metody wagowe, metody imputacyjne.
|
|
- Bogusław Maj
- 5 lat temu
- Przeglądów:
Transkrypt
1 [ 183 ] W Jednym z poblemów paktycznych, któy zwązany jest z badanam statystycznym są bak danych. Konsekwencją neuzyskana odpowedz od częśc jednostek z póby jest spadek efektywnośc estymatoów. Zwykle bak danych powadzą także do obcążena estymatoów, ze względu na to, że ne pojawają sę one w póbe całkowce losowo. W ostatnm tzydzestolecu slne ozwnęły sę metody mające na celu edukcję błędu zwązanego z estymacją na podstawe nekompletnego zbou danych. Stosując badzo ogólne ujęce, metody te możemy podzelć na dwe gupy (po. Lttle Rubn 2002, s ; Sändal Lundstöm 2005, s. 17): metody wagowe, metody mputacyjne. Każda z wymenonych gup metod opea sę na dodatkowej nfomacj, któą uwzględna sę pzy estymacj. W pzypadku metod wagowych koekta ze względu na bak danych odbywa sę popzez modyfkację wyjścowych wag. W mputacj dodatkowa nfomacja wykozystywana jest do oszacowana tzw. modelu mputacyjnego, na podstawe któego uzupełnane są bak danych 1. W amach wyóżnonych gup wykształcły sę metody, któe ze względu na swoje własnośc zasługują na szczególną uwagę. Metody te to kalbacja oaz mputacja welokotna. Wymenone metody znajdują neco odmenne zastosowane. Ich użyteczność z punktu wdzena analzy nekompletnej póby zależy od dwóch głównych czynnków: pozomu złożonośc analzy oaz dostępnego wkładu nfomacyj- 1 W amach gupy metod mputacyjnych możemy wyóżnć metody bazujących na ozkładach pawdopodobeństwa (lkelhood-based appoaches). Imputacja odbywa sę w pzypadku tych metod w sposób pośedn dotyczy paametów, ne zaś poszczególnych watośc bakujących. Węcej nt. wskazanej gupy metod znajdzemy w pacach: Lttle Rubn 2002, cz. II; Molenbeghs Kenwad 2007, ozdzały 7-8.
2 [ 184 ] nego. Celem pacy jest poównane własnośc estymatoów otzymywanych pzy zastosowanu kalbacj oaz mputacj welokotnej. Weyfkacj poddano hpotezę, że mputacja welokotna jest metodą badzej efektywną nż metoda kalbacj. Wązać to możemy z faktem, że metoda ta ne powadz do utaty częśc nfomacj znajdującej sę w póbe (po. Lttle Rubn 2002, s. 53, Molenbegs Kenwad 2007, s ). Pozwala to na osągnęce podobnych wynków jake otzymujemy stosując kalbację pzy mnejszych wymaganach co do jakośc nfomacj dodatkowej. Poównane obu metod pzepowadzono w opacu o pzykład estymacj watośc globalnej pewnej cechy. W punkce pewszym pzedstawono estymatoy w postac wyjścowej. W punktach dugm tzecm opsane zostały odpowedno metoda kalbacj metoda mputacj welokotnej. Ostatn punkt pacy pośwęcony jest opsanu wynków zastosowana tych metod oaz ch podsumowanu. 1. B Załóżmy, że naszym celem jest estymacja paametu θ Y pewnej cechy Y na podstawe n-elementowej póby losowej z populacj o lczebnośc N. Nech π (=1,2,,n) oznacza pawdopodobeństwo nkluzj -tej jednostk do póby wyznaczone zgodne z pzyjętym schematem losowana. Na podstawe pawdopodobeństw nkluzj oblczane są wag d = 1/π, któe nfomują o tym le jednostek z populacj epezentowane jest pzez jednostkę z póby. Mając dane wynk z póby oaz wag możemy oszacować θ Y. Pzyjmujmy, że naszym celem jest estymacja watośc globalnej (θ Y =Y) zdefnowanej następująco 2 :, (1) Do oszacowana (1) możemy zastosować estymato Hovtza-hompsona: d y, (2) któy jest neobcążony dla π >0 (=1,2,,N) oaz pzy założenu, że póba jest kompletna (po. Bacha, 1998, s ). W paktyce badawczej założene o kompletnośc póby często ne jest spełnone. Nech nbędze lczbą znanych watośc cechy Y z póby. Oznacza to, że póba lczy n baków danych. Pzyjmjmy, że bak danych są losowe (mssng at andom MAR), pzez co ozumemy, że pawdopodobeństwo baku danych jest zależne N Y y Yˆ 1 n H 1 2 Estymatoy wybanych paametów dla wybanych schematów dobou póby wypowadzone pzy założenu dostępu do kompletnych pób znajdzemy w pacy Bacha (1998).
3 [ 185 ] od watośc znanych (po. Lttle Rubn, s ). Jeżel spełnone jest założene o losowośc baków danych, to oszacowane otzymane dla oganczonej póby możemy skoygować posługując sę dodatkową nfomacją o badanych jednostkach. Infomacja dodatkowa może pochodzć z póby (np. cecha dodatkowa) lub ze źódeł zewnętznych (np. ejesty admnstacyjne). 2. K Kalbacja jest metodą, któa polega na skoygowanu wyjścowych wag w tak sposób, aby możlwe najpełnej skompensować bak danych na analzowanej cesze. Do koekty wykozystuje sę nfomację pomocnczą zawatą w zboze danych lub pochodzącą ze źódeł zewnętznych. Ops metody kalbacj waz z pzykładam zastosowań znajdzemy w pacach: Sändal Lundstöm 2005; Paadysz Szymkowak 2007; Szymkowak Metoda kalbacj polega na wyznaczenu wag w dla =1,2,, któe będą możlwe najblższe wyjścowym wagom d otzymanym dla danego schematu losowana póby, pzy czym nowy system wag ma pozwalać na neobcążone oszacowane zadanego paametu. Postawony poblem jest to zagadnene optymalzacyjne, w któym szukamy w, któe mnmalzują odległość pomędzy w oaz d. Pzyjmując jako maę odległość χ 2 zadane to polega na wyznaczenu w, dla któego zachodz 3 : pzy waunku: gdze: w 2 d 2 d ( w, d) mn, (3) d 1 w 1 wekto watośc cech pomocnczych,, (4) wekto paametów lub ch oszacowań (wkład nfomacyjny). Dla zadanej may odległośc wag w możemy wyznaczyć za pomocą metody mnożnków Lagange a. Funkcja Langange a jest w tym pzypadku postac: 3 Devlle Sändal (1992) wskazują, że wybó may odległośc ne ma stotnego wpływu na własnośc estymatoów otzymywanych dla dużych pób. Kyteum dobou may odległośc pozostaje w takej sytuacj to, czy pzy zadanej meze sfomułowane zadane optymalzacyjne ma ozwązane oaz to jake własnośc posadają skoygowane wag. Z punktu wdzena własnośc wag stotne jest czy pzyjmują one watośc ujemne oaz czy występują wag znaczne wyższe od wag wyjścowych. W obu pzypadkach może to powadzć do newłaścwych oszacowań dla podpopulacj.
4 [ 186 ] w d Lw (, d, u) u w. (5) 1 d 1 Funkcja (5) osąga mnmum lokalne dla 4 : Pzekształcając ównane (6) oaz pzyjmując 1/2u =λ otzymujemy fomułę, na podstawe któej oblczane są skalbowane wag: Wekto λ wyznaczamy podstawając (7) do waunku (4): zakładając, że macez 2 L 2w 2d u0. (6) w d w =d (1+λ ). (7) ë λ d d 1 1 d jest neosoblwa. 1, (8) Estymato kalbacyjny watośc globalnej dla nekompletnej póby o lczebnośc <n otzymujemy podstawając w mejsce d we wzoze (2) skalbowane wag w : λë. (9) Estymato kalbacyjny będze blsk Y jeżel pomędzy badaną cechą oaz cecham pomocnczym występuje slna zależność (Devlle Sändal 1992). Ostateczna postać estymatoa zależy od wkładu nfomacyjnego. Jeżel dla obsewacj z póby znane są watośc pewnej cechy cągłej X, a ponadto możemy okeślć watość globalną tej cechy oaz lczebność populacj, to do estymacj możemy wykozystać estymato egesyjny. Wekto watośc cech pomocnczych jest w tym N pzypadku postac, natomast wekto paametów N 1 1 (Sändal Lundstöm, 2005, s. 72). Mając dane możemy wyznaczyć λ (wzó (8)). Estymato egesyjny otzymujemy podstawając λ do wzou (9): 1 Yˆ w y d 1 y d v y W Y Ŵ gdze: YŴ N y N B, (10) y d y d 1 1 śedna ważona cechy Y, d d 1 1 śedna ważona cechy pomocnczej X, Zachodz L w 0.
