Utforsking av sjeldne og ukjente belastninger i ekstremt vær: Betydning av eksperimentelle studier

Størrelse: px
Begynne med side:

Download "Utforsking av sjeldne og ukjente belastninger i ekstremt vær: Betydning av eksperimentelle studier"

Transkript

1 Utforsking av sjeldne og ukjente belastninger i ekstremt vær: Betydning av eksperimentelle studier Carl Trygve Stansberg, Trondheim 1 Uvær - Store bølger Oseberg GBS plattform (Nordsjøen), Nov 2006 (Kilde: Teknisk Ukeblad

2 Oseberg GBS plattform (Nordsjøen), Nov 2006 (Kilde: Teknisk Ukeblad - (Fra: MMS 3 Innhold - Bakgrunn: Utforsking av sjeldne / ekstreme hendelser til havs - Modellskala eksperimenter - Undersøke fysiske mekanismer i høye bølger - Estimere ekstrem last og respons fra modelltester 4 2

3 Utforsking av sjeldne / ekstreme hendelser til havs Mer kunnskap om fysisk havmiljø (bølger, strøm, vind), og resulterende laster på skip og marine konstruksjoner, er viktig: - Økte aktiviter i utsatte områder - Ukjente forhold i nye områder? - Nye løsninger utvikles - Mulig klimaforverring mer uvær på havet? 5 Ekstreme hendelser - Nye (og eksisterende) installasjoner /skip må konstrueres så de tåler forventede ekstreme laster - Sjeldne (selvsagt) begrenset tilgang på virkelige observasjoner - Fysiske mekanismer forskjellig fra dem i moderat sjø? Hvor godt fungerer tilgjengelige teoretiske modeller? - Probabilistiske metoder trengs hvilke sannsynlighetsfordelinger gjelder? Modellskala eksperimenter kan gi verdifull kunnskap og forståelse 6 3

4 Teoretiske hydrodynamiske modeller og eksperimenter: - Teoretiske/numeriske modeller langt mer avanserte i dag enn for år siden - Skyldes flere ting: Kraftigere og bedre datamaskiner; nye metoder og teoretisk innsikt; læring fra eksperimenter og fullskala - Håndterer moderate forhold bra - Ekstreme / komplekse situasjoner trenger eksperimentell verifikasjon - noen ganger må man stole på kun eksperimenter - Nye modeller, for eksempel CFD, må valideres mot eksperimenter - Bruk av modellforsøk også anbefalt i NORSOK for noen laster 7 Modellskala eksperimenter - Skrogmodell med tilhørende utstyr (eks. ankerliner og stigerør) - Modellering av ekstreme bølger, strøm og vind - Måleinstrumenter; video - Hvilken skala? Typisk 1:30 1:100 - Skaleringslover / Froude s lov - Noen forenklinger må gjøres. Fokusere på de viktigste mekanismer - Modellforsøk er ikke identisk med virkeligheten; data må brukes korrekt i forhold til hva som er modellert 8 4

5 Eksempel: Instrumentering for å måle vann på dekk og slamming 9 Ultra småskala-testing: Sammenligning av tester i 3 skalaer 10 5

6 RAO & Phase Tension vs. fairlead motion Scales 1:55 1:100 1:150 RAO Motion vs. wave Scales 1:55 1:100 1: Undersøke fysiske mekanismer i høye bølger Eksempler: - Slaglaster p.g.a. grønt vann på baug og dekksinstallasjoner - Oppskylling og bølgeslag i plattformdekk og på overhengende utstyr - Store saktevarierende driftbevegelser i høye bølger -Ekstreme ankerlinelinestrekk - Høyere ordens bølgelaster på søylekonstruksjoner (kan føre til for eksempel ringing ) Felles for all disse: Ikke-lineære prosesser, dvs. man kan ikke bruke standard antagelse om normalfordelte prosesser for å estimere ekstremverdier 12 6

7 Fra video-opptak av ekstrem hendelse / grønn sjø (FPSO i 100-års storm) 13 Kameravinkel fra broa: Sammenligning med og uten skansekledning (uvanlig steil og energirik bølgetopp) 14 7

8 Test av nytt flyterkonsept i års bølge (Hs=20m, Tp=16.5s) - SEVAN 15 Eksempel på forankret plattform i store bølger 16 8

9 Bølgeslag i stor bølge November, Forenklede tester i en liten glasstank høyhastighetskamera Bølgen treffer dekket Bølgen slipper dekket 18 9

10 Lokal bølgeforsterkning foran en enkel søyle 19 Hastighetsfelt foran søyle: Sammenligning Particle Imaging Velocimetry (PIV) mot avanserte CFD-beregninger PIV CFD (VOF) 20 10

11 Bølgeforsterkning mellom 4 søyler (Norsk Hydro / / WaveLand 2 JIP 21 Statfjord A GBS model: Test in high regular wave (H=40m, T=17s) (1) 22 11

12 Statfjord A GBS model: Test in high regular wave (H=40m, T=17s) (2) 23 Måling av bølgeslag i dekk ekstreme bølger T=17s, H=40m, 270deg, ηdeck=21.7m Total z-kraft Lokal slamming-kraft i front horizontal vertical Water entry Water exit 24 12

13 TLP i års bølger 25 Eksempel på ekstrem oppskylling på GBS terminal - grunt vann 26 13

14 Eksempel på bølgeslag i tank (sloshing) Ekstreme ankerlinekrefter Ringing på TLP i steil bølge 14

15 Estimere ekstrem last og respons fra modelltester - For sterkt ikke-lineære fenomener (for eksempel bølgeslag): Ekstremverdier for design bestemmes av og til direkte fra modelltester ved probabilistiske metoder - Standard antagelse om normalfordelte prosesser kan ikke benyttes; informasjon om fordelingen må finnes empirisk - Graden av ikke-linearitet er avgjørende for de statistiske egenskaper, som igjen er bestemmende for ekstremene. Dette illustreres i en forenklet versjon i det følgende: 29 En forenklet fremstilling av forskjellige typer mekanismer: Lineær Y=X Svakt ikke-lineær Y=X**2 Y=X**4 12 Y=f(X) ,2 0,4 0,6 0,8 1 1,2 1,4 1,6 1,8 2 2,2 2,4 2,6 2,8 X (normalisert) (X kan være for eksempel bølgehøyde) 30 15

