Witold Orzeszko Uniwersytet Mikołaja Kopernika w Toruniu
|
|
- Joanna Czerwińska
- 5 lat temu
- Przeglądów:
Transkrypt
1 Wiold Orzeszo Uniwersye Miołaja Kopernia w Toruniu Wpływ doboru eod reonsrucji przesrzeni fazowej na efeywność prognozowania chaoycznych szeregów czasowych 1. Reonsrucja przesrzeni fazowej Kluczową rolę w eorii chaosu deerinisycznego pełni pojęcie syseu dynaicznego. Foralnie, przez syse dynaiczny rozuie się parę S, f, d gdzie S R jes przesrzenią sanów, zaś f : S S odwzorowanie opisujący ich ewolucję w czasie (por. Zawadzi (1996)). Analizując szereg czasowy przy użyciu eodologii eorii chaosu, przyjuje się, że zosał on wygenerowany przez pewien syse dynaiczny S, f. Pierwszy eape badania jes reonsrucja przesrzeni fazowej S. Jej cele jes wydobycie z szeregu pewnych inforacji o nieobserwowalnych sanach generującego go syseu oraz ich dynaice. Najpopularniejszą eodą reonsrucji jes eoda opóźnień, w órej buduje się weory opóźnień (zw. -hisorie) posaci xˆ = x, x,..., x ). Jej podsawą eoreyczną jes wierdzenie ( 1 lag ( 1) lag Taensa, óre głosi, że dla d 1 przesrzeń ( S ˆ, F), gdzie Ŝ jes zbiore -hisorii, zaś F odwzorowanie opisujący ich dynaię, zn. F( xˆ ) xˆ 1, oże zosać wyorzysana do zbadania własności nieznanego syseu ( S, f ). W szczególności ożliwe jes wyznaczenie wyiaru araora i wyładniów Lapunowa oraz prognozowanie (por. Casagli i in. (1991)). Meoda opóźnień wyaga przyjęcia a priori warości zanurzenia oraz opóźnienia czasowego lag. Dobór ych paraerów jes szczególnie isony w przypadu róich szeregów, w órych obecny jes szu losowy (por. Bas (1998), Casagli i in. (1991), Zeng i in. (1991)). Najczęściej sosowaną procedurą doboru wyiaru zanurzenia jes eoda Fałszywych Najbliższych Sąsiadów ( False Neares Neighbors - FNN) (Kennel i in. (199)). Meoda polega na obliczaniu ilości zw. fałszywych sąsiadów w zależności od paraeru, według nasępujących eapów: -) dla ażdych -hisorii ˆ i ˆ wyznacza się x 1 -) oblicza się współczynni x ˆ, (1) x1 xˆ 1 1 d xˆ 1 xˆ xˆ 1 xˆ. ()
2 Jeśli d przeracza pewien przyjęy pozio, wówczas uznaje się, że ˆ jes fałszywy sąsiade weora xˆ 1. Za paraer należy przyjąć warość, dla órej inializowana jes ilość fałszywych sąsiadów. Częso sosowany ryeriu doboru lag jes eoda Muual Inforaion (MI), w órej syse rozważany jes w aegorii producji inforacji. Isoą eody jes zierzenie, ile biów inforacji orzyywanej w sanie s( lag) oże być wyniie predycji oparej na inforacji zawarej w sanie s () (por. Łażewsi, Zaor ()). W y celu Fraser i Swinney (1986) proponują przyjęcie poziou opóźnienia czasowego, dla órego funcja I(lag) zwana funcją uual inforaion przyjuje pierwsze iniu. x. Loalna aprosyacja liniowa Chaoyczne szeregi czasowe różnią się od prawdziwie losowych ożliwością ich bardzo doładnego prognozowania, w rói horyzoncie czasowy. Z wierdzenia Taensa wynia, że dla d 1 isnieje funcja g T : R R, dla órej: x T g xˆ ) g ( x, x,..., x ). (3) T ( T lag ( 1) lag Oznacza o, że ając szereg długości N ożna wyznaczyć prognozę: x g xˆ ) g ( x, x,..., x ), (4) N T T ( N T N N lag N ( 1) lag gdzie T jes horyzone prognozy. Funcja g T oże ieć sopliowany nieliniowy wzór analiyczny, jedna zasąpienie jej pewną aprosyaną g ~ T oreślonego ypu, oże dawać zadawalające wynii prognoz. Meoda loalnej aprosyacji liniowej LA polega na przyjęciu za g ~ T -wyiarowej funcji wieloianowej sopnia pierwszego: g~ T ( x1, x,..., x) 1x1 x... x. (5) Esyacja paraerów poprzedzona jes wybore weorów i opóźnień, najbliższych (w sensie usalonej eryi) weorowi xˆ N. W oparciu o wyznaczonych sąsiadów, przy użyciu eody najniejszych wadraów, doonuje się esyacji współczynniów g ~ T. Przyjowana a priori liczba oże być niejsza od liczby wszysich dosępnych -hisorii, sąd nazwa aprosyacja loalna. Orzyane prognozy zależą od liczby najbliższych sąsiadów, wyiaru zanurzenia i opóźnienia czasowego lag. 3. Wynii prognoz Prognozowaniu poddano szeregi chaoyczne wygenerowane przez:
3 1. Odwzorowanie logisyczne: x 1 4 x (1 x ), dla x =,7. (6). Odwzorowanie Henona (szereg pierwszych współrzędnych): ( x 1, y 1) (1 1,4 x y ;,3x ), dla x, y =,9;,9. (7) 3. Syse Lorenza: dx 16 ( y x) d dy x z 45,9 x y (8) d dz x y 4 z d Wygenerowano szereg posaci x x(,1), dla x ( ), y(), z() 1,1,1. 4. Model Kaldora: Prognozowaniu poddano szereg Y wygenerowany z odelu Kaldora: Y 1 Y ( I ( Y, K ) S ( Y )) (9) K K I ( Y, K ) K 1 po przyjęciu założeń, że I c 1 dy S ( Y ) s Y, zaś funcja inwesycji jes posaci: e Y f a K g. (1) W badaniu przyjęo paraery prowadzące do ewolucji chaoycznej:, s=,, 5, a=5, c=, d=,1,, 1, e=,5, f=8, g=4,5 oraz warości począowe Y 65, K 65 (por. Lorenz (1989)). Analizowane szeregi sładające się z 19 obserwacji podzielono na dwie części: próbę A 1715 pierwszych obserwacji, próbę B osanich obserwacji. Dla ażdej obserwacji x i z próbi B (i=1716, 1717,,19) wyznaczono prognozę dla horyzonu czasowego T=1: ~ ~ x g ( xˆ ) g ~ ( x, x,..., x ). (11) i 1 i 1 1 i 1 i 1 lag i 1 ( 1) lag Próbę A wyorzysano do obliczenia paraerów oraz lag, oraz do oszacowania współczynniów wieloianu g ~ 1. W badaniu rozważono olejne = +,, 1714 ( 1) lag. Do oceny doładności prognozy wyznaczono dla ażdego bezwzględny błąd predycji ex-pos: 19 1 ~ 185 x i x i (1) i 1716 oraz względny ' 1% (por. Farer, Sidorowich (1987)), gdzie x jes odchylenie sandardowy szeregu z próbi A. x
