RESEARCH PAPER. Nr. 5, Prisoptimering i logitmodellen under konkurrence. Jørgen Kai Olsen

Størrelse: px
Starte visningen fra side:

Download "RESEARCH PAPER. Nr. 5, Prisoptimering i logitmodellen under konkurrence. Jørgen Kai Olsen"

Transkript

1 RESEARCH PAPER Nr. 5, 004 Prisoptimering i logitmodellen under onurrence af Jørgen Kai Olsen INSTITUT FOR AFSÆTNINGSØKONOMI COPENHAGEN BUSINESS SCHOOL SOLBJERG PLADS 3, DK-000 FREDERIKSBERG TEL: FAX NO:

2 Prisoptimering i logitmodellen under onurrence Jørgen Kai Olsen Institut for Afsætningsøonomi Handelshøsolen i København 004

3 Indholdsfortegnelse Side. Indledning 3. Modelonstrutionen 4. Generelle forudsætninger 4. Brugerandelen 4.3 Købssandsynligheden for produtategorien 5.4 Maredsandelen for de mærer 7.5 Købssandsynligheden for de mærer 8.6 Afsætningen af de mærer 0.7 Profitten for de mærer 0 3. Prisonurrencen under duopol 3. Generelle forudsætninger 3. Udgangssituationen 3.3 Autonom handlemåde Ativ prisonurrenceligevægt Asymmetris prisfastsættelse Proportional prisfastsættelse Neutraliseret prisfastsættelse Prisrig Monopol 3.0 Prisaftale 4. Konlusion Litteraturfortegnelse 4

4 . Indledning I artilen Prisoptimering i logitmodellen under homogen og heterogen forbrugeradfærd (Olsen 003 C) har vi opstillet to simple logitmodeller med un én forlarende variabel for forbrugernes valg af et givet mære nemlig prisen for det pågældende mære. I den ene af disse modeller udviser forbrugerne homogen adfærd mht. deres valg af mære, medens forbrugerne i den anden model udviser heterogen adfærd. For disse to modeller har vi endvidere i artilen bestemt den optimale pris, den optimale øbssandsynlighed og den masimale forventede profit dels generelt, dels for et onret esempel. Endelig har vi i artilen draget en ræe generelle onlusioner mht. spørgsmålet om, hvorledes virsomheden bør tilrettelægge sin loyalitetspoliti over for maredets forbrugere. Problemstillingen i nærværende artiel er at generalisere ovennævnte logitmodel - der som nævnt un besriver forbrugerens valg af et enelt mære og derfor ie behandler onurrencen på det pågældende mared - til en model, der dels giver en mere detaleret besrivelse af forbrugerens øbsadfærd, dels besriver forbrugerens valg mellem forsellige mærer under onurrence. Mere præcist er problemstillingen, at opstille en model for Brugerandelen Købssandsynligheden for produtategorien Maredsandelen for de mærer Købssandsynligheden for de mærer Afsætningen af de mærer og Profitten for de mærer hvor samtlige begreber defineres nedenfor. Endvidere vil vi med udgangspunt i et onret esempel vise hvorledes den lassise øonomise teori for prisonurrence under duopol (som forudsættes endt) forløber i den i artilen opstillede model.

5 Med henbli på at simplificere fremstillingen vil vi opstille samtlige modeller under den antagelse, at forbrugerne udviser homogen forbrugeradfærd. Men det er vigtigt at bemære, at modellerne under heterogen forbrugeradfærd formuleres og optimeres på principielt samme måde som modellerne under homogen forbrugeradfærd.. Modelonstrutionen. Generelle forudsætninger I det følgende betragter vi et mared, hvor virsomheder hver udbyder ét mære inden for en given produtategori til en målgruppe på i alt N forbrugere. Det forudsættes, at de N forbrugere bortset fra stoastis variation udviser identis (dvs. homogen) øbsadfærd. Endvidere forudsættes det, at de eneste variable, der påvirer forbrugernes øbsadfærd, er den pris, som hver af de udbydere fastsætter for deres mære i en given beslutningsperiode. Endelig forudsættes det, at den betragtede beslutningsperiode er så ort, at enhver forbruger høst foretager ét øb af produtategorien i løbet af beslutningsperioden. For så vidt angår antagelsen om, at de udbyderes pris for deres mærer er modellens eneste forlarende variable, er det vigtigt at bemære, at modelonstrutionen vil blive foretaget således, at det (i hvert tilfælde i princippet) er forholdsvis simpelt at udbygge modellen ved at inddrage yderligere forlarende variable i den.. Brugerandelen Selv om der er N forbrugere på det betragtede mared, vil det være en lar undtagelse, at alle N forbrugere rent fatis også er brugere af (dvs. overhovedet øber) den betragtede produtategori. Dette syldes, at maredets (eller målgruppens) størrelse som hovedregel fastlægges subetivt af brugeren af modellen (som fx an være en af de udbydere), og at denne fastlæggelse ofte ser ud

6 fra en ortlægning af forsellige arateristia hos de potentielle forbrugere såsom forbrugerens øn, alder, bopæl, indomst og erhverv. Det er derfor lart, at brugeren af modellen ie an være sier på, at en forbruger, der besidder de af ham (subetivt) definerede arateristia, rent fatis også er bruger af produtategorien. (Produtategorierne alohol, toba, te, affe, sli, aviser og ugeblade er esempler på denne problemstilling). I det følgende vil vi alde den andel af forbrugerne, der er brugere af produtategorien eller mere præcist sandsynligheden for, at en tilfældigt valgt forbruger er bruger af produtategorien for brugerandelen. Lad I i være en stoastis indiatorvariabel, der er lig med, hvis den i-te af maredets N forbrugere er bruger af produtategorien, og som er lig med 0 ellers (i =,,..., N). Vi vil da antage, at brugerandelen er bestemt således: P( I i = ) = γ ; i =,,..., N. Dvs. at brugerandelen er uafhængig såvel af de mærers pris som af forbrugerens nummer. (Det sidste er i øvrigt en følge af antagelsen om, at forbrugerne udviser identis øbsadfærd)..3 Købssandsynligheden for produtategorien Selv om en given forbruger er bruger af produtategorien, er det f. forudsætningen i afsnit. - ie siert, at han øber produtategorien i den betragtede (orte) beslutningsperiode. Lad ( J = ) være en betinget stoastis indiatorvariabel, der er lig med, hvis den i-te i I i forbruger øber den betragtede produtategori i beslutningsperioden, og som er lig med 0 ellers, givet at forbrugeren er bruger af produtategorien (i =,,, N). Vi vil da antage, at den betingede øbssandsynlighed for produtategorien afhænger af prisen for varen hos samtlige udbydere på følgende måde:

7 = exp( α + β ln( p )) P( J i = I i = ) = ; i =,,..., N, + exp( α + β ln( p )) = hvor p er den for beslutningsperioden gældende pris for den -te udbyders mære, hvor p = p, p,..., p ), og hvor α R og β R (,,..., ) er modellens parametre. ( = Denne model for den betingede øbssandsynlighed er en generalisation af logitmodellen, og modellens strutur anvendes hyppigt i den afsætningsøonomise litteratur - dog oftest uden ettallet i nævneren. Men dette er vigtigt i vor modelformulering, fordi det netop er det, der sirer, at der er en positiv sandsynlighed for, at forbrugeren ie øber produtategorien i beslutningsperioden. Om modellen sal det for det første bemæres, at vi har valgt at tage logaritmen af de priser i stedet for at benytte priserne direte. Dette syldes, at modellen derved bliver simplere at tole specielt for så vidt angår elasticiteterne - idet modellen minder meget om den såaldte Cobb- Douglas model. For det andet sal det bemæres, at parameteren α an toles som det -te mæres generelle loyalitetsparameter, dvs. som er et udtry for det -te mæres generelle maredsmæssige styre, medens parameteren β er det -te mæres prisreationsparameter, som er tæt forbundet med det -te mæres direte priselasticitet og dets (-) prisrydselasticiteter (f. afsnittene.4 og.5). Endelig sal det for det trede bemæres, at man opnår den simpleste og pæneste modelformulering ved at antage, at de prisreationsparametre β, β,..., β er lige store og lig med en fælles prisreationsparameter β. Dette forhold vender vi tilbage til i afsnit.4. Under ovenstående antagelser bliver den marginale øbssandsynlighed for produtategorien lig med

8 θ ( p) = P( J = i = ) = γ ;, + exp( α + β ln( p )) = exp( α + β ln( p )) i =,,... N..4 Maredsandelen for de mærer Lad ( K I J = ) være en betinget stoastis indiatorvariabel, der er lig med, hvis den i i = i i-te forbruger vælger det -te mære ved et givet øb af produtategorien - givet at forbrugeren er bruger af produtategorien, og givet at forbrugeren øber produtategorien i beslutningsperioden - og som er lig med 0 ellers (i =,,..., N ; =,,..., ). Vi vil da antage, at maredsandelen (eller mærevalgsandsynligheden) for mære er bestemt således: exp( α + β ln( p )) η ( p) = P( K i = I i = J i = ) = ; i =,,..., N ; =,,...,. exp( α + β ln( p )) = I denne type model for maredsandelen (den multinomise logitmodel), der benyttes hyppigt i den afsætningsøonomise litteratur for valg mellem alternativer, er de direte priselasticiteter e ( p) = β ( η ( p)) ; =,,...,, medens prisrydselasticiteterne er e m ( p) = β η ( p) ; =,,..., ; m =,,..., ( m). m m Imidlertid lider modellen når de prisreationsparametre er forsellige af den svaghed, at η ( p) η ( λ p), hvor λ er en positiv onstant. Dette betyder, at størrelsen af samtlige maredsandele vil ændre sig, hvis prisen for de mærer ændres proportionalt. Denne egensab ved

