Fastbasindex--Kedjeindex. Index av de slag vi hitintills tagit upp kallas fastbasindex. Viktbestämningar utgår från
|
|
- Sara Bergman
- för 7 år sedan
- Visningar:
Transkript
1 Fasbasindex--Kedjeindex Index av de slag vi hiinills agi upp kallas fasbasindex. Vikbesämningar ugår från priser och/eller kvanieer under basåre. Vid långa indexserier blir dea e problem. Vikerna måse åerspegla förändringen i försäljningsvärden.
2 Länkar och kedjor En indexlänk från år - ill år beräknas som e sammansa index med år - som basår. Länken är indexvärde år. Länken konsrueras som där p i, är prise på vara i år och p i,- är prise på vara i år och w i,-, är den vik som används för varan mellan år ill år sam n är anale varor som skall ingå i indexe n i i i i w p p L,,,,, som skall ingå i indexe Med ex Laspeyre s viksysem beräknas årslänken som E (kedje)index för år med basår 0 fås därefer som I L 0, L,2 L -, 00 j j j i i i i i i i i q p q p p p i p p L,,,,,,,,, försäljningsvärde år Toala år Försäljningsvärde för vara
3 Användande av represenanvaror För föreag och branscher med många varor blir de oprakisk a beräkna viker med alla varors priser och försäljningskvanieer. I sälle väljs ur varje varugrupp en represenanvara, vars pris- och kvaniesuveckling speglar varugruppen väl. riserna på represenanvaran används i formeln för de sammansaa indexe. Vikerna besäms uifrån oalförsäljningen i respekive varugrupp.
4 Lå p i, rise på represenanvaran från grupp i år v i, Värde hos oala försäljningen av grupp i år En årslänk med Laspeyreviker beräknas i dea fall som L, p v i, i, i pi, v j j, där summeringen görs över alla grupper av varor (el. jänser) Observera a i denna formel (och även i idigare formler) summerar vi också i nämnaren över alla grupper, men för a ine blanda ihop med den försa summan används summaionsindexe j där.
5 Hasse s kläder Försäljningsvärden År Srumpor och sockor Försäljningsvärde Underkläder riser för represenanvaror År Srumpor och sockor Underkläder Hasses supersrumpa Hasses boxer
6 År Försäljningsvärde Srumpor och sockor Underkläder År Srumpor och sockor Underkläder Hasses supersrumpa L Årslänkar Hasses boxer ,99 + L ,
7 L ,99 + L , Kedjeindex med basår 998 År Index
8 Relaivprisindex Anag a vi har e framräkna prisindex för någon vara, jäns eller grupp av varor och jänser. Indexe i sig mäer prisuvecklingen på jus den varan/jänsen/gruppen, men de är ofa inressan a sudera uvecklingen i förhållande ill den allmänna prisuvecklingen (oal eller för en sörre grupp ill vilken varan/jänsen gruppen hör). Man kan då använda sig av s k relaivprisindex.
9 Lå I 0 vara prisindexe för den akuella varan/jänsen/gruppen och lå I v vara prisindexe för den sörre gruppen. Relaivprisindexe blir då (I 0 / I v ) 00 I v är ofa konsumenprisindex (se nedan) eller någo branschindex. Relaivprisindex är egenligen bara en varian av deflaering och man skall olka de som lokal prisförändring när den generella prisförändringen har räknas bor. Användningsområdena är många, men speciell blir dea sä a räkna vikig i eferfrågeanalys
10 Exempel: Nedan visas de nyligen framräknade kedjeprisindexe för Hasse s kläder illsammans med konsumenprisindex för mosvarande period. Kedjeprisindex KI (basår 980) KI (basår 998) Värden visar direk a prisuvecklingen hos Hasse s är högre än den allmänna prisuvecklingen. Uryck i e relaivprisindex blir den allså: (04.8/00.5) (07.8/0.4) dvs 6.3% högre än den allmänna prisuvecklingen mellan 98 och 00
11 Konsumenprisindex Konsumenprisindex Sverige: Indelning av marknaden i grupper av varor och jänser görs med jämna mellanrum Val av represenanvaror/jänser från varje grupp (regelbunden revision av val) Basår bys med långa inervall: F n 980, innan dess 949 Beräkning för hela marknaden men också för diverse undergrupper (Naionalräkenskaperna) Indexes uformning: Uppdelning i långidsindex (årsvisa) och koridsindex (månadsvisa) Båda är kedjeprisindex Årslänkar beräknas f n med Edgeworhs viksysem (e medelvärde av Laspeyre s och aasche s vikssysem) Månadslänkar beräknas f n med Laspeyre s viksysem Sammanjämkning i januari och december
12 Konsumenprisindex används för a Mäa inflaion Omräkna värden i löpande priser ill värden i priser för e viss år. Dea används bl. a. för a bedöma försäljningsuveckling och eferfrågan. Konsumenprisindex kan besämmas implici genom KI Försäljningsvärden år Försäljningsvärden år i i löpande priser basåres priser 00
13 Eferfrågeanalys, Elasiciesmodeller (Framsällningen här görs med annorlunda symboler än i AJÅ) Naionalekonomisk framsällning: Eferfrågan, Q försäljningsvolym av akuell vara, jäns eller grupp av varor/jänser beror av o rise,, på varan, jänsen, eller priserna i gruppen av varor/jänser o Inkomsnivån, I, i den populaion av konsumener som eferfrågar varan/jänsen/gruppen. o rise, 2, på en annan vara relaerad ill varan/jänsen/gruppen. E subsiu eller e komplemen o Tiden,, som sammanfaande indikaor på smakförändringar.
14 risvariablerna är sällan enskilda syckepriser för produken ifråga uan ofare e prisindex. Speciell använder man e relaivprisindex där effeker av inflaion har filreras bor (prisindex/ki) Dea gäller försås samliga prisvariabler i lisan ovan Inkomsvariabeln ugörs som regel av realinkomsen per capia i den populaion av konsumener som eferfrågar varan/jänsen/gruppen Realinkoms erhålls genom a deflaera nominell inkoms med KI.
15 Modeller: ) Man kan änka sig en linjär modell: Q β + β + β I + β + β + ε där ε som vanlig anas vara en slumpkomponen med vänevärde 0 och konsan varians, ofas N (0,σ ). men vilka problem kan finnas med en sådan? Vad händer då prise,, ökar från värde ill värde 2? prise,, ökar från värde ill värde 2? prise,, ökar från värde 0 ill värde 02?
