mgr Maciej Jagielski dr hab. prof. UW Ryszard Kutner Zakład Dydaktyki Fizyki, Instytut Fizyki Doświadczalnej Wydział Fizyki, Uniwersytet Warszawski
|
|
- Maja Kania
- 7 lat temu
- Przeglądów:
Transkrypt
1 Rozdział i Modelowanie zamożności polskich gospodarstw domowych metodami statystycznymi mgr Maciej Jagielski dr hab. prof. UW Ryszard Kutner Zakład Dydaktyki Fizyki, Instytut Fizyki Doświadczalnej Wydział Fizyki, Uniwersytet Warszawski Streszczenie Celem pracy jest analiza empirycznych skumulowanych rozkładów rocznych dochodów gospodarstw domowych w Polsce w latach 2000 i Dane uzyskano z Głównego Urzędu Statystycznego. Rozważane rozkłady porównano z przewidywaniami praw Pareto, Prawa Efektów Proporcjonalnych, uogólnionego modelu Lotka Volterra oraz modeli zderzeo. Okazało się, że dochody średniozamożnych i najbogatszych polskich gospodarstw domowych opisywane są bardzo dobrze przez skumulowane rozkłady Pareto, różniące się wartością wykładnika Pareto. Z kolei dochody ubogich gospodarstw opisane są przez skumulowany rozkład log-normalny. Do opisu dochodów ubogich i średniozamożnych gospodarstw domowych można również wykorzystad uogólniony model Lotka-Volterra, który dostarcza interpretacji teoretycznej na poziomie pojedynczych gospodarstw domowych. Wstęp Obecnie żyjemy w czasach, w których do opisu złożoności otaczającego nas świata nie wystarczy posłużyd się narzędziami, jakie oferują poszczególne dyscypliny naukowe. Coraz częściej konieczne jest połączenie metod stosowanych do tej pory w zupełnie innych, czasem nawet bardzo różnych od siebie dziedzinach nauki. Jedną z takich dyscyplin badawczych jest ekonofizyka, która przy użyciu metod i modeli stosowanych w fizyce opisuje procesy ekonomiczne. Takie interdyscyplinarne podejście prowadzi do głębszego zrozumienia ich istoty, a także wzbogacenia metodologii ekonomii.
2 2 Rozdział i. Modelowanie zamożności polskich gospodarstw domowych metodami statystycznymi Rozszerzone spojrzenie na problemy dzisiejszych gospodarek wolnorynkowych daje zaskakujące rezultaty w przypadku analizy dochodów ludności w Polsce. Temat ten został szeroko omówiony w niniejszej pracy. Przedstawiono w niej analizę empirycznych skumulowanych rozkładów rocznych dochodów gospodarstw domowych w Polsce w latach 2000 i Rozkłady te porównano z przewidywaniami praw Pareto, Prawa Efektów Proporcjonalnych, uogólnionego modelu Lotka Volterra oraz modeli zderzeo. i.. Opis bazy danych W analizie wykorzystano dane Głównego Urzędu Statystycznego dotyczące rocznych dochodów gospodarstw w latach 2000 oraz Po usunięciu rekordów (252 w 2000 r.; 23 w 2006 r.), dla których dochód był mniejszy bądź równy zero, baza danych zwierała odpowiednio 359 i obserwacji. Niedodatnie wartości dochodu uznano za obserwacje błędne, gdyż zgodnie z definicją dochód do dyspozycji to: Dochód rozporządzalny pomniejszony o pozostałe wydatki. Dochód do dyspozycji przeznaczony jest na wydatki na towary i usługi konsumpcyjne oraz przyrost oszczędności (GUS, 2009). i.2. Analiza rocznych dochodów gospodarstw domowych w Polsce Celem niniejszego opracowania jest analiza empirycznych rozkładów skumulowanych rocznych dochodów gospodarstw domowych. Rozkłady te zostały skonstruowane zgodnie z następującą definicją: N ( m) I( m N i gdzie: m roczny dochód do dyspozycji, N liczba obserwacji w próbie, I(m i >m) - funkcja indykatorowa postaci: i m), () dla mi m I( m). (2) 0 dla mi m
3 Maciej Jagielski, Ryszard Kutner 3 A zatem dla ustalonego m zliczano gospodarstwa domowe indeksowane i ( i,2,..., N ), których dochód jest większy niż m i dzielono przez liczbę obserwacji w próbie. Z każdym zliczaniem ustaloną wartośd m zmieniano co 000 zł, poczynając od 0. W pierwszej kolejności do "ogonów" powyższych rozkładów dopasowano słabe prawo Pareto (Richmond i in., 2006) (rys. ; skala log-log) : gdzie: ) m 0 czynnik skalujący 2 ( m0 e ), wykładnik Pareto. ( m ) ( m/ m0, (3) const Rysunek i.. Dopasowanie słabego prawa Pareto (linia ciągła) do empirycznego skumulowanego rozkładu dochodów gospodarstw domowych w Polsce (punkty) z roku 2000 ( = 3,3±0.005) i 2006 ( = 2,928±0,009). W przypadku wszystkich zaprezentowanych analiz wyniki dla roku 2003 można znaleźd w pracy (Jagielski, 2009) oraz (Jagielski, Kutner, 200). 2 Dla roku 2000 m 0 wynosi 70,8±0,8 zł a dla roku 2006: 77±2 zł.
