Parameter-estimering estimering og CosmoMC
|
|
- Asbjørn Madsen
- 6 år siden
- Visninger:
Transkript
1 AST5220 forelesning 2 Parameter-estimering estimering og CosmoMC Hans Kristian Eriksen 24. januar 2007
2 Plan for andre forelesning Første time introduksjon til parameter-estimering: estimering: Eksempler på fysiske effekter som påvirker power spekteret Markov Chain Monte Carlo og CosmoMC Eksempel: Lineær parameter-tilpasning tilpasning Mer generelt: Maximum likelihood Markov Chain Monte Carlo (MCMC) Andre time praktiske eksempler CosmoMC fra CMB-spektrum til kosmologi Parameter-filer Resultat-filer Hvordan kjøre jobber på Titan Batch script Submitte jobber Hvordan følge med på hva som skjer under kjøring
3 Noen fysiske effekter som påvirker CMB-spekteret
4 Oversikt over CMB-spekteret 10 4 Lyd-bølger Power spectrum Inflasjon Initial-betingelser Geometri Baryoner Konsistens-sjekk Diffusjon Multipole moment, l
5 Hoved-idé 1: Gravitasjon vs. trykk Det tidlige univers var fylt av baryonsk materie (gule kuler) og fotoner (rød fjær) som vekselvirket i et gravitasjons-potensial satt opp av mørk materie (blå) Materie-konsentrasjoner tiltrekker hverandre pga. gravitasjon Men når tettheten øker, så øker også trykket frastøtning
6 Hoved-idé 1: Gravitasjon vs. trykk Universet består av et helt landskap av potensial-brønner og -topper Baryon-foton foton-plasmaet oscillerer i dette potensial-landskapet landskapet Lyd-bølger propagerer gjennom universet Baryon-tettheten korresponderer direkte til CMB-temperatur Områder med høy tetthet blir varme flekker i et CMB-kart Områder med lav tetthet blir kalde flekker i et CMB-kart
7 Hoved-idé 2: Horisonten og akustikk
8 Hoved-idé 2: Horisonten og akustikk 4 Density contrast, ρ/ρ (10-5 ) Hvis horisonten er mye mindre enn bølge-lengden, skjer ingenting! Distance (arbitrary units) Fourier-dekomponér tetthets-feltet, og se på en enkelt mode Husk fra AST4220: Horisonten er så langt lyset går siden Big Bang Gravitasjon kan kun virke innenfor en radius på ~ct~
9 Hoved-idé 2: Horisonten og akustikk 4 Density contrast, ρ/ρ (10-5 ) Hvis horisonten er mye større enn bølge-lengden, begynner moden å oscillere! ct Distance (arbitrary units) Fourier-dekomponér tetthets-feltet, og se på en enkelt mode Husk fra AST4220: Horisonten er så langt lyset går siden Big Bang Gravitasjon kan kun virke innenfor en radius på ~ct~
10 Hoved-idé 2: Horisonten og akustikk Dekompresjon Dekompresjon Kompresjon Dekompresjon Kompresjon Kompresjon Snitt-tetthet Snitt-tetthet Kompresjon Snitt-tetthet Kompresjon 3 Kompresjon Kompresjon 1 Struktur-løst Struktur-løst Struktur-løst Struktur-løst Snitt-tetthet Kompresjon Dekompresjon Snitt-tetthet Snitt-tetthet Snitt-tetthet Power spectrum, Cl l(l+1)/2π (103 µk 2 ) Struktur-løst Multipole moment, l Multipole moment, l Inflasjon setter opp et flatt spektrum av fluktuasjoner Rett etter inflasjon er horisonten liten Bare små skalaer begynner å prosesseres Tiden går, g og større og større skalaer begynner å oscillere Så,, en dag inntreffer rekombinasjon, og CMB-bildet fryses fryses
11 Hoved-idé 2: Horisonten og akustikk 8 Power spectrum (10 3 µk 2 ) Uprosessert En kompresjon En dekompresjon To kompresjoner To dekompresjoner Multipole moment, l Spørsmål: Hva kan disse fluktuasjonene fortelle oss om prosessene som virker i universet?
12 Inflasjon fra lave l-er Størrelsen til horisonten ved rekombinasjon er omtrent 2 2 på himmelen i dag Fra forrige time husker vi at dette tilsvarer multipoler l ~ 180 / 2 2 ~ 100 Skalaer større enn disse er bare svakt prosessert av gravitasjon og trykk CMB-feltet påp l < 50 er et direkte bilde av fluktuasjonene fra inflasjon! Noen forutsigelser fra inflasjon: Fluktuasjonen skal være Gaussiske og isotrope Spekteret skal være nesten skala-invariant Det bør ikke være noen karakteristisk skala Fluktuasjonene skal være like sterke på alle skalaer (dvs. flatt spektrum) De passende parameterne for å beskrive initial-betingelsene fra inflasjon er en amplitude A en helnings-parameter (tilt) n s, som bør være nær 1 Ved å tilpasse en rett linje til (log-)spekteret for l mindre enn 50, får vi et direkte estimat av A og n s! Mer eller mindre: log C l = n s log (l( / l 0 ) + A
13 Rommets geometri fra første topp Ifølge GR propagerer lys langs geodeter i rommet I flatt rom er dette rette linjer I åpne rom divergerer geodetene I lukkede rom konvergerer geodetene
14 Rommets geometri fra første topp Avstand til siste spredningsflate Horisont Anta at vi kjenner: størrelsen til horisonten ved rekombinasjon Flatt Lukket Åpent Gitt av plasmaets egenskaper (trykk, tetthet etc.) avstanden til siste spredningsflate Gitt av universets ekspansjons-historie Universets geometri er da gitt ved horisontens vinkel-størrelse Første akustiske topp er en standard-målestokk for horisontens størrelse Hvis første topp ligger ved l ~220, så er universet flatt Hvis første topp ligger ved l > 220, så er universet åpent Hvis første topp ligger ved l < 220, så er universet lukket
15 Rommets geometri fra første topp Lav tetthet Høy tetthet
16 Baryon-tettheten fra øvrige topper Baryon-tettheten kan måles svært nøyaktig fra høyere-ordens topper Idé: Mer baryoner innbærer tyngre lodd 1. Loddet faller dypere 2. Hvis det er lite baryoner, så påvirker de ikke gravitasjons-potensialet Symmetriske oscillasjoner omkring likevekts-tilstand tilstand 3. Hvis det er mye baryoner, så øker de potensialet ved kompresjoner Kompresjoner sterkere enn dekompresjoner Men power spekteret bryr seg ikke om tegn! Første og tredje topp sterkere enn andre og fjerde!
