Problem sets II for ECON 4150, Spring 09

Størrelse: px
Begynne med side:

Download "Problem sets II for ECON 4150, Spring 09"

Transkript

1 Problem ses II for ECON 45, Sprg 9 Problem se 6 Solve he exercses: 6.6, 6.9, 6., 7.4 Problem se 7 Solve exercse 6.5, revew he log-ormal dsrbuo combao wh appedx 7A, ad solve he followg exercse: Exercse 7. If we cosder he regresso equao () Y β + βx + ε,,..., wll ofe happe ha he dsurbaces { ε } are heeroskedasc. I order o deec heeroskedascy of he radom dsurbaces exbooks wll ofe recommed varous kds of resdual plos. The dea s ha he resduals mmc properes of he dsurbaces. Bu oe εˆ are defed by has o be a b careful. The resduals { } () ε Y Yˆ ( ˆ β β )( X X ) + ( ε ) where ˆ ε (3) Yˆ ˆ β ˆ + βx () Deduce he las equaly of (). Assume ha he dsurbaces are homoskedasc,.e. Var ( ε ) σ for all. Show ha he followg expressos hold: () E( ˆ ε ) ( X X ) () Var( ˆ ε ) ( ˆ E ε ) σ ( ) ( X X ) (v) Expla why he resduals { εˆ } mus be correlaed ad he show ha ( X )( ) X X X (v) Cov( ˆ ε, ˆ ε ) σ ( + ) ( X X ) Hece, eve f he dsurbaces are homoskedasc he varace of { } εˆ depeds o he sample values of he explaaory varable X. Ths ca make dffcul o erpre a graph

2 whch oe has ploed X agas εˆ. For hs reaso oe wll ofe ormalse he resduals so ha all resduals ge he same varace. For example oe could defe (4) ε ˆ* ˆ ε s ( v ) where s ˆ ε ( ) ad v ( X X ) + ( X X ) ad he plo Fally, show ha X agas * ˆ ε or (v) E( ˆ ε ) σ ( ) X agas ( ˆ* ε ). Problem se 8 Solve he exercses: 7.6, ad addo exercse 8.. Exercse 8. For å a hesy l kvalave forklargsvarable e regresoslgg beyer v gere dummyvarable. Spørsmål G eksempler på økoomerske avedelser av dummyvarable. På e uvalg av orske løsakere skal v esmere regresoe () X β + β K + β E + ε,,3,..., der X beeger meløe l løsaker (), K beeger dummyvarabele for kø, som er lk hvs perso er e kve og lk hvs perso er e ma, E beeger aall år udag l løsaker (). De er lke mage kver som me uvalge. Varabele ε beeger de sokasske resledd regresoe, som aaes å være uavhegge og desk fordele for alle, med forveg og varas σ. Bruk de vedlage daase (lø og kø des8) l å berege regresoe (). Spørsmål Kommeer de emprske resulaee. Hva vl du rekke frem som spesel eressa ved dsse resulaee. Effeke av udag på meløe syes å være uskker. Esmer løsrelasoe () år du har ekskluder udag, dvs.

3 () X β + βk + ε Msekvadraers esmaoree på regresoskoeffseee β og β regresoe () er g ved formlee (a) ˆ β ˆ β K (b) ˆ β X ( K ( K K ) X K ) der X beeger geomslg melø daasee og K beeger geomse av dummyvarabele K. Spørsmål 3 Vs a formlee for msekvadraers esmaee reduserer seg l ˆβ X og M ˆβ X K X M der X M beeger geomse av meløe for meee uvalge og X K beeger geomse av meløe for kvee. Mage som forsker på arbedsmarkedsrelaere problemer og løsdaelse, vl hevde a løsrelasoer er kke-leære, slk a de leære regresoee () og () passer dårlg for dee formåle. I sede for dsse blr følgede spesfkasoer foreslå (3) l X γ + γ K + γ E + ε (4) l X α + α l K + α l E + ε der l X, K l og l E beeger de aurlge logarme l de age varable. Spørsmål 4 Forklar hvorfor v kke ka beye regreso (4) med vår valg av forklargsvarable. Esmer regresoe (3) med bruk av de vedlage daase. Spørsmål 5 Kommeer resulaee av dee regresoe. Syes du de er gru l å forerekke regreso (3) fremfor regreso ()? Spørsmål 6 Hvorda vl du olke parameere γ regreso (3)? 3

