GAXEX jaargang 33, editie 2

VESTING Magazine - Jaargang 33 - Editie 2

Interview ICT Commissie

Zal de website nog radicaal veranderen?!

The Olympic 1000m Speed Skating Event

Hoofdsponsor:

De geschiedenis van het geld

Het doel is dat je zelf initiatief neemt.

Ga naar aegon.nl/werk

Eerlijk over werken bij AEGON.

Voorwoord

Geld speelt wel een rol Mijn eerste les economie op de middelbare school werd gevraagd wat economie precies inhoudt. “Geld!” was het meest gehoorde antwoord, wat volgens de docent niet correct is. “Economie is de kunst die zich je bezig houdt met de verdeling van schaarse goederen.”

Tenslotte is voor deze GAXEX gekozen om een artikel te plaatsen met betrekking tot de actualiteiten. Het onderzoek van Richard Kamst, Gerard Kuper en Gerard Sierksma over de 1000m schaatsen op de Olympische Spelen staat in deze tweede GAXEX van dit collegejaar.

Toch is het opvallend dat de meesten die nog nooit economie-lessen hebben gehad, geld als eerste met economie in verband brengen. Geld heeft immers een belangrijke rol in het dagelijks leven ingenomen. Het is hét ruilmiddel voor de mens en zorgt ervoor dat een onhandige driehoeksruil tot het verleden behoort.

Kortom, in deze editie staat voor ieder weer wat wils.

De redactie heeft haar uiterste best gedaan om weer een kwalitatief goede GAXEX te presenteren. Mocht de lezer nog op- of aanmerkingen hebben naar aanleiding van deze editie, of op een andere manier tips of vragen over de GAXEX hebben, dan kun je naar gaxex@devesting.nl mailen.

Het coverartikel gaat juist over dit laatste verschijnsel.

Hoe komt het dat we tegenwoordig niet net zo lang ruilen met anderen tot we een product hebben dat degene met wie we willen ruilen, wel wil hebben? Behalve naar het verleden, wordt ook gekeken naar de toekomst en de vraag gesteld: hoe gaat de manier van betalen zich ontwikkelen?

Veel leesplezier!

Naast het coverarikel staat deze GAXEX vol met verhalen over de vereniging. Er staat een uitgebreid interview met de ICT Commissie in deze editie. Voor iedereen die zich afvraagt wat de ICT Commissie doet en hoe ze te werk gaat, het antwoord is te vinden in deze editie van de GAXEX.

Jurjen Boog Björn Wijbenga GAXEX Hoofdredacteur VESTING Voorzitter

Jaargang 33 - GAXEX 2

3

Excellent enough to make a difference?

(Aankomende) actuarissen – M/V Bij Ernst & Young werken accountants, belastingadviseurs en gespecialiseerde adviseurs in vrijwel elke richting van de financiële, juridische en notariële dienstverlening. Met ruim 4.500 medewerkers verspreid over 17 kantoren zijn we een van de grootste adviesorganisaties in Nederland. Er is bij ons altijd ruimte voor ambitieuze starters die het verschil willen maken.

Ga jij de financieel directeur van een verzekeraar adviseren over een nieuwe premiestructuur of het toeslagenbeleid van een pensioenfonds toetsen? Of ben je meer geïnteresseerd in de modellen die beleggingsfondsen gebruiken bij de waardering van hun portfolio’s. Ernst & Young Actuarissen biedt de mogelijkheid om je breed te ontwikkelen op zowel inhoudelijk als persoonlijk vlak. Wij zijn onderdeel van een Europese organisatie waarin actuarissen uit alle financiële centra van Europa samenwerken. In de dynamische markt waarin wij werken hebben wij continu nieuwe adviseurs nodig. Voor onze kantoren in Amsterdam en Utrecht zijn wij op zoek naar (Aankomende) actuarissen.

Ben je gedreven, leergierig, analytisch en adviseer je liever dan dat je wordt geadviseerd. Dan heb jij de instelling die wij zoeken. Wij bieden jou de mogelijkheid om na je studie als beginnend actuaris aan de slag te gaan.

Ook kun je tijdens je studie voor een dag in de week aan de slag gaan als werkstudent of je afstudeerscriptie schrijven over een praktijk probleem.

Voor meer informatie kun je contact opnemen met Vivien Belle, 06-21251836 of vivien.belle@nl.ey.com. Solliciteren kan op www.ey.nl/carriere

De geschiedenis van het geld Wanneer is het concept ‘geld’ ontstaan? En wat waren de voorlopers van het moderne geld? Lees hier alles over in de coverstory van deze GAXEX Editie.

06 The Olympic 1000m Speed Skating Event After analysing 1000m races, Richard Kamst, Gerard Kuper and Gerard Sierksma argue that the skater starting in the outer lane have an advantage.

14 AC Activiteiten Lees alles over de laatste drie AC Activiteiten: het Pooltoernooi, de Pubquiz en het Schaatsen.

24 12 Kort door de bocht

28 Landelijke Econometristendag

20 Durf jij het wél aan?

30 Interview ICT Commissie

22 VESTING Pagina

32 Column VESTING Voorzitter

23 Bèta BedrijvenDagen

34 Colofon

Jaargang 33 - GAXEX 2

5

COVERSTORY

Tekst: Kevin Mann

Geschiedenis van geld Het wiel, de taal en het leren maken, beheersen en gebruiken van vuur. Zij worden beschouwd als de belangrijkste uitvindingen van de mens. Kunnen wij ons ook maar enigszins een moderne maatschappij voorstellen als deze drie ontdekkingen nooit waren gedaan? Geenszins! Zonder deze ontdekkingen zouden wij als soort onszelf nooit verheven kunnen hebben naar de toestand waarin wij ons nu bevinden. Een andere uitvinding die vaak in dit rijtje genoemd wordt is het concept van geld. Hoort geld in dit rijtje thuis? Er bestaan zeker samenlevingen waarin het concept van geld niet ge茂ntegreerd is. Een noodzaak is geld dus niet. Toch komt geld veelvuldig in onze geschiedenis voor. Waar en waarom is geld uitgevonden?

Iedereen gebruikt geld. Het hoort z贸 bij ons dagelijks bestaan, dat we amper stil staan bij het gebruik er van. Zin een kopje koffie? Lever een muntje of strookje papier in en het is van jou.

Geen chartaal geld bij de hand? Met de pin wordt het giraal zonder probleem overgemaakt. De eerste functie van geld is hiermee meteen opengelegd: geld is een betaalmiddel.

6

Betaalmiddel Stel dat we in een maatschappij zouden leven zonder dat geld daarin geïntegreerd is. De meest eenvoudige manier om aan onze primaire behoeften, zoals eten en onderdak, te voldoen ligt voor de hand: ieder individu, of in een wat ruimere context de familie of groep, verbouwt zijn eigen eten en verzorgt zijn eigen onderdak.

Dit is echter zeer tijd-inefficiënt, bovendien is niet iedereen voor elke taak goed toegerust. Beter zou zijn als ieder individu een eigen specialiteit of taak heeft en door middel van uitwisseling van goederen en diensten met andere individuen aan zijn behoeften voldoet. Deze uitwisseling kan op meerdere manieren plaats vinden: door middel van gift, door middel van ruil of door middel van betaling.

Gifteconomieën Binnen een gifteconomie worden goederen en diensten uitgewisseld zonder dat daar een vergoeding tegenover staat, in een ideale wereld doet ieder individu waar zij goed in is en circuleren goederen en diensten binnen de gemeenschap waardoor iedereen in zijn behoeften kan voorzien. We kunnen ons voorstellen dat de eerste groepen jagers en verzamelaars binnen hun gemeenschap gebruik maakten van een gifteconomie. Er zal een groep mannen geweest zijn die zich voornamelijk toelegde op de jacht, anderen zullen wapens hebben moeten vervaardigen. De vrouwen legden zich voornamelijk toe op het verzamelen van bessen en kruiden en het bereiden van het eten. Binnen dit soort kleine en eenvoudige gemeenschappen kan een gifteconomie floreren.

Voorbeelden van moderne gifteconomieën zijn vrijwel niet te vinden, wel kunnen op kleinere schaal voorbeelden gevonden worden, zoals een feest bij iemand thuis waarbij geen entree betaald hoeft te worden en iedereen mag eten en drinken wat hij wil. Orgaan- en bloeddonatie werkt vrijwel overal ter wereld op basis van gift, men stelt zonder daarvoor een betaling te ontvangen een deel van hun bloed beschikbaar voor zij die dat nodig hebben.

Denk klein en talloze andere voorbeelden kunnen gevonden worden, zoals het achterlaten van boeken op de camping of het weggeven van sigaretten en kauwgom.

Op grotere schaal komt het giftensysteem echter niet voor, blijkbaar wegen de nadelen van het systeem zwaarder dan de voordelen. Nadelen van een gifteconomie liggen erg voor de hand. Zo is de wereld helaas niet ideaal en zullen enkele mensen zich niet verplicht voelen volledig mee te doen met het systeem, waardoor profiteurs ontstaan: mensen die wel in hun eigen behoef-

ten voorzien, maar geen verdere bijdrage leveren aan de gemeenschap. Tevens is het systeem weinig stimulerend voor het verrichten van wetenschappelijk onderzoek, aangezien niet direct duidelijk is wat de bijdrage van de wetenschapper aan de gemeenschap is (zelfs in onze moderne maatschappij wordt helaas vaak met hoon neergekeken op wetenschappers, maar dat terzijde), waardoor vooruitgang belemmerd wordt. Een laatste probleem doet zich voor bij bijvoorbeeld een tekort aan een noodzakelijk goed binnen de gemeenschap.

Wederom leent zich de vergelijking met de groep jagers en verzamelaars, stel je voor dat die groep een tekort aan vlees voor de winter heeft. Wellicht dat de groep een andere groep tegenkomt die ruim voldoende vlees voor de winter heeft. Een probleem doet zich voor dat het giftensysteem niet werkt tussen twee verschillende gemeenschappen. De tweede groep heeft geen reden om het vlees met de andere groep te delen, immers, een deel van het vlees wordt uit de stroom van goederen binnen de gemeenschap gehaald, zonder dat daar voor andere goederen of diensten in zijn plaats komen. De oplossing blijkt al uit de formulering van het probleem.

Ruilhandel Natuurlijk zal de tweede groep bereid zijn een deel van hun voorraad aan de eerste groep beschikbaar te stellen als de die daar iets tegenover zet. Wellicht dat de tweede groep door een brand een groot deel van zijn graan is kwijtgeraakt, voor een enkele kilo’s graan willen zij best een hoeveelheid vlees beschikbaar stellen. De ruilhandel, een systeem waarin goederen en diensten worden geruild, is geboren.

Al lijkt een systeem gebaseerd op ruilhandel op het eerste gezicht stabiel en een logische substitutie voor geld, zijn er geen aanwijzingen dat er economieën bestaan hebben die enkel hiervan afhankelijk waren. Ruilhandel lijkt vooral veel voor te komen in combinatie met andere systemen, zoals giften. Ook vandaag de dag wordt er volop geruild, volgens een onderzoek van de International Reciprocal Trade Association werd er in 2008 globaal door bedrijven voor ruim 10 miljard dollar aan goederen Jaargang 33 - GAXEX 2

7

verruild. Ook in tijden van hyperinflatie, of in gebieden waar zeer weinig geld voor handen is, wordt veelvuldig gebruik gemaakt van ruilhandel. Immers, de goederen die verkregen zijn door ruil zijn vaak ook morgen nog beschikbaar, terwijl geld morgen de helft aan waarde verloren kan hebben.

Als bijzaak of in tijden van crisis bewijst ruilhandel dus zeker zijn nut. Echter, als voornaamste manier van betaling is ruilhandel om verscheidene redenen niet geschikt. Zo moet er bij een ruil eerst iemand gevonden worden die gelijktijdig geïnteresseerd is in hetgeen jij als ruilmiddel aanbied. Dit zal zeker niet altijd het geval zijn, vooral niet als hetgeen jij aanbiedt niet houdbaar en daardoor niet geschikt voor sparen is. Ook voor sparen, het opslaan van waarde, zijn grote goederen niet bijzonder geschikt, aangezien ze veel ruimte innemen en moeilijk verplaatsbaar zijn.

Grote goederen brengen vaak nog een probleem met zich mee: vaak zijn ze veel waard en niet deelbaar. Bij het kopen van een brood zou het praktisch zijn slechts dat deel van het goed aan te bieden dat evenveel waard is als een brood, echter weinig bakkers zullen in enkel een stoelpoot geïnteresseerd zijn.

Om deze nadelen te omzeilen is het proces van betalen door middel van ruil langzaam maar zeker geëvolueerd naar een proces waarbij betaald wordt met een betaalmiddel zoals gouden munten. Een betaalmiddel moet aan enkele voorwaarden voldoen, waardoor de hierboven beschreven problemen omzeilt worden.

Allereerst is het belangrijkste dat een betaalmiddel

8

schaars en algemeen begeerd is, waardoor je er altijd mee kunt betalen. Gras zou als betaalmiddel niet geschikt zijn, als je niet genoeg gras hebt om iets leuks te kopen zou je het gewoon kunnen plukken. Zelfs als grasvelden door de overheid gereguleerd zouden worden, is het niet bijzonder moeilijk om thuis gras te kweken.

Daarnaast moet een betaalmiddel draagbaar en goed transporteerbaar zijn: een betaalmiddel moet een niet te groot volume hebben. Hieruit volgt dat een betaalmiddel in kleine hoeveelheden veel waard moet zijn. Een laatste voorwaarde is dat het betaalmiddel niet voor bederf gevoelig moet zijn.

In de geschiedenis hebben vele voorwerpen als betaalmiddel gediend: schelpen, kostbare metalen zoals goud en zilver en zelfs thee of zout.

Van ruil naar geld Kooplieden van voor onze jaartelling ruilden goederen veelal met vee. In de achtste eeuw na Christus werd in bepaalde gebieden de os als rekeneenheid gebruikt, de waarde van goederen werd dus in ossen uitgedrukt. Het woord ‘pecunia’, synoniem voor geld, dateert ook die tijd, het is afgeleid van het Latijnse woord ‘pecus’, dat vee betekent. Voor reizende kooplieden is vee echter geen ideaal betaalmiddel: het vee neemt veel ruimte in, vertraagt in veel gevallen de mars en moet gevoerd worden. In latere gevallen werd er dan ook steeds minder met vee geruild, maar nam tabak, thee of zout hun plek in.

Zout komt op veel plekken in de geschiedenis naar voren als betaalmiddel, dat is niet verwonderlijk want zout was

erg kostbaar. Zout kan gemakkelijk vervoerd worden, bederft niet en was, zeker in het binnenland, niet ruim voorhanden. Bovendien is zout een goed conserveermiddel, bewaar vlees in zout en het is langer houdbaar, vraag naar zout was daardoor vrijwel altijd aanwezig. Marco Polo meldde dat er in het China van de 13e eeuw met baren zout werd betaald, ook in de Romeinse tijd was zout een algemeen betaalmiddel en dat terwijl de Romeinen ook al munten kenden. Met dit in ons achterhoofd is ook het woord ‘salaris’ af te leiden, ‘sal’ is Latijn voor zout.

Net als zout zijn ook bepaalde schelpen een tijd lang als betaalmiddel gebruikt, zoals bijvoorbeeld de kaurischelp.

De herkomst van deze schelp ligt op de Malediven (die vandaar ook de Kauri-Eilanden genoemd worden), hier wordt de schelp voor het eerst als ruilmiddel gebruikt. De schelp verspreidt zich echter al snel, het wordt al in de veertiende eeuw voor Christus in China als ruilmiddel

gebruikt. Ook op Nederlands Nieuw-Guinea en in Suriname werden de schelpen als zodanig gebruikt. In de gouden eeuw waren de schelpen ook in Nederland bijzonder populair. De Verenigde Oost-Indische Compagnie nam de schelpen mee om ze in Nederland aan de West Indische Compagnie te verkopen. De W.I.C. kocht met deze schelpen slaven in Afrika. Tijdens het hoogtepunt van de slavenhandel was Amsterdam een van de grootste distributiecentra van de kaurischelp.

Munten In tegenstelling tot zout komen schelpen al behoorlijk in de buurt van moderne betaalmiddelen. Zout kan door de

ontvanger gebruikt worden als consumptiegoed evenals zout kan dienen als puur betaalmiddel waar de ontvanger later zelf goederen mee zal kopen, bij schelpen ligt de zaak iets anders. Immers, schelpen dienen geen praktisch nut, behalve dat ze als sieraad gebruikt kunnen worden. Schelpen worden enkel als betaalmiddel geaccepteerd omdat de ontvanger weet dat deze schaars zijn en er ook door anderen waarde aan toegekend wordt, waardoor ook hij de schelp als betaalmiddel kan gebruiken. Echter, we zullen schelpen nog wel als goederengeld blijven beschouwen, omdat ze als rekeneenheid lastiger te gebruiken zijn. Een schelp kan groter dan een andere schelp zijn, of van betere kwaliteit. Echter, een prijs uitgedrukt in schelpen voorziet hier niet in. Met de komst van de eerste munten werd dit probleem verholpen. Geld kan hierdoor niet alleen gebruikt worden om mee te betalen, of mee te sparen, een derde functie kan worden toegevoegd: geld is een rekenmiddel.

De eerste geslagen munten komen uit het staatje Lydië, gelegen in het westen van het huidige Turkije, uit de zesde eeuw voor Christus. De inwoners van Lydië waren handelaren en hadden als zodanig behoefte aan een handig betaalmiddel. Daarvoor gebruikten zij aanvankelijk klompjes electrum, een legering van goud en zilver dat in de natuur voorkomt, die zij in de rivierbedding vonden. Een probleem dat zich met dit betaalmiddel voordeed was dat de samenstelling van de klompjes electrum nooit gelijk was. Soms bestond een klompje voornamelijk uit goud, weer een ander bestond voornamelijk uit zilver. En aangezien zilver en goud in waarde niet gelijk waren, kon de waarde van een klompje electrum behoorlijk schommelen. Vandaar dat koning Croesus (561-546 v.Chr.) besloot het zilver en het goud te Jaargang 33 - GAXEX 2

9

scheiden en in muntvorm te gieten. Hij kiemde de afmetingen van de munten dusdanig uit dat een gouden munt precies twintig zilveren munten waard was. Deze munten kregen vervolgens een stempel, zodat voor alle Lydiërs duidelijk was dat het een echte munt was, die precies die waarde vertegenwoordigde die ook op de munt stond.

Ook de Grieken zagen wel iets in een dergelijk betalingssysteem. In Athene werden vanaf 545 voor Christus drachmen geslagen. Deze zilveren drachme was onderverdeeld in zes koperen obolen (welke in de Griekse mythologie diende als betaling om rivier de Styx naar de onderwereld over te steken), tevens bestonden er andere munten zoals de didrachmon en tetradrachmon die respectievelijk twee en vier zilveren drachme waard waren. Met de komst van Alexander de Grote (356 – 323 v.Chr.) die het Macedonische rijk flink uitbreidde, werd de drachme in heel het Middellandse Zeegebied als betaalmiddel geaccepteerd. De drachme, althans een gemoderniseerde versie, is tot 2002 het betaalmiddel geweest in Griekenland, daarna werd deze door de euro vervangen.

In West-Europa wordt muntgeld door de Romeinen geïntroduceerd met als voornaamste reden het heffen van belastingen aan Rome gemakkelijker te maken. Met het

10

vertrek van de Romeinen in de vijfde eeuw vertrekt ook het gebruik van munten als betaalmiddel met hen. Pas aan het eind van de achtste eeuw wordt het muntenstelsel door Karel de Grote heringevoerd. Halverwege de Middeleeuwen (vanaf pakweg het jaar duizend) gaat het bijzonder goed met West-Europa, de economieën floreren en verschillende landen en gebieden introduceren een eigen munt. De Engelse sterling doet zijn intrede en in de Nederlanden wordt in 1253 de eerste florijn geslagen.

