SOS3003 Anvendt statistisk dataanalyse i samfunnsvitenskap Forelesingsnotat, vår Erling Berge Institutt for sosiologi og statsvitenskap NTNU
|
|
|
- Torje Engen
- 7 år siden
- Visninger:
Transkript
1 SOS3003 Anvendt statstsk dataanalyse samfunnsvtenskap Forelesngsnotat, vår 2003 Erlng Berge Insttutt for sosolog og statsvtenskap NTNU Vår 2004 Erlng Berge Forelesng IX Robust Regresjon Hamlton kap 6 s Vår 2004 Erlng Berge
2 Robust Regresjon Er utvkla for å fungere godt stuasjonar der OLS regresjonen bryt saman. Der OLS føresetnadene er oppfylt gr robust regresjon dårlegare resultat enn OLS, men kkje mye Sjølv om robust regresjon høver betre for den som kkje vl leggje mye arbed å teste føresetnader er metodane førebels vanskelege å gjere seg bruk av Robust regresjon har fokusert mest på fordelngar av resdualar med tunge halar (mange case med stor nnverknad på regresjonen) Vår 2004 Erlng Berge Regresjon av mortaltet på lufturenng 1100,00 AGE-ADJUSTED MORTALITY/100K 1000,00 900,00 SanDego OLS: Y= ln(lufturenng SanFrancsco LosAngeles Fgur 6.1 Hamlton 800,00 SanJose R Sq Lnear = 0,023 0,00 1,00 2,00 3,00 4,00 5,00 6,00 7,00 LN_hc_polluton Vår 2004 Erlng Berge
3 Robust regresjon av mortaltet på lufturenng 1100,00 Robust Regresjon: AGE-ADJUSTED MORTALITY/100K LN_hc_polluton Robust_Pred_Y LN_hc_polluton Y= ln(lufturenng) 1000,00 OLS: Y= , ln(lufturenng Fgur 6.2 Hamlton 800,00 R Sq Lnear = 0,023 0,00 1,00 2,00 3,00 4,00 5,00 6,00 7,00 Vår 2004 Erlng Berge Robust regresjon og SPSS Det er kkje noko rutne SPSS som gjer robust regresjon drekte Den kan gjerast ved hjelp av vekta regresjon, men det krev at v lagar vektfunksjon og går gjennom terasjonane en for en med utreknng av nye vekter for kvar gong Framgangsmåte kjem v tl nedanfor Vår 2004 Erlng Berge
4 ROBUST OG RESISTENT RESISTENTE metodar lar seg kkje påverke av små fel/ endrngar utvalsdata ROBUSTE metodar lar seg kkje påverke av små avvk frå føresetnadene tl modellen De fleste resstente estmatorane er også robuste høve tl føresetnaden om normalfordelng av resdualane OLS er verken ROBUST eller RESISTENT Vår 2004 Erlng Berge Utlggjarar er et problem for OLS Utlggjarar verkar nn på estmat av Parametrar Standardfel (standardavvk tl parameter) Determnasjonskoeffesent Testobservatorar Og mange andre observatorar Robust regresjon frestar verne mot dette ved å g mndre vekt tl slke case, kkje ved å ekskludere de Vår 2004 Erlng Berge
5 Hjelp mot IKKJE-NORMALE resdualar Robuste metodar kan vere tl hjelp når Halane resdualfordelnga er "tunge" dvs. når det er "for mange" utlggjarar høve tl normalfordelnga Uvanlege X-verdar gr påverknad (leverage) problem Ved andre årsaker tl kkje-normaltet hjelper de kkje. Vår 2004 Erlng Berge Estmerngsmetodar for robust regresjon M-estmerng (maxmum lkelhood) mnmerer en vekta sum av resdualane. Kan tlnærmast med vekta mnste kvadrat metoden (WLS) R-estmerng (basert på rang) mnmerer en sum der en vekta rang nngår. Metoden er vanskelegare å bruke enn M-estmernga L-estmerng (basert på kvantlar) brukar lneære funksjonar av utvalsordnngsobservatorane (kvantlane) Vår 2004 Erlng Berge
6 IRLS- Iteratvt Revekta Mnste Kvadrat M-estmat ved hjelp av IRLS treng 1. Startverdar fra OLS. Ta vare på resdualane. 2. Bruk OLS resdualane tl å fnne vekter. Tl større resdual, tl mndre vekt 3. Fnn nye parameterverdar og resdualar med WLS 4. Gå tl 2 og fnn nye vekter frå de nye resdualane, fortsett tl steg 3 og 4, helt tl endrngane parametrane vert små Iterasjon: å gjenta en sekvens av operasjonar Vår 2004 Erlng Berge IRLS IRLS er teoren ekvvalent med M- estmerng For å nytte metoden treng v å rekne ut Skalerte resdualar, u, og en Vektfunksjon, w, som gr mnst vekt tl de største resdualane Vår 2004 Erlng Berge
7 Skalerng av resdualar I e u = s RSS se = n K Skalert resdual u s er skalerngsfaktoren og e resdualen Skalerngsfaktoren OLS er estmatet av standardfelen tl resdualen: nb! s e er kkje resstent Et resstent alternatv er basert på MAD, "medan absolute devaton" ( ) MAD = medan e medan e Vår 2004 Erlng Berge Skalerng av resdualar II = ( ) MAD medan e medan e Skalerngsfaktoren (standardfelen fordelnga) vert med bruk av et resstent estmat s = MAD/ = 1.483MAD og den skalerte resdualen u =[e / s ] = (0.6745*e )/MAD I e normalfordelng vl s= MAD/ estmere standardfelen korrekt slk som s e Ved kkje-normale fel vl s= MAD/ vere betre. Det er et resstent estmat, s e er kkje resstent Vår 2004 Erlng Berge
8 Vektfunksjonar I Egenskapane vert målt høve tl OLS på normalfordelte fel. Metoden skal vere "nesten lke god som OLS ved normalfordelte fel og mye bedre når fela er kkje-normale Egenskapane vert fastlagt ved en "kalbrerngskonstant" (c, formlane) Vår 2004 Erlng Berge Vektfunksjonar II OLS-vekter: w = 1 for alle Huber-vekter: vektar ned når den skalerte resdualen er større enn c, c=1,345 gr 95% av OLS sn effektvtet på normalfordelte fel Tukey s bvekta estmat får 95% av OLS sn effektvtet på normalfordelte fel ved gradvs nedvektng av skalerte fel opp tl u c = og ved å droppe case der resdualen er større. Vår 2004 Erlng Berge
