Föreläsning 7 Kap G71 Statistik B
|
|
- Georg Åberg
- för 6 år sedan
- Visningar:
Transkript
1 Föreläsning 7 Kap G71 aisik B
2 Muliplikaiv modell i Miniab Time eries Decomposiion for Försäljning Muliplicaive Model Accurac Measures Från föreläsning 6 Daa Försäljning Lengh 36 NMissing 0 MAPE MAD MD Fied Trend Equaion Y = * easonal Indices Vid handräkning: r Period Index Vid handräkning: Månad sn Feb Mar Apr Maj Jun 86 Jul Aug ep 1.99 Ok Nov Dec 0.6 2
3 Mean square deviaion, MD Klassisk komponenuppdelning Från föreläsning 6 MD 1 n n ˆ 1 2 MD är e må på anpassning som kan jämföras mellan olika modeller. orleksmässig kan MD jämföras med ME från idsserieregression: är skillnaden markan kan vi också se vilken av modellerna som får bäs anpassning (den som har lägs MD eller ME). 3
4 Mean absolue deviaion, MAD Klassisk komponenuppdelning MAD 1 n n 1 ˆ Haen hade falli bor när pdf-filen skapades! MAD mäer anpassning såsom MD men skillnaden är a vi här ar absoluavvikelser isälle för kvadraiska avvikelser. De blir allså sor skillnad på värdena mellan MAD och MD och de skall ine jämföras inom en modell. MAD är mindre känslig för avvikande värden och blir mer användbar när vi har någo ensaka värde som uppräder konsig. Yerligare en fördel med MAD är a dess värde är i samma skala som -observaionerna själva, vilke i vissa sammanhang kan vara prakisk. Vid jämförelser gäller a ju lägre MAD deso bäre modell. Från föreläsning 6 4
5 Från föreläsning 6 Mean absolue percenage error, MAPE Klassisk komponenuppdelning MAPE 1 n n 1 ˆ MAPE går också på absolua avvikelser, men mäer dem relaiv nivån hos. Vi får allså relaiva (procenuella) avvikelser isälle för absolua avvikelser. Måe är prakisk för muliplikaiva modeller där den oregelbundna komponenen (IR ) är ganska bedande, efersom avvikelserna då blir sora när vi har sora värden på och vice versa. Gemensam för alla re måen är a de skall vara så små som möjlig. Vid val mellan ex addiiv modell och muliplikaiv modell kan de hända a någo av måen är högre för den ena modellen medan e anna må är lägre. De gäller allså a olka måen med viss förnuf. 5
6 Prognosmodeller Vi har hiills sudera idsserieregression och klassisk komponenuppdelning och hur prognoser kan göras med sådana. Dessa modeller hjälper också ill a förklara de hisoriska skeende. Inom idsserieanals är dock prognosicering i allmänhe de vikigase skäle a bgga en modell och beskrivning av hisoriken av mindre inresse. Vi suderar nu en klass av modeller hel inrikade mo prognosicering, och de lämpar sig i snnerhe för idsserier där rend- och säsongskomponenen förändrar sig över iden: exponeniella ujämningsmeoder. Idé: observaionerna vikas med hjälp av ujämningskonsaner, och de normala förfarande är a senare observaioner vikas ngre än äldre, så a de får mer påverkan i prognoserna. Vi ska sudera enkel exponeniell ujämning: för daa uan säsongsvariaion eller rend men där medelvärde kan förändras över iden dubbel exponeniell ujämning (Hols meod): för daa uan säsongsvariaion men med rend Winers meod (addiiv och muliplikaiv) som föruom rend även hanerar säsongsvariaion 6
7 Enkel exponeniell ujämning För daa som varken innehåller rend- eller säsongskomponen. - Teoreisk modell: där är genomsnisnivå och slumpkomponen vid idpunk. Genomsnisnivån illås a långsam förändras för de observerade daa, men ine enlig en radiionell rendsrukur. Isälle försöker man jämna u serien och eliminera den slumpmässiga variaionen, genom a låa äldre och nare värden spela olika sor roll. Dea görs genom prognosmodellen: - Prognosmodell: där ( 1) ˆ är uppdaeringsschema (kallas också rekursionsformel) med som ujämningskonsan är anal idpunker framå som vi prognosicerar för. 7
