Teoretyczne podstawy analizy indeksowej klasyfikacja indeksów, konstrukcja, zastosowanie

Save this PDF as:
 WORD  PNG  TXT  JPG

Wielkość: px
Rozpocząć pokaz od strony:

Download "Teoretyczne podstawy analizy indeksowej klasyfikacja indeksów, konstrukcja, zastosowanie"

Transkrypt

1 Teoretyczne podstawy analizy indeksowej klasyfikacja indeksów, konstrukcja, zastosowanie Szkolenie dla pracowników Urzędu Statystycznego nt. Wybrane metody statystyczne w analizach makroekonomicznych dr Joanna Trzęsiok Katowice, 24 czerwca 2014 r.

2 Plan 1 Szeregi czasowe 2 Przyrosty absolutne 3 Indeksy indywidualne 4 Indeksy agregatowe 5 Funkcja trendu

3 Badanie dynamiki zjawisk Prowadząc badania dostajemy często dane przedstawiające zmiany (rozwój) badanego zjawiska w czasie. Dane te można przedstawić w postaci szeregu czasowego. Szereg czasowy to ciąg {y t } wartości badanego zjawiska obserwowanego w kolejnych jednostkach czasu t n y t y 1 y 2 y 3... y n gdzie t czas, y t wielkość badanego zjawiska w okresie lub momencie t.

4 Rodzaje szeregów czasowych Wyróżniamy dwa rodzaje szeregów czasowych: szereg czasowy momentów, gdy badane wielkości podawane są na ściśle określony moment (np. stan ludności Polski na 31.XII w latach ); szereg czasowy okresów, zawiera informacje o rozmiarach zjawiska w ciągu kolejnych okresów danego przedziału czasowego (np. wydobycie węgla w Polsce w latach ).

5 Miary dynamiki zjawisk Analizę dynamiki zjawisk przeprowadzamy z wykorzystaniem miar dynamiki, do których zaliczamy: przyrosty absolutne i względne, indeksy (wskaźniki) indywidualne i agregatowe.

6 Przyrosty absolutne Przyrost absolutny y t to różnica w poziomie zjawiska zanotowanego w dwóch różnych okresach (momentach) t i t Wyróżniamy: y t = y t y t. przyrosty jednopodstawowe (o stałej podstawie), gdzie t = c jest pewnym okresem (momentem) podstawowym (bazowym) y t = y t y c, przyrosty łańcuchowe, gdzie t = t 1 to okres (moment) poprzedzający t y t = y t y t 1.

7 Indywidualne wskaźniki dynamiki Indeks indywidualny i t/t to stosunek poziomu zjawiska w okresie (momencie) badanym t do poziomu zjawiska w okresie (momencie) przyjętym za podstawę porównań t i t/t = y t. y t Indeksy indywidualne dotyczą zjawisk jednorodnych ujętych w prosty szereg dynamiczny.

8 Podział indeksów indywidualnych Wyróżniamy: indeksy jednopodstawowe (o stałej podstawie), gdzie t = c jest pewnym okresem (momentem) podstawowym (bazowym) i t/c = y t y c, indeksy łańcuchowe, gdzie t = t 1 to okres (moment) poprzedzający t i t/t 1 = y t. y t 1

9 Interpretacja indeksów Interpretacja indeksu i Indeks i mówi nam o procentowej zmianie badanego zjawiska o Zatem, jeśli (i 1) 100%. i > 1, to obserwujemy wzrost poziomu zjawiska w okresie badanym w porównaniu do bazowego o (i 1) 100%, i = 1, to obserwujemy brak zmian poziomu zjawiska w okresie badanym w porównaniu do bazowego, i < 1, to obserwujemy spadek poziomu zjawiska w okresie badanym w porównaniu do bazowego o (i 1) 100%.

10 Indeks średni i średnie tempo zmian Indeks średni Średnią z indeksów łańcuchowych obliczamy wykorzystując wzór na średnią geometryczną Można zauważyć, że ī = n 1 i 2/1 i 3/2... i n/n 1. y2 ī = n 1 y3 y n yn... = y 1 y 2 y n 1. n 1 y 1 Indeks średni interpretujemy jako średnie tempo zmian (ozn. T ) badanego zjawiska przypadające na jednostkę czasu T = (ī 1) 100%.

11 Agregatowe wskaźniki dynamiki dla wielkości absolutnych Indeksy agregatowe (zespołowe) stosujemy w odniesieniu do zjawisk złożonych, tj. zjawisk będących agregatami (zespołami) zjawisk niejednorodnych i bezpośrednio niesumowalnych. Wyróżniamy agregatowe indeksy (dla wielkości absolutnych): wartości, cen, ilości.

12 Agregatowy indeks wartości Agregatowy indeks wartości I w = w it w i0 = p it q it, p i0 q i0 gdzie w it, w i0 wartości produktu w okresie badanym i bazowym, p it, p i0 ceny produktu w okresie badanym i bazowym, q it, q i0 ilości produktu w okresie badanym i bazowym. Interpretacja: I w mówi nam o ile procent wzrosła lub spadła wartość badanego agregatu produktów. Zmiany procentowe obliczamy analogicznie, jak w przypadku indeksów indywidualnych: (I w 1) 100%.

13 Agregatowe indeksy cen Zmiana wartości sprzedaży agregatu produktów może wynikać ze zmiany cen tych produktów. Aby to zbadać obliczamy agregatowe indeksy cen, w których przyjmuje się, iż ilości produktów są na stałym poziomie. Agregatowy indeks cen o formule Laspeyresa, w którym ilości produktów ustalone są na poziomie bazowym (q 0 ) I p/q0 = p it q i0. p i0 q i0

14 Agregatowe indeksy cen (2) Agregatowy indeks cen o formule Paaschego, w którym ilości produktów ustalone są na poziomie badanym (q t ) I p/qt = p it q it. p i0 q it

15 Agregatowe indeksy ilości Zmiana wartości sprzedaży agregatu produktów może również wynikać ze zmiany ilości sprzedaży tych produktów. Obliczamy wtedy agregatowe indeksy ilości, w których przyjmuje się, iż ceny produktów są na stałym poziomie. Agregatowy indeks ilości o formule Laspeyresa, w którym ceny produktów ustalone są na poziomie bazowym (p 0 ) I q/p0 = p i0 q it. p i0 q i0

16 Agregatowe indeksy ilości (2) Agregatowy indeks ilości o formule Paaschego, w którym ceny produktów ustalone są na poziomie badanym (p t ) I q/pt = p it q it. p it q i0

17 Agregatowe indeksy Fishera Agregatowe indeksy Fishera to średnie geometryczne z indeksów (cen lub ilości) według formuł Laspeyresa i Paaschego. Agregatowy indeks cen Fishera Ip F = I p/q0 I p/qt. Agregatowy indeks ilości Fishera Iq F = I q/p0 I q/pt.

18 Zależności dla indeksów agregatowych Między agregatowymi indeksami cen, ilości i wartości zachodzą następujące związki: I w = I p/q0 I q/pt = I p/qt I q/p0 = I F p I F q. Relacje te wykorzystujemy do obliczania indeksów cen lub ilości metodą pośrednią, np.: I p/q0 = I w : I q/pt, I q/p0 = I w : I p/qt.

