Wprowadzenie. Wojciech HYB, Joanna KALETA
|
|
- Andrzej Małecki
- 7 lat temu
- Przeglądów:
Transkrypt
1 Wojciech HYB, Joaa KALETA Kaedra Zasosowań Maemayki Deparme of Applied Mahemaics Porówaie meod wyzaczaia współczyików modelu maemayczego a przykładzie progozy liczby ludości świaa Compariso of mehods of deermiaio of mehemaical model coefficies o he example of world populaio projecio Słowa kluczowe: ludość świaa, model maemayczy, progoza Key words: world populaio, mahemaical model, projecio Wprowadzeie Praca doyczy zagadieia progozy liczby ludości świaa, a jej celem jes zbadaie wpływu zmiay meody wyzaczaia paramerów załoŝoego modelu a progozę. Dzięki zasosowaiu iej miary dopasowaia (Hyb 2003) moŝliwe będzie uzyskaie zaczie miejszych błędów predykcji. JuŜ od czasów Eulera próbowao dobrać idealy model demograficzy pasujący do edecji cechującej zmiaę liczby ludości w usaloym przedziale czasowym z uwzględieiem progozy. Sosowao w ym celu dwa modele: deermiisyczy i z redem wzrosowym. Jedak obydwa dawały rozbieŝe progozy, a wyiki odbiegały od rzeczywisości. W połowie XIX wieku belgijski maemayk F.F. Verhuls zapropoował krzywą logisyczą, zakładającą zmieość współczyika wskaźika urodzeń jako model dopasowujący się do wzrosu populacji ludzkiej zarówo a całym świecie, jak i w poszczególych pańswach. Ze względu a rudości w orzymaiu właściwych esymaorów paramerów ej krzywej i iepewość podawaych przez ią progoz, szczególie długoermiowych, okazało się, Ŝe wspomiaa krzywa akŝe ie saowi miarodajego modelu. Nadal jedak sosowao w demografii krzywą logisyczą, zwłaszcza Ŝe w 985 roku opracowao meodę zw. zadowalającej esymacji paramerów ej fukcji (Smolik 985). 94 W. Hyb, J. Kalea
2 Poszukiwao rówieŝ iych modeli demograficzych, a w 996 roku S. Smolik zapropoował model posaci ˆ c y f ( ) a arcg( b e ) () gdzie: ŷ liczba ludości świaa (w milioach) obliczoa wzorem () dla roku o umerze, a, b, c współczyiki modelu, azywae akŝe paramerami srukuralymi (Smolik 996). Za ajlepsze esymaory iezaych paramerów a, b, c dla modelu () przyjęo w pracy Smolika (996) e warości, dla kórych suma kwadraów odchyleń: S ( a, b, c) [ y a arcg( b e c )] 2 (2) osiąga warość ajmiejszą (y rzeczywisa liczba ludości świaa w roku o umerze ). Prowadzi o do klasyczej meody wyzaczaia fukcji regresji, kórą jes maksymalizacja współczyika korelacji krzywoliiowej (Elad 964). Praca Smolika (996) jes iezwykle ciekawa z uwagi a rafość w doborze modelu opisującego umeryczy wzros populacji świaa w laach wraz z progozą od 986 do 994 roku (Smolik 996, ab. ), a akŝe ze względu a przeprowadzoy przez auora sposób esymacji paramerów fukcji regresji (). Zapropoowaa przez Smolika fukcja regresji ma posać: ˆ 0, 02 y arcg(0,27 e ) (3) gdzie ozacza umer daego roku (przyjęo dla roku 950). Zmiaa miary dopasowaia a progoza liczby ludości świaa W prezeowaej pracy adal rozwaŝay jes model określoy wzorem (), ale jego współczyiki a, b, c posaowioo wyzaczyć, miimalizując proceowy średi błąd względy MRE 00% (mea relaive error) określoy wzorem (Hyb 2003): MRE 00% y y yˆ a arcg( b e y y c 00% ) 00% (4) Miimalizacja zaleŝości (4) ze względu a paramery a, b, c jes moŝliwa ylko w sposób umeryczy. JedakŜe sosowaie owoczesych meod i echik obliczeiowych pozwala zlokalizować dokładiej obszar poszukiwaia paramerów, a asępie obliczyć ich przybliŝoe warości, sosując p. meodę Newoa-Marquarda. Aby porówać orzymae wyiki, posaowioo wyzaczyć warości współczyików a, b, c, uŝywając daych z la i przyjmując za rok 950 oraz za 36 rok 985, aalogiczie jak w pracy Smolika (996). Miimalizując proceowy średi błąd względy (4) uzyskao fukcję regresji w posaci: 0,022 zˆ 9500 arcg(0,254 e ) (5) Porówaie meod wyzaczaia współczyików modelu maemayczego... 95
3 Orzymae wyiki dla la zesawioo w abeli, w kórej y ozacza rzeczywisą liczbę ludości świaa, ŷ jes obliczoe wzorem (3), ẑ jes obliczoe wzorem (5), aomias RE ozacza błąd względy w proceach (relaive error), obliczoy odpowiedio dla warości ŷ i ẑ,. Nasępie przedsawioo progozę liczby ludości świaa a laa dla fukcji regresji (3) i (5) oraz sprawdzoo dokładość ych progoz za pomocą błędów względych, dyspoując daymi ( y ) uzyskaymi z ONZ (ab. 2) i przyjmując ozaczeia jak w abeli. Podsumowaie i wioski Aaliza wyików przedsawioych w abeli prowadzi do wiosku, Ŝe fukcje regresji określoe wzorami (3) i (5) dają dobre przybliŝeie rzeczywisej liczby ludości świaa. Średi błąd względy esymacji dla fukcji (5) jes ieco miejszy iŝ dla fukcji (3), co ma związek z ią meodą wyzaczaia współczyików. Naomias w przypadku progozy fukcja regresji (5), kórej współczyiki wyzaczoo za pomocą miary dopasowaia (4), gwarauje większą dokładość iŝ fukcja określoa wzorem (3). Miarą ej dokładości są zaczie miejsze warości błędów względych w kolumie