Budowa i weryfikacja modelu ekonometrycznego dla okreœlenia liniowej zale noœci pomiêdzy kosztami pozyskania wêgla a wielkoœci¹ wydobycia

Wielkość: px
Rozpocząć pokaz od strony:

Download "Budowa i weryfikacja modelu ekonometrycznego dla okreœlenia liniowej zale noœci pomiêdzy kosztami pozyskania wêgla a wielkoœci¹ wydobycia"

Transkrypt

1 GOSPODARKA SUROWCAMI MINERALNYMI Tom Zeszyt 1/1 LIDIA GAWLIK* Budowa i weryfikacja modelu ekoometryczego dla okreœleia liiowej zale oœci pomiêdzy kosztami pozyskaia wêgla a wielkoœci¹ wydobycia Wprowadzeie Poszukiwaie liiowej zale oœci miêdzy kosztami a wielkoœci¹ wydobycia s³u y miêdzy iymi okreœleiu jak zachowaj¹ siê te koszty przy zmiaie skali produkcji. Zalezieie modelu ekoometryczego opisuj¹cego tê zale oœæ pozwala wioskowaæ o podziale kosztów a koszty sta³e (iezale e od wielkoœci wydobycia) i koszty zmiee (zale e od wielkoœci wydobycia) (Badaia ). W artykule przedstawioo i opisao schemat budowy oraz weryfikacji takiego modelu, który zosta³ zastosoway do aalizy kosztów pozyskaia wêgla kamieego. Schemat opracowao w oparciu o literaturê tematu, uwzglêdiaj¹c jedoczeœie specyfikê wykorzystaych arzêdzi wspomagaj¹cych proces modelowaia Program Statistica v Zastosowaie tego programu wspomaga proces weryfikacji modelu, gdy program sam wyzacza szereg statystyk powalaj¹cych a omiiêcie procesu ich obliczaia. Przedstawioy schemat wsparto przyk³adem dotycz¹cym kosztów wyagrodzeñ w jedej z kopalñ wêgla kamieego. 1. Specyfikacja problemu Liiowe modele ekoometrycze sprowadzaj¹ siê do poszukiwaia a podstawie daych ex post zale oœci pomiêdzy wielkoœci¹ któr¹ chcemy objaœiæ a wielkoœciami które j¹ kszta³tuj¹ w postaci rówaia o ogólej postaci: * Dr i., Istytut Gospodarki Surowcami Mieralymi i Eergi¹ PAN, Kraków; lidia.gawlik@mi-pa.krakow.pl

2 8 ya0 a1x1 ax ax (1) gdzie: y zmiea objaœiaa, x 1, x,..., x zmiee objaœiaj¹ce, a 0, a 1, a,..., a poszukiwae parametry modelu, sk³adik losowy, N liczba zmieych objaœiaj¹cych. Skupiaj¹c siê a przypadku aalizy kosztów pooszoych w kopali mo a poszukiwaæ zale oœci daego rodzaju kosztu (materia³ów, wyagrodzeñ itp.) od wielkoœci wydobycia oraz iych wielkoœci, a przyk³ad czasu czy te parametrów techiczych. Model tym lepiej odzwierciedla rzeczywistoœæ, im wiêcej zmieych istotie wp³ywaj¹cych a wysokoœæ kosztu jest uwzglêdioych w rówaiu. Korzystaj¹c z daych ex post dotycz¹cych kosztów w okreœloym czasie oraz zestawu daych, które jak podejrzewamy mog¹ mieæ wp³yw a poziom tych kosztów mo a, pos³uguj¹c siê metodami ekoometryczymi, przybli aæ zale oœci miêdzy imi fukcj¹ okreœlo¹ rówaiem (1). Jed¹ z ajpopulariejszych metod powalaj¹cych a dopasowaie ajkorzystiejszej fukcji wi¹ ¹cej te wielkoœci jest metoda ajmiejszych kwadratów. Jeœli w aalizowaym modelu ograiczymy iloœæ zmieych objaœiaj¹cych do jedej, to w przypadku poszukiwaia zale oœci miêdzy kosztem a wielkoœci¹ produkcji (w kopali wielkoœci¹ wydobycia) mamy do czyieia z klasycz¹ fukcj¹ kosztów. Takie ograiczeie z jedej stroy powoduje, e jeœli ie wielkoœci i wydobycie maj¹ istoty wp³yw a wysokoœæ kosztu, to ie udaje siê dopasowaæ wystarczaj¹co dok³adej liii regresji, z drugiej stroy, jeœli ju taki model wystarczaj¹co dobrze przybli a badae wielkoœci, to zalezioa zale oœæ mo e pos³u yæ a przyk³ad do ustaleia udzia³u kosztów sta³ych i zmieych w badaym koszcie, co by³o jedym z celów tej pracy. Dla zbioru daych statystyczych sk³adaj¹cego siê z elemetów (W i,k i ), gdzie i jest umerem zbioru o liczeboœci, mo a dobraæ ajlepiej dopasowa¹ liiê regresji kszta³towaia siê kosztów K od wydobycia W w postaci rówaia: gdzie: K zmiea objaœiaa (koszt), W zmiea objaœiaj¹ca (wydobycie), a, b iezae parametry strukturale modelu, sk³adik losowy. K aw b () Przy za³o eiu, e sk³adik losowy jest bliski zeru, mo a wyzaczyæ liiow¹ zale oœæ kosztu od wielkoœci wydobycia, w którym parametry strukturale modelu a i b wyzacza siê z rówañ (Zaj¹c 1996):

3 9 a i1 ( W W)( K K) i i1 i ( W W) i (3) b K W a (4) gdzie: liczeboœæ zbioru daych, i = 1,..., ozaczeie elemetu zbioru daych, W i wielkoœæ wydobycia w i-tym elemecie zbioru daych, K i koszt ca³kowity w i-tym elemecie zbioru daych, W i W 1 K i K 1 i i œredia wielkoœæ wydobycia dla elemetów zbioru daych, œredi koszt ca³kowity dla elemetów zbioru daych. Jeœli uzyskae rówaie w sposób wystarczaj¹co dobry opisuje baday zbiór daych to ozacza, e opisao zale oœæ kosztu od wielkoœci wydobycia za pomoc¹ fukcji liiowej, wktórej:a jest jedostkowym kosztem zmieym (k jz ), b zaœ jest ca³kowitym kosztem sta³ym (K s ) (Czopek 003): K k W K (5) jz s Ilustracjê tego rówaia przedstawioo a rysuku 1, gdzie: k jz tg K W (6) Po wyzaczeiu i weryfikacji modelu liiowego œredi procetowy udzia³ kosztów zmieych (K z [%])dla badaej serii daych kosztowych wyzacza siê jako: k jz W Kz(%) 100% k W K jz s (7)

4 30 Rys.1. Prostoliiowa fukcja kosztu Fig. 1. Liear fuctio of cost. Procedura wyzaczaia i weryfikacji modelu ekoometryczego Program Statistica jest arzêdziem wspomagaj¹cym proces budowy modelu ekoometryczego. Dla serii dwóch daych wyzacza regresjê liiow¹, której przyk³adowe wyiki przedstawioo a rysuku. W przedstawioym przyk³adzie program Statistica wyzacza astêpuj¹ce wielkoœci: liczba przypadków = 1, k liczba szacowaych parametrów modelu =, ( k) liczba stopi swobody = 10, R korelacja miêdzy aalizowaymi seriami daych = 0,77675, R kwadrat korelacji =0,60334, R skorygoway R = wspó³czyik determiacji = 0,563678, F wartoœæ statystyki F-Sedecora = 15,11, S ey stadardowy b³¹d estymacji = 1971,5, a parametr strukturaly modelu (wspó³czyik przy zmieej) = 43,318, b parametr strukturaly modelu (wyraz woly) = 6138,90, S ea stadardowa wartoœæ b³êdu dla wspó³czyika a = 11,107, Rys.. Wyik regresji kosztów wyagrodzeñ od wydobycia w aalizowaej kopali Fig.. Result of the regressio fuctio of salary costs ad coal productio i the aalysed coal mie

5 S eb stadardowa wartoœæ b³êdu dla wspó³czyika b = 03,873, t(10) a wartoœæ statystyki t-studeta dla wspó³czyika a = 3,900, t(10) b wartoœæ statystyki t-studeta dla wspó³czyika b = 3,019, Te wielkoœci pozwalaj¹ w zaczym stopiu wioskowaæ o poprawoœci wyzaczoego rówaia regresji. Aby jedak upewiæ siê, e wyzaczoe rówaie liowe poprawie odzwierciedla badae zjawisko ale y model wszechstroie zweryfikowaæ zarówo ze wzglêdu a wyzaczoe parametry strukturale, jak rówie ze wzglêdu a charakter reszt modelu. Wymaga tego bowiem zastosowaa metoda ajmiejszych kwadratów, której poprawoœæ warukuj¹ przyjête za³o eia (Brzychczy 007; Ekoometria ) dotycz¹ce: braku wspó³liiowoœci zmieych iezale ych, ielosowoœci zmieych objaœiaj¹cych, zerowoœci sumy sk³adików losowych, braku autokorelacji reszt miêdzy sob¹ oraz ze zmieymi objaœiaj¹cymi. Literatura dotycz¹ca modeli ekoometryczych (Ekoometria ; Ekoometria 003; Wefle 003; Wprowadzeie ; Zemke mat.iteretowe) omawia szereg testów s³u ¹cych weryfikacji modelu. Na tej podstawie opracoway zosta³ schemat budowy i weryfikacji modelu liiowego przedstawiaj¹cego zale oœæ kosztu od wielkoœci wydobycia w kopali wêgla kamieego. Schemat te przedstawioo w tabeli 1 i omówioo poi ej. W opisie pomiiêto wyzaczeie statystyk, które program Statistica oblicza automatyczie, skupiaj¹c siê tylko a procedurach iezbêdych do ocey poprawoœci modelu. Omówieie poszczególych kroków poparto aaliz¹ kosztów wyagrodzeñ w jedej z kopalñ wêgla kamieego w roku 006. W aalogiczy sposób budowae s¹ modele iych kosztów w oparciu o serie daych o ró ej liczeboœci. Kszta³towaie siê wielkoœci wydobycia w tej kopali w poszczególych miesi¹cach aalizowaego okresu oraz miesiêcze koszty wyagrodzeñ przedstawioo a rysuku Rys. 3. Kszta³towaie siê wydobycia i wielkoœci wyagrodzeñ w przyk³adowej kopali w poszczególych miesi¹cach 006 r. Fig. 3. Productio ad salary costs i particular moths of 006 i the aalysed coal mie

6 3 TABELA 1 Schemat budowy i weryfikacji modelu zale oœci liiowej miêdzy kosztem a wielkoœci¹ wydobycia TABLE 1 Diagram of the costructio ad verificatio a model of liear depedece of cost as a fuctio of productio Nr kolejy kroku KROK 1 KROK KROK 3 KROK 4 KROK 5 KROK 6 KROK 7 KROK 8 KROK 9 KROK 10 KROK 11 KROK 1 KROK 13 Procedura opis Wyzaczeie korelacji pomiêdzy wielkoœci¹ objaœia¹ a wielkoœci¹ objaœiaj¹c¹ Czy R > R kr? KROK STOP Nie ma mo liwoœci wyzaczeia modelu dla badaej serii daych Estymacja parametrów strukturalych modelu a i b Badaie istotoœci wyzaczoych parametrów strukturalych Czy a i b istote? KROK 4 KROK 13 Badaie mo liwoœci fizyczej iterpretacji modelu Czy a > 0 i b 0? KROK 5 KROK 13 Badaie dopuszczaloœci relacji modelu ze wzglêdu a wspó³czyik determiacji Czy R 0,6? KROK 6 KROK 13 Badaie dopuszczaloœci relacji modelu ze wzglêdu a wspó³czyik zmieoœci V Czy V 0,1? KROK 7 KROK 13 Badaie istotoœci uk³adu wspó³czyików (w oparciu o statystykê F-Sedecora) Czy F > F kr? KROK 8 KROK 13 Badaie autokorelacji sk³adika losowego (w oparciu o statystykê Durbia-Watsoa) Czy DW > d U? KROK 9 KROK 13 Badaie symetrii sk³adika losowego (dla ma³ej próby liczba przypadków <30 rozk³ad t-studeta; dla du ej próby rozk³ad ormaly) Czy t t kr? KROK 10 KROK 13 Badaie losowoœci sk³adika losowego (test serii) Czy K > K kr? KROK 11 KROK 13 Badaie stacjoaroœci sk³adika losowego (statystyka t-studeta) Czy t t kr? KROK 1 KROK 13 Badaie ormaloœci reszt Czy W > K kr? [lub] Czy p >? STOP Model jest poprawy KROK 13 Elimiacja daych odstaj¹cych Czy liczba wyelimiowaych przypadków przekracza 0% pierwotej liczby? STOP Nie ma mo liwoœci wyzaczeia modelu dla badaej serii daych KROK 1

