Zróżnicowanie poziomu ubóstwa w Polsce z uwzględnieniem płci
|
|
- Konrad Łuczak
- 8 lat temu
- Przeglądów:
Transkrypt
1 Zróżnicowanie poziomu ubóstwa w Polsce z uwzględnieniem płci Łukasz Wawrowski Katedra Statystyki Uniwersytet Ekonomiczny w Poznaniu
2 Zróżnicowanie poziomu ubóstwa w Polsce z uwzględnieniem płci 2 / 23 Plan prezentacji 1. Wstęp 2. Ubóstwo w Polsce według płci 3. Statystyka małych obszarów 4. Rezultaty 5. Wnioski i podsumowanie 2 / 23
3 Zróżnicowanie poziomu ubóstwa w Polsce z uwzględnieniem płci 3 / 23 Wstęp Cel i hipoteza Cel Estymacja pośrednia stopy ubóstwa w województwach Polski z uwzględnienim podziału na płeć. Hipoteza Estymacja pośrednia umożliwia uzyskanie bardziej precyzyjnego oszacowania zasięgu ubóstwa na poziomie województw w Polsce w podziale na płeć niż estymacja bezpośrednia. 3 / 23
4 Zróżnicowanie poziomu ubóstwa w Polsce z uwzględnieniem płci 4 / 23 Ubóstwo w Polsce według płci Przegląd literatury Households headed by women are poorer than those headed by man. (Haughton, J., Khandker, R.S., 2009, Handbook of Poverty and Inequality, World Bank) Given the economic disadvantages facing women, female-headed households are expected to have a higher poverty rate on average than male-headed households. However, in reality, the determinants of the poverty risks that women face are more complex. (Heintz, J., 2006, Globalization, economic policy and employment: Poverty and gender implications, International Labour Organization) 4 / 23
5 Zróżnicowanie poziomu ubóstwa w Polsce z uwzględnieniem płci 5 / 23 Ubóstwo w Polsce według płci Głowa gospodarstwa domowego Osoba, która całkowicie lub w przeważającej części dostarcza środków utrzymania danemu gospodarstwu domowemu. Jeżeli dwie lub więcej osób dostarczają środków utrzymania w jednakowym stopniu, za głowę gospodarstwa domowego uznaje się tę osobę, która tymi środkami rozporządza. (Ustawa z dnia 2 grudnia 1999 r. o narodowym spisie powszechnym ludności i mieszkań w 2002 r.) Female-headed householder families, no husband present, who have related children under 18 years of age (NCLR analysis of data from the U.S. Census Bureau, Census 2000 Summary File 3 (SF3)) 5 / 23
6 Zróżnicowanie poziomu ubóstwa w Polsce z uwzględnieniem płci 6 / 23 Ubóstwo w Polsce według płci Przegląd literatury Dane statystyczne dotyczące gospodarstw domowych, które zazwyczaj stanowią podstawę analiz ubóstwa, nie uwzględniają zróżnicowania sytuacji poszczególnych członków rodzin. (UNDP, 2007, Polityka równości płci: Polska raport, Warszawa.) 6 / 23
7 Zróżnicowanie poziomu ubóstwa w Polsce z uwzględnieniem płci 7 / 23 Ubóstwo w Polsce według płci Stopa ubóstwa w Polsce według płci Rysunek: Oszacowania bezpośrednie stopy ubóstwa w Polsce według płci w latach Źródło: opracowanie własne na podstawie badania EU-SILC 7 / 23
8 Zróżnicowanie poziomu ubóstwa w Polsce z uwzględnieniem płci 8 / 23 Ubóstwo w Polsce według płci Stopa ubóstwa w Polsce według typu gospodarstwa Rysunek: Oszacowania bezpośrednie stopy ubóstwa w Polsce według typu gospodarstwa domowego w latach Źródło: opracowanie własne na podstawie badania EU-SILC 8 / 23
9 Zróżnicowanie poziomu ubóstwa w Polsce z uwzględnieniem płci 9 / 23 Statystyka małych obszarów Definicje Statystyka małych obszarów Grupa metod pozwalających na estymację parametrów przy małej liczebności próby z wykorzystaniem wszelkich dostępnych źródeł informacji. Mały obszar (Rao, 2003) Domena (np. przekrój społeczno-demograficzny lub obszar geograficzy), w której wielkość próby jest niewystarczająca, aby z wykorzystaniem estymatora bezpośredniego otrzymać oszacowanie charakteryzujące się odpowiednią precyzją. 9 / 23
10 Zróżnicowanie poziomu ubóstwa w Polsce z uwzględnieniem płci 10 / 23 Statystyka małych obszarów Estymacja bezpośrednia Estymacja oparta o schemat losowania Nie zakłada istnienia efektów losowych dla domen Nie zakłada skorelowania zmiennych y k, y l Wariancja rośnie wraz ze spadkiem wielkości próby n d Brak oszacowań dla domen niereprezentowanych w próbie n d = 0 ndt ŷ dir i=1 dt = y idtw idt ndt i=1 w idt gdzie d = 1, 2,..., D i t = 1, 2,..., T. (1) 10 / 23
11 Zróżnicowanie poziomu ubóstwa w Polsce z uwzględnieniem płci 11 / 23 Statystyka małych obszarów Wielowymiarowy dynamiczny Rao-Yu uzględnia skorelowanie zmiennych y k, y l, występowanie trendu w danych także jest brane pod uwagę, zakłada stacjonarność szeregu czasowego, istnienie dwóch efektów losowych: dla domeny oraz czasu EBLUP RY ŷ dt = x ˆβ+(ˆσ dt 11 2 T +ˆσ 2γ 2 t)(σ d +ˆσ 1Γ+ˆσ 2 2J 2 T ) 1 (y d X d β) (2) gdzie d = 1, 2,..., D i t = 1, 2,..., T. 11 / 23
12 Zróżnicowanie poziomu ubóstwa w Polsce z uwzględnieniem płci 12 / 23 Rezultaty Sposób estymacji stopy ubóstwa na podstawie EU-SILC Rysunek: Algorytm klasyfikacji gospodarstw ubogich w badaniu EU-SILC Źródło: opracowanie własne 12 / 23