4 Dochód Dochód (m) (m) 4 Rozdział i. Modelowanie zamożności polskich gospodarstw domowych metodami statystycznymi 0, =3,30,005 Const=3,260,03 Rok , =2,9280,009 Const=2,720,05 Rok ,0 0,0 E-3 E-3 E-4 E-4 E m E m Na powyższym rysunku oznacza wykładnik Pareto. Z kolei const jest stałą, pochodzącą z dopasowanej prostej (w skali log-log). Możemy zauważyd, że słabe prawo Pareto dobrze opisuje ogony analizowanych rozkładów. Aby uzyskad tak dobre dopasowania konieczne było usunięcie ok obserwacji skrajnych, czyli gospodarstw domowych osiągających największe dochody. Usunięte obserwacje stanowiły ok. 0,06% badanej populacji. Wartośd wykładnika Pareto otrzymamy także, analizując ranking gospodarstw domowych, czyli wykres dochodów gospodarstw domowych w zależności od ich miejsca w rankingu. Odpowiednie wykresy w skali logarytmicznej znajdują się na rysunku 2. Rysunek i.2. Ranking gospodarstw domowych (linia ciągła oznacza dopasowanie, a punkty dane empiryczne) rok 2000 oraz Rok ranking =0,3244±0,0004 Const=5,7357±0,004 / Pareto =0,322±0, Ranking Rok 2006 ranking =0,3356±0,0002 Const=5,890±0,0006 / Pareto =0,345±0, Ranking Średniozamożne gospodarstwa domowe opisywane są w skali logarytmicznej prostą o nachyleniu. Okazuje się, że odwrotnośd wykładnika Pareto ranking uzyskanego w przypadku rozkładów skumulowanych rocznych dochodów go-
5 (m) (m) Maciej Jagielski, Ryszard Kutner 5 spodarstw domowych jest bardzo zbliżona do wyznaczonych wartości ranking. Wskazuje to na pełną zgodnośd obu zastosowanych metod. Do omawianych rozkładów skumulowanych dopasowano również skumulowany rozkład log-normalny, wynikający z Prawa Efektów Proporcjonalnych (Armatte, 995). Wyniki w skali logarytmicznej zostały zaprezentowane na rysunku 3 3 : ln( m m 0) ( m ) erf. (4) 2 2 Rysunek i.3. Dopasowanie skumulowanego rozkładu log-normalnego (linia ciągła) do skumulowanego rozkładu dochodów gospodarstw domowych w Polsce (punkty) z roku 2000 i Rok 2000 Rok , 0, 0,0 0,0 E-3 E-3 E-4 = 9,83±0,0 = 0,58±0,02 m0 = 0,0 E m E-4 E-5 = 0,07±0,0 = 0,59±0,02 m0 = 0, m Skumulowany rozkład log-normalny bardzo dobrze opisuje skumulowane dochody ubogich gospodarstw domowych. Fakt, że skumulowany rozkład lognormalny wykazuje tak dobrą zgodnośd z danymi empirycznymi wynika bezpośrednio z założeo Prawa Efektów Proporcjonalnych. W modelu tym zakładamy, że zmiany dochodu mogą byd niewielkie, co znajduje uzasadnienie w przypadku ubogich gospodarstw domowych (Armatte, 995). Z kolei słabe prawo Pareto jest odpowiednie do zobrazowania dochodów średniozamożnych gospodarstw domowych, ponieważ w tym wypadku zaczyna odgrywad rolę konkurencja rynkowa. Firmy konkurują miedzy sobą, a ich zyski przekładają się na zarobki pracowników jednostek tworzących gospodarstwa domowe (Yamamoto i in., 3 Parametr m 0 wynosi 0, gdyż nie wpływa on na wyniki estymacji pozostałych parametrów; w celu dopasowania krzywych posłużono się algorytmem Levenberga- Marquardta.
6 6 Rozdział i. Modelowanie zamożności polskich gospodarstw domowych metodami statystycznymi 2006). Dlatego też analiza wykresów na rysunkach oraz 3 nasuwa pytanie o wartośd dochodu w punkcie przecięcia się skumulowanego rozkładu lognormalnego i słabego prawa Pareto. Punkt ten może stanowid umowną, lecz zarazem precyzyjną (ze względu na niewielki błąd) granicę podziału między ubogimi, a średniozamożnymi gospodarstwami domowymi. Graniczna wartośd rocznego dochodu stanowiąca rozróżnienie między ubogimi, a średniozamożnymi gospodarstwami domowymi wynosi około: złotych w roku 2000, złotych w roku Do rozważanych rozkładów empirycznych dopasowano także rozkład skumulowany pochodzący z uogólnionego modelu Lotka-Volterra rys. 4 4 (Richmond, Solomon, 200), (Solomon, Richmond, 2002):, x ( x), (5) gdzie: wykładnik kształtu opisujący dopasowaną funkcję, x=m/<m> względny dochód gospodarstwa domowego (<m> - średnia wartośd dochodu gospodarstwa domowego w analizowanej próbie). Rysunek i.4. Dopasowanie uogólnionego modelu Lotka-Volterra (linia ciągła) do skumulowanego rozkładu dochodów gospodarstw domowych w Polsce (punkty) z roku 2000 ( = 3,88±0,09) i 2006 ( = 3,7±0,). 4 Skala log-log; w celu dopasowania krzywych posłużono się algorytmem Levenberga-Marquardta.
7 (x) (x) Maciej Jagielski, Ryszard Kutner 7 Rok 2000 =3,88±0,09 Rok 2006 =3,7±0, 0, 0, 0,0 0,0 E-3 E-3 E-4 E-4 E-5 0,0 0, 0 00 x=m/<m> E-5 0,0 0, 0 x=m/<m> Chod uogólniony model Lotka-Volterra nie opisuje tak dobrze skumulowanego rozkładu rocznych dochodów gospodarstw domowych jak skumulowany rozkład log-normalny i Pareto, to jednak różnice te są niewielkie. Istotną zaletą tego modelu jest możliwośd scharakteryzowania analizowanych rozkładów przy pomocy pojedynczej formy funkcyjnej. Oferuje on także cenne podejście teoretyczne na poziomie mikroskopowym, w którym dochód gospodarstwa domowego determinowany jest przez dochody dotychczas uzyskiwane oraz przez wysokośd świadczeo pomocy społecznej (ogólniej mówiąc redystrybucję dochodów w społeczeostwie) i ogólny stan gospodarki (Richmond, Solomon, 200), (Solomon, Richmond, 2002). W przypadku modelu Lotka-Volterra można wyznaczyd efektywną minimalną roczną wartośd dochodu, poniżej której prawdopodobieostwo osiągania mniejszych dochodów gwałtownie maleje: mmin. (6) m Na podstawie powyższego wzoru otrzymujemy minimalne wartości rocznego dochodu: w roku 2000; <m>=22339,35 zł; m min =383,88 zł, w roku 2006; <m>=2850,70 zł; m min =6373,32 zł. W dotychczasowych rozważaniach nie analizowano dochodów najbogatszych gospodarstw domowych, gdyż obserwacje takie były zbyt mało liczne, aby można poddad je jakiemukolwiek opisowi statystycznemu. Problem ten można
8 Bogactwo 8 Rozdział i. Modelowanie zamożności polskich gospodarstw domowych metodami statystycznymi pośrednio rozwiązad analizując wartośd majątku 00 najbogatszych Polaków w postaci rankingu 5 (rys. 5; skala logarytmiczna). Rysunek i.5. Ranking 00 najbogatszych Polaków z roku 2006 ( =,4±0,03; linia ciągła oznacza dopasowanie, a punkty dane empiryczne). Pareto E9 E8 Zgodnie z tym, co wykazano wcześniej, jeśli ranking najbogatszych można w skali logarytmicznej opisad zależnością liniową, to wówczas tzw. "krezusi" podlegają słabemu prawu Pareto o wykładniku /. Chod w tym Pareto ranking wypadku zamiast o dochodach mówimy o bogactwie, to jednak z własności rozkładu Pareto wynika, że nie wpływa to na obserwowane uniwersalności (Mandelbrot, 960). Otrzymane wartości wykładnika Pareto są bliskie jedności, co jest zgodne z wynikiem teoretycznym uzyskanym na podstawie modelu zderzeo ze zróżnicowaną między jednostkami skłonnością do oszczędzania (Bhattacharyya i in., 2005), (Chatterjee, Chakrabarti, 2007 i referencje tamże). Zatem można oczekiwad, że bogacenie się klasy średniej będzie polegało (z formalnego punktu widzenia) na maleniu wykładnika Pareto. Z kolei mechanizm zdobywania dochodów przez najbogatszych, podobnie jak w przypadku średniozamożnych gospodarstw domowych opiera się na istnieniu konkurencji rynkowej (Yamamoto i in., 2006), jednak w tym wypadku jednostki tworzące gospodarstwa domowe są przeważnie właścicielami konkurujących firm, przy czym dochody tych firm opisywane są prawem Zipfa (Okuyama i in., 999). Zakooczenie E7 Rok 2006 ranking =0,88±0,02 Const=0,05±0,3 Pareto =/ ranking =,4±0, Ranking 5 Dane o majątku 00 najbogatszych Polaków w roku 2006 zostały uzyskane ze strony internetowej tygodnika Wprost (Rankingi Wprost, 2009).
