System Przeciwdziałania Powstawaniu Bezrobocia na Terenach Słabo Zurbanizowanych SPRAWOZDANIE Z BADAŃ Autor: Joanna Wójcik

Wielkość: px
Rozpocząć pokaz od strony:

Download "System Przeciwdziałania Powstawaniu Bezrobocia na Terenach Słabo Zurbanizowanych SPRAWOZDANIE Z BADAŃ Autor: Joanna Wójcik"

Transkrypt

1 Opracowane w ramach projektu System Przecwdzałana Powstawanu Bezroboca na Terenach Słabo Zurbanzowanych ze środków Europejskego Funduszu Społecznego w ramach Incjatywy Wspólnotowej EQUAL PARTNERSTWO NA RZECZ ROZWOJU SPRAWOZDANIE Z BADAŃ Modele prognostyczne kondycj ekonomczno-fnansowej przedsęborstw metodą analzy w woj. lubelskm podkarpackm. Badana na podstawe danych z lat Autor: Joanna Wójck

2 Wprowadzene... 3 Ops metody... 3 Wymagana analzy... 5 Sposób tworzena zmennych... 7 Sposób kalkulacj przyjętych w badanu potencjalnych zmennych objaśnających... 8 Omówene uzyskanych wynków Trafność klasyfkacj na podstawe zasady prognozowana Podsumowane Narzędza badawcze Lteratura Sps załącznków

3 Wprowadzene Analza funkcj jest stosowana do rozstrzygana, które zmenne dyskrymnują dwe lub węcej naturalne wyłanające sę grupy. Analza dyskrymnacyjna jest często stosowana do oceny kondycj fnansowej przedsęborstw. Pracę w tym zakrese rozpoczęte zostały przez Altmana, który na podstawe 5 wskaźnków fnansowych, dla 66 amerykańskch przedsęborstw (z których 33 zbankrutowało, a pozostałe 33 znajdowało sę w dobrej sytuacj fnansowej), wyznaczył lnową funkcję dyskrymnacyjną. Funkcja mała za zadane odróżnać jednostk zagrożone bankructwem od tych, których kondycja ne budzła nepokoju. Analza dyskrymnacyjna mogłaby następne być wykorzystana do rozstrzygnęca, która zmenna lub zmenne są najlepszym predyktoram późnejszego bankructwa przedsęborstwa. Ops metody Istotę metody analzy doskonale opsuje przykład podany przez Fshera, dotyczący problemem grupowana rysów. Dysponując materałem badawczym złożonym ze 150 kwatów należących do trzech kategor, Fsher opracował metodę, która pozwolła na oddzelene każdej z trzech kategor od dwóch pozostałych. Każdy z kwatów był scharakteryzowany przez cztery cechy. Fsher skonstruował specjalną funkcję, zwaną dyskrymnacyjną, która dała podstawę do uzyskana optymalnej separacj grup. Funkcja ta uwzględnała wszystke cztery wymary charakteryzujące grupowane rysy. Zezwalała ona na zalczane do jednej z trzech grup badanych rysów. Dyskrymnowane grupy prowadz sę obecne przy użycu układu funkcj dyskrymnacyjnych. Podstawą zalczena obektu do danej grupy jest wartość prawdopodobeństwa z jakm ten obekt do grupy przynależy. Specjalna funkcja gęstośc określa te prawdopodobeństwa dla każdego obektu dla każdej grupy. Obekt zostaje zalczony do tej grupy, dla której wartość funkcj prawdopodobeństwa przynależena obektu do grupy jest maksymalna. R.A. Fsher w swoch pracach zaproponował do dyskrymnacj skupeń w welowymarowe przestrzen cech użyce funkcj lnowych. Opsują one hperpłaszczyzny rozdzelające zbory obektów, aby je jak najlepej odseparować. Aby znaleźć lnową funkcę dyskrymnacyjną należy wyznaczyć wartośc współczynnków a : d x m 1 a x a Ops metody opracowany na podstawe ksążk Eugenusza Gatnara Symbolczne metody klasyfkacj danych strony 44-54, Wydawnctwo Naukowe PWN, Warszawa

4 Fsher zaproponował oblczene odległośc mędzy środkam skupeń dla zestandaryzowanych cech obektów, tak aby dokładne określć położene szukanej płaszczyzny. Należy znaleźć kerunek d, dla którego wyrażene: d T x 1 d T Przyjmuje maksymalną wartość. W powyższym wyrażenu x, x 1 2 są wektoram średnch arytmetycznych w obu klasach, a S to wspólna macerz warancj kowarancj. Ostateczne szukany kerunek można wyznaczyć na podstawe ponższego równana (k oznacza parametr): d^ x 1 Metody używane w paketach komputerowych takch jak Statstca, SPSS pozwalają wyznaczyć k funkcj dyskrymnacyjnych. Dany obekt jest przypsywany do klasy, dla której funkcja dyskrymnacyjna przyjmuje najwększa wartość. Jeśl chodz o postać funkcj to w zasadze może być dowolna, ale praktyczne najczęścej stosuje sę funkcje lnowe postac: d T Sd ks x x T d ( x) a f ( x), Gdze f (x) jest dowolną funkcją wektora cech. Funkcję dyskrymnacyjną można równeż 2 2 zapsać w postac: d ( x) a a1x1 a2x2 a 0 m m x, W przypadku, gdy zbór uczący zawera obekty należące tylko do dwóch klas K 1, K 2, wystarczy znaleźć jedną funkcję dyskrymnacyjną d o następującej własnośc: x K 1 x K 2 g g x 0 x 0 W przypadku, gdy występuje k klas, należy znaleźć (k-1) funkcj dyskrymnacyjnych. Czyl obekt x zostane zaklasyfkowany do klasy K, jeśl funkcja g j (x)>0 dla każdego j. Przy dwóch kategorach chcąc ocenć jakość przeprowadzonej dyskrymnacj buduje sę macerz klasyfkacj, która porównuje klasyfkację obektów wynkającą z analzy z ch rzeczywstym stanem. Macerz klasyfkacyjna ma postać: 4

5 Rzeczywsta przynależność obektu Populacja do której zaklasyfkowano obekt na podstawe funkcj G 1 G 2 Łączne lczebnośc próby danej populacj G 1 n 00 n 01 N 0 G 2 n 10 n 11 N 1 Na przekątnej tej macerzy znajduje sę lczba trafnych klasyfkacj. Poza przekątną znajduje sę lczba obektów, które należały do grupy G, a na podstawe funkcj klasyfkacyjnej, zostały przypsane do grupy G j. Na podstawe macerzy klasyfkacj można wyznaczyć trafnośc klasyfkacj: - Globalną gdze N to ogólna lczba obektów w próbe - Indywdualną dla poszczególnych grup n n W T W T gdze N n0 n 1 to łączna lczebność grupy G. Przyjmuje sę, że jest sens tworzyć funkcje dyskrymnacyjne, jeśl uzyskujemy trafność klasyfkacj wększą nż w przypadku losowej klasyfkacj obektów. N n N Wymagana analzy Aby w ogóle móc zastosować analzę dyskrymnacyjną pownny być spełnone 2 założena dotyczące zmennych: pownny one meć łączne welowymarowy rozkład normalny macerze warancj kowarancj dla poszczególnych klas pownny być równe. Zwłaszcza założene perwsze ma charakter mocno ogranczający, poneważ wele cech obektów w badanach społeczno ekonomcznych ma charakter jakoścowy. Najlepsze właścwośc dyskrymnujące mają zmenne zero jedynkowe. Dzelą one w sposób naturalny badany zbór na dwe klasy: mające daną cechę ne posadające danej cechy. Trzeba jednak pamętać, że wynk są tylko wtedy dobre jeżel dane klasy są lnowo separowalne. W przecwnym wypadku rezultaty ne są zadawalające. Obekty 5

6 klasyfkowane charakteryzują sę przeważne dużą loścą cech, ale ne każda z nch jest stotna pod względem jej sły. Z tego powodu należy dokonać wyboru najbardzej stotnych cech. Zmnejsza to wymar przestrzen cech upraszcza oblczena. Wybór zmennych do modelu albo odbywa sę w sposób arbtralny tzn. korzystając z różnorakch przesłanek ustala sę te najbardzej stotne, albo w sposób teracyjny. Metody teracyjne najczęścej polegają na włączanu lub wyłączanu z modelu takch zmennych, które poprawają jego jakość. Aby sprawdzć jakość modelu można skorzystać z klku kryterów. Najbardzej znane z nch to λ Wlksa, albo odległość D 2 Mahalanobsa. Lambda Wlksa jest lczona według wzoru: W W M Gdze macerze W, M są określone następująco: j j W x x x x j K j j j M x x x x j K j Im mnejsza jest wartość statystyk λ tym wększe zróżncowane pomędzy klasam. To jak zmena sę wartość statystyk λ po dodanu do modelu (p+1)- szej zmennej można zweryfkować przy pomocy statystyk F, mającej rozkład Fshera-Snedecora o n-1-p oraz k-1 stopnach swobody: T T n k p F k 1 1 p p p1 p, gdze: n- lczba obektów, k lczba klas, p lczba zmennych w funkcj, p - wartość statystyk Wlksa przed dodanem zmennej, p 1 - wartość statystyk Wlksa po dodanu zmennej. Innym kryterum jakośc dyskrymnacj jest odległość D 2 Mahalanobsa lczona ze wzoru: p p 2 D a b w x x x x j a b ja jb,, 1 j1 6