9 modellen foreommer ie hensigtsmæssig. I det esempel på prisoptimering under duopol, der betragtes i afsnit 3, vil vi da også antage, at de = mærer har samme prisreationsparameter β. Når denne antagelse ie opstilles for den generelle model, syldes det to forhold. For det første syldes det, at ændringen i maredsandelene er forholdsvis lille, når prisreationsparametrene er nogenlunde lige store, og når den proportionale ændring i prisvetoren ie er meget stor. For det andet syldes det, at vi er af den principielle opfattelse, at man under den statistise inferens om modellens parametre bør lade en statistis test afgøre, om prisreationsparametrene er ens, hvorefter man - i beræftende fald - bør erstatte de individuelle prisreationsparametre med en (lart mere operationel) fælles prisreationsparameter. Hvis de prisreationsparametre er ens, påvires de maredsandele som nævnt ie af en proportional ændring af de priser. Denne (pæne) egensab ved modellen medfører, at summen af en given udbyders direte priselasticitet og hans (-) prisrydselasticiteter er lig med nul. For esempel gælder der for udbyder nummer, at e ( p) + e ( p) e ( p) = β ( η ( p)) βη ( p)... βη ( p) = β ( η ( p) η ( p)... η ( p)) = 0. Dette har den onsevens, at en given udbyders maredsandel påvires (-) gange så meget af en ændring af udbyderens egen pris som af en ændring af prisen hos en typis (gennemsnitlig) onurrent..5 Købssandsynligheden for de mærer Lad K i være en marginal stoastis indiatorvariabel, der er lig med, hvis den i-te forbruger øber mære i beslutningsperioden, og som er lig med 0 ellers (i =,,..., N ; =,,..., ). Da følger det af de hidtil opstillede modeller, at øbssandsynligheden for det -te mære bliver

10 θ ( p) = P( K i = ) = γ θ ( p) η ( p) = γ + = exp( α + β ln( p = exp( α + β ln( p )) )) exp( α + β ln( p = exp( α + β ln( p )) )) = γ exp( α + β ln( p )) + exp( α + β ln( p )) = i =,,..., N ; =,,...,. I denne model er de direte priselasticiteter e ( p) = β ( θ ( p) / γ ) ; =,,...,, medens prisrydselasticiteterne er e m ( p) = β θ ( p) / γ ; =,,..., ; m =,,..., ( m). m m Hermed har vi opstillet de fire fundamentale responsfuntioner på individniveau for hhv. Brugerandelen Købssandsynligheden for produtategorien Maredsandelen for de mærer og Købssandsynligheden for de mærer der tilsammen fastlægger forbrugerens øbsadfærd i beslutningsperioden..6 Afsætningen af de mærer

11 Lad Z i være en stoastis variabel, der angiver den mængde af den pågældende vare, som den i-te forbruger øber ved et givet øb af mære (i =,,..., N ; =,,..., ). Vi vil da antage, at forventningen af Z i er uafhængig af prisen for mære (samt af prisen for de øvrige - mærer) og lig med µ. (Som i esemplet nedenfor antages at være uafhængig af ). Under denne antagelse bliver forventningen af den totale afsætning af mære i beslutningsperioden lig med exp( α + β ln( p )) ξ ( p) = N µ θ ( p) = N µ γ ; =,,...,. + exp( α + β ln( p )) =.7 Profitten for de mærer Til sidst vil vi opstille en model for forventningen af den totale profit, der realiseres for det -te mære i løbet af den betragtede beslutningsperiode. Lad c ( =,,..., ) være de variable enhedsomostninger for mære, og antag, at disse er onstante og dermed uafhængige af produtionens og afsætningens størrelse. Da bliver forventningen af den totale profit, der realiseres for det -te mære i beslutningsperioden π ( p) = ( p c ) ξ ( p) = ( p c ) N µ θ ( p) = ( p exp( α + β ln( p )) c ) N µ γ + exp( α + β ln( p )) = ; =,,..., Hermed er den generelle model etableret. 3. Prisonurrencen under duopol

12 3. Generelle forudsætninger I dette afsnit vil vi for at simplificere problemstillingen - betragte prisonurrencen under duopol, dvs. i tilfældet =, under en ræe forsellige antagelser med hensyn til de to udbyderes reation på den af modparten fastsatte pris for sit mære. I samtlige tilfælde vil vi antage, at de to udbydere udbyder og udbyder har fuld viden om den model, der er opstillet i afsnit herunder specielt om det onrete værdisæt af samtlige modellens parametre, dvs. også om onurrentens parametre. Endvidere vil vi overalt i det følgende belyse prisonurrencen ved hælp af et onret esempel, hvor vi vil antage, at den betragtede produtategori er affe, at målgruppen for affe er på i alt N = millioner forbrugere (husstande), at den øbte mængde pr. indøb er µ = µ enhed for begge mærer, = at de variable enhedsomostninger er hhv. c = 5r. og c = 6 r., at den nuværende pris for en pose affe er p = p = 30 r. for begge mærer, at brugerandelen for produtategorien er γ = 0. 9, at de to generelle loyalitetsparametre er hhv. α = 4 og α = 3, og at de to prisreationsparametre er β = β = β = 4 for begge mærer. Endelig vil vi (som nævnt ovenfor) antage, at alle ovennævnte størrelser er endt uden usierhed af begge udbydere, (således at de begge har fuld viden om modpartens reationsfuntion, f. nedenfor). Ovenstående parameterværdier er valgt således, at øbssandsynligheden for produtategorien er 0.60 i udgangssituationen og varierer mellem 0.8 og 0.35, når prisen for de to mærer er ens og varierer mellem 0 og 40 roner, og således, at maredsandelen for de to mærer er hhv og 0.7, når de to udbydere holder samme pris. Dette betyder, at udbyder (pga. hans større generelle

13 loyalitetsparameter) er ca. tre gange så stor som udbyder og derfor må formodes at være prisfører under den nedenfor behandlede prisonurrence. 3. Udgangssituationen Det første tilfælde vi vil betragte er udgangssituationen for prisonurrencen. I dette tilfælde fastsætter begge udbydere (i vilårlig ræefølge) prisen for deres mære til 30 r., og ingen af de to udbydere reagerer på den af modparten fastsatte pris. Derfor foreligger der ie noget prisoptimeringsproblem, hvorfor vi umiddelbart an indsætte de ovenfor specificerede parameterværdier i de i afsnit opstillede modeller for hhv. øbssandsynligheden for produtategorien, maredsandelen for hvert af de to mærer, øbssandsynligheden for hvert af de to mærer, afsætningen af hvert af de to mærer, profitten for hvert af de to mærer samt den totale profit, de to udbydere hemtager fra maredets N forbrugere. Hovedresultaterne for udgangssituationen fremgår herefter af følgende tabel, hvor afsætningen er angivet i 000 st. og profitten i 000 r. Tabel. Udgangssituationen for prisonurrencen. Pris Pris Køb Andel Andel Køb Køb Afs. Afs. Profit Profit Profit Tot Denne situation er imidlertid ie optimal for nogen af de to udbydere, hvilet fremgår nedenfor Autonom handlemåde

14 Vi vil først betragte den situation, hvor udbyder handler autonomt. Dvs. at han fastsætter sin pris ud fra en antagelse om, at udbyder a priori fastsætter sin pris til p og ie reagerer på den pris, som udbyder dernæst fastsætter for sit mære. Under autonom handlemåde er det optimalt for udbyder at fastsætte prisen til p = ϕ ), hvor udbyder s reationsfuntion ϕ er defineret ved, at ( p π ( ϕ( p ), p ) = Max π ( p, p ) for p R +. I esemplet vil vi antage, at p = 30 r. som i udgangssituationen. I denne situation følger det af anvendelsen af et specielt onstrueret Pascal program, at det er optimalt for udbyder, at fastsætte sin pris til p (30 = ϕ r.) = 9.80 r. Hovedresultaterne for det betragtede tilfælde fremgår herefter af følgende tabel. Tabel. Udbyder handler autonomt. Pris Pris Køb Andel Andel Køb Køb Afs. Afs. Profit Profit Profit Tot Som det fremgår af tabellen opnår udbyder en beseden forøgelse af profitten i forhold til udgangssituationen, medens udbyder opnår en noget mindre profit. Vi vil dernæst betragte den symmetrise situation, hvor det nu er udbyder, der handler autonomt, og hvor udbyder fastholder sin pris på udgangsniveauet til p = 30 r. I denne situation anvender udbyder sin reationsfuntion ϕ til at fastsætte optimalprisen p = ϕ ( p) = ϕ (30 r.) = 5.09 r., hvor ϕ er defineret ved, at π ( p, ϕ ( p)) = Max π ( p, p) for p R +. Hovedresultaterne af denne situation fremgår af tabel 3.

