Statistik for geografer

Slides:



Advertisements
Lignende præsentationer
GAF Samrating & Statistik.
Advertisements

Introduktion Grundlæggende statistiske begreber Deskriptiv statistik
Anvendt Statistik Lektion 3
Dagens program Kursusevaluering Information Spørgsmål om eksamen
Introduktion Grundlæggende statistiske begreber Deskriptiv statistik
KM2: F221 Kvantitative metoder 2 Specifikation og dataproblemer 2. maj 2007.
Anvendt Statistik Lektion 5
Anvendt Statistik Lektion 3
Anvendt Statistik Lektion 6
SPSS: basale dataanalyser
Økonometri 1: Specifikation og dataproblemer1 Økonometri 1 Specifikation, og dataproblemer 4. november 2005.
Gentagne tværsnit og panel data II 9. maj 2007
Økonometri 1 Gentagne Tværsnit og Paneldata II. Gentagne tværsnit og paneldata II 2 Gentagne tværsnit (W ): Opsamling.  Kombinerer tværsnit indsamlet.
Case.
Anvendt Statistik Lektion 8
Statistik Lektion 5 Log-lineære modeller.
Statistik Lektion 6 Konfidensinterval for andele og varians
Logistisk Regression Kategoriske og Kontinuerte Forklarende Variable
Statistik II 5. Lektion Log-lineære modeller.
Anvendt Statistik Lektion 7
Statistik for geografer Lektion 4. Tidsrække Analyse Proces som varierer over tid Observationer til bestemte tidspunkter Eksempler Proces som varierer.
Statistik for geografer
Økonometri 1: F121 Økonometri 1 Heteroskedasticitet 27. oktober 2006.
Simpel Lineær Regression
Multipel Lineær Regression
Statikstik II 2. Lektion Lidt sandsynlighedsregning
Statistik for geografer
Statistik for geografer
Økonometri 1 Gentagne Tværsnit og Paneldata II 20. november 2006.
Poissonfordelte observationer Deskriptiv analyse Jens Friis, AAU.
Økonometri 1: Specifikation og dataproblemer1 Økonometri 1 Specifikation, og dataproblemer 9. november 2004.
Carsten Stig Poulsen1 HA 4. semester Markedsanalyse 3. gang Torsdag d. 23. april 2009.
Statistik Lektion 1 Introduktion Grundlæggende statistiske begreber
Statistik for geografer
Økonometri 1: Heteroskedasticitet1 Økonometri 1 Heteroskedasticitet 22. marts 2006.
Grundlæggende teoretisk statistik
Økonometri – lektion 8 Multipel Lineær Regression
Simpel Lineær Regression
Simpel Lineær Regression
Kvantitative metoder 2: Den multiple regressionsmodel1 Kvantitative metoder 2 Den multiple regressionsmodel 26. februar 2007.
Økonometri 1: Den simple regressionsmodel Økonometri 1 Den simple regressionsmodel 14. september 2004.
Økonometri 1: F151 Økonometri 1 Specifikation og dataproblemer 10. november 2006.
Lektion 2. Definitioner En stikprøve (sample) Vi ønsker at generalisere ud fra en stikprøve Stikprøvefejls (samplings-error) Tilfældige fejl Systematikse.
Lektion 3. Noget teori og nogle begreber En stikprøve eller et observationssæt betegnes x 1,x 2,…………x n En a- fraktil er det mindste tal x, hvor den kumuleret.
KM2: F181 Kvantitative metoder 2 Heteroskedasticitet 11. april 2007.
W3a1 PC baseret analyse og simulering. w3a2 En struktureret variabel i SAS ARRAY.
Statistik Lektion 8 Test for ens varians.
KM2: F51 Kvantitative metoder 2 Den simple regressionsmodel 19. februar 2007.
Økonometri 1: F51 Økonometri 1 Den multiple regressionsmodel 22. september 2006.
Grundlæggende teoretisk statistik
Økonometri 1: Den simple regressionsmodel Økonometri 1 Den simple regressionsmodel 13. februar 2003.
Økonometri 1: Heteroskedasticitet1 Økonometri 1 Heteroskedasticitet 31. marts 2003.
Økonometri 1: Den simple regressionsmodel Økonometri 1 Den simple regressionsmodel 7. september 2004.
Økonometri 1: F2 Økonometri 1 Den simple regressionsmodel 11. september 2006.
Økonometri 1: Den simple regressionsmodel Økonometri 1 Den simple regressionsmodel 14. september 2005.
Statistik II 4. Lektion Logistisk regression.
Økonometri 1: Heteroskedasticitet1 Økonometri 1 Heteroskedasticitet 29. oktober 2004.
KM2: F41 Kvantitative metoder 2 Den simple regressionsmodel 14. februar 2007.
Statistik II - PM5 Fokus: Analyse af kategoriske variable ● Logistisk regression ● Log-lineære modeller Kursets opbygning: ● 1 ECTS forelæsninger ● 1 ECTS.
Samarbejde mellem matematik og samfundsfag. Disposition Indledning Hvorfor skal vi bruge 2 i samfundsfag? Hvordan kan matematikken bruges? Eksempel. Oplæg.
Videnskabeligt projekt
Heteroskedasticitet 25. oktober 2005
Anvendt Statistik Lektion 8
Areal bestemt ved integration
Introduktion Grundlæggende statistiske begreber Deskriptiv statistik
Statistik niveau E og F Lars A. Clark.
Anvendt Statistik Lektion 6
Teoretiske kontinuerte fordelinger
Præsentationens transcript:

