Specialfall inom produktionsplanering: Avslutning Planerings- Le 8-9: Specialfall (produktval, kopplade lager, cyklisk planering, mm) system

Storlek: px
Starta visningen från sidan:

Download "Specialfall inom produktionsplanering: Avslutning Planerings- Le 8-9: Specialfall (produktval, kopplade lager, cyklisk planering, mm) system"

Transkript

1 Föreläsg Specalfall om produktosplaerg: Produktvalsplaerg, cyklsk plaerg, alteratva partformgsmetoder Avslutg Plaergssystem Fast posto Fö 6a: Projektplaerg (CPM, PERT, mm) Le 3: Projektplaerg (CPM/ PERT, käslghetsaalys) Kursstruktur Fö : Avslutg och kurssammafattg Le 8-9: Specalfall (produktval, kopplade lager, cyklsk plaerg, mm) Fö : Specalfall (produktval, kopplade lager, cyklsk plaerg, mm) Seretllverkg Fuktoell verkstad (FV) Ljetllverkg Fö 8: Plaerg av FV (layout, MRP, Fö 0: Plaerg av la (layout HP) balaserg, kaba, mm) Le 5: MRP (Tablåer och partformg) Le 7: Ljeplaerg (ljebalaserg och kaba) Fö 9: Plaerg av FV (partformg uder MRP, detaljplaerg) Le 6: etaljplaerg (Sekveserg, orderstyrg) Lab 4: Lagerstyrg (BP; BP, LPC) Le 4: Lagerstyrg (EO, SL, BP/PB) Fö 7: Lagerstyrg (Partformg, säkerhetslager, lagerstyrg) Lab 3: SVP (plaergsstrateger) Le : SVP (KOP och plaergsstrateger), samt laboratostrodukto Fö 5b: Sälj- och verksamhetsplaerg (plaergsstrateger) samt huvudplaerg Fö 5a: Plaergssystem (herarksk plaerg och dess kopplg tll processvalet) Kotuerlg tllverkg Fö 6b: Plaerg av kotuerlg tllverkg (Process Flow Schedulg, PFS) Produkt- och produktossystem Lab : Progostserg (tdssere - dekomposto) Le :Progostserg (tdssere ekel extrapolato) Fö 4: Produktossystem (typska produktossystem, dess egeskaper och val av process) Fö 3: Progostserg (efterfrågemodell, progosprocesse, progosmetoder, progosverktyg) Lab : ABC-aalys (med ABC Tool) Fö : Produktegeskaper (produktutvecklg, produktstruktur, P/L-kvot, KOP, lager vs. order, ABC-klassfcerg, mm) Itro Fö : Itrodukto (Produkto Sverge, produktosekoomska gruder, kurspresetato) Ageda Produktvalsplaerg Produktval uta häsy tll kapactet Produktval vd e tråg sekto/resurs (flaskhals) Produktval vd flera tråga sektoer/resurser Cyklsk plaerg Cyklsk produkto Geerell EO med häsy tll restrktoer EO vd budgetrestrkto EO vd begräsad kapactet EO med häsy tll utsläppsrätter Partformg vd kopplade lagerstrukturer

2 Produktvalsplaerg, grudprcper Produktvalsplaerg baseras på bdragskalkyler Bdragskalkylerg - ofullstädg kostadsfördelg o Beräka särkostadera för ett kalkylobjekt o samkostadera behadlas e klumpsumma Ofta beräkas täckgsbdraget på olka våer o artkelvå, produktvå och produktgruppsvå Cetrala begrepp Beslutsrelevata kostader - särkostader Beslutsrelevata täkter - särtäkter Vd val mella olka beslutsalteratv är det bara beslutets påverka på framtda täkter och kostader som är relevata är det bara framtda täkter och kostader som är avgörade för vlket hadlgsalteratv som väljs Bdragskalkylerg tllverkgsföretag Produktvalsproblem hur resurser och kapactet bäst ska utyttjas Tre olka stuatoer Företaget har ledg kapactet Företaget har e tråg sekto (flaskhals) Företaget har två eller flera tråga sektoer Färdgvaror Produktos- system Råmateral Begräsg Obegräsad kapactet Två kudförfråggar vd ledg kapactet Företag A: 400 st av produkt tll prset 75 kr/st Företag B: 50 st av produkt tll prset 3500 kr/st Produkt Produkt Materal Löer Övrga rörlga kostader Adel av fasta kostader Total kostad Vad göra?

3 Obegräsad kapactet Beslutsregel E order eller produkt är på kort skt lösam att tllverka och sälja om dess täckgsbdrag är postvt Alteratv formulerg av beslutsregel et lägsta acceptabla prset på e produkt eller order är det prs som precs täcker produktes/orders särkostader Rsk med beslutsregel Udatag blr regel E tråg sekto (falskhals) et fs e begräsg på 4 to/må av e råvara (plåt) Prset på plåt är 40 kr/kg Produkt Produkt Försäljgsprs Materal (plåt) Materal (övrgt) 5 70 Löer Rörlg Kost. (övrgt) 0 0 TB Vad göra? Optmergsproblem Maxmera täckgsbdraget Vllkor Materalåtgåg o P: 00/40 =.5 kg o P: 40/40 =.0 kg Begräsad efterfråga på 00 respektve 000 st/må Varabeldefto x = atal tllverkade av produkt, =, Modell max z = 85x+ 35x då.5x+.0x 4000 Två varabler: x 00 Lös med grafsk x 000 x, x 0 lösg 3

4 x Grafsk lösg max z = 85x + 35x då.5x +.0x 4000 x 00 x 000 x, x 0 x = 800 x = 00 z = x Flera tråga sektoer e optmala lösge måste beräkas för varje y stuato Problematke brukar lösas med ett LP-problem max då z = T cx Ax b x 0 Se Olhager (000) sd. 99-0, med tllhörade exempel. Cyklsk plaerg Komberad materal- och kapactetsmetod Produktera placeras e cyklsk produktosföljd Vd köp För att utyttja mskade admstratva kostader samt mskade trasportkostader Vd produkto För att styra (reducera) köbldge vd masker (plaergspukter) 4

5 Cyklsk produkto Exempel: Styra geomflöde vd flaskhals Tre produkter A,B,C ska tllverkas varje cykel ABC/ABC/... Alla produkter går geom EN mask delar på resurse Lagervå Cyklsk A Produkto produkto Ställtd Lagervå B Lagervå Cykeltd = T Produkto Ställtd Efterfråga T T Td Td C Produkto Ställtd Td Maske A B C A B Cyklsk produkto Problemformulerg Cyklsk Produkto lämplgt då: efterfråga är stabl produktoskapactete är begräsad produktmxe är gve över tde Cykellägd och orderkvatteter är kostata Alla produkter tllverkas e gåg per cykel T = gemesam cykeltd = T =,..., Beslutsvarabel : T 5

