EXAMENSARBETE. Faktorförsökbaserad diskret händelsestyrd simulering av trafikflöden under långsiktiga prognoser. En fallstudie vid Göteborgs Hamn
|
|
- Kerstin Blomqvist
- för 7 år sedan
- Visningar:
Transkript
1 EXAMENSARBETE Faktorförsökbaserad diskret händelsestyrd simulering av trafikflöden under långsiktiga prognoser En fallstudie vid Göteborgs Hamn Filip Holmgren Erik Wensfelt 2015 Civilingenjörsexamen Industriell ekonomi Luleå tekniska universitet Institutionen för ekonomi, teknik och samhälle
2 Sammanfattning
3 Abstract
4 Förord
5 Innehåll 1 INLEDNING BAKGRUND PROBLEMFORMULERING AKADEMISKT SYFTE FÖRETAGSSPECIFIKT SYFTE AVGRÄNSNINGAR RAPPORTENS STRUKTUR TEORI TEORETISK REFERENSRAM SIMULERING DATAINSAMLING FÖR SIMULERING SIMULERINGENS TROVÄRDIGHET FÖRDELNINGAR VID SIMULERING KÖTEORI ANALYSVERKTYG METODBESKRIVNING FORSKNINGSFILOSOFI VETENSKAPLIGT SYFTE FORSKNINGSANSATS FORSKNINGSSTRATEGI METODVAL DATAINSAMLING TROVÄRDIGHET KAPITELSAMMANFATTNING OCH ARBETSGÅNG FÖRETAGSPRESENTATION HISTORIA OCH BAKGRUND NULÄGE FRAMTID ALTERNATIVA FRAMTIDA UTFORMNINGAR DATAINSAMLING SEKUNDÄRDATA PRIMÄRDATA INTERVJUER ANALYS AV INDATA TILL SIMULERING STRUKTUR PROBLEMANALYS MODELLERING MODELLENS OMFATTNING OCH INNEHÅLL MODELLINDATA SIMULERINGSRESULTAT OCH ANALYS MODELLENS UPPBYGGNAD SIMULERING AV NULÄGE SIMULERING AV SCENARIER FÖRBÄTTRINGSANALYS... 48
6 7.5 KOSTNADSANALYS SLUTSATSER OCH REKOMMENDATIONER REKOMMENDATIONER TILL GÖTEBORGS HAMN AKADEMISKA SLUTSATSER VIDARE STUDIER DISKUSSION PÅLITLIGHET IMPLIKATIONER FÖRFATTARNAS PERSONLIGA REFLEKTIONER REFERENSER BILAGAOR Bilagor Bilaga 1: Intervju Marshalling area Bilaga 2: Modellindata Bilaga 3: Beräkningar Bilaga 4: Validering Bilaga 5: Ekvationer Bilaga 6: Faktorförsök Bilaga 7: Regressionsanalys Bilaga 8: Simuleringsresultat Bilaga 9: Hamnkarta Figurer FIGUR 2.1: SAMBAND MELLAN TEORI OCH ARBETSSTEG... 3 FIGUR 2.2: BLACK-BOX VALIDATION: JÄMFÖRELSE MED VERKLIGT SYSTEM (ROBINSON, 2004, S. 214)... 6 FIGUR 2.3: RELATION MELLAN DETALJGRAD OCH PRECISION (ROBINSON, 2004, S. 68)... 7 FIGUR 2.4: NORMALFÖRDELNING... 7 FIGUR 2.5: NÅGRA ICKE NEGATIVA FÖRDELNINGAR... 8 FIGUR 2.6: CHI-SQUAREDFÖRDELNING (DEVOR, 2014, S.725)... 8 FIGUR 2.7: TRIANGULÄR FÖRDELNING... 9 FIGUR 3.1: SKILLNAD PÅ VALIDITET OCH RELIABILITET, KÄLLA: MINDSONAR, N.D FIGUR 4.1: LOKALISERING AV TERMINALER FIGUR 4.2 VÄGAR OCH PORTAR FIGUR 4.3: KORSANDE JÄRNVÄGAR FIGUR 4.4: ANMÄLNINGSPLATSER OCH MARSHALLING AREA FIGUR 4.5: KÖBILDNING TILL PORT 4 DEN 18E FEBRUARI FIGUR 4.6: GENOMSNITTLIG OCH MAXIMA VÄNTETID FÖR VARDAGAR (FEBRUARI 2015) FIGUR 4.7: PROGNOSTISERAD ÖKNING AV TRAFIK FIGUR 4.8: NY PLATS FÖR PORT 3 OCH NY JÄRNVÄG TILL BILTERMINALEN FIGUR 5.1: FORDONSANDEL TILL RESPEKTIVE PORT... 25
7 FIGUR 5.2: OPERATIONSTIDER VID PORTAR FIGUR 6.1: PROCESSFLÖDE NULÄGE, LÄNGDEN VISAS I METER FIGUR 6.2: PROCESSFLÖDE SCENARIER, LÄNGDEN VISAS I METER FIGUR 6.3: LOGISKT FLÖDE NULÄGE FIGUR 6.4: LOGISKT FLÖDE SCENARIER FIGUR 6.5: ANTAL FORDON SOM FÄRDAS GENOM RESPEKTIVE PORT PER TIMME (KL. 6-20) FIGUR 7.1: GENOMSNITT ANTAL FORDON I KÖN VID MARSHALLING AREA SYNS PÅ Y-AXELN OCH X-AXELN VISAR MÄTDAGAR. BLÅ LINJE MOTSVARAR DET SIMULERADE RESULTATET OCH DEN GRÅ MOTSVARAR GENOMSNITT AV SIMULERINGSRESULTATET FIGUR 7.2: EXEMPELGRAF VID UTAN SLOTTIDER FIGUR 7.3: FÖRVÄNTADE GENOMSNITTLIGA VÄNTETIDER FÖR (A) UTAN SLOTTIDER OCH (B) MED SLOTTIDER 44 FIGUR 7.4: FÖRVÄNTAD GENOMSNITTLIG KÖLÄNGD VID FAKTORINSTÄLLNINGARNA A, B, C OCH D FIGUR 7.5: GENOMSNITTLIGA KÖLÄNGDER VID PORT ENTRY FIGUR 7.6: MAXIMALA KÖLÄNGDER VID PORT ENTRY FIGUR 7.7: SAMSPEL MELLAN ÅR OCH ANKOMSTFÖRDELNING FÖR PORT ENTRY, CONTAINER, Y-AXELN VISAR KÖTID I MINUTER. RÖD LINJE MOTSVARAR INFÖRANDET AV SLOTTIDER OCH GRÖN MOTSVARAR UTAN SLOTTIDER FIGUR 7.8: FÖRÄNDRING I KÖTID VID PORT ENTRY, RORO, ÖVER TIDEN, Y-AXELN VISAR KÖTIDEN I MINUTER. 48 FIGUR 7.9: SAMMANSTÄLLNING AV KOSTNADER ATT STÅ I KÖ TILL CONTAINERTERMINALEN FÖR 2025 OCH Tabeller TABELL 2.1: GODTYCKLIG FÖRSÖKSPLAN TABELL 3.1: YINS VÄGLEDNING TILL VAL AV FORSKNINGSSTRATEGI (YIN, 2009, S. 8) TABELL 3.2: SAMMANFATTNING AV METODIK TABELL 4.1: OLIKA ALTERNATIV ATT UTFORMA VERKSAMHETEN TABELL 5.1: ANTAL OBSERVATIONER VID PORTAR TABELL 6.1: BEHOV AV PROCESS OCH DATA TABELL 6.2: SCENARIER TABELL 6.3: SIMULERINGSMODELLENS OMFATTNING TABELL 6.4: SIMULERINGSINNEHÅLL TABELL 6.5: ANTAL PORTPASSAGER FÖR PORT 4, ÖVRIG TRAFIK EXKLUDERAD TABELL 6.6: SCENARIER SOM TESTAS TABELL 7.1: AKTIVITETER I SIMUL8 OCH MOTSVARIGHETER I VERKLIGHETEN TABELL 7.2: GENOMSNITTLIGT ANLÄNDA FORDON ÖVER EN VECKA FÖR SIMULERING OCH VERKLIGHET TABELL 7.3: BLACK-BOX VALIDERING MELLAN SIMULERAD ÖKNING OCH PROGNOSTISERAD ÖKNING AV ANTAL FORDON TILL PORT
8 1 Inledning 1.1 Bakgrund Problemformulering n TEU är en 20 fots container och är standardmåttet som används för att beskriva kapaciteten på fordon som transporterar container (OECD, 2015). Exempelvis kan ett fordon som har kapaciteten 2 TEU transportera antingen två 20 fots container eller en 40 fots container.
