Observation af lyskurven for δ-scuti stjerner

Størrelse: px
Starte visningen fra side:

Download "Observation af lyskurven for δ-scuti stjerner"

Transkript

1 Modtaget dato: (forbeholdt instruktor) Godkendt: Dato: Underskrift: (3. april 2008) Observation af lyskurven for δ-scuti stjerner Anders Overaa Thygesen ( ) Dette projekt omhandler observationer af den variable stjerne AE Ursae Majoris (AE UMa), der er en variabel stjerne af δ-scuti klassen. Projektet indeholder to dele; observationer af AE UMa fra Ole Rømer Observatoriet, samt reduktion af disse data. Ud fra observationsdataene er amplituden af udsvinget for AE UMa fundet til at være magnituder. Ligeledes bestemmes hvilken 'epoch' stjernen er nået til, siden observationsstart. Denne blev fundet til at være Der gives eksempler på observationer samt en beskrivelse af metoden og databehandlingen. Den praktiske del af projektet er lavet i samarbejde med Jakob B. Overgaard. INDLEDNING δ-scuti stjerner er en type af variable stjerner, der viser små, regelmæssige lysvariationer. Typiske variationer ligger mellem og 0.9 magnituder, med en periode på 0.25 til 5 timer. De este δ-scuti stjerner tilhører population I og ligger i den lave ende af ustabilitetsbåndet på hovedserien i et HR-diagram. Stjernerne viser både radiale og ikke-radiale pulseringer. Typiske masser for disse er mellem 1.5 og 2.5 solmasser. δ-scuti stjernerne er en b- landing af præ-hovedserie, hovedserie og post hovedserie stjerner, der alle har deres egen karakteristik. Der skelnes typisk mellem lav-amplitude stjerner (variation < 0.1 mag) og høj-amplitude stjerner (variation > 0.1 mag). Høj-amplitude stjernerne er post-hovedserie stjerner der pulserer i en eller ere radiale modes, men der ses indimellem også små, ikke-radiale svingninger. Disse stjerner kaldes ofte for 'dværg-cepheider' og kan anvendes til afstandsbedømmelse via. periode-luminositets relationer. Lav-amplitude stjernerne inkluderer stjerner i alle aldre og udviser mange forskellige typer af svingninger, både radiale og ikke radiale og da deres udsving kan være så små som millimagnituder gør det dem en del vanskeligere at observere. Disse anvendes typisk indenfor asteroseismologi. Både lav og høj-amplitude stjernerne udviser variationer i deres perioder over tid og der er endnu ikke fundet teorier der kan forklare disse variationer fuldt ud. En del af forklaringen kan være 'overshooting' fra den konvektive kerne. Medtager man dette fænomen, fås der generelt en bedre overensstemmelse mellem observationer og teori (Breger & Pamyatnyhk, 1998), men det løser ikke alle problemerne, så variationerne kan ikke skyldes Institut for Fysik og Astronomi, Aarhus Universitet, Danmark stjerneudvikling alene. Det er også blevet foreslået at interaktion mellem ere 'modes' kan give en eekt, der ikke kan forklares ud fra de nuværende lineære pulsationsmodeller (Handler, 2000). En anden, mere simpel mulighed, kan være at der ganske enkelt ikke er data der er detaljerede nok, således at man har misset et maxima for pulsationen, eller at der er tale om et binært system, men at dette ikke er bevet opdaget pga. mangelfulde data (Szeidl, 2000). Derudover ndes der et væld af andre eekter der potentielt kan påvirke disse fænomener, som rotation, tilstedeværelsen af magnetfelter, generel aktivitetscyklus samt meget andet, så det er et felt der fortsat kræver grundig forskning. Nogle af ovenstående problemer vil kunne løses med bedre tidsserie data for stjernerne, samt ved udvikling af mere følsomme detektorer, der gør det muligt at foretage bedre observationer på lav-amplitude stjernerne. AE UMa AE UMa tilhører klassen af høj-amplitude δ-scuti stjerner, med en amplitude på omkring 0.5 magnituder over en periode på ca. 2 timer. Analyse af data for AE UMa viser at grundsvingningsperioden har været konstant over de sidste 60 år. Dette tyder på at stjernen bender sig i sit post-hovedserie stadie (Pócs & Szeidl, 2001). Et billede af lyskurven for denne stjerne er givet i gur 1. Variationen i udsvingene gør det vanskeligt at bestemme maximum for udsvinget. For at kunne få en god bestemmelse kræves mange datapunkter nær toppunkterne, for at der kan laves et troværdigt t til de teoretiske forudsigelser. Det viser sig at det er muligt at forudsige hvornår stjernens næste maksimum vil forekomme. Dette kan gøres for variable stjerner generelt, men i dette tilfælde er udtrykket som følger

2 2 af året, så tilbage var AE UMa samt formørkelsesvariablen Y Cam. Da vejret ikke var ideelt til observationer, besluttede vi os for kun at observere på AE UMa, da det er den klareste af de to, og således ville være nemmest at nde. Koordinaterne (FK5, J2000) for AE UMa blev fundet vha. programmet SIMBAD og blev fundet til at være α = δ = Figur 1: Lyskurve for AE UMa i I-båndet. Taget fra hans/aeuma/ Maksimum = T 0 + P 0 E + βe 2 Maksimum = E + ( )E 2 Her er E 'cycle'-tallet, som er antallet af perioder stjernen er gennemløbet siden starttidspunktet for observationerne af stjernen. T 0 er starttidspunktet for observationerne, P 0 er perioden ved starttidspunktet, og β afhænger af ændringen i perioden som tiden går. Maksimum, T 0 og P 0 måles i HJD. Parametrene haves fra hans/aeuma/. AE UMa er ideel at observere da udsvingene er så store og perioden relativ kort. Tanken med dette projekt var at forsøge at observere AE UMa med 11-kikkerten på Ole Rømer Observatoriet og derefter lave fotometri på de optagne billeder for at kunne bestemme lysstyrkevariationen som funktion af tiden. Dette var et ideelt projekt, da det gav mulighed for at være med i hele processen, fra at foretage observationer, gennem datareduktion og frem til et færdigt, brugbart resultat. OBSERVATIONER PÅ OLE RØMER OBSERVATORIET Observationerne af AE UMa blev foretaget natten mellem den 13. og 14. marts på Ole Rømer Observatoriet i Århus. Vi ankom til observatoriet omkring kl og gik i gang med at forberede 11 kikkerten til observation. Først brugte vi en klar stjerne til at fokusere kikkerten med, og derefter blev CCD-kameraet monteret på kikkerten og nindstilningen kunne foretages. I oplægget var givet 4 mulige variable stjerner, men 2 af dem var det slet ikke muligt at observere på denne tid For at nde den ønskede stjerne, blev koordinaterne for AE UMa indtastet i programmet thesky og kikkerten blev drejet til det rigtige område af himlen. Herefter skulle der foretages njustering af kikkertens retning, indtil AE UMa var kommet ind i CCD-kameraets felt. Finjusteringen blev foretaget ved at tage et prøvebillede af himlen, og forsøge at identicere området ud fra vores medbragte nding charts, der var hentet fra ESO Online Digitized Sky Survey. Vi havde valgt et område på da vi vurderede at dette måtte være tilstrækkeligt, eftersom CCD'en på observatoriet kun optog billeder på 6 8. Identiceringen af området blev vanskeliggjort af at vi ikke havde nogen idé om hvordan CCD'en vendte ifht. vores nding chart, men efter en del sammenligninger lykkedes det dog at få identiceret det optagne område. Det er angivet som en hvid rkant på billedet i gur 2. Som det ses af guren ramte vi temmelig tæt på det ønskede område. AE UMa som var den ønskede stjerne er angivet med en pil. Da først området var fundet prøvede vi at dreje teleskopet ganske lidt, indtil AE UMa var kommet godt ind i feltet. Nu skulle vi nde en tilpas eksponeringstid. Først prøvede vi med 1 minut, men det var tydeligvis for lidt. Herefter blev kameraet sat til at tage en serie billeder med en eksponeringstid på 3 min pr. billede. Der blev ligeledes sat autoguiding på kikkerten, så den burde følge stjernens position som den bevægede sig på himlen. Der var dog tvivl om dette virkede, så efter de første 10 billeder blev det tjekket om stjernen stadigt befandt sig i feltet, hvorefter yderligere 10 blev taget. Pga. de dårlige observationsforhold k vi ikke taget mere end de 20 billeder, hvilket ikke var nok til at observere en hel periode. Det viste sig også at kameraet lagde hvert enkelt billede til de foregående, så i stedet for enkeltbilleder af stjernen, k vi billederne lagt sammen. Et eksempel på dette ses i gur 3. Det er tydeligt at optagelserne er eksponeret oven i hinanden, hvilket ses af 'udtrukne' stjerner. Det lykkedes desværre ikke at få adskilt billederne fra hinanden, så observationerne var mere eller mindre ubrugelige. Dette gjorde at vi blev nødt til at anvende observationer fra tidligere år. DATABEHANDLING I MATLAB For at kunne lave fotometri på dataene fra de tidligere år, var det nødvendigt at skrive et par algoritmer i Matlab, der kunne foretage de ønskede udregninger. Der var

