Modele wielorownaniowe
|
|
- Karol Piasecki
- 6 lat temu
- Przeglądów:
Transkrypt
1 Część 1. e
2 e jednorównaniowe są znacznym uproszczeniem rzeczywistości gospodarczej
3 e jednorównaniowe są znacznym uproszczeniem rzeczywistości gospodarczej e makroekonomiczne z reguły składają się z większej liczby równań
4 e jednorównaniowe są znacznym uproszczeniem rzeczywistości gospodarczej e makroekonomiczne z reguły składają się z większej liczby równań Z reguły zmienne w nich występująca są zmiennymi współzależnymi
5 e jednorównaniowe są znacznym uproszczeniem rzeczywistości gospodarczej e makroekonomiczne z reguły składają się z większej liczby równań Z reguły zmienne w nich występująca są zmiennymi współzależnymi Do matematycznego opisu takich modeli wykorzystuje się modele wielorównaniowe o równaniach współzależnych Simultaneous Equation s
6 wielorównaniowy w formie strukturalnej opisuje strukturę zależności w gospodarce
7 wielorównaniowy w formie strukturalnej opisuje strukturę zależności w gospodarce o G równaniach zapisujemy w postaci macierzowej AY t = BX t + u t
8 wielorównaniowy w formie strukturalnej opisuje strukturę zależności w gospodarce o G równaniach zapisujemy w postaci macierzowej AY t = BX t + u t gdzie: Y t = [y1,..., y G ] to wektor zmiennych endogenicznych
9 wielorównaniowy w formie strukturalnej opisuje strukturę zależności w gospodarce o G równaniach zapisujemy w postaci macierzowej AY t = BX t + u t gdzie: Y t = [y1,..., y G ] to wektor zmiennych endogenicznych A G G oraz B G G są nieosobliwe
10 wielorównaniowy w formie strukturalnej opisuje strukturę zależności w gospodarce o G równaniach zapisujemy w postaci macierzowej AY t = BX t + u t gdzie: Y t = [y1,..., y G ] to wektor zmiennych endogenicznych A G G oraz B G G są nieosobliwe X t to wektor zmiennych objaśniających nieskorelowanych ze składnikiem losowym u
11 wielorównaniowy w formie strukturalnej opisuje strukturę zależności w gospodarce o G równaniach zapisujemy w postaci macierzowej AY t = BX t + u t gdzie: Y t = [y1,..., y G ] to wektor zmiennych endogenicznych A G G oraz B G G są nieosobliwe X t to wektor zmiennych objaśniających nieskorelowanych ze składnikiem losowym u u t = [u 1,..., u G ]
12 wielorównaniowy w formie strukturalnej opisuje strukturę zależności w gospodarce o G równaniach zapisujemy w postaci macierzowej AY t = BX t + u t gdzie: Y t = [y1,..., y G ] to wektor zmiennych endogenicznych A G G oraz B G G są nieosobliwe X t to wektor zmiennych objaśniających nieskorelowanych ze składnikiem losowym u u t = [u 1,..., u G ] E(u) = 0, Var(u t ) = Σ, t s E(u t u s ) = 0
13 Zmienne X t nazywamy zmiennymi z góry ustalonymi. Są nimi zarówno zmienne egzogeniczne, jak również opóźnione wartości zmiennych endogenicznych
14 Zmienne X t nazywamy zmiennymi z góry ustalonymi. Są nimi zarówno zmienne egzogeniczne, jak również opóźnione wartości zmiennych endogenicznych W jednym równaniu może występować więcej niż jedna zmienna endogeniczna
15 Zmienne X t nazywamy zmiennymi z góry ustalonymi. Są nimi zarówno zmienne egzogeniczne, jak również opóźnione wartości zmiennych endogenicznych W jednym równaniu może występować więcej niż jedna zmienna endogeniczna Liczba zmiennych endogenicznych w modelu jest równa liczbie równań G
16 Zmienne X t nazywamy zmiennymi z góry ustalonymi. Są nimi zarówno zmienne egzogeniczne, jak również opóźnione wartości zmiennych endogenicznych W jednym równaniu może występować więcej niż jedna zmienna endogeniczna Liczba zmiennych endogenicznych w modelu jest równa liczbie równań G Przejęto konwencję zapisu modelu według której w każdym równaniu po lewej stronie znajduje się inna zmienna endogeniczna
17 Zmienne X t nazywamy zmiennymi z góry ustalonymi. Są nimi zarówno zmienne egzogeniczne, jak również opóźnione wartości zmiennych endogenicznych W jednym równaniu może występować więcej niż jedna zmienna endogeniczna Liczba zmiennych endogenicznych w modelu jest równa liczbie równań G Przejęto konwencję zapisu modelu według której w każdym równaniu po lewej stronie znajduje się inna zmienna endogeniczna Jednak wystepują od niej pewne odstępstwa, gdy inny zapis ułatwia interpretację parametrów
18 Sposób zapisu formy strukturalnej powinien zapewniać możliwość interpretacji ekonomicznej parametrów modelu
19 Sposób zapisu formy strukturalnej powinien zapewniać możliwość interpretacji ekonomicznej parametrów modelu Ta interpretacja bezpośrednio wynika z teorii ekonomicznej
20 Sposób zapisu formy strukturalnej powinien zapewniać możliwość interpretacji ekonomicznej parametrów modelu Ta interpretacja bezpośrednio wynika z teorii ekonomicznej Celem budowy modelu jest identyfikacja kanałów transmisji polityki gospodarczej
21 Sposób zapisu formy strukturalnej powinien zapewniać możliwość interpretacji ekonomicznej parametrów modelu Ta interpretacja bezpośrednio wynika z teorii ekonomicznej Celem budowy modelu jest identyfikacja kanałów transmisji polityki gospodarczej Postać poszczególnych równań, oraz podział zmiennych na endogeniczne i egzogeniczne powinny bezpośrednio wynikać z teorii ekonomicznej
22 Przykład Wprowadzenie Załóżmy, że pewną gałąź gospodarki opisuje model strukturalny q D = α 0 + α 1 p + α 2 y + u 1 q S = β 1 p + β 2 p m + u 2 q D = q s
23 Przykład Wprowadzenie Załóżmy, że pewną gałąź gospodarki opisuje model strukturalny q D = α 0 + α 1 p + α 2 y + u 1 q S = β 1 p + β 2 p m + u 2 q D = q s gdzie: q D logarytm popytu; q S logarytm podaży