16 2) Man skulle också kunna änka sig följande modell: E 2 E EI 2 Q C I 0 γ δ där C, E, E I, E 2 och γ är konsaner och δ är en slumpkomponen som har egenskapen a log (δ ) har vänevärde 0 och konsan varians, ofas N (0,σ ). Vad händer i denna modell om prise,, ökar från värde ill värde 2? prise,, ökar från värde ill värde 2? prise,, ökar från värde 0 ill värde 02?
17 Exempel: Anag följande vå modeller där eferfrågan (Q) förklaras av pris ():. Q Q0. Om prise ökar från ill 2 minskar eferfrågan med 0.2 enheer enlig modell y Q 2 Q ( ) ( ) % enlig modell 2 y Q 2 /Q (0 2. )/(0. ) 0.47 Om prise ökar från 0 ill minskar eferfrågan med 0.2 enheer enlig modell y y Q 2 Q (0 0.2 ) ( ) 0.2 0% enlig modell 2 y Q 2 /Q (0. )/(0 0. ) 0.90
18 Modellen E 2 E EI 2 Q C I 0 γ δ kallas elasiciesmodell och paramerarna E, E I och E 2 är försås i ur och ordning priselasicie, inkomselasicie och korselasicie. aramerarna anas vara konsana i denna modell och eferfrågesambande säges då vara isoelasisk. Inom Mikroekonomin väljer man ofa a arbea med mer generella modeller med varierande elasicieer. Ovansående modell blir dock lämplig som förklaringsmodell ill eferfrågan run jämvikspunken. arameern γ relaerar ill smakförändringar över iden.
19 Den fullsändiga modellen enlig används främs vid Mikroekonomiska jämviksanalyser. Vi reducerar därför här ill modellerna: δ δ δ I I E E E E I p C Q I C Q C Q Anpassning med regressionsanalys kan göras av de logarimerade sambanden. För de vå försa används enkel linjär regressionsanalys. För den redje används mulipel regressionsanalys. δ I p C Q
20 Beraka den försa modellen: Logarimera: E Q C δ lg Q lgc + E lg + lgδ (Vilke logarim som används spelar ingen roll. Här använder vi 0-logarimen lg) lg δ anas precis om i den exponeniella modellen vara N (0,σ ). Om vi illfällig ignorerar denna erm och deriverar bägge sidor av modellen Ł d d dq d Q dq d (lgq) ln0 E Q E E E ln0 ln0 dq d / / Q Derivaorna om ln används isälle för lg fås genom a a bor ln 0 ur urycken dq urycker en mycke lien förändring i Q, dvs e lie Q d urycker mosvarande e mycke lie
21 dq/q urycker allså en mycke lien relaiv förändring i Q d/ urycker mosv. en mycke lien relaiv förändring i Ł Modellen ger a för små prisförändringar blir sambande ungefär (% förändring i Q) E (% förändring i ) Den logarimerade modellen kan skrivas y' β 0 + β x' + ε lg Q lgc + E lg + lgδ och anpassas ill yˆ ' b + b 0 x '
22 där b Eˆ e ( lg ) ( lgq) nlg lgq 2 ( lg ) n( lg ) 2 ( lg ) ( lgq) ( lg ) ( lgq) 2 ( lg ) ( lg ) 2 / n / n b 0 lgq lgq b lg b n lg Anpassad modell i originalskala blir då n ˆ b0 b Q 0 Cˆ Eˆ e c
23 Spelar de någon roll hur vi väljer prisvariabeln? Vi kan änka oss a använda ris dividera med KI (eller mosvarande inflaionsmäande index) eller e prisindex dividera med KI. Värde på b (dvs. Ê (e ) kommer a bli desamma oavse vilka av dessa vå prisvariabler som används. De spelar heller ingen roll vilka basår vi har i risindexe resp. i KI (de kan allså vara olika) De enda som förändras är i modellen Ĉ (c ), dvs. den nivåjuserande konsanen
24 Exempel: Konsumion av margarin i Sorbriannien. År Konsumion (oz. per pers. och vecka) Inflaionsjusera pris År Konsumion (oz. per pers. och vecka) Inflaions -jusera pris
25 Konsumionen minskar med realpris, men de är naurligvis ingen skarp ickelinjär eferfrågekurva.
26 Logarimera nu konsumions- och prisvärdena och ploa log Q mo log : Obs! De är ine självklar a man ser a dea samband blir mer linjär. Man får ofas lia på a modellen är förnufig.
27 I modellen lg Q lgc + E lg + lgδ skall vi skaa E p och log C (dvs β 0 ) Vi beräknar och får b lg , 2 ( lg ) , ( lgq) ( lg ) ( lgq) Eˆ p e lgq ( ) / (36.592) / b 0 Cˆ c ( ) Qˆ
28 Se ill punkskaningen av E : skulle ine margarin olkas som en priselasisk vara. Mikroekonomi: E Typ av vara > oelasisk, ej priskänslig enheselasisk, normal priskänslig < priselasisk, priskänslig Dock försår vi a värde borde analyseras djupare än bara som de punkskaade värde.
29 All som hiills gjors i kursen om -es, F-es, konfidens- och prognosinervall kan också illämpas här. Skillnaden ligger i a vi använder logarimerade daa i beräkningarna och a konfidens- och prognosinervall i försa hand görs i denna skala och får sedan illbakaransformeras. I formelsamlingen ges flera av formlerna på logarimerad form, men ine samliga. Vikig a lära sig sambanden Ł Övriga formler kan enkel översäas!
30 Miniab-analys av daamaeriale: MTB > regress c4 c5; SUBC> predic lg 0 Regression Analysis: lg Q versus lg p The regression equaion is lg Q lg redicor Coef SE Coef T Consan lg S R-Sq 67.3% R-Sq(adj) 65.2% Analysis of Variance Source DF SS MS F Regression Residual Error Toal rediced Values for New Observaions New Obs Fi SE Fi 95.0% CI 95.0% I ( , ) ( , ) Values of redicors for New Observaions New Obs lg 2.04
31 Tydlig a E är skild från 0, men är dea inressan? Vi vill snarare esa: H 0 : E mo.ex. H 0 : E > Tesfunkionen blir då Eˆ ( ) s ˆ E som m h a daakörningen beräknas ill ( ) Tes på 5% nivå Ł Jämför med 0.05 [6].746 (Enkelsidig es) 3.0>.746 Ł H 0 förkasas. Margarin är ine priskänslig i UK.
