DREAM s livsforløbsmodel - Model og algoritme
|
|
- Birthe Marcussen
- 6 år siden
- Visninger:
Transkript
1 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 for karakteristiske rationelle husholdninger under usikkerhed. Projektbeskrivelse findes på Dette er første udkast til livsforløbsmodellen og dens løsning. Arbejdsmarkedspension er ikke introduceret i denne version. 2 Model Vi ønsker at beskrive en husholdning hvis løbende indkomst og dødstidspunkt er stokastisk, som har nytte af arv og som potentielt er kreditrationeret. Ved en given alder t, hvor husholdningen kender realiseret indkomst y t og initial finansiel formue A t, skal forbruget c t vælges givet den usikre fremtid (vi vil senere specificere denne usikkerhed). Generelt skal der finde en sammenhæng (den såkaldte policy-funktion) c t = ϕ (A t, y t, t) som for alle t løser problemet:
2 2 MODEL T ( max E t ( µ s ) c ρ s ϕ() ρ + µ sω (a + I s (A s )) ρ ρ s=t ) β s ] () s.t. A s + c s = Φ s (A s, y s ), s t A T = 0 A t = A t, B t = B t A s A min, s t hvor E t ] er forventningsoperatoren givet den tilgængelige information ved alder t, ω angiver den vægt husholdningen tillægger arv, µ s er sandsynlighdeden for at dø som s-årig, T er den maksimale levealder og I s (A s ) er en funktion der angiver sammenhængen mellem formuer og arv. I sin simpleste form vil det gælder at I s (A s ) = A s som udtryk for at den finansielle formue overtages direkte af arvingerne. Parameteren a er medtaget for at gøre arv til et luksus-gode, således at ingen arv teoretisk set er muligt. Parameteren ρ er udtryk for den relative risikoaversions 2. Størrelsen β t er tilbagediskonteringsfaktoren. I det simple tilfælde antages det typisk at β t = ( ) t + θ hvor θ er tilbagediskonteringsraten. Risiko for død er inddrages ved at antage at t µ s β t = + θ s= hvor µ t er dødssandsynligheden ved alder t. Budgetrestriktionen er defineret ud fra cash-on-hand-funktionen Φ s (A s, y s ). I det simpleste tilfælde gælder det at Φ s (A s, y s ) = ( + r) A s + y s hvor ra s er kapitalindkomst og y s er løbende indkomst ved alder s. I vores tilfælde er cash-on-hand-funktionen en kompliceret lovgivningstung sag. Det er derfor rart at behandle den som en black-box. Vi vil i det følgende antage at den er differentiabel og monotont voksende i A t. Det antages at Φ s (A s, y s ) har en veldefineret invers A s = Φ s (x, B s, y s ) med hensyn til den finansielle formue, som løsning til Φ s (A s, B s, y s ) = x Det antages at µ T = 2 /ρ kan ligeledes fortolkes som den intertemporale substitutionselasticitet. Det antages ofte at ρ = 2. 2
3 3 ALGORITME Parameren A min angiver kreditrestriktionen. Denne restriktion kan slås fra ved at sætte A min =. Det kan vises at en løsning til problemet () overholder betingelsen (se appendiks A): c ρ t = + θ (µ I t+ (A t ) t+ω (a + I t+ (A t )) ρ + ( µ t+ ) E t Φ t+ (A t, y t+ ) c ρ t+] ) (2) 3 Algoritme Algoritmen hvormed problemes løses er inspireret af Christopher Carroll s relativt nye Endogen-Grid-metode (EG-metode)(Correll (2005, 2009); Barillas and Fernández-Villaverde (2006)). Lad os først definere et formue-grid. Der er J A punkter i dette grid. Et punkt i grid et er givet ved j {,..., J A}. Formuen i det givne punkt er givet ved A (j). Alle disse værdier fastlægges på forhånd. Det gælder per definition at A () = A min. Det antages at A (j) < A (j + ). Antag den løbende indkomst y t er givet ved: y t = G t P t T t hvor G t er en deterministisk aldersprofil, P t er en permanent indkomstkomponent og T t er en transitorisk indkomstkomponent. På samme måde som ovenfor defineres grids P (j), j {,..., J P } og T (j), j {,..., J T }. Lad π P t,i,j, i, j {,..., J P } være sandsynligheden for at husholdningen modtager den permanente indkomst P (j) ved alder t givet at husholdningen i sidste periode modtog indkomsten P (i). For den transitoriske indkomst defineres sandsynlighedsfordelingen π T t,j, j {,..., J T }. Definer ˆΦ t (j A, j P, j T ) Φ t (A (j A ), G t P (j P ) T (j T )) Î t (j A ) I t (A (j A )) Î t (j A ) I t (A (j A )) og definer den diskrete policy-function c t = ˆϕ t (j A, j P, j T ) ϕ (A (j A ), G t P (j P ) T (j T ), t) 3
