Ekonometryczne modelowanie gospodarki rybackiej dla celów logistyki i zarządzania. Uogólnione równania empiryczne

Wielkość: px
Rozpocząć pokaz od strony:

Download "Ekonometryczne modelowanie gospodarki rybackiej dla celów logistyki i zarządzania. Uogólnione równania empiryczne"

Transkrypt

1 Marek A. Ramczyk 1 Uniwersytet Technologiczno-Przyrodniczy w Bydgoszczy Czesław Giryn Bydgoska Szkoła Wyższa Stefan Włudyka Wojskowa Akademia Techniczna Ekonometryczne modelowanie gospodarki rybackiej dla celów logistyki i zarządzania. Uogólnione równania empiryczne Degradacja środowiska stanowi zagrożenie nie tylko biologicznego bytu człowieka, ale również dla ekonomiki kraju. Stąd istotna jest między innymi analiza wpływu pogarszania się jakości wód jeziornych na efekty ekonomiczne gospodarki rybackiej. Z powodu znacznych trudności zgromadzenia kompletnych informacji statystycznych o ekonomicznych efektach płynących z wykorzystania określonego akwenu, ograniczono analizę do rezultatów w gospodarce rybackiej. Proces degradacji wód powierzchniowych wywołuje negatywne następstwa w rozmiarach połowów ryb. W skrajnym przypadku konsekwencją zanieczyszczenia jeziora jest biologiczna jego śmierć, a tym samym całkowity zanik gospodarki rybackiej. Powrót do efektywnego gospodarowania jest wówczas możliwy przez długotrwałą i kosztowną rekultywację zbiornika wodnego. Obserwacje i analiza zależności między efektami gospodarki rybackiej, a zmianami jakości wody w jeziorze możliwe są więc tylko tam, gdzie stopień jej zanieczyszczenia jest relatywnie nieznaczny, wskutek czego prowadzi się odłowy ryb. Niezbędny jest też zorganizowany system rejestrowania zarówno zmian jakości wód, jak również rozmiarów połowów ryb. Warunki te spełnione są w stosunku do Jeziora Charzykowskiego w Województwie Pomorskim. Dlatego też w artykule przedstawione zostaną rezultaty analizy obejmujące to właśnie jezioro. W literaturze pojawiły się modele ekonometryczne opisujące oddziaływania zanieczyszczeń środowiska przyrodniczego na elementy ekonomiki państwa [1-3]. Celem artykułu jest analiza wpływu zmian jakości wód Jeziora Charzykowskiego na odłowy ryb. W pracy przedstawiono rezultaty realizowanych badań w zakresie wpływu zanieczyszczeń wód jeziornych na efekty gospodarki rybackiej. Skonstruowane modele ekonomiczno-ekologiczne wyjaśniają zmiany efektów ekonomicznych rybołówstwa jeziornego w warunkach rosnącego zanieczyszczenia wody. Są one zatem znaczącym narzędziem programowania wzrostu efektywności gospodarki rybackiej w warunkach zachowania równowagi ekologicznej. Metody W Polsce długo próby szacowania strat odśrodowiskowych oparte były na uogólnieniach fragmentarycznych badań empirycznych. Do 1989 roku dla uchwycenia tego typu szkód nie stosowano metod modelowania deterministycznego ani stochastycznego. Opublikowany w 1989 roku artykuł [4] dał początek zainteresowaniu ekonometryków modelowaniem szkód z tytułu degradacji wód jeziornych. W następstwie tej pracy ukazały się między innymi artykuł M. A. Ramczyka i J. W. Wiśniewskiego [5], prace M. A. Ramczyka [6 10], artykuł M. A. Ramczyka, C. Giryna i Z. Borowskiego [11] oraz artykuł M. A. Ramczyka i C. Giryna [12]. Przedmiotem zainteresowania w niniejszej pracy jest analiza wpływu pogarszania się jakości wód jeziornych na efekty ekonomiczne gospodarki rybackiej. Model ekonometryczny może być precyzyjnym instrumentem analizy wpływu degradacji środowiska naturalnego na efekty gospodarowania. Rozważmy następujący model składający się z G równań stochastycznych: gdzie: y it - i-ty efekt działalności gospodarczej w okresie t, x ij (j=1, 2,.., k) - mierniki charakterystyk środowiska naturalnego spośród k rozważanych w okresie t, α ij - parametry modelu będące miarami jednostkowego oddziaływania każdej z cech środowiskowych na rozważany i-ty rezultat gospodarowania, η - składnik losowy i-tego równania. ti Stawiamy tezę, że w przypadku, gdy w modelu (1) y it jest wielkością i-tego rodzaju odłowów, zaś x tj - poziomem zawartości j-tej substancji w wodzie (j=1,2,..., k), parametr strukturalny α ij może informować o trzech możliwych sytuacjach: jeżeli α ij = 0, to obserwowane w jeziorze poziomy stężenia j-tej substancji są obojętne dla wielkości i-tego rodzaju odłowów, czyli nie występuje znaczący dla rozpatrywanego i-tego efektu stopień zanieczyszczenia jeziora > 0, to występujące w wodzie jeziornej stany zawartości danej j-tej substancji są poniżej strefy obojętności, przez co były jeszcze stymulatorami rozwoju danej populacji ryb < 0, mamy do czynienia z zanieczyszczeniem wody jeziora ponad stan obojętności. Wśród zaobserwowanych wielkości zawartości j-tej substancji w wodzie dominują wówczas obserwacje o przekroczonym poziomie ze strefy obojętności. Przyrost masy tego składnika jest więc zanieczyszczeniem jeziora szkodliwym dla jego rybostanu, a tym samym wpływającym negatywnie na rozpatrywany i-ty efekt ekonomiczny. (1) 1 Uniwersytet Technologiczno-Przyrodniczy w Bydgoszczy; Wydział Budownictwa, Architektury i Inżynierii Środowiska; Katedra Kształtowania i Ochrony Środowiska. Artykuł recenzowany. 2

2 Wyniki i dyskusja Poniżej zaprezentowano wyniki estymacji parametrów strukturalnych równań liniowego modelu ekonometrycznego opisującego oddziaływanie wielu różnych cech wody jeziornej na wielkość odłowów ryb w Jeziorze Charzykowskim, przy różnym ujęciu zbioru zmiennych środowiskowych. W poszczególnych równaniach empirycznych pod ocenami parametrów strukturalnych w nawiasach podane są obliczone wartości statystyk t-studenta. Ponadto prezentowane są też następujące miary charakteryzujące wahania losowe odłowów ryb: R 2 współczynnik korelacji wielorakiej, ocena odchylenia standardowego składnika losowego, DW statystyka Durbina i Watsona, współczynnik autokorelacji reszt pierwszego rzędu. W pracach Ramczyka [6], [7], [8], [9] i [10] zaprezentowano zestawy równań dotyczących odłowów płoci, węgorza, leszcza, szczupaka, krąpia, sielawy i siei z uwzględnieniem warunków siedliskowych w różnych warstwach jeziora. W niniejszej pracy przedstawiono uogólnione równania empiryczne tych odłowów w zależności od jakości wody całego Jeziora Charzykowskiego. Oszacowanie parametrów równania połowów płoci w zależności od zmian jakości wody i czynników klimatycznych w odniesieniu do całego Jeziora Charzykowskiego dało następujące wyniki: R 2 = 0,316; = 0,4214; DW = 2,142; = - 0,2873. Rezultaty estymacji i weryfikacji równania odłowów najpospolitszej ryby karpiowatej w zależności od zmian czynników środowiskowych całego jeziora są identyczne, jak w przypadku równania dla warstwy przydennej. W równaniu (2) brak jest zmiennych i, które są statystycznie istotne w równaniu dla tej warstwy. Można więc wnioskować, że w przypadku uwzględnienia warunków środowiskowych całego jeziora wahania zawartości substancji organicznej w suchej masie sestonu w epilimnionie były na takim poziomie, który nie odbiega od optimum dla płoci. Z tego względu zmienna ta w obserwowanym przedziale zmienności nie wpływała na wielkość odłowów Rutilus rutilus. Natomiast nie- (2) istotność zmiennej w równaniu (2) oznacza brak oddziaływania zmian klimatu na połowy płotki. Wymierne skutki w odłowach płoci w Jeziorze Charzykowskim warunkowane są więc zmianami dwóch charakterystyk jakości wody przydennej, przy czym straty w tego rodzaju efektach gospodarki rybackiej w okresie próby były następstwem nadmiernego poziomu twardości ogólnej wody. Obojętność wszystkich właściwości wody powierzchniowej i większości cech wody przydennej w stosunku do odłowów płoci sugeruje, że gatunek ten ma niewielkie potrzeby dotyczące jakości wody. Ze względu jednak na istotność zmiennych i wody hipolimnionu bardziej oddziałują na efektywne przerosty płoci niż wody epilimnionu. Wynika to z faktu, że płoć utrzymuje się też w wodach o gorszej jakości, a właśnie warstwa przydenna J. Charzykowskiego zawiera takie wody. Rezultatem estymacji i weryfikacji jest też następujące, ostatecznie równanie odłowów leszcza w zależności od zmian jakości wody i czynników klimatycznych w odniesieniu do całego akwenu: R 2 = 0,6375; = 2,562; DW = 2,081; = 0,0583. Prawidłowości kształtujące wielkość odłowów jednej z najcenniejszych w Polsce ryby karpiowatej w zależności od zmian czynników środowiskowych całego jeziora są takie same, jak w przypadku równania dla warstwy przydennej. Równanie (3) opisuje wpływ zmiennych środowiskowych z powierzchni i dna jeziora na masę odłowów leszcza, przy czym obserwowane w jeziorze charakterystyki wody w epilimnionie są obojętne ( = 0) dla tego rodzaju efektu gospodarki rybackiej. Równanie ODL t uwzględnia też dwie zmienne klimatyczne (U i W t-1 ). Oddziaływanie ich okazało się znaczące w sensie t statystycznym w kształtowaniu połowów leszcza. Istotne statystycznie zmienne o charakterze cech klimatycznych tworzą tym samym sezonowość odłowów Abramis brama. Analiza statystycznie istotnych zmiennych egzogenicznych równania (3) potwierdza spostrzeżenie o znacznie większym wpływie na odłowy leszcza cech jakościowych wód hipolimnionu niż epilimnionu. Wynika to z bytowania leszcza w profundalu. Ostatnim gatunkiem ryby z rodziny karpiowatych, której kształtowanie się odłowów pod wpływem zmian jakościowych wód jeziornych zostanie przeanalizowane, jest krąp (Blicca bjoerkna), wyglądem zewnętrznym bardzo przypominający młodego leszcza. Oszacowane równanie opisujące reakcje poziomu odłowów krąpia na zmiany czynników środowiskowych całego analizowanego jeziora jest następujące: R 2 = 0,7744; = 0,7733; DW = 1,397; = 0,2736; = 1,364. Równanie (4) sugeruje podobną prawidłowość jak w przypadku równań odłowów płoci i leszcza. Okazuje się, że na rozmiary odłowów krąpia w Jeziorze Charzykowskim pomijając czynniki klimatyczne zdecydowanie większy wpływ ma stan zanieczyszczenia wód hipolimnionu niż epilimnionu. Równocześnie przy wszystkich istotnych statystycznie zmiennych, wyrażających cech wody przydennej, oceny parametrów są dodatnie ( >0). Oznacza to, że amplituda wahań tych właściwości wody mieściła się poniżej strefy obojętności, przez co pobudzała rozwój populacji krąpia. Szczególnie korzystny dla tego gatunku jest wpływ zmien- (3) (4) 3