16 Resulterende sannsynlighets-modeller for underliggende prosess: Sannsynlighetstettheter; 4 forskjellige modeller 2 1,8 1,6 Normalfordelingen Svakt ikke-lineær prosess Eksponentialfordelingen Sterkt ikke-lineær (x**4) 1,4 1,2 p(y) 1 0,8 0,6 0,4 0, y (normalisert) 31 Zoom-in på halen i fordelingene (sannsynlighet av ekstrem-verdier): Sannsynlighetstettheter; zoom-in 0,05 0,04 Normalfordelingen Svakt ikke-lineær prosess Eksponentialfordelingen Sterkt ikke-lineær (x**4) 0,03 p(y) 0,02 0, y (normalisert) 32 16

17 -I sterkt ikke-lineære tilfeller kan ekstremverdier være mange ganger høyere enn for normalfordelte prosesser med samme standardavvik - I tillegg er også den statistiske usikkerheten mye høyere - For å finne ekstrem-fordelingen fra forsøk: Stormer med lang varighet simuleres (for eksempel 50 timer) - De største toppene brukes til å estimere 3-timers ekstremfordeling, og 90% fraktil-nivå brukes ofte for design 33 Konklusjon, oppsummering - Fremtidens løsninger krever at vi må ta hensyn til hendelser i sterke stormer, bl.a. p.g.a. muligheten for forverret klima - Viktig å lære mer om de sjeldne, men kritiske fenomener som kan oppstå - Mekanismer og statistiske egenskaper kan avvike fra dem i moderat sjø - Lærdom fra nøye planlagte eksperimenter er nyttig, og noen ganger nødvendig. - Både visuell og kvantitativ info - Eksperimenter kombinert med probabilistiske metoder kan brukes for ekstremverdier i design - Mer avanserte regneverktøy utvikles også. En optimal kombinasjon med eksperimenter er viktig

18 Takk til samarbeidpartnere bak studiene, spesielt StatoilHydro og WaveLand JIP. Også takk til kolleger som har deltatt i å frembringe disse resultatene

Bruk av CFD innen marin hydrodynamikk

Bruk av CFD innen marin hydrodynamikk Bruk av CFD innen marin hydrodynamikk Seminar om konstruksjonssikkerhet Petroleumstilsynet 25. aug 2010 Tone M. Vestbøstad, Statoil 1 - Classification: Internal 2010-08-11 Oversikt Hva er CFD? Hvorfor

Detaljer

Utfordringer med bølger i dekk på faste og flytende konstruksjoner

Utfordringer med bølger i dekk på faste og flytende konstruksjoner Utfordringer med bølger i dekk på faste og flytende konstruksjoner Petroleumstilsynets Konstruksjonsdag 30.08 2016 Classification: Internal 2016-04-22 Innledning Grønn sjø på FPSO Bølge i dekk på jackets

Detaljer

Endringer i byggeforskriften Innføring av krav

Endringer i byggeforskriften Innføring av krav Endringer i byggeforskriften Innføring av 10-4 -krav Andreas Otterå Behov for endringer Gap i sikkerhetsnivå avhengig av hvilken MOU-klasseinstitusjon som ble valgt. Tiltak fra læringen etter COSL Innovator

Detaljer

OLF Livbåtprosjekt Status og teknologisk utvikling

OLF Livbåtprosjekt Status og teknologisk utvikling OLF Livbåtprosjekt Status og teknologisk utvikling Teknas Beredskapsseminar 2008 Molde, 24. september 2008 Dennis L. Dickhausen, prosjektleder OLF LBP2 OLF Livbåtprosjekt Agenda Bakgrunn LBP1 LBP2 Teknologisk

Detaljer

Hydrodynamikk MAS 116 Vår 2019

Hydrodynamikk MAS 116 Vår 2019 Hydrodynamikk (1600-1700 tallet): Vannbevegelse; læren om væskers (gassers) bevegelse Hydrodynamikk MAS 116 Vår 2019 Eksempel på virveldannelse bak et legeme i strømmende væske (Kármáns virvelgate). Thore

Detaljer

Kap. 6.1: Fordelingen til en observator og stok. simulering

Kap. 6.1: Fordelingen til en observator og stok. simulering Kap. 6.1: Fordelingen til en observator og stok. simulering Data, observatorer og relaterte fordelinger. Stokastisk simulering. Illustrasjon: - Sammenligning av jury bedømmelser i idrett. Fra data til

Detaljer

Hvordan krysse en fjord? NTNU Forskning relatert til ferjefri E39

Hvordan krysse en fjord? NTNU Forskning relatert til ferjefri E39 Hvordan krysse en fjord? NTNU Forskning relatert til ferjefri E39 Ole Øiseth Dep. of Structural Engineering 1 Fjordkryssinger ferjefri E39 Halsafjorden, 2 km, 5-600 m Julsundet, 1,6 km, 5-600 m Romsdalsfjorden,

Detaljer

Interaksjon mellom not og utspilingssystem

Interaksjon mellom not og utspilingssystem Interaksjon mellom not og utspilingssystem Prosjekt finansiert av Fiskeri og havbruksnæringens forskningsfond (2012 2013) Arne Fredheim SINTEF Fiskeri og havbruk 1 Innledning Prosjektet en videreføring

Detaljer

Begrenset Fortrolig. T-1 Arne Kvitrud. Deltakere i revisjonslaget Arne Kvitrud, Narve Oma, Audun Kristoffersen og Morten Langøy 12.6.