5 [ 187 ] a: N N 1 N śedna cechy X w populacj,. (11) Wyażene (10) może zostać zmodyfkowane w tak sposób, aby pozwalało na włączene do estymacj wedzy o pewnej cesze skokowej. Nech k=1,...,p oznacza kategoe pewnej cechy. Załóżmy ponadto że znane są lczebnośc tej cechy w populacj N N p = N. Estymato pozwalający wykozystać zaówno wedzę o cesze cągłej (jak w pzypadku (10)) jak wedzę o cesze skokowej jest postac (Sändal Lundstöm 2005, s. 74):, (12) gdze N k k odnoszą sę odpowedno do k-tej podpopulacj k-tej wastwy póby. Waancja estymatoa kalbacyjnego jest sumą waancj wynkającej z losowego dobou póby V ˆS oaz waancj wynkającej z baków danych V ˆNR (Sändal Lundstöm 2005, s ): Składnk waancj (13) dane są następującym fomułam:, (13), (14), (15) gdze d j = 1/π j, pzy czym π j oznacza pawdopodobeństwo nkluzj dugego zędu, natomast:, (16) B dv dv y, (17) 1 1 Pzy współczynnku ufnośc 1-α, pzedzał ufnośc dla watośc globalnej Y wyznaczany jest zgodne z fomułą Y ˆ u V ˆ ( Y ˆ ) (Sändal Lundstöm, 2005, s. Ŵ 137): 3. I 1 B d 1 y y 2 d 1 p Yˆ N y B W k k Nk k k k 1 W Imputacja welokotna polega na zastąpenu każdego baku danych pzez m watośc, w wynku czego otzymujemy m kompletnych zboów danych. Każdy z uzy- VY ˆ( ˆ ) Vˆ Vˆ W S NR Vˆ d d d vev ˆ eˆ d d v v eˆ S j j j j 1 j1 1 j 1 ˆ 2 Vˆ v v d e NR 1 eˆ y B 1 W
6 [ 188 ] skanych zboów danych analzujemy kozystając z wybanej, standadowej metody. Ostateczne oszacowane otzymujemy uśednając oceny otzymane na pzestzen poszczególnych zboów (Rubn 1987, s. 15). W pewszym koku mputacj należy okeślć postać modelu mputacyjnego (mputaton model), tj. modelu za pomocą któego uzupełnane będą bak danych. Wybó modelu zależy od chaakteu zależnośc pomędzy analzowanym cecham, a także od wzoca bakujących danych 5 (po. Schafe 1999, ozdzał IV). Jednym z model mputacyjnych, któy znajduje szeoke zastosowane jest model bazujący na welowymaowym ozkładze nomalnym. W pzypadku tego modelu, bak danych Y ms zastępowane są watoścam losowym z waunkowych ozkładów nomalnych względem watośc zaobsewowanych Y obs (Schafe 1999 ozdzał V): Y ms Y obs ~ N(μ, Σ). (18) Analogczne do pzypadku ozważonego dla estymatoa kalbacyjnego pzyjmjmy, że celem jest oszacowane paametu opsującego ozkład Y pzy czym w zboze znajdują sę dwe cechy pomocncze, z któych jedna jest cągła X 1, a duga skokowa X 2. Dla uposzczena pzyjmjmy, że łączny ozkład tych cech jest nomalny 6 :, (19) (20) Nech Y~N(μ 3, σ 3 ) będze ozkładem bzegowym analzowanej pzez nas cechy dla któej wystąpły bak danych, natomast 1 2 będze wektoem watośc cech pomocnczych. Zgodne z powyżej sfomułowanym modelem bak danych Y ms zastępowane są watoścam losowanym z ozkładu nomalnego z waunkową watoścą oczekwaną (po. Schafe 1997, podozdzał 5.2.4): (21) 5 Wzozec bakujących danych okeśla to w jak sposób bak danych ozkładają sę względem sebe w zboze danych. 6 Węcej nt. założena nomalnośc łącznego ozkładu dla óżnego typu cech znajdzemy w pacy Schafea (1997), ozdzał V.
7 [ 189 ] waancją: Paamety (21) (22) ozkładu waunkowego (18) szacowane są zwykle z wykozystanem metod algoytmcznych. Jednym z algoytmów ogólnej postac, któy znajduje zastosowane w tym pzypadku jest algoytm EM (epectaton-mamzaton) (patz: Lttle Rubn 2002, ozdzał VIII). Kok dug mputacj welokotnej polega na pzepowadzenu standadowej analzy, oddzelene dla każdego z m uzupełnonych zboów danych (z=1,2,,m). Ostateczne oszacowane paametu θ otzymujemy za pomocą fomuły: 2 z (22) ˆ. (23) Waancja estymatoa (23) jest sumą waancj wewnątzmputacyjnej W oaz waancj mędzymputacyjnej B: gdze: ˆ 1 m z 1 m 1 W B, (24) m W, (25) pzy czym S z jest waancją oblczoną dla z-tego zbou, natomast: m 1 B ˆ. (26) m 1 z1 Waancja wewnątzmputacyjna odzwecedla zóżncowane wynkające z losowego dobou póby, zaś waancja mędzymputacyjna pozwala ocenć zóżncowane pomędzy oszacowanam otzymanym dla poszczególnych zboów danych. Duży udzał waancj mędzymputacyjnej w waancj ogólnej śwadczy o nestablnośc oszacowań uzyskwanych dla kolejnych mputacj, co z kole wskazuje na pzyjęce newłaścwego modelu mputacyjnego (po. Schafe 1997, podozdzał 4.5.5). W pzypadku dużej póby, (1-α) 100%-owy pzedzał ufnośc dla θ konstuowany za pomocą fomuły ˆ t ; v, gdze t α,v oznacza watość z ozkładu t-studenta z v stopnam swobody, gdze (Lttle Rubn 2002,s. 87): m z 1 m Sz m z 1 2 W v ( m1) 1. (27) (1 1 m ) B
8 [ 190 ] 4. Z Zastosowane estymatoa kalbacyjnego mputacyjnego pzedstawono na pzykładze bazującym na danych z badana Busness Envonment and Entepse Pefomance Suvey (BEEPS) 2009 (Euopejsk Bank Odbudowy Rozwoju Bank Śwatowy 2010). Wyjścowy zbó danych lczył n=1234 obsewacj ne zaweał baków danych. Jednostką obsewacj były pzedsębostwa 7. Ops zbou danych zawea tabela 1. ABELA 1. OPIS ZBIORU DANYCH Oznaczene cechy Y Ops Logaytm ocznej spzedaży pzedsębostwa. X 1 Wek pzedsębostwa (lczba lat od założena do oku 2009). X 2 Klasyfkacja dzałalnośc {1,2,,10}. RYSUNEK 1. HISOGRAMY DLA Y, X 1 I X 2 Y X 1 X 2 0,15 0,6 0,3 Częstość 0,10 0,05 Częstość 0,4 0,2 Częstość 0,2 0,1 0, Logaytm ocznej spzedaży pzedsębostwa ŹRÓDŁO: OPRACOWANIE WŁASNE Na Rysunku 1 pzedstawono hstogamy dla Y, X 1 X 2. 0, Wek pzedsębostwa 0, Klasyfkacja pzedsąbostwa Na podstawe opsanego zbou danych dokonano poównana ozkładów estymatoa kalbacyjnego mputacyjnego. Rozkłady estymatoów wyznaczono w następujący sposób: 1. Z wyjścowego zbou danych wylosowano póbę postą o lczebnośc n= Ze zbou otzymanego w koku 1 usunęto losowo ok. 10% obsewacj na Y w gupe najmłodszych pzedsębostw (bak danych losowe MAR). 7 Zbó zawea nfomacje o pzedsębostwach zlokalzowanych w kajach Euopy Śodkowej (Czechy, Estona, Ltwa, Łotwa, Polska, Słowacja, Węgy), powadzących jedną z dzesęcu wybanych odzajów dzałalnośc (zgodne z Intenatonal Standad Industal Classfcaton (ISIC, 2002)): podukcja żywnośc napojów (kod ISIC: 15), podukcja wyobów dewnanych (20), podukcja elementów metalowych (28), podukcja maszyn (29), budownctwo (45), spzedaż samochodów motocykl (50), spzedaż hutowa (51), spzedaż detalczna (52), usług hotelowe gastonomczne (55), tanspot nazemny (60).
