Project Management (H H 22 op CD-ROM)

Maat: px
Weergave met pagina beginnen:

Download "Project Management (H 9.8 + H 22 op CD-ROM)"

Transcriptie

1 Project Management (H H 22 op CD-ROM) CPM (Critical Path Method) Activiteiten met afhankelijkheden en vaste duur zijn gegeven. CPM bepaalt de minimale doorlooptijd van het project. PERT (Program Evaluation and Review Technique) Houdt rekening met onzekerheden in duur. Met PERT kunnen bv. kansen op tijdoverschrijding worden berekend. Beide methoden zijn van eind Representatie van een project als netwerk kan als Activity On Arc (AOA) netwerk Een activiteit correspondeert met een tak. Activity On Node (AON) netwerk Een activiteit correspondeert met een knoop. AON AOA Beide netwerken modelleren de afhankelijkheden: B na A, D na B, C na B, E na C en D, F na A, G na C en F, H na E en G. Een projectnetwerk is op beide manieren te representeren. Eventueel zijn dummy takken (gestippeld) nodig om de juiste afhankelijkheden te krijgen.

2 Voorbeeld: Reliable Construction Co. (8.9) Bouwproject als AON netwerk

3 CPM methode Forward sweep: Bepaal de Earliest Start Times (ES) en Earliest Finish Times (EF) van Start naar Finish Backward sweep: Bepaal Latest Start Times (LS) en Latest Finish Times (LF) van Finish naar Start

4

5 Resultaat van het CPM algoritme: Activiteiten met ES = LS liggen op het kritieke pad. Zo n pad bepaalt de minimale tijdsduur van een project. Activiteiten op het kritieke pad moeten op een vast tijdstip beginnen en als zo n activiteit uitloopt, loopt het project uit. Kritieke pad is in dit voorbeeld: ABCEFJLN Alle paden door het project moeten toelaatbaar zijn, dus ook het langste. Een kritiek pad is dus automatisch een langste pad in het netwerk van Start naar Finish. Er kunnen meer kritieke paden zijn.

6 Crashen van projecten Alle mogelijke paden door het project Het verkorten van een taak met kosten

7 Verkorten van 44 naar 40 weken kan door per week de goedkoopste taak in het kritieke pad te crashen: Dit levert: Activiteit J en F beide met 2 weken verkorten. Kosten zijn dan $ Als je nóg een week wil verkorten moet je drie kritieke paden verkorten: ABCDGHM, ABCEFJLN en ABCIJLN. Dit kan door één taak te verkorten: B is dan het goedkoopst, kosten $ Als crashen van B en C $ zou kosten, dan kun je B of C verkorten ($ ), maar beter L en (D of G) ($ $40.000). Het hoeft dus niet optimaal te zijn om telkens één activiteit te crashen

8 Project na crashen van 2 weken J en 2 weken F, nu met 3 kritieke paden.

9 Crashen met lineair programmeren x j is de reductie in tijd van activiteit j. y j is de starttijd van activiteit j. F is de opvolger van E (F na E) De duur van E na reductie met x E is 4 x E. F komt na E: y F y E + (4 x E ) Maximale crashduur: x j x j, max Project moet binnen 40 weken: y finish 40 Niet-negativiteit: x j, y j 0 Minimaliseer de crashkosten: Min Z = 100x A + 50x B x B N Alle voorwaarden zijn lineair, dus dit is een LP model. De LP formulering levert als oplossing: x F = x J = 2, rest = 0, Z = $

10 Nadeel van de LP aanpak t.o.v. CPM is dat er één oplossing uit komt en het langste pad niet gevonden kan worden. Een kritiek pad kan worden gevonden m.b.v. het duale probleem. Voorbeeld: 5 activiteiten op de takken met benodigde tijd t 12, t 13, t 23, t 24, t 34 Tijdstippen waarop je in de knopen bent: x 1, x 2, x 3, x 4 Min x 4 x 1 z.d.d. x 2 x 1 t x 3 x 2 t x 3 x 1 t x 4 x 2 t x 4 x 3 t en x j 0 Duale probleem (schaduwprijzen x 12, x 23, x 13, x 24, x 34 ): Max t 12 x 12 + t 23 x 23 + t 13 x 13 + t 24 x 24 + t 34 x 34 z.d.d. x 12 x x 12 x 23 x x 23 + x 13 x x 24 + x en x ij 0 Tel alle ongelijkheden op: 0 0. Dit betekent dat alle ongelijkheden gelijkheden moeten zijn:

11 Max t 12 x 12 + t 23 x 23 + t 13 x 13 + t 24 x 24 + t 34 x 34 z.d.d. x 12 x 13 = 1 x 12 x 23 x 34 = 0 x 23 + x 13 x 34 = 0 x 23 +x 13 x 34 = 0 x 24 + x 34 = 1 en x ij 0 Dit is een netwerkstromingsprobleem in het bovenstaande netwerk, waarbij x ij over tak i j stroomt, 1 eenheid in knoop 1 in gaat en bij knoop 4 eruit komt. Vanwege de geheeltalligheidseigenschap (coëfficiëntmatrix is unimodulair) is er een binaire optimale oplossing, dat is een pad van 1 naar 4. Gemaximaliseerd wordt de totale tijdsduur langs dit pad. De optimale oplossing is dus een langste pad. De schaduwprijzen x ij geven aan of tak i j in dit langste pad zit (1) of niet (0). Je vindt zo één mogelijk kritiek pad. Voordeel van de LP aanpak is dat het altijd werkt en je niet hoeft na te denken over hoe je moet crashen, en dat je niet telkens alle langste paden hoeft te bepalen.

12 CPM Methode met Excel Solver

13 PERT Tijdsduren worden geschat met drie parameters: o = optimistische (minimale) schatting voor tijdsduur m = meest waarschijnlijke tijdsduur p = pessimistische schatting Er wordt uitgegaan van een Betaverdeling: Verwachtingswaarde: Variantie: μ = σ 2 o + 4m + p 6 = p o 6 2 De verwachte tijdsduur is een gewogen gemiddelde van m, o en p, waarin de meest waarschijnlijke waarde m (top van de verdeling) het zwaarst telt.

