Oppgave 2: Klassifisering og resampling
|
|
- Tone Nygård
- 4 år siden
- Visninger:
Transkript
1 Oppgave 2: Klassifisering og resampling I denne oppgaven skal du jobbe med klassifisering og resampling. Du må skrive noen funksjoner for å gjøre dette på en effektiv måte. Hver av kodesnuttene innholder et objekt-navn som er kommentert ut med #. Husk å ta bort # slik at objektet eksisterer når koden har kjørt. Det er dette objektnavnet som blir skjekket. Det må stemme opp mot fasit. Kode-snutter som genererer feilmeldinger blir tatt ut før resultatene sjekkes. Det er derfor viktig at koden din kjører uten å generere feilmeldinger. Du kan anta at datasettet som skal brukes ligger i samme folder som filen. Men du må selv laste inn filen. Der hvor det står hvilke funksjoner som skal brukes, så må disse brukes. Andre funksjoner som gjør nesten det samme gir ikke nødvendigvis korrekt resultat. Hvis det er essensielt at det brukes spesielle funksjoner, så er disse nevnt eksplisitt med navn_på_funksjon. Klassifisering Vi begynner med klassifisering. For disse oppgavene skal du bruke datasettet vote92.rda. Det er fra en spørreundersøkelse fra det Amerikanske presidentvalget i Det var 2 alternativer, Ross Perot, Bill Clinton og George H. W. Bush. Datasettet kommer fra Alvarez, R. Michael and Jonathan Nagler Economics, issues and the Perot candidacy: Voter choice in the 1992 Presidential election. American Journal of Political Science. 39: Dokumentasjon av datasettet er inkludert til slutt i denne oppgaven. Vi begynner med å laste inn datasettet. Her skal du bruke load. Som alltid bruker vi library(tidyverse). library(tidyverse) ## -- Attaching packages ## v ggplot v purrr ## v tibble v dplyr ## v tidyr v stringr ## v readr v forcats ## -- Conflicts ## x dplyr::filter() masks stats::filter() ## x dplyr::lag() masks stats::lag() load("vote92.rda") Deretter skal du lage en figur med ggplot og geom_bar som viser hvor mange som stemmer hver av kandidatene fikk blant respondentene i dette datasettet. Denne figuren skal hete fordeling. fordeling <- ggplot(vote92, aes(x = vote)) + geom_bar() fordeling 1
2 count Perot Clinton Bush vote Nå skal du lage et datasett som ikke har med observasjoner fra respondenter som svarte at de stemte på den av kandidatene som fikk minst støtte blant disse respondentene. Kall dette datasettet vote2. Du skal bruke funksjoner fra library(dplyr) for å gjøre dette. Som kjent er library(dplyr) en del av tidyverse samlingen som vi alltid bruker. vote2 <- vote92 %>% filter(vote!= "Perot") %>% droplevels() Nå skal du lage en formel for en modell som klassifiserer hvilken kandidat respondentene stemmer på som en funksjon av de andre variablene i datasettet. Med formel så menes det avhengig variable modellert med et sett av uavhengige variabler. Bruk as.formula for å lage formelen. Kall denne for mod_1. Du skal ikke bruke parti-identifikasjon-variablene dem og rep. Alle andre relevante variablene skal inkluderes i modellen. mod_1 <- as.formula(vote ~ female + persfinance + natlecon + clintondis + bushdis) Nå skal du estimere mod_1 som en logistisk modell. Bruk glm. Resultatet fra denne modellen skal hete res_1. Bruk datasettet som bare har 2 kandidater. For din egen del kan det være nyttige å lage en oppsummering av resultatene. res_1 <- glm(mod_1, family = binomial("logit"), data = vote2) arm::display(res_1) ## glm(formula = mod_1, family = binomial("logit"), data = vote2) ## coef.est coef.se ## (Intercept) ## female
3 ## persfinance ## natlecon ## clintondis ## bushdis ## --- ## n = 726, k = 6 ## residual deviance = 659.3, null deviance = (difference = 331.6) Lag en alternativ model hvor du inkluderer interaksjoner mellom kjønn og rapportert ideologisk distanse mellom respondenten og hver av de to kandidatene. Denne modellen skal hete mod_2. Bruk update for å oppdate fra mod_1 til mod_2. mod_2 <- update(mod_1,.~. + female:clintondis + female:bushdis) Estimer mod_2. Kall resultatene for res_2. res_2 <- glm(mod_2, family = binomial("logit"), data = vote2) arm::display(res_2) ## glm(formula = mod_2, family = binomial("logit"), data = vote2) ## coef.est coef.se ## (Intercept) ## female ## persfinance ## natlecon ## clintondis ## bushdis ## female:clintondis ## female:bushdis ## --- ## n = 726, k = 8 ## residual deviance = 655.9, null deviance = (difference = 335.1) Med utgangspunkt i disse resultatene, er det grunnlag for å si at ideologi spiller mindre rolle for kvinner enn for menn? Gi ideologi_forskjell verdien 1 hvis du mener at det er det og verdien 0 hvis ikke. ideologi_forskjell <- 0 loocv: Leave One Out Cross Validation For å undersøke videre om det kan være grunnlag for å hevde at ideologi spiller ulik rolle for menn og kvinner i populasjonen, skal vi bruke kryssvalidering. Vi estimerer først loocv (leave one out cross validation). Estimer loocv for res_1 og res_2. Bruk en standard kostnadsfunksjon som veier alle typer feil likt. Kall denne funksjonen feil_klass. Denne funksjonen trenger to argumenter, riktig klasse og prediksjonene fra modellen. feil_klass <- function(labels= labels, pred = pred){ mean(labels==ifelse(pred >.5, 1, 0)) } Estimer loocv for res_1 og res_2. Gi disse modellene navnene klass_1 og klass_2. Med basis i ujustert delta fra klass_1 og klass_2, regn ut forskjellen mellom modellene. Denne forskjellen kaller du delta_forskjell. Du skal bruke library(boot). 3
