EMIL PANEK SŁABY I BARDZO SILNY EFEKT MAGISTRALI W NIESTACJONARNEJ GOSPODARCE GALE A Z GRANICZNĄ TECHNOLOGIĄ
|
|
- Patrycja Król
- 5 lat temu
- Przeglądów:
Transkrypt
1 PRZEGLĄD STATYSTYCZNY R. LX ZESZYT EIL PANEK SŁABY I BARDZO SILNY EFEKT AGISTRALI W NIESTACJONARNEJ GOSPODARCE GALE A Z GRANICZNĄ TECHNOLOGIĄ J. von Neumann zaproponował liniow model gospodarki (model von Neumanna, ), w kórm zdefiniował pojęcie sanu równowagi ekonomicznej opare na idei równości echnologicznch i ekonomicznch efeków produkcji. Dalsze badania nad modelem von Neumanna doprowadził do powsania całej eorii neumannowskiej równowagi ekonomicznej. Badania w m kierunku rozpoczęła międz innmi grupa ekonomisów i maemaków pod kierunkiem Samuelsona (196), kór sformułował hipoezę, że w długich okresach czasu (horzonach gospodarki) opmalne proces wzrosu powinn przebiegać po ścieżkach wznaczonch przez neumannowską równowagę ekonomiczną. Rozwój gospodarki wzdłuż akich ścieżek powinien bć m dłuższ, im dłuższ jes posulowan horzon gospodarki. Obszar obję neumannowską równowagą ekonomiczną przjęło się nazwać magisralą (na wzór magisrali auosrad w ruchu drogowm). Pionierska praca J. von Neumanna zapocząkowała cał nur badań, kór w II połowie XX w. doprowadził do powsania w ekonomii maemacznej subdscplin dzisiaj znanej jako eoria magisral. W bogaej lieraurze przedmiou punk ciężkości kładzie się na badanie zw. efeku magisrali w różnch warianach sacjonarnch gospodarek pu Neumanna Gale a Leoniefa (ze sałą w czasie echnologią; zob. np. bibliografię w prac Panek, 211). Naomias nieliczne są prace poświęcone efekowi magisrali w niesacjonarnch gospodarkach ze zmienną echnologią, zob. Ganz (198), Joshi (1997), Keeler (1972). Wzwanie akie podejmujem w arkule. Inspiracją do jego napisania bła publikacja auora (213). Obowiązują oznaczenia sosowane w pracach Panek (211, 213). 1. ODEL NIESTACJONARNEJ GOSPODARKI GALE A Z GRANICZNĄ TECHNOLOGIĄ. PODSTAWOWE ZAŁOŻENIA Zakładam, że czas zmienia się skokowo, =,1,. Zbiór T = {,1,, 1 } nazwam horzonem gospodarki, okres końcow 1 definiuje długość horzonu T. W gospodarce Gale a zużwa się i wwarza n owarów, kórch liczba nie zmienia się w czasie. Przez x( = (x 1 (,, x n () oznaczam wekor owarów zużwanch (nazwam go wekorem nakładów lub zużcia produkcjnego), a przez
2 292 Emil Panek = ( 1 (,, n () wekor owarów wwarzanch w gospodarce w okresie (nazwam go wekorem wników lub produkcji). Jeżeli z wekora nakładów x( możliwe jes wworzenie wekora produkcji, wed o parze (x(, ) mówim, że opisuje echnologicznie dopuszczaln proces produkcji (w okresie. Zbiór 2n ( R Z wszskich echnologicznie dopuszczalnch procesów produkcji worz zw. przesrzeń produkcjną w okresie. Inkluzja (x, Z( oznacza, że w świele echnologii jaką dsponuje gospodarka w okresie, z wekora nakładów x możliwe jes wworzenie wekora produkcji. W razie porzeb będziem zamiennie sosować akże zapis (x(, ) Z(. O przesrzeniach produkcjnch Z( zakładam, że dla =,1, spełniają nasępujące warunki (zob. np. Panek, 23, rozdz. 5): (G1) ( x, Z ( (warunek proporcjonalności nakładów i wników), (G2) ( x i i, ) Z(, i 1, x x, Z( (warunek addwności procesów produkcjnch), (G3) ( x ) (warunek braku rogu obfiości), (G4) (możliwość marnorawswa nakładów), (G5) Z ( (możliwość marnorawswa moc produkcjnch), (G6) przesrzenie produkcjne Z( są zbiorami domknięmi w R 2n, (G7) Z ( Z ( 1) Z i Z jes najmniejszm zbiorem domknięm w R 2n zawierającm wszskie przesrzenie produkcjne Z(, spełniającm warunki (G1) (G6) (rozwój echnologii w gospodarce zwiększa z czasem jej możliwości wwórcze). Przesrzenie produkcjne Z(, =,1,, spełniające warunki (G1) (G6) nazwam gale owskimi. Zbiór Z nazwam graniczną przesrzenią produkcjną (będziem eż zamiennie pisać, że przesrzeń Z opisuje graniczną echnologię w niesacjonarnej gospodarce Gale a). Zapis (x, Z oznacza, że w świele granicznej echnologii, w niesacjonarnej gospodarce Gale a, z nakładów x możliwe jes wworzenie produkcji. Gospodarkę, kórej przesrzeń produkcjna Z(, Z spełniają warunki (G1) (G7) nazwam niesacjonarną gospodarką Gale a z graniczną echnologią. Twierdzenie 1 Jeżeli przesrzenie produkcjne Z(, Z spełniają warunki (G1) (G7), o ( x, Z ( x(, ) Z (, =,1, lim( x(, ) )
3 Słab i bardzo siln efek magisrali w niesacjonarnej gospodarce Gale a z graniczną echnologią 293 (uaj i wszędzie dalej dla jednoznaczności przjmujem, że lim a( a lim a( a, a a i ). i Dowód. ( ) Niech (x, Z). Uwórzm ciąg x (,, w kórm ( x( x) oraz argmin ') Z ( '. (1) Ciąg aki isnieje, gdż dla każdego zadanie (1) ma rozwiązanie (norma jes bowiem funkcją ciągłą, a zbior ( x) ' ') Z( są zware). Pokażem, że ak zbudowan ciąg jes zbieżn do granic (x,. Fakcznie, ponieważ ( x( x), wsarcz wkazać, że lim. Z inkluzji Z ( Z ( 1)... Z wnioskujem, że 1), (2) j. ciąg ( jes ograniczon, więc zawiera podciąg ( ) k k1 zbieżn do pewnej granic. Załóżm, że. Z definicji przesrzeni Z(, Z wnika, że (3) (przpominam, że zapis a b oznacza a b oraz a b). Niech ~ 1 ( 2 Wówczas ~ i ~ ) Z (zgodnie z (G5)). Jednocześnie ~ ) dom Z( (smbolem dom A oznaczam najmniejsz zbiór domknię zawierając A). Isonie, gdb ~ ) dom Z(, o isniałb ciąg procesów ~ ( ) Z (, =,1,, zbieżn do ( x, ~ ), gdzie ~. Zgodnie z (3) co przecz definicji (1) ciągu. ~, ( Zaem lim ( ). Wówczas na podsawie (2) wnioskujem, że lim. k k ( ) Ponieważ (x(, ) Z( Z, =,1, oraz lim( x(, ) i graniczna przesrzeń produkcjna Z jes domknięa w R 2n, zaem (x, Z.
