E k o n o m e t r i a S t r o n a 1. Nieliniowy model ekonometryczny

Save this PDF as:
 WORD  PNG  TXT  JPG

Wielkość: px
Rozpocząć pokaz od strony:

Download "E k o n o m e t r i a S t r o n a 1. Nieliniowy model ekonometryczny"

Transkrypt

1 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, f posać modelu. Model en jes wyznaczany na podsawie bazy danych saysycznych w posaci: X X... X k X X... X k X X... X k n n X n X n... X kn Budowa nieliniowego modelu ekonomerycznego Posać funkcji f usalamy na podsawie znanych eorii lub na podsawie oceny wpływu zmiennych objaśniających na zmienną objaśnianą. Przykład. W bieżącym roku w grupie losowo wybranych 300 osób przeprowadzono badania doyczące wielkości miesięcznego spożycia warzyw i ich przeworów. Każda z badanych osób zosała przypisana do jednej z grup dochodowych. W abeli zapisanej w arkuszu kalkulacyjnym Excel podano: X warość średniego dochodu w grupie [zł], wielkość średniego miesięcznego spożycia warzyw i ich przeworów w grupie [zł]. Źródło: Wprowadzenie do ekonomerii w przykładach i zadaniach red. Kukuła K. Korzysając z powyższej bazy danych saysycznych zbudować ekonomeryczny model miesięcznego popyu na warzywa i ich przewory w zależności od średniego dochodu ( = f(x, ε )). Na podsawie prognoz eksperów średni dochód w przyszłym roku będzie wynosił

2 E k o n o m e r i a S r o n a 700 zł. miesięcznie na osobę. Korzysając ze zbudowanego modelu ekonomerycznego ocenić jaka będzie średnia miesięczna warość spożycia warzyw i ich przeworów na osobę w przyszłym roku. Korzysając z powyższej bazy danych uworzymy wykres zależności pomiędzy zmienną objaśnianą a zmienną objaśniającą X. W ym celu na pasku wybieramy Wsawianie, wykres punkowy, wynikiem naszego działania będzie pusa abelka. Klikamy w dowolnym jej punkcie prawym klawiszem myszy i orzymujemy: Wybieramy Zaznacz dane i orzymujemy: Wybieramy Dodaj i orzymujemy:

3 E k o n o m e r i a S r o n a 3 W orzymanej abelce Edyowanie serii wpisujemy kolejno: w okienko Nazwa serii nazwę, kóra ma się pojawić na wykresie, w okienko Warości X serii - adresy kolumny, w kórej znajdują się warości zmiennej objaśniającej X ( w naszym przykładzie C:C9), w okienko Warości serii - adresy kolumny, w kórej znajdują się warości zmiennej objaśnianej ( w naszym przykładzie D:D9). Akcepujemy OK wprowadzone dane i OK dla abeli Wybieranie źródła danych. Wynikiem naszych działań będzie poniższy wykres. Na podsawie analizy wykresu oraz znanej eorii ekonomicznej doyczącej popyu swierdzono, że wielkość miesięcznego spożycia warzyw i ich przeworów można przedsawić za pomocą mikroekonomicznej funkcji popyu na dobra podsawowe (funkcja Törnquisa I rodzaju ) w posaci: = α X X + α + ε Powyższa funkcja popyu ma asympoę poziomą o równaniu y = α. Nieznane paramery srukuralne α i α można oszacować meodą najmniejszych kwadraów. W meodzie ej wyznaczamy akie wielkości a i a (oszacowania paramerów α i α ) aby różnice pomiędzy warościami eoreycznymi wyznaczonymi ze wzoru

4 E k o n o m e r i a S r o n a 4 ˆ a X = () X + a a rzeczywisymi warościami zmiennej objaśnianej z bazy danych saysycznych były minimalne. Budujemy w ym celu funkcję G( a )= 8 = ( ˆ ) i poszukujemy jej minimum. Warości e = ˆ nazywamy reszami modelu. = Do znalezienia poszukiwanego minimum skorzysamy z narzędzie Solver w arkuszu kalkulacyjnym Excel. Uwaga. W przypadku nieliniowego modelu ekonomerycznego minimum funkcji G( a ) Solver znajduje meodami przybliżonymi. Aby wyznaczyć począkowe warości oszacowań paramerów a, wybieramy dowolne dwa punky (, X ) z bazy danych saysycznych. W naszym przykładzie wybierzemy punk drugi i siódmy X punk I 708, 6, punk II 7 40,6 5, a nasępnie rozwiązujemy liniowy układ dwóch równań o dwóch niewiadomych a w posaci: 8 = e Sąd a = 94,75 = 86,4. Wyliczone warości wpisujemy do arkusza ( w naszym przykładzie warość a wpisano do komórki B, warość a wpisano do komórki B3) a nasępnie ze wzoru () wyznaczamy ( w naszym przykładzie w kolumnie E:E9) warości Ŷ,

5 E k o n o m e r i a S r o n a 5 reszy e i ich kwadray. Warość funkcji G(94,75, 86,4) ( suma kwadraów resz ) jes równa 8,89. Do wyznaczenia minimalnej warości funkcji G skorzysamy z narzędzia Solver (narzędzie Solver w Excelu 007 znajduje się w Danych). Pola abelki Solver Paramery wypełniamy nasępująco: - Komórka celu wpisujemy adres sumy kwadraów resz ( w naszym przykładzie G0), - Równa zaznaczamy Min, - Komórki zmieniane zapisujemy adresy argumenów funkcji G ( w naszym przykładzie adresy paramerów a i a czyli B:B3).

6 E k o n o m e r i a S r o n a 6 Nasępnie naciskamy Rozwiąż i orzymujemy: W naszym przykładzie rozwiązaniem jes: a = 0,074, a = 3,8. Model eoreyczny popyu na warzywa i ich przewory więc ma posać: ˆ 0,074 X =. () X + 3,8 Warość a = 0,074 jes asympoą poziomą funkcji (). Oznacza o, że opierając się na naszych danych z bazy danych saysycznych, możemy swierdzić, że miesięczne wydaki na warzywa i ich przewory w naszym kraju, nie przekroczą warości 0,8 zł na osobę. Poniżej przedsawiono wykres warości oraz ˆ wyznaczonych na posawie wzoru () (w naszym przykładzie warości znajdują się w komórkach D:D9, warości ˆ w komórkach E:E9).