4 library(boot) klass_1 <- cv.glm(vote2,res_1, cost = feil_klass) klass_2 <- cv.glm(vote2,res_2, cost = feil_klass) delta_forskjell <- klass_1$delta[1] - klass_2$delta[1] k-delt kryssvalidering Som kjent så kan loocv overtilpasse seg til treningsdata. Bruk derfor k-delt kryssvalidering med 11 grupper som et alternativt mål på forventet klassifiseringsfeil. Kall objektet som viser forskjellen i resultatene fra res_1 og res_2 for kryss_forskjell. Bruk set.seed for å gjøre resultatene reproduserbare. Bruk såkornet set.seed(8947) kryss_1 <- cv.glm(vote2,res_1, cost = feil_klass, K = 11) kryss_2 <- cv.glm(vote2,res_2, cost = feil_klass, K = 11) kryss_forskjell <- kryss_1$delta[1] - kryss_2$delta[1] Alternativer til glm Nå skal du estimere lineær diskriminat versjoner av mod_1 og mod_2. Du skal bruke lda fra library(mass). Disse resultatene skal samlet i en liste som du lager med map. Kall listen med resultater lda_mods. lda_mods <- map(list(mod_1, mod_2), MASS::lda, vote2) Lag en ROC figur hvor du sammenligner hvordan de to glm modellene og de to lda modellene gjør det. Du skal bruke library(proc). Bruk roc for å lage kurvene og ggroc for å lage figuren. Kall figuren for roc_fig. library(proc) ## Type 'citation("proc")' for a citation. ## ## Attaching package: 'proc' ## The following objects are masked from 'package:stats': ## ## cov, smooth, var roc_glm_1 <- roc(response = vote2$vote, predictor = predict(res_1, vote2)) #, # levels = c("clinton", "Bush")) roc_glm_2 <- roc(response = vote2$vote, predictor = predict(res_2, vote2))#, # levels = c("clinton", "Bush")) roc_lda_1 <- roc(response = vote2$vote, predictor = predict(lda_mods[[1]], vote2)$posterior[,2])#, # levels = c("clinton", "Bush")) roc_lda_2 <- roc(response = vote2$vote, predictor = predict(lda_mods[[2]], vote2)$posterior[,2])#, # levels = c("clinton", "Bush")) 4
5 roc_fig <- ggroc(list("res_1" = roc_glm_1, "res_2" =roc_glm_2, "lda_mods_1" =roc_lda_1, "lda_mods_2" = roc_lda_2), alpha = 0.5, linetype = 2, size = 2) roc_fig sensitivity 0.50 name lda_mods_1 lda_mods_2 res_1 res_ specificity Mer enn 2 alternativer Ettersom lda og qda kan brukes for problem med mer enn 2 alternativer vil jeg at du skal oppdatere mod_1 og mod_2 til å med variablen for distanse til Perot, i mod_2 også interaksjonen mellom kjønn og distansen til Perot. Kall disse modellene mod_1p og mod_2p. Estimer lda modeller. Bruk vote92. Kall listen med resultater mod_p. mod_1p <- update(mod_1,.~. + perotdis) mod_2p <- update(mod_2,.~. + perotdis + perotdis:female) mod_p <- map(list(mod_1p, mod_2p), MASS::lda, vote92) ## Warning in lda.default(x, grouping,...): variables are collinear ## Warning in lda.default(x, grouping,...): variables are collinear Estimer en kvadratisk versjon av disse modellene med qda. qda_mods. qda_mods <- map(list(mod_1p, mod_2p), MASS::qda, vote92) Med map, sett resultatene i en liste kalt 5
6 Vis i hvilken grad qda versjonen av modell mod_1p er i stand til å finne riktig kandidat i treningsdata. Prediker utfall og lag en 3x3 tabell som sammenstiller faktisk kandidat og predikert kandidat. Kall tabellen qda_tab. Her skal prediksjoner være rader og faktiske være kolonner. preds <- predict(qda_mods[[1]],vote92) qda_tab <- table(preds$class, vote92$vote) qda_tab ## ## Perot Clinton Bush ## Perot ## Clinton ## Bush Bootstrap Lag en funksjon som lar deg estimere en bootstrap versjon av res_2 med 1000 trekk, bruk vote2. Kall resultatet res_2_boot. boot_fun <- function(dt, index) { tmp <- dt[index,] coef(glm(mod_2, tmp, family = binomial("logit"))) } res_2_boot <- boot(vote2,boot_fun, R = 1000) Til slutt vil jeg at du lager en figur som viser koeffisientene fra res_2_boot. Jeg vil at du skal vise snitt, 2.5, 97.5 persentiler, og 66 og 33 persentiler. Legg en stiplet horisontal linje ved 0, slik at en lett kan se om effekten er positiv, negativ, eller overlapper 0. Tykkelsen på 97.5 percentilene skal være linjebredde 1 med gråtone 75. Øvre og nede 33 persentilene skal være i linjebredde 2 med gråtone 25. Angi snitt-effekt for hver variabel med et sort punkt av størrelse 2. Ta bort navn på x og y aksen. Figuren skal vendes slik at koeffisentene ligger bortover med effekter langs x-aksen. Kall figuren koeff_fig. colnames(res_2_boot$t) <- names(res_2_boot$t0) boots_out <- as_tibble(as.data.frame(res_2_boot$t)) boot_sum <- boots_out %>% summarise_all(funs(q025 = quantile(.,0.025), q33 = quantile(., 0.33), q66 = quantile(., 0.66), q975 = quantile(., 0.975), mean = mean)) %>% gather(stat, val) %>% separate(stat, into = c("var", "stat"), sep = "_") %>% spread(stat, val) koeff_fig <- ggplot(boot_sum, aes(var, mean)) + geom_hline(yintercept=0, lty=2, lwd=1, colour="grey50") + geom_errorbar(aes(ymin = q025, ymax = q975),lwd=1, colour="grey75", width=0) + geom_errorbar(aes(ymin = q33, ymax = q66),lwd=2, colour="grey25", width=0) + geom_point(size = 2) + theme(axis.title.x = element_blank(), axis.title.y = element_blank()) + coord_flip() 6