Papiergeld Is het systeem dat tot dusver beschreven staat ideaal of bevat het nog enkele knelpunten? Tegenwoordig betalen we niet enkel met munten, maar ook met papiergeld of zelfs met de bankpas, deze zullen niet zonder reden bestaan. Een systeem waarbij enkel met munten betaald wordt is dan ook niet ideaal.

We hebben gezien dat de invoering van een muntstelsel veelal gepaard gaat met veelvuldig handelende economieën, mensen die in een dergelijk systeem kansen om waarde te creëren goed benutten, zullen rijk worden.

Echter, in een stelsel waar enkel munten geïntegreerd

zijn, houdt rijk zijn in dat de persoon erg veel munten bezit. Het opslaan van economische waarde geschiedde in werkelijkheid door het kopen van goudstaven, welke veel waard en bijzonder waardevast zijn. Ook grote transacties werden, gezien hun geringe waarde, meestal niet met munten verricht, maar met goudstaven. Het bewaren en transporteren van deze goudstaven nam een groot risico met zich mee, goudtransporten waren een gewild doelwit voor overvallers.

Vandaar dat veel handelaren hun goudstaven bij de goudsmid lieten bewaren. De goudsmid had altijd goud voor handen en om dit te bewaren was hij in bezit van een grote kluis, waarin het goud met een miniem risico bewaart kon worden. Als bewijs dat de goudsmid een schuld bij de handelaar had, schreef hij waardepapieren uit waarop dit vermeld stond. De handelaren gebruikten deze waardepapieren niet alleen om op een veilige manier te sparen, maar gingen ook transacties aan waarmee zij betaalden met de waardepapieren.

dat handelaren hen al snel benaderden voor leningen.

Een goudsmid schreef vervolgens een waardepapier uit, waarbij hij er van uitging dat hij later die hoeveelheid aan goud plus rente terug zou krijgen. Aangezien alleen de goudsmid wist hoeveelheid goud hij daadwerkelijk in zijn kluis had en wat de totale waarde was van de waardepapieren die hij had uitgeschreven, kon hij meer waardepapieren uitschrijven dan hij daadwerkelijk aan goud in kas had. Zolang de goudsmid bekend bleef staan als vermogend is dit systeem over het algemeen stabiel. Een betalingssysteem met papiergeld gebaseerd op vertrouwen is ge誰ntroduceerd.

Tegenwoordig hebben bankiers de rol van goudsmid overgenomen en is de koppeling van papiergeld aan goud grotendeels verdwenen. Wat zal de toekomst brengen? Wellicht een globale munteenheid, misschien dat chartaal geld wel in zijn geheel afgeschaft zal worden en alle betalingen giraal plaats zullen vinden. Wij als econometristen zullen een van velen zijn die er over na mogen denken.

Al snel circuleerden deze waardepapieren door de economie waarbij de nominale waarde van het waardepapier daadwerkelijk garant stond voor een opgeborgen hoeveelheid goud. Aangezien de goudsmeden bekend stonden als zeer vermogend, was het niet verwonderlijk

Jaargang 33 - GAXEX 2

11

KORT DOOR DE BOCHT

Tekst: Kevin Mann

Versier een econometrist (1) Met Valentijnsdag weer in het verschiet, worden we door de media overspoelt met informatie over liefde en aantrekkingskracht. Voor de vrouwelijke lezer die geïnteresseerd is in hoe zij zichzelf het best op de markt kan plaatsen heeft ondergetekende het nodige samengevat.

Zo blijkt uit onderzoek van psycholoog David Holmes dat de meeste mannen mooie rondingen prefereren boven een mager alternatief. Hij ontwikkelde een formule die voorspelt in hoeverre een man zich tot een bepaald vrouwenlichaam aangetrokken voelt. De formule ziet er als volgt uit: ((Cupmaat + dij-lengte ratio + heup-middel ratio) * rondingsindex) + symmetrie-index.

Uit deze formule blijkt onder andere dat een DD of E cup, een zandloperfiguur en een symmetrisch voorkomen de man erg blij maakt. De herkomst van de deze voorkeur moet gezocht worden in ons evolutionaire verleden: het zien van een vrouw met de juiste rondingen prikkelt het hormonale systeem van de man, waardoor lust opgewekt wordt, aldus Holmes.

Valt Valentijnsdag dit jaar precies samen met je ovulatie, terwijl tevens je parfum op is? Dat betekent volgens onderzoekers Saul Miller en Jon Maner van de Florida State University dat je kans een man te versieren nog groter geworden is. Zij testten wat het effect van geur op mannen is, door enkele vrouwen, die in verschillende periodes van hun cyclus zaten, drie nachten lang in hetzelfde shirt te laten slapen. Een groep mannen moest vervolgens aan deze shirts ruiken en ze beoordelen. Het bleek dat mannen die shirts die tijdens de vruchtbare periode van de vrouw gedragen waren, als het lekkerste beoordeelden. Bovendien werd bij reuk aan deze shirts een verhoging van het testosterongehalte in het speeksel van de mannen waargenomen, terwijl dit bij de andere shirts vrijwel niet het geval bleek.

12

Tekst: Jurjen Boog

De oplossing van het fileparkeren Simon Blackburn van de University of London heeft de minimale lengte die een auto nodig heeft bij het fileparkeren berekend. In zijn artikel bekijkt hij hoe groot de parkeerplek moet zijn om in één beweging netjes in het vak te belanden.

Uiteindelijk kwam Blackburn tot de volgende conclusie: de minimale benodigde ruimte bij het fileparkeren is gelijk aan de lengte van de auto plus

(r2 − l2 ) + (l + k)2 − ( r2 − l2 − w)2 − l − k

waar r staat voor de draaicirkel van de auto, l de afstand tussen de middens van de voor- en achterwielen, k de afstand tussen de neus van de auto en het midden van de voorste wielen, en w de breedte van de auto waar achter geparkeerd wordt.

Zijn bewijs voor de formule maakt gebruik van de stelling van Pythagoras en een aantal simpele eigenschappen van een cirkel. De beweging van de voorwielen maken bij het inparkeren een perfecte cirkel, aldus Blackburn.

Voor bijvoorbeeld een Honda Civic met straal van de draaicirkel r = 5,5m, wielbasis l =2,6m , van neus tot wiel k =1,3m , en met de breedte van de auto voor het plaatsje w = 1,8m, is de minimaal benodigde ruimte de lengte van de auto plus 1,52 meter.

Voortaan hoeft dus niet meer uitgeprobeerd te worden of de auto op een plek past. Met een lineaal of stok in de auto kan het exact bekeken worden.

Tekst: Kevin Mann

Tekst: Jurjen Boog

Versier een econometrist (2)

”Mens kan 65 km/u lopen”

Nu je als vrouw de keuze gemaakt hebt op Valentijnsdag geen parfum te dragen, kan ook de make-up wel overboord. Een onderzoek uitgevoerd door een Engels kauwgummerk onder ruim duizend Britse mannen heeft namelijk aangetoond dat mannen liever zien dat een vrouw lacht dan dat ze opgemaakt is. Tijdens het onderzoek kregen de mannen telkens twee foto’s te zien van dezelfde vrouw: op een van de foto’s droeg ze geen make-up, maar keek ze lachend naar de camera, terwijl ze op de andere foto wel make-up droeg, maar niet lachte. Zeventig procent van de mannen gaf de voorkeur aan de lachende de vrouw, van wie zij aangaven een leukere en bereikbare indruk te hebben. Over lachende vrouwen met make-up en chagrijnig kijkende vrouwen zonder make-up wordt in het onderzoek niet gerept. Ondergetekende begrijpt wel waarom.

In mei 2008 verbeterde Usain Bolt het wereldrecord op de 100m atletiek voor de eerste keer naar 9,72 seconden. Onderzoekers stelden zich naar aanleiding van deze verbetering de vraag wat de maximale snelheid is die de mens te voet kan behalen. Het resultaat was het volgende: de maximale tijd op een 100m sprint is 9,6 seconden, met een maximale snelheid van 43,06 km/u.

Als de mens sneller rent, wordt de belasting op de spieren te groot en zal de bovenbeenspieren van hun plek af trekken.

Klaar om zowel parfum- als make-uploos op de econometrist af te stappen kan het nog wel eens gebeuren dat je als vrouw flink bloost. Gelukkig is ook hier aan de universiteit van St. Andrews onderzoek naar gedaan. Het blijkt dat mannen vrouwen met een rode blos aantrekkelijker vinden en gezonder inschatten. De onderzoekers vroegen een groep vrijwilligers om een digitale foto van een persoon zo te bewerken dat deze er gezonder en aantrekkelijker uitzag. Het bleek dat vrijwel alle vrijwilligers roodtinten aan de wangen toevoegden. Conclusie: met blozen is niets mis.

Op 16 augustus 2009 liep Usain Bolt echter onder deze minimaal geachte tijd. In Berlijn rende hij in 9,58 seconden naar de finishlijn – een verbetering van het record met 11 honderdste van een seconde. Zelf doet hij de uitspraak dat hij de afstand in 9,4 seconden kan overbruggen. Hoe reageerden wetenschappers op deze verplettering van het wereldrecord, en daarmee de gestelde ondergrens?

Amerikaans onderzoek verwerpt de aanname dat de maximale belasting op de ledematen de beperkende factor voor de maximumsnelheid voor de mens is. De druk op de bovenbenen van een atleet bleek inderdaad niet de reden voor de ondergrens te zijn.

De nieuwe ondergrens wordt gesteld door de kracht waarmee de spieren kunnen samentrekken op het moment dat de voeten met de grond in contact komen. Met behulp van deze nieuwe aanname, wordt de maximale snelheid van de mens op 55-65 km/u geschat. Misschien dat Bolt zijn uitspraak nog kan waarmaken.

Jaargang 33 - GAXEX 2

13

Text: Richard Kamst Photo: Huub Snoep

The Olympic 1000m Speed Skating Event The Olympic 1000m Speed Skating Event Richard Kamst, Gerard Kuper, and Gerard Sierksma

Richard Kamst, Gerard Kuper, and Gerard Sierksma November 2009November

14

2009

Introduction Introduction Introduction Introduction

Introduction Introduction

Introduction

Speed skating has matured so much during the last decade t Speed skating has matured so much during the last decade that small differences in race Speed skating has matured much during the last decade that small in Speed skating has matured soso much during the last decade that small differences in race Speed skating matured sodifferences muchorduring the lastso decad Introduction Speed skating has matured so much during the last decade that small differences in race Speed skating has matured muc circumstances mayhas determine whether not arace skater wins a Introduction Introduction circumstances may determine whether or not askater skater wins amedal. medal.

The widely accepted circumstances may determine whether or not a skater wins a medal.

The widely accepted circumstances may determine whether or not a wins a The widely accepted circumstances may determine whether or not a skater wins circumstances may determine whether or not a skater wins a medal.

The widely accepted circumstances wheth Speed skating has matured so much during the last decade that small differences in race hypothesis that the start position (innermay vs. determine outer) significan Speed skating has matured so much during the last decade thattimes small differences hypothesis that the start position (inner vs. outer) significantly influences finishing times hypothesis that the start (inner vs. outer) significantly influences finishing times hypothesis that the position (inner vs. outer) significantly influences finishing hypothesis that the start position (inner outer) signifi hypothesis that the start position (inner vs. outer) significantly influences finishing times hypothesis that thevs. start position ( circumstances may determine whether orstart not aposition skaterhas wins askating medal.

The widely accepted isvice confirmed by anlane analysis of 1000m times skated during the Introduction Speed skating matured so much during the last decade that small differences in Speed has matured so much during the last decade that sm versa.

The last change occurs after passing circumstances may determine whether or not a skater wins a medal.

The widely ac isis confirmed by an analysis of 1000m times skated during the Olympic Games, the World is confirmed by an analysis of 1000m times skated during the Olympic Games, the World is confirmed by an analysis of 1000m times skated during the Olympic Games, the World is confirmed by an analysis of 1000m times skated during confirmed by an analysis of 1000m times skated during the Olympic Games, the World is confirmed by an Cups analysis of 1000 hypothesis that the start position (inner vs. outer) significantly influences finishing times Championships Single Distances, and World in the per theChampionships fourth curve.

During thewhether first lanesignificantly change, skater circumstances may whether or not a2000-2009. skater wins aOur medal.

The widely acc circumstances may determine or not athe skater wins a finishing medal. hypothesis thedetermine start position (inner vs. outer) influences Championships Single Distances, and World Cups in the period 2000-2009.

Our analysis Championships Single Distances, and World Cups in the period 2000-2009. analysis Championships Distances, and World Cups inGames, the period Our analysis Single Distances, and World Cups in the Championships Single Distances, and World Cups in the period 2000-2009.

Our analysis ch during theby last that smallSingle differences in that race Championships Single Distances, an is confirmed andecade analysis of 1000m times skated during the Olympic the World strongly suggests that the 1000m should be skated twice durin Introduction Introduction Speed skating has matured so much during the starting the outer lane may have an advantage behypothesis that the position (inner vs. outer) significantly influences finishing hypothesis that the start position (inner vs. outer) significantly infl is confirmed by an start analysis ofintwice 1000m times skated during the Olympic Games, the strongly suggests that the 1000m should be skated twice during Olympic Games and World strongly suggests that the 1000m should be skated twice during Olympic Games and World strongly suggests that the 1000m should be skated during Olympic Games and World strongly suggests that the 1000m should be skated twice du strongly suggests that the 1000m should be skated twice during Olympic Games and World her or not a skater wins a medal.

The widely accepted strongly suggests that the 1000m sh Championships Singlehas Distances, and World inIntroduction the period 2000-2009.

Our analysis Speed skating matured so much duringCups the last deChampionships Single Distances. circumstances may determine whether or Olymp not cause he/she can utilizeof the slipstream of the skater is confirmed by an analysis of 1000m times skated during the Olympic Games, theaa is confirmed by an and analysis 1000m skated during the Championships Single Distances, World Cups intimes the period 2000-2009.

Our Championships Single Distances.

Championships Single Distances.

Championships Single Distances.

Championships Single Distances.

Championships Single Distances.

Speed skating has matured so much during the last decade that sma (inner vs.suggests outer) significantly influences finishing times Introduction Speed skating has matured so much during the last decade that sm Championships Single Distances. cade that that small differences in race circumstances may strongly the 1000m should be skated twice during Olympic Games and World hypothesis that the start position (inner vs.and ou starting inSingle the inner lane, while the reverse holds true Championships Single Distances, and World Cups in the period 2000-2009.

Our an Championships Distances, and World Cups in the period 200 strongly suggests that the 1000m should be skated twice during Olympic Games Speed skating has matured so much during the last decade that smal circumstances may determine whether or not a skater wins a medal.

0m times skated during the Olympic Games, the World circumstances may determine whether or not a skater wins a medal determine whether or not a skater wins a medal. The Championships Single Distances.

After analysing 1000m we argue that the change of lan isthe confirmed by an be analysis oftwice 1000m timesOlym ska during the second change ofraces, lanes. strongly suggests that the 1000m should belanes skated twice during Olympic Games and strongly suggests that 1000m should skated during Championships Single Distances.

After analysing 1000m races, we argue that the change of lanes and the last curve skated After analysing 1000m races, argue that the change of and the last curve skated After analysing races, wewe argue that the change ofduring lanes and the last curve skated After analysing 1000m races, we argue that the change of Speed skating has matured so much the last decade that small differences After analysing 1000m races, we argue that the change of lanes and the last curve skated circumstances may determine whether or not a skater wins a medal. hypothesis that the start position (inner vs. outer) significantly influ nd Worldwidely Cupsaccepted in the period 2000-2009. analysis hypothesis that1000m the startOur position (inner hypothesis that the start position (inner vs. outer) significantly in After analysing 1000m races, we arT are the sections of a 1000m race that might cause the signific Championships Single Distances, and World Cu Introduction Championships Single Distances.

Championships Single Distances.

Introduction are the sections of a 1000m race that might cause the significant difference between 1000m are the sections of a 1000m race that might cause the significant difference between 1000m are the sections of a 1000m race that might cause the significant difference between 1000m are the sections of a 1000m race that might cause the signi circumstances may determine whether or not a skater wins a medal.

The widely ac are the sections of a 1000m race that might cause the significant difference between 1000m hypothesis that the start position (inner vs. outer) significantly influe is is confirmed by an analysis of of 1000m times skated thethe Olympi vs. outer) significantly inuences nishing times is conrmed hould skated twice during Olympic Games and World by an analysis 1000m times skated Olym are the sections ofduring aduring 1000m race tha After be analysing 1000m races, we argue that the change ofconfirmed lanes the last curve skated times skated.

The first lane change occurs immediately after th Theand last lane change (last curve) may account for the strongly suggests that the 1000m should becurve skat After analysing 1000m races, we argue that the change of lanes and the last times skated.

The first lane change occurs immediately after the second curve, when a skater times skated.

The first lane change occurs immediately after the second curve, when skater skated.

The first lane change occurs immediately after the second curve, when a aduring skater times skated.

The first lane change occurs immediately after hypothesis that the start position (inner vs. outer) significantly influences finishing times skated.

The first lane change occurs immediately after the second curve, when alane, skater isChampionships confirmed by an analysis of 1000m times skated the Olympic by an analysis of 1000m times skated during the OlymSingle Distances, and World Cups in the period 2000 Championships Single Distances, and World Cups in period 20o times skated.

The first lane change are the sections of atimes 1000m race that might cause the significant difference between 1000m starting in the inner lane moves to the outer and vice versa greatest discrepancy in finish times, as the skater startIntroduction Championships Single Distances.

Speed skating has matured sothe much during Speed skating has matured so much during the last After analysing 1000m races, we argue that the change of lanes and the last curve After analysing 1000m races, we argue that the change of lanes and are the sections of a 1000m race that might cause the significant difference between starting in the inner lane moves to the outer lane, and vice versa.

The last lane change occurs starting in the inner lane moves to the outer lane, and vice versa.

The last lane change occurs starting in the inner lane moves to the outer lane, and vice versa.

The last lane change occurs starting in the inner lane moves to the outer lane, and vice ves is confirmed by an analysis of 1000m times skated during Olympic Games, the starting in the inner lane moves to the outer lane, and vice versa.

The last lane change occurs Championships Single Distances, and World Cups in the period 2000pic Games, the World Championships Single Distances, strongly suggests that the 1000m should be skated twice during Olymp strongly suggests that the 1000m should be skated twice during Olym starting in the inner lane moves to th times skated. The first lane change occurs immediately after the second curve, when a skater after the fourth curve.

During the first lane change, ing in passing thecircumstances inner lane enters the last curve via the outer circumstances may determine whether or na1 may determine whether or not a skate are the sections of a 1000m race that might cause the significant difference between are the sections ofchange, aand 1000m race that might cause the significant diffe times skated.

The first lane change occurs immediately after the second curve, when after passing the fourth curve.

During the first lane change, the skater starting in the outer after passing the fourth curve.

During the first lane change, the skater starting in the outer after passing fourth curve.

During the first lane the skater starting in the outer after passing the fourth curve.

During first lane change Championships Single Distances, World Cups in the period 2000-2009.

Our a after passing the fourth curve.

During the first lane change, the skater starting in the outer in the period 2000-2009.

Our analysis strongly suggests that the 1000m should be skated twice during Olympi Championships Single Distances. rgue thatinand the change of lanes and the last curve skated Introduction Speed skating has matured so much during the last decade that small differences in race Championships Single Distances. after passing the fourth curve.

Duri lane, then crosses to the inner lane for the finish.

Many starting theWorld innerCups lane moves tothe the outer lane, and vice versa.

