Forelesning 2 MET3592 Økonometri ved David Kreiberg Vår 2011

Størrelse: px
Begynne med side:

Download "Forelesning 2 MET3592 Økonometri ved David Kreiberg Vår 2011"

Transkript

1 Forelesg MET359 Økoomer ved Davd Kreberg Vår 0 Dverse oppgaver Oppgave. Aa følgede o varabler: gpa: (Grade Po Average) Gjeomsskaraker for amerkaske sudeer. gpa fes ervalle [0;4], hvor 0 er lavese gjeomsskaraker som ka oppås og 4 er høyese gjeomsskaraker. hours: Gjeomslg aall mer pr. uke e sude bruker på skolearbed. a) Hvlke verder av r ror du bes beskrver sammehege mellom gpa og hours? gpa, hours b) Hvlke av følgede o modeller ror du bes beskrver sammehege mellom gpa og hours?. gpa hours. gpa hours c) Baser på d svar b) formuler e regresjo modell. d) Baser på d svar a), hva ka v s om sggsalle modelle? Hvlke olkg har dee alle?

2 Forelesg MET359 Økoomer ved Davd Kreberg Vår 0 Oppgave. Du skal dee oppgave udersøke sammehege mellom prs (mål kroer) og leved (mål muer) for e besem ype egagsbaerer. I abelle fer du formasjo om prs og leved for 8 ulke produseer av dee baerype. Prs Leved La prs og leved være g ved heholdsvs P og L. E deskrpv aalyse gr følgede resulaer: P = 48,4 s = 0, 35 L = 8,5 s = 9,95 P L r = 0, 79 (korrelasjoe mellom prs og leved) PL a) Bereg kovarase mellom prs og leved. b) Bruk OLS-meode og esmer følgede modell leved prs u G e olkg av ˆβ. = α+ β + c) Aa a eda e produse øsker å eablere seg markede for dee baerype. Hvs prse produsee seer er 3 kr hva er vår bese esma på levede?

3 Forelesg MET359 Økoomer ved Davd Kreberg Vår 0 Oppgave 3. E vesor samler følgede formasjo om markedsavkasge og avkasge på de som ser u l å være e arakv aksjefod År Aksjefodes rskopreme ( %) Markedes rskopreme ( %) Vurder følgede modell for aksjefodes rskopreme (husk a rskopreme er de avkasg ma oppår uover rskofr) R α β = + R + m u, hvor R og R er heholdsvs aksjefodes og markedes rskopreme på dspuk. Du skal å gjøre følgede: m a) Gjør e deskrpv aalyse av aksjefodes og markedes rskopreme. E deskrpv aalyse bør eholde beregger av gjeomslg rskopreme og varase l rskopreme. Bereg også korrelasjoe mellom aksjefodes og markedes rskopreme. Hva ka v kokludere om sammehege mellom de o poreføljer? b) Esmer modelle ved hjelp OLS-meode. Vs a løsge er g ved: R = R m F verde som mmerer felledde ( ˆσ )? L = uˆ (dvs. f RSS). Hva er de esmere varase l = c) Hva er d esma på aksjefodes rskopreme dersom markes rskopreme er lk 4,58%? Forklar resulae. d) Vs a uˆ = 0. = e) Vs a ur ˆ = 0. Forklar resulae. = m 3

4 Forelesg MET359 Økoomer ved Davd Kreberg Vår 0 Oppgave 4. Hvlke av følgede modeller er leære regresjosmodeller? = + + u X a) Y β β b) Y = β + β X + u c) Y = β + β X + u l d) ly = β + β l X + u e) Y = β + β X + u f) ly β = β + + X u g) Y 3 = β + β X + u h) Y = β + β β X + u 3 ) Y = β + β X + β X + u 3 j) Y = β + β X + u L mer krevede oppgaver Oppgave 5. E vkg kosep e saskk er begrepe sadardserg. Aa de sokasske varabele Z. V sadardsere varabele Z ved hjelp av følgede urykk: z Z Z = s Z Bemerk a: z = 0 og s =. La y og være sadardsere varabler av varablee Y og X. a) Vs a s y = r YX. z b) Du esmerer modelle: y = α+ β + u. Vs a α ˆ = 0. 4

