Mikroøkonomi Projektopgave: Valg Under Usikkerhed

Størrelse: px
Starte visningen fra side:

Download "Mikroøkonomi Projektopgave: Valg Under Usikkerhed"

Transkript

1 Mikroøkonomi Projektopgave: Valg Under Usikkerhed Peter Norman Sørensen, Økonomisk Institut Forår Formalia [10 minutter] Denne obligatoriske projektopgave er en guide til selvstudium af kapitel 6A D. Projektets omfang er 1,5 ECTS og det udgør dermed 1/3 af to ugers fuldt arbejde, her omregnet til 24 timer og 40 minutter. I den forbindelse aflyses fire forelæsningsgange,mens to øvelsesgange erstattes af uformel hjælp til projektet. Nedenfor er angivet estimerede arbejdstider på forskellige dele af projektet det antages at øvelsestimerne benyttes effektivt til at komme videre i projektet, så der er kun afsat et ekstra tidsforbrug på 2timertildisse. Projektet skal munde ud i en kort skriftlig aflevering cirka 10 sider (hvis håndskrevet). Nedenfor er tydeligt markeret hvilke spørgsmål, der ønskes skriftligt besvaret. Det er tilladt at samarbejde om projektet, men de skriftlige besvarelser skal udarbejdes selvstændigt. Det er dog tilladt at grupper på 2 studerende kan aflevere en fælles besvarelse. Det afleverede skal godkendes som en forudsætning for at kunne gå til mundtlig eksamen. Hvis det bliver afvist kan projektet genafleveres en gang indenfor en individuelt aftalt tidsfrist. Fristen for aflevering er kl den 29. april Opgaven afleveres til forelæseren. 2. Afsnit 6.A [30 minutter] Læs dette afsnit for at få en introduktion til kapitlets indhold. Formålet med kapitlet er at udvikle en teori om hvordan forbrugere forholder sig i en usikker verden. I har tidligere fået en simpel indledning til dette emne i Varians kapitel 12. Denne projektopgave koncentrerer sig om afsnit 6.B og 6.C. 1

2 Projektopgave Mikro F Afsnit 6.B [8 timer og 30 minutter] Under visse antagelser om præferencerne (antagelser som virker plausible netop når der er tale om usikkerhed), kan de repræsenteres ved en nyttefunktion på en særlig form. Proposition 6.B.3 siger således at denne nyttefunktion kan opfattes som den forventede værdi af nogle nyttetal, som er knyttet til de mulige udfald. 3.1 Side [1 time] Sæt dig grundigt ind i denne beskrivelse af lotterier hele kapitlet handler om dem. 3.2 Side [1 time] Vi har fået introduceret lotterierne, som en beslutningstager kan vælge imellem, og for at modellere beslutningstagerens valg, introduceres hans præferencer. Uafhængighedsantagelsen i definition 6.B.4 knytter sig specielt til valget imellem lotterier. Den vil spille en central rolle i Proposition 6.B * Opgave til skriftlig besvarelse [1 time, 1 side] Betragt mængden L = af simple lotterier med udfald i den endelige mængde C. Lad % være en rationel præferencerelation over L. (a) Begrund at simpleksets hjørner må kunne rangordnes under %, og at vi derfor kan om-nummerere det endelige antal hjørner i rangorden, således at e N % % e 1. (b) Antag at % opfylder uafhængighedsaksiomet. Vis at e N % L % e 1 for alle L L. 3.4 Side [90 minutter] Dette afsnit fokuserer på nyttefunktioner på forventet-nytte form, og refererer kun perifert til præferencerne. Læs afsnittet og dets beviser. Bemærk at ligning (6.B.1) udtrykker at funktionen U er affin i L, selvom bogen med an almindelig misbrug af sproget kalder det for linearitet. Ligeledes er transformationerne i proposition 6.B.2 affine, ikke blot lineære. 3.5 Side [2 timer] Her er kapitlets hovedresultat. Rationelle præferencer, der er kontinuerte og opfylder uafhængighedsegenskaben, kan repræsenteres med en nyttefunktion på forventet-nytte form. Læs beviset for dette resultat grundigt.

3 Projektopgave Mikro F * Opgave til skriftlig besvarelse [30 minutter, 1/2 side] Allernederst på side 177 er vi kommet frem til indifferensen βl +(1 β) L 0 [βu (L)+(1 β) U (L 0 )] L +[1 βu (L) (1 β) U (L 0 )] L. Forklar udførligt hvordan man slutter fra denne indifferens til konklusionen øverst side 178, at U (βl +(1 β) L 0 )=βu(l)+(1 β) U (L 0 ). 3.7 Side [90 minutter] Resten af afsnittet diskuterer rimeligheden af teorien om forventet nytte. Fordyb dig ikke i dette afsnit nu, men bemærk hovedbudskabet at der er sået alvorlig tvivl om anvendeligheden af denne teori. Den ene Nobelprismodtager indenfor økonomi i år 2002 var Daniel Kahnemann, som gennem psykologiske eksperimenter har søgt at give et empirisk grundlag hvorpå man kunne bygge mere raffinerede teorier om valg under usikkerhed. 4. Afsnit 6.C [7 timer og 30 minutter] Her bruges modellen fra 6.B med et helt bestemt udfaldsrum: et udfald identificeres med den pengemængde, lotteriet udbetaler. I dette tilfælde kan man tale om at en forventetnytte-maksimerende beslutningstager er risikoavers, dvs. ikke ønsker at påtage sig risiko. Risikoaversion karakteriseres (prop. 6.C.1), det modelleres at en beslutningstager er mere risikoavers end en anden beslutningstager (prop. 6.C.2), og der overvejes to modeller for hvordan en beslutningstagers risikoattitude kan variere med lotteriets gennemsnitlige gevinst (prop. 6.C.3 og 6.C.4). 4.1 Side [1 time] Læs dette afsnit, der introducerer grundmodellen for afsnittene 6.C og 6.D. 4.2 Side (indtil eksemplerne) [90 minutter] Her defineres og karakteriseres risikoaversion. Dette er en ganske udbredt antagelse i anvendelser af teorien om forventet nytte.

