EKONOMETRIA ECONOMETRICS 2(48) 2015
|
|
- Sławomir Adamczyk
- 6 lat temu
- Przeglądów:
Transkrypt
1 EKONOMETRIA ECONOMETRICS 2(48) 2015 Wydawnctwo Unwersytetu Ekonomcznego we Wrocławu Wrocław 2015
2 Redakcja wydawncza: Anna Grzybowska Redakcja technczna: Barbara Łopusewcz Korekta: Barbara Cbs Łamane: Małgorzata Czupryńska Projekt okładk: Beata Dębska Informacje o naborze artykułów zasadach recenzowana znajdują sę na strone nternetowej Wydawnctwa Publkacja udostępnona na lcencj Creatve Commons Uznane autorstwa-użyce nekomercyjne-bez utworów zależnych 3.0 Polska (CC BY-NC-ND 3.0 PL) Copyrght by Unwersytet Ekonomczny we Wrocławu Wrocław 2015 ISSN e-issn Wersja perwotna: publkacja drukowana Zamówena na opublkowane prace należy składać na adres: Wydawnctwo Unwersytetu Ekonomcznego we Wrocławu ul. Komandorska 118/ Wrocław tel./fax ; e-mal:econbook@ue.wroc.pl Druk oprawa: TOTEM
3 Sps treśc Wstęp... 7 Macej Beręsewcz, Marcn Szymkowak: Bg data w statystyce publcznej nadzeje, osągnęca, wyzwana zagrożena... 9 Łukasz Skowron: Wpływ szerokośc skal na mary dopasowana modelu śceżkowego Tomasz Bartłomowcz: Wpływ układu czynnkowego na pomar preferencj konsumentów metodą Maxmum Dfference Scalng Marcn Pełka: Regresja logstyczna dla danych symbolcznych nterwałowych Alcja Grześkowak: Badane opn polskch pracodawców o umejętnoścach absolwentów szkół wyższych z wykorzystanem technk wzualzacyjnych Artur Wołkowcz: Modele ekonometryczne jako narzędze sterowana procesam technologcznym Macej Oesterrech: Symulacyjna analza wpływu lczby rozmeszczena luk nesystematycznych na dokładność prognoz Marusz Kubus: Identyfkacja potencjalnych nabywców pols ubezpeczenowych w warunkach mocno nezblansowanej próby uczącej Anna Czapkewcz, Paweł Jamer: Dynamka współzależnośc warszawskej Gełdy Paperów Wartoścowych z nnym rynkam fnansowym Paweł Kowalk: Ocena pozomu rozwoju gospodarczego powązań z zagrancą krajów na przykładze członków NAFTA Józef Dzechcarz: Recenzja ksążek Statystyka opsowa. Przykłady zadana oraz Wzory tablce. Metody statystyczne ekonometryczne Agneszka Stanmr: XIX Warsztaty Metodologczne m. Profesora Stefana Mynarskego pt. Welowymarowość złożoność danych marketngowych. Wyzwana analtyczne, 11 maja 2015, Wrocław Summares Macej Beręsewcz, Marcn Szymkowak: Bg data n offcal statstcs hopes, achevements, challenges and rsks... 9 Łukasz Skowron: Impact of the choce of scale on the goodness of ft of the Structural Equaton Model... 23
4 6 Sps treśc Tomasz Bartłomowcz: Impact of factoral desgn on the measurement of consumers preferences usng Maxmum Dfference Scalng Marcn Pełka: Logstc regresson for nterval-valued symbolc data Alcja Grześkowak: Evaluaton of Polsh employers opnons about the competences of hgher educaton graduates wth the use of vsualzaton technques Artur Wołkowcz: Econometrc models as a tool for technologcal process control Macej Oesterrech: Smulaton analyss of nfluence of number and dstrbuton of unsystematc gaps on the accuracy of forecasts Marusz Kubus: Identfcaton of potental purchasers of the nsurance polces under hard unbalanced tranng set Anna Czapkewcz, Paweł Jamer: Dynamcs of nterdependence between Warsaw Stock Exchange and other fnancal markets Paweł Kowalk: Assessment of economc development and foregn relatons as llustrated by the case of NAFTA member states
5 EKONOMETRIA ECONOMETRICS 2(48) 2015 ISSN e-issn Marcn Pełka Unwersytet Ekonomczny we Wrocławu e-mal: REGRESJA LOGISTYCZNA DLA DANYCH SYMBOLICZNYCH INTERWAŁOWYCH LOGISTIC REGRESSION FOR INTERVAL-VALUED SYMBOLIC DATA DOI: /ekt Streszczene: W praktyce badawczej często mamy do czynena z sytuacją, gdy zmenna zależna ma postać zmennej dwumanowej (bnarnej, dychotomcznej). Poneważ model regresj lnowej ne znajduje tutaj zastosowana, koneczne jest zastosowane model nelnowych. Modelem regresj stosowanym dla zmennych dwumanowych jest model regresj logstycznej. Artykuł prezentuje adaptację modelu regresj logstycznej dla zmennych symbolcznych nterwałowych. W tym celu wskazano cztery różne rozwązana, które zaproponowano w lteraturze przedmotu. W częśc emprycznej zaprezentowano wynk badań z zastosowanem sztucznych rzeczywstych zborów danych. Otrzymane wynk wskazują, że model regresj logstycznej, po odpowednej modyfkacj, może znaleźć zastosowane dla zmennych symbolcznych nterwałowych. Najlepsze dopasowane uzyskują modele budowane na podstawe środków bądź metody krańców o estymacj łącznej. Słowa kluczowe: regresja logstyczna, zmenne symbolczne nterwałowe, analza danych symbolcznych. Summary: When dealng wth real data stuaton we often have a bnary (bomal, dchotomous) dependent varable. As the lnear probablty model s not such a good soluton n such a stuaton there s a need to use nonlnear models. A qute good soluton for such a stuaton s the logstc regresson model. The paper presents an adaptaton of lnear regresson model when dealng wth symbolc nterval-valued varables. Four approaches poposed by de Souza et. al [2011] how to apply such varables are presented. In the emprcal part results obtaned wth the applcaton of artfcal and real data sets are shown. The best results are obtaned for mdpont and bounds (jont estmaton) methods. Keywords: logstc regresson, nterval-valued symbolc varables, symbolc data analyss. 1. Wstęp W regresj logstycznej przedmotem modelowana jest zmenna dwumanowa (bnarna, dychotomczna). Przykładam takch zmennych mogą być na przykład (por. [Gruszczyńsk 2010, s. 17, 53-55; Gatnar, Walesak 2011, s. 99]):
6 Regresja logstyczna dla danych symbolcznych nterwałowych 45 y stan aktywnośc zawodowej: 1 pracuje, 0 w pozostałych przypadkach, y zmana dotychczasowego operatora sec komórkowej: 1 zmana nastąpła, 0 zmana ne nastąpła, y polecene produktu lub usług nnej osobe: 1 produkt (usługa) został polecony, 0 w pozostałych przypadkach. Do typowych celów modelowana zmennej dwumanowej zalcza sę przede wszystkm prognozowane wartośc zmennej y (w tym prognoza tego, że zmenna y = 1), czyl prognoza zmany prawdopodobeństwa wywołanej zmaną wartośc jednej ze zmennych. Drugm celem jest ustalane zmennych, które są stotne dla określena prawdopodobeństwa dla zmennej y. Innym celam są także weryfkacja hpotezy na temat mechanzmu generującego wartośc y oraz konstrukcja funkcj zmennych objaśnających, która pozwol rozróżnć dwe grupy zborowośc jednej odpowadającej y = 1 oraz drugej, która odpowada y 0 (zob. [Gruszczyńsk 2010, s. 54]). Celem artykułu jest prezentacja adaptacj klasycznego modelu regresj logstycznej dla zmennych symbolcznych nterwałowych. Dodatkowo w artykule porównano dokładność oszacowań otrzymanych z zastosowanem każdej z metod na przykładze sztucznych rzeczywstych zborów danych. W artykule przedstawono zagadnene danych symbolcznych oraz cztery różne rozwązana, które zaproponowano w lteraturze przedmotu dla regresj logstycznej danych nterwałowych (zob. [de Souza, Queroz, Cysneros 2011]): metodę środków, metodę krańców w dwóch różnych warantach tej metody. W częśc emprycznej zaprezentowano wynk badań z zastosowanem sztucznych rzeczywstych zborów danych. Artykuł stanow perwsze polske opracowane opsujące regresję logstyczną danych symbolcznych nterwałowych, a dodatkowo porównuje różne podejśca estymacyjne dokonuje ch ewaluacj. 2. Regresja logstyczna danych nterwałowych Obekty symbolczne, w przecweństwe do obektów w ujęcu klasycznym, mogą być opsywane przez następujące rodzaje zmennych ([Bock, Dday (red.) 2000, s. 2-3; Bllard, Dday 2006, s. 7-30; Dudek 2013, s ]): zmenne nomnalne, porządkowe, przedzałowe, lorazowe, zmenne nterwałowe czyl przedzały lczbowe, zmenne welowarantowe czyl lsty kategor lub wartośc, zmenne welowarantowe z wagam czyl lsty kategor z wagam, zmenne hstogramowe czyl lsty wartośc z wagam. Szerzej o obektach zmennych symbolcznych, sposobach otrzymywana zmennych symbolcznych z baz danych, różncach podobeństwach mędzy obektam symbolcznym a klasycznym znaleźć można m.n. w pracach: [Bock, Dday
