Samverkande Expertnät
|
|
- Carina Håkansson
- för 8 år sedan
- Visningar:
Transkript
1 1 Samverkande Expertnät Parallella nätverk Sammanvägning av svaren Två olika fördelar Utjämna egenheter hos nätverken Låt nätverken specialisera sig Egenskaper hos ett enkelt nätverk Överträning kan undvikas genom att avbryta inlärning i förtid Ger upphov till ett systematiskt fel Övertränade nät undviker detta men ger stor varians Medelvärdet av flera nät minskar variansen
2 Ensemble Averaging Träna flera nät Samma nätstruktur Samma träningsdata Olika startvärden för vikterna Överträna gärna näten Använd nätens medelsvar Näten tenderar att hamna i olika lokala minima Medelvärdet jämnar ut variationerna
3 1 2 3 Träna flera nätverk på olika uppsättningar träningsexempel Sekvensiell approach Använd tidigt tränade nät för att hitta besvärliga träningsexempel Träna senare nät i första hand på de besvärliga exemplen genom Klassisk (Schapire, 1990) 1 Träna nät 1 2 Filtrera träningsexemplen genom nät 1 Behåll lika många exempel där nät 1 svarar fel som när det svarar rätt 3 Träna nät 2 på dessa filterade exempel 4 Filtrera fram de träningsexempel där nät 1 och nät 2 svarar olika 5 Träna nät 3 med dessa exempel genom filtrering kräver många träningsexempel Onödigt många exempel kastas bort Alternativa metoder viktar istället om sannolikheten/vikten för olika träningsexempel Svaret från kommittémaskinen sätts samman som medelvärdet eller majoritetssvaret från de tre näten. Adaptive (Freund och Schapire, 1996) Batch learning Styr aktivt sannolikheten att de olika exemplen används Exempel som klassas fel får större sannolikhet i nästa nät Grindnätet viktar nätens svar beroende på hur bra de olika näten blev AdaBoost 1 Starta med att alla exempel är lika sannolika 2 Upprepa för i = 1..n: 1 Träna nät i 2 Mät hur ofta nätet gör fel ɛ i 3 β i = ɛi 1 ɛi 4 Minska sannolikheten för alla rätt klassade exempel med faktorn β i 3 Vikta nätens svar med log 1 β i
4 1 2 3 Statisk sammanvägning Dynamisk sammanvägning Modell av verkligheten Data kan höra till flera olika kategorier Varje kategori har data med en enkel fördelning Olika kategorier förekommer med olika sannolikhet Enkelt Mixture-of-Experts nät Expertnäten Enlagers linjära enheter y k = w T k x Idé: nätverken ska vara experter för var sin kategori grindnätet väljer vilken expert som har rätt Grindnätet Viktande enligt SoftMax y = k y k φ( a k T x) där φ(u k) = eu k i eu i Gradientföljning Träning av ett Mixtures-of-Experts nät Gradientföljning Maximera Log-Likelihood för observerade data Funktion av nätens vikter Experternas vikter justeras i proportion till hur mycket grindnätet tror på experten Grindnätets vikter uppdateras så att det bättre svarar mot hur väl experterna beskrev träningsdata
5 Betrakta kategorierna som icke observerbara variabler Upprepa 1 Skatta sannolikheten för olika kategorier för varje mönster 2 Uppdatera parametrarna för kategorin så att de stämmer med skattningen E-steget Räkna ut sannolikheten för att ett mönster x hör till kategorin u givet parametrarna ˆΘ P(u x, ˆΘ) M-steget Beräkna nya parametrar Θ som maximerar förväntad likelihood Θ = argmax Θ P(u x, ˆΘ) log P(x, u Θ) u Klassiskt EM-problem Mix av två normalfördelningar Bestäm centrum för båda fördelningarna < µ 1, µ 2 > Q i,j = P(u i x j, < µ 1, µ 2 >) = e (x j µ i ) 2 /2σ 2 k e (x j µ k ) 2 /2σ 2 µ i = 1 m m Q i,j x j j=1
5 Kontinuerliga stokastiska variabler
5 Kontinuerliga stokastiska variabler Ex: X är livslängden av en glödlampa. Utfallsrummet är S = x : x 0}. X kan anta överuppräkneligt oändligt många olika värden. X är en kontinuerlig stokastisk variabel.
