Empiryczna weryfikacja prawa proporcjonalnego efektu
|
|
- Kinga Sikora
- 7 lat temu
- Przeglądów:
Transkrypt
1 Jacek Batóg Uniwersytet Szczeciński Empiryczna weryfikacja prawa proporcjonalnego efektu Struktury zjawisk gospodarczych, a zwłaszcza proporcje między poszczególnymi zmiennymi ekonomicznymi, pełnią podstawową rolę w kształtowaniu dynamiki i współzależności procesów ekonomicznych. W literaturze spotkać się można z wieloma różnymi sposobami definiowania pojęcia struktura. W szerokim znaczeniu używanym przez filozofię i metodologię, przez strukturę należy rozumieć rozmieszczenie elementów składowych oraz zespół relacji między nimi, charakterystyczny dla danego układu jako całości. W naukach empirycznych struktura oznacza system związków i wzajemnych zależności między elementami danego układu, uwarunkowanych ich przynależnością do tego układu. W biologii i naukach humanistycznych można spotkać się z definicją struktury jako odpowiednika pewnej całości zbudowanej z określonych elementów [4, s.80]. Zdefiniowanie struktury w ujęciu bliższym statystyce i ekonometrii znaleźć można u J.Hozera i J.Zawadzkiego [3, s.47]. Według tych autorów struktura w wąskim znaczeniu to rozkłady częstości występowania określonych wartości cech statystycznych. Wśród naukowców nie ma zgodności co do dominującego w ekonomii typu rozkładu. Wiadomo natomiast, że wartości obserwacji statystycznych zależą od wielu drobnych przyczyn. Przyczyny te to swego rodzaju impulsy, które powodują, że wartości obserwacji statystycznych odchylają się od średniej arytmetycznej [2, s.78]. Rozkład normalny powstaje w przypadku, gdy wartości zmiennej są kształtowane przez różnokierunkowe i niezależne impulsy, których działanie nakłada się addytywnie. Przy założeniu niezależnych i jednakowych odchyleń co do wartości bezwzględnej, a różniących się jedynie kierunkiem, prawdopodobieństwo tego, że znaczna ilość odchyleń będzie miała ten sam kierunek jest małe. W rezultacie suma odchyleń wartości cechy od średniej arytmetycznej jest niska. Natomiast rozkład asymetryczny jest rezultatem sytuacji, gdy wartości zmiennej kształtowane są przez wiele jednokierunkowych i niezależnych impulsów, których działanie nakłada się multiplikatywnie. Wtedy zaobserwowana suma odchyleń wartości cechy od średniej arytmetycznej jest wysoka.
2 Z procesem powstawania rozkładów o silnej prawostronnej asymetrii ściśle wiąże się prawo proporcjonalnego efektu nazywane prawem Gibrata. Według Gibrata oczekiwana procentowa stopa wzrostu badanego obiektu (zjawiska) jest niezależna od jego aktualnej wielkości. Na przykład wzrost populacji miasta poprzez urodzenia i migracje oraz jej spadek poprzez zgony i migracje następuje przy stopie wzrostu niezależnej od osiągniętej przez dane miasto wielkości. Oznacza to, że mamy do czynienia z identyczną względną zmianą populacji w przypadku miast o różnych wielkościach. Obecnie weryfikacji poddane zostanie funkcjonowanie prawa proporcjonalnego efektu w procesie wzrostu liczby polskich firm. Jeśli założymy, że proces wzrostu liczby firm jest determinowany przez prawo Gibrata, to występuje wtedy duża liczba czynników wpływających na zwiększenie liczby firm w sposób proporcjonalny, a nie absolutny. Czynniki te są niezależne od aktualnej liczby firm. Dodatkowe założenie to brak korelacji między tymi wzrostami w poszczególnych okresach. Występowanie prawa Gibrata w zakresie wzrostu liczby firm można weryfikować szacując następujące równanie regresji liniowej [7, s.92]: ln X t 0 ln X k ui () gdzie: Xk - zmienna określająca liczbę firm w okresie podstawowym, Xt - zmienna określająca liczbę firm w okresie badanym, ut - składnik losowy. Jeżeli nie ma podstaw do odrzucenia hipotezy, że parametr stojący przy zmiennej niezależnej jest równy jedności, to świadczy to o występowaniu prawa proporcjonalnego efektu. Województwo Bialskopodlaskie Białostockie Bielskie Bydgoskie Chełmskie Ciechanowskie Częstochowskie Elbląskie Gdańskie Liczba firm według województw w latach 994 i 996 Liczba firm w roku 994 X k Liczba firm w roku 996 Xt Ln (Xk) 9,45 0,44 0,893,044 9,78 9,884 0,756 0,04,263 Ln (Xt) 9,377 0,560,066,053 9,287 9,922 0,89 0,62,469 Tabela
3 Gorzowskie Jeleniogórskie Kaliskie Katowickie Kieleckie Konińskie Koszalińskie Krakowskie Krośnieńskie Legnickie Leszczyńskie Lubelskie Łomżyńskie Łódzkie Nowosądeckie Olsztyńskie Opolskie Ostrołęckie Pilskie Piotrkowskie Płockie Poznańskie Przemyskie Radomskie Rzeszowskie Siedleckie Sieradzkie Skierniewickie Słupskie Suwalskie Szczecińskie Tarnobrzeskie Tarnowskie Toruńskie Wałbrzyskie Warszawskie Włocławskie Wrocławskie Zamojskie Zielonogórskie ,299 0,20 0,72 2,274 0,83 9,775 0,85,288 9,932 0,27 0,87 0,752 9,305,460 0,674 0,636 0,766 9,665 0,04 0,397 0,050,52 9,56 0,509 0,293 0,249 9,788 9,939 0,065 9,832,27 9,933 0,379 0,34 0,34 2,222 9,93,269 9,904 0,705 Źródło: obliczenia własne na podstawie [5] i [6] oraz danych GUS. 0,387 0,445 0,527 2,370 0,932 9,906 0,42,475 0,33 0,357 0,40 0,884 9,529,396 0,736 0,660 0,783 9,854 0,28 0,460 9,962,6 9,77 0,732 0,484 0,3 9,948 0,000 0,70 9,973,299 0,059 0,287 0,507 0,636 2,558 9,966,439 9,900 0,784 Do empirycznej weryfikacji hipotezy o funkcjonowaniu prawa Gibrata w procesie wzrostu polskich firm wykorzystano dane przekrojowe o liczbie firm według województw w latach 994 i 996 (zobacz tabela ). Na rysunku przedstawiono wykres korelacyjny zmiennych Ln (Xk) i Ln (Xt).
