MATEMATISK KARAKTERISERING AV MANDATFORDELINGSMETODER
|
|
- Margrethe Kristensen
- 7 år siden
- Visninger:
Transkript
1 Pofesso 5. august 2005 # Aaud Hyllad MATEMATISK KARAKTERISERING AV MANDATFORDELINGSMETODER Iledg I mage lad, deblat Noge, foegå poltse valg som foholdstallsvalg baset på (pat)lste. Nå stemmee e avgtt, bl patee tldelt madate fohold tl de oppslutge de ha blat velgee. Sde madate e a deles, a esat poposoaltet valgvs e oppås. Defo e det behov fo e metode som på e systemats måte fe beste tlæmg tl foholdsmessg fodelg. Det fs ge metode som dee sammehege etydg og utvlsomt a ses å væe de beste elle tgste. Dette otatet omtale te atuelle metode, som alle e elle ha væt bu mage lad. Det e gtt matematse aatesege av metodee. Mege e at dsse sal tlsvae tutve elle omatve aatesege, altså utsag om at desom foholdsmessghet bl fostått på e vss måte, bl dette best ealset ved e bestemt metode. Notatet e på ge måte fullstedg. Sammehege mellom de matematse og de tutve elle omatve aatesegee e e folat detal, og også elles e mye elevat stoff utelatt. # samfusøoom og beslutgsteo ved Uvestetet Oslo. Adesse: Øooms sttutt, postbos 095, Blde, 037 OSLO. Kototelefo: Telefas: Eletos post: aaud.hyllad@eco.uo.o. Pvattelefoe: (hemme), (mobl). MATEMATISK KARAKTERISERING AV MANDATFORDELINGSMETODER
2 Desom Desom e > e 2 Notaso Ata at pate stlle tl valg og madate sal fodeles. He e og postve heltall. Tlfellet e uteessat, så v ata 2. La patees stemmetall væe gtt ved vetoe x (xbb, xb2b,... xbb). V foutsette xbb 0 fo alle, 2,.... E stuaso e e veto (, ; xbb, xb2b,... xbb), altså e spesfseg av alle elevate data: atall pate, madattall, stemmetall. Sett x. Da e > 0. Defe vetoe y (ybb, yb2b,... ybb) ved () y x fo, 2,.... Da e y, og ybb det øyatge madattallet fo pat, altså patets madattall desom ma hadde uet foeta e esat poposoal fodelg ute hesy tl at madattallee må væe heltall. E mulg madatfodelg (fo pate og madate) e e veto (BB, B2B,... BB) av e-egatve heltall de. Fo gtt og, la TB,B betege megde av mulge madatfodelge. Fo et eelt tall a, la a væe a avudet edove, altså støste heltall som e ovestge a. Demed gelde a < a a, med a a hvs og bae hvs a e et heltall. La vdee [a] betege a avudet (opp elle ed) tl 2 æmeste heltall, sl at a ½ < [a] < a + ½. 3 Støste bøs metode Sde ybb det øyatge madattallet fo pat, a det syes melg å la patets fatse madattall væe det heltallet som lgge æmest dette, altså sette BB [ybb] fo, 2,.... Poblemet e at ma e ha oe gaat fo at [ y ]. Dee lhete gelde ofte, me e alltd. Famgagsmåte føe altså e ødvedgvs tl at det bl delt ut tg atall madate. xbb 0, bø pat åpebat e ve oe madat. Ma a elmee patet fa dsusoe og edusee med. 2 a ½ e et heltall, e både a ½ og a + ½ mulge vede av [a], og de stege ulhetee a ½ < [a] < a + ½ a e begge gelde. De det e atuelt å beege [a], e det meget lte sasylg at dette tlfellet te, og det e e dsutet vdee. MATEMATISK KARAKTERISERING AV MANDATFORDELINGSMETODER 2
3 ybb av V Sde æ a e < Tae om å velge BB ybb modfsees sl at ma få e metode som fugee. De alles støste bøs metode og a besves sl: Beeg tallee ybb, yb2b,... ybb, f. lg () avstt 2. Fo pat bestå e heltallsdel ybb og e bødel zbb ybb ybb, de 0 zbb. G føste omgag ybb madate tl pat, fo, 2,.... Da e det alt delt ut m y madate, sl at det gestå h m z madate, de 0 h <. Tlfellet h 0 e usasylg, sde det foutsette at vetoe y bestå av bae heltall. I pass ha v defo h. F de h patee de bødele zbb støst. G yttelgee ett madat 3 tl hvet av dsse. Demed e alle de madatee fodelt. SB La betege atall madate pat bl tldelt ved dee metode, SB SB, SB 2,... SB. og sett ( ) Ovefo så v at det e gå a å fodele madatee ved å mmee hvet pats avv mellom øyatg og fats madattall, altså mmee ybb BB fo hve. Demot a det syes melg å måle avv fa poposoaltet ved avstade mellom vetoee y (ybb, yb2b,... ybb) og (BB, B2B,... BB). Det lede tl tae om at ma oppå best poposoaltet ved å velge de TB,B som lgge æmest y. Støste bøs metode ealsee dee dee. Kase sulle ma to at det ha betydg hvoda avstad mellom vetoe bl målt. Det vse seg mdletd at mage ule avstadsmål g samme esultat. V få støste bøs metode både desom avstade mellom y og bl målt ved absoluttvedome y, og desom v bue valg (eulds) avstad. E me geeell påstad gelde: La p væe et eelt tall, og defe avstade mellom y og ved p (2) dp( y, ) y. SB Det elemetet TB,B som mmee avstade tl y, e P P. Dette gelde fo ehve p. Absoluttvedome tlsvae p og eulds avstad 4 tlsvae p 2. p 3 se bot fa det usasylge tlfellet at bødele e le på oe avgøede put. 4 det e foutsatt at p e et eelt tall, e tlfellet p e deet. Det e valg å defee db B(y, ) masmum ybb B, 2,... BB. Så lege v bae se på tlfelle de B mmeg av avstad g etydg madatfodelg, vl også dette avstadsmålet lede tl støste bøs metode. MATEMATISK KARAKTERISERING AV MANDATFORDELINGSMETODER 3