4 Projektopgave Mikro F Side [1 time] Læskortdetreeksemplerpåanvendelser af teorien (eksempel 6.C.3 er egentlig blot en fortsættelse af eksempel 6.C.2). Forsikringseksemplet er meget lig med en gennemgang fra Varians kapitel 12. Eksemplet med efterspørgsel efter et risikofyldt finansielt aktiv modellerer investering ud fra et mikro-synspunkt. 4.4* Opgave til skriftlig besvarelse [2 timer, 3 sider] Antag at der findes to aktiver. Det første er risikofrit og yder altid 1. Det andet aktiv giverafkast a hhv. b med sandsynlighed π hhv. 1 π. Lad(x 1,x 2 ) betegne et bundt af de to aktiver. En risikoavers beslutningstager har præferencer på forventet nytteform. Hans formue er 1, og det er priserne på aktiverneogså.budgetteteraltså x 1 + x 2 =1,hvorx 1,x 2 0. (a) Opskriv beslutningstagerens nyttemaksimeringsproblem. (b) Giv en simpel nødvendig betingelse (der kun afhænger af a og b) for at der er positiv efterspørgsel efter det risikofri aktiv. (c) Giv en simpel nødvendig betingelse (der kun afhænger af a, b og π) for at der er positiv efterspørgsel efter det risikable aktiv. Herefter antages det, at betingelserne fra (b) og (c) er opfyldte, samt at a<1. (d) Opskriv førsteordensbetingelsen for nyttemaksimering. (e) Vis (ved at analysere førsteordensbetingelsen med sætningen om den implicit givne funktion) at dx 1 /da 0. Fortolk! (f) Hvilket fortegn vil du formode at dx 1 /dπ har? Fortolk! (g) Bevis din formodning fra (f) ved hjælp af førsteordensbetingelsen. 4.5 Side [1 time] Her sammenlignes to beslutningstageres risikoaversion. Brug ikke for lang tid på at læse dette. 4.6 Side [1 time] Her defineres og karakteriseres begreberne aftagende absolut risikoaversion og aftagende relativ risikoaversion. Brug ikke lang tid på at læse dette.

5 Projektopgave Mikro F Afsnit 6.D [2 timer] Der fortsættes med modellen fra 6.C. Da man i mange anvendelser ser på risikoaverse forventet-nytte beslutningstagere, er det relevant at kunne karakterisere hvilke lotterier de foretrækker. 5.1 Side [1 time] Der introduceres begrebet første-ordens stokastisk dominans. Ud fra fordelingsfunktionerne er det enkelt at afgøre om et lotteri stokastisk dominerer et andet ud fra dette begreb (figur 6.D.1) sandsynlighederne er skiftet over i retning af de højere gevinster. Denne dominans er ensbetydende med at alle forventet-nytte beslutningstagere med voksende Bernoulli-funktioner vil foretrække det dominerende lotteri. 5.2 Side [1 time] På tilsvarende vis introduceres anden-ordens stokastisk dominans. Ud fra fordelingsfunktionerne er det relativt enkelt at afgøre om et lotteri dominerer et andet ud fra dette begreb (ulighed 6.D.2) sandsynlighederne er rykket ind imod de mere gennemsnitlige gevinster. Dette er ensbetydende med at alle risikoaverse forventet-nytte beslutningstagere med voksende Bernoulli-funktioner vil foretrække det dominerende lotteri. 6*. Afsluttende opgave til skriftlig besvarelse [4 timer, 5 sider] Denne opgave bygger på afsnit 6.C og bibringer modellen et simpelt markedsaspekt. To individer, A og B, maksimerer begge forventet nytte, og har begge Bernoulli nyttefunktion u(x) = e x over slutformuer i R. De er uenige om sandsynligheden for en nært forestående begivenhed, E. Der er to mulige tilstande: begivenheden vil enten indtræffe eller ikke indtræffe. Tænk gerne på E som hændelsen Brøndby vinder sin næste fodboldkamp hvor alternativet er, at Brøndby spiller uafgjort eller taber. Individ A mener at sandsynligheden for E er α, hvorb mener at sandsynligheden er β. Der gælder 1 > α > β > 0. Individ A har som udgangspunkt en formue x A R, ogb har formue x B R. De to har tænkt sig at indgå etvæddemål med odds p : 1 for at E indtræffer. Det betyder i vores model, at hvis man har taget en enhed af væddemålet, så vinderman1hvis

6 Projektopgave Mikro F03 6 E indtræffer, og man taber p hvis E ikke indtræffer. Individerne er pristagende, hvilket i denne sammenhæng betyder at de vædder som om p er givet. (a) Forgivetværdiafp > 0, hvor mange enheder af væddemålet vil A optimalt tage? Bemærk, at svaret ikke afhænger af x A. Vink: Antag at A har taget y R enheder af væddemålet. Hvilket lotteri over slut-formuer står A så med, og hvad er den forventede nytte af dette lotteri? Maksimer denne nytte i y. (b) For givet værdi af p > 0, hvor mange enheder af væddemålet vil B optimalt tage? (c) Svarene i (a) og (b) giver efterspørgsler y A (p) ogy B (p). Hvis de to skal vædde med hinanden, må der gælde ligevægtsbetingelsen y A (p) = y B (p). Løs denne ligning i p. (d) Med svaret fra (c), gør rede for at β/(1 β) <p<α/(1 α). (e) Hvem påtager sig en positiv mængde af væddemålet, A eller B? Er dette intuitivt klart, når α > β? Relater til eksemplet med en fodboldkamp. Initialt har de to individer en risikofri formue. Nyttefunktionen er konkav, så deer risikoaverse. Ikke desto mindre er resultatet på opgave 2, at begge individer frivilligt indgår et væddemål,hvorefterderesslutformuervilværerisikofyldte.dettefænomenvilvinu søge en uddybende forklaring på. Definer π > 0 ved ligningen p = π/ (1 π). (f) Løs ligningen, så dufinder π som funktion af p. Checkatβ < π < α, idet (d) benyttes. (g) Lad en fiktiv person anse begivenheden E for at have sandsynlighed π. Visdaat væddemålet med odds p : 1 er aktuarisk fair det har forventet værdi 0. (h) Det ene individ har påtaget sig en positiv mængde af væddemålet. Vis nu at dette individ forventer et positivt afkast af væddemålet. (i) Vis ligeledes, at det andet individ forventer et positivt afkast af sin (negative) side af væddemålet. (j) Med relation til eksemplerne i 6.C, konkluder at det ikke er underligt at både A og B påtager sig et risikabelt afkast. SLUT

