Verifiering av mätmetoder. Yttäckande mätningar med SAR ARENA RAPPORT 2017:04

Storlek: px
Starta visningen från sidan:

Download "Verifiering av mätmetoder. Yttäckande mätningar med SAR ARENA RAPPORT 2017:04"

Transkript

1 Verifiering av mätmetoder Yttäckande mätningar med SAR ARENA RAPPORT 2017:04

2 Publikation: ARENA RAPPORT 2017:04, Verifiering av mätmetoder, Yttäckande mätningar med SAR Publiceringsdatum: Författare: Dahl M., Pettersson M.I. Granskare: Fastén, G., Clemedtson, P. O. Distributör: NetPort Science Park, Biblioteksgatan 4, , Karlshamn, 2 Sweden Telefon: , info@netport.se,

3 Sammanfattning Inom ARENA, den svenska kunskapsplattformen för vägavgifter, har vi tidigare föreslagit satellitbaserad Syntetisk Apertur Radar (SAR) för att göra effektutvärderingsmätningar av lastbilstrafik över stora områden av Sverige. Denna nya mätmetod är mycket lovande och syftet med detta delprojekt har varit att studera hur ett urval av mätområden kan ske om man avser att genomföra trafikmätningar ur ett effektutvärderingsperspektiv. Som utgångspunkt för rapporten används resultatet från de mätningar som inom ramen för ARENA tidigare har genomförts och avrapporterats, det vill säga en serie av mätning över södra Sverige där satellitsystemet TerraSAR-X användes för att mäta trafik. Motiveringen till att använda ett satellitsystem med SAR är kostnadseffektiviteten och förmågan att mäta trafik på samma sätt över hela Sverige och dessutom under alla årets dagar oavsett väderlek. Beräkningarna för var man skall eller bör mäta baserar sig på underlag från Nationell vägdatabas (NVDB) som är Trafikverkets databas över vägnätet i Sverige. Detta underlag i form av trafikflöden har i sin tur fått utgöra ett underlag till hur satellitmätningar kan ske i olika landsändar det vill säga förmågan att observera lastbilstrafik i de aktuella områdena. Avsikten med en mätning av detta slag är att den härledda informationen ska levereras till slutanvändare vars syfte är att utvärdera effekterna av en Vägslitageskatt. I denna rapport presenteras kartor ur vilka intressanta områden ur olika aspekter kan väljas ur och inte minst var man i sådant fall skall eller bör mäta. Rapporten avslutas med ett mer teoretiskt resonemang kring hur effektiva skattningar av medeltrafik ur ett satellitperspektiv skulle kunna betraktas och i någon mening hur mätningar och den efterföljande statistiska databehandlingen därigenom blir så effektiv som möjligt. 3

4 Innehåll Sammanfattning Inledning Bakgrund Syfte Ansats och tillvägagångssätt Simuleringsmetod och angreppsätt Genomförande och antaganden Begräsningar och undantag Mätning och analys Trafikmätningar med SAR Appendix Mätbarhet och Effektiva skattningar av medeltrafik Referenslista

5 1 Inledning En effektutvärdering av en avståndsbaserad vägskatt för lastbilar bör bygga på välgrundade mått och mätetal för att åstadkomma en så rättvisande bild som möjligt. Sammantaget bör dessa mått och mätetal bidra till en så heltäckande bild att så många olika aspekter som möjligt kan täckas in i utvärderingen. Den teknik och mätetal som väljs ut för att utgöra underlaget inför en effektutvärdering av vägslitageskatten kan bestå av flera olika system. Vid studier av trafikflöden, trafikdensitet m.m. så är det därför viktigt att använda system som kan leverera en entydig bild för att säkerställa en rättvis jämförelse vid olika mätningar av trafik. Det innebär att storskaliga mätningar (vid en och samma tidpunkt) av exakt samma slag är mycket önskvärda och viktiga för att säkerställa kvaliteten i exempelvis en effektutvärdering. En mycket intressant lösning att mäta trafikflöden och andra trafikrelaterade parametrar bygger på nya satellitbaserade mätsystem med radar (Syntetisk aperturradar (SAR)). SAR kan, till skillnad mot äldre satellitsystem med optiska sensorer, mäta trafik på samma sätt och i praktiken vid samma tidpunkt över väl utvalda områden över hela Sverige. I denna PM ges ett förslag till var sådana mätningar i så fall skulle kunna ske. Motiveringen till att använda ett satellitsystem med SAR är framförallt kostnadseffektiviteten och förmågan att mäta trafik på samma sätt över hela Sverige under årets alla dagar och oavsett väderlek. Det bör även nämnas att SAR-mätningar inför en effektutvärdering av vägslitageskatten kan komma att utgöra en värdefull grund för andra framtida liknande mätningar och studier. 5

6 2 Bakgrund När man avser att genomföra en effektutvärdering av vägslitageskatten så finns det många olika saker att ta hänsyn till. I denna PM förs ett resonemang som berör nyckeltal som i någon mening kan hänföras till trafikens sammansättning, densitet, eller flöden som skall beaktas. Vad som är viktigt att notera är att satellitmätningar med SAR är en helt ny typ av mätmetod som ger en yttäckande uppskattning av lastbilsflöden i mätområdet. Efterbearbetningen av SAR-satellitmätningar över en större yta ger en mycket god skattning av den spatial-temporala medeltrafiken av tunga fordon [1]. Det är viktigt att påpeka att denna nya typ av mätningar är besläktad med andra typer av mätningar som redan idag utförs utmed våra transportstråk, men skall samtidigt ses som en helt ny och kostnadseffektiv mätmetod som är under utbyggnad. Mätsystemet tillhandahålls av internationella operatörer och det tillkommer ständigt nya system som avses driftsättas inom en snar framtid. Det är viktigt att komma ihåg att det i dag finns fasta kontrollpunkter vid landsgränser och inom landet som sådana kan komma att utgöra ett värdefullt komplement till en satellitmätning såväl som utgöra en slags kalibrering för framtida satellitmätningar och inte minst vice versa. Några saker som måste beaktas vid en storskalig satellitmätning är exempelvis Som för alla andra fordonsmätningar är det ur en satellitmätningskontext viktigt att ta hänsyn till var andra mätningar rent geografiskt utförs. Detta för att få ut maximal observerbarhet. Följden kan bli att det inför en satellitmätning genomförs en inventering innefattande intressanta punkter där mätningar görs på en mer kontinuerlig basis. Det finns övervakningssystem vid gränspassager, trängselskatteportaler och liknande som trafikeras av tunga fordon där en utrustning med ANPR (Automatic Number Plate Recognition) eller DSRC-enhet (Dedicated Short Range Communications) som tillsammans med mätsystem används för klassificering av fordon. Sådana system kan bidra med värdefull information som sådan men även utgöra ett slags komplement till en satellitmätning. I ett avståndsbaserat vägskattesystem för lastbilar kan man förutsätta att rörelsemönster av lastbilsaktivitet kan ta sig lite olika uttryck i olika delar av landet. Orsaken till detta kan komma att ha sin grund i hur beskattningens utformning kommer att se ut. Utgångspunkten med en mätning från ett satellitsystem är dock att mätningen sker över hela Sverige på samma sätt. Satellitsystemets mätegenskap har en bra förutsättning att finna avvikelser som avspeglas i mänskligt förändrade beteendemönster, något som exempelvis mer lokal mätning av en enstaka väg några få gånger per år har svårare att finna. Det är vidare rimligt att anta att ett antal vägavsnitt, i ett framtida skattebelagt vägnät, liksom gränspassager och liknande, utrustas med något slags kontrollsystem. Denna övervakning kan i sådant fall mäta och bidra till förståelsen av rörelsemönster i ett större område och på så sätt kunna utgöra ett komplement till satellitmätning på samma sätt som gränsstationer och trängselskatteportaler. Det är inte orimligt att ur ett vägslitageskattehänseende anta att det framgent kommer att genomföras mer mobila mätningar utmed intressanta stråk eller vid intressanta punkter i vägnätet. Det vill säga att om ett antal kontrollpunkter, som flyttas runt för att observera tunga lastbilars rörelsemönster och registrerar fordon vid olika punkter, så skulle även sådana mätningar kunna komplettera det underlag som produceras baserat på mätningar från SAR-systemet. 6

7 En mycket intressant aspekt med en satellitmätning är att en sådan kan komma att fånga anomalier i beteenden som i princip inga andra mätsystem kan detektera. Exempelvis kan en effekt av skatten bli ett förändrat mönster i efterlevnaden av kör- och vilotider eller liknande. En satellit fångar till skillnad mot många andra system även bilar som parkerar utmed våra vägar, samt fångar förändringar eller mäter i vilken omfattning så sker. Genom att utföra satellitmätningar före och efter införandet så skulle en uppskattning av ett förändrat beteende samt omfattningen härav troligen kunna mätas. Satellitmätningar kommer i viss utsträckning att kunna uppskatta fordonsflottas sammansättning. Om skatten skulle bidra till en förändring i sammansättning, exempelvis genom ett skifte i fordonsslag innebär att vägarna i en större utsträckning kommer att trafikeras av längre och större ekipage är bedömningen att det kommer att finnas goda förutsättningar att detektera sådana utifrån satellitmätningar. 7