7 gdze: x a - średna arytmetyczna tej zmennej w klase a, w j - odpowedn element odwróconej macerzy warancj kowarancj wewnątrzgrupowej, 1 S w j Tworząc funkcję dyskrymnacyjną należy dołączyć do nej tą zmenną, która daje najwększą wartość 2 D, dl dwóch klas leżących najblżej. Sposób tworzena zmennych Badanam objęto małe przedsęborstwa zatrudnające od pracownków. Dane pochodzły ze sprawozdań SP oraz F02 oraz korelujących z nm sprawozdań z zakresu zatrudnena z lat dla oddzelne dla województw lubelskego podkarpackego. Poneważ celem badana było stworzene odpowednch narządz do prognozowana kondycj przedsęborstw, jako zmenną objaśnaną przyjęto zmenną zero jedynkową opsującą stan przedsęborstwa: 1 dobra kondycja Y t 0 zla kondycja Poneważ dla małych przedsęborstw, trudno zastosować klasyczną defncję przedsęborstwa zagrożonego upadkem czyl takego, które jest w stane upadłośc. Dlatego też przyjęto następująca defncję, zmenna zerojedynkowa przyjmuje wartość 0 jeżel jednocześne trzy wskaźnk: wynk fnansowy brutto, stopa zman sprzedaży, stopa zman zatrudnena mają wartośc mnejsze od zera oraz wartość 1 w przecwnym przypadku (ne zajdze przynajmnej jedna z trzech powyższych nerównośc). Zmenne objaśnające w modelu można podzelć na dwe grupy: zmenne mkroekonomczne, zmenne makroekonomczne. Potencjalnym objaśnającym zmennym mkroekonomcznym w budowanych modelach były wskaźnk ekonomczno fnansowe oblczone na podstawe nformacj o 7

8 poszczególnych pozycjach blansów oraz rachunków wynków przyjętych do badana spółek. Sposób kalkulacj przyjętych w badanu potencjalnych zmennych objaśnających L.p. WSK Wskaźnk Udzał rzeczowych składnków majątku w aktywach ogółem Udzał zapasów w aktywach ogółem Udzał należnośc w aktywach ogółem Udzał środków penężnych w aktywach ogółem Udzał nwestycj krótkotermnowych w aktywach ogółem Obcążene zobowązanam długotermnowym Obcążene zobowązanam beżącym Wskaźnk pokryca majątku trwałego kaptałem własnym (Stopeń pokryca I) Stopeń pokryca III Udzał kaptału obrotowego w fnansowanu majątku ogółem Udzał kaptału obrotowego w fnansowanu majątku obrotowego Wskaźnk płynnośc beżącej (płynność III stopna) Zapotrzebowane na kaptał obrotowy Nedobór kaptału obrotowego netto Wskaźnk zadłużena kaptału własnego Wskaźnk pokryca zobowązań odsetkowych Wskaźnk pozomu kosztów fnansowych Wskaźnk globalnego obrotu aktywam (produktywnośc majątku) Wydajność pracy Wskaźnk ntelektualnej wartośc dodanej (VAIC) Sposób kalkulacj Rzeczowe aktywa trwałe/ aktywa ogółem*100% Pozycje w sprawozdanu SP; B blans, RW rachunek wynków stan na początek roku [1], stan na konec roku [2] B: Pozycja 07 [2]/ pozycja 75 Zapasy/aktywa ogółem*100% B: Pozycja 38 [2]/ pozycja 75 Należnośc krótkotermnowe/aktywa B: Pozycja 44 [2]/ pozycja 75 ogółem*100% Środk penężne/aktywa B: Pozycja 69 [2]/ pozycja 75 ogółem*100% Inwestycje krótkotermnowe/aktywa B: Pozycja 57 [2]/ pozycja 75 ogółem*100% Zobowązana długotermnowe/pasywa B: Pozycja 95 [2]/ pozycja 126 ogółem*100% Zobowązana B: Pozycja 102 [2]/ pozycja 126 krótkotermnowe/pasywa ogółem*100% Kaptał własny/ aktywa trwałe *100% B: Pozycja 76 [2]/ pozycja 01 (Kaptał własny + zobowązana długotermnowe)/(aktywa trwałe + zapasy)*100% (Kaptał własny + zobowązana długotermnowe - aktywa trwałe) /aktywa ogółem*100% (Kaptał własny + zobowązana długotermnowe - aktywa trwałe) / aktywa obrotowe *100% Aktywa obrotowe/(zobowązana krótkotermnowe + rozlczena mędzyokresowe berne) (Zapasy + należnośc krótkotermnowe)/2 (Zapasy + należnośc)/2 - (Kaptał własny + zobowązana długotermnowe - aktywa trwałe) Zobowązana ogółem/ kaptał własny*100% (Wynk fnansowy brutto + odsetk)/odsetk*100% Koszty fnansowe/średn stan zobowązań ogółem*100% Przychody netto ze sprzedaży /średn stan aktywów ogółem*100% Przychody netto ze sprzedaży /przecętna lczba zatrudnonych*100% (wynk fnansowy netto + wynagrodzena z narzutam ogółem)/aktywa ogółem + (wynk fnansowy netto + wynagrodzena z narzutam ogółem)/wynagrodzena z B: (Pozycja 76 [2]+ pozycja 95 [2])/ (pozycja 01 [2]+ pozycja 38 [2]) *100% B: (Pozycja 76 [2]+ pozycja 95 [2]- pozycja 01 [2])/ pozycja 75 B: (Pozycja 76 [2]+ pozycja 95 [2]- pozycja 01 [2])/ pozycja 37 B: (Pozycja 37 [2]/ (pozycja 102 [2]+ pozycja 121 [2]) B: (Pozycja 38 [2] + pozycja 44 [2])/2 B: (Pozycja 38 [2] + pozycja 44 [2])/2 - (Pozycja 76 [2]+ pozycja 95 [2]- pozycja 01 [2]) B: Pozycja 86 [2]/ pozycja 76 [2] *100% RW: (Pozycja 54 lub 55 + pozycja 45)/ pozycja 45*100% RW: Pozycja 44/ B: (Pozycja 86 [1] + pozycja 86 [2])*2*100% RW: pozycja 01/ B: (pozycja 75 [1] + pozycja 75 [2])*2*100% RW: pozycja 01/? brak danych w sprawozdanu SP RW: (pozycja 60 lub 61 + pozycja 16)/ B: pozycja 75 [2] + RW: (pozycja 60 lub 61 + pozycja 16)/ pozycja 16 8

9 L.p. WSK 25 Wskaźnk Sposób kalkulacj Pozycje w sprawozdanu SP; B blans, RW rachunek wynków stan na początek roku [1], stan na konec roku [2] narzutam ogółem 21 Produktywność środków Przychody netto ze sprzedaży /średn RW: pozycja 01/ B: (pozycja 01 trwałych stan aktywów trwałych*100% [1] + pozycja 01 [2])*2*100% 22 Wskaźnk zużyca środków Umorzene ogółem/aktywa B: (pozycja 127[2] + pozycja trwałych trwałe*100% 128 [2])/pozycja Wynk fnansowy brutto Wynk fnansowy brutto RW: Pozycja 54 lub Wskaźnk rentownośc Wynk fnansowy brutto/ przychody RW: Pozycja 54 lub 55/ pozycja sprzedaży brutto netto ze sprzedaży *100% 01*100% Stopa zman wynku fnansowego brutto Wskaźnk rentownośc majątku Stopa zman wynku fnansowego netto Stopa zman sprzedaży Stopa zman aktywów ogółem (Wynk fnansowy brutto w roku 1 wynk fnansowy brutto w roku 0)/ wynk fnansowy brutto w roku 0* 100% Wynk fnansowy netto /aktywa ogółem*100% Wynk fnansowy netto w roku 1 wynk fnansowy netto w roku 0)/ wynk fnansowy netto w roku 0* 100% (Przychody netto ze sprzedaży w roku 1 - Przychody netto ze sprzedaży w roku 1)/ przychody netto ze sprzedaży w roku 0*100% (Aktywa ogółem w roku 1 - aktywa ogółem w roku 0) / aktywa ogółem w roku 0*100% Stopa zman wynagrodzeń (Wynagrodzena w roku 1 - wynagrodzena w roku 0) / wynagrodzena w roku 0*100% Stopa zman zatrudnena (Zatrudnene ogółem w roku 1 zatrudnene ogółem w roku 0)/ zatrudnene ogółem w roku 0*100% Udzał sprzedaży na eksport w sprzedaży ogółem Sprzedaż na eksport ogółem/ przychody netto ze sprzedaży*100% RW: (Pozycja 54 lub 55 w roku 1 - pozycja 54 lub 55 w roku 0)/( Pozycja 54 lub 55 w roku 0)*100% RW: Pozycja 60 lub 61/ B: pozycja 75 RW: (Pozycja 60 lub 61 w roku 1 - pozycja 60 lub 61 w roku 0)/( Pozycja 60 lub 61 w roku 0)*100% RW: (Pozycja 01 w roku 1 - Pozycja 01 w roku 0) / pozycja 01 w roku 0*100% B: (Pozycja 75 [2] - pozycja 75 [1])/ pozycja 75 [1]*100% RW: (Pozycja 16 w roku 1- pozycja 16 w roku 0)/ pozycja 16 w roku 0*100% Brak danych w sprawozdanu SP RW: (Pozycja 03+pozycja 06)/ pozycja 01*100% Zmenne makroekonomczne W badanu przyjęto zarówno zmenne makroekonomczne opsujące podstawowe cechy całej gospodark polskej w badanych okrese: Z1 Z2 Z3 Z4 Z5 Z6 Z7 Z8 Z9 Z10 Z11 Dynamka PKB w cenach stałych Dynamka wartośc dodanej brutto w cenach stałych Dynamka popytu krajowego Dynamka nakładów nwestycyjnych w cenach stałych Dynamka mportu w cenach stałych Dynamka eksportu Średnoroczny kurs dolara w zł Dynamka ndeksu WIG Dynamka ndeksu WIG20 Stopa nflacj Oprocentowane kredytów kupeckch oraz nwestycyjnych dla przedsęborstw 9