Begrenset Fortrolig. T-1 Arne Kvitrud. Deltakere i revisjonslaget Arne Kvitrud, Narve Oma, Audun Kristoffersen og Morten Langøy 12.6. Tilsynsrapport Rapport Rapporttittel Oppgave 001532027 - rapport etter tilsyn med Johan Castberg om prosjektering og verifikasjon av sjøis mot skroget Aktivitetsnummer 049316008 Gradering Offentlig Unntatt

Detaljer

Statistikk og dataanalyse

Statistikk og dataanalyse Njål Foldnes, Steffen Grønneberg og Gudmund Horn Hermansen Statistikk og dataanalyse En moderne innføring Kapitteloversikt del 1 INTRODUKSJON TIL STATISTIKK Kapittel 1 Populasjon og utvalg 19 Kapittel

Detaljer

Ekstreme bølger. Geir Storvik Matematisk institutt, Universitetet i Oslo. 5. mars 2014

Ekstreme bølger. Geir Storvik Matematisk institutt, Universitetet i Oslo. 5. mars 2014 Ekstreme bølger Geir Storvik Matematisk institutt, Universitetet i Oslo 5. mars 2014 Bølger Timesvise max-bølger ved bøye utenfor østkyst av USA (17/12/1991-23/2-1992) Størrelse på bølger varierer sterkt

Detaljer

The Ocean Space Centre

The Ocean Space Centre The Ocean Space Centre Hvor historikk og framtid samles i ny forskning Haugesund-konferansen 2014 5. Februar 2014 Direktør Oddvar Aam MARINTEK Oddvar.Aam@marintek.sintef.no Til refleksjon og ettertanke

Detaljer

)RUVNQLQJVPHWRGLNNLQQHQ.XQVWLJLQWHOOLJHQV

)RUVNQLQJVPHWRGLNNLQQHQ.XQVWLJLQWHOOLJHQV .XQVWLJLQWHOOLJHQV01),7 )RUHOHVQLQJ Emner: )RUVNQLQJVPHWRGLNNLQQHQ.XQVWLJLQWHOOLJHQV - Revidert definisjon - AI som empirisk vitenskap - Kognitiv vitenskap som metodisk tilnærming - Epistemologiske problemer

Detaljer

Frittfallivbåtprosjektet perioden 2010-2011 Oppsummering

Frittfallivbåtprosjektet perioden 2010-2011 Oppsummering Frittfallivbåtprosjektet perioden 2010-2011 Oppsummering Fremdrift Slag mot skrog Slag mot skrog kronologisk oppsummering 2010 Juni: OLF slamminggruppe opprettet August: Ekstern eksperthjelp på materialer/analyse

Detaljer

Denne uken: kap. 6.1-6.2-6.3: Introduksjon til statistisk inferens. - Konfidensintervall - Hypotesetesting - P-verdier - Statistisk signifikans

Denne uken: kap. 6.1-6.2-6.3: Introduksjon til statistisk inferens. - Konfidensintervall - Hypotesetesting - P-verdier - Statistisk signifikans Denne uken: kap. 6.1-6.2-6.3: Introduksjon til statistisk inferens - Konfidensintervall - Hypotesetesting - P-verdier - Statistisk signifikans VG 25/9 2011 Statistisk inferens Mål: Trekke konklusjoner

Detaljer

LNG skip fra Statfjord B i 1979

LNG skip fra Statfjord B i 1979 Instituttets utvikling i en skiftende verden LNG skip fra 1970 Verdens største tankskip ble bygd på Rosenberg i 1951 Statfjord B i 1979 O. M. Faltinsen Institutt for Marin Teknikk NTNU Fra skip til kyst-

Detaljer

Innhold. Del 1 Grunnleggende begreper og prinsipper... 39

Innhold. Del 1 Grunnleggende begreper og prinsipper... 39 Innhold Kapittel 1 Vitenskap: grunnleggende antakelser... 13 Hva er vitenskap?... 14 Psykologi som vitenskap: tre tradisjoner... 17 Forutsetninger vitenskap bygger på... 21 Siktemål med forsk ning... 22

Detaljer

Quo vadis prosessregulering?

Quo vadis prosessregulering? Quo vadis prosessregulering? Morten Hovd PROST industrimøte Granfos, 24. Januar 2001 PROST Industrimøte, Granfos, 24. januar 2001 Hvor står vi? Et subjektivt bilde PROST Industrimøte, Granfos, 24. januar

Detaljer

Denne uken: kap : Introduksjon til statistisk inferens. - Konfidensintervall - Hypotesetesting - P-verdier - Statistisk signifikans

Denne uken: kap : Introduksjon til statistisk inferens. - Konfidensintervall - Hypotesetesting - P-verdier - Statistisk signifikans Denne uken: kap. 6.1-6.2-6.3: Introduksjon til statistisk inferens - Konfidensintervall - Hypotesetesting - P-verdier - Statistisk signifikans VG 25/9 2011 Statistisk inferens Mål: Trekke konklusjoner

Detaljer

Forelesning 23 og 24 Wilcoxon test, Bivariate Normal fordeling

Forelesning 23 og 24 Wilcoxon test, Bivariate Normal fordeling Forelesning 23 og 24 Wilcoxon test, Bivariate Normal fordeling Wilcoxon Signed-Rank Test I uke, bruker vi Z test eller t-test for hypotesen H:, og begge tester er basert på forutsetningen om normalfordeling

Detaljer

Introduksjon Regulær bølgeteori

Introduksjon Regulær bølgeteori Introduksjon Regulær bølgeteori Beskrive / matematisk modell for en regulær bølge basert på lineær bølgeteori. Lineær bølgeteori: proporsjonalitet i bølgehøyde/bølge amplitude Senere > irregulær bølgeteori

Detaljer

Utvalgsfordelinger. Utvalg er en tilfeldig mekanisme. Sannsynlighetsregning dreier seg om tilfeldige mekanismer.

Utvalgsfordelinger. Utvalg er en tilfeldig mekanisme. Sannsynlighetsregning dreier seg om tilfeldige mekanismer. Utvalgsfordelinger Vi har sett at utvalgsfordelinger til en statistikk (observator) er fordelingen av verdiene statistikken tar ved mange gjenttatte utvalg av samme størrelse fra samme populasjon. Utvalg

Detaljer

Kapittel 1 Vitenskap: grunnleggende antakelser

Kapittel 1 Vitenskap: grunnleggende antakelser Innholdsfortegnelse Kapittel 1 Vitenskap: grunnleggende antakelser... 13 Hva er vitenskap?... 14 Psykologi som vitenskap: tre tradisjoner... 17 Forutsetninger vitenskap bygger på... 21 Siktemål med forskning...

