Vedlegg V0.10. MILJØTILTAK VED VRAKET AV U-864 Metode for usikkerhetsanalyse DNV GL AS
|
|
- Agnar Paulsen
- 7 år siden
- Visninger:
Transkript
1 Vedlegg V0.10 MILJØTILTAK VED VRAKET AV U-864 Metode for usikkerhetsanalyse DNV GL AS
2 Project name: Miljøtiltak ved vraket av U-864 DNV GL AS [Business Area] Report title: Project Management & Technical Customer: DNV GL AS, Services Program Contact person: Date of issue: P.O.Box Høvik Project No.: PP Norway Organisation unit: Project Management & Technical Services Program Tel: Report No.:, Rev. Document No.: 18BRK3T-12 Utført av: Nicolaj Tidemand (DNV GL AS) Sophie Davidsson (DNV GL AS) Revidert av: Carl Erik Høy-Petersen (DNV GL AS) Dato: Gjengivelse av deler av dette vedleggsdokument som kan føre til mistolkning er ikke tillatt
3 Table of contents 1 INNLEDNING GENERELT OM KVANTITATIV USIKKERHETSANALYSE OPPBYGGING AV ANALYSEMODELLEN METODE FOR USIKKERHETSANALYSE Basisestimat: Estimatusikkerhet og korrelasjon Faktorberegning Behandling av hendelser 3 5 BEGREPSFORKLARING Grunnleggende statistikk 5 DNV GL Side i
4 1 INNLEDNING I dette vedlegget er metodikken som ligger til grunn for usikkerhetsanalysen av kostnader og varighet for prosjektets forskjellige faser. 2 GENERELT OM KVANTITATIV USIKKERHETSANALYSE Deterministisk analyse innebærer å bruke det mest sannsynlige verdi-estimat av hver variabel i en modell for å regne seg frem til et totalestimat. Sensitiviteten i summen kan bestemmes ved å anslå scenarioer for beste og verste utfall for alle postene. Da tas det ikke hensyn til at det er større sannsynlighet for at den mest sannsynlige verdien inntreffer enn maksimums- og minimumsverdien. Ved å tilegne en fordelingsfunksjon til kostnadspostene og beregne dette stokastisk eller ved simulering tar man hensyn til dette. Begge tilfeller vil gi en gitt fordeling for totalsummen, samt tilhørende forventningsverdi og varians. Av de mest kjente metoder og teknikker kan nevnes momentmetoden, eksakte algebraiske løsninger og Monte Carlo-simulering. Monte Carlo-simulering er den metoden som er mest utbredt på verdensbasis og er valgt til denne analysen. 3 OPPBYGGING AV ANALYSEMODELLEN Usikkerhetsanalysen følger standard metode som benyttes i kravene til kvalitetssikring av offentlige investeringsprosjekter utarbeidet av Finansdepartementet. Dette er en anerkjent metode for beregning av usikkerhet i store, komplekse prosjekter. Kystverket har utarbeidet én kostnadsmodell som dekker begge alternativer, Alternativ 1 «Tildekking» og Alternativ 3 «Heving av last», for prosjekt U-864. Modellen bygger på en grunnkalkyle med estimatusikkerhet. I modellen beregnes de forventede kostnadene for hver definerte kostnad. Kostnaden kan bestå av en enkeltverdi, eller som et produkt av varighet, mengde og/eller enhetspris. Alle disse verdiene har angitt en usikkerhet basert på et trippelestimat. Videre kan kostnadene endres på grunn av systematisk usikkerhet, som vil påvirke en eller flere kostnadsposter i form av overgripende usikkerhetsfaktorer. Det er også avdekket noen hendelser som kan inntreffe med en viss prosent sannsynlighet, og har en kostnad dersom de inntreffer. Disse forholdene er beskrevet nærmere i kapittel 4. For analyse av forventet varighet ligger samme metodikk til grunn som nevnt i avsnittet over. Analysen er beregnet ved hjelp av Monte Carlo-simulering med (Palisade) i et MS Excel-basert verktøy utviklet av DNV GL AS for dette oppdraget. Figur 1 på neste side viser en forenklet fremstilling av modellen. DNV GL Side 1
5 Figur 1 - Fremstilling av beregningsmodellen for begge alternativer DNV GL Side 2
6 4 METODE FOR USIKKERHETSANALYSE 4.1 Basisestimat: Estimatusikkerhet og korrelasjon Alle kostnads- og inntektselementer er beskrevet med et trippelestimat p10, mode og p90. For simuleringen er en Pertfordeling (se figuren under) valgt for å kunne benytte disse inngangsverdiene. Figur 2: Pertfordeling med trippelestimat. Budsjettmodellen er detaljert, og inngangsverdiene til beregning av flere budsjettposter antas å ha en avhengighet i variasjonen (samvariasjon). Inngangsverdier som samvarierer (for eksempel tiden det tar å montere ankere i trykkskroget på akterseksjon og forseksjon) er korrelert med en Pearsons korrelasjonsfaktor mellom -1 og Faktorberegning Beregning av en usikkerhetsfaktors påvirkning skjer ved multiplisering av de to fordelingene for kostnadsposten og for usikkerhetsfaktoren. For å isolere faktorens bidrag benyttes kun den prosentvise endringen. Det medfører at dersom faktoren F er oppgitt som en variasjon rundt 0 (for eksempel med trippelanslaget -0,1 0,0 0,15) vil regnestykket for posten se slik ut: Bidrag fra F på posten B1 = Forventningsverdi for B1 * F. Bidraget fra usikkerhetsfaktorene summeres med totalen på samme måte som totaler fra andre kostnads- og inntektsposter. 4.3 Behandling av hendelser Hendelser er definert som binære fordelinger der hendelsen vil inntreffe med en gitt sannsynlighet. Dersom den inntreffer, er fordelingen til kostnadseffekten beskrevet med et trippelestimat. Kostnadskonsekvensen kan for eksempel beskrives med en Pertfordeling som vist i fremstillingen i figuren under. DNV GL Side 3
