Building Benchmarks for Infrastructure Investors. edhec.infrastructure.institute
|
|
- Inger Klausen
- 4 år siden
- Visninger:
Transkript
1 Building Benchmarks for Infrastructure Investors edhec.infrastructure.institute
2
3
4
5
6
7
8
9
10
11
12 Histogram of DSCR1 = + + Frequency = = Frequency DSCR Histogram of DSCR2 Frequency DSCR Histogram of DSCR DSCR
13 DSCR dataset Number of reporting firms Contracted Merchant Investment Start Year Year
14
15 Empirical and theoretical dens. Q Q plot Density Empirical quantiles Data Theoretical quantiles Empirical and theoretical CDFs P P plot CDF Empirical probabilities Data Theoretical probabilities
16
17
18 =
19 Transition Probabilities from the Safe State for Contracted Projects Probability (%) S >R S >S Operation Year
20 Probabilities of the Three States for Contracted Projects Probabilities of the Three States for Merchant Projects Probability (%) R S D Probability (%) R S D Operation Year Operation Year
21 45 Contracted Family Merchant Family t18 SD(%) t2 t5 t2 t18 20 t Mean t0
22 σ
23 σ
24 DSCR Density for Contracted Projects DSCR Density for Merchant Projects 0.8 t 1 t t 1 t 2 t 3 t 3 t 4 t 4 t 5 t 5 t 6 t t 6 t 7 t 8 t t 9 t 10 t 11 t t 9 t 10 t 11 t 12 t 13 t 13 t 14 t 14 t t 15 Density 0.4 Density DSCR DSCR
25 DSCR Mean for Contracted and Merchant Families DSCR SD for Contracted and Merchant Families 3.0 Contracted Merchant 60 Contracted Merchant Mean DSCR SD (%) Operation Year Operation Year
26 ( <.) Probability of Hard Default Probability of Soft Default 4 Contracted Merchant 4 Contracted Merchant 3 3 PD (%) 2 PD (%) Operation Year Operation Year
27 Filtered DSCR Mean Filtered Standard Deviation 3.0 Observed DSCR True Mean Bayesian Mean 95% Conf Int 0.15 True Bayesian 2.5 DSCR 2.0 SD Operation Year Operation Year
28 Distance to lockup, soft, and hard defaults Probabilities of Lockup, Soft, and Hard Defaults 20 DtL DtS DtD 1.0 DSCR<1.15 DSCR<1.10 DSCR< Distance to Default 10 Probability(%) Operation Year Operation Year
29
30
31
32 Excess Period Returns (Contracted) Excess Period Returns (Contracted) 8 95% Conf Bounds Expected Return Realised Return 8 95% Conf Bounds Expected Return Realised Return 6 6 Excess Return (%) 4 Excess Return (%) Calendar Year Calendar Year
33 Excess Period Returns (Merchant) Excess Period Returns (Merchant) 15 95% Conf Bounds Expected Return Realised Return 15 95% Conf Bounds Expected Return Realised Return Excess Return (%) 10 5 Excess Return (%) Calendar Year Calendar Year % %
34 Loss Profile (Contracted) Loss Profile (Contracted) 20 EL 20 EL VaR VaR cvar cvar Period Loss (%) 10 Period Loss (%) Calendar Year Calendar Year
35 Loss Profile (Merchant) Loss Profile (Merchant) 20 EL 20 EL VaR VaR cvar cvar Period Loss (%) 10 Period Loss (%) Project time Calendar Year
36 Portfolio Value (Contracted) Portfolio Value (Contracted) 5 95% Conf Bounds Expected Value Realised Value % Conf Bounds Expected Value Realised Value Billions of Dollars 3 2 Billions of Dollars Calendar Year Calendar Year
37 Portfolio Value (Merchant) Portfolio Value (Merchant) 10 95% Conf Bounds Expected Value Realised Value % Conf Bounds Expected Value Realised Value 8 Billions of Dollars 6 4 Billions of Dollars Calendar Year Calendar Year
38 Duration (Years) 5 Duration (Years) Calendar Year Calendar Year
39
40
41
42
enote 2: Kontinuerte fordelinger Introduktion til Statistik Forelæsning 3: Kontinuerte fordelinger Peder Bacher enote 2: Continuous Distributions
Introduktion til Statistik Forelæsning 3: Kontinuerte fordelinger Peder Bacher DTU Compute, Dynamiske Systemer Bygning 33B, Rum 9 Danmarks Tekniske Universitet 28 Lyngby Danmark e-mail: pbac@dtu.dk Efterår
Læs mereq-værdien som skal sammenlignes med den kritiske Chi-i-Anden værdi p-værdien som skal sammenlignes med signifikansniveauet.
