TKMS7a-f/LRS20a-f/MAS2/KVS2/TMS82a-f/JOM/TJM/YRM Monimuuttujamenetelmien soveltaminen taloustieteissä. Tentti
|
|
- Kari Haapasalo
- 5 vuotta sitten
- Katselukertoja:
Transkriptio
1 TKMS7a-f/LRS20a-f/MAS2/KVS2/TMS82a-f/JOM/TJM/YRM Monimuuttujamenetelmien soveltaminen taloustieteissä Tentti
2 Moduuli a: Faktorianalyysi Jos olet samaa mieltä esitetyn väitteen kanssa vastaa K, muussa tapauksessa vastaa E. HUOM.! Vastaa kuuteen väittämään. 1. Kommunaliteetti on suhteellinen osuus vastaavan muuttujan varianssista, joka selittyy yhteisfaktoreiden avulla. 2. Heywoodin tapauksessa vähintään yksi kommunaliteettiluku on suurempi tai yhtä suuri kuin Faktorianalyysissä faktoriavaruuden dimensio on yleensä pienempi kuin alkuperäisen muuttujan dimensio. 4. Jos mallin yhteensopivuustestin (Goodness of Fit) havaittu merkitsevyystaso on suurempi kuin 0.1, tarkoittaa se, että erityisfaktorit eivät korreloi. 5. Jos mallin yhteensopivuustestin (Goodness of Fit) havaittu merkitsevyystaso on pienempi kuin 0.1, tarkoittaa se, että yhteisfaktorit selittävät muuttujien korrelaatiorakenteen. 6. Faktoreiden kierrolla (rotaatiolla) pyritään löytämään tulkinnallisesti yksinkertaisin ratkaisu. 7. Kommunaliteetti ei muutu faktoreiden ortogonaalisessa kierrossa. 8. Heywoodin tapaus on laiton ratkaisu. 9. Vinokierron tuloksena saatavassa ratkaisussa faktorit eivät ole ortogonaalisia (kohtisuorassa toisiaan vastaan). 10. Faktorilataus voidaan tulkita ko. muuttujan ja faktorin väliseksi korrelaatioksi.
3 Moduuli c: Varianssianalyysi Oheisessa analyysissä selitettävänä muuttujana on kertaostoksen suuruus ( ) ja selittäjänä kotitalouden koko. Tulkitse tuloste. Muista tarkistaa reunaehdot. Mikäli reunaehtojen voimassaolossa on puutteita, pohdi niiden mahdollisia seurauksia analyysille. Oneway Descriptives kertaostoksen suuruus ( ) N Mean Std. Deviation 1 hlö hlöä hlöä tai enemmän Total Test of Homogeneity of Variances kertaostoksen suuruus ( ) Levene Statistic df1 df2 Sig kertaostoksen suuruus ( ) ANOVA Sum of Squares df Mean Square F Sig. Between Groups Within Groups Total Robust Tests of Equality of Means kertaostoksen suuruus ( ) Statistic a df1 df2 Sig. Welch a. Asymptotically F distributed.
4 Post Hoc Tests Dependent Variable: kertaostoksen suuruus ( ) Multiple Comparisons 95% Confidence Mean Interval (I) kotitalouden (J) kotitalouden Difference Std. Lower Upper koko koko (I-J) Error Sig. Bound Bound Tukey HSD 1 hlö 2 hlöä hlöä tai enemmän * hlöä 1 hlö hlöä tai enemmän * hlöä 1 hlö hlöä tai enemmän * tai enemmän 1 hlö * hlöä * hlöä * Tamhane 1 hlö 2 hlöä hlöä tai enemmän * hlöä 1 hlö hlöä tai enemmän * hlöä 1 hlö hlöä tai enemmän * tai enemmän 1 hlö * hlöä * hlöä * *. The mean difference is significant at the 0.05 level.
5 Means Plots
6 Moduuli d: Regressioanalyysi Selitä, mitä tarkoittavat seuraavat käsitteet a) yksinkertainen lineaarinen regressiomalli b) pienimmän neliösumman menetelmä (PNS) c) selitysaste d) multikollineaarisuus e) homoskedastisuus
7 Moduuli e: Logistinen regressio Pyritään arvioimaan luottojen riskiä kahden numeerisen tekijän avulla. Tekijät ovat: Luoton ikä ja erääntyneen maksun viipymä päivissä laskettuna. Variables in the Equation B S.E. Wald df Sig. Exp(B) 95% C.I.for EXP(B) Lower Upper BUSAGE,008,004 4,924 1,026 1,008 1,001 1,015 Step 1 a DAYSDELQ,102,020 26,076 1,000 1,107 1,065 1,151 Constant -5,706 1,157 24,332 1,000,003 a. Variable(s) entered on step 1: BUSAGE, DAYSDELQ. Yllä on analyysiohjelman antamat parametrien estimaatit. Kysymys 1: Miten muuttujat BUSAGE ja DAYDELQ vaikuttavat luoton laiminlyöntitodennäköisyyteen. Ovatko selittäjät tilastollisesti merkitseviä? Kysymys 2: Mitkä ovat tilastollisesti merkitsevien selittäjien kertoimien- ja niiden antilogaritmien arvot. Mallin sopivuutta voidaan arvioida Hosmer-Lemeshow-testin avulla. Kysymys 3: Onko malli sopiva, kun tulokseksi saadaan Hosmer and Lemeshow Test Step Chi-square df Sig. 1 6,510 8,590 Kysymys 4: Miten sovellat mallia ln( p )= logit(p) = busage daysdelq, 1 p jossa busage on lainan ikä ja daysdelq on vastaavasti erääntyneen maksun viipymä tarkastellun asiakkaan kohdalla, riskiasiakkaiden erottelemiseksi muista, kun oletetaan, että riskiasiakkaaksi ei luokitella sellaista, jonka kohdalla luoton laiminlyöntitodennäköisyys p < 1 2?