4 BB bl Me Metode V øe, De øe, e 4 Sate-Laguës metode (oddetallsmetode) Famstllge avstt 3 a lett g ty av at støste bøs metode e de mest atulge posedye fo foholdsmessg madatfodelg. Det e elatvt eelt å besve metode, og de ha flee gustge egesape. Det e mdletd også alvolge pobleme yttet tl metode. De ha e del umelge egesape, og de mest slåede av dsse e at de e e mooto. Det a tees at desom ma øe atall madate, mes de deltaede patee og dees stemmetall e uedet, vl oe pate tape madat. 5 Defo e det atuelt å todusee e ae metode, Sate-Laguës metode 6 elle oddetallsmetode. ha e dsse poblemee, me e elles gase l støste bøs metode. I de fleste stuasoe g de to metodee samme madatfodelg, og også de de e g øyatg samme esultat, e foselle som egel lte. Fo å fe madatfodelge ved Sate-Laguës metode, gå ma fam sl: Dvde hvet pats stemmetall med oddetallee osv. G føste madat tl det patet som ha de støste votete, g ade madat tl det patet som ha de est støste votete, og fotsett på dee måte 7 tl alle de madatee e fodelt. SL La væe atall madate pat bl tldelt ved Sate-Laguës SL SL, SL 2,... SL. metode, og sett ( ) 5 geeelt e støste bøs metode e osstet. Fo å folae dette begepet, la oss ta utgagsput e bestemt stuaso (, ; xbb, xb2b,... xbb) og ata at pat få flee stemme, altså at xbb mes alt aet atall pate, atall madate, stemmetallee tl de øvge patee e uedet. Da a det atulgvs tees at BB og så fall må eduset fo mst e, me det e også mulg at øge xbb fo lte tl å få oe vg fo BB. I sste tlfelle sulle v vete at det helle e se oe edg este av madatfodelge. Dette e avet tl osstes, og det e e oppfylt av støste bøs metode. 6 ble foeslått tdlg på 900-tallet av de fase matematee Adé Sate- Laguë. 7 se bot fa det usasylge tlfellet at votete e le på oe avgøede put. MATEMATISK KARAKTERISERING AV MANDATFORDELINGSMETODER 4
5 Dette stemme (lg madate, I avstt 3 ovefo e støste bøs metode beguet med at de mmee avstade mellom y og. Da e oppmesomhete osetet om patee. Det som sal mmees, e avstade mellom dees øyatge madattall og fatse epesetaso. Et alteatv e å osetee oppmesomhete om velgee. Om pat ha fått xbb og ve BB a ma s at hve av patets velgee ha bdatt tl å velge x epesetat, mes e det tlsvaede tallet fo alle velgee geomstt. I de gad dsse tallee e fosellge, ha de som ha stemt på pat e samme flytelse som e geomsttlg velge. De ha støe flytelse e geomsttet desom > og mde e geomsttet ved motsatt ulhet. Begge dele a x ses på som uettfedg. Et mål på gad av uettfedghet a væe summe av vadatavvet mellom x og. Det sal summees ove alle velgee, sl at summe bl 2 x x. (3) Oppgave bl defo å fe de (BB, B2B,... BB) TB,B som mmee (3). I og med at x og, e (3) l 2 2 (4). x Sste ledd (4) avhege e av og a sløyfes. Altså sal ma mmee 2 (5). x SL Det elemetet TB,B som mmee (5), e P P. Resoemetet lede altså tl 8 Sate-Laguës metode. He ha det betydg at ma mmee summe av vadatavvee mellom x og. Mmeg av x g støste bøs metode. x Dette uttyet e l dbb(y, ), f. defsoe av dbpb (2) avstt 3). Resoemetet ovefo e baset på sammelg mellom e velge som ha stemt på et bestemt pat, og e geomsttlg velge. Et alteatv e å 8 va Sate-Laguës oppelge motveg av metode. MATEMATISK KARAKTERISERING AV MANDATFORDELINGSMETODER 5
6 Legg Det fo Dvde et P eeste betate to velgee som ha stemt på hvet stt pat. I de gad x og x e fosellge, få velgee som ha stemt på patee og ul uttellg fo se stemme. Dffease a væe et mål på gade av ul uttellg. x x Desom det e mulg å edusee dee dffease ved å oveføe et madat fa pat tl pat, altså desom BB og + (6) >, x x x x bø sl oveføg se. Desom det e fs oe pa av pate de dette teet tale fo at et madat bø oveføes fa det ee patet tl det ade, e madatfodelge balaset. Fomelt e (BB, B2B,... BB) TB,B balaset desom (6) e gelde 9 fo oe pa av pate og de og BB. Madatfodelge SL ( SL, SL 2,... SL ), altså de fodelge ma få SL ved å avede Sate-Laguës metode, e balaset. Vdee e P balasete madatfodelg. Yttelgee et esoemet ta utgagsput at ma sal fe e ps pe madat, målt stemme, og tldele madate på det gulaget. Idealet e at alle madate, så lagt det e mulg, sal oste det samme. Dee dee a oetsees på følgede måte: Velg et postvt tall QBSLB, som utgagsputet e vlålg, me som v 0 (fosøsvs) sal betate som pse pe madat. stemmetallee på Q og avud svaee tl æmeste heltall. Fo, 2,... bl altså pat x (fosøsvs) tldelt madattallet. He e BB e-egatvt QSL heltall, me fo vlålg QBSLB e det e set at. Nå 9 mee tl at esoemetet uteluede bestå å se på to pate om gage og vudee oveføg av et madat mellom dsse. Selv om madatfodelge e balaset, a det tees at avstade mellom BB/xBB og BB/xBB a edusees ved å gøe e edg madatfodelge som også volvee ade pate e og. Det fs stuasoe de e balaset madatfodelg e mmee avstade mellom støste og mste ved av BB/xBB. 0 e atulg føste omgag å fosøe seg med QBSLB /, altså geomsttlg atall stemme pe madat. Da bl xbb/qbslb ybb, 2,.... MATEMATISK KARAKTERISERING AV MANDATFORDELINGSMETODER 6