9 [ 191 ] 3. Stosując estymatoy kalbacyjny (12) mputacyjny (23) bazujący na modelu (18) oszacowano watość globalną Y. Kok 1-3 powtózono stukotne w wynku czego otzymano ozkład estymatoów pzedstawony na ysunku 2 8. RYSUNEK 2. ROZKŁADY ESYMAORA KALIBRACYJNEGO I IMPUACYJNEGO ESYMAOR KALIBRACYJNY a) nfomacja pomocncza z populacj ESYMAOR IMPUACYJNY 30 n s =100 s k =0,010 s =0, n s =100 s k =0,010 s =0,007 Lczebność Lczebność Kalbacja Dopasowane ozkładu nomalnego b) nfomacja pomocncza z póby 30 n s = s k =0,009 s =0, Imputacja welokotna Dopasowane ozkładu nomalnego n s =100 s k =0,009 s =0,006 Lczebność Lczebność Kalbacja Dopasowane ozkładu nomalnego ŹRÓDŁO: OPRACOWANIE WŁASNE Imputacja Dopasowane ozkładu nomalnego welokotna Poceduę estymacj pzepowadzono nezależne dla dwóch pzypadków. W pzypadku pewszym do oszacowana watośc globalnej Y wykozystano nfomację pomocnczą pochodzącą z populacj (znana watość globalna X 1 ysunek 2a). 8 Analogczne wynk otzymujemy dla eplkacj.
10 [ 192 ] W pzypadku dugm nfomacja pomocncza pochodzła z póby (watość globalna X 1 jest szacowana na podstawe póby ysunek 2b). Lną szaą zaznaczono na ysunku 2 ozkłady estymatoów, lną czaną dopasowane ozkłady nomalne, lną ponową wskazano watość paametu w populacj. Analza otzymanych ozkładów (ysunek 2) pozwala na sfomułowane następujących wnosków: Zaówno estymato kalbacyjny jak mputacyjny pozwolł na zmnmalzowane obcążena wynkającego z baków danych. Watość oczekwana otzymanych ozkładów jest badzo blska watośc szacowanego paametu. Estymato mputacyjny posadał nższą waancję nż estymato kalbacyjny. Rozkład estymatoa mputacyjnego był badzej dopasowany do ozkładu nomalnego 9, nż ozkład estymatoa kalbacyjnego. Wskazuje to na mnejszą dokładność pzedzałów ufnośc otzymywanych dla oszacowana za pomocą estymatoa kalbacyjnego. Zastąpene nfomacj pomocnczej z populacj nfomacją z póby ne wpłynęło stotne na oszacowane otzymane za pomocą estymatoa kalbacyjnego. Celem opacowana było poównane własnośc estymatoów kalbacyjnego mputacyjnego. Poównane pzepowadzono na pzykładze estymacj watośc globalnej dla danych bakujących losowo (MAR). Wynk wskazują na to, że zaówno estymato kalbacyjny jak estymato mputacyjny pozwalają zmnmalzować obcążene wynkające z nekompletnej nfomacj, jeżel tylko bak danych są losowe (po. Sändal Lundstöm 2005, s , Lttle Rubn 2002, s ). Pommo baku spełnena założena nomalnośc, zastosowane modelu mputacyjnego bazującego na welowymaowym ozkładze nomalnym pozwolło na skuteczną edukcję obcążana (Schafe 1997, podozdzał 5.1). Estymato mputacyjny okazał sę meć mnejszą waancję, co wskazuje na jego wększą efektywność w poównanu z estymatoem kalbacyjnym (po. Molenbeghs Kenwad 2007, s ). Rozkład estymatoa mputacyjnego był w pzyblżenu zgodny z ozkładem stosowanym do konstukcj pzedzałów ufnośc. W pzypadku estymatoa kalbacyjnego odchylena od założonego ozkładu były wększe (po. Sändal Lundstöm 2005, s. 137). 9 Rozkład estymatoa mputacyjnego jest neco badzej spłaszczony od ozkładu nomalnego stąd do konstukcj pzedzałów ufnośc wykozystuje sę w tym pzypadku ozkład t-studenta (patz: Lttle Rubn, s. 87).
11 [ 193 ] Podstawowym oganczenam otzymanych wynków jest postać estymatoa oaz odzaju nfomacj dodatkowej. W ozważanym pzykładze, estymacj poddano wyłączne postą funkcję watośc badanych cech 10. Rozkłady estymatoa kalbacyjnego otzymane dla nfomacj pomocnczej z populacj nfomacj pomocnczej z póby ne óżnły sę stotne. Zagadnene dobou nfomacj pomocnczej jej wpływu na własnośc estymatoów wymaga jednak ozwnęca. W opsanym pzykładze nfomacja dodatkowa ne była obaczona dużym błędem (po. Sändal Lundstöm 2005, podozdzał 10.6). Poównując estymatoy kalbacyjny mputacyjny należy zwócć uwagę na aspekty paktyczne zwązane z ch zastosowanem. Stosowane mputacj welokotnej wąże sę z konecznoścą ponesena dodatkowych kosztów zwązanych z pzechowywanem danych, co ma znaczene w pzypadku dużych zboów (Sändal Lundstöm 2005, s. 164). Co węcej, kalbacja pozwala w wększym stopnu wykozystać nfomację pochodzącą ze źódeł zewnętznych, co czyn ją użyteczną, także w pzypadku, gdy lczba cech uwzględnonych w zboze danych jest newelka (po. Lttle Rubn 2002, s. 53). Istotne jest ówneż to, że kalbacja ne wymaga defnowana łącznego ozkładu opsującego zależność watośc bakujących od watośc znanych, co zwększa zakes zastosowań tej metody w poównanu z mputacją welokotną (po. Molenbeghs Kenwad 2007, s ). L Bacha Cz. (1998), Metoda epezentacyjna w badanu opn publcznej maketngu, Efekt, Waszawa. Devlle J. C., Sändal C.-E. (1998), Calbaton estmatos n suvey samplng, Jounal of the Amecan Statstcal Assocaton, 87. Euopejsk Bank Odbudowy Rozwoju Bank Śwatowy (2010), Busness Envonment and Entepse Pefomance Suvey (BEEPS) 2009, eseach/economcs/data/beeps.shtml (data dostępu: ). Intenatonal ade Cente (2002), Intenatonal Standad Industal Classfcaton (ISIC): (data dostępu: ). Lttle J. A., Rubn D. (2002), Statstcal Analyss wth Mssng Data, John Wley & Sons, Hoboken. 10 Metody wagowe pozwalające na estymację badzej złożonych paametów (np. współczynnków egesj) opsano w pacy: Molenbeghs Kenwad 2010, ozdzał 10.
12 [ 194 ] Molenbeghs G., Kenwad M. G. (2007), Mssng Data n Clncal Studes, John Wley &Sons, Chcheste. Paadysz J., Szymkowak M. (2007), Imputacja kalbacja jako emedum na bak odpowedz w badanu budżetów gospodastw domowych, aksonoma, 14 Rubn D.B. (1987), Multple Imputaton fo Nonesponse n Suveys, John Wley & Sons, Hoboken. Sändal C.-E., Lundstöm S. (2005), Estmaton n Suveys wth Nonesponse, John Wley & Sons, Chcheste. Schafe J. L. (1997), Analyss of Multvaate Incomplete Data, Chapman & Hall, London. Szymkowak M. (2010), Konstukcja estymatoów kalbacyjnych watośc globalnej z uwzględnenem wektoa zmennych nstumentalnych, Zeszyty naukowe Unwesytetu Ekonomcznego w Poznanu, 149.
ROZKŁAD NORMALNY. 2. Opis układu pomiarowego. Ćwiczenie może być realizowane za pomocą trzech wariantów zestawów pomiarowych: A, B i C.
ĆWICZENIE 1 Opacowane statystyczne wynków ROZKŁAD NORMALNY 1. Ops teoetyczny do ćwczena zameszczony jest na stone www.wtc.wat.edu.pl w dzale DYDAKTYKA FIZYKA ĆWICZENIA LABORATORYJNE (Wstęp do teo pomaów).