4 3 ALGORITME I sidste alder T vil det oplagt gælde at ˆϕ T (j A, j P, j T ) = ˆΦ T (j A, j P, j T ) på grund af restriktionen A T = 0. Antag nu at vi kender ˆϕ t+ og skal beregne ˆϕ t. Vi tager udgangspunkt i euler-ligningen (2). Vi vil gerne sikre os at: ϕ (A t, y t, t) ρ = + θ (µ I t+ (A t ) t+ω (a + I t+ (A t )) ρ + ( µ t+ ) E t Φ t+ (A t, y t+ ) ϕ (A t, y t+, t + ) ρ] ) Hvis vi antager at indkomstenkomponenterne ligger på deres respektive grid s - dvs. der findes j P {,..., J } P således at P t = P (j P ) og j T {,..., J } T således at T t = T (j T ), da kan de diskrete sandsynlighedersfordelinger inddrages ϕ (A t, y t, t) ρ = + θ (µ I t+ (A t ) t+ω (a + I t+ (A t )) ρ + ( µ t+ ) J P J T i= j= π P t+,j P,iπ T t+,jφ t+ (A t, y t+ ) ϕ (A t, y t+, t + ) ρ ) hvor y t+ = G t+ P (i) T (j) Før EG-metoden søgte man typisk at løse denne ligning for givne værdier af (A t, y t ). Det nye ved EG-metoden er at der i stedet tages udgangpunkt i givne værdier af (A t, y t ). Antag (A t, P t ) ligger på deres respektive grid s: Definer c t (j A, j P ) ved (A t, P t ) = (A (j A ), P (j P )) c t (j A, j P ) ρ + θ (µ Î t+ (j A ) t+ω ( a + Ît+ (j A ) ) ρ + ( µ t+ ) J P J T i= j= π P t+,j P,iπ T t+,j ˆΦ t+ (j A, i, j) ˆϕ t+ (j A, i, j) ρ ) Ved at benytte budgetrestriktionen kan A t beregnes A t (j A, j P, j T ) Φ t (A t + c t (j A, j P ), G t P (j P ) T (j T )) 4
5 LITTERATUR LITTERATUR Det vil da oplagt gælde at c t (j A, j P ) = ϕ ( A t (j A, j P, j T ), G t P (j P ) T (j T ), t ) således at vi har fundet punkter på policy-funktionen. Vi har imidlertid et problem: A t (j A, j P, j T ) vil typisk ikke ligge på formue-grid et. Det dur ikke, idet vi da ikke kan genbruge vores metode til at beregne ˆϕ t ud fra ˆϕ t. Vores startantagelse var jo netop at begge variable lå på deres grids. Løsningen på problemet er at approximere policy-funktionen netop i grid-punkterne. Antag for givne j P og j T at c t (j A, j P ) og A t (j A, j P, j T ) er beregnet i alle formue-grid-punkterne. Værdierne af forbruget interpoleres i formue-gridpunkterne på følgende måde. Hvis f.eks. A t (j A, j P, j T ) < A (i) A t (j A +, j P, j T ) for et eller andet i {,..., J A}, da defineres det at A (i) A t (j A, j P, j T ) ˆϕ t (i, j P, j T ) = c t (j A, j P )+ A t (j A +, j P, j T ) A t (j A, j P, j T ) (c t (j A +, j P ) c t (j A, j P )) Hvis A t (j A, j P, j T ) < A min (dvs. kreditrestiktionen overtrædes) beregnes det forbrug der netop stemmer overens med en overholdelse af kreditrestriktionen: ˆϕ t (, j P, j T ) = ˆΦ t (, j P, j T ) A (j A ) Litteratur Carroll, C.D., 2005, The Method of Endogenous Gridpoints for Solving Dynamic Stochastic Optimization Problems, Manuscript, Johns Hopkins University Carroll, C.D., 2009, Lecture Notes On Solution Methods for Microeconomic Dynamic Stochastic Optimization Problems, Manuscript, Johns Hopkins University Barillas, F. and Fernández-Villaverde, J., 2006, A generalization of the endogenous grid method, Pages , Journal of Economic Dynamics and Control, Volume 3, Issue 8 5