19 Agregatowe wskaźniki dynamiki dla wielkości stosunkowych Wielkość stosunkowa x to stosunek dwóch wielkości absolutnych x = a b. Przykładami wielkości stosunkowych są np.: przeciętna płaca, wydajność pracy, koszt jednostkowy, czy gęstość zaludnienia. Dla wielkości stosunkowych definiujemy: wszechstronny indeks agregatowy I x = X t X 0 = a it b it : a i0. b i0

20 Indeks wszechstronny Ponieważ, jeśli x = a b, to a = x b oraz b = a x, więc indeks wszechstronny I x można przedstawić za pomocą równoważnych formuł. Równoważne formuły dla indeksu wszechstronnego x it b it x i0 b i0 I x = b it : b i0 = a it a it x it : a i0 a i0 x i0 Interpretacja: indeks wszechstronny mówi nam o zmianach wielkości x w okresie t w stosunku do okresu 0..

21 Indeks agregatowy o stałej strukturze czynnika b Na zmiany wielkości x może wpływać zmiana struktury czynnika b. W analizie dynamiki x możemy ustalić b i w ten sposób zbadać faktyczne zmiany x z pominięciem b. Obliczamy wtedy agregatowe indeksy o stałej strukturze b. Agregatowy wskaźnik o stałej strukturze b o formule Laspeyresa ustalamy b na poziomie bazowym (b 0 ) I x/b0 = x it b i0 : b i0 x i0 b i0 b i0

22 Indeks agregatowy o stałej strukturze czynnika b (2) lub agregatowy wskaźnik o stałej strukturze b o formule Paaschego ustalamy b na poziomie badanym (b t ) I x/bt = x it b it : b it x i0 b it. b it

23 Indeks wpływu zmian w strukturze czynnika b Jeśli jednak chcemy poznać wpływ struktury czynnika b na dynamikę x, to możemy obliczyć agregatowy indeks wpływu zmian w strukturze czynnika b. Konstruujemy wtedy indeksy w których ustalamy wielkości stosunkowe x: indeks wpływu zmian w strukturze czynnika b o formule Laspeyresa, w którym ustalamy x na poziomie bazowym (x 0 ) bi x/x0 = x i0 b it : b it x i0 b i0 b i0

24 Indeks wpływu zmian w strukturze czynnika b (2) oraz indeks wpływu zmian w strukturze czynnika b o formule Paaschego, w którym ustalamy x na poziomie badanym (x t ) bi x/xt = x it b it : b it x it b i0 b i0

25 Zależności dla indeksów Między indeksem wszechstronnym, indeksem o stałej strukturze czynnika b oraz indeksem wpływu zmian w strukturze czynnika b istnieją następujące zależności: I x = I x/b0 b I x/xt oraz I x = I x/bt b I x/x0.

26 Indeks agregatowy o stałej strukturze czynnika a Analogicznie, na zmiany wielkości x może również wpływać zmiana struktury czynnika a. W analizie dynamiki x możemy ustalić a i w ten sposób zbadać faktyczne zmiany x z pominięciem a. Obliczamy wtedy agregatowe indeksy o stałej strukturze a. Agregatowy wskaźnik o stałej strukturze a o formule Laspeyresa ustalamy a na poziomie bazowym (a 0 ) I x/a0 = a i0 a i0 x it : a i0 a i0 x i0

27 Indeks agregatowy o stałej strukturze czynnika a (2) lub agregatowy wskaźnik o stałej strukturze a o formule Paaschego ustalamy a na poziomie badanym (a t ) I x/at = a it a it x it : a it a it x i0.

28 Indeks wpływu zmian w strukturze czynnika a Jeśli jednak chcemy poznać wpływ struktury czynnika a na dynamikę x, to możemy obliczyć agregatowy indeks wpływu zmian w strukturze czynnika a. Konstruujemy wtedy indeksy w których ustalamy wielkości stosunkowe x: indeks wpływu zmian w strukturze czynnika a o formule Laspeyresa, w którym ustalamy x na poziomie bazowym (x 0 ) ai x/x0 = a it : a it x i0 a i0 a i0 x i0

29 Indeks wpływu zmian w strukturze czynnika a (2) oraz indeks wpływu zmian w strukturze czynnika a o formule Paaschego, w którym ustalamy x na poziomie badanym (x t ) ai x/xt = a it a it x it : a i0. a i0 x it

30 Zależności dla indeksów Między indeksem wszechstronnym, indeksem o stałej strukturze czynnika a oraz indeksem wpływu zmian w strukturze czynnika a istnieją następujące zależności: I x = I x/a0 a I x/xt oraz I x = I x/at a I x/x0.

31 Przyczyny wpływające na rozwój zjawiska Zmiany wartości badanej cechy w czasie można przedstawić w postaci modelu uwzględniającego zarówno przyczyny działające w sposób trwały, jak również przypadkowy. W najbardziej ogólnym przypadku, na badane zjawisko oddziałują trzy grupy przyczyn: działające w sposób trwały i powodujące wystąpienie określonej tendencji rozwojowej (czyli trendu), powodujące zmiany powolne, systematyczne i ujawniające się w długich okresach czasu; działające okresowo ale regularnie, tzw. wahania sezonowe, często związane ze zjawiskami przyrodniczymi; działające przypadkowo i nieregularnie tzw. wahania przypadkowe.

32 Tendencja rozwojowa zjawiska Do najważniejszych badań szeregu czasowego (dynamicznego) zaliczamy szacowanie tendencji rozwojowej zjawiska, prowadzące do wyznaczenia funkcji trendu: y t = f (t) + z t, gdzie y t to zaobserwowany poziom zjawiska w okresie t, f (t) funkcja trendu, z t składnik resztowy.

33 Funkcja trendu Kształt funkcji trendu odzwierciedlającej działanie tzw. przyczyn głównych zależy od danych empirycznych. Może mieć ona postać: liniową: jak również nieliniową, np: f (t) = at + b, f (t) = at 2 + bt + c lub f (t) = a ln t + b.

34

35

36

37 Wyznaczanie trendu metodą najmniejszych kwadratów Wyznaczanie trendu metodą analityczną opiera się na tzw. metodzie najmniejszych kwadratów: N (y t f (t)) 2 min, t=1 w której szukamy takich parametrów funkcji f, które minimalizują sumę kwadratów różnic pomiędzy wartościami rzeczywistymi (y t ) badanego zjawiska a wartościami teoretycznymi (f (t)), obliczonymi na podstawie funkcji trendu.

38 Wyznaczanie parametrów trendu liniowego Jeśli funkcja trendu ma postać liniową: f (t) = at + b, to oszacowania jej parametrów obliczamy za pomocą wzorów (uzyskanych metodą najmniejszych kwadratów): a = cov(t, y t) S 2 (t) = N N N N y t t y t t t=1 t=1 t=1 ( N N ) 2, N t 2 t t=1 t=1 b = ȳ t a t.

39 Dopasowanie funkcji trendu Jakość dopasowania wyznaczonej funkcji trendu można zbadać za pomocą: odchylenia standardowego reszt N (y t f (t)) 2 t=1 s(z t ) =, N k gdzie k to liczba parametrów oszacowanego modelu; współczynnika zbieżności ϕ 2 = N (y t f (t)) 2 t=1 ; N (y t ȳ t ) 2 t=1

40 Dopasowanie funkcji trendu (2) współczynnika determinacji Uwaga. R 2 [0, 1], N (y t f (t)) 2 R 2 t=1 = 1 = 1 ϕ N 2. (y t ȳ t ) 2 t=1 im większe R 2 tym lepsze dopasowanie funkcji trendu do danych.

