Single and Multi-Population Mortality Models for Dutch Data
|
|
- Annelies de Ruiter
- 5 jaren geleden
- Aantal bezoeken:
Transcriptie
1 Single and Multi-Population Mortality Models for Dutch Data Wilbert Ouburg Universiteit van Amsterdam 7 Juni 2013 Eerste begeleider: dr. K. Antonio Tweede begeleider: prof. dr. M. Vellekoop Wilbert Ouburg 1 / 24
2 Agenda Sterftemodel Bayesiaanse aanpak: wat en waarom? Eén-populatie sterftemodellen - Klassieke één-populatie sterftemodellen - Bayesiaans één-populatie sterftemodel Multi-populatie sterftemodellen - Klassieke multi-populatie sterftemodellen - Bayesiaans multi-populatie sterftemodel Toepassingen Conclusies en verder onderzoek Wilbert Ouburg 2 / 24
3 Sterftemodel Definieer q x,t als de sterftekans op leeftijd x in jaar t Definieer µ x,t als de sterfte-intensiteit op leeftijd x in jaar t De relatie tussen beide grootheden is q x,t = 1 e µx,t Definieer kansvariabelen D x,t als het aantal sterftegevallen en E x,t als de risico-exposure Poisson Lee-Carter model is het uitgangspunt voor deze scriptie αx +βx κt D x,t Poi (E x,t µ x,t ) met µ x,t = e Wilbert Ouburg 3 / 24
4 Bayesiaanse statistiek Neem aan dat de parameters in het sterftemodel zelf een kansverdeling volgen, conditioneel op de beschikbare data Gebruik Bayes stelling: p(θ y) = p(θ)f (y θ) p(θ y) p(θ)f (y θ)dθ }{{} posterior p(θ) }{{} prior f (y θ) }{{} likelihood Simuleren uit de posterior verdeling kan via MCMC samplers, bijvoorbeeld Gibbs sampler en Metropolis-Hastings algoritme Wilbert Ouburg 4 / 24
5 Klassieke één-populatie sterftemodellen Sterftemodel Definitie Lee-Carter ln(µ x,t ) = α x + β x κ t Renshaw-Haberman ln(µ x,t ) = α x + β x (1) κ t + β x (2) Currie ln(µ x,t ) = α x + na 1 κ t + na 1 γ t x γ t x Mortality rates Dutch Males for age 65 Mortality rates Dutch Females for age 65 Mortality rate Observed Lee Carter model (M1) Renshaw Haberman model (M2) Curie model (M3) Mortality rate Observed Lee Carter model (M1) Renshaw Haberman model (M2) Curie model (M3) Wilbert Ouburg 5 / 24
6 Waarom een Bayesiaans sterftemodel? De Poisson likelihood en de tijdreeks voor de trend parameters in het Lee-Carter model worden tegelijk gemodelleerd Parameters worden geschat via simulaties gebaseerd op de onderliggende dataset en prior aanname Credibiliteitsintervallen worden automatisch gegenereerd en bevatten parameter onzekerheid Nieuwe sterftedata kan eenvoudig in het model worden verwerkt Bayesiaanse sterftemodellen zijn flexibel met ontbrekende data Wilbert Ouburg 6 / 24
7 Bayesiaans sterftemodel (1) Uitgangspunt is model van Czado, Delwarde, Denuit (Bayesian Poisson Log-Bilinear Mortality Projections, 2004) - Bayesiaans Lee-Carter model voor één populatie - Op basis van Nederlandse sterftestatistieken van het CBS - Ontbrekende details in artikel aangevuld in thesis - Eigen R-implementatie van het Bayesiaanse sterftemodel ontwikkeld - Uitkomsten op basis van simulaties (burn-in periode van ) Wilbert Ouburg 7 / 24
8 Bayesiaans sterftemodel (2) Poisson Lee-Carter model Prior kansverdelingen: αx +βx κt D x,t Poi (E x,t µ x,t ) met µ x,t = e ( κ NT Xγ, σ 2 κ Q 1) met lineaire trend γ en covariantiematrix σκq 2 1 ) β N M (0, σ 2 β I M e x Gamma (a x, b x ) met e x := e αx Hyperparameters γ, ρ, σ 2 κ en σ 2 β volgen ieder ook een prior verdeling Doel is om de posterior verdelingen van de (hyper)parameters, conditioneel op de dataset, af te leiden Wilbert Ouburg 8 / 24
9 Bayesiaans sterftemodel (3) Number of deaths D Mortality rates µ Parameters κ β α e Hyperparameters γ ρ σκ 2 σβ 2 Constants γ 0 Σ 0 σρ 2 a κ b κ a β b β a x b x Wilbert Ouburg 9 / 24
10 Bayesiaans sterftemodel (4) Posterior kansverdelingen: p (κ t θ \ {κ t }) Poisson Normaal (modelleren met MH-algoritme) p (βx θ \ {β x }) Poisson Normaal (modelleren met MH-algoritme) p (ex θ \ {e x }) Gamma (a x + D x,, b x + c x ) met c x := t E βx κt x,te en D x, := t D x,t Posterior verdelingen voor hyperparameters en verdere details in scriptie uitgewerkt Wilbert Ouburg 10 / 24
11 α β κ Bayesiaans sterftemodel (5) Parameteronzekerheid voor resp. α, β en κ voor Nederlandse mannen Bayesian α compared to Lee Carter estimates Bayesian β compared to Lee Carter estimates Bayesian κ compared to Lee Carter estimates Credibility interval LC Credibility interval LC Credibility interval LC Age Age Wilbert Ouburg 11 / 24