7 E k o n o m e r i a S r o n a 7 Dopasowanie modelu do danych z bazy danych saysycznych ocenimy za pomocą błędu RMSE : n ( ˆ ) ( e ) = = RMSE = =. n 8 8 Mamy RMSE =,5. Oznacza o, że warości ˆ ( =,, 8) wyznaczone za pomocą modelu eoreycznego () średnio różnią się od rzeczywisych warości miesięcznego popyu na warzywa i ich przewory o,5 zł. Aby ocenić wielkość błędu wyznaczymy warość RMSE *00%. RMSE, 508 * 00 % = * 00% = 4, 3%. 35, 04 Błąd RMSE sanowi zaem 4,3% średniego miesięcznego popyu na warzywa i ich przewory na osobę. Możemy więc przyjąć, że błąd RMSE jes niewielki więc zbudowany model eoreyczny () może zosać użyy do prognozowania średniego miesięcznego popyu na warzywa i ich przewory w przyszłym roku. Na podsawie modelu () wyznaczymy prognozę średniego spożycia warzyw i ich przeworów w przyszłym roku. 0,074 * 700 = 55, ,8 Średnia miesięczna wielkość spożycia warzyw i ich przeworów w przyszłym roku wyniesie 55,89 zł na osobę.

8 E k o n o m e r i a S r o n a 8 Uwaga. Począkowe warości oszacowań paramerów można akże znaleźć na podsawie wykresu. W ym celu do wykresu z warościami zmiennej objaśnianej należy dodać warości eoreyczne ˆ wyznaczone dla dowolnych warości a ( w naszym przykładzie przyjęo a =00 =00). Nasępnie należy zmieniać warości a ak aby wykresy oraz ˆ znalazły się jak najbliżej siebie. W naszym przykładzie można przyjąć warości począkowe a =00 =000.

9 E k o n o m e r i a S r o n a 9 Zadanie do wykonania. W abeli podano w kolejnych kwarałach kolejnych la warości produkcji ( w ys. zł.), wielkość zarudnienia oraz wielkość produkcyjnego mająku rwałego (w mln. zł) w zakładzie chemii spożywczej Na zdrowie. -nr kwarału - produkcja w ys. zł. X-mająek produkcyjny w mln. zł X- zarudnienie w osobach 864 3, , 7, ,8 8, , 3, ,6 4, ,6 4, ,7 8, ,7 3, , , , ,9 38, ,4 4, ,8 4, ,5 4, 707 Oszacować paramery funkcji produkcji Cobba Douglasa: α α = α 0 X X + ε =,,...,5. Firma Na zdrowie zakupiła nową linię produkcyjną i jej mająek produkcyjny w 6. kwarale wzrośnie do 5,4 mln. zł. Jakie powinno być zarudnienie w ym kwaraleby warość produkcji wzrosła w sosunku do poprzedniego kwarału o 0%. Do wyznaczenia wielkości zarudnienia posłużyć się zbudowanym modelem Cobba-Douglasa. Uwaga. Wszyskie paramery funkcji produkcji Cobba-Douglasa są dodanie.

PROGNOZOWANIE. Ćwiczenia 2. mgr Dawid Doliński

PROGNOZOWANIE. 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 szczegółowo

ANALIZA, PROGNOZOWANIE I SYMULACJA / Ćwiczenia 1

ANALIZA, 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 szczegółowo

PROGNOZOWANIE I SYMULACJE. mgr Żaneta Pruska. Ćwiczenia 2 Zadanie 1

PROGNOZOWANIE 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 szczegółowo

Politechnika Częstochowska Wydział Inżynierii Mechanicznej i Informatyki. Sprawozdanie #2 z przedmiotu: Prognozowanie w systemach multimedialnych

Politechnika 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 szczegółowo

WNIOSKOWANIE STATYSTYCZNE

WNIOSKOWANIE 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 szczegółowo

licencjat Pytania teoretyczne:

licencjat 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 szczegółowo

Analiza rynku projekt

Analiza 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 szczegółowo

PROGNOZOWANIE I SYMULACJE EXCEL 2 AUTOR: MARTYNA MALAK PROGNOZOWANIE I SYMULACJE EXCEL 2 AUTOR: MARTYNA MALAK

PROGNOZOWANIE 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 szczegółowo

PROGNOZOWANIE I SYMULACJE EXCEL 2 PROGNOZOWANIE I SYMULACJE EXCEL AUTOR: ŻANETA PRUSKA

PROGNOZOWANIE 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 szczegółowo

Pobieranie próby. Rozkład χ 2

Pobieranie 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 szczegółowo

Analiza opłacalności inwestycji logistycznej Wyszczególnienie

Analiza 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 szczegółowo

Wykład 6. Badanie dynamiki zjawisk

Wykład 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 szczegółowo

ĆWICZENIE NR 43 U R I (1)

ĆWICZENIE NR 43 U R I (1) ĆWCZENE N 43 POMY OPO METODĄ TECHNCZNĄ Cel ćwiczenia: wyznaczenie warości oporu oporników poprzez pomiary naężania prądu płynącego przez opornik oraz napięcia na oporniku Wsęp W celu wyznaczenia warości

Bardziej szczegółowo

EKONOMETRIA wykład 2. Prof. dr hab. Eugeniusz Gatnar.

EKONOMETRIA 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 szczegółowo

Porównanie jakości nieliniowych modeli ekonometrycznych na podstawie testów trafności prognoz

Porównanie jakości nieliniowych modeli ekonometrycznych na podstawie testów trafności prognoz 233 Zeszyy Naukowe Wyższej Szkoły Bankowej we Wrocławiu Nr 20/2011 Wyższa Szkoła Bankowa w Toruniu Porównanie jakości nieliniowych modeli ekonomerycznych na podsawie esów rafności prognoz Sreszczenie.