7 Figur 3: Binær hendelse, beskrevet med en sannsynlighet P for at den inntreffer og en fordeling for kostnadskonsekvensen dersom dette skjer. Det er P % sannsynlig at kostnaden ligger innenfor Pertfordelingen, og (1-P)% sannsynlig at den ikke inntreffer i det hele tatt og kostnaden blir 0. Bidraget fra hendelsene summeres med totalen på samme måte som totaler fra andre kostnads- og inntektsposter. DNV GL Side 4
8 5 BEGREPSFORKLARING Dette kapittelet lister opp en rekke ord og uttrykk som er benyttet i rapporten for å forklare disse grundigere. Listen er ikke uttømmende. 5.1 Grunnleggende statistikk En variabel som har en spesifikk verdi kalles deterministisk. Til forskjell kan en tilfeldig stokastisk variabel anta et spekter av verdier. Fordelingen av mulige utfall for en stokastisk variabel beskrives av en sannsynlighetsfordeling. De mest brukte statistiske begrepene i denne rapporten er beskrevet i tabellen under. Tabell 1: Statistiske begreper som brukes i rapporten. Tabellen er hentet fra rapporten DEMO 2000, Det Norske Veritas. Begrep Definisjon Beskrivelse Sannsynlighetsfordeling f (x) Fordelingen for ulike utfall av x. Akkumulert sannsynlighetsfordeling Forventningsverdi (eng. mean) Median (P50) x F ( x) = f ( y) dy E ( x) = µ = xf ( x) dx 1 2 = P50 f ( x) dx = P50 f ( x) dx Sannsynligheten for at et utfall er mindre enn eller lik x. Gjennomsnittsverdien av en fordeling (tyngdepunkt). Samme sannsynlighet over og under P50. Mode Varians d f ( x) = 0 Verdien der f(x) er størst; dx toppunktet på fordelingen. ( 2 2 Var ( x) = σ = x µ ) f ( x) dx Mål på spredningen i fordelingen. Standardavvik σ = Var(x) Roten av variansen. Percentil Pxx F ( Pxx) = xx% Sannsynligheten for at utfallet er mindre enn eller lik pxx er xx%, for eksempel F(p10) = 10% = 0,1. Pearsons korrelasjonskoeffisient ρ( x, y) = COV ( x, y) VAR( X ) VAR( Y ) Benevningsfri koeffisient for å beskrive lineære sammenhenger mellom to avhengige variabler. Trippelestimat, [ 1 < ρ < 1] Også kalt trepunktsestimat. Det angis tre punkter for å beskrive en sannsynlighetsfordeling som i figuren. Dette kan for eksempel være p10, mode og p90. Noen av disse målene er illustrert i Figur 4. DNV GL Side 5
9 1,0 Mode 0,9 0,8 0,7 0,6 0,5 Median (P50) Gjennomsnitt Mode Median (P50) Gjennomsnitt 0,48 0,78 1,00 0,4 0,3 0,2 0,1 f(x) F(x) 0,0-0,5 0,0 0,5 1,0 1,5 Figur 4: Illustrasjon av noen statistiske parametere. Figuren viser en lognormalfordeling og den korresponderende akkumulerte sannsynlighetsfordelingen. 2,0 x 2,5 3,0 3,5 4,0 4,5 DNV GL Side 6
10 ABOUT DNV GL Driven by our purpose of safeguarding life, property and the environment, DNV GL enables organizations to advance the safety and sustainability of their business. We provide classification and technical assurance along with software and independent expert advisory services to the maritime, oil and gas, and energy industries. We also provide certification services to customers across a wide range of industries. Operating in more than 100 countries, our 16,000 professionals are dedicated to helping our customers make the world safer, smarter and greener.
Vedlegg V MILJØTILTAK VED VRAKET AV U-864 Mulighetsstudier av alternative metoder for heving av last DNV GL AS
Vedlegg V3.05.0 MILJØTILTAK VED VRAKET AV U-864 Mulighetsstudier av alternative metoder for heving av last DNV GL AS Project name: Miljøtiltak ved vraket av U-864 DNV GL AS Report title: Customer: Contact
DetaljerVedlegg V0.03. MILJØTILTAK VED VRAKET AV U-864 Geoteknisk vurdering av stabilitet ved tildekking DNV GL AS
Vedlegg V0.03 MILJØTILTAK VED VRAKET AV U-864 Geoteknisk vurdering av stabilitet ved tildekking DNV GL AS Project name: Miljøtiltak ved vraket av U-864 DNV GL AS Report title: Project Management & Technical
DetaljerVedlegg V1.01. MILJØTILTAK VED VRAKET AV U-864 Fremdriftsanlyse for Alternativ 1 Tildekking DNV GL AS
Vedlegg V1.01 MILJØTILTAK VED VRAKET AV U-864 Fremdriftsanlyse for Alternativ 1 Tildekking DNV GL AS Project name: Miljøtiltak ved vraket av U-864 DNV GL AS [Business Area] Report title: Customer: Contact
DetaljerVedlegg 2 Metodebeskrivelse for usikkerhetsanalysen. Kvalitetssikring (KS 1) av KVU for hovedvegsystemet i Moss og Rygge
Vedlegg 2 Metodebeskrivelse for usikkerhetsanalysen Kvalitetssikring (KS 1) av KVU for hovedvegsystemet i Moss og Rygge Innledning Terramar har en velprøvd tilnærming til og metodikk for gjennomføring
DetaljerNorsk Sanerings Service AS
MILJØMÅLINGER STORØY Rapport: Miljømåling på Storøy 2015 Norsk Sanerings Service AS Rapportnr.: 2015-1294, Rev. 01 Dokumentnr.: 1SWYRUF-3 Dato: 2016-01-14 Innhold 1 SAMMENDRAG... 1 2 INNLEDNING... 1 3
DetaljerNOOMAS Sertifisering. 13. september Heleid selskap i DNV GL-gruppen. 13. september 2016
NOOMAS Sertifisering Heleid selskap i DNV GL-gruppen 1 Organized to maximise customer value MARITIME OIL & GAS ENERGY BUSINESS ASSURANCE SOFTWARE MARINE CYBERNETICS RESEARCH & INNOVATION 2 Who is NOOMAS?