9 1.3 Akademiskt syfte 1.4 Företagsspecifikt syfte 1.5 Avgränsningar 1.6 Rapportens struktur
10 2 Teori 2.1 Teoretisk referensram Problemanalys Problemdefinering Datainsamling Databehov Kategorisering VV&T Face Validation Typ III fel Modellering Konceptuell modell Processflöde Logiskt flöde Datainsamling Kategorisering VV&T Face Validation Typ III fel Statistiska metoder Typ II & I fel Simulering Simuleringsmodell VV&T Face Validation Typ I & II & III fel White-box Validation Typ II & III fel Black-box Validation Typ II & III fel Analys med försöksplanering Rapportering Slutsatser CTM Theory of Constraints VV&T Face Validation Typ I & II & III fel 2.2 Simulering Simuleringsarbetsgång
11 2.2.2 Konceptuell modell Simul8
12 2.3 Datainsamling för simulering 2.4 Simuleringens trovärdighet
13
14 Övre intervallgräns = X S X R + t 2n 2,α 2 S S S R n Undre intervallgräns = X S X R t 2n 2,α 2 S S S R n 2.5 Fördelningar vid simulering Kontinuerliga fördelningar
15 2.5.2 Geometriska fördelningar
16 2.5.3 Goodness-of-fit H 0 : p 1 = p 1.0, p 2 = p 2x.0 =... = p k = p k.0 H a : minst ett av p i skiljer sig från p i.0 k X 2 = (N i np i0 ) 2 i = 1 np i0 2.6 Köteori p i,0 = P(a i 1 X < a i ) = a i a i 1 f o (x)dx M/M/1 (Markov/Markov/1 station) system
17 L = λ ( W q + 1 μ ) W q = väntetid i kö λ = väntevärdet på anlända kunder till systemet μ = väntevärdet för betjäning/servicetid L = Förväntat antal kunder i kön 2.7 Analysverktyg Försöksplanering
18 2.7.2 Cycle Time Management Theory of constraints
19 3 Metodbeskrivning 3.1 Forskningsfilosofi Val av forskningsfilosofi 3.2 Vetenskapligt syfte Val av vetenskapligt syfte
20 3.3 Forskningsansats Val av forskningsansats 3.4 Forskningsstrategi
21 3.4.1 Val av forskningsstrategi 3.5 Metodval Val av metodval 3.6 Datainsamling Datainsamlingsmetoder
22 3.6.2 Val av datainsamling 3.7 Trovärdighet
23 3.7.1 Trovärdighetsanalys 3.8 Kapitelsammanfattning och arbetsgång
24 3.8.1 Definitioner
25 4 Företagspresentation 4.1 Historia och bakgrund 4.2 Nuläge Terminaler och portar
26 4.2.2 Trafikflöde
27 4.2.3 Järnvägar Beskrivning av trafik Anmälningsprocess
28 4.2.6 Nuvarande problem
29 Minuter Dag (Februari 2015) Genomsnittlig väntetid 4.3 Framtid Port 2 Port 3 Port 4 Port 6
30 4.3.1 Utjämnade ankomster (slottider) Nya vägar och Port Entry Flytta port Alternativa framtida utformningar
31 4.4.1 Syftet för uppdragsgivaren Göteborgs Hamn
32 5 Datainsamling 5.1 Sekundärdata Portpassager till port 2, 3 och Detaljerade passager till port Portpassager till port Tågtider
33 5.1.5 Truck waiting time 5.2 Primärdata Operationstider för portar 5.3 Intervjuer
34
35 6 Analys av indata till simulering 6.1 Struktur 6.2 Problemanalys Beskrivning av modellen Behov av process och data
36 6.2.3 Scenarier Responser Validering, verifiering och testning (VV&T) 6.3 Modellering
37 6.3.1 Konceptuell modell Processflöde
38
39
40 6.3.3 Logiskt flöde
41
42 6.4 Modellens omfattning och innehåll Omfattning Detaljnivå
43
44 6.4.3 Antaganden Förenklingar
45 6.4.5 Terminaltid (port 4)
46 6.4.6 Operationstider för portar Ankomstintervall Port 2 Port 3 Port 4 Port Validering, verifiering och testning (VV&T)
47 6.5 Modellindata
48 7 Simuleringsresultat och analys 7.1 Modellens uppbyggnad Aktiviteter Beskrivning av modell
49 Antal i kö Antal körningar = Simulering av nuläge Analys av Marshalling area Validering, verifiering och testning (VV&T) för nuläge
50 7.3 Simulering av scenarier Exempelgraf
51 7.3.2 Genomsnittlig kötid port 4 E : T e rm in a ltid Average time in Queue Design-Expert Software Factor Coding: 5 Actual 5 Average time in Queue 220 Design Points X1 100= D: Year X2 = E: Terminaltid Actual Factors A: Terminalflytt = 1 B: Port Entry = 1 C: Ankomstfördelning = Jämn E : T e rm in a ltid Average time in Queue D: Year D: Year Ekvation: y = x y 1195x t x y x t x y x t x y 2 x t 11.1x y x t 2 586x t 3 Ekvation: y = x y 1250x t x y x t x y x t x y 2 x t 11.1x y x t 2 586x t 3
52 7.3.3 Genomsnittlig kötid port 2 & Genomsnittlig kölängd port 4 E : T e rm in a ltid Average content in Queue Design-Expert Software Factor Coding: Actual 5 5 Average content in Queue 280 Design Points X1 = D: Year X2 = 5E: Terminaltid Actual Factors A: Terminalflytt = 1 40 B: Port Entry = 1 20 C: Ankomstfördelning = Ojämn E : T e rm in a ltid Average content in Queue D: Year D: Year n-expert Software r Coding: Actual ge content in Queue sign Points Design-Expert Software Average content in Queue Factor Coding: Actual Average 5 content in Queue Design Points Average content in Queue D: Year E: Terminaltid l Factors rminalflytt = 2 rt Entry = 1 komstfördelning = Jämn E : T e rm in a ltid X1 = D: Year X2 = 60 E: Terminaltid Actual Factors A: Terminalflytt = 2 B: Port Entry = 1 C: Ankomstfördelning = Ojämn E : T e rm in a ltid D: Year D: Year
53 Roro Container Bil Roro Container Bil Roro Container Bil Roro Container Bil Antal Antal i kö Slottider, dagens nivå Slottider, 40% Slottider, 80% Slottider 120% Utan slottider, 40% Utan slottider, 40% Utan slottider, 80% Utan slottider, 120% Maximal kölängd Port Entry Utan slottider Slottider Utan slottider Slottider Max 75%
54 7.3.6 Genomsnittlig kötid för Port Entry
55 7.3.7 Validering, verifiering och testning (VV&T) av scenarier 7.4 Förbättringsanalys
