ESTYMACJA LOKALNA W SZACOWANIU INFORMACJI O DZIA ALNO CI GOSPODARCZEJ MIKROPRZEDSI BIORSTW
|
|
- Wanda Pietrzak
- 6 lat temu
- Przeglądów:
Transkrypt
1 A C T A U N I V E R S I T A T I S L O D Z I E N S I S FOLIA OECONOMICA 271, 2012 Grana Dehnel * ESTYMACJA LOKALNA W SZACOWANIU INFORMACJI O DZIAALNOCI GOSPODARCZEJ MIKROPRZEDSIBIORSTW Streszczene. W welu badanach prowadzonch metod reprezentacjn czsto napotkam na obserwacje, które znaczco rón s, pod wzgldem wartoc badanch zmennch, od pozostach jednostek wlosowanch do prób. Dotcz to zwaszcza statstk gospodarczej. Wpw obserwacj odstajcej na wartoc estmatorów moe b bardzo du, zwaszcza jel szacunek prowadzon jest na nskm pozome agregacj. Nale jednak pamta, e jest ona jednm z elementów badanej zborowoc ne pownna b cakowce pomjana w analze. Std te koneczne jest prowadzene bada dotczcch zastosowana nowch, neklascznch, technk estmacj, które s bardzej odporne na wartoc odstajce. W nnejszm artkule podjto prób zastosowana regresj lokalnej uwzgldnajcej lokalne zman w badanu z zakresu statstk gospodarczej. Sowa kluczowe: estmacja jdrowa, statstka mach obszarów, statstka gospodarcza. I. WSTP Wele zmennch opsujcch podmot gospodarcze charakterzuje s sln prawostronn asmetr, znacznm zróncowanem du koncentracj. Ponadto u welu jednostek pojawaj s zerowe wartoc zmennch. Wasnoc klascznch estmatorów stosowanch w metodze reprezentacjnej take jak neobcono, cz dua efektwno w przpadku takch rozkadów zmennch ne zostaj zachowane. Wan problem stanow równe obecno obserwacj odstajcch, którch wpw na wartoc estmatorów moe b bardzo du, zwaszcza jel szacunek prowadzon jest na nskm pozome agregacj. Nale zatem poszukwa metod estmacj, które w takch warunkach dostarczab wargodnch szacunków. W nnejszm artkule podjto prób emprcznej werfkacj molwoc wkorzstana lokalnego estmatora regresjnego do szacowana nformacj o dzaalnoc gospodarczej mach przedsborstw na nskm pozome agregacj tj. w przekroju województw sekcj PKD. Celem badana bo porównane ocena preczj szacunku lokalnego estmatora regresjnego ze znajdujcm obecne szeroke zastosowane w praktce bada statstcznch estmatorem GREG. * Dr hab., Katedra Statstk, Wdza Informatk Gospodark Elektroncznej, Unwerstet Ekonomczn w Poznanu. [5]
2 6 Grana Dehnel II. ESTYMATOR GREG Estmator GREG parametru Y mona przedstaw jako sum dwóch skadnków. Perwsz z nch to model regresj, w którm uwzgldnone s rónce mdz wartocam zmennch pomocnczch dla populacj dla prób w danm mam obszarze (domene). Drug skadnk stanow oszacowane obcena. Yˆ ˆ w e (1) greg N ˆ x' ˆ gdze: ˆ wx x' w x (2) s s gdze: warto zmennej badanej u -tej jednostk, s x wektor zmennch pomocnczch u -tej jednostk, w waga wnkajce ze schematu losowana u -tej jednostk, e ˆ skadnk resztow, s próba. Warto estmatora GREG zale od dwóch rodzajów wag: wag wnkajcch ze schematu losowana oraz wag wznaczanch na podstawe wartoc zmennej dodatkowej u jednostek, które zosta wlosowane do prób. T zaleno mona wraz wzorem (3): s 1 Yˆ w g (3) reg 1 ' X Xˆ w x x' x g 1 HT (4) s gdze: g wag zalene od wartoc cech x jednostek wlosowanch do prób X 1,..., X, p wx X wektor wartoc globalnch zmennch x (5) Xˆ wektor bezporednch estmatorów Horvtza-Thompsona HT s wartoc globalnch zmennch x Zalet estmatorów GREG jest to, e pozwalaj na wkorzstane rónorodnch zmennch pomocnczch. Dotcz to zarówno zmennch, ch rodzaju (owe, jakocowe) oraz pozomu agregacj (dane jednostkowe zagregowane).
3 Estmacja lokalna w szacowanu nformacj o dzaalnoc 7 W oparcu o rezultat bada dotczce statstk gospodarczej, w którch wkorzstano estmacj GREG, mona stwerdz, e odpowedne dobrane wkorzstane zmennch pomocnczch moe w znacznm stopnu wpn na popraw preczj szacunku [Chambers, Falve, Hedln Kokc, 2001]. Mam tu bowem do cznena z zastosowanem pewnego rodzaju kalbracj poprzez zmenne dodatkowe, prowadzcej do zmnejszena obcena wnkajcego z bdów nelosowch. Estmator uogólnon regresjn moe b stosowan w przpadku rónch schematów losowana, gd uwzgldna prawdopodobestwa wboru jednostk do prób. W przpadku zmennch bnarnch preferowana jest wersja logtowa estmatora [Lehtonen, Vejanen, 1998]. Estmator GREG jest neobcon, jel spenon jest warunek dobrego dopasowana modelu do danch. Jednake, jel w próbe znajdze s klka jednostek, dla którch reszt bd bardzo due, wówczas zastosowane tego estmatora moe spowodowa due nedoszacowane lub przeszacowane wartoc globalnej badanej zmennej. Wnk przeprowadzonch bada pokazuj, jak wan rol odgrwa tu wbór dobrego modelu [Chambers, Falve, Hedln Kokc, 2001]. W stuacj zego dopasowana modelu, drug skadnk estmatora (por. wzór 1), bdc oszacowanem obcena (na podstawe reszt), przjmuje warto znaczne wksz, n skadnk perwsz, bdc wartoc teoretczn, wznaczan na podstawe modelu. Jednm z zagroe, jake nese za sob stosowane estmatora GREG jest to, e w skrajnch przpadkach moe prowadz do ujemnch szacunków [Chambers, Falve, Hedln Kokc, 2001]. Stuacja taka ma mejsce, gd wag g wznaczane na podstawe cech dodatkowej u jednostek wlosowanch do prób przberaj wartoc ujemne. Kolejne zagroene dotcz przjtego w teor zaoena, e zn wag w g jest blsk wartoc wag w wnkajcej ze schematu losowana (co oznacza, e waga g pownna b blska jednoc) [Devlle, Särndal, 1992]. W praktce ne zawsze jest ono spenone. W badanach emprcznch rónca mdz wartocam wag w g bwa znaczna. W przpadku duch prób prowadz to do zneksztacena ch struktur. Przedstawone wej wasnoc estmatora GREG mog prowadz do obconch szacunków charakterzujcch s nsk preczj. Ma to mejsce szczególne w przpadku obecnoc w próbe obserwacj odstajcch, cz znacznego odsetka jednostek z zerowm wartocam cech. Jel jednak zastpm perwsz skadnk estmatora GREG, któr jest estmatorem zmennej badanej opartm na modelu regresj ( ŷ ),szacunkem wartoc globalnej zmennej badanej dokonanm na podstawe estmacj jdrowej ( ˆ, ). Dzk take-