9 w w Huber-vekter = 1 u c c = u > c u =for alle Vår 2004 Erlng Berge w w Tukey vekter 2 u = 1 u c = 0 u > c = for alle 2 c Tukey vektng IRLS er senstv for startverdane av parametrane (en kan fnne lokale mnmum) Vår 2004 Erlng Berge
10 Standardfel og testar ved IRLS WLS program vl kkje estmere standardfel og testobservatorar rett ved IRLS En prosedyre som fungerer er gtt av Hamlton på sde Vår 2004 Erlng Berge Bruk av Robust Estmerng Dersom OLS estmat og Robuste estmat er ulke tyder det at utlggjarar verka nn på OLS slk at v kkje kan stole på resultata Robuste predkerte verdar reflekterer betre hovudmassen av data Robuste resdualar vl derfor betre avsløre kva som er uvanlege case Vektene frå den robuste regresjonen vl vse kva for case som er utlggjarar OLS og RR kan stø kvarandre Vår 2004 Erlng Berge
11 Mortaltet på lufturenng Effekt av høg leverage Fg 6.9 Hamlton: OLS og RR på data utan transformasjon AGE-ADJUSTED MORTALITY/100K 1100, ,00 900,00 SanDego SanFrancsco robust LosAngeles 800,00 SanJose R Sq Lnear = 0,031 0,00 100,00 200,00 300,00 400,00 500,00 600,00 700,00 RELATIVE HC POLLUTION POTENTIAL Vår 2004 Erlng Berge Fg 6.10 Hamlton: OLS og RR på data utan transformasjon med to utlggjarar fjerna Mortaltet på lufturenng AGE-ADJUSTED MORTALITY/100K 1100, ,00 900,00 robust SanDego 800,00 SanJose R Sq Lnear = 7,116E-4 0,00 30,00 60,00 90,00 120,00 150,00 RELATIVE HC POLLUTION POTENTIAL Vår 2004 Erlng Berge
12 RR vernar kkje mot leverage RR med M-estmerng vernar mot uvanlege y- verdar (utlggjarar) men kkje nødvendgvs mot uvanlege x-verdar (leverage) Innsats på testng og dagnose trengst framles (heteroskedaststet er td. problematsk ved IRLS) Studar av datamateralet og symmetrtransformasjon reduserer sjansen for at problem dukkar opp Ingen metode er trygg om den blr brukt utan omtanke og studar av data Vår 2004 Erlng Berge Robust Multppel Regresjon X 1 RELATIVE HC POLLUTION POTENTIAL (natural log) X 2 AVG. YEARLY PRECIP. INCHES X 3 AVG. JANUARY TEMPERATURE, F X 4 MEDIAN EDUCATION OF POP 25+ X 5 % NON-WHITE (square root) X 6 POPULATION PER HOUSEHOLD X 7 % 65 AND OVER X 8 % SOUND HOUSING UNITS X 9 PEOPLE PER SQUARE MILE (natural log) X 10 AVG. JULY TEMPERATURE, F X 11 % WHITE COLLAR EMPLOYMENT X 12 % FAMILIES WITH INCOME<$3000 (negatve recprocal root) X 13 AVG RELATIVE HUMIDITY, % Vår 2004 Erlng Berge
13 Multppel OLS regresjon med transformerte varable: effekten av transformasjon 7,00 8,00 6,00 5,00 6,00 LN_hc_polluton 4,00 3,00 2,00 SQRT_pct_non_whte 4,00 2,00 1,00 0,00 0,00 0,00 100,00 200,00 300,00 400,00 500,00 600,00 700,00 RELATIVE HC POLLUTION POTENTIAL ln av lufturenng 0,00 10,00 20,00 30,00 40,00 % NONWHITE Kvadratrot av % kkje-kvte Vår 2004 Erlng Berge OLS med baklengs elmnerng gr Dependent Varable: AGE-ADJUSTED MORTALITY/100K B Std. Error t Sg. (Constant) 986,261 82,674 11,929,000 LN_hc_polluton 17,469 4,636 3,768,000 AVG. YEARLY PRECIP. INCHES 2,352,640 3,677,001 AVG. JANUARY TEMPERATURE, F -2,132,504-4,228,000 MEDIAN EDUCATION OF POP ,958 6,204-2,895,005 SQRT_pct_non_whte 27,335 4,398 6,215,000 Robust regresjon gr predkert y = x x x x x 5 Vår 2004 Erlng Berge
14 Multppel OLS regresjon med transformerte varable Leverage plott av resdual av mortaltet (y) og resdual av ln_lufurenng (x) Los Angeles og San Francsco er kkje lenger utlggjarar Unstandardzed Resdual 100, , , , ,00000 FortWorth Dallas Wchta NewOrleans Albany Boston LosAngeles SanFrancsco R Sq Lnear = 0,208 Lancaster -4, , , , , , ,00000 Unstandardzed Resdual Vår 2004 Erlng Berge Fre estmat av samanhengen mortaltet - lufurenng Effekten av lufturenng OLS Robust 1 varabel varablar Legg merke tl at RR den bvarate regresjonen kjem ganske nær resultatet den multvarate regresjonen I fem-varabel modellen er det nye case som verkar nn på regresjonslna Fjernng av de 5 casa som har høgast leverage parameter (h ) gr kkje substanselle endrngar koeffesentane Vår 2004 Erlng Berge
15 Robust Regresjon vs Avgrensa Innflytelse Regresjon Robust Regresjon vernar mot effekt av utlggarar (Uvanlege y-verdar) dersom de kkje kjem saman med uvanlege x-verdar Bounded Influence Regresson (Regresjon med avgrensa nnflytelse) vernar tllegg mot nnflytelse (uvanlege kombnasjonar av x-verdar) Vår 2004 Erlng Berge BI (bounded nfluence) - Avgrensa påverknad regresjon BI-metodane er laga for å avgrense verknaden av stort potensale for påverknad (stor h - leverage) Den aller enklaste tlnærmnga tl problemet er å modfsere Huber-vektene eller Tukey-vektene med en faktor basert på leverage observatoren Vår 2004 Erlng Berge