14 Met de meest pessimistische schatting duurt het project 69 weken, i.p.v. 44.

15 Aangenomen dat de activiteiten op het kritieke pad onafhankelijk zijn kun je de variantie van de doorlooptijd berekenen als som van de varianties van de onderdelen. Met de aanname dat de projectduur normaal verdeeld is (wet van de grote aantallen) kun je de kans schatten dat het project binnen de deadline van 47 weken blijft: De afwijking is 1 standaarddeviatie. De kans om hoogstens één standaarddeviatie boven het gemiddelde te zitten is: P(T d) = P(standaard normaal μ + 1 σ) = = 1 P(standaard normaal > μ + 1 σ) = = 1 0,1587 = 0,8413

16 Bandbreedte in de kosten tijdens het doorlopen van het project als gevolg van taken die kunnen schuiven

Les E-03 Kritieke pad problemen in projecten

Les E-03 Kritieke pad problemen in projecten Les E-03 Kritieke pad problemen in projecten 3.1 Projecten beheersen Projecten bestaan vaak uit meerdere deelactiviteiten. Deze activiteiten beslaan een bepaalde tijd. Daarnaast kunnen sommige activiteiten

Nadere informatie

Tentamen Optimalisering (IN2520) Datum: 5 november 2004, Docent: Dr. J.B.M. Melissen

Tentamen Optimalisering (IN2520) Datum: 5 november 2004, Docent: Dr. J.B.M. Melissen Tentamen Optimalisering (IN2520) Datum: 5 november 2004, 14.00 17.00. Docent: Dr. J.B.M. Melissen Veel succes! 1 Deze opgave bestaat uit 15 tweekeuzevragen. Per goed antwoord krijg je 2 punten. a. Dynamisch

Nadere informatie

1 In deze opgave wordt vijftien maal telkens drie beweringen gedaan waarvan er één juist is. Kruis de juiste bewering aan. (2pt. per juist antwoord).

1 In deze opgave wordt vijftien maal telkens drie beweringen gedaan waarvan er één juist is. Kruis de juiste bewering aan. (2pt. per juist antwoord). Tentamen Optimalisering (IN2805-I) Datum: 3 april 2008, 14.00 17.00. Docent: Dr. J.B.M. Melissen Naam: Studienummer: 1 In deze opgave wordt vijftien maal telkens drie beweringen gedaan waarvan er één juist

Nadere informatie

1. Een kortste pad probleem in een netwerk kan worden gemodelleerd als a. een LP probleem. b. een IP probleem. c. een BIP probleem. d.

1. Een kortste pad probleem in een netwerk kan worden gemodelleerd als a. een LP probleem. b. een IP probleem. c. een BIP probleem. d. 1. Een kortste pad probleem in een netwerk kan worden gemodelleerd als a. een LP probleem. b. een IP probleem. c. een BIP probleem. d. een toewijzingsprobleem. 2. Het aantal toegelaten hoekpunten in een

Nadere informatie

Netwerkdiagram voor een project. AON: Activities On Nodes - activiteiten op knooppunten

Netwerkdiagram voor een project. AON: Activities On Nodes - activiteiten op knooppunten Netwerkdiagram voor een project. AON: Activities On Nodes - activiteiten op knooppunten Opmerking vooraf. Een netwerk is een structuur die is opgebouwd met pijlen en knooppunten. Bij het opstellen van

Nadere informatie

Netwerkdiagram voor een project. AOA: Activities On Arrows - activiteiten op de pijlen.

Netwerkdiagram voor een project. AOA: Activities On Arrows - activiteiten op de pijlen. Netwerkdiagram voor een project. AOA: Activities On Arrows - activiteiten op de pijlen. Opmerking vooraf. Een netwerk is een structuur die is opgebouwd met pijlen en knooppunten. Bij het opstellen van

Nadere informatie

Sommige praktische IP problemen kunnen worden geformuleerd als optimalisering op een netwerk.

Sommige praktische IP problemen kunnen worden geformuleerd als optimalisering op een netwerk. Netwerkanalyse (H3) Sommige praktische IP problemen kunnen worden geformuleerd als optimalisering op een netwerk. Deze problemen kunnen vaak als continu LP probleem worden opgelost. Door de speciale structuur

Nadere informatie

Tie breaking in de simplex methode

Tie breaking in de simplex methode Tie breaking in de simplex methode Tijdens de Simplexmethode kan op een aantal momenten onduidelijk zijn wat je moet doen: 1. Variabele die de basis in gaat: Zoek de grootste coëfficiënt in de doelfunctie.

Nadere informatie

Supplement Besliskunde 2017/2018. Inhoudsopgave. Hoofdstuk 1: Missende stof in de verslagen Hoofdstuk 2: Overbodige stof in de verslagen...

Supplement Besliskunde 2017/2018. Inhoudsopgave. Hoofdstuk 1: Missende stof in de verslagen Hoofdstuk 2: Overbodige stof in de verslagen... Inhoudsopgave Hoofdstuk 1: Missende stof in de verslagen... 2 Hoofdstuk 2: Overbodige stof in de verslagen... 5 Hoofdstuk 3: Fouten in de verslagen... 6 Tentamen halen? www.rekenmaarverslagen.nl 1 Hoofdstuk

Nadere informatie

Uitwerkingen oefenopdrachten or

Uitwerkingen oefenopdrachten or Uitwerkingen oefenopdrachten or Marc Bremer August 10, 2009 Uitwerkingen bijeenkomst 1 Contact Dit document is samengesteld door onderwijsbureau Bijles en Training. Wij zijn DE expert op het gebied van

Nadere informatie

Met welke bestelgrootte maximaliseert Huib zijn verwachte winst?

