Del A Begrepp och grundläggande förståelse.
|
|
- Klara Hansson
- för 7 år sedan
- Visningar:
Transkript
1 STOCKHOLMS UNIVERSITET FYSIKUM Tentamensskrvnng Expermentella metoder, 12 hp, för kanddatprogrammet, år 1 Onsdagen den 17 jun 2009 kl 9-1. S.H./K.H./K.J.-A./B.S. Införda betecknngar bör förklaras och uppställda ekvatoner motveras. Resonemang, ekvatonslösnngar och uträknngar får nte vara så knapphändga att de blr svåra att följa. Fgurer skall rtas stora och tydlga med lnjal. Var noga med vektorbetecknngar. På varje problem skall anges ett tydlgt understruket eller nramat svar. När så är möjlgt skall svaret bestå av sffror med rätt enheter. Antalet värdesffror skall stå rmlg proporton tll texten angvna värdesffror. För godkända betyg (A-E) krävs mnst poäng på del A. För betyg E krävs mnst 1 poäng sammanlagt. Hjälpmedel : PHYSICS HANDBOOK, RÄKNEDOSA, TEFYMA Del A Begrepp och grundläggande förståelse. 1. I en textlndustr sker genomsntt 0,1 arbetsplatsolyckor under ett dygn. Antag att antalet arbetsplatsolyckor per dygn är en Possonfördelad varabel och beräkna därur sannolkheten att det skall ske två olyckor under en arbetsvecka om fem dagar. Beräkna sedan sannolkheten att det skall ske fyra olyckor under en perod om 2 arbetsveckor. (2p) Förslag tll lösnng: Under en femdagarsperod sker genomsntt 0, olyckor. V söker då sannolkheten att värdet av en Possonfördelad varabel är 2 om medelvärdet är 0,: P (ν 2; µ 0, ) e 0, 0, 2 2! 0, 078. För en tvåveckorsperod är medelvärdet 1,0 olyckor. V söker då P (4; 1) e 1,0 1,0 4 4! 0, För att bl antagen tll hundfrsörsubldnngen måste man göra ett antagnngsprov sökte 280 elever tll den utbldnngen. Provresultaten vsade sg vara normalfördelade med ett medelvärde om 6 och en standardavvkelse om 7. Hur hög poäng måste man ha på provet för att bl antagen, om skolan tar n 110 elever? (2p) Förslag tll lösnng: Andelen antagna elever är 110/280 0,0386. V söker tabell B det avstånd från medelvärdet, uttryckt sgma, som svarar mot ett sannolkhetsnnehåll om 3,860% och fnner att det svarar mot 1,768 σ över medelvärdet. Det krävdes alltså 6 + 1, (697,6) poäng för att komma n sökte 180 personer tll hundfrsörsubldnngen. Det året var resultaten på antagnngsprovet 82 med en standardavvkelse på 82. Kan man hävda att resultaten på antagnngsprovet, med % konfdensnvå har sjunkt mellan 197 och 1993? (2p) Förslag tll lösnng: V undersöker om µ 197 µ 1993 är sgnfkant större än noll: µ 197 µ Frågan nu är hur många standaravvkelser detta är från noll. V har σ µ(1993) , 40 och σ µ(197) , 11. Osäkerheten skllnaden µ µ 197 µ 1993 ges av σ σ σ , , , 29. Avvkelsen från noll är alltså 17 6,29 2, 70 σ. Enlgt tabell B motsvarar det en konfdensnvå om 0,3%. Man kan alltså med % konfdensnvå hävda att nvån har sjunkt mellan 197 och I en vetenskaplg rapport A Cross-Natonal Relatonshp Between Sugar Consumpton and Major Depresson, publcerad Depresson and Anxety (2002) dras slutsatsen att det fnns ett samband mellan genomsnttlg sockerkonsumton, mätt kalorer per dag per person från socker och antalet kraftga depressoner, mätt som antal depressoner per år och 100 nvånare. Slutsatsen grundades på följande mätdata:
2 Land Sockerkonsumton Antal depressoner Frankrke 30 4,4 Kanada 390,2 Korea 10 2,3 Nya Zeeland 480,7 Tyskland 37,0 USA 300 3,0 Undersök om data ger stöd för slutsatsen med % konfdensnvå. Förslag tll lösnng: V beräknar den lnjära korrelatonskoeffcenten: Medelvärdet för sockerkonsumton är 340,8 och 4.27 för antalet depressoner. (2p) Land S (S - S) D (D - D) (S - S) 2 (D - D) 2 (D - D) (S - S) Frankrke , Kanada , Korea , Nya Zeeland , Tyskland , USA , Detta ger r (S S)(D D) (S S) 2 (D D) Enlgt tabell C är sannolkheten att 6 okorrelerade talpar får så högt värde på r lägre än 1 %. Man kan alltså med % konfdensnvå dra slutsatsen att varablerna är korrelerade.. Vsa att varansen för N mätnngar av en varabel x kan skrvas s 2 N x2 ( x ) 2 N() och förklara varför denna formel kan vara användbar t.ex. när man programmerar en mnräknare. (2p) Förslag tll lösnng: V har s 2 (x x) 2 (x2 2 xx + x 2 ) x2 2 x x +N x 2 x2 2N x2 +N x 2 x2 N x2 x2 N{( x ) 2 /N 2 )} N x2 ( x ) 2 N() v.s.v. Den här formeln för varansen är bra när man t.ex. programmerar mnräknare, eftersom man har ett slutet uttryck för varansen efter varje nmatnng, man behöver nte först beräkna ett medelvärde för alla x. Del B: Fördjupande uppgfter. 6. Tabellen anger frekvenstabellen för mätnngar av kroppstemperaturen hos 100 personer. Mätnngarnas medelvärde var 37,2 grader med en standardavvkelse (defnerad som roten ur varansen) om 0,3 grader. T 36,1 36,3 36, 36,7 36,9 37,1 37,3 37, 37,7 37,9 38,1 Antal Rta på det medföljande mllmeterpappret ett hstogram över data och skssa n den korrekt normalserade normalfördelnngen med motsvarande medelvärde och standardavvkelse. Testa om temperaturen kan anses vara normalfördelad. (p)
