Antag X 1,..., X n stokastiske variable med fælles middelværdi µ og varians σ 2. Hvis µ er ukendt estimeres σ 2 ved 1/36.

Størrelse: px
Starte visningen fra side:

Download "Antag X 1,..., X n stokastiske variable med fælles middelværdi µ og varians σ 2. Hvis µ er ukendt estimeres σ 2 ved 1/36."

Transkript

1 Estmaton af varans/sprednng Landmålngens fejlteor Lekton 4 Vægtet gennemsnt Fordelng af slutfejl - rw@math.aau.dk Insttut for Matematske Fag Aalborg Unverstet Antag X,..., X n stokastske varable med fælles mddelværd µ og varans σ. Hvs µ er kendt estmeres σ ved Ŝ n Hvs µ er ukendt estmeres σ ved S n n (X µ) n (X X) NB: begge estmater er centrale (mddelværdrette) men Ŝ har mndst varans (mest præcst). /36 /36 Lnearserng Dobbeltmålnger: X og X uafhængge mddelværd µ og varans σ. Da har dfferens Y X X kendt mddelværd nul og varans σ Y σ. σ Y kan da estmeres ved og σ estmeres ved Ŝ Y n n Ŝ Y / Y Antag X har mddelværd 0 og sprednng 0.. Lad Y log(x) (naturlg logartme). Lnearserng af log( ): Dermed log(x) log(0) + (x 0) 0 0 x + log(0) EY log(0).306 ( ) VarY /36 4/36

2 Fortolknng af afledet Vægte motverende eksempel Højdeforskellen mellem punkterne P og P er opmålt ved et geometrsk nvellement over to forskellge stræknnger l > l. Hvs Y h(x) måler h (µ) hvor senstv Y er overfor ændrnger X omkrng µ (hvor meget gver en ændrng X anlednng tl at Y ændres). Derfor gver det god menng at VarY (h (µ)) VarX P l h De to estmater h og h er realsatoner af stokastske varable H og H med varanser l σ k og l σ k. Kan v kombnere de to estmater h og h for at opnå et bedre estmat under hensyntagen tl, at der er større uskkerhed for H end for H? En mulghed: h (h + h )/ - men det kan gøres bedre! l h P 5/36 6/36 Vægte Antag X,..., X n er uafhængge stokastske varable med ens mddelværd µ men forskellge varanser σ,..., σ n. F.eks. målnger med nstrumenter af varende kvaltet eller nogle X kunne repræsentere gennemsnt af gentagne målnger. Hvert X tldeles en vægt p > 0 som afspejler målngens kvaltet (stort p svarer tl god målng). V estmerer da µ ved det vægtede gennemsnt resulterende vægte summer sammen tl en: w p l p l n w Defnton: Vægtet gennemsnt For observatoner X,..., X n med vægte p > 0,..., p n > 0 er det vægtede gennemsnt X p n p X + + p n p X n p (p X + + p n X n ). 7/36 8/36

3 Centraltet af vægtet gennemsnt Optmale vægte Det vægtede gennemsnt X p n p X + + er et centralt estmat af µ, dvs. p n p X n E( X ) µ for et hvlket som helst valg af vægte p > 0,..., p n > 0. p (p X + + p n X n ) Der er uendelg mange mulge valg af vægte. Hvad er det bedste valg? Bedst betyder varansen Var X mndst mulg! Sætnng: Optmale vægte Varansen Var X er mnmal hvs vægtrelatonen p σ p σ p n σn. er opfyldt. 9/36 0/36 Vægtrelatonen Antag vægtrelatonen er opfyldt: p σ p σ p n σ n. Lad σ0 betegne den fælles værd af p σ observaton med vægt p 0 ). (svarer tl varans for Vægtrelatonen: Eksempel Antag varansen på første målng er dobbelt så stor som på den anden (σ σ ). Et valg af vægte, der opfylder vægtrelatonen, er p og p (σ 0 σ ), det p σ p σ σ σ Da ser v p σ 0 σ 3 Der er uendelg mange lge gode valg af vægte!! Et andet valg er p og p (σ 0 σ ). Dvs. v skal smpelthen vælge vægtene så de er omvendt proportonale med varanserne! Bemærk: I eksemplet er vægten på den bedste målng dobbelt så stor som vægten på den dårlge målng. /36 Begge valg af vægte gver samme X : p /(p + p ) /( + ) (/)/(/ + ) /3 /36

4 Alle vægte der opfylder vægtrelatonen gver samme resulterende vægte og dermed samme X. Varansen for det vægtede gennemsnt Dermed p σ 0 σ Sætnng: Varansen af vægtet gennemsnt Antag vægtrelatonen er opfyldt, dvs. w p n l p l σ 0 σ l σ 0 σ l σ l σ l l σ σ l Da gælder p σ p n σ n σ 0. Var( X ) σ0 n p. Dvs. sdste ende afhænger X kke af σ 0. Med et andet sæt vægte p σ 0/σ fås nøjagtg samme w! 3/36 4/36 Eksempel Estmat af σ 0 X, X og X 3 har fælles mddelværd µ og varanser hhv. 3, 4,. Et optmalt sæt af vægte er p /3, p /4 og p 3. Antag x 5, x 5.7 og x er observeret. Da er Endvdere er x Var X Estmat af σ0 Som estmat af σ0 anvendes S0: S0 p (X X ) n p X ( X ) n p Der gælder, at S 0 er et centralt estmat for σ 0: ES 0 σ 0.. 5/36 6/36

5 Estmat af Var( X ) Eksempel: Geometrsk nvellement V har, at s 0 er et centralt estmat for σ 0. Varansen for det vægtede gennemsnt er Var( X ) σ 0 p Et centralt estmat for varansen af det vægtede gennemsnt er derfor s 0 p En højdeforskel er nvelleret over n stræknnger med samme klometersprednng σ k. Varansen over en længde l er fra tdlgere gvet ved σ k l. Højdeforskel h Længde l Varans på h over l h l σ σ k l h l σ σk l... h n l n σ n σ k l n Forskellge varanser pga. forskellge stræknnger (l l j ). 7/36 8/36 Eksempel: Geometrsk nvellement valg af vægte Vægtrelatonen er opfyldt når σ0 p σ p n σn Indsættes udtrykket for σ l σk har v: Eksempel Højdeforskellen mellem punkterne P og P er opmålt ved et geometrsk nvellement over to forskellge stræknnger. l h P Heraf fremgår det at hvs p l σ 0 p σ kl p n σ kl n er lgheden opfyldt: P l h σ0 l σ kl l n σkl n σk σk. Dvs. vægte kan vælges tl p (l ) (recprokke længde). Bemærk: her svarer σ 0 tl klometervaransen σ k. Hvs σ k er ukendt kan den estmeres vha. S 0! 5 Data: h 347mm, l 67m h 356mm, l 853m Estmat af højdeforskel (vægtet gennemsnt): x /67 /67 + / / , 96mm /67 + /853 9/36 0/36

