ZAGADNIENIE REGRESJI W NAUKACH EKONOMICZNYCH

Wielkość: px
Rozpocząć pokaz od strony:

Download "ZAGADNIENIE REGRESJI W NAUKACH EKONOMICZNYCH"

Transkrypt

1 METODY ILOŚCIOWE W BADANIACH EKONOMICZNYCH Tom XIII/ str ZAGADNIENIE REGRESJI W NAUKACH EKONOMICZNYCH Beata Fałda Józef Zając Istytut Matematy Iformaty Państwowa Wyższa Szoła Zawodowa w Cełme Katedra Zastosowań Matematy Katolc Uwersytet Lubels Jaa Pawła II e-mal: bfalda@ul.lubl.pl jzajac@ul.lubl.pl Streszczee: Teora reresj obejmuje zespół metod arzędz ścsłeo opsu zależośc występującyc mędzy różeo rodzaju zjawsam. Od welu lat jest wyorzystywaa do formułowaa model eoomczyc eoometryczyc jaolwe reresja jest tu rozumaa w różora sposób. Przedmotem ejszej pracy są rozważaa a temat zastosowaa metod loścowyc w modelowau procesów eoomczyc ze szczeólym uwzlędeem zależośc zacodzącyc mędzy m wyrażoym zwązam reresyjym. Słowa luczowe: teora reresj reresja uoóloa WSTĘP Jeda z welu defcj eoom mów że jest oa auą obejmującą odrywae formułowae społeczyc praw dotyczącyc dzałalośc ospodarczej stosuów eoomczyc. Ozacza to że przedmotem zateresowaa eoom są procesy m..: producj wymay podzału spożyca. Aby móc je auowo opsywać badać aalzować potrzebe są defcje arzędza odpowede metody. Podstawowym arzędzam Grudzews W. M. Rosłaowsa-Plccńsa K. (984 Merzee welośc wymarowe modelowae zjaws oraz procesów eoomczyc Załad Narodowy m. Ossolńsc Wydawctwo Polsej Aadem Nau Wrocław - Warszawa Łódź str. 9. Fałda B. ( Modelowae dyamcze procesów eoomczyc Wydawctwo KUL Lubl str. 5-.

2 Zaadee reresj w auac eoomczyc 83 wyorzystywaym w tym celu są różeo typu modele. Wśród c zasadczą rupę staową modele matematycze statystycze w tym modele reresj. Term reresja pojawł sę po raz perwszy w XIX weu. Został o użyty przez F. Galtoa (8-9 do opsu zwązów zacodzącyc w procese dzedzczea. 3 Z czasem metody tec reresj zalazły zastosowae w różyc dzedzac au w tym w eoom do opsu ształtowaa sę pozomu peweo zjawsa w czase lub do opsu zależośc zacodzącyc mędzy badaym weloścam. Aalza reresj supła sę a estymacj parametrów rówaa teoretyczeo reresj tóre w sposób dołady potraf odwzorować stejący zwąze mędzy rozważaym procesam lub zjawsam. Na ruce eoom rozwój metod reresyjyc dooał sę w obrębe eoometr dze zasadczy erue badań dotyczy stocastyczeo carateru modelowayc procesów eoomczyc. Przedmotem ejszej pracy są rozważaa a temat zastosowaa metod loścowyc w modelowau zjaws procesów eoomczyc ze szczeólym uwzlędeem zależośc zacodzącyc mędzy m wyrażoym zwązam reresyjym. Oprócz caraterysty lasyczeo podejśca do problemu reresj zaprezetowao możlwość wyorzystaa a ruce eoomczym modelu reresj uoóloej wprowadzoeo w pracy [Zając ]. METODY ILOŚCIOWE W NAUKACH EKONOMICZNYCH Za preursora stosowaa metod loścowyc w eoom a przede wszystm statysty uzaje sę W. Pettyeo (3-87. Wedłu eo statystya była metodą rozumowaa a podstawe lczb umożlwającą wyryce oreśloyc prawdłowośc wśród caotyczyc zjaws masowyc. Na uwaę zasłuują róweż badaa prowadzoe przez G. Ka (48-7 tóry jao perwszy podjął próbę loścoweo opsu zależośc pomędzy zmaą ce uurydzy a weloścą jej zborów przy pomocy fucj lowej. Z ole G. U. Yule (87-95 w swoc pracac pocodzącyc z rou propoował zastosowae aalzy orelacj w eoom do badaa zwązu pomędzy ubóstwem a przecwdzałaem temu zjawsu. R. H. Hooer ( w 9 rou wyorzystał tę samą tecę badaa zwązu mędzy zmeym aalzując orelację pomędzy współczyem małżeństw staem outury w Welej Bryta. Prowadząc swoje badaa był jeda śwadomy oraczeń jae ese za sobą wyorzystae aalzy orelacj szczeóle w przypadu jej stosowaa do badaa dayc w postac szereów czasowyc. W 97 rou R. Be (8-95 jao perwszy wyorzystał w eoom metodę reresj weloraej zaś w 94 rou H. L. Moore ( zasłyął wprowadzeem a rut eoom statystyczej estymacj parametrów 3 Se A. K. Srvastava M. S. (99 Reresso aalyss: teory metods ad applcatos Sprer-Verla New Yor str..

3 84 Beata Fałda Józef Zając eoomczyc. W 9 rou L. Baceler (87-94 wyorzystując szere czasowe ce acj a parysej ełdze zauważył losowy carater tyc ce co stało sę w późejszym orese podstawą do rozważań a temat efetywośc ryu. 4 Wyorzystae arzędz metod matematyczyc oraz statystyczyc w eoom zaowocowało rozwtem dwóc wzajeme uzupełającyc sę urtów zastosowań metod loścowyc: eoom matematyczej eoometr. O le eooma matematycza została aerowaa a formułowae aaltyczyc jaoścowyc model teor eoom o tyle eoometra bazująca a osąęcac racuu prawdopodobeństwa statysty ma carater empryczy loścowy. 5 Obserwując proces matematyzacj eoom trudo jedozacze stwerdzć tóry z urtów był perwszy. Cocaż eoometra ze swom wybte pratyczym zabarweem teresowała ludz od dawa jeda jej fatyczy rozwój jest datoway a lata trzydzeste XX weu. Aalza prowadzoyc badań eoometryczyc poazuje jeda że pommo lczyc sporów a tle zastosowaa różyc metodolo podstawą eoometr jest teora reresj modyfowaa uzupełaa przez wybtyc eoometryów m. T. Haavelmo ( Jeo prace badawcze dotyczące probablstyczeo podejśca w eoometr zostały doceoe Narodą Nobla w 989 rou. Zwracając uwaę ż modele eoometrycze są ostruowae w oparcu o statystyę dae statystycze tóre bazują a teor prawdopodobeństwa uważał ż ależy poodzć sę z fatem że otrzymae wy będą mały carater probablstyczy a e determstyczy. Tym samym przeósł cężar aalz eoomczo - matematyczyc z szacowaa parametrów oraz problemu jaośc dayc statystyczyc a testowae teor. 7 ANALIZA REGRESJI Klasyczy model matematyczo - eoomczy rozpatryway jest a ruce eoom matematyczej dze aalza zjaws eoomczyc e opera sę a badau wyów obserwacj empryczyc za pomocą statystyczyc metod estymacj testowaa potez lecz odos sę do teoretyczyc rozważań eoomczyc. Węszość wspomayc model po odpowedm zmodyfowau może być podstawą aalz eoometryczyc w tóryc 4 Gewee J. F. Horowtz J. L. Pesara M. H. ( Ecoometrcs: A Brds Eye Vew IZA Dscusso Paper Seres No. 458 str Fałda B. ( Modelowae dyamcze procesów eoomczyc Wydawctwo KUL Lubl str.. Staewcz W. ( Hstora myśl eoomczej Państwowe Wydawctwo Eoomcze Warszawa str Gruszec T. ( Narody Nobla w eoom Verba Lubl str

4 Zaadee reresj w auac eoomczyc 85 putem wyjśca jest teora reresj. W lteraturze eoometryczej moża spotać dwa wzajeme uzupełające sę podejśca carateryzujące model eoometryczy: determstycze stocastycze. 8 Pommo wydawałoby sę laroweo rozróżea ocepcj reresj występującyc a ruce eoom aalza lteratury przedmotu zaprezetowaa w pracy [Czerwńs ] wsazuje a ejedozaczość teo pojęca oraz błędy terpretacyje. Pożej przedstawoo uwa zawarte w cytowaej pracy w odeseu do wspomaeo problemu wraz z prezetacją różyc podejść do reresj. 9 Reresja jao dopasowae fucj oreśloej lasy do wyów obserwacj Załóżmy że poszuujemy fucj reresj w postac y = f ( x dze f jest pewą fucją zmeej rzeczywstej x ależącą do ustaloej lasy fucj Φ taą że dla ażdej fucj f Φ wartość peweo fucjoału H ( f ; yˆ xˆ speła erówość: H ( f y xˆ H ( f ; yˆ xˆ ; ˆ ( Fucjoał H jest marą oreśloą a przestrze Φ. Przy jeo pomocy dooujemy pomaru odcylea cąu wartośc merzoyc od wartośc przyjmowayc przez fucję f w putac pomarowyc x ˆ = { x}. W stosuu do mary H załadamy że: H ( f ; ˆ ˆ y x ( co ozacza ryterum stosowaa fucj H. Jeżel steje fucja spełająca waru (-( to możemy powedzeć że problem zalezea fucj reresj f Φ jest poprawe sformułoway. Procedura wyzaczea taej fucj przy założeu lowośc zupełośc przestrze fucyjej Φ wymaa jeda umejętośc zastosowaa teor putów stałyc umejętośc ostrucj cąu przyblżająceo. Pomjając założee zupełośc przestrze Φ ależy przyjąć dodatowy warue pozwalający a to aby - e szuając fucj f spełającej ( - * zadowolć sę fucją f zblżoą do f. Reresja - warat Przyjmujemy ż wy obserwacj ( y ˆ ˆ powstały w astępujący sposób: x 8 Czerwńs Z. (98 Matematycze modelowae procesów eoomczyc Państwowe Wydawctwo Nauowe PWN Warszawa str. 8 9 Czerwńs Z. ( Moje zmaaa z eoomą Wydawctwo Aadem Eoomczej w Pozau Pozań str