Detaljerstatistikk, våren 2011
ÅMA110 Sannsynlighetsregning med statistikk, våren 011 Kp. 3 Diskrete tilfeldige variable 1 Diskrete tilfeldige variable, innledning Hva er en tilfeldig variabel (stokastisk variabel)? Diskret tilfeldig
DetaljerSystematisk usikkerhet
Kvalitetssikring av konseptvalg, samt styringsunderlag og kostnadsoverslag for valgt prosjektalternativ Systematisk usikkerhet Basert på et utkast utarbeidet under ledelse av Dovre International AS Versjon
DetaljerStrategi med kunden i fokus
Strategi med kunden i fokus 4. November 2016 Trond Winther, Head of Department SAFER, SMARTER, GREENER Innhold 1 Bakgrunn og utfordring 2 Strategi 3 Læringer 2 Our vision: global impact for a safe and
DetaljerSTK1100 våren Kontinuerlige stokastiske variabler Forventning og varians Momentgenererende funksjoner
STK1100 våren 2017 Kontinuerlige stokastiske variabler Forventning og varians Momentgenererende funksjoner Svarer til avsnittene 4.1 og 4.2 i læreboka Ørnulf Borgan Matematisk institutt Universitetet i
DetaljerHORTEN VISUELL KARTLEGGING Horten havn visuell kartlegging. Horten Kommune. Rapportnr.: , Rev. 01 Dokumentnr.: 116MJ2QZ-3 Dato:
HORTEN VISUELL KARTLEGGING Horten havn visuell kartlegging Horten Kommune Rapportnr.: 2017-1068, Rev. 01 Dokumentnr.: 116MJ2QZ-3 Dato: 2017-11-09 Innholdsfortegnelse 1 INTRODUKSJON... 1 2 FELTARBEID...
DetaljerÅMA110 Sannsynlighetsregning med statistikk, våren 2010. ÅMA110 Sannsynlighetsregning med statistikk, våren 2010
ÅMA Sannsynlighetsregning med statistikk, våren Kp. Diskrete tilfeldige variable ÅMA Sannsynlighetsregning med statistikk, våren Kp. Diskrete tilfeldige variable Diskrete tilfeldige variable, innledning
DetaljerTyngdepunkt. Togforsinkelsen (Eksamen Des2003.1a) I denne oppgaven kan du bruke uten å vise det at. Kapittel 4
3 Tyngdepunkt Kapittel 4 Forventningsverdi, varians, kovarians for én stokastisk variabel og funksjoner av stokastiske variabler TMA4240 H2006: Eirik Mo 2 4.1 Forventing til en stokastisk variabel DEF
DetaljerKapittel 4: Matematisk forventning
Kapittel 4: Matematisk forventning TMA4240 Statistikk (F2 og E7) Multivariate tilfeller foreleses mandag 6.september, 2004 Ole.Petter.Lodoen@math.ntnu.no p.1/16 Forventing til funksjon av flere stokastiske
DetaljerStatistikk 1 kapittel 4
Statistikk 1 kapittel 4 Nico Keilman ECON 2130 Vår 2017 Kapittel 4 Stokastiske (tilfeldige) variabler Anta 1) Vi kjenner sannsynligheter for ulike utfall knyttet til et forsøk 2) Hvert utfall har en (meningsfull)
DetaljerModenhet rundt risikostyring i Energibransjen
ENERGY Modenhet rundt risikostyring i Energibransjen En bransjestudie utført av DNV GL og Energi Norge i 2013/2014 Ole Johan Dahl 3.3.2015 1 DNV GL 2013 3.3.2015 SAFER, SMARTER, GREENER DNV GL Highly skilled
DetaljerForelening 1, kapittel 4 Stokastiske variable
Forelening 1, kapittel 4 Stokastiske variable Eksempel X = "antall kron på kast med to mynter (før de er kastet)" Uniformt utfallsrom {MM, MK, KM, KK}. X = x beskriver hendelsen "antall kron på kast med
DetaljerForelesning 5: Kontinuerlige fordelinger, normalfordelingen. Jo Thori Lind
Forelesning 5: Kontinuerlige fordelinger, normalfordelingen Jo Thori Lind j.t.lind@econ.uio.no Oversikt 1. Kontinuerlige fordelinger 2. Uniform fordeling 3. Normal-fordelingen 1. Kontinuerlige fordelinger
DetaljerÅMA110 Sannsynlighetsregning med statistikk, våren Kp. 3 Diskrete tilfeldige variable. Diskrete tilfeldige variable, varians (kp. 3.
ÅMA Sannsynlighetsregning med statistikk, våren 8 Kp. Diskrete tilfeldige variable Kp. Diskrete tilfeldige variable Har sett på (tidligere: begrep/definisjoner; tilfeldig (stokastisk variabel sannsynlighetsfordeling
DetaljerKonkurranseutsetting: krav og konseptutvikling
Konkurranseutsetting: krav og konseptutvikling Gardermoen, 28.08.2014 Kay Erik Stokke 1 SAFER, SMARTER, GREENER DNV GL logo A global impact for a safe and sustainable future Size matters 2 Creating a global
DetaljerA) B) 400 C) 120 D) 60 E) 10. Rett svar: C. Fasit: ( 5 6 = 60. Hvis A, B, C er en partisjon av utfallsrommet S, så er P (A B) lik.
