Mikroøkonomi, matematik og statistik Eksamenshjemmeopgave december 2007

Størrelse: px
Starte visningen fra side:

Download "Mikroøkonomi, matematik og statistik Eksamenshjemmeopgave 14. 20. december 2007"

Transkript

1 Mikroøkoomi, matematik og statistik Eksameshjemmeopgave december 2007 Helle Buzel, Tom Egsted og Michael H.J. Stæhr 14. december 2007 R E T N I N G S L I N I E R F O R E K S A M E N S H J E M M E O P G A V E UDLEVERING OG AFLEVERING: Opgave ka dowloades fra AULA-hjemmeside for matematik fra fredag de 14. december 2007 kl Opgavebesvarelse skal afleveres i 4 eksemplarer (ige af disse tilbageleveres) seest torsdag de 20. december 2007 kl hos Bodil Krogh kotor 123, 1. etage i bygig Med samme deadlie skal e elektroisk versio i PDF-format af besvarelse (icl. alle bilag) sedes til MiMaSt@eco.au.dk, hvor subject skal agive årskortummer for samtlige gruppedeltagere. E opgavebesvarelse vil ikke kue godkedes medmidre e elektroisk besvarelse foreligger. Udlad veligst at sede mere ed é mail og husk at agive alle gruppedeltageres årskortumre i mailes subject liie. GRUPPEVIS BESVARELSE: Det vil være muligt at aflevere besvarelse i grupper op til 4 studerede (abefales). Gruppestørrelser på over 4 ka ku accepteres med e særlig begrudelse og efter aftale. NAVN OG ÅRSKORTNR.: På besvarelses forside skal forfatteres (evt. forfatteres) fulde av(e), årskortummer, øvelsesholdummer og adresse tydeligt agives. FORMKRAV: Besvarelse skal være let læselig (maskiskrift/tekstbehadlig foretrækkes!) og velformuleret. Alle spørgsmål skal besvares, og svaree skal begrudes! Erfarige viser, at der ka være store forskelle i sidetal på de afleverede besvarelser. Ma ka sagtes lave e god besvarelse på uder 15 sider, og uder alle omstædigheder bør besvarelse holde sig uder 20 sider, dvs. excl. formel-udlediger og grafer. Besvarelse bør være sammehægede ude for mage hevisiger til bilag og appedices, dog vil grafer og tabeller med fordel kue hevises til bilag. Det er dog vigtigt, at ma er selektiv i valget af bilagsmaterialet, materiale, der er overflødigt, vil kue få e egativ idflydelse på bedømmelse. VÆGTNING AF DE ENKELTE OPGAVER: Opgavere vægter es. PENSUMRELATION: Opgavesættet forudsætter kedskab til hele det agive pesum.

2 Opgave 1 HJEMMEEKSAMENSOPGAVE MIKROØKONOMI, MATEMATIK OG STATISTIK Alle idbyggere i Århus maksimerer deres forvetede ytte, år de tager beslutiger. De har hver e vo Neuma-Morgester yttefuktio u(w), hvor w er deres idividuelle formue, og u er voksede og stregt kokav. Alle idbyggere har e bil, der skal parkeres ved et parkometer. Afgifte for at parkere er a. Hvis de ikke betaler afgifte får de, med sasylighed p, e bøde på kr. b > a, me med sasylighed 1 p bliver de ikke faget. Atag, at idbyggeres formuer stammer fra e kotiuert fordelig på itervallet [w,w]. (a) Lad de() idbygger(e), der er idifferet(e) mellem at betale afgifte og ikke betale have formue w 0. Nedskriv de ligig, der bestemmer w 0. (b) Atag, at afgifte er midre ed de forvetede udgift til bøde. Nedskriv betigelser for, at der både er idbyggere, der betaler afgifte og idbyggere, der ikke gør, hvis alle idbyggere har yttefuktio u(w) = l(w). (c) Atag u, at der både er idbyggere, der betaler afgifte, og idbyggere, der ikke gør (beyt e geerel yttefuktio). Byrådet vil u gere øge de adel af idbyggere, der betaler afgifte. De overvejer to forskellige muligheder. E mulighed er at asætte flere parkerigsvagter, således at sasylighede for at blive faget stiger med x%, og e ade mulighed er, at øge bøde med x%. Atag, at de ikke tager udgifter og idtægter ved de to forslag i betragtig. Hvilke af de to løsiger vil øge adele af betalere mest? Opgave 2 Atag, at forbrugere får ytte både af at have fri og af at forbruge. Lad c være de mægde af forbrugsgodet, som de forbruger, og lad l [0,1] være de mægde fritid, som de vælger. Atag edvidere, at forbruger i har ever h i, og at x i er de mægde tid de vælger at bruge på arbejde. Deres tidsbegræsig ka skrives som: x i + l i = 1+h i (1) hvor 1 er de totale tid, der er til rådighed. (a) Diskutér og fortolk (1). (b) Atag, at løe for arbejde såvel som prise på forbrugsgodet er 1. Nedskriv budgetbegræsige for forbrugere i økoomie. Atag u, at alle forbrugere har yttefuktio { (c+θ(c κ))+ll hvis c > κ U (c,l) c+ll hvis c κ Forbrugere får altså ekstra ytte, år de krydser e forbrugstærskel. Side 2 af 5

3 (c) Teg yttefuktioe for e forbruger, hvor l = 1 2 er eksoget givet, og giv et eksempel på e situatio, hvor såde e yttefuktio er relevat. (d) Maksimer agetes ytte uder atagelse af at c > κ. (e) Maksimer agetes ytte uder atagelse af at c κ. Atag, at h i [ 1 4, 3 4]. (f) Udled betigelser for, at de løsiger, som du fadt i spørgsmål (d) og (e) faktisk opfylder heholdsvis c > κ og c κ. (g) Maksimer ytte for e give forbruger med ever h i. Beskriv matematisk, hvilke forbrugere, der vælger c κ, og hvilke, der vælger c > κ. Diskutér resultatet. Atag, at κ = 1.1. (h) Har alle forbrugere råd/ever til at forbruge mere ed κ? (i) Atag edelig, at alle forbrugere bliver pålagt e idkomstskat på 10%. Diskutér, hvorda det påvirker forbrugeres lyst til at arbejde. Husk, at l [0,1]. Opgave 3 E forretig i Århus sælger et bestemt produkt. Forretigsidehavere øsker e ærmere aalyse af udviklige i salget af det pågældede produkt. Ha har derfor over e periode på 24 uger oteret det daglige salg af produktet, og resultatet fremgår af bilag 1 (Excel-fil). (Bemærk, at forretige ku har åbet på hverdage). Ha øsker di hjælp til at foretage aalyse. Besvar i de forbidelse edeståede spørgsmål. I di besvarelse er du velkomme til selv at gøre diverse atagelser (heruder fordeligsapproksimatioer), som ka hjælpe dig i aalyse. Me husk at skrive eksplicit, hvilke atagelser/approksimatioer du har gjort. (a) For hele periode (uge 1 uge 24), estimér middelværdi og varias på det daglige salg, samt stadardafvigelse på de estimerede middelværdi. (b) Forretigsidehavere har e formodig om, at ha i geemsit sælger 9 eksemplarer af produktet pr. dag. Er der udfra stikprøve i bilag 1 støtte til de formodig? (c) Forretigsidehavere har også e formodig om, at der er sket e udviklig over periode, såda at både salget og variatioe i salget er vokset geem periode. Del hele periode op i 2 delperioder: (uge 1 uge 12) og (uge 13 uge 24). Formulér og udfør tests at hypotesere, at hhv. middelværdiere og variasere er idetiske i de 2 delperioder. Side 3 af 5

