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

Föreläsning 9. Specialfall inom produk1onsplanering: Cyklisk planering, kopplade lager

Föreläsning 9. Specialfall inom produk1onsplanering: Cyklisk planering, kopplade lager Föreläsnng 9 Specalfall nom produk1onsplanerng: Cyklsk planerng, kopplade lager Kursstruktur Innehåll Föreläsnng Lek1on Labora1on Introduk3on, produk3onsekonomska grunder, Lean produc3on, ABC-klassfcerng

Läs mer

Orderkvantiteter i kanbansystem

Orderkvantiteter i kanbansystem Hadbok materalstyrg - Del D Bestämg av orderkvatteter D 45 Orderkvatteter kabasystem E grupp av materalstyrgsmetoder karakterseras av att behov av materal som uppstår hos e förbrukade ehet mer eller mdre

Läs mer

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

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

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

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

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

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

Begreppet rörelsemängd (eng. momentum) (YF kap. 8.1)

Begreppet rörelsemängd (eng. momentum) (YF kap. 8.1) Begreppet rörelsemägd (eg. mometum) (YF kap. 8.1) Defto (Newto!): E partkel med massa m och hastghet ഥv har rörelsemägd ഥp = m ഥv. Vektor med samma rktg som hastghete! Newto II: ሜF = m dvlj = d dt dt d

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 G04 Surveymetodik 732G19 Utredningskunskap I

Föreläsning G04 Surveymetodik 732G19 Utredningskunskap I Föreläsg 6 73G04 urveymetodk 73G9 Utredgskuska I Dages föreläsg ortfall Totalbortfall Partellt bortfall Hur hatera bortfall? ortfallsstratumasatse (tvåfasurval) ubsttuto Imuterg Reettosquz ortfall och

Läs mer

Repetition DMI, m.m. Några begrepp. egenskap d. egenskap1

Repetition DMI, m.m. Några begrepp. egenskap d. egenskap1 Repetto DMI, m.m. I. ermolog och Grudproblem II. Ljär algebra III. Optmerg IV. Saolkhetslära V. Parameterestmerg Några begrepp Möstervektor (egeskapsvektor/data) lsta med umerska värde som beskrver möstret.

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

Fyra typer av förstärkare

Fyra typer av förstärkare 1 Föreläsg 1, Ht2 Hambley astt 11.6 11.8, 11.11, 12.1, 12.3 Fyra tyer a förstärkare s 0 s ut s A ut L s L 0 ägsförstärkare ägströmförstärkare (trasadmttasförst.) 0 ut s s ut L s s A 0 L trömsägsförstärkare

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

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

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

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

Tillämpningar av dekomposition: Flervaruflödesproblemet. Flervaruflödesproblemet: Lagrangeheuristik

Tillämpningar 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 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 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

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

Föreläsningsanteckningar till Linjär Regression

Föreläsningsanteckningar till Linjär Regression Föreläsgsateckgar tll Ljär Regresso Kasper K S Aderse 3 oktober 08 Statstsk modell Ofta söks ett sambad y fx mella e förklarade eller oberoede varabel x och e resposvarabel eller beroede varabel y V betrakter

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

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

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

F9 Hypotesprövning. Statistikens grunder 2 dagtid. p-värden. Övning 1 från F8

F9 Hypotesprövning. Statistikens grunder 2 dagtid. p-värden. Övning 1 från F8 01-10-5 F9 Hypotesprövg Statstkes gruder dagtd HT 01 Behöver komma håg alla formler? Ne, kolla formelbladet Me vlka som behövs eller te beror på stuatoe Det som ska läras är är behöver Z eller T och hur

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

TNK049 Optimeringslära

TNK049 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 mer

1. Test av anpassning.

1. Test av anpassning. χ -metode. χ -metode ka avädas för prövig av hypoteser i flera olika slag av problem: om e stokastisk variabel följer e viss saolikhetsfördelig med käda eller okäda parametrar. om två stokastiska variabler

