Home
1
Statistisk signifikant - p-værdi
1.1 Kipping og Popes krystaller og $p$-værdi
1.2 Binomialmodellen
1.3 Statistisk beslutningsregel
1.4 Opgave med besvarelse: speed scating
1.5 Fordelingsfunktioner og fraktiler
1.6 Introduktion til python
2
Konfidensinterval
2.1 Skøn over en parameter
2.2 Konfidensinterval
2.3 Illustration af konfidensinterval ved simulering
2.4 Baggrund for konfidensinterval i binomialmodellen
2.5 Poissonmodellen
2.6 Opgave med besvarelse: stråleskader
Øvelse 1
3
Multinomialmodellen
3.1 Multinomialmodellen
3.2 Indledning til $G$-test
3.3 $G$-teststørrelsen
3.4 Goodness of fit test
3.5 Opgave med besvarelse: levetid af overfladebobler
3.6 Homogenitetstest: hypotesen
3.7 Estimation og test
3.8 Diverse
Øvelse 2
4
Normalfordelte data
4.1 Normalfordelingen
4.2 Normal-qqplot
4.3 Model og Estimation
4.4 Test og konfidensinterval for middelværdi
4.5 Kontrol af køkkenvægt
4.6 Konfidensinterval for varians og spredning
4.7 One-sample t-test i python
4.8 Standard error
5
Ophobningsloven
5.1 Ophobningsloven: princip
5.2 Den generelle formel
5.3 Analyse af gaskonstanten
5.4 Katalog med eksempler på ophobningloven
5.5 Simulationsbaseret metode
5.6 Gaskonstanten: Simulationsbaseret konfidensinterval
Øvelse 3
6
To normalfordelte observationssæt
6.1 Model og estimation
6.2 Teste middelværdier ens når varianser er ens
6.3 Teste middelværdier ens når varianser er forskellige
6.4 Teste varianser ens
6.5 Two-sample tests i python
6.6 Samle data i datatabel
6.7 Teste mere end to varianser ens
Øvelse 4
7
Lineær regression
7.1 Model for lineær regression
7.2 Estimation
7.3 Tests og konfidensintervaller
7.4 Analyse af model i python
7.5 Linjens værdi og kalibrering
7.6 Regression med kendt skæring
7.7 R-squared
Øvelse 5
8
Generel Lineær model
8.1 Faktorer
8.2 Ensidet variansanalyse
8.3 Teste middelværdierne ens
8.4 Analyse i python
8.5 Tosidet variansanalyse
8.6 Analyse i python og parametrisering
8.7 Det generelle F-test
8.8 Estimation og t-test
8.9 Gruppespecifik regression
8.10 Analyse af korrosionshæmmere
Øvelse 6
9
Multipel regression
9.1 Den multiple regressionsmodel
9.2 Eksempel: Opløsningsmidler
9.3 Datasæt med et stort antal forklarende variable
9.4 Forward selektion
9.5 Ridge regression
9.6 Crossvalidation i ridge regression
Øvelse 7
Py
Python
Py.1 Python som lommeregner
Py.2 Figurer
Py.3 Indlæsning, datatabel og matriks
Py.4 Sandhedsvariable
Py.5 Gentagne beregninger
Py.6 Statistik
Idx
Kapitel Idx: Indeks
Idx.1.1 Links til kodeeksempler
Dette indeks indeholder links til kodeeksempler, som kan være nyttige ved løsning af opgaverne.
1 Statistisk signifikant -
-værdi
1.2 Binomialmodellen:
Beregning i python af p-værdi for test af andel
2 Konfidensinterval
2.2 Konfidensinterval:
Beregning i python af konfidensinterval for andel
2.5 Poissonmodellen:
Beregning i python af konfidensinterval for rate
3 Multinomialmodellen
3.3 G-teststørrelsen:
Beregning i python af G-test
3.4 Goodness of fit test:
Histogram
3.5 Opgave med besvarelse: levetid af overfladebobler:
Beregning i python af Goodness of fit test
3.7 Estimation og test:
Beregning i python af Homogenitetstest
4 Normalfordelte data
4.2 Normal-qqplot:
QQplot i python
4.3 Model og Estimation:
Beregning i python af gennemsnit og spredning
4.7 One-sample t-test i python:
Beregne t-test i python
5 Ophobningsloven
5.5 Simulationsbaseret metode:
Implementering af simuleret konfidensinterval
6 To normalfordelte observationssæt
6.0 To normalfordelte observationssæt:
Flere qqplots og boxplots i samme figur
6.5 Two-sample tests i python:
Teste to varianser ens
6.5 Two-sample tests i python:
Teste to middelværdier ens
6.6 Samle data i datatabel:
Konstruktion af datatabel og udtrække deldatasæt
6.7 Teste mere end to varianser ens: Bartletts test: eksempel
6.7.1
(ensidet variansanalyse)
7 Lineær regression
7.4 Analyse af model i python:
Regressionsanalyse via ols/fitlm, modelkontrol
7.5 Linjens værdi og kalibrering:
Lave prædiktioner i python
7.5 Linjens værdi og kalibrering:
Invers regression i python
7.6 Regression med kendt skæring:
Analyse af regressionsmodel med kendt skæring
8 Generel Lineær model
8.2 Ensidet variansanalyse:
Boxplot (og qqplot) opdelt efter faktor
8.4 Analyse i python:
Parametertabel i ensidet variansanalyse
8.4 Analyse i python:
Teste middelværdier ens med anova
lm
8.5 Tosidet variansanalyse:
Boxplot opdelt efter to faktorer
8.5 Tosidet variansanalyse:
Interaktionsplot
8.6 Analyse i python og parametrisering:
Bartletts test (tosidet variansanalyse) og parametertabel
8.7 Det generelle F-test:
Test for additive model
8.10 Analyse af korrosionshæmmere:
Bartletts test i gruppespecifik regression
8.10 Analyse af korrosionshæmmere:
F-tests og parametertabel i gruppespecifik regression
9 Multipel regression
9.2 Eksempel: Opløsningsmidler:
Backward selektion
9.2 Eksempel: Opløsningsmidler:
Modelkontrol
9.2 Eksempel: Opløsningsmidler:
Konfidensinterval og prædiktionsinterval
9.4 Forward selektion:
Forward selektion og cross-validation
9.4 Forward selektion:
Bruge slutmodel til prædiktion
9.5 Ridge regression:
Ridge regression i python
9.5 Ridge regression:
Ridge prædiktion i python
9.6 Cross-validation i ridge regression:
Cross-validation i ridge regression
Idx.1.2 Links til Statistiske Modeller
1 Statistisk signifikant -
-værdi
1.2 Binomialmodellen:
Binomialmodel
2 Konfidensinterval
2.5 Poissonmodellen:
Poissonmodel
3 Multinomialmodellen
3.1 Multinomialmodellen:
Multinomialmodel
3.6 Homogenitetstest: hypotesen:
Flere multinomialfordelinger
4 Normalfordelte data
4.3 Model og Estimation:
Normalfordelingsmodel for
t observationssæt
6 To normalfordelte observationssæt
6.1 Model og estimation:
To grupper med forskellig varians
6.1 Model og estimation:
To grupper med samme varians
7 Lineær regression
7.1 Model for lineær regression:
Den lineære regressionsmodel
8 Generel Lineær model
8.2 Ensidet variansanalyse:
Grundlæggende enkeltfaktor gruppemodel
8.2 Ensidet variansanalyse:
Ensidet variansanalysemodel (oneway anova)
8.5 Tosidet variansanalyse:
Grundlæggende tofaktor gruppemodel
8.5 Tosidet variansanalyse:
Tosidet variansanalysemodel (twoway anova)
8.5 Tosidet variansanalyse:
Additive model
8.9 Gruppespecifik regression:
Gruppebestemt regression og varians
8.9 Gruppespecifik regression:
Gruppespecifik regression
9 Multipel regression
9.1 Den multiple regressionsmodel:
Den multiple regressionsmodel
Idx.1.3 Links til Definitioner og Resultater
1 Statistisk signifikant -
-værdi
1.1 Kipping og Popes krystaller og p-værdi:
Definition: P-værdi
1.2 Binomialmodellen:
Definition: Fordelingsnotation
og statistisk model
1.2 Binomialmodellen:
Resultat: P-værdi for test af andel
1.3 Statistisk beslutningsregel:
Resultat: Statistiske beslutningsregel
2 Konfidensinterval
2.1 Skøn over en parameter:
Definition: Maksimum likelihood estimation
2.2 Konfidensinterval:
Definition: 95%-Konfidensinterval
2.2 Konfidensinterval:
Resultat: Konfidensinterval i binomialmodellen
2.5 Poissonmodellen:
Resultat: Konfidensinterval i poissonmodellen
3 Multinomialmodellen
3.3 G-teststørrelsen:
Resultat: G-test
3.7 Estimation og test:
Resultat: Homogenitetstest
3.8 Diverse:
Resultat: Sammenligne poissonrater
4 Normalfordelte data
4.2 Normal-qqplot:
Resultat: Brugen af normal-qqplot
4.3 Model og Estimation:
Resultat: Fordeling af parameterskøn
4.4 Test og konfidensinterval for middelværdi:
Definition: t-fordeling
4.4 Test og konfidensinterval for middelværdi:
Resultat: t-test
4.6 Konfidensinterval for varians og spredning:
Konfidensinterval for varians
5 Ophobningsloven
5.1 Ophobningsloven: princip:
Resultat: Generelt approksimativt konfidensinterval
5.2 Den generelle formel:
Resultat: Ophobningsloven generelt
5.5 Simulationsbaseret metode:
Resultat: Simuleret konfidensinterval
5.5 Simulationsbaseret metode:
Resultat: Algoritme til simulationsbaseret ophobninglov
6 To normalfordelte observationssæt
6.2 Teste middelværdier ens når varianser er ens:
Resultat: Test af ens middelværdier
6.3 Teste middelværdier ens når varianser er forskellige:
Resultat: Welch's t-test
6.4 Teste varianser ens:
Definition: F-fordeling
6.4 Teste varianser ens:
Resultat: Teste to varianser ens
6.5 Two-sample tests i python:
Resultat: Fra log til ikke-log
7 Lineær regression
7.2 Estimation:
Resultat: Fordeling af skøn i lineær regressionsmodel
7.3 Tests og konfidensintervaller:
Resultat: Test af hypotese om regressionsparametre
8 Generel Lineær model
8.7 Det generelle F-test:
Resultat:Det generelle F-test
8.8 Estimation og t-test:
Resultat: Fordeling af parameterskøn
9 Multipel regression
9.1 Den multiple regressionsmodel:
Definition: Backward selektion
9.3 Datasæt med et stort antal forklarende variable:
Definition: Cross-validation
9.4 Forward selektion:
Definition: Forward selektion
9.4 Forward selektion:
Definition: Forward selektion med cross-validation
9.5 Ridge regression:
Definition: Ridge regression
9.6 Cross-validation i ridge regression:
Resultat: Valg af regulariseringsparameter