5 Forelesg MET359 Økoomer ved Davd Kreberg Vår 0 Oppgave 6. Aa modelle Y = α+ βx + u La y = Y Y og = X X, slk a y ˆ = βˆ OLS-meode fugerer ved å fe de ˆβ som mmerer L = u. = ˆ a) Vs a førseordesbegelse er g ved: L = ( ) = 0 ˆ ˆ y β β = y b) Vs å a ˆ = β = = lfredssller førseordesbegelse. Løsger Oppgave. a) r > 0. De vl være aurlg å gå u fra a sammehege mellom arbedssas, gpa hours (mål ved hours) og oppådd gjeomsskaraer (mål ved gpa) er posv. b) Modell er de modelle som bes beskrver sammehege mellom gpa og hours. c) Regresjosmodelle vl se slk u: gpa = α+ β hours + u, hvor er e sokasske felledd. u d) Sggsalle modelle vl være posv dersom r > 0. gpa, hours 5

6 Forelesg MET359 Økoomer ved Davd Kreberg Vår 0 Oppgave. spl a) V har a: r =. Kovarase (esmer) er dermed g ved: s = r s s, dvs. PL s PL PL P L s s = 0, 79 0, 35 9, 95 PL = 0, 99 P L b) 0, 99 β ˆ = =, 063, α ˆ = 8, 5, , 4 = 8, 98. Modelle ser da slk u: 0, 35 Leved = 8,98 +, 063 Prs Tolkg av ˆβ : Levede vees å øke (reduseres) med ca. muer for hver -kroes økg (reduksjo) prse. c) Esmer leved ved e prs på 3 kr.: Leved Prs = 3 = 8,98 +, ( ) = 9,93 m. Oppgave 3. a) R = 4,58, R =,0 m s = 6, 00, R m s = 0,3 R s = 36, 00, R m R s = 04,65 s = ( (7, 80,0)(3,70 4,58) + (39, 00,0)(3,0 4,58) RR m 5 + (, 80,0)(6,90 4,58) + (4,0,0)(6, 80 4,58) + (7,0,0)(, 30 4,58) = 36,7 5 = 59,8 ) 59,8 r = = 0, 96 RR m 6, 00 0, 3 Serk posv sammeheg. b) s ˆ 59,8 β = = =, RR m srm 6

7 Forelesg MET359 Økoomer ved Davd Kreberg Vår 0 αˆ = + ˆ =,0,64 4,58 =,7 R β R m øyakge verde skal være ærmere, 74 ). (v ser a de er l avrudgsfel. De V øsker å å berege RSS = u. V reger derfor å berege u for =,...,5. V ˆ ˆ bruker: u ˆ = R α ˆ β ˆ R m = uˆ = 7, 8 +,74,64 3,7 =,93 uˆ = 39, 0 +,74,64 3, =,69 uˆ =, 8 +,74,64 6,9 = 3, 3 uˆ = 4, +,74,64 6, 8 =,6 4 uˆ = 7, +,74,64, 3 =,3 5 Med l avrudgsfel fer v a: RSS = (, 93) +, , + (, 6) + (, 3) = 30,9 RSS 30,9 σ ˆ = = = 0,0 k 5 c) ( R R = 4,58) =,74 +,64 4,58 =,7. Legg merke l a dee alle er lærme m lk R =, 0%. Ue avrudgsfel vl v fe: ( R R ) = R =,0. Dee resulae m ka forklares med a regresjoslje går gjeom de puke hvor R og R krysser m hveradre e YX-dagram. d) Oppgave d) og e) krever a resdualee er berege med sørre pressjo. Mer press beregg gr følgede verder: uˆ =, 9553 uˆ =, 648 uˆ = 3, uˆ =, uˆ =, = uˆ =, , , (, 6447) + (, 568) = 0 e) = ur ˆ = (,9553) 3,7 +, 648 3, + 3,086 6,9 + (, 6447) 6, 8 + (,568), 3 m = 0 7

8 Forelesg MET359 Økoomer ved Davd Kreberg Vår 0 Oppgave 4. Modeller som er leære parameree er å berake som leære regresjosmodeller. V fer a: a), c), d), e), f), ) og j) er leære regresjosmodeller. Oppgave 5. a) V skal å vse a s y r YX. Sde y = 0 og = 0 =. V har s = (( y y)( y )) = ka v skrve kovarase ved hjelp av følgede urykk: s = y Y Y X X = = s s Y X = ( Y Y )( X X ) s s y = = Y X Legg merke l a ss Y er e kosa slk a: s = Y Y = = ss Y X syx = ss Y = r ( ( )( X )) s s X Y X = ( ( Y Y )( X X )) y YX b) V esmerer: y = α+ β + u. Husk a αˆ = y + β ˆ. Sde y = 0 og = 0 vl også α ˆ = 0. 8