13 Zróżnicowanie poziomu ubóstwa w Polsce z uwzględnieniem płci 13 / 23 Rezultaty Sposób estymacji stopy ubóstwa na podstawie EU-SILC Rysunek: Przykładowy zbiór wynikowy Źródło: opracowanie własne 13 / 23
14 Zróżnicowanie poziomu ubóstwa w Polsce z uwzględnieniem płci 14 / 23 Rezultaty Rozkład liczebności próby Rysunek: Rozkład próby gospodarstw jednoosobowych w podregionach Polsce w podziale na płeć w roku 2011 Źródło: opracowanie własne na podstawie EU-SILC / 23
15 Zróżnicowanie poziomu ubóstwa w Polsce z uwzględnieniem płci 15 / 23 Rezultaty Rozkład liczby reprezentantów Rysunek: Rozkład reprezentantów ubogich gospodarstw jednoosobowych w podregionach Polsce w podziale na płeć w roku 2011 Źródło: opracowanie własne na podstawie EU-SILC / 23
16 Zróżnicowanie poziomu ubóstwa w Polsce z uwzględnieniem płci 16 / 23 Rezultaty Model Zmienna β błąd std. (Wyraz wolny) kob. 0,1759 0,0711 Stopa bezr. długo. kob. 0,6154 0,5369 Przeciętne wyn. brutto 0,0000 0,0000 (Wyraz wolny) mez. 0,3527 0,0607 Stopa bezr. długo. męż. 0,7403 0,6739 Przeciętne wyn. brutto 0,0000 0,0000 Współczynnik korelacji pomiędzy zmiennymi objaśnianymi: ρ = 0, 62. Współczynnik korelacji pomiędzy danymi z kolejnych okresów: ρ = 0, / 23
17 Zróżnicowanie poziomu ubóstwa w Polsce z uwzględnieniem płci 17 / 23 Rezultaty Stopa ubóstwa według typu gospodarstwa Rysunek: Porównanie oszacowań stopy ubóstwa w jednoosobowych gospodarstwach kobiet w województwach Polski w latach Źródło: opracowanie własne na podstawie EU-SILC i BDL 17 / 23
18 Zróżnicowanie poziomu ubóstwa w Polsce z uwzględnieniem płci 18 / 23 Rezultaty Stopa ubóstwa według typu gospodarstwa Rysunek: Porównanie oszacowań stopy ubóstwa w jednoosobowych gospodarstwach mężczyzn w województwach Polski w latach Źródło: opracowanie własne na podstawie EU-SILC i BDL 18 / 23
19 Zróżnicowanie poziomu ubóstwa w Polsce z uwzględnieniem płci 19 / 23 Rezultaty Względne błędy oszacowań stopy ubóstwa Rysunek: Porównanie rozkładów względnych błędów oszacowań stopy ubóstwa w jednoosobowych gospodarstwach kobiet i mężczyzn Źródło: opracowanie własne na podstawie EU-SILC i BDL 19 / 23
20 Zróżnicowanie poziomu ubóstwa w Polsce z uwzględnieniem płci 20 / 23 Rezultaty Stopa ubóstwa w województwach porównanie Rysunek: Porównanie oszacowań stopy ubóstwa w jednoosobowych gospodarstwach kobiet i mężczyzn Źródło: opracowanie własne na podstawie EU-SILC i BDL 20 / 23
21 Zróżnicowanie poziomu ubóstwa w Polsce z uwzględnieniem płci 21 / 23 Wnioski i podsumowanie Podsumowanie pomiar ubóstwa według płci jest kwestią problemową zmiennych pomocnicznych dla wszystkich analizowanych lat w podziele płci jest niewiele jednoosobowe gospodarstwa kobiet charakteryzują się niższą stopą ubóstwa aniżeli gospodarstwa mężczyzn w latach różnice poziomów pomiędzy gospodarstwami mężczyzn i kobiet maleją przeprowadzona analiza stanowi pierwszy etap badania możliwości estymacji stopy ubóstwa według płci 21 / 23
22 Zróżnicowanie poziomu ubóstwa w Polsce z uwzględnieniem płci 22 / 23 Wnioski i podsumowanie Bibliografia Fay, R.E. i Herriot, R.A., (1979), Estimation of income from small places: An application of James-Stein procedures to census data, Journal of the American Statistical Association 74, Fay, R.E. i Diallo, M. (2015), sae2: Small Area Estimation: Time-series Models. Rao, J.N.K., (2003), Small area estimation, Wiley & Sons, New Jersey. Rao, J.N.K. i Yu, M., (1994), Small area estimation by combining time series and cross-sectional data, Canadian Journal of Statistics 22, / 23
23 Dziękuję za uwagę
estymacja wskaźnika bardzo niskiej intensywności pracy z wykorzystaniem modelu faya-herriota i jego rozszerzeń
estymacja wskaźnika bardzo niskiej intensywności pracy z wykorzystaniem modelu faya-herriota i jego rozszerzeń Łukasz Wawrowski, Maciej Beręsewicz 12.06.2015 Urząd Statystyczny w Poznaniu, Uniwersytet
Bardziej szczegółowoStatystyka Małych Obszarów w badaniach próbkowych
Statystyka Małych Obszarów w badaniach próbkowych Łukasz Wawrowski l.wawrowski@stat.gov.pl Urząd Statystyczny w Poznaniu SKN Estymator, UEP 5.03.2012 1 Wprowadzenie Podstawowe pojęcia Badanie 2 Estymator
Bardziej szczegółowoUniwersytet Ekonomiczny w Poznaniu
Uniwersytet Ekonomiczny w Poznaniu Wydział Informatyki i Gospodarki Elektronicznej Streszczenie pracy doktorskiej Estymacja pośrednia ubóstwa na poziomie regionalnym i lokalnym w Polsce Autor: mgr Łukasz
Bardziej szczegółowoNiepełnosprawność w świetle estymacji pośredniej na przykładzie województwa wielkopolskiego
Niepełnosprawność w świetle estymacji pośredniej na przykładzie województwa wielkopolskiego Michał Pietrzak 1,2, Tomasz Józefowski 2, Tomasz Klimanek 2, Marcin Szymkowiak 1,2 Uniwersytet Ekonomiczny w
Bardziej szczegółowoStatystyka społeczna Redakcja naukowa Tomasz Panek
Statystyka społeczna Redakcja naukowa Podręcznik obejmuje wiedzę o badaniach zjawisk społecznych jako źródło wiedzy dla różnych instytucji publicznych. Zostały w nim przedstawione metody analizy ilościowej