9 Maciej Jagielski, Ryszard Kutner 9 W pracy dokonano analizy empirycznych rozkładów skumulowanych dotyczących rocznych dochodów gospodarstw domowych w Polsce w latach 2000 i Okazało się, że mogą one byd bardzo dobrze opisywane skumulowanym rozkładem log-normalnym w przypadku ubogich gospodarstw domowych, jak również słabym prawem Pareto dla gospodarstw średniozamożnych. Punkt przecięcia obu rozkładów może wyznaczad granicę podziału między ubogimi, a średniozamożnymi gospodarstwami domowymi. Fakt, że skumulowany rozkład log-normalny wykazuje tak dobrą zgodnośd z danymi empirycznymi wynika bezpośrednio z założeo Prawa Efektów Proporcjonalnych. W modelu tym zakładamy, że zmiany dochodu mogą byd niewielkie, co znajduje uzasadnienie w przypadku ubogich gospodarstw domowych. Wśród rozważanych modeli obiecujące wyniki uzyskano także dla uogólnionego modelu Lotka-Volterra. Model ten w dobrym przybliżeniu odzwierciedla analizowane rozkłady oraz oferuje cenne podejście teoretyczne na poziomie mikroskopowym, w którym dochód gospodarstwa domowego determinowany jest przez dochody dotychczas uzyskiwane oraz przez wysokośd świadczeo pomocy społecznej (ogólniej mówiąc redystrybucję dochodów w społeczeostwie) i ogólny stan gospodarki. Dzięki temu, iż wykładnik Pareto opisujący dochody średniozamożnych gospodarstw domowych można uzyskad zarówno poprzez analizę rozkładów skumulowanych jak i rankingu, udało się także wyznaczyd jego wartośd dla najbogatszych jednostek społeczeostwa polskiego. A zatem skumulowane roczne dochody gospodarstw domowych mogą byd opisane w całym zakresie za pomocą rozkładów: skumulowanego log-normalnego, w przypadku ubogich gospodarstw domowych, skumulowanego Pareto z wykładnikiem równym około 3, w przypadku średniozamożnych gospodarstw domowych, skumulowanego Pareto z wykładnikiem równym około, w przypadku najbogatszych gospodarstw domowych. Otrzymane rezultaty otworzyły drogę do dalszych badao. Przede wszystkim interesujące byłoby dokonanie analogicznej analizy w przypadku województw i porównanie jej z wynikami uzyskanymi w skali całego kraju. Cennych informacji dostarczyłyby również studia nad dochodami społeczeostw innych krajów Europy. Zebrane w ten sposób informacje mogłyby posłużyd budowie bardziej zaawansowanych modeli teoretycznych uwzględniających zróżnicowany terytorialnie charakter zamożności społeczeostw. Podziękowania
10 0 Rozdział i. Modelowanie zamożności polskich gospodarstw domowych metodami statystycznymi Składamy serdeczne podziękowania Głównemu Urzędowi Statystycznemu za udostępnienie nieidentyfikowalnych danych źródłowych dotyczących rocznych dochodów gospodarstw domowych w Polsce w latach 2000, 2003 oraz Bibliografia Armatte M. (995), Robert Gibrat la loi de l'effet proportionnel, Mathématiques et sciences humaines, nr 29. Bhattacharyya P., Chatterjee A., Chakrabarti B. K. (2005), A common mode of origin of power laws in models of market and earthquake, Physica A, nr 38. Chatterjee A., Chakrabarti B. K. (2007), Kinetic exchange models for income and wealth distributions, The European Physical Journal B, nr 60. Główny Urząd Statystyczny, Jagielski M. (2009), Badanie zamożności gospodarstw domowych w Polsce metodami egzotycznej i tradycyjnej fizyki statystycznej, praca magisterska dostępna w bibliotece IFD Wydziału Fizyki Uniwersytetu Warszawskiego. Jagielski M., Kutner R. (200), Study of households' income in Poland by using the statistical physics approach, "Acta Physica Polonica A, w druku. Mandelbrot B. (960), New Methods in Statistical Economics, The Journal of Political Economy, nr 7. Okuyama K., Takayasu M., Takayasu H. (999), Zipf's law in income distribution of companies, Physica A, nr 269. Rankingi Wprost, Richmond P., Hutzler S., Coelho R., Repetowicz P. (2006), A Review of Empirical Studies and Models of Income Distributions [w:] Chakrabarti B. K., Chakraborti A., Chatterjee A., Society in Econophysics and Sociophysics: Trends and Perspectives, WILEY-VCH, Weinheim. Richmond P., Solomon S. (200), Power laws are disguised Boltzmann laws, International Journal of Modern Physics C, nr 2. Solomon S., Richmond P. (2002), Stable power laws in variable economies; Lotka- Volterra implies Pareto-Zipf, The European Physical Journal B, nr 27. Yamamoto K., Miyazima S., Yamamoto H., Ohtsuki T., Fujihara A. (2006), The power-law exponent and the competition rule of the high income model [w:] Takayasu H., Practical Fruits of Econophysics: Proceedings of the Third Nikkei Econophysics Symposium, Springer, Tokyo.
