SOS3003 Anvendt statistisk dataanalyse i samfunnsvitenskap Forelesingsnotat, vår Erling Berge Institutt for sosiologi og statsvitenskap NTNU
|
|
- Ludvig Holter
- 7 år siden
- Visninger:
Transkript
1 SOS33 Anvendt statistisk dataanalyse i samfunnsvitenskap Forelesingsnotat, vår 3 Erling Berge Institutt for sosiologi og statsvitenskap NTNU Vår 4 Erling Berge 4 Forelesing VIII Kurvetilpasning Hamilton kap 5 s4573 Vår 4 Erling Berge 4
2 Kurvetilpassing Ein rett spesifisert modell krev at funksjonen som bind xvariablane og y variabelen saman er i samsvar med røyndomen: er sambandet lineært? Data kan granskast gjennom bandregresjon eller glatting Teori om kausalsambandet kan spesifisere eit ikkjelineært samband For fenomen som ikkje kan representerast med ei rett linje skal vi sjå på nokre alternativ Kurvelineær regresjon Ikkjelineær regresjon Vår 4 Erling Berge 4 3 Bandregresjon Kan nyttast til å utforske korleis sambanda mellom variablane ser ut. Dersom vi kan sjå at ein underliggjande trend i data er ikkjelineær, må vi gjennom transformasjonar eller bruk av kurver finne ei form på funksjonen som betre representerer samanhengen Vår 4 Erling Berge 4 4
3 Ureining i ulike djup av sediment på sjøbotnen utanfor NH Ureining målt ved raten krom/jern i ulike djup av ulike sedimentprøver Er sambandet lineært? CR/FE RATIO 5,, 9,, 3,,, 5,, 5,, 5, DEPTH IN CM Vår 4 Erling Berge 4 5 Medianane i 5 band: raten krom/jern i sediment utanfor kysten i NH 5, 5,,, CR/FE RATIO 9,, CR/FE RATIO 9,, 3, 3,,,, 5,, 5,, 5, DEPTH IN CM Sambandet er tydeleg ikkjelineært DEPTH IN CM (Banded) Vår 4 Erling Berge 4
4 Transformerte variablar Brukar vi transformerte variablar vert regresjonen kurvelineær. Transformasjonen gjer den opphavelege kurvesamanhengen til ein lineær samanheng Dette er den viktigaste grunnen til å transformere. Samtidig kan transformering ordne opp i ulike typar statistiske problem (utliggjarar, heteroskedastisitet, ikkjenormale feil) Framgangsmåte: Vel høveleg transformasjon og lag nye transformerte var. Gjennomfør ein standard analyse med dei transformerte var For tolking bør ein vanlegvis transformere attende til opphaveleg måleskala Vår 4 Erling Berge 4 7 y Den lineære modellen K = β + β X + ε i j ji i j= I den lineære modellen kan vi transformere x ane og yane utan at det har noko å seie for eigenskapane til OLSestimata i seg sjølv. Så lenge modellen er lineær i parametrane er OLS ein lovleg metode Vår 4 Erling Berge 4 8
5 Kurvelineære Modellar Dette er i praksis regresjon med transformerte variablar Vi skal sjå på korleis ulike transformasjonar gir ulik form på sambanda Semilogaritmiske kurver LogLog kurver Logresiproke kurver Polynom ( og 3 orden) Vår 4 Erling Berge 4 9 Semilogaritmiske kurver Fig 5. i Hamilton y=5+ln(x) y=5ln(x) 4 8 Vår 4 Erling Berge 4 5 ln(y)=+.x ln(y)=.x 5
6 Loglog kurver Fig 5.3 i Hamilton 5 8 ln(y)=5+.8ln(x) ln(y)=5+ln(x) 4 5 ln(y)=5+.ln(x) ln(y)=5.ln(x) Vår 4 Erling Berge 4 Logresiproke kurver Fig 5.4 Hamilton.5.5 ln(y)=.+./x ln(y)=.5.5/x Horizontal line through (,.5 ) Horizontal line through (,.49 ) 4 Dei horisontale linjene gir verdien av y når x veks mot uendeleg: asymptoten for y 8 Vår 4 Erling Berge 4
7 Andregrads polynom Fig 5.5 Hamilton 3 4 y=5+8x.x^ y=58x+.x^ Vår 4 Erling Berge 4 3 Tredjegrads polynom Fig 5. Hamilton y=4+8x.7x^+.x^3 y=58x+.7x^.x^3 Vår 4 Erling Berge 4 4
8 Val av transformasjon Spreiingsplott eller teori kan gi råd Elles er transformasjon til symmetri det beste utgangspunktet Regresjonen rapportert i tabell 3. i Hamilton viste seg problematisk Regresjon med transformerte variablar kan redusere problema Vår 4 Erling Berge 4 5 Val av transformasjon i tab 3. Hamilton Y X X X 3 X 4 X 5 X X 7 Y*=Y.3 gir tilnærma symmetri X *= X.3 gir tilnærma symmetri X *= X.3 gir tilnærma symmetri Transformasjonar kan gjere lite Transformasjon påverkar ikkje dummyvar X 5 *= ln(x 5 ) gir tilnærma symmetri X = X 5 X (= # menneskje i 98) X 7 * = ln (X 5 /X ) Vassforbruk 98 Inntekt Vassforbruk 98 Utdanning Pensjonist # menneskje i 98 Endring i # menneskje Relativ endring i # m Vår 4 Erling Berge 4
9 Regresjon med transformerte variable Tab 5. Hamilton Dependent Variable: wtr8_3 B Std. Error t Sig. (Constant),85,385 4,8, inc_3,5,3 3,97, wtr8_3,,9,58, Education in Years,3,,57,4 head of house retired?,,9,85,395 logpeop,75,,49, clogpeop,9,3 3,485, Vår 4 Erling Berge 4 7, 75, Basert på regresjonen i tabell 3. i Hamilton Unstandardized Residual 5, 5,, 5, 5, Residual mot predikert Y,, 4,, 8, Unstandardized Predicted Value, 4, Unstandardized Residual,,, Annotation 4,, Basert på regresjonen i tabell 5. i Hamilton, 8,,, 4, Vår 4 Erling Berge 4 8
10 Andre verknader av transformasjonane To case med stor innverknad på koeffesienten for inntekt (store DFBTAS) har no ikkje slik innverknad (fig 4. og 5.9) Eit case med stor innverknad på koeffesienten for vassforbruk i 98 har no ikkje så stor innverknad (fig 4. og 5.) Transformasjonar som gjer fordelingar symmetriske vil ofte løyse mange problem men ikkje alltid! Vår 4 Erling Berge 4 9 Tolking Estimatet av modellen ser no slik ut y = x +.x.3x x i i i 3i 5i.x4i.75ln( x5i).9 ln( ) xi Tolking av koeffesientane er ikkje lenger så enkelt (t.d.: måleeiningane på parametrane er endra) Den enklaste måten å tolke på er å nytte betinga effekt plott Vår 4 Erling Berge 4