7 W ci¹gu 1 miesiêcy kopalia zaotowa³a zacz¹ce wahaia wielkoœci miesiêczego wydobycia. Zmieia³o siê oo w przedziale od 59 tys. Mg (maksymale miesiêcze wydobycie osi¹giête w listopadzie) do 66,4 tys. Mg (miimale wydobycie osi¹giête we wrzeœiu). Wahaia miesiêczych kosztów wyagrodzeñ w ci¹gu aalizowaych 1 miesiêcy by³y rówie zacze w przedziale od prawie 1,3 ml z³ w grudiu do 8,8 ml z³ we wrzeœiu. Wyik aalizy regresji wykoaej programem Statisitca jest przedstawioy a rysuku 1. Poi ej omówioo poszczególe kroki budowy weryfikacji modelu. Przyjêto poziom istotoœci dla przyk³adowego modelu = 0, Okreœleie korelacji pomiêdzy zmie¹ objaœiaj¹c¹ a wielkoœci¹ objaœia¹ (krok 1) Krytyczy wspó³czyik korelacji wyzacza siê z rówaia: t R kr t (8) gdzie: t wartoœæ statystyki odczytaa z tablic testu t-studeta, przy zadaym poziomie istotoœci, liczba przypadków. W przyk³adowej aalizie mamy 1 przypadków (1 daych miesiêczych). Dla za- ³o oego poziomu istotoœci = 0,05 zajdujemy w tablicach t =,8, co ozacza, e R kr = 0,576. Tymczasem wyzaczoy programem Statistica wspó³czyik korelacji pomiêdzy wielkoœci¹ wyagrodzeñ a wielkoœci¹ wydobycia wyosi 0,7767 i jest wy szy od krytyczego. Ozacza to, e mo a poszukiwaæ rówaia regresji miêdzy tymi wielkoœciami... Estymacja parametrów strukturalych modelu a i b (krok ) Wyzaczoy model ma postaæ: K = 43,318 W ,90 Model te w dalszej kolejoœci podlegaæ bêdzie weryfikacji.

8 34.3. Badaie istotoœci wyzaczoych parametrów strukturalych (krok 3) Do badaia istotoœci parametrów strukturalych modelu stosuje siê test t-studeta. Parametr jest istoty jeœli obliczoa programem wartoœæ statystyki t-studeta jest wy sza od wartoœci krytyczej. Wartoœæ krytycz¹ odczytujemy z tablic t-studeta dla zadaego poziomu istotoœci ( = 0,05) i liczbie stopi swobody ( k= 10): t kr =,8. Poiewa : t(10) a =3,019>t kr i t(10) b = 3,900 > t kr mo a stwierdziæ, e parametry aalizowaego modelu s¹ istote..4. Badaie mo liwoœci fizyczej iterpretacji modelu (krok 4) Poiewa aalizoway model reprezetuje zale oœæ kosztów od wielkoœci wydobycia, powiie zatem spe³iaæ astêpuj¹ce za³o eia: 1) wraz ze wzrostem wydobycia koszt powiie ros¹æ (wspó³czyik a >0) ) dla dowolej wielkoœci wydobycia koszt powiie byæ ieujemy (wspó³czyik b 0) Jeœli waruki te ie s¹ spe³ioe model ie odzwierciedla rzeczywistoœci i jest ieprzydaty (iepoprawy). W aalizowaym przyk³adzie oba wspó³czyiki (a i b) s¹ dodatie, pozwalaj¹ wiêc a popraw¹ iterpretacjê modelu..5. Badaie dopuszczaloœci relacji modelu ze wzglêdu a wspó³czyik determiacji R (krok 5) Wspó³czyik determiacji iformuje w jakim procecie zmieoœæ wielkoœci objaœiaej wyjaœiaa jest przez model. Wspó³czyik te przyjmuje wartoœci z przedzia³u (0,1) i im jest wy szy, tym model lepiej objaœia badae zjawisko. Zwykle przyjmuje siê w sposób arbitraly wartoœæ krytycz¹ tego wspó³czyika. W praktyce czêsto uzaje siê, e przy miimalej wartoœci R = 0,6 mo emy model uwa aæ za poprawy. Badaj¹c zale oœæ kosztów od wydobycia w kopaliach wêgla kamieego przyjêto tak¹ wartoœæ wspó³czyika determiacji za wartoœæ krytycz¹. W aalizowaym przyk³adzie wyzaczoa wartoœæ wspó³czyika determiacji wyosi 0,5637. Jest zatem zbyt iska, by model uzaæ za poprawy. W takim przypadku ale y przerwaæ dalsze testowaie modelu i uzaæ go za iepoprawy. Mo a poszukiwaæ iej zale oœci dla pe³ej serii daych lub spróbowaæ wyelimiowaæ iektóre dae miesiêcze, które zaburzaj¹ przebieg regresji liiowej.

9 W wykoywaej przyk³adowej aalizie wykoao krok 13 polegaj¹cy a elimiacji iektórych daych miesiêczych, w których wielkoœci zaksiêgowaych kosztów wyagrodzeñ zacz¹co ró i³a siê od miesiêcy s¹siedich. Po wyelimiowaiu 1 daej miesiêczej (wyagrodzeñ wyp³acoych w grudiu, które obci¹ oe by³y wyp³at¹ pesji barburkowej) otrzymao wyik regresji wykoaej programem Statistica przedstawioy a rysuku Rys. 4. Wyik regresji kosztów wyagrodzeñ od wydobycia w aalizowaej kopali po wyelimiowaiu jedego przypadku Fig. 4. Result of the regressio fuctio of salary costs ad coal productio i the aalysed coal mie after rejectio oe set of data Dla tej serii daych powtórzoo aalizê od pocz¹tku otrzymuj¹c astêpuj¹ce wyiki: Krok 1: Wspó³czyik korelacji R = 0,80 jest wy szy od krytyczego. Krok : Wyzaczoy model ma postaæ K = 9,940 W ,67. Krok 3: Wartoœæ krytycz¹ odczytujemy z tablic t-studeta dla zadaego poziomu istotoœci ( = 0,05) i 9 stopi swobody. Wyosi o t kr =,6. Poiewa : t(9) a = 4,0 > t kr i t(9) b = 6,105 > t kr mo a stwierdziæ, e parametry aalizowaego modelu s¹ istote. Krok 4: Oba wspó³czyiki (a i b) s¹ dodatie, pozwalaj¹ wiêc a popraw¹ iterpretacjê modelu. Krok 5: Wspó³czyik determiacji modelu wyosi 0,603 i jest wy szy od krytyczego. Model mo a zatem uzaæ za poprawy ze wzglêdu a wspó³czyik determiacji..6. Badaie dopuszczaloœci relacji modelu ze wzglêdu a wspó³czyik zmieoœci V (krok 6) Wspó³czyik zmieoœci wyzacza siê ze wzoru: V S ey 100% K (9)

10 36 gdzie: S ey stadardowy b³¹d estymacji = 1197,6, K œredia wartoœæ zmieej K: K i K 1 i (10) Wspó³czyik zmieoœci V powiie przyjmowaæ jak ajmiejsze wartoœci. W praktyce przyjmuje siê, e model jest poprawy ze wzglêdu a wspó³czyik zmieoœci, jeœli wspó³czyik te jest miejszy od wartoœci przyjêtej arbitralie, zwykle a poziomie 10%. W aalizowaym przyk³adzie œredia wartoœæ zmieej K dla =11 przypadków wyosi 13064, zatem V = 9,%. Wspó³czyik te jest i szy od wartoœci krytyczej, ale y wiêc uzaæ, e relacja modelu jest wyzaczoa poprawie ze wzglêdu a wspó³czyik zmieoœci..7. Badaie istotoœci uk³adu wspó³czyików w oparciu o statystykê F-Sedecora (krok 7) Testem F-Sedocora mo emy stwierdziæ, czy parametry stoj¹ce przy zmieych objaœiaj¹cych s¹ ieistote. A parametry te s¹ istote jeœli wyzaczoa wartoœæ F jest wy sza od wartoœci krytyczej: F>F kr. Wartoœæ krytycz¹ odczytuje siê z tablic rozk³adu F-Sedekora dla daego, (k 1) szacowaych parametrów modelu oraz ( k) stopi swobody. A aalizowaym przypadku F(1,9) = 16,179, zaœ wartoœæ krytycza statystyki (odczytaa z tablic) wyosi F kr = 3,36. Uk³ad wspó³czyików jest wiêc istoty. Krok 7 koñczy aalizê parametrów strukturalych modelu. Koleje kroki maj¹ za zadaie weryfikacjê reszt modelu..8. Badaie autokorelacji sk³adika losowego w oparciu o statystykê Durbia-Watsoa (krok 8) Autokorelacja sk³adika losowego mo e wyst¹piæ zw³aszcza w modelach stochastyczych (budowaych w oparciu o szeregi czasowe) a przyk³ad z powodu opóÿieia wystêpowaia zmieej objaœiaej (kosztów) w stosuku do zmieej objaœiaj¹cej (wydobycie). Empirycza wartoœæ statystyki Durbia-Watsoa wyra oa jest wzorem:

11 37 DW t ( e e ) t t1 e t 1 t (11) DW wyzaczaa jest przez program Statistica. Wartoœæ tej statystyki porówuje siê z wartoœciami krytyczymi statystyki Durbia- -Watsoa odczytywaymi z tablic dla zadaego, liczby aalizowaych przypadków oraz liczby zmieych iezale ych w rówaiu regresji (bez wyrazu wolego). Tablice te podaj¹ dwie wielkoœci d L oraz d U. Gdy DW < d L ale y przyj¹æ hipotezê o autokorelacji sk³adika losowego, co ozacza, e model jest iepoprawy. Gdy d L <DW<d U test ie daje odpowiedzi. Nie mo emy odrzuciæ hipotezy o autokorelacji sk³adika losowego, co w praktyce ozacza, e ale y modyfikowaæ model. Gdy DWd U brak autokorelacji sk³adika losowego model jest poprawy. W aalizowaym przyk³adzie wyzaczoa empiryczie wartoœæ statystyki Durbia- -Watsoa to 1,504. Z tablic wartoœci krytyczych rozk³adu Durbia-Watsoa odczytujemy dla = 0,05, =11ik = 1 wartoœci krytycze d L =0,93orazd U = 1,3. Poiewa DW > d U, brak zatem autokorelacji sk³adika losowego..9. Badaie symetrii sk³adika losowego dla ma³ej próby liczba przypadków < 30 rozk³ad t-studeta; dla du ej próby rozk³ad ormaly (krok 9) Podstaw¹ aalizy symetrii sk³adika losowego jest wartoœæ empirycza statystyki t o postaci: t (1) gdzie: liczba aalizowaych przypadków (reszt), 1 liczba reszt dodatich.