7 Det Metode V. <, e QBSLB fo sto og må edusees, og tlsvaede ved motsatt ulhet. Imdletd a QBSLB alltd velges sl at x x QSL SL Det a vses at da bl fo, 2,.... QSL Så lagt det e mulg, søge altså Sate-Laguës metode fo at alle pate betale samme ps, målt stemme, fo se madate. 5 d Hodts metode (støste geomstts metode) Tae om at alle madate, så lagt det e mulg, sal oste det samme, a pessees på flee måte. Dette g opphav tl yttelgee e metode fo 2 madatfodelg, alt d Hodts metode elle støste geomstts metode. Fo å fe madatfodelge ved d Hodts meotde, gå ma fam sl: Dvde hvet pats stemmetall med tallee osv. G føste madat tl det patet som ha de støste votete, g ade madat tl det patet som ha de est støste votete, og fotsett på dee måte 3 tl alle de madatee e fodelt. dh La væe atall madate pat bl tldelt ved d Hodts meotde, dh dh, dh 2,... dh. og sett ( ) Foselle mellom d Hodts og Sate-Laguës metode e e damats, selv om de e støe e foselle mellom støste bøs metode og Sate- Laguës metode. Ved sammelg av d Hodts og Sate-Laguës metode a ma mdletd alltd s hvle ve foselle gå: Desom de to metodee e gtt stuaso g fosellg madatfodelg, e d Hodts metode alltd gustgst fo stoe pate. Fo å uttye det fomelt og øyatg: Desom de to metodee stuasoe (, ; xbb, xb2b,... xbb) g madatfodelge e omalt et vsst slggsmo valg av QBSLB, me madatfodelge bl etydg bestemt (utatt det usasylge tlfellet omtalt ote 7). Det e vtg at xbb/qbslb bl avudet tl æmeste heltall. Desom ma stedet avude xbb/qbslb edove, altså sette BB xbb/qbslb, bl esultatet e ae metode, se avstt 5. 2 ble foeslått på slutte av 800-tallet av belgee Vcto d'hodt. 3 se bot fa det usasylge tlfellet at votete e le på oe avgøede put. MATEMATISK KARAKTERISERING AV MANDATFORDELINGSMETODER 7
8 > + madate, > dh ( dh, dh 2,... dh ) og O ( O, O 2,... O ) ha xbb xbb. dh O dh O, de > og <, må v I avstt 4 så v på tallee, som e et mål fo hvo mage epesetate, x elle saee hvo sto adel av e epesetat, hve peso som ha stemt på pat, ha bdatt tl å velge. x Alteatvt a ma se på, altså hvo mage stemme som stå ba hvet madat vuet av pat. He e det et poblem at v a ha BB 0, sl x at bl uedelg (elle egetlg udefet). Desom målet bostavelg e å gøe dsse tallee mest mulg le, må ma søge fo at BB 0 fo alle, og det e eppe melg. Me fouftg e det å s at ma må ege med at det vl fes pate som e ha o stemme tl å bl epesetet, dvs. det vl x fes vede av sl at e uedelg. Da mmee ma vaasoe blat dsse tallee ved å søge fo at det mste av dem bl støst mulg. Ma velge altså de (BB, B2B,... BB) TB,B som masmee x (7) mmum,2,...,, Dette g d Hodts metode. x Ma a også betate, atall stemme pe madat fo pat, som et mål på stye det avet pat ha på å få stt madat. BB. Ata at BB og x x (8) > + Da ha pat ette dette teet et steee av på å ve stt madat.. BB e pat ha på å beholde se BB og det e melg at et madat bl oveføt fa pat tl pat. V a s at e madatfodelg (BB, B2B,... BB) TB,B e aseptabel desom (8) e gelde fo oe pa av pate og de og BB. MATEMATISK KARAKTERISERING AV MANDATFORDELINGSMETODER 8
9 Det et P eeste, altså de fodelge ma få ved å avede d Hodts metode, aseptabel. dh Vdee e P aseptable madatfodelg. Med dee defsoe e madatfodelge dh ( dh, dh 2,... dh ) Metode a også begues med et esoemet tlsvaede det som ble 4 geomføt sste del av avstt 4, med e lte me vtg edg. Ige e utgagsputet at det sal fes e ps pe madat, målt stemme, og dealet e at alle madate, så lagt det e mulg, sal oste det samme. Velg et postvt tall QBdHB, som utgagsputet e vlålg, me som v (fosøsvs) sal betate som pse pe madat. Dvde stemmetallee på QBdHB og tue svaee, altså avud dem edove tl æmeste heltall. x Fo, 2,... bl altså pat (fosøsvs) tldelt madattallet. QdH He e BB e-egatvt heltall, me fo vlålg QBdHB e det e set at. Nå <, e QBdHB fo sto og må edusees, og tlsvaede ved motsatt ulhet. Imdletd a QBdHB alltd velges sl at Det a vses at da bl x Q dh dh fo, 2,.... x QdH. 4 va vssto sl d'hodt oppelge besev metode. MATEMATISK KARAKTERISERING AV MANDATFORDELINGSMETODER 9
Notat: Dekker pensum i beskrivende statistikk
Notat: Dekke pesum eskvede statstkk.3 Beskvede statstkk (sde 9 læeoka - 4. utgave) Beskvede (deskptv) statstkk omfatte samlg, eaedg og pesetasjo av data (tallmateale, osevasjoe, måleesultate). Nå følge
DetaljerForelesning Punktestimering
STAT Statst Metoder Yushu.L@ub.o Forelesg 8 + 9 Putestmerg. Fra sasylghetsteor tl statst feres ) Sasylghetsberegg sasylghetsteor: v jeer parametere som besrver modellee, f.es. p boms modell, ormal fordelg,
DetaljerKombinatorikk. MAT0100V Sannsynlighetsregning og kombinatorikk. Multiplikasjonssetningen
MAT000V Sasylighetsegig og kombiatoikk Kombiatoikk Odede utvalg med og ute tilbakeleggig Uodede utvalg ute tilbakeleggig Pascals talltekat og biomialkoeffisietee Øulf Boga Matematisk istitutt Uivesitetet
DetaljerKombinatorikk. MAT0100V Sannsynlighetsregning og kombinatorikk. Multiplikasjonssetningen
MAT0100V Sasylighetsegig og kombiatoikk Kombiatoikk Odede utvalg med og ute tilbakeleggig Uodede utvalg ute tilbakeleggig Pascals talltekat og biomialkoeffisietee Øulf Boga Matematisk istitutt Uivesitetet
DetaljerMakroøkonomi - B1. Innledning. Begrep. B. Makroøkonomi. Mundells trilemma går ut på følgende:
B. Makroøkoom Oppgave: Forklar påstades hold og drøft hvlke alteratv v står overfor: Fast valutakurs, selvstedg retepoltkk og fre kaptalbevegelser er kke forelg på samme td. Makroøkoom Iledg Mudells trlemma
Detaljer(b) Ekmanstrøm: Balanse mellom friksjonskraft og Corioliskraft. der ν er den kinematiske (eddy) viskositeten.