The last lane change occurs lane may have an advantage because he/she can utilize the slip Introduction After analysing 1000m races, we argue that the hypothesis that the start position (inner vs hypothesis that the start position (inner vs. outer) times skated.

The first lane change occurs immediately after the second curve, when a times skated.

The first lane change occurs immediately after the secon starting in the inner lane moves to the outer lane, and vice versa.

The last lane change lane may have an advantage because he/she can utilize the slipstream of the skater starting lane may have an advantage because he/she can utilize the slipstream of the skater starting lane may have an advantage because he/she can utilize the slipstream of the skater starting lane may have an advantage because he/she can utilize the strongly suggests that the 1000m should be skated twice during Olympic Games and lane may have an advantage because he/she can utilize the slipstream of the skater starting strongly suggests that the 1000m should be skated twice Championships Single Distances. hat might cause significant between 1000m circumstances determine whether orskater notinner aisstarting skater athe medal.

The widely accepted lane may have an advantage because believe that skating awins final curve of the outer lane israce more after passing thethe fourth curve. difference During may the first lane change, the in outer in the lane, while reverse holds true during the secon are the sections of a versa.

1000m that might cau is the confirmed by an analysis of 1000m times confirmed by an analysis of 1000m times skated dlo starting in the inner lane moves to the outer lane, and vice The last lane change starting in the inner lane moves to the outer lane, and vice versa.

The after passing the fourth curve.

During the first lane change, the skater starting in th in the inner lane, while the reverse holds true during the second change of lanes. the inner lane, while the holds true during second change of lanes. during Olympic Games and World Championships Sininin the inner lane, while the reverse holds true during the second change of lanes. in the inner lane, while the reverse holds true during the sec Championships Single Distances. in the inner lane, while the reverse holds true during the second change of lanes.

Speed skating has matured so much during the last decade that Introduction Speed skating has matured so much during the last decade that small differences in race After analysing 1000m races, we argue that the change of lanes and occurs immediately after the second curve, when areverse skater difficult than athe final curve of the inner lane for an exhypothesis that the start position (inner vs. outer) significantly influences finishing times After analysing 1000m races, we argue that the change of lanes an in the inner lane, while the reverse ht lane may have an advantage because he/she can utilize the slipstream of the skater starting times skated.

The first lane change occurs immed Championships Single Distances, and Worl Championships Single Distances, and World Cups in after passing the fourth curve.the During the first lane change, the skater starting in the after passing fourth curve.

During the lane change, the skate lane may have an advantage because he/she can utilize thefirst slipstream of lanes the skater s gle Distances. circumstances may determine whether or not a skater wins a me After analysing 1000m races, we argue that the change of and t circumstances may determine whether or not a skater wins a medal.

The widely accepted are the sections of a 1000m race that might cause the significant differ he outer lane, and vice versa.

The last lane change occurs hausted skater. is confirmed by an analysis of 1000m times skated during the Olympic Games, the World are theThe sections achange 1000m race that might cause the significant diff in the inner lane, while the reverse holds true during the second change ofof lanes. last lane (last curve) may account for the greatest starting induring the inner lane moves to the outer lane, strongly suggests that the 1000m should be strongly suggests that the 1000m should be skated tw lane may have an advantage because he/she can utilize the slipstream of the skater st lane may have an advantage because he/she can utilize the slipstream in the inner lane, while the reverse holds true the second change of lanes.

The last lane change (last curve) may account for the greatest discrepancy in finish times, as Speed skating has matured soperiod much during the last decade that sma The last lane change (last curve) may account for the greatest discrepancy finish times, as The last lane change (last curve) may account for the greatest discrepancy inin finish times, as The last lane change (last curve) may account for the greate After analysing 1000m races, we argue that the change of lanes and the last curve The last lane change (last curve) may account for the greatest discrepancy in finish times, as hypothesis that the start position (inner vs. outer) significantly are the sections of astarting 1000m race that might cause the significant differe hypothesis that the start position (inner vs. outer) significantly influences finishing times times skated.

The first lane change occurs immediately after the second ing the first lane change, the skater starting in the outer Championships Single Distances, and World Cups in the 2000-2009.

Our analysis times skated.

The first lane change occurs immediately after the secon The last lane change (last curve) matl the skater in the inner lane enters the last curve via after passing the fourth curve.

During the first Championships Single Distances.

Championships Single Distances. in the inner lane, while the reverse holds true during the second change of lanes. in the inner lane, while the reverse holds true during the second chang After analysing 1000m races, we argue that the change the skater starting in the inner lane enters the last curve via the outer lane, then crosses to circumstances may determine whether or not a skater wins a medal. the skater starting in the inner lane enters the last curve via the outer lane, then crosses to the skater starting in the inner lane enters the last curve via the outer lane, then crosses to the skater starting in the inner lane enters the last curve vic are sections of a 1000m race that might cause the significant difference between the skater starting in the inner lane enters the last curve via the outer lane, then crosses to is confirmed by an analysis of 1000m times skated during the Ol times skated.

The first lane change occurs immediately after the second is confirmed by an analysis of 1000m times skated during Olympic Games, the World starting in the inner lane moves to the outer lane, and vice versa.

The la se he/she can utilize the slipstream of the skater starting strongly suggests that the 1000m should be skated twice during Olympic Games and starting in the inner lane moves to the outer lane, vice versa.

The the skater starting in the inner lane The last lane change (last curve) may account for the greatest discrepancy in lane finish times, asMany the inner lane for the finish. believe that skating a final may have angreatest advantage because he/she can The last lane change (last curve) may account for the discrepancy in finish tia of lanes andthe the last curve skated are the sections of the inner lane for the finish.

Many believe that skating aacurve. final curve of the outer lane is more hypothesis that the start position (inner vs. outer) significantly inner lane for the finish.

Many believe that skating final curve of the outer lane is more inner lane for the finish.

Many believe that skating alane final curve of the outer lane isCups more the inner for the finish.

Many believe skating ainflu fina times skated.

The first lane change occurs immediately after the second curve, when the inner lane for the finish.

Many believe that skating final curve of the outer lane isthat more Championships Single Distances, and World in the period starting in the inner lane moves to the outer lane, and vice versa.

The las Championships Single Distances, and World Cups the period 2000-2009.

Our analysis after passing the fourth During the first lane change, the skater holds true during second change of lanes.

Single Distances. after passing the fourth curve.

During the first lane change, the skat the inner lane for the finish.

Many b the skater startingthe in the the inner lane enters the last curve via the outer lane, then crosses to difficult than aain final curve of the inner lane for an exhausted sk in the inner lane, while the reverse holds true du After analysing 1000m races, we argue tha After analysing 1000m races, we argue that the chan The last lane change (last curve) may account for the greatest discrepancy in finish tim The last lane change (last curve) may account for the greatest discrepa a 1000m race that might cause the signicant dierence the skater starting inlane the inner lane enters the last curve via the outer lane, then cro difficult than final curve of the inner lane for an exhausted skater. isinner confirmed by an analysis of 1000m times skated during the Olympi difficult than aafinal curve of the for an exhausted skater. than a believe curve of the inner lane for an exhausted skater. difficult than alane final curve of the inner lane for an exhausted starting in moves to the outer lane, and vice versa.

The last lane change difficult than afinal final curve of the inner lane for an exhausted skater. strongly suggests that the should be skated twice during Oo after passing the fourth curve.

During the first lane change, the skater strongly suggests that the 1000m should be skated twice during Olympic Games and World lane may have an advantage because he/she can utilize the slipstream lane may have an advantage because he/she can utilize the slipstream difficult than a final curve of the inn the inner lane for thedifficult finish.

Many that skating a final curve of the outer is more are the sections ofthe athe 1000m race that are the sections of acurve 1000m race that might cause the skater starting in the inner lane enters the last outer lane, then cros thefourth skater starting in the inner lane enters last curve via themight oute between 1000m times skated. The the first lane change octhe inner lanelane for the finish.

Many believe that skating a via final curve ofthe the outer lane Championships Single Distances, and World Cups in the period 2000 passing the curve.

During the first lane change, the skater starting in tho Championships Single Distances.

Indices and parameters describing clock times for the may have an advantage because he/she can utilize slipstream Championships Single Distances. in the inner lane, while the reverse holds true during the second change ay account forathe greatest discrepancy inafter finish times, as After analysing 1000m races, wein argue that the change of lanes and the last curve skated the inner lane, while the reverse holds true during the second chan difficult than final curve of the inner lane for an exhausted skater.

The last lane change (last curve) may account fo times skated.

The first lane change occurs im times skated.

The first change occurs immediately the inner lane for the finish.

Many believe that skating alane final curve of the outer laneof is curs immediately after the second curve, when a skater the inner lane for the finish.

Many believe that skating asecond final curve difficult than a final curve of the inner lane for an exhausted skater.

The statistical model strongly suggests that the 1000m should be skated twice during Olymp 1000m finishing times are as follows: lane may have an advantage because he/she can utilize the slipstream of the skater s in the inner lane, while the reverse holds true during the change e enters the last curve via the outer lane, then crosses to are the sections of a 1000m race that might cause the significant difference between 1000m The statistical model the skater starting in the inner lane enters the lav starting in the inner lane moves to the outer The statistical model The The statistical model Thestatistical statistical model starting in the inner lane moves to the outer lane, and starting in the inner lane moves todifficult themodel outer lane,aand than final curve of the inner lane for an exhausted skater. difficult than a final curve of the inner lane for an exhausted skater.

The statistical model Championships Single Distances. in the inner lane, while the reverse holds true during the second change of lanes.

After analysing 1000m races, we argue that the change of lanes After analysing 1000m races, weThe argue that the change ofcurve) lanes and the last curve The last lane change (last curve) may account forwhen the greatest discrepan believe that skating a final curve of the The outer lane is more times skated. first lane change occurs immediately after the second curve, a skated skater last lane change (last may account for the greatest discrep the inner lane for the finish.

Many believe that sk after passing the fourth curve.

During the fich fi afterparameters passing the fourth curve.

During the first lane Indices and describing clock times for the 1000m The model are the sections of a 1000m race that might cause the significant The last lane change (last curve) may account for the greatest discrepan are the sections of a 1000m race that might cause the significant difference between 1000m the skater starting in the inner lane enters the last curve via the outer ner lanestatistical for an exhausted skater.

Indices and parameters describing clock times for the 1000m finishing times are as follows: starting inparameters the inner lane movesclock to the outer lane, and vice versa.

The last lane change occurs the skater starting in the inner lane enters the last curve via the out Indices and describing clock times for the 1000m finishing times are as follows: Indices and parameters describing times for the 1000m finishing times are as follows: Indices and parameters describing clock times for 1000m The statistical model Indices and parameters describing clock times for the 1000m finishing times are as follows: difficult than a final curve of the inner lane for a lane may have an advantage because he/she Indices andthe parameters describing cl lane may have an advantage because he/she can utiliz After analysing races, we argue that change lanes and The last lanechange change (last curve) may account for the greatest discrepancy in finish tim times skated.

The first lane change occurs immediately after the seott the skater starting in the inner lane enters the last curve via the outer times skated. the The first lane occurs immediately after the second curve, when aareverse skater the inner lane for1000m the finish.

Many believe that skating final curve oftru The statistical model The statistical model after passing fourth curve.

During the first lane change, the skater starting in the outer the inner for the finish.

Many believe skating aoftrue final curve Clane The set of skaters in thethat data set; in the inner lane, while the holds in the inner lane, while the reverse holds during Indices and parametersCC describing clock times for the 1000m finishing times are as follows: are the sections autilize 1000m race that might cause the significant differ C The set of skaters in the data set;

The set in data set; the skater starting in the lane enters the last curve via the outer lane, then starting in the inner lane moves to the outer lane, vice versa.

Tt The set of in the data set; The set of skaters inparameters the data set; The set of in the data set; C The set ofskaters skaters in the data set; the inner lane for the finish.

Many believe that skating aand final curve ofcro th C The set of skaters in the data set; Indices and describing clock times for the 1000m finishing times are as fo starting the inner lane moves to the outer lane, and vice versa.

The last lane change occurs difficult than aC final curve of the inner lane for an exhausted skater. lane mayinhave an advantage because he/she can the slipstream of the skater starting difficult than aof final curve of the inner lane for an exhausted skater. c inner Skater index, cskaters ∈ C; C The set of skaters in th Skater index, ∈ C; Skater index, ;for Skater index, ccclane C; times skated. first lane change occurs immediately after the c cccafter Skater index, cthe ∈ C; cThe Skater index, c1000m ∈ain C; c Skater index, c∈ ∈reverse C; The statistical model the inner the finish.

Many believe that skating final curve of1000m the outer lane Skater index, ∈ C; after passing the fourth curve.

During the first lane change, the sk Indices and parameters describing clock times for the finishing times are as foll Indices and parameters describing clock times for the finishing difficult than final curve of the inner for an exhausted skater. the fourth curve.

During the lane change, the skater starting in the outer The set of contests which skater cindex, participated; Ntrue c lane Skater c ∈second C; in thepassing inner lane, while holds during the second change of lanes. cafirst C The set ofN skaters in theThe data set; The last lane change (last curve) may accou The last lane change (last curve) may account for thela set of contests in which skater c participated;

The set which skater participated; The set of contests in which skater c participated; The set of contests in which skater c participated; NN The set of contests in which skater c participated N The set of contests in which skater c participated; N C The set of skaters in the data set; The set of contests in which skater c participated; ccccc starting in the inner lane moves to the outer lane, and vice versa.

The cN c difficult than a final curve of the inner lane for an exhausted skater. lane may have an advantage because he/she can utilize the slipstr i Contest index of c, iskater ∈The Nc ; set of contests in w Ncskater lane may anare advantage because he/she can utilize the slipstream of the starting c times for the Skater index, c∈ C; have the skater in the inner lane enterscu t clock 1000m finishing times as follows: Contest index of skater c, ∈ ; ic ∈The the skater starting inistarting the inner enters the Contest index iiistatistical ∈ N Contest index skater ,passing i iiii Contest ofof skater c,Cc, ic, ∈ N ;Jcccinner Contest index ofholds skater c,lane i during ∈change, N The model Contest index ofskater skater iof N Skater index, C; Ccindex The set skaters in the data set; set ofcurve. skaters in the data set;true Contest index of skater c, ∈∈statistical N The model Indices and parameters describing times cN c ; clock c;c;; the after fourth During the first lane the skater The set of seasons in the data set (J contains ninefo s Contest index oflast skater in the lane, while the reverse the second ch the inner lane, while the reverse holds true during the second change of lanes.

The set ofJin contests in which skater c participated; Nc The last lane change (last curve) may account for the greatest discrepancy in finish times, as the inner lane for the finish.

Many believe th The set of seasons in the data set (J contains nine seasons); The in the data set contains nine The set seasons data set contains nine seasons); J JJJ The setset of seasons inThe the set (J contains nine seasons); J∈ The set seasons the utilize data setthe (J that contains The ofseasons seasons in the data set (J contains nine seasons); statistical model The set of in inner which skater Nof cset Skater index, c((J C; the lane for the Many believe skating cdata Skater index, cseasons); ∈ C;cofparticipated; The set seasons in the data set (J contains nine seasons); cof jcontests Season index, jJhe/she ∈finish.

J; incan The set of seasons innin th lane may have an advantage because slipstream i Contest index of skaterstarting c, i ∈ Nindex, c ; the jinner skater in enters the last curve via the outer lane, then crosses to he data set; Season ∈ J; Season j jjjthe Season index, j j∈jj∈ J; Season index, ; lane j Season index, j ∈ J; difficult than a final curve of the inner lane J; j Season index, Indices and parameters describing clock times for the 1000m finishing t icindex, Contest index of skater c, i ∈ N ; The contests in which skater c participated; N C The set of skaters in data set; The set of contests in which skater c participated; Nset Season index, ∈∈J; J; The statistical model Indices and parameters describing clock times for the 1000m finishing c difficult than a final curve of the inner lane for an exh c of K The set of rinks in the data set (K contains 19 rinks j Season index, j ∈ J; in the inner lane, while the reverse holds true during the second change J The set ofK seasons in the data set (J contains nine seasons); The last lane change (last curve) may account for the greatest disc The last lane change account for greatest discrepancy in;for finish times, as the inner lane for the finish.

Many believe that skating a final curve of the outer lane is more The set of rinks in the data set (K contains 19 rinks); The rinks in the data set (K contains 19 rinks); KK The setset of rinks incurve) the data set (K contains 19 rinks); K The set of rinks in the data set (K contains 19 ri

The set rinks the data set (k contains 19 K The of(last rinks in the data set (K contains 19 rinks); J of The set of seasons in the the data set (J contains nine seasons); iset Contest index of skater c,rinks); i ∈ N ; c Skater index, c ∈ C; imay Contest index of skater c, i ∈ N Indices and parameters describing clock times the 1000m finishing ti K The set of rinks in the data set (K contains 19 rinks); c c Rink index, k ∈KK; The set of rinks in the j skater c participated; Season index, jskater ∈ J; starting which the skater starting the lane enters the last curve via thefol Rink index, kkk∈ ∈ K; inner lane enters the last curve viainner the outer lane, then crosses tok are Rink index, k∈ K; k kkkthe Rink index, kthe K; Rink index, ∈1000m K; difficult than aRink final of inner lane an exhausted skater.

CJ The set ofdata skaters in the data set; k Rink index, K; index, ;the j incurve Season index, jfor ∈ J; J The set of seasons in the set (J contains nine The set ofseasons); contests in which cco Nseasons The set ofin in the data set (J contains nine seasons); Rink index, ∈∈ K; C The set of in the data set; Indices and parameters describing clock times for the finishing times as cskaters The set of contests during season jindex, in which skater Nc,jk kk Rink ∈skater K; K The set of rinks in the data set (K contains 19 rinks); r c, i ∈ Nc ; The last lane change (last curve) may account for the greatest discrepan The statistical model the inner lane for the finish.

Many believe that skating a final curv The set of contests during season j in which skater c participated; N The contests during season in which skater participated; The setset of contests during jc,k which skater cparticipated; NN of contests season which N Skater cset ∈ C; The offinish. contests during season in which skater cset participated; N c,j

The set during season in which Cc j cseason set of skaters in the data set; the inner lane for the Many believe that skating final curve ofc,j the outer lane Kof The set of N rinks in theindex, data set contains 19 during rinks); jjin ∈ J; jset Season index, iaThe Contest index of skater c,contests i∈N ;duric The statistical model Season index, jcparticipated; ∈ J; N The set of contests during season jjThe in which skater participated; c,j Skater index, c(K ∈ C; c,j c,j c,j c skate c,j The of contests skated at The rink kisinjmore which skater set ofin N Rink index, kc,j∈ K; he kdata set (J contains nine seasons); N The set of contests skated at rink kk∈ in which skater cC; participated; the starting inthe the inner lane enters the last curve via the outer The set contests skated rink kN in which skater cparticipated; participated; NN The set of contests skated at rink kkthan in which skater c The set of contests skated at rink k in which set of contests in which skater c participated; N The set of contests skated at rink kThe in which skater c participated; difficult a final curve of the inner lane for an exhausted skate c,k cNK Skater index, c ∈

The set skated at rink which skater participated; k of Rink index, K; K The set of rinks in the data set (K contains 19 rinks); J The of seasons in the data set (J The set of rinks in the data set (K contains 19 rinks); C The set of skaters in data set; N The set of contests at rink in which skater c participated; c,k The set of contests in which skater c participated; N c,k c,k cskater c,k c,k difficult than a final curve of the inner lane for an exhausted skater. c,k cat The 1000m finishing time of skater c skated on rink Finish Nc,k The set of contests skat skat i,c,j,k The set ofFinish contestsstatistical during season jmodel in which time skaterofc skater participated; Nc,j The The 1000m finishing cccRink skated on rink kskater contest i in season j. and parameters describing clock tim The 1000m finishing time of skater cskated skated on rink kduring during contest i in season j.

