Sprednings problemer. David Pisinger

Størrelse: px
Starte visningen fra side:

Download "Sprednings problemer. David Pisinger"

Transkript

1 Spredigs problemer David Pisiger 2001 Idledig Jukfood A/S er e amerikask kæde af familierestaurater der etop er ved at etablere sig i Damark. E massiv reklamekampage med de to slogas vores fritter er de fedeste og køer er (ko-)gale med vores bøffer skal erobre e stor del af markedsadelee fra kokurretere. Jukfood A/S har bereget at der er plads til p familierestaurater i Købehav. E udersøgelse bladt byes ejedomsmæglere har fudet frem til at der er erhvervslejemål der i størrelse og beliggehed eger sig til Jukfoods kocept. For at udgå kokurrece mellem filialere er det øskværdigt at placere de p restaurater så de er så lagt fra hiade som muligt. Afstade mellem lejemål i og j er opmålt til d i j 0. Ofte vil d i j = d ji af symmetrigrude omed dette ikke er et egetligt krav. Ligeledes vil ma ofte have d j j = 0. Idet vi idfører beslutigsvariable x j {0,1} for j = 1,..., til at agive om e facilitet (restaurat) åbes på lokalitet (lejemål) j, ka vi formulere problemet som følgede p-dispersio problem (PDP): maximer hvor j=1 i=1 j=1 d i j x i x j x j = p (1) x j {0,1}, j = 1,...,. 1

2 hvor objektfuktioe agiver at summe af afstadee mellem facilitetere øskes maximeret, mes begræsige betyder at der etop skal åbes p faciliteter. Det atages ormalt at alle værdier af d i j er heltal. Jukfood A/S betragter i første omgag blot et lille problem med = 7 lokaliteter (lejemål) hvor der skal åbes p = 3 faciliteter (restaurater). Alle afstade er agivet i kilometer. j i = 7, p = 3. De optimale løsig er at åbe facilitet 2, 4, 6 hvilket giver e samlet afstadssum på 48 km. Di opgave er at kostruere e geerel algoritme som ka løse problemet (1). Algoritme skal implemeteres i C (eller C++). Besvarelse skal bestå af et tekstafsit, hvor edeståede opgaver besvares, samt udskrift af det kommeterede program. Læs hele opgavetekste ide implemeterige påbegydes, og bemærk specielt kommetarere sidst i tekste. Afgørlighedsproblem Det tilsvarede afgørlighedsproblem for PDP er PDP-DECISION, der ka formuleres som følger: Givet e matrix d i j af størrelse, samt tre heltal, p og k. Fides der e løsig til PDP hvor de samlede afstad er midst k? Opgave 1 Bevis at PDP-DECISION er et N P -fuldstædigt problem. Øvre græseværdi for PDP Da PDP er et NP -hårdt problem øsker vi at udvikle e brach-ad-boud algoritme til løsig af problemet. Til dette formål skal vi bruge ogle græseværdier. E øvre græseværdi ka udledes i to skridt. 1 Først udledes e øvre græseværdi d j på hver facilitets afstad til de adre faciliteter. 2 Deræst udledes e øvre græseværdi for hele problemet ved at beytte hver facilitets græseværdi d j. Opgave 2 Vis at afstade fra facilitet j til de adre faciliteter ikke ka blive bedre ed værdie af følgede maximerigsproblem maximer hvor d j = d j j + d i j x i i N j x i = p 1 (2) i N j x i {0,1}, i N j. 2