11 For betinga effekt plott er det nyttig med ein tabell over minimum, maximum og gjennomsnitt Summer 98 Water Use N 49 Minimum Maximum Mean 98,39 Summer 98 Water Use , Income in Thousands 49 3,8 Education in Years 49 4, head of house retired? 49,9 # of People Resident, ,7 Increase in # of People ,4 # people living in , Vår 4 Erling Berge 4 Variabelverdiar som maksimerer eller minimerer predikert verdi Summer 98 Water Use Koeff (+/) Minimere y Maximere y Mean 98,39 Summer 98 Water Use. 7 73, Income in Thousands.5 3,8 Education in Years.3 4, head of house retired?.,9 # of People Resident, ,7 Increase in # of People.9 3 3,4 # people living in 98 3, Vår 4 Erling Berge 4
12 Vassforbruk etter inntekt kontrollert for andre variablar Fig 5. Hamilton 4 Samanhengen når andre variablar har gjennomsnittsverdiar 8 4 y.3 =.85+.(73).3.3(4)+.(.94)+.75ln(3.7)+.9(ln(3.7)ln(3.))+.5(x).3 Vår 4 Erling Berge Kva er interessant å plotte? Samanhengen inntekt vassforbruk kontrollert for ulike kombinasjonar av andre variabelverdiar. Dei som minimerer vassforbruket. Dei som maksimerer vassforbruket 3. Gjennomsnittverdiane y.3 =(.85+.().3.3()+.()+.75ln()+.9(ln()ln())+.5(x).3 ) y.3 =(.85+.(7).3.3()+.()+.75ln()+.9(ln()ln())+.5(x).3 ) y.3 =(.85+.(73).3.3(4)+.(.9)+.75ln(3.7)+.9(ln(3.7)ln(3.))+.5(x).3 ) Vår 4 Erling Berge 4 4
13 Samanlikning av tre typar brukssituasjon 4 Maksimum 8 4 Gjennomsnitt Minimum Samanhengen mellom inntekt og vassforbruk Fig 5. Hamilton Vår 4 Erling Berge 4 5 Konstanten si rolle i plottet Den einaste skilnaden mellom dei tre kurvene er konstanten I maksimumskurva er (konst) = 4.4 I minimumskurva er (konst) = 4.4 I gjennomsnittskurva er (konst) = 8.57 y = konst +.5x ( ).3.3 i i Effekten av inntekt varierer med verdien av (konst) Når vi transformerer avhengig variabel vert alle samanhengar til interaksjonseffektar Vår 4 Erling Berge 4
14 Samanlikning av effektar I somme samanhengar kan ein nytte den standardiserte regresjonskoeffesienten til å samanlikne effektar, men den er sensitiv for skeive estimat av standardfeilen Ein meir generell metode er å samanlikne betinga effekt plott der skaleringa på y aksen er halden konstant Vår 4 Erling Berge Inntekt i tusen 5 4 Pensjonist # menneskje vassforbruk Utdanning i år 4 3 Relativ endring i # menneskje Fig 5.3 Hamilton Vår 4 Erling Berge 4 8 4
15 Ikkjelineære modellar Dersom vi ikkje har modellar som er lineære i parametrane vil ein trenge andre teknikkar for å estimere parametrane Det kan vere to typar argument for slike modellar Teori om den kausale mekanismen kan diktere ein slik modell Inspeksjon av data kan peike på ein bestemt type modell Vi skal sjå på Eksponentielle modellar Logistiske modellar Gompertz modellar Vår 4 Erling Berge 4 9 Eksponentiell vekst og fall Fig 5.4 Hamilton y=5exp(.3x) y=4exp(.x) 4 Vår 4 Erling Berge 4 3 8
16 Negative eksponential kurver Fig 5.5 Hamilton 8 4 y=(exp(.7x)) y=(exp(.x)) Horizontal line through (, ) 4 8 Vår 4 Erling Berge 4 3 Toledds eksponentialkurver Fig 5. Hamilton y=(.5.4 )(exp(.4x)exp(.5x)).5 y=(.5. )(exp(.x)exp(.5x)) Vår 4 Erling Berge 4 3
17 Logistiske modellar Den logistiske funksjonen skriv ein Når x veks mot uendeleg vil y nærme seg α Når x minkar mot minus uendeleg vil y nærme seg α y = +ε +γexp( βx) Logistiske modellar passar til mange fenomen Vekst i biologiske populasjonar Spreiing av rykte Spreiing av sjukdom Vår 4 Erling Berge Logistiske kurver Fig 5.7 Hamilton Y=α y= y= 5 +exp(.x) 5 +5exp(.x) 5 +exp(.x) y= Horizontal line through (, 5 ) 8 γ fastset kvar veksten startar, β kor rask veksten er Vår 4 Erling Berge 4 34
18 Logistisk sannsynsmodell Dersom ein set α=γ= vil y variere mellom og når x varierer mellom minus uendeleg og pluss uendeleg. Logistiske kurver kan da nyttast til å modellere sannsyn y i = +ε + exp( βx ) i ι Vår 4 Erling Berge 4 35 Gompertzkurver Gompertzkurver er sigmoidkurver slik som den logistiske, men tilvekst og vekstreduksjon skjer i ulik takt, så dei er ikkje symmetriske y βx γe = α e +ε Parametrane α, γ og β har den same tolkinga som i den logistiske modellen Vår 4 Erling Berge 4 3
19 Gompertzkurver Fig 5.8 Hamilton y=5exp(exp(.x)) y=5exp(exp(.x)) y=5exp(exp(.x)) Horizontal line through (, 5 ) 8 Vår 4 Erling Berge 4 37 Estimering av ikkjelineære modellar Kriteriet på tilpassing er framleis minimum RSS Ein kan sjeldan finne analytiske uttrykk for parametrane. Ein må gjette på ein startverdi og gå igjennom fleire iterasjonar for å finne kva parameterverdi som gir den minste RSS verdien Gode startverdiar er som regel nødvendig og alt frå teori til inspeksjon av data vert brukt for å finne dei Vår 4 Erling Berge 4 38
20 Prosent kvinner med minst barn etter kvinnas alder og fødselsår (England og Wales) Vår 4 Erling Berge 4 39 Estimering av Gompertzmodellar for kohortar () 8, % FEMALE COHORT WITH >= CHILD WOMEN'S AGE Predicted Values WOMEN'S AGE, 4,,, 9 kohorten, observerte og estimerte verdiar: Y= 79.8exp(4.exp(.x)) Y= prosent med minst barn X= alder 5,, 5, 3, 35, 4, Vår 4 Erling Berge 4 4