6 Eksempel - polygonvnkler Antag yderlgere at klometersprednng σ k 3mm/ km. Varans på estmatet: Var X 3 /000 /67 + / Tl sammenlgnng er varanserne for X og X henholdsvs og NB: v omregner klometervarans 3 mm /km tl metervarans 3 /000 mm /m da længderne er angvet m. V måler vnklerne punkterne -4. Alle vnkler er målt med samme varans σ v. Lad σm, være varansen af mddelsatsen punkt. Punkt Antal satser σ m, σ m, σ v 3 σ m, σ v σm,3 σ v σm,4 σ v 6 3 /36 /36 Eksempel - fortsat Fordelng af slutfejl Ifølge vægtrelatonen skal p σm, være ens for alle, Jf. udtrykkene fra forrge slde p σ m, p σ m, p 3 σ m,3 p 4 σ m,4. σv p p σv 3 p σv 3 4 p σv 4 6. Således kan vægtene vælges lg antal satser for hvert punkt: Med dsse vægte gælder σ 0 σ v. p p 3 p 3 4 p 4 6 Igen kan σ v om fornødent estmeres vha. S 0. 6 Betragt en stuaton, hvor v ved, at summen af vores observatoner skal være lg en kendt værd x 0. Dette kunne eksempelvs være: x 0 00 gon, hvor vores målnger er vnkler en trekant. x 0 0 mm, hvor v nvellerer et lukket net, dvs. slut- og startpunkt er det samme.... Slutfejlen er afvgelsen mellem x 0 og den faktske sum af observatoner. 3/36 4/36

7 Nvellement bestemmelse af kote Model V ønsker at beregne koten µ tl punktet P med højdeforskelle h tl P og h tl P. Længderne fra P tl de to punkter P og P er henholdvs l og l. P µ l h P µ l h Punkterne P og P har kendte koter, hhv. µ og µ. To bud på koten P : µ + h og µ h. P µ P µ l h P µ l h X µ + H og X µ H er uafhængge stokastske varable med E(X ) E(X ) µ hvor H og H er de stokastske varable svarende tl h og h. Fra før har v, at Var(X ) l σ k og Var(X ) l σ k. P µ 5/36 6/36 Estmat af µ Tl at estmere µ anvendes det vægtede gennemsnt x det varanserne på højdemålngerne kke nødvendgvs er ens, x p p + p (µ + h ) + p p + p (µ h ), hvor vægtene p og p opfylder vægtrelatonen p l σ k p l σ k. Eksempel Højdeforskellen mellem punkterne P og P er opmålt ved et geometrsk nvellement over to forskellge stræknnger. P l P l h P µ Dvs. de recprokke længder kan anvendes som vægte, µ h Estmatet for µ er altså gvet ved: p l og p l. x l l l + l (µ + h ) + l + l (µ h ). 7 Data: µ 743mm, h 47mm, l 67m µ 788mm, h 56mm, l 853m Estmat af koten punktet P : x /67 /67 + /853 (743+47)+ /853 (788 56) 7675, 36mm /67 + /853 7/36 8/36

8 Estmat af µ - en omskrvnng Slutfejlen r På grund af målefejl er h + h µ µ. Derfor ndføres slutfejlen r V kan omskrve udtrykket for x således: r µ µ (h + h ) µ h µ + h + r. x l l l + l (µ + h ) + l + l (µ h ) l l l l l l l + (µ + h ) + l l l l + (µ h ) l l l l l + l (µ + h ) + l l + l (µ h ) Indsættes dette udtrykket for x får v x l l + l (µ + h ) + l l + l (µ h ) l l + l (µ + h ) + l l + l (µ + h + r) (µ + h ) + l l + l r Slutfejlen på estmatet x af koten µ skal under de anvendte vægte (recprokke længdemål) fordeles proportonalt med vejlængden. 9/36 30/36 Eksempel fortsat Slutfejl af vnkelmålnger trekant P l µ l P h P h µ Data: µ 743mm, h 47mm, l 67m µ 788mm, h 56mm, l 853m Slutfejl: µ µ , h + h mm Slutfejl r n mm Estmat af koten punktet P : (µ +h )+ l 67 r n ( 6) , 64 l + l Højdeforskelen h skal altså nedkorrgeres,64mm. 3/36 8 α Betragt trekanten med sande vnkler α, β og γ. Dvs α + β + γ 00 gon. Lad X α, X β og X γ være stokastske varable (vnkelmålnger) med og E(X α ) α E(X β ) β E(X γ ) γ Var(X α ) Var(X β ) Var(X γ ) σ β γ 3/36

9 Estmat af α X α er en drekte observaton af α. Y α 00 X β X γ er en ndrekte observaton af α: EY α 00 EX β EX γ α VarY α σ Idet varanserne for de to observatoner X α og Y α er forskellge anvendes vægtet gennemsnt med p og p (da varansen på Y α to gange varans på X α ). Dvs. α estmeres ved x 3 x α + 3 y α 3 x α + 3 (00 x β x γ ) Slutfejlen r v på vnkelsummen Som foregående eksempel er summen af x α, x β og x γ kke 00 pga. uundgålge målefejl. Derfor ndføres slutfejl r v r v 00 (x α + x β + x γ ) 00 x β x γ x α + r v, som ndsættes udtrykke for x, x 3 x α + 3 (00 x β x γ ) 3 x α + 3 (x α + r v ) x α + 3 r v. 33/36 Dvs. slutfejlen fordeles lgelgt på alle vnkler når vnklerne er målt med samme varans (NB kke tlfældet eksamensopgave B). 34/36 Eksempel Slutfejl: Estmat af α: x α 9 x β 8 x γ 87 r v x α + 3 r v 9 89 Antag sprednngen på vnkelmålngerne er σ 0.. Da er varansen på estmatet (med σ 0 σ ) Var X σ 3 3 σ og sprednngen på estmatet er 3 σ 0.86σ 9 35/36

Vægtet model. Landmålingens fejlteori - Lektion4 - Vægte og Fordeling af slutfejl. Vægte. Vægte: Eksempel. Definition: Vægtrelationen

Vægtet model. Landmålingens fejlteori - Lektion4 - Vægte og Fordeling af slutfejl. Vægte. Vægte: Eksempel. Definition: Vægtrelationen Vægtet model Landmålngens fejlteor Lekton 4 Vægtet gennemsnt Fordelng af slutfejl - kkb@mathaaudk http://peoplemathaaudk/ kkb/undervsnng/lf Gvet n uafhængge målnger x,, x n af n størrelser µ,, µ n Målnger

Læs mere

Vægtet model. Landmålingens fejlteori - Lektion4 - Vægte og Fordeling af slutfejl. Vægte. Vægte: Eksempel. Definition: Vægtrelationen

Vægtet model. Landmålingens fejlteori - Lektion4 - Vægte og Fordeling af slutfejl. Vægte. Vægte: Eksempel. Definition: Vægtrelationen Vægtet model Landmålngens fejlteor Lekton 4 Vægtet gennemsnt Fordelng af slutfejl - kkb@mathaaudk http://peoplemathaaudk/ kkb/undervsnng/lf3 Insttut for Matematske Fag Aalborg Unverstet Gvet n uafhængge

Læs mere

Landmålingens fejlteori - Lektion4 - Vægte og Fordeling af slutfejl

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

Læs mere

Økonometri 1. Heteroskedasticitet 27. oktober Økonometri 1: F12 1

Økonometri 1. Heteroskedasticitet 27. oktober Økonometri 1: F12 1 Økonometr 1 Heteroskedastctet 27. oktober 2006 Økonometr 1: F12 1 Dagens program: Heteroskedastctet (Wooldrdge kap. 8.3-4) Sdste gang: I dag: Konsekvenser af heteroskedastctet for OLS Korrekton af varansen

Læs mere

Økonometri 1. Lineær sandsynlighedsmodel. Hvad nu hvis den afhængige variabel er en kvalitativ variabel (med to kategorier)?

