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

Niestacjonarne zmienne czasowe własności i testowanie

Niestacjonarne zmienne czasowe własności i testowanie Materiał dla studentów Niestacjonarne zmienne czasowe własności i testowanie (studium przypadku) Część 3: Przykłady testowania niestacjonarności Nazwa przedmiotu: ekonometria finansowa I (22204), analiza

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

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

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

1. Stacjonarnośd i niestacjonarnośd szeregów czasowych 2. Test ADF i test KPSS 3. Budowa modeli ARMA dla zmiennych niestacjonarnych 4.

1. Stacjonarnośd i niestacjonarnośd szeregów czasowych 2. Test ADF i test KPSS 3. Budowa modeli ARMA dla zmiennych niestacjonarnych 4. 1. Stacjonarnośd i niestacjonarnośd szeregów czasowych 2. Test ADF i test KPSS 3. Budowa modeli ARMA dla zmiennych niestacjonarnych 4. Prognozowanie stóp zwrotu na podstawie modeli ARMA 5. Relacje kointegrujące

Bardziej szczegółowo

Statystyka od podstaw Janina Jóźwiak, Jarosław Podgórski

Statystyka od podstaw Janina Jóźwiak, Jarosław Podgórski Statystyka od podstaw Janina Jóźwiak, Jarosław Podgórski Książka jest nowoczesnym podręcznikiem przeznaczonym dla studentów uczelni i wydziałów ekonomicznych. Wykład podzielono na cztery części. W pierwszej

Bardziej szczegółowo

Niestacjonarne zmienne czasowe własności i testowanie

Niestacjonarne zmienne czasowe własności i testowanie Materiał dla studentów Niestacjonarne zmienne czasowe własności i testowanie (studium przypadku) Część 1: Opis ogólny i plan pracy Nazwa przedmiotu: ekonometria finansowa I (22204), analiza szeregów czasowych

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

MODELE LINIOWE. Dr Wioleta Drobik

MODELE LINIOWE. Dr Wioleta Drobik MODELE LINIOWE Dr Wioleta Drobik MODELE LINIOWE Jedna z najstarszych i najpopularniejszych metod modelowania Zależność między zbiorem zmiennych objaśniających, a zmienną ilościową nazywaną zmienną objaśnianą

Bardziej szczegółowo

2.6 Zmienne stacjonarne i niestacjonarne 2.6. ZMIENNE STACJONARNE I NIESTACJONARNE 33. RYSUNEK 2.6: PKB w wyrażeniu realnym

2.6 Zmienne stacjonarne i niestacjonarne 2.6. ZMIENNE STACJONARNE I NIESTACJONARNE 33. RYSUNEK 2.6: PKB w wyrażeniu realnym 2.6. ZMIENNE STACJONARNE I NIESTACJONARNE 33 tale. Rysunek 2.6 ilustruje sezonowość w logarytmie PKB w wyrażeniu realnym. Realny PKB został uzyskany poprzez zdeflowanie nominalnego PKB przez indeks cen

Bardziej szczegółowo

POLITECHNIKA OPOLSKA

POLITECHNIKA OPOLSKA POLITECHNIKA OPOLSKA WYDZIAŁ MECHANICZNY Katedra Technologii Maszyn i Automatyzacji Produkcji Laboratorium Podstaw Inżynierii Jakości Ćwiczenie nr 4 Temat: Analiza korelacji i regresji dwóch zmiennych

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

KORELACJE I REGRESJA LINIOWA

KORELACJE I REGRESJA LINIOWA KORELACJE I REGRESJA LINIOWA Korelacje i regresja liniowa Analiza korelacji: Badanie, czy pomiędzy dwoma zmiennymi istnieje zależność Obie analizy się wzajemnie przeplatają Analiza regresji: Opisanie modelem

Bardziej szczegółowo

SIGMA KWADRAT. Weryfikacja hipotez statystycznych. Statystyka i demografia CZWARTY LUBELSKI KONKURS STATYSTYCZNO-DEMOGRAFICZNY