8 Enkel exponeniell ujämning - Hur ska vi välja? - Hur sarar vi rekursionsformeln (hur väljs 0 )? => väljs genom rial-and-error, olika värden esas och modellvalskrierier (MAPE, MAD, MD) jämförs => 0 = -1 för idpunk 1 väljs enlig (vi har flera alernaiv) Om daa innehåller många observaioner: Använd 10-50% av de hisoriska värdena och beräkna e medelvärde av dessa. Dea medelvärde blir de värde vi säer 0 ill. Lå 1 vara endera den försa observaionen i de reserande daamaeriale och börja ujämningen från denna eller den försa observaionen i hela daamaeriale och börja ujämningen från denna. Om daa innehåller få observaioner: Använd samliga hisoriska daa och beräkna e medelvärde av dessa. Dea medelvärde blir också de värde vi säer 0 ill. Lå 1 vara den försa observaionen i hela daamaeriale och börja ujämningen från denna. 8
9 Exempel Year ales values Försäljning av dagligvaror i en viss region i UA åren Prognosicera försäljningen ! amma daa med annan skala på -axeln! (million $) 9
10
11 Year ales val. Ujämna Prognos Prognosfel Forecass * * * * * * * * * * * * * * * * * * ˆ ˆ ˆ ˆ Prognoser - Punkskaning: ˆ där är anale idpunker framå - Prognosinervall: där s z s 1 n 1 n 2 1 i1 2 11
12 Enkel exponeniell ujämning i Miniab ingle Exponenial moohing for ales value Daa ales value Lengh 16 moohing Consan Alpha Accurac Measures MAPE MAD MD Forecass Period Forecas Lower Upper
13 Enkel exponeniell ujämning i Miniab ingle Exponenial moohing for ales value Daa Lengh 16 ales value moohing Consan Alpha Undersök vid anpassning allid a 0<<1, om ej så är modellen felakig vald! Avsevär lägre! Miniab har hjälp oss a hia en bäre modell Accurac Measures MAPE MAD MD Forecass Period Forecas Lower Upper
14 Dubbel exponeniell ujämning (Hols meod) För daa med rend men uan säsongskomponen. - Prognosmodell: där h är anale idpunker framå prognosen avser. Rekursionsformlerna ges av - För nivån: - För renden: ˆ T h ht T 0 1 ( 1) 1 [ 1 1 1] (1 ) T och T 0 finnes genom a ansäa en enkel linjär regressionsmodell b 0 b1 ill daa (mängden daa kan vara från en frakion ill alla) och säa T0 b1 0 b 0 och väljes genom rial-and-error och jämförelse av modellvalsmå 14
15 Exempel Toalkvävehalen i Råån under juli månad Prognosicera oalkvävehalen i juli 2002! Toalkvävehal År (g/l)
16 Dubbel exponeniell ujämning i Miniab Double Exponenial moohing for Toalkväve Daa Toalkväve Lengh 15 moohing Consans Alpha (level) 0.2 Gamma (rend) 0.2 Accurac Measures MAPE 49 MAD 1936 MD Forecass Period Forecas Lower Upper
17 Dubbel exponeniell ujämning i Miniab Double Exponenial moohing for ales value Daa Lengh 16 ales value moohing Consans Alpha (level) Gamma (rend) Accurac Measures MAPE MAD MD 1602 Forecass Period Forecas Lower Upper
18 (Hol-) Winers meoder Addiiv och muliplikaiv En uveckling av Hols meod, som går under namne Hol-Winers meod, ofas bara Winers meod, innehåller för varje idpunk uppdaering av re komponener: rendnivå rendökningsak säsongsfakorer Vi har vå meoder a välja på: Winers addiiva meod Winers muliplikaiva meod Vale mellan dessa meoder sker på samma sä som vid klassisk komponenuppdelning, allså främs basera på om säsongskomponenen kan bedömas vara muliplikaiv (slår mer vid höga nivåer på ) eller addiiv. 18
19 Winers muliplikaiva meod För daa med både rend och säsongsvariaion. - Prognosmodell där s beecknar anale säsonger och h är anale perioder framå vi vill prognosicera för Rekursionsformler: ˆ h ht Ish - För nivå - För rend - För säsong T I I 1 T 0 1 / s 1 1 T / 1 I 0 1 s 19
20 Winers addiiva meod För daa med både rend och säsongsvariaion. - Prognosmodell där s beecknar anale säsonger och h är anale perioder framå vi vill prognosicera för Rekursionsformler ˆ h ht Ish - För nivå - För rend - För säsong T I I T 0 1 s T I 0 1 s 20
21 sales Exempel ear quarer sales Kvaralsvis försäljning av en viss vara Time eries Plo of sales Quarer Q1 Year 1991 Q3 Q Q3 Q Q3 Q Q3 Q Q
22 Winers muliplikaiva meod i Miniab Winers' Mehod for sales Muliplicaive Mehod Daa Lengh 20 sales moohing Consans Alpha (level) 0.2 Gamma (rend) 0.2 Dela (seasonal) 0.2 Accurac Measures MAPE MAD MD Forecass Period Forecas Lower Upper