41 Prognoza i błąd standardowy prognozy Prognoza Znając parametry funkcji trendu możemy obliczać prognozowaną wartość badanego zjawiska dla przyszłych okresów (momentów) T : ŷ T = f (T ). Należy jednak pamiętać, że na badane zjawisko wpływają też inne przyczyny, więc otrzymana wielkość ŷ T jest obarczona pewnym błędem. Standardowy błąd prognozy s(z t ) N + (T t) 2. N (t t) 2 t=1

Analiza szeregów czasowych

Analiza szeregów czasowych Statystyka Wykład 5. Analiza szeregów czasowych michal.trzesiok@ue.katowice.pl Uniwersytet Ekonomiczny w Katowicach Katedra Analiz Gospodarczych i Finansowych 9 listopada 2015 r. Plan Szeregi czasowe wprowadzenie

Bardziej szczegółowo

Na poprzednim wykładzie omówiliśmy podstawowe zagadnienia. związane z badaniem dynami zjawisk. Dzisiaj dokładniej zagłębimy

Na poprzednim wykładzie omówiliśmy podstawowe zagadnienia. związane z badaniem dynami zjawisk. Dzisiaj dokładniej zagłębimy Analiza dynami zjawisk Na poprzednim wykładzie omówiliśmy podstawowe zagadnienia związane z badaniem dynami zjawisk. Dzisiaj dokładniej zagłębimy się w tej tematyce. Indywidualne indeksy dynamiki Indywidualne

Bardziej szczegółowo

Analiza współzależności zjawisk

Analiza współzależności zjawisk Analiza współzależności zjawisk Informacje ogólne Jednostki tworzące zbiorowość statystyczną charakteryzowane są zazwyczaj za pomocą wielu cech zmiennych, które nierzadko pozostają ze sobą w pewnym związku.

Bardziej szczegółowo

Analiza Zmian w czasie

Analiza Zmian w czasie Statystyka Opisowa z Demografią oraz Biostatystyka Analiza Zmian w czasie Aleksander Denisiuk denisjuk@euh-e.edu.pl Elblaska Uczelnia Humanistyczno-Ekonomiczna ul. Lotnicza 2 82-300 Elblag oraz Biostatystyka

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

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

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. Modele dynamiczne. Paweł Cibis 27 kwietnia 2006

Ekonometria. Modele dynamiczne. Paweł Cibis 27 kwietnia 2006 Modele dynamiczne Paweł Cibis pcibis@o2.pl 27 kwietnia 2006 1 Wyodrębnianie tendencji rozwojowej 2 Etap I Wyodrębnienie tendencji rozwojowej Etap II Uwolnienie wyrazów szeregu empirycznego od trendu Etap

Bardziej szczegółowo

Statystyka. Wykład 8. Magdalena Alama-Bućko. 10 kwietnia Magdalena Alama-Bućko Statystyka 10 kwietnia / 31

Statystyka. Wykład 8. Magdalena Alama-Bućko. 10 kwietnia Magdalena Alama-Bućko Statystyka 10 kwietnia / 31 Statystyka Wykład 8 Magdalena Alama-Bućko 10 kwietnia 2017 Magdalena Alama-Bućko Statystyka 10 kwietnia 2017 1 / 31 Tematyka zajęć: Wprowadzenie do statystyki. Analiza struktury zbiorowości miary położenia

Bardziej szczegółowo

Szczegółowy program kursu Statystyka z programem Excel (30 godzin lekcyjnych zajęć)

Szczegółowy program kursu Statystyka z programem Excel (30 godzin lekcyjnych zajęć) Szczegółowy program kursu Statystyka z programem Excel (30 godzin lekcyjnych zajęć) 1. Populacja generalna a losowa próba, parametr rozkładu cechy a jego ocena z losowej próby, miary opisu statystycznego

Bardziej szczegółowo

Statystyka. Wykład 9. Magdalena Alama-Bućko. 24 kwietnia Magdalena Alama-Bućko Statystyka 24 kwietnia / 34

Statystyka. Wykład 9. Magdalena Alama-Bućko. 24 kwietnia Magdalena Alama-Bućko Statystyka 24 kwietnia / 34 Statystyka Wykład 9 Magdalena Alama-Bućko 24 kwietnia 2017 Magdalena Alama-Bućko Statystyka 24 kwietnia 2017 1 / 34 Tematyka zajęć: Wprowadzenie do statystyki. Analiza struktury zbiorowości miary położenia

Bardziej szczegółowo

Estymacja parametrów modeli liniowych oraz ocena jakości dopasowania modeli do danych empirycznych

Estymacja parametrów modeli liniowych oraz ocena jakości dopasowania modeli do danych empirycznych Estymacja parametrów modeli liniowych oraz ocena jakości dopasowania modeli do danych empirycznych 3.1. Estymacja parametrów i ocena dopasowania modeli z jedną zmienną 23. Właściciel komisu w celu zbadania

Bardziej szczegółowo

Zawartość. Zawartość

Zawartość. Zawartość Opr. dr inż. Grzegorz Biesok. Wer. 2.20 2011 Zawartość Zawartość 1. Tworzenie szeregu rozdzielczego przedziałowego (klasowego)... 3 2. Podstawowy opis struktury... 3 3. Opis rozkładu jednej cechy szereg

Bardziej szczegółowo

WYŻSZA SZKOŁA MENEDŻERSKA W WARSZAWIE WYDZIAŁ ZARZĄDZANIA W CIECHANOWIE KARTA PRZEDMIOTU - SYLABUS

WYŻSZA SZKOŁA MENEDŻERSKA W WARSZAWIE WYDZIAŁ ZARZĄDZANIA W CIECHANOWIE KARTA PRZEDMIOTU - SYLABUS WYŻSZA SZKOŁA MENEDŻERSKA W WARSZAWIE WYDZIAŁ ZARZĄDZANIA W CIECHANOWIE KARTA PRZEDMIOTU - SYLABUS Nazwa przedmiotu: Statystyka opisowa Profil 1 : ogólnoakademicki Cel przedmiotu: Zapoznanie studentów

Bardziej szczegółowo

STATYSTYKA. Na egzamin należy przynieść:

STATYSTYKA. Na egzamin należy przynieść: [1] STATYSTYKA Na egzamin należy przynieść: 1. kalkulator 2. wzory na kartce (bez komentarzy!!!) UWAGA!!! wzory muszą być napisane odręcznie (kserokopie będą zabierane) Na kolejnych stronach zamieszczono

Bardziej szczegółowo

WIELKA SGH-OWA POWTÓRKA ZE STATYSTYKI ANALIZA SZEREGÓW CZASOWYCH I INDEKSY STATYSTYCZNE

WIELKA SGH-OWA POWTÓRKA ZE STATYSTYKI ANALIZA SZEREGÓW CZASOWYCH I INDEKSY STATYSTYCZNE WIELKA SGH-OWA POWTÓRKA ZE STATYSTYKI ANALIZA SZEREGÓW CZASOWYCH I INDEKSY STATYSTYCZNE INDEKSY STATYSTYCZNE Absolutny przyrost t = y t y t 1 Względny przyrost δ t = t y t Indeks indywidualny jednopodstawowy