8 3 Syfte Satellitmätningar som utförs med syftet att genomföra en effektutvärdering av vägslitageskatten är naturligt förknippat med vissa kostnader. En mycket intressant aspekt är dock att varje mätning i sig täcker stora ytor och ur den synvinkeln är en mätning mycket kostnadseffektiv. Vidare så kan man genomföra mätningar för att vid ett senare tillfälle extrahera och analysera den aktuella mätningen. Det som däremot krävs i investering inför slutgiltig analys av mätdata är en uppbyggnad av ett system som genomför önskade analyser. En viktig aspekt vid utformningen av effektutvärderingen är exempelvis var, i vilka områden och hur ofta man skall mäta. Detsamma gäller när man senare skall analysera insamlat data eftersom väl utvalda mätningar i specifika områden med tillhörande anpassade beräkningsförfaranden kan förbättra precisionen avsevärt. Dessa aspekter är alltså mycket viktiga och centrala eftersom man vid senare (kanske mycket senare) tillfälle vill ta fram underlag. I denna PM ges ett utkast till var och på hur många ställen som yttäckande mätning bör ske. Styrkan med satellitmätningar är att det inte krävs någon infrastrukturinvestering i form av utplacering av portaler, kameror eller annan utrustning för att genomföra den yttäckande mätningen av lastbilstrafik. Det är däremot viktigt att producera ett underlag med en konsekvensanalys, det vill säga resonera kring hur många mätningar som är lämpliga för att uppnå en viss nivå av säkerhet ur utvärderingssynpunkt och därtill vad systemet för en sådan nivå kan förväntas kosta. Urvalet av mätoråden bör slutligen inför effektutvärdering vara noga övervägd så att kontrollpunkterna täcker in ett ur skattehänseende så intressanta lastbilsflöden som möjligt. Det kan dessutom vara av intresse att göra mätningar över ytor där man vet att en viss typ av trafik är den mest vanligt förekommande för att på så sätt kunna specialstudera hur trafiken runt en gruva eller transporter i skogsnäringsintensiva områden påverkas. 8

9 4 Ansats och tillvägagångssätt Utgångspunkten med satellitmätningarna är att vi med ett och samma mätsystem skall kunna täcka in och mäta på hela det allmänna vägnätet i landet. Det vill säga vi förutsätter att satellitsystemet som slutligen kommer att användas kan göra mätningar från nordligaste delen av Norrbotten till Skåne i söder. Den slutgiltiga hänsyn som skulle kunna tas till redan befintlig infrastruktur såsom fasta kontrollpunkter/portaler har i detta underlag inte beaktats men är absolut något som går att ta hänsyn till om så skulle vara fallet längre fram. Som tidigare nämnts så skulle man kunna tänka sig att ta hänsyn till att det finns fasta kontrollpunkter vid landsgränser, hamnterminaler samt befintliga trängselskatte- och infrastrukturavgiftsportaler. Dessa portaler är naturligt intressanta punkter i nätet som skulle kunna komplettera bilden av det som en satellit mäter och på så sätt inte ge samma emfas till att utföra mätningar i samma omfattning i sådana områden. Samtidigt är det viktigt att påpeka att de problem som en satellitmätning löser är problematiken att kunna tolka flera olika informationskällor i samma kontext även om exempelvis många portaler skulle kunna användas för detta syfte. Satellitmätning innebär att samma mätsystem mäter på samma sätt över hela Sverige vilket naturligtvis är den bästa typ av mätning, det vill säga när man inte förlitar sig på sidoinformation som i sig är osäker. Avsikten med denna del inom ARENA är att bedöma hur en satellitmätning skulle kunna täcka in det svenska vägnätet och i någon mening ge en indikator över observerbarheten. Det handlar dels om hur man övergripande skall mäta, men även vilka krav som det aktuella mätområdet måste uppfylla. Det innebär exempelvis en identifikation av intressanta mätområden samt vilka egenskaper och prestanda man kan förvänta sig om man väljer att mäta i en viss omgivning. Det är självklart att det slutgiltiga förslaget skall utgöras av en geografisk spridning av mätområden men samtidigt så kan andra aspekter beaktas såsom geografiska skillnader i vägslitageskattens utformning som sådan. Sådana parametrar skall naturligtvis tas hänsyn till vid den slutgiltiga utplaceringen av tilltänkta mätområden. I denna rapport har vi valt att presentera möjliga mätområden i form av 3D-kartor, ett slags mätlandskap som visar vilka ytor som med stor säkerhet kommer att ge mätsystemet och analyserna en möjlighet att leverera tillförlitliga underlag. Målet är att ge mätsystemet en rimlig chans att mäta och identifiera tunga fordon längs med vägarna där man är intresserad av att studera förändringar av tidigare beskrivna slag. 9

10 5 Simuleringsmetod och angreppsätt I denna rapport redovisas resultatet från en beräkning var i Sverige det är lämpligt att mäta tung trafik med SAR. Utgångpunkten för analysen av trafikflöden är hämtade ur Nationell vägdatabas (NVDB), Trafikverkets databas över vägnätet i Sverige, som i denna rapport använts för att uppskatta var en yttäckande satellitmätning kan få så stor effekt (observerbarhet) som möjligt. Inför en effektutvärdering av vägslitageskatten så kan innehållet i rapporten ses som en indikation över hur man bör planera sina satellitmätningar och i vilka områden som man med fördel kan genomföra denna typ av mätningar. Den matematiska modellen som används bygger på att flytta centrum på en mätmask som är 30 x 30 km stort område över Sverige. Mätmasken är vald utgående från satellitdata från TerraSAR-X. Förflyttningen av mätcentrum görs med stöd av en mätgrid som har en upplösning på 100 meter i latitudinell respektive longitudinell led. Vid varje förflyttning registreras och mäts de av masken täckta vägsträckorna med tillhörande trafikflöden. Det underliggande vägnätet anses alltså bestå av riktade vägsträckor som länkats samman till ett vägtrafiknät som i någon mening utgör det som benämns det statliga vägnätet. Det är ett vägtrafiknät där varje dubbelriktad fysisk väg delas upp i två vägsträckor, det vill säga en i vardera färdriktningen och för vilka flödet av tung trafik är kända. Rent matematisk kan man mena att Sveriges statliga vägnät byggs upp av en riktad graf bestående av noder och bågar. Varje nod representerar en korsning, och varje båge från en nod till en annan representerar en väg (eller en sekvens av vägar) från en korsning till en annan. Det är över alla dessa vägsträckor som mätningen sker genom att flytta runt det som närmast skulle motsvara det som en satellitmätning skulle innebära. Modellen försöker alltså efterlikna det beteende som man utifrån de genomförda satellitmätningarna kan förvänts mäta intressant trafik. 5.1 Genomförande och antaganden Studien bygger på att fordonsflöden som registrerats i NVDB finns där i den medelomfattning som databasen anger. Det vill säga att vi förutsätter att i det ögonblick som satelliten fångar in sin information så kommer det underliggande uppmätta vägnätets trafik att stå i proportion till så ofta fordon har uppmätts i mätningar på de aktuella vägavsnitten som täcks av varje SAR mätnings 900 kvadratkilometer. Simuleringsstudien av satellitmätningen har studerat lastbilstrafik i ett geografiskt område som innefattar hela Sveriges statliga vägnät. Huvudsyftet med simuleringsstudien har varit att utvärdera vilka områden som kan anses vara av mycket stort intresse att mäta men även vilka ytor som i en effektutvärdering av vägslitageskatten skulle kunna vara lämpliga att mäta över. 5.2 Begräsningar och undantag Studien omfattar det statliga vägnätet för att i första hand fånga de dominerande fordonsflödena i Sverige och har således inte beaktat trafikflöden inom städerna. Det finns naturligtvis tung trafik som huvudsakligen uppehåller sig i eller i uppenbar närhet till städernas trafiknätverk och som inte naturligt inkluderas i beräkningen. Studien har tagit fram ett bildunderlag som illustrativt indikerar var mätning skulle kunna ske och hur den relativa styrkan i att mäta på en plats är i förhållande till andra mätområden. En förutsättning för detta arbete är att de sanna uppmätta flödena för lastbilstrafik inte är förknippade med stora mätfel eller liknande. En strävan i studien har varit att simulera SAR- 10

11 mätningar över ett för Sverige så representativt transportnät som möjligt och samtliga vägkorsningar i det statliga vägnätet finns därför representerade i simuleringsunderlaget. Det underlag som tagits fram bygger på beräkningar baserat på samtliga flöden av tunga fordon från Trafikverket (TrV) och NVDB (datauttag maj 2017, ca vägavsnitt på det statliga vägnätet). Underlaget presenteras på ett illustrativt sätt var man skall och kan mäta med ett satellitsystem. Vi har alltså betraktat vägnätet med en modell av hur en satellit skulle mäta baserat på flöden för tunga fordon. Antal vägsträckor i respektive region som beaktats vid satellitmätning (simuleringen) är: TrV Region Stockholm: TrV Region Syd: TrV Region Väst: TrV Region Ost: TrV Region Mitt: TrV Region Nord: Simuleringen bygger på uppgifter hämtade från NVDB och trafikflöden (ÅDT1) som mäts och skattas på det statliga vägnätet. Det som tydligt och förväntat framgår är att det finns mycket trafik som en satellit kan mäta runt storstäderna Stockholm, Göteborg och Malmö. Men man kan diskutera vikten av att mäta över dessa städer eftersom storstäderna mäts på så många andra sätt. Andra områden som verkar vara bra ur mätsynpunkt är exempelvis Helsingborg, Jönköping, Karlstad, Linköping/Norrköping, Örebro, Västerås, Borlänge, Östersund, Uppsala, Gävle, Sundsvall, Umeå och Luleå. En intressant sak är att man antagligen kan hänföra vissa regionala mätningar till olika branscher t.ex. flödet över Kiruna härrör antagligen från den gruvverksamhet som bedrivs där osv. 5.3 Mätning och analys Arbetet i denna del har haft ett fokus att identifiera nya mätmetoder och nya mätetal. Det finns ett tydligt satellitfokus eftersom dessa syftar till att mäta trafik över större ytor. I fältstudien gjorde vi mätningar av trafik vid 20 tillfällen där varje mättillfälle avbildar trafik på ett område av 900 kvadratkilometer [2]. Begreppet trafik bör i denna kontext ses i ett vidare perspektiv eftersom den förutom kartläggning av trafik som sådant även kan identifiera ex. graden av stillastående fordon. En viktig del i SAR-delen av detta projekt har varit hur en storskalig datainsamling över Sveriges vägnät skall gå till [3]. För utvärdering behövs en organisation som utför utvärderingen, en s.k. utvärderare. Vidare behövs en satellitägare, d.v.s. en operatör, vilken i TerraSAR-X fall är företaget Airbus. En kedja som verifierats i projektet är hur; man väljer ut strategiska områden över Sverige (utvärderare), lägger ut ett mätuppdrag på operatören, operatören levererar radarbilder med hög upplösning, anpassning av radarbilder till analyssystem (utvärderare), analysera förändringar m.m. som skett i samband med införandet av kilometerskatt (se Figur 1) (utvärderare). I ARENA-projektet har hela denna 11