21 Estimering av Gompertzmodellar for kohortar (), Predicted Values WOMEN'S AGE 8,, 4,, 9 og 945 kohortane, estimerte verdiar Y= 79.8exp(4.exp(.x)) Y= 9.4exp(48.exp(.8x)) Y= prosent med minst barn X= alder,,, 3, 4, 5, Vår 4 Erling Berge 4 4 Modelltilpassing For å evaluere ein teoretisk utleda modell For prediksjon av y innan eller ut over variasjonsområdet for x Substansiell eller komparativ vurdering av parmeterverdiar Her kan vi nytte modellen på kohortar som enno ikkje er ferdig med fødslane sine (prediksjon ut over observerte x verdiar) Vi kan nytte modellen til å samanlikne parameterverdiane til ulike kohortar Vår 4 Erling Berge 4 4
22 Parametertolking Tab 5. Hamilton Kohort α = øvre grense γ =? β = vekstfart Vår 4 Erling Berge 4 43 Fødselsrater i Sunndal, Meråker, Verran og Rana 987 Modellert med Hadwiger funksjonen Ref.: Erling Berge 98 «The Social Ecology of Human Fertility in Norway 97», Ph.D dissertation, Boston University Vår 4 Erling Berge 4 44
23 Konklusjonar i kapittel 5 () Dataanalyse startar ofte med lineære modellar. Dei er enklast. Teori eller utforskande dataanalyse (bandregresjon, glatting) kan seie oss om kurvelineære eller ikkjelineære modellar trengst Transformasjon av variable gir kurvelineær regresjon. Dette kan motverke fleire problem Kurvelinearitet i samanhengane Case med stor påverknad Ikkjenormale feil Heteroskedastisitet Vår 4 Erling Berge 4 45 Konklusjonar i kapittel 5 () Ikkjelineær regresjon nyttar iterative prosedyrar for å finne parameterestimat. Prosedyrane treng initialverdiar og er ofte sensitive for initialverdiane. Tolking av parametrar kan vere vanskeleg. Grafar som viser sambanda for ulike parameterverdiar vil hjelpe mye Vår 4 Erling Berge 4 4
SOS3003 Anvendt statistisk dataanalyse i samfunnsvitenskap Forelesingsnotat 09. Erling Berge Institutt for sosiologi og statsvitenskap NTNU
Fall 24 SOS33 Anvendt statistisk dataanalyse i samfunnsvitenskap Forelesingsnotat 9 Erling Berge Institutt for sosiologi og statsvitenskap NTNU Fall 24 Erling Berge 24 Forelesing VIII Kurvetilpasning Hamilton
DetaljerSOS3003 Anvendt statistisk dataanalyse i samfunnsvitenskap Forelesingsnotat, vår Erling Berge Institutt for sosiologi og statsvitenskap NTNU
SOS33 Anvendt statistisk dataanalyse i samfunnsvitenskap Forelesingsnotat, vår 23 Erling Berge Institutt for sosiologi og statsvitenskap NTNU Vår 24 Erling Berge 24 1 Forelesing VI Kritikk av regresjon
DetaljerSOS3003 Anvendt statistisk dataanalyse i samfunnsvitenskap Forelesingsnotat, vår Erling Berge Institutt for sosiologi og statsvitenskap NTNU
SOS3003 Anvendt statistisk dataanalyse i samfunnsvitenskap Forelesingsnotat, vår 2003 Erling Berge Institutt for sosiologi og statsvitenskap NTNU Vår 2004 Erling Berge 2004 1 Kritikk av regresjon I Forelesing
DetaljerRef.: Fall SOS3003 Anvendt statistisk dataanalyse i samfunnsvitenskap Forelesingsnotat 05
SOS3003 Anvendt statistisk dataanalyse i samfunnsvitenskap Forelesingsnotat 05 Erling Berge Institutt for sosiologi og statsvitenskap NTNU Fall 2004 Erling Berge 2004 1 Forelesing V Kritikk av regresjon
DetaljerSOS3003 Eksamensoppgåver
SOS33 Eksamensoppgåver Oppgåve 2 gitt hausten 2 Erling Berge Erling Berge Haust 2 OPPGÅVE 2I tabellvedlegget til oppgåve 2 er det estimert 6 modellar av eiga inntekt (E.inntekt). a) Ta utgangspunkt i modell
DetaljerSOS3003 Anvendt statistisk dataanalyse i samfunnsvitenskap Forelesingsnotat, vår Erling Berge Institutt for sosiologi og statsvitenskap NTNU
SOS3003 Anvendt statistisk dataanalyse i samfunnsvitenskap Forelesingsnotat, vår 2003 Erling Berge Institutt for sosiologi og statsvitenskap NTNU Vår 2004 Erling Berge 2004 1 Forelesing III Multivariat
DetaljerSOS3003 Anvendt statistisk dataanalyse i samfunnsvitenskap Forelesingsnotat 06. Erling Berge Institutt for sosiologi og statsvitenskap NTNU
SOS33 Anvendt statistisk dataanalyse i samfunnsvitenskap Forelesingsnotat 6 Erling Berge Institutt for sosiologi og statsvitenskap NTNU Erling Berge 24 1 Forelesing VI Kritikk av regresjon II Hamilton
DetaljerSOS3003 Anvendt statistisk dataanalyse i samfunnsvitenskap Forelesingsnotat, vår Erling Berge Institutt for sosiologi og statsvitenskap NTNU
SOS3003 Anvendt statistisk dataanalyse i samfunnsvitenskap Forelesingsnotat, vår 2003 Erling Berge Institutt for sosiologi og statsvitenskap NTNU Vår 2004 Erling Berge 2004 1 Forelesing VII Logistisk regresjon
DetaljerSOS3003 Anvendt statistisk dataanalyse i samfunnsvitenskap Forelesingsnotat 08. Erling Berge Institutt for sosiologi og statsvitenskap NTNU
SOS3003 Anvendt statistisk dataanalyse i samfunnsvitenskap Forelesingsnotat 08 Erling Berge Institutt for sosiologi og statsvitenskap NTNU Erling Berge 2004 1 Manglande data Forelesing VIII Allison, Paul
DetaljerSOS3003 Anvendt statistisk dataanalyse i samfunnsvitenskap Forelesingsnotat 03. Erling Berge Institutt for sosiologi og statsvitenskap NTNU
SOS3003 Anvendt statistisk dataanalyse i samfunnsvitenskap Forelesingsnotat 03 Erling Berge Institutt for sosiologi og statsvitenskap NTNU Haust 2004 Erling Berge 2004 1 Forelesing III Multivariat regresjon