3 hvor mægde N j er givet ved N j = {1,...,} \ { j}. Vis at e øvre græseværdi u 1 for PDP deræst ka fides som maximer u 1 = hvor j=1 d jx j j=1 x j = p (3) x j {0,1}, j = 1,...,. For eksemplet fra itroduktioe betyder oveståede at vi først fider e øvre græseværdi (2) for hver af de syv lokaliteter. Til bestemmelse af d 1 løser vi problemet maximer d 1 = 0+3x 2 + 7x 3 + 4x x 5 + 5x 6 + 7x 7 hvor x 2 + x 3 + x 4 + x 5 + x 6 + x 7 = 2 x i {0,1}, i = 2,...,. De optimale løsig er d 1 = 17. Tilsvarede fides d 2 = 19, d 3 = 16, d 4 = 14, d 5 = 15, d 6 = 19 og = 13. For at fide de øvre græseværdi for hele problemet løser vi d 7 maximer u 1 = 17x x x x x x x 7 hvor x 1 + x 2 + x 3 + x 4 + x 5 + x 6 + x 7 = 3 x j {0,1}, j = 1,...,. som har løsige u 1 = 55. Dee græseværdi ligger altså e del over de optimale løsig på 48. Opgave 3 Vis at u 1 ka fides i lieær tid målt i iddatastørrelse. Opgave 4 Foreslå e radomiseret algoritme til beregig af u 1 hvor de forvetede køretid er lieær. Opgave 5 Implemeter e af de to metoder fra opgave 3 og 4 til beregig af græseværdie u 1 således at de ka kaldes for e vilkårlig problemstørrelse og kardialitet p. Brach-ad-boud algoritme for PDP Vi vil u kostruere e brach-ad-boud algoritme til løsig af PDP. Hvis vi aveder dybde-først søgig ka algoritme skrives som e recursiv procedure der i hvert skridt forgreer på e variabel idtil alle variable har fået tildelt e værdi. Vi vælger i hvert skridt at forgree på beslutigsvariable x således at det tilbageværede problem herefter har størrelse 1. Dermed ka algoritme skitseres som: PDPRECURS(D, p, ) if p = 0 ad D > z the z D; x x if p = 0 or = 0 the retur fid græseværdi u 1 af tilbageværede problem. if D+u 1 > z the x 1; PDPRECURS(D+d, p 1, 1) x 0; PDPRECURS(D, p, 1) 3

4 I dee algoritme agiver atallet af lokaliteter, p det øskede atal faciliteter, der skal åbes, og D agiver de hidtil opåede afstads-sum. De hidtil bedste løsig er z der iitielt ka sættes til 1. De tilhørede optimale løsigsvektor er x. I de skitserede algoritme skal ma huske at modificere (d i j ) matrice hver gag e variabel x sættes til 1. Vi sætter d ii d ii + d i + d i for hvert i = 1,..., 1. Dette betyder, at hvis facilitet i på et seere tidspukt åbes, vil ma i d ii idkassere afstade mellem facilitetere i og. Når x sættes tilbage til 0, skal matrice aturligvis retableres. Opgave 6 Implemeter e fuldstædig versio af PDPRECURS som beytter græseværdie u 1. Beskriv de avedte forgreigsstrategi. Eksperimetel afprøvig Brug de udviklede algoritme til løsig af følgede datatilfælde Beskrivelse Jukfood A/S Geometrisk problem Vægtet geometrisk problem Radom vægte Dese subgraph filave jukfood7 geo10, geo20, geo30, geo40 sca10, sca20, sca30, sca40 ra10, ra20, ra30, ra40 de10, de20, de30, de40 Alle datatilfældede ka fides på hjemmeside for DAT-2A, hvor de optimale løsiger også er agivet. Opgave 7 Kør algoritme og agiv løsigstider, atal kuder i brach-ad-boud træet, optimal løsig. Opskriv disse i e tabel og kommeter. Maximerig af miimal afstad E ulempe ved PDP modelle er, at ma i e optimal løsig risikerer at åbe to faciliteter vilkårligt tæt på hiade. For at udgå dette problem vælger ma i ogle situatioer at maximere de midste afstad mellem to åbe faciliteter. Dette problem beteges p-defece problemet (PDEFP). Sidstævte betegelse kommer fra strategiske avedelser, hvor ma øsker at sprede istallatioer så meget som muligt for at besværliggøre e fjedtlig idtagelse/destruktio. Det tilsvarede afgølighedsproblem er PDEFP-DECISION, der ka formuleres som følger: Givet e matrix d i j af størrelse, samt tre heltal, p og k. Fides der e løsig til PDEFP hvor afstade mellem alle par af åbe faciliteter er midst k. Opgave 8 Vis at PDEFP-DECISION ka reduceres til PDP-DECISION. Opgave 9 Udyt dette til at kostruere e algoritme som løser PDEFP problemet i optimerigsform. Opgave 10 Implemeter algoritme og afprøv de på istasere ovefor. 4