4 (d) Hvilke atagelser har du måtte gøre for at besvare oveståede spørgsmål? (e) Forretigsidehavere meer at kue observere, at der er et bestemt møster i salget over uge, emlig såda at afsætige tederer til at være større om fredage og lavere om madage ed i reste af ugedagee. Formulér og udfør et statistisk test af, om der er forskel i fredags- og madagsomsætige. (f) Formulér og udfør et test af, om fredagsomsætige er 50% større ed madagsomsætige. (g) Formulér og udfør et statistisk test af, om omsætige over alle dagee er ormalfordelt med e kostat middelværdi og varias. Er resultatet som du forveter? (h) Det pågældede produkt er af e såda karakter, at salgsprise varierer fra dag til dag. Forretigsidehavere har e idé om, at salget hovedsageligt afhæger af prise. Ha har derfor oteret salgsprisere for periode, og resultatet fremgår også af bilag 1. Formulér e statistisk model, der ka bruges til at aalysere prises betydig for salget. Hvilke atagelser bygger modelle på? (i) På baggrud af pris- og salgstallee i bilag 1, estimér produktets pris-elasticitet, ε, og test hypotese, at efterspørgsle efter produktet er relativt elastisk (dvs. ε > 1). (j) Hvor stor e del af variatioe i salget ka forklares ved prise? (k) Atag, at prise på produktet i de kommede periode (dvs. efter uge 24) forvetes at vokse til geemsitligt kr Hvad idebærer det for forretiges forvetede salg i de kommede periode? (l) I e tidligere periode (før uge 1) lå prise fast på kr For de periode har forretigsidehavere e idé om, at efterspørgsle flukturerede helt stokastisk og usystematisk. Hvilke model ka bruges til at beskrive de situatio? (m) Forretigsidehavere øsker at få et ærmere kedskab til kuderes baggrudskarakteristika og holdiger til et bestemt yt produktsortimet. Ha har bl.a. e formodig om, at kvider er mere positivt idstillet overfor det y produktsortimet ed mæd, og at gifte/samboede har e mere egativ idstillig ed ugifte/elige. For e kort periode har ha derfor uddelt et spørgeskema til alle vokse persoer, der i periode har købt é eller flere varer i forretige. Et udsit af resultatet af spørgeskemaudersøgelse fremgår edefor. Holdig Meget Meget Positiv Neutral Negativ positiv egativ Mad Gift/sam Ugift/elig Kvide Gift/sam Ugift/elig Side 4 af 5

5 Formulér og udfør et, eller flere, statistisk(e) test(s) for, om der er e systematisk sammehæg mellem kuderes holdig til det y produktsortimet, og hvorvidt de er hhv. mad eller kvide, og gifte/samboede eller ugifte/elige. Hvilke atagelser omkrig stikprøve (heruder fordeligsatagelser) bygger det, eller disse, test(s) på? () Ka du udfra oveståede udersøgelse bekræfte forretigsidehaveres formodiger om sammehæge mellem kuderes holdig til det y produktsortimet, og deres kø hhv. ægteskabelige status? Opgave 4 Betragt optimerigsproblemet Max x x Dx = st. x x = i=1 i=1 d i j x i x j j=1 x 2 i = 1 hvor D er e kedt symmetrisk ( )-matrice, og x er e ukedt ( 1) vektor. (a) Løs optimerigsproblemet og fid og forklar, hvilke egeskab e hvilke som helst løsigsvektor, x 0, må have Hit: Egeskabe er tæt kyttet til D matrice (b) Giv e præcis beskrivelse af optimerigsproblemets maksimumværdi x 0 Ax 0. Hvad sikrer, at maksimumværdie eksisterer? (c) Hvad med det tilsvarede miimerigsproblem? Side 5 af 5

hvor i er observationsnummeret, som løber fra 1 til stikprøvestørrelsen n, X i

hvor i er observationsnummeret, som løber fra 1 til stikprøvestørrelsen n, X i Normalfordeliger For at e stokastisk variabel X ka være ormalfordelt, skal X agive værdie af e eller ade målig, f.eks. tid, lægde, vægt, beløb osv. Notatioe er: Xi ~ N( μ, σ hvor i er observatiosummeret,

Læs mere

Gamle eksamensopgaver. Diskret Matematik med Anvendelser (DM72) & Diskrete Strukturer(DM504)

Gamle eksamensopgaver. Diskret Matematik med Anvendelser (DM72) & Diskrete Strukturer(DM504) Gamle eksamesopgaver Diskret Matematik med Avedelser (DM72) & Diskrete Strukturer(DM504) Istitut for Matematik& Datalogi Syddask Uiversitet, Odese Alle sædvalige hjælpemidler(lærebøger, otater etc.), samt

Læs mere

Motivation. En tegning

Motivation. En tegning Motivatio Scatter-plot at det mådelige salg mod det måedlige reklamebudget. R: plot(salg ~ budget, data = salg) Økoometri Lektio Simpel Lieær Regressio salg 400 450 500 550 20 25 30 35 40 45 50 budget

Læs mere

Praktisk info. Statistisk analyse af en enkelt stikprøve: kendt eller ukendt varians Sandsynlighedsregning og Statistik (SaSt) I tirsdags.

Praktisk info. Statistisk analyse af en enkelt stikprøve: kendt eller ukendt varians Sandsynlighedsregning og Statistik (SaSt) I tirsdags. Praktisk ifo Liste med rettelser og meigsforstyrrede trykfejl i DS på Absalo. Statistisk aalyse af e ekelt stikprøve: kedt eller ukedt varias Sadsylighedsregig og Statistik (SaSt) Helle Sørese Projekt

Læs mere

DATV: Introduktion til optimering og operationsanalyse, 2007. Bin Packing Problemet

DATV: Introduktion til optimering og operationsanalyse, 2007. Bin Packing Problemet DATV: Itroduktio til optimerig og operatiosaalyse, 2007 Bi Packig Problemet David Pisiger, Projektopgave 2 Dette er de ade obligatoriske projektopgave på kurset DATV: Itroduktio til optimerig og operatiosaalyse.