4 294 Emil Panek n Przesrzenie produkcjne Z(, Z są sożkami domknięmi w R 2 z wierzchołkami w. Ineresują nas nierwialnie proces (x,, j. elemen zbiorów Z(\{}, Z \{}. 2. TECHNOLOGICZNA I EKONOICZNA EFEKTYWNOŚĆ PRODUKCJI. RÓWNOWAGA VON NEUANNA W GOSPODARCE Z GRANICZNĄ TECHNOLOGIĄ Weźm proces (x,. Wówczas, zgodnie z (G3), mam x. Liczbę nazwam wskaźnikiem echnologicznej efekwności procesu (x,. Funkcja α jes ciągła na Z(\{} oraz Z \{} i dodanio jednorodna sopnia (Panek, 23, rozdz. 5, w. 5.2.). Liczb max, (4) Z ( \{} max (5) Z \{} nazwam odpowiednio: opmalnm wskaźnikiem echnologicznej efekwności produkcji w niesacjonarnej gospodarce Gale a w okresie (z przesrzenią produkcjną Z(), opmalnm wskaźnikiem echnologicznej efekwności produkcji w niesacjonarnej gospodarce Gale a z graniczną echnologią (z graniczną przesrzenią produkcjną Z). Twierdzenie 2 Prz założeniach wierdzenia 1: (i) zadania (4), (5) mają rozwiązania, j. (2i) (α, α, + 1 α ). ( ( ), ( )) ( ) ( ( ), ( )) max (, ), x Z x x, Z ( \{} ( x, Z max Z \{},
5 Słab i bardzo siln efek magisrali w niesacjonarnej gospodarce Gale a z graniczną echnologią 295 Dowód. (i) Ponieważ funkcja α jes dodanio jednorodna sopnia (i ciągła) na Z(\{}, Z \{}, więc zadania (4), (5) są równoważne z zadaniami (odpowiednio) max (4 ) ( max (5 ) maksmalizacji ciągłej funkcji α na zwarch zbiorach Γ ( ) { Z ( x, 1}, {( x, Z x, 1}, kóre mają rozwiązania (w. Weiersrassa). (2i) Zgodnie z (G7) sąd Z ( Z ( 1)... Z,, max ( x(, max ( x( 1), 1)... Z ( \{} Z ( 1)\{} max. Z \{} O parze wekorów ( x (, ) mówim, że worz opmaln proces produkcji w niesacjonarnej gospodarce Gale a w okresie ; podobnie o parze wekorów ( x, mówim, że worzą opmaln proces produkcji w niesacjonarnej gospodarce Gale a z graniczną echnologią (graniczn opmaln proces produkcji w niesacjonarnej gospodarce Gale a). Ponieważ λ > oraz ( x (, ) ( x(, ),, zaem w niesacjonarnej gospodarce Gale a opmalne proces produkcji są określone z dokładnością do srukur.
6 296 Emil Panek O granicznej przesrzeni produkcjnej Z zakładam dodakowo, że spełnia nasępując warunek (zw. warunek regularności): (G8) Z & (isnieje graniczn opmaln proces produkcji, w kórm wwarzane są wszskie owar. Gospodarkę niesacjonarną Gale a mającą ę własność nazwam granicznie regularną. Z warunku (G5) wnika nachmias, że w granicznie regularnej gospodarce Gale a Z ( x oraz. (6) ówiąc o granicznm opmalnm procesie produkcji mam dalej na uwadze proces ( x, spełniając warunek (6). O wekorze s mówim, że charakerzuje srukurę produkcji w granicznm opmalnm procesie. Z (6) wnika, że wekor en charakerzuje akże srukurę nakładów w akim procesie: x x s. Półprosą N { s } (7) nazwam magisralą produkcjną (promieniem von Neumanna) w niesacjonarnej gospodarce Gale a z graniczną echnologią. Niech p = (p 1,, p n ) będzie wekorem cen owarów oraz (x, dowolnm procesem produkcji. Liczbę p,, p) p, x (am gdzie jes określana) nazwam wskaźnikiem ekonomicznej efekwności procesu (x, prz cenach p (uaj i wszędzie dalej a, b oznacza iloczn skalarn a ib i ). wekorów a, b : a, b = i Jeżeli gospodarka Gale a jes granicznie regularna, o p ( x, Z p, p, x (8)
7 Słab i bardzo siln efek magisrali w niesacjonarnej gospodarce Gale a z graniczną echnologią 297 oraz, p) max( x,, p) (9) Z \{} (zob. Panek, 23, w. 5.3). Wekor p nazwam wekorem cen von Neumanna w niesacjonarnej gospodarce Gale a z graniczną echnologią. O rójce {,, p} mówim, że charakerzuje niesacjonarną gospodarkę Gale a z graniczną echnologią w równowadze von Neumanna. Dochodzi w niej do zrównania ekonomicznej efekwności produkcji z efekwnością echnologiczną na najwższm poziomie jaki może osiągnąć niesacjonarna gospodarka Gale a z graniczną echnologią. W celu zapewnienia jednoznaczności magisrali produkcjnej (7) zakładam, że p, (G9) Z \{} x N, p) p, x (efekwność ekonomiczna jakiegokolwiek procesu poza magisralą jes niższa od opmalnej). Warunek x N jes równoważn z x s. x Twierdzenie 3. (Radner, 1961) Jeżeli zachodzą warunki (G1) (G9), o ( x, Z x x s p,, p) p, x Twierdzenie o gra isoną rolę prz dowodzi magisralnch własności opmalnch procesów wzrosu, o kórch mowa w kolejnch wierdzeniach 4, WZROST Odwzorowanie (mulifunkcję) n n R 2 a : R posaci a ( x) { Z( } nazwam przekszałceniem echnologicznm w niesacjonarnej gospodarce Gale a w okresie (generowanm przez przesrzeń produkcjną Z(). Podobnie definiujem n R n przekszałcenie echnologiczne a : R 2, a( x) { Z} (generowane przez graniczną przesrzeń produkcjną Z).
8 298 Emil Panek Jeżeli Z( jes gale owską przesrzenią produkcjną (spełniającą warunki (G1) (G6)), o przekszałcenie echnologiczne a ma nasępujące własności (Panek, 23, w.5.1): x a ( x) a( x) (jes dodanio jednorodne sopnia 1), x 1, x a ( x x ) a ( x ) a( x ) (jes póładdwne), a () = {}, Z( ( a ( x) & ' ' a ( x)) (możliwość marnorawswa moc produkcjnch), Z( ( a ( x) & x' x a (x')) (możliwość marnorawswa nakładów), x zbior (obraz a (x) są wpukłe i zware, przekszałcenie a jes półciągłe (z gór, zn. spełnia warunek i i (, ) 1 i i i i x ( ) & (, ) (, ) ( ) i a x x x a x. i Podobne własności ma przekszałcenie echnologiczne a generowane przez graniczną przesrzeń produkcjną Z spełniającą warunki (G1)-(G7). Ponado ławo pokazać, że x ( a ( x) a 1( x) a( x)). Weźm dowoln ciąg procesów (x(, ) Z(, T = {, 1,... 1 }. Sandardowo zakładam, że w horzoncie T nakład w okresie nasępnm mogą pochodzić lko z produkcji wworzonej w okresie poprzednim 1 : 1,, co prz warunkach (G5), (G6) prowadzi do inkluzji ( (, 1)) Z ( 1),,1, , lub równoważnie: 1) a 1( ),,1, (1) Usalm wekor produkcji wworzonej w gospodarce Gale a w okresie począkowm = : ) =. (11) O ciągu wekorów produkcji 1 spełniającm warunki (1) (11) mówim, że opisuje (, 1 ) dopuszczaln proces wzrosu w niesacjonarnej gospodarce Gale a. Przjmijm oznaczenia: 1 Jes o warian modelu Gale a gospodarki zamknięej. W rozbudowanch wersjach modelu warunek en można osłabić.