Introduktion: Chi-i-Anden test (Goodness of Fit) på computeren fungerer som en "black-boks"- kommando, hvor eleverne med udgangspunkt i en nulhypotese (H ) taster de forventede og de observerede talværdier
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 mereIntroduktion til Statistik. Forelæsning 5: Hypotesetest, power og modelkontrol - one sample. Peder Bacher
Introduktion til Statistik Forelæsning 5: Hypotesetest, power og modelkontrol - one sample Peder Bacher DTU Compute, Dynamiske Systemer Bygning 303B, Rum 009 Danmarks Tekniske Universitet 2800 Lyngby Danmark
Læs mereBasic statistics for experimental medical researchers
Basic statistics for experimental medical researchers Sample size calculations September 15th 2016 Christian Pipper Department of public health (IFSV) Faculty of Health and Medicinal Science (SUND) E-mail:
Læs mereSAA-analyse for Faaborg Midtfyn Kommune. Maj 2014
SAA-analyse for Faaborg Midtfyn Kommune Maj 2014 Antagelser og restriktioner Nuværende rammer Assets Expected Return Standard Deviation Duration Min Max Cash Denmark 1.3% 1.5% 0% 10% Government Bonds Denmark
Læs mereØvelser i epidemiologi og biostatistik, 6. april 2010 Baseline-informationer fra Ebeltoft datasættet Eksempel på besvarelse
Øvelser i epidemiologi og biostatistik, 6. april 2010 Baseline-informationer fra Ebeltoft datasættet Eksempel på besvarelse 1. Hvor stor en andel af deltagerne var mænd? Var der samme andel i de tre randomiseringsgrupper?.
Læs mereKursus 02402/02323 Introduktion til statistik. Forelæsning 13: Et overblik over kursets indhold. Klaus K. Andersen og Per Bruun Brockhoff
Kursus 02402/02323 Introduktion til statistik Forelæsning 13: Et overblik over kursets indhold Klaus K. Andersen og Per Bruun Brockhoff DTU Compute, Statistik og Dataanalyse Danmarks Tekniske Universitet
Læs mereOversigt. Course 02402/02323 Introducerende Statistik. Forelæsning 3: Kontinuerte fordelinger. Per Bruun Brockhoff
Course 242/2323 Introducerende Statistik Forelæsning 3: Kontinuerte fordelinger Per Bruun Brockhoff DTU Compute, Statistik og Dataanalyse Bygning 324, Rum 22 Danmarks Tekniske Universitet 28 Lyngby Danmark
Læs mereOversigt. Kursus 02402/02323 Introducerende Statistik. Forelæsning 5: Hypotesetest, power og modelkontrol - one sample
Kursus 02402/02323 Introducerende Statistik Forelæsning 5: Hypotesetest, power og modelkontrol - one sample Klaus K. Andersen og Per Bruun Brockhoff DTU Compute, Statistik og Dataanalyse Danmarks Tekniske
Læs mereIntroduktion til Statistik. Forelæsning 2: Stokastisk variabel og diskrete fordelinger. Peder Bacher
Introduktion til Statistik Forelæsning 2: Stokastisk variabel og diskrete fordelinger Peder Bacher DTU Compute, Dynamiske Systemer Bygning 303B, Rum 009 Danmarks Tekniske Universitet 2800 Lyngby Danmark
Læs mereIntroduktion til Statistik. Forelæsning 2: Stokastisk variabel og diskrete fordelinger. Peder Bacher
Introduktion til Statistik Forelæsning 2: Stokastisk variabel og diskrete fordelinger Peder Bacher DTU Compute, Dynamiske Systemer Bygning 303B, Rum 009 Danmarks Tekniske Universitet 2800 Lyngby Danmark
Læs mere1 enote 1: Simple plots og deskriptive statistik. 2 enote 2: Diskrete fordelinger. 3 enote 2: Kontinuerte fordelinger
Kursus 02402/02323 Introduktion til statistik Forelæsning 13: Et overblik over kursets indhold Peder Bacher DTU Compute, Dynamiske Systemer Building 303B, Room 017 Danish Technical University 2800 Lyngby
Læs mereHvorfor er det lige at vi skal lære det her?
Lektion 8 Stokastiske variable En stokastisk variabel er en afbildning af udfaldsrummet ind i de reelle tal. Man benytter ofte store bogstaver som X, Y og Z til at betegne en stokastisk variabel. Ved at
Læs mereenote 3: Hypotesetests for én gruppe/stikprøve Introduktion til Statistik Forelæsning 5: Hypotesetest, power og modelkontrol - one sample Peder Bacher
Introduktion til Statistik Forelæsning 5: Hypotesetest, power og modelkontrol - one sample Peder Bacher DTU Compute, Dynamiske Systemer Bygning 303B, Rum 009 Danmarks Tekniske Universitet 2800 Lyngby Danmark
Læs mereOversigt. Kursus Introduktion til Statistik. Forelæsning 2: Kapitel 4, Diskrete fordelinger. Per Bruun Brockhoff. Stokastiske Variable
Kursus 02402 Introduktion til Statistik Forelæsning 2: Kapitel 4, Diskrete fordelinger Per Bruun Brockhoff DTU Compute, Statistik og Dataanalyse Bygning 324, Rum 220 Danmarks Tekniske Universitet 2800
Læs mereForelæsning 2: Kapitel 4, Diskrete fordelinger
Kursus 02402 Introduktion til Statistik Forelæsning 2: Kapitel 4, Diskrete fordelinger Per Bruun Brockhoff DTU Compute, Statistik og Dataanalyse Bygning 324, Rum 220 Danmarks Tekniske Universitet 2800
Læs mereOversigt. Kursus Introduktion til Statistik. Forelæsning 3: Kapitel 5: Kontinuerte fordelinger. Per Bruun Brockhoff.
