Given access to detailed tracking data, the problem of attribution modelling has recently gained attention in both academia and the industry. Being able to determine the influence of each marketing channel in driving conversions can help advertisers to allocate their marketing budgets accordingly and ultimately increase their customer base and achieve a higher Return On Investment (ROI). However, Last-Touch Attribution (LTA), the current industry standard to approach the problem, has been criticized for oversimplification.  In this degree project, two data-driven attribution models are therefore compared to the LTA model on real data from an insurance company, with the objective to optimize for customer base growth and ROI. Raw attributions for each channel are obtained after training the models to predict conversion or non-conversion. By using a linear function to obtain a Customer Lifetime Value (CLV) estimate, the attributions are then adjusted to the ROI of each channel and finally validated through an attribution based budget allocation and historical marketing data replay. The experimental results demonstrate that all models reach approximately 82% accuracy on balanced data, just below the calculated theoretical maximum. While current research consistently argues for more complex data-driven Multi-Touch Attribution (MTA) models, this project provides a nuance to this field of research in showing that the LTA model may, in fact, be suitable in some cases. A new approach to develop specialized models based on correlations between conversion and contextual variables, then shows that attribution models for mobile users specifically yield higher accuracy. The sum of such unnormalized attributions function as indicators for the conversion strength of contextual variables and can further assist decision making. / Givet tillgång till detaljerad spårningsinformation har attributionsmodellering nyligen fått uppmärksamhet i både akademin och näringslivet. Att kunna förstå påverkan varje marknadsföringskanal har på att driva konverteringar, kan underlätta för annonsörer att fördela marknadsföringsbudgetar och i slutändan öka antalet kunder samt uppnå en högre avkastning på investeringen. Last-Touch-Attribution (LTA), den nuvarande branschstandarden för att angripa problemet, har emellertid kritiserats för att vara överförenklande. I det här examensarbetet jämförs därför två datadrivna attributions-modeller med LTA på verklig data från ett försäkringsbolag med målet att optimera för kundbastillväxt och avkastning. Råa attributioner för varje kanal erhålls efter att modellerna tränats på att prediktera konvertering eller icke-konvertering. Genom att estimera kundens livstidsvärde med en linjär funktion, justeras attributionerna sedan med avkastningen på investering för varje kanal och valideras slutligen genom en attributionsbaserad budgetallokering och uppspelning av historisk marknadsföringsdata. De experimentella resultaten visar att alla modeller når ungefär 82% träffsäkerhet på balanserad data, strax under det beräknade teoretiska maximivärdet. Medan aktuell forskning konsekvent argumenterar för mer komplexa datadrivna multi-touch-modeller, ger det här projektet en nyans till forskningsfältet genom att visa att LTA i vissa fall kan vara lämplig. Ett nytt tillvägagångssätt för att utveckla specialiserade modeller baserade på korrelationer mellan konvertering och kontextuella variabler, visar sedan att attributionsmodeller för enbart mobilanvändare ger högre träffsäkerhet. Summan av sådana onormaliserade attributioner fungerar som indikatorer på konverteringsstyrkan för kontextuella variabler och kan ytterligare underlätta beslutsfattandet.