Bardziej szczegółowo

PROGNOZOWANIE. Ćwiczenia 2. mgr Dawid Doliński

PROGNOZOWANIE. 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 szczegółowo

DYNAMIKA KONSTRUKCJI

DYNAMIKA KONSTRUKCJI 10. DYNAMIKA KONSTRUKCJI 1 10. 10. DYNAMIKA KONSTRUKCJI 10.1. Wprowadzenie Ogólne równanie dynamiki zapisujemy w posaci: M d C d Kd =P (10.1) Zapis powyższy oznacza, że równanie musi być spełnione w każdej

Bardziej szczegółowo

PROGNOZOWANIE. Ćwiczenia 3. mgr Dawid Doliński

PROGNOZOWANIE. Ćwiczenia 3. mgr Dawid Doliński Ćwiczenia 3 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 szczegółowo

DYNAMICZNE MODELE EKONOMETRYCZNE

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

Bardziej szczegółowo

Szukanie rozwiązań funkcji uwikłanych (równań nieliniowych)

Szukanie rozwiązań funkcji uwikłanych (równań nieliniowych) Szukanie rozwiązań funkcji uwikłanych (równań nieliniowych) Funkcja uwikłana (równanie nieliniowe) jest to funkcja, która nie jest przedstawiona jawnym przepisem, wzorem wyrażającym zależność wartości

Bardziej szczegółowo

WYKORZYSTANIE STATISTICA DATA MINER DO PROGNOZOWANIA W KRAJOWYM DEPOZYCIE PAPIERÓW WARTOŚCIOWYCH

WYKORZYSTANIE 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 szczegółowo

Badanie funktorów logicznych TTL - ćwiczenie 1

Badanie funktorów logicznych TTL - ćwiczenie 1 adanie funkorów logicznych TTL - ćwiczenie 1 1. Cel ćwiczenia Zapoznanie się z podsawowymi srukurami funkorów logicznych realizowanych w echnice TTL (Transisor Transisor Logic), ich podsawowymi paramerami

Bardziej szczegółowo

Matematyka finansowa 20.03.2006 r. Komisja Egzaminacyjna dla Aktuariuszy. XXXVIII Egzamin dla Aktuariuszy z 20 marca 2006 r.

Matematyka finansowa 20.03.2006 r. Komisja Egzaminacyjna dla Aktuariuszy. XXXVIII Egzamin dla Aktuariuszy z 20 marca 2006 r. Komisja Egzaminacyjna dla Akuariuszy XXXVIII Egzamin dla Akuariuszy z 20 marca 2006 r. Część I Maemayka finansowa WERSJA TESTU A Imię i nazwisko osoby egzaminowanej:... Czas egzaminu: 100 minu 1 1. Ile

Bardziej szczegółowo

Informatyka Arkusz kalkulacyjny Excel 2010 dla WINDOWS

Informatyka Arkusz kalkulacyjny Excel 2010 dla WINDOWS Wyższa Szkoła Ekologii i Zarządzania Excel Informatyka Arkusz kalkulacyjny Excel 2010 dla WINDOWS cz.4 Slajd 1 Slajd 2 Najlepszym sposobem prezentacji danych jest prezentacja graficzna. Z pomocą wykresu

Bardziej szczegółowo

LABORATORIUM PODSTAWY ELEKTRONIKI Badanie Bramki X-OR

LABORATORIUM PODSTAWY ELEKTRONIKI Badanie Bramki X-OR LORTORIUM PODSTWY ELEKTRONIKI adanie ramki X-OR 1.1 Wsęp eoreyczny. ramka XOR ramka a realizuje funkcję logiczną zwaną po angielsku EXLUSIVE-OR (WYŁĄZNIE LU). Polska nazwa brzmi LO. Funkcję EX-OR zapisuje

Bardziej szczegółowo

Ocena efektywności procedury Congruent Specyfication dla małych prób

Ocena efektywności procedury Congruent Specyfication dla małych prób 243 Zeszyy Naukowe Wyższej Szkoły Bankowej we Wrocławiu Nr 20/2011 Wyższa Szkoła Bankowa w Toruniu Ocena efekywności procedury Congruen Specyficaion dla małych prób Sreszczenie. Procedura specyfikacji

Bardziej szczegółowo

Rozwiązywanie programów matematycznych

Rozwiązywanie programów matematycznych Rozwiązywanie programów matematycznych Program matematyczny składa się z następujących elementów: 1. Zmiennych decyzyjnych:,,, 2. Funkcji celu, funkcji-kryterium, która informuje o jakości rozwiązania

Bardziej szczegółowo

DOBÓR PRZEKROJU ŻYŁY POWROTNEJ W KABLACH ELEKTROENERGETYCZNYCH

DOBÓR 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 szczegółowo

Silniki cieplne i rekurencje

Silniki cieplne i rekurencje 6 FOTO 33, Lao 6 Silniki cieplne i rekurencje Jakub Mielczarek Insyu Fizyki UJ Chciałbym Pańswu zaprezenować zagadnienie, kóre pozwala, rozważając emaykę sprawności układu silników cieplnych, zapoznać

Bardziej szczegółowo

( 3 ) Kondensator o pojemności C naładowany do różnicy potencjałów U posiada ładunek: q = C U. ( 4 ) Eliminując U z równania (3) i (4) otrzymamy: =

( 3 ) Kondensator o pojemności C naładowany do różnicy potencjałów U posiada ładunek: q = C U. ( 4 ) Eliminując U z równania (3) i (4) otrzymamy: = ROZŁADOWANIE KONDENSATORA I. el ćwiczenia: wyznaczenie zależności napięcia (i/lub prądu I ) rozładowania kondensaora w funkcji czasu : = (), wyznaczanie sałej czasowej τ =. II. Przyrządy: III. Lieraura:

Bardziej szczegółowo

Równania różniczkowe. Lista nr 2. Literatura: N.M. Matwiejew, Metody całkowania równań różniczkowych zwyczajnych.

Równania 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 szczegółowo

Jak korzystać z Excela?

Jak korzystać z Excela? 1 Jak korzystać z Excela? 1. Dane liczbowe, wprowadzone (zaimportowane) do arkusza kalkulacyjnego w Excelu mogą przyjmować różne kategorie, np. ogólne, liczbowe, walutowe, księgowe, naukowe, itd. Jeśli

Bardziej szczegółowo

( x) Równanie regresji liniowej ma postać. By obliczyć współczynniki a i b należy posłużyć się następującymi wzorami 1 : Gdzie:

( x) Równanie regresji liniowej ma postać. By obliczyć współczynniki a i b należy posłużyć się następującymi wzorami 1 : Gdzie: ma postać y = ax + b Równanie regresji liniowej By obliczyć współczynniki a i b należy posłużyć się następującymi wzorami 1 : xy b = a = b lub x Gdzie: xy = też a = x = ( b ) i to dane empiryczne, a ilość

Bardziej szczegółowo

Ekonometria. Regresja liniowa, współczynnik zmienności, współczynnik korelacji liniowej, współczynnik korelacji wielorakiej

Ekonometria. Regresja liniowa, współczynnik zmienności, współczynnik korelacji liniowej, współczynnik korelacji wielorakiej Regresja liniowa, współczynnik zmienności, współczynnik korelacji liniowej, współczynnik korelacji wielorakiej Paweł Cibis pawel@cibis.pl 23 lutego 2007 1 Regresja liniowa 2 wzory funkcje 3 Korelacja liniowa