5 8 Beata Fałda Józef Zając. wartośc xˆ =... zostały z óry ustaloe. wartośc ŷ =... są realzacjam zmeej losowej η x tóra przy daym x jest pewą fucją zmeej losowej ε o sończoej coć ezaej waracj zaej wartośc oczewaej co zapsujemy w postac ηx = ( xε. (3 Szczeólym ajczęścej występującym przypadem waruu jest założee że steją stałe rzeczywste aa tae ż dla dowoleo x η x = a + ax + ε (4 przy czym E ( ε =. Ze wzoru (3 wya że dystrybuata zmeej losowej η x jest przy daym x jedozacze wyzaczoa przez dystrybuatę zmeej losowej ε. W przypadu waruu (4 dystrybuata zmeej losowej η x jest zwązaa przy dowole ustaloym x z dystrybuatą zmeej losowej ε wzorem F η ( y = F ε ( y a ax. (5 Ze wzoru (3 wya że zaobserwowae w putac xˆ realzacje ŷ są oreśloe rówaem: y ˆ ( ˆ = x e ( dze e =... jest realzacją zmeej losowej ε. W przypadu lowym mamy zatem y ˆ ˆ = a + ax + e. (7 Rówae ( wos jeda mej formacj ż rówae (3 zaś rówae (7 - mej formacj ż rówae (4 dyż waru ( (7 mówą tylo o oreśloyc realzacjac. Rówaem reresj w przedstawoej ostrucj azywamy rówae (3 tóre w szczeólym przypadu występuje w postac (4. Reresja - warat Przyjmujemy ż wy obserwacj ( yˆ xˆ powstały w astępujący sposób:. wartośc xˆ =... zostały z óry ustaloe. cą wartośc ŷ =... jest realzacją zmeej losowej -wymarowej ( η... η tóra przy daym wetorze x = ( x... x jest pewą fucją teo wetora oraz -wymarowej zmeej losowej ε = ( ε... ε. Zmee losowe ε =... mają rozłady brzeowe o sończoej waracj zerowej wartośc oczewaej.

6 Zaadee reresj w auac eoomczyc 87 Szczeólym przypadem założea jest stee lczb rzeczywstyc a a tac że dla wetora x zacodz zależość η = a + a d x + ε (8 przy czym E ( ε =. Symbol d ozacza tutaj -ty -wymarowy wetor jedostowy zaś d x jest loczyem salarym wetorów d oraz x. Załóżmy teraz dodatowo że zależy tylo od x. Wya stąd że realzacje poszczeólyc sładowyc tyc zmeyc spełają rówae y ˆ ˆ = a + ax + e. (9 dze e =... jest ezaą realzacją -tej sładowej -wymarowej ε = ε.... Rówaem reresj w tej ostrucj jest ε zmeej losowej ( rówae (8 tóre wymaa umejętośc wyzaczaa parametrów a a. Reresja I rodzaju ˆ są realzacjam dwuwymarowej η o rozładze ormalym. Fucja reresj I rodzaju jest oreśloa rówaem y = E( η ς = x. W przypadu dwuwymaroweo rozładu ormaleo przyjmuje oo postać y = a + ax dze parametry a a są wyzaczoe jedozacze. Rozważaa ocepcja reresj jest rzado stosowaa w auac eoomczyc poeważ aalzowae zjawsa lub procesy e podleają ajczęścej opsow w tórym rozważae zmee mają łączy rozład ormaly. Przyjmjmy że wy obserwacj ( y xˆ zmeej losowej ( ς Reresja II rodzaju ˆ są realzacjam η o rozładze ormalym. Pod pojęcem reresj rozumemy tutaj fucję lową postac y = a + a tórej parametry Przyjmujemy teraz że wy obserwacj ( y xˆ dwuwymarowej zmeej losowej ( ς a a spełają erówość ( q pς E( η a a ς x E η ( dla dowolyc rzeczywstyc p q. Pommo powszecośc sądów ta ocepcja reresj rzado zajduje uzasadee do stosowaa w eoom. Poeważ w modelac eoometryczyc sładow losowemu przypsuje sę dość stotą rolę rozważmy o jao zmeą losową postac η

7 88 Beata Fałda Józef Zając ( p q = η p qς ε postawmy problem zalezea taej pary lczb p q przy tórej zmea ta osąa mmalą warację. Jeżel lczbam tym będą a a zaś { yˆ xˆ } są realzacjam dwuwymarowej zmeej losowej ( η ς o rozładze ormalym to zadae oszacowaa parametrów przy tóryc zmea losowa ε ( p q ma mmalą warację jest dobrze postawoe metoda ajmejszyc wadratów daje ocey parametrów a a o pożądayc własoścac. Nestety ta zdefowaa zmea losowa ε ( a a e może być uważaa za sład losowy wywerający wpływ a ształtowae sę zmeej objaśaej. Jeżel ε = ε ( a a zaś e jest ezaą realzacją zmeej losowej ε to rówae y ˆ = a + a xˆ + e ( jest tożsamoścą. Mmo formaleo podobeństwa rówań (7 oraz (9 e ozacza to aby wartośc ŷ powstawały jao lowa fucja wartośc xˆ powęszoyc o ezae wartośc e. Jeżel wy obserwacj obydwu zmeyc są realzacjam dwuwymarowej zmeej losowej o rozładze ormalym to często spotyay ometarz że zmea objaśaa ształtuje sę pod wpływem zmeej objaśającej oraz słada losoweo trac ses dyż sład losowy jest tu wartoścą resztową. Reresja z losowym zmeym objaśającym ˆ x spełają astępujące waru:. wartośc xˆ =... są realzacjam pewej zmeej losowej ς. wartośc ŷ =... spełają warue y ˆ = a + a xˆ + e dze e jest realzacją pewej zmeej losowej ε ezależej od ς a poadto E ( ε =. Wya stąd że ŷ są realzacjam pewej zmeej losowej η postac η = a + aς + ε tóra jest fucją lową dwóc zmeyc losowyc ς ε. Stąd y ˆ ˆ = a + ax + e. ( Rówae ( róż sę od rówaa (7 tym że założea dotyczące xˆ mówą ż wartośc ŷ zostały wylosowae a e z óry ustaloe. Natomast rówae ( róż sę od ( tym że bra jest tutaj założea o jedoczesym losowau lczb ŷ oraz xˆ. Lczby ŷ są realzacjam zmeej losowej tóre a Przyjmujemy że wy obserwacj ( y ˆ

8 Zaadee reresj w auac eoomczyc 89 mocy założea powstają jao wartośc loweo przeształcea realzacj dwóc yc zmeyc losowyc. KONCEPCJA REGRESJI UOGÓLNIONEJ I JEJ ZASTOSOWANIE W EKONOMII Model reresj uoóloej ależy do model reresj o caraterze determstyczym. W modelu tym fucje reresj powstają jao rozwązae peweo problemu estremaleo oreśloeo w środowsu sończee lub esończee wymarowej przestrze Hlberta. Kostrucja teo modelu pozwala a wyzaczee cąu reresj aprosymująceo dae dośwadczale lub otowaa cąłe w ścśle oreśloym sese. Rozważmy astępującą struturę R : = ( A B δ ; x y dze: A B są daym epustym zboram dae otrzymae w drodze esperymetu x : Ω A oraz y : Ω B zacodzą dla pewyc epustyc zborów Ω Ω δ : ( Ω ( Ω B B jest ryterum odcylea fucj teoretyczej od fucj empryczej tórą azywać będzemy struturą reresj. Celem teor reresj uoóloej jest wyzaczee tac fucj f F tóre spełają warue ajlepszeo dopasowaa do dayc empryczyc. Fucje te mmalzują fucjoał dopasowaa F(f : = δ ( f x y czyl F(f F dla ażdeo f F. Zbór tyc fucj spełają erówość ( f ozaczamy symbolem M ( F R zaś ażdą fucję ze zboru rozwązań azywamy fucją reresj rodzy F z uwa a struturę R. Uoólee lasyczeo odcylea wadratoweo lczoeo wzlędem dowolej mary μ jest oreśloe formułą δ ( u v = u( t v( t dμ( t t. Ω Ω Przecodząc do pomarów dysretyc przyjmując wdzmy że mara : B [ ;+ ] dze δ t oraz t l μ l = ρ μ reduuje sę do wyrażea ({( } l ρ l jest dowolą eujemą fucją rzeczywstą. Wtedy m ( u v = ρ u( v(. = l= l Przyjmując dalej że m = zaś Zając J. ( Reresja uoóloa Mscellaea mroeoometr Uwersytet Szczecńs Szczec str. 7-7.