Bardziej szczegółowoDobór zmiennych objaśniających do liniowego modelu ekonometrycznego
Dobó zmiennych objaśniających do liniowego modelu ekonometycznego Wstępnym zadaniem pzy budowie modelu ekonometycznego jest okeślenie zmiennych objaśniających. Kyteium wybou powinna być meytoyczna znajomość
Bardziej szczegółowobrak podstaw do odrzucenia hipotezy zerowej.
Paca domowa 9. W pewnym bowaze zanstalowano dwa automaty do napełnana butelek. Ilość pwa nalewana pzez pewszy est zmenną losową o ozkładze N( m,, a lość pwa dozowana pzez dug automat est zmenną losową
Bardziej szczegółowoWeryfikacja hipotez dla wielu populacji
Weryfkacja hpotez dla welu populacj Dr Joanna Banaś Zakład Badań Systemowych Instytut Sztucznej Intelgencj Metod Matematycznych Wydzał Informatyk Poltechnk Szczecńskej 5. Parametryczne testy stotnośc w
Bardziej szczegółowoAnaliza termodynamiczna ożebrowanego wymiennika ciepła z nierównomiernym dopływem czynników
Instytut Technk Ceplnej Poltechnk Śląskej Analza temodynamczna ożebowanego wymennka cepła z neównomenym dopływem czynnków mg nż. Robet Pątek pomoto: pof. Jan Składzeń Plan pezentacj Wstęp Cel, teza zakes
Bardziej szczegółowoSTATYSTYKA MATEMATYCZNA WYKŁAD 5 WERYFIKACJA HIPOTEZ NIEPARAMETRYCZNYCH
STATYSTYKA MATEMATYCZNA WYKŁAD 5 WERYFIKACJA HIPOTEZ NIEPARAMETRYCZNYCH 1 Test zgodnośc χ 2 Hpoteza zerowa H 0 ( Cecha X populacj ma rozkład o dystrybuance F). Hpoteza alternatywna H1( Cecha X populacj
Bardziej szczegółowoMIEJSCE MODELU EKONOMETRYCZNEGO W WYCENIE NIERUCHOMOŚCI 1
Jacek Zyga Poltechnka Lubelska MIEJSCE MODELU EKONOMETRYCZNEGO W WYCENIE NIERUCHOMOŚCI 1 Wpowadzene Punktem wyjśca pzepowadzonych ozważań jest teza wysunęta w publkacj R. Pawlukowcza 2, w któej auto sugeuje
Bardziej szczegółowoAnaliza pomiarów termoluminescencji izolatorów porcelanowych średniego napięcia
Rafał SOBOTA, Janusz SOWIŃSKI Instytut Elektoenegetyk, Poltechnka Częstochowska do:10.15199/48.017.04.6 Analza pomaów temolumnescencj zolatoów pocelanowych śednego napęca Steszczene. W atykule pzedstawono
Bardziej szczegółowoOcena precyzji badań międzylaboratoryjnych metodą odporną "S-algorytm"
Eugen T.VOLODARSKY, Zygmunt L.WARSZA Naodowy Unwesytet Technczny Ukany -Poltechnka Kowska (), Pzemysłowy Instytut Automatyk Pomaów (PIAP) Waszawa () do:.599/48.5..4 Ocena pecyz badań mędzylaboatoynych
Bardziej szczegółowo65120/ / / /200
. W celu zbadana zależnośc pomędzy płcą klentów ch preferencjam, wylosowano kobet mężczyzn zadano m pytane: uważasz za lepszy produkt frmy A czy B? Wynk były następujące: Odpowedź Kobety Mężczyźn Wolę
Bardziej szczegółowoStanisław Cichocki Natalia Nehrebecka. Zajęcia 4
Stansław Cchock Natala Nehrebecka Zajęca 4 1. Interpretacja parametrów przy zmennych zerojedynkowych Zmenne 0-1 Interpretacja przy zmennej 0 1 w modelu lnowym względem zmennych objaśnających Interpretacja
Bardziej szczegółowoNatalia Nehrebecka Stanisław Cichocki. Wykład 10
Natala Nehrebecka Stansław Cchock Wykład 10 1 1. Testy dagnostyczne 2. Testowane prawdłowośc formy funkcyjnej modelu 3. Testowane normalnośc składnków losowych 4. Testowane stablnośc parametrów 5. Testowane
Bardziej szczegółowoBadanie współzależności dwóch cech ilościowych X i Y. Analiza korelacji prostej
Badane współzależnośc dwóch cech loścowych X Y. Analza korelacj prostej Kody znaków: żółte wyróżnene nowe pojęce czerwony uwaga kursywa komentarz 1 Zagadnena 1. Zwązek determnstyczny (funkcyjny) a korelacyjny.
Bardziej szczegółowoKognitywistyka II r. Teoria rzetelności wyników testu. Teorie inteligencji i sposoby jej pomiaru (4) Rzetelność czyli dokładność pomiaru
Kognitywistyka II Teoie inteligencji i sposoby jej pomiau (4) Teoia zetelności wyników testu Rzetelność czyli dokładność pomiau W języku potocznym temin zetelność oznacza niezawodność (dokładność). W psychometii
Bardziej szczegółowoW praktyce często zdarza się, że wyniki obu prób możemy traktować jako. wyniki pomiarów na tym samym elemencie populacji np.
Wykład 7 Uwaga: W praktyce często zdarza sę, że wynk obu prób możemy traktować jako wynk pomarów na tym samym elemence populacj np. wynk x przed wynk y po operacj dla tego samego osobnka. Należy wówczas
Bardziej szczegółowoPrawdopodobieństwo i statystyka r.
Prawdopodobeństwo statystya.05.00 r. Zadane Zmenna losowa X ma rozład wyładnczy o wartośc oczewanej, a zmenna losowa Y rozład wyładnczy o wartośc oczewanej. Obe zmenne są nezależne. Oblcz E( Y X + Y =
Bardziej szczegółowoProces narodzin i śmierci
Proces narodzn śmerc Jeżel w ewnej oulacj nowe osobnk ojawają sę w sosób losowy, rzy czym gęstość zdarzeń na jednostkę czasu jest stała w czase wynos λ, oraz lczba osobnków n, które ojawły sę od chwl do
Bardziej szczegółowoStanisław Cichocki. Natalia Nehrebecka. Wykład 6
Stansław Cchock Natala Nehrebecka Wykład 6 1 1. Zastosowane modelu potęgowego Przekształcene Boxa-Coxa 2. Zmenne cągłe za zmenne dyskretne 3. Interpretacja parametrów przy zmennych dyskretnych 1. Zastosowane
Bardziej szczegółowoGraf skierowany. Graf zależności dla struktur drzewiastych rozgrywających parametrycznie
Gaf skieowany Gaf skieowany definiuje się jako upoządkowaną paę zbioów. Piewszy z nich zawiea wiezchołki gafu, a dugi składa się z kawędzi gafu, czyli upoządkowanych pa wiezchołków. Ruch po gafie możliwy
Bardziej szczegółowoOcena siły oddziaływania procesów objaśniających dla modeli przestrzennych
Michał Benad Pietzak * Ocena siły oddziaływania pocesów objaśniających dla modeli pzestzennych Wstęp Ekonomiczne analizy pzestzenne są ważnym kieunkiem ozwoju ekonometii pzestzennej Wynika to z faktu,
Bardziej szczegółowo) będą niezależnymi zmiennymi losowymi o tym samym rozkładzie normalnym z następującymi parametrami: nieznaną wartością 1 4
Zadane. Nech ( X, Y ),( X, Y ), K,( X, Y n n ) będą nezależnym zmennym losowym o tym samym rozkładze normalnym z następującym parametram: neznaną wartoścą oczekwaną EX = EY = m, warancją VarX = VarY =
Bardziej szczegółowoWYCENA ENTROPOWA NA RYNKU ŁĄCZONYM
tuda Ekonomczne Zeszyty Naukowe Unwesytetu Ekonomcznego w Katowcach IN 83-86 N 3 6 zkoła Główna Handlowa w aszawe Kolegum Analz Ekonomcznych Kateda Matematyk Ekonom Matematycznej jutkn@sghwawpl YCENA ENTROPOA
Bardziej szczegółowoNADZOROWANIE DRGAŃ UKŁADÓW NOŚNYCH ROBOTÓW PRZEMYSŁOWYCH Z ZASTOSOWANIEM STEROWANIA OPTYMALNEGO PRZY ENERGETYCZNYM WSKAŹNIKU JAKOŚCI
POIECHNIKA GDAŃSKA WYDZIAŁ MECHANICZNY Kateda Mechank Wytzymałośc Mateałów KRZYSZOF JASIŃSKI NADZOROWANIE DRGAŃ UKŁADÓW NOŚNYCH ROBOÓW PRZEMYSŁOWYCH Z ZASOSOWANIEM SEROWANIA OPYMANEGO PRZY ENERGEYCZNYM
Bardziej szczegółowo( ) ( ) 2. Zadanie 1. są niezależnymi zmiennymi losowymi o. oraz. rozkładach normalnych, przy czym EX. i σ są nieznane. 1 Niech X
Prawdopodobeństwo statystyka.. r. Zadane. Zakładamy, że,,,,, 5 są nezależnym zmennym losowym o rozkładach normalnych, przy czym E = μ Var = σ dla =,,, oraz E = μ Var = 3σ dla =,, 5. Parametry μ, μ σ są
Bardziej szczegółowoNatalia Nehrebecka. Zajęcia 4
St ł Cchock Stansław C h k Natala Nehrebecka Zajęca 4 1. Interpretacja parametrów przy zmennych zerojedynkowych Zmenne 0 1 Interpretacja przy zmennej 0 1 w modelu lnowym względem zmennych objaśnających
Bardziej szczegółowoWykład 15 Elektrostatyka
Wykład 5 Elektostatyka Obecne wadome są cztey fundamentalne oddzaływana: slne, elektomagnetyczne, słabe gawtacyjne. Slne słabe oddzaływana odgywają decydującą ole w budowe jąde atomowych cząstek elementanych.
