Kapitel 6 och 7)

S0005M V18, Föreläsning 10

x 1 x 2 x 3 x 4 x 5 x 6 HL Z x x x

TNA001 Matematisk grundkurs Övningsuppgifter

Lycka till! I(X i t) 1 om A 0 annars I(A) =

SAMMANFATTNING TAMS79 Matematisk statistik, grundkurs

REGRESSIONSANALYS S0001M

101. och sista termen 1

Stången: Cylindern: G :

Tentamen i matematisk statistik, Statistisk Kvalitetsstyrning, MSN320/TMS070 Lördag , klockan Lärare: Jan Rohlén

Anmärkning: I några böcker använder man följande beteckning ]a,b[, [a,b[ och ]a,b] för (a,b), [a,b) och (a,b].

Något om beskrivande statistik

Vid mer än 30 frihetsgrader approximeras t-fördelningen med N(0; 1). Konfidensintervallet blir då

F3 Lite till om tidsserier. Statistikens grunder 2 dagtid. Sammansatta index 4. Deflatering HT Laspeyres index: Paasche index: Index.

Lösningar och kommentarer till uppgifter i 1.1

Formelblad Sannolikhetsteori 1

FORMELSAMLING MATEMATISK STATISTIK FÖR W; FMSF75 UPPDATERAD Sannolikhetsteori. Beskrivning av data. Läges-, spridnings- och beroendemått

Lösningsförslag till tentamen i 732G71 Statistik B,

Lycka till och trevlig sommar!

Orderkvantiteter i kanbansystem

Avd. Matematisk statistik

Föreläsning G70 Statistik A

Normalfördelningens betydelse. Sannolikhet och statistik. Täthetsfunktion, väntevärde och varians för N (µ, σ)

Sydkraft Nät AB, Tekniskt Meddelande för Jordningsverktyg : Dimensionering, kontroll och besiktning

Föreläsning G70, 732G01 Statistik A. Föreläsningsunderlagen är baserade på underlag skrivna av Karl Wahlin

Matematisk statistik KTH. Formelsamling i matematisk statistik

Viktigt! Glöm inte att skriva Tentamenskod på alla blad du lämnar in.

Uppsala Universitet Matematiska Institutionen Bo Styf. Genomgånget på föreläsningarna Föreläsning 26, 9/2 2011: y + ay + by = h(x)

Föreläsning G70 Statistik A

Tentamen i Matematisk statistik för V2 den 28 maj 2010

Orderkvantiteter vid begränsningar av antal order per år

Z-Testet. Idè. Repetition normalfördelning. rdelning. Testvariabel z

vara ett polynom där a 0, då kallas n för polynomets grad och ibland betecknas n grad( P(

Sannolikhetslära statistisk inferens F10 ESTIMATION (NCT )

FORD KA KA_202054_V8_2014_Cover.indd /01/ :04:46

KOM IHÅG ATT NOTERA DITT TENTAMENSNUMMER NEDAN OCH TA MED DIG TALONGEN INNAN DU LÄMNAR IN TENTAN!!

Matematisk statistik TMS063 Tentamen

b 1 och har för olika värden på den reella konstanten a.

ENDIMENSIONELL ANALYS B1 FÖRELÄSNING VI. Föreläsning VI. Mikael P. Sundqvist

Linjär Algebra (lp 1, 2016) Lösningar till skrivuppgiften Julia Brandes

Ca m 3 = ton. Masshantering Sven Brodin. Dessa mängder ska Stockholms Stad transportera varje månad.

Repetition DMI, m.m. Några begrepp. egenskap d. egenskap1

FORMELSAMLING HT-18 MATEMATISK STATISTIK FÖR B, K, N, BME OCH KEMISTER; FMSF70 & MASB02. Sannolikhetsteori. Beskrivning av data

Jag läser kursen på. Halvfart Helfart

Lösning till TENTAMEN

Föreläsning G04 Surveymetodik 732G19 Utredningskunskap I

Transkript:

Ljär regresso aolkhet och statstk Regressosaalys VT 2009 Uwe.Mezel@math.uu.se http://www.math.uu.se/ uwe/ Fgur: Mätpukter: x, y Ljär regresso - kalbrerg av e våg Modell för ljär regresso Modell: y α + βx + ɛ där ɛ N0, brus Fgur: Modell för ljär regresso Ey α + βx µ x y regressosvarabel målvarabel s.v. Fgur: Modell för ljär regresso Puktskattgar för tercept α och lutg β Puktskattgar för tercept α och lutg β Modell: y α + βx + ɛ Msta-kvadrat-metode: Qα, β Qα, β ɛ 2 Mmum y α βx 2 Mmum Fgur: Modell för ljär regresso Q α 2 Q β 2 y α βx 0 x y α βx 0

