ANALIZA DYNAMIKI ZJAWISK (dok.) WYGŁADZANIE szeregu czasowego

Wielkość: px
Rozpocząć pokaz od strony:

Download "ANALIZA DYNAMIKI ZJAWISK (dok.) WYGŁADZANIE szeregu czasowego"

Transkrypt

1 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 chroologicza). miar damiki (ideks idwiduale, agregaowe). średie empo zmia zjawiska w czasie 5. wgładzaie szeregu czasowego (mechaicze, aalicze) 6. aaliza wahań okresowch (wskaźiki sezoowości) WYGŁADZANIE szeregu czasowego Wgładzaie jes o zabieg prowadząc do: elimiacji wahań i do wodrębieia edecji rozwojowej badaego zjawiska (edecja rosąca, malejąca bądź sabilizacja). Szeregi czasowe wgładzam sosując meod:. mechaiczą (wkorzsaie średich ruchomch) oraz. aaliczą (dopasowaie odpowiediej fukcji do dach szeregu czasowego).

2 D. Miszczńska,M.Miszczński, Maeriał do wkładu 6 ze Saski, 009/0 [] Wgładzaie MECHANICZNE (średie ruchome k-okresowe) Ozaczm koleje warości szeregu czasowego:,,,,,, L Średie ruchome wzaczam róŝie w zaleŝości od ich długości (k). Iaczej gd k jes ieparzse, p. k, 5, 7, id. Iaczej zaś gd k jes parzse, p. k,, 6, id. Gd k jes ieparzse (p. k), o średie ruchome wzacza się asępująco:, id. aŝ do przedosaiego okresu, ZauwaŜm, Ŝe prz k sraciliśm jedą iformację a począku i jedą a końcu szeregu czasowego ( sra). Prz k5 sra wiosą juŝ, a prz k7 wiosą aŝ 6. REGUŁA: im dłuŝsza średia ruchoma (im większe k), m większe sra a iformacji, ale za o lepsze wgładzeie i moŝliwość zaobserwowaia edecji rozwojowej badaego zjawiska.

3 D. Miszczńska,M.Miszczński, Maeriał do wkładu 6 ze Saski, 009/0 [] Gd k jes parzse (p. k), o średie ruchome wzacza się asępująco (zw. średia scerowaa): 5 6 5, id. aŝ do PRZYKŁAD Obro ( ) firm ALFA [w s. zł] w ciągu kolejch okresów () przedsawia poiŝsza abela. W dwóch osaich kolumach pokazao średie ruchome o róŝej długości (k ieparzse i parzse) obro średie ruchome ieparzse parzse k k5 k k6 x x x x 6 x x x x x 7 89 x x x 6 x x x x okres,

4 D. Miszczńska,M.Miszczński, Maeriał do wkładu 6 ze Saski, 009/0 [] k k5 Obro firm ALFA (wgładzaie k ieparzse) k k6 Obro firm ALFA (wgładzaie k parzse)

5 D. Miszczńska,M.Miszczński, Maeriał do wkładu 6 ze Saski, 009/0 [5] Wgładzaie ANALITYCZNE (liiowa fukcja TRENDU) Wgładzaie szeregu czasowego polega uaj a oszacowaiu liiowej fukcji redu: ˆ a Niezae paramer a i b wliczam a podsawie dach z szeregu czasowego sosując asępujące wzor: a b ( )( ) ( ) b a a ozacza okresowe empo wzrosu (a>0) lub ubku (a<0) wielkości badaego zjawiska b ozacza sa zjawiska w okresie wjściowm (z. dla 0)

6 D. Miszczńska,M.Miszczński, Maeriał do wkładu 6 ze Saski, 009/0 [6] PRZYKŁAD W abeli zaware są obliczeia pomocicze prz wzaczaiu liiowej fukcji redu dla obroów firm ALFA. W osaiej kolumie pokazao eorecze warości obroów wliczoe a podsawie oszacowaej fukcji redu. () () () () (5) (6) (7) ( ) ( ) ()*() ( ) ŷ -5,5-8 5,5 0, ,5-56 5,0 0,5 -,5-70 5,0, ,5-5,0 6, , ,0, ,5 0-5,0 0, ,5-0 -5,0 0,5 0 8,5 9,5, ,5 7 7,5 6,5 0 0,5 0 5,5,5 57 7,5 5 0,5 0, ,5 67,0 0, x x 6,5,00 x ,5 0 6,5 a 5,7 b 0 5,7 6,5 00 Zaem fukcja redu opisująca obro firm ALFA ma posać: ˆ 5,7 00

7 D. Miszczńska,M.Miszczński, Maeriał do wkładu 6 ze Saski, 009/0 [7] Do oce dopasowaia liii redu do dach empirczch (rzeczwise obro firm ALFA) słuŝ współczik zbieŝości (ϕ ): ϕ ( ˆ ) ( ) Im ϕ jes bliŝsz 0, m dopasowaie jes lepsze. gdzie 0 ϕ Populariejszą miarą dopasowaia jes współczik deermiacji (R ): R ϕ gdzie 0 R Tuaj im R jes bliŝsz, m dopasowaie jes lepsze. Populara ierpreacja R : liiowa fukcja redu w (R 00)% opisuje kszałowaie się badaego zjawiska Liiow () Obro firm ALFA (wgładzaie redem) 5,