12 Bayesiaans sterftemodel (6) Parameteronzekerheid voor Nederlandse mannen (links) en vrouwen (rechts) Bayesian mortality rates compared to Lee Carter estimates for age 65 Bayesian mortality rates compared to Lee Carter estimates for age 65 Mortality rate Credibility interval LC Mortality rate Credibility interval LC Wilbert Ouburg 12 / 24
13 Multi-populatie sterftemodellen Sterftemodel waarin meerdere populaties simultaan worden gemodelleerd Interactie tussen populaties wordt meegenomen in het model Hoofdaanname De sterftekansen voor de populaties in het model divergeren niet over de tijd Toegepast op één gecombineerd model voor mannelijke en vrouwelijke sterfte in Nederland Wilbert Ouburg 13 / 24
14 Frequentist multi-populatie sterftemodellen Li & Lee (2005) introduceren multi-populatie variant van Lee-Carter model (cfr. CBS2012) ( ) ln m (i) x,t = α x (i) + B x K t + β x (i) κ (i) t + ɛ (i) x,t Central death rate, age 65 Dutch males Central death rate, age 65 Dutch females Central death rate Multi population model Observed Single population model Central death rate Multi population model Observed Single population model Wilbert Ouburg 14 / 24
15 Bayesiaans multi-populatiemodel (1) Uitgangspunt is model van Cairns et al. (Bayesian stochastic mortality modelling for two populations, 2011) Cairns et al. (2011) geven nauwelijks details over implementatie en hanteren Currie model Contributies scriptie: - Bayesiaans Lee-Carter model in Czado et al. (2005) gegeneraliseerd naar multi-populatie variant - Alle ontbrekende details in Cairns et al. in scriptie aangevuld - Eigen implementatie van het model in R ontwikkeld Wilbert Ouburg 15 / 24
16 Bayesiaans multi-populatiemodel (2) Definieer gemiddelde trendparameter R t = 1 2 en spread S t = κ (1) t κ (2) t Hoofdaanname Spread tussen populaties is mean-reverting ( ) κ (1) t + κ (2) t - Gerealiseerd via extra eis op parameters AR(1) model voor spread S t Neem ook correlatie tussen R t en S t mee via R t = µ + R t 1 + σ R Z t S t = ψ S S t 1 + c RS σ S Z t + σ R 1 c 2 RS Z t Wilbert Ouburg 16 / 24
17 Bayesiaans multi-populatiemodel (3) Number of deaths D (i) Mortality rates m (i) Parameters R κ (i) S β (i) α (i) e (i) ( ) Hyperparameters µ V 2 ψ S σ (i) 2 β Constants µ 0 σ µ Ψ ν σ 2 ψ a (i) β b (i) β a (i) x b x (i) Wilbert Ouburg 17 / 24
18 Bayesiaans multi-populatiemodel (4) Bayesian R credibility intervals Bayesian S credibility intervals R Credibility interval Observed S Credibility interval Observed Wilbert Ouburg 18 / 24
19 Bayesiaans multi-populatiemodel (5) Bayesian mortality rates compared to Lee Carter estimates for population 1, for age 65 Bayesian mortality rates compared to Lee Carter estimates for population 2, for age 65 Mortality rate Credibility interval LC Mortality rate Credibility interval LC Wilbert Ouburg 19 / 24
20 Bayesiaans multi-populatiemodel (6) Bayesian logµ (1) credibility intervals Bayesian logµ (2) credibility intervals log µ (1) Credibility interval LC log µ (2) Credibility interval LC Wilbert Ouburg 20 / 24
21 Toepassingen Eén sterftemodel voor het tegelijkertijd modelleren van portefeuille en landelijke sterfte, inclusief de correlatie tussen deze populaties waarin sterfte uit meerdere landen tegelijk wordt gemodelleerd (bijvoorbeeld een Bayesiaans CBS2012 model) voor mannen- en vrouwensterfte voor sterfte in meerdere homogene risicogroepen (denk aan socio-economische status of rokers/niet-rokers) Wilbert Ouburg 21 / 24
22 Conclusies Model meet parameteronzekerheid vanwege Bayesiaanse aanpak Multi-populatie model zorgt ervoor dat correlatie tussen sterfte van de populaties in het model wordt meegenomen Credibiliteitsintervallen worden automatisch gegenereerd (immers MCMC methodiek) Kan worden toegepast voor de bepaling van parameteronzekerheid bij 99.5% VaR onder Solvency II voor het kort- en langlevenrisico Bayesiaanse aanpak in scriptie toegepast op Lee-Carter model, echter ook toepasbaar op andere modellen Wilbert Ouburg 22 / 24
23 Verder onderzoek Optimalisatie van de posterior verdelingen (opgelost) Forecasts voor multi-populatiemodel (opgelost) Model toepassen op landelijke en portefeuille-specifieke sterfte Bayesiaans sterftemodel voor meer dan twee populaties (in progress) Model toepassen op varianten van het Lee-Carter model Wilbert Ouburg 23 / 24
24 Vragen? Wilbert Ouburg 24 / 24
PE Bijeenkomst Prognosetafel AG2016
PE Bijeenkomst Prognosetafel AG2016 1 Inhoud 1. Datasets en Databewerking 2. Modelstructuur en eigenschappen 3. Correlaties 4. Vergelijking met AG2014 5. Gebruik: als (best estimate) statische prognosetafel