3 3 Figur 4: Eksempel på et godt billede, der blev anvendt i databehandlingen. Stjernerne fremstår som pæne, runde punkter. Figur 2: Findingchart for AE UMa. Den hvide rkant angiver området fundet før njustering af kikkertens retning. AE UMa er angivet med en pil. Figur 5: Eksempel på et frasorteret billede. Stjernerne er blevet 'udtværet' og billedet kan ikke benyttes. Figur 3: Eksempel på optagelse fra Ole Rømer Observatoriet. Det ses tydeligt at ere billeder er blevet lagt sammen, da stjernerne er blevet 'trukket ud'. tale om 200 billeder, så det var ønskværdigt at så meget som muligt blev foretaget automatisk. Der blev skrevet 4 forskellige rutiner som alle vil blive beskrevet herunder. Først skulle billederne sorteres, da der kunne være dårlige optagelser imellem, f.eks hvis nogen var kommet til at støde til kikkerten under eksponeringen, eller lignende. Programmet billedsortering.m blev brugt til dette. Programmet indlæser en katalogl over billederne, samt den tilhørende datol. Hvert billede bliver vist, og der spørges om billedet skal anvendes. Er billedet godt, s- vares med 'y', og lnavnet samt den tilhørende julianske dato gemmes. Således fås to nye ler udelukkende med gode billeder og de tilhørende tider. Et eksempel på et godt og et dårligt billede ses på hhv. gur 4 og 5. På gode billeder fremstår stjernerne som pæne, runde punkter, mens de på det dårlige er blevet 'tværet ud'. Herefter blev koordinaterne for de 4 klareste stjerner i feltet fundet med programmet ndkoord.m. Vi vurderede at dette var nødvendigt, da der ikke var nogen garanti for at stjernerne var i præcis de samme punkter på CCD'en hele tiden. Hvis autoguidingen ikke virkede ordentligt kunne stjernerne have yttet sig fra billede til billede. Programmet indlæser listen med gode billeder fundet i det første program. Først nulstilles de 5 yderste pixels i billedet, hele vejen rundt, for at undgå randfejl. Herefter køres en smoothing af billedet for at undgå at ramme en pixelfejl, eller kosmisk stråling. Selv efter en smoothing vil de punkter der stikker mest ud være stjerner. Dette kan dog give problemer hvis stjernerne ligger alt for tæt, som i f.eks en kuglehob, men det er ikke tilfældet her. Programmet nder nu maxværdien for billedet, hvilket antages at være centrum af den klareste stjerne. Et område omkring denne nulstilles nu, så den bliver 'skåret væk' fra billedet. Herefter gøres det samme

4 4 igen, nu med det resultat at den næstklareste ndes osv. indtil det ønskede antal stjerner er fundet. Til at begynde med blev koordinaterne plottet, for at sikre at stjernerne blev ramt. Dette var tilfældet, så det blev ikke tjekket yderligere. Koordinaterne gemmes i en matrice til senere brug. Efter at de gode billeder var blevet udvalgt og koordinaterne fundet, blev hovedprogrammet Projektfotometri2.m kørt. I dette program laves der blændefotometri på hver enkelt billede, størrelsesklasserne beregnes og de relevante output bliver gemt i en l for hver stjerne. Først indlæses dataene fundet i de tidligere programmer. For hvert koordinat indlægges en blænde, stor nok til at hele stjernen der betragtes, kommer med. Værdien for hver pixel må være et udtryk for hvor mange tællinger CCD'en har registreret, og altså et mål for uxen. Den totale ux indenfor blænden udregnes, og således fås både ux fra stjernen, samt fra sky (himmelbaggrunden). For at korrigere for dette indlægges en cirkel længere ude, der beregner middelværdien af sky uxen. Denne trækkes så fra den oprindelige ux indenfor blænden, og således fås en værdi for stjernens ux alene. Denne anvendes til at beregne den relative magnitude for stjernen. Resultaterne gemmes i en matrice, så alle magnituderne for de enkelte stjerner er samlet. Når dette er gjort beregnes signal-støj forholdet og resultatet gemmes ligeledes i en matrice. Herefter gemmes dataene for de enkelte stjerner i en l, sorteret som [x y HJD Mag Stddev], så alle relevante data for de enkelte stjerner er gemt samme sted. Standartafvigelsen er her angivet som den relative fejl, altså 1/SNR. Filerne numereres efter k- larhed, med den klareste stjerne (AE UMa) som nr. 1, den næstklareste som nr. 2 osv. Dette program beregner desuden den relative magnitude mellem AE UMa og summen af de efterfølgende 2 og 3 stjerner. Den relative magnitude er udregnet som ( ) flux AE UMa RelMag = 2.5 log flux 1 + flux 2 + flux 3 hvor n er den n'te referencestjerne. Som et sidste led i databehandlingen køres programmet output.m, der sørger for at tegne de ønskede plots, heriblandt magnituden af AE UMa, som funktion af tiden, samt tilsvarende plots for de andre stjerner. Der laves også et par enkelte plot med errorbars for at give et billede af usikkerheden på de enkelte resultater og nogle plots af de relative magnituder. Dette program beregner desuden hvilken epoch stjernens maksima er nået til, ud fra et manuelt fundet maksimum, samt standartafvigelsen fundet ud fra signal-støj forholdet (SNR) og ud fra magnituderne beregnet for de enkelte billeder. Primære resultater Resultatet af vores databehandling for AE UMa ses i gur 6. Det fremgår tydeligt af billedet at stjernen er Figur 6: Magnituden for AE UMa som fkt. af tiden. Bemærk at det er den mest negative værdi der angiver det kraftigst lysende punkt. variabel, og amplituden for udsvinget ses klart. Desværre er der ikke datapunkter nok til at kunne foretage en periodebestemmelse, men ved manuelt at nde kurvens maksimale magnitude, dvs. den mest negative, kan vi fra udtrykket for maksimum-tidspunktet nde ud af om vores fundne maksimum svarer til et helt antal E, hvilket gerne skulle være tilfældet, da den ved hvert maksimum er gennemløbet en hel cyklus. Fra vores udregninger fandt vi værdien til at være E = , som altså er antallet af cykler stjernen er gennemløbet siden observationsstart. Med lidt ere målinger ville resultatet formentlig blive forbedret, men ved de givne observationsforhold må det siges at være et temmelig godt resultat. For at forsøge at mindske støjens betydning har vi fundet den relative magnitude mellem AE UMa og summen af de tre klareste stjerner. Denne ses på gur 7, men som det tydeligt fremgår af guren er der ikke tale om nogen forbedring af resultatet, tværtimod er der blevet lagt støj til billedet, så målingerne kan i dette tilfælde ikke forbedres på denne måde. Det skyldes primært at vores referencestjerner er meget svagere end AE UMa, så signal-støj forholdet for disse vil være meget lavt, og der fås således ikke særligt præcise målinger for deres ux. Eksempler på signal-støj forhold er givet i tabel I. Tabel I: Eksempler på signal-støj forhold Billede 1 Billede 2 Billede 3 Billede 4 AE UMa Ref. Star Ref. Star Ref. Star Størstedelen af støjen der er blevet tilføjet til billederne