8 D. Miszczńska,M.Miszczński, Maeriał do wkładu 6 ze Saski, 009/0 [8] PRZYKŁAD (c.d. przkładu ) W abeli zaware są obliczeia pomocicze prz wliczaiu współczika zbieŝości (ϕ ) dla liiowej fukcji redu obroów firm ALFA. Przpomijm, Ŝe średi kwaral poziom obroów w firmie ALFA wiósł: 5 0 () () () () (5) (6) (7) ŷ ( ˆ ) ( ) ( ) ( ) razem x x ϕ 988 0,8 R 0,8 0, ˆ 5,7 00 Liiowa fukcja redu wgładzająca wahaia przpadkowe opisuje obro firm ALFA w 78,% (R 0,78). Warość współczika deermiacji R zauwaŝalie odbiega od jedości (). WNIOSEK: obok wahań przpadkowch wsępują rówieŝ ie wahaia, p. wahaia sezoowe (cklicze). ˆ

9 D. Miszczńska,M.Miszczński, Maeriał do wkładu 6 ze Saski, 009/0 [9] Aaliza WAHAŃ OKRESOWYCH Ab wodrębić wahaia sezoowe (cklicze) w szeregu o okresach dzielim e szereg a s ckli. Podział musi bć aki, ab w kaŝdm cklu wsępowała sała liczba k faz. Działaia mające a celu wodrębieie wahań sezoowch są asępujące:. Wgładzam szereg czasow { } aaliczie (lub mechaiczie średią ruchomą k-okresową). Na podsawie wzaczoej fukcji reu obliczam warości eorecze { ŷ }.. Uwaliam szereg czasow od redu. W m celu wliczam wielkości w ˆ. Wielkości e zawierają wahaia przpadkowe i sezoowe.. Pozbwam się wahań przpadkowch w wielkościach w. W m celu dla jedoimiech okresów i (j. okresów aleŝącch do ej samej faz) wliczam ich średią armeczą c ' i s j 0 w s i j k ( dla kaŝdej faz i,,...,k ). Są o zw. SUROWE wskaźiki sezoowości. INTERPRETACJA (wskaźik surow ) 00% : O ile proce poziom zjawiska w daej fazie cklu jes wŝsz (zak plus) lub iŝsz (zak mius) od poziomu jaki błb osiągię, gdb ie bło wahań ckliczch, a rozwój asępował zgodie z redem.. Suma akich wskaźików dla wszskich faz powia bć rówa k. JeŜeli ak ie jes, o aleŝ surowe wskaźiki sezoowości podzielić przez odpowiedi współczik korgując ( [suma wskaźików surowch] / k). Orzmam w e sposób CZYSTE wskaźiki sezoowości.

10 D. Miszczńska,M.Miszczński, Maeriał do wkładu 6 ze Saski, 009/0 [0] PRZYKŁAD (c.d. przkładu ) Liczba okresów w szeregu czasowm ( dach kwaralch o obroach firm ALFA). Liczba ckli s (bo szereg opisuje dae kwarale przez laa). Liczba faz w kaŝdm cklu k (bo w kaŝdm roku są kwarał). () () () () (5) (6) (7) (8) (9) ŷ kwarał I II III IV ˆ 6,0 I,0 6, II, 7 0,90 III 0,90 0 6,5 IV, ,7 I 0,7 6 9,09 II, ,9 III 0, ,9 IV 0, ,87 I 0, ,8 II, ,90 III 0, ,0 IV,0 razem x x x x,65,8,7,8 SUROWE wskaźiki sezoowości 0,88,7 0,90,09 Σ,006 Σ /,005 CZYSTE wskaźiki sezoowości 0,88,5 0,90,09 Surowe wskaźiki sezoowości:,65 / 0,88;,8 /,7;,7 / 0,90;,8 /,09 Suma surowch wskaźików sezoowości wosi:,006 Współczik korgując:,006 /,005 Czse wskaźiki sezoowości: 0,8 /,0050,88,7 /,005,5 0,90 /,0050,90,09 /,005,09 Suma czsch wskaźików sezoowości wosi:,000

11 D. Miszczńska,M.Miszczński, Maeriał do wkładu 6 ze Saski, 009/0 [] JeŜeli pomoŝm w kaŝdm okresie eorecz poziom zjawiska ŷ przez odpowiedi dla daego okresu wskaźik sezoowości, o orzmam eorecz poziom zjawiska uwzględiając wahaia sezoowe. PRZYKŁAD 5 (c.d. przkładu ) Wzaczm progozę obroów firm ALFA a kolej rok ( koleje kwarał:,, 5 i 6) wkorzsując fukcję redu ˆ 5,7 00 oraz czse wskaźiki sezoowości (0,88 dla kwarałów I;,5 dla II; 0,90 dla III oraz,09 dla kwarałów IV). () () () () (5) (6) dae dae eorecze rzeczwise z redu kwarał ŷ wskaźiki sezoowości dae eorecze skorgowae 6 I 0, II,5 7 7 III 0, IV, I 0, II, III 0, IV, I 0, II, III 0, IV,09 PROGNOZY dla kolejch kwarałów? 0 I 0,88 68? 0 II,5 60 5? 6 III 0,90 0 6? 5 IV,09 8 ŷ

12 D. Miszczńska,M.Miszczński, Maeriał do wkładu 6 ze Saski, 009/0 [] Obro firm ALFA (wgładzaie,sezoowość, progoz) rzeczwise red red z sezo PROGNOZA W domu: Dla dach z kolum () i (6) osaiej abeli (,,...,) sroa ; policz współczik zbieŝości i współczik deermiacji (goowa abela poiŝej). Sprawdź o ile poprawiło się dopasowaie a skuek uwzględieia sezoowości. () () () () (5) (6) (7) ŷ Skor.sez. ( ˆ ) ( ) ( ) ( ) ˆ razem x x ϕ 0,07 R 0,97

PROGNOZY I SYMULACJE

PROGNOZY 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 szczegółowo

KURS STATYSTYKA. Lekcja 7 Analiza dynamiki zjawisk (zjawiska w czasie) ZADANIE DOMOWE. Strona 1