Bardziej szczegółowo

EXCEL. Diagramy i wykresy w arkuszu lekcja numer 6. Instrukcja. dla Gimnazjum 36 - Ryszard Rogacz Strona 20

EXCEL. Diagramy i wykresy w arkuszu lekcja numer 6. Instrukcja. dla Gimnazjum 36 - Ryszard Rogacz Strona 20 Diagramy i wykresy w arkuszu lekcja numer 6 Tworzenie diagramów w arkuszu Excel nie jest sprawą skomplikowaną. Najbardziej czasochłonne jest przygotowanie danych. Utworzymy następujący diagram (wszystko

Bardziej szczegółowo

Gr.A, Zad.1. Gr.A, Zad.2 U CC R C1 R C2. U wy T 1 T 2. U we T 3 T 4 U EE

Gr.A, Zad.1. Gr.A, Zad.2 U CC R C1 R C2. U wy T 1 T 2. U we T 3 T 4 U EE Niekóre z zadań dają się rozwiązać niemal w pamięci, pamięaj jednak, że warunkiem uzyskania różnej od zera liczby punków za każde zadanie, jes przedsawienie, oprócz samego wyniku, akże rozwiązania, wyjaśniającego

Bardziej szczegółowo

Ćwiczenie 119. Tabela II. Część P19. Wyznaczanie okresu drgań masy zawieszonej na sprężynie. Nr wierzchołka 0 1 2 3 4 5 6 7 8

Ćwiczenie 119. Tabela II. Część P19. Wyznaczanie okresu drgań masy zawieszonej na sprężynie. Nr wierzchołka 0 1 2 3 4 5 6 7 8 2012 Kaedra Fizyki SGGW Nazwisko... Daa... Nr na liście... Imię... Wydział... Dzień yg.... Godzina... Ruch harmoniczny prosy masy na sprężynie Tabela I: Część X19. Wyznaczanie sałej sprężyny Położenie

Bardziej szczegółowo

Dodatek Solver Teoria Dodatek Solver jest częścią zestawu poleceń czasami zwaną narzędziami analizy typu co-jśli (analiza typu co, jeśli?

Dodatek Solver Teoria Dodatek Solver jest częścią zestawu poleceń czasami zwaną narzędziami analizy typu co-jśli (analiza typu co, jeśli? Dodatek Solver Teoria Dodatek Solver jest częścią zestawu poleceń czasami zwaną narzędziami analizy typu co-jśli (analiza typu co, jeśli? : Proces zmieniania wartości w komórkach w celu sprawdzenia, jak

Bardziej szczegółowo

Wojewódzki Konkurs Matematyczny dla uczniów gimnazjów. Etap szkolny 5 listopada 2013 Czas 90 minut

Wojewódzki Konkurs Matematyczny dla uczniów gimnazjów. Etap szkolny 5 listopada 2013 Czas 90 minut Wojewódzki Konkurs Maemayczny dla uczniów gimnazjów. Eap szkolny 5 lisopada 2013 Czas 90 minu ZADANIA ZAMKNIĘTE Zadanie 1. (1 punk) Liczby A = 0, 99, B = 0, 99 2, C = 0, 99 3, D = 0, 99, E=0, 99 1 usawiono

Bardziej szczegółowo

Marża zakupu bid (pkb) Marża sprzedaży ask (pkb)

Marża zakupu bid (pkb) Marża sprzedaży ask (pkb) Swap (IRS) i FRA Przykład. Sandardowy swap procenowy Dealer proponuje nasępujące sałe sopy dla sandardowej "plain vanilla" procenowej ransakcji swap. ermin wygaśnięcia Sopa dla obligacji skarbowych Marża

Bardziej szczegółowo

Dobór przekroju żyły powrotnej w kablach elektroenergetycznych

Dobór 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 szczegółowo

Prognozowanie średniego miesięcznego kursu kupna USD

Prognozowanie 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 szczegółowo

Macierz X ma wymiary: 27 wierszy (liczba obserwacji) x 6 kolumn (kolumna jednostkowa i 5 kolumn ze zmiennymi objaśniającymi) X

Macierz X ma wymiary: 27 wierszy (liczba obserwacji) x 6 kolumn (kolumna jednostkowa i 5 kolumn ze zmiennymi objaśniającymi) X ROZWIĄZANIA ZADAO Zadanie EKONOMETRIA_dw_.xls Na podsawie danych zamieszczonych w arkuszu Zadanie. Podad posad analiyczną modelu ekonomerycznego wielkości produkcji w przemyśle od PO - liczby pracujących

Bardziej szczegółowo

PROGNOZOWANIE W ZARZĄDZANIU PRZEDSIĘBIORSTWEM

PROGNOZOWANIE W ZARZĄDZANIU PRZEDSIĘBIORSTWEM PROGNOZOWANIE W ZARZĄDZANIU PRZEDSIĘBIORSTWEM prof. dr hab. Paweł Dimann 1 Znaczenie prognoz w zarządzaniu firmą Zarządzanie firmą jes nieusannym procesem podejmowania decyzji, kóry może być zdefiniowany

Bardziej szczegółowo

PUNKTOWA I PRZEDZIAŁOWA PREDYKCJA PRZEWOZÓW PASAŻERÓW W ŻEGLUDZE PROMOWEJ NA BAŁTYKU W LATACH 2008 2010

PUNKTOWA 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 szczegółowo

ANALIZA, PROGNOZOWANIE I SYMULACJA EXCEL AUTOR: MARTYNA KUPCZYK ANALIZA, PROGNOZOWANIE I SYMULACJA EXCEL AUTOR: MARTYNA KUPCZYK

ANALIZA, PROGNOZOWANIE I SYMULACJA EXCEL AUTOR: MARTYNA KUPCZYK ANALIZA, PROGNOZOWANIE I SYMULACJA EXCEL AUTOR: MARTYNA KUPCZYK 1 ANALIZA, PROGNOZOWANIE I SYMULACJA 2 POBRAĆ Z INTERNETU Plaforma WSL on-line Nazwisko prowadzącego Maryna Kupczyk Folder z nazwą przedmiou - Analiza, prognozowanie i symulacja Plik o nazwie Baza do ćwiczeń

Bardziej szczegółowo

Natalia Iwaszczuk, Piotr Drygaś, Piotr Pusz, Radosław Pusz PROGNOZOWANIE GOSPODARCZE

Natalia Iwaszczuk, Piotr Drygaś, Piotr Pusz, Radosław Pusz PROGNOZOWANIE GOSPODARCZE Naalia Iwaszczuk, Pior Drygaś, Pior Pusz, Radosław Pusz PROGNOZOWANIE GOSPODARCZE Wyd-wo, Rzeszów 03 dr hab., prof. nadzw. Naalia Iwaszczuk, AGH Akademia Górniczo-Hunicza im. Sanisława Saszica w Krakowie

Bardziej szczegółowo

ψ przedstawia zależność

ψ przedstawia zależność Ruch falowy 4-4 Ruch falowy Ruch falowy polega na rozchodzeniu się zaburzenia (odkszałcenia) w ośrodku sprężysym Wielkość zaburzenia jes, podobnie jak w przypadku drgań, funkcją czasu () Zaburzenie rozchodzi

Bardziej szczegółowo

Wygładzanie metodą średnich ruchomych w procesach stałych

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

Bardziej szczegółowo

Badania trakcyjne samochodu.