24 Przykład Wprowadzenie Załóżmy, że pewną gałąź gospodarki opisuje model strukturalny q D = α 0 + α 1 p + α 2 y + u 1 q S = β 1 p + β 2 p m + u 2 q D = q s gdzie: q D logarytm popytu; q S logarytm podaży p logarytm ceny dobra; y logarytm dochodu konsumentów
25 Przykład Wprowadzenie Załóżmy, że pewną gałąź gospodarki opisuje model strukturalny q D = α 0 + α 1 p + α 2 y + u 1 q S = β 1 p + β 2 p m + u 2 q D = q s gdzie: q D logarytm popytu; q S logarytm podaży p logarytm ceny dobra; y logarytm dochodu konsumentów p m indeks cen surowców
26 Przykład Wprowadzenie W modelu strukturalnym q D = α 0 + α 1 p + α 2 y + u 1 (1) q S = β 1 p + β 2 p m + u 2 (2) q D = q S (3)
27 Przykład Wprowadzenie W modelu strukturalnym q D = α 0 + α 1 p + α 2 y + u 1 (1) q S = β 1 p + β 2 p m + u 2 (2) q D = q S (3) Równanie (1) oparte jest na teorii konsumenta
28 Przykład Wprowadzenie W modelu strukturalnym q D = α 0 + α 1 p + α 2 y + u 1 (1) q S = β 1 p + β 2 p m + u 2 (2) q D = q S (3) Równanie (1) oparte jest na teorii konsumenta Równanie (2) oparte jest na teorii producenta
29 Przykład Wprowadzenie W modelu strukturalnym q D = α 0 + α 1 p + α 2 y + u 1 (1) q S = β 1 p + β 2 p m + u 2 (2) q D = q S (3) Równanie (1) oparte jest na teorii konsumenta Równanie (2) oparte jest na teorii producenta Równanie (3) jest warunkiem równowagi. Tego typu równania nazywamy identycznościami
30 Przykład Wprowadzenie Parametrom poszczególnych równań formy strukturalnej można nadać interpretację ekonomiczną
31 Przykład Wprowadzenie Parametrom poszczególnych równań formy strukturalnej można nadać interpretację ekonomiczną α 1 jest cenową elastycznością popytu; α 2 jest dochodową elastycznością popytu
32 Przykład Wprowadzenie Parametrom poszczególnych równań formy strukturalnej można nadać interpretację ekonomiczną α 1 jest cenową elastycznością popytu; α 2 jest dochodową elastycznością popytu β 1 jest cenową elastycznością podaży; β 2 jest elastycznością podaży względem cen surowców
33 Przykład Wprowadzenie Parametrom poszczególnych równań formy strukturalnej można nadać interpretację ekonomiczną α 1 jest cenową elastycznością popytu; α 2 jest dochodową elastycznością popytu β 1 jest cenową elastycznością podaży; β 2 jest elastycznością podaży względem cen surowców Można również sformułować oczekiwania w stosunku do znaków: α 1 < 0, α 2 > 0,β 1 > 0, β 2 < 0
34 Przykład Wprowadzenie W modelu strukturalnym q D = α 0 + α 1 p + α 2 y + u 1 (1) q S = β 1 p + β 2 p m + u 2 (2) q D = q S (3)
35 Przykład Wprowadzenie W modelu strukturalnym q D = α 0 + α 1 p + α 2 y + u 1 (1) q S = β 1 p + β 2 p m + u 2 (2) q D = q S (3) Równanie (1) jest równaniem popytu
36 Przykład Wprowadzenie W modelu strukturalnym q D = α 0 + α 1 p + α 2 y + u 1 (1) q S = β 1 p + β 2 p m + u 2 (2) q D = q S (3) Równanie (1) jest równaniem popytu Równanie (2) jest równaniem podaży
37 Przykład Wprowadzenie W modelu strukturalnym q D = α 0 + α 1 p + α 2 y + u 1 (1) q S = β 1 p + β 2 p m + u 2 (2) q D = q S (3) Równanie (1) jest równaniem popytu Równanie (2) jest równaniem podaży Równanie (3) jest ograniczeniem, lub warunkiem równowagi
38 Rozróżnienie nie wynika z formy modelu
39 Rozróżnienie nie wynika z formy modelu Zmiennych endogenicznych jest tyle, ile jest równań w modelu
40 Rozróżnienie nie wynika z formy modelu Zmiennych endogenicznych jest tyle, ile jest równań w modelu Rozróżnienia dokonujemy na podstawie przesłanek teoretycznych q D α 1 p = α 0 + α 2 y + u 1 (4) q S β 1 p = β 2 y + u 2 (5) q D q S = 0 (6)
41 ma postać AY t = BX t + u t
42 ma postać AY t = BX t + u t wektor zmiennych endogenicznych Y t = [q D, q S, p]
43 ma postać AY t = BX t + u t wektor zmiennych endogenicznych Y t = [q D, q S, p] wektor zmiennych egzogenicznych Y t = [1, y, p m ]
44 ma postać AY t = BX t + u t wektor zmiennych endogenicznych Y t = [q D, q S, p] wektor zmiennych egzogenicznych Y t = [1, y, p m ] wektor błędów losowych u t = [u 1t, u 2t, 0]
45 Macierze A oraz B są macierzami przekształcającymi wektory w odpowiednie równania formy strukturalnej 1 0 α 1 α 0 α 2 0 A = 0 1 β 1 B = 0 0 β
46 Macierze A oraz B są macierzami rzadkimi
47 Macierze A oraz B są macierzami rzadkimi Wynika to z ograniczeń wynikających z teorii ekonomicznej
48 równania strukturalnego powstaje poprzez lewostronne pomnożenie formy strukturalnej przez A 1 AY t = BX t + u t / A 1
49 równania strukturalnego powstaje poprzez lewostronne pomnożenie formy strukturalnej przez A 1 AY t = BX t + u t / A 1 A 1 AY t = A 1 BX t + A 1 u t
50 równania strukturalnego powstaje poprzez lewostronne pomnożenie formy strukturalnej przez A 1 AY t = BX t + u t / A 1 A 1 AY t = A 1 BX t + A 1 u t Y t = A 1 BX t + A 1 u t
51 Gdy przyjmiemy oznaczenia Π = A 1 B, oraz ε t = A 1 u t to Y t = ΠX t + ε t
52 Gdy przyjmiemy oznaczenia Π = A 1 B, oraz ε t = A 1 u t to Y t = ΠX t + ε t Tę postać nazywamy formą zredukowaną modelu
53 Gdy przyjmiemy oznaczenia Π = A 1 B, oraz ε t = A 1 u t to Y t = ΠX t + ε t Tę postać nazywamy formą zredukowaną modelu W każdym jej równaniu występuje tylko jedna zmienna endogeniczna, a po prawej stronie wyłącznie zmienne z góry ustalone
54 Różnicą między formami jest sposób interpretacji parametrów
55 Różnicą między formami jest sposób interpretacji parametrów W formie strukturalnej równania opisują zachowania podmiotów
56 Różnicą między formami jest sposób interpretacji parametrów W formie strukturalnej równania opisują zachowania podmiotów W formie zredukowanej reprezentują ilościowe zależności między zmiennymi
