Checking Assumptions
|
|
- Cecilie Solberg
- 5 år siden
- Visninger:
Transkript
1 Checking Assumptions Merlise Clyde STA721 Linear Models Duke University November 20, 2017
2 Linear Model Linear Model: Y = µ + ɛ Assumptions: µ C(X) µ = Xβ ɛ N(0 n, σ 2 I n ) Focus on Wrong mean for a case or cases Wrong distribution for ɛ Cases that influence the mean If µ i x T i β then expected value of e i = Y i Ŷ i is not zero;
3 Standardized residuals standardized residuals r i = e i / σ 2 (1 h ii ) Under correct model have mean 0 and scale 1 Use estimate of σ 2 The distribution of r i is not a t if h ii (leverage) is close to 1, then Ŷ i is close to Y i so e i is approximately 0 Variance is also almost 0, so standardize value may not flag outliers
4 Predicted Residuals Estimates without Case (i): Predicted residual with variance ˆβ (i) = (X T (i) X (i)) 1 X T (i) Y (i) = ˆβ (XT X) 1 x i e i 1 h ii e (i) = y i x T i e i ˆβ (i) = 1 h ii σ2 var(e (i) ) = 1 h ii Standardized predicted residual is e (i) var(e (i) ) = e i/(1 h ii ) σ/ 1 h ii = e i σ 1 h ii these are the same as standardized residual!
5 External estimate of σ 2 Estimate ˆσ 2 (i) using data with case i deleted SSE (i) = SSE e2 i 1 h ii ˆσ (i) 2 = MSE SSE (i) (i) = n p 1 Externally Standardized residuals t i = e (i) ˆσ 2 (i) /(1 h ii) ˆβ (i) = y i x T i ˆσ (i) 2 /(1 h ii) ( ) n p 1 1/2 = r i n p ri 2 May still miss extreme points with high leverage, but will pick up unusual y i s
6 Distribution of Externally Studentized Residual t i = e (i) ˆσ 2 (i) /(1 h ii) ˆβ (i) = y i x T i St(n p 1) ˆσ (i) 2 /(1 h ii)
7 Outlier Test H 0 : µ i = x T i β versus H a : µ i = x T i β + α i Show that t-test for testing H 0 : α i = 0 is equal to t i if p-value is small declare the ith case to be an outlier: E[Y i ] not given by Xβ but Xβ + δ i α i Can extend to include multiple δ i and δ j to test that case i and j are both outliers Extreme case µ = Xβ + I n α all points have their own mean! Control for multiple testing
8 Multiple Testing look to see if the max t i is larger than expected under the null Need distribution of the max of Student t random variables (simulate) Conservative is Bonferroni Correction: For n tests of size α the probability of falsely labeling at least one case as an outlier is no greater than nα; e.g. with 21 cases and α = 0.05, the probability is no greater than 1.05! Adjust α = α/n so that the probability of falsely labeling at least one point an outlier is α α/n = with n = 21
9 Cook s Distance Cook s Distance measure of how much predictions change with ith case deleted D i = Ŷ (i) Ŷ 2 pˆσ 2 = r i 2 p h ii 1 h ii = (ˆβ (i) ˆβ) T X T X(ˆβ (i) ˆβ) pˆσ 2 Flag cases where D i > 1 or large relative to other cases Influential Cases
10 Stackloss Data Air.Flow Water.Temp Acid.Conc stack.loss
11 Case 21 Leverage (compare to p/n =.19 ) p-value t 21 is Bonferroni adjusted p-value is Cooks Distance.69 Other points? Masking? Refit without Case 21 Other analyses have suggested that cases (1, 2, 3, 4, 21) are outliers
12 Multiple Outliers Hoeting, Madigan and Raftery (in various permutations) consider the problem of simultaneous variable selection and outlier identification. This is implemented in the library(bma) in the function MC3.REG. This has the advantage that more than 2 points may be considered as outliers at the same time. The function uses a Markov chain to identify both important variables and potential outliers, but is coded in Fortran so should run reasonably quickly. Can also use BAS or other variable selection programs
13 Using BAS library(mass) data(stackloss) n = nrow(stackloss) stack.out = cbind(stackloss, diag(n)) library(bas) BAS.stack = bas.lm(stack.loss ~., data=stack.out, prior="hyper-g-n", a=3, modelprior=tr.beta.binomial(1, 1,15), method="mcmc", MCMC.it=200000)
14 Output P(B!= 0 Y) model 1 model 2 model 3 model 4 model 5 Intercept Air.Flow Water.Temp Acid.Conc BF PostProbs R dim logmarg