Oppgae 1. Fgu 6.11 læeboka se den nodgående enegfluksen atosfæen ( petawatt esus beddegad på den nodlge halkulen (opp tl 75 gade, ålg dlet. Fguen se også egne plott fo tansente edde, totalt bdag fa edde
DetaljerModul 1 15 studiepoeng, internt kurs Notodden/Porsgrunn
Høgskole i Telemk Avdelig fo estetiske fg, folkekultu og læeutdig BOKMÅL 4. mi 007 EKSAMEN I MATEMATIKK 3 Tid: 6 time Modul 5 studiepoeg, itet kus Notodde/Posgu Oppgvesettet e på 7 side (ikludet fomelsmlig).
DetaljerKAPITTEL 6. STØRRELSER OG TALL I GRESK MATEMATIKK
KAPITTEL 6. STØRRELSER OG TALL I GRESK MATEMATIKK Gekee kjete de atulige tallee og de kjete til fohold - dvs det vi i dag vil ofatte som bøke. E guleggede ofatig va at to lijestykke måtte ha et felles
DetaljerSTK1110 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
DetaljerTransistorkonfigurasjoner: Det er tre hovedmåter å plassere en FET/BJT i en arkitektur:
0. Foseke akiekue Nå e asiso skal bukes il e foseke, oscillao, file, seso, ec. så vil de væe behov fo passive elemee som mosade, kodesaoe og spole ud asisoe. Disse vil søge fo biasig slik a asisoe få ikig
DetaljerForelesning 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
DetaljerSTK1100 våren Konfidensintevaller
STK00 våre 07 Kofdestevaller Svarer tl avstt 8. læreboka Ørulf Borga Matematsk sttutt Uverstetet Oslo Eksempel E kjemker er teressert å bestemme kosetrasjoe µ av et stoff e løsg Hu måler kosetrasjoe fem
DetaljerLekestativ MaxiSwing
Moteigsveiledig og vedliehold v31 Leestativ MaxiSig At : 1740 Leestativet e poduset ette følgede stadad og dietiv: EN 71; 2009/48/EU Poduset: IMPREST AS Näituse 25 50409 Tatu Estoia Moteigsveiledig og
DetaljerAvdeling for estetiske fag, folkekultur og lærerutdanning BOKMÅL 14.12.2007
Høgskole Telemark Avdelg for estetske fag, folkekultur og lærerutdag BOKMÅL 4..7 UTATT PRØVE I MATEMATIKK, Modul 5 studepoeg Td: 5 tmer Hjelpemdler: Kalkulator og vedlagt formelsamlg (bakerst oppgavesettet).
DetaljerLøsningskisse seminaroppgaver uke 17 ( april)
HG Aprl 14 Løsgsksse semaroppgaver uke 17 (.-5. aprl) Oppg. 5.6 (begge utgaver) La X = atall bar utvalget som har lærevasker. Adel bar med lærevasker populasjoe av bar atas å være p.15. Utvalgsstørrelse
DetaljerForelesning 3 mandag den 25. august
Forelesg adag de 5 august Merkad 171 For å bevse e propossjo o heltall so volverer to eller flere varabler, er det typsk ye lettere å beytte duksjo på e av varablee e duksjo på oe av de adre Det er for
DetaljerKapittel 9: Mer kombinatorikk
MAT00 Disret Matemati Forelesig : Mer ombiatori Roger Atose Istitutt for iformati, Uiversitetet i Oslo Kapittel 9: Mer ombiatori 5. april 009 (Sist oppdatert: 009-04-5 00:06) MAT00 Disret Matemati 5. april
DetaljerUtvalg med tilbakelegging
Utvalg med tilbakelegging Gitt n foskjellige objekte. Vi skal velge objekte på en slik måte at fo hvet objekt vi velge, notee vi hvilket det e og legge det tilbake. Det bety at vi kan velge det samme objektet
DetaljerUtvalg med tilbakelegging
Utvalg med tilbakelegging Gitt n foskjellige objekte. Vi skal velge objekte på en slik måte at fo hvet objekt vi velge, notee vi hvilket det e og legge det tilbake. Det bety at vi kan velge det samme objektet
DetaljerKapittel 1: Beskrivende statistikk
Kapttel : Bekrvede tattkk Defjoer: Populajo og utvalg Populajo: Alle mulge obervajoer v ka gjøre (,,, N ). Utvalg: Delmegde av populajoe (,,, der
Detaljeri B maksimal b Fundamentalteoremet for lineærprogrammering Den leksikografiske metode Blands pivoteringregel MoD233 - Geir Hasle - Leksjon 4 2
Lekso 4 ( k ) a ( k ) I ( k ) U ( k) B maksmal ( k ) b Sste spesaltlfelle - valg av utgåede Degeerert basstabell, degeererert pvoterg Degeerert pvoterg ka g syklsk pvoterg Eeste tlfelle der Smpleksmetode
DetaljerRegler om normalfordelingen
1 HG Revdert mars 013 Notat tl kapttel 5 Løvås Regler om ormalfordelge Kjeskap tl reglee for ormalfordelge er gruleggede for de statstske aalyse kapttel 6 Løvås, og studetee må kue beherske dsse skkkelg
DetaljerRegler om normalfordelingen
HG mars 0 Notat tl kapttel 5 Løvås Regler om ormalfordelge Kjeskap tl reglee for ormalfordelge er gruleggede for de statstske aalyse kapttel 6 Løvås, og studetee må kue beherske dsse skkkelg dette kurset.