6 Cyklsk produkto Topt T { T Tm} = max, T m t Cykeltdsbegrepp Ekoomsk cykeltd, T e cykeltd som ger lägsta kostade elgt målfuktoe uta häsy tll kapactetsbvllkoret Teksk cykeltd, T m e kortast möjlga cykeltde med häsy tll kapactetsbvllkoret Optmal cykeltd, T opt e bästa tllåta cykeltde o lägsta möjlga kostad opt T = max = T { T, T } opt m Cyklsk produkto, exempel Produkto av tre artklar e flödesgrupp Produkt A Produkt B Produkt C Efterfrågetakt [st/vecka] Produktostakt [st/vecka] Ställtd [veckor/ställ] Ställkostad [kr/ställ] Lagerh. kostad [kr/st/vecka] ,3 0, 0,

7 = Exempel: Oberoede lösg K H p T =... = ( ) st ( ) = T T = T = ( ) veckor T Exempel: Oberoede lösg Exempel: Beroede lösg K = T = =... =.94 veckor H ( t ) T max, opt T T = =.94 veckor s = = Tm = =... =.37 veckor t = opt ( ) = T = st { m} 7

8 Exempel: Beroede lösg = ( s + t) =... =.69 veckor Ej full beläggg!.69 Belägggsgrad = 87%.94 Cyklsk produkto För- och ackdelar Fördelar Kortare kötder Högre kapactetsutyttjade möjlgt Fasta ruter, ekel drft Lägre kaptalbdg Nackdelar Iflexbelt Geerell EO vd restrktoer Flera produkter tävlar om e eller flera tråga resurser tot = (,,..., ) ( ) M C C då g j,,..., M j, j =,.., m 0, =,.., 8

9 Geerell EO vd restrktoer: Metodk Lös beslutsproblemet (partforma) u.h.t restrktoer Ja Är lösge tllåte? Nej = Ta häsy tll bdade bvllkor och för Lagragemultplkator Nytt Målfukto m kostad = ordersärkostad+lagerkostad Bvllkor Budgetrestrkto Parametrar M = maxmal kaptalbdg M Ctot = K + rv { rv = H} = då EO med budgetrestrkto v = 0 M Kovext problem ( ) Optmaltetsvllkor, KKT λ 0 λ g b = 0 = f = λ g g b M Ctot = K + rv = då v M 0 Edast ett vllkor!!! rv K + v rv K + v = λ v rv K + λ 0 λ = v M = v M= 0 9

10 Lösg med hjälp av KKT rv K + v rv K + v = λ () v rv K + λ 0 () λ = v M (3) v M= 0 (4) = Två fall Studera kompl.vllkoret o λ = 0 Budgetvllkoret ej uppfyllt o λ < 0 Budgetvllkoret uppfyllt Fall o Vllkor ger för varje K rv K = = rv o Kotrollera tllåtehet (3) rv K + Lösg med hjälp av KKT v rv K + v = λ () v rv K + λ 0 () = v M (3) λ v M= 0 (4) = Fall Vllkor ger K rv K = λv = (5) v( r λ) (5) (3) λ (6) (6) (5) Kotrollera tllåtehet () Ett av falle uppfyller alla optmaltetsvllkor optmum C TOT Exempel, Lösg CTOT = K + ( r v) ( r v) K λ < 0 λ = 0 0

11 EO vd begräsad kapactet Målfukto m kostad = ordersärkostad+lagerkostad Bvllkor Kapactet (maxmal tllgäglg kapactet) Parametrar T = maxmal tllgäglg kapactet (td) = p M Ctot = K + rv rv = H då ( ) = s + t T = T, 0, Cyklsk plaerg (specalfall) { } EO med häsy tll utsläppsrätter Målfukto m kostad Bvllkor Utsläppsrätte för CO Utsläppsrätter Varje lad får e kvot att släppa ut som fördelas på olka brascher Taket (storleke) på utsläppsrätte kommer hela tde att mska Förtage ka: o o Ivestera tekolog som mskar utsläppe därefter sälja sa utsläppsrätter Köpa utsläppsrätter frå adra företag EO med häsy tll utsläppsrätter Målfukto m kostad Bvllkor Utsläppsrätte för CO Parametrar U = Utsläppsrätte M C K rv då tot = + = p = F ( ) 0 U

12 Partformg vd kopplade lagerstrukturer Lagerstyrg flera våer Skall varje lager styras var för sg, eller ka ma htta e gemesam partformerg (e global EO)? RVF M ML M FVL P P V0 V V V Ett sätt att sykrosera materalflödet är att tllverka samma orderkvattet (eller multplar därav) alla steg Brukar kallas EO vd kopplade lagerstrukturer eller bara kopplade lager Mer fo, se Olhager (000) sd KUN Lagerstyrg flera våer RVF M ML M FVL P P KUN V0 V V V RVF ML FVL Grudläggade frågeställgar RVF M ML M FVL P P KUN V0 V V V RVF ML FVL Fyra vktga frågor Atal uppsättgar [st/år] Lagerkostad [kr/st och år] Medellager (uder de td då lagret fs) [st] Td lager [år]

13 Relevata kostader RVF M ML M FVL P P KUN V0 V V V RVF ML FVL Atal uppsättgar [st/år] Lagerkostad [kr/st och år] Td lager [år] Medellager [st] rv0 rv rv P P P P P Lagerkostader CLAGER = Atal uppsättgar [st/år] Lagerkostad Td lager X X X [kr/st och år] [år] Medellager [st] rv 0 RVF ML FVL P P rv rv P P P Problemformulerg P CTOT = ( KM + K ) M + rv 0 + rv + rv P P P P dc P = ( KM + K ) 0 M + rv + rv + rv = TOT d 0 P P P P = ( M + ) M K K P rv0 + rv + rv P P P P 3

14 Partformg vd kopplade lagerstrukturer Metodk. Rta upp materalflödet (lager, masker, trasporter). Skssa lagerutvecklge respektve lager 3. Sätt upp e tabell a) Atal uppsättgar [st/perod] b) Lagerkostad [kr/(stperod)] c) Medellager [per perod] d) Td lager [peroder] 4. Formulera lagerkostader per lagerställe (abcd) 5. Sätt upp totalkostadsfuktoe: C Tot = Σ(ordersärkostader + lagerkostader) 6. ervera och sök som mmerar C Tot 4

D 45. Orderkvantiteter i kanbansystem. 1 Kanbansystem med två kort. Handbok i materialstyrning - Del D Bestämning av orderkvantiteter

D 45. Orderkvantiteter i kanbansystem. 1 Kanbansystem med två kort. Handbok i materialstyrning - Del D Bestämning av orderkvantiteter Hadbok materalstyrg - Del D Bestämg av orderkvatteter D 45 Orderkvatteter kabasystem grupp av materalstyrgsmetoder karakterseras av att behov av materal som uppstår hos e förbrukade ehet mer eller mdre

Läs mer

Lektion 8 Specialfall, del I (SFI) Rev 20151006 HL

Lektion 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 mer

Orderkvantiteter vid begränsningar av antal order per år

Orderkvantiteter vid begränsningar av antal order per år Hadbok materalstyrg - Del D Bestämg av orderkvatteter D 64 Orderkvatteter vd begräsgar av atal order per år Olka så kallade partformgsmetoder aväds som uderlag för beslut rörade val av lämplg orderkvattet