KURS STATYSTYKA. Lekcja 7 Analiza dynamiki zjawisk (zjawiska w czasie) ZADANIE DOMOWE.  Strona 1 KURS STATYSTYKA Lekcja 7 Aaliza damiki zjawisk (zjawiska w czasie) ZADANIE DOMOWE www.erapez.pl Sroa Część : TEST Zazacz poprawą odpowiedź (lko jeda jes prawdziwa). Paie Szereg damicz o: a) ciąg prędkości

Bardziej szczegółowo

PROGNOZOWANIE. Ćwiczenia 3. tel.: (061)

PROGNOZOWANIE. Ćwiczenia 3.  tel.: (061) Ćwiczeia 3 mgr iż.. Mara Krueger mara.krueger@edu.wsl.com.pl mara.krueger@ilim.poza.pl el.: (06 850 49 57 Meod progozowaia krókoermiowego sał poziom red sezoowość Y Y Y Czas Czas Czas Model aiw Modele

Bardziej szczegółowo

PROGNOZOWANIE. mgr Żaneta Pruska. Katedra Systemów Logistycznych.

PROGNOZOWANIE. mgr Żaneta Pruska. Katedra Systemów Logistycznych. PROGNOZOWANIE Kaedra Ssemów Logisczch mgr Żaea Pruska zaea_pruska@wp.pl zaea.pruska@wsl.com.pl PROJEKT 0 pk. (grup 4-osobowe) Projek: Wersja w Wordzie Powia zawierać opis projeku z zasosowaiem eapów progozowaia.

Bardziej szczegółowo

Metody statystyczne w naukach biologicznych

Metody statystyczne w naukach biologicznych Meod sascze w aukach biologiczch 6-6- Wkład: Szeregi czasowe i progozowaie Aaliza damiki iesie ze sobą ową jakość. Pozwala oa zbadać rozkład cech sasczej w czasie. Szeregi damicze przedsawiają kszałowaie

Bardziej szczegółowo

PROGNOZOWANIE. mgr Żaneta Pruska. Katedra Systemów Logistycznych.

PROGNOZOWANIE. mgr Żaneta Pruska. Katedra Systemów Logistycznych. PROGNOZOWANIE Kaedra Ssemów Logisczch mgr Żaea Pruska zaea_pruska@wp.pl zaea.pruska@wsl.com.pl PROJEKT 5 pk. (grup 4-osobowe) Projek: Wersja w Wordzie Powia zawierać opis projeku z zasosowaiem eapów progozowaia.

Bardziej szczegółowo

Prognozowanie i symulacje

Prognozowanie i symulacje Progozowaie i smulacje Ramow pla wkładu. Wprowadzeie w przedmio. rafość dopuszczalość i błąd progoz 3. Progozowaie a podsawie szeregów czasowch 4. Progozowaie a podsawie modelu ekoomerczego 5. Heurscze

Bardziej szczegółowo

Prognozowanie i symulacje

Prognozowanie i symulacje Prognozowanie i smulacje Lepiej znać prawdę niedokładnie, niż dokładnie się mlić. J. M. Kenes dr Iwona Kowalska ikowalska@wz.uw.edu.pl Prognozowanie meod naiwne i średnie ruchome Meod naiwne poziom bez

Bardziej szczegółowo

Szereg czasowy z trendem. Model Holta. Stosujemy dwa równania rekurencyjne: I - słuy do wyznaczania wygładzonych wartoci szeregu czasowego w chwili t

Szereg czasowy z trendem. Model Holta. Stosujemy dwa równania rekurencyjne: I - słuy do wyznaczania wygładzonych wartoci szeregu czasowego w chwili t zeeg czasow z edem. Model Hola. osujem dwa ówaia ekuecje: I - słu do wzaczaia wgładzoch waoci szeegu czasowego w chwili F = + ( )( + α α F ) II - słu do wzaczaia wgładzoch waoci pzosu edu w chwili = β

Bardziej szczegółowo

Miary rozproszenia. Miary położenia. Wariancja. Średnia. Dla danych indywidualnych: Dla danych indywidualnych: s 2 = 1 n. (x i x) 2. x i.

Miary 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 szczegółowo

DEA podstawowe modele

DEA podstawowe modele Marek Miszczński KBO UŁ 2008 - Aaliza dach graiczch (EA) cz.2 (przkład aaliza damiki rakigi) EA podsawowe modele WPROWAZENIE Efekwość (produkwość) obieku gospodarczego o es defiiowaa ako sosuek sum ważoch

Bardziej szczegółowo

Prognozowanie na podstawie szeregów czasowych.

Prognozowanie na podstawie szeregów czasowych. Progozowaie a podsawie szeregów czasowch. Sładowe szeregów czasowch. Szereg czasow sładowa ssemacza sładowa przpadowa red sał poziom sładowa oresowa wahaia clicze wahaia sezoowe Tred (edecja rozwojowa

Bardziej szczegółowo

Miary położenia. Miary rozproszenia. Średnia. Wariancja. Dla danych indywidualnych: Dla danych indywidualnych: s 2 = 1 n. (x i x) 2. x i.

Miary 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 szczegółowo

EKONOMETRIA. Liniowy model ekonometryczny (regresji) z jedną zmienną objaśniającą

EKONOMETRIA. 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 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

MODEL TENDENCJI ROZWOJOWEJ

MODEL TENDENCJI ROZWOJOWEJ MODEL TENDENCJI ROZWOJOWEJ Model endencji rozwojowej o konsrukcja eoreczna (równanie lub układ równań) opisująca kszałowanie się określonego zjawiska jako funkcji: zmiennej czasowej wahań okresowch (sezonowe

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

OCENA POPYTU POPYT POJĘCIA WSTĘPNE. Definicja: Popyt to ilość dobra, jaką nabywcy gotowi są zakupić przy różnych poziomach ceny.