Kapitel 12: Valg under usikkerhed

Kapitel 12: Valg under usikkerhed 1 November 25, 2008 2 Usikkerhed Usikre faktorer: Fremtidige priser Fremtidig (real)indkomst Vejret Andre agenters handlinger (strategisk interaktion).... Håndtering af usikkerhed: Forsikring (sundhed,

Læs mere

Planen idag. Fin1 (mandag 16/2 2009) 1

Planen idag. Fin1 (mandag 16/2 2009) 1 Planen idag Porteføljeteori; kapitel 9 Noterne Moralen: Diversificer! Algebra: Portefølje- og lineær. Nogenlunde konsistens med forventet nyttemaksimering Middelværdi/varians-analyse Fin1 (mandag 16/2

Læs mere

Rettevejledning til 1. obligatoriske opgave Beslutninger og strategi

Rettevejledning til 1. obligatoriske opgave Beslutninger og strategi Rettevejledning til. obligatoriske opgave Beslutninger og strategi Christian S. Liebing og Tobias N. Thygesen Forår 00. version. Opgave Betragter en agent med vnm-præferencer. Vi får oplyst, at agenten

Læs mere

2 Risikoaversion og nytteteori

2 Risikoaversion og nytteteori 2 Risikoaversion og nytteteori 2.1 Typer af risikoholdninger: Normalt foretages alle investeringskalkuler under forudsætningen om fuld sikkerhed om de fremtidige betalingsstrømme. I virkelighedens verden

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

Kapitel 4: Nyttefunktioner

Kapitel 4: Nyttefunktioner Kapitel 4: Nyttefunktioner Hvad er nytte? - det gamle syn: 1. Nytte betragtet som en indikator for et individs overordnede velfærd. 2. Nytten er kardinal: Størrelsen på nyttedifferencer har betydning.

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

NATURVIDENSKABELIG KANDIDATEKSAMEN VED KØBENHAVNS UNIVERSITET. MI 2007 Obligatorisk opgave 4

NATURVIDENSKABELIG KANDIDATEKSAMEN VED KØBENHAVNS UNIVERSITET. MI 2007 Obligatorisk opgave 4 NATURVIDENSKABELIG KANDIDATEKSAMEN VED KØBENHAVNS UNIVERSITET. MI 2007 Obligatorisk opgave 4 Sættet består af 3 opgaver med ialt 15 delopgaver. Besvarelsen vil blive forkastet, medmindre der er gjort et

Læs mere

Kvantitative metoder 1

Kvantitative metoder 1 Forår 2007 Kvantitative metoder 1 5. februar 2007 Præsentation af forelæserne Forelæser: Dorte Grinderslev Specialkonsulent i det økonomiske råd Mette Ejrnæs Lektor ved Økonomisk Institut Kontor på Bispetorvet,

Læs mere

Aarhus Universitet 5. februar Meddelelse 2

Aarhus Universitet 5. februar Meddelelse 2 fdeling for Teoretisk Statistik IOSTTISTIK Institut for Matematiske Fag Preben læsild arhus Universitet 5. februar 2003 Meddelelse 2 Forelæsningerne i uge 6 (3-7.2) Ved forelæsningen den 4.2 gav Frank

Læs mere

Introduktion til sandsynlighedsregning

Introduktion til sandsynlighedsregning Jens E. Overø Introduktion til sandsynlighedsregning Samfundslitteratur Jens E.Overø Introduktion til sandsynlighedsregning 1. udgave 1992 1. udgave, 2. oplag 2001 Samfundslitteratur 2001 Grafisk tilrettelæggelse:

Læs mere

Bilag I. ~ i ~ Oversigt BILAG II MATEMATISK APPENDIKS. The Prisoner s Dilemma THE PRISONER S DILEMMA INTRODUKTION I RELATION TIL SAMORDNET PRAKSIS

Bilag I. ~ i ~ Oversigt BILAG II MATEMATISK APPENDIKS. The Prisoner s Dilemma THE PRISONER S DILEMMA INTRODUKTION I RELATION TIL SAMORDNET PRAKSIS Oversigt BILAG I I THE PRISONER S DILEMMA INTRODUKTION I RELATION TIL SAMORDNET PRAKSIS I I II BILAG II III GENNEMSIGTIGHEDENS BETYDNING III MATEMATISK APPENDIKS V GENERELT TILBAGEDISKONTERINGSFAKTOREN

Læs mere

Økonometri 1. Den simple regressionsmodel 11. september Økonometri 1: F2

Økonometri 1. Den simple regressionsmodel 11. september Økonometri 1: F2 Økonometri 1 Den simple regressionsmodel 11. september 2006 Dagens program Den simple regressionsmodel SLR : Én forklarende variabel (Wooldridge kap. 2.1-2.4) Motivation for gennemgangen af SLR Definition

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

4 Oversigt over kapitel 4

4 Oversigt over kapitel 4 IMM, 2002-09-14 Poul Thyregod 4 Oversigt over kapitel 4 Introduktion Hidtil har vi beskæftiget os med data. Når data repræsenterer gentagne observationer (i bred forstand) af et fænomen, kan det være bekvemt

Læs mere

Kønsproportion og familiemønstre.