4 8 Grana Dehnel mu zabegow estmator jest mnej wralw na obserwacje odstajce oraz na nelnow zaleno pomdz zmenn badan pomocncz. III. LOKALNY ESTYMATOR REGRESYJNY Lokaln estmator regresjn mona przedstaw za pomoc wzoru [por. Bredt, Opsomer, 2000)]: Y ˆ, w ˆ, U s ˆ (6) lub jako estmator opart na modelu w którm szacunku dokonuje s dla kadej jednostk z populacj generalnej [Chambers, Dorfman, Wehrl, 1993; Dorfman, 2000]:, ' j 1 D W D D W s ˆ c =1, 2,, N (7) ' gdze: U oznacza populacj generaln, natomast s prób, c j to wektor z warto- c 1 na j-tej pozcj zeram na pozostach mejscach, D, = 1, 2,, N, jest macerz budowan dla kadej jednostk z populacj generalnej na podstawe 1 x wartoc zmennej pomocnczej, o wmarach n x 2, kada z j x w j-tm werszu, j = 1, 2,, n, W, dla = 1, 2,, N, jest dagonaln macerz budowan dla kadej jednostk z populacj generalnej, o wmarach n x n b Kx x 1 1 j b w na mejscu (j, j), gdze K jest szerokoc pasma dla -tej jednostk. Podstaw lokalnego estmatora regresjnego jest warto jest funkcj jdrow b ˆ,, która, w welu przpadkach jest zblona do wartoc ŷ, wznaczanej na podstawe klascznej postac estmatora GREG. Rónca mdz nm polega na tm, e estmacja jdrowa w przpadku ˆ dzk temu, e opera s na welu modelach budowanch na podstawe czc prób, pozwala uwzgldn lokalne zman wartoc zmennej badanej, co w odnesenu do pojednczego, lnowego modelu regresj estmatora GREG jest nemolwe. Estmator (7) mona przedstaw w postac [Hedln, 2004]:
5 Estmacja lokalna w szacowanu nformacj o dzaalnoc 9 j j j js,, 2 ˆ x x js q x x q x x j j 2 3 x j x q j max0, 1 s 4 b gdze: n lczebno prób, = 1, 2,, n q j dagonalne element macerz W, (8) (9) q j j js js q j 1 (10) x js q j x j js q j 1 (11) Warto zauwa, e, jest szacunkem wartoc zmennej badanej u -tej jednostk dokonanm na podstawe estmacj lokalnej bez udzau zmennch pomocnczch x. Wan rol w regresj lokalnej odgrwa wbór postac funkcj jdrowej oraz, nezwkle stotn, wbór odpowednej szerokoc pasma. Zarówno posta funkcj jdrowej jak szeroko pasma maj decdujc wpw na efektwno uzskanch wnków. W lteraturze proponowane s róne podejca [Chambers, Dorfman, Wehrl, 1993; Chambers, 1996; Km, Bredt, Opsomer, 2001]. Funkcja jdrowa W przeprowadzonm badanu jako funkcj jdrow przjto jedn z najcz- cej wkorzstwanch w estmacj jdrowej funkcj Epanechnkova [Hedln, 2004]: 3 2 Ku j max0, 1 u j (12) 4 gdze: u x x b dla = 1, 2,, n oraz j= 1, 2,, n j j b szeroko pasma dla -tej jednostk
6 10 Grana Dehnel j K u x j x max0, 1 u j max0, b (13) Funkcja jdrowa defnuje okno wokó kadej jednostk wlosowanej do prób. Jednostk znajdujce s poza mn ne bor udzau w szacunku wartoc ˆ. Warto zauwa, e:, s K 0 jel x x b u j u 1 (14) j Jel ne uwzgldn s wartoc wag zalench od schematu losowana 1 w, to mona przj, e szacunek ˆ, jest opart na lokalnej standardowej regresj lnowej. Funkcja jdrowa jest funkcj wag. W odnesenu do kadej -tej jednostk wznaczane s nezalene wartoc wag dla wszstkch jednostek wlosowanch do prób. Tak wc, proces nadawana wag powtarzan jest tle raz, le wnos lczebno prób. W perwszej kolejnoc wokó wszstkch jednostek nalecch do prób okrelane s tak zwane okna. Jednostkom znajdujcm s poza oknem wznaczonm dla -tej jednostk przpswana jest warto wag równa zero. Pozostam jednostkom, nalecm do okna okrelonego dla -tej jednostk, nadawane s dodatne wartoc wag. Ich welko zale od tego na le pozom zmennej pomocnczej rón s od pozomu tej zmennej zanotowanego w przpadku jednostk -tej (dla której zdefnowano okno ). Najwksze wartoc wag nadawane s obserwacjom, u którch warto zmennej pomocnczej x jest blska wartoc x. Szeroko pasma Istneje wele metod wznaczana szerokoc pasma. Mona je podzel na dwa rodzaje. Jeden rodzaj stanow metod, w którch okrelana jest tlko jedna, staa dla caej prób szeroko pasma. Drug rodzaj reprezentuj metod, w którch zalecan jest dobór welu szerokoc pasma, a ch warto jest zwzana z poszczególnm obserwacjam z prób. W przeprowadzonm badanu wkorzstano czter róne metod okrelana szerokoc pasma: 1. b 1 4 xmax xmn => t max mn b x x => t x20 x20 4. x40 x40 b => t 20 b => t 40 j
7 Estmacja lokalna w szacowanu nformacj o dzaalnoc 11 Zgodne z perwsz metod szeroko pasma jest staa wznaczana jako ¼ z obszaru zmennoc cech pomocnczej. Pozostae trz metod, okrelane s manem metod najblszego ssada, traktuj szeroko pasma jako welko zmenn. Parametr b stanow rónc pomdz wartocam zmennej pomocnczej u dwóch jednostek wberanch z wszstkch, posortowanch uprzedno wedug wzrastajcej wartoc zmennej x, oddalonch od jednostk x dla której jest ta szeroko okrelana odpowedno na 10, jednostek. Jel numer jednostk nalecej do prób (oznaczon przez, gdze przjmuje wartoc 1... n ) jest tak ma, e ne mona wznacz jednostk o numerze 10, 20 lub 40, a tm samm warto zmennej pomocnczej x 10, x 20 lub x 40 ne stneje, to w zastpstwe za n przjmuje s mnmaln pozom cech x. Podobne postpujem w przpadku x 10, x 20 x 40 borc warto maksmaln [Hedln, 2004] gd dla wskej szerokoc pasma otrzman na jego podstawe szacunek opart jest na welu modelach lokalnch. Jednak wraz ze wzrostem szerokoc pasma w coraz wkszm stopnu przpomna klasczn estmator tpu GREG. Na wkresach przedstawono wartoc rzeczwste zmennej badanej oraz szacunek na podstawe czterech lokalnch estmatorów regresjnch (por. rs. 1, 2, 3, 4). Dla kadego z estmatorów podano zakres w jakm zmenaa s szeroko pasma. Wraz z jej skrócenem w coraz wkszm stopnu uwzgldnane b lokalne zman wartoc zmennej badanej. 300 sum.wnagr. (w ts.pln) Y Yˆ numer domen Rs. 1. Wartoc rzeczwste szacunek sum wnagrodze brutto na podstawe lokalnego estmatora t 10 w sekcj budownctwo ( b < >) ródo: Opracowane wasne na podstawe badana SP3 oraz rejestru podatkowego.
8 12 Grana Dehnel 300 sum.wnagr. (w ts.pln) Y Yˆ numer domen Rs. 2. Wartoc rzeczwste szacunek sum wnagrodze brutto na podstawe lokalnego estmatora t 20 w sekcj budownctwo ( b < >) ródo: Opracowane wasne na podstawe badana SP3 oraz rejestru podatkowego. 300 sum.wnagr. (w ts.pln) Y Yˆ numer domen Rs. 3. Wartoc rzeczwste szacunek sum wnagrodze brutto na podstawe lokalnego estmatora t 40 w sekcj budownctwo ( b < >) ródo: Opracowane wasne na podstawe badana SP3 oraz rejestru podatkowego.
