Dobór zmiennych objaśniających do liniowego modelu ekonometrycznego

Save this PDF as:
 WORD  PNG  TXT  JPG

Wielkość: px
Rozpocząć pokaz od strony:

Download "Dobór zmiennych objaśniających do liniowego modelu ekonometrycznego"

Transkrypt

1 Dobó zmiennych objaśniających do liniowego modelu ekonometycznego

2 Wstępnym zadaniem pzy budowie modelu ekonometycznego jest okeślenie zmiennych objaśniających. Kyteium wybou powinna być meytoyczna znajomość badanego zjawiska. Należy wybieać takie czynniki (zmienne objaśniające) któe mają istotny wpływ na kształtowanie się badanego zjawiska (zmiennej objaśnianej). Tak zebane zmienne będą nazywane zbioem potencjalnych zmiennych objaśniających.

3 Do najważniejszych kyteiów fomalnostatystycznych stosowanych w metodach wybou zmiennych należą: 1. Zmienne występujące w modelu powinny chaakteyzować się dużą zmiennością; 2. Należy zapewnić maksymalne skoelowanie zmiennej objaśnianej ze zmiennymi objaśniającymi; 3. Zmienne objaśniające nie powinny być istotnie skoelowane między sobą; 4. Należy dążyć do maksymalnego stopnia dopasowania modelu do zeczywistych elacji gospodaczych co wyaża się w maksymalizacji współczynnika deteminacji R 2.

4

5 Metoda Hellwiga (nazywana ównież ) jest metodą któa zdobyła sobie największe uznanie wśód ekonometyków powadzących badania empiyczne. Idea tej metody spowadza się do powołania na zmienne objaśniające takich zmiennych któe są mocno skoelowane ze zmienną objaśnianą i jednocześnie słabo skoelowane między sobą. Punktem wyjścia jest zatem oszacowanie maciezy R współczynników koelacji między potencjalnymi zmiennymi objaśniającymi ( kandydatkami ) oaz wektoa R 0 współczynników koelacji między zmienną objaśnianą a potencjalnymi zmiennymi objaśniającymi.

6 Załóżmy że dysponujemy k-elementowym zbioem kandydatek na zmienne objaśniające {X 1 X 2 X k } dla któych szacujemy maciez R: R 1 21 k k 2 1k 2k 1 gdzie: ij X oaz wekto R 0 : i X i j i j k j R k gdzie: ij Y X i k i.

7 Mając wyznaczone maciez R i wekto R 0 pzystępuje się do obliczania tzw. indywidualnych pojemności nośników infomacji X o zmiennej Y wchodzących w skład óżnych kombinacji utwozonych z elementów danego k-elementowego zbiou potencjalnych zmiennych objaśniających. Wiadomo że ogólna liczba tych kombinacji wynosi dokładnie l = 2 k 1. Indywidualne pojemności nośników infomacji dla poszczególnych potencjalnych zmiennych objaśniających w amach każdej kombinacji zdefiniowane są następująco: 2 0 j hkj n k 1 gdzie: h kj wskaźnik indywidualnej pojemności infomacji zmiennej X j w k-tej kombinacji; 0j - współczynnik koelacji zmiennej objaśnianej ze zmienną X j ; ij - współczynnik koelacji miedzy potencjalnymi zmiennymi objaśniającymi X i oaz X j ; n k - liczba potencjalnych zmiennych objaśniających w k tej kombinacji. i i 1 j ij

8 Następnie oblicza się wskaźniki integalnej pojemności infomacji w amach każdej z n kombinacji według wzou n k H k h kj. Wskaźniki indywidualnej i integalnej pojemności infomacji chaakteyzują się następującymi własnościami: 1. pzyjmują tym większe watości im silniej zmienne objaśniające są skoelowane ze zmienną objaśnianą 2. pzyjmują tym większe watości im słabiej zmienne objaśniające są skoelowane między sobą 3. są unomowane: 0 h kj 1 0 H k są niemianowane. Pzedstawiona metoda postępowania pozwala na wybó optymalnej kombinacji zmiennych objaśniających. Kyteium wybou takiej kombinacji można zapisać jako gdzie: H k max H H k* - oznacza kombinację optymalnych zmiennych. j 1 * k k

9 Metoda Pawłowskiego to. W metodzie tej mamy pzygotowaną listę m potencjalnych zmiennych objaśniających i z góy ustaloną liczbę k zmiennych któe mają wejść do modelu pzy czym k<m. Ze zbiou m potencjalnych zmiennych objaśniających ozpatujemy wszystkie z możliwych kombinacji zmiennych. Kombinacje te będą twozyć zbió P k kombinacji dopuszczalnych z któych szukamy najlepszą kombinację zmiennych objaśniających tzn. taką w któej zmienne objaśniające są możliwie słabo skoelowane.

10 W piewszej kolejności wyznaczamy maciez koelacji R. Następnie ozpatujemy wyznaczniki poszczególnych podmaciezy otzymanych z maciezy R w któej zachowano tylko wiesze i kolumny o numeach ównych numeom zmiennych w ozpatywanej kombinacji. Za optymalną kombinację uważa się taką kombinację zmiennych dla któej odpowiedni podwyznacznik jest największy (zmienne X 1 X 2 X k są tym słabiej skoelowane między sobą im większy i bliższy jedności jest odpowiedni wyznacznik maciezy koelacji).

11 Idea tej metody podobnie jak w metodzie pojemności infomacji opiea się na wyboze takich zmiennych objaśniających do modelu któe są silnie skoelowane ze zmienną objaśnianą oaz słabo skoelowane między sobą. Pocedua metody ozpoczyna się od utwozenia wektoa koelacji R 0 między zmienną objaśnianą a potencjalnymi zmiennymi objaśniającymi oaz maciezy koelacji R paami między potencjalnymi zmiennymi objaśniającymi.

12 W kolejnym etapie spawdzamy któe elementy maciezy R są tak małe że możemy je uznać za zeowe (nieistotnie óżne od zea). W tym celu poównujemy zeczywiste współczynniki koelacji ij z maciezy R ze współczynnikiem kytycznym któy możemy wyznaczyć dwoma sposobami. Współczynnik ten można wyznaczyć ze wzou 2 * t 2 t n 2 gdzie t jest watością statystyki odczytaną z tablic testu t-studenta dla zadanego poziomu istotności α oaz dla n 2 stopni swobody. Dugi sposób jest opaty na egule minimaksowej takiej że na podstawie maciezy R ustalamy: * min max dla i j. i j * Jeśli zachodzi waunek ij to wszystkie elementy spełniające ten waunek zastępujemy w maciezy R zeami. Maciez tę oznaczamy R. ij

13 W kolejnym etapie na podstawie maciezy R budujemy gaf w któym wiezchołkami są potencjalne zmienne objaśniające a wiązadłami niezeowe elementy maciezy R. Możemy otzymać gaf spójny lub kilka podgafów a także punkty (zmienne) odosobnione. Z tak powstałych podgafów do modelu wybieamy zmienne odosobnione (nie są one bowiem skoelowane z innymi potencjalnymi zmiennymi objaśniającymi) oaz te zmienne któe mają największą liczbę powiązań (wiązadeł) z innymi potencjalnymi zmiennymi objaśniającymi. Jeżeli takich zmiennych jest więcej niż jedna to wybiea się spośód nich tę któa jest najsilniej skoelowana ze zmienną objaśnianą. Taki wybó jest podyktowany tym że zmienna o największej liczbie wiązadeł w gafie gomadzi w sobie najwięcej infomacji o pozostałych zmiennych (z któymi była powiązana) a więc będzie dobą ich epezentantką.