Bardziej szczegółowoSpis treści 3 SPIS TREŚCI
Spis treści 3 SPIS TREŚCI PRZEDMOWA... 1. WNIOSKOWANIE STATYSTYCZNE JAKO DYSCYPLINA MATEMATYCZNA... Metody statystyczne w analizie i prognozowaniu zjawisk ekonomicznych... Badania statystyczne podstawowe
Bardziej szczegółowoStatystyka od podstaw Janina Jóźwiak, Jarosław Podgórski
Statystyka od podstaw Janina Jóźwiak, Jarosław Podgórski Książka jest nowoczesnym podręcznikiem przeznaczonym dla studentów uczelni i wydziałów ekonomicznych. Wykład podzielono na cztery części. W pierwszej
Bardziej szczegółowoPODYPLOMOWE STUDIA ZAAWANSOWANE METODY ANALIZY DANYCH I DATA MINING W BIZNESIE
UNIWERSYTET WARMIŃSKO-MAZURSKI W OLSZTYNIE PODYPLOMOWE STUDIA ZAAWANSOWANE METODY ANALIZY DANYCH I DATA MINING W BIZNESIE http://matman.uwm.edu.pl/psi e-mail: psi@matman.uwm.edu.pl ul. Słoneczna 54 10-561
Bardziej szczegółowoOszczędności gospodarstw domowych Analiza przekrojowa i analiza kohort
Oszczędności gospodarstw domowych Analiza przekrojowa i analiza kohort Barbara Liberda prof. zw. Uniwersytetu Warszawskiego Wydział Nauk Ekonomicznych Konferencja Długoterminowe oszczędzanie Szkoła Główna
Bardziej szczegółowoEkonometryczna analiza popytu na wodę
Jacek Batóg Uniwersytet Szczeciński Ekonometryczna analiza popytu na wodę Jednym z czynników niezbędnych dla funkcjonowania gospodarstw domowych oraz realizacji wielu procesów technologicznych jest woda.
Bardziej szczegółowoSTATYSTYKA MATEMATYCZNA
STATYSTYKA MATEMATYCZNA 1. Wykład wstępny. Teoria prawdopodobieństwa i elementy kombinatoryki 2. Zmienne losowe i ich rozkłady 3. Populacje i próby danych, estymacja parametrów 4. Testowanie hipotez 5.
Bardziej szczegółowoMIĘDZY I WEWNĄTRZPOKOLENIOWA REDYSTRYBUCJA DOCHODOWA W POLSKIM SYSTEMIE EMERYTALNYM
MIĘDZY I WEWNĄTRZPOKOLENIOWA REDYSTRYBUCJA DOCHODOWA W POLSKIM SYSTEMIE EMERYTALNYM III Międzynarodowa Konferencja Naukowa SYSTEMY ZABEZPIECZENIA SPOŁECZNEGO WOBEC WYZWAŃ DEMOGRAFICZNYCH Poznań, 16-17
Bardziej szczegółowoWnioskowanie statystyczne. Statystyka w 5
Wnioskowanie statystyczne tatystyka w 5 Rozkłady statystyk z próby Próba losowa pobrana z populacji stanowi realizacje zmiennej losowej jak ciąg zmiennych losowych (X, X,... X ) niezależnych i mających
Bardziej szczegółowoWYDZIAŁ PODSTAWOWYCH PROBLEMÓW TECHNIKI KARTA PRZEDMIOTU
Zał. nr 4 do ZW WYDZIAŁ PODSTAWOWYCH PROBLEMÓW TECHNIKI KARTA PRZEDMIOTU Nazwa w języku polskim STATYSTYCZNA ANALIZA DANYCH Nazwa w języku angielskim STATISTICAL DATA ANALYSIS Kierunek studiów (jeśli dotyczy):
Bardziej szczegółowoStatystyka i Analiza Danych
Warsztaty Statystyka i Analiza Danych Gdańsk, 20-22 lutego 2014 Zastosowania wybranych technik regresyjnych do modelowania współzależności zjawisk Janusz Wątroba StatSoft Polska Centrum Zastosowań Matematyki
Bardziej szczegółowoProces badawczy schemat i zasady realizacji
Proces badawczy schemat i zasady realizacji Agata Górny Wydział Nauk Ekonomicznych UW Warszawa, 28 października 2014 Najważniejsze rodzaje badań Typy badań Podział wg celu badawczego Kryteria przyczynowości
Bardziej szczegółowoPrzedmowa Wykaz symboli Litery alfabetu greckiego wykorzystywane w podręczniku Symbole wykorzystywane w zagadnieniach teorii
SPIS TREŚCI Przedmowa... 11 Wykaz symboli... 15 Litery alfabetu greckiego wykorzystywane w podręczniku... 15 Symbole wykorzystywane w zagadnieniach teorii mnogości (rachunku zbiorów)... 16 Symbole stosowane
Bardziej szczegółowoAnaliza wariancji - ANOVA
Analiza wariancji - ANOVA Analiza wariancji jest metodą pozwalającą na podział zmienności zaobserwowanej wśród wyników eksperymentalnych na oddzielne części. Każdą z tych części możemy przypisać oddzielnemu
Bardziej szczegółowoCbO %u. Barbara Podolec Paweł Ulman Agnieszka Watęga. Jctywność ekonomiczna a sytuacja materialna gospodarstw domowych
CbO %u Barbara Podolec Paweł Ulman Agnieszka Watęga Jctywność ekonomiczna a sytuacja materialna gospodarstw domowych Wydawnictwo Uniwersytetu Ekonomicznego w Krakowie Kraków 2008 SPIS TREŚCI Wprowadzenie
Bardziej szczegółowoDynamiczne modele liniowe w badaniach okresowych
Dynamiczne modele liniowe w badaniach okresowych Katedra Statystyki UE w Poznaniu O czym będzie mowa? badamy zmienność pewnego parametru w czasie w pewnej populacji co pewien okres losujemy próbę na podstawie
Bardziej szczegółowoBadania eksploracyjne Badania opisowe Badania wyjaśniające (przyczynowe)
Proces badawczy schemat i zasady realizacji Agata Górny Demografia Wydział Nauk Ekonomicznych UW Warszawa, 4 listopada 2008 Najważniejsze rodzaje badań Typy badań Podział wg celu badawczego Badania eksploracyjne
Bardziej szczegółowoStatystyka w zarzadzaniu / Amir D. Aczel, Jayavel Sounderpandian. Wydanie 2. Warszawa, Spis treści
Statystyka w zarzadzaniu / Amir D. Aczel, Jayavel Sounderpandian. Wydanie 2. Warszawa, 2018 Spis treści Przedmowa 13 O Autorach 15 Przedmowa od Tłumacza 17 1. Wprowadzenie i statystyka opisowa 19 1.1.