6 A BEREGNING AF EULER-LIGNING A Beregning af Euler-ligning I dette appendiks udregnes løsningen til problem (). Definer værdi-funktionen: T ( ) ] V t (A t ) = max E t ( µ s ) c ρ s ρ + µ sω (a + I s (A s )) ρ β s ρ s=t = max E t ( µ t ) c ρ t ρ + µ tω (a + I t (A t )) ρ ρ ( + β T t ( µ s ) c ρ s ρ + µ sω (a + I s (A s )) ρ ρ s=t+ { = max = max { ( µ t ) c ρ t ρ + µ tω (a + I t (A t )) ρ ρ ) β s β t ] + β t E t V t+ (A t )] ( µ t ) c ρ t ρ + µ tω (a + I t (A t )) ρ + β t E t V t+ (Φ t (A t, y t ) c t )] ρ } } For at maksimere differentieres det indre af {} mht. c t. Det giver ( µ t ) c ρ t β t E t V t+ (A t ) ] = 0 eller ( µ t ) c ρ t = β t E t V t+ (A t ) ] For at komme videre skal vi beregne værdifunktionens. afledede. I bedste konvolut-stil udnyttes at vi har differentieret med hensyn til c t : V t (A t ) = Dvs ( µ t ) c ρ t = β t E t dc t I t (A t ) 0 + µ t ω da t (a + I t (A t )) ρ + Φ β t t (A t, y t ) E t V β t+ (A t ) ] t I t (A t ) = µ t ω (a + I t (A t )) ρ + ( µ t ) Φ t (A t, j t ) c ρ t I ] t+ (A t ) µ t+ ω (a + I t+ (A t )) ρ + ( µ t+ ) Φ t+ (A t, y t+ ) c ρ t+ 6
7 A BEREGNING AF EULER-LIGNING eller c ρ t = + θ E t I ] t+ (A t ) µ t+ ω (a + I t+ (A t )) ρ + ( µ t+ ) Φ t+ (A t, y t+ ) c ρ t+ Idet A t ikke afhænger af den usikre indkomst y t+, gælder det at c ρ t = ( I t+ (A t ) µ t+ ω + θ (a + I t+ (A t )) ρ + ( µ t+ ) E t Φ t+ (A t, y t+ ) c ρ ] ) t+ 7
Simuleringsmodel for livsforløb
Simuleringsmodel for livsforløb Implementering af indkomststokastik i modellen 9. november 2009 Sune Sabiers sep@dreammodel.dk Indledning I forbindelse med EPRN projektet Livsforløbsanalyse for karakteristiske
Læs mereRettevejledning 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 mereOverheads 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 mereOm 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 mereInstitut for Matematiske Fag Aalborg Universitet Specielt: Var(aX) = a 2 VarX 1/40. Lad X α, X β og X γ være stokastiske variable (vinkelmålinger) med
Repetition: Varians af linear kombination Landmålingens fejlteori Lektion 5 Fejlforplantning - rw@math.aau.dk Antag X 1, X,..., X n er uafhængige stokastiske variable, og Y er en linearkombination af X
Læs mereForbrugsfunktionen 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 merePension og Tilbagetrækning - Ikke-parametrisk Estimation af Heterogenitet
Pension og Tilbagetrækning - Ikke-parametrisk Estimation af Heterogenitet Søren Arnberg Danish Economic Councils Peter Philip Stephensen Danish Rational Economic Agent Model 7. juli 213 Arbejdspapir 213:
Læs mereReeksamen 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 mereWigner s semi-cirkel lov
Wigner s semi-cirkel lov 12. december 2009 Eulers Venner Steen Thorbjørnsen Institut for Matematiske Fag Århus Universitet Diagonalisering af selvadjungeret matrix Lad H være en n n matrix med komplekse
Læs mereSammenligning af estimerede koefficienter i makroforbruget med beregnede strukturelle koefficienter
Danmarks Statistik MODELGRUPPEN Arbejdspapir* Henrik Olesen 20. juli 2000 Sammenligning af estimerede koefficienter i makroforbruget med beregnede strukturelle koefficienter Resumé: Papiret sammenligner
Læs mereMikroøkonomi Projektopgave: Valg Under Usikkerhed
Mikroøkonomi Projektopgave: Valg Under Usikkerhed Peter Norman Sørensen, Økonomisk Institut Forår 2003 1. Formalia [10 minutter] Denne obligatoriske projektopgave er en guide til selvstudium af kapitel
Læs mereM=3 kunde forbindelse. oprettet lokation Steinerkant
M=3 åben facilitet kunde forbindelse lukket facilitet oprettet lokation Steinerkant v Connected facility location-problemet min i f i y i + d j c ij x ij + M c e z e (1) j i e hvorom gælder: x ij 1 j (2)
Læs mere(Prøve)Eksamen i Calculus