4 3 2,5 2,5 Ln (Xt) 0,5 0 9, ,5 0 0,5,5 2 2,5 3 Ln (Xk) Rys. Wykres korelacyjny liczby podmiotów gospodarczych według 49 województw w latach 994 i 996 (skala logarytmiczna). Rozrzut punktów wykresu korelacyjnego sugeruje istnienie liniowej zależności między badanymi zmiennymi. W związku z tym uzasadnione wydaje się oszacowanie modelu (). Po estymacji parametrów powyższego modelu klasyczną metodą najmniejszych kwadratów otrzymano następujące równanie (w nawiasach podane zostały średnie błędy szacunku parametrów strukturalnych): ln Xˆ t 0,87 0,993ln X (0,239) (0,023) k, przy R 2 = 0,976 Se = 0,08 (2) W celu weryfikacji hipotezy o statystycznie nieistotnej różnicy parametru od jedności wykorzystano test t-studenta [8, s.26], dla którego hipotezy zerowa i alternatywna oraz statystyka z próby przedstawiają się następująco: H H 0 : : ˆ t 0,304 (3) D(ˆ ) Przy poziomie istotności = 0,0 oraz 47 stopniach swobody wartość krytyczna statystyki t wynosi t = 2,68 można stwierdzić, że brak jest podstaw do odrzucenia hipotezy
5 zerowej mówiącej o nieistotnej statystycznie różnicy parametru od jedności. Oznacza to, że zjawisko wzrostu liczby polskich firm podlega prawu proporcjonalnego efektu Gibrata, a zwiększanie się liczby firm w danym województwie nie jest uzależnione od jego wielkości i posiadanej wcześniej liczby podmiotów gospodarczych. Literatura Bąk I., Markowicz I., Mojsiewicz M., Wawrzyniak K.: Wzory i tablice statystyczne. Katedra Ekonometrii i Statystyki, Uniwersytet Szczeciński, Stowarzyszenie Pomoc i Rozwój, Szczecin 997. Hellwig Z.: Elementy rachunku prawdopodobieństwa i statystyki matematycznej. PWN, Warszawa 987. Hozer J., Zawadzki J.: Zmienna czasowa i jej rola w badaniach ekonometrycznych. PWN, Warszawa 990. Nowa encyklopedia powszechna PWN, tom 6. PWN, Warszawa 997. Rocznik Statystyczny 995. GUS, Warszawa 995. Rocznik Statystyczny 997, GUS, Warszawa 997. Sawyer M.C.: The economics of industries and firms. Theories, evidence and policy. Croom Helm, London & Sydney 98. Summary In the paper the author considers some aspect of asymmetric distributions of variables. He tries to test a hypothesis of existing of Gibrat's rule within a process of creation of new firms in Poland. The rule is based on two basic assumptions: expected rates of growth of number of firms are not dependent on previous number of firms and these rates are not correlated in different periods. It turns out that two objects of different size increase with the same ratio.