Bardziej szczegółowoStanisław Cichocki. Natalia Nehrebecka. Wykład 6
Stansław Cchock Natala Nehrebecka Wykład 6 1 1. Interpretacja parametrów przy zmennych objaśnających cągłych Semelastyczność 2. Zastosowane modelu potęgowego Model potęgowy 3. Zmenne cągłe za zmenne dyskretne
Bardziej szczegółowoModel klasyczny gospodarki otwartej
Model klasyczny gospodaki otwatej Do tej poy ozpatywaliśmy model sztucznie zakładający, iż gospodaka danego kaju jest gospodaką zamkniętą. A zatem bak było międzynaodowych pzepływów dób i kapitału. Jeżeli
Bardziej szczegółowoII.6. Wahadło proste.
II.6. Wahadło poste. Pzez wahadło poste ozumiemy uch oscylacyjny punktu mateialnego o masie m po dolnym łuku okęgu o pomieniu, w stałym polu gawitacyjnym g = constant. Fig. II.6.1. ozkład wektoa g pzyśpieszenia
Bardziej szczegółowoModelowanie przepływu cieczy przez ośrodki porowate Wykład III
Modelowanie pzepływu cieczy pzez ośodki poowate Wykład III 6 Ogólne zasady ozwiązywania ównań hydodynamicznego modelu pzepływu. Metody ozwiązania ównania Laplace a. Wpowadzenie wielkości potencjału pędkości
Bardziej szczegółowoWYDZIAŁ FIZYKI, MATEMATYKI I INFORMATYKI POLITECHNIKI KRAKOWSKIEJ Instytut Fizyki LABORATORIUM PODSTAW ELEKTROTECHNIKI, ELEKTRONIKI I MIERNICTWA
WYDZIAŁ FIZYKI, MATEMATYKI I INFORMATYKI POITEHNIKI KRAKOWSKIEJ Instytut Fizyki ABORATORIUM PODSTAW EEKTROTEHNIKI, EEKTRONIKI I MIERNITWA ĆWIZENIE 7 Pojemność złącza p-n POJĘIA I MODEE potzebne do zozumienia
Bardziej szczegółowoEFEKTYWNA STOPA PROCENTOWA O RÓWNOWAŻNA STPOPA PROCENTOWA
EFEKTYWNA STOPA PROCENTOWA O RÓWNOWAŻNA STPOPA PROCENTOWA Nekedy zachodz koneczność zany okesu kapt. z ównoczesny zachowane efektów opocentowane. Dzeje sę tak w nektóych zagadnenach ateatyk fnansowej np.
Bardziej szczegółowoWYKŁAD 11 OPTYMALIZACJA WIELOKRYTERIALNA
WYKŁAD OPTYMALIZACJA WIELOKYTEIALNA Wstęp. W wielu pzypadkach pzy pojektowaniu konstukcji technicznych dla okeślenia ich jakości jest niezędne wpowadzenie więcej niż jednego kyteium oceny. F ) { ( ), (
Bardziej szczegółowoZWIĄZEK FUNKCJI OMEGA Z DOMINACJĄ STOCHASTYCZNĄ
Studia konomiczne. Zeszyty Naukowe Uniwesytetu konomicznego w Katowicach ISSN 283-86 N 237 25 Infomatyka i konometia 2 wa Michalska Uniwesytet konomiczny w Katowicach Wydział Infomatyki i Komunikacji Kateda
Bardziej szczegółowoSZACOWANIE NIEPEWNOŚCI POMIARU METODĄ PROPAGACJI ROZKŁADÓW
SZACOWANIE NIEPEWNOŚCI POMIARU METODĄ PROPAGACJI ROZKŁADÓW Stefan WÓJTOWICZ, Katarzyna BIERNAT ZAKŁAD METROLOGII I BADAŃ NIENISZCZĄCYCH INSTYTUT ELEKTROTECHNIKI ul. Pożaryskego 8, 04-703 Warszawa tel.
Bardziej szczegółowoStanisław Cichocki. Natalia Nehrebecka. Wykład 7
Stansław Cchock Natala Nehrebecka Wykład 7 1 1. Zmenne cągłe a zmenne dyskretne 2. Interpretacja parametrów przy zmennych dyskretnych 1. Zmenne cągłe a zmenne dyskretne 2. Interpretacja parametrów przy
Bardziej szczegółowoNatalia Nehrebecka. Wykład 2
Natala Nehrebecka Wykład . Model lnowy Postad modelu lnowego Zaps macerzowy modelu lnowego. Estymacja modelu Wartośd teoretyczna (dopasowana) Reszty 3. MNK przypadek jednej zmennej . Model lnowy Postad
Bardziej szczegółowoAnaliza danych. Analiza danych wielowymiarowych. Regresja liniowa. Dyskryminacja liniowa. PARA ZMIENNYCH LOSOWYCH
Analza danych Analza danych welowymarowych. Regresja lnowa. Dyskrymnacja lnowa. Jakub Wróblewsk jakubw@pjwstk.edu.pl http://zajeca.jakubw.pl/ PARA ZMIENNYCH LOSOWYCH Parę zmennych losowych X, Y możemy
Bardziej szczegółowoKURS STATYSTYKA. Lekcja 6 Regresja i linie regresji ZADANIE DOMOWE. www.etrapez.pl Strona 1
KURS STATYSTYKA Lekcja 6 Regresja lne regresj ZADANIE DOMOWE www.etrapez.pl Strona 1 Część 1: TEST Zaznacz poprawną odpowedź (tylko jedna jest prawdzwa). Pytane 1 Funkcja regresj I rodzaju cechy Y zależnej
Bardziej szczegółowoWPŁYW POJEMNOŚCI KONDENSATORA PRACY JEDNOFAZOWEGO SILNIKA INDUKCYJNEGO Z POMOCNICZYM UZWOJENIEM KONDENSATOROWYM NA PROCES ROZRUCHU
Pace Nakowe Instytt Maszyn, Napędów Pomaów Elektycznych N 63 Poltechnk Wocławskej N 63 Stda Mateały N 29 2009 Kzysztof MAKOWSKI*, Macn WIK* mkoslnk, jednofazowe, ndkcyjne, kondensatoowe, modelowane obwodowe,
Bardziej szczegółowom q κ (11.1) q ω (11.2) ω =,
OPIS RUCHU, DRGANIA WŁASNE TŁUMIONE Oga Kopacz, Adam Łodygowski, Kzysztof Tymbe, Michał Płotkowiak, Wojciech Pawłowski Konsutacje naukowe: pof. d hab. Jezy Rakowski Poznań 00/00.. Opis uchu OPIS RUCHU
Bardziej szczegółowoANALIZA KORELACJI WYDATKÓW NA KULTURĘ Z BUDŻETU GMIN ORAZ WYKSZTAŁCENIA RADNYCH
Potr Mchalsk Węzeł Centralny OŻK-SB 25.12.2013 rok ANALIZA KORELACJI WYDATKÓW NA KULTURĘ Z BUDŻETU GMIN ORAZ WYKSZTAŁCENIA RADNYCH Celem ponższej analzy jest odpowedź na pytane: czy wykształcene radnych
Bardziej szczegółowoMIERNICTWO WIELKOŚCI ELEKTRYCZNYCH I NIEELEKTRYCZNYCH
Politechnika Białostocka Wydział Elektyczny Kateda Elektotechniki Teoetycznej i Metologii nstukcja do zajęć laboatoyjnych z pzedmiotu MENCTWO WEKOŚC EEKTYCZNYCH NEEEKTYCZNYCH Kod pzedmiotu: ENSC554 Ćwiczenie
Bardziej szczegółowoAnaliza danych OGÓLNY SCHEMAT. http://zajecia.jakubw.pl/ Dane treningowe (znana decyzja) Klasyfikator. Dane testowe (znana decyzja)
Analza danych Dane trenngowe testowe. Algorytm k najblższych sąsadów. Jakub Wróblewsk jakubw@pjwstk.edu.pl http://zajeca.jakubw.pl/ OGÓLNY SCHEMAT Mamy dany zbór danych podzelony na klasy decyzyjne, oraz
Bardziej szczegółowo0 0,2 0, p 0,1 0,2 0,5 0, p 0,3 0,1 0,2 0,4
Zad. 1. Dana jest unkcja prawdopodobeństwa zmennej losowej X -5-1 3 8 p 1 1 c 1 Wyznaczyć: a. stałą c b. wykres unkcj prawdopodobeństwa jej hstogram c. dystrybuantę jej wykres d. prawdopodobeństwa: P (
