Copula goodness-of-fit testing
|
|
- Ingvild Gjerde
- 7 år siden
- Visninger:
Transkript
1 Daniel Berg Universitetet i Oslo & Norsk Regnesentral DET 14. NORSKE STATISTIKERMØTET Sommarøya Juni 2007
2 Outline Lovende tester 2.2 Cpit2-testen
3 C n C ρ C ρν v u v u v u C δ C θ C ξ v u v u v u
4 1. Passer vår modell til dataene? Univariat Anderson-Darling eller QQ-plot Multivariat færre alternativer Grensefordelingen til en copula GoF test avhenger av parameteren p-verdi estimeres via tunge parametriske bootstrap prosedyrer Fokus i litteraturen er nesten utelukkende bivariat
5 GoF tester Cpit2-testen 2. Flere teknikker har blitt foreslått: Diskretisering av sannsynlighets rommet (binning) Multivariat glatting Dimensjonsreduksjon Konstruksjoner for å teste for en spesifikk copula Generelle tester for å teste enhver copula
6 GoF tester Cpit2-testen 2.1 Lovende tester n{c n (u) C θn (u)}, u = u 1,..., u d, n{k n (u) K θn (u)}, K(t) = P(C(u) t), n{l n (u) L θn (u)}, L(t) = P( d i=1 u i t), Rosenblatt s transformasjon test for uavhengighet.
7 GoF tester Cpit2-testen Eksempel på K n -plott t K(t) t Figure: Eksempel på K-plot (t K(t), 95% ci)
8 GoF tester Cpit2-testen 2.2 Cpit2-testen (Berg and Bakken, 2007) n observasjoner av en d-dimensjonal vektor X Pseudo-observasjoner Z U(0, 1) d Rosenblatt s transformasjon (cpit) basert på Z V Teste V for uavhengighet
9 GoF tester Cpit2-testen 2.2 Cpit2-testen Breymann et al. (2003): W G = d i=1 Φ 1 (V i ) 2 Two problems: 1. Vekt funksjonen Φ 1 ( ) for ekstrem - problem for liten n 2. Oppdager ikke radiell asymmetri (Φ 1 (0.2) 2 = Φ 1 (0.8) 2 ) Rosenblatt s transformasjon på V H W B = d i=1 Γ V (V (i) ; α) Γ H (H i ; α) Eksempler på Γ(X ): Φ 1 (X ) 2, X 0.5, (X 0.5) α, α = (2, 4,...) Spesialtilfelle: Γ V (X ) = Φ 1 (X ) 2 og Γ H (X ) = 1
10 W v2 Outline GoF tester Cpit2-testen 2.2 Cpit2-testen W B = d i=1 Φ 1 (V (i) ): v1
11 W v2 Outline GoF tester Cpit2-testen 2.2 Cpit2-testen W B = d i=1 V (i) 0.5 : v1
12 W v2 Outline GoF tester Cpit2-testen 2.2 Cpit2-testen W B = d i=1 V (i) 0.5 H i 0.5 : v1
13 3. (1/3) H 0 H 1 B 2,0 C n K n L n Gauss Gauss Student t Clayton Gumbel Student t4 Gauss Student t Clayton Gumbel Clayton Gauss Student t Clayton Gumbel Gumbel Gauss Student t Clayton Gumbel Table: Styrke (%) til copula GoF tester, d = 2, n = 100, τ = 0.5.
14 3. (2/3) H 0 H 1 B 2,0 C n K n L n Gauss Gauss Student t Clayton Gumbel Student t4 Gauss Student t Clayton Gumbel Clayton Gauss Student t Clayton Gumbel Gumbel Gauss Student t Clayton Gumbel Table: Styrke (%) til copula GoF tester, d = 5, n = 200, τ = 0.25.
15 3. (3/3) H 0 H 1 B 2,0 C n K n L n Gauss Gauss Student t Clayton Gumbel Student t4 Gauss Student t Clayton Gumbel Clayton Gauss Student t Clayton Gumbel Gumbel Gauss Student t Clayton Gumbel Table: Styrke (%) til copula GoF tester, d = 5, n = 1000, τ = 0.15.
16 4. GoF test basert på to estimatorer av θ, f.eks. n{ρ 1 (ρ n ) τ 1 (τ n )} Hvilken effekt har parameter estimator på styrken til en test: n{cn C ρ 1 (ρ n)} vs. n{c n C τ 1 (τ n)} Lokal styrke ved små pertubasjoner fra H 0 : Q δn = (1 δ n )C + δ n D, δ n = δ/ n, δ n Hvilken effekt har bootstrap parametre på styrken til en test. Kan vi finne optimale valg (tommelfinger regler)? FGoF?
17 H n n{cn C θ } τ 1 (H 0 = Clayton) Clayton Frank Gumbel-Hougaard Gaussian n{cn C 0 } n{cn C ρ} n{cn C τ } n{cn C PL } n{cn C 0 } n{cn C ρ} n{cn C τ } n{cn C PL }
18 5. Flere gode tester, dimensjonsreduksjon mest lovende, spesielt for høyere dimensjoner Cpit2-testen, basert på Rosenblatt s transformasjon Styrke sammenligning: n{c n C θn } svært god Mye spennende å jobbe videre med TITAN cpus - ikke mulig foruten!