3 Förslag tll lösnng: V börjar med att rta hstogrammet och samma fgur rta n normalfördelnngen med samma medelvärde och standardavvkelse som data (mnns att arean av hstogrammet är 20 om v har bnnar som är 0.2 enheter breda och har 100 mätnngar). Eftersom v vll göra en ch-kvadrat test måste v slå hop bnnarna för de högsta och lägsta värdena så att v får mnst 4 datapunkter varje bn. Den lägsta bnnen kommer då att täcka ntervallet [, 36.6] och den högsta [37.8, + ]. För dessa två bnnar beräknar v det förväntade antalet observatoner genom att beräkna sannolkhetsnnehållet normalfördelnngen bortom dessa gränser. För den första bnnen är bnngränsen på avståndet 37,2 36,6 0, standardavvkelser. Enlgt Tabell B kan v förvänta oss att 3,1% av alla datapunkter lgger så långt, eller längre bort, från medelvärdet. På samma sätt fnner v att den övre bnnen som börjar vd 37,8 grader lgger ,349 1, 76 sgma från medelvärdet, vlket svarar mot ett sannolkhetsnnehåll om,6%. För att beräkna det förväntade antalet datapunkter de övrga bnnarna använder v värdet för den korrekt normalserde normalfördelnngen bn-mtten. För varje temperaturbn beräknar v χ 2 som och får följande tabell: (O F )2 F T < 36,6 36,7 36,9 37,1 37,3 37, 37,7 >37,8 Antal Förväntat 3,1 8,2 1,8 21,9 21,9 1,8 8,2,6 χ 2 0,26 0,08 2,93 0,38 1,10 16,61 0,9 0,46 V har alltså en ch-kvadratsumma om 22,4. Antalaet frhetsgrader är N 8-3 (8 mätpunkter, tre parametrar bestämda ur data; N, µ och σ ). Den reducerade chkvadratsumman blr då 4,48 för DOF. Enlgt tabell D är sannolkheten att få så hög reducerad ch-kvadrat mndre än 0,1%, det fnns alltså nte så starka skäl att hävda att data är normalfördelade. 7. En varabel x kan antas vara normalfördelad krng ett värde µ med standardavvkelsen σ. Vsa genom att använda Maxmum Lkelhood metoden att den bästa uppskattnngen av parametern σ ges av ˆσ (x µ) 2 N. Förklara dessutom hur v modferar denna formel, och varför, de fall då µ nte är känd utan måste uppskattas från data. (p) Förslag tll lösnng: V har för annolkheten för att erhålla mätseren x 1,x 2,... P (x 1,x 2,x 3... x N )P (x 1 ) P lx 2 ) P (x 3 ) P (x N )
4 Alltså: ( { 1 P (x 1,x 2,x 3... x N ) exp (x1 µ) 2 2πσ 2 ( { 1 exp (xn µ) 2 2πσ 2 2σ 2 }) 2σ 2 }) ( { 1 exp (x2 µ) 2 2πσ 2 2σ 2 }) V vll nu bestmma det värde på σ som maxmerar denna sannolkhet och sätter dervatan tll noll: { } { } P σ N 4πσ 2 exp (2πσ 2 ) N/2+1 (x µ) σ 2 (2πσ 2 ) N/2 (x µ) 2 exp σ 3 (x µ) 2 2σ 2 { } { } N σ + (x µ) 2 1 exp σ 3 (2πσ 2 ) N/2 (x µ) 2 2σ 2 Vlket ger: P σ 0 ˆσ 2 1 N (x µ) 2 Om v nte känner µ utan måste uppskatta det från ˆµ x så förloras en frhetsgrad och v får stället uttrycket ˆσ 2 1 (x x) 2 8. För att mäta denssteten hos magnesum mätte man vkt och volym hos en provbt. För att kunna uppskatta mätnogrannheten mättes både massa och volym av sex olka laboratorer, man fck då följande resultat: Lab no. Vkt (g) Volym (cm 3 ) Bestäm med utgångspunkt från dessa mätvärden den bästa uppskattnngen av magnesums denstet. Det fnns två ekvvalenta sätt att få detta resultat. Dels kan man först beräkna en uppskattnng av värdet och osäkerheten för provbtens massa och volym. Ur dessa värden kan man sedan beräkna denssteten och osäkerheten den genom felfortplantnng. Dels kan man beräkna densteten separat för de värden som varje laboratorum ger och mäta sprdnngen av dessa värden. Vsa att dessa två metoder ger dentska resultat för värdet på densteten och osäkerheten denna. (p) Förslag tll lösnng: För att metoderna skall ge samma svar krävs att v tar hänsyn tll ev. korrelatoner och använder den fullständga formeln för felfortplantnng: ( ) σ ρ ρ 2 ( ) V σ V + ρ 2 ( )( ) m σ m +2 ρ ρ V m σ Vm där σ Vm 1 V får: (x x)(y ȳ).
5 Lab. V (V- V) (V- V) 2 m (m- m) (m- m) 2 (V- V)(m- m) Summa Ur vlket v beräknar: σ V 1031, 14.36, σ m 4902,8 31, 31 och σ Vm 202, 40, 1. V har då V 141, 0 ± 14, 36 cm 3, m 243, 83 ± 31, 31 g, vlket ger ρ 1, 72 g/cm 3. För att ρ beräkna osäkerheten behöver v dervatorna: V m 1, V 2 och ρ 2 m 1 V 7, ( ) V får då: σ ρ ρ 2 ( ) V σ V + ρ 2 ( )( ) m σ m +2 ρ ρ V m σ Vm (1, ) 2 14, (7, ) 2 31, ( 1, ) 7, , 1 0,099. Om v stället beräknar ρ för varje laboratorum så får v medelvärdet 1,721 g/cm 3. V tar sprdnngen som ett mått på osäkerheten och får: Lab. ρ (g/cm 3 ) ρ ρ (ρ ρ) 2 1 1,741 0,020 0, ,616-0,10 0, ,86-0,13 0, ,83 0,114 0,0130 1,801 0,080 0, ,748 0,027 0,0007 Summa 0,0498 Vlket ger σ ρ 0,0498 0, Bägge metoderna ger alltså ρ 1, 72 g/cm 3 med en sprdnng om ±0, 10 g/cm 3. Osäkerheten värdet på ρ ges av σ µ σ N 0, 04 g/cm När en rymdfärja skjuts upp så drvs den under de första 12 sekunderna dels av huvudmotorn, dels av de externa starthjälpsraketerna (Sold Fuel Rocket Boosters). I tabellen nedan ser v vlken höjd en rymdfärja typskt har vd en gven td efter uppskjutnngen (här data för STS-30 uppskjutnngen). Använd dessa data för att undersöka om en rymdfärja har konstant acceleraton under dessa 12 sekunder. (Ansätt att v(t) 0 för t 0 och v(t) > 0 för t > 0 och lnearsera problemet genom att betrakta h ). td (s) höjd (fot) Osäkerhet höjd (fot)