56 Miljoner SEK 7.5 Kostnadsanalys Ingen förändring 40% Ökad kapacitet 80% Ökad kapacitet Ingen förändring 40% Ökad kapacitet 80% Ökad kapacitet 120% Ökad kapacitet
57 8 Slutsatser och rekommendationer 8.1 Rekommendationer till Göteborgs Hamn 8.2 Akademiska slutsatser
58 8.2.1 Hur kan en trovärdig simuleringsmodell utvecklas i syfte att uttrycka befintlig infrastruktur? Hur kan faktorförsök appliceras på en befintlig simuleringsmodell för att identifiera signifikanta faktorer för framtida scenarier?
59 8.2.3 Hur kan signifikanta faktorer uttryckas till beslutsunderlag till långsiktiga prognoser? 8.3 Vidare studier
60 9 Diskussion 9.1 Pålitlighet Validitet Verifiering Reliabilitet
61 9.1.4 Datavalidering 9.2 Implikationer 9.3 Författarnas personliga reflektioner
62 10 Referenser
63
64 Bilaga 1 Intervju Marshalling area
65
66 Bilaga 2 Modellindata λ λ Ankomster
67 Aktiviteter
68
69 Bilaga 3 Beräkningar Fördelningar H 0 : Insläppstid Pe V (α, β) H 1 : Insläppstid Pe V (α, β) H 0 Pe V (α, β) α = β = X 2 2 > X 0.05,v X 2 = X 0.05,v = H 0 : Insläppstid Pe V (α, β) H 1 : Insläppstid Pe V (α, β) H 0 Pe V (α, β) α = β = X 2 2 > X 0.05,v X 2 = X 0.05,v =
70 H 0 : Ankomstintervall p2 Exp(λ) H 1 : Ankomstintervall p2 Exp(λ) H 0 Exp(λ) λ = X 2 2 > X 0.05,v X 2 = X 0.05,v = H 0 : Ankomstintervall p3 Exp(λ) H 1 : Ankomstintervall p3 Exp(λ) H 0 Exp(λ) λ = X 2 2 > X 0.05,v X 2 = X 0.05,v = H 0 : Ankomstintervall p4 Exp(λ) H 1 : Ankomstintervall p4 Exp(λ) H 0 Exp(λ) λ = X 2 2 > X 0.05,v X 2 = X 0.05,v = 11.07
71 Kostnader Årlig kostnad = Genomsnittstid i kö Antal anlända fordon Driftkostnad Arbetsdagar på en månad Antal månader
72 Bilaga 4 Validering Ankommande fordon X S = = X R S S = S R = n = t 2n 2,α 2 = α = Övre gräns = = Undre gräns = = Kötid Marshalling area X S = = X R S S = S R = n = t 2n 2,α 2 = α = Övre gräns = = Undre gräns = =
73 Bilaga 5 Ekvationer Validering S SR = X S X R ± t 2n 2,α 2 S S S R n X S = = X R S S 2 = S R 2 = n = t 2n 2,α 2 = 2n 2 α = signifikansnivå Chi-squared np i k X 2 = (N i np i ) 2 np i i = 1 n är antalet händelser p i är sannolikheten för kategori i k är antalet kategorier X 2 H 0 : p 1 = p 1.0, p 2 = p 2x.0 =... = p k = p k.0 H a : minst ett av p i skiljer sig från p i.0 k X 2 = (N i np i0 ) 2 i = 1 np i0 X 2 p i.0 2 X α,k 1 p i
74 p i,0 = P(a i 1 X < a i ) = a i a i 1 f o (x)dx X är den variabeln donoterar urvalet vars sannolikhetsfunktion är f o (x) [a 0, a 1 ), [a 1, a 2 ) [a k 1, a k )
75 Bilaga 6 Faktorförsök
76
77 Terminal-flytt Port Entry AF År Terminaltid
78 Bilaga 7 Regressionsanalys Genomsnittlig kötid Design-Expert Software Average time in Queue Normal Plot of Residuals Color points by value of Average time in Queue: N o rm a l % P ro b a b ility Externally Studentized Residuals Design-Expert Software Average time in Queue Residuals vs. Predicted Color points by value of Average time in Queue: E xternally S tudentized R esiduals Predicted
79 Design-Expert Software Average time in Queue Predicted vs. Actual Color points by value of Average time in Queue: P re d ic te d Actual Design-Expert Software Average time in Queue Residuals vs. A:Terminalflytt Residuals vs. B:Port Entry E xternally S tudentized R esiduals Color points by value of Average time in Queue: E xternally S tudentized R esiduals A:Terminalflytt B:Port Entry
80 Residuals vs. C:Ankomstfördelning Residuals vs. D:Year E xternally S tudentized R esiduals E xternally S tudentized R esiduals C:Ankomstfördelning D:Year Design-Expert Software Average time in Queue Residuals vs. E:Terminaltid Color points by value of Average time in Queue: E xternally S tudentized R esiduals E:Terminaltid
81 Kötid i minuter Bilaga 8 Simuleringsresultat Utan slottider, dagens nivå Med slottider, dagens nivå Utan slottider, 40% förbättring Utan slottider, 60% förbättring Utan slottider, 20% förbättring Med slottider, 20% förbättring Med slottider, 40% förbättring Med slottider, 60% förbättring Max 75% Utan slottider Slottider Utan slottider Slottider Roro Container Bil Roro Container Bil Roro Container Bil Roro Container Bil Max 75% År Utan slottider Slottider Utan slottider Slottider
82 Utan slottider Slottider Roro Container Bil Roro Container Bil
83 Bilaga 9 Hamnkarta
χ 2, chi-två Test av anpassning: sannolikheter specificerade Data: n observationer klassificerade i K olika kategorier:
Stat. teori gk, ht 006, JW F1 χ -TEST (NCT 16.1-16.) Ordlista till NCT Goodness-of-fit-test χ, chi-square Test av anpassning χ, chi-två Test av anpassning: sannolikheter specificerade i förväg Data: n
Läs merRättningstiden är i normalfall 15 arbetsdagar, till detta tillkommer upp till 5 arbetsdagar för administration, annars är det detta datum som gäller:
Matematisk Statistik Provmoment: Ladokkod: Tentamen ges för: Tentamen TT091A TGMAS15h 7,5 högskolepoäng TentamensKod: Tentamensdatum: 30 Maj Tid: 9-13 Hjälpmedel: Miniräknare (nollställd) samt allmänspråklig
Läs merÅVS E4/E6/E20 Helsingborg
Arbetsrapport ÅVS E4/E6/E20 Helsingborg Kapacitetsstudie trafikplats Vasatorp utblick 2030 Malmö 2015-09-25 ÅVS E4/E6/E20 Helsingborg Kapacitetsstudie trafikplats Vasatorp utblick 2030 Arbetsrapport Datum
Läs mer7,5 högskolepoäng. Statistisk försöksplanering och kvalitetsstyrning. TentamensKod: Tentamensdatum: 28 oktober 2016 Tid: 9.