(Prøve)Eksamen i Calculus Sæt 1, april 2011 Første Studieår ved Det Teknisk-Naturvidenskabelige Fakultet og Det Sundhedsvidenskabelige Fakultet Nærværende (prøve)eksamenssæt består af 7 nummererede sider
Læs mereFejlforplantning. Landmålingens fejlteori - Lektion 5 - Fejlforplantning. Repetition: Varians af linear kombination. Eksempel: Vinkelberegning
Fejlforplantning Landmålingens fejlteori Lektion 5 Fejlforplantning - kkb@math.aau.dk http://people.math.aau.dk/ kkb/undervisning/lf13 Landmåling involverer ofte bestemmelse af størrelser som ikke kan
Læs mereKarakteristiske funktioner og Den Centrale Grænseværdisætning
E6 efterår 1999 Notat 10 Jørgen Larsen 20. oktober 1999 Karakteristiske funktioner og Den Centrale Grænseværdisætning Karakteristiske funktioner som er nære slægtninge til Fourier-transformationen) er
Læs mere8 Regulære flader i R 3
8 Regulære flader i R 3 Vi skal betragte særligt pæne delmængder S R 3 kaldet flader. I det følgende opfattes S som et topologisk rum i sportopologien, se Definition 5.9. En åben omegn U af p S er således
Læs mereKompleks Funktionsteori
Kompleks Funktionsteori Formelræs Holomorfe funktioner Sætning. (Caucy-Riemans ligninger). Funktionen f : G C, f = u+iv er holomorf i z 0 = x 0 + iy 0 hvis og kun hvis i punktet (x 0, y 0 ). du dx = dv
Læs mereBinomial fordeling. n f (x) = p x (1 p) n x. x = 0, 1, 2,...,n = x. x x!(n x)! Eksempler. Middelværdi np og varians np(1 p). 2/
Program: 1. Repetition af vigtige sandsynlighedsfordelinger: binomial, (Poisson,) normal (og χ 2 ). 2. Populationer og stikprøver 3. Opsummering af data vha. deskriptive størrelser og grafer. 1/29 Binomial
Læs mereAnalyse af måledata II
Analyse af måledata II Usikkerhedsberegning og grafisk repræsentation af måleusikkerhed Af Michael Brix Pedersen, Birkerød Gymnasium Forfatteren gennemgår grundlæggende begreber om måleusikkerhed på fysiske
Læs mereNote 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 mereDifferentiation af sammensatte funktioner
1/7 Differentiation af sammensatte funktioner - Fra www.borgeleo.dk En sammensat funktion af den variable x er en funktion, vor x først indsættes i den såkaldte indre funktion. Resultatet fra den indre
Læs mereForbrug og rente. Danmarks Statistik. Henrik Olesen 29. august 2000 Michael Andersen N. Arne Dam
Danmarks Statistik MODELGRUPPEN Arbejdspapir* Henrik Olesen 29. august 2000 Michael Andersen N. Arne Dam Forbrug og rente 5HVXPp Papiret skitserer nogle forskellige metoder, som medfører, at renten vil
Læs mereLandmålingens fejlteori - Lektion 5 - Fejlforplantning
Landmålingens fejlteori Lektion 5 Fejlforplantning - kkb@math.aau.dk Institut for Matematiske Fag Aalborg Universitet 1/30 Fejlforplantning Landmåling involverer ofte bestemmelse af størrelser som ikke
Læs mereEksamen på Økonomistudiet 2009-II Makro 2, anden årsprøve Forårssemestret timers tag med-hjem-eksamen
Eksamen på Økonomistudiet 2009-II Makro 2, anden årsprøve Forårssemestret 2009 48 timers tag med-hjem-eksamen Udleveres onsdag den 3. juni 2009, kl. 10.00 fra fagets hjemme- og Absalonside. Afleveres fredag
Læs mereIndledning Virksomhederne Husholdningerne Den oentlige sektor Lukning Et udbudsstød. DREAM Workshop. April 25, 2012
DREAM Workshop April 25, 2012 DREAM består af 4 modeller Befolkningsfremskrivning Uddannelsesfremskrivning Socio-økonomisk fremskrivning (befolkningsregnskab) Makromodel Dette foredrag handler om makromodellen
Læs mereGradienter og tangentplaner
enote 16 1 enote 16 Gradienter og tangentplaner I denne enote vil vi fokusere lidt nærmere på den geometriske analyse og inspektion af funktioner af to variable. Vi vil især studere sammenhængen mellem
Læs mereAGL-model til vurdering af effekten af ændringer i dagpengesystemet. Teknisk baggrundsnotat.