6 (p) Förslag tll lösnng: Vd t0 är både höjd och hastghet lka med noll. Om acceleratonen är konstant så kommer alltså höjden att bero av tden som h 1 2 at2. Roten ur höjden kommer då att bero av tden enlgt h a 2t och växa lnjärt med tden. V går därför över tll roten ur h. Gvet osäkerheten h kan v beräkna σ h h h σ h σ h 2. h V får då: xt yh 1/2 σ h w wx wy wxy wx ,82 0,449 4,960 44, , , , ,1 0,470 4,27 76,99 240, , , ,09 0,263 14,47 433, , , , ,44 0,267 14, , , , , ,09 0,29 14, , , , , ,67 0,128 61, , , , ,87 Σ 113, , , , ,733 Anpassnng tll en rät lnje ger: 113, , , , 1, A (107423, , , , 388)/ , 1 0, 8217 och B (113, , , , 0)/ , 13, 127. V använder denna anpassnng för att beräkna förväntade värden på h och jämför dessa med de observerade en ch-kvadrat test: t Förv. h Obs. h σ h χ ,42 27,82 0,449 1,8 17 3,44 3,1 0,470 0, ,09 9,09 0,263 14, ,77 187,44 0,267 99, ,16 193,09 0,29 16, ,16 391,67 0,128 16,1 Summa 149,3 V har sex mätpunkter och har bestämt två parametrar från data, alltså fyra frhetsgrader. Den reducerade ch-kvadratsumman blr då 37,32 för fyra frhetsgrader. Ur tabell D kan v se att sannolkheten att få så hög reducerad ch-kvadrat om data följer hypotesen bakom anpassnngen är mndre än 0,0 %. V kan alltså nte säga att acceleratonen är konstant. Ltet kurosa: Man kan tänka sg flera orsaker tll att en rymdfärjas acceleraton nte är konstant: vartefter bränsle förbrukas blr raketen lättare, dragkraften en raketmotor varerar något med lufttrycket och en del annat. Men det här fallet är förklarngen en annan: efter ca. 60 sekunder går rymdfärjan genom ljudvallen, för att nte vbratonerna skall bl för stora drar man av ltet på dragkraften ljust då och mnskar alltså temporärt acceleratonen där. När man väl gått genom ljudvallen drar man på gen. Om man gör en anpassnng tll punkterna t.o.m den vd 9 sekunder ser man att punkterna lgger nästan perfekt på en rät lnje.
Experimentella metoder 2014, Räkneövning 5
Expermentella metoder 04, Räkneövnng 5 Problem : Två stokastska varabler, x och y, är defnerade som x = u + z y = v + z, där u, v och z är tre oberoende stokastska varabler med varanserna σ u, σ v och
Läs merCentrala Gränsvärdessatsen:
Föreläsnng V såg föreläsnng ett, att om v känner den förväntade asymptotska fördelnngen en gven stuaton så kan v med utgångspunkt från våra mätdata med hjälp av mnsta kvadrat-metoden fnna vlka parametrar
Läs merTentamen i Dataanalys och statistik för I den 5 jan 2016
Tentamen Dataanalys och statstk för I den 5 jan 06 Tentamen består av åtta uppgfter om totalt 50 poäng. Det krävs mnst 0 poäng för betyg, mnst 0 poäng för och mnst 0 för 5. Eamnator: Ulla Blomqvst Hjälpmedel:
Läs merTentamen i MATEMATISK STATISTIK Datum: 8 Juni 07
Tentamen MATEMATISK STATISTIK Datum: 8 Jun 0 Kurser: MATEMATIK OCH MATEMATISK STATISTIK 6H3000 (TEN2), 6L3000 (TEN2), MATEMATIK2 MED MATEMATISK STATISTIK 6H2208 (TEN2) MATEMATISK STATISTIK 6A2111 (TEN1);
Läs merMätfelsbehandling. Lars Engström
Mätfelsbehandlng Lars Engström I alla fyskalska försök har de värden man erhåller mer eller mndre hög noggrannhet. Ibland är osäkerheten en mätnng fullständgt försumbar förhållande tll den precson man
Läs merSlumpvariabler (Stokastiska variabler)
Slumpvarabler Väntevärden F0 Slutsatser från urval tll populaton Slumpvarabler (Stokastska varabler) En slumpvarabel är en funkton från utfallsrummet tll tallnjen Ex kast med ett mynt ggr =antalet krona
Läs merFK2002,FK2004. Föreläsning 5
FK00,FK004 Föreläsnng 5 Föreläsnng 5 Labbrapporter Korrelatoner Dmensonsanalys Denna föreläsnng svarar mot kap. 9 (Taylor) Labbrapporter Feedback+betyg skckas morgon. Några tps ett dagram hjälper alltd
Läs merFlode. I figuren har vi också lagt in en rät linje som någorlunda väl bör spegla den nedåtgående tendensen i medelhastighet för ökande flöden.
Hast Något om enkel lnjär regressonsanalys 1. Inlednng V har tdgare pratat om hur man anpassar en rät lnje tll observerade talpar med hjälp av den s.k. mnsta kvadratmetoden. V har också berört hur man
Läs mera) B är oberoende av A. (1p) b) P (A B) = 1 2. (1p) c) P (A B) = 1 och P (A B) = 1 6. (1p) Lösningar: = P (A) P (A B) = 1
Lösnngar tll tentamen: Matematsk statstk och sgnalbehandlng (ESS0), 4.00-8.00 den 4/-009 Examnator: Serk Sagtov (Kursansvarg: Ottmar Crone) Tllåtna hjälpmedel: Tabell "Beta", utdelad formelsamlng, valfr
Läs merNär vi räknade ut regressionsekvationen sa vi att denna beskriver förhållandet mellan flera variabler. Man försöker hitta det bästa möjliga sättet
Korrelaton När v räknade ut regressonsekvatonen sa v att denna beskrver förhållandet mellan flera varabler. Man försöker htta det bästa möjlga sättet att med en formel beskrva hur x och y förhåller sg
Läs merKomplettering: 9 poäng på tentamen ger rätt till komplettering (betyg Fx).
TENTAMEN 9 jan 01, HF1006 och HF1008 Moment: TEN1 (Lnjär algebra), hp, skrftlg tentamen Kurser: Analys och lnjär algebra, HF1008, Lnjär algebra och analys HF1006 Klasser: TIELA1, TIMEL1, TIDAA1 Td: 115-1715,
Läs merENKEL LINJÄR REGRESSION
Fnansell statstk, vt 0 ENKEL LINJÄR REGRESSION Ordlsta tll NCT Scatter plot Dependent/ndependent Least squares Sum of squares Resdual Ft Predct Random error Analyss of varance Sprdnngsdagram Beroende/oberoende
Läs merDel A Begrepp och grundläggande förståelse.
