HSC Research Report. Periodic correlation vs. integration and cointegration (Okresowa korelacja a integracja i kointegracja) HSC/04/04

Wielkość: px
Rozpocząć pokaz od strony:

Download "HSC Research Report. Periodic correlation vs. integration and cointegration (Okresowa korelacja a integracja i kointegracja) HSC/04/04"

Transkrypt

1 HSC Research Report HSC/04/04 Periodic correlation vs. integration and cointegration (Okresowa korelacja a integracja i kointegracja) Ewa Broszkiewicz-Suwaj* Agnieszka Wyłoańska* * Institute of Matheatics, Wrocław University of Technology, Poland Hugo Steinhaus Center Wrocław University of Technology Wyb. Wyspiańskiego 7, Wrocław, Poland

2 Ewa Broszkiewicz-Suwaj, Agnieszka Wyłoańska Instytut Mateatyki, Politechnika Wrocławska OKRESOWA KORELACJA A ITEGRACJA I KOITEGRACJA 1. Wstęp W artykule oówiono nowe podejście do pojęcia integracji i kointegracji. Pokazano, że ażdy szereg czasowy okresowo skorelowany ożna podzielić na podszeregi, które są zintegrowane, a dodatkowo istnieje duże prawdopodobieństwo ich kointegracji. Zate udowodnienie, że badany szereg jest okresowo skorelowany jednocześnie pokazuje, że podszeregi utworzone z niego są zintegrowane i nie jest konieczne badanie integracji innyi etodai. W pierwszej części pracy oówiono własności procesów okresowo skorelowanych oraz przedstawiono jedną z etod opartą na analizie spektralnej służącą do wykrywania okresu funkcji korelacji. Metodę tę wykorzystano do zbadania okresowej korelacji w danych rzeczywistych opisujących średnie dzienne spotowe ceny energii elektrycznej na Giełdzie ord Pool z okresu od 30 grudnia 1996 do 1 grudnia 1998 roku. W drugi rozdziale zajęto się zagadnienie integracji oraz zbadano ją dla podszeregów wyznaczonych z szeregu wyjściowego. Podszeregi te opisują spotowe ceny energii w poszczególnych dniach tygodnia. a zakończenie oówiono zjawisko kointegracji i przetestowano hipotezę o jej istnieniu.. Procesy okresowo skorelowane Analiza szeregów czasowych w znacznej ierze bazuje na stacjonarności danych. Jednak w większości przypadków założenie, że badany szereg jest niestacjonarny jest zbyt proste. Procesy okresowo skorelowane są klasą procesów, które generalnie są niestacjonarne, ale wykazują wiele własności procesów stacjonarnych. Spotykane są iedzy innyi w kliatologii, hydrologii i ekonoii. Definicja 1. Proces stochastyczny {(t), t є I} o skończony drugi oencie nazwany jest okresowo skorelowany (ang. periodically correlated) z okrese T, jeśli T jest najniejszą liczbą taką, że dla każdych t oraz u ze zbioru I spełnione są następujące warunki [4] 1

3 ( i) ( ii) R ( t) = E( ( t)) = ( t, u) = E(( ( t) ( t + T ) ( t))( ( u) ( u))) = R ( t + T, u + T ). Szereg czasowy okresowo skorelowany jest stacjonarny dla T=1. Poniżej przedstawiono algoryt wykrywania okresowej korelacji dla zadanego szeregu czasowego { (1), (),..., ( )} o średniej ( n) 0. Jest to etoda oparta na analizie spektralnej [,6]. 1. Wyznaczay dyskretną transforatę Fouriera I ( ω ) = ( n) exp( iω( n 1)) ( k 1) w punktach ω k = π, k = 1,, K,.. Obliczay dwuwyiarową koherencję próbkową (ang. saple coherence) I ( ω p+ ) I ( ω q+ ) = 0 γ ( ω p, ω q, M ) = w każdy punkcie ( q) M 1 M 1 I ( ω p+ ) I ( ω q+ ) = 0 M 1 = 0 n= 1 p,. 3. Wyznaczay wartości jednowyiarowej statystyki koherentnej (ang. coherent statistic) γ ( 0, ω d, ). Statystyka ta przyjuje wartości z przedziału [,1] 0. Jeżeli na wykresie pojawią się wyraźne piki w punktach ω ω,3 ω, K, to znaczy, iż d, d d zadany szereg jest okresowo skorelowany z okrese T 1 =. ω d Istnieją również inne etody wykrywania okresowej korelacji oparte na analizie spektralnej [1,,6]. a potrzeby artykułu zbadano okresową korelację danych pochodzących ze skandynawskiej giełdy energii (średnie dzienne spotowe ceny z okresu od do ). Po uprzedni usunięciu średniej poprzez zróżnicowanie danych z siediodniowy opóźnienie przeprowadzono opisany test.

4 Rys. 1. Szereg czasowy przedstawiający dzienne zróżnicowane tygodniowo ceny z Giełdy ord Pool oraz wykres statystyki koherentnej dla tego szeregu. Źródło: opracowania własne. Piki występujące w częstotliwościach 1/7, /7,... wskazują na okres funkcji korelacji, który jest równy 7 dni (tygodniowa okresowa korelacja). 3. Integracja i kointegracja Definicja. Szereg niestacjonarny {(n), n є Z}, który ożna sprowadzić do szeregu stacjonarnego, obliczając przyrosty ( ( n) = ( n) ( n 1) ) d razy, nazyway szeregie zintegrowany stopnia d (I(d)) [3,7]. Istnieją testy, które pozwalają na zbadanie stopnia integracji, np. test Dickeya- Fullera (DF) oraz rozszerzony test Dickeya-Fullera (ADF) [3, 5]. Do prostego testowania, czy szereg jest zintegrowany pożyteczny narzędzie jest test oparty na statystyce Durbina-Watsona: IDW = ( ( n) ( n 1)) ( ( n) ( n)) Jeśli wartość statystyki IDW jest niejsza niż 0.5 istnieje podejrzenie braku integracji. atoiast, gdy jej wartość jest bliska wówczas ożna przyjąć hipotezę o zintegrowaniu szeregu [3]. Okresowa korelacja danego szeregu czasowego jest równoważna integracji I(0) jego podszeregów, powstałych w następujący sposób (1) Y ( v, n) = ( nt + v) v = 1,,... T, () gdzie (n) jest wyjściowy szeregie niestacjonarny, w który wykryto okresową korelację. Własność ta wynika z następujących zależności, które spełnione są dla dowolnych n i k ze zbioru liczb naturalnych: 3

5 R Y ( v) Y ( v) ( n) = ( n, k) = R ( nt + v) = ( kt + v) = ( nt + v, kt + v) = R Y ( v) ( k) = const ( v, k n T + v) = R Y ( v) (0, k n ). Fakte jednak jest, że dla rzeczywistych danych okresową korelację uzyskujey dopiero po zróżnicowaniu zadanego szeregu co oże spowodować utratę długookresowych zależności. Interesujące oże być zate zachowanie podszeregów powstałych jak we wzorze () dla niezróżnicowanego szeregu pierwotnego. Rys.. Dwa przykładowe (piątek, sobota) podszeregi powstałe z szeregu opisującego ceny energii na Giełdzie ord Pool. Źródło: opracowania własne. Poniżej przedstawiono wyniki otrzyane przy badaniu integracji dla podszeregów opisujących ceny energii z Giełdy ord Pool w poszczególnych dniach tygodnia (7 podszeregów). Do badania stopnia integracji wykorzystano szybką etodę badania hipotezy o kointegracji opartą na statystyce Durbina-Watsona oraz wykresy funkcji autokorelacji (ACF). Cena Poniedziałek Wtorek Środa Czwartek Piątek Sobota iedziela IDW Tabela 1. Wartość statystyki IDW dla szeregów obejujących ceny w poszczególnych dniach tygodnia. Żródło: opracowania własne. Wartość statystyki IDW dla danych pierwotnych (Tabela 1) jest istotnie niejsza niż 0.5 dla każdego z szeregów, zate ożey odrzucić hipotezę o integracji stopnia 0 dla każdego z nich. Wartości statystyki IDW dla przyrostów pierwszego rzędu poszczególnych szeregów (Tabela ) wskazują na fakt, że szeregi te są stacjonarne. Zate ożna wnioskować o integracji I(1) poszczególnych podszeregów. 4