5 5 Figur 7: Relativ magnitude mellem AE UMa og summen af de 3 klareste referencestjerner. Det ses klart at der er blevet tilført støj til plottet ifht. gur 6. ved udregningen af den relative magnitude må antages at komme fra referencestjerne 3, da denne er klart den svageste, og støjen således vil have størst betydning her. Vi lavede et plot for den relative magnitude, hvor kun de 2 klareste stjerner var blevet trukket fra, men selv dette gav anledning til mere støj i resultatet, end plottet helt uden referencestjerner. På gur 8 ses det også at allerede ved referencestjerne 2 bliver der tilført støj. Plottet viser den relative magnitude af AE UMa fratrukket hhv. referencestjerne 1, 2 og 3. Her er det tydeligt at se at støjen i billedet har stor betydning for målingerne af den svageste stjerne, da der er blevet adderet en stor mængde støj. Standardafvigelsen for magnituderne kan, som nævnt før, udregnes på to måder, ud fra hhv. SNR og fra spredningen i udregnede magnituder. Det giver naturligvis ikke megen mening at udregne standardafvigelsen ud fra spredningen af magnituderne for AE UMa, da disse af gode grunde viser meget stor variation, da det er en variabel stjerne. Derimod giver det god mening at nde den fra SNR, da dette giver usikkerheden for hvert enkelt datapunkt, hvor afvigelsen fundet fra de beregnede magnituder giver spredningen på den samlede måling. Resultaterne ses i tabel II, med spredningen fra SNR angivet som middelværdien af spredningen for de enkelte punkter. Hvis der i målingerne optræder en systematisk fejl af en eller anden art, eksempelvis tynd dis der er drevet ind foran stjernen, eller andre atmosfæriske forhold, kan dette afsløres ved, for det første at se på plottet af stjernerne, for at se om der er en systematisk afvigelse i målingerne og for det andet ved at se på standardafvigelsen af forskellen mellem 2 konstante stjerner. Ved at trække dem fra hinanden vil man kunne eliminere den systematiske fejl, og spredningen bør således blive mindre. Er fejlen ikke systematisk, vil man i stedet addere støj til resultatet, hvilket afspejles i en større spredning. Fra tabellen ses at der bliver adderet støj, så der op- Figur 8: Relativ magnitude for AE UMa, fratrukket hhv. referencestjerne 1, 2 og 3. træder tilsyneladende ikke nogen systematisk fejl i vores målinger. Tabel II: Usikkerheder på magnituder, 2 metoder. Den sidste søjle angiver usikkerheden på dierencen mellem de to klareste referencestjerner. AE UMa Star 1 Star 2 Star 3 Star 2-3 σ SNR,mean σ mag Fra målingerne kan amplituden af variationen ndes, ved ganske enkelt at udregne forskellen mellem maksimum og minimum. For vores data blev amplituden fundet til at være A = mag. Fra gur 1, ses at denne amplitude er tæt på amplituden målt i I-båndet, så det er rimeligt at antage at de anvendte data ligger i omegnen af dette bånd, altså ved en bølgelængde på omkring 800 nm. Hvor præcist det ligger er dog svært at sige, da vi ikke ved hvilken type lter der har været anvendt på observationen. KONKLUSION Der er i dette projekt foretaget datareduktion på observationer af AE UMa, observeret over en periode på 2 timer og 10 min. Størrelsesklassen af stjernen er blevet fundet, samt den relative størrelsesklasse i forhold til de 3 k- lareste referencestjerner. 'Cycle'-tallet er blevet bestemt, og fundet til at være tæt på det forventede resultat. Den fundne lyskurve fra observationerne har den forventede form, hvilket kan ses ved sammenligning mellem gur 1 og gur 6. Udsvinget i relativ magnitude er ligeledes sammenligneligt med tidligere observationer, jfr. gur 1. Det har ikke været muligt at lave en fornuftig periodebestemmelse, da der ikke var datapunkter nok. Af samme grund

6 6 kan det ikke afgøres om der nder en tidsafhængig periodeændring sted, men dette er nok usandsynligt da grundtonesvingningen for AE UMa har været konstant de sidste 60 år. Desuden har vi lært en del ting omkring observationsprocessen, og hvad det er vigtigt at være opmærksom på, eksempelvis hvordan ens kamera gemmer billeder, så man kan undgå fejl som den der førte til at vores data var ubrugelige. Vi så også vigtigheden af at have et godt nding chart, da vores kun lige var stort nok. Havde det f.eks kun været på 10' 10' ville det have vanskeliggjort identikationen af feltet på CCD'en. Vi har også lært en del om datareduktion og hvordan man får et anvendeligt output fra en algoritme, samt at konstruere en sådan på en nogenlunde hensigtsmæssig måde. Har desuden lært hvordan man kan vurdere signal-støj forhold for en given observation, samt hvad dette betyder for præcisionen af resultaterne. REFERENCER JAAVSO Volume 34, 2005: Matthew R. Templeton A&A 368, (2001): M. D. Pócs & B. Szeidl hans/aeuma/ srf/ov/

Projektopgave Observationer af stjerneskælv

Projektopgave Observationer af stjerneskælv Projektopgave Observationer af stjerneskælv Af: Mathias Brønd Christensen (20073504), Kristian Jerslev (20072494), Kristian Mads Egeris Nielsen (20072868) Indhold Formål...3 Teori...3 Hvorfor opstår der

Læs mere

Transit af XO-2b. Jonas Bregnhøj Nielsen. Lars Fogt Paulsen

Transit af XO-2b. Jonas Bregnhøj Nielsen. Lars Fogt Paulsen Transit af XO-2b Udarbejdet af: Kasper Lind Jensen Jonas Bregnhøj Nielsen Lars Fogt Paulsen Indholdsfortegnelse Baggrund... 3 XO-2b... 4 Beskrivelse af observationer... 4 Datareduktion... 5 Diskussion...

Læs mere

NGC1817 V4 - En Pulserende Variabel. El Teide Observatoriet, Tenerife, 2010

NGC1817 V4 - En Pulserende Variabel. El Teide Observatoriet, Tenerife, 2010 NGC1817 V4 - En Pulserende Variabel El Teide Observatoriet, Tenerife, 2010 Majken Ellegaard Christensen og Henrik Wessel majken@fys.ku.dk wessel@fys.ku.dk June 1, 2010 CONTENTS Introduction 2 1 Pulserende

Læs mere

Reduktion af observationer med sort-hvid CCD kamera med påkoblet filterboks

Reduktion af observationer med sort-hvid CCD kamera med påkoblet filterboks Modtaget dato: Godkendt: Dato: Underskrift: (Forbeholdt censor) Reduktion af observationer med sort-hvid CCD kamera med påkoblet filterboks Lasse Overgaard - Studienummer:20053934 Dato: 19. - 30. marts

Læs mere

Lineære sammenhænge, residualplot og regression

Lineære sammenhænge, residualplot og regression Lineære sammenhænge, residualplot og regression Opgave 1: Er der en bagvedliggende lineær sammenhæng? I mange sammenhænge indsamler man data som man ønsker at undersøge og afdække eventuelle sammenhænge

Læs mere

Teoretiske Øvelser Mandag den 30. august 2010

Teoretiske Øvelser Mandag den 30. august 2010 Hans Kjeldsen hans@phys.au.dk 3. august 010 Teoretiske Øvelser Mandag den 30. august 010 Computerøvelse (brug MatLab) Det er tanken at I - i forbindelse med hver øvelsesgang - får en opgave som kræver

Læs mere

Resonans 'modes' på en streng

Resonans 'modes' på en streng Resonans 'modes' på en streng Indhold Elektrodynamik Lab 2 Rapport Fysik 6, EL Bo Frederiksen (bo@fys.ku.dk) Stanislav V. Landa (stas@fys.ku.dk) John Niclasen (niclasen@fys.ku.dk) 1. Formål 2. Teori 3.