6.10.2014 David Tønners (DØRS) AGL-model til vurdering af effekten af ændringer i dagpengesystemet. Teknisk baggrundsnotat. I dette notat beskrives den AGL-model, der anvendes til at vurdere konsekvenserne
Læs mereSandsynlighedsregning 10. forelæsning Bo Friis Nielsen
Sandsynlighedsregning 10. forelæsning Bo Friis Nielsen Matematik og Computer Science Danmarks Tekniske Universitet 2800 Kgs. Lyngby Danmark Email: bfni@dtu.dk Dagens emner afsnit 6.1 og 6.2 Betingede diskrete
Læs mere2 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 mere1/41. 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 mereHuspriser og forbrug. Henrik Yde Andersen Copenhagen Business School, Danmarks Nationalbank. Søren Leth-Petersen Københavns Universitet
Huspriser og forbrug Henrik Yde Andersen Copenhagen Business School, Danmarks Nationalbank Søren Leth-Petersen Københavns Universitet Huspriser og forbrug Huspriser og forbrug svinger sammen Indeks 125
Læs mereDen todimensionale normalfordeling
Den todimensionale normalfordeling Definition En todimensional stokastisk variabel X Y siges at være todimensional normalfordelt med parametrene µ µ og når den simultane tæthedsfunktion for X Y kan skrives
Læs mereSlides til Makro 2, Forelæsning september 2006 Chapter 3
DEN BASALE SOLOW-MODEL Y t = BKt α L 1 α t Slides til Makro 2, Forelæsning 3 21. september 2006 Chapter 3 r t = αb Ã! α 1 Kt L t w t =(1 α) B S t = sy t K t+1 K t = S t δk t, Ã! α Kt L t K 0 givet L t+1
Læs mereØkonometri 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 mereSandsynlighedsregning 10. forelæsning Bo Friis Nielsen
Sandsynlighedsregning 10. forelæsning Bo Friis Nielsen Matematik og Computer Science Danmarks Tekniske Universitet 2800 Kgs. Lyngby Danmark Email: bfni@dtu.dk Dagens emner afsnit 6.1 og 6.2 Betingede diskrete
Læs merePhillipskurven: 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 mereSandsynlighedsregning 10. forelæsning Bo Friis Nielsen
Sandsynlighedsregning 0. forelæsning Bo Friis Nielsen Matematik og Computer Science Danmarks Tekniske Universitet 800 Kgs. Lyngby Danmark Email: bfni@dtu.dk Dagens emner afsnit 6. og 6. Betingede diskrete
Læs mereSimuleringsmodel for livsforløb
Simuleringsmodel for livsforløb Oversigtsbeskrivelse af modellen 25. august 2009 Sune Sabiers sep@dreammodel.dk Indledning Dreams lifecycle simuleringsmodel er en computermodel, som simulerer forbrug og
Læs mereGEOMETRI-TØ, UGE 3. og resultatet følger fra [P] Proposition 2.3.1, der siger, at
GEOMETRI-TØ, UGE 3 Hvis I falder over tryk- eller regne-fejl i nedenstående, må I meget gerne sende rettelser til fuglede@imf.au.dk. Opvarmningsopgave 1. Lad γ : (α, β) R 2 være en regulær kurve i planen.
Læs mereIndledning. 1 Martingalerepræsentationssætningen
Indledning I disse noter vil uddybe nogle af Øksendals resultater i afsnittene 4 og 7 samt give andre beviser for dem. Disse resultater er gennemgået til forelæsningerne. 1 Martingalerepræsentationssætningen
Læs mereEksamen 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 mereEksamen i Calculus. 14. juni f (x, y, z) = 1 + x 2 + y 2. Hele rummet uden z aksen
Eksamen i Calculus Første Studieår ved Det Tekniske Fakultet for IT og Design, Det Sundhedsvidenskabelige Fakultet samt Det Ingeniør- og Naturvidenskabelige Fakultet 14. juni 019 Opgave 1 (6 point) En
Læs mereEksamen i Calculus. 14. juni f (x, y, z) = 1 + x 2 + y 2. x 2 + y 2 1 Hele rummet uden z aksen
Eksamen i Calculus Første Studieår ved Det Tekniske Fakultet for IT og Design, Det Sundhedsvidenskabelige Fakultet samt Det Ingeniør- og Naturvidenskabelige Fakultet 14. juni 19 Opgave 1 (6 point) En funktion
Læs mere1 α K = A t, (SS1) n + g + δ eller: ln yt =lna t +
Tag Med-Hjem-Eksamen Makroøkonomi,. Årsprøve Efterårssemestret 5 Udleveres mandag den. januar, 6, kl. 10. Afleveres onsdag den 4. januar, 6, senest kl. 10. på: Eksamenskontoret, Center for Sundhed og Samfund
Læs mereØkonomiske incitamenter, nedslidning og tilbagetrækning
Økonomiske incitamenter, nedslidning og tilbagetrækning Semi-parametrisk estimation af heterogenitet og aldersbetingede ønsker om tilbagetrækning Søren Arnberg Forsikring & Pension Peter Stephensen Danish
Læs mereMomenter som deskriptive størrelser. Hvad vi mangler fra onsdag. Momenter for sandsynlighedsmål
Hvad vi mangler fra onsdag Momenter som deskriptive størrelser Sandsynlighedsmål er komplicerede objekter de tildeler numeriske værdier til alle hændelser i en σ-algebra. Vi har behov for simplere, deskriptive
Læs mereHvad vi mangler fra onsdag. Vi starter med at gennemgå slides fra onsdag.
