ESTYMACJA LOKALNA W SZACOWANIU INFORMACJI O DZIA ALNO CI GOSPODARCZEJ MIKROPRZEDSI BIORSTW

Wielkość: px
Rozpocząć pokaz od strony:

Download "ESTYMACJA LOKALNA W SZACOWANIU INFORMACJI O DZIA ALNO CI GOSPODARCZEJ MIKROPRZEDSI BIORSTW"

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

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

Bardziej szczegółowo

Rachunek prawdopodobieństwa i statystyka W 11: Analizy zależnościpomiędzy zmiennymi losowymi Model regresji wielokrotnej

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

Bardziej szczegółowo

Współczynnik korelacji liniowej oraz funkcja regresji liniowej dwóch zmiennych

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

Bardziej szczegółowo

STATYSTYKA MATEMATYCZNA

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

Bardziej szczegółowo

Zad 2 Dynamika zatrudnienia mierzona indeksami łańcuchowymi w ostatnich pięciu latach kształtowały się następująco: Lata Indeksy ( w %)

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

Bardziej szczegółowo

RACHUNEK NIEPEWNOŚCI POMIARU

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

Bardziej szczegółowo

ZASTOSOWANIE PROGRAMOWANIA DYNAMICZNEGO DO OPRACOWANIA STRATEGII REDUKCJI EMISJI GAZÓW

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

Bardziej szczegółowo

Natalia Nehrebecka. Wykład 2

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

Bardziej szczegółowo

M-estymacja w badaniu małych przedsiębiorstw *

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

Bardziej szczegółowo

METODA UNITARYZACJI ZEROWANEJ Porównanie obiektów przy ocenie wielokryterialnej. Ranking obiektów.

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)

Bardziej szczegółowo

Zaawansowane metody numeryczne

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

Bardziej szczegółowo

MODEL SZEREGU CZASOWEGO Z WAHANIAMI SEZONOWYMI W PROGNOZOWANIU ZU YCIA OLEJU NAP DOWEGO DLA AUTOBUSÓW SZYNOWYCH

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

Bardziej szczegółowo

WPŁYW AKCESJI POLSKI DO UNII EUROPEJSKIEJ NA ROZWÓJ ROLNICTWA EKOLOGICZNEGO. Lidia Luty

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

Bardziej szczegółowo

Stanisław Cichocki. Natalia Nehrebecka. Wykład 6

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

Bardziej szczegółowo

Weryfikacja hipotez dla wielu populacji

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

Bardziej szczegółowo

Przedziały ufności i testy parametrów. Przedziały ufności dla średniej odpowiedzi. Interwały prognoz (dla przyszłych obserwacji)

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

Bardziej szczegółowo

CZĘŚĆ 6. MODEL REGRESJI, TREND LINIOWY ESTYMACJA, WNIOSKOWANIE

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

Bardziej szczegółowo

W praktyce często zdarza się, że wyniki obu prób możemy traktować jako. wyniki pomiarów na tym samym elemencie populacji np.

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

Bardziej szczegółowo

Natalia Nehrebecka Stanisław Cichocki. Wykład 10

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

Bardziej szczegółowo

METODA POMIARU WYBRANYCH PARAMETRÓW METROLOGICZNYCH PI TARCZOWYCH Z W GLIKAMI SPIEKANYMI PRZY ZASTOSOWANIU TECHNIK WIZYJNYCH

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

Bardziej szczegółowo

Dobór modelu a obciążenie szacunku na przykładzie estymatora GREG w badaniu małych przedsiębiorstw

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

Bardziej szczegółowo

KOINCYDENTNOŚĆ MODELU EKONOMETRYCZNEGO A JEGO JAKOŚĆ MIERZONA WARTOŚCIĄ WSPÓŁCZYNNIKA R 2 (K)

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

Bardziej szczegółowo

KRYTERIA WYBORU ARCHITEKTURY SIECI NEURONOWYCH - FINANSOWE CZY BŁ DU PROGNOZY

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

Bardziej szczegółowo

ZESZYTY NAUKOWE INSTYTUTU POJAZDÓW 2(88)/2012

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

Bardziej szczegółowo

Wnioskowanie statystyczne dla korelacji i regresji.