Økonometri 1. Lineær sandsynlighedsmodel. Hvad nu hvis den afhængige variabel er en kvalitativ variabel (med to kategorier)? Dagens program Økonometr Heteroskedastctet 6. oktober 004 Hovedemnet for denne forelæsnng er heteroskedastctet (kap. 8.-8.3) Lneære sandsynlghedsmodel (kap 7.5) Konsekvenser af heteroskedastctet Hvordan

Læs mere

Landbrugets efterspørgsel efter Kunstgødning. Angelo Andersen

Landbrugets efterspørgsel efter Kunstgødning. Angelo Andersen Landbrugets efterspørgsel efter Kunstgødnng Angelo Andersen.. Problemformulerng I forbndelse med ønsket om at reducere kvælstof udlednngen fra landbruget kan det være nyttgt at undersøge hvordan landbruget

Læs mere

Kvantitative metoder 2

Kvantitative metoder 2 Program for dag: Kvanttatve metoder Den smple regressonsmodel 9. februar 007 Regressonsmodel med en forklarende varabel (W..3-5) Varansanalyse og goodness of ft Enheder og funktonel form af varabler modellen

Læs mere

Kvantitative metoder 2

Kvantitative metoder 2 Dagens program: Heteroskedastctet (Wooldrdge kap. 8.4) Kvanttatve metoder Heteroskedastctet 6. aprl 007 Sdste gang: Konsekvenser af heteroskedastctet for OLS Whte s korrekton af OLS varansen Test for heteroskedastctet

Læs mere

Konfidensinterval for µ (σ kendt)

Konfidensinterval for µ (σ kendt) Program 1. Repetition: konfidens-intervaller. 2. Hypotese test 3. Type I og type II fejl, p-værdi 4. En og to-sidede tests 5. Test for middelværdi (kendt varians) 6. Test for middelværdi (ukendt varians)

Læs mere

Opsamling. Simpel/Multipel Lineær Regression Logistisk Regression Ikke-parametriske Metoder Chi-i-anden Test

Opsamling. Simpel/Multipel Lineær Regression Logistisk Regression Ikke-parametriske Metoder Chi-i-anden Test Opsamlng Smpel/Multpel Lneær Regresson Logstsk Regresson Ikke-parametrske Metoder Ch--anden Test Opbygnng af statstsk model Specfcer model Lgnnger og antagelser Estmer parametre Modelkontrol Er modellen

Læs mere

Statistik II Lektion 5 Modelkontrol. Modelkontrol Modelsøgning Større eksempel

Statistik II Lektion 5 Modelkontrol. Modelkontrol Modelsøgning Større eksempel Statstk II Lekton 5 Modelkontrol Modelkontrol Modelsøgnng Større eksempel Generel Lneær Model Y afhængg skala varabel 1,, k forklarende varable, skala eller bnære Model: Mddelværden af Y gvet =( 1,, k

Læs mere

TALTEORI Følger og den kinesiske restklassesætning.

TALTEORI Følger og den kinesiske restklassesætning. Følger og den knesske restklassesætnng, december 2006, Krsten Rosenklde 1 TALTEORI Følger og den knesske restklassesætnng Dsse noter forudsætter et grundlæggende kendskab tl talteor som man kan få Maranne

Læs mere

Økonometri 1. Test for heteroskedasticitet. Test for heteroskedasticitet. Dagens program. Heteroskedasticitet 26. oktober 2005

Økonometri 1. Test for heteroskedasticitet. Test for heteroskedasticitet. Dagens program. Heteroskedasticitet 26. oktober 2005 Dagens program Økonometr Heteroskedastctet 6. oktober 005 Emnet for denne forelæsnng er heteroskedastctet (Wooldrdge kap. 8.3-8.4) Konsekvenser af heteroskedastctet Hvordan fnder man en effcent estmator?

Læs mere

Økonometri 1 Efterår 2006 Ugeseddel 9

Økonometri 1 Efterår 2006 Ugeseddel 9 Økonometr 1 Efterår 006 Ugeseddel 9 Program for øvelserne: Opsamlng på Ugeseddel 8 Gruppearbejde SAS øvelser Ugeseddel 9 består at undersøge, om der er heteroskedastctet vores model for væksten og så fald,

Læs mere

Scorer FCK "for mange" mål i det sidste kvarter?

Scorer FCK for mange mål i det sidste kvarter? Uge 7 I Teoretsk Statstk, 9. aprl 2004. Hvor er v? Hvor var v: opstllg af statstske modeller Hvor skal v he: tro om estmato og test 2. Eksempel: FCK Estmato (tutvt) Test Maksmum lkelhood estmato Scorer

Læs mere

Bilag 6: Økonometriske

Bilag 6: Økonometriske Marts 2015 Blag 6: Økonometrske analyser af energselskabernes omkostnnger tl energsparendsatsen Energstyrelsen Indholdsfortegnelse 1. Paneldataanalyse 3 Specfkaton af anvendte panel regressonsmodeller

Læs mere

Lineær regressionsanalyse8

Lineær regressionsanalyse8 Lneær regressonsanalyse8 336 8. Lneær regressonsanalyse Lneær regressonsanalyse Fra kaptel 4 Mat C-bogen ved v, at man kan ndtegne en række punkter et koordnatsystem, for at afgøre, hvor tæt på en ret

Læs mere

Binomialfordelingen. Erik Vestergaard

Binomialfordelingen. Erik Vestergaard Bnomalfordelngen Erk Vestergaard Erk Vestergaard www.matematkfysk.dk Erk Vestergaard,. Blleder: Forsde: Stock.com/gnevre Sde : Stock.com/jaroon Sde : Stock.com/pod Desuden egne fotos og llustratoner. Erk

Læs mere

Prøveeksamen Indtjening, konkurrencesituation og produktudvikling i danske virksomheder Kommenteret vejledende besvarelse

Prøveeksamen Indtjening, konkurrencesituation og produktudvikling i danske virksomheder Kommenteret vejledende besvarelse Økonometr Prøveeksamen Indtjenng, konkurrencestuaton og produktudvklng danske vrksomheder Kommenteret vejledende besvarelse Resultaterne denne besvarelse er fremkommet ved brug af eksamensnummer 7. Dne

Læs mere

Anvendt Statistik Lektion 10. Regression med både kvantitative og kvalitative forklarende variable Modelsøgning Modelkontrol

Anvendt Statistik Lektion 10. Regression med både kvantitative og kvalitative forklarende variable Modelsøgning Modelkontrol Anvendt Statstk Lekton 0 Regresson med både kvanttatve og kvaltatve forklarende varable Modelsøgnng Modelkontrol Opsummerng I forbndelse med multpel lneær regresson så v på modeller på formen E[ y] = α...

