SEZONOWOŚĆ ZGONÓW W POLSCE W LATACH
|
|
- Dorota Borowska
- 4 lat temu
- Przeglądów:
Transkrypt
1 Suda Eonomczne. Zeszyy Nauowe Unwersyeu Eonomcznego w Kaowcach ISSN Nr Informaya Eonomera 4 Unwersye Eonomczny w Kaowcach Wydzał Zarządzana Kaedra Saysy, Eonomer Maemay zofa.meleca-uben@ue.aowce.pl SEZONOWOŚĆ ZGONÓW W POLSCE W LATACH Sreszczene: Lczba zgonów w Polsce, podobne ja w nnych rajach, wyazuje znaczące wahana sezonowe. W marę polepszana sę pozomu życa, a przede wszysm pozomu ope zdrowonej, ampluda wahań sezonowych lczby zgonów zazwyczaj maleje. W Polsce zmalała ona w laach w porównanu z laam , lecz wzrosła (z wyjąem zgonów na ws) w laach w porównanu z laam W laach zaobserwowano aże saysyczne sone różnce pomędzy wsaźnam wahań sezonowych lczby zgonów mężczyzn obe oraz w meśce na ws. Słowa luczowe: sezonowość zgonów, amplduda wahań sezonowych, sandaryzacja danych. JEL Classfcaon: J, C22. Wprowadzene Podobne ja nne zjawsa demografczne, aże lczba zgonów w Polsce wyazuje wyraźne wahana sezonowe. Źródłem ych wahań są zmenające sę warun pogodowe (emperaura powerza, frony amosferyczne p.), óre zależą od położena geografcznego lmau obszaru zameszwanego przez daną populację. Jednaże sezonowe wahana lczby zgonów wynają aże z nnych czynnów, o czym śwadczą znaczące różnce w sezonowośc zgonów różnych populacj żyjących na ym samym obszarze [Meleca-Kubeń, 2004, 202]. Wpływ położena geografcznego lmau na sezonowe wahana lczby zgonów może być łagodzony przez lepsze warun życa, lepszą opeę learsą
2 74 czy zdrowy ryb życa czynn e wpływają na zmnejszane sę ampludy wahań sezonowych lczby zgonów. Zjawso o zaobserwowano w wysoo rozwnęych rajach, ach ja Nemcy czy Sany Zjednoczone [Kozłowsa- -Szczęsna, Krawczy, Kuchc, 2004, s. 9-40]. Korzysne byłoby węc, gdyby lczba zgonów w poszczególnych oresach rou wyazywała w Polsce jedyne losowe odchylena od pozomu rendu bądź losowe wahana woół pozomu sałego. Celem badana, órego wyn zawaro w nnejszym aryule, było oszacowane mesęcznych wsaźnów sezonowośc zgonów ogółem w Polsce w różnych przerojach (mężczyźn, obey, maso, weś), oreślene różnc warośc ych wsaźnów pomędzy badanym populacjam oraz porównane z wynam badana sezonowośc zgonów w Polsce w laach Wobec rosnącego pozomu życa w Polsce można przypuszczać, że ampluda wahań sezonowych lczby zgonów ulega złagodzenu, a różnce w sezonowośc lczby zgonów pomędzy różnym populacjam zmnejszają sę.. Meoda badana Wsaźn sezonowośc zgonów różnc mędzy nm oszacowano, wyorzysując model D.W. Jorgensona [964], w órym wahana sezonowe wyrażono za pomocą ombnacj lnowej zmennych zero-jedynowych v, uwzględnając jednocześne funcję rendu. Model en zosał szczegółowo zaprezenowany omówony we wcześnejszym aryule auor [Meleca-Kubeń, 2006]. Punem wyjśca jes addyywny lnowy model o posac: = f ( ) + β v + ξ, () gdze f() funcja rendu, β wsaźn sezonowośc dla oresu ( =, 2,..., ), v zmenna zero-jedynowa przyjmująca warość v = dla oresu oraz v = 0 dla - pozosałych oresów cylu, długość cylu (u 2 mesęcy), ξ sładn losowy modelu. Ze względu na współlnowość zmennych objaśnających ne można wprowadzć do modelu wszysch 2 zmennych v, węc jedną z nch (-ą) wyelmnowano, wprowadzając nasępujące oznaczena: v v =, v v =,..., v v v, (2) v 2 v2 =,
3 model () można zapsać jao Sezonowość zgonów w Polsce w laach = f ( ) + β v + ξ. (3) Pomnęce olejno dwóch różnych oresów cylu wahań, np. osanego ( = ) perwszego ( = ), prowadz dla lnowej funcj rendu do dwóch model o posac: = α 0 + α + β v + ξ, (4) = α + α + β v + ξ. (5) 0 Szacując modele (4) (5), orzymujemy łączne oceny wsaźnów sezonowośc oraz oceny paramerów lnowej funcj rendu. We wcześnejszym opracowanu auor [Meleca-Kubeń, 2006] zaproponowano sposób sandaryzacj czasowych danych demografcznych, umożlwający porównywane sezonowośc zjaws demografcznych w różnych populacjach. Załada sę, że w ażdym rou zajdze c zdarzeń (u zgonów). Empryczne warośc badanego szeregu czasowego y dla ażdego rou przeszałca sę jao y = y w, przy czym wag w są oreślone jao ' c w =. (6) y W en sposób z badanego szeregu czasowego zosaje wyelmnowany rend, naomas snejące wahana cylczne zosają zachowane. Cyle oncenrują sę eraz woół warośc przecęnej równej:. (7) Trend zosał wyelmnowany z szeregu czasowego bez onecznośc załadana jego posac funcyjnej; w prayce założona eoreyczna funcja rendu częso ne opsuje rendu w sposób zadowalający, co może prowadzć do sysemaycznych błędów w ocenach szacowanych wsaźnów sezonowośc [por. Meleca-Kubeń, 2006]. Sała c będąca podsawą sandaryzacj może być wybrana w sposób dowolny; w prezenowanym badanu przyjęo c = 200, co pozwala oszacowanym wsaźnom sezonowośc nadać nerpreację procenową (warość przecęna szeregu czasowego danych sandaryzowanych dla danych mesęcznych = 00). y ' = 2 c
4 76 Zaproponowana meoda sandaryzacj danych demografcznych umożlwa aże porównywane wahań sezonowych dwóch szeregów czasowych (y 2 = = y y 2 ), łączne ze swerdzenem, óre z różnc w wahanach sezonowych są saysyczne sone. W przypadu danych sandaryzowanych ne ma porzeby wprowadzana do model funcj rendu odpowedne modele przyberają formę: ' ' = α + β v + ξ, (8) 0 = α + β v + ξ. (9) Wyn badana emprycznego Przedmoem badana były mesęczne lczby zgonów mężczyzn, obe, w meśce na ws w laach Dane saysyczne zebrano ze srony nerneowej GUS [www ]. Dane mesęczne przelczono na mesące lczące 30 dn. Rysune przedsawa mesęczne lczby zgonów w badanych przerojach. Można zauważyć, że lczby zgonów w ych populacjach wyazują wyraźne wahana sezonowe. Rys.. Lczba zgonów w Polsce według mesęcy w laach Źródło: Na podsawe danych GUS [www ].
