TMA4300 Mod. stat. metoder
|
|
- Julia Jakobsen
- 5 år siden
- Visninger:
Transkript
1 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 n N(0,) 2 For =,,n generer uavhengge realsasjoner y Posson(e x ) 3 Evaluer θ = n y Ved å benytte x som kontrollvarat får man estmatoren θ = [ y + cx ], n hvor man har benyttet at E[x ] = 0 Størst varansreduksjon får man ved å velge c = Cov[ y,x ] Var[x ] Var[x ] =, mens Cov[ y,x ] er kke analytsk tlgjengelg og må dermed estmeres Psudokode for å evaluere θ blr: Generer uavhengge realsasjoner x,,x n N(0,) 2 For =,,n generer uavhengge realsasjoner y Posson(e x ) 3 Benytt at E[x ] = 0 og Var[x ] = og estmer Cov[ y,x ] = E[x y ] med ĉ = Ĉov[ y,x ] = n x y 4 Evaluer θ = n [ y + ĉx ] eksjun07l June 8, 2007 Sde
2 TMA4300 Mod stat metoder Oppgave 2 a) Vsualserng av modellen blr α β λ y y 2 y n Den fulle betngede fordelngen for λ blr med b) π(λ α,β,y,,y n ) π(α,β,λ,y,,y n ) π(λ) Fordelngen tl v χ 2 ν er n π(y α,β,λ) = λ 4 exp λ } n [ ] λ 2 2 exp λ y (α + β(x x)) } ( )} λ n+ exp λ y (α + β(x x)) λ n+ exp λ Q(α,β,y,,y n ) = 2 + ( )} 2 + Q(α,β,y,,y n ), y (α + β(x x)) f v (v) v ν 2 exp v } 2 Transformasjonsformelen gr da at λ = v r er (λ = v r v = λ/r) ) } f λ (λ) = f v ( λ r ( λ r r ) ν 2 exp λ 2r λ ν 2 exp Den smulerte λ vl dermed få den ønskede fordelng ved å velge ν 2 = n + ν = 2n + 4 og 2r = 2 + Q(α,β,y,,y n ) r = λ } 2r Q(α,β,y,,y n ) eksjun07l June 8, 2007 Sde 2
3 TMA4300 Mod stat metoder c) Her fnnes det selvfølgelg mange rktge svar Mest naturlg er det kanskje å benytte en sngle-ste-metropols Hastngs-algortme For eksempel ved følgende pseudokode: Intalser α 0,β 0,λ 0 med lovlge verder 2 For k =,,K (a) Trekk λ k π(λ α k,β k,y,,y n ) ved algortma fra forrge punkt [Akseptsannsynlgheten her er lk sden dette er et gbbs-steg] (b) Foreslå α k N(α k,σ 2 α ) [for en passende verd σ2 α ] (c) Trekk u k α Unf[0,] (d) Hvs u k α a α( α k α k,β k,λ k ) sett α k = α k, ellers sett α k = α k [Uttrykk for akseptsannsynlgheten er regnet ut under] (e) Foreslå β k N(β k,σ 2 β ) [for en passende verd σ2 β ] (f) Trekk u k β Unf[0,] (g) Hvs u k β a β( β k β k,α k,λ k ) sett β k = β k, ellers sett β k = β k [Uttrykk for akseptsannsynlgheten er regnet ut under] Forslagene for α og β benyttet her er begge metropolsforslag slk at forslagssannsynlghetene kan forkortes uttrykkene for akseptsannsynlghetene Innsettng de generelle uttrykket for akseptsannsynlgheten en metropolsalgortme gr (etter ltt regnng, og denne mellomregnngen må selvfølgelg være med en besvarelse selv om den kke er gtt her) α 2 α 2 }} a α ( α α,β,λ) = mn,exp + λ(q(α,β,y,,y n ) Q( α,β,y,,y n )) 200 og a β ( β β,α,λ) = mn d),exp β 2 β Antar en burn-n på R terasjoner P(β > 0 y,,y n ) kan estmeres ved P(β > 0 y,,y n ) = ( + λ Q(α,β,y,,y n ) Q(α, β,y,,y n )) }} k=r+ I(β k > 0) eksjun07l June 8, 2007 Sde 3
4 TMA4300 Mod stat metoder 2 Ved å benytte setnngen om dobbeltforventnng og at y 0 er betnget uavhengg av y,,y n når α,β og λ er gtt får v E[y 0 y,,y n ] = E[E[y 0 y,,y n,α,β,λ] y,,y n ] = E[E[y 0 α,β,λ] y,,y n ] = E[α + β(x 0 x) y,,y n ] Man kan dermed estmere E[y 0 y,,y n ] ved Ê[y 0 y,,y n ] = k=r+ ( ) α k + β k (x 0 x) Alternatvt kan man for hver k = R +,,K smulere y0 k (uavhengg av hverandre) ved y0 k π(y 0 x 0,α k,β k,λ k ), dvs fra en dobbel eksponensalfordelng, og estmere E[y 0 y,,y n ] ved Ê[y 0 y,,y