10 Do zmennych makroekonomcznych możemy równeż zalczyć zmenne opsujące sytuację społeczno gospodarczą badanych województw: Z12 Z13 Z14 Z14 Z15 Dynamka lczby pracujących Stopa bezroboca Dynamka produkcj przemysłowej w cenach stałych Dynamka produkcj budowlanej w cenach stałych Dynamka przecętnych wynagrodzeń Omówene uzyskanych wynków Oblczena parametrów wszystkch model odbyły sę przy użycu paketu komputerowego Statstca Trafność klasyfkacj na podstawe zasady prognozowana W wększośc przypadków trafnośc klasyfkacj uzyskana na podstawe klasycznej analzy ne była zadawalająca (w nektórych przypadkach trafność klasyfkacj była newele wększa nż losowa). Było to zwązane z małą lczbą przedsęborstw w złej kondycj w całej próbe (średno tylko 8% przedsęborstw w złej kondycj). Dlatego też została zastosowana zasada prognozowana. Zmenna Y przyjmowała wartość 1, gdy oblczone z modelu prawdopodobeństwo teoretyczne było wększe nż prawdopodobeństwo zupełne losowej klasyfkacj (częstośc jedynek w ogólnej lczbe obserwacj). Po zastosowanu zasady prognozowana udało sę poprawć trafność klasyfkacj przypadków przedsęborstw w złej kondycj, kosztem obnżena ogólnej trafnośc klasyfkacj. Uzyskano następujące wynk (przy oblczenach wykorzystano autorsk program napsany w języku C++) 3 : 2 Szczegółowy sposób postępowana można znaleźć w raporce obejmującym lata Kod programu w załącznku nr 5 10

11 Oznaczene (województwo podkarpacke) Trafność klasyfkacj przedsęborstw w złej kondycj Trafność klasyfkacj przedsęborstw w dobrej kondycj j Trafność klasyfkacj ogółem 151_151 77,78 93,23 92,25 151_159 69,77 80,73 79,69 151_160 69,77 80,73 79,69 151_372 60,53 75,55 73,77 158_158 50,00 100,00 96,15 171_ ,00 100,00 100,00 251_252 83,33 78,57 79,03 271_287 63,16 80,49 78,17 281_287 73,68 79,65 78,79 451_455 67,16 67,68 67,62 452_452 69,23 64,90 65,47 453_453 61,54 88,62 86,03 501_501 81,25 95,74 93,64 501_505 70,27 85,52 84,15 501_527 68,64 73,15 72,62 503_ _505 70,00 94,07 92,41 511_519 63,48 79,07 77,66 513_513 85,00 82,15 82,33 514_514 93,33 84,47 85,23 515_515 60,00 91,29 88,78 519_519 50,00 89,57 86,99 521_521 71,33 66,21 67,26 521_527 75,38 71,57 72,16 524_524 65,12 85,05 82,97 601_603 74,19 85,63 83,77 601_642 75,68 76,21 76,14 602_602 74,19 85,63 83,77 701_703 33,33 96,57 94,98 701_748 55,56 86,35 84,94 703_ ,00 100,00 100,00 741_748 63,64 97,62 93,68 Sredna: 70,20 84,39 83,23 Oznaczene (województwo lubelsk) Trafność klasyfkacj przedsęborstw w złej kondycj Trafność klasyfkacj przedsęborstw w dobrej kondycj j Trafność klasyfkacj ogółem 151_151 72,73 97,96 95,41 151_159 60,00 93,20 88,98 151_160 60,00 93,20 88,98 151_372 58,79 75,98 73,83 201_205 54,84 78,13 73,58 211_223 68,75 82,83 80,87 221_ ,00 100,00 100,00 251_252 77,78 78,11 78,07 252_252 72,22 77,16 76,67 261_ ,00 92,68 93,10 11

12 271_287 65,22 69,73 69,23 281_287 72,22 69,05 69,35 291_297 77,78 85,33 84,52 361_ ,00 100,00 100,00 451_455 68,25 77,43 76,28 452_452 65,31 78,96 77,19 453_453 55,56 91,57 88,04 501_501 60,00 96,74 94,85 501_505 58,62 89,68 87,47 501_527 67,38 70,81 70,46 503_ ,00 84,31 85,19 505_505 71,43 90,15 89,21 511_519 69,17 72,69 72,40 513_513 65,91 76,22 75,06 514_514 64,29 94,26 92,64 515_515 52,63 87,21 84,45 519_519 50,00 93,85 92,54 521_521 70,10 71,62 71,35 521_527 77,44 71,22 72,08 522_522 75,00 71,08 71,72 523_ _524 68,75 84,47 83,40 551_ ,00 100,00 100,00 601_603 85,19 88,39 87,77 601_642 89,29 92,57 92,05 602_602 85,19 88,39 87,77 701_ _748 62,50 80,00 78,08 703_ _748 72,73 80,65 80,00 Średna 72,30 84,48 83,31 Podsumowane Na podstawe uzyskanych wynków można stwerdzć, że analza dyskrymnacyjna może być z powodzenem stosowana przy przewdywanu kondycj ekonomcznej przedsęborstw. Jednak należy skorygować klasycznej metody za pomocą zasady prognozowana, co pozwala uzyskać satysfakcjonujące wynk. 12

13 Narzędza badawcze Wszystke modele zostały oszacowane za pomocą paketu statystycznego Statstca 6.0 jego standardowego modułu analza dyskrymnacyjna. Trafnośc klasyfkacj zgodne z zasadą prognozowana zostały oblczone za pomocą programu napsanego w C++ apror.cpp Lteratura 1. Gatnar E., Symbolczne metody klasyfkacj danych, Wydawnctwo Naukowe PWN, Warszawa, Kasjanuk M, Zastosowane analzy do modelowana prognozowana kondycj przedsęborstw, Barometr Regonalny, Nr 6, Altman E.I., Fnancal Ratos, Dscrmnant Analyss and the Predcton of Corporate Bankrupcy, Journal of Fnance 23, September Dobosz M., Wspomagana komputerowo statystyczna analza wynków badań, AOW EXIT, Warszawa Tarczyńsk W., Analza dyskrymnacyjna na gełdze paperów wartoścowych, Przegląd statystyczny 1-2, Aczel D.A, Statystyka w zarządzanu, PWN, Warszawa, Kolonko J., Analza dyskrymnacyjna jej zastosowana w ekonom, PWN, Sps załącznków 1. załącznk1_lu.doc - Charakterystyka model uzyskanych dla wszystkch sekcj, podsekcj, dzałów grup statystycznych dla woj. lubelskego 2. załącznk2_rz.doc - Charakterystyka model uzyskanych dla wszystkch sekcj, podsekcj, dzałów grup statystycznych dla woj. podkarpackego 3. załącznk3.doc Ops programu apror.cpp 4. załącznk4_lu.doc - Ops statystyczny model dla woj. lubelskego 5. załącznk5_rz.doc - Ops statystyczny model dla woj. podkarpackego. 6. Załącznk6_zestawene_lubln.xls - Zestawene zborcze uzyskanych wynków dla woj. lubelskego. 13

14 7. Załącznk7_zestawene_rzeszow.xls Zestawene zborcze uzyskanych wynków dla woj. podkarpackego. 14

Analiza danych OGÓLNY SCHEMAT. http://zajecia.jakubw.pl/ Dane treningowe (znana decyzja) Klasyfikator. Dane testowe (znana decyzja)

Analiza danych OGÓLNY SCHEMAT. http://zajecia.jakubw.pl/ Dane treningowe (znana decyzja) Klasyfikator. Dane testowe (znana decyzja) Analza danych Dane trenngowe testowe. Algorytm k najblższych sąsadów. Jakub Wróblewsk jakubw@pjwstk.edu.pl http://zajeca.jakubw.pl/ OGÓLNY SCHEMAT Mamy dany zbór danych podzelony na klasy decyzyjne, oraz

Bardziej szczegółowo

MATERIAŁY I STUDIA. Zeszyt nr 286. Analiza dyskryminacyjna i regresja logistyczna w procesie oceny zdolności kredytowej przedsiębiorstw

MATERIAŁY I STUDIA. Zeszyt nr 286. Analiza dyskryminacyjna i regresja logistyczna w procesie oceny zdolności kredytowej przedsiębiorstw MATERIAŁY I STUDIA Zeszyt nr 86 Analza dyskrymnacyjna regresja logstyczna w procese oceny zdolnośc kredytowej przedsęborstw Robert Jagełło Warszawa, 0 r. Wstęp Robert Jagełło Narodowy Bank Polsk. Składam

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

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

W praktyce często zdarza się, że wyniki obu prób możemy traktować jako. wyniki pomiarów na tym samym elemencie populacji np.