9 Estmacja lokalna w szacowanu nformacj o dzaalnoc sum.wnagr. (w ts.pln) Y max, mn Yˆ numer domen Rs. 4. Wartoc rzeczwste szacunek sum wnagrodze brutto na podstawe lokalnego estmatora t max mn w sekcj budownctwo ( b , ) 4 ródo: Opracowane wasne na podstawe badana SP3 oraz rejestru podatkowego. IV. BADANIE SYMULACYJNE W celu porównana ocen preczj szacunku lokalnego estmatora regresjnego estmatora GREG przeprowadzono badana smulacjne. W badanu wkorzstano dwa róda nformacj: 1) wnk badana SP3 przeprowadzonego w 2001 roku. Jest to badane reprezentacjne obejmujce mkroprzedsborstwa. Stanowo ono ródo nformacj o zmennej badanej. Próba wlosowana do badana SP3 w 2001 roku lcza ponad 114 tsc jednostek (4%). Jednak ostateczne nformacje pozskano jedne od podmotów gospodarczch. 2) zbor danch z sstemu podatkowego Mnsterstwa Fnansów (rejestr podatkow) stanowo zezna podatkowch od osób fzcznch prawnch. Rejestr podatkow wkorzstano jako ródo cech dodatkowch x, którch zadanem jest poszerzene nformacj uzskanch z badana SP3. Estmacj dokonano dla zmennej suma wnagrodze brutto (). Jako zmenn pomocncz (x) wkorzstano zmenn koszt. Prz doborze zmennej dodatkowej kerowano s przede wszstkm stopnem skorelowana nformacj z badana SP3 oraz rejestru podatkowego. Estmacj dokonano w przekroju: województwo rodzaj prowadzonej dza- alnoc gospodarczej (sekcja PKD). Wrónono 160 domen (16 województw
10 14 Grana Dehnel x 10 sekcj PKD). Prezentacj wnków w artkule zawono do województwa zachodnopomorskego w przekroju sekcj (por. tab.1): Tabela 1. Welko prób w przekroju sekcj w województwe zachodnopomorskm Sekcja N n n/n (%) Przetwórstwo przemsowe D ,85 Budownctwo F ,19 Handel napraw G ,62 Hotele restauracje H ,55 Transport, czno I ,34 Porednctwo fnansowe J ,65 Obsuga neruchom. frm, nauka K ,82 Ochrona zdrowa opeka spo. N ,76 Pozostaa dzaalno usugowa O ,25 Suma ,86 ródo: Wnk badana SP3. Do wznaczena ocen preczj badanch estmatorów zastosowano metod bootstrapow. Wkonano 500 repetcj losowana podprób, na podstawe którch wznaczono warto warancj z ocen szacowanego parametru VarYˆ Yˆ ˆ by (15) 5001 dla kadej teracj dokonano modfkacj orgnalnch wag wnkajcch ze n schematu losowana w( b) w m( b) n1 gdze: Yˆ b ocena szacowanego parametru na podstawe podrób b, b1 Yˆ ocena szacowanego parametru na podstawe caej prób, b numer repetcj b 1,2,...,500, m (b) le raz jednostka -ta zostaa wbrana do podrób b, w orgnalna waga jednostk (wnkajca ze schematu losowana), w waga dla jednostk w podpróbce b. (b) Ocen preczj danego estmatora dokonano na podstawe dwóch parametrów. Jednm z nch b wspócznnk zmennoc estmatora
11 Estmacja lokalna w szacowanu nformacj o dzaalnoc 15 Var CV (16) Yˆ Drug parametr charakterzowa stope redukcj zmennoc lokalnego estmatora regresjnego w przpadku zastosowana jednej z czterech metod okre- lana szerokoc pasma w porównanu z estmacj bezporedn: CV ( tˆ ) CV ( tˆ DIR ) RedCV (17) CV ( tˆ ) W tabel 2 zameszczono wartoc wspócznnka zmennoc estmatora (CV) oraz jego podstawowe charakterstk take jak: warto mnmalna maksmalna, redna oraz medana. W drugej kolumne znajduj s welkoc dotczce klascznej estmacj bezporednej. Kolumna trzeca odnos s do estmacj tpu GREG. Czter kolejne kolumn charakterzuj za lokaln estmator regresjn, prz czm kada z nch prezentuje nn metod okrelana szerokoc pasma. Dane zawarte w tabel wadcz jednoznaczne o tm, e z najwksz zmennoc (najwksze wartoc parametrów) mam do cznena w przpadku estmacj bezporednej. Zróncowane preczj estmatora lokalnego w porównanu z estmatorem GREG jest nedue. Nsze wartoc wspócznnka, a co za tm dze charakterstk otrzmano dla lokalnego estmatora regresjnego t maxmn (redna 0,217; medana 0,244). Jeszcze mnejsza zmenno charakterzuje estmator: t 10 (redna 0,206; medana 0,229) oraz klasczn estmator GREG (redna 0,211; medana 0,209). Najnsz pozom zmennoc dotcz jednak lokalnch estmatorów regresjnch, w którch do okrelena szerokoc pasma zastosowano metod najblszego ssada t 40 (redna 0,199; medana 0,207), t 20 (redna 0,200; medana 0,209). Szczegóowe wartoc wspócznnków zmennoc estmatorów w przekroju sekcj w województwe zachodnopomorskm przedstawono na wkrese (por. rs. 5). Sekcje uporzdkowano wedug rosncej lczebnoc prób. W wkszoc wrónonch domen stosunkowo wsok pozom CV zanotowano dla estmacj bezporednej, za nsk dla lokalnej estmacj regresjnej Y ˆ 20 oraz Y ˆ 40. Domen nelczne reprezentowane w próbe charakterzuje dua dspersja ocen estmatorów. Ponadto mona zauwa, e w przpadku wkszoc sekcj wraz ze wzrostem lczebnoc prób maleje zarówno zróncowane wartoc wspócznnków zmennoc wznaczonch dla rónch estmatorów, jak pozom zmennoc ocen estmatorów. DIR
12 16 Grana Dehnel Tabela 2. Wspócznnk zmennoc estmatorów jego charakterstk (CV) w przekroju sekcj w województwe zachodnopomorskm Sekcja\Estmator DIR GREG t 10 t20 t 40 t maxmn Przetwórstwo przemsowe 0,16 0,16 0,12 0,12 0,12 0,12 Budownctwo 0,18 0,21 0,15 0,15 0,15 0,16 Handel napraw 0,10 0,08 0,09 0,08 0,09 0,08 Hotele restauracje 0,32 0,21 0,29 0,29 0,26 0,32 Transport, czno 0,22 0,21 0,23 0,21 0,21 0,19 Porednctwo fnansowe 0,28 0,30 0,26 0,26 0,29 0,32 Obsuga neruchom. frm, nauka 0,18 0,18 0,20 0,18 0,18 0,24 Ochrona zdrowa opeka spo. 0,37 0,30 0,23 0,22 0,21 0,24 Pozostaa dzaalno usugowa 0,30 0,26 0,29 0,27 0,29 0,28 mn 0,100 0,078 0,085 0,083 0,085 0,085 max 0,374 0,304 0,285 0,294 0,292 0,316 redna 0,235 0,211 0,206 0,200 0,199 0,217 medana 0,221 0,209 0,229 0,209 0,207 0,244 ródo: Oblczena wasne. CV dr greg t10 t20 t40 tmaxmn 0,40 0,35 0,30 0,25 0,20 0,15 0,10 0,05 0,00 Hotele restauracje Pozostaa dzaal.us. Pored.fnansowe Ochrona zdrowa Transport, czno Budownctwo Obsuga neruchom. Przems Handel napraw Rs. 5. Wartoc wspócznnków zmennoc estmatorów w województwe zachodnopomorskm przekroju sekcj ródo: Oblczena wasne. sekcje
13 Estmacja lokalna w szacowanu nformacj o dzaalnoc 17 Ocen preczj estmacj dokonano równe na podstawe parametru RedCV charakterzujcego stope redukcj wspócznnków zmennoc estmatora GREG oraz wrónonch w badanu rodzajów lokalnego estmatora regresjnego w porównanu z estmacj bezporedn (por. tab. 3). Na podstawe danch zawartch w tabel mona stwerdz, e najwksza redukcja nastpa w wnku zastosowana lokalnego estmatora regresjnego t 20 (redna 0,139, medana 0,080) oraz t 40 (redna 0,137, medana 0,150). Ze zmnejszenem zmennoc mam do cznena take w przpadku pozostach estmatorów. W najmnejszm stopnu zmenno estmatora spada w wnku zastosowana lokalnego estmatora regresjnego t max mn (redna 0,065, medana 0,095). Tabela 3. Redukcja wartoc wspócznnków zmennoc w porównanu z estmacj bezporedn (RedCV) Estmator GREG t 10 t 20 t 40 t max mn mn 0,337 0,374 0,412 0,448 0,348 max 0,180 0,093 0,004 0,003 0,336 redna 0,083 0,110 0,139 0,137 0,065 medana 0,069 0,098 0,080 0,150 0,095 ródo: Oblczena wasne. V. WNIOSKI Przeprowadzone badane dotczce lokalnej estmacj regresjnej pozwala na sformuowane nastpujcch wnosków: Ocen parametrów otrzmane na podstawe lokalnch estmatorów regresjnch wraz ze wzrostem szerokoc pasma, coraz bardzej staj s podobne do ocen otrzmanch na podstawe modelu wznaczonego dla estmatora tpu GREG. Najbardzej preczjne, borc pod uwag wartoc wspócznnka zmennoc estmatora, okaza s lokalne estmator regresjne ze zmenn szerokoc pasma: Y ˆ 10, Y ˆ 20 Y ˆ 40. Lokalne estmator regresjne, w którch szeroko pasma jest zmenna ( Y ˆ 10, Y ˆ 20, Y ˆ 40 ) charakterzuj s mnejsz dspersj w porównanu do estmatora bezporednego. W przpadku wskch pasm szacunk oparte s na welu modelach lokalnch, co znaczne wdua proces przetwarzana danch.