16 Avgrensa påverknad: vektmodfkasjon V utvdar vektfunksjonen med e vekt basert på nnflytelse (leverage) observatoren h Påverknads-faktoren vektnga kan t.d. setjast tl w H = 1 hvs h c H w H = (c H / h ) hvs h > c H c H vert ofte sett lk 90% persentlen fordelnga av h IRSL vekta vert da w w H der w er enten Tukeyeller Huber-vekter som endrar seg frå terasjon tl terasjon medan w H er konstant Vår 2004 Erlng Berge Avgrensa påverknad som dagnoseverktøy Estmerng av standardfel og testobservatorar vert no enno mer komplsert enn for de M-estmatorane v omtala ovanfor V kan bruke BI estmat som deskrptvt verktøy for å sjekke opp ande estmat Et (ltt) ekstremt eksempel: PCB urenng elvemunnngar 1984 og 1984 (Hamlton tabell 6.4) Vår 2004 Erlng Berge
17 Fg 6.15 og 6.16 Hamlton 800,00 800,00 Boston Harbor Boston Harbor 600,00 600,00 TOTAL PCBS 1985 (PPB) 400,00 Robust M- estmat TOTAL PCBS 1985 (PPB) 400,00 BI regresjon 200,00 200,00 R Sq Lnear = 0,384 0,00 0,00 0, , , , ,00 TOTAL PCBS 1984 (PPB) 0, , , , ,00 TOTAL PCBS 1984 (PPB) Vår 2004 Erlng Berge OLS og BI estmat med transformerte varablar gr om lag same resultat lnpcbs1985 Fg 6.17 Hamlton 7,00 6,00 5,00 Delaware Bay 4,00 3,00 BI lnja OLS Boston Harbor 2,00 1,00 R Sq Lnear = 0,878 0,00 0,00 2,00 4,00 6,00 8,00 10,00 lnpcbs1984 Vår 2004 Erlng Berge
18 Konklusjonar Når data har mange utlggjarar vl robuste metodar ha betre egenskapar enn OLS. De er mer effektve og gr mer nøyaktge konfdensntervall og testar Robust regresjon kan brukast som dagnoseverktøy. Er OLS og RR enge kan v ha større tltru tl OLS resultata Er de uenge vl v Vere merksame på at et problem ekssterer Ha en modell som passar betre med data og dentfserer utlggjarar betre Robuste metodar verkar kkje mot problem som skuldast kurvelneære eller kkje-lneære modellar, heteroskedaststet og autokorrelasjon Vår 2004 Erlng Berge
SOS3003 Anvendt statistisk dataanalyse i samfunnsvitenskap Forelesingsnotat 07. Erling Berge Institutt for sosiologi og statsvitenskap NTNU
SOS3003 Anvendt statstsk dataanalyse samfunnsvtenskap Forelesngsnotat 07 Erlng Berge Insttutt for sosolog og statsvtenskap NTNU Erlng Berge 2004 Forelesng VII Logstsk regresjon I Hamlton Kap 7 s27-234
SOS3003 Anvendt statistisk dataanalyse i samfunnsvitenskap Forelesingsnotat 11. Erling Berge Institutt for sosiologi og statsvitenskap NTNU
SOS3003 Anvendt statstsk dataanalyse samfunnsvtenskap Forelesngsnotat Erlng Berge Insttutt for sosolog og statsvtenskap NTNU Erlng Berge 2004 Forelesng XI Logstsk regresjon II Hamlton Kap 7 s27-235 Erlng
TMA4240/4245 Statistikk Eksamen august 2016
Norges teknsk-naturvtenskapelge unverstet Insttutt for matematske fag TMA44/445 Statstkk Eksamen august 6 Løsnngssksse Oppgave a) Ved kast av to ternnger er det 36 mulge utfall: (, ),..., (6, 6). La Y
ØVINGER 2017 Løsninger til oppgaver
ØVINGER 017 Løsnnger tl oppgaver Øvng 1 7.1. Med utgangspunkt de n 5 observasjonsparene (x 1, y 1 ), (x, y ),..., (x 5, y 5 ) beregner v først mddelverdene x 1 5 Estmert kovarans blr x 3. ȳ 1 5 s XY 1
Oppgaver. Multiple regresjon. Forelesning 3 MET3592 Økonometri ved David Kreiberg Vår 2011
Forelesnng 3 MET359 Økonometr ved Davd Kreberg Vår 0 Oppgaver Alle oppgaver er merket ut fra vanskelghetsgrad på følgende måte: * Enkel ** Mddels vanskelg *** Vanskelg Multple regresjon Oppgave.* Ta utgangspunkt
X ijk = µ+α i +β j +γ ij +ǫ ijk ; k = 1,2; j = 1,2,3; i = 1,2,3; i=1 γ ij = 3. i=1 α i = 3. j=1 β j = 3. j=1 γ ij = 0.
UNIVERSITETET I OSLO Det matematsk-naturvtenskapelge fakultet Eksamen : Eksamensdag: 7. jun 2013. Td for eksamen: 14.30 18.30. Oppgavesettet er på 8 sder. Vedlegg: Tllatte hjelpemdler: STK2120 LØSNINGSFORSLAG
TALLSVAR. Det anbefales at de 9 deloppgavene merket med A, B, teller likt uansett variasjon i vanskelighetsgrad. Svarene er gitt i <<< >>>.
ECON30: EKSAMEN 05 VÅR - UTSATT PRØVE TALLSVAR. Det anbefales at de 9 deloppgavene merket med A, B, teller lkt uansett varasjon vanskelghetsgrad. Svarene er gtt
Appendiks 1: Organisering av Riksdagsdata i SPSS. Sannerstedt- og Sjölins data er klargjort for logitanalyse i SPSS filen på følgende måte:
Appendks 1: Organserng av Rksdagsdata SPSS Sannerstedt- og Sjölns data er klargjort for logtanalyse SPSS flen på følgende måte: Enhet År SKJEBNE BASIS ANTALL FARGE 1 1972 1 0 47 1 0 2 1972 1 0 47 1 0 67
TALLSVAR. Det anbefales at de 9 deloppgavene merket med A, B, teller likt uansett variasjon i vanskelighetsgrad. Svarene er gitt i << >>.
ECON13: EKSAMEN 14V TALLSVAR. Det anbefales at de 9 deloppgavene merket med A, B, teller lkt uansett varasjon vanskelghetsgrad. Svarene er gtt >. Oppgave 1 Innlednng. Rulett splles på en rekke kasnoer
Illustrasjon av regel 5.19 om sentralgrenseteoremet og litt om heltallskorreksjon (som i eksempel 5.18).