3 nej F t, ponieważ wzrost stężenia fosforu fosforanowego o 1 mg/dm 3 powodował zwiększenie odłowów Blicca bjoerkna średnio o około 1,8 kg. Natomiast przy jedynej statystycznie istotnej zmiennej NOG t, reprezentującej właściwości epilimnionu, <0. Skłania to do stwierdzenia, iż przyrost stężenia wszystkich form azotu w wodzie powierzchniowej jest zanieczyszczeniem jeziora szkodliwym dla bytowania krąpia. Wpływa tym samym negatywnie na efektywność jego odłowów. Można zatem sformułować tezę, że Blicca bjoerkna utrzymuje się w bardziej zanieczyszczonych wodach warstwy przydennej Jeziora Charzykowskiego. Zwróćmy jeszcze uwagę na znaki ocen parametrów strukturalnych przy zmiennych charakteryzujących zawartość azotu ogólnego, mierzonych w epilimnionie i hipolimnionie. Wartości tych zmiennych w zależności od poziomu pomiaru w jeziorze oddziaływały bowiem różnokierunkowo na odłowy krąpia. O ile zawartość azotu ogólnego w hipolimnionie dodatnio kształtowała rozpatrywany efekt ekonomiczny, o tyle stężenie tej substancji w epilimnionie wpływało na niego wręcz przeciwnie, determinując w ten sposób rozmiary strat w populacji krąpia. W równaniu (4) obserwujemy też wyrazistość oddziaływania zmiennych klimatycznych, podobnie jak w równaniu dla warstwy powierzchniowej. Można tylko dodać, że prędkość wiatru okazała się znacząca w sensie statystycznym w kształtowaniu poziomu odłowów krąpia. Następną grupą ryb ważnych gospodarczo są siejowate. Zmiany w rozmiarach odłowów sielawy pod wpływem czynników środowiskowych całego Jeziora Charzykowskiego opisuje następujące równanie: R 2 = 0,8013; = 0,7936; DW = 2,366; = 0,22; t = 1,081 Oszacowanie równania odłowów Coregonus albula w zależności od zmian jakości wody i warunków klimatycznych w odniesieniu do całego jeziora dało takie same rezultaty, jak w przypadku estymacji równania tego rodzaju efektów ekonomicznych w zależności od wahań czynników środowiskowych w epilimnionie. Równanie (5) opisuje ponad 80% całkowitej zmienności odłowów sielawy. Brak jest też autokorelacji składnika resztowego pierwszego rzędu. W ten sposób wykazano empirycznie prawidłowość, że o wielkości odłowów sielawy decydują zmiany jakości wody warstwy powierzchniowej jeziora. Sugeruje ona jednocześnie fakt bytowania sielawy głównie w bogatszych w tlen otwartych wodach epilimnionu. Oznacza to, że sielawa jest gatunkiem ryby wymagającym wód lepszych jakościowo. Mimo, że wśród zmiennych opisujących odłowy sielawy nie znajduje się zawartość tlenu w warstwie powierzchniowej, to pośrednio warunki tlenowe tej strefy mogą określać zmienne o charakterze klimatycznym. Równanie (5) potwierdziło też, że omawiana ryba siejowata należy do grupy zimnowodnych. W rezultacie oszacowania parametrów równania opisującego odłowy siei w zależności od zmian czynników środowiskowych całego jeziora otrzymano następujący wynik empiryczny: (5) R 2 = 0,8978; = 0,1147; DW = 2,262; = 0,2894. Równanie (6) jest empirycznym dowodem wysokich wymagań siei dotyczących czystości wody. Na odłowy omawianej ryby siejowatej większy wpływ wywierają bardziej zanieczyszczone wody hipolimnionu niż wody epilimnionu. Oceny parametrów strukturalnych przy zmiennych: CL t, NOG t, OW t, TR t, MG t, PEL t, PZOS t, O t-1 i W t-1 są mniejsze od zera. Przesądza to o negatywnym wpływie tych zmiennych na masę połowów siei. Interpretacja zmiennych- NOG t i NMIN t jest podobna jak w równaniu dla warstwy hipolimnionu, a zmiennych KRS t i TP t-1 jak w równaniu dla warstwy epilimnionu. Statystyczna istotność zmiennejtp t-1 sugeruje ściśle określone wymagania termiczne siei. Wiadomo bowiem, że temperatura wody jest pochodną czynników klimatycznych, głównie temperatury powietrza. Interpretacja zmiennej TR t może być podobna, jak w równaniu dla warstwy przydennej. Występujące w równaniu (6) cechy klimatyczne tworzą ostatecznie sezonowość odłowów siei. Kontynuując analizę strat w gospodarce rybackiej Jeziora Charzykowskiego z tytułu pogarszania się jakości wód tego akwenu zajęto się sprawdzeniem, które charakterystyki środowiskowe wywierają najistotniejszy wpływ na odłowy ryb drapieżnych węgorza i szczupaka. W tym celu szacowano oba rodzaje efektów w zależności od różnego stopnia agregacji zmiennych środowiskowych. Kształtowanie się odłowów węgorza europejskiego pod wpływem zmian jakości wody i czynników klimatycznych w odniesieniu do całego akwenu wyjaśnia równanie: R 2 = 0,7566; = 0,6133; DW = 2,547; = 0,2875; t =1,44. Prawidłowości kształtujące rozmiary odłowów węgorza w zależności od zmian czynników środowiskowych całego Jeziora Charzykowskiego są identyczne jak w przypadku równania dla warstwy powierzchniowej. Zmienna ODW t podlegała w obserwowanym zakresie zmienności zmiennych modelu głównie wpływom wskaźników jakości wody epilimnionu. One więc determinowały efektywność odłowów węgorza w Jeziorze Charzykowskim. W równaniu (7) statystycznie nieistotne okazały się zmienne, wyrażające charakterystyki jakościowe wód hipolomnionu, mimo że Anguilla angulilla często bytuje w mule objętym tymi wodami. Równanie (7) pokazuje też wyrazistość wpływu zmiennych klimatycznych na zmienną ODW t. Można przypuszczać, że przyczyną takiego stanu jest to, iż węgorz wymaga (6) (7) 4