Kursus 242 Introduktion til Statistik Forelæsning 3: Kapitel 5: Kontinuerte fordelinger Per Bruun Brockhoff DTU Compute, Statistik Bygning 35/324 Danmarks Tekniske Universitet 28 Lyngby Danmark e-mail:
Læs mere1 enote 1: Simple plots og deskriptive statistik. 2 enote2: Diskrete fordelinger. 3 enote 2: Kontinuerte fordelinger
Kursus 02402/02323 Introduktion til statistik Forelæsning 13: Et overblik over kursets indhold Per Bruun Brockhoff DTU Compute, Statistik og Dataanalyse Building 324, Room 220 Danish Technical University
Læs mereIntroduktion til Statistik. Forelæsning 3: Kontinuerte fordelinger. Peder Bacher
Introduktion til Statistik Forelæsning 3: Kontinuerte fordelinger Peder Bacher DTU Compute, Dynamiske Systemer Bygning 303B, Rum 009 Danmarks Tekniske Universitet 2800 Lyngby Danmark e-mail: pbac@dtu.dk
Læs mereKursus 02323: Introducerende Statistik. Forelæsning 12: Forsøgsplanlægning. Peder Bacher
Kursus 02323: Introducerende Statistik Forelæsning 12: Forsøgsplanlægning Peder Bacher DTU Compute, Dynamiske Systemer Bygning 303B, Rum 009 Danmarks Tekniske Universitet 2800 Lyngby Danmark e-mail: pbac@dtu.dk
Læs mereEx µ = 3,σ 2 = 1 og µ = 1,σ 2 = 4. hvor. Vha. R: Vha. tabel:
Normal fordeling Tæthedsfunktion for normalfordeling med middelværdi µ og varians σ 2 : Program (8.15-10): f() = 1 µ)2 ep( ( 2πσ 2 2σ 2 ) E µ = 3,σ 2 = 1 og µ = 1,σ 2 = 4 1. vigtige sandsynlighedsfordelinger:
Læs meret-fordeling Boxplot af stikprøve (n=20) fra t(2)-fordeling Program ( ): 1. repetition: fordeling af observatorer X, S 2 og t.
t-fordeling Boxplot af stikprøve (n=20) fra t(2)-fordeling Program (8.15-10): 1. repetition: fordeling af observatorer X, S 2 og t. 2. konfidens-intervaller, hypotese test, type I og type II fejl, styrke,
Læs mereForelæsning 3: Kapitel 5: Kontinuerte fordelinger
Kursus 02402 Introduktion til Statistik Forelæsning 3: Kapitel 5: Kontinuerte fordelinger Per Bruun Brockhoff DTU Compute, Statistik og Dataanalyse Bygning 324, Rum 220 Danmarks Tekniske Universitet 2800
Læs mereStrømmåling Lysefjordsenteret Fra og 9 meter
Strømmåling Lysefjordsenteret Fra 32-26 og 9 meter Referansepunktet ved denne måleren er intrumentet selv så: - 0m betyr her bunnstrøm, 32 meter dyp. - 6m betyr 6 meter fra instrumentet og betyr 26 meter
Læs mereProcuring sustainable refurbishment
SURE den 21. marts 2012 Procuring sustainable refurbishment Niels-Arne Jensen, Copenhagen City Properties (KEjd) Copenhagen Municipality KOMMUNE 1 Agenda About Copenhagen City Properties Background and
Læs mereI dag. Statistisk analyse af en enkelt stikprøve: LR test og t-test, modelkontrol, R Sandsynlighedsregning og Statistik (SaSt)
I dag Statistisk analyse af en enkelt stikprøve: LR test og t-test, modelkontrol, R Sandsynlighedsregning og Statistik (SaSt) Helle Sørensen Repetition vha eksempel om dagligvarepriser Analyse med R: ttest
Læs mereProgram: 1. Repetition: p-værdi 2. Simpel lineær regression. 1/19
Program: 1. Repetition: p-værdi 2. Simpel lineær regression. 1/19 For test med signifikansniveau α: p < α forkast H 0 2/19 p-værdi Betragt tilfældet med test for H 0 : µ = µ 0 (σ kendt). Idé: jo større
Læs mereIntroduktion til Statistik. Forelæsning 3: Kontinuerte fordelinger. Peder Bacher
Introduktion til Statistik Forelæsning 3: Kontinuerte fordelinger Peder Bacher DTU Compute, Dynamiske Systemer Bygning 303B, Rum 009 Danmarks Tekniske Universitet 2800 Lyngby Danmark e-mail: pbac@dtu.dk
Læs mereEnergy-saving potential A case study of the Danish building stock. Kim B. Wittchen Danish Building Research Institute, SBi AALBORG UNIVERSITY
Energy-saving potential A case study of the Danish building stock Kim B. Wittchen Danish Building Research Institute, SBi AALBORG UNIVERSITY Short and long term potentials Potential energy savings on short
Læs mere02402 Vejledende løsninger til hjemmeopgaver og øvelser i uge 5
02402 Vejledende løsninger til hjemmeopgaver og øvelser i uge 5 Opgave 5.117, side 171 (7ed: 5.116 side 201 og 6ed: 5.116 side 197) I denne opgave skal vi benytte relationen mellem den log-normale fordeling
Læs meremen nu er Z N((µ 1 µ 0 ) n/σ, 1)!! Forkaster hvis X 191 eller X 209 eller
Type I og type II fejl Type I fejl: forkast når hypotese sand. α = signifikansniveau= P(type I fejl) Program (8.15-10): Hvis vi forkaster når Z < 2.58 eller Z > 2.58 er α = P(Z < 2.58) + P(Z > 2.58) =
Læs mereEn Introduktion til SAS. Kapitel 5.