9 Forelesg MET359 Økoomer ved Davd Kreberg Vår 0 Oppgave 6. a) V ar ugagspuk urykke: y = βˆ + uˆ V skal vse a førseordesbegelse er g ved: L = ( ) = 0 ˆ ˆ y β β = V sarer med L = u som skal mmeres med hesy på ˆβ. Fuksjoe L uvdes på følgede måe: = ˆ L = = ( y βˆ ) = uˆ = ( ) ( ) ( = y βˆ + y βˆ y βˆ ) førseordesbegelse fes ved å dervere og see resulae lk 0: L = y ( ) + y ( ) y ( βˆ = ( βˆ ) ( βˆ ) ( βˆ ) (( y βˆ ) ( y βˆ )... ( y βˆ ) ) ( y βˆ ) 0 = = = ) y b) V ska å vse a ˆ = β = = lfressller førseordesbegelse. V omskrver førseordesbegelse på følgede måe: L = ( y βˆ ˆ ) β = ( = y βˆ = ˆ y β = = = + = 0 ) 9

10 Forelesg MET359 Økoomer ved Davd Kreberg Vår 0 ˆ Sde β er kosa: L = + = y ˆ β ˆ β = = 0 Seer å urykke for ˆβ L = + βˆ = y = = = = y + = 0 y y = = 0

Forelesning 3 MET3592 Økonometri ved David Kreiberg Vår 2011

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

Detaljer

Oppgave 1 ECON 2130 EKSAMEN 2011 VÅR

Oppgave 1 ECON 2130 EKSAMEN 2011 VÅR ECON 30 EKSAMEN 0 VÅR Oppgave E bedrf øsker å fordele koraker e vesergsprosjek hel lfeldg på 3 frmaer, A, B og C. Uvelgelse skjer ved loddrekg. Loddrekge er slk a hver av frmaee A, B og C, har e mulghe

Detaljer

Analyse av sammenhenger

Analyse av sammenhenger Kapttel 7.-7.3: Aalyse av sammeheger Korrelasjo og regresjo E vktg avedelse av statstkk er å studere sammeheger mellom varabler: Avgjøre om det er sammeheger. Beskrve hvorda evetuelle sammeheger er. Eksempler:

Detaljer

Notat 1: Grunnleggende statistikk og introduksjon til økonometri

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

Detaljer

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

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

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

Detaljer

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

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

Detaljer

TMA4245 Statistikk Eksamen mai 2016

TMA4245 Statistikk Eksamen mai 2016 Norges teksk-aturvteskapelge uverstet Isttutt for matematske fag Løsgssksse Oppgave a) Lar X være kvadratprse. Har da at X N(µ, σ 2 ), med µ 30 og σ 2 2, 5 2. P (X < 30) P (X < µ) 0.5 ( X 30 P (X > 25)

Detaljer

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

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

Om enkel lineær regresjon II

Om enkel lineær regresjon II ECON 3 HG, revdert aprl Notat tl kapttel 7 Løvås Om ekel leær regresjo II Merk: Det ka løe seg først å lese avstt 4 regresjo-i-otatet på ytt. Regresjosmodelle. La Y være e stokastsk varabel (som v kaller

Detaljer

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

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

Detaljer

Econ 2130 uke 13 (HG)

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

Detaljer

Om enkel lineær regresjon II

Om enkel lineær regresjon II 1 ECON 13 HG, revdert aprl 17 Notat tl kapttel 7 Løvås Om ekel leær regresjo II Merk: Det ka løe seg først å lese avstt 4 regresjo-i-otatet på ytt. Regresjosmodelle. La Y være e stokastsk varabel (som

Detaljer

STK1100 våren Konfidensintevaller

STK1100 våren Konfidensintevaller STK00 våre 07 Kofdestevaller Svarer tl avstt 8. læreboka Ørulf Borga Matematsk sttutt Uverstetet Oslo Eksempel E kjemker er teressert å bestemme kosetrasjoe µ av et stoff e løsg Hu måler kosetrasjoe fem

Detaljer

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

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

Detaljer

Problem sets II for ECON 4150, Spring 09

Problem sets II for ECON 4150, Spring 09 Problem ses II for ECON 45, Sprg 9 Problem se 6 Solve he exercses: 6.6, 6.9, 6., 7.4 Problem se 7 Solve exercse 6.5, revew he log-ormal dsrbuo combao wh appedx 7A, ad solve he followg exercse: Exercse

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

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

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

TMA4245 Statistikk Eksamen august 2014

TMA4245 Statistikk Eksamen august 2014 Norges teksk-aturvteskapelge uverstet Isttutt for matematske fag Løsgssksse Oppgave a) Y 5 PY > 53) PY 53) P ) 53 5 Φ5) 933 668 Vekte av e fylt flaske, X + Y, er e leærkombasjo av uavhegge ormalfordelte