4 Zasosowano dwie procedury doboru paraerów zreonsruowanej przesrzeni sanów: FNN-MI i : 1. FNN-MI : W oparciu o próbę A, przy zasosowaniu eody FNN wyznaczono warość wyiaru zanurzenia, zaś przy użyciu eody MI opóźnienie czasowe lag.. : Próbę A podzielono na dwie części: A 1 =165 pierwszych obserwacji i A =65 osanich obserwacji. Dla ażdej obserwacji z A doonano predycji eodą LA, wyorzysując A 1 do oszacowania wieloianu aprosyującego. Prognozy wyznaczono dla olejnych lag=1,, 5, =1,,,15, =+,, 1649 ( 1) lag. Spośród rozważonych paraerów wybrano aie warości i lag, dla órych orzyana prognoza była najdoładniejsza. Najniejsze błędy prognoz wraz z wyznaczonyi paraerai przesrzeni fazowej zosały podsuowane w abelach 1-4. Wyresy 1-4 przedsawiają zależność bezwzględnego błędu prognozy od warości paraeru. Tabela 1. Najniejsze błędy prognoz dla odwzorowania logisycznego Meoda ' Paraery Opyalne LA % =, lag=1 =6 LA FNN-MI 1-5,% =1, lag=7 =4 ARMA,33 96,3% Biały szu Tabela. Najniejsze błędy prognoz dla szeregu Henona Meoda ' Paraery Opyalne LA 1-4,1% =4, lag=1 =7 LA FNN-MI 9 5,5% =1, lag=18 =16 ARMA,63 85,59% ARMA(,6) Tabela 3. Najniejsze błędy prognoz dla syseu Lorenza Meoda ' Paraery Opyalne LA,4,3% =14, lag=1 =34 LA FNN-MI,383 3,% =15, lag=1 =17 ARMA,8,6% ARMA(5,4) Tabela 4. Najniejsze błędy prognoz dla odelu Kaldora Meoda ' Paraery Opyalne LA 1,41% =, lag=1 =6 LA FNN-MI 1,86 7,13% =3, lag=3 =13 ARMA 17,8 66,45% ARMA(,3)
5 Rys. 1. Błędy prognoz dla odwzorowania logisycznego FNN-MI,4,35,3,5, 5, ,4,35,3,5, 5, Rys.. Błędy prognoz dla szeregu Henona FNN-MI,8,7,6,5,4,3, ,7,6,5,4,3, Rys. 3. Błędy prognoz dla szeregu Lorenza FNN-MI ,9,8,7,6,5,4,3,,
6 Rys. 4. Błędy prognoz dla odelu Kaldora FNN-MI Na wyresach 5-8 przedsawiono różnice i ilorazy błędów prognoz orzyanych przy zasosowaniu procedur FNN-MI i dla olejnych warości. Dodania różnica oznacza wyższość procedury. Z wyresów ilorazów błędów ożna odczyać, ile razy błąd orzyany przy zasosowaniu procedury jes niejszy od błędu FNN-MI. Ponieważ z punu widzenia prognozowania szeregów chaoycznych isone są niewielie warości (por. Casagli (199)), dlaego wyresy ilorazów błędów zosały ograniczone do 15. Rys. 5. Różnice oraz ilorazy błędów prognoz dla odwzorowania logisycznego różnice błędów prognoz, -, ,4 -,6 -, iloraz błędów prognoz Rys. 6. Różnice oraz ilorazy błędów prognoz dla szeregu Henona różnice błędów prognoz,5, 5,5 -, , iloraz błędów prognoz
7 Rys. 7. Różnice oraz ilorazy błędów prognoz dla syseu Lorenza różnice błędów prognoz iloraz błędów prognoz Rys. 8. Różnice oraz ilorazy błędów prognoz dla odelu Kaldora różnice błędów prognoz iloraz błędów prognoz W abeli 5 zaprezenowano warości, dla órych przeważa procedura, a aże inialne i asyalne ilorazy błędów prognoz dla 15. Tabela 5. Porównanie procedur i FNN-MI Szereg Przewaga procedury Zares ilorazów błędów prognoz Odwzorowanie logisyczne <61 od 1,9 do 89,3 Szereg Henona <45 od 1,43 do 59,65 Syse Lorenza dowolne od 83,1 do 953,66 Model Kaldora <141 od 3,36 do 79,59 4. Wniosi Z przeprowadzonych badań wynia, że chaoyczne szeregi czasowe ogą być prognozowane w rói horyzoncie czasowy z bardzo dużą doładnością. W zasosowaniu do analizowanych szeregów loalna aprosyacja liniowa dała prognozy wyraźnie lepsze niż odele ARMA. Wyjąie był jedynie szereg Lorenza, gdzie wyższość eody zależała od przyjęej procedury doboru paraerów zreonsruowanej przesrzeni sanów.
8 Zauważalny jes wpływ zasosowanej eody doboru paraerów na doładność prognozowania. Dla ażdego szeregu procedura FNN-MI prowadziła do prognoz dużo gorszych niż procedura. Badania poazują, że błędy predycji isonie zależą również od rzeciego paraeru liczby najbliższych sąsiadów wyorzysanych do esyacji współczynniów wieloianu aprosyującego. W przypadu prognozowania chaoycznych szeregów czasowych eodą LA, najniejsze błędy orzyuje się dla niewielich warości. Z przeprowadzonych prognoz wynia, że w aich syuacjach wyraźnie zauważalna jes wyższość procedury, a zae eody FNN i MI wyznaczają paraery daleie od opyalnych. Lieraura Bas M. (1998), Esseys on exchange raes: deerinisic chaos and echnical analysis, aszynopis. Casagli M. (1991), Euban S., Farer J.D., Gibson J., Sae space reconsrucion in he presence of noise, Physica D, 51,. Casdagli M. (199), Chaos and Deerinisic versus Sochasic Non-linear Modelling, Journal of he Royal Saisical Sociey B, 54, no.. Farer J.D. (1987), Sidorowich J.J., Predicing Chaoic Tie Series, Physical Review Leers, 59. Fraser A.M., Swinney H.L. (1986), Independen Coordinaes for Srange Aracors fro Muual Inforaion, Physical Review A, 33. Kennel M.B., Brown R., Abarbanel H.D.I. (199), Deerining ebedding diension for phase-space reconsrucion using a geoerical consrucion, Physical Review A, vol.45, no. 6. Lorenz H-W. (1989), Nonlinear Dynaical Econoics and Chaoic Moion, Springer Verlag, Berlin Heidelberg. Łażewsi M., Zaor K. (), Analiza chaosu deerinisycznego w szeregach czasowych cen acji pozbawionych rendu a prognozowanie rynów finansowych, w: Ryne apiałowy. Sueczne inwesowanie. red. W. Tarczyńsi, Szczecin. Taens F. (1981), Deecing Srange Aracors in Turbulence, (D. Rand and L.Young, Eds), w: Dynaical Syses and Turbulence, Springer-Verlag. Zawadzi H. (1996), Chaoyczne sysey dynaiczne, Wydawnicwo Aadeii Eonoicznej i. Karola Adaieciego, Kaowice. Zeng X., Piele R.A., Eyhol R. (199), Exracing Lyapunov exponens fro shor ie series of low precision, Modern Physics Leers B, 6.