Bardziej szczegółowo

Dopasowywanie modelu do danych

Dopasowywanie modelu do danych Tematyka wykładu dopasowanie modelu trendu do danych; wybrane rodzaje modeli trendu i ich właściwości; dopasowanie modeli do danych za pomocą narzędzi wykresów liniowych (wykresów rozrzutu) programu STATISTICA;

Bardziej szczegółowo

O LICZBIE ABONENTÓW TELEFONII KOMÓRKOWEJ W POLSCE ZDANIEM TRZECH STATYSTYKÓW

O LICZBIE ABONENTÓW TELEFONII KOMÓRKOWEJ W POLSCE ZDANIEM TRZECH STATYSTYKÓW Rafał Czyżycki, Marcin Hundert, Rafał Klóska Wydział Zarządzania i Ekonomiki Usług Uniwersytet Szczeciński O LICZBIE ABONENTÓW TELEFONII KOMÓRKOWEJ W POLSCE ZDANIEM TRZECH STATYSTYKÓW Wprowadzenie Poruszana

Bardziej szczegółowo

Rok akademicki: 2013/2014 Kod: ZIE n Punkty ECTS: 6. Poziom studiów: Studia I stopnia Forma i tryb studiów: -

Rok akademicki: 2013/2014 Kod: ZIE n Punkty ECTS: 6. Poziom studiów: Studia I stopnia Forma i tryb studiów: - Nazwa modułu: Statystyka opisowa i ekonomiczna Rok akademicki: 2013/2014 Kod: ZIE-1-205-n Punkty ECTS: 6 Wydział: Zarządzania Kierunek: Informatyka i Ekonometria Specjalność: - Poziom studiów: Studia I

Bardziej szczegółowo

Ekonometria. Dobór postaci analitycznej, transformacja liniowa i estymacja modelu KMNK. Paweł Cibis 9 marca 2007

Ekonometria. Dobór postaci analitycznej, transformacja liniowa i estymacja modelu KMNK. Paweł Cibis 9 marca 2007 , transformacja liniowa i estymacja modelu KMNK Paweł Cibis pawel@cibis.pl 9 marca 2007 1 Miary dopasowania modelu do danych empirycznych Współczynnik determinacji Współczynnik zbieżności Skorygowany R

Bardziej szczegółowo

Analiza Współzależności

Analiza Współzależności Statystyka Opisowa z Demografią oraz Biostatystyka Analiza Współzależności Aleksander Denisiuk denisjuk@euh-e.edu.pl Elblaska Uczelnia Humanistyczno-Ekonomiczna ul. Lotnicza 2 82-300 Elblag oraz Biostatystyka

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

OTWARTE FUNDUSZE EMERYTALNE W POLSCE Struktura funduszy emerytalnych pod względem liczby członków oraz wielkości aktywów

OTWARTE FUNDUSZE EMERYTALNE W POLSCE Struktura funduszy emerytalnych pod względem liczby członków oraz wielkości aktywów OTWARTE FUNDUSZE EMERYTALNE W POLSCE Struktura funduszy emerytalnych pod względem liczby członków oraz wielkości aktywów Tomasz Gruszczyk Informatyka i Ekonometria I rok, nr indeksu: 156012 Sopot, styczeń

Bardziej szczegółowo

Mieczysław Kowerski. Program Polska-Białoruś-Ukraina narzędziem konwergencji gospodarczej województwa lubelskiego

Mieczysław Kowerski. Program Polska-Białoruś-Ukraina narzędziem konwergencji gospodarczej województwa lubelskiego Mieczysław Kowerski Wyższa Szkoła Zarządzania i Administracji w Zamościu Program Polska-Białoruś-Ukraina narzędziem konwergencji gospodarczej województwa lubelskiego The Cross-border Cooperation Programme

Bardziej szczegółowo

JEDNORÓWNANIOWY LINIOWY MODEL EKONOMETRYCZNY

JEDNORÓWNANIOWY LINIOWY MODEL EKONOMETRYCZNY JEDNORÓWNANIOWY LINIOWY MODEL EKONOMETRYCZNY Będziemy zapisywać wektory w postaci (,, ) albo traktując go jak macierz jednokolumnową (dzięki temu nie będzie kontrowersji przy transponowaniu wektora ) Model

Bardziej szczegółowo

Imię, nazwisko i tytuł/stopień KOORDYNATORA (-ÓW) kursu/przedmiotu zatwierdzającego protokoły w systemie USOS Jacek Marcinkiewicz, mgr

Imię, nazwisko i tytuł/stopień KOORDYNATORA (-ÓW) kursu/przedmiotu zatwierdzającego protokoły w systemie USOS Jacek Marcinkiewicz, mgr SYLLABUS na rok akademicki 010/011 Tryb studiów Studia stacjonarne Kierunek studiów Ekonomia Poziom studiów Pierwszego stopnia Rok studiów/ semestr /4 Specjalność Bez specjalności Kod katedry/zakładu w

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

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

SZEREG CZASOWY Y zjawisko badane w różnych okresach lub momentach czasu. Dynamika zjawiska to zmiana zjawiska w czasie. Przykład. Y średni kurs akcji

SZEREG CZASOWY Y zjawisko badane w różnych okresach lub momentach czasu. Dynamika zjawiska to zmiana zjawiska w czasie. Przykład. Y średni kurs akcji SZEREG CZASOWY Y zjawisko badane w różnch okresach lub momentach czasu. Dnamika zjawiska to zmiana zjawiska w czasie. Przkład. Y średni kurs akcji firm OPTMUS na giełdzie Okres: notowania od 1.03.2010

Bardziej szczegółowo

Rachunki narodowe ćwiczenia, 2015

Rachunki narodowe ćwiczenia, 2015 Obliczanie (zmian) wolumenów (na przykładzie PKB). Przykład opracowany na podstawie Understanding, ćwiczenie 3, str. 40. PKB, podobnie jak wiele innych wielkości makroekonomicznych, może być przedstawiany

Bardziej szczegółowo

Wykład 5: Analiza dynamiki szeregów czasowych

Wykład 5: Analiza dynamiki szeregów czasowych Wykład 5: Analiza dynamiki szeregów czasowych ... poczynając od XIV wieku zegar czynił nas najpierw stróżów czasu, następnie ciułaczy czasu, i wreszcie obecnie - niewolników czasu. W trakcie tego procesu

Bardziej szczegółowo

Ekonometria. Dobór postaci analitycznej, transformacja liniowa i estymacja modelu KMNK. Paweł Cibis 23 marca 2006

Ekonometria. Dobór postaci analitycznej, transformacja liniowa i estymacja modelu KMNK. Paweł Cibis 23 marca 2006 , transformacja liniowa i estymacja modelu KMNK Paweł Cibis pcibis@o2.pl 23 marca 2006 1 Miary dopasowania modelu do danych empirycznych Współczynnik determinacji Współczynnik zbieżności 2 3 Etapy transformacji

Bardziej szczegółowo

Wprowadzenie do teorii prognozowania

Wprowadzenie do teorii prognozowania Wprowadzenie do teorii prognozowania I Pojęcia: 1. Prognoza i zmienna prognozowana (przedmiot prognozy). Prognoza punktowa i przedziałowa. 2. Okres prognozy i horyzont prognozy. Prognozy krótkoterminowe

