1. Relacja preferencji
|
|
- Łukasz Mucha
- 8 lat temu
- Przeglądów:
Transkrypt
1 dr Mchał Koopczyńsk EKONOMIA MATEMATYCZNA Wykłady, 2, 3 (a podstawe skryptu r 65) Relaca preferec koszyk towarów: przestrzeń towarów: R + = { x R x 0} x = ( x,, x ) X X R+ x 0 x 0 =, 2,, x~y xf y x y x y x~y Nektóre własośc relac preferec: a) x, y X x y y x (zupełość), b) x, y, z X (x y) (y z) x z (przechodość) c) x, y X xf y y f x x ~ y d) (x y y x ~ y e) (x y (y ) xfy f) (x y yfz) xfz g) x, y, z X ( xf y y f z) x f z, h) x, y, z X ( x ~ y y f z) x f z Wykłady -3 Mchał Koopczyńsk
2 Defca 2 Obszarem oboętośc względem daego koszyka x X azywamy zbór K x wszystkch koszyków ależących do przestrze towarów X dyferetych z koszykem x, co zapsuemy: K = { y X x ~ y} x W przypadku gdy =2 obszar oboętośc azywamy róweż krzywą oboętośc Defca 4 Relacę preferec kosumeta azywamy cągłą a przestrze towarów X, eżel take otoczea Uε ( X, Uε ( y) X, że: x, y X, xf y steą x ' U, y' U ( y) x' f y' ε ( ε Defca 6 Lową kombacą wypukłą koszyków azywamy każdy koszyk z postac x, y R + z = α x + βy, gdze α β są takm dowolym lczbam rzeczywstym, że α, β 0 oraz α + β = Defca 5 Relacę preferec azywamy sle wypukłą a przestrze towarów X, eżel α, β > 0 : α + β =, x, y X spełoy est waruek: (x y, x y ) α x + βyf y Wykłady -3 2 Mchał Koopczyńsk
3 Twerdzee 2 Jeżel relaca preferec est sle wypukła, to α, β > 0 : α + β = spełoe są waruk: () x, y X ( xf y, x y) α x + βy f y, () () x, y X ( x ~ y, x y) α x + βyf y, x, y X ( x ~ y, x y) α x + βyf x 2 Fukca użyteczośc Defca 2 Fukcą użyteczośc kosumeta azywamy określoą a przestrze towarów R + fukcę + u : R R R + spełaącą dla dowole pary koszyków x,y waruk: () u( > u(y) xfy, () u( = u(y) x~y Twerdzee 2 Jeżel u = u( est fukcą użyteczośc zwązaą z relacą preferec P oraz g = g(u) est fukcą rosącą (względem u), to fukca złożoa g ( = g( u( ) est fukcą użyteczośc zwązaą z tą samą relacą preferec P Wykłady -3 3 Mchał Koopczyńsk
4 Twerdzee 22 Jeżel X R+ = relaca preferec est cągła a przestrze towarów X, to stee cągła fukca użyteczośc u : R+ R opsuąca tę relacę Defca 22 Fukca R + u : R+ R est cągła w pukce x, eżel dla każdego cągu { } = x puktów ależących do R + zbeżego do x, cąg { ( )} = u x est zbeży do u(, co zapsuemy ( x R + x u( x ) u( Defca 23 Fukca u : R+ R est cągła a R +, eżel est R + cągła w każdym pukce x Twerdzee 23 Jeżel fukca użyteczośc cągła a u : R+ R est R +, to relaca preferec, którą ta fukca opsue, est też cągła a R + Wykłady -3 4 Mchał Koopczyńsk
5 Defca 25 Fukcę eżel u : R+ R azywamy rosącą a x, y R + prawdzwa est mplkaca: R +, ( x y x y) u ( > u( y) Defca 27 Krańcową użyteczoścą -tego towaru w koszyku x azywamy pochodą cząstkową (perwszego rzędu) u ( u( x, x + x,, u( x = lm x 0 x,, x ) Krańcowa użyteczość -tego towaru formue o le (w przyblżeu) zme sę użyteczość koszyka x, eżel lość -tego towaru wzrośe o edostkę (a lośc pozostałych towarów e ulegą zmae) Jeżel fukca użyteczośc u : R+ R est rosąca sle wklęsła a u( R +, to: x > 0 > 0, =,, x Wykłady -3 5 Mchał Koopczyńsk
6 Defca 24 Fukcę u : R+ R azywamy sle wklęsłą a R +, eżel α, β > 0 : α + β =, x, y R, ( x y) spełoy est waruek: u( α x + βy) > αu( + βu( y) + Twerdzee 24 Jeżel fukca użyteczośc sle wklęsła a u : R+ R est R +, to relaca preferec, którą ta fukca opsue, est sle wypukła a R + Prawo Gossea Jeżel fukca użyteczośc u : R+ R est różczkowala sle wklęsła, to krańcowa użyteczość każdego towaru u( x malee wraz ze wzrostem lośc tego towaru w koszyku x (przy założeu, że lośc pozostałych towarów e ulegaą zmae) Wykłady -3 6 Mchał Koopczyńsk
7 Weźmy dowoly koszyk y > 0 załóżmy, że u( y ) = c > 0 Obszar oboętośc K względem koszyka y (zbór wszystkch koszyków y dyferetych z y) w kategorach fukc użyteczośc moża zapsać w postac { x R u(x = c } Ky = + ) Defca 20 Krańcową stopą substytuc towaru -tego przez towar -ty (w koszyku azywamy wyrażee: s x ( x ) = = lm x 0 x Z defc wyka, że krańcowa stopa substytuc s ( formue o le edostek (w przyblżeu) ależy zwększyć w koszyku x lość -tego towaru przy zmeszeu lośc -tego towaru o edostkę, aby użyteczość koszyka e uległa zmae Defca 2 Elastyczoścą substytuc towaru -tego przez towar -ty (w koszyku azywamy wyrażee: x x / x ε ( x ) = = x x lm x 0 x / Elastyczość substytuc formue o le procet ależy zwększyć w koszyku x lość -tego towaru przy zmeszeu o ede procet lośc -tego towaru, aby użyteczość koszyka e uległa zmae Wykłady -3 7 Mchał Koopczyńsk