Detaljer

EKSAMEN løsningsforslag

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

Detaljer

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

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

Detaljer

OBLIGATORISK OPPGAVE 1 INF 3340/4340/9340 HØSTEN 2005

OBLIGATORISK OPPGAVE 1 INF 3340/4340/9340 HØSTEN 2005 OBLIGATORISK OPPGAVE INF 0/0/90 HØSTEN 005 Levergsfrst: 0. september 005 Arbedsform: Løses dvduelt Ileverg tl: Aja Bråthe Krstofferse (ajab@f.uo.o Levergskrav: Det forutsettes at du er kjet med holdet

Detaljer

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

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

Detaljer

1. Konfidens intervall for

1. Konfidens intervall for Forelesg 0 + Yushu.@ub.o Kofdes tervall og Bootstrap. Kofdes tervall for ) Kofdes tervall [ ˆ, ˆ ] dekker de ukjete parametere med høy grad av skkerhet (kofdesvå): P( ˆ ˆ ), er f.eks 0.0 eller 0.05, eller

Detaljer

Seminaroppgaver for uke 13

Seminaroppgaver for uke 13 1 ECON 2130 2016 vår Semarpla fra og med uke 13 Semaroppgaver for uke 13 1) Fra eksame Eco 2130, 2004 høst: Oppgave 3: (Fel oppgave på ststuttets overskt over gamle eksamesoppgaver) La X og Y være to uavhegge

Detaljer

Det ble orientert i plenum under eksamensdagen om følgende endringer i forhold til oppgaven:

Det ble orientert i plenum under eksamensdagen om følgende endringer i forhold til oppgaven: LØSNINGSFORSLAG EKSAMEN 4 MAI 007 MET00 STATISTIKK GRUNNKURS Det ble oretert pleum uder eksamesdage om følgede edrger forhold tl oppgave: Oppgave b går ut. Det vl da bl 9 oppgaver og alle oppgaver teller

Detaljer

Seminaroppgaver for uke 13 (Oppgave (1), (2), og (3))

Seminaroppgaver for uke 13 (Oppgave (1), (2), og (3)) 1 ECON 2130 2017 vår Semarpla fra og med uke 13 Semaroppgaver for uke 13 (Oppgave (1), (2), og (3)) (1) Fra eksame Eco 2130, 2004 høst: Oppgave 3: (Fel oppgave på ststuttets overskt over gamle eksamesoppgaver)

Detaljer

TMA4245 Statistikk Eksamen 21. mai 2013

TMA4245 Statistikk Eksamen 21. mai 2013 TMA445 Statstkk Eksame ma 03 Korrgert 0 ju 03 Norges teksk-aturvteskapelge uverstet Isttutt for matematske fag Løsgssksse Oppgave Et plott av sasylghetstetthee er gtt fgur Vdere har v og PX = Φ = 08849

Detaljer

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

Det anbefales at de 9 deloppgavene merket med A, B, teller likt uansett variasjon i vanskelighetsgrad. Svarene er gitt i << >>. ECON 3 EKSAMEN VÅR TALLSVAR Det abefales at de 9 deloppgavee merket med A, B, teller lkt uasett varasjo vaskelghetsgrad. Svaree er gtt

Detaljer

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

Løsningsforslag Eksamen i Statistikk Nov 2001 Oppgave 1 a) Det fins 8 mulige kombinasjoner. Disse finnes ved å utelate ett og ett tall.

Løsningsforslag Eksamen i Statistikk Nov 2001 Oppgave 1 a) Det fins 8 mulige kombinasjoner. Disse finnes ved å utelate ett og ett tall. Løsgsforslag Eksame Statstkk Nov 00 Oppgave a) Det fs 8 mulge kombasjoer. Dsse fes ved å utelate ett og ett tall. Atall utvalg av størrelse 7 blat m er ( m 7 ). b) Prs Atall Rekker 3 kr. ( 7 ) 3 kr....

