FRAMLEGG TIL LØYSING AV EKSAMENSOPPGÅVER I SOS311 / SOS MAI 1998
|
|
- Siw Ødegaard
- 7 år siden
- Visninger:
Transkript
1 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 problematiske i høve til modellbygginga sitt krav om at modellen må vere fundert på den best tilgjengelege teorien. Mangelen på teoretisk fundament for oppgåvene kan forsvarast ut frå to perspektiv. Det avgjerande er rett og slett mangelen på tid og høvelege data for å lage eksamensoppgåver av den «realistiske» typen det er tale om her. Men tar ein for gitt at oppgåvene sjeldan kan seiast å vere teoretisk velfundert, gir jo dette studentane lettare gode poeng i arbeidet med å vurdere modellane kritisk ut frå spesifikasjonskravet. Når ein studerer framlegga til løysingar er det viktig å vere klar over at det som er presentert ikkje er nokon fasit. Dei fleste oppgåvene kan løysast på mange måtar. Dei tekniske sidene av oppgåvene er sjølvsagt eintydige. Men i dei mange vurderingane (som t.d. «Er denne residualen tilstrekkeleg nær normalfordelinga til at vi kan tru på testane?») er det nett vurderingane og argumentasjonen som er det sentrale. På eksamen er tida knapp. Svært få rekk i eksamenssituasjonen å gjere grundig arbeid på heile oppgåvesettet. I arbeidet med dette løysingsframlegget har det vore gjort meir arbeid enn det som ein ventar å finne til eksamen. Somme stader er det teke med meir detaljar i utrekningar og tilleggsstoff som kan vere relevant, men ikkje nødvendig. Men det er ikkje gjort like grundig alle stader. Det må takast atterhald om feil og lite gjennomtenkte vurderingar. Underteikna har like stor kapasitet til å gjere feil som andre. Kritisk lesning av studentar er den beste kvalitetskontroll ein kan ønskje seg. Den som finn feil eller som meiner andre vurderingar vil vere betre, er hermed oppfordra til å seie frå (t.d. på <Erling.Berge@sv.ntnu.no> ) Erling Berge 2000
2 2 Oppgåve 1(tel 10% i karakteren for alle) A) Forklår kva eit konfidensintervall er for noko. Når vi trekkjer mange utval frå same populasjonen vil estimat av samme parameteren variere frå utval til utval. Variasjonen i estimert parameterverdi i ulike utvala følgjer samplingfordelinga til parameteren og vil samle seg rundt den sanne verdien som parameteren har i populasjonen (forventa verdi av parameteren). Samplingfordelingar som er kjent og tabulert slik som t.d. normalfordelinga eller t-fordelinga, kan nyttast til å seie kor sikre vi er på at ein observert parameterverdi (dersom denne da er normalfordelt, eller t- fordelt) ligg «nært» verdien i populasjonen. Det er vanleg å lage eit intervall rundt den observerte parameteren slik at vi er 95% (eller 99%) sikre på at intervallet vil innehalde verdien i populasjonen. Eit 95% konfidensintervall for ein regresjonsparameter, b, vil såleis vere eit intervall (b ± t (SE b )) rundt b laga slik at vi i 95% av alle utval vil finne at intervallet dekkjer den sanne verdien i populasjonen. B) Forklår kva «eit spuriøst ledd» i ei dekomponering av ein korrelasjon er for noko. Ein korrelasjon (samvariasjon) mellom to variablar kan observerast dels fordi det finst kausale samband (direkte eller indirekte) mellom dei og dels fordi det finst andre typar samband som gir opphav til samvariasjon. I eit fullspesifisert hierarkisk kausalsystem vil vi kunne dekomponere korrelasjonar i ulike typar effektar: direkte og indirekte kausaleffektar, spuriøse effektar og felleseffektar. Dei spuriøse effektane finn vi der dei to variablane i korrelasjonen har felles bakanforliggande årsaker. Felleseffektar er spuriøse effektar med utgangspunkt i at korrelerte eksogene variablar med kausaleffekt på kvar sin av variablane i korrelasjonen også vil føre til samvariasjon.
3 3 Oppgåve 2 (tel 50% av karakteren for alle) I ein studie av skilnader mellom menn og kvinner i «sensualisme» nytta ein variabelen «Lever intenst» som indikator. Variabelen fortel kor einig ein person er i påstanden «Jeg ønsker å føle at kroppen min lever så intenst som mulig». I vedlagde tabellar er det estimert ein modell av korleis kjønn verkar inn på denne variabelen når det er kontrollert for alder, ekteskapeleg status, barn, utdanning, inntekt og interaksjonar mellom dei. Modell 2 og 3 er variantar av modell 1. A) Finn eit 95% konfidensintervall for effekten av kvinne i modell 1 når ein ikkje tar omsyn til interaksjonane. Finn den forventa skilnaden i predikert verdi på variabelen «Lever intenst» mellom menn og kvinner når dei er 30 år gamle, er ugifte og utan barn, har 12 års utdanning og 180 tusen kroner i inntekt. Finn kva for variabel som har minst toleranse og forklår kva dette tyder. Eit 