In the popular sport of football, the exploration of key performance indicators has garnered significant interest among researchers, coaches, and analysts. While machine learning approaches, such as the expected goals model, have provided valuable insights into the attacking aspects of the game, the defensive side has received comparatively less attention. This thesis focuses on the defensive aspect of football, particularly during the opposition’s build-up phase, a strategy increasingly adopted by many teams. The goal of this project is to integrate valuable features from existing research with newly generated ones, developed in consultation with football experts, to create a model that provides insights into a team’s defensive behavior during the opponent’s build-up phase. The study utilizes synchronized event and tracking data from the Allsvenskan 2022 and 2023 seasons. An algorithm is developed to filter and analyze build-up sequences by generating appropriate defensive features. Subsequently, a logistic regression-based machine learning model is implemented to predict the outcome of an event during a build-up sequence, as well as the overall outcome of the sequence. This approach, enables the introduction of two new metrics aimed at evaluating a team’s defensive behavior during the opponent’s build-up phase. Additionally, a web-based application is developed to visualize and communicate the project results and insights to football experts and data analysts. Finally, the findings of this thesis highlight the benefits of combining tracking data with event data in football analytics. / Nyckeltalsundersökningar för att utvärdera och utveckla fotbollsklubbars prestation har väckt stort intresse bland forskare, tränare och analytiker. Traditionellt sett har dessa nyckeltal härletts genom observationsanalys. Dock har den ökande förekomsten av teknik inom den professionella fotbollsvärlden skapat möjligheter för att implementera mer automatiserade metoder för taktisk analys. Denna studie kommer specifikt att fördjupa sig inom det taktiska området av fotboll, som framstår som den mest relevanta och dynamiska delen av spelet. Målet med studien är att applicera modern teknologi, så som maskininlärning, på befintlig forskning, för att utveckla en modell som ger insikter om försvarsspelet under motståndarens uppbyggnadsfas. Studien undersöker synkroniserad händelse- och spårningsdata från Allsvenskan, Sveriges Högsta fotbollsserie, säsongerna 2022 och 2023. Efter att ha utvecklat en algoritm för att filtrera uppbyggnadssekvenser, användes denna data för att generera omfattande egenskaper som beskriver kvaliteten på ett lags försvarsspel. Därefter implementeras en maskininlärningsmodell, med hjälp av logistisk regressionsanalys, för att förutse utfallet av både en uppbyggnadssekvens och försvarsspelet. Resultatet visar på värdet av att kombinera spårningsdata med händelsedata inom fotbollsanalys. Modellens prestanda förbättrades avsevärt, både när det gäller att förutsäga utfallet av ett defensivt spel och en uppbyggnadssekvens.Dessutom har resultatet av studien lett till användbara insikter om försvarsspel för dataanalytiker inom fotboll. En webbaserad applikation utvecklades också för att visualisera och kommunicera resultaten.

I detta tvärvetenskapliga arbete studeras från den matematiska sidan tre klassiska populationsmodeller: Malthus tillväxtmodell, Verhulsts logistiska modell och Lotka-Volterras jägarebytesmodell. De klassiska modellerna jämförs med stokastiska. De stokastiska modeller som studeras är födelsedödsprocesser och deras diffusionsapproximation. Jämförelse görs med medelvärdesbildade simuleringar. Det krävs många simuleringar för att kunna genomföra jämförelserna. Dessa simuleringar måste utföras i datormiljö och det är här den datalogiska aspekten av arbetet kommer in. Modellerna och deras resultathantering har implementerats i både MatLab och i C, för att kunna möjliggöra en undersökning om skillnaderna i tidsåtgången mellan de båda språken, under genomförandet av ovan nämnda jämförelser. Försök till tidsoptimering utförs och även användarvänligheten under implementeringen av de matematiska problemen i de båda språken behandlas. Följande matematiska slutsatser har dragits, att de medelvärdesbildade lösningarna inte alltid sammanfaller med de klassiska modellerna när de simuleras på stora tidsintervall. I den logistiska modellen samt i Lotka-Volterras modell dör förr eller senare de stokastiska simuleringarna ut när tiden går mot oändligheten, medan deras deterministiska representation lever vidare. I den exponentiella modellen sammanfaller medelvärdet av de stokastiska simuleringarna med den deterministiska lösningen, dock blir spridningen stor för de stokastiska simuleringarna när de utförs på stora tidsintervall. Datalogiska slutsatser som har dragits är att när det kommer till att implementera få modeller, samt resultatbearbetning av dessa, som ska användas upprepade gånger, är C det bäst lämpade språket då det visat sig vara betydligt snabbare under exekvering än vad