OCENA 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 szczegółowo

TRANZYSTORY POLOWE JFET I MOSFET

TRANZYSTORY 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 szczegółowo

Analiza szeregów czasowych uwagi dodatkowe

Analiza szeregów czasowych uwagi dodatkowe Analiza szeregów czasowch uwagi dodakowe Jerz Sefanowski Poliechnika Poznańska Zaawansowana Eksploracja Danch Prognozowanie Wbór i konsrukcja modelu o dobrch własnościach predkcji przszłch warości zmiennej.

Bardziej szczegółowo

Wygładzanie metodą średnich ruchomych w procesach stałych

Wygładzanie 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 szczegółowo

Matematyka ubezpieczeń majątkowych 9.10.2006 r. Zadanie 1. Rozważamy proces nadwyżki ubezpieczyciela z czasem dyskretnym postaci: n

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 szczegółowo

STATYSTYKA OPISOWA PODSTAWOWE WZORY

STATYSTYKA 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 szczegółowo

ANALIZA SZEREGÓW CZASOWYCH

ANALIZA SZEREGÓW CZASOWYCH ANALIZA SZEREGÓW CZASWYCH Szereg czasow zbór warośc baanej cech lub warośc baanego zjawska zaobserwowanch w różnch momenach czasu uporząkowan chronologczne. Skłank szeregu czasowego:. enencja rozwojowa

Bardziej szczegółowo

Cechy szeregów czasowych

Cechy szeregów czasowych energecznch Cech szeregów czasowch Rozdział Modelowanie szeregów czasowch 7 proces deerminisczn proces kórego warość może bć preczjnie określona w dowolnm czasie =T+τ = a +b T T+τ czas = sin(ω) T T+τ czas

Bardziej szczegółowo

STATYSTYKA OPISOWA PODSTAWOWE WZORY

STATYSTYKA OPISOWA PODSTAWOWE WZORY MIARY POŁOŻENIA Średia Dla daych idywidualych: STATYSTYKA OPISOWA PODSTAWOWE WZORY Q i = x lmi + i mi 1 4 j h m i mi x = 1 x i x = 1 i ẋ i gdzie ẋ i środek i-tego przedziału i liczość i- tego przedziału

Bardziej szczegółowo

ANALIZA SZEREGÓW CZASOWYCH

ANALIZA SZEREGÓW CZASOWYCH ANALIZA ZEREGÓW CZAWYCH zereg czasow zbór warosc baanej cech lub warosc baanego zjawska zaobserwowanch w róznch momenach czasu uporzakowan chronologczne. klank szeregu czasowego:. enencja rozwojowa (ren)

Bardziej szczegółowo

21. CAŁKA KRZYWOLINIOWA NIESKIEROWANA. x = x(t), y = y(t), a < t < b,

21. 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 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

Sygnały pojęcie i klasyfikacja, metody opisu.

Sygnały 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 szczegółowo

MATEMATYKA wykład 1. Ciągi. Pierwsze 2 ciągi są rosnące (do nieskończoności), zaś 3-i ciąg jest zbieŝny do zera. co oznaczamy przez

MATEMATYKA 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 szczegółowo

Zajęcia 2. Estymacja i weryfikacja modelu ekonometrycznego

Zajęcia 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 szczegółowo

Analiza rynku projekt

Analiza 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 szczegółowo

. Dla każdego etapu t znamy funkcję transformacji stanu (funkcja przejścia):

. Dla każdego etapu t znamy funkcję transformacji stanu (funkcja przejścia): D Miszczńska, M Miszczński, KBO UŁ, Eleme programowaia damiczego Eleme PROGRAMOWANIA DYNAMICZNEGO (PD) Rozważam -eapow proces deczj: eap eap 2 eap - eap sa począkow 2 deczja x x x 2 x Sa procesu a począek

Bardziej szczegółowo

Modele tendencji rozwojowej STATYSTYKA OPISOWA. Dr Alina Gleska. Instytut Matematyki WE PP. 18 listopada 2017

Modele 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 szczegółowo

PROGNOZY I SYMULACJE

PROGNOZY I SYMULACJE oecasig is he a of saig wha will happe, ad he explaiig wh i did. h. hafield 98 PROGNOZY I YMULAJE Kaaza hud Laskowska kosulacje: p. 00A śoda - czwaek - soa ieeowa: hp://kc.sd.pz.edu.pl/ WYKŁAD VIII zeegi

Bardziej szczegółowo

Konspekty wykładów z ekonometrii

Konspekty wykładów z ekonometrii Konspek wkładów z ekonomerii Budowa i werfikaca modelu - reść przkładu W wniku ssemacznch badań popu na warzwa w pewnm mieście, orzmano nasępuące szeregi czasowe: przros (zmian) popu na warzwa (w zł. na

Bardziej szczegółowo

D:\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:\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 szczegółowo

Metody oceny efektywności projektów inwestycyjnych

Metody 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 szczegółowo

OBLICZENIE SIŁ WEWNĘTRZNYCH DLA BELKI SWOBODNIE PODPARTEJ SWOBODNIE PODPARTEJ ALGORYTM DO PROGRAMU MATHCAD

OBLICZENIE SIŁ WEWNĘTRZNYCH DLA BELKI SWOBODNIE PODPARTEJ SWOBODNIE PODPARTEJ ALGORYTM DO PROGRAMU MATHCAD OBLICZENIE SIŁ WEWNĘTRZNYCH DLA BELKI ALGORYTM DO PROGRAMU MATHCAD 1 PRAWA AUTORSKIE BUDOWNICTWOPOLSKIE.PL GRUDZIEŃ 2010 Rozpatrujemy belkę swobodie podpartą obciążoą siłą skupioą, obciążeiem rówomierie

