Stockholms Univ., Statistiska Inst. Finansiell Statistik, GN, 7,5 hp, HT2008 Numeriska svar till övningar
|
|
- Anna-Karin Åberg
- för 4 år sedan
- Visningar:
Transkript
1 Stockholms Univ., Statistiska Inst. Finansiell Statistik, GN, 7,5 hp, HT2008 Numeriska svar till övningar Nicklas Pettersson 1 Övningslektion6 Tidsserier, Beslutsteori 1.1 Kapitel 18 51) a) slumpmässig b) trend eller cykel c) säsong d) slumpmässig e) trend 53) year <- 1965:1989 TNP <- c(2257.8,2359.1,2421.5,2485.2,2569.6,2606.2,2607.6,2674.4, ,2783.4,2699.9,2753.7,2836.9,2961.9,3027.2,3060.4,3089.9, ,3165.1,3329.3,3414.1,3489.9,3581.6,3659.5,3709.8) plot(year,tnp); lines(year,tnp) 54) Samma som det sista värdet i MA-serien. by 1990 = 3650; 3; by 1991 = 3650; 3 ma3 <- lter(tnp,rep(1,3))/3 max(ma3,na.rm=t) 1
2 55) by 1990 = 3662; 261; by 1991 = 3718:135 q55 <- lm(tnp ~year) q55_1 <- q55$coe cients[1]+q55$coe cients[2]*1990 q55_2 <- q55$coe cients[1]+q55$coe cients[2]* ) Stationär serie av första di erenser. by 1990 = 3784; 824; by 1991 = 3866; 751 di TNP <- TNP[-1] - TNP[1:24] q56_ <- arima(di TNP,c(1,0,0)) TNPhat <- TNP TNPhat <- c(tnphat,as.numeric(tnphat[25]+q56_$coef[2]+q56_$coef[1]* (TNPhat[25]-TNPhat[24]) )) TNPhat <- c(tnphat,as.numeric(tnphat[26]+q56_$coef[2]+q56_$coef[1]*(tnphat[26]- TNPhat[25]) )) TNPhat[26:27] 57) year <- 1965:1991 q5456 <- data.frame(c(tnp,rep(max(ma3,na.rm=t),2)),c(tnp,q55_1,q55_2),tnphat) plot(year[20:27],q5456[20:27,1],type="l",xlab="year",ylab="income",ylim=c(3000,max(q5456))) lines(year[20:27],q5456[20:27,2],lty=2) lines(year[20:27],q5456[20:27,3],lty=3) points(year[20:27],q5456[20:27,1]) points(year[20:27],q5456[20:27,2]) points(year[20:27],q5456[20:27,3]) legend(1984,3250,c("moving average","regression","autoregressive"),lty=c(1,2,3)) MA tar ingen hänsyn till trend och linjär regression är "för global" och tar ingen hänsyn till beroendet mellan observationerna. 2
3 1.2 Kapitel 21 2) Maximin-kriteriet ger 10h med maximalt 90poäng. 3) Minimax-kriteriet ger att 10h minimerar regret. H A L ) a) P(Hj0)=0,2; P(Hj5)=0,2; P(Hj10)=0,4 b) P(0jH)=0,25; P(5jH)=0,25; P(10jH)=0,5 5) EMV (0h) = 41; EMV (5h) = 62; EMV (10h) = 82. 6) Konkav kurva ) Riskavert study 0h study 5h study 10h x ) a) P(x) 0; 2 0; 5 0; 3 0; 2 0; 6 0; 2 0; 4 0; 5 0; 1 U(x) 9; ; 5 7; ; 5 E[U(x)] 5 9; 4 11; 25 Maximerar E[U(x)] för 10h. b) Riskavert, riskneutral och risktagare de nieras som U[E(x)] > E[U(x)]; U[E(x)] = E[U(x)] och U[E(x)] < E[U(x)]. För att pröva om de angivna nyttorna härrör från en riskavert person kan vi pröva om U[E(x)] > E[U(x)] verkligen är uppfyllt. I 8)a) har vi ju räknat fram 3
4 E[U(x)]. Vi kan notera att E[U(x)] =5 motsvarar U(x = 40), E[U(x)] =9:4 nästan motsvarar U(x = 60), samt E[U(x)] =11:25 nästan motsvarar U(x = 80). Vi kan då konstatera att eftersom U(x = 41) U(x = 40) (i detta fall kan med goda skäl antas att U(x = 41) > U(x = 40) eftersom kurvan verkar ständigt växande) så gäller att U[E(40)] = E[U(41)] ) U[E(41)] > E[U(41)], dvs riskaversion. Vi skulle också kunna försöka att skatta nyttofunktionen, t ex som U[E(x)] = + log(x) + U[E(x)] = + 1 x + 2 x 2 + U[E(x)] = + 1 x + 2 x x 3 + och sedan utifrån denna skatta nyttor U[E(x)]. d Jag väljer att använda den tredje varianten där x, x 2 och x 3 ingår. Vi får då till exempel att U[E(40)] d = 5; 25 (dvs skapligt nära det faktiska 5) och U[E(41)] d = 5; 54. En annan variant är att interpolera (dvs att anta ett strikt linjärt samband) mellan de kända värdena av nyttofunktionen. Eftersom vi vet att U[E(40)] < U[E(41)] < U[E(60)] så kan vi interpolera U[E(41)] som U[E(40)] 9; = 5; 225 > Nedan ges R-koden för att beräkna uppgifterna på kapitel U[E(60)] = #q2 data <- c(60,40,30,80,60,50,90,80,60) q2data <- matrix(data,3,3) # put data in a matrix rownames(q2data) <- c("high","average","low") # set names to "rows" q2data <- t(q2data) # Rotate matrix so that rows become columns rownames(q2data) <- c("0 h","5 h","10 h") # set names to rows q2 <- NULL # De ne a vector q2 for (i in 1:3) { # Use a loop to calculate maximin for each row q2[i] <- min(q2data[i,]) } names(q2) <- c("0 h","5 h","10 h") q2 # Plot the result #q3 q3 <- matrix(na,3,3) # de ne an empty matrix for (i in 1:3) { # use loop to calculate minimax q3[,i] <- max(q2data[,i])-q2data[,i] } rownames(q3) <- c("0 h","5 h","10 h") # set row names colnames(q3) <- c("high","average","low") # set column names q3 # plot the result #q4 data2 <- c(0.2,0.5,0.3,0.2,0.6,0.2,0.4,0.5,0.1) 4