Detaljersom 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
DetaljerSeminaroppgaver for uke 13
1 ECON 2130 2016 vår Semarpla fra og med uke 13 Semaroppgaver for uke 13 1) Fra eksame Eco 2130, 2004 høst: Oppgave 3: (Fel oppgave på ststuttets overskt over gamle eksamesoppgaver) La X og Y være to uavhegge
DetaljerSeminaroppgaver for uke 13 (Oppgave (1), (2), og (3))
1 ECON 2130 2017 vår Semarpla fra og med uke 13 Semaroppgaver for uke 13 (Oppgave (1), (2), og (3)) (1) Fra eksame Eco 2130, 2004 høst: Oppgave 3: (Fel oppgave på ststuttets overskt over gamle eksamesoppgaver)
Detaljerinformasjon GENERELL barnehage
2011 maianne@fuedesign.no «Det e at å ha 5 finge på hve hånd og 5 tæ på hve fot. Jeg kunne like gjene hatt 13 elle 30 sammenlagt. Og så ble det tilfeldigvis 20». Inge Hageup banehage Åpningstid Tilvenning
DetaljerFormler 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:
DetaljerForelesning Enveis ANOVA
STAT111 Statstkk Metoder ushu.l@ub.o Forelesg 14 + 15 Eves ANOVA 1. troduksjo a. Z-, t- test Uka 1: tester for forvetgsdfferase to populasjoer (grupper) b. ANOVA (aalyss of varace): tester om det er forskjeller
DetaljerTMA4245 Statistikk Eksamen august 2014
Norges teksk-aturvteskapelge uverstet Isttutt for matematske fag Løsgssksse Oppgave a) Y 5 PY > 53) PY 53) P ) 53 5 Φ5) 933 668 Vekte av e fylt flaske, X + Y, er e leærkombasjo av uavhegge ormalfordelte
DetaljerEcon 2130 uke 15 (HG)
Eco 130 uke 15 (HG) Kofdestervall Løvås: 6.1., 6.3.1 3. (Avstt 6.3.4 6 leses på ege håd. Se også overskt over kofdestercvall ekstra otat på ettet.) 1 Defsjo av kofdestervall La θ være e ukjet parameter
DetaljerOversikt over tester i Econ 2130
1 HG Revdert aprl 217 Overskt over tester Eco 213 La være e ukjet parameter (populasjos-størrelse) e statstsk modell. Uttrykket ukjet parameter betyr at de sae verde av populasjoe er ukjet. Når v setter
Detaljerinformasjon GENERELL barnehage
maianne@futuia.no «Det e at å ha 5 finge på hve hånd og 5 tæ på hve fot. Jeg kunne like gjene hatt 13 elle 30 sammenlagt. Og så ble det tilfeldigvis 20». Inge Hageup banehage Åpningstid Tilvenning av nye
DetaljerRegler om normalfordelingen
1 HG mars 2009 Notat tl kapttel 5 Løvås Regler om ormalfordelge Kjeskap tl reglee for ormalfordelge er gruleggede for de statstske aalyse kapttel 6 Løvås, og studetee må kue beherske dsse skkkelg dette
DetaljerHesteveddeløp i 8. klasse
Andeas Loange Hesteveddeløp i 8. klasse Spillbettet. Gå det an å ha det gøy, utfoske algebaens mysteie og samtidig læe noe? Vi befinne oss i 8. klasse på Kykjekinsen skole i Begen. Jeg ha nettopp blitt
DetaljerLøsningsforslag Eksamen i Statistikk Nov 2001 Oppgave 1 a) Det fins 8 mulige kombinasjoner. Disse finnes ved å utelate ett og ett tall.
Løsgsforslag Eksame Statstkk Nov 00 Oppgave a) Det fs 8 mulge kombasjoer. Dsse fes ved å utelate ett og ett tall. Atall utvalg av størrelse 7 blat m er ( m 7 ). b) Prs Atall Rekker 3 kr. ( 7 ) 3 kr....
Detaljera) Sett opp prosjektets kontantstrøm. Du kan budsjettere på årlig basis. b) Beregn prosjektets nåverdi og internrente. Er prosjektet lønnsomt?
Oppgave S Kikegata Eiedo e et eiedosselskap so vudee å køpe e tot setalt i Oslo. På tota vudee a å føe opp et bygg ed 5 leilighete fo utleie. I dee fobidelse ha du skaffet til veie følgede opplysige Køpesu
DetaljerTransistorkonfigurasjoner: Det er tre hovedmåter å plassere en FET/BJT i en arkitektur:
/3 0. Fosteke akitektue Nå e tasisto skal bukes til e fosteke, oscillato, filte, seso, etc. så vil det væe behov fo passive elemete som motstade, kodesatoe og spole udt tasistoe. Disse vil søge fo biasig
DetaljerLøsning øving 9 ( ) ( ) sin ( )
nsttutt fo fskk, NTNU Fg SF 4 Elektomgnetsme og MNFFY Elektstet og mgnetsme Høst Løsnng øvng 9 Oppgve Ktesske koodnte: Enhetsvektoen stå nomlt på, som dnne en vnkel med -ksen. Det et t dnne en vnkel med
DetaljerRekursjon. I. Et enkelt eksempel
Reusj I. ET ENKELT EKSEMPEL II. TRE AV REKURSIVE KALL, eusjsdybde temeg dg III.INDUKTIVE DATA TYPER g Reusj ve Dt Type IV. SPLITT OG HERSK PROBLEMLØSNING VED REKURSJON Kp. 8.. V. REKURSJONS EEKTIVITET
DetaljerSTK1100 våren Estimering. Politisk meningsmåling. Svarer til sidene i læreboka. The German tank problem. Måling av lungefunksjon
STK00 våre 07 Estmerg Svarer tl sdee 33-339 læreboka Poltsk megsmålg Sør et tlfeldg utvalg å 000 ersoer hva de vlle ha stemt hvs det hadde vært valg 305 vlle ha stemt A A's oslutg er Ørulf Borga Matematsk
DetaljerKap. 8-4 Press- og krympeforbindelse
K. -4 Pess- og kymefobdelse.4. Dmesjoeg v kymefobdelse Dmesjoeg v kymefobdelse fslegge e essmo slk kokykke () mellom delee e lsekkelg å oveføe belsge e gldg og kke så so segee v elle ksel bl fo høy Kymefobdelse
DetaljerGammel tekst Ny tekst Begrunnelse. "Følgende dokumenter legges til grunn for virksomheten
Fo mangfold mot diskimineing Endings til Vedtekte Landsmøtet 2015 Foslagsstille Gammel tekst Ny tekst Begunnelse "Følgende dokumente legges til gunn fo viksomheten 1 Ny tekst Fø 1 - Vedtekte: Beskive eglene
DetaljerPlan for fagdag 3. Plan: Litt om differanse- og summefølger. Sammenhengen a n a 1 n 1 i 1
Pla for fagdag 3 R2-18.11.10 Pla: Litt om differase- og summefølger. Sammehege a a 1 1 i 1 d i. Geometriske resoemet. Arbeidsoppgaver. Differase- og summefølger Regresjo med lommereger Differaser er ofte
DetaljerOppgave 1 a)1 b)3 c)2 d)3 e)3 f)2 g)3 h)2 i)1 j)2 k)1 l)2
1 Løsningsfoslag EMC-eksamen 24.5. Oppgave 1 a)1 b)3 c)2 d)3 e)3 f)2 g)3 h)2 i)1 j)2 k)1 l)2 Oppgave 2 a) En geneisk standad e en geneell standad som bukes nå det ikke foeligge en poduktstandad. EN581
DetaljerOversikt 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
DetaljerNormativ aksiomatikk
Aaud Hyllad Normatv aksomatkk avedt på spørsmålet om rettferdg valgordg Forum for matematske perler (og kurosteter) Isttutt for matematske fag, NTNU 8. jauar 2008 NTNU, 8. jauar 2008 Iledg Hva er e rettferdg
DetaljerEcon 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
Detaljer"Kapittel 5 i et nøtteskall"
Ulve "Kapittel 5 i et øtteskall" (Vesjo 9.01.0 ) Jeg gå he i gjeom alle tekikke/fomle som e elevate i dette kapitlet ved å buke et eksempel side 198 som utgagspukt fo alle tekikkee. Ovesikt ove fomle og
DetaljerVeileder for prosjektet har vært førsteamanuensis Stein-Erik Fleten. Jeg vil gjerne takke ham for all hjelp og faglig støtte.