Econ 2130 HG mars 2012 Supplement tl forelesnngen 19. mars Illustrasjon av regel 5.19 om sentralgrenseteoremet og ltt om heltallskorreksjon (som eksempel 5.18). Regel 5.19 ser at summer, Y = X1+ X2 + +
Eksamensoppgave i SØK Statistikk for økonomer
Insttutt for samfunnsøkonom Eksamensoppgave SØK004 - Statstkk for økonomer Faglg kontakt under eksamen: Hldegunn E. Stokke, tlf 7359665 Bjarne Strøm, tlf 7359933 Eksamensdato: 0..04 Eksamenstd (fra-tl):
MASTER I IDRETTSVITENSKAP 2012/2014. Individuell skriftlig eksamen. MAS 402- Statistikk. Tirsdag 9. oktober 2012 kl. 10.00-12.00
MASTER I IDRETTSVITESKAP 0/04 Indvduell skrftlg eksamen MAS 40- Statstkk Trsdag 9. oktober 0 kl. 0.00-.00 Hjelpemdler: kalkulator Eksamensoppgaven består av 9 sder nkludert forsden Sensurfrst: 30. oktober
EKSAMEN I FAG SIF5040 NUMERISKE METODER Tirsdag 15. mai 2001 Tid: 09:00 14:00
Norges teknsk naturvtenskapelge unverstet Insttutt for matematske fag Sde 1 av 9 Faglg kontakt under eksamen: Enar Rønqust, tlf. 73 59 35 47 EKSAMEN I FAG SIF5040 NUMERISKE METODER Trsdag 15. ma 2001 Td:
Hvordan får man data og modell til å passe sammen?
Hvordan får man data og modell tl å passe sammen? Ekstremverd-analyse Målet er å estmere T-års-ekstremen (flommen). T-års-ekstremen er slk at etter T år vl det forventnng være én overskrdelse av T-års-ekstremen.
UNIVERSITETET I OSLO ØKONOMISK INSTITUTT
Utsatt eksamen : ECON130 Statstkk 1 UNIVERSITETET I OSLO ØKONOMISK INSTITUTT Eksamensdag: 15.0.015 Sensur kunngjøres senest: 0.07.015 Td for eksamen: kl. 09:00 1:00 Oppgavesettet er på 4 sder Tllatte hjelpemdler:
SOS3003 Anvendt statistisk dataanalyse i samfunnsvitenskap Forelesingsnotat, vår Erling Berge Institutt for sosiologi og statsvitenskap NTNU
SOS33 Anvendt statistisk dataanalyse i samfunnsvitenskap Forelesingsnotat, vår 23 Erling Berge Institutt for sosiologi og statsvitenskap NTNU Vår 24 Erling Berge 24 1 Forelesing VI Kritikk av regresjon
Anvendelser. Kapittel 12. Minste kvadraters metode
Kapttel Anvendelser I dette kaptlet skal v se på forskjellge anvendelser av teknkke v har utvklet løpet av de sste ukene Avsnttene og eksemplene v skal se på er derfor forholdsvs uavhengge Mnste kvadraters
EKSAMEN Løsningsforslag
. desember 6 EKSAMEN Løsnngsorslag Emnekode: ITD Emnenavn: Matematkk ørste deleksamen Dato:. desember 6 Hjelpemdler: - To A-ark med valgrtt nnold på begge sder. - Formelete. - Kalkulator som deles ut samtdg
TALLSVAR. Det anbefales at de 9 deloppgavene merket med A, B, teller likt uansett variasjon i vanskelighetsgrad. Svarene er gitt i <<< >>>.
ECON: EKSAMEN 6 VÅR - UTSATT PRØVE TALLSVAR. Det anbefales at de 9 deloppgavene merket med A, B, teller lkt uansett varasjon vanskelghetsgrad. Svarene er gtt
(iii) Når 5 er blitt trukket ut, er det tre igjen som kan blir trukket ut til den siste plassen, altså:
A-besvarelse ECON2130- Statstkk 1 vår 2009 Oppgave 1 A) () Antall kke-ordnede utvalg: () P(Arne nummer 1) = () Når 5 er bltt trukket ut, er det tre gjen som kan blr trukket ut tl den sste plassen, altså:
Alternerende rekker og absolutt konvergens
Alternerende rekker og absolutt konvergens Forelest: 0. Sept, 2004 Sst forelesnng så v på rekker der alle termene var postve. Mange av de kraftgste metodene er utvklet for akkurat den typen rekker. I denne
TMA4265 Stokastiske prosesser
orges teknsk-naturvtenskapelge unverstet Insttutt for matematske fag TMA4265 Stokastske prosesser Våren 2004 Løsnngsforslag - Øvng 6 Oppgaver fra læreboka 4.56 X n Antallet hvte baller urna Trekk tlf.
De normalfordelte: x og sd for hver gruppe. De skjevfordelte og de ekstremt skjevfordelte: Median og kvartiler for hver gruppe.
STK H-26 Løsnngsforslag Alle deloppgaver teller lkt vurderngen av besvarelsen. Oppgave I et tlfeldg utvalg på normalvektge personer, og overvektge personer, måles konsentrasjonen av 2 ulke protener blodet.
Oppgaven består av 9 delspørsmål som anbefales å veie like mye, Kommentarer og tallsvar er skrevet inn mellom <<, >>, Oppgave 1
ECON 213 EKSAMEN 26 VÅR SENSORVEILEDNING Oppgaven består av 9 delspørsmål som anbefales å vee lke mye, Kommentarer og tallsvar er skrevet nn mellom , Oppgave 1 I en by med 1 stemmeberettgete nnbyggere
Alle deloppgaver teller likt i vurderingen av besvarelsen.
STK H-26 Løsnngsforslag Alle deloppgaver teller lkt vurderngen av besvarelsen. Oppgave a) De normalfordelte: x og sd for hver gruppe. De skjevfordelte og de ekstremt skjevfordelte: Medan og kvartler for
Forelesning nr.3 INF 1411 Elektroniske systemer
Forelesnng nr.3 INF 4 Elektronske systemer 009 04 Parallelle og parallell-serelle kretser Krchhoffs strømlov 30.0.04 INF 4 Dagens temaer Parallelle kretser Kretser med parallelle og serelle ster Effekt
Oversikt 1. forelesning. ECON240 Statistikk og økonometri. Utdanning og lønn. Forskning. Datainnsamling; utdanning og inntekt
Overskt. forelesnng ECON40 Statstkk og økonometr Arld Aakvk, professor Insttutt for økonom Hva er statstkk og økonometr? Hvorfor studerer v fagområdet? Statstkk Metoder, teknkker og verktøy tl å produsere
Geometriske operasjoner
Geometrske operasjoner INF 23 27.2.27 Kap. 9 (samt 5.5.2) Geometrske operasjoner Affne transformer Interpolasjon Samregstrerng av blder Endrer på pkslenes possjoner ransformerer pkselkoordnatene (x,) tl
Forelesning nr.3 INF 1411 Elektroniske systemer. Parallelle og parallell-serielle kretser Kirchhoffs strømlov
Forelesnng nr.3 INF 4 Elektronske systemer Parallelle og parallell-serelle kretser Krchhoffs strømlov Dagens temaer Parallelle kretser Kretser med parallelle og serelle ster Effekt parallelle kretser Krchhoffs
Sparing gir mulighet for å forskyve forbruk over tid; spesielt kan ujevne inntekter transformeres til jevnere forbruk.
