LINEARNI MODELI 3 STATISTIČKI PRAKTIKUM 2 4. VJEŽBE
|
|
- Junior Chase
- 5 years ago
- Views:
Transcription
1 LINEARNI MODELI 3 STATISTIČKI PRAKTIKUM 2 4. VJEŽBE
2 Neke vaijable poticaja mou biti kvalitativne po piodi, pimjeice boja očiju i sl. Takve vaijable poticaja nekad zovemo kateoijske vaijable ili faktoi. Kako se ovakve vaijable poticaja mou uaditi u naše modele? Analiza kovaijance se bavi upavo takvim poblemima dje se pojavljuju kombinacije kvantitativnih i kvalitativnih vaijabli poticaja.
3 Naša stateija je uaditi kvalitativne vaijable poticaja u model pi čemu ih moamo kodiati. Pimje Y = Xb + ε, Y = pomjena u azini kolesteola x = boj odina kvalitativna vaijabla d = { 0, ne uzima lijek 1, uzima lijek
4 Ovisno o odnosu vaijable poticaja x i kvalitativne vaijable d biamo jedan od sljedećih lineanih modela: 1. Isti model za obje upe > model1=lm(y~x) Y = β 0 + β 1 x + ε 2. Dva eesijska pavca s istim koeficijentom smjea Y = β 0 + β 1 x + β 2 d + ε > model2=lm(y~x+d) U modelu se javlja fiksan utjecaj lijeka. 3. Različiti pavci za svaku upu Y = β 0 + β 1 x + β 2 d + β 3 x d > model3=lm(y~x*d) ili > model3=lm(y~x+d+x:d) Utjecaj lijeka nije fiksan, već ovisi i o odinama.
5 U pvom slučaju je teško testiati utjecaj lijeka (imamo dva azličita skupa podataka, svaki odeduje svoj eesijski pavac). Dui model efikasnije iskoištava sve podatke za pocjenu zajedničko koeficijenta smjea (uz pp. fiksno utjecaja lijeka). Teći model uključuje inteakciju izmedu pediktoa.
6 Inteakcija vs. koelacija - Koelacija - statistička ovisnost jedne vaijable o duoj - Inteakcija - utjecaj jedne vaijable poticaja na zavisnu vaijablu ovisi o duoj vaijabli poticaja Izmedu dvije vaijable poticaja može postojati inteakcija bez obzia na to postoji li izmedu njih koelacija ili ne.
7 Kolineanost Koelianost izmedu pediktoa - jedna vaijabla može biti lineano pedvidena pomoću ostalih (s odedenom točnošću ). Kolineanost ne utječe na pouzdanost modela u cjelini (baem ne za dani skup podataka), neo na pojedine pediktoe o kojima je iječ (pocijenjeni paameti i p-vijednosti mou se značajno pomijeniti ako napavimo male pomjene u modelu ili podacima). Posljedica je da ne možemo pocijeniti utjecaj pediktoa na zavisnu vaijablu. Maticu koelacija dobivamo na sljedeći način: >summay(model, co=t)
8 Pimje: Dummy vaijabla s dva stupnja Podaci za ovaj pimje se sastoje od visina x, dužina y i stila adnje style sednjevjekovnih katedala. Neke su omaničko (), a due su otičko () stila. Podaci su upisani u cathedal.txt. Učitajmo podatke: > k=ead.table("cathedal.txt") > k style x y Duham Glouceste WinchesteG Salisbuy
9 Gafička analiza: > plot(k$x,k$y,type="n",xlab="visina",ylab="duzina") > text(k$x,k$y,as.chaacte(k$s)) Duzina Visina
10 Deskiptivna analiza: > lapply(split(k,k$style),summay) $ style x y :16 Min. : Min. :182.0 : 0 1st Qu.: st Qu.:298.8 Median : Median :412.0 Mean : Mean : d Qu.: d Qu.:481.2 Max. : Max. :611.0 $ style x y :0 Min. :64.00 Min. :344.0 :9 1st Qu.: st Qu.:425.0 Median :75.00 Median :502.0 Mean :74.44 Mean : d Qu.: d Qu.:530.0 Max. :83.00 Max. :551.0
11 Model: > model = lm(y ~ x * style,k) > summay(model) Call: lm(fomula = y ~ x * style, data = k) Residuals: Min 1Q Median 3Q Max Coefficients: Estimate Std. Eo t value P(> t ) (Intecept) x *** style x:style Sinif. codes: 0 *** ** 0.01 * Residual standad eo: on 21 deees of feedom Multiple R-squaed: ,Adjusted R-squaed: F-statistic: on 3 and 21 DF, p-value:
12 Kako je kodiana vaijabla style možemo vidjeti iz matice modela X: > model.matix(model) (Intecept) x style x:style Duham Cantebuy Old.St.Paul Salisbuy
13 Nactajmo pavce koji pipadaju modelu: > abline(model$coef[-3],col="ed") > abline(model$coef[1]+model$coef[3],model$coef[2]+model$coef[4],col="blue") Duzina Visina
14 Kako je koeficijent uz x:style malen i nije značajan, model se može pojednostavniti. > model1=lm(y~x+style,k) > summay(model1) Call: lm(fomula = y ~ x + style, data = k) Residuals: Min 1Q Median 3Q Max Coefficients: Estimate Std. Eo t value P(> t ) (Intecept) x *** style * --- Sinif. codes: 0 *** ** 0.01 * Residual standad eo: on 22 deees of feedom Multiple R-squaed: ,Adjusted R-squaed: F-statistic: on 2 and 22 DF, p-value:
15 Uspoedba dvaju modela pokazuje opavdanost naše petpostavke. > anova(model1,model) Analysis of Vaiance Table Model 1: y ~ x + style Model 2: y ~ x + style + x:style Res.Df RSS Df Sum of Sq F P(>F)
16 Nactajmo sada dva pavca koji pipadaju ovim podacima. > abline(1$coef[-3]) > abline(1$coef[1]+1$coef[3],1$coef[2],lty=2) Duzina Visina Zaključak: za istu visinu Romaničke su katedale duže feet-a i za svako povećanje za 1 foot, oba tipa katedale će biti oko 4.7 feet-a duže.