W praktyce często zdarza się, że wyniki obu prób możemy traktować jako. wyniki pomiarów na tym samym elemencie populacji np. Wykład 7 Uwaga: W praktyce często zdarza sę, że wynk obu prób możemy traktować jako wynk pomarów na tym samym elemence populacj np. wynk x przed wynk y po operacj dla tego samego osobnka. Należy wówczas

Bardziej 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

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

Analiza i diagnoza sytuacji finansowej wybranych branż notowanych na Warszawskiej Giełdzie Papierów Wartościowych w latach

Analiza i diagnoza sytuacji finansowej wybranych branż notowanych na Warszawskiej Giełdzie Papierów Wartościowych w latach Jacek Batóg Unwersytet Szczecńsk Analza dagnoza sytuacj fnansowej wybranych branż notowanych na Warszawskej Gełdze Paperów Wartoścowych w latach 997-998 W artykule podjęta została próba analzy dagnozy

Bardziej szczegółowo

Pattern Classification

Pattern Classification attern Classfcaton All materals n these sldes were taken from attern Classfcaton nd ed by R. O. Duda,. E. Hart and D. G. Stork, John Wley & Sons, 000 wth the permsson of the authors and the publsher Chapter

Bardziej szczegółowo

STATYSTYKA MATEMATYCZNA WYKŁAD 5 WERYFIKACJA HIPOTEZ NIEPARAMETRYCZNYCH

STATYSTYKA MATEMATYCZNA WYKŁAD 5 WERYFIKACJA HIPOTEZ NIEPARAMETRYCZNYCH STATYSTYKA MATEMATYCZNA WYKŁAD 5 WERYFIKACJA HIPOTEZ NIEPARAMETRYCZNYCH 1 Test zgodnośc χ 2 Hpoteza zerowa H 0 ( Cecha X populacj ma rozkład o dystrybuance F). Hpoteza alternatywna H1( Cecha X populacj

Bardziej 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

Portfele zawierające walor pozbawiony ryzyka. Elementy teorii rynku kapitałowego

Portfele zawierające walor pozbawiony ryzyka. Elementy teorii rynku kapitałowego Portel nwestycyjny ćwczena Na podst. Wtold Jurek: Konstrukcja analza rozdzał 5 dr chał Konopczyńsk Portele zawerające walor pozbawony ryzyka. lementy teor rynku kaptałowego 1. Pożyczane penędzy amy dwa

Bardziej szczegółowo

Analiza danych. Analiza danych wielowymiarowych. Regresja liniowa. Dyskryminacja liniowa. PARA ZMIENNYCH LOSOWYCH

Analiza danych. Analiza danych wielowymiarowych. Regresja liniowa. Dyskryminacja liniowa.   PARA ZMIENNYCH LOSOWYCH Analza danych Analza danych welowymarowych. Regresja lnowa. Dyskrymnacja lnowa. Jakub Wróblewsk jakubw@pjwstk.edu.pl http://zajeca.jakubw.pl/ PARA ZMIENNYCH LOSOWYCH Parę zmennych losowych X, Y możemy

Bardziej szczegółowo

Statystyka Opisowa 2014 część 1. Katarzyna Lubnauer

Statystyka Opisowa 2014 część 1. Katarzyna Lubnauer Statystyka Opsowa 2014 część 1 Katarzyna Lubnauer Lteratura: 1. Statystyka w Zarządzanu Admr D. Aczel 2. Statystyka Opsowa od Podstaw Ewa Waslewska 3. Statystyka, Lucjan Kowalsk. 4. Statystyka opsowa,

Bardziej szczegółowo

Analiza rodzajów skutków i krytyczności uszkodzeń FMECA/FMEA według MIL STD - 1629A

Analiza rodzajów skutków i krytyczności uszkodzeń FMECA/FMEA według MIL STD - 1629A Analza rodzajów skutków krytycznośc uszkodzeń FMECA/FMEA według MIL STD - 629A Celem analzy krytycznośc jest szeregowane potencjalnych rodzajów uszkodzeń zdentyfkowanych zgodne z zasadam FMEA na podstawe

Bardziej 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

METODA UNITARYZACJI ZEROWANEJ Porównanie obiektów przy ocenie wielokryterialnej. Ranking obiektów.

METODA UNITARYZACJI ZEROWANEJ Porównanie obiektów przy ocenie wielokryterialnej. Ranking obiektów. Opracowane: Dorota Mszczyńska METODA UNITARYZACJI ZEROWANEJ Porównane obektów przy ocene welokryteralnej. Rankng obektów. Porównane wybranych obektów (warantów decyzyjnych) ze względu na różne cechy (krytera)

Bardziej szczegółowo

OPTYMALNE STRATEGIE INWESTYCYJNE PODEJŚCIE FUNDAMENTALNE OPTIMAL INVESTMENT STRATEGY FUNDAMENTAL ANALYSIS

OPTYMALNE STRATEGIE INWESTYCYJNE PODEJŚCIE FUNDAMENTALNE OPTIMAL INVESTMENT STRATEGY FUNDAMENTAL ANALYSIS ZESZYTY NAUKOWE POLITECHNIKI ŚLĄSKIEJ 2014 Sera: ORGANIZACJA I ZARZĄDZANIE z. 68 Nr kol. 1905 Adranna MASTALERZ-KODZIS Unwersytet Ekonomczny w Katowcach OPTYMALNE STRATEGIE INWESTYCYJNE PODEJŚCIE FUNDAMENTALNE

Bardziej szczegółowo

Zastosowanie wielowymiarowej analizy porównawczej w doborze spó³ek do portfela inwestycyjnego Zastosowanie wielowymiarowej analizy porównawczej...

Zastosowanie wielowymiarowej analizy porównawczej w doborze spó³ek do portfela inwestycyjnego Zastosowanie wielowymiarowej analizy porównawczej... Adam Waszkowsk * Adam Waszkowsk Zastosowane welowymarowej analzy porównawczej w doborze spó³ek do portfela nwestycyjnego Zastosowane welowymarowej analzy porównawczej... Wstêp Na warszawskej Ge³dze Paperów

Bardziej szczegółowo

Badanie współzależności dwóch cech ilościowych X i Y. Analiza korelacji prostej

Badanie współzależności dwóch cech ilościowych X i Y. Analiza korelacji prostej Badane współzależnośc dwóch cech loścowych X Y. Analza korelacj prostej Kody znaków: żółte wyróżnene nowe pojęce czerwony uwaga kursywa komentarz 1 Zagadnena 1. Zwązek determnstyczny (funkcyjny) a korelacyjny.

Bardziej szczegółowo

Minister Edukacji Narodowej Pani Katarzyna HALL Ministerstwo Edukacji Narodowej al. J. Ch. Szucha 25 00-918 Warszawa Dnia 03 czerwca 2009 r.

Minister Edukacji Narodowej Pani Katarzyna HALL Ministerstwo Edukacji Narodowej al. J. Ch. Szucha 25 00-918 Warszawa Dnia 03 czerwca 2009 r. Mnster Edukacj arodowej Pan Katarzyna HALL Mnsterstwo Edukacj arodowej al. J. Ch. Szucha 25 00-918 arszawa Dna 03 czerwca 2009 r. TEMAT: Propozycja zmany art. 30a ustawy Karta auczycela w forme lstu otwartego

Bardziej szczegółowo

Kształtowanie się firm informatycznych jako nowych elementów struktury przestrzennej przemysłu

Kształtowanie się firm informatycznych jako nowych elementów struktury przestrzennej przemysłu PRACE KOMISJI GEOGRAFII PRZEMY SŁU Nr 7 WARSZAWA KRAKÓW 2004 Akadema Pedagogczna, Kraków Kształtowane sę frm nformatycznych jako nowych elementów struktury przestrzennej przemysłu Postępujący proces rozwoju

Bardziej szczegółowo

KONSTRUKCJA OPTYMALNYCH PORTFELI Z ZASTOSOWANIEM METOD ANALIZY FUNDAMENTALNEJ UJĘCIE DYNAMICZNE

KONSTRUKCJA OPTYMALNYCH PORTFELI Z ZASTOSOWANIEM METOD ANALIZY FUNDAMENTALNEJ UJĘCIE DYNAMICZNE Adranna Mastalerz-Kodzs Unwersytet Ekonomczny w Katowcach KONSTRUKCJA OPTYMALNYCH PORTFELI Z ZASTOSOWANIEM METOD ANALIZY FUNDAMENTALNEJ UJĘCIE DYNAMICZNE Wprowadzene W dzałalnośc nstytucj fnansowych, takch

Bardziej szczegółowo

ANALIZA PORÓWNAWCZA WYNIKÓW UZYSKANYCH ZA POMOCĄ MIAR SYNTETYCZNYCH: M ORAZ PRZY ZASTOSOWANIU METODY UNITARYZACJI ZEROWANEJ

