2005/11 Notater Anna-Karin Mevik. Notater. Usikkerhet i ordrestatistikken. Seksjon for statistiske metoder og standarder

Størrelse: px
Begynne med side:

Download "2005/11 Notater Anna-Karin Mevik. Notater. Usikkerhet i ordrestatistikken. Seksjon for statistiske metoder og standarder"

Transkript

1 005/ Notater 005 Anna-arn Mev Notater Userhet ordrestatsten Sesjon for statstse metoder og standarder

2 Innlednng Populasjon Ordretlgang 3 Omsetnng 3 3 Utvalg 3 4 Estmerng av ordretlgangen 4 5 Modellbasert userhetsmål 5 5 SNN7, SNN, SNN4, SNN7\74, SNN74 og SNN8 7 5 SNN8, TDM og TDM 9 53 SNN4\4, SNN9 og SNN30_33 6 Tallesempel 3 7 Oppsummerng 7 8 Vedlegg 8 9 Referanser 0

3 Innlednng I dette notatet sal v presentere et userhetsmål for den vartalsvse ordrestatsten Selv om det utvalgsundersøelser er vanlg å besrve userheten ved hjelp av utvalgsvaransen, har v valgt å brue et modellbasert userhetsmål Begrunnelsen for dette er at utvalget som brues ordrestatsten ble truet 996 Etter 996 er det un gjort oppdaternger og supplernger av utvalget Ordrestatsten er en vartalsvs statst der populasjonens samlede ordretlgang og ordrereserve, for nneværende vartal, blr estmert Basert på dsse estmatene blr det beregnet verdndeser I dette notatet er det verdndesen for ordretlgangen som v sal lage et userhetsmål for V starter avsntt med å g en presentasjon av populasjonen I avsntt 3 gs en besrvelse av utvalget, og hvordan det ble truet 996 I avsntt 4 presenteres estmatoren og verdndesen for ordretlgangen I avsntt 5 gjør v en modellbasert analyse som leder frem tl et userhetsmål Dette målet har v så benyttet tl å estmere userheten ordrestatsten for og vartal 004 Resultatet av dette gr v avsntt 6 Tl slutt gr v en oppsummerng avsntt 7 (For en mer detaljert gjennomgang av ordrestatsten enn det som gs dette notatet, se Baen og Osnes, 998) Populasjon Populasjonen omfatter alle bedrfter nnen de ordrebaserte nærngene (unntatt enmannsbedrfter) En ordrebasert nærng jennetegnes ved at ferdgstllngen av en ordre vanlgvs tar lengre td enn ett vartal Per dag er følgende nærnger defnert som ordrebasert: Testl- og belednngsndustr, treforedlngsndustr, jems ndustr, metall- og metallvarendustr, masnndustr, eletrotens og opts ndustr, oljeplattformer og moduler, og transportmddelndustr Det er BoF (Bedrfts- og foretasregsteret) som bestemmer hvle bedrfter som tl en hver td er med populasjonen Populasjonen blr oppdatert mot BoF en gang hvert vartal I 004 var det a 6800 bedrfter populasjonen Populasjonen er delt nn delpopulasjoner på følgende måte: Notasjon Nærng Nærngsstandard SNN7 Testlndustr 7 SNN8 Belednngsndustr 8 SNN Treforedlngsndustr SNN4\4 jemaler og jemse produter unntatt jemse 4 unntatt 4 råvarer SNN4 jemse råvarer 4 SNN7\74 Metallndustr unntatt e-jernholdge metaller 7 unntatt 74 SNN74 Ie-jernholdge metaller 74 SNN8 Metallvarendustr 8 SNN9 Masnndustr 9 SNN30_33 Eletrons og opts ndustr 30, 3, 3 og 33 TDM Oljeplattformer og moduler 354, 355 TDM Transportmddelndustr 34, 35 unntatt 354 og 355

4 Ordretlgang Ordretlgangen tl en bedrft, for et gtt vartal, er defnert som verden av alle ordre og bestllnger bedrften mottar løpet av vartalet Verden gs løpende prser, og det er bare sna om ordre og bestllnger på varer og tjenester som bedrften har eller sal produsere Dvs at handelsvarer e medregnes Som notasjon på ordretlgangen bruer v y for en bedrft Den totale ordretlgangen for en delpopulasjon er dermed gtt ved Y = y, U der U er ndesmengden for delpopulasjonen Omsetnng Ved estmerng av ordretlgangen brues rate-estmatoren, hvor bedrftenes omsetnng er tlleggsvarabel Ford v på estmerngstdspuntet e jenner bedrftenes omsetnng for gjeldende vartal, brues gjennomsnttlge omsetnngstall fra foregående år Hovedsaelg er dsse tallene hentet fra momsregsteret, men når dsse mangler brues tall fra BoF V benytter med andre ord omsetnngstall fra to lder: z v = = gjsn vartalsvs omsetnng for bedrft, hentet fra BoF gjsn vartalsvs omsetnng for bedrft, hentet fra momsregsteret (Med gjennomsnttlg vartalsvs omsetnng menes årlg omsetnng delt på fre) Både z og v er ujent for en del bedrfter (men e nødvendgvs for de samme bedrftene) I vartal 004 var fes z ujent for 789 av bedrftene populasjonen, mens v var ujent for 96 av bedrftene Vdere er e z og v le, og for noen bedrfter an forsjellen være stor I estmerngen av ordretlgangen er det følgende omsetnngstall som benyttes: v x = z,når denne er jent,ellers Dessverre vl også x være ujent for en del bedrfter I vartal 004 var fes x ujent for 89 bedrfter 3 Utvalg I 996 ble det truet et stratfsert enelt tlfeldg utvalg på a 750 bedrfter Etter dette er det e truet noe nytt utvalg Det er un gjort supplerng og oppdaterng av utvalget I dag er a 800 bedrfter med utvalget 3

5 Som stratfserngsvarabler brues nærng og sysselsettng Nærng er delt nn a 60 grupper, mens sysselsettng er delt nn ntervallene 0-9, 0-9, 0-49, og 00- (Noen få bedrfter med færre enn 00 sysselsatte blr plassert sammen med bedrftene som har 00 eller flere sysselsatte Dette er bedrfter som har, eller har hatt, veldg stor omsetnng) Når utvalget ble truet 996 var det fulltellng av strataene der bedrftene hadde 00 eller flere sysselsatte Det ble e truet utvalg fra strataene der sysselsettngen var mndre enn 0 I de resterende strataene ble det truet enelt tlfeldg utvalg (For en mer detaljert besrvelse av utvalgsplanen, se Doumentasjon av utvalgsplan) 4 Estmerng av ordretlgangen Når ordretlgangen blr estmert den vartalsvse ordrestatsten, blr noen få av bedrftene nettoutvalget lassfsert som estreme (lassfserngen sjer på grunnlag av forholdet mellom ordretlgangen y og omsetnngen x tl bedrftene utvalget) Dsse bedrftene blr så holdt utenfor ved estmerngen Dessverre larer v e å lage et userhetsmål som tar hensyn tl dette I stedet lager v et userhetsmål for estmatoren sl den er når man e lassfserer og sller ut bedrfter som estreme Når v e lassfserer og sller ut bedrfter som estreme, blr ordretlgangen delpopulasjon estmert med y * () ˆ s Y = XV + y, x der s* { } s* = s sa syss 00, s* Y = U y for en syss er sysselsettngen tl bedrft ( syss er ujent for de samme bedrftene hvor z er ujent), s er ndesmengden for bedrftene nettoutvalget (pluss noen få bedrfter frafallsgruppen hvor ordretlgangen blr mputert), * = s \ s* s X V = V x og { sa 00 (ev ujent), og sa er jent} V = U syss < x Estmatoren () forutsetter at x er jent for alle bedrftene s * I og vartal 004 er det un en bedrft utvalget hvor x er ujent For å omme frem tl en mer generell formel for Y ˆ som også nluderer denne stuasjonen, må dataprogrammene som beregner estmatene gjennomgås veldg nøye Dette vl reve en del arbed I tllegg må v regne 4