95% konfidensintervall for effekten av «kvinne» i modell 1 finn vi ved <0,72427 ± 1,96*0,345626> <0, ,4017> Med andre ord: I modell 1 kan ikkje effekten av å vere kvinne fastsetjast meir presist enn at det med meir enn 95% sannsyn vil ligge mellom 0,04 og 1,41 haldningspoeng over tilsvarande menn sin haldningspoengskåre. Det skal så reknast ut skilnad i forventa predikert verdi for kvinner og menn som er 30 år gamle, er ugifte og utan barn, har 12 års utdanning og 180 tusen kroner i inntekt. Ugift kan anten vere «før gift» eller «aldri gift». Vi skal her rekne med aldri gift, men tal for «før gift» er også gitt. For kvinner finn vi «aldri gift» «før gift» 3,54663 = 3, , ,00374* Alder=30 +0, , ,72427* Kvinne=1 +0, , ,04131* E.utdanning=12-0, , ,00087* E.inntekt=180-0, , ,21281* Før gift=0 0 Før gift=1 +0, ,00985* Aldri gift=1-0,00985 Aldri gift=0 0-0,92539* Uoppgitt e. status= ,17831* Barn i husholde= ,04011* Kvinne*Før g.=1*0 0 Kvinne*Før g. =1*1-0, ,21534* Kvinne*Aldri g.=1*1 +0,21534 Kvinne*Aldri g.=1*0 0-0,89061* Kvinne*Uoppg.e.=1* ,00482* Kvinne*Alder=1*30-0, , ,05389* Kvinne*E.utd=1*12-0, , ,00197* Kvinne*E.innt=1*180-0, , ,00027* Kvinne*E.utd*E.inn=1*12*180 +0, ,58320 = 3,37359 =3,3408
4 4 For menn finn vi tilsvarande: MENN «aldri gift» «før gift» 3,54663 = 3, , ,00374* Alder=30 +0, , ,72427* Kvinne= ,04131* E.utdanning=12-0, , ,00087* E.inntekt=180-0, , ,21281* Før gift=0 0 Før gift=1 +0, ,00985* Aldri gift=1-0,00985 Aldri gift=0 0-0,92539* Uoppgitt e. status= ,17831* Barn i husholde= ,04011* Kvinne*Før g.=0*0 0 Kvinne*Før g.=0*1 0 +0,21534* Kvinne*Aldri g.=0*1 0 Kvinne*Aldri g.=0*0 0-0,89061* Kvinne*Uoppg.e.=0* ,00482* Kvinne*Alder=0* ,05389* Kvinne*E.utd=0* ,00197* Kvinne*E.innt=0* ,00027* Kvinne*E.utd*E.inn=0*12* = 2,99666 =3,21932 Skilnaden mellom kvinner og menn er på 0,37693 haldningspoeng for aldri gifte og 0,12148 haldningspoeng for før gifte. Sidan det er skilnaden mellom menn og kvinner kan vi imidertid rekne oss rett på skilnaden ved å sjå berre på dei ledda som inkluderer «kvinne», dei andre blir jo identiske for menn og kvinner: KVINNER «kvinne aldri gift» 3,54663 = +0,00374* Alder=30 +0,72427* Kvinne=1 +0, ,04131* E.utdanning=12-0,00087* E.inntekt=180 +0,21281* Før gift=0-0,00985* Aldri gift=1-0,92539* Uoppgitt e. status=0-0,17831* Barn i husholde=0-0,04011* Kvinne*Før g.=1*0 +0,21534* Kvinne*Aldri g.=1*1 +0, ,89061* Kvinne*Uoppg.e.=1*0-0,00482* Kvinne*Alder=1*30-0, ,05389* Kvinne*E.utd=1*12-0, ,00197* Kvinne*E.innt=1*180-0, ,00027* Kvinne*E.utd*E.inn=1*12*180 +0,58320 = 0,37693 Dersom vi vil ha «kvinne før gift» byter vi ut +0,21534 med koeffesienten for interaksjonen «Kvinne*Før g.», -0, VIF er forkorting for «variansinflasjonsfaktor» og er den inverse av toleransen. Variabelen «Kvinne» har ein toleranse (=1/VIF) på 0,012. Dette er den minste toleransen. Den tyder at 98,8% av variasjonen i variabelen «Kvinne» er felles med andre variablar. Dette fører til svært høg grad av
5 5 multikollinearitet (jfr Hamilton side 135). Estimatet av effekten av variabelen blir svært upresist (dvs. vi får eit uvanleg stort standardavvik, jfr konfidensintervallet ovanfor) B) Gjer greie for kva føresetnader som må leggast til grunn i ein slik studie for at vi skal kunne dra slutningar om parameterverdiane i populasjonen utvalet er trekt frå. Vurder modell 1 opp mot føresetnadene. Føresetnadene vert formulert i høve til ein modell. La Y = Lever intenst X 1 = Alder X 2 = Kvinne X 3 = E.utdanning X 4 = E.inntekt X 5 = Før gift X 6 = Aldri gift X 7 = Uoppgitt e. status X 8 = Barn i husholde X 9 = Kvinne*Før gift X 10 = Kvinne*Aldri g. X 11 = Kvinne*Uoppg.e. X 12 = Kvinne*Alder X 13 = Kvinne*E.utd X 14 = Kvinne*E.innt X 15 = Kvinne*E.utd*E.inn Vi kan da skrive Yi = β 0 + β 1 X i1 + β 2 X i2 + β 3 X i3 + β 4 X i4 + β 5 X i5 + β 6 X i6 + β 7 X i7 + β 8 X i8 + β 9 X i9 + β 10 X i10 + β 11 X i11 + β 12 X i12 + β 13 X i13 + β 14 X i14 + β 15 X i15 + ε i, der residualane, ε i, er uavhengige og identiske normalfordelte og indeksen i går over populasjonen. Modellestimata gir ein beskrivelse av utvalet. For å kunne dra valide konklusjonar om tilhøva i populasjonen, må følgjande føresetnader, vere rette: I. Modellen er korrekt, dvs.: alle relevante variablar er med ingen irrelevante er med modellen er lineær i parametrane II.Gauss-Markov krava for «Best Linear Unbiased Estimates» (BLUE), dvs.: Faste x-verdiar. Feilleddet har forventning 0 for alle i, dvs: E(εi )=0 for alle i. Feilleddet har konstant varians (homoskedastisitet) dvs: var(εi )=σ 2 for alle i. Feilledda er ukorrelerte med kvarandre (ikkje autokorrelasjon) dvs: cov(εi,εj ) = 0 for alle i j.
