Abstract  See syllabus for due date.  This is Tuesday week 7 for 2022.  See below for guidelines for the abstract.

Meeting You must meet with Weiss about the final project before week 9 or during week 9. Note: I am not available Thursdays, nor May 12/13 pf 2022.

Final Project  is due finals week, on Monday, by  11:59pm.   Please submit through CCLE.

ABsTRAcT:  Should be typed  1 paragraph.   Describe  the data,  your ten- tative model(s), and purpose of the analysis.   Please supply the following information about your project:

1.  Data set name.

2.  Data set source.

3.  Outcome(s) name(s).

4. Predictor(s) name(s).

5.  Definition of time, spacing of observations, number of repeated mea-

sures, amount of missingness, any related topics.

6.  Sample size information (people, observations).

7. Anticipated/possible issues/difficulties with the analysis.

MEETINc:  Expect the meeting to be about  15  minutes.   In  addition  to the information discussed for the abstract, bring profile plots and empirical summary plots, and output from one reasonable model fit to the data.

DATA  SET:  You will need to find a data set to  analyze.   Identify an ap- propriate data set and purpose for analyzing it early in the quarter.  Places to search for data sets are a) collecting your own data; b) Your current or previous work; c) Colleague of your employer; d) Occasionally your advisor may have a suggestion; e) Doctoral thesis or master’s paper data set; f) Con- sulting client.  Getting a ‘real’ data set (for example from NCHS) as opposed to a book/web data set is strongly encouraged.  If you get a set from the web or from a book you will need to do additional research to create a purpose for the analysis. You may NOT take a data set from the notes, the book, my web pages or from a previous stat or biostat course (for example not from Biostat 200ABC), nor the UCI Machine Learning Repository.  Do not use Kaggle data.