6 (Det an fnnes noen få bedrfter s * som har syss < 00 Dette er bedrfter som har/har hatt stor omsetnng, og dsse blr e nludert V ) (Hvs v lar s* = { s sa syss 00, eller sa bedrften lassfseres som estrem} og V = { U sa syss < 00 (ev ujent), og sa x er jent, og sa bed e er lassfsert som estrem} får v den estmatoren som benyttes den vartalsvse ordrestatsten) Mer at v her begrenser oss tl en delpopulasjon Dvs at notasjonen gjelder en delpopulasjon, sl at fes s er ndesmengden for bedrftene nettoutvalget som tlhører delpopulasjonen Verdndesen for ordretlgangen er gtt ved ˆ ˆ Y d = 00, Y95 der Y 95 er den estmerte ordretlgangen for 995 Som v ser av estmatoren (), er det noen bedrfter som det e vetes for, dvs som det e gjøres noe forsø på å estmere ordretlgangen tl Dette er bedrfter utenom utvalget s, hvor syss 00 eller x er ujent Ford nesten alle delpopulasjonene har sle bedrfter, må v regne med at Y ˆ som regel underestmerer Y En alternatv estmator som e har denne sjevheten er ˆ U* \ s* M Y = Y + y + y s m s* s* * s* sm y U* M XV y y x s* s m * sm = + +, der { } U* = U sa syss 00, M er antall bedrfter populasjonen hvor x er ujent, s m er et utvagl av dsse bedrftene, og m = s (For å unne brue denne estmatoren reves det med andre ord at man også treer et utvalg av bedrfter hvor x er ujent) m 5 Modellbasert userhetsmål I dette avsttet sal v lage et userhetsmål for verdndesen d ( Y Y ) ˆ = ˆ / Som begrunnet nnlednngen sal v lage et modellbasert userhetsmål Dvs at v sal se på bedrftenes ordretlgang som stoastse varabler, mens utvalget antas gtt V vl se bort fra frafall, målefel og regsterfel Vdere vl v behandle Y 95 som en onstant, og se på ˆd som en estmator (eller predtor) for d = Y/ Y95 00 ( ) med at det trengs en del mer notasjon for denne estmatoren Av dsse grunner velger v å holde oss tl estmatoren () Dvs at v lager et userhetsmål under forutsetnngen om at x er jent for alle bedrftene s * 5

7 Sden bedrftenes ordretlgang nå antas å være stoastse varable, må v ha en modell som an besrve varasjonen y 'ene V har prøvd med ule modeller, og for de fleste delpopulasjonene har v ommet frem tl en modell som ser ut tl å passe relatvt godt Men for noen delpopulasjoner har v hatt problem med å fnne en passende modell, og for dsse har v måttet velge en modell som e larer å besrve varasjonen y 'ene så veldg godt Valg av estmatoren ˆ y βx, σ x, dvs en regresjonsmodell med x som ovarat For dataene fra og vartal 004 vser det seg at z egner seg bedre som forlarngsvarabel, og for de fleste delpopulasjonene har v valgt å modellere y 'ene med en regresjonsmodell der z er ovarat For noen av delpopulasjonene ser det dermot e ut tl å passe med regresjonsmodell, veren med x eller z som ovarat (v har også prøvd med andre forlarngsvarable) For dsse har v valgt å spltte opp delpopulasjonen med hensyn på sysselsettng, og anta at ordretlgangen er dents fordelt nnen hvert sysselsettngsntervall For de resterende delpopulasjonene har v endt opp med en ombnasjon av de to nevnte modellene I underavsnttene 5, 5 og 53 sal v g en mer press besrvelse av modellene Y er gjort ut fra en antagelse om at ( ) Uavhengg av modell an forventnngssjevheten tl ˆd srves som ˆ ( ) B d = E dˆ d E Yˆ Y = 00 Y95 Dvs at ˆd er forventnngsrett hvs, og bare hvs, ˆ Y er forventnngsrett Som v sal se senere er dette e tlfelle under noen av modellene Ford ˆd e er forventnngsrett er ˆ ( d d ˆ ˆ ) = ( d d) ( d) E V + B et fornuftg mål på userheten Men ford v e larer å estmere forventnngssjevheten B ˆ ( d ), velger v å måle userheten med standardavvet st ( dˆ d) = V ˆ ( d d) V( Yˆ Y) = 00 Y95 V trenger å estmere predsjonsvaransen V( Yˆ Y ) under de ule modellene Generelt har v at Modellene er vurdert på bagrunn av dataene fra og vartal 004 6

8 () y ˆ s* Y Y = x y x V\ s U\ s V\ s = s x U\ s * s * = s* U y, x y y der, s 0, s * = x V\ s s* x s *, Dermed har v at ( Yˆ Y) ( y ) V = V U 5 SNN7, SNN, SNN4, SNN7\74, SNN74 og SNN8 For delpopulasjonene SNN7 (testlndustr), SNN (treforedlngsndustr), SNN4 (jemse råvarer), SNN7\74 (metallndustr unntatt e-jernholdge metaller), SNN74 (e-jernholdge metaller) og SNN8 (metallvarendustr) har v ommet frem tl følgende modell: ( β, σ ), = { sa er jent} y z U U z, ( µ, σ ), = { sa er ujent} y U U z I tllegg antar v at y 'ene er uavhengge Ford v e har noe utvalg fra U, med unnta av SNN8 hvor to bedrfter er med utvalget, an v e tlpasse noen modell for y, U Men v må gjøre noen antagelser om varansen V( y ) for å V Yˆ Y, og v har valgt å anta at V( y ) =σ unne estmere predsjonsvaransen ( ) V starter med å se på forventngssjevhetene tl ˆ Y Fra lgnng () får v at ( ˆ) B Y = E Yˆ Y = E y U = β z + µ U U 7

9 Denne er generelt e l null Som et esempel an v se på SNN For vartal 004 har v at β z β Hvs fes µ = β x for U ( dette tlfellet er x jent for alle bedrftene), U får v at µ = β x 349 β Dette gr β z + µ β < 0, dvs at B ( Y ˆ ) U U U U e er l null Hvs v for det samme esempelet beregner forventnngssjevheten tl ˆd, får v at B ˆ ( d ) 555 β Dvs at d = ( Y / Y95) 00 blr underestmert hvs µ = β x for U (andre verder av ˆ B d ) µ vl g andre verder for ( ) Ford y 'ene er uavhengge får v at V ( ˆ ) Y Y = V y U =σ Denne estmerer v med U Vˆ Yˆ Y =σˆ, (3) ( ) der U σ ˆ = ( ˆ ), y βz n s s = s U, n = s og ˆ s β= s zy z Det an vses at (3) er en forventnngsrett estmator for V( Yˆ Y ) Userhetsmålet tl ˆd blr dermed der V ˆ ( Yˆ Y ) ( Yˆ Y) Vˆ st ˆ ( d d) = 00, Y95 er gtt ved (3) 8

10 5 SNN8, TDM og TDM For delpopulasjonene SNN8 (belednngsndustr), TDM (transportmddelndustr) og TDM (oljeplattformer og moduler) har v ommet frem tl følgende modell: ( ) y β, σ, U, =,, ( µ, σ ), = { sa er ujent } y U U syss I tllegg antar v at y 'ene er uavhengge For SNN8 er = 4 For TDM er { } U = U sa syss 50 { } U = U sa 5 syss < 50 { } U3 = U sa 0 syss < 5 = 5 For TDM er { } U = U sa syss 00 { } U = U sa 50 syss < 00 { } U3 = U sa 5 syss < 50 { } U4 = U sa 0 syss < 5 = 4 { } U = U sa syss 00 { } U = U sa 00 syss < 00 { } U3 = U sa 0 syss < 00 Ford v e har noe utvalg fra U, med unnta av TDM hvor en bedrft er med utvalget, an v e tlpasse noen modell for y, U Men v sal gjøre to antagelser Alle bedrfter har en sysselsettng (selv om den er ujent for bedrftene ) V sal anta at sysselsettngen fordeler seg U 9

11 lt U som resten av U Denne antagelsen medfører at det fns en partsjon W, =,,, av, sl at U W U U, =,, U \ U Den andre antagelsen er at ordretlgangen W an modelleres med samme modell som ordretlgangen U, dvs at µ = β og σ =σ for W V starter med å se på forventnngssjevheten tl ˆ Y Fra lgnng () får v at denne an srves som ( ˆ) B Y = E Yˆ Y = E y U = β + µ = U U = β + = U W Ved å sette nn ule verder for β, =,,, og velge forsjellge partsjoner av U, an det vses at B( Y ˆ ) generelt e er l 0 Dvs at Y ˆ e er forventnngsrett, og dermed er heller e ˆd forventnngsrett For predsjonsvaransen V( Yˆ Y ) V ( Yˆ Y) = V( y) Denne estmerer v med U får v = U U = U W = σ + σ = σ + (4) Vˆ ( Yˆ Y) = σ ˆ +, = U W der W, =,,, er en partsjon av U sl at W U U, U \ U 0