7 46 Marcn Pełka (red.) (2000), s. 2-8; Dudek 2013, s ; 2004; Bllard, Dday 2006, s. 7-66; Norhomme-Frature, Brto 2011; Dday, Norhomme-Frature 2008, s. 3-30]. W ogólnej postac lnowy model regresj welu zmennych przedstawa sę za pomocą następującego równana: m 0 0t 1 1t m mt t j= 0 Y = b X + b X + + b X + e = b X + e, (1) t gdze: Y zmenna objaśnana (regresant), X, X, 0 1, X m zmenne objaśnające (regresyjne), b 0, b1,, bm parametry strukturalne modelu, e składnk losowy, t = 1, T numer obserwacj, j = 0, 1,, m numer zmennej objaśnającej. W przypadku, gdy model przedstawony równanem 1 stosowany jest dla zmennych dwumanowych, przedmotem modelowana jest prawdopodobeństwo P, że zmenna objaśnana przyjme wartość zero lub 1. Nemnej jednak zastosowane lnowego modelu regresj nese za sobą ryzyko, że oblczone na jego podstawe prawdopodobeństwa będą wększe od 1 lub mnejsze od zera (prezentuje to np. [Gatnar, Walesak 2011, s. 100]). W zwązku z tym znaczne lepszym rozwązanem jest zastosowane modelu logtowego. * W modelu logtowym zakłada sę, że mamy do czynena ze zmenną ukrytą y, która ne jest obserwowana bezpośredno. Obserwujemy natomast: j jt t > y = 0, dla y 0 1, dla * y 0. * (2) * Zmenna ukryta y reprezentuje skłonność -tego obektu do przyjmowana wartośc y = 1. Model logtowy ma zatem postać: m * t = 0 0t + 1 1t + + m mt + t = j jt + t j= 0 Y bx bx b X e bx e. (3) Prawdopodobeństwo, że zmenna nezależna y przyjme wartość zero lub 1, jest zatem funkcją zmennych objaśnających parametrów: exp T 1 P = F( xb ) = = 1+ exp 1+ exp T ( xb ) gdze: F dystrybuanta rozkładu logstycznego. T ( xb ) T ( xb ) Powstaje pytane, w jak sposób oblczyć prawdopodobeństwa z wykorzystanem wzoru 4, jeżel mamy do czynena ze zmennym symbolcznym nterwało-, (4)
8 Regresja logstyczna dla danych symbolcznych nterwałowych 47 wym. Zmenne te mają postać przedzału lczbowego: x, x, gdze x to dolny kranec przedzału -tej zmennej, a x to górny kranec przedzału -tej zmennej. W artykule de Souzy n. (por. [de Souza, Queroz, Cysneros 2011]) zaproponowano cztery modyfkacje pozwalające na szacowane prawdopodobeństwa z wykorzystanem wzoru 4, jeżel mamy do czynena ze zmennym symbolcznym nterwałowym [de Souza, Queroz, Cysneros 2011, s ]): 1. Metoda środków (centers), która jest stosowana m.n. w odnesenu do regresj lnowej czy w analze głównych składowych dla danych symbolcznych nterwałowych (por. np. [Bllard, Dday 2006; Dudek 2013]). W tym rozwązanu zamast całego przedzału zmennej symbolcznej we wzox x rze 4 wykorzystuje sę jedyne środek jej przedzału. Prawdopodobeństwo, 2 że zmenna y przyjme wartość zero lub 1, oblczane jest dla środków przedzałów wszystkch zmennych. 2. Metoda krańców (bounds). W tym przypadku zamast całego przedzału zmennej symbolcznej wykorzystywane są jedyne krańce tej zmennej x oraz x. Prawdopodobeństwo wyrażone wzorem 4 może być szacowane łączne z wykorzystanem obydwu krańców jednocześne estymacja łączna (jont estmaton). W odnesenu do estymacj łącznej (jont estmaton) prawdopodobeństwo wyznacza sę ze wzoru 4, wykorzystując zarówno krańce dolne, jak krańce górne przedzałów wszystkch zmennych jednocześne (mamy tu do czynena z 2m zmennym, gdze: m lczba zmennych symbolcznych nterwałowych). Prawdopodobeństwo to może być równeż średną oblczoną z dwóch model (por. [Alexandre, Camplho, Kamel 2001]) jednego dla krańców dolnych drugego dla krańców górnych estymacja rozdzelona (separated estmaton). Dokonuje sę węc oszacowana dwóch prawdopodobeństw jednego dla krańców górnych oraz drugego dla krańców dolnych zmennych symbolcznych nterwałowych. 3. Metoda werzchołków (vertces), która jest stosowana m.n. w analze dyskrymnacyjnej czy analze głównych składowych dla danych symbolcznych nterwałowych (por. np. [Slva, Brto 2006]). W metodze tej zamast m zmennych symbolcznych nterwałowych x 1, x 1,, x t, xt stosowana jest macerz M, która jest kombnacją wszystkch werzchołków we wszystkch zmennych: x1 xt x1 xt M. (5) x1 xt x 1 xt
9 48 Marcn Pełka Na przykład jeżel mamy jeden obekt dwe zmenne symbolczne nterwałowe, x, x x, to macerz M ma postać: x , 21 x11 x 21 x11 x21 M. (6) x 11 x 21 x11 x21 W metodze werzchołków ostateczne prawdopodobeństwo to (por. [de Souza, Queroz, Cysneros 2011, s. 277]): a) średna z prawdopodobeństw oblczonych dla wszystkch kombnacj werzchołków danego obektu, b) wartość maksymalna wśród prawdopodobeństw oblczonych dla wszystkch kombnacj werzchołków danego obektu, c) wartość mnmalna wśród prawdopodobeństw oblczonych dla wszystkch kombnacj werzchołków danego obektu. Wśród mar dopasowana dla model dwumanowych w lteraturze przedmotu zaproponowano (zob. np. [Gatnar, Walesak 2011, s ; Gruszczyńsk n. 2010, s ; Smth, McKenna 2013, s ; Hosmer, Lemeshow, Sturdvant 2013; Menard 2002]): 1. R 2 współczynnka korelacj mędzy wartoścam teoretycznym emprycznym zmennej objaśnanej. 2. Mara R 2 Efrona: 2 n 2 2 n 1 R 1 y ˆ / 1 y n, (7) 1 n gdze: gdze: y wartośc empryczne zmennej objaśnanej, ŷ wartośc teoretyczne zmennej objaśnanej, n 1 lczba jedynek dla zmennej y, n lczba obserwacj. 1. Mara R 2 Nagelkerke: R 2 / n n 1 exp D Dnull, (8) 1 exp D / D ln LUR maksmum funkcj warygodnośc, przy maksymalzacj względem wszystkch parametrów (dla pełnego modelu), Dnull ln LR, L R maksmum funkcj warygodnośc przy maksymalzacj pod warunkem m j 1b j 0 (dla modelu tylko z wyrazem wolnym). null
10 Regresja logstyczna dla danych symbolcznych nterwałowych Mara R 2 McFaddena: R 2 D 1. (9) Mary dopasowana R 2 dla model dwumanowych należą do przedzału 0;1 m są wększe, tym lepsze dopasowane modelu. Prognozę dla prawdopodobeństwa P można wyznaczyć na podstawe wektora zmennych objaśnających. Dla próby zblansowanej yˆ 0, jeżel Pˆ 0,5 oraz yˆ 1dla P ˆ >0,5. W próbe nezblansowanej y ˆ 0, jeżel Pˆ oraz yˆ 1dla P > ( odsetek jedynek w próbe). ˆ 3. Wynk badań emprycznych Celem badana jest porównane czterech proponowanych w lteraturze rozwązań pod względem jakośc dopasowana model do danych (w sense współczynnka R 2 ). Dotychczasowe badana z zastosowanem sztucznych zborów danych (zob. [de Souza, Queroz, Cysneros 2011, s ]) wskazują, że zwykle to metoda krańców o estymacj rozdzelonej otrzymuje wynk najlepsze dla różnych model, a najgorsze metoda środków. Na potrzeby badań emprycznych przygotowano w programe R z wykorzystanem paketu clustersm dwa sztuczne zbory danych (rys. 1): 1. Zbór 100 obektów symbolcznych, podzelony na trzy klasy o wydłużonym kształce, które są opsywane przez dwe zmenne symbolczne nterwałowe. Obserwacje są losowane nezależne z rozkładu normalnego o średnch (0, 0), (1,5, 7), 1, 0,9. D null (3, 14) oraz macerzy kowarancj jj jl 2. Zbór 100 obektów symbolcznych, podzelony na dwe klasy o wydłużonym kształce, które są opsywane przez dwe zmenne symbolczne nterwałowe. Obserwacje są losowane z rozkładu normalnego o średnch (0, 0), (1, 5) macerzach kowarancj 1 0,9 1 0,5, 1 2 0,9 1 0,5 1. W badanach emprycznych wykorzystano także zbór danych opsujący oleje (zbór danych przygotowal M. Ichno H. Yaguch). Zbór opsuje 8 różnych tłuszczów roślnnych zwerzęcych, które są opsywane przez cztery zmenne symbolczne nterwałowe (zob. [Ichno, Yaguch 1994]) oraz zbór cars (pochodzący z programu SODAS ). Zbór cars zawera 33 model samochodów różnych marek, które są opsywane przez 11 zmennych (w tym 8 nterwałowych). Do analz wykorzystano jedyne zmenne nterwałowe, a zbór danych podzelono na dwe grupy samochodów: użytkowe (10 obektów) oraz pozostałe (23 obekty). 1 Program jest dostępny pod adresem