RE dla wzoru (5) iŝ dla wzoru (3) (ab. 2). Poado moŝa swierdzić, Ŝe progoza a laa orzymaa przy zasosowaiu fukcji (5) jes dokłada. Świadczą o ym bardzo małe warości błędów względych. Największy błąd względy orzymay w 2000 roku dla fukcji (5) wyosi 2,37%, a dla fukcji (3) jes rówy 5,%. PoiewaŜ od 996 roku progoza orzymaa przy zasosowaiu fukcji (3) daje błąd względy poad 3%, więc aleŝy uzać ją za iewysarczającą. Dodakowo zamieszczoo w pracy abelę 3, z kórej wyika, Ŝe progozy liczby ludości świaa wyzaczoe a koleje laa fukcjami regresji (3) i (5) róŝią się isoie. Poado moŝa swierdzić, Ŝe asympoycza liczba ludości świaa asympoa pioowa fukcji posaci () wyosi 4922,6 ml dla fukcji (5) i 29845, ml dla fukcji (3), a ajwiększy przyros roczy liczby ludości świaa wyiesie 03,9 ml w 202 roku dla fukcji (5) i 90,0 ml w roku 2053 dla fukcji (3). Orzymae wyiki sugerują, Ŝe meoda wyzaczaia współczyików fukcji regresji za pomocą miary dopasowaia (4) moŝe dawać zaczie lepsze progozy liczby ludości świaa, zwłaszcza w długim okresie czasowym. Waro zaem poszukiwać współczyików modelu maemayczego, posługując się ie ylko meodami klasyczymi. Lieraura ELANDT R. 964: Saysyka maemaycza w zasosowaiu do doświadczalicwa roliczego. PWN, Warszawa. HYB M. 2003: Aaliza saysycza wybraych charakerysyk kosolidacyjych gruów orgaiczych. Przegląd Naukowy IŜyieria i Kszałowaie Środowiska 2 (XVII): SMOLIK S. 985: Wyzaczaie paramerów krzywej logisyczej. Przegląd Saysyczy, XXXII, 4: W. Hyb, J. Kalea
4 SMOLIK S. 996: Log-erm Projecio of Numerical Growh of Populaio. II Krajowa Koferecja Zasosowań Maemayki w Biologii i Medycyie. Summary Compariso of mehods of deermiaio of mehemaical models coefficies o he example of world populaio projecio. Aalysis of he resuls obaied i his paper idicaes, i some sese, predomiace of he mehod deermiig regressio fucio coefficies (fi measure (4)) over he mehod usig fi measure (2). Thaks o fi measure (4) oe ca obai more exac projecios, paricularly logerm projecios. Auhors address: Wojciech Hyb, Joaa Kalea Szkoła Główa Gospodarswa Wiejsiego Kaedra Zasosowań Maemayki Warszawa, ul. Nowoursyowska 59 Polad hyb@alpha.sggw.waw.pl kalea@alpha.sggw.waw.pl Porówaie meod wyzaczaia współczyików modelu maemayczego... 97
5 Sreszczeie Wojciech Hyb, Joaa Kalea Kaedra Zasosowań Maemayki Warsaw Agriculural Uiversiy SGGW Warszawa, ul. Nowoursyowska Porówaie meod wyzaczaia współczyików modelu maemayczego a przykładzie progozy liczby ludości świaa W pracy wyzaczoo współczyiki pewego modelu maemayczego opisującego wzros populacji ludzkiej meodą miimalizacji średiego błędu względego. Orzymae wyiki, szczególie dla progozy, okazały się zaczie lepsze iŝ uzyskae wcześiej przez dla aalogiczego modelu, kórego współczyiki wyzaczoo klasyczą meodą ajmiejszych kwadraów. Przedsawioo akŝe hipoeyczy rozwój ludości świaa a laa W kokluzji swierdzoo, Ŝe aleŝy poszukiwać owych meod wyzaczaia współczyików fukcji regresji. 98 W. Hyb, J. Kalea
Matematyka ubezpieczeń majątkowych 9.10.2006 r. Zadanie 1. Rozważamy proces nadwyżki ubezpieczyciela z czasem dyskretnym postaci: n
Maemayka ubezpieczeń mająkowych 9.0.006 r. Zadaie. Rozważamy proces adwyżki ubezpieczyciela z czasem dyskreym posaci: U = u + c S = 0... S = W + W +... + W W W W gdzie zmiee... są iezależe i mają e sam
Bardziej szczegółowoMIANO ROZTWORU TITRANTA. Analiza statystyczna wyników oznaczeń
MIANO ROZTWORU TITRANTA Aaliza saysycza wyików ozaczeń Esymaory pukowe Średia arymeycza x jes o suma wyików w serii podzieloa przez ich liczbę: gdzie: x i - wyik poszczególego ozaczeia - liczba pomiarów
Bardziej szczegółowoTRANZYSTORY POLOWE JFET I MOSFET
POLTECHNKA RZEZOWKA Kaedra Podsaw Elekroiki srukcja Nr5 F 00/003 sem. lei TRANZYTORY POLOWE JFET MOFET Cel ćwiczeia: Pomiar podsawowych charakerysyk i wyzaczeie paramerów określających właściwości razysora
Bardziej szczegółowoEKONOMETRIA. Liniowy model ekonometryczny (regresji) z jedną zmienną objaśniającą
EKONOMETRIA Tema wykładu: Liiowy model ekoomeryczy (regresji z jedą zmieą objaśiającą Prowadzący: dr iż. Zbigiew TARAPATA e-mail: Zbigiew.Tarapaa Tarapaa@isi.wa..wa.edu.pl hp:// zbigiew.arapaa.akcja.pl/p_ekoomeria/
Bardziej szczegółowoMETODY PROGNOZOWANIA Z WYKORZYSTANIEM TRENDU POTĘGOWEGO
PRZEGLĄD SAYSYCZNY R LVI ZESZY 009 JAN PURCZYŃSKI MEODY PROGNOZOANIA Z YKORZYSANIEM RENDU POĘGOEGO SĘP Praca doyczy esymacji paramerów ieliiowych modeli redu i saowi, w pewym sesie, koyuację zagadień rozparzoych
Bardziej szczegółowoAnaliza rynku projekt
Analiza rynku projek A. Układ projeku 1. Srona yułowa Tema Auor 2. Spis reści 3. Treść projeku 1 B. Treść projeku 1. Wsęp Po co? Na co? Dlaczego? Dlaczego robię badania? Jakimi meodami? Dla Kogo o jes
Bardziej szczegółowoSygnały pojęcie i klasyfikacja, metody opisu.