4 wód cieplejszych z odpowiednią zawartością tlenu. Z reguły epilimnion jest bogatszy w tlen niż hipolimnion. Mimo, że wśród zmiennych opisujących odłowy węgorza nie znajduje się zmienna reprezentująca zawartość tlenu w epilimnionie, to pośrednio natlenienie tej warstwy mogą określać zmienne klimatyczne. Decydują one też o termice wody. w sumie zaś wywołują sezonowe wahania odłowów węgorza. Empiryczne liniowe równanie opisujące masę odłowów Esox lucius w zależności od warunków środowiskowych całego Jeziora Charzykowskiego jest następujące: R 2 = 0,855; = 0,0645; DW = 1,858; = 0,0212. Występujące w równaniu (8) zmienne TR t-1 i WW t mają charakter cech klimatycznych, przesądzających o sezonowości połowów szczupaka. Pozostałe zmienne są charakterystykami tworzącymi bezpośrednio wektor cech jakości wody jeziornej, które stymulują bądź hamują poziom odłowów szczupaka. Równanie (8) ujawnia, iż Esox lucius jest w większym stopniu wrażliwy na wahania zanieczyszczeń w hipolmnionie niż w epilimnionie. Świadczy to o gorszej jakości wód przydennych Jeziora Charzykowskiego w stosunku do wymagań szczupaka. Logiczny jest wpływ na zmienną ODSZ t zmiennej BZT5 t, będącej ważnym wskaźnikiem stanu czystości jeziora. Każdy wzrost biochemicznego zapotrzebowania tlenu o 1mg/dm 3 powodował spadek odłowów szczupaka średnio o 23g. Ujemna ocena parametru przy zmiennej KRS t, reprezentującej przezroczystość wody powinna być interpretowana podobnie, jak w przypadku równania dla warstwy powierzchniowej. Natomiast interpretacja wpływu zmiennej TR t na rozmiary odłowów szczupaka może być analogiczna do wyników równania odłowów siei. Obliczenia i analizy wskazują, że ważny gospodarczo szczupak bardziej wyraźnie reaguje na wody o gorszej jakości. Stąd efektywność jego odłowów jest wprost proporcjonalna do stopnia czystości wody. Potwierdza to spostrzeżenia formułowane na podstawie prac doświadczalnych i obserwacji ichtiologicznych. Powyżej zaprezentowano empiryczne ujęcie reakcji ważnych gospodarczo gatunków ryb na zmiany warunków środowiskowych Jeziora Charzykowskiego w myśl tezy, że wymagania siedliskowe poszczególnych gatunków i grup wiekowych ryb są zróżnicowane. Zweryfikowano zatem hipotezę, z jakim natężeniem zmiany stopnia i charakteru zanieczyszczenia wód jeziornych wpływają na rozmiary odłowów określonego gatunku ryb. Zastanówmy się jeszcze nad wpływem warunków środowiskowych na wielkość odłowów ryb ogółem w Jeziorze Charzykowskim. Skonstruowano w tym celu 3 warianty równań odłowów ryb ogółem w zależności od sposobu ujęcia zmiennych egzogenicznych, to znaczy 1) właściwych epilimnionowi, 2) charakteryzujących jakość wód hipolimnionu oraz 3) odzwierciedlających warunki siedliskowe całego jeziora. Analiza masy odławianych ryb w wersji stochastycznej nie odzwierciedla jednak specyfiki reakcji poszczególnych gatunków ryb na (8) jakość wody jeziornej. Daje uśredniony wynik, który zaciemnia obraz rzeczywistych zależności. Stąd lepszym sposobem zapisu równania odłowów ryb ogółem jest równanie tożsamościowe. Jednak w niniejszej pracy modelowanie ekonometryczne zastosowano tylko do opisu odłowów ryb o największym znaczeniu gospodarczym w ekonomice Jeziora Charzykowskiego, to jest: płoci, leszcza, krąpia, sielawy, siei, węgorza i szczupaka. Tymczasem wiadomo, że w rozpatrywanym jeziorze poławia się jeszcze inne gatunki ryb. Zmienna RYBY t odzwierciedla właśnie masę wszystkich odławianych ryb w akwenie, nie tylko analizowanych w niniejszej pracy. Zmienna RYBY t nie jest więc prostą sumą omawianych powyżej zmiennych modelu. Równanie tożsamościowe przyjmuje zatem postać: RYBY t = ODPŁ 1 +ODL t +ODK t +ODSL t +ODSJ t +ODW t +ODSZ t (9) W przeprowadzonych badaniach empirycznych rozpatrywano wpływ czynników środowiskowych na wielkość odłowów ryb. Obliczenia i analizy wyraźnie wskazują, że czynniki siedliskowe istotnie ale z różną intensywnością i odmiennych zestawach oddziaływują na rozmiary odłowów każdego z rozpatrywanych gatunków ryb. Zmiany jakości wód jeziornych i czynników klimatycznych powodują wymierne skutki w gospodarce rybackiej Jeziora Charzykowskiego. Spośród omówionych ryb karpiowatych największe wymagania dotyczące jakości wody ma krąp. Natomiast leszcz ma nieco wyższe wymagania środowiskowe niż płotka. Równania empiryczne ujawniły też, że ryby głąbielowate mają znaczenie wyższe wymagania w stosunku do czystości wody niż ryby karpiowate. O ile w przypadku ryb karpiowatych (Rutilus rutilus, Abramis brama i Blicca bjoerkna) większość charakterystyk wody raczej jeszcze stymulowała rozwój tych gatunków, o tyle w odniesieniu do ryb siejowatych (Coregonus albula i Coregonus lavaretus) w zasadzie hamowały one ich przyrosty. Model potwierdził również dość duże wymagania siedliskowe węgorza i zgodność tezy o unikaniu przez szczupaka wód zanieczyszczonych. Na zmienne: ODL t, ODK t, ODSL t, ODSJ t, ODW t i ODSZ t znaczący jest wpływ czynników klimatycznych. Przesądza to o sezonowości odłowów leszcza, krąpia, sielawy, siei, węgorza i szczupaka w Jeziorze Charzykowskim. Wahań sezonowych nie obserwuje się w przypadku połowów płoci. Podsumowanie Skonstruowany model oddziaływania zmian jakości wód jeziornych na efekty gospodarki rybackiej jest stabilny dla warunków, które zaistniały w przeszłości. Oznacza to ważność zależności w obserwowanych przedziałach zmienności zmiennych egzogenicznych. Liniowość może bowiem obowiązywać tylko w wąskich przedziałach zmienności. Przy ich rozszerzeniu może ujawnić się przewaga związków krzywoliniowych. Istnienie ustalonego przez limnologów i ichtiologów optimum warunków środowiskowych dla rozwoju każdego z gatunków ryb ważnych gospodarczo umożliwiło precyzyjne analizowanie wpływu odchyleń od tych optymalnych warunków siedliskowych na efektywność gospodarki rybackiej. Badania wykazały, że z rozpatrywanego ekonomicznego punktu widzenia, Jezioro Charzykowskie w zakresie większo- 5

5 ści wskaźników jakości wody należy do ekologicznie czystych. W zależności od gatunku ryb tylko niektóre składniki osiągnęły poziom zanieczyszczenia zagrażający bytowaniu, a tym samym efektywności gospodarki rybackiej. Konieczne jest więc zlokalizowanie źródeł degradacji jeziora i ich wyeliminowanie. Metodologia i rezultaty badań winny zachęcać do ich kontynuacji. Wydaje się, że konieczne jest poszukiwanie dla odłowów każdego z ważnych gospodarczo gatunków ryb optymalnej zawartości rozmaitych substancji, stanowiących o jakości wody jeziornej. Optymalne stężenie j-tej substancji ( x jopt ) dla i-tego gatunku ryb mieści się w przedziale stężeń dopuszczalnych { x (i) jopt D}, gdzie Dij = { x jmn,..., x jmk }. Każda zawartość j-tego gatunku składnika wody nie mieszcząca się w przedziale dopuszczalnych stężeń ( x j Dij) z punktu widzenia odłowów i-tego gatunku ryb powoduje ginięcie tego gatunku. W gospodarowaniu jeziorem niezbędne jest więc systematyczne kontrolowanie stanu zanieczyszczeń jego wody. Prowadzone empiryczne badania statystyczne winny doprowadzić do ustalenia obszarów dopuszczalnych stężeń D ij (i=1, 2,.., m; j=1, 2,.., n) dla każdego z m ważnych gospodarczo gatunków ryb oraz dla wszystkich n istotnych charakterystyk wody jeziornej. Pozwoli to ustalić optymalne parametry tych charakterystyk jakości wody i ostatecznie wskazać optymalne przedziały stężeń dla wszystkich gatunków ryb żyjących w danym jeziorze. Streszczenie Instrumentem wykorzystywanym w analizie wpływu degradacji środowiska przyrodniczego na efekty gospodarowania może być model ekonometryczny. W pracy przedstawiono rezultaty badań wpływu zanieczyszczeń wód jeziornych na efekty gospodarki rybackiej. Skonstruowano uogólnione modele ekonomiczno-ekologiczne wyjaśniające zmiany efektów ekonomicznych rybołówstwa jeziornego w warunkach postępującego zanieczyszczenia wody na przykładzie odłowów płoci, leszcza, krąpia, sielawy, siei, węgorza i szczupaka. Gdy w modelu y it jest wielkością i-tego rodzaju odłowów, zaś x tj - poziomem zawartości j-tej substancji w wodzie (j=1, 2,.., k), parametr struktury α ij może informować o trzech możliwych sytuacjach: jeżeli α ij = 0, to obserwowane w jeziorze poziomy stężenia j-tej substancji są obojętne dla wielkości i-tego rodzaju odłowów, czyli nie występuje znaczący dla rozpatrywanego i-tego efektu stopień zanieczyszczenia jeziora > 0, to występujące w wodzie jeziornej stany zawartości danej j-tej substancji są poniżej strefy obojętności, przez co były jeszcze stymulatorami rozwoju danej populacji ryb < 0, mamy do czynienia z zanieczyszczeniem wody jeziora ponad stan obojętności. Wśród zaobserwowanych wielkości zawartości j-tej substancji w wodzie dominują wówczas obserwacje o przekroczonym poziomie ze strefy obojętności. Przyrost masy tego składnika jest więc zanieczyszczeniem jeziora szkodliwym dla jego rybostanu, a tym samym wpływającym negatywnie na rozpatrywany i-ty efekt ekonomiczny. Słowa kluczowe: model ekonometryczny, gospodarka rybacka, efekty gospodarowania, odłowy ryb, jakość wód jeziornych. Econometric model of impact of lake water pollution on the effects of the fishery management. The generalized empirical equations. Summary The econometric model can be a precise instrument for the analysis of an impact of the natural environment deterioration on management effects. This work presents the results of research in the field of an impact of lake water pollution on the effects of the fishery management. The economic-ecological models have been constructed, explaining changes of economic effects of the lake fishery in the conditions of an increasing water pollution presenting the catch of fish. When in the model made up of G of stochastic equations, y it is a scale of this type of catches and x tj is a level of content of j-this substance in water (j=1,..., k), a structural parameter α ij can indicate three possible situations: 1) if ij =0, then the concentration levels of j-this substance observed in a lake are neutral for a scale of i-this type of catches, i.e. a level of lake pollution significant for the considered i-this effect does not exist; 2) if α ij >0, then levels of a given j- this substance in the lake water are below the zone of neutrality, what makes them even stimulators of development of a given fish population; 3) when ij <0, it means that a lake water pollution is above the level of neutrality which has a negative impact on the i-this economical effect considered here. Key words: econometric model, fishery menagement, menagement effects, catch of fish, lake water pollution. Literatura / Bibliography 1. Agnew T. T., 1979, Optimal Exploitation of a Fishery Employing a Non-linear Harvesting Function, Ecological Modelling, Dyer T. G. J., Gillooly J. F., Symulating Fish Production Using Exponential Smoothing, Ecological Modelling, Jorgensen S. E., Lake Management, Ramczyk M.A., 1989, Dynamiczny model ekonomicznych skutków zmian jakości wód jeziornych, AUNC, Ekonomia 20, Toruń, ss Ramczyk M.A., Wiśniewski J.W., 1988, Jakość wód jeziornych a efektywność gospodarki rybackiej, Wiadomości Statystyczne, ss Ramczyk M.A., 2006, Ekonometryczny model wpływu zmian jakości wód jeziornych na zmiany struktury odłowów ryb, [w:] Diagnozowanie stanu środowiska. Metody badawcze prognozy, zbiór rozpraw pod redakcją S. Borsuka, Bydgoskie Towarzystwo Naukowe, Bydgoszcz, ss Ramczyk M. A., 2007, Ekonometryczny model wpływu zmian jakości wód jeziornych na odłowy ryb, [w:] Diagnozowanie stanu środowiska. Metody badawcze prognozy, zbiór rozpraw pod redakcją J. Garbacza, Bydgoskie Towarzystwo Naukowe, Bydgoszcz, ss Ramczyk M. A., 2008, Ekonometryczny model wpływu zmian jakości wód jeziornych na odłowy ryb. Równania odłowów szczupaka, [w:] Diagnozowanie J. Garbacza, Bydgoskie Towarzystwo Naukowe, Bydgoszcz, ss Ramczyk M. A., 2009, Ekonometryczny model wpływu zmian jakości wód jeziornych na odłowy ryb. Równania odłowów krąpia, [w:] Diagnozowanie J. Garbacza, Bydgoskie Towarzystwo Naukowe, Bydgoszcz, ss Ramczyk M. A., 2010, Modelowanie odłowów sielawy i siei, [w:] Diagnozowanie J. Garbacza, Bydgoskie Towarzystwo Naukowe, Bydgoszcz, ss Ramczyk M. A., Giryn C., Borowski Z., Ekonometryczne modelowanie struktury odłowów ryb dla potrzeb logistyki i zarządzania gospodarką rybacką jezior. Zagadnienia metodyczne i empiryczne, Logistyka, nr 4/2010 (art. na CD, s. 137). 12. Ramczyk M. A., Giryn C., Ekonometryczne modelowanie gospodarki rybackiej dla celów logistyki i zarządzania. Nowe równania empiryczne, Logistyka, nr 6/2011, ss