23 Winers addiiva meod i Miniab Winers' Mehod for sales Addiive Mehod Daa Lengh 20 sales moohing Consans Alpha (level) 0.2 Gamma (rend) 0.2 Dela (seasonal) 0.2 Accurac Measures MAPE MAD MD Forecass Period Forecas Lower Upper
24 Number.of.cars Exempel Nregisrerade bilar Monh Year
25 Number.of.cars Number.of.cars Winers' Mehod Plo for Number.of.cars Muliplicaive Mehod Variable Acual Fis Forecass 95.0% PI moohing Consans Alpha (level) 0.2 Gamma (rend) 0.2 Dela (seasonal) 0.2 Muliplikaiv modell Accurac Measures MAPE 11 MAD 1977 MD Monh Year Winers' Mehod Plo for Number.of.cars Addiive Mehod Variable Acual Fis Forecass 95.0% PI moohing Consans Alpha (level) 0.2 Gamma (rend) 0.2 Dela (seasonal) 0.2 Accurac Measures MAPE 12 MAD 2024 MD Addiiv modell Monh Year
26 Number.of.cars Med användande av Miniabs komponenuppdelning, muliplikaiv meod: Time eries Decomposiion Plo for Number.of.cars Muliplicaive Model Variable Acual Fis Trend Forecass Accurac Measures MAPE 24 MAD 4381 MD Monh Year Componen Analsis for Number.of.cars Muliplicaive Model Original Daa 2.0 Derended Daa Monh Year Monh Year easonall Adjused Daa eas. Adj. and Der. Daa Monh Year Monh Year
Föreläsning 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 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 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 mer2009-11-20. Prognoser
29--2 Progoser Progoser i idsserier: Gissa e framida värde i idsserie killad geemo progoser i regressio: De framida värde illhör ie daaområde. fe med e progosmodell är a göra progos, ie a förklara de hisoriska
Läs merVad Betyder måtten MAPE, MAD och MSD?
Vad Betyder måtten MAPE, MAD och MSD? Alla tre är mått på hur bra anpassningen är och kan användas för att jämföra olika modeller. Den modell som har lägst MAPE, MAD och/eller MSD har bäst anpassning.
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 merPrognoser. ekonomisk-teoretisk synvinkel. Sunt förnuft i kombination med effektiv matematik ger i regel de bästa prognoserna.
Prognoser Prognoser i tidsserier: Gissa ett framtida värde i tidsserien killnad gentemot prognoser i regression: Det framtida värdet tillhör inte dataområdet. ftet med en prognosmodell är att göra prognos,
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 merFÖRDJUPNINGS-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 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 merRegressions- och Tidsserieanalys - F8
Regressions- och Tidsserieanalys - F8 Klassisk komponentuppdelning, kap 7.1.-7.2. Linda Wänström Linköpings universitet November 26 Wänström (Linköpings universitet) F8 November 26 1 / 23 Klassisk komponentuppdelning
Läs mer732G71 Statistik B. Föreläsning 8. Bertil Wegmann. IDA, Linköpings universitet. Bertil Wegmann (IDA, LiU) 732G71, Statistik B 1 / 23
732G71 Statistik B Föreläsning 8 Bertil Wegmann IDA, Linköpings universitet Bertil Wegmann (IDA, LiU) 732G71, Statistik B 1 / 23 Klassisk komponentuppdelning Klassisk komponentuppdelning bygger på en intuitiv
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 merKorttidsprediktering av restider med Holt-Winters metod
Examensarbee LITH-ITN-KTS-EX--05/050--SE Koridspredikering av resider med Hol-Winers meod Andreas Allsröm 2005-10-14 Deparmen of Science and Technology Linköpings Universie SE-601 74 Norrköping, Sweden
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 merARMA-, ARIMA, (S)ARIMA Modernare metoder för tidsserieanalys och prognoser. Något om val mellan olika metoder
Någo om val mellan olia meoder Give är en observerad idsserie: y 1 y 2 y n ARMA- ARIMA (S)ARIMA Modernare meoder för idsserieanalys och prognoser Säsonger? Ja Tidsserieregression Klassis omponenuppdelning
Läs merVäxelkursprognoser för 2000-talet
Naionalekonomiska insiuionen Kandidauppsas Januari 28 Växelkursprognoser för 2-ale Handledare Thomas Elger Fredrik NG Andersson Förfaare Kenh Hedberg Sammanfaning Tiel: Växelkursprognoser för 2-ale Ämne/kurs:
Läs merFastbasindex--Kedjeindex. Index av de slag vi hitintills tagit upp kallas fastbasindex. Viktbestämningar utgår från