5 q4data <- matrix(data2,3,3) # Put data in a matrix rownames(q4data) <- c("high","average","low") # "row" names q4data <- t(q4data) # transpose matrix rownames(q4data) <- c("0 h","5 h","10 h") # row names q4a <- q4data[,1] # put the result in q4a q4a # plot result q4b <- NULL # add empty vector q4b for (i in 1:3) { # loop to calculate probability q4b[i] <- (q4data[i,1]/3) / (sum(q4data[,1])/3) } q4b # plot the result #q5 q5 <- rowsums(q2data*q4data) # calculate EMV q5 # plot the result #q6 score <- sort(unique(data)) # the unique x-values (sorted) are the score utility <- c(2,5,7.5,9.5,11,12) # put utilities in a vector plot(score,utility) # plot the result lines(score,utility) # add a line #q8 q8data <- matrix( c(data,data2,c(9.5,5,2,11,9.5,7.5,12,11,9.5),rep(na,9),rep(na,9)),9,5) # add data in a matrix colnames(q8data) <- c("x","p(x)","u(x)","e[u(x)]","u(e[x])") # set column names q8rowname <- NULL # add vector for rownames for (i in 1:3) { # loop to produce rownames, including both study length and outcome for (j in 1:3) { q8rowname[3*i+j-3] <- paste( rownames(q2data)[i], ",", colnames(q2data)[j] ) }} rownames(q8data) <- q8rowname # use q8rowname as rownames for q8data q8data # plot the result q8data[,4] <- q8data[,2]*q8data[,3] # calculate E[U(x)] and put it in column 4 q8data # plot the result q8 <- NULL # de ne vector q8 for (i in 1:3) { # loop to calculate U(E[]) q8[i] <- sum(q8data[(i*3-2):(i*3),4]) } names(q8) <- names(q2) # use names from q2 on q8 q8 # plot the result 5
6 # This is just an approximation to the utilityfunction so the values will di er somewhat xmatrix <- matrix(c(q8data[,1],q8data[,1]^2,q8data[,1]^3),c(9,3)) # de ne a matrix including x, x^2 and x^3 to use as explanatory variables model <- lm(q8data[,3]~xmatrix) # linear regression with U(E(x)) as dependent and xmatrix as independent variables q8data[,5] <- round( model$coe [1]+model$coe [2]*q8data[,1]+model$coe [3]*q8data[,1]^2+model$coe [4 # calculate U(E[]) at put it in q8data q8data # plot the result q8_ <- NULL # predicted values of U(E[]) for values 40, 60 and 80 using the estimated model q8_[1] <- round( model$coe [1]+model$coe [2]*40+model$coe [3]*40^2+model$coe [4]*40^3,2) q8_[2] <- round( model$coe [1]+model$coe [2]*60+model$coe [3]*60^2+model$coe [4]*60^3,2) q8_[3] <- round( model$coe [1]+model$coe [2]*80+model$coe [3]*80^2+model$coe [4]*80^3,2) q8 <- NULL # predicted values of U(E[]) for values 41, 62 and 82 using the estimated model q8 [1] <- round( model$coe [1]+model$coe [2]*q5[1]+model$coe [3]*q5[1]^2+model$coe [4]*q5[1]^3,2) q8 [2] <- round( model$coe [1]+model$coe [2]*q5[2]+model$coe [3]*q5[2]^2+model$coe [4]*q5[2]^3,2) q8 [3] <- round( model$coe [1]+model$coe [2]*q5[3]+model$coe [3]*q5[3]^2+model$coe [4]*q5[3]^3,2) q8matrix <- NULL # de ne matrix q8matrix <- rbind(q8,c(5,9.5,11),q8_,q8 ) # row bind the results in matrix rownames(q8matrix) <- c("e[u(x)], actual ","E[U(x)], x=c(40,60,80) ", "U^(E[x]), x=c(40,60,80) ", "U^(E[x]), x=c(41,62,82) ") # set row names q8matrix # plot the result 6
Statistiska Institutionen Gebrenegus Ghilagaber (docent)
Statistiska Institutionen Gebrenegus Ghilagaber (docent) Lösningsförslag till skriftlig tentamen i FINANSIELL STATISTIK, grundnivå, 7,5 hp, VT09. Onsdagen 3 juni 2009-1 Sannolkhetslära Mobiltelefoner tillverkas
Läs merRegressions- och Tidsserieanalys - F7
Regressions- och Tidsserieanalys - F7 Tidsserieregression, kap 6.1-6.4 Linda Wänström Linköpings universitet November 25 Wänström (Linköpings universitet) F7 November 25 1 / 28 Tidsserieregressionsanalys
Läs merEnkel linjär regression. Enkel linjär regression. Enkel linjär regression
Enkel linjär regression Exempel.7 i boken (sida 31). Hur mycket dragkraft behövs för att en halvledare skall lossna från sin sockel vid olika längder på halvledarens ben och höjder på sockeln. De halvledare
Läs merPre-Test 1: M0030M - Linear Algebra.
Pre-Test : M3M - Linear Algebra. Test your knowledge on Linear Algebra for the course M3M by solving the problems in this test. It should not take you longer than 9 minutes. M3M Problem : Betrakta fyra
Läs merand u = och x + y z 2w = 3 (a) Finn alla lösningar till ekvationssystemet
Kursen bedöms med betyg,, 5 eller underkänd, där 5 är högsta betyg. För godkänt betyg krävs minst poäng från uppgifterna -7. Var och en av dessa sju uppgifter kan ge maximalt poäng. För var och en av uppgifterna
Läs merTentamen i Matematik 2: M0030M.
