Normativ aksiomatikk

Størrelse: px
Begynne med side:

Download "Normativ aksiomatikk"

Transkript

1 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

2 Iledg Hva er e rettferdg valgordg? Hva er e god ordg for å fordele rettgheter og plkter? Hva er, mer geerelt ordg, e god ordg for å treffe beslutger. Dette er ormatve spørsmål som kke har objektvt rktge svar. Systematsk aalyse, ofte formulert matematsk, ka være e støtte for take og bdra tl avklarg. NTNU, 8. jauar

3 Normatv aksomatkk Itutve oppfatger om prspper for rettferdghet ka ofte formuleres presst, som «ormatve aksomer». Ma utleder kosekveser av dsse og fer ut hvorda de formulerte prsppee ka realseres, evetuelt at prsppee er uforeelge. I sste tlfelle må de tutve oppfatgee revderes. Resultatee må også kofroteres med tutve oppfatger om hva som er rktg eller rettferdg kokrete saker. Ideelt år ma fram tl «refleksv lkevekt», der oppfatger om prspper og ekelttlfeller er kosstete. NTNU, 8. jauar

4 Tradsjoell teor for kollektve beslutger Igetg Bbele om valg og voterger; ge teor gresk atkk Romersk atkk: Plus d.y. (63 ca.3), beslutger Seatet Mddelaldere: Ncolaus Casaus (40-464) valg av tysk-romersk keser, Ramo Llull (232 35) Set 700-tall: Etablerge av USA, de fraske revolusjo. Borda ( ), Codorcet ( ); syklsk flertall Charles Lutwdge Dodgso ( ), alas Lews Carroll NTNU, 8. jauar

5 Modere «socal choce theory» Mage egatve resultater, «umulghetsteoremer» «Demokrat er umulg», Arrow (950, 963) «Ærlghet ka kke vare legst», Gbbard (973), Satterthwate (975) E god overskt Se (970) NTNU, 8. jauar

6 Forholdstallsvalg Flertallsvalg mot forholdstallsvalg Argumeter for avvk fra proporsjoaltet; sperregrese Madatfordelg på flere våer; utjevgsmadater Poltsk fordelg / geografsk fordelg Norge (folketall og areal), USA (Represetathuset) NTNU, 8. jauar

7 Notasjo Et stemmetall er et elemet megde V, der V = ++ eller V = ++. Atall parter og madater blr beteget k og, der k og er heltall med k 2 og Mulge madatfordelger: r ( ) k {,,..., +, = } T = = r r r r r = k, 2 k j j E madatfordelgsmetode (eller bare metode) er e fuksjo F defert på vektorer k av forme ( kx, ; ) der x = ( x, x2,..., x k ) V, slk at F k, ; x T ( ) k, (, ; x) r betyr r F( k, ; x ), F( k, ; x) = r betyr F( k, ; x) = { r } F k NTNU, 8. jauar

8 Største brøks metode k x La X = j= xj og y = for alle. Vektore y = ( y, y2,..., yk ) represeterer X "øyaktg proporsjoaltet". Tallet y ka deles e heltallsdel y og e brøkdel z = y y, der 0 z <. G første omgag madater, slk at det gjestår madater tl part. k y Da er det alt delt ut m = k h m z = = madater, 0 h k der brøkdele er størst. G ytterlgere ett madat tl hvert av dsse. z = = y <. F h parter Dette deferer metode. Dersom SB F j z = z for j, er ( x) #FSB k, ; > mulg. NTNU, 8. jauar

9 Mmerg av avstad Det ka syes rmelg å velge de r T k, som mmerer avstade mellom r og y. Største brøks metode realserer dee take. Mage ulke avstadsmål gr samme madatfordelg. Resultatet blr både dersom avstade mellom y og r blr målt ved absoluttverdorme F SB k y r = om ma bruker eukldsk avstad. Mer geerelt blr resultatet det samme om p er et reelt tall og avstade mellom y og r er gtt ved k p p y r =., og NTNU, 8. jauar