7 koeff_fig persfinance natlecon female:clintondis female:bushdis female clintondis bushdis (Intercept) Dokumentasjon fra datasettet Reports of voting in the 1992 U.S. Presidential election. Description Survey data containing self-reports of vote choice in the 1992 U.S. Presidential election, with numerous covariates, from the 1992 American National Election Studies. Usage data(vote92) Format A data frame with 909 observations on the following 10 variables. vote a factor with levels Perot Clinton Bush dem a numeric vector, 1 if the respondent reports identifying with the Democratic party, 0 otherwise. rep a numeric vector, 1 if the respondent reports identifying with the Republican party, 0 otherwise female a numeric vector, 1 if the respondent is female, 0 otherwise persfinance a numeric vector, -1 if the respondent reports that their personal financial situation has gotten worse over the last 12 months, 0 for no change, 1 if better natlecon a numeric vector, -1 if the respondent reports that national economic conditions have gotten worse over the last 12 months, 0 for no change, 1 if better clintondis a numeric vector, squared difference between respondent s self-placement on a scale measure of political ideology and the respondent s placement of the Democratic candidate, Bill Clinton bushdis a numeric vector, squared ideological distance of the respondent from the Republican candidate, President George H.W. Bush 7
8 perotdis a numeric vector, squared ideological distance of the respondent from the Reform Party candidate, Ross Perot Details These data are unweighted. Refer to the original data source for weights that purport to correct for non-representativeness and non-response. Source Alvarez, R. Michael and Jonathan Nagler Economics, issues and the Perot candidacy: Voter choice in the 1992 Presidential election. American Journal of Political Science. 39: Miller, Warren E., Donald R. Kinder, Steven J. Rosenstone and the National Election Studies National Election Studies, 1992: Pre-/Post-Election Study. Center for Political Studies, University of Michigan: Ann Arbor, Michigan. Inter-University Consortium for Political and Social Research. Study Number /ICPSR References Jackman, Simon Bayesian Analysis for the Social Sciences. Wiley: Hoboken, New Jersey. Examples 8.7 and
Kvinner, minoriteter og kvotering i Indisk politikk
Kvinner, minoriteter og kvotering i Indisk politikk I denne oppgaven skal dere se litt på kvinner, minoriteter og kvotering i Indisk politikk. Vi tar utgangspunkt i artikkelen til Fransesca Jensenius (2016)
DetaljerOppgave 1: Forslag til løsning Bjørn Høyland 1/23/2019
Oppgave 1: Forslag til løsning Bjørn Høyland 1/23/2019 knitr::opts_chunk$set(echo = TRUE) library(tidyverse) -- Attaching packages -------------------------------------------------------------------------------
DetaljerSKOLEEKSAMEN I SOS KVANTITATIV METODE. 27. februar 2017 (4 timer)
Institutt for sosiologi og samfunnsgeografi BOKMÅL SKOLEEKSAMEN I SOS4020 - KVANTITATIV METODE 27. februar 2017 (4 timer) Tillatte hjelpemidler: Alle skriftlige hjelpemidler og kalkulator. Sensur for eksamen
DetaljerBioberegninger, ST november 2006 Kl. 913 Hjelpemidler: Alle trykte og skrevne hjelpemidler, lommeregner.
Norges teknisk-naturvitenskapelige universitet Institutt for matematiske fag Side 1 av 5 Bokmål Faglig kontakt under eksamen: Førsteamanuensis Jarle Tufto Telefon: 99 70 55 19 Bioberegninger, ST1301 30.
DetaljerInstitutt for økonomi og administrasjon
Fakultet for samfunnsfag Institutt for økonomi og administrasjon Statistiske metoder Bokmål Dato: Torsdag 19. desember Tid: 4 timer / kl. 9-13 Antall sider (inkl. forside): 8 Antall oppgaver: 3 Oppsettet
DetaljerEksamensoppgave i PSY3100 Forskningsmetode - Kvantitativ
Psykologisk institutt Eksamensoppgave i PSY3100 Forskningsmetode - Kvantitativ Faglig kontakt under eksamen: Mehmet Mehmetoglu Tlf.: 91838665 Eksamensdato: Eksamenstid (fra-til): Hjelpemiddelkode/Tillatte
DetaljerUNIVERSITETET I OSLO
UNIVERSITETET I OSLO Det matematisk-naturvitenskapelige fakultet. Eksamen i STK3100 Innføring i generaliserte lineære modeller Eksamensdag: Mandag 6. desember 2010 Tid for eksamen: 14.30 18.30 Oppgavesettet
DetaljerPrøveeksamen i STK3100/4100 høsten 2011.
Prøveeksamen i STK3100/4100 høsten 2011. Oppgave 1 (a) Angi tetthet/punktsannsynlighet for eksponensielle klasser med og uten sprednings(dispersjons)ledd. Nevn alle fordelingsklassene du kjenner som kan
DetaljerUTSATT SKOLEEKSAMEN I SOS KVANTITATIV METODE. 29. Mars 2017 (4 timer)
Institutt for sosiologi og samfunnsgeografi BOKMÅL UTSATT SKOLEEKSAMEN I SOS4020 - KVANTITATIV METODE 29 Mars 2017 (4 timer) Tillatte hjelpemidler: Alle skriftlige hjelpemidler og kalkulator Sensur for
DetaljerFra boka: 10.32, 10.33, 10.34, 10.35, 10.3 og (alle er basert på samme datasett).