4 Spørsmål 7 Esmer meløe for e malg arbeder med års udag år du: (a) beyer regreso (), og (b) beyer regreso (3). Problem se 9 Solve he exercses: 8., 8.6 ad addo exercse 9. below Exercse 9. E eressa hypoese som dskueres makroeor er a offelge ugfer bdrar l å forrege de samlede veserger e lads økoom. Idee er a sore offelge ugfer både dreke og dreke va e øk reevå, bdrar l å redusere de samlede veserger. V øsker å udersøke dee hypoese ved bruk av verrssdaa for e uvalg på 3 vkge dusrlad 999. Dessverre holder vår daase kke observasoer for reevåe ladee, me gr oss daa for varablee: offelge ugfer (G), samlede veserger (I), bruo asoalproduk (X ) og folkeall (P). Som bakgrusmodell for å udersøke dee hypoese spesfseres regresoe () I β + βg + β X + ε,,3,..., 3 der ε beeger de sokasske resleddee. Uskrf vser resulaee av dee regresosberegge. Spørsmål (a) Gør rede for holde dee uskrfe. (b) Syes du hypoese om a de offelge ugfer forreger de samlede veserger blr bekrefer eller avkrefe? Begru svare. Daasee holder både sore og små lad, for eksempel går både USA og Islad ε å være heeroskedasske. uvalge. V mseker derfor serk de sokasske resleddee { } Spørsmål (a) I Uskrf har v ploe resdualee fra regreso () mo bruo asoalproduk X. Syes du de ploede pukee (de røde kryssee) yder på a resleddee er heeroskedasske? For å udersøke mer press om heeroskedasse er l sed våre daa, har v også berege Whe s kossee esma på sadardavvkee l esmaoree ˆ β ˆ ˆ, β og β. Resulaee er rapporer Uskrf 3. Whe s esmere sadardavvk for esmaoree ˆ β ˆ ˆ, β og β fer du koloe beege HCSE. 4

5 (b) Tyder resulaee Uskrf 3 på a resleddee er hereroskedasske? Begru svare. Fyll allee koloe som er beege -HCSE. Som e lleggses for å avgøre om resleddee er heeroskedasske øsker v også å beye Goldfeld-Quad s es. Daaee er sorer eer sørrelse på bruoasoalproduke, dereer er de kør o regresoer. Uskrf 4 vser resulaee av regreso () for de 5 ladee med høyes bruoasoalproduk, mes uskrf 5 vser de lsvarede resulaer for de 5 ladee med laves bruoasoalproduk. Spørsmål 3 Forklar kor holde Goldfeld-Quad s ese. Bey resulaer du fer uskrfee 4 og 5 l å geomføre esprosedyre, og forklar hva de resulaer yder på om resleddees fordelger. Bruoasoalproduke (X ) ladee som går vår daase varerer serk. For å redusere effeke av serk varerede (X ) er de foreslå å spesfsere regresoe mellom de lsvarede pr. capa sørrelsee. Spørsmål 4 Regreso () edefor vser dee spesfkaso () I / P) β + β ( G / P) + β ( X / P) + u,,..., 3 ( Uskrf 6 vser resulaee av dee regresosberegge. Bruk av Goldfeld-Quad s es yder på a resleddee ( u ) () ka være homoskedasske. Syes du a du ka fe søe for e slk kokluso uskrf 6? Forskere som er vlede l hypoese om a offelge ugfer forreger de samlede veserger (vlere), påsår a ma bare ka avgøre dee spørsmåle ved å beye regresoe (3) ( I / P) γ + γ ( G / P) + γ ( X / P) + γ 3r + δ,,..., 3 der r beeger reevåe de forskellge ladee. La ˆ β ˆ, ˆ β, β og ˆ γ, ˆ γ ˆ ˆ, γ, γ 3 beege OLS esmaee regresoee () og (3). Spørsmål 5 Tvlere hevder a γ ka være lk ull selv om β er forskellg fra ull. Dskuer dee påsade. I dskusoe ka du aa a regresoe av r på ( G / P) og ( X / P) er leær eller r α + α( G / P) + α ( X / P) + u. Mo dee hevder lhegere av hypoese a på gru av lberalserge av de erasoale kapalmarkeder, vl reevåe være lærme lk de forskellge ladee slk a ˆβ vl være lærme lk ˆ γ 5

6 Spørsmål 6 Drøf dee påsade år v aar a r r + v der r beeger geomse av reevåee ladee og v beeger svær små posve og egave avvk. Uskrf EQ( ) Modellg (I) by OLS-CS (usg makrodaa.xls) The esmao sample s: o 3 Coeffce Sd.Error -value -prob Cosa G X sgma RSS R^ F(,7) 93 [.]** DW.38 o. of observaos 3 o. of parameers 3 mea (I) 6.47 var (I ) 5 Uskrf resduals X

7 Uskrf 3 Coeffces SE -SE HCSE -HCSE Cosa G X Uskrf 4 EQ( ) Modellg I by OLS-CS (usg makrodaa.xls) The esmao sample s: o 5 Coeffce Sd.Error -value -prob Cosa G X sgma RSS R^.9879 F(,) 46.5 [.]** DW. o. of observaos 5 o. of parameers 3 mea (I) var( I ) 739 Uskrf 5 EQ( ) Modellg I by OLS-CS (usg makrodaa.xls) The esmao sample s: o 5 Coeffce Sd.Error -value -prob Cosa G X sgma 6.3 RSS R^ F(,) 3.3 [.]** DW.8 o. of observaos 5 o. of parameers 3 mea( I ) 7.33 var( I ) Uskrf 6 7