Tentamen i Matematik 2: M0030M. Datum: 2010-01-12 Skrivtid: 09:00 14:00 Antal uppgifter: 6 ( 30 poäng ). Jourhavande lärare: Norbert Euler Telefon: 0920-492878 Tillåtna hjälpmedel: Inga Till alla uppgifterna
Läs mer(D1.1) 1. (3p) Bestäm ekvationer i ett xyz-koordinatsystem för planet som innehåller punkterna
Högsolan i Sövde (SK) Tentamen i matemati Kurs: MA4G Linjär algebra MAG Linjär algebra för ingenjörer Tentamensdag: 4-8-6 l 4.-9. Hjälpmedel : Inga hjälpmedel utöver bifogat formelblad. Ej ränedosa. Tentamen
Läs merTENTAMEN I STATISTIK B,
732G7 Tentamen. hp TENTAMEN I STATISTIK B, 24-2- Skrivtid: kl: -2 Tillåtna hjälpmedel: Ett A4-blad med egna handskrivna anteckningar samt räknedosa Jourhavande lärare: Lotta Hallberg Betygsgränser: Tentamen
Läs merVad Betyder måtten MAPE, MAD och MSD?
Vad Betyder måtten MAPE, MAD och MSD? Alla tre är mått på hur bra anpassningen är och kan användas för att jämföra olika modeller. Den modell som har lägst MAPE, MAD och/eller MSD har bäst anpassning.
Läs mer6. a) Visa att följande vektorer är egenvektorer till matrisen A = 0 2 0 0 0 0 1 1, och ange motsvarande
MÄLARDALENS HÖGSKOLA Akademin för utbildning, kultur och kommunikation Avdelningen för tillämpad matematik Examinator: Erik Darpö TENTAMEN I MATEMATIK MAA5 Vektoralgebra TEN2 Datum: juni 25 Skrivtid: 3
Läs merLaboration med MINITAB, Del 2 Om Fyris ns global uppv rmning
Laboration med MINITAB, Del 2 Om Fyris ns global uppv rmning Silvelyn Zwanzig, Matematiska Statistik NV1, 2005-03-03 1. Datamaterial I de uppgifter som f ljer skall du l ra dig hur Minitab anv ndas f r
Läs merKurskod: TAIU06 MATEMATISK STATISTIK Provkod: TENA 31 May 2016, 8:00-12:00. English Version
Kurskod: TAIU06 MATEMATISK STATISTIK Provkod: TENA 31 May 2016, 8:00-12:00 Examiner: Xiangfeng Yang (Tel: 070 0896661). Please answer in ENGLISH if you can. a. Allowed to use: a calculator, Formelsamling
Läs merStockholms Univ., Statistiska Inst. Finansiell Statistik, GN, 7,5 hp, HT2008 Instruktioner till R
Stockholms Univ., Statistiska Inst. Finansiell Statistik, GN, 7,5 hp, HT2008 Instruktioner till R Nicklas Pettersson 1 Instruktioner till R En av fördelarna med R är att det är gratis, varför vem som helst
Läs merSkriftlig Tentamen i Finansiell Statistik Grundnivå 7.5 hp, HT2012
Statistiska Institutionen Patrik Zetterberg Skriftlig Tentamen i Finansiell Statistik Grundnivå 7.5 hp, HT2012 2013-01-18 Skrivtid: 9.00-14.00 Hjälpmedel: Godkänd miniräknare utan lagrade formler eller
Läs merFöreläsning 2. Kap 3,7-3,8 4,1-4,6 5,2 5,3
Föreläsning Kap 3,7-3,8 4,1-4,6 5, 5,3 1 Kap 3,7 och 3,8 Hur bra är modellen som vi har anpassat? Vi bedömer modellen med hjälp av ett antal kriterier: visuell bedömning, om möjligt F-test, signifikanstest
Läs mer1. Compute the following matrix: (2 p) 2. Compute the determinant of the following matrix: (2 p)
UMEÅ UNIVERSITY Department of Mathematics and Mathematical Statistics Pre-exam in mathematics Linear algebra 2012-02-07 1. Compute the following matrix: (2 p 3 1 2 3 2 2 7 ( 4 3 5 2 2. Compute the determinant
Läs merLABORATION 1. Syfte: Syftet med laborationen är att
LABORATION 1 Syfte: Syftet med laborationen är att ge övning i hur man kan använda det statistiska programpaketet Minitab för beskrivande statistik, grafisk framställning och sannolikhetsberäkningar, visa
Läs merTentamen i matematisk statistik
Sid 1 (9) i matematisk statistik Statistik och kvalitetsteknik 7,5 hp Tillåtna hjälpmedel: Miniräknare. Studenterna får behålla tentamensuppgifterna. Skrivtid: 9.00-12.00 ger maximalt 24 poäng. Betygsgränser:
Läs merPROGRAMFÖRKLARING III
Statistik för modellval och prediktion att beskriva, förklara och förutsäga Georg Lindgren PROGRAMFÖRKLARING III Matematisk statistik, Lunds universitet stik för modellval och prediktion p./22 Statistik
Läs mer2. Lära sig skatta en multipel linjär regressionsmodell samt plotta variablerna. 4. Lära sig skatta en linjär regressionsmodell med interaktionstermer
Datorövning 2 Regressions- och tidsserieanalys Syfte 1. Lära sig skapa en korrelationsmatris 2. Lära sig skatta en multipel linjär regressionsmodell samt plotta variablerna mot varandra 3. Lära sig beräkna
Läs merTentamensgenomgång och återlämning: Måndagen 24/2 kl16.00 i B497. Därefter kan skrivningarna hämtas på studentexpeditionen, plan 7 i B-huset.