Statistik for geografer Lektion 4

Lorentz Diagram

Lorenz diagram Metode til Lorenz-diagram: Beregn den procentvise fordeling af undervisere Beregn den procentvise fordeling af indbyggere Beregn LQ: dvs. procenten fra 1. divideret med procenten fra 2. Sorter LQ efter aftagende størrelse Plot de to procenttal mod hinanden (u,b) Øvelser : se arbejdsseddel 3

Retningsstatistik

Retnings-middelværdi

Retnings Varians R lang Retningerne er næsten ens R kort Retningerne er meget forskellige R lang R kort

Tidsrække Analyse Proces som varierer over tid Observationer til bestemte tidspunkter Eksempler y1, y2, …,yk, …,yn Langtidsændring i klima Efterspørgslen på elektricitet BNP i perioden 1945 - 2004

Tidsrække Analyse Præcis beskrivelse af de karakteristiske træk Modellere de typiske træk Lave forudsigelser Kontrollere processen Deskriptiv statistik Forklarende variable Extrapolation ud fra modellen Ændre på de forklarende variable

Ønske Måling = Noget Pænt + Støj Grundlæggende Antagelse Systematisk del Tilfældig del Grundlæggende Antagelse Målingen i dag ligner målingerne i den nærmeste fortid og fremtid

Dekomponering af tidsrækker Måling = Glat del + Støj Støj = Måling - Glat del Rest = Måling - Vores bud på den Glatte del Ligner den tilfældig støj?

Mere teoretisk: er støjen, dvs. den stokastiske del Hvor er trenden+sæsonvariation og er støjen, dvs. den stokastiske del

Glidende Gennemsnit

Glidende Gennemsnit Høj orden contra lav orden Outliers Lige orden

Yderligere Dekomponering Måling = Systematisk del + Støj Trend + … + Sæsonvariation Hvordan får man en tidsrække dekomponeret i individuelle mønstre????

Nu skal vi lave tidsrække

Hvordan var det lige det var?

Glidende Gennemsnit Bestem orden Vælg Funktion Udpeg variabel

Sæson Variation

Støj Processen

Eller gør følgende : Vælg Data -> Split file -> Groups Based on -> Compare Groups For (observerede – trende) vælg Descriptive Statistics -> Descriptivs -> Options Mean Ophæv Split File og sorter tilbage Fra output kopieres gennemsnittene (Means) over til arket som sæson Fra observationer trækkes trend, sæson og man får random