17 Baryoner fra øvrige topper Mye baryoner Lite baryoner
18 Eksponentiell dempning ved høye l er 10 4 Power spectrum Multipole moment, l Høye l er tilsvarer fysisk veldig små skalaer De opprinnelige fluktuasjonene fra inflasjon blir vasket ut av fotonf oton-diffusjon Power spekteret dempes eksponentielt med l Den nøyaktige dempnings-raten avhenger av alle kosmologiske parametere
19 Eksponentiell dempning ved høye l er Høye l er tilsvarer fysisk veldig små skalaer De opprinnelige fluktuasjonene fra inflasjon blir vasket ut av fotonf oton-diffusjon Power spekteret dempes eksponentielt med l Den nøyaktige dempnings-raten avhenger av alle kosmologiske parametere Eksempel: Høy baryon-tetthet kort fri veilengde for fotoner mindre diffusjon Høy-l-spekteret gir oss en konsistens-sjekk sjekk påp andre parameter-estimater estimater
20 Oppsummering av hoved-effekter effekter Den kosmiske bakgrunns-strålingen strålingen ble dannet da temperaturen i universet falt under 3000 K, omtrent 380,000 år etter Big Bang Gass-dynamikken påp den tiden bestemmer egenskapene til CMB- fluktuasjonene Hoved-effekter effekter som påvirker p CMB-spekteret: Inflasjon amplitude og tilt til første f fluktuasjoner Gravitasjon vs. strålingstrykk Høy y baryon-tetthet Foton-diffusjon påp små skalaer lyd-bølger lger akustiske topper tungt lodd i bølgeneb sterke kompresjoner odde topper sterkere enn partall-topper topper eksponentiell dempning påp høye l er Mange andre effekter også,, men generelt mer komplisert og mindre intuitive... Poeng: Koder som CAMB kan benytter slik informasjon til å beregne power spekteret for gitte kosmologiske parametere Vi kan gjøre parameter-estimering estimering ved å tilpasse CAMB-kurver til observasjoner!
21 Parameter-estimering estimering og Markov Chain Monte Carlo
22 Målinger av CMB-spekteret Hvordan finne de parameterne og modellen som best beskriver dataene?
23 Eksempel: Lineær modell Start med en enkel modell: d= ax+ b+ ² d er obsverte data a og b er parametere vi ønsker å estimere ε er Gaussisk støy y med null gjennomsnitt, og σ 2 varians 20 Y Modell: a = 1 b = 2 σ = X
24 Eksempel: Lineær modell Vanlig kriterium for best-fit justér de frie parameterne slik at kvadrat-avviket avviket blir minimalisert: Dette garanterer at ingen observerte punkter blir liggende altfor r langt borte fra den tilpassede funksjonen, dersom modellen er korrekt Løsning finnes ved å derivere χ 2 med hensyn påp a og b,, og løse l systemet: 20 Y Modell: a = 1 b = 2 σ = 3 Estimat: a = 0.76 b = X
25 Generelt: Maximum likelihood χ-tilpasning er et spesial-tilfelle av maximum-likelihood likelihood-estimeringestimering Likelihooden er generelt definert som funksjonen der de frie parameterne er θ,, mens dataene d holdes fast Eksempel: Sannsynlighets-distribusjonen for en gaussisk variabel er Siden logaritmen er en monotont økende funksjon, sås er maximum- likelihood-løsningen er gitt ved
26 Posterior-distribusjonen Vi er ikke bare interessert i de mest sannsynlige parameter-verdiene, men også usikkerhetene i disse. Mer generelt, vi er interessert i (posterior-) ) distribusjonen Posterior-distribusjon = = Sannsynlighets-fordelingen for parametere gitt data Likelihood = = Fordeling for data gitt parametere Kjenner vi posterioren, vet vi alt som dataene forteller oss om parameterne Best-fit parametere = maksimum posterior Usikkerheter = 68% konfidensintervaller Posterior distribution Posterior distribution Power spectrum, C l (µk 2 ) 0 intervaller Power spectrum, C l (µk 2 )
27 Bayes teorem Hvordan beregne posterior-distribusjonen? Bayes teorem sier at Likelihood Prior Posterior-distribusjonen Evidens Posterior = Hva vet vi om parameterne etter eksperimentet? Likelihood = Hva sier de nåværende dataene om parameterne? Prior = Hva trodde vi om parameterne før vi gjorde eksperimentet? erimentet? Evidens = Hvor godt passer dataene til modellen, integrert overo parametere? (Merk: Avhenger ikke av de frie parameterne!) Dette gir den numeriske oppskriften på hvordan beregne posterioren en Men hvordan beregne den algoritmisk?
28 Metode 1: Grid-beregning 0.5 Probability distribution Exact distribution Grid distribution Variate Hvis antall parametere er mindre eller lik fire: Beregn et grid Gir en regulær funksjon som er enkel å jobbe med Svært enkel algoritme Problem: Antall grid-punkter øker eksponentielt med antall parametere! Eksempel: 100 punkter i to parametere = = 10,000 evalueringer Eksempel: 100 punkter i seks parametere = = 100 milliarder evalueringer!
29 0.5 Metode 2: Sampling Probability distribution Exact distribution Sampled distribution Variate Anta at det er mulig å trekke samples fra I så fall, produser f.eks. 100,000 samples, og lag et histogram! Dette histogrammet konvergerer mot med antall samples Fordel: Mesteparten av beregnings-kostnadene tilbringes nær toppen til distribusjonen. Men hvordan trekker man fra kompliserte, ikke-standard distribusjoner?