Bardziej szczegółowo

Efektywność projektów inwestycyjnych. Statyczne i dynamiczne metody oceny projektów inwestycyjnych

Efektywność 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 szczegółowo

ANALIZA, PROGNOZOWANIE I SYMULACJA / Ćwiczenia 1

ANALIZA, PROGNOZOWANIE I SYMULACJA / Ćwiczenia 1 ANALIZA, PROGNOZOWANIE I SYMULACJA / Ćwiczenia 1 mgr inż. Żanea Pruska Maeriał opracowany na podsawie lieraury przedmiou. Zadanie 1 Firma Alfa jes jednym z głównych dosawców firmy Bea. Ilość produku X,

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

WSPOMAGANIE PROCESÓW DECYZYJNYCH

WSPOMAGANIE PROCESÓW DECYZYJNYCH WSPOMAGANIE PROCESÓW DECYZYJNYCH doc. dr Beaa Pułaska-Tura Zakład Badań Operacjch Zarządzaia, pokój B505 e-mail: urab@mail.wz.uw.edu.pl el: (22) 55 34 44 Mgr Pior Ja Gadecki e-mail: ifo@pgadecki.pl www:

Bardziej szczegółowo

Dane modelu - parametry

Dane modelu - parametry Dae modelu - paramer ˆ Ozaczea zmech a0 ax ax - osz w s. zł Budowa modelu: x - welość producj w seach o x - welość zarudea w osobach Meoda MNK Dae: x x 34 9 0 60 34 9 0 60 35 3 7 35 3 7 X T 0 9 3 4 5 3

Bardziej szczegółowo

Jak obliczać podstawowe wskaźniki statystyczne?

Jak 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 szczegółowo

PROGNOZOWANIE I SYMULACJE. mgr Żaneta Pruska. Ćwiczenia 2 Zadanie 1

PROGNOZOWANIE I SYMULACJE. mgr Żaneta Pruska. Ćwiczenia 2 Zadanie 1 PROGNOZOWANIE I SYMULACJE mgr Żanea Pruska Ćwiczenia 2 Zadanie 1 Firma Alfa jes jednym z głównych dosawców firmy Bea. Ilość produku X, wyrażona w ysiącach wyprodukowanych i dosarczonych szuk firmie Bea,

Bardziej szczegółowo

Krzywe na płaszczyźnie.

Krzywe na płaszczyźnie. Krzwe na płaszczźnie. Współrzędne paramerczne i biegunowe. Współrzędne biegunowe. Dan jes punk O, zwan biegunem, kór sanowi począek półprosej, zwanej półosią. Dowoln punk P na płaszczźnie można opisać

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

, 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 szczegółowo

Jarosław Wróblewski Analiza Matematyczna 2, lato 2018/19

Jarosław 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 szczegółowo

Ciągi i szeregi liczbowe. Ciągi nieskończone.

Ciągi i szeregi liczbowe. Ciągi nieskończone. Ciągi i szeregi liczbowe W zbiorze liczb X jest określoa pewa fukcja f, jeŝeli kaŝdej liczbie x ze zbioru X jest przporządkowaa dokładie jeda liczba pewego zbioru liczb Y Przporządkowaie to zapisujem w

Bardziej szczegółowo

Metrologia: miary dokładności. dr inż. Paweł Zalewski Akademia Morska w Szczecinie

Metrologia: 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 szczegółowo

3. Regresja liniowa Założenia dotyczące modelu regresji liniowej

3. 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 szczegółowo

PROGNOZOWANIE. Ćwiczenia 2. mgr Dawid Doliński

PROGNOZOWANIE. Ćwiczenia 2. mgr Dawid Doliński Ćwiczenia 2 mgr Dawid Doliński Modele szeregów czasowych sały poziom rend sezonowość Y Y Y Czas Czas Czas Modele naiwny Modele średniej arymeycznej Model Browna Modele ARMA Model Hola Modele analiyczne

Bardziej szczegółowo

Ćwiczenie 5 ITERACYJNY ALGORYTM LS. IDENTYFIKACJA OBIEKTÓW NIESTACJONARNYCH ALGORYTM Z WYKŁADNICZYM ZAPOMINANIEM.

Ćwiczenie 5 ITERACYJNY ALGORYTM LS. IDENTYFIKACJA OBIEKTÓW NIESTACJONARNYCH ALGORYTM Z WYKŁADNICZYM ZAPOMINANIEM. Kompterowe Sstem Idetfikacji Laboratorim Ćwiczeie 5 IERACYJY ALGORY LS. IDEYFIKACJA OBIEKÓW IESACJOARYCH ALGORY Z WYKŁADICZY ZAPOIAIE. gr iż. Piotr Bros, bros@agh.ed.pl Kraków 26 Kompterowe Sstem Idetfikacji

Bardziej szczegółowo

ANALIZA DYNAMIKI ZJAWISK SZEREG CZASOWY

ANALIZA DYNAMIKI ZJAWISK SZEREG CZASOWY D. Miszczńska, M.Miszczński, Maeriał do wkładu 5 ze Saski, 29/ [] ANALZA DYNAMK ZJAWSK. szereg czasow, chronologiczn (momenów, okresów) 2. średni oziom zjawiska w czasie (średnia armeczna, średnia chronologiczna)

Bardziej szczegółowo

4. MODELE ZALEŻNE OD ZDARZEŃ

4. 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 szczegółowo

E 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 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 szczegółowo

ZADANIA ZAMKNIĘTE. Zadanie 1. (1 pkt) Wartość wyrażenia. b dla a 2 3 i b 2 3 jest równa A B. 5 C. 6 D Zadanie 2.