15 Tabel 3. Udbyder handler autonomt. Pris Pris Køb Andel Andel Køb Køb Afs. Afs. Profit Profit Profit Tot Som det fremgår af denne tabel opnår udbyder en betydelig forøgelse af profitten i forhold til udgangssituationen, medens udbyder opnår en betydelig mindre profit. Dette vil han næppe uden videre acceptere (f. nedenfor) Ativ prisonurrenceligevægt I dette tilfælde handler såvel udbyder som udbyder autonomt, idet ingen af de to udbydere på noget tidspunt under prisonurrenceforløbet regner med, at den af dem fastsatte pris øver nogen indflydelse på den af modparten fastsatte pris. Dette betyder, at de to udbydere siftevis anvender reationsfuntionerne ϕ og ϕ til at fastsætte deres pris som besrevet i afsnit 3.3. Denne situation an man muligvis godt omme ud for under monopolistis onurrence, hvor antallet af udbydere er stort, og hvor den enelte udbyder er lille i forhold til det totale mared. Men i duopoltilfældet, hvor hver udbyder un har en enelt onurrent at oncentrere sig om, er den ovenfor besrevne prisonurrenceform næppe realistis. Den resulterer nemlig i, at de to udbydere fra udgangsniveauet p = p = 30 r. siftevis underbyder hinanden, indtil priserne er onurreret ned i den såaldte ative prisonurrenceligevægt, hvor det ie længere er optimalt for nogen af de to udbydere at ændre prisen. Med esemplets tal betyder dette, at udbyder ender med at fastsætte sin pris til p (4.70 = ϕ r.) = 8.8 r., medens udbyder ender med at fastsætte sin pris til p (8.8 = ϕ r.) = 4.70 r. Det samlede resultat i ativ prisonurrenceligevægten fremgår af tabel 4. Tabel 4. Ativ prisonurrenceligevægt. Pris Pris Køb Andel Andel Køb Køb Afs. Afs. Profit Profit Profit Tot

16 Som det fremgår af tabellen resulterer denne onurrenceform sammenlignet med de hidtil betragtede alternativer - i den mindste totale profit for de to udbydere under ét og i den mindste profit for udbyder. For udbyder er situationen dog bedre, end hvis udbyder handler autonomt Asymmetris prisfastsættelse Vi vil først betragte det tilfælde, hvor udbyder fastsætter den såaldte asymmetrise pris. Denne prisfastsættelse bygger på, at udbyder har erendt, at udbyder - for enhver fiseret pris p for mære - vil benytte reationsfuntionen ϕ og fastsætte sin pris optimalt til p = ϕ ( p ). Derfor afstår udbyder fra at deltage i den ative prisonurrence. I stedet fastsætter han den pris p, der masimerer hans profitfuntion under bibetingelsen p = ϕ ). Dette betyder, at asymmetrioptimalprisen p er bestemt ved, at ( p π ( p, ϕ ( p)) = Max π ( p, ϕ ( p)) for p R +. I vort talesempel resulterer denne strategi i, at udbyder fastsætter sin pris til p = 9.78 r., hvorefter udbyder fastsætter sin pris til p (9.78 = ϕ r.) = 5.05 r. Og hovedresultaterne for denne situation fremgår af tabel 5. Tabel 5. Asymmetris prisfastsættelse hos udbyder. Pris Pris Køb Andel Andel Køb Køb Afs. Afs. Profit Profit Profit Tot Af denne tabel fremgår det, at begge udbydere (men især udbyder ) opnår en høere profit end under ativ prisonurrence.

17 Det helt symmetrise tilfælde, hvor udbyder afstår fra at deltage i den ative prisonurrence og fastsætter sin pris til p = 6.94 r., hvorefter udbyder masimerer sin profitfuntion og fastsætter prisen til p (6.94 = ϕ r.) = 8.97 r., fremgår af tabel 6. Tabel 6. Asymmetris prisfastsættelse hos udbyder. Pris Pris Køb Andel Andel Køb Køb Afs. Afs. Profit Profit Profit Tot Også i dette tilfælde opnår såvel udbyder som udbyder høere profit end under ativ prisonurrence. Det er derfor mere sandsynligt, at den fatise prisonurrence vil resultere i asymmetris prisfastsættelse end i ativ prisonurrence. Men det er lart, at den udbyder, der resignerer og fastsætter sin asymmetrise pris, opnår den mindste profitforøgelse i forhold til ativ prisonurrence Proportional prisfastsættelse I dette afsnit vil vi behandle den situation, hvor den ene af de to udbydere altid fastsætter sin pris proportionalt med den anden udbyders pris. For at undgå en ræe symmetrise tilfælde, vil vi i det følgende un betragte det (mest realistise) tilfælde, hvor den udbyder, der har den stæreste maredsmæssige position, dvs. udbyder, er prisfører og derfor fastsætter sin pris først, hvorefter medløberen, dvs. udbyder, fastsætter sin pris proportionalt med udbyder s pris. Dette betyder, at udbyder s reationsfuntion altid er funtionen p p) = ϕ ( = λ p, hvor λ er en positiv onstant, der varierer fra tilfælde til tilfælde nedenfor.

18 I denne situation er det optimalt for udbyder at fastsætte sin pris p således, at den bliver den funtion ψ af den af udbyder valgte λ - værdi, som masimerer profitfuntionen π under bibetingelsen p = ϕ ( p) = λ p. Reationsfuntionen p = ψ ) for udbyder er med andre ord bestemt ved, at ( λ π ( ψ ( λ), λψ ( λ)) = Max π ( p, λ p) for p R +. Først vil vi betragte det tilfælde, hvor udbyder - uden specielle optimeringsmæssige overveelser - vælger at underbyde udbyder med 0%, dvs. at λ = I dette tilfælde er det optimalt for udbyder, at fastsætte prisen til p (0.9) = ψ = 34.8 r., hvorefter udbyder fastsætter prisen til p (34.8 = ϕ r.) = r. = 3.34 r. (Disse værdier er fundet vha. et specielt onstrueret Pascal program). Resultatet af dette tilfælde fremgår af tabel 7. Tabel 7. Udbyder underbyder udbyder med 0%. Pris Pris Køb Andel Andel Køb Køb Afs. Afs. Profit Profit Profit Tot Som det fremgår af tabellen er denne situation særdeles gunstig for udbyder og også bedre for udbyder end flere af de ovenfor betragtede tilfælde. Men dette alternativ er ie det bedste for udbyder. Dette syldes, at han har fastsat proportionalitetsfatoren λ mere eller mindre vilårligt, dvs. uden optimeringsmæssige overveelser. I stedet bør han erende, at udbyder altid vil fastsætte sin pris vha. reationsfuntionen ψ. Derfor bør udbyder a priori vælge den proportionalitetsfator λ, der masimerer hans egen profitfuntion π under bibetingelsen p ( = ψ λ). Den optimale proportionalitetsfator λ er med andre ord bestemt ved, at

19 π ψ ( λ), λψ ( λ)) = Max π ( ψ ( l), l ( l)) for l R. ( ψ + I vort talesempel fører denne strategi til, at udbyder s proportionalitetsfator sal fastsættes til λ = 0.547, hvilet resulterer i nøgletallene i tabel 8. Tabel 8. Udbyder anvender den optimale proportionalitetsfator. Pris Pris Køb Andel Andel Køb Køb Afs. Afs. Profit Profit Profit Tot Denne situation er pga. det optimale valg af λ - særdeles gunstig for udbyder. Men netop derfor er situationen også fuldstændig uacceptabel for udbyder. Man må derfor regne med, at denne iværsætter en egentlig prisrig (f. afsnit 3.8 nedenfor) for at tvinge udbyder væ fra at fastsætte en pris, der un er godt og vel halvt så stor som prisen hos udbyder Neutraliseret prisfastsættelse Neutraliseret prisfastsættelse defineres som enhver form for prisfastsættelse, der resulterer i en prisonstellation p, ), som de to udbydere stiltiende dvs. uden nogen form for prisaftale ( p opfatter som så acceptabel, at de foretræer denne prisonstellation frem for at starte en prisonurrence eller måse endog en prisrig (f. nedenfor). Da udbyder har den stæreste maredsmæssige position, fordi han har den største generelle loyalitetsparameter (i talesemplet 4 mod udbyder s 3) an man esempelvis forestille sig, at følgende to situationer an føre til neutraliseret prisfastsættelse: (i) (ii) De to udbydere fastsætter altid den samme pris, men udbyder realiserer en maredsandel, der er så meget større end udbyder s maredsandel, at den netop ompenserer for styreforsellen mellem de to udbydere. De to udbydere realiserer altid den samme maredsandel (på ½), men udbyder fastsætter en så meget høere pris end udbyder, at den netop ompenserer for styreforsellen mellem de to udbydere.