12 38 Reszty s¹ symetrycze, a wiêc model jest poprawy jeœli t<t kr. Wartoœæ krytycz¹ wyzacza siê dla ma³ej liczby przypadków ( = <30) z rozk³adu t-studeta, a dla > 30 z rozk³adu ormalego. W aalizowaym przyk³adzie reszty modelu zestawioo w tabeli. Po zliczeiu =11oraz1 = 6, a zatem t = 0,89. Odczytaa z tablic rozk³adu t-studeta wartoœæ krytycza wyosi,6, wiêc t<t kr, wobec czego ie ma podstaw do odrzuceia hipotezy, e reszty maj¹ rozk³ad symetryczy. Model jest zatem poprawy. TABELA Zestawieie reszt aalizowaego modelu dla sprawdzeia symetrii i losowoœci sk³adika losowego TABLE List of residual errors of the model for the purposes of checkig if they are symmetrical ad radom Nr przypadku Reszta Reszty dodatie Reszty ujeme Nr serii , , , , , , , , , , , Razem Badaie losowoœci sk³adika losowego test serii (krok 10) Test serii jest sprawdziaem losowoœci sk³adika losowego. Seriê dla zjawiska stochastyczego staowi¹ podci¹gi sk³adaj¹ce siê z reszt jedego zaku. Badaie polega a zliczeiu liczby serii K i porówaiu z odczyta¹ z tablic testu serii liczb¹ K kr dla parametrów rozk³adu (1,, ), gdzie 1 ozacza liczbê reszt jedego zaku (dodatich), liczbê reszt przeciwego zaku (ujemych) a przyjêty poziom istotoœci. Je eli K>K kr, to sk³adik losowy jest losowy i model jest poprawy.

13 W tabeli zliczoo liczbê serii dla reszt modelu w aalizowaym przyk³adzie. Liczba serii K = 8. Liczba reszt dodatich 1 = 6, zaœ liczba reszt ujemych =5. Odczytaa z tablic testu serii wartoœæ K kr =3. Poiewa K>K kr, mo a przyj¹æ hipotezê, e reszty modelu s¹ losowe. Model jest zatem poprawy Badaie stacjoaroœci sk³adika losowego statystyka t-studeta (krok 11) Sk³adik losowy jest stacjoary jeœli t t kr, gdzie: r t et, 1 r et, (13) a: r et, t1 t1 ( e e)( tt) t ( e e) ( tt) t t1 (14) Wartoœæ t kr odczytuje siê z tablic t-studeta o parametrach (, ). W aalizowaym przyk³adzie t kr,6. W tabeli 3 zestawioo wielkoœci s³u ¹ce wyzaczeiu r e,t wed³ug wzoru (14). Po wstawieiu wyliczoych wartoœci do wzoru (14) otrzymuje siê r e,t = 0,5578, a po zastosowaiu wzoru (13) wartoœæ obliczoej statystyki t =,016. Poiewa t<t kr, sk³adik losowy modelu jest zatem stacjoary..1. Badaie ormaloœci sk³adika losowego test Shapiro-Wilka (krok 1) Normaloœæ sk³adika losowego jest warukiem poprawoœci zastosowaia testów opartych a rozk³adzie ormalym, takich jak t-studeta i Fishera-Sedecora, które zosta³y u yte we wczeœiejszych krokach testowaia modelu. Program Statistica wykouje (miêdzy iymi) test Shapiro-Wilka. Test te polega a obliczeiu statystyki dla reszt ustawioych w kolejoœci iemalej¹cej:

14 40 TABELA 3 Tabela pomocicza do wyzaczeia r e,t dla zbadaia stacjoaroœci sk³adia losowego w aalizowaym przyk³adzie TABLE 3 Auxiliary table for estimatio r e,t for the purpose of checkig if the residual errors are statioary t e t et e t t ( et e)( t t) ( e t e) ( t t) , ,65 5, , ,374 5, , ,03 4, , ,474 16, ,91 635,91 3, , ,118 9, , ,35, , ,454 4, ,96 14,9 1,000 14,96 04,371 1, , ,61 0,000 0, ,966 0, , ,67 1, , ,079 1, , ,4, , ,813 4, , ,81 3, , ,670 9, ,40 335,40 4, , ,660 16, , ,77 5, , ,499 5,000 t =6,00 e = 0, ( et e)( t t) = t 1 = 1 017,69 ( et e) = t 1 = ,48 ( t t) = t 1 =110,00 W [ ] i1 ai, ( e( i 1) ei ) t1 ( e e) t (15) gdzie: [/] czêœæ ca³kowita liczby /, a,i wspó³czyiki Shapiro-Wilka, które odczytuje siê z tablic wspó³czyików Shapiro-Wilka. Wyzaczo¹ empiryczie wartoœæ W porówuje siê wartoœci¹ krytycz¹ K kr odczytywa¹ z tablicy testu Shapiro-Wilka dla zadaego poziomu istotoœci i iloœci aalizowaych reszt. Jeœli W>K kr, mo emy przyj¹æ, e rozk³ad reszt jest ormaly.

15 Program Statistica podaje rówie istotoœæ rozk³adu reszt p, który ale y porówaæ z zadaym poziomem istotoœci dla modelu. Reszty maj¹ rozk³ad ormaly jeœli istotoœæ rozk³adu tych reszt jest wy sza od zadaego poziom istotoœci. W aalizowaym przyk³adzie histogram reszt wygl¹da jak przedstawioo a rysuku Rys. 5. Histogram reszt modelu w aalizowaym przyk³adzie Fig. 5. Histogram of the residual error of the model i the aalysed example W aalizowaym przypadku odczytaa z tablic Shapiro-Wilka wartoœæ krytycza K kr = = 0,850 i jest i sza od statystyki wyzaczoej empiryczie. Rówoczeœie wyzaczoa programem Statistica istotoœæ rozk³adu p = 0,7466 jest zacz¹co wy sza od za³o oego poziomu istotoœci = 0,05. Ozacza to, e reszty maj¹ rozk³ad ormaly. Krok te koñczy weryfikacjê modelu ekoometryczego. Pozytywa odpowiedÿ a wszystkie postawioe pytaia pozwala a stwierdzeie, e model wyzaczoo poprawie. Negatywa odpowiedÿ a pytaie zadae w dowolym kroku sugeruje, e baday model jest skostruoway iepoprawie. Mo a wówczas odst¹piæ od poszukiwaia modelu lub dokoaæ aalizy i weryfikacji daych do modelu..13. Elimiacja daych odstaj¹cych (krok 13) Program Statistica posiada rozbudowae arzêdzie wyró iaia daych, które odbiegaj¹ od iych. Reszty przedstawiae s¹ a stadaryzowaych wykresach rozrzutu, pozwalaj¹c

16 4 a ³atwe wyszukaie przypadków zawieraj¹cych dae odstaj¹ce. Takie reszty sugeruj¹ wyst¹pieie zdarzeñ zaburzaj¹cych ormal¹ pracê kopali. Mog¹ to byæ gwa³towe spadki wydobycia spowodowae awari¹ albo adzwyczaje okoliczoœci powoduj¹ce wzrost kosztu poad zwyk³y poziom. Jeœli istieje podejrzeie wyst¹pieia takiego zjawiska, to z serii aalizowaych daych ale y wyelimiowaæ te pary daych, które s¹ jego efektem. Ka da decyzja o elimiacji kokretego przypadku powia byæ poprzedzoa merytorycz¹ oce¹ przyczy jego wyst¹pieia. Nale y rówie wprowadziæ limit liczby wyelimiowaych przypadków, aby ie budowaæ modelu a si³ê poprzez pozostawieie tylko takich daych, które wpasowuj¹ siê w za³o oy model. W przedstawioym schemacie budowy modelu ekoometryczego za³o oo, e maksymala liczba wyelimiowaych przypadków ie mo e przekraczaæ 0% pierwotej liczby aalizowaych serii daych. Podsumowaie Przedstawioa procedura budowy i weryfikacji modelu liiowego pomiêdzy wielkoœci¹ wydobycia a pooszoymi kosztami jest procedur¹ uiwersal¹ maj¹c¹ zastosowae do poszukiwaia zale oœci liiowych pomiêdzy dowolymi wielkoœciami. Procedura ta zawiera zarówo badaie uzyskaych parametrów strukturalych modelu, jak rówie badaie reszt modelu w celu wyelimiowaia wioskowaia a podstawie modeli uzyskaych przez przyjêcie ieprawid³owych za³o eñ. Dopiero pe³a weryfikacja modelu upowa ia a wioskowaia a jego podstawie. Dla prowadzoej w tej pracy aalizy kosztów wyagrodzeñ w fukcji wydobycia w jedej z kopalñ wêgla kamieego, po przeprowadzoej pozytywie weryfikacji, mo a stwierdziæ, e fukcj¹ liiow¹ opisuj¹c¹ tê zale oœæ jest fukcja: K = 9,940 W ,67 Ozacza to, e w roku 006 koszt sta³y w tej kopali wyosi³ (œredio miesiêczie) Ks = 7 998,67 tys. z³, a jedostkowy koszt zmiey k jz = 9,94 z³/mg. Po zastosowaiu rówaia (7) mo a stwierdziæ, e udzia³ kosztów zmieych w kosztach wyagrodzeñ w tej kopali wyiós³ 38,8%. Modele ekoometrycze, a w szczególoœci wioski jakie z ich mo a wyci¹g¹æ, maj¹ szerokie zastosowaie do zarz¹dzaia produkcj¹ (Gawlik 007a, b; ucki 1988; Przyby³a 004). Wa e jest jedak, by modele te by³y budowae poprawie. Wielu iedoœwiadczoych badaczy koñczy poszukiwaie fukcji regresji w momecie uzyskaia wystarczaj¹co wysokiego wspó³czyika R, ie do koñca zdaj¹c sobie sprawê, e pos³u eie siê metod¹ ajmiejszych kwadratów by³o ieuzasadioe z powodu iespe³ieia podstawowych za³o eñ tej metody.