Læs mere

Statistik II Lektion 4 Generelle Lineære Modeller. Simpel Lineær Regression Multipel Lineær Regression Flersidet Variansanalyse (ANOVA)

Statistik II Lektion 4 Generelle Lineære Modeller. Simpel Lineær Regression Multipel Lineær Regression Flersidet Variansanalyse (ANOVA) Statstk II Lekton 4 Generelle Lneære Modeller Smpel Lneær Regresson Multpel Lneær Regresson Flersdet Varansanalyse (ANOVA) Logstsk regresson Y afhængg bnær varabel X 1,,X k forklarende varable, skala eller

Læs mere

Binomialfordelingen: april 09 GJ

Binomialfordelingen: april 09 GJ Bnomalfordelngen: aprl 09 GJ Spm A 14: Sandsynlghedsregnng og statstk. Efter en kort ntrodukton af grundlæggende begreber sandsynlghedsregnng og statstk skal du skal ntroducere bnomalfordelngsmodellen

Læs mere

Ligninger med reelle løsninger

Ligninger med reelle løsninger Ligninger med reelle løsninger, marts 2008, Kirsten Rosenkilde 1 Ligninger med reelle løsninger Når man løser ligninger, er der nogle standardmetoder som er vigtige at kende. Vurdering af antallet af løsninger

Læs mere

Elektromagnetisme 12 Side 1 af 6 Magnetisk energi. Magnetisk energi

Elektromagnetisme 12 Side 1 af 6 Magnetisk energi. Magnetisk energi lektronetsme Sde af 6 Betragt et kredsløb med erstatnngsresstans R og erstatnngs- L nduktans L. Som udtryk (.) er U emf + R. (.) U (emf) R Det arbejde, som batteret skal præstere løbet af tdsrummet strømmen,

Læs mere

Statikstik II 4. Lektion. Generelle Lineære Modeller

Statikstik II 4. Lektion. Generelle Lineære Modeller Statkstk II 4. Lekton Generelle Lneære Modeller Generel Lneær Model Y afhængg skala varabel X 1,,X k forklarende varable, skala eller bnære Model: Mddelværden af Y gvet X + k = E( Y X ) = α + β x + + β

Læs mere

Udvikling af en metode til effektvurdering af Miljøstyrelsens Kemikalieinspektions tilsyn og kontrol

Udvikling af en metode til effektvurdering af Miljøstyrelsens Kemikalieinspektions tilsyn og kontrol Udvklng af en metode tl effektvurderng af Mljøstyrelsens Kemkalenspektons tlsyn og kontrol Orenterng fra Mljøstyrelsen Nr. 10 2010 Indhold 1 FORORD 5 2 EXECUTIVE SUMMARY 7 3 INDLEDNING 11 3.1 AFGRÆNSNING

Læs mere

Funktionalligninger - løsningsstrategier og opgaver

Funktionalligninger - løsningsstrategier og opgaver Funktionalligninger - løsningsstrategier og opgaver Altså er f (f (1)) = 1. På den måde fortsætter vi med at samle oplysninger om f og kombinerer dem også med tidligere oplysninger. Hvis vi indsætter =

Læs mere

Økonometri 1. Definition og motivation. Definition og motivation. Dagens program. Den multiple regressionsmodel 21. september 2005

Økonometri 1. Definition og motivation. Definition og motivation. Dagens program. Den multiple regressionsmodel 21. september 2005 Dages program Økoometr De multple regressosmodel. september 005 Emet for dee forelæsg er de multple regressosmodel (Wooldrdge kap 3.-3.3+appedx E.-E.) Defto og motvato Fortolkg af parametree de multple

Læs mere

Program. 1. Repetition: konfidens-intervaller. 2. Hypotese test, type I og type II fejl, signifikansniveau, styrke, en- og to-sidede test.

Program. 1. Repetition: konfidens-intervaller. 2. Hypotese test, type I og type II fejl, signifikansniveau, styrke, en- og to-sidede test. Program 1. Repetition: konfidens-intervaller. 2. Hypotese test, type I og type II fejl, signifikansniveau, styrke, en- og to-sidede test. 1/19 Konfidensinterval for µ (σ kendt) Estimat ˆµ = X bedste bud

Læs mere

Statistik Lektion 15 Mere Lineær Regression. Modelkontrol Prædiktion Multipel Lineære Regression

Statistik Lektion 15 Mere Lineær Regression. Modelkontrol Prædiktion Multipel Lineære Regression Statstk Lekton 15 Mere Lneær Regresson Modelkontrol Prædkton Multpel Lneære Regresson Smpel Lneær Regresson - repetton Spørgsmål: Afhænger y lneært af x?. Model: y = β + β x + ε ε d N(0, σ 0 1 2 ) Systematsk

Læs mere

Kvantitative metoder 2

Kvantitative metoder 2 Kvanttatve metoder 2 Instrumentvarabel estmaton 14. maj 2007 KM2: F25 1 y = cy ( c 0) Plan for resten af gennemgangen F25: Instrumentvarabel (IV) estmaton: Introdukton tl endogentet og nstrumentvarabler

Læs mere

Kvantitative metoder 2

Kvantitative metoder 2 y = cy ( c 0) Plan for resten af gennemgangen Kvanttatve metoder Instrumentvarabel estmaton 4. maj 007 F5: Instrumentvarabel (IV) estmaton: Introdukton tl endogentet og nstrumentvarabler En regressor,

Læs mere

Anvendt Statistik Lektion 10. Regression med både kvantitative og kvalitative forklarende variable Modelkontrol

Anvendt Statistik Lektion 10. Regression med både kvantitative og kvalitative forklarende variable Modelkontrol Anvendt Statstk Lekton 0 Regresson med både kvanttatve og kvaltatve forklarende varable Modelkontrol Opsummerng I forbndelse med multpel lneær regresson så v på modeller på formen E y] = α... [ 3 3 4 4

Læs mere

Landmålingens fejlteori - Repetition - Fordeling af slutfejl - Lektion 8

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

Læs mere

Brugerhåndbog. Del IX. Formodel til beregning af udlandsskøn

Brugerhåndbog. Del IX. Formodel til beregning af udlandsskøn Brugerhåndbog Del IX Formodel tl beregnng af udlandsskøn September 1999 Formodel tl beregnng af udlandsskøn 3 Formodel tl beregnng af udlandsskøn 1. Indlednng FUSK er en Formodel tl beregnng af UdlandsSKøn.