6 Cena Poniedziałek Wtorek Środa Czwartek Piątek Sobota iedziela IDW Tabela. Wartość statystyki IDW dla przyrostów szeregów obejujących ceny w poszczególnych dniach tygodnia. Żródło: opracowania własne. Rys. 3. Przykładowy wykres funkcji autokorelacji dla podszeregu w wersji niezróżnicowanej (panel lewy) i zróżnicowanej (panel prawy). Przerywana linia oznacza 95% przedziały ufności dla ruchu Browna. Źródło: opracowania własne. Dla wszystkich badanych podszeregów wykresy funkcji autokorelacji ają zbliżoną postać. Podobnie jak poprzedni test wskazują one na brak stacjonarności przed różnicowanie i jej obecność po zróżnicowaniu. Z pojęcie integracji ściśle związane jest zagadnienie kointegracji. Definicja 4. Mówiy, że szeregi czasowe Y(1,n), Y(,n),...Y(,n) są skointegrowane stopnia d, b, gdzie d b 0 i piszey Y(1,n), Y(,n),...Y(,n)~ CI (d, b), jeżeli: 1) są one zintegrowane stopnia d, ) istnieje kobinacja liniowa tych ziennych, np. a 1 Y(1,n) + a Y(,n)+...a Y(,n), która jest zintegrowana stopnia d b. Wektor [a 1, a,...a ] nazyway kointegrujący. Test kointegracji przebiega dwuetapowo. W pierwszy etapie baday stopień zintegrowania poszczególnych szeregów, co daje na wskazówki do dalszego badania kointegracji. W drugi etapie należy wyestyować wektor kointegrujący postaci [1, - a 1, -a,, -a 6 ], który pojawia się w następujący odelu regresji Y 1, n) = a Y (, n) + a Y (3, n) +... a Y (7, n) + ν ( ) ( 1 6 n (3) Można go estyować używając etody najniejszych kwadratów a następnie testować 5

7 hipotezę o kointegracji przy użyciu testów Dickeya-Fullera. Inną prostą etodą testowania tej hipotezy jest użycie analogonu statystyki Durbina-Watsona. Test ten polega na wyznaczeniu statystyki Durbina-Watsona dla oszacowania odchyleń szeregu od głównej trajektorii, które przy założeniu prawdziwości hipotezy o kointegracji są stacjonarne [3] CIDW = ( ˆ( ν n) ˆ( ν n 1)) ( ˆ( ν n) ν ( n)), (4) gdzie ˆ ν ( n) są resztai wyznaczonyi etodą najniejszych kwadratów dla równania (3). Jeśli wartość statystyki CIDW jest niejsza od współczynnika deterinancji R R = vˆ ( n) 1 ( Y (1, n) Y (1, n)) postuluje się odrzucenie hipotezy o kointegracji. W przeciwny wypadku, gdy CIDW>R, kointegracja oże występować [3]. W naszych analizach baday kointegrację szeregów, które opisują cenę energii elektrycznej w poszczególnych dniach tygodnia. Jako zienną opisywaną przyjujey ceny z poniedziałku, pozostałe szeregi tworzą zienne opisujące. Dla takiego przypadku współczynnik deterinancji wynosi 0.954, natoiast wartość statystyki CIDW jest równa.153. Zate szeregi te są skointegrowane CI(1,1). Współczynniki kointegracji dla tego odelu uieszczone są w tabeli 3. a1 a a3 a4 a5 a6 1,3473-0,3781 0,046-0, ,087 Tabela 3. Wartości współczynników kointegracji. Źródło: opracowania własne., 4. Podsuowanie Powyższa analiza wskazuje na fakt, że okresowa korelacja jest ściśle związana z zagadnienie integracji, a co za ty idzie z kointegracją. Szereg okresowo skorelowany ożna przetransforować na zbiór podszeregów, które wykazują własność integracji, zate nie jest konieczne badanie jej innyi etodai. Ponadto podszeregi w swej niezróżnicowanej postaci ogą być ze sobą skointegrowane. ależy podkreślić, że saa okresowość szeregu nie wystarcza do tego, by był on złożenie podszeregów zintegrowanych. Dlatego do analizy wykorzystano szereg okresowo skorelowany opisujący spotowe ceny energii elektrycznej. Przedstawiona etodologia pozwala na badanie i opisywanie procesów wykazujących okresową korelację bez utraty zależności długookresowych. Służy ona także 6

8 jako potwierdzenie słuszności etod wykrywania okresowej korelacji opartych na analizie spektralnej. Bibliografia: [1] Broszkiewicz-Suwaj E., 003, Wykrywanie okresowej korelacji danych z TGE SA w oparciu o analizę spektralną, Rynek Terinowy 0, [] Broszkiewicz-Suwaj E., Makagon A., Weron R., Wyłoańska A., 004, On detecting and odeling periodic correlation in financial data, Physica A 336, [3] Chareza W. W., Deadan D.F., 1997, owa ekonoetria, Polskie Wydawnictwo Ekonoiczne, Warszawa. [4] Gladyshev E.G., 1961, Periodically correlated rando sequences, Soviet Math., [5] Hailton J., D., 1994, Tie Series Analysis, Princeton University Press, Princeton. [6] Hurd H., Gerr.L., 1991, Graphical ethods for deteining the presence of periodic correlation, J. Tie Ser. Anal. 1 (4), [7] Welfe A., 1998, Ekonoetria, Polskie Wydawnictwo Ekonoiczne. 7

9 HSC Research Report Series 004 For a coplete list please visit 01 Finding the optial exercise tie for Aerican warrants on WIG0 futures (Wyznaczanie optyalnego oentu wykonania warrantów aerykańskich na kontrakty futures na indeks WIG0) by Bartosz Stawiarski 0 Power arkets in Poland and worldwide (Rynki energii elektrycznej w Polsce i na świecie) by Rafał Weron 03 Principal Coponents Analysis in iplied volatility odeling (Analiza składowych głównych w odelowaniu iplikowanej zienności) by Rafał Weron and Sławoir Wójcik 04 Periodic correlation vs. integration and cointegration (Okresowa korelacja a integracja i kointegracja) by Ewa Broszkiewicz-Suwaj and Agnieszka Wyłoańska

Metoda Johansena objaśnienia i przykłady

Metoda Johansena objaśnienia i przykłady Metoda Johansena objaśnienia i przykłady Model wektorowej autoregresji rzędu p, VAR(p), ma postad gdzie oznacza wektor zmiennych endogenicznych modelu. Model VAR jest stabilny, jeżeli dla, tzn. wielomian

Bardziej szczegółowo

Podczas zajęć będziemy zajmować się głownie procesami ergodycznymi zdefiniowanymi na przestrzeniach ciągłych.

Podczas zajęć będziemy zajmować się głownie procesami ergodycznymi zdefiniowanymi na przestrzeniach ciągłych. Trochę teorii W celu przeprowadzenia rygorystycznej ekonometrycznej analizy szeregu finansowego będziemy traktowali obserwowany ciąg danych (x 1, x 2,..., x T ) jako realizację pewnego procesu stochastycznego.

Bardziej szczegółowo

Plan wykładu: 1) Pojęcie stacjonarności i niestacjonarności zmiennych 2) Testowanie integracji 3) Pojęcie kointegracji metoda Engle a-grangera.