ZADANIA ZAMKNIĘTE. Zadanie 1. (1 pkt) Wartość wyrażenia. b dla a 2 3 i b 2 3 jest równa A B. 5 C. 6 D Zadanie 2. Zachęcam do samodzielej prac z arkuszem diagostczm. Pozaj swoje moce i słabe stro, a astępie popracuj ad słabmi. Żczę przjemego rozwiązwaia zadań. Zadaie. ( pkt) Wartość wrażeia a ZADANIA ZAMKNIĘTE b dla

Bardziej szczegółowo

Bielecki Jakub Kawka Marcin Porczyk Krzysztof Węgrzyn Bartosz. Zbiorcze bazy danych

Bielecki Jakub Kawka Marcin Porczyk Krzysztof Węgrzyn Bartosz. Zbiorcze bazy danych Bielecki Jakub Kawka Marci Porczk Krzsztof Węgrz Bartosz Zbiorcze baz dach Marzec 2006 Spis treści. Opis działalości bizesowej firm... 3 2. Omówieie struktur orgaizacjej... 4 3. Opis obszaru bizesowego...

Bardziej szczegółowo

MIANO ROZTWORU TITRANTA. Analiza statystyczna wyników oznaczeń

MIANO 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 szczegółowo

Wykład FIZYKA I. 2. Kinematyka punktu materialnego. Dr hab. inż. Władysław Artur Woźniak

Wykład 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 szczegółowo

Materiały do wykładu 4 ze Statystyki

Materiały do wykładu 4 ze Statystyki Materiały do wykładu 4 ze Statytyki CHARAKTERYSTYKI LICZBOWE STRUKTURY ZBIOROWOŚCI (dok.) 1. miary położeia - wykład 2 2. miary zmieości (dyperji, rozprozeia) - wykład 3 3. miary aymetrii (kośości) 4.

Bardziej szczegółowo

Statystyka od podstaw z systemem SAS Dr hab. E. Frątczak, ZAHZiAW, ISiD, KAE. Część VII. Analiza szeregu czasowego

Statystyka od podstaw z systemem SAS Dr hab. E. Frątczak, ZAHZiAW, ISiD, KAE. Część VII. Analiza szeregu czasowego Część VII. Analiza szeregu czasowego 1 DEFINICJA SZEREGU CZASOWEGO Szeregiem czasowym nazywamy zbiór warości cechy w uporządkowanych chronologicznie różnych momenach (okresach) czasu. Oznaczając przez

Bardziej szczegółowo

2. Schemat ideowy układu pomiarowego

2. 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 szczegółowo

Statystyka. Wykład 13. Magdalena Alama-Bućko. 12 czerwca Magdalena Alama-Bućko Statystyka 12 czerwca / 30

Statystyka. Wykład 13. Magdalena Alama-Bućko. 12 czerwca Magdalena Alama-Bućko Statystyka 12 czerwca / 30 Statystyka Wykład 13 Magdalena Alama-Bućko 12 czerwca 2017 Magdalena Alama-Bućko Statystyka 12 czerwca 2017 1 / 30 Co wpływa na zmiany wartości danej cechy w czasie? W najbardziej ogólnym przypadku, na

Bardziej szczegółowo

Ćwiczenie 3. H 1 : p p 0 H 3 : p > p 0. b) dla małej próby statystykę testową oblicza się za pomocą wzoru:

Ćwiczenie 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 szczegółowo

Instytut Logistyki i Magazynowania

Instytut Logistyki i Magazynowania Insu Logiski i Magaznowania Ćwiczenia 1 mgr Dawid Doliński Dawid.Dolinski@ilim.poznan.pl lub Dawid.Dolinski@wsl.com.pl Tel. 0(61) 850 49 45 ZALICZENIE PRZEDMIOTU 5 punków Blok zajęć z Panem mgr D.Dolińskim

Bardziej szczegółowo

Bezrobocie. wysiłek. krzywa wysiłku pracownika E * płaca realna. w/p *

Bezrobocie. wysiłek. krzywa wysiłku pracownika E * płaca realna. w/p * dr Barłomiej Rokicki Bezrobocie Jedym z główych powodów, dla kórych a ryku pracy obserwujemy poziom bezrobocia wyższy od auralego (czyli akiego, kórego zasadiczo ie da się obiżyć) jes o, iż płace wyzaczae

Bardziej szczegółowo

Całka nieoznaczona Andrzej Musielak Str 1. Całka nieoznaczona

Całka nieoznaczona Andrzej Musielak Str 1. Całka nieoznaczona Całka nieoznaczona Andrzej Musielak Sr Całka nieoznaczona Całkowanie o operacja odwrona do liczenia pochodnych, zn.: f()d = F () F () = f() Z definicji oraz z abeli pochodnych funkcji elemenarnych od razu

Bardziej szczegółowo

Modele zmienności aktywów ryzykownych. Model multiplikatywny Rozkład logarytmiczno-normalny Parametry siatki dwumianowej

Modele zmienności aktywów ryzykownych. Model multiplikatywny Rozkład logarytmiczno-normalny Parametry siatki dwumianowej Moele zmieości akywów ryzykowych Moel muliplikaywy Rozkła logarymiczo-ormay Paramery siaki wumiaowej Moel muliplikaywy zmieości akywów Rekurecyjy moel muliplikaywy: (=, (k+ = (k u(k, k=,, Cea akywa w chwili

Bardziej szczegółowo

PROGNOZOWANIE I SYMULACJE EXCEL 2 PROGNOZOWANIE I SYMULACJE EXCEL AUTOR: ŻANETA PRUSKA

PROGNOZOWANIE I SYMULACJE EXCEL 2 PROGNOZOWANIE I SYMULACJE EXCEL AUTOR: ŻANETA PRUSKA 1 PROGNOZOWANIE I SYMULACJE EXCEL 2 AUTOR: mgr inż. ŻANETA PRUSKA DODATEK SOLVER 2 Sprawdzić czy w zakładce Dane znajduję się Solver 1. Kliknij przycisk Microsof Office, a nasępnie kliknij przycisk Opcje

Bardziej szczegółowo

Teoretyczne podstawy analizy indeksowej klasyfikacja indeksów, konstrukcja, zastosowanie

Teoretyczne podstawy analizy indeksowej klasyfikacja indeksów, konstrukcja, zastosowanie Teoretyczne podstawy analizy indeksowej klasyfikacja indeksów, konstrukcja, zastosowanie Szkolenie dla pracowników Urzędu Statystycznego nt. Wybrane metody statystyczne w analizach makroekonomicznych dr

Bardziej szczegółowo

Erlanga. Znajdziemy rozkład czasów oczekiwania na n-te zdarzenie. Łączny czas oczekiwania. na n zdarzeń dany jest przez: = u-v i t 2.

