Infiltration and inflow of non-sewer water to wastewater systems (I/I water) poses a significant problem to health, economy, and the environment by affecting the capacity of the wastewater system. To determine effective measures to reduce the amount of I/I water, it is essential to identify its most important sources. In this thesis, the relationship between leaked drinking water and I/I water was investigated by using ordinary least squares (OLS) linear regression. The first question is whether there is a statistical relationship between the amount of drinking water leakages and the amount of I/I water in wastewater treatment plants in Swedish municipalities. Data from 207 Swedish municipalities were included in the analysis. The amount of unaccounted water, i.e. the difference between produced and charged drinking water, was used as a measure of water leakage. The second question treats the feasibility of statistically comparing municipalities to determine the importance of I/I water sources. The result of the OLS linear regression shows a statistically significant relationship between the level of unaccounted water and the level of I/I water in Swedish municipalities. This could be explained by a causal process where leaked drinking water infiltrates the wastewater system. Another explanation could be simultaneous problems in the water system and the wastewater system, potentially caused by the quality of the pipelines. However, caution should be exercised when drawing conclusions from statistical comparisons between water and wastewater flows in different municipalities. Variations in other aspects such as natural conditions and infrastructure, must also be considered.

The climate adaptation of our cities and the optimization of our technical systems with regards to weather sets high demands on the availability and the processing of weather data. The possibility to forecast disturbances of influent flow rate to wastewater treatment plants allow control systems counteract these disturbances before they have a harmful effect on the treatment processes. These forecasts can be made by different models A neural network models complex patterns between different data sets through a multi-layered structure containing a large amount of transformation functions. The aim of this project was to examine how the complex neural network performed compared with a simpler linear regression model when forecasting wastewater flow using high resolution X-band rain radar data. The study also investigated to what extent X-band rain radar data contributes to the performance of the model. The performance was evaluated at rain flow periods only. Wastewater flow data were provided by Avedøre wastewater treatment plant in Copenhagen operated by BIOFOS. The X-band rain radar data was provided by HOFOR. The neural network was developed by Informetics on the TensorFlow platform. This project concluded that the neural network and the linear regression model performed equally well at predicting when a rain flow period began. The neural network was more accurate at predicting the flow rate while the linear regression was better at approximating the accumulated flow over an entire rain flow period. Using additional rain data up to 30 km within the radar station location in comparison with using data only from within the catchment indicated a 20 to 30-minutes improvement of possible lead time. A conceivable lead time when forecasting the sewer flow to Avedøre wastewater treatment plant was estimated to be around 4 hours. / Det föreligger höga krav på tillgänglighet och bearbetning av väderdata för att kunna optimera tekniska system i förhållande till väder och klimat. Att kunna förutsäga ändrat inkommande flöde till avloppsreningsverk möjliggör för kontrollsystem att kunna motverka negativa konsekvenser på reningsprocesserna på grund av det ändrade flödet. X-band radardata kan användas för att prognoser av flöden med hjälp av olika modeller.Ett neuralt nätverk, reproducerar komplexa mönster mellan olika dataset genom en struktur med flera lager och en mängd överföringsfunktioner.  Målsättningen med det här projektet var att utvärdera hur ett komplext neuralt nätverk presterar jämfört med en enklare regressionsmodell i att förutsäga avloppsflöde med hjälp av högupplöst X-band radardata. I projektet undersöktes också hur tillgång av olika radardata kunde bidra till modellens prestanda. Modellerna utvärderades endast under regnflödesperioder. Data över avloppsflödet som användes i projektet kom från Avedøre avloppsreningsverk i Köpenhamn. Reningsverket drivs av BIOFOS. Radardata kom från HOFOR. Det neurala nätverket som användes har utvecklats av Informetics på plattformen Tensorflow. Slutsatser som kunde dras i projektet var att det neurala nätverket och den linjär regressionsmodellen var lika bra på att förutsäga när en regnflödesperiod startade. Det neurala nätverket kunde förutsäga det momentana flödet bättre än regressionsmodellen, medan det omvända gällde för att uppskatta den totala flödesvolymen under en hel regnflödesperiod. Genom att använda ytterligare regndata, upp till 30 kilometer från radarstationen, jämfört med att endast använda data från avrinningsområdet kunde en 20–30 minuters förbättring av den möjliga prognostiden påvisas. En tänkbar prognostiden för att förutsäga avloppsflödet till Avedøre avloppsreningsverk visades ligga omkring 4 timmar.