DetaljerSOS3003 Eksamensoppgåver
SOS33 Eksamensoppgåver Gjennomgang våren 24 Erling Berge Vår 24 Gjennomgang av Oppgåve 2 gitt hausten 2 Vår 24 2 Haust 2 OPPGÅVE 2I tabellvedlegget til oppgåve 2 er det estimert 6 modellar av eiga inntekt
DetaljerSOS 301 og SOS31/ SOS311 MULTIVARIAT ANALYSE
1 SOS 301 og SOS31/ SOS311 MULTIVARIAT ANALYSE Eksamensdag: 8 desember 1997 Eksamensstad: Dragvoll, paviljong C, rom 201 Tid til eksamen: 6 timar Vekt: 5 for SOS301 og 4 for SOS31/ SOS311 Talet på sider
DetaljerSOS3003 Eksamensoppgåver
SOS3003 Eksamensoppgåver Gjennomgang våren 2004 Erling Berge Gjennomgang av Oppgåve 1 gitt hausten 2003 Haust 2003 Oppgåve 1 Den avhengige variabelen i regresjonsanalysen er en skala (indeks) for tillit
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
DetaljerPENSUM SOS 3003. Mål for kurset. SOS3003 Anvendt statistisk dataanalyse i samfunnsvitenskap Oversikt over Forelesingsnotat, vår 2003
SOS33 Anvendt statistisk dataanalyse i samfunnsvitenskap Oversikt over Forelesingsnotat, vår 23 Erling Berge Institutt for sosiologi og statsvitskap NTNU Vår 24 Erling Berge 24 1 PENSUM SOS 33 Hamilton,
DetaljerSOS3003 Anvendt statistisk dataanalyse i samfunnsvitenskap Oversikt over Forelesing Erling Berge Institutt for sosiologi og statsvitskap NTNU
SOS3003 Anvendt statistisk dataanalyse i samfunnsvitenskap Oversikt over Forelesing 1-12 Erling Berge Institutt for sosiologi og statsvitskap NTNU Erling Berge 2004 1 PENSUM SOS 3003 Hamilton, Lawrence
DetaljerSOS3003 Anvendt statistisk dataanalyse i samfunnsvitenskap Forelesingsnotat, vår 2003. Erling Berge Institutt for sosiologi og statsvitenskap NTNU
SOS3003 Anvendt statistisk dataanalyse i samfunnsvitenskap Forelesingsnotat, vår 2003 Erling Berge Institutt for sosiologi og statsvitenskap NTNU Vår 2004 Erling Berge 2004 1 Forelesing IV Multivariat
DetaljerSOS3003 Eksamensoppgåver
SOS3003 Eksamensoppgåver Oppgåve 1 gitt våren 2003 Erling Berge Vår 2004 Erling Berge 1 OPPGAVE 1 Regresjonsanalyse (teller 50%) Euronet/Cranfield undersøkelsen fra 1999 gir interessant informasjon om
DetaljerSOS3003 Eksamensoppgåver
SOS3003 Eksamensoppgåver Gjennomgang våren 2004 Erling Berge Vår 2004 1 Gjennomgang av Oppgåve 3 gitt hausten 2001 Vår 2004 2 Haust 2001 Oppgåve 3 I tabellvedlegget til oppgåve 3 er det estimert 7 ulike
DetaljerSOS3003 Anvendt statistisk dataanalyse i samfunnsvitenskap Forelesingsnotat 02. Erling Berge Institutt for sosiologi og statsvitenskap NTNU
SOS3003 Anvendt statistisk dataanalyse i samfunnsvitenskap Forelesingsnotat 02 Erling Berge Institutt for sosiologi og statsvitenskap NTNU Haust 2004 Erling Berge 2004 1 Bivariat regresjon II Forelesing
DetaljerSOS3003 Eksamensoppgåver
SOS3003 Eksamensoppgåver Oppgåve 2 gitt våren 2003 Erling Berge Vår 2004 Erling Berge 1 OPPGAVE 2 Logistisk regresjon (teller 50%) Den avhengige variabelen i analysen er innvenn, som fanger opp om en har
DetaljerSOS3003 Anvendt statistisk dataanalyse i samfunnsvitenskap Forelesingsnotat, vår Erling Berge Institutt for sosiologi og statsvitenskap NTNU
SOS3003 Anvendt statistisk dataanalyse i samfunnsvitenskap Forelesingsnotat, vår 2003 Erling Berge Institutt for sosiologi og statsvitenskap NTNU Vår 2004 Erling Berge 2004 1 Bivariat regresjon II Forelesing
DetaljerSOS 31 MULTIVARIAT ANALYSE
1 SOS 31 MULTIVARIAT ANALYSE Eksamensdag: Onsdag 22. mai 1996 Eksamensstad: Nidarøhallen, Hall A Tid til eksamen: 6 timar Vekttal: 4 Talet på sider med nynorsk: 18 Sensurdato: 23 juni 1996 Hjelpemiddel
DetaljerFRAMLEGG TIL LØYSING AV EKSAMENOPPGÅVER I SOS301/ SOS311 8 DES 1997
1 EKSAMENSOPPGÅVER Haust 1997 FRAMLEGG TIL LØYSING Erling Berge Norges Teknisk Naturvitskapelege Universitet «Bruksanvisning» Når ein går igang med å løyse oppgåver må ein ha i minnet at oppgåvene ofte
DetaljerSOS3003 Anvendt statistisk dataanalyse i samfunnsvitenskap Forelesingsnotat 12. Erling Berge Institutt for sosiologi og statsvitenskap NTNU
SOS3003 Anvendt statistisk dataanalyse i samfunnsvitenskap Forelesingsnotat 1 Erling Berge Institutt for sosiologi og statsvitenskap NTNU Erling Berge 004 1 Forelesing XII Logistisk regreson III Hamilton
DetaljerLitt enkel matematikk for SOS3003. Om matematikk. Litt om kva vi treng. Erling Berge
Litt enkel matematikk for SOS3003 Erling Berge 31 Aug 2004 Erling Berge 1 Om matematikk Matematikk er ikkje vanskeleg Det er eit språk for logikken. Det er lett å lære å lese Litt vanskelegare å forstå
DetaljerKausalanalyse og seleksjonsproblem
ERLING BERGE SOS316 REGESJONSANALYSE Kausalanalyse og seleksjonsproblem Institutt for sosiologi og statsvitenskap, NTNU, Trondheim Erling Berge 2001 Litteratur Breen, Richard 1996 Regression Models. Censored,
DetaljerSOS3003 Anvendt statistisk dataanalyse i samfunnsvitenskap Forelesingsnotat, vår Erling Berge Institutt for sosiologi og statsvitenskap NTNU
SOS3003 Anvendt statistisk dataanalyse i samfunnsvitenskap Forelesingsnotat, vår 003 Erling Berge Institutt for sosiologi og statsvitenskap NTNU Vår 004 Erling Berge 004 1 Forelesing XI Logistisk regresjon
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?