Badania trakcyjne samochodu. Uniwersye Technologiczno-Humanisyczny im. Kazimierza Pułaskiego w Radomiu Wydział Mechaniczny Insyu Eksploaacji Pojazdów i Maszyn Budowa samochodów i eoria ruchu Insrukcja do ćwiczenia Badania rakcyjne

Bardziej szczegółowo

Dendrochronologia Tworzenie chronologii

Dendrochronologia Tworzenie chronologii Dendrochronologia Dendrochronologia jes nauką wykorzysującą słoje przyrosu rocznego drzew do określania wieku (daowania) obieków drewnianych (budynki, przedmioy). Analizy różnych paramerów słojów przyrosu

Bardziej szczegółowo

SZACOWANIE MODELU RYNKOWEGO CYKLU ŻYCIA PRODUKTU

SZACOWANIE MODELU RYNKOWEGO CYKLU ŻYCIA PRODUKTU B A D A N I A O P E R A C J N E I D E C Z J E Nr 2 2006 Bogusław GUZIK* SZACOWANIE MODELU RNKOWEGO CKLU ŻCIA PRODUKTU Przedsawiono zasadnicze podejścia do saysycznego szacowania modelu rynkowego cyklu

Bardziej szczegółowo

POMIAR PARAMETRÓW SYGNAŁOW NAPIĘCIOWYCH METODĄ PRÓKOWANIA I CYFROWEGO PRZETWARZANIA SYGNAŁU

POMIAR PARAMETRÓW SYGNAŁOW NAPIĘCIOWYCH METODĄ PRÓKOWANIA I CYFROWEGO PRZETWARZANIA SYGNAŁU Pomiar paramerów sygnałów napięciowych. POMIAR PARAMERÓW SYGNAŁOW NAPIĘCIOWYCH MEODĄ PRÓKOWANIA I CYFROWEGO PRZEWARZANIA SYGNAŁU Cel ćwiczenia Poznanie warunków prawidłowego wyznaczania elemenarnych paramerów

Bardziej szczegółowo

PROGNOZOWANIE ZUŻYCIA CIEPŁEJ I ZIMNEJ WODY W SPÓŁDZIELCZYCH ZASOBACH MIESZKANIOWYCH

PROGNOZOWANIE 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 szczegółowo

TEMAT : Przykłady innych funkcji i ich wykresy.

TEMAT : Przykłady innych funkcji i ich wykresy. Elżbieta Kołodziej e-mail: efreet@pf.pl matematyka, informatyka Gimnazjum Nr 5 37-450 Stalowa Wola ul. Poniatowskiego 55 SCENARIUSZ LEKCJI PRZEPROWADZONEJ W KLASIE III TEMAT : Przykłady innych funkcji

Bardziej szczegółowo

ZESZYTY NAUKOWE UNIWERSYTETU SZCZECI SKIEGO ODPOWIED NA PYTANIE PROFESORA RAUTSKAUKASA

ZESZYTY 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 szczegółowo

PREDYKCJA KURSU EURO/DOLAR Z WYKORZYSTANIEM PROGNOZ INDEKSU GIEŁDOWEGO: WYBRANE MODELE EKONOMETRYCZNE I PERCEPTRON WIELOWARSTWOWY

PREDYKCJA KURSU EURO/DOLAR Z WYKORZYSTANIEM PROGNOZ INDEKSU GIEŁDOWEGO: WYBRANE MODELE EKONOMETRYCZNE I PERCEPTRON WIELOWARSTWOWY B A D A N I A O P E R A C J N E I D E C Z J E Nr 2004 Aleksandra MAUSZEWSKA Doroa WIKOWSKA PREDKCJA KURSU EURO/DOLAR Z WKORZSANIEM PROGNOZ INDEKSU GIEŁDOWEGO: WBRANE MODELE EKONOMERCZNE I PERCEPRON WIELOWARSWOW

Bardziej szczegółowo

Mariusz Plich. Spis treści:

Mariusz Plich. Spis treści: Spis reści: Modele wielorównaniowe - mnożniki i symulacje. Podsawowe pojęcia i klasyfikacje. Czynniki modelowania i sposoby wykorzysania modelu 3. ypy i posacie modeli wielorównaniowych 4. Przykłady modeli

Bardziej szczegółowo

ROZWIĄZYWANIE UKŁADÓW RÓWNAŃ NIELINIOWYCH PRZY POMOCY DODATKU SOLVER PROGRAMU MICROSOFT EXCEL. sin x2 (1)

ROZWIĄZYWANIE UKŁADÓW RÓWNAŃ NIELINIOWYCH PRZY POMOCY DODATKU SOLVER PROGRAMU MICROSOFT EXCEL. sin x2 (1) ROZWIĄZYWANIE UKŁADÓW RÓWNAŃ NIELINIOWYCH PRZY POMOCY DODATKU SOLVER PROGRAMU MICROSOFT EXCEL 1. Problem Rozważmy układ dwóch równań z dwiema niewiadomymi (x 1, x 2 ): 1 x1 sin x2 x2 cos x1 (1) Nie jest

Bardziej szczegółowo

INSTRUKCJE DO ARKUSZA KALKULACYJNEGO Excel 2003

INSTRUKCJE DO ARKUSZA KALKULACYJNEGO Excel 2003 INSTRUKCJE DO ARKUSZA KALKULACYJNEGO Excel 2003 Formatowanie arkusza: Ćwiczenie 1 Przygotujmy tabelkę w arkuszu kalkulacyjnym (jak na rysunku). 1. Nazwę Arkusza1 zmieniamy na nazwę Ćw1 Naciskamy prawym

Bardziej szczegółowo

dr Bartłomiej Rokicki Katedra Makroekonomii i Teorii Handlu Zagranicznego Wydział Nauk Ekonomicznych UW

dr Bartłomiej Rokicki Katedra Makroekonomii i Teorii Handlu Zagranicznego Wydział Nauk Ekonomicznych UW Kaedra Makroekonomii i Teorii Handlu Zagranicznego Wydział Nauk Ekonomicznych UW Sposoby usalania płac w gospodarce Jednym z głównych powodów, dla kórych na rynku pracy obserwujemy poziom bezrobocia wyższy

Bardziej szczegółowo

ESTYMACJA KRZYWEJ DOCHODOWOŚCI STÓP PROCENTOWYCH DLA POLSKI

ESTYMACJA 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 szczegółowo

Zaletą tego przestawiania jest brak ingerencji w oryginalną tabelę danych. Możemy przestawiad i sprawdzad bez obaw o utratę lub naruszenie danych.