SIGMA KWADRAT. Weryfikacja hipotez statystycznych. Statystyka i demografia CZWARTY LUBELSKI KONKURS STATYSTYCZNO-DEMOGRAFICZNY SIGMA KWADRAT CZWARTY LUBELSKI KONKURS STATYSTYCZNO-DEMOGRAFICZNY Weryfikacja hipotez statystycznych Statystyka i demografia PROJEKT DOFINANSOWANY ZE ŚRODKÓW NARODOWEGO BANKU POLSKIEGO URZĄD STATYSTYCZNY

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

WYKŁAD 8 ANALIZA REGRESJI

WYKŁAD 8 ANALIZA REGRESJI WYKŁAD 8 ANALIZA REGRESJI Regresja 1. Metoda najmniejszych kwadratów-regresja prostoliniowa 2. Regresja krzywoliniowa 3. Estymacja liniowej funkcji regresji 4. Testy istotności współczynnika regresji liniowej

Bardziej szczegółowo

Zmienne losowe, statystyki próbkowe. Wrocław, 2 marca 2015

Zmienne losowe, statystyki próbkowe. Wrocław, 2 marca 2015 Zmienne losowe, statystyki próbkowe Wrocław, 2 marca 2015 Zasady zaliczenia 2 kolokwia (każde po 20 punktów) projekt (20 punktów) aktywność Zasady zaliczenia 2 kolokwia (każde po 20 punktów) projekt (20

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

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

REGRESJA I KORELACJA MODEL REGRESJI LINIOWEJ

REGRESJA I KORELACJA MODEL REGRESJI LINIOWEJ REGRESJA I KORELACJA MODEL REGRESJI LINIOWEJ Korelacja oznacza fakt współzależności zmiennych, czyli istnienie powiązania pomiędzy nimi. Siłę i kierunek powiązania określa się za pomocą współczynnika korelacji

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

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

Statystyka matematyczna dla leśników

Statystyka matematyczna dla leśników Statystyka matematyczna dla leśników Wydział Leśny Kierunek leśnictwo Studia Stacjonarne I Stopnia Rok akademicki 03/04 Wykład 5 Testy statystyczne Ogólne zasady testowania hipotez statystycznych, rodzaje

Bardziej szczegółowo

BADANIE ZALEśNOŚCI CECHY Y OD CECHY X - ANALIZA REGRESJI PROSTEJ

BADANIE ZALEśNOŚCI CECHY Y OD CECHY X - ANALIZA REGRESJI PROSTEJ WYKŁAD 3 BADANIE ZALEśNOŚCI CECHY Y OD CECHY X - ANALIZA REGRESJI PROSTEJ Było: Przykład. Z dziesięciu poletek doświadczalnych zerano plony ulw ziemniaczanych (cecha X) i oznaczono w nich procentową zawartość

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

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

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

Monte Carlo, bootstrap, jacknife

Monte Carlo, bootstrap, jacknife Monte Carlo, bootstrap, jacknife Literatura Bruce Hansen (2012 +) Econometrics, ze strony internetowej: http://www.ssc.wisc.edu/~bhansen/econometrics/ Monte Carlo: rozdział 8.8, 8.9 Bootstrap: rozdział

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

( 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

Sylabus do programu kształcenia obowiązującego od roku akademickiego 2014/15

Sylabus do programu kształcenia obowiązującego od roku akademickiego 2014/15 Sylabus do programu kształcenia obowiązującego od roku akademickiego 0/5 () Nazwa Rachunek prawdopodobieństwa i statystyka () Nazwa jednostki prowadzącej Wydział Matematyczno - Przyrodniczy przedmiot ()

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

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

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

3. Modele tendencji czasowej w prognozowaniu

3. Modele tendencji czasowej w prognozowaniu II Modele tendencji czasowej w prognozowaniu 1 Składniki szeregu czasowego W teorii szeregów czasowych wyróżnia się zwykle następujące składowe szeregu czasowego: a) składowa systematyczna; b) składowa