Puktskattgar för tercept α och lutg β Exempel 4.2: Blrubhalt x och protekocetrato y ryggmärgsvätska hos yfödda. x 0.4 0.08 0.07 0.26 0.08 0.02 0.03 0.22 0.06 0.23 β xy och α ȳ β x xy x xy ȳ x y xȳ; x x 2 För varje x 0 får ma u e skattg för målvarable: µ 0 α + β x 0 kattg!: α, β och µ 0 är slumpvarabler. Nytt försök: förädrade ɛ y xy β, α och µ 0 y 83 65 7 40 35 30 30 28 80 68 x 0.29 0.04 0.3 0.4 0.07 0.05 0.3 0.06 0.05 0.08 y 39 88 2 25 56 98 0 96 73 6 x 0.5 x 2 0.370 x 2 x 2 0.370 20 0.5 2 0.25 ȳ 97.5 y 2 2506 yy y 2 ȳ 2 2506 20 97.5 2 26299 x y 259.79 xy x y xȳ 259.79 20 0.5 97.5 43.455 Exempel 4.2: Blrubhalt x och protekocetrato y ryggmärgsvätska hos yfödda. β xy 43.455 355.2 lutg 0.25 α ȳ β x 97.5 355.2 0.5 57.5 kattg för målvarable: µ α + β x 57.5 + 355.2 x För varje gvet x ka u de förvätade kocetratoe beräkas. HurstorärdetmmalaQ:et? V sökte de värdea för α och β som mmerar uttrycket Q: Qα, β y α βx 2 Mmum... och ck lösgara α och β. Hur stor är Q 0? Q 0 Qα,β y α β x 2 [y ȳ + β x β x ] 2 [y ȳ β x x] 2... yy xy/ 2 xx Q 0 aväds för att skatta V aväde modelle: y α + βx + ɛ med ɛ N0, Q 0 yy xy/ 2 xx msta Q 0 E [Q 0 ] 2 2 vätevärde s 2 Q 0 / 2 vätevärdesrktg skattg för 2 kattg β är e ljärkombato av y :a β xy x xy ȳ xy x x y c y med c x x c ge s.v.! s Q 0 / 2 skattg för

Fördelgar för skattgara β och µ 0 kattg α är e ljärkombato av y :a α ȳ β x y x c y c x y d y med d c x d te ågo s.v.! β α c y med c x x d y med d c x ɛ N0,... som v hade atagt y α + βx + ɛ... var modell y N α + βx,... y ljärkombato av ɛ lumpvarablera y är ormalfördelade α, β och µ 0 är också ormalfördelade! Vätevärde för skattge β Varas för skattge β E β E c y c Ey c α + βx x x α + β α α 0 + β 0 + β x x+ β x x x ty c x x x x x x xx x ty x x x 0 V β V c y V c y c 2 V y c 2 2 x 2 x 2 2 2 xx 2 x x 2 bruset oberoede! β vätevärdesrktgt Varase för β är lte om x-värdea är utspredda. Fördelg för β Fördelgar för α och µ 0 E β β V β 2 D β β N β, µ 0 N α + βx 0, + x 0 x 2 för x 0 0 erhåller ma fördelge för α: α N α, + x 2

Fördelg för skattgara β och µ 0 kattgara β och µ 0 är ormalfördelade med: E β β V β 2 med x x 2 E µ 0 µ 0 V µ 0 2 / +x 0 x 2 / Det betyder: β N β, µ 0 N µ 0, + x 0 x 2 Itervallskattg för lutge β är är käd β N β, β β / N0, referesvarabel P λ α/2 β β / λ α/2 α I β β obs ± λ α/2 Itervallskattg för målvarabel µ 0 är är käd Kodestervall för målvarabel µ 0 µ 0 N α + βx 0, + x 0 x 2 µ 0 µ 0 N0, referesvarabel P λ α/2 µ obs µ 0 λ α/2 α Iµ 0 α + βx 0 ± λ α/2 + x 0 x 2 Itervallskattg för lutge β är är okäd β Nβ, Allmä metod Z β β / N0, te ågo referesvarabel W Q 2 0 2 2 2 χ2 2 Z t 2 W 2 β β / t 2 referesvarabel P t α/2 2 β obs β s/ t α/2 2 α I β β obs ± t α/2 2 s med s Q 0 / 2 β β β β / t 2 referesvarabel

Itervallskattg för målvarabel µ 0 är är okäd Exempel 4.2: Blrubhalt x och protekocetrato y. 0.25 yy 26299 xy 43.455 β 355.2 ökes: 95% kodestervall för lutge β: Q 0 yy 2 xy 26299 43.4552 0.25 0973 s Q 0 / 2 0973/20 2 24.7 d s 24.7 0.25 70.9 t α/2 2 t 0.025 8 2. I β β obs ± t α/2 2 d 355.2 ± 2. 70.9 20, 500 µ 0 N µ 0, + x 0 x 2 Z µ 0 µ 0 N0, W Q 2 0 2 2 2 χ2 2 Z t 2 W 2 µ 0 µ0 µ 0 µ 0 t 2 referesvarabel te ågo referesvarabel Allmä metod Exempel 4.2: Blrubhalt x och protekocetrato y. µ 0 µ 0 t 2 + x0 x2 referesvarabel x 0.5 0.25 α 57.5 β 355.2 s 24.7 samma s Q 0 / 2 me aat d ökes: 95% kodestervall för µ 0 är x 0 0.2: P t α/2 2 µ obs µ 0 s I µ0 µ obs ± t α/2 2 s Q µ obs α + βx 0 s 0 2 t α/2 2 α + x 0 x 2 Q 0 yy 2 xy µ 0 α + β x 0 57.5 + 355.2 0.2 29 d s + x 0 x 2 24.7 20 + 0.2 0.52 0.25 8.38 I µ0 µ obs ±t α/2 2 d 29±t 0.025 8 8.38 0, 50 Itervallskattg för β, µ 0 och α käd okäd β β D N0, β β d t 2 D d s s Q 0 / 2 ammafattg Puktskattg för lutg, tercept och målvarabel Puktskattg för brus I β β ± λ α/2 D I β β ± t α/2 d Q 0 yy 2 xy Vätevärde och varas för skattgara β och µ 0 Itervallskattg för lutg och målvarabel med kät Itervallskattg för lutg och målvarabel med skattad µ 0 µ0 N0, D D + x0 x2 µ 0 µ0 t 2 d d s + x0 x2 xy x y xȳ I µ0 µ ± λ α/2 D I µ0 µ ± t α/2 d