Statistisk försöksplanering och kvalitetsstyrning Provmoment: Ladokkod: Tentamen ges för: TentamensKod: Tentamen 4I2B KINAF4, KINAR4, KINLO4, KMASK4 7,5 högskolepoäng Tentamensdatum: 28 oktober 206 Tid:
Läs merSF1901: Sannolikhetslära och statistik
SF9: Sannolikhetslära och statistik Föreläsning 3. Stokastiska variabler, diskreta och kontinuerliga Jan Grandell & Timo Koski 8.9.28 Jan Grandell & Timo Koski () Matematisk statistik 8.9.28 / 45 Stokastiska
Läs merStokastiska processer och simulering I 24 maj
STOCKHOLMS UNIVERSITET LÖSNINGAR MATEMATISKA INSTITUTIONEN Stokastiska processer och simulering I Avd. Matematisk statistik 24 maj 2016 Lösningar Stokastiska processer och simulering I 24 maj 2016 9 14
Läs merTrafiklots förbi vägarbete. Verktyg för att ta fram förlängd restid och kötid för vägarbeten med olika längd och trafikmängd
Trafiklots förbi vägarbete Verktyg för att ta fram förlängd restid och kötid för vägarbeten med olika längd och trafikmängd Titel: Trafiklots förbi vägarbete - Verktyg för att ta fram förlängd restid och
Läs mer7,5 högskolepoäng. Statistisk försöksplanering och kvalitetsstyrning. TentamensKod: Tentamensdatum: 30 oktober 2015 Tid: 9-13:00
Statistisk försöksplanering och kvalitetsstyrning Provmoment: Ladokkod: Tentamen ges för: TentamensKod: Tentamen 5Hp 41I12B KINAF13, KINAR13, KINLO13,KMASK13 7,5 högskolepoäng Tentamensdatum: 30 oktober
Läs merUtvärdering av ITS. Albania Nissan Avdelning för Trafik och logistik
Utvärdering av ITS Albania Nissan (bibbi@infra.kth.se) Avdelning för Trafik och logistik Utvärderingsmöjligheter Motorvägar -Variable message sigs (VMS) -Variable speed signs (VSL) -Incident management
Läs merTentamen i Matematisk statistik Kurskod S0001M
Tentamen i Matematisk statistik Kurskod S0001M Poäng totalt för del 1: 25 (10 uppgifter) Tentamensdatum 2016-06-03 Poäng totalt för del 2: 30 (3 uppgifter) Skrivtid 9.00 14.00 Lärare: Adam Jonsson Jourhavande
Läs merSimulering av ett Multi-skill callcenter Med varierande genomsnittlig betjäningstid beroende på agenters kunskapsnivå
Simulering av ett Multi-skill callcenter Med varierande genomsnittlig betjäningstid beroende på agenters kunskapsnivå Handledare: Johan Boye Filip Gaun Klippgatan 12c 171 47 Solna 076-650 76 33 lipgau@kth.se
Läs merTrafikanalys Nacka Strand
UPPDRAG Nacka Strand UPPDRAGSNUMMER 435762 UPPDRAGSLEDARE Emma Wiklund UPPRÄTTAD AV Tan Na Cheng DATUM 23-8-9 Trafikanalys Nacka Strand Inledning Denna behandlar trafikanalysen gjord med Capcal för förmiddagens
Läs merFinansiell Statistik (GN, 7,5 hp,, HT 2008) Föreläsning 3
Finansiell Statistik (GN, 7,5 hp,, HT 2008) Föreläsning 3 Kontinuerliga sannolikhetsfördelningar (LLL Kap 7 & 9) Department of Statistics (Gebrenegus Ghilagaber, PhD, Associate Professor) Financial Statistics
Läs merSF1901: SANNOLIKHETSTEORI OCH KONTINUERLIGA STOKASTISKA VARIABLER STATISTIK. Tatjana Pavlenko. 7 september 2016
SF1901: SANNOLIKHETSTEORI OCH STATISTIK FÖRELÄSNING 4 KONTINUERLIGA STOKASTISKA VARIABLER Tatjana Pavlenko 7 september 2016 PLAN FÖR DAGENS FÖRELÄSNING Repetition av diskreta stokastiska variabler. Väntevärde
Läs merStatistisk försöksplanering
Statistisk försöksplanering Provmoment: Ladokkod: Tentamen ges för: TentamensKod: Skriftlig tentamen 3 hp 51SF01 Textilingenjörsutbildningen Tentamensdatum: 25 Oktober 2017 Tid: 09:00-13 Hjälpmedel: Miniräknare
Läs merTrafikutredning Tosterö
Svenska Hem Entreprenad Stockholm 2017-10-17 Datum 2017-10-17 Uppdragsnummer 1320022838 Utgåva/Status Version 1 Eva-Lena Nilsson Malin Lagervall Johan Wahlstedt Uppdragsledare Handläggare Granskare Ramböll
Läs merRättningstiden är i normalfall 15 arbetsdagar, till detta tillkommer upp till 5 arbetsdagar för administration, annars är det detta datum som gäller:
Matematisk Statistik Provmoment: Ladokkod: Tentamen ges för: Tentamen 6.5 hp AT1MS1 DTEIN16h 7,5 högskolepoäng TentamensKod: Tentamensdatum: 1 juni 2017 Tid: 14-18 Hjälpmedel: Miniräknare Totalt antal
Läs merMälardalens Högskola. Formelsamling. Statistik, grundkurs
Mälardalens Högskola Formelsamling Statistik, grundkurs Höstterminen 2015 Deskriptiv statistik Populationens medelvärde (population mean): μ = X N Urvalets medelvärde (sample mean): X = X n Där N är storleken
Läs merTentamen i Statistik, STA A10 och STA A13 (9 poäng) Måndag 14 maj 2007, Kl
Karlstads universitet Avdelningen för nationalekonomi och statistik Tentamen i Statistik, STA A10 och STA A13 (9 poäng) Måndag 14 maj 2007, Kl 08.15-13.15 Tillåtna hjälpmedel: Bifogad formelsamling, approximationsschema
Läs merDimensionerande nederbörd igår, idag och imorgon Jonas German, SMHI
Dimensionerande nederbörd igår, idag och imorgon Jonas German, SMHI Mallversion 1.0 2009-09-23 Hydraulisk dimensionering, enligt Vägverket och Svenskt Vatten 2 Beräkning av dimensionerande flöden För större
Läs merLäs noggrant informationen nedan innan du börjar skriva tentamen
Tentamen i Statistik 1: Undersökningsmetodik Ämneskod S0006M Totala antalet uppgifter: Totala antalet poäng Lärare: 5 25 Mykola Shykula, Inge Söderkvist, Ove Edlund, Niklas Grip Tentamensdatum 2014-03-26
Läs merTitel på examensarbetet. Dittnamn Efternamn. Examensarbete 2013 Programmet
Titel på examensarbetet på två rader Dittnamn Efternamn Examensarbete 2013 Programmet Titel på examensarbetet på två rader English title on one row Dittnamn Efternamn Detta examensarbete är utfört vid
Läs mertentaplugg.nu av studenter för studenter
tentaplugg.nu av studenter för studenter Kurskod Kursnamn K0003N Försöksplanering Datum 2014-06-02 Material Kursexaminator Betygsgränser Tentamenspoäng Tentamen Bjarne Bergquist 3 15; 4 20; 5 25 22,25
Läs merOptimering och simulering: Hur fungerar det och vad är skillnaden?