17 Gotičke katedale su uzete za efeentne je slovo se nalazi isped u abecedi. Slovo možemo napaviti efeentnim. > k$style = elevel(k$sty,ef="") > model1=lm(y~x+style,k) > summay(model1) Call: lm(fomula = y ~ x + style, data = k) Residuals: Min 1Q Median 3Q Max Coefficients: Estimate Std. Eo t value P(> t ) (Intecept) x *** style * --- Sinif. codes: 0 *** ** 0.01 * Residual standad eo: on 22 deees of feedom Multiple R-squaed: ,Adjusted R-squaed: F-statistic: on 2 and 22 DF, p-value:
18 Kodianje kvalitativnih vaijabli Kodianje dvostupanjskih faktoa nije jedinstveno, a još više je načina za kodianje višestupanjskih faktoa. Za fakto koji ima k azina, potebna nam je k 1 umjetna vaijabla za epezentaciju. Jedan paameta se koisti da bi se ocjenio sednji efekt ili možda efekt neko efeentno nivoa i k 1 vaijabla nam je potebna kako bi pokili peostale slučajeve. Postoje azne metode kodianja, a mi ćemo se pozabaviti tetiajućim kodianjem.
19 Tetiajuće kodianje Fakto koji ima 4 azine bit će kodian sa 3 umjetne vaijable nivoi Umjetne vaijable Ovakav način pvi nivo tetia kao standadni/efeentni, a ostale uspoeduje u odnosu na njea. Ovo je standadni način kodianja umjetnih vaijabli u R-u.
20 Zadatak U datoteci twins.txt nalaze se podaci o ezultatima IQ testianja za jednojajčane blizance. Jedno blizanca su odajali stvani oditelji, a duo usvojitelji. Dostupni su i podaci o socijalnoj skupini kojoj pipadaju stvani oditelji. (i) Gafički uspoedite IQ posvojeno i IQ blizanca koji odastao s biološkim oditeljima, pi tome naznačite socijalnu skupinu oditelja. (ii) Analiziajte ovisnost IQ posvojeno blizanca o IQ-u blizanca koji odastao s biološkim oditeljima i socijalnom statusu oditelja. Izabeite najbolji model. (iii) Testiajte azlikuje li se IQ blizanaca?
TEORIJA SKUPOVA Zadaci
TEORIJA SKUPOVA Zadai LOGIKA 1 I. godina 1. Zapišite simbolima: ( x nije element skupa S (b) d je član skupa S () F je podskup slupa S (d) Skup S sadrži skup R 2. Neka je S { x;2x 6} = = i neka je b =
More informationLINEARNI MODELI STATISTIČKI PRAKTIKUM 2 2. VJEŽBE
LINEARNI MODELI STATISTIČKI PRAKTIKUM 2 2. VJEŽBE Linearni model Promatramo jednodimenzionalni linearni model. Y = β 0 + p β k x k + ε k=1 x 1, x 2,..., x p - varijable poticaja (kontrolirane) ε - sl.
More informationRed veze za benzen. Slika 1.
Red veze za benzen Benzen C 6 H 6 je aromatično ciklično jedinjenje. Njegove dve rezonantne forme (ili Kekuléove structure), prema teoriji valentne veze (VB) prikazuju se uobičajeno kao na slici 1 a),
More informationPRIPADNOST RJEŠENJA KVADRATNE JEDNAČINE DANOM INTERVALU
MAT KOL Banja Luka) ISSN 0354 6969 p) ISSN 1986 58 o) Vol. XXI )015) 105 115 http://www.imvibl.org/dmbl/dmbl.htm PRIPADNOST RJEŠENJA KVADRATNE JEDNAČINE DANOM INTERVALU Bernadin Ibrahimpašić 1 Senka Ibrahimpašić
More informationUvod u relacione baze podataka
Uvod u relacione baze podataka Ana Spasić 2. čas 1 Mala studentska baza dosije (indeks, ime, prezime, datum rodjenja, mesto rodjenja, datum upisa) predmet (id predmeta, sifra, naziv, bodovi) ispitni rok
More informationMathcad sa algoritmima
P R I M J E R I P R I M J E R I Mathcad sa algoritmima NAREDBE - elementarne obrade - sekvence Primjer 1 Napraviti algoritam za sabiranje dva broja. NAREDBE - elementarne obrade - sekvence Primjer 1 POČETAK
More informationProjektovanje paralelnih algoritama II
Projektovanje paralelnih algoritama II Primeri paralelnih algoritama, I deo Paralelni algoritmi za množenje matrica 1 Algoritmi za množenje matrica Ovde su data tri paralelna algoritma: Direktan algoritam
More informationMultipla korelacija in regresija. Multipla regresija, multipla korelacija, statistično zaključevanje o multiplem R
Multipla koelacia in egesia Multipla egesia, multipla koelacia, statistično zaklučevane o multiplem Multipla egesia osnovni model in ačunane paametov Z multiplo egesio napoveduemo vednost kiteia (odvisne
More informationRešenja zadataka za vežbu na relacionoj algebri i relacionom računu
Rešenja zadataka za vežbu na relacionoj algebri i relacionom računu 1. Izdvojiti ime i prezime studenata koji su rođeni u Beogradu. (DOSIJE WHERE MESTO_RODJENJA='Beograd')[IME, PREZIME] where mesto_rodjenja='beograd'
More informationNAPREDNI FIZIČKI PRAKTIKUM II studij Geofizika POLARIZACIJA SVJETLOSTI
NAPREDNI FIZIČKI PRAKTIKUM II studij Geofizika POLARIZACIJA SVJETLOSTI studij Geofizika NFP II 1 ZADACI 1. Izmjerite ovisnost intenziteta linearno polarizirane svjetlosti o kutu jednog analizatora. Na
More informationGENERALIZIRANI LINEARNI MODELI. PROPENSITY SCORE MATCHING.