12 kedja verifierats med mätningar över ett område i södra Sverige där satellitsystemet TerraSAR-X i tandem uppdrag med tvillingsatelliten TanDEM-X användes. Figur 1. Schematisk beskrivning av satellitmätning. Uppdragsgivaren önskar trafikmätningar över ett geografiskt område t.ex. hela Gotland. 1. Uppdragsgivarens beställning till tjänsteleverantör (satellitoperatören). 2. Satelliten riktas mot mätområdet. 3. Radarpulser skickas ut då satelliten passerar området. 4. Reflektioner från fordon (radarekon från området) registreras. 5. När satelliten passerar referensstationer på jorden tankas datainformation från mätningen ned från satelliten och vidarebefordras till satellitoperatören. 6. Efter bearbetning leverans högupplösta radar- bilder tillbaka till uppdragsgivaren. Dessa bilder ligger sedan till grund för en datorbearbetning hos uppdragsgivaren som i sin tur resulterar i en yttäckande trafikmätning. 5.4 Trafikmätningar med SAR Satellitmätningar som utförs för en effektutvärdering av kilometerskatten är naturligt förknippat med vissa kostnader och inom ARENA har en översiktlig kostnadsbild presenterats [3]. Man bör dock beakta att prisuppgifter avser enstaka mätningar och inte priser för större mätserier vilket mycket troligt blir en helt annan. En annan mycket intressant iakttagelse är att varje mätning i sig täcker stora ytor och ur den aspekten är en mätning mycket kostnadseffektiv då den mäter mycket lastbilstrafik samtidigt över ett stort mätområde. SAR-mätningar kan bidra till att avsevärt förbättrat kvaliteten på data. För nyckeltal såsom trafikdensitet görs idag inga mätningar och för att kunna genomföra en effektutvärdering av en kilometerskatt bör den här typen av data finnas tillgänglig, helst, ett par år före införandet av kilometerskatten. För den här typen av data finns därför även ett allmänt behov för att förbättrakunskapsläget och underlaget för befintliga utvärderingsmodeller. Det är även värt att påpeka att det handlar om att köpa mättid i ett befintligt mätsystem och att ingen nämnvärd personalkostnad eller infrastrukturinvestering krävs för att genomföra mätningar (dvs kräver inga transpondrar, ombordenheter (OBU:s), portaler, kameror eller annan utrustning utmed vägarna). Bearbetningar för att genomföra analyser kommer däremot initialt att kräva investeringar (i form av utvecklingsarbete) för att extrahera de mått och mätetal som slutligen kan anses 12

13 vara de intressanta ur effektutvärderingshänseende och möjliga ur mätbarhetssynpunkt. Det ena utesluter inte det andra och en viktig rekommendation är att genomföra mätningar i strategiska områden åren före, under samt efter kilometerskattens införande. Rekommendationen blir alltså att säkra rådatainformation och utveckla förfinade metodiker för bearbetning och analys efter hand. Det vill säga ett arbete som lämpligen bedrivs under en längre tid parallellt med skattens införande (förslagsvis 5 år). En satellitberäkning som bygger på uppgifter hämtade från NVDB och de trafikflöden (ÅDT1) som mäts och skattas på det statliga vägnätet redovisas i Figur 2. Ur rekommendationssynpunkt blir då det viktigaste rådet vid vilka tidpunkter, i vilka områden och hur ofta mätningar bör ske. Figur 2. Total lastbilstrafik ät över ett område av totalt 900km 2. Man ser tydligt att det finns mycket goda förutsättningar att mäta runt storstäderna Stockholm, Göteborg och Malmö. Andra områden som utmärker sig ur mätsynpunkt är exempelvis: Helsingborg, Jönköping, Karlstad, Linköping/Norrköping, Örebro, Västerås, Borlänge, Östersund, Uppsala, Gävle, Sundsvall, Umeå och Luleå. Det går troligtvis att hänföra regionala mätningar till olika branscher t.ex. flödet över Kiruna (det fångade flödet d.v.s. den topp som uppstår i figuren) härrör antagligen från den gruvverksamhet som bedrivs där osv. 13

14 Figur 3 2D-vy av flödesmätningssimulering från en satellitmätning över Sverige. Det 900 km² stora mätområdet förflyttas över Sverige. Detsamma gäller den jämförande metodiken som skall användas för analyser av insamlade data, eftersom väl utvalda mätningar i specifika områden med tillhörande anpassade beräkningsförfaranden kan förbättra precisionen avsevärt. Det vill säga aspekter som är mycket viktiga och centrala eftersom man vid senare (kanske mycket senare) tillfälle vill genomföra analyserna. Selektionen av mätområden bör slutligen inför effektutvärderingen vara noga övervägd så att ytorna i någon mening täcker in så stora lastbilsflöden som möjligt och samtidigt har ett fokus på de domäner som anses som mest intressanta. De framtagna figurerna illustrerade här ger en vägledning men slutgiltigt val är starkt kopplat till utformningen av ett vägslitageskattesystem. Det kan exempelvis innebära att slutgiltigt val av mätningar skall ske i de områden som inte framträder så starkt i figuren. Dels för att skatten kan komma att verka mer negativt i icke-urbana områden och den verksamhet som bedrivs där, dels för att dessa områden kan vara svårare att mäta i med annan teknik men även att storstadsregioner har existerade portaler mm. Om man förutsätter att de uppmätta områdena är 900 kvadratkilometer (som för TerraSAR-X systemet) bör områden väljas ut baserat på den satellitsimulering som avspeglar mätbarheten i olika delar av landet. Om effektutvärderingen däremot strävar efter att genomföra före- och efterstudier innebär mätningar av repetitiv karaktär i olika områden att detta krav inte är så viktigt. Rekommendationen är att sträva efter att göra jämförande mätningar det vill säga före-efter-studier i väl valda områden. Det kan dessutom vara av intresse att göra mätningar över ytor där man vet att en viss typ av trafik är den mest vanligt förekommande för att på så sätt exempelvis kunna specialstudera trafiken runt en gruva eller i skogsnäringsintensiva områden. För fördjupning inom just denna del finns det i appendix - Mätbarhet och Effektiva skattningar av medeltrafik (Kap 6) ett försök till resonemang kring metodiken och skattningarna av trafikflöden från satellit jämfört med andra typer av mätningar. 14

15 I förarbetena till denna rekommendation har kostnadsbilden av en satellitmätning med SAR studerats [2]. Satellitmätningar är naturligtvis svårt att ekonomiskt konkurrera med eftersom en enstaka satellitmätning täcker så stor yta med tillhörande trafik. Därtill bör man beakta att beställaren inte behöver bli ägare av eller bygga upp någon egen infrastruktur vilket i sin tur innebär att den obefintliga investeringskostnaden väger upp prisbilden för mätningarna. Dessa mätningar kan dessutom bidra till ett helt nytt ramverk för trafikmätningar som inte tidigare varit möjliga att mäta. Det är svårt att uppskatta den exakta kostnaden för satellitmätningar med SAR eftersom de prisuppgifter som leverantörerna normalt tillhandahåller avser enstaka satellitmätningar. I fall där beställningen omfattar en mätserie över flera år så blir prisbilden mycket troligt en helt annan jämfört med de enstaka. Dessutom är flera nya system under uppbyggnad, vilket ger en konkurrens på marknaden samt gör mätsystem av SAR-typ mer tillgängliga (positivt ur kundsynpunkt). Det är även lika svårt att ge någon uppskattning på vad alternativkostnaden till motsvarande mätningar med annat mätsystem skulle vara. System som i någon mening mäter trafik såsom infrastrukturportaler, vägkameror, slangmätningar mm. är naturligtvis förknippande med avsevärda kostnader men som sagt svårt att rättvist jämföra med ur satellitmätsynpunkt Rekommendation Rekommendation med ledning av ovan blir därför: Mätningar med satellit eller flygplan som är utrustad med SAR kan bidra till helt nya mått och mätetal för trafik som är mycket kraftfulla och effektiva. Detta helt nya sätt att mäta kan dessutom ge svar på många frågeställningar som inte enkelt täcks in av existerande mätmetoder. Vid en effektutvärdering av kilometerskatten skulle mätningar med satellit kunna utgöra ett helt nytt sätt att mäta och analysera företeelser av olika slag som i sin tur är en direkt eller indirekt effekt av skattens införande. 15

16 6 Appendix Mätbarhet och Effektiva skattningar av medeltrafik Yttäckande satellitmätningar av vägavsnitt och dess relation till skattning av flöden. Det är viktigt att påpeka det som tidigare i denna rapport upprepats flera gånger det vill säga att satellitmätningar ger en helt ny möjlighet att mäta trafik på ett nytt sätt (spatial-temporal medeltrafik [1]). De mått och mätetal som fortfarande används kan dock relateras till det som satelliten kan mäta och i detta avsnitt görs ett översiktligt försök till att åskådliggöra en sådan relation mellan just satellitmätningar och det som i dagligt tal benämns slangmätningar. Syftet med slangmätningar är att skatta trafikflöden. I sammanhang där händelser inträffar oberoende av var andra i rummet och tiden finns det förutsättning att applicera Poissonfördelning Po(λ) [4]. En förutsättning är dock att intensiteten, det vill säga det förväntade antalet händelser per tidsenhet, är konstant. Bilar som befinner sig på ett visst vägavsnitt vid en viss given tidpunkt på dygnet kan då anses utgöra grunden för sådana händelser det vill säga utgöra sådana företeelser som inträffar oberoende av varandra. Genom att med denna ansats studera flera olika mätningar av antalet fordon som färdas på det aktuella vägavsnittet så kan vi förutsätta att det föreligger en situation som motsvarar ett vanligt slumpmässigt stickprov x ',, x * av antalet fordon från en fördelning som beror av den okända parametern θ. Genom att nu studera ett intervall I - som med en sannolikhet 1 α täcker in parameter θ uppstår det som vedertaget brukar benämnas som konfidensintervallet för θ med konfidensgraden 1 α. Vi låter alltså x = x ',, x * anses vara ett utfall från de stokastiska variablerna X = X ',, X * vars fördelning beror av en okänd parameter θ. Intervallet I - = (f ' (x ',, x * ), f 4 (x ',, x * )) kallas då för ett konfidensintervall för θ med konfidensgrad 1 α om P6f ' (X ',..., X * ) < θ < f 4 (X ',..., X * ): = 1 α Om vi förutsätter ett slumpmässigt stickprov x från X Po(θ) och punktskattar θ med ML-skattning. Detta är möjligt under antagandet om vi vet och/eller kan förutsätta att det sanna θ > 15 (approximativt) det vill säga att normalapproximation går att tillämpa utan att göra för stora fel [4]. (Rent praktiskt så innebär detta att vi betraktar ett vägavsnitt där vi vet att antalet fordon per tidsenhet överstiger 15 stycken.) För en Poissionfördelning Po(θ) så skattas intervallet för θ enligt µ = θ obs och I - = Cμ λe FG H, μ * λe G H I. F * 16