57 Różnicą między formami jest sposób interpretacji parametrów W formie strukturalnej równania opisują zachowania podmiotów W formie zredukowanej reprezentują ilościowe zależności między zmiennymi Parametry formy zredukowanej można interpretować mnożnikowo
58 Różnicą między formami jest sposób interpretacji parametrów W formie strukturalnej równania opisują zachowania podmiotów W formie zredukowanej reprezentują ilościowe zależności między zmiennymi Parametry formy zredukowanej można interpretować mnożnikowo Między parametrami istnieje zależność wynikająca z powiązania Π = A 1 B
59 Przykład Wprowadzenie W przypadku modelu popytu i podaży forma zredukowana ma postać q D = q S = Π 11 + Π 12 y + Π 13 p m + ε 1 (7) p = Π 21 + Π 22 y + Π 23 p m + ε 2 (8)
60 Przykład Wprowadzenie W przypadku modelu popytu i podaży forma zredukowana ma postać q D = q S = Π 11 + Π 12 y + Π 13 p m + ε 1 (7) p = Π 21 + Π 22 y + Π 23 p m + ε 2 (8) Rozwiązując formę strukturalną względem p oraz q D uzyskujemy q D, q S = p = β 1 α 0 + β 1α 2 y β 2α 1 p m + β 1 u 1 α 1 u 2 β 1 α 1 β 1 α 1 β 1 α 1 β 1 α 1 β 1 α 1 α 0 β 1 α 1 + α 2 β 1 α 1 y β 2 β 1 α 1 p m + 1 β 1 α 1 u 1 1 β 1 α 1 u 2
61 Przykład Wprowadzenie Zależności pomiędzy parametrami formy strukturalnej i zredukowanej są następujące Π 11 = β 1α 0 β 1 α 1 Π 12 = β 1α 2 β 1 α 1 Π 13 = β 2α 1 β 1 α 1 Π 21 = α 0 β 1 α 1 Π 22 = α 2 β 1 α 1 Π 23 = β 2 β 1 α 1
62 Przykład Wprowadzenie Zależności pomiędzy parametrami formy strukturalnej i zredukowanej są następujące Π 11 = β 1α 0 β 1 α 1 Π 12 = β 1α 2 β 1 α 1 Π 13 = β 2α 1 β 1 α 1 Π 21 = α 0 β 1 α 1 Π 22 = α 2 β 1 α 1 Π 23 = β 2 β 1 α 1 Parametrom Π nie można nadać interpretacji behawioralnej
63 Przykład Wprowadzenie Zależności pomiędzy parametrami formy strukturalnej i zredukowanej są następujące Π 11 = β 1α 0 β 1 α 1 Π 12 = β 1α 2 β 1 α 1 Π 13 = β 2α 1 β 1 α 1 Π 21 = α 0 β 1 α 1 Π 22 = α 2 β 1 α 1 Π 23 = β 2 β 1 α 1 Parametrom Π nie można nadać interpretacji behawioralnej Przy szacowaniu formy zredukowanej wystąpi problem równoczesności
Modele wielorównaniowe (forma strukturalna)
Modele wielorównaniowe (forma strukturalna) Formę strukturalna modelu o G równaniach AY t = BX t + u t, gdzie Y t = [y 1t,..., y Gt ] X t = [x 1t,..., x Kt ] u t = [u 1t,..., u Gt ] E (u t ) = 0 Var (u
Bardziej szczegółowoModele Wielorównaniowe
Rozdział 8 Modele Wielorównaniowe Modele wielorównaniowe o równaniach współzależnych (Simultaneus Equations Model) stosuje się do opisu zależności między zmiennymi, które wzajemnie i równocześnie wpływają
Bardziej szczegółowoEkonometria. Modele wielorównaniowe. Jakub Mućk. Katedra Ekonomii Ilościowej
Ekonometria Modele wielorównaniowe Jakub Mućk Katedra Ekonomii Ilościowej Jakub Mućk Ekonometria Wykład 11 Modele wielorównaniowe 1 / 35 Outline 1 Wprowadzenie do modeli wielorównaniowych 2 Modele równań
Bardziej szczegółowoModele zapisane w przestrzeni stanów
Modele zapisane w przestrzeni stanów Modele Przestrzeni Stanów (State Space Models) sa to modele, w których część parametrów jest nieobserwowalna i losowa. Zachowanie wielowymiarowej zmiennej y t zależy
Bardziej szczegółowo1. Ekonometria jako dyscyplina naukowa (przedmiot, metodologia, teorie ekonomiczne). Model ekonometryczny, postać modelu, struktura, klasyfikacja.
1. Ekonometria jako dyscyplina naukowa (przedmiot, metodologia, teorie ekonomiczne). Model ekonometryczny, postać modelu, struktura, klasyfikacja. Zadanie 1. Celem zadania jest oszacowanie modelu opisującego
Bardziej szczegółowoDr Łukasz Goczek. Uniwersytet Warszawski
Dr Łukasz Goczek Uniwersytet Warszawski Wykłady do końca: Niezależność polityki pieniężnej w długim okresie 2 wykłady Wzrost długookresowy w gospodarce otwartej 2 wykłady Egzamin 12.06.2013, godz. 17 sala
Bardziej szczegółowoModele wielorównaniowe. Estymacja parametrów
Modele wielorównaniowe. Estymacja parametrów Ekonometria Szeregów Czasowych SGH Estymacja 1 / 47 Plan wykªadu 1 Po±rednia MNK 2 Metoda zmiennych instrumentalnych 3 Podwójna MNK 4 Estymatory klasy k 5 MNW
Bardziej szczegółowoFinanse i Rachunkowość studia niestacjonarne/stacjonarne Model Przepływów Międzygałęziowych
dr inż. Ryszard Rębowski 1 OPIS ZJAWISKA Finanse i Rachunkowość studia niestacjonarne/stacjonarne Model Przepływów Międzygałęziowych 8 listopada 2015 1 Opis zjawiska Będziemy obserwowali proces tworzenia
Bardziej szczegółowoEkonometria. Wprowadzenie do modelowania ekonometrycznego Estymator KMNK. Jakub Mućk. Katedra Ekonomii Ilościowej
Ekonometria Wprowadzenie do modelowania ekonometrycznego Estymator Jakub Mućk Katedra Ekonomii Ilościowej Jakub Mućk Ekonometria Wykład 1 Estymator 1 / 16 Agenda 1 Literatura Zaliczenie przedmiotu 2 Model
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 szczegółowoPrzekształcenia liniowe
Przekształcenia liniowe Zadania Które z następujących przekształceń są liniowe? (a) T : R 2 R 2, T (x, x 2 ) = (2x, x x 2 ), (b) T : R 2 R 2, T (x, x 2 ) = (x + 3x 2, x 2 ), (c) T : R 2 R, T (x, x 2 )
Bardziej szczegółowoEkonomia matematyczna - 1.2
Ekonomia matematyczna - 1.2 6. Popyt Marshalla, a popyt Hicksa. Poruszać się będziemy w tzw. standardowym polu preferencji X,, gdzie X R n i jest relacją preferencji, która jest: a) rosnąca (tzn. x y x
Bardziej szczegółowoJEDNORÓWNANIOWY LINIOWY MODEL EKONOMETRYCZNY
JEDNORÓWNANIOWY LINIOWY MODEL EKONOMETRYCZNY Będziemy zapisywać wektory w postaci (,, ) albo traktując go jak macierz jednokolumnową (dzięki temu nie będzie kontrowersji przy transponowaniu wektora ) Model
Bardziej szczegółowoa 11 a a 1n a 21 a a 2n... a m1 a m2... a mn x 1 x 2... x m ...