Optimering och simulering: Hur fungerar det och vad är skillnaden? Anders Peterson, Linköpings universitet Andreas Tapani, VTI med inspel från Sara Gestrelius, RIS-SIS n titt i KAJTs verktygslåda Agenda
Läs merFramsida Titelsida ii Trycksida iii Abstract iv Sammanfattning v Förord vi Tom vii Innehållsförteckning 1 Introduktion... 1 1.1 Bakgrund... 1 1.2 Inledning... 1 1.2.1 Kaprifolen... 2 1.3 Syfte... 2 1.4
Läs merStatistisk försöksplanering
Statistisk försöksplanering Provmoment: Ladokkod: Tentamen ges för: TentamensKod: Skriftlig tentamen 3 hp 51SF01 Textilingenjörsutbildningen Tentamensdatum: 2 November Tid: 09:00-13 Hjälpmedel: Miniräknare
Läs merSF1901 Sannolikhetsteori och statistik I
SF1901 Sannolikhetsteori och statistik I Jimmy Olsson Föreläsning 4 7 november 2017 1 / 29 Idag Förra gången Viktiga kontinuerliga fördelningar (Kap. 3.6) Fördelningsfunktion (Kap. 3.7) Funktioner av stokastiska
Läs merTitel Mall för Examensarbeten (Arial 28/30 point size, bold)
Titel Mall för Examensarbeten (Arial 28/30 point size, bold) SUBTITLE - Arial 16 / 19 pt FÖRFATTARE FÖRNAMN OCH EFTERNAMN - Arial 16 / 19 pt KTH ROYAL INSTITUTE OF TECHNOLOGY ELEKTROTEKNIK OCH DATAVETENSKAP
Läs mer1 Föreläsning V; Kontinuerlig förd.
Föreläsning V; Kontinuerlig förd. Ufallsrummet har hittills varit dsikret, den stokastisk variabeln har endast kunnat anta ett antal värden. Ex.vis Poissonfördeln. är antal observationer inom ett tidsintervall
Läs merProvmoment: Tentamen 6,5 hp Ladokkod: A144TG Tentamen ges för: TGMAI17h, Maskiningenjör - Produktutveckling. Tentamensdatum: 28 maj 2018 Tid: 9-13
Matematisk Statistik 7,5 högskolepoäng Provmoment: Tentamen 6,5 hp Ladokkod: A144TG Tentamen ges för: TGMAI17h, Maskiningenjör - Produktutveckling Tentamensdatum: 28 maj 2018 Tid: 9-13 Hjälpmedel: Miniräknare
Läs merSänkningen av parasitnivåerna i blodet
4.1 Oberoende (x-axeln) Kön Kön Längd Ålder Dos Dos C max Parasitnivå i blodet Beroende (y-axeln) Längd Vikt Vikt Vikt C max Sänkningen av parasitnivåerna i blodet Sänkningen av parasitnivåerna i blodet
Läs merSF1901: Sannolikhetslära och statistik
SF1901: Sannolikhetslära och statistik Föreläsning 5. Kovarians, korrelation, väntevärde och varians för summor av s.v.:er, normalfördelning (del 1) Jan Grandell & Timo Koski 15.09.2008 Jan Grandell &
Läs merRutiner för opposition
Rutiner för opposition Utdrag ur Rutiner för utförande av examensarbete vid Avdelningen för kvalitetsteknik och statistik, Luleå tekniska universitet Fjärde upplagan, gäller examensarbeten påbörjade efter
Läs merPM Trafikanalys Spekeröds handelsområde och verksamheter
Konsult: ÅF Infrastructure AB Uppdragsansvarig: Åsa Nyqvist Beställare: Stenungsunds kommun Kontaktperson: Marcus Broman Interngranskare: Johan Hallberg Handläggare: Robin Hjalmarsson Datum: 2017-02-15
Läs merKvalitetskriterier för bedömning av självständigt arbete (examensarbete) vid arbetsterapeutprogrammen i Sverige
Kvalitetskriterier för bedömning av självständigt arbete (examensarbete) vid arbetsterapeutprogrammen i Sverige Förbundet Sveriges Arbetsterapeuter i samarbete med Arbetsterapeutprogrammen i Sverige Nacka
Läs merChecklista för systematiska litteraturstudier 3
Bilaga 1 Checklista för systematiska litteraturstudier 3 A. Syftet med studien? B. Litteraturval I vilka databaser har sökningen genomförts? Vilka sökord har använts? Har författaren gjort en heltäckande
Läs merHur skriver man statistikavsnittet i en ansökan?
Hur skriver man statistikavsnittet i en ansökan? Val av metod och stickprovsdimensionering Registercentrum Norr http://www.registercentrumnorr.vll.se/ statistik.rcnorr@vll.se 11 Oktober, 2018 1 / 52 Det
Läs merTentamen i matematisk statistik (9MA241/9MA341, STN2) kl 08-12
LINKÖPINGS UNIVERSITET MAI Johan Thim Tentamen i matematisk statistik (9MA21/9MA31, STN2) 212-8-2 kl 8-12 Hjälpmedel är: miniräknare med tömda minnen och formelbladet bifogat. Varje uppgift är värd 6 poäng.