8 + Twerdzee 27 Jeżel fukca użyteczośc u : R R speła założee 2 (str46), to rówość: s R + u( u( ( x ) = = : x t spełoa est x u u x s ( ( ε ( = ( = : x x x x 3 Fukca popytu kosumeta Defca 6 Lą (płaszczyzą) budżetową azywamy zbór wszystkch tych koszyków, których kupo wymaga wydaa całego dochodu, t zbór { R p x = I } x, + D(={ x R x I } + Twerdzee 3 Jeżel fukca użyteczośc u : R+ R est cągła sle wklęsła, to I > 0, p > 0 w zborze D( stee dokłade ede optymaly koszyk x spełaący waruek: u ( > u( x D ( x x Wykłady -3 8 Mchał Koopczyńsk
9 ZADANIE MAKSYMALIZACJI UŻYTECZNOŚCI KONSUMPCJI: max u( x I, (3) x 0 Twerdzee 32 Jeżel fukca użyteczośc u : R+ R est rosąca, różczkowala sle wklęsła dla koszyków x > 0, to koszyk x > 0 est rozwązaem optymalym zadaa (3) wtedy tylko wtedy, gdy stee taka lczba λ > 0 (zwaa możkem Lagrage a), że para ( x, λ ) speła astępuący układ + rówań: u( = λp x = I =,, Defca 3 Fukcą popytu kosumeta azywamy odwzorowae + R + R+ ϕ :, które każde parze ( p, I ) > 0 przyporządkowue odpowadaące e rozwązae x = ϕ ( > 0 zadaa maksymalzac użyteczośc kosumpc Twerdzee 33 Jeżel pewe dwe fukce użyteczośc u ( ) u 2 ( opsuą tę samą relacę preferec kosumeta, to odpowada m eda ta sama fukca popytu ϕ ( x Wykłady -3 9 Mchał Koopczyńsk
10 Twerdzee 34 Fukca popytu kosumeta ϕ ( est dodato edoroda stopa zero, tz że: p > 0, I > 0, λ > 0 ϕ( λ λ = ϕ( Twerdzee 36 Wzrost dochodu kosumeta powodue wzrost popytu a przyame ede towar, tz ( > 0 take, że ϕ ( > 0 I Jeżel ze wzrostem dochodu popyt a pewe towar rośe [malee], to tak towar azywamy towarem wyższego rzędu [ższego rzędu] Twerdzee 37 Wzrost cey akegokolwek towaru powodue spadek popytu a przyame ede towar, tz ( > 0 take, że ϕ ( < 0 p Jeżel ze wzrostem cey popyt a pewe towar malee [rośe], to tak towar azywamy towarem ormalym [Gffea] Wykłady -3 0 Mchał Koopczyńsk
11 Twerdzee 38 Jeżel wraz ze wzrostem cey popyt a towar rośe, to wraz ze wzrostem dochodu popyt a te towar malee, tz ( p, > 0 eżel ϕ ( I ) ϕ (, ) > 0, to p I < 0 p I Zatem każdy towar Gffea est towarem ższego rzędu Róweż każdy towar wyższego rzędu est towarem ormalym (eżel wraz ze wzrostem dochodu popyt kosumeta a pewe towar rośe, to wraz ze wzrostem cey tego towaru popyt a te towar spada) Tabela 3 Klasyfkaca towarów ze względu a elastyczość ceową dochodową popytu Elastyczość ceowa Elastyczość dochodowa Towary wyższego rzędu ε d > 0 Towary ższego rzędu ε d < 0 Towary ormale < 0 c ε masło, szyka, samochód margarya, kaszaka, blety tramwaowe Towary Gffea > 0 c ε chleb, zemak w Irlad pod koec XIX weku Wykłady -3 Mchał Koopczyńsk
12 Defca 34 Popytem krańcowym a -ty towar względem cey -tego towaru azywamy pochodą: P c ( = ϕ ( I ) p c W przyblżeu P formue, o le edostek zme sę popyt a -ty towar, eżel cea -tego towaru wzrośe (zmalee) o edostkę (a pozostałe cey dochód kosumeta e ulegą zmae) Defca 35 Elastyczoścą popytu a -ty towar względem cey -tego towaru (elastyczoścą ceową) azywamy fukcę postac: ε c ϕ (,I ) p (,I ) p p = p ϕ ( c ε formue o le procet zme sę popyt a -ty towar, eżel cea -tego towaru wzrośe (zmalee) o ede procet (a pozostałe cey dochód kosumeta e ulegą zmae) Defca 32 Pośredą fukcą użyteczośc azywamy odwzorowae + v : R+ R, które każde parze ( p, I ) > 0 przyporządkowue użyteczość u ( optymalego koszyka x = ϕ ( > 0, będącego rozwązaem zadaa maksymalzac użyteczośc kosumpc Wykłady -3 2 Mchał Koopczyńsk
13 Zauważmy, że pośreda fukca użyteczośc est złożeem fukc użyteczośc z fukcą popytu, co wyrażamy zapsem: v( p, = u( = u( ϕ( ) Defca 33 Krańcową użyteczoścą dochodu azywamy v( pochodą: = I lm I 0 v( I + I ) v( I Krańcowa użyteczość dochodu formue o le wzrośe użyteczość optymalego koszyka, gdy dochód kosumeta wzrośe o edostkę Wykłady -3 3 Mchał Koopczyńsk
Różniczkowanie funkcji rzeczywistych wielu zmiennych. Matematyka Studium doktoranckie KAE SGH Semestr letni 2008/2009 R. Łochowski
Różczkowae fukcj rzeczywstych welu zmeych rzeczywstych Matematyka Studum doktoracke KAE SGH Semestr let 8/9 R. Łochowsk Pochoda fukcj jedej zmeej e spojrzee Nech f : ( α, β ) R, α, β R, α < β Fukcja f
Bardziej szczegółowoPodprzestrzenie macierzowe
Podprzestrzee macerzowe werdzee: Dla dwóch macerzy A B o tych samych wymarach zachodz: ( ) ( ) wersz a) R A R B A ~ B Dowód: wersz a) A ~ B stee P taka że PA B 3 0 A 4 3 0 0 E A B 0 0 0 E B 3 6 4 0 0 0
Bardziej szczegółowoZAGADNIENIE TRANSPORTOWE
ZAGADNIENIE TRANSPORTOWE ZT.. Zagadee trasportowe w postac tablcy Z m puktów (odpowedo A,...,A m ) wysyłamy edorody produkt w loścach a,...,a m do puktów odboru (odpowedo B,...,B ), gdze est odberay w
Bardziej szczegółowoFUNKCJE DWÓCH ZMIENNYCH
FUNKCJE DWÓCH MIENNYCH De. JeŜel kaŝdemu puktow (, ) ze zoru E płaszczz XY przporządkujem pewą lczę rzeczwstą z, to mówm, Ŝe a zorze E określoa została ukcja z (, ). Gd zór E e jest wraźe poda, sprawdzam