8 Moduuli b: Ryhmittelyanalyysi Tee valintasi mukaan toinen tehtävistä 1 ja 2 Tarkasteltavan aineiston muuttujat ovat rikostyyppejä (murder, rape, robbery, assault, burglary, larcenry, ja auto(theft)) ja tapauksina ovat Amerikan Yhdysvaltojen osavaltiot. Aineistoon sovellettiin ryhmittelyanalyysiä tarkoituksena jakaa osavaltiot rikosprofiilien mukaisesti homogeenisiin ryhmiin. Tehtävä 1: 1. Suoritettiin hierarkkinen ryhmittelyanalyysi. Alla olevassa kuvaajassa näkyy yhdistettävien ryhmien välinen etäisyys ryhmien lukumäärän funktiona. Miksi 5 voisi olla sopiva ryhmien lukumäärä? 2. Mikä on oleellisin ero hierarkkisen ja K:n keskiarvon ryhmittelymenetelmässä? 3. Eräs ryhmistä kiinnittää tarkastelijan huomion. Mitä erityistä ryhmässä on? 4. Luettele edellisen kohdan huomion kiinnittävän ryhmän jäsenet. Notes
9 K:n keskiarvo analyysi Iteratio n Iteration History a Change in Cluster Centers , , , , , ,425 55,843,000,000, ,833,000,000,000 17,219 4,000,000,000,000,000
10 Final Cluster Centers Cluster murder rape robbery assault burglary larcenry auto ANOVA Cluster Error F Sig. Mean Square df Mean Square df murder 25, , ,784,149 rape 834, , ,071,000 robbery 33731, , ,132,001 assault 31241, , ,825,009 burglary , , ,088,000 larcenry , , ,034,000 auto , , ,825,000 Alla olevassa taulukossa on lueteltu ryhmien 1, 2, 3, 4 ja 5 jäsenet. Complete Linkage 1 state 1 ALABAMA 2 ARKANSAS 3 GEORGIA 4 ILLINOIS 5 INDIANA
11 2 3 6 KANSAS 7 LOUISIANA 8 MISSISSIPPI 9 MISSOURI 10 NORTH CAROLINA 11 OHIO 12 OKLAHOMA 13 SOUTH CAROLINA 14 TENNESSEE 15 TEXAS 16 VIRGINIA Total N 16 1 ALASKA 2 ARIZONA 3 COLORADO 4 DELAWARE 5 FLORIDA 6 HAWAII 7 MARYLAND 8 MICHIGAN 9 NEW MEXICO 10 OREGON 11 WASHINGTON Total N 11 1 CALIFORNIA 2 NEVADA 3 NEW YORK Total N 3 Complete Linkage 4 state 1 CONNECTICUT 2 MASSACHUSETTS 3 NEW JERSEY 4 RHODE ISLAND
12 Total N 4 1 IDAHO 2 IOWA 3 KENTUCKY 4 MAINE 5 MINNESOTA 6 MONTANA 7 NEBRASKA 8 NEW HAMPSHIRE 5 9 NORTH DAKOTA 10 PENNSYLVANIA 11 SOUTH DAKOTA 12 UTAH 13 VERMONT 14 WEST VIRGINIA 15 WISCONSIN 16 WYOMING Total N 16 Total N 50 a. Limited to first 100 cases. Tehtävä 2: Alla on annettuna oliojoukon {A,B,C,D,E} etäisyysmatriisi. Suorita joukon hierarkkinen ryhmittely, kun metodina on ryhmien maksimietäisyys ja metriikkana alkioiden/ryhmien erotuksen itseisarvo: x-y. Esitä eri vaiheissa syntyvät etäisyysmatriisit ja ryhmät. A B C D E A B C D E
13 Moduuli f: Erotteluanalyysi Oheisessa analyysissä selitetään iällä (vuosina) ja asiakastyytyväisyydellä (pistemäärä 0-50), ostaako henkilö tuotteen vai ei. Tulkitse tuloste. Muista tarkistaa reunaehtojen voimassaolo ja pohdi myös analyysin mahdollisia puutteita. Discriminant Group Statistics Osti Valid N (listwise) Mean Std. Deviation Unweighted Weighted Ei Pistemäärä 31,72 5, ,000 ikä 27,67 10, ,000 Kyllä Pistemäärä 35,27 3, ,000 ikä 50,85 11, ,000 Total Pistemäärä 33,58 4, ,000 ikä 39,81 16, ,000 Tests of Equality of Group Means Wilks' Lambda F df1 df2 Sig. Pistemäärä,860 9, ,003 ikä,479 66, ,000 Analysis 1 Box's Test of Equality of Covariance Matrices Log Determinants Osti Rank Log Determinant Ei 2 7,836 Kyllä 2 7,465 Pooled within-groups 2 7,696 The ranks and natural logarithms of determinants printed are those of the group covariance matrices.
14 dimension0 1 dimension0 1 Test Results Box's M 3,320 F Approx. 1,067 df1 3 df ,125 Sig.,362 Tests null hypothesis of equal population covariance matrices. Summary of Canonical Discriminant Functions Eigenvalues Function Eigenvalue % of Variance Cumulative % Canonical Correlation 1,089 a 100,0 100,0,722 a. First 1 canonical discriminant functions were used in the analysis. Wilks' Lambda Test of Function(s) Wilks' Lambda Chi-square df Sig.,479 44,210 2,000 Standardized Canonical Discriminant Function Coefficients Function 1 Pistemäärä,026 ikä,990 Structure Matrix Function 1 ikä 1,000 Pistemäärä,386 Pooled within-groups correlations between discriminating variables and standardized canonical discriminant functions. Variables ordered by absolute size of correlation within function. Functions at Group Centroids Osti Function Ei -1,077 1 Kyllä,979 Unstandardized canonical discriminant functions evaluated at group means
15 Classification Statistics Prior Probabilities for Groups Osti Cases Used in Analysis Prior Unweighted Weighted Ei, ,000 Kyllä, ,000 Total 1, ,000 Classification Function Coefficients Osti Ei Kyllä Pistemäärä 1,604 1,616 ikä -,013,167 (Constant) -25,955-33,446 Fisher's linear discriminant functions Classification Results a Osti Predicted Group Membership Ei Kyllä Total Original Count Ei Kyllä % Ei 90,0 10,0 100,0 Kyllä 15,2 84,8 100,0 a. 87,3% of original grouped cases correctly classified.
805306A Johdatus monimuuttujamenetelmiin, 5 op
monimuuttujamenetelmiin, 5 op syksy 2018 Matemaattisten tieteiden laitos Pääkomponenttianalyysi (PCA, Principle component analysis) Tarkastellaan n havaintoyksikön havaintoaineistoa, joka pitää sisällään
LisätiedotPerusnäkymä yksisuuntaiseen ANOVAaan
Metsämuuronen 2006. TTP Tutkimuksen tekemisen perusteet ihmistieteissä Taulukko.51.1 Analyysiin mukaan tulevat muuttujat Mja selite Merkitys mallissa F1 Ensimmäinen faktoripistemuuttuja Selitettävä muuttuja
LisätiedotUSA-Australia combo, lähtö elokuussa ei mahdollinen
Yhdysvallat Lukuvuosi Lukukausi Lähtö elokuussa 2019 10750 8450 Lähtö tammikuussa 2019 ei mahdollinen 7950* Soft Landing Camp New York Valinnainen Havaijin matka 26.12.2019-1.1.2020 (lennot ostetaan erikseen)
LisätiedotOHJ-7600 Ihminen ja tekniikka -seminaari, 4 op Käyttäjäkokemuksen kvantitatiivinen analyysi. Luento 3
OHJ-7600 Ihminen ja tekniikka -seminaari, 4 op Käyttäjäkokemuksen kvantitatiivinen analyysi Luento 3 Tutkimussuunnitelman rakenne-ehdotus Otsikko 1. Motivaatio/tausta 2. Tutkimusaihe/ -tavoitteet ja kysymykset
LisätiedotFrequencies. Frequency Table
GET FILE='C:\Documents and Settings\haukkala\My Documents\kvanti\kvanti_harjo'+ '_label.sav'. DATASET NAME DataSet WINDOW=FRONT. FREQUENCIES VARIABLES=koulv paino /ORDER= ANALYSIS. Frequencies [DataSet]
Lisätiedotvoidaan hylätä, pienempi vai suurempi kuin 1 %?