Læs mere

Fra små sjove opgaver til åbne opgaver med stor dybde

Fra små sjove opgaver til åbne opgaver med stor dybde Fra små sjove opgaver tl åbne opgaver med stor dybde Vladmr Georgev 1 Introdukton Den største overraskelse for gruppen af opgavestllere ved "Galle" holdkonkurrenen 009 var en problemstllng, der tl at begynde

Læs mere

Hypotese test. Repetition fra sidst Hypoteser Test af middelværdi Test af andel Test af varians Type 1 og type 2 fejl Signifikansniveau

Hypotese test. Repetition fra sidst Hypoteser Test af middelværdi Test af andel Test af varians Type 1 og type 2 fejl Signifikansniveau ypotese test Repetition fra sidst ypoteser Test af middelværdi Test af andel Test af varians Type 1 og type fejl Signifikansniveau Konfidens intervaller Et konfidens interval er et interval, der estimerer

Læs mere

Sandsynlighedsregning og statistik med binomialfordelingen

Sandsynlighedsregning og statistik med binomialfordelingen Sandsynlghedsregnng og statstk med bnomalfordelngen Katja Kofod Svan og Olav Lyndrup Januar 09 Indhold Stokastske varable... 3 Mddelværd og sprednng... 6 Bnomalfordelngen... Andre sandsynlghedsfordelnger...

Læs mere

Forelæsning 8: Inferens for varianser (kap 9)

Forelæsning 8: Inferens for varianser (kap 9) Kursus 02402 Introduktion til Statistik Forelæsning 8: Inferens for varianser (kap 9) Per Bruun Brockhoff DTU Compute, Statistik og Dataanalyse Bygning 324, Rum 220 Danmarks Tekniske Universitet 2800 Lyngby

Læs mere

Korrelation (kontrol af model) Regression (tilpasning af model) 1. Grad af fælles variation mellem X og Y. 2. Område og fordeling af sample data

Korrelation (kontrol af model) Regression (tilpasning af model) 1. Grad af fælles variation mellem X og Y. 2. Område og fordeling af sample data tatstk 9. gag GIONANAL Korrelato (kotrol af model egresso (tlpasg af model tatstk 9. gag KOLATION ANAL. Grad af fælles varato mellem X og. Område og fordelg af sample data 3. Optræde af ekstrem-værder

Læs mere

Fagblok 4b: Regnskab og finansiering 2. del Hjemmeopgave - 28.01 2005 kl. 14.00 til 31.01 2004 kl. 14.00

Fagblok 4b: Regnskab og finansiering 2. del Hjemmeopgave - 28.01 2005 kl. 14.00 til 31.01 2004 kl. 14.00 Fagblok 4b: Regnskab og fnanserng 2. del Hjemmeopgave - 28.01 2005 kl. 14.00 tl 31.01 2004 kl. 14.00 Dette opgavesæt ndeholder følgende: Opgave 1 (vægt 50%) p. 2-4 Opgave 2 (vægt 25%) samt opgave 3 (vægt

Læs mere

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

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

Læs mere

Statistisk mekanik 13 Side 1 af 9 Faseomdannelse. Faseligevægt

Statistisk mekanik 13 Side 1 af 9 Faseomdannelse. Faseligevægt Statsts mean 3 Sde af 9 Faselgevægt Hvs hver fase et PVT-system behandles særslt, vl hver fase alene raft af mulgheden for faseomdannelser udgøre et åbent system. Ved generalserng af udtry (3.48) fås dermed

Læs mere

Beregning af strukturel arbejdsstyrke

Beregning af strukturel arbejdsstyrke VERION: d. 2.1.215 ofe Andersen og Jesper Lnaa Beregnng af strukturel arbedsstyrke Der er betydelg forskel Fnansmnsterets (FM) og Det Økonomske Råds (DØR) vurderng af det aktuelle output gap. Den væsentlgste

Læs mere

Modul 5: Test for én stikprøve

Modul 5: Test for én stikprøve Forskningsenheden for Statistik ST01: Elementær Statistik Bent Jørgensen Modul 5: Test for én stikprøve 5.1 Test for middelværdi................................. 1 5.1.1 t-fordelingen.................................

Læs mere

2. Sandsynlighedsregning

2. Sandsynlighedsregning 2. Sandsynlghedsregnng 2.1. Krav tl sandsynlgheder (Sandsynlghedens aksomer) Hvs A og B er hændelser, er en sandsynlghed, hvs: 1. 0 ( A) 1 n 2. ( A ) 1 1 3. ( A B) ( A) + ( B), hvs A og B ngen udfald har

Læs mere

Statikstik II 3. Lektion. Multipel Logistisk regression Generelle Lineære Modeller

Statikstik II 3. Lektion. Multipel Logistisk regression Generelle Lineære Modeller Statkstk II 3. Lekton Multpel Logstsk regresson Generelle Lneære Modeller Defntoner: Repetton Sandsynlghed for at Ja tl at være en god læser gvet at man er en dreng skrves: P( God læser Ja Køn Dreng) Sandsynlghed

Læs mere

TALTEORI Primfaktoropløsning og divisorer.

TALTEORI Primfaktoropløsning og divisorer. Primfaktoropløsning og divisorer, oktober 2008, Kirsten Rosenkilde 1 TALTEORI Primfaktoropløsning og divisorer. Disse noter forudsætter et grundlæggende kendskab til talteori som man kan få i Marianne

Læs mere

Landmålingens fejlteori - Lektion4 - Vægte og Fordeling af slutfejl

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

Læs mere

EKSAMEN I MATEMATIK-STATISTIK, 27. JANUAR 2006, KL 9-13

EKSAMEN I MATEMATIK-STATISTIK, 27. JANUAR 2006, KL 9-13 EKSAMEN I MATEMATIK-STATISTIK, 7. JANUAR 006, KL 9-13 [HER STARTER STATISTIKDELEN] Opgave 3 (5%): Bologsk baggrundsnformaton tl forståelse af opgaven: Dr producerer kke altd lge meget afkom af hvert køn.