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
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 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 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 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 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 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 merPrognoser av ekonomiska tidsserier med säsongsmönster
Uppsala universie Saisiska Insiuionen C-uppsas i Saisik Handledare: Johan Lyhagen Prognoser av ekonomiska idsserier med säsongsmönser - En empirisk meodjämförelse Eliza Leja Jonahan Sråle 2011-05-17 Sammanfaning
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 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 2016-12-13, 8-12 Bertil Wegmann
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 merPreliminär elmarknadsstatistik per månad för Sverige 2014
jan feb mar apr maj jun GWh GWh GWh GWh GWh GWh 6 859,6 6 342,1 6 814,5 5 965,4 5 706,5 5 382,4 1 213,7 872,3 1 200,3 902,0 681,7 611,8 6 374,9 5 876,2 6 247,9 4 875,8 3 487,7 3 395,2 529,2 496,2 557,8
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 2015-12-09, 8-12 Bertil Wegmann
Läs merExempeltenta 3 SKRIV KLART OCH TYDLIGT! LYCKA TILL!
Exempelena 3 Anvisningar 1. Du måse lämna in skrivningsomslage innan du går (även om de ine innehåller några lösningsförslag). 2. Ange på skrivningsomslage hur många sidor du lämnar in. Om skrivningen
Läs mer732G71 Statistik B. Föreläsning 9. Bertil Wegmann. December 1, IDA, Linköpings universitet
732G71 Statistik B Föreläsning 9 Bertil Wegmann IDA, Linköpings universitet December 1, 2016 Bertil Wegmann (IDA, LiU) 732G71, Statistik B December 1, 2016 1 / 20 Metoder för att analysera tidsserier Tidsserieregression
Läs merTENTAMEN I REGRESSIONS- OCH TIDSSERIEANALYS,
TENTAMEN I REGRESSIONS- OCH TIDSSERIEANALYS, 204-0-3 Skrivtid: kl 8-2 Hjälpmedel: Räknedosa. Bowerman, B.J., O'Connell, R, Koehler, A.: Forecasting, Time Series and Regression. 4th ed. Duxbury, 2005 som
Läs mer2 Laboration 2. Positionsmätning
2 Laboraion 2. Posiionsmäning 2.1 Laboraionens syfe A sudera olika yper av lägesgivare A sudera givarnas saiska och dynamiska egenskaper 2.2 Förberedelser Läs laboraionshandledningen och mosvarande avsni
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 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 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 mer2016, Arbetslösa samt arbetslösa i program i GR i åldrarna år
216, Arbetslösa samt arbetslösa i program i GR i åldrarna 16-64 år Öppet arbetslösa i GR (16-64år) Göteborg Totalt Göteborg Totalt jan 328 514 13 351 418 743 372 351 169 762 422 31 155 93 17 988 jan 342
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 merPreliminär elmarknadsstatistik per månad för Sverige 2014
jan feb mar apr maj jun GWh GWh GWh GWh GWh GWh 6 859,6 6 342,1 6 814,5 0,0 0,0 0,0 1 213,7 872,3 1 200,3 0,0 0,0 0,0 6 374,9 5 876,2 6 247,9 0,0 0,0 0,0 529,2 496,2 557,8 0,0 0,0 0,0 5,5 4,3 6,3 0,0 0,0
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 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 merRealtidsuppdaterad fristation
Realidsuppdaerad frisaion Korrelaionsanalys Juni Milan Horemuz Kungliga Tekniska högskolan, Insiuion för Samhällsplanering och miljö Avdelningen för Geodesi och geoinformaik Teknikringen 7, SE 44 Sockholm
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 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 merStrategiska möjligheter för skogssektorn i Ryssland med fokus på ekonomisk optimering, energi och uthållighet
1 File = SweTrans_RuMarch09Lohmander_090316 ETT ORD KORRIGERAT 090316_2035 (7 sidor inklusive figur) Sraegiska möjligheer för skogssekorn i Ryssland med fokus på ekonomisk opimering, energi och uhållighe
Läs mera) Beräkna arean av triangeln ABC då A= ( 3,2,2), B=(4,3,3) och C=( 5,4,3).