Bardziej szczegółowo

Egzamin ze statystyki, Studia Licencjackie Stacjonarne. TEMAT C grupa 1 Czerwiec 2007

Egzamin ze statystyki, Studia Licencjackie Stacjonarne. TEMAT C grupa 1 Czerwiec 2007 Egzamin ze statystyki, Studia Licencjackie Stacjonarne TEMAT C grupa 1 Czerwiec 2007 (imię, nazwisko, nr albumu).. Przy rozwiązywaniu zadań, jeśli to konieczne, naleŝy przyjąć poziom istotności 0,01 i

Bardziej szczegółowo

Statystyka opisowa SYLABUS A. Informacje ogólne

Statystyka opisowa SYLABUS A. Informacje ogólne Statystyka opisowa SYLABUS A. Informacje ogólne Elementy składowe sylabusu Nazwa jednostki prowadzącej kierunek Nazwa kierunku studiów Poziom kształcenia Profil studiów Forma studiów Kod Język Rodzaj Rok

Bardziej szczegółowo

Indeksy dynamiki (o stałej i zmiennej podstawie)

Indeksy dynamiki (o stałej i zmiennej podstawie) Indeksy dynamiki (o stałej i zmiennej podstawie) Proste indeksy dynamiki określają tempo zmian pojedynczego szeregu czasowego. Wyodrębnia się dwa podstawowe typy indeksów: indeksy o stałej podstawie; indeksy

Bardziej szczegółowo

Ćwiczenia 13 WAHANIA SEZONOWE

Ćwiczenia 13 WAHANIA SEZONOWE Ćwiczenia 3 WAHANIA SEZONOWE Wyrównanie szeregu czasowego (wyodrębnienie czystego trendu) mechanicznie Zadanie. Badano spożycie owoców i przetworów (yt) (w kg) w latach według kwartałów: kwartał lata 009

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

Wykład 6. Badanie dynamiki zjawisk

Wykład 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 szczegółowo

Regresja i Korelacja

Regresja i Korelacja Regresja i Korelacja Regresja i Korelacja W przyrodzie często obserwujemy związek między kilkoma cechami, np.: drzewa grubsze są z reguły wyższe, drewno iglaste o węższych słojach ma większą gęstość, impregnowane

Bardziej szczegółowo

Ekonometryczna analiza popytu na wodę

Ekonometryczna analiza popytu na wodę Jacek Batóg Uniwersytet Szczeciński Ekonometryczna analiza popytu na wodę Jednym z czynników niezbędnych dla funkcjonowania gospodarstw domowych oraz realizacji wielu procesów technologicznych jest woda.

Bardziej szczegółowo

Statystyka w pracy badawczej nauczyciela Wykład 3: Analiza struktury zbiorowości statystycznej. dr inż. Walery Susłow walery.suslow@ie.tu.koszalin.

Statystyka w pracy badawczej nauczyciela Wykład 3: Analiza struktury zbiorowości statystycznej. dr inż. Walery Susłow walery.suslow@ie.tu.koszalin. Statystyka w pracy badawczej nauczyciela Wykład 3: Analiza struktury zbiorowości statystycznej dr inż. Walery Susłow walery.suslow@ie.tu.koszalin.pl Zadania analityczne (1) Analiza przewiduje badanie podobieństw

Bardziej szczegółowo

Ćwiczenia IV

Ćwiczenia IV Ćwiczenia IV - 17.10.2007 1. Spośród podanych macierzy X wskaż te, których nie można wykorzystać do estymacji MNK parametrów modelu ekonometrycznego postaci y = β 0 + β 1 x 1 + β 2 x 2 + ε 2. Na podstawie

Bardziej szczegółowo

Krakowska Akademia im. Andrzeja Frycza Modrzewskiego. Karta przedmiotu. obowiązuje studentów, którzy rozpoczęli studia w roku akademickim 2015/2016

Krakowska Akademia im. Andrzeja Frycza Modrzewskiego. Karta przedmiotu. obowiązuje studentów, którzy rozpoczęli studia w roku akademickim 2015/2016 Krakowska Akademia im. Andrzeja Frycza Modrzewskiego Karta przedmiotu obowiązuje studentów, którzy rozpoczęli studia w roku akademickim 015/016 WydziałZarządzania i Komunikacji Społecznej Kierunek studiów:

Bardziej szczegółowo

Wykład 6: Analiza danych czasowych Wykresy, indeksy dynamiki

Wykład 6: Analiza danych czasowych Wykresy, indeksy dynamiki Wykład 6: Analiza danych czasowych Wykresy, indeksy dynamiki ... poczynając od XIV wieku zegar czynił nas najpierw stróżów czasu, następnie ciułaczy czasu, i wreszcie obecnie - niewolników czasu. W trakcie

Bardziej szczegółowo

Barometr Finansów Banków (BaFiB) propozycja badania koniunktury w sektorze bankowym

Barometr Finansów Banków (BaFiB) propozycja badania koniunktury w sektorze bankowym Jacek Batóg Uniwersytet Szczeciński Barometr Finansów Banków (BaFiB) propozycja badania koniunktury w sektorze bankowym Jednym z ważniejszych elementów każdej gospodarki jest system bankowy. Znaczenie

Bardziej szczegółowo

Agata Boratyńska. WYKŁAD 1. Wstępna analiza danych, charakterystyki opisowe. Indeksy statystyczne.

Agata Boratyńska. WYKŁAD 1. Wstępna analiza danych, charakterystyki opisowe. Indeksy statystyczne. 1 Agata Boratyńska WYKŁAD 1. Wstępna analiza danych, charakterystyki opisowe. Indeksy statystyczne. Agata Boratyńska Wykłady ze statystyki 2 Literatura J. Koronacki i J. Mielniczuk Statystyka WNT 2004

Bardziej szczegółowo

Wykład 6. Badanie dynamiki zjawisk

Wykład 6. Badanie dynamiki zjawisk Wykład 6 Badanie dynamiki zjawisk TREND WYODRĘBNIANIE SKŁADNIKÓW SZEREGU CZASOWEGO 1. FUNKCJA TRENDU METODA ANALITYCZNA 2. ŚREDNIE RUCHOME METODA WYRÓWNYWANIA MECHANICZNEGO średnie ruchome zwykłe średnie

Bardziej szczegółowo

Prognozowanie i Symulacje. Wykład I. Matematyczne metody prognozowania

Prognozowanie i Symulacje. Wykład I. Matematyczne metody prognozowania Prognozowanie i Symulacje. Wykład I. e-mail:e.kozlovski@pollub.pl Spis treści Szeregi czasowe 1 Szeregi czasowe 2 3 Szeregi czasowe Definicja 1 Szereg czasowy jest to proces stochastyczny z czasem dyskretnym

Bardziej szczegółowo

Zagadnienie 1: Prognozowanie za pomocą modeli liniowych i kwadratowych przy wykorzystaniu Analizy regresji wielorakiej w programie STATISTICA

Zagadnienie 1: Prognozowanie za pomocą modeli liniowych i kwadratowych przy wykorzystaniu Analizy regresji wielorakiej w programie STATISTICA Zagadnienie 1: Prognozowanie za pomocą modeli liniowych i kwadratowych przy wykorzystaniu Analizy regresji wielorakiej w programie STATISTICA Zadanie 1 (Plik danych: Transport w Polsce (1990-2015)) Na