30 Sampling ved Markov Chain Monte Carlo (MCMC) MCMC = en veldig enkel metode for å sample fra vilkårlinge distribusjoner Metropolis-algoritmen: 1. Velg en overgangs-regel regel fra ett punkt til et annet Eks: θ i+1 = θ i + N(0,σ 2 ) 2. Velg et start-punkt 3. Foreslå et nytt punkt ifølge regel 4. Flytt til foreslått punkt med sannsynlighet 5. Iterér 3 and 4
31 CosmoMC Dagens kosmologiske standard-sampler sampler heter CosmoMC, skrevet av Antony Lewis Denne koden består av flere deler: En Metropolis-sampler sampler som beskrevet på forrige slide Brukeren velger hvilke kosmologiske parametere som skal inkluderes es Overgangsregelen er en multivariat Gaussisk distribusjon CAMB Oversetter foreslåtte kosmologiske parametere til spektrum Likelihood-koder koder produsert av forskjellige eksperimentelle grupper CMB-data: WMAP, BOOMERanG, Acbar, CBI... Stor-skala skala-strukturer: strukturer: 2dF, SDSS Priors fra andre eksperimenter, som Hubble-konstanten, universets alder etc. Etter typisk ett døgns kjøre-tid på ~8 prosessorer får man ut posterior- distribusjonen for de gitte parameterne og data-settene
32 Eksempel: Amplitude og tilt fra CosmoMC Marginalized posterior Amplitude, A Amplitude, A Kjøring av CosmoMC med WMAP-data alene, med standard seks-parameter parameter- modell,, {Ω{ b, Ω cdm, h, n s, A, τ} Kjede for 1000 {n{ s, A} samples Distribusjonen fås f s ved å lage et 2D histogram fra disse Marginale distribusjoner for n s og A individuelt fås f s ved å lage 1D histogrammer fra de samme samplene. Marginalized posterior Spectral index, n s Spectral index, n s
33 Oppsummering Kosmologiske parametere påvirker CMB-power spekteret Ved å tilpasse CAMB-type spektra til observerte data, kan vi rekonstruere disse parameterne Målet for analysen er sannsynlighets-distribusjonen Dette kalles posterior-distribusjonen Posterioren er gitt ved Bayes teorem, For å kartlegge denne funksjonen bruker man i dag Markov Chain Monte Carlo-metoder Den mest brukte koden innen kosmologi i dag er CosmoMC
AST5220 forelesning 1 Litt praktisk CMB-analyse
AST5220 forelesning 1 Litt praktisk CMB-analyse Hans Kristian Eriksen 17. januar 2007 Litt om kurset Pensum basert på Modern Cosmology av Scott Dodelson Mål : Å forstå dannelse av storskala-strukturer
DetaljerAST5220 forelesning 1 Litt praktisk CMB-analyse
AST5220 forelesning 1 Litt praktisk CMB-analyse Hans Kristian Eriksen 16. januar 2008 Litt om kurset Pensum basert på Modern Cosmology av Scott Dodelson Mål : Å forstå dannelse av storskala-strukturer
DetaljerAST1010 En kosmisk reise. Forelesning 19: Kosmologi
AST1010 En kosmisk reise Forelesning 19: Kosmologi Hubble og Big Bang Bondi, Gold, Hoyle og Steady State Gamow, Alpher, Herman og bakgrunnsstrålingen Oppdagelsen av bakgrunnsstrålingen Universets historie
DetaljerAST1010 En kosmisk reise. Forelesning 20: Kosmologi, del 2
AST1010 En kosmisk reise Forelesning 20: Kosmologi, del 2 Akselerasjon Observasjonene viser at universet ser flatt ut. Men: observasjoner av supernovaer (type Ia) viser at universet utvider seg fortere
DetaljerAST1010 En kosmisk reise
AST1010 En kosmisk reise Forelesning 19: Kosmologi Einsteins universmodell Friedmann, Lemaitre, Hubble og Big Bang Bondi, Gold, Hoyle og Steady State Gamow, Alpher, Herman og bakgrunnsstrålingen Oppdagelsen
DetaljerAST1010 En kosmisk reise
AST1010 En kosmisk reise Forelesning 21: Kosmologi, del 2 https://www.youtube.com/watch? v=xbr4gkrny04 1 Ca. 68% frastøtende energi Akselerasjon Observasjonene viser at universet ser flatt ut. Men: observasjoner
DetaljerAnalyse av fire-års COBE-DMR data
Prosjekt-oppgave i AST5220 Analyse av fire-års COBE-DMR data 1 Introduksjon Vi skal i denne obligatoriske oppgaven gjenta analysen av fire-års COBE-DMRdataene som ble publisert i 1994, og vi vil fokusere
DetaljerAST1010 En kosmisk reise. Forelesning 20: Kosmologi, del 2
AST1010 En kosmisk reise Forelesning 20: Kosmologi, del 2 Temaer Mørk energi Inflasjon Hvordan startet det hele? Universet akselerer Ytterligere evidens for mørk energi fra avansert matematikk 1 0.32
DetaljerAST1010 En kosmisk reise. Forelesning 19: Kosmologi, del I
AST1010 En kosmisk reise Forelesning 19: Kosmologi, del I Astronomiske avstander Hvordan vet vi at nærmeste stjerne er 4 lysår unna? Parallakse (kun nære stjerner) Hvordan vet vi at galaksen vår er 100
DetaljerAST1010 En kosmisk reise. Astronomiske avstander https://www.youtube.com/watch? v=vsl-jncjak0. Forelesning 20: Kosmologi, del I
AST1010 En kosmisk reise Forelesning 20: Kosmologi, del I Astronomiske avstander Hvordan vet vi at nærmeste stjerne er 4 lysår unna? Parallakse (kun nære stjerner) Hvordan vet vi at galaksen vår er 100
DetaljerOppgaver i CMB-analyse. 1 Oppgave 1 Power spektra og CAMB
Oppgaver i CMB-analyse 1 Oppgave 1 Power spektra og CAMB I denne oppgaven skal vi beregne CMB power spektra for forskjellige kosmologiske modeller ved hjelp av CAMB, og se litt på hvordan noen fysiske
DetaljerAST1010 En kosmisk reise