Wykład 15 Układy równań liniowych Niech K będzie ciałem i niech α 1, α 2,, α n, β K. Równanie: α 1 x 1 + α 2 x 2 + + α n x n = β z niewiadomymi x 1, x 2,, x n nazywamy równaniem liniowym. Układ: a 21 x
Bardziej szczegółowoStosowane modele równowagi. Wykład 1
Stosowane modele równowagi ogólnej (CGE) Wykład 1 Literatura Horridge M., MINIMAL. A Simplified General Equilibrium Model, 2001, http://www.copsmodels.com/minimal.htm dowolny podręcznik do mikroekonomii
Bardziej szczegółowoModele wielorównaniowe
Modele wielorównaniowe Jakub Mućk Katedra Ekonomii Ilościowej Jakub Mućk Metody Ekonometyczne Wykład 6 1 / 47 Outline 1 2 3 4 Niezgodność Metody Najmniejszych Kwadratów Pośrednia Metoda Najmniejszych Kwadratów
Bardziej szczegółowoAnaliza tworzenia i podziału dochodów na podstawie modelu wielosektorowego
UNIWERSYTET ŁÓDZKI PRACE DOKTORSKIE Z ZAKRESU EKONOMII I ZARZĄDZANIA 1/ JAKUB BORATYNSKI Analiza tworzenia i podziału dochodów na podstawie modelu wielosektorowego B 372130 UU WYDAWNICTWO UNIWERSYTETU
Bardziej szczegółowoZałóżmy, że obserwujemy nie jedną lecz dwie cechy, które oznaczymy symbolami X i Y. Wyniki obserwacji obu cech w i-tym obiekcie oznaczymy parą liczb
Współzależność Załóżmy, że obserwujemy nie jedną lecz dwie cechy, które oznaczymy symbolami X i Y. Wyniki obserwacji obu cech w i-tym obiekcie oznaczymy parą liczb (x i, y i ). Geometrycznie taką parę
Bardziej szczegółowoRozdział 1. Modelowanie ekonometryczne
1.1. Istota modelu ekonometrycznego i jego elementy składowe Istotą modelowania ekonometrycznego jest budowa modelu wyjaśniającego mechanizm zmian zachodzących w badanym wycinku rzeczywistości. Przedmiotem
Bardziej szczegółowoUkłady równań liniowych
Układy równań liniowych Niech K będzie ciałem. Niech n, m N. Równanie liniowe nad ciałem K z niewiadomymi (lub zmiennymi) x 1, x 2,..., x n K definiujemy jako formę zdaniową zmiennej (x 1,..., x n ) K
Bardziej szczegółowoStatystyka opisowa. Wykład V. Regresja liniowa wieloraka
Statystyka opisowa. Wykład V. e-mail:e.kozlovski@pollub.pl Spis treści 1 Prosta regresji cechy Y względem cech X 1,..., X k. 2 3 Wyznaczamy zależność cechy Y od cech X 1, X 2,..., X k postaci Y = α 0 +
Bardziej szczegółowoRozdział 2: Metoda największej wiarygodności i nieliniowa metoda najmniejszych kwadratów
Rozdział : Metoda największej wiarygodności i nieliniowa metoda najmniejszych kwadratów W tym rozdziale omówione zostaną dwie najpopularniejsze metody estymacji parametrów w ekonometrycznych modelach nieliniowych,
Bardziej szczegółowoModele DSGE. Jerzy Mycielski. Maj Jerzy Mycielski () Modele DSGE Maj / 11
Modele DSGE Jerzy Mycielski Maj 2008 Jerzy Mycielski () Modele DSGE Maj 2008 1 / 11 Modele DSGE DSGE - Dynamiczne, stochastyczne modele równowagi ogólnej (Dynamic Stochastic General Equilibrium Model)
Bardziej szczegółowoWiadomości ogólne o ekonometrii
Wiadomości ogólne o ekonometrii Materiały zostały przygotowane w oparciu o podręcznik Ekonometria Wybrane Zagadnienia, którego autorami są: Bolesław Borkowski, Hanna Dudek oraz Wiesław Szczęsny. Ekonometria
Bardziej szczegółowoUkłady równań liniowych. Ax = b (1)
Układy równań liniowych Dany jest układ m równań z n niewiadomymi. Liczba równań m nie musi być równa liczbie niewiadomych n, tj. mn. a a... a b n n a a... a b n n... a a... a b m m mn n m
Bardziej szczegółowoStatystyka matematyczna i ekonometria
Statystyka matematyczna i ekonometria Wykład 9 Anna Skowrońska-Szmer lato 2016/2017 Ekonometria (Gładysz B., Mercik J., Modelowanie ekonometryczne. Studium przypadku, Wydawnictwo PWr., Wrocław 2004.) 2
Bardziej szczegółowoWprowadzenie Modele o opóźnieniach rozłożonych Modele autoregresyjne o opóźnieniach rozłożonych. Modele dynamiczne.