Hvad vi mangler fra onsdag Vi starter med at gennemgå slides 34-38 fra onsdag. Slide 1/17 Niels Richard Hansen MI forelæsninger 6. December, 2013 Momenter som deskriptive størrelser Sandsynlighedsmål er
Læs mereGrafisk bestemmelse - fortsat Støttepunkter. Grafisk bestemmelse y. giver grafen. Niveaukurver og retning u = ( 1
Oversigt [S]. Nøgleord og begreber Retningsafledt Gradientvektor Gradient i flere variable Fortolkning af gradientvektoren Agst, opgave 5 Delvis afledt [S]. Directional derivatives and te... Definition
Læs mereRepetition. 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 mereVektorfelter langs kurver
enote 25 1 enote 25 Vektorfelter langs kurver I enote 24 dyrkes de indledende overvejelser om vektorfelter. I denne enote vil vi se på vektorfelternes værdier langs kurver og benytte metoder fra enote
Læs mereFortolkning. Foldning af sandsynlighedsmål. Foldning af tætheder. Foldning af Γ-fordelinger Eksempel: Hvis X og Y er uafhængige og. Sætning (EH 20.
Foldning af sandsnlighedsmål Lad µ og ν være to sandsnlighedsmål på (R, B). Fortolkning Lad φ : R R være φ(, ) = + for (, ) R. Lad X og Y være to reelle stokastiske variable defineret på (Ω, F, P). Definition
Læs mereDANMARKS 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 mereEn sumformel eller to - om interferens
En sumformel eller to - om interferens - fra borgeleo.dk Vi ønsker - af en eller anden grund - at beregne summen og A x = cos(0) + cos(φ) + cos(φ) + + cos ((n 1)φ) A y = sin (0) + sin(φ) + sin(φ) + + sin
Læs mereEksamen i Calculus Mandag den 4. juni 2012
Eksamen i Calculus Mandag den 4. juni 212 Første Studieår ved Det Teknisk-Naturvidenskabelige Fakultet og Det Sundhedsvidenskabelige Fakultet Nærværende eksamenssæt består af 7 nummererede sider med ialt
Læs mereMM501 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 mereInvestering og den intertemporale konjunkturmodel. Økonomisk Institut, Københavns Universitet. Konjunkturteori II: Carl-Johan Dalgaard
Konjunkturteori II: Investering og den intertemporale konjunkturmodel Carl-Johan Dalgaard Økonomisk Institut, Københavns Universitet OVERBLIK OVER GENNEMGANGEN 1. Den repræsentative virksomheds problem
Læs mereMASO Uge 7. Differentiable funktioner. Jesper Michael Møller. Uge 7. Formålet med MASO. Department of Mathematics University of Copenhagen
MASO Uge 7 Differentiable funktioner Jesper Michael Møller Department of Mathematics University of Copenhagen Uge 7 Formålet med MASO Oversigt Differentiable funktioner R n R m Differentiable funktioner
Læs merePlanen 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 mereNewton-Raphsons metode
Newton-Raphsons metode af John V. Petersen Indhold Indledning: Numerisk analyse og Newton-Raphsons metode... 2 Udlede Newtons iterations formel... 2 Sætning 1 Newtons metode... 4 Eksempel 1 konvergens...
Læs mereNoter til Computerstøttet Beregning Taylors formel
Noter til Computerstøttet Beregning Taylors formel Arne Jensen c 23 1 Introduktion I disse noter formulerer og beviser vi Taylors formel. Den spiller en vigtig rolle ved teoretiske overvejelser, og også
Læs mereTALTEORI 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 mereLineære systemer med hukommelse.