5 Sezonowość zgonów w Polsce w laach W abel przedsawono wyn oszacowana paramerów funcj rendu wsaźnów sezonowośc zgonów w badanych populacjach dla model (4) (5). W abelach 2 przyjęo nasępujące oznaczena: a 0 ocena parameru, a ocena parameru α, R 2 współczynn deermnacj modelu, saysya esu -Sudena na soność paramerów sruuralnych modelu (α = 0,05). Pogruboną czconą oznaczono paramery funcj rendu wsaźn sezonowośc saysyczne sone w sense wspomnanego esu. Tabela. Oceny paramerów funcj rendu wsaźnów sezonowośc orzymane na podsawe danych rzeczywsych w przerojach: mężczyźn, obey, maso, weś, w laach Oceny Mężczyźn Kobey Maso Weś a , , , ,3 a 2,5 0,29 3,94,59 6,54,69 0,44 0,07 I 72 3, , , ,3 II 73 3, , , ,72 III 083 3, , , ,62 IV 558, ,20 70, ,5 V 69, ,08 868, ,0 VI 95 2, , , ,07 VII 778 2, , , ,64 VIII 29 3, , , ,73 IX 990 3, , , ,32 X 64 0, , , ,63 XI 60 0, , ,6 90 0,67 XII 894 2,70 67, ,37 522,84 R 2 0,695 0,737 0,74 0,730 Źródło: Oblczena własne na podsawe danych GUS [www ]. Analzując wyn przedsawone w abel, można swerdzć, że paramer erunowy lnowej funcj rendu oazał sę we wszysch przerojach badana saysyczne nesony, żaden z szeregów czasowych w orese badanym ne wyazuje węc rendu; powerdza o aże rys.. Najwyższe lczby zgonów w populacj mężczyzn w meśce zaobserwowano w sycznu, luym, marcu grudnu, najnższe naomas w czerwcu, lpcu serpnu. W populacj obe na ws wysoe lczby zgonów wysąpły dodaowo w wenu, naomas wsaźn sezonowośc dla grudna oazał sę saysyczne nesony (α = 0,05). Wśród obe sone nższa nż pozom przecęny oazała sę dodaowo lczba zgonów w maju. Neco nne obserwacje można poczynć, analzując wyn przedsawone w abel 2, orzymane na podsawe model (8) (9).
6 78 Tabela 2. Oceny wsaźnów sezonowośc orzymane na podsawe danych sandaryzowanych w przerojach: mężczyźn, obey, maso, weś, w laach Oceny Mężczyźn Kobey T Maso Weś a , , , ,58 I 7,0 4,03 8,0 3,49 7,53 3,74 7,53 3,72 II 7,00 4,03 2,50 5,38 8,95 4,45 0,72 5,29 III 6,48 3,73 0,08 4,34 8,9 4,07 8,23 4,06 IV 3,32,9 5,40 2,33 3,44,7 5,69 2,8 V 3,76 2,6 5,48 2,36 4,6 2,29 4,53 2,24 VI 5,77 3,32 8,30 3,57 7,00 3,48 6,96 3,43 VII 4,68 2,69 7,49 3,23 6,09 3,03 5,95 2,93 VIII 7,37 4,24 8,60 3,70 7,6 3,78 8,49 4,9 IX 5,92 3,40 8,65 3,72 7,04 3,50 7,52 3,7 X 0,94 0,54,0 0,47 0,75 0,37,43 0,7 XI 0,89 0,5,5 0,65 0,98 0,49,5 0,74 XII 5,5 3,7 5,03 2,7 5,95 2,96 4,22 2,08 R 2 0,742 0,764 0,746 0,765 Źródło: Oblczena własne na podsawe danych GUS [www ]. Oazuje sę, że w oszacowanu na podsawe danych sandaryzowanych sone nższe nż pozom przecęny oazały sę aże wsaźn sezonowośc w maju dla mężczyzn, w meśce na ws; wsaźn sezonowośc dla grudna jes eraz saysyczne sony dla obe na ws. Najwyższa lczba zgonów w populacj mężczyzn wysąpła w sycznu (o 7,0% wyższa nż pozom przecęny ego szeregu czasowego), a najnższa w serpnu, o 7,37% nższa nż pozom przecęny. W populacj obe najwęcej zgonów nasąpło w luym (o 2,50% ponad pozom przecęny), a najmnej we wrześnu, o 8,65% mnej. W meśce najwęcej zgonów zaobserwowano w luym (o 8,95% węcej nż pozom przecęny szeregu czasowego), a najmnej w serpnu (o 7,6% mnej). Podobna syuacja wysąpła na ws (w luym o 0,72% węcej zgonów, w serpnu o 8,49% mnej zgonów nż pozom przecęny szeregu czasowego). Pomędzy ocenam wsaźnów sezonowośc, orzymanym na podsawe danych rzeczywsych sandaryzowanych, w szczególnośc dla mężczyzn obe, wysępują newele różnce spowodowane przyjęcem w oszacowanu na podsawe mesęcznych danych rzeczywsych lnowej funcj rendu, w pewnym ylo przyblżenu zmany w czase badanych zjaws. Waro podreślć, że różnce e wysąpły pommo róego oresu badana (4 laa), przedsawono je na rys. 2.