Erlanga. Znajdziemy rozkład czasów oczekiwania na n-te zdarzenie. Łączny czas oczekiwania. na n zdarzeń dany jest przez: = u-v i t 2. Rozład Erlaga Zajdziem rozład czasów oczeiwaia a -e zdarzeie. Łącz czas oczeiwaia a zdarzeń da jes przez: M. Przbcień Rachue prawdopodobieńswa i sasa ( (- gdzie E ; λ λ exp λ Podobie zajdujem: E ( ; E(

Bardziej szczegółowo

Wprowadzenie. Wojciech HYB, Joanna KALETA

Wprowadzenie. Wojciech HYB, Joanna KALETA 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

Bardziej szczegółowo

PROGNOZOWANIE I SYMULACJE EXCEL 2 AUTOR: MARTYNA MALAK PROGNOZOWANIE I SYMULACJE EXCEL 2 AUTOR: MARTYNA MALAK

PROGNOZOWANIE I SYMULACJE EXCEL 2 AUTOR: MARTYNA MALAK PROGNOZOWANIE I SYMULACJE EXCEL 2 AUTOR: MARTYNA MALAK 1 PROGNOZOWANIE I SYMULACJE 2 hp://www.oucome-seo.pl/excel2.xls DODATEK SOLVER WERSJE EXCELA 5.0, 95, 97, 2000, 2002/XP i 2003. 3 Dodaek Solver jes dosępny w menu Narzędzia. Jeżeli Solver nie jes dosępny

Bardziej szczegółowo

Ocena dopasowania modelu do danych empirycznych

Ocena dopasowania modelu do danych empirycznych Ocea dopasowaia modelu do dach empirczch Po oszacowaiu parametrów modelu ależ zbadać, cz zbudowa model dobrze opisuje badae zależości. Jeśli okaże się, że rozbieżość międz otrzmam modelem a dami empirczmi

Bardziej szczegółowo

Statystyka Wzory I. Analiza struktury

Statystyka Wzory I. Analiza struktury Uiwersytet Ekooiczy w Katowicach Wzory I. Aaliza struktury 1. Miary tedecji cetralej (średie, przecięte Średia arytetycza Dla sz. ważoego Dla sz. ważoego dla z. ciągłej Dla szeregu wyliczającego: dla zieej

Bardziej szczegółowo

Kinetyczna teoria gazów. Zjawiska transportu : dyfuzja transport masy transport energii przewodnictwo cieplne transport pędu lepkość

Kinetyczna teoria gazów. Zjawiska transportu : dyfuzja transport masy transport energii przewodnictwo cieplne transport pędu lepkość Kieycza eoria gazów Zjawiska rasporu : dyfuzja raspor masy raspor eergii przewodicwo cieple raspor pędu lepkość Zjawiska rasporu - dyfuzja syuacja począkowa brak rówowagi proces wyrówywaia koceracji -

Bardziej szczegółowo

Niepewności pomiarowe

Niepewności 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 szczegółowo

3. Wykład III: Warunki optymalności dla zadań bez ograniczeń

3. Wykład III: Warunki optymalności dla zadań bez ograniczeń 3 Wkład III: Waruki optmalości dla zadań bez ograiczeń Podae poiże waruki optmalości dla są uogólieiem powszechie zach waruków dla fukci ede zmiee (zerowaie się pierwsze pochode i lokala wpukłość) 3 Twierdzeie

Bardziej szczegółowo

Wykład FIZYKA I. 2. Kinematyka punktu materialnego. Dr hab. inż. Władysław Artur Woźniak

Wykład FIZYKA I. 2. Kinematyka punktu materialnego. Dr hab. inż. Władysław Artur Woźniak Wykład FIZYKA I. Kinemayka punku maerialnego Kaedra Opyki i Fooniki Wydział Podsawowych Problemów Techniki Poliechnika Wrocławska hp://www.if.pwr.wroc.pl/~wozniak/fizyka1.hml Miejsce konsulacji: pokój

Bardziej szczegółowo

MATEMATYKA (poziom podstawowy) przykładowy arkusz maturalny wraz ze schematem oceniania dla klasy II Liceum

MATEMATYKA (poziom podstawowy) przykładowy arkusz maturalny wraz ze schematem oceniania dla klasy II Liceum MATEMATYKA (poziom podstawowy) przykładowy arkusz maturaly wraz ze schematem oceiaia dla klasy II Liceum Propozycja zadań maturalych sprawdzających opaowaie wiadomości i umiejętości matematyczych z zakresu

Bardziej szczegółowo

DYNAMIKA KONSTRUKCJI

DYNAMIKA 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 szczegółowo

Zapraszamy do współpracy FACULTY OF ENGINEERING MANAGEMENT www.fem.put.poznan.pl Agnieszka Stachowiak agnieszka.stachowiak@put.poznan.pl Pokój 312 (obok czytelni) Dyżury: strona wydziałowa Materiały dydaktyczne:

Bardziej szczegółowo

Projekt z dnia 24.05.2012 r. Wersja 0.5 ROZPORZĄDZENIE MINISTRA GOSPODARKI 1) z dnia..