STOCKHOLMS UNIVERSITET FYSIKUM Tentamensskrivning i Experimentella metoder, 1 hp, för kandidatprogrammet, år 1 Onsdagen den 18 juni 008 kl 9-15. S.H./K.H./K.J.-A./B.S. Införda beteckningar bör förklaras
Läs merFÖRDJUPNINGS-PM. Nr 6. 2010. Kommunalt finansierad sysselsättning och arbetade timmar i privat sektor. Av Jenny von Greiff
FÖRDJUPNINGS-PM Nr 6. 2010 Kommunalt fnanserad sysselsättnng och arbetade tmmar prvat sektor Av Jenny von Greff Dnr 13-15-10 Kommunalt fnanserad sysselsättnng och arbetade tmmar prvat sektor Inlednng Utförsäljnng
Läs merTentamen i Tillämpad matematisk statistik för MI3 och EPI2 den 15 december 2010
Tentamen Tllämpad matematsk statstk för MI och EPI den december Uppgft : Ett företag som tllverkar batterer av en vss typ har tllverknng förlagd tll två olka fabrker. Fabrk A står för 7% av tllverknngen
Läs merPrimär- och sekundärdata. Undersökningsmetodik. Olika slag av undersökningar. Beskrivande forts. Beskrivande forts. 2012-11-08
Prmär- och sekundärdata Undersöknngsmetodk Prmärdataundersöknng: användnng av data som samlas n för första gången Sekundärdata: användnng av redan nsamlad data Termeh Shafe ht01 F1-F KD kap 1-3 Olka slag
Läs merTest av anpassning, homogenitet och oberoende med χ 2 - metod
Matematsk statstk för STS vt 00 00-05 - Bengt Rosén Test av anpassnng, homogentet och oberoende med χ - metod Det stoff som behandlas det fölande återfnns Blom Avsntt 7 b sdorna 6-9 och Avsntt 85 sdorna
Läs merF13. Förra gången (F12) Konfidensintervall och hypotesprövning Chi-tvåtest. Stratifierat urval
Konfdensntervall och hypotesprövnng Ch-tvåtest F3 Förra gången (F) Stratferat urval Dela n populatonen homogena ata med avseende på atferngsvarabeln Välj atferngsvarabel som har ett samband med undersöknngsvarabeln
Läs merBeräkna standardavvikelser för efterfrågevariationer
Handbok materalstyrnng - Del B Parametrar och varabler B 41 Beräkna standardavvkelser för efterfrågevaratoner och prognosfel En standardavvkelse är ett sprdnngsmått som anger hur mycket en storhet varerar.
Läs mer2B1115 Ingenjörsmetodik för IT och ME, HT 2004 Omtentamen Måndagen den 23:e aug, 2005, kl. 9:00-14:00
(4) B Ingenjörsmetodk för IT och ME, HT 004 Omtentamen Måndagen den :e aug, 00, kl. 9:00-4:00 Namn: Personnummer: Skrv tydlgt! Skrv namn och personnummer på alla nlämnade papper! Ma ett tal per papper.
Läs mersaknar reella lösningar. Om vi försöker formellt lösa ekvationen x 1 skriver vi x 1
Armn Hallovc: EXTRA ÖVNINGAR KOMPLEXA TAL Inlednng Ekvatonen x 1 har två reella lösnngar, x 1, dvs x 1, medan ekvatonen x 1 saknar reella lösnngar Om v försöker formellt lösa ekvatonen x 1 skrver v x 1
Läs merTFYA16: Tenta Svar och anvisningar
160819 TFYA16 1 TFYA16: Tenta 160819 Svar och anvsnngar Uppgft 1 a) Svar: A(1 Bt)e Bt v = dx dt = d dt (Ate Bt ) = Ae Bt ABte Bt = A(1 Bt)e Bt b) Då partkeln byter rktnng har v v = 0, dvs (1 t) = 0. Svar:
Läs merTentamen i mekanik TFYA16
TEKNSKA HÖGSKOLAN LNKÖPNG nsttutonen ör Fysk, Kem och Bolog Gala Pozna Tentamen mekank TFYA6 Tllåtna Hjälpmedel: Physcs Handbook utan egna antecknngar, aprogrammerad räknedosa enlgt F:s regler. Formelsamlngen
Läs merFÖRDJUPNINGS-PM. Nr 6. 2010. Kommunalt finansierad sysselsättning och arbetade timmar i privat sektor. Av Jenny von Greiff
FÖRDJUPNINGS-PM Nr 6. 20 Kommunalt fnanserad sysselsättnng och arbetade tmmar prvat sektor Av Jenny von Greff Dnr 13-15- Kommunalt fnanserad sysselsättnng och arbetade tmmar prvat sektor Inlednng Utförsäljnng
Läs merFORMELSAMLING HT-15 MATEMATISK STATISTIK FÖR B, K, N, BME OCH KEMISTER; FMS086 & MASB02. Sannolikhetsteori. Beskrivning av data
LUNDS TEKNISKA HÖGSKOLA MATEMATIKCENTRUM MATEMATISK STATISTIK FORMELSAMLING HT-15 MATEMATISK STATISTIK FÖR B, K, N, BME OCH KEMISTER; FMS086 & MASB0 Sannolkhetsteor Följande gäller för sannolkheter: 0
Läs merVinst (k) 1 1.5 2 4 10 Sannolikhet 0.4 0.2 0.2 0.1 0.1 ( )
Tentamen Matematsk statstk Ämneskod-lnje S1M Poäng totalt för del 1 5 (8 uppgfter) Poäng totalt för del 3 (3 uppgfter) Tentamensdatum 9-3-5 Kerstn Vännman Lärare: Robert Lundqvst Mkael Stenlund Skrvtd
Läs merRadien r och vinkeln θ för komplexa tal i polär form och potensform: KOMPLEXA TAL. ) (polär form) (potensform)
Armn Hallovc: EXTRA ÖVNINGAR KOMPLEXA TAL a + b, där a, b R (rektangulär form r(cosθ + snθ (polär form θ re (potensform Om a + b och a, b R då gäller: a kallas realdelen av och betecknas Re( b kallas magnärdelen
Läs merPartikeldynamik. Fjädervåg. Balansvåg. Dynamik är läran om rörelsers orsak.
Dynamk är läran om rörelsers orsak. Partkeldynamk En partkel är en kropp där utsträcknngen saknar betydelse för dess rörelse. Den kan betraktas som en punktmassa utan rotaton. Massa kan defneras på två
Läs merFinansiell Statistik (GN, 7,5 hp,, HT 2008) Föreläsning 6. Regression & Korrelation. (LLL Kap 13-14) Inledning till Regressionsanalys
Fnansell Statstk (GN, 7,5 hp,, HT 8) Föreläsnng 6 Regresson & Korrelaton (LLL Kap 3-4) Department of Statstcs (Gebrenegus Ghlagaber, PhD, Assocate Professor) Fnancal Statstcs (Basc-level course, 7,5 ECTS,
Läs merArbetslivsinriktad rehabilitering för sjukskrivna arbetslösa funkar det?