20 Begge disse tilfælde er specialtilfælde af den i forrige afsnit behandlede proportionale prisfastsættelse. (Men dette gælder naturligvis ie generelt for neutraliseret prisfastsættelse). I det første tilfælde anvender medløberen, dvs. udbyder, proportionalitetsfatoren λ =, hvorefter prisføreren, dvs. udbyder, masimerer sin profitfuntion. Resultatet af denne prispoliti fremgår af tabel 9. Tabel 9. De to udbydere fastsætter samme pris. Pris Pris Køb Andel Andel Køb Køb Afs. Afs. Profit Profit Profit Tot Som det fremgår af tabellen, sirer udbyder s stærere maredsmæssige position ham en maredsandel, der, når p = p, er nap tre gange så stor, som udbyder s maredsandel. Denne situation er naturligvis lart bedre for udbyder, end når han bliver underbudt med 0%. Men situationen er samtidig dårligere for udbyder, hvorfor denne muligvis ie vil opfatte prisonstellationen p = p = r. som neutral, dvs. fair for begge parter. I det andet tilfælde anvender udbyder proportionalitetsfatoren λ = Exp (( α ) / α β ) = , som er bestemt således, at den sirer, at de to maredsandele bliver lige store. Herefter masimerer udbyder sin profitfuntion, hvorefter resultatet af den førte prispoliti fremgår af tabel 0. Tabel 0. De to udbydere opnår samme maredsandel. Pris Pris Køb Andel Andel Køb Køb Afs. Afs. Profit Profit Profit Tot

21 På trods af, at udbyder - på grund af sin stærere maredsmæssige position - opnår en prispræmie på hele 8.07 r., dvs. på hele 8.4%, er det lart, at hans profit er uacceptabel lille i forhold til hovedparten af de ovenfor betragtede alternativer. Derfor er det usandsynligt, at udbyder vil opfatte prisonstellationen p = r. og p = 8.4 r. som en neutral og fair prisonstellation. Derimod an udbyder være særdeles tilfreds med den foreliggende situation Prisrig I det sidst behandlede esempel og i alle andre tilfælde, der er lart uacceptable for udbyder an den bedste langsigtede strategi for udbyder være at indlede en egentlig prisrig med udbyder med henbli på at tvinge ham væ fra den benyttede prisstrategi eller - endnu bedre - helt ud af maredet. For esempel an udbyder i det sidst behandlede esempel fastsætte sin pris til p = 0.54 r. Thi hvis udbyder i denne situation anvender proportionalitetsfatoren λ = , så bliver hans pris lig med de variable enhedsomostninger på 6 r., hvorfor hans profit bliver lig med nul. Dette fremgår af tabel. Tabel. Prisrig mellem de to udbydere. Pris Pris Køb Andel Andel Køb Køb Afs. Afs. Profit Profit Profit Tot Det er lart, at denne situation er væsentligt dårligere for udbyder end situationen i tabel 0. Men på den anden side er situationen atastrofal for udbyder, som (med begrænsede finansielle ressourcer) hurtigt onurreres ud af maredet (pga. de faste omostninger) Monopol

22 Hvis udbyder onurreres ud af maredet, bliver udbyder monopolist, hvorfor han an fastsætte sin pris optimalt til p = 3. r., hvilet resulterer i den for ham særdeles gunstige tabel. Tabel. Udbyder er monopolist. Pris Pris Køb Andel Andel Køb Køb Afs. Afs. Profit Profit Profit Tot Monopolsituationen er naturligvis det bedste alternativ for udbyder blandt samtlige betragtede alternativer Prisaftale Det sidste tilfælde, vi vil betragte, er det tilfælde, hvor de to udbydere træffer en aftale om, at fastsætte deres priser således, at den totale profit, som de to udbydere hemtager fra samtlige N forbrugere på maredet, bliver størst mulig. En sådan prisaftale er som beendt i strid med den danse onurrencelovgivning. Tilfældet behandles derfor alene for, at det an tene som sammenligningsgrundlag med de hidtil behandlede egentlige prisonurrencetilfælde. I prisaftaletilfældet masimerer de to udbydere altså den totale profitfuntion π ( p, p ) = π ( p, p ) + π ( p, p ) med hensyn til p og p. Resultatet af denne masimering bliver, at udbyder sal fastsætte prisen p = r., medens udbyder sal fastsætte prisen p = 35.3 r. Det bemæres, at optimalprisen for mære er mindre end optimalprisen for mære. Dette syldes, at de variable enhedsomostninger er mindst (5 r. mod 6 r.) for mære. Hovedresultaterne for det betragtede tilfælde fremgår af tabel 3. Tabel 3. De to Udbydere indgår en prisaftale. Pris Pris Køb Andel Andel Køb Køb Afs. Afs. Profit Profit Profit Tot

23 Ved at sammenligne denne tabel med de øvrige tabeller ses det, at udbyder bortset fra monopoltilfældet opnår den høeste profit ved at indgå en prisaftale. Derimod er der flere af de egentlige prisonurrencetilfælde, der giver en høere profit til udbyder, end prisaftalen. Hvis udbyder an få lov til at underbyde udbyder med fx 0%, er udbyder naturligvis ie interesseret i at indgå en prisaftale (især ie fordi en sådan som nævnt er i strid med dans onurrencelovgivning). I øvrigt er det interessant at bemære, at den totale profit i prisaftaletilfældet bliver større, end i det tilfælde, hvor udbyder er monopolist. Dette syldes forsellen i de to udbyderes variable enhedsomostninger og især forsellen i de to udbyderes maredsmæssige styre udtryt ved de generelle loyalitetsparametre. Hermed er det betragtede esempel på prisonurrencen under duopol afsluttet. 4. Konlusion I denne artiel har vi opstillet en individmodel for en given forbrugers øbsadfærd på et mared, hvor der udbydes mærer under en given produtategori. Denne model bygger på følgende fire fundamentale begreber Brugerandelen Købssandsynligheden for produtategorien Maredsandelen for de mærer og Købssandsynligheden for de mærer. Med udgangspunt i denne individmodel har vi endvidere opstillet en maredsmodel for Afsætningen for de mærer og Profitten for de mærer.

24 Endelig har vi med udgangspunt i disse 6 modeller analyseret en ræe forsellige strategier for Prisonurrencen under duopol. Disse prisonurrencestrategier har vi illustreret ved et onret esempel, hvor vi har bestemt den optimale pris, den optimale afsætning og den masimale profit hos de to udbydere på maredet. Esemplets tal er naturligvis ie interessante i sig selv, men de illustrerer hvilet slagraftigt værtø, man råder over, hvis man tilveebringer et datamateriale til estimation af modellens parametre. Specielt fordi modellen uden større besvær an generaliseres til at omfatte flere forlarende variable end prisen. Ta til Tue Tur for mange værdifulde disussioner af artilens problemstilling. Litteraturfortegnelse E. Chamberlin (933) The Theory of Monopolistic Competition

25 Cambridge, Mass: Harvard University Press Jørgen Kai Olsen (003 A) En stoastis model for total og partiel undeloyalitet Research Paper No Institut for Afsætningsøonomi, Handelshøsolen i København Jørgen Kai Olsen (003 C) Prisoptimering i logitmodellen under homogen og heterogen forbrugeradfærd Research Paper No 7 Institut for Afsætningsøonomi, Handelshøsolen i København Jean Tirole (997) The Theory of Industrial Organization The MIT Press, Cambridge H. Winding Pedersen (947) Omring Den Moderne Pristeori Einar Harc, København 947 Tue Tur (00) Logistic regression models for single-source data a simulation study Preprint No 4 Department of Management Science and Statistics Copenhagen Business School

Maksimum likelihood estimation af parametrene i logitmodellen med stokastiske individparametre Et simulationsstudie.

Maksimum likelihood estimation af parametrene i logitmodellen med stokastiske individparametre Et simulationsstudie. Masimum lelihood estimation af parametrene i logitmodellen med stoastise individparametre Et simulationsstudie Jørgen Kai Olsen Institut for Afsætningsøonomi Handelshøjsolen i København 23 Indholdsfortegnelse

Læs mere

Bilag 5: DEA-modellen Bilaget indeholder en teknisk beskrivelse af DEA-modellen

Bilag 5: DEA-modellen Bilaget indeholder en teknisk beskrivelse af DEA-modellen Bilag 5: DEA-modellen Bilaget indeholder en tenis besrivelse af DEA-modellen FRSYNINGSSERETARIATET INDLEDNING... 3 INPUTSTYRET DEA-MDEL... 3 UTPUTSTYRET DEA-MDEL... 7 SALAAFAST... 12 2 Indledning Data

Læs mere

Bernoullis differentialligning v/ Bjørn Grøn Side 1 af 10

Bernoullis differentialligning v/ Bjørn Grøn Side 1 af 10 Bernoullis differentialligning v/ Bjørn Grøn Side af 0 Bernoullis differentialligning Den logistise differentialligning er et esempel på en ie-lineær differentialligning Den logistise differentialligning

Læs mere

Dagens forelæsning. Grinblatt & Titman kap. 5. Introduktion. Introduktion. Exhibit 5.1. Investeringsmulighedsområdet. Investeringsmulighedsområdet

Dagens forelæsning. Grinblatt & Titman kap. 5. Introduktion. Introduktion. Exhibit 5.1. Investeringsmulighedsområdet. Investeringsmulighedsområdet Dagens forelæsning Investeringsmulighedsområdet Grinblatt & Titman ap. 5 Sammenhængen mellem risio og forventet afast (security maret line Capital Asset Pricing Model ( Empirise tests af 2 G&T ap 4: Introdution