14 Waunkiem wstępnym do tego aby dana zmienna mogła być uznana za objaśniającą w modelu jest jej wystaczające zóżnicowanie. Zmienną objaśniającą bowiem nie może być zmienna któej poszczególne obsewacje nie óżnią się między sobą (lub óżnią się w niewielkim stopniu). Nie jest to wtedy zmienna lecz stała (lub quasi-stała). Do miezenia poziomu zóżnicowania najczęściej wykozystuje się klasyczny współczynnik zmienności: s j Vj x j gdzie: s j - odchylenie standadowe zmiennej X j x j - śednia aytmetyczna zmiennej X j.

15 Zwykle obiea się kytyczną watość współczynnika zmienności V* (np. V* =01). Zmienne spełniające nieówność V j V * uznaje się za mało zóżnicowane i eliminuje ze zbiou potencjalnych zmiennych objaśniających. Zmienne te nie wnoszą istotnych infomacji.

16 W metodzie tej ustala się tzw. watość kytyczną współczynnika koelacji. Okeśla ona poziom istotności współczynnika koelacji. Watość ta może być zadana pzez badacza albo wyznaczona ze wzou: * t 2 Pocedua dobou zmiennych objaśniających jest następująca. 1. Ze zbiou potencjalnych zmiennych objaśniających eliminuje się wszystkie zmienne dla któych zachodzi nieówność są to bowiem zmienne nieistotnie skoelowane ze zmienną objaśnianą. 2 t n 0 j * 2

17 2. Spośód pozostałych potencjalnych zmiennych jako zmienną objaśniającą wybiea się taką zmienną X h dla któej h max j j Ponieważ zmienna X h jest nośnikiem największego zasobu infomacji o zmiennej objaśnianej. 3. Ze zbiou pozostałych potencjalnych zmiennych objaśniających eliminuje się te wszystkie zmienne dla któych * hi są to bowiem zmienne zbyt silnie skoelowane ze zmienną objaśniającą X h a więc powielające dostaczone pzez nią infomacje. Jeśli pozostały jeszcze jakieś zmienne to pzechodzi się do punktu 2. Postępowanie kontynuuje się do momentu wyczepania zbiou potencjalnych zmiennych objaśniających.

18

Tradycyjne mierniki ryzyka

Tradycyjne mierniki ryzyka Tadycyjne mieniki yzyka Pzykład 1. Ryzyko w pzypadku potfela inwestycyjnego Dwie inwestycje mają następujące stopy zwotu, zależne od sytuacji gospodaczej: Sytuacja Pawdopodobieństwo R R Recesja 0, 9,0%

Bardziej szczegółowo

Ocena siły oddziaływania procesów objaśniających dla modeli przestrzennych

Ocena siły oddziaływania procesów objaśniających dla modeli przestrzennych Michał Benad Pietzak * Ocena siły oddziaływania pocesów objaśniających dla modeli pzestzennych Wstęp Ekonomiczne analizy pzestzenne są ważnym kieunkiem ozwoju ekonometii pzestzennej Wynika to z faktu,

Bardziej szczegółowo

Uniwersytet Warszawski Teoria gier dr Olga Kiuila LEKCJA 2

Uniwersytet Warszawski Teoria gier dr Olga Kiuila LEKCJA 2 LEKCJA 2 Pzykład: Dylemat Cykoa (albo Poke Dogowy) Dwie osoby wsiadają w samochody, ozpędzają się i z dużą pędkością jadą na siebie - ten kto piewszy zahamuje lub zjedzie z tasy jest "cykoem" i pzegywa.

Bardziej szczegółowo

Metody optymalizacji. dr inż. Paweł Zalewski Akademia Morska w Szczecinie

Metody optymalizacji. dr inż. Paweł Zalewski Akademia Morska w Szczecinie Metody optymalizacji d inż. Paweł Zalewski kademia Moska w Szczecinie Optymalizacja - definicje: Zadaniem optymalizacji jest wyznaczenie spośód dopuszczalnych ozwiązań danego polemu ozwiązania najlepszego

Bardziej szczegółowo

Model klasyczny gospodarki otwartej

Model klasyczny gospodarki otwartej Model klasyczny gospodaki otwatej Do tej poy ozpatywaliśmy model sztucznie zakładający, iż gospodaka danego kaju jest gospodaką zamkniętą. A zatem bak było międzynaodowych pzepływów dób i kapitału. Jeżeli

Bardziej szczegółowo

ANALIZA DANYCH W STATA 8.0

ANALIZA DANYCH W STATA 8.0 ANALIZA DANYCH W STATA 8.0 ZAJĘCIA 3 1. Rozpoczęcie 1. Stwozyć w katalogu C:/temp katalog stata_3 2. Ściągnąć z intenetu ze stony http://akson.sgh.waw.pl/~mpoch plik zajecia3.zip (kyje się on pod tekstem

Bardziej szczegółowo

Energia kinetyczna i praca. Energia potencjalna

Energia kinetyczna i praca. Energia potencjalna negia kinetyczna i paca. negia potencjalna Wykład 4 Wocław Univesity of Technology 1 NRGIA KINTYCZNA I PRACA 5.XI.011 Paca Kto wykonał większą pacę? Hossein Rezazadeh Olimpiada w Atenach 004 WR Podzut

Bardziej szczegółowo

MIERNICTWO WIELKOŚCI ELEKTRYCZNYCH I NIEELEKTRYCZNYCH

MIERNICTWO WIELKOŚCI ELEKTRYCZNYCH I NIEELEKTRYCZNYCH Politechnika Białostocka Wydział Elektyczny Kateda Elektotechniki Teoetycznej i Metologii nstukcja do zajęć laboatoyjnych z pzedmiotu MENCTWO WEKOŚC EEKTYCZNYCH NEEEKTYCZNYCH Kod pzedmiotu: ENSC554 Ćwiczenie

Bardziej szczegółowo

Zawiadomienie o wyborze najkorzystniejszej oferty

Zawiadomienie o wyborze najkorzystniejszej oferty Kaków, dnia 28 wześnia 2015. Nasz znak: KZ.II.272.10.2015 Dotyczy: postępowania o udzielenie publicznego w tybie pzetagu nieoganiczonego pn.: Pzygotowanie i pzepowadzenie kampanii infomacyjno edukacyjnej,

Bardziej szczegółowo

AKADEMIA INWESTORA INDYWIDUALNEGO CZĘŚĆ II. AKCJE.

AKADEMIA INWESTORA INDYWIDUALNEGO CZĘŚĆ II. AKCJE. uma Pzedsiębiocy /6 Lipiec 205. AKAEMIA INWESTORA INYWIUALNEGO CZĘŚĆ II. AKCJE. WYCENA AKCJI Wycena akcji jest elementem analizy fundamentalnej akcji. Następuje po analizie egionu, gospodaki i banży, w

Bardziej szczegółowo

Zadanie 1 Zakładając liniową relację między wydatkami na obuwie a dochodem oszacować MNK parametry modelu: y t. X 1 t. Tabela 1.