6 6 III. Normalfordelingskravet, dvs.: Feilleddet er normalfordelt, dvs: εi ~ N(0, σ 2 ) for alle i. Når desse føresetnadene er stetta vil OLS regresjonen gi oss dei estimata som har minst varians av alle forventningsrette estimat (BUE) og vi kan uttale oss med kjent grad av tryggleik om parameterverdiar i populasjonsmodellen. I vurderinga av modell 1 i høve til desse krava kan det reisast spørsmål om modellspesifikasjonen. Substansen i modellen lar eg ligge i denne omgang. Den låge determinasjonskoeffesienten tyder på at dei variablane som er med i modellen ikkje er særleg viktige i å forklåre variasjonar i svaret på spørsmålet. Potensielt kan det da vere minst ein viktig utelaten variabel, men ikkje nødvendigvis. Dei utelatne variablane kan vere ukorrelert med dei vi studerer. Dei er da ikkje relevante for denne modellen. På teknisk grunnlag kan det reisast innvendingar mot bruk av Kvinne i mange interaksjonsledd. Størst ser problemet ut til å vere i høve til alder. Testen av gruppa (Alder, Kvinne og Alder*Kvinne) viser at dei ikkje er signifikante samla. Sannynlegvis er interaksjonsleddet Kvinne*Alder irrelevant. Ein modell utan interaksjonsleddet burde vore estimert. For Gauss-Markov krava kan ein ikkje seie noko om dei to første punkta. Dei lar seg ikkje teste. I eit tilfeldig landsomfattande utval har vi ingen haldepunkt for å teste autokorrelasjon. Det einaste vi kan sjekke er i kva grad kravet om homoskedastisitet er oppfylt. I plottet av residualen mot predikert verdi finn vi dei karakteristiske linjene som svarar til verdiane på avhengig variabel. Med berre 5 ulike verdiar på variabelen vil vi få problem med heteroskedastisitet. Problema her ser ikkje ut til å skilje seg frå det vi kan vente. Plottet viser også 4-5 punkt som skil seg ut frå dei andre. Særleg bør vi legge merke til det punktet som har predikert verdi 1 og residual 0. I kvantil normal plottet over h(i) dukkar dette opp med verdi 1. Dette er eit case med maksimalt potensiale for innverknad (leverage), men sidan det blir liggjande på regresjonslinja får det ikkje nokon faktisk innverknad. Kvantil normal plottet over Cook s D(i) gir oss fire punkt som skil seg ut med verdiar omkring 0,03. Hamilton (s132) foreslår å vurdere case med verdiar av D(i) større enn 4/n=4/2617=0,0015, men med så pass stort utval som dette er det nok å vurdere innverknaden frå dei casa som skil seg ut med størst verdiar, slik som den gruppa vi ser her. I kvantil-normal plottet (normal probability plot) av residualen ser vi at den har noko tyngre halar enn normalfordelinga. Fordelinga kan kallast tilnærma
7 7 symmetrisk sjølv om den er ørlite negativt skeiv (medianen=0,0357 > gjennomsnittet=0). Avviket frå normalfordelinga er tydeleg, men er kanskje ikkje så stort at vi mister all tiltru til testane. Det mest problematiske i modellen ligg truleg i tilhøvet mellom modellspesifikasjonen og multikollinearitetsproblemet. Om ein fjernar dei 4-5 casa med høge verdiar på h(i) og Cook s D(i) kan det stundom også betre homoskedastisteten og normalfordelinga av residualen. C) Gjer greie for dei viktigaste skilnadene mellom modell 1 og 2. Drøft særleg konsekvensane av den endra modellspesifikasjonen i høve til føresetnadene. I modell 2 er det droppa eit interaksjonsledd mellom Kvinne, E.inntekt og E.utdanning. Dette har ført til at effekten av Kvinne har vorte mye mindre. Vi ser at toleransen har auka frå 0,012 til 0,028 (VIF har minka frå 84,28 til 35,80) og enno meir for resten av interaksjonsledda der Kvinne er med. Men signifikansnivået for Kvinne har vorte svært mye dårlegare, det samme har signifikansnivået for testen av den samla gruppa av Kvinne, Ekteskapeleg status variablane og interaksjonane mellom dei og for testen av gruppa Kvinne, Alder og Kvinne*Alder. Parameteren for Kvinne minka frå 0,72 til 0,28. Også for Kvinne*E.utdanning er endringa i effekt stor. For dei andre variablane er ikkje endringane store. Dei store endringane for Kvinne og Kvinne*E.utdanning saman med endringane i signifikansnivå kan tyde på at interaksjonsleddet Kvinne * E.inntekt * E.utdanning er substansielt viktig og skal vere med i ein rett spesifisert modell. D) Gjer greie for dei viktigaste skilnadene mellom modell 1 og 3. Kva er forklåringa på at «Uoppgitt e. status» i modell 3 er «nulla» (zeroed). I modell 3 er det utelate 5 case. Dette er rimelegvis dei 5 casa som har høgaste h(i) verdiar i modell 1 sidan dei 4 case med høgast Cook s D(i) også er mellom desse 5. Om vi ser bort frå variablane Uoppgitt e. status og Kvinne*Uoppg.e. har ikkje parameterverdiane endra seg noko særleg. Det ser heller ikkje ut til at fordelinga av residualen har endra seg. Medianan har nett samme verdi som før og kvantil-normal plottet har samme form. I kvantil-normal plottet av h(i) finn vi no ingen case med h(i)>0,2. Og i kvantil-normal plottet av Cook s D(i) er fordelinga omlag som ein kan vente det, sjølv om det er svært mange punkt som har verdi over 4/2612=0,0015.
8 8 Å utelate desse 5 case har i grunnen berre gitt eitt interessant resultat. Variabelen Uoppgitt e.status har vorte «nulla». Det vil seie at den har vorte utelaten frå analysen på grunn av at det er ein konstant. Dersom vi ser på siste tabellen under modell 1 ser vi at dei 5 casa som har høgast verdi på h(i) alle har verdien 4 på Uoppgitt e.status. I variabeldefinisjonane ser vi at det finst berre 5 personar som har uoppgitt ekteskapeleg status. Ved dummy-kodinga av denne variabelen vil det derfor vere 5 personar som får verdien 1 resten får verdien 0. Det er med andre ord dei 5 som har verdien 1 på variabelen Uoppgitt e.status som har vorte droppa i modell 3. Alle casa som er nytta til å estimere modell 3 har verdien 0 på variabelen Uoppgitt e.status. Variabelen er ein konstant og gir ikkje kunnskap om variasjonen i «Lever intenst». Dette får sjølvsagt også konsekvensar for interaksjonsleddet Kvinne*Uoppg.e.status som også vert ein konstant.