Nadere informatieCommissie Sterfte Onderzoek
Prof.dr.ir. M.H. Vellekoop Drs. E.B.B. Kromme AAG Inhoud 1. Achtergrond: opdracht CSO en Werkgroep 2. Modelstructuur en eigenschappen 3. Gebruik: als (best estimate) statische prognosetafel als stochastische
Nadere informatiePrognosetafel AG2016 1
1 Agenda 15.00 15.20 uur Inleiding Prognosetafel AG2016 15.20 16.00 uur Technische toelichting Prognosetafel AG2016 16.00 16.30 uur Vragen 16.30 16.35 uur Uitreiking rapport 16.35 17.00 uur Pauze 17.00
Nadere informatieStatistiek in een rechtzaak
Statistiek in een rechtzaak Maarten van Kampen & Soon-Yip Wong 1 april 00 1 Schuldig of niet? Naar aanleiding van een recent krantenartikel over de rechtzaak omtrent Lucy B. willen wij onderzoeken wat
Nadere informatieStochastische sterftemodellen op basis van mortality improvement factoren
Stochastische sterftemodellen op basis van mortality improvement factoren Ryan Tjin (5967562) Universiteit van Amsterdam, Faculteit Economie en Bedrijfskunde Bachelorscriptie Actuariële Wetenschappen 5-7-12
Nadere informatiePrognosetafel AG2018 1
1 Welkom Corné van Iersel Sr beleidsmedewerker AG 2 AGENDA 14.30-15.00 uur Ontvangst 15.00-15.10 uur Opening 15.10-15.30 uur Presentatie totstandkoming AG2018 15.30-16.15 uur Presentatie technische onderbouwing
Nadere informatieModerne Bayesiaanse statistiek:
Evolutionary Ecology Group Stefan Van Dongen /46 Mezelf even voorstellen Biologie UA: 988-99 Biostatistiek UHasselt: 99-993 Pre-post doc UA Lund-Zweden: 993 00 Janssen Farmaceutica 00-003 Moderne Bayesiaanse
Nadere informatieTentamen Inleiding Statistiek (WI2615) 10 april 2013, 9:00-12:00u
Technische Universiteit Delft Mekelweg 4 Faculteit Elektrotechniek, Wiskunde en Informatica 2628 CD Delft Tentamen Inleiding Statistiek (WI2615) 10 april 2013, 9:00-12:00u Formulebladen, rekenmachines,
Nadere informatiedr. Katrien Antonio en dr. Richard Plat AAG RBA
dr. Katrien Antonio en dr. Richard Plat AAG RBA 1 Micro-Level Stochastic Loss Reserving Katrien Antonio (UvA) Richard Plat (Richard Plat Consultancy) 2 Agenda Introductie Schadereservering Huidige technieken
Nadere informatieb) Uit Bayes volgt, gebruik makend van onderdeel a) P (T V )P (V ) P (T ) = (0.09)(0.07)
Uitwerkingen tentamen 6 juli 22. We stellen T de gebeurtenis test geeft positief resultaat, F de gebeurtenis, chauffeur heeft gefraudeerd, V de gebeurtenis, chauffeur heeft vergissing gemaakt C de gebeurtenis,
Nadere informatieDeze week: Schatten. Statistiek voor Informatica Hoofdstuk 6: Schatten. Voorbeeld Medicijnentest. Statistische inferentie
Deze week: Schatten Statistiek voor Informatica Hoofdstuk 6: Schatten Cursusjaar 2009 Peter de Waal Departement Informatica Statistische inferentie A Priori en posteriori verdelingen Geconjugeerde a priori
Nadere informatieHet tentamen heeft 25 onderdelen. Met ieder onderdeel kan maximaal 2 punten verdiend worden.
Hertentamen Inleiding Kansrekening WI64. 9 augustus, 9:-: Het tentamen heeft 5 onderdelen. Met ieder onderdeel kan maximaal punten verdiend worden. Het tentamen is open boek. Boeken, nota s en een (eventueel
Nadere informatieKansrekening en Statistiek
Kansrekening en Statistiek College 11 Dinsdag 25 Oktober 1 / 27 2 Statistiek Vandaag: Hypothese toetsen Schatten 2 / 27 Schatten 3 / 27 Vragen: liegen 61 Amerikanen werd gevraagd hoeveel % van de tijd
Nadere informatieBayesiaans leren. Les 2: Markov Chain Monte Carlo. Joris Bierkens. augustus Vakantiecursus 1/15
Bayesiaans leren Les 2: Markov Chain Monte Carlo Joris Bierkens Vakantiecursus augustus 209 /5 Samenvatting en vooruitblik Veel statistische problemen kunnen we opvatten in een Bayesiaanse context n π(θ)
Nadere informatieVragen en antwoorden inzake totstandkoming prognosetafel AG2016
Vragen en antwoorden inzake totstandkoming prognosetafel AG2016 Inleiding. Het Koninklijk Actuarieel Genootschap (AG) heeft in september 2016 een nieuwe prognosetafel AG 2016 uitgebracht. Dit is van belang
Nadere informatieStatistiek voor A.I.
Statistiek voor A.I. College 13 Donderdag 25 Oktober 1 / 28 2 Deductieve statistiek Orthodoxe statistiek 2 / 28 3 / 28 Jullie - onderzoek Tobias, Lody, Swen en Sander Links: Aantal broers/zussen van het
Nadere informatieP R O G N O S E T A F E L A G
PROGNOSETAFEL 1 1 VOORWOORD De levensverwachting in Nederland is de laatste 50 jaar elk decennium met ongeveer 2 jaar toegenomen. Dit is een tendens die impact heeft op de samenleving op allerlei fronten.