Læs mere

Dagens program. Estimation: Kapitel Eksempler på middelrette og/eller konsistente estimator (de sidste fra sidste forelæsning)

Dagens program. Estimation: Kapitel Eksempler på middelrette og/eller konsistente estimator (de sidste fra sidste forelæsning) Dages program Estimatio: Kapitel 9.4-9.7 Eksempler på middelrette og/eller kosistete estimator (de sidste fra sidste forelæsig) Ko desiterval for store datasæt kap. 9.4 Ko desiterval for små datasæt kap.

Læs mere

Løsninger til kapitel 7

Løsninger til kapitel 7 Løsiger til kapitel 7 Opgave 7.1 a) HpoStat giver resultatet: Pop. varias er ukedt, me 30, så Normalf. bruges approksimativt = 54,400 s 1.069,90 = 00,000 0,95 49,868 58,93 Dette betder, at med 95% sikkerhed

Læs mere

Konfidens intervaller

Konfidens intervaller Kofides itervaller Kofides itervaller for: Kofides iterval for middelværdi, varias kedt Kofides iterval for middelværdi, varias ukedt Kofides iterval for adel Kofides iterval for varias Bestemmelse af

Læs mere

24. januar Epidemiologi og biostatistik. Forelæsning 1 Uge 1, tirsdag. Niels Trolle Andersen, Afdelingen for Biostatistik.

24. januar Epidemiologi og biostatistik. Forelæsning 1 Uge 1, tirsdag. Niels Trolle Andersen, Afdelingen for Biostatistik. Epidemiologi og biostatistik. Forelæsig Uge, tirsdag. Niels Trolle Aderse, Afdelige for Biostatistik. Geerelt om kurset: - Formål - Forelæsiger - Øvelser - Forelæsigsoter - Bøger - EpiBasic: http://www.biostat.au.dk/teachig/software

Læs mere

Definition: Normalfordelingen. siges at være normalfordelt med middelværdi µ og varians σ 2, hvor µ og σ er reelle tal og σ > 0.

Definition: Normalfordelingen. siges at være normalfordelt med middelværdi µ og varians σ 2, hvor µ og σ er reelle tal og σ > 0. Repetitio: Normalfordelige Ladmåliges fejlteori Lektio Trasformatio af stokastiske variable - kkb@math.aau.dk http://people.math.aau.dk/ kkb/udervisig/lf13 Istitut for Matematiske Fag Aalborg Uiversitet

Læs mere

STATISTIKNOTER Simple normalfordelingsmodeller

STATISTIKNOTER Simple normalfordelingsmodeller STATISTIKNOTER Simple ormalfordeligsmodeller Jørge Larse IMFUFA Roskilde Uiversitetsceter Februar 1999 IMFUFA, Roskilde Uiversitetsceter, Postboks 260, DK-4000 Roskilde. Jørge Larse: STATISTIKNOTER: Simple

Læs mere

9. Binomialfordelingen

9. Binomialfordelingen 9. Biomialfordelige 9.. Gekedelse Hvert forsøg ka ku resultere i to mulige udfald; succes og fiasko. I modsætig til poissofordelige er atallet af forsøg edeligt. 9.. Model X : Stokastisk variabel, der

Læs mere

info FRA SÆBY ANTENNEFORENING Lynhurtigt bredbånd til lavpris på vej til hele Sæby! Priser kan ses på bagsiden.

info FRA SÆBY ANTENNEFORENING Lynhurtigt bredbånd til lavpris på vej til hele Sæby! Priser kan ses på bagsiden. ifo FRA SÆBY ANTENNEFORENING Lyhurtigt bredbåd til lavpris på vej til hele Sæby! Priser ka ses på bagside. Velkomme til SAFet - avet på vores eget lokale Bredbåd! Sæby Ateeforeig har med virkig fra 15.

Læs mere

Hvordan hjælper trøster vi hinanden, når livet er svært?

Hvordan hjælper trøster vi hinanden, når livet er svært? Hvorda hjælper trøster vi hiade, år livet er svært? - at være magtesløs med de magtesløse Dask Myelomatoseforeig Temadag, Hotel Scadic, Aalborg Lørdag de 2. april 2016 kl. 14.00-15.30 Ole Raakjær, præst

Læs mere

Meningsmålinger KLADDE. Thomas Heide-Jørgensen, Rosborg Gymnasium & HF, 2017

Meningsmålinger KLADDE. Thomas Heide-Jørgensen, Rosborg Gymnasium & HF, 2017 Meigsmåliger KLADDE Thomas Heide-Jørgese, Rosborg Gymasium & HF, 2017 Idhold 1 Meigsmåliger 2 1.1 Idledig................................. 2 1.2 Hvorda skal usikkerhede forstås?................... 3 1.3

Læs mere

13. februar Resumé: En statistisk analyse resulterer ofte i : Et estimat ˆ θ med en tilhørende se( ˆ θ )

13. februar Resumé: En statistisk analyse resulterer ofte i : Et estimat ˆ θ med en tilhørende se( ˆ θ ) 3. februar 003 Epidemiologi og biostatistik. Uge, torag d. 3. februar 003 Morte Frydeberg, Istitut for Biostatistik. Type og type fejl Nogle specielle metoder: Test i RxC tabeller Test i x tabeller Fishers

Læs mere

Spørgsmål 3 (5 %) Bestem sandsynligheden for at et tilfældigt valgt vindue har en fejl ved listerne, når man ved at der er fejl i glasset.

Spørgsmål 3 (5 %) Bestem sandsynligheden for at et tilfældigt valgt vindue har en fejl ved listerne, når man ved at der er fejl i glasset. STATISTIK Skriftlig evaluerig, 3. semester, madag de 30. auar 006 kl. 9.00-3.00. Alle hælpemidler er tilladt. Opgaveløsige forsyes med av og CPR-r. OPGAVE Ved e produktio af viduer er der mulighed for,

Læs mere

Løsningsforslag til skriftlig eksamen i Kombinatorik, sandsynlighed og randomiserede algoritmer (DM528)

Løsningsforslag til skriftlig eksamen i Kombinatorik, sandsynlighed og randomiserede algoritmer (DM528) Løsigsforslag til skriftlig eksame i Kombiatorik, sadsylighed og radomiserede algoritmer (DM58) Istitut for Matematik & Datalogi Syddask Uiversitet Madag de 3 Jauar 011, kl. 9 13 Alle sædvalige hjælpemidler

Læs mere

Statistik 8. gang 1 KONFIDENSINTERVALLER. Konfidensintervaller: kapitel 11. Valg og test af fordelingsfunktion

Statistik 8. gang 1 KONFIDENSINTERVALLER. Konfidensintervaller: kapitel 11. Valg og test af fordelingsfunktion Statistik 8. gag 1 KONIDENSINTERVALLER Kofidesitervaller: kapitel 11 Valg og test af fordeligsfuktio Statistik 8. gag 11. KONIDENS INTERVALLER Et kofides iterval udtrykker itervallet hvori de rigtige værdi

Læs mere

Maja Tarp AARHUS UNIVERSITET

Maja Tarp AARHUS UNIVERSITET AARHUS UNIVERSITET Maja Tarp AARHUS UNIVERSITET HVEM ER JEG? Maja Tarp, 4 år Folkeskole i Ulsted i Nordjyllad Studet år 005 fra Droiglud Gymasium Efter gymasiet: Militæret Australie Startede på matematik