14 18 Grana Dehnel Wraz ze zmnejszanem s szerokoc pasma, w coraz wkszm stopnu uwzgldnane s lokalne zman wartoc zmennej badanej. Poszerzane pasma wpwa na zwkszene efektu wgadzena. Wag wznaczone w oparcu o funkcj jdrow ne zale od wartoc zmennej badanej, tlko od zmennch pomocnczch. Oznacza to, e mog b wkorzstane w przpadku welu zmennch badanch, jel skad zmennch pomocnczch jest sta. BIBLIOGRAFIA Bredt, F.J., Opsomer, J.D. (2000). Local Polnomal Regresson Estmaton n Surve Samplng. The Annals of Statstcs, 28, Chambers, R. (1996), Robust case-weghtng for multpurpose establshment surves, Journal of Offcal Statstcs, 12, s Chambers, R., Dorfman, A.H., Wehrl, T.E. (1993). Bas Robust Estmaton n Fnte Populatons Usng Nonparametrc Calbraton. Journal of the Amercan Statstcal Assocaton, 88, s Chambers R.L, Falve H., Hedln D., Kokc P. (2001), Does the Model Matter for GREG Estmaton? A Busness Surve Example, [w:] Journal of Offcal Statstcs, Vol.17, No.4, Devlle, J.C., Särndal, C.E. (1992), Calbraton Estmators n Surve Samplng. Journal of the Amercan Statstcal Assocaton, 87, Dorfman, A.H. (2000), Non-Parametrc Regresson for Estmatng Totals n Fnte Populatons. Proceedngs of the Surve Research Methods. Amercan Statstcal Assocaton, s Hedln D. (2004), Busness Surve Estmaton, R&D, Sweden. Km, J.Y., Bredt, F.J. and Opsomer, J.D. (2001), Local polnomal regresson estmaton n twostage samplng. Proceedngs of the Secton on Surve Research Methods, Amercan Statstcal Assocaton, s Lehtonen R., Vejanen A., 1998, On multnomal logstc generalzed regresson estmators, Masznops Department of statstcs, Unverst of Jväsklä, No. 22, Jväsklä. Rousseeuw, P.J., and Lero, P.M., Robust Regresson and Outler Detecton, John Wle & Sons, Särndal, C.E., Swensson, B. and Wretman, J.H., Model Asssted Surve Samplng, Sprnger Verlag, Grana Dehnel LOCAL ESTIMATION IN SMALL BUSINESS RESEARCH Abstract There are man surves of populatons that contan a number of extreme values. Ths s partcularl true n surves of busness enterprses. Outlers observatons can have an mportant effect on work wth estmaton especall on low level of the aggregaton. Although the values are extreme, the need not necessarl be false; extremel large observatons are a natural component n surve populatons. So we shall explore some alternatve technque estmaton less senstve to outlers. In ths paper we examne al regresson whch has ablt to accommodate al departures from the underlng lnear model n busness statstcs.
aij - wygrana gracza I bij - wygrana gracza II
M.Mszczsk KBO UŁ, Badana operacjne I (cz.) (wkład B 7) GRY KONFLIKTOWE GRY -OSOBOWE O SUMIE WYPŁT ZERO I. DEFINICJE TWIERDZENI Konflktowe gr dwuosobowe opsuje macerz wpłat ( a ) [ ] mxn j,b j gdze: aj
Rachunek prawdopodobieństwa i statystyka W 11: Analizy zależnościpomiędzy zmiennymi losowymi Model regresji wielokrotnej
Rachunek prawdopodobeństwa statstka W 11: Analz zależnoścpomędz zmennm losowm Model regresj welokrotnej Dr Anna ADRIAN Paw B5, pok 407 adan@agh.edu.pl Model regresj lnowej Model regresj lnowej prostej
Współczynnik korelacji liniowej oraz funkcja regresji liniowej dwóch zmiennych
Współcznnk korelacj lnowej oraz funkcja regresj lnowej dwóch zmennch S S r, cov współcznnk determnacj R r Współcznnk ndetermnacj ϕ r Zarówno współcznnk determnacj jak ndetermnacj po przemnożenu przez 00
STATYSTYKA MATEMATYCZNA
STATYSTYKA MATEMATYCZNA. Wkład wstępn. Teora prawdopodobeństwa element kombnatork. Zmenne losowe ch rozkład 3. Populacje prób danch, estmacja parametrów 4. Testowane hpotez statstcznch 5. Test parametrczne
Zad 2 Dynamika zatrudnienia mierzona indeksami łańcuchowymi w ostatnich pięciu latach kształtowały się następująco: Lata Indeksy ( w %)
Analza dnamk Zad. 1 Indeks lczb studującch studentów w województwe śląskm w kolejnch pęcu latach przedstawał sę następująco: Lata 1 2 3 4 5 Indeks jednopodstawowe z roku t = 1 100,0 115,7 161,4 250,8 195,9
RACHUNEK NIEPEWNOŚCI POMIARU
Mędznarodowa Norma Ocen Nepewnośc Pomaru(Gude to Epresson of Uncertant n Measurements - Mędznarodowa Organzacja Normalzacjna ISO) RACHUNEK NIEPEWNOŚCI http://phscs.nst./gov/uncertant POMIARU Wrażane Nepewnośc
ZASTOSOWANIE PROGRAMOWANIA DYNAMICZNEGO DO OPRACOWANIA STRATEGII REDUKCJI EMISJI GAZÓW
ZASTOSOWANIE PROGRAOWANIA DYNAICZNEGO DO OPRACOWANIA STRATEGII REDUKCJI EISJI GAZÓW ANDRZEJ KAŁUSZKO Instytut Bada Systemowych Streszczene W pracy opsano zadane efektywnego przydzału ogranczonych rodków
Natalia Nehrebecka. Wykład 2
Natala Nehrebecka Wykład . Model lnowy Postad modelu lnowego Zaps macerzowy modelu lnowego. Estymacja modelu Wartośd teoretyczna (dopasowana) Reszty 3. MNK przypadek jednej zmennej . Model lnowy Postad
M-estymacja w badaniu małych przedsiębiorstw *
Zeszyty Unwersytet Ekonomczny w Krakowe Naukowe 1 (949) ISSN 1898-6447 Zesz. Nauk. UEK, 2016; 1 (949): 5 21 DOI: 10.15678/ZNUEK.2016.0949.0101 Grażyna Dehnel Elżbeta Gołata Katedra Statystyk Unwersytet
METODA UNITARYZACJI ZEROWANEJ Porównanie obiektów przy ocenie wielokryterialnej. Ranking obiektów.
Opracowane: Dorota Mszczyńska METODA UNITARYZACJI ZEROWANEJ Porównane obektów przy ocene welokryteralnej. Rankng obektów. Porównane wybranych obektów (warantów decyzyjnych) ze względu na różne cechy (krytera)
Zaawansowane metody numeryczne
Wykład 9. jej modyfkacje. Oznaczena Będzemy rozpatrywać zagadnene rozwązana następującego układu n równań lnowych z n newadomym x 1... x n : a 11 x 1 + a 12 x 2 +... + a 1n x n = b 1 a 21 x 1 + a 22 x
MODEL SZEREGU CZASOWEGO Z WAHANIAMI SEZONOWYMI W PROGNOZOWANIU ZU YCIA OLEJU NAP DOWEGO DLA AUTOBUSÓW SZYNOWYCH
PRACE NAUKOWE POLITECHNIKI WARSZAWSKIEJ z. 98 Transport 203 Izabela Dzaduch Poltechnka Wrocawska Adam Lchota AGH Akadema Górnczo-Hutncza MODEL SZEREGU CZASOWEGO Z WAHANIAMI SEZONOWYMI W PROGNOZOWANIU ZUYCIA
WPŁYW AKCESJI POLSKI DO UNII EUROPEJSKIEJ NA ROZWÓJ ROLNICTWA EKOLOGICZNEGO. Lidia Luty
74 LIDIA LUTY ROCZNIKI NAUKOWE EKONOMII ROLNICTWA I ROZWOJU OBSZARÓW WIEJSKICH, T. 11, z. 1, 214 WPŁYW AKCESJI POLSKI DO UNII EUROPEJSKIEJ NA ROZWÓJ ROLNICTWA EKOLOGICZNEGO Lda Lut Katedra Statstk Matematcznej
Stanisław Cichocki. Natalia Nehrebecka. Wykład 6
Stansław Cchock Natala Nehrebecka Wykład 6 1 1. Zastosowane modelu potęgowego Model potęgowy Przekształcene Boxa-Coxa 2. Zmenne cągłe za zmenne dyskretne 3. Interpretacja parametrów przy zmennych dyskretnych
Weryfikacja hipotez dla wielu populacji
Weryfkacja hpotez dla welu populacj Dr Joanna Banaś Zakład Badań Systemowych Instytut Sztucznej Intelgencj Metod Matematycznych Wydzał Informatyk Poltechnk Szczecńskej 5. Parametryczne testy stotnośc w
Przedziały ufności i testy parametrów. Przedziały ufności dla średniej odpowiedzi. Interwały prognoz (dla przyszłych obserwacji)
Wkład 1: Prosta regresja liniowa Statstczn model regresji liniowej Dane dla prostej regresji liniowej Przedział ufności i test parametrów Przedział ufności dla średniej odpowiedzi Interwał prognoz (dla
CZĘŚĆ 6. MODEL REGRESJI, TREND LINIOWY ESTYMACJA, WNIOSKOWANIE
CZĘŚĆ 6. MODEL REGRESJI, TREND LINIOWY ESTYMACJA, WNIOSKOWANIE Zadane 1. Na podstawe obserwacj dotczącch welkośc powerzchn ekspozcjnej (cecha X w m kw.) oraz welkośc dzennego obrotu punktu sprzedaż płtek
W praktyce często zdarza się, że wyniki obu prób możemy traktować jako. wyniki pomiarów na tym samym elemencie populacji np.
