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.
|
|
- Mette Frederiksen
- 7 år siden
- Visninger:
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 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 mereVægtet 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 mereLandmålingens 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 mereØkonometri 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 mereØkonometri 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 mereLandbrugets 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 mereKvantitative 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 mereKvantitative 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 mereKonfidensinterval 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 mereOpsamling. 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 mereStatistik 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 mereTALTEORI 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 mereØkonometri 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 mereØkonometri 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 mereScorer 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 mereBilag 6: Økonometriske
Marts 2015 Blag 6: Økonometrske analyser af energselskabernes omkostnnger tl energsparendsatsen Energstyrelsen Indholdsfortegnelse 1. Paneldataanalyse 3 Specfkaton af anvendte panel regressonsmodeller
Læs mereLineær 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 mereBinomialfordelingen. 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 merePrøveeksamen 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 mereAnvendt 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 mereStatistik 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 mereBinomialfordelingen: 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 mereLigninger 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 mereElektromagnetisme 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 mereStatikstik 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 mereUdvikling 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 mereFunktionalligninger - 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 mereØkonometri 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 mereProgram. 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 mereStatistik 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 mereKvantitative 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 mereKvantitative 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 mereAnvendt 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 mereLandmålingens 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 mereBrugerhåndbog. 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 mereFra 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 mereHypotese 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 mereSandsynlighedsregning 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 mereForelæsning 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 mereKorrelation (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 mereFagblok 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 mereVægte 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 mereStatistisk 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 mereBeregning 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 mereModul 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 mere2. 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 mereStatikstik 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 mereTALTEORI 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 mereLandmålingens 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 mereEKSAMEN 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 mereØkonometri 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 mereØkonometri 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 mereØkonometri 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 mereNoter 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 mereHusholdningsbudgetberegner
Chrstophe Kolodzejczyk & Ncola Krstensen Husholdnngsbudgetberegner En model for husholdnngers daglgvareforbrug udarbejdet for Penge- og Pensonspanelet Publkatonen Husholdnngsbudgetberegner En model for
Læs mereMorten 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 mereVariansanalyse (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 mereLogistisk 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 mereØkonometri 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 mereTALTEORI 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 mereTALTEORI 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 mereInertimoment 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 mereValidering 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 mereMultipel 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 mere6. 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 mereSpørgsmål 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 mereKvantitative 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 mereGrafteori, 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 mereStadig 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 mereFACITLISTE 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 mereKvantitative 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 mereKreditrisiko 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 mereØkonometri 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 mereIndtjening, 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 mereDLU 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 mereNote 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 mereFRIE 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 mereVIA 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 mereLuftfartens 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 mereAnalyse 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 merePicasa 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 mereFysik 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 mereSelvbooking. 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 merePrøveeksamen 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 merePrøveeksamen 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 mereStatistik 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 mereVariabel- 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 mereDen 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 mereTabsberegninger 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 mereStatistik 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 merePRODUKTIONSEFFEKTEN 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 merePartikelbevægelser 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 mereLøsning 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 mereNøglebegreber: 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 mereForberedelse 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 mereBLÅ 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 mereForslag 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 mereMatematisk 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 mereTilstandsligningen 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 mere10. 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