Kønsproportion og familiemønstre. Københavns Universitet Afdeling for Anvendt Matematik og Statistik Projektopgave forår 2005 Kønsproportion og familiemønstre. Matematik 2SS Inge Henningsen februar 2005 Indledning I denne opgave undersøges,

Læs mere

Statistik og Sandsynlighedsregning 2

Statistik og Sandsynlighedsregning 2 Statistik og Sandsynlighedsregning 2 Lineære transformationer, middelværdi og varians Helle Sørensen Uge 8, onsdag SaSt2 (Uge 8, onsdag) Lineære transf. og middelværdi 1 / 15 Program I formiddag: Fordeling

Læs mere

Kvantitative Metoder 1 - Forår Dagens program

Kvantitative Metoder 1 - Forår Dagens program Dagens program Afsnit 3.1-3.2 Middelværdi -Definition - Regneregler Betinget middelværdi Middelværdier af funktioner af stokastiske variabler Loven om den itererede middelværdi Eksempler 1 Beskrivelse

Læs mere

Investerings- og finansieringsteori

Investerings- og finansieringsteori Sidste gang: Beviste hovedsætningerne & et nyttigt korollar 1. En finansiel model er arbitragefri hvis og kun den har et (ækvivalent) martingalmål, dvs. der findes et sandsynlighedsmål Q så S i t = E Q

Læs mere

Kontrakter med moralfare

Kontrakter med moralfare Kontrakter med moralfare Birgitte Sloth Økonomisk Institut, Københavns Universitet 22. august 2000 1 Introduktion Som forklaret i Kreps kapitel 16 taler vi om moralfare ( moral hazard ), når en agent træffer

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

MM501 forelæsningsslides

MM501 forelæsningsslides MM501 forelæsningsslides uge 40, 2010 Produceret af Hans J. Munkholm bearbejdet af JC 1 Separabel 1. ordens differentialligning En generel 1. ordens differentialligning har formen s.445-8 dx Eksempler

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

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

Oversigt. Kursus Introduktion til Statistik. Forelæsning 3: Kapitel 5: Kontinuerte fordelinger. Per Bruun Brockhoff.

Oversigt. Kursus Introduktion til Statistik. Forelæsning 3: Kapitel 5: Kontinuerte fordelinger. Per Bruun Brockhoff. Kursus 242 Introduktion til Statistik Forelæsning 3: Kapitel 5: Kontinuerte fordelinger Per Bruun Brockhoff DTU Compute, Statistik Bygning 35/324 Danmarks Tekniske Universitet 28 Lyngby Danmark e-mail:

Læs mere

Vurderinger af tid i trafikken

Vurderinger af tid i trafikken En empirisk undersøgelse af Vurderinger af tid i trafikken Adfærd i trafikken Adfærd udtryk for informationsbearbejdning Automatiske Kontrollerede Hurtig bearbejdning Svære at modificere Perceptuelt indhold

Læs mere

Forbrugeroverskud, ækvivalerende og kompenserende variationer

Forbrugeroverskud, ækvivalerende og kompenserende variationer Forbrugeroverskud, ækvivalerende og kompenserende variationer Introduktion Undervisningsnote til Mikro A, af Ole Kveiborg og Michael Teit Nielsen Vi har kigget en hel del på, hvordan forbrugeren reagerer

Læs mere

Forelæsning 3: Kapitel 5: Kontinuerte fordelinger

Forelæsning 3: Kapitel 5: Kontinuerte fordelinger Kursus 02402 Introduktion til Statistik Forelæsning 3: Kapitel 5: Kontinuerte fordelinger Per Bruun Brockhoff DTU Compute, Statistik og Dataanalyse Bygning 324, Rum 220 Danmarks Tekniske Universitet 2800

Læs mere

Skriftlig Eksamen Diskret Matematik (DM528)

Skriftlig Eksamen Diskret Matematik (DM528) Skriftlig Eksamen Diskret Matematik (DM528) Institut for Matematik & Datalogi Syddansk Universitet Tirsdag den 20 Januar 2009, kl. 9 13 Alle sædvanlige hjælpemidler (lærebøger, notater etc.) samt brug

Læs mere

Kapitel 4: Nyttefunktioner. Hvad er nytte? - det gamle syn:

Kapitel 4: Nyttefunktioner. Hvad er nytte? - det gamle syn: Kapitel 4: Nyttefunktioner Hvad er nytte? - det gamle syn: 1. Nytte er en indikator for et individs overordnede velfærd. 2. Nytten måles for eksempel på en skala fra 0 til 100. 3. Skalaen er kardinal:

Læs mere

Kvantitative Metoder 1 - Efterår Dagens program

Kvantitative Metoder 1 - Efterår Dagens program Dagens program Afsnit 3.1-3.2 Middelværdi -Definition - Regneregler Betinget middelværdi Middelværdier af funktioner af stokastiske variable Loven om den itererede middelværdi Eksempler 1 Beskrivelse af

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

Statistik Lektion 1. Introduktion Grundlæggende statistiske begreber Deskriptiv statistik Sandsynlighedsregning

Statistik Lektion 1. Introduktion Grundlæggende statistiske begreber Deskriptiv statistik Sandsynlighedsregning Statistik Lektion 1 Introduktion Grundlæggende statistiske begreber Deskriptiv statistik Sandsynlighedsregning Introduktion Kasper K. Berthelsen, Inst f. Matematiske Fag Omfang: 8 Kursusgang I fremtiden

Læs mere

MM501/MM503 forelæsningsslides

MM501/MM503 forelæsningsslides MM501/MM503 forelæsningsslides uge 50, 2009 Produceret af Hans J. Munkholm 1 Separabel 1. ordens differentialligning En generel 1. ordens differentialligning har formen dx Eksempler = et udtryk, der indeholder

Læs mere

Meddelelse 2. Forelæsningerne i uge 6 ( ) Gennemgangen af BPT fortsættes. Vi afslutter Kapitel 4 og når sikkert et godt stykke ind i Kapitel 5.

Meddelelse 2. Forelæsningerne i uge 6 ( ) Gennemgangen af BPT fortsættes. Vi afslutter Kapitel 4 og når sikkert et godt stykke ind i Kapitel 5. Institut for Matematiske Fag arhus Universitet STTISTIK(2003-ordning) Jens Ledet Jensen Jørgen Granfeldt 2. februar 2006 Meddelelse 2 Forelæsningerne i uge 5 (30.1 5.2) Ved forelæsningen mandag den 30.