11
Modelowanie zamo noœci polskich gospodarstw domowych metodami statystycznymi
Poni sze trzy artyku³y by³y prezentowane podczas XV Konferencji Naukowej M³odych Ekonomistów, która odby³a siê we wrzeœniu 2009 r. w Warszawie. By³a ona zorganizowana przez WNE UW, SGH, SGGW, Politechnikê
Bardziej szczegółowoOszczędności gospodarstw domowych Analiza przekrojowa i analiza kohort
Oszczędności gospodarstw domowych Analiza przekrojowa i analiza kohort Barbara Liberda prof. zw. Uniwersytetu Warszawskiego Wydział Nauk Ekonomicznych Konferencja Długoterminowe oszczędzanie Szkoła Główna
Bardziej szczegółowoEDUKACYJNA WARTOŚĆ DODANA
ŚLĄSKIE TECHNICZNE ZAKŁADY NAUKOWE EDUKACYJNA WARTOŚĆ DODANA ANALIZA 1. INFORMACJE OGÓLNE. Wskaźnik EWD i wyniki egzaminacyjne rozpatrywane są wspólnie. W ten sposób dają nam one pełniejszy obraz pracy
Bardziej szczegółowoRecenzja pracy doktorskiej mgr Tomasza Świsłockiego pt. Wpływ oddziaływań dipolowych na własności spinorowego kondensatu rubidowego
Prof. dr hab. Jan Mostowski Instytut Fizyki PAN Warszawa Warszawa, 15 listopada 2010 r. Recenzja pracy doktorskiej mgr Tomasza Świsłockiego pt. Wpływ oddziaływań dipolowych na własności spinorowego kondensatu
Bardziej szczegółowoAnaliza korespondencji
Analiza korespondencji Kiedy stosujemy? 2 W wielu badaniach mamy do czynienia ze zmiennymi jakościowymi (nominalne i porządkowe) typu np.: płeć, wykształcenie, status palenia. Punktem wyjścia do analizy
Bardziej szczegółowoSpis treści. Przedmowa... XI. Rozdział 1. Pomiar: jednostki miar... 1. Rozdział 2. Pomiar: liczby i obliczenia liczbowe... 16
Spis treści Przedmowa.......................... XI Rozdział 1. Pomiar: jednostki miar................. 1 1.1. Wielkości fizyczne i pozafizyczne.................. 1 1.2. Spójne układy miar. Układ SI i jego
Bardziej szczegółowoWpływ zdarzeń ekstremalnych i superekstermalnych na stochastyczną dynamikę szeregów czasowych
Proc. niegaussowskie Smoki Metodologia Symulacje Podsumowanie Wpływ zdarzeń ekstremalnych i superekstermalnych na stochastyczną dynamikę szeregów czasowych T.R. Werner 1 T. Gubiec 2 P. Kosewski 2 R. Kutner
Bardziej szczegółowoPrognozowanie 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 szczegółowoistocie dziedzina zajmująca się poszukiwaniem zależności na podstawie prowadzenia doświadczeń jest o wiele starsza: tak na przykład matematycy
MODEL REGRESJI LINIOWEJ. METODA NAJMNIEJSZYCH KWADRATÓW Analiza regresji zajmuje się badaniem zależności pomiędzy interesującymi nas wielkościami (zmiennymi), mające na celu konstrukcję modelu, który dobrze
Bardziej szczegółowoSTRESZCZENIE. rozprawy doktorskiej pt. Zmienne jakościowe w procesie wyceny wartości rynkowej nieruchomości. Ujęcie statystyczne.
STRESZCZENIE rozprawy doktorskiej pt. Zmienne jakościowe w procesie wyceny wartości rynkowej nieruchomości. Ujęcie statystyczne. Zasadniczym czynnikiem stanowiącym motywację dla podjętych w pracy rozważań
Bardziej szczegółowowersja elektroniczna - ibuk
Parteka A. (2015). Dywersyfikacja handlu zagranicznego a rozwój gospodarczy. Warszawa: Wydawnictwo Naukowe PWN. ISBN 978-83-01-18336-3 wersja elektroniczna - ibuk Opis Czy zróżnicowanie handlu ma znaczenie?
Bardziej szczegółowoDetekcja rozkładów o ciężkich ogonach
Detekcja rozkładów o ciężkich ogonach J. Śmiarowska, P. Jamer Wydział Matematyki i Nauk Informacyjnych Politechnika Warszawska 24 kwietnia 2012 J. Śmiarowska, P. Jamer (Politechnika Warszawska) Detekcja
Bardziej szczegółowo-> Średnia arytmetyczna (5) (4) ->Kwartyl dolny, mediana, kwartyl górny, moda - analogicznie jak
Wzory dla szeregu szczegółowego: Wzory dla szeregu rozdzielczego punktowego: ->Średnia arytmetyczna ważona -> Średnia arytmetyczna (5) ->Średnia harmoniczna (1) ->Średnia harmoniczna (6) (2) ->Średnia
Bardziej szczegółowoKontekstowe wskaźniki efektywności nauczania - warsztaty
Kontekstowe wskaźniki efektywności nauczania - warsztaty Przygotowała: Aleksandra Jasińska (a.jasinska@ibe.edu.pl) wykorzystując materiały Zespołu EWD Czy dobrze uczymy? Metody oceny efektywności nauczania
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 szczegółowoSYLABUS DOTYCZY CYKLU KSZTAŁCENIA
Załącznik nr 4 do Uchwały Senatu nr 430/01/2015 SYLABUS DOTYCZY CYKLU KSZTAŁCENIA 2015-2017 (skrajne daty) 1.1. PODSTAWOWE INFORMACJE O PRZEDMIOCIE/MODULE Nazwa przedmiotu/ modułu Zarządzanie finansami
Bardziej szczegółowoSeminarium magisterskie Ubóstwo, bogactwo, nierówność
Seminarium magisterskie Ubóstwo, bogactwo, nierówność dr Michał Brzeziński wtorki, 18:30-20, sala 209 oraz spotkania w terminach indywidualnych w 304 Parę słów o moich zainteresowaniach badawczych Zajmuję
Bardziej szczegółowoANALIZA WRAŻLIWOŚCI CENY OPCJI O UWARUNKOWANEJ PREMII
STUDIA I PRACE WYDZIAŁU NAUK EKONOMICZNYCH I ZARZĄDZANIA NR 31 Ewa Dziawgo Uniwersytet Mikołaja Kopernika w Toruniu ANALIZA WRAŻLIWOŚCI CENY OPCJI O UWARUNKOWANEJ PREMII Streszczenie W artykule przedstawiono
Bardziej szczegółowogdzie. Dla funkcja ma własności:
Ekonometria, 21 listopada 2011 r. Modele ściśle nieliniowe Funkcja logistyczna należy do modeli ściśle nieliniowych względem parametrów. Jest to funkcja jednej zmiennej, zwykle czasu (t). Dla t>0 wartośd
Bardziej szczegółowoZróżnicowanie poziomu ubóstwa w Polsce z uwzględnieniem płci
Zróżnicowanie poziomu ubóstwa w Polsce z uwzględnieniem płci Łukasz Wawrowski Katedra Statystyki Uniwersytet Ekonomiczny w Poznaniu Zróżnicowanie poziomu ubóstwa w Polsce z uwzględnieniem płci 2 / 23 Plan
Bardziej szczegółowoRegresja linearyzowalna
1 z 5 2007-05-09 23:22 Medycyna Praktyczna - portal dla lekarzy Regresja linearyzowalna mgr Andrzej Stanisz z Zakładu Biostatystyki i Informatyki Medycznej Collegium Medicum UJ w Krakowie Data utworzenia:
Bardziej szczegółowo5 Błąd średniokwadratowy i obciążenie
5 Błąd średniokwadratowy i obciążenie Przeprowadziliśmy 200 powtórzeń przebiegu próbnika dla tego samego zestawu parametrów modelowych co w Rozdziale 1, to znaczy µ = 0, s = 10, v = 10, n i = 10 (i = 1,...,
Bardziej szczegółowoDopasowywanie 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 szczegółowoWynagrodzenia w sektorze publicznym w 2011 roku
Wynagrodzenia w sektorze publicznym w 2011 roku Już po raz dziewiąty mamy przyjemność przedstawić Państwu podsumowanie Ogólnopolskiego Badania Wynagrodzeń (OBW). W 2011 roku uczestniczyło w nim ponad sto
Bardziej szczegółowoKOMUNIKATzBADAŃ. Oczekiwania dochodowe Polaków NR 158/2015 ISSN
KOMUNIKATzBADAŃ NR 158/2015 ISSN 2353-5822 Oczekiwania dochodowe Polaków Przedruk i rozpowszechnianie tej publikacji w całości dozwolone wyłącznie za zgodą CBOS. Wykorzystanie fragmentów oraz danych empirycznych
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 szczegółowoCbO %u. Barbara Podolec Paweł Ulman Agnieszka Watęga. Jctywność ekonomiczna a sytuacja materialna gospodarstw domowych
CbO %u Barbara Podolec Paweł Ulman Agnieszka Watęga Jctywność ekonomiczna a sytuacja materialna gospodarstw domowych Wydawnictwo Uniwersytetu Ekonomicznego w Krakowie Kraków 2008 SPIS TREŚCI Wprowadzenie
Bardziej szczegółowoWYKRESY SPORZĄDZANE W UKŁADZIE WSPÓŁRZĘDNYCH:
WYKRESY SPORZĄDZANE W UKŁADZIE WSPÓŁRZĘDNYCH: Zasada podstawowa: Wykorzystujemy możliwie najmniej skomplikowaną formę wykresu, jeżeli to możliwe unikamy wykresów 3D (zaciemnianie treści), uwaga na kolory
Bardziej szczegółowoA.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 szczegółowoPróba własności i parametry
Próba własności i parametry Podstawowe pojęcia Zbiorowość statystyczna zbiór jednostek (obserwacji) nie identycznych, ale stanowiących logiczną całość Zbiorowość (populacja) generalna skończony lub nieskończony
Bardziej szczegółowoSpacery losowe generowanie realizacji procesu losowego
Spacery losowe generowanie realizacji procesu losowego Michał Krzemiński Streszczenie Omówimy metodę generowania trajektorii spacerów losowych (błądzenia losowego), tj. szczególnych procesów Markowa z
Bardziej szczegółowoKorelacje krzyżowe kryzysów finansowych w ujęciu korelacji potęgowych. Analiza ewolucji sieci na progu liniowości.