Detaljer

Norconsult AS Trekanten, Vestre Rosten 81, NO-7075 Tiller Notat nr.: 1 Tel: +47 72 89 37 50 Fax: +47 72 88 91 09 Oppdragsnr.

Norconsult AS Trekanten, Vestre Rosten 81, NO-7075 Tiller Notat nr.: 1 Tel: +47 72 89 37 50 Fax: +47 72 88 91 09 Oppdragsnr. Til: Trygve Isaksen Fra: Arne E Lothe Dato: 2013-11-20 Bølge-effekter på revidert utbygging ved Sanden, Larvik BAKGRUNN Det er laget reviderte planer for utbygging ved Sanden i Larvik. I den forbindelse

Detaljer

Introduksjon til inferens

Introduksjon til inferens Introduksjon til inferens Hittil: Populasjon der verdien til et individ/enhet beskrives med en fordeling. Her inngår vanligvis ukjente parametre, μ, p,... Enkelt tilfeldig utvalg (SRS), observator p =

Detaljer

TMA4240 Statistikk Høst 2016

TMA4240 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

Detaljer

6.2 Signifikanstester

6.2 Signifikanstester 6.2 Signifikanstester Konfidensintervaller er nyttige når vi ønsker å estimere en populasjonsparameter Signifikanstester er nyttige dersom vi ønsker å teste en hypotese om en parameter i en populasjon

Detaljer

Simulering med Applet fra boken, av z og t basert på en rekke utvalg av en gitt størrelse n fra N(μ,σ). Illustrerer hvordan estimering av variansen

Simulering med Applet fra boken, av z og t basert på en rekke utvalg av en gitt størrelse n fra N(μ,σ). Illustrerer hvordan estimering av variansen Simulering med Applet fra boken, av z og t basert på en rekke utvalg av en gitt størrelse n fra N(μ,σ). Illustrerer hvordan estimering av variansen gir testobservatoren t mer spredning enn testobservatoren

Detaljer

Bedre kalibrerte prognoser med ensembleteknikker

Bedre kalibrerte prognoser med ensembleteknikker Bedre kalibrerte prognoser med ensembleteknikker John Bjørnar Bremnes Kraftrelatert hydrologi, meteorologi og klima, Trondheim, 2008-11-18. Oversikt 1. Bedre oppløsning i LAMEPS (2006) 2. Kalibrering ved

Detaljer

Denne uken: kap : Introduksjon til statistisk inferens. - Konfidensintervall - Hypotesetesting - P-verdier - Statistisk signifikans

Denne uken: kap : Introduksjon til statistisk inferens. - Konfidensintervall - Hypotesetesting - P-verdier - Statistisk signifikans Denne uken: kap. 6.1-6.2-6.3: Introduksjon til statistisk inferens - Konfidensintervall - Hypotesetesting - P-verdier - Statistisk signifikans VG 25/9 2011 Statistisk inferens Mål: Trekke konklusjoner

Detaljer

Aqualine AS. Nytt rømningssikkert konsept Midgard System. akvaarena Rica Hell Hotell 11.April 2013

Aqualine AS. Nytt rømningssikkert konsept Midgard System. akvaarena Rica Hell Hotell 11.April 2013 I norrøn mytologi regjerte Midgardormen over havet. Aqualine har gjort Midgardsormen til et symbol på styrke og soliditet, egenskaper som er grunnleggende for alt vi gjør. Aqualine AS Bredt samarbeide

Detaljer

Seksjon 1.3 Tetthetskurver og normalfordelingen

Seksjon 1.3 Tetthetskurver og normalfordelingen Seksjon 1.3 Tetthetskurver og normalfordelingen Har sett på ulike metoder for å plotte eller oppsummere data ved tall Vil nå starte på hvordan beskrive data ved modeller Hovedmetode er tetthetskurver Tetthetskurver

Detaljer

Kapittel 3: Studieopplegg

Kapittel 3: Studieopplegg Oversikt over pensum Kapittel 1: Empirisk fordeling for en variabel o Begrepet fordeling o Mål for senter (gj.snitt, median) + persentiler/kvartiler o Mål for spredning (Standardavvik s, IQR) o Outliere

Detaljer

Sikring mot stormflo og bølger ved Hanekammen, Henningsvær

Sikring mot stormflo og bølger ved Hanekammen, Henningsvær Til: Fra: Arne E Lothe Dato: 2012-05-22 Sikring mot stormflo og bølger ved Hanekammen, Henningsvær INNLEDNING I forbindelse med gjenoppbygging etter en stormskade på bygninger ved Hanekammen, Henningsvær,

Detaljer

Midgard hvor sikker er rømningssikkert? Sjømatdagene 21 januar 2015

Midgard hvor sikker er rømningssikkert? Sjømatdagene 21 januar 2015 Midgard hvor sikker er rømningssikkert? Sjømatdagene 21 januar 2015 Internasjonal leverandør - Etablert 1980 Aqualine ble stiftet 18. September 1980 Spesialkompetanse 47 faste ansatte, rundt 130 i høyaktivitets

Detaljer

Regelverk og Designmetoder

Regelverk og Designmetoder Classification: Internal Status: Draft Regelverk og Designmetoder Tolking og Konsekvenser Tekna Seminar Dynamisk Posisjonering og Forankring av Flytende Offshore Installasjoner, 26-27 februar 2008 Kjell

Detaljer

Strømmodellering sannhet med modifikasjoner?