Läs merSummor av slumpvariabler
1/22 Summor av slumpvariabler Måns Thulin Uppsala universitet thulin@math.uu.se Statistik för ingenjörer 8/2 2013 2/22 Dagens föreläsning Väntevärde och varians Vanliga kontinuerliga fördelningar Parkeringsplatsproblemet
Läs merF14 Repetition. Måns Thulin. Uppsala universitet thulin@math.uu.se. Statistik för ingenjörer 6/3 2013 1/15
1/15 F14 Repetition Måns Thulin Uppsala universitet thulin@math.uu.se Statistik för ingenjörer 6/3 2013 2/15 Dagens föreläsning Tentamensinformation Exempel på tentaproblem På kurshemsidan finns sex gamla
Läs merAvd. Matematisk statistik
Avd. Matematisk statistik TENTAMEN I SF1902 SANNOLIKHETSTEORI OCH STATISTIK, TORSDAGEN DEN 23:E MAJ 2013 KL 14.00 19.00. Kursledare och examinator : Björn-Olof Skytt Tillåtna hjälpmedel: miniräknare, lathund
Läs merDiskussionsproblem för Statistik för ingenjörer
Diskussionsproblem för Statistik för ingenjörer Måns Thulin Rolf Larsson rolf.larsson@math.uu.se Jesper Rydén jesper.ryden@math.uu.se Senast uppdaterad 27 januari 2016 Diskussionsproblem till Lektion 3
Läs merStorräkneövning: Sannolikhetslära
UPPSALA UNIVERSITET Matematiska institutionen Jakob Björnberg Sannolikhet och statistik 2012 09 28 Storräkneövning: Sannolikhetslära 1. (Tentamen, april 2009.) Man har efter studier av beredskapen hos
Läs merTentamen MVE300 Sannolikhet, statistik och risk
Tentamen MVE3 Sannolihet, statisti och ris 215-6-4 l. 8.3-13.3 Examinator: Johan Jonasson, Matematisa vetensaper, Chalmers Telefonvat: Johan Jonasson, telefon: 76-985223 31-7723546 Hjälpmedel: Typgodänd
Läs merk x om 0 x 1, f X (x) = 0 annars. Om Du inte klarar (i)-delen, så får konstanten k ingå i svaret. (5 p)
Avd. Matematisk statistik TENTAMEN I SF1901 SANNOLIKHETSLÄRA OCH STATISTIK MÅNDAGEN DEN 17 AUGUSTI 2009 KL 08.00 13.00. Examinator: Gunnar Englund, tel. 790 74 16. Tillåtna hjälpmedel: Formel- och tabellsamling
Läs merTentamen MVE265 Matematisk statistik för V, 2013-01-19
Tentamen MVE6 Matematisk statistik V, 03-0-9 Tentamen består av åtta uppgifter om totalt 0 poäng. Det krävs minst 0 poäng betyg 3, minst 30 poäng 4 och minst 40. Examinator: Ulla Blomqvist Hjälpmedel:
Läs merARIMA del 2. Patrik Zetterberg. 19 december 2012
Föreläsning 8 ARIMA del 2 Patrik Zetterberg 19 december 2012 1 / 28 Undersöker funktionerna ρ k och ρ kk Hittills har vi bara sett hur autokorrelationen och partiella autokorrelationen ser ut matematiskt
Läs merTentamen i Sannolikhetslära och statistik (lärarprogrammet) 12 februari 2011
STOCKHOLMS UNIVERSITET MATEMATISK STATISTIK Louise af Klintberg Lösningar Tentamen i Sannolikhetslära och statistik (lärarprogrammet) 12 februari 2011 Uppgift 1 a) För att få hög validitet borde mätningarna
Läs merSteg 4. Lika arbeten. 10 Diskrimineringslagen
Steg 4. Lika arbeten 10 Diskrimineringslagen [ ] Arbetsgivaren ska bedöma om förekommande löneskillnader har direkt eller indirekt samband med kön. Bedömningen ska särskilt avse skillnader mellan - Kvinnor
Läs merStatistiska analyser C2 Inferensstatistik. Wieland Wermke
+ Statistiska analyser C2 Inferensstatistik Wieland Wermke + Signifikans och Normalfördelning + Problemet med generaliseringen: inferensstatistik n Om vi vill veta ngt. om en population, då kan vi ju fråga
Läs merTentamen i Matematisk statistik Kurskod S0001M
Tentamen i Matematisk statistik Kurskod S0001M Poäng totalt för del 1: 25 (8 uppgifter) Tentamensdatum 2012-01-13 Poäng totalt för del 2: 30 (3 uppgifter) Skrivtid 09.00 14.00 Lärare: Adam Jonsson, Ove
Läs merTentamen'i'TMA321'Matematisk'Statistik,'Chalmers'Tekniska'Högskola.''
Tentamen'i'TMA321'Matematisk'Statistik,'Chalmers'Tekniska'Högskola.'' Hjälpmedel:'Valfri'räknare,'egenhändigt'handskriven'formelsamling'(4''A4Esidor'på'2'blad)' och'till'skrivningen'medhörande'tabeller.''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''
Läs merTentamen i Statistik, STA A13 Deltentamen 2, 5p 24 januari 2004, kl. 09.00-13.00
Karlstads universitet Institutionen för informationsteknologi Avdelningen för statistik Tentamen i Statistik, STA A13 Deltentamen, 5p 4 januari 004, kl. 09.00-13.00 Tillåtna hjälpmedel: Ansvarig lärare:
Läs mer9. Beräkna volymen av det område som begränsas av planet z = 1 och paraboloiden z = 5 x 2 y 2.