GENERALIZIRANI LINEARNI MODELI. PROPENSITY SCORE MATCHING. STATISTIƒKI PRAKTIKUM 2 11. VJEšBE GLM ine ²iroku klasu linearnih modela koja obuhva a modele s specijalnim strukturama gre²aka kategorijskim
More informationFajl koji je korišćen može se naći na
Machine learning Tumačenje matrice konfuzije i podataka Fajl koji je korišćen može se naći na http://www.technologyforge.net/datasets/. Fajl se odnosi na pečurke (Edible mushrooms). Svaka instanca je definisana
More informationMODELS WITHOUT AN INTERCEPT
Consider the balanced two factor design MODELS WITHOUT AN INTERCEPT Factor A 3 levels, indexed j 0, 1, 2; Factor B 5 levels, indexed l 0, 1, 2, 3, 4; n jl 4 replicate observations for each factor level
More informationMetode praćenja planova
Metode praćenja planova Klasična metoda praćenja Suvremene metode praćenja gantogram mrežni dijagram Metoda vrednovanja funkcionalnosti sustava Gantogram VREMENSKO TRAJANJE AKTIVNOSTI A K T I V N O S T
More informationSlika 1. Slika 2. Da ne bismo stalno izbacivali elemente iz skupa, mi ćemo napraviti još jedan niz markirano, gde će
Permutacije Zadatak. U vreći se nalazi n loptica različitih boja. Iz vreće izvlačimo redom jednu po jednu lopticu i stavljamo jednu pored druge. Koliko različitih redosleda boja možemo da dobijemo? Primer
More informationZANIMLJIV NAČIN IZRAČUNAVANJA NEKIH GRANIČNIH VRIJEDNOSTI FUNKCIJA. Šefket Arslanagić, Sarajevo, BiH
MAT-KOL (Banja Luka) XXIII ()(7), -7 http://wwwimviblorg/dmbl/dmblhtm DOI: 75/МК7A ISSN 5-6969 (o) ISSN 986-588 (o) ZANIMLJIV NAČIN IZRAČUNAVANJA NEKIH GRANIČNIH VRIJEDNOSTI FUNKCIJA Šefket Arslanagić,
More informationNAPREDNI FIZIČKI PRAKTIKUM 1 studij Matematika i fizika; smjer nastavnički MJERENJE MALIH OTPORA
NAPREDNI FIZIČKI PRAKTIKUM 1 studij Matematika i fizika; smjer nastavnički MJERENJE MALIH OTPORA studij Matematika i fizika; smjer nastavnički NFP 1 1 ZADACI 1. Mjerenjem geometrijskih dimenzija i otpora
More informationKonstrukcija i analiza algoritama
Konstrukcija i analiza algoritama 27. februar 207 Matematička indukcija Princip matematičke indukcije: Da bi za svako n N važilo tvrdjenje T (n) dovoljno je pokazati: bazu indukcije: tvrdjenje T () induktivni
More informationAPPROPRIATENESS OF GENETIC ALGORITHM USE FOR DISASSEMBLY SEQUENCE OPTIMIZATION
JPE (2015) Vol.18 (2) Šebo, J. Original Scientific Paper APPROPRIATENESS OF GENETIC ALGORITHM USE FOR DISASSEMBLY SEQUENCE OPTIMIZATION Received: 17 July 2015 / Accepted: 25 Septembre 2015 Abstract: One
More informationNAPREDNI FIZIČKI PRAKTIKUM II studij Geofizika MODUL ELASTIČNOSTI
NAPREDNI FIZIČKI PRAKTIKUM II studij Geofizika MODUL ELASTIČNOSTI studij Geofizika NFP II 1 ZADACI 1. Izmjerite ovisnost savijenosti šipki o: primijenjenoj sili debljini šipke širini šipke udaljenosti
More informationFormule za udaljenost točke do pravca u ravnini, u smislu lp - udaljenosti math.e Vol 28.
1 math.e Hrvatski matematički elektronički časopis Formule za udaljenost točke do pravca u ravnini, u smislu lp - udaljenosti Banachovi prostori Funkcija udaljenosti obrada podataka optimizacija Aleksandra
More informationNeke klase maksimalnih hiperklonova
UNIVERZITET U NOVOM SDU PRIRODNO-MTEMTIČKI FKULTET DERRTMN Z MTEMTIKU I INFORMTIKU Jelena Čolić Neke klase maksimalnih hiperklonova - završni rad - MENTOR: Prof. dr Rozalija Madaras-Siladi Novi Sad, 2012.