15 BAS Residuals vs Fitted Model Probabilities Residuals Cumulative Probability Predictions under BMA Model Search Order log(marginal) Model Complexity Marginal Inclusion Probability Inclusion Probabilities Model Dimension Intercept Air.Flow ter.temp cid.conc
16 BAS Model Space Model Rank Intercept Air.Flow Water.Temp Acid.Conc Log Posterior Odds
17 Diagnostics pip (MCMC) pip (MCMC) pip (renormalized) pip (renormalized)
18 To Remove or Not? For suspicious cases, check data sources for errors Check that points are not outliers because of wrong mean function or distributional assumptions Investigate need for transformations (use EDA at several stages) Influential cases - report results with and without cases (results may change - are differences meaningful?) Outlier test - suggests alternative population for the case(s); if not influential may in keep analysis, but will inflate ˆσ 2 and interval estimates Document how you handle any case deletions - reproducibility! Robust Regression Methods
19 Stackloss Added Variable Plot Added Variable Plots stack.loss others stack.loss others Air.Flow others Water.Temp others stack.loss others Acid.Conc. others
20 Stackloss Data Again Residuals vs Fitted Normal Q Q Residuals Standardized residuals Fitted values Theoretical Quantiles Standardized residuals Scale Location Standardized residuals Residuals vs Leverage 4 1 Cook's distance Fitted values Leverage
Checking Assumptions
Merlise Clyde Duke University November 16, 2016 Linear Model Linear Model: Y = µ + ɛ Assumptions: µ C(X) µ = Xβ ɛ N(0 n, σ 2 I n ) Focus on Wrong mean for a case or cases Wrong distribution for ɛ Cases
DetaljerSlope-Intercept Formula
LESSON 7 Slope Intercept Formula LESSON 7 Slope-Intercept Formula Here are two new words that describe lines slope and intercept. The slope is given by m (a mountain has slope and starts with m), and intercept
DetaljerEXAMINATION PAPER. Exam in: STA-3300 Applied statistics 2 Date: Wednesday, November 25th 2015 Time: Kl 09:00 13:00 Place: Teorifagb.
EXAMINATION PAPER Exam in: STA-3300 Applied statistics 2 Date: Wednesday, November 25th 2015 Time: Kl 09:00 13:00 Place: Teorifagb.,hus 1, plan 3 Approved aids: Calculator All printed and written The exam
DetaljerEksamensoppgave i PSY3100 Forskningsmetode - Kvantitativ
Psykologisk institutt Eksamensoppgave i PSY3100 Forskningsmetode - Kvantitativ Faglig kontakt under eksamen: Mehmet Mehmetoglu Tlf.: 91838665 Eksamensdato: Eksamenstid (fra-til): Hjelpemiddelkode/Tillatte
DetaljerTMA4245 Statistikk Eksamen 9. desember 2013
Eksamen 9. desember 2013 Norges teknisk-naturvitenskapelige universitet Institutt for matematiske fag Løsningsskisse Oppgave 1 a) Define the following events: A: Getting an ace as your first card B: Getting
DetaljerUnit Relational Algebra 1 1. Relational Algebra 1. Unit 3.3
Relational Algebra 1 Unit 3.3 Unit 3.3 - Relational Algebra 1 1 Relational Algebra Relational Algebra is : the formal description of how a relational database operates the mathematics which underpin SQL
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
DetaljerAndrew Gendreau, Olga Rosenbaum, Anthony Taylor, Kenneth Wong, Karl Dusen
Andrew Gendreau, Olga Rosenbaum, Anthony Taylor, Kenneth Wong, Karl Dusen The Process Goal Definition Data Collection Data Preprocessing EDA Choice of Variables Choice of Method(s) Performance Evaluation
DetaljerKp. 12 Multippel regresjon
Kp 12 Multippel Bruk av Kp 12 Multippel ; oversikt Kp 12 Multippel Bjørn H Auestad Kp 11: Regresjonsanalyse 1 / 46 Kp 12 Multippel ; oversikt Kp 12 Multippel Bruk av Kp 12 Multippel ; oversikt 121 Introduction
DetaljerSatellite Stereo Imagery. Synthetic Aperture Radar. Johnson et al., Geosphere (2014)
Satellite Stereo Imagery Synthetic Aperture Radar Johnson et al., Geosphere (2014) Non-regular sampling Missing data due to lack of correlation, shadows, water, Potentially 3D as opposed to purely 2D (i.e.