12 og σ ˆ = ( ), y ys n s =, n s s s U = og y s = y n s Userhetsmålet tl ˆd blr dermed der V ˆ ( Yˆ Y ) ( Yˆ Y) Vˆ st ˆ ( d d) = 00, Y95 er gtt ved (4) Delmengdene W, =,,, an velges på mange måter For SNN8 og TDM, hvor det e er noe utvalg fra U, er = for alle U sl at U = = W U Dermed får W \ W U U v tlnærmet det samme estmatet uansett hvordan delmengdene velges For TDM er = 38 for den bedrften U som er utvalget, og for resten For denne delpopulasjonen velger v W 'ene sl at bedrften med = 38 er med den delmengden som har størst σ ˆ 53 SNN4\4, SNN9 og SNN30_33 For delpopulasjonene SNN4\4 (jemaler og jemse produter unntatt jemse råvarer), SNN9 (masnndustr) og SNN30_33 (eletrons og opts ndustr) har v ommet frem tl følgende modell: ( β σ ) y,, U ( ) y β z, σ, U ( µ, σ ), 3 = { sa er ujent} y U U syss I tllegg antar v at y 'ene er uavhengge For SNN4\4 og SNN30_33 er = { } og { } U U sa syss 00 og for SNN9 er U = U sa 0 syss < 00,

13 = { } og { } U U sa syss 00 U = U sa 0 syss < 00 3 Ford v e har noe utvalg fra U 3, med unnta av SNN9 hvor en bedrft er med utvalget, an v e tlpasse noen modell for y, U3 Men v sal gjøre tlsvarende antagelser som v gjorde avsntt 5 og 5 Dvs v antar at sysselsettngen fordeler seg lt U 3 som U U Denne antagelsen medfører at U 3 an splttes opp W og W på en sl måte at W U U U U 3 og W U U U U 3 Vdere antar v at ordretlgangen W an modelleres med samme modell som ordretlgangen U (dvs at µ = β og σ =σ for W ), og at σ =σ for W V starter med å se på forventngssjevhetene tl ˆ Y Fra lgnng () får v at ( ˆ) B Y = E Yˆ Y = E y U =β +β z + µ U U U3 = β + +β z + µ U W U W Ved å sette nne ule verder for β, β og µ 'ene, og velge forsjellge partsjoner av U 3, an det vses at B( Y ˆ ) generelt e er l 0 Dvs at Y ˆ e er forventnngsrett, og dermed er heller e ˆd forventnngsrett For predsjonsvaransen V( Yˆ Y ) V V estmerer ( Yˆ Y) = V( y) σ og får v U U U U3 =σ +σ + σ =σ + + σ + U W U W σ med henholdsvs σ ˆ = ( ) y ys n s 3 Når sysselsettngen er jent er også z jent Dermed er z jent for U

14 og σ ˆ = ( ˆ ), y βz n s der y s zy = y, ˆ s z n s β = s, = og n s s s U =, =, Predsjonsvaransen estmeres nå med (5) V ˆ ( Yˆ Y) =σ ˆ + + σ ˆ +, U W U W der W og W er en partsjon av U 3 sl at W U U U U 3 og W U U U U 3 Userhetsmålet tl ˆd blr dermed der V ˆ ( Yˆ Y ) ( Yˆ Y) Vˆ st ˆ ( d d) = 00, Y95 er gtt ved (5) 6 Tallesempel V sal nå estmere userheten tl verdndesen ˆd, for og vartal 004, med der V ˆ ( Yˆ Y ) ( Yˆ Y) Vˆ st ˆ ( d d) = 00, Y95 er gtt ved (3) for SNN7, SNN, SNN4, SNN7\74, SNN74 og SNN8, (4) for SNN8, TDM og TDM, og (5) for SNN4\4, SNN9 og SNN30_33 3

15 I 004 var det a 6800 bedrfter populasjonen, og utvalget for og vartal var på henholdsvs 806 og 796 bedrfter I Tabell ser v hvordan populasjonen og utvalget fordelte seg mellom delpopulasjonene vartal Tabell Delpopulasjon Ant bedrfter populasjonen Ant bedrfter bruttoutvalget Frafall % SNN SNN SNN 45 0 SNN4\ SNN SNN7\ SNN SNN SNN SNN30_ TDM TDM I ordrestatsten blr verdndesen beregnet e bare for hver av de delpopulasjonene, men også for følgende grupper: Hele populasjonen Testl- og beledngsndustr (tlsvarer SNN7 og SNN8) jemaler og jemse produter (tlsvarer SNN4\4 og SNN4) Metallndustr (tlsvarer SNN7\74 og SNN74) V estmerer derfor userheten for dsse gruppene også (Som notasjon for de tre sste gruppene bruer v henholdsvs SNN7_8, SNN4 og SNN7) Estmatene v har fått er vst Tabell og Tabell 3 (V har e tatt med estmatene for SNN4\4 og SNN7\74, ford dsse e blr presentert ordrestatsten) Verdndesen er her beregnet sl den beregnes ordrestatsten, dvs når estreme observasjoner blr slt ut ved estmerngen Den sste olonnen tabellene vser varasjonsoeffsenten (oeffent of varaton), som er gtt ved ( ) st ( ) v dˆ = dˆ d dˆ Dvs at varasjonsoeffsenten måler hvor stor den estmerte userheten er forhold tl verdndesen 4

16 Tabell : Verdndes og estmert userhet for vartal 004 5

17 Tabell 3: Verdndes og estmert userhet for vartal 004 Hvs v sammenlgner verdndesen for de to vartalene, ser v at den endrer seg ganse mye for noen av gruppene Størst endrng har v for SNN4, der ˆd er 4945 vartal mot 593 vartal De fleste publserngsnvåene har fått en varasjonsoeffsent som lgger mellom 0% og 0% Dvs at den estmerte userheten utgjør mellom 0 og 0 prosent av verdndesen, og det er ganse stor userhet (men aseptabelt) Det er bare for hele populasjonen at varasjonsoeffsenten er bltt mndre enn 0% for begge vartalene For vartal er den 68% og for vartal er den 96% Dette tyder på at det er mndre userhet verdndesen som gjelder hele populasjonen, enn verdndesen for de andre gruppene Utenom SNN8 og SNN8, som v sal omtale senere, er det bare SNN4 og TDM som har fått en v d ˆ = 045% og 093%, for henholdsvs varasjonsoeffsent større enn 0% For SNN4 er ( ) og vartal, og for TDM er v ˆ ( d ) = 339% for vartal (for vartal er ˆ ( ) v d = 955% ) SNN8 og SNN8 sller seg ut fra de andre ved at varasjonsoeffsenten er bltt estremt stor Verst er SNN8 med v ˆ ( d ) = 4839% og 747% for henholdsvs og vartal For SNN8 er varasjonsoeffsenten bltt 3545% vartal og 96% vartal Grunnen tl de store verdene er at v e har lart å omme frem tl en bra no modell for bedrftenes ordretlgang Modellen v bruer passer bra for alle bedrftene utvalget, med unnta av et par bedrfter som sller seg ut som estreme (se Vedlegg for llustrerende fgurer for SNN8) Selv om det bare er sna om en eller to bedrfter som modellen e passer for, forårsaer dsse at st ˆ ( d d ), og dermed også v ˆ ( d ), blr veldg stor 6