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...

Bardziej szczegółowo

Stanisław Cichocki. Natalia Nehrebecka. Wykład 6

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

Bardziej szczegółowo

Metody prognozowania: Jakość prognoz Wprowadzenie (1) 6. Oszacowanie przypuszczalnej trafności prognozy

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

Bardziej szczegółowo

ANALIZA WPŁYWU OBSERWACJI NIETYPOWYCH NA WYNIKI MODELOWANIA REGIONALNEJ WYDAJNOŚCI PRACY

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

Bardziej szczegółowo

Zeszyty Naukowe UNIWERSYTETU PRZYRODNICZO-HUMANISTYCZNEGO w SIEDLCACH Nr 96 Seria: Administracja i Zarz dzanie 2013

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

Bardziej szczegółowo

Statystyka i opracowanie danych W 5: Odkrywanie i analiza zależności pomiędzy zmiennymi losowymi (danymi empirycznymi)

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

Bardziej szczegółowo

LABORATORIUM PODSTAW AUTOMATYKI

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

Bardziej szczegółowo

STATYSTYKA MATEMATYCZNA WYKŁAD 5 WERYFIKACJA HIPOTEZ NIEPARAMETRYCZNYCH

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

Bardziej szczegółowo

Procedura normalizacji

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

Bardziej szczegółowo

Róniczka. f x. V Vx. Zadanie 4. Znale maksymalny błd bezwzgldny i wzgldny powstały przy obliczaniu objtoci stoka, jeli promie podstawy wynosi

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

Bardziej szczegółowo

Wykład 4 Testy zgodności. dystrybuanta rozkładu populacji dystrybuanty rozkładów dwóch populacji rodzaj rozkładu wartości parametrów.

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

Bardziej szczegółowo

ORGANIZACJA ZAJĘĆ OPTYMALIZACJA GLOBALNA WSTĘP PLAN WYKŁADU. Wykładowca dr inż. Agnieszka Bołtuć, pokój 304, e-mail: aboltuc@ii.uwb.edu.

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,

Bardziej szczegółowo

Hipotezy o istotności oszacowao parametrów zmiennych objaśniających ˆ ) ˆ

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

Bardziej szczegółowo

WPŁYW PARAMETRÓW DYSKRETYZACJI NA NIEPEWNOŚĆ WYNIKÓW POMIARU OBIEKTÓW OBRAZU CYFROWEGO

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

Bardziej szczegółowo

Problemy jednoczesnego testowania wielu hipotez statystycznych i ich zastosowania w analizie mikromacierzy DNA

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

Bardziej szczegółowo

Egzamin ze statystyki/ Studia Licencjackie Stacjonarne/ Termin I /czerwiec 2010

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

Bardziej szczegółowo

Prawdopodobieństwo i statystyka r.

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 =

Bardziej szczegółowo

E K O N O M E T R I A

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,

Bardziej szczegółowo

ZADANIE 1 Poniżej znajduje się fragment wykresu funkcji y = f (x). ZADANIE 2 Na podstawie podanego wykresu funkcji f

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

Bardziej szczegółowo

Natalia Nehrebecka. Zajęcia 3

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

Bardziej szczegółowo

Evaluation of estimation accuracy of correlation functions with use of virtual correlator model

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

Bardziej szczegółowo

WYZNACZENIE ODKSZTAŁCEŃ, PRZEMIESZCZEŃ I NAPRĘŻEŃ W ŁAWACH FUNDAMENTOWYCH NA PODŁOŻU GRUNTOWYM O KSZTAŁCIE WYPUKŁYM

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

Bardziej szczegółowo

SZACOWANIE NIEPEWNOŚCI POMIARU METODĄ PROPAGACJI ROZKŁADÓW

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.