10 «Alabama-paradokset» Brudd på moototet madattall: SB ( 3,3; ( 32,29,39) ) (,, ) ( ) F = ; X = 300; y =,32; y =,29; y = 0,39; h = ( 3,4; 32,29,39 ) ( 2,2,0) 2 3 F = ; SB 2 3 X = 300; y =,76; y =,72; y = 0,52; h= 2 Et beslektet feome, brudd på kosstes: ( 3,2; ( 38,42,20) ) (,,0 ) 2,2; ( 38,42) 2,0 F = ; SB 2 3 F = ; SB X = 80; y,53; y2 0,47; h = ( ) ( ) X = 200; y =,38; y = 0, 42; y = 0, 2; h= NTNU, 8. jauar

11 Aksomer Del I: Lte kotroverselle aksomer, relevate for alle k 2 Aksom SU: Skalauavhegghet τ V og alle, ; : F For alle ( kx ) ( k, ; τ x) = F( k, ; x) La σ være e permutasjo på {,2,...,k } og = ( a a a ) ( ) Sett σ ( ) = a (), a ( 2),..., a σ σ σ( k ) a. Aksom A: Aoymtet k For alle permutasjoer σ på {,2,...,k }, alle F(, ; ) F, ; ( ) a, 2,..., k e vektor av legde k. x V og alle r T k, : kx r kσ x σ r ( ) ( ) NTNU, 8. jauar 2008

12 Aksomer Del 2: Lte kotroverselle aksomer, bare avedt for k = 2 Ved SU ka otasjoe forekles. For x V og 0 x, ( ) < < G( x, ) = F 2, ; ( x, x) Aksom MS: Moototet stemmetall For alle og alle xx V, ' med 0 < x< x' < : G( x, ) ( r, r) & G( x, ') ( s, s) r s Aksom EP: Eksakt proporsjoaltet For alle og alle G, =, : ( ) NTNU, 8. jauar

13 Tlfellet k = 2, fast { } : A = V 0< < & G(, ) (, ) () For alle og alle 0 x x x (2) For alle og alle 0 : x A x A ved aksom A. (3) A for ved aksom EP. Ved (2), A0 = A =. (4) For 0< < gjelder sup A = f A +. Dette gjelder også for = 0, år A. 0 (5) Aksom MS gr < '& x A & ' ' x A x x', slk at megdee A0, A,..., A lgger pet etter hveradre. Vdere eholder A A + høyst ett pukt, og = 0 A = { x V 0< x< }. (6) For alle og alle 0 +, defer a slk: a 0 = 0, a = f A for, a = sup A, a + = (7) For alle og alle 0 +, a = a + ved (2) og (6). NTNU, 8. jauar

14 (8) A 0 = a = 0, A 0 a > 0. (9) For alle, 0 = a0 a... a a + =. (0) For alle og alle 0 : a a +, ved aksom EP for. () For alle og alle 0 : a = a+ a = a+ =. Dette følger av (6) for = 0,. For gjelder a = a+ A =, og resultatet følger. (2) For alle og alle 0 : a < x< a G(, x) = (, ). Det ebærer at #G( x, ) x { a0, a,..., a, a + } (3) La x V. F ( ) >. + + ( 2, ; x, x ) = G, =,,, for odde ; F ( 2, ;, ) G,, x x = = for lke. ( ) + NTNU, 8. jauar

15 Aksomer Del 3: Et sterkt og kaskje kotroverselt aksom Aksom K: Kosstes For alle k 2 og, alle F k x = ( x, x2,..., x k ) V og alle ( ) ( k, ; x) r F 2, r+ r; ( x, x) rr, ( 2 2 ) ( 2) r= r, r2,..., r k T k, : Aksomet kytter samme madatfordelge for forskjellge verder av k. Dersom det kke gjelder, er F på e måte ulke metoder for forskjellg k. ( 2, r + r ; x, x ) ( r, r ) Ved aksom A ka koklusjoe geeralseres tl ( ) og j med < j k. F j j j for alle Største brøks metode oppfyller kke betgelse; se eksempel ovefor. NTNU, 8. jauar