Tentamenskrivning för TMS63, Matematisk Statistik. Onsdag fm den 3 juni, 15, V-huset. Examinator: Marina Axelson-Fisk. Tel: 7-88113 Tillåtna hjälpmedel: typgodkänd miniräknare, tabell- och formelhäfte
Läs merMatematisk statistik allmän kurs, MASA01:B, HT-14 Laboration 2
Lunds universitet Matematikcentrum Matematisk statistik Matematisk statistik allmän kurs, MASA01:B, HT-14 Laboration 2 Rapporten till den här laborationen skall lämnas in senast den 19e December 2014.
Läs merTentamen STA A10 och STA A13, 9 poäng 19 januari 2006, kl. 8.15-13.15
Tentamen STA A10 och STA A13, 9 poäng 19 januari 2006, kl. 8.15-13.15 Tillåtna hjälpmedel: Ansvarig lärare: Räknedosa, bifogade formel- och tabellsamlingar, vilka skall returneras. Christian Tallberg Telnr:
Läs merFÖRELÄSNING 1 ANALYS MN1 DISTANS HT06
FÖRELÄSNING ANALYS MN DISTANS HT06 JONAS ELIASSON Detta är föreläsningsanteckningar för distanskursen Matematik A - analysdelen vid Uppsala universitet höstterminen 2006. Förberedande material Här har
Läs merFöreläsning 9: Hypotesprövning
Föreläsning 9: Hypotesprövning Matematisk statistik David Bolin Chalmers University of Technology Maj 5, 2014 Statistik Stickprov Ett stickprov av storlek n är n oberoende observationer av en slumpvariabel
Läs merInference in multiplicative pricing
Inference in multiplicative pricing Tariffanalysis med svaga antaganden Föredrag i aktuarieföreningen 2015-11-26 Stig Rosenlund Metoderna är implementerade i programspråket Rapp. För att hitta Rapp på
Läs merTidsserier och Prognoser
Tidsserier och Prognoser Mattias Villani Sveriges Riksbank och Stockholms Universitet Stockholm, Oktober 2008 Mattias Villani () Tidsserier och Prognoser Stockholm, Oktober 2008 1 / 16 Översikt Tidsserier,
Läs merSyftet med den här laborationen är att du skall bli mer förtrogen med följande viktiga områden inom matematisk statistik
LUNDS TEKNISKA HÖGSKOLA MATEMATIKCENTRUM MATEMATISK STATISTIK DATORLABORATION 4 MATEMATISK STATISTIK, AK FÖR I, FMS 01, HT-07 Laboration 4: Stora talens lag, Centrala gränsvärdessatsen, enkla punktskattningar
Läs merFlera kvantifierare Bevis Direkt bevis Motsägelse bevis Kontrapositivt bevis Fall bevis Induktionsprincipen. x y (x > 0) (y > 0) xy > 0 Domän D = R
Föreläsning Flera kvantifierare Bevis Direkt bevis Motsägelse bevis Kontrapositivt bevis Fall bevis Induktionsprincipen För att göra ett påstående av en öppen utsaga med flera variabler behövs flera kvantifierare.
Läs merBIOSTATISTISK GRUNDKURS, MASB11 ÖVNING 8 (2016-05-02) OCH INFÖR ÖVNING 9 (2016-05-09)
LUNDS UNIVERSITET, MATEMATIKCENTRUM, MATEMATISK STATISTIK BIOSTATISTISK GRUNDKURS, MASB11 ÖVNING 8 (2016-05-02) OCH INFÖR ÖVNING 9 (2016-05-09) Aktuella avsnitt i boken är Kapitel 7. Lektionens mål: Du
Läs merTentamen i TMA321 Matematisk Statistik, Chalmers Tekniska Högskola.
Tentamen i TMA321 Matematisk Statistik, Chalmers Tekniska Högskola. Hjälpmedel: Valfri räknare, egenhändigt handskriven formelsamling (4 A4-sidor på 2 blad) och till skrivningen medhörande tabeller. Fredagen
Läs merKunna beräkna medelantal kunder för alla köer i ett könät med återkopplingar. I denna övning kallas ett kösystem som ingår i ett könät oftast nod.
Övning 8 Vad du ska kunna efter denna övning Kunna beräkna medelantal kunder för alla köer i ett könät med återkopplingar. Kunna beräkna medeltiden som en kund tillbringar i ett könät med återkopplingar.