More informationOracle Spatial Koordinatni sustavi, projekcije i transformacije. Dalibor Kušić, mag. ing. listopad 2010.
Oracle Spatial Koordinatni sustavi, projekcije i transformacije Dalibor Kušić, mag. ing. listopad 2010. Pregled Uvod Koordinatni sustavi Transformacije Projekcije Modeliranje 00:25 Oracle Spatial 2 Uvod
More informationTests of Linear Restrictions
Tests of Linear Restrictions 1. Linear Restricted in Regression Models In this tutorial, we consider tests on general linear restrictions on regression coefficients. In other tutorials, we examine some
More informationDETERMINATION OF THE EFFECTIVE STRAIN FLOW IN COLD FORMED MATERIAL
DETERMINATION OF THE EFFECTIVE STRAIN FLOW IN COLD FORMED MATERIAL Leo Gusel University of Maribor, Faculty of Mechanical Engineering Smetanova 17, SI 000 Maribor, Slovenia ABSTRACT In the article the
More informationKLASIFIKACIJA NAIVNI BAJES. NIKOLA MILIKIĆ URL:
KLASIFIKACIJA NAIVNI BAJES NIKOLA MILIKIĆ EMAIL: nikola.milikic@fon.bg.ac.rs URL: http://nikola.milikic.info ŠTA JE KLASIFIKACIJA? Zadatak određivanja klase kojoj neka instanca pripada instanca je opisana
More informationKVADRATNE INTERPOLACIJSKE METODE ZA JEDNODIMENZIONALNU BEZUVJETNU LOKALNU OPTIMIZACIJU 1
MAT KOL (Banja Luka) ISSN 0354 6969 (p), ISSN 1986 5228 (o) Vol. XXII (1)(2016), 5 19 http://www.imvibl.org/dmbl/dmbl.htm KVADRATNE INTERPOLACIJSKE METODE ZA JEDNODIMENZIONALNU BEZUVJETNU LOKALNU OPTIMIZACIJU
More information24. Balkanska matematiqka olimpijada
4. Balkanska matematika olimpijada Rodos, Gka 8. apil 007 1. U konveksnom etvoouglu ABCD vaжi AB = BC = CD, dijagonale AC i BD su azliite duжine i seku se u taki E. Dokazati da je AE = DE ako i samo ako
More informationINTRODUCTION TO LOW FREQUENCY LOCAL PLASMONS IN BULK EXTRINSIC SEMICONDUCTORS UDC 538.9; Yuri Kornyushin
FACTA UNIVERSITATIS Series: Physics, Chemistry and Technology Vol. 2, N o 5, 2003, pp. 253-258 INTRODUCTION TO LOW FREQUENCY LOCAL PLASMONS IN BULK EXTRINSIC SEMICONDUCTORS UDC 538.9; 621.315.5 Yuri Kornyushin
More informationPRECIPITATION FORECAST USING STATISTICAL APPROACHES UDC 55:311.3
FACTA UNIVERSITATIS Series: Working and Living Environmental Protection Vol. 10, N o 1, 2013, pp. 79-91 PRECIPITATION FORECAST USING STATISTICAL APPROACHES UDC 55:311.3 Mladjen Ćurić 1, Stanimir Ţivanović
More informationDEVELOPMENT OF MATHEMATICAL MODELS TO PREDICT THE EFFECT OF INPUT PARAMETERS ON FEED RATE OF A RECIPROCATORY TUBE FUNNEL FEEDER
http://doi.org/10.24867/jpe-2018-01-067 JPE (2018) Vol.21 (1) Jain, A., Bansal, P., Khanna, P. Preliminary Note DEVELOPMENT OF MATHEMATICAL MODELS TO PREDICT THE EFFECT OF INPUT PARAMETERS ON FEED RATE
More informationSTATISTICAL ANALYSIS OF WET AND DRY SPELLS IN CROATIA BY THE BINARY DARMA (1,1) MODEL
Hrvatski meteoroloπki Ëasopis Croatian Meteorological Journal, 4, 2006., 43 5. UDK: 55.577.22 Stručni rad STATISTICAL ANALYSIS OF WET AND DRY SPELLS IN CROATIA BY THE BINARY DARMA (,) MODEL Statistička
More informationFIZIKALNA KOZMOLOGIJA VII. VRLO RANI SVEMIR & INFLACIJA
FIZIKALNA KOZMOLOGIJA VII. VRLO RANI SVEMIR & INFLACIJA KOZMIČKI SAT ranog svemira Ekstra zračenje u mjerenju CMB Usporedba s rezultatima LEP-a Usporedba CMB i neutrina Vj.: Pozadinsko zračenje neutrina
More informationFibonaccijev brojevni sustav
Fibonaccijev brojevni sustav Ljerka Jukić asistentica Odjela za matematiku Sveučilišta u Osijeku, ljukic@mathos.hr Helena Velić studentica Odjela za matematiku Sveučilišta u Osijeku, hvelic@mathos.hr Sažetak
More informationA NEW THREE-DIMENSIONAL CHAOTIC SYSTEM WITHOUT EQUILIBRIUM POINTS, ITS DYNAMICAL ANALYSES AND ELECTRONIC CIRCUIT APPLICATION
A. Akgul, I. Pehlivan Novi trodimenzijski kaotični sustav bez točaka ekvilibrija, njegove dinamičke analize i primjena elektroničkih krugova ISSN 1-61 (Print), ISSN 1848-69 (Online) DOI: 1.179/TV-1411194
More informationChapter 8 Conclusion
1 Chapter 8 Conclusion Three questions about test scores (score) and student-teacher ratio (str): a) After controlling for differences in economic characteristics of different districts, does the effect
More informationHENDERSON'S APPROACH TO VARIANCE COMPONENTS ESTIMATION FOR UNBALANCED DATA UDC Vera Djordjević, Vinko Lepojević
FACTA UNIVERSITATIS Series: Economics and Organization Vol. 2, N o 1, 2003, pp. 59-64 HENDERSON'S APPROACH TO VARIANCE COMPONENTS ESTIMATION FOR UNBALANCED DATA UDC 519.233.4 Vera Djordjević, Vinko Lepojević
More informationFunkcijske jednadºbe