DetaljerLitt enkel matematikk for SOS3003
Litt enkel matematikk for SOS3003 Erling Berge Fall 2009 Erling Berge 1 Om matematikk Matematikk er ikkje vanskeleg Det er eit språk for logikken. Det er lett å lære og å lese Det kan vere litt vanskelegare
DetaljerEKSAMENSOPPGAVE I IDRSA1004 Samfunnsvitenskapelig forskningsmetode og analyse
NTNU, TRONDHEIM Norges teknisk-naturvitenskapelige universitet Institutt for sosiologi og statsvitenskap EKSAMENSOPPGAVE I IDRSA1004 Samfunnsvitenskapelig forskningsmetode og analyse Faglig kontakt under
DetaljerEKSAMENSOPPGÅVER Sommar 1996 FRAMLEGG TIL LØYSING Erling Berge
1 EKSAMENSOPPGÅVER Sommar 1996 FRAMLEGG TIL LØYSING Erling Berge Norges Teknisk Naturvitskapelege Universitet «Bruksanvisning» Når ein går igang med å løyse oppgåver må ein ha i minnet at oppgåvene ofte
DetaljerSOS3003 Anvendt statistisk dataanalyse i samfunnsvitenskap Forelesingsnotat 04. Erling Berge Institutt for sosiologi og statsvitenskap NTNU
SOS3003 Anvendt statistisk dataanalyse i samfunnsvitenskap Forelesingsnotat 04 Erling Berge Institutt for sosiologi og statsvitenskap NTNU Erling Berge 2004 1 Forelesing IV Multivariat regresjon II Hamilton
Detaljer10.1 Enkel lineær regresjon Multippel regresjon
Inferens for regresjon 10.1 Enkel lineær regresjon 11.1-11.2 Multippel regresjon 2012 W.H. Freeman and Company Denne uken: Enkel lineær regresjon Litt repetisjon fra kapittel 2 Statistisk modell for enkel
DetaljerSOS1120 Kvantitativ metode. Regresjonsanalyse. Lineær sammenheng II. Lineær sammenheng I. Forelesningsnotater 11. forelesning høsten 2005
SOS1120 Kvantitativ metode Regresjonsanalyse Forelesningsnotater 11. forelesning høsten 2005 Per Arne Tufte Lineær sammenheng I Lineær sammenheng II Ukelønn i kroner 4000 3500 3000 2500 2000 1500 1000
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?
Detaljer1 + γ 2 X i + V i (2)
Seminaroppgave 8 8.1 I en studie av sammenhengen mellom gjennomsnittlig inntekt og utgifter til offentlig skoledrift for ulike amerikanske stater i 1979 estimeres modellen; Y i = β 0 + β 1 X i + β 2 Xi
DetaljerBYFE/EMFE 1000, 2012/2013. Numerikkoppgaver veke 14
BYFE/EMFE 1000, 2012/2013 Numerikkoppgaver veke 14 Løysingsforslag Oppgave 1 Samanlikning med analytisk løysing y = 3 2 x y, y(0) = 1. a) Dierensiallikninga er separabel: dy dx = 3 x y 2 dy = 3 x dx y
DetaljerSpråk og skrift som er brukt i SOS3003
Språk og skrift som er brukt i SOS3003 Erling Berge Erling Berge 2010 1 Ei typisk setning i regresjonsspråket: Y i = β 0 + β 1 x 1i + ε i, i=1,...,n Det vi må lære først er rett å slett å lese ei setning
DetaljerUNIVERSITETET I OSLO
UNIVERSITETET I OSLO Det matematisk-naturvitenskapelige fakultet Eksamen i: STK1110 Statistiske metoder og dataanalyse 1 Eksamensdag: Mandag 30. november 2015. Tid for eksamen: 14.30 18.00. Oppgavesettet
DetaljerLitt enkel matematikk for SOS3003
Litt enkel matematikk for SOS3003 Erling Berge 24 Aug 2004 Erling Berge 1 Om matematikk Matematikk er ikkje vanskeleg Det er eit språk for logikken. Det er lett å lære å lese Litt vanskelegare å forstå
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.