Läs merUppsala kommun, plan- och byggnadsnämnden. Dnr PBN , VATTENFALLS FRAMTIDA ANGÖRING FRÅN STÅLGATAN. Trafikutredning
VATTENFALLS FRAMTIDA ANGÖRING FRÅN STÅLGATAN Trafikutredning 2017-05-29 Uppsala kommun, plan- och byggnadsnämnden. Dnr PBN 2013-000404, 2017-05-29 VATTENFALLS FRAMTIDA ANGÖRING FRÅN STÅLGATAN Trafikutredning
Läs merRättningstiden är i normalfall 15 arbetsdagar, annars är det detta datum som gäller:
Statistik 2 Provmoment: Ladokkod: Tentamen ges för: TentamensKod: Tentamen SST021 ACEKO16h, ACIVE16h 7,5 högskolepoäng Tentamensdatum: 2018-05-31 Tid: 14.00-19.00 Hjälpmedel: Valfri miniräknare Linjal
Läs merMobilitet och tillgänglighet
Mobilitetochtillgänglighet ConsafeLogisticshanddatoreriframtidensvårdochäldreomsorg Författare: SusannaDomeij ToveSvärdNorbäck Datum: 2011 01 17 ii Förord MeddennarapportavslutarvivåracivilingenjörsstudierpåLundsTekniska
Läs merMatematisk statistik KTH. Formelsamling i matematisk statistik
Matematisk statistik KTH Formelsamling i matematisk statistik Vårterminen 2017 1 Kombinatorik ) n n! = k k! n k)!. Tolkning: mängd med n element. ) n = antalet delmängder av storlek k ur en k 2 Stokastiska
Läs merTentamen i Matematisk statistik Ämneskod-linje S0001M. Tentamensdatum Poäng totalt för del 2 30 (3 uppgifter) Skrivtid
Tentamen i Matematisk statistik Ämneskod-linje S000M Poäng totalt för del 25 (8 uppgifter) Poäng totalt för del 2 30 (3 uppgifter) Tentamensdatum 2009-06-02 Kerstin Vännman Lärare: Ove Edlund Hans Johansson
Läs merhistogram över 1000 observerade väntetider minuter 0.06 f(x) täthetsfkn x väntetid
Lunds tekniska högskola Matematikcentrum Matematisk statistik FMSF55: Matematisk statistik för C och M OH-bilder på föreläsning 4, 28-3-27 EXEMPEL: buss. Från en busshållplats avgår en buss var 2 min (inga
Läs merTvå innebörder av begreppet statistik. Grundläggande tankegångar i statistik. Vad är ett stickprov? Stickprov och urval
Två innebörder av begreppet statistik Grundläggande tankegångar i statistik Matematik och statistik för biologer, 10 hp Informationshantering. Insamling, ordningsskapande, presentation och grundläggande
Läs merAutokorrelation och Durbin-Watson testet. Patrik Zetterberg. 17 december 2012
Föreläsning 6 Autokorrelation och Durbin-Watson testet Patrik Zetterberg 17 december 2012 1 / 14 Korrelation och autokorrelation På tidigare föreläsningar har vi analyserat korrelationer för stickprov
Läs mertentaplugg.nu av studenter för studenter
tentaplugg.nu av studenter för studenter Kurskod Kursnamn SM Matematisk statistik Datum LP - Material Laboration 4 Kursexaminator Adam Betygsgränser Tentamenspoäng Övrig kommentar Försättsblad inlämningsuppgift
Läs merTentamentsskrivning: Matematisk Statistik med Metoder MVE490 1
Tentamentsskrivning: Matematisk Statistik med Metoder MVE490 1 Tentamentsskrivning i Matematisk Statistik med Metoder MVE490 Tid: den 29 oktober, 2016 Examinatorer: Kerstin Wiklander och Erik Broman. Jour:
Läs merLathund fo r rapportskrivning: LATEX-mall. F orfattare Institutionen f or teknikvetenskap och matematik
Lathund fo r rapportskrivning: LATEX-mall F orfattare forfattare@student.ltu.se Institutionen f or teknikvetenskap och matematik 31 maj 2017 1 Sammanfattning Sammanfattningen är fristående från rapporten
Läs merMatematisk statistik för B, K, N, BME och Kemister
Matematisk statistik för B, K, N, BME och Kemister Föreläsning 9 Joakim Lübeck (Johan Lindström 25 september 217 Johan Lindström - johanl@maths.lth.se FMSF7/MASB2 F9 1/23 Repetition Inferens för diskret
Läs merarbetsmarknadsreformerna Helge Bennmarker, IFAU Lars Calmfors, Stockholms universitet
Effekter på lönebildningen av arbetsmarknadsreformerna 2007-2009 Helge Bennmarker, IFAU Lars Calmfors, Stockholms universitet Anna Larsson, Stockholms universitet Bakgrund Omfattande arbetsmarknadsreformer
Läs merHEMUPPGIFT. Att brygga det godaste kaffet försöksplanering och faktorförsök. IEK203 Försöksplanering Vt-2005
HEMUPPGIFT Att brygga det godaste kaffet försöksplanering och faktorförsök IEK203 Försöksplanering Vt-2005 Pernilla Engström Mathias Larsson Patrik Paulsson Anna-Maria Ullnert Luleå Tekniska Universitet
Läs mer732G71 Statistik B. Föreläsning 1, kap Bertil Wegmann. IDA, Linköpings universitet. Bertil Wegmann (IDA, LiU) 732G71, Statistik B 1 / 20
732G71 Statistik B Föreläsning 1, kap. 3.1-3.7 Bertil Wegmann IDA, Linköpings universitet Bertil Wegmann (IDA, LiU) 732G71, Statistik B 1 / 20 Exempel, enkel linjär regressionsanalys Ett företag vill veta
Läs merHypotestestning och repetition
Hypotestestning och repetition Statistisk inferens Vid inferens använder man urvalet för att uttala sig om populationen Centralmått Medelvärde: x= Σx i / n Median Typvärde Spridningsmått Används för att
Läs merTentamen i Matematisk statistik Kurskod S0001M
Tentamen i Matematisk statistik Kurskod S0001M Poäng totalt för del 1: 25 (10 uppgifter) Tentamensdatum 2012-10-30 Poäng totalt för del 2: 30 (3 uppgifter) Skrivtid 09.00 14.00 Lärare: Adam Jonsson och
Läs merhistogram över 1000 observerade väntetider minuter 0.06 f(x) täthetsfkn x väntetid 1
Lunds tekniska högskola Matematikcentrum Matematisk statistik FMSF5: Matematisk statistik för L och V OH-bilder på föreläsning 4, 27--8 EXEMPEL: buss. Från en busshållplats avgår en buss var 2 min (inga
Läs merför att komma fram till resultat och slutsatser
för att komma fram till resultat och slutsatser Bearbetning & kvalitetssäkring 6:1 E. Bearbetning av materialet Analys och tolkning inleds med sortering och kodning av materialet 1) Kvalitativ hermeneutisk
Läs merRegressions- och Tidsserieanalys - F4
Regressions- och Tidsserieanalys - F4 Modellbygge och residualanalys. Kap 5.1-5.4 (t.o.m. halva s 257), ej C-statistic s 23. Linda Wänström Linköpings universitet Wänström (Linköpings universitet) F4 1
Läs merKvalitativ metodik. Varför. Vad är det? Vad är det? Varför och när använda? Hur gör man? För- och nackdelar?