Læs mere

Økonometri 1. Avancerede Paneldata Metoder II Introduktion til Instrumentvariabler 27. november 2006

Økonometri 1. Avancerede Paneldata Metoder II Introduktion til Instrumentvariabler 27. november 2006 Økonometr 1 Avancerede Paneldata Metoder II Introdukton tl Instrumentvarabler 27. november 2006 Paneldata metoder Sdste gang: Paneldata med to eller flere peroder og fxed effects estmaton. Første-dfferens

Læs mere

Økonometri 1. Lineær sandsynlighedsmodel (Wooldridge 8.5). Dagens program: Heteroskedasticitet 30. oktober 2006

Økonometri 1. Lineær sandsynlighedsmodel (Wooldridge 8.5). Dagens program: Heteroskedasticitet 30. oktober 2006 Dagens program: Øonometr 1 Heterosedastctet 30. otober 006 Effcent estmaton under heterosedastctet (Wooldrdge 8.4): Sdste gang: Kendte vægte - Weghted Least Squares (WLS) Generalzed Least Squares (GLS)

Læs mere

Økonometri lektion 7 Multipel Lineær Regression. Testbaseret Modelkontrol

Økonometri lektion 7 Multipel Lineær Regression. Testbaseret Modelkontrol Økonometr lekton 7 Multpel Lneær Regresson Testbaseret Modelkontrol MLR Model på Matrxform Den multple lneære regressons model kan skrves som X y = Xβ + Hvor og Mndste kvadraters metode gver følgende estmat

Læs mere

Noter til fysik 3: Statistisk fysik

Noter til fysik 3: Statistisk fysik Noter tl fysk 3: Statstsk fysk Martn Sparre www.logx.dk August 27 Bemærk, at log x denne note er den naturlge logartme. Denne verson er fra d. 16 November, hvor flere trykfejl er blevet rettet. 1 Entrop

Læs mere

Husholdningsbudgetberegner

Husholdningsbudgetberegner Chrstophe Kolodzejczyk & Ncola Krstensen Husholdnngsbudgetberegner En model for husholdnngers daglgvareforbrug udarbejdet for Penge- og Pensonspanelet Publkatonen Husholdnngsbudgetberegner En model for

Læs mere

Morten Frydenberg Biostatistik version dato:

Morten Frydenberg Biostatistik version dato: Morten Frydenberg Bostatstk verson dato: -4- Bostatstk uge mandag Morten Frydenberg, Afdelng for Bostatstk Resume: Hvad har v været gennem ndtl nu Lneær (normal) regresson en kontnuert forklarende varabel

Læs mere

Variansanalyse (ANOVA) Repetition, ANOVA Tjek af model antagelser Konfidensintervaller for middelværdierne Tukey s test for parvise sammenligninger

Variansanalyse (ANOVA) Repetition, ANOVA Tjek af model antagelser Konfidensintervaller for middelværdierne Tukey s test for parvise sammenligninger Vaansanalyse (ANOVA) Repetton, ANOVA Tjek af model antagelse Konfdensntevalle fo mddelvædene Tukey s test fo pavse sammenlgnnge ANOVA - defnton ANOVA (ANalyss Of VAance), også kaldet vaansanalyse e en

Læs mere

Logistisk regression. Logistisk regression. Probit model Fortolkning udfra latent variabel. Odds/Odds ratio

Logistisk regression. Logistisk regression. Probit model Fortolkning udfra latent variabel. Odds/Odds ratio Logstsk regresson Logstsk regresson Odds/Odds rato Probt model Fortolknng udfra latent varabel En varabel Y parameter p P( Y 1 Bernoull/bnomal fordelngen 1 1 p. er Bernoull- fordelt med sandsynlgheds hvs

Læs mere

Økonometri 1. Avancerede Paneldata Metoder I 24.november F18: Avancerede Paneldata Metoder I 1

Økonometri 1. Avancerede Paneldata Metoder I 24.november F18: Avancerede Paneldata Metoder I 1 Økonometr 1 Avancerede Paneldata Metoder I 24.november 2006 F18: Avancerede Paneldata Metoder I 1 Paneldatametoder Sdste gang: Paneldata begreber og to-perode tlfældet (kap 13.3-4) Uobserveret effekt modellen:

Læs mere

TALTEORI Wilsons sætning og Euler-Fermats sætning.

TALTEORI Wilsons sætning og Euler-Fermats sætning. Wilsons sætning og Euler-Fermats sætning, marts 2007, Kirsten Rosenkilde 1 TALTEORI Wilsons sætning og Euler-Fermats sætning. Disse noter forudsætter et grundlæggende kendskab til talteori som man kan

Læs mere

TALTEORI Wilsons sætning og Euler-Fermats sætning.

TALTEORI Wilsons sætning og Euler-Fermats sætning. Wilsons sætning og Euler-Fermats sætning, marts 2007, Kirsten Rosenkilde 1 TALTEORI Wilsons sætning og Euler-Fermats sætning. Disse noter forudsætter et grundlæggende kendskab til talteori som man kan

Læs mere

Inertimoment for arealer

Inertimoment for arealer 13-08-006 Søren Rs nertmoment nertmoment for arealer Generelt Defntonen på nertmoment kan beskrves som Hvor trægt det er at få et legeme tl at rotere eller Hvor stort et moment der skal tlføres et legeme

Læs mere

Validering og test af stokastisk trafikmodel

Validering og test af stokastisk trafikmodel Valderng og test af stokastsk trafkmodel Maken Vldrk Sørensen M.Sc., PhDstud. Otto Anker Nelsen Cv.Ing., PhD, Professor Danmarks Teknske Unverstet/ Banestyrelsen Rådgvnng 1. Indlednng Trafkmodeller har

Læs mere

Multipel Lineær Regression. Polynomiel regression Ikke-lineære modeller og transformation Multi-kolinearitet Auto-korrelation og Durbin-Watson test

Multipel Lineær Regression. Polynomiel regression Ikke-lineære modeller og transformation Multi-kolinearitet Auto-korrelation og Durbin-Watson test Multipel Lineær Regression Polynomiel regression Ikke-lineære modeller og transformation Multi-kolinearitet Auto-korrelation og Durbin-Watson test Multipel lineær regression x,x,,x k uafhængige variable

Læs mere

6. SEMESTER Epidemiologi og Biostatistik Opgaver til 3. uge, fredag

6. SEMESTER Epidemiologi og Biostatistik Opgaver til 3. uge, fredag Afdelng for Epdemolog Afdelng for Bostatstk 6. SEESTER Epdemolog og Bostatstk Opgaver tl 3. uge, fredag Data tl denne opgave stammer fra. Bland: An Introducton to edcal Statstcs (Exercse 11E ). V har hentet

Læs mere

Spørgsmål og svar om håndtering af udenlandsk udbytteskat marts 2016

Spørgsmål og svar om håndtering af udenlandsk udbytteskat marts 2016 Indhold AFTALENS FORMÅL... 2 Hvilken service omfatter aftalen?... 2 Hvad betyder skattereduktion, kildereduktion og tilbagesøgning?... 2 AFTALENS INDHOLD OG OPBYGNING... 3 Hvilke depoter er omfattet af

Læs mere

Kvantitative Metoder 1 - Forår 2007

Kvantitative Metoder 1 - Forår 2007 Dagens program Afsnit 3.3-3.5 Varians Eksempel: Forventet nytte Kovarians og korrelation Middelværdi og varians af summer af stokastiske variabler Eksempel: Porteføljevalg 1 Beskrivelse af fordelinger

Læs mere

Grafteori, Kirsten Rosenkilde, september 2007 1. Grafteori

Grafteori, Kirsten Rosenkilde, september 2007 1. Grafteori Grafteori, Kirsten Rosenkilde, september 007 1 1 Grafteori Grafteori Dette er en kort introduktion til de vigtigste begreber i grafteori samt eksempler på opgavetyper inden for emnet. 1.1 Definition af