16 Moototet madattall Lemma For alle og alle 0 : a a a + Dette ebærer at «Alabama-paradokset» kke ka forekomme for k = 2. Dgresjo: 2 For største brøks metode er a = for og. Dsse tallee 2 oppfyller betgelse lemma. NTNU, 8. jauar

17 Bevssksse m Ata a + > a og velg x med a + > x > a og x a j for m=, + og alle aktuelle j. Av (9) og (2) følger G x, = F 2, ; x, x = r, r, der r. ( ) ( ) (4) ( ) ( ) (5) G(, x) F( 2, ; ( x, x) ) ( s, s) F ( t, t2, t3, t4) T 4,2 + slk at ( ) K følger F 2, t t ;( x, x) t, t t t + = + = +, der s <. ( 4,2 + ;,,, ) (, 2, 3, 4) ( + 2 ) ( 2). Da gr (3) at 2 F x x x x t t t t. Av aksom, og ma ka ute tap av geeraltet ata t t 2. Tlsvarede er t3 t4, mes t3 t4 ka atas. Av dette følger t+ t3 = og t 2 + t 4 = +. Kosstes sammeholdt med (4) og (5) medfører da t = r; t = s; t = r ; t = + s> +. Det strder mot t3 t4, og a bevset for a er fullført. Av (7) følger a a+ a+ a+ ; sste ulkhet følger av (6) for = 0 og ellers av det som ettopp er bevst. Geeralserg: j j a j a a for alle heltall, j og der størrelsee er defert. NTNU, 8. jauar

18 Represetasjo av svært små eheter Det følger av (7) at a = > 0, me er a > 0 for 2? 2 Lemma 2 For > 2, a > 0 a > 0 2 Bevssksse 2 2 Lemma gr a = 0 a = 0 for > 2. Ata 0 < a og a = 0 for > 2, og velg x slk 2 at 0 < x< a og x <. V elg ( ) 2 t, t at 2,t 3 slk F( 3, + ; ( x, x, ( x) )) ( t, t2, t3). Gjetatt avedelse av aksom K gr e selvmotsgelse. NTNU, 8. jauar

19 Svært små eheter blr kke represetert (6) Ata a > for alle 2. 0 a (7) Defer, for, d =. a Det følger av (7) og (6) at d er veldefert for alle. Lemma og (7) gr = d d d NTNU, 8. jauar

20 Lemma 3 a d La, og j = 0. Da er = a d j +. Bevssksse a d Ata <. (Bevset for det motsatte tlfellet er tlsvarede.) Velg x og x' slk a d j + a x at x< d, x' > d j + og <. Velg ( t, t2, t 3) slk at F( 3, ; (, x, x' )) ( t, t2, t3). a x' Gjetatt avedelse av aksom K gr e selvmotsgelse. Når metode F oppfyller de fem aksomee og (6), vl altså a for bestemme alle tallee a for og 0 og dermed bestemme metode for k = 2. NTNU, 8. jauar

21 Teorem La metode F oppfylle de fem aksomee og (6), og la d for være gtt ved (7). Da gjelder, for alle ( kx, ; ) og alle, j k : x x j F( k, ; x) r dr d r + Dette følger okså drekte av aksom K og tdlgere resultater. Dee klasse av madatfordelgsmetoder blr kalt delgstallsmetoder. Mage metoder som er bruk prakss, er av dee type. x Ma bereger tlstrekkelg mage kvoteter av type, order dem etter størrelse d r og deler ut madatee et etter et hehold tl ordge av dsse kvotetee. j NTNU, 8. jauar