Witold Orzeszko * ZASTOSOWANIE LOKALNEJ APROKSYMACJI WIELOMIANOWEJ DO PROGNOZOWANIA CHAOTYCZNYCH SZEREGÓW CZASOWYCH. Streszczenie
Wiold Orzeszo * ZASTOSOWANIE LOKALNEJ APROKSYMACJI WIELOMIANOWEJ DO PROGNOZOWANIA CHAOTYCZNYCH SZEREGÓW CZASOWYCH Sreszczenie Teoria chaosu deerminisycznego sanowi alernaywne podejście do analizy procesów
Bardziej szczegółowoWitold Orzeszko Uniwersytet Mikołaja Kopernika. Krótkoterminowe prognozowanie chaotycznych szeregów czasowych
Wiold Orzeszko Uniwersye Mikołaja Kopernika Krókoerinowe prognozowanie chaoycznych szeregów czasowych. Wsęp Pozornie przypadkowy charaker chaoycznych szeregów czasowych oże prowadzić do błędnego wniosku,
Bardziej szczegółowoWitold Orzeszko WSPÓŁCZYNNIK INFORMACJI WZAJEMNEJ JAKO MIARA ZALEŻNOŚCI NIELINIOWYCH W SZEREGACH CZASOWYCH
Uniwersye Miołaja Kopernia w Toruniu Kaedra Eonomerii i Saysyi Wiold Orzeszo WSPÓŁCZYNNIK INFORMACJI WZAJEMNEJ JAKO MIARA ZALEŻNOŚCI NIELINIOWYCH W SZEREGACH CZASOWYCH Z a r y s r e ś c i. W aryule scharaeryzowano
Bardziej szczegółowoEkonometryczne modele nieliniowe
Ekonoeryczne odele nieliniowe Wykład 4 NMNK, MNW, eody radienowe Lieraura W. Greene Econoeric Analysis, rozdz. 7. sr. -4 J. Hailon 994 ie Series Analysis, sr. 33 5 Chun-Min Kuan 7 Inroducion o Econoeric
Bardziej szczegółowoTemat ćwiczenia: GENERATOR FUNKCYJNY i OSCYLOSKOP Układ z diodą prostowniczą, pomiary i obserwacje sygnałów elektrycznych Wprowadzenie AMD
Laboraoriu Eleroechnii i eleronii ea ćwiczenia: LABORAORIUM 6 GENERAOR UNKCYJNY i OSCYLOSKOP Uład z diodą prosowniczą, poiary i obserwacje sygnałów elerycznych Wprowadzenie Ćwiczenie a za zadanie zapoznanie
Bardziej szczegółowoPolitechnika Częstochowska Wydział Inżynierii Mechanicznej i Informatyki. Sprawozdanie #2 z przedmiotu: Prognozowanie w systemach multimedialnych
Poliechnika Częsochowska Wydział Inżynierii Mechanicznej i Informayki Sprawozdanie #2 z przedmiou: Prognozowanie w sysemach mulimedialnych Andrzej Siwczyński Andrzej Rezler Informayka Rok V, Grupa IO II
Bardziej szczegółowoTWIERDZENIE FRISCHA-WAUGHA-STONE A A PYTANIE RUTKAUSKASA
Uniwersye Szczecińsi TWIERDZENIE FRISCHA-WAUGHA-STONE A A PYTANIE RUTKAUSKASA Zagadnienia, óre zosaną uaj poruszone, przedsawiono m.in. w pracach [], [2], [3], [4], [5], [6]. Konferencje i seminaria nauowe
Bardziej szczegółowoTeoria sterowania 1 Temat ćwiczenia nr 7a: Synteza parametryczna układów regulacji.
eoria serowania ema ćwiczenia nr 7a: Syneza parameryczna uładów regulacji. Celem ćwiczenia jes orecja zadanego uładu regulacji wyorzysując nasępujące meody: ryerium ampliudy rezonansowej, meodę ZiegleraNicholsa
Bardziej szczegółowoParametryczny koder mowy - wokoder. Synteza mowy w odbiorniku: d=1 - mowa dźwięczna (T 0 = okres tonu krtaniowego) d=0 - mowa bezdźwięczna
Paraeryczny koder owy - wokoder Syneza owy w odbiorniku: d=1 - owa dźwięczna T 0 = okres onu kraniowego d=0 - owa bezdźwięczna Wokoder nadajnik Eksrakcja onu kraniowego 1. Przebieg czasowy sygnału i błędu
Bardziej szczegółowoWitold 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 szczegółowoSzeregi Fouriera (6 rozwiązanych zadań +dodatek)
PWR I Załad eorii Obwodów Szeregi ouriera (6 rozwiązanych zadań +dodae) Opracował Dr Czesław Michali Zad Znaleźć ores nasępujących sygnałów: a) y 3cos(ω ) + 5cos(7ω ) + cos(5ω ), b) y cos(ω ) + 5cos(ω
Bardziej szczegółowoWygładzanie 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 szczegółowoTemat 6. ( ) ( ) ( ) k. Szeregi Fouriera. Własności szeregów Fouriera. θ możemy traktować jako funkcje ω, których dziedziną jest dyskretny zbiór
ema 6 Opracował: Lesław Dereń Kaedra eorii Sygnałów Insyu eleomuniacji, eleinformayi i Ausyi Poliechnia Wrocławsa Prawa auorsie zasrzeżone Szeregi ouriera Jeżeli f ( ) jes funcją oresową o oresie, czyli
Bardziej szczegółowoANALIZA, PROGNOZOWANIE I SYMULACJA / Ćwiczenia 1
ANALIZA, PROGNOZOWANIE I SYMULACJA / Ćwiczenia 1 mgr inż. Żanea Pruska Maeriał opracowany na podsawie lieraury przedmiou. Zadanie 1 Firma Alfa jes jednym z głównych dosawców firmy Bea. Ilość produku X,
Bardziej szczegółowoDYNAMICZNE 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 szczegółowoWitold Orzeszko Uniwersytet Mikołaja Kopernika w Toruniu. Własności procesów STUR w świetle metod z teorii chaosu 1
DYNAMICZNE MODELE EKONOMETRYCZNE IX Ogólnopolskie Seminarium Naukowe, 6-8 września 2005 w Toruniu Kaedra Ekonomerii i Saysyki, Uniwersye Mikołaja Kopernika w Toruniu Uniwersye Mikołaja Kopernika w Toruniu
Bardziej szczegółowoModelowanie i obliczenia techniczne. Równania różniczkowe Numeryczne rozwiązywanie równań różniczkowych zwyczajnych