9 9 Oppgåve 3A og 3B (tel 20% av karakteren for alle) På samme materialet som i oppgåve 2 vart det estimert ein hierarkisk stimodell med variablane «Lever intenst», «Eiga inntekt», «Eiga utdanning», «Alder» og «Kvinne». Resultatet er presentert i stidiagrammet nedanfor. X 1 =Alder γ 11 = -0,33 Y 1 =Eiga utdanning γ 21 = 0,18 γ 31 = 0,07 β 31 = -0,14 β 21 = 0,37 Y 3 =Lever intenst γ 12 = -0,05 X 2 =Kvinne γ 32 = 0,07 γ 22 = -0,31 Y 2 =Eiga inntekt β 32 = -0,05 A) Finn ved hjelp av diagrammet kor store dei er dei spuriøse effektane i korrelasjonen mellom «Eiga utdanning» og «Eiga inntekt» Dei spuriøse effektane i korrelasjonen mellom Eiga utdanning og Eiga inntekt skuldast felles bakanforliggande variablar. Alder verkar direkte inn på både Eiga utdanning og Eiga inntekt, det samme gjer Kvinne. Dei spuriøse effektane frå desse to variablane vert γ 11 * γ 21 + γ 12 * γ 22 = (-0,3338)*0,1831+(-0,0479)*(-0,3138) = -0,0461
10 10 B) Dekomponer på enklaste måte korrelasjonen mellom «Eiga utdanning» og «Eiga inntekt». Vurder om det kan vere grunnlag for å ta med felleseffektar. Korrelasjonen mellom Eiga utdanning og Eiga inntekt er i følgje vedleggstabellane ρ(eiga innt, Eiga utd)=0,3173 Ein korrelasjon i ein fullspesifisert modell som dette kan dekomponerast i direkte og indirekte kausaleffektar pluss spuriøse effektar og eventuelle felleseffektar. Det vert ikkje residual. Mellom Eiga utdanning og Eiga inntekt er det ein direkte kausaleffekt på β 21 = 0,3677, der er ingen indirekte effektar og dei spuriøse effektane fann vi i oppgåve 3a var γ 11 * γ 21 + γ 12 * γ 22 = (-0,3338)*0,1831+(-0,0479)*(-0,3138) = -0,0461 Summen av kausale og spuriøse effektar blir da 0,3677-0,0461= 0,3216 Skilnaden mellom korrelasjonen og summen av kausale og spuriøse ledd blir lik felleseffektane frå korrelasjonen mellom Alder og Kvinne: Felleseffektar = 0,3173-0,3216= -0,0043. Denne summen er for liten til at det er bryet verdt å ta med felleseffektane. Den låge korrelasjonen mellom Alder og Kvinne på -0,0451 peikar i samme retning.
11 11 Oppgåve 3C og 3D (tel 20% av karakteren for SOS31/ SOS311) C) Formuler den modellen som er illustrert i diagrammet og spesifiser føresetnader som må gjerast i tillegg til vanlege OLS-føresetnader (jfr. oppgåve 2 B). Sett Y 3 = Lever intenst Y 2 = E.inntekt Y 3 = E.utdanning X 1 = Alder X 2 = Kvinne Då er den fullspesifiserte rekursive modellen definert ved Y 1 = + γ 12 X 2 + γ 11 X 1 + ζ 1, Y 2 = β 21 Y 1 + γ 22 X 2 + γ 21 X 1 + ζ 2 og Y 3 =β 32 Y 2 + β 31 Y 1 + γ 32 X 2 + γ 31 X 1 + ζ 3 der vi i tillegg til dei vanlege OLS-føresetnadene for kvar av likningane må gå ut frå at variablane er standardiserte z-skårar og at restledda ζ 1, ζ 2, og ζ 3 er ukorrelerte med kvarandre. D) Bruk Alwin-Hausers metode til å dekomponere framover variansen til «Lever intenst». Modellen for «Lever intenst» har ein forklårt varians på 4,3%. Variansen til variabelen vert dermed dekomponert i ein forklårt varians på 0,043 og ein uforklårt varians på 0,957. Ein dekomponerer vidare den forklårte variansen til «Lever intenst» framover ved å sjå på differansar i determinasjonskoeffesientane for dei reduserte likningane til modellen (jfr. Ringdal side 103): 1. Varians forklårt av eksogene variablar: R(X 1, X 2 ) = 0, Tillegg i varians frå Y 1 : R(Y 1, X 1, X 2 ) - R(X 1, X 2 ) = 0,042-0,021=0, Tillegg i varians frå Y 2 : R(Y 2, Y 1, X 1, X 2 ) - R(Y 1, X 1, X 2 ) = 0,043-0,042=0,002
12 12 Oppgåve 4 (tel 20% av karakteren for SOS301) A) Forklår kort korleis Logit regresjonsmodellen er bygd opp og formuler den modellen som er estimert i vedlegg til oppgåve 4. Dersom ein tar den naturlege logaritmen til ein odds får ein logiten. Oddsen er forholdstalet mellom sannsynet for ei hending og sannsynet for at hendinga ikkje skjer. La Y=1 dersom personen vi intervjuar meiner at eit kjøpsenter er viktig 1 for val av daglevareforretning, La Y=0 dersom personen ikkje meiner det er viktig. Da kan vi sette sannsynet for hendinga Y=1 lik P(Y=1) = P. Oddsen for at personen meiner kjøpsenter ikkje er viktig vert da skriven (Y=1)= P(Y=1)/{1-P(Y=1)} = P/(1-P) og logiten L = log e = log e {P/(1-P)}, dette tyder at = e L eller = exp{l} Logit regresjonsmodellen føreset at logiten er ein lineær funksjon av forklåringsvariablane X 1, X 2, X 3... X K-1, dvs. for kvar person vil den naturlege logaritmen til oddsen for at personen meiner kjøpsenter ikkje er viktig vere ein funksjon L i = β 0 + β 1 X i 1 + β 2 X i β K-1 X i, K-1, og sannsynet for at personen i skal meine kjøpsenter ikkje er viktig kan da skrivast P(Y=1 for person i) = 1/{1+ exp(-l i )} La Y vere definert slik som ovanfor og sett X 1 = Alder X 2 = Kvinne X 3 = E.inntekt X 4 = E.utdanning X 5 = Mors utdanning 1 Kommentar fra Erling Berge januar 2000: Ved ein feil er kodane for «Kjøpsenter viktig» og «Kjøpsenter ikkje viktig» bytt om. Modellane som er estimert må såleis tolkast ut frå at Y=1 tyder «Kjøpsenter ikkje viktig» og Y=0 «Kjøpsenter viktig».