Zadanie 1 Zakładając liniową relację między wydatkami na obuwie a dochodem oszacować MNK parametry modelu: y t. X 1 t. Tabela 1. tel. 44 683 1 55 tel. kom. 64 566 811 e-mail: biuro@wszechwiedza.pl Zadanie 1 Zakładając liniową relację między wydatkami na obuwie a dochodem oszacować MNK parametry modelu: gdzie: y t X t y t = 1 X 1

Bardziej szczegółowo

parametrów strukturalnych modelu = Y zmienna objaśniana, X 1,X 2,,X k zmienne objaśniające, k zmiennych objaśniających,

parametrów strukturalnych modelu = Y zmienna objaśniana, X 1,X 2,,X k zmienne objaśniające, k zmiennych objaśniających, 诲 瞴瞶 瞶 ƭ0 ƭ 瞰 parametrów strukturalnych modelu Y zmienna objaśniana, = + + + + + X 1,X 2,,X k zmienne objaśniające, k zmiennych objaśniających, α 0, α 1, α 2,,α k parametry strukturalne modelu, k+1 parametrów

Bardziej szczegółowo

Statystyka w pracy badawczej nauczyciela Wykład 4: Analiza współzależności. dr inż. Walery Susłow walery.suslow@ie.tu.koszalin.pl

Statystyka w pracy badawczej nauczyciela Wykład 4: Analiza współzależności. dr inż. Walery Susłow walery.suslow@ie.tu.koszalin.pl Statystyka w pracy badawczej nauczyciela Wykład 4: Analiza współzależności dr inż. Walery Susłow walery.suslow@ie.tu.koszalin.pl Statystyczna teoria korelacji i regresji (1) Jest to dział statystyki zajmujący

Bardziej szczegółowo

Wykład 17. 13 Półprzewodniki

Wykład 17. 13 Półprzewodniki Wykład 17 13 Półpzewodniki 13.1 Rodzaje półpzewodników 13.2 Złącze typu n-p 14 Pole magnetyczne 14.1 Podstawowe infomacje doświadczalne 14.2 Pąd elektyczny jako źódło pola magnetycznego Reinhad Kulessa

Bardziej szczegółowo

Weryfikacja hipotez statystycznych

Weryfikacja hipotez statystycznych Weryfikacja hipotez statystycznych Hipoteza Test statystyczny Poziom istotności Testy jednostronne i dwustronne Testowanie równości wariancji test F-Fishera Testowanie równości wartości średnich test t-studenta

Bardziej szczegółowo

1. Ciało sztywne, na które nie działa moment siły pozostaje w spoczynku lub porusza się ruchem obrotowym jednostajnym.

1. Ciało sztywne, na które nie działa moment siły pozostaje w spoczynku lub porusza się ruchem obrotowym jednostajnym. Wykład 3. Zasada zachowania momentu pędu. Dynamika punktu mateialnego i były sztywnej. Ruch obotowy i postępowy Większość ciał w pzyodzie to nie punkty mateialne ale ozciągłe ciała sztywne tj. obiekty,

Bardziej szczegółowo

K wartość kapitału zaangażowanego w proces produkcji, w tys. jp.

K wartość kapitału zaangażowanego w proces produkcji, w tys. jp. Sprawdzian 2. Zadanie 1. Za pomocą KMNK oszacowano następującą funkcję produkcji: Gdzie: P wartość produkcji, w tys. jp (jednostek pieniężnych) K wartość kapitału zaangażowanego w proces produkcji, w tys.

Bardziej szczegółowo

ĆWICZENIE 5. Badanie przekaźnikowych układów sterowania

ĆWICZENIE 5. Badanie przekaźnikowych układów sterowania ĆWICZENIE 5 Badanie zekaźnikowych układów steowania 5. Cel ćwiczenia Celem ćwiczenia jest badanie zekaźnikowych układów steowania obiektem całkującoinecyjnym. Ćwiczenie dotyczy zekaźników dwu- i tójołożeniowych

Bardziej szczegółowo

TEST STATYSTYCZNY. Jeżeli hipotezę zerową odrzucimy na danym poziomie istotności, to odrzucimy ją na każdym większym poziomie istotności.

TEST STATYSTYCZNY. Jeżeli hipotezę zerową odrzucimy na danym poziomie istotności, to odrzucimy ją na każdym większym poziomie istotności. TEST STATYSTYCZNY Testem statystycznym nazywamy regułę postępowania rozstrzygająca, przy jakich wynikach z próby hipotezę sprawdzaną H 0 należy odrzucić, a przy jakich nie ma podstaw do jej odrzucenia.

Bardziej szczegółowo

Rodzajowy rachunek kosztów Wycena zuŝycia materiałów

Rodzajowy rachunek kosztów Wycena zuŝycia materiałów Rodzajowy achunek kosztów (wycena zuŝycia mateiałów) Wycena zuŝycia mateiałów ZuŜycie mateiałów moŝe być miezone, wyceniane, dokumentowane i ewidencjonowane w óŝny sposób. Stosowane metody wywieają jednak

Bardziej szczegółowo

Estymacja parametrów modeli liniowych oraz ocena jakości dopasowania modeli do danych empirycznych

Estymacja 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 szczegółowo

STATYSTYKA I DOŚWIADCZALNICTWO Wykład 8

STATYSTYKA I DOŚWIADCZALNICTWO Wykład 8 STATYSTYKA I DOŚWIADCZALNICTWO Wykład 8 Regresja wielokrotna Regresja wielokrotna jest metodą statystyczną, w której oceniamy wpływ wielu zmiennych niezależnych (X 1, X 2, X 3,...) na zmienną zależną (Y).

Bardziej szczegółowo

Wprowadzenie do analizy korelacji i regresji

Wprowadzenie 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 szczegółowo

BADANIE ZALEśNOŚCI POMIĘDZY WARTOŚCIĄ WYKŁADNIKA HURSTA A SKUTECZNOŚCIĄ STRATEGII INWESTYCYJNYCH OPARTYCH NA ANALIZIE TECHNICZNEJ WPROWADZENIE

BADANIE ZALEśNOŚCI POMIĘDZY WARTOŚCIĄ WYKŁADNIKA HURSTA A SKUTECZNOŚCIĄ STRATEGII INWESTYCYJNYCH OPARTYCH NA ANALIZIE TECHNICZNEJ WPROWADZENIE Edyta Macinkiewicz Kateda Zaządzania, Wydział Oganizacji i Zaządzania Politechniki Łódzkiej e-mail: emac@p.lodz.pl BADANIE ZALEśNOŚCI POMIĘDZY WARTOŚCIĄ WYKŁADNIKA HURSTA A SKUTECZNOŚCIĄ STRATEGII INWESTYCYJNYCH

Bardziej szczegółowo

Zależność natężenia oświetlenia od odległości

Zależność natężenia oświetlenia od odległości Zależność natężenia oświetlenia CELE Badanie zależności natężenia oświetlenia powiezchni wytwazanego pzez żaówkę od niej. Uzyskane dane są analizowane w kategoiach paw fotometii (tzw. pawa odwotnych kwadatów

Bardziej szczegółowo

MONITORING STACJI FOTOWOLTAICZNYCH W ŚWIETLE NORM EUROPEJSKICH

MONITORING STACJI FOTOWOLTAICZNYCH W ŚWIETLE NORM EUROPEJSKICH 51 Aleksande Zaemba *, Tadeusz Rodziewicz **, Bogdan Gaca ** i Maia Wacławek ** * Kateda Elektotechniki Politechnika Częstochowska al. Amii Kajowej 17, 42-200 Częstochowa e-mail: zaemba@el.pcz.czest.pl