opisują kształtowanie się zjawiska w czasie opisują kształtowanie się zjawiska w czasie Najważniejszymi zastosowaniami modeli dynamicznych są opisują kształtowanie się zjawiska w czasie Najważniejszymi
Bardziej szczegółowoEkonometria. Model nieliniowe i funkcja produkcji. Jakub Mućk. Katedra Ekonomii Ilościowej. Modele nieliniowe Funkcja produkcji
Ekonometria Model nieliniowe i funkcja produkcji Jakub Mućk Katedra Ekonomii Ilościowej Jakub Mućk Ekonometria Ćwiczenia 7 Modele nieliniowe i funkcja produkcji 1 / 19 Agenda Modele nieliniowe 1 Modele
Bardziej szczegółowoWykład 3 - model produkcji i cen input-output (Model 2)
Wykład 3 - model produkcji i cen input-output (Model 2) 1 Wprowadzenie W ramach niniejszego wykładu opisujemy model 2, będący rozszerzeniem znanego z poprzedniego wykładu modelu 1. Rozszerzenie polega
Bardziej szczegółowoMatematyka. rok akademicki 2008/2009, semestr zimowy. Konwersatorium 1. Własności funkcji
. Własności funkcji () Wyznaczyć dziedzinę funkcji danej wzorem: y = 2 2 + 5 y = +4 y = 2 + (2) Podać zbiór wartości funkcji: y = 2 3, [2, 5) y = 2 +, [, 4] y =, [3, 6] (3) Stwierdzić, czy dana funkcja
Bardziej szczegółowoANALIZA PORÓWNAWCZA WYBRANYCH PROCEDUR MODELOWANIA EKONOMETRYCZNEGO DLA MODELU GOSPODARKI WOJEWÓDZTWA ŚLĄSKIEGO
Józef Biolik Uniwersytet Ekonomiczny w Katowicach ANALIZA PORÓWNAWCZA WYBRANYCH PROCEDUR MODELOWANIA EKONOMETRYCZNEGO DLA MODELU GOSPODARKI WOJEWÓDZTWA ŚLĄSKIEGO Wprowadzenie Jednym z narzędzi analizy
Bardziej szczegółowoModele wielorównaniowe. Problem identykacji
Modele wielorównaniowe. Problem identykacji Ekonometria Szeregów Czasowych SGH Identykacja 1 / 43 Plan wykªadu 1 Wprowadzenie 2 Trzy przykªady 3 Przykªady: interpretacja 4 Warunki identykowalno±ci 5 Restrykcje
Bardziej szczegółowoEKONOMETRIA. Prof. dr hab. Eugeniusz Gatnar.
EKONOMETRIA Prof. dr hab. Eugeniusz Gatnar egatnar@mail.wz.uw.edu.pl Sprawy organizacyjne Wykłady - prezentacja zagadnień dotyczących: budowy i weryfikacji modelu ekonometrycznego, doboru zmiennych, estymacji
Bardziej szczegółowoWykład 14. Elementy algebry macierzy
Wykład 14 Elementy algebry macierzy dr Mariusz Grządziel 26 stycznia 2009 Układ równań z dwoma niewiadomymi Rozważmy układ równań z dwoma niewiadomymi: a 11 x + a 12 y = h 1 a 21 x + a 22 y = h 2 a 11,
Bardziej szczegółowoZawansowane modele wyborów dyskretnych
Zawansowane modele wyborów dyskretnych Jerzy Mycielski Uniwersytet Warszawski grudzien 2013 Jerzy Mycielski (Uniwersytet Warszawski) Zawansowane modele wyborów dyskretnych grudzien 2013 1 / 16 Model efektów
Bardziej szczegółowoObliczenia iteracyjne
Lekcja Strona z Obliczenia iteracyjne Zmienne iteracyjne (wyliczeniowe) Obliczenia iteracyjne wymagają zdefiniowania specjalnej zmiennej nazywanej iteracyjną lub wyliczeniową. Zmienną iteracyjną od zwykłej
Bardziej szczegółowoEkonometria. Model nieliniowe i funkcja produkcji. Jakub Mućk. Katedra Ekonomii Ilościowej
Ekonometria Model nieliniowe i funkcja produkcji Jakub Mućk Katedra Ekonomii Ilościowej Jakub Mućk Ekonometria Wykład 7 i funkcja produkcji 1 / 23 Agenda 1 2 3 Jakub Mućk Ekonometria Wykład 7 i funkcja
Bardziej szczegółowoEkonometria egzamin 07/03/2018
imię, nazwisko, nr indeksu: Ekonometria egzamin 07/03/2018 1. Egzamin trwa 90 minut. 2. Rozwiązywanie zadań należy rozpocząć po ogłoszeniu początku egzaminu a skończyć wraz z ogłoszeniem końca egzaminu.
Bardziej szczegółowoWykład 9. Model ISLM
Makroekonomia 1 Wykład 9 Model ISLM Gabriela Grotkowska Katedra Makroekonomii i Teorii Handlu Zagranicznego Nasza mapa drogowa Krzyż keynesowski Teoria preferencji płynności Krzywa IS Krzywa LM Model ISLM
Bardziej szczegółowoEkonometria. Prognozowanie ekonometryczne, ocena stabilności oszacowań parametrów strukturalnych. Jakub Mućk. Katedra Ekonomii Ilościowej
Ekonometria Prognozowanie ekonometryczne, ocena stabilności oszacowań parametrów strukturalnych Jakub Mućk Katedra Ekonomii Ilościowej Jakub Mućk Ekonometria Wykład 4 Prognozowanie, stabilność 1 / 17 Agenda
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 szczegółowoPrzyczyny wahań realnego kursu walutowego w Polsce wyniki badań z wykorzystaniem bayesowskich strukturalnych modeli VAR
Przyczyny wahań realnego kursu walutowego w Polsce wyniki badań z wykorzystaniem bayesowskich strukturalnych modeli VAR dr Marek A. Dąbrowski Uniwersytet Ekonomiczny w Krakowie Katedra Makroekonomii marek.dabrowski@uek.krakow.pl
Bardziej szczegółowoMAKROEKONOMIA 2. Wykład 2. Dynamiczny model DAD/DAS. Dagmara Mycielska Joanna Siwińska - Gorzelak