AST1010 En kosmisk reise Forelesning 21: Kosmologi, del 2 1 Ca. 68% frastøtende energi Akselerasjon Observasjonene viser at universet ser flah ut. Men: observasjoner av supernovaer (type Ia) viser at universet
DetaljerAST1010 En kosmisk reise
AST1010 En kosmisk reise Forelesning 19: Kosmologi, del I Innhold Einsteins universmodell Friedmann, Lemaitre, Hubble og Big Bang AvstandssCgen Bondi, Gold, Hoyle og Steady State Gamow, Alpher, Herman
DetaljerMer om Markov modeller
Høyere ordens Markov modeller Mer om Markov modeller p h mnr = Pr( Y j+ 3 = ah Y j+ 2 = am, Y j+ 1 = an, Y j = a : r For en k-te ordens Markov modell som modellerer en DNA prosess vil det være 3*4 k mulige
DetaljerAST1010 En kosmisk reise
AST1010 En kosmisk reise Forelesning 20: Kosmologi, del I Hva er kosmologi? I kosmologi studerer vi hele universet under e@, ikke spesielle objekter eller prosesser (selv om disse er vikege for å forstå
DetaljerAST1010 En kosmisk reise
AST1010 En kosmisk reise Forelesning 20: Kosmologi, del 2 Temaer Mørk energi Inflasjon Hvordan startet det hele? Universet akselerer 1 Expansion History of the Universe Perlmutter, Physics Today (2003)
DetaljerUniversets inflasjonsfase i lys av BICEP2-observasjonene
Universets inflasjonsfase i lys av BICEP2-observasjonene Øyvind Grøn HIOA 17.juni 2014 1 2 3 4 5 Universet kan ha oppstått som en kvantefluktuasjon allerede ved Plancktiden t P =10-43 s dominert av mørk
DetaljerSTK juni 2016
Løsningsforslag til eksamen i STK220 3 juni 206 Oppgave a N i er binomisk fordelt og EN i np i, der n 204 Hvis H 0 er sann, er forventningen lik E i n 204/6 34 for i, 2,, 6 6 Hvis H 0 er sann er χ 2 6
DetaljerEgil Lillestøll, Lillestøl,, CERN & Univ. i Bergen,
I partikkelfysikken (CERN) studeres materiens minste byggestener og alle kreftene som virker mellom dem. I astrofysikken studeres universets sammensetting (stjerner og galakser) og utviklingen fra Big
DetaljerEKSAMEN I TMA4300 BEREGNINGSKREVENDE STATISTIKK Torsdag 16 Mai, 2013
Norges teknisk naturvitenskapelige universitet Institutt for matematiske fag Side av 5 Kontakt: Jo Eidsvik 9747 EKSAMEN I TMA43 BEREGNINGSKREVENDE STATISTIKK Torsdag 6 Mai, 3 Tilatte hjelpemiddel: Gult
DetaljerForelesning 7: Store talls lov, sentralgrenseteoremet. Jo Thori Lind
Forelesning 7: Store talls lov, sentralgrenseteoremet Jo Thori Lind j.t.lind@econ.uio.no Oversikt 1. Estimering av variansen 2. Asymptotisk teori 3. Store talls lov 4. Sentralgrenseteoremet 1.Estimering
DetaljerEuropas nye kosmologiske verktøykasse Bo Andersen Norsk Romsenter
Europas nye kosmologiske verktøykasse Bo Andersen Norsk Romsenter Hvordan er Universet dannet og hva er dets skjebne? Hvilke lover styrer de forskjellige skalaene? Hvorfor og hvordan utviklet universet
DetaljerAST1010 En kosmisk reise. De viktigste punktene i dag: Elektromagnetisk bølge 1/23/2017. Forelesning 4: Elektromagnetisk stråling
AST1010 En kosmisk reise Forelesning 4: Elektromagnetisk stråling De viktigste punktene i dag: Sorte legemer og sort stråling. Emisjons- og absorpsjonslinjer. Kirchhoffs lover. Synkrotronstråling Bohrs
DetaljerEKSAMEN I FAG TMA4275 LEVETIDSANALYSE
Norges teknisk naturvitenskapelige universitet Institutt for matematiske fag Side 1 av 5 Faglig kontakt under eksamen: Bo Lindqvist 975 89 418 EKSAMEN I FAG TMA4275 LEVETIDSANALYSE Fredag 26. mai 2006
DetaljerFasit for tilleggsoppgaver
Fasit for tilleggsoppgaver Uke 5 Oppgave: Gitt en rekke med observasjoner x i (i = 1,, 3,, n), definerer vi variansen til x i som gjennomsnittlig kvadratavvik fra gjennomsnittet, m.a.o. Var(x i ) = (x
DetaljerKapittel 2: Hendelser
Kapittel 2: Hendelser FENOMEN Eksperiment Utfall Utfallsrom Eksperiment. Utfall. Eksperiment Utfall Hendelse Sannsynlighet: egenskaper, gunstige vs. mulige, relativ frekvens Sannsynlighet for mer enn en
DetaljerIkke lineære likninger
Ikke lineære likninger Opp til nå har vi studert lineære likninger og lineære likningsystemer. 1/19 Ax = b Ax b = 0. I en dimensjon, lineære likninger kan alltid løses ved hjelp av formler: ax + b = 0
DetaljerTMA4240 Statistikk H2010
TMA4240 Statistikk H2010 Statistisk inferens: 8.1: Tilfeldig utvalg 9.1-9.3: Estimering Mette Langaas Foreleses uke 40, 2010 2 Utfordring Ved en bedrift produseres en elektrisk komponent. Komponenten må
DetaljerUtfordring. TMA4240 Statistikk H2010. Mette Langaas. Foreleses uke 40, 2010
TMA4240 Statistikk H2010 Statistisk inferens: 8.1: Tilfeldig utvalg 9.1-9.3: Estimering Mette Langaas Foreleses uke 40, 2010 2 Utfordring Ved en bedrift produseres en elektrisk komponent. Komponenten må
DetaljerKapittel 3: Studieopplegg
Oversikt over pensum Kapittel 1: Empirisk fordeling for en variabel o Begrepet fordeling o Mål for senter (gj.snitt, median) + persentiler/kvartiler o Mål for spredning (Standardavvik s, IQR) o Outliere
DetaljerHistogramprosessering
Histogramprosessering Lars Vidar Magnusson January 22, 2018 Delkapittel 3.3 Histogram Processing Histogram i Bildeanalyse Et histogram av et digitalt bilde med intensitet i intervallet [0, L) er en diskret
DetaljerUtvalgsfordelinger. Utvalg er en tilfeldig mekanisme. Sannsynlighetsregning dreier seg om tilfeldige mekanismer.