Moelowanie i obliczenia echniczne Równania różniczowe Numeryczne rozwiązywanie równań różniczowych zwyczajnych Przyła ułau ynamicznego E Uła ynamiczny R 0 Zachozi porzeba wyznaczenia: C u C () i() ur ir
Bardziej szczegółowoWYKŁAD 5 METODY OPTYMALIZACJI NIELINIOWEJ BEZ OGRANICZEŃ
WYKŁAD 5 METODY OPTYMALIZACJI NIELINIOWEJ BEZ OGRANICZEŃ Wstęp. Za wyjątie nielicznych funcji, najczęściej w postaci wieloianów, dla tórych ożna znaleźć iniu na drodze analitycznej, pozostała więszość
Bardziej szczegółowoPROGNOZOWANIE. Ćwiczenia 2. mgr Dawid Doliński
Ćwiczenia 2 mgr Dawid Doliński Modele szeregów czasowych sały poziom rend sezonowość Y Y Y Czas Czas Czas Modele naiwny Modele średniej arymeycznej Model Browna Modele ARMA Model Hola Modele analiyczne
Bardziej szczegółowolicencjat Pytania teoretyczne:
Plan wykładu: 1. Wiadomości ogólne. 2. Model ekonomeryczny i jego elemeny 3. Meody doboru zmiennych do modelu ekonomerycznego. 4. Szacownie paramerów srukuralnych MNK. Weryfikacja modelu KMNK 6. Prognozowanie
Bardziej szczegółowoAnaliza rynku projekt
Analiza rynku projek A. Układ projeku 1. Srona yułowa Tema Auor 2. Spis reści 3. Treść projeku 1 B. Treść projeku 1. Wsęp Po co? Na co? Dlaczego? Dlaczego robię badania? Jakimi meodami? Dla Kogo o jes
Bardziej szczegółowoKombinowanie prognoz. - dlaczego należy kombinować prognozy? - obejmowanie prognoz. - podstawowe metody kombinowania prognoz
Noaki do wykładu 005 Kombinowanie prognoz - dlaczego należy kombinować prognozy? - obejmowanie prognoz - podsawowe meody kombinowania prognoz - przykłady kombinowania prognoz gospodarki polskiej - zalecenia
Bardziej szczegółowoA C T A U N I V E R S I T A T I S L O D Z I E N S I S. W itold Orzesz ko*
A C T A U N I V E R S I T A T I S L O D Z I E N S I S FOLIA OECONOM ICA 177, 2004 W itold Orzesz ko* ZASTOSOW ANIE LOKALNEJ APROKSYMACJI W IELOM IANOW EJ DO PROGNOZOW ANIA CHAOTYCZNYCH SZEREG Ó W CZASOW
Bardziej szczegółowoWitold Orzeszko Uniwersytet Mikołaja Kopernika w Toruniu. Zastosowanie testu Kaplana do identyfikacji ekonomicznych szeregów czasowych
Witold Orzeszko Uniwersytet Mikołaja Kopernika w Toruniu Zastosowanie testu Kaplana do identyfikacji ekonomicznych szeregów czasowych Streszczenie Identyfikacja zależności w szeregach czasowych jest jednym
Bardziej szczegółowoKatedra Systemów Przetwarzania Sygnałów SZEREGI FOURIERA
Ćwiczenie Zmodyfiowano 7..5 Prawa auorsie zasrzeżone: Kaedra Sysemów Przewarzania Sygnałów PWr SZEREGI OURIERA Celem ćwiczenia jes zapoznanie się z analizą i synezą sygnałów oresowych w dziedzinie częsoliwości.
Bardziej szczegółowoPROGNOZOWANIE I SYMULACJE. mgr Żaneta Pruska. Ćwiczenia 2 Zadanie 1
PROGNOZOWANIE I SYMULACJE mgr Żanea Pruska Ćwiczenia 2 Zadanie 1 Firma Alfa jes jednym z głównych dosawców firmy Bea. Ilość produku X, wyrażona w ysiącach wyprodukowanych i dosarczonych szuk firmie Bea,
Bardziej szczegółowoMGR 2. 2. Ruch drgający.
MGR. Ruch drgający. Ruch uładów drgających (sprężyny, guy, brzeszczou, ip.). Badanie ruchu ciała zawieszonego na sprężynie. Wahadło aeayczne. Wahadło fizyczne. Rezonans echaniczny. Ćw. 1. Wyznaczanie oresu
Bardziej szczegółowoEkonometryczne modele nieliniowe
Eonomeryczne modele nieliniowe Wyład Doromił Serwa Zajęcia Wyład Laoraorium ompuerowe Prezenacje Zaliczenie EGZAMI 50% a egzaminie oowiązują wszysie informacje przeazane w czasie wyładów np. slajdy. Aywność
Bardziej szczegółowoUkład regulacji ze sprzężeniem od stanu
Uład reglacji ze sprzężeniem od san 1. WSĘP Jednym z celów sosowania ład reglacji owarego, zamnięego jes szałowanie dynamii obie serowania. Jeżeli obie opisany jes równaniami san, o dynamia obie jes jednoznacznie
Bardziej szczegółowoWYKORZYSTANIE STATISTICA DATA MINER DO PROGNOZOWANIA W KRAJOWYM DEPOZYCIE PAPIERÓW WARTOŚCIOWYCH
SaSof Polska, el. 12 428 43 00, 601 41 41 51, info@sasof.pl, www.sasof.pl WYKORZYSTANIE STATISTICA DATA MINER DO PROGNOZOWANIA W KRAJOWYM DEPOZYCIE PAPIERÓW WARTOŚCIOWYCH Joanna Maych, Krajowy Depozy Papierów
Bardziej szczegółowoZarządzanie ryzykiem. Lista 3
Zaządzanie yzykiem Lisa 3 1. Oszacowano nasępujący ozkład pawdopodobieńswa dla sóp zwou z akcji A i B (Tabela 1). W chwili obecnej Akcja A ma waość ynkową 70, a akcja B 50 zł. Ile wynosi pięciopocenowa
Bardziej szczegółowoPOMIAR MOCY OBIEKTÓW O EKSTREMALNIE MAŁYM WSPÓŁCZYNNIKU MOCY
Prace Nauowe Insyuu Maszyn, Napędów i Pomiarów Elerycznych Nr 63 Poliechnii Wrocławsiej Nr 63 Sudia i Maeriały Nr 9 009 Grzegorz KOSOBUDZKI* pomiar mocy błąd pomiaru, współczynni mocy POMIAR MOCY OBIEKÓW
Bardziej szczegółowoMetody badania wpływu zmian kursu walutowego na wskaźnik inflacji
Agnieszka Przybylska-Mazur * Meody badania wpływu zmian kursu waluowego na wskaźnik inflacji Wsęp Do oceny łącznego efeku przenoszenia zmian czynników zewnęrznych, akich jak zmiany cen zewnęrznych (szoki
