METODY SZACOWANIA PARAMETRÓW MODELI DWULINIOWYCH

Wielkość: px
Rozpocząć pokaz od strony:

Download "METODY SZACOWANIA PARAMETRÓW MODELI DWULINIOWYCH"

Transkrypt

1 METODY ILOŚCIOWE W BADANIACH EKONOMICZNYCH Tom XII/,, sr METODY SZACOWANIA ARAMETRÓW MODELI DWULINIOWYCH Joanna Górka, Mchał Bernard erzak Kaedra Ekonomer Sask Unwerse Mkołaja Koernka w Torunu e-ma: joanna.gorka@umk., erzak@umk. Sreszczene: W arkue rzedsawon zosane mode dwunow, jego budowa, własnośc oraz meod esmacj. Zarezenowana zosane równeż możwość osu modeu dwunowego za omocą modeu rzesrzen sanu. rakczne zasosowane modeu dwunowego w ołączenu z modeem GARCH ozwaa na jednoczesn os dwóch własnośc szeregów fnansowch, warunkowej warośc oczekwanej oraz warunkowej warancj. Mode en wkorzsano w emrcznej anaze ndeksów gełdowch, gdze dokonano rób osu ogarmcznch só zwrou. Orzmane wnk ozwoł na orównane modeu ze srukurą dwunową AR( ) BL(, GARCH ( r, z modem AR( ) GARCH ( r,. Słowa kuczowe: mode dwunow, mode GARCH, warunkowa warość oczekwana, warunkowa warancja WROWADZENIE odczas anaz zaeżnośc wsęującch na rnkach fnansowch nejednokrone sneje orzeba osu zwązków nenowch. Nenowość wnka ze skomkowanch różnorodnch zachowań nwesorów. Wkorzswane do modeowana fnansowch szeregów czasowch roces sochasczne można odzeć na roces nenowe w warunkowej warośc oczekwanej oraz roces nenowe w warunkowej warancj. Rozarwane w rac roces dwunowe BL worzą modee nenowe w warunkowej warośc oczekwanej. Naomas roces z rodzn GARCH są rzkładem mode nenowch w warunkowej warancj.

2 4 Joanna Górka, Mchał Bernard erzak roces dwunow ARMA(, q) BL(, z czasem dskrenm,,...,t można zasać jako gdze j k q β j j j k β, β, są arameram rocesu, k k, (), naomas jes rocesem zwanm bałm szumem o warancj równej δ. roces dwunowe zosał wrowadzone w racach [Granger, Andersen 978, Subba Rao, Gabr 98], a w eraurze oskojęzcznej ojawł sę w racach [Bruzda 3, Doman, Doman 4]. rz waroścach aramerów q roces dwunow redukuje sę do rocesu całkowce dwunowego BL (,, okreśonego wzorem gdze równej k k k k jes aramerem rocesu, a δ., () jes rocesem bałego szumu o warancj METODY SZACOWANIA ARAMETRÓW MODELI DWULINIOWYCH Meod szacowana aramerów zosaną zawężone do rocesów dwunowch AR( ) BL(,. W raze orzeb sneje możwość ch rozszerzena da rocesu osanego wzorem (). erwszą z rzedsawonch meod jes meoda najwększej wargodnośc MNW. Jej dea oega na obczenu warośc gęsośc rawdoodobeńswa uzskana rób (,,... T ), rz założonch waroścach aramerów Θ. Naeż wbrać aką ocenę aramerów Θ, da kórej funkcja wargodnośc osąga warość maksmaną. Funkcja wargodnośc rocesu AR( ) BL(, zasana jes wzorem n L(,,..., ;,,...,,,,...,,..., δ ) T T (3),5 n(π ),5 n( δ ),5 k k / δ k Koejną meodą szacowana aramerów mode dwunowch jes meoda quas wargodnośc oara o fr Kamana. W ceu wkorzsana ej meod k Os meod najwększej wargodnośc meoda oarej o fr Kamana zawar jes w rac [Durbn, Kooman ]. Da reazacj ej meod wsarczająca jes znajomość warośc oczekwanch wekora sanu obserwacj.

3 Meod szacowana aramerów mode dwunowch 4 naeż najerw rzedsawć roces w rzesrzen sanu (ozn. SSM). Ogón mode SSM składa sę z równana sanu δ C A, (4) oraz równana obserwacj Y H, (5) gdze δ są rocesam bałoszumowm o warancj odowedno δ δ δ. Rozarwan mode ), ( ) ( BL AR okreśon jes jako k k k.... (6) roces ), ( ) ( BL AR w rzesrzen sanu można zasać w osac C B A, (7) Y H, (8) gdze [ ],,..., ' C, [ ],,..., H, A, (9), B. () W ceu wkorzsana fru Kamana, na kórm oara jes funkcja wargodnośc, mode rzesrzen sanu naeż rzekszałcć w odowedn sosób. Da SSM ma osać C B A, () Y H. () Nech ( ) B A x. (3)

4 4 Joanna Górka, Mchał Bernard erzak Wówczas równane () ma osać x C. odsawając do równana () (3) orzmujem x Ax B x AC BC, (4) Y Hx. (5) W ceu orzmana warośc oczekwanej szumu na ozome równm zero w równanu (4) dodano odjęo składnk B Cδ. Sąd x Ax B x AC BC( δ ) BCδ. (6) Warośc oczekwane wekora sanu obserwacj wznaczone na odsawe nformacj dosęnch w chw są nasęujące E ( x ) AE( x) BCδ, (7) E( Y ) H E( x ). (8) Da równana SSM są nasęujące A B B C, (9) Y H. () Nech x ( A B B ). () Wówczas równane (9) rzjmuje osać x C. odsawając do równań () () orzmujem x Ax B x B x AC BC BC, () Y Hx. (3) Nech z ( A B B ) x. (4) Wówczas równane () ma zas x z AC BC BC. osać ą odsawam nasęne do równań (3) (4), w wnku czego orzmwane są równana. z Az B z B z c C B Y ( B A C AB C) BC ABC BBC BC Hz HAC HBC HBC 3 B B C (6) W ceu orzmana, zarówno w równanu sanu, jak równanu obserwacj, warośc oczekwanej szumu na ozome równm zero, dodawano odjęo wrażene ( ) B A C ABC δ w równanu (5) oraz wrażene HB Cδ w równanu (6) orzmując (5)

5 Meod szacowana aramerów mode dwunowch 43 z Az B C B B C B z B z 3 B B C AB C B C ( B A C AB C) δ ( B A C AB C)( δ ) c C B Y Hz HAC HBC (7) HBC( δ ) HBCδ Warośc oczekwane wekora sanu obserwacj oszacowane na odsawe nformacj dosęnch w chw okreśone są wzoram (8) (9). ( z ) ( ) ( ) AE z BA C ABC δ ( Y ) H E( z ) HB Cδ (6) E, (8) E. (9) Da warośc > naeż w erwszm kroku osęować ak samo jak w rzadku, a nasęne wrowadzać koejne odsawena w ceu uzskana odowednej form równana sanu obserwacj. ZASTOSOWANIE MODELI DWULINIOWYCH DLA EKONOMICZNYCH SZEREGÓW CZASOWYCH Badanu zosał oddane ndeks gełdowe WIG, WIG, WIG-BANK, WIG-TELE, WIG-SOZ, WIG-BUDO oraz WIG-INFO. Wszske szereg czasowe bł anazowane w okrese głównm Dodakowo szereg zbadano w dwóch odokresach oraz Deczja o uworzenu dwóch odokresów sowodowana bła fakem wrowadzena w 7.. ssemu WARSET, co mogło meć znaczn włw na wcenę sółek osaeczne na własnośc ndeksów. Dokonano anaz sascznej ogarmcznch só zwrou w okrese głównm oraz odokresach. Swerdzono wsęowane zjawska skośnośc w wększośc rzadków. Naomas w rzadku wszskch ndeksów odnoowano znaczne odwższoną kurozę. rzerowadzono równeż es Boxa-Ljunga es Enga 3. Da wększośc ndeksów swerdzono sasczne soną auokoreację ogarmcznch só zwrou. Tes Enga wkazał sasczne soną auokoreację mędz kwadraam ogarmcznch só zwrou da wszskch anazowanch szeregów. Ważną kwesą rzed zasosowanem modeu do danch emrcznch jes rawdłowe rozoznane, cz badacz ma do cznena z nenowoścą w warunkowej warośc średnej, cz w warunkowej warancj. Okazuje sę jednak, że zarówno roces dwunowe BL (,, jak roces GARCH ( r, osadają Lczba branch od uwagę rzędów oóźnena wnosła oraz 4. 3 rzjęo rząd oóźnena oraz 4.