Fra boka: 10.32, 10.33, 10.34, 10.35, 10.3 og 10.37 (alle er basert på samme datasett). ############ OPPGAVE 10.32 # Vannkvalitet. n=49 målinger i ulike områder. # Forutsetter at datasettene til boka (i
DetaljerOppgave 1 (Opprett en database og en tabell)
Oppgave 1 (Opprett en database og en tabell) 1) I «Object Explorer» (i «SQL Server Management Studio»), høyreklikk over Databases : 1 2 2) Skriv så databasenavnet og klikk OK: 3) Plasser så kursoren på
DetaljerUNIVERSITETET I OSLO
UNIVERSITETET I OSLO Det matematisk-naturvitenskapelige fakultet Eksamen i: Bio 2150A Biostatistikk og studiedesign Eksamensdag: 6. desember 2013 Tid for eksamen: 14:30-17:30 (3 timer) Oppgavesettet er
DetaljerEndringer i neste revisjon av EHF / Changes in the next revision of EHF 1. October 2015
Endringer i neste revisjon av / Changes in the next revision of 1. October 2015 INFORMASJON PÅ NORSK 2 INTRODUKSJON 2 ENDRINGER FOR KATALOG 1.0.3 OG PAKKSEDDEL 1.0.2 3 ENDRINGER FOR ORDRE 1.0.3 4 ENDRINGER
DetaljerBEGYNNERKURS I SPSS. Anne Schad Bergsaker 12. februar 2019
BEGYNNERKURS I SPSS Anne Schad Bergsaker 12. februar 2019 FØR VI BEGYNNER... LÆRINGSMÅL 1. Kjenne til og kunne navigere mellom de ulike delene/ vinduene i SPSS, og vite forskjellen på dem 2. Kunne skrive
DetaljerStatistisk modellering for biologer og bioteknologer, ST august, 2012 Kl. 913 Sensur: 3 uker etter eksamen
Norges teknisk-naturvitenskapelige universitet Institutt for matematiske fag Side 1 av 5 Bokmål Faglig kontakt under eksamen: Professor Jarle Tufto Telefon: 99705519 Statistisk modellering for biologer
DetaljerBEGYNNERKURS I SPSS. Anne Schad Bergsaker 26. april 2018
BEGYNNERKURS I SPSS Anne Schad Bergsaker 26. april 2018 FØR VI BEGYNNER... LÆRINGSMÅL 1. Kjenne til og kunne navigere mellom de ulike delene/ vinduene i SPSS, og vite forskjellen på dem 2. Kunne skrive
DetaljerBEGYNNERKURS I SPSS. Anne Schad Bergsaker 17. november 2017
BEGYNNERKURS I SPSS Anne Schad Bergsaker 17. november 2017 FØR VI BEGYNNER... LÆRINGSMÅL 1. Kjenne til og kunne navigere mellom de ulike delene/ vinduene i SPSS, og vite forskjellen på dem 2. Kunne skrive
DetaljerRidge regresjon og lasso notat til STK2120
Ridge regresjon og lasso notat til STK2120 Ørulf Borgan februar 2016 I dette notatet vil vi se litt nærmere på noen alternativer til minste kvadraters metode ved lineær regresjon. Metodene er særlig aktuelle
DetaljerEksamen i: STA-1002 Statistikk og sannsynlighet 2 Dato: Fredag 31. mai 2013 Tid: Kl 09:00 13:00 Sted: Administrasjonsbygget
FA K U L T E T FO R NA T U R V I T E N S K A P O G TE K N O L O G I EKSAMENSOPPGAVE Eksamen i: STA-1002 Statistikk og sannsynlighet 2 Dato: Fredag 31. mai 2013 Tid: Kl 09:00 13:00 Sted: Administrasjonsbygget
DetaljerEksamensoppgave i PSY3100 Forskningsmetode - Kvantitativ
Psykologisk institutt Eksamensoppgave i PSY3100 Forskningsmetode - Kvantitativ Faglig kontakt under eksamen: Mehmet Mehmetoglu Tlf.: 91838665 Eksamensdato: 7. desember 2015 Eksamenstid (fra-til): 9.00-13.00
DetaljerDu må håndtere disse hendelsene ved å implementere funksjonene init(), changeh(), changev() og escape(), som beskrevet nedenfor.
6-13 July 2013 Brisbane, Australia Norwegian 1.0 Brisbane har blitt tatt over av store, muterte wombater, og du må lede folket i sikkerhet. Veiene i Brisbane danner et stort rutenett. Det finnes R horisontale
DetaljerEKSAMEN I TMA4315 GENERALISERTE LINEÆRE MODELLER
Norges teknisk naturvitenskapelige universitet Institutt for matematiske fag Side 1 av?? Bokmål Kontakt under eksamen: Thiago G. Martins 46 93 74 29 EKSAMEN I TMA4315 GENERALISERTE LINEÆRE MODELLER Torsdag
DetaljerModel Description. Portfolio Performance
Model Description Market timing results from 2000 to 2019 are based on our Market Allocation Algorithm holding the top two (2) ranked assets each month. Risk control is added to keep asset(s) in cash if
DetaljerValgprediksjoner. ISF paper 2005:9. Johannes Bergh Stipendiat, Institutt for samfunnsforskning
ISF paper 2005:9 Valgprediksjoner Johannes Bergh Stipendiat, Institutt for samfunnsforskning Etter hvert som valget nærmer seg får man stadig høre spådommer eller prediksjoner om hva valgresultatet vil
DetaljerEKSAMEN I TMA4315 GENERALISERTE LINEÆRE MODELLAR
Noregs teknisk naturvitskaplege universitet Institutt for matematiske fag Side 1 av 5 Nynorsk Kontakt under eksamen: Thiago G. Martins 46 93 74 29 EKSAMEN I TMA4315 GENERALISERTE LINEÆRE MODELLAR Torsdag
DetaljerEr det enklere å anslå timelønna hvis vi vet utdanningslengden? Forelesning 14 Regresjonsanalyse
Forelesning 4 Regresjonsanalyse To typer bivariat analyse: Bivariat tabellanalyse: Har enhetenes verdi på den uavhengige variabelen en tendens til å gå sammen med bestemte verdier på den avhengige variabelen?