Background: More students state that they are exposed to bullying and the mental illness among adolescents increases. Previous research states that there is a connection between bullying and reduced well-being, where social factors have been emphasized as risk and protective factors for both bullying and well-being. However, it is not well studied which social factors who has the biggest impact on well-being based on positive and negative aspects. Social capital was used as a theoretical frame to explain the social factors’ influence on adolescent’s well-being. Aim: The aim of the study was to study bullying and which social factors who has the biggest impact on well-being among adolescents in the County Council of Västmanland. Method: Based on the Survey of Adolescent Life in Västmanland 2012, a quantitative approach was applied with a cross-sectional design. A total of 4226 students from 9th grade of compulsory school and the 2nd year of upper secondary school in the County Council of Västmanland were included. Descriptive analyzes and multiple linear regression analyzes were performed. Results: Positive influences showed greater variety in well-being and future optimism than negative influences. Negative experiences had a greater influence than positive experiences while physical, verbal and psychological bullying had a low influence. Conclusion: A majority of students had not experienced any form of bullying where physical bullying was least common while mental bullying was most common. Students’ well-being was highly rated, boys rated their well-being as better than girls. School well-being and negative experiences had the greatest influence in well-being and future optimism.

Why do strong states, despite their far superior military capabilities, experience increasing difficulties in defeating small states in asymmetric conflicts? In this thesis I develop a conceptual framework based on Keohane & Nye's theory of complex interdependence, in which I argue that the increased degree of mutual interdependence among strong states leads to decreased cost-tolerance when exercising military power. This, in turn, leads to power being exercised in other forms such as different types of sanctions, influence on political agendas or through political pressure made possible by asymmetric vulnerabilities. The conceptual framework is tested with descriptive statistics and multiple linear regression on all 118 cases of asymmetric conflicts fought between 1945 and 2003. The results challenge existing knowledge about factors such as the importance of military power, troop commitment, external support, the nature of government and freedom of the press. At the same time, risks are identified in small states’ strategies that are based on external support. The result of the study indicates that such strategies lead to increased cost-tolerance among strong intervening states.

This thesis examines which factors drive overall net inflows to a Swedish niche bank. It further investigates whether these factors are the same or different from the factors that drive net inflows to mutual funds as well as shares. To find the key factors, and to what degree they drive the different net inflows, three separate multiple linear regressions were performed. The data analysed was taken from the period January 2018 to February 2022, and was provided by Avanza Bank. The data for the driving factors were gathered from different sources online. 21 regressors were used for this analysis. The thesis conclusion in brief was that for total net inflows the main contributor was the number of customers, which positively impacted the net inflows. The two subcategories: mutual fund and stock inflows were more volatile and the number of customers proved not as important in these cases. Some seasonal patterns were recognized, e.g. January was always a significant month for total net inflows. Therefore, performing a time series analysis would be recommended to draw further conclusions. Other possible avenues for future research is to gain a deeper understanding of this applied area of mathematics and to gather more data both in terms of the analysed time period and number of regressors. / Detta arbete ämnar undersöka vilka faktorer som generellt driver nettoflöden till en svensk nischbank. Arbetet ämnar även att vidare undersöka om dessa eller andra faktorer är mest drivande för nettoflöden till kategorierna fonder och aktier. För att hitta dessa nyckelfaktorer, samt till vilken grad de driver nettoflöden, utfördes tre stycken regressionsanalyser. Datan som analyserades avsåg tidsperioden januari 2018 till februari 2022 och sammanställdes av Avanza Bank. Samtliga potentiella nyckelfaktorer för nettoinflödet samlades in från diverse källor online, totalt användes 21 stycken regressorer för analysen. Arbetets slutsats i korthet var att det för det totala nettoflöden är bankens totala antal kunder som är den största drivande faktorn, vilket har ett positivt samband med den beroende variabeln. För de två sub-kategorierna, nettoflöden till fonder och aktier var det svårare att bygga en modell och antal kunder visade sig inte ha en stor påverkan för dessa. Ett säsongsmönster kunde observeras i datan, exempelvis var januari alltid en signifikant månad för stora nettoflöden. Med detta som bakgrund kunde ett tidsserieanalys rekommenderas för att kunna dra bättre slutsatser inom ämnet. Andra möjliga alternativ för framtida forskning innefattar en djupare analys inom detta område av tillämpad matematik samt insamling av mer data både i fråga om den studerade tidsperioden samt antalet använda regressorer.