17 Konfidensgraden är då approximativt 1 α och det är värt att notera att approximationen blir bättre ju större stickprovet är. Om vi utgår från ett vägavsnitt som täcks in i den yttäckande mätningen så kan detta anses ha en viss väglängd L i meter (m). Vidare så kan man förutsätta att det råder någon slags medelhastighet över vägavsnittet som kan antas vara V meter per sekund (m/s). Vi förutsätter vidare att det finns en sann intensitet θ utifrån vilken ett slumpmässigt yttäckande stickprov tas. En enkel approximation är att mätområdes storlek sätts i relation till timflödet och den sträcka som en lastbil då förväntas förflytta sig. En ögonblicksbild där flödet i en viss given punkt bedöms ligga runt ca 80 lastbilar per timma kommer i en sådan kontext kunna uppskattas till L/V lastbilar per timma = 3/8*80 = 30. Där då 3 motsvarar så många mil av en vägsträcka som täcks in, 8 motsvarar den sträcka som en lastbil tillryggalägger under en timmes körning samt 80 är det timflöde som råder på den aktuella vägsträckan. I Figur 1 så redovisas det relativa fel som ett försök till skattning av absoluta flöden skulle innebära. De slutsatser man kan dra av denna beräkning är att det relativa felet minskar med antalet mätningar (som förväntat) samt att det är viktigt att sträva efter mätningar där det är höga flöden om det är en skattning av absoluta flöden som står i fokus. Det är återigen värt att nämna att en satellit mäter stora ytor och vägtrafiknät i en och samma mätning. Man skall inte fästa för stor vikt vid enstaka mätningar av flöde, de beräkningar som i detta appendix genomför skall ändå ses som ett försök till att göra någon slags jämförelse med slangmätningar. En sak som ur satelitmätningsteknisk aspekt kan vara viktigt att ta fasta på är användandet av stickprov i par. Fördelen med stickprov i par är att betydelsen av storleken av flöden över den uppmätta 17

18 ytan (före-efter-mätningar) än det som faller under oberoende stickprov, särskilt om variationen mellan olika mätningar är stor. Detta är något som är ett mycket troligt scenario och något som kan antas vara grundfallet vid en effektutvärdering av en vägskatt. Det som dock viktigt att ha i åtanke är att några frihetsgrader (ett i statistik centralt begrepp) går förlorade på att använda stickprov-i-par modellen vid skattningen av variansen. För oberoende stickprov blir det 2n 2 frihetsgrader vid test, jämfört med n-1 frihetsgrader vid stickprov i par. I praktiken betyder detta att stickprov-i-par skall med försiktighet användas då antal observationer är få och detta är beroende på att osäkerheten i skattningen av variansen ökar [4]. 18

19 7 Referenslista [1] S. Wang, S. Kodagoda, L. Shi and H. Wang, "Road-Terrain Classification for Land Vehicles: Employing an Acceleration-Based Approach," in IEEE Vehicular Technology Magazine, vol. 12, no. 3, pp , Sept [2] M. Dahl, M. Pettersson, and T. Sjögren, Yttäckande mätningar med Satellit - Studie av mätmetoder och datafångst., ARENA 2017:01, NetPort Science Park, Karlshamn, Sweden [3] V. T. Vu, T. Sjögren, M. I. Pettersson and M. Dahl, "Measurement of traffic flows with SAR Field test on the Swedish road network," 2017 IEEE International Geoscience and Remote Sensing Symposium (IGARSS), Fort Worth, TX, 2017, pp [4] C. Jogréus, Matematisk statistik med tillämpningar, Studentlitteratur 2009, ISBN:

20 20

21 ARENA-rapporter 2017:03 Ex-ante assessment of the cost effects of distance-based road user charging 2017:02 Verifiering av nyckeltal och datakällor för effektutvärdering av kilometerskatt 2017:01 Yttäckande mätningar med satellit studie av mätmetoder och datafångst 2016:02 Metodutveckling för effektutvärdering av vägslitageskatt för tunga fordon 2016:01 Effektutvärdering av kilometerskatt för tunga fordon en omvärldsstudie 2014:06 Ett sammanhängande vägavgiftssystem 2014:05 ARENA En strategi för kunskap om vägavgifter 2014:04 Policy and Knowledge Analysis on Road User Charging in Sweden 2014:03 Legal Prerequisites for Road User Charging in Sweden 2014:02 Innovative Enforcement Systems for Road Tolls 2014:01 Innovativa kontrollsystem för vägtullar 2013:02 Nordic Road Charging Cooperation 2013:01 Personlig integritet och vägtullsystem 2011:07 Möjlig forskning kring införandeprocesser för ITS 2011:06 A practical approach to road user charging (summary report) 2011:05 Vägavgifter i praktiken (sammanfattande slutrapport) 2011:04 Sammanfattning av pågående forskning inom ARENA 2011:03 Test Site NetPort ett försöksområde inom ITS 2011:02 ARENA 2 Concept 2011:01 Distansbaserade vägavgifter 2010:03 ARENA Field Trials Final report 2010:02 Hantering av utländska fordon i svenska vägavgiftssystem 2010:01 Transport policy vs. distance-based road user charging tariff scheme design 2008:14 Summary of ARENA RUC Seminar 3 a market-based approach 2008:13 Published papers within ARENA 2008:12 ARENA RUC Seminar 1 & 2 a summary 2008:11 Kilometerskatt för tunga lastfordon i Sverige Kostnadsbedömning 2008:10 ARENA Demo 2008:09 Kilometerskatt för tunga lastfordon Legala förutsättningar 2008:08 A Criteria-Based Approach to Evaluating Road User Charging Systems 2008:07 Hotanalys för positionsangivelsekedjan 2008:06 Dimensioning study for Road User Charching 2008:05 A market based approach to achieve EFC interoperability in Europe 2008:04 A New Approach to Control in the ARENA concept för HGV kilometre tax in Sweden 2008:03 A kilometre tax for heavy goods vehicles in Sweden A conceptual system design. Part 2 Proposal for system design 2008:02 A kilometre tax for heavy goods vehicles in Sweden A conceptual system design. Part 1 Requirements and preconditions 2008:01 Kilometre tax for Heavy Goods Vehicles in Sweden (summary report) 2008:01 Kilometerskatt för lastbilar ett konceptförslag (sammanfattande slutrapport) 21

22 Projektkoordinator: Finansiella partners:

Privat finansiering och styrmedel Slutrapport Slutsats och rekommendation

Privat finansiering och styrmedel Slutrapport Slutsats och rekommendation Privat finansiering och styrmedel Slutrapport Slutsats och rekommendation ARENA RAPPORT 2018:01 1 Publikation: ARENA RAPPORT 2017:05 Privat finansiering och styrmedel Slutrapport. Slutsats och rekommendation.

Läs mer

SF1901: Sannolikhetslära och statistik. Statistik: Intervallskattning (konfidensintervall)

SF1901: Sannolikhetslära och statistik. Statistik: Intervallskattning (konfidensintervall) SF1901: Sannolikhetslära och statistik Föreläsning 9. Statistik: Intervallskattning (konfidensintervall) Jan Grandell & Timo Koski 21.02.2012 Jan Grandell & Timo Koski () Matematisk statistik 21.02.2012

Läs mer

SF1901: Sannolikhetslära och statistik. Statistik: Intervallskattning (konfidensintervall) Jan Grandell & Timo Koski

SF1901: Sannolikhetslära och statistik. Statistik: Intervallskattning (konfidensintervall) Jan Grandell & Timo Koski SF1901: Sannolikhetslära och statistik Föreläsning 10. Statistik: Intervallskattning (konfidensintervall) Jan Grandell & Timo Koski 18.02.2016 Jan Grandell & Timo Koski Matematisk statistik 18.02.2016

Läs mer

SF1901: SANNOLIKHETSTEORI OCH STATISTIKTEORI KONSTEN ATT DRA INTERVALLSKATTNING. STATISTIK SLUTSATSER. Tatjana Pavlenko.