13 13 Da kan modellen som er estimert i vedlegget til oppgåve 4 skrivast L i = β 0 + β 1 X i 1 + β 2 X i 2 + β 3 X i, 3 + β 4 X i, 4 + β 5 X i, 5 der vi føreset at 1. Modellen er rett spesifisert. Dette tyder at logiten er ein lineær funksjon av forklåringsvariablane alle relevante variablar er med ingen irrelevante variablar er med 2. Einingane som er observert er uavhengige 3. Forklaringsvariablane er utan målefeil B) Forklår korleis effekten av Kvinne kan tolkast. Finn eit 95% konfidendsintervall for effekten. Finn eit uttrykk for sannsynet for at ein 30 år gammal mann med 180 tusen kroner i inntekt, 17 års utdanning, og ei mor med 12 års utdanning skal gi uttrykk for at kjøpesenter (ikkje) er viktig i valet av daglegvareforretning. Effekten av variabelen Kvinne, b 2 = -0, , kan tolkast på fleire måtar. Koeffesienten viser først at logiten (dvs. logaritmen til oddsen) for ei kvinne er ca -0,35 mindre enn logiten for ein mann på samme alder, med samme utdanning og inntekt når mødrene har samme utdanning. Forteiknet fortel at sannsynet for at ei kvinne skal meine kjøpsenter ikkje er viktig er mindre enn for ein tilsvarande mann. Vi kan og finne kor mye oddsen blir endra om vi får vite om ein person er mann eller kvinne (dvs raten mellom oddsen for kvinner og oddsen for menn). Oddsen for at personen meiner kjøpsenter ikkje er viktig: (Y=1 for person i) = P i /(1-P i ) = exp(l i ) = exp(b 0 + b 1 X i 1 + b 2 X i 2 + b 3 X i, 3 + b 4 X i, 4 + b 5 X i, ) = exp(b 0 + b 1 X i 1 + b 3 X i, 3 + b 4 X i, 4 + b 5 X i, ) * exp(b 2 X i 2 ) For ei kvinne blir dette (Y=1 gitt i er kvinne) = exp(b 0 + b 1 X i 1 + b 3 X i, 3 + b 4 X i, 4 + b 5 X i, ) * exp(-0, *1) = exp(b 0 + b 1 X i 1 + b 3 X i, 3 + b 4 X i, 4 + b 5 X i, ) *0,7045 For ein mann blir det (Y=1 gitt i er mann) = exp(b 0 + b 1 X i 1 + b 3 X i, 3 + b 4 X i, 4 + b 5 X i, ) * exp(-0, *0)
14 14 = exp(b 0 + b 1 X i 1 + b 3 X i, 3 + b 4 X i, 4 + b 5 X i, ) *1 Effekten av å vere kvinne gjer altså oddsen for å meine at kjøpsenter ikkje er viktig ca 30% (29,55%) mindre enn oddsen for at ein tilsvarande menn skal meine det samme. Vi ser at odds raten mellom kvinner og menn Ω = (Y=1 gitt i er kvinne) / (Y=1 gitt i er mann) = exp(-0, ) = 0,7045 For å seie noko om oddsen eller sannsynet må vi imidlertid spesifisere verdiar på alle variablane. Den lineære effekten i logiten gir ein ikkje-lineær effekt i sannsynet der alle effektar er interaksjonseffektar. For å finne eit konfidensintervall for effekten av Kvinne gjer vi bruk av at b k / SE b k er tilnærma t-fordelt med n-k fridomsgrader. 95% fraktilen i t- fordelinga med uendeleg mange fridomsgrader er 1,96 X 2 = Kvinne b 2 = -0, SE b 2 = 0, Eit 95% konfidensintervall for effekten i populasjonen blir da <b 2 ± 1,96* SE b 2 > < -0, ± 1,96* 0, > < -0, ± 0, > <-0, til -0,100143> Oddsen for at ein 30 år gammal mann, med 180 tusen kroner i inntekt, 17 års utdanning og ei mor med 12 års utdanning skal gi uttrykk for at kjøpesenter ikkje er viktig i valet av daglegvareforretning er (Y=1) = P i /(1-P i ) = exp(l i ) =exp(b 0 + b 1 X i 1 + b 2 X i 2 + b 3 X i, 3 + b 4 X i, 4 + b 5 X i, ) =exp(0, , x i 1-0, X i 2-0, X i, 3 +0, X i, 4 +0, X i, 5 ) =exp(0, , *30-0, *0-0, *180 +0, *17 +0, *12) =exp(0, , *30-0, *180 +0, *17 +0, *12) =exp(2,97034) = 19,4986 Sannsynet for at ein 30 år gammal mann, med 180 tusen kroner i inntekt, 17 års utdanning og ei mor med 12 års utdanning skal gi uttrykk for at kjøpesenter ikkje er viktig i valet av daglegvareforretning er da P(Y=1) = 1/{1+ exp(-l i )} = 1/{1+ exp(-2,97034 )} = 0, Eit uttrykk for sannsynet vil vere P(Y=1) = 1/{1+ exp(-l i )} =1/{1+exp(-0,96 +0,009*30 +0,0025*180-0,111*17-0,07*12)} (= 0,951061)
FRAMLEGG 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 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 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
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 2 gitt hausten 2003 Haust 2003 Oppgåve 2 Den avhengige variabelen i den logistiske regresjonsanalysen er freegl, som
DetaljerEKSAMENSOPPGÅVER Vår 1997 FRAMLEGG TIL LØYSING Erling Berge
1 EKSAMENSOPPGÅVER Vår 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 er
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
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
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 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
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
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 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
DetaljerNORGES TEKNISK NATURVITSKAPELEGE UNIVERSITET Institutt for sosiologi og statsvitenskap FRAMLEGG TIL LØYSING AV EKSAMENOPPGÅVER I SOS31 9 DES 1996
1 EKSAMENSOPPGÅVER Haust 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, 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
DetaljerEKSAMENSOPPGÅVER Haust 1995 FRAMLEGG TIL LØYSING Erling Berge
1 EKSAMENSOPPGÅVER Haust 1995 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 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
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
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
DetaljerSOS 301 og SOS31/ SOS311 MULTIVARIAT ANALYSE
1 SOS 301 og SOS31/ SOS311 MULTIVARIAT ANALYSE Eksamensdag: 22 mai 1998 Eksamensstad: Dragvoll, Aud. 3 Låven og Aud VIII+IX Tid til eksamen: 6 timar Vekt: 5 for SOS301 og 4 for SOS31/ SOS311 Talet på sider
DetaljerEKSAMEN I TMA4245 STATISTIKK Tysdag 21. mai 2013 Tid: 09:00 13:00 (Korrigert )
Noregs teknisk naturvitskaplege universitet Institutt for matematiske fag Side 1 av 5 Nynorsk Fagleg kontakt under eksamen: Håkon Tjelmeland 73593538/48221896 Ola Diserud 93218823 EKSAMEN I TMA4245 STATISTIKK
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 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
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
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 2003 Erling Berge Institutt for sosiologi og statsvitenskap NTNU Vår 2004 Erling Berge 2004 1 Forelesing III Multivariat
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.