Bardziej szczegółowoLiczba godzin Punkty ECTS Sposób zaliczenia. ćwiczenia 16 zaliczenie z oceną
Wydział: Zarządzanie i Finanse Nazwa kierunku kształcenia: Finanse i Rachunkowość Rodzaj przedmiotu: podstawowy Opiekun: prof. nadzw. dr hab. Tomasz Kuszewski Poziom studiów (I lub II stopnia): II stopnia
Bardziej szczegółowoSTATYSTYKA MAŁYCH OBSZARÓW I. WPROWADZENIE
1 STATYSTYKA MAŁYCH OBSZARÓW I. WPROWADZENIE 1.1 Podejścia w statystyce małych obszarów Randomizacyjne Wektor wartości badanej cechy traktowany jest jako nielosowy. Szacowana charakterystyka jest nielosowa
Bardziej szczegółowoANALIZA ZDOLNOŚCI PROCESU O ZALEŻNYCH CHARAKTERYSTYKACH
Małgorzata Szerszunowicz Uniwersytet Ekonomiczny w Katowicach ANALIZA ZDOLNOŚCI PROCESU O ZALEŻNYCH CHARAKTERYSTYKACH Wprowadzenie Statystyczna kontrola jakości ma na celu doskonalenie procesu produkcyjnego
Bardziej szczegółowo2.2 Gospodarka mieszkaniowa Struktura wykształcenia... 19
Spis treści Spis tabel... 5 Spis rysunków... 7 1.Wstęp... 10 2. Struktura społeczna ekonomiczna w Polsce... 11 2.1 Liczebność i udziały grup społeczno ekonomicznych... 11 2.2 Gospodarka mieszkaniowa...
Bardziej szczegółowoPrawdopodobieństwo i statystyka
Wykład VIII: Przestrzenie statystyczne. Estymatory 1 grudnia 2014 Wprowadzenie Przykład: pomiar z błędem Współczynnik korelacji r(x, Z) = 0, 986 Wprowadzenie Przykład: pomiar z błędem Współczynnik korelacji
Bardziej szczegółowoSzczegółowy program kursu Statystyka z programem Excel (30 godzin lekcyjnych zajęć)
Szczegółowy program kursu Statystyka z programem Excel (30 godzin lekcyjnych zajęć) 1. Populacja generalna a losowa próba, parametr rozkładu cechy a jego ocena z losowej próby, miary opisu statystycznego
Bardziej szczegółowoSzczegółowy program kursu Statystyka z programem Excel (30 godzin lekcyjnych zajęć)
Szczegółowy program kursu Statystyka z programem Excel (30 godzin lekcyjnych zajęć) 1. Populacja generalna a losowa próba, parametr rozkładu cechy a jego ocena z losowej próby, miary opisu statystycznego
Bardziej szczegółowoŁUKASZ WAWROWSKI ANALIZA UBÓSTWA W PRZEKROJU POWIATÓW W WOJEWÓDZTWIE WIELKOPOLSKIM Z WYKORZYSTANIEM METOD STATYSTYKI MAŁYCH OBSZARÓW 1.
PRZEGLĄD STATYSTYCZNY NUMER SPECJALNY 2 2012 ŁUKASZ WAWROWSKI ANALIZA UBÓSTWA W PRZEKROJU POWIATÓW W WOJEWÓDZTWIE WIELKOPOLSKIM Z WYKORZYSTANIEM METOD STATYSTYKI MAŁYCH OBSZARÓW 1. WSTĘP Zjawisko ubóstwa
Bardziej szczegółowoWykład Centralne twierdzenie graniczne. Statystyka matematyczna: Estymacja parametrów rozkładu
Wykład 11-12 Centralne twierdzenie graniczne Statystyka matematyczna: Estymacja parametrów rozkładu Centralne twierdzenie graniczne (CTG) (Central Limit Theorem - CLT) Centralne twierdzenie graniczne (Lindenberga-Levy'ego)
Bardziej szczegółowoElementy statystyki opisowej, podstawowe pojęcia statystyki matematycznej
Elementy statystyki opisowej, podstawowe pojęcia statystyki matematycznej Dr Joanna Banaś Zakład Badań Systemowych Instytut Sztucznej Inteligencji i Metod Matematycznych Wydział Informatyki Politechniki
Bardziej szczegółowoEstymacja parametrów modeli liniowych oraz ocena jakości dopasowania modeli do danych empirycznych
Estymacja parametrów modeli liniowych oraz ocena jakości dopasowania modeli do danych empirycznych 3.1. Estymacja parametrów i ocena dopasowania modeli z jedną zmienną 23. Właściciel komisu w celu zbadania
Bardziej szczegółowoTablica Wzorów Rachunek Prawdopodobieństwa i Statystyki
Tablica Wzorów Rachunek Prawdopodobieństwa i Statystyki Spis treści I. Wzory ogólne... 2 1. Średnia arytmetyczna:... 2 2. Rozstęp:... 2 3. Kwantyle:... 2 4. Wariancja:... 2 5. Odchylenie standardowe:...
Bardziej szczegółowoPRZEWODNIK PO PRZEDMIOCIE
Nazwa przedmiotu: Kierunek: Informatyka Rodzaj przedmiotu: przedmiot obowiązkowy w ramach treści kierunkowych, moduł kierunkowy ogólny Rodzaj zajęć: wykład, ćwiczenia I KARTA PRZEDMIOTU CEL PRZEDMIOTU
Bardziej szczegółowoStatystyki: miary opisujące rozkład! np. : średnia, frakcja (procent), odchylenie standardowe, wariancja, mediana itd.