MatLab är. Dock måste hänsyn tas till alla de svårigheter som implementeringen i C drar med sig. Dessa svårigheter kan till stor del undvikas om implementeringen istället sker i MatLab, då det därmed finns tillgång till en uppsjö av väl lämpade funktioner och färdiga matematiska lösningar. / In this interdisciplinary study, three classic population models will be studied from a mathematical view: Malthus’ growth, Verhulst’s logistic model and Lotka-Volterra’s model for hunter and prey. The classic models are being compared to the stochastic ones. The stochastic models studied are the birthdeath processes and their diffusion approximation. Comparisons are made by averaging simulations. It requires numerous simulations to carry out the comparisons. The simulations must be carried out on a computer and this is where the computer science emerges to the project. The models, along with the handling of the results, have been implemented in both MatLab and in C in order to allow a comparison between the two languages whilst executing the above mentioned study. Attempts to time optimization and an evaluation concerning the user-friendliness regarding the implementation of mathematical problems will be performed. Mathematic conclusions, which have been drawn, are that the averaging solutions do not always coincide with the traditional models when they are being simulated over large time. In the logistic model and in Lotka-Volterra’s model the stochastic simulations will sooner or later die when the time is moving towards infinity, whilst their deterministic representation keeps on living. In the exponential model, the mean values of the stochastic simulations and of the deterministic solution coincide. There is, however, a large spread for the stochastic simulations when they are carried out over a large time. Computer scientific conclusions drawn from the study includes that when it comes to implementing a few models, along with the handling of the results, to be used repeatedly, C is the most appropriate language as it proved to be significantly faster during execution. However, all of the difficulties during the implementation of mathematical problems in C must be kept in mind. These difficulties can be avoided if the implementation instead takes place in MatLab, where a numerous of mathematical functions and solutions will be available.

<p>I detta tvärvetenskapliga arbete studeras från den matematiska sidan tre klassiska populationsmodeller: Malthus tillväxtmodell, Verhulsts logistiska modell och Lotka-Volterras jägarebytesmodell. De klassiska modellerna jämförs med stokastiska. De stokastiska modeller som studeras är födelsedödsprocesser och deras diffusionsapproximation. Jämförelse görs med medelvärdesbildade simuleringar.</p><p>Det krävs många simuleringar för att kunna genomföra jämförelserna. Dessa simuleringar måste utföras i datormiljö och det är här den datalogiska aspekten av arbetet kommer in. Modellerna och deras resultathantering har implementerats i både MatLab och i C, för att kunna möjliggöra en undersökning om skillnaderna i tidsåtgången mellan de båda språken, under genomförandet av ovan nämnda jämförelser. Försök till tidsoptimering utförs och även användarvänligheten under implementeringen av de matematiska problemen i de båda språken behandlas.</p><p>Följande matematiska slutsatser har dragits, att de medelvärdesbildade lösningarna inte alltid sammanfaller med de klassiska modellerna när de simuleras på stora tidsintervall. I den logistiska modellen samt i Lotka-Volterras modell dör förr eller senare de stokastiska simuleringarna ut när tiden går mot oändligheten, medan deras deterministiska representation lever vidare. I den exponentiella modellen sammanfaller medelvärdet av de stokastiska simuleringarna med den deterministiska lösningen, dock blir spridningen stor för de stokastiska simuleringarna när de utförs på stora tidsintervall.</p><p>Datalogiska slutsatser som har dragits är att när det kommer till att implementera få modeller, samt resultatbearbetning av dessa, som ska användas upprepade gånger, är C det bäst lämpade språket då det visat sig vara betydligt snabbare under exekvering än vad MatLab är. Dock måste hänsyn tas till alla de svårigheter som implementeringen i C drar med sig. Dessa svårigheter kan till stor del undvikas om implementeringen istället sker i MatLab, då det därmed finns tillgång till en uppsjö av väl lämpade funktioner och färdiga matematiska lösningar.</p> / <p>In this interdisciplinary study, three classic population models will be studied from a mathematical view: Malthus’ growth, Verhulst’s logistic model and Lotka-Volterra’s model for hunter and prey. The classic models are being compared to the stochastic ones. The stochastic models studied are the birthdeath processes and their diffusion approximation. Comparisons are made by averaging simulations.