Plan wykładu: 1) Pojęcie stacjonarności i niestacjonarności zmiennych 2) Testowanie integracji 3) Pojęcie kointegracji metoda Engle a-grangera. 1 Plan wykładu: 1) Pojęcie stacjonarności i niestacjonarności zmiennych 2) Testowanie integracji 3) Pojęcie kointegracji metoda Engle a-grangera. Pojęcie stacjonarności i niestacjonarności zmiennych Szereg

Bardziej szczegółowo

Wprowadzenie do analizy korelacji i regresji

Wprowadzenie do analizy korelacji i regresji Statystyka dla jakości produktów i usług Six sigma i inne strategie Wprowadzenie do analizy korelacji i regresji StatSoft Polska Wybrane zagadnienia analizy korelacji Przy analizie zjawisk i procesów stanowiących

Bardziej szczegółowo

ANALIZA KOINTEGRACJI STÓP PROCENTOWYCH W POLSCE

ANALIZA KOINTEGRACJI STÓP PROCENTOWYCH W POLSCE Aneta KŁODZIŃSKA ZESZYTY NAUKOWE INSTYTUTU EKONOMII I ZARZĄDZANIA ANALIZA KOINTEGRACJI STÓP PROCENTOWYCH W POLSCE Zarys treści: Celem artykułu jest określenie czy między stopami procentowymi w Polsce występuje

Bardziej szczegółowo

ANALIZA ZALEŻNOŚCI MIĘDZY INDEKSAMI RYNKÓW AKCJI NA GIEŁDZIE POLSKIEJ I AMERYKAŃSKIEJ. Indeksy giełdowe

ANALIZA ZALEŻNOŚCI MIĘDZY INDEKSAMI RYNKÓW AKCJI NA GIEŁDZIE POLSKIEJ I AMERYKAŃSKIEJ. Indeksy giełdowe B A D A N I A O P E R A C Y J N E I D E C Y Z J E Nr 3 4 2007 Grzegorz PRZEKOTA* ANALIZA ZALEŻNOŚCI MIĘDZY INDEKSAMI RYNKÓW AKCJI NA GIEŁDZIE POLSKIEJ I AMERYKAŃSKIEJ W artykule skonstruowano dwa modele

Bardziej szczegółowo

PDF created with FinePrint pdffactory Pro trial version http://www.fineprint.com

PDF created with FinePrint pdffactory Pro trial version http://www.fineprint.com Analiza korelacji i regresji KORELACJA zależność liniowa Obserwujemy parę cech ilościowych (X,Y). Doświadczenie jest tak pomyślane, aby obserwowane pary cech X i Y (tzn i ta para x i i y i dla różnych

Bardziej szczegółowo

Zadanie 1 Zakładając liniową relację między wydatkami na obuwie a dochodem oszacować MNK parametry modelu: y t. X 1 t. Tabela 1.

Zadanie 1 Zakładając liniową relację między wydatkami na obuwie a dochodem oszacować MNK parametry modelu: y t. X 1 t. Tabela 1. tel. 44 683 1 55 tel. kom. 64 566 811 e-mail: biuro@wszechwiedza.pl Zadanie 1 Zakładając liniową relację między wydatkami na obuwie a dochodem oszacować MNK parametry modelu: gdzie: y t X t y t = 1 X 1

Bardziej szczegółowo

PROGNOZOWANIE PRZYCHODÓW ZE SPRZEDAŻY

PROGNOZOWANIE PRZYCHODÓW ZE SPRZEDAŻY Joanna Chrabołowska Joanicjusz Nazarko PROGNOZOWANIE PRZYCHODÓW ZE SPRZEDAŻY NA PRZYKŁADZIE PRZEDSIĘBIORSTWA HANDLOWEGO TYPU CASH & CARRY Wprowadzenie Wśród wielu prognoz szczególną rolę w zarządzaniu

Bardziej szczegółowo

Co trzeba wiedzieć korzystając z modelu ARIMA i które parametry są kluczowe?

Co trzeba wiedzieć korzystając z modelu ARIMA i które parametry są kluczowe? Prognozowanie Co trzeba wiedzieć korzystając z modelu ARIMA Marta Płonka Predictive Solutions W trzecim już artykule dotyczącym szeregów czasowych przyjrzymy się modelom ARIMA. Dzisiaj skupimy się na metodzie

Bardziej szczegółowo

Analiza korespondencji

Analiza korespondencji Analiza korespondencji Kiedy stosujemy? 2 W wielu badaniach mamy do czynienia ze zmiennymi jakościowymi (nominalne i porządkowe) typu np.: płeć, wykształcenie, status palenia. Punktem wyjścia do analizy

Bardziej szczegółowo

Statystyka w pracy badawczej nauczyciela Wykład 4: Analiza współzależności. dr inż. Walery Susłow walery.suslow@ie.tu.koszalin.pl

Statystyka w pracy badawczej nauczyciela Wykład 4: Analiza współzależności. dr inż. Walery Susłow walery.suslow@ie.tu.koszalin.pl Statystyka w pracy badawczej nauczyciela Wykład 4: Analiza współzależności dr inż. Walery Susłow walery.suslow@ie.tu.koszalin.pl Statystyczna teoria korelacji i regresji (1) Jest to dział statystyki zajmujący

Bardziej szczegółowo

Diagnostyka w Pakiecie Stata

Diagnostyka w Pakiecie Stata Karol Kuhl Zgodnie z twierdzeniem Gaussa-Markowa, estymator MNK w KMRL jest liniowym estymatorem efektywnym i nieobciążonym, co po angielsku opisuje się za pomocą wyrażenia BLUE Best Linear Unbiased Estimator.

Bardziej szczegółowo

PRZEWODNIK PO PRZEDMIOCIE

PRZEWODNIK PO PRZEDMIOCIE Nazwa przedmiotu: Kierunek: Statystyka komputerowa Computer statistics Zarządzanie i Inżynieria Produkcji Management and Engineering of Production Rodzaj przedmiotu: Fakultatywny - oferta Poziom studiów:

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

Korelacje krzyżowe kryzysów finansowych w ujęciu korelacji potęgowych. Analiza ewolucji sieci na progu liniowości.

Korelacje krzyżowe kryzysów finansowych w ujęciu korelacji potęgowych. Analiza ewolucji sieci na progu liniowości. Korelacje krzyżowe kryzysów finansowych w ujęciu korelacji potęgowych. Analiza ewolucji sieci na progu liniowości. Cross-correlations of financial crisis analysed by power law classification scheme. Evolving

Bardziej szczegółowo

PONIEDZIAŁEK 16.02.2015 WTOREK 17.02.2015

PONIEDZIAŁEK 16.02.2015 WTOREK 17.02.2015 PONIEDZIAŁEK 16.02.2015 WTOREK 17.02.2015 ŚRODA 18.02.2015 CZWARTEK 19.02.2015 14.00-16.00 AQUAPARK: ZABAWY KOSMICZNE Z DZIEĆMI Z MUZYKĄ PIĄTEK 20.02.2015 SOBOTA 21.02.2015 NIEDZIELA 22.02.2015 PONIEDZIAŁEK

Bardziej szczegółowo

ZMIDEX analiza zdolności prognostycznej

ZMIDEX analiza zdolności prognostycznej ZMIDEX analiza zdolności prognostycznej 1 KURS ZAMKNIECIA WIG 40000 45000 50000 55000 ZMIDEX, a poziom indeksu ZMIDEX vs. WIG Regresja Liniowa (KMRL) Istotny dodatni związek ZMIDEX-u ze wszystkimi badanymi

Bardziej szczegółowo

Modelowanie zachowania kursu EURUSD po ogłoszeniu odczytu US Nonfarm Payrolls z wykorzystaniem modeli ARIMA-GARCH

Modelowanie zachowania kursu EURUSD po ogłoszeniu odczytu US Nonfarm Payrolls z wykorzystaniem modeli ARIMA-GARCH Raport 10/2015 Modelowanie zachowania kursu EURUSD po ogłoszeniu odczytu US Nonfarm Payrolls z wykorzystaniem modeli ARIMA-GARCH autor: Michał Osmoła INIME Instytut nauk informatycznych i matematycznych

Bardziej szczegółowo

Analiza zależności liniowych

Analiza zależności liniowych Narzędzie do ustalenia, które zmienne są ważne dla Inwestora Analiza zależności liniowych Identyfikuje siłę i kierunek powiązania pomiędzy zmiennymi Umożliwia wybór zmiennych wpływających na giełdę Ustala

Bardziej szczegółowo

Ekonometria. Weryfikacja modelu. Paweł Cibis pcibis@o2.pl. 6 kwietnia 2006

Ekonometria. Weryfikacja modelu. Paweł Cibis pcibis@o2.pl. 6 kwietnia 2006 Weryfikacja modelu Paweł Cibis pcibis@o2.pl 6 kwietnia 2006 1 Badanie istotności parametrów strukturalnych modelu Testy Pakiet Analiza Danych Uwagi 2 Test dla małej próby Test dla dużej próby 3 Test Durbina-Watsona