Oppgave 1 Det skal velges en komité bestående av 2 menn og 1 kvinne. Komitéen skal velges fra totalt 5 menn og 6 kvinner. Hvor mange ulike komitéer kan dannes? A) 86400 B) 400 C) 120 D) 60 E) 10 Rett svar:
DetaljerKapittel 4.4: Forventning og varians til stokastiske variable
Kapittel 4.4: Forventning og varians til stokastiske variable Forventning og varians til stokastiske variable Histogrammer for observerte data: Sannsynlighets-histogrammer og tetthetskurver for stokastiske
DetaljerVedlegg V1.02. MILJØTILTAK VED VRAKET AV U-864 Usikkerhetsanalyse Alt. 1 Tildekking DNV GL AS
Vedlegg V1.02 MILJØTILTAK VED VRAKET AV U-864 Usikkerhetsanalyse Alt. 1 Tildekking DNV GL AS Project name: Miljøtiltak ved vraket av U-864 DNV GL AS Report title: Customer: Contact person: DNV GL AS, Date
DetaljerTilfeldige variabler. MAT0100V Sannsynlighetsregning og kombinatorikk
MAT0100V Sannsynlighetsregning og kombinatorikk Forventning, varians og standardavvik Tilnærming av binomiske sannsynligheter Konfidensintervall Ørnulf Borgan Matematisk institutt Universitetet i Oslo
DetaljerForeleses onsdag 8. september 2010
TMA4240 Statistikk H200 4.2: Varians (univariat del) 4.4: Chebyshevs teorem 3.4: Simultanfordelinger Mette Langaas Foreleses onsdag 8. september 200 Mette.Langaas@math.ntnu.no, TMA4240H200 2 4.2 Varians
DetaljerLitt om forventet nytte og risikoaversjon. Eksempler på økonomisk anvendelse av forventning og varians.
H. Goldstein Revidert januar 2008 Litt om forventet nytte og risikoaversjon. Eksempler på økonomisk anvendelse av forventning og varians. Dette notatet er ment å illustrere noen begreper fra Løvås, kapittel
DetaljerTMA4240 Statistikk Høst 2016
Norges teknisk-naturvitenskapelige universitet Institutt for matematiske fag Anbefalt øving 9 Løsningsskisse Oppgave 1 a) Vi lar her Y være antall fugler som kolliderer med vindmølla i løpet av den gitte
DetaljerForelesning 6: Punktestimering, usikkerhet i estimering. Jo Thori Lind
Forelesning 6: Punktestimering, usikkerhet i estimering Jo Thori Lind j.t.lind@econ.uio.no Oversikt 1. Trekke utvalg 2. Estimatorer og observatorer som stokastiske variable 3. Egenskapene til en estimator
DetaljerTerningkast. Utfallsrommet S for et terningskast med en vanlig spillterning med 6 sider er veldefinert 1, 2, 3, 4, 5, 6
Terningkast Halvor Aarnes, UiO, 2014 Innhold Ett terningkast og utfallsrom... 1 Union og snitt... 4 Betinget sannsynlighet... 5 Forventningsverdi E(X) og varianse Var(X)... 5 Konfidensintervall for proporsjoner...
DetaljerSTK Oppsummering
STK1100 - Oppsummering Geir Storvik 6. Mai 2014 STK1100 Tre temaer Deskriptiv/beskrivende statistikk Sannsynlighetsteori Statistisk inferens Sannsynlighetsregning Hva Matematisk verktøy for å studere tilfeldigheter
DetaljerSentralverdi av dataverdi i et utvalg Vi tenker oss et utvalg med datapar. I vårt eksempel har vi 5 datapar.
Statistisk behandling av kalibreringsresultatene Del 4. v/ Rune Øverland, Trainor Elsikkerhet AS Denne artikkelserien handler om statistisk behandling av kalibreringsresultatene. Dennne artikkelen tar
DetaljerLøsningskisse for oppgaver til undervisningsfri uke 8 ( februar 2012)
1 ECON 130 HG - februar 01 Løsningskisse for oppgaver til undervisningsfri uke 8 (0.-. februar 01) Oppg..1. Variabel: x = antall kundehenvendelser pr. dag 1. Antall observasjoner: n = 100 dager. I Excel
DetaljerOppfriskning av blokk 1 i TMA4240
Oppfriskning av blokk 1 i TMA4240 Geir-Arne Fuglstad November 21, 2016 2 Hva har vi gjort i dette kurset? Vi har studert to sterkt relaterte grener av matematikk Sannsynlighetsteori: matematisk teori for
DetaljerTMA4245 Statistikk Eksamen desember 2016
Norges teknisk-naturvitenskapelige universitet Institutt for matematiske fag TMA4245 Statistikk Eksamen desember 2016 Oppgave 1 En bedrift produserer elektriske komponenter. Komponentene kan ha to typer
DetaljerRegneregler for forventning og varians
Regneregler for forventning og varians Det fins regneregler som er til hjelp når du skal finne forventningsverdier og varianser. Vi skal her se nærmere på disse reglene. Vi viser deg også hvordan reglene
DetaljerOppgavesett nr. 5. MAT110 Statistikk 1, Et transportfirma har et varemottak for lastebiler med spesialgods, se figur 1.
Innleveringsfrist: mandag 19. mars kl. 16:00 (version 01) Oppgavesett nr. 5 MAT110 Statistikk 1, 2018 Oppgave 1: ( logistikk ) Et transportfirma har et varemottak for lastebiler med spesialgods, se figur
DetaljerForventning og varians.