32 I analysen beräknas e 95% prognosinervall för konsumionen då realprise är 0. I logarimisk skala blir inervalle: ( , ) För a få inervalle i originalskala ransformerar vi enlig: ( , ) (2.88, 4.28) Obs! Ni förvänas allså själva kunna räkna u SSE, s b ec. för a kunna göra es och inervall i analyser där eferfrågan skall förklaras av en variabel (pris eller inkoms). Övningarna RT, RT2, RT3 illusrerar dea.
33 Mer om icke-linjära modeller: olynomregression, ex: y x2 2 2 β + β x + β x + β x + β x + β x + ε som vi har avhandla som vanlig mulipel regression. Exponeniell modell: x β β y 0 δ där β 0 och β är konsaner (paramerar) som idigare och δ är en slumpkomponen som anas ha vänevärde och som är sådan a lg(δ) har vänevärde 0 och konsan varians, ofas N (0,σ).
34 Naurligvis kan en exponeniell modell ha flera ermer (fakorer) med x-variabler: β x 2 2 x3 x4, β, β 3 4,... Hur kan man analysera? logarimera modellen (vilken logarim som används spelar ingen roll, här används 0-logarimen lg): lg y lg β + x lg β + lgδ 0 lg β + (lg β ) x + lgδ 0 Sä y ' lg y, β 0 ' lg β 0, β lg β, ε lg δ Ł ' ' y' β + β x + ε 0
35 Anpassa denna modell med vanlig regression Ł ' b 0 '+b ' x Transformera illbaka ill originalskala. Vi anar a vi har använ 0-logarimen här, dvs glg h Ł h0 g ˆ b b x y 0 ' ' 0 (0 ) Konfidensinervall och hypoesprövning för β 0 och β kan göras i den logarimerade modellen, likaså kan konfidensinervall och prognosinervall för E(y 0 ) resp. y 0 göras och dessa kan ransformeras illbaka ill originalskala. Förklaringsgrader skall haneras med försikighe (se kurslierauren) och kan ine as direk från en daoranalys.
36 Varför en exponeniell modell? klarar av mer invecklade icke-linjära samband kan hanera explosiva samband, ex mycke expansiva marknader. Exempel: Anag a e föreag har under en ioårsperiod placera en viss kapialmängd på lie olika sä. Genom a sälja och köpa diverse former av värdepapper har man hoppas kunna förräna kapiale bäre än genom en fas placering under dessa år. Hur skulle man kunna uppskaa en ränesasekvivalen?
37 Anag a följande värden hos kapiale har gäll: År Kapial
38 En modell för daa skulle i och för sig kunna vara linjär men vi ve ju a en eoreisk ränemodell har formen: Kapial år Grundkapial (+r) där r är ränesasen. Vi använder därför modellen y β 0 β δ där β +r. Modellen logarimeras som ovan vilke innebär a vi måse beräkna log y för alla y-värden.
39 År () Kapial (y) lg y 2 (lg y) 2 lg y Summor:
40 b Modellen (med y' lg y) anpassas nu ill där ' ' y' β + β + ε 0 ' b 0 '+b ' y' ( ) ( y' ) 0 ( ) ( lg y) ( ) ( lg y) ' ' ' b0 y' b x 0 ' (lg y) b 0 2 ( )
41 och en anpassad modell i originalskala ˆ y b0 b erhålls genom a beräkna: b b b b 0 ' ' Ł yˆ och vi kan olka som den skaade ränesasekvivalenen, dvs 4.8 % b olkas som ingångskapiale.
FÖRDJUPNINGS-PM. Nr 4. 2010. Räntekostnaders bidrag till KPI-inflationen. Av Marcus Widén
FÖRDJUPNNGS-PM Nr 4. 2010 Ränekosnaders bidrag ill KP-inflaionen Av Marcus Widén 1 Ränekosnaders bidrag ill KP-inflaionen dea fördjupnings-pm redovisas a en ofa använd approximaiv meod för beräkning av
Läs merTidsserieanalys. Vad karaktäriserar data? Exempel:
Tidsserieanalys Exempel: Vad karakäriserar daa? Observaionerna är ine oberoende Observaionerna ger e mönser över iden ex sigande värden med iden ex periodisk variaion över en idsperiod av besämd längd
Läs merFöreläsning 8 Kap G71 Statistik B
Föreläsning 8 Kap 6.8 732G71 Saisik B Y Saionarie 25 2 För en saionär idsserie gäller 15 1 E(y ) = Var(y ) = 2 Corr(y, y -k ) beror bara av k (idsavsånde) och allså ine av. Uryck i ord: korrelaionen på
Läs merOm antal anpassningsbara parametrar i Murry Salbys ekvation
1 Om anal anpassningsbara paramerar i Murry Salbys ekvaion Murry Salbys ekvaion beskriver a koldioxidhalen ändringshasighe är proporionell mo en drivande kraf som är en emperaurdifferens. De finns änkbara
Läs merFöreläsning 8. Kap 7,1 7,2
Föreläsning 8 Kap 7,1 7,2 1 Kap 7: Klassisk komponenuppdelning: Denna meod fungerar bra om idsserien uppvisar e saisk mönser. De är fyra komponener i modellen: Muliplikaiv modell: Addiiv modell: där y
Läs merSkillnaden mellan KPI och KPIX
Fördjupning i Konjunkurläge januari 2008 (Konjunkurinsiue) Löner, vinser och priser 7 FÖRDJUPNNG Skillnaden mellan KP och KPX Den långsikiga skillnaden mellan inflaionsaken mä som KP respekive KPX anas
Läs merFöreläsning 7 Kap G71 Statistik B
Föreläsning 7 Kap 6.1-6.7 732G71 aisik B Muliplikaiv modell i Miniab Time eries Decomposiion for Försäljning Muliplicaive Model Accurac Measures Från föreläsning 6 Daa Försäljning Lengh 36 NMissing 0 MAPE
Läs mer732G71 Statistik B. Föreläsning 6. Bertil Wegmann. IDA, Linköpings universitet. Bertil Wegmann (IDA, LiU) 732G71, Statistik B 1 / 15
732G71 Statistik B Föreläsning 6 Bertil Wegmann IDA, Linköpings universitet Bertil Wegmann (IDA, LiU) 732G71, Statistik B 1 / 15 Efterfrågeanalys Metoder för att studera sambandet mellan efterfrågan på
Läs merOm exponentialfunktioner och logaritmer
Om eponenialfunkioner och logarimer Anals360 (Grundkurs) Insuderingsuppgifer Dessa övningar är de änk du ska göra i ansluning ill a du läser huvudeen. Den änka gången är som följer: a) Läs igenom huvudeens
Läs merKursens innehåll. Ekonomin på kort sikt: IS-LM modellen. Varumarknaden, penningmarknaden
Kursens innehåll Ekonomin på kor sik: IS-LM modellen Varumarknaden, penningmarknaden Ekonomin på medellång sik Arbesmarknad och inflaion AS-AD modellen Ekonomin på lång sik Ekonomisk illväx över flera
Läs merFinansiell Statistik (GN, 7,5 hp,, HT 2008) Föreläsning 9. Analys av Tidsserier (LLL kap 18) Tidsserie data
Finansiell Saisik (GN, 7,5 hp,, HT 008) Föreläsning 9 Analys av Tidsserier (LLL kap 8) Deparmen of Saisics (Gebrenegus Ghilagaber, PhD, Associae Professor) Financial Saisics (Basic-level course, 7,5 ECTS,
Läs merLektion 4 Lagerstyrning (LS) Rev 20130205 NM
ekion 4 agersyrning (S) Rev 013005 NM Nedan följer alla uppgifer som hör ill lekionen. De är indelade i fyra nivåer där nivå 1 innehåller uppgifer som hanerar en specifik problemsällning i age. Nivå innehåller
Läs merbättre säljprognoser med hjälp av matematiska prognosmodeller!