Bardziej szczegółowo

Stanisław Cichocki Natalia Nehrebecka. Zajęcia 4

Stanisław Cichocki Natalia Nehrebecka. Zajęcia 4 Stansław Cchock Natala Nehrebecka Zajęca 4 1. Interpretacja parametrów przy zmennych zerojedynkowych Zmenne 0-1 Interpretacja przy zmennej 0 1 w modelu lnowym względem zmennych objaśnających Interpretacja

Bardziej szczegółowo

Natalia Nehrebecka. Zajęcia 4

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

Bardziej szczegółowo

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/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

Bardziej szczegółowo

Rozliczanie kosztów Proces rozliczania kosztów

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

Bardziej szczegółowo

LABORATORIUM METROLOGII TECHNIKA POMIARÓW (M-1)

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

Bardziej szczegółowo

Zaawansowane metody numeryczne Komputerowa analiza zagadnień różniczkowych 1. Układy równań liniowych

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,

Bardziej szczegółowo

LINIOWA FUNKCJA PRAWDOPODOBIEŃSTWA

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

Bardziej szczegółowo

Analiza rodzajów skutków i krytyczności uszkodzeń FMECA/FMEA według MIL STD - 1629A

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

Bardziej szczegółowo

Statystyka Małych Obszarów w badaniach próbkowych

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

Bardziej szczegółowo

Taksonomiczne aspekty estymacji pośredniej uwzględniającej autokorelację przestrzenną w statystyce gospodarczej

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:

Bardziej szczegółowo

METODY OCENY STOPNIA ZAAWANSOWANIA TELEINFORMATYCZNEGO POLSKICH PRZEDSI BIORSTW

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

Bardziej szczegółowo

Zastosowanie wielowymiarowej analizy porównawczej w doborze spó³ek do portfela inwestycyjnego Zastosowanie wielowymiarowej analizy porównawczej...

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

Bardziej szczegółowo

STATYSTYKA MAŁYCH OBSZARÓW II.ESTYMATOR HORVITZA-THOMPSONA, ESTYMATOR KALIBROWANY

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

Bardziej szczegółowo

ZESTAW ZADAŃ Z INFORMATYKI

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

Bardziej szczegółowo

Motto. Czy to nie zabawne, że ci sami ludzie, którzy śmieją się z science fiction, słuchają prognoz pogody oraz ekonomistów? (K.

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

Bardziej szczegółowo

WYBRANE STATYSTYKI ODPORNE

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.

Bardziej szczegółowo

Stanisław Cichocki. Natalia Nehrebecka. Wykład 7

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

Bardziej szczegółowo

opisać wielowymiarową funkcją rozkładu gęstości prawdopodobieństwa f(x 1 , x xn

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(,,,.

Bardziej szczegółowo

Kształtowanie się firm informatycznych jako nowych elementów struktury przestrzennej przemysłu

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

Bardziej szczegółowo

Stanisław Cichocki. Natalia Nehrebecka. Zajęcia 1-2

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

Bardziej szczegółowo

Natalia Nehrebecka. Dariusz Szymański

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

Bardziej szczegółowo

STUDIA METODOLOGICZNE

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

Bardziej szczegółowo

banków detalicznych Metody oceny efektywnoœci operacyjnej

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

Bardziej szczegółowo

WPROWADZENIE DO TEORII DECYZJI STATYSTYCZNYCH

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

Bardziej szczegółowo

KURS STATYSTYKA. Lekcja 6 Regresja i linie regresji ZADANIE DOMOWE. www.etrapez.pl Strona 1

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

Bardziej szczegółowo

XXX OLIMPIADA FIZYCZNA ETAP I Zadania teoretyczne

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

Bardziej szczegółowo

f x f y f, jest 4, mianowicie f = f xx f xy f yx

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

Bardziej szczegółowo

Programowanie nieliniowe optymalizacja funkcji wielu zmiennych

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

Bardziej szczegółowo

Józef Beluch Akademia Górniczo-Hutnicza w Krakowie. Wpływ wag współrzędnych na wyniki transformacji Helmerta

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

Bardziej szczegółowo

Problem nośności granicznej płyt żelbetowych w ujęciu aktualnych przepisów normowych. Prof. dr hab. inż. Piotr Konderla, Politechnika Wrocławska

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

Bardziej szczegółowo

Stanisław Cichocki. Natalia Nehrebecka. Wykład 6

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

Bardziej szczegółowo

Zapis informacji, systemy pozycyjne 1. Literatura Jerzy Grębosz, Symfonia C++ standard. Harvey M. Deitl, Paul J. Deitl, Arkana C++. Programowanie.