Finish 1000m time skater ccFinish rink kduring contest i in season j.

Finish The 1000m finishing time of skater c skated on rit itime Contest index of c, i ∈ N ; The finishing of skater skated on rink kK; during contest i in season j.

Finish i,c,j,k The set of contests in skater c participated; N the lane for the finish.

Many believe that skating a final curve of The set of contests during jduring inwhich which skater c participated; k1000m Rink index, k∈ K; j ∈ J; jseason Season index,

The 1000m finishing time of skater skated on rink contest i in season j. index, kIndices ∈ cNc,jfinishing Skater index, ∈ C; Finish The 1000m finishing time of skater skated on rink k during contest i in season j. i,c,j,k iof Contest index of skater c, i ∈ N ; Indices and parameters describing clock times for the i,c,j,k i,c,j,k c i,c,j,k The i,c,j,k ckinner i,c,j,k c Finishi,c,j,k The 1000m finishing tim Nc,kset (K contains The set contests skated at rink k in which skater c participated; data 19 of rinks); The set of seasons in the data set (J contains nine seasons); iJ Nset Contest index of skater c, i ∈ N ; skated at rink k in which skater c participated; The contests during season j in which skater c participated; NNc,jcc,k K The set of rinks in the data set (K c The set of contests during season j in which skater c particip The setofof contests in which skater c participated; Jc,j The set of seasons in the data set (J contains nine seasons) c difficult than a final curve of the inner lane for an exhausted skater. order contest to establish difference between 1000m times skated finishing time of skater cdescribing skated onbetween rink kInduring i1000m inmodel season j. a start Finishi,c,j,k The 1000m C The set of skaters in the data se The statistical In order to establish the difference 1000m times skated with in the inner and Indices and parameters times for the finishing times are as follows: order establish difference 1000m times skated with a start in the inner and InIn order toto establish the difference between 1000m times skated with a start in the inner and Season index, j ∈ J; In order to establish the difference between 1000m times ska In order to establish the difference between 1000m times skated with a start in the inner and Jjbetween The set of seasons in the data set (J contains nine seasons); The 1000m finishing time of skater c skated on rink k during contest i in seas Finish The statistical model Nithe ofindex contests skated at rink k in which skater c participated; k Rink index, ∈ K; C The set of skaters in the data set; Nset The set of contests skated at rink k which skater c particip Contest of skater c, i ∈ N ; jclock Season index, j ∈ J; i,c,j,k The c,k c,k c In order to establish theperformances difference b the outer lane, we must correct for the fact that ring season j in which the skater c participated; cin Skater c19 ∈ C; Kthe The ofof rinks the data set (K contains rinks); jthe Season index, j∈ J; the outer lane, we must correct for the fact that performances are achieved during different The 1000m finishing time cachieved skated on rink kseasons); during contest ikinduring seaso Finish The set of contests during season j in Nskater c1000m Skater index, cduring ∈ C; The finishing time of skater cindex, skated on19 rink Finish J correct The set of seasons inset the data set (J contains nine K The set of rinks in the data set (K contains rinks); the outer lane, must correct for fact that performances are achieved during different outer lane, wewe must for fact that performances are during different the outer lane, we must correct for the fact that performan the outer lane, we must correct for the fact that performances are achieved different i,c,j,k c,j i,c,j,k the outer lane, we must correct for In order to establish the difference between 1000m times skated with a start in the inner and seasons and on different rinks.

Consequently, we introduce th ted at rink k in which skater c participated; The set of contests inintroduce which ska N C The setrinks. of skaters in the data set; Indices and parameters describing clock times for the 1000m finish cfinishing k Rink index, k ∈ K; K The set of rinks in the data set (K contains 19 rinks); The statistical model N The set of contests skated at rink kinn i The set of contests in which skater c partic N In order to establish the difference between 1000m times skated with a start in the j Season index, j ∈ J; Indices and parameters describing clock times for the 1000m times are as follows: k Rink index, k ∈ K; seasons and on different rinks.

Consequently, we introduce the dummy variables Season c,k c seasons and on different rinks.

Consequently, we introduce the dummy variables Season seasons and on different Consequently, we introduce the dummy variables Season seasons and on different rinks.

Consequently, we seasons and on different rinks.

Consequently, we introduce the dummy variables Season c,j,i c,j,i c,j,i c,j,i c,j,i seasons and on different rinks.

Con theofouter lane, we must correct for contest thebetween fact that performances are achieved during and Rink for each c Contest ∈ C, j season ∈ Jskated and k ∈times K. The dummy va and for each In order to establish the difference 1000m and . of me skater c skated on rink i in season j. c,k,i idifferent Contest index skater c, i∈ N ck during Skater index, ctimes ∈ The C; The set of contests during j in which skater c participa N k Rink index, k ∈ K; The 1000m finishing time of skater c Finish i index of skater c, i ∈ N ; In order to establish the difference between 1000m times with a start in the inne K set of rinks in the data set (K contains 19 rinks); In order to establish the difference between 1000m skated with a The set of contests during season j in which skater c partic N c,j i,c,j,k c the outer lane, we must correct for fact that performances are achieved during d c,j and Rink foreach each cc∈ ∈ C, jj∈ ∈ Jand and ∈ K. The dummy variable Season isequal equal to and Rink for each C, j∈ kk K. The dummy variable Season is equal to and Rink for c c∈ C, jlane, J∈J kthe ∈kif∈ K. The dummy variable toK. 1c 11∈ and Rink for each c Season ∈ C, j c,j,i Jisskated and kifeach ∈ The dummy and Rink each ∈of C, J and and ∈ K. The dummy variable Season isfor equal to 1inseason c,j,i c,k,i c,j,i c,k,i c,k,i c,k,iset c,j,i c,k,i c,j,i c,k,i and Rink C, jcdata ∈ J se seasons and on with different rinks. we introduce dummy variables Season skated a start in innerfor and the outer we The dummy variable Seasonc;j;i is equal to 1the the the ith finishing time of skater c∈ is during j. c,k,i J The of seasons the The set contests in which skater cfor participated; N Cdata The of skaters in the data set; c,j,i cthe Consequently, N The set ofdescribing contests skated at rink kset in which skater cparticipat participa The set of contests during season jthat in which skater cfinishing N C The set of skaters in the set; Jseason The set of seasons in the data set (J conta kouter Rink index, kparameters ∈ K; Nouter The set of contests skated at rink kare in which skater partic Indices clock times for 1000m taS c,k c,j the lane, we must correct the fact that performances achieved during diff c,kand the lane, we must correct for the fact performances are ach seasons and on different rinks.

Consequently, we introduce the dummy variables Sea if the ith finishing time of skater c is skated during j.

Similarly, the dummy variable if the ith finishing time of skater c is skated during season j.

Similarly, the dummy variable if the ith finishing time of skater c is skated during season j.

Similarly, the dummy variable if the ith finishing time of skater c is skated during season if the ith finishing time of skater c is skated during season j.

Similarly, the dummy variable between 1000m times skated with a start in the inner and if the ith finishing time of skater c ijc j ∈ J; j Season index, i Contest index of skater c, i ∈ N ; must correct for the fact that performances are achieved ith finishing time of skater c is skated during season j. c Skater index, c ∈ C; and Rink for each c ∈ C, j ∈ J and k ∈ K. The dummy variable Season is equal to 1 Rink equals 1 if the ith finishing of skater c is skated at rink cThe The 1000m finishing time of skater cdifference skated on rink during Finish N set of at rink in which skater ckparticipa c Skater index, con∈ The C; j 1000m Season index, jkthe ∈ c,j,i Incontests order to establish the between 1000m c,k,i seti,c,j,k ofand contests during season jskated in which cJ; participated; Nc,j The finishing time ofskater skater c skated on rink kdumm durin c,k,i c,kFinish i,c,j,k seasons and different rinks.

Consequently, we introduce dummy variables Seas seasons on different rinks.

Consequently, we introduce the and Rink for each c ∈ C, j ∈ J and k ∈ K. The dummy variable Season is equ Rink equals 1 if the ith finishing of skater c is skated at rink k.

Furthermore, we introduce c,j,i c,k,i Rink equals 1 if the ith finishing of skater c is skated at rink k.

Furthermore, we introduce Rink equals 1 ifskated the finishing of skater ccontests is skated at rink k.

Furthermore, we Rink equals 1nine ifVK the ith finishing of skater c rink isith skated at Rink equals 1The ifduring the ith finishing skater cThe is skated at k.

Furthermore, we c,k,i c,k,i c,k,i c,k,i The set of the data setrico Jc,k,i The set of seasons in the data set (J contains seasons); The set of contests in which skater crinks participated; NSimilarly, performances are achieved different c,k,i during different seasons and different rinks.

Consethe dummy variable Rinkc;k;i equals 11introduce ififdata the Rink equals the cSimilarly, 1000m finishing time of skater cin skated on kfinishing during Finish set of contests inof which skater participated; N C The set of skaters the data set; K The set of rinks the set (K contain ifthe thefact iththat finishing time of skater c on is during season j. dummy Nith The set skated atrink rink k in which skater cintroduce participated; for the inner-outer information, so that the dummy variable c,k,i i,c,j,k c c,k the outer lane, we must correct forin the fact c,iin and Rink for each c of ∈ C, jfor ∈cthe J and k∈ ∈ K. The dummy variable Season is that equa and Rink each cvariable C, jvariable ∈c,i Jequals and kc, ∈ K. The dummy variable S if the ith finishing time of skater c is skated during season j.

Similarly, the dummy c,j,i c,k,i c,k,i for the inner-outer information, so that V equals 1 if skater c starts the dummy variable V for the inner-outer information, so that V 1 if skater c starts the dummy variable V for the inner-outer information, so that V equals 1 if skater c starts the dummy variable V for the inner-outer information, so tvs the dummy V for the inner-outer information, so that equals 1 if skater c starts the dummy variable V c,i c,i k Rink index, k ∈ K; j Season index, j ∈ J; i Contest index of skater i ∈ N ; c,i c,i c,i c,i c,i In order establish the difference 1000m times with awe c,ic is c,i nsequently, we introduce the dummy Season ifinishing Contest index ofc,j,i skater c, to iith∈to Nestablish cIn index, ∈ C; quently, introduce the dummy variables finishing skater cc introduce is and skated atdifferent rink Furthermore, koftime Rink index, K; The 1000m finishing ofwe skater c between skated onkk. rink kc during contest i in seas Finish order the difference between 1000m times skated with for the inner the dummy variable Vskated c ;Skater Rinkc,k,i equals 1we if the ith ofvariables skater skated at rink k.

Furthermore, i,c,j,k in the outer lane during his/her ith race. c,i seasons on rinks.

Consequently, if the ith finishing time of skater c is skated during season j.

Similarly, the dummy va if the ith finishing time of skater c is skated during season j.

Similarly Rink equals ifouter the ith finishing of skater cseasons); is skated at rink k.

Furthermore, in the outer lane during his/her ith race.

The set of contests during N K The set of rinks in the data set (K 19correct c,k,i Jto The set ofrinks); seasons inthe the data set (J contains nine seaso the outer lane during his/her ith race. in the outer lane during his/her ith inlane, the outer lane during his/her ith in the outer lane during his/her ith J The set of seasons in the data set (Jcontains contains nine The set ofdifference contests inbetween which skater crace. participated; N In order establish the 1000m times aint st The set of contests during season jwith inwe whic N the we must correct for the fact that performances are achi and k ∈ K. variable The dummy variable Season is equal to 11race. crace. c,j the outer we must for the fact that performances are ac in outer lane during his/her ith c,j,iinformation, the inner-outer so that Vlane, equals 1the if skater cc,j starts the dummy Vin c,i for c,i and Rink for each cthat ∈ C, jcontests ∈ Jskated and k ∈ K. T c,k,i Rink equals 1 if the ith finishing of skater c is skated at rink k.

Furthermore, we intr Rink equals 1 if ith finishing of skater c is skated at rink k.

Furt for the inner-outer information, so V equals 1 if skater the dummy variable V N The set of skated at rin k Rink index, k ∈ K; c,k,i j Season index, j ∈ J; c,k,i c,k c,i c,i a at j Season index, j ∈ J; i Contest index of skater c, i ∈ N ; N The set of contests skated rink k in whic In order to establish the difference between 1000m times skated with start in the inn c c,k the outer lane, we must correct for the fact that performances are achie seasons and on different rinks.

Consequently, we introduce the dummy is skated during season j.

Similarly, the dummy variable seasons and on different rinks.

Consequently, we introduce the dum in the outer lane during his/her ith race. if the ith finishing time of skater c is skated duri the soThe that V equals 1that if skater c the dummy variable Vdata 1000m finishing time of Finish The set of contests during season jinner-outer infor which skater cin participated; Nc,j for the inner-outer information, soskater eq dummy variable Vthe K for The ofinformation, rinks in the data set (K contains 19 rinks); in the outer lane during his/her ith i,c,j,k c,i c,itime c,iset c,i ska The set of rinks inthe set (K contains 19 rinks); Jthe The set of the data set (J contains seasons); The 1000m finishing ofnine cVskated Finish i,c,j,k the outer lane, we must correct fact performances are achieved during d seasons and on different introduce the dummy and Rink for each crace. ∈rinks.

C, j that ∈Consequently, J∈participated; and kif∈kthe K. The dummy variable Se of skater c is skated at rinkK k. Furthermore, we introduce and Rink for each cseasons ∈ C, jequals J and ∈ we K. The dummy variable c,k,i c,k,i Rink 1 ith finishing of skater c is N The set of contests skated at rink k in which skater c c,k,i k Rink index, k ∈ K; inseasons theindex, outer his/her ith race. injduring the outer lane during his/her ith race. k c,k Rink k lane ∈on K; Season jj ∈∈J; and rinks.

Consequently, introduce the dummy variables Sea and Rink for each cindex, ∈set Jwe and kskated ∈ K. The dummy 2inner-outer if different the ith finishing ofC, skater iscto skated during j.variable Similarly, er-outer information, so thatFinish V equals 1The if skater cfinishing starts c,k,i ifduring the finishing time of skater is during j.

Similar inform the dummy variable V(K 1000m time of skater cintime skated on kcparticipated; during contest i inthe season j.

Inrink order establish the difference between The of contests during season j season in season which skater c tim par1 Nith c,i for c,j set of contests season j In which skater cthe Nc,jc,i i,c,j,k The K The set of rinks in data set contains 192 rinks); order to establish the difference between 1000m 2 2 2 2 and Rink for each c ∈ C, j ∈ J and k ∈ K. The dummy variable Season is equ if the ith finishing time of skater c is skated during season j.

Similarly, c,j,i c,k,i Rink equals 1 if the ith finishing of skater c is skated at rink k.

Furth race.

Rink equals 1 if the ith finishing of skater c is skated at rink k.

Fur c,k,i N The set of contests skated at rink k in which skater c pa c,k,i in the lane during his/her race. the lane, we must forthat the perfo fact Nc,k The set of contests kskated c,k at rinkRink kthe in index, which cwe participated; kskater ∈ outer K;outer outer lane, must correct forcorrect theithfact if the ith finishing time of skater c is skated during season j.

Similarly, the dummy 2 Rink equals 1 if the ith finishing of skater c is skated at rink k.

Furthe for the inner-outer information, so that V equ the dummy variable V c,k,i The 1000m finishing time of skater c skated on rink k Finish InFinish orderi,c,j,k to establish the difference between 1000m times skated with a start in the inner and for the inner-outer information, so that V ev the dummy variable V c,i c,i i,c,j,k c,idu The 1000m finishing time of skater c skated onseasons rink during contest in season j.Consequentl The set ofc,i contests j ini Consequently, which skater c participa Nc,j and season on different rinks.

2kduring seasons and on different rinks. we intro Rink equals ifc,kthe the ith finishing of skater c ith is skated rink k.which Furthermore, int the inner-outer information, so Vparticip equa the dummy variable V c,k,i correct in1N the outer lane during his/her race. c,i c,iwe the outer lane, we must for the fact that performances are achieved different in outer lane during his/her ith race.

The set offor contests skated at at k2during skater cand and2for Rink each cJ∈and C, jkthat ∈∈JK. k ∈du c,k,ic for and Rink each ∈rink C, j in ∈1000m The c,k,iinformation, for the inner-outer so that V equals 1 if skater c the dummy variable V In order to establish the difference between times skated wit in the outer lane during his/her ith race. c,i The 1000m time of skater on rink kis during Finish In order and to establish the difference between timesfinishing skated with a start inc skated thec,i inner and seasons on different rinks. Consequently, we introduce theith dummy variables i,c,j,k 1000m c,j,i if the finishing time ofSeason skater cduring skated if the ith finishing time of skater c is skated se 2 ineach the his/her ith the lane, werace. must correct for the fact that performances the lane, must theouter that performances areequals achieved during different 2are and outer Rinkc,k,i forwe couter ∈correct C,lane j ∈for Jduring and kfact ∈ K. The dummy variable Season isith equal to 1c of Rink ifc,j,i the skater c,k,i Rink equals 1 ifbetween the ith11000m finishing offinishing skater is skated c,k,idifference In order to establish the times skated with adus seasons and on different rinks.

Consequently, we introduce the seasons and on different rinks.

Consequently, we introduce the dummy variables Season if the ith finishing time of skater c is skated during season j. dummy Similarly, thethe dummy variable c,j,i i the variable Vinner-outer c,i for the inner-outer for information the dummy variable VJc,i 2 the outer lane, we must correct for the fact that performances are achi 2 and Rink for each c ∈ C, j ∈ and k ∈ K. The dummy variab c,k,i and for each c ∈ C, j ∈ J and k ∈ K. The dummy variable Season is equal to 1 RinkRink equals 1 if the ith finishing of skater c is skated at rink k.

Furthermore, we introduce c,j,i c,k,i c,k,i in lane the outer lane during his/her ith race. in the outer during race.season 2 we ith andith on different rinks.

Consequently, introduce the j. dummy finishing time of c ishis/her skated during Simi if ith finishing c ifisthe skated during season j. skater Similarly, the variable forskater theseasons inner-outer information, so that Vc,i equals 1 dummy if skater c starts thethe dummy variabletime Vc,i of 2 and Rink for each c ∈ C, j ∈ J and k ∈ K. The dummy variable Rink equals 1 if the ith finishing of skater c is skated at rink k.SeF c,k,i c,k,i c is skated at rink k. Furthermore, we introduce Rink equals if the ith finishing skater in thec,k,i outer lane1 during his/her ith of race. if the ith finishing time of skater c is skated during season j.

Similarly, for the so that Vc, the dummy variable Vso c,i that information, Vc,iinner-outer equals 1 if information, skater c starts the dummy variable Vc,i for the inner-outer Jaargang - GAXEX 15 at rink k. Furth Rink equals if theduring ith finishing skater inrace. the outer1 lane his/herof33 ith race.c is2skated in the outer lane during his/her ithc,k,i 2 the dummy variable Vc,i for the inner-outer information, so that Vc,i equ in the outer lane2 during his/her ith race.

Introduction

Introduction

The statistical model

In order to the establish difference skated with a startare in achieved the inner during and different outer the lane, we mustbetween correct 1000m for the times fact that performances the outer lane, we must correct for the factConsequently, that performances are achieved during different seasons and on different rinks. we introduce the dummy variables Seasonc,j,i The statistical model andintroduce seasons andand on Rink different rinks. the dummy dummy variable variablesSeason Season eachConsequently, c ∈ C, j ∈ J we k ∈ K. The c,j,iis equal to 1 c,j,i c,k,i for and Rinkc,k,iifIndices for c∈ C, j ∈ J and k ∈ K. The dummy variable Season is equal to the each ithand finishing time of skater c is skated during season j.

