Uke 20:
mandag 12/5: gruppe, siste ?ving, eksamen fra i fjor!
tirsdag 13/5 kl. 9.15-10: forelesning, avslutning kap. 13
onsdag 14/5 kl. 10.15-12: siste forelesning, oppsummering/repetisjon
torsdag 15/5 kl. 14.15-16: plenum siste ?ving, eksamen fra i fjor
Uke 19:
tirsdag 6/5 kl. 9.15-10: forelesning avlyst
onsdag 7/5 kl. 10.15-12: plenum ?ving fra uke 18 (som ikke gikk i uke 18 pga 1. mai)
torsdag 8/51 kl. 14.15-16: plenum ?ving uke 19
Uke 17: P?skeferie mandag, ingen gruppe. Fra tirsdag alt normalt. Start p? kap. 13 om kategoriske data og f?yningstester! Hele 13.1 og starten av 13.2. R-kode til eksempel 13.1 og 13.3 , R-kode til eksempel 13.5 og 13.6.
Uke 16: P?skeferie!
Uke 15: Gruppe mandag som planlagt, ingen forelesning tirsdag, orakel for oblig 2 i forelesningstiden onsdag (10-12 Aud. 4), innlevering av oblig 2 torsdagen, ingen plenum.
Uke 14: Fortsetter Likelihood ratio tests, kap. 9.5. Neyman-Pearson uten bevis, dvs. s. 460-463 ikke pensum. Ferdig kap.9.5. Snakket litt om statistikkfaget N?, se lenker under beskjeder.
Uke 13: Midtveisuke, ingen undervisning hele uken. Oblig 2 kommer ut torsdagen.
Uke 12: Fortsetter med bootstrap - spesielt ikkeparametrisk bootstrap. Bootstrap i praksis, eksempler. R-kode for ? sjekke om bootstrap finner ut at en variansestimator er forventningsskjev og en annen ikke. R-kode for estimering av forventningsskjevhet, standardfeil og basic bootstrap konfidensintervaller, samt bruk av boot og boot.ci funksjonene i biblioteket boot. P? slutten av onsdagen startet jeg p? nytt tema: Likelihood ratio tests, kap. 9.5 i boken.
Uke 11: Avslutter ML-tema ved ? g? gjennom kap. 4 i notatet om numerisk optimering. Litt om alternativ optimerings-strategi med nlm-funksjonen i R. Bruker eksempel 1 i notatet, her er R-kode og data. Deretter starter vi p? bootstrap, ta frem notatet om bootstrapping!
Uke 10: Fortsetter med kap. 7.4, Cramer Rao, effisiens, egenskaper til ML-estimatorer. Deretter start p? numerisk optimering av likelihood for ML-estimering, notatet kap. 1-3. Jeg gikk gjennom oppgave 3 i heftet med Geirs ekstraoppgaver. R-kode for l?sning, demonstrert i forelesning.
Uke 9: Logistisk regresjon 12.1 (s 607-608), 12.3 (s 636-637). Maksimum likelihood. R-kode for eksempel 12.14. Startet p? kap. 7.4, gikk gjennom scorefunksjon, Fisherinformasjon, frem til Cramer-Rao. Ta frem notatet om numerisk optimering av likelihood.
Uke 8: Vi fortsetter med 12.8. Anonym Kahoot-quiz om stoffet tirsdag. Mer om kovariansmatriser! Ble ferdig med 12.8. Videre studier av f?dselsdata, leverage, se R-kode. Jeg snakket ogs? 20 minutter om h?ydimensjonale data - regresjon n?r antall kovariater er st?rre enn antall observasjoner, Lasso-metoden (ikke pensum!).
Uke 7: Multippel lin?r regresjon p? matriseform, kapittel 12.8 (iblandet repetisjon fra 12.7). Noe stoff om multivariat normalfordeling. R-kode for f?dselsdata-analyse.
Uke 6: To-veis variansanalyse med gjentak, kap. 11.5. Notat om sammenhengen mellom variansanalyse og regresjon. R-koder til eksempel 11.16.
Uke 5: Starter med to-veis variansanalyse, uten gjentak, randomisert blokkdesign, kapittel 11.4. Tirsdag 9-10 avlyst pga sykdom, onsdag 10-12 som vanlig. Husk at grupper og plenum starter denne uken!!! Ble ferdig med 11.4, R-koder til eksempel 11.11 og 11.15.
Uke 4: Fortsetter kapittel 11.2 om Tukeys metode, samt kap. 11.3, mer om enveis anova. R-kode fra forelesningene her.
Uke 3: Innledning til kurset, start kapittel 11 on variansanalyse. Hele kapittel 11.1 om enveis anova, samt startet s?vidt p? kapittel 11.2 om multippel sammenligning. R-kode benyttet i forelesningene finner du her.