ZESTAWIENIA DANYCH SPRAWOZDAWCZOŚCI ŁOWIECKIEJ 2016 ROK
ZESTAWIENIA DANYCH SPRAWOZDAWCZOŚCI ŁOWIECKIEJ 2016 ROK Prezentowane dane o liczebności i pozyskaniu zwierzyny w kraju podczas ostatniego dziesięciolecia oraz w województwach i okręgach łowieckich w minionym
Bardziej szczegółowoZESTAWIENIA DANYCH SPRAWOZDAWCZOŚCI ŁOWIECKIEJ 2017 ROK
ZESTAWIENIA DANYCH SPRAWOZDAWCZOŚCI ŁOWIECKIEJ 2017 ROK Prezentowane dane o liczebności i pozyskaniu zwierzyny w kraju podczas ostatniego dziesięciolecia oraz w województwach i okręgach łowieckich w minionym
Bardziej szczegółowoZESTAWIENIA DANYCH SPRAWOZDAWCZOŚCI ŁOWIECKIEJ 2018 ROK
ZESTAWIENIA DANYCH SPRAWOZDAWCZOŚCI ŁOWIECKIEJ 2018 ROK Prezentowane dane o liczebności i pozyskaniu zwierzyny w kraju podczas ostatniego dziesięciolecia oraz w województwach i okręgach łowieckich w minionym
Bardziej szczegółowoZESTAWIENIA DANYCH SPRAWOZDAWCZOŚCI ŁOWIECKIEJ 2013 ROK
Stacja Badawcza PZŁ Czempiń ZESTAWIENIA DANYCH SPRAWOZDAWCZOŚCI ŁOWIECKIEJ 2013 ROK Prezentowane dane o liczebności i pozyskaniu zwierzyny w kraju podczas ostatniego dziesięciolecia oraz w województwach
Bardziej szczegółowoZESTAWIENIA DANYCH SPRAWOZDAWCZOŚCI ŁOWIECKIEJ 2015 ROK
Stacja Badawcza PZŁ Czempiń ZESTAWIENIA DANYCH SPRAWOZDAWCZOŚCI ŁOWIECKIEJ 2015 ROK Prezentowane dane o liczebności i pozyskaniu zwierzyny w kraju podczas ostatniego dziesięciolecia oraz w województwach
Bardziej szczegółowoZESTAWIENIA DANYCH 2014 ROK
Stacja Badawcza PZŁ Czempiń ZESTAWIENIA DANYCH SPRAWOZDAWCZOŚCI ŁOWIECKIEJ 2014 ROK Prezentowane dane o liczebności i pozyskaniu zwierzyny w kraju podczas ostatniego dziesięciolecia oraz w województwach
Bardziej szczegółowoZESTAWIENIA DANYCH SPRAWOZDAWCZOŚCI ŁOWIECKIEJ 2012 ROK
Stacja Badawcza PZŁ Czempiń ZESTAWIENIA DANYCH SPRAWOZDAWCZOŚCI ŁOWIECKIEJ 2012 ROK Prezentowane dane o liczebności i pozyskaniu zwierzyny w kraju podczas ostatniego dziesięciolecia oraz w województwach
Bardziej szczegółowo, , INTERNET: JAK WYPOCZYWALIŚMY LATEM?
CBOS CENTRUM BADANIA OPINII SPOŁECZNEJ SEKRETARIAT ZESPÓŁ REALIZACJI BADAŃ 629-35 - 69, 628-37 - 04 UL. ŻURAWIA 4A, SKR. PT.24 00-503 W A R S Z A W A TELEFAX 629-40 - 89 621-07 - 57, 628-90 - 17 INTERNET:
Bardziej szczegółowoGŁÓWNY URZĄD STATYSTYCZNY Urząd Statystyczny w Katowicach
Materiał na konferencję prasową w dniu 30 listopada 2012 r. GŁÓWNY URZĄD STATYSTYCZNY Urząd Statystyczny w Katowicach Notatka informacyjna PRODUKT KRAJOWY BRUTTO RACHUNKI REGIONALNE W 2010 R. 1 PRODUKT
Bardziej szczegółowoPOSTĘPOWANIE MEDIACYJNE
POSTĘPOWANIE MEDIACYJNE W ŚWIETLE DANYCH STATYSTYCZNYCH SĄDY REJONOWE I OKRĘGOWE W LATACH 2006-2017 5. EDYCJA M E D I A C J A.GOV.PL I S W S.MS. G O V.PL Warszawa, luty 2018 Założenia dotyczące danych
Bardziej szczegółowoStatystyka 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, , POWRÓT LECHA WAŁĘSY DO PRACY W STOCZNI WARSZAWA, MARZEC 96
CBOS CENTRUM BADANIA OPINII SPOŁECZNEJ SEKRETARIAT ZESPÓŁ REALIZACJI BADAŃ 629-35 - 69, 628-37 - 04 621-07 - 57, 628-90 - 17 UL. ŻURAWIA 4A, SKR. PT.24 00-503 W A R S Z A W A TELEFAX 629-40 - 89 INTERNET:
Bardziej szczegółowoPRZESTRZENNE ZRÓŻNICOWANIE AKTYWNYCH FORM PRZECIWDZIAŁANIA BEZROBOCIU W POLSCE
Małgorzata Podogrodzka Szkoła Główna Handlowa PRZESTRZENNE ZRÓŻNICOWANIE AKTYWNYCH FORM PRZECIWDZIAŁANIA BEZROBOCIU W POLSCE Wprowadzenie Od początku lat 90. problem jawnego bezrobocia znajduje się w centrum
Bardziej szczegółowoSzczegółowy 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 szczegółowoSzczegółowy 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 szczegółowoEkonometria. Zajęcia
Ekonometria Zajęcia 16.05.2018 Wstęp hipoteza itp. Model gęstości zaludnienia ( model gradientu gęstości ) zakłada, że gęstość zaludnienia zależy od odległości od okręgu centralnego: y t = Ae βx t (1)
Bardziej szczegółowoRELACJE PRODUKCJI PRZEMYSŁOWEJ I ZANIECZYSZCZEŃ ŚRODOWISKA (Próba oceny zmienności w czasie związków przestrzennych w latach )
RUCH PRAWNICZY, EKONOMICZNY I SOCJOLOGICZNY Rok XLVI zeszyt 1 194 MAŁGORZATA HENDEL RELACJE PRODUKCJI PRZEMYSŁOWEJ I ZANIECZYSZCZEŃ ŚRODOWISKA (Próba oceny zmienności w czasie związków przestrzennych w
Bardziej szczegółowoSTATYSTYCZNA ANALIZA PORÓWNAWCZA W BADANIACH ZJAWISK EKONOMICZNO-ROLNICZYCH W WOJEWÓDZTWACH
RUCH PRAWNICZY, EKONOMICZNY I SOCJOLOGICZNY Rok XLVIII zeszyt 2 1986 EDWARD NOWAK STATYSTYCZNA ANALIZA PORÓWNAWCZA W BADANIACH ZJAWISK EKONOMICZNO-ROLNICZYCH W WOJEWÓDZTWACH Specyficzną właściwością rolnictwa