Bardziej szczegółowoPERMUTACJE Permutacją zbioru n-elementowego X nazywamy dowolną wzajemnie jednoznaczną funkcję f : X X X
PERMUTACJE Permutacą zboru -elemetowego X azywamy dowolą wzaeme edozaczą fucę f : X X f : X X Przyład permutac X = { a, b, c, d } f (a) = d, f (b) = a, f (c) = c, f (d) = b a b c d Zaps permutac w postac
Bardziej szczegółowoZadania z ekonomii matematycznej Teoria konsumenta
Paweł Kliber Zadania z ekonomii matematycznej Teoria konsumenta Zad Dla podanych niżej funcji użyteczności: (a u (x x = x + x (b u (x x = x x (c u (x x = x x (d u (x x = x x 4 (e u (x x = x + x = x + x
Bardziej szczegółowodr Michał Konopczyński Ekonomia matematyczna ćwiczenia
dr Mchł Koopczńsk Ekoom mtemtcz ćwcze. Ltertur obowązkow Eml Pek red. Podstw ekoom mtemtczej. Mterł do ćwczeń MD r 5 AE Pozń.. Ltertur uzupełjąc Eml Pek Ekoom mtemtcz AE Pozń. Alph C. Chg Podstw ekoom
Bardziej szczegółowoPortfel złożony z wielu papierów wartościowych
Portfel westycyy ćwczea Na odst. Wtold Jurek: Kostrukca aalza, rozdzał 4 dr Mchał Kooczyńsk Portfel złożoy z welu aerów wartoścowych. Zwrot ryzyko Ozaczea: w kwota ulokowaa rzez westora w aery wartoścowe
Bardziej szczegółowoi = 0, 1, 2 i = 0, 1 33,115 1,698 0,087 0,005!0,002 34,813 1,785 0,092 0,003 36,598 1,877 0,095 38,475 1,972 40,447 i = 0, 1, 2, 3
35 Iterpoaca Herte a 3 f ( x f ( x,,, 3, 4 f ( x,,, 3 f ( x,, 3 f ( x, 4 f ( x 33,5,698,87,5!, 34,83,785,9,3 36,598,877,95 38,475,97 4,447 Na podstawe wzoru (38 ay zate 87,, 5, L4 ( t 335, +, 698t+ t(
Bardziej szczegółowoTeoria popytu. Popyt indywidualny konsumenta
Teoria popytu Popyt indywidualny konsumenta Koszyk towarów Definicja 1 Wektor x=(x 1,x 2,x 3,...,x n ) taki, że x i 0 dla każdego i,w którym i-ta współrzędna oznacza ilość towaru nr i, którą konsument
Bardziej szczegółowoProjekt 2 2. Wielomiany interpolujące
Proekt Weloma terpoluące Rodzae welomaów terpoluącc uma edomaów Nec w przedzale a, b określoa będze fukca f: ec będze ustaloc m wartośc argumetu :,,, m, m L prz czm: < < L < < m m Pukt o tc odcztac azwa
Bardziej szczegółowoN ( µ, σ ). Wyznacz estymatory parametrów µ i. Y które są niezależnymi zmiennymi losowymi.
3 Metody estymacj N ( µ, σ ) Wyzacz estymatory parametrów µ 3 Populacja geerala ma rozład ormaly mometów wyorzystując perwszy momet zwyły drug momet cetraly z prób σ metodą 3 Zmea losowa ma rozład geometryczy
Bardziej szczegółowoteorii optymalizacji
Poltechka Gdańska Wydzał Oceaotechk Okrętowctwa St. II stop. se. I Podstawy teor optyalzac wykład 7 M. H. Ghae Ma 5 Podstawy teor optyalzac Oceaotechka II stop. se. I 5 Podstawy teor optyalzac Oceaotechka
Bardziej szczegółowoEKSTREMA FUNKCJI EKSTREMA FUNKCJI JEDNEJ ZMIENNEJ. Tw. Weierstrassa Każda funkcja ciągła na przedziale domkniętym ma wartość najmniejszą i największą.
Joaa Ceślak, aula Bawej ESTREA FUNCJI ESTREA FUNCJI JEDNEJ ZIENNEJ Otoczeem puktu R jest każdy przedzał postac,+, gdze >. Sąsedztwem puktu jest każdy zbór postac,,+, gdze >. Nech R, : R oraz ech. De. ówmy,
Bardziej szczegółowoMatematyka dyskretna. 10. Funkcja Möbiusa
Matematyka dyskreta 10. Fukcja Möbusa Defcja 10.1 Nech (P, ) będze zborem uporządkowaym. Mówmy, że zbór uporządkoway P jest lokale skończoy, jeśl każdy podzał [a, b] P jest skończoy, a, b P Uwaga 10.1
Bardziej szczegółowoSystem finansowy gospodarki
System fasowy gospodark Zajęca r 7 Krzywa retowośc, zadaa (mat. f.), marża w hadlu, NPV IRR, Ustawa o kredyce kosumeckm, fukcje fasowe Excela Krzywa retowośc (dochodowośc) Yeld Curve Krzywa ta jest grafczym
Bardziej szczegółowoPolitechnika Gdańska Wydział Elektrotechniki i Automatyki Katedra Inżynierii Systemów Sterowania MODELOWANIE I PODSTAWY IDENTYFIKACJI
Poltechka Gdańska Wydzał Elektrotechk Automatyk Katedra Iżyer Systemów Sterowaa MODELOWANIE I PODSAWY IDENYFIKACI Wybrae zagadea z optymalzacj. Materały pomoccze do zajęć ćwczeowych 5 Opracowae: Kazmerz
Bardziej szczegółowoPermutacje. } r ( ) ( ) ( ) 1 2 n. f = M. Przybycień Matematyczne Metody Fizyki I Wykład 2-2
Permutacje { 2,,..., } Defcja: Permutacją zboru lczb azywamy dowolą różowartoścową fukcję określoą a tym zborze o wartoścach w tym zborze. Uwaga: Lczba wszystkch permutacj wyos! Permutacje zapsujemy w
Bardziej szczegółowo8.1 Zbieżność ciągu i szeregu funkcyjnego
Rozdzał 8 Cąg szereg fukcyje 8.1 Zbeżość cągu szeregu fukcyjego Dla skrócea zapsu przyjmjmy pewe ozaczee. Defcja. Nech X, Y. Przez Y X ozaczamy zbór wszystkch fukcj określoych a zborze X o wartoścach w
Bardziej szczegółowoModele wartości pieniądza w czasie