9 9 Beata Fałda Józef Zając dla = l ρ l : = (3 dla l otrzymujemy lasycza marę Gaussa odcylea wadratoweo δ ( u v = = u( v(. Stosując podstawea u : = f x oraz v : = y wdzmy że ( f x y = f x( y( = f ( F(f : = δ x y (4 = = dze x oraz y są daym empryczym. Prezetowae uoólee lasycze rozumaej reresj polea a tym że zamast fucj specjalyc f występującyc w różyc zayc typac reresj rozważamy dowolą rodzę L ( R fucj f : A B tac że f x( t jest fucją B - merzalą taą f x t dμ t t < + L R sładający sę ze że ( ( ja róweż zbór ( Ω Ω wszystc fucj : B t dμ t t < +. Ω tac że ( t poadto ( ( Ω Ω Zatem fucjoał L R u jest fucją B - merzalą a * ( ( u : = u x( t y( t dμ( t t Ω Ω (5 jest lowy oraczoy w dowolej przestrze Hlberta zaś jeo orma supremum speła erówość * { ( f : f L ( R f } y( t dμ( t t. sup ( Ω Ω Stosując erówość Scwarza wdzmy że * ( f y( t d ( t t μ Ω Ω f (7 dze f jest ormą f w przestrze L ( R. Zatem problem reresj uoóloej rozumay jao oreśloy powyżej problem estremaly polea a zalezeu wszystc fucj f F tóre mmalzują fucjoał

10 Zaadee reresj w auac eoomczyc 9 ( f = δ ( f x y = f x( t y( t dμ( t t Ω Ω F (8 dze F L R. Podstawowym wyem dotyczącym fucj reresj jest formacja mówąca że jest to zbór lowy tóry słada sę z fucj będącyc ombacją lową dowole wybrayc uormowayc fucj bazowyc. Jeżel p { } jest wymarem poszuwaeo cąu reresj ec L ( R dze =... p będze cąem fucj lowo ezależyc zaś F przestrzeą lową rozpętą a wetorac. Wyorzystując metodę ortooalzacj Gramma-Scmdta z cąem tym łączymy cą { } tóreo elemety oreśloe są wzorem : = oraz : = dla = 3... p. (9 = Wtedy f zaś ( p * ( ( R = Re F ( = * dy p jest sończoą lczbą aturalą oraz ( ( Re F R = = dy p =. Dwuwymarowy przyład fucj reresj otrzymujemy w astępujący sposób. Załóżmy że daa jest dowola fucja L ( R zaś F = l ({ } jest przestrzeą lową rozpętą a lowo ezależyc fucjac * ( R. Wtedy ( ( R = L : = = Re F dze =. : = oraz Partya D. Zając J. ( Geeralzed problem of reresso Bullet De La Socete Des Sceces Et Des Lettres De Łódź vol. LX o. str

11 9 Beata Fałda Józef Zając dze Przyjmując * ( ( a : = oraz = wdzmy że * ( ( * a : a ( ( R = a + a * a = oraz Re F ( ( * a a =. (3 Jeżel dodatowo przyjmemy że ( t = t zaś ( t = a poadto ( t = t dla t to wyrażea oreślające a a przyjmują zaą postać a = ( + x y x = = = ( + x = = x y oraz a = = y a + = współczyów reresj lowej drueo rodzaju postac f ( t = a t +. x a Pożej przedstawoa zostae lustracja fucjoowaa teor reresj uoóloej w opse przebeu zma przecęteo mesęczeo wyarodzea omaleo w Polsce w setorze przedsęborstw. W aalze wyorzystao dae za ores dostępe a r dla = wyzaczoy zostae w ośmowymarowej przestrze lowej z wetoram bazowym postac: xπ xπ ( x = ( x = x ( x = cos 3( x = s 3 4 4( x = x 5( x = x ( x = 7( x = x. x + Wybór wetorów bazowyc został podytoway establym caraterem rozważayc dayc. Stosowe do przyjętej bazy otrzymujemy: Cą fucj reresj { } ( x ( x = r = 574 r + x xπ r ( x = x + 448cos xπ xπ r3 ( x = x + 449cos 93s (4

12 Zaadee reresj w auac eoomczyc 93 xπ xπ r4 ( x = x + 45x + 443cos 95s 3 xπ xπ r5 ( x = x x + 83x + 49cos 3s xπ r ( x = x x + 55x + 444cos + + x xπ + 39s r7 ( x = 93 7x + x x 935 x + + x xπ xπ + 589cos + 43s. W celu sprawdzea jaośc powyższyc model reresj zostały oblczoe δ x : mary dopasowaa ( δ ( x = δ ( x = 9 74 δ ( x = ( x = 88 4 δ ( x 4 δ ( x δ ( x 4 δ ( x. δ 4 = 87 5 = = = 7438 Z przedstawoyc dayc wya że ajlepsze dopasowae do dayc empryczyc realzuje fucja r ( x. Wyres wsazaej fucj przedstawoo a rysuu pożej. Rysue. Fucja reresj r ( x Źródło: Opracowae włase a podstawe dayc przy wyorzystau proramu Wolfram Matematca.

13 94 Beata Fałda Józef Zając PODSUMOWANIE Teora reresj staow podstawę welu aalz prowadzoyc a ruce eoom. Ja zaprezetowao w ejszej pracy pojęce to e ma carateru jedozaczeo jeda co warto podreślć zawsze ma a celu przedstawee zwązów mędzy badaym weloścam. Uzupełeem lasyczej teor reresj jest teora reresj uoóloej. Już teraz wele aalz wsazuje ż może być oa wyorzystywaa w modelowau procesów zjaws eoomczyc. Jej ewątplwym atutem jest możlwość elastyczeo doboru bazy w rozważaej przestrze wetorowej pozwala a uwypulee tyc cec przedmotu aalz tóre są wedłu badacza ajbardzej stote. BIBLIOGRAFIA Czerwńs Z. (98 Matematycze modelowae procesów eoomczyc Państwowe Wydawctwo Nauowe PWN Warszawa str. 8. Czerwńs Z. ( Moje zmaaa z eoomą Wydawctwo Aadem Eoomczej w Pozau Pozań str Fałda B. ( Modelowae dyamcze procesów eoomczyc Wydawctwo KUL Lubl str. 5-. Gewee J. F. Horowtz J. L. Pesara M. H. ( Ecoometrcs: A Brds Eye Vew IZA Dscusso Paper Seres No. 458 str Grudzews W. M. Rosłaowsa-Plccńsa K. (984 Merzee welośc wymarowe modelowae zjaws oraz procesów eoomczyc Załad Narodowy m. Ossolńsc Wydawctwo Polsej Aadem Nau Wrocław - Warszawa Łódź str. 9. Gruszec T. ( Narody Nobla w eoom Verba Lubl str Partya D. Zając J. ( Geeralzed problem of reresso Bullet De La Socete Des Sceces Et Des Lettres De Łódź vol. LX o. str Se A. K. Srvastava M. S. (99 Reresso aalyss: teory metods ad applcatos Sprer-Verla New Yor str.. Staewcz W. ( Hstora myśl eoomczej Państwowe Wydawctwo Eoomcze Warszawa str. 4. Zając J. ( Reresja uoóloa Mscellaea mroeoometr Uwersytet Szczecńs Szczec str [dostęp: luty ]

14 Zaadee reresj w auac eoomczyc 95 THE REGRESSION PROBLEM IN ECONOMIC SCIENCES Abstract: Te reresso teory volves metods ad tools of exact descrpto of relatos betwee varous types of peomea. Sce may years t s used for te ecoomc ad ecoometrc models formulato owever as te aalyze of lterature dcates reresso s uderstood dfferet ways. Ts artcle s a reflecto o te applcato of quattatve metods ecoomcs processes model wt partcular empass o te relatos betwee tem expressed by reresso. Key words: reresso teory eeralzed reresso

N ( µ, σ ). Wyznacz estymatory parametrów µ i. Y które są niezależnymi zmiennymi losowymi.

N ( µ, σ ). Wyznacz estymatory parametrów µ i. Y które są niezależnymi zmiennymi losowymi. 3 Metody estymacj N ( µ, σ ) Wyzacz estymatory parametrów µ 3 Populacja geerala ma rozład ormaly mometów wyorzystując perwszy momet zwyły drug momet cetraly z prób σ metodą 3 Zmea losowa ma rozład geometryczy

Bardziej szczegółowo

JEDNOWYMIAROWA ZMIENNA LOSOWA

JEDNOWYMIAROWA ZMIENNA LOSOWA JEDNOWYMIAROWA ZMIENNA LOSOWA Nech E będze zborem zdarzeń elemetarych daego dośwadczea. Fucję X(e) przyporządowującą ażdemu zdarzeu elemetaremu e E jedą tylo jedą lczbę X(e)=x azywamy ZMIENNĄ LOSOWĄ. Przyład:

Bardziej szczegółowo

Analiza Matematyczna Ćwiczenia. J. de Lucas

Analiza Matematyczna Ćwiczenia. J. de Lucas Aalza Matematycza Ćwczea J. de Lucas Zadae. Oblczyć grace astępujących fucj a lm y 3,y 0,0 b lm y 3 y ++y,y 0,0 +y c lm,y 0,0 + 4 y 4 y d lm y,y 0,0 3 y 3 e lm,y 0,0 +y 4 +y 4 f lm,y 0,0 4 y 6 +y 3 g lm,y

Bardziej szczegółowo

ZMIENNA LOSOWA JEDNOWYMIAROWA POJĘCIE ZMIENNEJ LOSOWEJ

ZMIENNA LOSOWA JEDNOWYMIAROWA POJĘCIE ZMIENNEJ LOSOWEJ ZMIENNA LOSOWA JEDNOWYMIAROWA POJĘCIE ZMIENNEJ LOSOWEJ Podstawowe pojęca rachuu prawdopodobeństwa: zdarzee losowe, zdarzee elemetare, prawdopodobeństwo, zbór zdarzeń elemetarych. Def. Nech E będze zborem