5 Kommetarer Opgave har primært til hesigt at give idsigt i løsig afnp -hårde problemer, mes re programmerig ku er et sekudært mål. På hjemmeside for DAT-2A ligger derfor e færdig ramme for programmet som skal avedes i besvarelse. Her fides de ødvedige rutier til tidsmålig og idlæsig af data, ligesom oveståede programskitser er implemeteret. Tabeller adresseres så d[1][1] svarer til d 11 for at opå et læseligt program. Ramme er afprøvet på DIKU s Liux pc er (alvis, advare, berlig, brok, gefio, ivalde m.fl.), og det abefales at bruge disse ved udarbejdelse af besvarelse. Noter Idefor grafteori kedes PDP uder betegelse Heaviest Subgraph Problem idet problemet ka formuleres som følger: givet e vægtet graf G=(V,E) skal der udvælges e delmægde U af kudere med kardialitet U = p således at vægtsumme af katere udspædt af kudere U bliver størst mulig. Græseværdie u 1 er baseret på samme ide som Gallo m.fl. [5] beyttede for det Kvadratiske K- apsack Problem. Dee ka strammes yderligere ved at bruge tekikke beskrevet i Caprara m.fl. [3]. Der fides meget få resultater i litterature hvor eksakte algoritmer for p-disperiso problemet beskrives. Erkut [4] udviklede e brach-ad-boud algoritme til løsig af problemet, hvor primitive græseværdier beyttes. Kicaid [6] løste problemet heuristisk ved brug af metaheuristikker. Billioet og Faye [2] diskuterer ogle lovede (me meget komplicerede) græseværdier for problemet i miimerigsversio. Billioet og Faye rapporterer dog ikke oget om græseværdieres avedelighed i e brach-ad-boud algoritme. I modsætig til det meget sparsomme arbejde for eksakte algoritmer til løsig af PDP, fides der e lag række approximatiosalgoritmer. Ma ka æste tale om at PDP har været et mode-problem idefor approximatios-kredse op igeem 1990 ere. Bladt de mere iteressate resultater skal æves at ige har kuet bevise eller modbevise eksistese af e approximatiosalgoritme med kostat approximatiosratio ρ. Hvis problemet overholder trekatsulighede har Ravi m.fl. [7] preseteret e approximatiosalgoritme med ratio ρ = 4. Såfremt ma tillader at approximatiosfaktore ρ() afhæger af er der udviklet adskillige algoritmer. Asahiro m.fl. [1] giver et godt overblik over sådae resultater. Litteratur [1] Y. Asahiro, K. Iwama, H. Tamaki, T. Tokuyama (1996) Greedily Fidig a Dese Subgraph. I: Rolf G. Karlsso, Adrzej Ligas (Eds.): Algorithm Theory - SWAT 96, 5th Scadiavia Workshop o Algorithm Theory, Reykjavík, Icelad, July 3-5, 1996, Proceedigs. Lecture Notes i Computer Sciece, 1097, Spriger, [2] A. Billioet, A. Faye (1997) A lower boud for a costraied quadratic 0-1 miimizatio problem, Discrete Applied Mathematics [3] A. Caprara, D. Pisiger, P. Toth (1999), Exact solutio of the quadratic kapsack problem, INFORMS Joural o Computig, 11,

6 [4] E. Erkut (1990), The discrete p-dispersio problem, Europea Joural of Operatioal Research, 46, [5] G. Gallo, P.L. Hammer, B. Simeoe (1980), Quadratic Kapsack Problems, Mathematical Programmig 12, [6] R. K. Kicaid (1992), Good solutios to discrete oxious locatio problems via metaheuristics, Aals of Operatios Research, 40, [7] S.S. Ravi, D.J. Rosekratz, G.K. Tayi (1994), Heuristic ad special case algorithms for dispersio problems, Operatios Research, 42,

Kvadratisk 0-1 programmering. David Pisinger

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

Læs mere

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

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

Læs mere

DATV: Introduktion til optimering og operationsanalyse. Asymmetric Traveling Salesman Problem

DATV: Introduktion til optimering og operationsanalyse. Asymmetric Traveling Salesman Problem DATV: Itroduktio til optimerig og operatiosaalyse Asymmetric Travelig Salesma Problem David Pisiger, Efterår 2004 Dette er de ade obligatoriske projektopgave på kurset DATV: Itroduktio til optimerig og

Læs mere

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

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

Læs mere

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

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

Læs mere

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

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

Læs mere

Introduktion til optimering og operationsanalyse. Asymmetric Traveling Salesman Problem

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

Læs mere

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

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

Læs mere

9. Binomialfordelingen

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

Læs mere

Introduktion til uligheder

Introduktion til uligheder Itroduktio til uligheder, marts 0, Kirste Rosekilde Itroduktio til uligheder Dette er e itroduktio til ogle basale uligheder om det aritmetiske geemsit, det geometriske geemsit, det harmoiske geemsit og

Læs mere

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

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

Læs mere

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

Renteformlen. Erik Vestergaard

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

Læs mere

og Fermats lille sætning

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

Læs mere

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

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

Læs mere

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

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

Læs mere

Claus Munk. kap. 1-3

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

Læs mere

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

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

Læs mere

Projekt 1.3 Brydningsloven

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

Læs mere

Den grådige metode 2

Den grådige metode 2 Algoritmedesig 1 De grådige metode De grådige metode Et problem løses ved at foretage e række beslutiger Beslutigere træffes e ad gage i e eller ade rækkefølge Hver beslutig er baseret på et grådighedskriterium