MAKROEKONOMIA 2 Wykład 2. Dynamiczny model DAD/DAS Dagmara Mycielska Joanna Siwińska - Gorzelak Plan wykładu Uwzględnienie dynamiki w modelu AD/AS. Modelowanie wpływu zakłóceń lub zmian polityki gospodarczej
Bardziej szczegółowoMetoda najmniejszych kwadratów
Metoda najmniejszych kwadratów Przykład wstępny. W ekonomicznej teorii produkcji rozważa się funkcję produkcji Cobba Douglasa: z = AL α K β gdzie z oznacza wielkość produkcji, L jest nakładem pracy, K
Bardziej szczegółowoUkłady równań liniowych
Układy równań liniowych ozważmy układ n równań liniowych o współczynnikach a ij z n niewiadomymi i : a + a +... + an n d a a an d a + a +... + a n n d a a a n d an + an +... + ann n d n an an a nn n d
Bardziej szczegółowoUogólniona Metoda Momentów
Uogólniona Metoda Momentów Momenty z próby daż a do momentów teoretycznych (Prawo Wielkich Liczb) plim 1 n y i = E (y) n i=1 Klasyczna Metoda Momentów (M M) polega na szacowaniu momentów teoretycznych
Bardziej szczegółowoNatalia Neherbecka. 11 czerwca 2010
Natalia Neherbecka 11 czerwca 2010 1 1. Konsekwencje heteroskedastyczności i autokorelacji 2. Uogólniona MNK 3. Stosowalna Uogólniona MNK 4. Odporne macierze wariancji i kowariancji b 2 1. Konsekwencje
Bardziej szczegółowoWykład 2 - model produkcji input-output (Model 1)
Wykład 2 - model produkcji input-output (Model 1) 1 Wprowadzenie Celem wykładu jest omówienie (znanego z wcześniejszych zajęć) modelu produkcji typu input-output w postaci pozwalającej na zaprogramowanie
Bardziej szczegółowoEgzamin z ekonometrii IiE
Pytania teoretyczne Egzamin z ekonometrii IiE 22.06.2012 1. Kiedy selekcja próby jest problemem i jaki model można stosować w przypadku samoselekcji próby? 2. Jakie są konieczne założenia, by estymator
Bardziej szczegółowoMetoda najmniejszych kwadratów
Model ekonometryczny Wykształcenie a zarobki Hipoteza badawcza: Istnieje zależność między poziomem wykształcenia a wysokością zarobków Wykształcenie a zarobki Hipoteza badawcza: Istnieje zależność między
Bardziej szczegółowoModel przepływów międzygałęziowych (model Leontiewa)
Model przepływów międzygałęziowych (model Leontiewa) Maciej Grzesiak Przedstawimy tzw. analizę wejścia-wyjścia jako narzędzie do badań ekonomicznych. Stworzymy matematyczny model gospodarki, w którym można
Bardziej szczegółowodr Mariusz Grządziel 15,29 kwietnia 2014 Przestrzeń R k R k = R R... R k razy Elementy R k wektory;
Wykłady 8 i 9 Pojęcia przestrzeni wektorowej i macierzy Układy równań liniowych Elementy algebry macierzy dodawanie, odejmowanie, mnożenie macierzy; macierz odwrotna dr Mariusz Grządziel 15,29 kwietnia
Bardziej szczegółowoAlgebra z geometrią analityczną zadania z odpowiedziami
Algebra z geometrią analityczną zadania z odpowiedziami Maciej Burnecki Spis treści 0 Wyrażenia algebraiczne, indukcja matematyczna 2 2 2 1 Geometria analityczna w R 2 3 3 3 2 Liczby zespolone 4 4 4 3
Bardziej szczegółowoRównania liniowe. Rozdział Przekształcenia liniowe. Niech X oraz Y będą dwiema niepustymi przestrzeniami wektorowymi nad ciałem
Rozdział 6 Równania liniowe 6 Przekształcenia liniowe Niech X oraz Y będą dwiema niepustymi przestrzeniami wektorowymi nad ciałem F Definicja 6 Funkcję f : X Y spełniającą warunki: a) dla dowolnych x,
Bardziej szczegółowoEkonometria - ćwiczenia 1
Ekonometria - ćwiczenia 1 Mateusz Myśliwski Zakład Ekonometrii Stosowanej Instytut Ekonometrii Kolegium Analiz Ekonomicznych Szkoła Główna Handlowa 5 października 2012 1 Sprawy organizacyjne 2 Czym jest
Bardziej szczegółowo1.1 Klasyczny Model Regresji Liniowej
1.1 Klasyczny Model Regresji Liniowej Klasyczny model Regresji Liniowej jest bardzo użytecznym narzędziem służącym do analizy danych empirycznych. Analiza regresji zajmuje się opisem zależności między
Bardziej szczegółowo3. Wykład Układy równań liniowych.
31 Układy równań liniowych 3 Wykład 3 Definicja 31 Niech F będzie ciałem Układem m równań liniowych o niewiadomych x 1,, x n, m, n N, o współczynnikach z ciała F nazywamy układ równań postaci: x 1 + +
Bardziej szczegółowo13 Układy równań liniowych
13 Układy równań liniowych Definicja 13.1 Niech m, n N. Układem równań liniowych nad ciałem F m równaniach i n niewiadomych x 1, x 2,..., x n nazywamy koniunkcję równań postaci a 11 x 1 + a 12 x 2 +...
Bardziej szczegółowoDynamiczne stochastyczne modele równowagi ogólnej
Dynamiczne stochastyczne modele równowagi ogólnej mgr Anna Sulima Instytut Matematyki UJ 8 maja 2012 mgr Anna Sulima (Instytut Matematyki UJ) Dynamiczne stochastyczne modele równowagi ogólnej 8 maja 2012
Bardziej szczegółowoEkonometria egzamin 02/02/ W trakcie egzaminu wolno używać jedynie długopisu o innym kolorze atramentu niż czerwony oraz kalkulatora.