Ekonometryczne modelowanie struktury odłowów ryb dla potrzeb logistyki i zarządzania gospodarką rybacką jezior. Zagadnienia metodyczne i empiryczne

Ekonometryczne modelowanie struktury odłowów ryb dla potrzeb logistyki i zarządzania gospodarką rybacką jezior. Zagadnienia metodyczne i empiryczne Marek A. Ramczyk Zbigniew Borowski Marek A. Ramczyk Bydgoska Szkoła Wyższa 3 Uniwersytet Technologiczno-Przyrodniczy w Bydgoszczy 1,2 Ekonometryczne modelowanie struktury odłowów ryb dla potrzeb logistyki

Bardziej szczegółowo

REGRESJA I KORELACJA MODEL REGRESJI LINIOWEJ MODEL REGRESJI WIELORAKIEJ. Analiza regresji i korelacji

REGRESJA I KORELACJA MODEL REGRESJI LINIOWEJ MODEL REGRESJI WIELORAKIEJ. Analiza regresji i korelacji Statystyka i opracowanie danych Ćwiczenia 5 Izabela Olejarczyk - Wożeńska AGH, WIMiIP, KISIM REGRESJA I KORELACJA MODEL REGRESJI LINIOWEJ MODEL REGRESJI WIELORAKIEJ MODEL REGRESJI LINIOWEJ Analiza regresji

Bardziej szczegółowo

Statystyka w pracy badawczej nauczyciela Wykład 4: Analiza współzależności. dr inż. Walery Susłow walery.suslow@ie.tu.koszalin.pl

Statystyka w pracy badawczej nauczyciela Wykład 4: Analiza współzależności. dr inż. Walery Susłow walery.suslow@ie.tu.koszalin.pl Statystyka w pracy badawczej nauczyciela Wykład 4: Analiza współzależności dr inż. Walery Susłow walery.suslow@ie.tu.koszalin.pl Statystyczna teoria korelacji i regresji (1) Jest to dział statystyki zajmujący

Bardziej szczegółowo

Etapy modelowania ekonometrycznego

Etapy modelowania ekonometrycznego Etapy modelowania ekonometrycznego jest podstawowym narzędziem badawczym, jakim posługuje się ekonometria. Stanowi on matematyczno-statystyczną formę zapisu prawidłowości statystycznej w zakresie rozkładu,

Bardziej szczegółowo

Estymacja parametrów modeli liniowych oraz ocena jakości dopasowania modeli do danych empirycznych

Estymacja parametrów modeli liniowych oraz ocena jakości dopasowania modeli do danych empirycznych Estymacja parametrów modeli liniowych oraz ocena jakości dopasowania modeli do danych empirycznych 3.1. Estymacja parametrów i ocena dopasowania modeli z jedną zmienną 23. Właściciel komisu w celu zbadania

Bardziej szczegółowo

Regresja wielokrotna jest metodą statystyczną, w której oceniamy wpływ wielu zmiennych niezależnych (X1, X2, X3,...) na zmienną zależną (Y).

Regresja wielokrotna jest metodą statystyczną, w której oceniamy wpływ wielu zmiennych niezależnych (X1, X2, X3,...) na zmienną zależną (Y). Statystyka i opracowanie danych Ćwiczenia 12 Izabela Olejarczyk - Wożeńska AGH, WIMiIP, KISIM REGRESJA WIELORAKA Regresja wielokrotna jest metodą statystyczną, w której oceniamy wpływ wielu zmiennych niezależnych

Bardziej szczegółowo

Statystyka opisowa. Wykład V. Regresja liniowa wieloraka

Statystyka opisowa. Wykład V. Regresja liniowa wieloraka Statystyka opisowa. Wykład V. e-mail:e.kozlovski@pollub.pl Spis treści 1 Prosta regresji cechy Y względem cech X 1,..., X k. 2 3 Wyznaczamy zależność cechy Y od cech X 1, X 2,..., X k postaci Y = α 0 +

Bardziej szczegółowo

Ćwiczenia IV

Ćwiczenia IV Ćwiczenia IV - 17.10.2007 1. Spośród podanych macierzy X wskaż te, których nie można wykorzystać do estymacji MNK parametrów modelu ekonometrycznego postaci y = β 0 + β 1 x 1 + β 2 x 2 + ε 2. Na podstawie

Bardziej szczegółowo

Rozdział 8. Regresja. Definiowanie modelu

Rozdział 8. Regresja. Definiowanie modelu Rozdział 8 Regresja Definiowanie modelu Analizę korelacji można traktować jako wstęp do analizy regresji. Jeżeli wykresy rozrzutu oraz wartości współczynników korelacji wskazują na istniejąca współzmienność

Bardziej szczegółowo

Analiza autokorelacji

Analiza autokorelacji Analiza autokorelacji Oblicza się wartości współczynników korelacji między y t oraz y t-i (dla i=1,2,...,k), czyli współczynniki autokorelacji różnych rzędów. Bada się statystyczną istotność tych współczynników.

Bardziej szczegółowo

ANALIZA DYNAMIKI DOCHODU KRAJOWEGO BRUTTO

ANALIZA DYNAMIKI DOCHODU KRAJOWEGO BRUTTO ANALIZA DYNAMIKI DOCHODU KRAJOWEGO BRUTTO Wprowadzenie Zmienność koniunktury gospodarczej jest kształtowana przez wiele różnych czynników ekonomicznych i pozaekonomicznych. Znajomość zmienności poszczególnych

Bardziej szczegółowo

Przykład 2. Stopa bezrobocia

Przykład 2. Stopa bezrobocia Przykład 2 Stopa bezrobocia Stopa bezrobocia. Komentarz: model ekonometryczny stopy bezrobocia w Polsce jest modelem nieliniowym autoregresyjnym. Podobnie jak model podaŝy pieniądza zbudowany został w

Bardziej szczegółowo

Zadanie 1 Zakładając liniową relację między wydatkami na obuwie a dochodem oszacować MNK parametry modelu: y t. X 1 t. Tabela 1.

Zadanie 1 Zakładając liniową relację między wydatkami na obuwie a dochodem oszacować MNK parametry modelu: y t. X 1 t. Tabela 1. tel. 44 683 1 55 tel. kom. 64 566 811 e-mail: biuro@wszechwiedza.pl Zadanie 1 Zakładając liniową relację między wydatkami na obuwie a dochodem oszacować MNK parametry modelu: gdzie: y t X t y t = 1 X 1

Bardziej szczegółowo

Ekonometryczna analiza popytu na wodę

Ekonometryczna analiza popytu na wodę Jacek Batóg Uniwersytet Szczeciński Ekonometryczna analiza popytu na wodę Jednym z czynników niezbędnych dla funkcjonowania gospodarstw domowych oraz realizacji wielu procesów technologicznych jest woda.

Bardziej szczegółowo

K wartość kapitału zaangażowanego w proces produkcji, w tys. jp.

K wartość kapitału zaangażowanego w proces produkcji, w tys. jp. Sprawdzian 2. Zadanie 1. Za pomocą KMNK oszacowano następującą funkcję produkcji: Gdzie: P wartość produkcji, w tys. jp (jednostek pieniężnych) K wartość kapitału zaangażowanego w proces produkcji, w tys.