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

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

TENTAMEN I REALTIDSPROCESSER OCH REGLERING TTIT62

TENTAMEN I REALTIDSPROCESSER OCH REGLERING TTIT62 TENTAMEN I REALTIDSPROESSER OH REGLERING TTIT62 Td: Torsdage de 5 u 28, kl 4.-8. Lokal: TER2 Asvarga lärare: Mart Eqvst, tel 28 393 eller 76-9294, Sm Nadm-Tehra, tel 72-28 24 2 Hälpmedel: Tabeller, formelsamlgar,

Läs mer

F15 ENKEL LINJÄR REGRESSION (NCT )

F15 ENKEL LINJÄR REGRESSION (NCT ) Stat. teor gk, ht 006, JW F5 ENKEL LINJÄR REGRESSION (NCT.-.4) Ordlta tll NCT Scatter plot Depedet/depedet Leat quare Sum of quare Redual Ft Predct Radom error Aal of varace Sprdgdagram Beroede/oberoede

Läs mer

Väntevärde för stokastiska variabler (Blom Kapitel 6 och 7)

Väntevärde för stokastiska variabler (Blom Kapitel 6 och 7) Matemats statst för STS vt 004 004-04 - 0 Begt Rosé Vätevärde för stoastsa varabler (Blom Kaptel 6 och 7 1 Vätevärde för e dsret stoasts varabel Låt vara e dsret s.v. med saolhetsfuto p ( elgt eda. Saolhetera

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

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

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

ENDIMENSIONELL ANALYS B1 FÖRELÄSNING VI. Föreläsning VI. Mikael P. Sundqvist

ENDIMENSIONELL ANALYS B1 FÖRELÄSNING VI. Föreläsning VI. Mikael P. Sundqvist Föreläsig VI Mikael P. Sudqvist Aritmetisk summa, exempel Exempel I ett sällskap på 100 persoer skakar alla persoer had med varadra (precis e gåg). Hur måga hadskakigar sker? Defiitio I e aritmetisk summa

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

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

x 1 x 2 x 3 x 4 x 5 x 6 HL Z x x x

x 1 x 2 x 3 x 4 x 5 x 6 HL Z x x x Uppgift 1 a) Vi iför slackvariabler x 4, x 5 och x 6 och löser problemet med hjälp av simplexalgoritme. Z -2-1 1 0 0 0 0 x 4 1 1-1 1 0 0 20 x 5 2 1 1 0 1 0 30 x 6 1-1 2 0 0 1 10 x 1 blir igåede basvariabel

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

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

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

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

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

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

Föreläsning G70 Statistik A

Föreläsning G70 Statistik A Föreläsig 7 73G70 Statistik A Hypotesprövig för jämförelse av populatiosadelar Krav: vi har dragit två OSU p( p) > 5 för båda stickprove Steg : Välj sigifikasivå och formulera hypoteser H 0 : π - π = d

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

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

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

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

STOCKHOLMS UNIVERSITET

STOCKHOLMS UNIVERSITET STOCKHOLMS UNIVERSITET Natoalekoomska sttutoe Secalarbete, NE 400, 0 oäg 003-0-5 Ka EUs ya gruudatag för motorfordosbrasce förvätas leda tll ett samällsekoomskt otmalt atal återförsälare av e tllverkares

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

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

En utvärdering av två olika sätt att skatta fördelningen till stickprovsmedelvärden från olikfördelade data - normalapproximation kontra resampling

En utvärdering av två olika sätt att skatta fördelningen till stickprovsmedelvärden från olikfördelade data - normalapproximation kontra resampling utvärderg av två olka sätt att skatta fördelge tll stckprovsmedelvärde frå olkfördelade data - ormalapproxmato kotra resamplg av Adreas Holmström xamesarbete matematsk statstk Umeå uverstet, Hadledare:

Läs mer

Normalfördelningar (Blom Kapitel 8)

Normalfördelningar (Blom Kapitel 8) Matematsk statstk STS vt 004 004-04 - Begt Rosé Normalördelgar (Blom Kaptel 8 Deto och allmäa egeskaper DEFINITION : E stokastsk varael sägs vara ormalördelad om de har ördelg med täthetsukto med utseede

Läs mer

Anmärkning: I några böcker använder man följande beteckning ]a,b[, [a,b[ och ]a,b] för (a,b), [a,b) och (a,b].