</p><p>It requires numerous simulations to carry out the comparisons. The simulations must be carried out on a computer and this is where the computer science emerges to the project. The models, along with the handling of the results, have been implemented in both Mat- Lab and in C in order to allow a comparison between the two languages whilst executing the above mentioned study. Attempts to time optimization and an evaluation concerning the user-friendliness regarding the implementation of mathematical problems will be performed.</p><p>Mathematic conclusions, which have been drawn, are that the averaging solutions do not always coincide with the traditional models when they are being simulated over large time. In the logistic model and in Lotka-Volterra’s model the stochastic simulations will sooner or later die when the time is moving towards infinity, whilst their deterministic representation keeps on living. In the exponential model, the mean values of the stochastic simulations and of the deterministic solution coincide. There is, however, a large spread for the stochastic simulations when they are carried out over a large time.</p><p>Computer scientific conclusions drawn from the study includes that when it comes to implementing a few models, along with the handling of the results, to be used repeatedly, C is the most appropriate language as it proved to be significantly faster during execution. However, all of the difficulties during the implementation of mathematical problems in C must be kept in mind. These difficulties can be avoided if the implementation instead takes place in MatLab, where a numerous of mathematical functions and solutions will be available.</p>

<p>I detta tvärvetenskapliga arbete studeras från den matematiska sidan tre klassiska populationsmodeller: Malthus tillväxtmodell, Verhulsts logistiska modell och Lotka-Volterras jägarebytesmodell. De klassiska modellerna jämförs med stokastiska. De stokastiska modeller som studeras är födelsedödsprocesser och deras diffusionsapproximation. Jämförelse görs med medelvärdesbildade simuleringar.</p><p>Det krävs många simuleringar för att kunna genomföra jämförelserna. Dessa simuleringar måste utföras i datormiljö och det är här den datalogiska aspekten av arbetet kommer in. Modellerna och deras resultathantering har implementerats i både MatLab och i C, för att kunna möjliggöra en undersökning om skillnaderna i tidsåtgången mellan de båda språken, under genomförandet av ovan nämnda jämförelser. Försök till tidsoptimering utförs och även användarvänligheten under implementeringen av de matematiska problemen i de båda språken behandlas.</p><p>Följande matematiska slutsatser har dragits, att de medelvärdesbildade lösningarna inte alltid sammanfaller med de klassiska modellerna när de simuleras på stora tidsintervall. I den logistiska modellen samt i Lotka-Volterras modell dör förr eller senare de stokastiska simuleringarna ut när tiden går mot oändligheten, medan deras deterministiska representation lever vidare. I den exponentiella modellen sammanfaller medelvärdet av de stokastiska simuleringarna med den deterministiska lösningen, dock blir spridningen stor för de stokastiska simuleringarna när de utförs på stora tidsintervall.</p><p>Datalogiska slutsatser som har dragits är att när det kommer till att implementera få modeller, samt resultatbearbetning av dessa, som ska användas upprepade gånger, är C det bäst lämpade språket då det visat sig vara betydligt snabbare under exekvering än vad MatLab är. Dock måste hänsyn tas till alla de svårigheter som implementeringen i C drar med sig. Dessa svårigheter kan till stor del undvikas om implementeringen istället sker i MatLab, då det därmed finns tillgång till en uppsjö av väl lämpade funktioner och färdiga matematiska lösningar.</p> / <p>In this interdisciplinary study, three classic population models will be studied from a mathematical view: Malthus’ growth, Verhulst’s logistic model and Lotka-Volterra’s model for hunter and prey. The classic models are being compared to the stochastic ones. The stochastic models studied are the birthdeath processes and their diffusion approximation. Comparisons are made by averaging simulations.</p><p>It requires numerous simulations to carry out the comparisons. The simulations must be carried out on a computer and this is where the computer science emerges to the project. The models, along with the handling of the results, have been implemented in both MatLab and in C in order to allow a comparison between the two languages whilst executing the above mentioned study. Attempts to time optimization and an evaluation concerning the user-friendliness regarding the implementation of mathematical problems will be performed.</p><p>Mathematic conclusions, which have been drawn, are that the averaging solutions do not always coincide with the traditional models when they are being simulated over large time. In the logistic model and in Lotka-Volterra’s model the stochastic simulations will sooner or later die when the time is moving towards infinity, whilst their deterministic representation keeps on living. In the exponential model, the mean values of the stochastic simulations and of the deterministic solution coincide. There is, however, a large spread for the stochastic simulations when they are carried out over a large time.</p><p>Computer scientific conclusions drawn from the study includes that when it comes to implementing a few models, along with the handling of the results, to be used repeatedly, C is the most appropriate language as it proved to be significantly faster during execution. However, all of the difficulties during the implementation of mathematical problems in C must be kept in mind. These difficulties can be avoided if the implementation instead takes place in MatLab, where a numerous of mathematical functions and solutions will be available.</p>

