Vi har beskæftiget os indgående med ankomst- og servicetidsprocesser. Disse karakteriserer input til et køsystem. Andre karakteriserende størrelser?

Størrelse: px
Starte visningen fra side:

Download "Vi har beskæftiget os indgående med ankomst- og servicetidsprocesser. Disse karakteriserer input til et køsystem. Andre karakteriserende størrelser?"

Transkript

1 Dagens emner Kvalitative egenskaber og karakteristiske størrelser i generelle køsystemer. Little s formel. Repetition af hopdiagrammer og Markovprocesser. Fødsels- og dødskøsystemer. AGR/PSE (I17) VS7-5. minimodul 1 / 19

2 Dagens emner Ud over ankomst- og ekspeditionstidsprocesser Vi har beskæftiget os indgående med ankomst- og servicetidsprocesser. Disse karakteriserer input til et køsystem. Andre karakteriserende størrelser? Antal servere, antal ventepladser. Kødisciplin hvordan betjenes kunder? (Kundeopførsel utålmodige kunder etc.) (Flere køer, forbindelse mellem servere (kønetværk)). AGR/PSE (I17) VS7-5. minimodul 2 / 19

3 Dagens emner Kødiscipliner FIFO. LIFO. SIRO. First-In-First-Out. Kunder ekspederes i ankomstrækkefølge. Last-In-First-Out. Senest ankomne kunde ekspederes først. Service-In-Random-Order. Tilfældig ekspeditionsrækkeflg. P. Prioritet. Hver kunde tildeles ved ankomst en prioritet og betjenes i rækkefølge efter prioritet. RR. PS. Round-Robin. Hver kunde får en lille del af service, én efter én indtil ekspedition færdiggjort. Processor-Sharing. Kapacitet deles ligeligt ml. kunder samtidig. Disciplin påvirker normalt ikke kvantitative størrelser (gnsnt. kølængde, tid i system etc.). Men kan påvirke variabilitet af ventetid. AGR/PSE (I17) VS7-5. minimodul 3 / 19

4 Køsystemer notation Notation for parallelforbundne ekspeditionssystemer X /Y (m, q). Ankomstproces X og ekspeditionstidsproces Y kan antage værdier: M: Uafhængige og eksponentialfordelte ventetider. Dvs. X = M specificerer en Poissonproces. E r : Ventetider er uafhængige og Erlangfordelte af orden r. D: Deterministisk ventetidsfordeling. GI : Uafhængige (independent) ventetider med en fast fordeling. Dvs. ingen nærmere antagelse om fordelingstype. G: Generel (stationær) proces, dvs. ingen antagelser. AGR/PSE (I17) VS7-5. minimodul 4 / 19

5 Køsystemer notation X /Y /(m, q)-systemer Ekspedienter er parallelforbundne man bliver ekspederet ved højest én ekspedient (modsat serieforbundne ekspedienter). q angiver antallet af køpladser (q = muligt). m angiver antallet af ekspedienter (m = muligt). AGR/PSE (I17) VS7-5. minimodul 5 / 19

6 Køsystemer notation Eksempler Notationen M/E 4 (3, ) specificerer følgende køsystem: Ankomstproces er Poisson. Ekspeditionstider er Erlangfordelte af orden 4. Ubegrænset antal køpladser (q = ) 3 ekspedienter. Notationen G/GI (1, 0) specificerer følgende køsystem Ankomstproces er en generel stationær proces. Ekspeditionstider uafhængige fra fast (uspecificeret) fordeling. 0 køpladser. 1 ekspedient. Disciplin fremgår ej af notation FIFO med mindre andet nævnt. AGR/PSE (I17) VS7-5. minimodul 6 / 19

7 Trafiktilbud og kundespærring Trafiktilbud Betragt et G/G(m, q)-system. Definér a: gennemsnitligt antal ankomster per tidsenhed. 1/b: gennemsnitlig ekspeditionstid. A = a/b kaldes trafiktilbuddet. Enheden ankomster per ekspedition kaldes en Erlang. Vi kan opspalte trafiktilbud som A = afvist trafik + utålmodig trafik + afviklet trafik. Kundespærring E: gennemsnitligt antal optagede ekspedienter. π = 1 E/A er kundespærringen (brøkdel afviste kunder). AGR/PSE (I17) VS7-5. minimodul 7 / 19

8 Trafiktilbud og kundespærring Tidsspærring og kundespærring Kundespærring er sandsynlighed (i det lange løb) for afvisning af en kunde, dvs. sandsynligheden for at systemet er optaget til et ankomsttidspunkt. Kan tilsvarende definere tidsspærring som sandsynlighed (i det lange løb) for at systemet er optaget til et arbitrært tidspunkt. Generelt gælder kundespærring tidsspærring. Poissonankomster Hvis ankomstproces er Poisson, er sandsynligheden for et givet antal kunder i systemet uafhængig af, om t er et ankomsttidspunkt. Dvs. M/G(m, q)-køsystem kundespærring = tidsspærring. AGR/PSE (I17) VS7-5. minimodul 8 / 19

9 Trafiktilbud og kundespærring Eksempel: M/M(1, 0)-system (afvisningssystem) Velkendt fra første forelæsning. Ankomstproces Poisson med intensitet a = 1 per time. Ekspeditionstider eksponentialfordelte med middelværdi 1/b = 1/2 time. Beskrives ved antal kunder i systemet til tid t: N(t) {0, 1}. Trafiktilbud A = a/b = 1/2 Erlang. Ligevægtssandsynligheder p 0 = b/(a + b) = 1/(1 + A) = 2/3. p 1 = 1 p 0 = 1/3. Udnyttelsesgrad af ekspedient E = p1 = A/(1 + A) = 1/3. Kundespærring π = 1 E/A = A/(1 + A) = 1/3. AGR/PSE (I17) VS7-5. minimodul 9 / 19

10 Little s formel Betragt et G/G(m, q)-system. Definér a: middel (gennemsnitligt) antal ankomster per tidsenhed (intensitet). L q : middel (gennemsnitligt) antal kunder i system. V q : middel (gennemsnitligt) opholdstid i systemet for en vilkårlig kunde. V q er bestemt ved Little s formel: L q = av q, dvs. V q = L q a = middel antal kunder ankomstintensitet Anvendelser Ofte let at beregne gennemsnitligt antal kunder i systemet (fx ud fra ligevægtssandsynligheder). Så kan Little s formel bruges til bestemmelse af gennemsnitlig opholdstid. AGR/PSE (I17) VS7-5. minimodul 10 / 19