[TILTP1] TILASTOTIETEEN JOHDANTOKURSSI, Syksy 2011 http://www.uta.fi/~strale/tiltp1/index.html 30.9.2011 klo 13:07:54 HARJOITUS 5 viikko 41 Ryhmät ke 08.30 10.00 ls. C8 Leppälä to 12.15 13.45 ls. A2a Laine
LisätiedotBloomington. Average IPEDS Net Price: Peer Comparison
Bloomington Indiana University Bloomington $10,324 $3,919 $6,921 $13,299 $18,553 $18,929 Michigan State University $12,366 $5,569 $10,818 $16,074 $19,598 $20,547 Purdue University Main Campus $12,534 $6,980
Lisätiedot54. Tehdään yhden selittäjän lineaarinen regressioanalyysi, kun selittäjänä on määrällinen muuttuja (ja selitettävä myös):
Tilastollinen tietojenkäsittely / SPSS Harjoitus 5 Tarkastellaan ensin aineistoa KUNNAT. Kyseessähän on siis kokonaistutkimusaineisto, joten tilastollisia testejä ja niiden merkitsevyystarkasteluja ei
LisätiedotEsim Brand lkm keskiarvo keskihajonta A ,28 5,977 B ,06 3,866 C ,95 4,501
Esim. 2.1.1. Brand lkm keskiarvo keskihajonta A 10 251,28 5,977 B 10 261,06 3,866 C 10 269,95 4,501 y = 260, 76, n = 30 SS 1 = (n 1 1)s 2 1 = (10 1)5, 977 2 321, 52 SS 2 = (n 2 1)s 2 2 = (10 1)3, 8662
Lisätiedot[MTTTA] TILASTOMENETELMIEN PERUSTEET, KEVÄT 209 https://coursepages.uta.fi/mttta/kevat-209/ HARJOITUS 5 viikko 8 RYHMÄT: ke 2.5 3.45 ls. C6 Leppälä to 08.30 0.00 ls. C6 Korhonen to 2.5 3.45 ls. C6 Korhonen
LisätiedotLauri Tarkkonen: Erottelu analyysi
Lauri Tarkkonen: Erottelu analyysi Erotteluanalyysin ongelma on kaksijakoinen:. Mikä havaittujen muuttujien (x i ) lineaarinen yhdistely erottaa mahdollisimman hyvin toisistaan tunnetut ryhmät? Siis selitettävä
LisätiedotTässä harjoituksessa käydään läpi R-ohjelman käyttöä esimerkkidatan avulla. eli matriisissa on 200 riviä (havainnot) ja 7 saraketta (mittaus-arvot)
R-ohjelman käyttö data-analyysissä Panu Somervuo 2014 Tässä harjoituksessa käydään läpi R-ohjelman käyttöä esimerkkidatan avulla. 0) käynnistetään R-ohjelma Huom.1 allaolevissa ohjeissa '>' merkki on R:n
LisätiedotCrop Progress. Cotton Setting Bolls Selected States [These 15 States planted 99% of the 2012 cotton acreage] Cotton Bolls Opening Selected States
Crop Progress ISSN: 0 Released August,, by the National Agricultural Statistics Service (NASS), Agricultural Statistics Board, United s Department of Agriculture (USDA). Cotton Setting Bolls Selected s
LisätiedotData-analyysi II. Sisällysluettelo. Simo Kolppo [Type the document subtitle]
Data-analyysi II [Type the document subtitle] Simo Kolppo 26.3.2014 Sisällysluettelo Johdanto... 1 Tutkimuskysymykset... 1 Aineistojen esikäsittely... 1 Economic Freedom... 1 Nuorisobarometri... 2 Aineistojen
LisätiedotCrop Progress. Cotton Bolls Opening Selected States [These 15 States planted 99% of the 2010 cotton acreage]
Crop Progress ISSN: 00 Released September,, by the National Agricultural Statistics Service (NASS), Agricultural Statistics Board, United s Department of Agriculture (USDA). Cotton Bolls Opening Selected
LisätiedotKvantitatiivinen genetiikka moniste s. 56
Kvantitatiivinen genetiikka moniste s. 56 - määrällisten ominaisuuksien periytymisen hallinta - mendelismi oli aluksi vastatuulessa siksi että darwinistit, joilla oli paljon valtaa Britanniassa, olivat
LisätiedotProspektiteoreettinen näkökulma
Miten paljon saneerausohjelmien onnistumiseen vaikuttaa yrittäjän kannustimet? Prospektiteoreettinen näkökulma Tapio Laakso 29.1.2010 Onnistumisen hyöty yrittäjälle vs. keskeytymisriski (Selvittäjän rooli?
LisätiedotIdaho Cooper Champneys Shots on center Utah Troy Flanigan Shots on center
2015 NHSFR NRA Light Rifle Championship (Updated After Protest Period / Resolution) State Team Members Prone Standing Kneeling Total X-Rings Place Washington David Gunkel 114 106 111 331 7 1 Texas Morgan
LisätiedotSisällysluettelo 6 VARIANSSIANALYYSI. Metsämuuronen: Monimuuttujamenetelmien perusteet SPSS-ympäristössä ALKUSANAT... 4 ALKUSANAT E-KIRJA VERSIOON...
Sisällysluettelo ALKUSANAT... 4 ALKUSANAT E-KIRJA VERSIOON...5 SISÄLLYSLUETTELO... 6 LYHYT SANASTO VASTA-ALKAJILLE... 7 1. MONIMUUTTUJAMENETELMÄT IHMISTIETEISSÄ... 9 1.1 MONIMUUTTUJA-AINEISTON ERITYISPIIRTEITÄ...
LisätiedotLisätehtäviä ratkaisuineen luentomonisteen lukuun 6 liittyen., jos otoskeskiarvo on suurempi kuin 13,96. Mikä on testissä käytetty α:n arvo?