18 Grunnen tl at varasjonsoeffsenten e er bltt estremt stor for SNN8 vartal, er at det for dette vartalet e er noen bedrfter utvalget som sller seg ut som estreme forhold tl den modellen v bruer (Den bedrften som slte seg ut vartal, er e med populasjonen vartal) Hvs det e er målefel som er årsaen tl at noen få av bedrftene SNN8 og SNN8 sller seg fra resten, betyr det at v bruer fel modell for en del av bedrftene Dette betyr gjen at userhetsmålet v har lagd for SNN8 og SNN8, e er så bra Hadde v lart å slle ut bedrftene som modellen e passer for, og tlpasset en egen modell for dsse, vlle v fått et mer rtg userhetsmål (og da vlle v antaelg unngått de estremt store varasjonsoeffsentene) 7 Oppsummerng I dette notatet har v lagd et userhetsmål for verdndesen tl ordretlgangen den vartalsvse ordrestatsten Userhetsmålet er modellbasert, dvs at v ser på bedrftenes ordretlgang som stoastse varable, mens utvalget antas gtt V har brut dette userhetsmålet tl å estmere userheten tl verdndesen for og vartal 004 For de aller fleste publserngsnvåene f v en varasjonsoeffsent som lå mellom 0% og 0%, hvlet betyr at den estmerte userheten utgjør mellom 0 og 0 prosent av verdndesen Dette er en stor userhet, men den er aseptabel Det ser ut tl å være noe mndre userhet for verdndesen som gjelder hele populasjonen Varasjonsoeffsenten ble for hele populasjonen 68% vartal og 96% vartal For publserngsnvåene SNN8 og SNN8 f v estremt store varasjonsoeffsenter Årsaen tl dette er at det er noen få bedrfter utvalget som e passer tl den modellen v har lagt tl grunn for userhetsmålet Det betyr at userhetsmålet for dsse to publserngsnvåene e er så bra 7

19 8 Vedlegg For SNN8 (metallvarendustr) har v valgt følgende modell for { } y ( βz, σ ) U = U sa z er jent : Denne modellen ser ut tl å passe noenlunde bra for alle bedrftene utvalget, med unnta av følgende to bedrfter: Bedrft sysselsettng z y ( vartal) y ( vartal) A B (Bedrft B sller seg e så tydelg ut vartal) Plott av y mot z ( vartal) 8

20 Plott av y mot z ( vartal) V har brut SAS/INSIGHT tl å estmere β og beregne R, både med og uten bedrft A og B ( R er et mål på hvor stor andel av den totale varasjonen dataene som forlares av regresjonsmodellen) For vartal f v følgende tall: ˆβ R Med bedrft A og B Uten bedrft A og B For vartal f v tallene: ˆβ R Med bedrft A og B Uten bedrft A og B

21 9 Referanser Baen, P og Osnes, JA (998): vartalsvs ordrestatst, Notater 98/36, Statsts sentralbyrå Statsts sentralbyrå (997): Doumentasjon av utvalgsplan 0

22 De sst utgtte publasjonene seren Notater 004/74 M Åamodt: valtetsprosjet for vderegående opplærng Utført på oppdrag fra Utdannngs- og forsnngsdepartementet peroden mars 003-september s 004/75 S Blom: Holdnnger tl nnvandrere og nnvandrng s 004/76 A Rolland: En nspesjon av Elevnspetørene 5s 004/77 A Rolland: OSTRA og valteten på de ommunale tjenester 3 004/78 JA Osnes: Beregnngsutvalget Doumentasjon av SAS-systemet 98s 004/79 T Ea og T Sjerpen Hvtevarer 005 Modell og prognose 8s 004/80 A Johnsen og T Nøtnes: Bbloteet forus? Rapport fra fousgrupper for bblote og nformassjonssenteret Statsts sentralbyrå 6s 004/8 H Tønseth: Årsrapport 003 ontatutvalget for helse- sosalstatst s 004/8 I Håland og G Nærngsrud: ontantstøtte og Arbedsraftundersøelsen (AU) 8s 004/83 L Vågane: Omnbusundersøelsen jul /august 004 Doumentasjonsrapport 45s 004/84 D Splde: Statst over energbru ndustren Doumentasjon og bruervelednng 53s 004/85 L Haaonsen: VARTS pass III Systemer og rutner den daglge drften 7s 004/86 L-C Zhang og A Vedø: Omleggng av utvalgsplan for (AU) 5s 004/88 G Daugstad og B Le: valtatv forstude tl leveårsundersøelse blant evestlge nnvandrere 38s 004/89 S Len og Ø Svertstøl: Langtdsmottaere av sosalhjelp s ISSN / S Hansen og T Soglund: Sysslsettng og lønn hstors nasjonalregnsap Beregnnger for s 004/ FoU og nnovasjonstatst 00 og 00-doumentasjon 8s 005/3 M Stennes, J Monsrud, E Engelen og VV Holst Bloh: Samferdsel og mljø Utvlng av et nors ndatorsett tlpasset et felles europes sammenlgnngsgrunnlag 80s 005/4 E Falnes-Dalhem og A Falnes-Dalhem: Doumentasjon av FoB00 Spesfasjoner, bearbedng, flytdagram for spørresjemadelen av tellngen Del I 7s 005/5 E Falnes-Dalhem, A Falnes-Dalhem: J Sjørbotten og B Østvedt: Doumentasjon av FoB00 Spesfasjoner, bearbedng, flytdagram for spørresjemadelen av tellngen Del II Vedlegg 46s 005/6 E Falnes-Dalhem: Bearbedng av prøvetellngen Stange 000 Fole- og bolgtellngen 00 6s 005/7 S wes Baateng og S Ferstad: Doumentasjonsnotat for FylesOSTRA vdregående opplærng Publserng av 003-tallene s 005/8 Ø Lnnestad og O Len: SM08 Prsndeser Fratndes på utenrs sjøfart 56s 004/87 F Strøm: Personer uten regstrert nntet eller formue En gjennomgang av SSBs datagrunnlag for regsterbasert nntets- og formustatst 30s 005/9 E Cometa Rauan og R Johannessen: Forventnngsndator - onsumprsene November ma 005 8s 005/0 AS Abrahamsen: Analyse av revsjon - Feloder og endrnger utenrshandelstatsten 7s

Notater. Anna-Karin Mevik. Estimering av månedlig omsetning innenfor bergverksdrift og industri 2008/57. Notater

Notater. Anna-Karin Mevik. Estimering av månedlig omsetning innenfor bergverksdrift og industri 2008/57. Notater 008/57 Notater Anna-Karn Mevk Notater Estmerng av månedlg omsetnng nnenfor bergverksdrft og ndustr Stabsavdelngen/Seksjon for statstske metoder og standarder 1. Innlednng.... Omsetnngsstatstkken for ndustren...

Detaljer

Notasjoner, gjennomsnitt og kvadratsummer. Enveis ANOVA, modell. Flere enn to grupper. Enveis variansanalyse (One-way ANOVA, fixed effects model)

Notasjoner, gjennomsnitt og kvadratsummer. Enveis ANOVA, modell. Flere enn to grupper. Enveis variansanalyse (One-way ANOVA, fixed effects model) Enves varansanalyse (One-way ANOVA, fxed effects model Reaptulerng av t-testen for uavhengge utvalg fra to grupper, G og G : Observasjoner fra G : Y N(, σ j, j=,,...,n Observasjoner fra G : Y N(, σ, j=,,...,n

Detaljer

(iii) Når 5 er blitt trukket ut, er det tre igjen som kan blir trukket ut til den siste plassen, altså:

(iii) Når 5 er blitt trukket ut, er det tre igjen som kan blir trukket ut til den siste plassen, altså: A-besvarelse ECON2130- Statstkk 1 vår 2009 Oppgave 1 A) () Antall kke-ordnede utvalg: () P(Arne nummer 1) = () Når 5 er bltt trukket ut, er det tre gjen som kan blr trukket ut tl den sste plassen, altså:

Detaljer

STK1100 våren 2015 P A B P B A. Betinget sannsynlighet. Vi trenger en definisjon av betinget sannsynlighet! Eksemplet motiverer definisjonen:

STK1100 våren 2015 P A B P B A. Betinget sannsynlighet. Vi trenger en definisjon av betinget sannsynlighet! Eksemplet motiverer definisjonen: STK00 våren 05 etnget sannsynlghet Svarer tl avsntt.4 læreboa Esempel V vl først ved help av et esempel se ntutvt på hva betnget sannsynlghet betyr V legger fre røde ort og to svarte ort en bune Ørnulf

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

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 <<< >>>. ECON30: EKSAMEN 05 VÅR - UTSATT PRØVE TALLSVAR. Det anbefales at de 9 deloppgavene merket med A, B, teller lkt uansett varasjon vanskelghetsgrad. Svarene er gtt

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

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

ØVINGER 2017 Løsninger til oppgaver

ØVINGER 2017 Løsninger til oppgaver ØVINGER 017 Løsnnger tl oppgaver Øvng 1 7.1. Med utgangspunkt de n 5 observasjonsparene (x 1, y 1 ), (x, y ),..., (x 5, y 5 ) beregner v først mddelverdene x 1 5 Estmert kovarans blr x 3. ȳ 1 5 s XY 1