11 Little s formel Eksempel: M/M(1, 0)-system (afvisningssystem) Ankomstproces Poisson med intensitet a = 1 per time. Ekspeditionstider eksponentialfordelte med middelværdi 1/b = 1/2 time (trafiktilbud A = a/b = 1/2). Beskrives ved antal kunder i systemet til tid t: N(t) {0, 1}. Ligevægtssandsynligheder p 0 = b/(a + b) = 1/(1 + A) = 2/3, p 1 = 1 p 0 = 1/3. Gennemsnitligt antal kunder i systemet L 0 = p p 1 1 = p 1 = Little s formel giver gennemsnitlig opholdstid A 1 + A = 1/3. V 0 = L 0 /a = 1/3 time (bemærk < 1/b = 1/2 time, idet en kunde afvises, hvis optaget ). AGR/PSE (I17) VS7-5. minimodul 11 / 19

12 Little s formel Mere om Little s formel V q er den gennemsnitlige opholdstid for alle kunder i systemet (afviste, forsinkede, straksekspederede). Vi er normalt mest interesserede i opholdstid for kunder, som ikke straksekspederes, dvs. forsinkede kunder. Hvis brøkdel D, som ej straksekspederes og W q gennemsnitlig opholdstid for disse, så gælder V q = DW q og dermed L q = adw q. Generelt Mange andre lignende formler for sammenhæng mellem gennemsnitligt antal og gennemsnitlig opholdstid. AGR/PSE (I17) VS7-5. minimodul 12 / 19

13 Little s formel Argument for Little s formel Antal kunder i system til tid t: N(t). Gennemsnitligt antal kunder i [0, t]: Lq = A(t)/t. Hver kunde bidrager i snit med Vq til A(t). Der ankommer i snit at kunder i [0, t]. Dvs. A(t) = atv q atv q = L q t L q = av q. AGR/PSE (I17) VS7-5. minimodul 13 / 19

14 Reminder Markovprocesser Stationær Markovproces X med tilstandsrum {0, 1,..., n}. Beskrives ved overgangssands. p ij (t). Ligevægtssystemer lim p ij(t) = p j, i, j {0, 1,..., n} (ligevægtssandsynligheder). t Vi kan også beskrive X ved intensiteter c ij = p ij(0) for i j. Beskriver momentan tilbøjelighed til overgang i j (rate). Find ligevægtssandsynligheder ved at løse ligningssystemet { n l=0 p l = 1 (normerende ligning) n l=0 p lc lj = 0, j = 0, 1,..., n hvor c jj = i: i j c ji. AGR/PSE (I17) VS7-5. minimodul 14 / 19

15 Reminder Markovprocesser M/M(1, N)-kø Poisson ankomstproces med intensitet a og eksponentialfordelte ekspeditionstider med middelværdi 1/b. 1 ekspedient; N køpladser. Antal kunder i system N(t) {0, 1,..., N + 1}. Ligevægtssands. p i = lim t P(N(t) = i), i = 0,..., N + 1. Et eksempel på et fødsels- og dødskøsystem. AGR/PSE (I17) VS7-5. minimodul 15 / 19

16 Reminder Markovprocesser M/M(1, N)-kø Ligevægtsligninger: Dvs. N+1 i=0 p i = 1 (normerende ligning) samt bp 1 = ap 0 ap 0 + bp 2 = (a + b)p 1.. ap i 1 + bp i+1 = (a + b)p i. ap N = bp N+1. p 1 = (a/b)p 0 = Ap 0 p 2 = (a/b)p 0 + (a/b + 1)p 1 = A 2 p 0. p i+1 = (a/b)p i 1 + (a/b + 1)p i = A i+1 p 0. p N+1 = (a/b)p N = A N+1 p 0. AGR/PSE (I17) VS7-5. minimodul 16 / 19

17 Reminder Markovprocesser M/M(1, N)-kø Ligevægtssandsynligheder hvis A = a/b 1: p i = 1 A 1 A N+2 Ai, i = 0, 1,..., N + 1. Ligevægtssandsynligheder hvis A = a/b = 1: p i = 1, i = 0, 1,..., N + 1. N + 2 Lad N (uendeligt mange køpladser). Ligevægt i M/M(1, ) eksisterer kun hvis A < 1. Ligevægtsfordelingen er da (kaldes en geometrisk fordeling). p i = A i (1 A), i = 0, 1, 2,... AGR/PSE (I17) VS7-5. minimodul 17 / 19

18 Reminder Markovprocesser Karakteristiske størrelser i M/M(1, ) Gennemsnitligt antal kunder i systemet L = ip i = i=0 A 1 A. Gennemsnitlig opholdstid V i systemet L = av V = 1 b 1 1 A (Little s formel). Brøkdel af kunder, som ikke straksekspederes D = 1 p 0 = A. Gennemsnitligt antal optagede ekspedienter E = A (da rent ventesystem, Andersen (2001), p.36ø.). AGR/PSE (I17) VS7-5. minimodul 18 / 19

19 Reminder Markovprocesser Karakteristiske størrelser i M/M(1, ) Gennemsnitlig kølængde L (ej straksekspedition) L = (i 1)p i = i=2 ip i p i = L A = i=1 Gennemsnitlig opholdstid V i køen V = L a = 1 b Alternativ beregning her: A 1 A i=1 (også en Little s formel) A2 1 A. samt V = gnsn. systemtid gnsn. eksp. tid = V 1 b = 1 ( 1 ) b 1 A 1 = 1 b A 1 A. L = DL = A A 1 A. AGR/PSE (I17) VS7-5. minimodul 19 / 19

20 Reminder Markovprocesser Taleksempel I et produktionssystem ankommer emner efter en Poissonproces med en intensitet på a = 3 emner per time. Forarbejdningstid er eksponentialfordelt. Middelværdi 1/b =15 minutter = 1/4 time. 1 ekspedient, uendelig mange køpladser. Beregninger Trafiktilbud A = a/b = Ligevægtssandsynligheder p i = (0.25)(0.75) i for i = 0, 1, 2,.... Sandsynlighed for forsinkelse D = A = Gennemsnitlig kølængde L = = Gennemsnitlig produktionstid V = = 1 time. AGR/PSE (I17) VS7-5. minimodul 20 / 19

Stokastiske processer og køteori

Stokastiske processer og køteori Stokastiske processer og køteori 5. kursusgang Anders Gorst-Rasmussen Institut for Matematiske Fag Aalborg Universitet 1 DAGENS EMNER Kvalitative egenskaber og karakteristiske størrelser i generelle køsystemer.

Læs mere

Notation for parallelforbundne ekspeditionssystemer

Notation for parallelforbundne ekspeditionssystemer Køsystemer notation Notation for parallelforbundne ekspeditionssystemer X /Y (m, q). Ankomstproces X og ekspeditionstidsproces Y kan antage værdier: M: Uafhængige og eksponentialfordelte ventetider. Dvs.

Læs mere

Stokastiske processer og køteori

Stokastiske processer og køteori Stokastiske processer og køteori 7. kursusgang Anders Gorst-Rasmussen Institut for Matematiske Fag Aalborg Universitet 1 OVERBLIK Sidste gang: M/M/(m, n m)-køsystemet: ligevægtsfordeling; performancestørrelser;

Læs mere

Stokastiske processer og køteori

Stokastiske processer og køteori Stokastiske processer og køteori 6. kursusgang Anders Gorst-Rasmussen Institut for Matematiske Fag Aalborg Universitet 1 KØSYSTEMER NOTATION Notation for parallelforbundne ekspeditionssystemer X/Y(m, q).