DetaljerDynamic Programming Longest Common Subsequence. Class 27
Dynamic Programming Longest Common Subsequence Class 27 Protein a protein is a complex molecule composed of long single-strand chains of amino acid molecules there are 20 amino acids that make up proteins
DetaljerVerifiable Secret-Sharing Schemes
Aarhus University Verifiable Secret-Sharing Schemes Irene Giacomelli joint work with Ivan Damgård, Bernardo David and Jesper B. Nielsen Aalborg, 30th June 2014 Verifiable Secret-Sharing Schemes Aalborg,
DetaljerTMA4245 Statistikk. Øving nummer 12, blokk II Løsningsskisse. Norges teknisk-naturvitenskapelige universitet Institutt for matematiske fag
Vår 205 Norges tekisk-aturviteskapelige uiversitet Istitutt for matematiske fag Øvig ummer 2, blokk II Løsigsskisse Oppgave a - β agir biles besiforbruk i liter/mil - Rimelig med α 0 fordi med x 0 ige
DetaljerForelesning 3 STK3100
Eks. Fødselsvekt mot svangerskapslengde og kjønn Forelesning 3 STK3100 8. september 2008 S. O. Samuelsen Plan for forelesning: 1. Generelt om lineære modeller 2. Variansanalyse - Kategoriske kovariater
Detaljer0:7 0:2 0:1 0:3 0:5 0:2 0:1 0:4 0:5 P = 0:56 0:28 0:16 0:38 0:39 0:23
UTKAST ENGLISH VERSION EKSAMEN I: MOT100A STOKASTISKE PROSESSER VARIGHET: 4 TIMER DATO: 16. februar 2006 TILLATTE HJELPEMIDLER: Kalkulator; Tabeller og formler i statistikk (Tapir forlag): Rottman: Matematisk
DetaljerFINAL EXAM. Exam in: STA-3300 Applied Statistics 2 Date: Wednesday 28. November Time: 09:00 13:00 Place: Åsgårdvegen 9. All printed and written
FAKULTET FOR NATURVITENSKAP OG TEKNOLOGI FINAL EXAM Exam in: STA-3300 Applied Statistics 2 Date: Wednesday 28. November 2012. Time: 09:00 13:00 Place: Åsgårdvegen 9 Approved aids: Calculator All printed
DetaljerUNIVERSITETET I OSLO
UNIVERSITETET I OSLO Det matematisk-naturvitenskapelige fakultet Eksamen i MAT2400 Analyse 1. Eksamensdag: Onsdag 15. juni 2011. Tid for eksamen: 09.00 13.00 Oppgavesettet er på 6 sider. Vedlegg: Tillatte
DetaljerGeneralization of age-structured models in theory and practice
Generalization of age-structured models in theory and practice Stein Ivar Steinshamn, stein.steinshamn@snf.no 25.10.11 www.snf.no Outline How age-structured models can be generalized. What this generalization
DetaljerPerpetuum (im)mobile
Perpetuum (im)mobile Sett hjulet i bevegelse og se hva som skjer! Hva tror du er hensikten med armene som slår ut når hjulet snurrer mot høyre? Hva tror du ordet Perpetuum mobile betyr? Modell 170, Rev.
DetaljerOppgave 1a Definer følgende begreper: Nøkkel, supernøkkel og funksjonell avhengighet.
TDT445 Øving 4 Oppgave a Definer følgende begreper: Nøkkel, supernøkkel og funksjonell avhengighet. Nøkkel: Supernøkkel: Funksjonell avhengighet: Data i en database som kan unikt identifisere (et sett
DetaljerSplitting the differential Riccati equation
Splitting the differential Riccati equation Tony Stillfjord Numerical Analysis, Lund University Joint work with Eskil Hansen Innsbruck Okt 15, 2014 Outline Splitting methods for evolution equations The
DetaljerSVM and Complementary Slackness
SVM and Complementary Slackness David Rosenberg New York University February 21, 2017 David Rosenberg (New York University) DS-GA 1003 February 21, 2017 1 / 20 SVM Review: Primal and Dual Formulations
DetaljerNeural Network. Sensors Sorter
CSC 302 1.5 Neural Networks Simple Neural Nets for Pattern Recognition 1 Apple-Banana Sorter Neural Network Sensors Sorter Apples Bananas 2 Prototype Vectors Measurement vector p = [shape, texture, weight]
DetaljerExploratory Analysis of a Large Collection of Time-Series Using Automatic Smoothing Techniques
Exploratory Analysis of a Large Collection of Time-Series Using Automatic Smoothing Techniques Ravi Varadhan, Ganesh Subramaniam Johns Hopkins University AT&T Labs - Research 1 / 28 Introduction Goal:
DetaljerTrigonometric Substitution
Trigonometric Substitution Alvin Lin Calculus II: August 06 - December 06 Trigonometric Substitution sin 4 (x) cos (x) dx When you have a product of sin and cos of different powers, you have three different
DetaljerKROPPEN LEDER STRØM. Sett en finger på hvert av kontaktpunktene på modellen. Da får du et lydsignal.