En Introduktion til SAS. Kapitel 5. Inge Henningsen Afdeling for Statistik og Operationsanalyse Københavns Universitet Marts 2005 6. udgave Kapitel 5 T-test og PROC UNIVARIATE 5.1 Indledning Dette kapitel
Læs mereGenerelle lineære modeller
Generelle lineære modeller Regressionsmodeller med én uafhængig intervalskala variabel: Y en eller flere uafhængige variable: X 1,..,X k Den betingede fordeling af Y givet X 1,..,X k antages at være normal
Læs mereHorizon2020 og Eurostars 04.12.2014
Horizon2020 og Eurostars 04.12.2014 What do we do to promote more international cooperation in Europe? Public R&D Actors needs to support Industry and in particular SMEs in this Challenge, but 89% of the
Læs mereBasal statistik. 30. januar 2007
Basal statistik 30. januar 2007 Deskriptiv statistik Typer af data Tabeller Grafik Summary statistics Lene Theil Skovgaard, Biostatistisk Afdeling Institut for Folkesundhedsvidenskab, Københavns Universitet
Læs mereOversigt. Kursus 02402/02323 Introducerende Statistik. Forelæsning 7: Simuleringsbaseret statistik. Klaus K. Andersen og Per Bruun Brockhoff
Kursus 02402/02323 Introducerende Statistik Forelæsning 7: Simuleringsbaseret statistik Klaus K. Andersen og Per Bruun Brockhoff DTU Compute, Statistik og Dataanalyse Danmarks Tekniske Universitet 2800
Læs mereOversigt. Course 02402/02323 Introducerende Statistik. Forelæsning 2: Stokastisk variabel og diskrete fordelinger
Course 02402/02323 Introducerende Statistik Forelæsning 2: Stokastisk variabel og diskrete fordelinger Klaus K. Andersen og Per Bruun Brockhoff DTU Compute, Statistik og Dataanalyse Danmarks Tekniske Universitet
Læs mereCoS. Class of Service. Rasmus Elmholt V1.0
CoS Class of Service Rasmus Elmholt V1.0 CoS Converged networks IP CoS Converged network ser god ud på papiret Flere netværk bliver samlet i et bærenet Maksimal return of investment Men fordelene forsvinder
Læs mereDebt Instruments Set 6
Debt Instruments Set 6 Backus/March 26, 1998 Credit Risk on Corporate Debt 0. Overview Global Debt Markets Yield Spreads Default and Recovery Rates Pricing Bond Ratings Credit Derivatives Interest Sensitivity
Læs mereKursus 02402/02323 Introducerende Statistik. Forelæsning 6: Sammenligning af to grupper
Kursus 02402/02323 Introducerende Statistik Forelæsning 6: Sammenligning af to grupper Peder Bacher DTU Compute, Dynamiske Systemer Bygning 303B, Rum 009 Danmarks Tekniske Universitet 2800 Lyngby Danmark
Læs mereEn Bayesiansk tilgang til Credit Scoring
En Bayesiansk tilgang til Credit Scoring Et akademisk studie af: Daniel Lund, SAS Institute Rune Tousgaard Piil, Jyske Bank Ana Alina Tudoran, Aarhus Universitet Agenda Mål for studiet Vores tilgang til
Læs mereOversigt. Introduktion til Statistik. Forelæsning 2: Stokastisk variabel og diskrete fordelinger
Introduktion til Statistik Forelæsning 2: og diskrete fordelinger Oversigt 1 2 3 Fordelingsfunktion 4 Peder Bacher DTU Compute, Dynamiske Systemer Bygning 303B, Rum 017 Danmarks Tekniske Universitet 2800
Læs mereSEBinvest US High Yield Bonds Short Duration (SKY Harbor) DK
SEBinvest US High Yield Bonds Short Duration (SKY Harbor) DK0060606689 Short Duration High Yield Short duration = kort varighed Målsætning: At skabe et højt løbende afkast men med en lavere volatilitet
Læs mereDer var engang 70érne avn i 80érne industrien flytter København i 00 erne opsving København i 00érne København i 2009 Cop 15 København 2010 København 2010 Klimatilpasningsplanen København The Copenhagen
Læs mereBasal statistik. 29. januar 2008
Basal statistik 29. januar 2008 Deskriptiv statistik Grafik Summary statistics Normalfordelingen Typer af data Lene Theil Skovgaard, Biostatistisk Afdeling Institut for Folkesundhedsvidenskab, Københavns
Læs mereBasal statistik. 2. september 2008
Basal statistik 2. september 2008 Deskriptiv statistik Grafik Summary statistics Normalfordelingen Typer af data Esben Budtz-Jørgensen, Biostatistisk Afdeling Institut for Folkesundhedsvidenskab, Københavns
Læs mereMOTION PÅ RECEPT - Et samarbejde mellem Søndersø Fysioterapi og Nordfyns Kommune.