19 References Contact Referanser Berg, D. and H. Bakken (2007). A copula goodness-of-fit test based on the probability integral transform. Submitted. Breymann, W., A. Dias, and P. Embrechts (2003). Dependence structures for multivariate high-frequency data in finance. Quantitative Finance 1, 1 14.
20 References Contact Contact details Daniel Berg, Universitetet i Oslo & Norsk Regnesentral, daniel@danielberg.no
Par-copula konstruksjoner: Et fleksibelt verktøy for å modellere multivariat avhengighet
Par-copula konstruksjoner: Et fleksibelt verktøy for å modellere multivariat avhengighet Foredrag for Norsk ASTIN-gruppe (NAG) Lysaker, 14. November, 2010 Kjersti Aas Norsk Regnesentral Innhold Innledning
DetaljerL12-Dataanalyse. Introduksjon. Nelson Aalen plott. Page 76 of Introduksjon til dataanalyse. Levetider og sensurerte tider
Page 76 of 80 L12-Dataanalyse Introduksjon Introduksjon til dataanalyse Presentasjonen her fokuserer på dataanalyseteknikker med formål å estimere parametere (MTTF,, osv) i modeller vi benytter for vedlikeholdsoptimering
DetaljerEKSAMEN I FAG TMA4275 LEVETIDSANALYSE
Norges teknisk naturvitenskapelige universitet Institutt for matematiske fag Side 1 av 5 Faglig kontakt under eksamen: Bo Lindqvist 975 89 418 EKSAMEN I FAG TMA4275 LEVETIDSANALYSE Fredag 26. mai 2006
DetaljerDCC-GARCH-modeller med ulike avhengighetsstrukturer
DCC-GARCH-modeller med ulike avhengighetsstrukturer Masteroppgave i statistikk 14.mars 2013 Helene Aardal Universitetet i Bergen Matematisk institutt Sammendrag Hovedfokuset i denne oppgaven er å finne
DetaljerProsjektnummer: 163681/I99 Prosjekttittel: Methodological developments in the analysis of financial risk called for by industry needs
FINANSMARKEDSFONDET Sluttrapport Sendes per post (med kopi per epost) til prosjektets kontaktperson for rapportering. Forutsettes undertegnet av prosjektleder og prosjektansvarlig. Se for øvrig vedlagte
DetaljerBootstrapping og simulering Tilleggslitteratur for STK1100
Bootstrapping og simulering Tilleggslitteratur for STK1100 Geir Storvik April 2014 (oppdatert April 2016) 1 Introduksjon Simulering av tilfeldige variable (stokastisk simulering) er et nyttig verktøy innenfor
DetaljerTMA4240 Statistikk H2010
TMA4240 Statistikk H2010 Statistisk inferens: 9.14: Sannsynlighetsmaksimeringsestimatoren 8.5: Fordeling til gjennomsnittet 9.4: Konfidensintervall for µ (σ kjent) Mette Langaas Foreleses mandag 11.oktober,
DetaljerVelkommen til MA1103 Flerdimensjonal analyse
Velkommen til MA1103 Flerdimensjonal analyse Foreleser: 14. januar 2013 Kursinformasjon Nettside: wiki.math.ntnu.no/ma1103/2013v/start Foreleser: (mariusi@math.ntnu.no) Start emne i epost med MA1103 Treffetid:
DetaljerStatistisk inferens: 9.14: Sannsynlighetsmaksimeringsestimatoren 8.5: Fordeling til gjennomsnittet 9.4: Konfidensintervall for µ (σ kjent)
TMA440 Statistikk H010 Statistisk inferens: 9.14: Sannsynlighetsmaksimeringsestimatoren 8.5: Fordeling til gjennomsnittet 9.4: Konfidensintervall for µ (σ kjent) Mette Langaas Foreleses mandag 11.oktober,
DetaljerUNIVERSITETET I OSLO ØKONOMISK INSTITUTT
Eksamen: ECON2130 Statistikk 1 UNIVERSITETET I OSLO ØKONOMISK INSTITUTT Eksamensdag: 29.05.2019 Sensur kunngjøres: 19.06.2019 Tid for eksamen: kl. 09:00 12:00 Oppgavesettet er på 5 sider Tillatte hjelpemidler:
Detaljerj=1 (Y ij Ȳ ) 2 kan skrives som SST = i=1 (J i 1) frihetsgrader.
FORMELSAMLING TIL STK2120 (Versjon av 30. mai 2012) 1 Enveis variansanalyse Anta at Y ij = µ + α i + ɛ ij ; j = 1, 2,..., J i ; i = 1, 2,..., I ; der ɛ ij -ene er uavhengige og N(0, σ 2 )-fordelte. Da
DetaljerEksamensoppgave i TMA4267 Lineære statistiske modeller
Institutt for matematiske fag Eksamensoppgave i TMA4267 Lineære statistiske modeller Faglig kontakt under eksamen: Mette Langaas Tlf: 988 47 649 Eksamensdato: 22. mai 2014 Eksamenstid (fra til): 09.00-13.00
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
DetaljerKapittel 8: Tilfeldige utvalg, databeskrivelse og fordeling til observatorar, Kapittel 9: Estimering
Kapittel 8: Tilfeldige utvalg, databeskrivelse og fordeling til observatorar, Kapittel 9: Estimering TMA4245 Statistikk Kapittel 8.1-8.5. Kapittel 9.1-9.3+9.15 Turid.Follestad@math.ntnu.no p.1/21 Har sett
DetaljerMethodological developments in the analysis of risk called for by industry needs
www.nr.no Methodological developments in the analysis of risk called for by industry needs Presentasjon for referansegruppen 27.08.2004 Kjersti Aas Norsk Regnesentral Norsk Regnesentral Stiftelse med 70
Detaljer(a) For regresjon brukes vanligvis kvadratisk tap: L(y, ŷ) = (y ŷ) 2. Den optimale prediktor basert på input variable x er da Ŷ = E[Y x].