7 Sezonowość zgonów w Polsce w laach Rys. 2. Wsaźn sezonowośc orzymane na podsawe danych rzeczywsych sandaryzowanych w przerojach: mężczyźn, obey, maso, weś, w laach Źródło: Na podsawe danych GUS [www ]. Zasosowana meoda szacowana wsaźnów sezonowośc pozwala na swerdzene, óre z różnc pomędzy wsaźnam sezonowośc zgonów w badanych populacjach są saysyczne sone w sense esu -Sudena (α = 0,05). Oazuje sę (rys. 3), że saysyczne sone różnce w lczbe zgonów mężczyzn obe wysępują w luym, marcu wenu (umera relaywne węcej obe) oraz w orese od maja do lpca we wrześnu (umera relaywne węcej mężczyzn). Naomas analzując wyn dla masa ws, można swerdzć, że saysyczne sone różnce w lczbe zgonów wysępują w mesącach luym wenu relaywne węcej osób umera na ws oraz w grudnu, edy relaywne częssze są zgony w meśce.
8 80 Rys. 3. Różnce wsaźnów sezonowośc zgonów mężczyzn obe oraz w meśce na ws w laach (dane sandaryzowane) Źródło: Na podsawe danych GUS [www ]. W celu swerdzena, czy w marę upływu czasu zmnejsza sę ampluda wahań sezonowych zgonów, rozumana jao różnca mędzy najwyższym najnższym wsaźnem sezonowośc (co, ja wspomnano, jes suem polepszana sę warunów życa, w ym aże pozomu ope medycznej zmnejszającym sę wpływem położena geografcznego zwązanego z nm lmau na umeralność), wsaźn sezonowośc lczby zgonów dla la porównano ze wsaźnam dla la oraz dla la Wyn zosały zaprezenowane na rys. 4 w abel 3. Rys. 4. Porównane wsaźnów sezonowośc zgonów mężczyzn obe, a aże w meśce oraz na ws w laach , (dane sandaryzowane) Źródło: Na podsawe danych GUS [www ]; [Meleca-Kubeń 99, 202].
9 Sezonowość zgonów w Polsce w laach Tabela 3. Ampluda mesęcznych wahań lczby zgonów w laach , (dane sandaryzowane) Przerój badana Mężczyźn 9,00 4,25 4,38 Kobey 26,75 20,25 2,5 Maso 8,25 5,25 6,56 Weś 28,25 20,25 9,2 Źródło: Oblczena własne na podsawe danych GUS [www ]; [Meleca-Kubeń 99, 202]. Ampluda mesęcznych wahań lczby zgonów (abela 3) w populacj mężczyzn w laach wynosła zaem 9% ch warośc przecęnej, naomas w laach ,25% (spade o ponad 5%), a w laach ,38%, nasąpł węc neznaczny wzros ampludy wahań w porównanu z laam W populacj obe odpowedne warośc wynosły: 26,75%, 20,25% (spade o blso 7%) 2,5% (wzros w porównanu z laam o blso %), w meśce: 8,25%, 5,25% (spade o 3%) 6,56% (wzros w porównanu z laam o ponad %), naomas na ws: 28,25%, 20,25% (spade o 8%) 9,2% (spade w porównanu z laam o blso %). Można węc swerdzć, ż ampluda mesęcznych wahań lczby zgonów była we wszysch przerojach badana nższa w laach nż w laach , co powerdza przypuszczene o malejącym w ym orese wpływe czynnów środowsowych na umeralność w Polsce. Naomas w laach wyazano jej wzros w porównanu z oresem , z wyjąem przeroju weś, gdze nasąpł newel jej spade. Zasanawający jes wzros warośc sycznowego luowego wsaźna sezonowośc zgonów w laach w porównanu z oresem wcześnejszym, wysępujący we wszysch badanych populacjach. Można przypuszczać, że wywera na o wpływ sposób organzacj ope medycznej w Polsce w osanch laach pod onec rou alendarzowego dosęp do ope zdrowonej jes rudnejszy, co może zaowocować wzrosem lczby zgonów w począach rou nasępnego. Oazało sę aże, że w porównanu z oresem poprzednm mnej osób umera w maju czerwcu. Podsumowane We wszysch rozważanych przerojach badana lczba zgonów w Polsce wyazała w laach wyraźne wahana sezonowe. Zaobserwowano zmnejszene sę ampludy sezonowych wahań lczby zgonów w laach 2005-
10 w porównanu z oresem , a aże zwęszene sę ampludy wahań w laach w porównanu z oresem w przerojach: mężczyźn, obey maso. Na ws nasąpło naomas newele zmnejszene sę ej ampludy. Zaem hpoeza o zmnejszanu sę ampludy wahań sezonowych zgonów w osanch laach na ogół ne powerdzła sę. Obalono aże hpoezę o zmnejszanu sę różnc wahań sezonowych zgonów pomędzy badanym populacjam. Wele różnc wsaźnów sezonowośc zgonów pomędzy populacją mężczyzn obe, a aże mędzy masem wsą oazało sę saysyczne sonych, podobne ja w badanach sezonowośc lczby zgonów w laach poprzednch. Oreślene różnc w sezonowośc lczby zgonów pomędzy różnym populacjam zameszujących en sam obszar może być pomocne w poznanu czynnów decydujących o szałowanu sę procesu umeralnośc w ych populacjach, co sanow podsawę dzałań proflaycznych. Leraura Jorgenson D.W. (964), Mnmum Varance, Lnear, Unbased Seasonal Adjusmen of Economc Tme Seres, Journal of he Amercan Sascal Assocaon, Vol. 9, s Kozłowsa-Szczęsna T., Krawczy B., Kuchc M. (2004), Wpływ środowsa amosferycznego na zdrowe samopoczuce człowea, Polsa Aadema Nau, Insyu Geograf Przesrzennego Zagospodarowana m. Sansława Leszczyńsego, Warszawa. Meleca-Kubeń Z. (99), Analza sezonowośc urodzeń zgonów, Wadomośc Saysyczne, nr 0, s Meleca-Kubeń Z. (2004), Różnce w sezonowośc zgonów w populacjach mężczyzn obe w meśce na ws wojewódzwa śląsego w laach , Śląs Przegląd Saysyczny, nr 3, s Meleca-Kubeń Z. (2006), Esmaon of Seasonal Indces of Val Processes Based on Sandardzed Daa, Przegląd Saysyczny, nr 53(2), s Meleca-Kubeń Z. (202), Nerównośc rwana życa w Polsce. Analza saysyczno- -demografczna, Wydawncwo Unwersyeu Eonomcznego, Kaowce. [www ] hp://demografa.sa.gov.pl/bazademografa/ (dosęp: ).