Whiepaper 24.9.2010 1 / 5 Jobba mindre, men smarare, och uppnå bäre säljprognoser med hjälp av maemaiska prognosmodeller! Förfaare: Johanna Småros Direkör, Skandinavien, D.Sc. (Tech.) johanna.smaros@relexsoluions.com
Läs merRegressions- och Tidsserieanalys - F3
Regressions- och Tidsserieanalys - F3 Multipel regressionsanalys kap 4.8-4.10 Linda Wänström Linköpings universitet 7 maj Wänström (Linköpings universitet) F3 7 maj 1 / 26 Lite som vi inte hann med när
Läs merLösningar till Matematisk analys IV,
Lösningar ill Maemaisk anals IV, 85. Vi börjar med kurvinegralen 5 5 dx + 5 x5 + x d. Sä P x, = 5 5 och Qx, = 5 x5 + x. Vi använder Greens formel för a beräkna den givna kurvinegralen. Efersom ine är en
Läs merDemodulering av digitalt modulerade signaler
Kompleeringsmaeriel ill TSEI67 Telekommunikaion Demodulering av digial modulerade signaler Mikael Olofsson Insiuionen för sysemeknik Linköpings universie, 581 83 Linköping Februari 27 No: Denna uppsas
Läs merModeller och projektioner för dödlighetsintensitet
Modeller och projekioner för dödlighesinensie en anpassning ill svensk populaionsdaa 1970- Jörgen Olsén juli 005 Presenerad inför ubildningsuskoe inom Svenska Akuarieföreningen den 1 sepember 005 Modeller
Läs merOm exponentialfunktioner och logaritmer
Om eponenialfunkioner och logarimer Anals360 (Grundkurs) Insuderingsuppgifer Dessa övningar är de änk du ska göra i ansluning ill a du läser huvudeen. De flesa av övningarna har, om ine lösningar, så i
Läs merBetalningsbalansen. Andra kvartalet 2012
Bealningsbalansen Andra kvarale 2012 Bealningsbalansen Andra kvarale 2012 Saisiska cenralbyrån 2012 Balance of Paymens. Second quarer 2012 Saisics Sweden 2012 Producen Producer Saisiska cenralbyrån, enheen
Läs merFöreläsning 2. Kap 3,7-3,8 4,1-4,6 5,2 5,3
Föreläsning Kap 3,7-3,8 4,1-4,6 5, 5,3 1 Kap 3,7 och 3,8 Hur bra är modellen som vi har anpassat? Vi bedömer modellen med hjälp av ett antal kriterier: visuell bedömning, om möjligt F-test, signifikanstest
Läs merRegressions- och Tidsserieanalys - F5
Regressions- och Tidsserieanalys - F5 Linda Wänström Linköpings universitet November 20 Wänström (Linköpings universitet) F5 November 20 1 / 24 Modellbygge - vilka oberoende variabler ska vara med i modellen?
Läs merF16 MULTIPEL LINJÄR REGRESSION (NCT , 13.9) Anpassning av linjär funktion till givna data
Stat. teori gk, ht 006, JW F16 MULTIPEL LINJÄR REGRESSION (NCT 13.1-13.3, 13.9) Anpassning av linjär funktion till givna data Data med en beroende variabel (y) och K stycken (potentiellt) förklarande variabler
Läs merLINJÄRA DIFFERENTIALEKVATIONER AV FÖRSTA ORDNINGEN
LINJÄRA DIFFERENTIALEKVATIONER AV FÖRSTA ORDNINGEN Linjär differenialekvaion (DE) av försa ordningen är en DE som kan skrivas på följande form ( = Q( () Formen kallas sandard form eller normaliserad form
Läs merTjänsteprisindex (TPI) 2010 PR0801
Ekonomisk saisik/ Enheen för prissaisik 2010-06-22 1(12) Tjänseprisindex (TP) 2010 PR0801 denna beskrivning redovisas förs allmänna uppgifer om undersökningen sam dess syfe, regelverk och hisorik. Därefer
Läs merRegressions- och Tidsserieanalys - F3
Regressions- och Tidsserieanalys - F3 Multipel regressionsanalys kap 4.8-4.10 Linda Wänström Linköpings universitet Wänström (Linköpings universitet) F3 1 / 21 Interaktion Ibland ser sambandet mellan en
Läs merBetalningsbalansen. Fjärde kvartalet 2012
Bealningsbalansen Fjärde kvarale 212 Bealningsbalansen Fjärde kvarale 212 Saisiska cenralbyrån 213 Balance of Paymens. Fourh quarer 212 Saisics Sweden 213 Producen Producer Saisiska cenralbyrån, enheen
Läs merTentamen på grundkursen EC1201: Makroteori med tillämpningar, 15 högskolepoäng, lördagen den 14 februari 2009 kl 9-14.