SF1901: SANNOLIKHETSTEORI OCH STATISTIKTEORI KONSTEN ATT DRA INTERVALLSKATTNING. STATISTIK SLUTSATSER. Tatjana Pavlenko. SF1901: SANNOLIKHETSTEORI OCH STATISTIK FÖRELÄSNING 10 STATISTIKTEORI KONSTEN ATT DRA SLUTSATSER. INTERVALLSKATTNING. Tatjana Pavlenko 25 april 2017 PLAN FÖR DAGENS FÖRELÄSNING Statistisk inferens oversikt

Läs mer

TMS136. Föreläsning 10

TMS136. Föreläsning 10 TMS136 Föreläsning 10 Intervallskattningar Vi har sett att vi givet ett stickprov kan göra punktskattningar för fördelnings-/populationsparametrar En punkskattning är som vi minns ett tal som är en (förhoppningsvis

Läs mer

EXEMPEL PÅ FRÅGESTÄLLNINGAR INOM STATISTIK- TEORIN (INFERENSTEORIN):

EXEMPEL PÅ FRÅGESTÄLLNINGAR INOM STATISTIK- TEORIN (INFERENSTEORIN): Lunds tekniska högskola Matematikcentrum Matematisk statistik FMSF50: Matematisk statistik för L och V OH-bilder på föreläsning 7, 2017-11-20 EXEMPEL PÅ FRÅGESTÄLLNINGAR INOM STATISTIK- TEORIN (INFERENSTEORIN):

Läs mer

Föreläsning 11: Mer om jämförelser och inferens

Föreläsning 11: Mer om jämförelser och inferens Föreläsning 11: Mer om jämförelser och inferens Matematisk statistik David Bolin Chalmers University of Technology Maj 12, 2014 Oberoende stickprov Vi antar att vi har två oberoende stickprov n 1 observationer

Läs mer

Thomas Önskog 28/

Thomas Önskog 28/ Föreläsning 0 Thomas Önskog 8/ 07 Konfidensintervall På förra föreläsningen undersökte vi hur vi från ett stickprov x,, x n från en fördelning med okända parametrar kan uppskatta parametrarnas värden Detta

Läs mer

Effektutvärdering av kilometerskatt Slutrapport Slutsats och rekommendation

Effektutvärdering av kilometerskatt Slutrapport Slutsats och rekommendation Effektutvärdering av kilometerskatt Slutrapport Slutsats och rekommendation ARENA RAPPORT 2017:05 1 Publikation: ARENA RAPPORT 2017:05 Effektutvärdering av kilometerskatt Slutrapport. Slutsats och rekommendation.

Läs mer

Undersökning av däcktyp i Sverige. Vintern 2015 (januari mars)

Undersökning av däcktyp i Sverige. Vintern 2015 (januari mars) Undersökning av däcktyp i Sverige Vintern 2015 (januari mars) 1 Innehåll Bakgrund... 3 Syftet med undersökningen... 3 Antal registrerade bilar i Sverige... 3 Genomförande...4 Resultat... 5 Sverige... 5

Läs mer

Introduktion till statistik för statsvetare

Introduktion till statistik för statsvetare och enkäter "Det finns inget så praktiskt som en bra teori" September 2011 och enkäter Inledning Inledning Om vi vill mäta en egenskap hos en population individer (individer kan vara personer, företag

Läs mer

Undersökning av däcktyp i Sverige. Vintern 2014 (januari mars)

Undersökning av däcktyp i Sverige. Vintern 2014 (januari mars) Undersökning av däcktyp i Sverige Vintern 2014 (januari mars) 1 Innehåll Bakgrund... 3 Syftet med undersökningen... 3 Antal registrerade bilar i Sverige... 3 Genomförande...4 Resultat... 5 Sverige... 5

Läs mer

Undersökning av däcktyp i Sverige. Vintern 2018 (januari mars)

Undersökning av däcktyp i Sverige. Vintern 2018 (januari mars) Undersökning av däcktyp i Sverige Vintern 2018 (januari mars) 1 Innehåll Bakgrund... 3 Syftet med undersökningen... 3 Antal registrerade bilar i Sverige... 4 Genomförande...4 Resultat... 5 Sverige... 5

Läs mer

Introduktion. Konfidensintervall. Parade observationer Sammanfattning Minitab. Oberoende stickprov. Konfidensintervall. Minitab

Introduktion. Konfidensintervall. Parade observationer Sammanfattning Minitab. Oberoende stickprov. Konfidensintervall. Minitab Uppfödning av kyckling och fiskleveroljor Statistiska jämförelser: parvisa observationer och oberoende stickprov Matematik och statistik för biologer, 10 hp Fredrik Jonsson vt 2012 Fiskleverolja tillsätts

Läs mer

Bakgrund. Validering basprognos inför

Bakgrund. Validering basprognos inför Bakgrund Validering basprognos inför 160401 Sammanfattning Dalarna Gävleborg Sammanfattning Västernorrland Örnsköldsvik och Härnösand. Vid Ånge är trafiken skev och överskattas. Lastbilstrafiken med släp

Läs mer

F9 Konfidensintervall

F9 Konfidensintervall 1/16 F9 Konfidensintervall Måns Thulin Uppsala universitet thulin@math.uu.se Statistik för ingenjörer 18/2 2013 2/16 Kursinformation och repetition Första inlämningsuppgiften rättas nu i veckan. För att

Läs mer

SF1905 Sannolikhetsteori och statistik: Lab 2 ht 2011

SF1905 Sannolikhetsteori och statistik: Lab 2 ht 2011 Avd. Matematisk statistik Tobias Rydén 2011-09-30 SF1905 Sannolikhetsteori och statistik: Lab 2 ht 2011 Förberedelser. Innan du går till laborationen, läs igenom den här handledningen. Repetera också i

Läs mer

Undersökning av däcktyp i Sverige. Vintern 2012 (januari mars)

Undersökning av däcktyp i Sverige. Vintern 2012 (januari mars) Undersökning av däcktyp i Sverige Vintern 2012 (januari mars) 1 UTKAST 2011-07-07 Innehåll Bakgrund... 3 Syftet med undersökningen... 3 Antal registrerade bilar i Sverige... 3 Genomförande...4 Resultat...

Läs mer

Undersökning av däcktyp i Sverige. Vintern 2016 (januari mars)

Undersökning av däcktyp i Sverige. Vintern 2016 (januari mars) Undersökning av däcktyp i Sverige Vintern 2016 (januari mars) 1 Innehåll Bakgrund... 3 Syftet med undersökningen... 3 Antal registrerade bilar i Sverige... 3 Genomförande...4 Resultat... 5 Sverige... 5

Läs mer

Undersökning av däcktyp i Sverige. Vintern 2013 (januari mars)

Undersökning av däcktyp i Sverige. Vintern 2013 (januari mars) Undersökning av däcktyp i Sverige Vintern 2013 (januari mars) 1 Innehåll Bakgrund... 3 Syftet med undersökningen... 3 Antal registrerade bilar i Sverige... 3 Genomförande...4 Resultat... 5 Sverige... 5

Läs mer

SF1922/SF1923: SANNOLIKHETSTEORI OCH INTERVALLSKATTNING. STATISTIK. Tatjana Pavlenko. 24 april 2018

SF1922/SF1923: SANNOLIKHETSTEORI OCH INTERVALLSKATTNING. STATISTIK. Tatjana Pavlenko. 24 april 2018 SF1922/SF1923: SANNOLIKHETSTEORI OCH STATISTIK FÖRELÄSNING 11 INTERVALLSKATTNING. Tatjana Pavlenko 24 april 2018 PLAN FÖR DAGENS FÖRELÄSNING Vad är en intervallskattning? (rep.) Den allmänna metoden för

Läs mer

SF1901 Sannolikhetsteori och statistik I

SF1901 Sannolikhetsteori och statistik I SF1901 Sannolikhetsteori och statistik I Jimmy Olsson Föreläsning 10 27 november 2017 1 / 28 Idag Mer om punktskattningar Minsta-kvadrat-metoden (Kap. 11.6) Intervallskattning (Kap. 12.2) Tillämpning på

Läs mer

Undersökning av däcktyp i Sverige. Kvartal 1, 2011

Undersökning av däcktyp i Sverige. Kvartal 1, 2011 Undersökning av däcktyp i Sverige Kvartal 1, 2011 1 UTKAST 2011-07-07 Innehåll Bakgrund... 3 Syftet med undersökningen... 3 Antal registrerade bilar i Sverige... 3 Genomförande...4 Resultat... 5 Sverige...

Läs mer

Provmoment: Tentamen 6,5 hp Ladokkod: A144TG Tentamen ges för: TGMAI17h, Maskiningenjör - Produktutveckling. Tentamensdatum: 28 maj 2018 Tid: 9-13

Provmoment: Tentamen 6,5 hp Ladokkod: A144TG Tentamen ges för: TGMAI17h, Maskiningenjör - Produktutveckling. Tentamensdatum: 28 maj 2018 Tid: 9-13 Matematisk Statistik 7,5 högskolepoäng Provmoment: Tentamen 6,5 hp Ladokkod: A144TG Tentamen ges för: TGMAI17h, Maskiningenjör - Produktutveckling Tentamensdatum: 28 maj 2018 Tid: 9-13 Hjälpmedel: Miniräknare

Läs mer

Tentamen i Statistik, STA A13 Deltentamen 2, 5p 21 januari 2006, kl

Tentamen i Statistik, STA A13 Deltentamen 2, 5p 21 januari 2006, kl Karlstads universitet Institutionen för informationsteknologi Avdelningen för statistik Tentamen i Statistik, STA A13 Deltentamen, 5p 1 januari 006, kl. 09.00-13.00 Tillåtna hjälpmedel: Bifogad formel-

Läs mer

Studietyper, inferens och konfidensintervall

Studietyper, inferens och konfidensintervall Studietyper, inferens och konfidensintervall Andrew Hooker Division of Pharmacokinetics and Drug Therapy Department of Pharmaceutical Biosciences Uppsala University Studietyper Experimentella studier Innebär

Läs mer

Undersökning av däcktyp i Sverige. Januari/februari 2010

Undersökning av däcktyp i Sverige. Januari/februari 2010 Undersökning av däcktyp i Sverige Januari/februari 2010 1 Innehåll Bakgrund... 3 Syftet med undersökningen... 3 Antal registrerade bilar i Sverige... 3 Genomförande...4 Resultat... 5 Sverige... 5 Regionala

Läs mer

F14 HYPOTESPRÖVNING (NCT 10.2, , 11.5) Hypotesprövning för en proportion. Med hjälp av data från ett stickprov vill vi pröva

F14 HYPOTESPRÖVNING (NCT 10.2, , 11.5) Hypotesprövning för en proportion. Med hjälp av data från ett stickprov vill vi pröva Stat. teori gk, ht 006, JW F14 HYPOTESPRÖVNING (NCT 10., 10.4-10.5, 11.5) Hypotesprövning för en proportion Med hjälp av data från ett stickprov vill vi pröva H 0 : P = P 0 mot någon av H 1 : P P 0 ; H