FORMELSAMLING TIL STK2100 (Versjon Mai 2017) 1 Tapsfunksjoner (a) For regresjon brukes vanligvis kvadratisk tap: L(y, ŷ) = (y ŷ) 2. Den optimale prediktor basert på input variable x er da Ŷ = E[Y x]. (b)
DetaljerMatlab-tips til Oppgave 2
Matlab-tips til Oppgave 2 Numerisk integrasjon (a) Velg ut maks 10 passende punkter fra øvre og nedre del av hysteresekurven. Bruk punktene som input til Matlab og lag et plot. Vi definerer tre vektorer
DetaljerObligatorisk oppgave. Gjennomgang
Obligatorisk oppgave. Gjennomgang Kjell Arne Brekke Økonomisk Institutt November 17, 2008 KAB (UiO) Oblig 08 November 17, 2008 1 / 9 Oppgave 1: Hovedpoenget å bli kjent med Penn World tables. Lite å gjennomgå.
DetaljerEksamensoppgave i TMA4275 Levetidsanalyse
Institutt for matematiske fag Eksamensoppgave i TMA4275 Levetidsanalyse Faglig kontakt under eksamen: Jacopo Paglia Tlf: 967 03 414 Eksamensdato: Fredag 7. juni 2019 Eksamenstid (fra til): 09:00 13:00
Detaljeri=1 t i +80t 0 i=1 t i = 9816.
Norges teknisk naturvitenskapelige universitet Institutt for matematiske fag Side 1 av 5 Faglig kontakt under eksamen: Jo Eidsvik 901 27 472 EKSAMEN I FAG SIF5075 LEVETIDSANALYSE Torsdag 22. mai 2003 Tid:
DetaljerPunktestimator. STK Bootstrapping og simulering - Kap 7 og eget notat. Bootstrapping - eksempel Hovedide: Siden λ er ukjent, bruk ˆλ:
Punktestimator STK00 - Bootstrapping og simulering - Kap 7 og eget notat Geir Storvik 8. april 206 Trekke ut informasjon om parametre fra data x,..., x n Parameter av interesse: θ Punktestimator: Observator,
DetaljerSTK Oppsummering
STK1110 - Oppsummering Geir Storvik 11. November 2015 STK1110 To hovedtemaer Introduksjon til inferensmetoder Punktestimering Konfidensintervall Hypotesetesting Inferens innen spesifikke modeller/problemer
DetaljerEksamensoppgave i TMA4275 Levetidsanalyse
Institutt for matematiske fag Eksamensoppgave i TMA4275 Levetidsanalyse Faglig kontakt under eksamen: Bo Lindqvist Tlf: 975 89 418 Eksamensdato: Lørdag 31. mai 2014 Eksamenstid (fra til): 09:00-13:00 Hjelpemiddelkode/Tillatte
DetaljerBootstrapping og stokatisk simulering Tilleggslitteratur for STK1100
Bootstrapping og stokatisk simulering Tilleggslitteratur for STK1100 Geir Storvik April 014 1 Introduksjon Simulering av tilfeldige variable (stokastisk simulering) er et nyttig verktøy innenfor statistikk
DetaljerUNIVERSITETET I OSLO
UNIVERSITETET I OSLO Det matematisk-naturvitenskapelige fakultet Eksamen i INF3440/4440 Signalbehandling Eksamensdag: 11. desember 006 Tid for eksamen: 15.30 18.30 Oppgavesettet er på 7 sider. Vedlegg:
DetaljerDimensjonering av betongbruer i bruksgrensetilstand
Dimensjonering av betongbruer i bruksgrensetilstand Evaluering av beregningsgrunnlaget i Eurokode-systemet og norsk praksis Synne Aasrum Midtgarden Bygg- og miljøteknikk Innlevert: desember 2015 Hovedveileder:
DetaljerUNIVERSITETET I OSLO
Eksamen i UNIVERSITETET I OSLO Det matematisk-naturvitenskapelige fakultet Eksamensdag: Torsdag 9. juni, 2011 Tid for eksamen: 09.00 13.00 Oppgavesettet er på 5 sider. Vedlegg: Tillatte hjelpemidler: STK4400/STK9400
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
DetaljerTMA4240 Statistikk Høst 2007
TMA4240 Statistikk Høst 2007 Norges teknisk-naturvitenskapelige universitet Institutt for matematiske fag Øving nummer b4 Løsningsskisse Oppgave 1 Eksamen juni 1999, oppgave 3 av 3 a) µ populasjonsgjennomsnitt,
DetaljerEKSAMEN I NUMERISK LINEÆR ALGEBRA (TMA4205)