DetaljerEksamensoppgave i PSY3100 Forskningsmetode - Kvantitativ
Psykologisk institutt Eksamensoppgave i PSY3100 Forskningsmetode - Kvantitativ Faglig kontakt under eksamen: Mehmet Mehmetoglu Tlf.: 73 59 19 60 Eksamensdato: 19.05.2015 Eksamenstid (fra-til): 09:00 13:00
DetaljerAvtaleGiro beskrivelse av feilmeldinger for oppdrag og transaksjoner kvitteringsliste L00202 levert i CSV fil
AvtaleGiro beskrivelse av feilmeldinger for oppdrag og transaksjoner kvitteringsliste L00202 levert i CSV fil Kvitteringsliste L00202 for avviste oppdrag, transaksjoner og informasjonsmeldinger CSV Format:
DetaljerFra krysstabell til regresjon
Fra krysstabell til regresjon La oss si at vi er interessert i å undersøke i hvilken grad arbeidstid er avhengig av utdanning. Vi har ca. 3200 observasjoner (dvs. arbeidstakere som er spurt). For hver
DetaljerEksamensoppgave i GEOG Menneske og sted I
Geografisk institutt Eksamensoppgave i GEOG1000 - Menneske og sted I Faglig kontakt under eksamen: Britt Engan Dale Tlf.: 73 59 19 14 Eksamensdato: 18.12.2014 Eksamenstid: 4 timer Studiepoeng: 7.5 Sensurdato:
DetaljerForelesning 10 STK3100
Momenter i multinomisk fordeling Forelesning 0 STK300 3. november 2008 S. O. Samuelsen Plan for forelesning:. Multinomisk fordeling 2. Multinomisk regresjon - ikke-ordnede kategorier 3. Multinomisk regresjon
DetaljerPSi Apollo. Technical Presentation
PSi Apollo Spreader Control & Mapping System Technical Presentation Part 1 System Architecture PSi Apollo System Architecture PSi Customer label On/Off switch Integral SD card reader/writer MENU key Typical
DetaljerEksamensoppgave i SOS3003 Anvendt statistisk dataanalyse i samfunnsvitenskap Examination paper for SOS3003 Applied Social Statistics
Institutt for sosiologi og statsvitenskap Eksamensoppgave i SOS3003 Anvendt statistisk dataanalyse i samfunnsvitenskap Examination paper for SOS3003 Applied Social Statistics Faglig kontakt under eksamen:
DetaljerUNIVERSITETET I OSLO ØKONOMISK INSTITUTT
UNIVERSITETET I OSLO ØKONOMISK INSTITUTT Eksamen i: ECON1910 Poverty and distribution in developing countries Exam: ECON1910 Poverty and distribution in developing countries Eksamensdag: 1. juni 2011 Sensur
DetaljerIntroduksjon til Generaliserte Lineære Modeller (GLM)
Literatur / program Introduksjon til Generaliserte Lineære Modeller (GLM) STK3100-20. august 2007 Sven Ove Samuelsen Plan for første forelesning: 1. Introduksjon, Literatur, Program 2. ksempler 3. Uformell
DetaljerForelesning 13 Regresjonsanalyse
Forelesning 3 Regresjonsanalyse To typer bivariat analyse: Bivariat tabellanalyse: Har enhetenes verdi på den uavhengige variabelen en tendens til å gå sammen med bestemte verdier på den avhengige variabelen?
DetaljerEksamensoppgave i SOS3003 Anvendt statistisk dataanalyse i samfunnsvitenskap
Institutt for sosiologi og statsvitenskap Eksamensoppgave i SOS3003 Anvendt statistisk dataanalyse i samfunnsvitenskap Faglig kontakt under eksamen: Arild Blekesaune Telefon: 911 89 768 Eksamensdato: 10.12.2015
DetaljerEksamensoppgave i TMA4267 Lineære statistiske modeller
Institutt for matematiske fag Eksamensoppgave i TMA4267 Lineære statistiske modeller Faglig kontakt under eksamen: Tlf: Eksamensdato: August 2014 Eksamenstid (fra til): Hjelpemiddelkode/Tillatte hjelpemidler:
DetaljerElektronisk innlevering/electronic solution for submission:
VIKINGTIDSMUSEET Plan- og designkonkurranse/design competition Elektronisk innlevering/electronic solution for submission: Det benyttes en egen elektronisk løsning for innlevering (Byggeweb Anbud). Dette
DetaljerLøypelegging ved bruk av
Løypelegging ved bruk av 1 Innholdsfortegnelse 1 Bruk av OCAD 9...3 2 Kart...3 3 Oppstart...3 4 Plasering av detaljer...5 5 Løyper...7 6 Postbeskrivelse...9 7 Innstillinger...11 7.1 For løyper... 11 7.2
DetaljerUNIVERSITETET I OSLO Matematisk Institutt
UNIVERSITETET I OSLO Matematisk Institutt Midtveiseksamen i: STK 1000: Innføring i anvendt statistikk Tid for eksamen: Onsdag 9. oktober 2013, 11:00 13:00 Hjelpemidler: Lærebok, ordliste for STK1000, godkjent
DetaljerInformation search for the research protocol in IIC/IID
Information search for the research protocol in IIC/IID 1 Medical Library, 2013 Library services for students working with the research protocol and thesis (hovedoppgaven) Open library courses: http://www.ntnu.no/ub/fagside/medisin/medbiblkurs
DetaljerEksamensoppgave i SOS1000 Innføring i sosiologi Examination paper for SOS1000 Introduction to Sociology
Institutt for sosiologi og statsvitenskap Department of sociology and political science Eksamensoppgave i SOS1000 Innføring i sosiologi Examination paper for SOS1000 Introduction to Sociology Faglig kontakt
DetaljerForelesning 7 STK3100
( % - -! " stimering: MK = ML Forelesning 7 STK3100 1 oktober 2007 S O Samuelsen Plan for forelesning: 1 Generelt om lineære modeller 2 Variansanalyse - Kategoriske kovariater 3 Koding av kategoriske kovariater
DetaljerLøsningsforsalg til andre sett med obligatoriske oppgaver i STK1110 høsten 2015
Løsningsforsalg til andre sett med obligatoriske oppgaver i STK1110 høsten 2015 R-kode for alle oppgaver er gitt bakerst. Oppgave 1 (a) Boksplottet antyder at verdiene er høyere for kvinner enn for menn.
DetaljerInteraction between GPs and hospitals: The effect of cooperation initiatives on GPs satisfaction
Interaction between GPs and hospitals: The effect of cooperation initiatives on GPs satisfaction Ass Professor Lars Erik Kjekshus and Post doc Trond Tjerbo Department of Health Management and Health Economics
DetaljerEKSAMEN I TMA4315 GENERALISERTE LINEÆRE MODELLER
Norges teknisk naturvitenskapelige universitet Institutt for matematiske fag Side 1 av 6 Kontakt under eksamen: Ingelin Steinsland (92 66 30 96) EKSAMEN I TMA4315 GENERALISERTE LINEÆRE MODELLER Tirsdag
DetaljerEKSAMEN I SOS4020 KVANTITATIV METODE 8. april (4 timer)
EKSAMEN I SOS4020 KVANTITATIV METODE 8. april 200 (4 timer) Tillatte hjelpemidler: Ikke-programmerbar kalkulator Liste med matematiske uttrykk/andeler i fordelinger (bakerst i oppgavesettet) Sensur på
DetaljerC13 Kokstad. Svar på spørsmål til kvalifikasjonsfasen. Answers to question in the pre-qualification phase For English: See page 4 and forward
C13 Kokstad Svar på spørsmål til kvalifikasjonsfasen Answers to question in the pre-qualification phase For English: See page 4 and forward Norsk Innhold 1. Innledning... 2 2. Spørsmål mottatt per 28.11.12...