Läs mer

Skattning av älg via spillningsräkning i Norn

Skattning av älg via spillningsräkning i Norn Skattning av älg via spillningsräkning i Norn Foto: Jonas Lemel September 2006 Arbetet är beställt av: Bergvik Skog Svenska Jägareförbundet Rapport 16-2006 Svensk Naturförvaltning AB www.naturforvaltning.se

Läs mer

Matematisk statistik för B, K, N, BME och Kemister

Matematisk statistik för B, K, N, BME och Kemister Matematisk statistik för B, K, N, BME och Kemister Föreläsning 5 Johan Lindström 12 september 216 Johan Lindström - johanl@maths.lth.se FMS86/MASB2 F5 1/23 Repetition Gauss approximation Delta metoden

Läs mer

TRAFIKUTREDNING BJÖRKLUNDA I HÄSSLEHOLM

TRAFIKUTREDNING BJÖRKLUNDA I HÄSSLEHOLM RAPPORT TRAFIKUTREDNING BJÖRKLUNDA I HÄSSLEHOLM SLUTRAPPORT 2017-07-07 UPPDRAG 277661, Björklunda trafikutredning Titel på rapport: Trafikutredning Björklunda i Hässleholm Status: Datum: 2017-07-07 MEDVERKANDE

Läs mer

Rättningstiden är i normalfall 15 arbetsdagar, till detta tillkommer upp till 5 arbetsdagar för administration, annars är det detta datum som gäller:

Rättningstiden är i normalfall 15 arbetsdagar, till detta tillkommer upp till 5 arbetsdagar för administration, annars är det detta datum som gäller: Matematisk Statistik Provmoment: Ladokkod: Tentamen ges för: Tentamen TT091A TGMAS15h 7,5 högskolepoäng TentamensKod: Tentamensdatum: 30 Maj Tid: 9-13 Hjälpmedel: Miniräknare (nollställd) samt allmänspråklig

Läs mer

Matematisk statistik för B, K, N, BME och Kemister

Matematisk statistik för B, K, N, BME och Kemister Matematisk statistik för B, K, N, BME och Kemister Föreläsning 6 Johan Lindström 13 september 2017 Johan Lindström - johanl@maths.lth.se FMSF70/MASB02 F6 1/22 : Rattonykterhet Johan Lindström - johanl@maths.lth.se

Läs mer

Strategier för urval av sjöar som ska ingå i den sexåriga omdrevsinventeringen av vattenkvalitet i svenska sjöar

Strategier för urval av sjöar som ska ingå i den sexåriga omdrevsinventeringen av vattenkvalitet i svenska sjöar Strategier för urval av sjöar som ska ingå i den sexåriga omdrevsinventeringen av vattenkvalitet i svenska sjöar Rapportering av uppdrag 216 0648 från Naturvårdsverket Ulf Grandin Department of Environmental

Läs mer

F8 Skattningar. Måns Thulin. Uppsala universitet Statistik för ingenjörer 14/ /17

F8 Skattningar. Måns Thulin. Uppsala universitet Statistik för ingenjörer 14/ /17 1/17 F8 Skattningar Måns Thulin Uppsala universitet thulin@math.uu.se Statistik för ingenjörer 14/2 2013 Inledande exempel: kullager Antag att diametern på kullager av en viss typ är normalfördelad N(µ,

Läs mer

Föreläsning G60 Statistiska metoder

Föreläsning G60 Statistiska metoder Föreläsning 5 Statistiska metoder 1 Dagens föreläsning o Konfidensintervall För andelar För medelvärden Vid jämförelser o Den statistiska felmarginalen o Stickprovsstorlek 2 Introduktion När man beräknar

Läs mer

Användning av MCS-data för skattning av ÅDT-Stockholm

Användning av MCS-data för skattning av ÅDT-Stockholm VTI PM Version 1.2 2012-09-14 www.vti.se Användning av MCS-data för skattning av ÅDT-Stockholm Etapp 2 Jenny Eriksson Förord Denna PM är författad av Jenny Eriksson och granskad av Åsa Forsman, båda tillhörande

Läs mer

PROGRAMFÖRKLARING I. Statistik för modellval och prediktion. Ett exempel: vågriktning och våghöjd

PROGRAMFÖRKLARING I. Statistik för modellval och prediktion. Ett exempel: vågriktning och våghöjd Statistik för modellval och prediktion att beskriva, förklara och förutsäga Georg Lindgren PROGRAMFÖRKLARING I Matematisk statistik, Lunds universitet stik för modellval och prediktion p.1/4 Statistik

Läs mer

RAPPORT. Simulering av variabel hastighet i korsning

RAPPORT. Simulering av variabel hastighet i korsning RAPPORT Simulering av variabel hastighet i korsning Dokumenttitel: Simulering av variabel hastighet i korsning Skapat av: Johnny Alf Dokumentdatum: 2011-03-08 Dokumenttyp: Rapport DokumentID: Ärendenummer:

Läs mer

UPPDRAGSLEDARE. Stefan Andersson UPPRÄTTAD AV. Stefan Andersson

UPPDRAGSLEDARE. Stefan Andersson UPPRÄTTAD AV. Stefan Andersson 14 UPPDRAG Trafikutredning Brämhult-Kyrkvägen UPPDRAGSNUMMER 12602343 UPPDRAGSLEDARE Stefan Andersson UPPRÄTTAD AV Stefan Andersson DATUM Trafkutredning, avstängning av Kyrkvägen Bakgrund och syfte Samghällsbyggnadsförvaltningen

Läs mer

Föreläsning 7. Statistikens grunder.

Föreläsning 7. Statistikens grunder. Föreläsning 7. Statistikens grunder. Jesper Rydén Matematiska institutionen, Uppsala universitet jesper.ryden@math.uu.se 1MS008, 1MS777 vt 2016 Föreläsningens innehåll Översikt, dagens föreläsning: Inledande

Läs mer

Statistiska metoder för säkerhetsanalys

Statistiska metoder för säkerhetsanalys F10: Intensiteter och Poissonmodeller Frågeställningar Konstant V.v.=Var Cyklister Poissonmodeller för frekvensdata Vi gör oberoende observationer av de (absoluta) frekvenserna n 1, n 2,..., n k från den

Läs mer

SF1901 Sannolikhetsteori och statistik I

SF1901 Sannolikhetsteori och statistik I SF1901 Sannolikhetsteori och statistik I Jimmy Olsson Föreläsning 14 13 december 2016 1 / 20 Idag χ 2 -metoden Test av given fördelning Homogenitetstest 2 / 20 Idag χ 2 -metoden Test av given fördelning

Läs mer

Rättningstiden är i normalfall 15 arbetsdagar, till detta tillkommer upp till 5 arbetsdagar för administration, annars är det detta datum som gäller:

Rättningstiden är i normalfall 15 arbetsdagar, till detta tillkommer upp till 5 arbetsdagar för administration, annars är det detta datum som gäller: Matematisk Statistik Provmoment: Ladokkod: Tentamen ges för: Tentamen 6.5 hp AT1MS1 DTEIN16h 7,5 högskolepoäng TentamensKod: Tentamensdatum: 1 juni 2017 Tid: 14-18 Hjälpmedel: Miniräknare Totalt antal

Läs mer

Bild 1. Bild 2 Sammanfattning Statistik I. Bild 3 Hypotesprövning. Medicinsk statistik II

Bild 1. Bild 2 Sammanfattning Statistik I. Bild 3 Hypotesprövning. Medicinsk statistik II Bild 1 Medicinsk statistik II Läkarprogrammet T5 HT 2014 Anna Jöud Arbets- och miljömedicin, Lunds universitet ERC Syd, Skånes Universitetssjukhus anna.joud@med.lu.se Bild 2 Sammanfattning Statistik I

Läs mer

Bestäm med hjälp av en lämplig och välmotiverad approximation P (X > 50). (10 p)

Bestäm 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 mer

Matematisk statistik för D, I, Π och Fysiker

Matematisk statistik för D, I, Π och Fysiker Matematisk statistik för D, I, Π och Fysiker Föreläsning 11 Johan Lindström 13 november 2018 Johan Lindström - johanl@maths.lth.se FMSF45/MASB03 F11 1/25 Repetition Stickprov & Skattning Maximum likelihood

Läs mer

Föreläsning 8, Matematisk statistik 7.5 hp för E Punktskattningar

Föreläsning 8, Matematisk statistik 7.5 hp för E Punktskattningar Föreläsning 8, Matematisk statistik 7.5 hp för E Punktskattningar Stas Volkov Stanislav Volkov s.volkov@maths.lth.se FMSF20 F8: Statistikteori 1/20 Översikt Exempel Repetition Exempel Matematisk statistik

Läs mer

Föreläsning 12: Regression

Föreläsning 12: Regression Föreläsning 12: Regression Matematisk statistik David Bolin Chalmers University of Technology Maj 15, 2014 Binomialfördelningen Låt X Bin(n, p). Vi observerar x och vill ha information om p. p = x/n är

Läs mer

Diskussionsproblem för Statistik för ingenjörer

Diskussionsproblem för Statistik för ingenjörer Diskussionsproblem för Statistik för ingenjörer Måns Thulin thulin@math.uu.se Senast uppdaterad 20 februari 2013 Diskussionsproblem till Lektion 3 1. En projektledare i ett byggföretaget ska undersöka

Läs mer

Dataproduktspecifikation Trafikarbetets förändring (TF)

Dataproduktspecifikation Trafikarbetets förändring (TF) [Skriv text] [Skriv text] [Skriv text] Dataproduktspecifikation Trafikarbetets förändring (TF) Version 0.9 Ändringsförteckning Fastställd version Dokumentdatum Ändring Namn 0.9 2013-11-07 Ny dataproduktspecifikation

Läs mer

Föreläsning 12, FMSF45 Hypotesprövning

Föreläsning 12, FMSF45 Hypotesprövning Föreläsning 12, FMSF45 Hypotesprövning Stas Volkov 2017-11-14 Stanislav Volkov s.volkov@maths.lth.se FMSF45 F12: Hypotestest 1/1 Konfidensintervall Ett konfidensintervall för en parameter θ täcker rätt