Anmärkning: I några böcker använder man följande beteckning ]a,b[, [a,b[ och ]a,b] för (a,b), [a,b) och (a,b]. MÄNGDER Stadardtalmägder: N={0,, 2, 3, } mägde av alla aturliga tal (I ågra böcker N={,2,3, }) Z={ 3, 2,,0,, 2, 3, 4, } mägde av alla hela tal m Q={, där m, är hela tal och 0 } mägde av alla ratioella

Läs mer

Formler och tabeller i statistik

Formler och tabeller i statistik KTH STH, Campus Hage Formler och tabeller statstk Arm Hallovc Formler och tabeller statstk Medelvärde och varas = = = ( ) = = = Medelvärde och varas för ett frekvesdelat materal = k = f = k = f ( ) Vätevärde

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

Grundläggande matematisk statistik

Grundläggande matematisk statistik Grudläggade matematisk statistik Puktskattig Uwe Mezel, 2018 uwe.mezel@slu.se; uwe.mezel@matstat.de www.matstat.de Saolikhetsteori: Saolikhetsteori och statistikteori vad vi gjorde t.o.m. u vi hade e give

Läs mer

Kap. 1. Gaser Ideala gaser. Ideal gas: För en ideal gas gäller: Allmänna gaslagen. kraft yta

Kap. 1. Gaser Ideala gaser. Ideal gas: För en ideal gas gäller: Allmänna gaslagen. kraft yta Termodyamk - ärmets rörelse - Jämvkt - Relatoer mella olka kemska tllståd - Hur mycket t.ex. eerg eller rodukter som bldas e kemsk reakto - arför kemska reaktoer sker Ka. 1. Gaser 1.1-2 Ideala gaser Ideal

Läs mer

När vi räknade ut regressionsekvationen sa vi att denna beskriver förhållandet mellan flera variabler. Man försöker hitta det bästa möjliga sättet

När 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 mer

Prisuppdateringar på elementär indexnivå - jämförelser mot ett superlativt index

Prisuppdateringar på elementär indexnivå - jämförelser mot ett superlativt index PM tll Nämde för KPI Sammaträde r 3 ES/PR 2017-10-25 Olva Ståhl och Ulf Jostad Prsuppdatergar på elemetär dexvå - jämförelser mot ett superlatvt dex För formato Idex på elemetär vå KPI eräkas de flesta

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

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

Begreppet rörelsemängd (eng. momentum)

Begreppet rörelsemängd (eng. momentum) Begreppe rörelsemägd (eg. momeum) Två fra parklar med massora m och m och hasgheera v och v påverkar varadra de skuggade område. Efer a ha påverka varadra har de hasgheera v och v. Hasghesförädrge Dv och

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

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

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

Rylander & co. [Priskurant] : takplåt, galvaniserad, korrugerad. Stockholm 1886

Rylander & co. [Priskurant] : takplåt, galvaniserad, korrugerad. Stockholm 1886 Rylader & co [Prskurat] : takplåt, galvaserad, korrugerad Stockholm 1 EOD Mljoer böcker bara e kapptryckg bort. I mer ä europeska läder! Tack för att du väljer EOD! Europeska bblotek har mljotals böcker

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

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

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

Tentamenskrivning, , kl SF1625, Envariabelanalys för CINTE1(IT) och CMIEL1(ME ) (7,5hp)

Tentamenskrivning, , kl SF1625, Envariabelanalys för CINTE1(IT) och CMIEL1(ME ) (7,5hp) KTH-Matematik Tetameskrivig, 2008-0-0, kl. 4.00-9.00 SF625, Evariabelaalys för CITE(IT) och CMIEL(ME ) (7,5h) Prelimiära gräser. Registrerade å kurse SF625 får graderat betyg eligt skala A (högsta betyg),