MTTTP5, kevät 2016 15.2.2016/RL Lisätehtäviä ratkaisuineen luentomonisteen lukuun 6 liittyen 1. Valitaan 25 alkion satunnaisotos jakaumasta N(µ, 25). Olkoon H 0 : µ = 12. Hylätään H 0, jos otoskeskiarvo
Lisätiedot1. PÄÄTTELY YHDEN SELITTÄJÄN LINEAARISESTA REGRESSIOMALLISTA
Mat-2.104 Tilastollisen analyysin perusteet / Ratkaisut Aiheet: Avainsanat Päättely yhden selittäjän lineaarisesta regressiomallista Ennustaminen, Ennuste, Ennusteen luottamusväli, Estimaatti, Estimaattori,
Lisätiedot1. YKSISUUNTAINEN VARIANSSIANALYYSI: AINEISTON ESITYSMUODOT
Mat-2.104 Tilastollisen analyysin perusteet / Ratkaisut Aiheet: Avainsanat: Yksisuuntainen varianssianalyysi Bartlettin testi, Bonferronin menetelmä, F-testi, Jäännösneliösumma, χ 2 -testi, Kokonaiskeskiarvo,
LisätiedotHarjoittele tulkintoja
Harjoittele tulkintoja Syksy 9: KT (55 op) Kvantitatiivisen aineiston keruu ja analyysi SPSS tulosteiden tulkintaa/til Analyysit perustuvat aineistoon: Haavio-Mannila, Elina & Kontula, Osmo (1993): Suomalainen
LisätiedotTeema 10: Regressio- ja varianssianalyysi
Teema 1: Regressio- ja varianssianalyysi Regressioanalyysi lienee t-testin ohella maailman eniten käytetty tilastollinen menetelmä. Sitä sivuttiin jo alustavasti Teemassa 4. Varianssianalyysi liittyy useallakin
LisätiedotLumipallo regressioanalyysista. Logistinen regressioanalyysi. Soveltuvan menetelmän valinta. Regressioanalyysi. Logistinen regressioanalyysi I
Lumipallo regressioanalyysista jokainen kirjoittaa lapulle yhden lauseen regressioanalyysista ja antaa sen seuraavalle Logistinen regressioanalyysi Y250. Kvantitatiiviset menetelmät (6 op) Hanna Wass tutkijatohtori
LisätiedotMONIMUUTTUJAMENETELMISTÄ RAKENNEYHTÄLÖMALLINNUKSEEN MUUTTUJIEN NORMAALISUUS. Statistics
MONIMUUTTUJAMENETELMISTÄ RAKENNEYHTÄLÖMALLINNUKSEEN 28.4.2016 MANNE KALLIO 2016 MUUTTUJIEN NORMAALISUUS : Frequencies Statistics Output: Skewness ja kurtosis -1 1 < 2 X std.error Skewnessin ja kurtosiksen
LisätiedotVARIANSSIANALYYSI ANALYSIS OF VARIANCE
VARIANSSIANALYYSI ANALYSIS OF VARIANCE 1 Suomalaisten aikuisten pituusjakauma:.8.7.6.5.4.3.2.1 14 15 16 17 18 19 2 21 Jakauma ei ole normaali, sen olettaminen sellaiseksi johtaa virheellisiin päätelmiin.
LisätiedotL i i kev aihto p a ra n i k a i k illa m a r k k i n a -alueilla h u olimatta n e g a t i ivisesta v a l u u t t a vaikutuksesta
H Y V Ä A L K U V U O D E L L E L i i kev aihto p a ra n i k a i k illa m a r k k i n a -alueilla h u olimatta n e g a t i ivisesta v a l u u t t a vaikutuksesta Liikevaihto kasvoi 3,1 % verrattuna Q1/2017
LisätiedotSPSS-perusteet. Sisältö
SPSS-perusteet Sisältö Ikkunat 3 Päävalikot 5 Valikot 6 Aineiston käsittely 6 Muuttujamuunnokset 7 Aineistojen kuvailu analyysit 8 Havaintomatriisin luominen ja käsittely 10 Muulla sovelluksella tehdyn
LisätiedotNITTY-GRITTY (THROUGH GAMES OF March 6, 2018 ) Men's Basketball. Road Record. Conf. Record
Rank Virginia 1 95 18 28-2 6 11-1 17-1 10-1 15 51 14 37 9-1 5-1 9-0 5-0 Villanova 2 96 19 27-4 1 13-0 14-4 9-3 12 44 25 52 8-3 7-0 8-1 4-0 Xavier 3 92 16 27-4 7 12-1 15-3 9-2 11 43 9 17 6-3 8-1 9-0 4-0
LisätiedotNITTY-GRITTY (THROUGH GAMES OF March 7, 2018 ) Men's Basketball. Road Record. Conf. Record
Rank Virginia 1 96 19 28-2 7 11-1 17-1 10-1 16 51 16 39 9-1 5-1 9-0 5-0 Villanova 2 97 21 27-4 2 13-0 14-4 9-3 12 46 26 49 8-3 7-0 8-1 4-0 Xavier 3 93 16 27-4 6 12-1 15-3 9-2 11 42 11 17 6-3 9-1 8-0 4-0
LisätiedotNITTY-GRITTY (THROUGH GAMES OF February 25, 2018 ) Men's Basketball. Road Record. Conf. Record
Rank Virginia 1 99 20 26-2 4 11-1 15-1 9-1 14 51 19 46 8-1 4-1 8-0 6-0 Xavier 2 91 12 25-4 5 12-1 13-3 8-2 6 39 10 20 6-4 7-0 8-0 4-0 Villanova 3 97 19 25-4 1 13-0 12-4 8-3 11 36 15 52 7-3 7-0 7-1 4-0
LisätiedotNITTY-GRITTY (THROUGH GAMES OF February 11, 2018 ) Men's Basketball. Road Record. Conf. Record
Rank Virginia 1 97 15 23-2 9 11-1 12-1 7-1 8 72 31 61 7-1 5-1 6-0 5-0 Xavier 2 93 11 23-3 3 12-1 11-2 7-2 10 38 7 23 7-3 7-0 4-0 5-0 Villanova 3 102 21 23-2 2 13-0 10-2 7-1 28 59 10 35 8-1 5-1 6-0 4-0
LisätiedotNITTY-GRITTY (THROUGH GAMES OF December 15, 2017 ) Men's Basketball. Road Record. Conf. Record
Rank Duke 1 108 13 11-1 1 11-0 0-1 1-1 16 18 59 44 1-0 4-1 5-0 1-0 Michigan St. 2 113 21 9-1 5 7-1 2-0 1-0 8 10 84 76 1-1 2-0 3-0 3-0 Arizona St. 3 142 67 9-0 2 9-0 0-0 1-0 34 34 78 77 3-0 0-0 3-0 3-0
LisätiedotNITTY-GRITTY (THROUGH GAMES OF February 20, 2018 ) Men's Basketball. Road Record. Conf. Record
Rank Virginia 1 92 14 24-2 6 11-1 13-1 8-1 6 54 33 54 8-1 6-1 5-0 5-0 Villanova 2 94 15 24-3 2 13-0 11-3 8-2 11 44 8 47 8-2 7-1 6-0 3-0 Xavier 3 85 6 24-4 4 12-1 12-3 7-2 5 38 5 21 7-4 8-0 5-0 4-0 Duke
LisätiedotNITTY-GRITTY (THROUGH GAMES OF January 29, 2018 ) Men's Basketball. Road Record. Conf. Record
Rank Virginia 1 112 27 20-1 13 11-1 9-0 5-1 28 104 15 55 5-1 5-0 5-0 5-0 Villanova 2 115 30 20-1 2 13-0 7-1 7-1 40 84 8 19 5-1 6-0 4-0 5-0 Xavier 3 97 10 19-3 6 12-1 7-2 4-2 14 42 7 26 4-3 5-0 6-0 4-0
LisätiedotNITTY-GRITTY (THROUGH GAMES OF December 6, 2017 ) Men's Basketball. Road Record. Conf. Record
Rank Duke 1 109 13 11-0 1 11-0 0-0 1-0 16 15 39 39 1-0 3-0 5-0 2-0 Missouri 2 54 1 6-2 2 6-2 0-0 1-1 1 1 6 6 2-2 2-0 2-0 0-0 Texas A&M 3 126 32 7-1 3 7-1 0-0 1-0 2 2 211 209 2-0 1-1 2-0 2-0 Michigan St.