NATIONALEKONOMISKA INSTITUTIONEN Uppsala Unverstet Uppsats fortsättnngskurs C Författare: Johan Bjerkesjö och Martn Nlsson Handledare: Patrk Hesselus Termn och år: HT 2005 Arbetslvsnrktad rehablterng för
Läs merKomplettering av felfortplantningsformeln
Kompletterng av felfortplantnngsformeln Varansen och kovaransen Quck Check Eempel med abs. nollpkt. Kompletterng av lnftw funktonen Possonfördelnngen 00-0-0 Fskeperment, 7.5 hp 00-0-0 Fskeperment, 7.5
Läs merMätfelsbehandling. Medelvärde och standardavvikelse
Mätfelsbehandlng I alla fskalska försök har de värden an erhåller er eller ndre hög noggrannhet. Ibland är osäkerheten en ätnng fullständgt försubar förhållande tll den precson an vll ha. Andra gånger
Läs merDEL I. Matematiska Institutionen KTH
1 Matematsa Insttutonen KTH Lösnngar tll tentamenssrvnng på ursen Dsret Matemat, moment A, för D och F, SF1631 och SF1630, den 4 jun 009 l 08.00-13.00. Hjälpmedel: Inga hjälpmedel är tllåtna på tentamenssrvnngen.
Läs merLektion 8 Specialfall, del I (SFI) Rev 20151006 HL
Lekton 8 Specalfall, del I (SFI) Rev 0151006 HL Produktvalsproblem och cyklsk planerng Innehåll Nvå 1: Produktval (LP-problem) (SFI1.1) Cyklsk planerng, produkter (SFI1.) Nvå : Maxmera täcknngsbdrag (produktval)
Läs merPartikeldynamik. Dynamik är läran om rörelsers orsak.
Partkeldynamk Dynamk är läran om rörelsers orsak. Tung och trög massa Massa kan defneras på två sätt. Den ena baserar sg på att olka massor attraheras olka starkt av jordens gravtaton. Att två massor är
Läs merRinganalys VTI notat VTI notat Analys av bindemedel
VTI notat 4 004 Rnganalys 00 Analys av bndemedel Författare Lef Vman FoU-enhet Väg- och banteknk Projektnummer 601 Projektnamn Rnganalyser Uppdragsgvare FAS Metodgrupp Förord Rnganalysen har utförts av
Läs merSTOCKHOLMS UNIVERSITET FYSIKUM
STOCKHOLMS UNIVERSITET FYSIKUM Tentamensskrivning i Fysikexperiment, 7,5 hp, för FK2002 Onsdagen den 15 december 2010 kl. 9-14. Skrivningen består av två delar A och B. Del A innehåller enkla frågor och
Läs merTolkningen av normalfördelningsfunktionen. Felfortplantningsformeln Felet i medelvärdet Acceptans av data Felpropagering Relativa fel
Tolknngen av normalördelnngsunktonen Felortplantnngsormeln Felet medelvärdet cceptans av data Felpropagerng Relatva el 00-09-06 Fskeperment, 7.5 hp ormalördelnngsunktonen (; µ, ) ( µ ) ep π.5.5 0.5 sgma
Läs merBlixtkurs i komplex integration
Blxtkurs komplex ntegraton Sven Spanne 7 oktober 998 Komplex ntegraton Vad är en komplex kurvntegral? Antag att f z är en komplex funkton och att är en kurva det komplexa talplanet. Man kan då beräkna
Läs merFörklaring:
rmn Hallovc: EXTR ÖVNINR ETIND SNNOLIKHET TOTL SNNOLIKHET OEROENDE HÄNDELSER ETIND SNNOLIKHET Defnton ntag att 0 Sannolkheten för om har nträffat betecknas, kallas den betngade sannolkheten och beräknas
Läs merIntroduktionsersättning eller socialbidraghar ersättningsregim betydelse för integrationen av flyktingar? 1
UPPSALA UNIVERSITET Natonalekonomska Insttutonen Examensarbete D-uppsats, Ht-2005 Introduktonsersättnng eller socalbdraghar ersättnngsregm betydelse för ntegratonen av flyktngar? 1 Författare: Henrk Nlsson
Läs merLÖSNINGAR TILL TENTAMEN I FYP302 MEKANIK B
GÖTEBORGS UNIVERSITET Insttutonen för Fysk och teknsk fysk LÖSNINGAR TILL TENTAMEN I FYP30 MEKANIK B Td: Torsdag august 04, kl 8 30 3 30 Plats: V Ansvarg lärare: Ulf Torkelsson, tel. 03-786 968 arbete,
Läs merKonsoliderad version av
Konsolderad verson av Styrelsens för ackredterng och teknsk kontroll föreskrfter (STAFS 1993:16) om EEG-märknng av flaskor som tjänar som mätbehållare (STAFS 2011:7). Ändrng nförd t.o.m. STAFS 2011:7 Föreskrfternas
Läs merFinns det över huvud taget anledning att förvänta sig något speciellt? Finns det en generell fördelning som beskriver en mätning?
När vi nu lärt oss olika sätt att karaktärisera en fördelning av mätvärden, kan vi börja fundera över vad vi förväntar oss t ex för fördelningen av mätdata när vi mätte längden av en parkeringsficka. Finns
Läs merStelkroppsdynamik i tre dimensioner Ulf Torkelsson. 1 Tröghetsmoment, rörelsemängdsmoment och kinetisk energi
Föreläsnng 4/10 Stelkroppsdynamk tre dmensoner Ulf Torkelsson 1 Tröghetsmoment, rörelsemängdsmoment och knetsk energ Låt oss beräkna tröghetsmomentet för en goycklg axel som går genom en fx punkt O en
Läs merKonstruktionsuppgift 1 G7006B. Sofi Isaksson Lea-Friederike Koss Henrik Silfvernagel
Kontruktonuppgft 1 G7006B Sof Iakon Lea-Frederke Ko Henrk Slfvernagel 1 1. Inlednng... 3 2. Beräknngar... 4 2.1 Metod 1, töd 2... 4 2.2 Metod 1, töd 3... 5 2.3 Metod 2, töd 2... 5 2.4 Metod 2, töd 3...