Joaa Ceślak, Paula Bawej Modele wartośc peądza w czase Podstawowe pojęca ozaczea Kaptał (ag. prcpal), kaptał początkowy, wartośd początkowa westycj - peądze jake zostały wpłacoe a początku westycj (a początku
Bardziej szczegółowoAnaliza Matematyczna Ćwiczenia. J. de Lucas
Aalza Matematycza Ćwczea J. de Lucas Zadae. Oblczyć grace astępujących fucj a lm y 3,y 0,0 b lm y 3 y ++y,y 0,0 +y c lm,y 0,0 + 4 y 4 y d lm y,y 0,0 3 y 3 e lm,y 0,0 +y 4 +y 4 f lm,y 0,0 4 y 6 +y 3 g lm,y
Bardziej szczegółowo5. OPTYMALIZACJA NIELINIOWA
5. OPTYMALIZACJA NIELINIOWA Zdarza sę dość często, że zależośc występujące w aalzowaych procesach (p. ospodarczych) mają charakter elowy. Dlateo też, oprócz lowych zadań decyzyjych, formułujemy także elowe
Bardziej szczegółowoEkonomia matematyczna - 1.2
Ekonomia matematyczna - 1.2 6. Popyt Marshalla, a popyt Hicksa. Poruszać się będziemy w tzw. standardowym polu preferencji X,, gdzie X R n i jest relacją preferencji, która jest: a) rosnąca (tzn. x y x
Bardziej szczegółowoMODELE OBIEKTÓW W 3-D3 część
WYKŁAD 5 MODELE OBIEKTÓW W -D część la wykładu: Kocepcja krzywej sklejaej Jedorode krzywe B-sklejae ejedorode krzywe B-sklejae owerzche Bezera, B-sklejae URBS 1. Kocepcja krzywej sklejaej Istotą z praktyczego
Bardziej szczegółowoZaawansowane metody numeryczne
Zaawasowae metod umercze Programowae lowe (problem dual, program low w lczbach całkowtch) Dualość est kluczowm poęcem programowaa lowego. Pozwala a udowodee że otrzmwae rozwązaa są optmale. Zagadee duale
Bardziej szczegółowoSTATYKA. Cel statyki. Prof. Edmund Wittbrodt
STATYKA Cel statyk Celem statyk jest zastąpee dowolego układu sł ym, rówoważym układem sł, w tym układem złożoym z jedej tylko sły jedej pary sł (redukcja do sły mometu główego) lub zbadae waruków, jake
Bardziej szczegółowo08 Model planowania sieci dostaw 1Po_2Pr_KT+KM
Nr Tytuł: Autor: 08 Model plaowaa sec dostaw 1Po_2Pr_KT+KM Potr SAWICKI Zakład Systeów Trasportowych WIT PP potr.sawck@put.poza.pl potr.sawck.pracowk.put.poza.pl www.facebook.co/potr.sawck.put Przedot:
Bardziej szczegółowo3. OPTYMALIZACJA NIELINIOWA
Wybrae zaadea badań operacyjych dr ż. Zbew Tarapata 3. OPTYMALIZACJA NIELINIOWA Zdarza sę dość często że zależośc występujące w aalzowaych procesach (p. ospodarczych) mają charakter elowy. Dlateo też oprócz
Bardziej szczegółowo11/22/2014 STRATEGIE MIESZANE - MOTYWACJA. ROZWAśMY PRZYKŁAD:
//4 Gry o sue zero - gry rozgrywae w strategach eszaych STRATEGIE IESZANE - OTYWACJA. ROZWAśY PRZYKŁAD: 5 DEFINICJA..6 Strategą eszaą π gracza P azyway kaŝdy rozkład prawdopodobeństwa określoy a zborze
Bardziej szczegółowoEkonomia matematyczna 2-2
Ekoomia matematycza - Fukcja produkcji Defiicja Efektywym przekształceiem techologiczym azywamy odwzorowaie (iekiedy wielowartościowe), które kazdemu wektorowi akładów R przyporządkowuje zbiór wektorów
Bardziej szczegółowoEkonomia matematyczna - 1.1
Ekoomia matematycza - 1.1 Elemety teorii kosumeta 1. Pole preferecji Ozaczmy R x x 1,...,x : x j 0 x x, x j1 j. R rozpatrujemy z ormą x j 2. Dla x x 1,...,x,p p 1,...,p Ip x, p x j p j x 1 p 1 x 2 p 2...x
Bardziej szczegółowoBadania Operacyjne (dualnośc w programowaniu liniowym)
Badaa Operacye (dualośc w programowau lowym) Zadae programowaa lowego (PL) w postac stadardowe a maksmum () c x = max, podczas gdy spełoe są erówośc () ax = b ( m ), x 0 ( ) Zadae programowaa lowego (PL)
Bardziej szczegółowoOBLICZANIE NIEPEWNOŚCI METODĄ TYPU B
OBLICZANIE NIEPEWNOŚCI METODĄ TYPU B W przypadku gdy e występuje statystyczy rozrzut wyków (wszystke pomary dają te sam wyk epewość pomaru wyzaczamy w y sposób. Główą przyczyą epewośc pomaru jest epewość
Bardziej szczegółowoIndukcja matematyczna
Iducja matematycza Twerdzee. zasada ducj matematyczej Nech T ozacza pewą tezę o lczbe aturalej. Jeżel dla pewej lczby aturalej 0 teza T 0 jest prawdzwa dla ażdej lczby aturalej 0 z prawdzwośc tezy T wya
Bardziej szczegółowoPOPULACJA I PRÓBA. Próba reprezentatywna. Dr Adam Michczyński - METODY ANALIZY DANYCH POMIAROWYCH 5 1
POPULACJA I PRÓBA POPULACJĄ w statystyce matematyczej azywamy zbór wszystkch elemetów (zdarzeń elemetarych charakteryzujących sę badaą cechą opsywaą zmeą losową. Zbadae całej populacj (przeprowadzee tzw.
Bardziej szczegółowoJego zależy od wysokości i częstotliwości wypłat kuponów odsetkowych, ceny wykupu, oczekiwanej stopy zwrotu oraz zapłaconej ceny za obligację.
Wrażlwość oblgacj Jedym z czyków ryzyka westowaa w oblgacje jest zmeość rykowych stóp procetowych. Iżyera fasowa dyspouje metodam pozwalającym zabezpeczyć portfel przed egatywym skutkam zma stóp procetowych.