Läs mer

Korrelationens betydelse vid GUM-analyser

Korrelationens 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 mer

TENTAMEN I MATEMATISK STATISTIK. Statistik för lärare, 5 poäng

TENTAMEN I MATEMATISK STATISTIK. Statistik för lärare, 5 poäng UMEÅ UNIVERSITET Isttutoe för matematsk statstk Statstk för lärare, MSTA38 Lef Nlsso TENTAMEN 04--6 TENTAMEN I MATEMATISK STATISTIK Statstk för lärare, 5 poäg Skrvtd: 9.00-15.00 Tllåta hjälpmedel: Utdelad

Läs mer

Något om beskrivande statistik

Något om beskrivande statistik Något om beskrvade statstk. Iledg I de flesta sammahag krävs fakta som uderlag för att komma tll rmlga slutsatser eller fatta vettga beslut. Exempelvs ka det på ett företag ha uppstått dskussoer om att

Läs mer

Väntevärde, standardavvikelse och varians Ett statistiskt material kan sammanfattas med medelvärde och standardavvikelse (varians), och s.

Väntevärde, standardavvikelse och varians Ett statistiskt material kan sammanfattas med medelvärde och standardavvikelse (varians), och s. Vätevärde, stadardavvkelse och varas Ett statstskt materal ka sammafattas med medelvärde och stadardavvkelse (varas, och s. På lkade sätt ka e saolkhetsfördelg med käda förutsättgar sammafattas med vätevärde,,

Läs mer

Föreläsning 7. Kursstruktur

Föreläsning 7. Kursstruktur Föreläsning 7 Lagerstyrning: Partiformning, beställningspunktsystem och säkerhetslager Avslutning Planeringssystem Fast position Fö 6a: Projektplanering (CPM, PERT, mm) Le 3: Projektplanering (CPM/ PERT,

Läs mer

SAMMANFATTNING AV KURS 602 STATISTIK (Newbold kapitel [7], 8, 9, 10, 13, 14)

SAMMANFATTNING AV KURS 602 STATISTIK (Newbold kapitel [7], 8, 9, 10, 13, 14) AMMANFATTNING AV KUR 6 TATITIK (Newbold katel [7], 8, 9,, 3, 4) INLEDNING 3 Proortoer 3 Proortoer 4 Poulatosvaras 5 KONFIDENINTERVALL 6 Itutv förklarg 6 Arbetsgåg vd beräkg av kofdestervall 7 Tfall. ök

Läs mer

Lösningsförslag till tentamen i 732G71 Statistik B, 2009-12-04

Lösningsförslag till tentamen i 732G71 Statistik B, 2009-12-04 Prs Lösgsförslag tll tetame 73G7 Statstk B, 009--04. a) 340 30 300 80 60 40 0 0.5.0.5.0 Avståd.5 3.0 3.5 b) r y y y y 4985.75 7.7 830 0 39.335 7.7 0 80300-830 0 3.35 0.085 74.475 c) b y y 4985.75 7.7 830

Läs mer

Strukturell utveckling av arbetskostnad och priser i den svenska ekonomin

Strukturell utveckling av arbetskostnad och priser i den svenska ekonomin Strukturell utvecklg av arbetskostad och prser de sveska ekoom Alek Markowsk Krsta Nlsso Marcus Wdé WORKING PAPER NR 06, MAJ 0 UTGIVEN AV KONJUNKTURINSTITUTET KONJUNKTURINSTITUTET gör aalyser och progoser

Läs mer

Centrala gränsvärdessatsen

Centrala gränsvärdessatsen Arm Hallovc: EXTRA ÖVNINGAR Cetrala gräsvärdessatse Cetrala gräsvärdessatse Vätevärdet och varase för e ljär kombato av stokastska varabler beräkas elgt följade: S Låt c, c,, c vara kostater,,,, stokastska

Läs mer

Föreläsning 9. Planering av lina: Linjebalansering, produktionsstyrning (Kanban) och produktvalsproblem

Föreläsning 9. Planering av lina: Linjebalansering, produktionsstyrning (Kanban) och produktvalsproblem Föreläsning 9 Planering av lina: Linjebalansering, produktionsstyrning (Kanban) och produktvalsproblem Kursstruktur Innehåll Föreläsning Lektion Laboration Introduktion, produktionsekonomiska Fö 1 grunder,

Läs mer

Bilaga 1 Formelsamling

Bilaga 1 Formelsamling 1 2 Bilaga 1 Formelsamlig Grudbegre, resultatlaerig och roduktkalkylerig Resultat Itäkt - Kostad Lösamhet Resultat Resursisats TTB Täckigsgrad (TG) Totala itäkter TB Säritäkt Divisioskalkyl är de eklaste

Läs mer

TPPE13 Produktionsekonomi

TPPE13 Produktionsekonomi TPPE13 Produktionsekonomi Mathias Henningsson (mathias.henningsson@liu.se) Institutionen för ekonomisk och industriell utveckling Avdelningen för produktionsekonomi Agenda Kurspresentation Produktion i

Läs mer

Föreläsning 6. Lagerstyrning

Föreläsning 6. Lagerstyrning Föreläsning 6 Lagerstyrning Kursstruktur Innehåll Föreläsning Lektion Laboration Introduktion, produktionsekonomiska Fö 1 grunder, produktegenskaper, ABC klassificering Produktionssystem Fö 2 Prognostisering

Läs mer

Efter tentamen För kurser med fler än 60 examinerande meddelas resultatet SENAST 20 arbetsdagar efter examinationen annars 15 arbetsdagar.

Efter tentamen För kurser med fler än 60 examinerande meddelas resultatet SENAST 20 arbetsdagar efter examinationen annars 15 arbetsdagar. Luleå tekiska uiversitet TENTAMEN Kurskod: R0009N Kursam: Modeller för iter styrig Tetamesdatum: 2015-03-16 Skrivtid: 4 timmar Tillåta hjälpmedel: Räkare. Rätetabeller bifogas lägst bak i dea teta. Jourhavade

Läs mer

Föreläsning 3. 732G04: Surveymetodik

Föreläsning 3. 732G04: Surveymetodik Föreläsig 3 732G04: Surveymetodik Dages föreläsig Obudet slumpmässigt urval (OSU) Populatiosparametrar och stickprovsstatistikor Vätevärdesriktighet Ädliga och oädliga populatioer Medelvärde, adel Kofidesitervall

Läs mer

Lösning till TENTAMEN

Lösning till TENTAMEN Isttutoe för Sjöfart oh Mar Tekk ös tll TENTAMEN 0706 KURSNAMN Termodyamk oh strömslära ROGRAM: am Sjöejörsrorammet åk / läserod KURSBETECKNING //auusterode SJO050 005 el A Strömslära EXAMINATOR Mats Jarlros

Läs mer

Billigaste väg: Matematisk modell i vektor/matrisform. Billigaste väg: Matematisk modell i vektor/matrisform