Zaletą tego przestawiania jest brak ingerencji w oryginalną tabelę danych. Możemy przestawiad i sprawdzad bez obaw o utratę lub naruszenie danych. ZFPBIG LABORATORIUM - TABELE PRZESTAWNE 1 Tabele przestawne Tabela przestawna - narzędzie analityczne arkusza kalkulacyjnego pozwalające wybierad i przestawiad kolumny i wiersze z danymi w arkuszu kalkulacyjnym,

Bardziej szczegółowo

Zasady wypełniania formularza sprawozdań za 2016 rok w Excelu. 6 komórek zawiera formuły. Są one oznaczone: lub wyświetla się w nich 0.

Zasady wypełniania formularza sprawozdań za 2016 rok w Excelu. 6 komórek zawiera formuły. Są one oznaczone: lub wyświetla się w nich 0. Zasady wypełniania formularza sprawozdań za 2016 rok w Excelu Informacje podstawowe 1. Objaśnienia do sprawozdania. Oznaczenie komórki Objaśnienie *, **, *** itd. Objaśnienia znajdują się pod tabelą, również

Bardziej szczegółowo

Ćwiczenia 10. Analiza regresji. Część I.

Ćwiczenia 10. Analiza regresji. Część I. Ćwiczenia 10. Analiza regresji. Część I. Zadania obowiązkowe UWAGA! Elementy zadań oznaczone kolorem czerwonym należy przygotować lub wypełnić. Zadanie 10.1. (R/STATISTICA) Twoim zadaniem jest możliwie

Bardziej szczegółowo

WYKORZYSTANIE NARZĘDZIA Solver DO ROZWIĄZYWANIA ZAGADNIEŃ TRANSPORTOWYCH Z KRYTERIUM KOSZTÓW

WYKORZYSTANIE NARZĘDZIA Solver DO ROZWIĄZYWANIA ZAGADNIEŃ TRANSPORTOWYCH Z KRYTERIUM KOSZTÓW WYKORZYSTANIE NARZĘDZIA Solver DO ROZWIĄZYWANIA ZAGADNIEŃ TRANSPORTOWYCH Z KRYTERIUM KOSZTÓW Zadania transportowe Zadania transportowe są najczęściej rozwiązywanymi problemami w praktyce z zakresu optymalizacji

Bardziej szczegółowo

Zasady wypełniania formularza sprawozdań za 2014 w Excelu

Zasady wypełniania formularza sprawozdań za 2014 w Excelu Zasady wypełniania formularza sprawozdań za 2014 w Excelu Informacje podstawowe 1. Skoroszyt sprawozdania zawiera 9 arkuszy zatytułowanych kolejno: 1. Liczba bibliotek 2. Księgozbiory 3. Udostępnianie

Bardziej szczegółowo

Przykład wykorzystania Arkusza Kalkulacyjnego Excel

Przykład wykorzystania Arkusza Kalkulacyjnego Excel Przykład wykorzystania Arkusza Kalkulacyjnego Excel Wyznaczanie przybliżonych wartości pierwiastków wielomianu 1. Założenia Uczniowie poznali na poprzednich lekcjach następujące wiadomości dotyczące wielomianów:

Bardziej szczegółowo

METROLOGICZNE WŁASNOŚCI SYSTEMU BADAWCZEGO

METROLOGICZNE WŁASNOŚCI SYSTEMU BADAWCZEGO PROBLEY NIEONWENCJONALNYCH ŁADÓW ŁOŻYSOWYCH Łódź, 4 maja 999 r. Jadwiga Janowska, Waldemar Oleksiuk Insyu ikromechaniki i Fooniki, Poliechnika Warszawska ETROLOGICZNE WŁASNOŚCI SYSTE BADAWCZEGO SŁOWA LCZOWE:

Bardziej szczegółowo

MODELOWANIE I PROGNOZOWANIE EKONOMETRYCZNE W LOGISTYCE PRZEDSIĘBIORSTWA MODELING AND ECONOMETRIC PREDICTION IN LOGISTICS COMPANY

MODELOWANIE I PROGNOZOWANIE EKONOMETRYCZNE W LOGISTYCE PRZEDSIĘBIORSTWA MODELING AND ECONOMETRIC PREDICTION IN LOGISTICS COMPANY Sysemy Logisyczne Wojsk nr 44/06 MODELOWANIE I PROGNOZOWANIE EKONOMETRYCZNE W LOGISTYCE PRZEDSIĘBIORSTWA MODELING AND ECONOMETRIC PREDICTION IN LOGISTICS COMPANY Agnieszka DUDA a.duda@aon.edu.pl Akademia

Bardziej szczegółowo

Wykład 3 POLITYKA PIENIĘŻNA POLITYKA FISKALNA

Wykład 3 POLITYKA PIENIĘŻNA POLITYKA FISKALNA Makroekonomia II Wykład 3 POLITKA PIENIĘŻNA POLITKA FISKALNA PLAN POLITKA PIENIĘŻNA. Podaż pieniądza. Sysem rezerwy ułamkowej i podaż pieniądza.2 Insrumeny poliyki pieniężnej 2. Popy na pieniądz 3. Prowadzenie

Bardziej szczegółowo

TEMAT: Ilustracja graficzna układu równań.