9 Słab i bardzo siln efek magisrali w niesacjonarnej gospodarce Gale a z graniczną echnologią 299 R, R { }, R a ( x), 1,2,... 1,, xr, 1 ( jes zbiorem wszskich wekorów produkcji możliwch do wworzenia w okresie przez niesacjonarną gospodarkę Gale a z począkową produkcją ) = ). Jeżeli spełnione są warunki (G1) (G6), o 1 < + zbior R, są niepuse, zware i wpukłe. Innmi słow, isnieją (, 1 ) dopuszczalne proces wzrosu (Panek, 23, lema 5.1). 4. EFEKT AGISTRALI Rozparzm nasępujące zadanie maksmalizacji warości produkcji, mierzonej w cenach von Neumanna, wworzonej w niesacjonarnej gospodarce Gale a w osanim okresie horzonu T = {,1, 1 }: max p, 1) p.w.(1) (11) (12) (wekor usalon., kóre będziem nazwać (, 1, p) Zadanie o ma rozwiązanie ( 1 opmalnm procesem wzrosu w niesacjonarnej gospodarce Gale a 2 (. Przez s ( ( oznaczam srukurę produkcji w,, p) opmalnm procesie wzrosu w okresie. ( 1 W poniższm wierdzeniu, mówiącm o magisralnej sabilności procesów opmalnch, isoną rolę gra możliwość dojścia gospodarki do magisrali: (G1) Isnieje aki (, ) dopuszczaln proces wzrosu ~ (, gdzie 1, że ~ ~ ( ( 1), ( )). (13) 2 Zadanie (12) ma rozwiązanie wed i lko wed, gd isnieje rozwiązanie zadania max p, R,1 (maksmalizacji funkcji liniowej, a więc ciągłej, na zwarm zbiorze rozwiązanie, zaem isnieje również rozwiązanie zadania (12). R ). Zadanie o ma oczwiście,1
10 3 Emil Panek Twierdzenie 4 3 ( Słabe wierdzenie o magisrali) Jeżeli niesacjonarna gospodarka Gale a spełnia warunki (G1)-(G1), o dla dowolnej liczb ε > isnieje aka liczba nauralna k ε, że liczba okresów, w kórch srukura produkcji w,, p) opmalnm procesie spełnia warunek ( 1 s ( s (14) nie przekracza k ε. Liczba k ε nie zależ od długości horzonu T. Dowód. Weźm (, 1, p) opmaln proces ~ ( (rozwiązanie zadania (12)). Ponieważ dla każdego warunek ( + 1) ( () jes równoważn z więc zgodnie z (8) p, ( (, ( 1)) Z( 1) Z, ( 1) p, (,,1, (15) Oznaczm przez L ε zbiór ch okresów T, w kórch zachodzi nierówność (14). Niech l ε będzie liczbą elemenów zbioru L ε. Wówczas, zgodnie z wierdzeniem 3, Z (15), (16) orzmujem: p, ( 1) ( ) p, (, dla L. (16) l, 1 ( ) p,. (17) 1 l p ) Zgodnie z warunkiem (G1) isnieje aki (, ) dopuszczaln proces wzrosu ~ (, 1, że ~ 1), ~ ( ( ( )). Ponieważ ~ ( ) ~ a ( ( 1)), więc ~ 1), ~ ( ( ( )) Z ( ). Z (13) oraz z warunku (G5) wnika wówczas, że ( ~ ( 1), ~ ( 1)) Z ( ), czli ( ~ ( 1) N, zn. ~ ( 1) s dla pewnej liczb σ >. Sąd, zważwsz na (G7), orzmujem (, 1 ) dopuszczaln proces ~ (, s 1 dla,1,..., 1, dla, 1,..., 1 3 Jes o dososowana do specfiki niesacjonarnej gospodarki Gale a z graniczną echnologią wersja wierdzenia 5.8 udowodnionego w prac Panek (23).
11 Słab i bardzo siln efek magisrali w niesacjonarnej gospodarce Gale a z graniczną echnologią 31 oraz nierówność: p, ( ) p, ) p, s. (18) Łącząc warunki (17), (18) dochodzim do nierówności l 1 l ( ) p, 1 1 p, s, z kórej orzmujem oszacowanie górnego ograniczenia liczb l ε : l ln ln A ln( B, ) 1 p, gdzie A. W charakerze liczb k ε wsarcz wziąć najmniejszą liczbę p, s nauralną większą od min{,b}. Liczba a nie zależ od 1 (j. od długości horzonu T). W mśl wierdzenia, opmalne proces wzrosu w niesacjonarnej gospodarce Gale a z graniczną echnologią prawie zawsze (poza pewną skończoną liczbą okresów, niezależną od długości horzonu, w kórm badam funkcjonowanie gospodarki) przebiegają dowolnie blisko magisrali wznaczanej przez graniczną echnologię. Na magisrali gospodarka osiąga najwższe empo wzrosu. Prosą (aczkolwiek nierwialną) konsekwencją wierdzenia 4 jes poniższa wersja bardzo silnego wierdzenia o magisrali z graniczną echnologią. Twierdzenie 5 ( Bardzo silne wierdzenie o magisrali) Jeżeli w niesacjonarnej gospodarce Gale a spełniającej warunki (G1)-(G9) (, 1, p) opmaln proces wzrosu w pewnm okresie 1 spełnia warunek ( ( ), ( 1)) (prowadzi do magisrali N), o N). Dowód. Opmaln proces ( ) 1 z założenia w okresie 1 prowadzi do magisrali. Isnieje więc aka liczba σ >, że ( ( ) = 65 oraz (, 1 ) dopuszczaln proces wzrosu ~ 1 posaci:,1,..., 1 ~ (, dla ( s, dla, 1,..., (dowód przebiega analogicznie jak w wierdzeniu 4). 1
12 32 Emil Panek Wówczas p 1, 1 1 ~ ( ( ) p, ) p, s. (19) Z drugiej sron, posępując jak prz dowodzie wierdzenia 4, z warunku (15) orzmujem: p ( ), ( 1)... 1 p p, ( 1 ) p, s. (2), 1 Załóżm, że w pewnm okresie τ 1,, 1 1}: 1 ( ) N, zn. ( ) ( ) s. Wówczas, zgodnie z wierdzeniem 3 ( p, ( 1) ( ) p, ( ) ), co łącznie z (2) prowadzi do nierówności: p ( ) ( ) p, s. (21), 1 Z (19), (21) orzmujem warunek ( ) p, 1 s p, s, z kórego wnika, że δ ε. Orzmana sprzeczność zamka dowód. Twierdzenie 5 głosi, że wejście opmalnego procesu wzrosu w pewnm okresie na magisralę w niesacjonarnej gospodarce Gale a z graniczną echnologią skukuje jej pobem na magisrali wszędzie dalej, za wjąkiem ewenualnie osaniego okresu horzonu T. Uniwerse Ekonomiczn w Poznaniu
13 Słab i bardzo siln efek magisrali w niesacjonarnej gospodarce Gale a z graniczną echnologią 33 LITERATURA [1] Ganz D. T., (198), A Srong Turnpike Theorem for a Nonsaionar von Neumann-Gale Producion odel, Economerica, 48 (7), [2] Joshi S., (1997), Turnpike Theorems in Nonconvex Nonsaionar Envirenmens, In. Econ. Rev., 38 (1), [3] Keeler E. B., (1972), A Twised Turnpike, In. Econ. Rev., 13 (1), [4] Panek E., (23), Ekonomia maemaczna, Wdawnicwo AE w Poznaniu. [5] Panek E., (211), O pewnej prosej wersji słabego wierdzenia o magisrali w modelu von Neumanna, Przegląd Sasczn, 58 (1-2), [6] Panek E., (213), Niesacjonarn model von Neumanna z graniczną echnologią, Sudia Oeconomica Posnaniensia, 1 (1), [7] Radner R., (1961), Pahs of Economic Growh ha are Opimal wih Regard onl o Final Saes: A Turnpike Theorem, Rev. Econ. Sudies, 28 (2), [8] Samuelson P. A., (1959), Efficien Pah of Capial Accumulaion in Terms of he Calculus of Variaions, w: Arrow K. J., Karlin S., Suppes P., (red.), ahemaical ehods in he Social Sciences, Sanford, California, [9] Von Neumann J., ( ), A odel of General Economic Equilibrium, Rev. Econ. Sudies, 13 (1), 1-9. SŁABY I BARDZO SILNY EFEKT AGISTRALI W NIESTACJONARNEJ GOSPODARCE GALE A Z GRANICZNĄ TECHNOLOGIĄ Sreszczenie W bogaej lieraurze z eorii magisral zdecdowana większość prac poświęcona jes magisralnm własnościom opmalnch procesów wzrosu w sacjonarnch gospodarkach pu Neumanna Gale a Leoniefa. Do bardzo nielicznch należą publikacje, kórch auorz podejmują próbę zbadania własności opmalnch procesów wzrosu w gospodarkach niesacjonarnch (ze zmienną echnologią). Zadanie o podjęo w arkule na gruncie niesacjonarnej gospodarki Gale a z echnologią graniczną. Słowa kluczowe: niesacjonarn model Gale a, echnologia graniczna, równowaga von Neumanna, magisrala produkcjna
14 34 Emil Panek WEAK AND VERY STRONG TURNPIKE EFFECT IN THE NON-STATIONARY GALE ECONOY WITH LIIT TECHNOLOGY Absrac In he rich lieraure on he urnpike heor he vas majori of papers consider urnpike properies of opimal growh processes in he saionar Neumann-Gale-Leonief economies. There are onl few papers, in which heir auhors aemp o explore characerisics of he opimal growh processes in he non-saionar economies (wih changeable echnolog. This objecive has been underook in his paper wih he non-saionar Gale econom wih he limi echnolog. Kewords: non-saionar Gale model, limi echnolog, von Neumann equilibrium, producion urnpike
z graniczną technologią
STUDIA OECOOMICA POSAIESIA 23, vol., no. (25) Uniwersye Ekonomiczny w Poznaniu, Wydział Informayki i Gospodarki Elekronicznej, Kaedra Ekonomii Maemaycznej emil.panek@ue.poznan.pl iesacjonarny model von
Bardziej szczegółowooznacza przyrost argumentu (zmiennej niezależnej) x 3A82 (Definicja). Granicę (właściwą) ilorazu różnicowego funkcji f w punkcie x x x e x lim x lim
WYKŁAD 9 34 Pochodna nkcji w pnkcie Inerpreacja geomerczna pochodnej Własności pochodnch Twierdzenia Rolle a Lagrange a Cach ego Regla de lhôspiala Niech ( ) O( ) będzie nkcją określoną w pewnm ooczeni
Bardziej szczegółowoZAKRZYWIONA MAGISTRALA W NIESTACJONARNEJ GOSPODARCE GALE A. CZĘŚĆ I
PRZEGLĄD STATYSTYCZNY R. LXII ZESZYT 2 2015 EMIL PANEK 1 ZAKRZYWIONA MAGISTRALA W NIESTACJONARNEJ GOSPODARCE GALE A. CZĘŚĆ I 1. WSTĘP W teorii magistral mimo upływu czasu do nielicznych należą prace poświęcone
Bardziej szczegółowowięc powyższy warunek będzie zapisany jako dy dt
Meo maemaczne w echnologii maeriałów Krzszof Szszkiewicz Wprowadzenie DEFINICJA. Równaniem różniczkowm zwczajnm rzędu pierwszego nazwam równanie posaci gdzie f : f (, ), () U jes daną funkcją. Rozwiązaniem
Bardziej szczegółowoKrzywe na płaszczyźnie.