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
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
DetaljerI enkel lineær regresjon beskrev linja. μ y = β 0 + β 1 x
Multiple regresjon Her utvider vi perspektivet for enkel lineær regresjon til også å omfatte flere forklaringsvariable.det er fortsatt en responsvariabel. Måten dette gjøre på er nokså naturlig. Prediktoren
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
DetaljerEKSAMEN I FAG TMA4240/TMA4245 STATISTIKK Lørdag 10. august 2013
Norges teknisk naturvitenskapelige universitet Institutt for matematiske fag Side 1 av 5 Fagleg kontakt under eksamen: John Tyssedal 41 64 53 76 EKSAMEN I FAG TMA4240/TMA4245 STATISTIKK Lørdag 10. august
DetaljerEKSAMENSOPPGÅVER SVSOS316 HAUST 2000 FRAMLEGG TIL LØYSING
EKSAMENSOPPGÅVER SVSOS316 HAUST 2000 FRAMLEGG TIL LØYSING 1 Institutt for sosiologi og statsvitenskap Norges Teknisk Naturvitskapelege Universitet «Bruksanvisning» Når ein går igang med å løyse oppgåver
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
DetaljerOppgave 1. X 1 B(n 1, p 1 ) X 2. Vi er interessert i forskjellen i andeler p 1 p 2, som vi estimerer med. p 1 p 2 = X 1. n 1 n 2.
Løsningsforslag til eksamen i MOT310 STATISTISKE METODER 1 VARIGHET: 4 TIMER DATO: 17 november 2008 TILLATTE HJELPEMIDLER: Kalkulator: HP30S, Casio FX82 eller TI-30 Tabeller og formler i statistikk Tapir
DetaljerEKSAMENSOPPGAVE STA-1001.
Fakultet for naturvitenskap og teknologi EKSAMENSOPPGAVE Eksamen i: STA-1001. Dato: Mandag 28. mai 2018. Klokkeslett: 09-13. Sted: Tillatte hjelpemidler: Administrasjonsbygget B154/AUDMAX. «Tabeller og
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
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 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
DetaljerTMA4240 Statistikk Eksamen desember 2015
Norges teknisk-naturvitenskapelige universitet Institutt for matematiske fag TMA4240 Statistikk Eksamen desember 15 Oppgave 1 La den kontinuerlege stokastiske variabelen X ha fordelingsfunksjon (sannsynstettleik
DetaljerSOS 31 MULTIVARIAT ANALYSE
1 SOS 31 MULTIVARIAT ANALYSE Eksamensdag: Tysdag 28 november 1995 Eksamensstad: Dragvoll, paviljong C, rom 102 Tid til eksamen: 6 timar Vekttal: 4 Talet på sider med nynorsk: 7 Sensurdato: 20 desember
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
DetaljerSensorveiledning: skoleeksamen i SOS Kvantitativ metode
Sensorveiledning: skoleeksamen i SOS1120 - Kvantitativ metode Tirsdag 30. mai 2016 (4 timer) Poenggivning og karakter I del 1 gis det ett poeng for hvert riktige svar. Ubesvart eller feil svar gis 0 poeng.
DetaljerSOS 31 MULTIVARIAT ANALYSE
1 SOS 31 MULTIVARIAT ANALYSE Eksamensdag: 9. desember 1996 Eksamensstad: Dragvoll Auditorium VIII og IX Tid til eksamen: 6 timar Vekttal: 4 Talet på sider med nynorsk: 33 Dato for sensur: 20 desember 1996
DetaljerSTV1020 våren 2018 oppgave 31. Se nederst i dokumentet for nynorsk versjon.
STV1020 våren 2018 oppgave 31. Se nederst i dokumentet for nynorsk versjon. DEL 2 (70 av 100 poeng): Du skal svare på alle oppgavene. Tallene i parentes viser maksimalt antall poeng per oppgave. Du skal
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
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
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
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
DetaljerKapittel 10: Hypotesetesting
Kapittel 10: Hypotesetesting TMA445 Statistikk 10.1, 10., 10.3: Introduksjon, 10.5, 10.6, 10.7: Test for µ i normalfordeling, 10.4: p-verdi Turid.Follestad@math.ntnu.no p.1/19 Estimering og hypotesetesting
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
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
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
DetaljerHØGSKOLEN I STAVANGER
EKSAMEN I: MOT0 STATISTISKE METODER VARIGHET: TIMER DATO:. NOVEMBER 00 TILLATTE HJELPEMIDLER: KALKULATOR, TABELLER OG FORMLER I STATISTIKK (TAPIR FORLAG) OPPGAVESETTET BESTÅR AV OPPGAVER PÅ 7 SIDER HØGSKOLEN
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
DetaljerS1-eksamen hausten 2017
S1-eksamen hausten 017 Tid: timar Hjelpemiddel: Vanlege skrivesaker, linjal med centimetermål og vinkelmålar er tillatne. Oppgåve 1 (6 poeng) Løys likningane a) x x 80, a 1, b, c 8 b b 4ac 4 1 ( 8) 4 6
DetaljerSkoleeksamen i SOS Kvantitativ metode
Skoleeksamen i SOS1120 - Kvantitativ metode Hjelpemidler Ordbok Alle typer kalkulatorer Tirsdag 30. mai 2017 (4 timer) Lærerbok (det er mulig mulig å ha med en annen, tilsvarende pensumbok, som erstatning
DetaljerEksamensoppgåve i TMA4245 Statistikk
Institutt for matematiske fag Eksamensoppgåve i TMA4245 Statistikk Fagleg kontakt under eksamen: Håkon Tjelmeland Tlf: 48 22 18 96 Eksamensdato:??. august 2014 Eksamenstid (frå til): 09:00 13:00 Hjelpemiddelkode/Tillatne
DetaljerOPPGAVESETTET BESTÅR AV 3 OPPGAVER PÅ 6 SIDER MERKNADER: Alle deloppgaver vektlegges likt.