Bardziej szczegółowoIDENTYFIKACJA CHAOSU DETERMINISTYCZNEGO NA PODSTAWIE LICZBY NAJBLIŻSZYCH SĄSIADÓW
Suia Ekonomiczne. Zeszyy Naukowe Uniwersyeu Ekonomicznego w Kaowicach ISSN 2083-86 Nr 295 206 Uniwersye Ekonomiczny w Kaowicach Wyział Zarzązania Kaera Maemayki kaarzyna.zeug-zebro@ue.kaowice.pl IDENTYFIKACJA
Bardziej szczegółowoDYNAMICZNE MODELE EKONOMETRYCZNE
DYNAMICZNE MODELE EKONOMETRYCZNE X Ogólnopolskie Seminarium Naukowe, 4 6 września 2007 w Toruniu Kaedra Ekonomerii i Saysyki, Uniwersye Mikołaja Kopernika w Toruniu Uniwersye Gdański Zasosowanie modelu
Bardziej szczegółowoWprowadzenie do teorii prognozowania
Wprowadzenie do teorii prognozowania I Pojęcia: 1. Prognoza i zmienna prognozowana (przedmiot prognozy). Prognoza punktowa i przedziałowa. 2. Okres prognozy i horyzont prognozy. Prognozy krótkoterminowe
Bardziej szczegółowoOeconomiA copernicana. Katarzyna Czech Szkoła Główna Gospodarstwa Wiejskiego w Warszawie
OeconomiA copernicana 2012 Nr 3 IN 2083-1277 Kaarzyna Czech zoła Główna Gospodarswa Wiejsiego w Warszawie NIEZABEZPIECZONY PARYTET TÓP PROCENTOWYCH NA RYNKU JENA JAPOŃKIEGO Klasyfiacja JEL: F31 łowa luczowe:
Bardziej szczegółowoPUNKTOWA I PRZEDZIAŁOWA PREDYKCJA PRZEWOZÓW PASAŻERÓW W ŻEGLUDZE PROMOWEJ NA BAŁTYKU W LATACH 2008 2010
STUDIA I PRACE WYDZIAŁU NAUK EKONOMICZNYCH I ZARZĄDZANIA NR 15 Chrisian Lis PUNKTOWA I PRZEDZIAŁOWA PREDYKCJA PRZEWOZÓW PASAŻERÓW W ŻEGLUDZE PROMOWEJ NA BAŁTYKU W LATACH 2008 2010 Wprowadzenie Przedmioem
Bardziej szczegółowoZESZYTY NAUKOWE UNIWERSYTETU SZCZECI SKIEGO
ZESZYTY NAUKOWE UNIWERSYTETU SZCZECI SKIEGO NR 394 PRACE KATEDRY EKONOMETRII I STATYSTYKI NR 5 4 EWA DZIAWGO Uniwersye Miołaa Kopernia w Toruniu ANALIZA WRA LIWO CI CENY KOSZYKOWEJ OPCJI KUPNA WPROWADZENIE
Bardziej szczegółowoDobór przekroju żyły powrotnej w kablach elektroenergetycznych
Dobór przekroju żyły powronej w kablach elekroenergeycznych Franciszek pyra, ZPBE Energopomiar Elekryka, Gliwice Marian Urbańczyk, Insyu Fizyki Poliechnika Śląska, Gliwice. Wsęp Zagadnienie poprawnego
Bardziej szczegółowoTeoria impulsu i jej empiryczne potwierdzenie przy użyciu metod filtracji szeregów czasowych
Paweł Srzypczyńsi, Krzyszof Borowsi Szoła Główna Handlowa Teoria impulsu i jej empiryczne powierdzenie przy użyciu meod filracji szeregów czasowych 1. Wprowadzenie Współczesne narzędzia z zaresu analizy
Bardziej szczegółowoKURS EKONOMETRIA. Lekcja 1 Wprowadzenie do modelowania ekonometrycznego ZADANIE DOMOWE. Strona 1
KURS EKONOMETRIA Lekcja 1 Wprowadzenie do modelowania ekonomerycznego ZADANIE DOMOWE www.erapez.pl Srona 1 Część 1: TEST Zaznacz poprawną odpowiedź (ylko jedna jes prawdziwa). Pyanie 1 Kóre z poniższych
Bardziej szczegółowoE k o n o m e t r i a S t r o n a 1. Nieliniowy model ekonometryczny
E k o n o m e r i a S r o n a Nieliniowy model ekonomeryczny Jednorównaniowy model ekonomeryczny ma posać = f( X, X,, X k, ε ) gdzie: zmienna objaśniana, X, X,, X k zmienne objaśniające, ε - składnik losowy,
Bardziej szczegółowo- obliczyć względne procentowe odchylenie otrzymanej wartości od wartości tablicowej:
Kila uwa: - Doświadczenia przeprowadzay w rupach - osobowych (nie więszych), jedna w raach rupy ażdy suden wyonuje swoje osobne poiary i obliczenia. - Na zajęcia przychodziy z wydruowanyi wybranyi ćwiczeniai
Bardziej szczegółowoPrognozowanie średniego miesięcznego kursu kupna USD
Prognozowanie średniego miesięcznego kursu kupna USD Kaarzyna Halicka Poliechnika Białosocka, Wydział Zarządzania, Kaedra Informayki Gospodarczej i Logisyki, e-mail: k.halicka@pb.edu.pl Jusyna Godlewska
Bardziej szczegółowoParytet stóp procentowych a premia za ryzyko na przykładzie kursu EURUSD
Parye sóp procenowych a premia za ryzyko na przykładzie kursu EURUD Marcin Gajewski Uniwersye Łódzki 4.12.2008 Parye sóp procenowych a premia za ryzyko na przykładzie kursu EURUD Niezabazpieczony UIP)
Bardziej szczegółowo1. Szereg niesezonowy 1.1. Opis szeregu
kwaralnych z la 2000-217 z la 2010-2017.. Szereg sezonowy ma charaker danych model z klasy ARIMA/SARIMA i model eksrapolacyjny oraz d prognoz z ych modeli. 1. Szereg niesezonowy 1.1. Opis szeregu Analizowany
Bardziej szczegółowoA 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 XLIII nr 2 (2012)
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 XLIII nr 2 (2012) 211 220 Pierwsza wersja złożona 25 października 2011 ISSN Końcowa wersja zaakcepowana 3 grudnia 2012 2080-0339
Bardziej szczegółowoSzybkość reakcji chemicznej jest proporcjonalna do iloczynu stężeń. reagentów w danej chwili. n A + m B +... p C + r D +... v = k 1 C A n C B m...