DetaljerInferens i regresjon
Strategi som er fulgt hittil: Inferens i regresjon Deskriptiv analyse og dataanalyse først. Analyse av en variabel før studie av samvariasjon. Emne for dette kapittel er inferens når det er en respons
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
DetaljerEksamensoppgåve i ST0103 Brukarkurs i statistikk
Institutt for matematiske fag Eksamensoppgåve i ST0103 Brukarkurs i statistikk Fagleg kontakt under eksamen: Jarle Tufto Tlf: 99 70 55 19 Eksamensdato: 3. desember 2016 Eksamenstid (frå til): 09:00-13:00
DetaljerForelesning 17 Logistisk regresjonsanalyse
Forelesning 17 Logistisk regresjonsanalyse Logistiske regresjons er den mest brukte regresjonsanalysen når den avhengige variabelen er todelt Metoden kan brukes til å: teste hypoteser om variablers effekt
DetaljerRegresjon med GeoGebra
Praksis og Teori Askim videregående skole 14.08.14 1 Lærplanmål 2 Punkter og Lister 3 Regresjon 4 Teori 5 Nytt verktøy Læreplanmål i 2P Modellering gjere målingar i praktiske forsøk og formulere matematiske
DetaljerLogistisk regresjon 1
Logistisk regresjon Hovedideen: Binær logistisk regresjon håndterer avhengige, dikotome variable Et hovedmål er å predikere sannsynligheter for å ha verdien på avhengig variabel for bestemte (sosiale)
DetaljerMOT310 Statistiske metoder 1, høsten 2006 Løsninger til regneøving nr. 8 (s. 1) Oppgaver fra boka:
MOT30 Statistiske metoder, høsten 2006 Løsninger til regneøving nr. 8 (s. ) Oppgaver fra boka: Oppgave.5 (.3:5) ) Først om tolking av datautskriften. Sammendrag gir følgende informasjon: Multippel R =R,
DetaljerMatematikk 1000, 2012/2013. Eksamensaktuelle numerikk-oppgåver
Matematikk 1, 1/13 Eksamensaktuelle numerikk-oppgåver Oppgåve 1 Skript-jeopardy a) Vi ser at skriptet inneheld ei for-løkke der variabelen n tar verdiane 1,,..., 1. For kvar gong blir n 3 lagt til variabelen
DetaljerMOT310 Statistiske metoder 1, høsten 2006 Løsninger til regneøving nr. 7 (s. 1) Oppgaver fra boka: n + (x 0 x) 2 σ2
MOT310 Statistiske metoder 1, høsten 2006 Løsninger til regneøving nr. 7 (s. 1) Oppgaver fra boka: Oppgave 11.27 (11.6:13) Modell: Y i = α + βx i + ε i der ε 1,..., ε n u.i.f. N(0, σ 2 ). Skal finne konfidensintervall
DetaljerKapittel 8: Tilfeldige utvalg, databeskrivelse og fordeling til observatorar, Kapittel 9: Estimering
Kapittel 8: Tilfeldige utvalg, databeskrivelse og fordeling til observatorar, Kapittel 9: Estimering TMA4245 Statistikk Kapittel 8.1-8.5. Kapittel 9.1-9.3+9.15 Turid.Follestad@math.ntnu.no p.1/21 Har sett
DetaljerUNIVERSITETET I OSLO
UNIVERSITETET I OSLO Det matematisk-naturvitenskapelige fakultet Eksamen i: STK1110 Statistiske metoder og dataanalyse 1. Eksamensdag: Tirsdag 11. desember 2012. Tid for eksamen: 14.30 18.30. Oppgavesettet
DetaljerErling Berge Institutt for sosiologi og statsvitenskap Norges Teknisk Naturvitskapelege Universitet
1 Erling Berge EKSAMENSOPPGÅVER SVSOS316 VÅR 2000 FRAMLEGG TIL LØYSING Erling Berge Institutt for sosiologi og statsvitenskap Norges Teknisk Naturvitskapelege Universitet «Bruksanvisning» Når ein går igang
DetaljerFRAMLEGG TIL LØYSING AV EKSAMENOPPGÅVER I SOS301/ SOS311 4 AUG 1997
1 EKSAMENSOPPGÅVER Sommar 1997 FRAMLEGG TIL LØYSING Erling Berge Norges Teknisk Naturvitskapelege Universitet «Bruksanvisning» Når ein går igang med å løyse oppgåver må ein ha i minnet at oppgåvene ofte
DetaljerGenerelle lineære modeller i praksis
Generelle lineære modeller Regresjonsmodeller med Forskjellige spesialtilfeller Uavhengige variabler Én binær variabel Analysen omtales som Toutvalgs t-test én responsvariabel: Y en eller flere uavhengige
DetaljerSOS3003 Anvendt statistisk dataanalyse i samfunnsvitenskap Forelesingsnotat 01. Erling Berge Institutt for sosiologi og statsvitenskap NTNU
SOS3003 Anvendt statistisk dataanalyse i samfunnsvitenskap Forelesingsnotat 01 Erling Berge Institutt for sosiologi og statsvitenskap NTNU Erling Berge 2004 1 PENSUM SOS 3003 Hamilton, Lawrence C. 1992
DetaljerLars Mørkrid NKK-MØTET
Lars Mørkrid 13314 NKK-MØTET 1 Nokre målevariable er sterkt korrelerte Ofte kan dette forklarast ut frå biokjemi naboar i reaksjonsvegar: guanidinoacetat kreatin H + - CO (ph pco ) småmolekylær komponent-bindingsprotein:
DetaljerEksamensoppgåve i Løsningsskisse TMA4245 Statistikk
Institutt for matematiske fag Eksamensoppgåve i Løsningsskisse TMA4245 Statistikk Fagleg kontakt under eksamen: Gunnar Taraldsen a, Torstein Fjeldstad b Tlf: a 464 32 506, b 962 09 710 Eksamensdato: 23
DetaljerEKSAMENSOPPGÅVER SVSOS316 HAUST 2001 FRAMLEGG TIL LØYSING
1 EKSAMENSOPPGÅVER SVSOS316 HAUST 2001 FRAMLEGG TIL LØYSING Institutt for sosiologi og statsvitskap Norges Teknisk Naturvitskapelege Universitet «Bruksanvisning» Når ein går i gang med å løyse oppgåver
DetaljerNTNU, TRONDHEIM Norges teknisk-naturvitenskapelige universitet Institutt for sosiologi og statsvitenskap
NTNU, TRONDHEIM Norges teknisk-naturvitenskapelige universitet Institutt for sosiologi og statsvitenskap EKSAMENSOPPGAVE IDRSA004 Faglig kontakt under eksamen: Arve Hjelseth (7359562) Eksamensdato: 0.2.08
DetaljerTMA4245 Statistikk Eksamen desember 2016
Norges teknisk-naturvitenskapelige universitet Institutt for matematiske fag TMA4245 Statistikk Eksamen desember 2016 Oppgave 1 Ei bedrift produserer elektriske komponentar. Komponentane kan ha to typar