11 50 Marcn Pełka Rys. 1. Zbory danych wygenerowane na potrzeby badań emprycznych Źródło: opracowane własne z wykorzystanem programu R. Tabela 1. Wynk badań emprycznych Zbór danych I Zbór danych II Zbór Ichnno Yaguchego Zbór cars Środków Krańców (estymacja łączna) Krańców (estymacja rozdzelona) a Werzchołków (wynk uśrednone) b dokładność prognozy R 2 Efrona R 2 Nagelkerke R 2 McFaddena dokładność prognozy R 2 Efrona R 2 Nagelkerke R 2 McFaddena dokładność prognozy R 2 Efrona R 2 Nagelkerke R 2 McFaddena dokładność prognozy 1 1 0,94 0,95 R 2 Efrona 1 1 0,87 0,89 R 2 Nagelkerke 1 0,99 0,91 0,95 R 2 McFaddena 1 0,99 0,86 0,89 Metoda szacowana a Wynk uśrednono na podstawe wynków otrzymanych dla krańca górnego dolnego; b w tabel zaprezentowano wynk dla rozwązana, które polega na uśrednanu wynków; pozostałe rozwązana (wartość mnmalna maksymalna) uzyskały neco gorsze wynk. Źródło: opracowane własne z zastosowanem autorskch procedur programu R.
12 Regresja logstyczna dla danych symbolcznych nterwałowych 51 Wynk otrzymane z zastosowanem każdej z proponowanych metod dla poszczególnych zborów danych zawarto w tab. 1. Z danych zawartych w tab. 1 wynka, że w odnesenu do zborów danych o typowych (wydłużonych) kształtach wszystke metody zaproponowane w pracy de Souzy, Queroza Cysnerosa [2011] uzyskują stuprocentową dokładność prognozy oraz wszystke mernk R 2 są równe jednośc. Jeśl mamy do czynena z neco bardzej skomplkowanym zborem danych które tworzą skupena o klasach trudno separowalnych czy nerozłącznych które dodatkowo mają netypowe kształty skupeń (jak np. zbór cars), to najlepsze wynk uzyskuje metoda środków, następne metoda krańców o estymacj łącznej. Najsłabej wypadają tu metoda werzchołków oraz metoda krańców o estymacj rozdzelonej. 4. Zakończene Regresja logstyczna może znaleźć zastosowane do analzowana zjawsk opsywanych przez zmenne symbolczne nterwałowe oraz zmenne metryczne, które opsują obekty symbolczne. Przeprowadzone badana empryczne wskazują, że w odnesenu do zborów danych o klasycznym wydłużonym kształce wszystke rozwązana zaproponowane w lteraturze przedmotu osągają take same wynk, jeżel chodz o dokładność prognozy oraz dopasowane modelu do danych (w sense mary R 2 ). Gdy mamy do czynena ze zboram danych o neco bardzej skomplkowanej strukturze danych (tj. zborów danych tworzących skupena trudno separowalne lub nerozłączne o kształtach nesferycznych), wtedy najlepsze wynk uzyskała metoda środków oraz metoda krańców o estymacj łącznej. Najgorsze wynk uzyskały metoda werzchołków, która uśredna wynk, oraz metoda krańców o estymacj rozdzelonej. Celem dalszych badań będze analza porównawcza proponowanych w lteraturze przedmotu rozwązań w zakrese regresj nterwałowych z zastosowanem sztucznych rzeczywstych zborów danych różnego typu (w tym zborów danych zawerających obserwacje odstające zmenne zakłócające). Lteratura Alexandre L.A., Camplho A.C., Kamel M., 2001, On combnng classfers usng product and sum rules, Pattern Recognton Letters, vol. 22, ssue 12, s Bock H.-H., Dday E. (red.), 2000, Analyss of Symbolc Data. Explanatory Methods for Extractng Statstcal Informaton from Complex Data, Sprnger Verlag, Berln-Hedelberg. Bllard L., Dday E., 2006, Symbolc Data Analyss. Conceptual Statstcs and Data Mnng, John Wley & Sons, Chchester. de Souza R.M.C.R., Queroz D.C.F, Cysneros F.J.A., 2011, Logstc regresson-based pattern classfers for symbolc nterval data. Pattern Analyss and Applcatons, vol. 14, ssue 3, s
13 52 Marcn Pełka Dday E., Norhomme-Frature M., 2008, Symbolc Data Analyss. Conceptual Statstcs and Data Mnng, Wley, Chchester. Dudek A., 2004, Tworzene obektów symbolcznych z baz danych, Prace Naukowe Akadem Ekonomcznej we Wrocławu nr 1021, s Dudek A., 2013, Metody analzy danych symbolcznych w badanach ekonomcznych, Wyd. Unwersytetu Ekonomcznego we Wrocławu, Wrocław. Gatnar E., Walesak M. (red.), 2011, Analza danych jakoścowych symbolcznych z wykorzystanem programu R, C.H. Beck, Warszawa. Gruszczyńsk M. (red.), 2010, Mkroekonometra. Modele metody analzy danych ndywdualnych, Wolters Kulwer Polska, Warszawa. Hosmer D.W., Lemeshow S., Sturdvant R.X., 2013, Appled logstc regresson, John Wley & Sons, Chchester. Ichno M., Yaguch H., 1994, Generalzed Mnkowsk metrcs for mxed feature-type data analyss, IEEE Transactons on Systems, Man and Cybernetcs, vol. 24, no. 4, s Menard S., 2002, Appled logstc regresson, second edton, Sage Publshng, Thousand Oaks, Calforna. Norhomme-Frature M., Brto P., 2011, Far beyond the classcal data models: Symbolc data analyss, Statstcal Analyss and Data Mnng, vol. 4, ssue 2, s Slva A.P.D., Brto P., 2006, Lnear dscrmnant analyss for nterval data, Computatonal Statstcs, vol. 21, ssue 2, s Smth T.J., McKenna C.M, 2013, A comparson of logstc regresson pseudo R 2 ndces, Multple Lnear Regresson Vewponts, vol. 39(2), s Walesak M., Dudek A., 2014, The clustersm package,
Stanisław Cichocki Natalia Nehrebecka. Zajęcia 4
Stansław Cchock Natala Nehrebecka Zajęca 4 1. Interpretacja parametrów przy zmennych zerojedynkowych Zmenne 0-1 Interpretacja przy zmennej 0 1 w modelu lnowym względem zmennych objaśnających Interpretacja
Bardziej szczegółowoNatalia Nehrebecka. Wykład 2
Natala Nehrebecka Wykład . Model lnowy Postad modelu lnowego Zaps macerzowy modelu lnowego. Estymacja modelu Wartośd teoretyczna (dopasowana) Reszty 3. MNK przypadek jednej zmennej . Model lnowy Postad
Bardziej szczegółowoNatalia Nehrebecka. Zajęcia 4
St ł Cchock Stansław C h k Natala Nehrebecka Zajęca 4 1. Interpretacja parametrów przy zmennych zerojedynkowych Zmenne 0 1 Interpretacja przy zmennej 0 1 w modelu lnowym względem zmennych objaśnających
Bardziej szczegółowoNatalia Nehrebecka. Zajęcia 3
St ł Cchock Stansław C h k Natala Nehrebecka Zajęca 3 1. Dobroć dopasowana równana regresj. Współczynnk determnacj R Dk Dekompozycja warancj zmennej zależnej ż Współczynnk determnacj R. Zmenne cągłe a
Bardziej szczegółowoSZACOWANIE NIEPEWNOŚCI POMIARU METODĄ PROPAGACJI ROZKŁADÓW
SZACOWANIE NIEPEWNOŚCI POMIARU METODĄ PROPAGACJI ROZKŁADÓW Stefan WÓJTOWICZ, Katarzyna BIERNAT ZAKŁAD METROLOGII I BADAŃ NIENISZCZĄCYCH INSTYTUT ELEKTROTECHNIKI ul. Pożaryskego 8, 04-703 Warszawa tel.