MOTION PÅ RECEPT - Et samarbejde mellem Søndersø Fysioterapi og Nordfyns Kommune. 1 Resumé Baggrund. Polariseringen ift. fysisk aktivitet er betydelig, idet en stor gruppe mennesker ikke lever op til Sundhedsstyrelsens
Læs mereDet kunne godt se ud til at ikke-rygere er ældre. Spredningen ser ud til at være nogenlunde ens i de to grupper.
1. Indlæs data. * HUSK at angive din egen placering af filen; data framing; infile '/home/sro00/mph2016/framing.txt' firstobs=2; input id sex age frw sbp sbp10 dbp chol cig chd yrschd death yrsdth cause;
Læs mereProgram: 1. Repetition: fordeling af observatorer X, S 2 og t. 2. Konfidens-intervaller, hypotese test, type I og type II fejl, styrke.
Program: 1. Repetition: fordeling af observatorer X, S 2 og t. 2. Konfidens-intervaller, hypotese test, type I og type II fejl, styrke. 1/23 Opsummering af fordelinger X 1. Kendt σ: Z = X µ σ/ n N(0,1)
Læs mereØvelser i epidemiologi og biostatistik, 12. april 2010 Ebeltoft-projektet: Analyse af alkoholrelaterede data mm. Eksempel på besvarelse
Øvelser i epidemiologi og biostatistik, 12. april 21 Ebeltoft-projektet: Analyse af alkoholrelaterede data mm. Eksempel på besvarelse 1. Belys ud fra data ved 5 års follow-up den fordom, at der er flere
Læs mereR / RStudio. Intro til R / RStudio
R / RStudio Intro til R / RStudio R R er et open source statstikprogram og programmeringssprog introduceret i 1993. Seneste version er 2.15.3 R kan downloades på www.r-project.org R er i udgangspunktet
Læs mereOversigt over ønskede ændringer på cand.merc.-linjer. Innovation Management udbudt af Institut for Virksomhedsledelse. Optag 2015: Optag 2016:
Oversigt over ønskede ændringer på cand.merc.-linjer. Innovation Management udbudt af Institut for Virksomhedsledelse Optag 201: Management Research Method (+ SOL + IB) FAG 2013 Entrepreneurship: Shaping
Læs mereHvorfor SAS Kort intro til SAS
Hvorfor SAS Kort intro til SAS Efterår 2015 Janne Petersen Judith L Jacobsen Lene Theil Skovgaard Kan alt Alle ph.d. studerende har gratis adgang Fra universitetet eller hospitalerne Kode --- hjælp fra
Læs mereda er X 1 + X 2 N(µ 1 + µ 2,σ1 2 + σ2) Hvis X 1,...,X n er uafhængige og X r N(µ,σ 2 ), da er X = 1 n (X 1 +... + X n ) N(µ, σ2
Statistik og Sandsynlighedsregning IH kapitel Overheads til forelæsninger, onsdag 5. uge Resultater om normalfordeling X N(µ,σ ). N har tæthed ϕ µ,σ (x) = exp (x µ) πσ σ EX = µ, Var(X) = σ X µ N(0,) σ
Læs mereQuestion I.1 (1) We use Method 3.8 from Chapter 3 to achieve
Correct answers: 35132 25225 11354 53441 12141 32235 Exercise I Question I.1 (1) We use Method 3.8 from Chapter 3 to achieve And since, qt(0.95, 24) ## [1] 1.710882 90.4 ± t 0.95 10.3 25 We get that 10.3
Læs mereFaaborg-Midtfyn Kommune Kvartalsrapportering
Faaborg-Midtfyn Kommune Kvartalsrapportering 4. Kvartal 2014 Fair Value MARKEDSVÆRDI PR. AKTIV KLASSE Dato: 12-31-2014 Aktivklasse Markedsværdi Vægt Kontanter 1,550,941.58 1.0 Akt Inv.for. 3,268,538.16
Læs mere3. SPSS Output. Descriptives. [DataSet1] C:\Users\Thomas\Desktop\Eservice_i_produktgruppen_Bekldning.sav
3. SPSS Output DESCRIPTIVES VARIABLES=DEM DEM5 DEM10 DEM11 /STATISTICS=MEAN STDDEV MIN MAX. Descriptives [DataSet1] C:\Users\Thomas\Desktop\Eservice_i_produktgruppen_Bekldning.sav Descriptive Statistics
Læs mereOvervågning af habitater ved hjælp af LiDAR baserede højdedata. Peder K. Bøcher Økonformatik & Biodiversitet Aarhus Universitet
Overvågning af habitater ved hjælp af LiDAR baserede højdedata Peder K. Bøcher Økonformatik & Biodiversitet Aarhus Universitet Aarhus Universitet Bioscience Kalø Silkeborg Økoinformatik & Biodiversitet