Læs mere

Bekendtgørelse om takstændringer i offentlig servicetrafik i trafikselskaber og hos jernbanevirksomheder m.v. (takststigningsloftet)

Bekendtgørelse om takstændringer i offentlig servicetrafik i trafikselskaber og hos jernbanevirksomheder m.v. (takststigningsloftet) Oversigt (idholdsfortegelse) Bilag 1 Bilag 2 Bilag 3 De fulde tekst Bekedtgørelse om takstædriger i offetlig servicetrafik i trafikselskaber og hos jerbaevirksomheder m.v. (takststigigsloftet) I medfør

Læs mere

Teoretisk Statistik, 9. februar Beskrivende statistik

Teoretisk Statistik, 9. februar Beskrivende statistik Uge 7 I Teoretisk Statistik, 9 februar 004 Beskrivede statistik Kategoriserede variable 3 Kvatitative variable 4 Fraktiler for ugrupperede observatioer 5 Fraktiler for grupperede observatioer 6 Beliggeheds-

Læs mere

Test i to populationer. Hypotesetest for parrede observationer Test for ens varians Gensyn med flyskræk!

Test i to populationer. Hypotesetest for parrede observationer Test for ens varians Gensyn med flyskræk! Test i to populatioer Hypotesetest for parrede observatioer Test for es varias Gesy med flyskræk! Afhægige og uafhægige stikprøver Ved e uafhægig stikprøve udtages e stikprøve fra hver gruppe.. Mæd og

Læs mere

Anvendt Statistik Lektion 3. Punkt- og intervalestimater Konfidensintervaller Valg af stikprøvestørrelse

Anvendt Statistik Lektion 3. Punkt- og intervalestimater Konfidensintervaller Valg af stikprøvestørrelse Avedt Statistik Lektio 3 Pukt- og itervalestimater Kofidesitervaller Valg af stikprøvestørrelse Pukt- og itervalestimater: Motivatio Motiverede eksempel: I e udersøgelse er adele af rygere 0.27. Det aslås

Læs mere

Statistik Lektion 8. Parrede test Test for forskel i andele Test for ens varians Gensyn med flyskræk!

Statistik Lektion 8. Parrede test Test for forskel i andele Test for ens varians Gensyn med flyskræk! Statistik Lektio 8 Parrede test Test for forskel i adele Test for es varias Gesy med flyskræk! Afhægige og uafhægige stikprøver Ved e uafhægig stikprøve udtages e stikprøve fra hver gruppe.. Mæd og kviders

Læs mere

29. januar Epidemiologi og biostatistik Forelæsning 2 Uge 1, torsdag 2. februar 2006 Michael Væth, Afdeling for Biostatistik.

29. januar Epidemiologi og biostatistik Forelæsning 2 Uge 1, torsdag 2. februar 2006 Michael Væth, Afdeling for Biostatistik. Epidemiologi og biostatistik Forelæsig Uge 1, torsdag. februar 006 ichael Væth, Afdelig for Biostatistik. Sammeligig af to middelværdier sikkerhedsitervaller statistisk test Sammeligig af to proportioer

Læs mere

Indholdsfortegnelse Generelt Diskrete stokastiske variable: Kontinuerte stokastiske variable: Regneregler for stokastiske variable

Indholdsfortegnelse Generelt Diskrete stokastiske variable: Kontinuerte stokastiske variable: Regneregler for stokastiske variable Idholdsfortegelse Geerelt:...3 Stokastisk variabel:...3 Tæthedsfuktio/sadsylighedsfuktio for stokastisk variabel:...3 Fordeligsfuktio/sumfuktio for stokastisk variabel:...3 Middelværdi:...4 Geemsit:...4

Læs mere

Projekt 4.8 De reelle tal og 1. hovedsætning om kontinuerte funktioner

Projekt 4.8 De reelle tal og 1. hovedsætning om kontinuerte funktioner Projekter: Kapitel 4 Projekt 48 De reelle tal og hovedsætig om kotiuerte fuktioer Projekt 48 De reelle tal og hovedsætig om kotiuerte fuktioer Kotiuitet og kotiuerte fuktioer Ord som kotiuert og kotiuerlig

Læs mere

Velkommen. Program. Statistik og Sandsynlighedsregning 2 Sandsynlighedstætheder og kontinuerte fordelinger på R. Praktiske ting og sager

Velkommen. Program. Statistik og Sandsynlighedsregning 2 Sandsynlighedstætheder og kontinuerte fordelinger på R. Praktiske ting og sager Program Statistik og Sadsylighedsregig 2 Sadsylighedstætheder og kotiuerte fordeliger på R Helle Sørese Uge 6, madag Velkomme I dag: Praktiske bemærkiger Hvad skal vi lave på SaSt2? Sadsylighedstætheder

Læs mere

Estimation ved momentmetoden. Estimation af middelværdiparameter

Estimation ved momentmetoden. Estimation af middelværdiparameter Statistik og Sadsylighedsregig 1 STAT kapitel 4.2 4.3 Susae Ditlevse Istitut for Matematiske Fag Email: susae@math.ku.dk http://math.ku.dk/ susae Estimatio ved mometmetode Idimellem ka det være svært (eller

Læs mere

Sætning: Middelværdi og varians for linearkombinationer. Lad X 1,X 2,...,X n være stokastiske variable. Da gælder. Var ( a 0 + a 1 X a n X n

Sætning: Middelværdi og varians for linearkombinationer. Lad X 1,X 2,...,X n være stokastiske variable. Da gælder. Var ( a 0 + a 1 X a n X n Ladmåliges fejlteori Lektio 3 Estimatio af σ Dobbeltmåliger Geometrisk ivellemet Lieariserig - rw@math.aau.dk Istitut for Matematiske Fag Aalborg Uiversitet Repetitio: Middelværdi og Varias Sætig: Middelværdi

Læs mere

Stikprøvefordelinger og konfidensintervaller

Stikprøvefordelinger og konfidensintervaller Stikprøvefordeliger og kofidesitervaller Stikprøvefordelige for middelværdi De Cetrale Græseværdi Sætig Egeskaber Ved Estimatore Kofidesitervaller t-fordelige Estimator og estimat E stikprøve statistik

Læs mere

Sammenligning af to grupper

Sammenligning af to grupper Sammeligig af to gruer Reetitio, heruder om kritiske værdier Sammeligig af to gruer Sammeligig af to middelværdier Sammeligig af to adele Sammeligig af to variaser yoteser og hyotesetest. E hyotese er

Læs mere

Tests for forskel i central tendens for data på ordinal- og intervalskala. Typer af statistiske test:

Tests for forskel i central tendens for data på ordinal- og intervalskala. Typer af statistiske test: Statistik for biologer 005-6, modul 7: Tests for forskel i cetral tedes for data på ordial- og itervalskala M7, slide M7, slide Typer af statistiske test: Parametrisk statistik: - Tester for forskel i

Læs mere

Psyken på overarbejde hva ka du gøre?