MEMO pripreme 2015. Marin Petkovi, 9. 6. 2015. Funkcijske jednadºbe Uvod i osnovne ideje U ovom predavanju obradit emo neke poznate funkcijske jednadºbe i osnovne ideje rje²avanja takvih jednadºbi. Uobi
More informationKonstekstno slobodne gramatike
Konstekstno slobodne gramatike Vežbe 07 - PPJ Nemanja Mićović nemanja_micovic@matfbgacrs Matematički fakultet, Univerzitet u Beogradu 4 decembar 2017 Sadržaj Konstekstno slobodne gramatike Rečenična forma
More informationIskazna logika 1. Matematička logika u računarstvu. oktobar 2012
Matematička logika u računarstvu Department of Mathematics and Informatics, Faculty of Science,, Serbia oktobar 2012 Iskazi, istinitost, veznici Intuitivno, iskaz je rečenica koja je ima tačno jednu jednu
More information1 Multiple Regression
1 Multiple Regression In this section, we extend the linear model to the case of several quantitative explanatory variables. There are many issues involved in this problem and this section serves only
More informationRELIABILITY OF GLULAM BEAMS SUBJECTED TO BENDING POUZDANOST LIJEPLJENIH LAMELIRANIH NOSAČA NA SAVIJANJE
RELIABILITY OF GLULAM BEAMS SUBJECTED TO BENDING Mario Jeleč Josip Juraj Strossmayer University of Osijek, Faculty of Civil Engineering Osijek, mag.ing.aedif. Corresponding author: mjelec@gfos.hr Damir
More informationModified Zagreb M 2 Index Comparison with the Randi} Connectivity Index for Benzenoid Systems
CROATICA CHEMICA ACTA CCACAA 7 (2) 83 87 (2003) ISSN-00-3 CCA-2870 Note Modified Zagreb M 2 Index Comparison with the Randi} Connectivity Index for Benzenoid Systems Damir Vuki~evi} a, * and Nenad Trinajsti}
More informationBooklet of Code and Output for STAC32 Final Exam
Booklet of Code and Output for STAC32 Final Exam December 7, 2017 Figure captions are below the Figures they refer to. LowCalorie LowFat LowCarbo Control 8 2 3 2 9 4 5 2 6 3 4-1 7 5 2 0 3 1 3 3 Figure
More informationAlgoritam za množenje ulančanih matrica. Alen Kosanović Prirodoslovno-matematički fakultet Matematički odsjek
Algoritam za množenje ulančanih matrica Alen Kosanović Prirodoslovno-matematički fakultet Matematički odsjek O problemu (1) Neka je A 1, A 2,, A n niz ulančanih matrica duljine n N, gdje su dimenzije matrice
More informationKrivulja središta i krivulja fokusa u pramenu konika. konika zadanom pomoću dviju dvostrukih točaka u izotropnoj ravnini
Stručni rad Prihvaćeno 18.02.2002. MILJENKO LAPAINE Krivulja središta i krivulja fokusa u pramenu konika zadanom pomoću dviju dvostrukih točaka u izotropnoj ravnini Krivulja središta i krivulja fokusa
More informationMetode izračunavanja determinanti matrica n-tog reda
Osječki matematički list 10(2010), 31 42 31 STUDENTSKA RUBRIKA Metode izračunavanja determinanti matrica n-tog reda Damira Keček Sažetak U članku su opisane metode izračunavanja determinanti matrica n-tog
More informationNC Births, ANOVA & F-tests
Math 158, Spring 2018 Jo Hardin Multiple Regression II R code Decomposition of Sums of Squares (and F-tests) NC Births, ANOVA & F-tests A description of the data is given at http://pages.pomona.edu/~jsh04747/courses/math58/
More informationOsobine metode rezolucije: zaustavlja se, pouzdanost i kompletnost. Iskazna logika 4
Matematička logika u računarstvu Department of Mathematics and Informatics, Faculty of Science,, Serbia novembar 2012 Rezolucija 1 Metod rezolucije je postupak za dokazivanje da li je neka iskazna (ili
More informationSveučilište J.J.Strossmayera u Osijeku Odjel za matematiku. Sveučilišni preddiplomski studij matematike
Sveučilište J.J.Strossmayera u Osijeku Odjel za matematiku Sveučilišni preddiplomski studij matematike Lorena Škalac Fermatova metoda beskonačnog spusta Završni rad Osijek, 014. Sveučilište J.J.Strossmayera
More informationKarakteri konačnih Abelovih grupa
Sveučilište J. J. Strossmayera u Osijeku Odjel za matematiku Sveučilišni preddiplomski studij matematike Matija Klarić Karakteri konačnih Abelovih grupa Završni rad Osijek, 2015. Sveučilište J. J. Strossmayera
More informationA L A BA M A L A W R E V IE W
A L A BA M A L A W R E V IE W Volume 52 Fall 2000 Number 1 B E F O R E D I S A B I L I T Y C I V I L R I G HT S : C I V I L W A R P E N S I O N S A N D TH E P O L I T I C S O F D I S A B I L I T Y I N
More informationStat 5102 Final Exam May 14, 2015
Stat 5102 Final Exam May 14, 2015 Name Student ID The exam is closed book and closed notes. You may use three 8 1 11 2 sheets of paper with formulas, etc. You may also use the handouts on brand name distributions
