StatoilHydro is the operator of the Åsgard oil and gas field outside of Trøndelag, Norway, where large compressors for injection, recompression and export of natural gas are installed. The facility transports and stores up to 36 millions $Sm^3$ of gas every day. If the compressors are not optimally operated, large values are lost. This paper describes how to use linear mixed models to model the condition of the compressors. The focus has been on the 1- and 2- stage recompression compressors. Reference data from Dresser-Rand have been used to make the model. Head and flow data are the modelled, and the explanatory variables used are molweight, rotational speed and an efficiency indicator. The paper also shows how cross validation is used to give an indication of how future datapoints will fit the model. A graphical user interface has been developed to do estimation and plotting with various models. Different models are tested and compared by likelihood methods. For a relatively simple model using three explanatory variables reasonable predictions are obtained. Results are not so good for very high rotational speeds and high molweights.

Den grafiske analyseringen av tonivåforsøk har lenge begrenset seg til Lenth's metode, normalplott og halvnormalplott. Disse plotta baserer seg på at de estimerte kontrastene enten representerer aktive effekter eller støy. For design som ikke tilhører 2^(k-p) familien, dvs. de ikke-geometriske designa, er ikke dette lenger oppfylt. I denne oppgaven viser vi hvordan en ved hjelp av scatterplott og dendogram av absoluttverdien til hovedeffekter og tofaktorsamspill, sammen med aliasstrukturen til designa og ortogonalisering, kan konstruere plott som gjør det lettere å finne aktive effekter. Designa som blir undersøkt er 12 forsøks Plackett and Burman design og to design med 16 forsøk. Nøkkelord: Plackett and Burman, Ortogonalisering, 16 forsøks design, Tonivåforsøk

I denne rapporten beskriver vi en statistisk modell som fanger opp teksturer i et bilde og overfører disse til et annet bilde. Vi modellerer bilder som markovfelt, og beskriver filtre som vi bruker til å fange opp forskjellen mellom et observert og et syntetisk bilde ved hjelp av histogrammer. Denne forskjellen benytter vi til å oppdatere en sannsynlighetsfordeling for det syntetiske bildet ved hjelp av metoden for sannsynlighetsmaksimering. Deretter oppdaterer vi det syntetiske bildet ved å simulere fra den oppdaterte sannsynlighetsfordelingen ved hjelp av Metropolis-Hastings algoritme. Vi implementerer denne modellen på algoritmeform, og evaluerer algoritmen i flere situasjoner. Vi undersøker først om algoritmen kan gjenskape en tydelig struktur. Her virker algoritmen å bestemme en fornuftig sannsynlighetsfordeling, men mikser for dårlig til at vi kan skape nye realisasjoner ved å simulere fra denne. Videre forsøker vi å gjenskape forskjellige AR(2)-prosesser. Her klarer algoritmen å gjenskape realisasjoner med samme langsiktige trender som i de observerte prosessene, men klarer ikke å fange opp mer lokale teksturegenskaper. Vi opplever det samme når vi tester algoritmen på kunstig genererte geologiske realisasjoner, enkelte langsiktige teksturegenskaper fanges opp, men ikke lokale i like stor grad.

Vi har i denne masteroppgaven sett nærmere på Gröbner-baser og signaturskjemaet Unbalanced Oil and Vinegar. Vi har sett nærmere på Gröbner-basenes definisjoner og sett hvordan Gröbner-baser kan genereres ved Buchbergers algoritme. Videre har vi sett hvordan Gröbner-baser hjelper for å gi resten i divisjonsalgoritmen i den multivariable polynomringen unikhet og indirekte dermed løse idealmedlemskapsproblemet. Videre undersøkte vi mulighetene for å bruke Gröbner-baser til å lage et offentlig nøkkel-kryptosystem. Foreløpig er det ingen som har greid å lage et slikt kryptosystem som har stått imot visse angrep. Den neste delen av oppgaven tok for seg signaturskjemaet Unbalanced Oil and Vinegar. Vi har presentert teorien bak UOV og sett nærmere på et enkelt eksempel. I tillegg har vi undersøkt tre angrep på UOV, der det ene var basert på Gröbner-baser. Det viser seg at UOV virker resistent mot disse angrepene gitt at vi tar visse forholdsregler med parametrene. For angrepet basert på Gröbner-baser må systemet være av en viss størrelse for at sikkerheten skal ivaretas. Avslutningsvis har vi sett på forbedrede algoritmer for å beregne Gröbner-baser. Den første algoritmen vi så på var $F_4$ -algoritmen som tok i bruk lineæralgebra, mens den andre, $F_5$-algoritmen, tok utgangspunkt i å kutte ut unødvendige beregninger. Det viser seg at både $F_4$- og $F_5$-algoritmen kraftig forbedrer beregningstiden for å finne en Gröbner-basis.