Læs mere

Hvad er kønetværk? AGR/PSE (I17) VS7-8. minimodul 1 / 17

Hvad er kønetværk? AGR/PSE (I17) VS7-8. minimodul 1 / 17 Hvad er kønetværk? AGR/PSE (I17) VS7-8. minimodul 1 / 17 Hvad er kønetværk? Vi skal kun se på åbne kønetværk (ankomst fra eksterne kilder, hver kunde forlader systemet med sandsynlighed 1). Ideelt vil

Læs mere

Stokastiske processer og køteori

Stokastiske processer og køteori Stokastiske processer og køteori 8. kursusgang Anders Gorst-Rasmussen Institut for Matematiske Fag Aalborg Universitet 1 HVAD ER KØNETVÆRK? Åbent kønetværk Lukket kønetværk HVAD ER KØNETVÆRK? 2 Vi skal

Læs mere

Stokastiske processer og køteori

Stokastiske processer og køteori Stokastiske processer og køteori 2. kursusgang Anders Gorst-Rasmussen Institut for Matematiske Fag Aalborg Universitet 1 STOKASTISK MODEL FOR KØSYSTEM Population Ankomst Kø Ekspedition Output Ankomstproces

Læs mere

Matematisk model for køsystem

Matematisk model for køsystem Matematisk model for køsystem Ankomstproces T 1, T 2,... (ankomsttid per kunde). Kødisciplin (rækkefølge for service). Ekspeditionstidsproces S 1, S 2,... (servicetid per kunde). Dagens emne: ankomstprocesser.

Læs mere

Stokastiske processer og køteori

Stokastiske processer og køteori Info Stokastiske processer og køteori 1. kursusgang Jesper Møller Institut for Matematiske Fag Aalborg Universitet http://www.math.aau.dk/ jm JM (I17) VS7-1. minimodul 1 / 40 Info Praktisk information

Læs mere

Lidt supplerende køteori (ikke pensum)

Lidt supplerende køteori (ikke pensum) H.Keiding: Operationsanalyse MØK 205II Note om køteori, side. Lidt mere om M/M/ Lidt supplerende køteori (ikke pensum).. Rate-equality. I den første note endte vi de generelle betragtninger med en hurtig

Læs mere

Stokastiske processer og køteori

Stokastiske processer og køteori Stokastiske processer og køteori 1. kursusgang Anders Gorst-Rasmussen Institut for Matematiske Fag Aalborg Universitet 1 PRAKTISK INFORMATION Hjemmeside: http://www.math.aau.dk/~gorst/vs7 Litteratur: 1.

Læs mere

Udvikling af operations karakteristika/performance mål for køsystemer

Udvikling af operations karakteristika/performance mål for køsystemer Chapter 2: Genstandsområde: Køteori Analyse af køsystemer Formål: Udvikling af operations karakteristika/performance mål for køsystemer > ssh for 0 enheder i system > gns # enheder i køen > gns # enheder

Læs mere

Modeller for ankomstprocesser

Modeller for ankomstprocesser Modeller for ankomstprocesser Eric Bentzen Institut for Produktion og Erhvervsøkonomi Handelshøjskolen i København November 2007 1 . Afsnit Indhold Side 1 Indledning 3 2 Ankomstprocessen 3 3 Servicesystemet

Læs mere

Kræver generelt at diverse ventetider er eksponentialfordelte. Faste rammer for serverdiscipliner mv. Svært at modellere ikke-standard køsystemer.

Kræver generelt at diverse ventetider er eksponentialfordelte. Faste rammer for serverdiscipliner mv. Svært at modellere ikke-standard køsystemer. Opsamling eksakte modeller Fordele Praktiske til initierende analyser/dimensionering Ofte nemme at regne på. Kan bruges til at løse optimeringsopgaver, som ellers ville kræve snedige simulationsdesigns.

Læs mere

1 Palm teori. Palm teori 1

1 Palm teori. Palm teori 1 Palm teori 1 1 Palm teori Lad X = {X(t)} t 0 være en stokastisk proces defineret på et måleligt rum (Ω, F), og lad T = {T n } n N0 være en voksende følge af ikke-negative stokastiske variable herpå. Vi

Læs mere

Fornyelsesteori med anvendelser: Punktprøve

Fornyelsesteori med anvendelser: Punktprøve Fornyelsesteori med anvendelser: Punktprøve May 9, 2003 For at få kredit for kurset Fornyelsesteori med anvendelser kræves at afleveringsopgave 1 og 2 samt nedenstående punktprøve besvares tilfredsstillende.

Læs mere

Stokastiske processer og køteori

Stokastiske processer og køteori Stokastiske processer og køteori 9. kursusgang Anders Gorst-Rasmussen Institut for Matematiske Fag Aalborg Universitet 1 OPSAMLING EKSAKTE MODELLER Fordele: Praktiske til initierende analyser/dimensionering

Læs mere

enote 2: Kontinuerte fordelinger Introduktion til Statistik Forelæsning 3: Kontinuerte fordelinger Peder Bacher enote 2: Continuous Distributions

enote 2: Kontinuerte fordelinger Introduktion til Statistik Forelæsning 3: Kontinuerte fordelinger Peder Bacher enote 2: Continuous Distributions Introduktion til Statistik Forelæsning 3: Kontinuerte fordelinger Peder Bacher DTU Compute, Dynamiske Systemer Bygning 33B, Rum 9 Danmarks Tekniske Universitet 28 Lyngby Danmark e-mail: pbac@dtu.dk Efterår

Læs mere

Stokastiske processer og køteori

Stokastiske processer og køteori Stokastiske processer og køteori 3. kursusgang Anders Gorst-Rasmussen Institut for Matematiske Fag Aalborg Universitet 1 SIDSTE GANG Ankomstproces T 1, T 2,... (ankomsttid per kunde) til køsystem. Modellér

Læs mere

Introduktion til Statistik. Forelæsning 3: Kontinuerte fordelinger. Peder Bacher

Introduktion til Statistik. Forelæsning 3: Kontinuerte fordelinger. Peder Bacher Introduktion til Statistik Forelæsning 3: Kontinuerte fordelinger Peder Bacher DTU Compute, Dynamiske Systemer Bygning 303B, Rum 009 Danmarks Tekniske Universitet 2800 Lyngby Danmark e-mail: pbac@dtu.dk

Læs mere

Markovkæder med endeligt tilstandsrum

Markovkæder med endeligt tilstandsrum Kapitel 9 Markovkæder med endeligt tilstandsrum En følge af stokastiske variable {X t } = {X 0, X 1, X 2,...} kaldes en stokastisk proces. Vi kan nemlig tænke på de stokastiske variable som tilstanden

Læs mere

Plan. Markovkæder Matematisk modelling af kølængde, yatzy, smittespredning og partikelbevægelser. Materiale mm.