17 Opracoway i przedstawioy schemat budowy i weryfikacji modelu liiowego staowiæ mo e pomoc w ustaleiu kolejoœci dzia³añ w dziele tworzeia modelu. Koleje kroki ustawioe s¹ bowiem w kolejoœci od ajmiej do ajbardziej pracoch³oych. Przedstawioy tutaj model liiowy z jed¹ zmie¹ objaœiaj¹c¹ jest modelem ajprostszym. Jego postaæ jest przydata do okreœleia udzia³u kosztów sta³ych i zmieych w aalizowaym koszcie. Nale y jedak zdawaæ sobie sprawê, e rzeczywiste zale oœci miêdzy badaymi wielkoœciami ie zawsze s¹ tak proste. Zale oœæ miêdzy kosztami i wydobyciem mo e przybieraæ i¹ i liiowa postaæ. Koszty mog¹ zale eæ od wiêcej i jedej zmieej objaœiaj¹cej. Postaæ aalitycza modelu powia zatem byæ dostosowaa do celu jakiemu badaia modelowe maj¹ s³u yæ. 43 LITERATURA Badaia kosztów pozyskaia wêgla kamieego i bruatego w celu okreœleia optymalej struktury paliwowej produkcji eergii elektryczej. Red. L. Gawlik, Wyd. IGSMiE PAN, Kraków 006. B r z y c h c z y E., 007 Budowa modeli ekoometryczych wybraych parametrów techiczo-ekoomiczych kopali wêgla kamieego. Wiadomoœci Góricze r 11, s B r z y c h c z y E., 008 Weryfikacja modeli ekoometryczych opracowaych dla potrzeb aalizy charakterystyk techiczo ekoomiczych kopalñ wêgla kamieego. Wiadomoœci Góricze r 3, s C z o p e k K., 003 Koszty sta³e i zmiee. Teoria Praktyka. Cz. 1 Fukcja prostoliiowa. Wyd. Art-Tekst, Kraków. Ekoometria. Metody i aaliza problemów ekoomiczych. Red. K. Jajuga. Wyd. Akademii Ekoomiczej we Wroc³awiu Ekoometria. Metody, przyk³ady, zadaia. Red. J. Dziechciarz. Wyd. Akademii Ekoomiczej we Wroc³awiu 003. G a w l i k L., 007a Koszty sta³e i zmiee pozyskaia wêgla kamieego jako elemet zarz¹dzaia produkcj¹, Polityka Eergetycza t. 10, z. spec., s G a w l i k L., 007b Zastosowaie kosztów sta³ych i zmieych pozyskaia wêgla do ocey efektywoœci kopali, [W:] Szko³a ekoomiki i zarz¹dzaia w górictwie 007, s u c k i Z, 1988 Modele ekoometrycze do zarz¹dzaia w górictwie aftowym. ZN AGH, Zagadieia techiczo-ekoomicze r 1. P r z y b y ³ a H., 004 Wykorzystaie modeli statystyczych w oceie i progozowaiu wyików produkcyjych i ekoomiczych górictwa wêgla kamieego, [W:] Szko³a ekoomiki i zarz¹dzaia w górictwie 004, s W e l f e A., 003 Ekoometria. PWE, Warszawa. Wprowadzeie do ekoometrii w przyk³adach i zadaiach. Red. K. Kuku³a. PWN, Warszawa Z a j ¹ c K., 1976 Zarys metod statystyczych. PWE Warszawa. Z e m k e J. Weryfikacja modelu ekoometryczego. Materia³y iteretowe. BUDOWA I WERYFIKACJA MODELU EKONOMETRYCZNEGO DLA OKREŒLENIA LINIOWEJ ZALE NOŒCI POMIÊDZY KOSZTAMI POZYSKANIA WÊGLA A WIELKOŒCI WYDOBYCIA S³owa kluczowe Modele ekoometrycze, model liiowy, koszty pozyskaia wêgla

18 44 Streszczeie W pracy przedstawioo i opisao koleje kroki iezbêde do budowy modelu ekoometryczego maj¹cego za zadaie opisaie zale oœci pomiêdzy kosztami a wielkoœci¹ produkcji w kopali wêgla kamieego. Zadaie sprowadza siê do poszukiwaia modelu liiowego z jed¹ zmie¹ objaœiaj¹c¹. Przedstawioo matematyczy zapis problemu oraz mo liwoœæ zastosowaia modelu do wyzaczeia udzia³u kosztów zmieych w aalizowaym koszcie produkcji. Opracowao schemat budowy i weryfikacji takiego modelu w oparciu o literaturê tematu, uwzglêdiaj¹c jedoczeœie specyfikê wykorzystaych arzêdzi wspomagaj¹cych proces modelowaia Program Statistica v Zastosowaie tego programu wspomaga proces weryfikacji modelu, gdy program sam wyzacza szereg statystyk powalaj¹cych a omiiêcie procesu ich obliczaia. Do szacowaia modelu zastosowao metodê ajmiejszych kwadratów. Dlatego szczegól¹ uwagê zwrócoo a problem weryfikacji modelu, tak by spe³ia³ o za³o eia le ¹ce u podstaw stosowaia tej metody. Zapropoowao weryfikacjê parametrów strukturalych modelu oraz wszechstro¹ weryfikacjê reszt. Schemat pe³ej weryfikacji modelu sk³ada siê z 13 kroków. W ka dym z kroków opisao procedurê iezbêd¹ dla zweryfikowaia badaej cechy modelu oraz podao waruek jaki musi byæ spe³ioy, by mo a by³o przejœæ do kroku astêpego. W przypadku braku pozytywej weryfikacji w dowolym z kroków ale y albo zmodyfikowaæ seriê daych wejœciowych, albo zrezygowaæ z modelu. Podao waruki elimiacji iektórych daych wejœciowych. Przedstawioy schemat zilustrowao buduj¹c model zale oœci kosztów wyagrodzeñ od wydobycia dla jedej z kopalñ wêgla kamieego. Model te zosta³ zweryfikoway pozytywie i zosta³ u yty do okreœleia udzia³u kosztów zmieych w kosztach wyagrodzeñ w tej kopali. CONSTRUCTION AND VALIDATION OF ECONOMETRIC MODEL OF LINEAR DEPENDENCE BETWEEN COSTS AND COAL PRODUCTION LEVEL Key words Ecoometric models, liear model, cost of coal productio Abstract The paper presets the sequece of steps that are ecessary to costruct a ecoometric model aimed to describe the depedecy betwee cost ad productio i coal mie. The task is delimited to liear model with oe explaatory variable. The mathematic equatio of the problem is give ad the possibility of model applicatio for evaluatio the share of variable costs i aalysed costs is show. The diagram of the process of costructio ad validatio of the model was worked out basig o a wide bibliography ad it takes ito accout the usage of Statistica v. 6.0 program. The program facilitates the process of model verificatio as it estimates a rage of statistics. The least square method is applied for the model estimatio. That is why the special attetio is paid to the validatio of the model to assure that the assumptios eeded for applicatio of the method are fulfilled. Verificatio of the structural parameters of the model is advised as well as multidimesioal check out of residual errors. The scheme of full verificatio of the model cosists of 13 steps. I each step the procedure of validatio the particular feature of the model compoets is described ad the criteria of positive verificatio are give. Oly the positive result of validatio etitles for goig to the ext step of the process. I case of egative verificatio at ay step it is ecessary to modify the set of iput data or reformulate the model. The coditios of rejectio of some iput data are give. The procedure is illustrated with the process of costructio ad validatio of the model where the costs of salaries are depedet from coal productio level i oe of coal mies. The model was fully verified ad fially is used for evaluatio the share of variable costs i salary costs i the coal mie.

gdy wielomian p(x) jest podzielny bez reszty przez trójmian kwadratowy x rx q. W takim przypadku (5.10)

gdy wielomian p(x) jest podzielny bez reszty przez trójmian kwadratowy x rx q. W takim przypadku (5.10) 5.5. Wyznaczanie zer wielomianów 79 gdy wielomian p(x) jest podzielny bez reszty przez trójmian kwadratowy x rx q. W takim przypadku (5.10) gdzie stopieñ wielomianu p 1(x) jest mniejszy lub równy n, przy

Bardziej szczegółowo

EKONOMETRIA. Temat wykładu: Co to jest model ekonometryczny? Dobór zmiennych objaśniających w modelu ekonometrycznym CZYM ZAJMUJE SIĘ EKONOMETRIA?

EKONOMETRIA. Temat wykładu: Co to jest model ekonometryczny? Dobór zmiennych objaśniających w modelu ekonometrycznym CZYM ZAJMUJE SIĘ EKONOMETRIA? EKONOMETRIA Temat wykładu: Co to jest model ekoometryczy? Dobór zmieych objaśiających w modelu ekoometryczym Prowadzący: dr iż. Zbigiew TARAPATA e-mail: Zbigiew.Tarapata Tarapata@isi.wat..wat.edu.pl http://

Bardziej szczegółowo

STATYSTYKA I ANALIZA DANYCH

STATYSTYKA I ANALIZA DANYCH TATYTYKA I ANALIZA DANYCH Zad. Z pewej partii włókie weły wylosowao dwie próbki włókie, a w każdej z ich zmierzoo średicę włókie różymi metodami. Otrzymao astępujące wyiki: I próbka: 50; średia średica

Bardziej szczegółowo

Czas trwania obligacji (duration)

Czas trwania obligacji (duration) Czas rwaia obligacji (duraio) Do aalizy ryzyka wyikającego ze zmia sóp proceowych (szczególie ryzyka zmiay cey) wykorzysuje się pojęcie zw. średiego ermiu wykupu obligacji, zwaego rówież czasem rwaia obligacji

Bardziej szczegółowo

1. Wnioskowanie statystyczne. Ponadto mianem statystyki określa się także funkcje zmiennych losowych o

1. Wnioskowanie statystyczne. Ponadto mianem statystyki określa się także funkcje zmiennych losowych o 1. Wioskowaie statystycze. W statystyce idetyfikujemy: Cecha-Zmiea losowa Rozkład cechy-rozkład populacji Poadto miaem statystyki określa się także fukcje zmieych losowych o tym samym rozkładzie. Rozkłady

Bardziej szczegółowo

Ćwiczenia rachunkowe TEST ZGODNOŚCI χ 2 PEARSONA ROZKŁAD GAUSSA

Ćwiczenia rachunkowe TEST ZGODNOŚCI χ 2 PEARSONA ROZKŁAD GAUSSA Aaliza iepewości pomiarowych w esperymetach fizyczych Ćwiczeia rachuowe TEST ZGODNOŚCI χ PEARSONA ROZKŁAD GAUSSA UWAGA: Na stroie, z tórej pobrałaś/pobrałeś istrucję zajduje się gotowy do załadowaia arusz

Bardziej szczegółowo

Ćwiczenia nr 5. TEMATYKA: Regresja liniowa dla prostej i płaszczyzny

Ćwiczenia nr 5. TEMATYKA: Regresja liniowa dla prostej i płaszczyzny TEMATYKA: Regresja liiowa dla prostej i płaszczyzy Ćwiczeia r 5 DEFINICJE: Regresja: metoda statystycza pozwalająca a badaie związku pomiędzy wielkościami daych i przewidywaie a tej podstawie iezaych wartości

Bardziej szczegółowo

Wp³yw wdro enia Zintegrowanego Systemu Informatycznego na przewagê konkurencyjn¹ Grupy LOTOS SA

Wp³yw wdro enia Zintegrowanego Systemu Informatycznego na przewagê konkurencyjn¹ Grupy LOTOS SA Wp³yw wdro eia Zitegrowaego Systemu Iformatyczego a przewagê kokurecyj¹ Grupy LOTOS SA Warszawa, 22 listopada 2004 r. Tadeusz Rogaczewski, Szef Biura Zarz¹dzaia Iformatyk¹ Warszawa, 22 listopada 2004 r.

Bardziej szczegółowo

Zeszyty naukowe nr 9

Zeszyty naukowe nr 9 Zeszyty aukowe r 9 Wyższej Szkoły Ekoomiczej w Bochi 2011 Piotr Fijałkowski Model zależości otowań giełdowych a przykładzie otowań ołowiu i spółki Orzeł Biały S.A. Streszczeie Niiejsza praca opisuje próbę

Bardziej szczegółowo

SYMULACJA STOCHASTYCZNA W ZASTOSOWANIU DO IDENTYFIKACJI FUNKCJI GÊSTOŒCI PRAWDOPODOBIEÑSTWA WYDOBYCIA

SYMULACJA STOCHASTYCZNA W ZASTOSOWANIU DO IDENTYFIKACJI FUNKCJI GÊSTOŒCI PRAWDOPODOBIEÑSTWA WYDOBYCIA Górnictwo i Geoin ynieria Rok 29 Zeszyt 4 2005 Ryszard Snopkowski* SYMULACJA STOCHASTYCZNA W ZASTOSOWANIU DO IDENTYFIKACJI FUNKCJI GÊSTOŒCI PRAWDOPODOBIEÑSTWA WYDOBYCIA 1. Wprowadzenie W monografii autora

Bardziej szczegółowo

3. Regresja liniowa Założenia dotyczące modelu regresji liniowej

3. Regresja liniowa Założenia dotyczące modelu regresji liniowej 3. Regresja liiowa 3.. Założeia dotyczące modelu regresji liiowej Aby moża było wykorzystać model regresji liiowej, muszą być spełioe astępujące założeia:. Relacja pomiędzy zmieą objaśiaą a zmieymi objaśiającymi

Bardziej szczegółowo

Korelacja i regresja. Dr Joanna Banaś Zakład Badań Systemowych Instytut Sztucznej Inteligencji i Metod Matematycznych. Wykład 12

Korelacja i regresja. Dr Joanna Banaś Zakład Badań Systemowych Instytut Sztucznej Inteligencji i Metod Matematycznych. Wykład 12 Wykład Korelacja i regresja Dr Joaa Baaś Zakład Badań Systemowych Istytut Sztuczej Iteligecji i Metod Matematyczych Wydział Iformatyki Politechiki Szczecińskiej Wykład 8. Badaie statystycze ze względu

Bardziej szczegółowo

MINIMALIZACJA PUSTYCH PRZEBIEGÓW PRZEZ ŚRODKI TRANSPORTU

MINIMALIZACJA PUSTYCH PRZEBIEGÓW PRZEZ ŚRODKI TRANSPORTU Przedmiot: Iformatyka w logistyce Forma: Laboratorium Temat: Zadaie 2. Automatyzacja obsługi usług logistyczych z wykorzystaiem zaawasowaych fukcji oprogramowaia Excel. Miimalizacja pustych przebiegów

Bardziej szczegółowo

X i. X = 1 n. i=1. wartość tej statystyki nazywana jest wartością średnią empiryczną i oznaczamy ją symbolem x, przy czym x = 1. (X i X) 2.