Läs merHantering av urvalsbias i KPI
PCA-MFOS Kristina Strandberg Anders Norberg PM till Nämnden för KPI [2014-09-26] 1(5) Hantering av urvalsbias i KPI För information Prisenheten har antagit en stegvis ansats av implementering av den bästa
Läs merReglerteori, TSRT09. Föreläsning 4: Kalmanfiltret & det slutna systemet. Torkel Glad. Reglerteknik, ISY, Linköpings Universitet
Reglerteori, TSRT09 Föreläsning 4: Kalmanfiltret & det slutna systemet Reglerteknik, ISY, Linköpings Universitet Sammanfattning av Föreläsning 3 2(19) Kovariansfunktion: Spektrum: R u (τ) = Eu(t)u(t τ)
Läs merFöreläsning 8, Matematisk statistik 7.5 hp för E, HT-15 Punktskattningar
Föreläsning 8, Matematisk statistik 7.5 hp för E, HT-15 Punktskattningar Anna Lindgren 25 november 2015 Anna Lindgren anna@maths.lth.se FMSF20 F8: Statistikteori 1/17 Matematisk statistik slumpens matematik
Läs merTAIU07 Matematiska beräkningar med Matlab
TAIU07 Matematiska beräkningar med Matlab Datorlektion 2. Villkor och Repetition 1 Logiska uttryck Uppgift 1.1 Låt a=3 och b=6 Vad blir resultatet av testerna ab? Uppgift 1.2 Låt a, b,
Läs merTentamen i Matematisk statistik Kurskod S0001M
Tentamen i Matematisk statistik Kurskod S0001M Poäng totalt för del 1: 25 (10 uppgifter) Tentamensdatum 2013-01-18 Poäng totalt för del 2: 30 (3 uppgifter) Skrivtid 09.00 14.00 Lärare: Adam Jonsson, Ove
Läs merTillämpad statistik (A5), HT15 Föreläsning 10: Multipel linjär regression 1
Tillämpad statistik (A5), HT15 Föreläsning 10: Multipel linjär regression 1 Ronnie Pingel Statistiska institutionen Senast uppdaterad: 2015-11-19 Motivering Vi motiverade enkel linjär regression som ett
Läs merWienerprocesser. Finansiell statistik, vt-05. Enkel slumpvandring. Enkel slumpvandring. Varför: model för aktiekurs (dock med aber...
Varför: model för aktiekurs dock med aber... exempel: Black-Scholes jfr Binomialoptionsmodellen Johan Koskinen Statistiska institutionen Stockholms universitet Finansiell statistik vt-05 F5 Tidsserieanalys
Läs merTentamen i Statistik, STA A10 och STA A13 (9 poäng) Onsdag 1 november 2006, Kl 08.15-13.15
Tentamen i Statistik, STA A och STA A13 (9 poäng) Onsdag 1 november 00, Kl 0.15-13.15 Tillåtna hjälpmedel: Bifogad formelsamling, approximationsschema och tabellsamling (dessa skall returneras). Egen miniräknare.
Läs merKapitel IV. Partikeltalet som termodynamisk variabel & faser
Kapitel IV Partikeltalet som termodynamisk variabel & faser Kemiska potentialen Kemiska potentialen I många system kan inte partikelantalet antas vara konstant så som vi hittills antagit Ett exempel är
Läs merBasbyte (variabelbyte)
Basbyte (variabelbyte) En vektors koordinater beror på valet av bas! Tänk på geometriska vektorer här. v har längden 2 och pekar rakt uppåt i papprets plan. Kan vi då skriva v (, 2)? Om vi valt basvektorer
Läs merProblem: BOW Bowling. Regler för Bowling. swedish. BOI 2015, dag 1. Tillgängligt minne: 256 MB. 30.04.2015
Problem: BOW Bowling swedish BOI 0, dag. Tillgängligt minne: 6 MB. 30.04.0 Byteasar tycker om både bowling och statistik. Han har skrivit ner resultatet från några tidigare bowlingspel. Tyvärr är några
Läs merCRAMO INSTANT STATISKA BERÄKNINGAR MODULTYP C40 KARLSTAD 110930. Tommy Lindvall
CRAMO INSTANT STATISKA BERÄKNINGAR MODULTYP C40 KARLSTAD 110930 Tommy Lindvall 2 INNEHÅLLSFÖRTECKNING SIDA BERÄKNINGSFÖRUTSÄTTNINGAR 3 GOLV / VÄGG 4 TAK / STÅL 5 STABILITET 6 SAMMANFATTNING 8 Egna kommentarer
Läs merTentamen i Statistik, STA A10 och STA A13 (9 poäng) 23 februari 2004, klockan 8.15-13.15
Karlstads universitet Institutionen för informationsteknologi Avdelningen för Statistik Tentamen i Statistik, STA A och STA A3 (9 poäng) 3 februari 4, klockan 85-35 Tillåtna hjälpmedel: Bifogad formelsamling
Läs merOmtentamen i DV & TDV
Umeå Universitet Institutionen för Datavetenskap Gunilla Wikström (e-post wikstrom) Omtentamen i Teknisk-Vetenskapliga Beräkningar för DV & TDV Tentamensdatum: 2005-06-07 Skrivtid: 9-15 Hjälpmedel: inga
Läs merLösningsförslag 081106
Lösigsförslag 86 Uppgift Trädslag: kvalitativ, omialskala (diskret) Diameter: kvatitativ, kvotskala, kotiuerlig Höjd: kvatitativ, kvotskala, kotiuerlig Ålder: kvatitativ, kvotskala, kotiuerlig Trädslag:
Läs merFöreläsning 6 (kap 6.1, 6.3, ): Punktskattningar
Föreläsning 6 (kap 6.1, 6.3, 7.1-7.3): Punktskattningar Marina Axelson-Fisk 4 maj, 2016 Stickprov (sample) Idag: Stickprovsmedelvärde och varians Statistika (statistic) Punktskattning (point estimation)
Läs merLösningar till Tentamen i Matematisk Statistik, 5p 22 mars, 2001. Beräkna medelvärdet, standardavvikelsen, medianen och tredje kvartilen?