n ] = k=r+ men denne sste estmatoren vl ha større Monte-Carlo-varans enn den første 3 Her kan man benytte setnngen om total sannsynlghet og at y 0 er betnget uavhengg av y,,y n når α,β og λ er gtt og få π(y 0 y,,y n ) = π(y 0 α,β,λ,y,,y n )π(α,β,λ y,,y n )dαdβdλ y k 0, = π(y 0 α,β,λ)π(α,β,λ y,,y n )dαdβdλ Man kan dermed estmere π(y 0 y,,y n ) ved = π(y 0 y,,y n ) = k=r+ k=r+ π(y 0 α k,β k,λ k ) λ k } 2 exp λ k y 0 (α k + β k (x 0 x) Alternatvt kan man gjen smulere y0 R+,,y0 K som punkt 2 over og benytte dsse tetthetsestmerng, men dette vl gjen g større Monte-Carlo-varans enn den første metoden eksjun07l June 8, 2007 Sde 4
5 TMA4300 Mod stat metoder Oppgave 3 a) Parametrsk bootstrappng: Beregn α, β og λ fra de observerte data y,,y n 2 For =,,n (a) sett x = x (b) smuler ε λ } 2 exp λ ε (c) sett y = α + β(x x) + ε Bootstrappng av (estmerte) resdualer: Beregn α, β og λ fra de observerte data y,,y n 2 For =,,n beregn estmaterte resdualer ε = y ( α + β(x x)) 3 For =,,n (a) sett x = x (b) trekk k Unform(,,n) og sett y = α + β(x x) + ε k Bootstrappng av observasjonspar: For =,,n (a) trekk k Unform(,,n) (b) sett x = x k og y = y k Dersom man er skker på at den parametrske modellen er korrekt er parametrsk bootstrappng det beste Dersom man kke stoler på den parametrske modellen og også er uskker på om sannsynlghetsfordelngen for resdualene er uavhengg av x bør man benytte bootstrappng av observasjonspar Dersom verden tl x ene er valgt (og dermed kke bør betraktes som stokastske) bør man benytte parametrsk bootstrappng eller bootstrappng av estmerte resdualer (slk at verdene tl x ene forblr uforandret) eksjun07l June 8, 2007 Sde 5
6 TMA4300 Mod stat metoder b) Estmere SD( β): (a) For b =,,B beregn α (b) og β (b) med utgangspunkt (x (b) )} n (b) Estmer SD( β) ved ŜD( β) = B ( β (b) B β ) 2, ( ) b= der β ( ) = B 2 Percentlntervall for E(y 0 ) = α + β(x 0 x): B β (b) b= (a) For b =,,B beregn α (b) og β (b) med utgangspunkt (x (b) )} n (b) For b =,,B beregn der µ (b) = α (b) + β (b) (x 0 x (b) ) x (b) = (/n) x (b) (c) Et ( a) 00%-konfdensntervall er da [ µ L, µ U ] der µ L og µ U er henholdsvs den Ba/2 nte mnste verden og den Ba/2 nte største verden av µ (),, µ (B) c) Et predksjonsntervall kan estmeres ved parametrsk bootstrappng eller ved å resample estmerte resdualer Å resample observasjonspar fører her kke frem ford man da kke er stand tl å smulere y 0 -verder Algortme for danne bootstrapp-predksjonsntervall: Generer bootstrapputvalg (x (b) )} n,b =,,B 2 For b =,,B beregn α (b) og β (b) med utgangspunkt (x (b) )} n eksjun07l June 8, 2007 Sde 6
7 TMA4300 Mod stat metoder 3 For b =,,B, generer ε (b) 0 uavhengge av hverandre Hvs parametrsk bootstrappng benyttes, generer ε (b) 0 fra fordelng med tetthet ε (b) 0 λ } 2 exp λ ε (b) 0 Hvs resamplng av estmerte resdualer benyttes, trekk ε (b) 0 tlfeldg fra ε,, ε n 4 For b =,,B beregn y (b) 0 = α (b) + β (b) (x x) + ε (b) 0 5 Et ( a) 00%-predksjonsntervall for y 0 er da [y0,l,y 0,U ] der y 0,L og y 0,U er henholdsvs den Ba/2 nte mnste verden og den Ba/2 nte største verden av y () 0,,y (B) 0 eksjun07l June 8, 2007 Sde 7
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
DetaljerTMA4265 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.
DetaljerTMA4240/4245 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
DetaljerTMA4265 Stokastiske prosesser