Bardziej szczegółowo

Rozdział 1 PODSTAWOWE POJĘCIA I DEFINICJE

Rozdział 1 PODSTAWOWE POJĘCIA I DEFINICJE 1. 1. W p r owadze n ie 1 Rozdział 1 PODSTAWOWE POJĘCIA I DEFINICJE 1.1. WPROWADZENIE SYGNAŁ nośnik informacji ANALIZA SYGNAŁU badanie, którego celem jest identyfikacja własności, cech, miar sygnału; odtwarzanie

Bardziej szczegółowo

Analiza Statystyczna

Analiza Statystyczna Lekcja 5. Strona 1 z 12 Analiza Statystyczna Do analizy statystycznej wykorzystać można wbudowany w MS Excel pakiet Analysis Toolpak. Jest on instalowany w programie Excel jako pakiet dodatkowy. Oznacza

Bardziej szczegółowo

Spis treści. Przedmowa... XI. Rozdział 1. Pomiar: jednostki miar... 1. Rozdział 2. Pomiar: liczby i obliczenia liczbowe... 16

Spis treści. Przedmowa... XI. Rozdział 1. Pomiar: jednostki miar... 1. Rozdział 2. Pomiar: liczby i obliczenia liczbowe... 16 Spis treści Przedmowa.......................... XI Rozdział 1. Pomiar: jednostki miar................. 1 1.1. Wielkości fizyczne i pozafizyczne.................. 1 1.2. Spójne układy miar. Układ SI i jego

Bardziej szczegółowo

Sposoby prezentacji problemów w statystyce

Sposoby prezentacji problemów w statystyce S t r o n a 1 Dr Anna Rybak Instytut Informatyki Uniwersytet w Białymstoku Sposoby prezentacji problemów w statystyce Wprowadzenie W artykule zostaną zaprezentowane podstawowe zagadnienia z zakresu statystyki

Bardziej szczegółowo

Wykład z Nowej ekonometrii, 7 marca 2006:

Wykład z Nowej ekonometrii, 7 marca 2006: Wykład z Nowej ekonometrii, 7 marca 2006: Na mojej stronie internetowej podane są pliki z danymi: http://akson.sgh.waw.pl/~ewams/mills.zip http://akson.sgh.waw.pl/~ewams/mills_obligacje.xls dane z pierwszego

Bardziej szczegółowo

Wykład 10 (12.05.08). Testowanie hipotez w rodzinie rozkładów normalnych przypadek nieznanego odchylenia standardowego

Wykład 10 (12.05.08). Testowanie hipotez w rodzinie rozkładów normalnych przypadek nieznanego odchylenia standardowego Wykład 10 (12.05.08). Testowanie hipotez w rodzinie rozkładów normalnych przypadek nieznanego odchylenia standardowego Przykład Cena metra kwadratowego (w tys. zł) z dla 14 losowo wybranych mieszkań w

Bardziej szczegółowo

HSC Research Report. Power markets in Poland and worldwide (Rynki energii elektrycznej w Polsce i na świecie) HSC/04/02.

HSC Research Report. Power markets in Poland and worldwide (Rynki energii elektrycznej w Polsce i na świecie) HSC/04/02. HSC Research Report HSC/04/02 Power markets in Poland and worldwide (Rynki energii elektrycznej w Polsce i na świecie) Rafał Weron* * Hugo Steinhaus Center, Wrocław University of Technology, Poland Hugo

Bardziej szczegółowo

SCENARIUSZ LEKCJI. TEMAT LEKCJI: Zastosowanie średnich w statystyce i matematyce. Podstawowe pojęcia statystyczne. Streszczenie.

SCENARIUSZ LEKCJI. TEMAT LEKCJI: Zastosowanie średnich w statystyce i matematyce. Podstawowe pojęcia statystyczne. Streszczenie. SCENARIUSZ LEKCJI OPRACOWANY W RAMACH PROJEKTU: INFORMATYKA MÓJ SPOSÓB NA POZNANIE I OPISANIE ŚWIATA. PROGRAM NAUCZANIA INFORMATYKI Z ELEMENTAMI PRZEDMIOTÓW MATEMATYCZNO-PRZYRODNICZYCH Autorzy scenariusza:

Bardziej szczegółowo

Wyznaczenie gęstości cieczy za pomocą wagi hydrostatycznej. Spis przyrządów: waga techniczna (szalkowa), komplet odważników, obciążnik, ławeczka.

Wyznaczenie gęstości cieczy za pomocą wagi hydrostatycznej. Spis przyrządów: waga techniczna (szalkowa), komplet odważników, obciążnik, ławeczka. Cel ćwiczenia: WYZNACZANIE GĘSTOŚCI CIECZY ZA POMOCĄ WAGI HYDROSTATYCZNEJ Wyznaczenie gęstości cieczy za poocą wagi hydrostatycznej. Spis przyrządów: waga techniczna (szalkowa), koplet odważników, obciążnik,

Bardziej szczegółowo

ALGORYTMICZNA I STATYSTYCZNA ANALIZA DANYCH

ALGORYTMICZNA I STATYSTYCZNA ANALIZA DANYCH 1 ALGORYTMICZNA I STATYSTYCZNA ANALIZA DANYCH WFAiS UJ, Informatyka Stosowana II stopień studiów 2 Wnioskowanie statystyczne dla zmiennych numerycznych Porównywanie dwóch średnich Boot-strapping Analiza

Bardziej szczegółowo

Analiza szeregów czasowych bezrobocia i inflacji w Danii

Analiza szeregów czasowych bezrobocia i inflacji w Danii Uniwersytet Warszawski Wydział Nauk Ekonomicznych Mateusz Błażej Nr albumu: 308521 Analiza szeregów czasowych bezrobocia i inflacji w Danii Projekt zaliczeniowy z przedmiotu: Analiza Szeregów Czasowych

Bardziej szczegółowo

Przykład 1 ceny mieszkań

Przykład 1 ceny mieszkań Przykład ceny mieszkań Przykład ceny mieszkań Model ekonometryczny zaleŝności ceny mieszkań od metraŝu - naleŝy do klasy modeli nieliniowych. - weryfikację empiryczną modelu przeprowadzono na przykładzie

Bardziej szczegółowo

7. Estymacja parametrów w modelu normalnym(14.04.2008) Pojęcie losowej próby prostej

7. Estymacja parametrów w modelu normalnym(14.04.2008) Pojęcie losowej próby prostej 7. Estymacja parametrów w modelu normalnym(14.04.2008) Pojęcie losowej próby prostej Definicja 1 n-elementowa losowa próba prosta nazywamy ciag n niezależnych zmiennych losowych o jednakowych rozkładach

Bardziej szczegółowo

Projekt zaliczeniowy z przedmiotu Statystyka i eksploracja danych (nr 3) Kamil Krzysztof Derkowski

Projekt zaliczeniowy z przedmiotu Statystyka i eksploracja danych (nr 3) Kamil Krzysztof Derkowski Projekt zaliczeniowy z przedmiotu Statystyka i eksploracja danych (nr 3) Kamil Krzysztof Derkowski Zadanie 1 Eksploracja (EXAMINE) Informacja o analizowanych danych Obserwacje Uwzględnione Wykluczone Ogółem

Bardziej szczegółowo

Instytut Matematyczny Uniwersytet Wrocławski. Zakres egzaminu magisterskiego. Wybrane rozdziały anazlizy i topologii 1 i 2

Instytut Matematyczny Uniwersytet Wrocławski. Zakres egzaminu magisterskiego. Wybrane rozdziały anazlizy i topologii 1 i 2 Instytut Matematyczny Uniwersytet Wrocławski Zakres egzaminu magisterskiego Wybrane rozdziały anazlizy i topologii 1 i 2 Pojęcia, fakty: Definicje i pojęcia: metryka, iloczyn skalarny, norma supremum,

Bardziej szczegółowo

Brunon R. Górecki. Ekonometria. podstawy teorii i praktyki. Wydawnictwo Key Text

Brunon R. Górecki. Ekonometria. podstawy teorii i praktyki. Wydawnictwo Key Text Brunon R. Górecki Ekonometria podstawy teorii i praktyki Wydawnictwo Key Text Darmowy fragment Darmowy fragment Darmowy fragment Wydawnictwo Key Text Recenzent prof. dr hab. Jan B. Gajda Opracowanie graficzne