Sygały pojęcie i klasyfikacja, meody opisu. Iformacja przekazywaa jes za pośredicwem sygałów, kóre przeoszą eergię. Sygał jes o fukcja czasowa dowolej wielkości o charakerze eergeyczym, w kórym moża wyróżić
Bardziej szczegółowoMetody oceny efektywności projektów inwestycyjnych
Opracował: Leszek Jug Wydział Ekoomiczy, ALMAMER Szkoła Wyższa Meody ocey efekywości projeków iwesycyjych Niezbędym warukiem urzymywaia się firmy a ryku jes zarówo skuecze bieżące zarządzaie jak i podejmowaie
Bardziej szczegółowoNiepewności pomiarowe
Niepewości pomiarowe Obserwacja, doświadczeie, pomiar Obserwacja zjawisk fizyczych polega a badaiu ych zjawisk w warukach auralych oraz a aalizie czyików i waruków, od kórych zjawiska e zależą. Waruki
Bardziej szczegółowoSzacowanie składki w ubezpieczeniu od ryzyka niesamodzielności
Skłaki w ubezpieczeiu o ryzyka iesamozielości EDYTA SIDOR-BANASZEK Szacowaie skłaki w ubezpieczeiu o ryzyka iesamozielości Kalkulacja skłaki w ubezpieczeiach jes barzo ważym zagaieiem związaym z maemayką
Bardziej szczegółowoCzas trwania obligacji (duration)
Czas rwaia obligacji (duraio) Do aalizy ryzyka wyikającego ze zmia sóp proceowych (szczególie ryzyka zmiay cey) wykorzysuje się pojęcie zw. średiego ermiu wykupu obligacji, zwaego rówież czasem rwaia obligacji
Bardziej szczegółowo, gdzie b 4c 0 oraz n, m ( 2). 2 2 b b b b b c b x bx c x x c x x
Meody aeaycze w echologii aeriałów Uwaga: Proszę paięać, że a zajęciach obowiązuje akże zajoość oówioych w aeriałach przykładów!!! CAŁKOWANIE FUNKCJI WYMIERNYCH Fukcją wyierą azyway fukcję posaci P ( )
Bardziej szczegółowoMetrologia: miary dokładności. dr inż. Paweł Zalewski Akademia Morska w Szczecinie
Metrologia: miary dokładości dr iż. Paweł Zalewski Akademia Morska w Szczeciie Miary dokładości: Najczęściej rozkład pomiarów w serii wokół wartości średiej X jest rozkładem Gaussa: Prawdopodobieństwem,
Bardziej szczegółowoAnaliza wyników symulacji i rzeczywistego pomiaru zmian napięcia ładowanego kondensatora
Aaliza wyików symulacji i rzeczywistego pomiaru zmia apięcia ładowaego kodesatora Adrzej Skowroński Symulacja umożliwia am przeprowadzeie wirtualego eksperymetu. Nie kostruując jeszcze fizyczego urządzeia
Bardziej szczegółowo1. Element nienaprawialny, badania niezawodności. Model matematyczny elementu - dodatnia zmienna losowa T, określająca czas życia elementu
Badaia iezawodościowe i saysycza aaliza ich wyików. Eleme ieaprawialy, badaia iezawodości Model maemayczy elemeu - dodaia zmiea losowa T, określająca czas życia elemeu Opis zmieej losowej - rozkład, lub
Bardziej szczegółowoPROGNOZY I SYMULACJE
orecasig is he ar of saig wha will happe, ad he explaiig wh i did. Ch. Chafield (986 PROGNOZY I YMULACJE Kaarza Chud Laskowska kosulacje: p. 400A środa -4 czwarek -4 sroa iereowa: hp://kc.sd.prz.edu.pl/
Bardziej szczegółowoĆwiczenia nr 5. TEMATYKA: Regresja liniowa dla prostej i płaszczyzny
TEMATYKA: Regresja liiowa dla prostej i płaszczyzy Ćwiczeia r 5 DEFINICJE: Regresja: metoda statystycza pozwalająca a badaie związku pomiędzy wielkościami daych i przewidywaie a tej podstawie iezaych wartości
Bardziej szczegółowoESTYMACJA PARAMETRÓW FUNKCJI REGRESJI METODĄ KLASYCZNĄ ORAZ METODAMI BOOTSTRAPOWYMI**
Góricwo i Geoiżyieria Rok 30 Zeszy 3/ 006 Dariusz Foszcz* ESTYMACJA PARAMETRÓW FUNKCJI REGRESJI METODĄ KLASYCZNĄ ORAZ METODAMI BOOTSTRAPOWYMI**. Wsęp W zmieiającej się rzeczywisości przebiegu procesów
Bardziej szczegółowoSzereg geometryczny. 5. b) b n = 4n 2 (b 1 = 2, r = 4) lub b n = 10 (b 1 = 10, r = 0). 2. jest równa 1 x dla x = 1+ Zad. 3:
Szereg geometryczy Zad : Suma wszystkich wyrazów ieskończoego ciągu geometryczego jest rówa 4, a suma trzech początkowych wyrazów wyosi a) Zbadaj mootoiczość ciągu sum częściowych tego ciągu geometryczego
Bardziej szczegółowoD:\materialy\Matematyka na GISIP I rok DOC\07 Pochodne\8A.DOC 2004-wrz-15, 17: Obliczanie granic funkcji w punkcie przy pomocy wzoru Taylora.
D:\maerialy\Maemayka a GISIP I rok DOC\7 Pochode\8ADOC -wrz-5, 7: 89 Obliczaie graic fukcji w pukcie przy pomocy wzoru Taylora Wróćmy do wierdzeia Taylora (wzory (-( Tw Szczególie waża dla dalszych R rozważań
Bardziej szczegółowo3. Regresja liniowa Założenia dotyczące modelu regresji liniowej
3. Regresja liiowa 3.. Założeia dotyczące modelu regresji liiowej Aby moża było wykorzystać model regresji liiowej, muszą być spełioe astępujące założeia:. Relacja pomiędzy zmieą objaśiaą a zmieymi objaśiającymi
Bardziej szczegółowoESTYMACJA KRZYWEJ DOCHODOWOŚCI STÓP PROCENTOWYCH DLA POLSKI
METODY ILOŚCIOWE W BADANIACH EKONOMICZNYCH Tom XIII/3, 202, sr. 253 26 ESTYMACJA KRZYWEJ DOCHODOWOŚCI STÓP PROCENTOWYCH DLA POLSKI Adam Waszkowski Kaedra Ekonomiki Rolnicwa i Międzynarodowych Sosunków
Bardziej szczegółowoPobieranie próby. Rozkład χ 2
Graficzne przedsawianie próby Hisogram Esymaory przykład Próby z rozkładów cząskowych Próby ze skończonej populacji Próby z rozkładu normalnego Rozkład χ Pobieranie próby. Rozkład χ Posać i własności Znaczenie
Bardziej szczegółowoMiary rozproszenia. Miary położenia. Wariancja. Średnia. Dla danych indywidualnych: Dla danych indywidualnych: s 2 = 1 n. (x i x) 2. x i.