Bardziej szczegółowo

Metody Ilościowe w Socjologii

Metody Ilościowe w Socjologii Metody Ilościowe w Socjologii wykład 2 i 3 EKONOMETRIA dr inż. Maciej Wolny AGENDA I. Ekonometria podstawowe definicje II. Etapy budowy modelu ekonometrycznego III. Wybrane metody doboru zmiennych do modelu

Bardziej szczegółowo

Regresja wieloraka Ogólny problem obliczeniowy: dopasowanie linii prostej do zbioru punktów. Najprostszy przypadek - jedna zmienna zależna i jedna

Regresja wieloraka Ogólny problem obliczeniowy: dopasowanie linii prostej do zbioru punktów. Najprostszy przypadek - jedna zmienna zależna i jedna Regresja wieloraka Regresja wieloraka Ogólny problem obliczeniowy: dopasowanie linii prostej do zbioru punktów. Najprostszy przypadek - jedna zmienna zależna i jedna zmienna niezależna (można zobrazować

Bardziej szczegółowo

Statystyka od podstaw Janina Jóźwiak, Jarosław Podgórski

Statystyka od podstaw Janina Jóźwiak, Jarosław Podgórski Statystyka od podstaw Janina Jóźwiak, Jarosław Podgórski Książka jest nowoczesnym podręcznikiem przeznaczonym dla studentów uczelni i wydziałów ekonomicznych. Wykład podzielono na cztery części. W pierwszej

Bardziej szczegółowo

Ekonometria. Prognozowanie ekonometryczne, ocena stabilności oszacowań parametrów strukturalnych. Jakub Mućk. Katedra Ekonomii Ilościowej

Ekonometria. Prognozowanie ekonometryczne, ocena stabilności oszacowań parametrów strukturalnych. Jakub Mućk. Katedra Ekonomii Ilościowej Ekonometria Prognozowanie ekonometryczne, ocena stabilności oszacowań parametrów strukturalnych Jakub Mućk Katedra Ekonomii Ilościowej Jakub Mućk Ekonometria Wykład 4 Prognozowanie, stabilność 1 / 17 Agenda

Bardziej szczegółowo

Stanisław Cichocki. Natalia Neherbecka. Zajęcia 13

Stanisław Cichocki. Natalia Neherbecka. Zajęcia 13 Stanisław Cichocki Natalia Neherbecka Zajęcia 13 1 1. Kryteria informacyjne 2. Testowanie autokorelacji 3. Modele dynamiczne: modele o rozłożonych opóźnieniach (DL) modele autoregresyjne o rozłożonych

Bardziej szczegółowo

Stanisław Cichocki. Natalia Nehrebecka

Stanisław Cichocki. Natalia Nehrebecka Stanisław Cichocki Natalia Nehrebecka - adres mailowy: nnehrebecka@wne.uw.edu.pl - strona internetowa: www.wne.uw.edu.pl/nnehrebecka - dyżur: wtorek 18.30-19.30 sala 302 lub 303 - 80% oceny: egzaminy -

Bardziej szczegółowo

Analiza porównawcza koniunktury gospodarczej w województwie zachodniopomorskim i w Polsce w ujęciu sektorowym

Analiza porównawcza koniunktury gospodarczej w województwie zachodniopomorskim i w Polsce w ujęciu sektorowym Jacek Batóg Uniwersytet Szczeciński Analiza porównawcza koniunktury gospodarczej w województwie zachodniopomorskim i w Polsce w ujęciu sektorowym Warunki działania przedsiębiorstw oraz uzyskiwane przez

Bardziej szczegółowo

Szczegółowy program kursu Statystyka z programem Excel (30 godzin lekcyjnych zajęć)

Szczegółowy program kursu Statystyka z programem Excel (30 godzin lekcyjnych zajęć) Szczegółowy program kursu Statystyka z programem Excel (30 godzin lekcyjnych zajęć) 1. Populacja generalna a losowa próba, parametr rozkładu cechy a jego ocena z losowej próby, miary opisu statystycznego

Bardziej szczegółowo

KORELACJE I REGRESJA LINIOWA

KORELACJE I REGRESJA LINIOWA KORELACJE I REGRESJA LINIOWA Korelacje i regresja liniowa Analiza korelacji: Badanie, czy pomiędzy dwoma zmiennymi istnieje zależność Obie analizy się wzajemnie przeplatają Analiza regresji: Opisanie modelem

Bardziej szczegółowo

STATYSTYKA EKONOMICZNA

STATYSTYKA EKONOMICZNA STATYSTYKA EKONOMICZNA Analiza statystyczna w ocenie działalności przedsiębiorstwa Opracowano na podstawie : E. Nowak, Metody statystyczne w analizie działalności przedsiębiorstwa, PWN, Warszawa 2001 Dr

Bardziej szczegółowo

Statystyka. Wykład 8. Magdalena Alama-Bućko. 10 kwietnia Magdalena Alama-Bućko Statystyka 10 kwietnia / 31

Statystyka. Wykład 8. Magdalena Alama-Bućko. 10 kwietnia Magdalena Alama-Bućko Statystyka 10 kwietnia / 31 Statystyka Wykład 8 Magdalena Alama-Bućko 10 kwietnia 2017 Magdalena Alama-Bućko Statystyka 10 kwietnia 2017 1 / 31 Tematyka zajęć: Wprowadzenie do statystyki. Analiza struktury zbiorowości miary położenia

Bardziej szczegółowo

BADANIA ZRÓŻNICOWANIA RYZYKA WYPADKÓW PRZY PRACY NA PRZYKŁADZIE ANALIZY STATYSTYKI WYPADKÓW DLA BRANŻY GÓRNICTWA I POLSKI

BADANIA ZRÓŻNICOWANIA RYZYKA WYPADKÓW PRZY PRACY NA PRZYKŁADZIE ANALIZY STATYSTYKI WYPADKÓW DLA BRANŻY GÓRNICTWA I POLSKI 14 BADANIA ZRÓŻNICOWANIA RYZYKA WYPADKÓW PRZY PRACY NA PRZYKŁADZIE ANALIZY STATYSTYKI WYPADKÓW DLA BRANŻY GÓRNICTWA I POLSKI 14.1 WSTĘP Ogólne wymagania prawne dotyczące przy pracy określają m.in. przepisy

Bardziej szczegółowo

Analiza regresji - weryfikacja założeń

Analiza regresji - weryfikacja założeń Medycyna Praktyczna - portal dla lekarzy Analiza regresji - weryfikacja założeń mgr Andrzej Stanisz z Zakładu Biostatystyki i Informatyki Medycznej Collegium Medicum UJ w Krakowie (Kierownik Zakładu: prof.

Bardziej szczegółowo

Stanisław Cihcocki. Natalia Nehrebecka

Stanisław Cihcocki. Natalia Nehrebecka Stanisław Cihcocki Natalia Nehrebecka 1 1. Kryteria informacyjne 2. Testowanie autokorelacji w modelu 3. Modele dynamiczne: modele o rozłożonych opóźnieniach (DL) modele autoregresyjne o rozłożonych opóźnieniach

Bardziej szczegółowo

Stanisław Cichocki. Natalia Nehrebecka

Stanisław Cichocki. Natalia Nehrebecka Stanisław Cichocki Natalia Nehrebecka - adres mailowy: scichocki@o2.pl - strona internetowa: www.wne.uw.edu.pl/scichocki - dyżur: po zajęciach lub po umówieniu mailowo - 80% oceny: egzaminy - 20% oceny:

Bardziej szczegółowo

Walidacja metod analitycznych Raport z walidacji

Walidacja metod analitycznych Raport z walidacji Walidacja metod analitycznych Raport z walidacji Małgorzata Jakubowska Katedra Chemii Analitycznej WIMiC AGH Walidacja metod analitycznych (według ISO) to proces ustalania parametrów charakteryzujących

Bardziej szczegółowo

REGRESJA I KORELACJA MODEL REGRESJI LINIOWEJ

REGRESJA I KORELACJA MODEL REGRESJI LINIOWEJ REGRESJA I KORELACJA MODEL REGRESJI LINIOWEJ Korelacja oznacza fakt współzależności zmiennych, czyli istnienie powiązania pomiędzy nimi. Siłę i kierunek powiązania określa się za pomocą współczynnika korelacji

Bardziej szczegółowo

METODY STATYSTYCZNE W BIOLOGII

METODY STATYSTYCZNE W BIOLOGII METODY STATYSTYCZNE W BIOLOGII 1. Wykład wstępny 2. Populacje i próby danych 3. Testowanie hipotez i estymacja parametrów 4. Planowanie eksperymentów biologicznych 5. Najczęściej wykorzystywane testy statystyczne

Bardziej szczegółowo

Prognozowanie i Symulacje. Wykład I. Matematyczne metody prognozowania

Prognozowanie i Symulacje. Wykład I. Matematyczne metody prognozowania Prognozowanie i Symulacje. Wykład I. e-mail:e.kozlovski@pollub.pl Spis treści Szeregi czasowe 1 Szeregi czasowe 2 3 Szeregi czasowe Definicja 1 Szereg czasowy jest to proces stochastyczny z czasem dyskretnym

Bardziej szczegółowo

Testowanie hipotez statystycznych związanych ą z szacowaniem i oceną ą modelu ekonometrycznego

Testowanie hipotez statystycznych związanych ą z szacowaniem i oceną ą modelu ekonometrycznego Testowanie hipotez statystycznych związanych ą z szacowaniem i oceną ą modelu ekonometrycznego Ze względu na jakość uzyskiwanych ocen parametrów strukturalnych modelu oraz weryfikację modelu, metoda najmniejszych

Bardziej szczegółowo

Współczynnik korelacji. Współczynnik korelacji jest miernikiem zależności między dwiema cechami Oznaczenie: ϱ

Współczynnik korelacji. Współczynnik korelacji jest miernikiem zależności między dwiema cechami Oznaczenie: ϱ Współczynnik korelacji Współczynnik korelacji jest miernikiem zależności między dwiema cechami Oznaczenie: ϱ Własności współczynnika korelacji 1. Współczynnik korelacji jest liczbą niemianowaną 2. ϱ 1,

Bardziej szczegółowo

STATYSTYKA MATEMATYCZNA

STATYSTYKA MATEMATYCZNA STATYSTYKA MATEMATYCZNA 1. Wykład wstępny. Teoria prawdopodobieństwa i elementy kombinatoryki 2. Zmienne losowe i ich rozkłady 3. Populacje i próby danych, estymacja parametrów 4. Testowanie hipotez 5.

Bardziej szczegółowo

Teoretyczne podstawy analizy indeksowej klasyfikacja indeksów, konstrukcja, zastosowanie

Teoretyczne podstawy analizy indeksowej klasyfikacja indeksów, konstrukcja, zastosowanie Teoretyczne podstawy analizy indeksowej klasyfikacja indeksów, konstrukcja, zastosowanie Szkolenie dla pracowników Urzędu Statystycznego nt. Wybrane metody statystyczne w analizach makroekonomicznych dr

Bardziej szczegółowo

STRESZCZENIE. rozprawy doktorskiej pt. Zmienne jakościowe w procesie wyceny wartości rynkowej nieruchomości. Ujęcie statystyczne.