Bardziej szczegółowo

Matematyka zajęcia fakultatywne (Wyspa inżynierów) Dodatkowe w ramach projektu UE

Matematyka zajęcia fakultatywne (Wyspa inżynierów) Dodatkowe w ramach projektu UE PROGRAM ZAJĘĆ FAKULTATYWNYCH Z MATEMATYKI DLA STUDENTÓW I ROKU SYLABUS Nazwa uczelni: Wyższa Szkoła Przedsiębiorczości i Administracji w Lublinie ul. Bursaki 12, 20-150 Lublin Kierunek Rok studiów Informatyka

Bardziej szczegółowo

Przedmiot statystyki. Graficzne przedstawienie danych. Wykład-26.02.07. Przedmiot statystyki

Przedmiot statystyki. Graficzne przedstawienie danych. Wykład-26.02.07. Przedmiot statystyki Przedmiot statystyki. Graficzne przedstawienie danych. Wykład-26.02.07 Statystyka dzieli się na trzy części: Przedmiot statystyki -zbieranie danych; -opracowanie i kondensacja danych (analiza danych);

Bardziej szczegółowo

Elementy modelowania matematycznego

Elementy modelowania matematycznego Eleenty odelowania ateatycznego Systey kolejkowe. Jakub Wróblewski jakubw@pjwstk.edu.pl http://zajecia.jakubw.pl/ RZYKŁAD KOLEJKI N(t) długość kolejki w chwili t T i czas obsługi i-tego klienta Do okienka

Bardziej szczegółowo

Przedmiot statystyki. Graficzne przedstawienie danych.

Przedmiot statystyki. Graficzne przedstawienie danych. Przedmiot statystyki. Graficzne przedstawienie danych. dr Mariusz Grządziel 23 lutego 2009 Przedmiot statystyki Statystyka dzieli się na trzy części: -zbieranie danych; -opracowanie i kondensacja danych

Bardziej szczegółowo

Sterowanie wielkością zamówienia w Excelu - cz. 3

Sterowanie wielkością zamówienia w Excelu - cz. 3 Sterowanie wielkością zamówienia w Excelu - cz. 3 21.06.2005 r. 4. Planowanie eksperymentów symulacyjnych Podczas tego etapu ważne jest określenie typu rozkładu badanej charakterystyki. Dzięki tej informacji

Bardziej szczegółowo

Ćwiczenie: Wybrane zagadnienia z korelacji i regresji.

Ćwiczenie: Wybrane zagadnienia z korelacji i regresji. Ćwiczenie: Wybrane zagadnienia z korelacji i regresji. W statystyce stopień zależności między cechami można wyrazić wg następującej skali: Skala Guillforda Przedział Zależność Współczynnik [0,00±0,20)

Bardziej szczegółowo

Fizyka 59. J. polski 30. Historia. Chemia 57. Matematyka 47. G.wychowawcza 48. Matematyka. Chemia Biologia Wos Fizyka

Fizyka 59. J. polski 30. Historia. Chemia 57. Matematyka 47. G.wychowawcza 48. Matematyka. Chemia Biologia Wos Fizyka Inf1 inf gr1 gr 2 j.ang gr 1 gr 1 j.ang gr 2 wf wf Poniedziałek ang. gr1 ang. gr2 Ogólny plan lekcji dla klas Gimnazjum nr 17 w Łodzi, ul. Traktorowa 35 Wtorek ang gr1 ang gr2 inf gr 2 ang. gr1 ang. gr2

Bardziej szczegółowo

Testowanie stopnia zintegrowania. czasowego. Wst p do ekonometrii szeregów czasowych wiczenia 1. Andrzej Torój. 19 lutego 2010

Testowanie stopnia zintegrowania. czasowego. Wst p do ekonometrii szeregów czasowych wiczenia 1. Andrzej Torój. 19 lutego 2010 szeregu czasowego Wst p do ekonometrii szeregów czasowych wiczenia 1 19 lutego 2010 Plan prezentacji 1 Szereg czasowy, poj cie stacjonarno±ci 2 3 4 5 6 7 Plan prezentacji 1 Szereg czasowy, poj cie stacjonarno±ci

Bardziej szczegółowo

Badanie zależności między indeksami giełdowymi a kursami walutowymi

Badanie zależności między indeksami giełdowymi a kursami walutowymi Zeszyty Uniwersytet Ekonomiczny w Krakowie Naukowe 4 (928) ISSN 1898-6447 Zesz. Nauk. UEK, 214; 4 (928): 5 2 DOI: 1.15678/ZNUEK.214.928.41 Katedra Nauk Ekonomicznych Uniwersytet im. A. Mickiewicza w Poznaniu

Bardziej szczegółowo

Test spółek o niskim poziomie zadłużenia

Test spółek o niskim poziomie zadłużenia Test spółek o niskim poziomie zadłużenia W poprzedniej części naszych testów rozpoczęliśmy od przedstawienia w jaki sposób zachowują się spółki posiadające niski poziom zobowiązań. W tym artykule kontynuować

Bardziej szczegółowo

Analiza wariancji. dr Janusz Górczyński

Analiza wariancji. dr Janusz Górczyński Analiza wariancji dr Janusz Górczyński Wprowadzenie Powiedzmy, że badamy pewną populację π, w której cecha Y ma rozkład N o średniej m i odchyleniu standardowym σ. Powiedzmy dalej, że istnieje pewien czynnik

Bardziej szczegółowo

Weryfikacja hipotez statystycznych, parametryczne testy istotności w populacji

Weryfikacja hipotez statystycznych, parametryczne testy istotności w populacji Weryfikacja hipotez statystycznych, parametryczne testy istotności w populacji Dr Joanna Banaś Zakład Badań Systemowych Instytut Sztucznej Inteligencji i Metod Matematycznych Wydział Informatyki Politechniki

Bardziej szczegółowo

Wykład 7: Warunkowa wartość oczekiwana. Rozkłady warunkowe.

Wykład 7: Warunkowa wartość oczekiwana. Rozkłady warunkowe. Rachunek prawdopodobieństwa MAP3040 WPPT FT, rok akad. 2010/11, sem. zimowy Wykładowca: dr hab. Agnieszka Jurlewicz Wykład 7: Warunkowa wartość oczekiwana. Rozkłady warunkowe. Warunkowa wartość oczekiwana.

Bardziej szczegółowo

Podstawy Automatyki. wykład 1 (26.02.2010) mgr inż. Łukasz Dworzak. Politechnika Wrocławska. Instytut Technologii Maszyn i Automatyzacji (I-24)

Podstawy Automatyki. wykład 1 (26.02.2010) mgr inż. Łukasz Dworzak. Politechnika Wrocławska. Instytut Technologii Maszyn i Automatyzacji (I-24) Podstawy Automatyki wykład 1 (26.02.2010) mgr inż. Łukasz Dworzak Politechnika Wrocławska Instytut Technologii Maszyn i Automatyzacji (I-24) Laboratorium Podstaw Automatyzacji (L6) 105/2 B1 Sprawy organizacyjne

Bardziej szczegółowo

2008-03-18 wolne wolne 2008-03-25 wolne wolne

2008-03-18 wolne wolne 2008-03-25 wolne wolne PLAN SPOTKAŃ ĆWICZEŃ: Data Grupa 2a Grupa 4a Grupa 2b Grupa 4b 2008-02-19 Zajęcia 1 Zajęcia 1 2008-02-26 Zajęcia 1 Zajęcia 1 2008-03-04 Zajęcia 2 Zajęcia 2 2008-03-11 Zajęcia 2 Zajęcia 2 2008-03-18 wolne

Bardziej szczegółowo

Systemy. Krzysztof Patan

Systemy. Krzysztof Patan Systemy Krzysztof Patan Systemy z pamięcią System jest bez pamięci (statyczny), jeżeli dla dowolnej chwili t 0 wartość sygnału wyjściowego y(t 0 ) zależy wyłącznie od wartości sygnału wejściowego w tej

Bardziej szczegółowo

Michał Kusy, StatSoft Polska Sp. z o.o.