11 Sezonowość zgonów w Polsce w laach SEASONAL FLUCTUATIONS OF NUMBER OF DEATHS IN POLAND IN Summary: Number of deahs n Poland, smlarly as n he oher counres, reveals sgnfcan seasonal flucuaons. As he sandard of lvng, and he level of healh care mprove, annual range of seasonal flucuaons of number of deahs usually decreases. In Poland annual amplude of seasonal flucuaons of number of deahs decreased n he years as compared o he years , bu ncreased (wh he excepon of rural areas) n he years n comparson o he perod In he years sascally sgnfcan dfferences beween seasonal ndces of he number of deahs of men and women, and beween urban and rural areas were observed. Keywords: seasonaly of deahs, amplude of seasonal flucuaons, daa sandardzaon.
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 szczegółowoStanisław Cichocki Natalia Nehrebecka. Wykład 2
Sansław Cchock Naala Nehrebecka Wykład 2 1 1. Szereg czasowy 2. Sezonowość 3. Zmenne sacjonarne 4. Zmenne znegrowane 2 1. Szereg czasowy 2. Sezonowość 3. Zmenne sacjonarne 4. Zmenne znegrowane 3 Szereg
Bardziej szczegółowoStanisław Cichocki Natalia Nehrebecka. Wykład 2
Sansław Cchock Naala Nehrebecka Wykład 2 1 1. Szereg czasowy 2. Sezonowość 3. Zmenne sacjonarne 2 1. Szereg czasowy 2. Sezonowość 3. Zmenne sacjonarne 3 Szereg czasowy jes pojedynczą realzacją pewnego
Bardziej 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 szczegółowody dx stąd w przybliżeniu: y
Przykłady do funkcj nelnowych funkcj Törnqusta Proszę sprawdzć uzasadnć, które z podanych zdań są prawdzwe, a które fałszywe: Przykład 1. Mesęczne wydatk na warzywa (y, w jednostkach penężnych, jp) w zależnośc
Bardziej szczegółowoPrawdopodobieństwo i statystyka r.
Prawdopodobeństwo statystya.05.00 r. Zadane Zmenna losowa X ma rozład wyładnczy o wartośc oczewanej, a zmenna losowa Y rozład wyładnczy o wartośc oczewanej. Obe zmenne są nezależne. Oblcz E( Y X + Y =
Bardziej szczegółowoFINANSOWE SZEREGI CZASOWE WYKŁAD 3
FINANSOWE SZEREGI CZASOWE WYKŁAD 3 dr Tomasz Wójowcz Wydzał Zarządzana AGH 3800 3300 800 300 800 300 800 0 0 30 40 50 60 70 Kraków 0 Tomasz Wójowcz, WZ AGH Kraków przypomnene MA(q): gdze ε są d(0,σ ).
Bardziej 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 szczegółowoWpływ innowacji wybranych czynników na równowag cenowà. walorów notowanych na Giełdzie Papierów Wartościowych
Ban Kredy lpec 8 Ryn Insyuce Fnansowe 37 Wpływ nnowac wybranych czynnów na równowag cenowà walorów noowanych na Gełdze Paperów WaroÊcowych w Warszawe Impac of Innovaon of Seleced Facors on Prce Equlbrum
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 szczegółowot t t t T 2 Interpretacja: Przeciętna wartość zmiennej objaśnianej różni się od wartości teoretycznej średnio o
Cele werfacj odelu Werfacja sasczna odelu polega na oblczenu szeregu ernów jaośc odelu oraz werfacj pewnch hpoez sascznch w celu sprawdzena cz na podsawe ego odelu ożna wcągać wnos doczące badanego zjawsa
Bardziej szczegółowoPoziomy płynnoêci i opóênienia w rozrachunku w systemie SORBNET podejêcie symulacyjne przy u yciu symulatora systemów płatnoêci BoF-PSS2*
Ban Kredy maj 27 Ryn Insyucje Fnansowe 53 Pozomy płynnoêc opóênena w rozrachunu w syseme SORBNET podejêce symulacyjne przy u ycu symulaora sysemów płanoêc BoF-PSS2* Lqudy Levels and Selemen Delays n he
Bardziej szczegółowoOBSERWACJE ODSTAJĄCE NA RYNKU ENERGII ELEKTRYCZNEJ
Suda Ekonomczne. Zeszyy Naukowe Unwersyeu Ekonomcznego w Kaowcach ISSN 083-86 Nr 88 06 Informayka Ekonomera 5 Alcja Ganczarek-Gamro Unwersye Ekonomczny Wydzał Informayk Komunkacj Kaedra Demograf Saysyk
Bardziej szczegółowoWeryfikacja hipotez dla wielu populacji
Weryfkacja hpotez dla welu populacj Dr Joanna Banaś Zakład Badań Systemowych Instytut Sztucznej Intelgencj Metod Matematycznych Wydzał Informatyk Poltechnk Szczecńskej 5. Parametryczne testy stotnośc w
Bardziej szczegółowoSTATYSTYKA. Zmienna losowa skokowa i jej rozkład
STATYSTYKA Wnosowane statystyczne to proces myślowy polegający na formułowanu sądów o całośc przy dysponowanu o nej ogranczoną lczbą nformacj Zmenna losowa soowa jej rozład Zmenną losową jest welość, tóra
Bardziej szczegółowot t t t T 2 Interpretacja: Przeciętna wartość zmiennej objaśnianej różni się od wartości teoretycznej średnio o ˆ
Eonoera Ćwczena Werfacja odelu eonoercznego Maerał poocncze Cele werfacj odelu Werfacja sasczna odelu polega na oblczenu szeregu ernów jaośc odelu oraz werfacj pewnch hpoez sascznch w celu sprawdzena cz
Bardziej 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 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 szczegółowoMonika Kośko Wyższa Szkoła Informatyki i Ekonomii TWP w Olsztynie Michał Pietrzak Uniwersytet Mikołaja Kopernika w Toruniu