More informationMjerenje snage. Na kraju sata student treba biti u stanju: Spojevi za jednofazno izmjenično mjerenje snage. Ak. god. 2008/2009
Mjerenje snae Ak. od. 008/009 1 Na kraju sata student treba biti u stanju: Opisati i analizirati metode mjerenja snae na niskim i visokim frekvencijama Odabrati optimalnu metodu mjerenja snae Analizirati
More informationUmjetna inteligencija - Neizrazita (fuzzy) logika
SVEUČILIŠTE U RIJECI FILOZOFSKI FAKULTET U RIJECI Odsjek za politehniku Tea Kovačević Umjetna inteligencija - Neizrazita (fuzzy) logika (završni rad) Rijeka, 2016. godine SVEUČILIŠTE U RIJECI FILOZOFSKI
More informationMS&E 226: Small Data
MS&E 226: Small Data Lecture 15: Examples of hypothesis tests (v5) Ramesh Johari ramesh.johari@stanford.edu 1 / 32 The recipe 2 / 32 The hypothesis testing recipe In this lecture we repeatedly apply the
More informationTeorem o reziduumima i primjene. Završni rad
Sveučilište J. J. Strossmayera u Osijeku Odjel za matematiku Sveučilišni preddiplomski studij matematike Matej Petrinović Teorem o reziduumima i primjene Završni rad Osijek, 207. Sveučilište J. J. Strossmayera
More informationMetrički prostori i Riman-Stiltjesov integral
Metrički prostori i Riman-Stiltjesov integral Sadržaj 1 Metrički prostori 3 1.1 Primeri metričkih prostora................. 3 1.2 Konvergencija nizova i osobine skupova...................... 12 1.3 Kantorov
More informationZlatko Mihalić MOLEKULARNO MODELIRANJE (2+1, 0+0)
Zlatko Mihalić MOLEKULARNO MODELIRANJE (2+1, 0+0) Asistenti doc. dr. sc. Ivan Kodrin dr. sc. Igor Rončević Literatura A. R. Leach, Molecular Modelling, Principles and Applications, 2. izdanje, Longman,
More informationNested 2-Way ANOVA as Linear Models - Unbalanced Example
Linear Models Nested -Way ANOVA ORIGIN As with other linear models, unbalanced data require use of the regression approach, in this case by contrast coding of independent variables using a scheme not described
More informationThe Prediction of. Key words: LD converter, slopping, acoustic pressure, Fourier transformation, prediction, evaluation
K. Kostúr, J. et Futó al.: The Prediction of Metal Slopping in LD Coerter on Base an Acoustic ISSN 0543-5846... METABK 45 (2) 97-101 (2006) UDC - UDK 669.184.224.66:534.6=111 The Prediction of Metal Slopping
More informationZanimljive rekurzije
Zanimljive rekurzije Dragana Jankov Maširević i Jelena Jankov Riječ dvije o rekurzijama Rekurzija je metoda definiranja funkcije na način da se najprije definira nekoliko jednostavnih, osnovnih slučajeva,
More informationREVIEW OF GAMMA FUNCTIONS IN ACCUMULATED FATIGUE DAMAGE ASSESSMENT OF SHIP STRUCTURES
Joško PAUNOV, Faculty of Mechanical Engineering and Naval Architecture, University of Zagreb, Ivana Lučića 5, H-10000 Zagreb, Croatia, jparunov@fsb.hr Maro ĆOAK, Faculty of Mechanical Engineering and Naval
More informationNekoliko kombinatornih dokaza
MAT-KOL (Banja Luka) ISSN 0354-6969 (p), ISSN 1986-5228 (o) http://www.imvibl.org/dmbl/dmbl.htm Vol. XXII (2)(2016), 141-147 Nekoliko kombinatornih dokaza Duško Jojić Prirodno-matematički fakultet, Univerzitet
More informationDEVELOPMENT OF A MATHEMATICAL MODEL TO PREDICT THE PERFORMANCE OF A VIBRATORY BOWL FEEDER FOR HEADED COMPONENTS
http://doi.org/10.24867/jpe-2018-02-060 JPE (2018) Vol.21 (2) Tiwari, I., Laksha, Khanna, P. Original Scientific Paper DEVELOPMENT OF A MATHEMATICAL MODEL TO PREDICT THE PERFORMANCE OF A VIBRATORY BOWL
More informationKarakterizacija problema zadovoljenja uslova širine 1
UNIVERZITET U NOVOM SADU PRIRODNO-MATEMATIČKI FAKULTET DEPARTMAN ZA MATEMATIKU I INFORMATIKU Aleksandar Prokić Karakterizacija problema zadovoljenja uslova širine 1 -master rad- Mentor: dr Petar Marković
More informationAPPLICATION OF THOMAS-FERMI MODEL TO FULLERENE MOLECULE AND NANOTUBE UDC 547. Yuri Kornyushin
FACTA UNIVERSITATIS Series: Physics, Chemistry and Technology Vol. 5, N o 1, 2007, pp. 11-18 DOI: 10.2298/FUPCT0701011K APPLICATION OF THOMAS-FERMI MODEL TO FULLERENE MOLECULE AND NANOTUBE UDC 547 Yuri
More informationBasic Business Statistics, 10/e
Chapter 4 4- Basic Business Statistics th Edition Chapter 4 Introduction to Multiple Regression Basic Business Statistics, e 9 Prentice-Hall, Inc. Chap 4- Learning Objectives In this chapter, you learn:
More informationSveučilište J.J. Strossmayera u Osijeku Odjel za matematiku Sveučilišni preddiplomski studij matematike. Ivana Oreški REKURZIJE.