6 44 Joanna Górka, Mchał Bernard erzak odobną srukurę auokoreacjną kwadraów obserwacj, na odsawe kórej są one odróżnane od mode nowch. Oznacza o, że na odsawe esu ARCH badacz ne jes w sane wskazać jednoznaczne na roces BL (, cz roces GARCH ( r, 4. oneważ sneje możwość omłk w secfkacj modeu, daego eż w rzadku anaz fnansowch szeregów czasowch auorz roonują rzjęce modeu AR( ) BL(, GARCH ( r, osac k k k r z η h, γ η j η η, (3) h γ h, (3) gdze, k, γ, β j są arameram rocesu, a jes nezaeżną zmenną osową ze ζ skośnego rozkładu - Sudena n (, δ ). aramer n oznacza czbę son swobod rozkładu, a warość arameru ζ ma włw na skośność rozkładu. Logarm funkcj wargodnośc, rz szacowanch aramerach {, k, γ, β j, n, ξ}, jes osac 5 gdze n L( ; T,..., (,5 n π ( n ) n Γ(( n ) n( /( ξ (/ ξ ))) n s,5 n h ( n ) n( (( s T,,, γ, β, n, ξ ) k m) j K / ) ξ ) /( n )) h j n Γ( n / ) (3) k k k ( ) (33) (( n )/ ) Γ n m ξ (34) π Γ( n/ ) ξ s m ξ ξ (35) 4 orównaj Bruzda (3). 5 aramer n oznacza czbę son swobod w rzadku rozkładu normanego rzjmuje warość 3, aramer ξ odowada za skośność rozkładu rzjmuje warośc z rzedzału (,) da rozkładu ewosronne asmercznego oraz warośc z rzedzału (, ) da rozkładu rawosronne asmercznego.

7 Meod szacowana aramerów mode dwunowch 45 K da da m ( ) s m ( ) < s rzjęo dwe wjścowe secfkacje szacowanch mode. erwszą założoną secfkację sanow mode AR( ) BL(, GARCH ( r,, naomas w rzadku drugej secfkacj rzjęo mode AR( ) GARCH ( r,. Nasęne o oszacowanu obdwu mode za omocą krerum nformacjnego Schwarza zosane rozsrzgnęe zagadnene, cz dodane do modeu AR( ) GARCH ( r, srukur dwunowej oeszło jego doasowane do danch emrcznch. Ze wzgędu na ogranczene rozmaru eksu referau, rzedsawono ko rzkładowe modee da ogarmcznch só zwrou ndeksu WIG-TELE. Tabea Wnk esmacj aramerów mode da ndeksu WIG-TELE w okrese AR( ) BL(,) GARCH(,) AR( ) GARCH(,) aramer Ocen -Sudena Ocen -Sudena,6,99,64,99,98,86 γ,9 3,85,87 3,8 γ β,9 7,8,9 7,6,89 74,7,89 75 n 7,7 6,34 7,6 6,37 ζ,7 33, 3,65 K. Schwarza -4,793 K. Schwarza -4,734 Źródło: oracowane własne. (36)

8 46 Joanna Górka, Mchał Bernard erzak Tabea Wnk esmacj aramerów mode da ndeksu WIG-TELE w okrese AR( ) BL(,) GARCH(,) AR( ) GARCH(,) aramer Ocen -Sudena Ocen -Sudena, 3,9, 3,38,89,6 γ,54 3,9,46 3, γ β,8 4,43,3 4,34,79,9,8 3,6 n 7,7 3,69 6,99 3,76 ζ,94,59,96,97 K. Schwarza -4,3734 K. Schwarza -4,3737 Źródło: oracowane własne. Tabea 3 Wnk esmacj aramerów mode da ndeksu WIG-TELE w okrese BL(,) GARCH(,) GARCH(,) aramer Ocen -Sudena Ocen -Sudena -,56,64 γ,56,5,56,49 γ,7 4,5,7 4,53 β,9 56,7,9 56, n 6,49 6,3 6,54 6,3 ζ,4 3,4,5 3,68 K. Schwarza -5, K. Schwarza -5,7 Źródło: oracowane własne. ODSUMOWANIE W arkue rzedsawono mode dwunow, jego budowę, własnośc oraz meod esmacj. Mode en wkorzsano w emrcznej anaze ndeksów gełdowch, gdze dokonano rób osu ogarmcznch só zwrou. Orzmane wnk ozwoł na orównane modeu ze srukurą dwunową AR( ) BL(, GARCH ( r, z modem AR( ) GARCH ( r,. Uzskane warośc krerum nformacjnego Schwarza, da mode AR( ) BL(, GARCH ( r,, AR( ) GARCH ( r,, różną sę doero na rzecm mejscu o rzecnku (da wększośc mode), co w rzadku orawne oszacowanch mode

9 Meod szacowana aramerów mode dwunowch 47 unemożwa ocenę faku, cz dodane do modeu AR( ) GARCH ( r, srukur dwunowej oeszło jego doasowane do danch emrcznch. Badane ozwoło równeż na wsunęce wnosku, ż w oszczegónch odokresach anaz może wsęować zjawsko auokoreacj da só zwrou, jak zankać, co naeż brać od uwagę w secfkacj mode. W rzadku wkorzsana w modeach skośnego rozkładu -sudena uzskwane bł sasczne sone warośc ocen aramerów ζ oraz n, co owerdza zasadne rzjęce ego rozkładu za rozkład warunkow. Esmacja mode w odokresach ozwoła na denfkację zmennośc warośc ocen aramerów ζ oraz n, co śwadcz o zmenającch sę w czase skośnośc rozkładów oraz kuroz. W rzadku nekórch ndeksów, wrowadzene ssemu WARSET mało włw na zank srukur nenowej w warośc oczekwanej, w m sense, że aramer odowedzan za srukurę dwunową okazał sę w odokrese sasczne neson. BIBLIOGRAFIA Bruzda J. (3) roces dwunowe roces GARCH w modeowanu fnansowch szeregów czasowch, rzegąd Sasczn. Doman M.,Doman R. (4) Ekonomerczne modeowane dnamk rnku fnansowego, Wdawncwo Akadem Ekonomcznej w oznanu. Durbn J., Kooman S.J. () Tme Seres Anass b Sae Sace Mehods, Oxford Unvers ress, New York. Granger C. W. J., Andersen A.. (978) An Inroduon o Bnear Tme Seres Modes, Gongen: Vandenhoeck and Rurech. Subba Rao T., Gabr M.M. (98) An Inroducon o Bsecra Anass and Bnear Tme Seres Modes, Srnger-Verag, Bern. THE METHODS OF ESTIMATING THE ARAMETERS OF BILINEAR MODELS Absrac: In he aer we resen sochasc rocess whch s caed bnear rocess, he srucure of he rocess and s roeres. Then we resen he reresenaon of he sae sace for he bnear mode. Fna, we show he mehods of esmang he arameers of bnear modes and some emrca exames as we. Ke words: bnear mode, GARCH mode

Hipotezy o istotności oszacowao parametrów zmiennych objaśniających ˆ ) ˆ

Hipotezy 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 szczegółowo

PODSTAWOWE MIERNIKI DYNAMIKI ZJAWISK

PODSTAWOWE MIERNIKI DYNAMIKI ZJAWISK PODSTAWOWE MIERNIKI DYNAMIKI ZJAWISK Założena Nech oznacza ozom (warość) badanego zjawska (zmennej) w kolejnch momenach czasu T0, gdze T 0 0,1,..., n 1 oznacza worz szereg czasow. zbór numerów czasu. Cąg

Bardziej szczegółowo

Stanisław Cichocki Natalia Nehrebecka. Wykład 5

Stanisław Cichocki Natalia Nehrebecka. Wykład 5 Sanisław Cichocki Naalia Nehrebecka Wkład 5 . Proces AR 2. Proces MA 3. Modele ARMA 4. Prognozowanie za pomocą modelu ARMA 2 . Proces AR 2. Proces MA 3. Modele ARMA 4. Prognozowanie za pomocą modelu ARMA

Bardziej szczegółowo

Monika Kośko Wyższa Szkoła Informatyki i Ekonomii TWP w Olsztynie Michał Pietrzak Uniwersytet Mikołaja Kopernika w Toruniu