Utvalgsfordelinger Vi har sett at utvalgsfordelinger til en statistikk (observator) er fordelingen av verdiene statistikken tar ved mange gjenttatte utvalg av samme størrelse fra samme populasjon. Utvalg
DetaljerMAT-INF 2360: Obligatorisk oppgave 3. Løsningsforslag
MAT-INF 2360: Obligatorisk oppgave 3. Løsningsforslag I kapittel 9 i kompendiet forklarte vi at maximum-likelihood er en av de viktige anvendelsene av ikke-lineær optimering. Vi skal se litt mer på hva
DetaljerUNIVERSITETET I OSLO
UNIVERSITETET I OSLO Det matematisk-naturvitenskapelige fakultet Eksamen i: AST1010 - Astronomi - en kosmisk reise Eksamensdag: Tirsdag 22. mai 2018 Tid for eksamen:1430-1730 Oppgavesettet er på 2 sider
DetaljerOppsummering av STK2120. Geir Storvik
Oppsummering av STK2120 Geir Storvik Vår 2011 Hovedtemaer Generelle inferensmetoder Spesielle modeller/metoder Bruk av R Vil ikke bli testet på kommandoer, men må forstå generelle utskrifter Generelle
DetaljerBiseksjonsmetoden. biseksjonsmetode. Den første og enkleste iterativ metode for ikke lineære likninger er den så kalt
Biseksjonsmetoden Den første og enkleste iterativ metode for ikke lineære likninger er den så kalt biseksjonsmetode. Gitt en intervall [a, b] hvor f skifter fortegn, vi halverer [a, b] = [a, b + a 2 ]
DetaljerEKSAMEN I NUMERISK LINEÆR ALGEBRA (TMA4205)
Norges teknisknaturvitenskapelige universitet Institutt for matematiske fag Side av 6 Faglig kontakt under eksamen: Navn: Brynjulf Owren 93064 EKSAMEN I NUMERISK LINEÆR ALGEBRA TMA405 Fredag 5 desember
DetaljerUNIVERSITETET I OSLO
Side 1 UNIVERSITETET I OSLO Det matematisk-naturvitenskapelige fakultet Eksamen i: AST1010 Astronomi en kosmisk reise Eksamensdag: Fredag 7. april 2017 Tid for eksamen: 09:00 12:00 Oppgavesettet er på
DetaljerNoen presiseringer mhp Diskret Fourier Transform. Relevant for oblig 1.
FYS2130 Våren 2008 Noen presiseringer mhp Diskret Fourier Transform. Relevant for oblig 1. Vi har på forelesning gått gjennom foldingsfenomenet ved diskret Fourier transform, men ikke vært pinlig nøyaktige
DetaljerOppgave 1: Terningsutfall På en kubisk terning er det 1/6 sannsynlighet for hver type utfall fra 1 til 6. Ved to terninger, er utfallene antatt
Oppgave 1: Terningsutfall På en kubisk terning er det 1/6 sannsnlighet for hver tpe utfall fra 1 til 6. Ved to terninger, er utfallene antatt uavhengig. a) Hva er sannsnligheten for å få et spesifikt utfall
DetaljerAkkurat den samme begrunnelsen som vi brukte med variabelen X 2. "Jeg bruker internett mye mer på i-phone nå enn det jeg gjorde før på mobilen.
1 Øving 1 Oppgave 1.5 (Leie av studentbolig) Et datasett gir oversikt over ledige studentboliger til leie. Opplysninger om boligene er angitt. Hensikten med denne oppgave er å bestemme hva slags type variablene
DetaljerExperiment Norwegian (Norway) Hoppende frø - En modell for faseoverganger og ustabilitet (10 poeng)
Q2-1 Hoppende frø - En modell for faseoverganger og ustabilitet (10 poeng) Vennligst les de generelle instruksjonene som ligger i egen konvolutt, før du begynner på denne oppgaven. Introduksjon Faseoverganger
DetaljerI enkel lineær regresjon beskrev linja. μ y = β 0 + β 1 x
Multiple regresjon Her utvider vi perspektivet for enkel lineær regresjon til også å omfatte flere forklaringsvariable.det er fortsatt en responsvariabel. Måten dette gjøre på er nokså naturlig. Prediktoren
DetaljerDenne uken: kap : Introduksjon til statistisk inferens. - Konfidensintervall - Hypotesetesting - P-verdier - Statistisk signifikans
Denne uken: kap. 6.1-6.2-6.3: Introduksjon til statistisk inferens - Konfidensintervall - Hypotesetesting - P-verdier - Statistisk signifikans VG 25/9 2011 Statistisk inferens Mål: Trekke konklusjoner
DetaljerUNIVERSITETET I OSLO Matematisk Institutt
UNIVERSITETET I OSLO Matematisk Institutt Eksamen i: STK 1110 Statistiske metoder og dataanalyse 1 Tid for eksamen: Mandag 28. november 2016, kl. 14:30 18:30 Hjelpemidler: Formelsamling til STK 1100 og
DetaljerTMA4240 Statistikk H2010 (20)
TMA4240 Statistikk H2010 (20) 10.5: Ett normalfordelt utvalg, kjent varians (repetisjon) 10.4: P-verdi 10.6: Konfidensintervall vs. hypotesetest 10.7: Ett normalfordelt utvalg, ukjent varians Mette Langaas
DetaljerTMA4240 Statistikk Høst 2016
Norges teknisk-naturvitenskapelige universitet Institutt for matematiske fag Anbefalt øving 9 Løsningsskisse Oppgave 1 a) Vi lar her Y være antall fugler som kolliderer med vindmølla i løpet av den gitte
DetaljerIllustrasjon av regel 5.19 om sentralgrenseteoremet og litt om heltallskorreksjon (som i eksempel 5.20).