Læs mere

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

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

Læs mere

Lys og gitterligningen

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

Læs mere

Branch-and-bound. Indhold. David Pisinger. Videregående algoritmik, DIKU ( )

Branch-and-bound. Indhold. David Pisinger. Videregående algoritmik, DIKU ( ) Brach-ad-boud David Pisiger Videregåede algoritmik, DIK (005-06) 6 Kvalitet af græseværdifuktioe 3 6. Eksempler på domias....................... 3 7 Kritiske og Semikritiske delproblemer 34 8 Kuste at

Læs mere

Bjørn Grøn. Analysens grundlag

Bjørn Grøn. Analysens grundlag Bjør Grø Aalyses grudlag Aalyses grudlag Side af 4 Idholdsfortegelse Kotiuerte og differetiable fuktioer 3 Differetial- og itegralregiges udviklig 5 3 Hovedsætiger om differetiable fuktioer 8 Opgaver til

Læs mere

Noter om polynomier, Kirsten Rosenkilde, Marts Polynomier

Noter om polynomier, Kirsten Rosenkilde, Marts Polynomier Noter om polyomier, Kirste Rosekilde, Marts 2006 1 Polyomier Disse oter giver e kort itroduktio til polyomier, og de fleste sætiger æves ude bevis. Udervejs er der forholdsvis emme opgaver, mes der til

Læs mere

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

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

Læs mere

Noter om kombinatorik, Kirsten Rosenkilde, februar Kombinatorik

Noter om kombinatorik, Kirsten Rosenkilde, februar 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

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

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

Læs mere

Analyse af algoritmer. Algoritmedesign med internetanvendelser ved Keld Helsgaun. Køretid. Algoritmebegrebet D. E. Knuth (1968)

Analyse af algoritmer. Algoritmedesign med internetanvendelser ved Keld Helsgaun. Køretid. Algoritmebegrebet D. E. Knuth (1968) Algoritmedesig med iteretavedelser ved Keld Helsgau Aalyse af algoritmer Iput Algoritme Output E algoritme er e trivis metode til løsig af et problem i edelig tid 1 2 Algoritmebegrebet D. E. Kuth (1968)

Læs mere

antal gange krone sker i første n kast = n

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

Læs mere

HASTIGHEDSKORT FOR DANMARK VHA. GPS

HASTIGHEDSKORT FOR DANMARK VHA. GPS HASTIGHEDSKORT FOR DANMARK VHA. GPS Ove Aderse xcalibur@cs.aau.dk Istitut for Datalogi Aalborg Uiversitet Harry Lahrma lahrma@pla.aau.dk Trafikforskigsgruppe Aalborg Uiversitet Kristia Torp torp@cs.aau.dk

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-odelle Bilaget ideholder e teis besrivelse af DEA-odelle FRSYNINGSSERETARIATET FEBRUAR 2013 INDLEDNING... 3 INPUTSTYRET DEA-MDEL... 3 UTPUTSTYRET DEA-MDEL... 7 SALAAFAST... 12 2 Idledig Data

Læs mere

Modul 14: Goodness-of-fit test og krydstabelanalyse

Modul 14: Goodness-of-fit test og krydstabelanalyse Forskigsehede for Statistik ST01: Elemetær Statistik Bet Jørgese Modul 14: Goodess-of-fit test og krydstabelaalyse 14.1 Idledig....................................... 1 14.2 χ 2 -test i e r c krydstabel.............................

Læs mere

- et værktøj til fejlrettende QR-koder. Projekt 0.3 Galois-legemerne. Indhold. Hvad er matematik? A, i-bog

- et værktøj til fejlrettende QR-koder. Projekt 0.3 Galois-legemerne. Indhold. Hvad er matematik? A, i-bog Projekt 0.3 Galois-legemere GF é ëp û - et værktøj til fejlrettede QR-koder Idhold De karakteristiske egeskaber ved de tre mest almidelige talsystemer, og... De kommutative, associative og distributive

Læs mere

Situationen er illustreret på figuren nedenfor. Her er også afsat nogle eksempler: Punktet på α giver anledning til punktet Q

Situationen er illustreret på figuren nedenfor. Her er også afsat nogle eksempler: Punktet på α giver anledning til punktet Q 3, 45926535 8979323846 2643383279 50288497 693993750 5820974944 592307864 0628620899 8628034825 34270679 82480865 3282306647 0938446095 505822372 535940828 4874502 84027093 85205559 6446229489 549303896

Læs mere

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

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

Læs mere

Motivation. En tegning

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

Læs mere

6 Populære fordelinger

6 Populære fordelinger 6 Populære fordeliger I apitel 4 itroducerede vi stoastise variabler so e åde at repræsetere udfald af et esperiet på. De stoastise variabler ue være både disrete (fx terigslag) og otiuerte (fx vareægder).