Bardziej szczegółowoSTOMATOLOGIA ZACHOWAWCZA Z ENDODONCJĄ Prof. dr hab. Janina Stopa
STOMATOLOGIA ZACHOWAWCZA Z ENDODONCJĄ Prof. dr hab. Janina Stopa Ad. 1. Potrzeby w zakresie specjalności: stomatologia zachowawcza z endodoncją Podstawę do dokonania analizy aktualnej liczby lekarzy czynnych
Bardziej szczegółowoMetody analizy przestrzennego zróżnicowania rynku pracy
ЕЗЮМЕ Ц, 0. А. -. В,. Małgorzata PODOGRODZKA Metody analizy przestrzennego zróżnicowania rynku pracy Rozmiary i konsekwencje bezrobocia sprawiają, iż stale znajduje się ono w centrum zainteresowania wielu
Bardziej szczegółowoWprowadzenie 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 szczegółowoparametrów 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 szczegółowoWykład 3 Hipotezy statystyczne
Wykład 3 Hipotezy statystyczne Hipotezą statystyczną nazywamy każde przypuszczenie dotyczące nieznanego rozkładu obserwowanej zmiennej losowej (cechy populacji generalnej) Hipoteza zerowa (H 0 ) jest hipoteza
Bardziej szczegółowoStatystyka 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 szczegółowoAnaliza danych Case study Województwa PIESI 2006/2007 Michał Pyda Marek Lewandowski Zajęcia: środa, 9.00
Analiza danych Case study Województwa PIESI 2006/2007 Michał Pyda Marek Lewandowski Zajęcia: środa, 9.00 1 Spis treści: 1 Wprowadzenie... 3 2 Analizowane dane... 5 2.1 Dostępne dane... 5 2.2 Brakujące
Bardziej szczegółowoW2. Zmienne losowe i ich rozkłady. Wnioskowanie statystyczne.
W2. Zmienne losowe i ich rozkłady. Wnioskowanie statystyczne. dr hab. Jerzy Nakielski Katedra Biofizyki i Morfogenezy Roślin Plan wykładu: 1. Etapy wnioskowania statystycznego 2. Hipotezy statystyczne,
Bardziej szczegółowoZESZYTY NAUKOWE UNIWERSYTETU SZCZECIŃSKIEGO ANALIZA ZBIEŻNOŚCI STRUKTUR ZATRUDNIENIA W WYBRANYCH KRAJACH WYSOKOROZWINIĘTYCH
ZESZYTY NAUKOWE UNIWERSYTETU SZCZECIŃSKIEGO NR 32 PRACE KATEDRY EKONOMETRII I STATYSTYKI NR 11 21 BARBARA BATÓG JACEK BATÓG Uniwersytet Szczeciński Katedra Ekonometrii i Statystyki ANALIZA ZBIEŻNOŚCI STRUKTUR
Bardziej szczegółowoStatystyka. #6 Analiza wariancji. Aneta Dzik-Walczak Małgorzata Kalbarczyk-Stęclik. rok akademicki 2015/ / 14
Statystyka #6 Analiza wariancji Aneta Dzik-Walczak Małgorzata Kalbarczyk-Stęclik rok akademicki 2015/2016 1 / 14 Analiza wariancji 2 / 14 Analiza wariancji Analiza wariancji jest techniką badania wyników,
Bardziej szczegółowoMeldunek kwartalny 3/98
Państwowy Zakład Higieny, Instytut NaukowoBadawczy Ministerstwo Zdrowia i Opieki Społecznej Zakład Epidemiologii Departament Zdrowia Publicznego 00 Warszawa ul.chocimska 00 Warszawa ul.miodowa Meldunek
Bardziej szczegółowoWeryfikacja hipotez statystycznych, parametryczne testy istotności w populacji
Weryfikacja hipotez statystycznych, parametryczne testy istotności w populacji Dr Joanna Banaś Zakład Badań Systemowych Instytut Sztucznej Inteligencji i Metod Matematycznych Wydział Informatyki Politechniki
Bardziej szczegółowoWOJEWÓDZKI URZĄD STATYSTYCZNY W KATOWICACH DZIAŁALNOŚĆ GOSPODARCZA ZAGRANICZNYCH PRZEDSIĘBIORSTW DROBNEJ WYTWÓRCZOŚCI
WOJEWÓDZKI URZĄD STATYSTYCZNY W KATOWICACH Do użytku odr*iata Egz. nr - 3 a _ \ J X j,m*śy DZIAŁALNOŚĆ GOSPODARCZA ZAGRANICZNYCH PRZEDSIĘBIORSTW DROBNEJ WYTWÓRCZOŚCI ' '-'V < > i' Katowice Maj 1988» SPIS
Bardziej szczegółowoweryfikacja hipotez dotyczących parametrów populacji (średnia, wariancja)
PODSTAWY STATYSTYKI. Teoria prawdopodobieństwa i elementy kombinatoryki. Zmienne losowe i ich rozkłady 3. Populacje i próby danych, estymacja parametrów 4. Testowanie hipotez 5. Testy parametryczne (na
Bardziej szczegółowoK 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 szczegółowoStatystyka 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 szczegółowo166 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 szczegółowoZadanie 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 szczegółowoBłędy przy testowaniu hipotez statystycznych. Decyzja H 0 jest prawdziwa H 0 jest faszywa
Weryfikacja hipotez statystycznych Hipotezą statystyczną nazywamy każde przypuszczenie dotyczące nieznanego rozkładu badanej cechy populacji, o prawdziwości lub fałszywości którego wnioskuje się na podstawie
Bardziej szczegółowoTablica Wzorów Rachunek Prawdopodobieństwa i Statystyki
Tablica Wzorów Rachunek Prawdopodobieństwa i Statystyki Spis treści I. Wzory ogólne... 2 1. Średnia arytmetyczna:... 2 2. Rozstęp:... 2 3. Kwantyle:... 2 4. Wariancja:... 2 5. Odchylenie standardowe:...