Læs mere

Mørk energi Anja C. Andersen, Dark Cosmology Centre, Niels Bohr Institutet, Københavns Universitet

Mørk energi Anja C. Andersen, Dark Cosmology Centre, Niels Bohr Institutet, Københavns Universitet Mørk energi Anja C. Andersen, Dark Cosmology Centre, Niels Bohr Institutet, Københavns Universitet En af de mest opsigtsvækkende opdagelser inden for astronomien er, at Universet udvider sig. Det var den

Læs mere

... Genopfriskning og overblik

... Genopfriskning og overblik ... Genopfriskning og overblik Koordinater, stjernernes bevægelse over himlen Kataloger, databaser Teleskoper, adaptiv optik, lucky imaging Detektorer Fotometri + kalibrering Spektrografer og spektroskopi

Læs mere

Afstandsbestemmelse i Universet med SN Ia-metoden

Afstandsbestemmelse i Universet med SN Ia-metoden Afstandsbestemmelse i Universet med SN Ia-metoden Denne øvelse blev oprindeligt produceret af J.-C. Mauduit & P. Delva, inspireret af en tilsvarende øvelse af N. Ysard, N. Bavouzet & M. Vincendon i Frankrig.

Læs mere

Skråplan. Esben Bork Hansen Amanda Larssen Martin Sven Qvistgaard Christensen. 2. december 2008

Skråplan. Esben Bork Hansen Amanda Larssen Martin Sven Qvistgaard Christensen. 2. december 2008 Skråplan Esben Bork Hansen Amanda Larssen Martin Sven Qvistgaard Christensen 2. december 2008 1 Indhold 1 Formål 3 2 Forsøg 3 2.1 materialer............................... 3 2.2 Opstilling...............................

Læs mere

Analyse af måledata II

Analyse af måledata II Analyse af måledata II Usikkerhedsberegning og grafisk repræsentation af måleusikkerhed Af Michael Brix Pedersen, Birkerød Gymnasium Forfatteren gennemgår grundlæggende begreber om måleusikkerhed på fysiske

Læs mere

Kvadratisk regression

Kvadratisk regression Kvadratisk regression Helle Sørensen Institut for Matematiske Fag Københavns Universitet Juli 2011 I kapitlet om lineær regression blev det vist hvordan man kan modellere en lineær sammenhæng mellem to

Læs mere

Anvendt Statistik Lektion 7. Simpel Lineær Regression

Anvendt Statistik Lektion 7. Simpel Lineær Regression Anvendt Statistik Lektion 7 Simpel Lineær Regression 1 Er der en sammenhæng? Plot af mordraten () mod fattigdomsraten (): Scatterplot Afhænger mordraten af fattigdomsraten? 2 Scatterplot Et scatterplot

Læs mere

E xo p l a n e t e r

E xo p l a n e t e r E xo p l a n e t e r Observationskursus på Tenerife 2006 R a s m u s H a n d b e rg & M a rt i n G l i t ru p I n s t i t u t f o r F y s i k o g A s t r o n o m i A a r h u s U n i v e r s i t e t Indholdsfortegnelse

Læs mere

1 Regressionsproblemet 2

1 Regressionsproblemet 2 Indhold 1 Regressionsproblemet 2 2 Simpel lineær regression 3 2.1 Mindste kvadraters tilpasning.............................. 3 2.2 Prædiktion og residualer................................. 5 2.3 Estimation

Læs mere

Mindste kvadraters tilpasning Prædiktion og residualer Estimation af betinget standardafvigelse Test for uafhængighed Konfidensinterval for hældning

Mindste kvadraters tilpasning Prædiktion og residualer Estimation af betinget standardafvigelse Test for uafhængighed Konfidensinterval for hældning 1 Regressionsproblemet 2 Simpel lineær regression Mindste kvadraters tilpasning Prædiktion og residualer Estimation af betinget standardafvigelse Test for uafhængighed Konfidensinterval for hældning 3

Læs mere

Observationskursus på Tenerife: Observationer af supernovaer

Observationskursus på Tenerife: Observationer af supernovaer Modtaget dato: Godkendt: Dato: Underskrift: (forbeholdt instruktor) Observationskursus på Tenerife: Observationer af supernovaer Jan engdahl Nielsen og Anne Mette Karlsen Hold nummer 3 (Dated: 7. Marts

Læs mere

Bestemmelse af Radiale Hastigheder

Bestemmelse af Radiale Hastigheder Bestemmelse af Radiale Hastigheder Jens Chr. H. Riggelsen 20040428 10. april 2007 1 Introduktion Jeg vil i denne raport forsøge at lave et program der kan finde de radiale hastigheder på udvalgte stjerner

Læs mere

Epidemiologi og biostatistik. Uge 3, torsdag. Erik Parner, Institut for Biostatistik. Regressionsanalyse

Epidemiologi og biostatistik. Uge 3, torsdag. Erik Parner, Institut for Biostatistik. Regressionsanalyse Epidemiologi og biostatistik. Uge, torsdag. Erik Parner, Institut for Biostatistik. Lineær regressionsanalyse - Simpel lineær regression - Multipel lineær regression Regressionsanalyse Regressionsanalyser

Læs mere

Besvarelser til Calculus og Lineær Algebra Globale Forretningssystemer Eksamen - 8. Juni 2015

Besvarelser til Calculus og Lineær Algebra Globale Forretningssystemer Eksamen - 8. Juni 2015 Besvarelser til Calculus og Lineær Algebra Globale Forretningssystemer Eksamen - 8. Juni 05 Mikkel Findinge Bemærk, at der kan være sneget sig fejl ind. Kontakt mig endelig, hvis du skulle falde over en

Læs mere

Der påvises en acceptabel kalibrering af kameraet, da det værdier kun er lidt lavere end luminansmeterets.

Der påvises en acceptabel kalibrering af kameraet, da det værdier kun er lidt lavere end luminansmeterets. Test af LMK mobile advanced Kai Sørensen, 2. juni 2015 Indledning og sammenfatning Denne test er et led i et NMF projekt om udvikling af blændingsmåling ved brug af et LMK mobile advanced. Formålet er

Læs mere

University of Copenhagen. Notat om statistisk inferens Larsen, Martin Vinæs. Publication date: Document Version Peer-review version

University of Copenhagen. Notat om statistisk inferens Larsen, Martin Vinæs. Publication date: Document Version Peer-review version university of copenhagen University of Copenhagen Notat om statistisk inferens Larsen, Martin Vinæs Publication date: 2014 Document Version Peer-review version Citation for published version (APA): Larsen,

Læs mere

C) Perspektiv jeres kommunes resultater vha. jeres svar på spørgsmål b1 og b2.