Strømmodellering sannhet med modifikasjoner? Morten Omholt Alver Strømmodellering sannhet med modifikasjoner? Hvorfor strømmodellering? Strøm og havdynamikk på alle skala har betydning for oppdrettsvirksomheten Storskala dynamikk legger grunnlaget

Detaljer

STK1000 Uke 36, Studentene forventes å lese Ch 1.4 ( ) i læreboka (MMC). Tetthetskurver. Eksempel: Drivstofforbruk hos 32 biler

STK1000 Uke 36, Studentene forventes å lese Ch 1.4 ( ) i læreboka (MMC). Tetthetskurver. Eksempel: Drivstofforbruk hos 32 biler STK1000 Uke 36, 2016. Studentene forventes å lese Ch 1.4 (+ 3.1-3.3 + 3.5) i læreboka (MMC). Tetthetskurver Eksempel: Drivstofforbruk hos 32 biler Fra histogram til tetthetskurver Anta at vi har kontinuerlige

Detaljer

Trykkrefter - kasse. T=15s

Trykkrefter - kasse. T=15s Trykkrefter - kasse T=15s 1 Bølgekrefter Froude-Kriloff trykket: d Bølgehevning: Velger 2 tidspunkt, t=0 og t=3/4t=11.25s Totale trykket: Hvor p 0 er atmosfæretrykket 2 Trykk krefter på en kasse da=bdz

Detaljer

Notat. Konsekvenser av gjenfylling av havn i Vanvikan INNLEDNING

Notat. Konsekvenser av gjenfylling av havn i Vanvikan INNLEDNING Til: Indre Fosen Kommune Fra: Arne E Lothe Dato 2019-06-06 Konsekvenser av gjenfylling av havn i Vanvikan INNLEDNING Indre Fosen kommune planlegger å etablere en skole i Vanvikan. Skolen vil bli liggende

Detaljer

Inferens i fordelinger

Inferens i fordelinger Inferens i fordelinger Modifiserer antagelsen om at standardavviket i populasjonen σ er kjent Mer kompleks systematisk del ( her forventningen i populasjonen). Skal se på en situasjon der populasjonsfordelingen

Detaljer

TMA4240 Statistikk H2010

TMA4240 Statistikk H2010 TMA4240 Statistikk H2010 Statistisk inferens: 8.1: Tilfeldig utvalg 9.1-9.3: Estimering Mette Langaas Foreleses uke 40, 2010 2 Utfordring Ved en bedrift produseres en elektrisk komponent. Komponenten må

Detaljer

Utfordring. TMA4240 Statistikk H2010. Mette Langaas. Foreleses uke 40, 2010

Utfordring. TMA4240 Statistikk H2010. Mette Langaas. Foreleses uke 40, 2010 TMA4240 Statistikk H2010 Statistisk inferens: 8.1: Tilfeldig utvalg 9.1-9.3: Estimering Mette Langaas Foreleses uke 40, 2010 2 Utfordring Ved en bedrift produseres en elektrisk komponent. Komponenten må

Detaljer

Et lite notat om og rundt normalfordelingen.

Et lite notat om og rundt normalfordelingen. Et lite notat om og rundt normalfordelingen. Anta at vi har kontinuerlige data. Hva er likt og ulikt for histogrammer og fordelingskurver? Observasjoner Histogram Viser fordelingen av faktiske observerte

Detaljer

Kort overblikk over kurset sålangt

Kort overblikk over kurset sålangt Kort overblikk over kurset sålangt Kapittel 1: Deskriptiv statististikk for en variabel Kapittel 2: Deskriptiv statistikk for samvariasjon mellom to variable (regresjon) Kapittel 3: Metoder for å innhente

Detaljer

Kap. 10: Inferens om to populasjoner. Eksempel. ST0202 Statistikk for samfunnsvitere

Kap. 10: Inferens om to populasjoner. Eksempel. ST0202 Statistikk for samfunnsvitere Kap. 10: Inferens om to populasjoner Situasjon: Vi ønsker å sammenligne to populasjoner med populasjonsgjennomsnitt henholdsvis μ 1 og μ. Vi trekker da ett utvalg fra hver populasjon. ST00 Statistikk for

Detaljer

Norconsult AS Trekanten, Vestre Rosten 81, NO-7075 Tiller Notat nr.: 3 Tel: Fax: Oppdragsnr.

Norconsult AS Trekanten, Vestre Rosten 81, NO-7075 Tiller Notat nr.: 3 Tel: Fax: Oppdragsnr. Til: Rissa Kommune Fra: Arne E. Lothe Dato: 2013-11-29 Havneforhold i Hasselvika/Hysneset Original : 2013-08-30 Revisjon 1: 2013-11-29 lagt til kommentarer til mulig justering av ny kai INNLEDNING Rissa

Detaljer

Nr. 14/2017 ISSN X METEOROLOGI Bergen, MET info. Ekstremværrapport. Hendelse: Vidar 12. januar 2017

Nr. 14/2017 ISSN X METEOROLOGI Bergen, MET info. Ekstremværrapport. Hendelse: Vidar 12. januar 2017 MET info Nr. 14/2017 ISSN 1894-759X METEOROLOGI, 20.01.2017 Ekstremværrapport Hendelse: Vidar 12. januar 2017 Foto: Wenche Orrebakken, Klar tale.no Foto: Haugesundsavis Sammendrag Under ekstremværet Vidar,

Detaljer

7.2 Sammenligning av to forventinger

7.2 Sammenligning av to forventinger 7.2 Sammenligning av to forventinger To-utvalgs z-observator To-utvalgs t-prosedyrer To-utvalgs t-tester To-utvalgs t-konfidensintervall Robusthet To-utvalgs t-prosedyrerår variansene er like Sammenlikning

Detaljer

Multippel regresjon. Her utvider vi perspektivet for enkel lineær regresjon til også å omfatte flere forklaringsvariable x 1, x 2,, x p.

Multippel regresjon. Her utvider vi perspektivet for enkel lineær regresjon til også å omfatte flere forklaringsvariable x 1, x 2,, x p. Multippel regresjon Her utvider vi perspektivet for enkel lineær regresjon til også å omfatte flere forklaringsvariable x 1, x 2,, x p. Det er fortsatt en responsvariabel y. Måten dette gjøre på er nokså

Detaljer

ST0202 Statistikk for samfunnsvitere

ST0202 Statistikk for samfunnsvitere ST0202 Statistikk for samfunnsvitere Bo Lindqvist Institutt for matematiske fag 2 Kap. 10: Inferens om to populasjoner Situasjon: Vi ønsker å sammenligne to populasjoner med populasjonsgjennomsnitt henholdsvis

Detaljer

Oppgavesett nr. 5. MAT110 Statistikk 1, Et transportfirma har et varemottak for lastebiler med spesialgods, se figur 1.