Bardziej szczegółowoTESTOWANIE HIPOTEZ STATYSTYCZNYCH
TETOWANIE HIPOTEZ TATYTYCZNYCH HIPOTEZA TATYTYCZNA przypuszczenie co do rozkładu populacji generalnej (jego postaci funkcyjnej lub wartości parametrów). Prawdziwość tego przypuszczenia jest oceniana na
Bardziej szczegółowoIdea. θ = θ 0, Hipoteza statystyczna Obszary krytyczne Błąd pierwszego i drugiego rodzaju p-wartość
Idea Niech θ oznacza parametr modelu statystycznego. Dotychczasowe rozważania dotyczyły metod estymacji tego parametru. Teraz zamiast szacować nieznaną wartość parametru będziemy weryfikowali hipotezę
Bardziej szczegółowoMetody Ilościowe w Socjologii
Metody Ilościowe w Socjologii wykład 2 i 3 EKONOMETRIA dr inż. Maciej Wolny AGENDA I. Ekonometria podstawowe definicje II. Etapy budowy modelu ekonometrycznego III. Wybrane metody doboru zmiennych do modelu
Bardziej szczegółowoPrzebieg Prac nad modernizacją sieci T-Mobile na terenie częstochowy i okolic
Przebieg Prac nad modernizacją sieci T-Mobile na terenie częstochowy i okolic 1 Cel i charakterystyka projektu budowy nowej sieci Budowa Sieci Współdzielonych to modernizacja infrastruktury radiowej poprzez
Bardziej szczegółowoSIGMA 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 szczegółowoStatystyka matematyczna i ekonometria
Statystyka matematyczna i ekonometria prof. dr hab. inż. Jacek Mercik B4 pok. 55 jacek.mercik@pwr.wroc.pl (tylko z konta studenckiego z serwera PWr) Konsultacje, kontakt itp. Strona WWW Elementy wykładu.
Bardziej szczegółowoWykład 12 Testowanie hipotez dla współczynnika korelacji
Wykład 12 Testowanie hipotez dla współczynnika korelacji Wrocław, 23 maja 2018 Współczynnik korelacji Niech będą dane dwie próby danych X = (X 1, X 2,..., X n ) oraz Y = (Y 1, Y 2,..., Y n ). Współczynnikiem
Bardziej szczegółowoWykład 12 Testowanie hipotez dla współczynnika korelacji
Wykład 12 Testowanie hipotez dla współczynnika korelacji Wrocław, 24 maja 2017 Współczynnik korelacji Niech będą dane dwie próby danych X = (X 1, X 2,..., X n ) oraz Y = (Y 1, Y 2,..., Y n ). Współczynnikiem
Bardziej szczegółowoPrzebieg Prac nad modernizacją sieci T-mobile na terenie Łodzi i okolic 2014-02-11 1
Przebieg Prac nad modernizacją sieci T-mobile na terenie Łodzi i okolic 1 Cel i charakterystyka projektu budowy nowej sieci Budowa Sieci Współdzielonych to modernizacja infrastruktury radiowej poprzez
Bardziej szczegółowoURZĄD STATYSTYCZNY W OLSZTYNIE STATYSTYCZNE MONITOROWANIE OBSZARÓW WIEJSKICH
STATYSTYCZNE MONITOROWANIE OBSZARÓW WIEJSKICH Wrocław 7-8.03.2011 r. STATYSTYCZNE MONITOROWANIE OBSZARÓW WIEJSKICH I. STOSOWANE KLASYFIKACJE OBSZARÓW WIEJSKICH (KRAJOWE, MIĘDZYNARODOWE) II. III. KIERUNKI
Bardziej szczegółowoSTATYSTYKA - PRZYKŁADOWE ZADANIA EGZAMINACYJNE
STATYSTYKA - PRZYKŁADOWE ZADANIA EGZAMINACYJNE 1 W trakcie badania obliczono wartości średniej (15,4), mediany (13,6) oraz dominanty (10,0). Określ typ asymetrii rozkładu. 2 Wymień 3 cechy rozkładu Gauss
Bardziej szczegółowoStatystyka i opracowanie danych- W 8 Wnioskowanie statystyczne. Testy statystyczne. Weryfikacja hipotez statystycznych.