Lösningar till Tentamen i Matematisk Statistik, 5p 22 mars, 2001 1. Månadslönerna för 10 lärare vid en viss skola är 1 17 700 19 800 19 900 20 200 20 800 16 100 17 000 23 500 19 700 21 100 Beräkna medelvärdet,
Läs merTATA42: Föreläsning 10 Serier ( generaliserade summor )
TATA42: Föreläsning 0 Serier ( generaliserade summor ) Johan Thim 5 maj 205 En funktion s: N R brukar kallas talföljd, och vi skriver ofta s n i stället för s(n). Detta innebär alltså att för varje heltal
Läs merTentamen i Matematisk statistik Kurskod S0001M
Tentamen i Matematisk statistik Kurskod S0001M Poäng totalt för del 1: 25 (9 uppgifter) Tentamensdatum 2011-10-25 Poäng totalt för del 2: 30 (3 uppgifter) Skrivtid 09.00 14.00 Lärare: Adam Jonsson, Lennart
Läs merIndustriell matematik och statistik, LMA136 2013/14
Industriell matematik och statistik, LMA136 2013/14 14 Februari 2014 Disposition ion Funktioner av stokastiska variabler E[aX + b] = ae[x ] + b Var(aX + b) = a 2 Var(X ) E[g(X { )] = x i Ω g(x i)p(x =
Läs merFöreläsning 8: Konfidensintervall
Föreläsning 8: Konfidensintervall Matematisk statistik Chalmers University of Technology Maj 4, 2015 Projektuppgift Projektet går ut på att studera frisättningen av dopamin hos nervceller och de två huvudsakliga
Läs merVästsvenska paketet Skattning av trafikarbete
Västsvenska paketet Skattning av trafikarbete Rapport Dokumenttitel: Skattning av trafikarbete Västsvenska paketet rapport Utförande part: WSP Kontaktperson: Tobias Thorsson Innehåll 1 Introduktion Fel!
Läs merExtra övningssamling i undersökningsmetodik. till kursen Regressionsanalys och undersökningsmetodik, 15 hp
Extra övningssamling i undersökningsmetodik HT10 till kursen Regressionsanalys och undersökningsmetodik, 15 hp Författad av Karin Dahmström 1. Utgå från en population bestående av 5 personer med följande
Läs merKalibreringsrapport. Utländska doktorander
Kalibreringsrapport Utlänska oktoraner Inlening I en urvalsunersökning är allti skattningarna beäftae me urvalsfel beroene på att enast en elmäng (urval) av populationen stueras. Ett annat fel uppkommer
Läs merArtificiell intelligens Probabilistisk logik
Probabilistiska resoemag Artificiell itelliges Probabilistisk logik Are Jösso HCS/IDA Osäkerhet Grudläggade saolikhetslära Stokastiska variabler Bayes teorem Bayesiaska ätverk Kostruktio Iferes Osäkerhet
Läs merAnvändning. Fixed & Random. Centrering. Multilevel Modeling (MLM) Var sak på sin nivå
Användning Multilevel Modeling (MLM) Var sak på sin nivå Kimmo Sorjonen Sektionen för Psykologi Karolinska Institutet Kärt barn har många namn: (1) Random coefficient models; () Mixed effect models; (3)
Läs merMonte Carlo-simulering. EG2205 Föreläsning 15 18, vårterminen 2015 Mikael Amelin
Monte Carlo-simulering EG2205 Föreläsning 15 18, vårterminen 2015 Mikael Amelin 1 Kursmål Tillämpa Monte Carlo-simulering för att beräkna förväntad driftkostnad och risk för effektbrist på en elmarknad,
Läs mer(a) Hur stor är sannolikheten att en slumpvist vald person tror att den är laktosintolerant?