Plan. Markovkæder Matematisk modelling af kølængde, yatzy, smittespredning og partikelbevægelser. Materiale mm. Institut for Matematiske Fag Plan Markovkæder Matematisk modelling af kølængde, yatzy, smittespredning og partikelbevægelser Helle Sørensen Eftermiddagen vil være bygget om 3 4 eksempler: A. B. Random

Læs mere

Noget om en symmetrisk random walks tilbagevenden til udgangspunktet

Noget om en symmetrisk random walks tilbagevenden til udgangspunktet Random Walk-kursus 2014 Jørgen Larsen 14. oktober 2014 Noget om en symmetrisk random walks tilbagevenden til udgangspunktet Dette notat giver et bevis for at en symmetrisk random walk på Z eller Z 2 og

Læs mere

Kvantitative Metoder 1 - Efterår Dagens program

Kvantitative Metoder 1 - Efterår Dagens program Dagens program Approksimation af binomialsandsynligheder, Afsnit 4.5 Multinomial fordeling, Afsnit 4.8 Negativ binomialfordeling, Afsnit 4.4 Poisson fordeling og Poisson process, Afsnit 4.6 Kontinuerte

Læs mere

Sandsynlighedsregning 6. forelæsning Bo Friis Nielsen

Sandsynlighedsregning 6. forelæsning Bo Friis Nielsen Sandsynlighedsregning 6. forelæsning Bo Friis Nielsen Matematik og Computer Science Danmarks Tekniske Universitet 2800 Kgs. Lyngby Danmark Email: bfni@dtu.dk Dagens emner: Afsnit 4.2, 4.3 og 4.4 Poissonprocessen/eksponentialfordelingen

Læs mere

Repetition. Diskrete stokastiske variable. Kontinuerte stokastiske variable

Repetition. Diskrete stokastiske variable. Kontinuerte stokastiske variable Normal fordelingen Normal fordelingen Egenskaber ved normalfordelingen Standard normal fordelingen Find sandsynligheder ud fra tabel Transformation af normal fordelte variable Invers transformation Repetition

Læs mere

Teoretisk Statistik, 16. februar Generel teori,repetition

Teoretisk Statistik, 16. februar Generel teori,repetition 1 Uge 8 Teoretisk Statistik, 16. februar 2004 1. Generel teori, repetition 2. Diskret udfaldsrum punktssh. 3. Fordelingsfunktionen 4. Tæthed 5. Transformationer 6. Diskrete vs. Kontinuerte stokastiske

Læs mere

Schedulering. dopsys

Schedulering. dopsys Schedulering Schedulering Ide: tag beslutning om fordeling af resurser på parter Resurse kan tildeles, fratages Bestemte situationer muliggør beslutninger 2 Designvalg i schedulering Beslutningsform: hvornår

Læs mere

13 Markovprocesser med transitionssemigruppe

13 Markovprocesser med transitionssemigruppe 13 Markovprocesser med transitionssemigruppe I nærværende kapitel vil vi antage at tilstandsrummet er polsk, hvilket sikrer, at der findes regulære betingede fordelinger. Vi skal se på eksistensen af Markovprocesser.

Læs mere

Bernoulli og binomial fordelingerne Kontinuerte stokastiske variable Normalfordelingen

Bernoulli og binomial fordelingerne Kontinuerte stokastiske variable Normalfordelingen Bernoulli og binomial fordelingerne Kontinuerte stokastiske variable Normalfordelingen Repetition Lov om total sandsynlighed Bayes sætning P( B A) = P(A) = P(AI B) + P(AI P( A B) P( B) P( A B) P( B) +

Læs mere

Løsning til prøveeksamen 1

Løsning til prøveeksamen 1 IMM - DTU 020 Probability 2006-2-8 BFN/bfn Løsning til prøveeksamen Spørgsmål ) For en indikatorvariabel I A for hændelsen A gælder E(I A ) = P(A) (se for eksemepl side 68). Således er E(X) = P(N ) = =

Læs mere

Statistik Lektion 3. Simultan fordelte stokastiske variable Kontinuerte stokastiske variable Normalfordelingen

Statistik Lektion 3. Simultan fordelte stokastiske variable Kontinuerte stokastiske variable Normalfordelingen Statistik Lektion 3 Simultan fordelte stokastiske variable Kontinuerte stokastiske variable Normalfordelingen Repetition En stokastisk variabel er en funktion defineret på S (udfaldsrummet, der antager

Læs mere

Profitten i det første år kan da beregnes som (i kr.)

Profitten i det første år kan da beregnes som (i kr.) Chapter 13: Simulation Simulation er en kvantitativ metode til bestemmelse af et real life systems basale karakteristika under usikkerhed v.h.a. eksperimenter indenfor en modelramme, der repræsenterer

Læs mere

Kvantitative Metoder 1 - Forår Dagens program

Kvantitative Metoder 1 - Forår Dagens program Dagens program Kontinuerte fordelinger Ventetider i en Poissonproces Beskrivelse af kontinuerte fordelinger: - Median og kvartiler - Middelværdi - Varians Simultane fordelinger 1 Ventetider i en Poissonproces

Læs mere

Sandsynlighedsregning: endeligt udfaldsrum (repetition)

Sandsynlighedsregning: endeligt udfaldsrum (repetition) Program: 1. Repetition: sandsynlighedsregning 2. Sandsynlighedsregning fortsat: stokastisk variabel, sandsynlighedsfunktion/tæthed, fordelingsfunktion. 1/16 Sandsynlighedsregning: endeligt udfaldsrum (repetition)

Læs mere

Sandsynlighedsregning 6. forelæsning Bo Friis Nielsen

Sandsynlighedsregning 6. forelæsning Bo Friis Nielsen Sandsynlighedsregning 6. forelæsning Bo Friis Nielsen Matematik og Computer Science Danmarks Tekniske Universitet 2800 Kgs. Lyngby Danmark Email: bfn@dtu.dk Dagens emner: Afsnit 4.2, 4.3 og 4.4 Poissonprocessen/eksponentialfordelingen

Læs mere

Fornyelsesteori med anvendelser: Afleveringsopgave 1

Fornyelsesteori med anvendelser: Afleveringsopgave 1 Fornyelsesteori med anvendelser: Afleveringsopgave 1 February 27, 2003 Opgaven stilles fredag d. 28/2-2003 og afleveres d. 14/3-2003 ved forelæsningen. Opgaven kan besvares i grupper af 1-3 studerende.