22 Speselle delgstallsmetoder Sate-Laguës metode: d = 2 for. Dee faller samme med største brøks metode for k = 2, og er ellers de kosstete metode som lgger ærmest. F SB De speselle skadavske varate, med d =, 4 og d = 2 for 2, har kapt oe prspell begruelse, me skulle gjøre det oe vaskelgere for små parteer å blr represetert. NTNU, 8. jauar

23 d'hodts metode: d = for. Dee oppfyller følgede betgelse, og er de eeste delgstallsmetode som gjøre det: F ( ( )) ( ) F ( ) ( ) ( ) k, ; x, x, x,..., x = r, r, r,..., r & k, ; x+ x, x,..., x = s, s,..., s 2 3 k 2 3 k 2 3 k 3 k r + r s r + r To parter som slår seg samme, taper aldr madat og ver høyst ett. NTNU, 8. jauar

24 Selv svært små eheter blr alltd represetert (8) Ata a = for alle 2. 0 På samme måte som fora ka ma defere d for 2. Tlsvarede resultater ka bevses. Så lege k får hver av de største ehetee ett madat hver; deretter går ma fram som tdlgere beskrevet. Represetathuset USA: For 2, d = ( ) Her er altså d det geometrske gjeomsttet av og. Sate-Laguës metode ka ekvvalet beskrves med og. d =, slk at d det artmetske gjeomsttet av 2 NTNU, 8. jauar

25 Referaser Arrow, Keeth.J. (950): "A Dffculty the Cocept of Socal Welfare", Joural of Poltcal Ecoomy 58(4) (August, 950), Arrow, Keeth J. (95): Socal Choce ad Idvdual Values. Wley, New York. 2. utgave 963 Gbbard, Alla (973): "Mapulato of votg schemes: a geeral result", Ecoometrca, 4(4), Hyllad, Aaud: "Voterge om hovedflyplass: Beslutgsteoretsk aalyse av stortgsbehadlge 8. oktober 992", Stortgsforhadlgee ( ), Dokumet r. 8, vedlegg 8 (sde 37 34) Hyllad, Aaud: "The Codorcet paradox theory ad practce", Elster, Jo et al. (red.): Uderstadg Choce, Explag Behavour: Essays Hoour of Ole-Jørge Skog Satterthwate, Mark A. (975): "Strategy-proofess ad Arrow's Codtos: Exstece ad Correspodece Theorems for Votg Procedures ad Socal Welfare Fuctos", Joural of Ecoomc Theory 0, Se, Amartya (970): Collectve Choce ad Socal Welfare, Holde-Day, Sa Fracsco. Ny utgave: North Hollad/Elsever, Amsterdam, 979 NTNU, 8. jauar

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

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

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

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

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

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

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

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

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

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

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 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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

KOMPLEKSE TALL KARL K. BRUSTAD

KOMPLEKSE TALL KARL K. BRUSTAD KOMPLEKSE TALL KARL K BRUSTAD 1 Defiisjoer og otasjo Defiisjo 1 Et kompleks tall er et objekt på forme x + i der x og er reelle tall og kalles heholdsvis realdele og imagiærdele til det komplekse tallet

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

MA1301 Tallteori Høsten 2014

MA1301 Tallteori Høsten 2014 MA1301 Tallteor Høsten 014 Rchard Wllamson 3. desember 014 Innhold Forord 1 Induksjon og rekursjon 7 1.1 Naturlge tall og heltall............................ 7 1. Bevs.......................................