C) Perspektiv jeres kommunes resultater vha. jeres svar på spørgsmål b1 og b2. C) Perspektiv jeres kommunes resultater vha. jeres svar på spørgsmål b1 og b. 5.000 4.800 4.600 4.400 4.00 4.000 3.800 3.600 3.400 3.00 3.000 1.19% 14.9% 7.38% 40.48% 53.57% 66.67% 79.76% 9.86% 010 011

Læs mere

Eksperimentelle øvelser, øvelse nummer 3 : Røntgenstråling målt med Ge-detektor

Eksperimentelle øvelser, øvelse nummer 3 : Røntgenstråling målt med Ge-detektor Modtaget dato: (forbeholdt instruktor) Godkendt: Dato: Underskrift: Eksperimentelle øvelser, øvelse nummer 3 : Røntgenstråling målt med Ge-detektor Kristian Jerslev, Kristian Mads Egeris Nielsen, Mathias

Læs mere

Anvendt Statistik Lektion 8. Multipel Lineær Regression

Anvendt Statistik Lektion 8. Multipel Lineær Regression Anvendt Statistik Lektion 8 Multipel Lineær Regression 1 Simpel Lineær Regression (SLR) y Sammenhængen mellem den afhængige variabel (y) og den forklarende variabel (x) beskrives vha. en SLR: ligger ikke

Læs mere

Øvelse 1.5: Spændingsdeler med belastning Udført af: Kari Bjerke Sørensen, Hjalte Sylvest Jacobsen og Toke Lynæs Larsen.

Øvelse 1.5: Spændingsdeler med belastning Udført af: Kari Bjerke Sørensen, Hjalte Sylvest Jacobsen og Toke Lynæs Larsen. Øvelse 1.5: Spændingsdeler med belastning Udført af: Kari jerke Sørensen, Hjalte Sylvest Jacobsen og Toke Lynæs Larsen. Formål: Formålet med denne øvelse er at anvende Ohms lov på en såkaldt spændingsdeler,

Læs mere

Bilag 6: Bootstrapping

Bilag 6: Bootstrapping Bilag 6: Bootstrapping Bilaget indeholder en gennemgang af bootstrapping og anvendelsen af bootstrapping til at bestemme den konkurrencepressede front. FORSYNINGSSEKRETARIATET FEBRUAR 2013 INDLEDNING...

Læs mere

Arbejdet på kuglens massemidtpunkt, langs x-aksen, er lig med den resulterende kraft gange strækningen:

Arbejdet på kuglens massemidtpunkt, langs x-aksen, er lig med den resulterende kraft gange strækningen: Forsøgsopstilling: En kugle ligger mellem to skinner, og ruller ned af den. Vi måler ved hjælp af sensorer kuglens hastighed og tid ved forskellige afstand på rampen. Vi måler kuglens radius (R), radius

Læs mere

Uge 43 I Teoretisk Statistik, 21. oktober Forudsigelser

Uge 43 I Teoretisk Statistik, 21. oktober Forudsigelser Uge 43 I Teoretisk Statistik,. oktober 3 Simpel lineær regressionsanalyse Forudsigelser Fortolkning af regressionsmodellen Ekstreme observationer Transformationer Sammenligning af to regressionslinier

Læs mere

Bedste rette linje ved mindste kvadraters metode

Bedste rette linje ved mindste kvadraters metode 1/9 Bedste rette linje ved mindste kvadraters metode - fra www.borgeleo.dk Figur 1: Tre datapunkter og den bedste rette linje bestemt af A, B og C Målepunkter og bedste rette linje I ovenstående koordinatsystem

Læs mere

Analyse af måledata I

Analyse af måledata I Analyse af måledata I Faldforsøg undersøgt med LoggerPro Af Michael Brix Pedersen, Birkerød Gymnasium I fysik skal eleverne lære at behandle og repræsentere måledata, som enten er indsamlet ved manuelle

Læs mere

12. september Epidemiologi og biostatistik. Forelæsning 4 Uge 3, torsdag. Niels Trolle Andersen, Afdelingen for Biostatistik. Regressionsanalyse

12. september Epidemiologi og biostatistik. Forelæsning 4 Uge 3, torsdag. Niels Trolle Andersen, Afdelingen for Biostatistik. Regressionsanalyse . september 5 Epidemiologi og biostatistik. Forelæsning Uge, torsdag. Niels Trolle Andersen, Afdelingen for Biostatistik. Lineær regressionsanalyse - Simpel lineær regression - Multipel lineær regression

Læs mere

Anvendt Statistik Lektion 9. Variansanalyse (ANOVA)

Anvendt Statistik Lektion 9. Variansanalyse (ANOVA) Anvendt Statistik Lektion 9 Variansanalyse (ANOVA) 1 Undersøge sammenhæng Undersøge sammenhænge mellem kategoriske variable: χ 2 -test i kontingenstabeller Undersøge sammenhæng mellem kontinuerte variable:

Læs mere

Epidemiologi og biostatistik. Uge 3, torsdag. Erik Parner, Afdeling for Biostatistik. Eksempel: Systolisk blodtryk

Epidemiologi og biostatistik. Uge 3, torsdag. Erik Parner, Afdeling for Biostatistik. Eksempel: Systolisk blodtryk Eksempel: Systolisk blodtryk Udgangspunkt: Vi ønsker at prædiktere det systoliske blodtryk hos en gruppe af personer. Epidemiologi og biostatistik. Uge, torsdag. Erik Parner, Afdeling for Biostatistik.

Læs mere

Anvendt Statistik Lektion 6. Kontingenstabeller χ 2- test [ki-i-anden-test]

Anvendt Statistik Lektion 6. Kontingenstabeller χ 2- test [ki-i-anden-test] Anvendt Statistik Lektion 6 Kontingenstabeller χ 2- test [ki-i-anden-test] Kontingenstabel Formål: Illustrere/finde sammenhænge mellem to kategoriske variable Opbygning: En celle for hver kombination af

Læs mere

Måling af afstande i Universet ved hjælp af Cepheider

Måling af afstande i Universet ved hjælp af Cepheider 1 Afstandsmåling ved hjælp af Cepheidemetoden. Måling af afstande i Universet ved hjælp af Cepheider Denne øvelse er baseret på materiale oprindeligt udarbejdet af Fabrice Mottez (Frankrig) i 2003, med

Læs mere

Eksempel Multipel regressions model Den generelle model Estimation Multipel R-i-anden F-test for effekt af prædiktorer Test for vekselvirkning

Eksempel Multipel regressions model Den generelle model Estimation Multipel R-i-anden F-test for effekt af prædiktorer Test for vekselvirkning 1 Multipel regressions model Eksempel Multipel regressions model Den generelle model Estimation Multipel R-i-anden F-test for effekt af prædiktorer Test for vekselvirkning PSE (I17) ASTA - 11. lektion

Læs mere

Coulombs lov. Esben Pape Selsing, Martin Sparre og Kristoffer Stensbo-Smidt Niels Bohr Institutet F = 1 4πε 0

Coulombs lov. Esben Pape Selsing, Martin Sparre og Kristoffer Stensbo-Smidt Niels Bohr Institutet F = 1 4πε 0 Coulombs lov Esben Pape Selsing, Martin Sparre og Kristoffer Stensbo-Smidt Niels Bohr Institutet 14-05-2007 1 Indledning 1.1 Formål Formålet er, at eftervise Coulombs lov; F = 1 4πε 0 qq r 2 ˆr, hvor F

Læs mere

Matlab script - placering af kran

Matlab script - placering af kran Matlab script - placering af kran 1 Til at beregne den ideelle placering af kranen hos MSK, er der gjort brug af et matlab script. Igennem dette kapitel vil opbygningen af dette script blive gennemgået.