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

Bardziej szczegółowo

Stanisław Cichocki. Natalia Nehrebecka. Wykład 11

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

Bardziej szczegółowo

ZESZYTY NAUKOWE INSTYTUTU POJAZDÓW 5(96)/2013

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

Bardziej szczegółowo

( ) ( ) 2. Zadanie 1. są niezależnymi zmiennymi losowymi o. oraz. rozkładach normalnych, przy czym EX. i σ są nieznane. 1 Niech X

( ) ( ) 2. Zadanie 1. są niezależnymi zmiennymi losowymi o. oraz. rozkładach normalnych, przy czym EX. i σ są nieznane. 1 Niech X Prawdopodobeństwo statystyka.. r. Zadane. Zakładamy, że,,,,, 5 są nezależnym zmennym losowym o rozkładach normalnych, przy czym E = μ Var = σ dla =,,, oraz E = μ Var = 3σ dla =,, 5. Parametry μ, μ σ są

Bardziej szczegółowo

PROGNOZOWANIE I SYMULACJE - zadania powtórzeniowe

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

Bardziej szczegółowo

Krzywa wieża w Pizie. SAS Data Step. Przykład (2) Wykład 13 Regresja liniowa

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

Bardziej szczegółowo

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

Bardziej szczegółowo

ZMODYFIKOWANA METODA ZASILANIA I STEROWANIA SILNIKA RELUKTANCYJNEGO PRZEŁĄCZALNEGO

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

Bardziej szczegółowo

Plan wykładu: Typowe dane. Jednoczynnikowa Analiza wariancji. Zasada: porównać zmienność pomiędzy i wewnątrz grup

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

Bardziej szczegółowo

Matematyka II: Zadania przed 3. terminem S tu niektóre zadania z egzaminu z rozwi zaniami i troch dodatkowych

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. (, )),

Bardziej szczegółowo

Matematyka 1 (Wydziaª Architektury) Lista 1 - funkcje elmenetarne. 2. Rozwi za nast puj ce równania lub nierówno±ci:

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

Bardziej szczegółowo

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/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

Bardziej szczegółowo

) będą niezależnymi zmiennymi losowymi o tym samym rozkładzie normalnym z następującymi parametrami: nieznaną wartością 1 4

) będą niezależnymi zmiennymi losowymi o tym samym rozkładzie normalnym z następującymi parametrami: nieznaną wartością 1 4 Zadane. Nech ( X, Y ),( X, Y ), K,( X, Y n n ) będą nezależnym zmennym losowym o tym samym rozkładze normalnym z następującym parametram: neznaną wartoścą oczekwaną EX = EY = m, warancją VarX = VarY =

Bardziej szczegółowo

Programowanie wielokryterialne

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.

Bardziej szczegółowo

Ekstrema funkcji dwóch zmiennych

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

Bardziej szczegółowo

Zadanie 2. objętość zmniejszy się o 1 m 3, co odpowiada liczbie 3% 60 m 3 zaokrąglonej w dół do liczby

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

Bardziej szczegółowo

ZASTOSOWANIE ESTYMATORA TYPU SPREE W SZACOWANIU LICZBY OSÓB BEZROBOTNYCH W PRZEKROJU PODREGIONÓW

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

Bardziej szczegółowo

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

Bardziej szczegółowo

Podstawowe działania w rachunku macierzowym

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

Bardziej szczegółowo

WYKŁAD 4 PLAN WYKŁADU. Sieci neuronowe: Algorytmy uczenia & Dalsze zastosowania. Metody uczenia sieci: Zastosowania

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

Bardziej szczegółowo

MES W ANALIZIE SPRĘŻYSTEJ UKŁADÓW PRĘTOWYCH

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

Bardziej szczegółowo

OKREŚLANIE FUNKCJI CELU PRZY DOBORZE MASZYN ROLNICZYCH

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

Bardziej szczegółowo