Michał Kusy, StatSoft Polska Sp. z o.o. CZY MÓJ PROCES JEST TRENDY, CZYLI ANALIZA TRENDÓW Michał Kusy, StatSoft Polska Sp. z o.o. Wprowadzenie Analiza danych w kontroli środowiska produkcji i magazynowania opiera się między innymi na szeregu

Bardziej szczegółowo

Metody statystyki medycznej stosowane w badaniach klinicznych

Metody statystyki medycznej stosowane w badaniach klinicznych Metody statystyki medycznej stosowane w badaniach klinicznych Statistics for clinical research & post-marketing surveillance część III Program szkolenia część III Model regresji liniowej Współczynnik korelacji

Bardziej szczegółowo

K wartość kapitału zaangażowanego w proces produkcji, w tys. jp.

K wartość kapitału zaangażowanego w proces produkcji, w tys. jp. Sprawdzian 2. Zadanie 1. Za pomocą KMNK oszacowano następującą funkcję produkcji: Gdzie: P wartość produkcji, w tys. jp (jednostek pieniężnych) K wartość kapitału zaangażowanego w proces produkcji, w tys.

Bardziej szczegółowo

PLAN FERII ZIMOWYCH 20.01.2014r. 31.01.2014r. Zajęcia odbywają się w godzinach 09:00-13:00

PLAN FERII ZIMOWYCH 20.01.2014r. 31.01.2014r. Zajęcia odbywają się w godzinach 09:00-13:00 PLAN FERII ZIMOWYCH 20.01.2014r. 31.01.2014r. Zajęcia odbywają się w godzinach 09:00-13:00 20.01.2014 r. poniedziałek 09:00-13:00 Imię i nazwisko n- la prowadzącego sala Rodzaj zajęć 21.01.2014r. wtorek

Bardziej szczegółowo

KOINTEGRACJA KURSÓW WALUTOWYCH POLSKI, WĘGIER I CZECH

KOINTEGRACJA KURSÓW WALUTOWYCH POLSKI, WĘGIER I CZECH METODY ILOŚCIOWE W BADANIACH EKONOMICZNYCH Tom XII/2, 2011, str. 399 408 KOINTEGRACJA KURSÓW WALUTOWYCH POLSKI, WĘGIER I CZECH Dorota Witkowska Katedra Ekonometrii i Statystyki Szkoła Główna Gospodarstwa

Bardziej szczegółowo

PRAWO OHMA DLA PRĄDU PRZEMIENNEGO

PRAWO OHMA DLA PRĄDU PRZEMIENNEGO ĆWICZENIE 53 PRAWO OHMA DLA PRĄDU PRZEMIENNEGO Cel ćwiczenia: wyznaczenie wartości indukcyjności cewek i pojemności kondensatorów przy wykorzystaniu prawa Ohma dla prądu przemiennego; sprawdzenie prawa

Bardziej szczegółowo

Wielowymiarowa analiza regresji. Regresja wieloraka, wielokrotna

Wielowymiarowa analiza regresji. Regresja wieloraka, wielokrotna Wielowymiarowa analiza regresji. Regresja wieloraka, wielokrotna Badanie współzależności zmiennych Uwzględniając ilość zmiennych otrzymamy 4 odmiany zależności: Zmienna zależna jednowymiarowa oraz jedna

Bardziej szczegółowo

BADANIE KOINTEGRACJI POWIATOWYCH STÓP BEZROBOCIA W WOJEWÓDZTWIE ZACHODNIOPOMORSKIM

BADANIE KOINTEGRACJI POWIATOWYCH STÓP BEZROBOCIA W WOJEWÓDZTWIE ZACHODNIOPOMORSKIM STUDIA I PRACE WYDZIAŁU NAUK EKONOMICZNYCH I ZARZĄDZANIA NR 31 Barbara Batóg Uniwersytet Szczeciński BADANIE KOINTEGRACJI POWIATOWYCH STÓP BEZROBOCIA W WOJEWÓDZTWIE ZACHODNIOPOMORSKIM Streszczenie W artykule

Bardziej szczegółowo

Ćw. 5. Badanie ruchu wahadła sprężynowego sprawdzenie wzoru na okres drgań

Ćw. 5. Badanie ruchu wahadła sprężynowego sprawdzenie wzoru na okres drgań KAEDRA FIZYKI SOSOWANEJ PRACOWNIA 5 FIZYKI Ćw. 5. Badanie ruchu wahadła sprężynowego sprawdzenie wzoru na ores drgań Wprowadzenie Ruch drgający naeży do najbardziej rozpowszechnionych ruchów w przyrodzie.

Bardziej szczegółowo

Model 1: Estymacja KMNK z wykorzystaniem 32 obserwacji 1964-1995 Zmienna zależna: st_g

Model 1: Estymacja KMNK z wykorzystaniem 32 obserwacji 1964-1995 Zmienna zależna: st_g Zadanie 1 Dla modelu DL dla zależności stopy wzrostu konsumpcji benzyny od stopy wzrostu dochodu oraz od stopy wzrostu cen benzyny w latach 1960 i 1995 otrzymaliśmy następujące oszacowanie parametrów.

Bardziej szczegółowo

LINIOWOŚĆ METODY OZNACZANIA ZAWARTOŚCI SUBSTANCJI NA PRZYKŁADZIE CHROMATOGRAFU

LINIOWOŚĆ METODY OZNACZANIA ZAWARTOŚCI SUBSTANCJI NA PRZYKŁADZIE CHROMATOGRAFU LINIOWOŚĆ METODY OZNACZANIA ZAWARTOŚCI SUBSTANCJI NA PRZYKŁADZIE CHROMATOGRAFU Tomasz Demski, StatSoft Polska Sp. z o.o. Wprowadzenie Jednym z elementów walidacji metod pomiarowych jest sprawdzenie liniowości

Bardziej szczegółowo

Proces modelowania zjawiska handlu zagranicznego towarami

Proces modelowania zjawiska handlu zagranicznego towarami Załącznik nr 1 do raportu końcowego z wykonania pracy badawczej pt. Handel zagraniczny w województwach (NTS2) realizowanej przez Centrum Badań i Edukacji Statystycznej z siedzibą w Jachrance na podstawie

Bardziej szczegółowo

MODELOWANIE POLSKIEJ GOSPODARKI Z PAKIETEM R Michał Rubaszek

MODELOWANIE POLSKIEJ GOSPODARKI Z PAKIETEM R Michał Rubaszek Tytuł: Autor: MODELOWANIE POLSKIEJ GOSPODARKI Z PAKIETEM R Michał Rubaszek Wstęp Książka "Modelowanie polskiej gospodarki z pakietem R" powstała na bazie materiałów, które wykorzystywałem przez ostatnie

Bardziej szczegółowo

Bloki Wyborcze - Telewizja Wrocław

Bloki Wyborcze - Telewizja Wrocław Bloki Wyborcze - Telewizja Wrocław Data Dzień Godziny Rodzaj bloku 0-09-4 Sobota 8.45-8.5 Wybory do Senatu RP Razem: 7 min. 4 sekund 0-09-4 Sobota 7.5-7.40 Wybory do Senatu RP 0-09-4 Sobota 9.5-9.0 Wybory

Bardziej szczegółowo

PROGNOZOWANIE SZEREGÓW CZASOWYCH WIELKOŚCI SPRZEDAŻY W ZAKŁADZIE ODLEWNICZYM

PROGNOZOWANIE SZEREGÓW CZASOWYCH WIELKOŚCI SPRZEDAŻY W ZAKŁADZIE ODLEWNICZYM 40/17 ARCHIWUM ODLEWNICTWA Rok 2005, Rocznik 5, Nr 17 Archives of Foundry Year 2005, Volume 5, Book 17 PAN - Katowice PL ISSN 1642-5308 PROGNOZOWANIE SZEREGÓW CZASOWYCH WIELKOŚCI SPRZEDAŻY W ZAKŁADZIE

Bardziej szczegółowo

2... Pˆ - teoretyczna wielkość produkcji (wynikająca z modelu). X X,..., b b,...,

2... Pˆ - teoretyczna wielkość produkcji (wynikająca z modelu). X X,..., b b,..., Główne zynniki produkji w teorii ekonoii: praa żywa (oznazenia: L, ), praa uprzediotowiona (kapitał) (oznazenia: K, ), zieia (zwłaszza w rolnitwie). Funkja produkji Cobba-Douglasa: b b b P ˆ b... k 0 k