Similarly, the dummy variable c,j,i parameters describing clock times for the 1000m finishing times are1as follows: if the ith finishing of skater is skated during season Similarly, thek.dummy variable Rinkc,k,itime equals 1 if thec ith finishing of skater c isj.skated at rink Furthermore, we introduce Rink equals 1 if the ith finishing of skater c is skated at rink k.

Furthermore, we introduce we introduce the dummy variable Vc;i for the inner-outer V for the inner-outer information, so that V equals 1 if skater c starts the dummy variable C The set of skaters in the data set; c,i c,i c,k,i that Vc;i equals 1 if skater c starts in the cso Skater index, c ∈ C; V for the inner-outer information, so that V equals 1 if skater c starts the information, dummy in variable the outer c,i lane during his/her ith race. c,i set of race. contests which Nc during outer lane lane during his/herhis/her ithThe race.

The dummiesinare in- skater c participated; in the outer ith i Contest index of askater c, i ∈ Nc ; cluded in a regression function, together with constant

TheaThe dummies are included inayielding aofin regression function, together withwith constant andaand ameasure measure The dummies included in regression together with aaconstant and J ofare The set seasons infunction, the data set (Jtogether contains nine seasons); The dummies areaincluded included in regression function, together with constant and measure dummies are aa regression function, aa constant aa measure a regression function, together with constant and a measure and measure individual ability, the following j Season index, j ∈ J; , of individual ability, yielding the following model for each c ∈ C, j ∈ J, k ∈ K, i ∈ N , of individual ability, yielding the following model for each c ∈ C, j ∈ J, k ∈ K, i ∈ N of individual ability, yielding following model 2for for each each cc ∈ ∈ C, C, jj ∈ ∈ J, J, kk ∈ ∈ K, K, iic∈ Ncc,, c∈ N of individual ability, yielding model model for each c ∈ C, , j ∈ J, , k ∈ K,the ,the i ∈following Nc , he following model for each K The setinofarinks in the data set (K contains 19 rinks); The dummies are included regression function, together with a constant and a measure 2 The dummies are a regression together withc a∈constant measure k included Rink index, ∈function, K; of individual ability, in yielding thekfollowing model for each C, j ∈ J,and k ∈aK, i ∈ Nc ,

The dummies are included in a regression function, together with a constant and a measure ummies areofincluded in a regression function, together with a constant and a measure The set of contests during season j in which skater c participated; N nction, together with a constant and a measure , individual ability, yielding the following model for each c ∈ C, j ∈ J, k ∈ K, i ∈ N c,j c = α + θ + Season β + Rink γ + V δ +

, (1) (1) Finish = α + θ + Season β + Rink γ + V δ +

, (1) Finish Season β + Rink γ + V δ +

, (1) = α θ + Finish c,m,i m c,i c c,m,i m c,i c i,c,j,k c,l,i l i,c,j,k i,c,j,k c,l,i l i,c,j,k Finish = α + θ + Season β + Rink γ + V δ +

, c,m,i m m c,i c i,c,j,k c,l,i ll (1) i,c,j,k c,m,i c,i c,l,i i,c,j,k asonc,l,i βl + Rinkc,m,iN γi,c,j,k δ individual ci,c,j,k , ofability, m + Vc,i of yielding the following model for each c ∈ C, j ∈ J, k ∈ K, i ∈ Nc , The set contests skated at rink k in which skater c participated; vidual model for each c ∈ C,m∈K j ∈m∈K J, k ∈ K, i ∈ Nc , c,k odel forability, each cyielding ∈ C, j ∈the J, following k ∈ K, i ∈ N c , m∈K l∈J l∈J m∈K l∈J l∈J

ion, togetherm∈K with a constant and a measure The 1000m finishing time of skater c skated on rink k during contest i in season j.

Finish

θc + α+ Seasonc,l,i βl + Rinkc,m,i γm + Vc,i δ + i,c,j,k , (1) Finishi,c,j,k =i,c,j,k with with with , el for each c ∈ C, j ∈ J, k ∈ K, i ∈ N with Season β + + Vc,i δ + i,c,j,k , with a constant (1) and a measure = α + θ + Finish c with

c,m,i γm c c,l,i l i,c,j,k arel∈Jincluded in a Rink

The dummies regression function, together m∈K order establish the between times skated with =difference α Rinkc,m,i γ a+start V δin+the inner , and (1) FinishRink γm+m∈K +θthe δ + Season i,c,j,k1000m ,model α+ hi,c,j,k cV+ c,l,i βl + i,c,j,k Rink=c,m,i γmθc++Vc,i δ Season +In i,c,j,k , βto (1) l∈J c,m,i c,i following c,l,i l+ of individual ability, yielding for each (1) c ∈ C, jm∈ J, c,i k ∈ K,i,c,j,k i ∈ Nc , Constant; Constant; αα ααConstant; Constant; Constant; the outer lane, we must correct for the fact that performances are achieved during different m∈K l∈J with m∈K l∈J K that measures thethe average level ofof performance skater c; measures average level of performance ofofofskater c; θofθcδcperformance Parameter that measures average level performance skater c; c; Parameter that measures the average level of performance performance of skater skater c; Parameter that measures the average level of of with the average level skater c; seasons and on different rinks.

Consequently, we introduce the dummy variables Seasonc,j,i Rink + Vc,i + θθParameter ccParameter , ofthat (1) the c,m,i γm i,c,j,k Parameter that measures the average level of performance of all skaters in season β Parameter that measures the average level of performance of all skaters in season j; β

Parameter that measures the average level of performance of all in season j;j; j;

l β Parameter that measures the average level of performance of all skaters inSeason season j; is equal to 1 l with Parameter that measures the average level of performance of all skaters in season β Constant; ll and the average level of α performance of c,k,i all skaters in season j;j ∈ J and k ∈ K. The dummy variable Rink for each c ∈ C, c,j,i = α + θ + Season β + Rink γ + V δ +

, (1) Finish γ Parameter that measures the average speed of skaters at rink k; γ Parameter that measures the average speed of skaters at rink k; α Constant;

Parameter that measures the average speed of skaters at rink k; c,m,i m c,i c c,l,i l i,c,j,k i,c,j,k m γ Parameter that measures the average speed of skaters at rink k; m γ Parameter that measures the average speed of skaters at rink k; m Parameter that measures the averagec level of performance of skater c; m the average speed ofθcskaters at rink k; if the ith finishing time of skater is advantage skated during season j.

Similarly, the dummy variable α Constant; δ Parameter that measures the average advantage that a starting in the inner lane has δ Parameter that measures the average advantage that a skater starting in the inner lane has Parameter that measures the average level of performance of skater c; θ

Parameter that measures the average advantage that a skater starting in the inner lane has m∈K l∈J Constant; δ Parameter that measures the average that a skater starting in the inner lane has c δ Parameter that measures the average advantage that a skater starting in the inner lane has Parameter that measures average level of performance of all skaters in season j; βl that the average advantage a skater starting in the the inner lane has Rink equals 1ofthe ifinperformance ith finishing of during skater skated atofrink k. Furthermore, we introduce c,k,i Parameter that measures the average θc starting over athat skater starting inthe the outer lane during 1000m race. over skater starting the outer lane during average level of performance of race. all skaters in season j; of skater c; βlduring aaameasures skater in the outer lane during aa1000m 1000m race. that measures the average level of skater c;aof lParameter ofouter performance ofParameter skater c;aover over skater starting in the outer lane during 1000m race. skater starting in the outer lane aca is 1000m race. γam 1000m Parameter that measures the average speed skaters at level rink k; performance he lane race. with for average the information, that Vin equals if skater startsj; the dummy variable Vc,i the Parameter that measures thein average level so of performance of all1 lane skaters βlj;measures γm measures measures the average speed ofadvantage at rink ak;skater c,i the that thethat average level of performance ofinner-outer all skaters season j; lParameter of performance ofParameter all in season δ skaters Parameter that that starting inner hasin cseason γ Parameter that measures the average speed of skaters at rink k; As the season and rink dummies correspond to categorical variables, we take the season 2000As the season and rink dummies correspond to categorical variables, we take the season 2000δ Parameter that measures the average advantage that a skater starting in the inner lane has in the outer lane during his/her ith race. performance of skater c; Parameter that measures the average speed of skaters at rink k; m d of skaters at rink k; As the season and rink dummies correspond to categorical variables, we take the season 2000As the season and rink dummies correspond to categorical variables, we take the season 2000overαand avariables, skater starting in the lane during a 1000m race. es correspond toAscategorical we take the outer season 2000Constant; the season rink correspond to categoriδ in Parameter that measures the average advantage that athe skater in the inner lane has over a skater starting the outer lane a 1000m race. performance of2001 all skaters ininaverage season j;dummies Parameter that measures the advantage that a as skater starting incategories, the inner lane has antage that a reference skater starting the rink inner lane has 2001 and the rink situated Berlin asduring the reference categories, sothat that themodel model rewritten and the rink situated inin Berlin the reference so the isisstarting rewritten 2001 and the rink situated in Berlin as the reference categories, so that that model is rewritten rewritten 2001 and the situated in Berlin as the reference categories, so the model is Berlin as the categories, so that the model is rewritten Parameter thata2000-2001 measures the level oflane performance of skater c; θwe c cal variables, take the season andaverage the over skater starting in the outer during a 1000m race. f skaters at rink k; over skater starting in the outer lane during a 1000m race. ring a 1000m race. asAs follows, the season and rink dummies correspond to categorical variables, we take the season 2000as follows, as follows, as follows, Parameter that measures average level of performance of all skaters in season j; βl Berlin rink situated in as thehas reference categories, so As the season and rink dummies correspond tothe categorical variables, wesotake the season 2000age that a skater starting in the inner lane 2001 and the rink situated in Berlin as the reference categories, that the model is rewritten γ Parameter that measures the average speed of skaters at rink k; m that the model is rewritten asBerlin follows, the season rink dummies correspond to the categorical goseason acategorical 1000m race. and rink dummies to categorical we take season 2000variables, we correspond take theAs season 20002001 and rink situated in as and thevariables, reference categories, that model isvariables, rewrittenwe take the season 20002theso as the follows, that

δ Parameter the average advantage that a skater starting in the inner lane has measures

2001 and the rink situated in Berlin as the reference categories, the is rewritten ˜ ˜ nd the rink situated in Berlin as the reference categories, so that the model is rewritten erence categories, so Finish that the model rewritten as follows, ˜V +θα Season +β˜β˜outer Rink γ˜mm+ Vc,ic,i , ,, so that (2) (2) model Finish ==+ α ˜α + ++ γ˜c,m,i V ++ δ δi,c,j,k ,i,c,j,k ββlc,l,i Finish = ˜θδccis +Season Season + Rink Rink +δδVV + i,c,j,k (2) Finish c,m,i c,m,i i,c,j,k c,l,i l+ i,c,j,k over a+ skater starting in the laneRink during a+ race. i,c,j,k c,l,i γ˜γ˜1000m + + (2) = ˜α θ θ2000c+ c,m,i m c,i i,c,j,k c,l,i m c,i ci,c,j,k ll + asonc,l,i β˜l + Rink γ˜i,c,j,k , Season (2) c,m,i mthe c,i ategorical variables, we take season as follows, ws, m∈K l∈J m∈K l∈J m∈K l∈J m∈K l∈J

m∈K nce categories, so that theAsmodel is rewritten ˜ θc +

and rink dummies correspond to categorical Rinkc,m,i γ˜m + Vc,i δ variables, + i,c,j,k , we take the season (2) 2000Finishi,c,j,kthe = season α ˜+ Season βl + c,l,i =(2), α ˜ +(2), θthe Season γ˜average + Vc,ilevel δofof + of , so that (2) β˜l +in

the average level performance during season Inaverage model (2), season parameter isisβ˜β˜Rink the average level performance during season lisl rewritten In model the parameter β˜β˜l lseason c +season c,m,i m i,c,j,k i,c,j,k c,l,i

isas the level of performance performance during season In model model (2), the season parameter meter β˜l isFinish the during season ll In the season parameter 2001 and the rink situated Berlin theaverage reference categories, the model m∈K l∈J ll is the level of performance during l ˜season Rink γ˜average Vc,ilevel δof+speed of , (2) =α ˜γwhile +m∈K + Season β˜l +γ˜γ˜mmisis Finish =c,m,i α ˜+ θccompared +Vc,i Season Rink +θwhile Vthe δ rink + i,c,j,k , c,l,i (2) βseason hi,c,j,k c,m,i m+ cwhile i,c,j,k i,c,j,k Rink γ ˜ + δ +

, (2) l∈J c,m,i m c,i the average level speed compared to the 2000-2001, while the rink parameter c,l,i l+ the average level of to the 2000-2001, parameter m i,c,j,k is the level of speed compared to the season 2000-2001, the rink parameter γ ˜ is the average speed compared to the season 2000-2001, the rink parameter γ ˜ as follows, m m 2001, while the rink parameter γ˜m is the average level of speed m∈K l∈J ˜ m∈K l∈J K onIn rink mcompared compared tothe the rink inBerlin.

Berlin. model (2), the to season parameter on rink m in on rink m compared compared torink the rink rink in β Berlin. l is the average level of performance during season l on rink m to the in Berlin. nk in Berlin.

Rink ˜m VInc,icompared δ +(2), i,c,j,k (2) model (2), seasonparameter parameter ~˜l is the average is the average of performance l speed β In+model the,the season c,m,i γ averageseason level of to the season 2000-2001, while the rinklevel parameter γ˜m is theduring

˜ ˜ is the average level of performance during season l In model (2), the season parameter β level of during season to the is the average level of performance during season l V level del (2), the season parameter βduring l is the e average level ofonconclude performance season l+compared average speed compared toperformance the season 2000-2001, while the rink parameter γ˜the l a m Rink γ˜m + + of intercept ,θθcc as (2) = α ˜the + rink θtest Season β˜to We conclude from aMundlak Mundlak test that we need to treat theskater-specific skater-specific intercept asθθcacaas rink mFinish compared to in Berlin.

We from that we need treat c,m,i c,i δintercept cintercept We conclude from a Mundlak test that we need to treat the skater-specific intercept as a i,c,j,k c,l,i l+ i,c,j,k We conclude from a Mundlak test that we need to treat the skater-specific a test that we need to treat the skater-specific θ as a c compared to the season 2000-2001, while theofrink parameter γ˜m is the average level of speed season 2000-2001, the parameter the γ˜~m isis the average level speed red theon season 2000-2001, while the1978). rink rinktoparameter γ˜m the average level of rink speed rink mis compared towhile the rink inparameter Berlin. m∈K l∈J fixed effect (Mundlak, 1978). fixed effect (Mundlak, fixed effect effectduring (Mundlak, 1978). fixed (Mundlak, 1978). level ofto performance season rink comparedtotothethe average levelinofBerlin. speedonon rink m m lcompared rinkrink in Berlin. kverage m compared the conclude rink We from a Mundlak test that we need to treat the skater-specific intercept θc as a is the average level of speed k parameter γ ˜ in Berlin. m We conclude from a Mundlak testseason that we need to treat intercept θc as aduring season l the skater-specific average level of performance In model (2), 1978). the parameter β˜l is the fixed effect (Mundlak, We conclude from a Mundlak test that we need to treat the skater-specific intercept Deciding on outliers Deciding on outliers nclude from athe Mundlak test that we need to treat the skater-specific intercept θ as a eed to treat skater-specific intercept θ as a Deciding on outliers fixed effect (Mundlak, 1978).

Deciding on outliers speed θc as a compared to the cseason 2000-2001, while the rink parameter γ˜m is the average level of c We conclude from a Mundlak test that we need to treat fixed effect (Mundlak, 1978). ffect (Mundlak, 1978). on rink m compared to the rink in Berlin.

Speed skating ison technical that includes fallsfalls andand minor slips, leading toresults results thatthat Speed skating isintercept aatechnical that includes falls and minor slips, leading to that the skater-specic as fixed (Mundlak, to treat the skater-specific intercept θtechnical as asport asport Speed skating is sport that includes falls and minor slips, leading to results results that c leading Speed is aa ctechnical sport that includes minor slips, leading to Deciding outliers port that includes falls andskating minor slips, toeffect results that Deciding on outliers 1978). deviate from ‘average’ performances.

It is necessary to eliminate these deviations from our deviate from ‘average’ performances.

It is necessary to eliminate these deviations from our deviate from ‘average’ performances.

Itour is necessary necessary totoeliminate eliminate these deviationsintercept from our ourθc as a deviate from ‘average’ It is deviations from mances. It is necessary toWe eliminate these deviations from conclude fromperformances. a Mundlak test that we needto treat thethese skater-specific Deciding on outliers ding on outliers inference of the parameter δ that measures the difference between the 1000m finishing times Speed skating is a technical sport that includes falls and minor slips, leading to results that inference of the parameter δ that measures the difference between the 1000m finishing times inference of the parameter δ that measures the difference between the 1000m finishing times inference of the parameter δ that measures the difference between the 1000m finishing times hat measures theskating difference between 1000m finishing times fixed effect the (Mundlak, 1978).

Speed isfrom awith technical sport that includes falls and minor slips, leading results that when skated with start the inner and the outer lane.

Therefore, weto select 1000m times deviate ‘average’ performances.

Ittimes is necessary tolane. eliminate these deviations from our when skated aastart ininthe inner and the outer lane.

Therefore, we select 1000m times when skated with a start in the inner and the outer lane.

Therefore, we select 1000m times to results that when skated with a start in the inner and the outer Therefore, we select 1000m times he inner and the outer lane.

Therefore, we select 1000m Speed skating is is aminor technical sport that includes falls and minor slips, leading skating a technical sport that includes falls and slips, leading to results that des falls is and minor slips, leading to results that deviate from ‘average’ performances.

It necessary to eliminate these deviations from our of error-free races by eliminating times of skaters in races containing a fall or slip.

In order inference of the parameter δ that measures the difference between the 1000m finishing times of error-free races by eliminating times of skaters in races containing a fall or slip.

In order of error-free races by eliminating times of skaters in races containing a fall or slip.

In of error-free races by eliminating times of skaters in races containing a fall or slip.

In order ng times ofeliminate skaters races containing a fall orto slip.

In order from ‘average’ performances.

It is the necessary to eliminate these order deviations from our eecessary from ‘average’ performances.

It deviate isa necessary eliminate these deviations from ourwith toinference these deviations from our ofin the parameter δstart that measures the difference between 1000m finishing times Deciding on outliers to do so, we introduce bounds for the 1000m finishing times, together with an outlier test. when skated with in the inner and the outer lane.

Therefore, we select 1000m times to do so, we introduce bounds for the 1000m finishing times, together an outlier test. to do so, we introduce bounds for the 1000m finishing times, together with an outlier test. to do so, wetotogether introduce bounds for the 1000m finishing times, together with an outlier test. for the 1000m finishing times, with an outlier test. falls and minor slips, leading results that inference of the parameter δ that measures thewe difference between the 1000m finishing times ce difference of the parameter δskating that measures difference between the 1000m finishing times he between the 1000m finishing times when skated with start inthe the inner and thefalls outer lane. select 1000m times Speed isa a technical sport that includes and of these error-free races by eliminating times of skaters inTherefore, races containing a fall or slip.

In order ssary to eliminate deviations from our when skated with a start in the inner and the outer lane.

Therefore, weresults select that 1000m times kated with a start in the inner and the outer lane.

Therefore, we select 1000m times e outer lane.

Therefore, we select 1000m times of error-free races by eliminating times of skaters in races containing a fall or slip.

In order Speed skating is a technical sport that includes falls and minor slips, leading to minor slips, leading to results that deviate from `average’ to Detecting do so, we introduce bounds for theplots 1000m finishing times, together with an outlier test.