Læs mere

En sumformel eller to - om interferens

En sumformel eller to - om interferens En sumformel eller to - om interferens - fra borgeleo.dk Vi ønsker - af en eller anden grund - at beregne summen og A x = cos(0) + cos(φ) + cos(φ) + + cos ((n 1)φ) A y = sin (0) + sin(φ) + sin(φ) + + sin

Læs mere

Institut for Matematiske Fag Matematisk Modellering 1 UGESEDDEL 6

Institut for Matematiske Fag Matematisk Modellering 1 UGESEDDEL 6 Institut for Matematiske Fag Matematisk Modellering 1 Aarhus Universitet Eva B. Vedel Jensen 25. februar 2008 UGESEDDEL 6 Forelæsningerne torsdag den 21. februar og tirsdag den 26. februar. Jeg har gennemgået

Læs mere

Bilag 7. SFA-modellen

Bilag 7. SFA-modellen Bilag 7 SFA-modellen November 2016 Bilag 7 Konkurrence- og Forbrugerstyrelsen Forsyningssekretariatet Carl Jacobsens Vej 35 2500 Valby Tlf.: +45 41 71 50 00 E-mail: kfst@kfst.dk Online ISBN 978-87-7029-650-2

Læs mere

Accelerations- og decelerationsværdier

Accelerations- og decelerationsværdier Accelerations- og decelerationsværdier for personbiler Baseret på data fra testkørsler med 20 testpersoner Poul Greibe Oktober 2009 Scion-DTU Diplomvej 376 2800 Lyngby www.trafitec.dk Indhold 1. Introduktion...

Læs mere

Harmonisk oscillator. Thorbjørn Serritslev Nieslen Erik Warren Tindall

Harmonisk oscillator. Thorbjørn Serritslev Nieslen Erik Warren Tindall Harmonisk oscillator Thorbjørn Serritslev Nieslen Erik Warren Tindall November 27, 2007 Formål At studere den harmoniske oscillator, som indgår i mange fysiske sammenhænge. Den harmoniske oscillator illustreres

Læs mere

STJERNESKUDDET MEDLEMSBLAD FOR ØSTJYSKE AMATØR ASTRONOMER

STJERNESKUDDET MEDLEMSBLAD FOR ØSTJYSKE AMATØR ASTRONOMER STJERNESKUDDET MEDLEMSBLAD FOR ØSTJYSKE AMATØR ASTRONOMER Februar mødet: foredrag om Sorte Huller ved Ulrik I. Uggerhøj Se mere side 8 Februar 2009 ØSTJYSKE AMATØR ASTRONOMER Ole Rømer Observatoriet Observatorievejen

Læs mere

Anvendt Statistik Lektion 9. Variansanalyse (ANOVA)

Anvendt Statistik Lektion 9. Variansanalyse (ANOVA) Anvendt Statistik Lektion 9 Variansanalyse (ANOVA) 1 Undersøge sammenhæng Undersøge sammenhænge mellem kategoriske variable: χ 2 -test i kontingenstabeller Undersøge sammenhæng mellem kontinuerte variable:

Læs mere

Ugeseddel 5, Uge 19, 2013

Ugeseddel 5, Uge 19, 2013 Forelæsninger (Lokale 1520 316) 6/5 10 12: Start på spektroskopi eftter P. E. Nissens noter 8/5 10 12: Fortsættelse af spektroskopi, bestemmelse af præcise radialhastigheder. 13/5 10 12: Interferometri

Læs mere

Optisk gitter og emissionsspektret

Optisk gitter og emissionsspektret Optisk gitter og emissionsspektret Jan Scholtyßek 19.09.2008 Indhold 1 Indledning 1 2 Formål og fremgangsmåde 2 3 Teori 2 3.1 Afbøjning................................... 2 3.2 Emissionsspektret...............................

Læs mere

Kursusindhold: Produkt og marked - matematiske og statistiske metoder. Monte Carlo

Kursusindhold: Produkt og marked - matematiske og statistiske metoder. Monte Carlo Kursusindhold: Produkt og marked - matematiske og statistiske metoder Rasmus Waagepetersen Institut for Matematiske Fag Aalborg Universitet Sandsynlighedsregning og lagerstyring Normalfordelingen og Monte

Læs mere

Residualer i grundforløbet

Residualer i grundforløbet Erik Vestergaard www.matematikfysik.dk 1 Residualer i grundforløbet I dette lille tillæg til grundforløbet, skal vi kigge på begreberne residualer, residualplot samt residualspredning. Vi vil se, hvad

Læs mere

Studieretningsprojekter i machine learning

Studieretningsprojekter i machine learning i machine learning 1 Introduktion Machine learning (ml) er et område indenfor kunstig intelligens, der beskæftiger sig med at konstruere programmer, der kan kan lære fra data. Tanken er at give en computer

Læs mere

Projekt 6.1 Rygtespredning - modellering af logistisk vækst

Projekt 6.1 Rygtespredning - modellering af logistisk vækst Projekt 6.1 Rygtespredning - modellering af logistisk vækst (Projektet anvender værktøjsprogrammet TI Nspire) Alle de tilstedeværende i klassen tildeles et nummer, så med 28 elever i klassen uddeles numrene

Læs mere

Seminaropgave: Præsentation af idé

Seminaropgave: Præsentation af idé Seminaropgave: Præsentation af idé Erik Gahner Larsen Kausalanalyse i offentlig politik Dagsorden Opsamling på kausalmodeller Seminaropgaven: Praktisk info Præsentation Seminaropgaven: Ideer og råd Kausalmodeller

Læs mere

Produkt og marked - matematiske og statistiske metoder

Produkt og marked - matematiske og statistiske metoder Produkt og marked - matematiske og statistiske metoder Rasmus Waagepetersen Institut for Matematiske Fag Aalborg Universitet February 19, 2016 1/26 Kursusindhold: Sandsynlighedsregning og lagerstyring

Læs mere

Notesæt - Eksempler på polær integration

Notesæt - Eksempler på polær integration Notesæt - Eksempler på polær integration Mikkel Findinge Bemærk, at der kan være sneget sig fejl ind. Kontakt mig endelig, hvis du skulle falde over en sådan. Dette dokument forsøger blot at forklare,

Læs mere

Ting man gør med Vektorfunktioner

Ting man gør med Vektorfunktioner Ting man gør med Vektorfunktioner Frank Nasser. april 11 c 8-11. Dette dokument må kun anvendes til undervisning i klasser som abonnerer på MatBog.dk. Se yderligere betingelser for brug her. Bemærk: Dette

Læs mere

Kursusindhold: Produkt og marked - matematiske og statistiske metoder. Monte Carlo

Kursusindhold: Produkt og marked - matematiske og statistiske metoder. Monte Carlo Kursusindhold: Produkt og marked - matematiske og statistiske metoder Rasmus Waagepetersen Institut for Matematiske Fag Aalborg Universitet Sandsynlighedsregning og lagerstyring Normalfordelingen og Monte

Læs mere

COROT: Stjernernes musik og planeternes dans Af Hans Kjeldsen, Institut for Fysik og Astronomi, Aarhus Universitet

COROT: Stjernernes musik og planeternes dans Af Hans Kjeldsen, Institut for Fysik og Astronomi, Aarhus Universitet COROT: Stjernernes musik og planeternes dans Af Hans Kjeldsen, Institut for Fysik og Astronomi, Aarhus Universitet COROT-satellitten skal fra december 2006 både se ind i stjernerne og samtidigt finde planeter

Læs mere

Analyse af en lineær regression med lav R 2 -værdi

Analyse af en lineær regression med lav R 2 -værdi Analyse af en lineær regression med lav R 2 -værdi Denne gennemgang omhandler figur 13 i Regn med biologi. Man kan sagtens lave beregninger på egne data. Forsøgsmæssigt kræver det bare en tommestok tapet

Læs mere

Perspektiver i Matematik-Økonomi: Linær regression

Perspektiver i Matematik-Økonomi: Linær regression Perspektiver i Matematik-Økonomi: Linær regression Jens Ledet Jensen H2.21, email: jlj@imf.au.dk Perspektiver i Matematik-Økonomi: Linær regression p. 1/34 Program for i dag 1. Indledning: sammenhæng mellem

Læs mere

Stastistik og Databehandling på en TI-83

Stastistik og Databehandling på en TI-83 Stastistik og Databehandling på en TI-83 Af Jonas L. Jensen (jonas@imf.au.dk). 1 Fordelingsfunktioner Husk på, at en fordelingsfunktion for en stokastisk variabel X er funktionen F X (t) = P (X t) og at

Læs mere

SONG Stellar Observations Network Group

SONG Stellar Observations Network Group SONG Stellar Observations Network Group Frank Grundahl, IFA, 23. Januar - 2009 SONG gruppen: Jørgen Christensen Dalsgaard (PI), IFA Per Kjærgaard Rasmussen (PM), NBI Frank Grundahl (PS), IFA Hans Kjeldsen,

Læs mere

3.600 kg og den gennemsnitlige fødselsvægt kg i stikprøven.