Investing in public real estate stocks can diversify a stock portfolio due to the nature of these companies. The industry is generally less sensitive to economic downturns and spikes in inflation are offset by increased real estate property and rent prices. Nevertheless, measures of the wider economy could be used as predictors of the real estate stock market.  This thesis attempts to model the Swedish real estate stock market with the index SX35PI (Stockholm Real Estate PI) using the fundamental economic factors and repo rate. Data was collected and formatted to a monthly interval for the period February 2012 to December 2021. This resulted in an exponential multiple regression model that used all the regressors that explained 95.7% of the variation in SX35PI, and an alternative autoregressive forecasting model that explained 82.3% of the variation in SX35PI. / Investeringar i fastighetsbolag kan diversifiera en aktieportfölj tack vare dessa bolags karaktär. Denna industri är nämligen mindre känslig för ekonomiska nedgångar och minskad efterfråga samt plötsliga ökningar i inflationen som vägs upp av ökningar i fastighetspriser och hyror. Aktiemarknaden för fastighetsaktier kan modelleras med makroekonomiska mått. Denna rapport försöker modellera aktiemarknaden för svenska fastighetsbolag med fundamentala ekonomiska mått samt reporäntan. Data samlades och transformerades för att få datapunkter varje månad under februari 2012 till december 2021. Resultatet blev en exponentiell multipel regressionsmodell som använde alla förklarande variabler vilka förklarade 95.7% av variationen i SX35PI, och en alternativ autoregressiv modell som förklarade 82.3% av variationen i SX35PI.

This thesis is a case study in collaboration with the company Getswish AB. GetswishAB provides the mobile application and payment service Swish with the purpose ofdelivering smooth money transfers for individuals and companies in Sweden. About80 percent of the Swedish population are connected to Swish, and the majority seethe service as an apparent part of everyday life. This work studies a small part of alltransactions that take place daily between individuals and companies. Specifically, thispaper examines which factors affect the Swish transaction amount (TA) to companieswithin five different industries. The five industries studied are: Sports, leisure,and entertainment activities; Restaurant, catering, and bar activities; Retail trade,except for motor vehicles and motorcycles; Trade and repair of motor vehicles andmotorcycles; and Telecommunications. In combination with descriptive analysis andseasonality studies, a multiple linear regression model is used to evaluate patternsin the amount transferred to companies within the various industries. The responsevariable is the daily aggregated TA and the seven responding regressors examined are:i) The number of employees of the company, ii) The revenue of the company, iii) Thedate for registration to Swish service for companies, iv) The age of the customers, v) Thegender of the customers, vi) The number of transactions, and vii) The transaction date.The estimated parameters for each regressor are studied to evaluate correlations withthe TA. This thesis states that it is possible to construct a model from the regressorsanalyzed, which can predict the amount with an explanation degree of above 85% forfour of the five industries. The model constructed for the motor vehicle industry nevergives satisfactory results and must be further investigated to conclude. / Detta examensarbete är en fallstudie i samarbete med företaget GetSwish AB.GetSwish AB tillhandahåller mobilapplikationen och betaltjänsten Swish, vars syfteär att leverera smidig pengaöverföring för privatpersoner och företag i Sverige. Idagär cirka 80 procent av Sveriges befolkning anslutna till Swish och majoriteten sertjänsten som en självklar del av vardagen. Detta arbete kommer dock endast fokuserapå en liten del av alla transaktioner som dagligen sker mellan privatpersoner ochföretag. Specifikt undersöker denna rapport vilka faktorer som påverkar Swishstransaktionsbelopp till företag inom fem olika branscher. De fem branschernasom studeras är: Sport-, fritids- och nöjesverksamhet; Restaurang-, catering ochbarverksamhet; Detaljhandel utom med motorfordon och motorcyklar; Handelsamt reparation av motorfordon och motorcyklar; och Telekommunikation. Ikombination med en deskriptiv analys och säsongsstudier skapades en multipel linjärregressionsmodell för att utvärdera mönster i transaktionsbeloppet från kund tillföretag inom de olika branscherna. Responsvariablen är det dagliga aggregeradebeloppet och de förklarande variablerna som undersöktes var: antalet anställda,omsättning, datum för registrering till Swish för företag, kundernas ålder och könsamt antal transaktioner och transaktionsdatum. De skattade parametrarna förvarje regressor studerades för att utvärdera magnitud samt positiva eller negativakorrelationer med beloppet. Denna rapport visar att det är möjligt att konstrueraen modell från de analyserade regressorerna som kan förutsäga beloppet med enförklaringsgrad på över 85% för fyra av de fem branscherna och kan användas föratt förutspå beloppen på de dagliga transaktionerna. Modellen som konstruerats förfordonsindustrin gav aldrig tillfredsställande resultat och bör undersökas vidare innanslutsatser dras.