Læs mere

Teoretisk Statistik, 9. februar Beskrivende statistik

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

Læs mere

Tankegangskompetence. Kapitel 9 Algebraiske strukturer i skolen 353

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

Læs mere

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

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

Læs mere

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

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

Læs mere

Projekt 2.3 Det gyldne snit og Fibonaccitallene

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

Læs mere

Hvis man vil lægge 15% til 600, så kan det gøres ved at udregne, hvor meget 15% af 600 er lig med og lægge det til det oprindelige beløb:

Hvis man vil lægge 15% til 600, så kan det gøres ved at udregne, hvor meget 15% af 600 er lig med og lægge det til det oprindelige beløb: 0BRetesegig BTæk i femskivigsfaktoe! I dette tillæg skal vi se, at begebet femskivigsfaktoe e yttigt til at fostå og løse foskellige poblemstillige idefo pocet- og etesegig. 3B. Lægge pocet til elle tække

Læs mere

Løsninger til kapitel 7

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

Læs mere

StudyGuide til Matematik B.

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

Læs mere

A14 4 Optiske egenskaber

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

Læs mere

Vejledende opgavebesvarelser

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

Læs mere

Vejledende besvarelser til opgaver i kapitel 15

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

Læs mere

Sandsynlighedsregning i biologi

Sandsynlighedsregning i biologi Om begrebet sadsylighed Sadsylighedsregig i biologi Hvis vi kaster e almidelig, symmetrisk terig, er det klart for de fleste af os, hvad vi meer, år vi siger, at sadsylighede for at få e femmer er 1/6.

Læs mere

Prisfastsættelse af digitale goder - Microsoft

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

Læs mere

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

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

Læs mere

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

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

Læs mere

Begreber og definitioner

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

Læs mere

De reelle tal. Morten Grud Rasmussen 5. november Se Sætning 3.6 og 3.7 for forskellige formuleringer af egenskaben og dens negation.

De reelle tal. Morten Grud Rasmussen 5. november Se Sætning 3.6 og 3.7 for forskellige formuleringer af egenskaben og dens negation. De reelle tal Morte Grud Rasmusse 5. ovember 2015 Ordede mægder Defiitio 3.1 (Ordet mægde). pm, ăq kaldes e ordet mægde såfremt: For alle x, y P M gælder etop ét af følgede: x ă y, x y, y ă x @x, y, z

Læs mere

Den hurtige Fouriertransformation

Den hurtige Fouriertransformation Polyomier De hurtige Fouriertrasformatio Polyomium: Geerelt: p + 2 3 4 ( x) = 5 + 2x + 8x + 3x 4x p(x) =! " eller x i p(x) = a + a x + a 2 x 2 +!+ a! x! Jea Baptiste Joseph Fourier (768-83) 2 Evaluerig

Læs mere

Bachelorprojekt for BSc-graden i matematik

Bachelorprojekt for BSc-graden i matematik D E T N A T U R V I D E N S K A B E L I G E F A K U L T E T K Ø B E N H A V N S U N I V E R S I T E T Bachelorprojekt for BSc-grade i matematik Mikkel Abrahamse & Sue Precht Reeh Ekstremal grafteori Vejleder:

Læs mere

Georg Mohr Konkurrencen Noter om uligheder. Søren Galatius Smith

Georg Mohr Konkurrencen Noter om uligheder. Søren Galatius Smith Georg Mohr Kokurrece Noter om uligheder Søre Galatius Smith. juli 2000 Resumé Kapitel geemgår visse metoder fra gymasiepesum, som ka bruges til at løse ulighedsopgaver, og ideholder ikke egetligt yt stof.

Læs mere

Termodynamik. Indhold. Termodynamik. Første og anden hovedsætning 1/18

Termodynamik. Indhold. Termodynamik. Første og anden hovedsætning 1/18 ermodyamik. Første og ade hovedsætig /8 ermodyamik Idhold. Isoterme og adiabatiske tilstadsædriger for gasser...3 3. ermodyamikkes. hovedsætig....5 4. Reversibilitet...6 5. Reversibel maskie og maksimalt

Læs mere

Beregning af prisindeks for ejendomssalg

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

Læs mere

Talfølger og -rækker

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

Læs mere

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

Mikroøkonomi, matematik og statistik Eksamenshjemmeopgave 14. 20. december 2007 Mikroøkoomi, matematik og statistik Eksameshjemmeopgave 14. 20. december 2007 Helle Buzel, Tom Egsted og Michael H.J. Stæhr 14. december 2007 R E T N I N G S L I N I E R F O R E K S A M E N S H J E M M