Bardziej szczegółowo

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

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

Bardziej szczegółowo

Ćwiczenia, Makrokonomia II, 4/11 października 2017

Ćwiczenia, Makrokonomia II, 4/11 października 2017 Ćwiczenia, Makrokonomia II, 4/11 października 2017 1. W gospodarce zamkniętej Francia produkowane i konsumowane są trzy produkty: Camembert, bagietki i czerwone wino. W poniższej tabeli przedstawiono ceny

Bardziej szczegółowo

ZESZYTY NAUKOWE UNIWERSYTETU SZCZECIŃSKIEGO STATYSTYCZNA ANALIZA ZMIAN LICZBY HOTELI W POLSCE W LATACH 1995-2004

ZESZYTY NAUKOWE UNIWERSYTETU SZCZECIŃSKIEGO STATYSTYCZNA ANALIZA ZMIAN LICZBY HOTELI W POLSCE W LATACH 1995-2004 ZESZYTY NAUKOWE UNIWERSYTETU SZCZECIŃSKIEGO NR 429 EKONOMICZNE PROBLEMY TURYSTYKI NR 7 2006 RAFAŁ CZYŻYCKI, MARCIN HUNDERT, RAFAŁ KLÓSKA STATYSTYCZNA ANALIZA ZMIAN LICZBY HOTELI W POLSCE W LATACH 1995-2004

Bardziej szczegółowo

ANALIZA PORÓWNAWCZA KONIUNKTURY WOJEWÓDZTW POLSKI W LATACH

ANALIZA PORÓWNAWCZA KONIUNKTURY WOJEWÓDZTW POLSKI W LATACH Studia Ekonomiczne. Zeszyty Naukowe Uniwersytetu Ekonomicznego w Katowicach ISSN 2083-8611 Nr 318 2017 Uniwersytet Ekonomiczny w Katowicach Wydział Zarządzania Katedra Ekonometrii jozef.biolik@ue.katowice.pl

Bardziej szczegółowo

Kolokwium ze statystyki matematycznej

Kolokwium ze statystyki matematycznej Kolokwium ze statystyki matematycznej 28.05.2011 Zadanie 1 Niech X będzie zmienną losową z rozkładu o gęstości dla, gdzie 0 jest nieznanym parametrem. Na podstawie pojedynczej obserwacji weryfikujemy hipotezę

Bardziej szczegółowo

Nabycie umiejętności wyznaczania i interpretowania metod opisu struktury zbiorowości statystycznej

Nabycie umiejętności wyznaczania i interpretowania metod opisu struktury zbiorowości statystycznej Kod przedmiotu: PLPILA02-IEEKO-L-3p7-2012 Pozycja planu: B7 INFORMACJE O PRZEDMIOCIE A. Podstawowe dane 1 Nazwa przedmiotu tatystyka opisowa 2 Rodzaj przedmiotu Podstawowy/Obowiązkowy 2 Kierunek studiów

Bardziej szczegółowo

3. Wojewódzkie zróżnicowanie zatrudnienia w ochronie zdrowia w latach Opis danych statystycznych

3. Wojewódzkie zróżnicowanie zatrudnienia w ochronie zdrowia w latach Opis danych statystycznych 3. Wojewódzkie zróżnicowanie zatrudnienia w ochronie zdrowia w latach 1995-2005 3.1. Opis danych statystycznych Badanie zmian w potencjale opieki zdrowotnej można przeprowadzić w oparciu o dane dotyczące

Bardziej szczegółowo

Projekcja wyników ekonomicznych produkcji mleka na 2020 rok. Seminarium, IERiGŻ-PIB, r. mgr Konrad Jabłoński

Projekcja wyników ekonomicznych produkcji mleka na 2020 rok. Seminarium, IERiGŻ-PIB, r. mgr Konrad Jabłoński Projekcja wyników ekonomicznych produkcji mleka na 2020 rok Seminarium, IERiGŻ-PIB, 02.09.2016 r. mgr Konrad Jabłoński Plan prezentacji 1. Cel badań 2. Metodyka badań 3. Projekcja wyników ekonomicznych

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

LABORATORIUM Z FIZYKI

LABORATORIUM Z FIZYKI LABORATORIUM Z FIZYKI LABORATORIUM Z FIZYKI I PRACOWNIA FIZYCZNA C w Gliwicach Gliwice, ul. Konarskiego 22, pokoje 52-54 Regulamin pracowni i organizacja zajęć Sprawozdanie (strona tytułowa, karta pomiarowa)

Bardziej szczegółowo

WIELKA SGH-OWA POWTÓRKA ZE STATYSTYKI REGRESJA LINIOWA

WIELKA SGH-OWA POWTÓRKA ZE STATYSTYKI REGRESJA LINIOWA WIELKA SGH-OWA POWTÓRKA ZE STATYSTYKI REGRESJA LINIOWA Powtórka Powtórki Kowiariancja cov xy lub c xy - kierunek zależności Współczynnik korelacji liniowej Pearsona r siła liniowej zależności Istotność

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 na podstawie modelu ekonometrycznego

Prognozowanie na podstawie modelu ekonometrycznego Prognozowanie na podstawie modelu ekonometrycznego Przykład. Firma usługowa świadcząca usługi doradcze w ostatnich kwartałach (t) odnotowała wynik finansowy (yt - tys. zł), obsługując liczbę klientów (x1t)

Bardziej szczegółowo

Analiza porównawcza koniunktury gospodarczej w województwie zachodniopomorskim i w Polsce w ujęciu sektorowym

Analiza porównawcza koniunktury gospodarczej w województwie zachodniopomorskim i w Polsce w ujęciu sektorowym Jacek Batóg Uniwersytet Szczeciński Analiza porównawcza koniunktury gospodarczej w województwie zachodniopomorskim i w Polsce w ujęciu sektorowym Warunki działania przedsiębiorstw oraz uzyskiwane przez

Bardziej szczegółowo

STATYSTYKA. Rafał Kucharski. Uniwersytet Ekonomiczny w Katowicach 2015/16 ROND, Finanse i Rachunkowość, rok 2

STATYSTYKA. Rafał Kucharski. Uniwersytet Ekonomiczny w Katowicach 2015/16 ROND, Finanse i Rachunkowość, rok 2 STATYSTYKA Rafał Kucharski Uniwersytet Ekonomiczny w Katowicach 2015/16 ROND, Finanse i Rachunkowość, rok 2 Zależność przyczynowo-skutkowa, symptomatyczna, pozorna (iluzoryczna), funkcyjna stochastyczna

Bardziej szczegółowo

W kolejnym kroku należy ustalić liczbę przedziałów k. W tym celu należy wykorzystać jeden ze wzorów:

W kolejnym kroku należy ustalić liczbę przedziałów k. W tym celu należy wykorzystać jeden ze wzorów: Na dzisiejszym wykładzie omówimy najważniejsze charakterystyki liczbowe występujące w statystyce opisowej. Poszczególne wzory będziemy podawać w miarę potrzeby w trzech postaciach: dla szeregu szczegółowego,