Norges teknsk-naturvtenskapelge unverstet Insttutt for matematske fag TMA65 Stokastske prosesser Våren Løsnngsforslag - Øvng Oppgaver fra læreboka.6 P er dobbelt stokastsk P j j La en slk kjede være rredusbel,
DetaljerStatistikk 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(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:
DetaljerSIF5072 Stokastske prosesser Sde 2 av 6 b) Hva vl det s at en Markov-kjede er rredusbel? Er Markov-kjeden fx n g denne oppgaven rredusbel? Er den aper
Norges teknsk naturvtenskapelge unverstet Insttutt for matematske fag Sde 1 av 6 Faglg kontakt under eksamen: Bo Lndqvst 73 59 35 20 EKSAMEN I FAG SIF5072 STOKASTISKE PROSESSER Mandag 13. august 2001 Td:
DetaljerOppgave 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
DetaljerEksamensoppgave i SØK Statistikk for økonomer
Insttutt for samfunnsøkonom Eksamensoppgave SØK004 - Statstkk for økonomer Faglg kontakt under eksamen: Hldegunn E. Stokke, tlf 7359665 Bjarne Strøm, tlf 7359933 Eksamensdato: 0..04 Eksamenstd (fra-tl):
DetaljerTMA4245 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
DetaljerTALLSVAR. 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
DetaljerTMA4240 Statistikk H2010
TMA440 Statstkk H00 Statstsk nferens: 9.6: Predksjonsntervall 9.8: To utvalg, dfferanse µ µ Mette Langaas Foreleses mandag 8.oktober, 00 Predksjonsntervall for fremtdg observasjon, normalfordelng For en
DetaljerTMA4240 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,
DetaljerTMA4245 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
DetaljerTALLSVAR. 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
DetaljerSTK 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
DetaljerOppgaver. 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
DetaljerLøsningskisse 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
DetaljerOppgaven 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
DetaljerAnvendelser. 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
DetaljerUNIVERSITETET 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:
DetaljerØVINGER 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
DetaljerHvordan 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.
DetaljerEKSAMEN I FAG SIF5040 NUMERISKE METODER Tirsdag 15. mai 2001 Tid: 09:00 14:00
Norges teknsk naturvtenskapelge unverstet Insttutt for matematske fag Sde 1 av 9 Faglg kontakt under eksamen: Enar Rønqust, tlf. 73 59 35 47 EKSAMEN I FAG SIF5040 NUMERISKE METODER Trsdag 15. ma 2001 Td:
DetaljerTALLSVAR. 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
DetaljerUNIVERSITETET 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:
DetaljerIllustrasjon 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 + +
DetaljerLøsningsforslag øving 10 TMA4110 høsten 2018
Løsnngsforslag øvng TMA4 høsten 8 [ + + Projeksjonen av u på v er: u v v u v v v + ( 5) [ + u v v u [ 8/5 6/5 For å fnne ut om en matrse P representerer en projeksjon, må v sjekke om P P a) b) c) [ d)
DetaljerSTK1100 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
DetaljerIT1105 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
DetaljerLøsningsforslag 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
DetaljerTMA4245 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)
DetaljerLøsningsforslag 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....