ANALIZA PORÓWNAWCZA WYNIKÓW UZYSKANYCH ZA POMOCĄ MIAR SYNTETYCZNYCH: M ORAZ PRZY ZASTOSOWANIU METODY UNITARYZACJI ZEROWANEJ METODY ILOŚCIOWE W BADANIACH EKONOMICZNYCH Tom XVI/3, 2015, str. 248 257 ANALIZA PORÓWNAWCZA WYNIKÓW UZYSKANYCH ZA POMOCĄ MIAR SYNTETYCZNYCH: M ORAZ PRZY ZASTOSOWANIU METODY UNITARYZACJI ZEROWANEJ Sławomr

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

Badania sondażowe. Braki danych Konstrukcja wag. Agnieszka Zięba. Zakład Badań Marketingowych Instytut Statystyki i Demografii Szkoła Główna Handlowa

Badania sondażowe. Braki danych Konstrukcja wag. Agnieszka Zięba. Zakład Badań Marketingowych Instytut Statystyki i Demografii Szkoła Główna Handlowa Badana sondażowe Brak danych Konstrukcja wag Agneszka Zęba Zakład Badań Marketngowych Instytut Statystyk Demograf Szkoła Główna Handlowa 1 Błędy braku odpowedz Całkowty brak odpowedz (UNIT nonresponse)

Bardziej 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

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

Procedura normalizacji

Procedura normalizacji Metody Badań w Geograf Społeczno Ekonomcznej Procedura normalzacj Budowane macerzy danych geografcznych mgr Marcn Semczuk Zakład Przedsęborczośc Gospodark Przestrzennej Instytut Geograf Unwersytet Pedagogczny

Bardziej szczegółowo

Analiza porównawcza rozwoju wybranych banków komercyjnych w latach 2001 2009

Analiza porównawcza rozwoju wybranych banków komercyjnych w latach 2001 2009 Mara Konopka Katedra Ekonomk Organzacj Przedsęborstw Szkoła Główna Gospodarstwa Wejskego w Warszawe Analza porównawcza rozwoju wybranych banków komercyjnych w latach 2001 2009 Wstęp Polska prywatyzacja

Bardziej szczegółowo

Metody predykcji analiza regresji

Metody predykcji analiza regresji Metody predykcj analza regresj TPD 008/009 JERZY STEFANOWSKI Instytut Informatyk Poltechnka Poznańska Przebeg wykładu. Predykcja z wykorzystanem analzy regresj.. Przypomnene wadomośc z poprzednch przedmotów..

Bardziej szczegółowo

BADANIA OPERACYJNE. Podejmowanie decyzji w warunkach niepewności. dr Adam Sojda

BADANIA OPERACYJNE. Podejmowanie decyzji w warunkach niepewności. dr Adam Sojda BADANIA OPERACYJNE Podejmowane decyzj w warunkach nepewnośc dr Adam Sojda Teora podejmowana decyzj gry z naturą Wynk dzałana zależy ne tylko od tego, jaką podejmujemy decyzję, ale równeż od tego, jak wystąp

Bardziej szczegółowo

Makroekonomia Gospodarki Otwartej Wykład 8 Polityka makroekonomiczna w gospodarce otwartej. Model Mundella-Fleminga

Makroekonomia Gospodarki Otwartej Wykład 8 Polityka makroekonomiczna w gospodarce otwartej. Model Mundella-Fleminga Makroekonoma Gospodark Otwartej Wykład 8 Poltyka makroekonomczna w gospodarce otwartej. Model Mundella-Flemnga Leszek Wncencak Wydzał Nauk Ekonomcznych UW 2/29 Plan wykładu: Założena analzy Zaps modelu

Bardziej szczegółowo

Stanisław Cichocki. Natalia Nehrebecka. Wykład 6

Stanisław Cichocki. Natalia Nehrebecka. Wykład 6 Stansław Cchock Natala Nehrebecka Wykład 6 1 1. Zastosowane modelu potęgowego Przekształcene Boxa-Coxa 2. Zmenne cągłe za zmenne dyskretne 3. Interpretacja parametrów przy zmennych dyskretnych 1. Zastosowane

Bardziej szczegółowo

SYSTEMY UCZĄCE SIĘ WYKŁAD 7. KLASYFIKATORY BAYESA. Dr hab. inż. Grzegorz Dudek Wydział Elektryczny Politechnika Częstochowska.

SYSTEMY UCZĄCE SIĘ WYKŁAD 7. KLASYFIKATORY BAYESA. Dr hab. inż. Grzegorz Dudek Wydział Elektryczny Politechnika Częstochowska. SYSTEMY UCZĄCE SIĘ WYKŁAD 7. KLASYFIKATORY BAYESA Częstochowa 4 Dr hab. nż. Grzegorz Dudek Wydzał Elektryczny Poltechnka Częstochowska TWIERDZENIE BAYESA Wedza pozyskwana przez metody probablstyczne ma

Bardziej szczegółowo

STARE A NOWE KRAJE UE KONKURENCYJNOŚĆ POLSKIEGO EKSPORTU

STARE A NOWE KRAJE UE KONKURENCYJNOŚĆ POLSKIEGO EKSPORTU Ewa Szymank Katedra Teor Ekonom Akadema Ekonomczna w Krakowe ul. Rakowcka 27, 31-510 Kraków STARE A NOWE KRAJE UE KONKURENCYJNOŚĆ POLSKIEGO EKSPORTU Abstrakt Artykuł przedstawa wynk badań konkurencyjnośc

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

Systemy Ochrony Powietrza Ćwiczenia Laboratoryjne

Systemy Ochrony Powietrza Ćwiczenia Laboratoryjne ś POLITECHNIKA POZNAŃSKA INSTYTUT INŻYNIERII ŚRODOWISKA PROWADZĄCY: mgr nż. Łukasz Amanowcz Systemy Ochrony Powetrza Ćwczena Laboratoryjne 2 TEMAT ĆWICZENIA: Oznaczane lczbowego rozkładu lnowych projekcyjnych

Bardziej szczegółowo

0 0,2 0, p 0,1 0,2 0,5 0, p 0,3 0,1 0,2 0,4

0 0,2 0, p 0,1 0,2 0,5 0, p 0,3 0,1 0,2 0,4 Zad. 1. Dana jest unkcja prawdopodobeństwa zmennej losowej X -5-1 3 8 p 1 1 c 1 Wyznaczyć: a. stałą c b. wykres unkcj prawdopodobeństwa jej hstogram c. dystrybuantę jej wykres d. prawdopodobeństwa: P (

Bardziej szczegółowo

INFORMACJA DODATKOWA DO SPRAWOZDANIA FINANSOWEGO ZA ROK 2013 PODLASKIEGO STOWARZYSZENIA OSÓB NIEPEŁNOSPRAWNYCH W MIĘDZYRZECU PODLASKIM UL

INFORMACJA DODATKOWA DO SPRAWOZDANIA FINANSOWEGO ZA ROK 2013 PODLASKIEGO STOWARZYSZENIA OSÓB NIEPEŁNOSPRAWNYCH W MIĘDZYRZECU PODLASKIM UL odlask 86- tell083)3/^^9 INFORMACJA DODATKOWA DO SPRAWOZDANIA FINANSOWEGO ZA ROK 2013 PODLASKIEGO STOWARZYSZENIA OSÓB NIEPEŁNOSPRAWNYCH W MIĘDZYRZECU PODLASKIM UL.ZARÓW1E 86 KRS 0000043936 Sprawozdane

Bardziej szczegółowo

Zjawiska masowe takie, które mogą wystąpid nieograniczoną ilośd razy. Wyrazów Obcych)

Zjawiska masowe takie, które mogą wystąpid nieograniczoną ilośd razy. Wyrazów Obcych) Statystyka - nauka zajmująca sę metodam badana przedmotów zjawsk w ch masowych przejawach ch loścową lub jakoścową analzą z punktu wdzena nauk, do której zakresu należą.

Bardziej szczegółowo

EKONOMETRIA I Spotkanie 1, dn. 05.10.2010

EKONOMETRIA I Spotkanie 1, dn. 05.10.2010 EKONOMETRIA I Spotkane, dn. 5..2 Dr Katarzyna Beń Program ramowy: http://www.sgh.waw.pl/nstytuty/e/oferta_dydaktyczna/ekonometra_stacjonarne_nest acjonarne/ Zadana, dane do zadań, ważne nformacje: http://www.e-sgh.pl/ben/ekonometra

Bardziej szczegółowo

BADANIE STABILNOŚCI WSPÓŁCZYNNIKA BETA AKCJI INDEKSU WIG20

BADANIE STABILNOŚCI WSPÓŁCZYNNIKA BETA AKCJI INDEKSU WIG20 Darusz Letkowsk Unwersytet Łódzk BADANIE STABILNOŚCI WSPÓŁCZYNNIKA BETA AKCJI INDEKSU WIG0 Wprowadzene Teora wyboru efektywnego portfela nwestycyjnego zaproponowana przez H. Markowtza oraz jej rozwnęca

Bardziej szczegółowo

OŚWIADCZENIE MAJĄTKOWE radnego gminy. (miejscowość)

OŚWIADCZENIE MAJĄTKOWE radnego gminy. (miejscowość) OŚWIADCZENIE MAJĄTKOWE radnego gmny (mejscowość). dna Uwaga: 1. Osoba składająca ośwadczene obowązana jest do zgodnego z prawdą, starannego zupełnego wypełnena każdej z rubryk. 2. Jeżel poszczególne rubryk

Bardziej szczegółowo

8. Optymalizacja decyzji inwestycyjnych

8. Optymalizacja decyzji inwestycyjnych dr nż. Zbgnew Tarapata: Optymalzacja decyzj nwestycyjnych, cz.ii 8. Optymalzacja decyzj nwestycyjnych W rozdzale 8, część I przedstawono elementarne nformacje dotyczące metod oceny decyzj nwestycyjnych.