9 KINETYKA CHEMICZNA Zagadnienia eoreyczne Prawo działania mas. Szybość reacji chemicznych. Reacje zerowego, pierwszego i drugiego rzędu. Cząseczowość i rzędowość reacji chemicznych. Czynnii wpływające
Bardziej szczegółowoREKONSTRUKCJA PRZESTRZENI STANÓW - ROZKŁAD WARTOŚCI OSOBLIWYCH
Katarzyna Zeug REKONSTRUKCJA PRZESTRZENI STANÓW - ROZKŁAD WARTOŚCI OSOBLIWYCH Wstęp Jednym z narządzi matematycznych potrzebnych do opisu szeregów czasowych jest metoda rekonstrukcji. Umożliwia ona rekonstrukcją
Bardziej szczegółowoPROGNOZOWANIE I SYMULACJE EXCEL 2 PROGNOZOWANIE I SYMULACJE EXCEL AUTOR: ŻANETA PRUSKA
1 PROGNOZOWANIE I SYMULACJE EXCEL 2 AUTOR: mgr inż. ŻANETA PRUSKA DODATEK SOLVER 2 Sprawdzić czy w zakładce Dane znajduję się Solver 1. Kliknij przycisk Microsof Office, a nasępnie kliknij przycisk Opcje
Bardziej szczegółowoWNIOSKOWANIE STATYSTYCZNE
Wnioskowanie saysyczne w ekonomerycznej analizie procesu produkcyjnego / WNIOSKOWANIE STATYSTYCZNE W EKONOMETRYCZNEJ ANAIZIE PROCESU PRODUKCYJNEGO Maeriał pomocniczy: proszę przejrzeć srony www.cyf-kr.edu.pl/~eomazur/zadl4.hml
Bardziej szczegółowoStudia 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 szczegółowoĆwiczenie 13. Stanisław Lamperski WYZNACZANIE STAŁEJ SZYBKOŚCI REAKCJI ORAZ ENTROPII I ENTALPII AKTYWACJI
Ćwiczenie 3 Sanisław Lampersi WYZNACZANIE SAŁEJ SZYBKOŚCI REAKCJI ORAZ ENROPII I ENALPII AKYWACJI Zagadnienia: Pojęcie szybości reacji, liczby posępu reacji. Równanie ineyczne, rzędowość a cząseczowość
Bardziej szczegółowo1. Rezonans w obwodach elektrycznych 2. Filtry częstotliwościowe 3. Sprzężenia magnetyczne 4. Sygnały odkształcone
Wyład 6 - wersja srócona. ezonans w obwodach elerycznych. Filry częsoliwościowe. Sprzężenia magneyczne 4. Sygnały odszałcone AMD ezonans w obwodach elerycznych Zależności impedancji dwójnia C od pulsacji
Bardziej szczegółowoESTYMACJA KRZYWEJ DOCHODOWOŚCI STÓP PROCENTOWYCH DLA POLSKI
METODY ILOŚCIOWE W BADANIACH EKONOMICZNYCH Tom XIII/3, 202, sr. 253 26 ESTYMACJA KRZYWEJ DOCHODOWOŚCI STÓP PROCENTOWYCH DLA POLSKI Adam Waszkowski Kaedra Ekonomiki Rolnicwa i Międzynarodowych Sosunków
Bardziej szczegółowoWskazówki projektowe do obliczania nośności i maksymalnego zanurzenia statku rybackiego na wstępnym etapie projektowania
CEPOWSKI omasz 1 Wskazówki projekowe do obliczania nośności i maksymalnego zanurzenia saku rybackiego na wsępnym eapie projekowania WSĘP Celem podjęych badań było opracowanie wskazówek projekowych do wyznaczania
Bardziej szczegółowoWykład 6. Badanie dynamiki zjawisk
Wykład 6 Badanie dynamiki zjawisk Krzywa wieża w Pizie 1 2 3 4 5 6 7 8 9 10 11 12 13 y 4,9642 4,9644 4,9656 4,9667 4,9673 4,9688 4,9696 4,9698 4,9713 4,9717 4,9725 4,9742 4,9757 Szeregiem czasowym nazywamy
Bardziej szczegółowoTEORIA OBWODÓW I SYGNAŁÓW LABORATORIUM
EORI OBWODÓW I SYGNŁÓW LBORORIUM KDEMI MORSK Katedra eleomuniacji Morsiej Ćwiczenie nr 2: eoria obwodów i sygnałów laboratorium ĆWICZENIE 2 BDNIE WIDM SYGNŁÓW OKRESOWYCH. Cel ćwiczenia Celem ćwiczenia
Bardziej szczegółowoAnaliza i Zarządzanie Portfelem cz. 6 R = Ocena wyników zarządzania portfelem. Pomiar wyników zarządzania portfelem. Dr Katarzyna Kuziak
Ocena wyników zarządzania porelem Analiza i Zarządzanie Porelem cz. 6 Dr Kaarzyna Kuziak Eapy oceny wyników zarządzania porelem: - (porolio perormance measuremen) - Przypisanie wyników zarządzania porelem
Bardziej szczegółowoLABORATORIUM SYGNAŁÓW I SYSTEMÓW. Ćwiczenie 1
POLIECHNIKA WARSZAWSKA INSYU RADIOELEKRONIKI ZAKŁAD RADIOKOMUNIKACJI LABORAORIUM SYGNAŁÓW I SYSEMÓW Ćwiczenie ema: MODELE CZĘSOLIWOŚCIOWE SYGNAŁÓW Opracowała: mgr inż. Kajeana Snope Warszawa Cel ćwiczenia
Bardziej szczegółowoLABORATORIUM SYGNAŁÓW I SYSTEMÓW. Ćwiczenie 1
POLIECHNIKA WARSZAWSKA INSYU RADIOELEKRONIKI ZAKŁAD RADIOKOMUNIKACJI LABORAORIUM SYGNAŁÓW I SYSEMÓW Ćwiczenie ea: MODELE CZĘSOLIWOŚCIOWE SYGNAŁÓW Opracowała: gr inż. Kajeana Snope Warszawa Cel ćwiczenia
Bardziej szczegółowoMODEL OGÓLNY MONITOROWANIA RYZYKA AWARII W EKSPLOATACJI ŚRODKÓW TRANSPORTU
Henry TOMASZEK Ryszard KALETA Mariusz ZIEJA Insyu Techniczny Wojs Loniczych PRACE NAUKOWE ITWL Zeszy 33, s. 5 17, 2013 r. DOI 10.2478/afi-2013-0001 MODEL OGÓLNY MONITOROWANIA RYZYKA AWARII W EKSPLOATACJI
Bardziej szczegółowoEwa Dziawgo Uniwersytet Mikołaja Kopernika w Toruniu. Analiza wrażliwości modelu wyceny opcji złożonych
DYNAMICZNE MODELE EKONOMETRYCZNE X Ogólnopolskie Seminarium Naukowe, 4 6 września 7 w Toruniu Kaedra Ekonomerii i Saysyki, Uniwersye Mikołaja Kopernika w Toruniu Uniwersye Mikołaja Kopernika w Toruniu
Bardziej szczegółowoOcena płynności wybranymi metodami szacowania osadu 1
Bogdan Ludwiczak Wprowadzenie Ocena płynności wybranymi meodami szacowania osadu W ubiegłym roku zaszły znaczące zmiany doyczące pomiaru i zarządzania ryzykiem bankowym. Są one konsekwencją nowowprowadzonych
Bardziej szczegółowoA4: Filtry aktywne rzędu II i IV
A4: Filtry atywne rzędu II i IV Jace Grela, Radosław Strzała 3 maja 29 1 Wstęp 1.1 Wzory Poniżej zamieszczamy podstawowe wzory i definicje, tórych używaliśmy w obliczeniach: 1. Związe między stałą czasową