Från 1900-talets början har banker och låneinstitut använt nyckeltal som hjälpmedel vid bedömning och kvantifiering av kreditrisk. För dagens investerare är den ekonomiska miljön mer komplicerad än för bara 40 år sedan då teknologin och datoriseringen öppnade upp världens marknader mot varandra. Bedömning av kreditrisk idag kräver effektiv analys av kvantitativa data och modeller som med god träffsäkerhet kan förutse risker. Under 1900-talets andra hälft skedde en snabb utveckling av de verktyg som används för konkursprediktion, från enkla univariata modeller till komplexa data mining-modeller med tusentals observationer. Denna studie undersöker om det är möjligt att prediktera att svenska företag kommer att gå i konkurs och vilka variabler som innehåller relevant information för detta. Metoderna som används är diskriminantanalys, logistisk regression och överlevnadsanalys på 50 aktiva och 50 företag försatta i konkurs. Resultaten visar på en träffsäkerhet mellan 67,5 % och 75 % beroende på vald statistisk metod. Oavsett vald statistisk metod är det möjligt att klassificera företag som konkursmässiga två år innan konkursens inträffande med hjälp av finansiella nyckeltal av typerna lönsamhetsmått och solvensmått. Samhällskostnader reduceras av bättre konkursprediktion med hjälp av finansiella nyckeltal vilka bidrar till ökad förmåga för företag att tillämpa ekonomistyrning med relevanta nyckeltal i form av lager, balanserad vinst, nettoresultat och rörelseresultat. / From the early 1900s, banks and lending institutions have used financial ratios as an aid in the assessment and quantification of credit risk. For today's investors the economic environment is far more complicated than 40 years ago when the technology and computerization opened up the world's markets. Credit risk assessment today requires effective analysis of quantitative data and models that can predict risks with good accuracy. During the second half of the 20th century there was a rapid development of the tools used for bankruptcy prediction. We moved from simple univariate models to complex data mining models with thousands of observations. This study investigates if it’s possible to predict bankruptcy in Swedish limited companies and which variables contain information relevant for this cause. The methods used in the study are discriminant analysis, logistic regression and survival analysis on 50 active and 50 failed companies. The results indicate accuracy between 67.5 % and 75 % depending on the choice of statistical method. Regardless of the selected statistical method used, it’s possible to classify companies as bankrupt two years before the bankruptcy occurs using financial ratios which measures profitability and solvency. Societal costs are reduced by better bankruptcy prediction using financial ratios which contribute to increasing the ability of companies to apply financial management with relevant key ratios in the form of stock , retained earnings , net income and operating income.

In the forecast data post-processing at the Swedish Meteorological and Hydrological Institute (SMHI) a regular Kalman filter is used to debias the two meter air temperature forecast of the physical models by controlling towards air temperature observations. The Kalman filter however diverges when encountering greater nonlinearities in shifting weather patterns, and can only be manually reset when a new air mass has stabilized itself within its operating region. This project aimed to automate this process by means of a machine learning approach. The methodology was at its base supervised learning, by first algorithmically labelling the air mass shift occurrences in the data, followed by training a logistic regression model. Observational data from the latest twenty years of the Uppsala automatic meteorological station was used for the analysis. A simple pipeline for loading, labelling, training on and visualizing the data was built. As a work in progress the operating regime was more of a semi-supervised one - which also in the long run could be a necessary and fruitful strategy. Conclusively the logistic regression appeared to be quite able to handle and infer from the dynamics of air temperatures - albeit non-robustly tested - being able to correctly classify 77% of the labelled data. This work was presented at Uppsala University in June 1st of 2018, and later in June 20th at SMHI.