Billigaste 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 mer

Variansberäkningar KPI

Variansberäkningar KPI STATISTISKA CENTRALBYRÅN Slutrapport (9) Varasberäkgar KPI Varasberäkgar KPI Iledg Grov varasskattg Detaljerade varasskattgar av tuga produktgrupper 5 Rätekostader 5 Charter 6 Böcker 8 Utrkesflyg 0 Iträdesbljetter

Läs mer

Föreläsning 8. Planering av funktionell verkstad (del 1): Layoutaspekter, huvudplanering och materialbehovsplanering (MRP) Kursstruktur

Föreläsning 8. Planering av funktionell verkstad (del 1): Layoutaspekter, huvudplanering och materialbehovsplanering (MRP) Kursstruktur Föreläsning 8 Planering av funktionell verkstad (del 1): Layoutaspekter, huvudplanering och materialbehovsplanering (MRP) Kursstruktur Avslutning Planeringssystem Fö 12: Avslutning och kurssammanfattning

Läs mer

Tillämpning av Trafikverkets grafiska profil på Don t drink & drive

Tillämpning av Trafikverkets grafiska profil på Don t drink & drive Tllämpg av Trafkverkets grafska profl på Do t drk & drve Utvalda delar och bestämmelser ur Trafkverkets grafska maual, som stöd vd framtagg av Do t drk & drve-materal. Följade pukter ska ses som rekommedatoer

Läs mer

4.2.3 Normalfördelningen

4.2.3 Normalfördelningen 4..3 Normalfördelge Bomal- och Possofördelge är två exempel på fördelgar för slumpvarabler som ka ata ädlgt eller uppräkelgt måga olka värde. Sådaa fördelgar sägs vara dskreta. Ofta är ett resultat X frå

Läs mer

Föreläsning 5. Lagerstyrning

Föreläsning 5. Lagerstyrning Föreläsning 5 Lagerstyrning Kursstruktur Innehåll Föreläsning Lek1on Labora1on Introduk*on, produk*onsekonomiska grunder, produk*onssystem, ABC- klassificering Fö 1 Prognos*sering Fö 2 Le 1 La 1 Sälj-

Läs mer

Flexibel konkursriskestimering med logistisk spline-regression

Flexibel konkursriskestimering med logistisk spline-regression Matematsk statstk Stockholms uverstet Flexbel kokursrskestmerg med logstsk sple-regresso Erk vo Schedv Examesarbete 8: Postadress: Matematsk statstk Matematska sttutoe Stockholms uverstet 6 9 Stockholm

Läs mer

Föreläsning 5. Lagerstyrning

Föreläsning 5. Lagerstyrning Föreläsning 5 Lagerstyrning Kursstruktur Innehåll Föreläsning Lek1on Labora1on Introduk*on, produk*onsekonomiska grunder, produk*onssystem, ABC-klassificering Fö 1 Prognos*sering Fö 2 Le 1 La 1 Sälj- och

Läs mer

Produktionsekonomi Föreläsning 2. Kursstruktur

Produktionsekonomi Föreläsning 2. Kursstruktur Produktionsekonomi Föreläsning 2 Produkten och dess egenskaper: Produktstruktur, lager- och kundordertillverkning, produktutveckling, artikelklassificering, mm. Avslutning Planeringssystem Fast position

Läs mer

Sensorer och elektronik. Analys av mätdata

Sensorer och elektronik. Analys av mätdata Sesorer och elektrok Aalys av mätdata Iehåll Mätfel Några begrepp om saolkhetslära Läges- och sprdgsmått Kofdestervall Ljär regresso Mätosäkerhetsaalys Mätfel Alla mätresultat är behäftade med e vss osäkerhet

Läs mer

Föreläsning 4. Kursstruktur

Föreläsning 4. Kursstruktur Föreläsning 4 Produktionssystem: Typiska produktionssystem, dess egenskaper och val av Avslutning Planeringssystem Fö 6a: Projektplanering (CPM, PERT, mm) Le 3: Projektplanering (CPM/ PERT, känslighetsanalys)

Läs mer

Lycka till och trevlig sommar!

Lycka till och trevlig sommar! UMEÅ UNIVERSITET Isttutoe för matematsk statstk Statstk för lärare, MSTA38 Lef Nlsso TENTAMEN 07-05-3 TENTAMEN I MATEMATISK STATISTIK Statstk för lärare, 5 poäg Skrvtd: 09.00-5.00 Tllåta hjälpmedel: Tabellsamlg,

Läs mer

Statistisk analys. Vilka slutsatser kan dras om populationen med resultatet i stickprovet som grund? Hur säkra uttalande kan göras om resultatet?

Statistisk analys. Vilka slutsatser kan dras om populationen med resultatet i stickprovet som grund? Hur säkra uttalande kan göras om resultatet? Statistisk aalys Vilka slutsatser ka dras om populatioe med resultatet i stickprovet som grud? Hur säkra uttalade ka göras om resultatet? Mats Guarsso Tillämpad matematik III/Statistik - Sida 83 Exempel

Läs mer

Linjär Algebra. Linjära ekvationssystem. Ax = b. Viktiga begrepp. Linjära ekvationssystem. Kolumnerna i A. Exempel. R (A) spänns upp av t.ex.

Linjär Algebra. Linjära ekvationssystem. Ax = b. Viktiga begrepp. Linjära ekvationssystem. Kolumnerna i A. Exempel. R (A) spänns upp av t.ex. Ljära ekvatossystem Ljär Algebra obekata & ekvatoer a x + a x + a 3 x 3 + + a x = b a x + a x + a 3 x 3 + + a x = b a x + a x + a 3 x 3 + + a x = b Ljära ekvatossystem där A -matrs och b -vektor Vktga

Läs mer

Tillfälliga elanläggningar (Källor: SEK handbok 415 oktober 2007, SS4364000 kap 704, ELSÄK-FS)

Tillfälliga 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 mer

Beställningsintervall i periodbeställningssystem

Beställningsintervall i periodbeställningssystem Handbok materalstyrnng - Del D Bestämnng av orderkvantteter D 41 Beställnngsntervall perodbeställnngssystem Ett perodbeställnngssystem är ett med beställnngspunktssystem besläktat system för materalstyrnng.