Wykład 7 Uwaga: W praktyce często zdarza sę, że wynk obu prób możemy traktować jako wynk pomarów na tym samym elemence populacj np. wynk x przed wynk y po operacj dla tego samego osobnka. Należy wówczas
Natalia Nehrebecka Stanisław Cichocki. Wykład 10
Natala Nehrebecka Stansław Cchock Wykład 10 1 1. Testy dagnostyczne 2. Testowane prawdłowośc formy funkcyjnej modelu 3. Testowane normalnośc składnków losowych 4. Testowane stablnośc parametrów 5. Testowane
METODA POMIARU WYBRANYCH PARAMETRÓW METROLOGICZNYCH PI TARCZOWYCH Z W GLIKAMI SPIEKANYMI PRZY ZASTOSOWANIU TECHNIK WIZYJNYCH
DIAGOSTYKA 3 (39)/6 5 BASZU, KRÓL, PISZCZEK, Metoda pomaru wbranch parametrów metrologcznch p tarczowch METODA POMIARU WYBRAYCH PARAMETRÓW METROLOGICZYCH PI TARCZOWYCH Z WGLIKAMI SPIEKAYMI PRZY ZASTOSOWAIU
Dobór modelu a obciążenie szacunku na przykładzie estymatora GREG w badaniu małych przedsiębiorstw
Zeszyty Uniwersytet Ekonomiczny w Krakowie Naukowe 11 (971) ISSN 1898-6447 Zesz. Nauk. UEK, 217; 11 (971): 5 25 DOI: 1.15678/ZNUEK.217.971.111 Dobór modelu a obciążenie szacunku na przykładzie estymatora
KOINCYDENTNOŚĆ MODELU EKONOMETRYCZNEGO A JEGO JAKOŚĆ MIERZONA WARTOŚCIĄ WSPÓŁCZYNNIKA R 2 (K)
STUDIA I PRACE WYDZIAŁU NAUK EKONOMICZNYCH I ZARZĄDZANIA NR 31 Mchał Kolupa Poltechnka Radomska w Radomu Joanna Plebanak Szkoła Główna Handlowa w Warszawe KOINCYDENTNOŚĆ MODELU EKONOMETRYCZNEGO A JEGO
KRYTERIA WYBORU ARCHITEKTURY SIECI NEURONOWYCH - FINANSOWE CZY BŁ DU PROGNOZY
KRYTERIA WYBORU ARCHITEKTURY SIECI NEURONOWYCH - FINANSOWE CZY BŁDU PROGNOZY HENRYK MARJAK Zachodnopomorsk Unwersytet Technologczny w Szczecne Streszczene Klasyczne podejce do zastosowana sec neuronowych
ZESZYTY NAUKOWE INSTYTUTU POJAZDÓW 2(88)/2012
ZESZYTY NAUKOWE INSTYTUTU POJAZDÓW (88)/01 Hubert Sar, Potr Fundowcz 1 WYZNACZANIE ASOWEGO OENTU BEZWŁADNOŚCI WZGLĘDE OSI PIONOWEJ DLA SAOCHODU TYPU VAN NA PODSTAWIE WZORU EPIRYCZNEGO 1. Wstęp asowy moment
Wnioskowanie 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...
Stanisław Cichocki. Natalia Nehrebecka. Wykład 6
Stansław Cchock Natala Nehrebecka Wykład 6 1 1. Zastosowane modelu potęgowego Przekształcene Boxa-Coxa 2. Zmenne cągłe za zmenne dyskretne 3. Interpretacja parametrów przy zmennych dyskretnych 1. Zastosowane
Metody prognozowania: Jakość prognoz Wprowadzenie (1) 6. Oszacowanie przypuszczalnej trafności prognozy
Metod prognozowania: Jakość prognoz Dr inż. Sebastian Skoczpiec ver. 03.2012 Wprowadzenie (1) 1. Sformułowanie zadania prognostcznego: 2. Określenie przesłanek prognostcznch: 3. Zebranie danch 4. Określenie
ANALIZA WPŁYWU OBSERWACJI NIETYPOWYCH NA WYNIKI MODELOWANIA REGIONALNEJ WYDAJNOŚCI PRACY
STUDIA I PRACE WYDZIAŁU NAUK EKONOMICZNYCH I ZARZĄDZANIA NR 36, T. 1 Barbara Batóg *, Jacek Batóg ** Unwersytet Szczecńsk ANALIZA WPŁYWU OBSERWACJI NIETYPOWYCH NA WYNIKI MODELOWANIA REGIONALNEJ WYDAJNOŚCI
Zeszyty Naukowe UNIWERSYTETU PRZYRODNICZO-HUMANISTYCZNEGO w SIEDLCACH Nr 96 Seria: Administracja i Zarz dzanie 2013
Zeszyty aukowe UIWERSYTETU PRZYRODICZO-HUMAISTYCZEGO w SIEDLCACH r 96 Sera: Admnstracja Zarzdzane 013 mgr Marta Kruk Poltechnka Warszawska Ocena ryzyka nwestowana w walory wybranych spóek brany budowlanej
Statystyka i opracowanie danych W 5: Odkrywanie i analiza zależności pomiędzy zmiennymi losowymi (danymi empirycznymi)
Statstka opracowane danch W 5: Odkrwane analza zależnośc pomędz zmennm losowm (danm emprcznm) Dr Anna ADRIAN Paw B5, pok 407 adan@agh.edu.pl Odkrwane analza zależnośc pomędz zmennm loścowm(lczowm) Przedmotem
LABORATORIUM PODSTAW AUTOMATYKI
LABORATORIUM PODSTAW AUTOMATYKI INSTRUKCJA DO ĆWICZENIA 4.Wstęp - DOBÓR NASTAW REGULATORÓW opr. dr inż Krzsztof Kula Dobór nastaw regulatorów uwzględnia dnamikę obiektu jak i wmagania stawiane zamkniętemu
STATYSTYKA MATEMATYCZNA WYKŁAD 5 WERYFIKACJA HIPOTEZ NIEPARAMETRYCZNYCH
STATYSTYKA MATEMATYCZNA WYKŁAD 5 WERYFIKACJA HIPOTEZ NIEPARAMETRYCZNYCH 1 Test zgodnośc χ 2 Hpoteza zerowa H 0 ( Cecha X populacj ma rozkład o dystrybuance F). Hpoteza alternatywna H1( Cecha X populacj
Procedura normalizacji
Metody Badań w Geograf Społeczno Ekonomcznej Procedura normalzacj Budowane macerzy danych geografcznych mgr Marcn Semczuk Zakład Przedsęborczośc Gospodark Przestrzennej Instytut Geograf Unwersytet Pedagogczny
Róniczka. f x. V Vx. Zadanie 4. Znale maksymalny błd bezwzgldny i wzgldny powstały przy obliczaniu objtoci stoka, jeli promie podstawy wynosi
Róniczka Wraenie d nazwa si róniczk pierwszego rzdu czci liniow przrostu wartoci unkcji Zastosowanie róniczki do oblicze przblionch: Zadanie Za pomoc róniczki oblicz przblion warto liczb Wkorzstam wzór
Wykład 4 Testy zgodności. dystrybuanta rozkładu populacji dystrybuanty rozkładów dwóch populacji rodzaj rozkładu wartości parametrów.