8 EQ( 3) Modellg ( I / P ) by OLS-CS (usg makrodaa.xls) The esmao sample s: o 3 Coeffce Sd.Error -value -prob HCSE Cosa G / P X / P sgma RSS.7777 R^ F(,7) [.]** DW.79 o. of observaos 3 o. of parameers 3 mea( I / P ) var( I / P ) Problem se Solve he exercses: 9.4, 9., 9.3 ad addo he exercse. below. Exercse. V er eresser å sudere sammehege mellom verde på bedrfer uryk ved bedrfees aksekapal og sørrelse på ubye (dvdede) bedrfee deler u l se akseeere. Vår daase er aggregere all fase prser og dekker åree P beeger de samlede verd på bedrfees aksekapal år, D beeger de samlede verd på ubye og edelg beeger C de samlede kosum. Varabele C er kluder for å vse uvklge av realeke perode. For å aalysere dee sammehege er følgede spesfkaso foreslå: () P β + β D + β C + ε,, 3,..., 74 der ε beeger sokasske resledd. Spørsmål () Bruk de vedlage daase (aders.daa) l å berege regresoe (), og gør rede for om du syes resulaee er rmelge. () Gør rede for hvorda allee koloee beege -value og -prob er fremkomme. Suppler de beregede regreso ovefor med regresoee: () P β + β D + u,, 3,..., 74 (3) P β D + β C + ε,, 3,..., 74 8

9 Spørsmål Ved å sammelge regresosbereggee og ser v a esmae på β har forskellge egeskaper al eer som C er kluder eller ekskluder fra regresoe. Lkeså ser v ved å sammelge bereggee for og 3 a esmae på β har forskellge egeskaper al eer som e kosaledd er kluder eller ekskluder fra regresoe. Hvorda vl du forklare dsse forskellee? I de følgede skal v basere oss på regresoe () Ved bruk av dsrekkedaa regresosberegger vl auokorrelere resledd ofe være e problem ma møer. Sde v beyer årsdaa vår udersøkelse, er de rmelg å gå u fra a resleddee er auokorrelere av orde. V skal derfor aa a resleddee u regreso () lfredssller lgge (3) u ρu + e ρ < der e er sokassk uavhegge med forveg og varas σ. For å udersøke om auokorrelaso er l sede vl de flese programmee berege de så kale Durb-Waso observaore, beege DW uskrfee. Spørsmål 3 () I spesfkasoe (3) foruseer v a < ρ <. Forklar hvorfor dee er e vkg foruseg. () G e kor begruelse for Durb_Waso ese. () Bruk regresosberegge for regreso () l å es ull hypoese H : ρ mo de alerave hypoese H : ρ >. Velg sgfkasvå α.5 I modeller for å forklare akseverde P oppfaes P ofe som åverde av fremdge... akseubyer. Lar v D +, D +, D+ 3,..., D+ k,..., beege progosee v sller opp på dspuk for de fremdge ubyer, vl bakgrusmodelle være g ved (4) P β + γ D + der dskoergsfakore < γ <. De ka vses ved å a ugagspuk og å uvkle summe av predksosfelee γ ( D D ) /( ) a v ka avlede regresoe γ (5) P β + D + v γ der v beeger de sokasske resledd. + + γ 9

10 Spørsmål 4 () Bruk bereggsresulaee for regreso l å ulede e esma for dskoergsfakore γ.

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

Forelesning 2 MET3592 Økonometri ved David Kreiberg Vår 2011

Forelesning 2 MET3592 Økonometri ved David Kreiberg Vår 2011 Forelesg MET359 Økoomer ved Davd Kreberg Vår 0 Dverse oppgaver Oppgave. Aa følgede o varabler: gpa: (Grade Po Average) Gjeomsskaraker for amerkaske sudeer. gpa fes ervalle [0;4], hvor 0 er lavese gjeomsskaraker

Detaljer

UNIVERSITETET I OSLO ØKONOMISK INSTITUTT

UNIVERSITETET I OSLO ØKONOMISK INSTITUTT UNIVERSITETET I OSLO ØKONOMISK INSTITUTT Eksamen : ECON35/45 Elemenær økonomer Exam: ECON35/45 Inroducory economercs Eksamensdag: Fredag 28. november 28 Sensur kunngjøres: 5. desember 28 Dae of exam: Frday,

Detaljer

UNIVERSITETET I OSLO ØKONOMISK INSTITUTT

UNIVERSITETET I OSLO ØKONOMISK INSTITUTT UNIVERSITETET I OSLO ØKONOMISK INSTITUTT Usa eksamen i: ECON315/415 Inroducory Economerics Eksamensdag: Fredag 11. augus 26 Tid for eksamen: kl. 9: 12: Oppgavesee er på 5 sider Tillae hjelpemidler: Alle

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

Forelesning 3 MET3592 Økonometri ved David Kreiberg Vår 2011

Forelesning 3 MET3592 Økonometri ved David Kreiberg Vår 2011 Forelesg 3 MET359 Økoometr ved Davd Kreberg Vår 0 Dverse oppgaver Oppgave. E vestor samler følgede formasjo om markedsavkastge og avkastge på det som ser ut tl å være et attraktvt aksjefod År Aksjefodets

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

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

Oppgaver. Hypotesetesting testing av enkelthypoteser. Forelesning 4 og 5 MET3592 Økonometri ved David Kreiberg Vår 2011