Bardziej szczegółowo06 Model planowania sieci dostaw 1Po_1Pr_KT+KM
Nr Tytuł: Autor: 06 Model plaowaa sec dostaw 1Po_1Pr_KT+KM Potr SAWICKI Zakład Systeów Trasportowych WIT PP potr.sawck@put.poza.pl potr.sawck.pracowk.put.poza.pl www.facebook.co/potr.sawck.put Przedot:
Bardziej szczegółowoRegresja REGRESJA
Regresja 39. REGRESJA.. Regresja perwszego rodzaju Nech (, będze dwuwyarową zeą losową, dla które steje kowaracja. Nech E( y ozacza warukową wartość oczekwaą zdefowaą dla przypadku zeych losowych typu
Bardziej szczegółowoROZKŁADY ZMIENNYCH LOSOWYCH
ROZKŁADY ZMIENNYCH LOSOWYCH ZMIENNA LOSOWA Defcja. Zmeą losową jest fukcja: X: E -> R która każdemu zdarzeu elemetaremu E przypsuje lczbę rzeczywstą e X ( e) R DYSTRYBUANTA Dystrybuatą zmeej losowej X
Bardziej szczegółowoANALIZA INPUT - OUTPUT
Aalza put - output Notatk S Dorosewcz J Staseńko Stroa z 28 SŁAWOMIR DOROSIEWICZ JUSTYNA STASIEŃKO ANALIZA INPUT - OUTPUT NOTATKI Istytut Ekoometr SGH Aalza put - output Notatk S Dorosewcz J Staseńko Stroa
Bardziej szczegółowoUOGÓLNIONA ANALIZA WRAŻLIWOŚCI ZYSKU W PRZEDSIĘBIORSTWIE PRODUKUJĄCYM N-ASORTYMENTÓW. 1. Wprowadzenie
B A D A N I A O P E R A C Y J N E I D E C Y J E Nr 2 2007 Aa ĆWIĄKAŁA-MAŁYS*, Woletta NOWAK* UOGÓLNIONA ANALIA WRAŻLIWOŚCI YSKU W PREDSIĘBIORSTWIE PRODUKUJĄCYM N-ASORTYMENTÓW Przedstawoo ajważejsze elemety
Bardziej szczegółowoDYNAMIKA UKŁADU PUNKTÓW MATERIALNYCH
WYKŁAD 3 DYNAIKA UKŁADU PUNKTÓW ATERIALNYCH UKŁAD PUNKTÓW ATERIALNYCH zbór skończoej lczby puktów materalych o zadaej kofguracj przestrzeej. Obłok Oorta Pas Kupera Pluto Neptu Ura Satur Jowsz Plaetody
Bardziej szczegółowoSTATYSTYKA MATEMATYCZNA WYKŁAD 2 ESTYMACJA PUNKTOWA
STATYSTYKA MATEMATYCZNA WYKŁAD ESTYMACJA PUNKTOWA Nech - ezay parametr rozkładu cechy X. Wartość parametru będzemy estymować (przyblżać) a podstawe elemetowej próby. - wyberamy statystykę U o rozkładze
Bardziej szczegółowoFINANSE II. Model jednowskaźnikowy Sharpe a.
ODELE RYNKU KAPITAŁOWEGO odel jedowskaźkowy Sharpe a. odel ryku kaptałowego - CAP (Captal Asset Prcg odel odel wycey aktywów kaptałowych). odel APT (Arbtrage Prcg Theory Teora artrażu ceowego). odel jedowskaźkowy
Bardziej szczegółowoC~A C > B C~C Podaj relacje indyferencji, silnej i słabej preferencji. Zapisz zbiór koszyków indyferentnych
ZADANIA EGZAMIN EKONOMIA MATEMATYCZNA TEORIA POPYTU a. Podaj iloczyn kartezjański zbiorów X={,3,4}, Y={,} b. Narysuj iloczyn kartezjański zbiorów X=[,], Y=[,3]. Dane są punkty A(3,4) i B(,). Oblicz odległość
Bardziej szczegółowoPrawdopodobieństwo i statystyka r.
Zadae. W ure zajduje sę 5 kul, z których 5 jest bałych czarych. Losujemy bez zwracaa kolejo po jedej kul. Kończymy losowae w momece, kedy wycągęte zostaą wszystke czare kule. Oblcz wartość oczekwaą lczby
Bardziej szczegółowoPŁASKA GEOMETRIA MAS. Środek ciężkości figury płaskiej
PŁAKA GEOMETRIA MA Środek cężkośc fgury płaskej Mometam statyczym M x M y fgury płaskej względem os x lub y (rys. 7.1) azywamy gracę algebraczej sumy loczyów elemetarych pól d przez ch odległośc od os,
Bardziej szczegółowoO pewnych zastosowaniach rachunku różniczkowego funkcji dwóch zmiennych w ekonomii
O pewych zastosowaiach rachuku różiczkowego fukcji dwóch zmieych w ekoomii 1 Wielkość wytwarzaego dochodu arodowego D zależa jest od wielkości produkcyjego majątku trwałego M i akładów pracy żywej Z Fukcję
Bardziej szczegółowoWnioskowanie statystyczne dla korelacji i regresji.
STATYSTYKA MATEMATYCZNA WYKŁAD 6 Woskowae statstcze dla korelacj regresj. Aalza korelacj Założee: zmea losowa dwuwmarowa X, Y) ma rozkład ormal o współczku korelacj ρ. X, Y cech adae rówocześe. X X X...