STRESZCZENIE. rozprawy doktorskiej pt. Zmienne jakościowe w procesie wyceny wartości rynkowej nieruchomości. Ujęcie statystyczne. STRESZCZENIE rozprawy doktorskiej pt. Zmienne jakościowe w procesie wyceny wartości rynkowej nieruchomości. Ujęcie statystyczne. Zasadniczym czynnikiem stanowiącym motywację dla podjętych w pracy rozważań

Bardziej szczegółowo

Ekonometria. Zajęcia

Ekonometria. Zajęcia Ekonometria Zajęcia 16.05.2018 Wstęp hipoteza itp. Model gęstości zaludnienia ( model gradientu gęstości ) zakłada, że gęstość zaludnienia zależy od odległości od okręgu centralnego: y t = Ae βx t (1)

Bardziej szczegółowo

Szczegółowy program kursu Statystyka z programem Excel (30 godzin lekcyjnych zajęć)

Szczegółowy program kursu Statystyka z programem Excel (30 godzin lekcyjnych zajęć) Szczegółowy program kursu Statystyka z programem Excel (30 godzin lekcyjnych zajęć) 1. Populacja generalna a losowa próba, parametr rozkładu cechy a jego ocena z losowej próby, miary opisu statystycznego

Bardziej szczegółowo

3. Modele tendencji czasowej w prognozowaniu

3. Modele tendencji czasowej w prognozowaniu II Modele tendencji czasowej w prognozowaniu 1 Składniki szeregu czasowego W teorii szeregów czasowych wyróżnia się zwykle następujące składowe szeregu czasowego: a) składowa systematyczna; b) składowa

Bardziej szczegółowo

Gospodarka rybacka w jeziorach lobeliowych

Gospodarka rybacka w jeziorach lobeliowych Projekt jest finansowany ze środków Mechanizmu Finansowego Europejskiego Obszaru Gospodarczego 2009 2014 w ramach Funduszu Małych Grantów dla Programu Operacyjnego PL02 Ochrona Różnorodności Biologicznej

Bardziej szczegółowo

WIELKA SGH-OWA POWTÓRKA ZE STATYSTYKI REGRESJA LINIOWA

WIELKA SGH-OWA POWTÓRKA ZE STATYSTYKI REGRESJA LINIOWA WIELKA SGH-OWA POWTÓRKA ZE STATYSTYKI REGRESJA LINIOWA Powtórka Powtórki Kowiariancja cov xy lub c xy - kierunek zależności Współczynnik korelacji liniowej Pearsona r siła liniowej zależności Istotność

Bardziej szczegółowo

Rybactwo w jeziorach lobeliowych

Rybactwo w jeziorach lobeliowych Projekt jest finansowany ze środków Mechanizmu Finansowego Europejskiego Obszaru Gospodarczego 2009 2014 w ramach Funduszu Małych Grantów dla Programu Operacyjnego PL02 Ochrona Różnorodności Biologicznej

Bardziej szczegółowo

166 Wstęp do statystyki matematycznej

166 Wstęp do statystyki matematycznej 166 Wstęp do statystyki matematycznej Etap trzeci realizacji procesu analizy danych statystycznych w zasadzie powinien rozwiązać nasz zasadniczy problem związany z identyfikacją cechy populacji generalnej

Bardziej szczegółowo

BIOCHEMICZNE ZAPOTRZEBOWANIE TLENU

BIOCHEMICZNE ZAPOTRZEBOWANIE TLENU BIOCHEMICZNE ZAPOTRZEBOWANIE TLENU W procesach samooczyszczania wód zanieczyszczonych związkami organicznymi zachodzą procesy utleniania materii organicznej przy współudziale mikroorganizmów tlenowych.

Bardziej szczegółowo

parametrów strukturalnych modelu = Y zmienna objaśniana, X 1,X 2,,X k zmienne objaśniające, k zmiennych objaśniających,

parametrów strukturalnych modelu = Y zmienna objaśniana, X 1,X 2,,X k zmienne objaśniające, k zmiennych objaśniających, 诲 瞴瞶 瞶 ƭ0 ƭ 瞰 parametrów strukturalnych modelu Y zmienna objaśniana, = + + + + + X 1,X 2,,X k zmienne objaśniające, k zmiennych objaśniających, α 0, α 1, α 2,,α k parametry strukturalne modelu, k+1 parametrów

Bardziej szczegółowo

EKONOMETRIA. Prof. dr hab. Eugeniusz Gatnar.

EKONOMETRIA. Prof. dr hab. Eugeniusz Gatnar. EKONOMETRIA Prof. dr hab. Eugeniusz Gatnar egatnar@mail.wz.uw.edu.pl Sprawy organizacyjne Wykłady - prezentacja zagadnień dotyczących: budowy i weryfikacji modelu ekonometrycznego, doboru zmiennych, estymacji

Bardziej szczegółowo

2. Założenie niezależności zakłóceń modelu - autokorelacja składnika losowego - test Durbina - Watsona

2. Założenie niezależności zakłóceń modelu - autokorelacja składnika losowego - test Durbina - Watsona Sprawdzanie założeń przyjętych o modelu (etap IIIC przyjętego schematu modelowania regresyjnego) 1. Szum 2. Założenie niezależności zakłóceń modelu - autokorelacja składnika losowego - test Durbina - Watsona

Bardziej szczegółowo

Analiza Współzależności

Analiza Współzależności Statystyka Opisowa z Demografią oraz Biostatystyka Analiza Współzależności Aleksander Denisiuk denisjuk@euh-e.edu.pl Elblaska Uczelnia Humanistyczno-Ekonomiczna ul. Lotnicza 2 82-300 Elblag oraz Biostatystyka

Bardziej szczegółowo

WYKŁAD 8 ANALIZA REGRESJI

WYKŁAD 8 ANALIZA REGRESJI WYKŁAD 8 ANALIZA REGRESJI Regresja 1. Metoda najmniejszych kwadratów-regresja prostoliniowa 2. Regresja krzywoliniowa 3. Estymacja liniowej funkcji regresji 4. Testy istotności współczynnika regresji liniowej

Bardziej szczegółowo

Załóżmy, że obserwujemy nie jedną lecz dwie cechy, które oznaczymy symbolami X i Y. Wyniki obserwacji obu cech w i-tym obiekcie oznaczymy parą liczb

Załóżmy, że obserwujemy nie jedną lecz dwie cechy, które oznaczymy symbolami X i Y. Wyniki obserwacji obu cech w i-tym obiekcie oznaczymy parą liczb Współzależność Załóżmy, że obserwujemy nie jedną lecz dwie cechy, które oznaczymy symbolami X i Y. Wyniki obserwacji obu cech w i-tym obiekcie oznaczymy parą liczb (x i, y i ). Geometrycznie taką parę

Bardziej szczegółowo

Odchudzamy serię danych, czyli jak wykryć i usunąć wyniki obarczone błędami grubymi

Odchudzamy serię danych, czyli jak wykryć i usunąć wyniki obarczone błędami grubymi Odchudzamy serię danych, czyli jak wykryć i usunąć wyniki obarczone błędami grubymi Piotr Konieczka Katedra Chemii Analitycznej Wydział Chemiczny Politechnika Gdańska D syst D śr m 1 3 5 2 4 6 śr j D 1

Bardziej szczegółowo

Analiza współzależności zjawisk. dr Marta Kuc-Czarnecka

Analiza współzależności zjawisk. dr Marta Kuc-Czarnecka Analiza współzależności zjawisk dr Marta Kuc-Czarnecka Wprowadzenie Prawidłowości statystyczne mają swoje przyczyny, w związku z tym dla poznania całokształtu badanego zjawiska potrzebna jest analiza z

Bardziej szczegółowo

Wielowymiarowa analiza regresji. Regresja wieloraka, wielokrotna

Wielowymiarowa analiza regresji. Regresja wieloraka, wielokrotna Wielowymiarowa analiza regresji. Regresja wieloraka, wielokrotna Badanie współzależności zmiennych Uwzględniając ilość zmiennych otrzymamy 4 odmiany zależności: Zmienna zależna jednowymiarowa oraz jedna

Bardziej szczegółowo

istocie dziedzina zajmująca się poszukiwaniem zależności na podstawie prowadzenia doświadczeń jest o wiele starsza: tak na przykład matematycy

istocie dziedzina zajmująca się poszukiwaniem zależności na podstawie prowadzenia doświadczeń jest o wiele starsza: tak na przykład matematycy MODEL REGRESJI LINIOWEJ. METODA NAJMNIEJSZYCH KWADRATÓW Analiza regresji zajmuje się badaniem zależności pomiędzy interesującymi nas wielkościami (zmiennymi), mające na celu konstrukcję modelu, który dobrze

Bardziej szczegółowo

X Y 4,0 3,3 8,0 6,8 12,0 11,0 16,0 15,2 20,0 18,9

X Y 4,0 3,3 8,0 6,8 12,0 11,0 16,0 15,2 20,0 18,9 Zadanie W celu sprawdzenia, czy pipeta jest obarczona błędem systematycznym stałym lub zmiennym wykonano szereg pomiarów przy różnych ustawieniach pipety. Wyznacz równanie regresji liniowej, które pozwoli

Bardziej szczegółowo

3. Analiza własności szeregu czasowego i wybór typu modelu

3. Analiza własności szeregu czasowego i wybór typu modelu 3. Analiza własności szeregu czasowego i wybór typu modelu 1. Metody analizy własności szeregu czasowego obserwacji 1.1. Analiza wykresu szeregu czasowego 1.2. Analiza statystyk opisowych zmiennej prognozowanej

Bardziej szczegółowo

ROZPORZĄDZENIE MINISTRA ŚRODOWISKA. z dnia 4 października 2002 r.