Nadere informatieBayesiaans leren. Les 2: Markov Chain Monte Carlo. Joris Bierkens. augustus Vakantiecursus 1/15
Bayesiaans leren Les 2: Markov Chain Monte Carlo Joris Bierkens Vakantiecursus augustus 2019 1/15 Samenvatting en vooruitblik Veel statistische problemen kunnen we opvatten in een Bayesiaanse context n
Nadere informatieTentamen Kansrekening en statistiek wi2105in 25 juni 2007, uur
Tentamen Kansrekening en statistiek wi205in 25 juni 2007, 4.00 7.00 uur Bij dit examen is het gebruik van een (evt. grafische rekenmachine toegestaan. Tevens krijgt u een formuleblad uitgereikt na afloop
Nadere informatieCoherente prognose van levensverwachting in Nederland en andere Europese landen de Li&Lee benadering
Coherente prognose van levensverwachting in Nederland en andere Europese landen de Li&Lee benadering 1 Leo van Wissen & Fanny Janssen Basiseenheid Demografie / Population Research Centre 2 Onderwerpen
Nadere informatieZo geldt voor o.o. continue s.v.-en en X en Y dat de kansdichtheid van X + Y gegeven wordt door
APP.1 Appendix A.1 Erlang verdeling verdeling met parameters n en λ Voor o.o. discrete s.v.-en X en Y geldt P (X + Y = z) =P (X = x 1 en Y = z x 1 )+P(X = x en Y = z x )+... = P (X = x 1 )P (Y = z x 1
Nadere informatieKansrekening en statistiek wi2105in deel 2 16 april 2010, uur
Kansrekening en statistiek wi205in deel 2 6 april 200, 4.00 6.00 uur Bij dit examen is het gebruik van een (evt. grafische) rekenmachine toegestaan. Tevens krijgt u een formuleblad uitgereikt na afloop
Nadere informatieMeervoudig toetsen met de horseshoe prior
A.R. Harinandansingh Meervoudig toetsen met de horseshoe prior Bachelorscriptie Scriptiebegeleiders: B. Szabó, PhD S.L. van der Pas, MSc MA Datum Bachelorexamen: 7 augustus 26 Mathematisch Instituut, Universiteit
Nadere informatieA.F. Schilperoort. Polya tree priors. Bachelorscriptie. Scriptiebegeleider: prof.dr. A.W. van der Vaart. Datum Bachelorexamen: 9 Juni 2015
AF Schilperoort Polya tree priors Bachelorscriptie Scriptiebegeleider: profdr AW van der Vaart Datum Bachelorexamen: 9 Juni 2015 Mathematisch Instituut, Universiteit Leiden Inhoudsopgave 1 Inleiding 3
Nadere informatieActuarieel Genootschap BIJLAGE. bij Prognosetafel AG
Actuarieel Genootschap BIJLAGE bij Prognosetafel AG2012-2062 BIJLAGE Sluiten van de periodetafel GBM/V 2005-2010. Katrien Antonio 23 juli 2012 1 Probleemstelling Sluiten van een periodetafel. De waargenomen
Nadere informatieOF (vermits y = dy. dx ) P (x, y) dy + Q(x, y) dx = 0
Algemeen kunnen we een eerste orde differentiaalvergelijking schrijven als: y = Φ(x, y) OF (vermits y = dy dx ) P (x, y) dy + Q(x, y) dx = 0 Indien we dan P (x, y) en Q(x, y) kunnen schrijven als P (x,
Nadere informatieBayesiaans leren. Les 1: Bayesiaanse statistiek. Joris Bierkens. augustus Vakantiecursus 1/14
Bayesiaans leren Les 1: Bayesiaanse statistiek Joris Bierkens Vakantiecursus augustus 2019 1/14 Next Section 1 Bayesiaanse statistiek 2 Neurale netwerken 2/14 InBraak Alarm Wordt er ingebroken? Als er
Nadere informatieTentamen Voortgezette biostatistiek / Biomedische wiskunde
Tentamen Voortgezette biostatistiek / Biomedische wiskunde 27 maart 2015; 15:15-17:15 NB. Geef een duidelijke toelichting bij de antwoorden. Na correctie liggen de tentamens ter inzage bij het onderwijsbureau.
Nadere informatieBayes Factor voor samengestelde hypothesen
Bayes Factor voor samengestelde hypothesen Rob Steur 20 juli 2012 Bachelorscriptie Begeleiding: prof. dr. Marjan Sjerps Tweedebeoordelaar: dr. A.J. (Bert) van Es Thomas Bayes (1702-1761) KdV Instituut
Nadere informatie5S Simula)e spel Werkplekorganisa)e. Het 5S getallen spel
5S Simula)e spel Werkplekorganisa)e Het 5S getallen spel Je huidige werkplek Het werkblad op de volgende pagina vertegenwoordigt jouw huidige werkplek [niet spieken!!!!] Het is jouw taak om met pen de
Nadere informatieRegionale verschillen in extreme neerslag. 18 februari 2010 Rudmer Jilderda, Adri Buishand, Janet Wijngaard
Regionale verschillen in extreme neerslag 18 februari 2010 Rudmer Jilderda, Adri Buishand, Janet Wijngaard Meetgegevens over neerslag Egmond, 14 augustus 2006 2 Jaarnormalen van enkele stations jaargemiddelden
Nadere informatieMeetkunde en Lineaire Algebra
Hoofdstuk 1 Meetkunde en Lineaire Algebra Vraag 1.1 Zij p en q twee veeltermfuncties met reële coëfficiënten en A een reële vierkante matrix. Dan is p(a) diagonaliseerbaar over R als en slechts dan als
Nadere informatieCursus Statistiek Hoofdstuk 4. Statistiek voor Informatica Hoofdstuk 4: Verwachtingen. Definitie (Verwachting van discrete stochast) Voorbeeld (1)
Cursus Statistiek Hoofdstuk 4 Statistiek voor Informatica Hoofdstuk 4: Verwachtingen Cursusjaar 29 Peter de Waal Departement Informatica Inhoud Verwachtingen Variantie Momenten en Momentengenererende functie
Nadere informatieStochastiek 2. Inleiding in de Mathematische Statistiek 1 / 17