TEMAT: Ilustracja graficzna układu równań. SCENARIUSZ LEKCJI PRZEPROWADZONEJ W KLASIE III TEMAT: Ilustracja graficzna układu równań. Cel ogólny: Uczeń rozwiązuje metodą graficzną układy równań przy użyciu komputera. Cele operacyjne: Uczeń: - zna

Bardziej szczegółowo

LABORATORIUM PODSTAW ELEKTRONIKI PROSTOWNIKI

LABORATORIUM PODSTAW ELEKTRONIKI PROSTOWNIKI ZESPÓŁ LABORATORIÓW TELEMATYKI TRANSPORTU ZAKŁAD TELEKOMUNIKJI W TRANSPORCIE WYDZIAŁ TRANSPORTU POLITECHNIKI WARSZAWSKIEJ LABORATORIUM PODSTAW ELEKTRONIKI INSTRUKCJA DO ĆWICZENIA NR 5 PROSTOWNIKI DO UŻYTKU

Bardziej szczegółowo

Arkusz kalkulacyjny MS EXCEL ĆWICZENIA 4

Arkusz kalkulacyjny MS EXCEL ĆWICZENIA 4 Arkusz kalkulacyjny MS EXCEL ĆWICZENIA 4 Uwaga! Każde ćwiczenie rozpoczynamy od stworzenia w katalogu Moje dokumenty swojego własnego katalogu roboczego, w którym będziecie Państwo zapisywać swoje pliki.

Bardziej szczegółowo

Microsoft EXCEL SOLVER

Microsoft EXCEL SOLVER Microsoft EXCEL SOLVER 1. Programowanie liniowe z wykorzystaniem dodatku Microsoft Excel Solver Cele Po ukończeniu tego laboratorium słuchacze potrafią korzystając z dodatku Solver: formułować funkcję

Bardziej szczegółowo

WyŜsza Szkoła Zarządzania Ochroną Pracy MS EXCEL CZ.2

WyŜsza Szkoła Zarządzania Ochroną Pracy MS EXCEL CZ.2 - 1 - MS EXCEL CZ.2 FUNKCJE Program Excel zawiera ok. 200 funkcji, będących predefiniowanymi formułami, słuŝącymi do wykonywania określonych obliczeń. KaŜda funkcja składa się z nazwy funkcji, która określa

Bardziej szczegółowo

WARTOŚĆ ZAGROŻONA OPCJI EUROPEJSKICH SZACOWANA PRZEDZIAŁOWO. SYMULACJE

WARTOŚĆ ZAGROŻONA OPCJI EUROPEJSKICH SZACOWANA PRZEDZIAŁOWO. SYMULACJE Daniel Iskra Uniwersye Ekonomiczny w Kaowicach WARTOŚĆ ZAGROŻONA OPCJI EUROPEJSKICH SZACOWANA PRZEDZIAŁOWO. SYMULACJE Wprowadzenie Jednym z aspeków współczesnej ekonomii jes zarządzanie ryzykiem związanym

Bardziej szczegółowo

Dr hab. Jerzy Czesław Ossowski Wybrane elementy ekonometrii stosowanej cz. II Istotność zmiennych modelu, autokorelacja i modele multiplikatywne

Dr hab. Jerzy Czesław Ossowski Wybrane elementy ekonometrii stosowanej cz. II Istotność zmiennych modelu, autokorelacja i modele multiplikatywne Dr hab. Jerzy Czesław Ossowski Wybrane elemeny ekonomerii sosowanej cz. II Isoność zmiennych modelu, auokorelacja i modele muliplikaywne Ekonomeria-ćw.cz-SSW dr hab. Jerzy Czesław Ossowski Kaedra Nauk

Bardziej szczegółowo

E5. KONDENSATOR W OBWODZIE PRĄDU STAŁEGO

E5. KONDENSATOR W OBWODZIE PRĄDU STAŁEGO E5. KONDENSATOR W OBWODZIE PRĄDU STAŁEGO Marek Pękała i Jadwiga Szydłowska Procesy rozładowania kondensaora i drgania relaksacyjne w obwodach RC należą do szerokiej klasy procesów relaksacyjnych. Procesy

Bardziej szczegółowo

Excel - użycie dodatku Solver

Excel - użycie dodatku Solver PWSZ w Głogowie Excel - użycie dodatku Solver Dodatek Solver jest narzędziem używanym do numerycznej optymalizacji nieliniowej (szukanie minimum funkcji) oraz rozwiązywania równań nieliniowych. Przed pierwszym

Bardziej szczegółowo

1. Eliminuje się ze zbioru potencjalnych zmiennych te zmienne dla których korelacja ze zmienną objaśnianą jest mniejsza od krytycznej:

1. Eliminuje się ze zbioru potencjalnych zmiennych te zmienne dla których korelacja ze zmienną objaśnianą jest mniejsza od krytycznej: Metoda analizy macierzy współczynników korelacji Idea metody sprowadza się do wyboru takich zmiennych objaśniających, które są silnie skorelowane ze zmienną objaśnianą i równocześnie słabo skorelowane

Bardziej szczegółowo

y 1 y 2 = f 2 (t, y 1, y 2,..., y n )... y n = f n (t, y 1, y 2,..., y n ) f 1 (t, y 1, y 2,..., y n ) y = f(t, y),, f(t, y) =

y 1 y 2 = f 2 (t, y 1, y 2,..., y n )... y n = f n (t, y 1, y 2,..., y n ) f 1 (t, y 1, y 2,..., y n ) y = f(t, y),, f(t, y) = Uk lady równań różniczkowych Pojȩcia wsȩpne Uk ladem równań różniczkowych nazywamy uk lad posaci y = f (, y, y 2,, y n ) y 2 = f 2 (, y, y 2,, y n ) y n = f n (, y, y 2,, y n ) () funkcje f j, j =, 2,,

Bardziej szczegółowo

ZASTOSOWANIE METODY OBLICZEŃ UPROSZCZONYCH DO WYZNACZANIA CZASU JAZDY POCIĄGU NA SZLAKU

ZASTOSOWANIE METODY OBLICZEŃ UPROSZCZONYCH DO WYZNACZANIA CZASU JAZDY POCIĄGU NA SZLAKU PRACE NAUKOWE POLITECHNIKI WARSZAWSKIEJ z. 87 Transpor 01 Jarosław Poznański Danua Żebrak Poliechnika Warszawska, Wydział Transporu ZASTOSOWANIE METODY OBLICZEŃ UPROSZCZONYCH DO WYZNACZANIA CZASU JAZDY

Bardziej szczegółowo

Makropolecenia w Excelu

Makropolecenia w Excelu Makropolecenia w Excelu Trochę teorii Makropolecenie w skrócie nazywane makro ma za zadanie automatyczne wykonanie powtarzających się po sobie określonych czynności. Na przykładzie arkusza kalkulacyjnego