Krzwe na płaszczźnie. Współrzędne paramerczne i biegunowe. Współrzędne biegunowe. Dan jes punk O, zwan biegunem, kór sanowi począek półprosej, zwanej półosią. Dowoln punk P na płaszczźnie można opisać
Bardziej szczegółowoPrzez system Walrasa w ekonomii matematycznej rozumiemy zazwyczaj układ równań różniczkowych dynamiki cen w n-produktowej gospodarce
PRZEGLĄD STATYSTYCZNY R. LVIII ZESZYT 3-4 011 EMIL PANEK SYSTEM WALRASA I ZAPASY 1. WSTĘP Przez sysem Walrasa w ekonomii maemaycznej rozumiemy zazwyczaj układ równań różniczkowych dynamiki cen w n-produkowej
Bardziej szczegółowoZAKRZYWIONA MAGISTRALA W NIESTACJONARNEJ GOSPODARCE GALE A. CZĘŚĆ II
PRZEGLĄD STATYSTYCZNY R. LXII ZESZYT 4 2015 EMIL PANEK 1 ZAKRZYWIONA MAGISTRALA W NIESTACJONARNEJ GOSPODARCE GALE A. CZĘŚĆ II 1. WSTĘP Obrazem geometrycznym zakrzywionej magistrali w niestacjonarnej gospodarce
Bardziej szczegółowoWygładzanie metodą średnich ruchomych w procesach stałych
Wgładzanie meodą średnich ruchomch w procesach sałch Cel ćwiczenia. Przgoowanie procedur Średniej Ruchomej (dla ruchomego okna danch); 2. apisanie procedur do obliczenia sandardowego błędu esmacji;. Wizualizacja
Bardziej szczegółowoRównania różniczkowe. Lista nr 2. Literatura: N.M. Matwiejew, Metody całkowania równań różniczkowych zwyczajnych.
Równania różniczkowe. Lisa nr 2. Lieraura: N.M. Mawiejew, Meody całkowania równań różniczkowych zwyczajnych. W. Krysicki, L. Włodarski, Analiza Maemayczna w Zadaniach, część II 1. Znaleźć ogólną posać
Bardziej szczegółowoEMIL PANEK, HENRYK J. RUNKA DWA TWIERDZENIA O MAGISTRALI W MODELU VON NEUMANNA 1. WSTĘP
PRZEGLĄD STATYSTYCZY R. LIX ZESZYT 2 2012 EMIL PAEK, HERYK J. RUKA DWA TWIERDZEIA O MAGISTRALI W MODELU VO EUMAA 1. WSTĘP W pracy [5] przedstawiono prosty dowód słabego twierdzenia o magistrali w modelu
Bardziej szczegółowoZestaw zadań 12: Przekształcenia liniowe. z z + 2 2x + y. x y z. x y + 2t 2x + 3y + 5z t x + z t. x y + 2t 2x 3y + 5z t x z t
Zesaw adań : Preksałcenia liniowe () Kóre podanch niżej preksałceń ϕ : K n K m są preksałceniami liniowmi: a) n = m = 3, ϕ( + +, b) n = m = 3, ϕ( +, 3 + + + +, d) n = m = 3, ϕ( +, c) n = m = 3, ϕ( e) n
Bardziej szczegółowoModelowanie ryzyka kredytowego MODELOWANIE ZA POMOCA HAZARDU
Modelowanie ryzyka kredyowego MODELOWANIE ZA POMOCA PROCESU HAZARDU Mariusz Niewęgłowski Wydział Maemayki i Nauk Informacyjnych, Poliechniki Warszawskiej Warszawa 2014 hazardu Warszawa 2014 1 / 18 Proces
Bardziej szczegółowo2.1 Zagadnienie Cauchy ego dla równania jednorodnego. = f(x, t) dla x R, t > 0, (2.1)
Wykład 2 Sruna nieograniczona 2.1 Zagadnienie Cauchy ego dla równania jednorodnego Równanie gań sruny jednowymiarowej zapisać można w posaci 1 2 u c 2 2 u = f(x, ) dla x R, >, (2.1) 2 x2 gdzie u(x, ) oznacza
Bardziej szczegółowoCechy szeregów czasowych
energecznch Cech szeregów czasowch Rozdział Modelowanie szeregów czasowch 7 proces deerminisczn proces kórego warość może bć preczjnie określona w dowolnm czasie =T+τ = a +b T T+τ czas = sin(ω) T T+τ czas
Bardziej szczegółowoZwiązek między ruchem harmonicznym a ruchem jednostajnym po okręgu
Związek międz ruchem harmonicznm a ruchem jednosajnm po okręgu Rozważm rzu Q i R punku P na osie i : Q cos v r R sin R Q P δ Q cos ( δ ) R sin ( δ ) Jeżeli punk P porusza się ruchem jednosajnm po okręgu,
Bardziej szczegółowoAlgebra WYKŁAD 9 ALGEBRA
Algebra WYKŁAD 9 Krzwe sożkowe Definicja Prosa sczna do krzwej K w punkcie P jes o prosa, będąca granicznm położeniem siecznch s k przechodzącch przez punk P i P k gd punk P k dąż zbliża się do punku P
Bardziej szczegółowoCałka nieoznaczona Andrzej Musielak Str 1. Całka nieoznaczona
Całka nieoznaczona Andrzej Musielak Sr Całka nieoznaczona Całkowanie o operacja odwrona do liczenia pochodnych, zn.: f()d = F () F () = f() Z definicji oraz z abeli pochodnych funkcji elemenarnych od razu
Bardziej szczegółowoRÓWNANIA RÓŻNICZKOWE WYKŁAD 13
RÓWNANIA RÓŻNICZKOWE WYKŁAD 13 Geomeria różniczkowa Geomeria różniczkowa o dział maemayki, w kórym do badania obieków geomerycznych wykorzysuje się meody opare na rachunku różniczkowym. Obieky geomeryczne
Bardziej szczegółowoψ przedstawia zależność
Ruch falowy 4-4 Ruch falowy Ruch falowy polega na rozchodzeniu się zaburzenia (odkszałcenia) w ośrodku sprężysym Wielkość zaburzenia jes, podobnie jak w przypadku drgań, funkcją czasu () Zaburzenie rozchodzi
Bardziej szczegółowoPrognozowanie i symulacje
Prognozowanie i smulacje Lepiej znać prawdę niedokładnie, niż dokładnie się mlić. J. M. Kenes dr Iwona Kowalska ikowalska@wz.uw.edu.pl Prognozowanie meod naiwne i średnie ruchome Meod naiwne poziom bez
Bardziej szczegółowoDYNAMIKA KONSTRUKCJI
10. DYNAMIKA KONSTRUKCJI 1 10. 10. DYNAMIKA KONSTRUKCJI 10.1. Wprowadzenie Ogólne równanie dynamiki zapisujemy w posaci: M d C d Kd =P (10.1) Zapis powyższy oznacza, że równanie musi być spełnione w każdej
Bardziej szczegółowoMatematyka ubezpieczeń majątkowych r. ma złożony rozkład Poissona. W tabeli poniżej podano rozkład prawdopodobieństwa ( )
Zadanie. Zmienna losowa: X = Y +... + Y N ma złożony rozkład Poissona. W abeli poniżej podano rozkład prawdopodobieńswa składnika sumy Y. W ejże abeli podano akże obliczone dla k = 0... 4 prawdopodobieńswa
Bardziej szczegółowoZestaw zadań 12: Przekształcenia liniowe. Macierze przekształceń liniowych. z z + 2 2x + y. x y z. x y + 2t 2x + 3y + 5z t x + z t