LÖSNINGAR till tentamen: Statistik och sannolikhetslära (LMA12) Tid och plats: 8.3-12.3 den 24 augusti 215 Hjälpmedel: Typgodkänd miniräknare, formelblad Betygsgränser: 3: 12 poäng, 4: 18 poäng, 5: 24
Läs merÖvningar för finalister i Wallenbergs fysikpris
Övningar för finalister i Wallenbergs fysikpris 0 mars 05 Läsa tegelstensböcker i all ära, men inlärning sker som mest effektivt genom att själv öva på att lösa problem. Du kanske har upplevt under gymnasiet
Läs merElektromagnetiska fält och Maxwells ekavtioner. Mats Persson
Föreläsning 26/9 Elektromagnetiska fält och Maxwells ekavtioner 1 Maxwells ekvationer Mats Persson Maxwell satte 1864 upp fyra stycken ekvationer som gav en fullständig beskrivning av ett elektromagnetiskt
Läs merMODELLERING AV DYNAMISKA SYSTEM OCH INLUPP 2
UPPSALA UNIVERSITET AVDELNINGEN FÖR SYSTEMTEKNIK EKL och PSA, 2002, rev BC 2009, 2013 MODELLERING AV DYNAMISKA SYSTEM DATORSTÖDD RÄKNEÖVNING OCH INLUPP 2 1. Överföringsfunktioner 2. Tillståndsmetodik Förberedelseuppgifter:
Läs merDekomponering av löneskillnader
Lönebildningsrapporten 2013 133 FÖRDJUPNING Dekomponering av löneskillnader Den här fördjupningen ger en detaljerad beskrivning av dekomponeringen av skillnader i genomsnittlig lön. Först beskrivs metoden
Läs merFöreläsning 8, Matematisk statistik 7.5 hp för E Punktskattningar
Föreläsning 8, Matematisk statistik 7.5 hp för E Punktskattningar Stas Volkov Stanislav Volkov s.volkov@maths.lth.se FMSF20 F8: Statistikteori 1/20 Översikt Exempel Repetition Exempel Matematisk statistik
Läs merTentamen i Statistik STG A01 (12 hp) 5 mars 2010, kl. 08.15 13.15
Karlstads uiversitet Fakultete för ekoomi, kommuikatio och IT Statistik Tetame i Statistik STG A0 ( hp) 5 mars 00, kl. 08.5 3.5 Tillåta hjälpmedel: Bifogad formel- och tabellsamlig (skall retureras) samt
Läs merAMatematiska institutionen avd matematisk statistik
Kungl Tekniska Högskolan AMaemaiska insiuionen avd maemaisk saisik TENTAMEN I 5B86 STOKASTISK KALKYL OCH KAPITALMARKNADSTE- ORI FÖR F4 OCH MMT4 LÖRDAGEN DEN 5 AUGUSTI KL 8. 3. Examinaor : Lars Hols, el.
Läs merSå undviker du att få höra klyschor en miniguide för dig som rekryterar
Så undviker du att få höra klyschor en miniguide för dig som rekryterar Ett kostnadsfritt whitepaper utgivet av Level Recruitment Level Recruitment AB - 2015 Så undviker du att få höra klyschor en miniguide
Läs merRegressionsanalys av huspriser i Vaxholm
Regressionsanalys av huspriser i Vaxholm Rasmus Parkinson Kandidatuppsats i matematisk statistik Bachelor Thesis in Mathematical Statistics Kandidatuppsats 2015:19 Matematisk statistik Juni 2015 www.math.su.se
Läs merResultat. Principalkomponentanalys för alla icke-kategoriska variabler
Introduktion Den första delen av laborationen baserar sig på mätdata som skapades i samband med en medicinsk studie där en ny metod för att mäta ögontryck utvärderas. Den nya metoden som testas, Applanation
Läs mer1 Cirkulation och vorticitet
Föreläsning 7. 1 Cirkulation och vorticitet Ett mycket viktigt teorem i klassisk strömningsmekanik är Kelvins cirkulationsteorem, som man kan härleda från Eulers ekvationer. Teoremet gäller för en inviskös
Läs merUtbudsidan Produktionsteori
Utbudsidan Produktionsteori Produktion och kostnader Frank kap 9-1 Företaget Produktion och kostnader på kort sikt Produktion och kostnader på lång sikt Isokost och isokvant 1 2 Företaget Vi antar att
Läs merÅrsrapport 2011. Huvudman Landstinget i Uppsala län 751 25 UPPSALA. 2 Årsrapport 2011
Årsrapport 2011 2 Årsrapport 2011 Årsrapport 2011 Nationella kvalitetsregistret för psykossjukdomar (PsykosR) www.kcp.se Författare Rickard Färdig Leg psykolog, Fil.Dr, Utveckingsresurs Projektet Bättre
Läs merFingerprint Matching
Fingerprint Matching Björn Gustafsson bjogu419 Linus Hilding linhi307 Joakim Lindborg joali995 Avancerad bildbehandling TNM034 Projektkurs Biometri 2006 1 Innehållsförteckning 1 Innehållsförteckning 2
Läs merSTYRNING AV PORTFÖLJER MED FLERA TILLGÅNGAR
1 STOCKHOLMS UNIVERSITET MATEMATISKA INSTITUTIONEN Avd. för Matematisk statistik Thomas Höglund FINANSMATEMATIK I. KOMPLEMENT DAG 13. STYRNING AV PORTFÖLJER MED FLERA TILLGÅNGAR Hittills har vi betraktat
Läs merTMS136. Föreläsning 1
TMS136 Föreläsning 1 Varför? Om vi gör mätningar vill vi modellera och kvantifiera de osäkerheter som obönhörligen finns Om vi handlar med värdepapper vill vi modellera och kvantifiera de risker som finns
Läs mer2. Komma igång Skapa grupper och elever Skriv också ut sidan 13 så att eleverna har en snabbguide till programmet.