Met welke bestelgrootte maximaliseert Huib zijn verwachte winst? ontact Dit document is samengesteld door onderwijsbureau Bijles en Training. Wij zijn DE expert op het gebied van bijlessen en trainingen in de exacte vakken, van VMBO tot universiteit. Zowel voor individuele

Nadere informatie

Operationeel Onderzoek Opgave 5: oplossing

Operationeel Onderzoek Opgave 5: oplossing Oefening 1- Operationeel Onderzoek Opgave 5: oplossing a. Een correcte voorstelling van het maximum-flow netwerk is hieronder weergegeven. De redenering is als volgt. We beschikken over 32 maanden arbeid

Nadere informatie

Hoofdstuk 13: Integer Lineair Programmeren

Hoofdstuk 13: Integer Lineair Programmeren Hoofdstuk 13: Integer Lineair Programmeren Vandaag: Wat is Integer Lineair Programmeren (ILP)? Relatie tussen ILP en LP Voorbeeld 1: Minimum Spanning Tree (MST) Voorbeeld 2: Travelling Salesman Problem

Nadere informatie

BOUWschriftje. Onderwerp: Netwerkplanning Rekenmethode van Precedence. Publicatiedatum: 10 juni 2013

BOUWschriftje. Onderwerp: Netwerkplanning Rekenmethode van Precedence. Publicatiedatum: 10 juni 2013 OUWschriftje Onderwerp: Netwerkplanning Inhoud: Rekenmethode van Precedence Omvang: pag. Publicatiedatum: 1 juni 1 uteur: Goost Info: Voor het aansturen van bouwwerken worden veelal staafschema s (Gantt)

Nadere informatie

Extra Opgaven. 3. Van 10 personen meten we 100 keer de hartslag na het sporten. De gemiddelde hartslag van

Extra Opgaven. 3. Van 10 personen meten we 100 keer de hartslag na het sporten. De gemiddelde hartslag van Extra Opgaven 1. Een persoon doet een HIV-test. Helaas is de uitslag positief. De test is echter niet perfect. De persoon vraagt zich af wat de kans is dat hij nu ook echt HIV heeft. Gegeven is: de kans

Nadere informatie

Modelleren C Appels. Christian Vleugels Sander Verkerk Richard Both. 2 april 2010. 1 Inleiding 2. 3 Data 3. 4 Aanpak 3

Modelleren C Appels. Christian Vleugels Sander Verkerk Richard Both. 2 april 2010. 1 Inleiding 2. 3 Data 3. 4 Aanpak 3 Modelleren C Appels Christian Vleugels Sander Verkerk Richard Both 2 april 2010 Inhoudsopgave 1 Inleiding 2 2 Probleembeschrijving 2 3 Data 3 4 Aanpak 3 5 Data-analyse 4 5.1 Data-analyse: per product.............................

Nadere informatie

We zullen in deze les kijken hoe we netwerken kunnen analyseren, om bijvoorbeeld de volgende vragen te kunnen beantwoorden:

We zullen in deze les kijken hoe we netwerken kunnen analyseren, om bijvoorbeeld de volgende vragen te kunnen beantwoorden: Wiskunde voor kunstmatige intelligentie, 24 Les 5 Proces analyse Veel processen laten zich door netwerken beschrijven, waarin een aantal knopen acties aangeeft en opdrachten langs verbindingen tussen de

Nadere informatie

Optimalisering WI 2608

Optimalisering WI 2608 Optimalisering WI 2608 Docent: Hans Melissen, EWI kamer 7.080 e-mail: j.b.m.melissen@ewi.tudelft.nl tel: 015-2782547 Studiemateriaal op : http://www.isa.ewi.tudelft.nl/~melissen (kijk bij onderwijs WI

Nadere informatie

Vraag 1... Vraag 2... Vraag 3...

Vraag 1... Vraag 2... Vraag 3... Nota: Schrijf je antwoorden kort en bondig in de daartoe voorziene velden. Elke theorie-vraag staat ofwel op 1.5 ofwel op 2 punten, en elke oefening op 10 punten. Het geheel staat op 60. Vraag 1...[.../3]

Nadere informatie

1 Vervangingsstrategie auto

1 Vervangingsstrategie auto Transport-, Routing- en Schedulingproblemen Wi4062TU / Wi487TU / a86g Uitwerkingen 28-03-2002 1 Vervangingsstrategie auto Onderdeel a Zij V = {0, 1, 2, 3, 4, 5, 6}, waarbij knoop i staat voor het einde

Nadere informatie

Ontwerpmethodologie LES 2

Ontwerpmethodologie LES 2 Ontwerpmethodologie LES 2 Steve Vanlanduit 20-2-2006 Herhaling titel van presentatie 1 Inhoud les 2 Inleiding projectmanagement Economische aspecten in het ontwerpproces: Kapitaalsinvestering beslissingen

Nadere informatie

TW2020 Optimalisering

TW2020 Optimalisering TW2020 Optimalisering Hoorcollege 9 Leo van Iersel Technische Universiteit Delft 11 november 2015 Leo van Iersel (TUD) TW2020 Optimalisering 11 november 2015 1 / 22 Mededelingen Huiswerk 2 nagekeken Terug

Nadere informatie

Geheeltallige programmering

Geheeltallige programmering Geheeltallige programmering In een LP probleem zijn alle variabelen reëel. In een geheeltallig probleem blijven doelfunctie en constraints lineair, maar zijn de variabelen geheeltallig. LP: IP: BIP: MIP:

Nadere informatie

Optimalisering en Complexiteit, College 1. Han Hoogeveen, Utrecht University

Optimalisering en Complexiteit, College 1. Han Hoogeveen, Utrecht University Optimalisering en Complexiteit, College 1 Han Hoogeveen, Utrecht University Gegevens Docent : Han Hoogeveen : j.a.hoogeveen@uu.nl Vak website : http://www.cs.uu.nl/docs/vakken/opt/ Student assistenten

Nadere informatie

TW2020 Optimalisering

TW2020 Optimalisering TW2020 Optimalisering Hoorcollege 5 Leo van Iersel Technische Universiteit Delft 12 oktober 2016 Leo van Iersel (TUD) TW2020 Optimalisering 12 oktober 2016 1 / 31 Dualiteit Dualiteit: Elk LP probleem heeft

Nadere informatie

Verandermanagement. Hoofdstuk 8 Implementatie

Verandermanagement. Hoofdstuk 8 Implementatie Verandermanagement Hoofdstuk 8 Implementatie Schema implementatie IST situatie Interne organisatie SOLL situatie Marketing Afnemers & Markten Strategie en vaststellen ondernemingsdoelstellingen Organisatiestructuur

Nadere informatie

Tie breaking in de simplex methode

Tie breaking in de simplex methode Tie breaking in de simplex methode Tijdens de Simplexmethode kan op een aantal momenten onduidelijk zijn wat je moet doen: 1. Variabele die de basis in gaat: Zoek de grootste coëfficiënt in de doelfunctie.