Læs mere

Skriftlig Eksamen ST501: Science Statistik Mandag den 11. juni 2007 kl. 15.00 18.00

Skriftlig Eksamen ST501: Science Statistik Mandag den 11. juni 2007 kl. 15.00 18.00 Skriftlig Eksamen ST501: Science Statistik Mandag den 11. juni 2007 kl. 15.00 18.00 Forskningsenheden for Statistik IMADA Syddansk Universitet Alle skriftlige hjælpemidler samt brug af lommeregner er tilladt.

Læs mere

Hvad skal vi lave i dag?

Hvad skal vi lave i dag? p. 1/1 Hvad skal vi lave i dag? Repeterer lidt om diskrete sv. Standardfordelinger (binomial, Poisson, geometrisk) Stokastiske vektorer Diskrete stokastiske vektorer p. 2/1 Repetition Heltallige sv er

Læs mere

Sandsynlighedsregning

Sandsynlighedsregning Mogens Bladt www2.imm.dtu.dk/courses/02405 21. September, 2007 Lidt om binomialkoefficienter n størrelsen af en mængde/population. Vi ønsker at udtage en sub population af størrelse r. To sub populationer

Læs mere

Kvantitative Metoder 1 - Forår 2007

Kvantitative Metoder 1 - Forår 2007 Dagens program Kapitel 4: Diskrete fordelinger Hypergeometrisk fordeling, Afsnit 4.3 Multinomial fordeling, Afsnit 4.8 Geometrisk fordeling og Negativ binomialfordeling (Inverse Sampling), Afsnit 4.4 Approksimation

Læs mere

1/41. 2/41 Landmålingens fejlteori - Lektion 1 - Kontinuerte stokastiske variable

1/41. 2/41 Landmålingens fejlteori - Lektion 1 - Kontinuerte stokastiske variable Landmålingens fejlteori - lidt om kurset Landmålingens fejlteori Lektion 1 Det matematiske fundament Kontinuerte stokastiske variable - rw@math.aau.dk Institut for Matematiske Fag Aalborg Universitet Kursusholder

Læs mere

Statistik noter - Efterår 2009 Keller - Statistics for management and economics

Statistik noter - Efterår 2009 Keller - Statistics for management and economics Statistik noter - Efterår 2009 Keller - Statistics for management and economics Jonas Sveistrup Hansen - stud.merc.it 22. september 2009 1 Indhold 1 Begrebsliste 3 2 Forelæsning 1 - kap. 1-3 3 2.1 Kelvin

Læs mere

Operationsanalyse, Ordinær Eksamen 2017I Rettevejledning

Operationsanalyse, Ordinær Eksamen 2017I Rettevejledning Operationsanalyse, Ordinær Eksamen 207I Rettevejledning Opgave A Ifølge de givne oplysninger skal der ialt udbringes 000 kg gødning i årets løb. Det fremgår videre af teksten, at der ønskes udbragt en

Læs mere

Oversigt. Kursus 02402 Introduktion til Statistik. Forelæsning 4: Kapitel 5: Kontinuerte fordelinger. Per Bruun Brockhoff. Eksponential fordelingen

Oversigt. Kursus 02402 Introduktion til Statistik. Forelæsning 4: Kapitel 5: Kontinuerte fordelinger. Per Bruun Brockhoff. Eksponential fordelingen Kursus 02402 Introduktion til Statistik Forelæsning 4: Kapitel 5: Kontinuerte fordelinger Per Bruun Brockhoff DTU Compute, Statistik Bygning 305/324 Danmarks Tekniske Universitet 2800 Lyngby Danmark e-mail:

Læs mere

Sandsynlighedsregning

Sandsynlighedsregning Mogens Bladt www2.imm.dtu.dk/courses/02405 12. Oktober, 2007 Kontinuerte fordelinger Vi har hidtil set på fordelinger af stokastiske variable der højst kan antage tælleligt mange værdier (diskrete stokastiske

Læs mere

Ligningssystemer - nogle konklusioner efter miniprojektet

Ligningssystemer - nogle konklusioner efter miniprojektet Ligningssystemer - nogle konklusioner efter miniprojektet Ligningssystemet Ax = 0 har mere end en løsning (uendelig mange) hvis og kun hvis nullity(a) 0 Løsningerne til et konsistent ligningssystem Ax

Læs mere

Kvantitative Metoder 1 - Forår 2007. Dagens program

Kvantitative Metoder 1 - Forår 2007. Dagens program Dagens program Approksimation af binomialsandsynligheder, Afsnit 4.5 Poisson fordeling og Poisson process, Afsnit 4.6 Kontinuerte fordelinger, Afsnit 5.1-5.2: - Fordelingsfunktion - Tæthedsfunktion - Eksempel:

Læs mere

1 Trekantens linjer. Definition af median En median er en linje i en trekant der forbinder en vinkelspids med midtpunktet af modstående side.

1 Trekantens linjer. Definition af median En median er en linje i en trekant der forbinder en vinkelspids med midtpunktet af modstående side. Geometrinoter 1, januar 2009, Kirsten Rosenkilde 1 Geometrinoter 1 Disse noter omhandler grundlæggende sætninger om trekantens linjer, sammenhængen mellem en vinkel og den cirkelbue den spænder over, samt

Læs mere

Betingning med en uafhængig variabel

Betingning med en uafhængig variabel Betingning med en uafhængig variabel Sætning Hvis X er en reel stokastisk variabel med første moment og Y er en stokastisk variabel uafhængig af X, så er E(X Y ) = EX. Bevis: Observer at D σ(y ) har formen

Læs mere

Matematik: Struktur og Form Matrixmultiplikation. Regulære og singulære matricer

Matematik: Struktur og Form Matrixmultiplikation. Regulære og singulære matricer Matematik: Struktur og Form Matrixmultiplikation. Regulære og singulære matricer Martin Raussen Department of Mathematical Sciences Aalborg University 2017 1 / 12 Matrixmultiplikation Am n = [aij ], Bn

Læs mere

ÅRSPLAN MATEMATIK 8. KL SKOLEÅRET 2017/2018

ÅRSPLAN MATEMATIK 8. KL SKOLEÅRET 2017/2018 ÅRSPLAN MATEMATIK 8. KL SKOLEÅRET 2017/2018 Der tages udgangspunkt i forenklede fællesmål fra UVM for matematik på 7-9. Klasse. Ved denne plan skal der tages højde for, at ændringer kan forekomme i løbet

Læs mere

VK#Galla#04/05# #2018#ankomster#

VK#Galla#04/05# #2018#ankomster# VK#Galla#04/05# #2018#ankomster# Tidspunkt# Par#og#Klasse# # 15.00.00# Karen&Holm&Jørgensen&(3.A)&&&Sara&Krarup&Møller&(3.E)&# 15.00.40# Christina&Skøtt&Juul&(3.E)&&&Trine&Nyborg&(3.E)&# 15.01.20# Julie&Munk&Vestergaard&(3.E)&&&Julie&Lund&Fisker&(3.E)&#