Miary położeia Średia Dla daych idywidualych: x = 1 x = 1 x i i ẋ i gdzie ẋ i środek i tego przedziału i - liczość i-tego przedziału Domiata moda Liczba ajczęściej występująca jeśli taka istieje - dla
Bardziej szczegółowolicencjat Pytania teoretyczne:
Plan wykładu: 1. Wiadomości ogólne. 2. Model ekonomeryczny i jego elemeny 3. Meody doboru zmiennych do modelu ekonomerycznego. 4. Szacownie paramerów srukuralnych MNK. Weryfikacja modelu KMNK 6. Prognozowanie
Bardziej szczegółowo1.3. Metody pomiaru efektu kreacji wartości przedsiębiorstwa
48 Warość przedsiębiorswa 1.3. Meody pomiaru efeku kreacji warości przedsiębiorswa Przesłaki pomiaru efeku kreacji warości przedsiębiorswa Aby kocepcja zarządzaia warością mogła być wprowadzoa w Ŝycie,
Bardziej szczegółowoGretl konstruowanie pętli Symulacje Monte Carlo (MC)
Grel kosruowaie pęli Symulacje Moe Carlo (MC) W Grelu, aby przyspieszyć pracę, wykoać iesadardową aalizę (ie do wyklikaia ) możliwe jes użycie pęli. Pęle realizuje komeda loop, kóra przyjmuje zesaw iych
Bardziej szczegółowoMiary położenia. Miary rozproszenia. Średnia. Wariancja. Dla danych indywidualnych: Dla danych indywidualnych: s 2 = 1 n. (x i x) 2. x i.
Miary położeia Średia Dla daych idywidualych: x = 1 x = 1 x i i ẋ i gdzie ẋ i środek i tego przedziału i - liczość i-tego przedziału Domiata moda Liczba ajczęściej występująca jeśli taka istieje - dla
Bardziej szczegółowoANALIZA DYNAMIKI ZJAWISK (dok.) WYGŁADZANIE szeregu czasowego
D. Miszczńska,M.Miszczński, Maeriał do wkładu 6 ze Saski, 009/0 [] ANALIZA DYNAMIKI ZJAWISK (dok.). szereg czasow, chroologicz (momeów, okresów). średi poziom zjawiska w czasie (średia armecza, średia
Bardziej szczegółowoObligacja i jej cena wewnętrzna
Obligacja i jej cea wewęrza Obligacja jes o isrume fiasowy (papier warościowy), w kórym jeda sroa, zwaa emieem obligacji, swierdza, że jes dłużikiem drugiej sroy, zwaej obligaariuszem (jes o właściciel
Bardziej szczegółowoJak obliczać podstawowe wskaźniki statystyczne?
Jak obliczać podstawowe wskaźiki statystycze? Przeprowadzoe egzamiy zewętrze dostarczają iformacji o tym, jak ucziowie w poszczególych latach opaowali umiejętości i wiadomości określoe w stadardach wymagań
Bardziej szczegółowot - kwantyl rozkładu t-studenta rzędu p o f stopniach swobody
ZJAZD ANALIZA DANYCH CIĄGŁYCH ramach zajęć będą badae próbki pochodzące z poplacji w kórych badaa cecha ma rozkład ormaly N(μ σ). Na zajęciach będą: - wyzaczae przedziały fości dla warości średiej i wariacji
Bardziej szczegółowo21. CAŁKA KRZYWOLINIOWA NIESKIEROWANA. x = x(t), y = y(t), a < t < b,
CAŁA RZYWOLINIOWA NIESIEROWANA rzywą o rówaiach parameryczych: = (), y = y(), a < < b, azywamy łukiem regularym (gładkim), gdy spełioe są asępujące waruki: a) fukcje () i y() mają ciągłe pochode, kóre
Bardziej szczegółowoDendrochronologia Tworzenie chronologii
Dendrochronologia Dendrochronologia jes nauką wykorzysującą słoje przyrosu rocznego drzew do określania wieku (daowania) obieków drewnianych (budynki, przedmioy). Analizy różnych paramerów słojów przyrosu
Bardziej szczegółowoĆwiczenie 3. H 1 : p p 0 H 3 : p > p 0. b) dla małej próby statystykę testową oblicza się za pomocą wzoru:
Ćwiczeie ERYFIKACJA IPOTEZ Tesowaie hipoez: Zakładamy że wszyskie hipoezy będą weryfikowae a poziomie isoości α.. eryfikacja hipoezy o wskaźik srkry jedej zmieej losowej dyskreej Rozparjemy próbkę elemeową
Bardziej szczegółowoMETODY APROKSYMACJI MATEUSZ WAGA. Gimnazjum im. Jana Matejki w Zabierzowie
METODY APROKSYMACJI MATEUSZ WAGA Gimazjum im. Jaa Matejki w Zabierzowie SPIS TREŚCI 1 WSTĘP... 2 2 MODEL MATEMATYCZNY... 3 3 UOGÓLNIENIE MODELU MATEMATYCZNEG... 6 4 MODEL INFORMATYCZNY... 7 5 PRZYKŁADY
Bardziej szczegółowoDYNAMIKA KONSTRUKCJI
10. DYNAMIKA KONSTRUKCJI 1 10. 10. DYNAMIKA KONSTRUKCJI 10.1. Wprowadzenie Ogólne równanie dynamiki zapisujemy w posaci: M d C d Kd =P (10.1) Zapis powyższy oznacza, że równanie musi być spełnione w każdej
Bardziej szczegółowoPOMIAR PARAMETRÓW SYGNAŁOW NAPIĘCIOWYCH METODĄ PRÓKOWANIA I CYFROWEGO PRZETWARZANIA SYGNAŁU
Pomiar paramerów sygnałów napięciowych. POMIAR PARAMERÓW SYGNAŁOW NAPIĘCIOWYCH MEODĄ PRÓKOWANIA I CYFROWEGO PRZEWARZANIA SYGNAŁU Cel ćwiczenia Poznanie warunków prawidłowego wyznaczania elemenarnych paramerów
Bardziej szczegółowoEfektywność projektów inwestycyjnych. Statyczne i dynamiczne metody oceny projektów inwestycyjnych
Efekywość projeków iwesycyjych Saycze i dyamicze meody ocey projeków iwesycyjych Źródła fiasowaia Iwesycje Rzeczowe Powiększeie mająku rwałego firmy, zysk spodzieway w dłuższym horyzocie czasowym. Fiasowe