Korelacje krzyżowe kryzysów finansowych w ujęciu korelacji potęgowych. Analiza ewolucji sieci na progu liniowości. Cross-correlations of financial crisis analysed by power law classification scheme. Evolving
Bardziej szczegółowoCena do wartości księgowej (C/WK, P/BV)
Cena do wartości księgowej (C/WK, P/BV) Wskaźnik cenadowartości księgowej (ang. price to book value ratio) jest bardzo popularnym w analizie fundamentalnej. Informuje on jaką cenę trzeba zapład za 1 złotówkę
Bardziej szczegółowoStatystyki: miary opisujące rozkład! np. : średnia, frakcja (procent), odchylenie standardowe, wariancja, mediana itd.
Wnioskowanie statystyczne obejmujące metody pozwalające na uogólnianie wyników z próby na nieznane wartości parametrów oraz szacowanie błędów tego uogólnienia. Przewidujemy nieznaną wartości parametru
Bardziej szczegółowoKoszty manipulacyjne funduszy inwestycyjnych
2010 Koszty manipulacyjne funduszy inwestycyjnych Szymon Wieloch Niniejszy dokument opisuje zjawiska mikroekonomiczne, które występują na polskim rynku funduszy inwestycyjnych. W szczególności rozpatrywane
Bardziej szczegółowo7. Podatki Podstawowe pojęcia
7. Podatki - 7.1 Podstawowe pojęcia Podatki są poddzielone na dwie kategorie: 1. Bezpośrednie - nałożone bezpośrednio na dochód z pracy. 2. Pośrednie - nałożone na wydatki, np. na różne towary. 1 / 35
Bardziej szczegółowoLABORATORIUM 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 szczegółowoNierówność. Semiarium magisterskie Przyczyny i skutki nierówności ekonomicznych od Marksa do Piketty ego. Michał Brzeziński. 9 marca 2016 WNE UW
Nierówność Semiarium magisterskie Przyczyny i skutki nierówności ekonomicznych od Marksa do Piketty ego Michał Brzeziński WNE UW 9 marca 2016 Michał Brzeziński (WNE UW) Nierówność 9 marca 2016 1 / 22 Spis
Bardziej szczegółowoANALIZA STATYSTYCZNA WYNIKÓW BADAŃ
ANALIZA STATYSTYCZNA WYNIKÓW BADAŃ Dopasowanie rozkładów Dopasowanie rozkładów- ogólny cel Porównanie średnich dwóch zmiennych 2 zmienne posiadają rozkład normalny -> test parametryczny (t- studenta) 2
Bardziej szczegółowoAnaliza i modelowanie przepływów w sieci Internet. Andrzej Andrijew
Analiza i modelowanie przepływów w sieci Internet Andrzej Andrijew Plan referatu Samopodobieostwo w sieci Internet Samopodobne procesy stochastyczne Metody sprawdzania samopodobieostwa Modelowanie przepływów
Bardziej szczegółowoExcel i VBA w analizach i modelowaniu finansowym Pomiar ryzyka. Pomiar ryzyka
Pomiar ryzyka Miary obiektywne stosowane w kwantyfikacji ryzyka rynkowego towarzyszącego zaangażowaniu środków w inwestycjach finansowych obejmują: Miary zmienności, Miary zagrożenia, Miary wrażliwości.
Bardziej szczegółowoPodstawy opracowania wyników pomiarów z elementami analizy niepewności pomiarowych
Podstawy opracowania wyników pomiarów z elementami analizy niepewności pomiarowych dla studentów Biologii A i B dr hab. Paweł Korecki e-mail: pawel.korecki@uj.edu.pl http://www.if.uj.edu.pl/pl/edukacja/pracownia_i/
Bardziej szczegółowoGraficzne opracowanie wyników pomiarów 1
GRAFICZNE OPRACOWANIE WYNIKÓW POMIARÓW Celem pomiarów jest bardzo często potwierdzenie związku lub znalezienie zależności między wielkościami fizycznymi. Pomiar polega na wyznaczaniu wartości y wielkości
Bardziej szczegółowoRozdział 9 Przegląd niektórych danych doświadczalnych o produkcji hadronów. Rozpraszanie elastyczne. Rozkłady krotności
Rozdział 9 Przegląd niektórych danych doświadczalnych o produkcji hadronów. Rozpraszanie elastyczne. Rozkłady krotności Krotności hadronów a + b c 1 + c +...+ c i +...+ c N Reakcje ekskluzywne: wszystkie
Bardziej szczegółowoMateriał dla studentów
Materiał dla studentów Wydatki konsumpcyjne gospodarstw domowych (studium przypadku) Nazwa przedmiotu: Statystyka Kierunek studiów: Dla wszystkich studentów (przedmiot podstawowy) Studia I stopnia/studia
Bardziej szczegółowo2.2 Gospodarka mieszkaniowa Struktura wykształcenia... 19
Spis treści Spis tabel... 5 Spis rysunków... 7 1.Wstęp... 10 2. Struktura społeczna ekonomiczna w Polsce... 11 2.1 Liczebność i udziały grup społeczno ekonomicznych... 11 2.2 Gospodarka mieszkaniowa...