Wkład Test zgodności. Test zgodności służą do werikacji hipotez mówiącch, że a dstrbuanta rozkładu populacji ma określoną z gór postać unkcjną b dstrbuant rozkładów dwóch populacji nie różnią się w sposób
ORGANIZACJA ZAJĘĆ OPTYMALIZACJA GLOBALNA WSTĘP PLAN WYKŁADU. Wykładowca dr inż. Agnieszka Bołtuć, pokój 304, e-mail: aboltuc@ii.uwb.edu.
ORGANIZACJA ZAJĘĆ Wykładowca dr nż. Agneszka Bołtuć, pokój 304, e-mal: aboltuc@.uwb.edu.pl Lczba godzn forma zajęć: 15 godzn wykładu oraz 15 godzn laboratorum 15 godzn projektu Konsultacje: ponedzałk 9:30-11:00,
Hipotezy o istotności oszacowao parametrów zmiennych objaśniających ˆ ) ˆ
WERYFIKACJA HIPOTEZY O ISTOTNOŚCI OCEN PARAMETRÓW STRUKTURALNYCH MODELU Hpoezy o sonośc oszacowao paramerów zmennych objaśnających Tesowane sonośc paramerów zmennych objaśnających sprowadza sę do nasępującego
WPŁYW PARAMETRÓW DYSKRETYZACJI NA NIEPEWNOŚĆ WYNIKÓW POMIARU OBIEKTÓW OBRAZU CYFROWEGO
Walenty OWIECZKO WPŁYW PARAMETRÓW DYSKRETYZACJI A IEPEWOŚĆ WYIKÓW POMIARU OBIEKTÓW OBRAZU CYFROWEGO STRESZCZEIE W artykule przedstaono ynk analzy nepenośc pomaru ybranych cech obektu obrazu cyfroego. Wyznaczono
Problemy jednoczesnego testowania wielu hipotez statystycznych i ich zastosowania w analizie mikromacierzy DNA
Problemy jednoczesnego testowana welu hpotez statystycznych ch zastosowana w analze mkromacerzy DNA Konrad Furmańczyk Katedra Zastosowań Matematyk SGGW Plan referatu Testowane w analze mkromacerzy DNA
Egzamin ze statystyki/ Studia Licencjackie Stacjonarne/ Termin I /czerwiec 2010
Egzamn ze statystyk/ Studa Lcencjacke Stacjonarne/ Termn /czerwec 2010 Uwaga: Przy rozwązywanu zadań, jeśl to koneczne, naleŝy przyjąć pozom stotnośc 0,01 współczynnk ufnośc 0,99 Zadane 1 PonŜsze zestawene
Prawdopodobieństwo i statystyka r.
Prawdopodobeństwo statystya.05.00 r. Zadane Zmenna losowa X ma rozład wyładnczy o wartośc oczewanej, a zmenna losowa Y rozład wyładnczy o wartośc oczewanej. Obe zmenne są nezależne. Oblcz E( Y X + Y =
E K O N O M E T R I A
E K O N O M E T R I A LITERATURA: Ekonometra, red. M. Krzsztofak, PWE, Warszawa 1984 Ekonometra, S. Bartosewcz, PWE, Warszawa 1978 Matematczne Technk Zarz¹dzana dzana, skrpt AGH, rozdzaù V Statstka w zarz¹dzanu,
ZADANIE 1 Poniżej znajduje się fragment wykresu funkcji y = f (x). ZADANIE 2 Na podstawie podanego wykresu funkcji f
IMIE I NAZWISKO ZADANIE Poniżej znajduje się fragment wkresu funkcji = f (). -7 -- - - 6 7 Dorsuj brakujac a część wkresu wiedzac, że dziedzina funkcji f jest przedział,, a wkres jest smetrczn względem
Natalia Nehrebecka. Zajęcia 3
St ł Cchock Stansław C h k Natala Nehrebecka Zajęca 3 1. Dobroć dopasowana równana regresj. Współczynnk determnacj R Dk Dekompozycja warancj zmennej zależnej ż Współczynnk determnacj R. Zmenne cągłe a
Evaluation of estimation accuracy of correlation functions with use of virtual correlator model
Jadwga LAL-JADZIAK Unwersytet Zelonogórsk Instytut etrolog Elektrycznej Elżbeta KAWECKA Unwersytet Zelonogórsk Instytut Informatyk Elektronk Ocena dokładnośc estymacj funkcj korelacyjnych z użycem modelu
WYZNACZENIE ODKSZTAŁCEŃ, PRZEMIESZCZEŃ I NAPRĘŻEŃ W ŁAWACH FUNDAMENTOWYCH NA PODŁOŻU GRUNTOWYM O KSZTAŁCIE WYPUKŁYM
Budownctwo 7 Mkhal Hrtsuk, Rszard Hulbo WYZNACZNI ODKSZTAŁCŃ, PRZMISZCZŃ I NAPRĘŻŃ W ŁAWACH FNDAMNTOWYCH NA PODŁOŻ GRNTOWYM O KSZTAŁCI WYPKŁYM Wprowadzene Prz rozwązanu zagadnena przmuem, że brła fundamentowa
SZACOWANIE NIEPEWNOŚCI POMIARU METODĄ PROPAGACJI ROZKŁADÓW
SZACOWANIE NIEPEWNOŚCI POMIARU METODĄ PROPAGACJI ROZKŁADÓW Stefan WÓJTOWICZ, Katarzyna BIERNAT ZAKŁAD METROLOGII I BADAŃ NIENISZCZĄCYCH INSTYTUT ELEKTROTECHNIKI ul. Pożaryskego 8, 04-703 Warszawa tel.
Stanisław Cichocki Natalia Nehrebecka. Zajęcia 4
Stansław Cchock Natala Nehrebecka Zajęca 4 1. Interpretacja parametrów przy zmennych zerojedynkowych Zmenne 0-1 Interpretacja przy zmennej 0 1 w modelu lnowym względem zmennych objaśnających Interpretacja
Natalia Nehrebecka. Zajęcia 4
St ł Cchock Stansław C h k Natala Nehrebecka Zajęca 4 1. Interpretacja parametrów przy zmennych zerojedynkowych Zmenne 0 1 Interpretacja przy zmennej 0 1 w modelu lnowym względem zmennych objaśnających
System M/M/1/L. λ = H 0 µ 1 λ 0 H 1 µ 2 λ 1 H 2 µ 3 λ 2 µ L+1 λ L H L+1. Jeli załoymy, e λ. i dla i = 1, 2,, L+1 oraz
System M/M// System ten w odrónenu do wczenej omawanych systemów osada kolejk. Jednak jest ona ogranczona, jej maksymalna ojemno jest wartoc skoczon
Rozliczanie kosztów Proces rozliczania kosztów
Rozlczane kosztów Proces rozlczana kosztów Koszty dzałalnośc jednostek gospodarczych są złoŝoną kategorą ekonomczną, ujmowaną weloprzekrojowo. W systeme rachunku kosztów odbywa sę transformacja jednych
LABORATORIUM METROLOGII TECHNIKA POMIARÓW (M-1)
LABORATORIUM METROLOGII TECHNIKA POMIARÓW (M-) wwwmuepolslpl/~wwwzmape Opracował: Dr n Jan Około-Kułak Sprawdzł: Dr hab n Janusz Kotowcz Zatwerdzł: Dr hab n Janusz Kotowcz Cel wczena Celem wczena jest
Zaawansowane metody numeryczne Komputerowa analiza zagadnień różniczkowych 1. Układy równań liniowych
Zaawansowane metody numeryczne Komputerowa analza zagadneń różnczkowych 1. Układy równań lnowych P. F. Góra http://th-www.f.uj.edu.pl/zfs/gora/ semestr letn 2006/07 Podstawowe fakty Równane Ax = b, x,
LINIOWA FUNKCJA PRAWDOPODOBIEŃSTWA
Studa Ekonomczne. Zeszt Naukowe Unwerstetu Ekonomcznego w Katowcach ISSN 283-86 Nr 324 27 Jerz W. Wśnewsk Unwerstet Mkołaja Kopernka Wdzał Nauk Ekonomcznch Zarządzana Katedra Ekonometr Statstk jerz.wsnewsk@umk.pl
Analiza rodzajów skutków i krytyczności uszkodzeń FMECA/FMEA według MIL STD - 1629A
Analza rodzajów skutków krytycznośc uszkodzeń FMECA/FMEA według MIL STD - 629A Celem analzy krytycznośc jest szeregowane potencjalnych rodzajów uszkodzeń zdentyfkowanych zgodne z zasadam FMEA na podstawe
Statystyka Małych Obszarów w badaniach próbkowych
Statystyka Małych Obszarów w badaniach próbkowych Łukasz Wawrowski l.wawrowski@stat.gov.pl Urząd Statystyczny w Poznaniu SKN Estymator, UEP 5.03.2012 1 Wprowadzenie Podstawowe pojęcia Badanie 2 Estymator
Taksonomiczne aspekty estymacji pośredniej uwzględniającej autokorelację przestrzenną w statystyce gospodarczej
Urząd Statystyczny w Poznaniu Taksonomiczne aspekty estymacji pośredniej uwzględniającej autokorelację przestrzenną w statystyce gospodarczej Grażyna Dehnel Tomasz Klimanek Jacek Kowalewski CEL BADANIA:
METODY OCENY STOPNIA ZAAWANSOWANIA TELEINFORMATYCZNEGO POLSKICH PRZEDSI BIORSTW
METODY OCENY STOPNIA ZAAWANSOWANIA TELEINFORMATYCZNEGO POLSKICH PRZEDSI BIORSTW ANETA BECKER, Aadema Rolncza w Szczecne JAROSŁAW BECKER Poltechna Szczec sa Streszczene W artyule scharateryzowano wyorzystane
Zastosowanie wielowymiarowej analizy porównawczej w doborze spó³ek do portfela inwestycyjnego Zastosowanie wielowymiarowej analizy porównawczej...
