Dette indeks indeholder links til kodeeksempler, som kan være nyttige ved løsning af opgaverne.1A Statistisk signifikant - $p$-værdi
$\qquad$1.2 Binomialmodellen: Beregning i Python af p-værdi for test af andel1B Konfidensinterval
$\qquad$1.9 Konfidensinterval: Beregning i Python af konfidensinterval for andel
$\qquad$1.12 Poissonmodellen: Beregning i Python af konfidensinterval for rate2 Multinomialmodellen
$\qquad$2.3 G-teststørrelsen: Beregning i Python af G-test
$\qquad$2.4 Goodness of fit test: Histogram
$\qquad$2.5 Opgave med besvarelse: levetid af overfladebobler: Beregning i Python af Goodness of fit test
$\qquad$2.7 Estimation og test: Beregning i Python af Homogenitetstest3A Normalfordelte data
$\qquad$3.2 Normal-qqplot: QQplot i Python
$\qquad$3.3 Model og Estimation: Beregning i Python af gennemsnit og spredning
$\qquad$3.7 One-sample t-test i Python: Beregne t-test i Python3B Ophobningsloven
$\qquad$3.14 Simulationsbaseret metode: Implementering af simuleret konfidensinterval4 To normalfordelte observationssæt
$\qquad$4.0 To normalfordelte observationssæt: Flere qqplots og boxplots i samme figur
$\qquad$4.5 Two-sample tests i Python: Teste to middelværdier ens
$\qquad$4.5 Two-sample tests i Python: Teste to varianser ens
$\qquad$4.6 Samle data i datatabel: Konstruktion af datatabel og udtrække deldatasæt
$\qquad$4.7 Teste mere end to varianser ens: Bartletts test: eksempel 4.7.1 (ensidet variansanalyse)5 Lineær regression
$\qquad$5.4 Analyse af model i Python: Regressionsanalyse via ols, modelkontrol
$\qquad$5.5 Linjens værdi og kalibrering: Lave prædiktioner i Python
$\qquad$5.5 Linjens værdi og kalibrering: Invers regression i Python
$\qquad$5.6 Regression med kendt skæring: Analyse af regressionsmodel med kendt skæring6 Generel Lineær model
$\qquad$6.2 Ensidet variansanalyse: Boxplot (og qqplot) opdelt efter faktor
$\qquad$6.4 Analyse i Python: Parametertabel i ensidet variansanalyse
$\qquad$6.4 Analyse i Python: Teste middelværdier ens med anova$\text{\textunderscore}$lm
$\qquad$6.5 Tosidet variansanalyse: Boxplot opdelt efter to faktorer
$\qquad$6.5 Tosidet variansanalyse: Interaktionsplot
$\qquad$6.6 Analyse i Python og parametrisering: Bartletts test (tosidet variansanalyse) og parametertabel
$\qquad$6.7 Det generelle F-test: Test for additive model
$\qquad$6.10 Analyse af korrosionshæmmere: Bartletts test i gruppespecifik regression
$\qquad$6.10 Analyse af korrosionshæmmere: F-tests og parametertabel i gruppespecifik regression
7 Multipel regression
$\qquad$7.2 Eksempel: Opløsningsmidler: Backward selektion
$\qquad$7.2 Eksempel: Opløsningsmidler: Modelkontrol
$\qquad$7.2 Eksempel: Opløsningsmidler: Konfidensinterval og prædiktionsinterval
$\qquad$7.4 Forward selektion: Forward selektion og cross-validation
$\qquad$7.4 Forward selektion: Bruge slutmodel til prædiktion
$\qquad$7.5 Ridge regression: Ridge regression i Python
$\qquad$7.5 Ridge regression: Ridge prædiktion i Python
$\qquad$7.6 Cross-validation i ridge regression: Cross-validation i ridge regression
1A Statistisk signifikant - $p$-værdi
$\qquad$1.2 Binomialmodellen: Binomialmodel1B Konfidensinterval
$\qquad$1.12 Poissonmodellen: Poissonmodel2 Multinomialmodellen
$\qquad$2.1 Multinomialmodellen: Multinomialmodel
$\qquad$2.6 Homogenitetstest: hypotesen: Flere multinomialfordelinger3A Normalfordelte data
$\qquad$3.3 Model og Estimation: Normalfordelingsmodel for $\acute{\text{e}}$t observationssæt4 To normalfordelte observationssæt
$\qquad$4.1 Model og estimation: To grupper med forskellig varians
$\qquad$4.1 Model og estimation: To grupper med samme varians5 Lineær regression