Forventning og varians. Dekkes av kapittel 4 i læreboka. Forventning (4.1) Forventningsverdi = gjennomsnitt i det lange løp. Defininsjon: Forventningsverdien til en stokastisk variabel X er: x xf(x),x
DetaljerUNIVERSITETET I OSLO Matematisk Institutt
UNIVERSITETET I OSLO Matematisk Institutt Midtveiseksamen i: STK 1000: Innføring i anvendt statistikk Tid for eksamen: Onsdag 9. oktober 2013, 11:00 13:00 Hjelpemidler: Lærebok, ordliste for STK1000, godkjent
Detaljer3.4: Simultanfordelinger (siste rest) 4.1,4.2,4.3: Multivariat del (ferdig med kapittel 3 og 4 etter denne forelesningen)
TMA4240 Statistikk H200 3.4: Simultanfordelinger (siste rest) 4.,4.2,4.3: Multivariat del (ferdig med kapittel 3 og 4 etter denne forelesningen) Mette Langaas Foreleses mandag 3. september 200 2 f (x,
DetaljerVedlegg V3.01. MILJØTILTAK VED VRAKET AV U-864 Fremdriftsanlyse for Alternativ 3 Heving av last DNV GL AS
Vedlegg V3.01 MILJØTILTAK VED VRAKET AV U-864 Fremdriftsanlyse for Alternativ 3 Heving av last DNV GL AS Project name: Miljøtiltak ved vraket av U-864 DNV GL AS Report title: Customer: DNV GL AS Contact
DetaljerDelrapport 1. Usikkerhetsanalyse av behov for midler til drift og vedlikehold av riksveger. for. Statens vegvesen, Vegdirektoratet
Kvalitetssikring av anslag for drift og vedlikehold av riksveger i NTP 2014-2023 Delrapport 1 Usikkerhetsanalyse av behov for midler til drift og vedlikehold av riksveger for Statens vegvesen, Vegdirektoratet
DetaljerStatistikk 1 kapittel 5
Statistikk 1 kapittel 5 Nico Keilman ECON 2130 Vår 2017 Kapittel 5 Sannsynlighetsmodeller I kap. 4 så vi et eksempel med en s.v. X som hadde en uniform sannsynlighetsfordeling: alle verdier av x har like
DetaljerTMA4240 Statistikk H2010 Kapittel 5: Diskrete sannsynlighetsfordelinger : Uniform, binomisk, hypergeometrisk fordeling
TMA4240 Statistikk H2010 Kapittel 5: Diskrete sannsynlighetsfordelinger 5.1-5.4: Uniform, binomisk, hypergeometrisk fordeling Mette Langaas 2 Arbeidshverdag etter endt studium Studere et fenomen (f.eks.
DetaljerForventning og varians.
Forventning og varians. Dekkes av kapittel 4 i læreboka. Forventning (4.) Forventningsverdi gjennomsnitt i det lange løp. Defininsjon: Forventningsverdien til en stokastisk variabel X er: E(X) f(),x diskret
DetaljerSTK1100 våren Forventningsverdi. Forventning, varians og standardavvik
STK00 våren 0 Forventning, varians og standardavvik Svarer til avsnitt 3.3 i læreboka Geir Storvik (Ørnulf Borgan) Matematisk institutt Universitetet i Oslo Forventningsverdi Punktsannsynligheten px (
DetaljerLærebok Robert Johnson og Patricia Kuby: Elementary Statistics, 10. utgave. Pensumoversikt. Forelesninger og øvinger
2 Lærebok Robert Johnson og Patricia Kuby: Elementary Statistics, 10. utgave ST0202 Statistikk for samfunnsvitere Bo Lindqvist Institutt for matematiske fag 3 4 Pensumoversikt Forelesninger og øvinger
DetaljerST0202 Statistikk for samfunnsvitere. Bo Lindqvist Institutt for matematiske fag
ST0202 Statistikk for samfunnsvitere Bo Lindqvist Institutt for matematiske fag 2 Lærebok Robert Johnson og Patricia Kuby: Elementary Statistics, 10. utgave 3 Pensumoversikt Kap. 2 Beskrivende statistikk,
DetaljerLøsningsforslag ECON 2130 Obligatorisk semesteroppgave 2017 vår
Løsningsforslag ECON 130 Obligatorisk semesteroppgave 017 vår Andreas Myhre Oppgave 1 1. (i) Siden X og Z er uavhengige, vil den simultane fordelingen mellom X og Z kunne skrives som: f(x, z) = P(X = x
DetaljerHØGSKOLEN I STAVANGER
HØGSKOLEN I STAVANGER Avdeling for TEKNISK NATURVITEN- EKSAMEN I: TE199 SANNSYNLIGHETSREGNING MED STATISTIKK SKAPELIGE FAG VARIGHET: 4 TIMER DATO: 30. AUGUST 2003 TILLATTE HJELPEMIDLER: KALKULATOR OPPGAVESETTET
DetaljerØVINGER 2017 Løsninger til oppgaver. Lineærkombinasjonen Z = 5X + 8Y har forventningsverdi
ØVINGER 27 Løsninger til oppgaver Øving 6 4. (7). Fra oppgave 4.5 (øving 4) har vi forventningsverdien variansen til X, E[X] =.92, V ar[x] =.3. Lineærkombinasjonen Z = 5X + 8Y har forventningsverdi E[Z]
DetaljerHØGSKOLEN I STAVANGER