Bardziej szczegółowo

g r u 18 XII 11 I Miesiąc Dzień Dzień tygodnia Anestezjologia i i pielęgniarstwo w stanie zagrożenia życia(1) mgr A Chojnowska OIOM 7.00-13.

g r u 18 XII 11 I Miesiąc Dzień Dzień tygodnia Anestezjologia i i pielęgniarstwo w stanie zagrożenia życia(1) mgr A Chojnowska OIOM 7.00-13. INSTYTUT MEDYCZNY III Miesiąc Dzień Dzień tygodnia Grupa ćw I Grupa ćw II pielęgniarstwo w stanie zagrożenia życia(1) OIOM czwartek 17 XII zagrożenia życia(1) pielęgniarstwo w stanie zagrożenia życia(2)

Bardziej szczegółowo

STATYSTYKA MATEMATYCZNA ZESTAW 0 (POWT. RACH. PRAWDOPODOBIEŃSTWA) ZADANIA

STATYSTYKA MATEMATYCZNA ZESTAW 0 (POWT. RACH. PRAWDOPODOBIEŃSTWA) ZADANIA STATYSTYKA MATEMATYCZNA ZESTAW 0 (POWT. RACH. PRAWDOPODOBIEŃSTWA) ZADANIA Zadanie 0.1 Zmienna losowa X ma rozkład określony funkcją prawdopodobieństwa: x k 0 4 p k 1/3 1/6 1/ obliczyć EX, D X. (odp. 4/3;

Bardziej szczegółowo

S t a t y s t y k a, część 3. Michał Żmihorski

S t a t y s t y k a, część 3. Michał Żmihorski S t a t y s t y k a, część 3 Michał Żmihorski Porównanie średnich -test T Założenia: Zmienne ciągłe (masa, temperatura) Dwie grupy (populacje) Rozkład normalny* Równe wariancje (homoscedasticity) w grupach

Bardziej szczegółowo

Statystyka i Analiza Danych

Statystyka i Analiza Danych Warsztaty Statystyka i Analiza Danych Gdańsk, 20-22 lutego 2014 Zastosowania analizy wariancji w opracowywaniu wyników badań empirycznych Janusz Wątroba StatSoft Polska Centrum Zastosowań Matematyki -

Bardziej szczegółowo

EKONOMETRYCZNE MODELE KURSÓW WALUTOWYCH

EKONOMETRYCZNE MODELE KURSÓW WALUTOWYCH Monografie i Opracowania 547 Ewa Marta Syczewska EKONOMETRYCZNE MODELE KURSÓW WALUTOWYCH Warszawa 2007 Szkoła Główna Handlowa w Warszawie Wprowadzenie 15 Przegląd funkcjonowania kursów walutowych... 15

Bardziej szczegółowo

INSTYTUT MEDYCZNY PIELĘGNIARSTWO I STOPNIA SEMESTR V zimowy 2014/2015 zblokowane zajęcia praktyczne z pielęgniarstw klinicznych styczeń

INSTYTUT MEDYCZNY PIELĘGNIARSTWO I STOPNIA SEMESTR V zimowy 2014/2015 zblokowane zajęcia praktyczne z pielęgniarstw klinicznych styczeń INSTYTUT MEDYCZNY PIELĘGNIARSTWO I STOPNIA SEMESTR V zimowy 2014/2015 zblokowane zajęcia praktyczne z pielęgniarstw klinicznych styczeń Dzień Dzień tygodnia Podział na grupy ćwiczeniowe Grupa ćw I Grupa

Bardziej szczegółowo

Przykładowe rozwiązania zadań. Próbnej Matury 2014 z matematyki na poziomie rozszerzonym

Przykładowe rozwiązania zadań. Próbnej Matury 2014 z matematyki na poziomie rozszerzonym Zadania rozwiązali: Przykładowe rozwiązania zadań Próbnej Matury 014 z matematyki na poziomie rozszerzonym Małgorzata Zygora-nauczyciel matematyki w II Liceum Ogólnokształcącym w Inowrocławiu Mariusz Walkowiak-nauczyciel

Bardziej szczegółowo

ODRZUCANIE WYNIKÓW POJEDYNCZYCH POMIARÓW

ODRZUCANIE WYNIKÓW POJEDYNCZYCH POMIARÓW ODRZUCANIE WYNIKÓW OJEDYNCZYCH OMIARÓW W praktyce pomiarowej zdarzają się sytuacje gdy jeden z pomiarów odstaje od pozostałych. Jeżeli wykorzystamy fakt, że wyniki pomiarów są zmienną losową opisywaną

Bardziej szczegółowo

Harmonogram szkolenia Opiekun osób starszych z językiem niemieckim w okresie 17.11.2012 r. 10.12.2012 r.

Harmonogram szkolenia Opiekun osób starszych z językiem niemieckim w okresie 17.11.2012 r. 10.12.2012 r. Harmonogram szkolenia Opiekun osób starszych z językiem niemieckim w okresie 17.11.2012 r. 10.12.2012 r. L.p. Dzień/ l. godz. Godziny zajęć Tematyka Prowadzący Miejsce szkolenia 1. Sobota - 6 godz. 10.25

Bardziej szczegółowo

Statystyka opisowa Opracował: dr hab. Eugeniusz Gatnar, prof. WSBiF

Statystyka opisowa Opracował: dr hab. Eugeniusz Gatnar, prof. WSBiF Statystyka opisowa Opracował: dr hab. Eugeniusz Gatnar, prof. WSBiF 120 I. Ogólne informacje o przedmiocie Cel przedmiotu: Opanowanie podstaw teoretycznych, poznanie przykładów zastosowań metod statystycznych.

Bardziej szczegółowo

Weryfikacja hipotez statystycznych

Weryfikacja hipotez statystycznych Weryfikacja hipotez statystycznych Przykład. Producent pewnych detali twierdzi, że wadliwość jego produkcji nie przekracza 2%. Odbiorca pewnej partii tego produktu chce sprawdzić, czy może wierzyć producentowi.

Bardziej szczegółowo

Analiza i modelowanie przepływów w sieci Internet. Andrzej Andrijew

Analiza i modelowanie przepływów w sieci Internet. Andrzej Andrijew Analiza i modelowanie przepływów w sieci Internet Andrzej Andrijew Plan referatu Samopodobieostwo w sieci Internet Samopodobne procesy stochastyczne Metody sprawdzania samopodobieostwa Modelowanie przepływów

Bardziej szczegółowo

Rozkłady dwóch zmiennych losowych

Rozkłady dwóch zmiennych losowych Rozkłady dwóch zmiennych losowych Uogólnienie pojęć na rozkład dwóch zmiennych Dystrybuanta i gęstość prawdopodobieństwa Rozkład brzegowy Prawdopodobieństwo warunkowe Wartości średnie i odchylenia standardowe

Bardziej szczegółowo

METODY CHEMOMETRYCZNE W IDENTYFIKACJI ŹRÓDEŁ POCHODZENIA

METODY CHEMOMETRYCZNE W IDENTYFIKACJI ŹRÓDEŁ POCHODZENIA METODY CHEMOMETRYCZNE W IDENTYFIKACJI ŹRÓDEŁ POCHODZENIA AMFETAMINY Waldemar S. Krawczyk Centralne Laboratorium Kryminalistyczne Komendy Głównej Policji, Warszawa (praca obroniona na Wydziale Chemii Uniwersytetu

Bardziej szczegółowo

MATeMAtyka 3. Propozycja przedmiotowego systemu oceniania wraz z określeniem wymagań edukacyjnych. Zakres podstawowy i rozszerzony

MATeMAtyka 3. Propozycja przedmiotowego systemu oceniania wraz z określeniem wymagań edukacyjnych. Zakres podstawowy i rozszerzony Agnieszka Kamińska, Dorota Ponczek MATeMAtyka 3 Propozycja przedmiotowego systemu oceniania wraz z określeniem wymagań edukacyjnych Zakres podstawowy i rozszerzony Wyróżnione zostały następujące wymagania