Bardziej szczegółowo

Przykład 2. Stopa bezrobocia

Przykład 2. Stopa bezrobocia Przykład 2 Stopa bezrobocia Stopa bezrobocia. Komentarz: model ekonometryczny stopy bezrobocia w Polsce jest modelem nieliniowym autoregresyjnym. Podobnie jak model podaŝy pieniądza zbudowany został w

Bardziej szczegółowo

Analiza metod prognozowania kursów akcji

Analiza metod prognozowania kursów akcji Analiza metod prognozowania kursów akcji Izabela Łabuś Wydział InŜynierii Mechanicznej i Informatyki Kierunek informatyka, Rok V Specjalność informatyka ekonomiczna Politechnika Częstochowska izulka184@o2.pl

Bardziej szczegółowo

Boisko piłkarskie: stycznia

Boisko piłkarskie: stycznia Boisko piłkarskie: 11 17 stycznia 11.01 poniedziałek 12.01 wtorek 13.01 środa 14.01 czwartek 15.01 piątek 16.01 sobota 17.01 niedziela Organizator: rugby Boisko wielofunkcyjne: 11 17 stycznia 11.01 poniedziałek

Bardziej szczegółowo

KARTA KURSU. (do zastosowania w roku akademickim 2015/16) Kod Punktacja ECTS* 3. Dr hab. Tadeusz Sozański

KARTA KURSU. (do zastosowania w roku akademickim 2015/16) Kod Punktacja ECTS* 3. Dr hab. Tadeusz Sozański KARTA KURSU (do zastosowania w roku akademickim 2015/16) Nazwa Statystyka 2 Nazwa w j. ang. Statistics 2 Kod Punktacja ECTS* 3 Koordynator Dr hab. Tadeusz Sozański (koordynator, konwersatorium) Zespół

Bardziej szczegółowo

Testowanie hipotez statystycznych. Wnioskowanie statystyczne

Testowanie hipotez statystycznych. Wnioskowanie statystyczne Testowanie hipotez statystycznych Wnioskowanie statystyczne Hipoteza statystyczna to dowolne przypuszczenie co do rozkładu populacji generalnej (jego postaci funkcyjnej lub wartości parametrów). Hipotezy

Bardziej szczegółowo

166 Wstęp do statystyki matematycznej

166 Wstęp do statystyki matematycznej 166 Wstęp do statystyki matematycznej Etap trzeci realizacji procesu analizy danych statystycznych w zasadzie powinien rozwiązać nasz zasadniczy problem związany z identyfikacją cechy populacji generalnej

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

Testowanie hipotez statystycznych związanych ą z szacowaniem i oceną ą modelu ekonometrycznego

Testowanie hipotez statystycznych związanych ą z szacowaniem i oceną ą modelu ekonometrycznego Testowanie hipotez statystycznych związanych ą z szacowaniem i oceną ą modelu ekonometrycznego Ze względu na jakość uzyskiwanych ocen parametrów strukturalnych modelu oraz weryfikację modelu, metoda najmniejszych

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

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

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

Testowanie hipotez statystycznych.

Testowanie hipotez statystycznych. Bioinformatyka Wykład 9 Wrocław, 5 grudnia 2011 Temat. Test zgodności χ 2 Pearsona. Statystyka χ 2 Pearsona Rozpatrzmy ciąg niezależnych zmiennych losowych X 1,..., X n o jednakowym dyskretnym rozkładzie

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

Symulacyjne metody wyceny opcji amerykańskich

Symulacyjne metody wyceny opcji amerykańskich Metody wyceny Piotr Małecki promotor: dr hab. Rafał Weron Instytut Matematyki i Informatyki Politechniki Wrocławskiej Wrocław, 0 lipca 009 Metody wyceny Drzewko S 0 S t S t S 3 t S t St St 3 S t St St

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

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

Prognozowanie i Symulacje. Wykład VI. Niestacjonarne szeregi czasowe

Prognozowanie i Symulacje. Wykład VI. Niestacjonarne szeregi czasowe Prognozowanie i Symulacje. Wykład VI. e-mail:e.kozlovski@pollub.pl Spis treści Analiza stacjonarności szeregów czasowych 1 Analiza stacjonarności szeregów czasowych Modele niestacjonarne Szeregi TS i DS

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

Ekonometria. Robert Pietrzykowski.