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

Appendiks 1: Organisering av Riksdagsdata i SPSS. Sannerstedt- og Sjölins data er klargjort for logitanalyse i SPSS filen på følgende måte:

Appendiks 1: Organisering av Riksdagsdata i SPSS. Sannerstedt- og Sjölins data er klargjort for logitanalyse i SPSS filen på følgende måte: Appendks 1: Organserng av Rksdagsdata SPSS Sannerstedt- og Sjölns data er klargjort for logtanalyse SPSS flen på følgende måte: Enhet År SKJEBNE BASIS ANTALL FARGE 1 1972 1 0 47 1 0 2 1972 1 0 47 1 0 67

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

UNIVERSITETET I OSLO ØKONOMISK INSTITUTT

UNIVERSITETET I OSLO ØKONOMISK INSTITUTT Utsatt eksamen : ECON130 Statstkk 1 UNIVERSITETET I OSLO ØKONOMISK INSTITUTT Eksamensdag: 15.0.015 Sensur kunngjøres senest: 0.07.015 Td for eksamen: kl. 09:00 1:00 Oppgavesettet er på 4 sder Tllatte hjelpemdler:

Detaljer

2007/30. Notater. Nina Hagesæther. Notater. Bruk av applikasjonen Struktur. Stabsavdeling/Seksjon for statistiske metoder og standarder

2007/30. Notater. Nina Hagesæther. Notater. Bruk av applikasjonen Struktur. Stabsavdeling/Seksjon for statistiske metoder og standarder 007/30 Notater Nna Hagesæter Notater Bruk av applkasjonen Struktur Stabsavdelng/Seksjon for statstske metoder og standarder Innold 1. Innlednng... 1.1 Hva er Struktur, og va kan applkasjonen brukes tl?...

Detaljer

Løsningskisse for oppgaver til uke 15 ( april)

Løsningskisse for oppgaver til uke 15 ( april) HG Aprl 01 Løsnngsksse for oppgaver tl uke 15 (10.-13. aprl) Innledende merknad. Flere oppgaver denne uka er øvelser bruk av den vktge regel 5.0, som er sentral dette kurset, og som det forventes at studentene

Detaljer

Notater. Bjørn Gabrielsen, Magnar Lillegård, Berit Otnes, Brith Sundby, Dag Abrahamsen, Pål Strand (Hdir)

Notater. Bjørn Gabrielsen, Magnar Lillegård, Berit Otnes, Brith Sundby, Dag Abrahamsen, Pål Strand (Hdir) 2009/48 Notater Bjørn Gabrelsen, Magnar Lllegård, Bert Otnes, Brth Sundby, Dag Abrahamsen, Pål Strand (Hdr) Notater Indvdbasert statstkk for pleeog omsorgstjenesten kommunene (IPLOS) Foreløpge resultater

Detaljer

Oppgaver. Multiple regresjon. Forelesning 3 MET3592 Økonometri ved David Kreiberg Vår 2011

Oppgaver. Multiple regresjon. Forelesning 3 MET3592 Økonometri ved David Kreiberg Vår 2011 Forelesnng 3 MET359 Økonometr ved Davd Kreberg Vår 0 Oppgaver Alle oppgaver er merket ut fra vanskelghetsgrad på følgende måte: * Enkel ** Mddels vanskelg *** Vanskelg Multple regresjon Oppgave.* Ta utgangspunkt

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

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: EKSAMEN 6 VÅR - UTSATT PRØVE TALLSVAR. Det anbefales at de 9 deloppgavene merket med A, B, teller lkt uansett varasjon vanskelghetsgrad. Svarene er gtt

Detaljer

Alle deloppgaver teller likt i vurderingen av besvarelsen.

Alle deloppgaver teller likt i vurderingen av besvarelsen. STK H-26 Løsnngsforslag Alle deloppgaver teller lkt vurderngen av besvarelsen. Oppgave a) De normalfordelte: x og sd for hver gruppe. De skjevfordelte og de ekstremt skjevfordelte: Medan og kvartler for

Detaljer

Konstruksjon av digital heltallsaritmetikk

Konstruksjon av digital heltallsaritmetikk Konstrusjon av dgtal eltallsartmet Multplatv dvsjon Karl Marus Stafto Master eletron Oppgaven levert: Jun 8 Hovedveleder: Kjetl Svarstad, IET Bveleder(e): Smen Gmle Hansen, Kongsberg Defence & Aerospace

Detaljer

De normalfordelte: x og sd for hver gruppe. De skjevfordelte og de ekstremt skjevfordelte: Median og kvartiler for hver gruppe.

De normalfordelte: x og sd for hver gruppe. De skjevfordelte og de ekstremt skjevfordelte: Median og kvartiler for hver gruppe. STK H-26 Løsnngsforslag Alle deloppgaver teller lkt vurderngen av besvarelsen. Oppgave I et tlfeldg utvalg på normalvektge personer, og overvektge personer, måles konsentrasjonen av 2 ulke protener blodet.

Detaljer

Fourieranalyse. Fourierrekker på reell form. Eksempel La. TMA4135 Matematikk 4D. En funksjon sies å ha periode p > 0 dersom

Fourieranalyse. Fourierrekker på reell form. Eksempel La. TMA4135 Matematikk 4D. En funksjon sies å ha periode p > 0 dersom TMA435 Matematkk 4D Foureranalyse Fourerrekker på reell form En funksjon ses å ha perode p > dersom f(x + p) = f(x) () for alle x defnsjonsmengden tl f. Den mnste p slk at () holder, kalles fundamentalperoden

Detaljer

Notater. Nina Hagesæther og Li-Chun Zhang. Om estimeringsusikkerhet og utvalgsplan i AKU 2007/22. Notater

Notater. Nina Hagesæther og Li-Chun Zhang. Om estimeringsusikkerhet og utvalgsplan i AKU 2007/22. Notater 007/ Notater Nna Hagesæter og L-Cun Zang Notater Om estmerngsuskkeret og utvalgsplan AKU Stabsavdelng/Seksjon for metoder og standarder Innold 1. Innlednng...3. Om utvalgs- og estmerngsenet...3.1 Problemstllng...3.

Detaljer

UNIVERSITETET I OSLO ØKONOMISK INSTITUTT

UNIVERSITETET I OSLO ØKONOMISK INSTITUTT Utsatt eksamen : ECON13 Statstkk 1 UNIVERSITETET I OSLO ØKONOMISK INSTITUTT Eksamensdag: 11.8.16 Sensur kunngjøres senest: 6.8.16 Td for eksamen: kl. 9: 1: Oppgavesettet er på 4 sder Tllatte hjelpemdler:

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

Løsning heimeøving 7 Sanntid

Løsning heimeøving 7 Sanntid D:\Per\Fag\Styresys\SANNOV\12LØSØV7.wpd Fag SO507E Styresystemer Løsnng hemeøvng 7 Sanntd HIST-AFT Aprl 2012 PHv Utleveres: Oppgave 1 PI-regulator med P-foroveroplng a) P-regulator med P-foroveroplng.

Detaljer

Oppgaven består av 9 delspørsmål som anbefales å veie like mye, Kommentarer og tallsvar er skrevet inn mellom <<, >>, Oppgave 1

Oppgaven består av 9 delspørsmål som anbefales å veie like mye, Kommentarer og tallsvar er skrevet inn mellom <<, >>, Oppgave 1 ECON 213 EKSAMEN 26 VÅR SENSORVEILEDNING Oppgaven består av 9 delspørsmål som anbefales å vee lke mye, Kommentarer og tallsvar er skrevet nn mellom , Oppgave 1 I en by med 1 stemmeberettgete nnbyggere

Detaljer

Notater. Jan Henrik Wang. Frafall i konjunkturbarometeret. 2003/81 Notater 2003

Notater. Jan Henrik Wang. Frafall i konjunkturbarometeret. 2003/81 Notater 2003 2003/81 Notater 2003 Jan Henrk Wang Notater Frafall konjunkturbarometeret Avdelng for økonomsk statstkk/seksjon for økonomske ndkatorer Emnegruppe: 08.05.10 Innhold 1. Innlednng...3 2. Om undersøkelsen...3

Detaljer

TMA4265 Stokastiske prosesser

TMA4265 Stokastiske prosesser orges teknsk-naturvtenskapelge unverstet Insttutt for matematske fag TMA4265 Stokastske prosesser Våren 2004 Løsnngsforslag - Øvng 6 Oppgaver fra læreboka 4.56 X n Antallet hvte baller urna Trekk tlf.