Bardziej szczegółowo

Pojęcie statystyki. Definicja. Wektorową funkcję mierzalną T: X T(X)=(T 1 (X),...,T k (X)) R k wymiarową statystyką. próby X nazywamy k

Pojęcie statystyki. Definicja. Wektorową funkcję mierzalną T: X T(X)=(T 1 (X),...,T k (X)) R k wymiarową statystyką. próby X nazywamy k Statystya Wyład Adam Ćmel A4 5 cmel@agh.edu.pl Pojęce statysty Pojęce statysty w statystyce matematyczej jest odpowedem pojęca zmeej losowej w rachuu prawdopodobeństwa. Nech X(X,...,X ) będze próbą z pewej

Bardziej szczegółowo

Indukcja matematyczna

Indukcja matematyczna Iducja matematycza Twerdzee. zasada ducj matematyczej Nech T ozacza pewą tezę o lczbe aturalej. Jeżel dla pewej lczby aturalej 0 teza T 0 jest prawdzwa dla ażdej lczby aturalej 0 z prawdzwośc tezy T wya

Bardziej szczegółowo

5. OPTYMALIZACJA NIELINIOWA

5. OPTYMALIZACJA NIELINIOWA 5. OPTYMALIZACJA NIELINIOWA Zdarza sę dość często, że zależośc występujące w aalzowaych procesach (p. ospodarczych) mają charakter elowy. Dlateo też, oprócz lowych zadań decyzyjych, formułujemy także elowe

Bardziej szczegółowo

k k M. Przybycień Rachunek Prawdopodobieństwa i Statystyka Wykład 13-2

k k M. Przybycień Rachunek Prawdopodobieństwa i Statystyka Wykład 13-2 Pojęce przedzału ufośc Przyład: Rozważmy pewe rzad proces (tz. ta tórego lczba zajść podlega rozładow Possoa). W cągu pewego czasu zaobserwowao =3 tae zdarzea. Oceć możlwy przedzał lczby zdarzeń tego typu

Bardziej szczegółowo

3. OPTYMALIZACJA NIELINIOWA

3. OPTYMALIZACJA NIELINIOWA Wybrae zaadea badań operacyjych dr ż. Zbew Tarapata 3. OPTYMALIZACJA NIELINIOWA Zdarza sę dość często że zależośc występujące w aalzowaych procesach (p. ospodarczych) mają charakter elowy. Dlateo też oprócz

Bardziej szczegółowo

Wykłady z Analizy rzeczywistej i zespolonej w Matematyce stosowanej. Literatura. W. Rudin: Podstawy analizy matematycznej, PWN, Warszawa, 1982.

Wykłady z Analizy rzeczywistej i zespolonej w Matematyce stosowanej. Literatura. W. Rudin: Podstawy analizy matematycznej, PWN, Warszawa, 1982. Wyłady z Aalzy rzeczywstej zespoloej w Matematyce stosowaej Lteratura W Rud: Podstawy aalzy matematyczej, PWN, Warszawa, 1982 W Rud: Aalza rzeczywsta zespoloa, PZWS, Warszawa, 1986 W Szabat: Wstęp do aalzy

Bardziej szczegółowo

( ) ( ) ( ) ( ) ( ) ( )

( ) ( ) ( ) ( ) ( ) ( ) ,,, ~ B, β ( β β ( ( Γ( β Γ + f ( Γ ( + ( + β + ( + β Γ + β Γ + Γ + β Γ + + β E Γ Γ β Γ Γ + + β Γ + Γ β + β β β Γ + β Γ + Γ + β Γ + + β E ( Γ Γ β Γ Γ + + β Γ + Γ β β + β Metoda mometów polega a przyrówau

Bardziej szczegółowo

Statystyka Opisowa 2014 część 3. Katarzyna Lubnauer

Statystyka Opisowa 2014 część 3. Katarzyna Lubnauer Statystyka Opsowa 014 część 3 Katarzya Lubauer Lteratura: 1. Statystyka w Zarządzau Admr D. Aczel. Statystyka Opsowa od Podstaw Ewa Waslewska 3. Statystyka, Lucja Kowalsk. 4. Statystyka opsowa, Meczysław

Bardziej szczegółowo

Analiza spektralna stóp zwrotu z inwestycji w akcje

Analiza spektralna stóp zwrotu z inwestycji w akcje Nasz rye aptałowy, 003 r3, str. 38-43 Joaa Góra, Magdalea Osńsa Katedra Eoometr Statysty Uwersytet Mołaja Kopera w Toruu Aalza spetrala stóp zwrotu z westycj w acje. Wstęp Agregacja w eoom eoometr bywa

Bardziej szczegółowo

Stanisław Cichocki Natalia Nehrebecka. Zajęcia 7-8

Stanisław Cichocki Natalia Nehrebecka. Zajęcia 7-8 Stasław Cchock Natala Nehreecka Zajęca 7-8 . Testowae łączej stotośc wyraych regresorów. Założea klasyczego modelu regresj lowej 3. Własośc estymatora MNK w KMRL Wartość oczekwaa eocążoość estymatora Waracja

Bardziej szczegółowo

SPOŁECZNA AKDAEMIA NAUK W ŁODZI

SPOŁECZNA AKDAEMIA NAUK W ŁODZI SPOŁECZNA AKDAEMIA NAUK W ŁODZI KIERUNEK STUDIÓW: ZARZĄDZANIE PRZEDMIOT: METODY ILOŚCIOWE W ZARZĄDZANIU (MATERIAŁ POMOCNICZY PRZEDMIOT PODSTAWOWY ) Łódź Sps treśc Moduł Wprowadzee do metod loścowych w

Bardziej szczegółowo

W zadaniu nie ma polecenia wyznaczania estymatora nieobciążonego o minimalnej wariancji. σ σ σ σ σ = =

W zadaniu nie ma polecenia wyznaczania estymatora nieobciążonego o minimalnej wariancji. σ σ σ σ σ = = 4. Na podstawe erówośc Cramera Rao wyzacz dole ograczee dla waracj eobcążoego estymatora waracj σ w rozkładze ormalym N(0, σ ). W zadau e ma polecea wyzaczaa estymatora eobcążoego o mmalej waracj dla σ,

Bardziej szczegółowo

Zadanie 1. Rzucamy symetryczną monetą tak długo, aż w dwóch kolejnych rzutach pojawią się,,reszki. Oblicz wartość oczekiwaną liczby wykonanych rzutów.

Zadanie 1. Rzucamy symetryczną monetą tak długo, aż w dwóch kolejnych rzutach pojawią się,,reszki. Oblicz wartość oczekiwaną liczby wykonanych rzutów. Pradopodobeństo statystya 6..3r. Zadae. Rzucamy symetryczą moetą ta długo aż dóch olejych rzutach pojaą sę resz. Oblcz artość oczeaą lczby yoaych rzutó. (A) 7 (B) 8 (C) 9 (D) (E) 6 Wsazóa: jeśl rzuce umer

Bardziej szczegółowo

ma rozkład normalny z nieznaną wartością oczekiwaną m

ma rozkład normalny z nieznaną wartością oczekiwaną m Zadae Każda ze zmeych losowych,, 9 ma rozkład ormaly z ezaą wartoścą oczekwaą m waracją, a każda ze zmeych losowych Y, Y,, Y9 rozkład ormaly z ezaą wartoścą oczekwaą m waracją 4 Założoo, że wszystke zmee

Bardziej szczegółowo

Stanisław Cichocki. Natalia Nehrebecka. Zajęcia 5

Stanisław Cichocki. Natalia Nehrebecka. Zajęcia 5 Stasław Cchock Natala Nehreecka Zajęca 5 . Testowae łączej stotośc wyraych regresorów. Założea klasyczego modelu regresj lowej 3. Własośc estymatora MNK w KMRL Wartośd oczekwaa eocążoośd estymatora Waracja

Bardziej szczegółowo

. Wtedy E V U jest równa

. Wtedy E V U jest równa Prawdopodobeństwo statystyka 7.0.0r. Zadae Dwuwymarowa zmea losowa Y ma rozkład cągły o gęstośc gdy ( ) 0 y f ( y) 0 w przecwym przypadku. Nech U Y V Y. Wtedy E V U jest rówa 8 7 5 7 8 8 5 Prawdopodobeństwo

Bardziej szczegółowo

Tablica Galtona. Mechaniczny model rozkładu normalnego (M10)

Tablica Galtona. Mechaniczny model rozkładu normalnego (M10) Tablca Galtoa. Mechaczy model rozkładu ormalego (M) I. Zestaw przyrządów: Tablca Galtoa, komplet kulek sztuk. II. Wykoae pomarów.. Wykoać 8 pomarów, wrzucając kulk pojedyczo.. Uporządkować wyk pomarów,

Bardziej szczegółowo

Permutacje. } r ( ) ( ) ( ) 1 2 n. f = M. Przybycień Matematyczne Metody Fizyki I Wykład 2-2

Permutacje. } r ( ) ( ) ( ) 1 2 n. f = M. Przybycień Matematyczne Metody Fizyki I Wykład 2-2 Permutacje { 2,,..., } Defcja: Permutacją zboru lczb azywamy dowolą różowartoścową fukcję określoą a tym zborze o wartoścach w tym zborze. Uwaga: Lczba wszystkch permutacj wyos! Permutacje zapsujemy w