SIS1101 Fodypigsemet i ivesteig, fiasieig og økoomistyig FORORD Dee appote e utabeidet høste 2002 og e e posjektoppgave utabeidet i tilkytig til fodypigsemet føste semeste det 5. ået ved siviligeiøstudiet
Detaljerskole.. FAUSKE KOMMUNE Sammendrag: Saksopplysninger: RESSURSFORDELINGEN TIL SKOLENE FOR SKOLEÅRET 2013/14 SAKSPAPIR
SAKSPAPR FAUSKE KMMUNE 3/589 Akv JoualpostD: sakd.: 3/63 Saksbehandle: Ave Rolandsen Sluttbehandlede vedtaksnstans: Dftsutvalget Sak n.: 08/3 DRFTSUTV AG Dato: 0.04.03 RESSURSFRDENGEN T SKENE FR SKEÅRET
DetaljerForelesning Ordnings observatorer
Yushu.L@ub.o Forelesg 6 + 7 Ordgs observatorer. Oppsummerg tl Forelesg 4 og 5.) Fuksjoer (trasformasjoer) av flere S.V...) Smultafordelg tl to ye S.V. Ata at v har to S.V., med smultafordelg f ( x, x )
DetaljerKombinatorikk. MAT1030 Diskret matematikk Forelesning 20: Kombinatorikk. Repetisjon. Repetisjon
Kombiatori MAT Disret matemati orelesig : Kombiatori Roger Atose Matematis Istitutt, Uiversitetet i Oslo 7. april 8 Kombiatori er studiet av opptelliger, ombiasjoer og permutasjoer. Vi fier svar på spørsmål
DetaljerOBLIGATORISK OPPGAVE 1 INF 3340/4340/9340 HØSTEN 2005
OBLIGATORISK OPPGAVE INF 0/0/90 HØSTEN 005 Levergsfrst: 0. september 005 Arbedsform: Løses dvduelt Ileverg tl: Aja Bråthe Krstofferse (ajab@f.uo.o Levergskrav: Det forutsettes at du er kjet med holdet
DetaljerOm enkel lineær regresjon II
ECON 3 HG, aprl Notat tl kapttel 7 Løvås Om ekel leær regresjo II Merk: Det ka løe seg først å lese avstt 4 regresjo-i-otatet på ytt. Regresjosmodelle. La Y være e stokastsk varabel som v kaller resposvarabele
DetaljerOm enkel lineær regresjon II
1 ECON 13 HG, revdert aprl 17 Notat tl kapttel 7 Løvås Om ekel leær regresjo II Merk: Det ka løe seg først å lese avstt 4 regresjo-i-otatet på ytt. Regresjosmodelle. La Y være e stokastsk varabel (som
DetaljerDet ble orientert i plenum under eksamensdagen om følgende endringer i forhold til oppgaven:
LØSNINGSFORSLAG EKSAMEN 4 MAI 007 MET00 STATISTIKK GRUNNKURS Det ble oretert pleum uder eksamesdage om følgede edrger forhold tl oppgave: Oppgave b går ut. Det vl da bl 9 oppgaver og alle oppgaver teller
DetaljerOversikt over tester i Econ 2130
1 HG Revdert aprl 213 Overskt ver tester Ec 213 La θ være e ukjet parameter (ppulasjs-størrelse) e statstsk mdell. Uttrykket ukjet parameter betyr at de sae verde av θ ppulasje er ukjet. Når v setter pp
DetaljerFakultet for teknologi, kunst og design Teknologiske fag
Fultet fo teologi, ust og desig Teologise fg Esme i: Diset mtemti Målfom: omål Dto: 8005 Tid: 5 time / l 9-4 tll side il foside: 0 tll ogve: 0 Tilltte hjelemidle: Fohådsgodjet odo Hådholdt lulto som ie
DetaljerPytagoreiske tripler og Fibonacci-tall
Johan F. Aanes Pytagoeiske tiple og Fibonai-tall Pytagoas og Fibonai siamesiske tvillinge? Me enn 700 å skille dem i tid, men matematisk e de på en måte uadskillelige. Pytagoas (a. 585 500 f.k.) og Leonado
DetaljerUNIVERSITETET I OSLO ØKONOMISK INSTITUTT. Innleveringssted: Ekspedisjonen i 12. etasje (mellom ) OG Fronter (innen klokken 15).
Øvelsesoppgave : ECON3 Statstkk Dato for utleverg: 4.3.7 UNIVERSITETET I OSLO ØKONOMISK INSTITUTT Dato for leverg: 3.3.7 e kl. 5. Ilevergssted: Ekspedsjoe. etasje (mellom.5-5.) OG Froter (e klokke 5).