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

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

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

Del A: Diskret optimering og heuristiske metoder Leksjon 2

Del A: Diskret optimering og heuristiske metoder Leksjon 2 Del A: Dskret optmerg og heurstske metoder Leksjo 2 Sjefsforsker Ger Hasle SINTEF Avedt matematkk, Oslo! Kursformasjo Motvasjo Operasjosaalyse Kustg tellges Optmergsproblemer (dskrete) Matematsk program

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

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

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

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

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

UNIVERSITETET I OSLO

UNIVERSITETET I OSLO UIVERSITETET I OSLO Det matematisk-aturviteskapelige fakultet Eksame i: ST 105 - Iførig i pålitelighetsaalyse Eksamesdag: 8. desember 1992 Tid til eksame: 0900-1500 Tillatte hjelpemidler: Rottma: "Matematische

Detaljer

MATEMATISK KARAKTERISERING AV MANDATFORDELINGSMETODER

MATEMATISK KARAKTERISERING AV MANDATFORDELINGSMETODER 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,

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

Oversikt 1. forelesning. ECON240 Statistikk og økonometri. Visuell/grafisk presentasjon av data. Datainnsamling; utdanning og inntekt

Oversikt 1. forelesning. ECON240 Statistikk og økonometri. Visuell/grafisk presentasjon av data. Datainnsamling; utdanning og inntekt Overskt. forelesg ECON40 Statstkk og økoometr Arld Aakvk, professor Isttutt for økoom Hva er statstkk og økoometr? Hvorfor studerer v fagområdet? Statstkk Metoder, tekkker og verktøy tl å produsere lettfattelg

Detaljer

Illustrasjon av regel 5.19 om sentralgrenseteoremet og litt om heltallskorreksjon (som i eksempel 5.18).

Illustrasjon av regel 5.19 om sentralgrenseteoremet og litt om heltallskorreksjon (som i eksempel 5.18). Econ 2130 HG mars 2012 Supplement tl forelesnngen 19. mars Illustrasjon av regel 5.19 om sentralgrenseteoremet og ltt om heltallskorreksjon (som eksempel 5.18). Regel 5.19 ser at summer, Y = X1+ X2 + +

Detaljer

Anvendelser. Kapittel 12. Minste kvadraters metode

Anvendelser. Kapittel 12. Minste kvadraters metode Kapttel Anvendelser I dette kaptlet skal v se på forskjellge anvendelser av teknkke v har utvklet løpet av de sste ukene Avsnttene og eksemplene v skal se på er derfor forholdsvs uavhengge Mnste kvadraters

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

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

INF3400 Digital Mikroelektronikk Løsningsforslag DEL 9

INF3400 Digital Mikroelektronikk Løsningsforslag DEL 9 IF00 Digital Mikroelektroikk Løsigsforslag DEL 9 I. Oppgaver. Oppgave 6.7 Teg trasistorskjema for dyamisk footed igags D og O porter. gi bredde på trasistoree. va blir logisk effort for portee?. Løsigsforslag

Detaljer

TMA4265 Stokastiske prosesser

TMA4265 Stokastiske prosesser Norges teknsk-naturvtenskapelge unverstet Insttutt for matematske fag TMA65 Stokastske prosesser Våren Løsnngsforslag - Øvng Oppgaver fra læreboka.6 P er dobbelt stokastsk P j j La en slk kjede være rredusbel,

Detaljer

Oppgaven består av 9 delspørsmål, A,B,C,., som anbefales å veie like mye, Kommentarer og tallsvar er skrevet inn mellom <<.. >>.

Oppgaven består av 9 delspørsmål, A,B,C,., som anbefales å veie like mye, Kommentarer og tallsvar er skrevet inn mellom <<.. >>. ECON 130 EKSAMEN 008 VÅR - UTSATT PRØVE SENSORVEILEDNING Oppgave består av 9 delspørsmål, A,B,C,., som abefales å veie like mye, Kommetarer og tallsvar er skrevet i mellom . Oppgave 1 Ved e spørreudersøkelse

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

Oversikt over konfidensintervall i Econ 2130

Oversikt over konfidensintervall i Econ 2130 HG April 00 Oversikt over kofidesitervall i Eco 30 Merk at dee oversikte ikke er met å leses istedefor framstillige i Løvås, me som et supplemet. Løvås ieholder mage verdifulle kommetarer og eksempler.