Bardziej szczegółowo

ZAJĘCIA X. Zasada największej wiarygodności

ZAJĘCIA X. Zasada największej wiarygodności ZAJĘCIA X Zasada najwększej warygodnośc Funkcja warygodnośc Estymacja wg zasady maksymalzacj warygodnośc Rodzna estymatorów ML Przypadk szczególne WPROWADZEIE Komputerowa dentyfkacja obektów Przyjęce na

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

Stanisław Cichocki. Natalia Nehrebecka. Wykład 7

Stanisław Cichocki. Natalia Nehrebecka. Wykład 7 Stansław Cchock Natala Nehrebecka Wykład 7 1 1. Zmenne cągłe a zmenne dyskretne 2. Interpretacja parametrów przy zmennych dyskretnych 1. Zmenne cągłe a zmenne dyskretne 2. Interpretacja parametrów przy

Bardziej szczegółowo

SZACOWANIE NIEPEWNOŚCI POMIARU METODĄ PROPAGACJI ROZKŁADÓW

SZACOWANIE NIEPEWNOŚCI POMIARU METODĄ PROPAGACJI ROZKŁADÓW SZACOWANIE NIEPEWNOŚCI POMIARU METODĄ PROPAGACJI ROZKŁADÓW Stefan WÓJTOWICZ, Katarzyna BIERNAT ZAKŁAD METROLOGII I BADAŃ NIENISZCZĄCYCH INSTYTUT ELEKTROTECHNIKI ul. Pożaryskego 8, 04-703 Warszawa tel.

Bardziej szczegółowo

Klasyfkator lnowy Wstęp Klasyfkator lnowy jest najprostszym możlwym klasyfkatorem. Zakłada on lnową separację lnowy podzał dwóch klas mędzy sobą. Przedstawa to ponższy rysunek: 5 4 3 1 0-1 - -3-4 -5-5

Bardziej szczegółowo

STATYSTYCZNA ANALIZA WYNIKÓW POMIARÓW

STATYSTYCZNA ANALIZA WYNIKÓW POMIARÓW Zakład Metrolog Systemów Pomarowych P o l t e c h n k a P o z n ańska ul. Jana Pawła II 4 60-965 POZAŃ (budynek Centrum Mechatronk, Bomechank anonżyner) www.zmsp.mt.put.poznan.pl tel. +48 61 665 5 70 fax

Bardziej szczegółowo

SZTUCZNA INTELIGENCJA

SZTUCZNA INTELIGENCJA SZTUCZNA INTELIGENCJA WYKŁAD 15. ALGORYTMY GENETYCZNE Częstochowa 014 Dr hab. nż. Grzegorz Dudek Wydzał Elektryczny Poltechnka Częstochowska TERMINOLOGIA allele wartośc, waranty genów, chromosom - (naczej

Bardziej szczegółowo

Nota 1. Polityka rachunkowości

Nota 1. Polityka rachunkowości Nota 1. Poltyka rachunkowośc Ops przyjętych zasad rachunkowośc a) Zasady ujawnana prezentacj nformacj w sprawozdanu fnansowym Sprawozdane fnansowe za okres od 01 styczna 2009 roku do 31 marca 2009 roku

Bardziej szczegółowo

Analiza regresji modele ekonometryczne

Analiza regresji modele ekonometryczne Analza regresj modele ekonometryczne Klasyczny model regresj lnowej - przypadek jednej zmennej objaśnającej. Rozpatrzmy klasyczne zagadnene zależnośc pomędzy konsumpcją a dochodam. Uważa sę, że: - zależność

Bardziej szczegółowo

Problemy jednoczesnego testowania wielu hipotez statystycznych i ich zastosowania w analizie mikromacierzy DNA

Problemy jednoczesnego testowania wielu hipotez statystycznych i ich zastosowania w analizie mikromacierzy DNA Problemy jednoczesnego testowana welu hpotez statystycznych ch zastosowana w analze mkromacerzy DNA Konrad Furmańczyk Katedra Zastosowań Matematyk SGGW Plan referatu Testowane w analze mkromacerzy DNA

Bardziej szczegółowo

Analiza korelacji i regresji

Analiza korelacji i regresji Analza korelacj regresj Zad. Pewen zakład produkcyjny zatrudna pracownków fzycznych. Ich wydajność pracy (Y w szt./h) oraz mesęczne wynagrodzene (X w tys. zł) przedstawa ponższa tabela: Pracownk y x A

Bardziej szczegółowo

ANALIZA PREFERENCJI SŁUCHACZY UNIWERSYTETU TRZECIEGO WIEKU Z WYKORZYSTANIEM WYBRANYCH METOD NIESYMETRYCZNEGO SKALOWANIA WIELOWYMIAROWEGO

ANALIZA PREFERENCJI SŁUCHACZY UNIWERSYTETU TRZECIEGO WIEKU Z WYKORZYSTANIEM WYBRANYCH METOD NIESYMETRYCZNEGO SKALOWANIA WIELOWYMIAROWEGO Artur Zaborsk Unwersytet Ekonomczny we Wrocławu ANALIZA PREFERENCJI SŁUCHACZY UNIWERSYTETU TRZECIEGO WIEKU Z WYKORZYSTANIEM WYBRANYCH METOD NIESYMETRYCZNEGO SKALOWANIA WIELOWYMIAROWEGO Wprowadzene Od ukazana

Bardziej szczegółowo

Egzamin ze statystyki/ Studia Licencjackie Stacjonarne/ Termin I /czerwiec 2010

Egzamin ze statystyki/ Studia Licencjackie Stacjonarne/ Termin I /czerwiec 2010 Egzamn ze statystyk/ Studa Lcencjacke Stacjonarne/ Termn /czerwec 2010 Uwaga: Przy rozwązywanu zadań, jeśl to koneczne, naleŝy przyjąć pozom stotnośc 0,01 współczynnk ufnośc 0,99 Zadane 1 PonŜsze zestawene

Bardziej szczegółowo

Propozycja modyfikacji klasycznego podejścia do analizy gospodarności

Propozycja modyfikacji klasycznego podejścia do analizy gospodarności Jacek Batóg Unwersytet Szczecńsk Propozycja modyfkacj klasycznego podejśca do analzy gospodarnośc Przedsęborstwa dysponujące dentycznym zasobam czynnków produkcj oraz dzałające w dentycznych warunkach

Bardziej szczegółowo

(M2) Dynamika 1. ŚRODEK MASY. T. Środek ciężkości i środek masy

(M2) Dynamika 1. ŚRODEK MASY. T. Środek ciężkości i środek masy (MD) MECHANIKA - Dynamka T. Środek cężkośc środek masy (M) Dynamka T: Środek cężkośc środek masy robert.szczotka(at)gmal.com Fzyka astronoma, Lceum 01/014 1 (MD) MECHANIKA - Dynamka T. Środek cężkośc środek

Bardziej szczegółowo

OeconomiA copernicana 2013 Nr 3. Modele ekonometryczne w opisie wartości rezydualnej inwestycji

OeconomiA copernicana 2013 Nr 3. Modele ekonometryczne w opisie wartości rezydualnej inwestycji OeconomA coperncana 2013 Nr 3 ISSN 2083-1277, (Onlne) ISSN 2353-1827 http://www.oeconoma.coperncana.umk.pl/ Klber P., Stefańsk A. (2003), Modele ekonometryczne w opse wartośc rezydualnej nwestycj, Oeconoma

Bardziej szczegółowo

Analiza ryzyka jako instrument zarządzania środowiskiem

Analiza ryzyka jako instrument zarządzania środowiskiem WARSZTATY 2003 z cyklu Zagrożena naturalne w górnctwe Mat. Symp. str. 461 466 Elżbeta PILECKA, Małgorzata SZCZEPAŃSKA Instytut Gospodark Surowcam Mneralnym Energą PAN, Kraków Analza ryzyka jako nstrument

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

) 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

( ) ( ) 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

2012-10-11. Definicje ogólne

2012-10-11. Definicje ogólne 0-0- Defncje ogólne Logstyka nauka o przepływe surowców produktów gotowych rodowód wojskowy Utrzyywane zapasów koszty zwązane.n. z zarożene kaptału Brak w dostawach koszty zwązane.n. z przestoje w produkcj

Bardziej szczegółowo

PROGNOZOWANIE SPRZEDAŻY Z ZASTOSOWANIEM ROZKŁADU GAMMA Z KOREKCJĄ ZE WZGLĘDU NA WAHANIA SEZONOWE

PROGNOZOWANIE SPRZEDAŻY Z ZASTOSOWANIEM ROZKŁADU GAMMA Z KOREKCJĄ ZE WZGLĘDU NA WAHANIA SEZONOWE STUDIA I PRACE WYDZIAŁU NAUK EKONOMICZNYCH I ZARZĄDZANIA NR 36 Krzysztof Dmytrów * Marusz Doszyń ** Unwersytet Szczecńsk PROGNOZOWANIE SPRZEDAŻY Z ZASTOSOWANIEM ROZKŁADU GAMMA Z KOREKCJĄ ZE WZGLĘDU NA