DetaljerInnføring i medisinsk statistikk
Stoasts forsø el. espermet Iførg medss statst Del I - Høst 008 Kapttel 4. Dsret sasylghetsfordelg Harald Johse, sept. 008 Et ret tes begrep for e prosess der heste er å framsaffe data om hedelser der utfallet
DetaljerAnalyse av sammenhenger
Kapttel 7.-7.3: Aalyse av sammeheger Korrelasjo og regresjo E vktg avedelse av statstkk er å studere sammeheger mellom varabler: Avgjøre om det er sammeheger. Beskrve hvorda evetuelle sammeheger er. Eksempler:
DetaljerOversikt over konfidensintervall i Econ 2130
1 HG Mars 017 Overskt over kofdestervall Eco 130 Merk at dee overskte kke er met å leses stedefor framstllge Løvås, me som et supplemet. De eholder tabeller med formler for kofdestervaller for stuasjoer
DetaljerOppgave 1 ECON 2130 EKSAMEN 2011 VÅR
ECON 30 EKSAMEN 0 VÅR Oppgave E bedrf øsker å fordele koraker e vesergsprosjek hel lfeldg på 3 frmaer, A, B og C. Uvelgelse skjer ved loddrekg. Loddrekge er slk a hver av frmaee A, B og C, har e mulghe
Detaljer6,((OHNWULVNH0RWRUGULIWHU
RJW DWYWDSOJ YWW 8 6,((OWRWRW,6)5(/.5$)(.,.. Fagguppe: Enegomfomng og Elete anlegg Adee: 49 ondem elefon: 359 44 elefa: 359 49 YJ YOOJ tabedet av: Rcad und tlevet: 5.4. Ft fo nnleveng: ' YJOWYOOJRJDOOYS
DetaljerBortfall av revisorplikt for mindre aksjeselskaper
Notate Documents 72/2012 Ek Fjæl og Avd Rakneud Botfall av evsoplkt fo mnde aksjeselskape Foslag tl evaluengsopplegg Notate 72/2012 Ek Fjæl og Avd Rakneud Botfall av evsoplkt fo mnde aksjeselskape Foslag
DetaljerSERVICEERKLÆRING 1. Innledning 2. Demokrati, samarbeid og medvirkning 3. Generell informasjon 4. Internasjonalisering
SERVICEERKLÆRING 1. Innlednngg 2. Demokt, smbed og medvknng 3. Geneell nomsjon b 4. Intensjonlseng e 5. Studestt 6. Studegjennomøngen 7. Bblotek 8. IT l 9. Studentveled 1. Innlednng g 2. Demokt, smbed
Detaljer1. Konfidens intervall for
Forelesg 0 + Yushu.@ub.o Kofdes tervall og Bootstrap. Kofdes tervall for ) Kofdes tervall [ ˆ, ˆ ] dekker de ukjete parametere med høy grad av skkerhet (kofdesvå): P( ˆ ˆ ), er f.eks 0.0 eller 0.05, eller
DetaljerPositive rekker. Forelest: 3. Sept, 2004
Postve rekker Forelest: 3. Sept, 004 V skal tde utover fokusere på å teste om e rekke kovergerer, og skyve formler for summerg bakgrue. Dette er gje ford det første målet vårt er å lære hvorda v ka fe
DetaljerKapittel 10 fra læreboka Grafer
Forelesigsotat i Diskret matematikk torsdag 6. oktober 017 Kapittel 10 fra læreboka Grafer (utdrag) E graf er e samlig pukter (oder) og kater mellom puktee (eg. odes, vertex, edge). E graf kalles rettet
Detaljerb) C Det elektriske feltet går radielt ut fra en positivt ladd partikkel.
Løsningsfoslag Fysikk 2 Høst 203 Løsningsfoslag Fysikk 2 Høst 203 Opp Sva Foklaing gave a) B Fomelen fo bevegelsesmengde p = mv gi enheten kg m. s Dette kan igjen skives som: kg m = kg m s s2 s = Ns b)
DetaljerDet anbefales at de 9 deloppgavene merket med A, B, teller likt uansett variasjon i vanskelighetsgrad. Svarene er gitt i << >>.
ECON 3 EKSAMEN VÅR TALLSVAR Det abefales at de 9 deloppgavee merket med A, B, teller lkt uasett varasjo vaskelghetsgrad. Svaree er gtt
DetaljerMer om utvalgsundersøkelser
Mer om utvalgsudersøkelser I uderkapittel 3.6 i læreboka gir vi e kort iførig i takegage ved utvalgsudersøkelser. Vi gir her e grudigere framstillig av temaet. Populasjo og utvalg Ved e utvalgsudersøkelse
DetaljerRefleksjon og transmisjon av transverselle bølger på en streng
Reflesjon og ansmsjon av ansveselle bølge på en seng Fgu vse o lange senge med masse pe lengde og 2 som e sjøe sammen ogo, x 0. x-asen lgge paallel med sengen. V sal se hva som sje med en bølge som passee
DetaljerVedlegg til eksamensoppgaven i Diskret matematikk
Vedlegg til esmesogve i Diset mtemti Det som stå he vil væe iholdet i esmesogves vedlegg høste 4 Deiisjoe og omle Logise oetoe: ie, og, elle, eslusiv elle, imlisjo Noe evivlese utsgslogi: P P P P Noe megdeidetitete:
DetaljerFØLGER, REKKER OG GJENNOMSNITT
FØLGER, REKKER OG GJENNOMSNITT Espe B. Lagelad realfagshjoret.wordpress.com espebl@hotmail.com 9.mars 06 Iledig E tallfølge er e serie med tall som kommer etter hveradre i e bestemt rekkefølge. Kvadrattallee
DetaljerNye opplysninger i en deloppgave gjelder bare denne deloppgaven.
Oppgave a) Hva e åvedie av k o 7 å å ea e 5 %? b) Aa a du see k i bake. Hvo ye ka du heve ee å å ea e 5 % de føse 4 åee og deee sige il 7 % ålig? c) E bukbil kose k. Bile ka selges fo k 7 ee 6 å. Hva e
Detaljerbedre læring Handlingsplan for bærumsskolen mot 2020 Relasjons- og ledelseskompetanse/vurdering for læring/digital didaktikk
bee læng Hanlngsplan fo bæumsskolen mo 2020 Relasjons- og leelseskompeanse/vueng fo læng/gal akkk fe uvklngsomåe skolemelngen pesenee fe uvklngsomåe Længsoppage Den ykge læe bee læng Skolemelng fo bæumsskolen
DetaljerÅMA110 Sannsynlighetsregning med statistikk, våren Estimering. Målemodellen. Sannsynlighetsregning med statistikk
ÅMA0 Sasylghetsregg med statstkk, våre 00 Kp. 5 Estmerg. Målemodelle. Estmerg. Målemodelle. Ihold:. (Pukt)Estmerg bomsk modell (kp. 5.). Målemodelle... (kp. 5.3) 3. (Pukt)Estmerg målemodelle (kp. 5.3)
DetaljerOm enkel lineær regresjon II
ECON 3 HG, revdert aprl Notat tl kapttel 7 Løvås Om ekel leær regresjo II Merk: Det ka løe seg først å lese avstt 4 regresjo-i-otatet på ytt. Regresjosmodelle. La Y være e stokastsk varabel (som v kaller
DetaljerOppgave 1. (i) Hva er sannsynligheten for at det øverste kortet i bunken er et JA-kort?