Läs mer

Armin Halilovic: EXTRA ÖVNINGAR. ) De Moivres formel ==================================================== 2 = 1

Armin Halilovic: EXTRA ÖVNINGAR. ) De Moivres formel ==================================================== 2 = 1 Arm Hallovc: EXTRA ÖVNINGAR KOMPLEXA TAL x + y, där x, y R (rektagulär form r(cosθ + sθ (polär form r (cos θ + s θ De Movres formel y O x + x y re θ (potesform eller expoetell form θ e cosθ + sθ Eulers

Läs mer

Sensorer, effektorer och fysik. Analys av mätdata

Sensorer, effektorer och fysik. Analys av mätdata Sesorer, effektorer och fysk Aalys av mätdata Iehåll Mätfel Noggrahet och precso Några begrepp om saolkhetslära Läges- och sprdgsmått Kofdestervall Ljär regresso Mätosäkerhetsaalys Mätfel Alla mätgar är

Läs mer

Lektion 8 Specialfall, del I (SFI) Rev 20080304 MR

Lektion 8 Specialfall, del I (SFI) Rev 20080304 MR Lekton 8 Specalfall, del I (SFI) Rev 0080304 MR Produktvalsproblem och cyklsk planerng Ltteratur: Olhager (000) kap. 7.3 och 9. Nedan följer alla uppgfter som hör tll lektonen. De är ndelade fyra nvåer

Läs mer

Lektion 8 Specialfall, del I (SFI) Rev 20080304 MR

Lektion 8 Specialfall, del I (SFI) Rev 20080304 MR Lekton 8 Specalfall, del I (SFI) Rev 0080304 MR Produktvalsproblem och cyklsk planerng Ltteratur: Olhager (000) kap. 7.3 och 9. Nedan följer alla uppgfter som hör tll lektonen. De är ndelade fyra nvåer

Läs mer

ANN fk. Örjan Ekeberg. Strukturell Riskminimering. Kernels. Konsten att undvika att räkna högdimensionellt. Kernels

ANN fk. Örjan Ekeberg. Strukturell Riskminimering. Kernels. Konsten att undvika att räkna högdimensionellt. Kernels Kernel Methods Observaton Nästan alltng är lnjärt separerbart högdmensonella rum Vanlga lågdmensonella data kan enkelt slängas ut ett rum. Två problem uppstår. Många fra parametrar dålg generalserng. Mycket

Läs mer

Tentamen STA A15 delkurs 1 (10 poäng): Sannolikhetslära och statistisk slutledning 3 november, 2005 kl

Tentamen STA A15 delkurs 1 (10 poäng): Sannolikhetslära och statistisk slutledning 3 november, 2005 kl Tetame STA A5 delkurs ( poäg): Saolkhetslära och statstsk slutledg 3 ovember 5 kl. 8.5-3.5 Tllåta hjälpmedel: Räkedosa bfogade formel- och tabellsamlgar vlka skall retureras. Asvarg lärare: Ja Rudader

Läs mer

f(x i ) Vi söker arean av det gråfärgade området ovan. Området begränsas i x-led av de två x-värdena där kurvan y = x 2 2x skär y = 0, d.v.s.

f(x i ) Vi söker arean av det gråfärgade området ovan. Området begränsas i x-led av de två x-värdena där kurvan y = x 2 2x skär y = 0, d.v.s. Dg. Remsummor och tegrler Rekommederde uppgfter 5.. Del upp tervllet [, 3] lk stor deltervll och väd rektglr med dess deltervll som bs för tt beräk re v området uder = +, över =, smt mell = och = 3. V

Läs mer

Samtal med Karl-Erik Nilsson

Samtal med Karl-Erik Nilsson Samtal med Karl-Erik Nilsso,er Ert av Svesk Tidskrifts redaktörer, Rolf. Ertglud, itejuar här Karl-Erik Nilsso, ar kaslichej på TCO och TCO:s represetat ed i litagarfodsutredige. er e t or så å g. ). r

Läs mer

Välkommen in i konfirmandens egen bibel!

Välkommen in i konfirmandens egen bibel! L Välkoe kofrades ege bbel! Upptäck Bbel tllsaas ed kofrade! Lbrs ya kofradutgåva av Bbel har två huvudpersoer: Jesus so är Bbels kära och stjära och de uga äska so ärar sg Bbel och tro. Ordet kofrad äs

Läs mer

2. Konfidensintervall för skillnaden mellan två proportioner.

2. Konfidensintervall för skillnaden mellan två proportioner. Föreläsig 12 LV1, Torsdag 12/10 Upplägg 1. Kofidesitervall för proportioer. 2. Kofidesitervall för skillade mella två proportioer. 3. Grafteori Kofidesitervall för proportioer Atag att vi vill skatta adele

Läs mer

Webprogrammering och databaser. Begrepps-modellering. Exempel: universitetsstudier Kravspec. ER-modellen. Exempel: kravspec forts:

Webprogrammering och databaser. Begrepps-modellering. Exempel: universitetsstudier Kravspec. ER-modellen. Exempel: kravspec forts: Webprogrammerig och databaser Koceptuell datamodellerig med Etitets-Relatiosmodelle Begrepps-modellerig Mål: skapa e högivå-specifikatio iformatiosiehållet i database Koceptuell modell är oberoede DBMS

Läs mer

Borel-Cantellis sats och stora talens lag

Borel-Cantellis sats och stora talens lag Borel-Catellis sats och stora tales lag Guar Eglud Matematisk statistik KTH Vt 2005 Iledig Borel-Catellis sats är e itressat och avädbar sats framför allt för att bevisa stora tales lag i stark form. Vi

Läs mer

Datastrukturer och algoritmer

Datastrukturer och algoritmer Iehåll Föreläsig 6 Asymtotisk aalys usammafattig experimetell aalys uasymtotisk aalys Lite matte Aalysera pseudokode O-otatio ostrikt o Okulärbesiktig 2 Mäta tidsåtgåge uhur ska vi mäta tidsåtgåge? Experimetell

Läs mer

Tentamen Metod C vid Uppsala universitet, , kl

Tentamen Metod C vid Uppsala universitet, , kl Tetame Metod C vid Uppsala uiversitet, 160331, kl. 08.00 12.00 Avisigar Av rättigspraktiska skäl skall var och e av de tre huvudfrågora besvaras på separata pappersark. Börja alltså på ett ytt pappersark

Läs mer

SANNOLIKHETER. Exempel. ( Tärningskast) Vi har sex möjliga utfall 1, 2, 3, 4, 5 och 6. Därför är utfallsrummet Ω = {1, 2, 3, 4, 5,6}.

SANNOLIKHETER. Exempel. ( Tärningskast) Vi har sex möjliga utfall 1, 2, 3, 4, 5 och 6. Därför är utfallsrummet Ω = {1, 2, 3, 4, 5,6}. rmi Halilovic: EXTR ÖVIGR SOLIKHETER GRUDLÄGGDE BEGRE OH BETEKIGR Utfall Resultat av ett slumpmässigt försök. Utfallsrummet ägde av alla utfall (beteckas oftast med Ω ). Hädelse E delmägd av utfallsrummet.