Bardziej szczegółowo

GEOMETRIA PŁASZCZYZNY

GEOMETRIA PŁASZCZYZNY GEOMETRIA PŁASZCZYZNY. Oblicz pole tapezu ównoamiennego, któego podstawy mają długość cm i 0 cm, a pzekątne są do siebie postopadłe.. Dany jest kwadat ABCD. Punkty E i F są śodkami boków BC i CD. Wiedząc,

Bardziej szczegółowo

Testowanie hipotez statystycznych. Wnioskowanie statystyczne

Testowanie hipotez statystycznych. Wnioskowanie statystyczne Testowanie hipotez statystycznych Wnioskowanie statystyczne Hipoteza statystyczna to dowolne przypuszczenie co do rozkładu populacji generalnej (jego postaci funkcyjnej lub wartości parametrów). Hipotezy

Bardziej szczegółowo

KOLOKACJA SYSTEMÓW BEZPRZEWODOWYCH NA OBIEKTACH MOBILNYCH

KOLOKACJA SYSTEMÓW BEZPRZEWODOWYCH NA OBIEKTACH MOBILNYCH KOLOKACJA SYSTEMÓW BEZPRZEWODOWYCH NA OBIEKTACH MOBILNYCH Janusz ROMANIK, Kzysztof KOSMOWSKI, Edwad GOLAN, Adam KRAŚNIEWSKI Zakład Radiokomunikacji i Walki Elektonicznej Wojskowy Instytut Łączności 05-30

Bardziej szczegółowo

Siła. Zasady dynamiki

Siła. Zasady dynamiki Siła. Zasady dynaiki Siła jest wielkością wektoową. Posiada okeśloną watość, kieunek i zwot. Jednostką siły jest niuton (N). 1N=1 k s 2 Pzedstawienie aficzne A Siła pzyłożona jest do ciała w punkcie A,

Bardziej szczegółowo

POLITECHNIKA OPOLSKA Wydział Elektrotechniki i Automatyki

POLITECHNIKA OPOLSKA Wydział Elektrotechniki i Automatyki POLITECHNIKA OPOLSKA Wydział Elektotechniki i Automatyki Mg inż. Michał Tomaszewski MODEL PRZEDSIĘBIORSTWA DYSTRYBUCYJNEGO DZIAŁAJĄCEGO NA OTWARTYM RYNKU ENERGII ELEKTRYCZNEJ Autoefeat pacy doktoskiej

Bardziej szczegółowo

POLITECHNIKA CZĘSTOCHOWSKA Wydział Inżynierii Mechanicznej i Informatyki Instytut Informatyki Teoretycznej i Stosowanej

POLITECHNIKA CZĘSTOCHOWSKA Wydział Inżynierii Mechanicznej i Informatyki Instytut Informatyki Teoretycznej i Stosowanej POLITECHNIKA CZĘSTOCHOWSKA Wydział Inżynieii Mechanicznej i Infomatyki Instytut Infomatyki Teoetycznej i Stosowanej Mg inż. Maiusz KUBANEK METODA ROZPOZNAWANIA AUDIO-WIDEO MOWY POLSKIEJ W OPARCIU O UKRYTE

Bardziej szczegółowo

Testowanie hipotez statystycznych związanych ą z szacowaniem i oceną ą modelu ekonometrycznego

Testowanie hipotez statystycznych związanych ą z szacowaniem i oceną ą modelu ekonometrycznego Testowanie hipotez statystycznych związanych ą z szacowaniem i oceną ą modelu ekonometrycznego Ze względu na jakość uzyskiwanych ocen parametrów strukturalnych modelu oraz weryfikację modelu, metoda najmniejszych

Bardziej szczegółowo

Pracownia komputerowa

Pracownia komputerowa Stanisław Lampeski Ćwiczenia z chemii fizycznej Pacownia komputeowa Opis wykonania ćwiczeń WYDZIAŁ CHEMII UAM Poznań 009 Mateiały umieszczone na stonie: http://www.staff.amu.edu.pl/~slampe Spis teści Wstęp...

Bardziej szczegółowo

WYDZIAŁ FIZYKI, MATEMATYKI I INFORMATYKI POLITECHNIKI KRAKOWSKIEJ Instytut Fizyki LABORATORIUM PODSTAW ELEKTROTECHNIKI, ELEKTRONIKI I MIERNICTWA

WYDZIAŁ FIZYKI, MATEMATYKI I INFORMATYKI POLITECHNIKI KRAKOWSKIEJ Instytut Fizyki LABORATORIUM PODSTAW ELEKTROTECHNIKI, ELEKTRONIKI I MIERNICTWA WYDZIAŁ FIZYKI, MATEMATYKI I INFORMATYKI POITEHNIKI KRAKOWSKIEJ Instytut Fizyki ABORATORIUM PODSTAW EEKTROTEHNIKI, EEKTRONIKI I MIERNITWA ĆWIZENIE 7 Pojemność złącza p-n POJĘIA I MODEE potzebne do zozumienia

Bardziej szczegółowo

Statystyka i opracowanie danych- W 8 Wnioskowanie statystyczne. Testy statystyczne. Weryfikacja hipotez statystycznych.

Statystyka i opracowanie danych- W 8 Wnioskowanie statystyczne. Testy statystyczne. Weryfikacja hipotez statystycznych. Statystyka i opracowanie danych- W 8 Wnioskowanie statystyczne. Testy statystyczne. Weryfikacja hipotez statystycznych. Dr Anna ADRIAN Paw B5, pok407 adan@agh.edu.pl Hipotezy i Testy statystyczne Każde

Bardziej szczegółowo

Pole magnetyczne. 5.1 Oddziaływanie pola magnetycznego na ładunki. przewodniki z prądem. 5.1.1 Podstawowe zjawiska magnetyczne

Pole magnetyczne. 5.1 Oddziaływanie pola magnetycznego na ładunki. przewodniki z prądem. 5.1.1 Podstawowe zjawiska magnetyczne Rozdział 5 Pole magnetyczne 5.1 Oddziaływanie pola magnetycznego na ładunki i pzewodniki z pądem 5.1.1 Podstawowe zjawiska magnetyczne W obecnym ozdziale ozpatzymy niektóe zagadnienia magnetostatyki. Magnetostatyką

Bardziej szczegółowo

KRYTERIA OCENIANIA ODPOWIEDZI Próbna Matura z OPERONEM. Chemia Poziom rozszerzony

KRYTERIA OCENIANIA ODPOWIEDZI Próbna Matura z OPERONEM. Chemia Poziom rozszerzony KRYTERIA OCENIANIA ODPOWIEDZI Póbna Matua z OPERONEM Chemia Poziom ozszezony Listopad W niniejszym schemacie oceniania zadań otwatych są pezentowane pzykładowe popawne odpowiedzi. W tego typu ch należy

Bardziej szczegółowo

REZONATORY DIELEKTRYCZNE

REZONATORY DIELEKTRYCZNE REZONATORY DIELEKTRYCZNE Rezonato dielektyczny twozy małostatny, niemetalizowany dielektyk o dużej pzenikalności elektycznej ( > 0) i dobej stabilności tempeatuowej, zwykle w kształcie cylindycznych dysków

Bardziej szczegółowo

Wartości wybranych przedsiębiorstw górniczych przy zastosowaniu EVA *

Wartości wybranych przedsiębiorstw górniczych przy zastosowaniu EVA * ZESZYTY NAUKOWE UNIWERSYTETU SZCZECIŃSKIEGO n 786 Finanse, Rynki Finansowe, Ubezpieczenia n 64/1 (2013) s. 269 278 Watości wybanych pzedsiębiostw góniczych pzy zastosowaniu EVA * Adam Sojda ** Steszczenie:

Bardziej szczegółowo

Analiza statystyczna trudności tekstu

Analiza statystyczna trudności tekstu Analiza statystyczna trudności tekstu Łukasz Dębowski ldebowsk@ipipan.waw.pl Problem badawczy Chcielibyśmy mieć wzór matematyczny,...... który dla dowolnego tekstu...... na podstawie pewnych statystyk......