Detaljer

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

STK1100 våren Estimering. Politisk meningsmåling. Svarer til sidene i læreboka. The German tank problem. Måling av lungefunksjon

STK1100 våren Estimering. Politisk meningsmåling. Svarer til sidene i læreboka. The German tank problem. Måling av lungefunksjon STK00 våre 07 Estmerg Svarer tl sdee 33-339 læreboka Poltsk megsmålg Sør et tlfeldg utvalg å 000 ersoer hva de vlle ha stemt hvs det hadde vært valg 305 vlle ha stemt A A's oslutg er Ørulf Borga Matematsk

Detaljer

Formler og regler i statistikk ifølge lærebok Gunnar Løvås: Statistikk for universiteter og høgskoler

Formler og regler i statistikk ifølge lærebok Gunnar Løvås: Statistikk for universiteter og høgskoler Formler og regler statstkk følge lærebok Guar Løvås: tatstkk for uversteter og høgskoler Kap. Hva er fakta om utvalget etralmål Meda: mdterste verd etter sorterg Modus: hyppgst forekommede verd Gjeomstt:

Detaljer

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

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

Detaljer

Positive rekker. Forelest: 3. Sept, 2004

Positive rekker. Forelest: 3. Sept, 2004 Postve rekker Forelest: 3. Sept, 004 V skal tde utover fokusere på å teste om e rekke kovergerer, og skyve formler for summerg bakgrue. Dette er gje ford det første målet vårt er å lære hvorda v ka fe

Detaljer

Eksempel 1 - Er gjennomsnittshøyden for kvinner i Norge økende?

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

Detaljer

Forelesning Enveis ANOVA

Forelesning Enveis ANOVA STAT111 Statstkk Metoder ushu.l@ub.o Forelesg 14 + 15 Eves ANOVA 1. troduksjo a. Z-, t- test Uka 1: tester for forvetgsdfferase to populasjoer (grupper) b. ANOVA (aalyss of varace): tester om det er forskjeller

Detaljer

UNIVERSITETET I OSLO

UNIVERSITETET I OSLO UNIVERSITETET I OSLO Det matematisk-aturviteskapelige fakultet Eksame i: STK2100 Løsigsforslag Eksamesdag: Torsdag 14. jui 2018. Tid for eksame: 14.30 18.30. Oppgavesettet er på 6 sider. Vedlegg: Tillatte

Detaljer

som vi ønsker å si noe om basert på data Eksempel. Uid-modellen: X1, X ,,,

som vi ønsker å si noe om basert på data Eksempel. Uid-modellen: X1, X ,,, HG Eco30 07 9/3-07 Supplemet tl forelesg uke 0 (6 mars) (Det jeg kke rakk å ta på forelesg) Termolog (estmerg) Data (kokrete tall), x, x, er ervasjoer av stokastske varable, X, X, De statstske modelle

Detaljer

Medisinsk statistikk, del II, vår 2009 KLMED 8005

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

Detaljer

Om enkel lineær regresjon I

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

Detaljer

Forelesning 25 og 26 Introduksjon til Bayesiansk statistikk

Forelesning 25 og 26 Introduksjon til Bayesiansk statistikk Yushu.@hh.o Forelesg 5 og 6 Itroduksjo tl Bayesask statstkk 1. Itroduksjo Fortsatt atar v har stokastsk varabel X (X ka være stokastsk varabel vektor) kommer fra e fordelg med parametere ( ka være parameter

Detaljer

Forelesning 3 mandag den 25. august

Forelesning 3 mandag den 25. august Forelesg adag de 5 august Merkad 171 For å bevse e propossjo o heltall so volverer to eller flere varabler, er det typsk ye lettere å beytte duksjo på e av varablee e duksjo på oe av de adre Det er for

Detaljer

TMA4245 Statistikk Vår 2015

TMA4245 Statistikk Vår 2015 TMA4245 Statistikk Vår 2015 Norges tekisk-aturviteskapelige uiversitet Istitutt for matematiske fag Øvig ummer 12, blokk II Oppgave 1 Kari har ylig kjøpt seg e y bil. Nå øsker hu å udersøke biles besiforbruk

Detaljer

UNIVERSITETET I OSLO ØKONOMISK INSTITUTT. Innleveringssted: Ekspedisjonen i 12. etasje (mellom ) OG Fronter (innen klokken 15).

UNIVERSITETET I OSLO ØKONOMISK INSTITUTT. Innleveringssted: Ekspedisjonen i 12. etasje (mellom ) OG Fronter (innen klokken 15). Øvelsesoppgave : ECON3 Statstkk Dato for utleverg: 4.3.7 UNIVERSITETET I OSLO ØKONOMISK INSTITUTT Dato for leverg: 3.3.7 e kl. 5. Ilevergssted: Ekspedsjoe. etasje (mellom.5-5.) OG Froter (e klokke 5).