Statystyka i opracowanie danych- W 8 Wnioskowanie statystyczne. Testy statystyczne. Weryfikacja hipotez statystycznych. Dr Anna ADRIAN Paw B5, pok407 adan@agh.edu.pl Hipotezy i Testy statystyczne Każde
Bardziej szczegółowoTestowanie hipotez statystycznych.
Statystyka Wykład 10 Wrocław, 22 grudnia 2011 Testowanie hipotez statystycznych Definicja. Hipotezą statystyczną nazywamy stwierdzenie dotyczące parametrów populacji. Definicja. Dwie komplementarne w problemie
Bardziej szczegółowoSpis 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 szczegółowoPOLITECHNIKA 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 szczegółowoPDF 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 szczegółowoWykorzystanie 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 szczegółowoJednostka podziału terytorialnego kraju
Załącznik nr 3 do uchwały nr 96/2013 Zarządu PFRON z dnia 31 grudnia 2013 r. Wykaz powiatów kwalifikujących się do uczestnictwa w 2014 r. w Programie wyrównywania różnic między regionami II, na terenie
Bardziej szczegółowoEkonometryczna 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 szczegółowoStatystyka. Rozkład prawdopodobieństwa Testowanie hipotez. Wykład III ( )
Statystyka Rozkład prawdopodobieństwa Testowanie hipotez Wykład III (04.01.2016) Rozkład t-studenta Rozkład T jest rozkładem pomocniczym we wnioskowaniu statystycznym; stosuje się go wyznaczenia przedziału
Bardziej szczegółowoWnioskowanie statystyczne i weryfikacja hipotez statystycznych
Wnioskowanie statystyczne i weryfikacja hipotez statystycznych Wnioskowanie statystyczne Wnioskowanie statystyczne obejmuje następujące czynności: Sformułowanie hipotezy zerowej i hipotezy alternatywnej.
Bardziej szczegółowoSTATYSTYKA MATEMATYCZNA WYKŁAD 4. WERYFIKACJA HIPOTEZ PARAMETRYCZNYCH X - cecha populacji, θ parametr rozkładu cechy X.
STATYSTYKA MATEMATYCZNA WYKŁAD 4 WERYFIKACJA HIPOTEZ PARAMETRYCZNYCH X - cecha populacji, θ parametr rozkładu cechy X. Wysuwamy hipotezy: zerową (podstawową H ( θ = θ i alternatywną H, która ma jedną z
Bardziej szczegółowoTestowanie 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 szczegółowoWydział Matematyki. Testy zgodności. Wykład 03
Wydział Matematyki Testy zgodności Wykład 03 Testy zgodności W testach zgodności badamy postać rozkładu teoretycznego zmiennej losowej skokowej lub ciągłej. Weryfikują one stawiane przez badaczy hipotezy
Bardziej szczegółowoZawartość. Zawartość
Opr. dr inż. Grzegorz Biesok. Wer. 2.05 2011 Zawartość Zawartość 1. Rozkład normalny... 3 2. Rozkład normalny standardowy... 5 3. Obliczanie prawdopodobieństw dla zmiennych o rozkładzie norm. z parametrami
Bardziej szczegółowoBadania struktury zasobów mieszkaniowych w Polsce na przykładzie. budynków wznoszonych w technologii prefabrykowanej 1
Badania struktury zasobów mieszkaniowych w Polsce na przykładzie 24 budynków wznoszonych w technologii prefabrykowanej 1 Dr inż. Anna Ostańska, Politechnika Lubelska 1. Stan badań struktury zasobów mieszkaniowych
Bardziej szczegółowoTestowanie hipotez dla dwóch zmiennych zależnych. Moc testu. Minimalna liczność próby; Regresja prosta; Korelacja Pearsona;
LABORATORIUM 4 Testowanie hipotez dla dwóch zmiennych zależnych. Moc testu. Minimalna liczność próby; Regresja prosta; Korelacja Pearsona; dwie zmienne zależne mierzalne małe próby duże próby rozkład normalny
Bardziej szczegółowoAnaliza współzależności zjawisk. dr Marta Kuc-Czarnecka
Analiza współzależności zjawisk dr Marta Kuc-Czarnecka Wprowadzenie Prawidłowości statystyczne mają swoje przyczyny, w związku z tym dla poznania całokształtu badanego zjawiska potrzebna jest analiza z
Bardziej szczegółowoModele i wnioskowanie statystyczne (MWS), sprawozdanie z laboratorium 4
Modele i wnioskowanie statystyczne (MWS), sprawozdanie z laboratorium 4 Konrad Miziński, nr albumu 233703 31 maja 2015 Zadanie 1 Wartości oczekiwane µ 1 i µ 2 oszacowano wg wzorów: { µ1 = 0.43925 µ = X
Bardziej szczegółowoAnaliza 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 szczegółowoTEST STATYSTYCZNY. Jeżeli hipotezę zerową odrzucimy na danym poziomie istotności, to odrzucimy ją na każdym większym poziomie istotności.