HØGSKOLEN I STAVANGER Avdeling for TEKNISK NATURVITEN- EKSAMEN I: TE199 SANNSYNLIGHETSREGNING MED STATISTIKK SKAPELIGE FAG VARIGHET: 4 TIMER DATO: 5. JUNI 2003 TILLATTE HJELPEMIDLER: KALKULATOR OPPGAVESETTET
DetaljerMAT4010 PROSJEKTOPPGAVE: Statistikk i S2. Olai Sveine Johannessen, Vegar Klem Hafnor & Torstein Mellem
MAT400 PROSJEKTOPPGAVE: Statistikk i S2 Olai Sveine Johannessen, Vegar Klem Hafnor & Torstein Mellem 20. mai 205 Innhold. Stokastisk Variabel.. Stokastiske variable som funksjoner 3 2. Forventningsverdi
DetaljerKvalitetssikring av kostnadsbudsjett for Sykkel-VM i Bergen 2017
Kvalitetssikring av kostnadsbudsjett for Sykkel-VM i Bergen 2017 Rapport, v.1.0 Det Norske Veritas Innhold Utgangspunkt for kvalitetssikringen Resultater fra kvalitetssikringen Anbefalinger Vedlegg 3
DetaljerLøsningsforslag til obligatorisk oppgave i ECON 2130
Andreas Mhre April 15 Løsningsforslag til obligatorisk oppgave i ECON 13 Oppgave 1: E(XY) = E(X(Z X)) Setter inn Y = Z - X E(XY) = E(XZ X ) E(XY) = E(XZ) E(X ) E(XY) = - E(X ) X og Z er uavhengige, så
DetaljerIntroduksjon til statistikk og dataanalyse. Arild Brandrud Næss TMA4240 Statistikk NTNU, høsten 2013
Introduksjon til statistikk og dataanalyse Arild Brandrud Næss TMA4240 Statistikk NTNU, høsten 2013 Introduksjon til statistikk og dataanalyse Hollywood-filmer fra 2011 135 filmer Samla budsjett: $ 7 166
DetaljerKostnadsestimering under usikkerhet
Frode Drevland Kostnadsestimering under usikkerhet concept Concept temahefte nr. 4 Concept Side i Om forfatteren: Frode Drevland er universitetslektor ved Institutt for bygg, anlegg og transport på Fakultet
DetaljerStatistikk 1 kapittel 5
Statistikk 1 kapittel 5 Nico Keilman ECON 2130 Vår 2016 Kapittel 5 Sannsynlighetsmodeller I kap. 4 så vi et eksempel med en s.v. X som hadde en uniform sannsynlighetsfordeling: alle verdier av x har like
DetaljerStatistikk 1 kapittel 5
Statistikk 1 kapittel 5 Nico Keilman ECON 2130 Vår 2015 Kapittel 5 Sannsynlighetsmodeller I kap. 4 så vi et eksempel om en s.v. X som hadde en uniform sannsynlighetsfordeling: alle verdier av x har like
DetaljerLa U og V være uavhengige standard normalfordelte variable og definer
Binormalfordelingen Definisjon Noe av hensikten med å innføre begrepet betinget sannsynlighet er at kompliserte modeller ofte kan bygges ut fra enkle betingede modeller. Når man spesifiserer betingelser
DetaljerBetinget sannsynlighet
Betinget sannsynlighet Multiplikasjonsloven for sannsynligheter (s. 49 i bok): P( AB ) = P( A B ) P(B) Veldig viktig verktøy for å finne sannsynligheter for snitt. (Bevises ved rett fram manipulering av
DetaljerKapittel 6: Kontinuerlige sannsynlighetsfordelinger
Kapittel 6: Kontinuerlige sannsynlighetsfordelinger TMA4240 Statistikk (F2 og E7) Foreleses 15. september, 2004. µ µ µ + Basert på slides av Mette Langås p.1/16 6.1 Kontinuerlig uniform fordeling Kontinuerlig
DetaljerNFR-møte 27. april. Øyvind Christophersen og Åsa Borg Pedersen, Miljødirektoratet
NFR-møte 27. april Øyvind Christophersen og Åsa Borg Pedersen, Miljødirektoratet Ambisiøse klimamål Parisavtalen - mål om 2 grader og 1,5 grader temperaturøkning Norge 2050 et lavutslippssamfunn Innebærer
DetaljerTMA4240 Statistikk Eksamen desember 2015
Norges teknisk-naturvitenskapelige universitet Institutt for matematiske fag TMA4240 Statistikk Eksamen desember 15 Oppgave 1 La den kontinuerlige stokastiske variabelen X ha fordelingsfunksjon (sannsynlighetstetthet
DetaljerFormelsamling i medisinsk statistikk
Formelsamling i medisinsk statistikk Versjon av 6. mai 208 Dette er en formelsamling til O. O. Aalen (red.): Statistiske metoder i medisin og helsefag, Gyldendal, 208. Gjennomsnitt x = n (x + x 2 + x 3
DetaljerStatistisk beskrivelse av enkeltvariabler. SOS1120 Kvantitativ metode. Disposisjon. Datamatrisen. Forelesningsnotater 6. forelesning høsten 2005
SOS110 Kvantitativ metode Forelesningsnotater 6 forelesning høsten 005 Statistisk beskrivelse av enkeltvariabler (Univariat analyse) Per Arne Tufte Disposisjon Datamatrisen Variabler Datamatrisen Frekvensfordelinger