Nadere informatie

Projectmanagement onder onzekerheid

Projectmanagement onder onzekerheid Projectmanagement onder onzekerheid Risicomanagement & robuuste planningsstrategieën Damien Schatteman Research Center for Operations Management Katholieke Universiteit Leuven 1 Projectplanning onder onzekerheid

Nadere informatie

Overzicht. Inleiding. Toepassingen. Verwante problemen. Modellering. Exacte oplosmethode: B&B. Insertie heuristieken. Local Search

Overzicht. Inleiding. Toepassingen. Verwante problemen. Modellering. Exacte oplosmethode: B&B. Insertie heuristieken. Local Search Overzicht Inleiding Toepassingen Verwante problemen Modellering Exacte oplosmethode: B&B Insertie heuristieken Local Search Handelsreizigersprobleem 1 Cyclische permutatie van steden b 3 77 a 93 21 42

Nadere informatie

Stochastische Modellen in Operations Management (153088)

Stochastische Modellen in Operations Management (153088) R1 L1 R2 S0 Stochastische Modellen in Operations Management (153088) 240 ms 10 ms Ack Internet Richard Boucherie Stochastische Operations Research TW, Ravelijn H 219 http://wwwhome.math.utwente.nl/~boucherierj/onderwijs/153088/153088.html

Nadere informatie

TW2020 Optimalisering

TW2020 Optimalisering TW2020 Optimalisering Hoorcollege 9 Leo van Iersel Technische Universiteit Delft 16 november 2016 Leo van Iersel (TUD) TW2020 Optimalisering 16 november 2016 1 / 28 Vandaag Integer Linear Programming (ILP)

Nadere informatie

TW2020 Optimalisering

TW2020 Optimalisering TW2020 Optimalisering Hoorcollege 5 Leo van Iersel Technische Universiteit Delft 2 oktober 206 Leo van Iersel (TUD) TW2020 Optimalisering 2 oktober 206 / 3 Dualiteit Dualiteit: Elk LP probleem heeft een

Nadere informatie

INLEIDING. Definitie Stochastisch Proces:

INLEIDING. Definitie Stochastisch Proces: Definitie Stochastisch Proces: INLEIDING Verzameling van stochastische variabelen die het gedrag in de tijd beschrijven van een systeem dat onderhevig is aan toeval. Tijdparameter: discreet: {X n, n 0};

Nadere informatie

Critical path effect based delay analysis method for construction projects

Critical path effect based delay analysis method for construction projects Universiteit Gent Faculteit Economie en Bedrijfskunde Academiejaar 2013 2014 Critical path effect based delay analysis method for construction projects Masterproef voorgedragen tot het behalen van de graad

Nadere informatie

en-splitsingen: een aantal alternatieven worden parallel toegepast, of-splitsingen: van een aantal alternatieven wordt er één toegepast,

en-splitsingen: een aantal alternatieven worden parallel toegepast, of-splitsingen: van een aantal alternatieven wordt er één toegepast, Kansrekening voor Informatiekunde, 25 Les 8 Proces analyse Veel processen laten zich door netwerken beschrijven, waarin knopen acties aangeven en opdrachten langs verbindingen tussen de knopen verwerkt

Nadere informatie

Optimalisering en Complexiteit, College 1. Han Hoogeveen, Utrecht University

Optimalisering en Complexiteit, College 1. Han Hoogeveen, Utrecht University Optimalisering en Complexiteit, College 1 Han Hoogeveen, Utrecht University Gegevens Docent : Han Hoogeveen : j.a.hoogeveen@uu.nl Vak website : http://www.cs.uu.nl/docs/vakken/opt/ Student assistenten

Nadere informatie

Examenvragen Toegepast Operationeel Onderzoek (D0178a)

Examenvragen Toegepast Operationeel Onderzoek (D0178a) Examenvragen Toegepast Operationeel Onderzoek 2006-2007 (D0178a) Tijdstip: Vrijdag 24 augustus 2007 09.00-13.00 uur Het examen is open boek. Er zijn vier opgaven. Achter de opgaven zitten de bladzijden

Nadere informatie

l e x e voor alle e E

l e x e voor alle e E Geselecteerde uitwerkingen Werkcollege Introduceer beslissingsvariabelen x e met x e = als lijn e in de boom zit en anders x e = 0. De doelfunctie wordt: min e E l e x e Voor elke deelverzameling S V met

Nadere informatie

TU/e 2DD50: Wiskunde 2 (1)

TU/e 2DD50: Wiskunde 2 (1) TU/e 2DD50: Wiskunde 2 () Tussentoets 26 november, tijdens de instructies Zaal: paviljoen (study hub) Time: 90min Tentamenstof: colleges 4 (LP; Simplex; dualiteit; complementaire slackness) Oude tentamens:

Nadere informatie

Projectmanagement. Hoofdstuk 3 en 4 Het project van begin tot eind De planning. Roel Grit

Projectmanagement. Hoofdstuk 3 en 4 Het project van begin tot eind De planning. Roel Grit Projectmanagement Hoofdstuk 3 en 4 Het project van begin tot eind De planning Roel Grit Hoofdstuk 3 Van begin tot eind 1. Project organiseren en uitvoeren 2. Projectvoorstel 3. Intakegesprek met de opdrachtgever

Nadere informatie

Discrete Wiskunde, College 12. Han Hoogeveen, Utrecht University

Discrete Wiskunde, College 12. Han Hoogeveen, Utrecht University Discrete Wiskunde, College 12 Han Hoogeveen, Utrecht University Dynamische programmering Het basisidee is dat je het probleem stap voor stap oplost Het probleem moet voldoen aan het optimaliteitsprincipe

Nadere informatie

Toegepaste Wiskunde 2: Het Kalman-filter

Toegepaste Wiskunde 2: Het Kalman-filter Toegepaste Wiskunde 2: Het Kalman-filter 25 februari, 2008 Hans Maassen 1. Inleiding Het Kalman filter schat de toestand van een systeem op basis van een reeks, door ruis verstoorde waarnemingen. Een meer

Nadere informatie

Hoofdstuk 6 Twee populaties: parametrische toetsen

Hoofdstuk 6 Twee populaties: parametrische toetsen Hoofdstuk 6 Twee populaties: parametrische toetsen 6.1 De t-toets voor het verschil tussen twee gemiddelden: In veel onderzoekssituaties zijn we vooral in de verschillen tussen twee populaties geïnteresseerd.