Bardziej szczegółowoCEL ĆWICZENIA: Celem ćwiczenia jest zapoznanie się z zastosowaniem diod i wzmacniacza operacyjnego
WFiIS LABORATORIUM Z ELEKTRONIKI Imię i nazwisko: 1.. TEMAT: ROK GRUPA ZESPÓŁ NR ĆWICZENIA Data wykonania: Data oddania: Zwrot do poprawy: Data oddania: Data zliczenia: OCENA CEL ĆWICZENIA: Celem ćwiczenia
Bardziej szczegółowoANALIZA WYNIKÓW NAUCZANIA W GIMNAZJUM NR 3 Z ZASTOSOWANIEM KALKULATORA EWD 100 ROK 2012
ANALIZA WYNIKÓW NAUCZANIA W GIMNAZJUM NR 3 Z ZASTOSOWANIEM KALKULATORA EWD 100 ROK 2012 OPRACOWAŁY: ANNA ANWAJLER MARZENA KACZOR DOROTA LIS 1 WSTĘP W analizie wykorzystywany będzie model szacowania EWD.
Bardziej szczegółowoANALIZA DOCHODÓW I WYDATKÓW GOSPODARSTW DOMOWYCH OSÓB PRACUJĄCYCH NA WŁASNY RACHUNEK W POLSCE W LATACH 2002-2007
ZESZYTY NAUKOWE INSTYTUTU EKONOMII I ZARZĄDZANIA Agnieszka STARCZEWSKA ANALIZA DOCHODÓW I WYDATKÓW GOSPODARSTW DOMOWYCH OSÓB PRACUJĄCYCH NA WŁASNY RACHUNEK W POLSCE W LATACH 2002-2007 Zarys treści: Autorka
Bardziej szczegółowoPRZYKŁADY BUDOWY MODELI REGRESYJNYCH I KLASYFIKACYJNYCH. Wprowadzenie do problematyki modelowania statystycznego
PRZYKŁADY BUDOWY MODELI REGRESYJNYCH I KLASYFIKACYJNYCH Janusz Wątroba, StatSoft Polska Sp. z o.o. Tematyka artykułu obejmuje wprowadzenie do problematyki modelowania statystycznego i jego roli w badaniu
Bardziej szczegółowoUczenie się pojedynczego neuronu. Jeśli zastosowana zostanie funkcja bipolarna s y: y=-1 gdy z<0 y=1 gdy z>=0. Wówczas: W 1 x 1 + w 2 x 2 + = 0
Uczenie się pojedynczego neuronu W0 X0=1 W1 x1 W2 s f y x2 Wp xp p x i w i=x w+wo i=0 Jeśli zastosowana zostanie funkcja bipolarna s y: y=-1 gdy z=0 Wówczas: W 1 x 1 + w 2 x 2 + = 0 Algorytm
Bardziej szczegółowoWSPÓŁCZYNNIK DWUMODALNOŚCI BC I JEGO ZASTOSOWANIE W ANALIZACH ROZKŁADÓW ZMIENNYCH LOSOWYCH
METODY ILOŚCIOWE W BADANIACH EKONOMICZNYCH Tom XV/3, 2014, str. 20 29 WSPÓŁCZYNNIK DWUMODALNOŚCI BC I JEGO ZASTOSOWANIE W ANALIZACH ROZKŁADÓW ZMIENNYCH LOSOWYCH Aleksandra Baszczyńska, Dorota Pekasiewicz
Bardziej szczegółowoDmuchając nad otworem butelki można sprawić, że z butelki zacznie wydobywać się dźwięk.
Zadanie D Gwiżdżąca butelka Masz do dyspozycji: plastikową butelkę o pojemności 1,5- l z szyjką o walcowym kształcie i długości ok. 3 cm, naczynie o znanej pojemności, znacznie mniejszej niż pojemność
Bardziej szczegółowoStanisław Cichocki. Natalia Nehrebecka
Stanisław Cichocki Natalia Nehrebecka - adres mailowy: scichocki@o2.pl - strona internetowa: www.wne.uw.edu.pl/scichocki - dyżur: po zajęciach lub po umówieniu mailowo - 80% oceny: egzaminy - 20% oceny:
Bardziej szczegółowoStanisław Cichocki. Natalia Nehrebecka
Stanisław Cichocki Natalia Nehrebecka - adres mailowy: nnehrebecka@wne.uw.edu.pl - strona internetowa: www.wne.uw.edu.pl/nnehrebecka - dyżur: wtorek 18.30-19.30 sala 302 lub 303 - 80% oceny: egzaminy -
Bardziej szczegółowoJAKIEGO RODZAJU NAUKĄ JEST
JAKIEGO RODZAJU NAUKĄ JEST INFORMATYKA? Computer Science czy Informatyka? Computer Science czy Informatyka? RACZEJ COMPUTER SCIENCE bo: dziedzina ta zaistniała na dobre wraz z wynalezieniem komputerów
Bardziej szczegółowoStanisław Cichocki. Natalia Nehrebecka Katarzyna Rosiak-Lada
Stanisław Cichocki Natalia Nehrebecka Katarzyna Rosiak-Lada 1. Sprawy organizacyjne Zasady zaliczenia 2. Czym zajmuje się ekonometria? 3. Formy danych statystycznych 4. Model ekonometryczny 2 1. Sprawy
Bardziej szczegółowoMetody wypełniania braków w danych ang. Missing values in data
Analiza danych wydobywanie wiedzy z danych III Metody wypełniania braków w danych ang. Missing values in data W rzeczywistych zbiorach danych dane są często nieczyste: - niekompletne (brakujące ważne atrybuty,
Bardziej szczegółowoEstymacja parametrów w modelu normalnym
Estymacja parametrów w modelu normalnym dr Mariusz Grządziel 6 kwietnia 2009 Model normalny Przez model normalny będziemy rozumieć rodzine rozkładów normalnych N(µ, σ), µ R, σ > 0. Z Centralnego Twierdzenia
Bardziej szczegółowoAnaliza danych. http://zajecia.jakubw.pl/ TEMATYKA PRZEDMIOTU
Analiza danych Wstęp Jakub Wróblewski jakubw@pjwstk.edu.pl http://zajecia.jakubw.pl/ TEMATYKA PRZEDMIOTU Różne aspekty analizy danych Reprezentacja graficzna danych Metody statystyczne: estymacja parametrów
Bardziej szczegółowoStatystyki opisowe i szeregi rozdzielcze
Statystyki opisowe i szeregi rozdzielcze - ćwiczenia ĆWICZENIA Piotr Ciskowski ramka-wąsy przykład 1. krwinki czerwone Stanisz W eksperymencie farmakologicznym analizowano oddziaływanie pewnego preparatu
Bardziej szczegółowoNatalia Nehrebecka. Zajęcia 1
Natalia Nehrebecka Zajęcia 1 1 Zanim zaczniemy Zasady zaliczenia Zasady dotyczące prezentacji literatury Zasady prezentacji wyników własnego badania Tematyka zajęd 2 Zanim zaczniemy Zasady zaliczenia Zasady
Bardziej szczegółowoComparative analysis of households incomes in the European Union and the United States
Coparative analysis of households incoes in the European Union and the United States Rafał Duczal, Maciej Jagielski, Ryszard Kutner Faculty of Physics, University of Warsaw Hoża 69, PL-00681 Warsaw, Poland
Bardziej szczegółowoWSKAZÓWKI DO WYKONANIA SPRAWOZDANIA Z WYRÓWNAWCZYCH ZAJĘĆ LABORATORYJNYCH
WSKAZÓWKI DO WYKONANIA SPRAWOZDANIA Z WYRÓWNAWCZYCH ZAJĘĆ LABORATORYJNYCH Dobrze przygotowane sprawozdanie powinno zawierać następujące elementy: 1. Krótki wstęp - maksymalnie pół strony. W krótki i zwięzły
Bardziej szczegółowoAnaliza regresji - weryfikacja założeń
Medycyna Praktyczna - portal dla lekarzy Analiza regresji - weryfikacja założeń mgr Andrzej Stanisz z Zakładu Biostatystyki i Informatyki Medycznej Collegium Medicum UJ w Krakowie (Kierownik Zakładu: prof.