Psyken på overarbejde hva ka du gøre? Psyke på overarbejde hva ka du gøre? Idhold Hvorår kommer ma uder psykisk pres? 3 Hvad ka øge det psykiske pres på dit arbejde? 4 Typiske reaktioer 6 Hvorda forløber e krise? 7 Hvad ka du selv gøre? 9

Læs mere

Elementær Matematik. Polynomier

Elementær Matematik. Polynomier Elemetær Matematik Polyomier Ole Witt-Hase 2008 Køge Gymasium Idhold 1. Geerelle polyomier...1 2. Divisio med hele tal....1 3. Polyomiers divisio...2 4. Polyomiers rødder....4 5. Bestemmelse af røddere

Læs mere

Analyse 1, Prøve maj 2009

Analyse 1, Prøve maj 2009 Aalyse, Prøve 5. maj 009 Alle hevisiger til TL er hevisiger til Kalkulus (006, Tom Lidstrøm). Direkte opgavehevisiger til Kalkulus er agivet med TLO, ellers er alle hevisiger til steder i de overordede

Læs mere

Statistik ved Bachelor-uddannelsen i folkesundhedsvidenskab

Statistik ved Bachelor-uddannelsen i folkesundhedsvidenskab Statistik ved Bachelor-uddaelse i folkesudhedsvideskab Græseværdisætiger Det hadler om geemsit Statistikere elsker geemsit Det er oplagt e god ide at tage geemsit. Hvis jeg f.eks skal gætte på vægte af

Læs mere

Sandsynlighedsfordelinger for kontinuerte data på interval/ratioskala

Sandsynlighedsfordelinger for kontinuerte data på interval/ratioskala Statistik for biologer 005-6, modul 5: Sadsylighedsfordeliger for kotiuerte data på iterval/ratioskala M6, slide Gægse matematiske sadsylighedsfordeliger: Diskrete data: De positive biomialfordelig Poisso-fordelige

Læs mere

Talfølger og -rækker

Talfølger og -rækker Da Beltoft og Klaus Thomse Aarhus Uiversitet 2009 Talfølger og -rækker Itroduktio til Matematisk Aalyse Zeos paradoks om Achilleus og skildpadde Achilleus løber om kap med e skildpadde. Achilleus løber

Læs mere

Kvantitative metoder 2

Kvantitative metoder 2 Dages program Kvatitative metoder De multiple regressiosmodel 6. februar 007 Emet for dee forelæsig er de multiple regressiosmodel (Wooldridge kap 3.- 3.+appedix E.) Defiitio og motivatio Fortolkig af

Læs mere

1 Punkt- og intervalestimation Punktestimatorer: Centralitet(bias) og efficiens... 2

1 Punkt- og intervalestimation Punktestimatorer: Centralitet(bias) og efficiens... 2 Idhold 1 Pukt- og itervalestimatio 2 1.1 Puktestimatorer: Cetralitet(bias) og efficies.................... 2 2 Kofidesiterval 3 2.1 Kofidesiterval for adel................................ 4 2.2 Kofidesiterval

Læs mere

Statistik Lektion 7. Hypotesetest og kritiske værdier Type I og Type II fejl Styrken af en test Sammenligning af to populationer

Statistik Lektion 7. Hypotesetest og kritiske værdier Type I og Type II fejl Styrken af en test Sammenligning af to populationer Statistik Lektio 7 Hpotesetest og kritiske værdier Tpe I og Tpe II fejl Strke af e test Sammeligig af to populatioer 1 Tri I e Hpotesetest E hpotesetest består af 5 elemeter: I. Atagelser Primært hvilke

Læs mere

TILSKUDSREGLER FOR AFTENSKOLER FAABORG-MIDTFYN-ORDNINGEN

TILSKUDSREGLER FOR AFTENSKOLER FAABORG-MIDTFYN-ORDNINGEN TILSKUDSREGLER FOR AFTENSKOLER FAABORG-MIDTFYN-ORDNINGEN VELKOMMEN Tilskudsreglere beskriver hvorda Faaborg-Midtfy Kommue støtter det frivillige folkeoplysede foreigsarbejde med økoomisk tilskud og avisig

Læs mere

Vejledende besvarelser til opgaver i kapitel 15

Vejledende besvarelser til opgaver i kapitel 15 Vejledede besvarelser til opgaver i apitel 5 Opgave a) De teststatistier, ma aveder til at teste om to middelværdier er es, består af et estimat på forselle mellem middelværdiere,, divideret med et udtry

Læs mere

Estimation og test i normalfordelingen

Estimation og test i normalfordelingen af Birger Stjerholm Made Samfudlitteratur 07 Etimatio og tet i ormalfordelige Dee tekt ideholder et overblik over ogle grudlæggede pricipper for etimatio og tet i ormalfordelige i hyppigt forekommede ituatioer:

Læs mere

30. august Epidemiologi og biostatistik. Forelæsning 3 Uge 2, torsdag d. 8. september 2005 Michael Væth, Afdeling for Biostatistik.

30. august Epidemiologi og biostatistik. Forelæsning 3 Uge 2, torsdag d. 8. september 2005 Michael Væth, Afdeling for Biostatistik. 30. august 005 Epidemiologi og biostatistik. Forelæsig 3 Uge, torag d. 8. september 005 Michael Væth, Afdelig for Biostatistik. Mere om kategoriske data Test for uafhægighed I RxC tabeller Test for uafhægighed

Læs mere

Uddannelsesparathed. Vejledning om processerne ved vurdering af uddannelsesparathed (UPV) og ansøgning til ungdomsuddannelserne

Uddannelsesparathed. Vejledning om processerne ved vurdering af uddannelsesparathed (UPV) og ansøgning til ungdomsuddannelserne Uddaelsesparathed Vejledig om processere ved vurderig af uddaelsesparathed (UPV) og asøgig til ugdomsuddaelsere Uddaelsesparathed Vejledig om processere ved vurderig af uddaelsesparathed (UPV) og asøgig

Læs mere

Renteformlen. Erik Vestergaard

Renteformlen. Erik Vestergaard Reteformle Erik Vestergaard 2 Erik Vestergaard www.matematikfysik.dk Erik Vestergaard, 2010. Billeder: Forside: istock.com/ilbusca Side 4: istock.com/adresrimagig Desude ege illustratioer. Erik Vestergaard

Læs mere

Simpel Lineær Regression. Opsplitning af variationen Determinations koefficient Variansanalyse F-test Model-kontrol

Simpel Lineær Regression. Opsplitning af variationen Determinations koefficient Variansanalyse F-test Model-kontrol Simpel Lieær Regressio Opsplitig af variatioe Determiatios koefficiet Variasaalse F-test Model-kotrol Opbgig af statistisk model Specificer model Ligiger og atagelser Estimer parametre Modelkotrol Er modelle

Læs mere

Vejledende opgavebesvarelser

Vejledende opgavebesvarelser Vejledede opgavebesvarelser 1. Atal hæder er lig med K(52,5), altså 2598960. Ved brug af multiplikatiospricippet ka atal hæder med 3 ruder og 2 spar udreges som K(13, 3) K(13, 2), hvilket giver 22308.