Læs mere

Logistisk regression. Statistik Kandidatuddannelsen i Folkesundhedsvidenskab

Logistisk regression. Statistik Kandidatuddannelsen i Folkesundhedsvidenskab Logistis regression Statisti Kandidatuddannelsen i Folesundhedsvidensab Multipel logistis regression Antagelser: Binære observationer (Y i, i=,.,n) f.es Ja/Nej Høj/Lav Død/Levende Kodet: / 0 Y i uafhængige

Læs mere

Imputeret forbrug over livscyklussen

Imputeret forbrug over livscyklussen Imputeret forbrug over livscylussen Stephanie Koefoed Rebbe Danish Rational Economic Agents Model, DREAM DREAM Arbejdspapir 2014:1 Marts 2014 Abstract Arbejdspapiret beregner individers private forbrug

Læs mere

Numerisk løsning af differentialligninger

Numerisk løsning af differentialligninger KU-LIFE; Matemati og modeller 009 Numeris løsning af differentialligninger Thomas Vils Pedersen 1 Numerise metoder Ved numeris analyse forstås tilnærmet, talmæssig løsning af problemer, som ie, eller un

Læs mere

Statistisk mekanik 1 Side 1 af 11 Introduktion. Indledning

Statistisk mekanik 1 Side 1 af 11 Introduktion. Indledning Statistis meani Side af Indledning Statisti er et uundværligt matematis redsab til besrivelsen af et system med uoversueligt mange bestanddele. F.es. er der så mange luftmoleyler i blot mm 3 luft, at det

Læs mere

Foldningsintegraler og Doobs martingale ulighed

Foldningsintegraler og Doobs martingale ulighed Foldningsintegraler og Doobs martingale ulighed N.J. Nielsen Indledning I dette notat vil vi vise en sætning om foldningsintegraler, som blev benyttet trin 2 i onstrutionen af Itointegralet, gennemgå esempel

Læs mere

Kvantitative metoder 2

Kvantitative metoder 2 Program for i dag og næste gang: Kvantitative metoder Besrivende statisti og analyse af valitatitive data 7. februar 007 Besrivende statisti som grundlag for en øonometris analyse Statistise metoder til

Læs mere

Eksport og import i ADAM

Eksport og import i ADAM Esport og import er især vigtige i lille åben øonomi (som den danse øonomi), og derfor også vigtige i Adam Esporten er en stor efterspørgselsomponent, og import spiller en særlig rolle for sammensætning

Læs mere

Varmepumpen. Eksempel på anvendelse af Termodynamikkens 1. og 2. hovedsætning

Varmepumpen. Eksempel på anvendelse af Termodynamikkens 1. og 2. hovedsætning Varmepumpen Esempel på anvendelse af ermodynamiens. og. hovedsætning Indhold. Syrlig indledning om 005 reformen (Kan overspringes).... Varmepumpen anven i fysiundervisningen i gymnasiet... 3. eoretis besrivelse

Læs mere

Projekt 5.3 De reelle tal og 2. hovedsætning om kontinuitet

Projekt 5.3 De reelle tal og 2. hovedsætning om kontinuitet Projet 53 De reelle tal og 2 hovedsætning om ontinuitet Mens den 1 hovedsætning om ontinuerte funtioner om forholdsvis smertefrit ud af intervalrusebetragtninger, så er 2 hovedsætning betydeligt vanseligere

Læs mere

Om hypoteseprøvning (1)

Om hypoteseprøvning (1) E6 efterår 1999 Notat 16 Jørgen Larsen 11. november 1999 Om hypoteseprøvning 1) Det grundlæggende problem kan generelt formuleres sådan: Man har en statistisk model parametriseret med en parameter θ Ω;

Læs mere

Hvis α vælges meget lavt, bliver β meget stor. Typisk vælges α = 0.01 eller 0.05

Hvis α vælges meget lavt, bliver β meget stor. Typisk vælges α = 0.01 eller 0.05 Statistik 7. gang 9. HYPOTESE TEST Hypotesetest ved 6 trins raket! : Trin : Formuler hypotese Spørgsmål der ønskes testet vha. data H : Nul hypotese Formuleres som en ligheds hændelse H eller H A : Alternativ

Læs mere

Om Inflation and Unemployment : Nærmere detaljer vedr. pris- og lønfastsættelsen og deres relation

Om Inflation and Unemployment : Nærmere detaljer vedr. pris- og lønfastsættelsen og deres relation Makroøkonomi 1, 25/11 2003 Henrik Jensen Om Inflation and Unemployment : Nærmere detaljer vedr. pris- og lønfastsættelsen og deres relation Prisfastsættelsen Modelantagelser: Monopolistisk konkurrence

Læs mere

J n (λ) = dvs. n n-jordan blokken med λ i diagonalen. Proposition 1.2. For k 0 gælder. nullity (J n (λ) λi) k 1) 1 for 1 k n. n for k n.

J n (λ) = dvs. n n-jordan blokken med λ i diagonalen. Proposition 1.2. For k 0 gælder. nullity (J n (λ) λi) k 1) 1 for 1 k n. n for k n. . Jordan normalform Målet med dette notat er at vise hvorledes man ud fra en given matrix beregner dens Jordan normalform. Definition.. For n og λ C sættes λ 0... 0. 0 λ... J n λ).......... 0....... λ

Læs mere

Trin 1: Formuler hypotese Spørgsmål der ønskes testet vha. data H 0 : Nul hypotese Formuleres som en ligheds hændelse

Trin 1: Formuler hypotese Spørgsmål der ønskes testet vha. data H 0 : Nul hypotese Formuleres som en ligheds hændelse Statistik 7. gang 9. HYPOTESE TEST Hypotesetest ved 6 trins raket! : Trin : Formuler hypotese Spørgsmål der ønskes testet vha. data H 0 : Nul hypotese Formuleres som en ligheds hændelse H eller H A : Alternativ

Læs mere

Anmeldelse af det tekniske grundlag m.v. for livsforsikringsvirksomhed

Anmeldelse af det tekniske grundlag m.v. for livsforsikringsvirksomhed Finanstilsynet Århusgade 110 2100 København Ø Anmeldelse af det tenise grundlag m.v. for livsforsiringsvirsomhed I henhold til 20, st. 1, i lov om finansiel virsomhed sal det tenise grundlag mv. for livsforsiringsvirsomhed

Læs mere

Diskrete fordelinger. Fire vigtige diskrete fordelinger: 1. Uniform fordeling (diskret) 2. Binomial fordeling. 3. Hyper-geometrisk fordeling

Diskrete fordelinger. Fire vigtige diskrete fordelinger: 1. Uniform fordeling (diskret) 2. Binomial fordeling. 3. Hyper-geometrisk fordeling Disrete fordelinger Fire vigtige disrete fordelinger: 1. Uniform fordeling (disret) 2. Binomial fordeling 3. Hyper-geometris fordeling 4. Poisson fordeling 1 Uniform fordeling Definition Esperiment med

Læs mere

Rettevejledning til Eksamensopgave i Makroøkonomi, 2. årsprøve: Økonomien på kort sigt Eksamenstermin 2002 II. (ny studieordning)

Rettevejledning til Eksamensopgave i Makroøkonomi, 2. årsprøve: Økonomien på kort sigt Eksamenstermin 2002 II. (ny studieordning) Rettevejledning til Eksamensopgave i Makroøkonomi, 2. årsprøve: Økonomien på kort sigt Eksamenstermin 2002 II. (ny studieordning) De relevante dele af pensum er især del 2 i kapitel 20 samt dele af kapitel

Læs mere

Figur 1.1: Blokdiagram over regulatorprincip

Figur 1.1: Blokdiagram over regulatorprincip Indhold 1 Design af regulator til DC-motor 2 1.1 Besrivelse af regulatorer............................. 2 1.2 Krav til regulator................................. 3 1.2.1 Integrator anti-windup..........................

Læs mere

A. Appendix: Løse ender.

A. Appendix: Løse ender. Løse ender A.1 A. Appendix: Løse ender. (A.1). I dette appendix giver vi et bevis for Bertrand s Postulat, nævnt i Kapitel 1. Som nævnt følger Postulatet af en tilstræelig nøjagtig vurdering af primtalsfuntionen

Læs mere

Bilag 7. SFA-modellen

Bilag 7. SFA-modellen Bilag 7 SFA-modellen November 2016 Bilag 7 Konkurrence- og Forbrugerstyrelsen Forsyningssekretariatet Carl Jacobsens Vej 35 2500 Valby Tlf.: +45 41 71 50 00 E-mail: kfst@kfst.dk Online ISBN 978-87-7029-650-2

Læs mere

Projekt 5.9 Keplers vintønder Empiri og teori bag rumfangsbestemmelse hos Archimedes og Kepler

Projekt 5.9 Keplers vintønder Empiri og teori bag rumfangsbestemmelse hos Archimedes og Kepler Hvad er matemati? Projeter: Kapitel 5 Differentialregning Projet 59 Keplers vintønder Empiri og teori bag rumfangsbestemmelse Projet 59 Keplers vintønder Empiri og teori bag rumfangsbestemmelse hos Archimedes

Læs mere

Reestimation af importrelationer

Reestimation af importrelationer Danmarks Statistik MODELGRUPPEN Arbejdspapir Nis Mathias Schulte Matzen 28. november 211 Reestimation af importrelationer Resumé: Papiret estimerer import relationerne på to forskellige datasæt. Et korrigeret

Læs mere

Statistisk model. Definition: En statistisk model består af et repræsentationsrum (X, E) og en familie P af sandsynlighedsmål

Statistisk model. Definition: En statistisk model består af et repræsentationsrum (X, E) og en familie P af sandsynlighedsmål Statistisk model Definition: En statistisk model består af et repræsentationsrum (X, E) og en familie P af sandsynlighedsmål på (X, E). Modellen er parametriseret hvis der findes en parametermængde Θ og

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

Sammenligning af proteiners 3-dimensionelle strukturer

Sammenligning af proteiners 3-dimensionelle strukturer Sammenligning af proteiners 3-dimensionelle struturer Køreplan 01005 Matemati 1 - FORÅR 2006 1 Formål Formålet med opgaven er at lave en metode til sammenligning af proteiners 3-dimensionale struturer

Læs mere

Jordskælvs svingninger i bygninger.