Detaljer

Statistikk med anvendelse i økonomi

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

Detaljer

TMA4240 Statistikk Høst 2015

TMA4240 Statistikk Høst 2015 TMA4240 Statistikk Høst 2015 Norges tekisk-aturviteskapelige uiversitet Istitutt for matematiske fag Øvig ummer 12, blokk II I dee siste øvige fokuserer vi på lieær regresjo, der vi har kjete kovariater

Detaljer

Oversikt over tester i Econ 2130

Oversikt over tester i Econ 2130 1 HG Revdert aprl 217 Overskt over tester Eco 213 La være e ukjet parameter (populasjos-størrelse) e statstsk modell. Uttrykket ukjet parameter betyr at de sae verde av populasjoe er ukjet. Når v setter

Detaljer

Om enkel lineær regresjon I

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

Detaljer

Forelesning Ordnings observatorer

Forelesning Ordnings observatorer Yushu.L@ub.o Forelesg 6 + 7 Ordgs observatorer. Oppsummerg tl Forelesg 4 og 5.) Fuksjoer (trasformasjoer) av flere S.V...) Smultafordelg tl to ye S.V. Ata at v har to S.V., med smultafordelg f ( x, x )

Detaljer

EKSAMEN. Oppgavesettet består av 5 oppgaver, hvor vekten til hver oppgave er angitt i prosent i oppgaveteksten. Alle oppgavene skal besvares.

EKSAMEN. Oppgavesettet består av 5 oppgaver, hvor vekten til hver oppgave er angitt i prosent i oppgaveteksten. Alle oppgavene skal besvares. EKSAMEN Emekode: SFB12003 Eme: Metodekurs II: Samfusviteskapelig metode og avedt statistikk Dato: 2.6.2014 Eksamestid: kl. 09.00 til kl. 13.00 Hjelpemidler: Kalkulator Faglærer: Bjørar Karlse Kivedal Eksamesoppgave:

Detaljer

i B maksimal b Fundamentalteoremet for lineærprogrammering Den leksikografiske metode Blands pivoteringregel MoD233 - Geir Hasle - Leksjon 4 2

i B maksimal b Fundamentalteoremet for lineærprogrammering Den leksikografiske metode Blands pivoteringregel MoD233 - Geir Hasle - Leksjon 4 2 Lekso 4 ( k ) a ( k ) I ( k ) U ( k) B maksmal ( k ) b Sste spesaltlfelle - valg av utgåede Degeerert basstabell, degeererert pvoterg Degeerert pvoterg ka g syklsk pvoterg Eeste tlfelle der Smpleksmetode

Detaljer

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

Makroøkonomi - B1. Innledning. Begrep. B. Makroøkonomi. Mundells trilemma går ut på følgende: B. Makroøkoom Oppgave: Forklar påstades hold og drøft hvlke alteratv v står overfor: Fast valutakurs, selvstedg retepoltkk og fre kaptalbevegelser er kke forelg på samme td. Makroøkoom Iledg Mudells trlemma

Detaljer

HØGSKOLEN I SØR-TRØNDELAG Avdeling for teknologi

HØGSKOLEN I SØR-TRØNDELAG Avdeling for teknologi HØGSKOLEN I SØ-ØNDELAG Avdelig for ekologi Eksamesdao: irsdag.1.1 arighe/eksamesid: 9-14 Emekode: Emeav: Klasse(r): ED33 Isrumeerigsekikk 3EA Sudiepoeg: 1 Faglærer(e): (av og elefor på eksamesdage) Dag

Detaljer

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

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

Detaljer

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

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

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

Detaljer

Mot3.: Støy i forsterkere med tilbakekobling

Mot3.: Støy i forsterkere med tilbakekobling Mo3.: Søy i forserkere med ilbakekoblig Hiil har vi diskuer forserkere ue ilbakekoblig ("ope-loop"). Nå vil vi diskuere virkige av ilbakekoblig. Geerel beyes ilbakekoblig for å... edre forserkig, edre

Detaljer

Oversikt over tester i Econ 2130

Oversikt over tester i Econ 2130 HG Revdert aprl 2 Overskt over tester Eco 23 La θ være e ukjet parameter (populasjos-størrelse e statstsk modell. Uttrykket ukjet parameter betyr at de sae verde av θ populasjoe er ukjet. Når v setter

Detaljer

TMA4245 Statistikk Eksamen mai 2017

TMA4245 Statistikk Eksamen mai 2017 TMA445 Statistikk Eksame mai 07 Norges tekisk-aturviteskapelige uiversitet Istitutt for matematiske fag Løsigsskisse Oppgave a Når vi reger ut disse tre sasylighetee må ma huske på at de mulige verdiee

Detaljer

Oversikt over konfidensintervall i Econ 2130

Oversikt over konfidensintervall i Econ 2130 1 HG Mars 017 Overskt over kofdestervall Eco 130 Merk at dee overskte kke er met å leses stedefor framstllge Løvås, me som et supplemet. De eholder tabeller med formler for kofdestervaller for stuasjoer