Bardziej szczegółowoWYKORZYSTANIE METODY MOVING BLOCK BOOTSTRAP W PROGNOZOWANIU SZEREGÓW CZASOWYCH Z WAHANIAMI OKRESOWYMI *
Grzegorz Kończak Michał Miłek Uiwersye Ekoomiczy w Kaowicach WYKORZYSTANIE METODY MOVING BLOCK BOOTSTRAP W PROGNOZOWANIU SZEREGÓW CZASOWYCH Z WAHANIAMI OKRESOWYMI * Wprowadzeie Celem aalizy szeregu czasowego
Bardziej szczegółowoKRÓTKOTERMINOWE PROGNOZOWANIE WIELKO CI UDZIAŁU KOMPONENTÓW USZKODZONYCH W PRODUKCJI CAŁKOWITEJ Z WYKORZYSTANIEM KLASYCZNYCH METOD PREDYKCJI
KRÓTKOTERMINOWE PROGNOZOWANIE WIELKO CI UDZIAŁU KOMPONENTÓW USZKODZONYCH W PRODUKCJI CAŁKOWITEJ Z WYKORZYSTANIEM KLASYCZNYCH METOD PREDYKCJI WOJCIECH WO NIAK, JERZY MIKULIK Sreszczeie W pracy zaprezeowao
Bardziej szczegółowoEstymacja: Punktowa (ocena, błędy szacunku) Przedziałowa (przedział ufności)
IV. Estymacja parametrów Estymacja: Puktowa (ocea, błędy szacuku Przedziałowa (przedział ufości Załóżmy, że rozkład zmieej losowej X w populacji geeralej jest opisay dystrybuatą F(x;α, gdzie α jest iezaym
Bardziej szczegółowoModele tendencji rozwojowej STATYSTYKA OPISOWA. Dr Alina Gleska. Instytut Matematyki WE PP. 18 listopada 2017
STATYSTYKA OPISOWA Dr Alia Gleska Istytut Matematyki WE PP 18 listopada 2017 1 Metoda aalitycza Metoda aalitycza przyjmujemy założeie, że zmiay zjawiska w czasie moża przedstawić jako fukcję zmieej czasowej
Bardziej szczegółowoStudia Ekonomiczne. Zeszyty Naukowe Uniwersytetu Ekonomicznego w Katowicach ISSN 2083-8611 Nr 219 2015
Sudia Ekonomiczne. Zeszyy Naukowe Uniwersyeu Ekonomicznego w Kaowicach ISSN 2083-86 Nr 29 205 Alicja Ganczarek-Gamro Uniwersye Ekonomiczny w Kaowicach Wydział Informayki i Komunikacji Kaedra Demografii
Bardziej szczegółowoWykład FIZYKA I. 2. Kinematyka punktu materialnego. Dr hab. inż. Władysław Artur Woźniak
Dr hab. iż. Władysław Arur Woźiak Wykład FIZYKA I. Kiemayka puku maerialego Dr hab. iż. Władysław Arur Woźiak Isyu Fizyki Poliechiki Wrocławskiej hp://www.if.pwr.wroc.pl/~woziak/fizyka1.hml Dr hab. iż.
Bardziej szczegółowoD-1 WYDZIAŁ PPT LABORATORIUM Z ELEKTROTECHNIKI I ELEKTRONIKI. i czasowe. ĆWICZENIE NR 7. Sygnały Elektryczne parametry częstotliwościowe
D-. Cel ćwiczeia. Celem ćwiczeia jes zapozaie z zasadami pomiaru częsoliwości i czasu; podsawowymi paramerami ypowych częsościomierzy - czasomierzy, warukami ich uŝykowaia ze szczególym uwzględieiem dokładości
Bardziej szczegółowoMATEMATYKA wykład 1. Ciągi. Pierwsze 2 ciągi są rosnące (do nieskończoności), zaś 3-i ciąg jest zbieŝny do zera. co oznaczamy przez
MATEMATYKA wkład Ciągi,, 2, 3, 4,,, 3, 5, 7, 9,,,,,,,,, są przkładami ciągów 2 4 6 8 Pierwsze 2 ciągi są rosące (do ieskończoości), zaś 3-i ciąg jes zbieŝ do zera co ozaczam przez lim a ch 2-óch ciągów,
Bardziej szczegółowoLVIII Egzamin dla Aktuariuszy z 3 października 2011 r.
Komisja Egzamiacyja la Akuariuszy LIII Egzami la Akuariuszy z 3 paźzirika 0 r. Część II Mamayka ubzpiczń życiowych Imię i azwisko osoby gzamiowaj:... Czas gzamiu: 00 miu Warszawa, 3 paźzirika 0 r. Mamayka
Bardziej szczegółowoPrognozowanie średniego miesięcznego kursu kupna USD
Prognozowanie średniego miesięcznego kursu kupna USD Kaarzyna Halicka Poliechnika Białosocka, Wydział Zarządzania, Kaedra Informayki Gospodarczej i Logisyki, e-mail: k.halicka@pb.edu.pl Jusyna Godlewska
Bardziej szczegółowoDYNAMICZNE MODELE EKONOMETRYCZNE
DYNAMICZNE MODELE EKONOMETRYCZNE IX Ogólnopolskie Seminarium Naukowe, 6 8 września 005 w Toruniu Kaedra Ekonomerii i Saysyki, Uniwersye Mikołaja Kopernika w Toruniu Pior Fiszeder Uniwersye Mikołaja Kopernika
Bardziej szczegółowoPodstawy opracowania wyników pomiarów z elementami analizy niepewności pomiarowych (w zakresie materiału przedstawionego na wykładzie organizacyjnym)
Podstawy opracowaia wyików pomiarów z elemetami aalizepewości pomiarowych (w zakresie materiału przedstawioego a wykładzie orgaizacyjym) Pomiary Wyróżiamy dwa rodzaje pomiarów: pomiar bezpośredi, czyli
Bardziej szczegółowoWykład 6. Badanie dynamiki zjawisk
Wykład 6 Badanie dynamiki zjawisk Krzywa wieża w Pizie 1 2 3 4 5 6 7 8 9 10 11 12 13 y 4,9642 4,9644 4,9656 4,9667 4,9673 4,9688 4,9696 4,9698 4,9713 4,9717 4,9725 4,9742 4,9757 Szeregiem czasowym nazywamy
Bardziej szczegółowoJarosław Wróblewski Analiza Matematyczna 2, lato 2018/19
7 Wyzaczyć zbiór wszyskich warości rzeczywisych parameru p, dla kórych całka iewłaściwa jes zbieża x xe Dzieląc przedział całkowaia orzymujemy x x e x x e x x e Zbadamy, dla kórych warości parameru p całki
Bardziej szczegółowoANALIZA PRZYCZYNOWOŚCI W ZAKRESIE ZALEŻNOŚCI NIELINIOWYCH. IMPLIKACJE FINANSOWE