DetaljerSTK1110 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
DetaljerUNIVERSITETET 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:
DetaljerSTK1000 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
DetaljerEKSAMENSOPPGAVE I SØK1004 STATISTIKK FOR ØKONOMER STATISTICS FOR ECONOMISTS
NTNU Norges teknsk-naturvtenskapelge unverstet Insttutt for samfunnsøkonom EKSAMENSOPPGAVE I SØK004 STATISTIKK FOR ØKONOMER STATISTICS FOR ECONOMISTS Faglg kontakt under eksamen: Hldegunn E Stokke Tlf:
DetaljerAppendiks 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
DetaljerLøsningsforslag (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,
DetaljerDe 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.
DetaljerEcon 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
DetaljerNOEN SANNSYNLIGHETER I BRIDGE Av Hans-Wilhelm Mørch.
NOEN SANNSYNLIGHETER I BRIGE A Hans-Wlhelm Mørch. SANNSYNLIGHETER FOR HVORAN TRUMFEN(ELLER ANRE SORTER) ER FORELT Anta at du mangler n kort trumffargen. Ha er sannsynlgheten for at est har a a dem? La
DetaljerOm 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
DetaljerEcon 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
DetaljerOm 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
DetaljerForelesning 17 torsdag den 16. oktober
Forelesnng 17 torsdag den 16. oktober 4.12 Orden modulo et prmtall Defnsjon 4.12.1. La p være et prmtall. La x være et heltall slk at det kke er sant at x 0 Et naturlg tall t er ordenen tl a modulo p dersom
DetaljerForelesning 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
DetaljerOversikt 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
DetaljerSOS3003 Anvendt statistisk dataanalyse i samfunnsvitenskap Forelesingsnotat 07. Erling Berge Institutt for sosiologi og statsvitenskap NTNU
SOS3003 Anvendt statstsk dataanalyse samfunnsvtenskap Forelesngsnotat 07 Erlng Berge Insttutt for sosolog og statsvtenskap NTNU Erlng Berge 2004 Forelesng VII Logstsk regresjon I Hamlton Kap 7 s27-234
DetaljerOversikt 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
DetaljerEKSAMEN Ny og utsatt Løsningsforslag
. jun 0 EKSAMEN Ny og utsatt Løsnngsorslag Emnekode: ITD50 Dato:. jun 0 Emne: Matematkk, deleksamen Eksamenstd: 09.00.00 Hjelpemdler: To A-ark med valgrtt nnhold på begge sder. Formelhete. Kalkulator er
Detaljer1. 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
DetaljerUNIVERSITETET I OSLO
UNIVERSITETET I OSLO Det matematsk-naturvtenskapelge fakultet Eksamen : STK1000 Innførng anvendt statstkk Eksamensdag: Trsdag 12. desember 2017 Td for eksamen: 14.30 18.30 Oppgavesettet er på 5 sder Tllatte
DetaljerAlle 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
DetaljerEksamensoppgave i SØK2900 Empirisk metode
Insttutt for samfunnsøkonom Eksamensoppgave SØK900 Emprsk metode Faglg kontakt under eksamen: Bjarne Strøm Tlf.: 73 59 9 33 Eksamensdato: 3. jun 05 Eksamenstd (fra-tl): 4 tmer (09.00 3.00) Sensurdato:
DetaljerEKSAMEN I FAG SIF8052 VISUALISERING MANDAG 21. MAI 2001 KL LØSNINGSFORSLAG
Sde 1 av 5 NTNU Norges teknsk-naturvtenskapelge unverstet Fakultet for fyskk, nformatkk og matematkk Insttutt for datateknkk og nformasjonsvtenskap EKSAMEN I FAG SIF8052 VISUALISERING MANDAG 21. MAI 2001
DetaljerSimpleksmetoden. 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
DetaljerAvdeling 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).