EKSAMEN I: MOT310 STATISTISKE METODER 1 VARIGHET: 4 TIMER DATO: 08. mai 2008 TILLATTE HJELPEMIDLER: Kalkulator: HP30S, Casio FX82 eller TI-30 Tabeller og formler i statistikk (Tapir forlag) OPPGAVESETTET
DetaljerEksamensoppgåve i ST1201/ST6201 Statistiske metoder
Institutt for matematiske fag Eksamensoppgåve i ST1201/ST6201 Statistiske metoder Fagleg kontakt under eksamen: Nikolai Ushakov Tlf: 45128897 Eksamensdato: 04. desember 2015 Eksamenstid (frå til): 09:00
DetaljerLøsningsforslag eksamen 25. november 2003
MOT310 Statistiske metoder 1 Løsningsforslag eksamen 25. november 2003 Oppgave 1 a) Vi har µ D = µ X µ Y. Sangere bruker generelt trapesius-muskelen mindre etter biofeedback dersom forventet bruk av trapesius
DetaljerOppgave 1. T = 9 Hypotesetest for å teste om kolesterolnivået har endret seg etter dietten: T observert = 2.16 0
Løsningsforslag til eksamen i MOT310 STATISTISKE METODER 1 VARIGHET: 4 TIMER DATO: 08. mai 2008 TILLATTE HJELPEMIDLER: Kalkulator: HP30S, Casio FX82 eller TI-30 Tabeller og formler i statistikk (Tapir
DetaljerTMA4245 Statistikk Eksamen desember 2016
Norges teknisk-naturvitenskapelige universitet Institutt for matematiske fag TMA4245 Statistikk Eksamen desember 2016 Oppgave 1 En bedrift produserer elektriske komponenter. Komponentene kan ha to typer
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.
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
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
DetaljerTMA4240 Statistikk 2014
TMA4240 Statistikk 2014 Norges teknisk-naturvitenskapelige universitet Institutt for matematiske fag Øving nummer 12, blokk II Oppgave 1 På ein av vegane inn til Trondheim er UP interessert i å måle effekten
DetaljerEksamensoppgåve i ST0103 Brukarkurs i statistikk
Institutt for matematiske fag Eksamensoppgåve i ST0103 Brukarkurs i statistikk Fagleg kontakt under eksamen: Nikolai Ushakov Tlf: 45128897 Eksamensdato: August 2018 Eksamenstid (frå til): 09:00 13:00 Hjelpemiddelkode/Tillatne
DetaljerOm eksamen. Never, never, never give up!
Plan vidare Onsdag Gjere ferdig kap 11 + repetisjon Fredag Rekning av eksamensoppgåver Eksamen Mai 2014, oppgåve 2 (inkl normal fordeling, lin.reg. og deskriptiv statistikk) Eksamen August 2012, oppgåve
DetaljerHØGSKOLEN I STAVANGER
EKSAMEN I: MOT310 STATISTISKE METODER VARIGHET: 4 TIMER DATO: 27. FEBRUAR 2004 TILLATTE HJELPEMIDLER: KALKULATOR, TABELLER OG FORMLER I STATISTIKK (TAPIR FORLAG) OPPGAVESETTET BESTÅR AV 3 OPPGAVER PÅ 5
DetaljerNTNU Norges teknisk-naturvitenskapelige universitet Institutt for sosiologi og statsvitenskap
NTNU Norges teknisk-naturvitenskapelige universitet Institutt for sosiologi og statsvitenskap EKSAMENSOPPGAVE I SOS100 SAMFUNNSVITENSKAPELIG FORSKNINGSMETODE Eksamensdato: 31. mai 007 Eksamenstid: 5 timer
DetaljerOppgave 1. Det oppgis at dersom y ij er observasjon nummer j fra laboratorium i så er SSA = (y ij ȳ i ) 2 = 3.6080.
EKSAMEN I: MOT310 STATISTISKE METODER 1 VARIGHET: 4 TIMER DATO: 28. FEBRUAR 2005 TILLATTE HJELPEMIDLER: KALKULATOR, TABELLER OG FORMLER I STATISTIKK (TAPIR FORLAG) OPPGAVESETTET BESTÅR AV 4 OPPGAVER PÅ
Detaljerår i 1 2 3 4 5 6 7 8 9 alder x i 37 38 39 40 41 42 43 44 45 tid y i 45.54 41.38 42.50 38.80 41.26 37.20 38.19 38.05 37.45 i=1 (x i x) 2 = 60, 9
TMA424 Statistikk Vår 214 Norges teknisk-naturvitenskapelige universitet Institutt for matematiske fag Øving nummer 11, blokk II Oppgave 1 Matlabkoden linearreg.m, tilgjengelig fra emnets hjemmeside, utfører
DetaljerUNIVERSITETET I OSLO
Deleksamen i: UNIVERSITETET I OSLO Det matematisk-naturvitenskapelige fakultet STK1000 Innføring i anvendt statistikk. Eksamensdag: Onsdag 13. oktober 2010. Tid for eksamen: 15:00 17:00. Oppgavesettet
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
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
DetaljerEKSAMENSOPPGAVE. «Tabeller og formler i statistikk» av Kvaløy og Tjelmeland. To A4-ark/ 4 sider med egne notater. Godkjent kalkulator.