DetaljerUNIVERSITETET I OSLO Det matematisk-naturvitenskapelige fakultet
UNIVERSITETET I OSLO Det matematisk-naturvitenskapelige fakultet Underveiseksamen i: STK1000 Innføring i anvendt statistikk. Eksamensdag: Onsdag 28/3, 2007. Tid for eksamen: Kl. 09.00 11.00. Tillatte hjelpemidler:
DetaljerTidspunkt: Fredag 18. mai (3.5 timer) Tillatte hjelpemidler: C3. Alle typer kalkulatorer, alle andre hjelpemidler.
Fakultet: KBM Eksamen i: STAT100 STATISTIKK Tidspunkt: Fredag 18. mai 2018 14.00 17.30 (3.5 timer) Kursansvarlig: Trygve Almøy 95141344 Tillatte hjelpemidler: C3. Alle typer kalkulatorer, alle andre hjelpemidler.
DetaljerPETROLEUMSPRISRÅDET. NORM PRICE FOR ALVHEIM AND NORNE CRUDE OIL PRODUCED ON THE NORWEGIAN CONTINENTAL SHELF 1st QUARTER 2016
1 PETROLEUMSPRISRÅDET Deres ref Vår ref Dato OED 16/716 22.06.2016 To the Licensees (Unofficial translation) NORM PRICE FOR ALVHEIM AND NORNE CRUDE OIL PRODUCED ON THE NORWEGIAN CONTINENTAL SHELF 1st QUARTER
DetaljerAvtaleGiro beskrivelse av feilmeldinger for oppdrag og transaksjoner for KID bytte kvitteringsliste L02625 levert i CSV format
AvtaleGiro beskrivelse av feilmeldinger for oppdrag og transaksjoner for KID bytte kvitteringsliste L02625 levert i CSV format Kvitteringsliste L02625 for avviste oppdrag, transaksjoner og informasjonsmeldinger
Detaljer1 Section 6-2: Standard normalfordelingen. 2 Section 6-3: Anvendelser av normalfordelingen. 3 Section 6-4: Observator fordeling
1 Section 6-2: Standard normalfordelingen 2 Section 6-3: Anvendelser av normalfordelingen 3 Section 6-4: Observator fordeling 4 Section 6-5: Sentralgrenseteoremet Oversikt Kapittel 6 Kontinuerlige tilfeldige
DetaljerTravel and Holiday Survey, January 2007
Norway Statistics Norway, SSB Travel and Holiday Survey, January 2007 Study Documentation May 28, 2016 Metadata Production Metadata Producer(s) Norwegian Social Science Data Services (NSD) Production Date
DetaljerTDT4117 Information Retrieval - Autumn 2014
TDT4117 Information Retrieval - Autumn 2014 Assignment 1 Task 1 : Basic Definitions Explain the main differences between: Information Retrieval vs Data Retrieval En samling av data er en godt strukturert
DetaljerEKSAMEN I SOS1120 KVANTITATIV METODE 6. DESEMBER 2007 (4 timer)
EKSAMEN I SOS1120 KVANTITATIV METODE 6. DESEMBER 2007 (4 timer) Bruk av ikke-programmerbar kalkulator er tillatt under eksamen. Utover det er ingen hjelpemidler tillatt. Sensur faller torsdag 3. Januar
DetaljerEMNERAPPORT INSTITUTT FOR BIOMEDISIN
EMNERAPPORT INSTITUTT FOR BIOMEDISIN ANNUAL EVALUATION REPORT DEPARTMENT OF BIOMEDICINE Emnekode: COURSE CODE: Emnenavn: COURSE NAME: Emneansvarlig: COURSE COORDINATOR: Rapporteringsdato: DATE OF REPORT:
DetaljerSkal man fortsatt opprettholde skillet mellom positiv og negativ forsterkning
Skal man fortsatt opprettholde skillet mellom positiv og negativ forsterkning En diskusjon startet av Jack Michael i 1975, men hva har skjedd etter det? Michael, J. (1975) Positiv an negativ reinforcement:
DetaljerLogistisk regresjon 2
Logistisk regresjon 2 SPSS Utskrift: Trivariat regresjon a KJONN UTDAAR Constant Variables in the Equation B S.E. Wald df Sig. Exp(B) -,536,3 84,56,000,25,84,08 09,956,000,202 -,469,083 35,7,000,230 a.
DetaljerDagens tema: 12 gode råd for en kompilatorskriver. Sjekking av navn. Lagring av navn. Hvordan finne et navn?
Dagens tema: 12 gode råd for en kompilatorskriver Hva skal gjøres med navn? Sjekking av navn Hvordan sjekke navn? Testutskrifter 12 gode råd En kompilator må også sjekke riktig navnebruk: Det må ikke forekomme
DetaljerVanlige spørsmål om EndNote (april 2013)
Vanlige spørsmål om EndNote (april 2013) Her er svar på en del vanlig spørsmål og problemer som kan dukke opp når du arbeider med EndNote. Innhold Import av referanser... 1 Hvis EndNote låser seg:... 2
DetaljerModellvalg ved multippel regresjon notat til STK2120
Modellvalg ved multippel regresjon notat til STK2120 Ørulf Borgan februar 2016 I dette notatet vil vi se litt nærmere på hvordan vi kan velge ut hvilke forklaringsvariabler vi skal ha med i en regresjonsmodell.
Detaljer2. Forklar med egne ord de viktigste forutsetningene for regresjonen og diskuter om forutsetningene er oppfylt i oppgave 1.
Oppgave 1 (maks 14 poeng): 1. Forklar hvorfor vi bruker et utvalg fra populasjonen (og ikke hele populasjonen) for statistiske tester og hvordan man gjøre det å trekke et utvalg (angi et eksempel). 2.