Bardziej szczegółowoRuch jednostajnie przyspieszony wyznaczenie przyspieszenia
Doświadczenie: Ruch jednostajnie przyspieszony wyznaczenie przyspieszenia Cele doświadczenia Celem doświadczenia jest zbadanie zależności drogi przebytej w ruchu przyspieszonym od czasu dla kuli bilardowej
Bardziej szczegółowoINFOBAZY 2014 VII KRAJOWA KONFERENCJA NAUKOWA INSPIRACJA - INTEGRACJA - IMPLEMENTACJA
Centrum Informatyczne TASK Politechnika Gdańska Instytut Oceanologii Polskiej Akademii Nauk (IO PAN) INFOBAZY 2014 VII KRAJOWA KONFERENCJA NAUKOWA INSPIRACJA - INTEGRACJA - IMPLEMENTACJA Gdańsk Sopot,
Bardziej szczegółowoPorównanie generatorów liczb losowych wykorzystywanych w arkuszach kalkulacyjnych
dr Piotr Sulewski POMORSKA AKADEMIA PEDAGOGICZNA W SŁUPSKU KATEDRA INFORMATYKI I STATYSTYKI Porównanie generatorów liczb losowych wykorzystywanych w arkuszach kalkulacyjnych Wprowadzenie Obecnie bardzo
Bardziej szczegółowoStatystyka i Analiza Danych
Warsztaty Statystyka i Analiza Danych Gdańsk, 20-22 lutego 2014 Zastosowania wybranych technik regresyjnych do modelowania współzależności zjawisk Janusz Wątroba StatSoft Polska Centrum Zastosowań Matematyki
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 szczegółowoFIZYKA II STOPNIA. TABELA ODNIESIENIA EFEKTÓW KIERUNKOWYCH DO EFEKTÓW PRK POZIOM 7 Symbol Efekty kształcenia dla kierunku studiów FIZYKA.
Załącznik nr 2 do uchwały nr 421 Senatu Uniwersytetu Zielonogórskiego z dnia 29 maja 2019 r. Opis zakładanych efektów uczenia się z przyporządkowaniem kierunku studiów do dziedzin nauki i dyscyplin naukowych
Bardziej szczegółowoWykład 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 szczegółowoWstęp do teorii niepewności pomiaru. Danuta J. Michczyńska Adam Michczyński
Wstęp do teorii niepewności pomiaru Danuta J. Michczyńska Adam Michczyński Podstawowe informacje: Strona Politechniki Śląskiej: www.polsl.pl Instytut Fizyki / strona własna Instytutu / Dydaktyka / I Pracownia
Bardziej szczegółowoBudowa sztucznych sieci neuronowych do prognozowania. Przykład jednostek uczestnictwa otwartego funduszu inwestycyjnego
Budowa sztucznych sieci neuronowych do prognozowania. Przykład jednostek uczestnictwa otwartego funduszu inwestycyjnego Dorota Witkowska Szkoła Główna Gospodarstwa Wiejskiego w Warszawie Wprowadzenie Sztuczne
Bardziej szczegółowoMikroekonometria 5. Mikołaj Czajkowski Wiktor Budziński
Mikroekonometria 5 Mikołaj Czajkowski Wiktor Budziński Zadanie 1. Wykorzystując dane me.medexp3.dta przygotuj model regresji kwantylowej 1. Przygotuj model regresji kwantylowej w którym logarytm wydatków
Bardziej szczegółowoKONIUNKTURA KONSUMENCKA NA POZIOMIE LOKALNYM W WOJEWÓDZTWIE LUBELSKIM I PODKARPACKIM
25 KONIUNKTURA KONSUMENCKA NA POZIOMIE LOKALNYM W WOJEWÓDZTWIE LUBELSKIM I PODKARPACKIM Piotr Klimczak Wyższa Szkoła Informatyki i Zarządzania w Rzeszowie W celu oceny kondycji gospodarstw domowych w województwie
Bardziej szczegółowoEkonometria Finansowa II EARF. Michał Rubaszek
Ekonometria Finansowa II EARF Michał Rubaszek 1 Cele - Zapoznanie z charakterystykami szeregów finansowych - Omówienie jednowymiarowych metod liczenia VaR - Omówienie wielowymiarowych metod liczenia VaR
Bardziej szczegółowoDeterminanty dochodu narodowego. Analiza krótkookresowa
Determinanty dochodu narodowego Analiza krótkookresowa Produkcja potencjalna i faktyczna Produkcja potencjalna to produkcja, która może być wytworzona w gospodarce przy racjonalnym wykorzystaniu wszystkich
Bardziej szczegółowoRozkład zmiennej losowej Polega na przyporządkowaniu każdej wartości zmiennej losowej prawdopodobieństwo jej wystąpienia.
Rozkład zmiennej losowej Polega na przyporządkowaniu każdej wartości zmiennej losowej prawdopodobieństwo jej wystąpienia. D A R I U S Z P I W C Z Y Ń S K I 2 2 ROZKŁAD ZMIENNEJ LOSOWEJ Polega na przyporządkowaniu
Bardziej szczegółowoKształtowanie kompetencji personalnych i społecznych w szkole zawodowej drogą do sukcesu na rynku pracy
Wyniki cząstkowe testów ex ante z uczniami. We wszystkich pięciu uczestniczących w tym etapie projektu szkołach ponadgimnazjalnych rozpoczęły się zajęcia Innowacyjnego Programu Szkolnego Doradztwa Zawodowego.