2. Komma igång Skapa grupper och elever Börja med att läsa texten nedan om hur man börjar jobba med programmet efter installationen. Skriv gärna ut sidan och ha bredvid dig tills du känner att du behärskar
Läs merRepetitionsuppgifter i Matematik inför Basår. Matematiska institutionen Linköpings universitet 2014
Repetitionsuppgifter i Matematik inför Basår Matematiska institutionen Linköpings universitet 04 Innehåll De fyra räknesätten Potenser och rötter 7 Algebra 0 4 Funktioner 7 Logaritmer 9 6 Facit 0 Repetitionsuppgifter
Läs merLaboration 5: Regressionsanalys. 1 Förberedelseuppgifter. 2 Enkel linjär regression LABORATION 5 MATEMATISK STATISTIK AK FÖR CDE, FMS012, VT08
LUNDS TEKNISKA HÖGSKOLA MATEMATIKCENTRUM MATEMATISK STATISTIK LABORATION 5 MATEMATISK STATISTIK AK FÖR CDE, FMS012, VT08 Laboration 5: Regressionsanalys Syftet med den här laborationen är att du skall
Läs merRödGrön-spelet Av: Jonas Hall. Högstadiet. Tid: 40-120 minuter beroende på variant Material: TI-82/83/84 samt tärningar
Aktivitetsbeskrivning Denna aktivitet är utformat som ett spel som spelas av en grupp elever. En elev i taget agerar Gömmare och de andra är Gissare. Den som är gömmare lagrar (gömmer) tal i några av räknarens
Läs merMatematisk statistik för B, K, N, BME och Kemister
Matematisk statistik för B, K, N, BME och Kemister Föreläsning 11 & 12 Johan Lindström 5 & 14 oktober 2015 Johan Lindström - johanl@maths.lth.se FMS086/MASB02 F11 1/27 Johan Lindström - johanl@maths.lth.se
Läs merEkonomisk styrning Delkurs Finansiering
Ekonomisk styrning Delkurs Finansiering Föreläsning 10 Optioner BMA: Kap. 20 Jonas Råsbrant jonas.rasbrant@indek.kth.se Föreläsningens innehåll Vad är en option? Köp- och säljoptioner Olika typer av optioner
Läs merIntroduktion. Exempel Övningar Lösningar 1 Lösningar 2 Översikt
KTHs Sommarmatematik 2003 Exempel Övningar Lösningar 1 Lösningar 2 Översikt 5.1 Introduktion Introduktion Exponentialfunktionen e x och logaritmfunktionen ln x är bland de viktigaste och vanligast förekommande
Läs merTSRT09 Reglerteori. Sammanfattning av Föreläsning 3. Sammanfattning av Föreläsning 3, forts. Sammanfattning av Föreläsning 3, forts.
Reglerteori 2016, Föreläsning 4 Daniel Axehill 1 / 18 Sammanfattning av Föreläsning 3 Kovariansfunktion: TSRT09 Reglerteori Föreläsning 4: Kalmanfiltret & det slutna systemet Daniel Axehill Reglerteknik,
Läs merSTATISTISKA CENTRALBYRÅN
STATISTISKA CENTRALBYRÅN 2013-04-12 1(7) Kalibreringsrapport 1 Inlening I en urvalsunersöning är allti sattningarna behäftae me urvalsfel beroene på att enast en elmäng (urval) av populationen stueras.
Läs merOlle gillar hållbarhet! Några tankar om hur man kan arbeta med hållbarhet på många nivåer.
Olle gillar hållbarhet! Några tankar om hur man kan arbeta med hållbarhet på många nivåer. Gnosjö med Olleanda Jag tror att de flesta i svensk industri har hört talas om Gnosjöandan. För er andra kan jag
Läs merAtt göra spel med Game Maker. Rum. Grundläggande delar. Gamemaker, dagens föreläsning. Programmeringsmodell
Gamemaker, dagens föreläsning Vad innehåller Gamemaker? Rum Objekt Händelser Aktioner Sprites Ljud Variabler och uttryck Live exempel: Början på Pac Man Att göra spel med Game Maker Programmeringsmodell
Läs merFöreläsning 11. Giriga algoritmer
Föreläsning 11 Giriga algoritmer Föreläsning 11 Giriga algoritmer Användning Växelproblemet Kappsäcksproblemet Schemaläggning Färgläggning Handelsresandeproblemet Uppgifter Giriga algoritmer (Greedy algorithms)
Läs merEuropeiska unionens råd Bryssel den 11 maj 2015 (OR. en)
Europeiska unionens råd Bryssel den 11 maj 2015 (OR. en) 8756/15 ENER 140 ENV 277 FÖLJENOT från: inkom den: 6 maj 2015 till: Komm. dok. nr: D038978/02 Ärende: Europeiska kommissionen Rådets generalsekretariat
Läs mer24 oktober 2007 kl. 9 14
STOCKHOLMS UNIVERSITET MS 2070 MATEMATISKA INSTITUTIONEN TENTAMEN Avd. Matematisk statistik 24 oktober 2007 Tentamen i Livförsäkringsmatematik I 24 oktober 2007 kl. 9 14 Examinator: Gunnar Andersson, gunnar.andersson@actstrats.com,
Läs merSpänning. Sluten krets, kopplingsschema, seriekoppling, parallellkoppling.