Bardziej szczegółowo

Prognozowanie popytu. mgr inż. Michał Adamczak

Prognozowanie popytu. mgr inż. Michał Adamczak Prognozowanie popytu mgr inż. Michał Adamczak Plan prezentacji 1. Definicja prognozy 2. Klasyfikacja prognoz 3. Szereg czasowy 4. Metody prognozowania 4.1. Model naiwny 4.2. Modele średniej arytmetycznej

Bardziej szczegółowo

Wielkość dziennego obrotu w tys. zł. (y) Liczba ekspedientek (x) 6 2 4 5,5 6,6

Wielkość dziennego obrotu w tys. zł. (y) Liczba ekspedientek (x) 6 2 4 5,5 6,6 Zad. 1. Zbadano wydajność odmiany pomidorów na 100 poletkach doświadczalnych. W wyniku przeliczeń otrzymano przeciętną wydajność na w tonach na hektar x=30 i s 2 x =7. Przyjmując, że rozkład plonów pomidora

Bardziej szczegółowo

A.Światkowski. Wroclaw University of Economics. Working paper

A.Światkowski. Wroclaw University of Economics. Working paper A.Światkowski Wroclaw University of Economics Working paper 1 Planowanie sprzedaży na przykładzie przedsiębiorstwa z branży deweloperskiej Cel pracy: Zaplanowanie sprzedaży spółki na rok 2012 Słowa kluczowe:

Bardziej szczegółowo

EKONOMETRIA. Prof. dr hab. Eugeniusz Gatnar.

EKONOMETRIA. Prof. dr hab. Eugeniusz Gatnar. EKONOMETRIA Prof. dr hab. Eugeniusz Gatnar egatnar@mail.wz.uw.edu.pl Sprawy organizacyjne Wykłady - prezentacja zagadnień dotyczących: budowy i weryfikacji modelu ekonometrycznego, doboru zmiennych, estymacji

Bardziej szczegółowo

Inteligentna analiza danych

Inteligentna analiza danych Numer indeksu 150946 Michał Moroz Imię i nazwisko Numer indeksu 150875 Grzegorz Graczyk Imię i nazwisko kierunek: Informatyka rok akademicki: 2010/2011 Inteligentna analiza danych Ćwiczenie I Wskaźniki

Bardziej szczegółowo

Wyznacz łączne zmiany wartości, ilości i cen sprzedaży w październiku i listopadzie oraz zinterpretuj otrzymane wyniki.

Wyznacz łączne zmiany wartości, ilości i cen sprzedaży w październiku i listopadzie oraz zinterpretuj otrzymane wyniki. ZAD.1. Dane dotyczące zależności pomiędzy wielkością plonów w q/ha (y), a zużyciem określonego nawozu w kg/ha dla 7 niezależnych upraw przedstawia tabela: y X 17 11 19 15 19 20 20 25 20 24 22 39 23 41

Bardziej szczegółowo

Po co w ogóle prognozujemy?

Po co w ogóle prognozujemy? Po co w ogóle prognozujemy? Pojęcie prognozy: racjonalne, naukowe przewidywanie przyszłych zdarzeń stwierdzenie odnoszącym się do określonej przyszłości formułowanym z wykorzystaniem metod naukowym, weryfikowalnym

Bardziej szczegółowo

Metoda najmniejszych kwadratów

Metoda najmniejszych kwadratów Model ekonometryczny Wykształcenie a zarobki Hipoteza badawcza: Istnieje zależność między poziomem wykształcenia a wysokością zarobków Wykształcenie a zarobki Hipoteza badawcza: Istnieje zależność między

Bardziej szczegółowo

Analiza autokorelacji

Analiza autokorelacji Analiza autokorelacji Oblicza się wartości współczynników korelacji między y t oraz y t-i (dla i=1,2,...,k), czyli współczynniki autokorelacji różnych rzędów. Bada się statystyczną istotność tych współczynników.

Bardziej szczegółowo

Statystyka. Opisowa analiza zjawisk masowych

Statystyka. Opisowa analiza zjawisk masowych Statystyka Opisowa analiza zjawisk masowych Typy rozkładów empirycznych jednej zmiennej Rozkładem empirycznym zmiennej nazywamy przyporządkowanie kolejnym wartościom zmiennej (x i ) odpowiadających im

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

Co to jest analiza regresji?

Co to jest analiza regresji? Co to jest analiza regresji? Celem analizy regresji jest badanie związków pomiędzy wieloma zmiennymi niezależnymi (objaśniającymi) a zmienną zależną (objaśnianą), która musi mieć charakter liczbowy. W

Bardziej szczegółowo

System prognozowania rynków energii

System prognozowania rynków energii System prognozowania rynków energii STERMEDIA Sp. z o. o. Software Development Grupa IT Kontrakt ul. Ostrowskiego13 Wrocław Poland tel.: 0 71 723 43 22 fax: 0 71 733 64 66 http://www.stermedia.eu Piotr

Bardziej szczegółowo

Projekt zaliczeniowy z Ekonometrii i prognozowania Wyższa Szkoła Bankowa w Toruniu 2014/2015

Projekt zaliczeniowy z Ekonometrii i prognozowania Wyższa Szkoła Bankowa w Toruniu 2014/2015 Projekt zaliczeniowy z Ekonometrii i prognozowania Wyższa Szkoła Bankowa w Toruniu 2014/2015 Nr indeksu... Imię i Nazwisko... Nr grupy ćwiczeniowej... Imię i Nazwisko prowadzącego... 1. Specyfikacja modelu

Bardziej szczegółowo

Współczynnik korelacji. Współczynnik korelacji jest miernikiem zależności między dwiema cechami Oznaczenie: ϱ

Współczynnik korelacji. Współczynnik korelacji jest miernikiem zależności między dwiema cechami Oznaczenie: ϱ Współczynnik korelacji Współczynnik korelacji jest miernikiem zależności między dwiema cechami Oznaczenie: ϱ Własności współczynnika korelacji 1. Współczynnik korelacji jest liczbą niemianowaną 2. ϱ 1,

Bardziej szczegółowo

PAŃSTWOWA WYŻSZA SZKOŁA ZAWODOWA W NOWYM SĄCZU SYLABUS PRZEDMIOTU. Obowiązuje od roku akademickiego: 2010/2011

PAŃSTWOWA WYŻSZA SZKOŁA ZAWODOWA W NOWYM SĄCZU SYLABUS PRZEDMIOTU. Obowiązuje od roku akademickiego: 2010/2011 PAŃSTWOWA WYŻSZA SZKOŁA ZAWODOWA W NOWYM SĄCZU SYLABUS Obowiązuje od roku akademickiego: 2010/2011 Instytut Ekonomiczny Kierunek studiów: Ekonomia Kod kierunku: 04.9 Specjalność: Turystyka 1. PRZEDMIOT

Bardziej szczegółowo

ANALIZA SPRZEDAŻY: - struktura

ANALIZA SPRZEDAŻY: - struktura KOŁO NAUKOWE CONTROLLINGU UNIWERSYTET ZIELONOGÓRSKI ANALIZA SPRZEDAŻY: - struktura - koncentracja - kompleksowa analiza - dynamika Spis treści Wstęp 3 Analiza struktury 4 Analiza koncentracji 7 Kompleksowa

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

ROC Rate of Charge. gdzie ROC wskaźnik szybkości zmiany w okresie n, x n - cena akcji na n-tej sesji,

ROC Rate of Charge. gdzie ROC wskaźnik szybkości zmiany w okresie n, x n - cena akcji na n-tej sesji, ROC Rate of Charge Analityk techniczny, który w swej analizie opierałby się wyłącznie na wykresach uzyskiwałby obraz możliwości inwestycyjnych obarczony sporym ryzykiem. Wnioskowanie z wykresów bazuje

Bardziej szczegółowo

Rachunek Kosztów (W2) Zespół Katedry Rachunkowości Menedżerskiej SGH 1. Rachunek kosztów normalnych, Rachunek kosztów standardowych.