imię, nazwisko, nr indeksu: Ekonometria egzamin 0/0/0. Egzamin trwa 90 minut.. Rozwiązywanie zadań należy rozpocząć po ogłoszeniu początku egzaminu a skończyć wraz z ogłoszeniem końca egzaminu. Złamanie
Bardziej szczegółowoUKŁADY RÓWNAŃ LINIOWYCH
Wykłady z matematyki inżynierskiej JJ, 08 DEFINICJA Układ m równań liniowych z n niewiadomymi to: ( ) a 11 x 1 + a 12 x 2 + + a 1n x n = b 1 a 21 x 1 + a 22 x 2 + + a 2n x n = b 2 a m1 x 1 + a m2 x 2 +
Bardziej szczegółowoEgzamin z Ekonometrii
Pytania teoretyczne Egzamin z Ekonometrii 18.06.2015 1. Opisać procedurę od ogólnego do szczegółowego na przykładzie doboru liczby opóźnień w modelu. 2. Na czym polega najważniejsza różnica między testowaniem
Bardziej szczegółowo27. RÓWNANIA RÓŻNICZKOWE CZĄSTKOWE
27. RÓWNANIA RÓŻNICZKOWE CZĄSTKOWE 27.1. Wiadomości wstępne Równaniem różniczkowym cząstkowym nazywamy związek w którym występuje funkcja niewiadoma u dwóch lub większej liczby zmiennych niezależnych i
Bardziej szczegółowoPODSTAWY EKONOMETRII. z elementami algebry liniowej
PODSTAWY EKONOMETRII z elementami algebry liniowej Eligiusz W. Nowakowski PODSTAWY EKONOMETRII z elementami algebry liniowej Recenzent prof. dr hab. Wiesław Sasin Redakcja tekstu Bogumił Paszkiewicz Projekt
Bardziej szczegółowoKalibracja. W obu przypadkach jeśli mamy dane, to możemy znaleźć równowagę: Konwesatorium z Ekonometrii, IV rok, WNE UW 1
Kalibracja Kalibracja - nazwa pochodzi z nauk ścisłych - kalibrowanie instrumentu oznacza wyznaczanie jego skali (np. kalibrowanie termometru polega na wyznaczeniu 0C i 100C tak by oznaczały punkt zamarzania
Bardziej szczegółowoZaawansowane metody numeryczne
Wykład 1 Zadanie Definicja 1.1. (zadanie) Zadaniem nazywamy zagadnienie znalezienia rozwiązania x spełniającego równanie F (x, d) = 0, gdzie d jest zbiorem danych (od których zależy rozwiązanie x), a F
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 szczegółowoEKONOMETRIA prowadzący: Piotr Piwowarski
EKONOMETRIA prowadzący: Piotr Piwowarski Termin konsultacji: poniedziałek 13:15 14:45 wtorek 13:15 14:45 pokój 1101/1102 jedenaste piętro e-mail: piotr.piwowarski@poczta.umcs.lublin.pl strona internetowa:
Bardziej szczegółowoMakroekonomia II Polityka fiskalna
Makroekonomia II Polityka fiskalna D R A D A M C Z E R N I A K S Z K O Ł A G Ł Ó W N A H A N D L O W A W W A R S Z A W I E K A T E D R A E K O N O M I I I I 2 MIERNIKI RÓWNOWAGI FISKALNEJ wykład I Co składa
Bardziej szczegółowo11. POLITYKA MIKROEKONOMICZNA Istota podstawowych problemów praktyki mikroekonomicznej Polityka mikroekonomiczna
Spis treści WSTĘP 10. TEORIA MIKROEKONOMII 10.1. Pojęcie i istota mikroekonomii 10.2. Płaszczyzny identyfikacji mikroekonomii 10.2.1. Podstawowe obszary zainteresowań mikroekonomii 10.2.1.1. Gospodarstwo
Bardziej szczegółowoLista nr 1 - Liczby zespolone
Lista nr - Liczby zespolone Zadanie. Obliczyć: a) ( 3 i) 3 ( 6 i ) 8 c) (+ 3i) 8 (i ) 6 + 3 i + e) f*) g) ( 3 i ) 77 ( ( 3 i + ) 3i 3i h) ( + 3i) 5 ( i) 0 i) i ( 3 i ) 4 ) +... + ( 3 i ) 0 Zadanie. Przedstawić
Bardziej szczegółowoALGEBRA LINIOWA Z ELEMENTAMI GEOMETRII ANALITYCZNEJ. 1. Ciała
ALGEBRA LINIOWA Z ELEMENTAMI GEOMETRII ANALITYCZNEJ WSHE, O/K-CE 1. Ciała Definicja 1. Układ { ; 0, 1; +, } złożony ze zbioru, dwóch wyróżnionych elementów 0, 1 oraz dwóch działań +:, : nazywamy ciałem
Bardziej szczegółowoEkonometria - wykªad 1
Ekonometria - wykªad 1 0. Wprowadzenie Barbara Jasiulis-Goªdyn 28.02.2014 2013/2014 Ekonometria Literatura [1] B. Borkowski, H. Dudek, W. Szczesny, Ekonometria. Wybrane Zaganienia, PWN, Warszawa 2003.
Bardziej szczegółowoPrawdopodobieństwo i statystyka
Wykład XV: Zagadnienia redukcji wymiaru danych 2 lutego 2015 r. Standaryzacja danych Standaryzacja danych Własności macierzy korelacji Definicja Niech X będzie zmienną losową o skończonym drugim momencie.
Bardziej szczegółowoUkłady równań i równania wyższych rzędów
Rozdział Układy równań i równania wyższych rzędów Układy równań różniczkowych zwyczajnych Wprowadzenie W poprzednich paragrafach zajmowaliśmy się równaniami różniczkowymi y = f(x, y), których rozwiązaniem
Bardziej szczegółowoAlgebra z geometrią analityczną zadania z odpowiedziami
Algebra z geometrią analityczną zadania z odpowiedziami Maciej Burnecki Spis treści strona główna 1 Wyrażenia algebraiczne, indukcja matematyczna 2 2 Geometria analityczna w R 2 Liczby zespolone 4 4 Wielomiany
Bardziej szczegółowoAlgebra z geometrią analityczną zadania z odpowiedziami
Algebra z geometrią analityczną zadania z odpowiedziami Maciej Burnecki opracowanie Spis treści I Wyrażenia algebraiczne, indukcja matematyczna 2 II Geometria analityczna w R 2 4 III Liczby zespolone 5
Bardziej szczegółowoEkonometria egzamin 06/03/ W trakcie egzaminu wolno używać jedynie długopisu o innym kolorze atramentu niż czerwony oraz kalkulatora.
imię, nazwisko, nr indeksu: Ekonometria egzamin 06/03/2019 1. Egzamin trwa 90 minut. 2. Rozwiązywanie zadań należy rozpocząć po ogłoszeniu początku egzaminu a skończyć wraz z ogłoszeniem końca egzaminu.
Bardziej szczegółowoSpis treści Wstęp Estymacja Testowanie. Efekty losowe. Bogumiła Koprowska, Elżbieta Kukla
Bogumiła Koprowska Elżbieta Kukla 1 Wstęp Czym są efekty losowe? Przykłady Model mieszany 2 Estymacja Jednokierunkowa klasyfikacja (ANOVA) Metoda największej wiarogodności (ML) Metoda największej wiarogodności
Bardziej szczegółowoMet Me ody numer yczne Wykład ykład Dr inż. Mic hał ha Łanc Łan zon Instyt Ins ut Elektr Elektr echn iki echn i Elektrot Elektr echn olo echn
Metody numeryczne Wykład 3 Dr inż. Michał Łanczont Instytut Elektrotechniki i Elektrotechnologii E419, tel. 4293, m.lanczont@pollub.pl, http://m.lanczont.pollub.pl Zakres wykładu Pojęcia podstawowe Algebra
Bardziej szczegółowoWłasności wyznacznika
Własności wyznacznika Rozwinięcie Laplace a względem i-tego wiersza: n det(a) = ( 1) i+j a ij M ij (A), j=1 gdzie M ij (A) to minor (i, j)-ty macierzy A, czyli wyznacznik macierzy uzyskanej z macierzy
Bardziej szczegółowoMacierze i Wyznaczniki
dr Krzysztof Żyjewski MiBM; S-I 0.inż. 0 października 04 Macierze i Wyznaczniki Kilka wzorów i informacji pomocniczych: Definicja. Iloczynem macierzy A = [a ij m n, i macierzy B = [b ij n p nazywamy macierz
Bardziej szczegółowoZależność. przyczynowo-skutkowa, symptomatyczna, pozorna (iluzoryczna),
Zależność przyczynowo-skutkowa, symptomatyczna, pozorna (iluzoryczna), funkcyjna stochastyczna Korelacja brak korelacji korelacja krzywoliniowa korelacja dodatnia korelacja ujemna Szereg korelacyjny numer
Bardziej szczegółowoIII. Układy liniowe równań różniczkowych. 1. Pojęcie stabilności rozwiązań.