Norges teknisknaturvitenskapelige universitet Institutt for matematiske fag Side av 6 Faglig kontakt under eksamen: Navn: Brynjulf Owren 93064 EKSAMEN I NUMERISK LINEÆR ALGEBRA TMA405 Fredag 5 desember
Detaljer1 + γ 2 X i + V i (2)
Seminaroppgave 8 8.1 I en studie av sammenhengen mellom gjennomsnittlig inntekt og utgifter til offentlig skoledrift for ulike amerikanske stater i 1979 estimeres modellen; Y i = β 0 + β 1 X i + β 2 Xi
DetaljerUNIVERSITETET I OSLO
UNIVERSITETET I OSLO Det matematisk-naturvitenskapelige fakultet Eksamen i: STK1110 Statistiske metoder og dataanalyse 1 Eksamensdag: Mandag 30. november 2015. Tid for eksamen: 14.30 18.00. Oppgavesettet
DetaljerEksamensoppgave i TMA4245 Statistikk
Institutt for matematiske fag Eksamensoppgave i TMA4245 Statistikk Faglig kontakt under eksamen: Ingelin Steinsland a, Øyvind Bakke b Tlf: a 73 59 02 39, 926 63 096, b 73 59 81 26, 990 41 673 Eksamensdato:
DetaljerEKSAMEN I FAG TMA4275 LEVETIDSANALYSE Lørdag 4. juni 2005 Tid: 09:00 13:00
Norges teknisk naturvitenskapelige universitet Institutt for matematiske fag Side 1 av 5 Faglig kontakt under eksamen: Bo Lindqvist 975 89 418 EKSAMEN I FAG TMA4275 LEVETIDSANALYSE Lørdag 4. juni 2005
DetaljerEksamensoppgave i TMA4267 Lineære statistiske modeller
Institutt for matematiske fag Eksamensoppgave i TMA4267 Lineære statistiske modeller Faglig kontakt under eksamen: Mette Langaas Tlf: 988 47 649 Eksamensdato: 4. juni 2016 Eksamenstid (fra til): 09.00
DetaljerEnergy Calibration for the Forward Detector at WASA-at-COSY
Energy Calibration for the Forward Detector at WASA-at-COSY Kay Demmich Westfälische Wilhelms-Universität Münster, Institut für Kernphysik DPG Spring Meeting (HK 42.7) 5. März 23 K. Demmich (WWU) Calibration
DetaljerUNIVERSITETET I OSLO
UNIVERSITETET I OSLO Det matematisk-naturvitenskapelige fakultet Eksamen i: Eksamensdag: Torsdag 2. juni 24 Tid for eksamen: 4.3 8.3 Oppgavesettet er på 5 sider. Vedlegg: Tillatte hjelpemidler: STK429
DetaljerEksamen i: STA-1002 Statistikk og sannsynlighet 2 Dato: Fredag 31. mai 2013 Tid: Kl 09:00 13:00 Sted: Administrasjonsbygget
FA K U L T E T FO R NA T U R V I T E N S K A P O G TE K N O L O G I EKSAMENSOPPGAVE Eksamen i: STA-1002 Statistikk og sannsynlighet 2 Dato: Fredag 31. mai 2013 Tid: Kl 09:00 13:00 Sted: Administrasjonsbygget
DetaljerBootstrapping og simulering
Bootstrapping og simulering Tilleggslitteratur for STK1100 Geir Storvik April 2014 1 Introduksjon Simulering av tilfeldige variable (stokastisk simulering) er et nyttig verktøy innenfor statistikk, men
DetaljerSeminaroppgave 10. (a) Definisjon: En estimator θ. = θ, der n er et endelig antall. observasjoner. Forventningsretthet for β: Xi X ) Z i.
Seminaroppgave 0 a Definisjon: En estimator θ n er forventningsrett hvis E θn observasjoner. Forventningsretthet for β: θ, der n er et endelig antall β Xi X Y i Xi X Xi X α 0 + βx i + n Xi X Xi X β + Xi
Detaljer7 Global Linkages and Economic Growth
7 Global Linkages and Economic Growth Y t = F(K t,e t L t ), (1) Y t C t = S t = sf(k t, E t L t ). (2) K t+1 K t = sf(k t, E t L t ) δk t, (3) Foundations of International Macroeconomics (297) Chapter
DetaljerHypotesetest: generell fremgangsmåte
TMA4240 Statistikk H2010 (21) 10.8, 10.10: To normalfordelte utvalg 10.9: Teststyrke og antall observasjoner Mette Langaas Foreleses mandag 1.november, 2010 2 Hypotesetest: generell fremgangsmåte Generell
DetaljerOppgave 1. X 1 B(n 1, p 1 ) X 2. Vi er interessert i forskjellen i andeler p 1 p 2, som vi estimerer med. p 1 p 2 = X 1. n 1 n 2.