Wiold Orzeszko Magdalea Osińska Uiwersye Mikołaja Koperika w Toruiu ANALIA PRCNOWOŚCI W AKRSI ALŻNOŚCI NILINIOWCH. IMPLIKACJ FINANSOW WSTĘP Przyczyowość w sesie Gragera jes jedym z kluczowych pojęć ekoomeryczej
Bardziej szczegółowoE k o n o m e t r i a S t r o n a 1. Nieliniowy model ekonometryczny
E k o n o m e r i a S r o n a Nieliniowy model ekonomeryczny Jednorównaniowy model ekonomeryczny ma posać = f( X, X,, X k, ε ) gdzie: zmienna objaśniana, X, X,, X k zmienne objaśniające, ε - składnik losowy,
Bardziej szczegółowoMatematyka ubezpieczeń majątkowych r. ma złożony rozkład Poissona. W tabeli poniżej podano rozkład prawdopodobieństwa ( )
Zadanie. Zmienna losowa: X = Y +... + Y N ma złożony rozkład Poissona. W abeli poniżej podano rozkład prawdopodobieńswa składnika sumy Y. W ejże abeli podano akże obliczone dla k = 0... 4 prawdopodobieńswa
Bardziej szczegółowoJarosław Wróblewski Analiza Matematyczna 1, zima 2016/17
Egzami, 18.02.2017, godz. 9:00-11:30 Zadaie 1. (22 pukty) W każdym z zadań 1.1-1.10 podaj w postaci uproszczoej kresy zbioru oraz apisz, czy kresy ależą do zbioru (apisz TAK albo NIE, ewetualie T albo
Bardziej szczegółowo4. MODELE ZALEŻNE OD ZDARZEŃ
4. MODELE ZALEŻNE OD ZDARZEŃ 4.. Wrowadzeie W sysemach zależych od zdarzeń wyzwalaie określoego zachowaia się układu jes iicjowae rzez dyskree zdarzeia. Modelowaie akich syuacji ma a celu symulacyją aalizę
Bardziej szczegółowoSZACOWANIE KOSZTÓW PROCESU MONTAŻU NA PRZYKŁADZIE WYBRANEGO TYPOSZEREGU WYROBÓW
SZACOWANIE KOSZTÓW PROCESU MONTAŻU NA PRZYKŁADZIE WYBRANEGO TYPOSZEREGU WYROBÓW Pior CHWASTYK, Domiika BINIASZ, Mariusz KOŁOSOWSKI Sreszczeie: W pracy przedsawioo meodę oszacowaie koszów procesu moażu
Bardziej szczegółowoTestowanie hipotez. H 1 : µ 15 lub H 1 : µ < 15 lub H 1 : µ > 15
Testowaie hipotez ZałoŜeia będące przedmiotem weryfikacji azywamy hipotezami statystyczymi. KaŜde przypuszczeie ma swoją alteratywę. Jeśli postawimy hipotezę, Ŝe średica pia jedoroczych drzew owej odmiay
Bardziej szczegółowo3. Tworzenie próby, błąd przypadkowy (próbkowania) 5. Błąd standardowy średniej arytmetycznej
PODSTAWY STATYSTYKI 1. Teoria prawdopodobieństwa i elemety kombiatoryki 2. Zmiee losowe i ich rozkłady 3. Populacje i próby daych, estymacja parametrów 4. Testowaie hipotez 5. Testy parametrycze 6. Testy
Bardziej szczegółowoMODELE PROGNOSTYCZNE SPRZEDAśY ENERGII ELEKTRYCZNEJ ODBIORCOM WIEJSKIM OPARTE NA WYMIARZE FRAKTALNYM, LOGISTYCZNE I KRZYśOWANIA HEURYSTYCZNEGO
InŜynieria Rolnicza 11/2006 Małgorzaa Trojanowska Kaedra Energeyki Rolniczej Akademia Rolnicza w Krakowie MODELE PROGNOSTYCZNE SPRZEDAśY ENERGII ELEKTRYCZNEJ ODBIORCOM WIEJSKIM OPARTE NA WYMIARZE FRAKTALNYM,
Bardziej szczegółowoEKONOMETRIA wykład 2. Prof. dr hab. Eugeniusz Gatnar.
EKONOMERIA wykład Prof. dr hab. Eugeniusz Ganar eganar@mail.wz.uw.edu.pl Przedziały ufności Dla paramerów srukuralnych modelu: P bˆ j S( bˆ z prawdopodobieńswem parameru b bˆ S( bˆ, ( m j j j, ( m j b
Bardziej szczegółowoPodstawy zarządzania finansami przedsiębiorstwa
Podsawy zarządzaia fiasami przedsiębiorswa I. Wprowadzeie 1. Gospodarowaie fiasami w przedsiębiorswie polega a: a) określeiu spodziewaych korzyści i koszów wyikających z form zaagażowaia środków fiasowych
Bardziej szczegółowoStatystyka opisowa. () Statystyka opisowa 24 maja / 8
Część I Statystyka opisowa () Statystyka opisowa 24 maja 2010 1 / 8 Niech x 1, x 2,..., x będą wyikami pomiarów, p. temperatury, ciśieia, poziomu rzeki, wielkości ploów itp. Przykład 1: wyiki pomiarów
Bardziej szczegółowoOCENA POPYTU POPYT POJĘCIA WSTĘPNE. Definicja: Popyt to ilość dobra, jaką nabywcy gotowi są zakupić przy różnych poziomach ceny.
OCENA POPYTU POPYT POJĘCIA WSTĘPNE Defiicja: Pop o ilość dobra, jaką abwc goowi są zakupić prz różch poziomach ce. Deermia popu: (a) Cea daego dobra (b) Ilość i ce dóbr subsucjch (zw. kokurecjch) (c) Ilość
Bardziej szczegółowoO pewnych zastosowaniach rachunku różniczkowego funkcji dwóch zmiennych w ekonomii
O pewych zastosowaiach rachuku różiczkowego fukcji dwóch zmieych w ekoomii 1 Wielkość wytwarzaego dochodu arodowego D zależa jest od wielkości produkcyjego majątku trwałego M i akładów pracy żywej Z Fukcję
Bardziej szczegółowoZajęcia 2. Estymacja i weryfikacja modelu ekonometrycznego
Zajęcia. Esmacja i werfikacja modelu ekonomercznego Celem zadania jes oszacowanie liniowego modelu opisującego wpłw z urski zagranicznej w danm kraju w zależności od wdaków na urskę zagraniczną i liczb
Bardziej szczegółowoProjekt ze statystyki
Projekt ze statystyki Opracowaie: - - Spis treści Treść zaia... Problem I. Obliczeia i wioski... 4 Samochó I... 4 Miary położeia... 4 Miary zmieości... 5 Miary asymetrii... 6 Samochó II... 8 Miary położeia:...