Bardziej szczegółowo

Dr inż. Robert Smusz Politechnika Rzeszowska im. I. Łukasiewicza Wydział Budowy Maszyn i Lotnictwa Katedra Termodynamiki

Dr inż. Robert Smusz Politechnika Rzeszowska im. I. Łukasiewicza Wydział Budowy Maszyn i Lotnictwa Katedra Termodynamiki Dr nż. Robert Smusz Poltechnka Rzeszowska m. I. Łukasewcza Wydzał Budowy Maszyn Lotnctwa Katedra Termodynamk Projekt jest współfnansowany w ramach programu polskej pomocy zagrancznej Mnsterstwa Spraw Zagrancznych

Bardziej szczegółowo

Zaawansowane metody numeryczne

Zaawansowane metody numeryczne Wykład 9. jej modyfkacje. Oznaczena Będzemy rozpatrywać zagadnene rozwązana następującego układu n równań lnowych z n newadomym x 1... x n : a 11 x 1 + a 12 x 2 +... + a 1n x n = b 1 a 21 x 1 + a 22 x

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

Ocena jakościowo-cenowych strategii konkurowania w polskim handlu produktami rolno-spożywczymi. dr Iwona Szczepaniak

Ocena jakościowo-cenowych strategii konkurowania w polskim handlu produktami rolno-spożywczymi. dr Iwona Szczepaniak Ocena jakoścowo-cenowych strateg konkurowana w polskm handlu produktam rolno-spożywczym dr Iwona Szczepanak Ekonomczne, społeczne nstytucjonalne czynnk wzrostu w sektorze rolno-spożywczym w Europe Cechocnek,

Bardziej szczegółowo

Dywersyfikacja portfela poprzez inwestycje alternatywne. Prowadzący: Jerzy Nikorowski, Superfund TFI.

Dywersyfikacja portfela poprzez inwestycje alternatywne. Prowadzący: Jerzy Nikorowski, Superfund TFI. Dywersyfkacja ortfela orzez nwestycje alternatywne. Prowadzący: Jerzy Nkorowsk, Suerfund TFI. Część I. 1) Czym jest dywersyfkacja Jest to technka zarządzana ryzykem nwestycyjnym, która zakłada osadane

Bardziej szczegółowo

WERYFIKACJA EKONOMETRYCZNA MODELU CAPM II RODZAJU DLA RÓŻNYCH HORYZONTÓW STÓP ZWROTU I PORTFELI RYNKOWYCH

WERYFIKACJA EKONOMETRYCZNA MODELU CAPM II RODZAJU DLA RÓŻNYCH HORYZONTÓW STÓP ZWROTU I PORTFELI RYNKOWYCH SCRIPTA COMENIANA LESNENSIA PWSZ m. J. A. Komeńskego w Leszne R o k 0 0 8, n r 6 TOMASZ ŚWIST* WERYFIKACJA EKONOMETRYCZNA MODELU CAPM II RODZAJU DLA RÓŻNYCH HORYZONTÓW STÓP ZWROTU I PORTFELI RYNKOWYCH

Bardziej szczegółowo

Oligopol dynamiczny. Rozpatrzmy model sekwencyjnej konkurencji ilościowej jako gra jednokrotna z pełną i doskonalej informacją

Oligopol dynamiczny. Rozpatrzmy model sekwencyjnej konkurencji ilościowej jako gra jednokrotna z pełną i doskonalej informacją Olgopol dynamczny Rozpatrzmy model sekwencyjnej konkurencj loścowej jako gra jednokrotna z pełną doskonalej nformacją (1934) Dwa okresy: t=0, 1 tzn. frma 2 podejmując decyzję zna decyzję frmy 1 Q=q 1 +q

Bardziej szczegółowo

KRZYWA BÉZIERA TWORZENIE I WIZUALIZACJA KRZYWYCH PARAMETRYCZNYCH NA PRZYKŁADZIE KRZYWEJ BÉZIERA

KRZYWA BÉZIERA TWORZENIE I WIZUALIZACJA KRZYWYCH PARAMETRYCZNYCH NA PRZYKŁADZIE KRZYWEJ BÉZIERA KRZYWA BÉZIERA TWORZENIE I WIZUALIZACJA KRZYWYCH PARAMETRYCZNYCH NA PRZYKŁADZIE KRZYWEJ BÉZIERA Krzysztof Serżęga Wyższa Szkoła Informatyk Zarządzana w Rzeszowe Streszczene Artykuł porusza temat zwązany

Bardziej szczegółowo

Stanisław Cichocki. Natalia Nehrebecka. Wykład 6

Stanisław Cichocki. Natalia Nehrebecka. Wykład 6 Stansław Cchock Natala Nehrebecka Wykład 6 1 1. Interpretacja parametrów przy zmennych objaśnających cągłych Semelastyczność 2. Zastosowane modelu potęgowego Model potęgowy 3. Zmenne cągłe za zmenne dyskretne

Bardziej szczegółowo

Zarządzanie ryzykiem w przedsiębiorstwie i jego wpływ na analizę opłacalności przedsięwzięć inwestycyjnych

Zarządzanie ryzykiem w przedsiębiorstwie i jego wpływ na analizę opłacalności przedsięwzięć inwestycyjnych dr nż Andrze Chylńsk Katedra Bankowośc Fnansów Wyższa Szkoła Menedżerska w Warszawe Zarządzane ryzykem w rzedsęborstwe ego wływ na analzę ołacalnośc rzedsęwzęć nwestycynych w w w e - f n a n s e c o m

Bardziej szczegółowo

OBLICZANIE NIEPEWNOŚCI METODĄ TYPU B

OBLICZANIE NIEPEWNOŚCI METODĄ TYPU B OBLICZANIE NIEPEWNOŚCI METODĄ TYPU B W przypadku gdy e występuje statystyczy rozrzut wyków (wszystke pomary dają te sam wyk epewość pomaru wyzaczamy w y sposób. Główą przyczyą epewośc pomaru jest epewość

Bardziej szczegółowo

Regulacje i sądownictwo przeszkody w konkurencji między firmami w Europie Środkowej i Wschodniej

Regulacje i sądownictwo przeszkody w konkurencji między firmami w Europie Środkowej i Wschodniej Łukasz Goczek * Regulacje sądownctwo przeszkody w konkurencj mędzy frmam w Europe Środkowej Wschodnej Wstęp Celem artykułu jest analza przeszkód dla konkurencj pomędzy frmam w Europe Środkowej Wschodnej.

Bardziej szczegółowo

Dostosowanie systemu wyliczania skrypt - banki

Dostosowanie systemu wyliczania skrypt - banki Dostosowane systemu wylczana skrypt - bank 1. Zmany oznaczeń w polach StatusKlenta StatusWerzytelnosc Pole StatusKlenta Pole StatusWerzytelnosc stary ZPK nowy ZPK stary ZPK nowy ZPK NDa ND1 G1-1 G1 NDb

Bardziej szczegółowo

ZASTOSOWANIE ANALIZY HARMONICZNEJ DO OKREŚLENIA SIŁY I DŁUGOŚCI CYKLI GIEŁDOWYCH

ZASTOSOWANIE ANALIZY HARMONICZNEJ DO OKREŚLENIA SIŁY I DŁUGOŚCI CYKLI GIEŁDOWYCH Grzegorz PRZEKOTA ZESZYTY NAUKOWE WYDZIAŁU NAUK EKONOMICZNYCH ZASTOSOWANIE ANALIZY HARMONICZNEJ DO OKREŚLENIA SIŁY I DŁUGOŚCI CYKLI GIEŁDOWYCH Zarys treśc: W pracy podjęto problem dentyfkacj cykl gełdowych.

Bardziej szczegółowo

Polityka dywidend w spółkach notowanych na Giełdzie Papierów Wartościowych w Warszawie w latach 1994 2002

Polityka dywidend w spółkach notowanych na Giełdzie Papierów Wartościowych w Warszawie w latach 1994 2002 Joanna Wyrobek Akadema Ekonomczna w Krakowe Poltyka dywdend w spółkach notowanych na Gełdze Paperów Wartoścowych w Warszawe w latach 1994 2002 1. Cel badań Celem badań była analza poltyk wypłaty dywdend

Bardziej szczegółowo

KURS STATYSTYKA. Lekcja 1 Statystyka opisowa ZADANIE DOMOWE. www.etrapez.pl Strona 1

KURS STATYSTYKA. Lekcja 1 Statystyka opisowa ZADANIE DOMOWE. www.etrapez.pl Strona 1 KURS STATYSTYKA Lekcja 1 Statystyka opsowa ZADANIE DOMOWE www.etrapez.pl Strona 1 Część 1: TEST Zaznacz poprawną odpowedź (tylko jedna jest prawdzwa). Pytane 1 W statystyce opsowej mamy pełne nformacje

Bardziej szczegółowo

Statystyka Opisowa 2014 część 2. Katarzyna Lubnauer

Statystyka Opisowa 2014 część 2. Katarzyna Lubnauer Statystyka Opsowa 2014 część 2 Katarzyna Lubnauer Lteratura: 1. Statystyka w Zarządzanu Admr D. Aczel 2. Statystyka Opsowa od Podstaw Ewa Waslewska 3. Statystyka, Lucjan Kowalsk. 4. Statystyka opsowa,

Bardziej szczegółowo

Współczynnik przenikania ciepła U v. 4.00

Współczynnik przenikania ciepła U v. 4.00 Współczynnk przenkana cepła U v. 4.00 1 WYMAGANIA Maksymalne wartośc współczynnków przenkana cepła U dla ścan, stropów, stropodachów, oken drzw balkonowych podano w załącznku do Rozporządzena Mnstra Infrastruktury

Bardziej szczegółowo

-ignorowanie zmiennej wartości pieniądza w czasie, -niemoŝność porównywania projektów o róŝnych klasach ryzyka.