Fakultet for naturvitenskap og teknologi EKSAMENSOPPGAVE Eksamen i: STA-1001. Dato: Mandag 9. mai 017. Klokkeslett: 09 13. Sted: Åsgårdvegen 9. Tillatte hjelpemidler: «Tabeller og formler i statistikk»
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
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
DetaljerEKSAMENSOPPGÅVER SVSOS3003 Vår 2004 FRAMLEGG TIL LØYSING
1 EKSAMENSOPPGÅVER SVSOS3003 Vår 2004 FRAMLEGG TIL LØYSING Erling Berge Institutt for sosiologi og statsvitskap Norges Teknisk Naturvitskapelege Universitet «Bruksanvisning» Når ein går i gang med å løyse
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
DetaljerSENSORVEILEDNING FOR DEN KVANTITATIVE DELEN AV EKSAMENSOPPGAVEN I SOS1002 VÅREN 2007
SENSORVEILEDNING FOR DEN KVANTITATIVE DELEN AV EKSAMENSOPPGAVEN I SOS1002 VÅREN 2007 Oppgave 1 Nedenfor ser du en forenklet tabell basert på informasjon fra den norske delen av European Social Survey 2004.
DetaljerTMA4240 Statistikk Høst 2009
TMA4240 Statistikk Høst 2009 Norges teknisk-naturvitenskapelige universitet Institutt for matematiske fag Øving nummer b6 Oppgave 1 Oppgave 11.5 fra læreboka. Oppgave 2 Oppgave 11.21 fra læreboka. Oppgave
DetaljerSENSORVEILEDNING FOR DEN KVANTITATIVE DELEN AV EKSAMENSOPPGAVEN I SOS1002 HØSTEN 2006
SENSORVEILEDNING FOR DEN KVANTITATIVE DELEN AV EKSAMENSOPPGAVEN I SOS1002 HØSTEN 2006 Oppgave 1 Nedenfor ser du en forenklet tabell basert på informasjon fra den norske delen av European Social Survey
DetaljerÅ løyse kvadratiske likningar
Å løyse kvadratiske likningar Me vil no sjå på korleis me kan løyse kvadratiske likningar, og me tek utgangspunkt i ei geometrisk tolking der det kvadrerte leddet i likninga blir tolka geometrisk som eit
DetaljerEKSAMEN I EMNE TMA4245 STATISTIKK
Noregs teknisk naturvitskaplege universitet Institutt for matematiske fag Side 1 av 5 Nynorsk Fagleg kontakt under eksamen: John Tyssedal 73 59 35 34/ 41 64 53 76 Jo Eidsvik 73 59 01 53/ 90 12 74 72 EKSAMEN
DetaljerFasit for tilleggsoppgaver
Fasit for tilleggsoppgaver Uke 5 Oppgave: Gitt en rekke med observasjoner x i (i = 1,, 3,, n), definerer vi variansen til x i som gjennomsnittlig kvadratavvik fra gjennomsnittet, m.a.o. Var(x i ) = (x
DetaljerLøsningsforslag ECON 2130 Obligatorisk semesteroppgave 2017 vår
Løsningsforslag ECON 130 Obligatorisk semesteroppgave 017 vår Andreas Myhre Oppgave 1 1. (i) Siden X og Z er uavhengige, vil den simultane fordelingen mellom X og Z kunne skrives som: f(x, z) = P(X = x
DetaljerMASTER I IDRETTSVITENSKAP 2014/2016. Individuell skriftlig eksamen. STA 400- Statistikk. Fredag 13. mars 2015 kl. 10.00-12.00
MASTER I IDRETTSVITENSKAP 2014/2016 Individuell skriftlig eksamen i STA 400- Statistikk Fredag 13. mars 2015 kl. 10.00-12.00 Hjelpemidler: kalkulator Eksamensoppgaven består av 10 sider inkludert forsiden
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 Høst 2005 Anvendt statistisk dataanalyse i samfunnsvitenskap Faglig kontakt
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
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
DetaljerFramflyt. Modellverktøy for flytteprognosar
Framflyt Modellverktøy for flytteprognosar Disposisjon Del 1: Generelt om Framflyt bakgrunn, logikk, oversyn Del 2: Rettleiing i bruk av Framflyt Problem i fjor Ved målstyring etter nettoflytting kan PANDA
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
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
DetaljerMultippel regresjon. Her utvider vi perspektivet for enkel lineær regresjon til også å omfatte flere forklaringsvariable x 1, x 2,, x p.
Multippel regresjon Her utvider vi perspektivet for enkel lineær regresjon til også å omfatte flere forklaringsvariable x 1, x 2,, x p. Det er fortsatt en responsvariabel y. Måten dette gjøre på er nokså
DetaljerEKSAMEN I TMA4255 ANVENDT STATISTIKK
Noregs teknisk naturvitskaplege universitet Institutt for matematiske fag Side 1 av 7 Fagleg kontakt under eksamen: Mette Langaas (988 47 649) NYNORSK EKSAMEN I TMA4255 ANVENDT STATISTIKK Fredag 25. mai
DetaljerHØGSKOLEN I STAVANGER
EKSAMEN I: MOT310 STATISTISKE METODER 1 VARIGHET: 4 TIMER DATO: 25. NOVEMBER 2003 TILLATTE HJELPEMIDLER: KALKULATOR, TABELLER OG FORMLER I STATISTIKK (TAPIR FORLAG) OPPGAVESETTET BESTÅR AV 3 OPPGAVER PÅ
DetaljerNTNU Norges teknisk-naturvitenskapelige universitet Institutt for sosiologi og statsvitenskap
NTNU Norges teknisk-naturvitenskapelige universitet Institutt for sosiologi og statsvitenskap EKSAMENSOPPGAVE I SOS1002 SAMFUNNSVITENSKAPELIG FORSKNINGSMETODE Eksamensdato: 26. mai 2011 Eksamenstid: 5
Detaljer