Læs mereForelæsning 4: Konfidensinterval for middelværdi (og spredning)
Introduktion til Statistik Forelæsning 4: Konfidensinterval for middelværdi (og spredning) Peder Bacher DTU Compute, Dynamiske Systemer Bygning 303B, Rum 009 Danmarks Tekniske Universitet 2800 Lyngby Danmark
Læs mereOversigt. Kursus Introduktion til Statistik. Forelæsning 4: Kapitel 5: Kontinuerte fordelinger
Kursus 02402 Introduktion til Statistik Forelæsning 4: Kapitel 5: Kontinuerte fordelinger Rune Haubo B Christensen (based on slides by Per Bruun Brockhoff) DTU Compute, Statistik og Dataanalyse Bygning
Læs mereDACCashPlus:$10,000Growthfrom Inception
DACCashPlus:$10,000Growthfrom Inception $11,000 $10,976 $10,900 $10,800 $10,700 $10,600 $10,500 $10,400 $10,300 $10,200 $10,100 $10,000 08/14 11/14 02/15 05/15 08/15 11/15 02/16 05/16 08/16 11/16 02/17
Læs mere:51: [INFO ] [.o.core.internal.coreactivator] - openhab runtime has been started (v1.8.1) :51:55.
2016-03-19 08:51:50.436 [INFO ] [.o.core.internal.coreactivator] - openhab runtime has been started (v1.8.1). 2016-03-19 08:51:55.227 [INFO ] [o.o.i.s.i.discoveryserviceimpl] - mdns service has been started
Læs mereKort intro til SAS. Efterår 2015. Janne Petersen Judith L Jacobsen Lene Theil Skovgaard
Kort intro til SAS Efterår 2015 Janne Petersen Judith L Jacobsen Lene Theil Skovgaard 1 Hvorfor SAS Kan alt Alle ph.d. studerende har gratis adgang Fra universitetet eller hospitalerne Kode --- hjælp fra
Læs mereA multimodel data assimilation framework for hydrology
A multimodel data assimilation framework for hydrology Antoine Thiboult, François Anctil Université Laval June 27 th 2017 What is Data Assimilation? Use observations to improve simulation 2 of 8 What is
Læs mereØkonometri: Lektion 5. Multipel Lineær Regression: Interaktion, log-transformerede data, kategoriske forklarende variable, modelkontrol
Økonometri: Lektion 5 Multipel Lineær Regression: Interaktion, log-transformerede data, kategoriske forklarende variable, modelkontrol 1 / 35 Veksekvirkning: Motivation Vi har set på modeller som Price
Læs mereDeskriptiv Statitik. Judith L. Jacobsen, PhD. http://staff.pubhealth.ku.dk/~lts/basal09_1/ jlj@statcon.dk
Deskriptiv Statitik Judith L. Jacobsen, PhD. http://staff.pubhealth.ku.dk/~lts/basal09_1/ jlj@statcon.dk Kursus formål Planlægning af studier selve indsamlingen af data, opstilling af statistiske hypoteser
Læs mereChapter. Information Representation
Chapter 3 Information Representation (a) A seven-bit cell. Figure 3. Figure 3. (Continued) (b) Some possible values in a seven-bit cell. Figure 3. (Continued) 6 8 7 2 5 J A N U A R Y (c) Some impossible
Læs mereHandelsbanken January March April 2009
Handelsbanken January March 2009 28 April 2009 Summary Q1 2009 compared with Q1 2008 Operating profit increased by 30% to SEK 3,806m Return on equity went up to 13.8% Net interest income rose by 23% to
Læs mereSandsynlighedsteori. Sandsynlighedsteori. Sandsynlighedsteori Et eksperiment beskrives af et udfaldsrum udstyret med et. Et Bayesiansk argument
Sandsynlighedsteori Sandsynlighedsteori Et eksperiment beskrives af et udfaldsrum udstyret med et sandsynlighedsmål, (, E, ν). Et eksperiment beskrives af et udfaldsrum udstyret med et sandsynlighedsmål,
Læs mereDELAWARE RIVER PORT AUTHORITY Budget Presentation December 10, 2008
DELAWARE RIVER PORT AUTHORITY 2009 Budget Presentation December 10, 2008 Overview of Presentation Major Financial Issues/Trends Major Financial Goals/Strategies Overview of 2009 Proposed Capital Program
Læs mereIDA National energiplan Elsystemer