LisätiedotNITTY-GRITTY (THROUGH GAMES OF December 4, 2017 ) Men's Basketball. Road Record. Conf. Record
Rank Duke 1 99 10 10-0 1 10-0 0-0 1-0 9 9 44 43 1-0 4-0 4-0 1-0 Texas A&M 2 128 39 7-0 2 7-0 0-0 1-0 8 8 182 182 2-0 1-0 2-0 2-0 Missouri 3 47 1 5-2 3 5-2 0-0 1-1 1 1 20 20 2-2 2-0 1-0 0-0 Kansas 4 87
LisätiedotTilastollisten menetelmien perusteet II TILTP3 Luentorunko
Tilastollisten menetelmien perusteet II TILTP3 Luentorunko Raija Leppälä 29. helmikuuta 2012 Sisältö 1 Johdanto 2 1.1 Jatkuvista jakaumista 2 1.1.1 Normaalijakauma 2 1.1.2 Studentin t-jakauma 3 1.2 Satunnaisotos,
LisätiedotMat Tilastollisen analyysin perusteet. Painotettu PNS-menetelmä. Avainsanat:
Mat-2.104 Tilastollisen analyysin perusteet / Ratkaisut Aiheet: Avainsanat: Mallin valinta Painotettu PNS-menetelmä Alaspäin askellus, Askellus, Askeltava valikointi, Diagnostinen grafiikka, Diagnostiset
LisätiedotMAAILMA JA KANNABIKSEN LAILLISUUS MISSÄ VOIT POLTELLA RAUHASSA JA MISSÄ SE ON RANGAISTAVAA?
MAAILMA JA KANNABIKSEN LAILLISUUS MISSÄ VOIT POLTELLA RAUHASSA JA MISSÄ SE ON RANGAISTAVAA? Sivu 1 / 12 Kannabiksen laillisuus maailmalla Tämä kirjanen on tarkoitetta niille kannabiksen käyttäjille, jotka
LisätiedotNITTY-GRITTY (THROUGH GAMES OF January 5, 2019 ) Men's Basketball. Conf. Record. Non-Conf. Record
Rank Non- Virginia 1 170 153 13-0 1-0 12-0 2-0 139 206 3-0 2-0 2-0 6-0 Duke 2 125 22 12-1 1-0 11-1 0-0 9 9 4-1 1-0 2-0 5-0 Michigan 3 164 130 14-0 3-0 11-0 2-0 119 190 4-0 2-0 1-0 7-0 Houston 4 162 124
LisätiedotNITTY-GRITTY (THROUGH GAMES OF January 7, 2019 ) Men's Basketball. Conf. Record. Non-Conf. Record
Rank Non- Virginia 1 168 144 13-0 1-0 12-0 2-0 121 195 3-0 2-0 2-0 6-0 Duke 2 126 23 12-1 1-0 11-1 0-0 7 11 4-1 1-0 2-0 5-0 Michigan 3 153 93 15-0 4-0 11-0 2-0 78 177 5-0 1-0 1-0 8-0 Houston 4 155 100
Lisätiedotxi = yi = 586 Korrelaatiokerroin r: SS xy = x i y i ( x i ) ( y i )/n = SS xx = x 2 i ( x i ) 2 /n =
1. Tutkitaan paperin ominaispainon X(kg/dm 3 ) ja puhkaisulujuuden Y (m 2 ) välistä korrelaatiota. Tiettyä laatua olevasta paperierästä on otettu satunnaisesti 10 arkkia ja määritetty jokaisesta arkista
Lisätiedot2012 Ordinations. Name
Alabama 8/18/2012 Michaelle Basinger Alabama 3/5/2012 Michael Campbell Alabama 7/8/2012 David Curtis Alabama 3/5/2012 Phillip Hardin Alabama 3/5/2012 Danny Lopez Alabama 7/8/2012 Clara McAdory Alabama
Lisätiedot2018 Bridge Builder Award Winners 2017 Bridge Builder Award Winners 2016 Bridge Builder Award Winners 2015 Bridge Builder Award Winners
2018 Bridge Builder Award Winners Christine Sarcone Iowa Harry Bowers North Carolina George Pierce North Carolina 2017 Bridge Builder Award Winners Sherri Hocter Ohio Debbie Battle Oregon 2016 Bridge Builder
Lisätiedotvoidaan hylätä, pienempi vai suurempi kuin 1 %?