Detaljer

Alderseffekter i NVEs kostnadsnormer. - evaluering og analyser

Alderseffekter i NVEs kostnadsnormer. - evaluering og analyser Alderseffekter NVEs kostnadsnormer - evaluerng og analyser 2009 20 06 20 10 20 10 20 10 21 2011 20 10 20 10 20 10 20 10 20 10 20 10 20 10 20 10 20 10 R A P P O R T 20 10 20 10 20 10 20 10 20 10 20 10 20

Detaljer

Dårligere enn svenskene?

Dårligere enn svenskene? Økonomske analyser 2/2001 Dårlgere enn svenskene? Dårlgere enn svenskene? En sammenlgnng av produktvtetsveksten norsk og svensk ndustr * "Productvty sn t everythng, but n the long run t s almost everythng."

Detaljer

Norske CO 2 -avgifter - differensiert eller uniform skatt?

Norske CO 2 -avgifter - differensiert eller uniform skatt? Norske CO 2 -avgfter - dfferensert eller unform skatt? av Sven Egl Ueland Masteroppgave Masteroppgaven er levert for å fullføre graden Master samfunnsøkonom Unverstetet Bergen, Insttutt for økonom Oktober

Detaljer

Statistikk og økonomi, våren 2017

Statistikk og økonomi, våren 2017 Statstkk og økonom, våren 7 Oblgatorsk oppgave Løsnngsforslag Oppgave Anta at forbruket av ntrogen norsk landbruk årene 987 99 var følgende målt tonn: 987: 9 87 988: 8 989: 8 99: 8 99: 79 99: 87 99: 9

Detaljer

Notater. Marie Lillehammer. Usikkerhetsanalyse for utslipp av farlige stoffer 2009/30. Notater

Notater. Marie Lillehammer. Usikkerhetsanalyse for utslipp av farlige stoffer 2009/30. Notater 009/30 Notater Mare Lllehammer Notater Uskkerhetsanalyse or utslpp av arlge stoer vdelng or IT og metode/seksjon or statstske metoder og standarder Innhold 1. Bakgrunn og ormål.... Metode....1 Fastsettelse

Detaljer

Alternerende rekker og absolutt konvergens

Alternerende rekker og absolutt konvergens Alternerende rekker og absolutt konvergens Forelest: 0. Sept, 2004 Sst forelesnng så v på rekker der alle termene var postve. Mange av de kraftgste metodene er utvklet for akkurat den typen rekker. I denne

Detaljer

Oversikt 1. forelesning. ECON240 Statistikk og økonometri. Utdanning og lønn. Forskning. Datainnsamling; utdanning og inntekt

Oversikt 1. forelesning. ECON240 Statistikk og økonometri. Utdanning og lønn. Forskning. Datainnsamling; utdanning og inntekt Overskt. forelesnng ECON40 Statstkk og økonometr Arld Aakvk, professor Insttutt for økonom Hva er statstkk og økonometr? Hvorfor studerer v fagområdet? Statstkk Metoder, teknkker og verktøy tl å produsere

Detaljer

Sparing gir mulighet for å forskyve forbruk over tid; spesielt kan ujevne inntekter transformeres til jevnere forbruk.

Sparing gir mulighet for å forskyve forbruk over tid; spesielt kan ujevne inntekter transformeres til jevnere forbruk. ECON 0 Forbruker, bedrft og marked Forelesnngsnotater 09.0.07 Nls-Henrk von der Fehr FORBRUK OG SPARING Innlednng I denne delen skal v anvende det generelle modellapparatet for konsumentens tlpasnng tl

Detaljer

Jobbskifteundersøkelsen Utarbeidet for Experis

Jobbskifteundersøkelsen Utarbeidet for Experis Jobbskfteundersøkelsen 15 Utarbedet for Expers Bakgrunn Oppdragsgver Expers, ManpowerGroup Kontaktperson Sven Fossum Henskt Befolknngsundersøkelse om holdnnger og syn på jobbskfte Metode Webundersøkelse

Detaljer

Løsningsforslag ST2301 Øving 8

Løsningsforslag ST2301 Øving 8 Løsnngsforslag ST301 Øvng 8 Kapttel 4 Exercse 1 For tre alleler, fnn et sett med genfrekvenser for to populasjoner, som gr flere heterozygoter enn forventa utfra Hardy-Wenberg-andeler for mnst én av de

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

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

må det justeres for i avkastningsberegningene. se nærmere nedenfor om valg av beregningsmetoder.

må det justeres for i avkastningsberegningene. se nærmere nedenfor om valg av beregningsmetoder. 40 Metoder for å måle avkastnng Totalavkastnngen tl Statens petroleumsfond blr målt med stor nøyaktghet. En vktg forutsetnng er at det alltd beregnes kvaltetsskret markedsverd av fondet når det kommer

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

Hvordan får man data og modell til å passe sammen?

Hvordan får man data og modell til å passe sammen? Hvordan får man data og modell tl å passe sammen? Ekstremverd-analyse Målet er å estmere T-års-ekstremen (flommen). T-års-ekstremen er slk at etter T år vl det forventnng være én overskrdelse av T-års-ekstremen.

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

STK1000 Innføring i anvendt statistikk Eksamensdag: Tirsdag 12. desember 2017

STK1000 Innføring i anvendt statistikk Eksamensdag: Tirsdag 12. desember 2017 Eksamen : STK000 Innførng anvendt statstkk Eksamensdag: Trsdag 2. desember 207 Alle deloppgaver teller lkt vurderngen av besvarelsen. Lkke tl! Dette er et løsnngsforslag. Studenter som har kommet frem

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

SNF-rapport nr. 23/05

SNF-rapport nr. 23/05 Sykefravær offentlg og prvat sektor av Margt Auestad SNF-prosjekt nr. 4370 Endrng arbedsforhold Norge Prosjektet er fnansert av Norges forsknngsråd SAMFUNNS- OG NÆRINGSLIVSFORSKNING AS BERGEN, OKTOBER

Detaljer

En introduksjon i statistiske metoder for offisiell statistikk

En introduksjon i statistiske metoder for offisiell statistikk Notater Documents 06/3 Jan F. Bjørnstad En ntroduksjon statstske metoder for offsell statstkk Notater 3/06 Jan F. Bjørnstad En ntroduksjon statstske metoder for offsell statstkk Statstsk sentralbyrå Statstcs

Detaljer

Makroøkonomi - B1. Innledning. Begrep. Mundells trilemma 1 går ut på følgende:

Makroøkonomi - B1. Innledning. Begrep. Mundells trilemma 1 går ut på følgende: Makroøkonom Innlednng Mundells trlemma 1 går ut på følgende: Fast valutakurs, selvstendg rentepoltkk og fre kaptalbevegelser er kke forenlg på samme td Av de tre faktorene er hypotesen at v kun kan velge

Detaljer

MASTER I IDRETTSVITENSKAP 2012/2014. Individuell skriftlig eksamen. MAS 402- Statistikk. Tirsdag 9. oktober 2012 kl. 10.00-12.00

MASTER I IDRETTSVITENSKAP 2012/2014. Individuell skriftlig eksamen. MAS 402- Statistikk. Tirsdag 9. oktober 2012 kl. 10.00-12.00 MASTER I IDRETTSVITESKAP 0/04 Indvduell skrftlg eksamen MAS 40- Statstkk Trsdag 9. oktober 0 kl. 0.00-.00 Hjelpemdler: kalkulator Eksamensoppgaven består av 9 sder nkludert forsden Sensurfrst: 30. oktober

Detaljer

Vekst i skjermet virksomhet: Er dette et problem? Trend mot større andel sysselsetting i skjermet

Vekst i skjermet virksomhet: Er dette et problem? Trend mot større andel sysselsetting i skjermet Forelesnng NO kapttel 4 Skjermet og konkurranseutsatt vrksomhet Det grunnleggende formål med eksport: Mulggjøre mport Samfunnsøkonomsk balanse mellom eksport og mportkonkurrerende: Samme valutanntjenng/besparelse

Detaljer

Oppvarming og innetemperaturer i norske barnefamilier

Oppvarming og innetemperaturer i norske barnefamilier Ovarmng og nnetemeraturer norske barnefamler En analyse av husholdnngenes valg av nnetemeratur Henrette Brkelund Masterogave samfunnsøkonom ved Økonomsk Insttutt UNIVERSITETET I OSLO 13.05.2013 II ) Ovarmng