Læs mere

Skriftlig Eksamen Kombinatorik, sandsynlighed og randomiserede algoritmer (DM528)

Skriftlig Eksamen Kombinatorik, sandsynlighed og randomiserede algoritmer (DM528) Skriftlig Eksamen Kombinatorik, sandsynlighed og randomiserede algoritmer (DM528) Institut for Matematik & Datalogi Syddansk Universitet Mandag den 3 Januar 2011, kl. 9 13 Alle sædvanlige hjælpemidler

Læs mere

Additionsformlerne. Frank Villa. 19. august 2012

Additionsformlerne. Frank Villa. 19. august 2012 Additionsformlerne Frank Villa 19. august 2012 2008-2011. Dette dokument må kun anvendes til undervisning i klasser som abonnerer på MatBog.dk. Se yderligere betingelser for brug her. Indhold 1 Introduktion

Læs mere

NATURVIDENSKABELIG KANDIDATEKSAMEN VED KØBENHAVNS UNIVERSITET INVESTERINGS- OG FINANSIERINGSTEORI

NATURVIDENSKABELIG KANDIDATEKSAMEN VED KØBENHAVNS UNIVERSITET INVESTERINGS- OG FINANSIERINGSTEORI NATURVIDENSKABELIG KANDIDATEKSAMEN VED KØBENHAVNS UNIVERSITET INVESTERINGS- OG FINANSIERINGSTEORI 4 timers skriftlig eksamen, 9-13, tirsdag 16/6 2003. Ingen hjælpemidler (blyant & lommeregner dog tilladt).

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

Statistiske modeller

Statistiske modeller Statistiske modeller Statistisk model Datamatrice Variabelmatrice Hændelse Sandsynligheder Data Statistiske modeller indeholder: Variable Hændelser defineret ved mulige variabel værdier Sandsynligheder

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

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. Et sandsynlighedsmål er en

Læs mere

Heuristikker og biases: Beslutninger og valg

Heuristikker og biases: Beslutninger og valg Heuristikker og biases: Beslutninger og valg Erik Gahner Larsen Adfærdsorienteret offentlig politik 1 / 37 Dagsorden Praktisk info og opsamling Beslutninger Usikkerhed og risici Følelser Prospect theory

Læs mere

Fagårsplan 10/11 Fag: Matematik Klasse: 8.A Lærer: Henrik Stillits Fagområde/ emne Færdighedsregning - Typer af opgaver - Systematik

Fagårsplan 10/11 Fag: Matematik Klasse: 8.A Lærer: Henrik Stillits Fagområde/ emne Færdighedsregning - Typer af opgaver - Systematik Fagårsplan 10/11 Fag: Matematik Klasse: 8.A Lærer: Henrik Stillits Fagområde/ emne Færdighedsregning - Typer af opgaver - Systematik Periode Mål Eleverne skal: 32/33 Få kendskab til opgavetypen og få rutine.

Læs mere

Hypotesetest. Altså vores formodning eller påstand om tingens tilstand. Alternativ hypotese (hvis vores påstand er forkert) H a : 0

Hypotesetest. Altså vores formodning eller påstand om tingens tilstand. Alternativ hypotese (hvis vores påstand er forkert) H a : 0 Hypotesetest Hypotesetest generelt Ingredienserne i en hypotesetest: Statistisk model, f.eks. X 1,,X n uafhængige fra bestemt fordeling. Parameter med estimat. Nulhypotese, f.eks. at antager en bestemt

Læs mere

Overheads til forelæsninger, mandag 5. uge På E har vi en mængde af mulige sandsynlighedsfordelinger for X, (P θ ) θ Θ.

Overheads til forelæsninger, mandag 5. uge På E har vi en mængde af mulige sandsynlighedsfordelinger for X, (P θ ) θ Θ. Statistiske modeller (Definitioner) Statistik og Sandsynlighedsregning 2 IH kapitel 0 og En observation er en vektor af tal x (x,..., x n ) E, der repræsenterer udfaldet af et (eller flere) eksperimenter.

Læs mere

Prøvebestemmelser NATURFAG for elever på Trin 2, Social- og sundhedsassistent med start marts 2015

Prøvebestemmelser NATURFAG for elever på Trin 2, Social- og sundhedsassistent med start marts 2015 Prøvebestemmelser NATURFAG for elever på Trin 2, Social- og sundhedsassistent med start marts 2015 Naturfagsprøve Der afholdes prøve på niveau C. Adgang til prøve For at kunne indstille eleven til prøve

Læs mere

Solidaritet, risikovillighed og partnerskønhed

Solidaritet, risikovillighed og partnerskønhed Rockwool Fondens Forskningsenhed Arbejdspapir 36 Solidaritet, risikovillighed og partnerskønhed Jens Bonke København 1 Solidaritet, risikovillighed og partnerskønhed Arbejdspapir 36 Udgivet af: Rockwool

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

Sandsynlighedsteori. Sandsynlighedsteori. Sandsynlighedsteori Et eksperiment beskrives af et udfaldsrum udstyret med et. Et Bayesiansk argument

Sandsynlighedsteori. Sandsynlighedsteori. Sandsynlighedsteori Et eksperiment beskrives af et udfaldsrum udstyret med et. Et Bayesiansk argument Sandsynlighedsteori Sandsynlighedsteori Et eksperiment beskrives af et udfaldsrum udstyret med et sandsynlighedsmål, (, E, ν). Et eksperiment beskrives af et udfaldsrum udstyret med et sandsynlighedsmål,

Læs mere

Statistik og Sandsynlighedsregning 2

Statistik og Sandsynlighedsregning 2 Statistik og Sandsynlighedsregning 2 Normalfordelingens venner og bekendte Helle Sørensen Uge 9, onsdag SaSt2 (Uge 9, onsdag) Normalfordelingens venner 1 / 20 Program Resultaterne fra denne uge skal bruges