Kvalitativ metodik Vad är det? Varför och när använda? Hur gör man? För- och nackdelar? Mats Foldevi 2009 Varför Komplement ej konkurrent Överbrygga klyftan mellan vetenskaplig upptäckt och realiserande
Läs merKap 2. Sannolikhetsteorins grunder
Kap 2. Sannolikhetsteorins grunder Olika händelser och deras mängbetäckningar Sats 2.7 Dragning utan återläggning av k element ur n (utan hänsyn till ordning) kan ske på ( n ) olika sätt k För två händelser
Läs merBedömningsprotokoll för examensarbete inom socialt arbete på grundnivå
Akademin för hälsa, vård och välfärd Socionomprogrammet Examensarbete inom socialt arbete (15 hp) Termin 6 våren 2014, Eskilstuna Fastställandedatum: 2014-01-24 Bedömningsprotokoll för examensarbete inom
Läs merStatistiska metoder för säkerhetsanalys
F10: Intensiteter och Poissonmodeller Frågeställningar Konstant V.v.=Var Cyklister Poissonmodeller för frekvensdata Vi gör oberoende observationer av de (absoluta) frekvenserna n 1, n 2,..., n k från den
Läs merVäg 44, förbifart Lidköping, delen Lidköping-Källby
Väg 44, förbifart Lidköping, delen Lidköping-Källby Lidköping och Götene kommuner, Västra Götalands län Projektnummer: 101598 PM Trafikanalys 2013-03-15 Titel: Väg 44 förbifart Lidköping, delen Lidköping-Källby,
Läs merTvå parametrar: µ (väntevärdet) och σ (standardavvikelsen) µ bestämmer normalfördelningens läge
Lunds tekniska högskola Matematikcentrum Matematisk statistik Matematisk statistik AK för ekosystemteknik, FMSF75 OH-bilder 28-9-3 Normalfördelningen, X N(µ, σ) f(x) = e (x µ)2 2σ 2, < x < 2π σ.4 N(2,).35.3.25.2.5..5
Läs merHändelsestyrd simulering. Inledning. Exempel
Lunds Tekniska Högskola Datavetenskap Lennart Andersson EDA061/F10 Uppgift 2010-09-13 Händelsestyrd simulering Inledning Du skall konstruera ett program som simulerar vad som händer när kunder kommer till
Läs merTRAFIK- OCH KAPACITETSANALYS AV STORGATAN I VÄXJÖ
RAPPORT TRAFIK- OCH KAPACITETSANALYS AV STORGATAN I VÄXJÖ FÖRHANDSKOPIA 2017-08-18 UPPDRAG 278989, Korsningar Storgatan- Smedjegatan/Arabygatan Titel på rapport: Trafik- och kapacitetsanalys av Storgatan
Läs merMatematisk statistik LKT325 Tentamen med lösningar
Matematisk statistik LKT325 Tentamen 2018-04-06 med lösningar Tid: 8.30-12.30. Tentamensplats: Lindholmen Hjälpmedel: Kursboken Matematisk Statistik av Ulla Dahlbom. Formelsamlingen Tabell- och formelsamling
Läs merRapportmall för Skogsmästarskolan 2018
SKOGSMÄSTARPROGRAMMET Examensarbete 2018:xx Rapportmall för Skogsmästarskolan 2018 Report template School of Forest Management 2018 Back Tomas Ersson Johan Törnblom Examensarbete i skogshushållning, 15
Läs merAnvisningar till rapporter i psykologi på B-nivå
Anvisningar till rapporter i psykologi på B-nivå En rapport i psykologi är det enklaste formatet för att rapportera en vetenskaplig undersökning inom psykologins forskningsfält. Något som kännetecknar
Läs merTentamen i Matematisk statistik Kurskod S0001M
Tentamen i Matematisk statistik Kurskod S0001M Poäng totalt för del 1: 25 (10 uppgifter) Tentamensdatum 2017-10-25 Poäng totalt för del 2: 30 (3 uppgifter) Skrivtid 9.00 14.00 Lärare: Mykola Shykula, Lennart
Läs merKunna beräkna medelantal kunder för alla köer i ett könät utan återkopplingar.
Övning 8 Vad du ska kunna efter denna övning Kunna beräkna medelantal kunder för alla köer i ett könät utan återkopplingar. Kunna beräkna medeltiden som en kund tillbringar i ett könät utan återkopplingar.
Läs merTrafik-PM till detaljplaner i Dingelsundet
Sid 1(13) TEKNIK- OCH FASTIGHETSFÖRVALTNINGEN Rapport, daterad 2017-06-16 Karl Borgstrand karl.borgstrand@karlstad.se Trafik-PM till detaljplaner i Dingelsundet Karlstads kommun Webbplats karlstad.se E-post
Läs merTMS136. Föreläsning 11
TMS136 Föreläsning 11 Andra intervallskattningar Vi har sett att vi givet ett stickprov och under vissa antaganden kan göra intervallskattningar för väntevärden Man kan även gör intervallskattningar för
Läs merAnalys av egen tidsserie
Analys av egen tidsserie Tidsserieanalys Farid Bonawiede Samer Haddad Michael Litton Alexandre Messo 9 december 25 3 25 Antal solfläckar 2 15 1 5 5 1 15 2 25 3 Månad Inledning Vi har valt att betrakta
Läs merIntroduktion till statistik för statsvetare
"Det finns inget så praktiskt som en bra teori" November 2011 Repetition Vad vi gjort hitills Vi har börjat med att studera olika typer av mätningar och sedan successivt tagit fram olika beskrivande mått
Läs merM/M/m/K kösystem. M/M/m/K kösystem
Allmänt om KÖSYSTEM (=betjäningssystem). För att definiera ett kösystem måste vi ange ankomstrocessen ( dvs hur kunder ankommer till systemet) och betjäningsrocess (dvs hur lång tid det tar att betjäna
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 merMålet för D2 är att studenterna ska kunna följande: Dra slumptal från olika sannolikhetsfördelningar med hjälp av SAS
Datorövning 2 Statistisk teori med tillämpningar Simulering i SAS Syfte Att simulera data är en metod som ofta används inom forskning inom ett stort antal ämnen, exempelvis nationalekonomi, fysik, miljövetenskap
Läs merTentamen i Statistik, STA A10 och STA A13 (9 poäng) Fredag 8 december 2006, Kl
Tentamen i Statistik, STA A10 och STA A13 (9 poäng) Fredag 8 december 2006, Kl 08.15-13.15 Tillåtna hjälpmedel: Bifogad formelsamling, approximationsschema och tabellsamling (dessa skall returneras). Egen
Läs mer! Syfte. ! Frågeställningar !!! Metoduppgift 3 - statsvetenskapliga metoder. Problem. Statsvetenskap 2 733G02: Statsvetenskapliga metoder