IDA National energiplan Elsystemer 2. jan 29 Ingeniørhuset Kbh. Betina Knudsen, Vattenfall Nordic Agenda Vattenfalls klima målsætning Initiativer for at nå klima målsætning Største udfordringer 2 The Investment
Læs mereWindPRO version Nov 2013 Printed/Page :45 / 1. SHADOW - Main Result
SHADOW - Main Result Assumptions for shadow calculations Maximum distance for influence Calculate only when more than 20 % of sun is covered by the blade Please look in WTG table WindPRO version 2.9.269
Læs mereOversigt. 1 Praktisk Information. 2 Introduction to Statistics - a primer. 3 Intro Case historier: IBM Big data, Novo Nordisk small data, Skive fjord
Course 02402/02323 Introducerende Statistik Forelæsning 1: Intro, R og beskrivende statistik Per Bruun Brockhoff DTU Compute, Statistik og Dataanalyse Bygning 324, Rum 220 Danmarks Tekniske Universitet
Læs mereStatistik. Introduktion Deskriptiv statistik Sandsynslighedregning
Statistik Introduktion Deskriptiv statistik Sandsynslighedregning Introduktion Kasper K. Berthelsen, Institut f. Mat. Fag 8 Kursusgange Individuel mundtlig eksamen (7-skala) Udgangspunkt i opgaver Software:
Læs mereFACULTY OF SCIENCE :59 COURSE. BB838: Basic bioacoustics using Matlab
FACULTY OF SCIENCE 01-12- 11:59 COURSE BB838: Basic bioacoustics using Matlab 28.03. Table Of Content Internal Course Code Course title ECTS value STADS ID (UVA) Level Offered in Duration Teacher responsible
Læs mereWindPRO version Nov 2013 Printed/Page :38 / 1. DECIBEL - Main Result
Project: Aalborg_WP_Project_V2 DECIBEL - Main Result Calculation: 5 x N117-3.MW with existing - ise mode -2-2-3-3 - Low frequency ise calculation model: Danish 211 Low frequency The calculation is based
Læs mereMuligheder: NB: test for µ 1 = µ 2 i model med blocking ækvivalent med parret t-test! Ide: anskue β j som stikprøve fra normalfordeling.
Eksempel: dæktyper og brændstofforbrug (opgave 25 side 319) Program: cars 1 2 3 4 5... radial 4.2 4.7 6.6 7.0 6.7... belt 4.1 4.9 6.2 6.9 6.8... Muligheder: 1. vi starter med at gennemgå opgave 7 side
Læs mereOpgavebesvarelse, korrelerede målinger
Opgavebesvarelse, korrelerede målinger I 18 familier bestående af far, mor og 3 børn (i veldefinerede aldersintervaller, med child1 som det ældste barn og child3 som det yngste) har man registreret antallet
Læs mereNVF IKT sommermøde på Gotland den 11. 13. juni 2014
NVF IKT sommermøde på Gotland den 11. 13. juni 2014 Hvad sker der i Danmark? Hans Jørgen Larsen NVF - IKT sommermøde juni 2017 på Gotland. Beretning fra DK NVF IKT status fra Danmark Fokusere på aktiviteter
Læs mereF# - hvorfor, hvordan og til hvad? Rune Ibsen Jyske Bank
F# - hvorfor, hvordan og til hvad? Rune Ibsen Jyske Bank 03-10-2018 Rune Ibsen Softwareudvikling Seniorkonsulent Mentoring 10 konsulenter F# Programmeringssprog som oversættes til.net Functional-first,
Læs mereProgram. 1. Repetition 2. Fordeling af empirisk middelværdi og varians, t-fordeling, begreber vedr. estimation. 1/18
Program 1. Repetition 2. Fordeling af empirisk middelværdi og varians, t-fordeling, begreber vedr. estimation. 1/18 Fordeling af X Stikprøve X 1,X 2,...,X n stokastisk X stokastisk. Ex (normalfordelt stikprøve)
Læs mere1 Sandsynlighed Sandsynlighedsbegrebet Definitioner Diskret fordeling Betinget sandsynlighed og uafhængighed...
Indhold 1 Sandsynlighed 1 1.1 Sandsynlighedsbegrebet................................. 1 1.2 Definitioner........................................ 2 1.3 Diskret fordeling.....................................
Læs mereOverlevelse efter AMI. Hvilken betydning har følgende faktorer for risikoen for ikke at overleve: Køn og alder betragtes som confoundere.