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

matematik-økonomi-studerende

matematik-økonomi-studerende matematik-økonomi-studerende Første studieår Introduktion til matematiske metoder i økonomi Skriftlig prøveeksamen december 2012 med korte svar Dato: selvvalgt Tidspunkt: varighed 4 timer Tilladte hjælpemidler:

Læs mere

Skriftlig Eksamen Kombinatorik, sandsynlighed og randomiserede algoritmer (DM528)

Skriftlig Eksamen Kombinatorik, sandsynlighed og randomiserede algoritmer (DM528) Skriftlig Eksamen Kombinatorik, sandsynlighed og randomiserede algoritmer (DM58) Institut for Matematik & Datalogi Syddansk Universitet Torsdag den 7 Januar 010, kl. 9 13 Alle sædvanlige hjælpemidler (lærebøger,

Læs mere

Risikoholdning og valg af porteføljeandele

Risikoholdning og valg af porteføljeandele Handelshøjskolen i København Institut for Produktion og Erhvervsøkonomi Projektvejleder: Lars Thorlund-Petersen Kandidatafhandling på Erhvervsøkonomi-Matematik-Studiet 2004 Risikoholdning og valg af porteføljeandele

Læs mere

DREAM s livsforløbsmodel - Model og algoritme

DREAM s livsforløbsmodel - Model og algoritme DREAM s livsforløbsmodel - Model og algoritme Peter Stephensen, DREAM 9. September 2009, version.0 Indledning DREAM har påbegyndt et forskningsprojekt finansieret af EPRN-netværkert med titlen Livsforløbsanalyse

Læs mere

Kvantitative Metoder 1 - Forår Dagens program

Kvantitative Metoder 1 - Forår Dagens program Dagens program Kapitel 8.1-8.3 Tilfældig stikprøve (Random Sampling) Likelihood Eksempler på likelihood funktioner Sufficiente statistikker Eksempler på sufficiente statistikker 1 Tilfældig stikprøve Kvantitative

Læs mere

Eksamen 2014/2015 Mål- og integralteori

Eksamen 2014/2015 Mål- og integralteori Eksamen 4/5 Mål- og integralteori Københavns Universitet Institut for Matematiske Fag Formalia Eksamensopgaven består af 4 opgaver med ialt spørgsmål Ved bedømmelsen indgår de spørgsmål med samme vægt

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

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

Dynamiske Porteføljevalg

Dynamiske Porteføljevalg Dynamiske Porteføljevalg Rasmus Højberg Andersen Bachelorprojekt, Matematik-Økonomi Vejleder: Claus Munk, Institut for Regnskab og Finansiering 9. februar 2004 Indhold 1 Indledning 3 2 En periode middelværdi-varians

Læs mere

Et eksempel på en todimensional normalfordeling Anders Milhøj September 2006

Et eksempel på en todimensional normalfordeling Anders Milhøj September 2006 Et eksempel på en todimensional normalfordeling Anders Milhøj September 006 I dette notat gennemgås et eksempel, der illustrerer den todimensionale normalfordelings egenskaber. Notatet lægger sig op af

Læs mere

Matematik og spil. Rolf Poulsen rolf@math.ku.dk Institut for Matematiske Fag, Kbh. Uni. Mød MATH på KU (måske sidste chance), november 2014

Matematik og spil. Rolf Poulsen rolf@math.ku.dk Institut for Matematiske Fag, Kbh. Uni. Mød MATH på KU (måske sidste chance), november 2014 Enhedens navn Matematik og spil Rolf Poulsen rolf@math.ku.dk Institut for Matematiske Fag, Kbh. Uni. Mød MATH på KU (måske sidste chance), november 2014 På disse slides skal spil læses som væddemål. Hvorfor

Læs mere

standard normalfordelingen på R 2.

standard normalfordelingen på R 2. Standard normalfordelingen på R 2 Lad f (x, y) = 1 x 2 +y 2 2π e 2. Vi har så f (x, y) = 1 2π e x2 2 1 2π e y2 2, og ved Tonelli f dm 2 = 1. Ved µ(a) = A f dm 2 defineres et sandsynlighedsmål på R 2 målet

Læs mere

Institut for virksomhedsledelse og økonomi, Syddansk Universitet. Workshop. Opgave 1. = = 3x 2

Institut for virksomhedsledelse og økonomi, Syddansk Universitet. Workshop. Opgave 1. = = 3x 2 Institut for virksomhedsledelse og økonomi, Syddansk Universitet Workshop Opgave 1 Antag at en forbrugers nyttefunktion er givet ved u(, x ) x 3 1 x. Forbrugeren har derudover følgende budgetbetingelse:

Læs mere

Note om Monte Carlo metoden

Note om Monte Carlo metoden Note om Monte Carlo metoden Kasper K. Berthelsen Version 1.2 25. marts 2014 1 Introduktion Betegnelsen Monte Carlo dækker over en lang række metoder. Fælles for disse metoder er, at de anvendes til at

Læs mere

Landmålingens fejlteori - Repetition - Kontinuerte stokastiske variable - Lektion 3

Landmålingens fejlteori - Repetition - Kontinuerte stokastiske variable - Lektion 3 Landmålingens fejlteori Repetition - Kontinuerte stokastiske variable Lektion 4 - kkb@math.aau.dk http://people.math.aau.dk/ kkb/undervisning/lf10 Institut for Matematiske Fag Aalborg Universitet 29. april

Læs mere

Hjemmeprøve 1 Efterår 2013: Afkast og risiko ved investering i aktier

Hjemmeprøve 1 Efterår 2013: Afkast og risiko ved investering i aktier Hjemmeprøve 1 Efterår 2013: Afkast og risiko ved investering i aktier Udviklingen i OMXC20 aktieindekset 2008 2013 1 1 OMXC20 er et indeks over de 20 mest omsatte aktier på Nasdaq OMX Copenhagen ( Københavns

Læs mere

Om sandhed, tro og viden

Om sandhed, tro og viden Om sandhed, tro og viden Flemming Topsøe Institut for Matematiske Fag Københavns Universitet http://www.math.ku.dk/ topsoe med mange manuskripter se specielt http://www.math.ku.dk/ topsoe/sandhednatfest09.pdf

Læs mere

TALTEORI Wilsons sætning og Euler-Fermats sætning.