Bardziej szczegółowo

ĆWICZENIE 7 WYZNACZANIE LOGARYTMICZNEGO DEKREMENTU TŁUMIENIA ORAZ WSPÓŁCZYNNIKA OPORU OŚRODKA. Wprowadzenie

ĆWICZENIE 7 WYZNACZANIE LOGARYTMICZNEGO DEKREMENTU TŁUMIENIA ORAZ WSPÓŁCZYNNIKA OPORU OŚRODKA. Wprowadzenie ĆWICZENIE 7 WYZNACZIE LOGARYTMICZNEGO DEKREMENTU TŁUMIENIA ORAZ WSPÓŁCZYNNIKA OPORU OŚRODKA Wprowadzenie Ciało drgające w rzeczywisym ośrodku z upływem czasu zmniejsza ampliudę drgań maleje energia mechaniczna

Bardziej szczegółowo

Badania operacyjne Instrukcja do c wiczen laboratoryjnych Rozwiązywanie problemów programowania liniowego z użyciem MS Excel + Solver

Badania operacyjne Instrukcja do c wiczen laboratoryjnych Rozwiązywanie problemów programowania liniowego z użyciem MS Excel + Solver Zachodniopomorski Uniwersytet Technologiczny w Szczecinie Wydział Techniki Morskiej i Transportu Katedra Konstrukcji, Mechaniki i Technologii Okręto w Badania operacyjne Instrukcja do c wiczen laboratoryjnych

Bardziej szczegółowo

Przy dokonywaniu analiz ekonomicznych, np. sprzedażowych, bardzo

Przy dokonywaniu analiz ekonomicznych, np. sprzedażowych, bardzo Sprawdź, jak możesz przewidzieć wartość sprzedaży w nadchodzących okresach Prognozowanie w Excelu Systemy informatyczne w zarządzaniu 13/01 Przy dokonywaniu analiz ekonomicznych, np. sprzedażowych, bardzo

Bardziej szczegółowo

Ocena płynności wybranymi metodami szacowania osadu 1

Ocena 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 szczegółowo

DYNAMICZNE MODELE EKONOMETRYCZNE

DYNAMICZNE MODELE EKONOMETRYCZNE DYNAMICZNE MODELE EKONOMETRYCZNE IX Ogólnopolskie Seminarium Naukowe, 6 8 września 2005 w Toruniu Kaedra Ekonomerii i Saysyki, Uniwersye Mikołaja Kopernika w Toruniu Kaarzyna Kuziak Akademia Ekonomiczna

Bardziej szczegółowo

Analiza szeregów czasowych uwagi dodatkowe

Analiza szeregów czasowych uwagi dodatkowe Analiza szeregów czasowch uwagi dodakowe Jerz Sefanowski Poliechnika Poznańska Zaawansowana Eksploracja Danch Prognozowanie Wbór i konsrukcja modelu o dobrch własnościach predkcji przszłch warości zmiennej.

Bardziej szczegółowo

Zad.2. Korelacja - szukanie zależności.

Zad.2. Korelacja - szukanie zależności. Ćw. III. MSExcel obliczenia zarządcze Spis zagadnień: Funkcje statystyczne Funkcje finansowe Tworzenie prognoz Scenariusze >>>Otwórz plik: excel_02.xls> przejdź do arkusza

Bardziej szczegółowo

TABELE I WYKRESY W EXCELU I ACCESSIE

TABELE I WYKRESY W EXCELU I ACCESSIE TABELE I WYKRESY W EXCELU I ACCESSIE 1. Tabele wykonane w Excelu na pierwszych ćwiczeniach Wielkość prób samce samice wiosna/lato 12 6 jesień 6 7 zima 10 9 Średni ciężar osobnika SD ciężaru osobnika samce

Bardziej szczegółowo

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

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

Bardziej szczegółowo

Parytet stóp procentowych a premia za ryzyko na przykładzie kursu EURUSD

Parytet 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 szczegółowo

SCENARIUSZ LEKCJI. Klasa: I liceum profilowane Blok tematyczny: Funkcje

SCENARIUSZ LEKCJI. Klasa: I liceum profilowane Blok tematyczny: Funkcje SCENARIUSZ LEKCJI Klasa: I liceum profilowane Blok tematyczny: Funkcje Temat lekcji: Przesuwanie wykresów funkcji Typ lekcji: ćwiczeniowa Czas realizacji: 45 minut Metody pracy: podająca: - pogadanka problemowa:

Bardziej szczegółowo

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

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

Bardziej szczegółowo

Zaletą tego przestawiania jest brak ingerencji w oryginalną tabelę danych. Możemy przestawiad i sprawdzad bez obaw o utratę lub naruszenie danych.

Zaletą tego przestawiania jest brak ingerencji w oryginalną tabelę danych. Możemy przestawiad i sprawdzad bez obaw o utratę lub naruszenie danych. ZFPBIG LABORATORIUM - TABELE PRZESTAWNE 1 Tabele przestawne Tabela przestawna - narzędzie analityczne arkusza kalkulacyjnego pozwalające wybierad i przestawiad kolumny i wiersze z danymi w arkuszu kalkulacyjnym,

Bardziej szczegółowo

20. Wyznaczanie ciepła właściwego lodu c pl i ciepła topnienia lodu L

20. Wyznaczanie ciepła właściwego lodu c pl i ciepła topnienia lodu L 20. Wyznaczanie ciepła właściwego lodu c pl i ciepła opnienia lodu L I. Wprowadzenie 1. Ciepło właściwe lodu i ciepło opnienia lodu wyznaczymy meodą kalorymeryczną sporządzając odpowiedni bilans cieplny.

Bardziej szczegółowo

Inwestycje. Makroekonomia II Dr hab. Joanna Siwińska-Gorzelak

Inwestycje. Makroekonomia II Dr hab. Joanna Siwińska-Gorzelak Inwesycje Makroekonomia II Dr hab. Joanna Siwińska-Gorzelak CIASTECZOWY ZAWRÓT GŁOWY o akcja mająca miejsce w najbliższą środę (30 lisopada) na naszym Wydziale. Wydarzenie o związane jes z rwającym od

Bardziej szczegółowo

I. KINEMATYKA I DYNAMIKA

I. KINEMATYKA I DYNAMIKA piagoras.d.pl I. KINEMATYKA I DYNAMIKA KINEMATYKA: Położenie ciała w przesrzeni można określić jedynie względem jakiegoś innego ciała lub układu ciał zwanego układem odniesienia. Ruch i spoczynek są względne

Bardziej szczegółowo