Løsningsforslag til eksamen i MOT310 STATISTISKE METODER 1 VARIGHET: 4 TIMER DATO: 17 november 2008 TILLATTE HJELPEMIDLER: Kalkulator: HP30S, Casio FX82 eller TI-30 Tabeller og formler i statistikk Tapir
DetaljerLøsningsforslag for Obligatorisk Oppgave 2. Algoritmer og Datastrukturer ITF20006
Løsningsforslag for Obligatorisk Oppgave 2 Algoritmer og Datastrukturer ITF20006 Lars Vidar Magnusson Frist 28.02.14 Den andre obligatoriske oppgaven tar for seg forelesning 5, 6, og 7 som dreier seg om
DetaljerFakultet for informasjonsteknologi, Institutt for matematiske fag EKSAMEN I EMNE ST2202 ANVENDT STATISTIKK
Side av 9 NTNU Noregs teknisk-naturvitskaplege universitet Fakultet for informasonsteknologi, matematikk og elektroteknikk Institutt for matematiske fag Bokmål Faglig kontakt under eksamen Bo Lindqvist
DetaljerUNIVERSITETET I OSLO Det matematisk naturvitenskapelige fakultet
UNIVERSITETET I OSLO Det matematisk naturvitenskapelige fakultet Eksamen i AST5220/9420 Kosmologi II Eksamensdag: Fredag 11. juni 2010 Tid for eksamen: 09.00 12.00 Oppgavesettet er på 4 sider. Vedlegg:
Detaljerα =P(type I feil) = P(forkast H 0 H 0 er sann) =1 P(220 < X < 260 p = 0.6)
TMA4245 Statistikk Vår 212 Norges teknisk-naturvitenskapelige universitet Institutt for matematiske fag Øving 4 blokk II Løsningsskisse Oppgave 1 4 personer spurt. Hvis mellom 22 og 26 personer svarer
DetaljerUNIVERSITETET I OSLO
UNIVERSITETET I OSLO Det matematisk-naturvitenskapelige fakultet Eksamen i: STK1100 Statistiske metoder og dataanalyse 1 - Løsningsforslag Eksamensdag: Mandag 30. november 2015. Tid for eksamen: 14.30
DetaljerGammafordelingen og χ 2 -fordelingen
Gammafordelingen og χ 2 -fordelingen Gammafunksjonen Gammafunksjonen er en funksjon som brukes ofte i sannsynlighetsregning. I mange fordelinger dukker den opp i konstantleddet. Hvis man plotter n-fakultet
DetaljerModifisering av Black & Scholes opsjonsprising ved bruk av NIG-fordelingen
Modifisering av Black & Scholes opsjonsprising ved bruk av NIG-fordelingen Prosjektoppgave STK-MAT2011 Sindre Froyn Salgsopsjon A B K S 0 T S 0 : porteføljeprisen ved tiden t = 0. K: garantert salgspris
DetaljerEksamensoppgave i TMA4267 Lineære statistiske modeller
Institutt for matematiske fag Eksamensoppgave i TMA4267 Lineære statistiske modeller Faglig kontakt under eksamen: Tlf: Eksamensdato: August 2014 Eksamenstid (fra til): Hjelpemiddelkode/Tillatte hjelpemidler:
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 =
DetaljerNotat 3 - ST februar 2005
Notat 3 - ST1301 1. februar 2005 1 Simulering fra modell Når vi skal analysere et gitt konkret innsamlet datasett vil vi gjøre dette med utgangspunkt i en statistisk modell. Vi kan si at en slik statistisk
Detaljervekt. vol bruk
UNIVERSITETET I OSLO Det matematisk-naturvitenskapelige fakultet Eksamen i: STK1110 Statistiske metoder og dataanalyse 1. Eksamensdag: 10. desember 2010. Tid for eksamen: 14.30 18.30. Oppgavesettet er
DetaljerEkstraoppgaver for STK2120
Ekstraoppgaver for STK2120 Geir Storvik Vår 2011 Ekstraoppgave 1 Anta X 1 og X 2 er uavhengige med X 1 N(1.0, 1.0) og X 2 N(2.0, 1.5). La X = (X 1, X 2 ) T. Definer c = ( ) 2.0 3.0, A = ( ) 1.0 0.5 0.0
Detaljerv(t) = r (t) = (2, 2t) v(t) = t 2 T(t) = 1 v(t) v(t) = (1 + t 2 ), t 2 (1 + t 2 ) t = 2(1 + t 2 ) 3/2.