3.600 kg og den gennemsnitlige fødselsvægt kg i stikprøven. PhD-kursus i Basal Biostatistik, efterår 2006 Dag 1, onsdag den 6. september 2006 Eksempel: Sammenhæng mellem moderens alder og fødselsvægt I dag: Introduktion til statistik gennem analyse af en stikprøve

Læs mere

Efterspørgselsforecasting og Leveringsoptimering

Efterspørgselsforecasting og Leveringsoptimering Efterspørgselsforecasting og Leveringsoptimering 26.05.2011 Bjørn Nedergaard Jensen Berlingske Media 2 En af Danmarks største medieudgivere og leverandør af både trykte og digitale udgivelser. Koncernen

Læs mere

Hjemmeopgave. I bedes benytte sidste side fra denne opgavetekst i udfyldt stand som forside på jeres opgavebesvarelse. Siden findes også på nettet.

Hjemmeopgave. I bedes benytte sidste side fra denne opgavetekst i udfyldt stand som forside på jeres opgavebesvarelse. Siden findes også på nettet. Hjemmeopgave Basal statistik for sundhedsvidenskabelige forskere, efterår 2012 Udleveret 2. oktober, afleveres senest ved øvelserne i uge 44 (30. oktober-1. november) I Secher et al. (1986) estimeres referencekurver

Læs mere

13.1 Substrat Polynomiel regression Biomasse Kreatinin Læsefærdighed Protein og højde...

13.1 Substrat Polynomiel regression Biomasse Kreatinin Læsefærdighed Protein og højde... Modul 13: Exercises 13.1 Substrat.......................... 1 13.2 Polynomiel regression.................. 3 13.3 Biomasse.......................... 4 13.4 Kreatinin.......................... 7 13.5 Læsefærdighed......................

Læs mere

Løsning af simple Ligninger

Løsning af simple Ligninger Løsning af simple Ligninger Frank Nasser 19. april 2011 c 2008-2011. Dette dokument må kun anvendes til undervisning i klasser som abonnerer på MatBog.dk. Se yderligere betingelser for brug her. Bemærk:

Læs mere

Forord. Henvendelser angående rapporten rettes til i, Tlf.:

Forord. Henvendelser angående rapporten rettes til i, Tlf.: Forord Denne rapport er udarbejdet i foråret 214 af medlemmer af Visual analysis of People Laboratory, Aalborg Universitet, www.vap.aau.dk. Tak til de medarbejdere på idrætsanlæg og skoler, der har hjulpet

Læs mere

Anvendt Statistik Lektion 6. Kontingenstabeller χ 2 -test [ki-i-anden-test]

Anvendt Statistik Lektion 6. Kontingenstabeller χ 2 -test [ki-i-anden-test] Anvendt Statistik Lektion 6 Kontingenstabeller χ 2 -test [ki-i-anden-test] 1 Kontingenstabel Formål: Illustrere/finde sammenhænge mellem to kategoriske variable Opbygning: En celle for hver kombination

Læs mere

13.1 Substrat Polynomiel regression Biomasse Kreatinin Læsefærdighed Protein og højde...

13.1 Substrat Polynomiel regression Biomasse Kreatinin Læsefærdighed Protein og højde... Forskningsenheden for Statistik ST01: Elementær Statistik Bent Jørgensen Modul 13: Exercises 13.1 Substrat........................................ 1 13.2 Polynomiel regression................................

Læs mere

NATURVIDENSKABELIG KANDIDATEKSAMEN VED KØBENHAVNS UNIVERSITET.

NATURVIDENSKABELIG KANDIDATEKSAMEN VED KØBENHAVNS UNIVERSITET. NATURVIDENSKABELIG KANDIDATEKSAMEN VED KØBENHAVNS UNIVERSITET. Eksamen i Statistik 1TS Teoretisk statistik Den skriftlige prøve Sommer 2002 3 timer - alle hjælpemidler tilladt Det er tilladt at skrive

Læs mere

Det er ikke personligt

Det er ikke personligt Det er ikke personligt Hans Harhoff Andersen 18. september 2013 Forudsætninger for dette kursus Forudsætninger for dette kursus Forudsætninger for dette kursus Fysik Forudsætninger for dette kursus Fysik

Læs mere

Mikro-kursus i statistik 1. del. 24-11-2002 Mikrokursus i biostatistik 1

Mikro-kursus i statistik 1. del. 24-11-2002 Mikrokursus i biostatistik 1 Mikro-kursus i statistik 1. del 24-11-2002 Mikrokursus i biostatistik 1 Hvad er statistik? Det systematiske studium af tilfældighedernes spil!dyrkes af biostatistikere Anvendes som redskab til vurdering

Læs mere

Studium af seksstjernesystemet Castor

Studium af seksstjernesystemet Castor Studium af seksstjernesystemet Castor Jens Jessen-Hansen 20071708 Malthe Stensgaard 20073086 Toke Printz Ringbæk 20072486 Institut for Fysik og Astronomi, Århus universitet. Århus, den 1. juni 2010 1 Indledning

Læs mere

Tema. Dagens tema: Indfør centrale statistiske begreber.

Tema. Dagens tema: Indfør centrale statistiske begreber. Tema Dagens tema: Indfør centrale statistiske begreber. Model og modelkontrol Estimation af parametre. Fordeling. Hypotese og test. Teststørrelse. konfidensintervaller Vi tager udgangspunkt i Ex. 3.1 i

Læs mere

Spm. 1.: Hvis den totale koncentration af monomer betegnes med CT hvad er så sammenhængen mellem CT, [D] og [M]?

Spm. 1.: Hvis den totale koncentration af monomer betegnes med CT hvad er så sammenhængen mellem CT, [D] og [M]? DNA-smeltetemperaturbestemmelse KemiF2-2008 DNA-smeltetemperaturbestemmelse Introduktion Oligonucleotider er ofte benyttet til at holde nanopartikler sammen med hinanden. Den ene enkeltstreng er kovalent

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

Ting man gør med Vektorfunktioner

Ting man gør med Vektorfunktioner Ting man gør med Vektorfunktioner Frank Villa 3. august 13 Dette dokument er en del af MatBog.dk 8-1. IT Teaching Tools. ISBN-13: 978-87-9775--9. Se yderligere betingelser for brug her. Indhold 1 Introduktion

Læs mere

Program: 1. Repetition: p-værdi 2. Simpel lineær regression. 1/19

Program: 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 mere

Kvantitative Metoder 1 - Forår 2007. Dagens program

Kvantitative Metoder 1 - Forår 2007. Dagens program Dagens program Hypoteser: kap: 10.1-10.2 Eksempler på Maximum likelihood analyser kap 9.10 Test Hypoteser kap. 10.1 Testprocedure kap 10.2 Teststørrelsen Testsandsynlighed 1 Estimationsmetoder Kvantitative

Læs mere

Exoplanetdetektion ved lyskurvemåling. Michael A. D. Møller. November side 1/6

Exoplanetdetektion ved lyskurvemåling. Michael A. D. Møller. November side 1/6 Exoplanetdetektion ved lyskurvemåling. Michael A. D. Møller. November 2011. side 1/6 Exoplanetdetektion I denne øvelse skal du måle en lyskurve for en stjerne, når den krydses af en af sine planeter. Dataene

Læs mere

Identifikation af planer der ikke findes i PlansystemDK vha. datasættet... 9

Identifikation af planer der ikke findes i PlansystemDK vha. datasættet... 9 Vejledning i brug af Tingbogsudtrækket Version 1.0 af 1. juli 2009 Indhold Indledning... 1 Planer i Tingbogen... 2 Planer i PlansystemDK... 3 Sammenhæng mellem Tingbogen og PlansystemDK... 3 Datastruktur...