Detaljer

Rotasjonsbevegelser 13.04.2015

Rotasjonsbevegelser 13.04.2015 Roasjonsbevegelser 3.04.05 Mveseksamen: resulaer leges u nese uke løsnngsforslag på semesersden koneeksamen bare for sudener med begrunne fravær kke nødvendg å så på mveseksamen for å gå opp l slueksamen

Detaljer

Algebra R2, Prøve 1 løsning

Algebra R2, Prøve 1 løsning Algebra R, Prøve løsig Del Tid: 70 mi Hjelpemidler: Skrivesaker Oppgave E rekke er gi ved a og a Du skal ) udersøke hva slags rekke de er Vi fier de førse leddee: a a a a, 6, 3 0, 4 4 3 4 De ser u som

Detaljer

Generell støymodell for forsterkere (Mot Kap.2)

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

Detaljer

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

HØGSKOLEN I SØR-TRØNDELAG Avdeling for teknologi

HØGSKOLEN I SØR-TRØNDELAG Avdeling for teknologi HØGSOLEN I SØ-ØNDELAG Avdelig for ekologi Målform: Bokmål Eksamesdao: 4.1.13 Varighe/eksamesid: 9-14 Emekode: Emeav: lasse(r): ED33 Isrumeerigsekikk ELA11H Sudiepoeg: 1 Faglærer(e): (av og elefor på eksamesdage)

Detaljer

Oppgaver fra boka: Med lik men ukjent varians antatt har vi fra pensum at. t n1 +n 2 2 under H 0 (12 1) (12 1)

Oppgaver fra boka: Med lik men ukjent varians antatt har vi fra pensum at. t n1 +n 2 2 under H 0 (12 1) (12 1) MOT30 Statistiske metoder, høste00 Løsiger til regeøvig r. 5 (s. ) Oppgaver fra boka: Oppgave 0.36 (0.0:8) Dekkslitasje X,..., X u.i.f. N(µ, σ ) og X,..., X u.i.f. N(µ, σ ) og alle variable er uavhegige.

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

Avdeling for estetiske fag, folkekultur og lærerutdanning BOKMÅL 14.12.2007

Avdeling for estetiske fag, folkekultur og lærerutdanning BOKMÅL 14.12.2007 Høgskole Telemark Avdelg for estetske fag, folkekultur og lærerutdag BOKMÅL 4..7 UTATT PRØVE I MATEMATIKK, Modul 5 studepoeg Td: 5 tmer Hjelpemdler: Kalkulator og vedlagt formelsamlg (bakerst oppgavesettet).

Detaljer

Generell støymodell for forsterkere (Mot Kap.2)

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

Detaljer

Forventet avkastning på aksjeindeksobligasjoner

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

Detaljer

HØGSKOLEN I SØR-TRØNDELAG Avdeling for teknologi

HØGSKOLEN I SØR-TRØNDELAG Avdeling for teknologi HØGSKOLEN SØ-ØNDELAG Avdeig for ekoogi Kadidar: Eksamesdao: Fredag 9.1.11 Varighe/eksamesid: 9-14 Emekode: Emeav: Kasse(r): ED33 srumeerigsekikk 3EA Sudiepoeg: 1 Fagærer(e): Dag Aue (73559583) Koakperso(adm.)(fyes

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

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

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

Detaljer

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

ÅMA110 Sannsynlighetsregning med statistikk, våren Estimering. Målemodellen. Sannsynlighetsregning med statistikk ÅMA0 Sasylghetsregg med statstkk, våre 00 Kp. 5 Estmerg. Målemodelle. Estmerg. Målemodelle. Ihold:. (Pukt)Estmerg bomsk modell (kp. 5.). Målemodelle... (kp. 5.3) 3. (Pukt)Estmerg målemodelle (kp. 5.3)

Detaljer

Eksamensoppgave i TMA4240 Statistikk

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

Detaljer

Eksamen i Matematikk desember, Løsningsforslag. . Det gir iht tabell ( nr.[22] ): G(s) = 3

Eksamen i Matematikk desember, Løsningsforslag. . Det gir iht tabell ( nr.[22] ): G(s) = 3 Høgskole i Gjøvik Avdelig for Tekologi Eksame i Maemaikk 5. desember Løsigsforslag OPPGAVE a) f () e si() Aleraiv s 8s Seer: g () si( ). De gir ih abell ( r.[] ): G(s) (s + ) (s + 9) Har a: f () e g().