Metoduppgift 3 - statsvetenskapliga metoder Problem Centerpartiet säger sig vara det ledande partiet inom miljöfrågor en ledande kraft till att skapa möjligheter för hållbar utveckling. 1 Dock har de konkurrens
Läs merMålet för D3 är att studenterna ska kunna följande: Dra slumptal från olika sannolikhetsfördelningar med hjälp av SAS
Datorövning 3 Statistisk teori med tillämpningar Simulering i SAS Syfte Att simulera data är en metod som ofta används inom forskning inom ett stort antal ämnen, exempelvis nationalekonomi, fysik, miljövetenskap
Läs merAnalytiska trafikmodeller för cirkulationsplatser med gångoch cykeltrafik
Analytiska trafikmodeller för cirkulationsplatser med gångoch cykeltrafik Examensarbete 2010 KTH Astrid Bergman, Trivector Traffic Bakgrund & syfte Litteraturstudie och val av modell Datainsamling och
Läs merDistribution: fri / nyförvärv / begränsad / Statens väg- och trafikinstitut. Projektnummer: _ Projektnamn:
VZfnotat Nummer: T 20 Datum: 1987-09-21 Titel: Översiktlig beräkning av antalet omkörningar längs E6. Författare: Arne Carlsson och Gunilla Sörensen Avdelning: Trafik Projektnummer: _75313-7 Projektnamn:
Läs merTentamen i Matematisk statistik Kurskod S0001M
Tentamen i Matematisk statistik Kurskod S0001M Poäng totalt för del 1: 25 (10 uppgifter) Tentamensdatum 2015-10-23 Poäng totalt för del 2: 30 (3 uppgifter) Skrivtid 09.00 14.00 Lärare: Jesper Martinsson,
Läs merKvantitativ strategi viktiga begrepp 3. Wieland Wermke
+ Kvantitativ strategi viktiga begrepp 3 Wieland Wermke + Tillförlitlighet: validitet och reliabilitet n Frånvaro av slumpmässiga fel: hög reliabilitet. n Måttet är stabilt och pålitligt, inte svajigt
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 merEn överblick. Pseudo-parallell simulering. Snabbköpsexemplet, forts. Två olika sätt att modellera och simulera. Schedulering
En överblick Pseudo-parallell simulering Kjartan Halvorsen Systemteknik Inst för IT Uppsala Universitet På föreläsningen Simulering pseudo-parallell simulering SimPy Implementering av snabbköpsexemplet
Läs merTÄBY SIMHALL. Kapacitetsanalys Stora Marknadsvägen. Rapport Upprättad av: Frida Aspnäs, Tobias Thorsson
TÄBY SIMHALL Kapacitetsanalys Stora Marknadsvägen Rapport 2016-02-04 Upprättad av: Frida Aspnäs, Tobias Thorsson TÄBY SIMHALL Kapacitetsanalys Stora Marknadsvägen KUND Täby Kommun KONSULT WSP Analys &
Läs merKunskap = sann, berättigad tro (Platon) Om en person P s har en bit kunskap K så måste alltså: Lite kunskaps- och vetenskapsteori
Lite kunskaps- och vetenskapsteori Empiriska metoder: kvalitativa och kvantitativa Experiment och fältstudier Människor och etik 1 Kunskap = sann, berättigad tro (Platon) Om en person P s har en bit kunskap
Läs merEn scatterplot gjordes, och linjär regression utfördes därefter med följande hypoteser:
1 Uppgiftsbeskrivning Syftet med denna laboration var att utifrån uppmätt data avgöra: (i) Om något samband finnes mellan kroppstemperatur och hjärtfrekvens. (ii) Om någon signifikant skillnad i sockerhalt
Läs merSimulering som beslutsstöd * Required
Simulering som beslutsstöd * Required 1. Hos vilket företag eller organisation arbetar du? Om du ej vill uppge, lämna rutan tom Hur stor kunskap och erfarenhet anser du dig själv ha inom följande områden?
Läs merMesosimulering -Dynameq
Mesosimulering -Dynameq LinSig Anders Bernhardsson Agenda Mesosimulering ett av flera verktyg för trafikanalys Arbetsmetodik Nyköping fallstudie Exempel på referensprojekt Sammanfattning av våra erfarenheter
Läs merPM 2. Sickla Vägplan: Trafiksimuleringar Inledning
Uppdragsnr: 10183321 1 (8) PM 2 Sickla Vägplan: Trafiksimuleringar 14-09-30 \\SER01COL1SE\Common Projects\5661\10183321\3_Dokument\36_PM_Rapport\Trafik\PM 2 - Sickla köpkvarter trafiksimuleringar_140921.docx
Läs merMatematisk statistik för B, K, N, BME och Kemister
Matematisk statistik för B, K, N, BME och Kemister Föreläsning 8 Johan Lindström 20 september 2017 Johan Lindström - johanl@maths.lth.se FMS086/MASB02 F8 1/20 : Poisson & Binomial för diskret data Johan
Läs merFormler och tabeller till kursen MSG830
Formler och tabeller till kursen MSG830 Deskriptiva mått För ett datamängd x 1,, x n denieras medelvärde standardavvikelse standardfelet (SEM) Sannolikheter x = 1 n n i=1 = x 1 + + x n n s = 1 n (x i x)
Läs merPerformance QoS Köteori SNMP. Felsökning. Jens A Andersson (Maria Kihl) GET request GET response SET request TRAP MIB. Att mäta är att veta ping
Performance QoS Köteori Jens A Andersson (Maria Kihl) SNMP GET request GET response SET request TRAP MIB Management Information Base 2 Felsökning Att mäta är att veta ping icmp echo traceroute avlyssning
Läs merPM TRAFIKBULLER - PLANERADE INFARTSVÄGAR, DETALJPLAN NORDTAG
PM TRAFIKBULLER - PLANERADE INFARTSVÄGAR, DETALJPLAN NORDTAG Detta PM kompletterar tidigare genomförd bullerutredning som redovisas i rapport Rapport_10208609_150506. Förutsättningar, beräkningsantaganden
Läs merNedan redovisas resultatet med hjälp av ett antal olika diagram (pkt 1-6):
EM-fotboll 2012 några grafer Sport är en verksamhet som genererar mängder av numerisk information som följs med stort intresse EM i fotboll är inget undantag och detta dokument visar några grafer med kommentarer
Läs merUPPDRAGSLEDARE. Perry Ohlsson UPPRÄTTAD AV. Perry Ohlsson
-14 UPPDRAG DP Tingshuset utredningar komplettering UPPDRAGSNUMMER 13007455 UPPDRAGSLEDARE Perry Ohlsson UPPRÄTTAD AV Perry Ohlsson DATUM Kompletterande beskrivning buller för detaljplan Tingshuset 13,
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 mer