Læs mere

Forslag til besvarelser af opgaver m.m. i ε-bogen, Matematik for lærerstuderende

Forslag til besvarelser af opgaver m.m. i ε-bogen, Matematik for lærerstuderende Forslag til besvarelser af opgaver m.m. i ε-boge, Matematik for lærerstuderede Dette er førsteudgave af opgavebesvarelser udarbejdet i sommere 008. Dokumetet ideholder forslag til besvarelser af de fleste

Læs mere

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

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

Læs mere

STATISTISKE GRUNDBEGREBER

STATISTISKE GRUNDBEGREBER MOGENS ODDERSHEDE LARSEN STATISTISKE GRUNDBEGREBER 18 15 1 9 6 3 0 Histogram for ph 6,9 7,1 7,3 7,5 7,7 7,9 ph 13 udgave 013 FORORD Der er i dee bog søgt at give letlæst og askuelig fremstillig af de statistiske

Læs mere

Kvantitative metoder 2

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

Læs mere

Duo HOME Duo OFFICE. Programmeringsmanual DK 65.044.50-1

Duo HOME Duo OFFICE. Programmeringsmanual DK 65.044.50-1 Duo HOME Duo OFFICE Programmerigsmaual DK 65.044.50-1 INDHOLD Tekiske data Side 2 Systemiformatio, brugere Side 3-4 Ligge til og slette brugere Side 5-7 Ædrig af sikkerhedsiveau Side 8 Programmere: Nødkode

Læs mere

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

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

Læs mere

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

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

Læs mere

Et træ med x blade.. h lg(x) DVS. decision-træet vil en maks højde på lg n! blade. lg(n!) >= n*lg(n) -1.5n = Ө(n*lg(n))

Et træ med x blade.. h lg(x) DVS. decision-træet vil en maks højde på lg n! blade. lg(n!) >= n*lg(n) -1.5n = Ө(n*lg(n)) DM19 1. Iformatio-theoretic lower bouds kap. 8 + oter. Ma ka begræse de teoretiske græse for atallet af sammeligiger der er påkrævet for at sortere e liste af tal. Dette gøres ved at repræsetere sorterig-algoritme

Læs mere

De Platoniske legemer De fem regulære polyeder

De Platoniske legemer De fem regulære polyeder De Platoiske legemer De fem regulære polyeder Ole Witt-Hase jauar 7 Idhold. Polygoer.... Nogle topologiske betragtiger.... Eulers polyedersætig.... Typer af et på e kugleflade.... Toplasvikle i e regulær

Læs mere

Men tilbage til regression og Chi-i-anden. test. Begge begreber refererer til normalfordelingen med middelværdi μ og spredning σ.

Men tilbage til regression og Chi-i-anden. test. Begge begreber refererer til normalfordelingen med middelværdi μ og spredning σ. χ test matematkudervsge χ - test gymasets matematkudervsg I jauar ummeret 8 af LMFK bladet havde jeg e artkel, hvor jeg harcelerede ldt over, at regresso og sær χ fordelg havde fudet dpas matematkudervsge

Læs mere

Team Danmark tilfredshedsundersøgelse 2013

Team Danmark tilfredshedsundersøgelse 2013 Team Damark tilfredshedsudersøgelse 2013 Baggrudsrapport Trygve Buch Laub, Rasmus K. Storm, Lau Tofft-Jørgese & Ulrik Holskov Idrættes Aalyseistitut MIND THE CUSTOMER December 2013 Titel Team Damark tilfredshedsudersøgelse

Læs mere

TEKST NR 435 2004. TEKSTER fra IMFUFA

TEKST NR 435 2004. TEKSTER fra IMFUFA TEKST NR 435 2004 Basisstatisti 2. udgave Jørge Larse August 2006 TEKSTER fra IMFUFA INSTITUT ROSKILDE UNIVERSITETSCENTER FOR STUDIET AF MATEMATIK OG FYSIK SAMT DERES FUNKTIONER I UNDERVISNING, FORSKNING

Læs mere

Program. Ensidet variansanalyse Normalfordelingen. Antibiotika og nedbrydning af organisk materiale. Tegninger

Program. Ensidet variansanalyse Normalfordelingen. Antibiotika og nedbrydning af organisk materiale. Tegninger Faculty of Life Scieces Program Esidet variasaalyse Normalfordelige Claus Ekstrøm E-mail: ekstrom@life.ku.dk Esidet variasaalyse (oe-way ANOVA) Hvilke type data? Hvad er problemstillige? Variatio mellem