Wnioskowanie statystyczne obejmujące metody pozwalające na uogólnianie wyników z próby na nieznane wartości parametrów oraz szacowanie błędów tego uogólnienia. Przewidujemy nieznaną wartości parametru
Bardziej szczegółowoZadanie 1. a) Przeprowadzono test RESET. Czy model ma poprawną formę funkcyjną? 1
Zadanie 1 a) Przeprowadzono test RESET. Czy model ma poprawną formę funkcyjną? 1 b) W naszym przypadku populacja są inżynierowie w Tajlandii. Czy można jednak przypuszczać, że na zarobki kobiet-inżynierów
Bardziej szczegółowoWYDZIAŁ PODSTAWOWYCH PROBLEMÓW TECHNIKI KARTA PRZEDMIOTU
WYDZIAŁ PODSTAWOWYCH PROBLEMÓW TECHNIKI KARTA PRZEDMIOTU Nazwa w języku polskim: STATYSTYKA W MODELACH NIEZAWODNOŚCI I ANALIZIE PRZEŻYCIA Nazwa w języku angielskim: STATISTICS IN RELIABILITY MODELS AND
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 szczegółowoMetody Statystyczne. Metody Statystyczne.
gkrol@wz.uw.edu.pl #4 1 Sprawdzian! 5 listopada (ok. 45-60 minut): - Skale pomiarowe - Zmienne ciągłe i dyskretne - Rozkład teoretyczny i empiryczny - Miary tendencji centralnej i rozproszenia - Standaryzacja
Bardziej szczegółowoSTATYSTYKA OD PODSTAW Z SYSTEMEM SAS. wersja 9.2 i 9.3. Szkoła Główna Handlowa w Warszawie
STATYSTYKA OD PODSTAW Z SYSTEMEM SAS wersja 9.2 i 9.3 Szkoła Główna Handlowa w Warszawie Spis treści Wprowadzenie... 6 1. Podstawowe informacje o systemie SAS... 9 1.1. Informacje ogólne... 9 1.2. Analityka...
Bardziej szczegółowoStatystyki: miary opisujące rozkład! np. : średnia, frakcja (procent), odchylenie standardowe, wariancja, mediana itd.
Wnioskowanie statystyczne obejmujące metody pozwalające na uogólnianie wyników z próby na nieznane wartości parametrów oraz szacowanie błędów tego uogólnienia. Przewidujemy nieznaną wartości parametru
Bardziej szczegółowoSpis treści. Przedmowa... XI. Rozdział 1. Pomiar: jednostki miar... 1. Rozdział 2. Pomiar: liczby i obliczenia liczbowe... 16
Spis treści Przedmowa.......................... XI Rozdział 1. Pomiar: jednostki miar................. 1 1.1. Wielkości fizyczne i pozafizyczne.................. 1 1.2. Spójne układy miar. Układ SI i jego
Bardziej szczegółowo5. Model sezonowości i autoregresji zmiennej prognozowanej
5. Model sezonowości i autoregresji zmiennej prognozowanej 1. Model Sezonowości kwartalnej i autoregresji zmiennej prognozowanej (rząd istotnej autokorelacji K = 1) Szacowana postać: y = c Q + ρ y, t =
Bardziej szczegółowoW kierunku konwergencji gospodarstwa domowe
W kierunku konwergencji gospodarstwa domowe z Unii Europejskiej Marlena Piekut Kolegium Nauk Ekonomicznych i Społecznych, Politechnika Warszawska Cel Porównanie wydatków ponoszonych na dobra podstawowe
Bardziej szczegółowoOcena realizacji celów RPO WP w roku 2008 za pomocą modelu HERMIN
Ocena realizacji celów RPO WP w roku 2008 za pomocą modelu HERMIN dr Instytut Wiedzy i Innowacji 2 września 2009 r. Projekt finansowany ze środków Unii Europejskiej z Europejskiego Funduszu Rozwoju Regionalnego
Bardziej szczegółowoWeryfikacja hipotez statystycznych, parametryczne testy istotności w populacji
Weryfikacja hipotez statystycznych, parametryczne testy istotności w populacji Dr Joanna Banaś Zakład Badań Systemowych Instytut Sztucznej Inteligencji i Metod Matematycznych Wydział Informatyki Politechniki
Bardziej szczegółowoJak długo żyją spółki na polskiej giełdzie? Zastosowanie statystycznej analizy przeżycia do modelowania upadłości przedsiębiorstw
Jak długo żyją spółki na polskiej giełdzie? Zastosowanie statystycznej analizy przeżycia do modelowania upadłości przedsiębiorstw dr Karolina Borowiec-Mihilewicz Uniwersytet Ekonomiczny we Wrocławiu Zastosowania
Bardziej szczegółowoMatematyka - Statystyka matematyczna Mathematical statistics 2, 2, 0, 0, 0
Nazwa przedmiotu: Kierunek: Matematyka - Statystyka matematyczna Mathematical statistics Inżynieria materiałowa Materials Engineering Rodzaj przedmiotu: Poziom studiów: forma studiów: obowiązkowy studia
Bardziej szczegółowoStanisław Cichocki. Natalia Neherbecka. Zajęcia 13
Stanisław Cichocki Natalia Neherbecka Zajęcia 13 1 1. Kryteria informacyjne 2. Testowanie autokorelacji 3. Modele dynamiczne: modele o rozłożonych opóźnieniach (DL) modele autoregresyjne o rozłożonych
Bardziej szczegółowoImportowanie danych do SPSS Eksportowanie rezultatów do formatu MS Word... 22
Spis treści Przedmowa do wydania pierwszego.... 11 Przedmowa do wydania drugiego.... 15 Wykaz symboli.... 17 Litery alfabetu greckiego wykorzystywane w podręczniku.... 17 Symbole wykorzystywane w zagadnieniach
Bardziej szczegółowoWIELKA SGH-OWA POWTÓRKA ZE STATYSTYKI REGRESJA LINIOWA
WIELKA SGH-OWA POWTÓRKA ZE STATYSTYKI REGRESJA LINIOWA Powtórka Powtórki Kowiariancja cov xy lub c xy - kierunek zależności Współczynnik korelacji liniowej Pearsona r siła liniowej zależności Istotność
Bardziej szczegółowoWłaściwości testu Jarque-Bera gdy w danych występuje obserwacja nietypowa.