Adam Waszkowsk * Adam Waszkowsk Zastosowane welowymarowej analzy porównawczej w doborze spó³ek do portfela nwestycyjnego Zastosowane welowymarowej analzy porównawczej... Wstêp Na warszawskej Ge³dze Paperów
STATYSTYKA MAŁYCH OBSZARÓW II.ESTYMATOR HORVITZA-THOMPSONA, ESTYMATOR KALIBROWANY
STATYSTYKA MAŁYCH OBSZARÓW II.ESTYMATOR HORVITZA-THOMPSONA, ESTYMATOR KALIBROWANY 2.1 Estymator Horvitza-Thompsona 2.1.1 Estymator Horvitza-Thompsona wartości średniej i globalnej w populacji p-nieobciążony
ZESTAW ZADAŃ Z INFORMATYKI
(Wpsue zdaąc przed rozpoczęcem prac) KOD ZDAJĄCEGO ZESTAW ZADAŃ Z INFORMATYKI CZĘŚĆ II (dla pozomu rozszerzonego) GRUDZIEŃ ROK 004 Czas prac 50 mnut Instrukca dla zdaącego. Proszę sprawdzć, cz zestaw zadań
Motto. Czy to nie zabawne, że ci sami ludzie, którzy śmieją się z science fiction, słuchają prognoz pogody oraz ekonomistów? (K.
Motto Cz to nie zabawne, że ci sami ludzie, którz śmieją się z science fiction, słuchają prognoz pogod oraz ekonomistów? (K. Throop III) 1 Specfika szeregów czasowch Modele szeregów czasowch są alternatwą
WYBRANE STATYSTYKI ODPORNE
Grażyna Trzpot Unwersytet Ekonomczny w Katowcach WYBRANE STATYSTYKI ODPORNE Wprowadzene Obserwacje oddalone (outlers) są takm obserwacjam w próbe, które mogą powodować zakłócena w ocene relacj w próbe.
Stanisław Cichocki. Natalia Nehrebecka. Wykład 7
Stansław Cchock Natala Nehrebecka Wykład 7 1 1. Zmenne cągłe a zmenne dyskretne 2. Interpretacja parametrów przy zmennych dyskretnych 1. Zmenne cągłe a zmenne dyskretne 2. Interpretacja parametrów przy
opisać wielowymiarową funkcją rozkładu gęstości prawdopodobieństwa f(x 1 , x xn
ROZKŁAD PRAWDOPODBIEŃSTWA WIELU ZMIENNYCH LOSOWYCH W przpadku gd mam do czea z zmem losowm możem prawdopodobeństwo, ż przjmą oe wartośc,,, opsać welowmarową fukcją rozkładu gęstośc prawdopodobeństwa f(,,,.
Kształtowanie się firm informatycznych jako nowych elementów struktury przestrzennej przemysłu
PRACE KOMISJI GEOGRAFII PRZEMYSŁU Nr 7 WARSZAWA KRAKÓW 2004 Akadema Pedagogczna, Kraków Kształtowane sę frm nformatycznych jako nowych elementów struktury przestrzennej przemysłu Postępujący proces rozwoju
Stanisław Cichocki. Natalia Nehrebecka. Zajęcia 1-2
Stanisław Cichocki Natalia Nehreecka Zajęcia - . Model liniow Postać modelu liniowego Zapis macierzow modelu liniowego. Estmacja modelu Przkład Wartość teoretczna (dopasowana) Reszt 3. MNK - przpadek wielu
Natalia Nehrebecka. Dariusz Szymański
Natala Nehrebecka Darusz Szymańsk . Sprawy organzacyjne Zasady zalczena Ćwczena Lteratura. Czym zajmuje sę ekonometra? Model ekonometryczny 3. Model lnowy Postać modelu lnowego Zaps macerzowy modelu dl
STUDIA METODOLOGICZNE
NR 3 (6) MARZEC 03 CZASOPISMO GÓWNEGO URZDU STATYSTYCZNEGO I POLSKIEGO TOWARZYSTWA STATYSTYCZNEGO STUDIA METODOLOGICZNE Domnk LIWICKI Ww gównch cznnków makroekonomcznch na bezroboce dugookresowe Wedug
banków detalicznych Metody oceny efektywnoœci operacyjnej
Metody oceny efektywnoœc operacyjnej banków detalcznych Danuta Skora, mgr, doktorantka Wydza³u Nauk Ekonomcznych, Dyrektor Regonu jednego z najwêkszych banków detalcznych Adran Kulczyck, mgr, doktorant
WPROWADZENIE DO TEORII DECYZJI STATYSTYCZNYCH
Ćwczene nr 1 Statystyczne metody wspomagana decyzj Teora decyzj statystycznych WPROWADZENIE DO TEORII DECYZJI STATYSTYCZNYCH Problem decyzyjny decyzja pocągająca za sobą korzyść lub stratę. Proces decyzyjny
KURS STATYSTYKA. Lekcja 6 Regresja i linie regresji ZADANIE DOMOWE. www.etrapez.pl Strona 1
KURS STATYSTYKA Lekcja 6 Regresja lne regresj ZADANIE DOMOWE www.etrapez.pl Strona 1 Część 1: TEST Zaznacz poprawną odpowedź (tylko jedna jest prawdzwa). Pytane 1 Funkcja regresj I rodzaju cechy Y zależnej
XXX OLIMPIADA FIZYCZNA ETAP I Zadania teoretyczne
XXX OLIPIADA FIZYCZNA TAP I Zadana teoretczne Nazwa zadana ZADANI T1 Na odstawe wsółczesnch badań wadomo że jądro atomowe może znajdować sę tlo w stanach o oreślonch energach odobne ja dobrze znan atom
f x f y f, jest 4, mianowicie f = f xx f xy f yx
Zestaw 14 Pochodne wŝszch rzędów Niech będzie dana funkcja x f określona w pewnm obszarze D Przpuśćm Ŝe f x istnieją pochodne cząstkowe tej funkcji x x Pochodne cząstkowe tch pochodnch jeŝeli istnieją
Programowanie 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
Józef Beluch Akademia Górniczo-Hutnicza w Krakowie. Wpływ wag współrzędnych na wyniki transformacji Helmerta
Józef Beluch Akadema Górczo-Hutcza w Krakowe płw wag współrzędch a wk trasformacj Helmerta . zór a trasformację współrzędch sposobem Helmerta: = c + b = d + a + a b () 2 2. Dwa modele wzaczea parametrów
Problem nośności granicznej płyt żelbetowych w ujęciu aktualnych przepisów normowych. Prof. dr hab. inż. Piotr Konderla, Politechnika Wrocławska
Proble nośnośc grancznej płt żelbetowch w ujęcu aktualnch przepsów norowch Prof. dr hab. nż. Potr Konderla Poltechnka Wrocławska 1. Wprowadzene Przedote analz jest płta żelbetowa zbrojona ortogonalne paraetrzowana
Stanisław Cichocki. Natalia Nehrebecka. Wykład 6
Stansław Cchock Natala Nehrebecka Wykład 6 1 1. Interpretacja parametrów przy zmennych objaśnających cągłych Semelastyczność 2. Zastosowane modelu potęgowego Model potęgowy 3. Zmenne cągłe za zmenne dyskretne
Zapis informacji, systemy pozycyjne 1. Literatura Jerzy Grębosz, Symfonia C++ standard. Harvey M. Deitl, Paul J. Deitl, Arkana C++. Programowanie.
