MATEMATISK KARAKTERISERING AV MANDATFORDELINGSMETODER

Størrelse: px
Begynne med side:

Download "MATEMATISK KARAKTERISERING AV MANDATFORDELINGSMETODER"

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: 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

Detaljer

Forelesning Punktestimering

Forelesning 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,

Detaljer

Kombinatorikk. MAT0100V Sannsynlighetsregning og kombinatorikk. Multiplikasjonssetningen

Kombinatorikk. 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

Detaljer

Kombinatorikk. MAT0100V Sannsynlighetsregning og kombinatorikk. Multiplikasjonssetningen

Kombinatorikk. 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

Detaljer

Makroøkonomi - B1. Innledning. Begrep. B. Makroøkonomi. Mundells trilemma går ut på følgende:

Makroøkonomi - 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.

(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

Detaljer

Modul 1 15 studiepoeng, internt kurs Notodden/Porsgrunn

Modul 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).

Detaljer

KAPITTEL 6. STØRRELSER OG TALL I GRESK MATEMATIKK

KAPITTEL 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

Detaljer

STK1110 høsten Lineær regresjon. Svarer til avsnittene i læreboka (med unntak av stoffet om logistisk regresjon)

STK1110 høsten Lineær regresjon. Svarer til avsnittene i læreboka (med unntak av stoffet om logistisk regresjon) TK høste 9 Eksempel.5 (CO og vekst av furutrær Leær regreso varer tl avsttee..4 læreboka (med utak av stoffet om logstsk regreso Ørulf Borga Matematsk sttutt Uverstetet Oslo V vl bestemme sammehege mellom

Detaljer

Transistorkonfigurasjoner: Det er tre hovedmåter å plassere en FET/BJT i en arkitektur:

Transistorkonfigurasjoner: 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

Detaljer

Forelesning 19 og 20 Regresjon og korrelasjons (II)

Forelesning 19 og 20 Regresjon og korrelasjons (II) STAT111 Statstkk Metoder Yushu.L@ub.o Forelesg 19 og 0 Regresjo og korrelasjos (II) 1. Kofdestervall (CI) og predksjostervall (PI) I uka 14, brukte v leær regresjo for å fage leær sammehege mellom Y og

Detaljer

STK1100 våren Konfidensintevaller

STK1100 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

Detaljer

Lekestativ MaxiSwing

Lekestativ 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

Detaljer

Avdeling for estetiske fag, folkekultur og lærerutdanning BOKMÅL 14.12.2007

Avdeling 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).

Detaljer

Løsningskisse seminaroppgaver uke 17 ( april)

Løsningskisse 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

Detaljer

Forelesning 3 mandag den 25. august

Forelesning 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

Detaljer

Kapittel 9: Mer kombinatorikk

Kapittel 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

Detaljer

Utvalg med tilbakelegging

Utvalg 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

Detaljer

Utvalg med tilbakelegging

Utvalg 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

Detaljer

Kapittel 1: Beskrivende statistikk

Kapittel 1: Beskrivende statistikk Kapttel : Bekrvede tattkk Defjoer: Populajo og utvalg Populajo: Alle mulge obervajoer v ka gjøre (,,, N ). Utvalg: Delmegde av populajoe (,,, der

Detaljer

i B maksimal b Fundamentalteoremet for lineærprogrammering Den leksikografiske metode Blands pivoteringregel MoD233 - Geir Hasle - Leksjon 4 2

i 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

Detaljer

Regler om normalfordelingen

Regler 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

Detaljer

Regler om normalfordelingen

Regler 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.

Detaljer

som vi ønsker å si noe om basert på data Eksempel. Uid-modellen: X1, X ,,,

som vi ønsker å si noe om basert på data Eksempel. Uid-modellen: X1, X ,,, HG Eco30 07 9/3-07 Supplemet tl forelesg uke 0 (6 mars) (Det jeg kke rakk å ta på forelesg) Termolog (estmerg) Data (kokrete tall), x, x, er ervasjoer av stokastske varable, X, X, De statstske modelle

Detaljer

Seminaroppgaver for uke 13

Seminaroppgaver 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

Detaljer

Seminaroppgaver for uke 13 (Oppgave (1), (2), og (3))

Seminaroppgaver 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)

Detaljer

informasjon GENERELL barnehage

informasjon 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

Detaljer

Formler og regler i statistikk ifølge lærebok Gunnar Løvås: Statistikk for universiteter og høgskoler

Formler og regler i statistikk ifølge lærebok Gunnar Løvås: Statistikk for universiteter og høgskoler Formler og regler statstkk følge lærebok Guar Løvås: tatstkk for uversteter og høgskoler Kap. Hva er fakta om utvalget etralmål Meda: mdterste verd etter sorterg Modus: hyppgst forekommede verd Gjeomstt:

Detaljer

Forelesning Enveis ANOVA

Forelesning 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

Detaljer

TMA4245 Statistikk Eksamen august 2014

TMA4245 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

Detaljer

Econ 2130 uke 15 (HG)

Econ 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

Detaljer

Oversikt over tester i Econ 2130

Oversikt 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

Detaljer

informasjon GENERELL barnehage

informasjon 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

Detaljer

Regler om normalfordelingen

Regler 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

Detaljer

Hesteveddeløp i 8. klasse

Hesteveddeløp 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

Detaljer

Løsningsforslag Eksamen i Statistikk Nov 2001 Oppgave 1 a) Det fins 8 mulige kombinasjoner. Disse finnes ved å utelate ett og ett tall.

Løsningsforslag 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....

Detaljer

a) Sett opp prosjektets kontantstrøm. Du kan budsjettere på årlig basis. b) Beregn prosjektets nåverdi og internrente. Er prosjektet lønnsomt?

a) 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

Detaljer

Transistorkonfigurasjoner: Det er tre hovedmåter å plassere en FET/BJT i en arkitektur:

Transistorkonfigurasjoner: 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

Detaljer

Løsning øving 9 ( ) ( ) sin ( )

Løsning 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

Detaljer

Rekursjon. I. Et enkelt eksempel

Rekursjon. 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

Detaljer

STK1100 våren Estimering. Politisk meningsmåling. Svarer til sidene i læreboka. The German tank problem. Måling av lungefunksjon

STK1100 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

Detaljer

Kap. 8-4 Press- og krympeforbindelse

Kap. 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

Detaljer

Gammel tekst Ny tekst Begrunnelse. "Følgende dokumenter legges til grunn for virksomheten

Gammel 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

Detaljer

Plan for fagdag 3. Plan: Litt om differanse- og summefølger. Sammenhengen a n a 1 n 1 i 1

Plan 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

Detaljer

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 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

Detaljer

Oversikt over tester i Econ 2130

Oversikt over tester i Econ 2130 HG Revdert aprl 2 Overskt over tester Eco 23 La θ være e ukjet parameter (populasjos-størrelse e statstsk modell. Uttrykket ukjet parameter betyr at de sae verde av θ populasjoe er ukjet. Når v setter

Detaljer

Normativ aksiomatikk

Normativ 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

Detaljer

Econ 2130 uke 19 (HG) Inferens i enkel regresjon og diskrete modeller

Econ 2130 uke 19 (HG) Inferens i enkel regresjon og diskrete modeller Eco 3 uke 9 (HG) Iferes ekel regresjo og dskrete modeller De ekle regresjosmodelle. Resultater fra 5m og 5m for me fra EM på skøyter Heerevee 4. ( er 5m-tde og y 5m-tde sekuder for løper.) Spredgdagram

Detaljer

"Kapittel 5 i et nøtteskall"

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

Detaljer

Veileder for prosjektet har vært førsteamanuensis Stein-Erik Fleten. Jeg vil gjerne takke ham for all hjelp og faglig støtte.

Veileder 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

Detaljer

skole.. FAUSKE KOMMUNE Sammendrag: Saksopplysninger: RESSURSFORDELINGEN TIL SKOLENE FOR SKOLEÅRET 2013/14 SAKSPAPIR

skole.. 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

Detaljer

Forelesning Ordnings observatorer

Forelesning 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 )

Detaljer

Kombinatorikk. MAT1030 Diskret matematikk Forelesning 20: Kombinatorikk. Repetisjon. Repetisjon

Kombinatorikk. 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

Detaljer

OBLIGATORISK OPPGAVE 1 INF 3340/4340/9340 HØSTEN 2005

OBLIGATORISK 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

Detaljer

Om enkel lineær regresjon II

Om 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

Detaljer

Om enkel lineær regresjon II

Om 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

Detaljer

Det ble orientert i plenum under eksamensdagen om følgende endringer i forhold til oppgaven:

Det 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

Detaljer

Oversikt over tester i Econ 2130

Oversikt 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

Detaljer

Fakultet for teknologi, kunst og design Teknologiske fag

Fakultet 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

Detaljer

Pytagoreiske tripler og Fibonacci-tall

Pytagoreiske 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

Detaljer

UNIVERSITETET I OSLO ØKONOMISK INSTITUTT. Innleveringssted: Ekspedisjonen i 12. etasje (mellom ) OG Fronter (innen klokken 15).

UNIVERSITETET 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).