STOCKHOLMS UNIVERSITET Naionalekonomiska insiuionen Mas Persson Tenamen på grundkursen EC1201: Makroeori med illämpningar, 15 högskolepoäng, lördagen den 14 februari 2009 kl 9-14. Tenamen besår av io frågor
Läs merStatistik B Regressions- och tidsserieanalys Föreläsning 1
Statistik B Regressions- och tidsserieanalys Föreläsning Kurskod: 732G7, 8 hp Lärare och examinator: Ann-Charlotte (Lotta) Hallberg Lärare och lektionsledare: Isak Hietala Labassistenter Kap 3,-3,6. Läs
Läs mer5B1134 MATEMATIK OCH MODELLER FEMTE FÖRELÄSNINGEN INTEGRALER
5B1134 MATEMATK OC MODELLER EMTE ÖRELÄSNNGEN NTEGRALER 1. OM NTEGRALER 1.1. Primiiva unkioner. Vi har se idigare a vissa unkioner,, har primiiva unkioner, dvs en unkion,, vars derivaa. Om är en primiiv
Läs mern Ekonomiska kommentarer
n Ekonomiska kommenarer Riksbanken gör löpande prognoser för löneuvecklingen i den svenska ekonomin. Den lönesaisik som används som bas för Riksbankens olika löneprognoser är den månaliga konjunkurlönesaisiken.
Läs mer10.1 Enkel linjär regression
Exempel: Hur mycket dragkraft behövs för att en halvledare skall lossna från sin sockel vid olika längder på halvledarens ben. De halvledare vi betraktar är av samma storlek (bortsett benlängden). 70 Scatterplot
Läs merRegressions- och Tidsserieanalys - F3
Regressions- och Tidsserieanalys - F3 Multipel regressionsanalys kap 4.8-4.10 Linda Wänström Linköpings universitet November 6, 2013 Wänström (Linköpings universitet) F3 November 6, 2013 1 / 22 Interaktion
Läs merBiomekanik, 5 poäng Kinetik Härledda lagar
Uöver Newons andra lag, kraflagen, finns också andra samband som kan användas för a lösa olika problem Bland dessa s.k. härledda lagar finns Arbee Energisamband Impuls Rörelsemängdssamband (Impulsmomen
Läs merVad är den naturliga räntan?
penning- och valuapoliik 20:2 Vad är den naurliga ränan? Henrik Lundvall och Andreas Wesermark Förfaarna är verksamma vid avdelningen för penningpoliik, Sveriges riksbank. Vilken realräna bör en cenralbank
Läs merFöljande uttryck används ofta i olika problem som leder till differentialekvationer: A=kB. A= k (för ett tal k)
TILLÄMPNINGAR AV DIFFERENTIAL EKVATIONER Följande uryck används ofa i olika problem som leder ill differenialekvaioner: Tex A är proporionell mo B A är omvän proporionell mo B Formell beskrivning de finns
Läs merRegressions- och Tidsserieanalys - F1
Regressions- och Tidsserieanalys - F1 Kap 3: Enkel linjär regression Linda Wänström Linköpings universitet May 4, 2015 Wänström (Linköpings universitet) F1 May 4, 2015 1 / 25 Regressions- och tidsserieanalys,
Läs merRegressions- och Tidsserieanalys - F7
Regressions- och Tidsserieanalys - F7 Tidsserieregression, kap 6.1-6.4 Linda Wänström Linköpings universitet November 25 Wänström (Linköpings universitet) F7 November 25 1 / 28 Tidsserieregressionsanalys
Läs mer{ } = F(s). Efter lång tid blir hastigheten lika med mg. SVAR: Föremålets hastighet efter lång tid är mg. Modul 2. y 1
ösningsförslag ill enamensskrivning i SF1633 Differenialekvaioner I Tisdagen den 7 maj 14, kl 8-13 Hjälpmedel: BETA, Mahemaics Handbook Redovisa lösningarna på e sådan sä a beräkningar och resonemang är
Läs mer732G71 Statistik B. Föreläsning 7. Bertil Wegmann. IDA, Linköpings universitet. Bertil Wegmann (IDA, LiU) 732G71, Statistik B 1 / 29
732G71 Statistik B Föreläsning 7 Bertil Wegmann IDA, Linköpings universitet Bertil Wegmann (IDA, LiU) 732G71, Statistik B 1 / 29 Detaljhandelns försäljning (fasta priser, kalenderkorrigerat) Bertil Wegmann
Läs merLite grundläggande läkemedelskinetik
Lie grundläggande läkemedelskineik Maemaisk Modellering med Saisiska Tillämpningar (FMAF25) Anders Källén Inrodukion Farmakokineik eller mer svensk läkemedelskineik är en vikig disiplin vid uveklande av
Läs merTENTAMEN I STATISTIK B,
732G7 Tentamen. hp TENTAMEN I STATISTIK B, 24-2- Skrivtid: kl: -2 Tillåtna hjälpmedel: Ett A4-blad med egna handskrivna anteckningar samt räknedosa Jourhavande lärare: Lotta Hallberg Betygsgränser: Tentamen
Läs merTjänsteprisindex för detektiv- och bevakningstjänster; säkerhetstjänster
Tjänseprisindex för deekiv- och bevakningsjänser; säkerhesjänser Branschbeskrivning för SNI-grupp 74.60 TPI- rappor nr 17 Camilla Andersson/Kamala Krishnan Tjänseprisindex, Prisprogramme, Ekonomisk saisik,
Läs merExempel 1 på multipelregression
Exempel på multipelregression Hastighet = högsta hastighet som uppnåtts fram till givna år (årtal) Årtal Hastighet 83 3 (tåg) 9 3 (tåg) 93 (flyg) 97 7 (flyg) 9 (flyg) 99 (raket) Fitted Line Plot Hastighet
Läs merBetalningsbalansen. Tredje kvartalet 2010
Bealningsbalansen Tredje kvarale 2010 Bealningsbalansen Tredje kvarale 2010 Saisiska cenralbyrån 2010 Balance of Paymens. Third quarer 2010 Saisics Sweden 2010 Producen Producer Saisiska cenralbyrån,
Läs merEtt A4-blad med egna handskrivna anteckningar (båda sidor) samt räknedosa.
Tentamen Linköpings universitet, Institutionen för datavetenskap, Statistik Kurskod och namn: Datum och tid: Jourhavande lärare: Tillåtna hjälpmedel: 732G71 Statistik B 2017-12-08, 8-12 Bertil Wegmann
Läs merAtt studera eller inte studera. Vad påverkar efterfrågan av högskole- och universitetsutbildningar i Sverige?