Bardziej szczegółowoHipotezy o istotności oszacowao parametrów zmiennych objaśniających ˆ ) ˆ
WERYFIKACJA HIPOTEZY O ISTOTNOŚCI OCEN PARAMETRÓW STRUKTURALNYCH MODELU Hpoezy o sonośc oszacowao paramerów zmennych objaśnających Tesowane sonośc paramerów zmennych objaśnających sprowadza sę do nasępującego
Bardziej szczegółowoSYMULACJE DLA MODELU GOSPODARKI KONKURENCYJNEJ Z ZAPASAMI
STUDIA OECONOMICA POSNANIENSIA 23, vol., no. 2 (26) Monka Naskęcka Unwesytet Ekonomczny w Poznanu, Wydzał Infomatyk Gospodak Elektoncznej, Kateda Ekonom Matematycznej monka.naskecka@ue.poznan.pl SYMULACJE
Bardziej szczegółowoDobór zmiennych do modelu ekonometrycznego
Dobó zmiennych do modelu ekonometycznego Metody dobou zmiennych do modelu ekonometycznego opate na teście F Model zedukowany ya 0 +a x+a x+.+a x Model pełny ya 0 +a x+a x+.+a x +a + x + + +a k x k Częściowy
Bardziej szczegółowoEnergia potencjalna jest energią zgromadzoną w układzie. Energia potencjalna może być zmieniona w inną formę energii (na przykład energię kinetyczną)
1 Enega potencjalna jest enegą zgomadzoną w układze. Enega potencjalna może być zmenona w nną omę eneg (na pzykład enegę knetyczną) może być wykozystana do wykonana pacy. Sumę eneg potencjalnej knetycznej
Bardziej szczegółowoEgzamin ze statystyki/ Studia Licencjackie Stacjonarne/ Termin I /czerwiec 2010
Egzamn ze statystyk/ Studa Lcencjacke Stacjonarne/ Termn /czerwec 2010 Uwaga: Przy rozwązywanu zadań, jeśl to koneczne, naleŝy przyjąć pozom stotnośc 0,01 współczynnk ufnośc 0,99 Zadane 1 PonŜsze zestawene
Bardziej szczegółowo3. Siła bezwładności występująca podczas ruchu ciała w układzie obracającym się siła Coriolisa
3. Sła bezwładnośc występująca podczas uchu cała w układze obacającym sę sła Coolsa ω ω ω v a co wdz obsewato w układze necjalnym co wdz obsewato w układze nenecjalnym tajemncze pzyspeszene: to właśne
Bardziej szczegółowo1.1. Uprość opis zdarzeń: 1.2. Uprościć opis zdarzeń: a) A B A Uprościć opis zdarzeń: 1.4. Uprościć opis zdarzeń:
.. Uprość ops zdarzeń: a) A B, A \ B b) ( A B) ( A' B).. Uproścć ops zdarzeń: a) A B A b) A B, ( A B) ( B C).. Uproścć ops zdarzeń: a) A B A B b) A B C ( A B) ( B C).4. Uproścć ops zdarzeń: a) A B, A B
Bardziej szczegółowoBadania sondażowe. Braki danych Konstrukcja wag. Agnieszka Zięba. Zakład Badań Marketingowych Instytut Statystyki i Demografii Szkoła Główna Handlowa
Badana sondażowe Brak danych Konstrukcja wag Agneszka Zęba Zakład Badań Marketngowych Instytut Statystyk Demograf Szkoła Główna Handlowa 1 Błędy braku odpowedz Całkowty brak odpowedz (UNIT nonresponse)
Bardziej szczegółowoMETEMATYCZNY MODEL OCENY
I N S T Y T U T A N A L I Z R E I O N A L N Y C H w K i e l c a c h METEMATYCZNY MODEL OCENY EFEKTYNOŚCI NAUCZNIA NA SZCZEBLU IMNAZJALNYM I ODSTAOYM METODĄ STANDARYZACJI YNIKÓ OÓLNYCH Auto: D Bogdan Stępień
Bardziej szczegółowoPodstawowe konfiguracje wzmacniaczy tranzystorowych. Klasyfikacja wzmacniaczy. Klasyfikacja wzmacniaczy
Podstawo konguacje wzmacnaczy tanzystoowych Wocław 08 Klasykacja wzmacnaczy Ze względu na zastosowany element steowany: -- lampo -- tanzystoo Klasykacja wzmacnaczy Ze względu na zakes częstotlwośc wzmacnanych
Bardziej szczegółowoMinimalizacja globalna, algorytmy genetyczne i zastosowanie w geofizyce
Mnmalzacja globalna, algoytmy genetyczne zastosowane w geofzyce Wykład 15 Metoda sejsmczna Metoda geoelektyczna Podstawowy podzał ZAGADNIENIE PROSTE (ang. fowad poblem) model + paamety modelu dane (ośodek,
Bardziej szczegółowoMatematyka ubezpieczeń majątkowych r.
Zadanie. W kolejnych okesach czasu t =,,3,... ubezpieczony, chaakteyzujący się paametem yzyka Λ, geneuje szkód. Dla danego Λ = λ zmienne N t N, N, N 3,... są waunkowo niezależne i mają (bzegowe) ozkłady
Bardziej szczegółowoProjekt 6 6. ROZWIĄZYWANIE RÓWNAŃ NIELINIOWYCH CAŁKOWANIE NUMERYCZNE
Inormatyka Podstawy Programowana 06/07 Projekt 6 6. ROZWIĄZYWANIE RÓWNAŃ NIELINIOWYCH CAŁKOWANIE NUMERYCZNE 6. Równana algebraczne. Poszukujemy rozwązana, czyl chcemy określć perwastk rzeczywste równana:
Bardziej szczegółowo11. DYNAMIKA RUCHU DRGAJĄCEGO
11. DYNAMIKA RUCHU DRGAJĄCEGO Ruchem dgającym nazywamy uch, któy powtaza się peiodycznie w takcie jego twania w czasie i zachodzi wokół położenia ównowagi. Zespół obiektów fizycznych zapewniający wytwozenie
Bardziej szczegółowoKształtowanie się firm informatycznych jako nowych elementów struktury przestrzennej przemysłu
PRACE KOMISJI GEOGRAFII PRZEMY SŁU Nr 7 WARSZAWA KRAKÓW 2004 Akadema Pedagogczna, Kraków Kształtowane sę frm nformatycznych jako nowych elementów struktury przestrzennej przemysłu Postępujący proces rozwoju
Bardziej szczegółowoFizyka 7. Janusz Andrzejewski
Fzyka 7 Janusz Andzejewsk Poblem: Dlaczego begacze na stadone muszą statować z óżnych mejsc wbegu na 400m? Janusz Andzejewsk Ruch obotowy Cało sztywne Cało, któe obaca sę w tak sposób, że wszystke jego
Bardziej szczegółowoBRYŁA SZTYWNA. Umowy. Aby uprościć rozważania w tym dziale będziemy przyjmować następujące umowy:
Niektóe powody aby poznać ten dział: BRYŁA SZTYWNA stanowi dobe uzupełnienie mechaniki punktu mateialnego, opisuje wiele sytuacji z życia codziennego, ma wiele powiązań z innymi działami fizyki (temodynamika,
Bardziej szczegółowoZaawansowane metody numeryczne
Zaawansowane metody numeyczne Optymalzacja Plan wykładów:. Wstęp 2. Pogamowane lnowe 3. Metoda SYMPLEX 4. Zagadnene dualne 5. Pogamowane nelnowe 5. Metody D 5.2 Metody welowymaowe - bezgadentowe - gadentowe
Bardziej szczegółowoModele wieloczynnikowe. Modele wieloczynnikowe. Modele wieloczynnikowe ogólne. α β β β ε. Analiza i Zarządzanie Portfelem cz. 4.