X i. X = 1 n. i=1. wartość tej statystyki nazywana jest wartością średnią empiryczną i oznaczamy ją symbolem x, przy czym x = 1. (X i X) 2. Zagadieia estymacji Puktem wyjścia badaia statystyczego jest wylosowaie z całej populacji pewej skończoej liczby elemetów i zbadaie ich ze względu a zmieą losową cechę X Uzyskae w te sposób wartości x,

Bardziej szczegółowo

3. Tworzenie próby, błąd przypadkowy (próbkowania) 5. Błąd standardowy średniej arytmetycznej

3. Tworzenie próby, błąd przypadkowy (próbkowania) 5. Błąd standardowy średniej arytmetycznej PODSTAWY STATYSTYKI 1. Teoria prawdopodobieństwa i elemety kombiatoryki 2. Zmiee losowe i ich rozkłady 3. Populacje i próby daych, estymacja parametrów 4. Testowaie hipotez 5. Testy parametrycze 6. Testy

Bardziej szczegółowo

(wymiar macierzy trójk¹tnej jest równy liczbie elementów na g³ównej przek¹tnej). Z twierdzen 1 > 0. Zatem dla zale noœci

(wymiar macierzy trójk¹tnej jest równy liczbie elementów na g³ównej przek¹tnej). Z twierdzen 1 > 0. Zatem dla zale noœci 56 Za³ó my, e twierdzenie jest prawdziwe dla macierzy dodatnio okreœlonej stopnia n 1. Macierz A dodatnio okreœlon¹ stopnia n mo na zapisaæ w postaci n 1 gdzie A n 1 oznacza macierz dodatnio okreœlon¹

Bardziej szczegółowo

Metoda analizy hierarchii Saaty ego Ważnym problemem podejmowania decyzji optymalizowanej jest często występująca hierarchiczność zagadnień.

Metoda analizy hierarchii Saaty ego Ważnym problemem podejmowania decyzji optymalizowanej jest często występująca hierarchiczność zagadnień. Metoda aalizy hierarchii Saaty ego Ważym problemem podejmowaia decyzji optymalizowaej jest często występująca hierarchiczość zagadień. Istieje wiele heurystyczych podejść do rozwiązaia tego problemu, jedak

Bardziej szczegółowo

Rys Mo liwe postacie funkcji w metodzie regula falsi

Rys Mo liwe postacie funkcji w metodzie regula falsi 5.3. Regula falsi i metoda siecznych 73 Rys. 5.1. Mo liwe postacie funkcji w metodzie regula falsi Rys. 5.2. Przypadek f (x), f (x) > w metodzie regula falsi 74 V. Równania nieliniowe i uk³ady równañ liniowych

Bardziej szczegółowo

1 Testy statystyczne. 2 Rodzaje testów

1 Testy statystyczne. 2 Rodzaje testów 1 Testy statystycze Podczas sprawdzaia hipotez statystyczych moga¾ wystapić ¾ dwa rodzaje b ¾edów. Prawdopodobieństwo b ¾edu polegajacego ¾ a odrzuceiu hipotezy zerowej (H 0 ), gdy jest oa prawdziwa, czyli

Bardziej szczegółowo

Projektowanie procesów logistycznych w systemach wytwarzania

Projektowanie procesów logistycznych w systemach wytwarzania GABRIELA MAZUR ZYGMUNT MAZUR MAREK DUDEK Projektowanie procesów logistycznych w systemach wytwarzania 1. Wprowadzenie Badania struktury kosztów logistycznych w wielu krajach wykaza³y, e podstawowym ich

Bardziej szczegółowo

Warszawska Giełda Towarowa S.A.

Warszawska Giełda Towarowa S.A. KONTRAKT FUTURES Poprzez kontrakt futures rozumiemy umowę zawartą pomiędzy dwoma stronami transakcji. Jedna z nich zobowiązuje się do kupna, a przeciwna do sprzedaży, w ściśle określonym terminie w przyszłości

Bardziej szczegółowo

Statystyczna analiza danych w programie STATISTICA. Dariusz Gozdowski. Katedra Doświadczalnictwa i Bioinformatyki Wydział Rolnictwa i Biologii SGGW

Statystyczna analiza danych w programie STATISTICA. Dariusz Gozdowski. Katedra Doświadczalnictwa i Bioinformatyki Wydział Rolnictwa i Biologii SGGW Statystyczna analiza danych w programie STATISTICA ( 4 (wykład Dariusz Gozdowski Katedra Doświadczalnictwa i Bioinformatyki Wydział Rolnictwa i Biologii SGGW Regresja prosta liniowa Regresja prosta jest

Bardziej szczegółowo

będą niezależnymi zmiennymi losowymi z rozkładu jednostajnego na przedziale ( 0,

będą niezależnymi zmiennymi losowymi z rozkładu jednostajnego na przedziale ( 0, Zadaie iech X, X,, X 6 będą iezależymi zmieymi losowymi z rozkładu jedostajego a przedziale ( 0, ), a Y, Y,, Y6 iezależymi zmieymi losowymi z rozkładu jedostajego a przedziale ( 0, ), gdzie, są iezaymi

Bardziej szczegółowo

Wprowadzenie do laboratorium 1

Wprowadzenie do laboratorium 1 Wprowadzeie do laboratorium 1 Etymacja jedorówaiowego modelu popytu a bilety loticze Etapy budowy modelu ekoometryczego Specyfikacja modelu Zebraie daych tatytyczych Etymacja parametrów modelu Weryfikacja

Bardziej szczegółowo

Rachunek prawdopodobieństwa i statystyka W12: Statystyczna analiza danych jakościowych. Dr Anna ADRIAN Paw B5, pok 407 adan@agh.edu.

Rachunek prawdopodobieństwa i statystyka W12: Statystyczna analiza danych jakościowych. Dr Anna ADRIAN Paw B5, pok 407 adan@agh.edu. Rachuek prawdopodobieństwa i statystyka W12: Statystycza aaliza daych jakościowych Dr Aa ADRIAN Paw B5, pok 407 ada@agh.edu.pl Wprowadzeie Rozróżia się dwa typy daych jakościowych: Nomiale jeśli opisują

Bardziej szczegółowo

Estymacja przedziałowa

Estymacja przedziałowa Metody probabilistycze i statystyka Estymacja przedziałowa Dr Joaa Baaś Zakład Badań Systemowych Istytut Sztuczej Iteligecji i Metod Matematyczych Wydział Iformatyki Politechiki Szczecińskiej Metody probabilistycze

Bardziej szczegółowo

Trzeba pokazać, że dla każdego c 0 c Mc 0. ) = oraz det( ) det( ) det( ) jest macierzą idempotentną? Proszę odpowiedzieć w

Trzeba pokazać, że dla każdego c 0 c Mc 0. ) = oraz det( ) det( ) det( ) jest macierzą idempotentną? Proszę odpowiedzieć w Zad Dae są astępujące macierze: A =, B, C, D, E 0. 0 = = = = 0 Wykoaj astępujące działaia: a) AB, BA, C+E, DE b) tr(a), tr(ed), tr(b) c) det(a), det(c), det(e) d) A -, C Jeśli działaia są iewykoale, to

Bardziej szczegółowo

Repetytorium z Matematyki Elementarnej Wersja Olimpijska

Repetytorium z Matematyki Elementarnej Wersja Olimpijska Repetytorium z Matematyi Elemetarej Wersja Olimpijsa Podae tutaj zadaia rozwiązywae były w jedej z grup ćwiczeiowych Są w więszości ieco trudiejsze od pozostałych zadań przygotowaych w ramach przedmiotu

Bardziej szczegółowo

Planowanie organizacji robót budowlanych na podstawie analizy nakładów pracy zasobów czynnych

Planowanie organizacji robót budowlanych na podstawie analizy nakładów pracy zasobów czynnych Budowictwo i Architektura 12(1) (2013) 39-46 Plaowaie orgaizacji robót budowlaych a podstawie aalizy akładów pracy zasobów czyych Roma Marcikowski 1 1 Istytut Budowictwa, Wydział Budowictwa Mechaiki i

Bardziej szczegółowo

BQR FMECA/FMEA. czujnik DI CPU DO zawór. Rys. 1. Schemat rozpatrywanego systemu zabezpieczeniowego PE

BQR FMECA/FMEA. czujnik DI CPU DO zawór. Rys. 1. Schemat rozpatrywanego systemu zabezpieczeniowego PE BQR FMECA/FMEA Przed rozpoczęcem aalzy ależy przeprowadzć dekompozycję systemu a podsystemy elemety. W efekce dekompozycj uzyskuje sę klka pozomów: pozom systemu, pozomy podsystemów oraz pozom elemetów.

Bardziej szczegółowo

3.2 Warunki meteorologiczne

3.2 Warunki meteorologiczne Fundacja ARMAAG Raport 1999 3.2 Warunki meteorologiczne Pomiary podstawowych elementów meteorologicznych prowadzono we wszystkich stacjach lokalnych sieci ARMAAG, równolegle z pomiarami stê eñ substancji

Bardziej szczegółowo

SPECYFIKACJA ISTOTNYCH WARUNKÓW ZAMÓWIENIA DLA PRZETARGU NIEOGRANICZONEGO CZĘŚĆ II OFERTA PRZETARGOWA

SPECYFIKACJA ISTOTNYCH WARUNKÓW ZAMÓWIENIA DLA PRZETARGU NIEOGRANICZONEGO CZĘŚĆ II OFERTA PRZETARGOWA Powiat Wrocławski z siedzibą władz przy ul. Kościuszki 131, 50-440 Wrocław, tel/fax. 48 71 72 21 740 SPECYFIKACJA ISTOTNYCH WARUNKÓW ZAMÓWIENIA DLA PRZETARGU NIEOGRANICZONEGO CZĘŚĆ II OFERTA PRZETARGOWA

Bardziej szczegółowo

STATYSTYKA OPISOWA WYKŁAD 1 i 2

STATYSTYKA OPISOWA WYKŁAD 1 i 2 STATYSTYKA OPISOWA WYKŁAD i 2 Literatura: Marek Cieciura, Jausz Zacharski, Metody probabilistycze w ujęciu praktyczym, L. Kowalski, Statystyka, 2005 2 Statystyka to dyscyplia aukowa, której zadaiem jest

Bardziej szczegółowo

TESTY LOSOWOŚCI. Badanie losowości próby - test serii.