Læs mere

Asymptotisk optimalitet af MLE

Asymptotisk optimalitet af MLE Kapitel 4 Asymptotisk optimalitet af MLE Lad Y 1, Y 2,... være uafhægige, idetisk fordelte variable med værdier i et rum (Y,K). Vi har givet e model (ν θ ) θ Θ for fordelige af Y 1 (og dermed også for

Læs mere

Dårligt arbejdsmiljø koster dyrt

Dårligt arbejdsmiljø koster dyrt Dårligt arbejdsmiljø F O A f a g o g a r b e j d e koster dyrt Hvad koster et dårligt arbejdsmiljø, og hvad ka vi gøre for at bedre forholdee for de asatte idefor Kost- og Servicesektore? Læs her om de

Læs mere

Kapitel 10 KALIBRERING AF STRØMNINGSMODEL

Kapitel 10 KALIBRERING AF STRØMNINGSMODEL Kapitel 0 KALIBRERING AF STRØMNINGSMODEL Torbe Obel Soeborg Hydrologisk afdelig, GEUS Nøglebegreber: Kalibrerigsprotokol, observatiosdata, kalibrerigskriterier, idetificerbarhed, etydighed, parameterestimatio,

Læs mere

Begreber og definitioner

Begreber og definitioner Begreber og defiitioer Daske husstades forbrug på de medierelaterede udgiftsposter stiger og udgør i 2012*) 11,3 % af husstadees samlede forbrug mod 5,5 % i 1994. For husstade med de laveste idkomster

Læs mere

Beregning af prisindeks for ejendomssalg

Beregning af prisindeks for ejendomssalg Damarks Saisik, Priser og Forbrug 2. april 203 Ejedomssalg JHO/- Beregig af prisideks for ejedomssalg Baggrud: e radiioel prisideks, fx forbrugerprisidekse, ka ma ofe følge e ideisk produk over id og sammelige

Læs mere

Information til dig, der er elev som tekstil- og beklædningsassistent. og/eller beklædningshåndværker. Hej elev!

Information til dig, der er elev som tekstil- og beklædningsassistent. og/eller beklædningshåndværker. Hej elev! Iformatio til dig, der er elev som tekstil- og beklædigsassistet og/eller beklædigshådværker Hej elev! Til dig som er elev som tekstil- og beklædigsassistet og/eller beklædigshådværker Idustri Hej elev!

Læs mere

BILAG I PRODUKTRESUME

BILAG I PRODUKTRESUME BILAG I PRODUKTRESUME 1 1. LÆGEMIDLETS NAVN Nimerix pulver og solves til ijektiosvæske, opløsig i fyldt ijektiossprøjte Meigokokgruppe A, C, W-135 og Y kojugeret vaccie 2. KVALITATIV OG KVANTITATIV SAMMENSÆTNING

Læs mere

Økonometri 1. Definition og motivation. Definition og motivation. Dagens program. Den multiple regressionsmodel 15. februar 2006

Økonometri 1. Definition og motivation. Definition og motivation. Dagens program. Den multiple regressionsmodel 15. februar 2006 Dages program Økoometri De multiple regressiosmodel 5. februar 006 Emet for dee forelæsig er de multiple regressiosmodel (Wooldridge kap 3.-3.3+appedix E.-E.) Defiitio og motivatio Fortolkig af parametree

Læs mere

Matematisk Modellering 1 Hjælpeark

Matematisk Modellering 1 Hjælpeark Matematisk Modellerig Hjælpeark Kaare B. Mikkelse 2005090 3. september 2007 Idhold Formler 2 2 Aalyse af k ormalfordelte prøver 2 2. Modelcheck............................................ 2 2.2 Test af

Læs mere

Projekt 2.3 Det gyldne snit og Fibonaccitallene

Projekt 2.3 Det gyldne snit og Fibonaccitallene Projekter: Kapitel Projekt.3 Det glde sit og Fiboaccitallee Forslag til hvorda klasses arbejde med projektet ka tilrettelægges: Forløbet:. Præsetatio af emet med vægt på det glde sit.. Grppere arbejder

Læs mere

vejer (med fortegn). Det vil vi illustrere visuelt og geometrisk for (2 2)-matricer og (3 3)-matricer i enote 6.

vejer (med fortegn). Det vil vi illustrere visuelt og geometrisk for (2 2)-matricer og (3 3)-matricer i enote 6. enote 5 enote 5 Determiater I dee enote ser vi på kvadratiske matricer. Deres type er altså for 2, se enote 4. Det er e fordel, me ikke absolut ødvedigt, at kede determiatbegrebet for (2 2)-matricer på

Læs mere

Matematik A. Højere handelseksamen. Tirsdag den 26. maj 2015 kl hhx151-mat/a

Matematik A. Højere handelseksamen. Tirsdag den 26. maj 2015 kl hhx151-mat/a Matematik A Højere hadelseksame hhx151-mat/a-26052015 Tirsdag de 26. maj 2015 kl. 9.00-14.00 Matematik A Prøve består af to delprøver. Delprøve ude hjælpemidler består af opgave 1 til 5 med i alt 5 spørgsmål.

Læs mere

Program. Middelværdi af Y = t(x ) Transformationssætningen

Program. Middelværdi af Y = t(x ) Transformationssætningen Program Statistik og Sadsylighedsregig 2 Trasformatio af kotiuerte fordeliger på R, flerdimesioale kotiuerte fordeliger, mere om ormalfordelige Helle Sørese Uge 7, osdag I formiddag: Opfølgig på trasformatiossætige

Læs mere

antal gange krone sker i første n kast = n

antal gange krone sker i første n kast = n 1 Uge 15 Teoretisk Statistik, 5. april 004 1. Store tals lov Eksempel: møtkast Koverges i sadsylighed Tchebychevs ulighed Sætig: Store tals lov. De cetrale græseværdisætig 3. Approksimatio af sadsyligheder

Læs mere

Tankegangskompetence. Kapitel 9 Algebraiske strukturer i skolen 353

Tankegangskompetence. Kapitel 9 Algebraiske strukturer i skolen 353 Takegagskompetece Hesigte med de følgede afsit er først og fremmest at skabe klarhed over de mere avacerede regeregler i skole og give resultatet i de almee form, der er karakteristisk for algebra. Vi

Læs mere

StudyGuide til Matematik B.

