Kapitel 13,14,15,16

Axel Duvebäck & David Sivén

require(mosaic)

## Loading required package: mosaic
## Loading required package: grid
## Loading required package: lattice
## Loading required package: car
## 
## Attaching package: 'mosaic'
## 
## The following object is masked from 'package:car':
## 
##     logit
## 
## The following objects are masked from 'package:stats':
## 
##     binom.test, cor, cov, D, fivenum, IQR, median, prop.test, sd,
##     t.test, var
## 
## The following objects are masked from 'package:base':
## 
##     max, mean, min, print, prod, range, sample, sum

13.01

A. False

B. False

C. False

D. False

E. True

F. True

G. False

13.02

  1. C

  2. C

  3. D

14.01

A. C

B. A, rimligt för det som kan framkomma är en skillnad mellan te och paracetabol. B är lättast att motbevisa, men att operationalisera hur effektiv den är är problematiskt. C är en rimlig hypotes men kan lätt ge missvisande resultat.

C. 2000

14.02

feet = fetchData("kidsfeet.csv")

## Retrieving from http://www.mosaic-web.org/go/datasets/kidsfeet.csv

mod = lm(width - 8.8 ~ 1, data = feet)
summary(mod)

## 
## Call:
## lm(formula = width - 8.8 ~ 1, data = feet)
## 
## Residuals:
##     Min      1Q  Median      3Q     Max 
## -1.0923 -0.3423  0.0077  0.3577  0.8077 
## 
## Coefficients:
##             Estimate Std. Error t value Pr(>|t|)  
## (Intercept)   0.1923     0.0816    2.36    0.024 *
## ---
## Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
## 
## Residual standard error: 0.51 on 38 degrees of freedom
  1. 0.024
feet = fetchData("kidsfeet.csv")

## Retrieving from http://www.mosaic-web.org/go/datasets/kidsfeet.csv

modx = lm(width - 8.9 ~ 1, data = feet)
summary(modx)

## 
## Call:
## lm(formula = width - 8.9 ~ 1, data = feet)
## 
## Residuals:
##     Min      1Q  Median      3Q     Max 
## -1.0923 -0.3423  0.0077  0.3577  0.8077 
## 
## Coefficients:
##             Estimate Std. Error t value Pr(>|t|)
## (Intercept)   0.0923     0.0816    1.13     0.27
## 
## Residual standard error: 0.51 on 38 degrees of freedom
  1. 0.27

14.04

A. D

B. A

C. A

D. A

14.12

A. A

B. C zm=transform(zm, ind.mass=dry.mass/count) summary(lm(ind.mass~attachment, data=zm))

C1. Higher C2. Lower C3. False C4. 0.04, 0.1

D. 0.0000016, 0.0000005

E. B

14.23

A. B

B. 0.99

C. 0.04, det är bara en jämförelse så man gångar p-värdet med 1.

15.01

  1. C

  2. 0.80

  3. E

  4. C

  5. C

15.04

A. I den första förklarar intercepten variansen av width till stor del. I den andre är denna borttagen och så ser man att domhand förklarar väldigt lite av variansen i width.

B. Intercepten bestämmer en av parametrarna så denne inte kan variera.

15.10

summary(lm(net ~ age, data = run))

## Error: object 'run' not found
  1. Relationen är att tiden ökar i förhållande till ålder och den är signifikant. Den är substantiell.
summary(lm(net ~ sex, data = run))

## Error: object 'run' not found
  1. Relationen är att kvinnor är springer långsammare än män, och den är signifikant. Den är substantiell.
summary(lm(net ~ age:sex, data = run))

## Error: object 'run' not found

3.Relationen är att ålder påverkar könen olika i hur snabbt de springer, men båda springer långsammare. Det är signifikant och substantiell.

15.11

  1. Nej, för att P-värdet är högt.

  2. En ny variabel gör att F-värdet ökar. I den ena gruppen är alla beroende på en, annars är alla individuella fall.

  3. I praktiken är det tvivelaktigt om den är signifikant men i teorin så är den statistiskt signifikant.

15.21

A. 2

B. 1

C. 4

D. 3

E. 5

16.02

1

A. -1.2

B. 2.7

C. 7.8

2

A. 0.23

B. 0.94

C. 0.99