ECON EKSAMEN 8 VÅR TALLSVAR Oppgave Vi har e kortstokk beståede av 6 kort. På av disse står det skrevet JA på forside mes det står NEI på forside av de adre kortee. Hvis ma får se kortet med bakside vedt
DetaljerTMA4245 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)
DetaljerTre klasser kollisjoner (eksempel: kast mot vegg)
kap8 2.09.204 Kap. 8 Bevegelsesmengde. Kollisjone. assesente. Vi skal se på: ewtons 2. lov på ny: Definisjon bevegelsesmengde Kaftstøt, impuls. Impulsloven Kollisjone: Elastisk, uelastisk, fullstendig
DetaljerSeleksjon 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.
DetaljerKap. 4 Mekanismer og transmisjoner. Kap. 4.1 Innføring i Studie av Mekanismer
Kp. 4 Mensme og tnsmsone INNHOLD Innføng stude v mensme Defnsone og betegnelse Plnbevegelse Momentnpol og polbne nlyse v mensme: gfse og nlytse metode Syntese v mensme Suemensme Tnnhul og tnnhulsveslng
DetaljerNormativ aksiomatikk
Aaud Hyllad Normatv aksomatkk avedt på spørsmålet om rettferdg valgordg Forum for matematske perler (og kurosteter) Isttutt for matematske fag, NTNU 8. jauar 2008 Iledg Hva er e rettferdg valgordg? Hva
DetaljerEt enkelt eksempel. terminering. i-120 : H Rekursjon: 1. invarianter (notat til Krogdahl&Haveraaen) ... t.o.m. som hale-rekursjon
Itesj tl eusj /** @pm > @etu... t sumw(t ) { t es =; whle ( > ) { es = es ; = ; etu es; /** @pm > @etu... t sumr(t ) { f ( == ) etu ; etu sumr(-); Geeellt, dg e % tg: t Ite(t ) { es= t; whle ( ftsett()
DetaljerRealavkastning. Investeringsanalyse og inflasjon. Realavkastning av finansinvesteringer
Ivesteigsaalyse og iflasjo Nomiell avkastig og ealavkastig Reell låeete (ealete) Realivesteige og iflasjo Kotatstøm i omielle og faste pise Iflasjo og skatt Omløpsmidle og iflasjo Joh-Eik Adeasse 1 Høgskole
DetaljerBillige arboresenser og matchinger
Billige aboesense og matchinge Magnus Lie Hetland 16. jan 009 Dette e foelesningsnotate til føste foelesning i faget Algoitmekonstuksjon, videegående kus, ved Institutt fo datateknikk og infomasjonsvitenskap,
DetaljerAVDELING FOR INGENIØRUTDANNING EKSAMENSOPPGAVE
AVDELING FOR INGENIØRUTDANNING EKSAMENSOPPGAVE Eme: Diskret matematikk Gruppe(r): Eksamesoppgave består av: Atall sider (ikl forside): 5 Emekode: FO 9A Dato: 57 Atall oppgaver: Fagasvarlig: Ulf Uttersrud
DetaljerForelesning 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
DetaljerModellering av høyspentkabler
Modelleig av høyspetkable - i COMSOL Multiphysics H7E Jey Ommedal Flemmig Josefse Posjektappot Modelleig av høyspetkable Høgskole i Østfold HØGSOLEN ØSTFOLD geiøutdaige Postboks 9, Valaskjold Besøk: Tueveie
DetaljerS T Y R E T G J Ø R O P P M E R K S O M P Å A T D Ø R E N E S T E N G E S K L
K j æ r e b e b o e r! D u h o l d e r n å i n nk a l l i n g e n t i l å r e t s g e n e r a l f o r s am l i n g i h å n d e n. D e n i n n e h o l d e r b o r e t t s l a g et s å r s b e r e t n i
DetaljerMatematikk 3MX AA6524 / AA6526 Elever / privatister Oktober 2002
E K S A M E N LÆRINGSSENTERET Matematikk 3MX AA6524 / AA6526 Eleve / pivatiste Bokmål Eksempeloppgave ette læeplan godkjent juli 2000 Videegående kus II Studieetning fo allmenne, økonomiske og administative
DetaljerAvdeling for estetiske fag, folkekultur og lærerutdanning BOKMÅL 29. mai 2007
Høgskole Telemark Avdelg for estetske fag, folkekultur og lærerutdag BOKMÅL 9. ma 7 EKSAMEN I MATEMATIKK, Modul 5 studepoeg Td: 5 tmer Hjelpemdler: Kalkulator og vedlagt formelsamlg (bakerst oppgavesettet).
DetaljerAvdeling for ingeniørutdanning. Eksamen i Diskret matematikk
wwwhioo Avdelig fo igeiøutdig Esme i Diset mtemti Dto: 3 feu Tid: 9 4 Atll side ilusive foside: 7 Atll oppgve: Tilltte hjelpemidle: Ku hådholdt lulto som ie ommuisee tådløst Med: Kdidte må selv otollee
DetaljerTMA4245 Statistikk Eksamen 21. mai 2013
TMA445 Statstkk Eksame ma 03 Korrgert 0 ju 03 Norges teksk-aturvteskapelge uverstet Isttutt for matematske fag Løsgssksse Oppgave Et plott av sasylghetstetthee er gtt fgur Vdere har v og PX = Φ = 08849
DetaljerFORELESNINGSNOTATER I SPILLTEORI Geir B. Asheim, våren 2001 (oppdatert ).
OREESNINGSNOTATER I SPITEORI Ger B. Ashem, våre 00 (odatert 000.0.03. 3. STATISKE SPI MED UUSTENDIG INORMASJON (Statske Bayesaske sll Statsk sll: Sllere trekker samtdg. Ufullstedg formasjo: Mst é sllere
Detaljer