Monika Kośko Wyższa Szkoła Informatyki i Ekonomii TWP w Olsztynie Michał Pietrzak Uniwersytet Mikołaja Kopernika w Toruniu DYNAMICZNE MODELE EKONOMETRYCZNE IX Ogólnopolske Semnarum Naukowe, 4 6 wrześna 007 w Torunu Kaedra Ekonomer Saysyk, Unwersye Mkołaja Kopernka w Torunu Monka Kośko Wyższa Szkoła Informayk Ekonom TWP w Olszyne

Bardziej szczegółowo

METODY KOMPUTEROWE 10

METODY KOMPUTEROWE 10 MEODY KOMPUEROWE RÓWNANIA RÓŻNICZKOWE CZĄSKOWE Poechnka Poznańska Mchał Płokowak Adam Łodgowsk Mchał PŁOKOWIAK Adam ŁODYGOWSKI Konsace nakowe dr nż. Wod Kąko Poznań 00/00 MEODY KOMPUEROWE 0 RÓWNANIA RÓŻNICZKOWE

Bardziej szczegółowo

Stanisław Cichocki Natalia Nehrebecka. Wykład 2

Stanisław Cichocki Natalia Nehrebecka. Wykład 2 Sansław Cchock Naala Nehrebecka Wykład 2 1 1. Szereg czasowy 2. Sezonowość 3. Zmenne sacjonarne 4. Zmenne znegrowane 2 1. Szereg czasowy 2. Sezonowość 3. Zmenne sacjonarne 4. Zmenne znegrowane 3 Szereg

Bardziej szczegółowo

Finansowe szeregi czasowe wykład 7

Finansowe szeregi czasowe wykład 7 Fnansowe szereg czasowe wykład 7 dr Tomasz Wójowcz Wydzał Zarządzana AGH 38 33 28 23 18 13 8 1 11 21 31 41 51 61 71 Kraków 213 Noowana ndeksu WIG w okrese: 3 marca 29 31 syczna 211 55 5 45 4 35 3 25 2

Bardziej szczegółowo

Zajęcia 2. Estymacja i weryfikacja modelu ekonometrycznego

Zajęcia 2. Estymacja i weryfikacja modelu ekonometrycznego Zajęcia. Esmacja i werfikacja modelu ekonomercznego Celem zadania jes oszacowanie liniowego modelu opisującego wpłw z urski zagranicznej w danm kraju w zależności od wdaków na urskę zagraniczną i liczb

Bardziej szczegółowo

PARAMETRY ELEKTRYCZNE CYFROWYCH ELEMENTÓW PÓŁPRZEWODNIKOWYCH

PARAMETRY ELEKTRYCZNE CYFROWYCH ELEMENTÓW PÓŁPRZEWODNIKOWYCH ARAMETRY ELEKTRYZNE YFROWYH ELEMENTÓW ÓŁRZEWODNIKOWYH SZYBKOŚĆ DZIAŁANIA wyrażona maksymalną częsolwoścą racy max MO OBIERANA WSÓŁZYNNIK DOBROI D OBIĄŻALNOŚĆ ELEMENTÓW N MAKSYMALNA LIZBA WEJŚĆ M ODORNOŚĆ

Bardziej szczegółowo

Funkcje i charakterystyki zmiennych losowych

Funkcje i charakterystyki zmiennych losowych Funkcje charakterystyk zmennych losowych Dr Joanna Banaś Zakład Badań Systemowych Instytut Sztucznej Intelgencj Metod Matematycznych Wydzał Informatyk Poltechnk Szczecńskej 5. Funkcje zmennych losowych

Bardziej szczegółowo

Stanisław Cichocki Natalia Nehrebecka. Wykład 2

Stanisław Cichocki Natalia Nehrebecka. Wykład 2 Sansław Cchock Naala Nehrebecka Wykład 2 1 1. Szereg czasowy 2. Sezonowość 3. Zmenne sacjonarne 2 1. Szereg czasowy 2. Sezonowość 3. Zmenne sacjonarne 3 Szereg czasowy jes pojedynczą realzacją pewnego

Bardziej szczegółowo

EKONOMETRIA Wykład 2: Metoda Najmniejszych Kwadratów

EKONOMETRIA Wykład 2: Metoda Najmniejszych Kwadratów EKONOMERIA Wkład : Meoda Najmnejszch Kwadraów dr Doroa Cołek Kaedra Ekonomer Wdzał Zarządzana UG hp://wzr.pl/dc doroa.colek@ug.edu.pl Lnow model ekonomerczn:... zmenna endogenczna, 0 k k u zmenne objaśnające,

Bardziej szczegółowo

Cechy szeregów czasowych

Cechy szeregów czasowych energecznch Cech szeregów czasowch Rozdział Modelowanie szeregów czasowch 7 proces deerminisczn proces kórego warość może bć preczjnie określona w dowolnm czasie =T+τ = a +b T T+τ czas = sin(ω) T T+τ czas

Bardziej szczegółowo

t t t t T 2 Interpretacja: Przeciętna wartość zmiennej objaśnianej różni się od wartości teoretycznej średnio o

t t t t T 2 Interpretacja: Przeciętna wartość zmiennej objaśnianej różni się od wartości teoretycznej średnio o Cele werfacj odelu Werfacja sasczna odelu polega na oblczenu szeregu ernów jaośc odelu oraz werfacj pewnch hpoez sascznch w celu sprawdzena cz na podsawe ego odelu ożna wcągać wnos doczące badanego zjawsa

Bardziej szczegółowo

Wygładzanie metodą średnich ruchomych w procesach stałych

Wygładzanie metodą średnich ruchomych w procesach stałych Wgładzanie meodą średnich ruchomch w procesach sałch Cel ćwiczenia. Przgoowanie procedur Średniej Ruchomej (dla ruchomego okna danch); 2. apisanie procedur do obliczenia sandardowego błędu esmacji;. Wizualizacja

Bardziej szczegółowo

Przykład 7.2. Belka złożona. Obciążenie poprzeczne rozłożone, trapezowe.

Przykład 7.2. Belka złożona. Obciążenie poprzeczne rozłożone, trapezowe. rzkład 7.. Beka złożona. Obciążenie orzeczne rozłożone, traezowe. a oniższej beki zaisać funkcje sił rzekrojowch i sorządzić ich wkres. α Rozwiązanie Oznaczam unkt charakterstczne, składowe reakcji i rzjmujem

Bardziej szczegółowo

t t t t T 2 Interpretacja: Przeciętna wartość zmiennej objaśnianej różni się od wartości teoretycznej średnio o ˆ

t t t t T 2 Interpretacja: Przeciętna wartość zmiennej objaśnianej różni się od wartości teoretycznej średnio o ˆ Eonoera Ćwczena Werfacja odelu eonoercznego Maerał poocncze Cele werfacj odelu Werfacja sasczna odelu polega na oblczenu szeregu ernów jaośc odelu oraz werfacj pewnch hpoez sascznch w celu sprawdzena cz

Bardziej szczegółowo

Kurtoza w procesach generowanych przez model RCA GARCH

Kurtoza w procesach generowanych przez model RCA GARCH Joanna Górka * Kuroza w procesach generowanych przez model RCA GARCH Wsęp Na przesrzen osanej dekady odnoowuje sę szybk rozwój model nelnowych. Wdoczna jes zwłaszcza różnorodność nelnowych specyfkacj modelowych,

Bardziej szczegółowo

FINANSOWE SZEREGI CZASOWE WYKŁAD 3

FINANSOWE SZEREGI CZASOWE WYKŁAD 3 FINANSOWE SZEREGI CZASOWE WYKŁAD 3 dr Tomasz Wójowcz Wydzał Zarządzana AGH 3800 3300 800 300 800 300 800 0 0 30 40 50 60 70 Kraków 0 Tomasz Wójowcz, WZ AGH Kraków przypomnene MA(q): gdze ε są d(0,σ ).