Detaljer

UNIVERSITETET I OSLO

UNIVERSITETET I OSLO UNIVERSITETET I OSLO Det matematsk-naturvtenskapelge fakultet Deleksamen MAT-INF Modellerng og beregnnger. Eksamensdag: Onsdag 7. oktober 29. Td for eksamen: 5: 7:. Oppgavesettet er på 6 sder. Vedlegg:

Detaljer

Forelesning nr.3 INF 1411 Elektroniske systemer

Forelesning nr.3 INF 1411 Elektroniske systemer Forelesnng nr.3 INF 4 Elektronske systemer 009 04 Parallelle og parallell-serelle kretser Krchhoffs strømlov 30.0.04 INF 4 Dagens temaer Parallelle kretser Kretser med parallelle og serelle ster Effekt

Detaljer

MA1101 Grunnkurs Analyse I Høst 2017

MA1101 Grunnkurs Analyse I Høst 2017 Norges tekisk aturviteskapelige uiversitet Istitutt for matematiske fag MA0 Grukurs Aalyse I Høst 07 Løsigsforslag Øvig..b) Vi skriver om 7 = 4 4 7 Korollar.. gir at 7 4 er irrasjoal (side vi vet 7 4 er

Detaljer

I dag: Produktfunksjoner og kostnadsfunksjoner

I dag: Produktfunksjoner og kostnadsfunksjoner ECON2200 Avedt økoomisk aalyse Diderik Lud, 8. februar 2010 Hva er dekket i disse otatee? Seks forelesiger av meg i ECON2200 våre 2010 8. og 22. februar, 2., 9. og 15. mars og 3. mai Legges ut på emeside

Detaljer

EKSAMEN Ny og utsatt Løsningsforslag

EKSAMEN Ny og utsatt Løsningsforslag . jun 0 EKSAMEN Ny og utsatt Løsnngsorslag Emnekode: ITD50 Dato:. jun 0 Emne: Matematkk, deleksamen Eksamenstd: 09.00.00 Hjelpemdler: To A-ark med valgrtt nnhold på begge sder. Formelhete. Kalkulator er

Detaljer

Påliteligheten til en stikkprøve

Påliteligheten til en stikkprøve Pålitelighete til e stikkprøve Om origiale... 1 Beskrivelse... 2 Oppgaver... 4 Løsigsforslag... 4 Didaktisk bakgru... 5 Om origiale "Zuverlässigkeit eier Stichprobe" på http://www.mathe-olie.at/galerie/wstat2/stichprobe/dee

Detaljer

Veiledning til obligatorisk oppgave i ECON 3610/4610 høsten N. Vi skal bestemme den fordeling av denne gitte arbeidsstyrken som

Veiledning til obligatorisk oppgave i ECON 3610/4610 høsten N. Vi skal bestemme den fordeling av denne gitte arbeidsstyrken som Jon sle; oktober 07 Ogave a. elednng tl oblgatorsk ogave ECO 60/60 høsten 07 har nå at samlet arbedskraftmengde er gtt lk, slk at ressurskravet er. skal bestemme den fordelng av denne gtte arbedsstyrken

Detaljer

Simpleksmetoden. Initiell basistabell Fase I for å skaffe initiell, brukbar løsning. Fase II: Iterativ prosess for å finne optimal løsning Pivotering

Simpleksmetoden. Initiell basistabell Fase I for å skaffe initiell, brukbar løsning. Fase II: Iterativ prosess for å finne optimal løsning Pivotering Lekson 3 Smpleksmetoden generell metode for å løse LP utgangspunkt: LP på standardform Intell basstabell Fase I for å skaffe ntell, brukbar løsnng løse helpeproblem hvs optmale løsnng gr brukbar løsnng