ROZPORZĄDZENIE MINISTRA ŚRODOWISKA. z dnia 4 października 2002 r. ROZPORZĄDZENIE MINISTRA ŚRODOWISKA z dnia 4 października 2002 r. w sprawie wymagań, jakim powinny odpowiadać wody śródlądowe będące środowiskiem życia ryb w warunkach naturalnych. (Dz. U. z dnia 23 października

Bardziej szczegółowo

FORECASTING THE DISTRIBUTION OF AMOUNT OF UNEMPLOYED BY THE REGIONS

FORECASTING THE DISTRIBUTION OF AMOUNT OF UNEMPLOYED BY THE REGIONS FOLIA UNIVERSITATIS AGRICULTURAE STETINENSIS Folia Univ. Agric. Stetin. 007, Oeconomica 54 (47), 73 80 Mateusz GOC PROGNOZOWANIE ROZKŁADÓW LICZBY BEZROBOTNYCH WEDŁUG MIAST I POWIATÓW FORECASTING THE DISTRIBUTION

Bardziej szczegółowo

Projekt zaliczeniowy z Ekonometrii i prognozowania Wyższa Szkoła Bankowa w Toruniu 2017/2018

Projekt zaliczeniowy z Ekonometrii i prognozowania Wyższa Szkoła Bankowa w Toruniu 2017/2018 Projekt zaliczeniowy z Ekonometrii i prognozowania Wyższa Szkoła Bankowa w Toruniu 2017/2018 Nr indeksu... Imię i Nazwisko... Nr grupy ćwiczeniowej... Imię i Nazwisko prowadzącego... 1. Specyfikacja modelu

Bardziej szczegółowo

Analiza wymiarowa i równania różnicowe

Analiza wymiarowa i równania różnicowe Część 1: i równania różnicowe Instytut Sterowania i Systemów Informatycznych Universytet Zielonogórski Wykład 5 Plan Część 1: 1 Część 1: 2 Część 1: Układ SI (Système International d Unités) Siedem jednostek

Bardziej szczegółowo

Analiza współzależności dwóch cech I

Analiza współzależności dwóch cech I Analiza współzależności dwóch cech I Współzależność dwóch cech W tym rozdziale pokażemy metody stosowane dla potrzeb wykrywania zależności lub współzależności między dwiema cechami. W celu wykrycia tych

Bardziej szczegółowo

Stanisław Cichocki. Natalia Nehrebecka Katarzyna Rosiak-Lada

Stanisław Cichocki. Natalia Nehrebecka Katarzyna Rosiak-Lada Stanisław Cichocki Natalia Nehrebecka Katarzyna Rosiak-Lada 1. Sprawy organizacyjne Zasady zaliczenia 2. Czym zajmuje się ekonometria? 3. Formy danych statystycznych 4. Model ekonometryczny 2 1. Sprawy

Bardziej szczegółowo

Statystyka. Wykład 9. Magdalena Alama-Bućko. 24 kwietnia Magdalena Alama-Bućko Statystyka 24 kwietnia / 34

Statystyka. Wykład 9. Magdalena Alama-Bućko. 24 kwietnia Magdalena Alama-Bućko Statystyka 24 kwietnia / 34 Statystyka Wykład 9 Magdalena Alama-Bućko 24 kwietnia 2017 Magdalena Alama-Bućko Statystyka 24 kwietnia 2017 1 / 34 Tematyka zajęć: Wprowadzenie do statystyki. Analiza struktury zbiorowości miary położenia

Bardziej szczegółowo

Analiza Danych Sprawozdanie regresja Marek Lewandowski Inf 59817

Analiza Danych Sprawozdanie regresja Marek Lewandowski Inf 59817 Analiza Danych Sprawozdanie regresja Marek Lewandowski Inf 59817 Zadanie 1: wiek 7 8 9 1 11 11,5 12 13 14 14 15 16 17 18 18,5 19 wzrost 12 122 125 131 135 14 142 145 15 1 154 159 162 164 168 17 Wykres

Bardziej szczegółowo

EKONOMETRIA STOSOWANA PRZYKŁADOWE ZADANIA EGZAMINACYJNE

EKONOMETRIA STOSOWANA PRZYKŁADOWE ZADANIA EGZAMINACYJNE EKONOMETRIA STOSOWANA PRZYKŁADOWE ZADANIA EGZAMINACYJNE ZADANIE 1 Oszacowano zależność między luką popytowa a stopą inflacji dla gospodarki niemieckiej. Wyniki estymacji są następujące: Estymacja KMNK,

Bardziej szczegółowo

KWANTYFIKACJA EFEKTÓW CZYNNEJ OCHRONY BIORÓŻNORODNOŚCI SIEDLISK TRAWIASTYCH WSCHODNIEJ LUBELSZCZYZNY NA PODSTAWIE AKTYWNOŚCI ENZYMÓW GLEBOWYCH

KWANTYFIKACJA EFEKTÓW CZYNNEJ OCHRONY BIORÓŻNORODNOŚCI SIEDLISK TRAWIASTYCH WSCHODNIEJ LUBELSZCZYZNY NA PODSTAWIE AKTYWNOŚCI ENZYMÓW GLEBOWYCH KWANTYFIKACJA EFEKTÓW CZYNNEJ OCHRONY BIORÓŻNORODNOŚCI SIEDLISK TRAWIASTYCH WSCHODNIEJ LUBELSZCZYZNY NA PODSTAWIE AKTYWNOŚCI ENZYMÓW GLEBOWYCH ELŻBIETA JOLANTA BIELIŃSKA ZAKŁAD BIOLOGII GLEBY INSTYTUT

Bardziej szczegółowo

Ichtiofauna jezior lobeliowych stan poznania i zagrożenia

Ichtiofauna jezior lobeliowych stan poznania i zagrożenia Projekt jest finansowany ze środków Mechanizmu Finansowego Europejskiego Obszaru Gospodarczego 2009 2014 w ramach Funduszu Małych Grantów dla Programu Operacyjnego PL02 Ochrona Różnorodności Biologicznej

Bardziej szczegółowo

Wprowadzenie do analizy korelacji i regresji

Wprowadzenie do analizy korelacji i regresji Statystyka dla jakości produktów i usług Six sigma i inne strategie Wprowadzenie do analizy korelacji i regresji StatSoft Polska Wybrane zagadnienia analizy korelacji Przy analizie zjawisk i procesów stanowiących

Bardziej szczegółowo

Narzędzia statystyczne i ekonometryczne. Wykład 1. dr Paweł Baranowski

Narzędzia statystyczne i ekonometryczne. Wykład 1. dr Paweł Baranowski Narzędzia statystyczne i ekonometryczne Wykład 1 dr Paweł Baranowski Informacje organizacyjne Wydział Ek-Soc, pok. B-109 pawel@baranowski.edu.pl Strona: baranowski.edu.pl (w tym materiały) Konsultacje:

Bardziej szczegółowo

X WYKŁAD STATYSTYKA. 14/05/2014 B8 sala 0.10B Godz. 15:15

X WYKŁAD STATYSTYKA. 14/05/2014 B8 sala 0.10B Godz. 15:15 X WYKŁAD STATYSTYKA 14/05/2014 B8 sala 0.10B Godz. 15:15 WYKŁAD 10 ANALIZA KORELACJI Korelacja 1. Współczynnik korelacji 2. Kowariancja 3. Współczynnik korelacji liniowej definicja 4. Estymacja współczynnika

Bardziej szczegółowo

Właściwości testu Jarque-Bera gdy w danych występuje obserwacja nietypowa.

Właściwości testu Jarque-Bera gdy w danych występuje obserwacja nietypowa. Właściwości testu Jarque-Bera gdy w danych występuje obserwacja nietypowa. Paweł Strawiński Uniwersytet Warszawski Wydział Nauk Ekonomicznych 16 stycznia 2006 Streszczenie W artykule analizowane są właściwości

Bardziej szczegółowo

Projekt zaliczeniowy z Ekonometrii i prognozowania Wyższa Szkoła Bankowa w Toruniu 2014/2015

Projekt zaliczeniowy z Ekonometrii i prognozowania Wyższa Szkoła Bankowa w Toruniu 2014/2015 Projekt zaliczeniowy z Ekonometrii i prognozowania Wyższa Szkoła Bankowa w Toruniu 2014/2015 Nr indeksu... Imię i Nazwisko... Nr grupy ćwiczeniowej... Imię i Nazwisko prowadzącego... 1. Specyfikacja modelu

Bardziej szczegółowo

Tomasz Stryjewski Uniwersytet Mikołaja Kopernika w Toruniu

Tomasz Stryjewski Uniwersytet Mikołaja Kopernika w Toruniu DYNAMICZNE MODELE EKONOMETYCZNE IX Ogólnopolskie Seminarium Naukowe 6 8 września 5 w Toruniu Katedra Ekonometrii i Statystyki Uniwersytet Mikołaja Kopernika w Toruniu Uniwersytet Mikołaja Kopernika w Toruniu

Bardziej szczegółowo

Korelacja oznacza współwystępowanie, nie oznacza związku przyczynowo-skutkowego

Korelacja oznacza współwystępowanie, nie oznacza związku przyczynowo-skutkowego Korelacja oznacza współwystępowanie, nie oznacza związku przyczynowo-skutkowego Współczynnik korelacji opisuje siłę i kierunek związku. Jest miarą symetryczną. Im wyższa korelacja tym lepiej potrafimy

Bardziej szczegółowo

Wnioskowanie statystyczne. Statystyka w 5

Wnioskowanie statystyczne. Statystyka w 5 Wnioskowanie statystyczne tatystyka w 5 Rozkłady statystyk z próby Próba losowa pobrana z populacji stanowi realizacje zmiennej losowej jak ciąg zmiennych losowych (X, X,... X ) niezależnych i mających

Bardziej szczegółowo

MODELE LINIOWE. Dr Wioleta Drobik

MODELE LINIOWE. Dr Wioleta Drobik MODELE LINIOWE Dr Wioleta Drobik MODELE LINIOWE Jedna z najstarszych i najpopularniejszych metod modelowania Zależność między zbiorem zmiennych objaśniających, a zmienną ilościową nazywaną zmienną objaśnianą

