W3a1 PC baseret analyse og simulering. w3a2 En struktureret variabel i SAS ARRAY.

Slides:



Advertisements
Lignende præsentationer
Overskrift her Navn på oplægsholder Navn på KU- enhed For at ændre ”Enhedens navn” og ”Sted og dato”: Klik i menulinjen, vælg ”Indsæt” > ”Sidehoved / Sidefod”.
Advertisements

Akademi Merkonomer Statistik Aften 3
Statistik Lektion 3 Simultan fordelte stokastiske variable
Signalbehandling og matematik 1 (Tidsdiskrete signaler og systemer)
Statistik Lektion 3 Bernoulli og binomial fordelingerne
Strategiske prioriteter for LLS (igangsættelse af første handlingsplan indenfor prioriteten) Strategisk prioritet der udvirkes lokalt, men med en stærk.
Statistik for geografer
Statistik for geografer Lektion 4. Tidsrække Analyse Proces som varierer over tid Observationer til bestemte tidspunkter Eksempler Proces som varierer.
Statistik for geografer
PC baseret analyse og simulering
Statistik for geografer
Statistik for geografer
PC baseret analyse og simulering
Bernoulli og binomial fordelingerne
W6a1 PC baseret analyse og simulering. w6a2 Samplede data Eksperimentelt bliver mange signaler digitaliseret – de bliver overført fra det kontinuerte.
Statistik Lektion 2 Betinget sandsynlighed Bayes’ regel
W4a1 PC baseret analyse og simulering. w4a2 Stokastiske processer.
Statistik PM5 Indhold: statistiske metoder til at analysere kategoriske data Logistisk regression Loglineære modeller I dag: repetition af lineær regression.
Normalfordelingen og Stikprøvefordelinger
Statistik for geografer
KAPITEL 2 Renterisiko.
KAPITEL 10 Derivater.
dagsorden Metoder i samfundsfag – hvorfor?
Gode råd om ansøgning til MUDP 2017
Forældre-information
Pengurusan Pembayaran Penyelidikan Research Management Centre
Interaktion og usability
KAPITEL 13 Kapitalkrav.
Almen statskundskab Politisk meningsdannelse v/ Peter Nedergaard
SOPU Sund – motion Kondition og kredsløb.
Vejledning Opdaterede faktorer til kapacitetsberegning - Oktober 2016
Omkostninger til tilsyn m.v. for statsautoriserede revisorer
Forhandlingsteknik Strategi og proces Kommunikation Psykologi
P4: Vejledning i læreruddannelsen
Kort om Hjerteforeningen
Søgeradius med Aabenraa som udgangspunkt
Søgeradius med Kerteminde som udgangspunkt
Hvor går de unge hen, når de går ud?
Luther – med liv og lyst Vejen Kirke
Det danske ejendomsmarked
Ea Thystrup & Louise Mikkelsen 3øa
Bevis for længdeformlen i rummet
DK: Indledende: Jeg er jeres vært, og jeg har ansvaret for jer, mens I er her – og for, at I forlader bygningen igen, når vores møde er slut. I bedes derfor.
August, Holm, Olsen, Tobias og Viktor
Tilskud & Regnskab Kursus for nye efterskoleledere
Rekeparty Fredag 16. juni 2017 Kl. 18:00 Eventuelt:
Eva Danielsen, Nærum Gymnasium
Hans Ole Lund Christiansen
יסודות מבני נתונים תרגול 9: שאלות חזרה.
Hvad er Lindebjergskolens CO2 fodaftryk
21. november 2018 Ulla Nørskov Philip & Martin Stabell
Informationsmøde om Praktikplads-AUB
Hans Ole Lund Christiansen
Rullede deje.
CUSTOMER LIFETIME VALUE
Skrivedag 2: At skrive analyserende
Støtte til biomasse-elproduktion efter 1
Teoretiske kontinuerte fordelinger
Modellering af skovtårnet 2019
Talentudvikling... Fortalt af et Talent
At udvikle produkter og services sammen med vores brugere
Sted - klasse - dato H H H H H H H H H H
Kort-sitet Med alle relevante temaer fra Kommuneplanen
Velkommen Dagens program.
Direktørmøde- Rammeaftale Sjælland 7. oktober 2016 kl
Hvem bestemmer dine valg? Tobaksforebyggelse i Sønderborg Kommune
Skabelsesberetningen: Fakta eller fiktion?
GD1/GD2 – DLS kvalitetssikring Agenda
Model og Tilgang strategi på det specialiserede voksenområde
             Økonomi Årsmøde på DBI 8. april 2019.
Præsentationens transcript:

w3a1 PC baseret analyse og simulering

w3a2 En struktureret variabel i SAS ARRAY

w3a3 ARRAYs er indekserede A 1 ; A 2 ; A 3 ;…. Eller i SAS-notation: A{1} A{2} A{3}

w3a4 ARRAYs og kontrolstrukturer Ved kontrol-strukturer, hvor der tælles Do I=2 to kan individuelle data adresseres

w3a5 Data Data kan være: – Deterministiske eller – Tilfældige

w3a6 Data

7 Deterministiske data – det tilfældige element Når vi for deterministiske processer, bestemmer en måleværdi n gange angiver vi dem normalt +/- SD. Denne repræsenterer tilfældige processer, der fluktuerer omkring middelværdien.

w3a8 Monte Carlo metoder

w3a9 Analyse og simulering af tilfældige data Tilfældige (random) data følger en eller anden statistisk fordeling Den slags processer kan efterlignes ved brug af ‘tilfældige’ udfald Deraf navnet ‘Monte Carlo’ metoder

w3a10 Tilfældige tal

w3a11 Hvad er karakteristisk for tilfældige tal De virker uordnede (ukorrelerede) En samling af dem følger en eller anden statistisk fordeling

w3a12 Kontinuerte og diskrete fordelinger Kontinuerte: – normal, – uniform, – Eksponential... Diskrete: – binomial – Poisson.....

w3a13 Afbildninger Sandsynligheds funktionen: f(x) Sumfunktionen:

w3a14 Binomial fordelingen

w3a15 Nogle fordelinger

w3a16 Hvordan ser sumfunktionerne ud?

w3a17 Eksempel på tilfældige processer Chancen for at trække et es ud af et spil kort Åbningstiden (og lukketiden) for en ionkanal Radio-aktivt henfald

w3a18 Random generatorer i programmer Man bør ikke blindt stole på at ‘færdige’ tilfældigtals funktioner, der er indbygget i programmer er tilstrækkelige. Der har været mange afskrækkende eksempler

w3a19 Potentielle problemer Korte sekvenser Korrelation

w3a20 Tilfældig tals generatorer i SAS RANUNI(seed) - den uniforme fordeling RANNOR(seed) – Normal fordelingen RANBIN(seed, n, p)

w3a21 Skalering af tilfældige tal De fleste tilfældigtals generatorer giver normaliserede værdier. Ved brug på aktuelle processer skal man huske at skalere tallene

w3a22 Reproducerbare eller varierende sekvenser seed = ; RN = RANUNI(seed); – Samme sekvens genereres hver gang eller seed = TIME(); RN = RANUNI(seed); – Ny sekvens genereres hver gang

w3a23 10 punkter

w3a punkter

w3a punkter