Lineær Response Teori. I responseteorien interesserer man sig for, hvad der kan siges generelt om sammenhængen mellem input φ(t) og output γ(t) for et system. Valg af variable. Det betragtede systems forskellige
Læs mereEksamen i Calculus. 14. juni f (x, y, z) = 1 + x 2 + y 2. x 2 + y 2 1 Hele rummet uden z aksen
Eksamen i Calculus Første Studieår ved Det Tekniske Fakultet for IT og Design, Det Sundhedsvidenskabelige Fakultet samt Det Ingeniør- og Naturvidenskabelige Fakultet 14. juni 019 Opgave 1 (6 point) En
Læs mereKapitel 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 mereProgram. 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 mereKvantitative Metoder 1 - Efterår Dagens program
Dagens program Approksimation af binomialsandsynligheder, Afsnit 4.5 Multinomial fordeling, Afsnit 4.8 Negativ binomialfordeling, Afsnit 4.4 Poisson fordeling og Poisson process, Afsnit 4.6 Kontinuerte
Læs mereMATEMATIK 11 Eksamensopgaver Juni 1995 Juni 2001, 4. fjerdedel
Juni 2000 MATEMATIK 11 Eksamensopgaver Juni 1995 Juni 2001, 4. fjerdedel Opgave 1. (a) Find den fuldstændige løsning til differentialligningen y 8y + 16y = 0. (b) Find den fuldstændige løsning til differentialligningen
Læs mereBilag 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 mereKvantitative Metoder 1 - Forår 2007. Dagens program
Dagens program Approksimation af binomialsandsynligheder, Afsnit 4.5 Poisson fordeling og Poisson process, Afsnit 4.6 Kontinuerte fordelinger, Afsnit 5.1-5.2: - Fordelingsfunktion - Tæthedsfunktion - Eksempel:
Læs mereKomplekse tal og algebraens fundamentalsætning.
Komplekse tal og algebraens fundamentalsætning. Michael Knudsen 10. oktober 2005 1 Ligningsløsning Lad N = {0,1,2,...} betegne mængden af de naturlige tal og betragt ligningen ax + b = 0, a,b N,a 0. Findes
Læs mereLidt om plane kurver og geometrisk kontinuitet
Lidt om plane kurver og geometrisk kontinuitet Jesper Møller og Rasmus P. Waagepetersen, Institut for Matematiske Fag, Aalborg Universitet September 3, 2003 1 Indledning Dette notesæt giver en oversigt
Læs mereLandmålingens 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 mereProjekt Planlægning: PERT/CPM
Chapter 10: Projekt Planlægning: PERT/CPM -> Planlægning og koordinering af aktiviteter, der tilsammen definerer et helt projekt, så projektet færdiggøres indenfor en planlagt tidsramme. Aktiviteterne
Læs mereMotivation. Konfidensintervaller og vurdering af usikkerhed på estimerede størrelser
Motivation Konfidensintervaller og vurdering af usikkerhed på estimerede størrelser Rasmus Waagepetersen October 26, 2018 Eksempel: En landmåler får til opgave at måle længden λ fra A til B. Entreprenøren
Læs mereSubstitutions- og indkomsteffekt ved prisændringer
Substitutions- og indkomsteffekt ved prisændringer Erik Bennike 14. november 2009 Denne note giver en beskrivelse af de relevante begreber omkring substitutions- og indkomsteffekter i mikroøkonomi. 1 Introduktion
Læs mereEksamen 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 mere13 Markovprocesser med transitionssemigruppe
13 Markovprocesser med transitionssemigruppe I nærværende kapitel vil vi antage at tilstandsrummet er polsk, hvilket sikrer, at der findes regulære betingede fordelinger. Vi skal se på eksistensen af Markovprocesser.
Læs mereReeksamen i Calculus
Reeksamen i Calculus Første Studieår ved Det Tekniske Fakultet for IT og Design, Det Sundhedsvidenskabelige Fakultet samt Det Ingeniør- og Naturvidenskabelige Fakultet 0. februar 019 Dette eksamenssæt
Læs mereOm 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 mereFigur 1: Kraftpåvirkning af vingeprol
0.. AERODYNAMIK 0. Aerodynamik I dette afsnit opstilles en matematisk model for de kræfter, der virker på en vingeprol. Disse kræfter kan få rotoren til at rotere og kan anvendes til at krøje nacellen,
Læs mereInvesterings- 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 mereAntag X 1, X 2,..., X n er n uafhængige stokastiske variable, hvor Var(X 1 )=σ 2 1,..., Var(X n )=σ 2 n.
Simple fejlforplantningslov Landmålingens fejlteori Lektion 6 Den generelle fejlforplantningslov Antag X, X,, X n er n uafhængige stokastiske variable, hvor Var(X )σ,, Var(X n )σ n Lad Y g(x, X,, X n ),
Læs merez + w z + w z w = z 2 w z w = z w z 2 = z z = a 2 + b 2 z w
Komplekse tal Hvis z = a + ib og w = c + id gælder z + w = (a + c) + i(b + d) z w = (a c) + i(b d) z w = (ac bd) + i(ad bc) z w = a+ib c+id = ac+bd + i bc ad, w 0 c +d c +d z a b = i a +b a +b Konjugation
Læs mereLandmålingens 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 mereMatematisk modellering og numeriske metoder. Lektion 1
Matematisk modellering og numeriske metoder Lektion 1 Morten Grud Rasmussen 4. september, 2013 1 Ordinære differentialligninger ODE er 1.1 ODE er helt grundlæggende Definition 1.1 (Ordinære differentialligninger).