Nadere informatie

Eindexamen wiskunde A1-2 vwo 2006-II

Eindexamen wiskunde A1-2 vwo 2006-II Eindexamen wiskunde A- vwo 006-II 4 Beoordelingsmodel Zeep aangeven hoe de kans P(X < 90 = 93, =,4) met de GR kan worden berekend Deze kans is (ongeveer) 0,06 3 De gevraagde kans is 006, het antwoord (ongeveer)

Nadere informatie

Transport-, Routing- en Schedulingproblemen. Wi4062TU / Wi487TU / a86g. Uitwerkingen

Transport-, Routing- en Schedulingproblemen. Wi4062TU / Wi487TU / a86g. Uitwerkingen Transport-, Routing- en Schedulingproblemen Wi4062TU / Wi487TU / a86g Uitwerkingen 28-03-2003 1 Docenten Onderdeel a Er zijn 6 vakken V 1, V 2,..., V 6. Vak V j heeft een vraag b j = 1, voor j = 1, 2,...,

Nadere informatie

Overzicht. Inleiding. Modellering. Duaal probleem. αβ-algoritme. Maximale stroom probleem. Voorbeeld. Transportprobleem 1

Overzicht. Inleiding. Modellering. Duaal probleem. αβ-algoritme. Maximale stroom probleem. Voorbeeld. Transportprobleem 1 Overzicht Inleiding Modellering Duaal probleem αβ-algoritme Maximale stroom probleem Voorbeeld Transportprobleem 1 Inleiding W 1 b 1 a 1 D 1 W 2 b 2 a 2 D 2 a m Dm W n b n depots warenhuizen c ij zijn

Nadere informatie

Weken Kans

Weken Kans Contact Dit document is samengesteld door onderwijsbureau Bijles en Training. Wij zijn DE expert op het gebied van bijlessen en trainingen in de exacte vakken, van VMBO tot universiteit. Zowel voor individuele

Nadere informatie

Lineaire functies? x 3x. (x 1, x 2 ) 5x 1 7x 2. x 6x 17. x ax. (a, x) ax??? 3x log x 2. substitueer x 1 = y 1, x 2 = exp(y 2 ) levert

Lineaire functies? x 3x. (x 1, x 2 ) 5x 1 7x 2. x 6x 17. x ax. (a, x) ax??? 3x log x 2. substitueer x 1 = y 1, x 2 = exp(y 2 ) levert Lineaire functies? x 3x (x 1, x 2 ) 5x 1 7x 2 x 6x 17 x ax (a, x) ax??? 3x 1 2 + 5log x 2 substitueer x 1 = y 1, x 2 = exp(y 2 ) levert 3y 1 + 5y 2 na substitutie lineair. Niet-lineaire functies kunnen

Nadere informatie

0.97 0.03 0 0 0.008 0.982 0.01 0 0.02 0 0.975 0.005 0.01 0 0 0.99

0.97 0.03 0 0 0.008 0.982 0.01 0 0.02 0 0.975 0.005 0.01 0 0 0.99 COHORTE MODELLEN Markov ketens worden vaak gebruikt bij de bestudering van een groep van personen of objecten. We spreken dan meestal over Cohorte modellen. Een voorbeeld van zo n situatie is het personeelsplanning

Nadere informatie

Modeluitwerking Tentamen Computationele Intelligentie Universiteit Leiden Informatica Vrijdag 11 Januari 2013

Modeluitwerking Tentamen Computationele Intelligentie Universiteit Leiden Informatica Vrijdag 11 Januari 2013 Modeluitwerking Tentamen Computationele Intelligentie Universiteit Leiden Informatica Vrijdag Januari 20 Opgave. Python Gegeven is de volgende (slechte) Python code:. def t(x): 2. def p(y):. return x*y

Nadere informatie

TECHNISCHE UNIVERSITEIT EINDHOVEN Faculteit Wiskunde en Informatica. Tentamen Statistiek (2DD14) op vrijdag 17 maart 2006, 9.00-12.00 uur.

TECHNISCHE UNIVERSITEIT EINDHOVEN Faculteit Wiskunde en Informatica. Tentamen Statistiek (2DD14) op vrijdag 17 maart 2006, 9.00-12.00 uur. TECHNISCHE UNIVERSITEIT EINDHOVEN Faculteit Wiskunde en Informatica Tentamen Statistiek DD14) op vrijdag 17 maart 006, 9.00-1.00 uur. UITWERKINGEN 1. Methoden om schatters te vinden a) De aannemelijkheidsfunctie

Nadere informatie

1. Het aantal optimale oplossingen van een LP probleem is 0, 1, of oneindig. 2. De vereniging van twee konvexe verzamelingen is niet convex. 3.

1. Het aantal optimale oplossingen van een LP probleem is 0, 1, of oneindig. 2. De vereniging van twee konvexe verzamelingen is niet convex. 3. 1. Het aantal optimale oplossingen van een LP probleem is 0, 1, of oneindig. 2. De vereniging van twee konvexe verzamelingen is niet convex. 3. Een LP probleem heeft n>2 variabelen en n+2 constraints.

Nadere informatie

Parkeervraag 'project Duinhoek

Parkeervraag 'project Duinhoek Exploitatiemaatschappij De Quack BV Parkeervraag 'project Duinhoek Datum 25 augustus 2008 Kenmerk EDQ002/Khr/0007 Eerste versie 20 augustus 2008 1 Inleiding Exploitatiemaatschappij De Quack BV, eigenaar

Nadere informatie

Optimalisering WI 2608

Optimalisering WI 2608 Optimalisering WI 2608 Docent: Hans Melissen, EWI kamer 4.150 e-mail: j.b.m.melissen@tudelft.nl tel: 015-2782547 Het project is een verplicht onderdeel van het vak Het project start in week 5. Nadere informatie

Nadere informatie

Hoofdstuk 3 Statistiek: het toetsen

Hoofdstuk 3 Statistiek: het toetsen Hoofdstuk 3 Statistiek: het toetsen 3.1 Schatten: Er moet een verbinding worden gelegd tussen de steekproefgrootheden en populatieparameters, willen we op basis van de een iets kunnen zeggen over de ander.