TALTEORI Wilsons sætning og Euler-Fermats sætning. Wilsons sætning og Euler-Fermats sætning, oktober 2008, Kirsten Rosenkilde 1 TALTEORI Wilsons sætning og Euler-Fermats sætning. Disse noter forudsætter et grundlæggende kendskab til talteori som man kan

Læs mere

Dagens program. Afsnit 1.1-1.3 Eksperimenter med usikkerhed Sandsynlighedsmodel - Udfaldsrum - Hændelser - Sandsynligheder Eksempler

Dagens program. Afsnit 1.1-1.3 Eksperimenter med usikkerhed Sandsynlighedsmodel - Udfaldsrum - Hændelser - Sandsynligheder Eksempler Dagens program Afsnit 1.1-1.3 Eksperimenter med usikkerhed Sandsynlighedsmodel - Udfaldsrum - Hændelser - Sandsynligheder Eksempler 1 Sandsynlighedsmodel Kvantitative Metoder 1 - Efterår 2006 Eksperiment

Læs mere

Øvelse 17 - Åbne økonomier

Øvelse 17 - Åbne økonomier Øvelse 17 - Åbne økonomier Tobias Markeprand 20. januar 2009 Opgave 21.2 Betragt et land, der opererer under faste valutakurser, med den samlede efterspørgsel og udbud givet ved ligninger (21.1) og (21.2)

Læs mere

Forelæsning 5: Kapitel 7: Inferens for gennemsnit (One-sample setup)

Forelæsning 5: Kapitel 7: Inferens for gennemsnit (One-sample setup) Kursus 02402 Introduktion til Statistik Forelæsning 5: Kapitel 7: Inferens for gennemsnit (One-sample setup) Per Bruun Brockhoff DTU Compute, Statistik og Dataanalyse Bygning 324, Rum 220 Danmarks Tekniske

Læs mere

Statistik. Hjemmeside: kkb. Statistik - lektion 1 p.1/22

Statistik. Hjemmeside:  kkb. Statistik - lektion 1 p.1/22 Statistik Kursets omfang: 2 ECTS Inklusiv mini-projekt! Bog: Complete Business Statistics, AD Aczel & J. Sounderpandian Software: SPSS eller Excel?? Forelæser: Kasper K. Berthelsen E-mail: kkb@math.aau.dk

Læs mere

1 Kapitel 5: Forbrugervalg

1 Kapitel 5: Forbrugervalg 1 Kapitel 5: Forbrugervalg Vi har set på: 1. Budgetbegrænsninger. 2. Præferencer og nyttefunktioner. Nu stykker vi det hele sammen og studerer forbrugerens valg. 1 2 Optimalt forbrug - gra sk fremstilling

Læs mere

Binomialfordelingen. Binomialfordelingen. Binomialfordelingen

Binomialfordelingen. Binomialfordelingen. Binomialfordelingen Statistik og Sandsynlighedsregning 1 MS kapitel 3 Susanne Ditlevsen Institut for Matematiske Fag Email: susanne@math.ku.dk http://math.ku.dk/ susanne Definition 3.2.1 Lad X 1, X 2,..., X n være uafhængige

Læs mere

Tavleundervisning og samarbejde 2 og 2. Eleverne arbejder selvstændigt med opgaver. Løbende opsamling ved tavlen.

Tavleundervisning og samarbejde 2 og 2. Eleverne arbejder selvstændigt med opgaver. Løbende opsamling ved tavlen. Fag: Matematik Hold: 21 Lærer: ASH 33-34 35-36 lære at læse og forstå en lønseddel samt vide hvordan deres skat bliver beregnet. Se i øvrigt fælles mål Arbejde med regnehieraki og regneregler. 36-38 Elevere

Læs mere

Sandsynlighedsregning

Sandsynlighedsregning Mogens Bladt www2.imm.dtu.dk/courses/02405 28. September, 2007 Stokastiske variable Betragt 3 kast med en mønt. Så er udfaldsrummet Ω = {(p, p, p), (p, p, k), (p, k, p), (p, k, k), (k, p, p), (k, p, k),

Læs mere

Årsplan matematik 8. klasse

Årsplan matematik 8. klasse Årsplan matematik 8. klasse 2019-2020 Eleverne arbejder med grundbogen Matematrix 8. I undervisningen inddrages digitale undervisningsredskaber såsom Geogebra, Wordmat, MatematikFessor, emat, excel og

Læs mere

Reeksamen 2014/2015 Mål- og integralteori

Reeksamen 2014/2015 Mål- og integralteori Reeksamen 4/5 Mål- og integralteori Københavns Universitet Institut for Matematiske Fag Formalia Eksamensopgaven består af 4 opgaver med ialt spørgsmål. Ved bedømmelsen indgår de spørgsmål med samme vægt.

Læs mere

Et eksperiment beskrives af et udfaldsrum udstyret med et. alle mulige resultater af eksperimentet

Et eksperiment beskrives af et udfaldsrum udstyret med et. alle mulige resultater af eksperimentet Sandsynlighedsteori Et eksperiment beskrives af et udfaldsrum udstyret med et sandsynlighedsmål, (X, E, ν). Udfaldsrummet X indeholder alle mulige resultater af eksperimentet men ofte også yderligere elementer

Læs mere

Teoretisk Statistik, 9 marts nb. Det forventes ikke, at alt materialet dækkes d. 9. marts.