III. Układy liniowe równań różniczkowych. 1. Pojęcie stabilności rozwiązań. Analiza stabilności rozwiązań stanowi ważną część jakościowej teorii równań różniczkowych. Jej istotą jest poszukiwanie odpowiedzi
Bardziej szczegółowo15. Macierze. Definicja Macierzy. Definicja Delty Kroneckera. Definicja Macierzy Kwadratowej. Definicja Macierzy Jednostkowej
15. Macierze Definicja Macierzy. Dla danego ciała F i dla danych m, n IN funkcję A : {1,...,m} {1,...,n} F nazywamy macierzą m n ( macierzą o m wierszach i n kolumnach) o wyrazach z F. Wartość A(i, j)
Bardziej szczegółowoStatystyka i eksploracja danych
Wykład XII: Zagadnienia redukcji wymiaru danych 12 maja 2014 Definicja Niech X będzie zmienną losową o skończonym drugim momencie. Standaryzacją zmiennej X nazywamy zmienną losową Z = X EX Var (X ). Definicja
Bardziej szczegółowoMatematyka licea ogólnokształcące, technika
Matematyka licea ogólnokształcące, technika Opracowano m.in. na podstawie podręcznika MATEMATYKA w otaczającym nas świecie zakres podstawowy i rozszerzony Funkcja liniowa Funkcję f: R R określoną wzorem
Bardziej szczegółowoRozdział 1. Modelowanie ekonometryczne
Wprowadzenie Zajęcia z ekonometrii są w mniejszym lub większym zakresie realizowane we wszystkich uczelniach ekonomicznych. Przekazywane w ramach tego przedmiotu treści są dość zróżnicowane i uzależnione
Bardziej szczegółowoMetoda największej wiarogodności
Wprowadzenie Założenia Logarytm funkcji wiarogodności Metoda Największej Wiarogodności (MNW) jest bardziej uniwersalną niż MNK metodą szacowania wartości nieznanych parametrów Wprowadzenie Założenia Logarytm
Bardziej szczegółowoZadania z ekonomii matematycznej Teoria konsumenta
Paweł Kliber Zadania z ekonomii matematycznej Teoria konsumenta Zad Dla podanych niżej funcji użyteczności: (a u (x x = x + x (b u (x x = x x (c u (x x = x x (d u (x x = x x 4 (e u (x x = x + x = x + x
Bardziej szczegółowomacierze jednostkowe (identyczności) macierze diagonalne, które na przekątnej mają same
1 Macierz definicja i zapis Macierzą wymiaru m na n nazywamy tabelę a 11 a 1n A = a m1 a mn złożoną z liczb (rzeczywistych lub zespolonych) o m wierszach i n kolumnach (zamiennie będziemy też czasem mówili,
Bardziej szczegółowoWektor, prosta, płaszczyzna; liniowa niezależność, rząd macierzy
Wektor, prosta, płaszczyzna; liniowa niezależność, rząd macierzy Justyna Winnicka Na podstawie podręcznika Matematyka. e-book M. Dędys, S. Dorosiewicza, M. Ekes, J. Kłopotowskiego. rok akademicki 217/218
Bardziej szczegółowoWektory i wartości własne
Treść wykładu Podprzestrzenie niezmiennicze... Twierdzenie Cayley Hamiltona Podprzestrzenie niezmiennicze Definicja Niech f : V V będzie przekształceniem liniowym. Podprzestrzeń W V nazywamy niezmienniczą
Bardziej szczegółowoStanisław Cichocki Natalia Neherbecka
Stanisław Cichocki Natalia Neherbecka 13 marca 2010 1 1. Kryteria informacyjne 2. Modele dynamiczne: modele o rozłożonych opóźnieniach (DL) modele autoregresyjne o rozłożonych opóźnieniach (ADL) 3. Analiza
Bardziej szczegółowo3. Macierze i Układy Równań Liniowych
3. Macierze i Układy Równań Liniowych Rozważamy równanie macierzowe z końcówki ostatniego wykładu ( ) 3 1 X = 4 1 ( ) 2 5 Podstawiając X = ( ) x y i wymnażając, otrzymujemy układ 2 równań liniowych 3x
Bardziej szczegółowoMikroekonometria 2. Mikołaj Czajkowski Wiktor Budziński
Mikroekonometria 2 Mikołaj Czajkowski Wiktor Budziński Klasyczny Model Regresji Liniowej (KMRL) Postać modelu regresji liniowej: yi = Xiβ + εi Modelujemy liniową zależność y od zmiennych objaśniających
Bardziej szczegółowoKARTA PRZEDMIOTU. 12. PRZEDMIOTOWE EFEKTY KSZTAŁCENIA Odniesienie do kierunkowych efektów kształcenia (symbol)
KARTA PRZEDMIOTU 1. NAZWA PRZEDMIOTU: Ekonometria 2. KIERUNEK: MATEMATYKA 3. POZIOM STUDIÓW: I stopnia 4. ROK/ SEMESTR STUDIÓW: III/6 5. LICZBA PUNKTÓW ECTS: 5 6. LICZBA GODZIN: 30 / 30 7. TYP PRZEDMIOTU
Bardziej szczegółowoLokalna odwracalność odwzorowań, odwzorowania uwikłane
Lokalna odwracalność odwzorowań, odwzorowania uwikłane Katedra Matematyki i Ekonomii Matematycznej Szkoła Główna Handlowa 17 maja 2012 Definicja Mówimy, że odwzorowanie F : X R n, gdzie X R n, jest lokalnie
Bardziej szczegółowoMATEMATYKA I SEMESTR ALK (PwZ) 1. Sumy i sumy podwójne : Σ i ΣΣ
MATEMATYKA I SEMESTR ALK (PwZ). Sumy i sumy podwójne : Σ i ΣΣ.. OKREŚLENIE Ciąg liczbowy = Dowolna funkcja przypisująca liczby rzeczywiste pierwszym n (ciąg skończony), albo wszystkim (ciąg nieskończony)
Bardziej szczegółowoZadania z ekonomii matematycznej Teoria produkcji
Paweł Kliber Zadania z ekonomii matematycznej Teoria produkcji Zadania Zad Dla podanych funkcji produkcji a fk z k + z b fk z 6k z c fk z k z d fk z k 4 z e fk z k + z wykonaj następujące polecenia: A
Bardziej szczegółowo