TEST STATYSTYCZNY Testem statystycznym nazywamy regułę postępowania rozstrzygająca, przy jakich wynikach z próby hipotezę sprawdzaną H 0 należy odrzucić, a przy jakich nie ma podstaw do jej odrzucenia.
Bardziej szczegółowoAnaliza 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 szczegółowoNarzędzia statystyczne i ekonometryczne. Wykład 1. dr Paweł Baranowski
Narzędzia statystyczne i ekonometryczne Wykład 1 dr Paweł Baranowski Informacje organizacyjne Wydział Ek-Soc, pok. B-109 pawel@baranowski.edu.pl Strona: baranowski.edu.pl (w tym materiały) Konsultacje:
Bardziej szczegółowoMODELE 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 szczegółowoKorelacja krzywoliniowa i współzależność cech niemierzalnych
Korelacja krzywoliniowa i współzależność cech niemierzalnych Dr Joanna Banaś Zakład Badań Systemowych Instytut Sztucznej Inteligencji i Metod Matematycznych Wydział Informatyki Politechniki Szczecińskiej
Bardziej szczegółowoLABORATORIUM 8 WERYFIKACJA HIPOTEZ STATYSTYCZNYCH PARAMETRYCZNE TESTY ISTOTNOŚCI
LABORATORIUM 8 WERYFIKACJA HIPOTEZ STATYSTYCZNYCH PARAMETRYCZNE TESTY ISTOTNOŚCI WERYFIKACJA HIPOTEZ Hipoteza statystyczna jakiekolwiek przypuszczenie dotyczące populacji generalnej- jej poszczególnych
Bardziej szczegółowoRozdział 8. Regresja. Definiowanie modelu
Rozdział 8 Regresja Definiowanie modelu Analizę korelacji można traktować jako wstęp do analizy regresji. Jeżeli wykresy rozrzutu oraz wartości współczynników korelacji wskazują na istniejąca współzmienność
Bardziej szczegółowoMapa zasięgów lokalnych wydań Gazety Wyborczej
1 Prezentacja Gazety Wyborczej Mapa zasięgów lokalnych wydań Gazety Wyborczej wydanie wydanie białostockie wydanie bydgoskie i toruńskie wydanie częstochowskie wydanie katowickie i bielskie wydanie kieleckie
Bardziej szczegółowoEstymacja 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 szczegółowoĆwiczenia 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 szczegółowoStanisław Cichocki. Natalia Nehrebecka. Wykład 9
Stanisław Cichocki Natalia Nehrebecka Wykład 9 1 1. Dodatkowe założenie KMRL 2. Testowanie hipotez prostych Rozkład estymatora b Testowanie hipotez prostych przy użyciu statystyki t 3. Przedziały ufności
Bardziej szczegółowoPrzykład 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 szczegółowoStatystyka matematyczna Testowanie hipotez i estymacja parametrów. Wrocław, r
Statystyka matematyczna Testowanie hipotez i estymacja parametrów Wrocław, 18.03.2016r Plan wykładu: 1. Testowanie hipotez 2. Etapy testowania hipotez 3. Błędy 4. Testowanie wielokrotne 5. Estymacja parametrów
Bardziej szczegółowoWNIOSKOWANIE STATYSTYCZNE
STATYSTYKA WNIOSKOWANIE STATYSTYCZNE ESTYMACJA oszacowanie z pewną dokładnością wartości opisującej rozkład badanej cechy statystycznej. WERYFIKACJA HIPOTEZ sprawdzanie słuszności przypuszczeń dotyczących
Bardziej szczegółowoRegionalne efekty procesu prywatyzacji przemysłu w Polsce w latach 1989 1995
PRACE KOMISJI GEOGRAFII PRZEMYSŁU Nr 1 WARSZAWA KRAKÓW 2000 PAN, Warszawa Regionalne efekty procesu prywatyzacji przemysłu w Polsce w latach 1989 1995 Celem opracowania jest ogólna ocena regionalnych efektów
Bardziej szczegółowoTESTY NIEPARAMETRYCZNE. 1. Testy równości średnich bez założenia normalności rozkładu zmiennych: Manna-Whitney a i Kruskala-Wallisa.