Sveučilište J.J. Strossmayera u Osijeku Odjel za matematiku Sveučilišni preddiplomski studij matematike Ivana Oreški REKURZIJE Završni rad Osijek, 2011. Sveučilište J.J. Strossmayera u Osijeku Odjel za
More informationUtjecaj trajanja i temperature skladištenja na udio ialctoze u jogurtu - falctorslci plan 3^
A^. Vahčić i sur.: Utjecaj trajanja... Mljekarstvo 44 (3) 167-178, 1994. Utjecaj trajanja i temperature skladištenja na udio ialctoze u jogurtu - falctorslci plan 3^ Nada Vahčić, Mirjana Hruškar, IVIilana
More informationSveučilište Josipa Jurja Strossmayera u Osijeku Odjel za matematiku
Sveučilište Josipa Jurja Strossmayera u Osijeku Odjel za matematiku Valentina Volmut Ortogonalni polinomi Diplomski rad Osijek, 2016. Sveučilište Josipa Jurja Strossmayera u Osijeku Odjel za matematiku
More informationAriana Trstenjak Kvadratne forme
Sveučilište Josipa Jurja Strossmayera u Osijeku Odjel za matematiku Sveučilišni preddiplomski studij matematike Ariana Trstenjak Kvadratne forme Završni rad Osijek, 014. Sveučilište Josipa Jurja Strossmayera
More informationMATH 556 Homework 13 Due: Nov 21, Wednesday
MATH 556 Homework 13 Due: Nov 21, Wednesday Ex. A. Based on the model concluded in 6.9, carry out a simulation study (In particular, use the LSE from the data in 6.9, generate new data for A.1, A.2, A.3,
More informationKsenija Doroslovački KOMBINATORIKA INTERPRETIRANA FUNKCIJAMA I NJIHOVIM OSOBINAMA MASTER RAD. NOVI SAD jun 2008
1 Ksenija Doroslovački KOMBINATORIKA INTERPRETIRANA FUNKCIJAMA I NJIHOVIM OSOBINAMA MASTER RAD NOVI SAD jun 2008 2 Sadržaj 1 UVOD 5 2 FUNKCIJE 11 3 KLASIČNI KOMBINATORNI OBJEKTI 17 4 NEKI NEKLASIČNI KOMBINATORNI
More informationJasna Kellner. snowman. twigs 5 snowflakes. snow. carrot. nose. hands school. hat. ice. head. mountain. window
From the list of words below, fill in the blank boxes below each picture. 1 planina 5 grančice 9 kula 13 nos 17 kuća 21 skije 25 zima 2 saonice 6 grude 10 led 14 peć 18 škola 22 vrat 26 rukavice 3 djeca
More informationPARALELNI ALGORITMI ZA PROBLEM GRUPIRANJA PODATAKA
SVEUČILIŠTE U ZAGREBU PRIRODOSLOVNO MATEMATIČKI FAKULTET MATEMATIČKI ODSJEK Anto Čabraja PARALELNI ALGORITMI ZA PROBLEM GRUPIRANJA PODATAKA Diplomski rad Voditelj rada: doc. dr. sc. Goranka Nogo Zagreb,
More informationGeneral Linear Model (Chapter 4)
General Linear Model (Chapter 4) Outcome variable is considered continuous Simple linear regression Scatterplots OLS is BLUE under basic assumptions MSE estimates residual variance testing regression coefficients
More informationSveučilište J.J. Strossmayera u Osijeku. Odjel za matematiku. David Komesarović. Mooreovi grafovi. Diplomski rad. Osijek, 2017.