TENTAMEN -Jan-8, HF och HF8 Momen: TEN (Linjär algebra), 4 hp, skriflig enamen Kurser: Anals och linjär algebra, HF8, Linjär algebra och anals HF Klasser: TIELA, TIMEL, TIDAA Tid: 85-5, Plas: Campus Haninge
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 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 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 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 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 merEN BÄTTRE BALANS MED SVAGT SJUNKANDE TRÄVARUPRISER 2015 OCH EN NY PRISUPPGÅNG I MITTEN AV 2016
juni 2015 Timber EN BÄTTRE BALANS MED SVAGT SJUNKANDE TRÄVARUPRISER 2015 OCH EN NY PRISUPPGÅNG I MITTEN AV 2016 Swedish Production m 3 2 1.8 1.6 1.4 1.2 1 0.8 0.6 0.4 Jun/12 x 10 6 Oct/12 Feb/13 Jun/13
Läs merInflation och relativa prisförändringar i den svenska ekonomin
Inflaion och relaiva prisförändringar i den svenska ekonomin AV BENGT ASSARSSON Beng Assarsson är verksam på avdelningen för penningpoliik vid Sveriges riksbank och vid Naionalekonomiska insiuionen vid
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 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 merTillämpad statistik (A5), HT15 Föreläsning 24: Tidsserieanalys III
Tillämpad statistik (A5), HT15 Föreläsning 24: Tidsserieanalys III Sebastian Andersson Statistiska institutionen Senast uppdaterad: 16 december 2015 är en prognosmetod vi kan använda för serier med en
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 merDifferentialekvationssystem
3227 Differenialekvaionssysem Behållaren A innehåller 2 lier, behållaren B innehäller 3 lier och behållaren C 4 lier salvaen Vid idpunken är salhalen i behållaren A 4 g, i behållaren B 2 g och i behållaren
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 merAmbulanslogistik - prognostisering av ambulansuppdrag
Examensarbee LITH-ITN-KTS-EX--07/009--SE Ambulanslogisik - prognosisering av ambulansuppdrag Erik Magnusson 2007-03-20 Deparmen of Science and Technology Linköpings Universie SE-601 74 Norrköping, Sweden
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 merKURVOR OCH PÅ PARAMETERFORM KURVOR I R 3. P(t)=(x(t),y(t),z(t)) T=(x (t),y (t),z (t)) r(t)=(x(t),y(t),z(t))
Kurvor på parameerform KURVOR OCH PÅ PARAMETERFORM KURVOR I R 3 P=xyz T=x y z r=xyz En kurva i R 3 anges ofas på parameerform med re skalära ekvaioner: x = f 1, y = f, z = f 3, D R * För varje får vi en
Läs merPreliminär elmarknadsstatistik per månad för Sverige 2013
jan feb mar apr maj jun GWh GWh GWh GWh GWh GWh 7 272,1 6 462,7 6 116,8 4 575,2 5 211,6 3 621,7 764,6 561,7 889,7 889,4 696,7 541,5 6 319,3 5 844,7 6 405,3 6 241,9 4 070,0 4 686,4 608,1 545,0 617,1 534,3
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 merEn flashestimator för den privata konsumtionen i Sverige med hjälpvariablerna HIP och detaljhandeln
Bakgrundsfaka En flashesimaor för den privaa konsumionen i Sverige med hjälpvariablerna HIP och dealjhandeln En idsserieanalys med hjälp av saisikprogramme TRAMO 006: Ekonomisk saisik I serien Bakgrundsfaka
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 merEN BÄTTRE BALANS MED SVAGT SJUNKANDE TRÄVARUPRISER 2015 OCH EN NY PRISUPPGÅNG I MITTEN AV 2016
maj 2015 Timber EN BÄTTRE BALANS MED SVAGT SJUNKANDE TRÄVARUPRISER 2015 OCH EN NY PRISUPPGÅNG I MITTEN AV 2016 Swedish Production m 3 2 1.8 1.6 1.4 1.2 1 0.8 0.6 0.4 Apr/12 x 10 6 Aug/12 Dec/12 Apr/13
Läs merFöreläsning 3: Fler grafalgoritmer. Kortaste vägar mellan alla noder
Föreläning 3: Fler grafalgorimer Korae vägar mellan alla noder Maximal flöde i graf Bipari machning Korae vägar mellan alla noder Dijkra och Bellman-Ford algorimer beräknar korae avånd från en nod ill
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 merUNDERRUM. LINJÄRA KOMBINATIONER. BASER. LINJÄRT SPANN (eller linjärt hölje) Definition 1. (LINJÄR KOMBINATION) Exempel 1.