DYNAMICZNE MODELE EKONOMETRYCZNE IX Ogólnopolske Semnarum Naukowe, 4 6 wrześna 007 w Torunu Kaedra Ekonomer Saysyk, Unwersye Mkołaja Kopernka w Torunu Monka Kośko Wyższa Szkoła Informayk Ekonom TWP w Olszyne
Bardziej 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 szczegółowoBadania sondażowe. Braki danych Konstrukcja wag. Agnieszka Zięba. Zakład Badań Marketingowych Instytut Statystyki i Demografii Szkoła Główna Handlowa
Badana sondażowe Brak danych Konstrukcja wag Agneszka Zęba Zakład Badań Marketngowych Instytut Statystyk Demograf Szkoła Główna Handlowa 1 Błędy braku odpowedz Całkowty brak odpowedz (UNIT nonresponse)
Bardziej 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 szczegółowoNatalia Nehrebecka. Zajęcia 4
St ł Cchock Stansław C h k Natala Nehrebecka Zajęca 4 1. Interpretacja parametrów przy zmennych zerojedynkowych Zmenne 0 1 Interpretacja przy zmennej 0 1 w modelu lnowym względem zmennych objaśnających
Bardziej 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 szczegółowoStanisław Cichocki Natalia Nehrebecka. Zajęcia 4
Stansław Cchock Natala Nehrebecka Zajęca 4 1. Interpretacja parametrów przy zmennych zerojedynkowych Zmenne 0-1 Interpretacja przy zmennej 0 1 w modelu lnowym względem zmennych objaśnających Interpretacja
Bardziej 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 szczegółowoJerzy Czesław Ossowski Katedra Ekonomii i Zarzdzania Przedsibiorstwem Wydział Zarzdzania i Ekonomii Politechnika Gdaska
Jerzy Czesław Ossowsk Kaedra Ekonom Zarzdzana Przedsborswem Wydzał Zarzdzana Ekonom Polechnka Gdaska IX Ogólnoposke Semnarum Naukowe n. Dynamczne modele ekonomeryczne, Kaedra Ekonomer Saysyk, Unwersye
Bardziej szczegółowoKier. MTR Programowanie w MATLABie Laboratorium
Ker. MTR Programowane w MATLABe Laboraorum Ćw. Zasosowane bbloecznych funkcj MATLABa do numerycznego rozwązywana równań różnczkowych. Wprowadzene Układy równań różnczkowych zwyczajnych perwszego rzędu
Bardziej szczegółowoStanisław Cichocki. Natalia Nehrebecka. Wykład 7
Stansław Cchock Natala Nehrebecka Wykład 7 . Zmenne dyskretne Kontrasty: efekty progowe, kontrasty w odchylenach Interakcje. Przyblżane model nelnowych Stosowane do zmennych dyskretnych o uporządkowanych
Bardziej szczegółowoJEDNOWYMIAROWA ZMIENNA LOSOWA
JEDNOWYMIAROWA ZMIENNA LOSOWA Nech E bedze zborem zdarzen elementarnych danego doswadczena. Funcje X(e) przyporzadowujaca azdemu zdarzenu elementarnemu e E jedna tylo jedna lczbe X(e)x nazywamy ZMIENNA
Bardziej szczegółowoFOLIA POMERANAE UNIVERSITATIS TECHNOLOGIAE STETINENSIS
FOLIA POMERANAE UNIVERSITATIS TECHNOLOGIAE STETINENSIS Folia Pomer. Univ. Technol. Sein., Oeconomica 2014, 313(76)3, 137 146 Maria Szmuksa-Zawadzka, Jan Zawadzki MODELE WYRÓWNYWANIA WYKŁADNICZEGO W PROGNOZOWANIU
Bardziej szczegółowoJournal of Agribusiness and Rural Development ASYMETRIA W TRANSMISJI CEN PSZENICY PASZOWEJ MIĘDZY RYNKIEM POLSKIM I NIEMIECKIM
www.jard.edu.pl DOI: 10.17306/JARD.2015.6 Journal of Agrbusness and Rural Developmen pissn 1899-5241 eissn 1899-5772 1(35) 2015, 57-65 ASYMETRIA W TRANSMISJI CEN PSZENICY PASZOWEJ MIĘDZY RYNKIEM POLSKIM
Bardziej szczegółowoBarbara Pawełek Akademia Ekonomiczna w Krakowie. Normalizacja zmiennych a dopuszczalność prognoz zmiennej syntetycznej
Dynaczne Modele Eonoeryczne X Ogólnopolse Senaru Nauowe, 4 6 wrześna 007 w orunu Kaedra Eonoer Saysy, Unwersye Mołaa Koperna w orunu Aadea Eonoczna w Kraowe Noralzaca zennych a dopuszczalność prognoz zenne
Bardziej szczegółowoStanisław Cichocki. Natalia Nehrebecka. Wykład 7
Stansław Cchock Natala Nehrebecka Wykład 7 1 1. Interakcje 2. Przyblżane model nelnowych 3. Założena KMRL 1. Interakcje 2. Przyblżane model nelnowych 3. Założena KMRL W standardowym modelu lnowym zakładamy,
Bardziej szczegółowoANALIZA SZEREGÓW CZASOWYCH
ANALIZA SZEREGÓW CZASWYCH Szereg czasow zbór warośc baanej cech lub warośc baanego zjawska zaobserwowanch w różnch momenach czasu uporząkowan chronologczne. Skłank szeregu czasowego:. enencja rozwojowa
Bardziej szczegółowoModelowanie równowagi cenowej na Giełdzie Papierów Wartościowych w Warszawie w okresach przed i po wejściu Polski do Unii Europejskiej
Sansław Urbańsk * Modelowane równowag cenowej na Gełdze Paperów Waroścowych w Warszawe w okresach przed po wejścu Polsk do Un Europejskej Wsęp Praca nnejsza sanow konynuację badań doyczących wyceny akcj
Bardziej szczegółowoMODELOWANIE I PROGNOZOWANIE ZAPOTRZEBOWANIA NA ENERGIĘ ELEKTRYCZNĄ W WYBRANYM REGIONIE
MODELOWANIE I PROGNOZOWANIE ZAPOTRZEBOWANIA NA ENERGIĘ ELEKTRYCZNĄ W WYBRANYM REGIONIE Marcn Zawada Kaedra Ekonomer Saysyk, Wydzał Zarządzana, Polechnka Częsochowska, Częsochowa 1 WSTĘP Proces ransformacj
Bardziej szczegółowoMatematyka ubezpieczeń majątkowych r.