Læs mere

1 Beviser for fornyelsessætningen

1 Beviser for fornyelsessætningen Hvordan beviser man fornyelsessætningen? 1 1 Beviser for fornyelsessætningen I dette notat skal vi diskutere, hvorman man kan bevise fornyelsessætningen. Vi vil starte med at se på tilfældet, hvor ventetidsfordelingen

Læs mere

Lineære 1. ordens differentialligningssystemer

Lineære 1. ordens differentialligningssystemer enote enote Lineære ordens differentialligningssystemer Denne enote beskriver ordens differentialligningssystemer og viser, hvordan de kan løses enoten er i forlængelse af enote, der beskriver lineære

Læs mere

Matematisk modellering af en flertrådet server

Matematisk modellering af en flertrådet server Matematisk modellering af en flertrådet server Mathematical modelling of a multithreaded server µ 1 µ 2 µ n µ n+1 1 n λ λ 1 λ n 1 λ n 12 11 Modelleret 1 9 8 7 6 5 4 3 2 1 2 3 4 5 6 7 8 9 1 11 12 13 14

Læs mere

Oversigt. Kursus Introduktion til Statistik. Forelæsning 4: Kapitel 5: Kontinuerte fordelinger

Oversigt. Kursus Introduktion til Statistik. Forelæsning 4: Kapitel 5: Kontinuerte fordelinger Kursus 02402 Introduktion til Statistik Forelæsning 4: Kapitel 5: Kontinuerte fordelinger Rune Haubo B Christensen (based on slides by Per Bruun Brockhoff) DTU Compute, Statistik og Dataanalyse Bygning

Læs mere

Statistik for ankomstprocesser

Statistik for ankomstprocesser Statistik for ankomstprocesser Anders Gorst-Rasmussen 20. september 2006 Resumé Denne note er en kortfattet gennemgang af grundlæggende statistiske værktøjer, man kunne tænke sig brugt til at vurdere rimeligheden

Læs mere

Skriftlig Eksamen ST501: Science Statistik Mandag den 11. juni 2007 kl. 15.00 18.00

Skriftlig Eksamen ST501: Science Statistik Mandag den 11. juni 2007 kl. 15.00 18.00 Skriftlig Eksamen ST501: Science Statistik Mandag den 11. juni 2007 kl. 15.00 18.00 Forskningsenheden for Statistik IMADA Syddansk Universitet Alle skriftlige hjælpemidler samt brug af lommeregner er tilladt.

Læs mere

Algebra - Teori og problemløsning

Algebra - Teori og problemløsning Algebra - Teori og problemløsning, januar 05, Kirsten Rosenkilde. Algebra - Teori og problemløsning Kapitel -3 giver en grundlæggende introduktion til at omskrive udtryk, faktorisere og løse ligningssystemer.

Læs mere

Sandsynlighedsregning 5. forelæsning Bo Friis Nielsen

Sandsynlighedsregning 5. forelæsning Bo Friis Nielsen Sandsynlighedsregning 5. forelæsning Bo Friis Nielsen Matematik og Computer Science Danmarks Tekniske Universitet 2800 Kgs. Lyngby Danmark Email: bfni@dtu.dk Dagens emner afsnit 3.5 og 4.1 Poissonfordelingen

Læs mere

Sandsynlighedsregning 4. forelæsning Bo Friis Nielsen

Sandsynlighedsregning 4. forelæsning Bo Friis Nielsen Sandsynlighedsregning 4. forelæsning Bo Friis Nielsen Anvendt Matematik og Computer Science Danmarks Tekniske Universitet 2800 Kgs. Lyngby Danmark Email: bfni@dtu.dk Dagens emner: Afsnit 3.3 og 3.4 Varians/standardafvigelse

Læs mere

Matricer og lineære ligningssystemer

Matricer og lineære ligningssystemer Matricer og lineære ligningssystemer Grete Ridder Ebbesen Virum Gymnasium Indhold 1 Matricer 11 Grundlæggende begreber 1 Regning med matricer 3 13 Kvadratiske matricer og determinant 9 14 Invers matrix

Læs mere

Kursusgang 3 Matrixalgebra Repetition

Kursusgang 3 Matrixalgebra Repetition Kursusgang 3 Repetition - froberg@mathaaudk http://peoplemathaaudk/ froberg/oecon3 Institut for Matematiske Fag Aalborg Universitet 12 september 2008 1/12 Lineære ligningssystemer Et lineært ligningssystem

Læs mere

t a l e n t c a m p d k Matematik Intro Mads Friis, stud.scient 7. november 2015 Slide 1/25

t a l e n t c a m p d k Matematik Intro Mads Friis, stud.scient 7. november 2015 Slide 1/25 Slide 1/25 Indhold 1 2 3 4 5 6 7 8 Slide 2/25 Om undervisningen Hvorfor er vi her? Slide 3/25 Om undervisningen Hvorfor er vi her? Hvad kommer der til at ske? 1) Teoretisk gennemgang ved tavlen. 2) Instruktion

Læs mere

Statistik og Sandsynlighedsregning 2

Statistik og Sandsynlighedsregning 2 Statistik og Sandsynlighedsregning 2 Uafhængighed og reelle transformationer Helle Sørensen Uge 8, mandag SaSt2 (Uge 8, mandag) Uafh. og relle transf. 1 / 16 Program I dag: Uafhængighed af kontinuerte

Læs mere

Kiosk-modellen (News vendor s model) og EOQ modellen

Kiosk-modellen (News vendor s model) og EOQ modellen Kiosk-modellen (News vendor s model) og EOQ modellen Rasmus Waagepetersen Institut for Matematiske Fag Aalborg Universitet September 17, 2014 1/15 Stokastiske modeller i økonomi Fundamentale modeller i

Læs mere

Sammenhængsanalyser. Et eksempel: Sammenhæng mellem rygevaner som 45-årig og selvvurderet helbred som 51 blandt mænd fra Københavns amt.

Sammenhængsanalyser. Et eksempel: Sammenhæng mellem rygevaner som 45-årig og selvvurderet helbred som 51 blandt mænd fra Københavns amt. Sammenhængsanalyser Et eksempel: Sammenhæng mellem rygevaner som 45-årig og selvvurderet helbred som 51 blandt mænd fra Københavns amt. rygevaner som 45 årig * helbred som 51 årig Crosstabulation rygevaner

Læs mere

Sandsynlighed og Statistik

Sandsynlighed og Statistik 36 Sandsynlighed og Statistik 6.1 Indledning Denne note beskriver de statistiske begreber og formler som man med rimelig sandsynlighed kan komme ud for i eksperimentelle øvelser. Alt er yderst korfattet,

Læs mere

Program. Statistik og Sandsynlighedsregning. Eksempler. Sandsynlighedstæthed og sandsynlighedsmål

Program. Statistik og Sandsynlighedsregning. Eksempler. Sandsynlighedstæthed og sandsynlighedsmål Program Statistik og Sandsynlighedsregning Sandsynlighedstætheder og kontinuerte fordelinger på R Varians og middelværdi Normalfordelingen Susanne Ditlevsen Uge 48, tirsdag Tætheder og fordelingsfunktioner