Bardziej szczegółowo

Analiza korespondencji

Analiza korespondencji Analiza korespondencji Kiedy stosujemy? 2 W wielu badaniach mamy do czynienia ze zmiennymi jakościowymi (nominalne i porządkowe) typu np.: płeć, wykształcenie, status palenia. Punktem wyjścia do analizy

Bardziej szczegółowo

ZACHOROWALNOŚĆ NA KIŁĘ I RZEŻĄCZKĘ W EUROPEJSKICH KRAJACH POSTKOMUNISTYCZNYCH W OKRESIE TRANSFORMACJI USTROJOWEJ

ZACHOROWALNOŚĆ NA KIŁĘ I RZEŻĄCZKĘ W EUROPEJSKICH KRAJACH POSTKOMUNISTYCZNYCH W OKRESIE TRANSFORMACJI USTROJOWEJ Tomasz MICHALSKI Uniwesytet Gdański ZACHOROWALNOŚĆ NA KIŁĘ I RZEŻĄCZKĘ W EUROPEJSKICH KRAJACH POSTKOMUNISTYCZNYCH W OKRESIE TRANSFORMACJI USTROJOWEJ Zays teści: Celem opacowania jest pezentacja zmian w

Bardziej szczegółowo

Zadanie 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 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 szczegółowo

Zarządzanie ryzykiem. Lista 3

Zarządzanie ryzykiem. Lista 3 Zaządzanie yzykiem Lisa 3 1. Oszacowano nasępujący ozkład pawdopodobieńswa dla sóp zwou z akcji A i B (Tabela 1). W chwili obecnej Akcja A ma waość ynkową 70, a akcja B 50 zł. Ile wynosi pięciopocenowa

Bardziej szczegółowo

Rozciąganie i ściskanie prętów projektowanie 3

Rozciąganie i ściskanie prętów projektowanie 3 Rozciąganie i ściskanie pętó pojektoanie 3 Sposób oziązyania pętó ozciąganych/ściskanych został omóiony ozziale. Zaania pojektoe spoazają się o okeślenia ymiaó pzekoju popzecznego pęta na postaie aunku

Bardziej szczegółowo

OPTYMALIZACJA KSZTAŁTU WIELOKĄTNYCH OBSZARÓW

OPTYMALIZACJA KSZTAŁTU WIELOKĄTNYCH OBSZARÓW MODELOWANIE INśYNIERSKIE ISSN 896-77X 35, s. 63-68, Gliwice 008 OPTYMALIZACJA KSZTAŁTU WIELOKĄTNYCH OBSZARÓW MODELOWANYCH RÓWNANIAMI NAVIERA-LAMEGO NA PODSTAWIE PURC I ALGORYTMÓW GENETYCZNYCH EUGENIUSZ

Bardziej szczegółowo

Etapy modelowania ekonometrycznego

Etapy modelowania ekonometrycznego Etapy modelowania ekonometrycznego jest podstawowym narzędziem badawczym, jakim posługuje się ekonometria. Stanowi on matematyczno-statystyczną formę zapisu prawidłowości statystycznej w zakresie rozkładu,

Bardziej szczegółowo

Plan wykładu. Przykład. Przykład 3/19/2011. Przykład zagadnienia transportowego. Optymalizacja w procesach biznesowych Wykład 2 DECYZJA?

Plan wykładu. Przykład. Przykład 3/19/2011. Przykład zagadnienia transportowego. Optymalizacja w procesach biznesowych Wykład 2 DECYZJA? /9/ Zagadnienie transportowe Optymalizacja w procesach biznesowych Wykład --9 Plan wykładu Przykład zagadnienia transportowego Sformułowanie problemu Własności zagadnienia transportowego Metoda potencjałów

Bardziej szczegółowo

Ć W I C Z E N I E N R C-2

Ć W I C Z E N I E N R C-2 INSTYTUT IZYKI WYDZIAŁ INŻYNIERII PRODUKCJI I TECHNOLOGII MATERIAŁÓW POLITECHNIKA CZĘSTOCHOWSKA PRACOWNIA IZYKI CZĄSTECZKOWEJ I CIEPŁA Ć W I C Z E N I E N R C- POMIAR NAPIĘCIA POWIERZCHNIOWEGO CIECZY METODĄ

Bardziej szczegółowo

METODY STATYCZNE Metody pomiaru twardości.

METODY STATYCZNE Metody pomiaru twardości. METODY STATYCZNE Metody pomiau twadości. Opacował: XXXXXXXX studia inŝynieskie zaoczne wydział mechaniczny semest V Gdańsk 00. Cel ćwiczenia. Celem ćwiczenia jest zapoznanie się z metodami pomiaów twadości,

Bardziej szczegółowo

MODELE LINIOWE. Dr Wioleta Drobik

MODELE LINIOWE. Dr Wioleta Drobik MODELE LINIOWE Dr Wioleta Drobik MODELE LINIOWE Jedna z najstarszych i najpopularniejszych metod modelowania Zależność między zbiorem zmiennych objaśniających, a zmienną ilościową nazywaną zmienną objaśnianą

Bardziej szczegółowo

Ekonometria - ćwiczenia 11

Ekonometria - ćwiczenia 11 Ekonometria - ćwiczenia 11 Mateusz Myśliwski Zakład Ekonometrii Stosowanej Instytut Ekonometrii Kolegium Analiz Ekonomicznych Szkoła Główna Handlowa 21 grudnia 2012 Na poprzednich zajęciach zajmowaliśmy

Bardziej szczegółowo

PRZEMIANA ENERGII ELEKTRYCZNEJ W CIELE STAŁYM

PRZEMIANA ENERGII ELEKTRYCZNEJ W CIELE STAŁYM PRZEMIANA ENERGII ELEKTRYCZNE W CIELE STAŁYM Anaizowane są skutki pzepływu pądu pzemiennego o natężeniu I pzez pzewodnik okągły o pomieniu. Pzyęto wstępne założenia upaszcząace: - kształt pądu est sinusoidany,

Bardziej szczegółowo

Zrobotyzowany system docierania powierzchni płaskich z zastosowaniem plików CL Data

Zrobotyzowany system docierania powierzchni płaskich z zastosowaniem plików CL Data MECHANIK NR 8-9/2015 25 Zobotyzowany system docieania powiezcni płaskic z zastosowaniem plików CL Data Robotic system fo flat sufaces lapping using CLData ADAM BARYLSKI NORBERT PIOTROWSKI * DOI: 10.17814/mecanik.2015.8-9.335

Bardziej szczegółowo

ODRZUCANIE WYNIKÓW POJEDYNCZYCH POMIARÓW

ODRZUCANIE WYNIKÓW POJEDYNCZYCH POMIARÓW ODRZUCANIE WYNIKÓW OJEDYNCZYCH OMIARÓW W praktyce pomiarowej zdarzają się sytuacje gdy jeden z pomiarów odstaje od pozostałych. Jeżeli wykorzystamy fakt, że wyniki pomiarów są zmienną losową opisywaną