Bardziej szczegółowow pierwszym okresie nauki w gimnazjum
Wojdedh Walczak Ośrodek Pedagogiczno-Wydawniczy CHEJRON w Łodzi Związek pomiędzy dwoma typami oceniania w podstawowej a wynikami osiąganymi przez uczniów w pierwszym okresie nauki w gimnazjum Wstęp Niniejsze
Bardziej szczegółowoRozwiązania informatyczne
Forex - analiza zmienności głównych par walutowych na przestrzeni lat 2002-2011 Wprowadzenie Ostatnio na jednym z for internetowych poświęconych tematyce FX dyskutowaliśmy o tym jak wyglądał ten rynek
Bardziej szczegółowoWykład 5: Statystyki opisowe (część 2)
Wykład 5: Statystyki opisowe (część 2) Wprowadzenie Na poprzednim wykładzie wprowadzone zostały statystyki opisowe nazywane miarami położenia (średnia, mediana, kwartyle, minimum i maksimum, modalna oraz
Bardziej szczegółowoREGRESJA I KORELACJA MODEL REGRESJI LINIOWEJ MODEL REGRESJI WIELORAKIEJ. Analiza regresji i korelacji
Statystyka i opracowanie danych Ćwiczenia 5 Izabela Olejarczyk - Wożeńska AGH, WIMiIP, KISIM REGRESJA I KORELACJA MODEL REGRESJI LINIOWEJ MODEL REGRESJI WIELORAKIEJ MODEL REGRESJI LINIOWEJ Analiza regresji
Bardziej szczegółowoElastyczność popytu na rynku energii elektrycznej
Elastyczność popytu na rynku energii elektrycznej Autor: Mgr inż. Magdalena Borgosz-Koczwara- IASE Wrocław ( Energetyka grudzień 2004) Praca wykonana w ramach projektu KBN nr 4 T10B 030 25 Analizujemy
Bardziej szczegółowoStatystyka społeczna Redakcja naukowa Tomasz Panek
Statystyka społeczna Redakcja naukowa Podręcznik obejmuje wiedzę o badaniach zjawisk społecznych jako źródło wiedzy dla różnych instytucji publicznych. Zostały w nim przedstawione metody analizy ilościowej
Bardziej szczegółowoSkoki o zerowej długości w formalizmie błądzenia losowego w czasie ciągłym
TEMATY PRAC MAGISTERSKICH Z EKONOFIZYKI Rok akademicki 2013/14 Skoki o zerowej długości w formalizmie błądzenia losowego w czasie ciągłym Opiekun: dr Tomasz Gubiec Email: Tomasz.Gubiec@fuw.edu.pl Błądzenie
Bardziej szczegółowoANALIZA WYNIKÓW NAUCZANIA W GIMNAZJUM NR 3 Z ZASTOSOWANIEM KALKULATORA EWD 100 ROK 2013
ANALIZA WYNIKÓW NAUCZANIA W GIMNAZJUM NR 3 Z ZASTOSOWANIEM KALKULATORA EWD 100 ROK 2013 OPRACOWAŁY: ANNA ANWAJLER MARZENA KACZOR DOROTA LIS 1 WSTĘP W analizie wykorzystywany będzie model szacowania EWD.
Bardziej szczegółowoPYTANIA NA EGZAMIN MAGISTERSKI KIERUNEK: EKONOMIA STUDIA DRUGIEGO STOPNIA. CZĘŚĆ I dotyczy wszystkich studentów kierunku Ekonomia pytania podstawowe
PYTANIA NA EGZAMIN MAGISTERSKI KIERUNEK: EKONOMIA STUDIA DRUGIEGO STOPNIA CZĘŚĆ I dotyczy wszystkich studentów kierunku Ekonomia pytania podstawowe 1. Cele i przydatność ujęcia modelowego w ekonomii 2.
Bardziej szczegółowoPrawo Zipfa zjawiska (I)
Prawo Zipfa zjawiska (I) Łukasz Dębowski ldebowsk@ipipan.waw.pl i Instytut Podstaw Informatyki PAN 1 Lista rangowa 2 Prawo Zipfa 3 Odkrywcy i badacze 4 Zależność od definicji okazu i typu 5 Prawo Lotki
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 szczegółowoRachunek Różniczkowy
Rachunek Różniczkowy Sąsiedztwo punktu Liczby rzeczywiste będziemy teraz nazywać również punktami. Dla ustalonego punktu x 0 i promienia r > 0 zbiór S(x 0, r) = (x 0 r, x 0 ) (x 0, x 0 + r) nazywamy sąsiedztwem
Bardziej szczegółowoZRÓŻNICOWANIE WYDATKÓW W GOSPODARSTWACH DOMOWYCH ROLNIKÓW I PRACOWNIKÓW UŻYTKUJĄCYCH GOSPODARSTWA ROLNE *
HANNA DUDEK Szkoła Główna Gospodarstwa Wiejskiego Warszawa ZRÓŻNICOWANIE WYDATKÓW W GOSPODARSTWACH DOMOWYCH ROLNIKÓW I PRACOWNIKÓW UŻYTKUJĄCYCH GOSPODARSTWA ROLNE * Wprowadzenie Nierówności ekonomiczne
Bardziej szczegółowoOptymalizacja parametrów w strategiach inwestycyjnych dla event-driven tradingu - metodologia badań
Raport 1/2015 Optymalizacja parametrów w strategiach inwestycyjnych dla event-driven tradingu - metodologia badań autor: Michał Osmoła INIME Instytut nauk informatycznych i matematycznych z zastosowaniem
Bardziej szczegółowoFunkcje elementarne. Ksenia Hladysz Własności 2. 3 Zadania 5
Funkcje elementarne Ksenia Hladysz 16.10.014 Spis treści 1 Funkcje elementarne. 1 Własności 3 Zadania 5 1 Funkcje elementarne. Są to funkcje określone wzorami zawierającymi skończoną ilość operacji algebraicznych
Bardziej szczegółowoStatystyki: miary opisujące rozkład! np. : średnia, frakcja (procent), odchylenie standardowe, wariancja, mediana itd.
Wnioskowanie statystyczne obejmujące metody pozwalające na uogólnianie wyników z próby na nieznane wartości parametrów oraz szacowanie błędów tego uogólnienia. Przewidujemy nieznaną wartości parametru
Bardziej szczegółowoProces badawczy schemat i zasady realizacji
Proces badawczy schemat i zasady realizacji Agata Górny Zaoczne Studia Doktoranckie z Ekonomii Warszawa, 23 października 2016 Metodologia i metoda naukowa 1 Metodologia Metodologia nauka o metodach nauki
Bardziej szczegółowoZADANIA ROZRYWAJĄCE W TESTACH. 1. Co to jest zadanie rozrywające?
Ewa Stożek OKE Łódź ZADANIA ROZRYWAJĄCE W TESTACH Na podstawie analizy danych empirycznych ze sprawdzianu i roku wyodrębniono zadania odpowiedzialne za dwumodalność rozkładu wyników tych testów. Takie
Bardziej szczegółowoZmienna bazowa. 100(1 α)% przedział ufności dla µ: 100(α)% test hipotezy dla µ = µ 0; odrzucić, jeżeli Ȳ nie jest w przedziale
Wprowadzenie Wprowadzenie Wnioskowanie podsumowanie Zdefiniuj populację, która będzie przedmiotem badań Zbierz parametry, które będą przedmiotem wnioskowania Wybierz losową próbę z populacji Przeprowadź
Bardziej szczegółowoPomiar gotowości szkolnej uczniów za pomocą skali quasi-obserwacyjnej
Centralna Komisja Egzaminacyjna Pomiar gotowości szkolnej uczniów za pomocą skali quasi-obserwacyjnej Aleksandra Jasioska Zespół badawczy EWD, Centralna Komisja Egzaminacyjna Instytut Badao Edukacyjnych
Bardziej szczegółowo