LINJÄRA KOMBINATIONER. BASER. LINJÄRT SPANN (eller linjär hölje Definiion. (LINJÄR KOMBINATION Lå V ara e ekorrm. En ekor w är linjär kombinaion a,,, nn om de finn kalärer (al,,, nn å a ww nn nn Eempel.
Läs merSveriges bruttonationalprodukt Årsdata. En kraftig trend.
Vad är tidsserier? En tidsserie är en mängd av observationer y t, där var och en har registrerats vid en specifik tidpunkt t. Vanligen görs mätningarna vid vissa tidpunkter och med samma avstånd mellan
Läs merEN BÄTTRE BALANS MED SVAGT SJUNKANDE TRÄVARUPRISER 2015 OCH EN NY PRISUPPGÅNG I MITTEN AV 2016
augusti 2015 Timber EN BÄTTRE BALANS MED SVAGT SJUNKANDE TRÄVARUPRISER 2015 OCH EN NY PRISUPPGÅNG I MITTEN AV 2016 Swedish Production m 3 2 1.8 1.6 1.4 1.2 1 0.8 0.6 0.4 x 10 6 Jul 1350 Aug 1590 Sep 1770
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 merKylvätska, tappa ur och fylla på
Kyväska, appa ur och fya på Nödvändiga speciaverkyg, konro- och mäinsrumen sam hjäpmede Adaper för ryckprovare för kysysem -V.A.G 1274/8- Rör för ryckprovare för kysysem -V.A.G 1274/10- Uppsamingskär för
Läs merFrån kap. 25: Man får alltid ett spänningsfall i strömmens riktning i ett motstånd.
Från kap. 5: Ohm s lag Hög poenial på den sida där srömmen går in Låg poenial på den sida där srömmen går u Man får allid e spänningsfall i srömmens rikning i e mosånd. Från kap. 5: Poenialskillnaden över
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 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 merPass Througheffekten i svenska importpriser
NATIONALEKONOMISKA INSTITUTIONEN 27-6-5 Uppsala Universie Magiseruppsas Förfaare: Anders Svensson Handledare: Annika Alexius VT7 Pass Througheffeken i svenska imporpriser en empirisk sudie Sammanfaning
Läs merGenom att uttrycka y-koordinaten i x ser vi att kurvan är funktionsgrafen till y = x 2. Lektion 2, Flervariabelanalys den 19 januari 2000
Lekion, Flervariabelanals den 9 januari..6 Finn hasighe, far och acceleraion vid idpunk av en parikel med lägesvekorn Genom a urcka -koordinaen i ser vi a kurvan är funkionsgrafen ill. Beskriv också parikelns
Läs merInflation: Ger kointegration bättre prognoser?
Kandidauppsas Januari, 006 Naionalekonomiska insiuionen Inflaion: Ger koinegraion bäre prognoser? Krisofer Månsson 836-3938 Handledare: Thomas Elger Sammanfaning Tiel: Inflaion: Ger koinegraion bäre prognoser
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 merKONTROLLSKRIVNING 3. Kurs: HF1012 Matematisk statistik Lärare: Armin Halilovic
KONTROLLSKRIVNING Version B Kurs: HF Maemaisk saisik Lärare: Armin Halilovic Daum: 7 maj 6 Skrivid: 8:-: Tillåna hjälmedel: Miniräknare av vilken y som hels och formelblad (som delas u i salen) Förbjudna
Läs merSkriftlig Tentamen i Finansiell Statistik Grundnivå 7.5 hp, HT2012
Statistiska Institutionen Patrik Zetterberg Skriftlig Tentamen i Finansiell Statistik Grundnivå 7.5 hp, HT2012 2013-01-18 Skrivtid: 9.00-14.00 Hjälpmedel: Godkänd miniräknare utan lagrade formler eller
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 merKOLPULVER PÅ GAMLA FINGERAVTRYCK FUNGERAR DET?