I denne masteroppgaven ser vi nærmere på Gröbner-baser og kryptosystemet Hidden Field Equations. Vi begynner med å se på flere algebraiske begreper knyttet til Gröbner-baser, og hvordan Gröbner-baser kan beregnes vha. Buchbergers algoritme. I den siste delen av første kapittel ser vi hvordan Gröbner-baser kan brukes til å løse polynomiske ligningssystemer. Videre ser vi på kryptosystemet Hidden Field Equations. Vi begynner med den matematiske teorien som ligger bak HFE-systemet, for deretter å gi en beskrivelse av selve krypteringen. For å øke forståelsen av kryptosystemet, ser vi på et enkelt eksempel. Flere angrep på HFE har blitt forsøkt, og disse kan grovt sett deles inn i to klasser. Den ene typen angrep utnytter bestemte egenskaper i det konkrete kryptosystemet, mens den andre typen består av generelle algoritmer for å løse multivariate ligningssystemer. I denne oppgaven fokuserer vi på den siste typen, nærmere bestemt algoritmer som beregner en Gröbner-basis for et gitt ligningssystem. I kapittel 3 gjennomgår vi et Gröbner-basisangrep på HFE. I den siste delen av oppgaven ser vi på koblingen mellom Gröbner-baser og lineær algebra. Vi ser deretter på forbedringer av Buchbergers originale algoritme. Vi studerer F4-algoritmen som tar i bruk lineær algebra, og en videreutvikling av F4, kalt F5. F5 tar utgangspunkt i å kutte ut unødvendige beregninger ved å bruke det såkalte F5-kriteriet. Et tilsvarende kriterium, formulert av Gebauer og Möller, blir også gjennomgått.

PI by FFT har blitt implementert og sammenlignet med tre andre numeriske løsere på to 2D-modeller av partikkelakselleratorer. Løsningen med differenseskjema krever en transformasjon til den tilhørende Fokker-Planck-ligningen, som er vist i seksjon 3. Det blir også vist hvordan multiplikativ støy kan transformeres til additiv støy, og modeller i finans med mer generelle støykilder blir brukt til opsjonsprising. Kildekoden krever installasjon av det C++-baserte ROOT-rammeverket fra CERN.

We give an short introduction to the Camassa-Holm equation and its travelling wave solutions. Many well-known equations in mathematical physics describe geodesic flows on appropriate Lie groups. The choice of group and metric defines the Euler equation. We show that by choosing the group of diffeomorphisms on the circle and the Sobolev H^1-metric one gets the Camassa-Holm equation. The equation is shown to have a bi-Hamiltonian structure, and thus infinitely many conserved quantities. We introduce a new class of methods that can be applied to the Euler equation. We solve the Camassa-Holm equation by freezing some of the coefficients in the Euler equation and applying a Lie group integrator. In some situations the method is found to outperform existing schemes. The available numerical methods is reviewed and modified. We compare long term structure preservation for both smooth and non-smooth initial conditions for each method. Of special interest is the ability to handle wave collisions.

This master thesis has looked at numerical simulation of interacting bodies with delays, especially the situation involving interacting airguns in seismic source arrays. The equations describing the airguns have been derived and the interaction between the airguns has been studied. The resulting delay differential equations have been solved with methods that handle step sizes larger than the delays. The accuracy and efficiency of these methods have been investigated, and compared with Matlab solvers.

We present a general approach for Monte Carlo computation of conditional expectations of the form E[(T)|S = s] given a sufficient statistic S. The idea of the method was first introduced by Lillegård and Engen [4], and has been further developed by Lindqvist and Taraldsen [7, 8, 9]. If a certain pivotal structure is satised in our model, the simulation could be done by direct sampling from the conditional distribution, by a simple parameter adjustment of the original statistical model. In general it is shown by Lindqvist and Taraldsen [7, 8] that a weighted sampling scheme needs to be used. The method is in particular applied to the nonhomogeneous Poisson process, in order to develop exact goodness-of-fit tests for the null hypothesis that a set of observed failure times follow the NHPP of a specic parametric form. In addition exact confidence intervals for unknown parameters in the NHPP model are considered [6]. Different test statistics W=W(T) designed in order to reveal departure from the null model are presented [1, 10, 11]. By the method given in the following, the conditional expectation of these test statistics could be simulated in the absence of the pivotal structure mentioned above. This extends results given in [10, 11], and answers a question stated in [1]. We present a power comparison of 5 of the test statistics considered under the nullhypothesis that a set of observed failure times are from a NHPP with log linear intensity, under the alternative hypothesis of power law intensity. Finally a convergence comparison of the method presented here and an alternative approach of Gibbs sampling is given.

In this thesis we present an approximate recursive algorithm for calculations of discrete Markov random fields defined on graphs. We write the probability distribution of a Markov random field as a function of interaction parameters, a representation well suited for approximations. The algorithm we establish is a forward-backward algorithm, where the forward part recursively decomposes the probability distribution into a product of conditional distributions. Next we establish two different backward parts to our algorithm. In the first one we are able to simulate from the probability distribution, using the decomposed system. The second one enables us to calculate the marginal distributions for all the nodes in the Markov random field. All the approximations in our algorithm are controlled by a positive parameter, and when this parameter is equal to 0, our algorithm is by definition an exact algorithm. We investigate the performance of our algorithm by the CPU time, and by evaluating the quality of the approximations in various ways. As an example of the usage of our algorithm, we estimate an unknown picture from a degenerated version, using the marginal posterior mode estimate. This is a classical Bayesian problem.