Zesaw adań : Preksałcenia liniowe. Maciere preksałceń liniowch () Kóre podanch niżej preksałceń ϕ : K n K m są preksałceniami liniowmi: a) n = m = 3, ϕ( + ) = +, b) n = m = 3, ϕ( ) = +, 3 + + + +, d) n
Bardziej szczegółowoDystrybucje, wiadomości wstępne (I)
Temat 8 Dystrybucje, wiadomości wstępne (I) Wielkości fizyczne opisujemy najczęściej przyporządkowując im funkcje (np. zależne od czasu). Inną drogą opisu tych wielkości jest przyporządkowanie im funkcjonałów
Bardziej szczegółowoBADANIE PRZEBIEGU ZMIENNOŚCI FUNKCJI
Wkład z matematki inżnierskiej BADANIE PRZEBIEGU ZMIENNOŚCI FUNKCJI IMiF UTP 06 przed wkonaniem wkresu... BADANIE PRZEBIEGU ZMIENNOŚCI FUNKCJI Wkonujem wkres funkcji wznaczaja c wcześniej: 1 dziedzinȩ
Bardziej szczegółowoy 1 y 2 = f 2 (t, y 1, y 2,..., y n )... y n = f n (t, y 1, y 2,..., y n ) f 1 (t, y 1, y 2,..., y n ) y = f(t, y),, f(t, y) =
Uk lady równań różniczkowych Pojȩcia wsȩpne Uk ladem równań różniczkowych nazywamy uk lad posaci y = f (, y, y 2,, y n ) y 2 = f 2 (, y, y 2,, y n ) y n = f n (, y, y 2,, y n ) () funkcje f j, j =, 2,,
Bardziej szczegółowoPierwiastki kwadratowe z liczby zespolonej
Pierwiastki kwadratowe z liczb zespolonej Pierwiastkiem kwadratowm z liczb w C nazwam każdą liczbę zespoloną z C, dla której z = w. Zbiór wszstkich pierwiastków oznaczam smbolem w. Innmi słow w = {z C
Bardziej szczegółowoProgramowanie nieliniowe optymalizacja funkcji wielu zmiennych
Ekonomia matematczna II Ekonomia matematczna II Prowadząc ćwiczenia Programowanie nieliniowe optmalizacja unkcji wielu zmiennch Modele programowania liniowego często okazują się niewstarczające w modelowaniu
Bardziej szczegółowoEkonometria I materiały do ćwiczeń
lp daa wkładu ema Wkład dr Doroa Ciołek Ćwiczenia mgr inż. - Rodzaje danch sascznch - Zmienne ekonomiczne jako zmienne losowe 1a) Przkład problemów badawczch hipoeza, propozcja modelu ekonomercznego, zmienne
Bardziej szczegółowoMAKROEKONOMIA 2. Wykład 3. Dynamiczny model DAD/DAS, część 2. Dagmara Mycielska Joanna Siwińska - Gorzelak
MAKROEKONOMIA 2 Wykład 3. Dynamiczny model DAD/DAS, część 2 Dagmara Mycielska Joanna Siwińska - Gorzelak ( ) ( ) ( ) i E E E i r r = = = = = θ θ ρ ν φ ε ρ α * 1 1 1 ) ( R. popyu R. Fishera Krzywa Phillipsa
Bardziej szczegółowoAnaliza szeregów czasowych uwagi dodatkowe
Analiza szeregów czasowch uwagi dodakowe Jerz Sefanowski Poliechnika Poznańska Zaawansowana Eksploracja Danch Prognozowanie Wbór i konsrukcja modelu o dobrch własnościach predkcji przszłch warości zmiennej.
Bardziej szczegółowoPROCESY AUTOREGRESYJNE ZE ZMIENNYM PARAMETREM 1. Joanna Górka. Wydział Nauk Ekonomicznych i Zarządzania UMK w Toruniu Katedra Ekonometrii i Statystyki
PROCESY AUTOREGRESYJNE ZE ZMIENNYM PARAMETREM Joanna Górka Wdział Nauk Ekonomicznch i Zarządzania UMK w Toruniu Kaedra Ekonomerii i Saski WSTĘP Niesacjonarne proces o średniej zero mogą bć reprezenowane
Bardziej szczegółowoWykład 21 Funkcje mierzalne. Kostrukcja i własności całki wzglȩdem miary przeliczalnie addytywnej
Wykład 2 Funkcje mierzalne. Kostrukcja i własności całki wzglȩdem miary przeliczalnie addytywnej czȩść II (opracował: Piotr Nayar) Definicja 2.. Niech (E, E) bȩdzie przestrzenia mierzalna i niech λ : E
Bardziej szczegółowoOśrodkowość procesów, proces Wienera. Ośrodkowość procesów, proces Wienera Procesy Stochastyczne, wykład, T. Byczkowski,
Procesy Stochastyczne, wykład, T. Byczkowski, Procesy Stochastyczne, PPT, Matematyka MAP1136 27 luty, 2012 Ośrodkowość procesów Dalej zakładamy, że (Ω, Σ, P) jest zupełną przestrzenią miarową. Definicja.
Bardziej szczegółowoKonspekty wykładów z ekonometrii
Konspek wkładów z ekonomerii Budowa i werfikaca modelu - reść przkładu W wniku ssemacznch badań popu na warzwa w pewnm mieście, orzmano nasępuące szeregi czasowe: przros (zmian) popu na warzwa (w zł. na
Bardziej szczegółowoWZROST GOSPODARCZY A BEZROBOCIE
Wojciech Pacho & WZROST GOSPODARCZ A BEZROBOCIE Celem niniejszego arykułu jes pokazanie związku pomiędzy ezroociem a dynamiką wzrosu zagregowanej produkcji. Poszukujemy oowiedzi na pyanie czy i jak silnie
Bardziej szczegółowoVII. ZAGADNIENIA DYNAMIKI
Konderla P. Meoda Elemenów Skończonych, eoria i zasosowania 47 VII. ZAGADNIENIA DYNAMIKI. Równanie ruchu dla zagadnienia dynamicznego Q, (7.) gdzie M NxN macierz mas, C NxN macierz łumienia, K NxN macierz
Bardziej szczegółowoA i. i=1. i=1. i=1. i=1. W dalszej części skryptu będziemy mieli najczęściej do czynienia z miarami określonymi na rodzinach, które są σ - algebrami.
M. Beśka, Wstęp do teorii miary, rozdz. 3 25 3 Miara 3.1 Definicja miary i jej podstawowe własności Niech X będzie niepustym zbiorem, a A 2 X niepustą rodziną podzbiorów. Wtedy dowolne odwzorowanie : A
Bardziej szczegółowoWykład 5 Elementy teorii układów liniowych stacjonarnych odpowiedź na dowolne wymuszenie
Wykład 5 Elemeny eorii układów liniowych sacjonarnych odpowiedź na dowolne wymuszenie Prowadzący: dr inż. Tomasz Sikorski Insyu Podsaw Elekroechniki i Elekroechnologii Wydział Elekryczny Poliechnika Wrocławska
Bardziej szczegółowoWektory. P. F. Góra. rok akademicki
Wektor P. F. Góra rok akademicki 009-0 Wektor zwiazan. Wektorem zwiazanm nazwam parę punktów. Jeżeli parę tę stanowią punkt,, wektor przez nie utworzon oznaczm. Graficznie koniec wektora oznaczam strzałką.