Bardziej szczegółowoAnaliza rodzajów skutków i krytyczności uszkodzeń FMECA/FMEA według MIL STD - 1629A
Analza rodzajów skutków krytycznośc uszkodzeń FMECA/FMEA według MIL STD - 629A Celem analzy krytycznośc jest szeregowane potencjalnych rodzajów uszkodzeń zdentyfkowanych zgodne z zasadam FMEA na podstawe
Bardziej szczegółowoDobór zmiennych objaśniających
Dobór zmennych objaśnających Metoda grafowa: Należy tak rozpąć graf na werzchołkach opsujących poszczególne zmenne, aby występowały w nm wyłączne łuk symbolzujące stotne korelacje pomędzy zmennym opsującym.
Bardziej szczegółowoMikroekonometria 5. Mikołaj Czajkowski Wiktor Budziński
Mkroekonometra 5 Mkołaj Czajkowsk Wktor Budzńsk Uogólnone modele lnowe Uogólnone modele lnowe (ang. Generalzed Lnear Models GLM) Różną sę od standardowego MNK na dwa sposoby: Rozkład zmennej objaśnanej
Bardziej szczegółowoStanisław Cichocki. Natalia Nehrebecka. Wykład 6
Stansław Cchock Natala Nehrebecka Wykład 6 1 1. Interpretacja parametrów przy zmennych objaśnających cągłych Semelastyczność 2. Zastosowane modelu potęgowego Model potęgowy 3. Zmenne cągłe za zmenne dyskretne
Bardziej szczegółowoProcedura normalizacji
Metody Badań w Geograf Społeczno Ekonomcznej Procedura normalzacj Budowane macerzy danych geografcznych mgr Marcn Semczuk Zakład Przedsęborczośc Gospodark Przestrzennej Instytut Geograf Unwersytet Pedagogczny
Bardziej szczegółowoMODELOWANIE LICZBY SZKÓD W UBEZPIECZENIACH KOMUNIKACYJNYCH W PRZYPADKU WYSTĘPOWANIA DUŻEJ LICZBY ZER, Z WYKORZYSTANIEM PROCEDURY KROSWALIDACJI
Alcja Wolny-Domnak Unwersytet Ekonomczny w Katowcach MODELOWANIE LICZBY SZKÓD W UBEZPIECZENIACH KOMUNIKACYJNYCH W PRZYPADKU WYSTĘPOWANIA DUŻEJ LICZBY ZER, Z WYKORZYSTANIEM PROCEDURY KROSWALIDACJI Wprowadzene
Bardziej szczegółowoEvaluation of estimation accuracy of correlation functions with use of virtual correlator model
Jadwga LAL-JADZIAK Unwersytet Zelonogórsk Instytut etrolog Elektrycznej Elżbeta KAWECKA Unwersytet Zelonogórsk Instytut Informatyk Elektronk Ocena dokładnośc estymacj funkcj korelacyjnych z użycem modelu
Bardziej szczegółowoZESZYTY NAUKOWE INSTYTUTU POJAZDÓW 2(88)/2012
ZESZYTY NAUKOWE INSTYTUTU POJAZDÓW (88)/01 Hubert Sar, Potr Fundowcz 1 WYZNACZANIE ASOWEGO OENTU BEZWŁADNOŚCI WZGLĘDE OSI PIONOWEJ DLA SAOCHODU TYPU VAN NA PODSTAWIE WZORU EPIRYCZNEGO 1. Wstęp asowy moment
Bardziej szczegółowoBadanie współzależności dwóch cech ilościowych X i Y. Analiza korelacji prostej
Badane współzależnośc dwóch cech loścowych X Y. Analza korelacj prostej Kody znaków: żółte wyróżnene nowe pojęce czerwony uwaga kursywa komentarz 1 Zagadnena 1. Zwązek determnstyczny (funkcyjny) a korelacyjny.
Bardziej szczegółowoStanisław Cichocki. Natalia Nehrebecka. Wykład 6
Stansław Cchock Natala Nehrebecka Wykład 6 1 1. Zastosowane modelu potęgowego Przekształcene Boxa-Coxa 2. Zmenne cągłe za zmenne dyskretne 3. Interpretacja parametrów przy zmennych dyskretnych 1. Zastosowane
Bardziej szczegółowoWeryfikacja hipotez dla wielu populacji
Weryfkacja hpotez dla welu populacj Dr Joanna Banaś Zakład Badań Systemowych Instytut Sztucznej Intelgencj Metod Matematycznych Wydzał Informatyk Poltechnk Szczecńskej 5. Parametryczne testy stotnośc w
Bardziej szczegółowoPattern Classification
attern Classfcaton All materals n these sldes were taken from attern Classfcaton nd ed by R. O. Duda,. E. Hart and D. G. Stork, John Wley & Sons, 000 wth the permsson of the authors and the publsher Chapter
Bardziej szczegółowoSystem Przeciwdziałania Powstawaniu Bezrobocia na Terenach Słabo Zurbanizowanych SPRAWOZDANIE Z BADAŃ Autor: Joanna Wójcik
Opracowane w ramach projektu System Przecwdzałana Powstawanu Bezroboca na Terenach Słabo Zurbanzowanych ze środków Europejskego Funduszu Społecznego w ramach Incjatywy Wspólnotowej EQUAL PARTNERSTWO NA
Bardziej szczegółowoNatalia Nehrebecka. Dariusz Szymański
Natala Nehrebecka Darusz Szymańsk . Sprawy organzacyjne Zasady zalczena Ćwczena Lteratura. Czym zajmuje sę ekonometra? Model ekonometryczny 3. Model lnowy Postać modelu lnowego Zaps macerzowy modelu dl
Bardziej szczegółowoEKONOMETRIA Wykład 4: Model ekonometryczny - dodatkowe zagadnienia
EKONOMETRIA Wykład 4: Model ekonometryczny - dodatkowe zagadnena dr Dorota Cołek Katedra Ekonometr Wydzał Zarządzana UG http://wzr.pl/dorota-colek/ dorota.colek@ug.edu.pl 1 Wpływ skalowana danych na MNK
Bardziej szczegółowoKURS STATYSTYKA. Lekcja 6 Regresja i linie regresji ZADANIE DOMOWE. www.etrapez.pl Strona 1
KURS STATYSTYKA Lekcja 6 Regresja lne regresj ZADANIE DOMOWE www.etrapez.pl Strona 1 Część 1: TEST Zaznacz poprawną odpowedź (tylko jedna jest prawdzwa). Pytane 1 Funkcja regresj I rodzaju cechy Y zależnej
Bardziej szczegółowoANALIZA WPŁYWU OBSERWACJI NIETYPOWYCH NA WYNIKI MODELOWANIA REGIONALNEJ WYDAJNOŚCI PRACY
STUDIA I PRACE WYDZIAŁU NAUK EKONOMICZNYCH I ZARZĄDZANIA NR 36, T. 1 Barbara Batóg *, Jacek Batóg ** Unwersytet Szczecńsk ANALIZA WPŁYWU OBSERWACJI NIETYPOWYCH NA WYNIKI MODELOWANIA REGIONALNEJ WYDAJNOŚCI
Bardziej szczegółowoA C T A U N I V E R S I T A T I S N I C O L A I C O P E R N I C I EKONOMIA XXXIX NAUKI HUMANISTYCZNO-SPOŁECZNE ZESZTYT 389 TORUŃ 2009.