Läs mer

Föreskrift. om publicering av nyckeltal för elnätsverksamheten. Utfärdad i Helsingfors den 2. december 2005

Föreskrift. om publicering av nyckeltal för elnätsverksamheten. Utfärdad i Helsingfors den 2. december 2005 Dr 1345/01/2005 Föreskrift om publicerig av yckeltal för elätsverksamhete Utfärdad i Helsigfors de 2. december 2005 Eergimarkadsverket har med stöd av 3 kap. 12 3 mom. i elmarkadslage (386/1995) av de

Läs mer

Databaser - Design och programmering. Programutveckling. Programdesign, databasdesign. Kravspecifikation. ER-modellen. Begrepps-modellering

Databaser - Design och programmering. Programutveckling. Programdesign, databasdesign. Kravspecifikation. ER-modellen. Begrepps-modellering Databaser desig och programmerig Desig processe ER-modellerig Programutvecklig Förstudie, behovsaalys Programdesig, databasdesig Implemetatio Programdesig, databasdesig Databasdesig Koceptuell desig Koceptuell

Läs mer

Informationsåtervinning på webben Sökmotorernas framtid

Informationsåtervinning på webben Sökmotorernas framtid Iformatosåtervg på webbe Sökmotoreras framtd Semarum 4-9- Iformatosåtervg på webbe Sökmotoreras framtd Ge sprato tll forskg att skapa ya affärsmölgheter smart avädg av sökverktyg de ega orgasatoe Belysa

Läs mer

Lösningar modul 3 - Lokala nätverk

Lösningar 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 mer

Dokumentation kring beräkningsmetoder använda för prisindex för elförsörjning (SPIN 35.1) inom hemmamarknadsprisindex (HMPI)

Dokumentation kring beräkningsmetoder använda för prisindex för elförsörjning (SPIN 35.1) inom hemmamarknadsprisindex (HMPI) STATISTISKA CENTRALBYRÅN Dokumentaton (6) ES/PR-S 0-- artn Kullendorff arcus rdén Dokumentaton krng beräknngsmetoder använda för prsndex för elförsörjnng (SPIN 35.) nom hemmamarknadsprsndex (HPI) Indextalen

Läs mer

Kompletterande kurslitteratur om serier

Kompletterande kurslitteratur om serier KTH Matematik Has Thuberg 5B47 Evariabelaalys Kompletterade kurslitteratur om serier I Persso & Böiers.5.4 itroduceras serier, och serier diskuteras också i kapitel 7.9. Ia du läser vidare här skall du

Läs mer

LÖSNINGAR TILL. Räkningar: (z i z) 2 = , Δ = z = 1 n. n 1. Konfidensintervall:

LÖSNINGAR TILL. Räkningar: (z i z) 2 = , Δ = z = 1 n. n 1. Konfidensintervall: LÖSNINGAR TILL Matematisk statistik Tetame: 2014 10 28 kl 14 00 19 00 Matematikcetrum FMS 086 Matematisk statistik för B, K, N och BME, 7.5 hp Luds tekiska högskola MASB02 Matematisk statistik för kemister,

Läs mer

Leica Lino. Noggranna, självavvägande punkt- och linjelasers

Leica Lino. Noggranna, självavvägande punkt- och linjelasers Leica Lio Noggraa, självavvägade pukt- och lijelasers Etablera, starta, klart! Med Leica Lio är alltig lodat och perfekt apassat Leica Lios projekterar lijer eller pukter med millimeterprecisio och låter

Läs mer

Tentamen i Matematisk statistik för V2 den 28 maj 2010

Tentamen i Matematisk statistik för V2 den 28 maj 2010 Tetame i Matematisk statistik för V de 8 maj 00 Uppgift : E kortlek består av 5 kort. Dessa delas i i färger: 3 hjärter, 3 ruter, 3 spader och 3 klöver. Kortleke iehåller damer, e i varje färg. Ata att

Läs mer

Lektion 9 Specialfall, del II (SFII) Rev MR. Alternativa partiformningsmetoder. Litteratur: Olhager (2000) kap. 8.1 och 11.

Lektion 9 Specialfall, del II (SFII) Rev MR. Alternativa partiformningsmetoder. Litteratur: Olhager (2000) kap. 8.1 och 11. ekton 9 Specalfall, del II (SFII) Rev 008004 MR lternatva partformnngsmetoder tteratur: Olhager (000) kap. 8. och. Nedan följer alla uppgfter som hör tll lektonen. e är ndelade fyra nvåer där nvå nnehåller

Läs mer

Föreläsning F3 Patrik Eriksson 2000

Föreläsning F3 Patrik Eriksson 2000 Föreläsig F Patrik riksso 000 Y/D trasformatio Det fis ytterligare ett par koppligar som är värda att käa till och kua hatera, ite mist är ma har att göra med trefasät. Dessa kallas stjärkopplig respektive

Läs mer

Konsoliderad version av. Styrelsens för ackreditering och teknisk kontroll föreskrifter (STAFS 1993:18) om EEG-märkning av färdigförpackade varor

Konsoliderad version av. Styrelsens för ackreditering och teknisk kontroll föreskrifter (STAFS 1993:18) om EEG-märkning av färdigförpackade varor Kosoliderad versio av Styrelses för ackrediterig och tekisk kotroll föreskrifter (STAFS 1993:18) om EEG-märkig av färdigförpackade varor Rubrike har dea lydelse geom (STAFS 2008:11) Ädrig iförd: t.o.m.

Läs mer

Bo Andersson, IF Metall, Sven Bergström, LO, Jörgen Eriksson, Byggnads, Björn Hammar, Teknikföretagen, Björn Samuelson, Sveriges Byggindustrier

Bo Andersson, IF Metall, Sven Bergström, LO, Jörgen Eriksson, Byggnads, Björn Hammar, Teknikföretagen, Björn Samuelson, Sveriges Byggindustrier Säkra persolyft 1 Prevet är e ideell föreig iom arbetsmiljöområdet med Sveskt Närigsliv, LO och PTK som huvudmä. Vår uppgift är att tillsammas med huvudmäe förmedla kuskap krig arbetsmiljöfrågor och utveckla

Läs mer

Har du sett till att du:

Har du sett till att du: jua b r t t u a lr r l a r r a å l g P rä t r g u s p u m h a c tt val? t bo s F Rock w S Du har tt stort asvar! Som fastghtsägar m hyra gästr llr campg trägår är u otrolgt vktg aktör! Självklart för att

Läs mer

TRIBECA Finansutveckling

TRIBECA Finansutveckling TRIBECA Rådgivare iom fiasiella helhetslösigar TRIBECA a s k r e i v g S f a s k r i e v g S f g g r r e e a r a r e e i i f f TRIBECA s målsättig är att bidra med råd & produkter som hela tide gör att

Läs mer

Analys av algoritmer. Beräkningsbar/hanterbar. Stora Ordo. O(definition) Datastrukturer och algoritmer. Varför analysera algoritmer?