DetaljerTMA4240 Statistikk Høst 2008
TMA4240 Statistikk Høst 2008 Norges teknisk-naturvitenskapelige universitet Institutt for matematiske fag Øving nummer 7 Oppgave 1 Tippekonkurranse Denne oppgaven er ment som en kjapp test på hva du har
DetaljerÅMA110 Sannsynlighetsregning med statistikk, våren
ÅMA110 Sannsynlighetsregning med statistikk, våren 2006 Oppsummering Bjørn H. Auestad Institutt for matematikk og naturvitenskap Universitetet i Stavanger 24. april Bjørn H. Auestad Oppsummering våren
DetaljerEksamensoppgave i TMA4240 Statistikk
Institutt for matematiske fag Eksamensoppgave i TMA4240 Statistikk Faglig kontakt under eksamen: Mette Langaas a, Ingelin Steinsland b, Geir-Arne Fuglstad c Tlf: a 988 47 649, b 926 63 096, c 452 70 806
DetaljerForvaltningsrevisjon Bergen kommune Effektivitet og kvalitet i internkontrollen Prosjektplan/engagement letter
Forvaltningsrevisjon Bergen kommune Effektivitet og kvalitet i internkontrollen Prosjektplan/engagement letter Mai 2017 «Forvaltningsrevisjon av effektivitet og kvalitet i internkontrollen» Mai 2017 Prosjektplan
DetaljerTogforsinkelsen (Eksamen Des2003.1a) I denne oppgaven kan du bruke uten å vise det at
Kapittel 4 Forventningsverdi, varians, kovarians for én stokastisk variabel og funksjoner av stokastiske variabler TMA4245 V2007: Eirik Mo 2 4.1 Forventing til en stokastisk variabel DEF 4.1: La X være
DetaljerUNIVERSITETET I OSLO
UNIVERSITETET I OSLO Det matematisk-naturvitenskapelige fakultet Eksamen i: STK1000 Innføring i anvendt statistikk Eksamensdag: Onsdag 12. oktober 2016 Tid for eksamen: 10.00 12.00 Oppgavesettet er på
DetaljerMål på beliggenhet (2.6) Beregning av kvartilene Q 1, Q 2, Q 3. 5-tallssammendrag. ST0202 Statistikk for samfunnsvitere
2 Mål på beliggenhet (2.6) Kvartiler: Deler de ordnede dataene inn i fire like store deler: ST0202 Statistikk for samfunnsvitere Bo Lindqvist Institutt for matematiske fag 1. kvartil Q 1 : 25% av dataene
Detaljer= 5, forventet inntekt er 26
Eksempel på optimal risikodeling Hevdet forrige gang at i en kontrakt mellom en risikonøytral og en risikoavers person burde den risikonøytrale bære all risiko Kan illustrere dette i en enkel situasjon,
DetaljerHøgskolen i Telemark. Institutt for økonomi og informatikk FORMELSAMLING Statistikk I. Til bruk ved eksamen. Per Chr. Hagen
Høgskolen i Telemark Institutt for økonomi og informatikk FORMELSAMLING 6005 Statistikk I Til bruk ved eksamen Per Chr. Hagen . Sannsynlighetsregning. Regneregler Komplementsetningen: Addisjonssetningen:
DetaljerTMA4240 Statistikk H2010
TMA4240 Statistikk H2010 3.3: Kontinuerlige sannsynlighetsfordelinger 4.1: Matematisk forventing (univariat del) Mette Langaas Foreleses mandag 6. september 2010 2 3.1 Stokastisk variabel (repetisjon)
Detaljer3.1 Stokastisk variabel (repetisjon)
TMA4240 Statistikk H2010 3.3: Kontinuerlige sannsynlighetsfordelinger 4.1: Matematisk forventing (univariat del) Mette Langaas Foreleses mandag 6. september 2010 2 3.1 Stokastisk variabel (repetisjon)
DetaljerLøsningsforslag, eksamen statistikk, juni 2015
Løsningsforslag, eksamen statistikk, juni 0 Oppgave 1 Siden det spørres om tall fra et intervall, som oppgaven viser kan være et reelle, er det tydelig at tallene er tatt fra en kontinuerlig fordeling.
DetaljerMedisinsk statistikk Del I høsten 2009:
Medisinsk statistikk Del I høsten 2009: Kontinuerlige sannsynlighetsfordelinger Pål Romundstad Beregning av sannsynlighet i en binomisk forsøksrekke generelt Sannsynligheten for at suksess intreffer X
DetaljerST0202 Statistikk for samfunnsvitere
ST0202 Statistikk for samfunnsvitere Bo Lindqvist Institutt for matematiske fag 2 Mål på beliggenhet (2.6) Kvartiler: Deler de ordnede dataene inn i fire like store deler: 1. kvartil Q 1 : 25% av dataene
Detaljerµ = E(X) = Ʃ P(X = x) x
Redigerte høydepunkt fra forrige episode 3.2: Punktsannsynlighet og kumulativ sannsynlighet punktsannsynlighet: sanns. for at en stok. var. X har en viss verdi x; P(X = x) kumulativ sannsynlighet: sanns.