Statistiska institutionen Nicklas Pettersson Skriftlig tentamen i Finansiell Statistik Grundnivå 7.5hp, HT2013 2014-02-07 Skrivtid: 13.00-18.00 Hjälpmedel: Godkänd miniräknare utan lagrade formler eller
Läs merStockholms Univ., Statistiska Inst. Finansiell Statistik Instruktioner till R
Stockholms Univ., Statistiska Inst. Finansiell Statistik Instruktioner till R Nicklas Pettersson 1 Extra Instruktioner till R En av fördelarna med R är att det är gratis, varför vem som helst kan ladda
Läs merx 2 2(x + 2), f(x) = by utilizing the guidance given by asymptotes and stationary points. γ : 8xy x 2 y 3 = 12 x + 3
MÄLARDALEN UNIVERSITY School of Education, Culture and Communication Department of Applied Mathematics Examiner: Lars-Göran Larsson EXAMINATION IN MATHEMATICS MAA151 Single Variable Calculus, TEN2 Date:
Läs merTentamen Tillämpad statistik A5 (15hp)
Uppsala universitet Statistiska institutionen A5 2015-08-25 Tentamen Tillämpad statistik A5 (15hp) 2015-08-25 UPPLYSNINGAR A. Tillåtna hjälpmedel: Miniräknare Formelsamlingar: A4/A8 Tabell- och formelsamling
Läs merTentamen del 2 SF1511, , kl , Numeriska metoder och grundläggande programmering
KTH Matematik Tentamen del 2 SF1511, 2018-03-16, kl 8.00-11.00, Numeriska metoder och grundläggande programmering Del 2, Max 50p + bonuspoäng (max 4p). Rättas ast om del 1 är godkänd. Betygsgränser inkl
Läs merThis exam consists of four problems. The maximum sum of points is 20. The marks 3, 4 and 5 require a minimum
Examiner Linus Carlsson 016-01-07 3 hours In English Exam (TEN) Probability theory and statistical inference MAA137 Aids: Collection of Formulas, Concepts and Tables Pocket calculator This exam consists
Läs merPsykologiska institutionen tillämpar anonymitet i samband med tentor i skrivsal, som går till så här:
GÖTEBORGS UNIVERSITET Psykologiska institutionen Tentamen Kurs: PC1307 Kurs 7: Samhällsvetenskaplig forskningsmetodik PC1546 Forskningsmetodik och fördjupningsarbete Provmoment: Statistik, 5 hp Tentamensdatum:
Läs mer1. Find an equation for the line λ which is orthogonal to the plane
MÄLARDALEN UNIVERSITY School of Education, Culture and Communication Department of Applied Mathematics Examiner: Lars-Göran Larsson EXAMINATION IN MATHEMATICS MAA150 Vector Algebra, TEN1 Date: 2018-04-23
Läs merTentamen i Matematik 3: M0031M.
Tentamen i Matematik 3: M0031M. Datum: 2009-10-26 Skrivtid: 09:00 14:00 Antal uppgifter: 6 ( 30 poäng ). Jourhavande lärare: Norbert Euler Telefon: 0920-492878 Tillåtna hjälpmedel: Inga Till alla uppgifterna
Läs mer1 Find the area of the triangle with vertices A = (0,0,1), B = (1,1,0) and C = (2,2,2). (6p)
Divsion of Mathematics Examination Vector algebra and applied mathematics MAA150 - TEN2 Mälardalen University Date: 2015-11-06 Examiner: Mats Bodin Exam aids: not any All solutions should be presented
Läs merSäsongrensning i tidsserier.
Senast ändrad 200-03-23. Säsongrensning i tidsserier. Kompletterande text till kapitel.5 i Tamhane och Dunlop. Inledning. Syftet med säsongrensning är att dela upp en tidsserie i en trend u t, en säsongkomponent
Läs merTentamen i matematisk statistik
Sid (7) i matematisk statistik Statistik och kvalitetsteknik 7,5 hp Tillåtna hjälpmedel: Miniräknare. Studenterna får behålla tentamensuppgifterna. Skrivtid: 4.00-7.00 ger maximalt 24 poäng. Betygsgränser:
Läs mer1. Lära sig plotta en beroende variabel mot en oberoende variabel. 2. Lära sig skatta en enkel linjär regressionsmodell
Datorövning 1 Regressions- och tidsserieanalys Syfte 1. Lära sig plotta en beroende variabel mot en oberoende variabel 2. Lära sig skatta en enkel linjär regressionsmodell 3. Lära sig beräkna en skattning
Läs merdenna del en poäng. 1. (Dugga 1.1) och v = (a) Beräkna u (2u 2u v) om u = . (1p) och som är parallell
Kursen bedöms med betyg, 4, 5 eller underänd, där 5 är högsta betyg. För godänt betyg rävs minst 4 poäng från uppgifterna -7. Var och en av dessa sju uppgifter an ge maximalt poäng. För var och en av uppgifterna
Läs merKurskod: TAIU06 MATEMATISK STATISTIK Provkod: TENA 17 August 2015, 8:00-12:00. English Version
Kurskod: TAIU06 MATEMATISK STATISTIK Provkod: TENA 17 August 2015, 8:00-12:00 Examiner: Xiangfeng Yang (Tel: 070 2234765). Please answer in ENGLISH if you can. a. Allowed to use: a calculator, Formelsamling
Läs merKurskod: TAIU06 MATEMATISK STATISTIK Provkod: TENA 15 August 2016, 8:00-12:00. English Version
Kurskod: TAIU06 MATEMATISK STATISTIK Provkod: TENA 15 August 2016, 8:00-12:00 Examiner: Xiangfeng Yang (Tel: 070 0896661). Please answer in ENGLISH if you can. a. Allowed to use: a calculator, Formelsamling
Läs mer8 < x 1 + x 2 x 3 = 1, x 1 +2x 2 + x 4 = 0, x 1 +2x 3 + x 4 = 2. x 1 2x 12 1A är inverterbar, och bestäm i så fall dess invers.