Analys av algoritmer. Beräkningsbar/hanterbar. Stora Ordo. O(definition) Datastrukturer och algoritmer. Varför analysera algoritmer? Datastrukturer och algoritmer Föreläsig 2 Aalys av Algoritmer Aalys av algoritmer Vad ka aalyseras? - Exekverigstid - Miesåtgåg - Implemetatioskomplexitet - Förstålighet - Korrekthet - - 29 30 Varför aalysera

Läs mer

Torsdag 16 oktober: Klassisk fysik- Modern Fysik -Teknologi (Arne)

Torsdag 16 oktober: Klassisk fysik- Modern Fysik -Teknologi (Arne) Torsdag 16 oktober: Klassisk fysik- Moder Fysik -Tekologi (Are) Iledig I slutet av 1800-talet existerade ett flertal experimetella fakta, som ej kude förklaras med de s.k. Klassiska Fysike. Flera av dessa

Läs mer

Primär- och sekundärdata. Undersökningsmetodik. Olika slag av undersökningar. Beskrivande forts. Beskrivande forts. 2012-11-08

Primär- 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 mer

4.2.3 Normalfördelningen

4.2.3 Normalfördelningen 4.2.3 Normalfördelige Biomial- och Poissofördelige är två exempel på fördeligar för slumpvariabler som ka ata ädligt eller uppräkeligt måga olika värde. Sådaa fördeligar sägs vara diskreta. Ofta är ett

Läs mer

Antalet sätt att välja ut r objekt bland n stycken med hänsyn till ordning är np r = n(n 1) (n r + 1).

Antalet sätt att välja ut r objekt bland n stycken med hänsyn till ordning är np r = n(n 1) (n r + 1). Harald Lag Formelsamlig och Tabeller i Statistik och Saolikhetsteori (15/11-10) Datareducerig Om x 1,..., x är ett stickprov ur e populatio så defiieras medelvärdet x x = 1 k=1 x k och stadardavvikelse

Läs mer

Uppsala Universitet Matematiska Institutionen Bo Styf. Genomgånget på föreläsningarna Föreläsning 26, 9/2 2011: y + ay + by = h(x)

Uppsala Universitet Matematiska Institutionen Bo Styf. Genomgånget på föreläsningarna Föreläsning 26, 9/2 2011: y + ay + by = h(x) Uppsala Uiversitet Matematiska Istitutioe Bo Styf Evariabelaalys, 0 hp STS, X 200-0-27 Föreläsig 26, 9/2 20: Geomgåget på föreläsigara 26-30. Att lösa de ihomogea ekvatioe. De ekvatio vi syftar på är förstås

Läs mer

SAMMANFATTNING TAMS79 Matematisk statistik, grundkurs

SAMMANFATTNING TAMS79 Matematisk statistik, grundkurs SAMMANFATTNING TAMS79 Matematisk statistik, grudkurs LÄST SOM EN DEL AV CIVILINGENJÖRSPROGRAMMET I INDUSTRIELL EKONOMI VID LITH, HT 2015 Versio: 1.0 Seast reviderad: 2016-02-01 Författare: Viktor Cheg

Läs mer

Uppgift 1 (max 5p) Uppgift 2 (max 5p) Exempeltenta nr 6

Uppgift 1 (max 5p) Uppgift 2 (max 5p) Exempeltenta nr 6 ppgf (max 5p) Exempelena nr 6 ppgfen går u på a förklara några cenrala begrepp nom kursen. Svara korfaa men kärnfull och ange en förklarng på e fåal menngar som ydlg beskrver var och e av de fem begreppen.

Läs mer

Del A. x 0 (1 + x + x 2 /2 + x 3 /6) x x 2 (1 x 2 /2 + O(x 4 )) = x3 /6 + O(x 5 ) (x 3 /6) + O(x 4 )) = 1 + } = 1

Del A. x 0 (1 + x + x 2 /2 + x 3 /6) x x 2 (1 x 2 /2 + O(x 4 )) = x3 /6 + O(x 5 ) (x 3 /6) + O(x 4 )) = 1 + } = 1 UPPSALA UNIVERSITET Matematiska istitutioe Sigstam, Styf Svar till övigsteta ENVARIABELANALYS 0-0- Svar till övigsteta. Del A. Bestäm e ekvatio för tagete till kurva y f x) x 5 i pukte där x. Skissa kurva.

Läs mer

b) Om du nu hade oturen att du köpt en trasig dator, vad är sannolikheten att den skulle ha tillverkats i Litauen?

b) Om du nu hade oturen att du köpt en trasig dator, vad är sannolikheten att den skulle ha tillverkats i Litauen? UMEÅ UNIVERSITET Isttutoe för matematk och matematsk statstk MSTA, Statstk för tekska fysker A Peter Ato TENTAMEN 005-0-03 ÖSNINGSFÖRSAGTENTAMEN I MATEMATISK STATISTIK Statstk för tekska fysker, 4 oäg.

Läs mer

REGULJÄRA SPRÅK (8p + 6p) 1. DFA och reguljära uttryck (6 p) Problem. För följande NFA över alfabetet {0,1}:

REGULJÄRA SPRÅK (8p + 6p) 1. DFA och reguljära uttryck (6 p) Problem. För följande NFA över alfabetet {0,1}: CD58 FOMEA SPÅK, AUTOMATE, OCH BEÄKNINGSTEOI, 5 p JUNI 25 ÖSNINGA EGUJÄA SPÅK (8p + 6p). DFA och reguljära uttryck (6 p) Problem. För följade NFA över alfabetet {,}:, a) kovertera ovaståede till e miimal

Läs mer

Datorövning 2 Fördelningar inom säkerhetsanalys

Datorövning 2 Fördelningar inom säkerhetsanalys Luds tekiska högskola Matematikcetrum Matematisk statistik STATISTISKA METODER FÖR SÄKERHETSANALYS FMS065, HT-15 Datorövig 2 Fördeligar iom säkerhetsaalys I dea datorövig ska vi studera ågra grudläggade

Läs mer

Linjär Algebra (lp 1, 2016) Lösningar till skrivuppgiften Julia Brandes

Linjär Algebra (lp 1, 2016) Lösningar till skrivuppgiften Julia Brandes Lijär Algebra (lp 1, 2016) Lösigar till skrivuppgifte Julia Brades Uppgift 1. Betecka mägde av alla matriser med M(). Vi har e elemetvist defiierad additio av två matriser A, B M(). De är defiierad geom

Läs mer

Digital signalbehandling Fönsterfunktioner

Digital signalbehandling Fönsterfunktioner Istitutioe för data- och elektrotekik Digital sigalbehadlig Fösterfuktioer 2-2-7 Fösterfuktioer aväds för att apassa mätserie vid frekvesaalys via DFT och FFT samt vid dimesioerig av FIR-filter via ivers

Läs mer

Stat. teori gk, ht 2006, JW F13 HYPOTESPRÖVNING (NCT ) Ordlista till NCT

Stat. teori gk, ht 2006, JW F13 HYPOTESPRÖVNING (NCT ) Ordlista till NCT Stat. teori gk, ht 2006, JW F13 HYPOTESPRÖVNING (NCT 10.1-10.3) Ordlista till NCT Hypothesis testig Null hypothesis Alterative hypothesis Simple / composite Oe-sided /two-sided Reject Test statistic Type

Läs mer

2B1115 Ingenjörsmetodik för IT och ME, HT 2004 Omtentamen Måndagen den 23:e aug, 2005, kl. 9:00-14:00

2B1115 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 mer

Förklaring:

Förklaring: 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 mer

MS-A0409 Grundkurs i diskret matematik I

MS-A0409 Grundkurs i diskret matematik I MS-A0409 Grudkurs i diskret matematik I G. Gripeberg Mägder och logik Relatioer och fuktioer Aalto-uiversitetet oktober 04 Kombiatorik etc. G. Gripeberg (Aalto-uiversitetet MS-A0409 Grudkurs i diskret

Läs mer

För att minimera de negativa hälsokonsekvenserna av tunnelluft finns i dagsläget tre metoder;

För att minimera de negativa hälsokonsekvenserna av tunnelluft finns i dagsläget tre metoder; MKB till detaljpla Förbifart Stockholm Hälsoeffekter av tuelluft Studier idikerar att oöskade korttidseffekter, blad aat ökat atal iflammatiosmarkörer, börjar uppstå vid e expoerig som motsvaras av tuelluft

Läs mer

Tentamen i Statistik, STA A13 Deltentamen 2, 5p 20 januari 2007, kl. 09.00-13.00

Tentamen i Statistik, STA A13 Deltentamen 2, 5p 20 januari 2007, kl. 09.00-13.00 0.01.007 Tetame i Statistik, STA A13 Deltetame, 5p 0 jauari 007, kl. 09.00-13.00 Tillåta hjälpmedel: Bifogad formel- och tabellsamlig (skall retureras) samt miiräkare. Asvarig lärare: Haah Hall Övrigt:

Läs mer

Enkel slumpvandring. Sven Erick Alm. 9 april 2002 (modifierad 8 mars 2006) 2 Apan och stupet 3 2.1 Passagesannolikheter... 3 2.2 Passagetider...

Enkel slumpvandring. Sven Erick Alm. 9 april 2002 (modifierad 8 mars 2006) 2 Apan och stupet 3 2.1 Passagesannolikheter... 3 2.2 Passagetider... Ekel slumpvadrig Sve Erick Alm 9 april 2002 (modifierad 8 mars 2006) Iehåll 1 Iledig 2 2 Apa och stupet 3 2.1 Passagesaolikheter............................... 3 2.2 Passagetider....................................

Läs mer

Beräkna standardavvikelser för efterfrågevariationer

Beräkna 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 mer

Tentamen i Statistik STG A01 (12 hp) 5 mars 2010, kl. 08.15 13.15

Tentamen i Statistik STG A01 (12 hp) 5 mars 2010, kl. 08.15 13.15 Karlstads uiversitet Fakultete för ekoomi, kommuikatio och IT Statistik Tetame i Statistik STG A0 ( hp) 5 mars 00, kl. 08.5 3.5 Tillåta hjälpmedel: Bifogad formel- och tabellsamlig (skall retureras) samt

Läs mer

Formelblad Sannolikhetsteori 1

Formelblad Sannolikhetsteori 1 Formelblad Saolikhetsteori Bayes formel: Låt A och D vara två hädelser Då gäller P A D = P D AP A P D Chebyshevs olikhet: Låt X vara e stokastisk variabel med vätevärde µ och varias Då gäller för alla

Läs mer

Tidtabell. 208/209 Skellefteå - Skelleftehamn Sommar, från och med 16/6 till och med 17/8 2014. www.skelleftebuss.se Tel.

Tidtabell. 208/209 Skellefteå - Skelleftehamn Sommar, från och med 16/6 till och med 17/8 2014. www.skelleftebuss.se Tel. Iformatio Dessa biljetter ka köpas på busse; - Ekelbiljett, ige fri övergåg till stadsbussara. - Rabattkort, rabatterade resor med ca 20 %, valfritt atal resor frå 6 resor och uppåt. - Periodkort, gäller

Läs mer

Introduktion till statistik för statsvetare

Introduktion till statistik för statsvetare "Det fis iget så praktiskt som e bra teori" November 2011 Bakgrud Stadardiserig E saolikhetsekvatio Kosekves av stora tales lag Stora tales lag ger att är slumpvariablera X i är oberoede, med e och samma

Läs mer

Databaser - Design och programmering. Databasdesign. Kravspecifikation. Begrepps-modellering. Design processen. ER-modellering

Databaser - Design och programmering. Databasdesign. Kravspecifikation. Begrepps-modellering. Design processen. ER-modellering Databaser desig och programmerig Desig processe Databasdesig Förstudie, behovsaalys ER-modellerig Kravspecifikatio För att formulera e kravspecifikatio: Idetifiera avädare Studera existerade system Vad

Läs mer

Stresstest för försäkrings- och driftskostnadsrisker inom skadeförsäkring

Stresstest 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 mer

Handlingsplan. Grön Flagg. Berga förskola

Handlingsplan. Grön Flagg. Berga förskola Handlngsplan Grön Flagg Berga förskola Kommentar från Håll Sverge Rent 2013-12-13 09:50: Bra utvecklngsområden med aktvteter som passar barnen. Tänk på att vara medforskare och låta barnen styra. Berätta

Läs mer

Vinst (k) 1 1.5 2 4 10 Sannolikhet 0.4 0.2 0.2 0.1 0.1 ( )

Vinst (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 mer

En studiecirkel om Stockholms katolska stifts församlingsordning

En studiecirkel om Stockholms katolska stifts församlingsordning En studecrkel om Stockholms katolska stfts församlngsordnng Studeplan STO CK HOLM S K AT O L S K A S T I F T 1234 D I OECE S I S HOL M I ENS IS En studecrkel om Stockholm katolska stfts församlngsordnng

Läs mer

Föreläsning 4. Fast position Projektplanering (CPM och PERT)

Föreläsning 4. Fast position Projektplanering (CPM och PERT) Föreläsning 4 Fast position Projektplanering (CPM och PERT) 2 Kursstruktur Innehåll Föreläsning Lek1on Labora1on Introduk*on, produk*onsekonomiska grunder, produk*onssystem, ABC- klassificering Fö 1 Prognos*sering

Läs mer

FÖRDJUPNINGS-PM. Nr 6. 2010. Kommunalt finansierad sysselsättning och arbetade timmar i privat sektor. Av Jenny von Greiff

FÖRDJUPNINGS-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 mer

1. (a) Eftersom X och Y har samma fördelning så har de även samma väntevärde och standardavvikelse. E(X 2 ) = k

1. (a) Eftersom X och Y har samma fördelning så har de även samma väntevärde och standardavvikelse. E(X 2 ) = k LÖSNINGAR TILL Matematisk statistik, Matematikcetrum Tetame: 5 kl 8 Luds tekiska högskola FMS, FMS, FMS, FMS 5, MAS 9 Matematisk statistik för ED, F, I, FED och fysiker. a Eftersom X och Y har samma fördelig

Läs mer

Hamnbanan Göteborg Dubbelspår Eriksbergsmotet - Pölsebobangården

Hamnbanan Göteborg Dubbelspår Eriksbergsmotet - Pölsebobangården Järvägsutredig med miljökosekvesbeskrivig Hambaa Göteborg Dubbelspår Eriksbergsmotet - Pölsebobagårde Utställigshadlig 2011-03-04 Yta för bild eller möster Titel: Järvägsutredig Hambaa Göteborg dele Eriksbergsmotet

Läs mer