Projekt z dnia 24.05.2012 r. Wersja 0.5 ROZPORZĄDZENIE MINISTRA GOSPODARKI 1) z dnia.. Projekt z dia 24.05.2012 r. Wersja 0.5 ROZPORZĄDZENIE MINISTRA GOSPODARKI 1) z dia.. w sprawie szczegółowego zakresu obowiązku uzyskaia i przedstawieia do umorzeia świadectw efektywości eergetyczej i uiszczaia

Bardziej szczegółowo

Badanie funktorów logicznych TTL - ćwiczenie 1

Badanie funktorów logicznych TTL - ćwiczenie 1 adanie funkorów logicznych TTL - ćwiczenie 1 1. Cel ćwiczenia Zapoznanie się z podsawowymi srukurami funkorów logicznych realizowanych w echnice TTL (Transisor Transisor Logic), ich podsawowymi paramerami

Bardziej szczegółowo

MODELOWANIE I PROGNOZOWANIE

MODELOWANIE I PROGNOZOWANIE L.Kowalsk-Modelowae progozowae MODELOWANIE I PROGNOZOWANIE MATERIAŁY DYDAKTYCZNE o Podsawowe charakersk dach sasczch, o Ideks, o Progozowae- wadomośc wsępe, o Modele ekoomercze, o Jedorówaow model low,

Bardziej szczegółowo

ĆWICZENIE 6. Komputerowe wspomaganie analizy i syntezy układów sterowania Liniowe układy jedno- oraz wielowymiarowe

ĆWICZENIE 6. Komputerowe wspomaganie analizy i syntezy układów sterowania Liniowe układy jedno- oraz wielowymiarowe ĆWIZENIE 6 Kompuerowe wspomagaie aaliz i sez układów serowaia Liiowe układ jedo- oraz wielowmiarowe 6. el ćwiczeia odsawowm celem ćwiczeia jes ugruowaie wiadomości z zakresu projekowaia sez oraz smulacji

Bardziej szczegółowo

Gretl konstruowanie pętli Symulacje Monte Carlo (MC)

Gretl 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 szczegółowo

Statystyka opisowa - dodatek

Statystyka opisowa - dodatek Statystyka opisowa - dodatek. *Jak obliczyć statystyki opisowe w dużych daych? Liczeie statystyk opisowych w dużych daych może sprawiać problemy. Dla przykładu zauważmy, że aiwa implemetacja średiej arytmetyczej

Bardziej szczegółowo

Prognozowanie i symulacje

Prognozowanie i symulacje Prognozowanie i smulacje Ramow plan wkładu.wprowadzenie w przedmio.rafność dopuszczalność i błąd prognoz 3.Prognozowanie na podsawie szeregów czasowch 4.Prognozowanie na podsawie modelu ekonomercznego

Bardziej szczegółowo

Czas trwania obligacji (duration)

Czas 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

RÓWNANIA RÓŻNICZKOWE WYKŁAD 7

RÓWNANIA RÓŻNICZKOWE WYKŁAD 7 RÓWNANIA RÓŻNIZKOWE WYKŁAD 7 Deiicj Ukłdem rówń różiczkowch rzędu pierwszego w posci ormlej zwm ukłd rówń o iewidomch > zmie iezleż. Uwg Jeżeli = o zzwczj piszem x zmis orz g zmis jeżeli = o piszem x z

Bardziej szczegółowo

Rentgenowska analiza fazowa jakościowa i ilościowa Wykład 9

Rentgenowska 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 szczegółowo

Matematyka finansowa 06.10.2008 r. Komisja Egzaminacyjna dla Aktuariuszy. XLVII Egzamin dla Aktuariuszy z 6 października 2008 r.

Matematyka finansowa 06.10.2008 r. Komisja Egzaminacyjna dla Aktuariuszy. XLVII Egzamin dla Aktuariuszy z 6 października 2008 r. Komisja Egzamiacyja dla Aktuariuszy XLVII Egzami dla Aktuariuszy z 6 paździerika 2008 r. Część I Matematyka fiasowa WERSJA TESTU A Imię i azwisko osoby egzamiowaej:... Czas egzamiu: 00 miut . Kredytobiorca

Bardziej szczegółowo

Mec Me han a ik i a a o gólna Wyp W a yp dko dk w o a w do d w o o w l o ne n g e o g o ukł uk a ł du du sił.

Mec Me han a ik i a a o gólna Wyp W a yp dko dk w o a w do d w o o w l o ne n g e o g o ukł uk a ł du du sił. echaika ogóla Wkład r 2 Wpadkowa dowolego układu sił. ówowaga. odzaje sił i obciążeń. odzaje ustrojów prętowch. Wzaczaie reakcji. Wpadkowa układu sił rówoległch rzłożeie układu zerowego (układ sił rówoważącch

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

FUNKCJE DWÓCH ZMIENNYCH

FUNKCJE DWÓCH ZMIENNYCH FUNKCJE DWÓCH MIENNYCH De. JeŜel kaŝdemu puktow (, ) ze zoru E płaszczz XY przporządkujem pewą lczę rzeczwstą z, to mówm, Ŝe a zorze E określoa została ukcja z (, ). Gd zór E e jest wraźe poda, sprawdzam

Bardziej szczegółowo

Statystyka Inżynierska

Statystyka Inżynierska aysyka Iżyierska dr hab. iż. Jacek Tarasik AG WFiI 4 Wykład 5 TETOWANIE IPOTEZ TATYTYCZNYC ipoezy saysycze ipoezą saysyczą azywamy każde przypszczeie doyczące iezaego rozkład o prawdziwości lb fałszywości

Bardziej szczegółowo