Oppgaver. Hypotesetesting testing av enkelthypoteser. Forelesning 4 og 5 MET3592 Økonometri ved David Kreiberg Vår 2011 Forelesnng 4 og 5 MET359 Økonomer ved Davd Kreberg Vår 11 Oppgaver lle MC-oppgaver er merke u fra vanskelghesgrad på følgende måe: * Enkel ** Mddels vanskelg *** Vanskelg ypoeseesng esng av enkelhypoeser

Detaljer

Notat 1: Grunnleggende statistikk og introduksjon til økonometri

Notat 1: Grunnleggende statistikk og introduksjon til økonometri Notat : Gruleggede statstkk og troduksjo tl økoometr Gruleggede statstkk Populasjo vs. utvalg Statstsk feres gjør bruk av formasjoe et utvalg tl å trekke koklusjoer (el. slutger) om populasjoe som utvalget

Detaljer

3. Beregning av Fourier-rekker.

3. Beregning av Fourier-rekker. Forelesigsoaer i maemaikk. 3. Beregig av 3.. Formlee for Fourier-koeffisieee. Vi går re på sak: a f være e sykkevis koiuerlig fuksjo med periode p. De uedelige rigoomeriske rekka cos( ) si ( ) a + a +

Detaljer

UNIVERSITETET I OSLO ØKONOMISK INSTITUTT

UNIVERSITETET I OSLO ØKONOMISK INSTITUTT UNIVERSITETET I OSLO ØKONOMISK INSTITUTT Eksamen i: ECON5/45 Elemenær økonomeri Exam: ECON5/45 Inroducory Economerics Eksamensdag: Onsdag. mai 9 Sensur kunngjøres: Fredag. juni 9 Dae of exam: Wednesday,

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

Øvingsoppgaver. Innledende oppgaver. Alle oppgaver er merket ut fra vanskelighetsgrad på følgende måte: * Enkel ** Middels vanskelig *** Vanskelig

Øvingsoppgaver. Innledende oppgaver. Alle oppgaver er merket ut fra vanskelighetsgrad på følgende måte: * Enkel ** Middels vanskelig *** Vanskelig Øvngsoppgaver Alle oppgaver er merke u fra vanskelghesgrad på følgende måe: * Enkel ** Mddels vanskelg *** Vanskelg Innledende oppgaver Oppgave 1.1* Den esmere varansen l varabelen y er lk 39,. Toal varasjon

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

Medisinsk statistikk, del II, vår 2008 KLMED Lineær regresjon, Rosner Regresjon?

Medisinsk statistikk, del II, vår 2008 KLMED Lineær regresjon, Rosner Regresjon? Medssk statstkk, del II, vår 008 KLMED 8005 Erk Skogvoll Førsteamauess dr. med. Ehet for Avedt klsk forskg Det medsske fakultet Leær regresjo, Roser..6 Bakgru (.) Modell (.) Estmerg av parametre modelle

Detaljer

Introduksjon til økonometri, kap 8, 9.1 og 9.2. Hva er formålet med økonometri? Utvalgskorrelasjoner To-variabel regresjoner

Introduksjon til økonometri, kap 8, 9.1 og 9.2. Hva er formålet med økonometri? Utvalgskorrelasjoner To-variabel regresjoner Itroduksjo tl økoometr, kap 8, 9.1 og 9. Hva er formålet med økoometr? Utvalgskorrelasjoer To-varabel regresjoer Iformasjo fra data Målet med økoometr er å lære oe fra data Øke vår kuskap ved å oppdage

Detaljer

Medisinsk statistikk, del II, vår 2009 KLMED 8005

Medisinsk statistikk, del II, vår 2009 KLMED 8005 Medssk statstkk, del II, vår 009 KLMED 8005 Erk Skogvoll Førsteamauess dr. med. Ehet for Avedt klsk forskg Det medsske fakultet Leær regresjo, Roser..6 Bakgru (.) Modell (.) Estmerg av parametre modelle

Detaljer

Løsningsforslag (ST1201/ST , kontinuasjonseksamen) ln L. X i = 2n.

Løsningsforslag (ST1201/ST , kontinuasjonseksamen) ln L. X i = 2n. Løsgsforslag ST20/ST620 205, kotuasjoseksame. a Rmelghetsfuksjoe blr Logartme Derverer Løser lgge Løsge er SME: L = 2 e l L = 2 l X X. X + l X. l L = 2 + 2 X = 2. ˆ = 2 X. X. b Her ka ma beytte trasformasjosformele,

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

I analysen rapporteres følgende resultater basert på data for 90 regioner:

I analysen rapporteres følgende resultater basert på data for 90 regioner: Eksamen SØK3001 Vår 2011 Bokmål Oppgave 1 I en emprsk undersøkelse benyes førs verrsnsdaa for å esmere sammenhengen mellom regonale bolgprser og regonal nnek En av relasjonene som esmeres er g ved (1)

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

UNIVERSITETET I OSLO ØKONOMISK INSTITUTT

UNIVERSITETET I OSLO ØKONOMISK INSTITUTT Eksame : ECON30 Saskk Exam: ECON30 Sascs UNIVERSITETET I OSLO ØKONOMISK INSTITUTT Eksamesdag: 7.05.0 Sesur kugjøres: 7.06.0 Dae of exam: 7.05.0 Grades wll be gve: 7.06.0 Td for eksame: kl. 4.30 7.30 Tme