MÄLARDALENS HÖGSKOLA Akademin för utbildning, kultur och kommunikation Avdelningen för tillämpad matematik Examinator: Erik Darpö TENTAMEN I MATEMATIK MAA150 Vektoralgebra TEN1 Datum: 9januari2015 Skrivtid:
Läs merF16 MULTIPEL LINJÄR REGRESSION (NCT , 13.9) Anpassning av linjär funktion till givna data
Stat. teori gk, ht 006, JW F16 MULTIPEL LINJÄR REGRESSION (NCT 13.1-13.3, 13.9) Anpassning av linjär funktion till givna data Data med en beroende variabel (y) och K stycken (potentiellt) förklarande variabler
Läs merSTOCKHOLMS UNIVERSITET VT 2011 Avd. Matematisk statistik GB DATORLABORATION 1: TIDSSERIER.
MATEMATISKA INSTITUTIONEN Tillämpad statistisk analys, GN STOCKHOLMS UNIVERSITET VT 2011 Avd. Matematisk statistik GB 2011-03-24 DATORLABORATION 1: TIDSSERIER. I Tarfala har man under en lång följd av
Läs merKurskod: TAMS28 MATEMATISK STATISTIK Provkod: TEN1 05 June 2017, 14:00-18:00. English Version
Kurskod: TAMS28 MATEMATISK STATISTIK Provkod: TEN1 5 June 217, 14:-18: Examiner: Zhenxia Liu (Tel: 7 89528). Please answer in ENGLISH if you can. a. You are allowed to use a calculator, the formula and
Läs merSTOCKHOLMS UNIVERSITET HT 2011 Statistiska institutionen Bertil Wegmann
STOCKHOLMS UNIVERSITET HT 2011 Statistiska institutionen Bertil Wegmann KURSBESKRIVNING FÖR FINANSIELL STATISTIK, 7.5 HÖGSKOLEPOÄNG. KURSEN BESTÅR AV TVÅ MOMENT: Teori, skriftlig tentamen, 6 högskolepoäng
Läs merStat. teori gk, ht 2006, JW F7 STOKASTISKA VARIABLER (NCT 5.7) Ordlista till NCT
Stat. teori gk, ht 2006, JW F7 STOKASTISKA VARIABLER (NCT 5.7) Ordlista till NCT Jointly distributed Joint probability function Marginal probability function Conditional probability function Independence
Läs meroch v = 1 och vektorn Svar 11x 7y + z 2 = 0 Enligt uppgiftens information kan vi ta vektorerna 3x + 2y + 2z = 1 y z = 1 6x + 6y + 2z = 4
Kursen bedöms med betyg, 4, eller underkänd, där är högsta betyg. För godkänt betyg krävs minst 4 poäng från uppgifterna -7. Var och en av dessa sju uppgifter kan ge maximalt poäng. För var och en av uppgifterna
Läs merTentamen i Matematik 2: M0030M.
Tentamen i Matematik 2: M0030M. Datum: 203-0-5 Skrivtid: 09:00 4:00 Antal uppgifter: 2 ( 30 poäng ). Examinator: Norbert Euler Tel: 0920-492878 Tillåtna hjälpmedel: Inga Betygsgränser: 4p 9p = 3; 20p 24p
Läs mer1. Varje bevissteg ska motiveras formellt (informella bevis ger 0 poang)
Tentamen i Programmeringsteori Institutionen for datorteknik Uppsala universitet 1996{08{14 Larare: Parosh A. A., M. Kindahl Plats: Polacksbacken Skrivtid: 9 15 Hjalpmedel: Inga Anvisningar: 1. Varje bevissteg
Läs merStatistiska Institutionen Gebrenegus Ghilagaber (docent) Skriftlig tentamen i FINANSIELL STATISTIK, grundnivå, 7,5 hp, HT08. Torsdagen 15 januari 2009
Statistiska Institutionen Gebrenegus Ghilagaber (docent) Skriftlig tentamen i FINANSIELL STATISTIK, grundnivå, 7,5 hp, HT08. Torsdagen 15 januari 009 Skrivtid: 5 timmar (13-18) Hjälpmedel: Miniräknare,
Läs merMatematikcentrum 1(4) Matematisk Statistik Lunds Universitet MASB11 HT10. Laboration. Regressionsanalys (Sambandsanalys)
Matematikcentrum 1(4) Matematisk Statistik Lunds Universitet MASB11 HT10 Laboration Regressionsanalys (Sambandsanalys) Grupp A: 2010-11-24, 13.15 15.00 Grupp B: 2010-11-24, 15.15 17.00 Grupp C: 2010-11-25,
Läs merChapter 2: Random Variables
Chapter 2: Random Variables Experiment: Procedure + Observations Observation is an outcome Assign a number to each outcome: Random variable 1 Three ways to get an rv: Random Variables The rv is the observation
Läs mer10.1 Enkel linjär regression
Exempel: Hur mycket dragkraft behövs för att en halvledare skall lossna från sin sockel vid olika längder på halvledarens ben. De halvledare vi betraktar är av samma storlek (bortsett benlängden). 70 Scatterplot
Läs mer732G71 Statistik B. Föreläsning 9. Bertil Wegmann. December 1, IDA, Linköpings universitet
732G71 Statistik B Föreläsning 9 Bertil Wegmann IDA, Linköpings universitet December 1, 2016 Bertil Wegmann (IDA, LiU) 732G71, Statistik B December 1, 2016 1 / 20 Metoder för att analysera tidsserier Tidsserieregression
Läs merEn rät linje ett enkelt samband. En rät linje + slumpbrus. Observationspar (X i,y i ) MSG Staffan Nilsson, Chalmers 1.