Läs mer

SF1901: SANNOLIKHETSLÄRA OCH STATISTIK. MER HYPOTESPRÖVNING. χ 2 -TEST. Jan Grandell & Timo Koski

SF1901: SANNOLIKHETSLÄRA OCH STATISTIK. MER HYPOTESPRÖVNING. χ 2 -TEST. Jan Grandell & Timo Koski SF1901: SANNOLIKHETSLÄRA OCH STATISTIK FÖRELÄSNING 12. MER HYPOTESPRÖVNING. χ 2 -TEST Jan Grandell & Timo Koski 25.02.2016 Jan Grandell & Timo Koski Matematisk statistik 25.02.2016 1 / 46 INNEHÅLL Hypotesprövning

Läs mer

Dataanalys kopplat till undersökningar

Dataanalys kopplat till undersökningar Dataanalys kopplat till undersökningar Seminarium om undersökningsmetoder för förorenade områden, Malmö 6-7 maj Jenny Norrman, SGI, Chalmers FRIST På säker grund för hållbar utveckling Innehåll Inledning

Läs mer

Matematisk statistik 9.5 hp, HT-16 Föreläsning 11: Konfidensintervall

Matematisk statistik 9.5 hp, HT-16 Föreläsning 11: Konfidensintervall Matematisk statistik 9.5 hp, HT-16 Föreläsning 11: Konfidensintervall Anna Lindgren 7+8 november 2016 Anna Lindgren anna@maths.lth.se FMS012/MASB03 F11: Konfidensintervall 1/19 Stickprov & Skattning Ett

Läs mer

Föreläsning 9, Matematisk statistik 7.5 hp för E Konfidensintervall

Föreläsning 9, Matematisk statistik 7.5 hp för E Konfidensintervall Föreläsning 9, Matematisk statistik 7.5 hp för E Konfidensintervall Stas Volkov Stanislav Volkov s.volkov@maths.lth.se FMSF20 F9: Konfidensintervall 1/19 Stickprov & Skattning Ett stickprov, x 1, x 2,...,

Läs mer

Finns det över huvud taget anledning att förvänta sig något speciellt? Finns det en generell fördelning som beskriver en mätning?

Finns 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 mer

Matematisk statistik KTH. Formelsamling i matematisk statistik

Matematisk statistik KTH. Formelsamling i matematisk statistik Matematisk statistik KTH Formelsamling i matematisk statistik Vårterminen 2017 1 Kombinatorik ) n n! = k k! n k)!. Tolkning: mängd med n element. ) n = antalet delmängder av storlek k ur en k 2 Stokastiska

Läs mer

Föreläsning 6 (kap 6.1, 6.3, ): Punktskattningar

Föreläsning 6 (kap 6.1, 6.3, ): Punktskattningar Föreläsning 6 (kap 6.1, 6.3, 7.1-7.3): Punktskattningar Marina Axelson-Fisk 4 maj, 2016 Stickprov (sample) Idag: Stickprovsmedelvärde och varians Statistika (statistic) Punktskattning (point estimation)

Läs mer

Lektionsanteckningar 11-12: Normalfördelningen

Lektionsanteckningar 11-12: Normalfördelningen Lektionsanteckningar 11-12: Normalfördelningen När utfallsrummet för en slumpvariabel kan anta vilket värde som helst i ett givet intervall är variabeln kontinuerlig. Det är väsentligt att utfallsrummet

Läs mer

Förvaltning av regional sampersmodell Skåne-TASS

Förvaltning av regional sampersmodell Skåne-TASS Trafikverket Förvaltning av regional sampersmodell Skåne-TASS Validering av 2016-04-01 modellen Malmö Förvaltning av regional sampersmodell Skåne-TASS Validering av 2016-04-01 modellen Datum Uppdragsnummer

Läs mer

Avd. Matematisk statistik

Avd. Matematisk statistik Avd. Matematisk statistik TENTAMEN I SF194 SANNOLIKHETSTEORI OCH STATISTIK, MÅNDAG 1 AUGUSTI 019 KL 8.00 13.00. Examinator: Björn-Olof Skytt, 08-790 86 49. Tillåtna hjälpmedel: Formel- och tabellsamling

Läs mer

SF1922/SF1923: SANNOLIKHETSTEORI OCH. PASSNING AV FÖRDELNING: χ 2 -METODER. STATISTIK. Tatjana Pavlenko. 14 maj 2018

SF1922/SF1923: SANNOLIKHETSTEORI OCH. PASSNING AV FÖRDELNING: χ 2 -METODER. STATISTIK. Tatjana Pavlenko. 14 maj 2018 SF1922/SF1923: SANNOLIKHETSTEORI OCH STATISTIK FÖRELÄSNING 14-15 PASSNING AV FÖRDELNING: χ 2 -METODER. Tatjana Pavlenko 14 maj 2018 PLAN FÖR DAGENS FÖRELÄSNING Icke-parametriska metoder. (Kap. 13.10) Det

Läs mer

BERÄKNING AV TRAFIKFLÖDEN INOM SVARTÅ STRAND, MJÖLBY

BERÄKNING AV TRAFIKFLÖDEN INOM SVARTÅ STRAND, MJÖLBY PM BERÄKNING AV TRAFIKFLÖDEN INOM SVARTÅ STRAND, MJÖLBY SLUTRAPPORT 2013-12-16 Sammanfattning Det centrala området Svartå strand i Mjölby planeras genomgå en omvandling från verksamhetsområde till ett

Läs mer

PM Trafikflöden i Östersund och Odenskog

PM Trafikflöden i Östersund och Odenskog PM Trafikflöden i Östersund och 2010-02-08 Upprättad av: Oskar Lundblad Haggren RAPPORT 2010-02-08 Kund Jenny Jernström Östersunds kommun, Samhällsbyggnad, Plan och Bygg, 831 82 Östersund Konsult WSP Samhällsbyggnad

Läs mer

Matematisk statistik 9 hp, HT-16 Föreläsning 10: Punktskattningar

Matematisk statistik 9 hp, HT-16 Föreläsning 10: Punktskattningar Matematisk statistik 9 hp, HT-16 Föreläsning 10: Punktskattningar Anna Lindgren (Stanislav Volkov) 31 oktober + 1 november 2016 Anna Lindgren anna@maths.lth.se FMS012/MASB03 F10: Punktskattning 1/18 Matematisk

Läs mer

F3 Introduktion Stickprov

F3 Introduktion Stickprov Utrotningshotad tandnoting i arktiska vatten Inferens om väntevärde baserat på medelvärde och standardavvikelse Matematik och statistik för biologer, 10 hp Tandnoting är en torskliknande fisk som lever

Läs mer

Föreläsning 12: Repetition

Föreläsning 12: Repetition Föreläsning 12: Repetition Marina Axelson-Fisk 25 maj, 2016 GRUNDLÄGGANDE SANNOLIKHETSTEORI Grundläggande sannolikhetsteori Utfall = resultatet av ett försök Utfallsrum S = mängden av alla utfall Händelse

Läs mer

SF1901: Medelfel, felfortplantning

SF1901: Medelfel, felfortplantning SF1901: Medelfel, felfortplantning Jan Grandell & Timo Koski 15.09.2011 Jan Grandell & Timo Koski () Matematisk statistik 15.09.2011 1 / 14 Felfortplantning Felfortplantning kallas propagation of error

Läs mer

FÖRELÄSNING 7:

FÖRELÄSNING 7: FÖRELÄSNING 7: 2016-05-10 LÄRANDEMÅL Normalfördelningen Standardnormalfördelning Centrala gränsvärdessatsen Konfidensintervall Konfidensnivå Konfidensintervall för väntevärdet då variansen är känd Samla

Läs mer

1 Bakgrund DATORÖVNING 3 MATEMATISK STATISTIK FÖR E FMSF Något om Radon och Radonmätningar. 1.2 Statistisk modell

1 Bakgrund DATORÖVNING 3 MATEMATISK STATISTIK FÖR E FMSF Något om Radon och Radonmätningar. 1.2 Statistisk modell LUNDS TEKNISKA HÖGSKOLA MATEMATIKCENTRUM MATEMATISK STATISTIK DATORÖVNING 3 MATEMATISK STATISTIK FÖR E FMSF20 Syfte: Syftet med dagens laborationen är att du skall: få förståelse för punkt- och intervallskattningar.

Läs mer

SF1901: SANNOLIKHETSTEORI OCH. PASSNING AV FÖRDELNING: χ 2 -METODER. STATISTIK. Tatjana Pavlenko. 12 oktober 2015

SF1901: SANNOLIKHETSTEORI OCH. PASSNING AV FÖRDELNING: χ 2 -METODER. STATISTIK. Tatjana Pavlenko. 12 oktober 2015 SF1901: SANNOLIKHETSTEORI OCH STATISTIK FÖRELÄSNING 14 PASSNING AV FÖRDELNING: χ 2 -METODER. Tatjana Pavlenko 12 oktober 2015 PLAN FÖR DAGENS FÖRELÄSNING Icke-parametsriska metoder. (Kap. 13.10) Det grundläggande

Läs mer

E20 Vårgårda Vara, delen Vårgårda Ribbingsberg

E20 Vårgårda Vara, delen Vårgårda Ribbingsberg TEKNISKT PM TRAFIKANALYS E20 Vårgårda Vara, delen Vårgårda Ribbingsberg Vårgårda och Essunga kommuner, Västra Götalands län Vägplan, 2016-11-03 Projektnummer: 128078 Trafikverket Postadress: Box 110, 54

Läs mer

Föreläsning 7: Punktskattningar

Föreläsning 7: Punktskattningar Föreläsning 7: Punktskattningar Matematisk statistik David Bolin Chalmers University of Technology April 7, 2014 Projektuppgift Projektet går ut på att genomföra ett statistiskt försök och analysera resultaten.