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

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

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

Oppgave 1 Det er oppgitt i oppgaveteksten at estimatoren er forventningsrett, så vi vet allerede at E(ˆµ) = µ. Variansen til ˆµ er 2 2 ( )

Oppgave 1 Det er oppgitt i oppgaveteksten at estimatoren er forventningsrett, så vi vet allerede at E(ˆµ) = µ. Variansen til ˆµ er 2 2 ( ) Norges teksk-aturvteskapelge uverstet Isttutt for matematske fag Abefalt øvg Løsgssksse Oppgave Det er oppgtt oppgavetekste at estmatore er forvetgsrett, så v vet allerede at Eˆµ µ. Varase tl ˆµ er τ Varˆµ

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

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

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

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

Eksamensoppgave i TMA4240 Statistikk

Eksamensoppgave i TMA4240 Statistikk Insu for maemaske fag Eksamensoppgave TMA44 Saskk Faglg konak under eksamen: John Tyssedal, aakon akka. Tlf.: John Tyssedal: 4645376. Tlf: aakon akka: 97955667. Eksamensdao: 7..4 Eksamensd (fra-l): 9.-3.

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

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

TMA4240 Statistikk Høst 2016

TMA4240 Statistikk Høst 2016 TMA440 Statstkk Høst 06 Norges teksk-aturvteskapelge uverstet Isttutt for matematske fag Abefalt øvg 0 Løsgssksse Oppgave a Estmatore for avstade a er gjeomsttet av uavhegge detsk fordelte målger, x; a,

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

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

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

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

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

ÅMA110 Sannsynlighetsregning med statistikk, våren Estimering. Målemodellen. Estimering. Målemodellen. Kp. 5 Estimering. Målemodellen.

ÅMA110 Sannsynlighetsregning med statistikk, våren Estimering. Målemodellen. Estimering. Målemodellen. Kp. 5 Estimering. Målemodellen. ÅMA0 Sasylghetsregg med statstkk, våre 006 Kp. 5 Estmerg. Målemodelle. Estmerg. Målemodelle. Ihold:. (Pukt)Estmerg bomsk modell (kp. 5.). Målemodelle... (kp. 5.). (kp. 5.) 4. Estmere, estmat, estmator

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

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

(ii) Anta vi vet om en observasjon av X at den ikke er større enn 5. Hva er da sannsynligheten for at den er lik 5? (Hint: Finn PX ( = 5 X 5) ).

(ii) Anta vi vet om en observasjon av X at den ikke er større enn 5. Hva er da sannsynligheten for at den er lik 5? (Hint: Finn PX ( = 5 X 5) ). ECON3: EKSAMEN VÅR - UTSATT PRØVE Oppgave Ata er possofordelt med parameter λ = 5 (skrevet kort, ~ pos(5), jfr. defsjo 5.8 Løvås med t = ). A. () F P= ( 5) og P ( 5), for eksempel basert på tabell D. Løvås.

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

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

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

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

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

Statistikk med anvendelse i økonomi

Statistikk med anvendelse i økonomi A-6 og A-6-G, 6. ma 08 Emekode: Emeav: A-6 og A-6-G tatstkk med avedelse økoom Dato: 6. ma 08 Varghet: 0900-300 Atall sder kl. forsde 0 Tllatte hjelpemdler: erkader: Kalkulator med tømt me og ute kommukasjosmulgheter.

Detaljer

Working Paper ANO 2002/3. Estimering av indikatorer for volatilitet. Kjetil Johan Rakkestad. Avdeling for verdipapirer og internasjonal finans

Working Paper ANO 2002/3. Estimering av indikatorer for volatilitet. Kjetil Johan Rakkestad. Avdeling for verdipapirer og internasjonal finans ANO 00/3 Oslo februar 00 Workng Paper Avdelng for verdpaprer og nernasjonal fnans Esmerng av ndkaorer for volale av Kjel Johan Rakkesad Workng papers fra Norges Bank kan beslles over e-pos: posen@norges-bankno

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

EKSAMEN løsningsforslag

EKSAMEN løsningsforslag 5. aprl 017 EKSAMEN løsgsforslag Emekode: ITD0106 Emeav: Statstkk og økoom Dato:. ma 016 Eksamestd: 09.00 13.00 Hjelpemdler: - Alle trykte og skreve. - Kalkulator. Faglærer: Chrsta F Hede Om eksamesoppgave

Detaljer

Generell støymodell for forsterkere (Mot Kap.2)

Generell støymodell for forsterkere (Mot Kap.2) Geerell øymdell fr frerkere (M Kap.) år e frear øyaalyer av re yemer vl de være uprakk å aalyere med dealjere øymdeller fr alle mulge øyklder. velger ede å bruke freklede mdeller m repreeerer flere mulge

Detaljer

Forventet avkastning på aksjeindeksobligasjoner

Forventet avkastning på aksjeindeksobligasjoner Forvee avasg på asedesoblgasoer See Koeebaer og Valer Zaamole Is for øoom Høysole Agder Sammedrag Asedesoblgasoer er bl e poplær spareform Norge, og mage velger også å låefasere sle veserger. E av gree