$\qquad$5.1 Model for lineær regression: Den lineære regressionsmodel6 Generel Lineær model
$\qquad$6.2 Ensidet variansanalyse: Grundlæggende enkeltfaktor gruppemodel
$\qquad$6.2 Ensidet variansanalyse: Ensidet variansanalysemodel (oneway anova)
$\qquad$6.5 Tosidet variansanalyse: Grundlæggende tofaktor gruppemodel
$\qquad$6.5 Tosidet variansanalyse: Tosidet variansanalysemodel (twoway anova)
$\qquad$6.5 Tosidet variansanalyse: Additive model
$\qquad$6.9 Gruppespecifik regression: Gruppebestemt regression og varians
$\qquad$6.9 Gruppespecifik regression: Gruppespecifik regression 7 Multipel regression
$\qquad$7.1 Den multiple regressionsmodel: Den multiple regressionsmodel 1A Statistisk signifikant - $p$-værdi
$\qquad$1.1 Kipping og Popes krystaller og p-værdi: Definition: P-værdi
$\qquad$1.2 Binomialmodellen: Definition: Fordelingsnotation $\sim$ og statistisk model
$\qquad$1.2 Binomialmodellen: Resultat: P-værdi for test af andel
$\qquad$1.3 Statistisk beslutningsregel: Resultat: Statistiske beslutningsregel
$\qquad$1.3 Type I og II fejl, styrke: Definition: Type I og II fejl, styrke1B Konfidensinterval
$\qquad$1.8 Skøn over en parameter: Definition: Maksimum likelihood estimation
$\qquad$1.9 Konfidensinterval: Definition: 95%-Konfidensinterval
$\qquad$1.9 Konfidensinterval: Resultat: Konfidensinterval i binomialmodellen
$\qquad$1.12 Poissonmodellen: Resultat: Konfidensinterval i poissonmodellen2 Multinomialmodellen
$\qquad$2.3 G-teststørrelsen: Resultat: G-test
$\qquad$2.7 Estimation og test: Resultat: Homogenitetstest
$\qquad$2.8 Diverse: Resultat: Sammenligne poissonrater3A Normalfordelte data
$\qquad$3.2 Normal-qqplot: Resultat: Brugen af normal-qqplot
$\qquad$3.3 Model og Estimation: Resultat: Fordeling af parameterskøn
$\qquad$3.4 Test og konfidensinterval for middelværdi: Definition: t-fordeling
$\qquad$3.4 Test og konfidensinterval for middelværdi: Resultat: t-test
$\qquad$3.4 Styrke af t-test: Figur: Styrke af t-test
$\qquad$3.6 Konfidensinterval for varians og spredning: Konfidensinterval for varians3B Ophobningsloven
$\qquad$3.10 Ophobningsloven: princip: Resultat: Generelt approksimativt konfidensinterval
$\qquad$3.11 Den generelle formel: Resultat: Ophobningsloven generelt
$\qquad$3.14 Simulationsbaseret metode: Resultat: Simuleret konfidensinterval
$\qquad$3.14 Simulationsbaseret metode: Resultat: Algoritme til simulationsbaseret ophobninglov4 To normalfordelte observationssæt
$\qquad$4.2 Teste middelværdier ens når varianser er ens: Resultat: Test af ens middelværdier
$\qquad$4.3 Teste middelværdier ens når varianser er forskellige: Resultat: Welch's t-test
$\qquad$4.4 Teste varianser ens: Definition: F-fordeling
$\qquad$4.4 Teste varianser ens: Resultat: Teste to varianser ens
$\qquad$4.5 Two-sample tests i Python: Resultat: Fra log til ikke-log5 Lineær regression
$\qquad$5.2 Estimation: Resultat: Fordeling af skøn i lineær regressionsmodel
$\qquad$5.3 Tests og konfidensintervaller: Resultat: Test af hypotese om regressionsparametre6 Generel Lineær model
$\qquad$6.4 Analyse i Python: Ændre rækkefølge af faktorniveauer
$\qquad$6.7 Det generelle F-test: Resultat:Det generelle F-test
$\qquad$6.8 Estimation og t-test: Resultat: Fordeling af parameterskøn7 Multipel regression
$\qquad$7.1 Den multiple regressionsmodel: Definition: Backward selektion
$\qquad$7.3 Datasæt med et stort antal forklarende variable: Definition: Cross-validation
$\qquad$7.4 Forward selektion: Definition: Forward selektion
$\qquad$7.4 Forward selektion: Definition: Forward selektion med cross-validation
$\qquad$7.5 Ridge regression: Definition: Ridge regression
$\qquad$7.6 Cross-validation i ridge regression: Resultat: Valg af regulariseringsparameter