Utforsking av sjeldne og ukjente belastninger i ekstremt vær: Betydning av eksperimentelle studier
|
|
- Stian Stene
- 7 år siden
- Visninger:
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 Seminar om konstruksjonssikkerhet Petroleumstilsynet 25. aug 2010 Tone M. Vestbøstad, Statoil 1 - Classification: Internal 2010-08-11 Oversikt Hva er CFD? Hvorfor
DetaljerUtfordringer 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
DetaljerEndringer 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
DetaljerOLF 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
DetaljerHydrodynamikk 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
DetaljerKap. 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
DetaljerHvordan 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,
DetaljerInteraksjon 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
DetaljerBegrenset 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
DetaljerStatistikk 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
DetaljerEkstreme 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
DetaljerThe 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
.XQVWLJLQWHOOLJHQV01),7 )RUHOHVQLQJ Emner: )RUVNQLQJVPHWRGLNNLQQHQ.XQVWLJLQWHOOLJHQV - Revidert definisjon - AI som empirisk vitenskap - Kognitiv vitenskap som metodisk tilnærming - Epistemologiske problemer
DetaljerFrittfallivbåtprosjektet 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
DetaljerDenne 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
DetaljerLNG 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-
DetaljerInnhold. 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
DetaljerQuo 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
DetaljerDenne 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
DetaljerForelesning 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
DetaljerIntroduksjon 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
DetaljerUtvalgsfordelinger. 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
DetaljerKapittel 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...
DetaljerNorconsult 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
DetaljerIntroduksjon 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 =
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
Detaljer6.2 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
DetaljerSimulering 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
DetaljerBedre 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
DetaljerDenne 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
DetaljerAqualine 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
DetaljerSeksjon 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
DetaljerKapittel 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
DetaljerSikring 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,
DetaljerMidgard 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
DetaljerRegelverk 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
DetaljerStrømmodellering 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
DetaljerSTK1000 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
DetaljerTrykkrefter - 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
DetaljerNotat. 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
DetaljerInferens 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
DetaljerTMA4240 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
DetaljerUtfordring. 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
DetaljerEt 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
DetaljerKort 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
DetaljerKap. 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
DetaljerNorconsult 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
DetaljerNr. 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,
Detaljer7.2 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
DetaljerMultippel 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
DetaljerST0202 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
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
DetaljerPrinsipper 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
Detaljer168291/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
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
DetaljerDEL 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................................
DetaljerBrannscenarier 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
DetaljerPsykososiale 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
DetaljerStein 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
DetaljerMoss 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
DetaljerErfaringer 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
DetaljerST0202 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
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
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
DetaljerForelesning 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
DetaljerBølge 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/
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
DetaljerST0103 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
Detaljerestimert 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
DetaljerNorconsult 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
DetaljerEt 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
DetaljerLederopplæring 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
DetaljerInnhold. 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
DetaljerECON2130 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,
DetaljerFra 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
DetaljerST0202 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
DetaljerLØSNINGSFORSLAG ) = 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 =
DetaljerSTK Oppsummering
STK1110 - Oppsummering Geir Storvik 11. November 2015 STK1110 To hovedtemaer Introduksjon til inferensmetoder Punktestimering Konfidensintervall Hypotesetesting Inferens innen spesifikke modeller/problemer
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
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
DetaljerST0202 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
DetaljerEt 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.
DetaljerKan 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
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
DetaljerVedlegg 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,
DetaljerØkosystempåvirkning 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 -
DetaljerÅMA110 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
Detaljeri 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
DetaljerKonfidensintervall 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
DetaljerKap. 8: Utvalsfordelingar og databeskrivelse
Kap. 8: Utvalsfordelingar og databeskrivelse Utvalsfordelingar Utvalsfordeling for gjennomsnitt (med kjent varians) ( X ) Sentralgrenseteoremet (SGT) Utvalsfordeling for varians (normalfordeling) Utvalfordeling
DetaljerTMA4240/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
DetaljerKapittel 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
DetaljerBruk 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
DetaljerStatistisk 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
DetaljerWhat 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
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
DetaljerAvbøyningsradiens 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
DetaljerHvordan 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
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
DetaljerÅMA110 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