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

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

Minsta kvadrat-metoden, MK. Maximum likelihood-metoden, ML. Medelfel. E(X i ) = µ i (θ) MK-skattningen av θ fås genom att minimera

Minsta kvadrat-metoden, MK. Maximum likelihood-metoden, ML. Medelfel. E(X i ) = µ i (θ) MK-skattningen av θ fås genom att minimera Matematisk statistik slumpes matematik Saolikhetsteori hur beskriver ma slumpe? Statistikteori vilka slutsatser ka ma dra av ett datamaterial? Statistikteori översikt Puktskattig Hur gör ma e bra gissig

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

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

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

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

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

SOS HT Punktskattningar. Skattning från stickprovet. 2. Intuitiva skattningar. 3. Skattning som slumpvariabel. slump.

SOS HT Punktskattningar. Skattning från stickprovet. 2. Intuitiva skattningar. 3. Skattning som slumpvariabel. slump. Puktskattgar SOS HT10 Puktskattg uwe@math.uu.se http://www.math.uu.se/~uwe/sos_ht10 1. Vad är e puktskattg och varför behövs de? 1. Jämförelse: saolkhetstoer statstkteor 2. Itutva ( aturlga ) skattgar

Läs mer

b) Bestäm det genomsnittliga antalet testade enheter, E (X), samt även D (X). (5 p)

b) Bestäm det genomsnittliga antalet testade enheter, E (X), samt även D (X). (5 p) Avd Matematisk statistik TENTAMEN I SF922, SF923 och SF924 SANNOLIKHETSTEORI OCH STATISTIK, TISDAGEN DEN 29:E MAJ 208 KL 0800 300 Examiator för SF922/SF923: Tatjaa Pavleko, 08-790 84 66 Examiator för SF924:

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

Sannolikheten. met. A 3 = {2, 4, 6 }, 1 av 11

Sannolikheten. met. A 3 = {2, 4, 6 }, 1 av 11 rmi Halilovic: EXTR ÖVIGR SOLIKHETER GRUDLÄGGDE EGRE OH ETEKIGR Utfall Resultat av ett slumpmässigt försök. Utfallsrummet ägde av alla utfall (beteckas oftast medd Ω ). Hädelse E delmägd av utfallsrumm

Läs mer

F4 Matematikrep. Summatecken. Summatecken, forts. Summatecken, forts. Summatecknet. Potensräkning. Logaritmer. Kombinatorik

F4 Matematikrep. Summatecken. Summatecken, forts. Summatecken, forts. Summatecknet. Potensräkning. Logaritmer. Kombinatorik 0-0-5 F Matematrep Summateet Potesräg Logartmer Kombator Summatee Säg att v har ste tal,, Summa av dessa tal (alltså + + ) srvs ortfattat med hälp av summatee: summa då går fr.o.m. t.o.m. Summatee, forts.

Läs mer

TAOP61 Optimering av realistiska sammansatta system. Speciellt med denna kurs. Uppdateringar. Kursplan

TAOP61 Optimering av realistiska sammansatta system. Speciellt med denna kurs. Uppdateringar. Kursplan TAOP61 Optmerng av realstska sammansatta system Examnator: Ka Holmberg ka.holmberg@lu.se, 013-282867 Kurshemsda: http://courses.ma.lu.se/gu/taop61/ Ltteratur: Ka Holmberg: Optmerng (Lber, 2010/2018) Ka

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

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

EKVATIONER MED KOMPLEXA TAL A) Ekvationer som innehåller både ett obekant komplext tal z och dess konjugat z B) Binomiska ekvationer.

EKVATIONER MED KOMPLEXA TAL A) Ekvationer som innehåller både ett obekant komplext tal z och dess konjugat z B) Binomiska ekvationer. Arm Hallovc: EXTRA ÖVNINGAR Bomska ekvatoer EKVATIONER MED KOMPLEXA TAL A Ekvatoer som ehåller både ett obekat komplext tal och dess kojugat B Bomska ekvatoer. A Ekvatoer som ehåller både och För att lösa

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

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