Bardziej szczegółowoAnaliza możliwości wykorzystania wybranych modeli wygładzania wykładniczego do prognozowania wartości WIG-u
Zbigiew Taapaa Aaliza możliwości wykozysaia wybaych modeli wygładzaia wykładiczego do pogozowaia waości WIG-u Wydział Cybeeyki Wojskowej Akademii Techiczej w Waszawie Seszczeie W aykule pzedsawioo aalizę
Bardziej szczegółowoMETROLOGICZNE WŁASNOŚCI SYSTEMU BADAWCZEGO
PROBLEY NIEONWENCJONALNYCH ŁADÓW ŁOŻYSOWYCH Łódź, 4 maja 999 r. Jadwiga Janowska, Waldemar Oleksiuk Insyu ikromechaniki i Fooniki, Poliechnika Warszawska ETROLOGICZNE WŁASNOŚCI SYSTE BADAWCZEGO SŁOWA LCZOWE:
Bardziej szczegółowoSTATYSTYKA OPISOWA PODSTAWOWE WZORY
MIARY POŁOŻENIA Średia Dla daych idywidualych: x = 1 STATYSTYKA OPISOWA PODSTAWOWE WZORY x i x = 1 i ẋ i gdzie ẋ i środek i-tego przedziału i liczość i- tego przedziału Domiata (moda Liczba ajczęściej
Bardziej szczegółowoKorelacja i regresja. Dr Joanna Banaś Zakład Badań Systemowych Instytut Sztucznej Inteligencji i Metod Matematycznych. Wykład 12
Wykład Korelacja i regresja Dr Joaa Baaś Zakład Badań Systemowych Istytut Sztuczej Iteligecji i Metod Matematyczych Wydział Iformatyki Politechiki Szczecińskiej Wykład 8. Badaie statystycze ze względu
Bardziej szczegółowoDYNAMICZNE MODELE EKONOMETRYCZNE
DYNAMICZNE MODELE EKONOMETRYCZNE X Ogólnopolskie Seminarium Naukowe, 4 6 września 2007 w Toruniu Kaedra Ekonomerii i Saysyki, Uniwersye Mikołaja Kopernika w Toruniu Pior Fiszeder Uniwersye Mikołaja Kopernika
Bardziej szczegółowoPrzełączanie diody. Stan przejściowy pomiędzy stanem przewodzenia diod, a stanem nieprzewodzenia opisuje się za pomocą parametru/ów czasowego/ych.
Przełączaie diody 1. Trochę eorii a przejściowy pomiędzy saem przewodzeia diod, a saem ieprzewodzeia opisuje się za pomocą parameru/ów czasowego/ych. Mamy więc ajprosszy eleme półprzewodikowy (dwójik),
Bardziej szczegółowo2. Schemat ideowy układu pomiarowego
1. Wiadomości ogóle o prostowikach sterowaych Układy prostowikowe sterowae są przekształtikami sterowaymi fazowo. UmoŜliwiają płya regulację średiej wartości apięcia wyprostowaego, a tym samym średiej
Bardziej szczegółowoMiary położenia (tendencji centralnej) to tzw. miary przeciętne charakteryzujące średni lub typowy poziom wartości cechy.
MIARY POŁOŻENIA I ROZPROSZENIA WYNIKÓW SERII POMIAROWYCH Miary położeia (tedecji cetralej) to tzw. miary przecięte charakteryzujące średi lub typowy poziom wartości cechy. Średia arytmetycza: X i 1 X i,
Bardziej szczegółowoAktualizacja współczynników równoważności pojazdów ciężarowych i autobusów
Akualizacja współczyików rówoważości pojazdów ciężarowych i auobusów DAWID RYŚ Poliechika Gdańska dawid.rys@wilis.pg.gda.pl JÓZE JUDYCKI Poliechika Gdańska jozef.judycki@wilis.pg. gda.pl PIOTR JASKUŁA
Bardziej szczegółowoSTATYSTYKA I ANALIZA DANYCH
TATYTYKA I ANALIZA DANYCH Zad. Z pewej partii włókie weły wylosowao dwie próbki włókie, a w każdej z ich zmierzoo średicę włókie różymi metodami. Otrzymao astępujące wyiki: I próbka: 50; średia średica
Bardziej szczegółowoPolitechnika Częstochowska Wydział Inżynierii Mechanicznej i Informatyki. Sprawozdanie #2 z przedmiotu: Prognozowanie w systemach multimedialnych
Poliechnika Częsochowska Wydział Inżynierii Mechanicznej i Informayki Sprawozdanie #2 z przedmiou: Prognozowanie w sysemach mulimedialnych Andrzej Siwczyński Andrzej Rezler Informayka Rok V, Grupa IO II
Bardziej szczegółowoBłędy kwantyzacji, zakres dynamiki przetwornika A/C
Błędy kwatyzacji, zakres dyamiki przetworika /C Celem ćwiczeia jest pozaie wpływu rozdzielczości przetworika /C a błąd kwatowaia oraz ocea dyamiki układu kwatującego. Kwatowaie przyporządkowaie kolejym
Bardziej szczegółowoWygładzanie metodą średnich ruchomych w procesach stałych
Wgładzanie meodą średnich ruchomch w procesach sałch Cel ćwiczenia. Przgoowanie procedur Średniej Ruchomej (dla ruchomego okna danch); 2. apisanie procedur do obliczenia sandardowego błędu esmacji;. Wizualizacja
Bardziej szczegółowoPODSTAWY OPRACOWANIA WYNIKÓW POMIARÓW Z ELEMENTAMI ANALIZY NIEPEWNOŚCI POMIAROWYCH
PODSTAWY OPRACOWANIA WYNIKÓW POMIARÓW Z ELEMENTAMI ANALIZY NIEPEWNOŚCI POMIAROWYCH POMIAR FIZYCZNY Pomiar bezpośredi to doświadczeie, w którym przy pomocy odpowiedich przyrządów mierzymy (tj. porówujemy
Bardziej szczegółowoMetody badania wpływu zmian kursu walutowego na wskaźnik inflacji
Agnieszka Przybylska-Mazur * Meody badania wpływu zmian kursu waluowego na wskaźnik inflacji Wsęp Do oceny łącznego efeku przenoszenia zmian czynników zewnęrznych, akich jak zmiany cen zewnęrznych (szoki
Bardziej szczegółowoWykład 6. Badanie dynamiki zjawisk
Wykład 6 Badanie dynamiki zjawisk TREND WYODRĘBNIANIE SKŁADNIKÓW SZEREGU CZASOWEGO 1. FUNKCJA TRENDU METODA ANALITYCZNA 2. ŚREDNIE RUCHOME METODA WYRÓWNYWANIA MECHANICZNEGO średnie ruchome zwykłe średnie
Bardziej szczegółowoOpracowanie danych pomiarowych. dla studentów realizujących program Pracowni Fizycznej
Opracowaie daych pomiarowych dla studetów realizujących program Pracowi Fizyczej Pomiar Działaie mające a celu wyzaczeie wielkości mierzoej.. Do pomiarów stosuje się przyrządy pomiarowe proste lub złożoe.