DetaljerUNIVERSITETET I OSLO
Eksamen i: UNIVERSITETET I OSLO Det matematisk-naturvitenskapelige fakultet STK1110 FASIT. Eksamensdag: Tirsdag 11. desember 2012. Tid for eksamen: 14.30 18.30. Oppgavesettet er på 5 sider. Vedlegg: Tillatte
DetaljerC(s) + 2 H 2 (g) CH 4 (g) f H m = -74,85 kj/mol ( angir standardtilstand, m angir molar størrelse)
Fyskk / ermodynamkk Våren 2001 5. ermokjem 5.1. ermokjem I termokjemen ser v på de energendrnger som fnner sted kjemske reaksjoner. Hver reaktant og hvert produkt som nngår en kjemsk reaksjon kan beskrves
DetaljerSTK1100 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
DetaljerForelesning nr.3 INF 1411 Elektroniske systemer
Forelesnng nr.3 INF 4 Elektronske systemer 009 04 Parallelle og parallell-serelle kretser Krchhoffs strømlov 30.0.04 INF 4 Dagens temaer Parallelle kretser Kretser med parallelle og serelle ster Effekt
Detaljer2006/27 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
DetaljerINF 2310 Digital bildebehandling
INF 30 Dgtal bldebehandlng FORELESNING 4 GRÅONE-RANSFORMASJONER Frtz Albregtsen emaer dag Hstogrammer Lneære gråtonetransformer t Standardserng av blder med lneær transform Ikke-lneære, parametrske transformer
Detaljersom 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
DetaljerDet 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
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
DetaljerOm eksamen. Never, never, never give up!
Plan vidare Onsdag Gjere ferdig kap 11 + repetisjon Fredag Rekning av eksamensoppgåver Eksamen Mai 2014, oppgåve 2 (inkl normal fordeling, lin.reg. og deskriptiv statistikk) Eksamen August 2012, oppgåve
DetaljerOppgave 3, SØK400 våren 2002, v/d. Lund
Oppgave 3, SØK400 våren 00, v/d. Lnd En bonde bonde dyrker poteter. Hvs det blr mldvær, blr avlngen 0. Hvs det blr frost, blr avlngen. Naboen bonde, som vl være tsatt for samme vær, dyrker også poteter,
DetaljerOm eksamen. Never, never, never give up!
I dag I dag Rekning av eksamensoppgåver Eksamen Mai 2014, oppgåve 2 (inkl normal fordeling, lin.reg. og deskriptiv statistikk) Eksamen August 2012, oppgåve 3 a og b (inkl SME) Om eksamen (Truleg) 10 punkt.
DetaljerOppgave 1. . Vi baserer oss på at p 47 1 og p 2 er tilnærmet normalfordelte (brukbar tilnærming). Vi har tilnærmet at (n 1 = n 2 = 47)
MOT310 tatistiske metoder 1 Løsningsforslag til eksamen vår 006, s. 1 Oppgave 1 a) En tilfeldig utvalgt besvarelse får F av sensor 1 med sannsynlighet p 1 ; resultatene for ulike besvarelser er uavhengige.
DetaljerDynamisk 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
DetaljerOversikt 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
DetaljerEksamen 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
DetaljerOBLIGATORISK 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
DetaljerDekkes av kap , 9.10, 9.12 og forelesingsnotatene.
Estimering 2 -Konfidensintervall Dekkes av kap. 9.4-9.5, 9.10, 9.12 og forelesingsnotatene. En (punkt-)estimator ˆΘ gir oss et anslag på en ukjent parameterverdi, men gir oss ikke noen direkte informasjon
DetaljerForelesning 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
DetaljerDynamisk 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
DetaljerÅMA110 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)
DetaljerÅMA110 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
DetaljerAlternerende 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
DetaljerKap. 6, Kontinuerlege Sannsynsfordelingar
Kapittel 6, Kontinuerlege Sannsynsfordelingar Sjå på eit utval av ofte brukte kontinuerlege sannsynsfordelingar Uniform I går Normal I går Eksponensial I dag Gamma I dag Kji-kvadrat I dag Nokre eigenskapar
DetaljerSeleksjon 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.