En rät linje ett enkelt samband Y β 1 Lutning (slope) β 0 Skärning (intercept) 1 Y= β 0 + β 1 X X En rät linje + slumpbrus Y Y= β 0 + β 1 X + brus brus ~ N(0,σ) X Observationspar (X i,y i ) Y Ökar/minskar
Läs mer732G71 Statistik B. Föreläsning 8. Bertil Wegmann. IDA, Linköpings universitet. Bertil Wegmann (IDA, LiU) 732G71, Statistik B 1 / 23
732G71 Statistik B Föreläsning 8 Bertil Wegmann IDA, Linköpings universitet Bertil Wegmann (IDA, LiU) 732G71, Statistik B 1 / 23 Klassisk komponentuppdelning Klassisk komponentuppdelning bygger på en intuitiv
Läs merSTOCKHOLMS UNIVERSITET HT 2006 Statistiska institutionen Jan Hagberg, Bo Rydén, Christian Tallberg, Jan Wretman
STOCKHOLMS UNIVERSITET HT 2006 Statistiska institutionen Jan Hagberg, Bo Rydén, Christian Tallberg, Jan Wretman OBLIGATORISK INLÄMNINGSUPPGIFT STATISTISK TEORI, GK 10 och GK 20:2, heltid, HT 2006 Den obligatoriska
Läs merStatistikens grunder 1 och 2, GN, 15 hp, deltid, kvällskurs
Statistikens grunder 1 och 2, GN, 15 hp, deltid, kvällskurs TE/RC Datorövning 2 Syfte: 1. Lära sig presentera data i tabeller 2. Lära sig beskriva data numeriskt 3. Lära sig presentera data i grafer 4.
Läs merRegressions- och Tidsserieanalys - F8
Regressions- och Tidsserieanalys - F8 Klassisk komponentuppdelning, kap 7.1.-7.2. Linda Wänström Linköpings universitet November 26 Wänström (Linköpings universitet) F8 November 26 1 / 23 Klassisk komponentuppdelning
Läs merIsometries of the plane
Isometries of the plane Mikael Forsberg August 23, 2011 Abstract Här följer del av ett dokument om Tesselering som jag skrivit för en annan kurs. Denna del handlar om isometrier och innehåller bevis för
Läs mer1 Empirisk analys (April 25, 2006)
1 Empirisk analys (April 5, 00) Övergripande ide: "Business cycles are all alike" Robert Lucas. Iden går längre tillbaka. 1. NBER Burns och Mitchell. Stockholmsskolan. Haavelmo. I vilka avseende är konjunkturcyklerna
Läs merInnehåll - Två begrepp
Innehåll - Två begrepp Lasteffekt Naturlig variation Vad påverkar sannolikheten? Vad är sannolikhet? In the most general sense, the reliability of a structure is its ability to fulfil its design purpose
Läs mer2(x + 1) x f(x) = 3. Find the area of the surface generated by rotating the curve. y = x 3, 0 x 1,
MÄLARDALEN UNIVERSITY School of Education, Culture and Communication Department of Applied Mathematics Examiner: Lars-Göran Larsson EXAMINATION IN MATHEMATICS MAA5 Single Variable Calculus, TEN Date: 06--0
Läs merStockholms Univ., Statistiska Inst. Finansiell Statistik, GN, 7,5 hp, HT2008 Inlämningsuppgift (1,5hp)
Stockholms Univ., Statistiska Inst. Finansiell Statistik, GN, 7,5 hp, HT2008 Inlämningsuppgift (1,5hp) Nicklas Pettersson 1 Anvisningar och hålltider Uppgiften löses i grupper om 2-3 personer och godkänt
Läs mer4.3 Stokastiska variabler (slumpmässiga variabler) 4.4 Väntevärde och varians till stokastiska variabler
Föreläsning 2 4.3 Stokastiska variabler (slumpmässiga variabler) 4.4 Väntevärde och varians till stokastiska variabler Stokastiskavariabler Stokastisk variabel (eng: random variable) En variabel vars värde
Läs merÖvningshäfte till kursen Regressionsanalys och tidsserieanalys
Övningshäfte till kursen Regressionsanalys och tidsserieanalys Linda Wänström October 31, 2010 1 Enkel linjär regressionsanalys (baserad på uppgift 2.3 i Andersson, Jorner, Ågren (2009)) Antag att följande
Läs merExempel 1 på multipelregression
Exempel på multipelregression Hastighet = högsta hastighet som uppnåtts fram till givna år (årtal) Årtal Hastighet 83 3 (tåg) 9 3 (tåg) 93 (flyg) 97 7 (flyg) 9 (flyg) 99 (raket) Fitted Line Plot Hastighet
Läs mer12.6 Heat equation, Wave equation
12.6 Heat equation, 12.2-3 Wave equation Eugenia Malinnikova, NTNU September 26, 2017 1 Heat equation in higher dimensions The heat equation in higher dimensions (two or three) is u t ( = c 2 2 ) u x 2
Läs merMVE500, TKSAM Avgör om följande serier är divergenta eller konvergenta. Om konvergent, beräkna summan. (6p) ( 1) n x 2n+1 (a)
Chalmers tekniska högskola Datum: 7--9 kl. 8.3.3 Tentamen Telefonvakt: Milo Viviani MVE5, TKSAM- Tentan rättas och bedöms anonymt. Skriv tentamenskoden tydligt på placeringlista och samtliga inlämnade
Läs merObligatorisk uppgift, del 1
Obligatorisk uppgift, del 1 Uppgiften består av tre sannolikhetsproblem, som skall lösas med hjälp av miniräknare och tabellsamling. 1. Vid tillverkning av en produkt är felfrekvensen 0,02, dvs sannolikheten
Läs mer1. Find the 4-tuples (a, b, c, d) that solves the system of linear equations