Stochastiek 2 Inleiding in de Mathematische Statistiek 1 / 17 Betrouwbaarheidsgebieden 2 / 17 Idee Een schatter T voor een parameter θ geeft één punt in de parameterruimte Θ. I.h.a. zal T θ onder P θ,
Nadere informatieDeze week: Steekproefverdelingen. Statistiek voor Informatica Hoofdstuk 7: Steekproefverdelingen. Kwaliteit van schatter. Overzicht Schatten
Deze week: Steekproefverdelingen Statistiek voor Informatica Hoofdstuk 7: Steekproefverdelingen Cursusjaar 29 Peter de Waal Zuivere Schatters Betrouwbaarheidsintervallen Departement Informatica Hfdstk
Nadere informatieWPO Differentiaalmeetkunde I
1 Vrije Universiteit Brussel Academiejaar 006-007 Prof. Dr. R. Kieboom Dr. G. Sonck WPO Differentiaalmeetkunde I Krommen in R n 1. Neem R met een orthonormale basis en a R + 0. Voor elk punt p o, gelegen
Nadere informatieDeeltentamen 2 Algemene Statistiek Vrije Universiteit 18 december 2013
Afdeling Wiskunde Volledig tentamen Algemene Statistiek Deeltentamen 2 Algemene Statistiek Vrije Universiteit 18 december 2013 Gebruik van een (niet-grafische) rekenmachine is toegestaan. Geheel tentamen:
Nadere informatieVraagvoorspelling en bestelregels in de retail Een vergelijking tussen theorie en praktijk
Vraagvoorspelling en bestelregels in de retail Een vergelijking tussen theorie en praktijk BWI werkstuk geschreven door: Marianne Horsch student nummer: 1202790 10 januari 2005 1 Inhoudsopgave 1 Probleem
Nadere informatieKansrekening en Statistiek
Kansrekening en Statistiek College 14 Donderdag 28 Oktober 1 / 37 2 Statistiek Indeling: Hypothese toetsen Schatten 2 / 37 Vragen 61 Amerikanen werd gevraagd hoeveel % van de tijd zij liegen. Het gevonden
Nadere informatieHertentamen Biostatistiek 3 / Biomedische wiskunde
Hertentamen Biostatistiek 3 / Biomedische wiskunde 2 juni 2014; 18:30-20:30 NB. Geef een duidelijke toelichting bij de antwoorden. Na correctie liggen de tentamens ter inzage bij het onderwijsbureau. Het
Nadere informatieDeze week: Verdelingsfuncties. Statistiek voor Informatica Hoofdstuk 5: Verdelingsfuncties. Bernoulli verdeling. Bernoulli verdeling.
Deze week: Verdelingsfuncties Statistiek voor Informatica Hoofdstuk 5: Verdelingsfuncties Cursusjaar 29 Peter de Waal Toepassingen Kansmassafuncties / kansdichtheidsfuncties Eigenschappen Departement Informatica
Nadere informatieSamenvatting (in Dutch)
Samenvatting (in Dutch) Geordende latente klassen modellen voor nonparametrische itemresponstheorie Een geordend latente klassen model kan als een nonparametrisch itemresponstheorie model beschouwd worden.
Nadere informatieVU University Amsterdam 2018, Maart 27
Department of Mathematics Exam: Voortgezette biostatistiek VU University Amsterdam 2018, Maart 27 c Dept. of Mathematics, VU University Amsterdam NB. Geef een duidelijke toelichting bij de antwoorden.
Nadere informatieTentamen Statistische Thermodynamica MST 19/6/2014
Tentamen Statistische Thermodynamica MST 19/6/214 Vraag 1. Soortelijke warmte ( heat capacity or specific heat ) De soortelijke warmte geeft het vermogen weer van een systeem om warmte op te nemen. Dit
Nadere informatieKoninklijk Actuarieel Genootschap AG2016
Koninklijk Actuarieel Genootschap P R O G N O S E - T A F E L AG2016 PROGNOSETAFEL AG2016 13 september 2016 1 Prognosetafel AG2016 2 1 VOORWOORD De levensverwachting in Nederland is de laatste 50 jaar
Nadere informatieKoninklijk Actuarieel Genootschap AG2016
Koninklijk Actuarieel Genootschap P R O G N O S E - T A F E L AG2016 PROGNOSETAFEL AG2016 13 september 2016 1 1 VOORWOORD De levensverwachting in Nederland is de laatste 50 jaar gestaag toegenomen. Deze
Nadere informatieOefenDeeltentamen 2 Kansrekening 2011/ Beschouw een continue stochast X met kansdichtheidsfunctie cx 4, 0 x 1 f X (x) = f(x) = 0, anders.
Universiteit Utrecht *=Universiteit-Utrecht Boedapestlaan 6 Mathematisch Instituut 3584 CD Utrecht OefenDeeltentamen Kansrekening 11/1 1. Beschouw een continue stochast X met kansdichtheidsfunctie c 4,
Nadere informatieToetsen van hypothesen
Les 4 Toetsen van hypothesen We hebben tot nu toe enigszins algemeen naar grootheden van populaties gekeken en bediscussieerd hoe we deze grootheden uit steekproeven kunnen schatten. Vaak hebben we echter
Nadere informatieStochastiek 2. Inleiding in the Mathematische Statistiek. staff.fnwi.uva.nl/j.h.vanzanten
Stochastiek 2 Inleiding in the Mathematische Statistiek staff.fnwi.uva.nl/j.h.vanzanten 1 / 12 H.1 Introductie 2 / 12 Wat is statistiek? - 2 Statistiek is de kunst van het (wiskundig) modelleren van situaties
Nadere informatieHertentamen Voortgezette biostatistiek / Biomedische wiskunde
Hertentamen Voortgezette biostatistiek / Biomedische wiskunde 3 juni 5; 8:3-:3 NB. Geef een duidelijke toelichting bij de antwoorden. Na correctie liggen de tentamens ter inzage bij het onderwijsbureau.