Ekonometria. Robert Pietrzykowski. Ekonometria Robert Pietrzykowski email: robert_pietrzykowski@sggw.pl www.ekonometria.info Na dziś Sprawy bieżące Prowadzący Zasady zaliczenia Konsultacje Inne 2 Sprawy ogólne czyli co nas czeka Zaliczenie

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

Rozkłady statystyk z próby

Rozkłady statystyk z próby Rozkłady statystyk z próby Rozkłady statystyk z próby Przypuśćmy, że wykonujemy serię doświadczeń polegających na 4 krotnym rzucie symetryczną kostką do gry, obserwując liczbę wyrzuconych oczek Nr kolejny

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

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

WYMAGANIA WSTĘPNE W ZAKRESIE WIEDZY, UMIEJĘTNOŚCI I INNYCH KOMPETENCJI

WYMAGANIA WSTĘPNE W ZAKRESIE WIEDZY, UMIEJĘTNOŚCI I INNYCH KOMPETENCJI 1 WYDZIAŁ MATEMATYKI KARTA PRZEDMIOTU Nazwa w języku polskim ANALIZA SZEREGÓW CZASOWYCH Nazwa w języku angielskim ANALYSIS OF TIME SERIES Kierunek studiów (jeśli dotyczy): Matematyka Specjalność (jeśli

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

PRĘDKOŚĆ A NATĘŻENIE RUCHU NA DRODZE WIELOPASOWEJ SPEED AND TRAFFIC VOLUME ON THE MULTILANE HIGHWAY

PRĘDKOŚĆ A NATĘŻENIE RUCHU NA DRODZE WIELOPASOWEJ SPEED AND TRAFFIC VOLUME ON THE MULTILANE HIGHWAY ZESZYTY NAUKOWE POLITECHNIKI ŚLĄSKIEJ 2009 Seria: TRANSPORT z. 65 Nr kol.1807 Aleksander SOBOTA PRĘDKOŚĆ A NATĘŻENIE RUCHU NA DRODZE WIELOPASOWEJ Streszczenie. Celem artykułu jest analiza zależności pomiędzy

Bardziej szczegółowo

WYMAGANIA WSTĘPNE W ZAKRESIE WIEDZY, UMIEJĘTNOŚCI I INNYCH KOMPETENCJI

WYMAGANIA WSTĘPNE W ZAKRESIE WIEDZY, UMIEJĘTNOŚCI I INNYCH KOMPETENCJI 1 Zał. nr 4 do ZW WYDZIAŁ PODSTAWOWYCH PROBLEMÓW TECHNIKI KARTA PRZEDMIOTU Nazwa w języku polskim ANALIZA SZEREGÓW CZASOWYCH Nazwa w języku angielskim ANALYSIS OF TIME SERIES Kierunek studiów (jeśli dotyczy):

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

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

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

UOGÓLNIONA MIARA DOPASOWANIA W MODELU LINIOWYM

UOGÓLNIONA MIARA DOPASOWANIA W MODELU LINIOWYM UOGÓLNIONA MIARA DOPASOWANIA W MODELU LINIOWYM Wojciech Zieliński Katedra Ekonoetrii i Statystyki, SGGW Nowoursynowska 159, PL-0-767 Warszawa wojtekzielinski@statystykainfo Streszczenie: W odelu regresji

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

OPTYMALIZACJA DYSKRETNA

OPTYMALIZACJA DYSKRETNA Temat nr a: odelowanie problemów decyzyjnych, c.d. OPTYALIZACJA DYSKRETA Zagadnienia decyzyjne, w których chociaż jedna zmienna decyzyjna przyjmuje wartości dyskretne (całkowitoliczbowe), nazywamy dyskretnymi