Læs mere

Med disse betegnelser gælder følgende formel for en annuitetsopsparing:

Med disse betegnelser gælder følgende formel for en annuitetsopsparing: Matema10k C-iveau, Fydelud Side 1 af 10 Auitetsopspaig De fides mage måde at spae op på. Vi vil he se på de såkaldte auitetsopspaig. Emet ka buges som e del af det suppleede stof, og det ka avedes som

Læs mere

STATISTISKE GRUNDBEGREBER

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

Læs mere

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

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

Læs mere

Yngre Lægers medlemsundersøgelse om det lægelige arbejdsmarked, 2016

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

Læs mere

Oversigt. Kursus 02402/02323 Introducerende Statistik. Forelæsning 12: Inferens for andele. Klaus K. Andersen og Per Bruun Brockhoff

Oversigt. Kursus 02402/02323 Introducerende Statistik. Forelæsning 12: Inferens for andele. Klaus K. Andersen og Per Bruun Brockhoff Kursus 02402/02323 Itroducerede Statistik Forelæsig 12: Iferes for adele Klaus K. Aderse og Per Bruu Brockhoff DTU Compute, Statistik og Dataaalyse Damarks Tekiske Uiversitet 2800 Lygby Damark e-mail:

Læs mere

TIMEGLASSETS FASER: Introen er et foto og nogle spørgsmål til hele kapitlet. Meningen med introen er, at du og

TIMEGLASSETS FASER: Introen er et foto og nogle spørgsmål til hele kapitlet. Meningen med introen er, at du og TIMEGLASSETS FASER: INTRO Itroe er et foto og ogle spørgsmål til hele kapitlet. Meige med itroe er, at du og di klasse skal få e ide om, hvad kapitlet hadler om, og hvad I skal lære. Prøv at svare på spørgsmålee

Læs mere

MOGENS ODDERSHEDE LARSEN. Fourieranalyse

MOGENS ODDERSHEDE LARSEN. Fourieranalyse MOGENS ODDERSHEDE LARSEN Fourieraalyse. udgave 7 FORORD Dette otat giver e kort idførig i teorie for fourierrækker og fouriertrasformatio. Det forudsættes i dette otat, at ma har rådighed over matematiklommeregere

Læs mere

Cykelfysik. Om udveksling og kraftoverførsel

Cykelfysik. Om udveksling og kraftoverførsel Cykelfysik 1/7 Cykelfysik Om udvekslig og kaftoveføsel Idhold 2. Kaftoveføsel og abejde...2 3. Abejde ved cykelkøsel...4 4. Regeeksemple fo e acecykel...5 5. Det e hådt at køe op ad bakke...6 6. Simple

Læs mere

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

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

Læs mere

Projekt 0.4 Modulo-regning, restklassegrupperne ( lille sætning. {} 0, ) og Fermats { } ...,-44,-20,4,28,52,...

Projekt 0.4 Modulo-regning, restklassegrupperne ( lille sætning. {} 0, ) og Fermats { } ...,-44,-20,4,28,52,... Projekter: Kaitel 0. Projekt 0. Modulo-regig, restklassegruer og Fermats lille sætig Projekt 0. Modulo-regig, restklassegruere ( {} 0, ) og Fermats lille sætig Vi aveder moduloregig og restklasser mage

Læs mere

Små og store varmepumper. n Bjarke Paaske n Teknologisk Institut n Telefon: +45 7220 2037 n E-mail: bjarke.paaske@teknologisk.dk

Små og store varmepumper. n Bjarke Paaske n Teknologisk Institut n Telefon: +45 7220 2037 n E-mail: bjarke.paaske@teknologisk.dk Små og store varmepumper Bjarke Paaske Tekologisk Istitut Telefo: +45 7220 2037 E-mail: bjarke.paaske@tekologisk.dk Ree stoffers tre tilstadsformer (faser) Fast stof (solid) Eksempel: is ved H 2 0 Væske

Læs mere

Hvad vi gør for jer og hvordan vi gør det

Hvad vi gør for jer og hvordan vi gør det Hvad vi gør for jer og hvorda vi gør det Vi skaber resultater der er sylige på di budliie... Strategi Orgaisatio Produktio Økoomi [ Ide du læser videre ] [ Om FastResults ] [ Hvorfor os? ] I foråret 2009

Læs mere

Facilitering ITU 15. maj 2012

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

Læs mere

NOTAT Det daglige arbejde med blisterpakninger

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

Læs mere

Leica Lino. Præcise, selvnivellerende punkt- og linje-lasere

Leica Lino. Præcise, selvnivellerende punkt- og linje-lasere Leica Lio Præcise, selvivellerede pukt- og lije-lasere Opsæt, tæd, klar! Med Leica Lio er alt i lod og perfekt lige Leica Lios projekterer lijer eller pukter med milimeterøjagtighed, så du har hædere fri