Econ 130 HG mars 017 Supplement til forelesningen 7. februar Illustrasjon av regel 5.19 om sentralgrenseteoremet og litt om heltallskorreksjon (som i eksempel 5.0). Regel 5.19 sier at summer, Y X1 X X
DetaljerPar-copula konstruksjoner: Et fleksibelt verktøy for å modellere multivariat avhengighet
Par-copula konstruksjoner: Et fleksibelt verktøy for å modellere multivariat avhengighet Foredrag for Norsk ASTIN-gruppe (NAG) Lysaker, 14. November, 2010 Kjersti Aas Norsk Regnesentral Innhold Innledning
DetaljerTMA4240 Statistikk H2010
TMA4240 Statistikk H2010 Statistisk inferens: 9.14: Sannsynlighetsmaksimeringsestimatoren 8.5: Fordeling til gjennomsnittet 9.4: Konfidensintervall for µ (σ kjent) Mette Langaas Foreleses mandag 11.oktober,
DetaljerBioberegninger - notat 4: Mer om sannsynlighetsmaksimering
Bioberegninger - notat 4: Mer om sannsynlighetsmaksimering 8. mars 2004 1 Kort om Newton s metode i flere dimensjoner Newton s metode kan generaliseres til å løse sett av n ligninger med n ukjente. Skal
DetaljerFordelinger, mer om sentralmål og variasjonsmål. Tron Anders Moger
Fordelinger, mer om sentralmål og variasjonsmål Tron Anders Moger 20. april 2005 1 Forrige gang: Så på et eksempel med data over medisinerstudenter Lærte hvordan man skulle få oversikt over dataene ved
DetaljerSiden vi her har brukt første momentet i fordelingen (EX = EX 1 ) til å konstruere estimatoren kalles denne metoden for momentmetoden.
Estimeringsmetoder Momentmetoden La X, X 2,..., X n være uavhengige variable som er rektangulært fordelte på intervallet [0, θ]. Vi vet da at forventningsverdiene til hver observasjon og forventningen
DetaljerForelesning 8 STK3100/4100
Forelesning STK300/400 Plan for forelesning: 0. oktober 0 Geir Storvik. Lineære blandede modeller. Eksempler - data og modeller 3. lme 4. Indusert korrelasjonsstruktur. Marginale modeller. Estimering -
DetaljerUNIVERSITETET I OSLO Det matematisk naturvitenskapelige fakultet
UNIVERSITETET I OSLO Det matematisk naturvitenskapelige fakultet Eksamen i AST5220/9420 Kosmologi II Eksamensdag: Fredag 11. juni 2010 Tid for eksamen: 09.00 12.00 Oppgavesettet er på 4 sider. Vedlegg:
DetaljerStatistisk inferens: 9.14: Sannsynlighetsmaksimeringsestimatoren 8.5: Fordeling til gjennomsnittet 9.4: Konfidensintervall for µ (σ kjent)
TMA440 Statistikk H010 Statistisk inferens: 9.14: Sannsynlighetsmaksimeringsestimatoren 8.5: Fordeling til gjennomsnittet 9.4: Konfidensintervall for µ (σ kjent) Mette Langaas Foreleses mandag 11.oktober,
DetaljerModell, Cold Dark Matter, Normal text - click to edit
Modell, Cold Dark Matter, og kosmologisk konstant Hvorfor har universet bare materie? Sakharovs tre betingelser: Brudd på bevaring av baryontall Brudd på partikkel-antipartikkelsymmetriantipartikkelsymmetri
DetaljerDenne uken: kap. 6.1-6.2-6.3: Introduksjon til statistisk inferens. - Konfidensintervall - Hypotesetesting - P-verdier - Statistisk signifikans
Denne uken: kap. 6.1-6.2-6.3: Introduksjon til statistisk inferens - Konfidensintervall - Hypotesetesting - P-verdier - Statistisk signifikans VG 25/9 2011 Statistisk inferens Mål: Trekke konklusjoner
DetaljerNotat 6 - ST februar 2005
Notat 6 - ST1301 22. februar 2005 1 Instruksjoner som data I begynnelsen av kurset definerte vi data som informasjon uttrykkt i et programmeringsspråk. Slike data kan være av ulik type, f.eks. enkle skalarer
DetaljerGruvedrift. Institutt for matematiske fag, NTNU. Notat for TMA4240/TMA4245 Statistikk
Gruvedrift Notat for TMA/TMA Statistikk Institutt for matematiske fag, NTNU I forbindelse med planlegging av gruvedrift i et område er det mange hensyn som må tas når en skal vurdere om prosjektet er lønnsomt.
DetaljerModifisering av Black & Scholes opsjonsprising ved bruk av NIG-fordelingen
Modifisering av Black & Scholes opsjonsprising ved bruk av NIG-fordelingen Prosjektoppgave STK-MAT2011 Sindre Froyn Salgsopsjon A B K S 0 T S 0 : porteføljeprisen ved tiden t = 0. K: garantert salgspris
DetaljerSTK Oppsummering
STK1100 - Oppsummering Geir Storvik 6. Mai 2014 STK1100 Tre temaer Deskriptiv/beskrivende statistikk Sannsynlighetsteori Statistisk inferens Sannsynlighetsregning Hva Matematisk verktøy for å studere tilfeldigheter
DetaljerFY2045/TFY4250 Kvantemekanikk I, løsning øving 13 1 LØSNING ØVING 13. V (x, t) = xf (t) = xf 0 e t2 /τ 2.
FY045/TFY450 Kvantemekanikk I, løsning øving 13 1 Løsning Oppgave 13 1 LØSNING ØVING 13 Transient perturbasjon av harmonisk oscillator a. Med kraften F (t) = qe(t) = F 0 exp( t /τ ) og sammenhengen F (t)
DetaljerAST1010 En kosmisk reise
AST1010 En kosmisk reise Forelesning 13: Innledende stoff om stjerner: Avstander, størrelsesklasser, HR- diagrammet Innhold Parallakse og avstand Tilsynelatende og absoluj størrelsesklasse. Avstandsmodulen.
DetaljerEn (reell) funksjon f fra en (reell) mengde D er en regel som til hvert element x D tilordner en unik verdi y = f (x).