Bardziej szczegółowoMATEMATYKA STOSOWANA W INŻYNIERII CHEMICZNEJ
MATEMATYKA STOSOWANA W INŻYNIERII CHEMICZNEJ Wykład Układy rówań metody aaltycze Metody umerycze rozwązywaa rówań lczbowych Prof. Ato Kozoł, Wydzał Chemczy Poltechk Wrocławskej ROZWIĄZYWANIE UKŁADÓW RÓWNAŃ
Bardziej szczegółowoVI. TWIERDZENIA GRANICZNE
VI. TWIERDZENIA GRANICZNE 6.. Wprowadzee Twerdzea gracze dotyczą własośc graczych cągów zmeych losowych dzelą sę a:! twerdzea lokale opsują zbeżośc cągu fukcj prawdopodobeństwa w przypadku cągu {X } zmeych
Bardziej szczegółowoWSPOMAGANIE DECYZJI - MIŁOSZ KADZIŃSKI LABORATORIUM II PROGRAMOWANIE CELOWE, ILORAZOWE I MIN-MAX. min. min
WSPOMAGANIE DECYZJI - MIŁOSZ KADZIŃSKI LABORAORIUM II PROGRAMOWANIE CELOWE, ILORAZOWE I MIN-MAX Probley prograowae celowego lorazowego to probley prograowae ateatyczego elowego, który oża sktecze zlearyzować
Bardziej szczegółowoMikroekonomia. Wykład 5
Mikroekonomia Wykład 5 Model czystej wymiany Brak produkcji, tylko zasoby początkowe, czyli nie wiadomo jak czynniki produkcji zostały przekształcone w produkt końcowy. Równowaga ogólna: wszystkie rynki
Bardziej szczegółowoLaboratorium Metod Statystycznych ĆWICZENIE 2 WERYFIKACJA HIPOTEZ I ANALIZA WARIANCJI
Laboatoum Metod tatystyczych ĆWICZENIE WERYFIKACJA HIPOTEZ I ANALIZA WARIANCJI Oacowała: Katazya tąo Weyfkaca hotez Hoteza statystycza to dowole zyuszczee dotyczące ozkładu oulac. Wyóżamy hotezy: aametycze
Bardziej szczegółowom) (2.2) p) (2.3) r) (2.4)
Ekooetra dr ż. Zbgew Tarapata Wkład r : Postace zadań prograowaa lowego grafcza etoda rozwązwaa zadań PL POSTACIE ZADAŃ PROGRAMOWANIA LINIOWEGO Zadae decze w któr wszstke relace są lowe oraz wszstke zee
Bardziej szczegółowoPomiary parametrów napięć i prądów przemiennych
Ćwczee r 3 Pomary parametrów apęć prądów przemeych Cel ćwczea: zapozae z pomaram wartośc uteczej, średej, współczyków kształtu, szczytu, zekształceń oraz mocy czyej, berej, pozorej współczyka cosϕ w obwodach
Bardziej szczegółowo9 Funkcje Użyteczności
9 Funkcje Użyteczności Niech u(x) oznacza użyteczność wynikającą z posiadania x jednostek pewnego dobra. Z założenia, 0 jest punktem referencyjnym, czyli u(0) = 0. Należy to zinterpretować jako użyteczność
Bardziej szczegółowoPodstawy teorii falek (Wavelets)
Podstawy teor falek (Wavelets) Ψ(). Transformaca Haara (97).. Przykład pewne metody zapsu obrazu Transformaca Haara Przykład zapsu obrazu -D Podstawy matematyczne transformac Algorytmy rozkładana funkc
Bardziej szczegółowoPlanowanie eksperymentu pomiarowego I
POLITECHNIKA ŚLĄSKA W GLIWICACH WYDZIAŁ INŻYNIERII ŚRODOWISKA ENERGETYKI INSTYTUT MASZYN URZĄDZEŃ ENERGETYCZNYCH Plaowae eksperymetu pomarowego I Laboratorum merctwa (M 0) Opracował: dr ż. Grzegorz Wcak
Bardziej szczegółowoModelowanie niezawodności i wydajności synchronicznej elastycznej linii produkcyjnej
Dr hab. ż. Ato Śwć, prof. adzw. Istytut Techologczych ystemów Iformacyych oltechka Lubelska ul. Nadbystrzycka 36, 2-68 Lubl e-mal: a.swc@pollub.pl Dr ż. Lech Mazurek aństwowa Wyższa zkoła Zawodowa w Chełme
Bardziej szczegółowoEkonomia matematyczna - 2.1
Ekoomia matematycza - 2.1 Przestrzeń produkcyja Zakładamy,że w gospodarce występuje towarów, każdy jako akład ( surowiec ) lub wyik ( produkt ) w procesach produkcji. Kokrety proces produkcji jest reprezetoway
Bardziej szczegółowoFunkcja wiarogodności
Fukca warogodośc Defca: Nech będze daa próba losowa prosta o lczebośc z rozkładu f (x; θ. Fukcą warogodośc dla próby x azywamy welkość: ( x; θ f ( x ; θ L Uwaga: Fukca warogodośc to e to samo co łącza
Bardziej szczegółowoI. Ciągi liczbowe. , gdzie a n oznacza n-ty wyraz ciągu (a n ) n N. spełniający warunek. a n+1 a n = r, spełniający warunek a n+1 a n
I. Ciągi liczbowe Defiicja 1. Fukcję określoą a zbiorze liczb aturalych o wartościach rzeczywistych azywamy ciągiem liczbowym. Ciągi będziemy ozaczać symbolem a ), gdzie a ozacza -ty wyraz ciągu a ). Defiicja.
Bardziej szczegółowoAgenda. Politechnika Poznańska WMRiT ZST. Piotr Sawicki Optymalizacja w transporcie 1. Kluczowe elementy wykładu
Poltechka Pozańska WMRT ZST Tytuł: 05 Lokalzaca obektów. Model PoPr Zastosowae prograowaa lowego Autor: Potr SAWICKI Zakład Systeów Trasportowych WMRT PP potr.sawck@put.poza.pl www.put.poza.pl/~potr.sawck
Bardziej szczegółowoPROGRAMOWANIE LINIOWE.
Wykłd 6 Progrowe lowe. Zstosow ekoocze. PROGRAMOWANIE LINIOWE. ZASTOSOWANIA EKONOMICZNE. CENY DUALNE. ANALIZA WRAŻLIWOŚCI.. RACHUNEK EKONOMICZNY. ZASADY RACJONALNEGO GOSPODAROWANIA. Rchuek ekooczy - porówe
Bardziej szczegółowoMETODY KOMPUTEROWE 1
MTODY KOMPUTROW WIADOMOŚCI WSTĘPN MTODA ULRA Mcał PŁOTKOWIAK Adam ŁODYGOWSKI Kosultacje aukowe dr z. Wtold Kąkol Pozań 00/00 MTODY KOMPUTROW WIADOMOŚCI WSTĘPN Metod umercze MN pozwalają a ormułowae matematczc
Bardziej szczegółowo3. Wykład III: Warunki optymalności dla zadań bez ograniczeń
3 Wkład III: Waruki optmalości dla zadań bez ograiczeń Podae poiże waruki optmalości dla są uogólieiem powszechie zach waruków dla fukci ede zmiee (zerowaie się pierwsze pochode i lokala wpukłość) 3 Twierdzeie
Bardziej szczegółowo( ) L 1. θ θ = M. Przybycień Rachunek prawdopodobieństwa i statystyka. = θ. min
Fukca warogodośc Nech będze daa próba losowa prosta o lczebośc z rozkładu f (x;. Fukcą warogodośc dla próby x azywamy welkość: ( x; f ( x ; L Twerdzee (Cramera-Rao: Mmala wartość warac m dowolego eobcążoego
Bardziej szczegółowoMiary położenia wskazują miejsce wartości najlepiej reprezentującej wszystkie wielkości danej zmiennej. Mówią o przeciętnym poziomie analizowanej
Podstawy Mary położea wskazują mejsce wartośc ajlepej reprezetującej wszystke welkośc daej zmeej. Mówą o przecętym pozome aalzowaej cechy. Średa arytmetycza suma wartośc zmeej wszystkch jedostek badaej
Bardziej szczegółowoMikroekonomia. Wykład 4
Mikroekonomia Wykład 4 Ekonomia dobrobytu Na rynku doskonale konkurencyjnym, na którym występuje dwóch konsumentów scharakteryzowanych wypukłymi krzywymi obojętności, równowaga ustali się w prostokącie
Bardziej szczegółowo2012-10-11. Definicje ogólne
0-0- Defncje ogólne Logstyka nauka o przepływe surowców produktów gotowych rodowód wojskowy Utrzyywane zapasów koszty zwązane.n. z zarożene kaptału Brak w dostawach koszty zwązane.n. z przestoje w produkcj
Bardziej szczegółowoWyznaczanie oporu naczyniowego kapilary w przepływie laminarnym.