Detaljer

3. Beregning av Fourier-rekker.

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

Detaljer

Til nå, og så videre... TMA4240 Statistikk H2010 (25) Mette Langaas. Foreleses mandag 15.november, 2010

Til nå, og så videre... TMA4240 Statistikk H2010 (25) Mette Langaas. Foreleses mandag 15.november, 2010 TMA4240 Statistikk H2010 (25) 11.4: Egeskaper til MKE 11.5: Iferes om α og β 11.6: Prediksjo Mette Lagaas Foreleses madag 15.ovember, 2010 2 Til å, og så videre... Modell ekel lieær regresjo: Y = α + βx

Detaljer

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

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

Detaljer

Løsningskisse seminaroppgaver uke 17 ( april)

Løsningskisse seminaroppgaver uke 17 ( april) HG Aprl 14 Løsgsksse semaroppgaver uke 17 (.-5. aprl) Oppg. 5.6 (begge utgaver) La X = atall bar utvalget som har lærevasker. Adel bar med lærevasker populasjoe av bar atas å være p.15. Utvalgsstørrelse

Detaljer

Regler om normalfordelingen

Regler om normalfordelingen 1 HG Revdert mars 013 Notat tl kapttel 5 Løvås Regler om ormalfordelge Kjeskap tl reglee for ormalfordelge er gruleggede for de statstske aalyse kapttel 6 Løvås, og studetee må kue beherske dsse skkkelg

Detaljer

Forelesning Z-, t-test, test for forventningsdifferanser

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

Detaljer

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

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

Detaljer

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

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

Detaljer

Kapittel 9 ALGEBRA. Hva er algebra?

Kapittel 9 ALGEBRA. Hva er algebra? Kpttel 9 ALGEBRA Hv er lger? Kpttel 9 ALGEBRA Alger Ekelt k v s t lger er å rege me okstver steet for tll. Når v løser lgger, står okstve (vlgvs for et estemt tll. Når v ruker lger tl å utlee formler eller

Detaljer

Løsningsforslag til øving 9 OPPGAVE 1 a)

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

Detaljer

EKSAMEN ny og utsatt løsningsforslag

EKSAMEN ny og utsatt løsningsforslag 8.. EKSAMEN n og utsatt løsnngsorslag Emnekode: ITD Dato:. jun Hjelpemdler: - To A-ark med valgrtt nnhold på begge sder. Emnenavn: Matematkk ørste deleksamen Eksamenstd: 9.. Faglærer: Chrstan F Hede -

Detaljer

Regler om normalfordelingen

Regler om normalfordelingen HG mars 0 Notat tl kapttel 5 Løvås Regler om ormalfordelge Kjeskap tl reglee for ormalfordelge er gruleggede for de statstske aalyse kapttel 6 Løvås, og studetee må kue beherske dsse skkkelg dette kurset.

Detaljer

Løsningsforslag til eksamen i STK desember 2010

Løsningsforslag til eksamen i STK desember 2010 Løsigsforslag til eksame i STK0 0. desember 200 Løsigsforslaget har med flere detaljer e det vil bli krevd til eksame. Oppgave a Det er tilpasset e multippel lieær regresjosmodell av forme β 0 + β x i

Detaljer

Avdeling for estetiske fag, folkekultur og lærerutdanning BOKMÅL 29. mai 2007

Avdeling for estetiske fag, folkekultur og lærerutdanning BOKMÅL 29. mai 2007 Høgskole Telemark Avdelg for estetske fag, folkekultur og lærerutdag BOKMÅL 9. ma 7 EKSAMEN I MATEMATIKK, Modul 5 studepoeg Td: 5 tmer Hjelpemdler: Kalkulator og vedlagt formelsamlg (bakerst oppgavesettet).

Detaljer

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

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

Detaljer

EKSAMENSOPPGAVE. Mat-1060 Beregningsorientert programmering og statistikk

EKSAMENSOPPGAVE. Mat-1060 Beregningsorientert programmering og statistikk Fakultet for aturviteskap og tekologi EKSAMENSOPPGAVE Eksame i: (Kode og av) Dato: 05.1.017 Klokkeslett: 09:00-13:00 Sted: Åsgårdv 9 Mat-1060 Beregigsorietert programmerig og statistikk Tillatte hjelpemidler:

Detaljer

Regler om normalfordelingen

Regler om normalfordelingen 1 HG mars 2009 Notat tl kapttel 5 Løvås Regler om ormalfordelge Kjeskap tl reglee for ormalfordelge er gruleggede for de statstske aalyse kapttel 6 Løvås, og studetee må kue beherske dsse skkkelg dette

Detaljer

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

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

Detaljer

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

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

Detaljer