Bardziej szczegółowoMetody badania wpływu zmian kursu walutowego na wskaźnik inflacji
Agnieszka Przybylska-Mazur * Meody badania wpływu zmian kursu waluowego na wskaźnik inflacji Wsęp Do oceny łącznego efeku przenoszenia zmian czynników zewnęrznych, akich jak zmiany cen zewnęrznych (szoki
Bardziej szczegółowoProgramowanie liniowe
Programowanie liniowe Maciej Drwal maciej.drwal@pwr.wroc.pl 1 Problem programowania liniowego min x c T x (1) Ax b, (2) x 0. (3) gdzie A R m n, c R n, b R m. Oznaczmy przez x rozwiązanie optymalne, tzn.
Bardziej szczegółowoMAKROEKONOMIA 2. Wykład 3. Dynamiczny model DAD/DAS, część 2. Dagmara Mycielska Joanna Siwińska - Gorzelak
MAKROEKONOMIA 2 Wykład 3. Dynamiczny model DAD/DAS, część 2 Dagmara Mycielska Joanna Siwińska - Gorzelak 2 Plan wykładu Zakłócenia w modelu DAD/DAS: Wzros produkcji poencjalnej; Zakłócenie podażowe o sile
Bardziej szczegółowoDyskretny proces Markowa
Procesy sochasyczne WYKŁAD 4 Dyskreny roces Markowa Rozarujemy roces sochasyczny X, w kórym aramer jes ciągły zwykle. Będziemy zakładać, że zbiór sanów jes co najwyżej rzeliczalny. Proces X, jes rocesem
Bardziej szczegółowoII.1. Zagadnienia wstępne.
II.1. Zagadnienia wsępne. Arysoeles ze Sagiry wyraźnie łączy ruch z czasem: A jes niemożliwe, żeby zaczął się albo usał ruch, gdyż jak powiedzieliśmy ruch jes wieczny, a ak samo i czas, bo czas jes albo
Bardziej szczegółowoZasada pędu i popędu, krętu i pokrętu, energii i pracy oraz d Alemberta bryły w ruchu postępowym, obrotowym i płaskim
Zasada pędu i popędu, kręu i pokręu, energii i pracy oraz d Alembera bryły w ruchu posępowym, obroowym i płaskim Ruch posępowy bryły Pęd ciała w ruchu posępowym obliczamy, jak dla punku maerialnego, skupiając
Bardziej szczegółowoWNIOSKOWANIE STATYSTYCZNE
Wnioskowanie saysyczne w ekonomerycznej analizie procesu produkcyjnego / WNIOSKOWANIE STATYSTYCZNE W EKONOMETRYCZNEJ ANAIZIE PROCESU PRODUKCYJNEGO Maeriał pomocniczy: proszę przejrzeć srony www.cyf-kr.edu.pl/~eomazur/zadl4.hml
Bardziej szczegółowojest ciągiem elementów z przestrzeni B(R, R)
Wykład 2 1 Ciągi Definicja 1.1 (ciąg) Ciągiem w zbiorze X nazywamy odwzorowanie x: N X. Dla uproszczenia piszemy x n zamiast x(n). Przykład 1. x n = n jest ciągiem elementów z przestrzeni R 2. f n (x)
Bardziej szczegółowoEkstrema funkcji dwóch zmiennych
Wkład z matematki inżnierskiej Ekstrema funkcji dwóch zmiennch JJ, IMiF UTP 18 JJ (JJ, IMiF UTP) EKSTREMA 18 1 / 47 Ekstrema lokalne DEFINICJA. Załóżm, że funkcja f (, ) jest określona w pewnm otoczeniu
Bardziej szczegółowoInformacja o przestrzeniach Sobolewa
Wykład 11 Informacja o przestrzeniach Sobolewa 11.1 Definicja przestrzeni Sobolewa Niech R n będzie zbiorem mierzalnym. Rozważmy przestrzeń Hilberta X = L 2 () z iloczynem skalarnym zdefiniowanym równością
Bardziej szczegółowoKRZYSZTOF JAJUGA Katedra Inwestycji Finansowych i Zarządzania Ryzykiem Akademia Ekonomiczna we Wrocławiu 25 LAT EKONOMETRII FINANSOWEJ
KRZYSZTOF JAJUGA Kaedra Inwesycji Finansowych i Zarządzania Ryzykiem Akademia Ekonomiczna we Wrocławiu 25 LAT EKONOMETRII FINANSOWEJ EKONOMETRIA FINANSOWA OKREŚLENIE Modele ekonomerii finansowej są worzone
Bardziej szczegółowo2. Wprowadzenie. Obiekt
POLITECHNIKA WARSZAWSKA Insyu Elekroenergeyki, Zakład Elekrowni i Gospodarki Elekroenergeycznej Bezpieczeńswo elekroenergeyczne i niezawodność zasilania laoraorium opracował: prof. dr ha. inż. Józef Paska,
Bardziej szczegółowoEKONOMETRIA wykład 2. Prof. dr hab. Eugeniusz Gatnar.
EKONOMERIA wykład Prof. dr hab. Eugeniusz Ganar eganar@mail.wz.uw.edu.pl Przedziały ufności Dla paramerów srukuralnych modelu: P bˆ j S( bˆ z prawdopodobieńswem parameru b bˆ S( bˆ, ( m j j j, ( m j b
Bardziej szczegółowoPrawa wielkich liczb, centralne twierdzenia graniczne
, centralne twierdzenia graniczne Katedra matematyki i ekonomii matematycznej 17 maja 2012, centralne twierdzenia graniczne Rodzaje zbieżności ciągów zmiennych losowych, centralne twierdzenia graniczne
Bardziej szczegółowoFig. 1. Interferometr A. A. Michelsona.
Efek Sagnaa dr Janusz. Kępka Wsęp. Jednym z najbardziej reklamowanyh eksperymenów był i jes eksperymen lbera brahama Mihelsona zapoząkowany w 88, i nasępnie powarzany po roku 880 we współpray z Ewardem
Bardziej szczegółowoAnaliza matematyczna. 1. Ciągi
Analiza matematyczna 1. Ciągi Definicja 1.1 Funkcję a: N R odwzorowującą zbiór liczb naturalnych w zbiór liczb rzeczywistych nazywamy ciągiem liczbowym. Wartość tego odwzorowania w punkcie n nazywamy n
Bardziej szczegółowoUkłady równań i nierówności liniowych
Układy równań i nierówności liniowych Wiesław Krakowiak 1 grudnia 2010 1 Układy równań liniowych DEFINICJA 11 Układem równań m liniowych o n niewiadomych X 1,, X n, nazywamy układ postaci: a 11 X 1 + +
Bardziej szczegółowoWykład 11: Martyngały: definicja, twierdzenia o zbieżności
RAP 412 14.01.2009 Wykład 11: Martyngały: definicja, twierdzenia o zbieżności Wykładowca: Andrzej Ruciński Pisarz:Mirosława Jańczak 1 Wstęp Do tej pory zajmowaliśmy się ciągami zmiennych losowych (X n
Bardziej szczegółowo12. FUNKCJE WIELU ZMIENNYCH. z = x + y jest R 2, natomiast jej
1. FUNKCJE WIELU ZMIENNYCH 1.1. FUNKCJE DWÓCH ZMIENNYCH Funkcją dwóch zmiennch określoną w zbiorze D R nazwam przporządkowanie każdej parze liczb () D dokładnie jednej liczb rzeczwistej z. Piszem prz tm
Bardziej szczegółowoĆWICZENIE 7 WYZNACZANIE LOGARYTMICZNEGO DEKREMENTU TŁUMIENIA ORAZ WSPÓŁCZYNNIKA OPORU OŚRODKA. Wprowadzenie
ĆWICZENIE 7 WYZNACZIE LOGARYTMICZNEGO DEKREMENTU TŁUMIENIA ORAZ WSPÓŁCZYNNIKA OPORU OŚRODKA Wprowadzenie Ciało drgające w rzeczywisym ośrodku z upływem czasu zmniejsza ampliudę drgań maleje energia mechaniczna
Bardziej szczegółowoRównanie przewodnictwa cieplnego (II)
Wykład 5 Równanie przewodnictwa cieplnego (II) 5.1 Metoda Fouriera dla pręta ograniczonego 5.1.1 Pierwsze zagadnienie brzegowe dla pręta ograniczonego Poszukujemy rozwiązania równania przewodnictwa spełniającego
Bardziej szczegółowoEkonometryczne modele nieliniowe
Ekonoeryczne odele nieliniowe Wykład 4 NMNK, MNW, eody radienowe Lieraura W. Greene Econoeric Analysis, rozdz. 7. sr. -4 J. Hailon 994 ie Series Analysis, sr. 33 5 Chun-Min Kuan 7 Inroducion o Econoeric
Bardziej szczegółowoStanisław Cichocki Natalia Nehrebecka. Wykład 5
Sanisław Cichocki Naalia Nehrebecka Wkład 5 . Proces AR 2. Proces MA 3. Modele ARMA 4. Prognozowanie za pomocą modelu ARMA 2 . Proces AR 2. Proces MA 3. Modele ARMA 4. Prognozowanie za pomocą modelu ARMA
Bardziej szczegółowospecyfikacji i estymacji modelu regresji progowej (ang. threshold regression).