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

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

TESTOWANIE HIPOTEZ STATYSTYCZNYCH Przez hipotezę statystyczną rozumiemy, najogólniej mówiąc, pewną wypowiedź na temat rozkładu interesującej nas

TESTOWANIE HIPOTEZ STATYSTYCZNYCH Przez hipotezę statystyczną rozumiemy, najogólniej mówiąc, pewną wypowiedź na temat rozkładu interesującej nas TESTOWANIE HIPOTEZ STATYSTYCZNYCH Przez hipotezę statystyczną rozumiemy, najogólniej mówiąc, pewną wypowiedź na temat rozkładu interesującej nas cechy. Hipotezy dzielimy na parametryczne i nieparametryczne.

Bardziej szczegółowo

czerwiec 2013 Uwaga: Przy rozwiązywaniu zadań, jeśli to konieczne, należy przyjąć poziom istotności 0,1 i współczynnik ufności 0,90

czerwiec 2013 Uwaga: Przy rozwiązywaniu zadań, jeśli to konieczne, należy przyjąć poziom istotności 0,1 i współczynnik ufności 0,90 Uwaga: Przy rozwiązywaniu zadań, jeśli to konieczne, należy przyjąć poziom istotności 0,1 i współczynnik ufności 0,90 czerwiec 2013 Zadanie 1 Poniższe tabele przestawiają dane dotyczące umieralności dzieci

Bardziej szczegółowo

= = a na podstawie zadania 6 po p. 3.6 wiemy, że. b 1. a 2 ab b 2

= = a na podstawie zadania 6 po p. 3.6 wiemy, że. b 1. a 2 ab b 2 64 III. Zienne losowe jednowyiarowe D Ponieważ D (A) < D (B), więc należy wybrać partię A. Przykład 3.4. Obliczyć wariancję rozkładu jednostajnego. Ponieważ a na podstawie zadania 6 po p. 3.6 wiey, że

Bardziej szczegółowo

Projekt okładki: Aleksandra Olszewska. Redakcja: Leszek Plak. Copyright: Wydawnictwo Placet Wydanie ebook. Wydawca

Projekt okładki: Aleksandra Olszewska. Redakcja: Leszek Plak. Copyright: Wydawnictwo Placet Wydanie ebook. Wydawca 1 Projekt okładki: Aleksandra Olszewska Redakcja: Leszek Plak Copyright: Wydawnictwo Placet 2011 Wydanie ebook Wszelkie prawa zastrzeżone. Publikacja ani jej części nie mogą być w żadnej formie i za pomocą

Bardziej szczegółowo

Ćwiczenie 2a. Pomiar napięcia z izolacją galwaniczną Doświadczalne badania charakterystyk układów pomiarowych CZUJNIKI POMIAROWE I ELEMENTY WYKONAWCZE

Ćwiczenie 2a. Pomiar napięcia z izolacją galwaniczną Doświadczalne badania charakterystyk układów pomiarowych CZUJNIKI POMIAROWE I ELEMENTY WYKONAWCZE Politechnika Łódzka Katedra Mikroelektroniki i Technik Informatycznych 90-924 Łódź, ul. Wólczańska 221/223, bud. B18 tel. 42 631 26 28 faks 42 636 03 27 e-mail secretary@dmcs.p.lodz.pl http://www.dmcs.p.lodz.pl

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

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

FUNKCJA LINIOWA - WYKRES. y = ax + b. a i b to współczynniki funkcji, które mają wartości liczbowe

FUNKCJA LINIOWA - WYKRES. y = ax + b. a i b to współczynniki funkcji, które mają wartości liczbowe FUNKCJA LINIOWA - WYKRES Wzór funkcji liniowej (postać kierunkowa) Funkcja liniowa to funkcja o wzorze: y = ax + b a i b to współczynniki funkcji, które mają wartości liczbowe Szczególnie ważny w postaci

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

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

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

Weryfikacja hipotez statystycznych

Weryfikacja hipotez statystycznych Weryfikacja hipotez statystycznych Hipoteza Test statystyczny Poziom istotności Testy jednostronne i dwustronne Testowanie równości wariancji test F-Fishera Testowanie równości wartości średnich test t-studenta

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

Gdy n jest duże, statystyka ta (zwana statystyką chikwadrat), przy założeniu prawdziwości hipotezy H 0, ma w przybliżeniu rozkład χ 2 (k 1).