Oppgavesett 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

Detaljer

Prinsipper for og erfaringer med vurdering av eksisterende innretninger ved levetidsforlengelse av Statfjord plattformene, Eksempel: Statfjord A

Prinsipper for og erfaringer med vurdering av eksisterende innretninger ved levetidsforlengelse av Statfjord plattformene, Eksempel: Statfjord A Prinsipper for og erfaringer med vurdering av eksisterende innretninger ved levetidsforlengelse av Statfjord plattformene, Eksempel: Statfjord A Presentasjon av Ove Tobias Gudmestad og Kjell Arvid Tuen

Detaljer

168291/S20: Transport av farlig gods på veg, sjø og bane. Jørn Vatn Prosjektleder SINTEF

168291/S20: Transport av farlig gods på veg, sjø og bane. Jørn Vatn Prosjektleder SINTEF 168291/S20: Transport av farlig gods på veg, sjø og bane Jørn Vatn Prosjektleder SINTEF 1 Tema for presentasjon Kan risikoanalysen benyttes som bevisføring for at en løsning er bedre enn en alternativ

Detaljer

STK Oppsummering

STK 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

Detaljer

DEL 1 GRUNNLEGGENDE STATISTIKK

DEL 1 GRUNNLEGGENDE STATISTIKK INNHOLD 1 INNLEDNING 15 1.1 Parallelle verdener........................... 18 1.2 Telle gunstige.............................. 20 1.3 Regneverktøy og webstøtte....................... 22 1.4 Oppgaver................................

Detaljer

Brannscenarier Hvilke scenarier må analyseres? Hvordan velge analysemetode? Trondheim 5. januar 2011

Brannscenarier Hvilke scenarier må analyseres? Hvordan velge analysemetode? Trondheim 5. januar 2011 Brannscenarier Hvilke scenarier må analyseres? Hvordan velge analysemetode? Trondheim 5. januar 2011 Audun Borg 1 Sammendrag Brannscenario Brannscenarier i koder og standarder. Valg av brannscenario ved

Detaljer

Psykososiale målemetoder og psykometri.

Psykososiale målemetoder og psykometri. Psykososiale målemetoder og psykometri. Kliniske og psykososiale konstruksjoner: Spørreskjema, måleskalaer og målemetoder i teori og praksis. Kort om emnet De fleste kliniske forsknings-studier, uansett

Detaljer

Stein Haugen Sjefsingeniør, Safetec Nordic Professor II, NTNU

Stein Haugen Sjefsingeniør, Safetec Nordic Professor II, NTNU 25 år 1984-2009 25 år 1984-2009 Stein Haugen Sjefsingeniør, Safetec Nordic Professor II, NTNU Stein.Haugen@safetec.no / Stein.Haugen@ntnu.no Basis for presentasjon Først og fremst offshore og erfaringer

Detaljer

Moss Maritime presentation

Moss Maritime presentation Hvilke tilbakemeldinger trenger ingeniørkontorer om erfaring fra fabrikasjon, installasjon og drift for å bli kontinuerlig bedre? Prosjektering generelt: Lay-out, materialhåntering om bord. Viktig med

Detaljer

Erfaringer fra konstruksjonsutfordringer. Yme MOPU konstruksjon Ptil Konstruksjonsdagen 27.08.2014 Petter Vabø TA Struktur

Erfaringer fra konstruksjonsutfordringer. Yme MOPU konstruksjon Ptil Konstruksjonsdagen 27.08.2014 Petter Vabø TA Struktur Erfaringer fra konstruksjonsutfordringer Yme MOPU konstruksjon Ptil Konstruksjonsdagen 27.08.2014 Petter Vabø TA Struktur Beskrivelse av Yme MOPUStor Produksjonsinnretning konstruert som flyttbar og oppjekkbar

Detaljer

ST0202 Statistikk for samfunnsvitere

ST0202 Statistikk for samfunnsvitere ST0202 Statistikk for samfunnsvitere Bo Lindqvist Institutt for matematiske fag Situasjonen er som i quiz-eksempelet: n = 4, p = 1/3 ( suksess betyr å gjette riktig alternativ), q = 2/3. Oppgave: Finn

Detaljer

Forelesning 6: Punktestimering, usikkerhet i estimering. Jo Thori Lind

Forelesning 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

Detaljer

Formelsamling i medisinsk statistikk

Formelsamling 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

Detaljer

Forelesning 7: Store talls lov, sentralgrenseteoremet. Jo Thori Lind

Forelesning 7: Store talls lov, sentralgrenseteoremet. Jo Thori Lind Forelesning 7: Store talls lov, sentralgrenseteoremet Jo Thori Lind j.t.lind@econ.uio.no Oversikt 1. Estimering av variansen 2. Asymptotisk teori 3. Store talls lov 4. Sentralgrenseteoremet 1.Estimering

Detaljer

Bølge i dekk belastninger og responsanalyser

Bølge i dekk belastninger og responsanalyser Bølge i dekk belastninger og responsanalyser Erfaringer fra Ptil s oppfølging av Valhall QP - Terje L. Andersen Konstruksjonsdagen 27.08.2015 Reklame på enerwe: http://www.enerwe.no/hms/hvorfor-ryker-staltau/

Detaljer

ST0202 Statistikk for samfunnsvitere

ST0202 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

Detaljer

ST0103 Brukerkurs i statistikk Forelesning 26, 18. november 2016 Kapittel 8: Sammenligning av grupper

ST0103 Brukerkurs i statistikk Forelesning 26, 18. november 2016 Kapittel 8: Sammenligning av grupper ST0103 Brukerkurs i statistikk Forelesning 26, 18. november 2016 Kapittel 8: Sammenligning av grupper Bo Lindqvist Institutt for matematiske fag 2 Kapittel 8: Sammenligning av grupper Situasjon: Vi ønsker

Detaljer

estimert verdi ± feilmargin = X ± et visst antall standardavvik for snittet = X ± u α/2 σ n

estimert verdi ± feilmargin = X ± et visst antall standardavvik for snittet = X ± u α/2 σ n 5.4:Konfidensintervall (fra sist) Konfidensintervall for et gjennomsnitt µ: estimert verdi ± feilmargin = X ± et visst antall standardavvik for snittet = X ± u α/2 σ n u α/2 kalles en kvantil for standard

Detaljer

Norconsult AS Trekanten, Vestre Rosten 81, NO Tiller Notat nr.: 3 Tel: Fax: Oppdragsnr.