[MTTTP1] TILASTOTIETEEN JOHDANTOKURSSI, Syksy 2017 http://www.uta.fi/sis/mtt/mtttp1/syksy_2017.html HARJOITUS 5 viikko 42 6.10.2017 klo 10:42:20 Ryhmät: ke 08.30 10.00 LS C6 Paajanen ke 10.15 11.45 LS
Lisätiedot1. REGRESSIOMALLIN SYSTEMAATTISEN OSAN MUOTO
Mat-2.104 Tilastollisen analyysin perusteet / Ratkaisut Aiheet: Avainsanat: Regressiodiagnostiikka Cooken etäisyys, Funktionaalinen muoto, Diagnostinen grafiikka, Diagnostiset testit, Heteroskedastisuus,
LisätiedotRaija Leppälä. Ohjeita tilastollisen tutkimuksen toteuttamiseksi IBM SPSS Statistics -ohjelmiston avulla
Raija Leppälä Ohjeita tilastollisen tutkimuksen toteuttamiseksi IBM SPSS Statistics -ohjelmiston avulla TAMPEREEN YLIOPISTO INFORMAATIOTIETEIDEN YKSIKÖN RAPORTTEJA 55/2017 TAMPERE 2017 TAMPEREEN YLIOPISTO
Lisätiedot1. USEAN SELITTÄJÄN LINEAARINEN REGRESSIOMALLI JA OSITTAISKORRELAATIO
Mat-2.104 Tilastollisen analyysin perusteet / Ratkaisut Aiheet: Avainsanat Usean selittäjän lineaarinen regressiomalli Estimaatti, Estimaattori, Estimointi, Jäännösneliösumma, Jäännöstermi, Jäännösvarianssi,
LisätiedotFoA5 Tilastollisen analyysin perusteet puheentutkimuksessa. 9. luento. Pertti Palo
FoA5 Tilastollisen analyysin perusteet puheentutkimuksessa 9. luento Pertti Palo 22.11.2012 Käytännön asioita Eihän kukaan paikallaolijoista tee 3 op kurssia? 2. seminaarin ilmoittautuminen. 2. harjoitustyön
LisätiedotKvantitatiiviset menetelmät
Kvantitatiiviset menetelmät HUOM! Tentti pidetään tiistaina.. klo 6-8 V ls. Uusintamahdollisuus on rästitentissä.. ke 6 PR sali. Siihen tulee ilmoittautua WebOodissa 9. 8.. välisenä aikana. Soveltuvan
LisätiedotALUMNI LIFETIME MEMBERS July 23, 2013
ALUMNI LIFETIME MEMBERS July 23, 2013 Number Name State #1 Robert Mills Alabama #2 Mark Johnson Kansas #3 Marilynne Hinkel Pennsylvania #4 Gary Head Georgia #5 Dennis Craig Michigan #6 Terri Walker Georgia
LisätiedotBudjettisäännöt, julkisen talouden tasapaino ja finanssipolitiikka kokemuksia Yhdysvaltain osavaltioista
Kansantaloudellinen aikakauskirja 108 vsk 2/2012 Budjettisäännöt, julkisen talouden tasapaino ja finanssipolitiikka kokemuksia Yhdysvaltain osavaltioista Markus Haavio Tutkijaekonomisti Rahapolitiikka-
LisätiedotMat Tilastollisen analyysin perusteet
/ Mat-2.21 04 Tilastollisen analyysin perusteet Tentti 24.5.2013/Virtanen Kirjoita selvasti jokaiseen koepaperiin alia mainitussa jarjestyksessa: Mat-2.2104 Tap 24.5.2013 opiskelijanumero kirjain TEKSTATEN
LisätiedotSisällysluettelo 6 REGRESSIOANALYYSI. Metsämuuronen: Monimuuttujamenetelmien perusteet SPSS-ympäristössä ALKUSANAT... 4 ALKUSANAT E-KIRJA VERSIOON...
Sisällysluettelo ALKUSANAT... 4 ALKUSANAT E-KIRJA VERSIOON...5 SISÄLLYSLUETTELO... 6 LYHYT SANASTO VASTA-ALKAJILLE... 7 1. MONIMUUTTUJAMENETELMÄT IHMISTIETEISSÄ... 9 1.1 MONIMUUTTUJA-AINEISTON ERITYISPIIRTEITÄ...
LisätiedotMTTTP5, luento Luottamusväli, määritelmä
23.11.2017/1 MTTTP5, luento 23.11.2017 Luottamusväli, määritelmä Olkoot A ja B satunnaisotoksen perusteella määriteltyjä satunnaismuuttujia. Väli (A, B) on parametrin 100(1 - ) %:n luottamusväli, jos P(A
LisätiedotTilastollisen analyysin perusteet Luento 9: Moniulotteinen lineaarinen. regressio
Tilastollisen analyysin perusteet Luento 9: lineaarinen lineaarinen Sisältö lineaarinen lineaarinen lineaarinen Lineaarinen Oletetaan, että meillä on n kappaletta (x 1, y 1 ), (x 2, y 2 )..., (x n, y n
Lisätiedot805306A Johdatus monimuuttujamenetelmiin, 5 op
monimuuttujamenetelmiin, 5 op syksy 2018 Matemaattisten tieteiden laitos Faktorianalyysi (Factor analysis) Faktorianalyysi jaetaan perinteisesti kahteen osaan Eksploratiiviseen (explorative factor analysis)
LisätiedotNESBITT AUTO TRANSPORT TOWING PRICES
NESBITT AUTO TRANSPORT TOWING PRICES FLORIDA FORT PIERCE $160.00 $180.00 $200.00 COPART JACKSONVILLE EAST $250.00 $275.00 $300.00 COPART JACKSONVILLE WEST $250.00 $275.00 $300.00 COPART MIAMI CENTRAL $85.00
LisätiedotMS-C2{04 Tilastollisen analyysin perusteet
MS-C2{04 Tilastollisen analyysin perusteet Tentti 7.4.20 4A/irtanen Kirjoita selvästi jokaiseen koepaperiin alla mainitussa järjestyksessä: OHlprrn (i) (ii) MS-C204 TAP 7.4.204 opiskelijanumero + kirjain
LisätiedotOHJ-7600 Ihminen ja tekniikka -seminaari, 4 op Käyttäjäkokemuksen kvantitatiivinen analyysi Luento 2
OHJ-7600 Ihminen ja tekniikka -seminaari, 4 op Käyttäjäkokemuksen kvantitatiivinen analyysi Luento 2 Luento 2 Kuvailevat tilastolliset menetelmät Käytetyimmät tilastolliset menetelmät käyttäjäkokemuksen
Lisätiedot1. a) Luettele hyvän kvantitatiivisen tutkimuksen perusvaatimukset. b) Miten tutkimusraportissa arvioit tutkimuksen luotettavuutta?
1. a) Luettele hyvän kvantitatiivisen tutkimuksen perusvaatimukset. b) Miten tutkimusraportissa arvioit tutkimuksen luotettavuutta? 2. Tehtävät 2-4 sekä 6 10 liittyvät keväällä 2002 suoritettuun ammattikorkeakoulusta
Lisätiedotorder of the golden heart recipients
Appendix D order of the golden heart recipients Recipient, Year Presented, Chapter, School, Year of Graduation. * Indicates deceased. John Abraham (2009) Cincinnati, 77 John Allen (2013) Louisiana Beta,
LisätiedotOhjeita kvantitatiiviseen tutkimukseen
1 Metropolia ammattikorkeakoulu Liiketalouden yksikkö Pertti Vilpas Ohjeita kvantitatiiviseen tutkimukseen Osa 2 KVANTITATIIVISEN TUTKIMUSAINEISTON ANALYYSI Sisältö: 1. Frekvenssi- ja prosenttijakaumat.2
Lisätiedothttp://www.uwasa.fi/laskentatoimi/henkilokunta/laitinenerkkik/
Erkki K. Laitinen, professori Laskentatoimen ja rahoituksen yksikkö Luento löytyy netistä: http://www.uwasa.fi/laskentatoimi/henkilokunta/laitinenerkkik/ Luennon aiheet: 1. Faktorianalyysi 2. Logistinen
LisätiedotRegressioanalyysi. Vilkkumaa / Kuusinen 1
Regressioanalyysi Vilkkumaa / Kuusinen 1 Regressioanalyysin idea ja tavoitteet Regressioanalyysin idea: Halutaan selittää selitettävän muuttujan havaittujen arvojen vaihtelua selittävien muuttujien havaittujen
LisätiedotHarjoitustyön suorittaminen - artikkelit Artikkeli 1: Management Capabilities and Environmental Characteristics in the Critical Operational Phase of E
YRITTÄJYYDEN TEORIAT, YRITTÄJYYSTUTKIMUS JA TUTKIMUSMETODOLOGIA KURSSIN SUORITUSTAVAT -luennot ja harjoitustyö -Spss-harjoitukset, ryhmätyöt (ti 25.9, ke 26.9 ja ti 9.10) -harjoitustyö tehdään etätyönä
LisätiedotGraph. COMPUTE x=rv.normal(0,0.04). COMPUTE y=rv.normal(0,0.04). execute.