Jordskælvs svingninger i bygninger. Jordsælvssvingninger side 1 Institut for Matemati, DTU: Gymnasieopgave Jordsælvs svingninger i bygninger. Jordsælv. Figur 1. Forlaring på de tetonise bevægelser. Jordsælv udløses når de tetonise plader

Læs mere

UGESEDDEL 7 LØSNINGER. Opgave 7.2.1

UGESEDDEL 7 LØSNINGER. Opgave 7.2.1 UGESEDDEL 7 LØSNINGER Opgave 7.2.1 Definition 1. En følge {x } in R n onvergerer mod puntet x, dersom der, for ethvert ɛ > 0, findes et N N sådan at x x < ɛ for alle N. Her definerer vi 1) x x 2 = x 1)

Læs mere

Landmålingens fejlteori - Lektion4 - Vægte og Fordeling af slutfejl

Landmålingens fejlteori - Lektion4 - Vægte og Fordeling af slutfejl Landmålingens fejlteori Lektion 4 Vægtet gennemsnit Fordeling af slutfejl - rw@math.aau.dk Institut for Matematiske Fag Aalborg Universitet 1/36 Estimation af varians/spredning Antag X 1,...,X n stokastiske

Læs mere

Multipel Linear Regression. Repetition Partiel F-test Modelsøgning Logistisk Regression

Multipel Linear Regression. Repetition Partiel F-test Modelsøgning Logistisk Regression Multipel Linear Regression Repetition Partiel F-test Modelsøgning Logistisk Regression Test for en eller alle parametre I jagten på en god statistisk model har vi set på følgende to hypoteser og tilhørende

Læs mere

Indhold Tabel med transformerdata. Følgende tabel viser de mulige transformationsforhold og den automatiske ændring af decimalerne.

Indhold Tabel med transformerdata. Følgende tabel viser de mulige transformationsforhold og den automatiske ændring af decimalerne. Deutsce Zälergesellscaft mbh Eletronis DIN-sinnemåler TYPE H31 Produtbesrivelse * Ejby Industrivej 30 Tel: +45 4320 8600 DK-2600 Glostrup * Ellemosen 4 Tel: +45 8788 7700 DK-8680 Ry Deutsce Zälergesellscaft

Læs mere

UGESEDDEL 7 LØSNINGER. ) og ɛ > 0 N N : (1 + konvergerer ikke, thi følgen x 1 + = ( 1)k

UGESEDDEL 7 LØSNINGER. ) og ɛ > 0 N N : (1 + konvergerer ikke, thi følgen x 1 + = ( 1)k UGESEDDEL 7 LØSNINGER Opgave 7.2. Definition. En følge {x } in R n onvergerer mod puntet x, dersom der, for ethvert ɛ > 0, findes et N N sådan at x x < ɛ for alle N. Her definerer vi ) x x 2 = x ) x )

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

Module 12: Mere om variansanalyse

Module 12: Mere om variansanalyse Module 12: Mere om variansanalyse 12.1 Parreded observationer.................. 1 12.2 Faktor med 2 niveauer (0-1 variabel)......... 3 12.3 Tosidig variansanalyse med tilfældig virkning..... 9 12.3.1 Uafhængighedsbetragtninger..........

Læs mere

Regneeksempel for forholdet mellem enkeltkøbspriser og pakkepriser

Regneeksempel for forholdet mellem enkeltkøbspriser og pakkepriser 3. november 0 Regneeksempel for forholdet mellem enkeltkøbspriser og pakkepriser I notatet gennemgås en beregningsmodel, der kan give en fornemmelse af de prismæssige konsekvenser af at gå fra et tv-marked

Læs mere

Effekten af indvandring på indfødte danskeres løn og beskæftigelse

Effekten af indvandring på indfødte danskeres løn og beskæftigelse d. 22.05.2017 Brian Krogh Graversen (DØRS) Effekten af indvandring på indfødte danskeres løn og beskæftigelse I kapitlet Udenlandsk arbejdskraft i Dansk Økonomi, forår 2017 analyseres det, hvordan indvandringen

Læs mere

Landmålingens fejlteori - Repetition - Fordeling af slutfejl - Lektion 8

Landmålingens fejlteori - Repetition - Fordeling af slutfejl - Lektion 8 Landmålingens fejlteori Repetition - Fordeling af slutfejl Lektion 8 - tvede@math.aau.dk http://www.math.aau.dk/ tvede/teaching/l4 Institut for Matematiske Fag Aalborg Universitet 15. maj 2008 1/13 Fordeling

Læs mere

UGESEDDEL 10 LØSNINGER. = f

UGESEDDEL 10 LØSNINGER. = f UGESEDDEL 10 LØSNINGER Theorem 1. Algoritme for løsning af max f(x, y) når g(x, y) c. Dan Lagrange-funktionen: L (x, y) = f(x, y) λ(g(x, y) c). Beregn de partielle afledte af L og kræv at de begge er nul:

Læs mere

En undersøgelse af faktoriseringsalgoritmen Pollard p-1

En undersøgelse af faktoriseringsalgoritmen Pollard p-1 itsi 009, proetopgave Torsten Jordt, 9754 00009 En undersøgelse af fatoriseringsalgoritmen Pollard p- Indhold: Opgavens mål og rammer Introdution til fatoriseringsalgoritmer og Pollard p- 3 Pollard p-

Læs mere

Hypotesetests, fejltyper og p-værdier

Hypotesetests, fejltyper og p-værdier Hypotesetests, fejltyper og p-værdier Søren Højsgaard Institut for Matematiske Fag, Aalborg Universitet October 25, 2018 Søren Højsgaard Institut for Matematiske Fag, Aalborg Hypotesetests, Universitet

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

AALBORG UNIVERSITET SKRIFTLIG EKSAMEN I ERHVERVSØKONOMI 2. JUNI 1997

AALBORG UNIVERSITET SKRIFTLIG EKSAMEN I ERHVERVSØKONOMI 2. JUNI 1997 AALBORG UNIVERSITET HD-STUDIERNE SKRIFTLIG EKSAMEN I ERHVERVSØKONOMI 2. JUNI 1997 Opgaverne vurderes med følgende vægte: Opgave l: 50% Opgave 2: 25% Opgave 3: 25% 100% /06 1 Virksomheden Tapokys AJS producerer

Læs mere

PENGE TIL DET HELE! Brug et par minutter på at komme tæt på dit budget og din privatøkonomi. Af Anette Birksø Jammeh

PENGE TIL DET HELE! Brug et par minutter på at komme tæt på dit budget og din privatøkonomi. Af Anette Birksø Jammeh PENGE TIL DET HELE! Af Anette Birsø Jammeh Brug et par minutter på at omme tæt på dit budget og din privatøonomi Det er vigtigt at forstå og holde styr på din privatøonomi det ved du allerede. Du sal ende

Læs mere

Eksempel Multipel regressions model Den generelle model Estimation Multipel R-i-anden F-test for effekt af prædiktorer Test for vekselvirkning

Eksempel Multipel regressions model Den generelle model Estimation Multipel R-i-anden F-test for effekt af prædiktorer Test for vekselvirkning 1 Multipel regressions model Eksempel Multipel regressions model Den generelle model Estimation Multipel R-i-anden F-test for effekt af prædiktorer Test for vekselvirkning PSE (I17) ASTA - 11. lektion

Læs mere

Statistik ved Bachelor-uddannelsen i folkesundhedsvidenskab. Uafhængighedstestet

Statistik ved Bachelor-uddannelsen i folkesundhedsvidenskab. Uafhængighedstestet Statistik ved Bachelor-uddannelsen i folkesundhedsvidenskab Uafhængighedstestet Eksempel: Bissau data Data kommer fra Guinea-Bissau i Vestafrika: 5273 børn blev undersøgt da de var yngre end 7 mdr og blev

Læs mere

Sammenligning af kvaliteten af kommunernes sagsbehandling 06:2006 ARBEJDSPAPIR. Martin Rasmussen. Forslag til metode

Sammenligning af kvaliteten af kommunernes sagsbehandling 06:2006 ARBEJDSPAPIR. Martin Rasmussen. Forslag til metode 06:2006 ARBEJDSPAPIR Martin Rasmussen Sammenligning af valiteten af ommunernes sagsbehandling Forslag til metode FORSKNINGSAFDELINGEN FOR SOCIALPOLITIK OG VELFÆRDSYDELSER Sammenligning af valiteten af

Læs mere

3.600 kg og den gennemsnitlige fødselsvægt kg i stikprøven.