Norconsult AS Trekanten, Vestre Rosten 81, NO Tiller Notat nr.: 3 Tel: Fax: Oppdragsnr. Til: Rissa Kommune Fra: Arne E. Lothe Dato: 2013-08 - 30 Havneforhold i Hasselvika/Hysneset INNLEDNING Rissa Kommune ønsker å endre anløpsstedet for hurtigbåten i Hasselvika/Hysneset slik at overføring

Detaljer

Et lite notat om og rundt normalfordelingen.

Et lite notat om og rundt normalfordelingen. Et lite notat om og rundt normalfordelingen. Anta at vi har kontinuerlige data. Hva er likt og ulikt for histogrammer og fordelingskurver? Observasjoner Histogram Viser fordelingen av faktiske observerte

Detaljer

Lederopplæring MTM Resultatrapportene

Lederopplæring MTM Resultatrapportene Lederopplæring MTM Resultatrapportene EN VEILEDER TIL TOLKNING AV RESULTATER INKL RAPPORTFORMATET 2017.11.23 / STAMINA GROUP AVD. CENSUS / SIDE 1 Psykososiale faktorer i lys av JD-R modellen Stressperspektivet

Detaljer

Innhold. Innledning. Del I

Innhold. Innledning. Del I Del I Innledning 1 Hva er statistikk?... 19 1.1 Bokas innhold 20 1.1.1 Noen eksempler 20 1.1.2 Historie 23 1.1.3 Bokas oppbygning 25 1.2 Noen viktige begreper 26 1.2.1 Populasjon og utvalg 26 1.2.2 Variasjon

Detaljer

ECON2130 Kommentarer til oblig

ECON2130 Kommentarer til oblig ECON2130 Kommentarer til oblig Her har jeg skrevet ganske utfyllende kommentarer til en del oppgaver som mange slet med. Har noen steder gått en del utover det som det strengt tatt ble spurt om i oppgaven,

Detaljer

Fra første forelesning:

Fra første forelesning: 2 Fra første forelesning: ST0202 Statistikk for samfunnsvitere Bo Lindqvist Institutt for matematiske fag opulasjon Den mengden av individer/objekter som vi ønsker å analysere. Utvalg En delmengde av populasjonen

Detaljer

ST0202 Statistikk for samfunnsvitere

ST0202 Statistikk for samfunnsvitere ST0202 Statistikk for samfunnsvitere Bo Lindqvist Institutt for matematiske fag 2 Kap. 9: Inferens om én populasjon I Kapittel 8 brukte vi observatoren z = x µ σ/ n for å trekke konklusjoner om µ. Dette

Detaljer

LØSNINGSFORSLAG ) = Dvs

LØSNINGSFORSLAG ) = Dvs LØSNINGSFORSLAG 12 OPPGAVE 1 D j er differansen mellom måling j med metode A og metode B. D j N(µ D, 0.1 2 ). H 0 : µ D = 0 mot alternativet H 1 : µ D > 0. Vi forkaster om ˆµ D > k Under H 0 er ˆµ D =

Detaljer

STK Oppsummering

STK Oppsummering STK1110 - Oppsummering Geir Storvik 11. November 2015 STK1110 To hovedtemaer Introduksjon til inferensmetoder Punktestimering Konfidensintervall Hypotesetesting Inferens innen spesifikke modeller/problemer

Detaljer

TMA4245 Statistikk Eksamen desember 2016

TMA4245 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

Detaljer

Introduksjon 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 Arild Brandrud Næss TMA4240 Statistikk NTNU, høsten 2013 Introduksjon til statistikk og dataanalyse Hollywood-filmer fra 2011 135 filmer Samla budsjett: $ 7 166

Detaljer

ST0202 Statistikk for samfunnsvitere

ST0202 Statistikk for samfunnsvitere ST0202 Statistikk for samfunnsvitere Bo Lindqvist Institutt for matematiske fag 2 Statistisk inferens (kap. 8) Statistisk inferens er å tolke/analysere resultater fra utvalget for å finne ut mest mulig

Detaljer

Et lite notat om og rundt normalfordelingen. Anta at vi har kontinuerlige data. Hva er likt og ulikt for histogrammer og fordelingskurver?

Et lite notat om og rundt normalfordelingen. Anta at vi har kontinuerlige data. Hva er likt og ulikt for histogrammer og fordelingskurver? Et lite notat om og rundt normalfordelingen. Anta at vi har kontinuerlige data. Hva er likt og ulikt for histogrammer og fordelingskurver? Boka (Ch 1.4) motiverer dette ved å gå fra histogrammer til tetthetskurver.

Detaljer

Kan vi stole på klimamodellenes profetier for Arktis?

Kan vi stole på klimamodellenes profetier for Arktis? Kan vi stole på klimamodellenes profetier for Arktis? Øyvind Byrkjedal Geofysisk Institutt og Bjerknessenteret, Universitetet I Bergen Profetier for Arktis Observert trend 1953-2003, vinter Modellert trend

Detaljer

Fasit for tilleggsoppgaver

Fasit 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

Detaljer

Vedlegg 8 - PWOM - Ising på fartøy

Vedlegg 8 - PWOM - Ising på fartøy Ref.id.: KS&SMS-3-2.13.8.1.1-10 [] Side 1 av 6 1.1 Sjøsprøytising Sjøsprøyt som fryser er den vanligste formen for ising og også den farligste. Frossen sjøsprøyt på dekk og overbygg kan redusere stabiliteten,

Detaljer

Økosystempåvirkning og samlet belastning behov, utfordringer og muligheter. Rolf A. Ims UiT Norges Arktiske Universitetet