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
DetaljerPENSUM SOS Forelesing I. SOS3003 Anvendt statistisk dataanalyse i samfunnsvitenskap Forelesingsnotat, vår 2003
SOS3003 Anvendt statistisk dataanalyse i samfunnsvitenskap Forelesingsnotat, vår 2003 Erling Berge Institutt for sosiologi og statsvitenskap NTNU Vår 2004 Erling Berge 2004 1 PENSUM SOS 3003 Hamilton,
DetaljerDespriptiv statistikk
Plan for dagen Kap 1: Deskriptiv statistikk, populasjon, utval Kap 2: Sannsynsteori Velje referansegruppe Kahoot Heimeside: https://wiki.math.ntnu.no/tma4240/2016h/start Despriptiv statistikk Deskriptiv
DetaljerS1 eksamen våren 2016 løysingsforslag
S1 eksamen våren 016 løysingsforslag Tid: timar Hjelpemiddel: Vanlege skrivesaker, linjal med centimetermål og vinkelmålar er tillate. Oppgåve 1 (4 poeng) Løys likningane a) x x 0 4 1 x 1 9 8 x 1 x x 1
DetaljerNTNU, TRONDHEIM Norges teknisk-naturvitenskapelige universitet Institutt for sosiologi og statsvitenskap
NTNU, TRONDHEIM Norges teknisk-naturvitenskapelige universitet Institutt for sosiologi og statsvitenskap EKSAMENSOPPGAVE SOS 00 ANVENDT STATISTISK DATAANALYSE I SAMFUNNSVITENSKAP Faglig kontakt under eksamen:
DetaljerNTNU, TRONDHEIM Norges teknisk-naturvitenskapelige universitet Institutt for sosiologi og statsvitenskap
NTNU, TRONDHEIM Norges teknisk-naturvitenskapelige universitet Institutt for sosiologi og statsvitenskap EKSAMENSOPPGAVE I SOS3003 Anvendt statistisk dataanalyse i samfunnsvitenskap Faglig kontakt under
DetaljerSpørsmål. 21 april Vår Krav til semesteroppgåva
Spørsmål 2 april 2004 Vår 2004 Krav til semesteroppgåva Spørsmål:. er det et krav om at vi skal ha en dummykodet variabel med i oppgaven? Svar: Det er eit krav at det skal vere med ein nominalskalavariabel
DetaljerLøysingsframlegg TFY4305 Ikkjelineær dynamikk Haust 2012
NTNU Fakultet for Naturvitskap og Teknologi Institutt for Fysikk Løysingsframlegg TFY4305 Ikkjelineær dynamikk Haust 01 Faglærar: Professor Jens O. Andersen Institutt for Fysikk, NTNU Telefon: 73593131
DetaljerPrøveeksamen STK vår 2017
Prøveeksamen STK2100 - vår 2017 Geir Storvik Vår 2017 Oppgave 1 Anta en lineær regresjonsmodell p Y i = β 0 + β j x ij + ε i, j=1 ε i uif N(0, σ 2 ) Vi kan skrive denne modellen på vektor/matrise-form:
DetaljerKapittel 6 - modell seleksjon og regularisering
Kapittel 6 - modell seleksjon og regularisering Geir Storvik 21. februar 2017 1/22 Lineær regresjon med mange forklaringsvariable Lineær modell: Y = β 0 + β 1 x 1 + + β p x p + ε Data: {(x 1, y 1 ),...,
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
DetaljerFRAMLEGG TIL LØYSING AV EKSAMENSOPPGÅVER I SOS311 / SOS MAI 1998
1 EKSAMENSOPPGÅVER Vår 1998 FRAMLEGG TIL LØYSING Erling Berge Norges Teknisk Naturvitskapelege Universitet «Bruksanvisning» Når ein går igang med å løyse oppgåver må ein ha i minnet at oppgåvene ofte er
DetaljerKort overblikk over kurset sålangt
Kort overblikk over kurset sålangt Kapittel 1: Deskriptiv statististikk for en variabel Kapittel 2: Deskriptiv statistikk for samvariasjon mellom to variable (regresjon) Kapittel 3: Metoder for å innhente
DetaljerSensorveiledning til eksamensoppgave i SOS3003 Anvendt statistisk dataanalyse i samfunnsvitenskap
Institutt for sosiologi og statsvitenskap Sensorveiledning til eksamensoppgave i SOS3003 Anvendt statistisk dataanalyse i samfunnsvitenskap Generell informasjon: I høstsemesteret 2014 ble det ikke gitt
DetaljerMedisinsk statistikk Del I høsten 2009:
Medisinsk statistikk Del I høsten 2009: Kontinuerlige sannsynlighetsfordelinger Pål Romundstad Beregning av sannsynlighet i en binomisk forsøksrekke generelt Sannsynligheten for at suksess intreffer X
DetaljerErling Berge Institutt for sosiologi og statsvitenskap Norges Teknisk Naturvitskapelege Universitet
1 EKSAMENSOPPGÅVER SVSOS316 Haust 1999 FRAMLEGG TIL LØYSING Institutt for sosiologi og statsvitenskap Norges Teknisk Naturvitskapelege Universitet «Bruksanvisning» Når ein går igang med å løyse oppgåver
DetaljerEksamensoppgave i TMA4255 Anvendt statistikk
Institutt for matematiske fag Eksamensoppgave i TMA4255 Anvendt statistikk Faglig kontakt under eksamen: Anna Marie Holand Tlf: 951 38 038 Eksamensdato: 3. juni 2016 Eksamenstid (fra til): 09:00-13:00
DetaljerNTNU, TRONDHEIM Norges teknisk-naturvitenskapelige universitet Institutt for sosiologi og statsvitenskap
NTNU, TRONDHEIM Norges teknisk-naturvitenskapelige universitet Institutt for sosiologi og statsvitenskap EKSAMENSOPPGAVE HØST 2010 I SOS1002 SAMFUNNSVITENSKAPELIG FORSKNINGSMETODE Faglig kontakt under
DetaljerMAT-INF 2360: Obligatorisk oppgave 3. Løsningsforslag
MAT-INF 2360: Obligatorisk oppgave 3. Løsningsforslag I kapittel 9 i kompendiet forklarte vi at maximum-likelihood er en av de viktige anvendelsene av ikke-lineær optimering. Vi skal se litt mer på hva
DetaljerLøsningsveiledning og kommentarer til obligatorisk semesteroppgave, Høst 2006, ECON 2915-Vekst og næringsstruktur
Løsningsveiledning og kommentarer til obligatorisk semesteroppgave, Høst 2006, ECON 2915-Vekst og næringsstruktur Dette er ment som en veiledning til oppgava, og er på ingen måte en mønsterbesvarelse.