Denna studies syfte var att analysera sex nyckeltal och se vilka samband dessa hade på riskbuffert sysselsatt kapital. Studien utfördes på 796 små byggbolag i Sverige under perioden 2009–2016 med hjälp av en binär logistisk regressionsanalys. Som teoretisk referensram användes working capital management och finansiell oro. Studien resulterade i att kapitalets omsättningshastighet, skuldränta och rörelsekapital/totala tillgångar uppvisade signifikanta negativa samband med riskbuffert sysselsatt kapital. Räntetäckningsgrad och avkastning på totalt kapital resulterade i signifikanta positiva samband med riskbuffert sysselsatt kapital. Skuldsättningsgrad resulterade intressant nog i ett icke signifikant negativt samband. Slutligendiskuterades byggbolagens sannolikhet för finansiell oro utifrån respektive nyckeltal. / The aim of this study was to examine the relation between six independent key ratios with riskbuffer on capital employed. The study was conducted on 796 small construction enterprises in Sweden during 2009–2016 with a binary logistic regression model. As theoretical framework, working capital management and financial distress was applied. The study concluded that the capital turnover rate, interest payable and working capital to total assets had significant negative relations with riskbuffer on capital employed. However, the interest cover ratio and return on total assets were both significant positively related withriskbuffer on capital employed. Debt-to-equity ratio resulted interestly enough in a nonsignificant negative relation. Lastly, with regards taken to every respective key ratio, the probability of financial distress among the construction firms was discussed.

I detta tvärvetenskapliga arbete studeras från den matematiska sidan tre klassiska populationsmodeller: Malthus tillväxtmodell, Verhulsts logistiska modell och Lotka-Volterras jägarebytesmodell. De klassiska modellerna jämförs med stokastiska. De stokastiska modeller som studeras är födelsedödsprocesser och deras diffusionsapproximation. Jämförelse görs med medelvärdesbildade simuleringar. Det krävs många simuleringar för att kunna genomföra jämförelserna. Dessa simuleringar måste utföras i datormiljö och det är här den datalogiska aspekten av arbetet kommer in. Modellerna och deras resultathantering har implementerats i både MatLab och i C, för att kunna möjliggöra en undersökning om skillnaderna i tidsåtgången mellan de båda språken, under genomförandet av ovan nämnda jämförelser. Försök till tidsoptimering utförs och även användarvänligheten under implementeringen av de matematiska problemen i de båda språken behandlas. Följande matematiska slutsatser har dragits, att de medelvärdesbildade lösningarna inte alltid sammanfaller med de klassiska modellerna när de simuleras på stora tidsintervall. I den logistiska modellen samt i Lotka-Volterras modell dör förr eller senare de stokastiska simuleringarna ut när tiden går mot oändligheten, medan deras deterministiska representation lever vidare. I den exponentiella modellen sammanfaller medelvärdet av de stokastiska simuleringarna med den deterministiska lösningen, dock blir spridningen stor för de stokastiska simuleringarna när de utförs på stora tidsintervall. Datalogiska slutsatser som har dragits är att när det kommer till att implementera få modeller, samt resultatbearbetning av dessa, som ska användas upprepade gånger, är C det bäst lämpade språket då det visat sig vara betydligt snabbare under exekvering än vad MatLab är. Dock måste hänsyn tas till alla de svårigheter som implementeringen i C drar med sig. Dessa svårigheter kan till stor del undvikas om implementeringen istället sker i MatLab, då det därmed finns tillgång till en uppsjö av väl lämpade funktioner och färdiga matematiska lösningar. / In this interdisciplinary study, three classic population models will be studied from a mathematical view: Malthus’ growth, Verhulst’s logistic model and Lotka-Volterra’s model for hunter and prey. The classic models are being compared to the stochastic ones. The stochastic models studied are the birthdeath processes and their diffusion approximation. Comparisons are made by averaging simulations. It requires numerous simulations to carry out the comparisons. The simulations must be carried out on a computer and this is where the computer science emerges to the project. The models, along with the handling of the results, have been implemented in both Mat- Lab and in C in order to allow a comparison between the two languages whilst executing the above mentioned study. Attempts to time optimization and an evaluation concerning the user-friendliness regarding the implementation of mathematical problems will be performed. Mathematic conclusions, which have been drawn, are that the averaging solutions do not always coincide with the traditional models when they are being simulated over large time. In the logistic model and in Lotka-Volterra’s model the stochastic simulations will sooner or later die when the time is moving towards infinity, whilst their deterministic representation keeps on living. In the exponential model, the mean values of the stochastic simulations and of the deterministic solution coincide. There is, however, a large spread for the stochastic simulations when they are carried out over a large time. Computer scientific conclusions drawn from the study includes that when it comes to implementing a few models, along with the handling of the results, to be used repeatedly, C is the most appropriate language as it proved to be significantly faster during execution. However, all of the difficulties during the implementation of mathematical problems in C must be kept in mind. These difficulties can be avoided if the implementation instead takes place in MatLab, where a numerous of mathematical functions and solutions will be available.