Läs merHjälpmedel: Penna, papper, sudd, linjal, miniräknare, formelsamling. Ej tillåtet med internetuppkoppling: 1. Skriv ditt för- och efternamn : (1/0/0)
Prov ellära, Fya Lugnetgymnaset, teknkprogrammet Hjälpmedel: Penna, papper, sudd, lnjal, mnräknare, formelsamlng. Ej tllåtet med nternetuppkopplng: Elektrsk laddnng. Skrv dtt för och efternamn : (/0/0).
Läs merVeckoblad 2. Kapitel 2 i Matematisk statistik, Blomqvist U.
Vecoblad 2 Kaptel 2 Matemats statst, Blomqvst U. ya begrepp: oberoende händelser, betngad sannolhet, Bayes formel.. är man sall lösa problem, där sntt mellan händelser ngår, an det ofta vara tll hjälp
Läs mer2 Jämvikt. snitt. R f. R n. Yttre krafter. Inre krafter. F =mg. F =mg
Jämvkt Jämvkt. Inlednng I detta kaptel skall v studera jämvkten för s.k. materella sstem. I ett materellt sstem kan varje del, partkel eller materalpunkt beskrvas med hjälp av dess koordnater. Koordnatsstemet
Läs merTNK049 Optimeringslära
TNK049 Optmerngslära Clas Rydergren, ITN Föreläsnng 10 Optmaltetsvllkor för cke-lnjära problem Icke-lnjär optmerng med bvllkor Frank Wolfe-metoden Agenda Optmaltetsvllkor för cke-lnjära problem Grafsk
Läs merUtbildningsavkastning i Sverige
NATIONALEKONOMISKA INSTITUTIONEN Uppsala Unverstet Examensarbete D Författare: Markus Barth Handledare: Bertl Holmlund Vårtermnen 2006 Utbldnngsavkastnng Sverge Sammandrag I denna uppsats kommer två olka
Läs merInnehåll: har missbrukat jämfört med om man inte har. missbrukat. Risk 1 Odds Risk. Odds 1 Risk. Odds
22 5 Innehåll:. Rsk & Odds. Rsk Rato.2 Odds Rato 2. Logstsk Regresson 2. Ln Odds 2.2 SPSS Output 2.3 Estmerng (ML) 2.4 Multpel 3. Survval Analys 3. vs. Logstsk 3.2 Censurerade data 3.3 Data, SPSS 3.4 Parametrskt
Läs merTillämpningar av dekomposition: Flervaruflödesproblemet. Flervaruflödesproblemet: Lagrangeheuristik
Tllämpnngar av dekomposton: Flervaruflödesproblemet v = mn j: x k c k x k xj k = r k för alla N, k C (1) x k b för alla (, j) A (2) j:(j,) A x k 0 för alla (, j) A, k (3) Struktur: Om man relaxerar kapactetsbvllkoren
Läs merDel A: Begrepp och grundläggande förståelse
STOCKHOLMS UNIVERSITET FYSIKUM KH/CW/SS Tentamensskrivning i Experimentella metoder, 1p, för kandidatprogrammet i fysik, /5 01, 9-14 Införda beteckningar skall förklaras och uppställda ekvationer motiveras
Läs mer1. a Vad menas med medianen för en kontinuerligt fördelad stokastisk variabel?
Tentamenskrvnng: TMS45 - Grundkurs matematsk statstk och bonformatk, 7,5 hp. Td: Onsdag den 9 august 2009, kl 08:30-2:30 Väg och vatten Tesen korrgerad enlgt anvsngar under tentamenstllfället. Examnator:
Läs merVALUE AT RISK. En komparativ studie av beräkningsmetoder. VALUE AT RISK A comparative study of calculation methods. Fredrik Andersson, Petter Finn
ISRN-nr: VALUE AT RISK En komparatv stude av beräknngsmetoder VALUE AT RISK A comparatve study of calculaton methods Fredrk Andersson, Petter Fnn & Wlhelm Johansson Handledare: Göran Hägg Magsteruppsats
Läs merProjekt i transformetoder. Rikke Apelfröjd Signaler och System rikke.apelfrojd@signal.uu.se Rum 72126
Projekt transformetoder Rkke Apelfröjd Sgnaler och System rkke.apelfrojd@sgnal.uu.se Rum 72126 Målsättnng Ur kursplanen: För godkänt betyg på kursen skall studenten kunna använda transformmetoder nom något
Läs merFaradays lag. ger. Låt oss nu bestämma den magnetiska energin för N st kopplade kretsar. Arbetet som kretsarnas batterier utför är
9. Magnetsk energ Faradays lag [RM] ger E dφ dt (9.5) dw k IdΦ + RI dt (9.6) Batterets arbete går alltså tll att bygga upp ett magnetskt flöde Φ och därmed motverka den bromsande nducerade spännngen, och
Läs merModellering av antal resor och destinationsval
UMEÅ UNIVERSITET Statstska nsttutonen C-uppsats, vt- 2005 Handledare: Erlng Lundevaller Modellerng av antal resor och destnatonsval Aron Arvdsson Salh Vošanovć Sammanfattnng V har denna uppsats analyserat
Läs mer6.2 Transitionselement
-- FEM för Ingenjörstllämpnngar, SE5 rshen@kth.se 6. Transtonselement Den här tpen av element används för förbnda ett lnjärt och ett kvadratskt element. Gvet: Sökt: Bestäm formfunktonen för nod. Vsa att
Läs merMos. Statens väg- ochtrafi V" NationalRoad&Traffic Research Institute- $-58101Li: Lä & t # % p. i E d $ åv 3 %. ISSN
f y ä M f ; * I) > t ; + Mos -2'2 2 42/9 halkat :4 11980) S l a,th 4. VD /-/ N =0O0U% 2 ISSN 0347-6049 S 3 ä at HP 3 TP Fa e s % Statens väg- ochtraf V" NatonalRoad&Traffc Research Insttute- $-58101L:
Läs merStresstest för försäkrings- och driftskostnadsrisker inom skadeförsäkring
PROMEMORIA Datum 01-06-5 Fnansnspektonen Författare Bengt von Bahr, Younes Elonq och Erk Elvers Box 6750 SE-113 85 Stockholm [Sveavägen 167] Tel +46 8 787 80 00 Fax +46 8 4 13 35 fnansnspektonen@f.se www.f.se
Läs merTentamen (TEN1) TMEL53 Digitalteknik
ISY/Datorteknk Tentamen (TEN) TMEL53 Dgtalteknk Td: 6 8 3, klockan 8 Lokal: TER Lärare: Svert Lundgren, telefon 3 8 5 55 Hjälpmedel: Formelblad som bfogats och mnräknare. Tentan nnehåller 6 uppgfter à
Läs merFörstärkare Ingångsresistans Utgångsresistans Spänningsförstärkare, v v Transadmittansförstärkare, i v Transimpedansförstärkare, v i
Elektronk för D Bertl Larsson 2013-04-23 Sammanfattnng föreläsnng 15 Mål Få en förståelse för förstärkare på ett generellt plan. Kunna beskrva olka typer av förstärkare och krav på dessa. Kunna förstå
Läs merSammanfattning. Härledning av LM - kurvan. Efterfrågan, Z. Produktion, Y. M s. M d inkomst = Y >Y. M d inkomst = Y
F12: sd. 1 Föreläsnng 12 Sammanfattnng V har studerat ekonomn påp olka skt, eller mer exakt, under olka antaganden om vad som kan ändra sg. 1. IS-LM, Mundell Flemmng. Prser är r konstanta, växelkurs v
Läs merSammanfattning, Dag 1
Sammanfattnng, Dag 1 V började med en sammanfattnng om vad v redan hade lärt oss från Matematk I Sedan fortsatte v (nästan punkt för punkt) resonera vad v skulle kunna göra mer och vsade vart v kunde komma
Läs merSkoldemokratiplan Principer och guide till elevinflytande
Skoldemokratplan Prncper och gude tll elevnflytande I Skoldemokratplan Antagen av kommunfullmäktge 2012-02-29, 49 Fnspångs kommun 612 80 Fnspång Telefon 0122-85 000 Fax 0122-850 33 E-post: kommun@fnspang.se
Läs merBeräkna standardavvikelser för efterfrågevariationer
Handbok materalstyrnng - Del B Parametrar och varabler B 41 Beräkna standardavvkelser för efterfrågevaratoner och prognosfel En standardavvkelse är ett sprdnngsmått som anger hur mycket en storhet varerar.