A C T A U N I V E R S I T A T I S N I C O L A I C O P E R N I C I EKONOMIA XXXIX NAUKI HUMANISTYCZNO-SPOŁECZNE ZESZTYT 389 TORUŃ 2009 Unwersytet Mkołaja Kopernka w Torunu Katedra Ekonometr Statystyk Elżbeta
Bardziej szczegółowoAnaliza i diagnoza sytuacji finansowej wybranych branż notowanych na Warszawskiej Giełdzie Papierów Wartościowych w latach
Jacek Batóg Unwersytet Szczecńsk Analza dagnoza sytuacj fnansowej wybranych branż notowanych na Warszawskej Gełdze Paperów Wartoścowych w latach 997-998 W artykule podjęta została próba analzy dagnozy
Bardziej szczegółowoZESZYTY NAUKOWE INSTYTUTU POJAZDÓW 5(96)/2013
ZESZYTY NAUKOWE NSTYTUTU POJAZDÓW 5(96)/2013 Hubert Sar, Potr Fundowcz 1 WYZNACZANE MASOWEGO MOMENTU BEZWŁADNOŚC WZGLĘDEM OS PODŁUŻNEJ DLA SAMOCHODU TYPU VAN NA PODSTAWE WZORÓW DOŚWADCZALNYCH 1. Wstęp
Bardziej szczegółowoSYSTEMY UCZĄCE SIĘ WYKŁAD 7. KLASYFIKATORY BAYESA. Dr hab. inż. Grzegorz Dudek Wydział Elektryczny Politechnika Częstochowska.
SYSTEMY UCZĄCE SIĘ WYKŁAD 7. KLASYFIKATORY BAYESA Częstochowa 4 Dr hab. nż. Grzegorz Dudek Wydzał Elektryczny Poltechnka Częstochowska TWIERDZENIE BAYESA Wedza pozyskwana przez metody probablstyczne ma
Bardziej szczegółowoBadanie optymalnego poziomu kapitału i zatrudnienia w polskich przedsiębiorstwach - ocena i klasyfikacja
Jacek Batóg Unwersytet Szczecńsk Badane optymalnego pozomu kaptału zatrudnena w polskch przedsęborstwach - ocena klasyfkacja Prowadząc dzałalność gospodarczą przedsęborstwa kerują sę jedną z dwóch zasad
Bardziej szczegółowoWPROWADZENIE DO ANALIZY KORELACJI I REGRESJI
WPROWADZENIE DO ANALIZY KORELACJI I REGRESJI dr Janusz Wątroba, StatSoft Polska Sp. z o.o. Prezentowany artykuł pośwęcony jest wybranym zagadnenom analzy korelacj regresj. Po przedstawenu najważnejszych
Bardziej szczegółowoPROGNOZOWANIE SPRZEDAŻY Z ZASTOSOWANIEM ROZKŁADU GAMMA Z KOREKCJĄ ZE WZGLĘDU NA WAHANIA SEZONOWE
STUDIA I PRACE WYDZIAŁU NAUK EKONOMICZNYCH I ZARZĄDZANIA NR 36 Krzysztof Dmytrów * Marusz Doszyń ** Unwersytet Szczecńsk PROGNOZOWANIE SPRZEDAŻY Z ZASTOSOWANIEM ROZKŁADU GAMMA Z KOREKCJĄ ZE WZGLĘDU NA
Bardziej szczegółowoZaawansowane metody numeryczne
Wykład 9. jej modyfkacje. Oznaczena Będzemy rozpatrywać zagadnene rozwązana następującego układu n równań lnowych z n newadomym x 1... x n : a 11 x 1 + a 12 x 2 +... + a 1n x n = b 1 a 21 x 1 + a 22 x
Bardziej szczegółowoStatystyka. Zmienne losowe
Statystyka Zmenne losowe Zmenna losowa Zmenna losowa jest funkcją, w której każdej wartośc R odpowada pewen podzbór zboru będący zdarzenem losowym. Zmenna losowa powstaje poprzez przyporządkowane każdemu
Bardziej szczegółowoFOLIA POMERANAE UNIVERSITATIS TECHNOLOGIAE STETINENSIS Folia Pomer. Univ. Technol. Stetin. 2010, Oeconomica 280 (59), 13 20
FOLIA POMERANAE UNIVERSITATIS TECHNOLOGIAE STETINENSIS Fola Pomer. Unv. Technol. Stetn. 2010, Oeconomca 280 (59), 13 20 Iwona Bą, Agnesza Sompolsa-Rzechuła LOGITOWA ANALIZA OSÓB UZALEŻNIONYCH OD ŚRODKÓW
Bardziej szczegółowoRegresja liniowa i nieliniowa
Metody prognozowana: Regresja lnowa nelnowa Dr nż. Sebastan Skoczypec Zmenna losowa Zmenna losowa X zmenna, która w wynku pewnego dośwadczena przyjmuje z pewnym prawdopodobeństwem wartość z określonego
Bardziej szczegółowoZaawansowane metody numeryczne Komputerowa analiza zagadnień różniczkowych 1. Układy równań liniowych
Zaawansowane metody numeryczne Komputerowa analza zagadneń różnczkowych 1. Układy równań lnowych P. F. Góra http://th-www.f.uj.edu.pl/zfs/gora/ semestr letn 2006/07 Podstawowe fakty Równane Ax = b, x,
Bardziej szczegółowoMetody predykcji analiza regresji
Metody predykcj analza regresj TPD 008/009 JERZY STEFANOWSKI Instytut Informatyk Poltechnka Poznańska Przebeg wykładu. Predykcja z wykorzystanem analzy regresj.. Przypomnene wadomośc z poprzednch przedmotów..
Bardziej szczegółowoKURS STATYSTYKA. Lekcja 1 Statystyka opisowa ZADANIE DOMOWE. www.etrapez.pl Strona 1
KURS STATYSTYKA Lekcja 1 Statystyka opsowa ZADANIE DOMOWE www.etrapez.pl Strona 1 Część 1: TEST Zaznacz poprawną odpowedź (tylko jedna jest prawdzwa). Pytane 1 W statystyce opsowej mamy pełne nformacje
Bardziej szczegółowoPROSTO O DOPASOWANIU PROSTYCH, CZYLI ANALIZA REGRESJI LINIOWEJ W PRAKTYCE
PROSTO O DOPASOWANIU PROSTYCH, CZYLI ANALIZA REGRESJI LINIOWEJ W PRAKTYCE Janusz Wątroba, StatSoft Polska Sp. z o.o. W nemal wszystkch dzedznach badań emprycznych mamy do czynena ze złożonoścą zjawsk procesów.
Bardziej szczegółowoPlan wykładu: Typowe dane. Jednoczynnikowa Analiza wariancji. Zasada: porównać zmienność pomiędzy i wewnątrz grup
Jednoczynnkowa Analza Waranc (ANOVA) Wykład 11 Przypomnene: wykłady zadana kursu były zaczerpnęte z podręcznków: Statystyka dla studentów kerunków techncznych przyrodnczych, J. Koronack, J. Melnczuk, WNT
Bardziej szczegółowoW praktyce często zdarza się, że wyniki obu prób możemy traktować jako. wyniki pomiarów na tym samym elemencie populacji np.
Wykład 7 Uwaga: W praktyce często zdarza sę, że wynk obu prób możemy traktować jako wynk pomarów na tym samym elemence populacj np. wynk x przed wynk y po operacj dla tego samego osobnka. Należy wówczas
Bardziej szczegółowoSTATYSTYKA MATEMATYCZNA WYKŁAD 5 WERYFIKACJA HIPOTEZ NIEPARAMETRYCZNYCH
STATYSTYKA MATEMATYCZNA WYKŁAD 5 WERYFIKACJA HIPOTEZ NIEPARAMETRYCZNYCH 1 Test zgodnośc χ 2 Hpoteza zerowa H 0 ( Cecha X populacj ma rozkład o dystrybuance F). Hpoteza alternatywna H1( Cecha X populacj
Bardziej szczegółowoSTATYSTYKA MATEMATYCZNA
STATYSTYKA MATEMATYCZNA. Wkład wstępn. Teora prawdopodobeństwa element kombnatork. Zmenne losowe ch rozkład 3. Populacje prób danch, estmacja parametrów 4. Testowane hpotez statstcznch 5. Test parametrczne
Bardziej szczegółowoBadanie współzaleŝności dwóch cech ilościowych X i Y. Analiza korelacji prostej. Badanie zaleŝności dwóch cech ilościowych. Analiza regresji prostej
Badane współzaleŝnośc dwóch cech loścowych X Y. Analza korelacj prostej Badane zaleŝnośc dwóch cech loścowych. Analza regresj prostej Kody znaków: Ŝółte wyróŝnene nowe pojęce czerwony uwaga kursywa komentarz
Bardziej szczegółowoZastosowanie wielowymiarowej analizy porównawczej w doborze spó³ek do portfela inwestycyjnego Zastosowanie wielowymiarowej analizy porównawczej...