Detaljer

Prisindekser for bygg og anlegg, bolig og eiendom 2006 Resultater og metoder

Prisindekser for bygg og anlegg, bolig og eiendom 2006 Resultater og metoder Norges offselle saskk D 363 Prsdekser for bygg og alegg, bolg og eedom 26 Resulaer og meoder Sassk seralbyrå Sascs Norway Oslo Kogsvger Norges offselle saskk I dee sere publseres hovedsakelg prmærsaskk,

Detaljer

Randi Johannessen. Mikroindeksformel i konsumprisindeksen. 2001/64 Notater 2001

Randi Johannessen. Mikroindeksformel i konsumprisindeksen. 2001/64 Notater 2001 2/64 Notater 2 Rad Johaesse Mkrodeksformel kosumprsdekse Avdelg for økoomsk statstkk/sekso for økoomske dkatorer Emegruppe: 8.2. Ihold. Bakgru og kokluso...3 2. Levekostadsdekser...4 2.. Kosumetes tlpasg...4

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

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

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

Hva påvirker gjeldsveksten i husholdningene?

Hva påvirker gjeldsveksten i husholdningene? Hva påvrker gjeldsveksen husholdnngene? Dag Hennng Jacobsen, konsulen Avdelng for fnansnsusjoner, og Bjørn E. Naug, senorrådgver Forsknngsavdelngen 1 Husholdnngenes gjeld har øk med 10 11 prosen per år

Detaljer

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

TALLSVAR. Det anbefales at de 9 deloppgavene merket med A, B, teller likt uansett variasjon i vanskelighetsgrad. Svarene er gitt i << >>. ECON: EKAMEN TALLVAR. et abefales at de 9 deloppgavee merket med A, B, teller lkt uasett varasjo vaskelghetsgrad. varee er gtt

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

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

UNIVERSITETET I OSLO ØKONOMISK INSTITUTT

UNIVERSITETET I OSLO ØKONOMISK INSTITUTT UNIVERSITETET I OSLO ØKONOISK INSTITUTT Eksamen : ECON35/45 Elementær økonometr Exam: ECON35/45 Introductory econometrcs Eksamensdag: redag 2. ma 25 Sensur kunngjøres: andag 3. jun ate of exam: rday, ay

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

X ijk = µ+α i +β j +γ ij +ǫ ijk ; k = 1,2; j = 1,2,3; i = 1,2,3; i=1 γ ij = 3. i=1 α i = 3. j=1 β j = 3. j=1 γ ij = 0.

X ijk = µ+α i +β j +γ ij +ǫ ijk ; k = 1,2; j = 1,2,3; i = 1,2,3; i=1 γ ij = 3. i=1 α i = 3. j=1 β j = 3. j=1 γ ij = 0. UNIVERSITETET I OSLO Det matematsk-naturvtenskapelge fakultet Eksamen : Eksamensdag: 7. jun 2013. Td for eksamen: 14.30 18.30. Oppgavesettet er på 8 sder. Vedlegg: Tllatte hjelpemdler: STK2120 LØSNINGSFORSLAG

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

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

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

Eksempel 1 - Er gjennomsnittshøyden for kvinner i Norge økende?

Eksempel 1 - Er gjennomsnittshøyden for kvinner i Norge økende? ECON 3 HG a 3 Supplemet tl sste forelesg 3 vår 4 eksempler på test-dskusjoer klusve ltt om p-verder Eksempel - Er gjeomsttshøyde for kver Norge økede? et er velkjet at gjeomsttshøyde for meesker Europa

Detaljer

Forelesning 21 og 22 Goodness of fit test and contingency table ( 2 test og krysstabell)

Forelesning 21 og 22 Goodness of fit test and contingency table ( 2 test og krysstabell) STAT111 Statstkk Metoder Yushu.L@ub.o Forelesg 1 Goodess of ft test ad cotgecy table ( test krysstabell 1.Goodess of ft test ( test Ata at v har et utvalg med observasjoee fra e stokastsk varabel X. Goodess-of-ft

Detaljer

Tillegg nr 1 til Grunnprospekt datert 27. mai 2015 i henhold til EU's Kommisjonsforordning nr 809/2004

Tillegg nr 1 til Grunnprospekt datert 27. mai 2015 i henhold til EU's Kommisjonsforordning nr 809/2004 Tllegg nr 1 l Grunnprospek daer 27. ma 2015 henhold l EU's Kommsjonsforordnng nr 809/2004 Tlreelegger Oslo, 25. jun 2015 Uarbede samarbed med DNB Markes 1 av 7 Ord med sor forboksav som benyes llegg l

Detaljer

Mer om Hypotesetesting (kap 5) Student t-fordelingen. Eksamen. Fordelingene blir like ved stor n:

Mer om Hypotesetesting (kap 5) Student t-fordelingen. Eksamen. Fordelingene blir like ved stor n: Mer om Hypotesetestg kap 5 Overskt: Små utvalg og Studet s t-fordelg Hypotesetestg for populasjosgjeomsttet, μ Med tlfeldg og stort utvalg er fordelge tl testobservatore motvert av SGT Hva skjer dersom