ECON 0 Forbruker, bedrft og marked Forelesnngsnotater 09.0.07 Nls-Henrk von der Fehr FORBRUK OG SPARING Innlednng I denne delen skal v anvende det generelle modellapparatet for konsumentens tlpasnng tl
TMA4300 Mod. stat. metoder
TMA4300 Mod stat metoder Norges teknsk-naturvtenskapelge unverstet Insttutt for matematske fag Løsnngsforslag - Eksamen jun 2007 Oppgave Pseudokode for å evaluere θ: Generer uavhengge realsasjoner x,,x
STK desember 2007
Løsnngsfrslag tl eksamen STK0 5. desember 2007 Oppgave a V antar at slaktevektene tl kalkunene fra Vrgna er bserverte verder av stkastske varabler X, X 2, X, X 4 sm er uavhengge g Nµ, σ 2 -frdelte, g at
UNIVERSITETET I OSLO ØKONOMISK INSTITUTT
Utsatt eksamen : ECON13 Statstkk 1 UNIVERSITETET I OSLO ØKONOMISK INSTITUTT Eksamensdag: 11.8.16 Sensur kunngjøres senest: 6.8.16 Td for eksamen: kl. 9: 1: Oppgavesettet er på 4 sder Tllatte hjelpemdler:
Simpleksmetoden. Initiell basistabell Fase I for å skaffe initiell, brukbar løsning. Fase II: Iterativ prosess for å finne optimal løsning Pivotering
Lekson 3 Smpleksmetoden generell metode for å løse LP utgangspunkt: LP på standardform Intell basstabell Fase I for å skaffe ntell, brukbar løsnng løse helpeproblem hvs optmale løsnng gr brukbar løsnng
UNIVERSITETET I OSLO
UNIVERSITETET I OSLO Det matematsk-naturvtenskapelge fakultet Eksamen : STK1000 Innførng anvendt statstkk Eksamensdag: Trsdag 12. desember 2017 Td for eksamen: 14.30 18.30 Oppgavesettet er på 5 sder Tllatte
TMA4240 Statistikk H2010
TMA440 Statstkk H00 Statstsk nferens: 9.6: Predksjonsntervall 9.8: To utvalg, dfferanse µ µ Mette Langaas Foreleses mandag 8.oktober, 00 Predksjonsntervall for fremtdg observasjon, normalfordelng For en
MoD233 - Geir Hasle - Leksjon 10 2
Leksjon 10 Anvendelser nettverksflyt Transportproblemet Htchcock-problemet Tlordnngsproblemet Korteste-ve problemet Nettverksflyt med øvre begrensnnger Maksmum-flyt problemet Teorem: Maksmum-flyt Mnmum-kutt
Notater. Bjørn Gabrielsen, Magnar Lillegård, Berit Otnes, Brith Sundby, Dag Abrahamsen, Pål Strand (Hdir)
2009/48 Notater Bjørn Gabrelsen, Magnar Lllegård, Bert Otnes, Brth Sundby, Dag Abrahamsen, Pål Strand (Hdr) Notater Indvdbasert statstkk for pleeog omsorgstjenesten kommunene (IPLOS) Foreløpge resultater
Geometriske operasjoner
Geometrske operasjoner INF 23 29..28 Kap. 2.4.4 og 2.6.5 DIP Geometrske operasjoner Affne transformer Interpolasjon Samregstrerng av blder Endrer på pkslenes possjoner ransformerer pkselkoordnatene (x,)
Sannsynlighet seier noko om kor truleg det er at ei hending får eit bestemt utfall. Ein matematisk definisjon på sannsynlighet er:
Dette notatet bygger på Append C I Dngamn, og er et forsøk på å gje en kort og enkel nnførng vktge statskske begrep me vl få bruk for GF-GG4. Sannsynlghet seer noko om kor truleg det er at e hendng får
Investering under usikkerhet Risiko og avkastning Høy risiko. Risikokostnad prosjekt Snøskuffe. Presisering av risikobegrepet
Investerng under uskkerhet Rsko og avkastnng Høy rsko Lav rsko Presserng av rskobegreet Realnvesterng Fnansnvesterng Rsko for enkeltaksjer og ortefølje-sammenheng Fnansnvesterng Realnvesterng John-Erk
SOS 301 og SOS31/ SOS311 MULTIVARIAT ANALYSE
1 SOS 301 og SOS31/ SOS311 MULTIVARIAT ANALYSE Eksamensdag: 8 desember 1997 Eksamensstad: Dragvoll, paviljong C, rom 201 Tid til eksamen: 6 timar Vekt: 5 for SOS301 og 4 for SOS31/ SOS311 Talet på sider
STK1110 høsten Lineær regresjon. Svarer til avsnittene i læreboka (med unntak av stoffet om logistisk regresjon)
TK høste 9 Eksempel.5 (CO og vekst av furutrær Leær regreso varer tl avsttee..4 læreboka (med utak av stoffet om logstsk regreso Ørulf Borga Matematsk sttutt Uverstetet Oslo V vl bestemme sammehege mellom
SOS3003 Anvendt statistisk dataanalyse i samfunnsvitenskap Forelesingsnotat 08. Erling Berge Institutt for sosiologi og statsvitenskap NTNU
SOS3003 Anvendt statistisk dataanalyse i samfunnsvitenskap Forelesingsnotat 08 Erling Berge Institutt for sosiologi og statsvitenskap NTNU Erling Berge 2004 1 Manglande data Forelesing VIII Allison, Paul
Medisinsk statistikk, del II, vår 2008 KLMED Lineær regresjon, Rosner Regresjon?
Medssk statstkk, del II, vår 008 KLMED 8005 Erk Skogvoll Førsteamauess dr. med. Ehet for Avedt klsk forskg Det medsske fakultet Leær regresjo, Roser..6 Bakgru (.) Modell (.) Estmerg av parametre modelle
Medisinsk statistikk, del II, vår 2009 KLMED 8005
Medssk statstkk, del II, vår 009 KLMED 8005 Erk Skogvoll Førsteamauess dr. med. Ehet for Avedt klsk forskg Det medsske fakultet Leær regresjo, Roser..6 Bakgru (.) Modell (.) Estmerg av parametre modelle
Notasjoner, gjennomsnitt og kvadratsummer. Enveis ANOVA, modell. Flere enn to grupper. Enveis variansanalyse (One-way ANOVA, fixed effects model)
Enves varansanalyse (One-way ANOVA, fxed effects model Reaptulerng av t-testen for uavhengge utvalg fra to grupper, G og G : Observasjoner fra G : Y N(, σ j, j=,,...,n Observasjoner fra G : Y N(, σ, j=,,...,n
2007/30. Notater. Nina Hagesæther. Notater. Bruk av applikasjonen Struktur. Stabsavdeling/Seksjon for statistiske metoder og standarder
007/30 Notater Nna Hagesæter Notater Bruk av applkasjonen Struktur Stabsavdelng/Seksjon for statstske metoder og standarder Innold 1. Innlednng... 1.1 Hva er Struktur, og va kan applkasjonen brukes tl?...