Właściwości testu Jarque-Bera gdy w danych występuje obserwacja nietypowa. Paweł Strawiński Uniwersytet Warszawski Wydział Nauk Ekonomicznych 16 stycznia 2006 Streszczenie W artykule analizowane są właściwości
Bardziej szczegółowoWarunki życia ludności Polski po akcesji do Unii Europejskiej
Warunki życia ludności Polski po akcesji do Unii Europejskiej dr Marta Pachocka Katedra Administracji Publicznej Kolegium Ekonomiczno-Społeczne Szkoła Główna Handlowa w Warszawie (KES SGH) Polskie Stowarzyszenie
Bardziej szczegółowoZESZYTY NAUKOWE UNIWERSYTETU SZCZECIŃSKIEGO ANALIZA ZBIEŻNOŚCI STRUKTUR ZATRUDNIENIA W WYBRANYCH KRAJACH WYSOKOROZWINIĘTYCH
ZESZYTY NAUKOWE UNIWERSYTETU SZCZECIŃSKIEGO NR 32 PRACE KATEDRY EKONOMETRII I STATYSTYKI NR 11 21 BARBARA BATÓG JACEK BATÓG Uniwersytet Szczeciński Katedra Ekonometrii i Statystyki ANALIZA ZBIEŻNOŚCI STRUKTUR
Bardziej szczegółowoWeryfikacja hipotez statystycznych. KG (CC) Statystyka 26 V / 1
Weryfikacja hipotez statystycznych KG (CC) Statystyka 26 V 2009 1 / 1 Sformułowanie problemu Weryfikacja hipotez statystycznych jest drugą (po estymacji) metodą uogólniania wyników uzyskanych w próbie
Bardziej szczegółowoStatystyka matematyczna i ekonometria
Statystyka matematyczna i ekonometria prof. dr hab. inż. Jacek Mercik B4 pok. 55 jacek.mercik@pwr.wroc.pl (tylko z konta studenckiego z serwera PWr) Konsultacje, kontakt itp. Strona WWW Elementy wykładu.
Bardziej szczegółowo3. Modele tendencji czasowej w prognozowaniu
II Modele tendencji czasowej w prognozowaniu 1 Składniki szeregu czasowego W teorii szeregów czasowych wyróżnia się zwykle następujące składowe szeregu czasowego: a) składowa systematyczna; b) składowa
Bardziej szczegółowoEKONOMETRIA STOSOWANA PRZYKŁADOWE ZADANIA EGZAMINACYJNE
EKONOMETRIA STOSOWANA PRZYKŁADOWE ZADANIA EGZAMINACYJNE ZADANIE 1 Oszacowano zależność między luką popytowa a stopą inflacji dla gospodarki niemieckiej. Wyniki estymacji są następujące: Estymacja KMNK,
Bardziej szczegółowoStatystyka. #6 Analiza wariancji. Aneta Dzik-Walczak Małgorzata Kalbarczyk-Stęclik. rok akademicki 2015/ / 14
Statystyka #6 Analiza wariancji Aneta Dzik-Walczak Małgorzata Kalbarczyk-Stęclik rok akademicki 2015/2016 1 / 14 Analiza wariancji 2 / 14 Analiza wariancji Analiza wariancji jest techniką badania wyników,
Bardziej szczegółowoTestowanie hipotez statystycznych
9 października 2008 ...czyli definicje na rozgrzewkę n-elementowa próba losowa - wektor n zmiennych losowych (X 1,..., X n ); intuicyjnie: wynik n eksperymentów realizacja próby (X 1,..., X n ) w ω Ω :
Bardziej szczegółowoRecenzenci: prof. dr hab. Henryk Domański dr hab. Jarosław Górniak
Recenzenci: prof. dr hab. Henryk Domański dr hab. Jarosław Górniak Redakcja i korekta Bogdan Baran Projekt graficzny okładki Katarzyna Juras Copyright by Wydawnictwo Naukowe Scholar, Warszawa 2011 ISBN
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 szczegółowoElementy statystyki wielowymiarowej
Wnioskowanie_Statystyczne_-_wykład Spis treści 1 Elementy statystyki wielowymiarowej 1.1 Kowariancja i współczynnik korelacji 1.2 Macierz kowariancji 1.3 Dwumianowy rozkład normalny 1.4 Analiza składowych
Bardziej szczegółowoW8. Metody doboru próby w badaniach rynkowych
W8. Metody doboru próby w badaniach rynkowych 1 Wielkość próby a błąd pomiaru Statystyka matematyczna Centralne twierdzenie graniczne-średnia wielkość błędu estymacji jest odwrotnie proporcjonalna do pierwiastka
Bardziej szczegółowoWyzwania dla polskiej rachunkowości rolniczej w świetle 50-lecia europejskiego FADN
Wyzwania dla polskiej rachunkowości rolniczej w świetle 50-lecia europejskiego FADN Zbigniew Floriańczyk Sytuacja dochodowa gospodarstw rolnych na podstawie badań rachunkowości rolnej Pl FADN oraz perspektywa
Bardziej szczegółowoOpcje koszykowe a lokaty strukturyzowane - wycena
Opcje koszykowe a lokaty strukturyzowane - wycena Basket options and structured deposits - pricing Janusz Gajda Promotor: dr hab. inz. Rafał Weron Politechnika Wrocławska Plan prezentacji Cel pracy Wprowadzenie
Bardziej szczegółowoWykład 2: Tworzenie danych
Wykład 2: Tworzenie danych Plan: Statystyka opisowa a wnioskowanie statystyczne Badania obserwacyjne a eksperyment Planowanie eksperymentu, randomizacja Próbkowanie z populacji Rozkłady próbkowe Wstępna/opisowa
Bardziej szczegółowoWykład 1 Próba i populacja. Estymacja parametrów z wykorzystaniem metody bootstrap
Wykład 1 Próba i populacja. Estymacja parametrów z wykorzystaniem metody bootstrap Magdalena Frąszczak Wrocław, 21.02.2018r Tematyka Wykładów: Próba i populacja. Estymacja parametrów z wykorzystaniem metody
Bardziej szczegółowoSPIS TEŚCI CZĘŚĆ I RACHUNEK PRAWDOPODOBIEŃSTWA
SPIS TEŚCI PRZEDMOWA...13 CZĘŚĆ I RACHUNEK PRAWDOPODOBIEŃSTWA 1. ZDARZENIA LOSOWE I PRAWDOPODOBIEŃSTWO...17 1.1. UWAGI WSTĘPNE... 17 1.2. ZDARZENIA LOSOWE... 17 1.3. RELACJE MIĘDZY ZDARZENIAMI... 18 1.4.