Bardziej szczegółowo

ZALICZENIA. W celu uzyskania zaliczenia należy wybrać jeden z trzech poniższych wariantów I, II lub III

ZALICZENIA. W celu uzyskania zaliczenia należy wybrać jeden z trzech poniższych wariantów I, II lub III ZALICZENIA W celu uzyskania zaliczenia należy wybrać jeden z trzech poniższych wariantów I, II lub III 1 Wariant I. PROBLEM WŁASNY Sformułować własne zadanie statystyczne związane z własną pracą badawczą

Bardziej szczegółowo

Zajęcia 1. Statystyki opisowe

Zajęcia 1. Statystyki opisowe Zajęcia 1. Statystyki opisowe 1. Znajdź dane dotyczące liczby mieszkańców w polskich województwach. Dla tych danych oblicz: a) Średnią, b) Medianę, c) Dominantę, d) Wariancję, e) Odchylenie standardowe,

Bardziej szczegółowo

Ekonometria - ćwiczenia 11

Ekonometria - ćwiczenia 11 Ekonometria - ćwiczenia 11 Mateusz Myśliwski Zakład Ekonometrii Stosowanej Instytut Ekonometrii Kolegium Analiz Ekonomicznych Szkoła Główna Handlowa 21 grudnia 2012 Na poprzednich zajęciach zajmowaliśmy

Bardziej szczegółowo

Spis treści. Laboratorium III: Testy statystyczne. Inżynieria biomedyczna, I rok, semestr letni 2013/2014 Analiza danych pomiarowych

Spis treści. Laboratorium III: Testy statystyczne. Inżynieria biomedyczna, I rok, semestr letni 2013/2014 Analiza danych pomiarowych 1 Laboratorium III: Testy statystyczne Spis treści Laboratorium III: Testy statystyczne... 1 Wiadomości ogólne... 2 1. Krótkie przypomnienie wiadomości na temat testów statystycznych... 2 1.1. Weryfikacja

Bardziej szczegółowo

POWIĄZANIA DŁUGOOKRESOWE MIĘDZY STOPAMI PROCENTOWYMI POLSKI, STANÓW ZJEDNOCZONYCH I STREFY EURO

POWIĄZANIA DŁUGOOKRESOWE MIĘDZY STOPAMI PROCENTOWYMI POLSKI, STANÓW ZJEDNOCZONYCH I STREFY EURO ZESZYTY NAUKOWE INSTYTUTU EKONOMII I ZARZĄDZANIA Ewa CZAPLA * POWIĄZANIA DŁUGOOKRESOWE MIĘDZY STOPAMI PROCENTOWYMI POLSKI, STANÓW ZJEDNOCZONYCH I STREFY EURO Zarys treści: W pracy podjęto próbę zbadania

Bardziej szczegółowo

Statystyka. Tematyka wykładów. Przykładowe pytania. dr Tomasz Giętkowski www.krajobraz.ukw.edu.pl. wersja 20.01.2013/13:40

Statystyka. Tematyka wykładów. Przykładowe pytania. dr Tomasz Giętkowski www.krajobraz.ukw.edu.pl. wersja 20.01.2013/13:40 Statystyka dr Tomasz Giętkowski www.krajobraz.ukw.edu.pl wersja 20.01.2013/13:40 Tematyka wykładów 1. Definicja statystyki 2. Populacja, próba 3. Skale pomiarowe 4. Miary położenia (klasyczne i pozycyjne)

Bardziej szczegółowo

STATYSTYKA I DOŚWIADCZALNICTWO. Wykład 2

STATYSTYKA I DOŚWIADCZALNICTWO. Wykład 2 STATYSTYKA I DOŚWIADCZALNICTWO Wykład Parametry przedziałowe rozkładów ciągłych określane na podstawie próby (przedziały ufności) Przedział ufności dla średniej s X t( α;n 1),X + t( α;n 1) n s n t (α;

Bardziej szczegółowo

Katalog wymagań programowych na poszczególne stopnie szkolne. Matematyka. Poznać, zrozumieć

Katalog wymagań programowych na poszczególne stopnie szkolne. Matematyka. Poznać, zrozumieć Katalog wymagań programowych na poszczególne stopnie szkolne Matematyka. Poznać, zrozumieć Kształcenie w zakresie podstawowym. Klasa 3 Poniżej podajemy umiejętności, jakie powinien zdobyć uczeń z każdego

Bardziej szczegółowo

Boisko piłkarskie: 5 11 maja

Boisko piłkarskie: 5 11 maja Boisko piłkarskie: 5 11 maja 05.05 poniedziałek 06.05 wtorek 07.05 środa 08.05 czwartek 09.05 piątek 10.05 sobota 11.05 niedziela Chłopcy - wiek szkoły Dorośli mężczyźni Boisko wielofunkcyjne: 5 11 maja

Bardziej szczegółowo

Zadanie 1. a) Przeprowadzono test RESET. Czy model ma poprawną formę funkcyjną? 1

Zadanie 1. a) Przeprowadzono test RESET. Czy model ma poprawną formę funkcyjną? 1 Zadanie 1 a) Przeprowadzono test RESET. Czy model ma poprawną formę funkcyjną? 1 b) W naszym przypadku populacja są inżynierowie w Tajlandii. Czy można jednak przypuszczać, że na zarobki kobiet-inżynierów

Bardziej szczegółowo

Analiza kosztu funduszy własnych grupy banków giełdowych w Polsce

Analiza kosztu funduszy własnych grupy banków giełdowych w Polsce Katarzyna Kochaniak Katedra Finansów Uniwersytet Ekonomiczny w Krakowie Analiza kosztu funduszy własnych grupy banków giełdowych w Polsce Wstęp Od początku lat dziewięćdziesiątych ubiegłego stulecia maksymalizacja

Bardziej szczegółowo

Test lewostronny dla hipotezy zerowej:

Test lewostronny dla hipotezy zerowej: Poznajemy testowanie hipotez statystycznych w środowisku R Zajęcia z dnia 11 maja 2011 roku Najpierw teoria TESTY ISTOTNOŚCI WARTOŚCI ŚREDNIEJ W POPULACJI GENERALNEJ gdy znana jest wariancja!!! Test prawostronny

Bardziej szczegółowo

Dopasowanie prostej do wyników pomiarów.

Dopasowanie prostej do wyników pomiarów. Dopasowanie prostej do wyników pomiarów. Graficzna analiza zależności liniowej Założenie: każdy z pomiarów obarczony jest taką samą niepewnością pomiarową (takiej samej wielkości prostokąty niepewności).

Bardziej szczegółowo

Spis treści. LaboratoriumV: Podstawy korelacji i regresji. Inżynieria biomedyczna, I rok, semestr letni 2014/2015 Analiza danych pomiarowych

Spis treści. LaboratoriumV: Podstawy korelacji i regresji. Inżynieria biomedyczna, I rok, semestr letni 2014/2015 Analiza danych pomiarowych 1 LaboratoriumV: Podstawy korelacji i regresji Spis treści Laboratorium V: Podstawy korelacji i regresji...1 Wiadomości ogólne...2 1. Wstęp teoretyczny....2 1.1 Korelacja....2 1.2 Funkcja regresji....5

Bardziej szczegółowo

Rola TGE w organizacji Rynku Praw Majątkowych

Rola TGE w organizacji Rynku Praw Majątkowych Rola TGE w organizacji Rynku Praw Majątkowych Rynki prowadzone przez TGE, nowe produkty Leszek Prachniak Dyrektor Departamentu Notowao Towarowa Giełda Energii S.A. Leszek.prachniak@polpx.pl TGE prowadzone

Bardziej szczegółowo

Krzysztof Piontek MODELOWANIE I PROGNOZOWANIE ZMIENNOŚCI INSTRUMENTÓW FINANSOWYCH

Krzysztof Piontek MODELOWANIE I PROGNOZOWANIE ZMIENNOŚCI INSTRUMENTÓW FINANSOWYCH Akademia Ekonomiczna im. Oskara Langego we Wrocławiu Wydział Zarządzania i Informatyki Krzysztof Piontek MODELOWANIE I PROGNOZOWANIE ZMIENNOŚCI INSTRUMENTÓW FINANSOWYCH rozprawa doktorska Promotor: prof.

Bardziej szczegółowo