Adam Waszkowsk * Adam Waszkowsk Zastosowane welowymarowej analzy porównawczej w doborze spó³ek do portfela nwestycyjnego Zastosowane welowymarowej analzy porównawczej... Wstêp Na warszawskej Ge³dze Paperów
Bardziej szczegółowoMIARY ZALEŻNOŚCI ANALIZA STATYSTYCZNA NA PRZYKŁADZIE WYBRANYCH WALORÓW RYNKU METALI NIEŻELAZNYCH
Domnk Krężołek Unwersytet Ekonomczny w Katowcach MIARY ZALEŻNOŚCI ANALIZA AYYCZNA NA PRZYKŁADZIE WYBRANYCH WALORÓW RYNKU MEALI NIEŻELAZNYCH Wprowadzene zereg czasowe obserwowane na rynkach kaptałowych
Bardziej szczegółowoMATERIAŁY I STUDIA. Zeszyt nr 286. Analiza dyskryminacyjna i regresja logistyczna w procesie oceny zdolności kredytowej przedsiębiorstw
MATERIAŁY I STUDIA Zeszyt nr 86 Analza dyskrymnacyjna regresja logstyczna w procese oceny zdolnośc kredytowej przedsęborstw Robert Jagełło Warszawa, 0 r. Wstęp Robert Jagełło Narodowy Bank Polsk. Składam
Bardziej szczegółowoSZTUCZNA INTELIGENCJA
SZTUCZNA INTELIGENCJA WYKŁAD 15. ALGORYTMY GENETYCZNE Częstochowa 014 Dr hab. nż. Grzegorz Dudek Wydzał Elektryczny Poltechnka Częstochowska TERMINOLOGIA allele wartośc, waranty genów, chromosom - (naczej
Bardziej szczegółowoKlasyfkator lnowy Wstęp Klasyfkator lnowy jest najprostszym możlwym klasyfkatorem. Zakłada on lnową separację lnowy podzał dwóch klas mędzy sobą. Przedstawa to ponższy rysunek: 5 4 3 1 0-1 - -3-4 -5-5
Bardziej szczegółowoKONSTRUKCJA OPTYMALNYCH PORTFELI Z ZASTOSOWANIEM METOD ANALIZY FUNDAMENTALNEJ UJĘCIE DYNAMICZNE
Adranna Mastalerz-Kodzs Unwersytet Ekonomczny w Katowcach KONSTRUKCJA OPTYMALNYCH PORTFELI Z ZASTOSOWANIEM METOD ANALIZY FUNDAMENTALNEJ UJĘCIE DYNAMICZNE Wprowadzene W dzałalnośc nstytucj fnansowych, takch
Bardziej szczegółowoANALIZA PREFERENCJI SŁUCHACZY UNIWERSYTETU TRZECIEGO WIEKU Z WYKORZYSTANIEM WYBRANYCH METOD NIESYMETRYCZNEGO SKALOWANIA WIELOWYMIAROWEGO
Artur Zaborsk Unwersytet Ekonomczny we Wrocławu ANALIZA PREFERENCJI SŁUCHACZY UNIWERSYTETU TRZECIEGO WIEKU Z WYKORZYSTANIEM WYBRANYCH METOD NIESYMETRYCZNEGO SKALOWANIA WIELOWYMIAROWEGO Wprowadzene Od ukazana
Bardziej szczegółowoStanisław Cichocki. Natalia Nehrebecka. Wykład 7
Stansław Cchock Natala Nehrebecka Wykład 7 1 1. Zmenne cągłe a zmenne dyskretne 2. Interpretacja parametrów przy zmennych dyskretnych 1. Zmenne cągłe a zmenne dyskretne 2. Interpretacja parametrów przy
Bardziej szczegółowoZjawiska masowe takie, które mogą wystąpid nieograniczoną ilośd razy. Wyrazów Obcych)
Statystyka - nauka zajmująca sę metodam badana przedmotów zjawsk w ch masowych przejawach ch loścową lub jakoścową analzą z punktu wdzena nauk, do której zakresu należą.
Bardziej szczegółowoProblemy jednoczesnego testowania wielu hipotez statystycznych i ich zastosowania w analizie mikromacierzy DNA
Problemy jednoczesnego testowana welu hpotez statystycznych ch zastosowana w analze mkromacerzy DNA Konrad Furmańczyk Katedra Zastosowań Matematyk SGGW Plan referatu Testowane w analze mkromacerzy DNA
Bardziej szczegółowoSZTUCZNA INTELIGENCJA
SZTUCZNA INTELIGENCJA WYKŁAD 18. ALGORYTMY EWOLUCYJNE - ZASTOSOWANIA Częstochowa 2014 Dr hab. nż. Grzegorz Dudek Wydzał Elektryczny Poltechnka Częstochowska ZADANIE ZAŁADUNKU Zadane załadunku plecakowe
Bardziej szczegółowoFinanse, Rynki Finansowe, Ubezpieczenia nr 5/2016 (83), cz. 2. DOI: /frfu /2-11 s
Fnanse, Rynk Fnansowe, Ubezpeczena nr 5/2016 (83), cz. 2 DOI: 10.18276/frfu.2016.5.83/2-11 s. 121 130 Zastosowane modelu probtowego oraz ucętego lnowego modelu prawdopodobeństwa do analzy kondycj ekonomczno-fnansowej
Bardziej szczegółowoStatystyka Opisowa 2014 część 2. Katarzyna Lubnauer
Statystyka Opsowa 2014 część 2 Katarzyna Lubnauer Lteratura: 1. Statystyka w Zarządzanu Admr D. Aczel 2. Statystyka Opsowa od Podstaw Ewa Waslewska 3. Statystyka, Lucjan Kowalsk. 4. Statystyka opsowa,
Bardziej szczegółowoMETODA UNITARYZACJI ZEROWANEJ Porównanie obiektów przy ocenie wielokryterialnej. Ranking obiektów.
Opracowane: Dorota Mszczyńska METODA UNITARYZACJI ZEROWANEJ Porównane obektów przy ocene welokryteralnej. Rankng obektów. Porównane wybranych obektów (warantów decyzyjnych) ze względu na różne cechy (krytera)
Bardziej szczegółowoOPTYMALNE STRATEGIE INWESTYCYJNE PODEJŚCIE FUNDAMENTALNE OPTIMAL INVESTMENT STRATEGY FUNDAMENTAL ANALYSIS
ZESZYTY NAUKOWE POLITECHNIKI ŚLĄSKIEJ 2014 Sera: ORGANIZACJA I ZARZĄDZANIE z. 68 Nr kol. 1905 Adranna MASTALERZ-KODZIS Unwersytet Ekonomczny w Katowcach OPTYMALNE STRATEGIE INWESTYCYJNE PODEJŚCIE FUNDAMENTALNE
Bardziej szczegółowoStanisław Cichocki. Natalia Nehrebecka. Wykład 6
Stansław Cchock Natala Nehrebecka Wykład 6 1 1. Zastosowane modelu potęgowego Model potęgowy Przekształcene Boxa-Coxa 2. Zmenne cągłe za zmenne dyskretne 3. Interpretacja parametrów przy zmennych dyskretnych
Bardziej szczegółowoNatalia Nehrebecka Stanisław Cichocki. Wykład 10
Natala Nehrebecka Stansław Cchock Wykład 10 1 1. Testy dagnostyczne 2. Testowane prawdłowośc formy funkcyjnej modelu 3. Testowane normalnośc składnków losowych 4. Testowane stablnośc parametrów 5. Testowane
Bardziej szczegółowoO PEWNYM MODELU POZWALAJĄCYM IDENTYFIKOWAĆ K NAJBARDZIEJ PODEJRZANYCH REKORDÓW W ZBIORZE DANYCH KSIĘGOWYCH W PROCESIE WYKRYWANIA OSZUSTW FINANSOWYCH
Mateusz Baryła Unwersytet Ekonomczny w Krakowe O PEWNYM MODELU POZWALAJĄCYM IDENTYFIKOWAĆ K NAJBARDZIEJ PODEJRZANYCH REKORDÓW W ZBIORZE DANYCH KSIĘGOWYCH W PROCESIE WYKRYWANIA OSZUSTW FINANSOWYCH Wprowadzene
Bardziej szczegółowoWERYFIKACJA EKONOMETRYCZNA MODELU CAPM II RODZAJU DLA RÓŻNYCH HORYZONTÓW STÓP ZWROTU I PORTFELI RYNKOWYCH
SCRIPTA COMENIANA LESNENSIA PWSZ m. J. A. Komeńskego w Leszne R o k 0 0 8, n r 6 TOMASZ ŚWIST* WERYFIKACJA EKONOMETRYCZNA MODELU CAPM II RODZAJU DLA RÓŻNYCH HORYZONTÓW STÓP ZWROTU I PORTFELI RYNKOWYCH
Bardziej szczegółowoANALIZA PORÓWNAWCZA WYNIKÓW UZYSKANYCH ZA POMOCĄ MIAR SYNTETYCZNYCH: M ORAZ PRZY ZASTOSOWANIU METODY UNITARYZACJI ZEROWANEJ
METODY ILOŚCIOWE W BADANIACH EKONOMICZNYCH Tom XVI/3, 2015, str. 248 257 ANALIZA PORÓWNAWCZA WYNIKÓW UZYSKANYCH ZA POMOCĄ MIAR SYNTETYCZNYCH: M ORAZ PRZY ZASTOSOWANIU METODY UNITARYZACJI ZEROWANEJ Sławomr
Bardziej szczegółowoEKONOMETRIA I Spotkanie 1, dn. 05.10.2010