MÄLARDALEN UNIVERSITY School of Education, Culture and Communication Department of Applied Mathematics Examiner: Lars-Göran Larsson EXAMINATION IN MATHEMATICS MAA150 Vector Algebra, TEN1 Date: 2018-02-15
Läs merLösningar till tentamen i EIT070 Datorteknik
Lösningar till tentamen i EIT070 Datorteknik Institutionen för Elektro- och informationsteknik, LTH Onsdagen den 13 mars 2013, klockan 14:00 19:00 i Vic 2 A-D, 3 A-C. Tillåtna hjälpmedel: på tentan utdelad
Läs mer732G71 Statistik B. Föreläsning 7. Bertil Wegmann. IDA, Linköpings universitet. Bertil Wegmann (IDA, LiU) 732G71, Statistik B 1 / 29
732G71 Statistik B Föreläsning 7 Bertil Wegmann IDA, Linköpings universitet Bertil Wegmann (IDA, LiU) 732G71, Statistik B 1 / 29 Detaljhandelns försäljning (fasta priser, kalenderkorrigerat) Bertil Wegmann
Läs merTentamen Tillämpad statistik A5 (15hp)
Tentamen Tillämpad statistik A5 (15hp) 2016-05-31 Statistiska institutionen, Uppsala universitet Upplysningar 1. Tillåtna hjälpmedel: Miniräknare, A4/A8 Tabell- och formelsamling (alternativ Statistik
Läs merTANA17 Matematiska beräkningar med MATLAB för M, DPU. Fredrik Berntsson, Linköpings Universitet. 26 november 2015 Sida 1 / 28
TANA17 Matematiska beräkningar med MATLAB för M, DPU Fredrik Berntsson, Linköpings Universitet 26 november 2015 Sida 1 / 28 Föreläsning 6 Minsta kvadrat problem. Polynom. Interpolation. Rötter. Tillämpningar:
Läs merLÖSNINGSFÖRSLAG TILL TENTAMEN I MATEMATISK STATISTIK 2007-08-29
UMEÅ UNIVERSITET Institutionen för matematik och matematisk statistik Statistik för Teknologer, 5 poäng (TNK, ET, BTG) Peter Anton, Per Arnqvist Anton Grafström TENTAMEN 7-8-9 LÖSNINGSFÖRSLAG TILL TENTAMEN
Läs merExaminationsuppgifter del 2
UMEÅ UNIVERSITET Institutionen för Matematik och Matematisk statistisk Statistik för ingenjörer, poäng, Anders Lundquist 7-- Examinationsuppgifter del Redovisas muntligt den / (Ö-vik) samt / (Lycksele).
Läs mer732G71 Statistik B. Föreläsning 3. Bertil Wegmann. November 4, IDA, Linköpings universitet
732G71 Statistik B Föreläsning 3 Bertil Wegmann IDA, Linköpings universitet November 4, 2015 Bertil Wegmann (IDA, LiU) 732G71, Statistik B November 4, 2015 1 / 22 Kap. 4.8, interaktionsvariabler Ibland
Läs merRegressions- och Tidsserieanalys - F1
Regressions- och Tidsserieanalys - F1 Kap 3: Enkel linjär regression Linda Wänström Linköpings universitet November 4, 2013 Wänström (Linköpings universitet) F1 November 4, 2013 1 / 25 Statistik B, 8 hp
Läs merRegressions- och Tidsserieanalys - F1
Regressions- och Tidsserieanalys - F1 Kap 3: Enkel linjär regression Linda Wänström Linköpings universitet May 4, 2015 Wänström (Linköpings universitet) F1 May 4, 2015 1 / 25 Regressions- och tidsserieanalys,
Läs mer7.5 Experiment with a single factor having more than two levels
7.5 Experiment with a single factor having more than two levels Exempel: Antag att vi vill jämföra dragstyrkan i en syntetisk fiber som blandats ut med bomull. Man vet att inblandningen påverkar dragstyrkan
Läs merExempel 1 på multipelregression
Exempel på multipelregression Hastighet = högsta hastighet som uppnåtts fram till givna år (årtal) Årtal Hastighet 8 (tåg) 95 (tåg) 9 (flyg) 97 7 (flyg) 95 5 (flyg) 99 5 (raket) Regression Plot Hastighet
Läs merSlumpmässiga urval med Minitab LWn /
Statistiska institutionen Slumpmässiga urval med Minitab LWn / 2006-03-01 1 OSU, obundet slumpmässigt urval I Minitab har vi lagt upp ett register med våra tjugo bästa kompisar. Nu ska vi göra ett OSU
Läs merAvbildningar och hashtabeller. Koffman & Wolfgang kapitel 7, mestadels avsnitt 2 4
Avbildningar och hashtabeller Koffman & Wolfgang kapitel 7, mestadels avsnitt 2 4 1 2 Mängder i Java 3 Mängd-gränssnittet Set vs. List Mängder får endast innehålla unika element: Metoden.add(E) returnerar
Läs merEtt A4-blad med egna handskrivna anteckningar (båda sidor) samt räknedosa.
Tentamen Linköpings Universitet, Institutionen för datavetenskap, Statistik Kurskod och namn: Datum och tid: Jourhavande lärare: Tillåtna hjälpmedel: 732G71 Statistik B 2015-12-09, 8-12 Bertil Wegmann
Läs merTentamen Grundläggande programmering
Akademin för Innovation Design och Teknik Tentamen Grundläggande programmering Kurskod: DVA103 Datum 2012-06-11 Tid 14.10 16.30 Examinator: Lars Asplund Maxpoäng: 48 Betygsgränser: Betyg 3: 20 Betyg 4:
Läs merTENTAMEN I MATEMATISK STATISTIK
UMEÅ UNIVERSITET Institutionen för matematisk statistik Regressions- och variansanalys, 5 poäng MSTA35 Leif Nilsson TENTAMEN 2003-01-10 TENTAMEN I MATEMATISK STATISTIK Regressions- och variansanalys, 5
Läs merMaximalt antal poäng för hela skrivningen är28 poäng. För Godkänt krävs minst 17 poäng. För Väl Godkänt krävs minst 22,5 poäng.