Økosystempåvirkning og samlet belastning behov, utfordringer og muligheter. Rolf A. Ims UiT Norges Arktiske Universitetet Økosystempåvirkning og samlet belastning behov, utfordringer og muligheter Rolf A. Ims UiT Norges Arktiske Universitetet 1. Behov: «Samlet»: - Samlet behov/innsats (dugnad) fra 4 forskningsprogrammer -

Detaljer

ÅMA110 Sannsynlighetsregning med statistikk, våren 2006 Kp. 6, del 3

ÅMA110 Sannsynlighetsregning med statistikk, våren 2006 Kp. 6, del 3 ÅMA110 Sannsynlighetsregning med statistikk, våren 2006 Kp. 6, del 3 Bjørn H. Auestad Institutt for matematikk og naturvitenskap Universitetet i Stavanger 20. mars Bjørn H. Auestad Kp. 6: Hypotesetesting

Detaljer

i x i

i x i TMA4245 Statistikk Vår 2016 Norges teknisk-naturvitenskapelige universitet Institutt for matematiske fag Anbefalte oppgaver 11, blokk II Oppgavene i denne øvingen dreier seg om hypotesetesting og sentrale

Detaljer

Konfidensintervall for µ med ukjent σ (t intervall)

Konfidensintervall for µ med ukjent σ (t intervall) Forelesning 3, kapittel 6 Konfidensintervall for µ med ukjent σ (t intervall) Konfidensintervall for µ basert på n observasjoner fra uavhengige N( µ, σ) fordelinger når σ er kjent : Hvis σ er ukjent har

Detaljer

Kap. 8: Utvalsfordelingar og databeskrivelse

Kap. 8: Utvalsfordelingar og databeskrivelse Kap. 8: Utvalsfordelingar og databeskrivelse Utvalsfordelingar Utvalsfordeling for gjennomsnitt (med kjent varians) ( X ) Sentralgrenseteoremet (SGT) Utvalsfordeling for varians (normalfordeling) Utvalfordeling

Detaljer

TMA4240/TMA4245 Statistikk: Oppsummering kontinuerlige sannsynlighetsfordelinger

TMA4240/TMA4245 Statistikk: Oppsummering kontinuerlige sannsynlighetsfordelinger TMA4240/TMA4245 Statistikk: Oppsummering kontinuerlige sannsynlighetsfordelinger Kontinuerlig uniform fordeling f() = B A, A B. En kontinuerlig størrelse (vekt, lengde, tid), som aldri kan bli mindre enn

Detaljer

Kapittel 2. Utforske og beskrive data. Sammenhenger mellom variable Kap. 2.1 om assosiasjon og kryssplott forrige uke. Kap. 2.2, 2.3, 2.

Kapittel 2. Utforske og beskrive data. Sammenhenger mellom variable Kap. 2.1 om assosiasjon og kryssplott forrige uke. Kap. 2.2, 2.3, 2. Kapittel 2 Utforske og beskrive data Sammenhenger mellom variable Kap. 2.1 om assosiasjon og kryssplott forrige uke. Kap. 2.2, 2.3, 2.4 denne uken To kryssplott av samme datasett, men med forskjellig skala

Detaljer

Bruk av EPS-data og kommunikasjon av usikkerhet. Hva vet vi og hva vet vi ikke? Anders Doksæter Sivle 27 Oktober 2017

Bruk av EPS-data og kommunikasjon av usikkerhet. Hva vet vi og hva vet vi ikke? Anders Doksæter Sivle 27 Oktober 2017 Bruk av EPS-data og kommunikasjon av usikkerhet Hva vet vi og hva vet vi ikke? Anders Doksæter Sivle 27 Oktober 2017 If not provided, people attempt to estimate forecast uncertainty themselves Og, estimatet

Detaljer

Statistisk inferens (kap. 8) Hovedtyper av statistisk inferens. ST0202 Statistikk for samfunnsvitere

Statistisk inferens (kap. 8) Hovedtyper av statistisk inferens. ST0202 Statistikk for samfunnsvitere 2 Statistisk inferens (kap. 8) Statistisk inferens er å tolke/analysere resultater fra utvalget for å finne ut mest mulig om populasjonen. Konkret: Å analysere en utvalgsobservator for å trekke slutninger

Detaljer

What we do and how we do it

What we do and how we do it What we do and how we do it A values based performance culture Firm commitment to health, safety and environment (HSE) Stringent ethical requirements and a code of conduct which promotes personal integrity

Detaljer

UNIVERSITETET I OSLO Matematisk Institutt

UNIVERSITETET 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

Detaljer

Avbøyningsradiens effekt på kjøretøyhastighet inn i rundkjøringer

Avbøyningsradiens effekt på kjøretøyhastighet inn i rundkjøringer Avbøyningsradiens effekt på kjøretøyhastighet inn i rundkjøringer Vedlegg Kristian Hoel Dahl Mats Bjørnar Leirdal Frank Sirirud Bachelor i ingeniørfag Bygg Innlevert: 16. mai 2017 Hovedveileder: Astrid

Detaljer

Hvordan prioritere hvilke tunneler som bør oppgraderes med rensetiltak?

Hvordan prioritere hvilke tunneler som bør oppgraderes med rensetiltak? Hvordan prioritere hvilke tunneler som bør oppgraderes med rensetiltak? Elisabeth Rødland, NIVA & Dröfn Helgadottir, SVV Elisabeth Rødland 15.11.2018 1 Bakgrunn for prosjektet Basert på kunnskap om kortvarige

Detaljer

ÅMA110 Sannsynlighetsregning med statistikk, våren

ÅMA110 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

Detaljer

ÅMA110 Sannsynlighetsregning med statistikk, våren 2006 Kp. 6, del 4

ÅMA110 Sannsynlighetsregning med statistikk, våren 2006 Kp. 6, del 4 ÅMA110 Sannsynlighetsregning med statistikk, våren 2006 Kp. 6, del 4 Bjørn H. Auestad Institutt for matematikk og naturvitenskap Universitetet i Stavanger 27. mars Bjørn H. Auestad Kp. 6: Hypotesetesting

Detaljer