Spänning Inledning I det här experimentet undersöker du vad skillnaden mellan serie- och parallellkoppling är genom att koppla lampor till varandra på olika sätt. Bakgrund För att det ska flyta ström i
Läs merProblemet löd: Är det möjligt att på en sfär färga varje punkt på ett sådant sätt att:
Problemet löd: Är det möjligt att på en sfär färga varje punkt på ett sådant sätt att: 1. Om två punkter befinner sig på avståndet pi/2 från varandra så skall de ha olika färg. 2. Endast tre färger används.
Läs merTräningssplan: vecka 1-6
Träningssplan: vecka 1-6 Här följer ett träningspass för hela kroppen som passar nybörjare. Passet är utvecklat för att passa din livsstil och tack vare det kan du träna när och var du vill och behöver
Läs merManual. Logga in. OBS! Kontrollera så att korrekt epostadress finns ifyllt. Ändra inga andra uppgifter!
Manual Logga in 1. Klicka på Logga in överst på sidan 2. Fyll i lägenhetsnummer och lösenord och tryck på knappen Logga in 3. Lyckas inloggningen kommer man till lägenhetens profilsida. OBS! Kontrollera
Läs merLinjär regressionsanalys. Wieland Wermke
+ Linjär regressionsanalys Wieland Wermke + Regressionsanalys n Analys av samband mellan variabler (x,y) n Ökad kunskap om x (oberoende variabel) leder till ökad kunskap om y (beroende variabel) n Utifrån
Läs merResultatet läggs in i ladok senast 13 juni 2014.
Matematisk statistik Tentamen: 214 6 2 kl 14 19 FMS 35 Matematisk statistik AK för M, 7.5 hp Till Del A skall endast svar lämnas. Samtliga svar skall skrivas på ett och samma papper. Övriga uppgifter fordrar
Läs merTräd. Sats. Grafer. Definition. En fullständig graf har en båge mellan varje par av noder. Definition
Grafdefinitioner Träd N = {i}: noder (hörn) = {(i, )}, i N, N: bågar (kanter) Graf: G = (N, ) efinitioner Väg: Sekvens av angränsande bågar. ykel: Väg som startar och slutar i samma nod. En enkel väg innehåller
Läs merFinansiell Statistik (GN, 7,5 hp,, HT 2008) Föreläsning 7. Multipel regression. (LLL Kap 15) Multipel Regressionsmodellen
Finansiell Statistik (GN, 7,5 hp,, HT 8) Föreläsning 7 Multipel regression (LLL Kap 5) Department of Statistics (Gebrenegus Ghilagaber, PhD, Associate Professor) Financial Statistics (Basic-level course,
Läs mer6.2 Partikelns kinetik - Tillämpningar Ledningar
6.2 Partikelns kinetik - Tillämpningar Ledningar 6.13 Det som känns som barnets tyngd är den uppåtriktade kraft F som mannen påverkar barnet med. Denna fås ur Newton 2 för barnet. Svar i kilogram måste
Läs merVälkomna till KUSK utbildningsprojekt. Kunskap, utveckling, statistik, kommunikation http://www.ncomva.se/training/kusk
Välkomna till KUSK utbildningsprojekt Kunskap, utveckling, statistik, kommunikation http://www.ncomva.se/training/kusk Informationsvisualisering Klarsynthet har beskrivits som konsten att se det osynliga;
Läs merMatematisk statistik 9 hp, HT-16 Föreläsning 10: Punktskattningar
Matematisk statistik 9 hp, HT-16 Föreläsning 10: Punktskattningar Anna Lindgren (Stanislav Volkov) 31 oktober + 1 november 2016 Anna Lindgren anna@maths.lth.se FMS012/MASB03 F10: Punktskattning 1/18 Matematisk
Läs merTentamen i matematisk statistik (9MA241/9MA341/LIMAB6, STN2) 2012-01-09 kl 08-13
LINKÖPINGS UNIVERSITET MAI Johan Thim Tentamen i matematisk statistik (9MA241/9MA341/LIMAB6, STN2) 212-1-9 kl 8-13 Hjälpmedel är: miniräknare med tömda minnen och formelbladet bifogat. Varje uppgift är
Läs merFacit till Några extra uppgifter inför tentan Matematik Baskurs. x 2 x 3 1 2.
KTH Matematik Lars Filipsson Facit till Några extra uppgifter inför tentan Matematik Baskurs 1. Låt f(x) = ln 2x + 4x 2 + 9 + ln 2x 4x 2 + 9. Bestäm definitionsmängd och värdemängd till f och rita kurvan
Läs mer