TESTY NIEPARAMETRYCZNE 1. Testy równości średnich bez założenia normalności rozkładu zmiennych: Manna-Whitney a i Kruskala-Wallisa. Standardowe testy równości średnich wymagają aby badane zmienne losowe
Bardziej szczegółowoElementy statystyki opisowej, podstawowe pojęcia statystyki matematycznej
Elementy statystyki opisowej, podstawowe pojęcia statystyki matematycznej Dr Joanna Banaś Zakład Badań Systemowych Instytut Sztucznej Inteligencji i Metod Matematycznych Wydział Informatyki Politechniki
Bardziej szczegółowoStatystyczna analiza danych w programie STATISTICA (wykład 2) Dariusz Gozdowski
Statystyczna analiza danych w programie STATISTICA (wykład ) Dariusz Gozdowski Katedra Doświadczalnictwa i Bioinformatyki Wydział Rolnictwa i Biologii SGGW Weryfikacja (testowanie) hipotez statystycznych
Bardziej szczegółowoVI WYKŁAD STATYSTYKA. 9/04/2014 B8 sala 0.10B Godz. 15:15
VI WYKŁAD STATYSTYKA 9/04/2014 B8 sala 0.10B Godz. 15:15 WYKŁAD 6 WERYFIKACJA HIPOTEZ STATYSTYCZNYCH PARAMETRYCZNE TESTY ISTOTNOŚCI Weryfikacja hipotez ( błędy I i II rodzaju, poziom istotności, zasady
Bardziej szczegółowoStatystyka matematyczna. Wykład IV. Weryfikacja hipotez statystycznych
Statystyka matematyczna. Wykład IV. e-mail:e.kozlovski@pollub.pl Spis treści 1 2 3 Definicja 1 Hipoteza statystyczna jest to przypuszczenie dotyczące rozkładu (wielkości parametru lub rodzaju) zmiennej
Bardziej szczegółowoSTATYSTYKA I DOŚWIADCZALNICTWO Wykład 5
STATYSTYKA I DOŚWIADCZALNICTWO Wykład 5 Analiza korelacji - współczynnik korelacji Pearsona Cel: ocena współzależności między dwiema zmiennymi ilościowymi Ocenia jedynie zależność liniową. r = cov(x,y
Bardziej szczegółowoVus. PRYWATYZACJA PRZEDSIĘBIORSTW PAŃSTWOWYCH W WOJEWÓDZTWIE WROCŁAWSKIM Stan w dniu 31 XII 1994 r. WOJEWÓDZKI URZĄD STATYSTYCZNY we Wrocławiu
!hjwfó7> Hi. 737/y^.fM WOJEWÓDZKI URZĄD STATYSTYCZNY we Wrocławiu Vus v Wrocław PRYWATYZACJA PRZEDSIĘBIORSTW PAŃSTWOWYCH W WOJEWÓDZTWIE WROCŁAWSKIM Stan w dniu 31 XII 1994 r. WROCŁAW 1995 r. ' WOJEWÓDZKI
Bardziej szczegółowoStatystyka i opracowanie danych Podstawy wnioskowania statystycznego. Prawo wielkich liczb. Centralne twierdzenie graniczne. Estymacja i estymatory
Statystyka i opracowanie danych Podstawy wnioskowania statystycznego. Prawo wielkich liczb. Centralne twierdzenie graniczne. Estymacja i estymatory Dr Anna ADRIAN Paw B5, pok 407 adrian@tempus.metal.agh.edu.pl
Bardziej szczegółowoTESTOWANIE HIPOTEZ Przez hipotezę statystyczną rozumiemy, najogólniej mówiąc, pewną wypowiedź na temat rozkładu interesującej nas cechy.
TESTOWANIE HIPOTEZ Przez hipotezę statystyczną rozumiemy, najogólniej mówiąc, pewną wypowiedź na temat rozkładu interesującej nas cechy. Hipotezy dzielimy na parametryczne i nieparametryczne. Zajmiemy
Bardziej szczegółowoPrzykład 1. (A. Łomnicki)
Plan wykładu: 1. Wariancje wewnątrz grup i między grupami do czego prowadzi ich ocena 2. Rozkład F 3. Analiza wariancji jako metoda badań założenia, etapy postępowania 4. Dwie klasyfikacje a dwa modele
Bardziej szczegółowoKORELACJE 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 szczegółowoInżynieria Środowiska. II stopień ogólnoakademicki. przedmiot podstawowy obowiązkowy polski drugi. semestr zimowy
Załącznik nr 7 do Zarządzenia Rektora nr../12 z dnia.... 2012r. KARTA MODUŁU / KARTA PRZEDMIOTU Kod modułu Nazwa modułu Nazwa modułu w języku angielskim Obowiązuje od roku akademickiego 2017/2018 STATYSTYKA
Bardziej szczegółowoStatystyka. #5 Testowanie hipotez statystycznych. Aneta Dzik-Walczak Małgorzata Kalbarczyk-Stęclik. rok akademicki 2016/ / 28
Statystyka #5 Testowanie hipotez statystycznych Aneta Dzik-Walczak Małgorzata Kalbarczyk-Stęclik rok akademicki 2016/2017 1 / 28 Testowanie hipotez statystycznych 2 / 28 Testowanie hipotez statystycznych
Bardziej szczegółowoWspółczynnik 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 szczegółowoSTATYSTYKA I DOŚWIADCZALNICTWO Wykład 7
STATYSTYKA I DOŚWIADCZALNICTWO Wykład 7 Analiza korelacji - współczynnik korelacji Pearsona Cel: ocena współzależności między dwiema zmiennymi ilościowymi Ocenia jedynie zależność liniową. r = cov(x,y
Bardziej szczegółowoZASTOSOWANIE PRZESTRZENNEGO TAKSONOMICZNEGO MIERNIKA ROZWOJU (ptmr) W ANALIZIE RYNKU PRACY W POLSCE
Studia Ekonomiczne. Zeszyty Naukowe Uniwersytetu Ekonomicznego w Katowicach ISSN 2083-8611 Nr 291 2016 Uniwersytet Mikołaja Kopernika w Toruniu Wydział Nauk Ekonomicznych i Zarządzania Katedra Ekonometrii
Bardziej szczegółowo