Bardziej szczegółowoĆwiczenia rachunkowe TEST ZGODNOŚCI χ 2 PEARSONA ROZKŁAD GAUSSA
Aaliza iepewości pomiarowych w esperymetach fizyczych Ćwiczeia rachuowe TEST ZGODNOŚCI χ PEARSONA ROZKŁAD GAUSSA UWAGA: Na stroie, z tórej pobrałaś/pobrałeś istrucję zajduje się gotowy do załadowaia arusz
Bardziej szczegółowoEksploracja danych. KLASYFIKACJA I REGRESJA cz. 1. Wojciech Waloszek. Teresa Zawadzka.
Eksploracja danych KLASYFIKACJA I REGRESJA cz. 1 Wojciech Waloszek wowal@ei.pg.gda.pl Teresa Zawadzka egra@ei.pg.gda.pl Kaedra Inżyrii Oprogramowania Wydział Elekroniki, Telekomunikacji i Informayki Poliechnika
Bardziej szczegółowoINSTRUMENTY DŁUŻNE. Rodzaje ryzyka inwestowania w obligacje Duracja i wypukłość obligacji Wrażliwość wyceny obligacji
INSTRUMENTY ŁUŻNE Rozaje yzyka iwesowaia w obligacje uacja i wypukłość obligacji Ważliwość wycey obligacji Ryzyko iwesycji w obligacje Ryzyko eiwesycyje możliwość uzyskaia iskiej sopy zwou z wypłacoych
Bardziej szczegółowoPodstawy opracowania wyników pomiarów z elementami analizy niepewności pomiarowych
Podstawy opracowaia wyików pomiarów z elemetami aalizepewości pomiarowych w zakresie materiału przedstawioego a wykładzie orgaizacyjym Pomiary Wyróżiamy dwa rodzaje pomiarów: pomiar bezpośredi, czyli doświadczeie,
Bardziej szczegółowoE5. KONDENSATOR W OBWODZIE PRĄDU STAŁEGO
E5. KONDENSATOR W OBWODZIE PRĄDU STAŁEGO Marek Pękała i Jadwiga Szydłowska Procesy rozładowania kondensaora i drgania relaksacyjne w obwodach RC należą do szerokiej klasy procesów relaksacyjnych. Procesy
Bardziej szczegółowoWNIOSKOWANIE STATYSTYCZNE
Wnioskowanie saysyczne w ekonomerycznej analizie procesu produkcyjnego / WNIOSKOWANIE STATYSTYCZNE W EKONOMETRYCZNEJ ANAIZIE PROCESU PRODUKCYJNEGO Maeriał pomocniczy: proszę przejrzeć srony www.cyf-kr.edu.pl/~eomazur/zadl4.hml
Bardziej szczegółowoLABORATORIUM MODELOWANIA I SYMULACJI. Ćwiczenie 5
Wydział Elektryczy Zespół Automatyki (ZTMAiPC) ZERiA LABORATORIUM MODELOWANIA I SYMULACJI Ćwiczeie 5 ANALIZA WŁASNOŚCI DYNAMICZNYCH WYBRANEGO OBIEKTU FIZYCZNEGO 1. Opis właściwości dyamiczych obiektu Typowym
Bardziej szczegółowoLABORATORIUM METROLOGII
AKADEMIA MORSKA W SZCZECINIE Cetrum Iżyierii Ruchu Morskiego LABORATORIUM METROLOGII Ćwiczeie 5 Aaliza statystycza wyików pomiarów pozycji GNSS Szczeci, 010 Zespół wykoawczy: Dr iż. Paweł Zalewski Mgr
Bardziej szczegółowoRozruch silnika prądu stałego
Rozruch silnika prądu sałego 1. Model silnika prądu sałego (SPS) 1.1 Układ równań modelu SPS Układ równań modelu silnika prądu sałego d ua = Ra ia + La ia + ea d równanie obwodu wornika d uf = Rf if +
Bardziej szczegółowoPREDYKCJA KURSU EURO/DOLAR Z WYKORZYSTANIEM PROGNOZ INDEKSU GIEŁDOWEGO: WYBRANE MODELE EKONOMETRYCZNE I PERCEPTRON WIELOWARSTWOWY
B A D A N I A O P E R A C J N E I D E C Z J E Nr 2004 Aleksandra MAUSZEWSKA Doroa WIKOWSKA PREDKCJA KURSU EURO/DOLAR Z WKORZSANIEM PROGNOZ INDEKSU GIEŁDOWEGO: WBRANE MODELE EKONOMERCZNE I PERCEPRON WIELOWARSWOW
Bardziej szczegółowoSystem finansowy gospodarki
System fiasowy gospodarki Zajęcia r 5 Matematyka fiasowa Wartość pieiądza w czasie 1 złoty posiaday dzisiaj jest wart więcej iż 1 złoty posiaday w przyszłości, p. za rok. Powody: Suma posiadaa dzisiaj
Bardziej szczegółowoPUNKTOWA I PRZEDZIAŁOWA PREDYKCJA PRZEWOZÓW PASAŻERÓW W ŻEGLUDZE PROMOWEJ NA BAŁTYKU W LATACH 2008 2010
STUDIA I PRACE WYDZIAŁU NAUK EKONOMICZNYCH I ZARZĄDZANIA NR 15 Chrisian Lis PUNKTOWA I PRZEDZIAŁOWA PREDYKCJA PRZEWOZÓW PASAŻERÓW W ŻEGLUDZE PROMOWEJ NA BAŁTYKU W LATACH 2008 2010 Wprowadzenie Przedmioem
Bardziej szczegółowoRentgenowska analiza fazowa jakościowa i ilościowa Wykład 9
Retgeowska aaliza fazowa jakościowa i ilościowa Wykład 9 1. Retgeowska aaliza fazowa jakościowa i ilościowa. 2. Metody aalizy fazowej ilościowej. 3. Dobór wzorca w aalizie ilościowej. 4. Przeprowadzeie
Bardziej szczegółowoPROGNOZOWANIE ZUŻYCIA CIEPŁEJ I ZIMNEJ WODY W SPÓŁDZIELCZYCH ZASOBACH MIESZKANIOWYCH
STUDIA I PRACE WYDZIAŁU NAUK EKONOMICZNYCH I ZARZĄDZANIA NR 15 Barbara Baóg Iwona Foryś PROGNOZOWANIE ZUŻYCIA CIEPŁEJ I ZIMNEJ WODY W SPÓŁDZIELCZYCH ZASOBACH MIESZKANIOWYCH Wsęp Koszy dosarczenia wody
Bardziej szczegółowo