Detecting outliers with box plots Detecting outliers with box plots Detecting outliers with box plots outliers with box difference between the 1000m finishing times box plots of error-free races by eliminating times of skaters in races containing a fall or slip. r-free in races eliminating times of skaters in containing atimes, fall ortogether slip. Intowith order aters races a fall slip.

Infor to by docontaining so, we introduce bounds the 1000m finishing an outlier deviate from ‘average’ performances. is necessary eliminate thesetest. deviations from our In order performances.

It isor necessary toorder eliminate these devia- It uter lane.

Therefore, we select 1000m times to do so, we introduce bounds fortimes, the 1000m finishing times, with an times outlier test. o, we introduce bounds for the 1000m finishing times, together with an outlier test. finishing times, together with an outlier test.

By introducing bounds on the 1000m finishing times, based on box box plots the Finish By introducing bounds on the times, based on plots ofof the Finish tions from our inference of the parameter that meainference of the parameter δfinishing that measures the difference 1000m finishing By introducing bounds onof1000m the 1000m finishing times, based onbetween box plots oftogether the Finish i,c,j,ki,c,j,k i,c,j,k By introducing bounds on the 1000m finishing based on box plots of the Finish i,c,j,k finishing times, based on box plots the Finish i,c,j,k Detecting outliers with box plots rs1000m in races containing a fall or slip.

In order sures thewe dierence between the nishing times values, we remove times ofbox races containing fall or slip.

However, box box plots pooled values, remove times of races containing aa fall However, box plots ofof pooled when skated with a1000m start inofthe inner and theslip. outer lane.

Therefore, we select 1000m values, we remove remove times of races containing fall or slip. slip.

However, box plots of pooled pooled times Detecting outliers with box plots values, we times of races containing aa or fall or However, plots of aces containing a fall or slip.

However, plots pooled ishing times, together with an outlier test. when skated with a start in the inner and the outer lane.

Detecting outliers with box plots finishing times neglect technological progress of equipment and the fact that races are skated By introducing bounds on the 1000m finishing times, based on box plots of the Finish finishing times neglect technological progress of equipment and the fact that races are skated of error-free races by eliminating times of skaters in races containing a fall or slip.

In order ting outliers with box plots finishing times times neglect technological progress of equipment equipment and and the the fact fact that that races races are arei,c,j,k skated finishing neglect technological of skated ogical progress of equipment and the fact that races are progress skated By introducing bounds on the 1000m finishing times, based on box plots of the Finish i,c,j,k Therefore, we select 1000m times of error-free races onvalues, different rinks.

Therefore, we make box plots offall 1000m times thatthat are skated onthe the same remove times of races aof slip.

However, boxskated plots ofan pooled on different Therefore, we make box 1000m times that are skated on same torinks. do so, we introduce bounds forplots theplots 1000m finishing times, together with outlier test. on1000m different rinks.

Therefore, we make box plots ofor 1000m times that are skated on the same on different rinks.

Therefore, we make box of 1000m times are on the same we make plots of times that aretimes, skated oncontaining the By introducing bounds on the 1000m finishing times, based on box plots of the Finishi,c,j,k roducing bounds on the 1000m finishing based onasame box plots of the Finish ng times,box based on box plots ofthe the values, we remove times ofFinish races containing fall orequipment slip.

However, box plots ofraces pooled i,c,j,k i,c,j,k by eliminating times of skaters in races containing a fall rink and during the same season.

If a finishing time is an outlier in a particular box plot, the finishing times neglect technological progress of and the fact that are skated rink and during same season.

If a finishing time is an outlier in a particular box plot, the rink and during the same season.

If a finishing time is an outlier in a particular box plot, the rinkis and duringvalues, the same season. a finishing time is an outlier in aorparticular box plot, theplots of pooled on. a finishing time an outlier in aofparticular boxIftimes plot, the we of races containing athat fall slip.

However, box we remove times of containing apooled fall remove or slip.

However, box1000m plots offact pooled a If fall orfinishing slip.

However, box plots times neglect technological progress of equipment and thetimes races are skated or slip.

Inraces order to do so, we introduce bounds for the corresponding bound is lowered and the finishing time is removed.

This procedure is repeated on different rinks.

Therefore, we make box plots of that are skated on the same corresponding bound is lowered and the finishing time is removed.

This procedure is repeated corresponding bound is lowered and the finishing time is removed.

This procedure is repeated corresponding bound is lowered and the finishing time is removed.

This procedure is repeated Detecting outliers with box plots d and the finishing time is removed.

This procedure is repeated times, based on box plots ofTherefore, the Finish finishing times neglect technological progress equipment the fact that races are skated i,c,j,k ng neglect technological progress of equipment and the thattimes are of skated of times equipment and the factare that races are skated on different rinks. we make of fact 1000m that are on and thebox same 1000m finishing times, together with an outlier test. until there are no more outliers the box plots. rink and during the same season.

Ifin aplots finishing time israces an outlier inskated a particular plot, the until there no outliers ininbox the box plots. until there aremore no more outliers inTherefore, the box plots. until there are no more outliers the box plots. s in the box plots. fall or slip.

However, box plots of pooled on different rinks. we make box plots of 1000m times that are Finish skatedi,c,j,k on the same erent Therefore, make boxon plots of thatisare skated on same ots ofrinks.

1000m times thatweare skated the same rink and during the same season.

If1000m a finishing time antime outlier in the a particular box the By introducing bounds on times the 1000m finishing times, based onprocedure box plot, plotsis ofrepeated the corresponding bound is lowered and the finishing is removed.

This equipment and the fact that races are skated rink and during the samein season.

If a afinishing an outlier in aplots particular box plot, the nd during the same season.

Ifare a is finishing time is an outlier a particular box plot, the isHowever, g time is an outlier in there a particular box plot, the corresponding bound lowered and the is removed. procedure is repeated values, we remove times of containing fallThis or time slip. box of pooled until no more outliers infinishing theraces boxtime plots. of 1000m times that are skated on the same corresponding bound is lowered and the finishing time is removed.

This procedure is repeated 3 3 ponding is and the finishing time removed. is repeated ing timebound isuntil removed.

Thisno procedure is repeated 3 there are more outliers in theistechnological box plots. This 3procedure finishing times neglect progress of equipment and the fact that races are skated 3 lowered ime is an outlier in a particular box plot, the until thereTherefore, are no more in plots the box plots. times that are skated on the same here in the box plots. ots. are no more outliers on different rinks. we outliers make box of 1000m g time is removed. is repeated 3 16 This procedure rink and during the same season. If a finishing time is an outlier in a particular box plot, the 3 . corresponding bound is lowered and the finishing time is3 removed. This procedure is repeated 3 3 until there are no more outliers in the box plots.

Deciding on outliers

of individual ability, yielding the following model for each c ∈ to the ith race of skater c on location k in season j. falls and minor slips, leading to results that

sary to eliminate these deviations our is the standardized value of Finishi,c,j,k , or The testfrom statistic difference of Finish i,c,j,k γ + Season Rink Finishi,c,j,k = α + θc + the c,m,i m c,l,i βl + difference between the 1000m finishing times and its expectation, divided by the estimated standard The deviation of Finish .

The 1000m i,c,j,k dummies are included m∈Kin a regression f l∈J uter lane. Therefore, we select times 2.60; forthe female time1000m of a male skater is defined to be an outlier if the value of Ti,c,j,k exceeds of individual ability, yielding following with s in races Detecting containing a falloutliers or slip.this In value order skaters equals 2.80.

We validated the selected bound values by means of a sensitivity with box ishing times, together with analysis an outlier test. will not be presented here. A negative value of the test statistic corresponds which

α Constant; plots to a and gooda performance, suggesting thatθ the Parameter 1000m time skated is not an outlier. ction, together with a constant measure = α + θ + Finish c c,l,i βl +of i,c,j,k that measures the average level ofSeason performance c th afor constant and m del each c ∈ C, aj measure ∈ J, k ∈ K, i ∈ Nc , l∈J of performance of Parameter that measures the average level βl By introducing bounds on the 1000m finishing times, on together a constant and a measure , , j function, ∈ J, k ∈ K, i ∈ Ncwith γ Parameter that measures the average speed of skaters at rink We m analyzed all finish with times for the men’s and women’s Estimates the we fixed effects model times, based on on box plots based box plotsof of the the Finish Finishi;c;j;k ofvalues, reδ Parameter that measures the average advantage that a skate ng model for each c ∈ C, j ∈ J, k ∈ K,i,c,j,k i ∈ Nc , 1000m races of the Olympic Games, World ChampionmoveHowever, times of races containing a fall or slip. However, fall or slip. box plots of pooled over a skater starting in the outer lane during a 1000m race.

Rinkc,m,i γm + Vc,i δ + i,c,j,kWe , analyzed all (1) αWorld Constant; finish times for the men’s and women’s 1000m races the Olympic Games, ships Single Distances, SprintofChampionships, box plots offact pooled finishing times neglect technological equipment and the that races are skated i,c,j,k , (1) K,i δ +

Parameter that measures the average lev θ c World Championships Single Distances, World Sprint Championships, and World Cup events and World Cup events in the period 2000-2009 using progress of equipment andonthe factsame that races are skatof times that are skated the As the season and rink dummies correspond to categorical vari + 1000m Rink (1) c,m,i γm + Vc,i δ + i,c,j,k , Parameter that measures the average lev β l the period usingof the website of the International Union(ISU). the website of the International Skating Skating Union (ISU). TheThe seced on different rinks.inTherefore, we2000-2009 make box plots mem∈K is an outlier in a particular box plot, the 2001 and the rink situated in Berlin that as the reference γm Parameter measures thecategories average sp second 2002-2003 Cup The in Heerenveen could sets not consist 2002-2003 World Cup in Heerenveen could not beWorld traced. original data 1000m times areond skated the same rink and during time is removed.

Thisthat procedure isonrepeated as follows, δ Parameter that measures the average ad traced. original data sets consist of 2860 andremoving offinishing 2860 and finishing times forbe male andThe female skaters, respectively.

After the same season. If a time 2650 is an outlier in a parover a skater starting in the outer lane d of performance of skater c; 2650 finishing times for male female respec- for men ticular box plot, the corresponding is lowered and an error, 1000m timesbound of races containing we are left with 2697and and 2529skaters, observations

of performance of all skaters in season j; kater c; tively. removing 1000m times of races ˜containing the finishing time is removed.

This procedure is repeated and women, respectively, corresponding toAfter a i,c,j,k deletion rate of 5.70% and 4.57%, respectively.

As the season and rink dummies = α ˜ + θ + Season + Rinkcorrespond ˜m + β Finish c,m,i γ c c,l,i l of skaters at rink k; skaters in season j; of skater c; ell level of performance an error, we are left with 2697 and 2529 observations for until there are no more outliers in the box plots.

2001 and the rink situated in Berlin as the r m∈K l∈J ntage that a skater starting in the inner lane has k; e level of performance of all skaters in season j; men and (2), women, respectively, corresponding toerrors, a dele- and the The estimates of the parameter δ of model the cluster robust standard as follows, ng a 1000m race. starting in skaters the inner e speed of at lane rink has k; tion rate of 5.70% and 4.57%, respectively. the made average In presented model (2),inthe season parameter β˜l is we bounds of 95% intervals are Table 1. For our analysis, uselevel o e advantage that a skater starting in the inner confidence lane has compared to the season 2000-2001, while the rink parameter γ˜ categorical variables, we take the season 2000of program STATA. ne during a 1000m race.

˜ bles, take the season on rink m comparedFinish to thei,c,j,k rink=inα rencewe categories, so that2000the model is rewritten ˜Berlin. + θc + Seasonc,l,i βl + Men Women ond to the categorical o that model isvariables, rewrittenwe take the season 2000m l∈J Par. is Regressor SE 95% C.I. SEtest that 95%we C.I. he reference categories, so that the model rewritten Est. We conclude from a Est. Mundlak need to treat the s δ V I/O 0.030 0.019 -0.008 0.068 In0.120 0.029 0.063 0.177 ˜ fixed effect (Mundlak,model 1978).(2), the season parameter βl is t to the season while th Rinkc,m,i γ˜m + Vc,i δ + i,c,j,kTable , (2) of the fixed effects model using datacompared 1: Estimates of tournaments between2000-2001, 2000-2009. on rink m compared to the rink in Berlin.

, (2) K,i δ + i,c,j,k

Par.=Parameter, Est.=Estimate, SE=Standard Error, 95% C.I.=95% Confidence InterDeciding on and outliers Rinkc,m,i γ˜m + Vc,i δ + i,c,j,k , (2) + val. average m∈K level of performance during season l We conclude from a Mundlak test that we Speed skating is a technical sport that includes falls and mino performance l the average level of speed ink parameterduring γ˜m is season fixed (Mundlak, 1978). in time We are primarily interested in the estimated value of δ, which effect measures the difference deviate from ‘average’ performances. It is necessary to elimin is level of of speed performance during season l is the average level between 1000m races skated with a start in the inner and the outer lane. Based on Table 1, inference of the that measures the difference betw The estimates of theparameter parameter δ of model (2), the clusthe average level of test speed e the rinkDetecting parameter γ˜m isoutliers we concludewith that there is a differenceterofrobust 0.120standard secondserrors, between starting in the inner and the and in thethe bounds 95% onofoutliers when skated with aDeciding start inner and confithe outer lane. Th in. to treat the skater-specific intercept θc as a ed outer lane for female skaters, and 0.030 seconds for male skaters.

WhenFor standard errors are statistics dence intervals races are presented in Table 1.times our of error-free by eliminating of analyskaters in races con ater-specific intercept θc as taken a into account, it follows that the figures are significant for women, but insignificant Speed skating a technical sport for that inclt sis, we so, made of the program STATA. to do weuse introduce bounds foristhe 1000m finishing times, Detecting outliers withstatistics test we need Detecting to treat the outliers skater-specific intercept θc asstatistics a Detecting outliers with test statistics with test men.

In this section we use the same test statistic for the dedeviate from ‘average’ performances. It is ingoutliers outliers with test statistics cting outliers with test statistics ng with test statistics In this section use the test same teststatistic statistic the detection of outliers as inthe Hjort(1994). tection of outliers inwe Hjort(1994).

The test inference the parameter We are primarily interested inHjort(1994). theof estimated value of of δoutliers , that measures Instatistic this section wefor use the same test statistic for detection as in Hj section weasuse the same for the detection of outliers as inwith Detecting outliers box plots istics In thisThe test statistic reads reads which measures the difference in time between 1000m when skated with a start in the inner and ection weThe use the same test statistic for the detection of outliers as in Hjort(1994). section we use the same test statistic for the detection of outliers as in Hjort(1994). ction we use the same test statistic for the detection of outliers as in Hjort(1994).

The test statistic reads test statistic reads s falls and minor slips, leading to results that By introducing bounds on the 1000m finishing times, based races skated with a start in the inner and the outer lane. tistic for the detection of outliers as in Hjort(1994).

4 of error-free races by eliminating times of os reads ststatistic statistic reads statistic reads slips, leading to results essary to eliminate thesethat deviations from our values,on we remove times of races containing a fall or slip.

Based Table 1, we conclude that there is a difference to do so, we introduce bounds for the 1000m

−toFinish Finish and minor slips, leading results that Finishi,c,j,k i,c,j,k i,c,j,k

tedifference these falls deviations from our eincludes between the 1000m finishing times of 0.120 seconds between starting in the inner and the finishing times neglect technological progress of equipment and − Finish − Finish Finish i,c,j,k i,c,j,k i,c,j,k

T = ,= (3) i,c,j,k

, skaters, and 0.030 Ti,c,j,k , Ti,c,j,k (3)seconds =

ten is necessary to eliminate these deviations from our

the 1000m finishing times outer lane.

Therefore, we select 1000m times outer lane for female for − Finish Finish − Finish Finish on different rinks.

Therefore, we make box plots of 1000m − Finish Finish

i,c,j,k i,c,j,k i,c,j,k i,c,j,k i,c,j,k i,c,j,k Var (Finish Detecting outliers with box plotstim (Finishi,c,j,k ) i,c,j,k )

, (Finish (3) =

,or1000m (3) = in Var ,the (3) = )order kefore, ures the difference between finishing times we select 1000m times male skaters.

Whenthe standard errors areIftaken into ac-time is an outli ers races containing aVar fall slip.i,c,j,k In rink and during same season. a finishing

(3)

)with Var (Finish ) an Var ) order (Finish i,c,j,k i,c,j,k i,c,j,k Byfigures on thetime 1000m finish nd theaVar outer lane.

Therefore, weoutlier select test.

1000m times count, it follows that the are significant womaining fall or(Finish slip.

In finishing times, together corresponding bound isintroducing lowered andbounds the for finishing is remov ) represents the estimated variance of thethe finishing timevariance corresponding where Var (Finish

i,c,j,k

) represents estimated of the finishing time corr where Var (Finish Var (Finish ) represents the estimated variance of the finishing time corresponding where where dVar (Finishi;c;j;k) represents the estimated varii,c,j,k values, we remove of races containi en, butthere insignificant men. outliers of skaters containing gether withinanraces outlier test.i,c,j,ka fall or slip. In order until are noformore in the times box plots. to the ith race of skater c on location k in season j.

) represents the estimated variance of the finishing time corresponding ar (Finish ) represents the estimated variance of the finishing time corresponding Var (Finish ) represents the estimated variance of the finishing time corresponding r (Finish ith race of skater c on location k in season j. to the ance of the finishing time corresponding to the ith race toi,c,j,k the times, ith race of skater c on k in season j. i,c,j,k i,c,j,k finishing times neglect technological progres 000m finishing together with anlocation outlier test. variance of the finishing corresponding of skater on location season j.j.The intime season hrace race skater location conon location kin in season j. test statistic ith race of skater j. hstimated ofofskater c con location kkin season on different rinks. Therefore, we make box The testplots statistic the standardized value ofisFinish , or the value difference of Finishi,c,j,k seasonbased j. thetest i,c,j,k 3 difference is standardized value ofis Finishi;c;j;k orvalue the differgsintimes, on box the Finish The test statistic the standardized ofFinish Finish , or the of F The statistic isofthe standardized of Finish , or the difference i,c,j,k i,c,j,k rink of and during the same season.

If a finish i,c,j,k i,c,j,k and its expectation, divided by the estimated standard deviation of Finish .

The 1000m i,c,j,k ence of Finishi;c;j;k and its expectation, divided by box plots of the Finish a fall or slip.

However, box plots of pooled t statistic is the standardized value of Finish , or the difference of Finish est statistic isitsthe standardized value Finish the difference Finish statistic is the standardized value ofbyof Finish or, or the difference of of Finish and its, expectation, divided byof the estimated standard deviation of Finish . T i,c,j,k divided and expectation, the estimated standard deviation Finish 1000m i,c,j,k i,c,j,k i,c,j,k i,c,j,k i,c,j,k i,c,j,k corresponding bound is lowered and i,c,j,k the fini i,c,j,k . The exceeds 2.60; for female time of askater male skater isstandard defined toi,c,j,k bea.an outlier if the value of T value of times, Finish ,by or the difference of i,c,j,k based on box plots ofare the thedivided estimated standard deviation of Finishi;c;j;k The owever, box plots of pooled i,c,j,k fnishing equipment and fact that races skated i,c,j,k expectation, divided by the estimated standard deviation The 1000m sxpectation, expectation, divided by the estimated standard deviation ofFinish Finish .

The 1000m the estimated deviation Finish .T.The 1000m exceeds 2.60; time of male skater is defined to be an outlier if the value of T exceeds 2.60; for female time of athe male is defined toFinish be an outlier ifofof the value of i,c,j,k i,c,j,k i,c,j,k i,c,j,k until there are no more outliers in the box i,c,j,k skaters this value equals We validated the selected bound values by means of a sensitivity mated standard deviation of Finish .ifthe The 1000m 1000m time of skated aare skater is the defined to be anof outlier aining askater fall or slip.