3.600 kg og den gennemsnitlige fødselsvægt kg i stikprøven. PhD-kursus i Basal Biostatistik, efterår 2006 Dag 1, onsdag den 6. september 2006 Eksempel: Sammenhæng mellem moderens alder og fødselsvægt I dag: Introduktion til statistik gennem analyse af en stikprøve

Læs mere

Noter om kombinatorik, Kirsten Rosenkilde, februar 2008 1. Kombinatorik

Noter om kombinatorik, Kirsten Rosenkilde, februar 2008 1. Kombinatorik Noter om ombiatori, Kirste Roseilde, februar 008 Kombiatori Disse oter er e itrodutio til ombiatori og starter helt fra bude, så e del af det idledede er siert edt for dig allerede, me der ommer også hurtigt

Læs mere

Økonometri Lektion 1 Simpel Lineær Regression 1/31

Økonometri Lektion 1 Simpel Lineær Regression 1/31 Økonometri Lektion 1 Simpel Lineær Regression 1/31 Simpel Lineær Regression Mål: Forklare variablen y vha. variablen x. Fx forklare Salg (y) vha. Reklamebudget (x). Statistisk model: Vi antager at sammenhængen

Læs mere

Note om interior point metoder

Note om interior point metoder MØK 2016, Operationsanalyse Interior point algoritmer, side 1 Note om interior point metoder Som det er nævnt i bogen, var simplex-metoden til løsning af LP-algoritmer nærmest enerådende i de første 50

Læs mere

NATURVIDENSKABELIG KANDIDATEKSAMEN VED KØBENHAVNS UNIVERSITET.

NATURVIDENSKABELIG KANDIDATEKSAMEN VED KØBENHAVNS UNIVERSITET. NATURVIDENSKABELIG KANDIDATEKSAMEN VED KØBENHAVNS UNIVERSITET. Eksamen i Statistik 1TS Teoretisk statistik Den skriftlige prøve Sommer 2003 3 timer - alle hjælpemidler tilladt Det er tilladt at skrive

Læs mere

Kvantitative Metoder 1 - Forår Dagens program

Kvantitative Metoder 1 - Forår Dagens program Dagens program Afsnit 6.1 Den standardiserede normalfordeling Normalfordelingen Beskrivelse af normalfordelinger: - Tæthed og fordelingsfunktion - Middelværdi, varians og fraktiler Lineære transformationer

Læs mere

Slides til Makro 2, Forelæsning oktober 2006 Chapter 5, anden halvdel

Slides til Makro 2, Forelæsning oktober 2006 Chapter 5, anden halvdel DEN FULDSÆNDIGE SOLOW-MODEL Y t = K α t (A t L t ) 1 α, Slides til Makro 2, Forelæsning 7 26 oktober 2006 Chapter 5, anden halvdel r t = αk α 1 t (A t L t ) 1 α = α Ã Kt A t L t! α 1, Ã! α w t =(1 α) Kt

Læs mere

Normalfordelingen. Det centrale er gentagne målinger/observationer (en stikprøve), der kan beskrives ved den normale fordeling: 1 2πσ

Normalfordelingen. Det centrale er gentagne målinger/observationer (en stikprøve), der kan beskrives ved den normale fordeling: 1 2πσ Normalfordelingen Det centrale er gentagne målinger/observationer (en stikprøve), der kan beskrives ved den normale fordeling: f(x) = ( ) 1 exp (x µ)2 2πσ 2 σ 2 Frekvensen af observationer i intervallet

Læs mere

Uge 10 Teoretisk Statistik 1. marts 2004

Uge 10 Teoretisk Statistik 1. marts 2004 1 Uge 10 Teoretisk Statistik 1. marts 004 1. u-fordelingen. Normalfordelingen 3. Middelværdi og varians 4. Mere normalfordelingsteori 5. Grafisk kontrol af normalfordelingsantagelse 6. Eksempler 7. Oversigt

Læs mere

Eksamen på Økonomistudiet 2006-II. Tag-Med-Hjem-Eksamen. Makroøkonomi, 2. årsprøve, Økonomien på langt sigt. Efterårssemestret 2006

Eksamen på Økonomistudiet 2006-II. Tag-Med-Hjem-Eksamen. Makroøkonomi, 2. årsprøve, Økonomien på langt sigt. Efterårssemestret 2006 Eksamen på Økonomistudiet 2006-II ag-med-hjem-eksamen Makroøkonomi, 2. årsprøve, Økonomien på langt sigt Efterårssemestret 2006 Udleveres tirsdag den 2. januar 2007, kl. 10.00 Afleveres torsdag den 4.

Læs mere

Reaktionskinetik - 1 Baggrund. lineære og ikke-lineære differentialligninger. Køreplan

Reaktionskinetik - 1 Baggrund. lineære og ikke-lineære differentialligninger. Køreplan Reaktionskinetik - lineære og ikke-lineære differentialligninger Køreplan 1 Baggrund På 2. eller 4. semester møder kemi/bioteknologi studerende faget Indledende Fysisk Kemi (26201/26202). Her behandles

Læs mere

fordi de to sider ligger over for vinkler af samme størrelse (vist på tegningen med dobbeltbue.)

fordi de to sider ligger over for vinkler af samme størrelse (vist på tegningen med dobbeltbue.) Opgave Da treanterne ABC og DEF er ensvinlede, er de også ligedannede. Forstørrelsesfatoren findes med formlen DE = AB fordi de to sider ligger over for vinler af samme størrelse (vist på tegningen med

Læs mere

Betinget hæftelse. Et regneeksempel 01-04-2014

Betinget hæftelse. Et regneeksempel 01-04-2014 Btingt hæftls Et rgnsmpl 01-04-2014 1 Indldning Notatt sr lidt nærmr på sammnhængn mllm btingt hæftls og dt forvntd afast for ationærr og rditorr i n (finansil) virsomhd, hvor gnapitalandln r lav. Notatt

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

Optimering af energisystemer Et indledende forsøg på dimensionering af energisystemer ved hjælp af optimeringsmetoder(space mapping metoden)

Optimering af energisystemer Et indledende forsøg på dimensionering af energisystemer ved hjælp af optimeringsmetoder(space mapping metoden) Downloaded from orbit.dtu.d on: Sep 16, 2017 Optimering af energisystemer Et indledende forsøg på dimensionering af energisystemer ved hjælp af optimeringsmetoder(space mapping metoden) Pedersen, Fran

Læs mere

Uge 40 I Teoretisk Statistik, 30. september 2003

Uge 40 I Teoretisk Statistik, 30. september 2003 Uge 40 Teoretis tatisti, 30. september 003 Esidet variasaalyse Model, otatio, hypotese og hælpehypotese Test af hælpehypotese Opdaterig af variasestimat Test af hypotese om es middelværdier Variasaalysesema

Læs mere

Vægte motiverende eksempel. Landmålingens fejlteori - Lektion4 - Vægte og Fordeling af slutfejl. Vægtet model. Vægtrelationen

Vægte motiverende eksempel. Landmålingens fejlteori - Lektion4 - Vægte og Fordeling af slutfejl. Vægtet model. Vægtrelationen Vægte motiverende eksempel Landmålingens fejlteori Lektion 4 Vægtet gennemsnit Fordeling af slutfejl - kkb@mathaaudk Institut for Matematiske Fag Aalborg Universitet Højdeforskellen mellem punkterne P

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

Estimation. Lad (ν θ ) θ Θ være en statistisk model på (X, E). En estimator af θ er en afbildning t : X Θ. En konkret værdi t(x) kaldes et estimat.

Estimation. Lad (ν θ ) θ Θ være en statistisk model på (X, E). En estimator af θ er en afbildning t : X Θ. En konkret værdi t(x) kaldes et estimat. Estimation Lad (ν θ ) θ Θ være en statistisk model på (X, E). En estimator af θ er en afbildning t : X Θ. En konkret værdi t(x) kaldes et estimat. En estimator er en gætteregel.. p.1/22 Estimation X acements

Læs mere

Teoretiske Øvelser Mandag den 13. september 2010

Teoretiske Øvelser Mandag den 13. september 2010 Hans Kjeldsen hans@phys.au.dk 6. september 00 eoretiske Øvelser Mandag den 3. september 00 Computerøvelse nr. 3 Ligning (6.8) og (6.9) på side 83 i Lecture Notes angiver betingelserne for at konvektion

Læs mere

Uge 13 referat hold 4

Uge 13 referat hold 4 Uge 13 referat hold 4 Gruppearbejde 1a: Er variablen kvotient inkluderet på en hensigtsmæssig måde? Der er to problemer med kvotient: 1) Den er trunkeret ved 6.9 og 10.0, løsningen er at indføre dummyer

Læs mere

Slides til Makro 2, Forelæsning 5 5. oktober 2006 Chapter 5

Slides til Makro 2, Forelæsning 5 5. oktober 2006 Chapter 5 DEN GENERELLE SOLOWMODEL = SOLOW-MODELLEN Slides til Makro 2, Forelæsning 5 5 oktober 2006 Chapter 5 Peter Birch Sørensen og Hans Jørgen Whitta-Jacobsen September 29, 2006 Tilbage til lukket økonomi Basal

Læs mere

Hvorfor kan vi ikke bare bruge rene kvinter og stortertser?