Detaljer

FYS3140 KORT INTRODUKSJON TIL KONTINUERLIGE GRUPPER

FYS3140 KORT INTRODUKSJON TIL KONTINUERLIGE GRUPPER FYS340 KORT INTRODUKSJON TIL KONTINUERLIGE GRUPPER I en konnuerlg gruppe avhenger hver eleen av e se av paraere a, a 2, a r, slk a e vlkårlg eleen ar foren G(a, a 2, a r ) Anall paraere r er gruppens densjon

Detaljer

Om enkel lineær regresjon I

Om enkel lineær regresjon I 1 ECON 130 HG, revdert 017 Notat tl kapttel 7.1 7.3.3 Løvås (Jfr. forelesg uke 11) Om ekel leær regresjo I (deskrptv aalse og ltt om regresjosmodelle tl slutt) 1 Iledg Ekel regresjosaalse dreer seg om

Detaljer

Om enkel lineær regresjon I

Om enkel lineær regresjon I ECON 30 HG, revdert 0 Notat tl kapttel 4 Løvås Om ekel leær regresjo I Iledg Ekel regresjosaalse dreer seg om å studere sammehege mellom e resposvarabel,, og e forklargsvarabel,, basert på et datamaterale

Detaljer

STK desember 2007

STK desember 2007 Løsnngsfrslag tl eksamen STK0 5. desember 2007 Oppgave a V antar at slaktevektene tl kalkunene fra Vrgna er bserverte verder av stkastske varabler X, X 2, X, X 4 sm er uavhengge g Nµ, σ 2 -frdelte, g at

Detaljer

Econ 2130 uke 13 (HG)

Econ 2130 uke 13 (HG) Eco 30 uke 3 (HG) Iførg regresjo I deskrptv aalse (Løvås kap. 7. 7.3.3) DATA: Resultater fra 500m og 5000m for me fra EM på skøter Heerevee 004. Obs 5000m 500m Obs 5000m 500m r. Td Sekuder Td Sekuder r.

Detaljer

Generell støymodell for forsterkere (Mot Kap.2)

Generell støymodell for forsterkere (Mot Kap.2) Geerell øymodell for forerkere (Mo Kap.) år e forear øyaalyer av ore yemer vl de være uprakk å aalyere med dealjere øymodeller for alle mulge øyklder. velger ede å bruke foreklede modeller om repreeerer

Detaljer

Eksamensoppgåve i TMA4240 Statistikk

Eksamensoppgåve i TMA4240 Statistikk Insu for maemaske fag Eksamensoppgåve TMA44 Saskk Fagleg konak under eksamen: John Tyssedal, aakon akka. Tlf. John Tyssedal: 4645376. Tlf. aakon akka: 97955667. Eksamensdao: 7.. 4 Eksamensd (frå-l): 9:-3:

Detaljer

Forelesning 4 og 5 MET3592 Økonometri ved David Kreiberg Vår 2011. c) Hva er kritisk verdi for testen dersom vi hadde valgt et signifikansnivå på 10%?

Forelesning 4 og 5 MET3592 Økonometri ved David Kreiberg Vår 2011. c) Hva er kritisk verdi for testen dersom vi hadde valgt et signifikansnivå på 10%? Forelesning 4 og 5 MET59 Økonomeri ved David Kreiberg Vår 011 Diverse oppgaver Oppgave 1. Ana modellen: Y β + β X + β X + β X + u i 1 i i 4 4 i i Du esimerer modellen og oppnår følgende resulaer ( n 6

Detaljer

TMA4300 Mod. stat. metoder

TMA4300 Mod. stat. metoder TMA4300 Mod stat metoder Norges teknsk-naturvtenskapelge unverstet Insttutt for matematske fag Løsnngsforslag - Eksamen jun 2007 Oppgave Pseudokode for å evaluere θ: Generer uavhengge realsasjoner x,,x

Detaljer

Investeringer og skatt. Skattesatser med videre. Finansinvesteringer. Eksempler på finansinvesteringer

Investeringer og skatt. Skattesatser med videre. Finansinvesteringer. Eksempler på finansinvesteringer Iveseriger og ska Løsomhe av fiasiveseriger før og eer ska Løsomhe av realiveseriger eer ska Avhedelse (salg) av aleggsmidler Egekapialavkasig eer ska Joh-Erik Adreasse 1 Høgskole i Øsfold Skaesaser med

Detaljer

ÅMA110 Sannsynlighetsregning med statistikk, våren 2007

ÅMA110 Sannsynlighetsregning med statistikk, våren 2007 ÅMA0 Sasylghetsregg med statstkk, våre 007 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

Løsningsforslag til øving 9 OPPGAVE 1 a)

Løsningsforslag til øving 9 OPPGAVE 1 a) Høgskole i Gjøvik vd for ek, øk og ledelse aemaikk 5 Løsigsforslag il øvig 9 OPPGVE ) Bereger egeverdiee: de I) ) ) ) Egeverdier: og ) ) Bereger egevekoree: vi ivi ii) vi ed λ : ) ) v Velger s som gir