Bardziej szczegółowoStanisław Cichocki Natalia Nehrebecka. Zajęcia 11-12
Stanisław Cichocki Natalia Nehrebecka Zajęcia 11-12 1. Zmienne pominięte 2. Zmienne nieistotne 3. Obserwacje nietypowe i błędne 4. Współliniowość - Mamy 2 modele: y X u 1 1 (1) y X X 1 1 2 2 (2) - Potencjalnie
Bardziej szczegółowoNatalia Nehrebecka Stanisław Cichocki. Wykład 13
Natalia Nehrebecka Stanisław Cichocki Wykład 13 1 1. Zmienne pominięte 2. Zmienne nieistotne 3. Obserwacje nietypowe i błędne 4. Współliniowość 2 1. Zmienne pominięte 2. Zmienne nieistotne 3. Obserwacje
Bardziej szczegółowoWYDZIAŁ MATEMATYKI KARTA PRZEDMIOTU
WYDZIAŁ MATEMATYKI KARTA PRZEDMIOTU Nazwa w języku polskim: ANALIZA DANYCH ANKIETOWYCH Nazwa w języku angielskim: Categorical Data Analysis Kierunek studiów (jeśli dotyczy): MATEMATYKA I STATYSTYKA Specjalność
Bardziej szczegółowo7.4 Automatyczne stawianie prognoz
szeregów czasowych za pomocą pakietu SPSS Następnie korzystamy z menu DANE WYBIERZ OBSERWACJE i wybieramy opcję WSZYSTKIE OBSERWACJE (wówczas wszystkie obserwacje są aktywne). Wreszcie wybieramy z menu
Bardziej szczegółowoSTATYSTYKA MAŁYCH OBSZARÓW IV. EMPIRYCZNY NAJLEPSZY PREDYKTOR
1 STATYSTYKA MAŁYCH OBSZARÓW IV. EMPIRYCZNY NAJLEPSZY PREDYKTOR 3.1 Najlepszy predyktor i empiryczny najlepszy predyktor 3.1.1 Najlepszy predyktor i empiryczny najlepszy predyktor Ogólny mieszany model
Bardziej szczegółowoStatystyka. Rozkład prawdopodobieństwa Testowanie hipotez. Wykład III ( )
Statystyka Rozkład prawdopodobieństwa Testowanie hipotez Wykład III (04.01.2016) Rozkład t-studenta Rozkład T jest rozkładem pomocniczym we wnioskowaniu statystycznym; stosuje się go wyznaczenia przedziału
Bardziej szczegółowoWłasności statystyczne regresji liniowej. Wykład 4
Własności statystyczne regresji liniowej Wykład 4 Plan Własności zmiennych losowych Normalna regresja liniowa Własności regresji liniowej Literatura B. Hansen (2017+) Econometrics, Rozdział 5 Własności
Bardziej szczegółowoSTATYSTYKA MATEMATYCZNA WYKŁAD 3. Populacje i próby danych
STATYSTYKA MATEMATYCZNA WYKŁAD 3 Populacje i próby danych POPULACJA I PRÓBA DANYCH POPULACJA population Obserwacje dla wszystkich osobników danego gatunku / rasy PRÓBA DANYCH sample Obserwacje dotyczące
Bardziej szczegółowoTaksonomiczne aspekty estymacji pośredniej uwzględniającej autokorelację przestrzenną w statystyce gospodarczej
Urząd Statystyczny w Poznaniu Taksonomiczne aspekty estymacji pośredniej uwzględniającej autokorelację przestrzenną w statystyce gospodarczej Grażyna Dehnel Tomasz Klimanek Jacek Kowalewski CEL BADANIA:
Bardziej szczegółowoZeszyty. Modelowanie aktywności nabywców mieszkań na rynku województwa zachodniopomorskiego 5 (941) Iwona Foryś Barbara Batóg.
Zeszyty Uniwersytet Ekonomiczny w Krakowie Naukowe 5 (941) ISSN 1898-6447 Zesz. Nauk. UEK, 2015; 5 (941): 37 47 DOI: 10.15678/ZNUEK.2015.0941.0503 Iwona Foryś Barbara Batóg Instytut Ekonometrii i Statystyki
Bardziej szczegółowoPrzykład 2. Na podstawie książki J. Kowal: Metody statystyczne w badaniach sondażowych rynku
Przykład 2 Na podstawie książki J. Kowal: Metody statystyczne w badaniach sondażowych rynku Sondaż sieciowy analiza wyników badania sondażowego dotyczącego motywacji w drodze do sukcesu Cel badania: uzyskanie
Bardziej szczegółowoGra w Statystykę. Internetowa gra edukacyjna Testament Babci. dr Maria Wieczorek Instytut Statystyki i Demografii SGH
Gra w Statystykę Internetowa gra edukacyjna Testament Babci dr Maria Wieczorek Instytut Statystyki i Demografii SGH Zbiór zadań ze statystyki nieprzypadkowo zawiera w tytule sformułowanie: lubię to! W
Bardziej szczegółowoProjektowanie (design) Eurostat
Projektowanie (design) Eurostat Podstawa prezentacji moduł Overall design autor Eva Elvers ze Statistics Sweden Prezentacja autora na szkoleniu w Hadze 28-29 listopada 2013 r. Zarys Badanie statystyczne
Bardziej szczegółowoLUDNOŚĆ W WIEKU POPRODUKCYJNYM W STRUKTURACH GOSPODARSTW DOMOWYCH W POLSCE
RUCH PRAWNICZY, EKONOMICZNY I SOCJOLOGICZNY Rok LXI zeszyt 1 1999 IWONA ROESKE-SŁOMKA LUDNOŚĆ W WIEKU POPRODUKCYJNYM W STRUKTURACH GOSPODARSTW DOMOWYCH W POLSCE Tradycyjnie, za ludność w wieku poprodukcyjnym
Bardziej szczegółowoEkonometria Ćwiczenia 19/01/05