Læs mere

Økonometri 1. Dagens program. Den simple regressionsmodel 15. september 2006

Økonometri 1. Dagens program. Den simple regressionsmodel 15. september 2006 Dagens program Økonometri Den simple regressionsmodel 5. september 006 Den simple lineære regressionsmodel (Wooldridge kap.4-.6) Eksemplet fortsat: Løn og uddannelse på danske data Funktionel form Statistiske

Læs mere

Personlig stemmeafgivning

Personlig stemmeafgivning Ib Michelsen X 2 -test 1 Personlig stemmeafgivning Efter valget i 2005 1 har man udspurgt en mindre del af de deltagende, om de har stemt personligt. Man har svar fra 1131 mænd (hvoraf 54 % har stemt personligt

Læs mere

Efficient Position Updating

Efficient Position Updating Efficient Position Updating Pervasive Positioning, Q3 2010 Lasse H. Rasmussen, 20097778 Christian Jensen, 20097781 12-03-2010 1 Introduktion Denne rapport har til formål at beskrive implementeringen og

Læs mere

Økonometri: Lektion 2 Multipel Lineær Regression 1/27

Økonometri: Lektion 2 Multipel Lineær Regression 1/27 Økonometri: Lektion 2 Multipel Lineær Regression 1/27 Multipel Lineær Regression Sidst så vi på simpel lineær regression, hvor y er forklaret af én variabel. Der er intet, der forhindre os i at have mere

Læs mere

praktiskegrunde Regression og geometrisk data analyse (2. del) Ulf Brinkkjær

praktiskegrunde Regression og geometrisk data analyse (2. del) Ulf Brinkkjær praktiskegrunde Praktiske Grunde. Nordisk tidsskrift for kultur- og samfundsvidenskab Nr. 3 / 2010. ISSN 1902-2271. www.hexis.dk Regression og geometrisk data analyse (2. del) Ulf Brinkkjær Introduktion

Læs mere

BESTEMMELSE AF RADIALHASTIGHEDER

BESTEMMELSE AF RADIALHASTIGHEDER BESTEMMELSE AF RADIALHASTIGHEDER FOR STJERNER I NGC2506 Billede af stjernehoben NGC2506 ABSTRACT Denne opgave handler om stjerner i hoben NGC2506 der er en åben stjernehob. Ud fra 15 spektre pr stjerne

Læs mere

Opgaver til kapitel 3

Opgaver til kapitel 3 Opgaver til kapitel 3 3.1 En løber er interesseret i at undersøge om hendes løbeur er kalibreret korrekt. Hun udmåler derfor en strækning på præcis 1000 m og løber den 16 gange. For hver løbetur noterer

Læs mere

Eksamen ved. Københavns Universitet i. Kvantitative forskningsmetoder. Det Samfundsvidenskabelige Fakultet

Eksamen ved. Københavns Universitet i. Kvantitative forskningsmetoder. Det Samfundsvidenskabelige Fakultet Eksamen ved Københavns Universitet i Kvantitative forskningsmetoder Det Samfundsvidenskabelige Fakultet 14. december 2011 Eksamensnummer: 5 14. december 2011 Side 1 af 6 1) Af boxplottet kan man aflæse,

Læs mere

Eksempel på logistisk vækst med TI-Nspire CAS

Eksempel på logistisk vækst med TI-Nspire CAS Eksempel på logistisk vækst med TI-Nspire CAS Tabellen herunder viser udviklingen af USA's befolkning fra 1850-1910 hvor befolkningstallet er angivet i millioner: Vi har tidligere redegjort for at antallet

Læs mere

NOT Rapport 2012. Mikkel Kristensen, Mikkel Lindholmer, Anders Nielsen og Thejs Brinckmann 20. december 2012

NOT Rapport 2012. Mikkel Kristensen, Mikkel Lindholmer, Anders Nielsen og Thejs Brinckmann 20. december 2012 NOT Rapport 2012 Mikkel Kristensen, Mikkel Lindholmer, Anders Nielsen og Thejs Brinckmann 20. december 2012 Indhold 1 Fase 1 - Forberedelse 1 1.1 Observationsplan..................................... 1

Læs mere

Fysik 2 - Den Harmoniske Oscillator

Fysik 2 - Den Harmoniske Oscillator Fysik 2 - Den Harmoniske Oscillator Esben Bork Hansen, Amanda Larssen, Martin Qvistgaard Christensen, Maria Cavallius 5. januar 2009 Indhold 1 Formål 1 2 Forsøget 2 3 Resultater 3 4 Teori 4 4.1 simpel

Læs mere

Impuls og kinetisk energi

Impuls og kinetisk energi Impuls og kinetisk energi Peter Hoberg, Anton Bundgård, and Peter Kongstad Hold Mix 1 (Dated: 7. oktober 2015) 201405192@post.au.dk 201407987@post.au.dk 201407911@post.au.dk 2 I. INDLEDNING I denne øvelse

Læs mere

Denne pdf-fil er downloadet fra Illustreret Videnskabs website (www.illvid.dk) og må ikke videregives til tredjepart.

Denne pdf-fil er downloadet fra Illustreret Videnskabs website (www.illvid.dk) og må ikke videregives til tredjepart. Kære bruger Denne pdf-fil er downloadet fra Illustreret Videnskabs website (www.illvid.dk) og må ikke videregives til tredjepart. Af hensyn til copyright indeholder den ingen fotos. Mvh Redaktionen Nye

Læs mere

Eksperimentel matematik Kommentarer til tag-med opgaver

Eksperimentel matematik Kommentarer til tag-med opgaver Eksperimentel matematik Kommentarer til tag-med opgaver Hypotesedannelse I har alle produceret grafer af typen 0.8 0.6 0.4 0.2 0 0. 0.2 0.3 0.4 0.5 (de lilla punkter er fundet ved en strenglængde på 35,

Læs mere

Introduktion til Konjunktur teori. Carl-Johan Dalgaard Økonomisk Institut Københavns Universitet

Introduktion til Konjunktur teori. Carl-Johan Dalgaard Økonomisk Institut Københavns Universitet Introduktion til Konjunktur teori Carl-Johan Dalgaard Økonomisk Institut Københavns Universitet 1 Introduktion Formål: Forstå hvad der driver afvigelserne ibnpfratrend Politik anbefalinger Kræver konstruktion

Læs mere

Kommentarer til øvelser i basalkursus, 2. uge

Kommentarer til øvelser i basalkursus, 2. uge Kommentarer til øvelser i basalkursus, 2. uge Opgave 2. Vi betragter målinger af hjertevægt (i g) og total kropsvægt (målt i kg) for 10 normale mænd og 11 mænd med hjertesvigt. Målingerne er taget ved

Læs mere