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

NA Dok. 52 Angivelse av måleusikkerhet ved kalibreringer

NA Dok. 52 Angivelse av måleusikkerhet ved kalibreringer Sde: av 7 orsk akkredterng Dok.d.: VII..5 A Dok. 5: Angvelse av måleuskkerhet ved kalbrernger Utarbedet av: Saeed Behdad Godkjent av: ICL Versjon:.00 Mandatory/Krav Gjelder fra: 09.05.008 Sdenr: av 7 A

Detaljer

Sluttrapport. utprøvingen av

Sluttrapport. utprøvingen av Fagenhet vderegående opplærng Sluttrapport utprøvngen av Gjennomgående dokumenterng fag- og yrkesopplærngen Februar 2012 Det å ha lett tlgjengelg dokumentasjon er en verd seg selv. Dokumentasjon gr ungedommene

Detaljer

Emne: BIP 140, Reservoarteknikk Dato: 3. Desember Reservoaret antas å være "lukket" dvs. at HCPV er konstant under trykkavlastningen.

Emne: BIP 140, Reservoarteknikk Dato: 3. Desember Reservoaret antas å være lukket dvs. at HCPV er konstant under trykkavlastningen. Fakultet for teksk aturvteskapele fa Eme: BIP 40, Reservoartekkk Dato: 3. Desember 20. Td: 09.00-3.00 Tllatte hjelpemdler: Ekel kalkulator Oppavesettet består av: 6 sder kludert vedle Oppave o 2 blr vektet

Detaljer

Oversikt over konfidensintervall i Econ 2130

Oversikt over konfidensintervall i Econ 2130 1 HG Revidert april 014 Oversikt over kofidesitervall i Eco 130 Merk at dee oversikte ikke er met å leses istedefor framstillige i Løvås, me som et supplemet. De ieholder tabeller med formler for kofidesitervaller

Detaljer

Gråtonehistogrammer. Histogrammer. Hvordan endre kontrasten i et bilde?

Gråtonehistogrammer. Histogrammer. Hvordan endre kontrasten i et bilde? INF 3 råtoe-trasforasjoer Hovedsakelg fra ka. 3.-3. DIP Hstograer Leære gråtoetrasforer Stadardserg av blder ed leær trasfor Ikke-leære, araetrske trasforer Hvorda edre kotraste et blde?? Neste uke: Hstograbaserte

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

Obligatorisk oppgave nr. 3 i Diskret matematikk

Obligatorisk oppgave nr. 3 i Diskret matematikk 3. obligatoriske oppgave i Diskret matematikk høste 08. Obligatorisk oppgave r. 3 i Diskret matematikk Ileverigsfrist. ovember 08 Oppgave er frivillig og tregs ikke leveres, me hvis dere leverer de ie

Detaljer

Eksamen i emne SIB8005 TRAFIKKREGULERING GRUNNKURS

Eksamen i emne SIB8005 TRAFIKKREGULERING GRUNNKURS Sde 1 av 5 NORGES TEKNISK-NATURVITENSKAPELIGE UNIVERSITET Fakultet for bygg- og mljøteknkk INSTITUTT FOR SAMFERDSELSTEKNIKK Faglg kontakt under eksamen: Navn Arvd Aakre Telefon 73 59 46 64 (drekte) / 73

Detaljer

Oversikt over konfidensintervall i Econ 2130

Oversikt over konfidensintervall i Econ 2130 1 HG Revidert april 011 Oversikt over kofidesitervall i Eco 130 Merk at dee oversikte ikke er met å leses istedefor framstillige i Løvås, me som et supplemet. Løvås ieholder mage verdifulle kommetarer

Detaljer

Erling Siring INNHOLD

Erling Siring INNHOLD IN 83/4 8. februar 983 ESTIMERING AV VEKTENE TIL EN KOMBINERT ESTIMATOR FOR FYLKESTALL Av Erlg Srg INNHOLD. Iledg 2. De optmale vektee og robusthetsegeskapee tl de komberte estmatore......... 3. Problemet

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