Sveučilište J.J. Strossmayera u Osijeku Odjel za matematiku David Komesarović Mooreovi grafovi Diplomski rad Osijek, 2017. Sveučilište J.J. Strossmayera u Osijeku Odjel za matematiku Sveučilišni nastavnički
More informationUNIVERZITET U NOVOM SADU PRIRODNO-MATEMATIČKI FAKULTET DEPARTMAN ZA MATEMATIKU I INFORMATIKU
UNIVERZITET U NOVOM SADU PRIRODNO-MATEMATIČKI FAKULTET DEPARTMAN ZA MATEMATIKU I INFORMATIKU Ivan Marinković Klasifikacija H-matrica metodom skaliranja i njena primena u odred ivanju oblasti konvergencije
More informationKRITERIJI KOMPLEKSNOSTI ZA K-MEANS ALGORITAM
SVEUČILIŠTE U ZAGREBU PRIRODOSLOVNO MATEMATIČKI FAKULTET MATEMATIČKI ODSJEK Stela Šeperić KRITERIJI KOMPLEKSNOSTI ZA K-MEANS ALGORITAM Diplomski rad Voditelj rada: doc.dr.sc. Pavle Goldstein Zagreb, Srpanj
More informationFraktali - konačno u beskonačnom
Prirodno-Matematički fakultet, Niš. dexterofnis@gmail.com www.pmf.ni.ac.rs/dexter Nauk nije bauk, 2011 Sadržaj predavanja 1 Sadržaj predavanja 1 2 Sadržaj predavanja 1 2 3 Box-Counting dimenzija Hausdorfova
More informationRegression and the 2-Sample t
Regression and the 2-Sample t James H. Steiger Department of Psychology and Human Development Vanderbilt University James H. Steiger (Vanderbilt University) Regression and the 2-Sample t 1 / 44 Regression
More informationStat 5303 (Oehlert): Models for Interaction 1
Stat 5303 (Oehlert): Models for Interaction 1 > names(emp08.10) Recall the amylase activity data from example 8.10 [1] "atemp" "gtemp" "variety" "amylase" > amylase.data
More informationMatematika (PITUP) Prof.dr.sc. Blaženka Divjak. Matematika (PITUP) FOI, Varaždin
Matematika (PITUP) FOI, Varaždin Dio II Bez obzira kako nam se neki teorem činio korektnim, ne možemo biti sigurni da ne krije neku nesavršenost sve dok se nam ne čini prekrasnim G. Boole The moving power
More informationMultiple Regression: Example
Multiple Regression: Example Cobb-Douglas Production Function The Cobb-Douglas production function for observed economic data i = 1,..., n may be expressed as where O i is output l i is labour input c
More informationChapter 7 Student Lecture Notes 7-1
Chapter 7 Student Lecture Notes 7- Chapter Goals QM353: Business Statistics Chapter 7 Multiple Regression Analysis and Model Building After completing this chapter, you should be able to: Explain model
More informationStatistics - Lecture Three. Linear Models. Charlotte Wickham 1.
Statistics - Lecture Three Charlotte Wickham wickham@stat.berkeley.edu http://www.stat.berkeley.edu/~wickham/ Linear Models 1. The Theory 2. Practical Use 3. How to do it in R 4. An example 5. Extensions
More informationGPA Chris Parrish January 18, 2016
Chris Parrish January 18, 2016 Contents Data..................................................... 1 Best subsets................................................. 4 Backward elimination...........................................
More informationStrojno učenje. Metoda potpornih vektora (SVM Support Vector Machines) Tomislav Šmuc
Strojno učenje Metoda potpornih vektora (SVM Support Vector Machines) Tomislav Šmuc Generativni i diskriminativni modeli Diskriminativni Generativni (Učenje linije koja razdvaja klase) Učenje modela za
More information36-707: Regression Analysis Homework Solutions. Homework 3
36-707: Regression Analysis Homework Solutions Homework 3 Fall 2012 Problem 1 Y i = βx i + ɛ i, i {1, 2,..., n}. (a) Find the LS estimator of β: RSS = Σ n i=1(y i βx i ) 2 RSS β = Σ n i=1( 2X i )(Y i βx
More informationECON 497 Final Exam Page 1 of 12
ECON 497 Final Exam Page of 2 ECON 497: Economic Research and Forecasting Name: Spring 2008 Bellas Final Exam Return this exam to me by 4:00 on Wednesday, April 23. It may be e-mailed to me. It may be
More informationSCHOOL OF MATHEMATICS AND STATISTICS
RESTRICTED OPEN BOOK EXAMINATION (Not to be removed from the examination hall) Data provided: Statistics Tables by H.R. Neave MAS5052 SCHOOL OF MATHEMATICS AND STATISTICS Basic Statistics Spring Semester
More informationALGORITAM FAKTORIZACIJE GNFS
SVEUČILIŠTE U ZAGREBU FAKULTET ELEKTROTEHNIKE I RAČUNARSTVA ALGORITAM FAKTORIZACIJE GNFS Ivan Fratrić Seminar iz predmeta Sigurnost računalnih sustava ZAGREB, Sažetak Faktorizacija brojeva jedan je od
More informationMATH 423/533 - ASSIGNMENT 4 SOLUTIONS
MATH 423/533 - ASSIGNMENT 4 SOLUTIONS INTRODUCTION This assignment concerns the use of factor predictors in linear regression modelling, and focusses on models with two factors X 1 and X 2 with M 1 and
More informationIvan Soldo. Sažetak. U članku se analiziraju različiti načini množenja matrica. Svaki od njih ilustriran je primjerom.
Osječki matematički list 5(005), 8 Različiti načini množenja matrica Ivan Soldo Sažetak U članku se analiziraju različiti načini množenja matrica Svaki od njih ilustriran je primjerom Ključne riječi: linearni
More informationMirela Nogolica Norme Završni rad
Sveučilište J.J. Strossmayera u Osijeku Odjel za matematiku Sveučilišni preddiplomski studij matematike Mirela Nogolica Norme Završni rad Osijek, 2014. Sveučilište J.J. Strossmayera u Osijeku Odjel za
More information(a) The percentage of variation in the response is given by the Multiple R-squared, which is 52.67%.
STOR 664 Homework 2 Solution Part A Exercise (Faraway book) Ch2 Ex1 > data(teengamb) > attach(teengamb) > tgl summary(tgl) Coefficients: Estimate Std Error t value
More informationRecall that a measure of fit is the sum of squared residuals: where. The F-test statistic may be written as:
1 Joint hypotheses The null and alternative hypotheses can usually be interpreted as a restricted model ( ) and an model ( ). In our example: Note that if the model fits significantly better than the restricted
More informationFactorial Analysis of Variance with R
Factorial Analysis of Variance with R # Potato Data with R potato = read.table("http://www.utstat.toronto.edu/~brunner/data/legal/potato2.data") potato Bact Temp Rot 1 1 1 7 2 1 1 7 3 1 1 9 4 1 1 0............
More information