Läs mer

Uppgift 1. f(x) = 2x om 0 x 1

Uppgift 1. f(x) = 2x om 0 x 1 Avd. Matematisk statistik TENTAMEN I Matematisk statistik SF1907, SF1908 OCH SF1913 TORSDAGEN DEN 30 MAJ 2013 KL 14.00 19.00. Examinator: Gunnar Englund, 073 321 3745 Tillåtna hjälpmedel: Formel- och tabellsamling

Läs mer

Data på individ/hushålls/företags/organisationsnivå. Idag större datamänger än tidigare

Data på individ/hushålls/företags/organisationsnivå. Idag större datamänger än tidigare MIKROEKONOMETRI Data på individ/hushålls/företags/organisationsnivå Tvärsnittsdata och/eller longitudinella data o paneldata Idag större datamänger än tidigare Tekniska framsteg erbjuder möjligheter till

Läs mer

Föreläsning 1. Repetition av sannolikhetsteori. Patrik Zetterberg. 6 december 2012

Föreläsning 1. Repetition av sannolikhetsteori. Patrik Zetterberg. 6 december 2012 Föreläsning 1 Repetition av sannolikhetsteori Patrik Zetterberg 6 december 2012 1 / 28 Viktiga statistiska begrepp För att kunna förstå mer avancerade koncept under kursens gång är det viktigt att vi förstår

Läs mer

TMS136. Föreläsning 11

TMS136. Föreläsning 11 TMS136 Föreläsning 11 Andra intervallskattningar Vi har sett att vi givet ett stickprov och under vissa antaganden kan göra intervallskattningar för väntevärden Man kan även gör intervallskattningar för

Läs mer

Föreläsning 4: Konfidensintervall (forts.)

Föreläsning 4: Konfidensintervall (forts.) Föreläsning 4: Konfidensintervall forts. Johan Thim johan.thim@liu.se 3 september 8 Skillnad mellan parametrar Vi kommer nu fortsätta med att konstruera konfidensintervall och vi kommer betrakta lite olika

Läs mer

Kapacitetsutredning Kristineberg - Vallentuna

Kapacitetsutredning Kristineberg - Vallentuna Kapacitetsutredning Kristineberg - Vallentuna Sweco TransportSystem Kapacitetsutredning ERIK FRANSSON MARTIN HOLMSTEDT 1 (9) -14 S w e co Luntgatan 28 Box 3063 SE-600 03 Norrköping, Sverige Telefon +46

Läs mer

Föreläsning 12: Linjär regression

Föreläsning 12: Linjär regression Föreläsning 12: Linjär regression Matematisk statistik Chalmers University of Technology Oktober 4, 2017 Exempel Vi vill undersöka hur ett ämnes specifika värmeskapacitet (ämnets förmåga att magasinera

Läs mer

STATISTISK POWER OCH STICKPROVSDIMENSIONERING

STATISTISK POWER OCH STICKPROVSDIMENSIONERING STATISTISK POWER OCH STICKPROVSDIMENSIONERING Teori UPPLÄGG Gemensam diskussion Individuella frågor Efter detta pass hoppas jag att: ni ska veta vad man ska tänka på vilka verktyg som finns vilket stöd

Läs mer

Vi har en ursprungspopulation/-fördelning med medelvärde µ.

Vi har en ursprungspopulation/-fördelning med medelvärde µ. P-värde P=probability Sannolikhetsvärde som är resultat av en statistisk test. Anger sannolikheten för att göra den observation vi har gjort eller ett sämre / mer extremt utfall om H 0 är sann. Vi har

Läs mer

EXEMPEL PÅ FRÅGESTÄLLNINGAR INOM STATISTIKTE- ORIN (INFERENSTEORIN):

EXEMPEL PÅ FRÅGESTÄLLNINGAR INOM STATISTIKTE- ORIN (INFERENSTEORIN): Lunds tekniska högskola Matematikcentrum Matematisk statistik Matematisk statistik AK för ekosystemteknik, FMSF75 OH-bilder 2018-09-19 EXEMPEL PÅ FRÅGESTÄLLNINGAR INOM STATISTIKTE- ORIN (INFERENSTEORIN):

Läs mer

Tentamentsskrivning: Matematisk Statistik med Metoder MVE490 1

Tentamentsskrivning: Matematisk Statistik med Metoder MVE490 1 Tentamentsskrivning: Matematisk Statistik med Metoder MVE490 1 Tentamentsskrivning i Matematisk Statistik med Metoder MVE490 Tid: den 22 december, 2016 Examinatorer: Kerstin Wiklander och Erik Broman.

Läs mer

Stadens godsflöden, en vit fläck eller ett svart får. Förutsättningar för en godsflödesstudie på lokal och regional nivå

Stadens godsflöden, en vit fläck eller ett svart får. Förutsättningar för en godsflödesstudie på lokal och regional nivå Stadens godsflöden, en vit fläck eller ett svart får. Förutsättningar för en godsflödesstudie på lokal och regional nivå Mona Pettersson WSP Analys & Strategi WSP Analys & Strategi WSP Analys & Strategi

Läs mer

TYA:s Arbetskraftsbarometer

TYA:s Arbetskraftsbarometer TYA:s Arbetskraftsbarometer Juni 2011 Kund TYA Mottagare Robert Dierks Version Klass Antal sidor 1-5 Datum Statisticons ProjektID 2011-05-30 TYA_4026 Ämne : TYAs Arbetskraftbarometer 2011 juni Författare

Läs mer

Trafik-PM till detaljplaner i Dingelsundet

Trafik-PM till detaljplaner i Dingelsundet Sid 1(13) TEKNIK- OCH FASTIGHETSFÖRVALTNINGEN Rapport, daterad 2017-06-16 Karl Borgstrand karl.borgstrand@karlstad.se Trafik-PM till detaljplaner i Dingelsundet Karlstads kommun Webbplats karlstad.se E-post

Läs mer

FORDONSVÄGNING MED FLINTAB

FORDONSVÄGNING MED FLINTAB www.flintab.se FORDONSVÄGNING MED FLINTAB En säker vågfunktion för högt ställda krav Fordonsvåg 14-15 Vägningssystem Viktoria Service & Support Delad vägning Fordonsvåg 14-15 är den första fordonsvågen

Läs mer

Uppgift 1 (a) För två händelser, A och B, är följande sannolikheter kända

Uppgift 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 mer

, s a. , s b. personer från Alingsås och n b

, s a. , s b. personer från Alingsås och n b Skillnader i medelvärden, väntevärden, mellan två populationer I kapitel 8 testades hypoteser typ : µ=µ 0 där µ 0 var något visst intresserant värde Då användes testfunktionen där µ hämtas från, s är populationsstandardavvikelsen

Läs mer

F13 Regression och problemlösning

F13 Regression och problemlösning 1/18 F13 Regression och problemlösning Måns Thulin Uppsala universitet thulin@math.uu.se Statistik för ingenjörer 4/3 2013 2/18 Regression Vi studerar hur en variabel y beror på en variabel x. Vår modell

Läs mer

Föreläsning 11, FMSF45 Konfidensintervall

Föreläsning 11, FMSF45 Konfidensintervall Repetition Konfidensintervall I Fördelningar Konfidensintervall II Föreläsning 11, FMSF45 Konfidensintervall Stas Volkov 2017-11-7 Stanislav Volkov s.volkov@maths.lth.se FMSF45 F11: Konfidensintervall

Läs mer

Standardfel (Standard error, SE) SD eller SE. Intervallskattning MSG Staffan Nilsson, Chalmers 1

Standardfel (Standard error, SE) SD eller SE. Intervallskattning MSG Staffan Nilsson, Chalmers 1 Standardfel (Standard error, SE) Anta vi har ett stickprov X 1,,X n där varje X i has medel = µ och std.dev = σ. Då är Det sista kalls standardfel (eng:standard error of mean (SEM) eller (SE) och skattas

Läs mer

b) antalet timmar Lukas måste arbeta för att sannolikheten att han ska hinna med alla 112 datorerna ska bli minst (3 p)

b) antalet timmar Lukas måste arbeta för att sannolikheten att han ska hinna med alla 112 datorerna ska bli minst (3 p) Avd. Matematisk statistik TENTAMEN I SF1901, SANNOLIKHETSTEORI OCH STATISTIK, MÅNDAGEN DEN 27:E OKTOBER 2014 KL 08.00 13.00. Kursledare: Tatjana Pavlenko, 08-790 84 66, Björn-Olof Skytt, 08-790 86 49.

Läs mer

Experimentella metoder, FK3001. Datorövning: Finn ett samband

Experimentella metoder, FK3001. Datorövning: Finn ett samband Experimentella metoder, FK3001 Datorövning: Finn ett samband 1 Inledning Den här övningen går ut på att belysa hur man kan utnyttja dimensionsanalys tillsammans med mätningar för att bestämma fysikaliska

Läs mer

Föreläsning 7: Punktskattningar

Föreläsning 7: Punktskattningar Föreläsning 7: Punktskattningar Matematisk statistik Chalmers University of Technology April 27, 2015 Tvådimensionella fördelningar Definition En två dimensionell slumpvariabel (X, Y ) tillordnar två numeriska

Läs mer

Industriell matematik och statistik, LMA136 2013/14

Industriell matematik och statistik, LMA136 2013/14 Industriell matematik och statistik, LMA136 2013/14 7 Mars 2014 Disposition r Kondensintervall och hypotestest Kondensintervall Statistika Z (eller T) har fördelning F (Z en funktion av ˆθ och θ) q 1 α/2

Läs mer

Hur skriver man statistikavsnittet i en ansökan?

Hur skriver man statistikavsnittet i en ansökan? Hur skriver man statistikavsnittet i en ansökan? Val av metod och stickprovsdimensionering Registercentrum Norr http://www.registercentrumnorr.vll.se/ statistik.rcnorr@vll.se 11 Oktober, 2018 1 / 52 Det

Läs mer

Öppna jämförelser kollektivtrafik indikatorer om kollektivtrafik Siffrorna avser år 2015

Öppna jämförelser kollektivtrafik indikatorer om kollektivtrafik Siffrorna avser år 2015 Öppna jämförelser kollektivtrafik 216 15 indikatorer om kollektivtrafik Siffrorna avser år 215 Inledning SKL har gett ut Öppna jämförelser för kollektivtrafik 214 och 215. För 216 publicerar vi denna sammanfattning

Läs mer