Maemayka ubezpeczeń mająkowych 7.05.00 r. Zadane. Pewne ryzyko generuje jedną szkodę z prawdopodobeńswem q, zaś zero szkód z prawdopodobeńswem ( q). Ubezpeczycel pokrywa nadwyżkę szkody ponad udzał własny
Bardziej 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 szczegółowoEkonometryczne modele nieliniowe
Ekonomeryczne modele nelnowe Wykład 5 Progowe modele regrej Leraura Hanen B. E. 997 Inference n TAR Model, Sude n Nonlnear Dynamc and Economerc,. Tek na rone nerneowej wykładu Dodakowa leraura Hanen B.
Bardziej szczegółowoW praktyce często zdarza się, że wyniki obu prób możemy traktować jako. wyniki pomiarów na tym samym elemencie populacji np.
Wykład 7 Uwaga: W praktyce często zdarza sę, że wynk obu prób możemy traktować jako wynk pomarów na tym samym elemence populacj np. wynk x przed wynk y po operacj dla tego samego osobnka. Należy wówczas
Bardziej szczegółowoPROGNOZOWANIE BRAKUJĄCYCH DANYCH DLA SZEREGÓW O WYSOKIEJ CZĘSTOTLIWOŚCI OCZYSZCZONYCH Z SEZONOWOŚCI
Sudia Ekonomiczne. Zeszyy Naukowe Uniwersyeu Ekonomicznego w Kaowicach ISSN 2083-8611 Nr 289 2016 Maria Szmuksa-Zawadzka Zachodniopomorski Uniwersye Technologiczny w Szczecinie Sudium Maemayki Jan Zawadzki
Bardziej szczegółowoANALIZA KORELACJI WYDATKÓW NA KULTURĘ Z BUDŻETU GMIN ORAZ WYKSZTAŁCENIA RADNYCH
Potr Mchalsk Węzeł Centralny OŻK-SB 25.12.2013 rok ANALIZA KORELACJI WYDATKÓW NA KULTURĘ Z BUDŻETU GMIN ORAZ WYKSZTAŁCENIA RADNYCH Celem ponższej analzy jest odpowedź na pytane: czy wykształcene radnych
Bardziej szczegółowoKURS STATYSTYKA. Lekcja 6 Regresja i linie regresji ZADANIE DOMOWE. www.etrapez.pl Strona 1
KURS STATYSTYKA Lekcja 6 Regresja lne regresj ZADANIE DOMOWE www.etrapez.pl Strona 1 Część 1: TEST Zaznacz poprawną odpowedź (tylko jedna jest prawdzwa). Pytane 1 Funkcja regresj I rodzaju cechy Y zależnej
Bardziej szczegółowoElżbieta Szulc Uniwersytet Mikołaja Kopernika w Toruniu. Modelowanie zależności między przestrzennoczasowymi procesami ekonomicznymi
DYNAMICZNE MODELE EKONOMETRYCZNE X Ogólnopolskie Seminarium Naukowe, 4 6 września 007 w Toruniu Kaedra Ekonomerii i Saysyk Uniwersye Mikołaja Kopernika w Toruniu Uniwersye Mikołaja Kopernika w Toruniu
Bardziej szczegółowoHIPOTEZA STOPY NATURALNEJ. MIĘDZY EKONOMETRIĄ A HISTORIĄ MYŚLI EKONOMICZNEJ.
Jacek Wallusch Akadema Ekonomczna w Poznanu HIPOTEZA STOPY NATURALNEJ. MIĘDZY EKONOMETRIĄ A HISTORIĄ MYŚLI EKONOMICZNEJ. Dazu brauche ch ene Besazung de mmach dam alles klapp. Wenn se mmachen soll dann
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 szczegółowo65120/ / / /200
. W celu zbadana zależnośc pomędzy płcą klentów ch preferencjam, wylosowano kobet mężczyzn zadano m pytane: uważasz za lepszy produkt frmy A czy B? Wynk były następujące: Odpowedź Kobety Mężczyźn Wolę
Bardziej szczegółowoPROGNOZOWANIE 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 szczegółowoParametry zmiennej losowej
Eonometra Ćwczena Powtórzene wadomośc ze statysty SS EK Defncja Zmenną losową X nazywamy funcję odwzorowującą przestrzeń zdarzeń elementarnych w zbór lczb rzeczywstych, taą że przecwobraz dowolnego zboru
Bardziej szczegółowoPROBLEM ODWROTNY DLA RÓWNANIA PARABOLICZNEGO W PRZESTRZENI NIESKOŃCZENIE WYMIAROWEJ THE INVERSE PARABOLIC PROBLEM IN THE INFINITE DIMENSIONAL SPACE
JAN KOOŃSKI POBLEM ODWOTNY DLA ÓWNANIA PAABOLICZNEGO W PZESTZENI NIESKOŃCZENIE WYMIAOWEJ THE INVESE PAABOLIC POBLEM IN THE INFINITE DIMENSIONAL SPACE S r e s z c z e n e A b s r a c W arykule skonsruowano
Bardziej 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 szczegółowoProcedura 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 szczegółowoZESZYTY NAUKOWE UNIWERSYTETU SZCZECI SKIEGO ODPOWIED NA PYTANIE PROFESORA RAUTSKAUKASA
ZESZYTY NAUKOWE UNIWERSYTETU SZCZECI SKIEGO NR 394 PRACE KATEDRY EKONOMETRII I STATYSTYKI NR 15 2004 JÓZEF HOZER Uniwersye Szczeci ski ODPOWIED NA PYTANIE PROFESORA RAUTSKAUKASA 1. PYTANIE PROFESORA RAUTSKAUKASA
Bardziej szczegółowoPROGNOZOWANIE I SYMULACJE - zadania powtórzeniowe
PROGNOZOWANIE I SYMULACJE - zadana powórzenowe Zadana I. Na podsawe danych z la 88- zbudowano model: y = + 3, 5 s = szuk, R =,3 opsujcy lczb sprzedawanych arówek w yscach szuk w pewnej frme. Wyznaczy prognoz
Bardziej szczegółowoSprzedaż finalna - sprzedaż dóbr i usług konsumentowi lub firmie, którzy ostatecznie je zużytkują, nie poddając dalszemu przetworzeniu.