Försättsblad KOD: Kurskod: PC1307/PC1546 Kursnamn: Kurs 7: Samhällsvetenskaplig forskningsmetodik/forskningsmetodik och fördjupningsarbete Provmoment: Statistik, 5 hp Ansvarig lärare: Sara Landström Tentamensdatum:
Läs merTENTAMEN. HiG sal 51:525A B eller annan ort. Lärare: Tommy Waller ( tel: eller )
TENTMEN Kurs: Plats: Dataanalys och statistik 2 distans 7,5 hp HiG sal 5:525 B eller annan ort Datum: 2 6 9 Tid: 9: 4: Lärare: Tommy Waller ( tel: 26-64 89 65 eller 74 3 86 3 ) Hjälpmedel: Miniräknare
Läs merKurskod: TAMS24 / Provkod: TEN (8:00-12:00) English Version
Kurskod: TAMS24 / Provkod: TEN 25-8-7 (8: - 2:) Examinator/Examiner: Xiangfeng Yang (Tel: 7 2234765). Please answer in ENGLISH if you can. a. You are permitted to bring: a calculator; formel -och tabellsamling
Läs merSkrivning i ekonometri lördagen den 29 mars 2008
LUNDS UNIVERSITET STATISTISKA INSTITUTIONEN MATS HAGNELL STAB, Ekonometri Skrivning i ekonometri lördagen den 9 mars 8.Vi vill undersöka hur variationen i antal arbetande timmar för gifta kvinnor i Michigan
Läs merLö sningsfö rslag till tentamen i matematisk statistik Statistik öch kvalitetsteknik 7,5 hp
Sid (7) Lö sningsfö rslag till tentamen i matematisk statistik Statistik öch kvalitetsteknik 7,5 hp Uppgift Nedanstående beräkningar från Minitab är gjorda för en Poissonfördelning med väntevärde λ = 4.
Läs merSannolikhetsteori. Tentamenskrivning: TMS145 - Grundkurs i matematisk statistik och bioinformatik,
Tentamenskrivning: TMS145 - Grundkurs i matematisk statistik och bioinformatik, 5p. Tid: Lördag den 29 mars, 2008 kl 14.00-18.00 i V-huset. Examinator: Olle Nerman, tel 7723565. Jour: Alexandra Jauhiainen,
Läs merMer om texter i MATLAB och om iterativ lösning av linjära ekvationssystem
Mer om texter i MATLAB och om iterativ lösning av linjära ekvationssystem Texter (strängar) i MATLAB skrivs omgivna av '' och behandlas som vektorer, med samma operationer: text = 'iss'; disp(['m' text
Läs merKURSBESKRIVNING FÖR FINANSIELL STATISTIK, 7.5 HÖGSKOLEPOÄNG.
VT2014 Nicklas Pettersson, Statistiska Institutionen KURSBESKRIVNING FÖR FINANSIELL STATISTIK, 7.5 HÖGSKOLEPOÄNG. KURSEN BESTÅR AV TVÅ MOMENT: Kursen ingår i kandidatprogrammet i företagsekonomi med inriktning
Läs merMata in data i Excel och bearbeta i SPSS
Mata in data i Excel och bearbeta i SPSS I filen enkät.pdf finns svar från fyra män taget från en stor undersökning som gjordes i början av 70- talet. Ni skall mata in dessa uppgifter på att sätt som är
Läs merSTATISTISK ANALYS AV KOMPLEXA DATA
STATISTISK ANALYS AV KOMPLEXA DATA LONGITUDINELLA DATA Linda Wänström Linköpings universitet 9 December Linda Wänström (Linköpings universitet) LONGITUDINELLA DATA 9 December 1 / 43 Longitudinella data
Läs merPreschool Kindergarten
Preschool Kindergarten Objectives CCSS Reading: Foundational Skills RF.K.1.D: Recognize and name all upper- and lowercase letters of the alphabet. RF.K.3.A: Demonstrate basic knowledge of one-toone letter-sound
Läs mer732G71 Statistik B. Föreläsning 4. Bertil Wegmann. November 11, IDA, Linköpings universitet
732G71 Statistik B Föreläsning 4 Bertil Wegmann IDA, Linköpings universitet November 11, 2016 Bertil Wegmann (IDA, LiU) 732G71, Statistik B November 11, 2016 1 / 34 Kap. 5.1, korrelationsmatris En korrelationsmatris
Läs merLUNDS UNIVERSITET STATISTISKA INSTITUTIONEN MATS HAGNELL. Skrivning i ekonometri onsdagen den 1 juni 2011
LUNDS UNIVERSITET STATISTISKA INSTITUTIONEN MATS HAGNELL STAB2 Skrivning i ekonometri onsdagen den 1 juni 211 1. Vi vill undersöka hur variationen i försäljningspriset för ett hus (i en liten stad i USA
Läs merStatistiska Institutionen Gebrenegus Ghilagaber (docent) Skriftlig tentamen i FINANSIELL STATISTIK, grundnivå, 15 hp, HT07. Fredagen 18 januari 2008
Statistiska Institutionen Gebrenegus Ghilagaber (docent) Skriftlig tentamen i FINANSIELL STATISTIK, grundnivå, 15 hp, HT07. Fredagen 18 januari 2008 Skrivtid: 5 timmar (14-19) Hjälpmedel: Miniräknare,
Läs merKurskod: TAMS11 Provkod: TENB 28 August 2014, 08:00-12:00. English Version
Kurskod: TAMS11 Provkod: TENB 28 August 2014, 08:00-12:00 Examinator/Examiner: Xiangfeng Yang (Tel: 070 2234765) a. You are permitted to bring: a calculator; formel -och tabellsamling i matematisk statistik
Läs merRegressionsanalys med SPSS Kimmo Sorjonen (2010)
1 Regressionsanalys med SPSS Kimmo Sorjonen (2010) 1. Multipel regression 1.1. Variabler I det aktuella exemplet ingår följande variabler: (1) life.sat, anger i vilket utsträckning man är nöjd med livet;
Läs merSolutions to exam in SF1811 Optimization, June 3, 2014
Solutions to exam in SF1811 Optimization, June 3, 14 1.(a) The considered problem may be modelled as a minimum-cost network flow problem with six nodes F1, F, K1, K, K3, K4, here called 1,,3,4,5,6, and
Läs mer