KROPPEN LEDER STRØM Sett en finger på hvert av kontaktpunktene på modellen. Da får du et lydsignal. Hva forteller dette signalet? Gå flere sammen. Ta hverandre i hendene, og la de to ytterste personene
DetaljerExercise 1: Phase Splitter DC Operation
Exercise 1: DC Operation When you have completed this exercise, you will be able to measure dc operating voltages and currents by using a typical transistor phase splitter circuit. You will verify your
DetaljerUNIVERSITETET I OSLO
UNIVERSITETET I OSLO Det matematisk-naturvitenskapelige fakultet Eksamen i: KJB 492 Bioinformatikk Eksamensdag: Fredag 14. desember 2001 Tid for eksamen: Kl.: 9.00 13.00 Oppgavesettet er på 7 sider. Vedlegg:
DetaljerUNIVERSITY OF OSLO DEPARTMENT OF ECONOMICS
UNIVERSITY OF OSLO DEPARTMENT OF ECONOMICS English Exam: ECON2915 Economic Growth Date of exam: 25.11.2014 Grades will be given: 16.12.2014 Time for exam: 09.00 12.00 The problem set covers 3 pages Resources
DetaljerTMA4240 Statistikk 2014
Norges teknisk-naturvitenskapelige universitet Institutt for matematiske fag Øving nummer 6, blokk I Løsningsskisse Oppgave 1 Fremgangsmetode: P X 1 < 6.8 Denne kan finnes ved å sette opp integralet over
DetaljerUNIVERSITY OF OSLO DEPARTMENT OF ECONOMICS
UNIVERSITY OF OSLO DEPARTMENT OF ECONOMICS English Postponed exam: ECON2915 Economic growth Date of exam: 11.12.2014 Time for exam: 09:00 a.m. 12:00 noon The problem set covers 4 pages Resources allowed:
DetaljerDen som gjør godt, er av Gud (Multilingual Edition)
Den som gjør godt, er av Gud (Multilingual Edition) Arne Jordly Click here if your download doesn"t start automatically Den som gjør godt, er av Gud (Multilingual Edition) Arne Jordly Den som gjør godt,
DetaljerEmnedesign for læring: Et systemperspektiv
1 Emnedesign for læring: Et systemperspektiv v. professor, dr. philos. Vidar Gynnild Om du ønsker, kan du sette inn navn, tittel på foredraget, o.l. her. 2 In its briefest form, the paradigm that has governed
DetaljerElektronisk termostat med spareprogram. Lysende LCD display øverst på ovnen for enkel betjening.
Elektronisk termostat med spareprogram. Lysende LCD display øverst på ovnen for enkel betjening. 27.5 LCD Electronic thermostat with program setting. Bright LCD display placed at the top of the heater
DetaljerEksamensoppgave i PSY3100 Forskningsmetode - Kvantitativ
Psykologisk institutt Eksamensoppgave i PSY3100 Forskningsmetode - Kvantitativ Faglig kontakt under eksamen: Mehmet Mehmetoglu Tlf.: 73 59 19 60 Eksamensdato: 19.05.2015 Eksamenstid (fra-til): 09:00 13:00
DetaljerStationary Phase Monte Carlo Methods
Stationary Phase Monte Carlo Methods Daniel Doro Ferrante G. S. Guralnik, J. D. Doll and D. Sabo HET Physics Dept, Brown University, USA. danieldf@het.brown.edu www.het.brown.edu Introduction: Motivations
DetaljerIndependent Inspection
Independent Inspection Odd Ivar Johnsen Vidar Nystad Independent Inspection Mål: Felles forståelse og utøvelse av "Independent Inspection" i forbindelse med "Critical Maintenance Task". Independent Inspection
DetaljerUNIVERSITETET I OSLO ØKONOMISK INSTITUTT
UNIVERSITETET I OSLO ØKONOMISK INSTITUTT Eksamen i: ECON1910 Poverty and distribution in developing countries Exam: ECON1910 Poverty and distribution in developing countries Eksamensdag: 1. juni 2011 Sensur
DetaljerEXAMINATION PAPER. Exam in: STA-3300 Date: Wednesday 27. November 2013 Time: Kl 09:00 13:00 Place: Åsgårdsv. 9. - All printed and written
EXAMINATION PAPER Exam in: STA-3300 Date: Wednesday 27. November 203 Time: Kl 09:00 3:00 Place: Åsgårdsv. 9 Approved aids: - Calculator - All printed and written The exam contains 20 pages included this
DetaljerBioberegninger, ST november 2006 Kl. 913 Hjelpemidler: Alle trykte og skrevne hjelpemidler, lommeregner.
Norges teknisk-naturvitenskapelige universitet Institutt for matematiske fag Side 1 av 5 Bokmål Faglig kontakt under eksamen: Førsteamanuensis Jarle Tufto Telefon: 99 70 55 19 Bioberegninger, ST1301 30.