Bardziej szczegółowo

Stanisław Cichocki Natalia Nehrebecka. Zajęcia 4

Stanisław 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 szczegółowo

Diagonalizacja macierzy kwadratowej

Diagonalizacja macierzy kwadratowej Dagonalzacja macerzy kwadratowej Dana jest macerz A nân. Jej wartośc własne wektory własne spełnają równane Ax x dla,..., n Każde z równań własnych osobno można zapsać w postac: a a an x x a a an x x an

Bardziej szczegółowo

Stanisław Cichocki Natalia Nehrebecka. Wykład 3

Stanisław Cichocki Natalia Nehrebecka. Wykład 3 Sanisław Cichocki Naalia Nehrebecka Wykład 3 1 1. Regresja pozorna 2. Funkcje ACF i PACF 3. Badanie sacjonarności Tes Dickey-Fullera (DF) Rozszerzony es Dickey-Fullera (ADF) 2 1. Regresja pozorna 2. Funkcje

Bardziej szczegółowo

Tomasz Zdanowicz Uniwersytet Mikołaja Kopernika w Toruniu

Tomasz Zdanowicz Uniwersytet Mikołaja Kopernika w Toruniu DYNAMICZNE MODELE EKONOMETRYCZNE X Ogólnopolse emnarum Nauowe 4 6 wrześna 007 w Torunu Kaedra Eonomer as Unwerse Mołaja Koperna w Torunu Tomasz Zdanowcz Unwerse Mołaja Koperna w Torunu Porównane własnośc

Bardziej szczegółowo

UBEZPIECZENIE Z FUNDUSZEM KAPITAŁOWYM

UBEZPIECZENIE Z FUNDUSZEM KAPITAŁOWYM MEODY ILOŚCIOWE W BADANIACH EKONOMICZNYCH om XV/3, 214, sr. 86 98 PROPOZYCJA MODYFIKACJI KŁADKI NEO W UBEZPIECZENIACH NA ŻYCIE Z FUNDUZEM KAPIAŁOWYM UWZLĘDNIAJĄCA DODAKOWE RYZYKO FINANOWE Magdalena Homa

Bardziej szczegółowo

= σ σ. 5. CML Capital Market Line, Rynkowa Linia Kapitału

= σ σ. 5. CML Capital Market Line, Rynkowa Linia Kapitału 5 CML Catal Market Lne, ynkowa Lna Katału Zbór ortolo o nalny odchylenu standardowy zbór eektywny ozważy ortolo złożone ze wszystkch aktywów stnejących na rynku Załóży, że jest ch N A * P H P Q P 3 * B

Bardziej szczegółowo

Natalia Nehrebecka. Zajęcia 4

Natalia 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 szczegółowo

Prognozowanie i symulacje

Prognozowanie i symulacje Prognozowanie i smulacje Lepiej znać prawdę niedokładnie, niż dokładnie się mlić. J. M. Kenes dr Iwona Kowalska ikowalska@wz.uw.edu.pl Prognozowanie meod naiwne i średnie ruchome Meod naiwne poziom bez

Bardziej szczegółowo

ANALIZA SZEREGÓW CZASOWYCH

ANALIZA SZEREGÓW CZASOWYCH ANALIZA SZEREGÓW CZASWYCH Szereg czasow zbór warośc baanej cech lub warośc baanego zjawska zaobserwowanch w różnch momenach czasu uporząkowan chronologczne. Skłank szeregu czasowego:. enencja rozwojowa

Bardziej szczegółowo

Studia Ekonomiczne. Zeszyty Naukowe Uniwersytetu Ekonomicznego w Katowicach ISSN 2083-8611 Nr 219 2015

Studia Ekonomiczne. Zeszyty Naukowe Uniwersytetu Ekonomicznego w Katowicach ISSN 2083-8611 Nr 219 2015 Sudia Ekonomiczne. Zeszyy Naukowe Uniwersyeu Ekonomicznego w Kaowicach ISSN 2083-86 Nr 29 205 Alicja Ganczarek-Gamro Uniwersye Ekonomiczny w Kaowicach Wydział Informayki i Komunikacji Kaedra Demografii

Bardziej szczegółowo

Ekonometryczne modele nieliniowe

Ekonometryczne modele nieliniowe Ekonomeryczne modele nelnowe Wykład 5 Progowe modele regrej Leraura Hanen B. E. 997 Inference n TAR Model, Sude n Nonlnear Dynamc and Economerc,. Tek na rone nerneowej wykładu Dodakowa leraura Hanen B.

Bardziej szczegółowo

OCENA RYZYKA INWESTYCJI W METALE SZLACHETNE W OKRESIE ŚWIATOWEGO KRYZYSU FINANSOWEGO 2007-2012

OCENA RYZYKA INWESTYCJI W METALE SZLACHETNE W OKRESIE ŚWIATOWEGO KRYZYSU FINANSOWEGO 2007-2012 Elza Buszkowska Unwersye m. Adama Mckewcza w Poznanu, Wydzał Prawa Admnsracj, Kaedra Nauk Ekonomcznych Por Płucennk Unwersye m. Adama Mckewcza w Poznanu, Wydzał Maemayk Informayk, Pracowna Ekonomer Fnansowej

Bardziej szczegółowo

DYNAMICZNE MODELE EKONOMETRYCZNE

DYNAMICZNE MODELE EKONOMETRYCZNE DYNAMICZNE MODELE EKONOMETRYCZNE IX Ogólnopolskie Seminarium Naukowe, 6 8 września 005 w Toruniu Kaedra Ekonomerii i Saysyki, Uniwersye Mikołaja Kopernika w Toruniu Pior Fiszeder Uniwersye Mikołaja Kopernika

Bardziej szczegółowo

Niezawodność elementu nienaprawialnego. nienaprawialnego. 1. Model niezawodnościowy elementu. 1. Model niezawodnościowy elementu

Niezawodność elementu nienaprawialnego. nienaprawialnego. 1. Model niezawodnościowy elementu. 1. Model niezawodnościowy elementu Niezawodność elemenu nienarawialnego. Model niezawodnościowy elemenu nienarawialnego. Niekóre rozkłady zmiennych losowych sosowane w oisie niezawodności elemenów 3. Funkcyjne i liczbowe charakerysyki niezawodności

Bardziej szczegółowo

Ę ż Ł ś ą ł ść ó ą ż ę ł Ł ś ą ś Ż ż ż ń ż ł ś ń ż żę Ł ż ó ń ę ż ł ńó ó ł ń ą ż ę ż ą ą ż Ń ż ż ż óź ź ź ż Ę ż ś ż ł ó ń ż ć óź ż ę ż ż ńś ś ó ń ó ś

Ę ż Ł ś ą ł ść ó ą ż ę ł Ł ś ą ś Ż ż ż ń ż ł ś ń ż żę Ł ż ó ń ę ż ł ńó ó ł ń ą ż ę ż ą ą ż Ń ż ż ż óź ź ź ż Ę ż ś ż ł ó ń ż ć óź ż ę ż ż ńś ś ó ń ó ś Ę Ł ś ą ł ść ą ę ł Ł ś ą ś Ż ł ś ę Ł ę ł ł ą ę ą ą Ń ź ź ź Ę ś ł ć Ź ę ś ś ś Ę ł ś ć Ę ś ł ś ą ź ą ą ą ą ą ą ą ą ś ą ęń ś ł ą ś Ł ś ś ź Ą ł ć ą ą Ę ą ś ź Ł ź ć ś ę ę ź ą Ż ć ć Ą ć ć ł ł ś ł ś ę ą łą ć

Bardziej szczegółowo

Rachunek prawdopodobieństwa i statystyka W 11: Analizy zależnościpomiędzy zmiennymi losowymi Model regresji wielokrotnej

Rachunek prawdopodobieństwa i statystyka W 11: Analizy zależnościpomiędzy zmiennymi losowymi Model regresji wielokrotnej Rachunek prawdopodobeństwa statstka W 11: Analz zależnoścpomędz zmennm losowm Model regresj welokrotnej Dr Anna ADRIAN Paw B5, pok 407 adan@agh.edu.pl Model regresj lnowej Model regresj lnowej prostej

Bardziej szczegółowo

( ) ( ) 2. Zadanie 1. są niezależnymi zmiennymi losowymi o. oraz. rozkładach normalnych, przy czym EX. i σ są nieznane. 1 Niech X

( ) ( ) 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 szczegółowo

ŁĄ ę ł

ŁĄ ę ł ŁĄ ę ł ł ń ł ł ł ł ł ó ą Ń ł ń ł ł ł ż Ł ń ąó ż ąó ó ą ę ó ąę ą ł ą ę ń ł ś ół ż ł ł ł ą ń ś ół ń ł ł ę ł ó ł Ćć ć Ą ż ł ć ć ć ł ł ż ó ąę ó ó ą ś ó ół ż ą ń ł ó ą ę ą ó ę ś ś ó ą ę ą ą ęś ć ś ę ą ę ł ę

Bardziej szczegółowo

Weryfikacja hipotez dla wielu populacji

Weryfikacja 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 szczegółowo

A C T A U N I V E R S I T A T I S N I C O L A I C O P E R N I C I EKONOMIA XL NAUKI HUMANISTYCZNO-SPOŁECZNE ZESZTYT 390 TORUŃ 2009.