Bardziej szczegółowo

Instrukcja do ćwiczeń laboratoryjnych

Instrukcja do ćwiczeń laboratoryjnych UNIWERSYTET GDAŃSKI WYDZIAŁ CHEMII Pracownia studencka Katedra Analizy Środowiska Instrukcja do ćwiczeń laboratoryjnych Ćwiczenie nr 4 i 5 OCENA EKOTOKSYCZNOŚCI TEORIA Chemia zanieczyszczeń środowiska

Bardziej szczegółowo

Mieczysław Kowerski. Program Polska-Białoruś-Ukraina narzędziem konwergencji gospodarczej województwa lubelskiego

Mieczysław Kowerski. Program Polska-Białoruś-Ukraina narzędziem konwergencji gospodarczej województwa lubelskiego Mieczysław Kowerski Wyższa Szkoła Zarządzania i Administracji w Zamościu Program Polska-Białoruś-Ukraina narzędziem konwergencji gospodarczej województwa lubelskiego The Cross-border Cooperation Programme

Bardziej szczegółowo

5. Model sezonowości i autoregresji zmiennej prognozowanej

5. Model sezonowości i autoregresji zmiennej prognozowanej 5. Model sezonowości i autoregresji zmiennej prognozowanej 1. Model Sezonowości kwartalnej i autoregresji zmiennej prognozowanej (rząd istotnej autokorelacji K = 1) Szacowana postać: y = c Q + ρ y, t =

Bardziej szczegółowo

17. 17. Modele materiałów

17. 17. Modele materiałów 7. MODELE MATERIAŁÓW 7. 7. Modele materiałów 7.. Wprowadzenie Podstawowym modelem w mechanice jest model ośrodka ciągłego. Przyjmuje się, że materia wypełnia przestrzeń w sposób ciągły. Możliwe jest wyznaczenie

Bardziej szczegółowo

ZJAZD 4. gdzie E(x) jest wartością oczekiwaną x

ZJAZD 4. gdzie E(x) jest wartością oczekiwaną x ZJAZD 4 KORELACJA, BADANIE NIEZALEŻNOŚCI, ANALIZA REGRESJI Analiza korelacji i regresji jest działem statystyki zajmującym się badaniem zależności i związków pomiędzy rozkładami dwu lub więcej badanych

Bardziej szczegółowo

Wykład 1 Klasyfikacja kosztów

Wykład 1 Klasyfikacja kosztów Wykład 1 Klasyfikacja kosztów dr Robert Piechota Pojęcie kosztów Wyrażone w pieniądzu celowe zużycie środków trwałych, materiałów, paliwa, energii, usług, czasu pracy pracowników oraz niektóre wydatki

Bardziej szczegółowo

Statystyka matematyczna dla leśników

Statystyka matematyczna dla leśników Statystyka matematyczna dla leśników Wydział Leśny Kierunek leśnictwo Studia Stacjonarne I Stopnia Rok akademicki 03/04 Wykład 5 Testy statystyczne Ogólne zasady testowania hipotez statystycznych, rodzaje

Bardziej szczegółowo

Zad. 4 Należy określić rodzaj testu (jedno czy dwustronny) oraz wartości krytyczne z lub t dla określonych hipotez i ich poziomów istotności:

Zad. 4 Należy określić rodzaj testu (jedno czy dwustronny) oraz wartości krytyczne z lub t dla określonych hipotez i ich poziomów istotności: Zadania ze statystyki cz. 7. Zad.1 Z populacji wyłoniono próbę wielkości 64 jednostek. Średnia arytmetyczna wartość cechy wyniosła 110, zaś odchylenie standardowe 16. Należy wyznaczyć przedział ufności

Bardziej szczegółowo

Proces modelowania zjawiska handlu zagranicznego towarami

Proces modelowania zjawiska handlu zagranicznego towarami Załącznik nr 1 do raportu końcowego z wykonania pracy badawczej pt. Handel zagraniczny w województwach (NTS2) realizowanej przez Centrum Badań i Edukacji Statystycznej z siedzibą w Jachrance na podstawie

Bardziej szczegółowo

Ekonometria Ćwiczenia 19/01/05

Ekonometria Ćwiczenia 19/01/05 Oszacowano regresję stopy bezrobocia (unemp) na wzroście realnego PKB (pkb) i stopie inflacji (cpi) oraz na zmiennych zero-jedynkowych związanymi z kwartałami (season). Regresję przeprowadzono na danych

Bardziej szczegółowo

Analiza współzależności zjawisk

Analiza współzależności zjawisk Analiza współzależności zjawisk Informacje ogólne Jednostki tworzące zbiorowość statystyczną charakteryzowane są zazwyczaj za pomocą wielu cech zmiennych, które nierzadko pozostają ze sobą w pewnym związku.

Bardziej szczegółowo

Zmienne zależne i niezależne

Zmienne zależne i niezależne Analiza kanoniczna Motywacja (1) 2 Często w badaniach spotykamy problemy badawcze, w których szukamy zakresu i kierunku zależności pomiędzy zbiorami zmiennych: { X i Jak oceniać takie 1, X 2,..., X p }

Bardziej szczegółowo

Przykład 1 ceny mieszkań

Przykład 1 ceny mieszkań Przykład ceny mieszkań Przykład ceny mieszkań Model ekonometryczny zaleŝności ceny mieszkań od metraŝu - naleŝy do klasy modeli nieliniowych. - weryfikację empiryczną modelu przeprowadzono na przykładzie

Bardziej szczegółowo

Ocena jakości wód powierzchniowych rzeki transgranicznej Wisznia

Ocena jakości wód powierzchniowych rzeki transgranicznej Wisznia VI KONFERENCJA NAUKOWA WODA - ŚRODOWISKO - OBSZARY WIEJSKIE- 2013 Ocena jakości wód powierzchniowych rzeki transgranicznej Wisznia A. Kuźniar, A. Kowalczyk, M. Kostuch Instytut Technologiczno - Przyrodniczy,

Bardziej szczegółowo

ZALEŻNOŚĆ MIĘDZY WYSOKOŚCIĄ I MASĄ CIAŁA RODZICÓW I DZIECI W DWÓCH RÓŻNYCH ŚRODOWISKACH

ZALEŻNOŚĆ MIĘDZY WYSOKOŚCIĄ I MASĄ CIAŁA RODZICÓW I DZIECI W DWÓCH RÓŻNYCH ŚRODOWISKACH S ł u p s k i e P r a c e B i o l o g i c z n e 1 2005 Władimir Bożiłow 1, Małgorzata Roślak 2, Henryk Stolarczyk 2 1 Akademia Medyczna, Bydgoszcz 2 Uniwersytet Łódzki, Łódź ZALEŻNOŚĆ MIĘDZY WYSOKOŚCIĄ

Bardziej szczegółowo

ANALIZA WYNIKÓW NAUCZANIA W GIMNAZJUM NR 3 Z ZASTOSOWANIEM KALKULATORA EWD 100 ROK 2012

ANALIZA WYNIKÓW NAUCZANIA W GIMNAZJUM NR 3 Z ZASTOSOWANIEM KALKULATORA EWD 100 ROK 2012 ANALIZA WYNIKÓW NAUCZANIA W GIMNAZJUM NR 3 Z ZASTOSOWANIEM KALKULATORA EWD 100 ROK 2012 OPRACOWAŁY: ANNA ANWAJLER MARZENA KACZOR DOROTA LIS 1 WSTĘP W analizie wykorzystywany będzie model szacowania EWD.

Bardziej szczegółowo

Stanisław Cichocki Natalia Neherbecka

Stanisław Cichocki Natalia Neherbecka Stanisław Cichocki Natalia Neherbecka 13 marca 2010 1 1. Kryteria informacyjne 2. Modele dynamiczne: modele o rozłożonych opóźnieniach (DL) modele autoregresyjne o rozłożonych opóźnieniach (ADL) 3. Analiza

Bardziej szczegółowo

Spis treści 3 SPIS TREŚCI

Spis treści 3 SPIS TREŚCI Spis treści 3 SPIS TREŚCI PRZEDMOWA... 1. WNIOSKOWANIE STATYSTYCZNE JAKO DYSCYPLINA MATEMATYCZNA... Metody statystyczne w analizie i prognozowaniu zjawisk ekonomicznych... Badania statystyczne podstawowe

Bardziej szczegółowo

WSTĘP DO REGRESJI LOGISTYCZNEJ. Dr Wioleta Drobik-Czwarno

WSTĘP DO REGRESJI LOGISTYCZNEJ. Dr Wioleta Drobik-Czwarno WSTĘP DO REGRESJI LOGISTYCZNEJ Dr Wioleta Drobik-Czwarno REGRESJA LOGISTYCZNA Zmienna zależna jest zmienną dychotomiczną (dwustanową) przyjmuje dwie wartości, najczęściej 0 i 1 Zmienną zależną może być:

Bardziej szczegółowo

Statystyka i opracowanie danych Podstawy wnioskowania statystycznego. Prawo wielkich liczb. Centralne twierdzenie graniczne. Estymacja i estymatory

Statystyka i opracowanie danych Podstawy wnioskowania statystycznego. Prawo wielkich liczb. Centralne twierdzenie graniczne. Estymacja i estymatory Statystyka i opracowanie danych Podstawy wnioskowania statystycznego. Prawo wielkich liczb. Centralne twierdzenie graniczne. Estymacja i estymatory Dr Anna ADRIAN Paw B5, pok 407 adrian@tempus.metal.agh.edu.pl

Bardziej szczegółowo

Uogolnione modele liniowe

Uogolnione modele liniowe Uogolnione modele liniowe Jerzy Mycielski Uniwersytet Warszawski grudzien 2013 Jerzy Mycielski (Uniwersytet Warszawski) Uogolnione modele liniowe grudzien 2013 1 / 17 (generalized linear model - glm) Zakładamy,

Bardziej szczegółowo