In general, insurance companies and especially their clients face long and complicated claims processes where payments rarely, and almost reluctantly, are made the same day. A part of this slow moving procedure is the fact that in some cases the insurer has to value the personal property themselves, which can be a tedious process. In conjunction with the insurance company Hedvig, this project address this issue by examining a pricing model for a specific personal property; smartphones - one of the most common occurring claim types in the insurance context. Using multiple linear regression with data provided by PriceRunner, 10 key characteristics out of 91 where found to have significant explanatory power in predicting the market price of a smartphone. The model successfully simulates this market price with an explained variance of 90%. Furthermore this thesis illustrates an intuitive example regarding pricing models for personal property of other sorts, identifying limiting key components to be data availability and product complexity. / I dagsläget står försäkringsbolag och deras kunder allt för ofta inför långa och komplicerade försäkringsärenden, där utbetalningar i regel aldrig sker samma dag. En del i denna långsamma och utdragna utbetalningsprocess är det faktum att försäkringsbolaget på egen hand måste uppskatta egendomens värde, vilket kan vara en mycket komplicerad process. I samarbete med försäkringsbolaget Hedvig undersöker denna rapport en värderingsmodell för ett av de vanligaste försäkringsärendena gällande personlig egendom, nämligen smartphones. Genom att använda multipel linjär regression med data försedd av PriceRunner har 10 av 91 nyckelfaktorer identifierats ha signifikant förklaringsgrad vid modellering av marknadsvärdet av en smartphone. Den framtagna modellen simulerar framgångsrikt marknadsvärdet med en 90-procentig förklaringsgrad av variansen. Vidare illustrerar denna rapport intuitiva riktlinjer för värderingsmodellering till andra typer av personlig egendom, samtidigt som den identifierar begränsande nyckelaspekter som exempelvis tillgången på data och egendomens inneboende komplexitet.