Bardziej szczegółowoOPTYMALIZACJA PORTFELA INWESTYCYJNEGO ZE WZGLĘDU NA MINIMALNY POZIOM TOLERANCJI DLA USTALONEGO VaR
Daniel Iskra Uniwersye Ekonomiczny w Kaowicach OPTYMALIZACJA PORTFELA IWESTYCYJEGO ZE WZGLĘDU A MIIMALY POZIOM TOLERACJI DLA USTALOEGO VaR Wprowadzenie W osanich laach bardzo popularną miarą ryzyka sała
Bardziej szczegółowoMODELE MATEMATYCZNE ENERGOELEKTRONICZNYCH PRZEKSZTAŁTNIKÓW WIELOPOZIOMOWYCH ANALIZA WŁAŚCIWOŚCI I ZASTOSOWANIE
Modele aeayczne energoeleronicznych przeszałniów wielopozioowych. Analiza... 9 Jan IWASZKIEWICZ MOELE MATEMATYCZNE ENERGOELEKTRONICZNYCH PRZEKSZTAŁTNIKÓW WIELOPOZIOMOWYCH ANALIZA WŁAŚCIWOŚCI I ZASTOSOWANIE
Bardziej szczegółowoDYNAMICZNE MODELE EKONOMETRYCZNE
DYNAMICZNE MODELE EKONOMETRYCZNE X Ogólnopolskie Seminarium Naukowe, 4 6 września 2007 w Toruniu Kaedra Ekonomerii i Saysyki, Uniwersye Mikołaja Kopernika w Toruniu Pior Fiszeder Uniwersye Mikołaja Kopernika
Bardziej szczegółowoMODELE EKONOMICZNE Z DYNAMIKĄ CHAOTYCZNĄ
Monika Miśkiewicz-Nawrocka MODELE EONOMICZNE Z DYNAMIĄ CHAOTYCZNĄ Wprowadzenie Od czasu pojawienia się w lieraurze pojęcia deerminisycznego chaosu można znaleźć wiele przykładów układów dynamicznych (zarówno
Bardziej szczegółowoWykład 6. Badanie dynamiki zjawisk
Wykład 6 Badanie dynamiki zjawisk TREND WYODRĘBNIANIE SKŁADNIKÓW SZEREGU CZASOWEGO 1. FUNKCJA TRENDU METODA ANALITYCZNA 2. ŚREDNIE RUCHOME METODA WYRÓWNYWANIA MECHANICZNEGO średnie ruchome zwykłe średnie
Bardziej szczegółowoANALIZA BIPOLARNEGO DYNAMICZNEGO MODELU DIAGNOSTYCZNEGO MONITOROWANIA WYPOSAśENIA ELEKTRYCZNEGO SAMOCHODU
LOGITRANS - VII KONFERENCJA NAUKOWO-TECHNICZNA LOGISTYKA, SYSTEMY TRANSPORTOWE, BEZPIECZEŃSTWO W TRANSPORCIE Radosław GAD 1 Moniorowanie diagnosyczne, model dynamiczny, diagnosyka pojazdowa ANALIZA BIPOLARNEGO
Bardziej szczegółowoFizyka Procesów Klimatycznych Wykład 9 proste modele klimatu
Fizyka Procesów Kliaycznych Wykład 9 prose odele kliau prof. dr hab. Szyon Malinowski Insyu Geofizyki, Wydział Fizyki Uniwersye Warszawski alina@igf.fuw.edu.pl dr hab. Krzyszof Markowicz Insyu Geofizyki,
Bardziej szczegółowoPobieranie próby. Rozkład χ 2
Graficzne przedsawianie próby Hisogram Esymaory przykład Próby z rozkładów cząskowych Próby ze skończonej populacji Próby z rozkładu normalnego Rozkład χ Pobieranie próby. Rozkład χ Posać i własności Znaczenie
Bardziej szczegółowoEKONOMETRIA wykład 2. Prof. dr hab. Eugeniusz Gatnar.
EKONOMERIA wykład Prof. dr hab. Eugeniusz Ganar eganar@mail.wz.uw.edu.pl Przedziały ufności Dla paramerów srukuralnych modelu: P bˆ j S( bˆ z prawdopodobieńswem parameru b bˆ S( bˆ, ( m j j j, ( m j b
Bardziej szczegółowoSYMULACYJNA ANALIZA PRODUKCJI ENERGII ELEKTRYCZNEJ I CIEPŁA Z ODNAWIALNYCH NOŚNIKÓW W POLSCE
SYMULACYJNA ANALIZA PRODUKCJI ENERGII ELEKTRYCZNEJ I CIEPŁA Z ODNAWIALNYCH NOŚNIKÓW W POLSCE Janusz Sowiński, Rober Tomaszewski, Arur Wacharczyk Insyu Elekroenergeyki Poliechnika Częsochowska Aky prawne
Bardziej szczegółowoDOBÓR PRZEKROJU ŻYŁY POWROTNEJ W KABLACH ELEKTROENERGETYCZNYCH
Franciszek SPYRA ZPBE Energopomiar Elekryka, Gliwice Marian URBAŃCZYK Insyu Fizyki Poliechnika Śląska, Gliwice DOBÓR PRZEKROJU ŻYŁY POWROTNEJ W KABLACH ELEKTROENERGETYCZNYCH. Wsęp Zagadnienie poprawnego
Bardziej szczegółowoMODEL CZASU OBSŁUGI NAZIEMNEJ STATKU POWIETRZNEGO
KIERZKOWSKI Arur 1 Transpor loniczy, szeregi czasowe, eksploaacja, modelowanie MODEL CZASU OBSŁUGI NAZIEMNEJ STATKU POWIETRZNEGO W referacie przedsawiono probabilisyczny model czasu obsługi naziemnej saku
Bardziej szczegółowoSZACOWANIE WSPÓŁCZYNNIKA FILTRACJI W KOLUMNIE FILTRACYJNEJ
ROCZNIKI INŻYNIERII BUDOWLANEJ ZESZYT 7/007 Komisja Inżynierii Budowlanej Oddział Polsiej Aademii Nau w Kaowicac SZACOWANIE WSPÓŁCZYNNIKA FILTRACJI W KOLUMNIE FILTRACYJNEJ Jadwiga ŚWIRSKA Poliecnia Opolsa,
Bardziej szczegółowoStanisław 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 szczegółowoPolitechnika Gdańska Wydział Elektrotechniki i Automatyki Katedra Inżynierii Systemów Sterowania. Podstawy Automatyki
Poliechnika Gdańska Wydział Elekroechniki i Auomayki Kaedra Inżynierii Sysemów Serowania Podsawy Auomayki Repeyorium z Podsaw auomayki Zadania do ćwiczeń ermin T15 Opracowanie: Kazimierz Duzinkiewicz,
Bardziej szczegółowoPOMIARY CZĘSTOTLIWOŚCI I PRZESUNIĘCIA FAZOWEGO SYGNAŁÓW OKRESOWYCH. Cel ćwiczenia. Program ćwiczenia
Pomiary częsoliwości i przesunięcia fazowego sygnałów okresowych POMIARY CZĘSOLIWOŚCI I PRZESUNIĘCIA FAZOWEGO SYGNAŁÓW OKRESOWYCH Cel ćwiczenia Poznanie podsawowych meod pomiaru częsoliwości i przesunięcia
Bardziej szczegółowoBADANIE DYNAMICZNYCH WŁAŚCIWOŚCI PRZETWORNIKÓW POMIAROWYCH
BADANIE DYNAMICZNYCH WŁAŚCIWOŚCI PRZETWORNIKÓW POMIAROWYCH. CEL ĆWICZENIA Celem ćwiczenia jes: przybliżenie zagadnień doyczących pomiarów wielości zmiennych w czasie (pomiarów dynamicznych, poznanie sposobów
Bardziej szczegółowoJacek Kwiatkowski Magdalena Osińska. Procesy zawierające stochastyczne pierwiastki jednostkowe identyfikacja i zastosowanie.