Läs merDel A Begrepp och grundläggande förståelse.
STOCKHOLMS UIVERSITET FYSIKUM Tentamensskrivning i Experimentella metoder, 1 hp, för kandidatprogrammet, år 1 Fredagen den 9 maj 008 kl 9-15. S.H./K.H./K.J.-A./B.S. Införda beteckningar bör förklaras och
Läs merEnkel och multipel linjär regression
TNG006 F3 25-05-206 Enkel och multipel linjär regression 3.. Enkel linjär regression I det här avsnittet kommer vi att anpassa en rät linje till mätdata. Betrakta följande värden från ett försök x 4.0
Läs merTentamen (TEN2) Maskininlärning (ML) 5hp 21IS1C Systemarkitekturutbildningen. Tentamenskod: Inga hjälpmedel är tillåtna
Intellgenta och lärande system 15 högskolepoäng Provmoment: Ladokkod: Tentamen ges för: Tentamen (TEN2) Masknnlärnng (ML) 5hp 21IS1C Systemarktekturutbldnngen Tentamenskod: Tentamensdatum: 2017-03-24 Td:
Läs merBilligaste väg: Matematisk modell i vektor/matrisform. Billigaste väg: Matematisk modell i vektor/matrisform
Vägar: Bllgaste väg Bllgaste väg s t Indata: Rktad graf med bågkostnader c, start/slutnod s, t. Bllgaste väg-problemet: Fnn en väg från s tll t med mnmal kostnad. Kostnaden för en väg är summan av kostnaderna
Läs merStela kroppars rörelse i ett plan Ulf Torkelsson
Föreläsnng /10 Stela kroppars rörelse ett plan Ulf Torkelsson 1 Allmän stelkroppsrörelse ett plan Den allmänna stelkroppsrörelsen ett plan kan delas upp den stela kroppens rotaton krng en axel och axelns
Läs merFördelning av kvarlåtenskap vid arvsskifte
NATIONALEKONOMISKA INSTITUTIONEN Uppsala unverstet Magsteruppsats Författare: Lars Björn Handledare: Henry Ohlsson HT 2008 Fördelnng av kvarlåtenskap vd arvsskfte En analys av ntergeneratonella fnansella
Läs merEn kort introduktion till principalkomponenttransformation och kanonisk diskriminantanalys av multispektrala data
Januar 22 ISSN 65-942 Metodrapport Tomas Hallberg En kort ntrodukton tll prncpalkomponenttransformaton och kanonsk dskrmnantanalys av multspektrala data x 2 σ A σ W σ W2 x Sensorteknk Box 65 58 Lnköpng
Läs merForskningsmetodik 2006 lektion 2
Forskningsmetodik 6 lektion Per Olof Hulth hulth@physto.se Slumpmässiga och systematiska mätfel Man skiljer på två typer av fel (osäkerheter) vid mätningar:.slumpmässiga fel Positiva fel lika vanliga som
Läs merTillfälliga elanläggningar (Källor: SEK handbok 415 oktober 2007, SS4364000 kap 704, ELSÄK-FS)
Approved by/godkänt av (tjänsteställebetecknng namn) QFD Dck Erksson Issued by/utfärdat av (tjänsteställebetecknng namn telefon) To/Tll (tjänsteställebetecknng namn) Instrukton Ttle/Rubrk Fle name/flnamn
Läs merRedovisning av signalbehandlingsmetoder för nätverk av marksensorer
Jun 2004 ISSN 1650-1942 Teknsk rapport Redovsnng av sgnalbehandlngsmetoder för nätverk av marksensorer Tomas Eklöv, Andrs Lauberts, Ron K. Lennartsson TOTALFÖRSVARETS FORSKNINGSINSTITUT Lednngssystem Box
Läs merUndersökning av vissa försäkringsantaganden i efterlevandepension för anställda i kommuner och landstinget och dess påverkan på prissättningen
Matematsk statstk Stockholms unverstet Undersöknng av vssa försäkrngsantaganden efterlevandepenson för anställda kommuner och landstnget och dess påverkan på prssättnngen Ilkay Gölcük Eamensarbete 7:5
Läs merStresstest för försäkrings- och driftskostnadsrisker inom skadeförsäkring
PROMEMORIA Datum 007-1-18 FI Dnr 07-1171-30 Fnansnspektonen Författare Bengt von Bahr, Younes Elonq och Erk Elvers P.O. Box 6750 SE-113 85 Stockholm [Sveavägen 167] Tel +46 8 787 80 00 Fax +46 8 4 13 35
Läs merLösningar modul 3 - Lokala nätverk
3. Lokala nätverk 3.1 TOPOLOGIER a) Stjärna, rng och buss. b) Nät kopplas ofta fysskt som en stjärna, där tll exempel kablar dras tll varje kontorsrum från en gemensam central. I centralen kan man sedan
Läs merDödlighetsundersökningar på KPA:s
Matematsk statstk Stockholms unverstet Dödlghetsundersöknngar på KPA:s bestånd av förmånsbestämda pensoner Sven-Erk Larsson Eamensarbete 6: Postal address: Matematsk statstk Dept. of Mathematcs Stockholms
Läs merETE115 Ellära och elektronik, tentamen oktober 2007
(0) 9 oktober 007 Insttutonen för elektro- och nformatonsteknk Danel Sjöberg ETE5 Ellära och elektronk, tentamen oktober 007 Tllåtna hjälpmedel: formelsamlng kretsteor. Observera att uppgfterna nte är
Läs merMatematisk statistik 9hp Föreläsning 7: Normalfördelning
Matematisk statistik 9hp Föreläsning 7: Normalfördelning Anna Lindgren 29+3 september 216 Anna Lindgren anna@maths.lth.se FMS12/MASB3 F7: normalfördelning 1/18 Kovarians, C(X, Y) Repetition Normalfördelning
Läs merTentamen i ETE115 Ellära och elektronik, 16/8 2017
Tentmen ETE Ellär och elektronk, 6/8 07 Tllåtn hjälpmedel: Formelsmlng kretsteor. Observer tt uppgftern nte är sorterde svårghetsordnng. All lösnngr skll ges tydlg motverngr. Två metllobjekt bldr en kondenstor.