However, box plots of pooled the fact that are i,c,j,k of 1000m times that skated on same exceeds 2.60; for female afts isdefined defined tomale be anan outlier value of exceeds 2.60; for female amale male skater is defined to be outlier ifthe the value ofTi,c,j,k Ti,c,j,k exceeds 2.60; for female male skater israces to be an outlier if2.80. value T skaters this value equals 2.80.

We validated thea selected bound values by means of a skaters this value equals 2.80.

We validated the selected bound values by means of sensitivity i,c,j,k analysis which will not be presented here.

A negative value of the test statistic corresponds if the value of Ti;c;j;k exceeds 2.60; for female skaters T exceeds 2.60; for female outlier if the value of gress of equipment and the fact that races are skated that are skated on the same i,c,j,k time is an outlier in We aWe particular box plot, the his value equals 2.80. validated the selected bound values byby means asensitivity this value equals 2.80.

We validated the selected bound values means asensitivity sensitivity his value equals 2.80. validated the selected bound values by means aof analysis will not beof presented here. A corresponds negative value of the test statistic co analysis which will not be presented here.

Awhich negative value ofof the test statistic to aequals good performance, that 1000m time skated is not an 1000m outlier.time skated is not an outlier. this value 2.80.

We validated selected bound the selected bound values by means ofsuggesting athe sensitivity box of 1000m times that are skated on the same inwhich aplots particular box plot, thehere. ng time isto removed.

This procedure isnegative which will be presented here. negative ofperformance, the test statistic ised will not be presented here.

Arepeated negative value ofthe the test statistic corresponds which will not be presented AA value of the test statistic corresponds to avalue good suggesting that the anot good performance, suggesting that the 1000m time skated iscorresponds not an outlier. values bysuggesting ofthat atest sensitivity analysis which will is not re.

A negative value of the statistic corresponds nishing time is an outlier in athat particular box plot, the d.

This procedure ismeans repeated ts. dperformance, performance, suggesting that the 1000m time skated isnot anan outlier. performance, the 1000m time skated isnot not outlier. dood suggesting the 1000m time skated an outlier. betime presented A negative value of the test statistic the 1000m skatedhere. is not anprocedure outlier. finishing time isEstimates removed.

This is repeated of fixed the fixed effects model Estimates effects model corresponds to a of goodthe performance, suggesting that the of the fixed effects model ox plots.Estimates 3mates mates ofof the fixed effects model the fixed model ates of the fixed effects model 1000m time skated iseffects not an outlier.

We analyzed all times finish for times for the men’s and women’s of and the women’s Olympic Games,races of the Olymp ts model analyzed all finish times1000m for the men’s We analyzed all finish theWe men’s and women’s 1000m races ofraces the Olympic Games,1000m World Championships Single Distances, World Sprint Championships, and World Cup events yzed all finish times for the men’s and women’s 1000m races Olympic Games, alyzed finish times for the men’s and women’s 1000m races ofthe the Olympic Games, zed all finish times for the men’s and women’s 1000m races ofofChampionships, the Olympic Games, World Championships Single Distances, WorldCup Sprint Championships, and World C World Championships Single Distances, World Sprint and World events 3all in the period 2000-2009 using the website of the International Skating Union(ISU).

The secn’s and women’s 1000m races of the Olympic Games, hampionships Single Distances, World Sprint Championships, and World Cup events Championships Single Distances, World Sprint Championships, World Cup events of the The hampionships Distances, World Sprint Championships, andand World Cup events in the period using the website International Skating Union(ISU) in theSingle period 2000-2009 using the website of the 2000-2009 International Skating Union(ISU). secJaargang data 33 - GAXEX 2 17 ond 2002-2003 World Cup in Heerenveen could not be traced.

The original sets consist World Sprint Championships, and World Cup events eriod 2000-2009 using the website International Skating Union(ISU).

The secperiod 2000-2009 using the website ofthe the International Skating Union(ISU).

The secriod 2000-2009 using the website ofof the International Skating The second 2002-2003 World Cup inThe Heerenveen couldsets notconsist be traced.

The original data s ond 2002-2003 World Cup in Heerenveen could not beUnion(ISU). traced. original data of 2860 andfinishing 2650 finishing times forand male and female skaters, respectively.

After removing te of the International Skating Union(ISU).

The sec2-2003 World Cup inin Heerenveen could not be traced.

The original data sets consist 02-2003 World Cup Heerenveen could not be traced.

The original data sets consist -2003 World Cup in Heerenveen could not be traced.

The original data sets consist of 2860 and 2650 finishing times for maleAfter and female skaters, respectively. After of 2860 and 2650 times for male female skaters, respectively. removing 1000m times of races containing an error, we are left with 2697 and 2529 observations men n could not be traced.

The original data sets consist 2650 finishing times for male and female skaters, respectively.

After removing 0and 2650 finishing times for male and female skaters, respectively.

After removing ndand 2650 finishing times for male and female skaters, respectively.

After 1000m times of races an error, we are left 2697 and 2529 observatio 1000m times of races containing an error, we are left withcontaining 2697 andremoving 2529 observations forwith menfor

Estimates of the fixed effects model

˜ + θc + Finishi,c,j,k = α

Seasonc,l,i β˜l +

l∈J

Correcting the 1000m times between 20002009

In model (2), the season parameter β˜l is compared to the season 2000-2001, while t on rink m compared to the rink in Berlin.

We conclude from a Mundlak test that we fixed effect (Mundlak, 1978).

eeeee eeeee eeeee

Deciding on outliers Correcting the 1000m times between 2000-2009 Hjort’s(1994) correction of the 500m times of the OlymAs an illustration of what could have happened with a re-

skating a technical sport that inc pic Games in Calgary(1988), Albertville(1992), and versed inner/outerSpeed track draw duringisthe Olympic Games Hjort’s(1994) correction of the 500m times of the Olympic Games in Calgary(1988), Aldeviate fromSingle ‘average’ performances.

It is Lillehamer(1994) showed that a reversed draw of lanes and the World Championships Distances in the bertville(1992), and Lillehamer(1994) showed that a reversed draw of lanes changed the medal changed the medal winners. For example, Jan Ykema period 2000-2009,inference we subtracted theparameter estimate of δ from of the that measure winners. For example, Jan Ykema won the silver medal in Calgary with a 500m time of 36.76 won the silver medal in Calgary with a 500m time of 1000m times skated with skated a start inwith the outer lane.in Table when a start the2 inner and sec; however, when his time was corrected for the advantage of his start (inner lane), the 36.76 sec; however, when his time was corrected for the shows the actual ranking together with the ranking based of error-free races by eliminating times of result was 36.81 sec and a fourth-place finish. advantage of his start (inner lane), the result was 36.81 on a reversed draw World bounds Championtofor dothe so,2008-2009 we introduce for the 1000 sec and a fourth-place finish.

ships Single Distances and the 2010 Olympic Games.

As an illustration of what could have happened with a reversed inner/outer track draw during Detecting outliers with box plots the Olympic Games and the World Championships Single Distances in the period 2000-2009, we subtracted the estimate of δ from 1000m times skated with a start in the outer lane. bounds on the 1000m finis By introducing Table 2 shows the actual ranking together with the ranking based on a reversed draw for the values, we remove times of races contain 2008-2009 World Championships Single Distances and the 2010 Olympic Games. finishing times neglect technological progre World Championships Single Realized ranking 1 T. Marsicano I 1:08.96 2 D. Morrison I 1:09.00 3 S. Davis O 1:09.02 4 S. Groothuis O 1:09.25 5 J. Bos O 1:09.27 Realized ranking 1 C. Nesbitt 2 A. Friesinger 3 M. Boer 4 N. Bruintjes 5 S. Yoshii Olympic Games.

Realized ranking 1 S. Davis 2 T.-B. Mo 3 C. Hedrick 4 S. Groothuis 5 M. Tuitert Realized ranking 1 C. Nesbitt 2 A. Gerritsen 3 L. van Riessen 4 K. Groves 5 N. Kodaira

Distances. Vancouver Corrected ranking 1 T. Marsicano I 2 S. Davis I 3 D. Morrison I 4 S. Groothuis I 5 J. Bos I

on different rinks. Therefore, we make box rink and during the same season. If a finis 1:08.96 corresponding bound is lowered and the fin 1:08.99 until there are no more outliers in the box

2009

1:09.00 1:09.22 1:09.24

Corrected ranking 1 C. Nesbitt I 2 A. Friesinger I 2 M. Boer I 4 N. Bruintjes I 5 S. Yoshii I

1:16.28 1:16.32 1:16.32 1:16.80 1:16.82

Vancouver 2010 Corrected ranking O 1:08.94 1 S. Davis I I O 1:09.12 2 T.-B. Mo I 1:09.32 3 C. Hedrick I I I 1:09.45 4 S. Groothuis I I 1:09.48 5 M. Tuitert

1:08.91 1:09.09 1:09.32 1:09.45 1:09.48

Corrected ranking 1 A. Gerritsen I 2 C. Nesbitt I 3 L. van Riessen I 4 K. Groves I 5 N. Kodaira I

1:16.46 1:16.56 1:16.60 1:16.78 1:16.80

I I O I I

I O O I I

1:16.28 1:16.32 1:16.44 1:16.80 1:16.82

1:16.56 1:16.58 1:16.72 1:16.78 1:16.80

Table 2: Realized and corrected ranking of the 2008-2009 World Championships Single Distances and the 2010 Olympic Games.

What immediately catches the eye are the differences between the top three finishers in the 2008-2009 World Championships Single Distances and the 2010 Olympic Games. For example, Boer was third in the actual ranking of the 2008-2009 World Championships Single Distances, but would have won the silver medal when we correct for the average advantage df

18

5

What immediately catches the eye are the differences between the top three finishers in the 2008-2009 World Championships Single Distances and the 2010 Olympic Games. For example, Boer was third in the actual ranking of the 2008-2009 World Championships Single Distances, but would have won the silver medal when we correct for the average advantage of starting in the inner lane. For female skaters, there is a even a difference between the gold medal winners of the 2010 Olympic Games. In fact, when we correct for the draw of lanes of the 2010 Olympic Games, Gerritsen, starting in the outer lane, becomes the gold medal winner, whereas her actual result is the silver medal. Similar changes were evident for men, as well. For instance, when the draw of lanes of the 2008-2009 World Championships Single Distances was changed, Davis, starting in the outer lane, becomes silver medal winner, whereas his actual result was the bronze medal.

Additionally, we added the estimate of to 1000m times skated with a start in the inner lane. The resulting rankings, which are the so called reversed draw rankings, show the influence of the draw of lanes on finishing times. Actually, for all World Championships Single Distances and Olympic Games between 2000 and 2009, the percentage of differences between the realized and reversed draw rankings is 22.89% and 48.29% for male and female skaters, respectively.

Conclusion

Acknowledgement We would like to thank our colleague Bertus Talsma for his comments and suggestions. We would like to thank Huub Snoep for providing the photograph on the front page.

References A.J. Cameron and P.K. Trivedi, Microeconometrics (3rd Ed.), Cambridge University Press, 2007 J.A. Rice, Mathematical Statistics and Data Analysis (2nd Ed.), Duxbury Press, 1995 N.L. Hjort, Should the Olympic Sprint Skaters Run the 500 Meter Twice?, Statistical Research Report, University of Oslo, 1994 G.H. Kuper, E. Sterken, Endurance in Speed Skating: The Development of World Records, European Journal of Operational Research (148), 2003, pp. 293-301 Y. Mundlak, On the Pooling of Time Series and Cross Section Data, Econometrica (46), 1978, pp. 69-85 http://ww2.isu.org/speed/worldcup/0001/sswc0001.html www.skateresults.com

Both for male and female skaters we have found an inner/outer lane difference for the 1000m, namely 0.030 seconds for men, with a standard error of 0.019, and for women 0.120 seconds, with a standard error of 0.029.

For female skaters this difference is even statistically significant. Hence, we may conclude that two 1000m competitions are needed at Olympic Games and World Championships Single Distances.

An additional argument is that the inner/outer difference might still exert influence on future results, as speed skating has matured during the last decade and is still maturing, so that small differences between race circumstances may make the difference between a gold medal or nothing. For instance, the difference between the gold and bronze medal winners of the 2008-2009 World Championships Single Distances for men is only 0.06 seconds. Obviously, starting in the inner or the outer lane becomes of great influence for the division of medals during future tournaments.

Jaargang 33 - GAXEX 2

19

Tekst: Ruben te Wierik

Durf jij het wél aan?

Op 23 februari maakte piloot Edwin van Calker bekend niet van start te gaan tijdens de Olympische bobsleewedstrijd van een paar dagen later.

Zijn reden was zijn gebrek aan zelfvertrouwen na een belabberd optreden in de tweemansbob. Hij was bang te crashen op de zeer moeilijke Olympische baan. Was zijn afzeggen een laffe daad of was het terecht en verdient hij respect voor deze moeilijke keuze?

Bobsleeën is als sport ontdekt halverwege de negentiende eeuw. In St. Moritz, Zwitserland werd destijds door Britse toeristen voor het eerst een stuurmechanisme toegepast op een slee, waardoor het mogelijk werd bochten te maken. Een Zwitserse hoteleigenaar legde vervolgens, vooral vanwege de commerciële belangen, een baan aan, waarop ook aan rodelen en skeleton werd gedaan. Het was ook hier, waar in 1884 de eerste officiële wedstrijden werden gehouden. In 1897 werd in St. Moritz dan ook de eerste bobsleevereniging opgericht en in zowel 1928 als 1948 werd op de St. Moritz-Celerina Olympische Bosleebaan de Olympische bobsleewedstrijd gehouden.

Edwin Van Calker zijn plek als piloot van de Nederlandse bob over. Een samenwerking tussen de TU’s en enkele bedrijven, leverde een kwalitatief zeer goede slee op.

Prompt haalde Van Calker tijdens een wereldbekerwedstrijd in Königssee de eerste Nederlandse podiumplek ooit.

Deze natuurlijke ijsbaan wordt nog steeds elk jaar midden november opnieuw aangelegd door vijftien specialisten. Hiervoor wordt gedurende drie weken gebruik gemaakt van 5000 m3 sneeuw en 4000 m3 water. Aan het einde van bobsleeseizoen, eind februari, wordt de baan weer afgebroken. Dit in tegenstelling tot de kunstmatige banen, die een metalen ondergrond hebben, met daarop een laag ijs. Deze banen worden ook kunstmatig gekoeld en zijn daardoor van veel betere kwaliteit. Hierdoor zijn wedstrijden op dit soort banen eerlijker en is het mogelijk om tijden tussen verschillende jaren te vergelijken, omdat de baan niet elk jaar veranderd.

Tijdens een trainingsafdaling ging de Nederlandse tweemansbob nogal hard onderuit, zoals vrijwel elke favoriet al wel een keer het ijs van zeer dichtbij zag. Bovendien is het niet raar wanneer piloten tijdens de eerste paar runs op een onbekende baan wel eens onderuit gaan.

De eerste Nederlandse bobsleedeelname aan de Olympische Spelen dateert van 1928, toen het team van piloot Van der Sandt met remmers Delprat, Teixeira de Mattos, Dekking en Menten twaalfde werd in een veld van 25 sleeën. Weinig Nederlands succes volgde, tot de bob van Arend Glas in 2002 enige medaillekansen werd toegedicht. In de jaren die volgden stopte Glas en nam

20

Door deze prestatie in de vernieuwde bob, werd Nederland plots een outsider voor een Olympische medaille.

Vooral van de Nederandse tweemansbob werd gedacht dat ze een kleine kans hadden op een medaille. De viermansbob zou zeker op een top-10 plek gerekend kunnen hebben.

Op 21 en 22 februari werkten Van Calker en Jansma de vier runs van de Olympische tweemanswestrijd af.

Hun snelste tijd, 52.37 seconden, stak schril af bij de gemiddelde tijd van de winnaars Lange en Kuske: 51.59.

Bovendien ging de Nederlandse slee tot twee keer toe bijna op zijn kant door zwak stuurwerk van Van Calker.

Deze trok zich dit dusdanig aan dat hij twee dagen later bekend maakte het niet aan te durven om deel te nemen aan de wedstrijd in de viermansbob.

Dat bobsleeën niet ongevaarlijk is, heeft de historie bewezen. In totaal vonden zeker zes mannen en één vrouw de dood in de bob. De Zwitser Reto Capadrutt was tijdens het WK van 1939 in Cortina d’Ampezzo voor zo-

De nederlandse bob op 10 januari 2010 in Königssee

ver bekend de eerste die omkwam tijdens een afdaling, het meest recente slachtoffer was Yvonne Cernota, die in 2004 tijdens een training op de baan van Königssee crashte en overleed. Verder zijn er tal van ongelukken geweest met zeer ernstige verwondingen.

De Olympische baan in Whistler staat bovendien bekend als één van de snelste en moeilijkste banen in de wereld. Tijdens de wereldbekerwedstrijd van februari 2009 haalde de rodelaar Felix Loch met 153 km/h de hoogste rodelsnelheid ooit. De gevaarlijkheid werd nogmaals bewezen door de dood van de Georgische rodelaar Nodar Kumaritashvili. Hij raakte met 143 km/h de kant van een recht stuk en werd tegen een pilaar gelanceerd. De crash van Kumaritashvili was de zoveelste al in korte tijd op deze baan en wakkerde de discussie over de veiligheid van de baan opnieuw aan.

Rodelaar Patrick Singleton, uitkomend voor Bermuda, beweert dat de Canadezen met hun olympisch programma ‘Own the podium’ hebben bijgedragen aan de dood van Kumaritashvili, omdat ze bewust buitenlandse sporters hebben weggehouden van de wedstrijdfaciliteiten in Whistler en Vancouver. Hierdoor hebben buitenlanders veel minder trainingsafdalingen kunnen maken, waardoor ze de baan lang niet zo goed kennen als de gangbare wereldbekerbanen.

Verschillende aanpassingen aan de baan volgden. Voor de veiligheid van de mannelijke rodelaars, begonnen zij één bocht verder, bij de vrouwenstart, waardoor zij de moeilijkste passages met een iets lagere snelheid passeerden. Ook werden in de bocht waar Kumaritashvili verongelukte enige aanpassingen gedaan en werden de

De Olympische baan in Whistler

pilaren afgedekt. Voor de bobsleewedstrijden werd nog extra ijs uit de baan genomen, waardoor de baan minder snel werd.

Van Calker was niet de enige die besloot niet van start te gaan. Twee Zwitserse sleeën, een Letse, een Australische en een slee uit Liechtenstein gingen ook niet van start, vanwege crashes. Tijdens de wedstrijd gingen verschillende bobsleeën op hun kant, zonder al te veel erg.

Al met al valt er veel te zeggen voor het besluit van Van Calker, de baan in Whistler is ook gewoon heel gevaarlijk en hij heeft inderdaad niet veel afdalingen gehad. Het zegt genoeg dat de andere teams zijn keuze respecteren en niet verwerpen. Toch blijft het jammer dat je zelfvertrouwen zo ver zakt na twee slechte runs in het beste seizoen van je leven. Bovendien hebben vele mensen er jaren aan gewerkt, is er miljoenen geïnvesteerd in het project en wilden remmers Jansma en Beck wél graag naar beneden.

De voorzitter van de Bob en Slee Bond Nederland (BSBN) was woedend toen hij het besluit van Van Calker vernam. Hij ontviel Van Calker publiekelijk en maakte direct duidelijk dat Van Calker zijn plek als piloot van de Nederlandse bob wel kan vergeten. Op de website van de BSBN staat al een bericht, waarin de bond zegt op zoek te zijn naar nieuwe bobslee- en skeletontalenten, die het avontuur wél aandurven.

