Tid: torsdag 3/12 kl 13-15 eller fredag 4/12 kl 13-15

De flesta av veckans uppgifter görs med Matlab.

Uppgifter i Studiematerialet:

Dig XXX syftar på studiematerialets digitala uppgifter, ^M -görs med Matlab.

6.3, Dig 6.1.1-7, Dig 6.1.1-8, 6.12, 6.3^M, 6.11^M, Dig 6.1.3-2, Dig 6.1.4-6, Dig 6.1.4-7, 6.25^M, 6.32^M, 6.33^M, 9.13^M(V), 9.14^M(L)

Ofta har man mer än en tänkbar förklarande variabel och kan då ansätta en multipel linjär regressionsmodell som finns beskriven i Avsnitt 3 i kompendiet. Läs de första raderna i detta avsnitt och orientera er om att matrisformuleringar nu är lämpligt i analysen (ni behöver inte fördjupa er i detta!).
Gör uppgift Dig 6.1.3-2, Dig 6.1.4-6 och Dig 6.1.4-7 för att träna på att analysera en multipel linjär regressionsmodell.
Matlab.
Om man vill göra analysen i Matlab räcker inte reggui till utan man får använda kommandet regress.
Gör uppgift 6.25 (bussresor) och observera att det finns en handledning med lämpliga Matlabkommandon att tillgå.
Matlab.
Ibland är man (som i Miniprojekt 2) intresserad av att jämföra två regressionssamband. Då vill man oftast jämföra både lutningar och skärningspunkter på y-axeln (intercept).
De två uppgifterna 6.32 (medicin) och 6.33 (polymer) behandlar detta. I uppgifternas matlabhandledningar ser ni hur modellen ser ut och vilka lämpliga Matlabkommandon som används i analysen. Utnyttja också Matlab-koden i F10_HT19.m. (ny m-fil kommer)
Matlab.
Gör resten av Miniprojekt 2: 9.13 (värmebehov) för V-studenter respektive 9.14 (järnvägsflytt) för L-studenter. Redovisa analysen som en rapport som ska skickas in senast fredagen 11 december.

Alla som ska syssla med något typ av matematisk modellering av data behöver goda kunskaper i regression. En av våra fortsättningskurser heter FMSN30 'Linjär och logistisk regression och går under lp4.