Gdy n jest duże, statystyka ta (zwana statystyką chikwadrat), przy założeniu prawdziwości hipotezy H 0, ma w przybliżeniu rozkład χ 2 (k 1). PRZYKŁADY TESTÓW NIEPARAMETRYCZNYCH. Test zgodności χ 2. Ten test służy testowaniu hipotezy, czy rozważana zmienna ma pewien ustalony rozkład, czy też jej rozkład różni się od tego ustalonego. Tym testem

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

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

Spis treści 3 SPIS TREŚCI

Spis treści 3 SPIS TREŚCI Spis treści 3 SPIS TREŚCI PRZEDMOWA... 1. WNIOSKOWANIE STATYSTYCZNE JAKO DYSCYPLINA MATEMATYCZNA... Metody statystyczne w analizie i prognozowaniu zjawisk ekonomicznych... Badania statystyczne podstawowe

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

Wykład 4: Wnioskowanie statystyczne. Podstawowe informacje oraz implementacja przykładowego testu w programie STATISTICA

Wykład 4: Wnioskowanie statystyczne. Podstawowe informacje oraz implementacja przykładowego testu w programie STATISTICA Wykład 4: Wnioskowanie statystyczne Podstawowe informacje oraz implementacja przykładowego testu w programie STATISTICA Idea wnioskowania statystycznego Celem analizy statystycznej nie jest zwykle tylko

Bardziej szczegółowo

Zajęcia wyrównawcze z matematyki dla studentów kierunku zamawianego Biotechnologia na Wydziale Biologii i Ochrony Środowiska rok akademicki 2010/2011

Zajęcia wyrównawcze z matematyki dla studentów kierunku zamawianego Biotechnologia na Wydziale Biologii i Ochrony Środowiska rok akademicki 2010/2011 Zajęcia wyrównawcze z matematyki dla studentów kierunku zamawianego Biotechnologia na Wydziale Biologii i Ochrony Środowiska rok akademicki 2010/2011 Kierunek zamawiany: Biotechnologia Liczba grup: 2 (po

Bardziej szczegółowo

Definicja i własności wartości bezwzględnej.

Definicja i własności wartości bezwzględnej. Równania i nierówności z wartością bezwzględną. Rozwiązywanie układów dwóch (trzech) równań z dwiema (trzema) niewiadomymi. Układy równań liniowych z parametrem, analiza rozwiązań. Definicja i własności

Bardziej szczegółowo

Wyk ad II. Stacjonarne szeregi czasowe.

Wyk ad II. Stacjonarne szeregi czasowe. Wyk ad II. Stacjonarne szeregi czasowe. W wi ekszości przypadków poszukiwanie modelu, który dok adnie by opisywa zachowanie sk adnika losowego " t, polega na analizie pewnej klasy losowych ciagów czasowych

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

Po zapoznaniu się z funkcją liniową możemy przyjśd do badania funkcji kwadratowej.

Po zapoznaniu się z funkcją liniową możemy przyjśd do badania funkcji kwadratowej. Po zapoznaniu się z funkcją liniową możemy przyjśd do badania funkcji kwadratowej. Definicja 1 Jednomianem stopnia drugiego nazywamy funkcję postaci: i a 0. Dziedziną tej funkcji jest zbiór liczb rzeczywistych

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

Wykorzystanie testu t dla pojedynczej próby we wnioskowaniu statystycznym

Wykorzystanie testu t dla pojedynczej próby we wnioskowaniu statystycznym Wiesława MALSKA Politechnika Rzeszowska, Polska Anna KOZIOROWSKA Uniwersytet Rzeszowski, Polska Wykorzystanie testu t dla pojedynczej próby we wnioskowaniu statystycznym Wstęp Wnioskowanie statystyczne

Bardziej szczegółowo