NTNU Institutt for matematiske fag TMA40 Matematikk, øving, vår 0 Løsningsforslag Notasjon og merknader Hvis boken skriver en vektor som ai + bj + ck hender det at jeg skriver den som a, b, c). Jeg benytter
DetaljerEKSAMEN I FAG ST2202 ANVENDT STATISTIKK
Norges teknisk naturvitenskapelige universitet Institutt for matematiske fag Side 1 av 8 Faglig kontakt under eksamen: Bo Lindqvist Tlf. 975 89 418 EKSAMEN I FAG ST2202 ANVENDT STATISTIKK Fredag 5. desember
DetaljerElektrisk potensial/potensiell energi
Elektrisk potensial/potensiell energi. Figuren viser et uniformt elektrisk felt E heltrukne linjer. Langs hvilken stiplet linje endrer potensialet seg ikke? A. B. C. 3 D. 4 E. Det endrer seg langs alle
DetaljerUNIVERSITETET I OSLO
UNIVERSITETET I OSLO Det matematisk-naturvitenskapelige fakultet Eksamen i: FYS-MEK 1110 Eksamensdag: 6 juni 2017 Tid for eksamen: 14:30 18:30 (4 timer) Oppgavesettet er på 4 sider Vedlegg: Formelark Tillatte
DetaljerUNIVERSITETET I OSLO
UNIVERSITETET I OSLO Det matematisk-naturvitenskapelige fakultet Eksamen i STK1000 Innføring i anvendt statistikk Eksamensdag: Torsdag 2. desember 2010. Tid for eksamen: 09.00 13.00. Oppgavesettet er på
DetaljerFerdig før tiden 4 7 Ferdig til avtalt tid 12 7 Forsinket 1 måned 2 6 Forsinket 2 måneder 4 4 Forsinket 3 måneder 6 2 Forsinket 4 måneder 0 2
Besvar alle oppgavene. Hver deloppgave har lik vekt. Oppgave I En kommune skal bygge ny idrettshall og vurderer to entreprenører, A og B. Begge gir samme pristilbud, men kommunen er bekymret for forsinkelser.
DetaljerKapittel 10: Hypotesetesting
Kapittel 10: Hypotesetesting TMA445 Statistikk 10.1, 10., 10.3: Introduksjon, 10.5, 10.6, 10.7: Test for µ i normalfordeling, 10.4: p-verdi Turid.Follestad@math.ntnu.no p.1/19 Estimering og hypotesetesting
DetaljerMatematisk statistikk og stokastiske prosesser B, høsten 2006 Løsninger til oppgavesett 5, s. 1. Oppgave 1
Matematisk statistikk og stokastiske prosesser B, høsten 2006 Løsninger til oppgavesett 5, s AR2-modell: Oppgave X t φ X t φ 2 X t 2 Z t Antas å være kausal slik at X t ψ j Z t j er ukorrelert med Z t+,
DetaljerAbstract. i x + a x +. a = (a x, a y ) z γ + 1 γ + z )
Abstract R, Aharonov-Bohm Schrödinger Landau level Aharonov-Bohm Schrödinger 1 Aharonov-Bohm R Schrödinger ( ) ( ) 1 1 L a = i + a = i x + a x + ( ) 1 i y + a y (1). a = (a x, a y ) rot a = ( x a y y a
DetaljerEksamen TFY 4210 Kvanteteorien for mangepartikkelsystem, våren 2012
NTNU Fakultet for Naturvitskap og Teknologi Institutt for fysikk Eksamen TFY 4210 Kvanteteorien for mangepartikkelsystem, våren 2012 Faglærar: Førsteamanuensis John Ove Fjærestad Institutt for fysikk Telefon:
DetaljerUNIVERSITETET I OSLO
Side 1 av 4 UNIVERSITETET I OSLO Det matematisk-naturvitenskapelige fakultet Eksamen i: FYS-MEK111 Eksamensdag: Mandag 22. mars 21 Tid for eksamen: Kl. 15-18 Oppgavesettet er på 4 sider + formelark Tillatte
DetaljerTFY4104 Fysikk Eksamen 28. november 2016 Side 13 av 22
TFY4104 Fysikk Eksamen 28. november 2016 Side 13 av 22 FORMLER: Fete symboler angir vektorer. Symboler med hatt over angir enhetsvektorer. Formlenes gyldighetsområde og de ulike symbolenes betydning antas
DetaljerUNIVERSITETET I OSLO
UNIVERSITETET I OSLO Det matematisk-naturvitenskapelige fakultet Eksamen i emnet STK4500 v2005: Finans og forsikring Prosjektoppgave, utlevering fredag 10. juni kl. 09, innlevering tirsdag 14. juni kl.
DetaljerUNIVERSITETET I OSLO
Side av 5 UNIVERSITETET I OSLO Det matematisk-naturvitenskapelige fakultet Eksamen i: FYS-MEK Eksamensdag: Onsdag. juni 2 Tid for eksamen: Kl. 9-3 Oppgavesettet er på 5 sider + formelark Tillatte hjelpemidler:
Detaljer3.A IKKE-STASJONARITET
Norwegian Business School 3.A IKKE-STASJONARITET BST 1612 ANVENDT MAKROØKONOMI MODUL 5 Foreleser: Drago Bergholt E-post: Drago.Bergholt@bi.no 11. november 2011 OVERSIKT - Ikke-stasjonære tidsserier - Trendstasjonaritet
DetaljerFasit og løsningsforslag STK 1110
Fasit og løsningsforslag STK 1110 Uke 36: Eercise 8.4: a) (57.1, 59.5), b) (57.7, 58, 9), c) (57.5, 59.1), d) (57.9, 58.7) og e) n 239. (Hint: l(n) = 1 = 2z 1 α/2 σ/n 1/2 ). Eercise 8.10: a) (2.7, 7.5),
DetaljerInferens. STK Repetisjon av relevant stoff fra STK1100. Eksempler. Punktestimering - "Fornuftig verdi"
Inferens STK1110 - Repetisjon av relevant stoff fra STK1100 Geir Storvik 12. august 2015 Data x 1,..., x n evt også y 1,..., y n Ukjente parametre θ kan være flere Vi ønsker å si noe om θ basert på data.