DetaljerLineære modeller i praksis
Lineære modeller Regresjonsmodeller med Forskjellige spesialtilfeller Uavhengige variabler Én binær variabel Analysen omtales som Toutvalgs t-test én responsvariabel: Y én eller flere uavhengige variabler:
Detaljer- All printed and written. The exam contains 16 pages included this cover page
EXAMINATION PAPER Exam in: STA-3300 Date: Wednesday 26. November 204 Time: Kl 09:00 3:00 Place: Åsgårdsv. 9 Approved aids: - Calculator - All printed and written The exam contains 6 pages included this
DetaljerTMA4240 Statistikk Høst 2013
Norges teknisk-naturvitenskapelige universitet Institutt for matematiske fag Øving nummer 6, blokk I Løsningsskisse Oppgave 1 Vi antar X er normalfordelt, X N(3315, 575 2 ). Ved bruk av tabell A.3 finner
DetaljerUNIVERSITETET I OSLO
Eksamen i: UNIVERSITETET I OSLO Det matematisk-naturvitenskapelige fakultet STK1000 Innføring i anvendt statistikk Eksamensdag: Mandag 3. desember 2018. Tid for eksamen: 14.30 18.30. Oppgavesettet er på
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
DetaljerEksamensoppgave i SOS3003 Anvendt statistisk dataanalyse i samfunnsvitenskap
Institutt for sosiologi og statsvitenskap Eksamensoppgave i SOS3003 Anvendt statistisk dataanalyse i samfunnsvitenskap Faglig kontakt under eksamen: Arild Blekesaune Telefon: 911 89 768 Eksamensdato: 10.12.2015
DetaljerHvordan føre reiseregninger i Unit4 Business World Forfatter:
Hvordan føre reiseregninger i Unit4 Business World Forfatter: dag.syversen@unit4.com Denne e-guiden beskriver hvordan du registrerer en reiseregning med ulike typer utlegg. 1. Introduksjon 2. Åpne vinduet
DetaljerUNIVERSITY OF OSLO DEPARTMENT OF ECONOMICS
UNIVERSITY OF OSLO DEPARTMENT OF ECONOMICS Postponed exam: ECON420 Mathematics 2: Calculus and linear algebra Date of exam: Tuesday, June 8, 203 Time for exam: 09:00 a.m. 2:00 noon The problem set covers
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,
DetaljerTDT4117 Information Retrieval - Autumn 2014
TDT4117 Information Retrieval - Autumn 2014 Assignment 1 Task 1 : Basic Definitions Explain the main differences between: Information Retrieval vs Data Retrieval En samling av data er en godt strukturert
DetaljerKp. 11 Enkel lineær regresjon (og korrelasjon) Kp. 11 Regresjonsanalyse; oversikt
Bjørn H. Auestad Kp. 11: Regresjonsanalyse 1 / 57 Kp. 11 Regresjonsanalyse; oversikt 11.1 Introduction to Linear Regression 11.2 Simple Linear Regression 11.3 Least Squares and the Fitted Model 11.4 Properties
DetaljerEmneevaluering GEOV272 V17
Emneevaluering GEOV272 V17 Studentenes evaluering av kurset Svarprosent: 36 % (5 av 14 studenter) Hvilket semester er du på? Hva er ditt kjønn? Er du...? Er du...? - Annet PhD Candidate Samsvaret mellom
DetaljerUNIVERSITETET I OSLO
UNIVERSITETET I OSLO Det matematisk-naturvitenskapelige fakultet Eksamen i INF 3230 Formell modellering og analyse av kommuniserende systemer Eksamensdag: 4. juni 2010 Tid for eksamen: 9.00 12.00 Oppgavesettet
DetaljerFYSMEK1110 Eksamensverksted 23. Mai :15-18:00 Oppgave 1 (maks. 45 minutt)
FYSMEK1110 Eksamensverksted 23. Mai 2018 14:15-18:00 Oppgave 1 (maks. 45 minutt) Page 1 of 9 Svar, eksempler, diskusjon og gode råd fra studenter (30 min) Hva får dere poeng for? Gode råd fra forelesere
DetaljerMoving Objects. We need to move our objects in 3D space.
Transformations Moving Objects We need to move our objects in 3D space. Moving Objects We need to move our objects in 3D space. An object/model (box, car, building, character,... ) is defined in one position
DetaljerEksamensoppgave i TMA4267 Lineære statistiske modeller
Institutt for matematiske fag Eksamensoppgave i TMA4267 Lineære statistiske modeller Faglig kontakt under eksamen: Mette Langaas Tlf: 988 47 649 Eksamensdato: 22. mai 2014 Eksamenstid (fra til): 09.00-13.00
DetaljerOppgave. føden)? i tråd med
Oppgaver Sigurd Skogestad, Eksamen septek 16. des. 2013 Oppgave 2. Destillasjon En destillasjonskolonne har 7 teoretiske trinn (koker + 3 ideelle plater under føden + 2 ideellee plater over føden + partielll
DetaljerMerak Un-glazed Porcelain Wall and Floor Tiles
6 Colours 3 es Absolute Collection 7 s Merak Un-glazed Porcelain Wall and Floor Tiles Merak includes seven sizes perfectly designed for seamless installation. 600 x 50mm 600 x 100mm 600 x 300mm 600 x 150mm
DetaljerGir vi de resterende 2 oppgavene til én prosess vil alle sitte å vente på de to potensielt tidskrevende prosessene.