Oszacowano regresję stopy bezrobocia (unemp) na wzroście realnego PKB (pkb) i stopie inflacji (cpi) oraz na zmiennych zero-jedynkowych związanymi z kwartałami (season). Regresję przeprowadzono na danych
Bardziej szczegółowoMETODY STATYSTYCZNE W BIOLOGII
METODY STATYSTYCZNE W BIOLOGII 1. Wykład wstępny 2. Populacje i próby danych 3. Testowanie hipotez i estymacja parametrów 4. Planowanie eksperymentów biologicznych 5. Najczęściej wykorzystywane testy statystyczne
Bardziej szczegółowoProjekt współfinansowany ze środków Unii Europejskiej w ramach Programu Operacyjnego Pomoc Techniczna 2014-2020
Praca badawcza pt. Rozszerzenie Badania Aktywności Ekonomicznej Ludności - wybrane wskaźniki Europa 2020 oraz wskaźnik NEET na poziomie województw (NTS 2); podstawowe agregacje z zakresu rynku pracy na
Bardziej szczegółowoS YLABUS MODUŁU (PRZEDMIOTU) I nformacje ogólne
Załącznik Nr 3 do Uchwały Senatu PUM 14/2012 S YLABUS MODUŁU (PRZEDMIOTU) I nformacje ogólne Kod modułu Rodzaj modułu Wydział PUM Kierunek studiów Nazwa modułu Statystyka z elementami matematyki Obowiązkowy
Bardziej szczegółowoPRZYKŁAD ZASTOSOWANIA DOKŁADNEGO NIEPARAMETRYCZNEGO PRZEDZIAŁU UFNOŚCI DLA VaR. Wojciech Zieliński
PRZYKŁAD ZASTOSOWANIA DOKŁADNEGO NIEPARAMETRYCZNEGO PRZEDZIAŁU UFNOŚCI DLA VaR Wojciech Zieliński Katedra Ekonometrii i Statystyki SGGW Nowoursynowska 159, PL-02-767 Warszawa wojtek.zielinski@statystyka.info
Bardziej szczegółowoJoanna Muszyńska, Ewa Zdunek Uniwersytet Mikołaja Kopernika w Toruniu. Ekonometryczna analiza upadłości przedsiębiorstw w Polsce w latach 1990-2005
DYNAMICZNE MODELE EKONOMETRYCZNE X Ogólnopolskie Seminarium Naukowe, 4 6 września 2007 w Toruniu Katedra Ekonometrii i Statystyki, Uniwersytet Mikołaja Kopernika w Toruniu Uniwersytet Mikołaja Kopernika
Bardziej szczegółowoWprowadzenie do analizy korelacji i regresji
Statystyka dla jakości produktów i usług Six sigma i inne strategie Wprowadzenie do analizy korelacji i regresji StatSoft Polska Wybrane zagadnienia analizy korelacji Przy analizie zjawisk i procesów stanowiących
Bardziej szczegółowoProces badawczy schemat i zasady realizacji
Proces badawczy schemat i zasady realizacji Agata Górny Zaoczne Studia Doktoranckie z Ekonomii Warszawa, 23 października 2016 Metodologia i metoda naukowa 1 Metodologia Metodologia nauka o metodach nauki
Bardziej szczegółowoĆwiczenia IV
Ćwiczenia IV - 17.10.2007 1. Spośród podanych macierzy X wskaż te, których nie można wykorzystać do estymacji MNK parametrów modelu ekonometrycznego postaci y = β 0 + β 1 x 1 + β 2 x 2 + ε 2. Na podstawie
Bardziej szczegółowoweryfikacja hipotez dotyczących parametrów populacji (średnia, wariancja)
PODSTAWY STATYSTYKI. Teoria prawdopodobieństwa i elementy kombinatoryki. Zmienne losowe i ich rozkłady 3. Populacje i próby danych, estymacja parametrów 4. Testowanie hipotez 5. Testy parametryczne (na
Bardziej szczegółowoStanisław Cichocki. Natalia Nehrebecka
Stanisław Cichocki Natalia Nehrebecka - adres mailowy: scichocki@o2.pl - strona internetowa: www.wne.uw.edu.pl/scichocki - dyżur: po zajęciach lub po umówieniu mailowo - 80% oceny: egzaminy - 20% oceny:
Bardziej szczegółowoNarzędzia statystyczne i ekonometryczne. Wykład 1. dr Paweł Baranowski
Narzędzia statystyczne i ekonometryczne Wykład 1 dr Paweł Baranowski Informacje organizacyjne Wydział Ek-Soc, pok. B-109 pawel@baranowski.edu.pl Strona: baranowski.edu.pl (w tym materiały) Konsultacje:
Bardziej szczegółowoPROBLEMY ROLNICTWA ŚWIATOWEGO
Zeszyty Naukowe Szkoły Głównej Gospodarstwa Wiejskiego w Warszawie PROBLEMY ROLNICTWA ŚWIATOWEGO Tom 11 (XXVI) Zeszyt 4 Wydawnictwo SGGW Warszawa 2011 Dorota Kozioł-Kaczorek 1 Katedra Ekonomiki Rolnictwa
Bardziej szczegółowoczerwiec 2013 Uwaga: Przy rozwiązywaniu zadań, jeśli to konieczne, należy przyjąć poziom istotności 0,1 i współczynnik ufności 0,90
Uwaga: Przy rozwiązywaniu zadań, jeśli to konieczne, należy przyjąć poziom istotności 0,1 i współczynnik ufności 0,90 czerwiec 2013 Zadanie 1 Poniższe tabele przestawiają dane dotyczące umieralności dzieci
Bardziej szczegółowoRecenzenci: prof. dr hab. Henryk Domański dr hab. Jarosław Górniak
Recenzenci: prof. dr hab. Henryk Domański dr hab. Jarosław Górniak Redakcja i korekta Bogdan Baran Projekt graficzny okładki Katarzyna Juras Copyright by Wydawnictwo Naukowe Scholar, Warszawa 2011 ISBN
Bardziej szczegółowo