A C T A U N I V E R S I T A T I S N I C O L A I C O P E R N I C I EKONOMIA XL NAUKI HUMANISTYCZNO-SPOŁECZNE ZESZTYT 390 TORUŃ 2009. A C T A U N I V E R S I T A T I S N I C O L A I C O P E R N I C I EKONOMIA XL NAUKI HUMANISTYCZNO-SPOŁECZNE ZESZTYT 390 TORUŃ 009 Uniwerse Mikołaja Kopernika w Toruniu Kaedra Ekonomerii i Saski WŁASNOŚCI

Bardziej szczegółowo

ź -- ć ł ź ł -ł ł --

ź -- ć ł ź ł -ł ł -- ------ --------- --ł ----ć -------- --------------- ---ę- --- ----------- ------- ------ó- ------------ ----- --- -- ----- - ------------ --ó- --ś -- -- ------- --------- ------ ---- --------- -------ą

Bardziej szczegółowo

ANALIZA SZEREGÓW CZASOWYCH

ANALIZA SZEREGÓW CZASOWYCH ANALIZA ZEREGÓW CZAWYCH zereg czasow zbór warosc baanej cech lub warosc baanego zjawska zaobserwowanch w róznch momenach czasu uporzakowan chronologczne. klank szeregu czasowego:. enencja rozwojowa (ren)

Bardziej szczegółowo

Matematyka ubezpieczeń majątkowych r.

Matematyka ubezpieczeń majątkowych r. Maemayka ubezpeczeń mająkowych 7.05.00 r. Zadane. Pewne ryzyko generuje jedną szkodę z prawdopodobeńswem q, zaś zero szkód z prawdopodobeńswem ( q). Ubezpeczycel pokrywa nadwyżkę szkody ponad udzał własny

Bardziej szczegółowo

ó ę ą ż ż ś ść Ó Ś ż Ó Ś ę ą żć ó ż Ó ż Ó ó ó ż Ó ż ó ą ą Ą ś ą ż ó ó ż ę Ć ż ż ż Ó ó ó ó ę ż ę Ó ż ę ż Ó Ę Ó ó Óś Ś ść ę ć Ś ę ąć śó ą ę ęż ó ó ż Ś ż

ó ę ą ż ż ś ść Ó Ś ż Ó Ś ę ą żć ó ż Ó ż Ó ó ó ż Ó ż ó ą ą Ą ś ą ż ó ó ż ę Ć ż ż ż Ó ó ó ó ę ż ę Ó ż ę ż Ó Ę Ó ó Óś Ś ść ę ć Ś ę ąć śó ą ę ęż ó ó ż Ś ż Ó śó ą ę Ę śćś ść ę ą ś ó ą ó Ł Ó ż Ś ą ś Ó ą ć ó ż ść śó ą Óść ó ż ż ą Ś Ś ż Ó ą Ó ą Ć Ś ż ó ż ę ąś ó ć Ś Ó ó ś ś ś ó Ó ś Ź ż ą ó ą żą śó Ś Ó Ś ó Ś Ś ąś Ó ó ę ą ż ż ś ść Ó Ś ż Ó Ś ę ą żć ó ż Ó ż Ó ó ó

Bardziej szczegółowo

Bayesowskie prognozy migracji zagranicznych w Europie: wybrane propozycje metodologiczne

Bayesowskie prognozy migracji zagranicznych w Europie: wybrane propozycje metodologiczne Bayesowske rognozy mgracj zagrancznych w Euroe: wybrane roozycje metodologczne Jakub Bjak Badań Mgracyjnych Ludnoścowych w Warszawe Ogólnoolske Semnarum Naukowe Dynamczne Modele Ekonometryczne Toruń, 4

Bardziej szczegółowo

ę ą ę ó ń ń ń ó ń ó ó ń ź ą ę Ń ą ó ę ą ó ą ą ć ś ą ó ś ó ń ó ą Ń Ą ś ę ńś Ą ń ó ń ó ńś ó ś Ą ś ś ó ó ś ś ó ą ń ó ń Ę ń ć ńś ę ó ś ś Ę ń Ł ó ń ź ń ś ę

ę ą ę ó ń ń ń ó ń ó ó ń ź ą ę Ń ą ó ę ą ó ą ą ć ś ą ó ś ó ń ó ą Ń Ą ś ę ńś Ą ń ó ń ó ńś ó ś Ą ś ś ó ó ś ś ó ą ń ó ń Ę ń ć ńś ę ó ś ś Ę ń Ł ó ń ź ń ś ę ń ę ś Ą Ń ó ę ą ń ą ś Ł ń ń ź ń ś ó ń ę ę ę Ń ą ą ń ą ź ą ź ń ć ę ó ó ę ś ą ść ńś ś ę ź ó ń ó ń ę ń ą ń ś ę ó ó Ę ó ń ę ń ó ń ń ń ą Ę ą ź ą ą ń ó ą ę ó ć ą ś ę ó ą ń ś ę ą ę ó ń ń ń ó ń ó ó ń ź ą ę Ń ą

Bardziej szczegółowo

Współczynnik korelacji liniowej oraz funkcja regresji liniowej dwóch zmiennych

Współczynnik korelacji liniowej oraz funkcja regresji liniowej dwóch zmiennych Współcznnk korelacj lnowej oraz funkcja regresj lnowej dwóch zmennch S S r, cov współcznnk determnacj R r Współcznnk ndetermnacj ϕ r Zarówno współcznnk determnacj jak ndetermnacj po przemnożenu przez 00

Bardziej szczegółowo

Rozwiązywanie ram płaskich wyznaczanie reakcji i wykresów sił przekrojowych 7

Rozwiązywanie ram płaskich wyznaczanie reakcji i wykresów sił przekrojowych 7 ozwiązwanie ram płaskich wznaczanie reakcji i wkresów sił przekrojowch 7 Obciążenie ram płaskiej, podobnie jak w przpadku beek rozdział 6, mogą stanowić sił skupione, moment skupione oraz obciążenia ciągłe

Bardziej szczegółowo

Natalia Nehrebecka. Wykład 2

Natalia 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 szczegółowo

DYNAMICZNE MODELE EKONOMETRYCZNE

DYNAMICZNE MODELE EKONOMETRYCZNE DYNAICZNE ODELE EKONOETRYCZNE X Ogólnopolske Semnarum Naukowe, 4 6 wrześna 7 w Torunu Kaedra Ekonomer Saysyk, Unwersye kołaja Kopernka w Torunu Jacek Kwakowsk Unwersye kołaja Kopernka w Torunu odele RCA

Bardziej szczegółowo

Macierze hamiltonianu kp

Macierze hamiltonianu kp Macere halonanu p acer H a, dla wranego, war 44 lu 88 jeśl were jao u n r uncje s>; X>, Y>, Z>, cl uncje ransorujące sę według repreenacj grp weora alowego Γ j. worące aę aej repreenacj - o ora najardej

Bardziej szczegółowo

TERMODYNAMIKA TECHNICZNA I CHEMICZNA

TERMODYNAMIKA TECHNICZNA I CHEMICZNA TRMODYNAMIKA TCHNICZNA I CHMICZNA Część IV TRMODYNAMIKA ROZTWORÓW TRMODYNAMIKA ROZTWORÓW FUGATYWNOŚCI I AKTYWNOŚCI a) Wrowadzene Potencjał chemczny - rzyomnene de G n na odstawe tego, że otencjał termodynamczny

Bardziej szczegółowo

ń ń ś ń ę ę Ś ę Ż ę ę ś ń ę ż ń ęś ę ż ń ń Ą Ę ś ś ś ż Ż ś Ś ś ę ś Ś

ń ń ś ń ę ę Ś ę Ż ę ę ś ń ę ż ń ęś ę ż ń ń Ą Ę ś ś ś ż Ż ś Ś ś ę ś Ś ę ę Ą Ą ń Ó ś ś ś ń ń Ż ń Ą Ż śó ŚĆ ś ę ę ś ś ś Ż ś ść ń Ż Ś ń ń ś ń ę ę Ś ę Ż ę ę ś ń ę ż ń ęś ę ż ń ń Ą Ę ś ś ś ż Ż ś Ś ś ę ś Ś ę ę ś ń Ż Ż Ż ę ś ć Ą Ż Ż ś Ś Ą Ż ś Ś Ą Ż ś ś ś Ę Ą ę ń ś ę ż Ż ć Ś ń ę