Læs mere

Oversigt. Course 02402/02323 Introducerende Statistik. Forelæsning 2: Stokastisk variabel og diskrete fordelinger

Oversigt. Course 02402/02323 Introducerende Statistik. Forelæsning 2: Stokastisk variabel og diskrete fordelinger Course 02402/02323 Introducerende Statistik Forelæsning 2: Stokastisk variabel og diskrete fordelinger Klaus K. Andersen og Per Bruun Brockhoff DTU Compute, Statistik og Dataanalyse Danmarks Tekniske Universitet

Læs mere

t a l e n t c a m p d k Matematik Intro Mads Friis, stud.scient 27. oktober 2014 Slide 1/25

t a l e n t c a m p d k Matematik Intro Mads Friis, stud.scient 27. oktober 2014 Slide 1/25 Slide 1/25 Indhold 1 2 3 4 5 6 7 8 Slide 2/25 Om undervisningen Hvorfor er vi her? Hvad kommer der til at ske? 1) Teoretisk gennemgang ved tavlen. 2) Instruktion i eksempler. 3) Opgaveregning. 4) Opsamling.

Læs mere

Sandsynlighedsregning 4. forelæsning Bo Friis Nielsen

Sandsynlighedsregning 4. forelæsning Bo Friis Nielsen Sandsynlighedsregning 4. forelæsning Bo Friis Nielsen Anvendt Matematik og Computer Science Danmarks Tekniske Universitet 2800 Kgs. Lyngby Danmark Email: bfni@dtu.dk Dagens emner: Afsnit 3.3 og 3.4 Varians/standardafvigelse

Læs mere

Sandsynlighedsregning 4. forelæsning Bo Friis Nielsen

Sandsynlighedsregning 4. forelæsning Bo Friis Nielsen Sandsynlighedsregning 4. forelæsning Bo Friis Nielsen Anvendt Matematik og Computer Science Danmarks Tekniske Universitet 2800 Kgs. Lyngby Danmark Email: bfni@dtu.dk Dagens emner: Afsnit 3.3 og 3.4 Varians/standardafvigelse

Læs mere

Elementær sandsynlighedsregning

Elementær sandsynlighedsregning Elementær sandsynlighedsregning Sandsynlighedsbegrebet Et udfaldsrum S er mængden af alle de mulige udfald af et eksperiment. En hændelse A er en delmængde af udfaldsrummet S. Den hændelse, der ikke indeholder

Læs mere

Statistik og Sandsynlighedsregning 2

Statistik og Sandsynlighedsregning 2 Statistik og Sandsynlighedsregning 2 Sandsynlighedstætheder og kontinuerte fordelinger på R Helle Sørensen Uge 6, mandag SaSt2 (Uge 6, mandag) Tætheder og kont. fordelinger 1 / 19 Program Velkommen I dag:

Læs mere

Fortolkning. Foldning af sandsynlighedsmål. Foldning af tætheder. Foldning af Γ-fordelinger Eksempel: Hvis X og Y er uafhængige og. Sætning (EH 20.

Fortolkning. Foldning af sandsynlighedsmål. Foldning af tætheder. Foldning af Γ-fordelinger Eksempel: Hvis X og Y er uafhængige og. Sætning (EH 20. Foldning af sandsnlighedsmål Lad µ og ν være to sandsnlighedsmål på (R, B). Fortolkning Lad φ : R R være φ(, ) = + for (, ) R. Lad X og Y være to reelle stokastiske variable defineret på (Ω, F, P). Definition

Læs mere

CoS. Class of Service. Rasmus Elmholt V1.0

CoS. Class of Service. Rasmus Elmholt V1.0 CoS Class of Service Rasmus Elmholt V1.0 CoS Converged networks IP CoS Converged network ser god ud på papiret Flere netværk bliver samlet i et bærenet Maksimal return of investment Men fordelene forsvinder

Læs mere

Månedlig Driftsstatusrapport IC4 Rapporteringsperiode: januar 2018

Månedlig Driftsstatusrapport IC4 Rapporteringsperiode: januar 2018 Transport-, Bygnings- og Boligministeriet Frederiksholms Kanal 27 F 1220 København K 1. Nuværende indsættelsesplan DSB planlagde i januar måned med en driftspulje på 52 IC4 togsæt, heraf 40 togsæt til

Læs mere

CIVILINGENIØREKSAMEN Side 1 af 16 sider. Skriftlig prøve, den: 20. december 2011 Kursus nr : (navn) (underskrift) (bord nr)

CIVILINGENIØREKSAMEN Side 1 af 16 sider. Skriftlig prøve, den: 20. december 2011 Kursus nr : (navn) (underskrift) (bord nr) CIVILINGENIØREKSAMEN Side 1 af 16 sider Skriftlig prøve, den: 20. december 2011 Kursus nr : 02405 Kursus navn: Sandsynlighedsregning Tilladte hjælpemidler: Alle Dette sæt er besvaret af: (navn) (underskrift)

Læs mere

En oversigt over udvalgte kontinuerte sandsynlighedsfordelinger

En oversigt over udvalgte kontinuerte sandsynlighedsfordelinger Institut for Økonomi Aarhus Universitet Statistik 1, Forår 2001 Allan Würtz 4. April, 2001 En oversigt over udvalgte kontinuerte sandsynlighedsfordelinger Uniform fordeling Benyttes som model for situationer,

Læs mere

Sandsynlighedsregning 10. forelæsning Bo Friis Nielsen

Sandsynlighedsregning 10. forelæsning Bo Friis Nielsen Sandsynlighedsregning 10. forelæsning Bo Friis Nielsen Matematik og Computer Science Danmarks Tekniske Universitet 2800 Kgs. Lyngby Danmark Email: bfni@dtu.dk Dagens emner afsnit 6.1 og 6.2 Betingede diskrete

Læs mere

Konfidensintervaller og Hypotesetest

Konfidensintervaller og Hypotesetest Konfidensintervaller og Hypotesetest Konfidensinterval for andele χ -fordelingen og konfidensinterval for variansen Hypoteseteori Hypotesetest af middelværdi, varians og andele Repetition fra sidst: Konfidensintervaller

Læs mere

Direktionssekretariatet

Direktionssekretariatet Transport-, Bygnings- og Boligministeriet Frederiksholms Kanal 27 F 1220 København K Direktionssekretariatet 1. Nuværende indsættelsesplan DSB planlagde i februar måned med en driftspulje på 52 IC4 togsæt,

Læs mere

Center for Statistik. Multipel regression med laggede responser som forklarende variable

Center for Statistik. Multipel regression med laggede responser som forklarende variable Center for Statistik Handelshøjskolen i København MPAS Tue Tjur November 2006 Multipel regression med laggede responser som forklarende variable Ved en tidsrække forstås i almindelighed et datasæt, der