COMPUTE x=rv.ormal(0,0.04). COMPUTE y=rv.ormal(0,0.04). execute. compute hplib_man_r = hplib_man + x. compute arvokons_man_r = arvokons_man + y. GRAPH /SCATTERPLOT(BIVAR)=hplib_man_r WITH arvokons_man_r
LisätiedotMediaanikorko on kiinteäkorkoiselle lainalle korkeampi. Tämä hypoteesi vastaa taloustieteen käsitystä korkojen määräytymismekanismista.
Mat-2.04 Tilastollisen analyysin perusteet / Ratkaisut Aiheet: Avainsanat: Testit järjestysasteikollisille muuttujille Testit laatueroasteikollisille muuttujille Hypoteesi, Mannin ja Whitneyn testi (Wilcoxonin
LisätiedotDemotehtävä + liitteet (muuttujaluettelo, käytettävät analyysimenetelmät hypoteeseineen, osa SPSS-ohjelman tulostuslistasta)
1 KTE.139 Tutkimusaineiston analyysi Demot 5 ja 6 (7.3.-18.3.2005) Ritva Sakari-Rantala (sakari@sport.jyu.fi, puh. 260 2094) Demotehtävä + liitteet (muuttujaluettelo, käytettävät analyysimenetelmät hypoteeseineen,
LisätiedotWomen s Soccer Attendance Records Home Attendance Leaders... 2 Annual Home Attendance Champions... 4 Game Attendance Records...
Women s Soccer Attendance Records 2007 Home Attendance Leaders... 2 Annual Home Attendance Champions... 4 Game Attendance Records... 5 2 2007 Home Attendance Leaders 2007 Home Attendance Leaders 1. Portland...
LisätiedotOngelma: Poikkeaako perusjoukon suhteellinen osuus vertailuarvosta?
Yhden otoksen suhteellisen osuuden testaus Ongelma: Poikkeaako perusjoukon suhteellinen osuus vertailuarvosta? Hypoteesit H 0 : p = p 0 H 1 : p p 0 tai H 1 : p > p 0 tai H 1 : p < p 0 Suhteellinen osuus
LisätiedotLEADER VAI MANAGERI VAI MOLEMPIA?
LEADER VAI MANAGERI VAI MOLEMPIA? Tuloksia ja onnistumisen tunteita 2.2.2012 Antero Halmela Miksi olen täällä? Mitä teemme seuraavat 75 min? Kuka on konsultti? Mitä hyötyä minulle? 2 Antero Halmela Kuka
LisätiedotRegressioanalyysi. Kuusinen/Heliövaara 1
Regressioanalyysi Kuusinen/Heliövaara 1 Regressioanalyysin idea ja tavoitteet Regressioanalyysin idea: Oletetaan, että haluamme selittää jonkin selitettävän muuttujan havaittujen arvojen vaihtelun joidenkin
Lisätiedot805306A Johdatus monimuuttujamenetelmiin, 5 op
monimuuttujamenetelmiin, 5 op syksy 2018 Matemaattisten tieteiden laitos Lineaarinen erotteluanalyysi (LDA, Linear discriminant analysis) Erotteluanalyysin avulla pyritään muodostamaan selittävistä muuttujista
LisätiedotABHELSINKI UNIVERSITY OF TECHNOLOGY
Johdatus regressioanalyysiin Regressioanalyysin idea Oletetaan, että haluamme selittää jonkin selitettävän muuttujan havaittujen arvojen vaihtelun selittävien muuttujien havaittujen arvojen vaihtelun avulla.
LisätiedotHarjoitus 9: Excel - Tilastollinen analyysi
Harjoitus 9: Excel - Tilastollinen analyysi Mat-2.2107 Sovelletun matematiikan tietokonetyöt Syksy 2006 Mat-2.2107 Sovelletun matematiikan tietokonetyöt 1 Harjoituksen aiheita Tutustuminen regressioanalyysiin
LisätiedotResiduaalit. Residuaalit. UK Ger Fra US Austria. Maat
TAMPEREEN YLIOPISTO Tilastollisen mallintamisen harjoitustyö Teemu Kivioja ja Mika Helminen Epätasapainoisen koeasetelman analyysi Worksheet 5 Matematiikan, tilastotieteen ja filosofian laitos Tilastotiede
LisätiedotMenestyminen valintakokeissa ja todennäköisyyslaskussa
21.5.21 Menestyminen valintakokeissa ja todennäköisyyslaskussa Esa Pursiheimo 45761L 1 JOHDANTO...2 2 LÄHTÖTIEDOT JA OTOS...3 3 PÄÄSYKOETULOKSIEN YHTEISJAKAUMA...4 4 REGRESSIOANALYYSI...9 4.1 MALLI JA
LisätiedotTavanomaisten otostunnuslukujen, odotusarvon luottamusvälin ja Box ja Whisker -kuvion määritelmät: ks. 1. harjoitukset.
Mat-.04 Tilastollisen analyysin perusteet Mat-.04 Tilastollisen analyysin perusteet / Ratkaisut Aiheet: Avainsanat: Testit suhdeasteikollisille muuttujille Hypoteesi, Kahden riippumattoman otoksen t-testit,
LisätiedotSPSS-pikaohje. Jukka Jauhiainen OAMK / Tekniikan yksikkö
SPSS-pikaohje Jukka Jauhiainen OAMK / Tekniikan yksikkö SPSS on ohjelmisto tilastollisten aineistojen analysointiin. Hyvinvointiteknologian ATK-luokassa on asennettuna SPSS versio 13.. Huom! Ainakin joissakin
LisätiedotA B DIFFERENCE
I Mat-2.21 04 Tilastollisen analyysin perusteet Tentti 10.5.2013Nirtanen Ki~oita selvasti jokaiseen koepaperiin alia mainitussa ja~estyksessa: 0HJEITA Mat-2.2104 Tap 10.5.2013 opiskelijanumero ki~ain TEKSTATEN
Lisätiedot, Määrälliset tutkimusmenetelmät 2 4 op
6206209, Määrälliset tutkimusmenetelmät 2 4 op Jyrki Reunamo, Helsingin yliopisto, Opettajankoulutuslaitos 19.2.2015 1 Varianssianalyysi (Pallant 2007, Tähtinen & Isoaho 2001) Verrataan ryhmien keskiarvoja.