Bardziej szczegółowo

Podstawowe algorytmy indeksów giełdowych

Podstawowe algorytmy indeksów giełdowych Podsawowe algorymy ndeksów gełdowych Wersja 1.1 San na 25-11-13 Podsawowe algorymy ndeksów gełdowych Wersja 1.1 San na 2013-11-25 Sps reśc I. Algorymy oblczana warośc ndeksów gełdowych...3 1. Warość beżąca

Bardziej szczegółowo

XXXV Konferencja Statystyka Matematyczna

XXXV Konferencja Statystyka Matematyczna XXXV Konferencja Saysyka Maeayczna MODEL OTOWOŚCI SYSTEMU TECHNICZNEO Karol J. ANDRZEJCZAK karol.andrzejczak@pu.poznan.pl Polechnka Poznańska hp://www.pu.poznan.pl/ PRORAM REERATU 1. WPROWADZENIE 2. ORMALIZACJA

Bardziej szczegółowo

Zad 2 Dynamika zatrudnienia mierzona indeksami łańcuchowymi w ostatnich pięciu latach kształtowały się następująco: Lata Indeksy ( w %)

Zad 2 Dynamika zatrudnienia mierzona indeksami łańcuchowymi w ostatnich pięciu latach kształtowały się następująco: Lata Indeksy ( w %) Analza dnamk Zad. 1 Indeks lczb studującch studentów w województwe śląskm w kolejnch pęcu latach przedstawał sę następująco: Lata 1 2 3 4 5 Indeks jednopodstawowe z roku t = 1 100,0 115,7 161,4 250,8 195,9

Bardziej szczegółowo

Natalia Nehrebecka. Zajęcia 3

Natalia Nehrebecka. Zajęcia 3 St ł Cchock Stansław C h k Natala Nehrebecka Zajęca 3 1. Dobroć dopasowana równana regresj. Współczynnk determnacj R Dk Dekompozycja warancj zmennej zależnej ż Współczynnk determnacj R. Zmenne cągłe a

Bardziej szczegółowo

Stanisław Cichocki Natalia Nehrebecka. Wykład 3

Stanisław Cichocki Natalia Nehrebecka. Wykład 3 Sanisław Cichocki Naalia Nehrebecka Wykład 3 1 1. Zmienne sacjonarne 2. Zmienne zinegrowane 3. Regresja pozorna 4. Funkcje ACF i PACF 5. Badanie sacjonarności Tes Dickey-Fullera (DF) 2 1. Zmienne sacjonarne

Bardziej szczegółowo

Dyskretny proces Markowa

Dyskretny proces Markowa Procesy sochasyczne WYKŁAD 4 Dyskreny roces Markowa Rozarujemy roces sochasyczny X, w kórym aramer jes ciągły zwykle. Będziemy zakładać, że zbiór sanów jes co najwyżej rzeliczalny. Proces X, jes rocesem

Bardziej szczegółowo

Przykład 5.1. Kratownica dwukrotnie statycznie niewyznaczalna

Przykład 5.1. Kratownica dwukrotnie statycznie niewyznaczalna rzykład.. Kratownca dwukrotne statyczne newyznaczana oecene: korzystaąc z metody sł wyznaczyć sły w prętach ponższe kratowncy. const Rozwązane zadana rozpoczynamy od obczena stopna statyczne newyznaczanośc

Bardziej szczegółowo

EKONOMIA XL NAUKI HUMANISTYCZNO-SPOŁECZNE ZESZYT 391 TORUŃ Joanna Górka WŁASNOŚCI PROGNOSTYCZNE MODELI KLASY RCA *

EKONOMIA XL NAUKI HUMANISTYCZNO-SPOŁECZNE ZESZYT 391 TORUŃ Joanna Górka WŁASNOŚCI PROGNOSTYCZNE MODELI KLASY RCA * ACTA UNIVERSITATIS NICOLAI COPERNICI EKONOMIA XL NAUKI HUMANISTYCZNO-SPOŁECZNE ZESZYT 391 TORUŃ 2009 Uniwersytet Mikołaja Kopernika w Toruniu Katedra Ekonometrii i Statystyki Joanna Górka WŁASNOŚCI PROGNOSTYCZNE

Bardziej szczegółowo

PROCESY AUTOREGRESYJNE ZE ZMIENNYM PARAMETREM 1. Joanna Górka. Wydział Nauk Ekonomicznych i Zarządzania UMK w Toruniu Katedra Ekonometrii i Statystyki

PROCESY AUTOREGRESYJNE ZE ZMIENNYM PARAMETREM 1. Joanna Górka. Wydział Nauk Ekonomicznych i Zarządzania UMK w Toruniu Katedra Ekonometrii i Statystyki PROCESY AUTOREGRESYJNE ZE ZMIENNYM PARAMETREM Joanna Górka Wdział Nauk Ekonomicznch i Zarządzania UMK w Toruniu Kaedra Ekonomerii i Saski WSTĘP Niesacjonarne proces o średniej zero mogą bć reprezenowane

Bardziej szczegółowo

Projekt 6 6. ROZWIĄZYWANIE RÓWNAŃ NIELINIOWYCH CAŁKOWANIE NUMERYCZNE

Projekt 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 szczegółowo

Sprężyny naciągowe z drutu o przekroju okrągłym

Sprężyny naciągowe z drutu o przekroju okrągłym Sprężyny naciągowe z o przekroju okrągłym Stal sprężynowa, zgodnie z normą PN-71/M80057 (EN 10270:1-SH oraz DIN 17223, C; nr mat. 1.1200) Stal sprężynowa nierdzewna, zgodnie z normą PN-71/M80057 (EN 10270:3-NS

Bardziej szczegółowo

Egzamin poprawkowy z Analizy II 11 września 2013

Egzamin poprawkowy z Analizy II 11 września 2013 Egzamn poprawkowy z nalzy II 11 wrześna 13 Uwag organzacyjne: każde zadane rozwązujemy na osobnej kartce Każde zadane należy podpsać menem nazwskem własnym oraz prowadzącego ćwczena Na wszelk wypadek prosmy

Bardziej szczegółowo

Przykład 3.1. Wyznaczenie zmiany odległości między punktami ramy trójprzegubowej

Przykład 3.1. Wyznaczenie zmiany odległości między punktami ramy trójprzegubowej Przykład Wyznaczene zmany odegłośc mędzy unktam ramy trójrzegubowej Poecene: Korzystając ze wzoru axwea-ohra wyznaczyć zmanę odegłośc mędzy unktam w onższym układze Przyjąć da wszystkch rętów EI = const

Bardziej szczegółowo

WYKORZYSTANIE PODEJŚCIA QUASI-HIERARCHICZNEGO W WIELOKRYTERIALNYM DRZEWIE DECYZYJNYM*

WYKORZYSTANIE PODEJŚCIA QUASI-HIERARCHICZNEGO W WIELOKRYTERIALNYM DRZEWIE DECYZYJNYM* Unwersye Ekonomczny w Kaowcach Wydzał Informayk Komunkacj Kaedra Badań Oeracyjnych macej.nowak@ue.kaowce.l WYKORZYSTANIE PODEJŚCIA QUASI-HIERARCHICZNEGO W WIELOKRYTERIALNYM DRZEWIE DECYZYJNYM* Sreszczene:

Bardziej szczegółowo

Ę Ę ĘŚ Ą Ł Ę ł ł ś ą ź ż ź ą ż ć ąż ą ś ą

Ę Ę ĘŚ Ą Ł Ę ł ł ś ą ź ż ź ą ż ć ąż ą ś ą Ń Ę ł ó ó ł ż ć ó ś ą ą ż ą ą ń ł ś ś ąż ą Ę łó Ą Ę Ą Ó ą ż ą ł ą ź ć Ę ą ś ą ą Ł Ł ł ą Ą Ę Ą Ł ą ąż ą ż ć ą Ż ć ą Ę Ę ĘŚ Ą Ł Ę ł ł ś ą ź ż ź ą ż ć ąż ą ś ą ó ó ż ą ą ż ś ż Ę ź Ą ł ł ł ą ó ń ń Ę ż ż ń