NATIONALEKONOMISKA INSTITUTIONEN Uppsala universie Examensarbee C Förfaare: Ameli Frenne Handledare: Björn Öcker Termin och år: VT 2009 A sudera eller ine sudera. Vad påverkar eferfrågan av högskole- och
Läs merEtt A4-blad med egna handskrivna anteckningar (båda sidor) samt räknedosa.
Tentamen Linköpings Universitet, Institutionen för datavetenskap, Statistik Kurskod och namn: Datum och tid: Jourhavande lärare: Tillåtna hjälpmedel: 732G71 Statistik B 2015-02-06, 8-12 Bertil Wegmann
Läs merFREDAGEN DEN 21 AUGUSTI 2015, KL 14-18. Ansvarig lärare: Helene Lidestam, tfn 282433 Salarna besöks ca kl 15.30
Tekniska högskolan vid LiU Insiuionen för ekonomisk och indusriell uveckling Produkionsekonomi Helene Lidesam TENTAMEN I TPPE13 PRODUKTIONSEKONOMI för I,Ii FREDAGEN DEN 21 AUGUSTI 2015, KL 14-18 Sal: Provkod:
Läs merPensionsåldern och individens konsumtion och sparande
Pensionsåldern och individens konsumion och sparande Om hur en höjning av pensionsåldern kan ändra konsumionen och sparande. Maria Nilsson Magiseruppsas Naionalekonomiska insiuionen Handledare: Ponus Hansson
Läs merRegressions- och Tidsserieanalys - F1
Regressions- och Tidsserieanalys - F1 Kap 3: Enkel linjär regression Linda Wänström Linköpings universitet November 4, 2013 Wänström (Linköpings universitet) F1 November 4, 2013 1 / 25 Statistik B, 8 hp
Läs merLaborationstillfälle 4 Numerisk lösning av ODE
Laboraionsillfälle 4 Numerisk lösning av ODE Målsäning vid labillfälle 4: Klara av laboraionsuppgif 3. Läs förs een om differensmeoder och gör övningarna. Läs avsnie Högre ordningens differenialekvaioner
Läs merInflation och penningmängd
EKONOMSK DEBAT BO AXELL nflaion och penningmängd Vilka är inflaionens besämningsfakorer? Dea är själva ugångspunken for flerale ariklar i dea emanummer.. Somliga hävdar a inflaionen speciell i e lie land
Läs merKvadratisk regression, forts.
Kvadratisk regression, forts. Vi fortsätter med materialet om fastigheter. Tidigare föreslog vi som en tänkbar modell y 0 + 3 x 3 + 5 x 3 2 + Vari ligger tanken att just använda en kvadratisk term? Det
Läs merF18 MULTIPEL LINJÄR REGRESSION, FORTS. (NCT
Stat. teori gk, ht 006, JW F18 MULTIPEL LINJÄR REGRESSION, FORTS. (NCT 1.1, 13.1-13.6, 13.8-13.9) Modell för multipel linjär regression Modellantaganden: 1) x-värdena är fixa. ) Varje y i (i = 1,, n) är
Läs merLektion 3 Projektplanering (PP) Fast position Projektplanering. Uppgift PP1.1. Uppgift PP1.2. Uppgift PP2.3. Nivå 1. Nivå 2
Lekion 3 Projekplanering (PP) as posiion Projekplanering Rev. 834 MR Nivå 1 Uppgif PP1.1 Lieraur: Olhager () del II, kap. 5. Nedan följer alla uppgifer som hör ill lekionen. e är indelade i fyra nivåer
Läs merBetrakta åter datamaterialet med kostnader för produktion av korrugerat papper.
Multikolinjäritet: Betrakta åter datamaterialet med kostnader för produktion av korrugerat papper. Trots att COST verkade ha ett tydligt positivt samband med var och en av variablerna PAPER, MACHINE, OVERHEAD
Läs merLivförsäkringsmatematik II
Livförsäkringsmaemaik II iskrea kommuaionsfunkioner Erik Alm, Hannover Re Sockholm 2013 iskre eknik Premier och annuieer bealas diskre ödligheen definieras ofas i en diskre abell (Undanag: de Nordiska
Läs mer9. Diskreta fouriertransformen (DFT)
Arbesmaerial 6, Signaler&Sysem I, 2003/E.. 9. Diskrea ourierransormen (DF) 9.1 eriodicie pulsåg Av 6.3(i), arb.mar.4, sid 50, ramgick a ourierransormen (F) av en unkion är e pulsåg X[k]δ( k/) med pulsavsånd
Läs merSkattning av respirationshastighet (R) och syreöverföring (K LA ) i en aktivslamprocess Projektförslag
Beng Carlsson I ins, Avd f sysemeknik Uppsala universie Empirisk modellering, 009 Skaning av respiraionshasighe R och syreöverföring LA i en akivslamprocess rojekförslag Foo: Björn Halvarsson . Inledning
Läs mershetstalet och BNP Arbetslöshetstalet lag Blanchard kapitel 10 Penningmängd, inflation och sysselsättning Effekter av penningpolitik.
Kap 10: sid. 1 Blanchard kapiel 10 Penninmänd, inflaion och ssselsänin Effeker av penninpoliik. Tre relaioner: Phillipskurvan Okuns la AD-relaionen Effeken av penninpoliik på kor och medellån sik Tar hänsn
Läs merTobaksskattens påverkan på konsumtionen av tobaksprodukter
Tobaksskaens påverkan på konsumionen av obaksproduker En sudie av priselasicieen för en beroendevara enlig Becker-Murphymodellen Carl Larsson Carl Larsson Vårerminen 2012 Kandidauppsas, 15 hp Naionalekonomi
Läs merFöljande uttryck används ofta i olika problem som leder till differentialekvationer: Formell beskrivning
OLIKA TILLÄMPNINGAR AV DIFFERENTIAL EKVATIONER Följande uryck används ofa i olika problem som leder ill differenialekvaioner: Tex Formell beskrivning A är proporionell mo B de finns e al k så a A=kB A
Läs merOm de trigonometriska funktionerna
Analys 360 En webbaserad analyskurs Grundbok Om de rigonomeriska funkionerna Anders Källén MaemaikCenrum LTH anderskallen@gmail.com Om de rigonomeriska funkionerna () Inrodukion I de här kapile ska vi
Läs merResidualanalys. Finansiell statistik, vt-05. Normalfördelade? Normalfördelade? För modellen
Residualanalys För modellen Johan Koskinen, Statistiska institutionen, Stockholms universitet Finansiell statistik, vt-5 F7 regressionsanalys antog vi att ε, ε,..., ε är oberoende likafördelade N(,σ Då
Läs merOrdinära differentialekvationer,
Ordinära dierenialekvaioner ODE:er sean@i.uu.se I is a ruism ha nohing is permanen excep change. - George F. Simmons ODE:er är modeller som beskriver örändring oa i iden Modellen är beskriven i orm av
Läs merMetod och teori. Statistik för naturvetare Umeå universitet
Statistik för naturvetare -6-8 Metod och teori Uppgift Uppgiften är att undersöka hur hjärtfrekvensen hos en person påverkas av dennes kroppstemperatur. Detta görs genom enkel linjär regression. Låt signifikansnivån
Läs merDiskussion om rörelse på banan (ändras hastigheten, behövs någon kraft för att upprätthålla hastigheten, spelar massan på skytteln någon roll?