DetaljerMatematikk 1000. Øvingsoppgaver i numerikk leksjon 11 Eulers metode. Løsningsforslag
Matematikk 1000 Øvingsoppgaver i numerikk leksjon 11 Eulers metode Løsningsforslag Oppgave 1 Samanlikning med analytisk løsning y = 3 2 x y, y(0) = 1. a) Kandidat til løsning: y = e x3/2. Vi deriverer
DetaljerHøgskolen i Oslo og Akershus. 1 (x 2 + 1) 1/2 + x 1 2 (x2 + 1) 1/2 (x 2 + 1) = x 2x 2 x = = 3 ln x sin x
Løysingsforslag til eksamen i matematikk, mai 4 Oppgåve a) i) ii) f(x) x x + x(x + ) / ( f (x) x (x + ) / + x (x + ) /) g(x) ln x sin x x (x + ) / + x (x + ) / (x + ) x + + x x x + x + + x x + x + x +
DetaljerTMA4245 Statistikk Eksamen august 2014
TMA4245 Statistikk Eksamen august 2014 Norges teknisk-naturvitenskapelige universitet Institutt for matematiske fag Oppgave 1 Ei bedrift produserer ein type medisin i pulverform Medisinen seljast på flasker
DetaljerLøysingsframlegg TFY4305 Ikkjelineær dynamikk Haust 2013
NTNU Fakultet for Naturvitskap og Teknologi Institutt for Fysikk Løysingsframlegg TFY4305 Ikkjelineær dynamikk Haust 013 Faglærar: Professor Jens O. Andersen Institutt for Fysikk, NTNU Telefon: 73593131
DetaljerFY1006/TFY Løysing øving 7 1 LØYSING ØVING 7
FY1006/TFY415 - Løysing øving 7 1 Løysing oppgåve 1 LØYSING ØVING 7 Numerisk løysing av den tidsuavhengige Schrödingerlikninga a) Alle ledda i (1) har sjølvsagt same dimensjon. Ved å dividere likninga
DetaljerAppendiks 5 Forutsetninger for lineær regresjonsanalyse
Appendiks 5 Forutsetninger for lineær regresjonsanalyse Det er flere krav til årsaksslutninger i regresjonsanalyse. En naturlig forutsetning er tidsrekkefølge og i andre rekke spiller variabeltype inn.
DetaljerOm eksamen. Never, never, never give up!
I dag I dag Rekning av eksamensoppgåver Eksamen Mai 2014, oppgåve 2 (inkl normal fordeling, lin.reg. og deskriptiv statistikk) Eksamen August 2012, oppgåve 3 a og b (inkl SME) Om eksamen (Truleg) 10 punkt.
DetaljerMOT310 Statistiske metoder 1, høsten 2011 Løsninger til regneøving nr. 7 (s. 1) Oppgaver fra boka: n + (x 0 x) 2 1. n + (x 0 x) 1 2 ) = 1 γ
MOT310 Statistiske metoder 1, høsten 2011 Løsninger til regneøving nr. 7 (s. 1) Oppgaver fra boka: Oppgave 11.25 (11.27, 11.6:13) Modell: Y i = α + βx i + ε i der ε 1,..., ε n u.i.f. N(0, σ 2 ). Skal nne
DetaljerEksamensoppgåve i TMA4255 Anvendt statistikk
Institutt for matematiske fag Eksamensoppgåve i TMA4255 Anvendt statistikk Fagleg kontakt under eksamen: Anna Marie Holand Tlf: 951 38 038 Eksamensdato: 30. mai 2014 Eksamenstid (frå til): 09:00-13:00
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
DetaljerSeksjon 1.3 Tetthetskurver og normalfordelingen
Seksjon 1.3 Tetthetskurver og normalfordelingen Har sett på ulike metoder for å plotte eller oppsummere data Vil nå starte på hvordan beskrive data ved modeller Hovedmetode er tetthetskurver Tetthetskurver
DetaljerThe comparative change design. Literature. Erling Berge POL3507 IMPLEMENTERING OG EVALUERING AV OFFENTLEG POLITIKK. Regression and quasi-experiments
Erling Berge POL3507 IMPLEMENTERING OG EVALUERING AV OFFENTLEG POLITIKK Regression and quasi-experiments Ref.: L. B. Mohr 1995 Chapter 7-9 Spring 2007 Erling Berge 2007 1 Literature Breen, Richard 1996
DetaljerWeibullfordelingen. Kjetil L. Nielsen. Innhold. 1 Teori. 1.1 Tetthetsfunksjon og fordelingsfunksjon
Weibullfordelingen Kjetil L. Nielsen Innhold Teori......................................... Tetthetsfunksjon og fordelingsfunksjon......................2 Parameterene i Weibullfordelingen.......................
DetaljerLYØSINGSFORSLAG Eksamen i MAT111 - Grunnkurs i matematikk I onsdag 18. mai 2011 kl. 09:00-14: i( 3 + 1) = i + i + 1
LYØSINGSFORSLAG Eksamen i MAT111 - Grunnkurs i matematikk I onsdag 18. mai 011 kl. 09:00-1:00 NYNORSK OPPGAVE 1 Gitt dei komplekse tala z = 3 + i, w = 1 + i a Rekn ut (skriv på forma a + bi (i z + 3w,
DetaljerBefolkningslære for planleggarar
Befolkningslære for planleggarar Erling Berge ILP, UMB http://www.erlingberge.no Innleiing Kommuneplanleggarar treng kunnskapar om folkemengda i ulike delar av kommunen og korleis den utviklar seg. T.d.
DetaljerEksamensoppgåve i TMA4240 Statistikk
Institutt for matematiske fag Eksamensoppgåve i TMA4240 Statistikk Fagleg kontakt under eksamen: Mette Langaas a, Ingelin Steinsland b, Geir-Arne Fuglstad c Tlf: a 988 47 649, b 926 63 096, c 452 70 806
DetaljerEmnenavn: Eksamenstid: Faglærer: Bjørnar Karlsen Kivedal
EKSAMEN Emnekode: SFB12016 Dato: 06.06.2019 Hjelpemidler: Godkjent kalkulator Emnenavn: Metodekurs II: Samfunnsvitenskapelig metode og anvendt statistikk Eksamenstid: 09.00-13.00 Faglærer: Bjørnar Karlsen
DetaljerBioberegninger - notat 4: Mer om sannsynlighetsmaksimering
Bioberegninger - notat 4: Mer om sannsynlighetsmaksimering 8. mars 2004 1 Kort om Newton s metode i flere dimensjoner Newton s metode kan generaliseres til å løse sett av n ligninger med n ukjente. Skal
Detaljer