Læs mere

Stadig ligeløn blandt dimittender

Stadig ligeløn blandt dimittender Stadg lgeløn blandt dmttender Kvnder og mænd får stadg stort set lge meget løn deres første job, vser DJs dmttendstatstk for oktober 2012. Og den gennemsntlge startløn er fortsat på den pæne sde af 31.500

Læs mere

FACITLISTE TIL KOMPLEKSE TAL

FACITLISTE TIL KOMPLEKSE TAL FACITLISTE TIL KOMPLEKSE TAL Kaptel Opgave Opgave Opgave Det emmeste check af lgge er at opløfte begge sder tl. potes. Bombells metode gver følgede lgger: a a b = 5 ( ) b a b = 09 = 7. Løs dem med et CAS

Læs mere

Kvantitative metoder 2 Forår 2007 Ugeseddel 10

Kvantitative metoder 2 Forår 2007 Ugeseddel 10 Kvanttatve metoder 2 Forår 2007 Ugeseddel 0 Program for øvelserne: Gennemgang af teoropgave fra Ugesedel 9 Gruppearbejde og plenumdskusson SAS øvelser, spørgsmål -4. Sdste øvelsesgang (uge 2): SAS øvelser,

Læs mere

Kreditrisiko efter IRBmetoden

Kreditrisiko efter IRBmetoden Kredtrsko efter IRBmetoden Vacceks formel Arbejdspapr, oktober 2013 1 KRAKAfnans - Fnanskrsekommssonens sekretarat Teknsk arbejdspapr udkast 15. oktober 2013 Indlednng Det absolutte mndstekrav tl et kredtnsttut

Læs mere

Økonometri 1. Hvorfor simulationseksperimenter? Monte Carlo eksperimenter: Ideen. Inferens i den lineære regressionsmodel 28.

Økonometri 1. Hvorfor simulationseksperimenter? Monte Carlo eksperimenter: Ideen. Inferens i den lineære regressionsmodel 28. Oversgt: de næste forelæsnnger Økonometr Inferens den lneære regressonsmodel 8. september 4 Statstsk nferens: hvorledes man med udgangspunkt en statstsk model kan drage konklusoner på grundlag af data,

Læs mere

Indtjening, konkurrencesituation og produktudvikling i danske virksomheder

Indtjening, konkurrencesituation og produktudvikling i danske virksomheder Kvanttatve metoder 2 Forår 2007 Oblgatorsk opgave 2 Indtjenng, konkurrencestuaton og produktudvklng danske vrksomheder Opgavens prmære formål er at lgne formen på tag-hjem delen af eksamensopgaven. Der

Læs mere

DLU med CES-nytte. Resumé:

DLU med CES-nytte. Resumé: Danmarks Statstk MODELGRUPPEN Arbejdspapr* Grane Høegh 17. august 2006 DLU med CES-nytte Resumé: Her papret undersøges det om en generalserng af den bagvedlggende nyttefunkton DLU fra Cobb-Douglas med

Læs mere

Note til Generel Ligevægt

Note til Generel Ligevægt Mkro. år. semester Note tl Generel Lgevægt Varan kap. 9 Generel lgevægt bytteøkonom Modsat partel lgevægt betragter v nu hele økonomen på én gang; v betragter kke længere nogle prser for gvet etc. Den

Læs mere

FRIE ABELSKE GRUPPER. Hvis X er delmængde af en abelsk gruppe, har vi idet vi som sædvanligt i en abelsk gruppe bruger additiv notation at:

FRIE ABELSKE GRUPPER. Hvis X er delmængde af en abelsk gruppe, har vi idet vi som sædvanligt i en abelsk gruppe bruger additiv notation at: FRIE ABELSKE GRUPPER. IAN KIMING Hvs X er delmængde af en abelsk gruppe, har v det v som sædvanlgt en abelsk gruppe bruger addtv notaton at: X = {k 1 x 1 +... + k t x t k Z, x X} (jfr. tdlgere sætnng angående

Læs mere

VIA læreruddannelsen Silkeborg. WordMat kompendium

VIA læreruddannelsen Silkeborg. WordMat kompendium VIA læreruddannelsen Silkeborg WordMat kompendium Bolette Fisker Olesen 25-11-2015 Indholdsfortegnelse Ligning... 2 Løs ligning... 2 WordMat som lommeregner... 4 Geometri... 4 Trekanter... 4 Funktioner...

Læs mere

Luftfartens vilkår i Skandinavien

Luftfartens vilkår i Skandinavien Luftfartens vlkår Skandnaven - Prsens betydnng for valg af transportform Af Mette Bøgelund og Mkkel Egede Brkeland, COWI Trafkdage på Aalborg Unverstet 2000 1 Luftfartens vlkår Skandnaven - Prsens betydnng

Læs mere

Analyse 1, Prøve 4. 25. juni 2009. r+1. Men vi har øjensynligt, at 2. r r+1

Analyse 1, Prøve 4. 25. juni 2009. r+1. Men vi har øjensynligt, at 2. r r+1 Analyse 1, Prøve 4 25. juni 29 Alle henvisninger til CB er henvisninger til Metriske Rum (1997, Christian Berg), alle henvisninger til TL er til Kalkulus (26, Tom Lindstrøm), og alle henvisninger til Opgaver

Læs mere

Picasa Web. En ressource i SkoleIntra. Version: August 2012

Picasa Web. En ressource i SkoleIntra. Version: August 2012 Picasa Web En ressource i SkoleIntra Version: August 2012 Indholdsfortegnelse Hvad er PicasaWeb?...4 Kom på!...5 Google-konto...5 Når du er logget ind: Indstillinger...5 Når du er logget ind: Upload...6

Læs mere

Fysik 3. Indhold. 1. Sandsynlighedsteori

Fysik 3. Indhold. 1. Sandsynlighedsteori Fysk 3 Indhold Termodynamk John Nclasen 1. Sandsynlghedsteor 1.1 Symboler 1.2 Boolsk Algebra 1.3 Betngede Udsagn 1.4 Regneregler 1.5 Bayes' formel 2. Fordelnger 2.1 Symboler 2.2 Bnomal Fordelngen 2.3 ultnomal

Læs mere

Selvbooking. Hvordan ser det ud fra borgerens side?