Nadere informatieLang leven in België: een nieuwe prognose
LEUVENSE ECONOMISCHE STANDPUNTEN 2015/151 Katrien Antonio katrien.antonio@kuleuven.be Sander Devriendt sander.devriendt@kuleuven.be 30 juni 2015 Lang leven in België: een nieuwe prognose SAMENVATTING Het
Nadere informatieVrije Universiteit 28 mei Gebruik van een (niet-grafische) rekenmachine is toegestaan.
Afdeling Wiskunde Volledig tentamen Statistics Deeltentamen 2 Statistics Vrije Universiteit 28 mei 2015 Gebruik van een (niet-grafische) rekenmachine is toegestaan. Geheel tentamen: opgaven 1,2,3,4. Cijfer=
Nadere informatieData analyse Inleiding statistiek
Data analyse Inleiding statistiek Terugblik - Inductieve statistiek Afleiden van eigenschappen van een populatie op basis van een beperkt aantal metingen (steekproef) Kennis gemaakt met kans & kansverdelingen
Nadere informatieSchattingsmethodieken
1/38 Schattingsmethodieken VU Numeriek Programmeren 2.5 Charles Bos Vrije Universiteit Amsterdam c.s.bos@vu.nl, 1A40 6 mei 2013 2/38 Overzicht W4: NR en co W4: Conditionering optimum, scaling Basis-intro
Nadere informatieStochastiek 2. Inleiding in de Mathematische Statistiek 1 / 18
Stochastiek 2 Inleiding in de Mathematische Statistiek 1 / 18 t-toetsen 2 / 18 Steekproefgemiddelde en -variantie van normale observaties Stelling. Laat X 1,..., X n o.o. zijn en N(µ, σ 2 )-verdeeld. Dan:
Nadere informatieSamenvatting (Summary in Dutch)
Het voornaamste doel van dit proefschrift is nieuwe methoden te ontwikkelen en te valideren om de effectiviteit van customization te kunnen bepalen en hoe dataverzameling kan worden verbeterd. Om deze
Nadere informatieDH19 Bedrijfsstatistiek MC, 2e Bach Hir, Juni 2009
Naam:... Voornaam:... DH19 Bedrijfsstatistiek MC, 2e Bach Hir, Juni 2009 Slechts één van de vier alternatieven is juist. Kruis het bolletje aan vóór het juiste antwoord. Indien je een meerkeuzevraag verkeerd
Nadere informatieWe zullen de volgende modellen bekijken: Het M/M/ model 1/14
De analyse en resultaten van de voorgaande twee modellen (het M/M/1/K model en het M/M/1 model) kunnen uitgebreid worden naar modellen met meerdere bediendes. We zullen de volgende modellen bekijken: Het
Nadere informatieSamenvatting (Summary in Dutch)
Samenvatting (Summary in Dutch) Dit proefschrift behandelt een aantal onderwerpen uit de multivariate analyse, waarbij het begrip multivariate analyse ruim moet worden geïnterpreteerd. Naast onderwerpen
Nadere informatieDe validiteit van het door het Actuarieel Genootschap ontwikkelde prognosemodel voor overlevingskansen
De validiteit van het door het Actuarieel Genootschap ontwikkelde prognosemodel voor overlevingskansen Rapport van de commissie van deskundigen 1. Inleiding De overlevingskansen binnen een populatie zijn
Nadere informatieTentamen Statistische methoden MST-STM 8 april 2010, 9:00 12:00
Tentamen Statistische methoden MST-STM 8 april 2, 9: 2: Bij dit examen is het gebruik van een (evt. grafische) rekenmachine toegestaan. Tevens krijgt u een formuleblad uitgereikt na afloop inleveren alstublieft.
Nadere informatieMeetkunde en Lineaire Algebra
Hoofdstuk 1 Meetkunde en Lineaire Algebra Vraag 1.1 Zij p en q twee veeltermfuncties met reële coëfficiënten en A een reële vierkante matrix. Dan is p(a) diagonaliseerbaar over R als en slechts dan als
Nadere informatieKansrekening en statistiek WI2211TI / WI2105IN deel 2 2 februari 2012, uur
Kansrekening en statistiek WI22TI / WI25IN deel 2 2 februari 22, 4. 6. uur VOOR WI22TI: Bij dit examen is het gebruik van een (evt. grafische) rekenmachine toegestaan. Een formuleblad is niet toegestaan.
Nadere informatieTentamen Kansrekening en Statistiek MST 14 januari 2016, uur
Tentamen Kansrekening en Statistiek MST 14 januari 2016, 14.00 17.00 uur Het tentamen bestaat uit 15 meerkeuzevragen 2 open vragen. Een formuleblad wordt uitgedeeld. Normering: 0.4 punt per MC antwoord
Nadere informatie9. Lineaire Regressie en Correlatie
9. Lineaire Regressie en Correlatie Lineaire verbanden In dit hoofdstuk worden methoden gepresenteerd waarmee je kwantitatieve respons variabelen (afhankelijk) en verklarende variabelen (onafhankelijk)
Nadere informatieStatistiek voor A.I. College 12. Dinsdag 23 Oktober
Statistiek voor A.I. College 12 Dinsdag 23 Oktober 1 / 20 2 Deductieve statistiek Orthodoxe statistiek 2 / 20 3 / 20 Jullie - onderzoek Wivine Tijd waarop je opstaat (uu:mm wordt weergeven als uumm). Histogram
Nadere informatieFaculteit Economie en Bedrijfskunde studiejaar
Faculteit Economie en Bedrijfskunde studiejaar 03-04 VOORBLAD Op deze eerste pagina vindt u belangrijke informatie met betrekking tot dit tentamen. Lees de hierna volgende informatie aandachtig door voordat
Nadere informatieHet gebruik van een grafische rekenmachine is toegestaan tijdens dit tentamen, alsmede één A4-tje met aantekeningen.