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

Oblig1.nb 1. Et glassfiberlaminat består av følgende materialer og oppbygging:

Oblig1.nb 1. Et glassfiberlaminat består av følgende materialer og oppbygging: Oblg1.nb 1 Oblg1 Data Et glassfberlamnat består av følgende materaler og oppbggng: Glassfber: Vnlester: E-modul: E=72MPa Posson s tall: n=.25 Denstet: 2.54 g/cm3 E=37 MPa Posson s tall: n=.3 Denstet; 1.19

Detaljer

Studieprogramundersøkelsen 2013

Studieprogramundersøkelsen 2013 1 Studeprogramundersøkelsen 2013 Alle studer skal henhold tl høgskolens kvaltetssystem være gjenstand for studentevaluerng mnst hvert tredje år. Alle studentene på studene under er oppfordret tl å delta

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

NA Dok. 52 Angivelse av måleusikkerhet ved kalibreringer

NA Dok. 52 Angivelse av måleusikkerhet ved kalibreringer Sde: av 7 NA Dok. 5 Angvelse av måleuskkerhet ved kalbrernger Dokument kategor: Krav Fagområde: Kalbrerngslaboratorer Dette dokumentet er en oversettelse av EA-4/0 European Cooperaton for Accrédtaton of

Detaljer

Sektoromstilling og arbeidsledighet: en tilnærming til arbeidsmarkedet 1

Sektoromstilling og arbeidsledighet: en tilnærming til arbeidsmarkedet 1 Sektoromstllng og arbedsledghet: en tlnærmng tl arbedsmarkedet 1 Joachm Thøgersen Høgskolen Østfold Arbedsrapport 2004:5 1 Takk tl Trond Arne Borgersen, Rolf Jens Brunstad og Øysten Thøgersen for nyttge

Detaljer

Kapitalbeskatning og investeringer i norsk næringsliv

Kapitalbeskatning og investeringer i norsk næringsliv Rapport Kaptalbeskatnng og nvesternger norsk nærngslv MENON-PUBLIKASJON NR. 28/2015 August 2015 av Leo A. Grünfeld, Gjermund Grmsby og Marcus Gjems Thee Forord Denne rapporten er utarbedet av Menon Busness

Detaljer

i kjemiske forbindelser 5. Hydrogen har oksidasjonstall Oksygen har oksidsjonstall -2

i kjemiske forbindelser 5. Hydrogen har oksidasjonstall Oksygen har oksidsjonstall -2 Repetsjon 4 (16.09.06) Regler for oksdasjonstall 1. Oksdasjonstall for alle fre element er 0 (O, N, C 60 ). Oksdasjonstall for enkle monoatomske on er lk ladnngen tl onet (Na + : +1, Cl - : -1, Mg + :

Detaljer

Fast valutakurs, selvstendig rentepolitikk og frie kapitalbevegelser er ikke forenlig på samme tid

Fast valutakurs, selvstendig rentepolitikk og frie kapitalbevegelser er ikke forenlig på samme tid Makroøkonom Publserngsoppgave Uke 48 November 29. 2009, Rev - Jan Erk Skog Fast valutakurs, selvstendg rentepoltkk og fre kaptalbevegelser er kke forenlg på samme td I utsagnet Fast valutakurs, selvstendg

Detaljer

2006/27 Notater 2006 Om samordning av utvalg ved bruk av PRN-tall

2006/27 Notater 2006 Om samordning av utvalg ved bruk av PRN-tall 2006/27 Notater 2006 Johan Heldal og Audun Rust Notater Om samordnng av utvalg ved bruk av PRN-tall Seksjon for statstske metoder og standarder Forord Dette notatet beskrver hvordan permanente tlfeldge

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

NÆRINGSSTRUKTUR OG INTERNASJONAL HANDEL

NÆRINGSSTRUKTUR OG INTERNASJONAL HANDEL NÆRINGSSTRUKTUR OG INTERNASJONAL HANDEL Norman & Orvedal, kap. 1-5 Bævre & Vsle Generell lkevekt En lten, åpen økonom Nærngsstruktur Skjermet versus konkurranseutsatt vrksomhet Handel og komparatve fortrnn

Detaljer

Notater. Asif Hayat og Terje Tveeikrem Sæter. Prisindeks for rengjøringsvirksomhet 2008/49. Notater

Notater. Asif Hayat og Terje Tveeikrem Sæter. Prisindeks for rengjøringsvirksomhet 2008/49. Notater 2008/49 Notater Asf Hayat og Terje Tveekrem Sæter Notater Prsndeks for rengjørngsvrksomhet Avdelng for nærngsstatstkk/seksjon for bygg- og tjenestestatstkk Innhold 1. Innlednng... 2 2. Internasjonale

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

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

2007/21. Notater. Anna-Karin Mevik. Notater. Et usikkerhetsmål for Produksjonsindeksen for industri. Stabsavdeling/Seksjon for metoder og standarder

2007/21. Notater. Anna-Karin Mevik. Notater. Et usikkerhetsmål for Produksjonsindeksen for industri. Stabsavdeling/Seksjon for metoder og standarder 007/1 Notater Anna-Karn Mevk Notater Et uskkerhetsål for Produksjonsndeksen for ndustr Stasavdelng/Seksjon for etoder og standarder Innhold 1. Innlednng... 3. Laspeyres volundeks... 3 3. Produksjonsndeksen

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

Generell likevekt med skjermet og konkurranseutsatt sektor 1

Generell likevekt med skjermet og konkurranseutsatt sektor 1 1 Jon Vsle; februar 2018 ECON 3735 vår 2018 Forelesnngsnotat #1 Generell lkevekt med skjermet og konkurranseutsatt sektor 1 V betrakter en økonom med to sektorer; en skjermet sektor («-sektor») som produserer

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

Lise Dalen, Pål Marius Bergh, Jenny-Anne Sigstad Lie og Anne Vedø. Energibruk î. næringsbygg 1995-1997 98/47. 11 Notater

Lise Dalen, Pål Marius Bergh, Jenny-Anne Sigstad Lie og Anne Vedø. Energibruk î. næringsbygg 1995-1997 98/47. 11 Notater 98/47 Notater 998 Lse Dalen, Pål Marus Bergh, Jenny-Anne Sgstad Le og Anne Vedø Energbruk î. nærngsbygg 995-997 Avdelng for økonomsk statstkk/seksjon for utenrkshandel, energ og ndustrstatstkk Innhold.

Detaljer

Er verditaksten til å stole på?

Er verditaksten til å stole på? NORGES HANDELSHØYSKOLE Bergen, våren 2006 Er verdtaksten tl å stole på? En analyse av takstmannens økonomske relasjon tl eendomsmegler av Krstan Gull Larsen Veleder: Professor Guttorm Schjelderup Utrednng

Detaljer

A = og e = Del (b) Løs likningssystemene Ax = b og Ay = b +e. P n A,1 = 1 = ,41 97

A = og e = Del (b) Løs likningssystemene Ax = b og Ay = b +e. P n A,1 = 1 = ,41 97 IN227 Esamen 989 Are MagnusBruaset. august 995 Dette er et løsnngsforslag tl esamenssettet for IN227 som ble gtt 989. Forslaget går e nn på alle detaljer,men sulle være tlstreelg tl å llustrere framgangsmåtene.

Detaljer

Løsningsskisse til eksamen i TFY112 Elektromagnetisme,

Løsningsskisse til eksamen i TFY112 Elektromagnetisme, Løsnngssksse tl eksamen TFY11 Elektromagnetsme, høst 003 (med forbehold om fel) Oppgave 1 a) Ved elektrostatsk lkevekt har v E = 0 nne metall. Ellers bruker v Gauss lov med gaussflate konsentrsk om lederkulen.

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

Dynamisk programmering. Hvilke problemer? Overlappende delproblemer. Optimalitetsprinsippet

Dynamisk programmering. Hvilke problemer? Overlappende delproblemer. Optimalitetsprinsippet Dynamsk programmerng Hvlke problemer? Metoden ble formalsert av Rchard Bellmann (RAND Corporaton) på -tallet. Har ngen tng med programmerng å gøre. Dynamsk er et ord som kan aldr brukes negatvt. Skal v

Detaljer

_. 3* ; Kommunen ber om kr 182 599,- for inndekking av kostnader med på kongeørn i Rissa kommune i perioden 25. juli - 17. august 2015.