Rachunek Kosztów (W2) Zespół Katedry Rachunkowości Menedżerskiej SGH 1. Rachunek kosztów normalnych, Rachunek kosztów standardowych. Plan zajęć Rachunek kosztów Rachunek kosztów normalnych, Rachunek kosztów standardowych Marcin Pielaszek 1. Wpływ zmian w poziomie kosztów oraz wielkości produkcji na zniekształcanie informacji o kosztach

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

Analiza dynamiki. Sesja Cena akcji 1 42,9 2 41, ,5 5 41, , ,5

Analiza dynamiki. Sesja Cena akcji 1 42,9 2 41, ,5 5 41, , ,5 Analiza dynamiki Zadanie 1 Dynamikę produkcji samochodów osobowych przez pewną fabrykę w latach 2007-2013 opisuje następujący ciąg indeksów łańcuchowych: 1,1; 1,2; 1,3; 1,4; 0,8; 0,9. a) Jak zmieniała

Bardziej szczegółowo

Wiadomości ogólne o ekonometrii

Wiadomości ogólne o ekonometrii Wiadomości ogólne o ekonometrii Materiały zostały przygotowane w oparciu o podręcznik Ekonometria Wybrane Zagadnienia, którego autorami są: Bolesław Borkowski, Hanna Dudek oraz Wiesław Szczęsny. Ekonometria

Bardziej szczegółowo

Metody ilościowe w analizie struktury podmiotowej sektora usług w Polsce

Metody ilościowe w analizie struktury podmiotowej sektora usług w Polsce Rafał Klóska* Metody ilościowe w analizie struktury podmiotowej sektora usług w Polsce Wstęp Tematem rozważań wielu ekonomistów i polityków jest często rozwój przedsiębiorczości w Polsce a rosnące zainteresowanie

Bardziej szczegółowo

PROGNOZOWANIE I SYMULACJE EXCEL 1 AUTOR: MARTYNA MALAK PROGNOZOWANIE I SYMULACJE EXCEL 1 AUTOR: MARTYNA MALAK

PROGNOZOWANIE I SYMULACJE EXCEL 1 AUTOR: MARTYNA MALAK PROGNOZOWANIE I SYMULACJE EXCEL 1 AUTOR: MARTYNA MALAK 1 PROGNOZOWANIE I SYMULACJE 2 http://www.outcome-seo.pl/excel1.xls DODATEK SOLVER WERSJE EXCELA 5.0, 95, 97, 2000, 2002/XP i 2003. 3 Dodatek Solver jest dostępny w menu Narzędzia. Jeżeli Solver nie jest

Bardziej szczegółowo

Ocena działalności przedsiębiorstwa z zastosowaniem wybranych metod ilościowych

Ocena działalności przedsiębiorstwa z zastosowaniem wybranych metod ilościowych Grażyna Karmowska Zakład Analizy Systemowej Akademia Rolnicza w Szczecinie Ocena działalności przedsiębiorstwa z zastosowaniem wybranych metod ilościowych Wstęp Jednym z podstawowych sposobów oceny podejmowanych

Bardziej szczegółowo

Teoria błędów. Wszystkie wartości wielkości fizycznych obarczone są pewnym błędem.

Teoria błędów. Wszystkie wartości wielkości fizycznych obarczone są pewnym błędem. Teoria błędów Wskutek niedoskonałości przyrządów, jak również niedoskonałości organów zmysłów wszystkie pomiary są dokonywane z określonym stopniem dokładności. Nie otrzymujemy prawidłowych wartości mierzonej

Bardziej szczegółowo

Ważne rozkłady i twierdzenia

Ważne rozkłady i twierdzenia Ważne rozkłady i twierdzenia Rozkład dwumianowy i wielomianowy Częstość. Prawo wielkich liczb Rozkład hipergeometryczny Rozkład Poissona Rozkład normalny i rozkład Gaussa Centralne twierdzenie graniczne

Bardziej szczegółowo

Regresja wieloraka Ogólny problem obliczeniowy: dopasowanie linii prostej do zbioru punktów. Najprostszy przypadek - jedna zmienna zależna i jedna

Regresja wieloraka Ogólny problem obliczeniowy: dopasowanie linii prostej do zbioru punktów. Najprostszy przypadek - jedna zmienna zależna i jedna Regresja wieloraka Regresja wieloraka Ogólny problem obliczeniowy: dopasowanie linii prostej do zbioru punktów. Najprostszy przypadek - jedna zmienna zależna i jedna zmienna niezależna (można zobrazować

Bardziej szczegółowo

Produkt krajowy brutto w województwie śląskim w 2010 r.

Produkt krajowy brutto w województwie śląskim w 2010 r. Urząd Statystyczny w Katowicach 40 158 Katowice, ul. Owocowa 3 e-mail: SekretariatUsKce@stat.gov.pl tel.: 32 7791 200 fax: 32 7791 300, 258 51 55 OPRACOWANIA SYGNALNE Produkt krajowy brutto w województwie

Bardziej szczegółowo

Etapy modelowania ekonometrycznego

Etapy modelowania ekonometrycznego Etapy modelowania ekonometrycznego jest podstawowym narzędziem badawczym, jakim posługuje się ekonometria. Stanowi on matematyczno-statystyczną formę zapisu prawidłowości statystycznej w zakresie rozkładu,

Bardziej szczegółowo

Zmienność wiatru w okresie wieloletnim

Zmienność wiatru w okresie wieloletnim Warsztaty: Prognozowanie produktywności farm wiatrowych PSEW, Warszawa 5.02.2015 Zmienność wiatru w okresie wieloletnim Dr Marcin Zientara DCAD / Stermedia Sp. z o.o. Zmienność wiatru w różnych skalach

Bardziej szczegółowo

STATYSTYKA OPISOWA. Dr Alina Gleska. 12 listopada Instytut Matematyki WE PP

STATYSTYKA OPISOWA. Dr Alina Gleska. 12 listopada Instytut Matematyki WE PP STATYSTYKA OPISOWA Dr Alina Gleska Instytut Matematyki WE PP 12 listopada 2017 1 Analiza współzależności dwóch cech 2 Jednostka zbiorowości - para (X,Y ). Przy badaniu korelacji nie ma znaczenia, która

Bardziej szczegółowo

FORECASTING THE DISTRIBUTION OF AMOUNT OF UNEMPLOYED BY THE REGIONS

FORECASTING THE DISTRIBUTION OF AMOUNT OF UNEMPLOYED BY THE REGIONS FOLIA UNIVERSITATIS AGRICULTURAE STETINENSIS Folia Univ. Agric. Stetin. 007, Oeconomica 54 (47), 73 80 Mateusz GOC PROGNOZOWANIE ROZKŁADÓW LICZBY BEZROBOTNYCH WEDŁUG MIAST I POWIATÓW FORECASTING THE DISTRIBUTION

Bardziej szczegółowo