Overlevelse efter AMI Hvilken betydning har følgende faktorer for risikoen for ikke at overleve: Diabetes VF (Venticular fibrillation) WMI (Wall motion index) CHF (Cardiac Heart Failure) Køn og alder betragtes
Læs mereSecurity as a Service hvorfor, hvornår og hvordan. Gorm Mandsberg, gma@dubex.dk Aarhus, 13.06.2013
Security as a Service hvorfor, hvornår og hvordan Gorm Mandsberg, gma@dubex.dk Aarhus, 13.06.2013 SecaaS hvorfor, hvornår og hvordan hvad Hvorfor.. Hvornår.. Hvordan.. Disclamer: Dubex er MSSP og leverer
Læs mereEntropy Pooling. SEB Investment Management House View Research Group
Entropy Pooling SEB Investment Management House View Research Group 2015 Table of Contents Introduction.... 3 Black-Litterman.... 4 Relative Entropy Minimization..................................5 A Practical
Læs mereVindpark Øster Børsting. Bilag 7 Vindberegninger og vurderinger
Vindpark Øster Børsting Bilag 7 Vindberegninger og vurderinger (EMD) garanterer ikke og kan ikke holdes ansvarlig for eventuelle fejl Loss&Uncertainty - Hovedresultat Main data for PARK PARK calculation
Læs mereBlower Door test Tæthedsafprøvning af bygninger efter DS/EN 13829
Blower Door test Tæthedsafprøvning af bygninger efter DS/EN 13829 Ryhaven etape 1 Medlem af foreningen klimaskærm Ansvarlig virksomhed for testen: ISOLINK ApS Korsør Landevej 500 4242 Boeslunde Tlf. 58141416
Læs mereKursus 02402/02323 Introducerende Statistik. Forelæsning 7: Simuleringsbaseret statistik
Kursus 02402/02323 Introducerende Statistik Forelæsning 7: Simuleringsbaseret statistik Peder Bacher DTU Compute, Dynamiske Systemer Bygning 303B, Rum 009 Danmarks Tekniske Universitet 2800 Lyngby Danmark
Læs mereOversigt. 1 Motiverende eksempel - energiforbrug. 2 Hypotesetest (Repetition) 3 Two-sample t-test og p-værdi. 4 Konfidensinterval for forskellen
Kursus 02402/02323 Introducerende Statistik Forelæsning 6: Sammenligning af to grupper Oversigt 1 Motiverende eksempel - energiforbrug 2 Hypotesetest (Repetition) 3 Klaus K. Andersen og Per Bruun Brockhoff
Læs mereKapitel 4: Statistik ved simulering. Kursus 02323: Introducerende Statistik. Forelæsning 7: Simuleringsbaseret statistik.
Kursus 02323: Introducerende Statistik Forelæsning 7: Simuleringsbaseret statistik Peder Bacher DTU Compute, Dynamiske Systemer Bygning 303B, Rum 009 Danmarks Tekniske Universitet 2800 Lyngby Danmark e-mail:
Læs mereTo samhørende variable
To samhørende variable Statistik er tal brugt som argumenter. - Leonard Louis Levinsen Antagatviharn observationspar x 1, y 1,, x n,y n. Betragt de to tilsvarende variable x og y. Hvordan måles sammenhængen
Læs mereThe GAssist Pittsburgh Learning Classifier System. Dr. J. Bacardit, N. Krasnogor G53BIO - Bioinformatics
The GAssist Pittsburgh Learning Classifier System Dr. J. Bacardit, N. Krasnogor G53BIO - Outline bioinformatics Summary and future directions Objectives of GAssist GAssist [Bacardit, 04] is a Pittsburgh
Læs mereVina Nguyen HSSP July 13, 2008
Vina Nguyen HSSP July 13, 2008 1 What does it mean if sets A, B, C are a partition of set D? 2 How do you calculate P(A B) using the formula for conditional probability? 3 What is the difference between
Læs mereEt eksperiment beskrives af et udfaldsrum udstyret med et. alle mulige resultater af eksperimentet
Sandsynlighedsteori Et eksperiment beskrives af et udfaldsrum udstyret med et sandsynlighedsmål, (X, E, ν). Udfaldsrummet X indeholder alle mulige resultater af eksperimentet men ofte også yderligere elementer
Læs mereNormalfordelingen. Statistik og Sandsynlighedsregning 2
Statistik og Sandsynlighedsregning 2 Repetition og eksamen T-test Normalfordelingen Erfaringsmæssigt er normalfordelingen velegnet til at beskrive variationen i mange variable, blandt andet tilfældige
Læs mereEn meget kort introduktion til R på polit
En meget kort introduktion til R på polit Sebastian Barfort sebastian.barfort@econ.ku.dk Indhold 1 Introduktion 1 2 R som lommeregner 2 3 Tabeller, grafer og estimation 6 4 Økonomiske figurer 11 1 Introduktion
Læs mereNy metode til at indsamle interviewdata om rejser med overnatning. Linda Christensen
Linda Christensen lch@transport.dtu.dk Undersøgelse af udlandsrejser med overnatning Hvorfor? Indenlandske rejser med overnatning er fravalgt Med de senere års TU haves rimelig god viden om indenlandske
Læs merev Motivation v Multi- Atlas Segmentation v Learn Dictionary v Apply Dictionary v Results
Anatomical Atlas Probabilistic Atlas Shattuck, et al. NeuroImage. 2008 v Motivation v Multi- Atlas Segmentation v Learn Dictionary v Apply Dictionary v Results 2 Shattuck, et al. NeuroImage. 2008 Traditional
Læs mereCycling - a lifestyle choice Active Living Research Conference 2009
Cycling - a lifestyle choice Active Living Research Conference 2009 Niels Tørsløv 500.000 inhabitants Copenhagen - Capital of Denmark Total area 88 km2 5700 inhabitants/km2 2 Tilføj præsentationens titel
Læs mere