Wyzaczae oporu aczyowego kaplary w przepływe lamarym. I. Przebeg ćwczea. 1. Zamkąć zawór odcający przewody elastycze a astępe otworzyć zawór otwerający dopływ wody do przewodu kaplarego. 2. Ustawć zawór
Bardziej szczegółowoL.Kowalski zadania ze statystyki opisowej-zestaw 5. ZADANIA Zestaw 5
L.Kowalsk zadaa ze statystyk opsowej-zestaw 5 Zadae 5. X cea (zł, Y popyt (tys. szt.. Mając dae ZADANIA Zestaw 5 x,5,5 3 3,5 4 4,5 5 y 44 43 43 37 36 34 35 35 Oblcz współczyk korelacj Pearsoa. Oblcz współczyk
Bardziej szczegółowoWykłady z Analizy rzeczywistej i zespolonej w Matematyce stosowanej. Literatura. W. Rudin: Podstawy analizy matematycznej, PWN, Warszawa, 1982.
Wyłady z Aalzy rzeczywstej zespoloej w Matematyce stosowaej Lteratura W Rud: Podstawy aalzy matematyczej, PWN, Warszawa, 1982 W Rud: Aalza rzeczywsta zespoloa, PZWS, Warszawa, 1986 W Szabat: Wstęp do aalzy
Bardziej szczegółowof f x f, f, f / / / METODA RÓŻNIC SKOŃCZONYCH niech N = 2 (2 równania różniczkowe zwyczajne liniowe I-rz.) lub jedno II-rzędu
METODA RÓŻIC SKOŃCZOYCH (omówee a przykładze rówań lowych) ech ( rówaa różczkowe zwyczaje lowe I-rz.) lub jedo II-rzędu f / / p( x) f / + q( x) f + r( x) a x b, f ( a) α, f ( b) β dea: a satce argumetu
Bardziej szczegółowoMatematyczny opis ryzyka
Aalza ryzyka kosztowego robót remotowo-budowlaych w warukach epełe formac Mgr ż Mchał Bętkowsk dr ż Adrze Powuk Wydzał Budowctwa Poltechka Śląska w Glwcach MchalBetkowsk@polslpl AdrzePowuk@polslpl Streszczee
Bardziej szczegółowoTeoria i metody optymalizacji
Sforułowae owae zaaa otyalzacj elowej bez ograczeń: Fukcja celu f( : Zaae otyalzacj olega a zalezeu wektora zeych ecyzyjych aleŝącego o zboru rozwązań ouszczalych R takego Ŝe la R Co jest rówozacze zasow:
Bardziej szczegółowoma rozkład normalny z nieznaną wartością oczekiwaną m
Zadae Każda ze zmeych losowych,, 9 ma rozkład ormaly z ezaą wartoścą oczekwaą m waracją, a każda ze zmeych losowych Y, Y,, Y9 rozkład ormaly z ezaą wartoścą oczekwaą m waracją 4 Założoo, że wszystke zmee
Bardziej szczegółowoDecyzje konsumenta I WYBIERZ POPRAWNE ODPOWIEDZI
Decyzje konsumenta I WYBIERZ POPRAWNE ODPOWIEDZI 1. Dobrami podrzędnymi nazywamy te dobra: a. które nie mają bliskich substytutów b. na które popyt maleje w miarę wzrostu dochodów konsumenta, przy pozostałych
Bardziej szczegółowon R ZałóŜmy, Ŝe istnieje d, dla którego: Metody optymalizacji Dr inŝ. Ewa Szlachcic otwarte otoczenie R n punktu x, Ŝe
Sforułowae owae zaaa otyalzacj elowej bez ograczeń: Fukcja celu f() : Zaae otyalzacj olega a zalezeu wektora zeych ecyzyjych aleŝącego o zboru rozwązań ouszczalych R takego Ŝe la R Co jest rówozacze zasow:
Bardziej szczegółowox = (x 1, x 2,..., x n ), p = (p 1, p 2,..., p n )
*** Elementy teorii popytu *** II. Funkcja popytu konsumenta x = (x 1, x 2,..., x n ), p = (p 1, p 2,..., p n ) p, x = p 1 x 1 + p 2 x 2 + + p n x n cena koszyka x Zbiór wszystkich koszyków, na jakie sta
Bardziej szczegółowoW zadaniu nie ma polecenia wyznaczania estymatora nieobciążonego o minimalnej wariancji. σ σ σ σ σ = =
4. Na podstawe erówośc Cramera Rao wyzacz dole ograczee dla waracj eobcążoego estymatora waracj σ w rozkładze ormalym N(0, σ ). W zadau e ma polecea wyzaczaa estymatora eobcążoego o mmalej waracj dla σ,
Bardziej szczegółowoZestaw zadań 4: Przestrzenie wektorowe i podprzestrzenie. Liniowa niezależność. Sumy i sumy proste podprzestrzeni.