Nadere informatie

HOOFDSTUK VII REGRESSIE ANALYSE

HOOFDSTUK VII REGRESSIE ANALYSE HOOFDSTUK VII REGRESSIE ANALYSE 1 DOEL VAN REGRESSIE ANALYSE De relatie te bestuderen tussen een response variabele en een verzameling verklarende variabelen 1. LINEAIRE REGRESSIE Veronderstel dat gegevens

Nadere informatie

6.1 Beschouw de populatie die wordt beschreven door onderstaande kansverdeling.

6.1 Beschouw de populatie die wordt beschreven door onderstaande kansverdeling. Opgaven hoofdstuk 6 I Learning the Mechanics 6.1 Beschouw de populatie die wordt beschreven door onderstaande kansverdeling. De random variabele x wordt tweemaal waargenomen. Ga na dat, indien de waarnemingen

Nadere informatie

Statistiek voor Natuurkunde Opgavenserie 1: Kansrekening

Statistiek voor Natuurkunde Opgavenserie 1: Kansrekening Statistiek voor Natuurkunde Opgavenserie 1: Kansrekening Inleveren: 12 januari 2011, VOOR het college Afspraken Serie 1 mag gemaakt en ingeleverd worden in tweetallen. Schrijf duidelijk je naam, e-mail

Nadere informatie

Overzicht. 1. Definities. 2. Basisalgoritme. 3. Label setting methoden. 4. Label correcting methoden. 5. Ondergrenzen. 6.

Overzicht. 1. Definities. 2. Basisalgoritme. 3. Label setting methoden. 4. Label correcting methoden. 5. Ondergrenzen. 6. Overzicht 1. Definities 2. Basisalgoritme 3. Label setting methoden 4. Label correcting methoden 5. Ondergrenzen 6. Resultaten Kortste Pad Probleem 1 Definities Een graaf G = (V, E) bestaat uit een verzameling

Nadere informatie

Robuustheid regressiemodel voor kapitaalkosten gebaseerd op aansluitdichtheid

Robuustheid regressiemodel voor kapitaalkosten gebaseerd op aansluitdichtheid Robuustheid regressiemodel voor kapitaalkosten gebaseerd op aansluitdichtheid Dr.ir. P.W. Heijnen Faculteit Techniek, Bestuur en Management Technische Universiteit Delft 22 april 2010 1 1 Introductie De

Nadere informatie

OEFENINGEN HOOFDSTUK 6

OEFENINGEN HOOFDSTUK 6 OEFENINGEN HOOFDSTUK 6 1 OEFENING 1 EEN INDIVIDU NEEMT EEN BELEGGING IN OVERWEGING MET VOLGENDE MOGELIJKE RENDEMENTEN EN HUN WAARSCHIJNLIJKHEDEN VAN VOORKOMEN: RENDEMENTEN -0,10 0,00 0,10 0,0 0,30 WAARSCHIJNLIJKHEID

Nadere informatie

Fasering Boek: Projectmanagement Auteur: Roel Grit 1 Boek: Projectmanagement Auteur: Roel Grit 2 1

Fasering Boek: Projectmanagement Auteur: Roel Grit 1 Boek: Projectmanagement Auteur: Roel Grit 2 1 Fasering 1 2 1 Project Projectvoorstel Intakegesprek Opzetten project Project start-up-vergadering Ontwerp en voorbereiding Uitvoering van het project Afsluiting van het project 3 Beheersen van een project

Nadere informatie

Het werken met de precedence -planning

Het werken met de precedence -planning Het werken met de precedence -planning E1020 1 Het werken met de precedence -planning (activiteiten op knooppunt) P. H. Buscher 1. Inleiding E1020 3 2. Netwerk E1020 3 2.1. Bouwstenen van een netwerk E1020

Nadere informatie

Modelleren C Appels. Christian Vleugels Sander Verkerk Richard Both. 15 juni 2010. 1 Inleiding 2. 3 Data 3. 4 Aanpak 4

Modelleren C Appels. Christian Vleugels Sander Verkerk Richard Both. 15 juni 2010. 1 Inleiding 2. 3 Data 3. 4 Aanpak 4 Modelleren C Appels Christian Vleugels Sander Verkerk Richard Both 15 juni 2010 Inhoudsopgave 1 Inleiding 2 2 Probleembeschrijving 2 3 Data 3 4 Aanpak 4 5 Deterministische aanpak 4 5.1 Populariteit van

Nadere informatie

P = LIMIETGEDRAG VAN MARKOV KETENS Limietverdeling van irreducibele, aperiodieke Markov keten:

P = LIMIETGEDRAG VAN MARKOV KETENS Limietverdeling van irreducibele, aperiodieke Markov keten: LIMIETGEDRAG VAN MARKOV KETENS Limietverdeling van irreducibele, aperiodieke Markov keten: Voorbeeld: Zoek de unieke oplossing van het stelsel π = π P waarvoor bovendien geldt dat i S π i = 1. P = 0 1/4

Nadere informatie

Benaderingsalgoritmen

Benaderingsalgoritmen Benaderingsalgoritmen Eerste hulp bij NP-moeilijkheid 1 Herhaling NP-volledigheid (1) NP: er is een polynomiaal certificaat voor jainstanties dat in polynomiale tijd te controleren is Een probleem A is

Nadere informatie

Tentamen Deterministische Modellen in de OR Dinsdag 17 augustus 2004, uur vakcode

Tentamen Deterministische Modellen in de OR Dinsdag 17 augustus 2004, uur vakcode Kenmerk: EWI04/T-DWMP//dh Tentamen Deterministische Modellen in de OR Dinsdag 7 augustus 004, 9.00.00 uur vakcode 58075 Opmerking vooraf: Geef bij elke opgave een volledige en duidelijke uitwerking inclusief

Nadere informatie

Opgaven bij Numerieke Wiskunde I

Opgaven bij Numerieke Wiskunde I Opgaven bij Numerieke Wiskunde I 7 november 8 1. (a) Gegeven verschillende interpolatiepunten x, x 1, x [a, b], en getallen y, y 1, y, z 1, toon aan dat er hooguit 1 polynoom p P 3 is met p(x i ) = y i,

Nadere informatie

Modelleren C Appels. 1 Inleiding. Inhoudsopgave. 2 Probleembeschrijving. Christian Vleugels Sander Verkerk Richard Both.