Funksjoner En (reell) funksjon f fra en (reell) mengde D er en regel som til hvert element x D tilordner en unik verdi y = f (x). Mengden D kalles definisjonsmengden (eng.: domain) til f. Merknad Dersom
DetaljerAST1010 En kosmisk reise. Forelesning 4: Fysikken i astrofysikk, del 1
AST1010 En kosmisk reise Forelesning 4: Fysikken i astrofysikk, del 1 Innhold Mekanikk Termodynamikk Elektrisitet og magnetisme Elektromagnetiske bølger Mekanikk Newtons bevegelseslover Et legeme som ikke
DetaljerST0202 Statistikk for samfunnsvitere
ST0202 Statistikk for samfunnsvitere Bo Lindqvist Institutt for matematiske fag 2 Fra første forelesning: Populasjon Den mengden av individer/objekter som vi ønsker å analysere. Utvalg En delmengde av
DetaljerLøsningsforslag til andre sett med obligatoriske oppgaver i STK1110 høsten 2010
Løsningsforslag til andre sett med obligatoriske oppgaver i STK1110 høsten 2010 Oppgave 1 a Forventet antall dødsulykker i år i er E(X i λ i. Dermed er θ i λ i E(X i forventet antall dødsulykker per 100
DetaljerKapittel 4.4: Forventning og varians til stokastiske variable
Kapittel 4.4: Forventning og varians til stokastiske variable Forventning og varians til stokastiske variable Histogrammer for observerte data: Sannsynlighets-histogrammer og tetthetskurver for stokastiske
Detaljerår i 1 2 3 4 5 6 7 8 9 alder x i 37 38 39 40 41 42 43 44 45 tid y i 45.54 41.38 42.50 38.80 41.26 37.20 38.19 38.05 37.45 i=1 (x i x) 2 = 60, 9
TMA424 Statistikk Vår 214 Norges teknisk-naturvitenskapelige universitet Institutt for matematiske fag Øving nummer 11, blokk II Oppgave 1 Matlabkoden linearreg.m, tilgjengelig fra emnets hjemmeside, utfører
DetaljerAST1010 En kosmisk reise
AST1010 En kosmisk reise Forelesning 4: Fysikken i astrofysikk, del 1 Mekanikk Termodynamikk Innhold Elektrisitet og magnecsme ElektromagneCske bølger 1 Mekanikk Newtons bevegelseslover Et legeme som ikke
DetaljerÅMA110 Sannsynlighetsregning med statistikk, våren
ÅMA110 Sannsynlighetsregning med statistikk, våren 2006 Oppsummering Bjørn H. Auestad Institutt for matematikk og naturvitenskap Universitetet i Stavanger 24. april Bjørn H. Auestad Oppsummering våren
DetaljerVELKOMMEN TIL INTERNATIONAL MASTERCLASSES 2017 FYSISK INSTITUTT, UNIVERSITETET I OSLO
VELKOMMEN TIL INTERNATIONAL MASTERCLASSES 2017 FYSISK INSTITUTT, UNIVERSITETET I OSLO SOSIALE MEDIA facebook/fysikk fysikkunioslo @fysikkunioslo Fysikk_UniOslo INTRODUKSJON TIL PARTIKKELFYSIKK INTERNATIONAL
DetaljerNotat 4 - ST februar 2005
Notat 4 - ST1301 8. februar 2005 1 While- og repeat-løkker Vi har tidligere sett på bruk av før-løkker. Slike løkker er hensiktsmessig å bruke når vi skal gjenta visse beregninger (løkke-kroppen) et antall
DetaljerST0103 Brukerkurs i statistikk Høsten Momentestimatoren og sannsynlighetsmaksimeringsestimatoren
ST0103 Brukerkurs i statistikk Høsten 2016 Momentestimatoren og sannsynlighetsmaksimeringsestimatoren (SME) Boka har bare ett eksempel med sannsynlighetsmaksimeringsestimatoren. Vi gjengir dette nedenfor,
DetaljerSeksjon 1.3 Tetthetskurver og normalfordelingen
Seksjon 1.3 Tetthetskurver og normalfordelingen Har sett på ulike metoder for å plotte eller oppsummere data ved tall Vil nå starte på hvordan beskrive data ved modeller Hovedmetode er tetthetskurver Tetthetskurver
DetaljerHistogrammetoder. Lars Aurdal Norsk regnesentral. Histogrammetoder p.1/91
Histogrammetoder Lars Aurdal Norsk regnesentral aurdal@nr.no Histogrammetoder p.1/91 Oversikt 1 Litt praktisk informasjon. Grånivåtransformasjoner. Grunnleggende transformasjoner. Negativer. Log-transformasjoner.
DetaljerForelesning 6: Punktestimering, usikkerhet i estimering. Jo Thori Lind
Forelesning 6: Punktestimering, usikkerhet i estimering Jo Thori Lind j.t.lind@econ.uio.no Oversikt 1. Trekke utvalg 2. Estimatorer og observatorer som stokastiske variable 3. Egenskapene til en estimator
DetaljerAST1010 En kosmisk reise. Forelesning 4: Elektromagnetisk stråling
AST1010 En kosmisk reise Forelesning 4: Elektromagnetisk stråling De viktigste punktene i dag: Sorte legemer og sort stråling. Emisjons- og absorpsjonslinjer. Kirchhoffs lover. Synkrotronstråling Bohrs
DetaljerFysikk og virkelighetsoppfatning
Fysikk og virkelighetsoppfatning Ex.Phil. forelesninger høsten 2007 Arnt Inge Vistnes a.i.vistnes@fys.uio.no http://folk.uio.no/arntvi/ MERK: Denne filen gir bare et rammeverk for mine forelesninger oktober
DetaljerNotat 3 - ST februar 2005
Notat 3 - ST1301 1. februar 2005 1 Simulering fra modell Når vi skal analysere et gitt konkret innsamlet datasett vil vi gjøre dette med utgangspunkt i en statistisk modell. Vi kan si at en slik statistisk
DetaljerSTK1000 Uke 36, Studentene forventes å lese Ch 1.4 ( ) i læreboka (MMC). Tetthetskurver. Eksempel: Drivstofforbruk hos 32 biler
STK1000 Uke 36, 2016. Studentene forventes å lese Ch 1.4 (+ 3.1-3.3 + 3.5) i læreboka (MMC). Tetthetskurver Eksempel: Drivstofforbruk hos 32 biler Fra histogram til tetthetskurver Anta at vi har kontinuerlige
DetaljerAST1010 En kosmisk reise. Forelesning 18: Galakser og galaksehoper
AST1010 En kosmisk reise Forelesning 18: Galakser og galaksehoper Innhold Klasser: elliptiske, spiraler og irregulære Egenskaper antall, oppbygging. Spiralarmene hvordan de dannes. Galaksehoper og superhoper.