Figure over viser 5 arbeidsoppgaver som hver tar 0 miutter å utføre av e arbeider. (E oppgave ka ku utføres av é arbeider.) Hver pil i figure betyr at oppgave som blir pekt på ikke ka starte før oppgave
DetaljerUNIVERSITETET I OSLO ØKONOMISK INSTITUTT
1 UNIVERSITETET I OSLO ØKONOMISK INSTITUTT BOKMÅL Utsatt eksamen i: ECON2915 Vekst og næringsstruktur Eksamensdag: 07.12.2012 Tid for eksamen: kl. 09:00-12:00 Oppgavesettet er på 5 sider Tillatte hjelpemidler:
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
DetaljerGradient. Masahiro Yamamoto. last update on February 29, 2012 (1) (2) (3) (4) (5)
Gradient Masahiro Yamamoto last update on February 9, 0 definition of grad The gradient of the scalar function φr) is defined by gradφ = φr) = i φ x + j φ y + k φ ) φ= φ=0 ) ) 3) 4) 5) uphill contour downhill
DetaljerDagens tema: Eksempel Klisjéer (mønstre) Tommelfingerregler
UNIVERSITETET I OSLO INF1300 Introduksjon til databaser Dagens tema: Eksempel Klisjéer (mønstre) Tommelfingerregler Institutt for informatikk Dumitru Roman 1 Eksempel (1) 1. The system shall give an overview
DetaljerAnalysis of ordinal data via heteroscedastic threshold models
Analysis of ordinal data via heteroscedastic threshold models JL Foulley/Applibugs 1 Example Koch s 1990 data on a clinical trial for respiratory illness Treatment (A) vs Placebo (P) 111 patients (54 in
DetaljerTMA4240 Statistikk Høst 2015
Høst 205 Norges tekisk-aturviteskapelige uiversitet Istitutt for matematiske fag Øvig ummer 2, blokk II Løsigsskisse Oppgave a - β agir biles besiforbruk i liter/mil - Rimelig med α 0 fordi med x 0 ige
DetaljerTFY4170 Fysikk 2 Justin Wells
TFY4170 Fysikk 2 Justin Wells Forelesning 5: Wave Physics Interference, Diffraction, Young s double slit, many slits. Mansfield & O Sullivan: 12.6, 12.7, 19.4,19.5 Waves! Wave phenomena! Wave equation
DetaljerDean Zollman, Kansas State University Mojgan Matloob-Haghanikar, Winona State University Sytil Murphy, Shepherd University
Dean Zollman, Kansas State University Mojgan Matloob-Haghanikar, Winona State University Sytil Murphy, Shepherd University Investigating Impact of types of delivery of undergraduate science content courses
DetaljerUNIVERSITETET I OSLO ØKONOMISK INSTITUTT
UNIVERSITETET I OSLO ØKONOMISK INSTITUTT BOKMÅL Eksamen i: ECON1210 - Forbruker, bedrift og marked Eksamensdag: 26.11.2013 Sensur kunngjøres: 18.12.2013 Tid for eksamen: kl. 14:30-17:30 Oppgavesettet er
DetaljerInformation search for the research protocol in IIC/IID
Information search for the research protocol in IIC/IID 1 Medical Library, 2013 Library services for students working with the research protocol and thesis (hovedoppgaven) Open library courses: http://www.ntnu.no/ub/fagside/medisin/medbiblkurs
DetaljerThe regulation requires that everyone at NTNU shall have fire drills and fire prevention courses.
1 The law The regulation requires that everyone at NTNU shall have fire drills and fire prevention courses. 2. 3 Make your self familiar with: Evacuation routes Manual fire alarms Location of fire extinguishers
DetaljerUNIVERSITETET I OSLO ØKONOMISK INSTITUTT
UNIVERSITETET I OSLO ØKONOMISK INSTITUTT Eksamen i: ECON30/40 Matematikk : Matematisk analyse og lineær algebra Exam: ECON30/40 Mathematics : Calculus and Linear Algebra Eksamensdag: Tirsdag 0. desember
DetaljerEksamensoppgave i PSY3100 Forskningsmetode - Kvantitativ
Psykologisk institutt Eksamensoppgave i PSY3100 Forskningsmetode - Kvantitativ Faglig kontakt under eksamen: Mehmet Mehmetoglu Tlf.: 91838665 Eksamensdato: 7. desember 2015 Eksamenstid (fra-til): 9.00-13.00
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
DetaljerLøsningsforslag STK1110-h11: Andre obligatoriske oppgave.