STK1000 Innføring i anvendt statistikk Eksamensdag: Tirsdag 12. desember 2017
Eksamen : STK000 Innførng anvendt statstkk Eksamensdag: Trsdag 2. desember 207 Alle deloppgaver teller lkt vurderngen av besvarelsen. Lkke tl! Dette er et løsnngsforslag. Studenter som har kommet frem
Tema for forelesningen var Carnot-sykel (Carnot-maskin) og entropibegrepet.
FORELESNING I ERMOYNMIKK ONSG 29.03.00 ema for forelesnngen var arnot-sykel (arnot-maskn) og entropbegrepet. En arnot-maskn produserer arbed ved at varme overføres fra et sted med en øy temperatur ( )
SOS3003 Anvendt statistisk dataanalyse i samfunnsvitenskap Forelesingsnotat, vår Erling Berge Institutt for sosiologi og statsvitenskap NTNU
SOS3003 Anvendt statistisk dataanalyse i samfunnsvitenskap Forelesingsnotat, vår 2003 Erling Berge Institutt for sosiologi og statsvitenskap NTNU Vår 2004 Erling Berge 2004 1 Kritikk av regresjon I Forelesing
Econ 2130 uke 19 (HG) Inferens i enkel regresjon og diskrete modeller
Eco 3 uke 9 (HG) Iferes ekel regresjo og dskrete modeller De ekle regresjosmodelle. Resultater fra 5m og 5m for me fra EM på skøyter Heerevee 4. ( er 5m-tde og y 5m-tde sekuder for løper.) Spredgdagram
NÆRINGSSTRUKTUR OG INTERNASJONAL HANDEL
NÆRINGSSTRUKTUR OG INTERNASJONAL HANDEL Norman & Orvedal, kap. 1-5 Bævre & Vsle Generell lkevekt En lten, åpen økonom Nærngsstruktur Skjermet versus konkurranseutsatt vrksomhet Handel og komparatve fortrnn
Ref.: Fall SOS3003 Anvendt statistisk dataanalyse i samfunnsvitenskap Forelesingsnotat 05
SOS3003 Anvendt statistisk dataanalyse i samfunnsvitenskap Forelesingsnotat 05 Erling Berge Institutt for sosiologi og statsvitenskap NTNU Fall 2004 Erling Berge 2004 1 Forelesing V Kritikk av regresjon
Masteroppgave i statistikk. GAMLSS-modeller i bilforsikring. Hallvard Røyrane-Løtvedt Kandidatnr. 160657
Masteroppgave statstkk GAMLSS-modeller blforskrng Hallvard Røyrane-Løtvedt Kanddatnr. 160657 UNIVERSITETET I BERGEN MATEMATISK INSTITUTT Veleder: Hans Julus Skaug 1. Jun 2012 1 GAMLSS-modeller blforskrng
Forelesning 4 og 5 MET3592 Økonometri ved David Kreiberg Vår 2011
Løsnnger lle oppgaver er merket ut fra vanskelghetsgrad på følgende måte: * Enkel ** Mddels vanskelg *** Vanskelg Hypotesetestng testng av enkelthypoteser Oppgave 1.* Når v tester enkelthypoteser ved hjelp
som vi ønsker å si noe om basert på data Eksempel. Uid-modellen: X1, X ,,,
HG Eco30 07 9/3-07 Supplemet tl forelesg uke 0 (6 mars) (Det jeg kke rakk å ta på forelesg) Termolog (estmerg) Data (kokrete tall), x, x, er ervasjoer av stokastske varable, X, X, De statstske modelle
SOS3003 Eksamensoppgåver
SOS33 Eksamensoppgåver Oppgåve 2 gitt hausten 2 Erling Berge Erling Berge Haust 2 OPPGÅVE 2I tabellvedlegget til oppgåve 2 er det estimert 6 modellar av eiga inntekt (E.inntekt). a) Ta utgangspunkt i modell
Løsningsforslag ST2301 Øving 8
Løsnngsforslag ST301 Øvng 8 Kapttel 4 Exercse 1 For tre alleler, fnn et sett med genfrekvenser for to populasjoner, som gr flere heterozygoter enn forventa utfra Hardy-Wenberg-andeler for mnst én av de
EKSAMENSOPPGAVE I SØK1004 STATISTIKK FOR ØKONOMER STATISTICS FOR ECONOMISTS
NTNU Norges teknsk-naturvtenskapelge unverstet Insttutt for samfunnsøkonom EKSAMENSOPPGAVE I SØK004 STATISTIKK FOR ØKONOMER STATISTICS FOR ECONOMISTS Faglg kontakt under eksamen: Hldegunn E Stokke Tlf:
INF 2310 Digital bildebehandling
INF 30 Dgtal bldebehandlng FORELESNING 4 GRÅONE-RANSFORMASJONER Frtz Albregtsen emaer dag Hstogrammer Lneære gråtonetransformer t Standardserng av blder med lneær transform Ikke-lneære, parametrske transformer
Magnetisk nivåregulering. Prosjektoppgave i faget TTK 4150 Ulineære systemer. Gruppe 4: Rune Haugom Pål-Jørgen Kyllesø Jon Kåre Solås Frode Efteland
Magnetsk nvåregulerng Prosjektoppgave faget TTK 45 Ulneære systemer Gruppe 4: Rune Haugom Pål-Jørgen Kyllesø Jon Kåre Solås Frode Efteland Innholdsfortegnelse Innholdsfortegnelse... Innlednng... Oppgave
Notater. Anna-Karin Mevik. Estimering av månedlig omsetning innenfor bergverksdrift og industri 2008/57. Notater
008/57 Notater Anna-Karn Mevk Notater Estmerng av månedlg omsetnng nnenfor bergverksdrft og ndustr Stabsavdelngen/Seksjon for statstske metoder og standarder 1. Innlednng.... Omsetnngsstatstkken for ndustren...