-ignorowanie zmiennej wartości pieniądza w czasie, -niemoŝność porównywania projektów o róŝnych klasach ryzyka. Podstawy oceny ekonomcznej przedsęwzęć termo-modernzacyjnych modernzacyjnych -Proste (statyczne)-spb (prosty czas zwrotu nakładów nwestycyjnych) -ZłoŜone (dynamczne)-dpb, NPV, IRR,PI Cechy metod statycznych:

Bardziej szczegółowo

Plan wykładu: Typowe dane. Jednoczynnikowa Analiza wariancji. Zasada: porównać zmienność pomiędzy i wewnątrz grup

Plan wykładu: Typowe dane. Jednoczynnikowa Analiza wariancji. Zasada: porównać zmienność pomiędzy i wewnątrz grup Jednoczynnkowa Analza Waranc (ANOVA) Wykład 11 Przypomnene: wykłady zadana kursu były zaczerpnęte z podręcznków: Statystyka dla studentów kerunków techncznych przyrodnczych, J. Koronack, J. Melnczuk, WNT

Bardziej szczegółowo

Ćwiczenie 10. Metody eksploracji danych

Ćwiczenie 10. Metody eksploracji danych Ćwczene 10. Metody eksploracj danych Grupowane (Clusterng) 1. Zadane grupowana Grupowane (ang. clusterng) oznacza grupowane rekordów, obserwacj lub przypadków w klasy podobnych obektów. Grupa (ang. cluster)

Bardziej szczegółowo

Dobór zmiennych objaśniających

Dobór zmiennych objaśniających Dobór zmennych objaśnających Metoda grafowa: Należy tak rozpąć graf na werzchołkach opsujących poszczególne zmenne, aby występowały w nm wyłączne łuk symbolzujące stotne korelacje pomędzy zmennym opsującym.

Bardziej szczegółowo

MODELOWANIE LICZBY SZKÓD W UBEZPIECZENIACH KOMUNIKACYJNYCH W PRZYPADKU WYSTĘPOWANIA DUŻEJ LICZBY ZER, Z WYKORZYSTANIEM PROCEDURY KROSWALIDACJI

MODELOWANIE LICZBY SZKÓD W UBEZPIECZENIACH KOMUNIKACYJNYCH W PRZYPADKU WYSTĘPOWANIA DUŻEJ LICZBY ZER, Z WYKORZYSTANIEM PROCEDURY KROSWALIDACJI Alcja Wolny-Domnak Unwersytet Ekonomczny w Katowcach MODELOWANIE LICZBY SZKÓD W UBEZPIECZENIACH KOMUNIKACYJNYCH W PRZYPADKU WYSTĘPOWANIA DUŻEJ LICZBY ZER, Z WYKORZYSTANIEM PROCEDURY KROSWALIDACJI Wprowadzene

Bardziej szczegółowo

1.1. Uprość opis zdarzeń: 1.2. Uprościć opis zdarzeń: a) A B A Uprościć opis zdarzeń: 1.4. Uprościć opis zdarzeń:

1.1. Uprość opis zdarzeń: 1.2. Uprościć opis zdarzeń: a) A B A Uprościć opis zdarzeń: 1.4. Uprościć opis zdarzeń: .. Uprość ops zdarzeń: a) A B, A \ B b) ( A B) ( A' B).. Uproścć ops zdarzeń: a) A B A b) A B, ( A B) ( B C).. Uproścć ops zdarzeń: a) A B A B b) A B C ( A B) ( B C).4. Uproścć ops zdarzeń: a) A B, A B

Bardziej szczegółowo

ZASTOSOWANIA METOD MATEMATYCZNYCH W EKONOMII I ZARZĄDZANIU

ZASTOSOWANIA METOD MATEMATYCZNYCH W EKONOMII I ZARZĄDZANIU ZASTOSOWANIA METOD MATEMATYCZNYCH W EKONOMII I ZARZĄDZANIU Studa Ekonomczne ZESZYTY NAUKOWE WYDZIAŁOWE UNIWERSYTETU EKONOMICZNEGO W KATOWICACH ZASTOSOWANIA METOD MATEMATYCZNYCH W EKONOMII I ZARZĄDZANIU

Bardziej szczegółowo

STATECZNOŚĆ SKARP. α - kąt nachylenia skarpy [ o ], φ - kąt tarcia wewnętrznego gruntu [ o ],

STATECZNOŚĆ SKARP. α - kąt nachylenia skarpy [ o ], φ - kąt tarcia wewnętrznego gruntu [ o ], STATECZNOŚĆ SKARP W przypadku obektu wykonanego z gruntów nespostych zaprojektowane bezpecznego nachylena skarp sprowadza sę do przekształcena wzoru na współczynnk statecznośc do postac: tgφ tgα = n gdze:

Bardziej szczegółowo

Proste modele ze złożonym zachowaniem czyli o chaosie

Proste modele ze złożonym zachowaniem czyli o chaosie Proste modele ze złożonym zachowanem czyl o chaose 29 kwetna 2014 Komputer jest narzędzem coraz częścej stosowanym przez naukowców do ukazywana skrzętne ukrywanych przez naturę tajemnc. Symulacja, obok

Bardziej szczegółowo

RUCH OBROTOWY Można opisać ruch obrotowy ze stałym przyspieszeniem ε poprzez analogię do ruchu postępowego jednostajnie zmiennego.

RUCH OBROTOWY Można opisać ruch obrotowy ze stałym przyspieszeniem ε poprzez analogię do ruchu postępowego jednostajnie zmiennego. RUCH OBROTOWY Można opsać ruch obrotowy ze stałym przyspeszenem ε poprzez analogę do ruchu postępowego jednostajne zmennego. Ruch postępowy a const. v v at s s v t at Ruch obrotowy const. t t t Dla ruchu

Bardziej szczegółowo

Mikroekonometria 5. Mikołaj Czajkowski Wiktor Budziński

Mikroekonometria 5. Mikołaj Czajkowski Wiktor Budziński Mkroekonometra 5 Mkołaj Czajkowsk Wktor Budzńsk Uogólnone modele lnowe Uogólnone modele lnowe (ang. Generalzed Lnear Models GLM) Różną sę od standardowego MNK na dwa sposoby: Rozkład zmennej objaśnanej

Bardziej szczegółowo

ZRÓŻNICOWANIE ROZWOJU EKONOMICZNEGO POWIATÓW POLSKI WSCHODNIEJ

ZRÓŻNICOWANIE ROZWOJU EKONOMICZNEGO POWIATÓW POLSKI WSCHODNIEJ Studa Materały. Mscellanea Oeconomcae Rok 19, Nr 4/2015, tom I Wydzał Zarządzana Admnstracj Unwersytetu Jana Kochanowskego w Kelcach Zntegrowane podejśce do spójnośc rola statystyk publcznej Paweł Dykas

Bardziej szczegółowo

Stanisław Cichocki. Natalia Nehrebecka. Wykład 6

Stanisław Cichocki. Natalia Nehrebecka. Wykład 6 Stansław Cchock Natala Nehrebecka Wykład 6 1 1. Zastosowane modelu potęgowego Model potęgowy Przekształcene Boxa-Coxa 2. Zmenne cągłe za zmenne dyskretne 3. Interpretacja parametrów przy zmennych dyskretnych

Bardziej szczegółowo

Badanie optymalnego poziomu kapitału i zatrudnienia w polskich przedsiębiorstwach - ocena i klasyfikacja

Badanie optymalnego poziomu kapitału i zatrudnienia w polskich przedsiębiorstwach - ocena i klasyfikacja Jacek Batóg Unwersytet Szczecńsk Badane optymalnego pozomu kaptału zatrudnena w polskch przedsęborstwach - ocena klasyfkacja Prowadząc dzałalność gospodarczą przedsęborstwa kerują sę jedną z dwóch zasad

Bardziej szczegółowo

SYSTEMY UCZĄCE SIĘ WYKŁAD 15. ANALIZA DANYCH WYKRYWANIE OBSERWACJI. Dr hab. inż. Grzegorz Dudek Wydział Elektryczny Politechnika Częstochowska

SYSTEMY UCZĄCE SIĘ WYKŁAD 15. ANALIZA DANYCH WYKRYWANIE OBSERWACJI. Dr hab. inż. Grzegorz Dudek Wydział Elektryczny Politechnika Częstochowska SYSTEMY UCZĄCE SIĘ WYKŁAD 15. ANALIZA DANYCH WYKRYWANIE OBSERWACJI ODSTAJĄCYCH, UZUPEŁNIANIE BRAKUJĄCYCH DANYCH Częstochowa 2014 Dr hab. nż. Grzegorz Dudek Wydzał Elektryczny Poltechnka Częstochowska WYKRYWANIE

Bardziej szczegółowo