Bardziej szczegółowo

f f x f, f, f / / / METODA RÓŻNIC SKOŃCZONYCH niech N = 2 (2 równania różniczkowe zwyczajne liniowe I-rz.) lub jedno II-rzędu

f f x f, f, f / / / METODA RÓŻNIC SKOŃCZONYCH niech N = 2 (2 równania różniczkowe zwyczajne liniowe I-rz.) lub jedno II-rzędu METODA RÓŻIC SKOŃCZOYCH (omówee a przykładze rówań lowych) ech ( rówaa różczkowe zwyczaje lowe I-rz.) lub jedo II-rzędu f / / p( x) f / + q( x) f + r( x) a x b, f ( a) α, f ( b) β dea: a satce argumetu

Bardziej szczegółowo

W zadaniu nie ma polecenia wyznaczania estymatora nieobciążonego o minimalnej wariancji. σ σ σ σ σ = =

W zadaniu nie ma polecenia wyznaczania estymatora nieobciążonego o minimalnej wariancji. σ σ σ σ σ = = 4. Na podstawe erówośc Cramera Rao wyzacz dole ograczee dla waracj eobcążoego estymatora waracj σ w rozkładze ormalym N(0, σ. W zadau e ma polecea wyzaczaa estymatora eobcążoego o mmalej waracj dla σ,

Bardziej szczegółowo

STATYSTYKA MATEMATYCZNA WYKŁAD 2 ESTYMACJA PUNKTOWA

STATYSTYKA MATEMATYCZNA WYKŁAD 2 ESTYMACJA PUNKTOWA STATYSTYKA MATEMATYCZNA WYKŁAD ESTYMACJA PUNKTOWA Nech - ezay parametr rozkładu cechy X. Wartość parametru będzemy estymować (przyblżać) a podstawe elemetowej próby. - wyberamy statystykę U o rozkładze

Bardziej szczegółowo

POPULACJA I PRÓBA. Próba reprezentatywna. Dr Adam Michczyński - METODY ANALIZY DANYCH POMIAROWYCH 5 1

POPULACJA I PRÓBA. Próba reprezentatywna. Dr Adam Michczyński - METODY ANALIZY DANYCH POMIAROWYCH 5 1 POPULACJA I PRÓBA POPULACJĄ w statystyce matematyczej azywamy zbór wszystkch elemetów (zdarzeń elemetarych charakteryzujących sę badaą cechą opsywaą zmeą losową. Zbadae całej populacj (przeprowadzee tzw.

Bardziej szczegółowo

Matematyczne metody opracowywania wyników

Matematyczne metody opracowywania wyników Matematycze metody opracowywaa wyów Statystya rachue epewośc Paweł Ża Wydzał Odlewctwa AGH Katedra Iżyer Procesów Odlewczych Kraów, gruda 00 Opracowae rzywej stygęca 3 4 5 6 7 Formuły a przyblżae pochodej

Bardziej szczegółowo

Podstawy opracowania wyników pomiarowych, analiza błędów

Podstawy opracowania wyników pomiarowych, analiza błędów Podstawy opracowaa wyków pomarowych, aalza błędów I Pracowa Fzycza IF UJ Grzegorz Zuzel Lteratura I Pracowa fzycza Pod redakcją Adrzeja Magery Istytut Fzyk UJ Kraków 2006 Wstęp do aalzy błędu pomarowego

Bardziej szczegółowo

ĆWICZENIE 5 TESTY STATYSTYCZNE

ĆWICZENIE 5 TESTY STATYSTYCZNE ĆWICZENIE 5 TESTY STATYSTYCZNE Cel Przedstawee wybraych testów statystyczych zasad wyboru właścwego testu przeprowadzea go oraz terpretac wyów. Wprowadzee teoretycze Testem statystyczym azywamy metodę

Bardziej szczegółowo

będą niezależnymi zmiennymi losowymi z rozkładu o gęstości

będą niezależnymi zmiennymi losowymi z rozkładu o gęstości Prawdopodobeństwo statystyka 4.0.00 r. Zadae Nech... będą ezależym zmeym losowym z rozkładu o gęstośc θ f ( x) = θ xe gdy x > 0. Estymujemy dodat parametr θ wykorzystując estymator ajwększej warogodośc

Bardziej szczegółowo

1. Relacja preferencji

1. Relacja preferencji dr Mchał Koopczyńsk EKONOMIA MATEMATYCZNA Wykłady, 2, 3 (a podstawe skryptu r 65) Relaca preferec koszyk towarów: przestrzeń towarów: R + = { x R x 0} x = ( x,, x ) X X R+ x 0 x 0 =, 2,, x~y xf y x y x

Bardziej szczegółowo

Identyfikacja i ocena ryzyka wykonania planu produkcji w przedsiębiorstwie górniczym

Identyfikacja i ocena ryzyka wykonania planu produkcji w przedsiębiorstwie górniczym Prof. dr hab. ż. HENRYK PRZYBYŁA, dr hab. ż. STANISŁAW KOWALIK Poltecha Śląsa, Glwce Idetyfacja ocea ryzya wyoaa plau producj w przedsęborstwe górczym Artyuł opował prof. dr hab. ż. Adrzej Karbow. Wprowadzee

Bardziej szczegółowo

Planowanie eksperymentu pomiarowego I

Planowanie eksperymentu pomiarowego I POLITECHNIKA ŚLĄSKA W GLIWICACH WYDZIAŁ INŻYNIERII ŚRODOWISKA ENERGETYKI INSTYTUT MASZYN URZĄDZEŃ ENERGETYCZNYCH Plaowae eksperymetu pomarowego I Laboratorum merctwa (M 0) Opracował: dr ż. Grzegorz Wcak

Bardziej szczegółowo

Różniczkowanie funkcji rzeczywistych wielu zmiennych. Matematyka Studium doktoranckie KAE SGH Semestr letni 2008/2009 R. Łochowski

Różniczkowanie funkcji rzeczywistych wielu zmiennych. Matematyka Studium doktoranckie KAE SGH Semestr letni 2008/2009 R. Łochowski Różczkowae fukcj rzeczywstych welu zmeych rzeczywstych Matematyka Studum doktoracke KAE SGH Semestr let 8/9 R. Łochowsk Pochoda fukcj jedej zmeej e spojrzee Nech f : ( α, β ) R, α, β R, α < β Fukcja f

Bardziej szczegółowo

Prawdopodobieństwo i statystyka r.

Prawdopodobieństwo i statystyka r. Zadae. W ure zajduje sę 5 kul, z których 5 jest bałych czarych. Losujemy bez zwracaa kolejo po jedej kul. Kończymy losowae w momece, kedy wycągęte zostaą wszystke czare kule. Oblcz wartość oczekwaą lczby

Bardziej szczegółowo

Prawdopodobieństwo i statystyka r.

Prawdopodobieństwo i statystyka r. Prawdopodobeństwo statystyka 0.06.0 r. Zadae. Ura zawera kul o umerach: 0,,,,. Z ury cągemy kulę, zapsujemy umer kulę wrzucamy z powrotem do ury. Czyość tę powtarzamy, aż kula z każdym umerem zostae wycągęta

Bardziej szczegółowo

PODSTAWY OPRACOWANIA WYNIKÓW POMIARÓW Z ELEMENTAMI ANALIZY NIEPEWNOŚCI POMIAROWYCH. dr Michał Silarski

PODSTAWY OPRACOWANIA WYNIKÓW POMIARÓW Z ELEMENTAMI ANALIZY NIEPEWNOŚCI POMIAROWYCH. dr Michał Silarski PODTAWY OPRACOWANIA WYNIKÓW POMIARÓW Z ELEMENTAMI ANALIZY NIEPEWNOŚCI POMIAROWYCH dr Mchał larsk I Pracowa Fzycza IF UJ, 9.0.06 Pomar Pomar zacowae wartośc prawdzwej Bezpośred (welkość fzycza merzoa jest

Bardziej szczegółowo

ZAGADNIENIE TRANSPORTOWE

ZAGADNIENIE TRANSPORTOWE ZAGADNIENIE TRANSPORTOWE ZT.. Zagadee trasportowe w postac tablcy Z m puktów (odpowedo A,...,A m ) wysyłamy edorody produkt w loścach a,...,a m do puktów odboru (odpowedo B,...,B ), gdze est odberay w

Bardziej szczegółowo

Podprzestrzenie macierzowe

Podprzestrzenie macierzowe Podprzestrzee macerzowe werdzee: Dla dwóch macerzy A B o tych samych wymarach zachodz: ( ) ( ) wersz a) R A R B A ~ B Dowód: wersz a) A ~ B stee P taka że PA B 3 0 A 4 3 0 0 E A B 0 0 0 E B 3 6 4 0 0 0

Bardziej szczegółowo

VI. TWIERDZENIA GRANICZNE

VI. TWIERDZENIA GRANICZNE VI. TWIERDZENIA GRANICZNE 6.. Wprowadzee Twerdzea gracze dotyczą własośc graczych cągów zmeych losowych dzelą sę a:! twerdzea lokale opsują zbeżośc cągu fukcj prawdopodobeństwa w przypadku cągu {X } zmeych

Bardziej szczegółowo

W loterii bierze udział 10 osób. Regulamin loterii faworyzuje te osoby, które w eliminacjach osiągnęły lepsze wyniki:

W loterii bierze udział 10 osób. Regulamin loterii faworyzuje te osoby, które w eliminacjach osiągnęły lepsze wyniki: Zadae W loter berze udzał 0 osób. Regulam loter faworyzuje te osoby, które w elmacjach osągęły lepsze wyk: Zwycęzca elmacj, azyway graczem r. otrzymuje 0 losów, Osoba, która zajęła druge mejsce w elmacjach,