TESTY LOSOWOŚCI. Badanie losowości próby - test serii. TESTY LOSOWOŚCI Badaie losowości próby - test serii. W wielu zagadieiach wioskowaia statystyczego istotym założeiem jest losowość próby. Prostym testem do weryfikacji tej własości jest test serii. 1 Dla

Bardziej szczegółowo

PRAWA ZACHOWANIA. Podstawowe terminy. Cia a tworz ce uk ad mechaniczny oddzia ywuj mi dzy sob i z cia ami nie nale cymi do uk adu za pomoc

PRAWA ZACHOWANIA. Podstawowe terminy. Cia a tworz ce uk ad mechaniczny oddzia ywuj mi dzy sob i z cia ami nie nale cymi do uk adu za pomoc PRAWA ZACHOWANIA Podstawowe terminy Cia a tworz ce uk ad mechaniczny oddzia ywuj mi dzy sob i z cia ami nie nale cymi do uk adu za pomoc a) si wewn trznych - si dzia aj cych na dane cia o ze strony innych

Bardziej szczegółowo

PODSTAWY OPRACOWANIA WYNIKÓW POMIARÓW Z ELEMENTAMI ANALIZY NIEPEWNOŚCI POMIAROWYCH

PODSTAWY OPRACOWANIA WYNIKÓW POMIARÓW Z ELEMENTAMI ANALIZY NIEPEWNOŚCI POMIAROWYCH PODSTAWY OPRACOWANIA WYNIKÓW POMIARÓW Z ELEMENTAMI ANALIZY NIEPEWNOŚCI POMIAROWYCH POMIAR FIZYCZNY Pomiar bezpośredi to doświadczeie, w którym przy pomocy odpowiedich przyrządów mierzymy (tj. porówujemy

Bardziej szczegółowo

2.Prawo zachowania masy

2.Prawo zachowania masy 2.Prawo zachowania masy Zdefiniujmy najpierw pewne podstawowe pojęcia: Układ - obszar przestrzeni o określonych granicach Ośrodek ciągły - obszar przestrzeni którego rozmiary charakterystyczne są wystarczająco

Bardziej szczegółowo

Wytwarzanie energii odnawialnej

Wytwarzanie energii odnawialnej Adrzej Nocuñ Waldemar Ostrowski Adrzej Rabszty Miros³aw bik Eugeiusz Miklas B³a ej yp Wytwarzaie eergii odawialej poprzez współspalaie biomasy z paliwami podstawowymi w PKE SA W celu osi¹giêcia zawartego

Bardziej szczegółowo

MATEMATYKA poziom podstawowy Zbiór opracowali Irena O³tuszyk Witold Stachnik

MATEMATYKA poziom podstawowy Zbiór opracowali Irena O³tuszyk Witold Stachnik Zbiór zadañ maturalych MATEMATYKA poziom podstawowy Zbiór opracowali Irea O³tuszyk Witold Stachik Wydawictwo Szkole OMEGA Kraków 018 Copyright 018 by Wydawictwo Szkole OMEGA Projekt ok³adki: Jacek Kawa

Bardziej szczegółowo

Mo emy dostarczyæ równie przepustnice jednop³aszczyznowe sterowane rêcznie lub si³ownikiem.

Mo emy dostarczyæ równie przepustnice jednop³aszczyznowe sterowane rêcznie lub si³ownikiem. PODSTWY UNIWERSLNE DO WENTYLTORÓW DOWY PU i PUT ZSTOSOWNIE Podstawy owe s³u ¹ do zamocowaia ów owych OWD; WDVOS; WDVOS; WDVS; WDVS; WDJ; WDJV oraz WD i WD PLUS. Wykoywae s¹ jako uiwersale PU i jako uiwersale

Bardziej szczegółowo

Jarosław Wróblewski Analiza Matematyczna 1, zima 2016/17

Jarosław Wróblewski Analiza Matematyczna 1, zima 2016/17 Egzami, 18.02.2017, godz. 9:00-11:30 Zadaie 1. (22 pukty) W każdym z zadań 1.1-1.10 podaj w postaci uproszczoej kresy zbioru oraz apisz, czy kresy ależą do zbioru (apisz TAK albo NIE, ewetualie T albo

Bardziej szczegółowo

ma rozkład złożony Poissona z oczekiwaną liczbą szkód równą λ i rozkładem wartości pojedynczej szkody takim, że Pr( Y

ma rozkład złożony Poissona z oczekiwaną liczbą szkód równą λ i rozkładem wartości pojedynczej szkody takim, że Pr( Y Zadaie. Łącza wartość szkód z pewego ubezpieczeia W = Y + Y +... + YN ma rozkład złożoy Poissoa z oczekiwaą liczbą szkód rówą λ i rozkładem wartości pojedyczej szkody takim, że ( Y { 0,,,3,... }) =. Niech:

Bardziej szczegółowo

DWP. NOWOή: Dysza wentylacji po arowej

DWP. NOWOŒÆ: Dysza wentylacji po arowej NOWOŒÆ: Dysza wentylacji po arowej DWP Aprobata Techniczna AT-15-550/2007 SMAY Sp. z o.o. / ul. Ciep³ownicza 29 / 1-587 Kraków tel. +48 12 78 18 80 / fax. +48 12 78 18 88 / e-mail: info@smay.eu Przeznaczenie

Bardziej szczegółowo

Wyk ad II. Stacjonarne szeregi czasowe.

Wyk ad II. Stacjonarne szeregi czasowe. Wyk ad II. Stacjonarne szeregi czasowe. W wi ekszości przypadków poszukiwanie modelu, który dok adnie by opisywa zachowanie sk adnika losowego " t, polega na analizie pewnej klasy losowych ciagów czasowych

Bardziej szczegółowo

art. 488 i n. ustawy z dnia 23 kwietnia 1964 r. Kodeks cywilny (Dz. U. Nr 16, poz. 93 ze zm.),

art. 488 i n. ustawy z dnia 23 kwietnia 1964 r. Kodeks cywilny (Dz. U. Nr 16, poz. 93 ze zm.), Istota umów wzajemnych Podstawa prawna: Księga trzecia. Zobowiązania. Dział III Wykonanie i skutki niewykonania zobowiązań z umów wzajemnych. art. 488 i n. ustawy z dnia 23 kwietnia 1964 r. Kodeks cywilny

Bardziej szczegółowo

Zadanie 2 Niech,,, będą niezależnymi zmiennymi losowymi o identycznym rozkładzie,.

Zadanie 2 Niech,,, będą niezależnymi zmiennymi losowymi o identycznym rozkładzie,. Z adaie Niech,,, będą iezależymi zmieymi losowymi o idetyczym rozkładzie ormalym z wartością oczekiwaą 0 i wariacją. Wyzaczyć wariację zmieej losowej. Wskazówka: pokazać, że ma rozkład Γ, ODP: Zadaie Niech,,,

Bardziej szczegółowo

IV. UK ADY RÓWNAÑ LINIOWYCH

IV. UK ADY RÓWNAÑ LINIOWYCH IV. UK ADY RÓWNAÑ LINIOWYCH 4.1. Wprowadzenie Uk³ad równañ liniowych gdzie A oznacza dan¹ macierz o wymiarze n n, a b dany n-elementowy wektor, mo e byæ rozwi¹zany w skoñczonej liczbie kroków za pomoc¹

Bardziej szczegółowo

Statystyka matematyczna 2015/2016

Statystyka matematyczna 2015/2016 Statystyka matematyczna 2015/2016 nazwa przedmiotu SYLABUS B. Informacje szczegółowe Elementy składowe Opis sylabusu Nazwa przedmiotu Statystyka matematyczna Kod przedmiotu 0600-FS2-2SM Nazwa jednostki

Bardziej szczegółowo

III. GOSPODARSTWA DOMOWE, RODZINY I GOSPODARSTWA ZBIOROWE

III. GOSPODARSTWA DOMOWE, RODZINY I GOSPODARSTWA ZBIOROWE III. GOSPODARSTWA DOMOWE, RODZINY I GOSPODARSTWA ZBIOROWE 1. GOSPODARSTWA DOMOWE I RODZINY W województwie łódzkim w maju 2002 r. w skład gospodarstw domowych wchodziło 2587,9 tys. osób. Stanowiły one 99,0%

Bardziej szczegółowo

ANALIZA INSTRUMENTALNA. Instrukcja laboratoryjna 6

ANALIZA INSTRUMENTALNA. Instrukcja laboratoryjna 6 Politechika Wrocławska Wydział Iżyierii Środowiska Studia stacjoare drugiego stopia we Wrocławiu, SOWiG ANALIZA INSTRUMENTALNA Istrukcja laboratoryja 6 Ozaczaie ilościowe rtęci w próbce stałej i ciekłej

Bardziej szczegółowo

Metrologia: miary dokładności. dr inż. Paweł Zalewski Akademia Morska w Szczecinie

Metrologia: miary dokładności. dr inż. Paweł Zalewski Akademia Morska w Szczecinie Metrologia: miary dokładości dr iż. Paweł Zalewski Akademia Morska w Szczeciie Miary dokładości: Najczęściej rozkład pomiarów w serii wokół wartości średiej X jest rozkładem Gaussa: Prawdopodobieństwem,

Bardziej szczegółowo

Ćwiczenie nr 14. Porównanie doświadczalnego rozkładu liczby zliczeń w zadanym przedziale czasu z rozkładem Poissona

Ćwiczenie nr 14. Porównanie doświadczalnego rozkładu liczby zliczeń w zadanym przedziale czasu z rozkładem Poissona Ćwiczeie r 4 Porówaie doświadczalego rozkładu liczby zliczeń w zadaym przedziale czasu z rozkładem Poissoa Studeta obowiązuje zajomość: Podstawowych zagadień z rachuku prawdopodobieństwa, Zajomość rozkładów

Bardziej szczegółowo

VRRK. Regulatory przep³ywu CAV

VRRK. Regulatory przep³ywu CAV Regulatory przep³ywu CAV VRRK SMAY Sp. z o.o. / ul. Ciep³ownicza 29 / 1-587 Kraków tel. +48 12 680 20 80 / fax. +48 12 680 20 89 / e-mail: info@smay.eu Przeznaczenie Regulator sta³ego przep³ywu powietrza

Bardziej szczegółowo

EKONOMETRIA dr inż.. ALEKSANDRA ŁUCZAK Uniwersytet Przyrodniczy w Poznaniu Katedra Finansów w i Rachunkowości ci Zakład Metod Ilościowych Collegium Maximum,, pokój j 617 Tel. (61) 8466091 luczak@up.poznan.pl

Bardziej szczegółowo

Podstawowe pojęcia: Populacja. Populacja skończona zawiera skończoną liczbę jednostek statystycznych

Podstawowe pojęcia: Populacja. Populacja skończona zawiera skończoną liczbę jednostek statystycznych Podstawowe pojęcia: Badanie statystyczne - zespół czynności zmierzających do uzyskania za pomocą metod statystycznych informacji charakteryzujących interesującą nas zbiorowość (populację generalną) Populacja

Bardziej szczegółowo

Elementy modelowania matematycznego

Elementy modelowania matematycznego Elemety modelowaia matematyczego Wstęp Jakub Wróblewski jakubw@pjwstk.edu.pl http://zajecia.jakubw.pl/ TEMATYKA PRZEDMIOTU Modelowaie daych (ilościowe): Metody statystycze: estymacja parametrów modelu,

Bardziej szczegółowo

REGULAMIN STYPENDIALNY FUNDACJI NA RZECZ NAUKI I EDUKACJI TALENTY

REGULAMIN STYPENDIALNY FUNDACJI NA RZECZ NAUKI I EDUKACJI TALENTY REGULAMIN STYPENDIALNY FUNDACJI NA RZECZ NAUKI I EDUKACJI TALENTY Program opieki stypendialnej Fundacji Na rzecz nauki i edukacji - talenty adresowany jest do młodzieży ponadgimnazjalnej uczącej się w