DetaljerForelesning 13. mars, 2017
Forelesning 13. mars, 217 AVSNITT 5.2 Kovariansen mellom to variable Korrelasjon mellom to variable AVSNITT 5.3 Betingede fordelinger Kovariansen mellom to stokastiske variable Kovariansen mellom to stokastiske
DetaljerUNIVERSITETET I OSLO
UNIVERSITETET I OSLO Det matematisk-naturvitenskapelige fakultet Eksamen i STK1000 Innføring i anvendt statistikk. Eksamensdag: Torsdag 9. oktober 2008. Tid for eksamen: 15:00 17:00. Oppgavesettet er på
DetaljerStatistikk 1 kapittel 5
Statistikk 1 kapittel 5 Nico Keilman ECON 2130 Vår 2014 Kapittel 5 Sannsynlighetsmodeller I kap. 4 så vi et eksempel om en s.v. X som hadde en uniform sannsynlighetsfordeling: alle verdier av x har like
DetaljerA NEW REALITY. DNV GL Industry Outlook for 2016. Kjell Eriksson, Regional Manager Oil & Gas, Norway 02 Februar - Offshore Strategi Konferansen 2016,
OIL & GAS A NEW REALITY DNV GL Industry Outlook for 2016 Kjell Eriksson, Regional Manager Oil & Gas, Norway 02 Februar - Offshore Strategi Konferansen 2016, 1 2013 SAFER, SMARTER, GREENER 3 februar 2016
DetaljerU-864 Forprosjekt Presentasjon av resultater Pressemøte Bergen 20.mai 2014
U-864 Forprosjekt Presentasjon av resultater Pressemøte Bergen 20.mai 2014 Agenda Introduksjon (v/ Kystverket) Presentasjon av situasjonsbeskrivelse og mandat (v/ Kystverket) Presentasjon av DNV GL sitt
DetaljerUNIVERSITETET I OSLO ØKONOMISK INSTITUTT
Eksamen: ECON2130 Statistikk 1 UNIVERSITETET I OSLO ØKONOMISK INSTITUTT Eksamensdag: 29.05.2019 Sensur kunngjøres: 19.06.2019 Tid for eksamen: kl. 09:00 12:00 Oppgavesettet er på 5 sider Tillatte hjelpemidler:
DetaljerEstimatorar. Torstein Fjeldstad Institutt for matematiske fag, NTNU
Estimatorar Torstein Fjeldstad Institutt for matematiske fag, NTNU 11.10.2018 I dag Repetisjon Er dataa mine normalfordelt? Estimatorar Eigenskapar til S 2 Kahoot 2 Repetisjon Obervator Ein observator
DetaljerUNIVERSITETET I OSLO Det matematisk-naturvitenskapelige fakultet
UNIVERSITETET I OSLO Det matematisk-naturvitenskapelige fakultet Underveiseksamen i: STK1000 Innføring i anvendt statistikk. Eksamensdag: Onsdag 22/3, 2006. Tid for eksamen: Kl. 09.00 11.00. Tillatte hjelpemidler:
DetaljerFasit for tilleggsoppgaver
Fasit for tilleggsoppgaver Uke 5 Oppgave: Gitt en rekke med observasjoner x i (i = 1,, 3,, n), definerer vi variansen til x i som gjennomsnittlig kvadratavvik fra gjennomsnittet, m.a.o. Var(x i ) = (x
DetaljerLØSNINGSFORSLAG TIL EKSAMEN I FAG TMA4240 STATISTIKK Mandag 12. desember 2011
Norges teknisk naturvitenskapelige universitet Institutt for matematiske fag Side 1 av 10 LØSNINGSFORSLAG TIL EKSAMEN I FAG TMA4240 STATISTIKK Mandag 12. desember 2011 Oppgave 1 Oljeleting a) Siden P(A
DetaljerST0202 Statistikk for samfunnsvitere
ST0202 Statistikk for samfunnsvitere Bo Lindqvist Institutt for matematiske fag 2 Fra første forelesning: Populasjon Den mengden av individer/objekter som vi ønsker å analysere. Utvalg En delmengde av
Detaljer6 x P (X = x) = x=1 = P (X 2 = 6)P (X 2 = 6)P (X 3 = 6) =
Norges teknisk-naturvitenskapelige universitet Institutt for matematiske fag Anbefalte oppgaver 4, blokk I Løsningsskisse Oppgave 1 a) Utfallsrommet til X 1 er {1, 2,, 4, 5, }. Sannsynlighetsfordelingen
DetaljerFamilieeide selskaper - Kjennetegn - Styrker og utfordringer - Vekst og nyskapning i harmoni med tradisjoner
Familieeide selskaper - Kjennetegn - Styrker og utfordringer - Vekst og nyskapning i harmoni med tradisjoner Resultater fra omfattende internasjonal undersøkelse og betraktninger om hvordan observasjonene
DetaljerLøsning eksamen desember 2017
Løsning eksamen desember 017 Oppgave 1 Innfører hendelsene D: enheten er defekt K: enheten blir kassert a i Disse sannsynlighetene kan leses ut av oppgaveteksten: P D = 0, 10 P K D = 0, 07 P K D = 0, 95
DetaljerHypotesetesting. Hvorfor og hvordan? Gardermoen 21. april 2016 Ørnulf Borgan. H. Aschehoug & Co Sehesteds gate 3, 0102 Oslo Tlf:
Hypotesetesting Hvorfor og hvordan? Gardermoen 21. april 2016 Ørnulf Borgan H. Aschehoug & Co Sehesteds gate 3, 0102 Oslo Tlf: 22 400 400 www.aschehoug.no 1 Oversikt Sannsynlighetsregning og statistikk
DetaljerUNIVERSITETET I OSLO
UNIVERSITETET I OSLO Det matematisk-naturvitenskapelige fakultet Deleksamen i: STK Sannsynlighetsregning og statistisk modellering Eksamensdag: Mandag 4. mars 26 Tid for eksamen: 5. 7. Oppgavesettet er
DetaljerSannsynlighetsregning og Statistikk.
Sannsynlighetsregning og Statistikk. Leksjon Velkommen til dette kurset i sannsynlighetsregning og statistikk! Vi vil som lærebok benytte Gunnar G. Løvås:Statistikk for universiteter og høyskoler. I den
DetaljerST0202 Statistikk for samfunnsvitere
ST0202 Statistikk for samfunnsvitere Bo Lindqvist Institutt for matematiske fag 2 Tilfeldige variable (5.2) Dersom vi til hvert utfall av eksperimentet tilordner et tall, har vi laget en tilfeldig variabel.
DetaljerTilfeldige variable (5.2)
Tilfeldige variable (5.) Dersom vi til hvert utfall av eksperimentet tilordner et tall, har vi laget en tilfeldig variabel. Tilfeldig variabel: En variabel som har en numerisk verdi for hvert utfall i
DetaljerÅMA110 Sannsynlighetsregning med statistikk, våren 2008
ÅMA0 Sannsynlighetsregning med statistikk, våren 008 Kp. Sannsynlighetsregning (sannsynlighetsteori).5 Betinget sannsynlighet Betinget sannsynlighet (kp..5) - innledning Eks.: Et terningkast; {,, 3, 4,
Detaljer