Hvorfor kan vi ikke bare bruge rene kvinter og stortertser? Hvorfor an vi ie bare bruge rene vinter og stortertser? Problemet med alle de stemninger der tager udgangspunt i rene tertser eller rene vinter de vil løbe ind i problemer omring en-harmonise toner - dvs

Læs mere

Rettevejledning til eksamen i Kvantitative metoder 1, 2. årsprøve 2. januar 2007

Rettevejledning til eksamen i Kvantitative metoder 1, 2. årsprøve 2. januar 2007 Rettevejledning til eksamen i Kvantitative metoder 1,. årsprøve. januar 007 I rettevejledningen henvises der til Berry and Lindgren "Statistics Theory and methods"(b&l) hvis ikke andet er nævnt. Opgave

Læs mere

Anvendt Statistik Lektion 9. Variansanalyse (ANOVA)

Anvendt Statistik Lektion 9. Variansanalyse (ANOVA) Anvendt Statistik Lektion 9 Variansanalyse (ANOVA) 1 Undersøge sammenhæng Undersøge sammenhænge mellem kategoriske variable: χ 2 -test i kontingenstabeller Undersøge sammenhæng mellem kontinuerte variable:

Læs mere

Vækstkorrektion i fejlkorrektionsligninger

Vækstkorrektion i fejlkorrektionsligninger Danmarks Statistik MODELGRUPPEN Arbejdspapir Grane Høegh 9. september 2009 Vækstkorrektion i fejlkorrektionsligninger Resumé: Formålet med dette papir er at indføre vækstkorrektionsled i de dynamiske relationer,

Læs mere

For nemheds skyld: m = 2, dvs. interesseret i fordeling af X 1 og X 2. Nemt at generalisere til vilkårligt m.

For nemheds skyld: m = 2, dvs. interesseret i fordeling af X 1 og X 2. Nemt at generalisere til vilkårligt m. 1 Uge 11 Teoretisk Statistik 8. marts 2004 Kapitel 3: Fordeling af en stokastisk variabel, X Kapitel 4: Fordeling af flere stokastiske variable, X 1,,X m (på en gang). NB: X 1,,X m kan være gentagne observationer

Læs mere

Landmålingens fejlteori - Lektion4 - Vægte og Fordeling af slutfejl

Landmålingens fejlteori - Lektion4 - Vægte og Fordeling af slutfejl Landmålingens fejlteori Lektion 4 Vægtet gennemsnit Fordeling af slutfejl - kkb@math.aau.dk http://people.math.aau.dk/ kkb/undervisning/lf13 Institut for Matematiske Fag Aalborg Universitet 1/1 Vægtet

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

Agenda Sandsynlighedsregning. Regneregler (kap. 3-4) Fordelinger og genkendelse af fordelinger (kap. 3-5) Simultane, marginale og betingede

Agenda Sandsynlighedsregning. Regneregler (kap. 3-4) Fordelinger og genkendelse af fordelinger (kap. 3-5) Simultane, marginale og betingede Agenda Sandsynlighedsregning. Regneregler (kap. 3-4) Fordelinger og genkendelse af fordelinger (kap. 3-5) Simultane, marginale og betingede fordelinger (kap. 4) Middelværdi og varians (kap. 3-4) Fordelingsresultater

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

Variabel indkomstelasticitet i boligefterspørgslen II

Variabel indkomstelasticitet i boligefterspørgslen II Danmarks Statistik MODELGRUPPEN Arbejdspapir* Asger Olsen Edith Madsen 16. januar 1998 Variabel indkomstelasticitet i boligefterspørgslen II Resumé: I dette papir estimeres kontantprisrelationen med variabel

Læs mere

Phillipskurven: Inflation og arbejdsløshed

Phillipskurven: Inflation og arbejdsløshed Phillipskurven: Inflation og arbejdsløshed Vores udgangspunkt er AS-kurven, dvs. relationen mellem prisniveau og output så der er ligevægt på arbejdsmarkedet, og der har følgende form P = ( + µ) P e F

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

Anvendt Statistik Lektion 9. Variansanalyse (ANOVA)

Anvendt Statistik Lektion 9. Variansanalyse (ANOVA) Anvendt Statistik Lektion 9 Variansanalyse (ANOVA) 1 Undersøge sammenhæng Undersøge sammenhænge mellem kategoriske variable: χ 2 -test i kontingenstabeller Undersøge sammenhæng mellem kontinuerte variable:

Læs mere

Økonometri 1. Inferens i den lineære regressionsmodel 25. september Økonometri 1: F6 1

Økonometri 1. Inferens i den lineære regressionsmodel 25. september Økonometri 1: F6 1 Økonometri 1 Inferens i den lineære regressionsmodel 25. september 2006 Økonometri 1: F6 1 Oversigt: De næste forelæsninger Statistisk inferens: hvorledes man med udgangspunkt i en statistisk model kan

Læs mere

Uddybende beregninger til Produktivitetskommissionen

Uddybende beregninger til Produktivitetskommissionen David Tønners Uddybende beregninger til Produktivitetskommissionen I forlængelse af mødet i Produktivitetskommissionen og i anledning af e-mail fra Produktivitetskommissionen med ønske om ekstra analyser

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

Et statistisk test er en konfrontation af virkelighenden (data) med en teori (model).

Et statistisk test er en konfrontation af virkelighenden (data) med en teori (model). Hypotesetests, fejltyper og p-værdier og er den nu også det? Søren Højsgaard Institut for Matematiske Fag, Aalborg Universitet (updated: 2019-03-17) 1 / 40 Statistisk test Et statistisk test er en konfrontation

Læs mere

Integration m.h.t. mål med tæthed

Integration m.h.t. mål med tæthed Integration m.h.t. mål med tæthed Sætning (EH 11.7) Lad ν = f µ på (X, E). For alle g M + (X, E) gælder at gdν = g f dµ. Bevis: Standardbeviset: 1) indikatorfunktioner 2) simple funktioner 3) M + -funktioner.

Læs mere

Eksogenisering i forbrugssystemet

Eksogenisering i forbrugssystemet Danmarks Statistik MODELGRUPPEN Arbejdspapir* Edith Madsen 7. juli 1997 Eksogenisering i forbrugssystemet Resumé: Papiret giver en metode til eksogenisering af forbrugskomponenter i det nye DLU og indeholder

Læs mere

Kvantitative Metoder 1 - Efterår Dagens program

Kvantitative Metoder 1 - Efterår Dagens program Dagens program Afsnit 6.1. Ligefordelinger, fra sidst Den standardiserede normalfordeling Normalfordelingen Beskrivelse af normalfordelinger: - Tæthed og fordelingsfunktion - Middelværdi, varians og fraktiler

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

Statistik II 1. Lektion. Analyse af kontingenstabeller

Statistik II 1. Lektion. Analyse af kontingenstabeller Statistik II 1. Lektion Analyse af kontingenstabeller Kursusbeskrivelse Omfang 5 kursusgange (forelæsning + opgaveregning) 5 kursusgange (mini-projekt) Emner Analyse af kontingenstabeller Logistisk regression

Læs mere

1 Ensidet variansanalyse(kvantitativt outcome) - sammenligning af flere grupper(kvalitativ

1 Ensidet variansanalyse(kvantitativt outcome) - sammenligning af flere grupper(kvalitativ Indhold 1 Ensidet variansanalyse(kvantitativt outcome) - sammenligning af flere grupper(kvalitativ exposure) 2 1.1 Variation indenfor og mellem grupper.......................... 2 1.2 F-test for ingen

Læs mere

Anvendt Statistik Lektion 8. Multipel Lineær Regression

Anvendt Statistik Lektion 8. Multipel Lineær Regression Anvendt Statistik Lektion 8 Multipel Lineær Regression 1 Simpel Lineær Regression (SLR) y Sammenhængen mellem den afhængige variabel (y) og den forklarende variabel (x) beskrives vha. en SLR: ligger ikke

Læs mere

Heisenbergs usikkerhedsrelationer. Abstrakt. Hvorfor? Funktionsrum. Nils Byrial Andersen Institut for Matematik. Matematiklærerdag 2013

Heisenbergs usikkerhedsrelationer. Abstrakt. Hvorfor? Funktionsrum. Nils Byrial Andersen Institut for Matematik. Matematiklærerdag 2013 Heisenbergs usikkerhedsrelationer Nils Byrial Andersen Institut for Matematik Matematiklærerdag 013 1 / 17 Abstrakt Heisenbergs usikkerhedsrelationer udtrykker at man ikke på samme tid både kan bestemme

Læs mere

CES omkostningsfunktioner på kort og langt sigt

CES omkostningsfunktioner på kort og langt sigt Danmarks Statistik MODELGRUPPEN Arbejdspapir* Asger Olsen 24. maj 1993 Jakob Hald CES omkostningsfunktioner på kort og langt sigt Resumé: I papiret gennemregnes sammenhængen mellem minimumsomkostningsfunktioner

Læs mere

Tema. Dagens tema: Indfør centrale statistiske begreber.

Tema. Dagens tema: Indfør centrale statistiske begreber. Tema Dagens tema: Indfør centrale statistiske begreber. Model og modelkontrol Estimation af parametre. Fordeling. Hypotese og test. Teststørrelse. konfidensintervaller Vi tager udgangspunkt i Ex. 3.1 i

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