W 1 Rachu maroeoomcze 1. Produ rajowy bruo Sprzedaż fala - sprzedaż dóbr usług osumeow lub frme, órzy osaecze je zużyują, e poddając dalszemu przeworzeu. Sprzedaż pośreda - sprzedaż dóbr usług zaupoych
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 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 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 szczegółowoStanisław Cichocki. Natalia Nehrebecka. Wykład 6
Stansław Cchock Natala Nehrebecka Wykład 6 1 1. Interpretacja parametrów przy zmennych objaśnających cągłych Semelastyczność 2. Zastosowane modelu potęgowego Model potęgowy 3. Zmenne cągłe za zmenne dyskretne
Bardziej szczegółowoPiotr Fiszeder Uniwersytet Mikołaja Kopernika w Toruniu Juliusz Preś Politechnika Szczecińska
DYNAMICZNE MODELE EKONOMETRYCZNE X Ogólnopolske Semnarum Naukowe, 4 6 wrześna 2007 w Torunu Kaedra Ekonomer Saysyk, Unwersye Mkołaa Kopernka w Torunu Por Fszeder Unwersye Mkołaa Kopernka w Torunu Julusz
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 szczegółowoZASTOSOWANIE WYBRANYCH MODELI ADAPTACYJNYCH W PROGNOZOWANIU BRAKUJĄCYCH DANYCH W SZEREGACH ZE ZŁOŻONĄ SEZONOWOŚCIĄ DLA LUK NIESYSTEMATYCZNYCH
METODY ILOŚCIOWE W BADANIACH EKONOMICZNYCH Tom XV/4, 214, sr. 181 194 ZASTOSOWANIE WYBRANYCH MODELI ADAPTACYJNYCH W PROGNOZOWANIU BRAKUJĄCYCH DANYCH W SZEREGACH ZE ZŁOŻONĄ SEZONOWOŚCIĄ DLA LUK NIESYSTEMATYCZNYCH
Bardziej szczegółowoMIKROPROCESOROWY MODEL OBIEKTU TERMICZNEGO DO TESTÓW REGULATORÓW TEMPERATURY
Danel KUCHARSKI Marcn WESOŁOWSKI MIKROPROCESOROWY MODEL OBIEKTU TERMICZNEGO DO TESTÓW REGULATORÓW TEMPERATURY STRESZCZENIE Aryuł przedsawa moŝlwość dagnosy uładów regulaorów emperaury z wyorzysanem modelowana
Bardziej szczegółowoBEZRYZYKOWNE BONY I LOKATY BANKOWE ALTERNATYWĄ DLA PRZYSZŁYCH EMERYTÓW. W tym krótkim i matematycznie bardzo prostym artykule pragnę osiągnąc 3 cele:
1 BEZRYZYKOWNE BONY I LOKATY BANKOWE ALTERNATYWĄ DLA PRZYSZŁYCH EMERYTÓW Leszek S. Zaremba (Polish Open Universiy) W ym krókim i maemaycznie bardzo prosym arykule pragnę osiągnąc cele: (a) pokazac że kupowanie
Bardziej szczegółowoZESZYTY NAUKOWE INSTYTUTU POJAZDÓW 5(96)/2013
ZESZYTY NAUKOWE NSTYTUTU POJAZDÓW 5(96)/2013 Hubert Sar, Potr Fundowcz 1 WYZNACZANE MASOWEGO MOMENTU BEZWŁADNOŚC WZGLĘDEM OS PODŁUŻNEJ DLA SAMOCHODU TYPU VAN NA PODSTAWE WZORÓW DOŚWADCZALNYCH 1. Wstęp
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 szczegółowoPODSTAWY OPRACOWANIA WYNIKÓW POMIARÓW Z ELEMENTAMI ANALIZY NIEPEWNOŚCI POMIAROWYCH
PODTAWY OPRACOWANIA WYNIKÓW POMIARÓW Z ELEMENTAMI ANALIZY NIEPEWNOŚCI POMIAROWYCH I Pracowa IF UJ Luy 03 PODRĘCZNIKI Wsęp do aalzy błędu pomarowego Joh R. Taylor Wydawcwo Naukowe PWN Warszawa 999 I Pracowa
Bardziej szczegółowoBadanie współzależności dwóch cech ilościowych X i Y. Analiza korelacji prostej
Badane współzależnośc dwóch cech loścowych X Y. Analza korelacj prostej Kody znaków: żółte wyróżnene nowe pojęce czerwony uwaga kursywa komentarz 1 Zagadnena 1. Zwązek determnstyczny (funkcyjny) a korelacyjny.
Bardziej szczegółowoMatematyka finansowa r.
. Sprawdź, tóre z ponższych zależnośc są prawdzwe: () = n n a s v d v d d v v d () n n m ) ( n m ) ( v a d s ) m ( = + & & () + = = + = )! ( ) ( δ Odpowedź: A. tylo () B. tylo () C. tylo () oraz () D.
Bardziej szczegółowoKarolina Kluth Uniwersytet Mikołaja Kopernika w Toruniu. Konwergencja gospodarcza w zakresie kryteriów Traktatu z Maastricht analiza ekonometryczna
DYAMICZE MODELE EKOOMETRYCZE X Ogólnopolske Semnarum aukowe, 4 6 wrześna 007 w Torunu Kaedra Ekonomer Saysyk, Unwersye Mkołaja Kopernka w Torunu Karolna Kluh Unwersye Mkołaja Kopernka w Torunu Konwergencja
Bardziej szczegółowoMAKROEKONOMIA 2. Wykład 3. Dynamiczny model DAD/DAS, część 2. Dagmara Mycielska Joanna Siwińska - Gorzelak
MAKROEKONOMIA 2 Wykład 3. Dynamiczny model DAD/DAS, część 2 Dagmara Mycielska Joanna Siwińska - Gorzelak ( ) ( ) ( ) i E E E i r r = = = = = θ θ ρ ν φ ε ρ α * 1 1 1 ) ( R. popyu R. Fishera Krzywa Phillipsa
Bardziej szczegółowoMariola Piłatowska Uniwersytet Mikołaja Kopernika w Toruniu. Przegląd modeli realizujących postulat zgodności. 1. Problemy dynamicznego modelowania
DYNAMICZNE MODELE EKONOMETRYCZNE X Ogólnopolse Semnarum Nauowe, 4 7 wrześna 2007 w Torunu Kaedra Eonomer Saysy, Unwersye Mołaja Koperna w Torunu Marola Płaowsa Unwersye Mołaja Koperna w Torunu Przegląd
Bardziej szczegółowoDobór 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 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 cen detalicznych żywności w Polsce
Prognozowane cen dealcznych żywnośc w Polsce Marusz Hamulczuk IERGŻ - PIB Kaarzyna Herel NBP Co dlaczego prognozujemy Krókookresowe prognozy cen dealcznych Ceny dealczne (ndywdualne produky, agregay) Isone
Bardziej szczegółowoStatystyka od podstaw z systemem SAS Dr hab. E. Frątczak, ZAHZiAW, ISiD, KAE. Część VII. Analiza szeregu czasowego
Część VII. Analiza szeregu czasowego 1 DEFINICJA SZEREGU CZASOWEGO Szeregiem czasowym nazywamy zbiór warości cechy w uporządkowanych chronologicznie różnych momenach (okresach) czasu. Oznaczając przez
Bardziej szczegółowoNatalia Nehrebecka. Wykład 2
Natala Nehrebecka Wykład . Model lnowy Postad modelu lnowego Zaps macerzowy modelu lnowego. Estymacja modelu Wartośd teoretyczna (dopasowana) Reszty 3. MNK przypadek jednej zmennej . Model lnowy Postad
Bardziej szczegółowoANALIZA, 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 szczegółowoOptymalizacja funkcji
MARCIN BRAŚ Opymalzacja funcj ) Opymalzacja w obszarze neoranczonym WK: y. y WW: > > y y Znaleźć mnmum funcj: (, y) ( ) y ( ) y y ( ) y solve, P(, ) y y solve, y ( ) y ( ) y y y ( ) y W W W > (, y) > Op.