Bardziej szczegółowo

PRĘDKOŚCI KOSMICZNE OPRACOWANIE

PRĘDKOŚCI KOSMICZNE OPRACOWANIE PRĘDKOŚCI KOSMICZNE OPRACOWANIE I, II, III pędkość komiczna www.iwiedza.net Obecnie, żyjąc w XXI wieku, wydaje ię nomalne, że człowiek potafi polecieć w komo, opuścić Ziemię oaz wylądować na Kiężycu. Poza

Bardziej szczegółowo

00507 Praca i energia D

00507 Praca i energia D 00507 Paca i enegia D Dane oobowe właściciela akuza 00507 Paca i enegia D Paca i moc mechaniczna. Enegia mechaniczna i jej kładniki. Zaada zachowania enegii mechanicznej. Zdezenia dokonale pęŝyte. ktualizacja

Bardziej szczegółowo

SKRYPT DO ZAJĘĆ WYRÓWNAWCZYCH Z FIZYKI DLA STUDENTÓW I ROKU AKADEMII MORSKIEJ W SZCZECINIE

SKRYPT DO ZAJĘĆ WYRÓWNAWCZYCH Z FIZYKI DLA STUDENTÓW I ROKU AKADEMII MORSKIEJ W SZCZECINIE Publikacja współfinansowana ze śodków Unii Euopejskiej w amach Euopejskiego Funduszu Społecznego SKRYPT DO ZAJĘĆ WYRÓWNAWCZYCH Z FIZYKI DLA STUDENTÓW I ROKU AKADEMII MORSKIEJ W SZCZECINIE d Janusz Chzanowski

Bardziej szczegółowo

Statystyka matematyczna Testowanie hipotez i estymacja parametrów. Wrocław, r

Statystyka matematyczna Testowanie hipotez i estymacja parametrów. Wrocław, r Statystyka matematyczna Testowanie hipotez i estymacja parametrów Wrocław, 18.03.2016r Plan wykładu: 1. Testowanie hipotez 2. Etapy testowania hipotez 3. Błędy 4. Testowanie wielokrotne 5. Estymacja parametrów

Bardziej szczegółowo

PRACA MOC ENERGIA. Z uwagi na to, że praca jest iloczynem skalarnym jej wartość zależy również od kąta pomiędzy siłą F a przemieszczeniem r

PRACA MOC ENERGIA. Z uwagi na to, że praca jest iloczynem skalarnym jej wartość zależy również od kąta pomiędzy siłą F a przemieszczeniem r PRACA MOC ENERGIA Paca Pojęcie pacy używane jest zaówno w fizyce (w sposób ścisły) jak i w życiu codziennym (w sposób potoczny), jednak obie te definicje nie pokywają się Paca w sensie potocznym to każda

Bardziej szczegółowo

Wielowymiarowa analiza regresji. Regresja wieloraka, wielokrotna

Wielowymiarowa analiza regresji. Regresja wieloraka, wielokrotna Wielowymiarowa analiza regresji. Regresja wieloraka, wielokrotna Badanie współzależności zmiennych Uwzględniając ilość zmiennych otrzymamy 4 odmiany zależności: Zmienna zależna jednowymiarowa oraz jedna

Bardziej szczegółowo

Energia potencjalna jest energią zgromadzoną w układzie. Energia potencjalna może być zmieniona w inną formę energii (na przykład energię kinetyczną)

Energia potencjalna jest energią zgromadzoną w układzie. Energia potencjalna może być zmieniona w inną formę energii (na przykład energię kinetyczną) 1 Enega potencjalna jest enegą zgomadzoną w układze. Enega potencjalna może być zmenona w nną omę eneg (na pzykład enegę knetyczną) może być wykozystana do wykonana pacy. Sumę eneg potencjalnej knetycznej

Bardziej szczegółowo

Cezar Matkowski. Tożsamość i osobowość w relacjach gracz-postać w grach fabularnych

Cezar Matkowski. Tożsamość i osobowość w relacjach gracz-postać w grach fabularnych Ceza Matkowski Tożsamość i osobowość w elacjach gacz-postać w gach fabulanych Wstęp Gy fabulane często taktowane są pzede wszystkim jako sposoby na wyażanie stanów psychicznych, często też podkeśla się

Bardziej szczegółowo

Ćwiczenie 9 ZASTOSOWANIE ŻYROSKOPÓW W NAWIGACJI

Ćwiczenie 9 ZASTOSOWANIE ŻYROSKOPÓW W NAWIGACJI 9.1. Cel ćwiczenia Ćwiczenie 9 ZASTSWANIE ŻYRSKPÓW W NAWIGACJI Celem ćwiczenia jest pezentacja paktycznego wykozystania efektu żyoskopowego w lotniczych pzyządach nawigacyjnych. 9.2. Wpowadzenie Żyoskopy

Bardziej szczegółowo

Rozwiązanie Powyższe zadanie możemy przedstawić jako następujące zagadnienie programowania liniowego:

Rozwiązanie Powyższe zadanie możemy przedstawić jako następujące zagadnienie programowania liniowego: Zadanie Rafineria naftowa otrzymała zamówienie na dwa rodzaje specjalnych paliw węglowodorowych X oraz Y. Zamówienie opiewa na minimum 4 000 galonów paliwa X i minimum 2 400 galonów paliwa Y. Paliwa te

Bardziej szczegółowo

Rozkłady statystyk z próby

Rozkłady statystyk z próby Rozkłady statystyk z próby Rozkłady statystyk z próby Przypuśćmy, że wykonujemy serię doświadczeń polegających na 4 krotnym rzucie symetryczną kostką do gry, obserwując liczbę wyrzuconych oczek Nr kolejny

Bardziej szczegółowo

Zagadnienie transportowe

Zagadnienie transportowe 9//9 Zagadnienie transportowe Optymalizacja w procesach biznesowych Wykład Plan wykładu Przykład zagadnienia transportowego Sformułowanie problemu Własności zagadnienia transportowego Metoda potencjałów

Bardziej szczegółowo

Ekonometria. Regresja liniowa, współczynnik zmienności, współczynnik korelacji liniowej, współczynnik korelacji wielorakiej

Ekonometria. Regresja liniowa, współczynnik zmienności, współczynnik korelacji liniowej, współczynnik korelacji wielorakiej Regresja liniowa, współczynnik zmienności, współczynnik korelacji liniowej, współczynnik korelacji wielorakiej Paweł Cibis pawel@cibis.pl 23 lutego 2007 1 Regresja liniowa 2 wzory funkcje 3 Korelacja liniowa

Bardziej szczegółowo

Weryfikacja hipotez statystycznych, parametryczne testy istotności w populacji

Weryfikacja 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 szczegółowo

Analiza obecnej sytuacji Miasta Lublin według kluczowych elementów

Analiza obecnej sytuacji Miasta Lublin według kluczowych elementów Analiza obecnej sytuacji Miasta Lublin według kluczowych elementów Pzedmiot zamówienia ealizowany w amach Regionalnego Pogamu Opeacyjnego Województwa Lubelskiego na lata 2007-2013 Spis teści Diagnoza sytuacji

Bardziej szczegółowo

Notatki z II semestru ćwiczeń z elektroniki, prowadzonych do wykładu dr. Pawła Grybosia.

Notatki z II semestru ćwiczeń z elektroniki, prowadzonych do wykładu dr. Pawła Grybosia. Notatki z II semestu ćwiczeń z elektoniki, powadzonych do wykładu d. Pawła Gybosia. Wojciech Antosiewicz Wydział Fizyki i Techniki Jądowej AGH al.mickiewicza 30 30-059 Kaków email: wojanton@wp.pl 2 listopada

Bardziej szczegółowo

Współliniowość zmiennych objaśniających: test Walda i test Studenta w badaniu istotności zmiennych objaśniających - przykłady.