Læs mere

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

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

Læs mere

ERHVERVS- OG BYGGESTYRELSEN. Huseftersyn. Tilstandsrapport for ejendommen. Sælger: Kirsten Hammerum. Postnr. By 7000 Fredericia

ERHVERVS- OG BYGGESTYRELSEN. Huseftersyn. Tilstandsrapport for ejendommen. Sælger: Kirsten Hammerum. Postnr. By 7000 Fredericia ^ ERHVERVS- OG BYGGESTYRELSEN Huseftersy Tilstadsrapport for ejedomme Sælger: Kirste Hammerum dresse 6.Jullvej93 Postr. By 7000 Fredericia ato Udløbsdato 3-07-200 3-0-20 HE r. Lb. r. Kommuer/Ejedomsr.

Læs mere

Analyse 1, Prøve maj Lemma 2. Enhver konstant funktion f : R R, hvor f(x) = a, a R, er kontinuert.

Analyse 1, Prøve maj Lemma 2. Enhver konstant funktion f : R R, hvor f(x) = a, a R, er kontinuert. Alyse, Prøve. mj 9 Alle hevisiger til TL er hevisiger til Klkulus 6, Tom Lidstrøm. Direkte opgvehevisiger til Klkulus er givet med TLO, ellers er lle hevisiger til steder i de overordede fsit. Hevises

Læs mere

Induktionsbevis og sum af række side 1/7

Induktionsbevis og sum af række side 1/7 Iduktosbevs og sum af række sde /7 Skrver ma,,,...,,..., =, 2, 3,... 2 3 taler ma om e talfølge, eller blot e følge. Adre eksempler på følger er, -,, -,, -,..., (-) +,..., =, 2, 3,..., 2, 3, 4,...,,...,

Læs mere

Projektstyringsmetoden PRINCE2 som grundlag for opfyldelse af modenhedskrav PRINCE2 is a Trade Mark of the Office of Government Commerce

Projektstyringsmetoden PRINCE2 som grundlag for opfyldelse af modenhedskrav PRINCE2 is a Trade Mark of the Office of Government Commerce Projektstyrigsmetode PRINCE2 som grudlag for opfyldelse af modehedskrav PRINCE2 is a Trade Mark of the Office of Govermet Commerce som beskrevet i Modehed i it-baserede forretigsprojekter, Modeller til

Læs mere

FOREBYGGELSE OG BEKÆMPELSE AF ROTTER

FOREBYGGELSE OG BEKÆMPELSE AF ROTTER Hadligspla for FOREBYGGELSE OG BEKÆMPELSE AF ROTTER 2016-2018 LYNGBY-TAARBÆK KOMMUNE 2015 Lygby-Taarbæk Kommue Trykt på Rådhustrykkeriet Grafik Layout: Ole Lud Aderse, Iter Service INDHOLD Rotte - dyret

Læs mere

Obligatorisk indikator i kvalitetsrapport 2.0. klasse for folkeskoler er en obligatorisk indikator i Kvalitetsrapporten.

Obligatorisk indikator i kvalitetsrapport 2.0. klasse for folkeskoler er en obligatorisk indikator i Kvalitetsrapporten. Socioøkoomi for karakterere for res afgagsprøver Obligatori idikator i kvalitetsrapport 2.0 De socioøkoomie for geemsittet af karakterere for de bude prøver for 9. klasse for folkeoler er e obligatori

Læs mere

Teoretisk Statistik, 18. november Stikprøveteori: hvor er vi, og hvor skal vi hen? Proportional allokering Optimal allokering

Teoretisk Statistik, 18. november Stikprøveteori: hvor er vi, og hvor skal vi hen? Proportional allokering Optimal allokering Uge 47 I Teoretisk Statistik, 8. oveber 003 Stikprøveteori: hvor er vi, og hvor skal vi he? Proportioal allokerig Optial allokerig Heruder: Saeligig af variaser og ødvedige stikprøvestørrelser for de forskellige

Læs mere

EGA Vejledning om EGA og monotont arbejde

EGA Vejledning om EGA og monotont arbejde EGA og mootot arbejde 04/09/02 14:27 Side 1 Orgaisatioer repræseteret i Idustries Brachearbejdsmiljøråd: Arbejdstagerside: Arbejdsgiverside: Dask Metal Specialarbejderforbudet Kvideligt Arbejderforbud

Læs mere

Nanomaterialer Anvendelser og arbejdsmiljøforhold

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

Læs mere