Zestaw zadań : Przestrzene wektorowe podprzestrzene. Lnowa nezależność. Sumy sumy proste podprzestrzen. () Wykazać, że V = C ze zwykłym dodawanem jako dodawanem wektorów operacją mnożena przez skalar :
Bardziej szczegółowoRÓWNANIA RÓŻNICZKOWE WYKŁAD 11
RÓWNANIA RÓŻNICZKOWE WYKŁAD Szeregi potęgowe Defiicja Fukcja y = f () jest klasy C jeżeli jest -krotie różiczkowala i jej -ta pochoda jest fukcją ciągłą. Defiicja Fukcja y = f () jest klasy C, jeżeli jest
Bardziej szczegółowoMetoda mnożników Lagrange a i jej zastosowania w ekonomii
Maciej Grzesiak Metoda mnożników Lagrange a i jej zastosowania w ekonomii 1 Metoda mnożników Lagrange a znajdowania ekstremum warunkowego Pochodna kierunkowa i gradient Dla prostoty ograniczymy się do
Bardziej szczegółowoPojęcie statystyki. Definicja. Wektorową funkcję mierzalną T: X T(X)=(T 1 (X),...,T k (X)) R k wymiarową statystyką. próby X nazywamy k
Statystya Wyład Adam Ćmel A4 5 cmel@agh.edu.pl Pojęce statysty Pojęce statysty w statystyce matematyczej jest odpowedem pojęca zmeej losowej w rachuu prawdopodobeństwa. Nech X(X,...,X ) będze próbą z pewej
Bardziej szczegółowoWzór Taylora. Matematyka Studium doktoranckie KAE SGH Semestr letni 2008/2009 R. Łochowski
Wzór Taylora Szeregi potęgowe Matematyka Studium doktorackie KAE SGH Semestr leti 8/9 R. Łochowski Graica fukcji w pukcie Niech f: R D R, R oraz istieje ciąg puktów D, Fukcja f ma w pukcie graicę dowolego
Bardziej szczegółowoMh n. 2 ε. h h/ n n. Ekstrapolacja Richardsona (szacowanie błędu) błąd. ekstrapolowana wartość całki I. kwadratury z adaptowanym krokiem
Ekstrapolacja Rchardsoa (szacowae błędu) dla daej, ustaloej metody błąd Mh zakładając, że M jest w przyblżeu ezależe od h I I + Mh h h/ / I I + Mh ekstrapolowaa wartość całk I I e I h / + Ih / ( I h )
Bardziej szczegółowoMACIERZE STOCHASTYCZNE
MACIERZE STOCHASTYCZNE p ij - prawdopodobieństwo przejścia od stau i do stau j w jedym (dowolym) kroku, [p ij ]- macierz prawdopodobieństw przejść (w jedym kroku), Własości macierzy prawdopodobieństw przejść:
Bardziej szczegółowo( ) ( ) ( ) ( ) ( ) ( )
,,, ~ B, β ( β β ( ( Γ( β Γ + f ( Γ ( + ( + β + ( + β Γ + β Γ + Γ + β Γ + + β E Γ Γ β Γ Γ + + β Γ + Γ β + β β β Γ + β Γ + Γ + β Γ + + β E ( Γ Γ β Γ Γ + + β Γ + Γ β β + β Metoda mometów polega a przyrówau
Bardziej szczegółowoEkonomia. matematyczna. Materia y do çwiczeƒ. Joanna Górka Witold Orzeszko Marcin Wata
Ekonomia matematyczna Materia y do çwiczeƒ Joanna Górka Witold Orzeszko Marcin Wata Ekonomia matematyczna Ekonomia matematyczna Materia y do çwiczeƒ Joanna Górka Witold Orzeszko Marcin Wata WYDAWNICTWO
Bardziej szczegółowoCo się dzieje kiedy dobro zmienia cenę?
Równanie Słuckiego Co się dzieje kiedy dobro zmienia cenę? Efekt substytucyjny w wyniku zmiany ceny jednego z dóbr zmienia się relacja cen pomiędzy dobrami, np. dobro, którego cena spada staje się relatywnie
Bardziej szczegółowoNiezawodność i diagnostyka Kierunek AiR, sem. V, rok. ak. 2010/11 STRUKTURY I MIARY PROBABILISTYCZNE SYSTEMÓW METODA DRZEWA (STANÓW) NIEZDATNOŚCI
Nezawodość dagosyka Keruek, sem. V, rok. ak. 00/ STUKTUY I MIY POILISTYCZNE SYSTEMÓW METOD DZEW STNÓW NIEZDTNOŚCI. Srukury obeków złożoych ch rerezeace Wsółczese obeky sysemy echcze, a szczególe wększe
Bardziej szczegółowoL.Kowalski PODSTAWOWE TESTY STATYSTYCZNE WERYFIKACJA HIPOTEZ PARAMETRYCZNYCH
L.Kowalsk PODSTAWOWE TESTY STATYSTYCZNE TESTY STATYSTYCZNE poteza statystycza to dowole przypuszczee dotyczące rozkładu cechy X. potezy statystycze: -parametrycze dotyczą ezaego parametru, -parametrycze
Bardziej szczegółowoModelowanie i Analiza Danych Przestrzennych
Modelowae Aalza Daych Przestrzeych Wykład 8 Adrze Leśak Katedra Geoformatyk Iformatyk Stosowae Akadema Górczo-Hutcza w Krakowe Jaką postać ma warogram daych z tredem? Moża o wylczyć teoretycze prostego
Bardziej szczegółowoStatystyczne charakterystyki liczbowe szeregu
Statystycze charakterystyk lczbowe szeregu Aalzę badaej zmeej moża uzyskać posługując sę parametram opsowym aczej azywaym statystyczym charakterystykam lczbowym szeregu. Sytetycza charakterystyka zborowośc
Bardziej szczegółowoI kolokwium z Analizy Matematycznej
I kolokwium z Aalizy Matematyczej 4 XI 0 Grupa A. Korzystając z zasady idukcji matematyczej udowodić ierówość dla wszystkich N. Rozwiązaie:... 4 < + Nierówość zachodzi dla, bo 4
Bardziej szczegółowoZMIENNE LOSOWE WIELOWYMIAROWE
L.Kowals Zmee losowe welowmarowe ( ΩS P ZMIENNE LOSOWE WIELOWMIAROWE - ustaloa przestrzeń probablstcza. (... - zmea losowa - wmarowa (wetor losow cąg losow. : Ω R (fuca borelowsa P : Β R [0 - rozład zmee
Bardziej szczegółowoStanisław Cichocki Natalia Nehrebecka. Zajęcia 7-8
Stasław Cchock Natala Nehreecka Zajęca 7-8 . Testowae łączej stotośc wyraych regresorów. Założea klasyczego modelu regresj lowej 3. Własośc estymatora MNK w KMRL Wartość oczekwaa eocążoość estymatora Waracja
Bardziej szczegółowoA B - zawieranie słabe
NAZEWNICTWO: : rówoważość defcj : rówość defcj dla każdego steje! ZBIORY steje dokłade jede {,,,...} - całkowte * - całkowte be era - wmere - ujeme plus ero - recwste - espoloe A B - awerae słabe A :
Bardziej szczegółowo