Het gebruik van een grafische rekenmachine is toegestaan tijdens dit tentamen, alsmede één A4-tje met aantekeningen. 1. (a) In de appendix van deze vraag, is een dataset gegeven met de corresponderende
Nadere informatieEen gegeneraliseerde aanpak voor automatische foutlocalisatie. Sander Scholtus
Een gegeneraliseerde aanpak voor automatische foutlocalisatie Sander Scholtus (s.scholtus@cbs.nl) Automatische controle en correctie Doel: geautomatiseerd verbeteren fouten in microdata Twee stappen: detecteren
Nadere informatieKansrekening en Statistiek
Kansrekening en Statistiek College 8 Donderdag 13 Oktober 1 / 23 2 Statistiek Vandaag: Stochast en populatie Experimenten herhalen Wet van de Grote Getallen Centrale Limietstelling 2 / 23 Stochast en populatie
Nadere informatieHoofdstuk 6 Discrete distributies
Hoofdstuk 6 Discrete distributies Marnix Van Daele MarnixVanDaele@UGentbe Vakgroep Toegepaste Wiskunde en Informatica Universiteit Gent Discrete distributies p 1/33 Discrete distributies binomiale verdeling
Nadere informatieNieuwe inzichten voor ALM analyse naar aanleiding van de krediet crisis
Nieuwe inzichten voor ALM analyse naar aanleiding van de krediet crisis Peter Vlaar Hoofd ALM modellering APG VBA ALM congres 5 november 2009 Agenda Karakteristieken van de kredietcrisis? Hoe kunnen we
Nadere informatieTentamen Biostatistiek 3 / Biomedische wiskunde
Tentamen Biostatistiek 3 / Biomedische wiskunde 25 maart 2014; 12:00-14:00 NB. Geef een duidelijke toelichting bij de antwoorden. Na correctie liggen de tentamens ter inzage bij het onderwijsbureau. Het
Nadere informatieWiskunde B - Tentamen 2
Wiskunde B - Tentamen Tentamen van Wiskunde B voor CiT (57) Donderdag 4 april 005 van 900 tot 00 uur Dit tentamen bestaat uit 8 opgaven, 3 tabellen en formulebladen Vermeld ook je studentnummer op je werk
Nadere informatie+ ( 1 4 )2 σ 2 X σ2. 36 σ2 terwijl V ar[x] = 11. Aangezien V ar[x] het kleinst is, is dit rekenkundig gemiddelde de meest efficiënte schatter.
STATISTIEK OPLOSSINGEN OEFENZITTINGEN 5 en 6 c D. Keppens 2004 5 1 (a) Zij µ de verwachtingswaarde van X. We moeten aantonen dat E[M i ] = µ voor i = 1, 2, 3 om te kunnen spreken van zuivere schatters.
Nadere informatieToegepaste Statistiek, Dag 7 1
Toegepaste Statistiek, Dag 7 1 Statistiek: Afkomstig uit het Duits: De studie van politieke feiten en cijfers. Afgeleid uit het latijn: status, staat, toestand Belangrijkste associatie: beschrijvende statistiek
Nadere informatieVoorbeeldtentamen Statistiek voor Psychologie
Voorbeeldtentamen Statistiek voor Psychologie 1) Vul de volgende uitspraak aan, zodat er een juiste bewering ontstaat: De verdeling van een variabele geeft een opsomming van de categorieën en geeft daarbij
Nadere informatieHertentamen Voortgezette biostatistiek / Biomedische wiskunde
Hertentamen Voortgezette biostatistiek / Biomedische wiskunde 1 juni 2016; 18:30-20:30 NB. Geef een duidelijke toelichting bij de antwoorden. Na correctie liggen de tentamens ter inzage bij het onderwijsbureau.
Nadere informatieTabellen en Eenheden
Naslagwerk deel 1 Tabellen en Eenheden Uitgave 2016-2 Auteur HC hugoclaeys@icloud.com Inhoudsopgave 1 Tabellen 2 1.1 Griekse letters.................................... 2 1.2 Machten, voorvoegsels en hun
Nadere informatie1 WAAM - Differentiaalvergelijkingen
1 WAAM - Differentiaalvergelijkingen 1.1 Algemene begrippen Een (gewone) differentiaalvergelijking heeft naast de onafhankelijke veranderlijke (bijvoorbeeld genoteerd als x), eveneens een onbekende functie
Nadere informatieMonte Carlo Markov Chains voor Bayesiaanse statistiek
Bachelorscriptie Monte Carlo Markov Chains voor Bayesiaanse statistiek Jochem Braakman, 19 juli 1 Begeleiding: dr. B.J.K. Kleijn µ 1.9.8.7.6.5.4.3..1 1 3 4 5 6 7 8 9 1 λ KdV Instituut voor wiskunde Faculteit
Nadere informatieKansrekening en Statistiek
Kansrekening en Statistiek College 15 Dinsdag 2 November 1 / 16 2 Statistiek Indeling: Filosofie Schatten Centraal Bureau voor Statistiek 2 / 16 Schatten Vb. Het aantal tenen plus vingers in jullie huishoudens:
Nadere informatie4051CALC1Y Calculus 1
4051CALC1Y Calculus 1 College 21 20 oktober 2014 1 Programma Vanmiddag Populatiemodellen (8.5) 2 Natuurlijke groei Definitie De oplossing voor de differentiaal vergelijking wordt gegeven door dt = kp,
Nadere informatieStochastische Modellen in Operations Management (153088)
Stochastische Modellen in Operations Management (53088) S S Ack X ms X ms S0 40 ms R R R3 L L 0 ms 0 ms D0 Internet D D Richard Boucherie Stochastische Operations Research TW, Ravelijn H 9 http://wwwhome.math.utwente.nl/~boucherierj/onderwijs/53088/53088.html