Læs mereIntroduktion til Laplace transformen (Noter skrevet af Nikolaj Hess-Nielsen sidst revideret marts 2013)
Introduktion til Laplace transformen (oter skrevet af ikolaj Hess-ielsen sidst revideret marts 23) Integration handler ikke kun om arealer. Tværtimod er integration basis for mange af de vigtigste værktøjer
Læs mereMLR antagelserne. Antagelse MLR.1:(Lineære parametre) Den statistiske model for populationen kan skrives som
MLR antagelserne Antagelse MLR.1:(Lineære parametre) Den statistiske model for populationen kan skrives som y = β 0 + β 1 x 1 + β 2 x 2 + + β k x k + u, hvor β 0, β 1, β 2,...,β k er ukendte parametere,
Læs mereGEOMETRI-TØ, UGE 6. . x 1 x 1. = x 1 x 2. x 2. k f
GEOMETRI-TØ, UGE 6 Hvis I falder over tryk- eller regne-fejl i nedenstående, må I meget gerne sende rettelser til fuglede@imfaudk Opvarmningsopgave 1 Lad f : R 2 R være tre gange kontinuert differentierbar
Læs mereForelæsning 6: Offentlig gæld og Ricardiansk ækvivalens
Det Samfundsvidenskabelige Fakultet Forelæsning 6: og Ricardiansk ækvivalens Jeppe Druedahl Økonomisk Institut blok 1 2017 Dias 1/24 1 Vi skal snakke om offentlig gæld som alternativ til skattefinansiering
Læs mereTilstandssummen. Ifølge udtryk (4.28) kan MB-fordelingen skrives , (5.1) og da = N, (5.2) . (5.3) Indføres tilstandssummen 1 , (5.
Statistisk mekanik 5 Side 1 af 10 ilstandssummen Ifølge udtryk (4.28) kan M-fordelingen skrives og da er μ N e e k = N g ε k, (5.1) N = N, (5.2) μ k N Ne g = e ε k. (5.3) Indføres tilstandssummen 1 Z g
Læs mereMM501/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 mereStatistik ved Bachelor-uddannelsen i folkesundhedsvidenskab. Estimation
Statistik ved Bachelor-uddannelsen i folkesundhedsvidenskab Estimation Eksempel: Bissau data Data kommer fra Guinea-Bissau i Vestafrika: 5273 børn blev undersøgt da de var yngre end 7 mdr og blev herefter
Læs mereMAKRO årsprøve. Forelæsning 11. Pensum: Mankiw kapitel 13. Peter Birch Sørensen.
MAKRO 1 2. årsprøve Forelæsning 11 Pensum: Mankiw kapitel 13 Peter Birch Sørensen www.econ.ku.dk/okopbs/courses.htm AS-AD-MODELLEN IS-LM model for lukket økonomi (eller stor åben med flydende kurs) giver
Læs mereMat H /05 Note 2 10/11-04 Gerd Grubb
Mat H 1 2004/05 Note 2 10/11-04 Gerd Grubb Nødvendige og tilstrækkelige betingelser for ekstremum, konkave og konvekse funktioner. Fremstillingen i Kapitel 13.1 2 af Sydsæters bog [MA1] suppleres her med
Læs mere1 Palm teori. Palm teori 1
Palm teori 1 1 Palm teori Lad X = {X(t)} t 0 være en stokastisk proces defineret på et måleligt rum (Ω, F), og lad T = {T n } n N0 være en voksende følge af ikke-negative stokastiske variable herpå. Vi
Læs mereUniversity 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 mere1. Fravær af stød. Jævn, forudsigelig udvikling i eksogene elementer. 2. Fravær af kortsigtede, nominelle prisstivheder.
MAKRO FOR DET LANGE SIGT MAKRO 2 2. årsprøve Forelæsning 1 Chapter 3 Hans Jørgen Whitta-Jacobsen econ.ku.dk/okojacob/makro-2-f09/makro FÆNOMEN: Trends - ikke fluktuationer! MODEL: 1. Fravær af stød. Jævn,
Læs mereMatematisk modellering og numeriske metoder
Matematisk modellering og numeriske metoder Morten Grud Rasmussen 5. september 2016 1 Ordinære differentialligninger ODE er 1.1 ODE er helt grundlæggende Definition 1.1 (Ordinære differentialligninger).
Læs mere22. maj Investering og finansiering Ugeseddel nr. 15. Nogle eksamensopgaver:
22. maj 2006 Investering og finansiering Ugeseddel nr. 15 Nogle eksamensopgaver: 1 NATURVIDENSKABELIG KANDIDATEKSAMEN INVESTERING OG FINANSIERING Antal sider i opgavesættet (incl. forsiden): 6 4 timers
Læs mere