Bardziej szczegółowo

Statystyka. Analiza zależności. Rodzaje zależności między zmiennymi występujące w praktyce: Funkcyjna

Statystyka. Analiza zależności. Rodzaje zależności między zmiennymi występujące w praktyce: Funkcyjna Aalza zależośc Rodzaje zależośc mędzy zmeym występujące w praktyce: Fukcyja wraz ze zmaą wartośc jedej zmeej astępuje ścśle określoa zmaa wartośc drugej zmeej (p. w fzyce: spadek swobody gt s ) tochastycza

Bardziej szczegółowo

Statystyczna analiza miesięcznych zmian współczynnika szkodowości kredytów hipotecznych

Statystyczna analiza miesięcznych zmian współczynnika szkodowości kredytów hipotecznych dr Ewa Wycka Wyższa Szkoła Bakowa w Gdańsku Wtold Komorowsk, Rafał Gatowsk TZ SKOK S.A. Statystycza aalza mesęczych zma współczyka szkodowośc kredytów hpoteczych Wskaźk szkodowośc jest marą obcążea kwoty/lczby

Bardziej szczegółowo

ma rozkład normalny z wartością oczekiwaną EX = EY = 1, EZ = 0 i macierzą kowariancji

ma rozkład normalny z wartością oczekiwaną EX = EY = 1, EZ = 0 i macierzą kowariancji Zadae. Zmea losowa (, Y, Z) ma rozkład ormaly z wartoścą oczekwaą E = EY =, EZ = 0 macerzą kowaracj. Oblczyć Var(( Y ) Z). (A) 5 (B) 7 (C) 6 Zadae. Zmee losowe,, K,,K P ( = ) = P( = ) =. Nech S =. Oblcz

Bardziej szczegółowo

OBLICZANIE NIEPEWNOŚCI METODĄ TYPU B

OBLICZANIE NIEPEWNOŚCI METODĄ TYPU B OBLICZANIE NIEPEWNOŚCI METODĄ TYPU B W przypadku gdy e występuje statystyczy rozrzut wyków (wszystke pomary dają te sam wyk epewość pomaru wyzaczamy w y sposób. Główą przyczyą epewośc pomaru jest epewość

Bardziej szczegółowo

Średnia arytmetyczna Klasyczne Średnia harmoniczna Średnia geometryczna Miary położenia inne

Średnia arytmetyczna Klasyczne Średnia harmoniczna Średnia geometryczna Miary położenia inne Mary położea Średa arytmetycza Klasycze Średa harmocza Średa geometrycza Mary położea e Modala Kwartyl perwszy Pozycyje Medaa (kwartyl drug) Kwatyle Kwartyl trzec Decyle Średa arytmetycza = + +... + 2

Bardziej szczegółowo

Regresja REGRESJA

Regresja REGRESJA Regresja 39. REGRESJA.. Regresja perwszego rodzaju Nech (, będze dwuwyarową zeą losową, dla które steje kowaracja. Nech E( y ozacza warukową wartość oczekwaą zdefowaą dla przypadku zeych losowych typu

Bardziej szczegółowo

AKADEMIA MORSKA W SZCZECINIE

AKADEMIA MORSKA W SZCZECINIE AKADEMIA MORSKA W SZCZECINIE Istytut Iżyer Ruchu Morskego Zakład Urządzeń Nawgacyjych Istrukcja r 0 Wzory do oblczeń statystyczych w ćwczeach z radoawgacj Szczec 006 Istrukcja r 0: Wzory do oblczeń statystyczych

Bardziej szczegółowo

Prawdopodobieństwo i statystyka r.

Prawdopodobieństwo i statystyka r. Prawdopodobeństwo statystya.05.00 r. Zadane Zmenna losowa X ma rozład wyładnczy o wartośc oczewanej, a zmenna losowa Y rozład wyładnczy o wartośc oczewanej. Obe zmenne są nezależne. Oblcz E( Y X + Y =

Bardziej szczegółowo

Materiały do wykładu 7 ze Statystyki

Materiały do wykładu 7 ze Statystyki Materał do wkładu 7 ze Statstk Aalza ZALEŻNOŚCI pomędz CECHAMI (Aalza KORELACJI REGRESJI) korelacj wkres rozrzutu (korelogram) rodzaje zależośc (brak, elowa, lowa) pomar sł zależośc lowej (współczk korelacj

Bardziej szczegółowo

opisać wielowymiarową funkcją rozkładu gęstości prawdopodobieństwa f(x 1 , x xn

opisać wielowymiarową funkcją rozkładu gęstości prawdopodobieństwa f(x 1 , x xn ROZKŁAD PRAWDOPODBIEŃSTWA WIELU ZMIENNYCH LOSOWYCH W przpadku gd mam do czea z zmem losowm możem prawdopodobeństwo, ż przjmą oe wartośc,,, opsać welowmarową fukcją rozkładu gęstośc prawdopodobeństwa f(,,,.

Bardziej szczegółowo

i = 0, 1, 2 i = 0, 1 33,115 1,698 0,087 0,005!0,002 34,813 1,785 0,092 0,003 36,598 1,877 0,095 38,475 1,972 40,447 i = 0, 1, 2, 3

i = 0, 1, 2 i = 0, 1 33,115 1,698 0,087 0,005!0,002 34,813 1,785 0,092 0,003 36,598 1,877 0,095 38,475 1,972 40,447 i = 0, 1, 2, 3 35 Iterpoaca Herte a 3 f ( x f ( x,,, 3, 4 f ( x,,, 3 f ( x,, 3 f ( x, 4 f ( x 33,5,698,87,5!, 34,83,785,9,3 36,598,877,95 38,475,97 4,447 Na podstawe wzoru (38 ay zate 87,, 5, L4 ( t 335, +, 698t+ t(

Bardziej szczegółowo

Podstawowe zadanie statystyki. Statystyczna interpretacja wyników eksperymentu. Zalety statystyki II. Zalety statystyki

Podstawowe zadanie statystyki. Statystyczna interpretacja wyników eksperymentu. Zalety statystyki II. Zalety statystyki tatystycza terpretacja wyków eksperymetu Małgorzata Jakubowska Katedra Chem Aaltyczej Wydzał IŜyer Materałowej Ceramk AGH Podstawowe zadae statystyk tatystyka to uwersale łatwo dostępe arzędze, które pomaga

Bardziej szczegółowo

Monika Jeziorska - Pąpka Uniwersytet Mikołaja Kopernika w Toruniu

Monika Jeziorska - Pąpka Uniwersytet Mikołaja Kopernika w Toruniu DYNAMICZNE MODELE EKONOMERYCZNE X Ogólopolske Semarum Naukowe, 4 6 wrześa 2007 w oruu Katedra Ekoometr Statystyk, Uwersytet Mkołaja Koperka w oruu Moka Jezorska - Pąpka Uwersytet Mkołaja Koperka w oruu

Bardziej szczegółowo

Jego zależy od wysokości i częstotliwości wypłat kuponów odsetkowych, ceny wykupu, oczekiwanej stopy zwrotu oraz zapłaconej ceny za obligację.

Jego zależy od wysokości i częstotliwości wypłat kuponów odsetkowych, ceny wykupu, oczekiwanej stopy zwrotu oraz zapłaconej ceny za obligację. Wrażlwość oblgacj Jedym z czyków ryzyka westowaa w oblgacje jest zmeość rykowych stóp procetowych. Iżyera fasowa dyspouje metodam pozwalającym zabezpeczyć portfel przed egatywym skutkam zma stóp procetowych.

Bardziej szczegółowo

ELEMENTY TEORII MOŻLIWOŚCI

ELEMENTY TEORII MOŻLIWOŚCI ELEMENTY TEORII MOŻLIWOŚCI Opracował: M. Kweselewcz Zadeh (978) wprowadzł pojęce rozkładu możlwośc jako rozmyte ograczee, kóre odzaływuje w sposób elastyczy a wartośc przypsae daej zmeej. Defcja. Nech

Bardziej szczegółowo

PERMUTACJE Permutacją zbioru n-elementowego X nazywamy dowolną wzajemnie jednoznaczną funkcję f : X X X

PERMUTACJE Permutacją zbioru n-elementowego X nazywamy dowolną wzajemnie jednoznaczną funkcję f : X X X PERMUTACJE Permutacą zboru -elemetowego X azywamy dowolą wzaeme edozaczą fucę f : X X f : X X Przyład permutac X = { a, b, c, d } f (a) = d, f (b) = a, f (c) = c, f (d) = b a b c d Zaps permutac w postac

Bardziej szczegółowo

Lista 6. Kamil Matuszewski 26 listopada 2015

Lista 6. Kamil Matuszewski 26 listopada 2015 Lsta 6 Kaml Matuszews 6 lstopada 5 4 5 6 7 8 9 4 5 X X X X X X X X X X X D X X N Gdze X-spsae, D-Delarowae, N-edelarowae. Zadae Zadae jest westą odpowedego pomalowaa. Weźmy sobe szachowcę x, poumerujmy

Bardziej szczegółowo

( ) ( ) ( ) ( ) ( ) ( )

( ) ( ) ( ) ( ) ( ) ( ) Praca Domowa:.. ( α β ( α β α β ( ( α Γ( β α,,..., ~ B, Γ + f Γ ( α + α ( α + β + ( α + β Γ α + β Γ α + Γ α + β Γ α + + β E Γ α Γ β Γ α Γ α + + β Γ α + Γ β α α + β β α β Γ α + β Γ α + Γ α + β Γ α + + β