EKONOMETRIA I Spotkane, dn. 5..2 Dr Katarzyna Beń Program ramowy: http://www.sgh.waw.pl/nstytuty/e/oferta_dydaktyczna/ekonometra_stacjonarne_nest acjonarne/ Zadana, dane do zadań, ważne nformacje: http://www.e-sgh.pl/ben/ekonometra
Bardziej szczegółowoPORÓWNANIE METOD OKREŚLANIA FUNKCJI CELU PRZY DOBORZE ROZSIEWACZY NAWOZÓW MINERALNYCH
Inżynera Rolncza (90)/007 PORÓWNANIE METOD OKREŚLANIA FUNKCJI CELU PRZY DOBORZE ROZSIEWACZY NAWOZÓW MINERALNYCH Zofa Hanusz Katedra Zastosowań Matematyk, Akadema Rolncza w Lublne Magdalena Ćwklńska Katedra
Bardziej szczegółowoRachunek prawdopodobieństwa i statystyka W 11: Analizy zależnościpomiędzy zmiennymi losowymi Model regresji wielokrotnej
Rachunek prawdopodobeństwa statstka W 11: Analz zależnoścpomędz zmennm losowm Model regresj welokrotnej Dr Anna ADRIAN Paw B5, pok 407 adan@agh.edu.pl Model regresj lnowej Model regresj lnowej prostej
Bardziej szczegółowoPrognozowanie w zarządzaniu firmą
Prognozowane w zarządzanu frmą Redaktorzy naukow Paweł Dttmann Aleksandra Szpulak Wydawnctwo Unwersytetu Ekonomcznego we Wrocławu Wrocław 2011 Senacka Komsja Wydawncza Zdzsław Psz (przewodnczący), Andrzej
Bardziej szczegółowoWPŁYW PARAMETRÓW DYSKRETYZACJI NA NIEPEWNOŚĆ WYNIKÓW POMIARU OBIEKTÓW OBRAZU CYFROWEGO
Walenty OWIECZKO WPŁYW PARAMETRÓW DYSKRETYZACJI A IEPEWOŚĆ WYIKÓW POMIARU OBIEKTÓW OBRAZU CYFROWEGO STRESZCZEIE W artykule przedstaono ynk analzy nepenośc pomaru ybranych cech obektu obrazu cyfroego. Wyznaczono
Bardziej szczegółowoMikroekonometria 10. Mikołaj Czajkowski Wiktor Budziński
Mkroekonometra 10 Mkołaj Czajkowsk Wktor Budzńsk Jak analzować dane o charakterze uporządkowanym? Dane o charakterze uporządkowanym Wybór jednej z welkośc na uporządkowanej skal Skala ne ma nterpretacj
Bardziej szczegółowoMikroekonometria 13. Mikołaj Czajkowski Wiktor Budziński
Mkroekonometra 13 Mkołaj Czajkowsk Wktor Budzńsk Symulacje Analogczne jak w przypadku cągłej zmennej zależnej można wykorzystać metody Monte Carlo do analzy różnego rodzaju problemów w modelach gdze zmenna
Bardziej szczegółowoPropozycja modyfikacji klasycznego podejścia do analizy gospodarności
Jacek Batóg Unwersytet Szczecńsk Propozycja modyfkacj klasycznego podejśca do analzy gospodarnośc Przedsęborstwa dysponujące dentycznym zasobam czynnków produkcj oraz dzałające w dentycznych warunkach
Bardziej szczegółowo65120/ / / /200
. W celu zbadana zależnośc pomędzy płcą klentów ch preferencjam, wylosowano kobet mężczyzn zadano m pytane: uważasz za lepszy produkt frmy A czy B? Wynk były następujące: Odpowedź Kobety Mężczyźn Wolę
Bardziej szczegółowo) będą niezależnymi zmiennymi losowymi o tym samym rozkładzie normalnym z następującymi parametrami: nieznaną wartością 1 4
Zadane. Nech ( X, Y ),( X, Y ), K,( X, Y n n ) będą nezależnym zmennym losowym o tym samym rozkładze normalnym z następującym parametram: neznaną wartoścą oczekwaną EX = EY = m, warancją VarX = VarY =
Bardziej szczegółowoKRZYWA BÉZIERA TWORZENIE I WIZUALIZACJA KRZYWYCH PARAMETRYCZNYCH NA PRZYKŁADZIE KRZYWEJ BÉZIERA
KRZYWA BÉZIERA TWORZENIE I WIZUALIZACJA KRZYWYCH PARAMETRYCZNYCH NA PRZYKŁADZIE KRZYWEJ BÉZIERA Krzysztof Serżęga Wyższa Szkoła Informatyk Zarządzana w Rzeszowe Streszczene Artykuł porusza temat zwązany
Bardziej szczegółowoAnaliza danych OGÓLNY SCHEMAT. http://zajecia.jakubw.pl/ Dane treningowe (znana decyzja) Klasyfikator. Dane testowe (znana decyzja)
Analza danych Dane trenngowe testowe. Algorytm k najblższych sąsadów. Jakub Wróblewsk jakubw@pjwstk.edu.pl http://zajeca.jakubw.pl/ OGÓLNY SCHEMAT Mamy dany zbór danych podzelony na klasy decyzyjne, oraz
Bardziej szczegółowo( ) ( ) 2. Zadanie 1. są niezależnymi zmiennymi losowymi o. oraz. rozkładach normalnych, przy czym EX. i σ są nieznane. 1 Niech X
Prawdopodobeństwo statystyka.. r. Zadane. Zakładamy, że,,,,, 5 są nezależnym zmennym losowym o rozkładach normalnych, przy czym E = μ Var = σ dla =,,, oraz E = μ Var = 3σ dla =,, 5. Parametry μ, μ σ są
Bardziej szczegółowoO Odporności Estymatorów Parametrów. Modelu Logistycznego. i Koncepcji Głębi Regresyjnej
O Odpornośc Estymatorów Parametrów Modelu Logstycznego Koncepcj Głęb Regresyjnej Danel Kosorowsk Katedra Statystyk Unwersytet Ekonomczny w Krakowe Konferencja Aktuaralna, Warszawa 9-11 czerwca 2008 roku
Bardziej szczegółowoZASTOSOWANIE WYBRANYCH ELEMENTÓW ANALIZY FUNDAMENTALNEJ DO WYZNACZANIA PORTFELI OPTYMALNYCH
Adranna Mastalerz-Kodzs Ewa Pośpech Unwersytet Ekonomczny w Katowcach ZASTOSOWANIE WYBRANYCH ELEMENTÓW ANALIZY FUNDAMENTALNEJ DO WYZNACZANIA PORTFELI OPTYMALNYCH Wprowadzene Zagadnene wyznaczana optymalnych
Bardziej szczegółowoAnaliza porównawcza rozwoju wybranych banków komercyjnych w latach 2001 2009
Mara Konopka Katedra Ekonomk Organzacj Przedsęborstw Szkoła Główna Gospodarstwa Wejskego w Warszawe Analza porównawcza rozwoju wybranych banków komercyjnych w latach 2001 2009 Wstęp Polska prywatyzacja
Bardziej szczegółowoDZIAŁALNOŚĆ INWESTYCYJNA GOSPODARSTW ROLNYCH
PRZEGLĄ D ZACHODNIOPOMORSKI ROCZNIK XXIX (LVIII) ROK 2014 ZESZYT 3 VOL. 2 MONIKA NAROJEK *, ŁUKASZ PIETRYCH ** Warszawa DZIAŁALNOŚĆ INWESTYCYJNA GOSPODARSTW ROLNYCH W POLSCE Słowa kluczowe: nwestycje,
Bardziej szczegółowoModelowanie procesów i wspomaganie decyzji finansowych
Modelowane procesów wspomagane decyzj fnansowych Temat: Modele zmennych jakoścowych dr Dorota Cołek Katedra Ekonometr Wydzał Zarządzana UG http://wzr.pl/dc dorota.colek@ug.edu.pl 1 Zmenne jakoścowe w rol
Bardziej szczegółowoIdentyfikacja determinant bogactwa dochodowego z zastosowaniem modelu logitowego
Zarządzane Fnanse Journal of Management and Fnance Vol. 13, No. 4//015 Anna Sączewska-Potrowska * Identyfkacja determnant bogactwa dochodowego z zastosowanem modelu logtowego Wstęp Przeprowadzane badana
Bardziej szczegółowoRegulacje i sądownictwo przeszkody w konkurencji między firmami w Europie Środkowej i Wschodniej
Łukasz Goczek * Regulacje sądownctwo przeszkody w konkurencj mędzy frmam w Europe Środkowej Wschodnej Wstęp Celem artykułu jest analza przeszkód dla konkurencj pomędzy frmam w Europe Środkowej Wschodnej.