DYNAMICZNE MODELE EKONOMETRYCZNE Jacek Kwiakowski Magdalena Osińska Uniwersye Mikołaja Kopernika Procesy zawierające sochasyczne pierwiaski jednoskowe idenyfikacja i zasosowanie.. Wsęp Większość lieraury
Bardziej szczegółowoFORECASTING THE DISTRIBUTION OF AMOUNT OF UNEMPLOYED BY THE REGIONS
FOLIA UNIVERSITATIS AGRICULTURAE STETINENSIS Folia Univ. Agric. Stetin. 007, Oeconomica 54 (47), 73 80 Mateusz GOC PROGNOZOWANIE ROZKŁADÓW LICZBY BEZROBOTNYCH WEDŁUG MIAST I POWIATÓW FORECASTING THE DISTRIBUTION
Bardziej szczegółowoPROGNOZOWANIE ZUŻYCIA CIEPŁEJ I ZIMNEJ WODY W SPÓŁDZIELCZYCH ZASOBACH MIESZKANIOWYCH
STUDIA I PRACE WYDZIAŁU NAUK EKONOMICZNYCH I ZARZĄDZANIA NR 15 Barbara Baóg Iwona Foryś PROGNOZOWANIE ZUŻYCIA CIEPŁEJ I ZIMNEJ WODY W SPÓŁDZIELCZYCH ZASOBACH MIESZKANIOWYCH Wsęp Koszy dosarczenia wody
Bardziej szczegółowoVII. ZAGADNIENIA DYNAMIKI
Konderla P. Meoda Elemenów Skończonych, eoria i zasosowania 47 VII. ZAGADNIENIA DYNAMIKI. Równanie ruchu dla zagadnienia dynamicznego Q, (7.) gdzie M NxN macierz mas, C NxN macierz łumienia, K NxN macierz
Bardziej szczegółowoPrognozowanie 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 szczegółowoRównania różniczkowe. Lista nr 2. Literatura: N.M. Matwiejew, Metody całkowania równań różniczkowych zwyczajnych.
Równania różniczkowe. Lisa nr 2. Lieraura: N.M. Mawiejew, Meody całkowania równań różniczkowych zwyczajnych. W. Krysicki, L. Włodarski, Analiza Maemayczna w Zadaniach, część II 1. Znaleźć ogólną posać
Bardziej szczegółowoIMPLEMENTACJA WYBRANYCH METOD ANALIZY STANÓW NIEUSTALONYCH W ŚRODOWISKU MATHCAD
Pior Jankowski Akademia Morska w Gdyni IMPLEMENTACJA WYBRANYCH METOD ANALIZY STANÓW NIEUSTALONYCH W ŚRODOWISKU MATHCAD W arykule przedsawiono możliwości (oraz ograniczenia) środowiska Mahcad do analizy
Bardziej szczegółowoTemat: Prawo Hooke a. Oscylacje harmoniczne. Zagadnienia: prawa dynamiki Newtona, siła sprężysta, prawo Hooke a, oscylacje harmoniczne,
sg M 6-1 - Teat: Prawo Hooe a. Oscylacje haroniczne. Zagadnienia: prawa dynaii Newtona, siła sprężysta, prawo Hooe a, oscylacje haroniczne, ores oscylacji. Koncepcja: Sprężyna obciążana różnyi asai wydłuża
Bardziej szczegółowoAnaliza opłacalności inwestycji logistycznej Wyszczególnienie
inwesycji logisycznej Wyszczególnienie Laa Dane w ys. zł 2 3 4 5 6 7 8 Przedsięwzięcie I Program rozwoju łańcucha (kanału) dysrybucji przewiduje realizację inwesycji cenrum dysrybucyjnego. Do oceny przyjęo
Bardziej szczegółowoROCZNIKI INŻYNIERII BUDOWLANEJ ZESZYT 7/2007 Komisja Inżynierii Budowlanej Oddział Polskiej Akademii Nauk w Katowicach
ROZNIKI INŻYNIERII BUDOWLANEJ ZESZYT 7/007 Komisja Inżynierii Budowlanej Oddział Polskiej Akademii Nauk w Kaowicach WYZNAZANIE PARAMETRÓW FUNKJI PEŁZANIA DREWNA W UJĘIU LOSOWYM * Kamil PAWLIK Poliechnika
Bardziej szczegółowo4.2. Obliczanie przewodów grzejnych metodą dopuszczalnego obciążenia powierzchniowego
4.. Obliczanie przewodów grzejnych meodą dopuszczalnego obciążenia powierzchniowego Meodą częściej sosowaną w prakyce projekowej niż poprzednia, jes meoda dopuszczalnego obciążenia powierzchniowego. W
Bardziej szczegółowoAnaliza metod oceny efektywności inwestycji rzeczowych**
Ekonomia Menedżerska 2009, nr 6, s. 119 128 Marek Łukasz Michalski* Analiza meod oceny efekywności inwesycji rzeczowych** 1. Wsęp Podsawowymi celami przedsiębiorswa w długim okresie jes rozwój i osiąganie
Bardziej szczegółowoPrawdopodobieństwo i statystyka
Zadanie Rozważmy następujący model strzelania do tarczy. Współrzędne puntu trafienia (, Y ) są niezależnymi zmiennymi losowymi o jednaowym rozładzie normalnym N ( 0, σ ). Punt (0,0) uznajemy za środe tarczy,
Bardziej szczegółowoPROGNOZOWANIE I SYMULACJE EXCEL 2 AUTOR: MARTYNA MALAK PROGNOZOWANIE I SYMULACJE EXCEL 2 AUTOR: MARTYNA MALAK
1 PROGNOZOWANIE I SYMULACJE 2 hp://www.oucome-seo.pl/excel2.xls DODATEK SOLVER WERSJE EXCELA 5.0, 95, 97, 2000, 2002/XP i 2003. 3 Dodaek Solver jes dosępny w menu Narzędzia. Jeżeli Solver nie jes dosępny
Bardziej szczegółowospecyfikacji i estymacji modelu regresji progowej (ang. threshold regression).
4. Modele regresji progowej W badaniach empirycznych coraz większym zaineresowaniem cieszą się akie modele szeregów czasowych, kóre pozwalają na objaśnianie nieliniowych zależności między poszczególnymi
Bardziej szczegółowoMetody prognozowania: Szeregi czasowe. Dr inż. Sebastian Skoczypiec. ver Co to jest szereg czasowy?
Meody prognozowania: Szeregi czasowe Dr inż. Sebasian Skoczypiec ver. 11.20.2009 Co o jes szereg czasowy? Szereg czasowy: uporządkowany zbiór warości badanej cechy lub warości określonego zjawiska, zaobserwowanych
Bardziej szczegółowoWYKORZYSTANIE TEORII CHAOSU ZDETERMINOWANEGO W PROGNOZOWANIU KROKOWYM ROCZNEGO ZUŻYCIA ENERGII ELEKTRYCZNEJ PRZEZ ODBIORCÓW WIEJSKICH
INFRASTRUKTURA I EKOLOGIA TERENÓW WIEJSKICH Nr 2/2005, POLSKA AKADEMIA NAUK, Oddział w Krakowie, s. 121 128 Komisja Technicznej Infrasrukury Wsi Małgorzaa Trojanowska WYKORZYSTANIE TEORII CHAOSU ZDETERMINOWANEGO
Bardziej szczegółowo