Läs merPostadress: Internet: Matematisk statistik Matematiska institutionen Stockholms universitet 106 91 Stockholm Sverige
"!# " $ % &('*),+.-0/0%'&%3)5476 8 &(' 9;: +@),>BA % &C6D% &E>>):D4 F GIHJGLKMONQPRKTSVUXW Y[Z]\8 &4^>_\0%"à&b+ & c
Läs merTentamen för kursen. Linjära statistiska modeller. 17 februari
STOCKHOLMS UNIVERSITET MATEMATISK STATISTIK Tentamen för kursen Linjära statistiska modeller 17 februari 2010 9 14 Examinator: Anders Björkström, tel. 16 45 54, bjorks@math.su.se Återlämning: Rum 312,
Läs merBeställningsintervall i periodbeställningssystem
Handbok materalstyrnng - Del D Bestämnng av orderkvantteter D 41 Beställnngsntervall perodbeställnngssystem Ett perodbeställnngssystem är ett med beställnngspunktssystem besläktat system för materalstyrnng.
Läs merpå fråga 6 i tävlingen för matematiklärare. 'l.
påståendet nte gäller för alla Betrakta sdan AB och dagonalen D ;~var på fråga 6 tävlngen för matematklärare. 'l. Jag böjar med att vsa att antalet dagonaler en n-hömng är n(n-3)/2.. 2..j ' :., Bevs: Frän
Läs merTENTAMEN I MATEMATIK MED MATEMATISK STATISTIK HF1004 TEN
TENTAMEN I MATEMATIK MED MATEMATISK STATISTIK HF00 TEN 0-0- Hjälpmedel: Formelblad och ränedosa Fullständga lösnngar erfordras tll samtlga uppgfter Lösnngarna sall vara väl motverade och så utförlga att
Läs merPARTIKELDYNAMIK Def.: partikel utsträckning saknar betydelse Def. : Dynamik orsakar växelverkan kraft, F nettokraften
PARTIKELDYNAMIK Def.: En partkel är ett föremål vars utsträcknng saknar betydelse för dess rörelse. (Ej rotaton!) (YF kap. 1.2) Def. : Dynamk = Studer av vad som orsakar rörelse. (YF kap. 4) Observaton:
Läs merBestäm med hjälp av en lämplig och välmotiverad approximation P (X > 50). (10 p)
Avd. Matematisk statistik TENTAMEN I SF1901, SF1905, SANNOLIKHETSTEORI OCH STATISTIK, MÅNDAGEN DEN 17:E AUGUSTI 2015 KL 8.00 13.00. Kursledare: Tatjana Pavlenko, 08-790 84 66 Tillåtna hjälpmedel: Formel-
Läs merUppgift 1 (a) För två händelser, A och B, är följande sannolikheter kända
Avd. Matematisk statistik TENTAMEN I SF90, SANNOLIKHETSTEORI OCH STATISTIK, TISDAGEN DEN 9:E JUNI 205 KL 4.00 9.00. Kursledare: Tatjana Pavlenko, 08-790 84 66 Tillåtna hjälpmedel: Formel- och tabellsamling
Läs merStokastisk reservsättning med Tweedie-modeller och bootstrap-simulering
Matematsk statstk Stockholms unverstet Stokastsk reservsättnng med Tweede-modeller och bootstrap-smulerng Totte Pkanen Examensarbete 2005:4 Postadress: Matematsk statstk Matematska nsttutonen Stockholms
Läs merJämviktsvillkor för en kropp
Jämvktsvllkor för en kropp Det förekommer ofta stuatoner där man önskar bestämma vlka vllkor som måste uppfyllas för att en fast kropp skall förbl stllastående, dvs. befnna sg jämvkt. Den här delen av
Läs merLönebildningen i Sverige 1966-2009
Rapport tll Fnanspoltska rådet 2008/6 Lönebldnngen Sverge 1966-2009 Andreas Westermark Uppsala unverstet De åskter som uttrycks denna rapport är författarens egna och speglar nte nödvändgtvs Fnanspoltska
Läs merKorrelationens betydelse vid GUM-analyser
Korrelatoes betydelse vd GUM-aalyser Hela koceptet GUM geomsyras av atagadet att gåede mätgar är okorrelerade. Gude betoar och för sg att ev. korrelato spelar, me ger te mycket vägledg för hur ma då ska
Läs merOptimering i samband med produktionsplanering av, och materialförsörjning vid, underhåll av flygmotorer
Optmerng samband med produktonsplanerng av, och materalförsörjnng vd, underhåll av flygmotorer Nclas Andréasson 1 och Torgny Almgren 2 1. Matematk Chalmers teknska högskola 412 96 Göteborg 31-772 53 78
Läs merExempel: En boll med massa m studsar mot ett golv. Alldeles innan studsen vet man att hastigheten är riktad
1 KOMIHÅG 6: --------------------------------- Momentlag Tröghetsmoment ---------------------------------- Föreläsnng 7: Impulslag Rörelsemängden defneras som en vektor: p = mv Newtons 2:a lag kan då skrvas
Läs merN A T U R V Å R D S V E R K E T
5 Kselalger B e d ö m n n g s g r u vattendrag n d e r f ö r s j ö a r o c h v a t t e n d r a g Parameter Vsar sta hand effekter Hur ofta behöver man mäta? N på året ska man mäta? IPS organsk Nngspåver
Läs mer