Nadere informatieVoorbeelden van gebruik van 5 VUSTAT-apps
Voorbeelden van gebruik van 5 VUSTAT-apps Piet van Blokland Begrijpen van statistiek door simulaties en visualisaties Hoe kun je deze apps gebruiken bij het statistiek onderwijs? De apps van VUSTAT zijn
Nadere informatieKansrekening en Statistiek
Kansrekening en Statistiek College 16 Donderdag 4 November 1 / 25 2 Statistiek Indeling: Schatten Correlatie 2 / 25 Schatten 3 / 25 Schatters: maximum likelihood schatters Def. Zij Ω de verzameling van
Nadere informatiePrestatie-analyse van zone-picking systemen
Prestatie-analyse van zone-picking systemen Ivo Adan, Jelmer van der Gaast, René de Koster, Jacques Resing Donderdag 11 oktober Zone-picking systemen 2/38 Populair order-picking systeem Magazijn verdeeld
Nadere informatieA network approach to interrelated insurance risk. Ted van der Aalst
A network approach to interrelated insurance risk Ted van der Aalst Kunnen we netwerken gebruiken om cyberverzekeringen te modelleren? Ted van der Aalst Cyberrisico - Problemen Onderlinge afhankelijkheid
Nadere informatieVragen die je wilt beantwoorden zijn:
Net als bij een discrete-tijd Markov keten is men bij de bestudering van een continue-tijd Markov keten zowel geïnteresseerd in het korte-termijn gedrag als in het lange-termijn gedrag. Vragen die je wilt
Nadere informatieTentamen Simulaties van biochemische systemen - 8C110 3 juli uur
Tentamen Simulaties van biochemische systemen - 8C0 3 juli 0-4.00-7.00 uur Vier algemene opmerkingen: Het tentamen bestaat uit 6 opgaven verdeeld over 3 pagina s. Op pagina 3 staat voor iedere opgave het
Nadere informatieOmdat we de werkelijkheid altijd moeten vereenvoudigen ('stileren') hebben we te maken met het modelbegrip.
Vooraf: waar gaat het vak statistiek eigenlijk over, wat houdt het in, wat voor soort kennis over de werkelijkheid levert het op? (Dat laatste wordt ook wel aangeduid als de epistemologische basis van
Nadere informatieExamen Statistische Modellen en Data-analyse. Derde Bachelor Wiskunde. 14 januari 2008
Examen Statistische Modellen en Data-analyse Derde Bachelor Wiskunde 14 januari 2008 Vraag 1 1. Stel dat ɛ N 3 (0, σ 2 I 3 ) en dat Y 0 N(0, σ 2 0) onafhankelijk is van ɛ = (ɛ 1, ɛ 2, ɛ 3 ). Definieer
Nadere informatie4.2 Mean Square Error
4 Schatters 4.1 Introductie Een statistisch model bestaat uit alle kansverdelingen welke a priori mogelijk worden geacht voor de gegeven data. Gegeven een correct opgesteld model gaan we ervan uit dat
Nadere informatieWAARSCHIJNLIJKHEID (EN) MODELLEREN
WAARSCHIJNLIJKHEID (EN) MODELLEREN Gert de Cooman Universiteit Gent, SYSTeMS gert.decooman@ugent.be http://users.ugent.be/ gdcooma gertekoo.wordpress.com TechBoost 18 april 2013 Probabilistische Systeemtheorie
Nadere informatieStatistiek voor A.I. College 14. Dinsdag 30 Oktober
Statistiek voor A.I. College 14 Dinsdag 30 Oktober 1 / 16 2 Deductieve statistiek Orthodoxe statistiek 2 / 16 Grootte steekproef Voorbeeld NU.nl 26 Oktober 2012: Helft broodjes döner kebab vol bacteriën.
Nadere informatieOriëntatie Econometrie Tijdreeksmodellen en Voorspellen. Marius Ooms. 23 April 2002, Amsterdam
Oriëntatie Econometrie Tijdreeksmodellen en Voorspellen Marius Ooms 23 April 2002, Amsterdam Carlson and Thorne (1997) Multiple Regression Key Ideas: 15.1, 15.2, 15.10, 15.14, 15.17, 15.19, 15.20 Ch. 16.1-16.4:
Nadere informatieintroductie populatie- steekproef- steekproevenverdeling pauze parameters aannames ten slotte
toetsende statistiek week 1: kansen en random variabelen week 2: de steekproevenverdeling Moore, McCabe, and Craig. Introduction to the Practice of Statistics Chapter 5: Sampling Distributions 5.1: The
Nadere informatieKoninklijk Actuarieel Genootschap AG2018
Koninklijk Actuarieel Genootschap P R O G N O S E - T A F E L AG2018 PROGNOSETAFEL AG2018 12 september 2018 1 colofon Uitgave Koninklijk Actuarieel Genootschap, Groenewoudsedijk 80, 3528 BK Utrecht telefoon:
Nadere informatieData analyse Inleiding statistiek
Data analyse Inleiding statistiek 1 Terugblik - Inductieve statistiek Afleiden van eigenschappen van een populatie op basis van een beperkt aantal metingen (steekproef) Kennis gemaakt met kans & kansverdelingen»
Nadere informatieModellen en Simulatie Differentiaalvergelijkingen. Modellen en Simulatie. sleij101/ Program.
Utrecht, 29 mei 2013 Utrecht, 29 mei 2013 Modellen en Simulatie Modellen en Simulatie Differentiaalvergelijkingen Gerard Sleijpen Department of Mathematics http://www.staff.science.uu.nl/ sleij101/ Gerard
Nadere informatie