Løsningskisse for oppgaver til uke 15 ( april)
HG Aprl 01 Løsnngsksse for oppgaver tl uke 15 (10.-13. aprl) Innledende merknad. Flere oppgaver denne uka er øvelser bruk av den vktge regel 5.0, som er sentral dette kurset, og som det forventes at studentene
NA Dok. 52 Angivelse av måleusikkerhet ved kalibreringer
Sde: av 7 orsk akkredterng Dok.d.: VII..5 A Dok. 5: Angvelse av måleuskkerhet ved kalbrernger Utarbedet av: Saeed Behdad Godkjent av: ICL Versjon:.00 Mandatory/Krav Gjelder fra: 09.05.008 Sdenr: av 7 A
Forelesning 19 og 20 Regresjon og korrelasjons (II)
STAT111 Statstkk Metoder Yushu.L@ub.o Forelesg 19 og 0 Regresjo og korrelasjos (II) 1. Kofdestervall (CI) og predksjostervall (PI) I uka 14, brukte v leær regresjo for å fage leær sammehege mellom Y og
Balanserte søketrær. AVL-trær. AVL-trær. AVL-trær høyde AVL AVL. AVL-trær (Adelson-Velskii og Landis, 1962) Splay-trær (Sleator og Tarjan, 1985)
alanserte søketrær VL-trær Et bnært tre er et VL-tre hvs ølgende holder: VL-trær delson-velsk og Lands, 96 play-trær leator og Tarjan, 98. orskjellen høyde mellom det høyre og det venstre deltreet er maksmalt,
Dynamisk programmering. Hvilke problemer? Overlappende delproblemer. Optimalitetsprinsippet
Dynamsk programmerng Hvlke problemer? Metoden ble formalsert av Rchard Bellmann (RAND Corporaton) på -tallet. Har ngen tng med programmerng å gøre. Dynamsk er et ord som kan aldr brukes negatvt. Skal v
EKSAMENSOPPGAVE I SØK3515 MIKRO- OG PANELDATAØKONOMETRI MICRO AND PANEL DATA ECONOMETRICS
NTNU Norges teknsk-naturvtenskapelge unverstet Insttutt for samfunnsøkonom EKSAMENSOPPGAVE I SØK3515 MIKRO- OG PANELDATAØKONOMETRI MICRO AND PANEL DATA ECONOMETRICS Faglg kontakt under eksamen: Bjarne
Oversikt over tester i Econ 2130
HG Revdert aprl 2 Overskt over tester Eco 23 La θ være e ukjet parameter (populasjos-størrelse e statstsk modell. Uttrykket ukjet parameter betyr at de sae verde av θ populasjoe er ukjet. Når v setter
Formler og regler i statistikk ifølge lærebok Gunnar Løvås: Statistikk for universiteter og høgskoler
Formler og regler statstkk følge lærebok Guar Løvås: tatstkk for uversteter og høgskoler Kap. Hva er fakta om utvalget etralmål Meda: mdterste verd etter sorterg Modus: hyppgst forekommede verd Gjeomstt:
SIF5072 Stokastske prosesser Sde 2 av 6 b) Hva vl det s at en Markov-kjede er rredusbel? Er Markov-kjeden fx n g denne oppgaven rredusbel? Er den aper
Norges teknsk naturvtenskapelge unverstet Insttutt for matematske fag Sde 1 av 6 Faglg kontakt under eksamen: Bo Lndqvst 73 59 35 20 EKSAMEN I FAG SIF5072 STOKASTISKE PROSESSER Mandag 13. august 2001 Td:
Eksamen i emne SIB8005 TRAFIKKREGULERING GRUNNKURS
Sde 1 av 5 NORGES TEKNISK-NATURVITENSKAPELIGE UNIVERSITET Fakultet for bygg- og mljøteknkk INSTITUTT FOR SAMFERDSELSTEKNIKK Faglg kontakt under eksamen: Navn Arvd Aakre Telefon 73 59 46 64 (drekte) / 73
Veiledning til obligatorisk oppgave i ECON 3610/4610 høsten N. Vi skal bestemme den fordeling av denne gitte arbeidsstyrken som
Jon sle; oktober 07 Ogave a. elednng tl oblgatorsk ogave ECO 60/60 høsten 07 har nå at samlet arbedskraftmengde er gtt lk, slk at ressurskravet er. skal bestemme den fordelng av denne gtte arbedsstyrken
Fast valutakurs, selvstendig rentepolitikk og frie kapitalbevegelser er ikke forenlig på samme tid
Makroøkonom Publserngsoppgave Uke 48 November 29. 2009, Rev - Jan Erk Skog Fast valutakurs, selvstendg rentepoltkk og fre kaptalbevegelser er kke forenlg på samme td I utsagnet Fast valutakurs, selvstendg
Arbeid og potensiell energi
Arbed og potensell energ 4.3.5 Mdtveseksamen: 6.3. Pensum: Kap. boken flere lærer på data-lab YS-MEK 4.3.5 Konservatve krefter: v kan fnne en potensalfunksjon slk at: d d energbevarng vertkal kast: mg
Statistikk og økonomi, våren 2017
Statstkk og økonom, våren 7 Oblgatorsk oppgave Løsnngsforslag Oppgave Anta at forbruket av ntrogen norsk landbruk årene 987 99 var følgende målt tonn: 987: 9 87 988: 8 989: 8 99: 8 99: 79 99: 87 99: 9
Norske CO 2 -avgifter - differensiert eller uniform skatt?
Norske CO 2 -avgfter - dfferensert eller unform skatt? av Sven Egl Ueland Masteroppgave Masteroppgaven er levert for å fullføre graden Master samfunnsøkonom Unverstetet Bergen, Insttutt for økonom Oktober
Arbeid og potensiell energi
Arbed og potensell energ 5.3.4 YS-MEK 5.3.4 Konservatve krefter: v kan fnne en potensalfunksjon slk at: d d energbevarng vertkal kast: mg d d mg fjær: k d k d atom krstall: b cos b b d d sn b YS-MEK 5.3.4
Seleksjon og uttak av alderspensjon fra Folketrygden
ato: 07.01.2008 aksbehandler: DH Seleksjon og uttak av alderspensjon fra Folketrygden Dette notatet presenterer en enkel framstllng av problemet med seleksjon mot uttakstdpunkt av alderspensjon av folketrygden.