DetaljerUNIVERSITETET I OSLO
UNIVERSITETET I OSLO Det matematisk-naturvitenskapelige fakultet Eksamen i: FYS1120 Elektromagnetisme Eksamensdag: 10. oktober 2016 Tid for eksamen: 10.00 13.00 Oppgavesettet er på 8 sider. Vedlegg: Tillatte
Detaljer(1 + x 2 + y 2 ) 2 = 1 x2 + y 2. (1 + x 2 + y 2 ) 2, x 2y
Norges teknisk naturvitenskapelige universitet Institutt for matematiske fag TMA45 Matematikk vår 9 Løsningsforslag til eksamen.5.9 Gitt f(, y) = + +y. a) Vi regner ut f = f y = + + y ( + + y ) = + + y
DetaljerUNIVERSITETET I OSLO Matematisk Institutt
UNIVERSITETET I OSLO Matematisk Institutt Eksamen i: STK 1110 Statistiske metoder og dataanalyse 1 Tid for eksamen: Mandag 28. november 2016, kl. 14:30 18:30 Hjelpemidler: Formelsamling til STK 1100 og
DetaljerTFY4104 Fysikk Eksamen 28. november 2016 Side 13 av 22
TFY4104 Fysikk Eksamen 28. november 2016 Side 13 av 22 FORMLER: Fete symboler angir vektorer. Symboler med hatt over angir enhetsvektorer. Formlenes gyldighetsområde og de ulike symbolenes betydning antas
DetaljerEKSAMEN I FAG SIF4002 FYSIKK. Mandag 5. mai 2003 Tid: Sensur uke 23.
side 1 av 5 (bokmål) NORGES TEKNISK- NATURVITENSKAPELIGE UNIVERSITET, INSTITUTT FOR FYSIKK Faglig kontakt under eksamen: Institutt for fysikk, Gløshaugen Professor Arnljot Elgsæter, 73940078 EKSAMEN I
Detaljer(a) For regresjon brukes vanligvis kvadratisk tap: L(y, ŷ) = (y ŷ) 2. Den optimale prediktor basert på input variable x er da Ŷ = E[Y x].
FORMELSAMLING TIL STK2100 (Versjon Mai 2018) 1 Tapsfunksjoner (a) For regresjon brukes vanligvis kvadratisk tap: L(y, ŷ) = (y ŷ) 2. Den optimale prediktor basert på input variable x er da Ŷ = E[Y x]. (b)
DetaljerGenerelle lineære modeller i praksis
Generelle lineære modeller Regresjonsmodeller med Forskjellige spesialtilfeller Uavhengige variabler Én binær variabel Analysen omtales som Toutvalgs t-test én responsvariabel: Y en eller flere uavhengige
DetaljerEKSAMEN I FAG TMA4255 FORSØKSPLANLEGGING OG ANVENDTE STATISTISKE METODER
Norges teknisk naturvitenskapelige universitet Institutt for matematiske fag Side 1 av 7 Faglig kontakt under eksamen: Bo Lindqvist Tlf. 975 89 418 BOKMÅL EKSAMEN I FAG TMA4255 FORSØKSPLANLEGGING OG ANVENDTE
DetaljerSystemidentifikasjon Oppgaver
University College of Southeast Norway Systemidentifikasjon Oppgaver HANS-PETTER HALVORSEN http://home.hit.no/~hansha Innholdsfortegnelse 1 Innledning... 3 2 Minste kvadraters metode... 4 3 Validering...
DetaljerTDT4105 IT Grunnkurs Høst 2014
TDT4105 IT Grunnkurs Høst 2014 Norges teknisknaturvitenskapelige universitet Institutt for datateknikk og informasjonsvitenskap Øving 6 1 Teori a) Hva er 2-komplement? b) Hva er en sample innen digital
DetaljerA.3.e: Ortogonale egenfunksjonssett
TFY4250/FY2045 Tillegg 2 1 Tillegg 2: A.3.e: Ortogonale egenfunksjonssett Ikke-degenererte egenverdier La oss først anta at en operator ˆF har et diskret og ikke-degeneret spektrum. Det siste betyr at
DetaljerForelesning 11 STK3100/4100
Forelesning STK300/400 Plan for forelesning: 3. oktober 20 Geir Storvik. Generaliserte lineære blandede modeller Eksempler R-kode - generell formulering av modell Tillater innbygging av avhengigheter mellom
DetaljerNTNU. MA1103 Flerdimensjonal Analyse våren Maple-øving 2. Viktig informasjon. Institutt for matematiske fag. maple02 28.
NTNU Institutt for matematiske fag MA1103 Flerdimensjonal Analyse våren 2011 Maple-øving 2 Fyll inn studieprogram: Fyll inn navn: 1. 2. 3. 4. Viktig informasjon Besvarelsen kan leveres som gruppearbeid
DetaljerGruvedrift. Institutt for matematiske fag, NTNU. Notat for TMA4240/TMA4245 Statistikk
Gruvedrift Notat for TMA/TMA Statistikk Institutt for matematiske fag, NTNU I forbindelse med planlegging av gruvedrift i et område er det mange hensyn som må tas når en skal vurdere om prosjektet er lønnsomt.