DetaljerEksamen ST2303 Medisinsk statistikk Onsdag 3 juni 2009 kl
1 Norges teknisk-naturvitenskapelige universitet Institutt for matematiske fag Faglig kontakt under eksamen Stian Lydersen tlf 72575428 / 92632393 Eksamen ST2303 Medisinsk statistikk Onsdag 3 juni 2009
DetaljerSOS3003 Eksamensoppgåver
SOS3003 Eksamensoppgåver Gjennomgang våren 2004 Erling Berge Gjennomgang av Oppgåve 2 gitt hausten 2003 Haust 2003 Oppgåve 2 Den avhengige variabelen i den logistiske regresjonsanalysen er freegl, som
DetaljerEksamensoppgave i ST2304 Statistisk modellering for biologer og bioteknologer
Institutt for matematiske fag Eksamensoppgave i ST2304 Statistisk modellering for biologer og bioteknologer Faglig kontakt under eksamen: Ola H. Diserud Tlf.: 93218823 Eksamensdato: Onsdag 21. mai 2014
DetaljerEndring over tid. Endringsskårer eller Ancova? Data brukt i eksemplene finner dere som anova-4-1.sav, anova-4-2.sav og likelonn.sav.
Endring over tid. Endringsskårer eller Ancova? Data brukt i eksemplene finner dere som anova-4-1.sav, anova-4-2.sav og likelonn.sav. Analyse av endringsskårer (change scores). Vi så forrige gang på analyser
DetaljerPARABOLSPEIL. Still deg bak krysset
PARABOLSPEIL Stå foran krysset på gulvet og se inn i parabolen. Hvordan ser du ut? Still deg bak krysset på gulvet. Hva skjer? Hva skjer når du stiller deg på krysset? Still deg bak krysset Det krumme
DetaljerFagevalueringsrapport FYS Diffraksjonsmetoder og elektronmikroskopi
Fagevalueringsrapport FYS4340 - Diffraksjonsmetoder og elektronmikroskopi Fall 08 Lecturer:Arne Olsen and Anette Eleonora Gunnæs Fysisk Fagutvalg 4. november 2008 Fagutvalgets kommentar: Fysisk fagutvalg
DetaljerGjør gjerne analysene under her selv, så blir dere mer fortrolige med utskriften fra Spss. Her har jeg sakset og klippet litt.
Gjør gjerne analysene under her selv, så blir dere mer fortrolige med utskriften fra Spss. Her har jeg sakset og klippet litt. Data fra likelonn.sav og vi ser på variablene Salnow, Edlevel og Sex (hvor
DetaljerADDENDUM SHAREHOLDERS AGREEMENT. by and between. Aker ASA ( Aker ) and. Investor Investments Holding AB ( Investor ) and. SAAB AB (publ.
ADDENDUM SHAREHOLDERS AGREEMENT by between Aker ASA ( Aker ) Investor Investments Holding AB ( Investor ) SAAB AB (publ.) ( SAAB ) The Kingdom of Norway acting by the Ministry of Trade Industry ( Ministry
DetaljerDATAUTFORSKNING I EG, EG 7.1 OG EGENDEFINERTE FUNKSJONER SAS FANS I STAVANGER 4. MARS 2014, MARIT FISKAAEN
DATAUTFORSKNING I EG, EG 7.1 OG EGENDEFINERTE FUNKSJONER SAS FANS I STAVANGER 4. MARS 2014, MARIT FISKAAEN 2 INNLEDNING TEMA I SAS Enterprise Guide versjon 5.1 (februar 2012) kom det et nytt datautforskingsverktøy,
DetaljerEksamensoppgave i PSY3100 forskningsmetoder kvantitativ
Institutt for psykologi Eksamensoppgave i PSY3100 forskningsmetoder kvantitativ Faglig kontakt under eksamen: Odin Hjemdal Tlf.: 73 59 19 60 Eksamensdato: 15. mai 2017 Eksamenstid: 09:00-13:00 Hjelpemiddelkode/Tillatte
DetaljerUnit Relational Algebra 1 1. Relational Algebra 1. Unit 3.3
Relational Algebra 1 Unit 3.3 Unit 3.3 - Relational Algebra 1 1 Relational Algebra Relational Algebra is : the formal description of how a relational database operates the mathematics which underpin SQL
DetaljerAccuracy of Alternative Baseline Methods
Accuracy of Alternative Baseline Methods Dr. Steven Braithwait Christensen Associates Energy Consulting IEPEC - Paris June 2010 Outline Demand response & role of baseline loads Measures of baseline performance
DetaljerOppgave 1a Definer følgende begreper: Nøkkel, supernøkkel og funksjonell avhengighet.
TDT445 Øving 4 Oppgave a Definer følgende begreper: Nøkkel, supernøkkel og funksjonell avhengighet. Nøkkel: Supernøkkel: Funksjonell avhengighet: Data i en database som kan unikt identifisere (et sett
DetaljerUNIVERSITETET I OSLO
UNIVERSITETET I OSLO Det matematisk-naturvitenskapelige fakultet Eksamen i STK1000 Innføring i anvendt statistikk. Eksamensdag: Torsdag 9. oktober 2008. Tid for eksamen: 15:00 17:00. Oppgavesettet er på
DetaljerForelesning 16 Regresjonsanalyse 3. Regresjonsanalyse av timelønn. Modeller med samspill
Forelesning 16 Regresjonsanalyse 3 Modeller med samspill år effekten av en uavhengig variabel er betinget av en annen uavhengig variabel Eksempel: Hvis effekten av utdanning på timelønn er sterkere for
DetaljerGradient. Masahiro Yamamoto. last update on February 29, 2012 (1) (2) (3) (4) (5)
Gradient Masahiro Yamamoto last update on February 9, 0 definition of grad The gradient of the scalar function φr) is defined by gradφ = φr) = i φ x + j φ y + k φ ) φ= φ=0 ) ) 3) 4) 5) uphill contour downhill
DetaljerBPS TESTING REPORT. December, 2009
BPS TESTING REPORT December, 2009 Standardized Testing BPS SAT Reasoning Test SAT Subject Tests Advanced Placement ACT Massachusetts Comprehensive Assessment System (MCAS) MCAS Growth Data 2 SAT Reasoning
DetaljerSVM and Complementary Slackness
SVM and Complementary Slackness David Rosenberg New York University February 21, 2017 David Rosenberg (New York University) DS-GA 1003 February 21, 2017 1 / 20 SVM Review: Primal and Dual Formulations
DetaljerSOME EMPIRICAL EVIDENCE ON THE DECREASING SCALE ELASTICITY
ARTIKLER FRA STATISTISK SENTRALBYRÅ NR. 71 SÆRTRYKK FRA ECONOMETRICA, VOL. 42, NO. 1 (JANUAR 1974) SOME EMPIRICAL EVIDENCE ON THE DECREASING SCALE ELASTICITY By Vidar Ringstad NOEN RESULTATER FOR PRODUKTFUNKSJONEP.