Eksamensoppgave i SØK2900 Empirisk metode Empirical methods in Economics
Insttutt for samfunnsøkonom Eksamensoppgave SØK2900 Emprsk metode Emprcal methods n Economcs Faglg kontakt under eksamen: Lars-Erk Borge Tlf.: 73 59 19 41 Eksamensdato: 5. jun 2013 Eksamenstd: 4 tmer Sensurdato:
Notater. Marie Lillehammer. Usikkerhetsanalyse for utslipp av farlige stoffer 2009/30. Notater
009/30 Notater Mare Lllehammer Notater Uskkerhetsanalyse or utslpp av arlge stoer vdelng or IT og metode/seksjon or statstske metoder og standarder Innhold 1. Bakgrunn og ormål.... Metode....1 Fastsettelse
Alderseffekter i NVEs kostnadsnormer. - evaluering og analyser
Alderseffekter NVEs kostnadsnormer - evaluerng og analyser 2009 20 06 20 10 20 10 20 10 21 2011 20 10 20 10 20 10 20 10 20 10 20 10 20 10 20 10 20 10 R A P P O R T 20 10 20 10 20 10 20 10 20 10 20 10 20
TMA4245 Statistikk Eksamen mai 2016
Norges teksk-aturvteskapelge uverstet Isttutt for matematske fag Løsgssksse Oppgave a) Lar X være kvadratprse. Har da at X N(µ, σ 2 ), med µ 30 og σ 2 2, 5 2. P (X < 30) P (X < µ) 0.5 ( X 30 P (X > 25)
SOS3003 Eksamensoppgåver
SOS33 Eksamensoppgåver Gjennomgang våren 24 Erling Berge Vår 24 Gjennomgang av Oppgåve 2 gitt hausten 2 Vår 24 2 Haust 2 OPPGÅVE 2I tabellvedlegget til oppgåve 2 er det estimert 6 modellar av eiga inntekt
SOS3003 Eksamensoppgåver
SOS3003 Eksamensoppgåver Gjennomgang våren 2004 Erling Berge Gjennomgang av Oppgåve 1 gitt hausten 2003 Haust 2003 Oppgåve 1 Den avhengige variabelen i regresjonsanalysen er en skala (indeks) for tillit
SOS3003 Anvendt statistisk dataanalyse i samfunnsvitenskap Forelesingsnotat 06. Erling Berge Institutt for sosiologi og statsvitenskap NTNU
SOS33 Anvendt statistisk dataanalyse i samfunnsvitenskap Forelesingsnotat 6 Erling Berge Institutt for sosiologi og statsvitenskap NTNU Erling Berge 24 1 Forelesing VI Kritikk av regresjon II Hamilton
Forelesning 25 og 26 Introduksjon til Bayesiansk statistikk
Yushu.@hh.o Forelesg 5 og 6 Itroduksjo tl Bayesask statstkk 1. Itroduksjo Fortsatt atar v har stokastsk varabel X (X ka være stokastsk varabel vektor) kommer fra e fordelg med parametere ( ka være parameter
IT1105 Algoritmer og datastrukturer
Løsnngsforslag, Eksamen IT1105 Algortmer og datastrukturer 1 jun 2004 0900-1300 Tllatte hjelpemdler: Godkjent kalkulator og matematsk formelsamlng Skrv svarene på oppgavearket Skrv studentnummer på alle
UNIVERSITETET I OSLO ØKONOMISK INSTITUTT
Eksamen : ECON0 Statstkk Exam: ECON0 Statstcs UNIVERSITETET I OSLO ØKONOMISK INSTITUTT Eksamensdag: Onsdag. ma 007 Sensur kunngjøres: Onsdag. jun Date of exam: Wednesday, May, 007 Grades wll be gven: Wednesday,
Auksjoner og miljø: Privat informasjon og kollektive goder. Eirik Romstad Handelshøyskolen Norges miljø- og biovitenskapelige universitet
Auksjoner og mljø: Prvat nformasjon og kollektve goder Erk Romstad Handelshøyskolen Auksjoner for endra forvaltnng Habtatvern for bologsk mangfold Styresmaktene lyser ut spesfserte forvaltnngskontrakter
Eksamen ECON 2200, Sensorveiledning Våren Deriver følgende funksjoner. Deriver med hensyn på begge argumenter i e) og f).
Eksamen ECON 00, Sensorvelednng Våren 0 Oppgave (8 poeng ) Derver følgende funksjoner. Derver med hensyn på begge argumenter e) og f). (Ett poeng per dervasjon, dvs, poeng e og f) a) f( x) = 3x x + ln
Oppvarming og innetemperaturer i norske barnefamilier
Ovarmng og nnetemeraturer norske barnefamler En analyse av husholdnngenes valg av nnetemeratur Henrette Brkelund Masterogave samfunnsøkonom ved Økonomsk Insttutt UNIVERSITETET I OSLO 13.05.2013 II ) Ovarmng
UNIVERSITETET I OSLO ØKONOMISK INSTITUTT
UNIVERSITETET I OSLO ØKONOISK INSTITUTT Eksamen : ECON35/45 Elementær økonometr Exam: ECON35/45 Introductory econometrcs Eksamensdag: redag 2. ma 25 Sensur kunngjøres: andag 3. jun ate of exam: rday, ay
En teoretisk studie av tv-markedets effisiens
NORGES HANDELSHØYSKOLE Bergen, våren 007 Utrednng fordypnng: Økonomsk analyse Veleder: Hans Jarle Knd En teoretsk stude av tv-markedets effsens av Odd Hennng Aure og Harald Nygård Bergh Denne utrednngen
Notat 1: Grunnleggende statistikk og introduksjon til økonometri
Notat : Gruleggede statstkk og troduksjo tl økoometr Gruleggede statstkk Populasjo vs. utvalg Statstsk feres gjør bruk av formasjoe et utvalg tl å trekke koklusjoer (el. slutger) om populasjoe som utvalget
Kontraktstildeling med mindre prisfokus
Kontraktstldelng med mndre prsfokus Anskaffelsesstrateger Entreprsekjøp Oktober 014 Dr. ng Øysten H. Meland Dr. ng Øysten Meland Dr. ng Øysten Meland 3 Brukermedv./ programmerng Partnerng Kun egen spesaltet
SNF-rapport nr. 23/05
Sykefravær offentlg og prvat sektor av Margt Auestad SNF-prosjekt nr. 4370 Endrng arbedsforhold Norge Prosjektet er fnansert av Norges forsknngsråd SAMFUNNS- OG NÆRINGSLIVSFORSKNING AS BERGEN, OKTOBER
Arbeid og potensiell energi
Arbed og potensell energ.3.7 YS- MEK.3.7 Konservatve krefter: v kan fnne en potensalfunksjon slk at: d energbevarng vertkal kast: mg d mg fjær: k k d atom krstall: b π cos π b b d π sn b YS- MEK.3.7 kraft
Oppgave 3, SØK400 våren 2002, v/d. Lund
Oppgave 3, SØK400 våren 00, v/d. Lnd En bonde bonde dyrker poteter. Hvs det blr mldvær, blr avlngen 0. Hvs det blr frost, blr avlngen. Naboen bonde, som vl være tsatt for samme vær, dyrker også poteter,