StudyGuide til Matematik B. StudyGuide til Matematik B. OVERSIGT. Dee study guide ideholder følgede afsit Geerel itroduktio. Emeliste. Eksame. Bilag 1: Udervisigsmiisteriets bekedtgørelse for matematik B. Bilag 2: Bilag 3: Uddrag

Læs mere

Yngre Lægers medlemsundersøgelse om det lægelige arbejdsmarked, 2016

Yngre Lægers medlemsundersøgelse om det lægelige arbejdsmarked, 2016 Ygre Læger, 23. maj 216 Ygre Lægers medlemsudersøgelse om det lægelige arbejdsmarked, 216 - svarfordeliger på ladspla Idholdsfortegelse 1. Idledig... 2 2. Baggrudsvariable... 2 3. Vide om arbejdspladse

Læs mere

DATV: Introduktion til optimering og operationsanalyse, 2007. Følsomhed af Knapsack Problemet

DATV: Introduktion til optimering og operationsanalyse, 2007. Følsomhed af Knapsack Problemet DATV: Itroduktio til optimerig og operatiosaalyse, 2007 Følsomhed af Kapsack Problemet David Pisiger, Projektopgave 1 Dette er de første obligatoriske projektopgave på kurset DATV: Itroduktio til optimerig

Læs mere

Statistiske test. Efteråret 2010 Jens Friis, AAU. Hjemmeside :

Statistiske test. Efteråret 2010 Jens Friis, AAU. Hjemmeside : Statistiske test Efteråret 00 Jes Friis, AAU Hjemmeside : http://akaaudk/jfj Kotiuerte fordeliger Defiitio: Tæthedsfuktio E sadsylighedstæthedsfuktio på R er e itegrabel fuktio f : R [0; [ hvor f d = Defiitio:

Læs mere

A14 4 Optiske egenskaber

A14 4 Optiske egenskaber A4 4 Optiske egeskaber Brydigsideks Når lys træffer e græseflade mellem to materialer, kastes oget af lyset tilbage (refleksio), mes oget går igeem græseflade med foradret retig (brydig eller refraktio).

Læs mere

Formelskrivning i Word 2. Sådan kommer du i gang 4. Eksempel med skrivning af brøker 5. Brøker skrevet med småt 6. Hævet og sænket skrift 6

Formelskrivning i Word 2. Sådan kommer du i gang 4. Eksempel med skrivning af brøker 5. Brøker skrevet med småt 6. Hævet og sænket skrift 6 Dee udgave er til geemkig på ettet. Boge ka købes for kr. 5 hos EH-Mat. E y og udvidet udgave med title»symbol- og formelskrivig«er udkommet september 00. Se mere om de her. Idholdsfortegelse Formelskrivig

Læs mere

Den flerdimensionale normalfordeling

Den flerdimensionale normalfordeling De flerdimesioale ormalfordelig Stokastiske vektorer Ved e stokastisk vektor skal vi forstå e vektor, hvor de ekelte kompoeter er sædvalige stokastiske variable. For de stokastiske vektor Y = Y,..., Y

Læs mere

Nanomaterialer i virkeligheden F O A F A G O G A R B E J D E

Nanomaterialer i virkeligheden F O A F A G O G A R B E J D E F O A F A G O G A R B E J D E Naomaterialer i virkelighede Arbejdsmiljøkoferece i Kost- og Servicesektore 9. september 2013 Naomaterialer i virkelighede Idhold Gå ikke i paik eller baglås. I ka sagtes

Læs mere

Scorer FCK "for mange" mål i det sidste kvarter?

Scorer FCK for mange mål i det sidste kvarter? Uge 7 I Teoretsk Statstk, 9. aprl 2004. Hvor er v? Hvor var v: opstllg af statstske modeller Hvor skal v he: tro om estmato og test 2. Eksempel: FCK Estmato (tutvt) Test Maksmum lkelhood estmato Scorer

Læs mere

Eksempel 10.1 En autoregressiv proces af orden 1 (ofte blot kaldet en AR(1)- proces) pårhar et opdateringsskema (10.1) med funktionen. for y R.

Eksempel 10.1 En autoregressiv proces af orden 1 (ofte blot kaldet en AR(1)- proces) pårhar et opdateringsskema (10.1) med funktionen. for y R. Kapitel 0 Markovkæder Vi vil i det følgede studere processer Y 0, Y, Y 2,... med værdier irgivet på forme Y = f (Y +ǫ for =, 2,... (0. Her erǫ,ǫ 2,... e følge af iid støjvariable med middelværdi 0, alle

Læs mere

NOTAT Det daglige arbejde med blisterpakninger

NOTAT Det daglige arbejde med blisterpakninger Sige Friis Christiase 7. maj 2015 NOTAT Det daglige arbejde med blisterpakiger I paeludersøgelse 55 i DSRs medlemspael blev deltagere stillet e række spørgsmål om deres arbejde med blisterpakiger. Afrapporterige

Læs mere

Lys og gitterligningen

Lys og gitterligningen Fysik rapport: Lys og gitterligige Forfatter: Bastia Emil Jørgese.z Øvelse blev udført osdag de 25. jauar 202 samme med Lise Kjærgaard Paulse 2 - Bastia Emil Jørgese Fysik rapport (4 elevtimer), februar

Læs mere

STATISTISKE GRUNDBEGREBER

STATISTISKE GRUNDBEGREBER MOGENS ODDERSHEDE LARSEN STATISTISKE GRUNDBEGREBER med avedelse af TI 89 og Excel 8 5 9 6 3 0 Histogram for ph 6,9 7, 7,3 7,5 7,7 7,9 ph. udgave 0 FORORD Der er i dee bog søgt at give letlæst og askuelig

Læs mere

ESBILAC. - modermælkserstatning til hvalpe VEJLEDNING. www.kruuse.com

ESBILAC. - modermælkserstatning til hvalpe VEJLEDNING. www.kruuse.com ESBILAC - modermælkserstatig til hvalpe VEJLEDNING De bedste start på livet, e yfødt hvalp ka få, er aturligvis at stille si sult med si mors mælk. Modermælk ideholder alt, hvad de små har brug for af

Læs mere

Facilitering ITU 15. maj 2012

Facilitering ITU 15. maj 2012 Faciliterig ITU 15. maj 2012 Facilitatio is like movig with the elemets ad sailig the sea Vejvisere Velkomst de gode idflyvig Hvad er faciliterig? Kedeteg ved rolle som facilitator Facilitatores drejebog

Læs mere

Nanomaterialer Anvendelser og arbejdsmiljøforhold

Nanomaterialer Anvendelser og arbejdsmiljøforhold F O A F A G O G A R B E J D E Naomaterialer Avedelser og arbejdsmiljøforhold Dee Kort & Godt pjece heveder sig til dig, som er medlem af FOA. Pjece giver iformatio om: Hvad er et aomateriale? Eksempler

Læs mere

Projekt 9.10 St. Petersborg paradokset

Projekt 9.10 St. Petersborg paradokset Hvad er matematik? ISBN 978877066879 Projekt 9.0 St. Petersborg paradokset. De store tals lov & viderchacer I grudboges kapitel 9 omtales de store tals lov, som ka formuleres således: Hvis e spiller i