_. 3* ; Kommunen ber om kr 182 599,- for inndekking av kostnader med på kongeørn i Rissa kommune i perioden 25. juli - 17. august 2015. I I SørTrøndelag Postboks 4710 Sluppen, 7468 Trondhem Sentralbord: 73 19 90 00, Telefaks: 73 19 91 01 Besøksadresse: E. C. Dahls g. 10 Saksbehandler Innvalgstelefon Vår dato Vår ref. (bes oppgtt ved svar)

Detaljer

Notater. Jon Skartveit. Strukturstatistikk for olje- og gassvirksomhet Dokumentasjon av prinsipper, metoder, beregninger og rutiner 2006/76.

Notater. Jon Skartveit. Strukturstatistikk for olje- og gassvirksomhet Dokumentasjon av prinsipper, metoder, beregninger og rutiner 2006/76. 2006/76 Notater Jon Skartvet Notater Strukturstatstkk for olje- og gassvrksomhet Dokumentasjon av prnspper, metoder, beregnnger og rutner Avdelng for økonomsk statstkk/seksjon for energ- og ndustrstatstkk

Detaljer

MÅL OG AKTIVITETSPLAN INKLUDERENDE ARBEIDSLIV

MÅL OG AKTIVITETSPLAN INKLUDERENDE ARBEIDSLIV MÅL OG AKTIVITETSPLAN INKLUDERENDE ARBEIDSLIV Lørenskog kommune nngkk avtale om nkluderende arbedslv 15.03.2002. Avtalen ble fornyet 09.12.2010 og jun 2014. Avtalen gjelder fram tl og med 31. desember

Detaljer

Hva er afasi? Afasi. Hva nå? Andre følger av hjerneskade. Noen typer afasi

Hva er afasi? Afasi. Hva nå? Andre følger av hjerneskade. Noen typer afasi Hva er afas? Afas er en språkforstyrrelse som følge av skade hjernen. Afas kommer som oftest som et resultat av hjerneslag. Hvert år rammes en betydelg andel av Norges befolknng av hjerneslag. Mange av

Detaljer

Alderseffekter i NVEs kostnadsnormer. - evaluering og analyser

Alderseffekter i NVEs kostnadsnormer. - evaluering og analyser Alderseffekter NVEs kostnadsnormer - evaluerng og analyser 2009 20 10 20 10 20 10 21 2011 20 10 20 10 20 10 20 10 20 10 20 10 20 10 R A P P O R T 20 10 20 10 20 10 20 10 20 10 20 10 20 10 20 10 20 10 20

Detaljer

Dynamisk programmering. Hvilke problemer? Overlappende delproblemer. Optimalitetsprinsippet

Dynamisk programmering. Hvilke problemer? Overlappende delproblemer. Optimalitetsprinsippet Dynamsk programmerng Metoden ble formalsert av Rchard Bellmann (RAND Corporaton på -tallet. Programmerng betydnngen planlegge, ta beslutnnger. (Har kke noe med kode eller å skrve kode å gøre. Dynamsk for

Detaljer

Prisindeks for godstransport på vei

Prisindeks for godstransport på vei Notater Documents 40/2012 Ftw Wolday Prsndeks for godstransport på ve Dokumentasjonsnotat Notater 40/2012 Ftw Wolday Prsndeks for godstransport på ve Dokumentasjonsnotat Statstsk sentralbyrå Statstcs

Detaljer

Randi Eggen, SVV Torunn Moltumyr, SVV Terje Giæver. Notat_fartspåvirkn_landeveg_SINTEFrapp.doc PROSJEKTNR. DATO SAKSBEARBEIDER/FORFATTER ANTALL SIDER

Randi Eggen, SVV Torunn Moltumyr, SVV Terje Giæver. Notat_fartspåvirkn_landeveg_SINTEFrapp.doc PROSJEKTNR. DATO SAKSBEARBEIDER/FORFATTER ANTALL SIDER NOTAT GJELDER SINTEF Teknolog og samfunn Transportskkerhet og -nformatkk Postadresse: 7465 Trondhem Besøksadresse: Klæbuveen 153 Telefon: 73 59 46 60 Telefaks: 73 59 46 56 Foretaksregsteret: NO 948 007

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

Utvalgsseleksjon og manglende data: Noen metodemessige utfordringer

Utvalgsseleksjon og manglende data: Noen metodemessige utfordringer ARBEIDSNOTAT 48/2006 Bjarne Strøm Utvalgsseleksjon og manglende data: Noen metodemessge utfordrnger NIFU STEP Studer av nnovasjon, forsknng og utdannng Wergelandsveen 7, 0167 Oslo Arbedsnotat 48/2006 ISSN

Detaljer

Forelesning 4 og 5 MET3592 Økonometri ved David Kreiberg Vår 2011

Forelesning 4 og 5 MET3592 Økonometri ved David Kreiberg Vår 2011 Løsnnger lle oppgaver er merket ut fra vanskelghetsgrad på følgende måte: * Enkel ** Mddels vanskelg *** Vanskelg Hypotesetestng testng av enkelthypoteser Oppgave 1.* Når v tester enkelthypoteser ved hjelp

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

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

DEN NORSKE AKTUARFORENING

DEN NORSKE AKTUARFORENING DEN NORSKE AKTUARFORENING _ MCft% Fnansdepartementet Postboks 8008 Dep 0030 OSLO Dato: 03.04.2009 Deres ref: 08/654 FM TME Horngsuttalelse NOU 2008:20 om skadeforskrngsselskapenes vrksomhet. Den Norske

Detaljer

IT1105 Algoritmer og datastrukturer

IT1105 Algoritmer og datastrukturer Løsnngsforslag, Eksamen IT1105 Algortmer og datastrukturer 1 jun 2004 0900-1300 Tllatte hjelpemdler: Godkjent kalkulator og matematsk formelsamlng Skrv svarene på oppgavearket Skrv studentnummer på alle

Detaljer

KVIKKSØLVEKSPONERING VED DENTALLABORATORIER. Nils Gundersen og Arve Lie HD 807/790814

KVIKKSØLVEKSPONERING VED DENTALLABORATORIER. Nils Gundersen og Arve Lie HD 807/790814 KVIKKSØLVEKSPONERING VED DENTALLABORATORIER Nls Gundersen og Arve Le HD 807/790814 KVIKKSØLVEKSPONERING VED DENTALLABORATORIER Nls Gundersen og Arve Le HD 807/790814 l SAMMENDRAG: Rapporten omhandler bruk

Detaljer

Eksamen ECON 2200, Sensorveiledning Våren Deriver følgende funksjoner. Deriver med hensyn på begge argumenter i e) og f).

Eksamen ECON 2200, Sensorveiledning Våren Deriver følgende funksjoner. Deriver med hensyn på begge argumenter i e) og f). Eksamen ECON 00, Sensorvelednng Våren 0 Oppgave (8 poeng ) Derver følgende funksjoner. Derver med hensyn på begge argumenter e) og f). (Ett poeng per dervasjon, dvs, poeng e og f) a) f( x) = 3x x + ln

Detaljer

Tillegg 7 7. Innledning til FY2045/TFY4250

Tillegg 7 7. Innledning til FY2045/TFY4250 FY1006/TFY4215 Tllegg 7 1 Dette notatet repeterer noen punkter fra Tllegg 2, og dekker detalj målng av degenererte egenverder samt mpulsrepresentasjonen av kvantemekankk. Tllegg 7 7. Innlednng tl FY2045/TFY4250

Detaljer

Medarbeiderundersøkelsen 2009

Medarbeiderundersøkelsen 2009 - 1 - Medarbederundersøkelsen 2009 Rapporten er utarbedet av B2S AS - 2 - Innholdsfortegnelse Forsde 1 Innholdsfortegnelse 2 Indeksoverskt 3 Multvarate analyser Regresjonsanalyse 5 Regresjonsmodell 6 Resultater

Detaljer

Adaptivt lokalsøk for boolske optimeringsproblemer

Adaptivt lokalsøk for boolske optimeringsproblemer Adaptvt lokalsøk for boolske optmerngsproblemer Lars Magnus Hvattum Høgskolen Molde Lars.M.Hvattum@hmolde.no Arne Løkketangen Høgskolen Molde Arne.Lokketangen@hmolde.no Fred Glover Leeds School of Busness,

Detaljer