DetaljerForelesning 7 STK3100/4100
Gamma regresjon Forelesning 7 STK3100/4100 26. september 2008 Geir Storvik Plan for forelesning: 1. Kontinuerlige positive responser 2. Gamma regresjon 3. Invers Gaussisk regresjon Modell: Har y Gamma(µ,ν),
DetaljerUNIVERSITETET I OSLO
Eksamen i: UNIVERSITETET I OSLO Det matematisk-naturvitenskapelige fakultet STK2120 Skisse til løsning/fasit. Eksamensdag: Torsdag 5. juni 2014. Tid for eksamen: 14.30 18.30. Oppgavesettet er på 5 sider.
DetaljerTFY4102 Fysikk Eksamen 16. desember 2017 Foreløpig utgave Formelside 1 av 6
TFY4102 Fysikk Eksamen 16. desember 2017 Foreløpig utgave Formelside 1 av 6 FORMLER: Fete symboler angir vektorer. Symboler med hatt over angir enhetsvektorer. Formlenes gyldighetsområde og de ulike symbolenes
DetaljerLøsningsforslag Eksamen i Fys-mek1110 våren 2010
Side av Løsningsforslag Eksamen i Fys-mek våren Oppgave (Denne oppgaven teller dobbelt) Ole og Mari vil prøve om lengdekontraksjon virkelig finner sted. Mari setter seg i sitt romskip og kjører forbi Ole,
Detaljer1 Section 7-2: Estimere populasjonsandelen. 2 Section 7-4: Estimere µ når σ er ukjent
1 Section 7-2: Estimere populasjonsandelen 2 Section 7-4: Estimere µ når σ er ukjent Kapittel 7 Nå begynner vi med statistisk inferens! Bruke stikkprøven til å 1 Estimere verdien til en parameter i populasjonen.
DetaljerForelesning 7 STK3100/4100
Forelesning 7 STK3100/4100 p. 1/2 Forelesning 7 STK3100/4100 8. november 2012 Geir Storvik Plan for forelesning: 1. Kontinuerlige positive responser 2. Gamma regresjon 3. Invers Gaussisk regresjon Forelesning
DetaljerWeibullfordelingen. Kjetil L. Nielsen. Innhold. 1 Teori. 1.1 Tetthetsfunksjon og fordelingsfunksjon
Weibullfordelingen Kjetil L. Nielsen Innhold Teori......................................... Tetthetsfunksjon og fordelingsfunksjon......................2 Parameterene i Weibullfordelingen.......................
DetaljerLøsningsforslag Eksamen i MIK130, Systemidentifikasjon (10 sp)
DET TEKNISK - NATURVITENSKAPELIGE FAKULTET Institutt for data- og elektroteknikk Løsningsforslag Eksamen i MIK3, Systemidentifikasjon ( sp) Dato: Mandag 8 desember 28 Lengde på eksamen: 4 timer Tillatte
DetaljerForelesning 9 STK3100/4100
p. 1/3 Forelesning 9 STK3100/4100 Plan for forelesning: 18. oktober 2012 Geir Storvik 1. Lineære blandede modeller 2. Marginale modeller 3. Estimering - ML og REML 4. Modell seleksjon p. 2/3 Modell med
DetaljerEstimatorar. Torstein Fjeldstad Institutt for matematiske fag, NTNU
Estimatorar Torstein Fjeldstad Institutt for matematiske fag, NTNU 11.10.2018 I dag Repetisjon Er dataa mine normalfordelt? Estimatorar Eigenskapar til S 2 Kahoot 2 Repetisjon Obervator Ein observator
DetaljerForelesning 4 STK3100
! * 2 2 2 Bevis : Anta Forelesning 4 STK3 september 27 S O Samuelsen Plan for annen forelesning: Likelihood-egenskaper 2 Konsistens for ML 3 Tilnærmet fordeling for ML 4 Likelihoodbaserte tester 5 Multivariat
Detaljerår i 1 2 3 4 5 6 7 8 9 alder x i 37 38 39 40 41 42 43 44 45 tid y i 45.54 41.38 42.50 38.80 41.26 37.20 38.19 38.05 37.45 i=1 (x i x) 2 = 60, 9
TMA424 Statistikk Vår 214 Norges teknisk-naturvitenskapelige universitet Institutt for matematiske fag Øving nummer 11, blokk II Oppgave 1 Matlabkoden linearreg.m, tilgjengelig fra emnets hjemmeside, utfører
DetaljerEksamensoppgave i TMA4295 Statistisk inferens
Institutt for matematiske fag Eksamensoppgave i TMA4295 Statistisk inferens Faglig kontakt under eksamen: Vaclav Slimacek Tlf: 942 96 313 Eksamensdato: Tirsdag 2. desember 2014 Eksamenstid (fra til): 09:00-13:00
DetaljerBivariate analyser. Analyse av sammenhengen mellom to variabler. H 0 : Ingen sammenheng H 1 : Sammenheng
Bivariate analyser Analyse av sammenhengen mellom to variabler H : Ingen sammenheng H 1 : Sammenheng Hvis den ene variabelen er kategorisk er en slik analyse det samme som å sammenligne grupper. Ulike
Detaljer