DetaljerSTK1100 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
DetaljerEksamensoppgave i ST1201/ST6201 Statistiske metoder
Institutt for matematiske fag Eksamensoppgave i ST1201/ST6201 Statistiske metoder Faglig kontakt under eksamen: Nikolai Ushakov Tlf: 45128897 Eksamensdato: 20. desember 2016 Eksamenstid (fra til): 09:00
DetaljerTMA4245 Statistikk Eksamen desember 2016
Norges teknisk-naturvitenskapelige universitet Institutt for matematiske fag TMA4245 Statistikk Eksamen desember 2016 Oppgave 1 En bedrift produserer elektriske komponenter. Komponentene kan ha to typer
DetaljerTema for forelesningen var Carnot-sykel (Carnot-maskin) og entropibegrepet.
FORELESNING I ERMOYNMIKK ONSG 29.03.00 ema for forelesnngen var arnot-sykel (arnot-maskn) og entropbegrepet. En arnot-maskn produserer arbed ved at varme overføres fra et sted med en øy temperatur ( )
DetaljerSamfunnsøkonomi andre avdeling, mikroøkonomi, Diderik Lund, 18. mars 2002
Samfunnsøkonom andre avdelng, mkroøkonom, Dderk Lund, 8. mars 00 Markeder under uskkerhet Uskkerhet vktg mange (de fleste? markeder Uskkerhet omkrng framtdge prser og leverngsskkerhet (f.eks. om leverandør
DetaljerMASTER 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
DetaljerEksamensoppgave i Løsningsskisse TMA4240 Statistikk
Institutt for matematiske fag Eksamensoppgave i Løsningsskisse TMA440 Statistikk Faglig kontakt under eksamen: Håkon Tjelmeland a, Sara Martino b Tlf: a 48 18 96, b 99 40 33 30 Eksamensdato: 30. november
DetaljerTMA4240 Statistikk Høst 2007
TMA4240 Statistikk Høst 2007 Norges teknisk-naturvitenskapelige universitet Institutt for matematiske fag Øving nummer b4 Løsningsskisse Oppgave 1 Eksamen juni 1999, oppgave 3 av 3 a) µ populasjonsgjennomsnitt,
DetaljerInvestering under usikkerhet Risiko og avkastning Høy risiko. Risikokostnad prosjekt Snøskuffe. Presisering av risikobegrepet
Investerng under uskkerhet Rsko og avkastnng Høy rsko Lav rsko Presserng av rskobegreet Realnvesterng Fnansnvesterng Rsko for enkeltaksjer og ortefølje-sammenheng Fnansnvesterng Realnvesterng John-Erk
DetaljerSeminaroppgaver 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)
DetaljerKap. 6, Kontinuerlege Sannsynsfordelingar
Kapittel 6, Kontinuerlege Sannsynsfordelingar Sjå på eit utval av ofte brukte kontinuerlege sannsynsfordelingar Uniform I går Normal I går Eksponensial I dag Gamma I dag Kji-kvadrat I dag Nokre eigenskapar
DetaljerTMA4240 Statistikk H2010
TMA4240 Statistikk H2010 Kapittel 6: Kontinuerlige sannsynlighetsfordelinger 6.4-5.7: Normalfordelingen, normalapproksimasjon, eksponensial og gamma. Mette Langaas Foreleses mandag 27. september 2010 2
DetaljerRegler 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
DetaljerPositive 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
DetaljerVekst 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
DetaljerTMA4240 Statistikk 2014
Norges teknisk-naturvitenskapelige universitet Institutt for matematiske fag Øving nummer 9, blokk II Løsningsskisse Oppgave Scriptet run confds.m simulerer n data x,..., x n fra en normalfordeling med
Detaljer