Løsningsforslag STK1110-h11: Andre obligatoriske oppgave. Oppgave 1 a) Legg merke til at X er gamma-fordelt med formparameter 1 og skalaparameter λ. Da er E[X] = 1/λ. Små verdier av X tyder derfor på at
DetaljerSalting of dry-cured ham
Salting of dry-cured ham Controlled by CT scanning Torunn Thauland Håseth Skjervold-symposium 2005 Hamar, June 3rd. - en del av Matalliansen NLH - Matforsk - Akvaforsk To give you a different aspect of
DetaljerMedisinsk statistikk, KLH3004 Dmf, NTNU 2009. Styrke- og utvalgsberegning
Styrke- og utvalgsberegning Geir Jacobsen, ISM Sample size and Power calculations The essential question in any trial/analysis: How many patients/persons/observations do I need? Sample size (an example)
Detaljer5 E Lesson: Solving Monohybrid Punnett Squares with Coding
5 E Lesson: Solving Monohybrid Punnett Squares with Coding Genetics Fill in the Brown colour Blank Options Hair texture A field of biology that studies heredity, or the passing of traits from parents to
DetaljerLevel Set methods. Sandra Allaart-Bruin. Level Set methods p.1/24
Level Set methods Sandra Allaart-Bruin sbruin@win.tue.nl Level Set methods p.1/24 Overview Introduction Level Set methods p.2/24 Overview Introduction Boundary Value Formulation Level Set methods p.2/24
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
DetaljerUNIVERSITETET I OSLO ØKONOMISK INSTITUTT
UNIVERSITETET I OSLO ØKONOMISK INSTITUTT Eksamen i: ECON20/420 Matematikk 2: Matematisk analyse og lineær algebra Exam: ECON20/420 Mathematics 2: Calculus and Linear Algebra Eksamensdag: Fredag 2. mai
DetaljerUNIVERSITETET I OSLO ØKONOMISK INSTITUTT
UNIVERSITETET I OSLO ØKONOMISK INSTITUTT Eksamen i: ECON3120/4120 Mathematics 2: Calculus an linear algebra Exam: ECON3120/4120 Mathematics 2: Calculus an linear algebra Eksamensag: Tirsag 3. juni 2008
DetaljerMA2501 Numerical methods
MA250 Numerical methods Solutions to problem set Problem a) The function f (x) = x 3 3x + satisfies the following relations f (0) = > 0, f () = < 0 and there must consequently be at least one zero for
DetaljerSAS FANS NYTT & NYTTIG FRA VERKTØYKASSA TIL SAS 4. MARS 2014, MIKKEL SØRHEIM
SAS FANS NYTT & NYTTIG FRA VERKTØYKASSA TIL SAS 4. MARS 2014, MIKKEL SØRHEIM 2 TEMA 1 MULTIPROSESSERING MED DATASTEGET Multiprosessering har lenge vært et tema i SAS Stadig ny funksjonalitet er med på
DetaljerEndringer i neste revisjon av EHF / Changes in the next revision of EHF 1. October 2015
Endringer i neste revisjon av / Changes in the next revision of 1. October 2015 INFORMASJON PÅ NORSK 2 INTRODUKSJON 2 ENDRINGER FOR KATALOG 1.0.3 OG PAKKSEDDEL 1.0.2 3 ENDRINGER FOR ORDRE 1.0.3 4 ENDRINGER
DetaljerReturns, prices and volatility
Returns, prices and volatility Susan Thomas IGIDR, Bombay 22 September, 2017 Goals From expected returns to prices Price volatility Variance tests of pricing models Pricing models Expected returns to valuation
DetaljerUNIVERSITETET I OSLO ØKONOMISK INSTITUTT
UNIVERSITETET I OSLO ØKONOMISK INSTITUTT BOKMÅL Eksamen i: ECON1710 Demografi grunnemne Eksamensdag: 10.12.2013 Sensur blir annonsert: 03.01.2014 Tid for eksamen: kl. 14:30 17:30 Oppgavesettet er på 5
DetaljerGol Statlige Mottak. Modul 7. Ekteskapsloven
Gol Statlige Mottak Modul 7 Ekteskapsloven Paragraphs in Norwegian marriage law 1.Kjønn To personer av motsatt eller samme kjønn kan inngå ekteskap. Two persons of opposite or same sex can marry 1 a. Ekteskapsalder.