Zaps nformacj, systemy pozycyjne 1 Lteratura Jerzy Grębosz, Symfona C++ standard. Harvey M. Detl, Paul J. Detl, Arkana C++. Programowane. Zaps nformacj w komputerach Wszystke elementy danych przetwarzane
Stanisław Cichocki. Natalia Nehrebecka. Wykład 11
Stansław Cchock Natala Nehrebecka Wykład 11 1 1. Testowane hpotez łącznych 2. Testy dagnostyczne Testowane prawdłowośc formy funkcyjnej: test RESET Testowane normalnośc składnków losowych: test Jarque-Berra
ZESZYTY NAUKOWE INSTYTUTU POJAZDÓW 5(96)/2013
ZESZYTY NAUKOWE NSTYTUTU POJAZDÓW 5(96)/2013 Hubert Sar, Potr Fundowcz 1 WYZNACZANE MASOWEGO MOMENTU BEZWŁADNOŚC WZGLĘDEM OS PODŁUŻNEJ DLA SAMOCHODU TYPU VAN NA PODSTAWE WZORÓW DOŚWADCZALNYCH 1. Wstęp
( ) ( ) 2. Zadanie 1. są niezależnymi zmiennymi losowymi o. oraz. rozkładach normalnych, przy czym EX. i σ są nieznane. 1 Niech X
Prawdopodobeństwo statystyka.. r. Zadane. Zakładamy, że,,,,, 5 są nezależnym zmennym losowym o rozkładach normalnych, przy czym E = μ Var = σ dla =,,, oraz E = μ Var = 3σ dla =,, 5. Parametry μ, μ σ są
PROGNOZOWANIE I SYMULACJE - zadania powtórzeniowe
PROGNOZOWANIE I SYMULACJE - zadana powórzenowe Zadana I. Na podsawe danych z la 88- zbudowano model: y = + 3, 5 s = szuk, R =,3 opsujcy lczb sprzedawanych arówek w yscach szuk w pewnej frme. Wyznaczy prognoz
Krzywa wieża w Pizie. SAS Data Step. Przykład (2) Wykład 13 Regresja liniowa
Bonformatyka - rozwój oferty edukacyjnej Unwersytetu Przyrodnczego we Wrocławu projekt realzowany w ramac Programu Operacyjnego Kaptał Ludzk współfnansowanego ze środków Europejskego Funduszu Społecznego
Ń Ż Ó Ó Ó Ż Ę Ó Ś Ó Ę Ś Ś Ó ż Ó Ó Ż Ś Ś Ó Ó Ś Ś Ś Ó Ść Ó ż Ść Ę Ó Ń Ś Ó Ś Ó Ż Ż Ż ć Ż Ó Ó Ż Ś Ó Ś ć Ń ć Ó Ó Ś ż Ś Ż Ż Ść Ó Ś ż ćż ć Ó Ż Ś Ć Ó Ż Ó Ó Ż Ś Ó Ó Ś Ó ż Ó Ż Ź Ś ż Ń Ó Ó Ś ż Ś Ó Ó Ś ż Ś Ś Ś Ć Ż
ZMODYFIKOWANA METODA ZASILANIA I STEROWANIA SILNIKA RELUKTANCYJNEGO PRZEŁĄCZALNEGO
Maszyny Elektryczne Zeszyty Problemowe r 3/2015 (107) 51 Potr Bogusz, Marusz Korkosz, Jan Prokop Poltechnka Rzeszowska ZMODYFIKOWAA METODA ZASILAIA I STEROWAIA SILIKA RELUKTACYJEGO PRZEŁĄCZALEGO MODIFIED
Plan wykładu: Typowe dane. Jednoczynnikowa Analiza wariancji. Zasada: porównać zmienność pomiędzy i wewnątrz grup
Jednoczynnkowa Analza Waranc (ANOVA) Wykład 11 Przypomnene: wykłady zadana kursu były zaczerpnęte z podręcznków: Statystyka dla studentów kerunków techncznych przyrodnczych, J. Koronack, J. Melnczuk, WNT
Matematyka II: Zadania przed 3. terminem S tu niektóre zadania z egzaminu z rozwi zaniami i troch dodatkowych
Matematka II: Zadania przed 3. terminem S tu niektóre zadania z egzaminu z rozwi zaniami i troch dodatkowch. Znale¹ ekstrema lokalne funkcji f(, ) = ( 2 + 2 2 )e (2 + 2 ) Odp. Jedno minimum (w p. (, )),
Matematyka 1 (Wydziaª Architektury) Lista 1 - funkcje elmenetarne. 2. Rozwi za nast puj ce równania lub nierówno±ci:
Matematka (Wdziaª Architektur) Lista - funkcje elmenetarne UWAGA: Umiej tno±ci potrzebne do rozwi zwania zada«z tej list b d równie» niezb dne prz rozwi zwaniu wszstkich problemów matematcznch, z jakimi
System M/M/c/N. System róni si od wyej omawianego tym, e posiada c kanałów obsługi. ródła zgłosze. Stanowiska obsługi. 2 kolejka
System M/M// System rón s od wyej omawanego tym, e posada kanałów obsług. ródła zgłosze kolejka Stanowska obsług Rysunek Przykład welostanowskowego systemu ze skozonym ródłem Stany systemu: H 0 brak zgłosze
) będą niezależnymi zmiennymi losowymi o tym samym rozkładzie normalnym z następującymi parametrami: nieznaną wartością 1 4
Zadane. Nech ( X, Y ),( X, Y ), K,( X, Y n n ) będą nezależnym zmennym losowym o tym samym rozkładze normalnym z następującym parametram: neznaną wartoścą oczekwaną EX = EY = m, warancją VarX = VarY =
Programowanie wielokryterialne
Prgramwane welkryteralne. Pdstawwe defncje znaczena. Matematyczny mdel sytuacj decyzyjnej Załóżmy, że decydent dknując wybru decyzj dpuszczalnej x = [ x,..., xn ] D keruje sę szeregem kryterów f,..., f.
Ekstrema 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
Zadanie 2. objętość zmniejszy się o 1 m 3, co odpowiada liczbie 3% 60 m 3 zaokrąglonej w dół do liczby
Zadanie 1. W liceum ogólnokształcącm przeprowadzono badanie wników nauczania z historii. Do tego celu wkorzstano test składając się z 25 ptań, które kolejno dotczł poszczególnch epok historcznch: ptania
ZASTOSOWANIE ESTYMATORA TYPU SPREE W SZACOWANIU LICZBY OSÓB BEZROBOTNYCH W PRZEKROJU PODREGIONÓW
STUDIA OECONOMICA POSNANIENSIA 013, vol. 1, no. 10 (59) Tomasz Józefowsk Ośrodek Statystyk Małych Obszarów Urząd Statystyczny w Poznanu Marcn Szymkowak Unwersytet Ekonomczny w Poznanu, Wydzał Informatyk
Zadane 1: Wyznacz średne ruchome 3-okresowe z następujących danych obrazujących zużyce energ elektrycznej [kwh] w pewnym zakładze w mesącach styczeń - lpec 1998 r.: 400; 410; 430; 40; 400; 380; 370. Zadane
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:
WYKŁAD 4 PLAN WYKŁADU. Sieci neuronowe: Algorytmy uczenia & Dalsze zastosowania. Metody uczenia sieci: Zastosowania
WYKŁAD 4 Sieci neuronowe: Algorytmy uczenia & Dalsze zastosowania PLAN WYKŁADU Metody uczenia sieci: Uczenie perceptronu Propagacja wsteczna Zastosowania Sterowanie (powtórzenie) Kompresja obrazu Rozpoznawanie
MES W ANALIZIE SPRĘŻYSTEJ UKŁADÓW PRĘTOWYCH
MES W ANAIZIE SPRĘŻYSEJ KŁADÓW PRĘOWYCH Przkład obliczeń Kratownice płaskie idia FEDOROWICZ Jan FEDOROWICZ Magdalena MROZEK Dawid MROZEK Gliwice r. - idia Fedorowicz Jan Fedorowicz Magdalena Mrozek Dawid
OKREŚLANIE FUNKCJI CELU PRZY DOBORZE MASZYN ROLNICZYCH
InŜnieria Rolnicza 14/5 Zofia Hanusz *, Zbigniew Siarkowski **, * Katedra Zastosowań Matematki ** Katedra Maszn i Urządzeń Rolniczch Akademia Rolnicza w Lublinie OKREŚLANIE FUNKCJI CELU PRZY DOBORZE MASZYN