Modele weloczynnkowe Analza Zarządzane Portfelem cz. 4 Ogólne model weloczynnkowy można zapsać jako: (,...,,..., ) P f F F F = n Dr Katarzyna Kuzak lub (,...,,..., ) f F F F = n Modele weloczynnkowe Można
Bardziej szczegółowoPattern Classification
attern Classfcaton All materals n these sldes were taken from attern Classfcaton nd ed by R. O. Duda,. E. Hart and D. G. Stork, John Wley & Sons, 000 wth the permsson of the authors and the publsher Chapter
Bardziej szczegółowoKryteria samorzutności procesów fizyko-chemicznych
Kytea samozutnośc ocesów fzyko-chemcznych 2.5.1. Samozutność ównowaga 2.5.2. Sens ojęce ental swobodnej 2.5.3. Sens ojęce eneg swobodnej 2.5.4. Oblczane zman ental oaz eneg swobodnych KRYERIA SAMORZUNOŚCI
Bardziej szczegółowoAKADEMIA INWESTORA INDYWIDUALNEGO CZĘŚĆ II. AKCJE.
uma Pzedsiębiocy /6 Lipiec 205. AKAEMIA INWESTORA INYWIUALNEGO CZĘŚĆ II. AKCJE. WYCENA AKCJI Wycena akcji jest elementem analizy fundamentalnej akcji. Następuje po analizie egionu, gospodaki i banży, w
Bardziej szczegółowoĆWICZENIE 3 REZONANS W OBWODACH ELEKTRYCZNYCH
ĆWZENE 3 EZONANS W OBWODAH EEKTYZNYH el ćwiczenia: spawdzenie podstawowych właściwości szeegowego i ównoległego obwodu ezonansowego pzy wymuszeniu napięciem sinusoidalnym, zbadanie wpływu paametów obwodu
Bardziej szczegółowoRegulacje i sądownictwo przeszkody w konkurencji między firmami w Europie Środkowej i Wschodniej
Łukasz Goczek * Regulacje sądownctwo przeszkody w konkurencj mędzy frmam w Europe Środkowej Wschodnej Wstęp Celem artykułu jest analza przeszkód dla konkurencj pomędzy frmam w Europe Środkowej Wschodnej.
Bardziej szczegółowoIndukcja elektromagnetyczna Indukcyjność Drgania w obwodach elektrycznych
ndukcja eektomagnetyczna ndukcyjność Dgana w obwodach eektycznych Pawo ndukcj eektomagnetycznej Faadaya > d zewnętzne poe magnetyczne skeowane za płaszczyznę ysunku o watośc osnącej w funkcj czasu. ds
Bardziej szczegółowoWartości wybranych przedsiębiorstw górniczych przy zastosowaniu EVA *
ZESZYTY NAUKOWE UNIWERSYTETU SZCZECIŃSKIEGO n 786 Finanse, Rynki Finansowe, Ubezpieczenia n 64/1 (2013) s. 269 278 Watości wybanych pzedsiębiostw góniczych pzy zastosowaniu EVA * Adam Sojda ** Steszczenie:
Bardziej szczegółowoTradycyjne mierniki ryzyka
Tadycyjne mieniki yzyka Pzykład 1. Ryzyko w pzypadku potfela inwestycyjnego Dwie inwestycje mają następujące stopy zwotu, zależne od sytuacji gospodaczej: Sytuacja Pawdopodobieństwo R R Recesja 0, 9,0%
Bardziej szczegółowoBadanie współzaleŝności dwóch cech ilościowych X i Y. Analiza korelacji prostej. Badanie zaleŝności dwóch cech ilościowych. Analiza regresji prostej
Badane współzaleŝnośc dwóch cech loścowych X Y. Analza korelacj prostej Badane zaleŝnośc dwóch cech loścowych. Analza regresj prostej Kody znaków: Ŝółte wyróŝnene nowe pojęce czerwony uwaga kursywa komentarz
Bardziej szczegółowoINSTRUKCJA DO ĆWICZENIA
NSTRKJA DO ĆWZENA Temat: Rezonans w obwodach elektycznych el ćwiczenia elem ćwiczenia jest doświadczalne spawdzenie podstawowych właściwości szeegowych i ównoległych ezonansowych obwodów elektycznych.
Bardziej szczegółowoPodstawy Procesów i Konstrukcji Inżynierskich. Ruch obrotowy INZYNIERIAMATERIALOWAPL. Kierunek Wyróżniony przez PKA
Podstawy Pocesów Konstukcj Inżyneskch Ruch obotowy Keunek Wyóżnony pzez PKA 1 Ruch jednostajny po okęgu Ruch cząstk nazywamy uchem jednostajnym po okęgu jeśl pousza sę ona po okęgu lub kołowym łuku z pędkoścą
Bardziej szczegółowoDOLNOŚLĄSKA WOJEWÓDZKA KOMENDA OCHOTNICZYCH HUFCÓW PRACY
DOLNOŚLĄSKA WOJEWÓDZKA KOMENDA OCHOTNICZYCH HUFCÓW PRACY 0-3 Wocław, Wybzeże J. Słowackego 9 tel. (0) 3--0, 3-9-08 e-mal: dolnoslaska@ohp.pl fax (0) 3-9-0 N konta: NBP O/Wocław 9 00 009 88 3000 0000 N
Bardziej szczegółowoOcena jakościowo-cenowych strategii konkurowania w polskim handlu produktami rolno-spożywczymi. dr Iwona Szczepaniak
Ocena jakoścowo-cenowych strateg konkurowana w polskm handlu produktam rolno-spożywczym dr Iwona Szczepanak Ekonomczne, społeczne nstytucjonalne czynnk wzrostu w sektorze rolno-spożywczym w Europe Cechocnek,
Bardziej szczegółowoPOLE MAGNETYCZNE W PRÓŻNI - CD. Zjawisko indukcji elektromagnetycznej polega na powstawaniu prądu elektrycznego w
POL AGNTYCZN W PRÓŻNI - CD Indukcja elektomagnetyczna Zjawsko ndukcj elektomagnetycznej polega na powstawanu pądu elektycznego w zamknętym obwodze wskutek zmany stumena wektoa ndukcj magnetycznej. Np.
Bardziej szczegółowoAnaliza rodzajów skutków i krytyczności uszkodzeń FMECA/FMEA według MIL STD - 1629A
Analza rodzajów skutków krytycznośc uszkodzeń FMECA/FMEA według MIL STD - 629A Celem analzy krytycznośc jest szeregowane potencjalnych rodzajów uszkodzeń zdentyfkowanych zgodne z zasadam FMEA na podstawe
Bardziej szczegółowoKOLOKACJA SYSTEMÓW BEZPRZEWODOWYCH NA OBIEKTACH MOBILNYCH
KOLOKACJA SYSTEMÓW BEZPRZEWODOWYCH NA OBIEKTACH MOBILNYCH Janusz ROMANIK, Kzysztof KOSMOWSKI, Edwad GOLAN, Adam KRAŚNIEWSKI Zakład Radiokomunikacji i Walki Elektonicznej Wojskowy Instytut Łączności 05-30
Bardziej szczegółowoZjawiska masowe takie, które mogą wystąpid nieograniczoną ilośd razy. Wyrazów Obcych)
Statystyka - nauka zajmująca sę metodam badana przedmotów zjawsk w ch masowych przejawach ch loścową lub jakoścową analzą z punktu wdzena nauk, do której zakresu należą.