Bardziej szczegółowo

Statystyka. Zmienne losowe

Statystyka. Zmienne losowe Statystyka Zmenne losowe Zmenna losowa Zmenna losowa jest funkcją, w której każdej wartośc R odpowada pewen podzbór zboru będący zdarzenem losowym. Zmenna losowa powstaje poprzez przyporządkowane każdemu

Bardziej szczegółowo

5. Pochodna funkcji. lim. x c x c. (x c) = lim. g(c + h) g(c) = lim

5. Pochodna funkcji. lim. x c x c. (x c) = lim. g(c + h) g(c) = lim 5. Pocodna funkcj Defncja 5.1 Nec f: (a, b) R nec c (a, b). Jeśl stneje granca lm x c x c to nazywamy ją pocodną funkcj f w punkce c oznaczamy symbolem f (c) Twerdzene 5.1 Jeśl funkcja f: (a, b) R ma pocodną

Bardziej szczegółowo

Zaawansowane metody numeryczne Komputerowa analiza zagadnień różniczkowych 1. Układy równań liniowych

Zaawansowane metody numeryczne Komputerowa analiza zagadnień różniczkowych 1. Układy równań liniowych Zaawansowane metody numeryczne Komputerowa analza zagadneń różnczkowych 1. Układy równań lnowych P. F. Góra http://th-www.f.uj.edu.pl/zfs/gora/ semestr letn 2006/07 Podstawowe fakty Równane Ax = b, x,

Bardziej szczegółowo

Modele wieloczynnikowe. Modele wieloczynnikowe. Modele wieloczynnikowe ogólne. α β β β ε. Analiza i Zarządzanie Portfelem cz. 4.

Modele 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 szczegółowo

DYNAMICZNE MODELE EKONOMETRYCZNE

DYNAMICZNE MODELE EKONOMETRYCZNE DYNAMICZNE MODELE EKONOMETRYCZNE X Ogólnopolske Semnarum Naukowe, 4 6 wrześna 007 w Torunu Kaedra Ekonomer Saysyk, Unwersye Mkołaa Kopernka w Torunu Unwersye Mkołaa Kopernka w Torunu Ops kurozy rozkładów

Bardziej szczegółowo

65120/ / / /200

65120/ / / /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 szczegółowo

6. ROŻNICE MIĘDZY OBSERWACJAMI STATYSTYCZNYMI RUCHU KOLEJOWEGO A SAMOCHODOWEGO

6. ROŻNICE MIĘDZY OBSERWACJAMI STATYSTYCZNYMI RUCHU KOLEJOWEGO A SAMOCHODOWEGO Różnce mędzy obserwacjam statystycznym ruchu kolejowego a samochodowego 7. ROŻNICE MIĘDZY OBSERWACJAMI STATYSTYCZNYMI RUCHU KOLEJOWEGO A SAMOCHODOWEGO.. Obserwacje odstępów mędzy kolejnym wjazdam na stację

Bardziej szczegółowo

SELEKCJA: JAK JEDNA POPULACJA (STRATEGIA) WYPIERA INNĄ

SELEKCJA: JAK JEDNA POPULACJA (STRATEGIA) WYPIERA INNĄ W stronę bolog: dnama oulacj Martn. owa Evolutonar Dnamcs elna Press 6 SELEKCJ: JK JED POPULCJ (STRTEGI) WYPIER IĄ Model determnstczn ( a ) ( b ) : Dodając stronam mam a b czl średne dostosowane (ftness).

Bardziej szczegółowo

Zadane 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 szczegółowo

Ą ć ę ż ż Ż ć ć Ż ć ń ę ę Ż ń ż ęż ę ę Ę ż ż ĘŚ ę Ż Ż Ż Ż Ż Ż Ż Ż ż ż ń ę ęż ęż Ó ęź Ą ń ę Ś Ż ć ę Ą ę ż ę ż ć ę ę Ż ę ż ż ę ń ń ę Ą ż ę Ł Ą ę ż ę Ą ę ę Ę Ą ę ę ęć ż Ę ęż ż ę Ą Ę ę ę Ą ę ę Ą Ą Ż ć ć Ń

Bardziej szczegółowo

Sprężyny naciskowe z drutu o przekroju okrągłym

Sprężyny naciskowe z drutu o przekroju okrągłym Sprężyny owe z o przekroju okrągłym Stal sprężynowa, zgodnie z normą PN-71/M80057 (EN 10270:1-SH oraz DIN 17223, C; nr mat. 1.1200) Stal sprężynowa nierdzewna, zgodnie z normą PN-71/M80057 (EN 10270:3-NS

Bardziej szczegółowo

STATYSTYKA MATEMATYCZNA

STATYSTYKA MATEMATYCZNA STATYSTYKA MATEMATYCZNA. Wkład wstępn. Teora prawdopodobeństwa element kombnatork. Zmenne losowe ch rozkład 3. Populacje prób danch, estmacja parametrów 4. Testowane hpotez statstcznch 5. Test parametrczne

Bardziej szczegółowo

Wybrane zagadnienia Termodynamiki Technicznej

Wybrane zagadnienia Termodynamiki Technicznej Zdzsław Nagórsk Wybrane zagadnena Termodynamk Techncznej Ewa Fudalej - Kosrzewa Insrukcje do ćwczeń laboraoryjnych Warszawa 0 Polechnka Warszawska Wydzał Samochodów Maszyn Roboczych Kerunek sudów "Edukacja

Bardziej szczegółowo

Ą Ą Ą Ń Ę Ę ń ń ń Ń Ń Ń ń Ą Ą ń ń ćż Ą Ę ń ń ń Ó ń Ż Ą ń ŚĆ Ń Ś Ń Ś Ą Ś ć ń ć ź ń Ń ń ć ź Ń Ś Ó Ż ń ź ź ń ĄŚ Ą Ś Ń ń ń ń Ę Ę ń Ż Ż Ż ń ć ń Ń ć ń Ń ŚĆ Ć ń Ń Ń ŚÓ Ą ć ć Ą Ń ź Ę ć ć ć ź ć ć ź ć ź ć ź Ę ć

Bardziej szczegółowo

Algebra liniowa. Zadania przygotowujące do egzaminu: .Wskazówka: Zastosować wzór de Moivre'a;

Algebra liniowa. Zadania przygotowujące do egzaminu: .Wskazówka: Zastosować wzór de Moivre'a; emer leni 5/6 lgebra liniowa Znaleźć i nakicować biór 8 C j ; a) ( ) b) { C j j } c) { C Im( ) } ; Zadania rgoowjące do egamin Wkaówka Zaoować wór de Moire'a; d) C Im Wnacć licb dla kórch macier je odwracalna

Bardziej szczegółowo

2.1 Zagadnienie Cauchy ego dla równania jednorodnego. = f(x, t) dla x R, t > 0, (2.1)

2.1 Zagadnienie Cauchy ego dla równania jednorodnego. = f(x, t) dla x R, t > 0, (2.1) Wykład 2 Sruna nieograniczona 2.1 Zagadnienie Cauchy ego dla równania jednorodnego Równanie gań sruny jednowymiarowej zapisać można w posaci 1 2 u c 2 2 u = f(x, ) dla x R, >, (2.1) 2 x2 gdzie u(x, ) oznacza

Bardziej szczegółowo

Witold Orzeszko Uniwersytet Mikołaja Kopernika w Toruniu

Witold Orzeszko Uniwersytet Mikołaja Kopernika w Toruniu DYNAMICZNE MODELE EKONOMETRYCZNE X Ogólnopolskie Seminarium Naukowe, 4 6 września 2007 w Toruniu Kaedra Ekonomerii i Saysyki, Uniwersye Mikołaja Kopernika w Toruniu Uniwersye Mikołaja Kopernika w Toruniu

Bardziej szczegółowo

CZĘŚĆ 6. MODEL REGRESJI, TREND LINIOWY ESTYMACJA, WNIOSKOWANIE

CZĘŚĆ 6. MODEL REGRESJI, TREND LINIOWY ESTYMACJA, WNIOSKOWANIE CZĘŚĆ 6. MODEL REGRESJI, TREND LINIOWY ESTYMACJA, WNIOSKOWANIE Zadane 1. Na podstawe obserwacj dotczącch welkośc powerzchn ekspozcjnej (cecha X w m kw.) oraz welkośc dzennego obrotu punktu sprzedaż płtek