Selvbooking. Hvordan ser det ud fra borgerens side? Selvbooking Hvordan ser det ud fra borgerens side? 1 Book egen samtale på Jobnet For at borgeren kan booke sin egen samtale med jobcenteret, skal borgeren først logge ind på Min Side. Herefter vælger borgeren

Læs mere

Prøveeksamen Indtjening, konkurrencesituation og produktudvikling i danske virksomheder Kommenteret vejledende besvarelse

Prøveeksamen Indtjening, konkurrencesituation og produktudvikling i danske virksomheder Kommenteret vejledende besvarelse Økonometr Forår 00 Prøveeksamen Indtjenng, konkurrencestuaton og produktudvklng danske vrksomheder Kommenteret vejledende besvarelse Resultaterne denne besvarelse er fremkommet ved brug af eksamensnummer

Læs mere

Prøveeksamen Indtjening, konkurrencesituation og produktudvikling i danske virksomheder Kommenteret vejledende besvarelse

Prøveeksamen Indtjening, konkurrencesituation og produktudvikling i danske virksomheder Kommenteret vejledende besvarelse Økonometr Prøveeksamen Indtjenng, konkurrencestuaton og produktudvklng danske vrksomheder Kommenteret vejledende besvarelse Resultaterne denne besvarelse er fremkommet ved brug af eksamensnummer 7. Dne

Læs mere

Statistik II Lektion 5 Modelkontrol. Modelkontrol Modelsøgning Større eksempel

Statistik II Lektion 5 Modelkontrol. Modelkontrol Modelsøgning Større eksempel Statstk II Lekton 5 Modelkontrol Modelkontrol Modelsøgnng Større eksempel Opbygnng af statstsk model Eksploratv data-analyse Specfcer model Lgnnger og antagelser Estmer parametre Modelkontrol Er modellen

Læs mere

Variabel- sammenhænge

Variabel- sammenhænge Variabel- sammenhænge Udgave 2 2009 Karsten Juul Dette hæfte kan bruges som start på undervisningen i variabelsammenhænge for stx og hf. Hæftet er en introduktion til at kunne behandle to sammenhængende

Læs mere

Den svingende streng

Den svingende streng Den svingende streng Stig Andur Pedersen October 2, 2009 Ufuldstændigt udkast. Abstract 1 I det 18. århundrede blev differential- og integralregningen, som var introduceret af Newton, Leibniz og mange

Læs mere

Tabsberegninger i Elsam-sagen

Tabsberegninger i Elsam-sagen Tabsberegnnger Elsam-sagen Resumé: Dette notat beskrver, hvordan beregnngen af tab foregår. Første del beskrver spot tabene, mens anden del omhandler de afledte fnanselle tab. Indhold Generelt Tab spot

Læs mere

Statistik og Sandsynlighedsregning 2

Statistik og Sandsynlighedsregning 2 Statistik og Sandsynlighedsregning 2 Den flerdimensionale normalfordeling, fordeling af ( X,SSD) Helle Sørensen Uge 9, mandag SaSt2 (Uge 9, mandag) Flerdim. N, ford. af ( X,SSD) 1 / 16 Program Resultaterne

Læs mere

PRODUKTIONSEFFEKTEN AF AVL FOR HANLIG FERTILITET I DUROC

PRODUKTIONSEFFEKTEN AF AVL FOR HANLIG FERTILITET I DUROC PRODUKTIONSEFFEKTEN AF AVL FOR HANLIG FERTILITET I DUROC MEDDELELSE NR. 1075 Vrknngsgraden (gennemslaget) tl en produktonsbesætnng for avlsværdtallet for hanlg fertltet Duroc blev fundet tl 1,50, hvlket

Læs mere

Partikelbevægelser i magnetfelter

Partikelbevægelser i magnetfelter Da fusion skal foregå ved en meget høj temperatur, 100 millioner grader, så der kan foregå en selvforsynende fusion, kræves der en metode til indeslutning af plasmaet, idet de materialer vi kender med

Læs mere

Løsning af præmie- og ekstraopgave

Løsning af præmie- og ekstraopgave 52 Læserbidrag Løsning af præmie- og ekstraopgave 23. årgang, nr. 1 Martin Wedel Jacobsen Både præmieopgaven og ekstraopgaven er specialtilfælde af en mere generel opgave: Hvor mange stykker kan en n-dimensionel

Læs mere

Nøglebegreber: Objektivfunktion, vægtning af residualer, optimeringsalgoritmer, parameterusikkerhed og korrelation, vurdering af kalibreringsresultat.

Nøglebegreber: Objektivfunktion, vægtning af residualer, optimeringsalgoritmer, parameterusikkerhed og korrelation, vurdering af kalibreringsresultat. Håndbog grundvandsmodellerng, Sonnenborg & Henrksen (eds 5/8 GEUS Kaptel 14 IVERS MODELLERIG Torben Obel Sonnenborg Geologsk Insttut, Københavns Unverstet Anker Laer Høberg Hydrologsk Afdelng, GEUS øglebegreber:

Læs mere

Forberedelse INSTALLATION INFORMATION

Forberedelse INSTALLATION INFORMATION Forberedelse 1 Pergo lamnatgulvmateraler leveres med vejlednnger form af llustratoner. Nedenstående tekst gver forklarnger på llustratonerne og er nddelt tre områder: Klargørngs-, monterngs- og rengørngsvejlednnger.

Læs mere

BLÅ MEMOSERIE. Memo nr. 208 - Marts 2003. Optimal adgangsregulering til de videregående uddannelser og elevers valg af fag i gymnasiet.

BLÅ MEMOSERIE. Memo nr. 208 - Marts 2003. Optimal adgangsregulering til de videregående uddannelser og elevers valg af fag i gymnasiet. BLÅ MEMOSERIE Memo nr. 208 - Marts 2003 Optmal adgangsregulerng tl de vderegående uddannelser og elevers valg af fag gymnaset Karsten Albæk Økonomsk Insttut Købenavns Unverstet Studestræde 6, 1455 Købenavn

Læs mere

Forslag til principerklæring til vedtagelse på FOAs strukturkongres 12. og 13. januar 2006 i Aalborg

Forslag til principerklæring til vedtagelse på FOAs strukturkongres 12. og 13. januar 2006 i Aalborg Forslag til principerklæring til vedtagelse på FOAs strukturkongres 12. og 13. januar 2006 i Aalborg Principperne i denne erklæring angiver retningen for FOAs videre strukturelle og demokratiske udvikling.

Læs mere

Matematisk modellering og numeriske metoder. Lektion 18

Matematisk modellering og numeriske metoder. Lektion 18 Matematisk modellering numeriske metoder Lektion 18 Morten Grud Rasmussen 12. november, 2013 1 Numeriske metoder til førsteordens ODE er [Bens afsnit 21.1 side 898] 1.1 Euler-metoden Vi stiftede allerede

Læs mere

Tilstandsligningen for ideale gasser

Tilstandsligningen for ideale gasser ilstandsligningen for ideale gasser /8 ilstandsligningen for ideale gasser Indhold. Udledning af tilstandsligningen.... Konsekvenser af tilstandsligningen...4 3. Eksempler og opgaver...5 4. Daltons lov...6

Læs mere

10. Usikkerhed og fejlsøgning

10. Usikkerhed og fejlsøgning 93 10. Uskkerhed og fejlsøgnng Forbrugerprsndekset er baseret på en stkprøve af varer og tjenester og derfor behæftet med uskkerhed. Kaptlet ndledes derfor med en gennemgang af de væsentlgste klder tl

Læs mere