Lisätiedot** = electronic timing
1993 29th Indoor NCAA Indoor Results - Indianapolis, IN - March, 1993 MEN:1. Arkansas 66; 2. Clemson 30; 3. Tennessee 25; 4. UTEP 22; 5. Ohio St. 20; 6. Minnesota 18; 7. Georgia Tech 17; 8. Kansas St.
LisätiedotJohdatus regressioanalyysiin. Heliövaara 1
Johdatus regressioanalyysiin Heliövaara 1 Regressioanalyysin idea Oletetaan, että haluamme selittää jonkin selitettävän muuttujan havaittujen arvojen vaihtelun selittävien muuttujien havaittujen arvojen
LisätiedotMat-2.104 Tilastollisen analyysin perusteet. Testit suhdeasteikollisille muuttujille. Avainsanat:
Mat-.04 Tilastollise aalyysi perusteet / Ratkaisut Aiheet: Avaisaat: Testit suhdeasteikollisille muuttujille Hypoteesi, Kahde riippumattoma otokse t-testit, Nollahypoteesi, p-arvo, Päätössäätö, Testi,
LisätiedotATH-koulutus: R ja survey-kirjasto THL 16.2.2011. 16. 2. 2011 ATH-koulutus / Tommi Härkänen 1
ATH-koulutus: R ja survey-kirjasto THL 16.2.2011 16. 2. 2011 ATH-koulutus / Tommi Härkänen 1 Sisältö Otanta-asetelman kuvaaminen R:llä ja survey-kirjastolla Perustunnusluvut Regressioanalyysit 16. 2. 2011
LisätiedotSELVITTÄJÄN KOMPETENSSISTA
OTM, KTM, Mikko Hakola, Vaasan yliopisto, Laskentatoimen ja rahoituksen laitos Helsinki 20.11.200, Helsingin kauppakorkeakoulu Projekti: Yrityksen maksukyky ja strateginen johtaminen SELVITTÄJÄN KOMPETENSSISTA
LisätiedotSovellettu todennäköisyyslaskenta B
Sovellettu todennäköisyyslaskenta B Antti Rasila 22. marraskuuta 2007 Antti Rasila () TodB 22. marraskuuta 2007 1 / 17 1 Epäparametrisia testejä (jatkoa) χ 2 -riippumattomuustesti 2 Johdatus regressioanalyysiin
LisätiedotHealth 2000/2011 Surveys. Statistical Analysis using SAS and SAS-Callable SUDAAN Packages 17.6.2013. Esa Virtala. etunimi.sukunimi@thl.
Health 2000/2011 Surveys Statistical Analysis using SAS and SAS-Callable SUDAAN Packages 17.6.2013 Esa Virtala etunimi.sukunimi@thl.fi Terveyden ja hyvinvoinnin laitos (THL) PL 30 00271 Helsinki Puhelin:
LisätiedotPylväsdiagrammi Suomen kunnat lääneittäin vuonna Piirakkadiagrammi Suomen kunnat lääneittäin vuonna 2003 LKM 14.8% 11.2% 19.7% 4.9% 3.6% 45.
Pylväsdiagrammi Suomen kunnat lääneittäin vuonna Piirakkadiagrammi Suomen kunnat lääneittäin vuonna 8.8% 8.9%.%.% 9.7%.7% Etelä Länsi Itä Oulu Lappi Ahvenanmaa Länsi Etelä Itä Oulu Lappi Ahvenanmaa Läänien
LisätiedotJY / METODIFESTIVAALI 2013 PRE-KURSSI: KYSELYTUTKIMUS DEMOT
JY / METODIFESTIVAALI 2013 PRE-KURSSI: KYSELYTUTKIMUS DEMOT SPSS-ohjelmiston Complex Samples- toiminto otoksen poiminnassa ja estimaattien laskennassa Mauno Keto, lehtori Mikkelin AMK / Liiketalouden laitos
LisätiedotKvantitatiiviset tutkimusmenetelmät maantieteessä
Kvantitatiiviset tutkimusmenetelmät maantieteessä Harjoitukset: 2 Muuttujan normaaliuden testaaminen, merkitsevyys tasot ja yhden otoksen testit FT Joni Vainikka, Yliopisto-opettaja, GO218, joni.vainikka@oulu.fi
LisätiedotTilastollisen analyysin perusteet Luento 8: Lineaarinen regressio, testejä ja luottamusvälejä
Tilastollisen analyysin perusteet Luento 8: Lineaarinen regressio, testejä ja luottamusvälejä arvon Sisältö arvon Bootstrap-luottamusvälit arvon arvon Oletetaan, että meillä on n kappaletta (x 1, y 1 ),
LisätiedotLIST OF NAADA AWARD WINNERS
LIST OF NAADA AWARD WINNERS VOLUNTEER SERVICE AWARD 1992 Jim Mahan, University of Kentucky 1992 JoAnne Huftalin, University of Illinois 1992 John Huftalin, University of Illinois 1992 Patty Clark, Kansas
LisätiedotEstimointi. Luottamusvälin laskeminen keskiarvolle α/2 α/2 0.1
Estimointi - tehdään päätelmiä perusjoukon ominaisuuksista (keskiarvo, riskisuhde jne.) otoksen perusteella - mitä suurempi otos, sitä tarkemmat estimaatit Otokseen perustuen määritellään otantajakaumalta
LisätiedotChristina Gustafsson. Tilastollinen tietojenkäsittely STAT2100 IBM SPSS Statistics 22 for Windows Osa 3
Christina Gustafsson Tilastollinen tietojenkäsittely STAT2100 IBM SPSS Statistics 22 for Windows Osa 3 Kevät 2014 SISÄLLYSLUETTELO 9. REGRESSIOSTA... 2 10. EPÄPARAMETRISIA TESTEJÄ... 7 10.1. Kahden riippumattoman
LisätiedotMATRIISILASKENTAA MATRIX ESIM1 /// PITUUS PAINO IKA SP X X X
MATRIISILASKENTAA MATRIX ESIM1 X1 167 77 36 0 X2 187 71 24 1 X3 164 58 32 0 MAT DIM ESIM1 /* rowesim1=3 colesim1=4 / selvitetään matriisin dimensiot MAT YKS=CON(3,1) / muodostetaan pystyvektori, jossa
Lisätiedot