The growing interest in savings on the financial markets implicates that the competition is expanding and managers of Swedish equity funds need to create shareholder value, independent of the macroeconomic situation. The Swedish financial market experienced a rapid rebound during the first quarter of 2019, following the plunge in the preceding quarter. This thesis utilizes multiple linear regression to analyze Swedish equity funds during the first quarter of 2019. The aim is to identify variables affecting fund performance in a market rebound in order to formulate a performance maximizing strategy. Based on the results of the performance influencing variables, the strategy is to underweight small cap stocks, overweight the energy and technology sector, underweight the communication services sector and staying neutral to overweighted in remaining sectors. Furthermore, the strategy proposes an overweighted exposure to North American stocks and an underweight to Western European stocks. The overexposure to North America should be larger in absolute value compared to the underexposure to Western Europe. The strategy is ambiguous since data from only one market rebound is analyzed. Therefore, the strategy is not significantly proven to be adaptable in any market rebound. The model analysis is based on modern macroeconomic and financial theories. In addition, the discussion problematizes the neoclassical view on economics based on the notion that a combination of rationality and irrationality is prevalent among investors. Further research is essential either to support or reject the performance affecting variables and the allocation strategy specified in the thesis. / Det växande intresset att investera på de finansiella marknaderna implicerar att konkurrensen hårdnar bland fondförvaltare. Fondförvaltare för svenska aktiefonder måste därmed skapa andelsägarvärde, oberoende av det makroekonomiska läget. Den finansiella marknaden återhämtade sig snabbt under det första kvartalet 2019 efter den branta nedgången under det föregående kvartalet. Studien avser att identifiera de bidragande faktorerna till avkastning för svenska aktiefonder under denna återhämtning. Multipel linjär regression används för detta ändamål samt för att formulera en avkastningsmaximerande strategi. Strategin föreslår att förvaltare för svenska aktiefonder bör undervikta småbolag, övervikta aktier inom energi och teknik samt undervikta aktier i kommunikationssektorn. Strategin är vidare att vara neutral till överviktad i övriga sektorer. Dessutom är strategin att övervikta nordamerikanska aktier och att undervikta västeuropeiska aktier. Övervikten i Nordamerika ska vara större i absoluta termer än undervikten i Västeuropa. Strategin är tvetydig då den bygger på data från enbart en marknadsåterhämtning. Därmed är den framtagna strategin inte bevisad att vara applicerbar på vilken marknadsåterhämtning som helst. Analysen är baserad på modern makroekonomisk och finansiell teori. Diskussionen problematiserar den neoklassiska synen på ekonomi baserat på uppfattningen att investerare är både irrationella och rationella i sina investeringsbeslut. Fortsatt forskning är essentiell för att antingen stärka eller förkasta dragna slutsatser i denna studie.

This project aims to analyze Nordic companies active in the sector of Information and Communications Technology (ICT), and does this in two parts. Part I entails analyzing public companies to construct a valuation model aimed at predicting the enterprise value of private companies. Part II deals with analyzing private companies to determine if there are opportunities providing excess returns as compared to investments in public companies. In part I, a multiple regression approach is utilized to identify suitable valuation models. In doing so, it is revealed that 1-factor models provide best statistical results in terms of significance and prediction error. In descending order, in terms of prediction accuracy, these are (1) total assets, (2) turnover, (3) EBITDA, and (4) cash flow. Part II uses model (1) and finds that Nordic ICT private equity does provide opportunities for positive alphas, and that it is possible to construct portfolio strategies that increase this alpha. However, with regards to previous research, it seems as though the returns offered by the private equity market analyzed does not adequately compensate investors for the additional risks related to investing in private equity. / Det här projektet analyserar nordiska bolag aktiva inom Informations- och Kommunikationsteknologi (ICT) i två delar. Del I behandlar analys av publika bolag för att konstruera en värderingsmodell avsedd att förutsäga privata bolags enterprise value. Del II analyserar privata bolag för att undersöka huruvida det finns möjligheter att uppnå överavkastning jämfört med investeringar i publika bolag. I del I utnyttjas multipel regressionsanalys för att identifiera tillämpliga värderingsmodeller. I den processen påvisas att modeller med enbart en faktor ger bäst statistiska resultat i fråga om signifikans och förutsägelsefel. I fallande ordning, med avseende på precision i förutsägelser, är dessa modeller (1) totala tillgångar, (2) omsättning, (3) EBITDA, och (4) kassaflöde. Del II använder modell (1) och finner att den nordiska marknaden för privata ICT-bolag erbjuder möjligheter för överavkastning jämfört med motsvarande publika marknad, samt att det är möjligt att konstruera portföljstrategier som ökar avkastningen ytterligare. Dock, med hänsyn till tidigare forskning, verkar det som att de möjligheter för avkastning som går att finna på marknaden av privata bolag som undersökts inte kompenserar investerare tillräckligt för de ytterligare risker som är relaterade till investeringar i privata bolag.