Detaljer

Innføring i medisinsk statistikk

Innføring 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

Detaljer

Analyse av sammenhenger

Analyse 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:

Detaljer

Oversikt over konfidensintervall i Econ 2130

Oversikt 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

Detaljer

Oppgave 1 ECON 2130 EKSAMEN 2011 VÅR

Oppgave 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

Detaljer

6,((OHNWULVNH0RWRUGULIWHU

6,((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

Detaljer

Bortfall av revisorplikt for mindre aksjeselskaper

Bortfall 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

Detaljer

SERVICEERKLÆRING 1. Innledning 2. Demokrati, samarbeid og medvirkning 3. Generell informasjon 4. Internasjonalisering

SERVICEERKLÆRING 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

Detaljer

1. Konfidens intervall for

1. 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

Detaljer

Positive rekker. Forelest: 3. Sept, 2004

Positive 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

Detaljer

Kapittel 10 fra læreboka Grafer

Kapittel 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

Detaljer

b) C Det elektriske feltet går radielt ut fra en positivt ladd partikkel.

b) 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)

Detaljer

Det anbefales at de 9 deloppgavene merket med A, B, teller likt uansett variasjon i vanskelighetsgrad. Svarene er gitt i << >>.

Det 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

Detaljer

Mer om utvalgsundersøkelser

Mer 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

Detaljer

Refleksjon og transmisjon av transverselle bølger på en streng

Refleksjon 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

Detaljer

Vedlegg til eksamensoppgaven i Diskret matematikk

Vedlegg 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:

Detaljer

FØLGER, REKKER OG GJENNOMSNITT

FØLGER, 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

Detaljer

Nye opplysninger i en deloppgave gjelder bare denne deloppgaven.

Nye 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

Detaljer

bedre læring Handlingsplan for bærumsskolen mot 2020 Relasjons- og ledelseskompetanse/vurdering for læring/digital didaktikk

bedre 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

Detaljer

ÅMA110 Sannsynlighetsregning med statistikk, våren Estimering. Målemodellen. Sannsynlighetsregning med statistikk

ÅMA110 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)

Detaljer

Om enkel lineær regresjon II

Om 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

Detaljer

Oppgave 1. (i) Hva er sannsynligheten for at det øverste kortet i bunken er et JA-kort?

Oppgave 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

Detaljer

TMA4245 Statistikk Eksamen mai 2016

TMA4245 Statistikk Eksamen mai 2016 Norges teksk-aturvteskapelge uverstet Isttutt for matematske fag Løsgssksse Oppgave a) Lar X være kvadratprse. Har da at X N(µ, σ 2 ), med µ 30 og σ 2 2, 5 2. P (X < 30) P (X < µ) 0.5 ( X 30 P (X > 25)

Detaljer

Tre klasser kollisjoner (eksempel: kast mot vegg)

Tre 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

Detaljer

Seleksjon og uttak av alderspensjon fra Folketrygden

Seleksjon og uttak av alderspensjon fra Folketrygden ato: 07.01.2008 aksbehandler: DH Seleksjon og uttak av alderspensjon fra Folketrygden Dette notatet presenterer en enkel framstllng av problemet med seleksjon mot uttakstdpunkt av alderspensjon av folketrygden.

Detaljer

Kap. 4 Mekanismer og transmisjoner. Kap. 4.1 Innføring i Studie av Mekanismer

Kap. 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

Detaljer

Normativ aksiomatikk

Normativ 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

Detaljer

Et enkelt eksempel. terminering. i-120 : H Rekursjon: 1. invarianter (notat til Krogdahl&Haveraaen) ... t.o.m. som hale-rekursjon

Et 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()

Detaljer

Realavkastning. Investeringsanalyse og inflasjon. Realavkastning av finansinvesteringer

Realavkastning. 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

Detaljer

Billige arboresenser og matchinger

Billige 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,

Detaljer

AVDELING FOR INGENIØRUTDANNING EKSAMENSOPPGAVE

AVDELING 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

Detaljer

Forelesning 25 og 26 Introduksjon til Bayesiansk statistikk

Forelesning 25 og 26 Introduksjon til Bayesiansk statistikk Yushu.@hh.o Forelesg 5 og 6 Itroduksjo tl Bayesask statstkk 1. Itroduksjo Fortsatt atar v har stokastsk varabel X (X ka være stokastsk varabel vektor) kommer fra e fordelg med parametere ( ka være parameter

Detaljer

Modellering av høyspentkabler

Modellering 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

Detaljer

S 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

S 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

Detaljer

Matematikk 3MX AA6524 / AA6526 Elever / privatister Oktober 2002

Matematikk 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

Detaljer

Avdeling for estetiske fag, folkekultur og lærerutdanning BOKMÅL 29. mai 2007

Avdeling 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).

Detaljer

Avdeling for ingeniørutdanning. Eksamen i Diskret matematikk

Avdeling 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

Detaljer

TMA4245 Statistikk Eksamen 21. mai 2013

TMA4245 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

Detaljer

FORELESNINGSNOTATER I SPILLTEORI Geir B. Asheim, våren 2001 (oppdatert ).

FORELESNINGSNOTATER 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