Współliniowość zmiennych objaśniających: test Walda i test Studenta w badaniu istotności zmiennych objaśniających - przykłady. Współliniowość zmiennych objaśniających: test Walda i test Studenta w badaniu istotności zmiennych objaśniających - przykłady. Przykład: Test Walda a test Studenta w badaniu istotności zmiennych objaśniających.

Bardziej szczegółowo

ZAGADNIENIE TRANSPORTOWE

ZAGADNIENIE TRANSPORTOWE ZAGADNIENIE TRANSPORTOWE ZT jest specyficznym problemem z zakresu zastosowań programowania liniowego. ZT wykorzystuje się najczęściej do: optymalnego planowania transportu towarów, przy minimalizacji kosztów,

Bardziej szczegółowo

Badania nad kształtowaniem się wartości współczynnika podatności podłoża dla celów obliczeń statycznych obudowy tuneli

Badania nad kształtowaniem się wartości współczynnika podatności podłoża dla celów obliczeń statycznych obudowy tuneli AKADEMIA GÓRNICZO HUTNICZA im. Stanisława Staszica WYDZIAŁ GÓRNICTWA I GEOINŻYNIERII KATEDRA GEOMECHANIKI, BUDOWNICTWA I GEOTECHNIKI Rozpawa doktoska Badania nad kształtowaniem się watości współczynnika

Bardziej szczegółowo

Wyznaczanie promienia krzywizny soczewki płasko-wypukłej metodą pierścieni Newtona

Wyznaczanie promienia krzywizny soczewki płasko-wypukłej metodą pierścieni Newtona Wyznaczanie poienia kzywizny soczewki płasko-wypukłej etodą pieścieni Newtona I. Cel ćwiczenia: zapoznanie ze zjawiskie intefeencji światła, poia poienia soczewki płasko-wypukłej. II. Pzyządy: lapa sodowa,

Bardziej szczegółowo

PRÓBA OCENY KIERUNKÓW I TEMPA ZMIAN INFRASTRUKTURY TRANSPORTOWEJ W KRAJACH NOWO PRZYJĘTYCH I ASPIRUJĄCYCH DO UNII EUROPEJSKIEJ

PRÓBA OCENY KIERUNKÓW I TEMPA ZMIAN INFRASTRUKTURY TRANSPORTOWEJ W KRAJACH NOWO PRZYJĘTYCH I ASPIRUJĄCYCH DO UNII EUROPEJSKIEJ B A D A N I A O P E A C Y J N E I D E C Y Z J E N 006 Kaol KUKUŁA*, Jacek STOJNY* PÓBA OCENY KIEUNKÓW I TEMPA ZMIAN INFASTUKTUY TANSPOTOWEJ W KAJACH NOWO PZYJĘTYCH I ASPIUJĄCYCH DO UNII EUOPEJSKIEJ Pzedstawiono

Bardziej szczegółowo

LABORATORIUM ELEKTRONIKI

LABORATORIUM ELEKTRONIKI LABOATOIUM ELEKTONIKI ĆWICENIE 2 DIODY STABILIACYJNE K A T E D A S Y S T E M Ó W M I K O E L E K T O N I C N Y C H 21 CEL ĆWICENIA Celem ćwiczenia jest paktyczne zapoznanie się z chaakteystykami statycznymi

Bardziej szczegółowo

Modele powszechnych przesiewowych noworodków. wad słuchu'

Modele powszechnych przesiewowych noworodków. wad słuchu' Audiofonologia Tom X 1997 Henyk Skażyński Małgozata Muelle-Malesińska Kzysztof Kochanek Andzej Sendeski Joanna Ratyńska nstytut Fizjologii i Patologii Słuchu Waszawa Modele powszechnych pzesiewowych nowoodków

Bardziej szczegółowo

b) Niech: - wśród trzech wylosowanych opakowań jest co najwyżej jedno o dawce 15 mg. Wówczas:

b) Niech: - wśród trzech wylosowanych opakowań jest co najwyżej jedno o dawce 15 mg. Wówczas: ROZWIĄZANIA I ODPOWIEDZI Zadanie A1. Można założyć, że przy losowaniu trzech kul jednocześnie kolejność ich wylosowania nie jest istotna. A więc: Ω = 20 3. a) Niech: - wśród trzech wylosowanych opakowań

Bardziej szczegółowo

Testowanie hipotez. Hipoteza prosta zawiera jeden element, np. H 0 : θ = 2, hipoteza złożona zawiera więcej niż jeden element, np. H 0 : θ > 4.

Testowanie hipotez. Hipoteza prosta zawiera jeden element, np. H 0 : θ = 2, hipoteza złożona zawiera więcej niż jeden element, np. H 0 : θ > 4. Testowanie hipotez Niech X = (X 1... X n ) będzie próbą losową na przestrzeni X zaś P = {P θ θ Θ} rodziną rozkładów prawdopodobieństwa określonych na przestrzeni próby X. Definicja 1. Hipotezą zerową Θ

Bardziej szczegółowo

Symulacje komputerowe w fizyce Autor: Maciej Matyka ISBN: Format: B5, stron: 194 Zawiera CD-ROM

Symulacje komputerowe w fizyce Autor: Maciej Matyka ISBN: Format: B5, stron: 194 Zawiera CD-ROM IDZ DO PRZYK ADOWY ROZDZIA KATALOG KSI EK ZAMÓW DRUKOWANY KATALOG TWÓJ KOSZYK CENNIK I INFORMACJE ZAMÓW INFORMACJE O NOWO CIACH ZAMÓW CENNIK CZYTELNIA SPIS TRE CI KATALOG ONLINE DODAJ DO KOSZYKA FRAGMENTY

Bardziej szczegółowo

Ekonometria. Regresja liniowa, współczynnik zmienności, współczynnik korelacji, współczynnik korelacji wielorakiej. Paweł Cibis

Ekonometria. Regresja liniowa, współczynnik zmienności, współczynnik korelacji, współczynnik korelacji wielorakiej. Paweł Cibis Regresja liniowa, współczynnik zmienności, współczynnik korelacji, współczynnik korelacji wielorakiej Paweł Cibis pcibis@o2.pl 9 marca 2006 1 Regresja liniowa 2 wzory funkcje 3 Korelacja liniowa wzory

Bardziej szczegółowo

Rolainformatykiwnaukach ekonomicznychispoųecznych Innowacjeiimplikacjeinterdyscyplinarne

Rolainformatykiwnaukach ekonomicznychispoųecznych Innowacjeiimplikacjeinterdyscyplinarne Rolainfomatykiwnauka ekonomiznyispoųezny Innowaeiimplikaeintedysyplinane Te Role of Infomatis in Eonomi and Soial Sienes Innovations and Intedisiplinay Impliations edaka ZBIGNIEWE.ZIELIFSKI TOM Wydawnitwo

Bardziej szczegółowo

Pakiet startowy XXX 29. Standardy Zwrotu Pojazdu

Pakiet startowy XXX 29. Standardy Zwrotu Pojazdu Pakiet statowy XXX 29 Standady Zwotu Pojazdu Pakiet statowy XXX 31 Spis teści: Witamy Pytania i Odpowiedzi Jak dbać o swój samochód Standady Zwotu Pojazdu Nomalne Zużycie 34 35 36 37 38 Poszę skozystać