Fractals is a relatively new mathematical topic which received thorough treatment only starting with 1960's. Fractals can be observed everywhere in nature and in day-to-day life. To give a few examples, common fractals are the spiral cactus, the romanesco broccoli, human brain and the outline of the Swedish map. Fractal dimension is a dimension which need not take integer values. In fractal geometry, a fractal dimension is a ratio providing an index of the complexity of fractal pattern with regard to how the local geometry changes with the scale at which it is measured. In recent years, fractal analysis is used increasingly in many areas of engineering and technology. Among others, fractal analysis is used in signal and image compression, computer and video design, neuroscience and fractal based cancer modelling and diagnosing.   This study consists of two main parts. The first part of the study aims to understand the appearance of an irregular Cantor set generated by the chaotic dynamical system generated by the logistic function on the unit interval [0,1]. In order to understand this irregular Cantor set, we studied the topological properties of the Cantor Middle-thirds set and the generalised Cantor sets, all of which have zero length. The necessity to compare these sets with regard to their size led us to the second part of this paper, namely the dimension studies of fractals. More complex fractals were presented in the second part, three definitions of dimension were introduced. The fractal dimension of the irregular Cantor set generated by the logistic mapping was estimated and we found that the Hausdorff dimension has the widest scope and greatest flexibility in the fractal studies. / Fraktaler är ett relativt nytt ämne inom matematik som fick sitt stora genomslag först efter 60-talet.  En fraktal är ett självliknande mönster med struktur i alla skalor. Några vardagliga exempel på fraktaler är spiralkaktus, romanescobroccoli, mänskliga hjärnan, blodkärlen och Sveriges fastlandskust. Bråktalsdimension är en typ av dimension där dimensionsindexet tillåts att anta alla icke-negativa reella tal. Inom fraktalgeometri kan dimensionsindexet betraktas som ett komplexitetsindex av mönstret med avseende på hur den lokala geometrin förändras beroende på vilken skala mönstret betraktas i. Under det senaste decenniet har fraktalanalysen använts alltmer flitigt inom tekniska och vetenskapliga tillämpningar. Bland annat har fraktalanalysen använts i signal- och bildkompression, dator- och videoformgivning, neurovetenskap och fraktalbaserad cancerdiagnos.   Denna studie består av två huvuddelar. Den första delen fokuserar på att förstår hur en fraktal kan uppstå i ett kaotiskt dynamiskt system. För att vara mer specifik studerades den logistiska funktionen och hur denna ickelinjära avbildning genererar en oregelbunden Cantormängd på intervalet [0,1]. Vidare, för att förstå den oregelbundna Cantormängden studerades Cantormängden (eng. the Cantor Middle-Thirds set) och de generaliserade Cantormängderna, vilka alla har noll längd. För att kunna jämföra de olika Cantormängderna med avseende på storlek, leds denna studie vidare till dimensionsanalys av fraktaler som är huvudämnet i den andra delen av denna studie. Olika topologiska fraktaler presenterades, tre olika definitioner av dimension introducerades, bland annat lådräkningsdimensionen och Hausdorffdimensionen. Slutligen approximerades dimensionen av den oregelbundna Cantormängden med hjälp av Hausdorffdimensionen. Denna studie demonstrerar att Hausdorffdimensionen har större omfattning och mer flexibilitet för fraktalstudier.