DetaljerUNIVERSITETET I OSLO
UNIVERSITETET I OSLO Det matematisk-naturvitenskapelige fakultet Eksamen i: AST1010 - Astronomi - en kosmisk reise Eksamensdag: Onsdag 15. novemer 2017 Tid for eksamen:0900-1200 Oppgavesettet er på 2 sider
DetaljerHØGSKOLEN I STAVANGER
EKSAMEN I: MOT0 STATISTISKE METODER VARIGHET: TIMER DATO:. NOVEMBER 00 TILLATTE HJELPEMIDLER: KALKULATOR, TABELLER OG FORMLER I STATISTIKK (TAPIR FORLAG) OPPGAVESETTET BESTÅR AV OPPGAVER PÅ 7 SIDER HØGSKOLEN
DetaljerÅMA110 Sannsynlighetsregning med statistikk, våren 2006 Kp. 6, del 4
ÅMA110 Sannsynlighetsregning med statistikk, våren 2006 Kp. 6, del 4 Bjørn H. Auestad Institutt for matematikk og naturvitenskap Universitetet i Stavanger 27. mars Bjørn H. Auestad Kp. 6: Hypotesetesting
DetaljerSvarte hull kaster lys over galaksedannelse
Svarte hull kaster lys over galaksedannelse I 1960-årene introduserte astronomene hypotesen om at det eksisterer supermassive svarte hull med masser fra en million til over en milliard solmasser i sentrum
DetaljerEksamensoppgave i TMA4295 Statistisk inferens
Institutt for matematiske fag Eksamensoppgave i TMA4295 Statistisk inferens Faglig kontakt under eksamen: Vaclav Slimacek Tlf: 942 96 313 Eksamensdato: Tirsdag 2. desember 2014 Eksamenstid (fra til): 09:00-13:00
DetaljerAST1010 En kosmisk reise. Forelesning 13: Sola
AST1010 En kosmisk reise Forelesning 13: Sola I dag Hva består Sola av? Hvor får den energien fra? Hvordan er Sola bygd opp? + solflekker, utbrudd, solvind og andre rariteter Hva består Sola av? Hydrogen
DetaljerStatistikk og dataanalyse
Njål Foldnes, Steffen Grønneberg og Gudmund Horn Hermansen Statistikk og dataanalyse En moderne innføring Kapitteloversikt del 1 INTRODUKSJON TIL STATISTIKK Kapittel 1 Populasjon og utvalg 19 Kapittel
DetaljerEksamensoppgave i ST0103 Brukerkurs i statistikk
Institutt for matematiske fag Eksamensoppgave i ST0103 Brukerkurs i statistikk Faglig kontakt under eksamen: Jarle Tufto Tlf: 99 70 55 19 Eksamensdato: 3. desember 2016 Eksamenstid (fra til): 09:00-13:00
DetaljerAST1010 En kosmisk reise
AST1010 En kosmisk reise Forelesning 4: Elektromagne;sk stråling De vik;gste punktene i dag: Sorte legemer og sort stråling. Emisjons- og absorpsjonslinjer. Kirchhoffs lover. Synkrotronstråling Bohrs atommodell
DetaljerAST1010 En kosmisk reise. Innhold 10/19/15. Forelesning 18: Galakser og galaksehoper
AST1010 En kosmisk reise Forelesning 18: Galakser og galaksehoper Innhold Klasser av galakser: ellipaske, spiraler og irregulære Egenskaper antall, oppbygging. Spiralarmene hvordan de dannes. Galaksehoper
DetaljerJakten på universets kjempelinser
Jakten på universets kjempelinser Håkon Dahle Institutt for teoretisk astrofysikk, Universitetet i Oslo Trondheim astronomiske forening 16. september 2010 Oppdagelse av gravitasjonslinsing fra galaksehoper
DetaljerMAT-INF 2360: Obligatorisk oppgave 3
8. april, 2013 MAT-INF 2360: Obligatorisk oppgave 3 Innleveringsfrist: 2/5-2013, kl. 14:30 Informasjon Den skriftlige besvarelsen skal leveres i obligkassa som står i gangen utenfor ekspedisjonen i 7.
DetaljerDatamatrisen: observasjoner, variabler og verdier. Variablers målenivå: Nominal Ordinal Intervall Forholdstall (ratio)
Datamatrisen: observasjoner, variabler og verdier. Variablers målenivå: Nominal Ordinal Intervall Forholdstall (ratio) Beskrive fordelinger (sentraltendens, variasjon og form): Observasjon y i Sentraltendens
DetaljerLøsningsforslag. n X. n X 1 i=1 (X i X) 2 og SY 2 = 1 ny S 2 X + S2 Y
Statistiske metoder 1 høsten 004. Løsningsforslag Oppgave 1: a) Begge normalplottene gir punkter som ligger omtrent på ei rett linje så antagelsen om normalfordeling ser ut til å holde. Konfidensintervall
DetaljerEksameniASTlolo 13 mai2
EksameniASTlolo 13 mai2 tl Ptoleneisk system Sentrum i defentene til Merkur og Venus ligger alltid på linje med jorder og Cmiddelbsolen En kunstig forklaring e OM Kopernikansk system Merkur jordens Venus
DetaljerST0202 Statistikk for samfunnsvitere
ST0202 Statistikk for samfunnsvitere Bo Lindqvist Institutt for matematiske fag 2 Inferens om varians og standardavvik for ett normalfordelt utvalg (9.4) Inferens om variansen til en normalfordelt populasjon
DetaljerTMA4240 Statistikk Høst 2018
TMA4240 Statistikk Høst 2018 Norges teknisk-naturvitenskapelige universitet Institutt for matematiske fag Innlevering 5 Dette er andre av tre innleveringer i blokk 2. Denne øvingen skal oppsummere pensum
Detaljer