Likformig och accelererad rörelse - Fysik 1 för NA11FM under perioden veckorna 35 och 36, 011 Lekion 1 och, Rörelse, 31 augusi och sepember Tema: Likformig rörelse och medelhasighe Sroboskopfoo av likformig-
Läs merNågot om index. 1 Enkla och sammansatta index. LINKÖPINGS UNIVERSITET Matematiska institutionen Statistik Anders Nordgaard
LINKÖPINGS UNIVERSITET Matematiska institutionen Statistik Anders Nordgaard Något om index 1 Enkla och sammansatta index Om man har tillgång till prisuppgifter över en tidsperiod på alla varor och/eller
Läs merLaboration D158. Sekvenskretsar. Namn: Datum: Kurs:
UMEÅ UNIVERSITET Tillämpad fysik och elekronik Digialeknik Lars Wållberg/Håkan Joëlson 2001-02-28 v 3.1 ELEKTRONIK Digialeknik Laboraion D158 Sekvenskresar Namn: Daum: Eposadr: Kurs: Sudieprogram: Innehåll
Läs merDagens förelf. Arbetslöshetstalet. shetstalet och BNP. lag. Effekter av penningpolitik. Tre relationer:
Blanchard kapiel 9 Penninmänd, Inflaion och Ssselsänin Daens förelf reläsnin Effeker av penninpoliik. Tre relaioner: Kap 9: sid. 2 Phillipskurvan Okuns la AD-relaionen Effeken av penninpoliik på kor och
Läs merTunga lyft och lite skäll för den som fixar felen
Tunga lyf och lie skäll för den som fixar felen De fixar soppe i avloppe, de rasiga gångjärne, den läckande vämaskinen. De blir uskällda, igenkända, välkomnade. A jobba hemma hos människor har sina särskilda
Läs merfluktuationer Kurskompendium ht-02 2001-01-29 Preliminärt, kommentarer välkomna
Förvänningar, finansiella marknader och makroekonomiska flukuaioner Kurskompendium h-02 200-0-29 Preliminär, kommenarer välkomna Av Beng Assarsson Naionalekonomiska insiuionen Uppsala universie Box 53
Läs merFAQ. frequently asked questions
FAQ frequenly asked quesions På de följande sidorna har jag samla ihop några av de frågor jag under årens lopp få av sudener när diverse olika problem uppså i arbee med SPSS. De saisiska problemen har
Läs merFöljande uttryck används ofta i olika problem som leder till differentialekvationer: Formell beskrivning
OLIKA TILLÄMPNINGAR AV DIFFERENTIAL EKVATIONER Följande uryck används ofa i olika problem som leder ill differenialekvaioner: Tex Formell beskrivning A är proporionell mo B de finns e al k så a A=kB A
Läs merEnkel linjär regression. Enkel linjär regression. Enkel linjär regression
Enkel linjär regression Exempel.7 i boken (sida 31). Hur mycket dragkraft behövs för att en halvledare skall lossna från sin sockel vid olika längder på halvledarens ben och höjder på sockeln. De halvledare
Läs merEgnahemsposten i konsumentprisindex. KPI-utredningens förslag. Specialstudie Nr 2, maj 2002
Egnahemsposen i konsumenprisindex En granskning av KPI-uredningens förslag Specialsudie Nr 2, maj 22 Ugiven av Konjunkurinsiue Sockholm 22 Konjunkurinsiue (KI) gör analyser och prognoser över den svenska
Läs merAMatematiska institutionen avd matematisk statistik
Kungl Tekniska Högskolan AMaemaiska insiuionen avd maemaisk saisik TENTAMEN I 5B1862 STOKASTISK KALKYL OCH KAPITALMARKNADSTE- ORI FÖR F4 OCH MMT4 FREDAGEN DEN 1 JUNI 21 KL 8. 13. Examinaor : Lars Hols,
Läs merBetalningsbalansen. Tredje kvartalet 2012
Bealningsbalansen Tredje kvarale 2012 Bealningsbalansen Tredje kvarale 2012 Saisiska cenralbyrån 2012 Balance of Paymens. Third quarer 2012 Saisics Sweden 2012 Producen Producer Saisiska cenralbyrån,
Läs mer732G71 Statistik B. Föreläsning 1, kap Bertil Wegmann. IDA, Linköpings universitet. Bertil Wegmann (IDA, LiU) 732G71, Statistik B 1 / 20
732G71 Statistik B Föreläsning 1, kap. 3.1-3.7 Bertil Wegmann IDA, Linköpings universitet Bertil Wegmann (IDA, LiU) 732G71, Statistik B 1 / 20 Exempel, enkel linjär regressionsanalys Ett företag vill veta
Läs merTentamen TEN1, HF1012, 16 aug Matematisk statistik Kurskod HF1012 Skrivtid: 8:15-12:15 Lärare och examinator : Armin Halilovic
Tenamen TEN, HF, 6 aug 6 Maemaisk saisik Kurskod HF Skrivid: 8:5-:5 Lärare och examinaor : Armin Halilovic Hjälmedel: Bifoga formelhäfe ("Formler och abeller i saisik ") och miniräknare av vilken y som
Läs merKonsumtion, försiktighetssparande och arbetslöshetsrisker
Fördjupning i Konjunkurläge juni 12 (Konjunkurinsiue) Konjunkurläge juni 12 75 FÖRDJUPNING Konsumion, försikighessparande och arbeslöshesrisker De förvänade inkomsborfalle på grund av risk för arbeslöshe
Läs merFörord: Sammanfattning:
Förord: Denna uppsas har illkommi sedan uppsasförfaarna blivi konakade av Elecrolux med en förfrågan om a undersöka saisikmodulen i deras nyimplemenerade affärssysem. Vi vill därför acka vår handledare
Läs merD-UPPSATS. Prisutvecklingen av järnmalm 1970-2000
D-UPPSATS 2006:126 Prisuvecklingen av järnmalm 1970-2000 En jämförelse av Hoellingmodellen och den fakiska uvecklingen Timo Ryhänen Luleå ekniska universie D-uppsas Naionalekonomi Insiuionen för Indusriell
Läs merMultikolinjäritet: Vi kan också beräkna parvisa korrelationskoefficienter mellan förklaringsvariabler:
Multikolinjäritet: Betrakta åter datamaterialet med kostnader för produktion av korrugerat papper. Vi plottar förklaringsvariablerna mot varandra: Graph Matrix Plot Trots att COST verkade ha ett tydligt
Läs merHur simuleras Differential-Algebraiska Ekvationer?