Læs mere

Oversigt. Kursus Introduktion til Statistik. Forelæsning 2: Kapitel 4, Diskrete fordelinger. Per Bruun Brockhoff. Stokastiske Variable

Oversigt. Kursus Introduktion til Statistik. Forelæsning 2: Kapitel 4, Diskrete fordelinger. Per Bruun Brockhoff. Stokastiske Variable Kursus 02402 Introduktion til Statistik Forelæsning 2: Kapitel 4, Diskrete fordelinger Per Bruun Brockhoff DTU Compute, Statistik og Dataanalyse Bygning 324, Rum 220 Danmarks Tekniske Universitet 2800

Læs mere

NB: KUN DE HVIDE FELTER SKAL UDFYLDES DE ANDRE INDEHOLDER FORMLER BILAG NSTmarts 2011 ark VMPIIvådområdeprojekt, kvælstofberegning Projekt: Hjeds Sø

NB: KUN DE HVIDE FELTER SKAL UDFYLDES DE ANDRE INDEHOLDER FORMLER BILAG NSTmarts 2011 ark VMPIIvådområdeprojekt, kvælstofberegning Projekt: Hjeds Sø Projekt: Hjeds Sø OPGØRELSE AF TILFØRSEL/UDVASKNING FRA VANDLØBSOPLAND, DIREKTE OPLAND OG PROJEKTOMRÅDE Tilførsler: Vandløboplandet Beregnes på baggrund af oplandsarealet eller målt Nudvaskning f.eks.

Læs mere

Løsninger til kapitel 5

Løsninger til kapitel 5 1 Løsninger til kapitel 5 Opgave 51 Det nemmeste er her at omskrive alle sandsynlighederne til differenser mellem kumulerede sandsynligheder, dvs af sandsynligheder af formen, og derefter beregne disse

Læs mere

Teoretisk Statistik, 13 april, 2005

Teoretisk Statistik, 13 april, 2005 Poissonprocessen Teoretisk Statistik, 13 april, 2005 Setup og antagelser Fordelingen af X(t) og et eksempel Ventetider i poissonprocessen Fordeling af ventetiden T 1 til første ankomst Fortolkning af λ

Læs mere

Modul 2: Sandsynlighedsmodeller og diskrete stokastiske variable

Modul 2: Sandsynlighedsmodeller og diskrete stokastiske variable Forskningsenheden for Statistik ST501: Science Statistik Bent Jørgensen Modul 2: Sandsynlighedsmodeller og diskrete stokastiske variable 2.1 Sandsynlighedsbegrebet............................... 1 2.1.1

Læs mere

Rettevejledning til Kvantitative metoder 1, 2. årsprøve 18. juni timers prøve med hjælpemidler

Rettevejledning til Kvantitative metoder 1, 2. årsprøve 18. juni timers prøve med hjælpemidler Rettevejledning til Kvantitative metoder 1, 2. årsprøve 18. juni 2007 4 timers prøve med hjælpemidler Opgaven består af re delopgaver, som alle skal besvares. De re opgaver indgår med samme vægt. Opgaverne

Læs mere

Sandsynlighedsregning 10. forelæsning Bo Friis Nielsen

Sandsynlighedsregning 10. forelæsning Bo Friis Nielsen Sandsynlighedsregning 10. forelæsning Bo Friis Nielsen Matematik og Computer Science Danmarks Tekniske Universitet 2800 Kgs. Lyngby Danmark Email: bfni@dtu.dk Dagens emner afsnit 6.1 og 6.2 Betingede diskrete

Læs mere

Forelæsning 2: Kapitel 4, Diskrete fordelinger

Forelæsning 2: Kapitel 4, Diskrete fordelinger Kursus 02402 Introduktion til Statistik Forelæsning 2: Kapitel 4, Diskrete fordelinger Per Bruun Brockhoff DTU Compute, Statistik og Dataanalyse Bygning 324, Rum 220 Danmarks Tekniske Universitet 2800

Læs mere

Landmålingens fejlteori Lektion 1 Det matematiske fundament Kontinuerte stokastiske variable

Landmålingens fejlteori Lektion 1 Det matematiske fundament Kontinuerte stokastiske variable Landmålingens fejlteori Lektion 1 Det matematiske fundament Kontinuerte stokastiske variable - rw@math.aau.dk Institut for Matematiske Fag Aalborg Universitet 1/41 Landmålingens fejlteori - lidt om kurset

Læs mere

Program. Statistik og Sandsynlighedsregning 2 Middelværdi og varians. Eksempler fra sidst. Sandsynlighedstæthed og sandsynlighedsmål

Program. Statistik og Sandsynlighedsregning 2 Middelværdi og varians. Eksempler fra sidst. Sandsynlighedstæthed og sandsynlighedsmål Program Statistik og Sandsynlighedsregning 2 Middelværdi og varians Helle Sørensen Uge 6, onsdag I formiddag: Tætheder og fordelingsfunktioner kort resume fra i mandags og et par eksempler mere om sammenhængen

Læs mere

Statistik og Sandsynlighedsregning 2

Statistik og Sandsynlighedsregning 2 Statistik og Sandsynlighedsregning 2 Middelværdi og varians Helle Sørensen Uge 6, onsdag SaSt2 (Uge 6, onsdag) Middelværdi og varians 1 / 18 Program I formiddag: Tætheder og fordelingsfunktioner kort resume

Læs mere

Direktionssekretariatet

Direktionssekretariatet Transport-, Bygnings- og Boligministeriet Frederiksholms Kanal 27 F 1220 København K 1. Nuværende indsættelsesplan DSB planlagde i april måned med en driftspulje på 52 IC4 togsæt, heraf 37 togsæt til indsættelse

Læs mere

Formler, ligninger, funktioner og grafer

Formler, ligninger, funktioner og grafer Formler, ligninger, funktioner og grafer Omskrivning af formler, funktioner og ligninger... 1 Grafisk løsning af ligningssystemer... 1 To ligninger med to ubekendte beregning af løsninger... 15 Formler,

Læs mere

Sandsynlighedsregning 10. forelæsning Bo Friis Nielsen

Sandsynlighedsregning 10. forelæsning Bo Friis Nielsen Sandsynlighedsregning 0. forelæsning Bo Friis Nielsen Matematik og Computer Science Danmarks Tekniske Universitet 800 Kgs. Lyngby Danmark Email: bfni@dtu.dk Dagens emner afsnit 6. og 6. Betingede diskrete

Læs mere

Billedbehandling og mønstergenkendelse: Lidt elementær statistik (version 1)

Billedbehandling og mønstergenkendelse: Lidt elementær statistik (version 1) ; C ED 6 > Billedbehandling og mønstergenkendelse Lidt elementær statistik (version 1) Klaus Hansen 24 september 2003 1 Elementære empiriske mål Hvis vi har observationer kan vi udregne gennemsnit og varians

Læs mere