Bardziej szczegółowoProste modele ze złożonym zachowaniem czyli o chaosie
Proste modele ze złożonym zachowanem czyl o chaose 29 kwetna 2014 Komputer jest narzędzem coraz częścej stosowanym przez naukowców do ukazywana skrzętne ukrywanych przez naturę tajemnc. Symulacja, obok
Bardziej szczegółowoRozkład dwupunktowy. Rozkład dwupunktowy. Rozkład dwupunktowy x i p i 0 1-p 1 p suma 1
Rozkład dwupunktowy Zmenna losowa przyjmuje tylko dwe wartośc: wartość 1 z prawdopodobeństwem p wartość 0 z prawdopodobeństwem 1- p x p 0 1-p 1 p suma 1 Rozkład dwupunktowy Funkcja rozkładu prawdopodobeństwa
Bardziej szczegółowoZASTOSOWANIE ANALIZY HARMONICZNEJ DO OKREŚLENIA SIŁY I DŁUGOŚCI CYKLI GIEŁDOWYCH
Grzegorz PRZEKOTA ZESZYTY NAUKOWE WYDZIAŁU NAUK EKONOMICZNYCH ZASTOSOWANIE ANALIZY HARMONICZNEJ DO OKREŚLENIA SIŁY I DŁUGOŚCI CYKLI GIEŁDOWYCH Zarys treśc: W pracy podjęto problem dentyfkacj cykl gełdowych.
Bardziej szczegółowoKRÓTKIE WPROWADZENIE DO WIZUALIZACJI I ANALIZY FUNKCJONALNEJ DANYCH EKONOMICZNYCH
KRÓTKIE WPROWADZENIE DO WIZUALIZACJI I ANALIZY FUNKCJONALNEJ DANYCH EKONOMICZNYCH Danel Kosorowsk Katedra Statystyk, UEK w Krakowe Posedzene Rady Wydzału Zarządzana Kraków, 23.05.2013 PLAN REFERATU 1.
Bardziej szczegółowoAnaliza regresji modele ekonometryczne
Analza regresj modele ekonometryczne Klasyczny model regresj lnowej - przypadek jednej zmennej objaśnającej. Rozpatrzmy klasyczne zagadnene zależnośc pomędzy konsumpcją a dochodam. Uważa sę, że: - zależność
Bardziej szczegółowoStatystyka Inżynierska
Statystyka Inżynerska dr hab. nż. Jacek Tarasuk AGH, WFIS 013 Wykład DYSKRETNE I CIĄGŁE ROZKŁADY JEDNOWYMIAROWE Zmenna losowa, Funkcja rozkładu, Funkcja gęstośc, Dystrybuanta, Charakterystyk zmennej, Funkcje
Bardziej szczegółowoZmodyfikowana technika programowania dynamicznego
Zmodyfkowana technka programowana dynamcznego Lech Madeysk 1, Zygmunt Mazur 2 Poltechnka Wrocławska, Wydzał Informatyk Zarządzana, Wydzałowy Zakład Informatyk Wybrzeże Wyspańskego 27, 50-370 Wrocław Streszczene.
Bardziej szczegółowoStanisław Cichocki. Natalia Nehrebecka. Wykład 7
Stansław Cchock Natala Nehrebecka Wykład 7 . Zmenne dyskretne Kontrasty: efekty progowe, kontrasty w odchylenach Interakcje. Przyblżane model nelnowych Stosowane do zmennych dyskretnych o uporządkowanych
Bardziej szczegółowoProces narodzin i śmierci
Proces narodzn śmerc Jeżel w ewnej oulacj nowe osobnk ojawają sę w sosób losowy, rzy czym gęstość zdarzeń na jednostkę czasu jest stała w czase wynos λ, oraz lczba osobnków n, które ojawły sę od chwl do
Bardziej szczegółowoANALIZA PRZESTRZENNA PROCESU STARZENIA SIĘ POLSKIEGO SPOŁECZEŃSTWA
TUDIA I PRACE WYDZIAŁU NAUK EKONOMICZNYCH I ZARZĄDZANIA NR 36 Katarzyna Zeug-Żebro * Unwersytet Ekonomczny w Katowcach ANALIZA PRZETRZENNA PROCEU TARZENIA IĘ POLKIEGO POŁECZEŃTWA TREZCZENIE Perwsze prawo
Bardziej szczegółowoPROBLEMATYKA DOBORU MIARY ODLEGŁOŚCI W KLASYFIKACJI SPEKTRALNEJ DANYCH SYMBOLICZNYCH
Marcn Peła Unwersytet Eonoczny we Wrocławu PROBLEMATYKA DOBORU MIARY ODLEGŁOŚCI W KLASYFIKACJI SPEKTRALNEJ DANYCH SYMBOLICZNYCH Wprowadzene Zagadnene doboru odpowednej ary odległośc stanow, obo probleaty
Bardziej szczegółowoStanisław Cichocki. Natalia Nehrebecka. Wykład 11
Stansław Cchock Natala Nehrebecka Wykład 11 1 1. Testowane hpotez łącznych 2. Testy dagnostyczne Testowane prawdłowośc formy funkcyjnej: test RESET Testowane normalnośc składnków losowych: test Jarque-Berra
Bardziej szczegółowoAnaliza zależności zmiennych ilościowych korelacja i regresja
Analza zależnośc zmennych loścowych korelacja regresja JERZY STEFANOWSKI Instytut Informatyk Poltechnka Poznańska Plan wykładu 1. Lnowa zależność mędzy dwoma zmennym: Prosta regresja Metoda najmnejszych
Bardziej szczegółowoOeconomiA copernicana 2013 Nr 3. Modele ekonometryczne w opisie wartości rezydualnej inwestycji
OeconomA coperncana 2013 Nr 3 ISSN 2083-1277, (Onlne) ISSN 2353-1827 http://www.oeconoma.coperncana.umk.pl/ Klber P., Stefańsk A. (2003), Modele ekonometryczne w opse wartośc rezydualnej nwestycj, Oeconoma
Bardziej szczegółowoStanisław Cichocki. Natalia Nehrebecka. Wykład 7
Stansław Cchock Natala Nehrebecka Wykład 7 1 1. Interakcje 2. Przyblżane model nelnowych 3. Założena KMRL 1. Interakcje 2. Przyblżane model nelnowych 3. Założena KMRL W standardowym modelu lnowym zakładamy,
Bardziej szczegółowoPraca podkładu kolejowego jako konstrukcji o zmiennym przekroju poprzecznym zagadnienie ekwiwalentnego przekroju
Praca podkładu kolejowego jako konstrukcj o zmennym przekroju poprzecznym zagadnene ekwwalentnego przekroju Work of a ralway sleeper as a structure wth varable cross-secton - the ssue of an equvalent cross-secton
Bardziej szczegółowoTeoria niepewności pomiaru (Rachunek niepewności pomiaru) Rodzaje błędów pomiaru
Pomary fzyczne - dokonywane tylko ze skończoną dokładnoścą. Powodem - nedoskonałość przyrządów pomarowych neprecyzyjność naszych zmysłów borących udzał w obserwacjach. Podawane samego tylko wynku pomaru
Bardziej szczegółowoMikroekonometria 10. Mikołaj Czajkowski Wiktor Budziński
Mkroekonometra 10 Mkołaj Czajkowsk Wktor Budzńsk Wybór uporządkowany Wybór uporządkowany (ang. ordered choce) Wybór jednej z welkośc na podanej skal Skala wartośc są uporządkowane Przykłady: Oceny konsumencke
Bardziej szczegółowo