Bardziej szczegółowo

ZESTAW ZADAŃ Z INFORMATYKI

ZESTAW ZADAŃ Z INFORMATYKI (Wpsue zdaąc przed rozpoczęcem prac) KOD ZDAJĄCEGO ZESTAW ZADAŃ Z INFORMATYKI CZĘŚĆ II (dla pozomu rozszerzonego) GRUDZIEŃ ROK 004 Czas prac 50 mnut Instrukca dla zdaącego. Proszę sprawdzć, cz zestaw zadań

Bardziej szczegółowo

Macierz prawdopodobieństw przejścia w pojedynczym kroku dla łańcucha Markowa jest postaci

Macierz prawdopodobieństw przejścia w pojedynczym kroku dla łańcucha Markowa jest postaci Zadane. Macerz radoodobeńst rzejśca ojedynczym kroku dla łańcucha Markoa...... o trzech stanach { } jest ostac 0 n 0 0 (oczyśce element stojący -tym erszu j -tej kolumne tej macerzy oznacza P( = j. Wtedy

Bardziej szczegółowo

Ekonometria I materiały do ćwiczeń data lp wykładu temat Wykład dr Dorota Ciołek Ćwiczenia mgr inż. Marta Chylińska

Ekonometria I materiały do ćwiczeń data lp wykładu temat Wykład dr Dorota Ciołek Ćwiczenia mgr inż. Marta Chylińska Ekonomera I maerał do ćwczeń daa lp wkładu ema Wkład dr Doroa Cołek Ćwczena mgr nż. Mara Chlńska - Rodzaje danch sascznch 1a) Przkład problemów badawczch - Zmenne ekonomczne jako zmenne hpoeza, propozcja

Bardziej szczegółowo

Ż ć Ó Ś Ó ć Ę Ó Ś ź Ż Ż Ó Ż ź Ó ÓŚ Ć Ó ź Ó ź Ó Ź ć Ę Ó Ś Ż Ó Ó Ń Ą ź ź Ź Ś Ą Ą Ś Ą Ś ć ć ź ź Ó Ó Ę Ź Ą Ź Ę ĘŚ ć ź Ę Ę ź Ę ć Ś Ś Ę Ż Ż ć Ść ć ć Ń Ż Ś ć Ż Ż Ż Ż Ż Ó Ą Ę Ę Ę Ą Ż Ż Ż Ź Ż ć Ś Ż Ż Ż Ż Ż ć Ś

Bardziej szczegółowo

PROBLEM ODWROTNY DLA RÓWNANIA PARABOLICZNEGO W PRZESTRZENI NIESKOŃCZENIE WYMIAROWEJ THE INVERSE PARABOLIC PROBLEM IN THE INFINITE DIMENSIONAL SPACE

PROBLEM ODWROTNY DLA RÓWNANIA PARABOLICZNEGO W PRZESTRZENI NIESKOŃCZENIE WYMIAROWEJ THE INVERSE PARABOLIC PROBLEM IN THE INFINITE DIMENSIONAL SPACE JAN KOOŃSKI POBLEM ODWOTNY DLA ÓWNANIA PAABOLICZNEGO W PZESTZENI NIESKOŃCZENIE WYMIAOWEJ THE INVESE PAABOLIC POBLEM IN THE INFINITE DIMENSIONAL SPACE S r e s z c z e n e A b s r a c W arykule skonsruowano

Bardziej szczegółowo

Ż Ę ć Ć ć ć Ą

Ż Ę ć Ć ć ć Ą Ś Ł Ż Ą Ż Ę ć Ć ć ć Ą ŚĘ Ż ź Ś Ż Ś Ś Ń Ę Ą Ś Ł Ś Ł Ż Ż ź ż Ą Ś Ż Ż Ś Ł Ą Ą Ó Ż Ż ż ć Ż ż ć ż Ó Ż ż ć ż ć ż Ą Ę ż Ó Ó ż ż Ó ć Ż ć Ż ć ć ź Ę Ę Ę ć Ż Ź Ż ż ć ż Ź Ę Ż ż ć Ś ć Ż Ę ż Ę ż ż ż Ż ż ż ż ż ĘŁ ż ż

Bardziej szczegółowo

G:\AA_Wyklad 2000\FIN\DOC\FRAUN1.doc. "Drgania i fale" ii rok FizykaBC. Dyfrakcja: Skalarna teoria dyfrakcji: ia λ

G:\AA_Wyklad 2000\FIN\DOC\FRAUN1.doc. Drgania i fale ii rok FizykaBC. Dyfrakcja: Skalarna teoria dyfrakcji: ia λ Dyfrakcja: Skalarna teoria dyfrakcji: U iω t [ e ] ( t) Re U ( ) ;. c t U ( ; t) oraz [ + ] U ( ) k. U ia s ( ) A e ik r ( rs + r ) cos( n, ) cos( n, s ) ds s r. Dyfrakcja Fresnela (a) a dyfrakcja Fraunhofera

Bardziej szczegółowo

Ą ś Ę ń ń ń Ć ś ć Ę Ę ż ę ę ż ż ż ź ć ż Ę ś ż ż ż ń ź ż ę Ą ę ę Ć ż ć Ę Ę ż Ó ś ż ż ż ś ż ź ć Ą ś ź ę Ę ń śł ż ę ż ń Ą Ó ń Ę Ż Ę ę ę ż ć ż ń ś ń Ć ń ć żę ś Ę ń ę ś Ę Ę ż ćż ć ę ż Ę ż ś Ę ń ć ś ż Ą ń ż

Bardziej szczegółowo

PROJEKT DOCELOWEJ ORGANIZACJI RUCHU DLA ZADANIA: PRZEBUDOWA UL PIASTÓW ŚLĄSKICH (OD UL. DZIERŻONIA DO UL. KOPALNIANEJ) W MYSŁOWICACH

PROJEKT DOCELOWEJ ORGANIZACJI RUCHU DLA ZADANIA: PRZEBUDOWA UL PIASTÓW ŚLĄSKICH (OD UL. DZIERŻONIA DO UL. KOPALNIANEJ) W MYSŁOWICACH P r o j e k t d o c e l o w e j o r g a n i z a c j i r u c h u d l a z a d a n i a : " P r z e b u d o w a u l. P i a s t ó w Śl ą s k i c h ( o d u l. D z i e r ż o n i a d o u l. K o p a l n i a n e

Bardziej szczegółowo

Proces narodzin i śmierci

Proces 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 szczegółowo

ń Ó Ń ś ń ś ń Ó ę ą Ż ę ą ę Ż ó Ę ą ą ę ś Ę ó Ż ę Ó

ń Ó Ń ś ń ś ń Ó ę ą Ż ę ą ę Ż ó Ę ą ą ę ś Ę ó Ż ę Ó ć ń ó ą ś ą ą ż ó ó ą ż ó ś ą ś ą ś ć ż ść ó ó ą ó ą ń ą ę ą ę ż ń ą ó ś ą ą ą ń ó ą ą ą ś ą ó ż ś ęż ęś ś ń ą ęś ś ą ą ś ż ś Ę ę ń Ż ą ż ń ą ą ą ę ą ę ń Ó Ń ś ń ś ń Ó ę ą Ż ę ą ę Ż ó Ę ą ą ę ś Ę ó Ż ę

Bardziej szczegółowo

Zestaw zadań 4: Przestrzenie wektorowe i podprzestrzenie. Liniowa niezależność. Sumy i sumy proste podprzestrzeni.

Zestaw zadań 4: Przestrzenie wektorowe i podprzestrzenie. Liniowa niezależność. Sumy i sumy proste podprzestrzeni. Zestaw zadań : Przestrzene wektorowe podprzestrzene. Lnowa nezależność. Sumy sumy proste podprzestrzen. () Wykazać, że V = C ze zwykłym dodawanem jako dodawanem wektorów operacją mnożena przez skalar :

Bardziej szczegółowo

KURS STATYSTYKA. Lekcja 6 Regresja i linie regresji ZADANIE DOMOWE. www.etrapez.pl Strona 1

KURS 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 szczegółowo

Związek między ruchem harmonicznym a ruchem jednostajnym po okręgu

Związek między ruchem harmonicznym a ruchem jednostajnym po okręgu Związek międz ruchem harmonicznm a ruchem jednosajnm po okręgu Rozważm rzu Q i R punku P na osie i : Q cos v r R sin R Q P δ Q cos ( δ ) R sin ( δ ) Jeżeli punk P porusza się ruchem jednosajnm po okręgu,

Bardziej szczegółowo

) będą niezależnymi zmiennymi losowymi o tym samym rozkładzie normalnym z następującymi parametrami: nieznaną wartością 1 4

) 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 szczegółowo