Teoretisk Statistik, 9 marts nb. Det forventes ikke, at alt materialet dækkes d. 9. marts. Teoretisk Statistik, 9 marts 2005 Empiriske analoger (Kap. 3.7) Normalfordelingen (Kap. 3.12) Opsamling på Kap. 3 nb. Det forventes ikke, at alt materialet dækkes d. 9. marts. 1 Empiriske analoger Betragt

Læs mere

Opgaver i sandsynlighedsregning

Opgaver i sandsynlighedsregning Afdeling for Teoretisk Statistik STATISTIK Institut for Matematiske Fag Preben Blæsild Aarhus Universitet 9. januar 005 Opgaver i sandsynlighedsregning Opgave Lad A og B være hændelser således at P(A)

Læs mere

Spilteori og Terrorisme

Spilteori og Terrorisme Spilteori og Terrorisme UNF Foredrag Thomas Jensen, Økonomisk Institut, KU September 2016 1 / 24 Oversigt Simple matematiske modeller af terrorisme og terrorbekæmpelse 2 / 24 Oversigt Simple matematiske

Læs mere

Kvantitative Metoder 1 - Forår 2007

Kvantitative Metoder 1 - Forår 2007 Dagens program Kapitel 4: Diskrete fordelinger Afsnit 4.1-4.2, 4.7: Bernoulli fordeling Binomial fordeling Store Tals Lov (Laws of Averages, Laws of Large Numbers) 1 Bernoulli fordeling Kvantitative Metoder

Læs mere

Spilteori og Terrorisme

Spilteori og Terrorisme Spilteori og Terrorisme UNF Foredrag Thomas Jensen, Økonomisk Institut, KU September 2016 1 / 24 Oversigt Simple matematiske modeller af terrorisme og terrorbekæmpelse Matematisk værktøj: Spilteori Program:

Læs mere

Differential- regning

Differential- regning Differential- regning del f(5) () f f () f ( ) I 5 () 006 Karsten Juul Indhold 6 Kontinuert funktion 7 Monotoniforhold7 8 Lokale ekstrema44 9 Grænseværdi5 Differentialregning del udgave 006 006 Karsten

Læs mere

University of Copenhagen. Notat om statistisk inferens Larsen, Martin Vinæs. Publication date: Document Version Peer-review version

University of Copenhagen. Notat om statistisk inferens Larsen, Martin Vinæs. Publication date: Document Version Peer-review version university of copenhagen University of Copenhagen Notat om statistisk inferens Larsen, Martin Vinæs Publication date: 2014 Document Version Peer-review version Citation for published version (APA): Larsen,

Læs mere

RÅD OG VINK OM EKSAMEN PÅ PSYKOLOGI B 2016

RÅD OG VINK OM EKSAMEN PÅ PSYKOLOGI B 2016 1 RÅD OG VINK OM EKSAMEN PÅ PSYKOLOGI B 2016 GENERELT VEDR. EKSAMEN PÅ PSYKOLOGI B Psykologi B har synopsisprøve, dvs. eksaminanderne får udleveret prøvematerialet mindst 24 timer før selve eksamen. Se

Læs mere

Forberedelse. Forberedelse. Forberedelse

Forberedelse. Forberedelse. Forberedelse Formidlingsopgave AT er i høj grad en formidlingsopgave. I mange tilfælde vil du vide mere om emnet end din lærer og din censor. Det betyder at du skal formidle den viden som du er kommet i besiddelse

Læs mere

Forbrugsfunktionen i BOF5

Forbrugsfunktionen i BOF5 Danmarks Statistik MODELGRUPPEN Arbejdspapir* Henrik Christian Olesen 9. februar 1999 Forbrugsfunktionen i BOF5 Resumé: Papiret gennemgår forbrugsfunktionen i BOF5 (Bank of Finland). Baseret på et discussion

Læs mere

Statistik i basketball

Statistik i basketball En note til opgaveskrivning jerome@falconbasket.dk 4. marts 200 Indledning I Falcon og andre klubber er der en del gymnasieelever, der på et tidspunkt i løbet af deres gymnasietid skal skrive en større

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

Opgave 1 Betragt to diskrete stokastiske variable X og Y. Antag at sandsynlighedsfunktionen p X for X er givet ved

Opgave 1 Betragt to diskrete stokastiske variable X og Y. Antag at sandsynlighedsfunktionen p X for X er givet ved Matematisk Modellering 1 (reeksamen) Side 1 Opgave 1 Betragt to diskrete stokastiske variable X og Y. Antag at sandsynlighedsfunktionen p X for X er givet ved { 1 hvis x {1, 2, 3}, p X (x) = 3 0 ellers,

Læs mere

AT og Synopsisprøve Nørre Gymnasium

AT og Synopsisprøve Nørre Gymnasium AT og Synopsisprøve Nørre Gymnasium Indhold af en synopsis (jvf. læreplanen)... 2 Synopsis med innovativt løsingsforslag... 3 Indhold af synopsis med innovativt løsningsforslag... 3 Lidt om synopsen...

Læs mere

Kvantitative Metoder 1 - Forår 2007

Kvantitative Metoder 1 - Forår 2007 Dagens program Kapitel 8.7, 8.8 og 8.10 Momenter af gennemsnit og andele kap. 8.7 Eksempel med simulationer Den centrale grænseværdisætning (Central Limit Theorem) kap. 8.8 Simulationer Normalfordelte

Læs mere

DANMARKS TEKNISKE UNIVERSITET Side 1 af 17 sider. Skriftlig prøve, den: 30. maj 2016 Kursus nr : (navn) (underskrift) (bord nr)

DANMARKS TEKNISKE UNIVERSITET Side 1 af 17 sider. Skriftlig prøve, den: 30. maj 2016 Kursus nr : (navn) (underskrift) (bord nr) DANMARKS TEKNISKE UNIVERSITET Side af 7 sider Skriftlig prøve, den: 0. maj 206 Kursus nr : 02405 Kursus navn: Sandsynlighedsregning Varighed : 4 timer Tilladte hjælpemidler: Alle Dette sæt er besvaret

Læs mere

Skriftlig Eksamen Algoritmer og sandsynlighed (DM538)

Skriftlig Eksamen Algoritmer og sandsynlighed (DM538) Skriftlig Eksamen Algoritmer og sandsynlighed (DM538) Institut for Matematik & Datalogi Syddansk Universitet Fredag den 9 Januar 2015, kl. 10 14 Alle sædvanlige hjælpemidler(lærebøger, notater etc.) samt

Læs mere