KOLPULVER PÅ GAMLA FINGERAVTRYCK FUNGERAR DET? En undersökning av hur väl kolpulver framkallar åldrade fingeravryck avsaa på en ickeporös ya. E specialarbee uför under kriminaleknisk grundubildning vid
Läs merFöreläsning 3. Kursstruktur. Agenda. Prognostisering: Prognosprocess, efterfrågemodeller, prognosmodeller och prognosverktyg
Föreläsning Prognosisering: Prognosprocess, eferfrågemodeller, prognosmodeller och prognosverkyg Avsluning Planeringssysem Fas posiion Fö 6a: Projekplanering (CPM, PERT, mm) Le : Projekplanering (CPM/
Läs mer3. Matematisk modellering
3. Maemaisk modellering 3. Modelleringsprinciper 3. Maemaisk modellering 3. Modelleringsprinciper 3.. Modellyper För design oc analys av reglersysem beöver man en maemaisk modell, som beskriver sysemes
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 merRäkneövning 5. Sebastian Andersson Statistiska institutionen Uppsala universitet 7 januari För Uppgift 2 kan man med fördel ta hjälp av Minitab.
Räkneövning 5 Sebastian Andersson Statistiska institutionen Uppsala universitet 7 januari 016 1 Om uppgifterna För Uppgift kan man med fördel ta hjälp av Minitab. I de fall en figur för tidsserien efterfrågas
Läs merJobbflöden i svensk industri 1972-1996
Jobbflöden i svensk induri 1972-1996 av Fredrik Andersson 1999-10-12 Bilaga ill Projeke arbeslöshesförsäkring vid Näringsdeparemene Sammanfaning Denna udie dokumenerar heerogenieen i induriella arbesällens
Läs merSkuldkrisen. Världsbanken och IMF. Världsbanken IMF. Ställ alltid krav! Föreläsning KAU Bo Sjö. En ekonomisk grund för skuldanalys
Skuldkrisen Föreläsning KAU Bo Sjö Världsbanken och IMF Grund i planeringen efer 2:a världskrige Världsbanken Ger (hårda) lån ill sora infrasrukurprojek i uvecklingsländer. Hisorisk se, lyckas bra, lånen
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 merRäkneövning 4. Om uppgifterna. 1 Uppgift 1. Statistiska institutionen Uppsala universitet. 14 december 2016
Räkneövning 4 Statistiska institutionen Uppsala universitet 14 december 2016 Om uppgifterna Uppgift 2 kan med fördel göras med Minitab. I de fall en gur för tidsserien efterfrågas kan du antingen göra
Läs merUppgift 1 (max 5p) Uppgift 2 (max 5p) Exempeltenta nr 6
ppgf (max 5p) Exempelena nr 6 ppgfen går u på a förklara några cenrala begrepp nom kursen. Svara korfaa men kärnfull och ange en förklarng på e fåal menngar som ydlg beskrver var och e av de fem begreppen.
Läs merAvkastning Premiepension Bas sedan starten
Avkastning Premiepension Bas sedan starten 2004-05-24 2009-04-30 1 Premiepension Bas Jämförelseindex 1 1 1 150 140 130 2004 2005 2006 20 20 Index:52% MSCI World Net, 20% SIX PRX, 10% MSCI Emerging Market,
Läs merInnehållsförteckning. Sammanfattning 3. Inledning 4. 1. Allmänt om tidsserier 9. 2. Glidande medelvärde 12. 3. Enkel exponentiell utjämning 15
Innehållsföreckning Sammanfaning 3 Inledning 4. Allmän om idsserier 9. Glidande medelvärde 3. Enkel exponeniell ujämning 5 4. Hol-Winers exponeniella ujämningsmodell 8 4. Hol-Winer uan säsong 8 4. Hol-Winer
Läs merKonsumentprisindex för kläder och skor
Saisiska Insiuionen STA03:2 Lunds Universie HT 2007 Kandidauppsas, 0poäng Konsumenprisindex för kläder och skor 986-2005 Dekomponering och prognosisering Förfaare: Henrik Svansröm 79063-4098 Samuel Roos
Läs mer