Læs mere

Censorvejledning engelsk B, HF 2017-læreplan

Censorvejledning engelsk B, HF 2017-læreplan Cesorvejledig egelsk B, HF 2017-lærepla December 2018 Lie Flitholm, fagkosulet lie.flitholm@stukuvm.dk 33925383 Idholdsfortegelse Cesorvejledig egelsk B, HF 2017-lærepla... 1 Det skriftlige opgavesæt HF

Læs mere

Morten Frydenberg version dato:

Morten Frydenberg version dato: Morte Frdeberg versio dato: 4--4 Itroduktio til kurset Statistik Forelæsig Morte Frdeberg, Sektio for Biostatistik af Biostatistik dele af. semester kurset. Statistiske modeller Biomialfordelige Normalfordelige

Læs mere

og Fermats lille sætning

og Fermats lille sætning Projekter: Kaitel 0. Projekt 0. Modulo-regig, restklassegruer og Fermats lille sætig Projekt 0. Modulo-regig, restklassegruere ( { 0 }, ) og Fermats lille sætig Vi aveder moduloregig og restklasser mage

Læs mere

Matematik A. Studentereksamen. Forberedelsesmateriale. Forsøg med digitale eksamensopgaver med adgang til internettet.

Matematik A. Studentereksamen. Forberedelsesmateriale. Forsøg med digitale eksamensopgaver med adgang til internettet. Matematik A Studetereksame Forsøg med digitale eksamesopgaver med adgag til iterettet Forberedelsesmateriale Vejledede opgave Forår 0 til stx-a-net MATEMATIK Der skal afsættes 6 timer af holdets sædvalige

Læs mere

Dagens forelæsning. Claus Munk. kap. 1-3. Obligationer Grundlæggende Intro. Obligationer Grundlæggende Intro. Obligationer Grundlæggende Intro

Dagens forelæsning. Claus Munk. kap. 1-3. Obligationer Grundlæggende Intro. Obligationer Grundlæggende Intro. Obligationer Grundlæggende Intro Dages forelæsig Grudlæggede itroduktio til obligatioer Claus Muk kap. - 3 Betaligsrækker og låeformer Det daske obligatiosmarked Effektive reter 2 Obligatioer Grudlæggede Itro Obligatioer Grudlæggede Itro

Læs mere

Claus Munk. kap. 1-3

Claus Munk. kap. 1-3 Claus Muk kap. 1-3 1 Dages forelæsig Grudlæggede itroduktio til obligatioer Betaligsrækker og låeformer Det daske obligatiosmarked Pris og kurs Effektive reter 2 1 Obligatioer Grudlæggede Itro Debitor

Læs mere

Matematik A. Højere handelseksamen. 1. Delprøve, uden hjælpemidler. Mandag den 20. december 2010. kl. 9.00-14.00

Matematik A. Højere handelseksamen. 1. Delprøve, uden hjælpemidler. Mandag den 20. december 2010. kl. 9.00-14.00 Matematik A Højere handelseksamen 1. Delprøve, uden hjælpemidler kl. 9.00-10.00 hhx103-mat/a-01010 Mandag den 0. december 010 kl. 9.00-14.00 Matematik A Prøven uden hjælpemidler Dette opgavesæt består

Læs mere

Projekt 1.3 Brydningsloven

Projekt 1.3 Brydningsloven Projekt 1.3 Brydigslove Når e bølge, fx e lysbølge, rammer e græseflade mellem to stoffer, vil bølge ormalt blive spaltet i to: Noget af bølge kastes tilbage (spejlig), hvor udfaldsvikle u er de samme

Læs mere

Blisterpakninger i det daglige arbejde

Blisterpakninger i det daglige arbejde Bettia Carlse Marts 2013 Blisterpakiger i det daglige arbejde I paeludersøgelse 35 1 har 1.708 beskæftigede sygeplejersker besvaret e række spørgsmål om (hådterige af) blisterpakiger i det daglige arbejde.

Læs mere

Prisfastsættelse af digitale goder - Microsoft

Prisfastsættelse af digitale goder - Microsoft Iteretøkoomi: risfastsættelse af digitale goder Afleveret d. 9 maj 003 Af Julie ech og Malee Aja org risfastsættelse af digitale goder - Microsoft Af Julie ech og Malee Aja org.0.0 DIGITALE GODER....0.0

Læs mere

Introduktion til optimering og operationsanalyse. Asymmetric Traveling Salesman Problem

Introduktion til optimering og operationsanalyse. Asymmetric Traveling Salesman Problem Itroduktio til optimerig og operatiosaalyse Asymmetric Travelig Salesma Problem David Pisiger, Efterår 2003 Dette er de ade obligatoriske projektopgave på kurset Itroduktio til optimerig og operatiosaalyse.

Læs mere

Undersøgelse af numeriske modeller

Undersøgelse af numeriske modeller Udersøgelse af umeriske modeller Formål E del af målsætige med dette delprojekt er at give kedskab til de begræsiger, fejl og usikkerheder, som optræder ved modellerig. I de forbidelse er følgede udersøgelse

Læs mere

Branchevejledning. ulykker indenfor. lager. området. Branchearbejdsmiljørådet for transport og engros

Branchevejledning. ulykker indenfor. lager. området. Branchearbejdsmiljørådet for transport og engros Brachevejledig ulykker idefor lager området Brachearbejdsmiljørådet for trasport og egros Baggrud Udersøgelser på lager- og trasportområdet har vist, at beskrivelse af hædelsesforløbet ved udfyldelse

Læs mere

GENEREL INTRODUKTION.

GENEREL INTRODUKTION. Study Guide til Matematik C. OVERSIGT. Dee study guide ideholder følgede afsit - Geerel itroduktio. - Emeliste. - Eksame. - Bilag. Udervisigsmiisteriets bekedtgørelse for matematik C. GENEREL INTRODUKTION.

Læs mere

Kvadratisk 0-1 programmering. David Pisinger

Kvadratisk 0-1 programmering. David Pisinger Kvadratisk - programmerig David Pisiger 27-8 MAX-CUT problemet Givet e ikke-orieteret graf G = (V, E) er MAX-CUT problemet defieret som MAX-CUT = {< G > : fid et sit S, T i grafe G som maksimerer atal

Læs mere

Beregning af prisindeks for ejendomssalg

Beregning af prisindeks for ejendomssalg Damarks Saisik, Priser og Forbrug 0. okober 204 Ejedomssalg JHO/- Beregig af prisideks for ejedomssalg Baggrud: I e radiioel prisideks, fx forbrugerprisidekse, ka ma ofe følge e ideisk produk over id og

Læs mere

Matematikkens mysterier - på et obligatorisk niveau. 7. Ligninger, polynomier og asymptoter

Matematikkens mysterier - på et obligatorisk niveau. 7. Ligninger, polynomier og asymptoter Matematikkes mysterier - på et obligatorisk iveau af Keeth Hase 7. Ligiger, polyomier og asymptoter Hvad er e asymotote? Og hvorda fides de? 7. Ligiger, polyomier og asymptoter Idhold 7.0 Idledig 7.1 Udsag

Læs mere