DetaljerEKSAMENSOPPGAVE I SØK3001 ØKONOMETRI I ECONOMETRICS I
Norges teknisk-naturvitenskapelige universitet Institutt for samfunnsøkonomi EKSAMENSOPPGAVE I SØK3001 ØKONOMETRI I ECONOMETRICS I Faglig kontakt under eksamen: Kåre Johansen Tlf.: 9 19 36 Eksamensdato:
DetaljerFasit og løsningsforslag STK 1110
Fasit og løsningsforslag STK 1110 Uke 36: Eercise 8.4: a) (57.1, 59.5), b) (57.7, 58, 9), c) (57.5, 59.1), d) (57.9, 58.7) og e) n 239. (Hint: l(n) = 1 = 2z 1 α/2 σ/n 1/2 ). Eercise 8.10: a) (2.7, 7.5),
DetaljerUNIVERSITETET I OSLO ØKONOMISK INSTITUTT
UNIVERSITETET I OSLO ØKONOMISK INSTITUTT Eksamen i: ECON3120/4120 Matematikk 2: Matematisk analyse og lineær algebra Exam: ECON3120/4120 Mathematics 2: Calculus and Linear Algebra Eksamensdag: Tirsdag
DetaljerEksamensoppgave i SOS3003 Anvendt statistisk dataanalyse i samfunnsvitenskap Examination paper for SOS3003 Applied Social Statistics
Institutt for sosiologi og statsvitenskap Eksamensoppgave i SOS3003 Anvendt statistisk dataanalyse i samfunnsvitenskap Examination paper for SOS3003 Applied Social Statistics Faglig kontakt under eksamen:
DetaljerSmart High-Side Power Switch BTS730
PG-DSO20 RoHS compliant (green product) AEC qualified 1 Ω Ω µ Data Sheet 1 V1.0, 2007-12-17 Data Sheet 2 V1.0, 2007-12-17 Ω µ µ Data Sheet 3 V1.0, 2007-12-17 µ µ Data Sheet 4 V1.0, 2007-12-17 Data Sheet
DetaljerHvor finner vi flått på vårbeiter? - og betydning av gjengroing for flåttangrep på lam på vårbeite
Hvor finner vi flått på vårbeiter? - og betydning av gjengroing for flåttangrep på lam på vårbeite Lucy Gilbert, Lise Grove, Unni Støbet Lande, Ingeborg Klingen, Kirstyn Brunker Gjenngroing På verdensbasis
DetaljerMathematics 114Q Integration Practice Problems SOLUTIONS. = 1 8 (x2 +5x) 8 + C. [u = x 2 +5x] = 1 11 (3 x)11 + C. [u =3 x] = 2 (7x + 9)3/2
Mathematics 4Q Name: SOLUTIONS. (x + 5)(x +5x) 7 8 (x +5x) 8 + C [u x +5x]. (3 x) (3 x) + C [u 3 x] 3. 7x +9 (7x + 9)3/ [u 7x + 9] 4. x 3 ( + x 4 ) /3 3 8 ( + x4 ) /3 + C [u + x 4 ] 5. e 5x+ 5 e5x+ + C
DetaljerSkog som biomasseressurs: skog modeller. Rasmus Astrup
Skog som biomasseressurs: skog modeller Rasmus Astrup Innhold > Bakkgrunn: Karbon dynamikk i skog > Modellering av skog i Skog som biomassressurs > Levende biomasse > Dødt organisk materiale og jord >
DetaljerPort of Oslo Onshore Power Supply - HVSC. Senior Adviser Per Gisle Rekdal
Port of Oslo Onshore Power Supply - HVSC Senior Adviser Per Gisle Rekdal Air emission from sea transport is not close to people 2 Color Magic The first cruise ferry with OPS in Norway 3 Shore side installation
DetaljerPSY2012 Forskningsmetodologi III: Statistisk analyse, design og måling Eksamen vår 2016
Psykologisk institutt PSY2012 Forskningsmetodologi III: Statistisk analyse, design og måling Eksamen vår 2016 Skriftlig skoleeksamen fredag 24. mai, 14:30 (4 timer). Kalkulator uten grafisk display og
DetaljerHONSEL process monitoring
6 DMSD has stood for process monitoring in fastening technology for more than 25 years. HONSEL re- rivet processing back in 990. DMSD 2G has been continuously improved and optimised since this time. All
DetaljerEksamen PSY2012 Forskningsmetodologi III: Statistisk analyse, design og måling Våren 2011
Psykologisk institutt Eksamen PSY2012 Forskningsmetodologi III: Statistisk analyse, design og måling Våren 2011 Skriftlig skoleeksamen, fredag 20. mai kl. 14:30 (4 timer). Dato for sensur: 10. juni. Ingen
DetaljerKneser hypergraphs. May 21th, CERMICS, Optimisation et Systèmes
Kneser hypergraphs Frédéric Meunier May 21th, 2015 CERMICS, Optimisation et Systèmes Kneser hypergraphs m, l, r three integers s.t. m rl. Kneser hypergraph KG r (m, l): V (KG r (m, l)) = ( [m]) l { E(KG
Detaljer