Bardziej szczegółowo

ANALIZA DANYCH DYSKRETNYCH

ANALIZA DANYCH DYSKRETNYCH ZJAZD ESTYMACJA Jest to metoda wioskowaia statystyczego. Umożliwia oa oszacowaie wartości iteresującego as parametru a podstawie badaia próbki. Estymacja puktowa polega a określeiu fukcji zwaej estymatorem,

Bardziej szczegółowo

1. Wstêp. 2. Metodyka i zakres badañ WP YW DODATKÓW MODYFIKUJ CYCH NA PODSTAWOWE W AŒCIWOŒCI ZAWIESIN Z POPIO ÓW LOTNYCH Z ELEKTROWNI X

1. Wstêp. 2. Metodyka i zakres badañ WP YW DODATKÓW MODYFIKUJ CYCH NA PODSTAWOWE W AŒCIWOŒCI ZAWIESIN Z POPIO ÓW LOTNYCH Z ELEKTROWNI X Górnictwo i Geoin ynieria Rok 29 Zeszyt 4 2005 Jan Palarski*, Franciszek Plewa*, Piotr Pierzyna* WP YW DODATKÓW MODYFIKUJ CYCH NA PODSTAWOWE W AŒCIWOŒCI ZAWIESIN Z POPIO ÓW LOTNYCH Z ELEKTROWNI X 1. Wstêp

Bardziej szczegółowo

Regulamin przeprowadzania rokowań na sprzedaż lub oddanie w użytkowanie wieczyste nieruchomości stanowiących własność Gminy Wałbrzych

Regulamin przeprowadzania rokowań na sprzedaż lub oddanie w użytkowanie wieczyste nieruchomości stanowiących własność Gminy Wałbrzych Załącznik nr 2 do Zarządzenia nr 901/2012 Prezydenta Miasta Wałbrzycha z dnia 19.11.2012 r. Regulamin przeprowadzania rokowań na sprzedaż lub oddanie w użytkowanie wieczyste nieruchomości stanowiących

Bardziej szczegółowo

(Tekst ujednolicony zawierający zmiany wynikające z uchwały Rady Nadzorczej nr 58/2011 z dnia 22.02.2011 r.)

(Tekst ujednolicony zawierający zmiany wynikające z uchwały Rady Nadzorczej nr 58/2011 z dnia 22.02.2011 r.) (Tekst ujednolicony zawierający zmiany wynikające z uchwały Rady Nadzorczej nr 58/2011 z dnia 22.02.2011 r.) REGULAMIN REALIZACJI WYMIANY STOLARKI OKIENNEJ W SPÓŁDZIELNI MIESZKANIOWEJ RUBINKOWO W TORUNIU

Bardziej szczegółowo

Podstawy opracowania wyników pomiarów z elementami analizy niepewności pomiarowych (w zakresie materiału przedstawionego na wykładzie organizacyjnym)

Podstawy opracowania wyników pomiarów z elementami analizy niepewności pomiarowych (w zakresie materiału przedstawionego na wykładzie organizacyjnym) Podstawy opracowaia wyików pomiarów z elemetami aalizepewości pomiarowych (w zakresie materiału przedstawioego a wykładzie orgaizacyjym) Pomiary Wyróżiamy dwa rodzaje pomiarów: pomiar bezpośredi, czyli

Bardziej szczegółowo

Innym wnioskiem z twierdzenia 3.10 jest

Innym wnioskiem z twierdzenia 3.10 jest 38 Innym wnioskiem z twierdzenia 3.10 jest Wniosek 3.2. Jeœli funkcja f ma ci¹g³¹ pochodn¹ rzêdu n + 1 na odcinku [a, b] zawieraj¹cym wêz³y rzeczywiste x i (i = 0, 1,..., k) i punkt x, to istnieje wartoœæ

Bardziej szczegółowo

Regulator ciœnienia ssania typu KVL

Regulator ciœnienia ssania typu KVL Regulator ciœnienia ssania typu KVL Wprowadzenie jest montowany na przewodzie ssawnym, przed sprê ark¹. KVL zabezpiecza silnik sprê arki przed przeci¹ eniem podczas startu po d³u szym czasie postoju albo

Bardziej szczegółowo

(0) (1) (0) Teoretycznie wystarczy wzi¹æ dowoln¹ macierz M tak¹, by (M) < 1, a nastêpnie obliczyæ wektor (4.17)

(0) (1) (0) Teoretycznie wystarczy wzi¹æ dowoln¹ macierz M tak¹, by (M) < 1, a nastêpnie obliczyæ wektor (4.17) 4.6. Metody iteracyjne 65 Z definicji tej wynika, e istnieje skalar, taki e Av = v. Liczbê nazywamy wartoœci¹ w³asn¹ macierzy A. Wartoœci w³asne macierzy A s¹ pierwiastkami wielomianu charakterystycznego

Bardziej szczegółowo

Roczne zeznanie podatkowe 2015

Roczne zeznanie podatkowe 2015 skatteetaten.no Informacje dla pracowników zagranicznych Roczne zeznanie podatkowe 2015 W niniejszej broszurze znajdziesz skrócony opis tych pozycji w zeznaniu podatkowym, które dotyczą pracowników zagranicznych

Bardziej szczegółowo

PRÓBNY EGZAMIN MATURALNY Z MATEMATYKI

PRÓBNY EGZAMIN MATURALNY Z MATEMATYKI PRÓBNY EGZAMIN MATURALNY Z MATEMATYKI POZIOM ROZSZERZONY Czas pracy 80 minut Instrukcja dla zdaj¹cego. SprawdŸ, czy arkusz egzaminacyjny zawiera stron (zadania 0). Ewentualny brak zg³oœ przewodnicz¹cemu

Bardziej szczegółowo

E k o n o m e t r i a S t r o n a 1

E k o n o m e t r i a S t r o n a 1 E k o n o m e t r i a S t r o n a Liniowy model ekonometryczny Jednorównaniowy liniowy model ekonometryczny (model regresji wielorakiej) można zapisać w postaci: y = α + α x + α x +... + α x + ε, t =,,...,

Bardziej szczegółowo

Analiza algorytmów to dział informatyki zajmujcy si szukaniem najefektywniejszych, poprawnych algorytmów dla danych problemów komputerowych

Analiza algorytmów to dział informatyki zajmujcy si szukaniem najefektywniejszych, poprawnych algorytmów dla danych problemów komputerowych Temat: Poprawo całkowita i czciowa algorytmu. Złooo obliczeiowa algorytmu. Złooo czasowa redia i pesymistycza. Rzd fukcji. I. Literatura 1. L. Baachowski, K. Diks, W. Rytter Algorytmy i struktury daych.

Bardziej szczegółowo

Załącznik nr 4 WZÓR - UMOWA NR...

Załącznik nr 4 WZÓR - UMOWA NR... WZÓR - UMOWA NR... Załącznik nr 4 zawarta w dniu we Wrocławiu pomiędzy: Wrocławskim Zespołem Żłobków z siedzibą we Wrocławiu przy ul. Fabrycznej 15, 53-609 Wrocław, NIP 894 30 25 414, REGON 021545051,

Bardziej szczegółowo

ZAPROSZENIE DO ZŁOŻENIA OFERTY

ZAPROSZENIE DO ZŁOŻENIA OFERTY Wasz znak: Nasz znak: DZ/3840/1/2/2016 Wrocław, dnia 05 lutego 2016 r. ZAPROSZENIE DO ZŁOŻENIA OFERTY na postępowanie o udzielenie zamówienia publicznego o szacunkowej wartości, która nie przekracza wyrażonej

Bardziej szczegółowo

PRÓG RENTOWNOŚCI i PRÓG

PRÓG RENTOWNOŚCI i PRÓG PRÓG RENTOWNOŚCI i PRÓG WYPŁACALNOŚCI (MB) Próg rentowności (BP) i margines bezpieczeństwa Przychody Przychody Koszty Koszty całkowite Koszty stałe Koszty zmienne BP Q MB Produkcja gdzie: BP próg rentowności

Bardziej szczegółowo

WYDZIAŁ ELEKTRYCZNY POLITECHNIKI WARSZAWSKIEJ INSTYTUT ELEKTROENERGETYKI ZAKŁAD ELEKTROWNI I GOSPODARKI ELEKTROENERGETYCZNEJ

WYDZIAŁ ELEKTRYCZNY POLITECHNIKI WARSZAWSKIEJ INSTYTUT ELEKTROENERGETYKI ZAKŁAD ELEKTROWNI I GOSPODARKI ELEKTROENERGETYCZNEJ WYDZIAŁ ELEKTRYCZNY POLITECHNIKI WARSZAWSKIEJ INSTYTUT ELEKTROENERGETYKI ZAKŁAD ELEKTROWNI I GOSPODARKI ELEKTROENERGETYCZNEJ LABORATORIUM RACHUNEK EKONOMICZNY W ELEKTROENERGETYCE INSTRUKCJA DO ĆWICZENIA

Bardziej szczegółowo

Æwiczenia laboratoryjne z fizyki Czêœæ I

Æwiczenia laboratoryjne z fizyki Czêœæ I Ryszard Poprawski W³odzimierz Salejda Æwiczeia laboratoryje z fizyki Czêœæ I Zasady opracowaia wyików pomiarów Wydaie V Oficya Wydawicza Politechiki Wroc³awskiej Wroc³aw 005 Recezeci Ryszard CACH Ewa DÊBOWSKA

Bardziej szczegółowo

Wykład 5 Przedziały ufności. Przedział ufności, gdy znane jest σ. Opis słowny / 2

Wykład 5 Przedziały ufności. Przedział ufności, gdy znane jest σ. Opis słowny / 2 Wykład 5 Przedziały ufości Zwykle ie zamy parametrów populacji, p. Chcemy określić a ile dokładie y estymuje Kostruujemy przedział o środku y, i taki, że mamy 95% pewości, że zawiera o Nazywamy go 95%

Bardziej szczegółowo

SIGMA KWADRAT LUBELSKI KONKURS STATYSTYCZNO- DEMOGRAFICZNY

SIGMA KWADRAT LUBELSKI KONKURS STATYSTYCZNO- DEMOGRAFICZNY SIGMA KWADRAT LUBELSKI KONKURS STATYSTYCZNO- DEMOGRAFICZNY Weryfikacja hipotez statystyczych WNIOSKOWANIE STATYSTYCZNE Wioskowaie statystycze, to proces uogóliaia wyików uzyskaych a podstawie próby a całą

Bardziej szczegółowo

Regulamin rekrutacji. do II Liceum Ogólnokształcącego w Jaśle im. ppłk J.Modrzejewskiego. na rok szkolny 2014/2015

Regulamin rekrutacji. do II Liceum Ogólnokształcącego w Jaśle im. ppłk J.Modrzejewskiego. na rok szkolny 2014/2015 Zarządzenie nr 6/2014 Dyrektora II Liceum Ogólnokształcącego w Jaśle im. ppłk J.Modrzejewskiego z dnia 27 lutego 2014r w sprawie: regulaminu rekrutacji na rok szkolny 2014/2015 na podstawie: ustawy z dnia

Bardziej szczegółowo

Prace domowe z matematyki Semestr zimowy 2010/2011. Zoa Zieli«ska-Kolasi«ska

Prace domowe z matematyki Semestr zimowy 2010/2011. Zoa Zieli«ska-Kolasi«ska Prace domowe z matematyki Semestr zimowy 2010/2011 Zoa Zieli«ska-Kolasi«ska 5 pa¹dzierika 2010 Rozdziaª 0 Uwagi Prace domowe ie s obowi zkowe aczkolwiek zach cam gor co do ich robieia i oddawaia mi a kartkach.