Hur simuleras Differenial-Algebraiska Ekvaioner? Jonas Elbornsson December 2, 2000 1 Inledning Dea är en sammanfaning av meoder för simulering av Differenial-Algebraiska Ekvaioner (DAE) för kursen i Modellering
Läs merSTOCKHOLMS UNIVERSITET HT 2007 Statistiska institutionen Johan Andersson
1 STOCKHOLMS UNIVERSITET HT 2007 Statistiska institutionen Johan Andersson Skriftlig tentamen på momentet Statistisk dataanalys III (SDA III, statistiska metoder) 3 högskolepoäng, ingående i kursen Undersökningsmetodik
Läs merTjänsteprisindex för varulagring och magasinering
Tjänseprisindex för varulagring och magasinering Branschbeskrivning för SNI-grupp 63.12 TPI-rappor nr 14 Kaarina Båh Chrisian Schoulz Tjänseprisindex, Prisprogramme, Ekonomisk saisik, SCB November 2005
Läs merAnm 3: Var noga med att läsa och studera kurslitteraturen.
TNA- Maemaisk grundkurs Repeiionsuppgifer (inklusive förslag ill planeringsförslag sam faci) -- Sien Nilsson Kurshemsida: hp://websaff.in.liu.se/~sini/tna.hm Hänvisningar FN = Forsling Nemark: Anals i
Läs merFöreläsning 2. Prognostisering: Prognosprocess, efterfrågemodeller, prognosmodeller
Föreläsning 2 Prognosisering: Prognosprocess, eferfrågemodeller, prognosmodeller Kurssrukur Innehåll Föreläsning Lek1on Labora1on Inroduk*on, produk*onsekonomiska grunder, produk*onssysem, ABC- klassificering
Läs merFöreläsning 4 Kap 3.5, 3.8 Material om index. 732G71 Statistik B
Föreläsning 4 Kap 3.5, 3.8 Material om index 732G71 Statistik B Skötsel (y) Transformationer Ett av kraven för regressionsmodellens giltighet är att residualernas varians är konstant. Vad gör vi om så
Läs mer732G71 Statistik B. Föreläsning 3. Bertil Wegmann. November 4, IDA, Linköpings universitet
732G71 Statistik B Föreläsning 3 Bertil Wegmann IDA, Linköpings universitet November 4, 2015 Bertil Wegmann (IDA, LiU) 732G71, Statistik B November 4, 2015 1 / 22 Kap. 4.8, interaktionsvariabler Ibland
Läs mer= (x, y) : x 2 +y 2 4, x 0, y (4r2 +1) 3 2
Tenamensskrivning i Maemaik IV, SF1636(5B11,5B13). Tisdagen den 1 januari 1, kl 14-19. Hjälpmedel: BETA, Mahemaics Handbook. Redovisa lösningarna på e sådan sä a beräkningar och resonemang är läa a följa.
Läs mer1.9 Om vi studerar penningmarknaden: Antag att real BNP (Y) ökar då förväntas att jämviktsräntan ökar/minskar/är oförändrad.
RÄTTNING: För a få poäng på Fråga krävs hel rä svar per deluppgif. Dvs. svare på en deluppgif måse vara hel rä för a sudenen skall få poäng ( poäng). Varje deluppgif ger en poäng. Anal deluppgifer är 2.
Läs merKvalitativ analys av differentialekvationer
Analys 360 En webbaserad analyskurs Grundbok Kvaliaiv analys av differenialekvaioner Anders Källén MaemaikCenrum LTH anderskallen@gmail.com Kvaliaiv analys av differenialekvaioner 1 (10) Inrodukion De
Läs merBetalningsbalansen. Tredje kvartalet 2008
Bealningsbalansen Tredje kvarale 2008 Bealningsbalansen Tredje kvarale 2008 Saisiska cenralbyrån 2008 Balance of Paymens. Third quarer 2008 Saisics Sweden 2008 Producen Producer Saisiska cenralbyrån,
Läs mer1. Man tror sig veta att en viss variabel, y, i genomsnitt beror av en annan variabel, x, enligt sambandet:
LINKÖPINGS UNIVERSITET Institutionen för datavetenskap Statistik, ANd 732G71 STATISTIK B, 8hp Civilekonomprogrammet, t3, Ht 09 Extra övningsuppgifter Extra övningsuppgifter 1. Man tror sig veta att en
Läs merDIGITALTEKNIK. Laboration D171. Grindar och vippor
UMEÅ UNIVERSITET Tillämpad fysik och elekronik Digialeknik Håkan Joëlson 2006-01-19 v 1.3 DIGITALTEKNIK Laboraion D171 Grindar och vippor Innehåll Uppgif 1...Grundläggande logiska grindar Uppgif 2...NAND-grindens
Läs merDags för stambyte i KPI? - Nuvarande metod för egnahem i KPI
SAISISKA CENRALBYRÅN Pm ill Nämnden för KPI 1(21) Dags för sambye i KPI? - Nuvarande meod för egnahem i KPI För beslu Absrac I denna pm preseneras hur nuvarande meod för egnahem i KPI beräknas, moiveras
Läs merTENTAMEN HF1006 och HF1008
TENTMEN HF6 och HF8 Daum TEN 8 april Tid 8- nalys och linjär algebra, HF8 Medicinsk eknik), lärare: Jonas Senholm nalys och linjär algebra, HF8 Elekroeknik), lärare: Marina rakelyan Linjär algebra och
Läs mer