Modelleren C Appels. 1 Inleiding. Inhoudsopgave. 2 Probleembeschrijving. Christian Vleugels Sander Verkerk Richard Both. 1 Inleiding Inhoudsopgave Modelleren C Appels Christian Vleugels Sander Verkerk Richard Both 18 mei 2010 1 Inleiding 2 2 Probleembeschrijving 2 3 Data 3 4 Aanpak 4 5 Deterministische aanpak 4 5.1 Populariteit

Nadere informatie

MARKOV MODEL MET KOSTEN In Markov modellen zijn we vaak geïnteresseerd in kostenberekeningen.

MARKOV MODEL MET KOSTEN In Markov modellen zijn we vaak geïnteresseerd in kostenberekeningen. MARKOV MODEL MET KOSTEN In Markov modellen zijn we vaak geïnteresseerd in kostenberekeningen. voorraadmodel: voorraadkosten personeelsplanningmodel: salariskosten machineonderhoudsmodel: reparatiekosten

Nadere informatie

TW2020 Optimalisering

TW2020 Optimalisering TW2020 Optimalisering Hoorcollege 13 Leo van Iersel Technische Universiteit Delft 9 december 2015 Leo van Iersel (TUD) TW2020 Optimalisering 9 december 2015 1 / 13 Vraag Wat moet ik kennen en kunnen voor

Nadere informatie

Statistiek voor A.I.

Statistiek 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 informatie

Examen VWO. wiskunde B1

Examen VWO. wiskunde B1 wiskunde Eamen VW Voorbereidend Wetenschappelijk nderwijs Tijdvak Dinsdag 3 mei 3.3 6.3 uur 6 Voor dit eamen zijn maimaal 7 punten te behalen; het eamen bestaat uit vragen. Voor elk vraagnummer is aangegeven

Nadere informatie

ANALYSE VAN WINDSNELHEIDGEGEVENS METEOPAAL ZEEBRUGGE 1. INLEIDING

ANALYSE VAN WINDSNELHEIDGEGEVENS METEOPAAL ZEEBRUGGE 1. INLEIDING Rapport aan Dienst der Kustwegen betreffende ANALYSE VAN WINDSNELHEIDGEGEVENS METEOPAAL ZEEBRUGGE 1. INLEIDING Dit rapport beschrijft de analyse resultaten van de windsnelheidgegevens voor de meteopaal

Nadere informatie

Kansrekening en Statistiek

Kansrekening 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 informatie

Figuur 1. Schematisch overzicht van de structuur van het twee-stadia recourse model.

Figuur 1. Schematisch overzicht van de structuur van het twee-stadia recourse model. Samenvatting In dit proefschrift worden planningsproblemen op het gebied van routering en roostering bestudeerd met behulp van wiskundige modellen en (numerieke) optimalisatie. Kenmerkend voor de bestudeerde

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.

+ ( 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 informatie

Hoofdstuk!7!Kortste!paden!

Hoofdstuk!7!Kortste!paden! oofdstukkortstepaden oofdstukkortstepaden In een gewogen graaf is men soms geïnteresseerd in het kortste pad tussen twee punten: dat is een pad, waarbij de som van de gewichten zo klein mogelijk is..inleiding

Nadere informatie

Tentamen Voortgezette Kansrekening (WB006C)

Tentamen Voortgezette Kansrekening (WB006C) WB6C: Voortgezette Kansrekening Donderdag 26 januari 212 Tentamen Voortgezette Kansrekening (WB6C) Het is een open boek tentamen. Gebruik van een rekenmachine of andere hulpmiddelen is niet toegestaan.

Nadere informatie

x 3 E H x 1 B A = (0,0,0) B = (1,0,0) C = (0,1,0) E = (0,0,1) I = (1,1,1/2) J = (1/2,1,1) H=(1,1/2,1) x 2

x 3 E H x 1 B A = (0,0,0) B = (1,0,0) C = (0,1,0) E = (0,0,1) I = (1,1,1/2) J = (1/2,1,1) H=(1,1/2,1) x 2 1. Gegeven een LP probleem (P) max z = c 1 x 1 + c 2 x 2 + c 3 x 3 (= c x) waarvoor het gebied van toegelaten oplossingen T wordt gegeven als de verzameling punten op het afknotingsvlak van een symmetrisch

Nadere informatie

Eindexamen wiskunde B1 vwo 2004-II

Eindexamen wiskunde B1 vwo 2004-II Brandstofverbruik Een schip maakt een tocht over een rivier van P naar Q en terug. De afstand tussen P en Q is 42 km. Van P naar Q vaart het schip tegen de stroom in (stroomopwaarts); op de terugreis vaart

Nadere informatie

Normale Verdeling Inleiding

Normale Verdeling Inleiding Normale Verdeling Inleiding Wisnet-hbo update maart 2010 1 De Normale verdeling De Normale Verdeling beschrijft het gedrag van een continue kansvariabele x. Om kansen te berekenen, moet de dichtheidsfunctie

Nadere informatie

Kortste Paden. Algoritmiek

Kortste Paden. Algoritmiek Kortste Paden Toepassingen Kevin Bacon getal Six degrees of separation Heeft een netwerk de small-world eigenschap? TomTom / Google Maps 2 Kortste paden Gerichte graaf G=(N,A), en een lengte L(v,w) voor

Nadere informatie

. Dan geldt P(B) = a. 1 4. d. 3 8

. Dan geldt P(B) = a. 1 4. d. 3 8 Tentamen Statistische methoden 4052STAMEY juli 203, 9:00 2:00 Studienummers: Vult u alstublieft op het meerkeuzevragenformulier uw Delftse studienummer in (tbv automatische verwerking); en op het open

Nadere informatie

Revenue Management Game Touroperator

Revenue Management Game Touroperator Revenue Management Game Touroperator 1 De gegevens vooraf capaciteit ; bezetting ; al verkocht ; full price Je kan niet meer verkopen dan deze capaciteit! 2 Spel 1 Berekening capaciteit Na ronde 2 Juli:

Nadere informatie

Voorbereidend Wetenschappelijk Onderwijs Tijdvak 2 Woensdag 22 juni 13.30 16.30 uur

Voorbereidend Wetenschappelijk Onderwijs Tijdvak 2 Woensdag 22 juni 13.30 16.30 uur wiskunde B Eamen VW Voorbereidend Wetenschappelijk nderwijs Tijdvak 2 Woensdag 22 juni 3.30 6.30 uur 20 05 Voor dit eamen zijn maimaal 86 punten te behalen; het eamen bestaat uit 9 vragen. Voor elk vraagnummer

Nadere informatie

Toetsende Statistiek Week 5. De F-toets & Onderscheidend Vermogen

Toetsende Statistiek Week 5. De F-toets & Onderscheidend Vermogen M, M & C 7.3 Optional Topics in Comparing Distributions: F-toets 6.4 Power & Inference as a Decision 7.1 The power of the t-test 7.3 The power of the sample t- Toetsende Statistiek Week 5. De F-toets &

Nadere informatie

TECHNISCHE UNIVERSITEIT EINDHOVEN Faculteit Wiskunde en Informatica

TECHNISCHE UNIVERSITEIT EINDHOVEN Faculteit Wiskunde en Informatica TECHNISCHE UNIVERSITEIT EINDHOVEN Faculteit Wiskunde en Informatica Tentamenopgaven Statistiek 2DD71: UITWERKINGEN 1. Stroopwafels a De som S van de 12 gewichten is X 1 + X 2 + + X 12. Deze is normaal

Nadere informatie

Statistiek II. 1. Eenvoudig toetsen. Onderdeel toetsen binnen de cursus: Toetsen en schatten ivm één statistiek of steekproef

Statistiek II. 1. Eenvoudig toetsen. Onderdeel toetsen binnen de cursus: Toetsen en schatten ivm één statistiek of steekproef Statistiek II Onderdeel toetsen binnen de cursus: 1. Eenvoudig toetsen Toetsen en schatten ivm één statistiek of steekproef Via de z-verdeling, als µ onderzocht wordt en gekend is: Via de t-verdeling,

Nadere informatie

A.1 Grafentheorie 64 BIJLAGE A. OPLOSSING VAN DE VRAGEN A.1. GRAFENTHEORIE 65. dan heeft deze kring in ieder knooppunt een even aantal takken).

A.1 Grafentheorie 64 BIJLAGE A. OPLOSSING VAN DE VRAGEN A.1. GRAFENTHEORIE 65. dan heeft deze kring in ieder knooppunt een even aantal takken). 64 BIJLAGE A. OPLOSSING VAN DE VRAGEN A. Grafentheorie Vraag. Neem drie knooppunten i, j en k. d(i, k) = het minimum aantal takken in een keten tussen i en k Vraag.2 het minimum aantal takken in een keten

Nadere informatie

Vandaag. Onderzoeksmethoden: Statistiek 3. Recap 2. Recap 1. Recap Centrale limietstelling T-verdeling Toetsen van hypotheses

Vandaag. Onderzoeksmethoden: Statistiek 3. Recap 2. Recap 1. Recap Centrale limietstelling T-verdeling Toetsen van hypotheses Vandaag Onderzoeksmethoden: Statistiek 3 Peter de Waal (gebaseerd op slides Peter de Waal, Marjan van den Akker) Departement Informatica Beta-faculteit, Universiteit Utrecht Recap Centrale limietstelling

Nadere informatie

Hoofdstuk 7: Statistische gevolgtrekkingen voor distributies

Hoofdstuk 7: Statistische gevolgtrekkingen voor distributies Hoofdstuk 7: Statistische gevolgtrekkingen voor distributies 7.1 Het gemiddelde van een populatie Standaarddeviatie van de populatie en de steekproef In het vorige deel is bij de significantietoets uitgegaan

Nadere informatie

Kortste Paden. Algoritmiek

Kortste Paden. Algoritmiek Kortste Paden Vandaag Kortste Paden probleem All pairs / Single Source / Single Target versies DP algoritme voor All Pairs probleem (Floyd s algoritme) Dijkstra s algoritme voor Single Source Negatieve

Nadere informatie

Enkele basismodellen uit operationeel onderzoek

Enkele basismodellen uit operationeel onderzoek Enkele baimodellen uit operationeel onderzoek Roel Leu Roel.Leu@econ.kuleuven.be Studiedag Wikunde e graad ASO 6 mei Inleiding Operationeel onderzoek (O.O.) = het gebruik van wikundige technieken voor

Nadere informatie

Examen G0N34 Statistiek

Examen G0N34 Statistiek Naam: Richting: Examen G0N34 Statistiek 8 september 2010 Enkele richtlijnen : Wie de vragen aanneemt en bekijkt, moet minstens 1 uur blijven zitten. Je mag gebruik maken van een rekenmachine, het formularium

Nadere informatie

Wiskunde in de Radiotherapie. Sebastiaan Breedveld

Wiskunde in de Radiotherapie. Sebastiaan Breedveld Wiskunde in de Radiotherapie Sebastiaan Breedveld Overzicht achtergrondinformatie bestralingsprobleem wiskundige formulatie resultaat problemen: positie onzekerheden hoeken Achtergrond studie Technische

Nadere informatie

Kansrekening en Statistiek

Kansrekening 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 informatie

Examen Datastructuren en Algoritmen II

Examen Datastructuren en Algoritmen II Tweede bachelor Informatica Academiejaar 2006 2007, tweede zittijd Examen Datastructuren en Algoritmen II Naam :.............................................................................. 1. Verzamelingen:

Nadere informatie

Statistiek voor Natuurkunde Opgavenserie 4: Lineaire regressie

Statistiek voor Natuurkunde Opgavenserie 4: Lineaire regressie Statistiek voor Natuurkunde Opgavenserie 4: Lineaire regressie Inleveren: Uiterlijk 15 februari voor 16.00 in mijn postvakje Afspraken Overleg is toegestaan, maar iedereen levert zijn eigen werk in. Overschrijven

Nadere informatie