Bardziej szczegółowo

2. Schemat ideowy układu pomiarowego

2. Schemat ideowy układu pomiarowego 1. Wiadomości ogóle o prostowikach sterowaych Układy prostowikowe sterowae są przekształtikami sterowaymi fazowo. UmoŜliwiają płya regulację średiej wartości apięcia wyprostowaego, a tym samym średiej

Bardziej szczegółowo

WYMAGANIA EDUKACYJNE SPOSOBY SPRAWDZANIA POSTĘPÓW UCZNIÓW WARUNKI I TRYB UZYSKANIA WYŻSZEJ NIŻ PRZEWIDYWANA OCENY ŚRÓDROCZNEJ I ROCZNEJ

WYMAGANIA EDUKACYJNE SPOSOBY SPRAWDZANIA POSTĘPÓW UCZNIÓW WARUNKI I TRYB UZYSKANIA WYŻSZEJ NIŻ PRZEWIDYWANA OCENY ŚRÓDROCZNEJ I ROCZNEJ WYMAGANIA EDUKACYJNE SPOSOBY SPRAWDZANIA POSTĘPÓW UCZNIÓW WARUNKI I TRYB UZYSKANIA WYŻSZEJ NIŻ PRZEWIDYWANA OCENY ŚRÓDROCZNEJ I ROCZNEJ Anna Gutt- Kołodziej ZASADY OCENIANIA Z MATEMATYKI Podczas pracy

Bardziej szczegółowo

DE-WZP.261.11.2015.JJ.3 Warszawa, 2015-06-15

DE-WZP.261.11.2015.JJ.3 Warszawa, 2015-06-15 DE-WZP.261.11.2015.JJ.3 Warszawa, 2015-06-15 Wykonawcy ubiegający się o udzielenie zamówienia Dotyczy: postępowania prowadzonego w trybie przetargu nieograniczonego na Usługę druku książek, nr postępowania

Bardziej szczegółowo

Podstawowe działania w rachunku macierzowym

Podstawowe działania w rachunku macierzowym Podstawowe działania w rachunku macierzowym Marcin Detka Katedra Informatyki Stosowanej Kielce, Wrzesień 2004 1 MACIERZE 1 1 Macierze Macierz prostokątną A o wymiarach m n (m wierszy w n kolumnach) definiujemy:

Bardziej szczegółowo

UCHWAŁA NR 1 Nadzwyczajnego Walnego Zgromadzenia Spółki ABS Investment S.A. z siedzibą w Bielsku-Białej z dnia 28 lutego 2013 roku

UCHWAŁA NR 1 Nadzwyczajnego Walnego Zgromadzenia Spółki ABS Investment S.A. z siedzibą w Bielsku-Białej z dnia 28 lutego 2013 roku UCHWAŁA NR 1 w sprawie: wyboru Przewodniczącego Walnego Zgromadzenia Działając na podstawie art. 409 1 kodeksu spółek handlowych oraz 32 ust. 1 Statutu Spółki Nadzwyczajne Walne Zgromadzenie Spółki ABS

Bardziej szczegółowo

Ogłoszenie o zwołaniu Nadzwyczajnego Walnego Zgromadzenia Spółki na dzień 27 czerwca 2016 r.

Ogłoszenie o zwołaniu Nadzwyczajnego Walnego Zgromadzenia Spółki na dzień 27 czerwca 2016 r. Ogłoszenie o zwołaniu Nadzwyczajnego Walnego Zgromadzenia Spółki na dzień 27 czerwca 2016 r. Piotr Dubicki oraz Romuald Olbrych działając na podstawie upoważnienia zawartego w postanowieniu z dnia 28 kwietnia

Bardziej szczegółowo

Zasady tworzenia baz danych na potrzeby symulacji stochastycznej kosztów produkcji w polach œcianowych

Zasady tworzenia baz danych na potrzeby symulacji stochastycznej kosztów produkcji w polach œcianowych GOSPODARKA SUROWCAMI MINERALNYMI Tom 23 2007 Zeszyt 2 ROMAN MAGDA*, STANIS AW G ODZIK**, TADEUSZ WO NY** Zasady tworzenia baz danych na potrzeby symulacji stochastycznej kosztów produkcji w polach œcianowych

Bardziej szczegółowo

EKONOMETRIA II SYLABUS A. Informacje ogólne

EKONOMETRIA II SYLABUS A. Informacje ogólne EKONOMETRIA II SYLABUS A. Informacje ogólne Nazwa kierunku studiów Poziom kształcenia Profil studiów Forma studiów Kod Język Rodzaj Rok studiów /semestr Wymagania wstępne (tzw. sekwencyjny system zajęć

Bardziej szczegółowo

Krótka informacja o instytucjonalnej obs³udze rynku pracy

Krótka informacja o instytucjonalnej obs³udze rynku pracy Agnieszka Miler Departament Rynku Pracy Ministerstwo Gospodarki, Pracy i Polityki Spo³ecznej Krótka informacja o instytucjonalnej obs³udze rynku pracy W 2000 roku, zosta³o wprowadzone rozporz¹dzeniem Prezesa

Bardziej szczegółowo

EGZAMIN MATURALNY Z INFORMATYKI MAJ 2011 POZIOM ROZSZERZONY WYBRANE: CZĘŚĆ I. Czas pracy: 90 minut. Liczba punktów do uzyskania: 20 WPISUJE ZDAJĄCY

EGZAMIN MATURALNY Z INFORMATYKI MAJ 2011 POZIOM ROZSZERZONY WYBRANE: CZĘŚĆ I. Czas pracy: 90 minut. Liczba punktów do uzyskania: 20 WPISUJE ZDAJĄCY Cetrala Komisja Egzamiacyja Arkusz zawiera iformacje prawie chroioe do mometu rozpoczęcia egzamiu. Układ graficzy CKE 2010 KOD WISUJE ZDAJĄCY ESEL Miejsce a aklejkę z kodem EGZAMIN MATURALNY Z INORMATYKI

Bardziej szczegółowo

Modele tendencji rozwojowej STATYSTYKA OPISOWA. Dr Alina Gleska. Instytut Matematyki WE PP. 18 listopada 2017

Modele tendencji rozwojowej STATYSTYKA OPISOWA. Dr Alina Gleska. Instytut Matematyki WE PP. 18 listopada 2017 STATYSTYKA OPISOWA Dr Alia Gleska Istytut Matematyki WE PP 18 listopada 2017 1 Metoda aalitycza Metoda aalitycza przyjmujemy założeie, że zmiay zjawiska w czasie moża przedstawić jako fukcję zmieej czasowej

Bardziej szczegółowo

Miary statystyczne. Katowice 2014

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

Bardziej szczegółowo

ZASTOSOWANIE MODELU CIE Lab W BADANIACH BARWY LOTNYCH POPIOŁÓW

ZASTOSOWANIE MODELU CIE Lab W BADANIACH BARWY LOTNYCH POPIOŁÓW 3-2012 PROBLEMY EKSPLOATACJI 177 Jarosław MOLENDA, Małgorzata WRONA, ElŜbieta SIWIEC Istytut Techologii Eksploatacji PIB, Radom ZASTOSOWANIE MODELU CIE Lab W BADANIACH BARWY LOTNYCH POPIOŁÓW Słowa kluczowe

Bardziej szczegółowo

RZECZPOSPOLITA POLSKA. Prezydent Miasta na Prawach Powiatu Zarząd Powiatu. wszystkie

RZECZPOSPOLITA POLSKA. Prezydent Miasta na Prawach Powiatu Zarząd Powiatu. wszystkie RZECZPOSPOLITA POLSKA Warszawa, dnia 11 lutego 2011 r. MINISTER FINANSÓW ST4-4820/109/2011 Prezydent Miasta na Prawach Powiatu Zarząd Powiatu wszystkie Zgodnie z art. 33 ust. 1 pkt 2 ustawy z dnia 13 listopada

Bardziej szczegółowo

Ekonometria Mirosław Wójciak

Ekonometria Mirosław Wójciak Ekoometria Mirosław Wójciak Literatura obowiązkowa Barczak A, ST. Biolik J, Podstawy Ekoometrii, Wydawictwo AE Katowice, Katowice 1998 Dziechciarz J. Ekoometria Metody, przykłady, zadaia (wyd. ) Kukuła

Bardziej szczegółowo

Wniosek o dofinansowanie zakupu podręczników w roku szkolnym 2014/2015

Wniosek o dofinansowanie zakupu podręczników w roku szkolnym 2014/2015 Wniosek o dofinansowanie zakupu podręczników w roku szkolnym 2014/2015 (nie dotyczy uczniów słabowidzących, niesłyszących, słabosłyszących, z upośledzeniem umysłowym w stopniu lekkim, z upośledzeniem umysłowym

Bardziej szczegółowo

Prawdopodobieństwo i statystyka r.

Prawdopodobieństwo i statystyka r. Zadaie. Wykoujemy rzuty symetryczą kością do gry do chwili uzyskaia drugiej szóstki. Niech Y ozacza zmieą losową rówą liczbie rzutów w których uzyskaliśmy ie wyiki iż szóstka a zmieą losową rówą liczbie

Bardziej szczegółowo

Adres strony internetowej, na której Zamawiający udostępnia Specyfikację Istotnych Warunków Zamówienia: www.mcs-przychodnia.pl

Adres strony internetowej, na której Zamawiający udostępnia Specyfikację Istotnych Warunków Zamówienia: www.mcs-przychodnia.pl Adres strony internetowej, na której Zamawiający udostępnia Specyfikację Istotnych Warunków Zamówienia: www.mcs-przychodnia.pl Warszawa: Dostawa materiałów i wypełnień stomatologicznych dla Mazowieckiego

Bardziej szczegółowo

Zapytanie ofertowe. (do niniejszego trybu nie stosuje się przepisów Ustawy Prawo Zamówień Publicznych)

Zapytanie ofertowe. (do niniejszego trybu nie stosuje się przepisów Ustawy Prawo Zamówień Publicznych) Kraków, dn. 15 września 2015 r. Zapytanie ofertowe (do niniejszego trybu nie stosuje się przepisów Ustawy Prawo Zamówień Publicznych) W związku z realizacją przez Wyższą Szkołę Europejską im. ks. Józefa

Bardziej szczegółowo

Projektowanie bazy danych

Projektowanie bazy danych Projektowanie bazy danych Pierwszą fazą tworzenia projektu bazy danych jest postawienie definicji celu, założeo wstępnych i określenie podstawowych funkcji aplikacji. Każda baza danych jest projektowana

Bardziej szczegółowo

Załącznik do zarządzenia Rektora Krakowskiej Akademii im. Andrzeja Frycza Modrzewskiego Nr 8/2013 z 4 marca 2013 r.

Załącznik do zarządzenia Rektora Krakowskiej Akademii im. Andrzeja Frycza Modrzewskiego Nr 8/2013 z 4 marca 2013 r. Załącznik do zarządzenia Rektora Krakowskiej Akademii im. Andrzeja Frycza Modrzewskiego Nr 8/2013 z 4 marca 2013 r. Zasady i tryb przyznawania oraz wypłacania stypendiów za wyniki w nauce ze Studenckiego

Bardziej szczegółowo

Ogłoszenie o zwołaniu Zwyczajnego Walnego Zgromadzenia IDM Spółka Akcyjna w upadłości układowej z siedzibą w Krakowie na dzień 30 czerwca 2015 roku

Ogłoszenie o zwołaniu Zwyczajnego Walnego Zgromadzenia IDM Spółka Akcyjna w upadłości układowej z siedzibą w Krakowie na dzień 30 czerwca 2015 roku Ogłoszenie o zwołaniu Zwyczajnego Walnego Zgromadzenia IDM Spółka Akcyjna w upadłości układowej z siedzibą w Krakowie na dzień 30 czerwca 2015 roku Zarząd Spółki IDM Spółka Akcyjna w upadłości układowej

Bardziej szczegółowo