Bardziej szczegółowo

WARTOŚĆ PIENIĄDZA W CZASIE

WARTOŚĆ PIENIĄDZA W CZASIE WARTOŚĆ PIENIĄDZA W CZASIE Czyiki wpływające a zmiaę watości pieiądza w czasie:. Spadek siły abywczej. 2. Możliwość iwestowaia. 3. Występowaie yzyka. 4. Pefeowaie bieżącej kosumpcji pzez człowieka. Watość

Bardziej szczegółowo

MODELOWANIE PRĄDÓW WIROWYCH W ŚRODOWISKACH SŁABOPRZEWODZĄCYCH PRZY WYKORZYSTANIU SKALARNEGO POTENCJAŁU ELEKTRYCZNEGO

MODELOWANIE PRĄDÓW WIROWYCH W ŚRODOWISKACH SŁABOPRZEWODZĄCYCH PRZY WYKORZYSTANIU SKALARNEGO POTENCJAŁU ELEKTRYCZNEGO Pzemysław PŁONECKI Batosz SAWICKI Stanisław WINCENCIAK MODELOWANIE PRĄDÓW WIROWYCH W ŚRODOWISKACH SŁABOPRZEWODZĄCYCH PRZY WYKORZYSTANIU SKALARNEGO POTENCJAŁU ELEKTRYCZNEGO STRESZCZENIE W atykule pzedstawiono

Bardziej szczegółowo

Źródła pola magnetycznego

Źródła pola magnetycznego Pole magnetyczne Źódła pola magnetycznego Cząstki elementane takie jak np. elektony posiadają własne pole magnetyczne, któe jest podstawową cechą tych cząstek tak jak q czy m. Pouszający się ładunek elektyczny

Bardziej szczegółowo

Regresja liniowa wprowadzenie

Regresja liniowa wprowadzenie Regresja liniowa wprowadzenie a) Model regresji liniowej ma postać: gdzie jest zmienną objaśnianą (zależną); są zmiennymi objaśniającymi (niezależnymi); natomiast są parametrami modelu. jest składnikiem

Bardziej szczegółowo

ZMODYFIKOWANE KRYTERIUM DOBORU ZMIENNYCH OBJAŚNIAJĄCYCH DO LINIOWEGO MODELU EKONOMETRYCZNEGO

ZMODYFIKOWANE KRYTERIUM DOBORU ZMIENNYCH OBJAŚNIAJĄCYCH DO LINIOWEGO MODELU EKONOMETRYCZNEGO PRZEGLĄD STATYSTYCZNY R. XXXIV - zeszyt 1-1987 MAREK WALESIAK ZMODYFIKOWANE KRYTERIUM DOBORU ZMIENNYCH OBJAŚNIAJĄCYCH DO LINIOWEGO MODELU EKONOMETRYCZNEGO Celem prezentowanego artykułu jest zaproponowanie

Bardziej szczegółowo

(x j x)(y j ȳ) r xy =

(x j x)(y j ȳ) r xy = KORELACJA. WSPÓŁCZYNNIKI KORELACJI Gdy w badaniu mamy kilka cech, często interesujemy się stopniem powiązania tych cech między sobą. Pod słowem korelacja rozumiemy współzależność. Mówimy np. o korelacji

Bardziej szczegółowo

Badanie zależności pomiędzy zmiennymi

Badanie zależności pomiędzy zmiennymi Badanie zależności pomiędzy zmiennymi Czy istnieje związek, a jeśli tak, to jak silny jest pomiędzy np. wykształceniem personelu a jakością świadczonych usług? Ogólnie szukamy miary zależności (współzależności),

Bardziej szczegółowo

PROJEKT Umowa sprzedaży węgla energetycznego dla ciepłowni w Sokółce. 1 Przedmiot Umowy

PROJEKT Umowa sprzedaży węgla energetycznego dla ciepłowni w Sokółce. 1 Przedmiot Umowy PROJEKT Umowa spzedaży węgla enegetycznego dla ciepłowni w Sokółce zawata w dniu. w Skażysku-Kamiennej pomiędzy: 1. Pomec Spółka z o.o. z siedzibą w Skażysku-Kamiennej, pod adesem: ul. 11 Listopada 7,

Bardziej szczegółowo

WYZNACZANIE SIŁ MIĘŚNIOWYCH I REAKCJI W STAWACH KOŃCZYNY DOLNEJ PODCZAS NASKOKU I ODBICIA

WYZNACZANIE SIŁ MIĘŚNIOWYCH I REAKCJI W STAWACH KOŃCZYNY DOLNEJ PODCZAS NASKOKU I ODBICIA MODELOWANIE INŻYNIERSKIE ISSN 896-77X 44, s. 49-56, Gliwice 0 WYZNACZANIE SIŁ MIĘŚNIOWYCH I REAKCJI W SAWACH KOŃCZYNY DOLNEJ PODCZAS NASKOKU I ODBICIA KRZYSZO DRAPAŁA, KRZYSZO DZIEWIECKI, ZENON MAZUR,

Bardziej szczegółowo

Testy nieparametryczne

Testy nieparametryczne Testy nieparametryczne Testy nieparametryczne możemy stosować, gdy nie są spełnione założenia wymagane dla testów parametrycznych. Stosujemy je również, gdy dane można uporządkować według określonych kryteriów

Bardziej szczegółowo

ZADANIA DO SAMODZIELNEGO ROZWIĄZANIA

ZADANIA DO SAMODZIELNEGO ROZWIĄZANIA ZNI SMZIELNE RZWIĄZNI łski ukłd sił zbieżnych Zdnie 1 Jednoodn poziom belk połączon jest pzegubowo n końcu z nieuchomą ściną oz zwieszon n końcu n cięgnie twozącym z poziomem kąt. Znleźć ekcję podpoy n

Bardziej szczegółowo

Porównanie generatorów liczb losowych wykorzystywanych w arkuszach kalkulacyjnych

Porównanie generatorów liczb losowych wykorzystywanych w arkuszach kalkulacyjnych dr Piotr Sulewski POMORSKA AKADEMIA PEDAGOGICZNA W SŁUPSKU KATEDRA INFORMATYKI I STATYSTYKI Porównanie generatorów liczb losowych wykorzystywanych w arkuszach kalkulacyjnych Wprowadzenie Obecnie bardzo

Bardziej szczegółowo

Estymacja przedziałowa

Estymacja przedziałowa Instytut Sterowania i Systemów Informatycznych Uniwersytet Zielonogórski Metody analizy danych ćwiczenia Estymacja przedziałowa Program ćwiczeń obejmuje następująca zadania: 1. Dom handlowy prowadzący

Bardziej szczegółowo

Kilka uwag o testowaniu istotności współczynnika korelacji

Kilka uwag o testowaniu istotności współczynnika korelacji 341 Zeszyty Naukowe Wyższej Szkoły Bankowej we Wrocławiu Nr 20/2011 Piotr Peternek Uniwersytet Ekonomiczny we Wrocławiu Marek Kośny Uniwersytet Ekonomiczny we Wrocławiu Kilka uwag o testowaniu istotności

Bardziej szczegółowo

Ekonometria - ćwiczenia 10

Ekonometria - ćwiczenia 10 Ekonometria - ćwiczenia 10 Mateusz Myśliwski Zakład Ekonometrii Stosowanej Instytut Ekonometrii Kolegium Analiz Ekonomicznych Szkoła Główna Handlowa 14 grudnia 2012 Wprowadzenie Optymalizacja liniowa Na

Bardziej szczegółowo