Jaargang 33 - GAXEX 2

21

Activiteiten Agenda 08 maart

Landelijke Econometristendag

16 maart

Algemene Ledenvergadering

16 maart

VESTING Borrel

16/17 maart Bèta BedrijvenDagen 23 maart

Algemene Activiteit

24 april

Batavierenrace

Graag wil VESTING de volgende mensen feliciteren met het behalen van hun bul: 11-12-2009

Margriet van der Wal Speeding up Value-at-Risk calculations for option portfolios

26-01-2010

Pieter van der Hoek An Empirical Study of Mean Reversion in International Stock Market In dexes and the Implications for the FTK Continuity Analysis

12-02-2010

Jingjing Liu Income Inequality in China, 1989 to 2006

VESTING Bestuur 2009-2010 Johan Sanders

Voorzitter

Fred Heijnen

Vice-voorzitter Intern coĂśrdinator

Chris Jensma

Secretaris

Martijn Westra

Penningmeester

Eelke de Jong

Bedrijfscontacten

22

Tekst: Renske van Raaphorst, secretaris BBD ‘10

Bèta BedrijvenDagen

2010: Make the world a Bèta place Met trots stel ik hier het bestuur van de Bèta BedrijvenDagen 2010 aan u voor. Een bestuur dat enthousiast, gedreven en ambitieus is. Dat natuurlijk erg gezellig is.

En dat maar één ding voor ogen heeft: van de BBD 2010 het mooiste evenement van het jaar maken.

De Bèta BedrijvenDagen is een tweedaags evenement waar studenten in contact kunnen komen met bedrijven op verschillende manieren. Als je je wilt oriënteren, is er de bedrijvenmarkt en zijn er een aantal presentaties.

Mocht je op zoek zijn naar een stageplaats of een baan, dan zijn er workshops door bedrijven en individuele gesprekken. Daarnaast is er nog de mogelijkheid om informeel contact te leggen met je toekomstige werkgever tijdens het ontbijt, de lunch of de beroemde borrels.

Het leuke van de Bèta BedrijvenDagen is dat het erg gemakkelijk is om contact te maken met de bedrijven. De prachtige locatie van het Kasteel maakt de sfeer heel speciaal, de bovengenoemde borrels zorgen voor een

feestelijk einde van de dag. Het is geen massaal evenement, waardoor je makkelijk je weg zal kunnen vinden op de BBD. Als student zal je beide dagen helemaal in de watten worden gelegd. Alles wat er op de dagen wordt aangeboden is gratis. Jij, de student, staat immers centraal.

Datum: dinsdag 16 en woensdag 17 maart Meer informatie? kijk op: www.beta-bedrijvendagen.nl of mail naar: info@beta-bedrijvendagen.nl

Misschien vraag je je af wat je als econometrie-student op de BBD moet? Ik kan je vertellen dat er ook dit jaar weer een hoop interessante bedrijven zullen zijn. Van techniek-bedrijven als Technolution, tot energiebedrijven als Nuon en Shell. Hou voor de actuele informatie in februari de site in de gaten!

Ik kan dus niet meer zeggen dan dat de Bèta Bedrijvendagen van 2010 gewoon niet te missen vallen. Of je nu voor het eerst kennis maakt met de arbeidsmarkt, of echt op zoek bent naar jouw carrièrestart: op de BBD kun je het vinden.

Vlnr: Ömer Arslan, Yoep Hoekzema, Warun Bhola, Valerie Siahaan, Renske van Raaphorst en Sjoerd Bielleman

Jaargang 33 - GAXEX 2

23

Tekst: Mariska van Ham

AC Activiteiten

Pooltoernooi Op 10 november was het zover: de eerste algemene activiteit voor VESTING Leden van het nieuwe collegejaar, een pooltoernooi. De avond begon met een heerlijke maaltijd, speciaal voor mentorgroep Roze bereidt door papa-Thomas, waarna we ons richting Cue Action begaven waar het pooltoernooi zou gaan plaatsvinden. Tom zorgde er voor dat alle deelnemers wisten tegen wie ze moesten spelen en aan welke tafel dat dan zou gaan plaatsvinden. Toen de eerste ronde was afgelopen, was nog maar de helft van alle deelnemers over en begon de volgende ronde. Zodra er wat pooltafels over waren werd daar goed gebruik van gemaakt door een deel van de afgevallen deelnemers. Anderen dronken een biertje aan de bar en keken met veel plezier toe hoe alle ballen, ook de zwarte en witte bal uiteraard, gepot werden. Nog wat rondes en dus ook afvallers later, waren alleen Luuk en Kenneth nog over. Zij zouden gaan strijden voor de hoofdprijs. Na een spannende wedstrijd bleek Luuk toch net wat beter te zijn dan Kenneth en ging er dus met de hoofdprijs vandoor: onder andere een bioscoopbon en een heuse beker! Na deze victorieuze overwinning was het tijd om richting Chaplin’s pub te gaan waar de avond werd afgesloten met een borrel.

24

Pubquiz Toen bekend werd dat de eerstvolgende activiteit een pubquiz zou worden, werden de VESTING Leden meteen enthousiast. Er barstte een heftige discussie los op het VESTING Forum over wie zou gaan winnen en dat moesten de deelnemende teams natuurlijk waar gaan maken. De pubquiz zou gaan plaatsvinden op 1 december, in Jut&Jul. Op een aantal boetes na vanwege het fietsen zonder licht, was iedereen zonder problemen gearriveerd. De deelnemers kregen de kans om even bij te praten onder het genot van een biertje voordat we aan de eerste ronde begonnen: De nutteloze weetjes. Aan het eind van deze ronde was het ook tijd voor het eerste ‘tussendoortje’. Toen alle vragen van de eerste ronde gesteld waren en de antwoordbladen ingeleverd had iedereen een kwartiertje pauze, behalve de AC die snel de antwoorden nakeek. Na de pauze en bekend maken van de scores, begonnen we aan de volgende rondes: sport, showbizz en topografie. Vreemd genoeg had iedereen bij het onderdeel showbizz de 5 vragen over Paris Hilton goed. Ik weet niet of ik me zorgen moet gaan maken over het feit dat iedereen weet dat Tinkerbell de naam is het van het hondje van Paris.

Ook in de plaatjesronde werd goed gescoord. De originaliteitprijs voor de vraag waarom piet niet kon autorijden, was terecht gewonnen door Bestuur ‘09-’10. En schande aan de mensen die niet wisten dat de prachtige zonnewijzer op de martinitoren zat!

Na een spannende finale tussen Bestuur ‘08-‘09 en ‘Bas zijn bierbende der ellende’, bleek ‘Bas zijn bierbende der ellende’ uiteindelijk toch beter te zijn. Dat bekent dat de (heerlijke) hoofdprijs, chocoladeletters en 2 flessen La Chouffe, aan het Bestuur ’08-’09 voorbij ging. Na de quiz en het plakken van VESTING Stickers op met name studiegenoten, werd het hoog tijd om nog even in de 9e cirkel een aantal biertjes te gaan drinken, want daar was iedereen na de vermoeiende quiz wel aan toe.

Jaargang 33 - GAXEX 2

25

Schaatsen Na kerst en oud en nieuw was iedereen wel wat kilootjes aangekomen, en wat is er nou beter voor de lijn dan een sportief avondje? Dus besloot de AC te gaan schaatsen in Kardinge, alvorens we ons naar de Rumba zouden begeven waar de VESTING Borrel zou plaatsvinden, en waar de onthulling van het kandidaatsbestuur zou plaatsvinden. Zodra bekend werd dat er geschaatst zou gaan worden, werden de schaatsen uit de kast gehaald en van te voren ondergebonden voor een korte training. Dit om genante valpartijen tijdens de activiteit zelf te voorkomen. Kandidaatsvoorzitter Jurjen had de opdracht gekregen om bier, glĂźhwein, sinaasappels, vlammetjes en meer van zulks mee te nemen naar de schaatsbaan.

Terwijl langzamerhand iedereen binnendruppelde, werden de toegangsbewijzen gekocht en uitgedeeld. Toen ongeveer alle sportievelingen er waren, werden de schaatsen aangetrokken en werden de eerste rondjes ietwat voorzichtig gereden. Na wat rondjes werd het vertrouwen in de schaatsen groter, met als gevolg dat er wat harder gereden werd. Jurjen, als voorzitter van het kandidaatsbestuur, moest natuurlijk wel opgemerkt worden en had daarom ook een prachtig hanenpak aan.

Dit was dan ook uiteraard oorzaak voor flink wat gelach, aangezien niet alle schaatsers op de baan VESTING Lid waren. Toen iedereen zich flink had uitgeleefd, werd het tijd om de schaatsen uit te trekken en nog een mok warme chocolademelk te drinken, voor er aan de lange en koude reis terug kon worden begonnen. Eenmaal aangekomen in de Rumba werd alles weer vergeten en werden de laatste weddenschappen gesloten. Wie zouden er in Jurjen’s kandidaatsbestuur komen?! Dat werden Pim, Pieter en Fonkei, en uiteindelijk kwam Myrthe het team nog versterken. Toen kon het kandidaatsbestuur zich wagen aan de beruchte vuurproef. Niet veel later werden er felicitaties uitgedeeld en werd er weer gezellig gekletst en gedronken tot het hoog tijd was om het bed op te zoeken.

26

Jaargang 33 - GAXEX 2

27

Alfabetfeest

28

Het alfabetfeest vond plaats op maandag 22 februari in Huize Maas. Het feest werd georganiseerd door 14 studieverenigingen uit Groningen, en zoals je al kan zien was het thema: “Superhelden en sprookjesfiguren”. Het was een schitterend feest en aangezien foto’s meer zeggen dan woorden, hierbij twee fotopagina’s!

Jaargang 33 - GAXEX 2

29

Tekst: Jurjen Boog

Interview ICT Commissie Hartstikke leuk dat jullie als commissie tijd hebben kunnen vinden voor dit interview. Veel VESTING Leden kennen jullie al, maar weinig mensen hebben een idee van wat het inhoudt om deel uit te maken van de ICT commissie. Hoe zien jullie vergaderingen er uit?

Martin: Meestal vergaderen we pas als er iets gedaan moet worden. Sinds Maarten in oktober de ICT commissie kwam versterken, hebben we twee vergaderingen gehad. Op dit moment zijn we bijvoorbeeld hard bezig met de nieuwe website, daar is Maarten hard mee bezig.

Maarten: In de vakantie heb ik er heel hard aan gewerkt, nu ligt alles even stil in verband met tentamens. De bedoeling is dat deze voor de ALV in maart helemaal klaar is.

Wat is de functieverdeling in de ICT commissie?

Maarten: Ik doe op dit moment vooral het ontwerp van de nieuwe website. Daarnaast houd ik me bezig met de structuur van de website opbouwen. Bram helpt vervolgens door het programmeren te doen.

Martin: Administratie en bestuurscontacten lopen via Chris. Als het bes tuur iets veranderd wil hebben, geeft Chris het in de commissie aan. En ik leid alles in goede banen, wat me meestal goed af gaat.

Martin, waarom heb je voor de ICT commissie gesolliciteerd?

30

Martin: Volgens mij heb ik daar nooit voor gesolliciteerd.

Volgens mij ben ik een van de founding fathers van de ICT commissie. Ik weet niet meer precies hoe dat ging, maar volgens mij was het altijd zo dat Bram de website in zijn eentje deed. In 2006 bedacht ik dat ik Bram wel kon assisteren met creatieve ideeën bedenken.

Chris: Bram heeft de huidige versie van het CMS gebouwd. Daarvoor gebruikten we een andere, oudere versie. Deze versie heeft Bram uitgebreid, waardoor het grootste deel nu wel door hem is gemaakt. Hetzelfde geldt voor de website.

Chris, denk je dat je volgend jaar nog in de ICT commissie zult blijven, na je bestuursjaar?

Chris: Daar moeten we nog over nadenken, maar ik denk waarschijnlijk niet. Na mijn bestuur ben ik geen intensief gebruiker van de website en het CMS meer, dus dan denk ik dat er misschien geschiktere mensen zijn om mijn plaats in te vullen.

Wat zijn dingen waar jullie op dit moment mee bezig zijn, naast de nieuwe website?

Martin: De laatste tijd hebben we een paar dingen geïntroduceerd, zoals de verjaardagskalender. Het zou echter fijn zijn als VESTING Leden met voorstellen komen van wat ze op de VESTING Site zouden willen zien. We hebben zelf een aantal dingen bedacht, maar dat staat allemaal al online. Google Streetview op de website is een van de ideeën die nog open ligt.

Vlnr: Chris Jensma, Martin Haringa, Maarten Ruissaard en Bram de Jonge

Maarten: Een overzicht met de top vijf posters op het forum is ook geopperd als idee. Chris heeft gisteren toevallig de 9000e post geplaatst op het forum.

Hoe vaak lezen jullie de GAXEX eigenlijk?

Maarten: Ik heb de GAXEX wel gelezen toen ik hem vorige keer in de bus kreeg.

Chris: Ik lees de GAXEX een aantal keer per editie. Als bestuurstaak heb ik ook de eindredactie, dus dan moet ik alle artikelen wel minstens twee keer doorlezen. Maar voor ik in het bestuur zat, las ik de GAXEX sowieso wel.

Martin: Ik lees de GAXEX niet zo heel vaak. Heel af en toe blader ik het blad door. Meestal lees ik de verslagen over de artikelen wel door, ik vind een verenigingsblad veel leuker.

Laatste vraag: willen jullie nog iets kwijt richting de GAXEX lezers?

Martin: Ik zou graag meer ideeĂŤn vanuit de leden willen krijgen met hoe de website nog meer verbeterd kan worden.

Maarten: Er zijn de laatste tijd weinig eerstejaars studenten op de informele activiteiten, zoals borrels. Het zou gezellig zijn als meer mensen, dus ook minder actieve leden, op komen dagen.

Nogmaals bedankt voor jullie tijd Jaargang 33 - GAXEX 2

31

Column VESTING Voorzitter

Goede voornemens Ten eerste zou ik graag van de gelegenheid gebruik willen maken om Jurjen Boog van harte te feliciteren met zijn benoeming als kandidaatsvoorzitter van VESTING. Namens mijn hele bestuur wens ik hem heel veel succes toe voor aankomend jaar. Daarnaast wil ik de VESTING Buitenlandse Reis Commissie (Gerdie Knijp - Voorzitter, Lisanne Cock, Fonkei Chan en Martin Haringa) van harte feliciteren met hun benoeming. Ook hun wens ik heel veel succes toe met het organiseren van de volgende VESTING Buitenlandse Reis.

Met het inluiden van het nieuwe jaar komen traditioneel ook de goede voornemens voor het aankomend jaar. Het is een moment van zelfreflectie, een tijd waarin men veranderingen en verbeteringen aan zichzelf en anderen belooft. Velen van ons zullen onder meer sporten, gezonder leven en afvallen op het rijtje van voornemens hebben staan. Ook de Rijksuniversiteit heeft zo haar voornemens, namelijk het verbeteren van de onderwijskwaliteit voor studenten. Dit jaar zal daarom vol staan met veranderingen in het studieprogramma. Zo zal er hoogst waarschijnlijk vanaf 2010 het Bindend Studie Advies worden ingevoerd. Dit zal inhouden dat iedereen die

32

in zijn/haar eerste jaar nog geen 40 ECTS heeft behaald of na zijn/haar tweede jaar zijn propedeuse nog niet heeft behaald van de studie zal worden gestuurd. Een ander gevolg van het BSA zal zijn dat de augustus herkansingen zullen verdwijnen, wat zou kunnen betekenen dat de studiedruk nog verder vergroot gaat worden. Er zullen nu immers minder collegeweken te vergeven zijn.

Of dit werkelijk tot beter onderwijs zal leiden is nog de vraag. Feit blijft wel dat BSA eraan komt, voor sommigen van ons misschien een reden om ook harder studeren bij de goede voornemens van 2010 te plaatsen.

Hoewel iedereen zijn/haar voornemens heeft voor een spoedig 2010 zal er ook veel onzekerheid zijn, zowel binnen en buiten ons mooie Groningen. Hoe gaat het BSA ons raken? Houden we met de verscherping van de regels nog wel tijd over om deel te nemen aan alle activiteiten van VESTING? Zal de instroom van eerste jaars niet halveren uit angst dat ze niet aan het BSA kunnen voldoen? Hoe staan mijn arbeidskansen ervoor na het halen van mijn studie? Dit klinkt allemaal wel heel dramatisch en serieus, maar ik ben ervan overtuigd dat de gevolgen niet zo extreem voor ons econometristen

zullen zijn. Wat betreft het BSA: we zijn al zo’n kleine studie waar iedereen elkaar kent en ook veel contact heeft met de opleiding. Het is bovendien ook voor de professoren van belang dat de opleiding zal blijven te bestaan. Ik heb daarom goede hoop dat de opleiding flexibiliteit zal geven, en met een schuin oog het BSA tegemoet zal zien.

Ook buiten ons stadje zijn er zorgen: Is de vrijheid van meningsuiting in gevaar? Kijk alleen al naar de vervolging van Geert Wilders, de aanslag op de deense cartoonist Kurt Westergaard en de controles van China op het nieuws en internet betreffende een de demonstraties in Urumqi. Moeten wij als student hier niet op reageren?,Wij zijn immers de aankomende elite van Nederland. Hebben wij dan niet de plicht om te melden dat niet zomaar alles kan, dat we het niet moeten dulden dat ons de mond wordt gesnoerd door een kleine groep extremisten of extremistische ideeën? Het opkomen voor onszelf en voor anderen staat daarom bij mij ook hoog op het lijste van goede voornemens voor 2010.

vinden. Zo zal er op 16 maart de bestuurswissel plaatsvinden, en zal Jurjen Boog samen met zijn bestuur het stokje van mij overnemen. Hij zal ongetwijfeld een aantal vernieuwende activiteiten neerzetten, maar éénn ding blijft zeker. VESTING zal een rots in de branding zijn, ondanks alle tumult binnen en buiten Groningen. VESTING zal zoals ieder jaar weer garant staan voor vele acitviteiten van zowel formele en informele aard voor haar leden.

Binnen VESTING zullen er ook veranderingen plaats-

Johan Sanders VESTING Voorzitter

Jaargang 33 - GAXEX 2

33

Colofon / Adverteerders Hoofdredacteur Jurjen Boog Redactie Kevin Mann Arne Wolters Fred Heijnen Jurjen Boog Sebastiaan Oude Groeniger Lay-out Fred Heijnen Arne Wolters Spelling Paula Hylkema Arno de Wolf Externe contacten Fred Heijnen 02

AEGON

04

Ernst & Young

35

36

All Options Towers Watson

Ontwerp lay-out Fred Heijnen Melinda Jagersma Bram de Jonge Arne Wolters Acquisitie Eelke de Jong Eindredactie VESTING Bestuur Redactieadres VESTING GAXEX Commissie Postbus 800 9700 AV Groningen Tel: (050) 363 70 62 Email: gaxex@devesting.nl Oplage 1000 Drukker Flyeralarm VESTING is geliĂŤerd aan de Economische en Bedrijfskundige Faculteitsvereniging

34

Towers Watson.

Een helder perspectief voor concrete oplossingen.

Towers Perrin en Watson Wyatt zijn nu samen Towers Watson. Een wereldwijde onderneming met een eenduidige focus op klanten en hun succes.

U kunt vertrouwen op 14.000 ervaren professionals die over zowel lokale als internationale expertise beschikken. Onze aanpak is gebaseerd op samenwerking en betrouwbare analyses. Wij bieden een helder perspectief dat uw specifieke situatie koppelt aan het grotere geheel. Zo leiden wij u naar betere bedrijfsresultaten.

Towers Watson. Duidelijk resultaat.

towerswatson.nl

Benefits | Risk and Financial Services | Talent and Rewards Š2010 Towers Watson. Alle rechten voorbehouden.