Bardziej szczegółowo

UOGÓLNIONA ANALIZA WRAŻLIWOŚCI ZYSKU W PRZEDSIĘBIORSTWIE PRODUKUJĄCYM N-ASORTYMENTÓW. 1. Wprowadzenie

UOGÓLNIONA ANALIZA WRAŻLIWOŚCI ZYSKU W PRZEDSIĘBIORSTWIE PRODUKUJĄCYM N-ASORTYMENTÓW. 1. Wprowadzenie B A D A N I A O P E R A C Y J N E I D E C Y J E Nr 2 2007 Aa ĆWIĄKAŁA-MAŁYS*, Woletta NOWAK* UOGÓLNIONA ANALIA WRAŻLIWOŚCI YSKU W PREDSIĘBIORSTWIE PRODUKUJĄCYM N-ASORTYMENTÓW Przedstawoo ajważejsze elemety

Bardziej szczegółowo

( X, Y ) będzie dwuwymiarową zmienną losową o funkcji gęstości

( X, Y ) będzie dwuwymiarową zmienną losową o funkcji gęstości Zadae. Nech Nech (, Y będze dwuwymarową zmeą losową o fukcj gęstośc 4 x + xy gdy x ( 0, y ( 0, f ( x, y = 0 w przecwym przypadku. S = + Y V Y E V S =. =. Wyzacz ( (A 0 (B (C (D (E 8 8 7 7 Zadae. Załóżmy,

Bardziej szczegółowo

METODY KOMPUTEROWE 1

METODY KOMPUTEROWE 1 MTODY KOMPUTROW WIADOMOŚCI WSTĘPN MTODA ULRA Mcał PŁOTKOWIAK Adam ŁODYGOWSKI Kosultacje aukowe dr z. Wtold Kąkol Pozań 00/00 MTODY KOMPUTROW WIADOMOŚCI WSTĘPN Metod umercze MN pozwalają a ormułowae matematczc

Bardziej szczegółowo

Analiza matematyczna i algebra liniowa

Analiza matematyczna i algebra liniowa Aaliza matematycza i algebra liiowa Materiały pomocicze dla studetów do wyładów Rachue różiczowy ucji wielu zmieych. Pochode cząstowe i ich iterpretacja eoomicza. Estrema loale. Metoda ajmiejszych wadratów.

Bardziej szczegółowo

Badania niezawodnościowe i statystyczna analiza ich wyników

Badania niezawodnościowe i statystyczna analiza ich wyników Badaa ezawodoścowe statystycza aalza ch wyków. Co to są badaa ezawodoścowe jak sę je przeprowadza?. Metody prezetacj opsu daych pochodzących z eksperymetu 3. Sposoby wyzaczaa rozkładu zmeej losowej a podstawe

Bardziej szczegółowo

CHARAKTERYSTYKI WIELOWYMIAROWYCH WIELKOŚCI FINANSOWYCH OPARTE NA DEFINICJI POTĘGI WEKTORA

CHARAKTERYSTYKI WIELOWYMIAROWYCH WIELKOŚCI FINANSOWYCH OPARTE NA DEFINICJI POTĘGI WEKTORA Katarzya Budy Ja Tatar Uwersytet Eoomczy w Kraowe CHAAKTEYSTYKI WIELOWYMIAOWYCH WIELKOŚCI FINANSOWYCH OPATE NA DEFINICJI POTĘGI WEKTOA Wprowadzee W szeregu wcześejszych pracach (por. p. Tatar, 996a; 996b;

Bardziej szczegółowo

Współczynnik korelacji rangowej badanie zależności między preferencjami

Współczynnik korelacji rangowej badanie zależności między preferencjami Współczyk korelacj ragowej badae zależośc mędzy preferecjam Przemysław Grzegorzewsk Istytut Badań Systymowych PAN ul. Newelska 6 01-447 Warszawa E-mal: pgrzeg@bspa.waw.pl Pla referatu: Klasycze metody

Bardziej szczegółowo

Matematyczny opis ryzyka

Matematyczny opis ryzyka Aalza ryzyka kosztowego robót remotowo-budowlaych w warukach epełe formac Mgr ż Mchał Bętkowsk dr ż Adrze Powuk Wydzał Budowctwa Poltechka Śląska w Glwcach MchalBetkowsk@polslpl AdrzePowuk@polslpl Streszczee

Bardziej szczegółowo

wyniki serii n pomiarów ( i = 1,..., n) Stosując metodę największej wiarygodności możemy wykazać, że estymator wariancji 2 i=

wyniki serii n pomiarów ( i = 1,..., n) Stosując metodę największej wiarygodności możemy wykazać, że estymator wariancji 2 i= ESTYMATOR WARIANCJI I DYSPERSJI Ozaczmy: µ wartość oczekwaa rozkładu gauowkego wyków pomarów (wartość prawdzwa merzoej welkośc σ dyperja rozkładu wyków pomarów wyk er pomarów (,..., Stoując metodę ajwękzej

Bardziej szczegółowo

Wyższe momenty zmiennej losowej

Wyższe momenty zmiennej losowej Wyższe momety zmieej losowej Deiicja: Mometem m rzędu azywamy wartość oczeiwaą ucji h( dla dysretej zm. losowej oraz ucji h( dla ciągłej zm. losowej: m E P m E ( d Deiicja: Mometem cetralym µ rzędu dla

Bardziej szczegółowo

Statystyka Matematyczna Anna Janicka

Statystyka Matematyczna Anna Janicka Statystyka Matematycza Aa Jacka wykład II, 3.05.016 PORÓWNANIE WIĘCEJ NIŻ DWÓCH POPULACJI TESTY NIEPARAMETRYCZNE Pla a dzsaj 1. Porówywae węcej ż dwóch populacj test jedoczykowej aalzy waracj (ANOVA).

Bardziej szczegółowo

Wykład 7. Przestrzenie metryczne zwarte. x jest ciągiem Cauchy ego i posiada podciąg zbieżny. Na mocy

Wykład 7. Przestrzenie metryczne zwarte. x jest ciągiem Cauchy ego i posiada podciąg zbieżny. Na mocy Wyład 7 Przestrzeie metrycze zwarte Defiicja 8 (przestrzei zwartej i zbioru zwartego Przestrzeń metryczą ( ρ X azywamy zwartą jeśli ażdy ciąg elemetów tej przestrzei posiada podciąg zbieży (do putu tej

Bardziej szczegółowo

IV. ZMIENNE LOSOWE DWUWYMIAROWE

IV. ZMIENNE LOSOWE DWUWYMIAROWE IV. ZMIENNE LOSOWE DWUWYMIAROWE 4.. Rozkład zmeej losowej dwuwymarowej Defcja 4.. Uporządkowaą parę (X, Y) azywamy zmeą losową dwuwymarową, jeśl każda ze zmeych X Y jest zmeą losową. Defcja 4.. Fukcję

Bardziej szczegółowo

KURS STATYSTYKA. Lekcja 4 Nieparametryczne testy istotności ZADANIE DOMOWE. Strona 1

KURS STATYSTYKA. Lekcja 4 Nieparametryczne testy istotności ZADANIE DOMOWE.  Strona 1 KURS STATYSTYKA Lecja 4 Nearametrycze testy stotośc ZADANIE DOMOWE www.etraez.l Stroa 1 Część 1: TEST Zazacz orawą odowedź (tylo jeda jest rawdzwa). Pytae 1 W testach earametryczych a) Oblczamy statystyę

Bardziej szczegółowo

dev = y y Miary położenia rozkładu Wykład 9 Przykład: Przyrost wagi owiec Odchylenia Mediana próbkowa: Przykłady Statystyki opisowe Σ dev i =?

dev = y y Miary położenia rozkładu Wykład 9 Przykład: Przyrost wagi owiec Odchylenia Mediana próbkowa: Przykłady Statystyki opisowe Σ dev i =? Mary położea rozkładu Wykład 9 Statystyk opsowe Średa z próby, mea(y) : symbol y ozacza lczbę; arytmetyczą średą z obserwacj Symbol Y ozacza pojęce średej z próby Średa jest środkem cężkośc zboru daych

Bardziej szczegółowo

Wyrażanie niepewności pomiaru

Wyrażanie niepewności pomiaru Wyrażae epewośc pomaru Adrzej Kubaczyk Wydzał Fzyk, Poltechka Warszawska Warszawa, 05 Iformacje wstępe Każdy pomar welkośc fzyczej dokoyway jest ze skończoą dokładoścą, co ozacza, że wyk tego pomaru dokoyway

Bardziej szczegółowo

n k n k ( ) k ) P r s r s m n m n r s r s x y x y M. Przybycień Rachunek prawdopodobieństwa i statystyka

n k n k ( ) k ) P r s r s m n m n r s r s x y x y M. Przybycień Rachunek prawdopodobieństwa i statystyka Wyższe momety zmieej losowej Deiicja: Mometem m rzędu azywamy wartość oczeiwaą ucji h() dla dysretej zm. losowej oraz ucji h() dla ciągłej zm. losowej: m E P m E ( ) d Deiicja: Mometem cetralym µ rzędu

Bardziej szczegółowo

Statystyczne charakterystyki liczbowe szeregu

Statystyczne charakterystyki liczbowe szeregu Statystycze charakterystyk lczbowe szeregu Aalzę badaej zmeej moża uzyskać posługując sę parametram opsowym aczej azywaym statystyczym charakterystykam lczbowym szeregu. Sytetycza charakterystyka zborowośc

Bardziej szczegółowo

Statystyka Inżynierska

Statystyka Inżynierska Statystyka Iżyerska dr hab. ż. Jacek Tarasuk AGH, WFIS 013 Wykład 3 DYSKRETNE I CIĄGŁE ROZKŁADY JEDNOWYMIAROWE, PODSTAWY ESTYMACJI Dwuwymarowa, dyskreta fukcja rozkładu rawdoodobeństwa, Rozkłady brzegowe

Bardziej szczegółowo

Pomiary parametrów napięć i prądów przemiennych

Pomiary parametrów napięć i prądów przemiennych Ćwczee r 3 Pomary parametrów apęć prądów przemeych Cel ćwczea: zapozae z pomaram wartośc uteczej, średej, współczyków kształtu, szczytu, zekształceń oraz mocy czyej, berej, pozorej współczyka cosϕ w obwodach

Bardziej szczegółowo

Podstawy analizy niepewności pomiarowych (I Pracownia Fizyki)

Podstawy analizy niepewności pomiarowych (I Pracownia Fizyki) Podstawy aalzy epewośc pomarowych (I Pracowa Fzyk) Potr Cygak Zakład Fzyk Naostruktur Naotecholog Istytut Fzyk UJ Pok. 47 Tel. 0-663-5838 e-mal: potr.cygak@uj.edu.pl Potr Cygak 008 Co to jest błąd pomarowy?