Bardziej szczegółowoZASTOSOWANIE 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 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 szczegółowoStanisław Cichocki. Natalia Nehrebecka. Wykład 6
Stansław Cchock Natala Nehrebecka Wykład 6 1 1. Zastosowane modelu potęgowego Przekształcene Boxa-Coxa 2. Zmenne cągłe za zmenne dyskretne 3. Interpretacja parametrów przy zmennych dyskretnych 1. Zastosowane
Bardziej szczegółowoAnaliza obwodów elektrycznych
Analza obwodów elerycznych Oreślene mnmalneo zboru funcj obwodowych F o { u, } Analza Wyznaczene nnych welośc charaeryzujących obwód; np. moce, sprawnośc p. Obwód eleryczny Wyznaczene warośc paramerów
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 szczegółowoZadane 1: Wyznacz średne ruchome 3-okresowe z następujących danych obrazujących zużyce energ elektrycznej [kwh] w pewnym zakładze w mesącach styczeń - lpec 1998 r.: 400; 410; 430; 40; 400; 380; 370. Zadane
Bardziej 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 szczegółowoKształtowanie się firm informatycznych jako nowych elementów struktury przestrzennej przemysłu
PRACE KOMISJI GEOGRAFII PRZEMY SŁU Nr 7 WARSZAWA KRAKÓW 2004 Akadema Pedagogczna, Kraków Kształtowane sę frm nformatycznych jako nowych elementów struktury przestrzennej przemysłu Postępujący proces rozwoju
Bardziej szczegółowoZESZYTY NAUKOWE INSTYTUTU POJAZDÓW 2(88)/2012
ZESZYTY NAUKOWE INSTYTUTU POJAZDÓW (88)/01 Hubert Sar, Potr Fundowcz 1 WYZNACZANIE ASOWEGO OENTU BEZWŁADNOŚCI WZGLĘDE OSI PIONOWEJ DLA SAOCHODU TYPU VAN NA PODSTAWIE WZORU EPIRYCZNEGO 1. Wstęp asowy moment
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 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 szczegółowoANALIZA SZEREGÓW CZASOWYCH
ANALIZA ZEREGÓW CZAWYCH zereg czasow zbór warosc baanej cech lub warosc baanego zjawska zaobserwowanch w róznch momenach czasu uporzakowan chronologczne. klank szeregu czasowego:. enencja rozwojowa (ren)
Bardziej szczegółowoTAKSONOMICZNE WSKAŹNIKI PRZESTRZENNEGO ZRÓŻNICOWANIA ROZWOJU POWIATÓW WOJEWÓDZTWA PODKARPACKIEGO
Suda Prawno-Ekonomczne,. LXXX, 2009 PL ISSN 0081-6841 s. 201 214 Paweł Dykas * TAKSONOMICZNE WSKAŹNIKI PRZESTRZENNEGO ZRÓŻNICOWANIA ROZWOJU POWIATÓW WOJEWÓDZTWA PODKARPACKIEGO Wprowadzene Celem ego opracowana
Bardziej szczegółowoSYSTEMY UCZĄCE SIĘ WYKŁAD 5. LINIOWE METODY KLASYFIKACJI. Dr hab. inż. Grzegorz Dudek Wydział Elektryczny Politechnika Częstochowska.
SYSEMY UCZĄCE SIĘ WYKŁAD 5. LINIOWE MEODY KLASYFIKACJI Częstochowa 4 Dr hab. nż. Grzegorz Dude Wydzał Eletryczny Poltechna Częstochowsa FUNKCJE FISHEROWSKA DYSKRYMINACYJNE DYSKRYMINACJA I MASZYNA LINIOWA
Bardziej szczegółowoKier. MTR Programowanie w MATLABie Laboratorium Ćw. 12
Ker. MTR Programowane w MATLABe Laboratorum Ćw. Analza statystyczna grafczna danych pomarowych. Wprowadzene MATLAB dysponuje weloma funcjam umożlwającym przeprowadzene analzy statystycznej pomarów, czy
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 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 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 szczegółowoFinansowe szeregi czasowe wykład 7
Fnansowe szereg czasowe wykład 7 dr Tomasz Wójowcz Wydzał Zarządzana AGH 38 33 28 23 18 13 8 1 11 21 31 41 51 61 71 Kraków 213 Noowana ndeksu WIG w okrese: 3 marca 29 31 syczna 211 55 5 45 4 35 3 25 2
Bardziej szczegółowoSystemy nawigacji satelitarnej. Przemysław Bartczak
Sysemy nawgacj saelarnej Przemysław Barczak Częsolwość nośna Wszyske saely GPS emują neprzerwane sygnały na dwóch częsolwoścach nośnych L1 L2 z pograncza mkrofalowych fal L S, kóre z punku wdzena nazemnego
Bardziej szczegółowo