4. Modele regresji progowej W badaniach empirycznych coraz większym zaineresowaniem cieszą się akie modele szeregów czasowych, kóre pozwalają na objaśnianie nieliniowych zależności między poszczególnymi
Bardziej szczegółowoWYBRANE DZIAŁY ANALIZY MATEMATYCZNEJ. Wykład VII Przekształcenie Fouriera.
7. Całka Fouriera w posaci rzeczywisej. Wykład VII Przekszałcenie Fouriera. Doychczas rozparywaliśmy szeregi Fouriera funkcji w ograniczonym przedziale [ l, l] lub [ ] Teraz pokażemy analogicznie przedsawienie
Bardziej szczegółowoNiezawodność elementu nienaprawialnego. nienaprawialnego. 1. Model niezawodnościowy elementu. 1. Model niezawodnościowy elementu
Niezawodność elemenu nienarawialnego. Model niezawodnościowy elemenu nienarawialnego. Niekóre rozkłady zmiennych losowych sosowane w oisie niezawodności elemenów 3. Funkcyjne i liczbowe charakerysyki niezawodności
Bardziej szczegółowoSystem BCD z κ. Adam Slaski na podstawie wykładów, notatek i uwag Pawła Urzyczyna. Semestr letni 2009/10
System BCD z κ Adam Slaski na podstawie wykładów, notatek i uwag Pawła Urzyczyna Semestr letni 2009/10 Rozważamy system BCD ze stałą typową κ i aksjomatami ω κ κ i κ ω κ. W pierwszej części tej notatki
Bardziej szczegółowoF t+ := s>t. F s = F t.
M. Beśka, Całka Stochastyczna, wykład 1 1 1 Wiadomości wstępne 1.1 Przestrzeń probabilistyczna z filtracją Niech (Ω, F, P ) będzie ustaloną przestrzenią probabilistyczną i niech F = {F t } t 0 będzie rodziną
Bardziej szczegółowoWykład 11: Martyngały: Twierdzenie o zbieżności i Hoeffdinga
RAP 412 21.01.2009 Wykład 11: Martyngały: Twierdzenie o zbieżności i Hoeffdinga Wykładowca: Andrzej Ruciński Pisarz: Łukasz Waszak 1 Wstęp Na ostatnim wykładzie przedstawiliśmy twierdzenie o zbieżności
Bardziej szczegółowoRozdział 6. Ciągłość. 6.1 Granica funkcji
Rozdział 6 Ciągłość 6.1 Granica funkcji Podamy najpierw dwie definicje granicy funkcji w punkcie i pokażemy ich równoważność. Definicja Cauchy ego granicy funkcji w punkcie. Niech f : X R, gdzie X R oraz
Bardziej szczegółowoPostęp techniczny. Model lidera-naśladowcy. Dr hab. Joanna Siwińska-Gorzelak
Posęp echniczny. Model lidera-naśladowcy Dr hab. Joanna Siwińska-Gorzelak Założenia Rozparujemy dwa kraje; kraj 1 jes bardziej zaawansowany echnologicznie (lider); kraj 2 jes mniej zaawansowany i nie worzy
Bardziej szczegółowoPrzykładami ciągów, które Czytelnik dobrze zna (a jeśli nie, to niniejszym poznaje), jest ciąg arytmetyczny:
Podstawowe definicje Definicja ciągu Ciągiem nazywamy funkcję na zbiorze liczb naturalnych, tzn. przyporządkowanie każdej liczbie naturalnej jakiejś liczby rzeczywistej. (Mówimy wtedy o ciągu o wyrazach
Bardziej szczegółowoInformacja o przestrzeniach Hilberta
Temat 10 Informacja o przestrzeniach Hilberta 10.1 Przestrzenie unitarne, iloczyn skalarny Niech dana będzie przestrzeń liniowa X. Załóżmy, że każdej parze elementów x, y X została przyporządkowana liczba
Bardziej szczegółowoSILNY EFEKT MAGISTRALI W MODELU DYNAMIKI EKONOMICZNEJ TYPU GALE A. ZAGADNIENIE WZROSTU DOCELOWEGO
PRZEGLD STATYSTYCZNY R. LX ZESZYT 4 203 EIL PANEK SILNY EFEKT AGISTRALI W ODELU DYNAIKI EKONOICZNEJ TYPU GALE A. ZAGADNIENIE WZROSTU DOCELOWEGO. WSTP Aru nawizuje do rac Pane (2003, rozdz. 5) oraz Pane,
Bardziej szczegółowo28 maja, Problem Dirichleta, proces Wienera. Procesy Stochastyczne, wykład 14, T. Byczkowski, Procesy Stochastyczne, PPT, Matematyka MAP1126
Problem Dirichleta, proces Wienera Procesy Stochastyczne, wykład 14, T. Byczkowski, Procesy Stochastyczne, PPT, Matematyka MAP1126 28 maja, 2012 Funkcje harmoniczne Niech będzie operatorem Laplace a w
Bardziej szczegółowoWYKŁAD Z ANALIZY MATEMATYCZNEJ I. dr. Elżbieta Kotlicka. Centrum Nauczania Matematyki i Fizyki
WYKŁAD Z ANALIZY MATEMATYCZNEJ I dr. Elżbieta Kotlicka Centrum Nauczania Matematyki i Fizyki http://im0.p.lodz.pl/~ekot Łódź 2006 Spis treści 1. CIĄGI LICZBOWE 2 1.1. Własności ciągów liczbowych o wyrazach
Bardziej szczegółowoKombinowanie prognoz. - dlaczego należy kombinować prognozy? - obejmowanie prognoz. - podstawowe metody kombinowania prognoz
Noaki do wykładu 005 Kombinowanie prognoz - dlaczego należy kombinować prognozy? - obejmowanie prognoz - podsawowe meody kombinowania prognoz - przykłady kombinowania prognoz gospodarki polskiej - zalecenia
Bardziej szczegółowoDefinicja odwzorowania ciągłego i niektóre przykłady
Odwzorowania Pojęcie odwzorowania pomiędzy dwoma zbiorami było już definiowane, ale dawno, więc nie od rzeczy będzie przypomnieć, że odwzorowaniem nazywamy sposób przyporządkowania (niekoniecznie każdemu)
Bardziej szczegółowoCHEMIA KWANTOWA Jacek Korchowiec Wydział Chemii UJ Zakład Chemii Teoretycznej Zespół Chemii Kwantowej Grupa Teorii Reaktywności Chemicznej
CHEMI KWTOW CHEMI KWTOW Jacek Korchowiec Wydział Chemii UJ Zakład Chemii Teoreycznej Zespół Chemii Kwanowej Grupa Teorii Reakywności Chemicznej LITERTUR R. F. alewajski, Podsawy i meody chemii kwanowej:
Bardziej szczegółowo"Potęga matematyki polega na pomijaniu wszystkich myśli zbędnych i cudownej oszczędności operacji myślowych." Ernst Mach. Funkcja wykładnicza
"Poęga maemaki polega na pomijaniu wszskich mśli zbędnch i cudownej oszczędności operacji mślowch." Erns Mach Funkcja wkładnicza Def. Funkcją wkładniczą nazwam funkcję posaci f = a, gdzie a > i. Poęgę
Bardziej szczegółowoZadanie 1. Liczba szkód N w ciągu roku z pewnego ryzyka ma rozkład geometryczny: k =
Matematyka ubezpieczeń majątkowych 0.0.006 r. Zadanie. Liczba szkód N w ciągu roku z pewnego ryzyka ma rozkład geometryczny: k 5 Pr( N = k) =, k = 0,,,... 6 6 Wartości kolejnych szkód Y, Y,, są i.i.d.,
Bardziej szczegółowoWykład FIZYKA I. 2. Kinematyka punktu materialnego. Dr hab. inż. Władysław Artur Woźniak
Wykład FIZYKA I. Kinemayka punku maerialnego Kaedra Opyki i Fooniki Wydział Podsawowych Problemów Techniki Poliechnika Wrocławska hp://www.if.pwr.wroc.pl/~wozniak/fizyka1.hml Miejsce konsulacji: pokój
Bardziej szczegółowoPrzemysław Klęsk. Słowa kluczowe: analiza składowych głównych, rozmaitości algebraiczne
Przemysław Klęsk O ALGORYTMIE PRINCIPAL MANIFOLDS OPARTYM NA PCA SŁUŻACYM DO ZNAJDOWANIA DZIEDZIN JAKO ROZMAITOŚCI ALGEBRAICZNYCH NA PODSTAWIE ZBIORU DANYCH, PROPOZYCJA MIAR JAKOŚCI ROZMAITOŚCI Sreszczenie
Bardziej szczegółowo1. Podstawowe pojęcia ekonometrii
Tadeusz W.Boł, Wkład z ekonomerii. Podsawowe ojęcia ekonomerii.. Ekonomeria jako nauka Ekonomeria jes dscliną ekonomiczną, kóra zajmuje się nadawaniem emircznej reści ariorcznm rawom ekonomii. Zajmuje
Bardziej szczegółowo1 Zbiory. 1.1 Kiedy {a} = {b, c}? (tzn. podać warunki na a, b i c) 1.2 Udowodnić, że A {A} A =.