Bardziej szczegółowoZawiadomienie o wyborze najkorzystniejszej oferty
Kaków, dnia 28 wześnia 2015. Nasz znak: KZ.II.272.10.2015 Dotyczy: postępowania o udzielenie publicznego w tybie pzetagu nieoganiczonego pn.: Pzygotowanie i pzepowadzenie kampanii infomacyjno edukacyjnej,
Bardziej szczegółowo1. Ciało sztywne, na które nie działa moment siły pozostaje w spoczynku lub porusza się ruchem obrotowym jednostajnym.
Wykład 3. Zasada zachowania momentu pędu. Dynamika punktu mateialnego i były sztywnej. Ruch obotowy i postępowy Większość ciał w pzyodzie to nie punkty mateialne ale ozciągłe ciała sztywne tj. obiekty,
Bardziej szczegółowoStanisław Cichocki. Natalia Nehrebecka. Wykład 6
Stansław Cchock Natala Nehrebecka Wykład 6 1 1. Zastosowane modelu potęgowego Model potęgowy Przekształcene Boxa-Coxa 2. Zmenne cągłe za zmenne dyskretne 3. Interpretacja parametrów przy zmennych dyskretnych
Bardziej szczegółowoFiltry analogowe. Opracowanie: Zbigniew Kulesza Literatura: U. Tietze, Ch. Schenk Układy Półprzewodnikowe, rozdział 14, WNT
Flty analoowe Opacowane: bnew lesza Lteata: U. Tetze, Ch. Schenk Układy Półpzewodnkowe, ozdzał, WNT. Paamety opsjące flty: a) chaakteystyka ampltdowo częstotlwoścowa: - pzebe w zakese pzepstowym (występowane
Bardziej szczegółowoEFEKTYWNE WYZNACZANIE NAPRĘŻEŃ ZA POMOCĄ METODY PURC Z WYKORZYSTANIEM UOGÓLNIONEJ STRATEGII APROKSYMACJI POCHODNYCH
MODELOWANIE INŻYNIERSKIE n 47, ISSN 896-77X EFEKTYWNE WYZNACZANIE NAPRĘŻEŃ ZA POMOCĄ METODY PURC Z WYKORZYSTANIEM UOGÓLNIONEJ STRATEGII APROKSYMACJI POCHODNYCH Agneszka Bołtuć a, Eugenusz Zenuk b Wydzał
Bardziej szczegółowoMatematyka z el. statystyki, # 6 /Geodezja i kartografia II/
Matematyka z el. statystyki, # 6 /Geodezja i kartografia II/ Uniwersytet Przyrodniczy w Lublinie Katedra Zastosowań Matematyki i Informatyki ul. Głęboka 28, bud. CIW, p. 221 e-mail: zdzislaw.otachel@up.lublin.pl
Bardziej szczegółowoWykład: praca siły, pojęcie energii potencjalnej. Zasada zachowania energii.
Wykład: paca siły, pojęcie enegii potencjalnej. Zasada zachowania enegii. Uwaga: Obazki w tym steszczeniu znajdują się stonie www: http://www.whfeeman.com/tiple/content /instucto/inde.htm Pytanie: Co to
Bardziej szczegółowoNieparametryczne Testy Istotności
Neparametryczne Testy Istotnośc Wzory Neparametryczne testy stotnośc schemat postępowana punkt po punkce Formułujemy hpotezę główną odnoszącą sę do: zgodnośc populacj generalnej z jakmś rozkładem, lub:
Bardziej szczegółowoLABORATORIUM 6 ESTYMACJA cz. 2
LABORATORIUM 6 ESTYMACJA cz. 2 TEORIA ESTYMACJI I 1. ODRZUCANIE WYNIKÓW WĄTPLIWYCH PRÓBA P (m) (m-elementowa) Obliczenie: ; s bez wyników wątpliwych Odrzucenie wyników z poza przedziału: 3s PRÓBA LOSOWA
Bardziej szczegółowoSzybkie dzielenie. Szybkie dzielenie
Metody szybkego dzelena dzelene sekwencyjne czas dzelena popocjonalny do lczby cyf loazu β q uposzczene wyznaczana cyf loazu loaz w kodze S q { β,...,,,,... β } waunek zbeŝnośc dzelena: < jednoczesne wyznaczane
Bardziej szczegółowoWpływ błędów parametrów modelu maszyny indukcyjnej na działanie rozszerzonego obserwatora prędkości
Daniel WACHOWIAK Zbigniew KRZEMIŃSKI Politechnika Gdańska Wydział Elektotechniki i Automatyki Kateda Automatyki Napędu Elektycznego doi:1015199/48017091 Wpływ błędów paametów modelu maszyny indukcyjnej
Bardziej szczegółowoSpis treści I. Ilościowe określenia składu roztworów strona II. Obliczenia podczas sporządzania roztworów
Sps teśc I. Iloścowe okeślena składu oztwoów stona Ułaek wagowy (asowy ocent wagowy (asowy ocent objętoścowy Ułaek olowy 3 ocent olowy 3 Stężene olowe 3 Stężene pocentowe 3 Stężene noalne 4 Stężene olane
Bardziej szczegółowoStatystyka Opisowa 2014 część 2. Katarzyna Lubnauer
Statystyka Opsowa 2014 część 2 Katarzyna Lubnauer Lteratura: 1. Statystyka w Zarządzanu Admr D. Aczel 2. Statystyka Opsowa od Podstaw Ewa Waslewska 3. Statystyka, Lucjan Kowalsk. 4. Statystyka opsowa,
Bardziej szczegółowoWykład 11. Pompa ciepła - uzupełnienie II Zasada Termodynamiki Entropia w ujęciu termodynamicznym c.d. Entropia w ujęciu statystycznym
Wykład 11 Pompa ciepła - uzupełnienie II Zasada emodynamiki Entopia w ujęciu temodynamicznym c.d. Entopia w ujęciu statystycznym W. Dominik Wydział Fizyki UW emodynamika 2018/2019 1/30 G Pompa cieplna
Bardziej szczegółowoEvaluation of estimation accuracy of correlation functions with use of virtual correlator model
Jadwga LAL-JADZIAK Unwersytet Zelonogórsk Instytut etrolog Elektrycznej Elżbeta KAWECKA Unwersytet Zelonogórsk Instytut Informatyk Elektronk Ocena dokładnośc estymacj funkcj korelacyjnych z użycem modelu
Bardziej szczegółowo6. METODY SYMULACYJNE SYSTEMU OCENY UKŁADÓW TOROWYCH (SOUT) (wg Woch, 1977)
6. METODY SYMULACYJNE SYSTEMU OCENY UKŁADÓW TOROWYCH (SOUT) (wg Woch, 977) 6. Ogólne ujęce zagadneń pzepustowośc jako wymaowana układów kolejowych 6.. Układy ch pzepustowość Pzedstawając w tym ozdzale
Bardziej szczegółowoZadane 1: Wyznacz średne ruchome 3-okresowe z następujących danych obrazujących zużyce energ elektrycznej [kwh] w pewnym zakładze w mesącach styczeń - lpec 1998 r.: 400; 410; 430; 40; 400; 380; 370. Zadane
Bardziej szczegółowoPropozycja modyfikacji klasycznego podejścia do analizy gospodarności
Jacek Batóg Unwersytet Szczecńsk Propozycja modyfkacj klasycznego podejśca do analzy gospodarnośc Przedsęborstwa dysponujące dentycznym zasobam czynnków produkcj oraz dzałające w dentycznych warunkach
Bardziej szczegółowoSystem Przeciwdziałania Powstawaniu Bezrobocia na Terenach Słabo Zurbanizowanych SPRAWOZDANIE Z BADAŃ Autor: Joanna Wójcik
Opracowane w ramach projektu System Przecwdzałana Powstawanu Bezroboca na Terenach Słabo Zurbanzowanych ze środków Europejskego Funduszu Społecznego w ramach Incjatywy Wspólnotowej EQUAL PARTNERSTWO NA
Bardziej szczegółowo