DetaljerEKSAMENSOPPGAVE STA-2004.
Fakultet for naturvitenskap og teknologi EKSAMENSOPPGAVE Eksamen i: STA-2004. Dato: Torsdag 28. september 2017. Klokkeslett: 09 13. Sted: Tillatte hjelpemidler: Teorifagsbygget. «Tabeller og formler i
DetaljerDepartment of Psychosocial Science
U N I V E R S I T Y O F B E R G E N Department of Psychosocial Science Nevrotisisme som mulig moderator i sammenhengen mellom mellommenneskelige konflikter og daglige variasjoner i emosjoner: Et kvantitativt
DetaljerUNIVERSITETET I OSLO
Eksamen i: UNIVERSITETET I OSLO Det matematisk-naturvitenskapelige fakultet STK1000 Innføring i anvendt statistikk Eksamensdag: Mandag 3. desember 2018. Tid for eksamen: 14.30 18.30. Oppgavesettet er på
DetaljerDagens tema: 12 gode råd for en kompilatorskriver
Dagens tema: 12 gode råd for en kompilatorskriver Hvordan sjekke navn? Testutskrifter 12 gode råd Hva skal gjøres med navn? Sjekking av navn En kompilator må også sjekke riktig navnebruk: Det må ikke forekomme
DetaljerBokmål. Eksamen i: Stat100 Statistikk Tid: 18. mai Emneansvarlig: Trygve Almøy:
Bokmål Institutt: IKBM Eksamen i: Stat100 Statistikk Tid: 18. mai 2010 09.00-12.30 Emneansvarlig: Trygve Almøy: 64 96 58 20 Tillatte hjelpemidler: C3: alle typer kalkulatorer, alle andre hjelpemiddel Oppgaveteksten
DetaljerUNIVERSITETET I OSLO
UNIVERSITETET I OSLO Det matematisk-naturvitenskapelige fakultet Eksamen i: ST 202 Statistiske slutninger for den eksponentielle fordelingsklasse. Eksamensdag: Fredag 15. desember 1995. Tid for eksamen:
DetaljerForelesning 7 STK3100/4100
Forelesning 7 STK3100/4100 p. 1/2 Forelesning 7 STK3100/4100 8. november 2012 Geir Storvik Plan for forelesning: 1. Kontinuerlige positive responser 2. Gamma regresjon 3. Invers Gaussisk regresjon Forelesning
DetaljerEksamensoppgaver til SOSANT1101. Regional etnografi: jordens folk og kulturelt mangfold. Utsatt skoleeksamen 12. desember 2013 kl.
Universitetet i Oslo Sosialantropologisk institutt Eksamensoppgaver til SOSANT1101 Regional etnografi: jordens folk og kulturelt mangfold Utsatt skoleeksamen 12. desember 2013 kl. 9-14 Både original og
DetaljerNORGES TEKNISK-NATURVITENSKAPELIGE UNIVERSITET Geografisk institutt
NORGES TEKNISK-NATURVITENSKAPELIGE UNIVERSITET Geografisk institutt BOKMÅL EKSAMEN I GEOG1004 Geografi i praksis- tall kart og bilder Eksamensdato: 20.05.2011 Sidetall bokmål: 2 Eksamenstid: 4 timer Sidetall
DetaljerForskningsrådets rolle som rådgivende aktør - innspill til EUs neste rammeprogram, FP9 og ERA
Forskningsrådets rolle som rådgivende aktør - innspill til EUs neste rammeprogram, FP9 og ERA Workshop Kjønnsperspektiver i Horisont 2020-utlysninger Oslo, 31. august 2016 Tom-Espen Møller Seniorådgiver,
DetaljerSlope-Intercept Formula
LESSON 7 Slope Intercept Formula LESSON 7 Slope-Intercept Formula Here are two new words that describe lines slope and intercept. The slope is given by m (a mountain has slope and starts with m), and intercept
DetaljerUNIVERSITETET I OSLO
UNIVERSITETET I OSLO Det matematisk-naturvitenskapelige fakultet Eksamen i: STK1120 Statistiske metoder og dataanalyse 2. Eksamensdag: Mandag 30. mai 2005. Tid for eksamen: 14.30 17.30. Oppgavesettet er
DetaljerEksamensoppgave i PSY Forskningsdesign
Psykologisk institutt Eksamensoppgave i PSY2022 - Forskningsdesign Faglig kontakt under eksamen: Odin Hjemdal Tlf.: 73 59 19 60 Eksamensdato: 2. juni 2016 Eksamenstid (fra-til): 09:00 13:00 Hjelpemiddelkode/Tillatte
DetaljerSENSORVEILEDNING FOR EKSAMENSOPPGAVEN I SVSOS107 VÅREN 2003
SENSORVEILEDNING FOR EKSAMENSOPPGAVEN I SVSOS107 VÅREN 003 Oppgave 1 Tabell 1 gjengir data fra en spørreundersøkelse blant personer mellom 17 og 66 år i et sannsynlighetsutvalg fra SSB sitt sentrale personregister.
DetaljerEtter selskapets ordinære generalforsamling den 24. mai 2017 består styret av følgende aksjonærvalgte styremedlemmer:
Valgkomiteens innstilling til ordinær generalforsamling i Insr Insurance Group ASA den 23. mai 2018 Med utgangspunkt i valgkomiteens mandat og instruks legger komiteen frem følgende forslag for beslutning
DetaljerEksamensoppgave i PSY3100 Forskningsmetode kvantitativ
Psykologisk institutt Eksamensoppgave i PSY3100 Forskningsmetode kvantitativ Faglig kontakt under eksamen: Christian Klöckner Tlf.: 73 59 19 60 Eksamensdato: 8. desember 2016 Eksamenstid: 09:00 13:00 Hjelpemiddelkode/Tillatte
DetaljerSoftware applications developed for the maritime service at the Danish Meteorological Institute
Software applications developed for the maritime service at the Danish Meteorological Institute Anne Marie Munk Jørgensen (ammj@dmi.dk), Ove Kjær, Knud E. Christensen & Morten L. Mortensen Danish Meteorological
Detaljer