1 Zbiory 1.1 Kiedy {a} = {b, c}? (tzn. podać warunki na a, b i c) 1.2 Udowodnić, że A {A} A =. 1.3 Pokazać, że jeśli A, B oraz (A B) (B A) = C C, to A = B = C. 1.4 Niech {X t } będzie rodziną niepustych
Bardziej szczegółowoISBN (wersja drukowana) ISBN (ebook)
Doroa Pekasiewicz Krsna Pruska Kaedra Meod Sascznch Wdział Ekonomiczno-Socjologiczn Uniwerse Łódzki 90-4 Łódź ul. Rewolucji 905 r. nr 4/43 RECENZENT Grażna Trzio SKŁD I ŁMNIE Barbara Lebioda PROJEKT OKŁDKI
Bardziej szczegółowo14. Grupy, pierścienie i ciała.
4. Grup, pierścienie i ciała. Definicja : Zbiór A nazwam grupą jeśli jest wposaŝon w działanie wewnętrzne łączne, jeśli to działanie posiada element neutraln i kaŝd element zbioru A posiada element odwrotn.
Bardziej szczegółowoZasada indukcji matematycznej
Zasada indukcji matematycznej Twierdzenie 1 (Zasada indukcji matematycznej). Niech ϕ(n) będzie formą zdaniową zmiennej n N 0. Załóżmy, że istnieje n 0 N 0 takie, że 1. ϕ(n 0 ) jest zdaniem prawdziwym,.
Bardziej szczegółowoPobieranie próby. Rozkład χ 2
Graficzne przedsawianie próby Hisogram Esymaory przykład Próby z rozkładów cząskowych Próby ze skończonej populacji Próby z rozkładu normalnego Rozkład χ Pobieranie próby. Rozkład χ Posać i własności Znaczenie
Bardziej szczegółowoC d u. Po podstawieniu prądu z pierwszego równania do równania drugiego i uporządkowaniu składników lewej strony uzyskuje się:
Zadanie. Obliczyć przebieg napięcia na pojemności C w sanie przejściowym przebiegającym przy nasępującej sekwencji działania łączników: ) łączniki Si S są oware dla < 0, ) łącznik S zamyka się w chwili
Bardziej szczegółowoRównania różniczkowe zwyczajne MAP 3014, 3062
Równania różniczkowe zwczajne MAP 34, 36 Opracowanie: dr Marian Gewer, dr Zbigniew Skoczlas Lisazadań.Zpewnejsubsancjiradioakwnejpoupłwie4lazosałogram,apoupłwiedalszch4lalko 4 gram. Wznaczć masę subsancji
Bardziej szczegółowo1 Równania różniczkowe zadane przez zaburzenia generatorów C 0 półgrup operatorów
1 Równania różniczkowe zadane przez zaburzenia generaorów C półgrup operaorów 1.1 C półgrupy - informacje wsępne Definicja 1.1 Niec E będzie przesrzenią Banaca. Rodziną operaorów liniowyc ograniczonyc
Bardziej szczegółowoGr.A, Zad.1. Gr.A, Zad.2 U CC R C1 R C2. U wy T 1 T 2. U we T 3 T 4 U EE
Niekóre z zadań dają się rozwiązać niemal w pamięci, pamięaj jednak, że warunkiem uzyskania różnej od zera liczby punków za każde zadanie, jes przedsawienie, oprócz samego wyniku, akże rozwiązania, wyjaśniającego
Bardziej szczegółowoStanisław Cichocki Natalia Nehrebecka. Wykład 4
Sanisław Cichocki Naalia Nehrebecka Wykład 4 1 1. Badanie sacjonarności: o o o Tes Dickey-Fullera (DF) Rozszerzony es Dickey-Fullera (ADF) Tes KPSS 2. Modele o rozłożonych opóźnieniach (DL) 3. Modele auoregresyjne
Bardziej szczegółowoFunkcje analityczne. Wykład 3. Funkcje holomorficzne. Paweł Mleczko. Funkcje analityczne (rok akademicki 2016/2017) z = x + iy A
Funkcje analityczne Wykład 3. Funkcje holomorficzne Paweł Mleczko Funkcje analityczne (rok akademicki 206/207) Funkcje zespolone zmiennej zespolonej Funkcje zespolone zmiennej zespolonej Niech A C. Funkcja
Bardziej szczegółowoMatematyka A, kolokwium, 15 maja 2013 rozwia. ciem rozwia
Maemayka A kolokwium maja rozwia zania Należy przeczyać CA LE zadanie PRZED rozpocze ciem rozwia zywania go!. Niech M. p. Dowieść że dla każdej pary liczb ca lkowiych a b isnieje aka para liczb wymiernych
Bardziej szczegółowoGranica funkcji. 8 listopada Wykład 4
Granica funkcji 8 listopada 2011 Definicja Niech D R będzie dowolnym zbiorem. Punkt x 0 R nazywamy punktem skupienia zbioru D jeżeli δ>0 x D\{x0 } : x x 0 < δ. Zbiór punktów skupienia zbioru D oznaczamy
Bardziej szczegółowoFinanse i Rachunkowość studia niestacjonarne Wprowadzenie do teorii ciągów liczbowych (treść wykładu z 21 grudnia 2014)
dr inż. Ryszard Rębowski DEFINICJA CIĄGU LICZBOWEGO Finanse i Rachunkowość studia niestacjonarne Wprowadzenie do teorii ciągów liczbowych (treść wykładu z grudnia 04) Definicja ciągu liczbowego Spośród
Bardziej szczegółowoWykład 10. Funkcje wielu zmiennych
Wkład 1. Funkcje wielu zmiennch dr Mariusz Grządziel 6 maja 1 (ostatnie poprawki: 1 maja 1) Funkcje wielu zmiennch Przestrzeń dwuwmiarowa, oznaczana w literaturze matematcznej smbolem R, może bć utożsamiona
Bardziej szczegółowo