Bardziej szczegółowo

Marek Be±ka, Statystyka matematyczna, wykªad Wykªadnicze rodziny rozkªadów prawdopodobie«stwa

Marek Be±ka, Statystyka matematyczna, wykªad Wykªadnicze rodziny rozkªadów prawdopodobie«stwa Mare Be±a, Statystya matematycza, wyªad 3 38 3 Statystyi zupeªe 3. Wyªadicze rodziy rozªadów prawdopodobie«stwa Zacziemy od deicji Deicja 3. Rodzi rozªadów {µ θ } θ Θ azywamy wyªadicz rodzi rozªadów -

Bardziej szczegółowo

Bajki kombinatoryczne

Bajki kombinatoryczne Artyuł powstał a podstawe odczytu pod tym samym tytułem, wygłoszoego podczas XXXVI Szoły Matematy Poglądowej Pomysł czy rachue? w Grzegorzewcach, styczeń 006. Baj ombatorycze Joaa JASZUŃSKA, Warszawa Ja

Bardziej szczegółowo

Zadanie 1. ), gdzie 1. Zmienna losowa X ma rozkład logarytmiczno-normalny LN (, . EX (A) 0,91 (B) 0,86 (C) 1,82 (D) 1,95 (E) 0,84

Zadanie 1. ), gdzie 1. Zmienna losowa X ma rozkład logarytmiczno-normalny LN (, . EX (A) 0,91 (B) 0,86 (C) 1,82 (D) 1,95 (E) 0,84 Zadae. Zmea losowa X ma rozkład logarytmczo-ormaly LN (, ), gdze E ( X e X e) 4. Wyzacz. EX (A) 0,9 (B) 0,86 (C),8 (D),95 (E) 0,84 Zadae. Nech X, X,, X0, Y, Y,, Y0 będą ezależym zmeym losowym. Zmee X,

Bardziej szczegółowo

Probabilistyka i statystyka. Korelacja

Probabilistyka i statystyka. Korelacja 06-05-08 Probablstyka statystyka Korelacja Probablstyka statystyka - wykład 9 dla Elektrok Korelacja Aalza korelacj zajmuje sę badaam stea zależośc lowej mędzy dwema cecham X Y. Podstawową marą jest współczyk

Bardziej szczegółowo

Miary statystyczne. Katowice 2014

Miary statystyczne. Katowice 2014 Mary statystycze Katowce 04 Podstawowe pojęca Statystyka Populacja próba Cechy zmee Szereg statystycze Wykresy Statystyka Statystyka to auka zajmująca sę loścowym metodam aalzy zjawsk masowych (występujących

Bardziej szczegółowo

Zmiana bazy i macierz przejścia

Zmiana bazy i macierz przejścia Auomaya Roboya Algebra -Wyład - dr Adam Ćmel cmel@agh.edu.pl Zmaa bazy macerz prześca Nech V będze wymarową przesrzeą lową ad całem K. Nech Be e będze bazą przesrze V. Rozważmy ową bazę B e... e. Oczywśce

Bardziej szczegółowo

FINANSE II. Model jednowskaźnikowy Sharpe a.

FINANSE II. Model jednowskaźnikowy Sharpe a. ODELE RYNKU KAPITAŁOWEGO odel jedowskaźkowy Sharpe a. odel ryku kaptałowego - CAP (Captal Asset Prcg odel odel wycey aktywów kaptałowych). odel APT (Arbtrage Prcg Theory Teora artrażu ceowego). odel jedowskaźkowy

Bardziej szczegółowo

Wnioskowanie statystyczne dla korelacji i regresji.

Wnioskowanie statystyczne dla korelacji i regresji. STATYSTYKA MATEMATYCZNA WYKŁAD 6 Woskowae statstcze dla korelacj regresj. Aalza korelacj Założee: zmea losowa dwuwmarowa X, Y) ma rozkład ormal o współczku korelacj ρ. X, Y cech adae rówocześe. X X X...

Bardziej szczegółowo

Kier. MTR Programowanie w MATLABie Laboratorium Ćw. 12

Kier. MTR Programowanie w MATLABie Laboratorium Ćw. 12 Ker. MTR Programowane w MATLABe Laboratorum Ćw. Analza statystyczna grafczna danych pomarowych. Wprowadzene MATLAB dysponuje weloma funcjam umożlwającym przeprowadzene analzy statystycznej pomarów, czy

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

Sprzedaż finalna - sprzedaż dóbr i usług konsumentowi lub firmie, którzy ostatecznie je zużytkują, nie poddając dalszemu przetworzeniu.

Sprzedaż finalna - sprzedaż dóbr i usług konsumentowi lub firmie, którzy ostatecznie je zużytkują, nie poddając dalszemu przetworzeniu. W 1 Rachu maroeoomcze 1. Produ rajowy bruo Sprzedaż fala - sprzedaż dóbr usług osumeow lub frme, órzy osaecze je zużyują, e poddając dalszemu przeworzeu. Sprzedaż pośreda - sprzedaż dóbr usług zaupoych

Bardziej szczegółowo

Plan: Wykład 3. Zmienne losowe i ich rozkłady. Wstęp do probabilistyki i statystyki. Pojęcie zmiennej losowej

Plan: Wykład 3. Zmienne losowe i ich rozkłady. Wstęp do probabilistyki i statystyki. Pojęcie zmiennej losowej --8 Wstęp do probablsty statysty Wyład. Zmee losowe ch rozłady dr hab.ż. Katarzya Zarzewsa, prof.agh, Katedra Eletro, WIET AGH Wstęp do probablsty statysty. wyład Pla: Pojęce zmeej losowej Iloścowy ops

Bardziej szczegółowo

PDF created with FinePrint pdffactory Pro trial version WIII/1

PDF created with FinePrint pdffactory Pro trial version  WIII/1 Statystyka opsowa Statystyka zajmuje sę zasadam metodam uogólaa wyków otrzymaych z próby losowej a całą populację (czyl zborowość, z której została pobraa próba). Take postępowae azywamy woskowaem statystyczym.

Bardziej szczegółowo

Rachunek różniczkowy funkcji wielu zmiennych

Rachunek różniczkowy funkcji wielu zmiennych Automatya i Robotya Aaliza Wyład dr Adam Ćmiel cmiel@agh.edu.pl Rachue różiczowy fucji wielu zmieych W olejych wyładach uogólimy pojęcia rachuu różiczowego i całowego fucji jedej zmieej a przypade fucji

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

Przegląd wybranych testów

Przegląd wybranych testów Statystya Wyład 7 Adam Ćmel A3-A4 3a cmel@agh.edu.pl Przegląd wybraych testów Testy dotyczące wartośc oczewae w rozładze ormalym problem testowaa rówośc średch w dwóch zależych populacach o rozładze ormalym.

Bardziej szczegółowo

Liniowe relacje między zmiennymi

Liniowe relacje między zmiennymi Lowe relacje mędzy zmeym Marta Zalewska Zakład Proflaktyk ZagrożeńŚrodowskowych Alergolog Ocea lowych relacj mędzy zmeym Metoda korelacj - określee rodzaju sły zależośc mędzy cecham. Metoda regresj 1 Uwaga

Bardziej szczegółowo

Parametry zmiennej losowej

Parametry zmiennej losowej Eonometra Ćwczena Powtórzene wadomośc ze statysty SS EK Defncja Zmenną losową X nazywamy funcję odwzorowującą przestrzeń zdarzeń elementarnych w zbór lczb rzeczywstych, taą że przecwobraz dowolnego zboru

Bardziej szczegółowo

X i T (X) = i=1. i + 1, X i+1 i + 1. Cov H0. ( X i. k 31 ) 1 Φ(1, 1818) 0, 12.

X i T (X) = i=1. i + 1, X i+1 i + 1. Cov H0. ( X i. k 31 ) 1 Φ(1, 1818) 0, 12. Zadae p (X p (X ( ( π 6 6 e 6 X m ( π 6 6 e 6 ( X C e m 6 X, gdze staªa C e zale»y od statystyk X (X,, X 6, a m jest w ksze od zera Zatem p (X/p (X jest emalej c fukcj statystyk T (X 6 X ªatwo pokaza,»e

Bardziej szczegółowo

Równania rekurencyjne

Równania rekurencyjne Rówaa reurecyje Ja stosować do przelczaa obetów obatoryczych? zaleźć zwąze reurecyjy, oblczyć la początowych wartośc, odgadąć ogóly wzór, tóry astępe udowaday stosując ducję ateatyczą. W etórych przypadach,

Bardziej szczegółowo