Detaljer

211.7% 2.2% 53.0% 160.5% 30.8% 46.8% 17.2% 11.3% 38.7% 0.8%

211.7% 2.2% 53.0% 160.5% 30.8% 46.8% 17.2% 11.3% 38.7% 0.8% Prøve-eksame II MET 1190 Statistikk Dato 31. mai 2019 kl 1100-1400 Alle svar skal begrues. Når besvarelse evalueres, blir det lagt vekt på at framgagsmåte og resultat preseteres så klart, presist og kortfattet

Detaljer

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

TALLSVAR. Det anbefales at de 9 deloppgavene merket med A, B, teller likt uansett variasjon i vanskelighetsgrad. Svarene er gitt i << >>. ECON13: EKSAMEN 14V TALLSVAR. Det anbefales at de 9 deloppgavene merket med A, B, teller lkt uansett varasjon vanskelghetsgrad. Svarene er gtt >. Oppgave 1 Innlednng. Rulett splles på en rekke kasnoer

Detaljer

Eksamensoppgave i SØK3001 Økonometri I

Eksamensoppgave i SØK3001 Økonometri I Insiu for samfunnsøkonomi Eksamensoppgave i SØK3001 Økonomeri I Faglig konak under eksamen: Kåre Johansen Tlf.: 73 59 19 33 Eksamensdao: 1. desember 2017 Eksamensid (fra-il): 5 imer (09.00-14.00) Sensurdao:

Detaljer

UNIVERSITETET I OSLO ØKONOMISK INSTITUTT

UNIVERSITETET I OSLO ØKONOMISK INSTITUTT UNIVERSITETET I OSLO ØKONOMISK INSTITUTT Øvelsesoppgave i: ECON30 Statistikk HØST 004 Dato for utleverig: Fredag 5. oktober 004 Frist for ileverig: Osdag 7. oktober 004, seest kl. 5.00 Ileverigssted: Ekspedisjoskotoret,.

Detaljer

Gir vi de resterende 2 oppgavene til én prosess vil alle sitte å vente på de to potensielt tidskrevende prosessene.

Gir vi de resterende 2 oppgavene til én prosess vil alle sitte å vente på de to potensielt tidskrevende prosessene. Figure over viser 5 arbeidsoppgaver som hver tar 0 miutter å utføre av e arbeider. (E oppgave ka ku utføres av é arbeider.) Hver pil i figure betyr at oppgave som blir pekt på ikke ka starte før oppgave

Detaljer

Løsningsforslag Oppgave 1

Løsningsforslag Oppgave 1 Løsigsforslag Oppgave 1 a X i µ 0 σ X i µ 0 2 σ 2, i 1,..., er uavhegige og stadard N0, 1 fordelte. Da er, i 1,..., uavhegige og χ 2 -fordelte med e frihetsgrad. Da er summe χ 2 -fordelt med atall frihetsgrader

Detaljer

LØSNINGSFORSLAG TIL EKSAMEN STE 6219 Digital signalbehandling

LØSNINGSFORSLAG TIL EKSAMEN STE 6219 Digital signalbehandling Side1av4 HØGSKOLEN I NARVIK Istitutt for data-, elektro-, og romtekologi Siviligeiørstudiet EL/RT LØSNINGSFORSLAG TIL EKSAMEN STE 6219 Digital sigalbehadlig Tid: Fredag 06.03.2008, kl: 09:00-12:00 Tillatte

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

DST Spesialisering i økonomistyring og investeringsanalyse. Lineær programmering i bedriftsøkonomiske problemstillinger OPPLEGG FOR KURSET

DST Spesialisering i økonomistyring og investeringsanalyse. Lineær programmering i bedriftsøkonomiske problemstillinger OPPLEGG FOR KURSET Spesalserg økoomsyrg og vesergsaalyse DST 950 OPPLEGG FOR KURSET. Avedelse av LP økoomsk opmalserg. Forskell mellom leær- og kke-leær programmerg. Ulke fremgagsmåer: Grafsk, aalysk, algormsk, EDB. FORELESNINGSNOTAT

Detaljer

TMA4240/4245 Statistikk Eksamen august 2016

TMA4240/4245 Statistikk Eksamen august 2016 Norges teknsk-naturvtenskapelge unverstet Insttutt for matematske fag TMA44/445 Statstkk Eksamen august 6 Løsnngssksse Oppgave a) Ved kast av to ternnger er det 36 mulge utfall: (, ),..., (6, 6). La Y

Detaljer

UNIVERSITETET I OSLO ØKONOMISK INSTITUTT

UNIVERSITETET I OSLO ØKONOMISK INSTITUTT Eksame : ECON Statstkk Exam: ECON Statstcs UNIVERSITETET I OSLO ØKONOMISK INSTITUTT Eksamesdag: Fredag. ma 8 Sesur kugjøres: Torsdag. ju Date of exam: Frday, May, 8 Grades wll be gve: Thursday Jue Td for

Detaljer

Forelesning Z-, t-test, test for forventningsdifferanser

Forelesning Z-, t-test, test for forventningsdifferanser STAT Sttstkk Metoder ushu.l@ub.o Forelesg + 3 Z-, t-test, test for forvetgsdfferser. Sttstsk hypotesetestg ullhypotese): ypotese so først ttt å være st *Forålet ed e test er å udersøke o dtterlet gr grulg

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